【白热】7纳米之争台积电预获超50个专案采用；台积 三星积极导入EUV！ASML跃2周高；机器视觉2022年产值将超140亿美元
1.7纳米之争进入白热化，台积电预计获超50个专案采用；
2.比特大陆订单放量带动 台积电3月营收首飙千亿新台币；
3.台积、三星积极导入EUV！半导体设备巨擘ASML跃2周高；
4.机器视觉应用渐广2022年产值将超过140亿美元;
5.深度学习专家很缺吗？；
1.7纳米之争进入白热化，台积电预计获超50个专案采用；
集微网消息，据韩媒报道，三星将早半年时间完成7纳米制程，并拿下高通骁龙855系列高端处理器大单。面对三星捷报频传，有消息传出台积电也将夺下华为海思麒麟980处理器大单，并于本季开始生产，而苹果、联发科、英伟达等也陆续采用7纳米制程，在7纳米战役仍稳操胜算，预计台积电7纳米今年将超过50个专案采用，年营收会超过10%，出货高峰期落在第3季。
台积电与三星的7纳米之战争正式进入白热化阶段。
据韩国媒体SEDaily报导，最初三星预计7 纳米制程技术的开发将在2018 年下半年完成，但是，未来追赶台积电的脚步，现在已经提前半年完成。三星率先在7纳米导入极紫外光（EUV）作为微影设备，借此缩减光层，而研发团队并朝向5纳米制程技术前进，预计在2018年下半年开始，以7纳米制程生产高通骁龙855及三星Exynos 9820处理器，目前已将设计数据库交给高通。
报导中还进一步表示，三星半导体部门的官员指出，目前参与7 纳米制程技术开发的三星相关人员已完成使命，并转向开发5 纳米制程技术上，而且他们也已经向高通等客户分享了样品生产所需的设计资料库。
业界也有消息指出，韩国媒体报导三星的7纳米拿下高通骁龙855手机芯片订单的消息可能为误传。台积电供应链仍认为，高通还是把高端芯片订单交给台积电，仅把部分中阶产品转向三星，取得成本优势。
反看台积电，在7纳米布局按部就班，去年第4季进行风险性试产，上季开始量产。延续先前几代的合作关系，有消息传出，台积电再获华为海思麒麟980处理器大单，该处理器将以7纳米制程生产，预计本季开始进入量产，而第二代加入人工智能神经网络单元也将采用台积电7纳米制程生产。
联发科昨日宣布推出业界第一个通过7nm FinFET硅验证，未来将该IP顺利整合进入各种前端产品设计之中。英伟达（NVIDIA）也确定新一代芯片Orin将采用台积电7纳米生产。此外，苹果下一代A12处理器也将交由台积电7纳米生产，市场预期第2季开始投片，第3季开始放量。
不仅如此，台积电为拉大竞争者距离、持续保持领先优势，除了加速7纳米制程导入EUV的时程，在今年底建立试产产线，并扩大扇出型晶圆级高端封装产能，而7纳米研发团队并已开始研发3纳米制程技术，保持技术领先优势。
2.比特大陆订单放量带动 台积电3月营收首飙千亿新台币；
晶圆代工龙头台积电昨（10）日公告3月合并营收达1,036.97亿元（新台币，后同），首度突破千亿元大关，并改写单月营收新高。台积电第一季以美元计价合并营收符合预期，但因新台币兑美元汇率明显升值，因此首季新台币合并营收达2,480.79亿元，却略低于上次法说会中提出的业绩展望区间。
■比特大陆订单放量带动
台积电第一季先进制程接单畅旺，特别是来自于比特大陆（Bitmain）等加密货币挖矿运算特殊应用芯片（ASIC）订单放量，带动3月合并营收月增60.4％达1,036.97亿元，较去年同期成长20.8％，不仅是单月营收首度突破千亿元大关，亦同步创下历史新高纪录。
台积电先前预估第一季合并营收将达84～85亿美元，较去年第四季下滑约8％，创下历年第一季营收新高，但在新台币兑美元汇率为29.6元的假设下，以新台币计算合并营收将介于2,486.4～2,516.0亿元之间。
台积电第一季合并营收2,480.79亿元，较去年第四季合并营收2,775.70亿元下滑10.6％，与去年第一季合并营收2,339.14亿元相较成长6.1％，但低于先前提出的业绩展望区间。法人表示，台积电第一季以美元计价合并营收符合预期，但新台币升值情况比预期强劲，所以折算回新台币的单季合并营收就变成低于先前预估。
台积电第一季虽受到智能型手机供应链调整库存、新台币明显升值等双重影响，但来自比特大陆等加密货币挖矿运算ASIC的需求强劲，抵消了手机芯片季节性修正压力。法人指出，台积电预估第一季毛利率将介于49.5～51.5％之间，营业利益率介于38.0～40.0％之间，仍可顺利达成目标。
■法人预期Q2将与Q1持平
受到第一季工作天数较少影响，台积电第二季晶圆出货约与上季差不多，法人预期营收表现与第一季持平。而第二季在智能型手机供应链重启芯片拉货，加上绘图芯片、挖矿运算ASIC、网通芯片等投片量明显提升，以及苹果7奈米A12处理器开始投片。
