来源：内容由半导体行业观察（icbank）编译自「
eetimes.jp
」，谢谢。
2011年3月11日发生了东日本大地震， Renesas Electronics（瑞萨电子，以下简称为“瑞萨电子”）的那珂工厂（日本茨城县常陆那珂市）受灾。其洁净厂房（Clean Room）变得乱七八糟，很多设备装置都遭到了破坏。结果，导致那珂工厂无法再生产车载半导体（即微控制器，Micro-controller），最终导致丰田汽车无法生产“普锐斯”。
由于仅仅缺少了一颗小小的微控制器，居然导致无法生产汽车？！因此，丰田汽车与电装合作设立2,500人/天的工作体制，对那珂工厂的复工进行支援。最后，那珂工厂提前3个月复工——6月上旬开始再次生产微控制器。
东日本大地震发生以后的那珂工厂洁净厂房（Clean Room）内的照片。
（图片出自：瑞萨电子）
现在，来自于中国湖北省武汉市的疫情向全球迅速蔓延，人们的移动也被限制，对各行各业的供应链都造成了巨大的影响。就汽车产业而言，日产汽车的九州工厂由于无法从中国调配零部件，不得不停工。（日本经济新闻2月14日）
由2万-3万个零部件组成的汽车，哪怕只差一个配件，也无法生产出完整的汽车，汽车行业陷入了困境。
据说，在如今的汽车行业，CASE（Connected、Autonomous、Shared & Services、Electric）的大潮正一举涌来，汽车行业正在进入百年一遇的大变革时期。汽车所使用的半导体的数量、半导体的种类每年都在增加，CASE时代的汽车到底需要什么样的半导体呢？
尤其是“C”&“A”，也就是对Connected（互联）汽车来说，哪一块半导体是其发展的“瓶颈（Bottle Neck）”呢？笔者将会在本文中进行分析，经过笔者深入地思考，发现了某一款半导体将会成为 “瓶颈”半导体。
表1：无人驾驶的级别。（表格出自：笔者根据日本内阁官方IT综合战略室的数据制作了此表。）
“Level0”，
由司机进行所有的操作，也就是所谓的
“全手动”
。
“Level1”，
被称为
“辅助驾驶”
，基本上是由司机进行操作，“加速、减速（前后）”或者“方向盘操作（左右）”由汽车的系统进行辅助支援，但是，需要司机进行识别车身周围环境以及紧急时刻的对应。
“Level2”，
被称为
“部分自动驾驶”
，基本上是由司机进行驾驶操作，但是，系统可以辅助进行“加速、减速（前后）”或者“方向盘操作（左右）”等多个操作。但是，与“Level1”一样， 需要司机进行识别车身周围环境以及紧急时刻的对应。
“Level3”，
被称为
“带有一定条件的自动驾驶”
，系统不仅可以识别周边环境，而且可以完全进行自动驾驶。驾驶汽车的“主角”从司机转到了系统，但是，当系统发生故障、脱离固定行驶区域的时候，需要司机驾驶。
德国的Mercedes-Benz（梅德赛斯·奔驰）、Audi（奥迪）、美国的Tesla（特斯拉）、丰田汽车等已经开始销售Level3，此外，今年本田预计销售Level3的“Legend”。（约1,000万日元，约人民币60万左右）
“Level4”，
被称为
“高度自动驾驶”
，系统进行周边环境识别、操作驾驶、解决系统故障。因此，司机不需要任何操作，几乎实现了“无人驾驶”。但是，目前，高速公路、允许自动驾驶的场所、地区、自动驾驶空间极其有限。
“Level5”，
被称为
“完全无人驾驶”
，也就是去掉了“Level4”附加的条件，无论何时何地都可以实现无人驾驶。
以下内容就以不需要司机的、“Level4-5”的无人驾驶为焦点，来看看自动驾驶车辆到底需要什么样的配件和半导体？
互联车（Connected Car）是半导体的“集合体”
在“
Level4-5
”的互联车中，到底需要什么样的配件和半导体呢？（图2）
图2：
互联汽车是半导体的“集合体”，（图片出自：
Waymo）
首先，为了确认汽车周边的情况，就需要搭载多个毫米波雷达、红外线雷达。此外，汽车车身四周需要安装10个左右的内置了CMOS图像传感器的摄像头。在消费电子方面，SONY的CMOS图像传感器位居全球首位，美国的ON Semiconductor（安森美）在车载、工业用途的CMOS图像传感器方面位居全球首位。
然后，如今的汽车，每一辆都搭载有约100个左右的微控制器，如果是“Level4-5”的互联车（Connected Car），微控制器的搭载数量应该会更多！其微控制器的IP(Intellectual Property，知识产权)由Arm引领标准，基于此，荷兰的NXP Semiconductors（恩智浦）、德国的Infineon Technologies（英飞凌）、瑞萨电子进行设计、生产微控制器。
