semiconductors

新冠疫情大浪來襲時，全球許多產業、甚至各經濟體都不得不緊急踩剎車。面對到供應鏈物流中斷到政府施加的限制等各種不確定性和挑戰，企業無不想方設法，在最短時間內提出有效措施降低潛在風險的可能，同時重新打造不同的商業模式。這種情況之下，也難怪追求永續成長的前景困難重重。不過，全球經濟數位轉型在疫情催化下正不斷加速，算是出人意料的連帶效應之一，也因此推動了結構性轉變，讓已屆成熟階段的半導體產業更上一層樓，邁向新的歷史顛峰。 地緣政治情勢緊繃、供應鏈受限，雖然全球在疫情衝擊下動盪不安，但半導體產業卻持續走強，2021年連續第二年出現破紀錄的成長。現在的數位經濟時代亟需各式半導體設備，也帶動矽晶圓的強勁需求，讓矽晶圓出貨量於2021年再創新高。半導體材料市場也持續擴張，超越2020年締造的市場高點。這一波顯著成長主要歸功於全球各產業的數位化浪潮，對半導體的需求長期不減。 從SEMI 設備市場報告（EMDS）可以看到， 2021年半導體產業一路狂飆，完全不見疲態。產能投資持續邑注，滿足增長動力，讓前端和後端半導體設備部門往上攀升。全球半導體製造設備銷售金額大漲44%，突破1,020億美元，打破了2020年才創下的歷史紀錄。設備市場大好主要由先端邏輯和代工產能開發、DRAM投資復甦以及NAND快閃記憶體強勁支出所帶動。2021年所有地區的設備支出均表現亮眼，前三大地區（中國、韓國和台灣）資本設備年支出首次全部超過200億美元大關。 在2021年底大幅成長了43%，主要拜代工和邏輯部門以及記憶體支出的強勢複甦所賜。代工/邏輯佔晶圓廠設備投資一半以上，2021年較前一年同比大漲50%。與此同時，對記憶體的強勁需求帶動了NAND和DRAM製造設備的支出，DRAM是2021年成長的火車頭，年增幅達52%，NAND設備則上升24%。 後端設備方面，組裝/封裝以及測試設備部門也都創下新高紀錄。組裝/封裝設備繼2020年成長34%之後，2021年更往上跳了一級，飆升87%，來到70億美元。組裝和封裝工具需求主要由覆晶、晶圓級封裝（WLP）和其他先進封裝技術，以及導線架產能增加所推動。自動化測試設備部門則是接續2020年增長20%的漲勢，2021年攀升30%，達78億美元。測試設備在5G、汽車、物聯網和高速記憶體等長期驅動因素帶動下，需求相當穩定。另外，在晶片複雜度持續提高和小晶片（chiplet）架構日益普及推波助瀾下，測試設備市場也正迅速不斷擴大。 可以說我們正在見證半導體產業的結構性轉變，資本密集度變高、成長幅度顯著，卻受限於供應鏈靈活性不足，無法完全滿足需求以及跟上產能擴張的速度。當前設備投資總額的水平，相對半導體營收，2021年為18.5%，高於2020年的16.2%。 半導體產業搭上數位經濟蓬勃發展的浪潮，資本密集程度和製造投資規模兩方面雙雙創下新高，然而前方的道路可能依舊顛簸。疫情爆發後，半導體產業面臨勞動力、材料和零件短缺，以及物流延誤和產能不足等重大挑戰接踵而來。各種難關再加上供應鏈受限，在在讓製造晶片所需要的設備交貨時間不斷拉長。除此之外，地緣政治局勢持續惡化以及潛在的出口限制也讓瓶頸加劇，更添供應鏈和監管措施的不確定性。不過，大規模供應鏈網絡重組，無論是由政治或市場力道所驅動，本就曠日廢時，動輒得花上好幾年的時間。 有鑑於半導體產業近年的各式加速衝刺，以及需要克服的種種障礙，讓人不禁好奇，成長動能會否已然到達瓶頸了呢？還沒。一般普遍認為2022年半導體設備仍保有10-12% 的穩健增長。根據SEMI半導體設備預測報告，從OEM的觀點預估市場受益於先進技術投資和強勁記憶體設備支出，將進一步擴大至1,140億美元的規模。