1.FPGA在AI中扮演的角色比预期还要大；
2.脸部识别技术竞赛 全球科技大厂趋之若鹜；
3.微软深度学习加速平台项目用FPGA架构加速AI运算效能；
4.英特尔在微软加速深度学习平台中提供“实时人工智能”；
5.化合物半导体技术升级 打造次世代通讯愿景
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！
长按 laoyaoic 复制微信公共号搜索添加关注。
1.FPGA在AI中扮演的角色比预期还要大；
集微网消息，摩根士丹利发表研究报告指出，FPGA在机器学习进行「推论」(inference)时扮演的角色，可能比市场想象还要大， Xilinx有望受惠。
barron`.com 23日报导，大摩分析师Joseph Moore和团队在参加斯坦福大学「热门芯片」(Hot Chips)年度会议后，对FPGA的重要性大感讶异，因为全球前七大云端厂商中，就有三家公司针对FPGA的各项元素进行策略报告，与之相较，市场先前还对FPGA的云端应用感到相当怀疑。
不仅如此，若要实时使用深度学习的神经网络算法(即所谓的推论)，FPGA于其中扮演的角色，也比投资人想象还要重要。 大摩认为，Xilinx是主要受惠的厂商。 举例来说，Xilinx客户百度正在打造一项新架构、扩大FPGA应用，亚马逊云端平台「Amazon Web Services」也使用FPGA进行机器学习，还在会议上更新了Xilinx FPGA F1服务。 微软则发表了一份基于Altera FPGA的机器学习报告。
英国《电讯报》「Telegraph Money」专栏8月13日列举下列7档自驾车、人工智能(AI)/机器学习、机器视觉、大数据概念主要受惠股：英飞凌(Infineon Technologies)、Delphi、Nvidia、Blue Prism、Xilinx、Cognex 、First Derivatives。 Smith & Williamson AI基金经理人Chris Ford形容Blue Prism是全球极少数的高纯度AI企业、预期它所开发的后台自动化软件技术(降低成本、提升准确性)将广为金融业所采用。
Polar Capital科技基金经理人Ben Rogoff在受访时表示，可以确定的是苹果是康耐视(Cognex Corp.) 的大客户，亚马逊也用他们的系统。 Rogoff还提到，AI系统一旦完成训练之后、接下来还得拥有做决策的能力。 Xilinx所生产的芯片就是负责机器学习过程中的推论部分。
日经亚洲评论曾经报道，Xilinx之前就曾表示，伙伴厂商利用现场可程序逻辑门阵列(FPGA)芯片进行基因体定序与优化语音识别所需的深度学习、察觉FPGA的耗能低于GPU且处理速度较快。 相较于GPU只能处理运算，FPGA能以更快速的速度一次处理所有与AI相关的信息。
2.脸部识别技术竞赛 全球科技大厂趋之若鹜；
全球科技业者不仅陆续推出指纹辨识解锁手机的技术，包括高通(Qualcomm)、苹果(Apple)及微软(Microsoft)等亦加速脸部辨识技术发展，未来消费者可望不用再记忆一长串的密码，只要透过脸部扫描便可更安全地登入相关装置。
尽管三星电子(Samsung Electronics)先前推出的影像处理器具备脸部辨识功能，但若将某人的照片对准手机镜头，便可以骗过三星的影像辨识技术。高通最近则推出Spectra影像辨识系统，可撷取脸部等物体的深度资讯，高通打算结合Spectra和Snapdragon行动处理器，并计划让未来的Android手机搭载Spectra处理器。
高通透过深度知觉(depth perception)强化脸部辨识技术功能，即便是3D列印的面具，亦无法骗过高通的Spectra技术，然双胞胎可能骗得过其人脸辨识技术，且除了智慧型手机外，高通亦将其Spectra产品线搭载于连网相机等行动装置。
高通表示，手机辨认脸部类似于辨识指纹，当手机捕捉到使用者脸部影像，便可搜集相关特征，并储存在手机中，当使用者有意解锁手机时，手机就可以比对储存的影像资讯是否与解锁者的影像一致。
