1.7納米之爭進入白熱化，臺積電預計獲超50個專案採用；
2.比特大陸訂單放量帶動 臺積電3月營收首飆千億新臺幣；
3.臺積、三星積極導入EUV！半導體設備巨擘ASML躍2周高；
4.機器視覺應用漸廣2022年產值將超過140億美元;
5.深度學習專家很缺嗎？；
1.7納米之爭進入白熱化，臺積電預計獲超50個專案採用；
集微網消息，據韓媒報導，三星將早半年時間完成7納米製程，並拿下高通驍龍855系列高端處理器大單。面對三星捷報頻傳，有消息傳出臺積電也將奪下華為海思麒麟980處理器大單，並於本季開始生產，而蘋果、聯發科、英偉達等也陸續採用7納米製程，在7納米戰役仍穩操勝算，預計臺積電7納米今年將超過50個專案採用，年營收會超過10%，出貨高峰期落在第3季。
臺積電與三星的7納米之戰爭正式進入白熱化階段。
據韓國媒體SEDaily報導，最初三星預計7 納米製程技術的開發將在2018 年下半年完成，但是，未來追趕臺積電的腳步，現在已經提前半年完成。三星率先在7納米導入極紫外光（EUV）作為微影設備，藉此縮減光層，而研發團隊並朝向5納米製程技術前進，預計在2018年下半年開始，以7納米製程生產高通驍龍855及三星Exynos 9820處理器，目前已將設計資料庫交給高通。
報導中還進一步表示，三星半導體部門的官員指出，目前參與7 納米製程技術開發的三星相關人員已完成使命，並轉向開發5 納米製程技術上，而且他們也已經向高通等客戶分享了樣品生產所需的設計資料庫。
業界也有消息指出，韓國媒體報導三星的7納米拿下高通驍龍855手機晶片訂單的消息可能為誤傳。臺積電供應鏈仍認為，高通還是把高端晶片訂單交給臺積電，僅把部分中階產品轉向三星，取得成本優勢。
反看臺積電，在7納米布局按部就班，去年第4季進行風險性試產，上季開始量產。延續先前幾代的合作關係，有消息傳出，臺積電再獲華為海思麒麟980處理器大單，該處理器將以7納米製程生產，預計本季開始進入量產，而第二代加入人工智慧神經網絡單元也將採用臺積電7納米製程生產。
聯發科昨日宣布推出業界第一個通過7nm FinFET矽驗證，未來將該IP順利整合進入各種前端產品設計之中。英偉達（NVIDIA）也確定新一代晶片Orin將採用臺積電7納米生產。此外，蘋果下一代A12處理器也將交由臺積電7納米生產，市場預期第2季開始投片，第3季開始放量。
不僅如此，臺積電為拉大競爭者距離、持續保持領先優勢，除了加速7納米製程導入EUV的時程，在今年底建立試產產線，並擴大扇出型晶圓級高端封裝產能，而7納米研發團隊並已開始研發3納米製程技術，保持技術領先優勢。
2.比特大陸訂單放量帶動 臺積電3月營收首飆千億新臺幣；
晶圓代工龍頭臺積電昨（10）日公告3月合併營收達1,036.97億元（新臺幣，後同），首度突破千億元大關，並改寫單月營收新高。臺積電第一季以美元計價合併營收符合預期，但因新臺幣兌美元匯率明顯升值，因此首季新臺幣合併營收達2,480.79億元，卻略低於上次法說會中提出的業績展望區間。
■比特大陸訂單放量帶動
臺積電第一季先進位程接單暢旺，特別是來自於比特大陸（Bitmain）等加密貨幣挖礦運算特殊應用晶片（ASIC）訂單放量，帶動3月合併營收月增60.4％達1,036.97億元，較去年同期成長20.8％，不僅是單月營收首度突破千億元大關，亦同步創下歷史新高紀錄。
臺積電先前預估第一季合併營收將達84～85億美元，較去年第四季下滑約8％，創下歷年第一季營收新高，但在新臺幣兌美元匯率為29.6元的假設下，以新臺幣計算合併營收將介於2,486.4～2,516.0億元之間。
臺積電第一季合併營收2,480.79億元，較去年第四季合併營收2,775.70億元下滑10.6％，與去年第一季合併營收2,339.14億元相較成長6.1％，但低於先前提出的業績展望區間。法人表示，臺積電第一季以美元計價合併營收符合預期，但新臺幣升值情況比預期強勁，所以折算回新臺幣的單季合併營收就變成低於先前預估。
臺積電第一季雖受到智能型手機供應鏈調整庫存、新臺幣明顯升值等雙重影響，但來自比特大陸等加密貨幣挖礦運算ASIC的需求強勁，抵消了手機晶片季節性修正壓力。法人指出，臺積電預估第一季毛利率將介於49.5～51.5％之間，營業利益率介於38.0～40.0％之間，仍可順利達成目標。
■法人預期Q2將與Q1持平
受到第一季工作天數較少影響，臺積電第二季晶圓出貨約與上季差不多，法人預期營收表現與第一季持平。而第二季在智能型手機供應鏈重啟晶片拉貨，加上繪圖晶片、挖礦運算ASIC、網通晶片等投片量明顯提升，以及蘋果7奈米A12處理器開始投片。
