1.苹果增加Intel基带份额,传新款iPhone达5成,明年恐逾7成;
2.AMD CEO苏姿丰:有信心今年绝对盈利;
3.Gartner:全球收入前十大半导体厂商排行;
4.芯片战争2.0：“失效”的摩尔定律;
5.大数据重塑新芯片架构,AI处理器寻求突破;
6.ARM布局车联网 拉NXP、NV、瑞萨、TI同卡位
集微网推出集成电路微信公共号：“天天IC”，重大新闻即时发布，天天IC、天天集微网，积微成著！点击文章末端“阅读原文”或长按 laoyaoic 复制微信公共号搜索添加关注。
1.苹果增加Intel基带份额,传新款iPhone达5成,明年恐逾7成;
集微网消息，据台湾电子时报报道，面对高通在基带芯片市场独大局面，苹果自iPhone 7系列世代开始将英特尔纳入基带芯片第二供应商，占订单比重约3成，尽管英特尔基带芯片效能不及高通，市场原预期苹果新一代iPhone 8基带芯片订单可能回归高通，但近期高通、苹果官司风暴扩大，业界传出英特尔意外受惠，2017年底新款iPhone基带芯片订单比重将拉升至5成，并预期在2018年扩增至7成以上。
2017年初苹果向美国加州地方法院提告，指控高通芯片订价过高，并拒绝交出属于苹果的10亿美元退款，而高通亦对苹果提告，直控苹果故意让高通基带芯片在iPhone 7上的表现输给英特尔。
近日高通再提起诉讼，对象锁定苹果供应链，指控为苹果制造iPhone与iPad的富士康、和硕、纬创与仁宝违反双方授权合约与承诺，并拒绝就使用高通授权的技术付费，高通向法院请求确认性救济措施和损害赔偿。
供应链表示，高通基带芯片报价约23美元，英特尔约15美元，虽然英特尔芯片效能速度落后高通，然近期苹果已拉高英特尔基带芯片供应比重，iPhone 8新款至年底比重约可达5成，若苹果、高通持续对立，2018年英特尔基带芯片供应比重将扩升至7成以上。
苹果近期拉高Intel基带芯片的出货比重也不排除是为了给高通施压以提高在授权谈判的筹码。
供应链认为，近年不断扩大自制的苹果，先前已宣布停止使用英国GPU业者Imagination GPU，且研发iPhone用电源管理芯片等，苹果极可能已开始投入基带芯片研发，据 Apple Insider 报道，苹果聘请了原高通技术副总裁 Esin Terzioglu 来领导公司的无线 SoC 团队，这一动作也表明苹果正计划将其内部芯片研发扩展到调制解调器领域。因此，英特尔基带芯片美好时光恐仅能维持两个世代，后续必须加速拉升技术实力，并争取非苹阵营订单。
高通苹果的专利授权之争未来真正受惠的肯定是大陆手机厂商，如果苹果自研基带芯片为真，或者使用英特尔的基带芯片比例提升，大陆手机厂商在高通的地位显然会进一步提升。
全球手机竞争格局排行前三的三星、苹果、华为都在开发自家处理器，OPPO、VIVO自觉不自觉已经成为高通最最重要的合作伙伴，华为与OV未来谁将成为中国手机的霸主目前来看难有定论，未来两三年智能手机难见革命性创新，自研处理器与使用第三方产品孰胜孰负现在还真看不清楚，因为芯片投入越来越大。
2.AMD CEO苏姿丰:有信心今年绝对盈利;
集微网台北消息，AMD首季财报不如预期，产品叫好，财报却令市场失望。 但AMD总裁兼CEO苏姿丰31日表示，今年三大产品线都推出新产品，预料第2季起出货逐季成长，有信心今年会盈利。
今年是苏姿丰接任CEO第三年，她昨天在主持台北计算机展新产品发布会后强调，今年是AMD成立30年，主力产品Ryzen处理器和Radeon图形处理器受到市场反映良好，预期本季起将逐季成长，营收和毛利率会持续扬升，有信心今年绝对获利。
苏姿丰表示，AMD是市场上唯一能提供高效能CPU与高效能GPU的品牌，此次发表最新Zen架构的服务器处理器EPYC，以及基于Vega架构的加速器Radeon Instinct，抢进高端市场，将给AMD带来很大帮助。
