關於 hbm台廠 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【下半年，重新洗牌？】
時間：2021/7/4(日)
發文：NO.1270篇
大家好，我是LEO
.
❖航運
指標股：長榮、陽明領軍，航海王動輒佔台股成交比重 40%甚至50%，是近幾十年來不曾有過的現象，兩檔股票都已經創歷史高，7/2長榮股價最高來到219元，市值高達1.09兆，陽明股價高達200.5元，市值高達6364億，已經遠遠超過股王大立光的4165億，到底合不合理？眾說紛紜，有法人一直調高目標價，認為第四季還會繼續旺下去，很多人至今仍抱著船票，搖旗吶喊，但是更多人當天買票，收盤賣票，到底該怎麼觀察？
.
長榮7/2成交金額高達 1137億，大盤成交 6070億，這張船票真是夠驚人的，陽明成交169億，但是長榮當天小跌 3%，陽明小跌2.5%，因為陽明仍在分盤期間，成交值較小是正常的，船員都跑去長榮了嘛！長榮7/2日的這一根K棒，是最近一年以來單日第二大成交量，最低價 200元整，就顯得相當具有關鍵意義，如果 200跌破，應該要適時的停利或減碼。
.
❖電子最上游
IP矽智財，IC設計族群是電子業最上游，縱使主力資金還在航運，已經有股票開始冒出頭，7/2創意(3443)收448.5元，帶量長紅漲停表態，它是台積電轉投資的矽智財廠，人工智慧／高速運算等產業大趨勢，配合台積電3D Fabric封裝技術，推出HBM、GLink-2.5D／3D相關IP，以及InFO／CoWoS／SoIC解決方案，法人預估預估下半年營收可望較上半年成長三成以上。
.
7/2日M31(6643)收422元，強攻漲停，它也是矽智財廠，M31的USB 2.0及USB 3.x傳輸介面IP，已提供台積電5奈米客戶採用，明年可望再延續至4奈米製程並協助完成晶片設計定案。
.
力旺(3529)收1365元，距離歷史高1475元僅差距7.4%，力旺單次可編程（OTP）記憶體IP，已打進在5奈米智慧型手機平台及高效能運算平台IP供應鏈。
.
記憶體-晶豪科(3006)7/2收174元，搶攻漲停鎖住，逼近歷史高175.5元，受惠利基型 DRAM、NOR Flash、SLC NAND Flash 三大主力產品線需求暢旺，今年以來營運持續跳增，第一季稅後純益達 6.45 億元，季增 1.6 倍，年增 1.07 倍，每股純益 2.3 元。累計前 5 月每股純益已達 5.15 元，法人看好第2季營收季增2成，今年全年營收、獲利有機會超越去年表現，再創新高。
.
❖矽晶圓
當IP矽智財，IC設計開始領頭衝，甚至挑戰歷史高，中游的矽晶圓與晶圓代工有沒有機會接棒演出？從邏輯來看答案是肯定的，從投信法人的動作來看，最近兩周特別青睞合晶(6182)、中美晶(5483)，分別淨買超股本的2.21%與1.61%，7/2日收盤61.3元、189.5元。
.
從基本面來看，合晶(6182)受惠於汽車應用等需求回溫，第3季訂單滿載，第4季展望也偏樂觀，傳出持續漲價消息。首季每股純益為0.29元，法人估計其今年每股純益上看2元。
.
根據外資摩根士丹利調查指出，全球裸晶圓需求成長，將推動晶圓供給吃緊一路到2022年，特別是8吋和12吋裸晶圓廠2022年都將達到高度供不應求的滿載狀態，晶圓廠可能必須和裸晶圓廠洽談長達五年的長約，且合約價可能比目前現貨價格多出五到六成，並進一步上修環球晶（6488）、合晶（6182）目標價至1,020元、72元，雙雙重申「加碼」。
.
7/2環球晶(6488)收907元，距離歷史高950元不遠，法人目標其實也是有機會達陣，中美晶轉投資環球晶51.17%，收盤189.5元，距離歷史高375還有蠻遠的空間，當環球晶大漲，中美晶有機會坐享母以子貴效益。
.
❖晶圓代工
當美股費城半導體還在創歷史高之際，市值高達15.25兆的台積電還在當趴趴熊，7/2收盤588元，距離今年1/21日679元差距91元，差距13.4%，最後當台股要準備衝萬八，甚至衝萬九，最後就只能靠護國神積表現了，接著帶動二哥聯電，在今年下半年智慧型手機回溫，5G手機滲透率提高，加上高速運算平台助威，相信還是有機會再創佳績。
.
究竟船票何時換手，就讓我們繼續看下去…
.
⧉更多產業新知請鎖定
❖Line群組傳送門⤵
https://lihi1.com/jjjwf
❖TG 頻道傳送門⤵
https://t.me/stock17168
天佑台灣，疫情早日結束❤️

