![]()
1、美光投资将激发纽约的芯片生态系统
2、晶圆代工厂世界先进9月营收36.93亿元新台币 创14个月来新低
3、台积电法说会即将举行 市场高度关注八大要点
4、噪音抑制与主动降噪:有何不同之处?
5、物联网、DSP 和 RTOS – 绝佳的组合
6、翎慧材料获A轮融资,加速新生产基地及产线建设
![]()
集微网消息,美光科技公司计划为纽约州锡拉丘兹附近的一个半导体制造厂投资高达1000亿美元,旨在创建一个区域生态系统,以帮助满足用于数据存储、自动驾驶汽车等各领域的芯片需求。美光公司与当地政府官员于10月4日确认了这一为期20多年的承诺。该基地位于锡拉丘兹市郊区的Clay,此前,美光公司评估了其在美国提高DRAM产量的选址,并进行了数个月的谈判。该基地最终可以容纳四个总面积为240万平方英尺的无尘室,美光称之为“美国迄今为止最大的无尘室空间”。美光公司的投资将成为拜登总统在8月签署的《芯片和科学法案》的早期受益者。该法案旨在促进国内芯片制造,预计将为美光的纽约中部工厂提供联邦拨款和税收抵免。在Clay,美光工厂的建设预计将于2024年开始。该芯片制造商预计将雇用约9000人。然而,连带数万名工人可能会在相关企业中找到工作,这些企业预计将迁入该地区。产品设计和制造链的电子工业协会SEMI美国公司总裁Joe Stockunas说:“你将会看到另外20家公司将进入该地区。”他曾经在为半导体行业提供设备和材料的公司工作。他说,芯片制造厂需要晶圆制造设备,如光刻、化学气相沉积、化学清洗、蚀刻和平面化等设备。提供这些设备的公司会在工厂附近安排技术和销售人员。他说:“许多供应商都有非常复杂的机器,因此他们需要对口的工程师和技术人员,他们可以在一小时内到达工厂,在四小时内修理好机器。附近还将有提供备件和材料的企业,以保持芯片厂的运行。Stockunas说,除了硅之外,还有50多种用于制造集成电路的气体和化学品、铜和铝等金属材料。提供所有这些设备和材料的公司,通常会有一个可以支持工厂的团队,他说。“这将形成完整的生态系统。”2、晶圆代工厂世界先进9月营收36.93亿元新台币 创14个月来新低集微网消息,据台媒中央社报道,晶圆代工厂世界先进财务数据显示,公司9月营收36.93亿元新台币(约8.31亿元人民币),环比减少25.73%,同比减少11.46%,创14个月来新低。世界先进副总经理暨财务长黄惠兰表示,晶圆出货量减少是9月营收滑落的主要原因。此外,世界先进第三季度营收133.28亿新台币(约29.99亿元人民币),略优于预期的129-133亿新台币,环比减少12.89%。据悉,今年前三季度,世界先进累计营收421.21亿新台币(约94.77亿元人民币),同比增长34.94%。台媒指出,随着消费市场需求疲弱,客户积极调节库存,世界先进第三季度产能利用率明显下滑,大尺寸及小尺寸驱动IC出货量同步减少,是业绩滑落的主因。世界先进此前预计,第四季度客户将持续调整库存,不排除可能延续到明年上半年。法人预计,世界先进第四季度业绩恐持续受到影响。集微网消息,据台媒《中央社》报道,台积电将于10月13日召开法说会,市场高度关注台积电未来运营展望、终端市场需求和供应链库存状况、中长期运营成长目标、先进制程进展、全球布局、资本支出、三星和英特尔竞争态势,以及对地缘政治的看法等8大议题。据悉,台积电前三季度营收16383.6亿元新台币,同比增长42.6%。业内人士认为,主要受惠新台币贬值助攻,带动实际成长略优于预期。