她表示，以EPYC而言，因具备可提供最多32核心及更高带宽的内存和更多输出脚数，将使AMD在高端服务器市场大有斩获。 她并宣布将于6月20日推出EPYC处理器。 至于服务器合作伙伴，苏姿丰表示，将于6月20发表时对外宣布。
此外，AMD主力处理器和图形处理器也推出新产品，除原本主攻的台式电脑和电竞计算机，也瞄准DIY电竞玩家，推出新的CPU和GPU产品。
AMD昨天邀请戴尔、惠普、宏碁、联想等大厂站台，展示采用搭载Ryzen与Radeon方案的台式电脑和笔记本电脑。 AMD并推出Ryzen Mobile新处理器，且多路并进，抢进二合一、超薄、游戏与商用电脑等四大市场，其中Ryzen Mobile预计下半年推出消费版本，商用版本预计2018上半年推出。
3.Gartner:全球收入前十大半导体厂商排行;
全球领先的信息技术研究和顾问公司Gartner的研究显示，2016年全球半导体收入总计3,435亿美元，较2015年的3,349亿美元提升2.6%。在企业并购潮的影响下，前二十五大半导体厂商总收入增加10.5%，表现远优于整体产业增长率。
Gartner研究总监James Hines表示：“2016年半导体产业出现回弹。虽然其年初因受到库存调整的影响而表现疲软，但下半年需求增强，定价环境得到改善。助力全球半导体收入增长的因素包括多项电子设备部门产量的增加、NAND闪存售价的上扬及相对温和的汇率变动。”
英特尔（Intel）稳坐半导体制造商冠军宝座，2016年半导体收入增长4.6%（见表一）。三星电子（Samsung Electronics）则维持亚军地位，市场占有率为11.7%。
表一、2016年全球收入前十大半导体厂商（单位：100万美元）
多家大型厂商均通过并购发展自己的业务，因此企业合并持续影响着厂商的市场占有率排名。2016年重要的并购包括安华高科技（Avago Technologies）收购博通公司（Broadcom Corp.）组成博通有限公司（Broadcom Ltd.）、安森美半导体（On Semiconductor）收购快捷半导体（Fairchild Semiconductor）、威腾电子（Western Digital）收购新帝（SanDisk）。前二十五大厂商名次变动最大的是博通，其市场占有率排名一口气攀升十二位，排名全球第五。
James Hines指出：“2016年，前二十五大半导体厂商总收入增加了10.5%，占整体市场74.9%，而其余厂商总收入却下滑15.6%。不过，这个结果由于受到2015与2016年大量并购活动的影响而有失偏颇。如果我们在必要时将2015与2016年每家被并购公司与并购公司的收入相加，那么前二十五大厂商的收入会增加1.9%，其余厂商的总收入则增加4.6%。”集微网
4.芯片战争2.0：“失效”的摩尔定律;
5月的上海阳光明媚，欧洲印制电路板(PCB)制造商奥特斯(AT&S)全球CEO葛思迈(AndreasGerstenmayer)的心情却有些沉重。
葛思迈在每年5月的财报季都会飞到中国，中国是奥特斯最重要的市场之一。但是由于重庆新工厂启动后产能未能达到目标，加之半导体封装载板面临巨大的价格压力，奥特斯去年总共亏损了2290万欧元，相比起上一个财年5600万欧元的盈利，利润大幅下滑。据悉，奥特斯在重庆工厂的投资总额高达4.8亿欧元，是该公司迄今为止最大规模的单笔投资。
奥斯特在中国工厂面临的困境也是摩尔定律增势减缓的真实写照。葛思迈表示：“随着市场发展放缓和需求降低，半导体封装载板的价格压力将持续增长，未来一个财年的业绩将继续受到影响。”不过他依旧乐观，随着技术优势的逐步显现，公司将最终一步步走向盈利。
奥特斯在下游芯片封装市场的举步维艰折射出整个产业链的困境。事实上，对于整个半导体行业而言，过去的一年都是极具挑战的一年。
放缓的脚步