軟體吞噬硬體的 AI 時代，晶片跟不上演算法的進化要怎麼辦？

作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |

身為 AI 時代的幕後英雄，晶片業正經歷漸進持續的變化。

2008 年之後，深度學習演算法逐漸興起，各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律，但不是物理定律或自然定律，而是半導體業發展的觀察或預測，內容為：單晶片整合度（積體電路中晶體管的密度）每 2 年（也有 18 個月之說）翻倍，帶來性能每 2 年提高 1 倍。

保證摩爾定律的前提，是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米，指的就是製程，數字越小製程越先進。隨著製程的演進，特別進入10 奈米後，逐漸逼近物理極限，難度越發增加，晶片全流程設計成本大幅增加，每代較上一代至少增加 30%~50%。

這就導致 AI 對算力需求的增長速度，遠超過通用處理器算力的增長速度。據 OpenAI 測算，從 2012 年開始，全球 AI 所用的演算量呈現等比級數增長，平均每 3.4 個月便會翻 1 倍，通用處理器算力每 18 個月至 2 年才翻 1 倍。

當通用處理器算力跟不上 AI 演算法發展，針對 AI 演算的專用處理器便誕生了，也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富，從架構創新到先進封裝，再到模擬大腦，都影響 AI 晶片走向。這些變化的背後，都有共同主題：以更低功耗，產生更高性能。

更靈活

2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時，他們聚焦於架構創新主題，指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷，AI 晶片不斷出現新架構，比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器，已逐漸被業界認可，並 Graphcore 也獲得微軟和三星的戰略投資支援。

名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array（粗顆粒可重構陣列），是「可重構計算」理念的落地產物。

據《可重構計算：軟體可定義的計算引擎》一文介紹，理念最早出現在 1960 年代，由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代，直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構：製造後晶片功能仍可客製，形成加速特定任務的硬體功能；演算功能的實現，主要依靠任務到晶片的空間映射。

簡言之，可重構晶片強調靈活性，製造後仍可透過程式語言調整，適應新演算法。形成高度對比的是 ASIC（application-specific integrated circuit，專用積體電路）。ASIC 晶片雖然性能高，卻缺乏靈活性，往往是針對單一應用或演算法設計，難以相容新演算法。

2017 年，美國國防部高級研究計劃局（Defence Advanced Research Projects Agency，DARPA）提出電子產業復興計劃（Electronics Resurgence Initiative，ERI），任務之一就是「軟體定義晶片」，打造接近 ASIC 性能、同時不犧牲靈活性。

照重構時的顆粒分別，可重構晶片可分為 CGRA 和 FPGA（field-programmable gate array，現場可程式語言邏輯門陣列）。FPGA 在業界有一定規模應用，如微軟將 FPGA 晶片帶入大型資料中心，用於加速 Bing 搜索引擎，驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性，不僅性能和 ASIC 有較大差距，且重程式語言門檻比較高。

CGRA 由於實現原理差異，比 FPGA 能做到更底層程式的重新設計，面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。

隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備，不僅演算法多樣性日益增強，晶片更零碎化，且保證低功耗的同時，也要求高性能。在這種場景下，高能效高靈活性的 CGRA 大有用武之地。

由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善，CGRA 未被業界廣泛使用，但已可看到一些嘗試。早在 2016 年，英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。

中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210，同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊，從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導，語音晶片 TX210 已出貨數百萬顆，多模組晶片 TX510 在 11 月也出貨 10 萬顆以上，主要客戶為智慧門鎖、安防和臉部支付相關廠商。

先進封裝上位

如開篇提到，由於製程逼近物理極限，摩爾定​​律逐漸放緩。同時 AI 演算法的進步，對算力需求增長迅猛，逼迫晶片業在先進製程之外探索新方向，之一便是先進封裝。

「在大數據和認知計算時代，先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求，正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。

先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步：將製作好的晶片器件放入外殼，並與外界器件相連。傳統封裝的封裝效率低，有很大改良空間，而先進封裝技術致力提高整合密度。

先進封裝有很多技術分支，其中 Chiplet（小晶片／芯粒）是最近 2 年的大熱門。所謂「小晶片」，是相對傳統晶片製造方法而言。傳統晶片製造方法，是在同一塊矽晶片上，用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解，儲存、計算和訊號處理等功能模組化成裸晶片（Die）。這些裸晶片可用不同製程製造，甚至可是不同公司提供。透過連接介面相接後，就形成一個 Chiplet 晶片網路。

