【独吞】苹果抢单大战 台积电气走三星
2018-05-28
14:00:27
来源: 老杳吧
点击
1.台积电打败三星 独吞苹单；
2.苹果抢单大战 台积气走三星；
3.桥接传感器/云端更有效 以太网MCU实践智能网关；
4.技术进展一日千里 嵌入式应用结合AI成趋势
1.台积电打败三星 独吞苹单；
全球半导体景气持续攀升，且晶圆代工龙头台积电上修全年资本支出至112美元历史新高之际，全球半导体设备龙头美商应材却看淡本季营运。 业界认为，应材展望淡，应与三星抢食苹果新世代A12处理器再度遭到挫败，影响应材出货有关。
应材是全球半导体设备龙头，也是观察半导体景气指针厂。 应材执行长狄克森（Gary Dickerson）表示，本季销售情况不佳，主因智能手机销售不如预期，尤其是高阶机型，半导体和显示器供货商也调整产能规画。
法人认为，虽然应材仅提及高阶手机端客户调整，影响设备交货，但似乎透露原本极力想瓜分苹果新世代处理器订单的三星半导体事业部门，抢单计划再落空。
台积电表示，今年资本支出仍由原预估的105亿到110亿美元，增为115亿至120亿美元，上修幅度接近一成，并未改变。
台积电表示，上修资本支出主因必须支付7奈米强化版制程关键微影设备极紫外光（EUV）预付款，并扩大光罩产能。
业界分析，台积电以7奈米制程为苹果生产A12处理器，因而上修资本支出，也说明应材遭到客户订单出货递延，并不是来自台积电，而是其他大厂。 市场推出应是三星抢食苹果新世代A12处理器再度遭到挫败。
稍早三星信誓旦旦已在7奈米拿到一部分苹果新世代处理器订单，但从台积电增购设备、应材却下修本季展望等迹象分析，三星抢食苹果计划再度落空。
稍早美中贸易大战，市场即点名美方可能藉由应材在全球半导体设备优势，阻挡中国发展半导体产业脚步。 尽管应材出面澄清未接到美方任何指示，加上公司本季展望淡，引起市场不安，应材股价随之滑落，近一个月股价冲上55.97美元后，一度失守50美元大关，波段跌幅逾一成，上周五收盘价为50.85美元。 经济日报
应材是全球半导体设备龙头，也是观察半导体景气指针厂。 应材执行长狄克森（Gary Dickerson）表示，本季销售情况不佳，主因智能手机销售不如预期，尤其是高阶机型，半导体和显示器供货商也调整产能规画。
法人认为，虽然应材仅提及高阶手机端客户调整，影响设备交货，但似乎透露原本极力想瓜分苹果新世代处理器订单的三星半导体事业部门，抢单计划再落空。
台积电表示，今年资本支出仍由原预估的105亿到110亿美元，增为115亿至120亿美元，上修幅度接近一成，并未改变。
台积电表示，上修资本支出主因必须支付7奈米强化版制程关键微影设备极紫外光（EUV）预付款，并扩大光罩产能。
业界分析，台积电以7奈米制程为苹果生产A12处理器，因而上修资本支出，也说明应材遭到客户订单出货递延，并不是来自台积电，而是其他大厂。 市场推出应是三星抢食苹果新世代A12处理器再度遭到挫败。
稍早三星信誓旦旦已在7奈米拿到一部分苹果新世代处理器订单，但从台积电增购设备、应材却下修本季展望等迹象分析，三星抢食苹果计划再度落空。
稍早美中贸易大战，市场即点名美方可能藉由应材在全球半导体设备优势，阻挡中国发展半导体产业脚步。 尽管应材出面澄清未接到美方任何指示，加上公司本季展望淡，引起市场不安，应材股价随之滑落，近一个月股价冲上55.97美元后，一度失守50美元大关，波段跌幅逾一成，上周五收盘价为50.85美元。 经济日报
2.苹果抢单大战 台积气走三星；
在全球半导体景气持续攀升，且晶圆代工龙工台积电上修全年资本支出至一一二美元历史新高之际，全球半导体设备龙头美商应材却看淡本季营运。 业界认为，应材展望淡，应与三星抢食苹果新世代A12处理器再度遭到挫败，影响应材出货有关。
应材是全球半导体设备龙头，也是观察半导体景气变化指针厂。 应材执行长狄克森（Gary Dickerson）表示，本季销售情况不佳，主因智能手机销售不如预期，尤其是高阶机型，半导体和显示器供货商也调整产能规画。
台积电表示，今年资本支出仍由原预估的一○五亿到一一○亿美元，增为一一五亿至一二○亿美元， 上修幅度接近一成，并未因应材展望看淡而改变。
台积电表示，上修资本支出主因必须支付七奈米强化版制程关键微影设备极紫外光（EUV）预付款，并扩大光罩产能。
业界分析，台积电以七奈米制程为苹果生产A12处理器，因而上修资本支出，也说明应材遭到客户订单出货递延，并不是来自台积电，而是其他半导体设备大厂。
稍早三星信誓旦旦已在七奈米拿到一部分苹果新世代处理器订单，但从台积电增购设备、应材却下修本季展望等迹象分析，三星抢食苹果计划再度落空。 稍早美中贸易大战，市场即点名美方可能藉由应材在全球半导体设备优势，阻挡中国发展半导体产业脚步。 经济日报
应材是全球半导体设备龙头，也是观察半导体景气变化指针厂。 应材执行长狄克森（Gary Dickerson）表示，本季销售情况不佳，主因智能手机销售不如预期，尤其是高阶机型，半导体和显示器供货商也调整产能规画。
台积电表示，今年资本支出仍由原预估的一○五亿到一一○亿美元，增为一一五亿至一二○亿美元， 上修幅度接近一成，并未因应材展望看淡而改变。
台积电表示，上修资本支出主因必须支付七奈米强化版制程关键微影设备极紫外光（EUV）预付款，并扩大光罩产能。
