2020增长点之： 工业4.0

xhz21906

2020增长点之：工业4.0
华虹宏力从芯片制造的角度来看，
! c- s7 I8 h5 P* H特色工艺平台可以提升供应链稳定
+ D& G7 G. d! u( Z2 Q性、产品可靠性及成本优势，而中
0 n: w5 f/ [. Q( \* H7 }美贸易局势带来的国产替代潮，也
将是国产半导体的增长催化剂之
6 y2 s+ j/ b  r* u* `# Y7 C一。以客户黏度很高、目前国产
- ~/ V% w' `* d, [2 L化率低且替代速度很慢的mcu为
# C+ m$ }, Y, [1 w& [例，孔蔚然表示：“国产MCU最初主要瞄准消费类产品，比如电
子秤、电饭锅等。随着其技术性能
的逐步提升，渐渐被用于冰箱、洗
衣机、空调等年销量达10亿台的白
1 j9 W3 q1 l, v' Q9 T) i; c3 E. n, H家电中，更有部分高端MCU产品
0 ^) Z7 U! K+ B: L: H+ b瞄准车载应用。庞大的中高端市
场替代空间，正等待着国产MCU
1 j1 @. j! Q) [4 g( [8 f去填充。”
' E- R8 d: K1 V3 }) n智能化趋势从移动设备向汽
) T2 i; ]' N, \车、工业的延伸，未来将继续推
动半导体芯片需求增长。电子产品
/ b: I: H% C6 T升级换代催化存量更新，将惠及芯
片制造业。“2020年，我们认为除
了5G商用、物联网落地及国产替
# s9 c4 \) E" H0 A0 |: ?代带来的需求增长外，一些大型
跨国企业有可能会加大委外代工
. |- T" b7 J& l, n4 n1 K(OSAT)比例，将是特色工艺需求
4 m8 ~4 m! T6 e6 {增长的重要推力。”孔蔚然说道。
9 J' i/ p7 t- F/ d  \ADI同样看好工业4.0带来的
6 z3 N: v0 m3 P( }$ m这波浪潮。借助边缘到云计算、
) I3 t8 k. g: ^6 K& E人工智能、软件可配置系统等方
面的重大技术进步，工业4.0将极
大地提高工业生产的生产力、灵
活性和安全性。赵轶苗以工业中获
8 U: D) x$ ^1 J( B2 _得广泛应用的工业状态监控为例，
表示“我们在过去20年里一直致力
+ X7 ^3 j4 m3 U; [* V: A( l于理解人类是如何解读声音和振动
的，从而建立一个系统来学习、解
9 Q: J" G+ l9 {" _译设备的声音和振动的含义，以检
8 i( |) l7 b, b8 z( I# r测异常行为并进行诊断。随着AI技
. s/ U1 a0 X! B1 x, c$ R& u0 R) N4 i4 H术的导入，这种愿望已经变成现
2 W3 I) f4 J# n! Z" o实。”ADI的OtoSense体系结构
就是一种设备健康监测系统，支持
# r& f* ?9 O+ T7 R  g' r2 J0 G' [6 m计算机听觉，让计算机能够理解设
$ V* y5 i+ U; U/ z: x# A9 }- S& {3 X备发出的声音和振动主要指标，能
够在问题变得严重之前确定工厂机
初主要瞄准消费类产品，比如电
' V7 X) S5 G* f2 a' X* W0 d- O4 j8 W子秤、电饭锅等。随着其技术性能
的逐步提升，渐渐被用于冰箱、洗
衣机、空调等年销量达10亿台的白
. A% C7 C0 X* b5 o; N家电中，更有部分高端MCU产品
瞄准车载应用。庞大的中高端市
场替代空间，正等待着国产MCU
+ b: X" z: h. V7 j' F1 y% Y去填充。”
% B) I4 P0 u; }# T- X5 p智能化趋势从移动设备向汽
2 M: @  f5 V1 O2 y* q" D车、工业的延伸，未来将继续推
动半导体芯片需求增长。电子产品
3 L; R8 f, t4 T" a升级换代催化存量更新，将惠及芯
6 z8 u8 U4 [% u; |5 y- B片制造业。“2020年，我们认为除
了5G商用、物联网落地及国产替
3 ]! o) D' H' ~; E代带来的需求增长外，一些大型
跨国企业有可能会加大委外代工
(OSAT)比例，将是特色工艺需求
. X' n, R5 g# l6 M2 [6 _增长的重要推力。”孔蔚然说道。
ADI同样看好工业4.0带来的
7 P3 r: I, `6 L6 X这波浪潮。借助边缘到云计算、
人工智能、软件可配置系统等方
面的重大技术进步，工业4.0将极
2 B( h* g# a$ |" d' n大地提高工业生产的生产力、灵
活性和安全性。赵轶苗以工业中获
* Q1 D, v; D! O3 f得广泛应用的工业状态监控为例，
' p1 D/ n# W+ u; c* I# y表示“我们在过去20年里一直致力
( E6 R" ^! r( a: Z2 w4 @于理解人类是如何解读声音和振动
$ L# K% m1 f1 i9 L7 E# h( y# \$ y' g的，从而建立一个系统来学习、解
7 @8 Q7 l" y4 b" O: D- d3 D7 O译设备的声音和振动的含义，以检
测异常行为并进行诊断。随着AI技
术的导入，这种愿望已经变成现
9 N0 m* ]+ M, U5 X: h# p实。”ADI的OtoSense体系结构
就是一种设备健康监测系统，支持
9 I, e% ^3 r% V6 d7 B计算机听觉，让计算机能够理解设
备发出的声音和振动主要指标，能
够在问题变得严重之前确定工厂机