從週期循環歷史來看，多年連續擴張難以維持，而連年增長通常伴隨支出收縮而來，讓產業消化新的產能，再次回到供需平衡的階段。不過，在目前數位轉型與各種新興技術相輔相成的大環境之下，各式指標紛紛指出，市場將持續大步往前邁進，半導體產業可望走上長期擴張之路。 更多半導體設備市場趨勢（依地區和部門分門別類）資訊，請參閱SEMI設備市場報告（EMDS）和其他相關報告。更多SEMI市場數據產品詳情或訂閱資訊，請洽[email protected]。 Inna Skvortsova為SEMI產業研究團隊之分析師。 About SEMI SEMI 為全球化的半導體產業協會，致力於促進電子供應鏈的整體發展，連結全球超過2,500多家會員企業以及130萬名專業人士。SEMI 會員致力於創新材料、設計、設備、軟體及服務，透過協會藉由互助合作促成更多的科技創新與商業媒合。自1970年起，SEMI 持續協助會員發展、拓展商機及加速市場成長。了解更多 SEMICON Taiwan 國際半導體展 全台年度最大半導體盛事SEMICON Taiwan 2022國際半導體展將於9月14日至16日於台北南港展覽館一館盛大登場。今年展覽規模亦再創27年新高，吸引700家國內外廠商參與，共計推出2,400個展覽攤位。探討台灣半導體產業的七大強項，包括先進製程、異質整合、化合物半導體、車用晶片、智慧製造、ESG永續、半導體資安等發展趨勢，持續引領全球半導體產業下世代關鍵技術之發展交流，以迎接未來數十年產業發展的黃金時代。 SEMICON Taiwan 2022 | 9月14-16日 | 台北南港展覽館一館 | 了解更多

過去數年以來，NVIDIA 、 Google、Amazon 、 IBM 等等企業投入了大量的資源發展「深度學習」技術，到了 2019年，自動駕駛、 AI 攝影、語音助理與推薦系統已經是生活中常見的商業應用：特斯拉的自駕車、Google驚人的黑夜攝影技術、真人般的語音助理對話以及 Spotify精準的推薦歌單，都成了殺手級的產品功能。 看到人工智慧時代的潛力，許多公司正試圖利用深度學習技術探索更多領域的潛在應用，涵蓋智慧醫療、商業行為分析、物流、智慧工廠、資訊安全跟雲端計算產業。 人工智慧應用產生鉅量運算需求 深度學習結構中，最大的進展是能讓電腦「學習」判讀「圖像」以及「聲音」，現實環境的物體都具有數量繁多、種類龐雜的資料表徵（Feature），例如圖像中的向量值、聲波的類比訊號，或是不同物體形狀的向量特徵，這類電子訊號經過處理後轉譯為數位訊號，進而讓電腦處理、分析以及「學習」，並透過演算法不斷訓練與增強，提升深度學習模型預測的正確率。 當人工智慧浪潮爆發之後，開發出的深度學習模型越趨複雜，高效能運算的市場需求也隨之攀升，為了縮短模型訓練時間與提升預測正確性，晶片開發商競相推出效能更強的 AI 處理晶片。 先進製程投資門檻大幅攀升，半導體業轉向運算架構上的創新 談到晶片效能改善，第一直覺是製程的改良，但隨著摩爾定律的逼近，電晶體的大小受到原子的物理限制，半導體製程的良率控制難度越來越高。 10 奈米（nm）以下製程首先面臨的挑戰是光刻技術的限制，半導體廠商需要由傳統的 DUV 轉為投入 EUV，利用解析度較高的 EUV 設備將晶片電路圖投射在基板上，這也代表光刻設備的重新投資，必須投入數百億美元進行研發，導致先進製程的價格相當昂貴。 