英特尔联合创始人戈登·摩尔在1965年提出“摩尔定律”，预言半导体芯片上集成的晶体管和电阻数量将每年增加一倍。其核心是，芯片的性能将逐渐提升，成本将会逐渐降低。不过，在摩尔定律发展的50年来，在物理上生产出更小芯片的挑战正在逐渐增加。
葛思迈告诉第一财经记者，半导体产业技术的更新换代正在趋缓，尤其是在芯片处理器行业，10纳米的处理器进入市场的时间比奥特斯预计的要晚得多，因此相应的载板进入市场销售的计划也被推迟了。“目前市场上14纳米的处理器停留的时间比我们想象的要长得多。根据很多微处理器生产商之前的公告，照理说早就应该更新换代了。”葛思迈对第一财经记者表示，“一般来说每两年就会有新一代的CPU推出市场。但是到现在为止，我们看到这一次升级换代的步伐似乎放缓了很多，比原计划要晚一年半。”
确实，作为芯片行业的“老大”，英特尔的10纳米芯片的量产却经历了几次“跳票”。
英特尔正在不断调整制程工艺方面的衡量标准，从而在经济效益和芯片体积方面适应放缓的摩尔定律的发展节奏。最初，英特尔的产品更替周期是一年半，后来这一周期延长到2年，而最近的14纳米芯片在市场上停留的时间已经接近3年。
相关统计显示，该公司的制程工艺从45纳米变为32纳米花了大约27个月，从32纳米到22纳米用了28个月，从22纳米到目前的14纳米则用了30个月。从2014年9月开始，英特尔在制程工艺方面就再无进展。
英特尔方面对第一财经记者透露，新的10纳米芯片预计最终会在2017年下半年问世。业内预计，10纳米芯片在市场上的停留时间也将达到3年左右。尽管比10纳米更加先进的，被称为技术飞跃的7纳米芯片预计将会在2019年面世，但英特尔推出7纳米芯片可能要等到2020年左右。
摩尔定律失效了吗?
在英伟达等芯片企业看来，摩尔定律在十年前就开始失效，人工智能革命已经到来。CPU晶体管和能量大幅上升导致应用性能只有小幅增长。最近，其性能每年只增长10%，而过去每年的增幅为50%。英伟达认为，Dennard(登纳德)缩放效应遇到了元件物理的瓶颈。
尽管如此，一直将摩尔定律作为指路明灯的英特尔仍然坚信，其依然能够生产出更小、更快、更廉价的芯片，在今年上半年英特尔的技术与制造日上，英特尔副总裁StacySmith表示：“摩尔定律未死，至少对于我们来说是这样的。”
而事实上，对于英特尔而言，他们的战略方向也正在逐渐地转变。英特尔工艺架构与整合资深研究员MarkBohr表示：“英特尔不想再和三星、台积电玩‘数字’游戏了，以后英特尔要用密度度量法来定义工艺节点。”
如果采用这种标准来计算，英特尔最近几年都是以两倍的速度在提升晶体管密度。Bohr举例称，22纳米进化为14纳米的时候，晶体管密度提升了2.5倍，14纳米进化为10纳米时，密度又提升了2.7倍。“最重要的是，10纳米芯片在运算速度和功耗上有了较大进步。”Bohr表示。
由于近年来未能坚持此前几十年的惯例，也就是每两年就把晶体管的尺寸压缩一次，英特尔已经遭到了投资者和分析师的惩罚。过去五年中，英特尔的股价仅上升了28%，还不到标普500指数涨幅的一半。
Gartner分析师盛陵海对第一财经记者表示：“英特尔用摩尔定律推动技术发展的同时，实现了在通用处理器上的垄断。但现在，其最核心的追随摩尔定律的生产技术并不适合碎片化的市场，此外对投资领域的体量和利润要求也很高。”
公开信息显示，英特尔此前投资的一些项目并没有取得很大的效益，先后放弃了应用处理器、平板芯片、手机芯片和数字电视等领域。
整合加速
盛陵海对第一财经记者表示：“由于生产方面的技术进步放缓了，设计和软件方面的能力就更加重要了，这也加速了行业的整合。”
盛陵海解释道，原来由于利润分配情况还是不错的，各个产业链上的分支可以活得很好，但是现在不断地整合，原因就是要通过减少竞争对手或者整合产品的协同竞争力来提高利润。