至于苹果即将上市的新款iPhone，亦传出可能配备脸部辨识技术，尽管苹果尚未宣布将使用脸部辨识技术，亦未表示其10周年纪念款iPhone将采用该技术，不过，苹果早已进入红外线深度绘图(infrared depth-mapping)和脸部辨识技术领域，并获得不少专利。
另外，苹果在2013年购并开发出早期Kincect感应器的以色列体感新创公司PrimeSense，显示苹果早已在布局脸部辨识技术领域。
除了高通和苹果之外，微软的Windows Hello脸部辨识技术也可以解锁笔记型电脑，至于某些行动装置则内建英特尔(Intel)的RealSense 3-D镜头模组。
目前人脸辨识技术逐渐应用于全球摄影机产品，而数百万消费者的脸部照片也储存在持续扩大的资料库中，以供交叉比对，尤其是大陆相关业者在脸部辨识技术发展迅速，应用范围包山包海，包括安控和支付等用途。
脸部辨识技术可强化使用者登入行动装置的安全性，进行多重要素验证(Multi-Factor Authentication；MFA)，将大幅提升使用者储存在网路的资讯安全性，像是银行帐号等，尽管新技术可能会带来不便，但好处是使用者对镜头微笑远比一再输入同样的密码来得安全。
以苹果的指纹辨识认证为例，经过指纹认证后才能付款，可以增加Apple Pay的安全性，预料未来使用者可能要透过脸部辨识，以进一步强化付款的安全性。
展望未来行动装置配备的脸部辨识技术可能还会具备智慧功能，例如若行动装置镜头辨识出成人使用者，可能会推荐《权力游戏》(Game of Thrones)节目，若解锁的是使用者的子女，该行动装置可能会推荐《芝麻街》(Sesame Street)节目。Digitimes
3.微软深度学习加速平台项目用FPGA架构加速AI运算效能；
微软在Hot Chips高效能芯片研讨会上，发布深度学习加速硬件平台项目Brainwave，采用英特尔具备FPGA加速运算能力的Stratix 10处理器，并整合深度神经网络引擎，除了能降低延迟外，也能提升AI运算效能。
微软于本周二（8/22）在Hot Chips高效能芯片研讨会上，揭露深度学习加速硬件平台项目Brainwave，目的为实时人工智能（AI）运算，让系统能以超低延迟，在接收到要求指令的同时能够快速处理。 同时，Brainwave硬件平台也提升了机器学习在云端环境的运算效能。
Brainwave硬件平台主要由3层架构所组成，包含了高效能的分布式系统架构、搭载深度神经网络（DNN）引擎的现场可程序逻辑门阵列（FPGA）运算架构，以及用在训练模型低摩擦部署（Low-Friction Deployment）的编译程序和Runtime。
而Brainwave采用了英特尔（Intel）具备FPGA加速运算能力的Stratix 10处理器，能够维持39.5 Teraflops（每秒1兆次浮点运算）的指令周期，且不必批处理。 Brainwave更以庞大的GRU模型运作，微软声称，比Resnet-50深度学习模型的执行效能高5倍
另外，微软也在FPGA运算架构上整合了深度神经网络（DNN）引擎，这样的架构能降低延迟，且FPGA架构处理要求的速度能达到网络串流接收请求的速度一样快。
除此之外，微软也在Brainwave内建了支持热门深度学习框架的软件堆栈，包含了微软的认知工具包（Cognitive Toolkit）、Google的AI平台Tensorflow等。
根据微软官网，目前，微软正在建置Brainwave硬件平台至Azure，未来将提供Azure用户云端实时AI运算服务。ithome
4.英特尔在微软加速深度学习平台中提供“实时人工智能”；
集微网消息，人工智能（Artificial Intelligence）和深度学习（Deep Learning）有望转变人类与世界互动以及企业运作的方式，从而使人们做出更明智的决策，而英特尔®技术正在实现这场变革。今天，英特尔将着重介绍全球最大的云服务提供商之一是如何利用英特尔人工智能技术来运行复杂的深度学习模型，这些模型实现了各种应用，从智能手机上的人脸识别和语音识别再到自动驾驶等等。