业界分析，台积电以七奈米制程为苹果生产A12处理器，因而上修资本支出，也说明应材遭到客户订单出货递延，并不是来自台积电，而是其他半导体设备大厂。
稍早三星信誓旦旦已在七奈米拿到一部分苹果新世代处理器订单，但从台积电增购设备、应材却下修本季展望等迹象分析，三星抢食苹果计划再度落空。 稍早美中贸易大战，市场即点名美方可能藉由应材在全球半导体设备优势，阻挡中国发展半导体产业脚步。 经济日报
3.桥接传感器/云端更有效 以太网MCU实践智能网关；
根据IHS Markit指出，物联网(IoT)装置到2025年将增加到750亿个之多。 IoT市场的成长幅度等同于1990年代的PC市场和2000年代的手机市场。 虽然这些市场也会随时间演化，但其基本需求很清楚，不过零碎且动荡大的IoT市场就不同了。 新的连接标准持续出现，目前尚未看到能完全整合的能力；基础架构已使用数十年，大多采用有线通讯协议的旧型系统亟待重整，才能与新的IoT环境互通。
尽管连接标准仍在开发中，边缘节点(即IoT中的物)的数量将因为更聪明、更智能的传感器和致动器大量投入而快速增加，为包括终端客户、服务供货商和原始设备制造商(OEM)的整个生态系统带来益处。 例如工业系统中的终端设备，若能与远程传感器、其他终端设备和中央管理控制台通讯，其可靠度与生产力将获得改善。
IoT世代到来 感测技术须更加智能
要聚合复杂的通讯标准并将这些传感器链接到因特网，是这个涵盖750亿部以上装置市场的最大难题(图1)。 而要建立一个无所不在的云端，装置必须支持多种通讯协议，且能够在没有完整以太网络下链接及合作，或支持内含通讯协议堆栈的Wi-Fi接口。
图1 智能网关有助于管理及链接750亿个边缘节点至云端。
要实现此种作法，需要一部能够将装置从局域网络(LAN)，链接桥接到连接因特网的服务器网络网关。 网关可整合IoT代理程序，透过云端服务供货商所定义的标准化通讯协议与云端服务器互动。 此外，网关加入智能功能后，能够存取共享的处理资源，更有助于简化IoT装置的设计。
运用更具智能的感测技术，有助于推动IoT趋势，但本文的重点在于如何引进智能的工业网关概念，克服基础架构所面临将超过750亿个边缘节点链接至云端的挑战，建立稳健且可互通的网关解决方案， IoT开发人员便能更专注于提升IoT解决方案的竞争力。
连接为IoT最大设计挑战
IoT技术在工业应用上有长足的进展，让链接终端设备在自动化、系统可靠度和中央管理等领域发挥其价值，其已在许多不同的工业领域展现潜力，包括家用与商用的暖通空调(HVAC)、大楼保全系统和工厂自动化， 以及电网基础设施的能源量测与监测网络。
IoT设计最大的挑战来自于连接，要实现稳健且安全的网络或广域网(WAN)存取，已超出许多设计人员的经验范围。 更难的是，开发人员需要支持处理能力有限的多个装置，而且加入连接功能后还不能对整个系统成本或电源效率带来负面影响。
网关必须支持终端的多样性，也为设计带来更多考虑。 要将像是压力传感器等简易节点直接链接至因特网，其设计可能极为复杂且昂贵，尤其节点没有独立处理器的话。 加上终端设备的类型各异，支持的接口也大不相同，因此若要从分散的节点集合收集并整合数据，将需要拥有多种处理能力和接口，同时又能够稳定且可靠运作的桥接装置。
网关能便利地简化「装置」联网，支持节点原生的各种链接方式，无论是原始传感器多变化的电压、编码器内互通集成电路(I2C)的数据串流，或是家电经由蓝牙(Bluetooth)的定期更新。 网关可合并来自不同来源和接口的数据，将这些数据链路到因特网，有效降低装置的多变化和多样性。 如此一来，个别节点便不需要为了链接而负担高速因特网接口的复杂度或成本。
图2显示各别网关将链接延伸到节点的各种方式。 图2a中的节点透过网关连接至云端，因为这些节点不支持因特网通讯协议(IP)，无法直接链接至因特网/WAN，只能运用现有的有线或新的无线技术链接至网关，以实现符合成本效益且较低复杂度的链接模式。 网关为每个节点维护一个IoT代理程序，用于管理与节点往来的所有数据。 在此情况下，应用程序智能也能整合于网关内。
图2 IoT网关可将IoT功能集中于网关，藉此简化传感器节点的链接设计。 节点运用有线和无线技术透过网关链接至IoT(a)；节点运用Wi-Fi或以太网络等WAN联机直接链接至因特网(b)。
图2b中的节点运用Wi-Fi或以太网络等WAN联机直接链接至因特网，此时网关主要作为路由器使用；而其实际上也能用作路由器，让每个节点拥有自己的IoT代理程序，进行自主管理。
智能网关降低节点复杂度
根据应用的不同，工业网关各有不同的实作方式。 传统网关和智能网关为其中最常见的两种，这两种皆能聚合来自多个端点的数据，提供整合式链接。 一般来说，传统网关会排序数据并建立封包，以方便透过因特网传送，另外也负责在仰赖或需要双向通讯的应用中将数据分送回端点。
请注意，网关与路由器不同。 路由器管理类似的流量、链接共享常见接口的装置，例如，连接至家用路由器且全部使用IP的装置。 相较下，网关功能如同网桥，能路由不同类型的流量，聚合来自不同通讯接口的数据，且能将这些串流转换为常见的通讯协议，以方便跨WAN存取。