随着晶圆在7月之后放量出货，法人看好第三季营收可望改写历史新高。
3.台积、三星积极导入EUV！半导体设备巨擘ASML跃2周高；
欧系外资直指，台积电 (2330)、三星电子(Samsung Electronics Co.)对先进制程竞赛白热化，对欧洲半导体设备业龙头艾司摩尔(ASML Holding NV)来说，将相当有利。
barron`s.com 9日报导( 见此 )，欧系外资9日发表研究报告指出，最近有谣言暗示，台积电可能推延了极紫外光(EUV)微影设备订单的交期，但根据实地调查，EUV的需求展望非但并未减弱、反之还有增温迹象，估计ASML明(2019)年的EUV产能，应能如期被抢订一空。
报告直指，台积电已在4月2日向ASML和日本半导体设备厂Lasertec下达了近10亿美元的订单，显示第一季订购的设备数量应有6-8台。三星则是对EUV态度最积极的厂商，据调查，三星或许会将至少一部份的1y nm DRAM (~1 layer)产能导入EUV，量产DRAM的时间点，甚至会比7 奈米晶 50 34496 50 17278 0 0 5837 0 0:00:05 0:00:02 0:00:03 5837圆代工/逻辑晶片还要早，因为三星打算先用风险较低的DRAM试产，以便在未来大量替7奈米制程导入EUV。
相较之下，台积电则可能加快5奈米的研发进度，确保对三星的竞争优势。报告预测，台积电的7nm+制程会在2019年初投产，5nm制程技术则准备在2020年量产。为了达到产能目标，台积电必须在2019年开始安装设备，而该公司最近的设备订单，应该就是在为5nm制程作准备。
ASML 9日终场上涨2%、收198.53美元；盘中一度跳涨至202.57美元，创3月27日以来盘中高。
三星位于南韩华城市(Hwaseong)的晶圆新厂已于2月23日正式动土，预定明(2019)年下半年开始量产7奈米以下制程的晶片，未来可望在智慧装置、机器人的客制化晶片取得不错进展。
Pulse by Maeil Business News Korea 2月20日报导，三星计画投入6兆韩圜(相当于56亿美元)升级晶圆产能。位于华城市的晶圆新厂将安装超过10台极紫外光(EUV)微影设备，由于每台EUV设备要价皆多达1,500亿韩圜，因此光是采购机台的费用，就将达到3 -4兆韩圜。
相较之下，台积电采用5奈米先进制程的12吋晶圆厂今年1月26日正式动土，预计第一期厂房明年第一季就可完工装机、2020年年初进入量产。台积电公告指出，待2022年第一、二、三期厂房皆进入量产时，年产能预估可超过100万片十二吋晶圆。精实新闻
4.机器视觉应用渐广2022年产值将超过140亿美元;
机器视觉在工厂自动化系统中向来扮演重要环节，当初发展时，仅作为人类时觉的替代品，不过随着技术的提升，机器视觉在产线的应用逐渐加深，现在此技术的辨识速度与精度，以非人眼可比，根据研究机构指出，机器视觉到2022年全球产值将超过140亿美元，就目前发展来来看，未来几年的重点技术将包括机器人、3D视觉、工业感测器、影像处理技术、机器人控制软体或演算法、类人工智慧技术等方面，而在这些技术中，3D视觉和机器人将是主要关键。
在机器视觉发展初期，台湾厂商大多使用靠引进国外的机器视觉产品，再针对客户需求整合系统，后期工业电脑产业崛起，台湾相关厂商开始着重机器视觉的开发，再加上市场对工业智慧相机、图像撷取设备以及影像处理等产品及应用需求的增加，无论在技术或应用面，机器视觉都已有大幅成长。
不过近年来中国大陆的相关产业也迅速蓬勃，相关资料统计，目前中国的机器视觉企业已超过102家，机器视觉产品代理商超过200家，专业的机器视觉系统整合商超过50家，从光源、工业相机、工业镜头、影像撷取卡以及处理软体等所有机器视觉产业链渐趋完整。
随着智慧制造趋势的加速，机器视觉产品将逐渐成为企业落实协作生产的关键技术，但在此同时，另一个问题也随之浮现，也就是当机器视觉产品开始成为生产线的资讯收集工具时，为相容不同视觉系统，除了采用标准化技术外，相关设备还必须贴合企业需求进行二次开发，需求的转变促使产业转型，因此未来的机器视觉厂商将不再是提供单一产品，而是逐渐转变为整体解决方案系统整合商。
就应域面来看，根据研究机构的调查显示，目前机器视觉的市场需求有40％～50％集中在半导体与电子产业，包括PCB印刷电路板、电子封装技术、SMT表面组装等，主要原因在于半导体产业需要以高精度的视觉设备和高品质的技术为后盾，而机器视觉可完全能够解决这些问题；此外机器视觉系统在品质检测方面的应用已经相当广泛，在产线中有重要地位，其应用深度与其自动化系统程度呈正比，像是制药、印刷、食品外包装检测等，此外在政策性因素的影响下，高阶创新型领域、智慧交通等领域，也将是未来机器视觉应用的重点方向。Ctimes