隨著晶圓在7月之後放量出貨，法人看好第三季營收可望改寫歷史新高。
3.臺積、三星積極導入EUV！半導體設備巨擘ASML躍2周高；
歐系外資直指，臺積電 (2330)、三星電子(Samsung Electronics Co.)對先進位程競賽白熱化，對歐洲半導體設備業龍頭艾司摩爾(ASML Holding NV)來說，將相當有利。
barron`s.com 9日報導( 見此 )，歐系外資9日發表研究報告指出，最近有謠言暗示，臺積電可能推延了極紫外光(EUV)微影設備訂單的交期，但根據實地調查，EUV的需求展望非但並未減弱、反之還有增溫跡象，估計ASML明(2019)年的EUV產能，應能如期被搶訂一空。
報告直指，臺積電已在4月2日向ASML和日本半導體設備廠Lasertec下達了近10億美元的訂單，顯示第一季訂購的設備數量應有6-8臺。三星則是對EUV態度最積極的廠商，據調查，三星或許會將至少一部份的1y nm DRAM (~1 layer)產能導入EUV，量產DRAM的時間點，甚至會比7 奈米晶圓代工/邏輯晶片還要早，因為三星打算先用風險較低的DRAM試產，以便在未來大量替7奈米製程導入EUV。
相較之下，臺積電則可能加快5奈米的研發進度，確保對三星的競爭優勢。報告預測，臺積電的7nm+製程會在2019年初投產，5nm製程技術則準備在2020年量產。為了達到產能目標，臺積電必須在2019年開始安裝設備，而該公司最近的設備訂單，應該就是在為5nm製程作準備。
ASML 9日終場上漲2%、收198.53美元；盤中一度跳漲至202.57美元，創3月27日以來盤中高。
三星位於南韓華城市(Hwaseong)的晶圓新廠已於2月23日正式動土，預定明(2019)年下半年開始量產7奈米以下製程的晶片，未來可望在智慧裝置、機器人的客制化晶片取得不錯進展。
Pulse by Maeil Business News Korea 2月20日報導，三星計畫投入6兆韓圜(相當於56億美元)升級晶圓產能。位於華城市的晶圓新廠將安裝超過10臺極紫外光(EUV)微影設備，由於每臺EUV設備要價皆多達1,500億韓圜，因此光是採購機臺的費用，就將達到3 -4兆韓圜。
相較之下，臺積電採用5奈米先進位程的12吋晶圓廠今年1月26日正式動土，預計第一期廠房明年第一季就可完工裝機、2020年年初進入量產。臺積電公告指出，待2022年第一、二、三期廠房皆進入量產時，年產能預估可超過100萬片十二吋晶圓。精實新聞
4.機器視覺應用漸廣2022年產值將超過140億美元;
機器視覺在工廠自動化系統中向來扮演重要環節，當初發展時，僅作為人類時覺的替代品，不過隨著技術的提升，機器視覺在產線的應用逐漸加深，現在此技術的辨識速度與精度，以非人眼可比，根據研究機構指出，機器視覺到2022年全球產值將超過140億美元，就目前發展來來看，未來幾年的重點技術將包括機器人、3D視覺、工業感測器、影像處理技術、機器人控制軟體或演算法、類人工智慧技術等方面，而在這些技術中，3D視覺和機器人將是主要關鍵。
在機器視覺發展初期，臺灣廠商大多使用靠引進國外的機器視覺產品，再針對客戶需求整合系統，後期工業電腦產業崛起，臺灣相關廠商開始著重機器視覺的開發，再加上市場對工業智慧相機、圖像擷取設備以及影像處理等產品及應用需求的增加，無論在技術或應用面，機器視覺都已有大幅成長。
不過近年來中國大陸的相關產業也迅速蓬勃，相關資料統計，目前中國的機器視覺企業已超過102家，機器視覺產品代理商超過200家，專業的機器視覺系統整合商超過50家，從光源、工業相機、工業鏡頭、影像擷取卡以及處理軟體等所有機器視覺產業鏈漸趨完整。
隨著智慧製造趨勢的加速，機器視覺產品將逐漸成為企業落實協作生產的關鍵技術，但在此同時，另一個問題也隨之浮現，也就是當機器視覺產品開始成為生產線的資訊收集工具時，為相容不同視覺系統，除了採用標準化技術外，相關設備還必須貼合企業需求進行二次開發，需求的轉變促使產業轉型，因此未來的機器視覺廠商將不再是提供單一產品，而是逐漸轉變為整體解決方案系統整合商。
就應域面來看，根據研究機構的調查顯示，目前機器視覺的市場需求有40％～50％集中在半導體與電子產業，包括PCB印刷電路板、電子封裝技術、SMT表面組裝等，主要原因在於半導體產業需要以高精度的視覺設備和高品質的技術為後盾，而機器視覺可完全能夠解決這些問題；此外機器視覺系統在品質檢測方面的應用已經相當廣泛，在產線中有重要地位，其應用深度與其自動化系統程度呈正比，像是製藥、印刷、食品外包裝檢測等，此外在政策性因素的影響下，高階創新型領域、智慧交通等領域，也將是未來機器視覺應用的重點方向。Ctimes