有些装置可能原生使用IP，像是Wi-Fi或Thread，其他有些则使用非IP型的通讯协议，像是Bluetooth或各种Sub-1GHz通讯协议。 属于传感器的节点可能需要使用高精密度的模拟转数字转换器(ADC)，在传送之前先将原始的模拟电压转换为数字数值。
智能网关进一步延伸传统网关的功能，提供处理资源和可处理本地应用的智能。 其运作方式包括共享处理资源，由网关来执行通常为节点执行的作业。 例如，智能网关可评估及过滤传感器数据，还能实作高阶管理作业。 或是在评估及过滤传感器数据后，决定其是否超过关键临界值，接着触发警报，然后还能将警报经由网络向上传递，通知合适的管理员。
智能网关能为边缘节点降低复杂度，同时降低成本。 以一个连接大量传感器的保全系统为例，将处理作业整合到网关，让边缘节点能够共享资源，缩短本机处理时间，减少使用耗电量，进而延长电池续航力，达到节省成本的效果。
同样的原理也有助于建立连接。 IP是一个复杂到难以实作的通讯协议，对于较简易的IoT节点来说，其作业负荷相对较大，因此简易的节点可用RS-485或I2C等有线连接，或用Bluetooth等无线接口连接到LAN。
此外，网关还能链接到个人局域网络(PAN)，然后将各连接桥接到Wi-Fi或以太网络等IP型WAN接口。 这两种情况下都能降低处理、内存和用电需求，节点除了降低成本，也能提升效率。
分布式智能可加速新应用
将网关智能化，可解决本机互操作性的问题，同时将重整现有系统所需的变动减到最少。 有了智能网关来分担部分的重要作业和数字运算，各边缘节点便不须再内建完整智能。 网关还能分析来自各边缘节点经过整合的数据，作出更智能的决策。 网关可在因特网存取中断，或暂时不可用时作为邻近节点的管道，维持无云端时本机链接的稳定性，提高本机网络的可靠度，保持其预先设定的功能。
将网关智能化还有另一项好处，便是帮助操作人员整合新功能的管理。 技师和操作人员不用分别整合及维护各个边缘节点，只要运用网关和建筑管理系统(BMS)等系统，便能集中管理网络。 智能网关还能解决链接独立节点时的问题，让用户不用手动将各远程节点链接至因特网。
对许多应用来说，智能网关可省去专用的现场管理或控制终端。 例如，内建液晶显示器(LCD)控制器的网关可支持用户接口，让用户直接操作节点。 或者，智能网关可提供网页型用户接口，以供从PC、平板计算机或智能型手机存取，让用户轻松存取其他内建应用。 网关可作为灵活且可动态设定的现场控制点使用，藉此降低新系统的安装成本，并且让第三方能以更加低廉的入门成本引进新技术和装置。
整合有线与无线连接 MCU小兵立大功
要打造一个符合各种连接技术与工业需求的智能网关，须要面对各种复杂问题，而要开发能够稳健运行且互通的网关，更是一项艰巨任务。 可能要花上好几个月或好几季时间，才能设计和打造网关和软件基础架构，使其兼顾安全性、完整应用设计，针对目前部署的系统作调整，加入新的连接通讯协议来强化、整合边缘节点和云端。
为此，半导体业者，如德州仪器(TI)，便研发新一代以太网络微控制器(MCU)--SimpleLink MSP432E4(图3)和SimpleLink软件开发工具包(SDK)，开发人员便能运用其进阶整合、 无线连接插件和统一工具链，加快智能网关设计的速度。
图3 SimpleLink MSP432E4 MCU可用于实作智能网关的整合式10/100媒体访问控制器及物理层(MAC+PHY)。
该款MCU搭载120MHz Arm Cortex-M4核心，支持浮点功能，并且整合10/100以太网络MAC和PHY。 芯片内建PHY可减少组件数量(包括被动式组件)，简化设计复杂度，以及减少来自外部讯号的噪声，以降低整体成本；并且将须要减少印刷电路板(PCB)空间和零错误通讯的设计效益，延伸到标准的100公尺缆线长度之外。 综合上述特色，使其比采用外部PHY的传统设计更具优势。
至于其软件开发工具包，则提供全面性软件架构，涵盖从基础层级，包括TI实时操作系统(TI-RTOS)、TI驱动器的功能抽象，到多样化的应用层级中间件解决方案。 该产品亦能简化连接作业，让刚接触无线技术的开发人员毋须开发任何低阶驱动程序便能实作Bluetooth和Wi-Fi等通讯协议。
如图4所示，SimpleLink SDK提供可透过SDK插件扩充以整合云端链接和IoT代理程序的软件架构，这些称为SimpleLink SDK插件的可扩充区块隶属于SDK架构，可透过TI Resource Explorer取得。
图4 SimpleLink SDK透过SDK插件提供完整的应用程序编程接口(API)、网络服务和附加功能，可大幅简化核心产品功能的开发作业。
工业IoT布局加速 智能网关不可或缺
IoT正全速在整个工业市场内持续演进，制造商正全面部署IoT网络，透过新增或重整方式，部署到现有和新建的大楼、制造厂或含智能传感器网络的电网基础设施系统之中。 现有连接解决方案的成熟度，能帮助开发人员在投入最少开发作业下引进无线和有线网络，智能工业网关能协助开发人员大量扩充网络和边缘节点的数量，以方便透过云端部署及有效管理。
上述所提到的SimpleLink MSP432E4微控制器，能够实现智能网关的设计，将节点的数据处理和IoT管理负担卸除到网关，以降低节点的复杂度，改善能源效率，同时大幅降低系统成本， 而且智能网关实际上还能提高节点和其应用程序的处理能力。