其次，为了从GPS获取位置信息、从主机(Host Computer)下载最新的地图信息，用于5G（第五代移动通信）的通信半导体成为了不可或缺的元素。如今，能够设计5G通信半导体的仅有Huawei旗下的HiSilicon（海思） 和美国的Qualcomm（高通）这两家公司，能够用最尖端的7nm工艺生产5G通信半导体的仅有TSMC一家公司。
再次，基于位置信息、地图信息、各种传感器获取的庞大的信息，需要具有能够强化深度学习（Deep Learning）功能的人工智能（AI），此外，深度学习功能具有瞬间判断“行驶”、“转弯”、“停车”的能力。由于AI本身就是一种软件，因此以下简称为“AI(OS)”。因此，能够作动AI(OS)的AI半导体是不可或缺的。
一段时间，作为AI半导体，很多汽车厂商采用了以美国NVIDIA的GPU为基础的模组——“DRIVE PX”。但是，最近，Google、Tesla、Apple等公司开始进行自主设计AI半导体。然而，他们都要使用TSMC的尖端工艺来生产。
在PC方面，Microsoft（微软）的Windows、Intel（英特尔）的处理器独霸市场，此外，二者还被称为“Wintel（微软英特尔，中文名文泰来）”！但是，就AI(OS)和AI半导体而言，哪个才是业界标准（De facto standard），至今还没有定论。关于胜负的角逐，才
刚刚开始。
但是，无论哪一家的AI(OS)、AI半导体成为主流，毫无疑问，都将会大批量地需要高速DRAM、SSD（也就是NAND型闪存）。
以前，笔者曾经在某个讲座上听到过说:“NIDIA和Audi在合作构筑无人驾驶系统”，以此为基础，笔者在此简单地描述一下笔者所理解的完全无人驾驶系统的概要。（图3）
图3：
完全无人驾驶系统的概念。
（图片出自：eetimes）
【1】搭载了充分学习了的AI(OS)、AI半导体的汽车开始投入市场。
【2】汽车开关开启的瞬间，AI(OS)开始启动，连接5G网络，进行互联。而且，从GPS获取位置信息，从主机（Host Computer）获取最新的地图。此外，AI(OS)也可以更新至最新版本。
【3】假设销售了1万辆这样的无人驾驶车辆。各个汽车一直连接5G网络，且从GPS获取位置信息。
【4】此外，每辆车在进行无人驾驶的同时，每辆车的AI(OS)都进行深度学习（Deep Learning），因此更新至更安全、“聪明”的AI(OS)。
【5】但是，每辆车的学习有差异，于是，通过5G网络，把1万辆车的学习结果汇集到主机上。
【6】在主机上，以汇集的学习信息为基础，把AI(OS)更新至最新版本，并利用5G网路分配给这1万辆汽车。
如此一来，各辆车搭载的AI(OS)就会以终端AI(Edge AI)的形式发展其功能，在主机这边，一直是“中央集权”的AI能经常更新至最新的AI(OS)，并发送给各辆汽车。而且，如果销售的完全自动驾驶车辆越多，自动驾驶行驶的路程越长，就会汇集越多的学习结果，车辆也就变得越来越安全、“聪明”。
在“Level4-5”的完全自动驾驶中，利用最尖端的工艺生产的AI半导体、5G通信半导体都是不可或缺的。此外，储存AI(OS)和各种数据的大容量SSD、高速大容量的DRAM(作动AI半导体的Working Memory）成为了不可或缺的元素。
在2019年12月11日-13日召开的科技座谈会（Technology Symposium）--“SEMICON Japan”上，针对Level2的无人驾驶，美国的Micron Technology（镁光科技，以下简称为“镁光”）公布说，Level4-5的无人驾驶车辆上搭载的DRAM的容量是Level2的10倍，NAND（也就是SSD）的搭载容量是Level2的100-150倍。
据美国的调查公司Gartner报道说，1辆无人驾驶的互联汽车的数据流量（Data Traffic）可以超过280PB(Petabyte)/年，换算下来，一天约有767TB,一小时约有32TB,1分钟约有533GB，1秒约有8.8GB。
笔者认为，要存储巨大的AI(OS)，并储存最新的地图信息、各种数据，应该需要100TB左右大小的SSD。
此外，要高速地处理这样大批量的数据，镁光开发了一款规格为“GDDR6”的DRAM，它可以瞬间提高数据传输速度（镁光官网）。
所谓DDR，是“Double Data Rate”的缩略语，DDR2也就是数据传输速度是DDR的2倍的DRAM（图4）。同样，DDR3是DDR2的2倍，如今主流的DDR4是DDR3的2倍。镁光开发的GDDR6超过了DDR5,数据传输速度是DDR4的4倍。
图4：
DDR规格的推移。（图片出自：笔者根据Cadence Design Systems的Website上的数据制作了此表）
此外，考虑到各种各样的信息，推测“Level4-5”的无人驾驶汽车搭载了容量约为70-80GB的GDDR6。如今，集成度最高的DRAM为8GB，看了一下DRAMeXchange 的 网站，得知8GB是由8个1GB组合而成的。