器或汽车发动机中的潜在问题。
持相同观点的还有Teledyne
# ?9 P' ?8 c% D6 Ie2v，他们认为，在工业感知和
9 G3 K9 M$ V; T0 V2 n7 M监控，以及测试测量领域，日益
增长的以更高速度采集更多数据
的需求，正在推动新性能特点的
产品出现。特别是5G时代的到
  M; y8 A5 N+ l- G- R# K$ o$ v来以及工业4.0的进一步发展，
& V) q$ G: i1 p# E! Y( |将需要特定目标的测量、感测和
3 V7 b- _1 {* K2 U* X) j( X: z监控仪器的设备来保证质量与性
6 b) G: o$ Q9 T0 o5 m, G能。“Teledyne e2v公司利用诸
如多通道和多器件同步化支持等新
. ?0 O4 O5 F# y性能和新功能，专注于开发有助于
' {8 C# H6 Q3 I- b/ O/ ~. Q实现高性能的系统。”Anthony
Fernandez说道。
7 V) m  M% O! f1 @4 D此外，工业4.0的大潮将带动
# n- ~' I* \4 I' e, Z8 w工业设备的联网趋势，只有联网
( K# Y) g$ b9 X# p, Z# p: W的设备才有可能实现智能分析与控
0 t* P7 M; y) [5 c制。但工业网络标准众多、新老设
1 ]2 k8 c4 t. r3 l备或不同连接标准的设备之间实现
( l. b, T( M- W+ t9 U联网经常遇到困难，工业系统之间
0 \0 d2 a! k- ]' u+ t7 x2 v8 i的兼容性差是实现工业4.0的一大
$ |  p9 v; q9 t. x% x( C6 Q* f障碍，同时工业4.0要求高度的协
. F/ b; D0 r, {# O同能力对网络传输延时带来苛刻
/ M0 B; c( L0 N; n9 b的要求。“我们针对工业互联的
6 @2 _( j/ q, w( F6 n# }! I7 \+ l解决方案是Fido系列，通过一颗芯
# M$ h: }( d4 w% L' T/ S片可以支持不同的工业网络标准，
& D: J& [$ {4 q5 Q7 c实现不同架构之间设备的连接，包
6 ?9 Q  p2 x5 S- i4 ]  h括时间敏感性网络(TSN)。”赵轶
! c. j/ ~% P" U8 e9 f6 o9 w苗说道。
% ]% V1 W2 o! b, ]! D当前全球正在大力发展新能源
与清洁能源，它将带动新型智能化
输配电以及储能技术的发展，包括
新能源的产生、储存和有效地传输
三个方面都将带来大量的机遇。此
外赵轶苗认为，泛在电力物联网作
5 y( p/ G; R+ F  c" _2 D0 W8 i为新兴的电网自动化系统，正逐步
助力实现传统电网向能源互联网的
, p2 G+ V7 n2 t& M# T升级。在此过程中，业界需要不断
地寻找并应用新方法、新技术来支
撑泛在电力物联网配电系统的安
2 j9 {- A! m0 U( X: C; ?% \, {% P) N全、可靠、优质、高效运行，如何
8 P( l) x% r; S: X! E+ g* W将物联网技术通过芯片与软件系统
实现整个配电系统的联网整合，是
3 z+ n2 g1 L6 r- c未来产业面临的机遇与挑战。
* ^1 E/ g5 j  s8 D0 Y) d- s8 d人们对效率的追求是永无止
境的。随着工业4.0的发展，从
数据库的任务到制造、汽车，再
2 ]) p7 Q- R# F2 P. U6 n  c/ h; b4 u到用户体验和自助业务功能，几
) A+ f9 a3 m; O9 ?乎所有任务都可以通过自动化实
现。Steven Craig认为，自动
化是成功的关键。融合了各种数据
' Y; O3 U) C' A7 F9 O" }4 \# n- U类型的新型AI/机器学习(Machine
Learning, ML)版本及其洞察
能力，将成为自动化的关键推动
1 w& m, q5 Y0 i3 \7 v" M力。“我们相信在2020年，企业将
继续实施AI/ML，以自动化提高效
率和生产力，进而降低整个价值链
的成本。”他说道。
而目前，在全球范围内，数
# B( D! s9 q1 F据分析进程的发展还远远不足以
; b+ E0 e- ^2 ^0 f0 z支持机器学习工作负载的增长。
3 n3 b9 i4 ]/ m如今，企业更多的是将机器学习
的功能交给软件工程师或业务专
; f7 G: o& ^1 u' B7 U家。Steven Craig表示：“我们
相信随着新的工具的推出和发展，
机器学习将能够履行目前数据科学
5 Z2 y  z! c& i0 @) r2 r家的基本职责，而真正的数据科学
家的角色，将转为更高的附加值的
体现 — 例如针对特殊用例工作对
: X; U; M% Q8 w机器学习行为进行微调。”在未来
3 b5 Q' b9 P4 V* `) G6 d3 ~ 5年内，机器学习自动化将成为
常态，而企业将拥有更多可用的
工具，从而解放数据科学家人员，
使其得以以更加高效且灵活的方式
开展工作。
“基于这一发展趋势，智能工
: g* M: n1 i0 Y厂、企业数据中心等各个领域都越
9 E$ l8 }$ G$ n) _) A来越需要有针对性的数据存储解决
方案。”

sisisisisisiwww

随着其技术性能: 的逐步提升，渐渐被用于冰箱、洗衣机、空调等年销量达10亿台的白家电中，更有部分高端MCU产品瞄准车载应用。