同时，该产品有助于轻松打造网关，将装置可靠链接至IoT，开发人员也能放心设计支持各种终端和接口的安全网关；亦能将耗电量降至最低，降低系统成本，同时将重视能源的系统功能最大化。 透过上述功能，开发人员便能轻易连接独立装置，毋须全部重新设计，打造出稳定且互通的工业网关，为边缘节点和云端之间提供可靠的连接。
(本文作者皆任职于德州仪器) 新电子
尽管连接标准仍在开发中，边缘节点(即IoT中的物)的数量将因为更聪明、更智能的传感器和致动器大量投入而快速增加，为包括终端客户、服务供货商和原始设备制造商(OEM)的整个生态系统带来益处。 例如工业系统中的终端设备，若能与远程传感器、其他终端设备和中央管理控制台通讯，其可靠度与生产力将获得改善。
IoT世代到来 感测技术须更加智能
要聚合复杂的通讯标准并将这些传感器链接到因特网，是这个涵盖750亿部以上装置市场的最大难题(图1)。 而要建立一个无所不在的云端，装置必须支持多种通讯协议，且能够在没有完整以太网络下链接及合作，或支持内含通讯协议堆栈的Wi-Fi接口。
图1 智能网关有助于管理及链接750亿个边缘节点至云端。
要实现此种作法，需要一部能够将装置从局域网络(LAN)，链接桥接到连接因特网的服务器网络网关。 网关可整合IoT代理程序，透过云端服务供货商所定义的标准化通讯协议与云端服务器互动。 此外，网关加入智能功能后，能够存取共享的处理资源，更有助于简化IoT装置的设计。
运用更具智能的感测技术，有助于推动IoT趋势，但本文的重点在于如何引进智能的工业网关概念，克服基础架构所面临将超过750亿个边缘节点链接至云端的挑战，建立稳健且可互通的网关解决方案， IoT开发人员便能更专注于提升IoT解决方案的竞争力。
连接为IoT最大设计挑战
IoT技术在工业应用上有长足的进展，让链接终端设备在自动化、系统可靠度和中央管理等领域发挥其价值，其已在许多不同的工业领域展现潜力，包括家用与商用的暖通空调(HVAC)、大楼保全系统和工厂自动化， 以及电网基础设施的能源量测与监测网络。
IoT设计最大的挑战来自于连接，要实现稳健且安全的网络或广域网(WAN)存取，已超出许多设计人员的经验范围。 更难的是，开发人员需要支持处理能力有限的多个装置，而且加入连接功能后还不能对整个系统成本或电源效率带来负面影响。
网关必须支持终端的多样性，也为设计带来更多考虑。 要将像是压力传感器等简易节点直接链接至因特网，其设计可能极为复杂且昂贵，尤其节点没有独立处理器的话。 加上终端设备的类型各异，支持的接口也大不相同，因此若要从分散的节点集合收集并整合数据，将需要拥有多种处理能力和接口，同时又能够稳定且可靠运作的桥接装置。
网关能便利地简化「装置」联网，支持节点原生的各种链接方式，无论是原始传感器多变化的电压、编码器内互通集成电路(I2C)的数据串流，或是家电经由蓝牙(Bluetooth)的定期更新。 网关可合并来自不同来源和接口的数据，将这些数据链路到因特网，有效降低装置的多变化和多样性。 如此一来，个别节点便不需要为了链接而负担高速因特网接口的复杂度或成本。
图2显示各别网关将链接延伸到节点的各种方式。 图2a中的节点透过网关连接至云端，因为这些节点不支持因特网通讯协议(IP)，无法直接链接至因特网/WAN，只能运用现有的有线或新的无线技术链接至网关，以实现符合成本效益且较低复杂度的链接模式。 网关为每个节点维护一个IoT代理程序，用于管理与节点往来的所有数据。 在此情况下，应用程序智能也能整合于网关内。
图2 IoT网关可将IoT功能集中于网关，藉此简化传感器节点的链接设计。 节点运用有线和无线技术透过网关链接至IoT(a)；节点运用Wi-Fi或以太网络等WAN联机直接链接至因特网(b)。
图2b中的节点运用Wi-Fi或以太网络等WAN联机直接链接至因特网，此时网关主要作为路由器使用；而其实际上也能用作路由器，让每个节点拥有自己的IoT代理程序，进行自主管理。
智能网关降低节点复杂度
根据应用的不同，工业网关各有不同的实作方式。 传统网关和智能网关为其中最常见的两种，这两种皆能聚合来自多个端点的数据，提供整合式链接。 一般来说，传统网关会排序数据并建立封包，以方便透过因特网传送，另外也负责在仰赖或需要双向通讯的应用中将数据分送回端点。
请注意，网关与路由器不同。 路由器管理类似的流量、链接共享常见接口的装置，例如，连接至家用路由器且全部使用IP的装置。 相较下，网关功能如同网桥，能路由不同类型的流量，聚合来自不同通讯接口的数据，且能将这些串流转换为常见的通讯协议，以方便跨WAN存取。
有些装置可能原生使用IP，像是Wi-Fi或Thread，其他有些则使用非IP型的通讯协议，像是Bluetooth或各种Sub-1GHz通讯协议。 属于传感器的节点可能需要使用高精密度的模拟转数字转换器(ADC)，在传送之前先将原始的模拟电压转换为数字数值。
智能网关进一步延伸传统网关的功能，提供处理资源和可处理本地应用的智能。 其运作方式包括共享处理资源，由网关来执行通常为节点执行的作业。 例如，智能网关可评估及过滤传感器数据，还能实作高阶管理作业。 或是在评估及过滤传感器数据后，决定其是否超过关键临界值，接着触发警报，然后还能将警报经由网络向上传递，通知合适的管理员。