过去两年中，芯片行业巨头的整合动作频频。2015年底，英特尔斥资167亿美元收购了可编程芯片厂商Altera，这也是英特尔历史上最大规模的收购。去年10月，高通更是以470亿美元的高价收购了欧洲的半导体巨头恩智浦(NXP)。恩智浦在2015年时则以118亿美元价格收购了另一家车载半导体巨头飞思卡尔(Freescales)。去年7月，ADI(亚德诺半导体)以148亿美元收购LinearTechnology(凌力尔特)。
今年以来，芯片巨头的收购烽烟再起。今年3月，英特尔以153亿美元收购了以色列信息技术公司Mobileye。5月26日，高通联合大唐电信旗下联芯科技，以及建广资本和智路资本，成立合资公司瓴盛科技(JLQTechnology)，进军手机芯片低端市场，从而抗衡有英特尔入股的紫光旗下的展讯和锐迪科。早在今年2月，建广资本就已经完成了27.5亿美元收购恩智浦标准件业务。
眼下，日本半导体制造商东芝也急于出售半导体业务，作为全球第二大闪存芯片制造商，多家巨头虎视眈眈瞄准东芝半导体。其中不仅有东芝合作方西部数据以及美国芯片制造商、苹果供应商博通(Broadcom);也有韩国芯片制造商SKHynix(海力士)以及中国台湾的富士康母公司鸿海。
据彭博社报道，苹果也有意联合鸿海收购东芝，此前鸿海称愿意为收购支付3万亿日元，不过西部数据以“违约”为由阻止东芝向第三方出售芯片业务，并提起仲裁。结果将于今年下半年见分晓。
芯片版图之争
经过大规模整合，半导体行业中有能力制造最先进芯片的公司已从10年前的十几家变为如今屈指可数的几家。除了英特尔，目前这份名单上只剩下三星、台积电和2009年从AMD拆分出来的格罗方德。
三星正在与英特尔决斗，它们都想成为世界上最先进的芯片制造商。三星率先拥抱10纳米技术，英特尔却因为制造问题延迟。现在英特尔还在用14纳米制程制造芯片。
一份由麦克莱恩提供的最新报告显示，英特尔20多年来所保持的芯片行业老大的地位将被打破。受到市场不断增加的对内存和闪存需求的提振，三星在2017年一季度的芯片销量首次超过英特尔。而且未来由深度学习和机器学习所驱动的行业发展趋势将进一步催生对智能芯片的需求，英特尔能够成功转型变得非常关键。
三星的第一代10纳米芯片已经应用于今年稍早前发布的GalaxyS8当中，高通的骁龙835芯片也是三星现有的10纳米工厂制造的。
三星还在不断提升10纳米芯片的性能。公司已经在开发第二代10纳米芯片，并宣布今年四季度起将会用10纳米LPP(low-powerplus)技术生产芯片。据介绍，最新的10纳米LPP芯片采用增强型3D架构，比现有芯片速度快10%，而且能够节能15%。
虽然三星没有透露哪些客户会下单制造新芯片，但高通很可能将继续成为三星第二代10纳米芯片的大客户。苹果和高通的芯片需求占到三星整体出货量的一半左右。
螳螂捕蝉，黄雀在后。台湾半导体制造公司台积电也在积极参与到最高端的芯片制造领域。台积电CEO魏哲家透露，公司正在研发7纳米芯片，并且已经开始代工12种产品，2018年启动量产。业内预计，台积电生产的10纳米芯片或将成为苹果年内即将发布的最新款iPhone的独家供应商。
Gartner高级研究分析师DavidChristensen对第一财经记者表示：“快速的4G迁移与更强大的处理器使得晶圆尺寸大于上一代应用处理器，需要代工厂提供更多28纳米、16/14纳米与10纳米的晶圆。原有的制程工艺将继续在高集成度显示驱动芯片与指纹ID芯片以及有源矩阵有机发光二极管(AMOLED)显示驱动器集成电路(ICs)领域保持强劲增长。” 第一财经日报
5.大数据重塑新芯片架构,AI处理器寻求突破;
业界共同的愿景是开发一款人工智能(AI)处理器，它可为神经网络处理训练与推理等任务，甚至可能出现一些新的自我学习技术；这种AI处理器还必须能透过大规模的平行化方式提供强大的性能，同时具有高功效且易于编程...