據壁仞科技研究院唐杉分析，Chiplet 歷史更久且更準確的技術詞彙應該是異構整合（Heterogeneous Integration）。總體來說，此技術趨勢較清晰明確，且第一階段 Chiplet 形態技術較成熟，除了成本較高，很多高端晶片已經在用。

如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路，CPU 用的是 7 奈米製程，I/O 使用 14 奈米製程，與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。

不過，Chiplet 技術仍面臨諸多挑戰，最重要之一是互連介面標準。互連介面重要嗎？如果是在大公司內部，比如英特爾或 AMD，有專用協議和封閉系統，在不同裸晶片間連接問題不大。但不同公司和系統互連，同時保證高頻寬、低延遲和每比特低功耗，互連介面就非常重要了。

2017 年，DARPA 推出 CHIPS 戰略計劃（通用異構整合和 IP 重用戰略），試圖打造開放連接協議。但 DARPA 的缺點是，側重國防相關計畫，晶片數量不大，與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA（開放領域特定架構）工作組」，透過制定開放的互連介面，為 Chiplet 的發展掃清障礙。

另闢蹊徑

除了在現有框架內做架構和製造創新，還有研究人員試圖跳出電腦現行的范紐曼型架構，開發真正模擬人腦的計算模式。

范紐曼架構，數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度，造成「記憶體牆」問題。且傳統電腦需要透過總線，連續在處理器和儲存器之間更新，導致晶片大部分功耗都消耗於讀寫數據，不是算術邏輯單元，又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題，處理訊息和儲存一體，計算和記憶可同時進行。

另一方面，推動 AI 發展的深度神經網路，雖然名稱有「神經網路」四字，但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元，透過 100 萬億個神經突觸連接，使人腦能以非常低功耗（約 20 瓦）同步記憶、演算、推理和計算。相比之下，目前的深度神經網路，不僅需大規模資料訓練，運行時還要消耗極大能量。

因此如何讓 AI 像人腦一樣工作，一直是學界和業界積極探索的課題。1980 年代後期，加州理工學院教授卡弗·米德（Carver Mead）提出神經形態工程學的概念。經過多年發展，業界和學界對神經形態晶片的摸索逐漸成形。

軟體方面，稱為第三代人工神經網路的「脈衝神經網路」（Spike Neural Network，SNN）應運而生。這種網路以脈衝信號為載體，更接近人腦的運作方式。硬體方面，大型機構和公司研發相應的脈衝神經網路處理器。

早在 2008 年，DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統（Systems of Neuromorphic Adaptive Plastic Sc​​alable Electronics，簡稱 SyNAPSE，正好是「突觸」之意），希望開發出低功耗的電子神經形態電腦。

IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元，能以每秒 30 幀的速度輸入 400×240pixel 的影片，功耗僅 63 毫瓦，比范紐曼架構電腦有質的飛躍。

英特爾 2017 年展示名為 Loihi 的神經形態晶片，包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸，比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月，研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。

中國清華大學類腦計算研究中心的施路平教授團隊，開發針對人工通用智慧的「天機」晶片，同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日，天機成為中國第一款登上《Nature》雜誌封面的晶片。

儘管已有零星研究成果，但總體來說，脈衝神經網路和處理器仍是研究領域的方向之一，沒有在業界大規模應用，主要是因為基礎演算法還沒有關鍵性突破，達不到業界標準，且成本較高。

附圖：▲ 不同製程節點的晶片設計製造成本。（Source：ICBank）
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。（Source：中國科學）
▲ 異構整合成示意動畫。（Source：IC 智庫）
▲ 通用處理器的典型操作耗能。（Source：中國科學）

資料來源：https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I

積電投資3032億建竹南封測廠2021年運轉

由於，看好AI及HPC 發展趨勢，3D封裝技術成為開發目標。所謂 3D 封裝技術，主要為求再次提升 AI 之 HPC 晶片的運算速度及能力，試圖將 HBM 高頻寬記憶體與 CPU / GPU / FPGA / NPU 處理器彼此整合，並藉由高端 TSV（矽穿孔）技術，同時將兩者垂直疊合在一起，減小彼此的傳輸路徑、加速處理與運算速度，提高整體 HPC 晶片的工作效率。

除了封測廠(日月光、力成、Amkor等)積極加入外，半導體代工製造商(台積電、三星等)與 IDM 廠(Intel)也陸續投入3D封裝技術研發及資源。...