智能网关能为边缘节点降低复杂度，同时降低成本。 以一个连接大量传感器的保全系统为例，将处理作业整合到网关，让边缘节点能够共享资源，缩短本机处理时间，减少使用耗电量，进而延长电池续航力，达到节省成本的效果。
同样的原理也有助于建立连接。 IP是一个复杂到难以实作的通讯协议，对于较简易的IoT节点来说，其作业负荷相对较大，因此简易的节点可用RS-485或I2C等有线连接，或用Bluetooth等无线接口连接到LAN。
此外，网关还能链接到个人局域网络(PAN)，然后将各连接桥接到Wi-Fi或以太网络等IP型WAN接口。 这两种情况下都能降低处理、内存和用电需求，节点除了降低成本，也能提升效率。
分布式智能可加速新应用
将网关智能化，可解决本机互操作性的问题，同时将重整现有系统所需的变动减到最少。 有了智能网关来分担部分的重要作业和数字运算，各边缘节点便不须再内建完整智能。 网关还能分析来自各边缘节点经过整合的数据，作出更智能的决策。 网关可在因特网存取中断，或暂时不可用时作为邻近节点的管道，维持无云端时本机链接的稳定性，提高本机网络的可靠度，保持其预先设定的功能。
将网关智能化还有另一项好处，便是帮助操作人员整合新功能的管理。 技师和操作人员不用分别整合及维护各个边缘节点，只要运用网关和建筑管理系统(BMS)等系统，便能集中管理网络。 智能网关还能解决链接独立节点时的问题，让用户不用手动将各远程节点链接至因特网。
对许多应用来说，智能网关可省去专用的现场管理或控制终端。 例如，内建液晶显示器(LCD)控制器的网关可支持用户接口，让用户直接操作节点。 或者，智能网关可提供网页型用户接口，以供从PC、平板计算机或智能型手机存取，让用户轻松存取其他内建应用。 网关可作为灵活且可动态设定的现场控制点使用，藉此降低新系统的安装成本，并且让第三方能以更加低廉的入门成本引进新技术和装置。
整合有线与无线连接 MCU小兵立大功
要打造一个符合各种连接技术与工业需求的智能网关，须要面对各种复杂问题，而要开发能够稳健运行且互通的网关，更是一项艰巨任务。 可能要花上好几个月或好几季时间，才能设计和打造网关和软件基础架构，使其兼顾安全性、完整应用设计，针对目前部署的系统作调整，加入新的连接通讯协议来强化、整合边缘节点和云端。
为此，半导体业者，如德州仪器(TI)，便研发新一代以太网络微控制器(MCU)--SimpleLink MSP432E4(图3)和SimpleLink软件开发工具包(SDK)，开发人员便能运用其进阶整合、 无线连接插件和统一工具链，加快智能网关设计的速度。
图3 SimpleLink MSP432E4 MCU可用于实作智能网关的整合式10/100媒体访问控制器及物理层(MAC+PHY)。
该款MCU搭载120MHz Arm Cortex-M4核心，支持浮点功能，并且整合10/100以太网络MAC和PHY。 芯片内建PHY可减少组件数量(包括被动式组件)，简化设计复杂度，以及减少来自外部讯号的噪声，以降低整体成本；并且将须要减少印刷电路板(PCB)空间和零错误通讯的设计效益，延伸到标准的100公尺缆线长度之外。 综合上述特色，使其比采用外部PHY的传统设计更具优势。
至于其软件开发工具包，则提供全面性软件架构，涵盖从基础层级，包括TI实时操作系统(TI-RTOS)、TI驱动器的功能抽象，到多样化的应用层级中间件解决方案。 该产品亦能简化连接作业，让刚接触无线技术的开发人员毋须开发任何低阶驱动程序便能实作Bluetooth和Wi-Fi等通讯协议。
如图4所示，SimpleLink SDK提供可透过SDK插件扩充以整合云端链接和IoT代理程序的软件架构，这些称为SimpleLink SDK插件的可扩充区块隶属于SDK架构，可透过TI Resource Explorer取得。
图4 SimpleLink SDK透过SDK插件提供完整的应用程序编程接口(API)、网络服务和附加功能，可大幅简化核心产品功能的开发作业。
工业IoT布局加速 智能网关不可或缺
IoT正全速在整个工业市场内持续演进，制造商正全面部署IoT网络，透过新增或重整方式，部署到现有和新建的大楼、制造厂或含智能传感器网络的电网基础设施系统之中。 现有连接解决方案的成熟度，能帮助开发人员在投入最少开发作业下引进无线和有线网络，智能工业网关能协助开发人员大量扩充网络和边缘节点的数量，以方便透过云端部署及有效管理。
上述所提到的SimpleLink MSP432E4微控制器，能够实现智能网关的设计，将节点的数据处理和IoT管理负担卸除到网关，以降低节点的复杂度，改善能源效率，同时大幅降低系统成本， 而且智能网关实际上还能提高节点和其应用程序的处理能力。
同时，该产品有助于轻松打造网关，将装置可靠链接至IoT，开发人员也能放心设计支持各种终端和接口的安全网关；亦能将耗电量降至最低，降低系统成本，同时将重视能源的系统功能最大化。 透过上述功能，开发人员便能轻易连接独立装置，毋须全部重新设计，打造出稳定且互通的工业网关，为边缘节点和云端之间提供可靠的连接。
(本文作者皆任职于德州仪器) 新电子
4.技术进展一日千里 嵌入式应用结合AI成趋势