因此，假设“Level4-5”的无人驾驶汽车需要的GDDR6为80GB，也就是需要80个DRAM（1GB/个）。笔者也不确定“Level4-5”无人驾驶汽车会在什么时候普及、普及到何种程度，假设有1,000万辆无人驾驶汽车，那么就需要8亿个DRAM,假设有3,000万辆汽车，就需要24亿个DRAM。这对DRAM市场来说，将来带来什么样的推动力呢？
图5是DRAM的出货金额、出货数量。可以看出，DRAM的出货金额上下浮动十分明显，比方说，在Windows 95发售的1995年，迎来了顶峰；在2000年的IT泡沫时期，也看到了顶峰。此外，在2008年的雷曼冲击(Lehman Shock)之后，一度下跌，最近，从被称为“Super Cycle”的2017年前后开始，出货金额开始增加，2018年从顶峰开始下跌（Peak Out），2019年陷入大萧条。
图5：
DRAM的出货金额、出货数量的推移（~2019年）。
（图片出自：笔者根据WSTS的数据制作了此表）
之所以出现如此的大跌大涨，是因为DRAM供给不足的时候，价格高涨，供给充分的时候，价格又暴跌。虽然每次的达到顶峰（Peak）的原因都不一样，但是基本以4-5年为周期，价格呈现高涨、暴跌，这一周期被称为“Silicon Cycle”（硅周期）。
但是，DRAM的出货数量却没有这样的周期。直到2003年，其增长都十分缓慢，后来，出货数量急速增加。进入21世纪，以中国为首的亚洲各国的经济迅速发展，手机、PC、数码家电的需求高涨，这些产品的需求带动了DRAM数量的增加。
但是，2010年以后，DRAM的出货数量基本保持在150亿个左右，其理由是一些DRAM厂家逐个被淘汰。也就是如图6所示，2011年已经减少至4家，然而，2012年，尔必达（ELPIDA）存储半导体倒闭，被镁光收购，因此，2013年以后，Samsung Electronics、SK Hynix、Micron三家公司占据了市场约96%的份额。
图6：
各家DRAM厂商的市场占比（~2019年第三个四半期）（图片出自：笔者根据DRAMeXchange、IHS Markit、TrendForce的数据，制作了此表）
这三家公司都深知“如果供给过剩，价格就会暴跌”，因此都一边“观察”着其他家的动静，一边调整着生产。一言以蔽之，也就是一种“密谋”（但是，不是不可告人的密谋），因此，DRAM年度出货量就只有150亿个了（注：2019年虽然的DRAM价格低迷，但是出货数量达到了170亿个，至今不清楚其原因是什么）。
2018年的1月刚过，就迎来了真正的大数据（Big Data）时代，围绕数据中心（Data Center）进行竞争的Amazon、Microsoft、Google等公司都开始了对Samsung的“围攻”（2018年1月8日 日本经济新闻）。他们这是为了确保数据中心的服务器需要的尖端DRAM而开始了以上行动。
结果，Google与Samsung签订了以下协议：在Samsung拥有的月产能约为45万个的DRAM产线中，Google买断其中的2万个DRAM。也就是说，Samsung的DRAM工厂中，月产能中的2万个是专为Google供货的。这是前所未有的新闻。
但是，笔者认为，在“Level4-5”无人驾驶汽车正式普及的时候，仍旧会发生以上这样的现象。
汽车厂商无法自己同时生产AI半导体、通信半导体、存储半导体。因此，有必要把尖端AI半导体、通信半导体委托给TSMC生产。此外，汽车厂商真的会向Samsung、镁光等存储半导体厂商低头，并说“请卖给我们高端的DRAM”吗？
假设一年需要24亿个GDDR6,如果1个12inch的晶圆可以生产出1,000个DRAM，那么1年就需要240万个晶圆，月产就要达到20万个DRAM。
这大约相当于DRAM厂商的全球所有产能（约130万个）的15%，但是，GDDR6不仅规格特殊，还要求满足车载半导体必须的苛刻的条件。因此，比起Google每月从Samsung采购2万个DRAM这件事情本身，还有更大的轩然大波会发生。
最后，我们说一下文章的结论，在“Level4-5”无人驾驶真正普及的时候，如何确保尖端DRAM的供货将会成为关键因素（即“瓶颈”）。
汽车厂商们，你们做好心理准备了吗？“欢迎你们来到Silicon Cycle的世界”！
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2225期内容，欢迎关注。
『
半导体第一垂直媒体
』
实时 专业 原创 深度
识别二维码
，回复下方关键词，阅读更多
“芯”系疫情
｜AI
｜TWS
｜ARM
｜
存储
｜
CMOS｜德州仪器｜MEMS
回复
投稿
，看《如何成为“半导体行业观察”的一员 》
回复
搜索
，还能轻松找到其他你感兴趣的文章！