微软选择了英特尔®Stratix®10 FPGA作为其新的深度学习加速平台（代号为Project Brainwave）的关键硬件加速器。这种基于FPGA的深度学习加速平台可以提供“实时人工智能”技术，使云基础设施能够以超低延迟来尽可能快速地处理和传输数据。在云中，系统需要处理直播数据流（包括视频，传感器或搜索查询）并快速将数据传送回用户，因此提供实时人工智能变得越来越重要。
Stratix 10 FPGA和SoC FPGA使用了英特尔14nm制程工艺
在发布的博客中，微软详细介绍了采用英特尔FPGA的Project Brainwave平台如何以“前所未有”的高性能来灵活处理极具挑战性的深度学习模型。微软在2017年高效能芯片大会（Hot Chips 2017）上展示了基于FPGA的深度学习平台，该盛会主要展示半导体技术领域中的最新成就。微软是第一家在其公有云基础设施中部署FPGA的大型云服务提供商，而其通过英特尔Stratix 10 FPGA实现的技术进步加速了深度神经网络（DNN），这种网络可以通过概念类似的方式复制人类大脑的“思维”。
人工智能是一个快速发展的领域，需要多种技术来有效管理各种工作负载的需求。英特尔提供广泛的技术以推动市场演进，包括英特尔至强®处理器，英特尔®FPGA和英特尔Nervana™ ASIC技术。与那些为运行单个工作负载而优化的专用深度学习硬件加速器相比，英特尔FPGA的高度灵活性让用户可以自定义硬件以满足特定的工作负载需求，并可以随着深度学习工作负载和使用模式的更改而快速地重新配置硬件。英特尔Stratix 10 FPGA结合了硬化处理器模块，这种模块可提供高水平的持续性能和效率，并可根据用户的自定义来灵活的编程。
许多硅人工智能加速器目前需要将多个请求分组（称为“批处理”）以实现高性能。微软的Project Brainwave平台利用英特尔Stratix 10技术，在单个请求上展示了超过每秒39万亿次浮点运算的性能，在云中确立了实时人工智能计算的新标准。Stratix 10 FPGA为实时人工智能计算确立了新的云性能标准，具有创纪录性的低延迟、高性能以及无需批量处理人工智能请求的多种特点。
微软研究院NexT的著名工程师Doug Burger说：“我们利用英特尔FPGA的高度灵活性快速整合创新，同时提供与许多基于ASIC的深度学习处理单元相当或更高的性能。微软正努力在Azure云中部署Project Brainwave，以便客户最终能够以创纪录式的高性能运行复杂的深度学习模型。”
通过加速模型训练、快速评分和高度可扩展的基础设施
，基于英特尔技术的机器学习平台将数据转化为可操作的商业智能。结合最新的英特尔至强可扩展处理器，英特尔FPGA可自定义和编程以提供低延迟和灵活的精度，与单独的英特尔®至强™处理器相比，在深度学习推理方面每瓦特功耗具有更高的性能。
5.化合物半导体技术升级 打造次世代通讯愿景
宽带通讯成为近年来行动设备的必备技术，而随着应用领域的渐深渐广，目前的4G通讯标准将逐渐不敷使用，在市场驱动下，5G标准的制定已积极展开，预计2020年，市场将出现商业化应用，高速传输对行动设备带来严峻挑战，新世代的行动设备需要满足更高的温度、功率、电压、效能与抗辐射需求，就目前技术来看，具备宽能带、高饱和速度、 高导热性和高击穿电场强度等特色的化合物半导体碳化硅 (SiC)、氮化镓 (GaN) 无疑是市场上高温、高频及高功率组件材料的最佳解答，根据Yole Development的研究指出，2013年至 2022年，SiC功率半导体市场年均复合将达 38%，而 2016 年至 2020 年 GaN 射频组件市场复合年增长率将达到4%，因此，如何积极因应此一趋势， 善用本身优势布局市场，将是台湾半导体产业这几年的重要课题。
持续精进的化合物半导体技术
络达科技技术长林珩之博士就指出，与过去的通讯标准相较，5G在大幅强化传输速度、容量的同时，功耗不至于同步提升，为达成此一目标，通讯设备的内部设计也必须进化，在传统的蜂巢式通讯网络中，功率放大器(PA)往往是设备中功耗最大的组件，因此要解决此一问题，必须由PA着手。
图一 : 5G的标准制定已积极展开，新世代的行动设备需要满足更高的温度、功率、电压、效能与抗辐射需求。 (Source: Microwave Journal)