人工智能(AI)进展神速，且随着开发工具、环境越来越成熟，加上芯片性能不断提升，AI算法已经可以直接在嵌入式设备上，利用训练好的模型进行推论，实现各种智能应用。 另一方面，训练模型的难度也越来越低，甚至已经有业者跟技术研究法人推出DIY式的模型训练平台。 嵌入式设备结合AI，必成大势所趋。
从Deepmind推出的AlphaGo打败世界围棋高手至今，不过短短两三年，人工智能技术的应用已经开枝散叶，并进驻各种终端装置。 其中，影像辨识的技术进展速度最快，许多带有机器视觉功能的嵌入式装置，已经开始与机器学习(ML)、深度学习(DL)等AI算法结合，让机器设备不只能看得到，更能看得懂自己所看到的影像究竟代表何种意义。
FPGA扫除障碍 嵌入式视觉结合ML
安驰科技技术应用工程部经理吴文忠(图1)表示，目前深度学习或机器学习所面临的最主要的挑战有三，一是必须针对不同的使用情境使用不同网络跟优值(Figure of Merits)；二是必须处理大量的乘法运算跟庞大的数据集， 三则是新的算法不断出炉，使用固化(Harden)的加速器芯片有很高的风险。
图1 安驰科技应用工程部经理吴文忠指出，人工智能算法日新月异，芯片本身必须具备相当高的弹性，才能灵活地支持最新的算法。
若是针对嵌入式应用，功耗与运算效能则是必须额外考虑的重点。 因为嵌入式应用往往在成本、功耗、散热等规格上，面临更严格的限制。 由于推论算法的快速进步，现在ML或DL算法可以在不会对推论准确率造成明显影响的前提下，利用降低精度的方式来减少对处理器的运算效能需求，并且明显降低功耗。 这对于有意整合DL、ML的嵌入式应用开发者来说，无疑是一大福音。
不过，由于嵌入式应用开发商面对的是很典型的少量多样市场，因此开发商在选择芯片解决方案时，还是要注重应用设计上的弹性。 有些应用或客户可能对推论的准确度要求较严格，有些则可以接受一定程度的妥协。 因此，理想的芯片架构必须十分弹性，能支持任意精度的运算。
不过，FPGA毕竟不是一般常见的处理器，其设计语言通常是Verilog等硬件描述语言(HDL)，待硬件配置完成后，才会执行一般以C语言撰写的程序。 因此，对一般嵌入式应用产品的开发者来说，要使用FPGA来设计应用，是存在一定门坎的。
有鉴于此，赛灵思(Xilinx)近年来在开发工具与相关设计环境上不断投入资源，藉由SDSoC、SDAccel等开发环境与工具链，让FPGA的应用设计门坎大幅降低。 在某些情况下，甚至可以用C语言直接设计以FPGA为基础的应用。
针对这波人工智能浪潮，赛灵思也已经做好准备，可提供给用户xDNN CNN Overley、xfDNN中间件、相关工具与Runtime。 这些底层可以支持目前市面上绝大多数的开源NN框架，例如Caffe、Go等深度学习框架。 让即便对FPGA本身没有很深入了解的人工智能软件工程师，也能利用FPGA开始设计自己的应用。
此外，针对机器视觉应用，赛灵思还提供OpenCV硬件加速功能，称为xfOpenCV。 该方案是一个针对FPGA优化的OpenCV函式库(Library)，内含超过50种应用开发上最需要的OpenCV函式。 由于该函式库是针对FPGA进行优化，因此开发者利用该函式库所写出来的软件，可以充分利用FPGA的运算资源，执行效率更好。
吴文忠总结说，以往影像辨识得要靠服务器这类具有强大运算能力的设备才能跑得动，但随着赛灵思芯片、开发板与软件工具环境到位，现在影像辨识这类人工智能功能，已经可以直接在各种嵌入式设备上执行。 嵌入式设备结合AI，相信将是大势所趋。
模型训练非难事 DIY平台现身
嵌入式硬件已具备支持模型推论的能力，但对有意发展机器学习、深度学习等人工智能技术应用的业者来说，推论所使用的模型要如何建立，也是一大关键。
一个精准的模型除了本身设计要好之外，还需要靠卷标完成、质量良好的数据集来训练。 这种数据集需要投入大量人力物力来整理，而且在训练的过程中不仅要使用具备高运算效能的设备，还得花上一段时间。 因此，要发展出自己的机器学习或深度学习模型，可是工程浩大。
资策会数字转型所副主任刘文山(图2)表示，深度学习在影像、自然语言辨识等应用领域近年来有长足进展，因此很多业者都想将深度学习应用在未来的产品上。 不过，一个完整的深度学习模型包含数百万个参数，需要百亿次以上的计算量，因此在模型训练的过程中，势必要动用大量运算资源。 另一方面，训练用的数据集要如何取得，对许多有意开发深度学习应用的开发者来说，也是一个很大的挑战。
图2 资策会数字转型所副主任刘文山表示，资策会正在进行中的AIY项目，将可明显降低模型训练所需的资源跟技术门坎。
一般来说，训练用的数据集越庞大，模型的准确率越高。 但要如何搜集够庞大的数据，却是一大问题。 而且，越是特别、例外、异常的数据，越难搜集到，但这些特别或异常的状况，却是引发模型判断错误，导致准确率下降的重要原因之一。 即便开发者克服重重困难，收集到完整度高、数量够多的数据集，传统上，训练用的数据集还需要经过人工卷标，这又是另一个旷日废时的大工程。
针对上述跟数据集有关的难题，目前业界正在发展非监督式学习、转移式学习等新技术，以降低模型训练时对数据集的依赖。
资策会数字转型所内部也正在进行一个名为AIY的项目，中文名称则是「智己造」，目标是让开发者能自己DIY出所需要的AI模型，而且准确度必须有一定水平。 该项目目前已经进展到可以展示的阶段。