此前,台积电已通知其客户,2023年1月1日起产出的晶圆全面调涨,其中8英寸涨6%,12英寸涨3%至5%。据报道,苹果起初不会接受涨价,但近期消息表明,苹果已经妥协支付台积电设定的新价格。想象一下,你正在机场和朋友通电话。你周围有很多人在交谈,飞机在起飞/降落,数十个行李箱的滚轮滚过瓷砖地板,可能还有几个婴儿在哭闹。而电话那头的朋友,在一家热闹的餐厅。你的朋友需要应对自己的环境噪音:餐具和盘子叮当作响,食客们聊得起劲,餐厅播放着背景音乐,可能还有一些婴儿在哭闹。而在电话的两端,你们听到的都是平静而清晰的话语,而不是含混不清的声音。这都得益于噪音抑制和主动降噪 (ANC)。这两项功能近来在音频产品中很常见,但它们不仅是流行词而已。这两项技术有助于以不同的重要方式减轻噪音的影响。本文将解释二者的区别,同时更深入地探讨其中的噪音抑制技术。来看看上述情景的第一部分:你在嘈杂的环境中对着麦克风讲话。在此示例中,汽车在发出持续的背景噪音。这就是所谓的稳态噪声,它会呈现我们关注的语音信号里面并不存在的周期性特性。空调、飞机、汽车发动机和风扇的声音都是稳态噪声的例子。但是,婴儿的哭声并不是持续的,这种声音有一个很恰当的名字:非稳态噪声。这类噪声的其他示例包括哈士奇的吠叫、电钻或锤子工作的声音、敲击键盘的咔嗒声或餐厅中银制餐具碰撞的叮当声。这些噪音发生得很突然,同时存在的时间很短暂。麦克风会捕捉这两种类型的噪音;在不做任何处理的情况下,会产生同样嘈杂的输出,盖过你期望传递的语音信息。图的左半部分显示了这种情况。但是,通过噪音抑制处理,可以消除背景噪音以便传输(而且仅传输)你的声音。现在,你清晰的声音已经通过无线电传输给你的朋友,但这不代表对方就能清晰的接收你的信息。这时就需要主动降噪。像之前一样,有稳态和非稳态噪声会影响传入耳塞的声音。与之前处理掉噪音的情况不同,主动降噪的目标是完全抵消外部噪音。麦克风捕捉传入的声音,生成外部噪音的反向信号,并通过将反向信号叠加到入耳的声波中尽可能的抵消外部噪声。概括性地说,这在概念上类似于将 +5 和 -5 这两个数字相加得到 0。 在硬件中,基于上述的这种基本原则,可以通过两种主要方式应用主动降噪。一种是前馈式 ANC,即在可听设备外使用麦克风;另一种是反馈式 ANC,即在更靠近耳朵的可听设备内使用麦克风。前馈式 ANC 位于耳朵以外,所以对噪音更敏感。它可以在噪音传向可听设备时清晰地捕捉到噪音。然后,它可以处理该噪音并输出其相位抵消信号。这使其能够隔离特定的声音,尤其是中频声音。这包括我们在本帖前面部分提到的稳态声音,但也包括语音。但是,前馈式 ANC 位于设备外部,因此更容易受到外部噪音的影响,例如风声或耳塞在兜帽内侧不断摩擦的声音(这绝对不是经验之谈)。反馈式 ANC 不受乱动的兜帽影响,因为它在可听设备内部,能抵抗其他各类偶然干扰。这种隔音效果很好,但成功传入耳塞的较高频声音则较难抵消。同样,内部反馈麦克风需要区分播放的音乐和噪音。而且,因为其反馈更靠近耳朵,它还需要更快地处理此信息,才能保持与前馈设置相同的延迟。最后,还有混合主动降噪 - 你猜对了,这种方法就是结合前馈和反馈式 ANC,以功耗和硬件为代价,实现两方面的最佳效果。了解噪音抑制(抑制说话人环境噪音以便远端听话人听清)与主动降噪(抵消听话人自身的环境噪音)的基本区别后,让我们重点关注如何实现噪音抑制。一种方法是使用多个麦克风抑制数据。从多个位置收集数据,设备会获得相似(但仍有区别)的信号。靠近说话人口部的麦克风接收到的语音信号明显比次要麦克风强。两个麦克风会接收到相近信号强度的非语音背景音。