而要解决5G PA的功耗问题，林珩之博士表示除了从电路优化设计着手，还必须将网络系统、数据芯片、PA架构、PA设备同时考虑进去，至于在5G功率放大器的制程选择，CMOS与GaAs/GaN谁会胜出？ 林珩之博士以方式指出，在Breakdown voltage、Power handling、Through wafer via、Substrate loss等部分，GaAs/GaN具有优势，至于在自行检测能力、复杂偏压电路设计、讯号处理能力、整合性、配置弹性、低供电电压能力方面，则是CMOS胜出，因此他认为在5G乃至于6G与毫米波的基地台设计 ，由于效能是主要考虑，GaAa/GaN仍会继续存在，而以成本考虑为主的物联网设备，具低耗电与低价设备特色的CMOS，将比GaAa/GaN更有机会，手持式装置部分，小于6GHz的设备，仍会采用GaAs/GaN或是CMOS+GaAs的复合式架构，至于毫米波市场，CMOS有可能全拿。
联钧光电竹科分公司总经理林昆泉博士，则针对GaN的磊晶晶圆制程提出相关看法，他指出在高耐热性、高击穿电压、高电子饱和度与高电流密度的电子产品设计需求中，GaN制成的半导体可在高频运作下，提供高功率输出，因此在新一代的应用如车用电子、电力管理系统、工业照明、携带式电子装置、通讯设备与消费性电子产品中，会有相当高的发展潜力。
林昆泉表示硅功率组件上的GaN未来将采用硅制程，在6吋磊晶硅晶圆片的每片芯片上，都含有上万颗的LED芯片，一般业界并不会不关心其颗粒数，但对于大芯片尺寸的功率器件来说，每片芯片只有不到千个芯片，而产量与晶粒数量有关，在这部分就会需要用创新的技术来将的磊晶晶圆的颗粒。
林昆泉指出，目前MOCVD设备的长晶，大多是采人工方式，以镊子放置，这种方式会导致颗粒大量增加至500颗以上，此一数量客户通常不会接受，另一种则是以机器手臂取代人工，机器手臂可将颗粒数大幅降低至100颗以下，因此目前的主要做法会是从机器手臂着手，而联钧光电的目标则是将其降至20颗以下，以符合市场需求，为此在联钧光电要求下， 晶圆设备商Aixtron在2015年设计全球第一部出可维持摄氏600度、以卡匣对卡匣，不碰触晶圆表面的磊晶设备，成功达到目标。
从模块到封测 新世代通讯架构现身
稳懋半导体技术处处长王文凯博士，则针对GaAs在毫米波的前端模块解决方案提出看法，他指出GaAs pHEMT制程已被业界长期应用于无线通信，例如点对点的射频传输与VSAT，目前稳懋半导体的pHEMT和PIN二极管主要技术平台，在效能与电路方面已有解决方案，他指出近年来GaAs技术的快速演进，让晶圆封装与通讯设备上的多数功能开始整合， 此外，pHEMT和PIN二极管整合为PINHEMT的技术，在毫米波通讯系统前端模块也会有巨大潜力。
图二 : 对于大芯片尺寸的功率器件来说，每片芯片只有不到千个芯片，因此需要用创新的技术来将的磊晶晶圆的颗粒。 (Source: CARDIFF)
王文凯指出，目前已可用0.1um pHEMT执行E波段和D波段放大器，同时Ka-Band Doherty放大器和低噪放大器已透过o.15um增强模式完成，而Ka波段的switch则可由GaAs PIN二极管制程示范，这说明了GaAs pHEMT是毫米波领域相当适用的验证解决方案。
在方装技术方面，日月光技术处处长林弘毅博士表示，现在整体产业的问题在于摩尔定律逐渐趋缓，但市场上行动设备通讯需求与云端运算概念所带来的数据传输量却越来越庞大，目前半导体产业中任何一种芯片技术的提升速度，因此异系统整合就成为带宽问题的解决之道，现在客户对委外封测厂商的要求除了数字CMOS制程外，还必须提供射频与光学等技术的解决方案。
现在行动设备的射频模块与数据中心的硅光子模块，是目前云端运算平台的关键组件，这两类组件都需要有多元材料包括化合物半导体、硅和被动组件或特殊晶体等异材质的高速连通芯片，其中阻抗匹配和低插入损耗将是关键性能指针，在演讲过程中，林弘毅展示的射频模块和硅光子模块的新封装平台，同时具备了小型化、高效能与功能整合等特色， 提供台湾产业最佳解决方案。ctimes
