近期Zoom資安疑慮的討論，以及一連串資安漏洞爆出，還沒結束，最近，加拿大多倫多大學市民實驗室的報告分析出更多問題。

其中，Zoom在安全方面有造假行徑，宣稱自身產品是用256位元的AES加密標準，但實際上根本不是，另一大問題是，研究人員指出北美用戶在視訊時，竟然會將金鑰傳遞至中國伺服器。

目前袁征已在官方部落格發表回應，承認問題，表示加密議題將再討論，而連往中國伺服器的狀況是緊急增加資料中心時不慎導致。

而該研究報告則是強調，企業與個人不要以為公開上市或眾所周知的產品，其應用程式就會採最佳安全實務設計，而這項研究也證實並非如此，用戶對於相關風險必須有一定認識

TrendForce 發布 2020 年 10 大科技趨勢

作者 TechNews | 發布日期 2019 年 10 月 02 日 14:40 |

全球市場研究機構 TrendForce 針對 2020 年科技產業發展，整理 10 大科技趨勢，內容請見下文。

AI、5G、車用三箭頭，帶動半導體產業逆勢成長

2019 年在中美貿易戰影響下，全球半導體產業呈現衰退。展望 2020 年，儘管市場仍存在不確定性，但在 5G、AI、車用等需求挹注下，將帶動半導體產業逐漸脫離谷底。IC 設計業者將導入新一代矽智財、強化 ASIC 與晶片客製化能力，並加速在 7 奈米 EUV 與 5 奈米的應用。在製造方面，7 奈米節點的採用率增加，5 奈米量產及 3 奈米研發的時程更加明朗，先進製程製造的占比將進一步提升。此外，化合物半導體材料如 SiC、GaN 與 GaAs 等，具備耐高電壓、低阻抗與切換速度快等特性，適合用於功率半導體、射頻開關元件等領域，在 5G、電動車等應用備受重視。最後，由於晶片線寬微縮及運算效能提升，使先進封裝技術逐漸朝向 SiP（系統級封裝）方向發展；相較於 SoC（系統單晶片），SiP 的組成結構更靈活且具成本優勢，更能符合 AI、5G 與車用等晶片的發展需求。

DRAM 往 EUV 與下世代 DDR5 / LPDDR5 邁進，NAND 突破 100 層疊堆技術

現有 DRAM 面臨摩爾定律已達物理極限的挑戰，製程已來到 1X / 1Y / 1Znm，進一步微縮不僅無法帶來大量的供給位元成長，反而成本降低的難度提升。DRAM 廠目前在 1Y 與 1Znm 製程將開始將單顆晶片顆粒的容量由現有主流 8Gb 提升至 16Gb，使得高容量模組的滲透率逐漸升高，並且有機會在 1Znm 開始導入 EUV 機台，逐漸取代現有的 double patterning 技術。以 DRAM 的世代轉換來說，DDR5 與 LPDDR5 將在 2020 年問世，進行導入與樣本驗證，相較於現有的 DDR4 / LPDDR4X 來說，將會更省電、速度更快。

NAND Flash 市場將首次挑戰突破 100 層的疊堆技術，並將單一晶片容量從 512Gb 提升至 1Tb 門檻。主要為因應 5G、AI、邊緣運算等持續發展，除了智慧型手機、伺服器/ 資料中心需要更大的儲存容量外，更要求單一儲存裝置的體積進一步微縮。除了 NAND Flash 晶片的進化，智慧型手機上儲存介面也會從現有 UFS 2.1 規格，升級至更快速的 UFS 3.X 版本。在伺服器 / 資料中心方面，SSD 產品也會導入比 PCIe G3 速度與效能快 1 倍的 PCIe G4 介面。兩樣新產品明年將鎖定高階市場。

5G 商用服務範圍擴大，更多硬體終端問世

2020 年全球通訊產業發展重點仍為 5G，不論晶片大廠高通、海思、三星與聯發科等，亦或設備商華為、Ericsson 與 Nokia 等將推出各種 5G 解決方案搶攻市場。在網路架構發展上以獨立（Standalone，SA）5G 技術為主，包括 5G NR 設備和核心網路需求提升。SA 網路強調無線網、核心網和回程鏈路架構，支援網路切片、邊緣計算等，在上行速率、網路時延、連接數量均符合 5G 規範性能。另外，隨著 2020 年上半年 R16 標準逐步完成，各國電信營運商規劃 5G 網路除在人口密集大城市外，也會擴大服務範圍商用，預計將看到更多 5G 終端或無線基地台等產品問世。