将较强语音麦克风和次要麦克风收集到的声音信息相减,剩下的大部分就是语音信息。麦克风之间的距离越大,较近和较远的麦克风之间的信号差就越大,也就越容易使用这种简单算法抑制噪音。但是,当你不说话时,或预期语音数据随时间变化时(例如当你走路或跑步,手机不断摇晃时),此方法的效果会下降。多麦克风噪音抑制当然是可靠的,但额外的硬件和处理存在缺点。 那么,如果只有一个麦克风,又会怎么样呢?如果不使用额外声源进行验证/比较,单麦克风解决方案将依赖于理解接收到的噪音特性并将其滤除。这又与此前提到的稳态和非稳态噪声定义有关。稳态噪声可以通过 DSP 算法有效滤除,非稳态噪声带来了一个挑战,但深度神经网络 (DNN) 可以帮助解决问题。此方法需要一个用于训练网络的数据集。该数据集由不同的(稳态和非稳态)噪声以及清晰的语音组成,创造出合成的嘈杂语音模式。将该数据集作为输入馈送给 DNN,并以清晰的语音作为输出。这将创建一个神经网络模型,它会消除噪音,仅输出清晰的语音。即使使用经训练的 DNN,仍有一些挑战和指标需要考虑。如果要以低延迟实时运行,就需要很强的处理能力或较小的 DNN。DNN 中的参数越多,其运行速度越慢。音频采样率对声音抑制有类似的影响。较高的采样率意味着 DNN 需要处理更多参数,但连带地会获得更优质的输出。为实现实时噪音抑制,窄带语音通信是理想之选。这种处理全部都是密集型任务,云计算非常擅长完成这类任务,但这种方法会显著增加延迟。考虑到人类可以可靠地分辨大约 108 毫秒以上的延迟,云计算处理带来的延额外迟显然不是理想的结果。但是,在边缘运行 DNN 需要进行一些巧妙的调整。CEVA 始终致力于完善我们的声音和语音处理能力。这包括经过实际验证的语音清晰度和命令识别算法 - 通过这些算法,即使在边缘也能提供明确的通信和语音控制。欢迎联系我们,亲自聆听。随着新兴市场的不断增长和随之而来的技术要求,一些技术日益受到重视和利用。其中一种技术是“数字信号处理”(DSP),它可以采用芯片的形式,也可以作为支持“片上系统”(SoC) 集成的 IP 内核。虽然 DSP 已经存在了很长时间,但最新几代 DSP 支持的功能对于满足特定市场的需求至关重要。物联网 (IoT) 领域就是这样的一种市场。许多物联网设备的性质使其受益于运行“实时操作系统”(RTOS)。本文介绍了如何将 DSP 和 RT-Thread RTOS 一起用于物联网应用。 DSP 的作用是转换和处理实际的模拟信号,这些信号本身具有连续值。处理操作是通过信号处理算法来执行的。作为自 1980 年代以来存在至今的技术,DSP 在硬件功能以及软件开发工具和基础设施方面取得了长足进步。早些年,人们用汇编语言将算法编程到 DSP 上。随着 DSP 市场的扩大和算法变得更加复杂,其架构不断发展,促进了高级语言编译器的开发。嵌入式 DSP 内核芯片包括片上内存,该内存容量通常可以满足特定的任务。现代 DSP 应用领域包括音频/语音处理、图像处理、电信信号处理、传感器数据处理和控制系统。然后是物联网市场,在众多用例中,它涵盖了这些应用的组合。行业分析公司 Markets and Markets 预计,到 2027 年,全球物联网技术的市值将增长到 5664 亿美元。物联网使用不同类型的传感器收集的数据来实现实际事物之间的通信和连接。DSP 用于分析和处理从传感器接收的持续变化的信号。DSP 分析和处理音频、视频、温度、压力或湿度等实际信号。例如,CEVA-SensPro2 传感器中枢 DSP 系列专门用于处理和融合多个传感器以及用于上下文感知中的神经网络推理。