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，
5 k& U0 Q; j6 m- R7 m特色工艺平台可以提升供应链稳定
性、产品可靠性及成本优势，而中
! b/ Z  N9 y, o# |  q) d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
) U, x0 m5 i7 {! V% F2 U  r一。以客户黏度很高、目前国产
化率低且替代速度很慢的mcu为
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
1 M3 p3 M. \+ s2 g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
9 i3 z) w: @: A+ R% E, x瞄准车载应用。庞大的中高端市
! M! Z3 ^0 E" r. n场替代空间，正等待着国产MCU
& e6 L+ M, s8 h: B" y% @去填充。”
$ z' `$ t+ o2 U' ?; Y3 Z智能化趋势从移动设备向汽
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
升级换代催化存量更新，将惠及芯
" f! V3 U3 u  A4 z  m8 l片制造业。“2020年，我们认为除
了5G商用、物联网落地及国产替
/ H3 k5 O% e# B' ?* u' M3 a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
增长的重要推力。”孔蔚然说道。
$ I9 {+ ~- l' `% r3 xADI同样看好工业4.0带来的
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
7 q7 B6 h. K: m& c; h7 }* G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
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
于理解人类是如何解读声音和振动
6 g* f- z: q% `) M$ O, m的，从而建立一个系统来学习、解
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
' C# Y/ s% {9 `6 ]$ n* m9 u- m+ T% C+ d实。”ADI的OtoSense体系结构
5 ]& Y1 Z% T3 W5 d& L就是一种设备健康监测系统，支持
计算机听觉，让计算机能够理解设
: V0 c: x) R8 D7 K3 ?2 @+ v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
6 I. R9 l8 A* ?+ {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
7 C. |3 t3 W) j( P( b的逐步提升，渐渐被用于冰箱、洗
) B0 i$ D- H2 s) A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。庞大的中高端市
场替代空间，正等待着国产MCU
去填充。”
: ]; q* X1 C0 r7 k# @, o6 L, Y% n智能化趋势从移动设备向汽
; K0 Q! Q  _4 s/ _1 l8 C6 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
升级换代催化存量更新，将惠及芯
- @3 c* w8 V" B2 _$ H0 ~& H: s; d片制造业。“2020年，我们认为除
1 ?1 U; S: R- d3 p$ |了5G商用、物联网落地及国产替
代带来的需求增长外，一些大型
0 u( E1 X- A. @# d' B8 ^0 p跨国企业有可能会加大委外代工
  u5 e% S. {9 S3 i; W) a$ w(OSAT)比例，将是特色工艺需求
增长的重要推力。”孔蔚然说道。
+ K+ h+ C/ C* E0 P* JADI同样看好工业4.0带来的
这波浪潮。借助边缘到云计算、
) h* w1 X8 C& {( Y& H( p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
) N: y5 g$ Q0 b9 u  J. G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
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
于理解人类是如何解读声音和振动
* u. u$ I8 U, h; D* @的，从而建立一个系统来学习、解
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
实。”ADI的OtoSense体系结构
$ @- I$ P2 F4 }5 A% @就是一种设备健康监测系统，支持
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
1 G6 U: A! X: d  p6 d7 v" M够在问题变得严重之前确定工厂机
6 l6 u9 t' ?3 _7 [. p器或汽车发动机中的潜在问题。
持相同观点的还有Teledyne