全球 5G 手機滲透率有望突破 15%，中國廠商市占逾半

2020 年智慧型手機的外觀設計重點仍圍繞在極致全螢幕，進而拉升螢幕下指紋辨識搭載比例提高、螢幕兩側彎曲角度加大，以及螢幕下鏡頭的開發。此外，記憶體容量規格提高，以及持續優化鏡頭功能，包含多個後鏡頭、高畫素等，也是開發重點。至於 5G 手機的發展，隨著品牌廠積極研發，以及中國政府推動 5G 商轉，明年 5G 手機的滲透率有機會從今年不到 1%，一躍至 15% 以上，而中國品牌的 5G 手機生產總量預計將取得過半市占。然而 5G 通訊基地台的布建進度、電信營運商的資費方案以及 5G 手機終端定價才是決定 5G 手機是否能吸引消費者購機的關鍵。

高刷新率手機面板需求看增，平板成為 Mini LED 與 OLED 新戰場

在手機面板方面，目前 OLED 或 LCD 面板的規格已經能滿足各類消費者的需求，然而伴隨著 5G 布建展開，其高傳輸效率與低延遲的特性，除了改善手機內容的動態表現，也開創手機在 AR 等其他領域的應用，帶動 90Hz 甚或是 120Hz 面板的需求。

另外，以最熱門的電競應用來看，除了既有的高刷新頻率面板，透過 Mini LED 背光增強對比表現的更高階產品，量產的條件也越來越充裕。而在採用 LCD 多年後，市場也傳出 2020 年的 iPad 可能同步推出採用 Mini LED 背光與 OLED 這類增強畫質表現的面板技術，讓平板成為 OLED 與 Mini LED 另一個發展契機。

顯示器產業供過於求，Micro LED 開創新藍海

從 Micro LED 自發光顯示器進展來看，越來越多面板廠商推出玻璃背板的 Micro LED 方案，但由於良率問題，目前模組最大做到 12 吋，更大尺寸的顯示器則是透過玻璃拼接的方式實現。儘管短期內 Micro LED 的成本仍居高不下，但由於 Micro LED 搭配巨量轉移技術可以結合不同的顯示背板，創造出透明、投影、彎曲、柔性等顯示效果，未來將有機會在供過於求的顯示器產業當中，創造出全新的藍海市場。例如，若結合可摺疊顯示螢幕方案，Micro LED 因為材料結構強健，不需要很多保護層，也不需要偏光處理，或許是一個適合切入的領域。

TOF 方案的 3D 感測模組搭載率提升，有利未來 AR 應用發展

相較於結構光，TOF（Time of Flight）技術門檻較低，且供應商較多元，因此 TOF 模組成為手機後置多鏡頭的選項之一。雖然 2020 年 3D 感測並沒有明顯的新應用出現，但預計會有更多品牌廠商願意增加搭載 TOF 模組的機種，帶動 TOF 的 3D 感測模組在智慧型手機的普及度逐步提高。而隨著 iPhone 在內的智慧型手機開始搭載 TOF 模組，透過提供更精準的 3D 感測和影像定位，強化 AR 效果，將提高消費者使用 AR 應用的動機，並吸引更多開發商推出更多 AR 應用程式，進一步提升對 3D 感測模組的需求。

感測能力與演算法成為物聯網加值關鍵

隨著技術與基礎建設日漸完備，2019 年物聯網在各層面多已邁入商業驗證階段，帶來投資效益。2020 年物聯網在各垂直應用領域將向下扎根，已打底的製造、零售業等持續透過技術以優化流程與加值服務，農業、醫療等也將有更廣泛的產業轉型。在技術方面，將著重於提升感測能力，使其能進行五感偵測並對周遭環境做出更多反應，以及 AI 演算法的突破以進行更多深度學習。此外，物聯網裝置連結數的上升造就大量數據，邊緣運算與 AI 於終端設備之整合將是可期未來，進而帶動軟硬體升級商機。