由亚马逊(Amazon)、Google和Facebook等网络巨擘所收集的大量数据集，正推动处理这些巨量数据的新芯片复兴。 预计在六月底的年度计算机架构大会上将亮相其中两项最新成果。
史丹佛大学(Stanford University)的研究人员将介绍一种可重配置处理器——Plasticine，它可支持比FPGA更高近100倍的每瓦特性能，同时也更易于编程。 此外，Nvidia的两名资深设计人员定义了一款推理处理器，可提供较现有组件更高2倍性能与能源效率。
这些芯片象征着这项任务的冰山一角。 过去一年来，英特尔(Intel)收购了三家机器学习创业公司。 而其竞争对手——三星(Samsung)则连手Dell EMC投资英国公司Graphcore，这是该领域的六家独立新创公司之一。
Nvidia正致力于推动其GPU作为神经网络训练引擎的销售。 同时，该公司也正调整其芯片架构，使其得以更有效地处理这些任务。
Google则声称其庞大的x86 CPU丛集以及Nvidia的GPU均不足以胜任这项处理任务。 因此，Google推出了自家的两款加速器版本——Tensor处理器(TPU)。
Graphcore执行长Nigel Toon说：「如今正是『运算2.0』(Compute 2.0)的时代，它象征着一个全新的运算世界。 Google最终将使用以TPU为基础的机架结构，几乎不使用任何CPU，因为它有98%的营收都来自搜寻——这正是机器学习的理想应用。 」
最终，机器学习芯片将出现在广泛的嵌入式系统中。 以汽车每年卖出1,800万辆和服务器约1,000万套的年销售量来看，Toon说：「自动驾驶车应用可望为这项技术带来一个比云端更大的市场，而且是一个以往从未存在过的市场。 」
如今业界共同的愿景是开发一款人工智能(AI)处理器，它可为神经网络处理训练与推理等任务，甚至可能出现一些新的自我学习技术。 这种AI处理器还必须能透过大规模的平行化方式提供强大的性能，同时具有高功效且易于编程。
即使是这项开发任务的基本数学也引发热烈讨论。 Toon认为，16位浮点乘法与32位累加运算的组合，能够带来优化精确度以及最小误差。
这正是Nvidia Volta架构导入的Tensor核心所使用的途径，同时也是Graphcore将在今年10月出样给早期合作伙伴的高阶芯片。 该新创公司正专注于开发一款采用新内存与互连的大型芯片，该芯片并可外接至各种单元与丛集。
后多核心时代的灵活性
由Kunle Olukotun带领的史丹佛大学研究团队也有类似的目标，不过，他们采取了一条与Plasticine不一样的道路。
Olukotun说：「多核心时代即将结束...... 我们正处于一个现代应用程序(app)改变运算模式的时代。 」Olukotun曾经协助一家新创公司率先打造出多核心设计，该技术最终成为Oracle基于Sparc处理器的一部份。
「对于机器学习的统计模型，真正需要的运算方式与古典的确定性运算途径截然不同，所以这将带来一个真正的机会。 」
如同英国布里斯托的竞争对手Graphcore一样，史丹佛大学研究团队摒弃了共享一致的快取等传统思维。 史丹佛大学数据科学计划执行总监Stephen Eglash认为，Plasticine「最令人兴奋之处在于硬件可在运行时重新配置，为特定计算方式实现优化。 」
Olukotun说：「我们的目标在于让拥有专业知识的任何人都能建立可生产的机器学习系统，而不一定得由机器学习或硬件领域的专家来做。 」
为了实现这一目标，史丹佛大学定义了一种新的语言Spatial，可将算法的各部份映像至平行处理器的各部份。 Olukotun说：「我们拥有完整的编译程序流程，从高层级的Tensor Flow架构到硬件呈现...... 事实上，它具有比FPGA更高10倍每瓦特性能，也更易于编程100倍。 」
Spatial类似于Nvidia的Cuda GPU编程语言，但应该更易于使用。 它能将诸如分散/收集或MapReduce等功能映像至硬件中的外显内存阶层架构，经由DRAM和SRAM实现串流数据集。
因此，Pasticine处理器「是一项软件至上的计划，」Olukotun说。