+ m) a) L- {3 d3 @2 fe2v，他们认为，在工业感知和
) E% I5 Q' x2 v) o* i) u0 R: D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
3 y$ s$ q! p$ L* m* q, ?3 U- T的需求，正在推动新性能特点的
' \* P4 u( I: ?0 {5 s0 ]. \5 `产品出现。特别是5G时代的到
' q5 S0 I, y' `% M& T+ A来以及工业4.0的进一步发展，
将需要特定目标的测量、感测和
0 S2 r+ Q: m$ [* i9 M监控仪器的设备来保证质量与性
' ~7 t" j; [1 j能。“Teledyne e2v公司利用诸
如多通道和多器件同步化支持等新
2 M8 e" h( B/ W: N5 t) a性能和新功能，专注于开发有助于
4 _  s& g$ t8 x- A实现高性能的系统。”Anthony
Fernandez说道。
此外，工业4.0的大潮将带动
工业设备的联网趋势，只有联网
  M( Q, ~2 g$ C  t4 z的设备才有可能实现智能分析与控
. j, R1 H) o1 W2 ]0 \制。但工业网络标准众多、新老设
备或不同连接标准的设备之间实现
" a' K7 ?0 c' W9 M联网经常遇到困难，工业系统之间
+ a. V0 d, N4 Z5 s7 U的兼容性差是实现工业4.0的一大
障碍，同时工业4.0要求高度的协
3 \7 i+ w2 p4 H* U. _3 p同能力对网络传输延时带来苛刻
的要求。“我们针对工业互联的
  T+ N7 J$ g) J1 z2 k- v; U解决方案是Fido系列，通过一颗芯
" l) q3 K8 o8 D0 N片可以支持不同的工业网络标准，
' \* I* Q! m9 ]0 [. `实现不同架构之间设备的连接，包
括时间敏感性网络(TSN)。”赵轶
- p$ z; J1 x/ e4 M( k. J苗说道。
当前全球正在大力发展新能源
  k  I  U5 ]: Q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
4 ?1 Q0 w3 c+ b0 _8 F4 g/ m  _5 n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
为新兴的电网自动化系统，正逐步
9 M0 h$ N) N' [& y7 t助力实现传统电网向能源互联网的
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
. R* C) v  E. T全、可靠、优质、高效运行，如何
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
8 U+ H# }; f0 Y/ ]/ U; E未来产业面临的机遇与挑战。
5 X( V/ n* }$ s/ T0 K0 b0 R  Z5 f人们对效率的追求是永无止
3 H7 y/ N" \: \- T" d境的。随着工业4.0的发展，从
8 Z; |2 a# q+ y4 Y( H( u; L数据库的任务到制造、汽车，再
8 a5 Z& O7 p; N9 P: @到用户体验和自助业务功能，几
乎所有任务都可以通过自动化实
现。Steven Craig认为，自动
7 R8 o: H3 u3 ]/ y1 U  N) g化是成功的关键。融合了各种数据
; a8 V8 O$ b9 ^+ {- R; [3 }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
: M) L8 |: E0 I3 v& U% X力。“我们相信在2020年，企业将
% G$ v) S3 y( Y2 V+ e$ N继续实施AI/ML，以自动化提高效
8 ~+ E0 A3 r, C+ j+ q率和生产力，进而降低整个价值链
的成本。”他说道。
$ G$ p6 Z8 R7 k9 n; R而目前，在全球范围内，数
* C0 \; |! m5 F据分析进程的发展还远远不足以
$ y' ?/ X3 g6 S* c, ~3 Y支持机器学习工作负载的增长。
如今，企业更多的是将机器学习
; E% V4 O5 }) }% D! I# T; O的功能交给软件工程师或业务专
8 O3 ]4 j& w0 A+ ^8 z8 P  p家。Steven Craig表示：“我们
8 T3 w! E% ~  v6 {6 M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
家的基本职责，而真正的数据科学
; i! Y2 x. \# H) s3 o/ m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
机器学习行为进行微调。”在未来
3 ~ 5年内，机器学习自动化将成为
8 Q3 Y9 m1 @7 ]常态，而企业将拥有更多可用的
* o4 j  ~5 R/ {; K$ E工具，从而解放数据科学家人员，
- h7 [% f) l$ z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
6 P% h! U3 a4 r+ j0 V厂、企业数据中心等各个领域都越
来越需要有针对性的数据存储解决
1 C1 D* K3 {9 |4 y4 v4 f8 w6 b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。