自動駕駛將落實終端應用，探索更多商業模式

2020 年自動駕駛技術的商業化，以商用車、特定行駛路線和區域性特殊應用為 3 個主要的特色，並且多數鎖定在 SAE Level 4 自駕等級。能在 2020 年看到更多量、更多類型的自動駕駛商用案例，其中一項驅動因素來自各類平台化產品，如 NVIDIA Drive 運用 AI 人工智慧技術的自駕車開發平台，以及百度 Apollo 開放平台提供不同自駕場景的解決方案等，都協助車廠及各級開發商加速將自駕技術落實於產品中。然而，自駕技術的開發成本高，車廠或技術開發商需要找出更多自駕技術的可能性，並且必須可獲利、優化成本和改善問題，因此找到能滿足該可能性的商業模式也是 2020 年的重點。

太陽能模組產品標準化已成歷史，終端產品選擇將優先考量發電性價比

太陽能技術發展不斷更新，2018 年及之前的模組皆為標準 60 片或者 72 片版型排列，電池片也都以完整尺寸呈現。而 2019 年電池片的版型改變與模組端的微型技術發展多樣化，包含半片、拼片、疊片（瓦）、多柵線、雙玻、雙面（電池）模組等多樣技術疊加運用，使得最終模組產品的輸出功率相較於 2018 年增加一到兩個檔次（bin）。然而，模組產品的核心競爭力取決於度電成本。要降低度電成本，就要提升電池效率與模組功率，以創造更大發電量並確保產品長期的可靠性。未來市場產品定價的話語權將不再由製造端掌握，而是以市場需求及買方接受度為依歸。

資料來源：https://technews.tw/2019/10/02/trendforce-releases-2020-top-10-technology-trends/

#物聯網IoT #人工智慧AI #現場可編程邏輯閘陣列FPGA #數位訊號處理器DSP #直接記憶體存取DMA #記憶體式運算IMC #科技部半導體射月計畫

【AI 演算法日新月異，晶片架構當然也要與時俱進！】

當人工智慧 (AI) 強勢來襲、而半導體已趨近物理極限，業界該如何因應？

回顧 2016 年以前，雲端在運算力與延遲性略勝一籌，直到 Inception-ResNet 出現，才讓在終端進行推論 (inference) 成為可行，只要 50ms 就可算完一幀 (frame) 圖檔。加之，不少人對雲端仍有隱私與網路環境的顧慮，隨著演算法的複雜度下降、準確度提升，有越來越多推論工作會從雲端移至終端。

在資料中心方面，傳統運作是由一台伺服器，經由網路向另一台伺服器完成資料庫詢問，而在其中建置 FPGA 具備以下好處：
●擁有豐富 I/O 且配置靈活，可直接從攝影機或網路抓取資料、中間不須繁重交換動作且能依目的將資料轉送出去；
●不需 CPU 參與，就能將所有資料庫放到 CDR (Clock and Data-Recovery，時脈資料回復) 做影像預處理或合成，能耗低、效率高；
●甚至有 AI 晶片商將 FPGA 重新編譯，藉以開發更具成本效益的專用晶片 (eASIC)，非常適合利基市場；
●若 AI 部分元素的 CPU 運算力不足，亦可將初步結果丟給 FPGA 接手處理。

然不可否認，擁有平行運算能力的 GPU 更適合用於「訓練」；不過，GPU 與 CPU、FPGA 或專用晶片並非壁壘分明的競爭、而是協作關係。另「多處理器」(Multi-processor) 運算為提升效率，晶片商會在既有架構上發展通訊方式，以便大幅拉升 GPU 卡片之間的通訊頻寬、加速數據訓練時間。再者，就是設法利用函式庫，以混合精度 (Mixed Precision) 極大化晶片的運算效能。

從半導體製程觀點來看，要將數位、類比 IC 和記憶體三種截然不同的製程整合成一個晶片，只得從「系統級封裝」(SiP) 著手；然而，若要兼顧效能、功耗和成本，更值得討論的是：怎麼將不同 CPU 架構集成在一個單晶片中。統整 AI 晶片設計有三大挑戰：處理器架構、記憶體效能與安全機制；以往演算法存在「大就是好」的謎思，但現在講究的是怎麼降低模型要求、又能維持一定的精準度。

延伸閱讀：
《AI 風起雲湧，新的晶片架構勢在必行！》
http://compotechasia.com/a/opportunity/2019/0726/42399.html

#國際半導體產業協會SEMI #聯發科技MediaTek #NeuroPilot #英特爾Intel #微軟Microsoft #OpenVINO #輝達NVIDIA #新思科技Synopsys