DSP 任务涉及准确和精确的实时重复数值计算。物联网市场的增长促使传感器得到越来越多的部署,人们需要以节能的方式实时处理所有收集的数据。这种趋势大力推动了在物联网设备上直接处理数据,而不是发送到云端进行处理。目前正在发生的另一个趋势是,人们越来越多地使用基于“人工智能”(AI) 的算法在本地物联网设备上进行处理数据。人工智能算法基于神经网络模型,需要高水平的并行性能才能高效执行。并行计算是 DSP 优于通用中央处理器 (CPU) 的关键优势,为了满足这一要求,现代 DSP 架构采用宽矢量和单指令多数据 (SIMD) 功能。简而言之,基于 DSP 的强大解决方案可以满足现代物联网设备的高性能计算需求和低功耗要求。正如 DSP 是一种专用处理器一样,RTOS 也是一种专用操作系统。DSP 专门用于极其快速、可靠地处理实际数据。RTOS 专门用于可靠地满足响应/反应时间方面的特定时序要求。正如 DSP 比通用 CPU 更紧凑一样,与常规操作系统相比,RTOS 也是如此。这些特性符合物联网设备的要求,使得 DSP 和 RTOS 成为物联网应用的完美搭档。在过去,嵌入式设备通常只有一个专门用途,并且通常利用 8 位或 16 位微控制器执行操作。这些设备可以在没有 RTOS 的情况下实施管理。但是当今的物联网设备更加复杂,需要一个 组合 ,CPU 、DSP 以及一个 RTOS,来实现管理控制功能和运行复杂的信号处理任务。问题是:现代 DSP 是否足以应对物联网设备的信号处理和控制功能?答案是肯定的。目前,物联网和其他嵌入式设备正在迅速采用混合式 DSP 架构,该架构可同时提供面向 DSP 和面向控制器的功能。这种混合式 DSP 支持超长指令字 (VLIW) 架构实施、单指令多数据 (SIMD) 操作、单精度浮点、紧凑型代码、全套 RTOS、超快速上下文切换、动态分支预测等。因此,无需在物联网设备上使用额外的处理器来运行 RTOS。基于 DSP 的 RTOS 操作系统旨在利用 DSP 的高性能特性。它是一种基于优先级的抢占式、多任务操作系统,具有极低的中断延迟。这些 RTOS 带有驱动程序、应用程序编程接口 (API) 和运行时芯片支持库 (CSL)。该系统支持控制所有片上外设,比如高速缓存、直接内存访问 (DMA)、定时器、中断单元等。因此,物联网应用开发人员能够轻松配置 RTOS 以处理资源请求和管理系统。RT-Thread 是一种开源的实时操作系统 (RTOS)。该 RTOS 针对物联网设备进行了专门优化,具有资源占用率极低、可靠性出色、可扩展性优异等特点。RT-Thread 由丰富的中间件以及物联网设备所需的广泛硬件和软件生态系统提供支持。它支持 GCC、Keil、IAR 等所有主流编译工具,以及各种标准接口,如POSIX、CMSIS、C++ 应用环境、Micropython 和 Javascript 。RT-Thread 还能为所有主流 CPU 和 DSP 架构提供强大的支持。RT-Thread 借助 RTOS 消息传递、信号量等服务,高效一致地处理线程间的通信和同步。RT-Thread 具有两个版本:标准版本适用于资源丰富的物联网设备,Nano 版本适用于资源受限的系统。更多详细信息,请参阅其网站:https://www.rt-thread.io/据报道,截至 2021 年 12 月,RT-Thread 已在 15 亿台设备上运行。