5.深度学习专家很缺吗？；
DeepScale是一家总部位于美国加州山景城(Mountain View, CA)的新创公司，在2015年成立后，持续专注于为先进驾驶辅助系统(ADAS)和自动驾驶车开发深度学习感知软件。该公司不久前还从Point72和Next47两家创投公司完成了1,500万美元的A辆融资。
DeepScale的深度神经网路软件采用低功耗的汽车级芯片，为自动驾驶车侦测车辆、行人和物件（来源：DeepScale）
该新创公司并与Hella-Aglaia Mobile Vision GmbH展开新的合作伙伴关系。今年初，一家位于美国密西根州的一级(tier one)代理商Visteon也宣布与DeepScale展开合作，并开发出首款自动驾驶技术平台——DriveCore。
然而，最令人印象深刻的是，DeepScale执行长Forrest Iandola在接受《EE Times》的电话采访时所说的话——当今世界上还没有足够的深度学习专家。
深度学习专家不足？
汽车OEM和tier-one供应商对于软件专业知识(特别是深度学习)的需求，都是在过去18个月来才开始有所增加。整体而言，业界在深度学习方面存在长期的知识差距，也不太知道该如何利用它来开发软件。
甚至是DeepScale，也感到迫切需要更快地在公司内部扩展其专业知识，以满足外部的需求。Forrest Iandola是DeepScale的共同创办人，还曾经在美国加州大学柏克莱分校(UC Berkeley)取得神经网路与电脑视觉研究领域的博士学位。
那么，DeepScale打算如何运用这笔1,500万美元资金？Iandola告诉《EE Times》，“我们不仅需要聘请深度学习专家，还必须开发内部[深度学习]训练计划，进一步扩展自家团队。”
事实上，Iandola坦言，深度学习领域仍处于起步阶段——即使在学术界亦然。因此，这家新创公司想在内部扩大团队规模，可不像单纯招聘一批具有深度学习博士学位的人一样简单。
Forrest Iandola
Iandola认为，深度学习“可说是一门跨学科的领域，你不仅要有数学和演算法方面的专家，也需要知道如何在平台上建置软件的电脑系统专家。然后，我们也会需要熟悉资料管线的专家来调整和管理资料组合。”
总之，深度学习专家是以前所未有的方式配对组合知识的人。我们必须要有深度学习模式方面的专家、了解深度学习基础架构的人员，以及熟悉深度学习资料集的人员。Iandola说：“我们计划提供内部课程，并为每二到三名初级工程师指派一名导师。”
他解释说，其目标在于培养内部软件工程师，使其在一至两年内熟习深度学习。而当被问及DeepScale的内部训练与教授深度学习的研究生课程有何不同时，Iandola说：“二者将会十分类似。我们将复制在柏克莱大学教授的内容。”
然而，Iandola说，：“这并不是说我们取得了深度学习的教科书，而是将会教授基于问题的学习径。”例如，当深度学习专家面对自动驾驶的实际问题时，他们将会有许多能与团队其他成员共同分享的东西。
今年初，DeepScale有12名员工，而在最近增加新进人员后，Iandola说：“我们是一家拥有18人的公司，其中大部份都是工程师。”
开发中的产品
DeepScale目前正为汽车OEM和tier one供应商提供参考套件，协助其改善感知系统。
DeepScale的优势是在小型、低成本的车用级感测器和处理器上导入高效率的深度神经网路(DNN)，能够提高感知系统的精确度，即时解析并分类自动车辆的感测器资料。DeepScale的目标在于以各种价格点为量产车辆提供不同的驾驶辅助和自动驾驶功能。
DeepScale的途径：深度神经网路感测器融合（来源：DeepScale）
Iandola在参酌来自汽车制造商和tier one供应商的意见后，希望该公司的参考套件能够成为部署至汽车中的大规模生产软件。
同时，DeepScale期望开发自家的测试方法—— 类似于传统的功能安全方法，但专门为软件密集型的车辆而设计。Iandola指出，传统的设计/测试是为具有少量电子元件的机械驱动车辆而开发的。随着新一代车辆带来更多软件和人工智慧(AI)，测试方法必须改变。“我们希望在今年年底前开发一些产品，并希望与客户和业界组织分享我们的方法。”
编译：Susan Hong eettaiwan
(参考原文：Are We Short of Deep Learning Experts?，by Junko Yoshida)
END