目前该项目已经发展出一套云端工具，可以支持图像辨识或人脸辨识。 用户可以透过该工具提供的接口来设定模型训练的几个重要参数，并看到模型训练的进度。 当模型训练出来，准确率达到可以接受的水平后，该工具还可以对模型进行压缩，牺牲一点准确率来缩小模型。 缩小后的模型，尺寸约只有原始模型的六分之一，以便让手机、嵌入式装置等储存空间跟运算效能都有限的终端装置也能跑得动。
嵌入式系统电源设计面临更多挑战
而随着嵌入式应用开始与人工智能算法结合，即便仅是使用训练好的模型来进行推论，对处理器芯片的效能要求仍会有一定程度的提升，也可能出现以FPGA甚至ASIC当做加速器的设计需求。 对嵌入式系统的电源而言，这会在系统中引入新的变量，且势必要进一步提高电源供应器的能源密度。
怀格(Vicor)资深技术支持工程师张仁程(图3)表示，从电源的角度来看，不管是CPU、GPU或FPGA、加速器，一样都是负载点(POL)。 不过，对电源设计来说，这些新型态处理器芯片的出现，意味着系统的电源树会变得更为复杂。 此外，随着半导体制程越来越先进，处理器对电源噪声的忍受度也跟着降低。 最后，支撑整个系统运作所需要的电源功率，也会跟着提升。
图3 怀格资深技术支持工程师张仁程指出，模块化的电源设计，能为支持AI的嵌入式应用带来许多好处。
模块化的电源设计思路，可以让设计人员更灵活地因应变化多端的电源需求，是简化电源设计复杂度的有效方法。 电源的噪声则跟电路拓扑设计的功力有关，针对低噪声电源，怀格已经发展出许多独特的电路拓扑，来满足未来设计人员在开发产品时的需求。
而电源系统的输出功率需求越来越高，则是电源业界始终不变的发展趋势，真正的挑战在于，如何在电源系统体积不变的前提下，提供更高的功率输出，并解决随之而来的散热问题。
就怀格的观点，模块型的电源设计，也是进一步提升电源密度必然要走的路。 传统的AC-DC电源供应器虽然还可以设计得更小，但相较于以转换器级封装(Converter Housed in Package, ChiP)技术实现的电源方案，在尺寸上还是有数倍到数十倍的差异。
至于在散热方面，随着模块封装外壳进入铜世代，这类模块的散热性能将进一步得到提升，在许多应用环境下，甚至可以利用机构外壳来当作散热器(Heatsink)，不必再外挂沉重又庞大的散热器，也不必使用散热风扇。 这对于缩小嵌入式产品的体积、减轻重量跟提高系统稳定度，都有很大的帮助。 新电子
从Deepmind推出的AlphaGo打败世界围棋高手至今，不过短短两三年，人工智能技术的应用已经开枝散叶，并进驻各种终端装置。 其中，影像辨识的技术进展速度最快，许多带有机器视觉功能的嵌入式装置，已经开始与机器学习(ML)、深度学习(DL)等AI算法结合，让机器设备不只能看得到，更能看得懂自己所看到的影像究竟代表何种意义。
FPGA扫除障碍 嵌入式视觉结合ML
安驰科技技术应用工程部经理吴文忠(图1)表示，目前深度学习或机器学习所面临的最主要的挑战有三，一是必须针对不同的使用情境使用不同网络跟优值(Figure of Merits)；二是必须处理大量的乘法运算跟庞大的数据集， 三则是新的算法不断出炉，使用固化(Harden)的加速器芯片有很高的风险。
图1 安驰科技应用工程部经理吴文忠指出，人工智能算法日新月异，芯片本身必须具备相当高的弹性，才能灵活地支持最新的算法。
若是针对嵌入式应用，功耗与运算效能则是必须额外考虑的重点。 因为嵌入式应用往往在成本、功耗、散热等规格上，面临更严格的限制。 由于推论算法的快速进步，现在ML或DL算法可以在不会对推论准确率造成明显影响的前提下，利用降低精度的方式来减少对处理器的运算效能需求，并且明显降低功耗。 这对于有意整合DL、ML的嵌入式应用开发者来说，无疑是一大福音。
不过，由于嵌入式应用开发商面对的是很典型的少量多样市场，因此开发商在选择芯片解决方案时，还是要注重应用设计上的弹性。 有些应用或客户可能对推论的准确度要求较严格，有些则可以接受一定程度的妥协。 因此，理想的芯片架构必须十分弹性，能支持任意精度的运算。
不过，FPGA毕竟不是一般常见的处理器，其设计语言通常是Verilog等硬件描述语言(HDL)，待硬件配置完成后，才会执行一般以C语言撰写的程序。 因此，对一般嵌入式应用产品的开发者来说，要使用FPGA来设计应用，是存在一定门坎的。
有鉴于此，赛灵思(Xilinx)近年来在开发工具与相关设计环境上不断投入资源，藉由SDSoC、SDAccel等开发环境与工具链，让FPGA的应用设计门坎大幅降低。 在某些情况下，甚至可以用C语言直接设计以FPGA为基础的应用。
针对这波人工智能浪潮，赛灵思也已经做好准备，可提供给用户xDNN CNN Overley、xfDNN中间件、相关工具与Runtime。 这些底层可以支持目前市面上绝大多数的开源NN框架，例如Caffe、Go等深度学习框架。 让即便对FPGA本身没有很深入了解的人工智能软件工程师，也能利用FPGA开始设计自己的应用。
此外，针对机器视觉应用，赛灵思还提供OpenCV硬件加速功能，称为xfOpenCV。 该方案是一个针对FPGA优化的OpenCV函式库(Library)，内含超过50种应用开发上最需要的OpenCV函式。 由于该函式库是针对FPGA进行优化，因此开发者利用该函式库所写出来的软件，可以充分利用FPGA的运算资源，执行效率更好。