Eglash认为在物联网的边缘节点正需要这样的技术。 「我们所产生的数据将会比传送至云端的更庞大，所以必须采用一些分布式的本地运算。 」
短期来看，机器学习将为智能型手机带来「超级个性化」，针对用户的喜好自动量身打造。 别再为密码和指纹伤脑筋了。 Eglash说：「你的手机可能在几秒内就知道你是不是本尊。 」
在工业物联网(IIoT)，推理任务已经被分配至网关了。 GE Digital云端工程主管Darren Haas说，「我们所打造的一切都可以被划分成较小的装置，甚至是Raspberry Pi ... 我们在云端建立了大规模的模型，并使其得以在边缘执行于轻量级硬件上。 」
史丹佛大学的Plasticine架构
史丹佛大学的Plasticine是一种全新的架构，可能是Graphcore等新创公司将会采用的技术。 它充份利用了平行模式和高层级抽象，以撷取有关数据位置、内存存取模式和控制流程等细节，从而在「一系列的密集与稀疏应用上进行操作」。
在该芯片核心采用16×8的交错式图形运算单元(PCU)数组与图形内存单元(PMU)，透过3个互连信道利用3种控制协议进行连接。 这款尺寸为113mm2的芯片采用Spatial将应用映像至数组上；相较于采用类似28nm制程打造的FPGA，该芯片可提供更高95倍的性能以及高达77倍的每瓦性能。
Plasticine在1GHz频率频率下的功耗高达49W，支持12.3TFlops的峰值浮点运算性能，以及16 MB的芯片容量。
PCU是执行巢状模式之可重配置SIMD功能单元的多级管线。 PMU使用库存的缓存器内存和专用寻址逻辑与地址译码器。
Plasticine采用16×8的PCU与PMU数组，以及地址产生器和交换盒
这些主单元和其他周边组件透过字级纯量、多字符向量和位级控制互连进行连接，且全部都采用相同的拓扑结构。 各个连接都采用分布式的分层控制机制，以尽可能减少使用同步单元，从而实现序列、流水线或串流的执行。
该途径简化了编译程序映像并可提高执行效率。 「每个Plasticine组件均用于映像应用的特定部份：本地地址计算在PMU中完成，DRAM地址运算发生在DRAM地址管理单元，其余的数据运算则在PCU中进行。 」
Olukotun解释说：「本质上，它是一组高度库存的内存，支持专用地址单元产生附近的地址。 只需执行计算，即可让内存在正确的时间将数据串流至运算单元，而无需解译指令。 」
该芯片采用四个DDR信道外接DRAM，并进行缓冲和管理，以尽可能减少芯片外处理。
Olukotun说：「许多机器学习都专注于建置卷积神经网络(CNN)，但我们的目标是打造更灵活且涵盖稀不断变化中的疏密集算法，让开发人员可以将其设计想法传达给硬件。 」
研究人员采用周期精确仿真来合成设计的RTL，为线性代数、机器学习、数据分析与图形分析等任务产生基准。 他说：「我们希望这些设计概念能直接用于芯片上，并计划在6到18个月内进行芯片设计。 」
Plasticine与英特尔28nm Stratix-V的性能比较 （来源：Stanford）
Nvidia研究人员打造稀疏推理引擎
另一组由9名研究人员组成的研究团队(其中有7人来自Nvidia)将介绍稀疏卷积神经网络(SCNN)推理加速器。 该研究团队包括资深的微处理器设计人员Joel Emer(曾协助定义同步多线程)，以及Nvdia首席科学家William Dally。
相较于同级配置的密集CNN加速器，SCNN可提供更高2.7倍的性能和2.3倍的能源效率。 该芯片采取较以往的研究更先进的途径，可消除无关紧要的数学运算，并专注于以最高效的方法处理CNN权重与启动。
此外，它采用了一种新的数据流，可在压缩编码过程中保持稀疏权重与启动，从而避免不必要的数据传输以及减少储存的需求。 此外，「SCNN数据流有助于将这些权重与启动有效地传递到乘法器数组，并在此广泛重复使用。 」
该途径可让「较大CNN的所有操作量保留在各层间的芯片缓冲区，完全不必使用大规模网络所需的高成本跨层DRAM参考资源。 」
SCNN使用处理元素(PE)数组，处理权重以及输入/输出启动 （来源：Nvidia）