對晶片設計業者而言，如果出貨量低於千萬顆，採用先進製程並不划算，況且提升的效能也有限，為了滿足人工智慧技術的運算需求，紛紛轉為追求「運算架構」上的創新── 針對人工智慧演算法特性開發的專屬硬體架構，分別為 GPU 、 FPGA 及 ASIC 。 {{cta('c754009a-7077-41f6-9768-e2112f97039e')}} 談GPU、FPGA與ASIC架構在人工智慧中的應用 深度學習是將物體的表徵資料輸入多層模型，逐層將特徵歸類為屬性類別，或是特徵，用以「學習」猜測新的物件類別，整個過程稱為「訓練（Training）」，這類演算法需要處理繁多且稠密的矩陣向量運算，必須採用平行運算架構的處理器才能有效處理數據。 圖形處理器（GPU）起初僅是 NVIDIA 針對電腦繪圖運算所開發，由數千個運算單位組成的平行運算架構，負責處理影像所需的矩陣運算，恰好符合深度學習演算法的需求，相對之下，傳統的中央處理器（CPU）僅有數個著重序列處理的核心，並不適合訓練深度學習模型。 另一方面，訓練效能大幅度取決於處理器與暫存記憶體之間的溝通速度（Computing In Memory）， GPU 配有高速的 GDDR6 視訊記憶體顆粒（VRAM），不僅具有更大的記憶體頻寬，更高的時脈也帶來更快的資料讀取/寫入速度，上述種種的優勢讓 GPU 的訓練效率遠比 CPU 好，成為訓練深度學習模型中最主流的運算架構。 探討完「訓練（Training）」後，值得注意的是深度學習 95% 的運作場景反而是「推論（Inference）」：是指將訓練好的模型應用在從未見過的資料中── 這項運算需要由獨立的 AI 晶片來執行，為此市場將目光投向了低功耗與低延遲的硬體架構：FPGA 與 ASIC。 可程式化邏輯閘陣列（FPGA）內部整合了大量的數位電路基本閘電路和儲存器，稱為「邏輯塊」，設計者透過工具軟體燒入設定檔來定義彼此之間的連線，快速驗證晶片的邏輯功能，而且出廠後也能依照需求改變邏輯塊之間的連線，客製化所需的邏輯功能。 由於處理的是較簡單且特規的邏輯功能，在功耗與延遲上比通用的 CPU 與 GPU 來得更有優勢，而且具有低成本、高度設計彈性以及開發時間較短的優點，廣泛受到中小型公司的歡迎，該領域目前由Xilinx 與 Intel 領軍。 特殊應用積體電路（ASIC）是為專門目的而設計的積體電路，執行速度在同等條件下比FPGA快，而且功耗更低， Google 知名的硬體加速 TPU 便是以 ASIC 為架構基礎，但缺點是出廠便無法更改其邏輯架構，一旦改演算法更動，就必須重新客製化新的 ASIC 晶片，因此晶片出貨量必須夠大才能有規模效益。 FPGA 與 ASIC 大多停留在成熟製程，介於 28 nm 至 12 nm ，尚未普遍應用 10 nm 以下的先進製程── 人工智慧時代中，比起追求傳統的製程改善，晶片開發商更著重設計創新的運算架構，以滿足快速成長的高效能運算需求。 為滿足呈倍數增加的數據資料以及更複雜的矩陣運算需求，一場創新 AI 晶片架構的競賽早已悄然展開，這股席捲全球的 AI 浪潮，預期將引爆超過 2 兆美元的商機！全球第二大國際半導體展 SEMICON Taiwan 今年將舉辦「智慧數據國際高峰論壇」以及「量子電腦論壇」，聚焦未來運算趨勢與創新架構，邀請來自 ARM、Facebook、Mentor, a Siemens Business、旺宏...等各領域菁英學者與專家，一起深度剖析應如何透過新的運算平台及 AI 晶片設計以實現數位化未來。想掌握這股浪潮、擁抱兆元商機，點擊以下 "立即報名" 就能即刻贏在起跑點！ {{cta('46284387-ccbe-4e6d-b043-b1c211109ffd')}}