[资料来源:RT-Thread]CEVA DSP 和 RT-Thread RTOS由于 CEVA 的 DSP 架构是专为支持 RTOS 功能和超快速上下文切换而设计的,因此采用 CEVA DSP 和 RT-Thread RTOS 的物联网设备可以处理不同资源之间的许多通信任务,同时不会为此而中断 RTOS。例如,多核通信接口 (MCCI) 机制可实现内核之间的命令通信和消息传递。内核之间的通信是使用 AXI 从属端口直接访问专用命令寄存器来实现的。DSP 具有专门的控制和指示,用于通过 MCCI 跟踪通信状态。内核之间的消息传递是使用每个 32 位的 MCCI_NUM 专用命令寄存器来执行的。32 位 COM_REGx 寄存器由外部内核通过 AXI 从属端口写入,并且只能由该内核读取。命令发起内核最多可以同时写入四个寄存器(128 位 AXI 总线)或八个寄存器(256 位 AXI 总线)。当命令发起内核将命令输出到 COM_REGx 之后,寻址寄存器将会得到更新,同时 COM_STS 寄存器中的相关状态位也会得到更新。此外,一个中断(MES_INT) 被断言以通知接收的内核。接收内核读取其中一个 COM_REGx 寄存器后,会向发起内核发送读取指示。读取指示由接收内核使用专用的 RD_IND(读取指示)MCCI_NUM 位总线接口发送。RD_IND 总线的每一位分别表示来自其中一个 COM_REGx 寄存器的读取操作。如果使用 IO 接口,接收内核一次只能读取一个 COM_REGx 寄存器。因此,多核通信接口不仅更易于实现不同内核之间的同步,而且更易于这些内核上的不同任务之间实现同步。CEVA 已将许多不同的 RTOS 移植到其 DSP 产品中。最近新增的 RTOS 是 RT-Thread RTOS 普通版和 Nano 版。RT-Thread 已被移植到多个 CEVA DSP,例如 SensPro2、CEVA-BX1、CEVA-BX2、CEVA-XC16 等。有关这些 CEVA IP 的更多详细信息,请参阅 http://www.ceva-dsp.com。集微网消息,9月25日,翎慧材料科技有限公司(简称“翎慧材料”)成立一周年庆典暨A轮融资签约仪式在淮安盱眙生产中心举行,本次融资由临芯投资领投,元素资本,鸿泰投资及石川投资跟投,融资资金将用于翎慧材料新生产基地及产线建设,加大研发投入及加速海外布局。据悉,翎慧材料成立于2021年8月,是国内胶带、胶粘剂及功能性界面材料方案平台解决商,在苏州、盱眙设有研发及生产中心。公司以分子与功能性设计为基础,产品广泛应用于AR/VR、汽车电子、新能源汽车电池、充电桩、半导体和消费电子领域。翎慧材料团队来自tesa、Henkel、3M、Avery、Dupont等国际大厂,拥有平均超过20年的行业共事经验。核心团队成员均参与过全球胶粘剂行业重点项目经验。更多新闻请点击进入爱集微小程序 阅读
1.孙正义到访后,传三星已实质性放弃Arm收购动议
2.传特斯拉新一代自动驾驶芯片将转投台积电5纳米工艺平台
3.恩智浦CEO:实现芯片产业发展目标,欧盟需增加十倍预算
4.晶振产能过剩,市场价格战或难以避免!
5.消息称马斯克想把收购价格压低30% 但被Twitter拒绝
6.东部高科拟于2023年开发8英寸碳化硅功率半导体工艺
7.【芯事记】各地发力S基金,瞄准私募股权退出难题
8.IC Insight:2022年功率半导体销售额和平均售价均增长11%
9.财会专业也能转行半导体制造,中国台企拓宽征才范围化解用工荒
10.日东电工韩国偏光片工厂突发火灾
![]()