吴文忠总结说，以往影像辨识得要靠服务器这类具有强大运算能力的设备才能跑得动，但随着赛灵思芯片、开发板与软件工具环境到位，现在影像辨识这类人工智能功能，已经可以直接在各种嵌入式设备上执行。 嵌入式设备结合AI，相信将是大势所趋。
模型训练非难事 DIY平台现身
嵌入式硬件已具备支持模型推论的能力，但对有意发展机器学习、深度学习等人工智能技术应用的业者来说，推论所使用的模型要如何建立，也是一大关键。
一个精准的模型除了本身设计要好之外，还需要靠卷标完成、质量良好的数据集来训练。 这种数据集需要投入大量人力物力来整理，而且在训练的过程中不仅要使用具备高运算效能的设备，还得花上一段时间。 因此，要发展出自己的机器学习或深度学习模型，可是工程浩大。
资策会数字转型所副主任刘文山(图2)表示，深度学习在影像、自然语言辨识等应用领域近年来有长足进展，因此很多业者都想将深度学习应用在未来的产品上。 不过，一个完整的深度学习模型包含数百万个参数，需要百亿次以上的计算量，因此在模型训练的过程中，势必要动用大量运算资源。 另一方面，训练用的数据集要如何取得，对许多有意开发深度学习应用的开发者来说，也是一个很大的挑战。
图2 资策会数字转型所副主任刘文山表示，资策会正在进行中的AIY项目，将可明显降低模型训练所需的资源跟技术门坎。
一般来说，训练用的数据集越庞大，模型的准确率越高。 但要如何搜集够庞大的数据，却是一大问题。 而且，越是特别、例外、异常的数据，越难搜集到，但这些特别或异常的状况，却是引发模型判断错误，导致准确率下降的重要原因之一。 即便开发者克服重重困难，收集到完整度高、数量够多的数据集，传统上，训练用的数据集还需要经过人工卷标，这又是另一个旷日废时的大工程。
针对上述跟数据集有关的难题，目前业界正在发展非监督式学习、转移式学习等新技术，以降低模型训练时对数据集的依赖。
资策会数字转型所内部也正在进行一个名为AIY的项目，中文名称则是「智己造」，目标是让开发者能自己DIY出所需要的AI模型，而且准确度必须有一定水平。 该项目目前已经进展到可以展示的阶段。
目前该项目已经发展出一套云端工具，可以支持图像辨识或人脸辨识。 用户可以透过该工具提供的接口来设定模型训练的几个重要参数，并看到模型训练的进度。 当模型训练出来，准确率达到可以接受的水平后，该工具还可以对模型进行压缩，牺牲一点准确率来缩小模型。 缩小后的模型，尺寸约只有原始模型的六分之一，以便让手机、嵌入式装置等储存空间跟运算效能都有限的终端装置也能跑得动。
嵌入式系统电源设计面临更多挑战
而随着嵌入式应用开始与人工智能算法结合，即便仅是使用训练好的模型来进行推论，对处理器芯片的效能要求仍会有一定程度的提升，也可能出现以FPGA甚至ASIC当做加速器的设计需求。 对嵌入式系统的电源而言，这会在系统中引入新的变量，且势必要进一步提高电源供应器的能源密度。
怀格(Vicor)资深技术支持工程师张仁程(图3)表示，从电源的角度来看，不管是CPU、GPU或FPGA、加速器，一样都是负载点(POL)。 不过，对电源设计来说，这些新型态处理器芯片的出现，意味着系统的电源树会变得更为复杂。 此外，随着半导体制程越来越先进，处理器对电源噪声的忍受度也跟着降低。 最后，支撑整个系统运作所需要的电源功率，也会跟着提升。
图3 怀格资深技术支持工程师张仁程指出，模块化的电源设计，能为支持AI的嵌入式应用带来许多好处。
模块化的电源设计思路，可以让设计人员更灵活地因应变化多端的电源需求，是简化电源设计复杂度的有效方法。 电源的噪声则跟电路拓扑设计的功力有关，针对低噪声电源，怀格已经发展出许多独特的电路拓扑，来满足未来设计人员在开发产品时的需求。
而电源系统的输出功率需求越来越高，则是电源业界始终不变的发展趋势，真正的挑战在于，如何在电源系统体积不变的前提下，提供更高的功率输出，并解决随之而来的散热问题。
就怀格的观点，模块型的电源设计，也是进一步提升电源密度必然要走的路。 传统的AC-DC电源供应器虽然还可以设计得更小，但相较于以转换器级封装(Converter Housed in Package, ChiP)技术实现的电源方案，在尺寸上还是有数倍到数十倍的差异。
至于在散热方面，随着模块封装外壳进入铜世代，这类模块的散热性能将进一步得到提升，在许多应用环境下，甚至可以利用机构外壳来当作散热器(Heatsink)，不必再外挂沉重又庞大的散热器，也不必使用散热风扇。 这对于缩小嵌入式产品的体积、减轻重量跟提高系统稳定度，都有很大的帮助。 新电子
责任编辑：星野
-
- 半导体行业观察
-
- 摩尔芯闻
最新新闻
热门文章 本日 七天 本月
- 1 Arm：人工智能是我们这代人毕生一次的重大科技变革
- 2 数字疗法加脑机接口，赋能儿童多动症干预
- 3 应用材料公司的技术突破将OLED显示屏引入平板电脑、个人电脑和电视机
- 4 用数字疗法探索孤独症干预新未来
热门评论
©2023 半导体行业观察
Copyright©2023 上海爱思尔教育科技有限公司 皖ICP备19011903号-2 皖公网安备 34019202000656号