5.深度學習專家很缺嗎？；
DeepScale是一家總部位於美國加州山景城(Mountain View, CA)的新創公司，在2015年成立後，持續專注於為先進駕駛輔助系統(ADAS)和自動駕駛車開發深度學習感知軟體。該公司不久前還從Point72和Next47兩家創投公司完成了1,500萬美元的A輛融資。
DeepScale的深度神經網路軟體採用低功耗的汽車級晶片，為自動駕駛車偵測車輛、行人和物件（來源：DeepScale）
該新創公司並與Hella-Aglaia Mobile Vision GmbH展開新的合作夥伴關係。今年初，一家位於美國密西根州的一級(tier one)代理商Visteon也宣布與DeepScale展開合作，並開發出首款自動駕駛技術平臺——DriveCore。
然而，最令人印象深刻的是，DeepScale執行長Forrest Iandola在接受《EE Times》的電話採訪時所說的話——當今世界上還沒有足夠的深度學習專家。
深度學習專家不足？
汽車OEM和tier-one供應商對於軟體專業知識(特別是深度學習)的需求，都是在過去18個月來才開始有所增加。整體而言，業界在深度學習方面存在長期的知識差距，也不太知道該如何利用它來開發軟體。
甚至是DeepScale，也感到迫切需要更快地在公司內部擴展其專業知識，以滿足外部的需求。Forrest Iandola是DeepScale的共同創辦人，還曾經在美國加州大學柏克萊分校(UC Berkeley)取得神經網路與電腦視覺研究領域的博士學位。
那麼，DeepScale打算如何運用這筆1,500萬美元資金？Iandola告訴《EE Times》，「我們不僅需要聘請深度學習專家，還必須開發內部[深度學習]訓練計劃，進一步擴展自家團隊。」
事實上，Iandola坦言，深度學習領域仍處於起步階段——即使在學術界亦然。因此，這家新創公司想在內部擴大團隊規模，可不像單純招聘一批具有深度學習博士學位的人一樣簡單。
Forrest Iandola
Iandola認為，深度學習「可說是一門跨學科的領域，你不僅要有數學和演算法方面的專家，也需要知道如何在平臺上建置軟體的電腦系統專家。然後，我們也會需要熟悉資料管線的專家來調整和管理資料組合。」
總之，深度學習專家是以前所未有的方式配對組合知識的人。我們必須要有深度學習模式方面的專家、了解深度學習基礎架構的人員，以及熟悉深度學習資料集的人員。Iandola說：「我們計劃提供內部課程，並為每二到三名初級工程師指派一名導師。」
他解釋說，其目標在於培養內部軟體工程師，使其在一至兩年內熟習深度學習。而當被問及DeepScale的內部訓練與教授深度學習的研究生課程有何不同時，Iandola說：「二者將會十分類似。我們將複製在柏克萊大學教授的內容。」
然而，Iandola說，：「這並不是說我們取得了深度學習的教科書，而是將會教授基於問題的學習徑。」例如，當深度學習專家面對自動駕駛的實際問題時，他們將會有許多能與團隊其他成員共同分享的東西。
今年初，DeepScale有12名員工，而在最近增加新進人員後，Iandola說：「我們是一家擁有18人的公司，其中大部份都是工程師。」
開發中的產品
DeepScale目前正為汽車OEM和tier one供應商提供參考套件，協助其改善感知系統。
DeepScale的優勢是在小型、低成本的車用級感測器和處理器上導入高效率的深度神經網路(DNN)，能夠提高感知系統的精確度，即時解析並分類自動車輛的感測器資料。DeepScale的目標在於以各種價格點為量產車輛提供不同的駕駛輔助和自動駕駛功能。
DeepScale的途徑：深度神經網路感測器融合（來源：DeepScale）
Iandola在參酌來自汽車製造商和tier one供應商的意見後，希望該公司的參考套件能夠成為部署至汽車中的大規模生產軟體。
同時，DeepScale期望開發自家的測試方法—— 類似於傳統的功能安全方法，但專門為軟體密集型的車輛而設計。Iandola指出，傳統的設計/測試是為具有少量電子元件的機械驅動車輛而開發的。隨著新一代車輛帶來更多軟體和人工智慧(AI)，測試方法必須改變。「我們希望在今年年底前開發一些產品，並希望與客戶和業界組織分享我們的方法。」
編譯：Susan Hong eettaiwan
(參考原文：Are We Short of Deep Learning Experts?，by Junko Yoshida)
END