该芯片的处理元素(PE)采用支持权重和启动向量的乘法器数组。 该芯片采用16nm制程技术，将64个PE与16个乘法器封装于7.4mm2模块中，使其尺寸略大于类似的密集CNN加速器。
该论文并比较了SCNN与其他研究中的芯片。 然而，Dally猜测这款芯片「比商用推理加速器的效率更高，因为它利用的是稀疏设计途径。 」
如同Plasticine一样，目前的研究成果是以仿真为基础，尚未制造芯片。 Dally说：「我们正为这款设计进行布局以及时序收敛。 」
Nvidia尚未宣布商用化SCNN技术的任何计划，但在研究论中指出，「我们正持续在这个领域的研发工作。 」
编译：Susan Hong
(参考原文：Big Data Reshapes Silicon，by Rick Merritt) eettaiwan
6.ARM布局车联网 拉NXP、NV、瑞萨、TI同卡位
汽车对于半导体晶片使用的数量呈现百倍增长，是安谋(ARM)积极布局的重点市场，但缺点是该领域尚未有统一标准，ARM策略是掌握每一家车用半导体客户包括恩智浦(NXP)、德州仪器(TI)、瑞萨(Renesas)、NVIDIA等，目前车内使用ARM架构晶片的数量高达百颗以上，未来自驾车时代来临，倍数成长可期，可以说车用电子和物联网都(IoT)是ARM重点布局领域。
先进驾驶辅助系统(ADAS)是自驾车的第一步，对于运算能力和效能的需求也是成长百倍以上，除此之外，汽车需要靠半导体晶片完成的任务可不少，最重要的当然是安全性，再来是各种车内、车外的影像监视，还有资讯娱乐系统、卫星导航(GPS)等等，每一个应用领域都有其技术专精之处。
ARM IP事业部总裁Rene Haas(左)和ARM物联网事业部总裁Dipesh Patel(右)看好未来车用电子和物联网上推动营运持续攀升的力道。连于慧摄
在车用电子领域中，有些汽车内基于ARM架构的晶片已有过百颗，且未来成长的空间仍十分庞大，尤其汽车在各个系统都亟需半导体晶片，若将汽车分为几大块，例如汽车主体、驾驶舱、360度环景功能、防撞系统、车道偏离警示系统等，目前每一块都用到4~10颗ARM架构晶片，这些都只是开始而已。
ARM表示，在车用电子领域的投资相当大，该市场目前的缺点是产业未有统一的标准规格，且安全认证等条件十分严苛，只能用逐步取代的方式，或是新车替换旧车的方式，拉长时间来布局，像是新车体的设计都含大量的ARM架构晶片，包括视觉系统、资讯娱乐系统功能的提升，对于GPU/CPU需求量都大幅提升。
再者，目前几家车用半导体大厂都是ARM客户，包括包恩智浦、德州仪器、瑞萨、NVIDIA等，像是德仪采用ARM Cortex-A72处理器架构做开发，另外，Cortex-R52也通过车用和工规等安全标准。
由于ARM在智慧型手机市场获得巨大成功，各界也好奇在ARM布局的多个领域包括物联网、车用电子、伺服器等，能否像行动装置时代取得压倒性的胜利？ARM则是指出，车用电子才刚开始而已，且许多标准待确定，现在说能否独占市场太早了！
在伺服器领域上，ARM则是表示，维持2021年市占率25%的目标。今年初微软(Microsoft)也宣布要在云端伺服器中使用ARM架构的晶片，打破英特尔(Intel)长期垄断和主导的地位，或许也反应微软在硬体上变革的决心，让ARM有机会让客户的触角更宽广。
在物联网市场上，ARM的mbed Cloud也会和工业电脑大厂研华合作，一起推广物联网进入各个产业层面。mbed Cloud是符合业界标准的SaaS解决方案，透过云端服务提供物联网装置管理服务，届此让研华的物联网产品和服务更为完整，ARM与研华将于COMPUTEX 2017中宣布双方的进一步合作。
ARM的mbed Cloud另一个案例是与奇异(GE)在Sand Diego打造智慧照明的城市，未来物联网解决方案会更积极进入公用市场领域，包括水、电、瓦斯的智慧监测如智慧电表等 DIGITIMES
集微网推出集成电路微信公共号：“天天IC”，重大新闻即时发布，天天IC、天天集微网，积微成著！点击文章末端“阅读原文”或长按 laoyaoic 复制微信公共号搜索添加关注。
点击⬇️阅读原文关注“天天IC”个人微信号
