Patrząc w przyszłość na rynek elektroniki w 2025 r., zastosowanie technologii AI w elektronice użytkowej i inteligentnych pojazdach będzie się pogłębiać, co doprowadzi do utrzymania przez rynek półprzewodników rocznego tempa wzrostu na poziomie ponad 10%, przy szczególnie silnym popycie na układy AI i samochodowe. Jednocześnie elektronika użytkowa zmierza w kierunku zrównoważonego rozwoju, ze zwiększoną promocją produktów przyjaznych dla środowiska. Branża układów scalonych odnosi znaczne korzyści z nacisku na rynki AI, 5G i pojazdów elektrycznych, co prowadzi do znaczących postępów technologicznych. Ponadto wschodzące technologie, takie jak Generative AI i roboty usługowe, staną się nowymi atrakcjami na rynku.

W raporcie tym przedstawiono analizę trendów i prognozy rynkowe w gorących tematach i obszarach, w tym roboty humanoidalne, inteligentne urządzenia noszone na ciele, autonomiczne prowadzenie pojazdów, zielone komputery, smartfony, generatywna sztuczna inteligencja, substytucja krajowa, 3-nanometrowe układy scalone do samochodów, pamięć i symulacja cyfrowa.

Trend 1: Ciągłe przełomy w dziedzinie robotów humanoidalnych

Roboty humanoidalne, zbudowane na multidyscyplinarnych fundamentach i integrujące zaawansowane technologie, takie jak sztuczna inteligencja, produkcja high-end i nowe materiały, są gotowe stać się przełomowymi produktami po komputerach, smartfonach i nowych pojazdach energetycznych. Służą jako kluczowy wskaźnik siły i poziomu rozwoju high-tech narodu.

Szybki rozwój rynku robotów humanoidalnych wynika z dwóch kluczowych czynników. Po pierwsze, iteracja dużych modeli AI i możliwości autonomicznego uczenia się i optymalizacji umożliwiają robotom lepsze zrozumienie instrukcji wydawanych przez człowieka, angażowanie się w złożone dialogi, a nawet przewidywanie i spełnianie potrzeb użytkowników, co znacznie poprawia jakość usług i doświadczenia interakcyjne. Po drugie, wynika to z dojrzałości i udoskonalenia łańcuchów przemysłowych w górnym, środkowym i dolnym biegu rzeki, w połączeniu ze wsparciem i wskazówkami polityki rządowej.

Rynki kapitałowe również sprzyjają sektorowi robotów humanoidalnych. W listopadzie 2024 r. chiński sektor robotów humanoidalnych odnotował 49 zdarzeń finansowych, skoncentrowanych głównie w Pekinie, Shenzhen i regionie delty rzeki Jangcy, przy czym łączne finansowanie przekroczyło 5 mld RMB. Spośród 33 firm zajmujących się robotami humanoidalnymi, które zabezpieczyły finansowanie, 26 (prawie 80%) zostało założonych między 2022 a 2024 r.

Działalność finansowa jest równie intensywna na arenie międzynarodowej. Figure AI pozyskało 675 milionów dolarów (ok. 4.73 miliarda RMB) w lutym tego roku, a inwestorami byli m.in. Microsoft, NVIDIA, OpenAI i założyciel Amazon Jeff Bezos. Pod koniec października 2024 r. Agility Robotics zakończyło rundę finansowania serii C o wartości 150 milionów dolarów (ok. 1.05 miliarda RMB), uzyskując status jednorożca.

Na szczególną uwagę zasługuje przełom w kluczowych technologiach, takich jak AI, uczenie maszynowe i widzenie komputerowe, który stwarza znaczące możliwości rozwoju dla dużej grupy firm zajmujących się robotami humanoidalnymi, podkreślając „ucieleśnioną inteligencję”. Powszechnie uważa się, że badania prowadzone zgodnie z tą teorią umożliwiają robotom humanoidalnym lepsze dostosowywanie się do złożonych i zmieniających się środowisk i zadań, a także posiadanie zdolności do autonomicznego uczenia się, percepcji i podejmowania decyzji.

Chociaż roboty humanoidalne można klasyfikować według scenariuszy zastosowań, badania wskazują, że większość chińskich firm uważa, że ​​produkcja, zwłaszcza produkcja samochodów, będzie pierwszą, która osiągnie prawdziwą komercjalizację robotów humanoidalnych, a kontrola jakości i montaż komponentów zostaną zidentyfikowane jako jasne scenariusze popytu. Natomiast wyczekiwane zastosowanie usług domowych plasuje się niżej.

Trend 2: Inteligentne urządzenia noszone odzyskują impet, struktura rynku ewoluuje

Dzięki szybkiemu postępowi technologicznemu inteligentne urządzenia do noszenia stają się coraz bardziej niezbędne w naszym codziennym życiu. Od smartwatchy po trackery fitness, zestawy słuchawkowe VR po okulary AR, urządzenia słuchowe po inteligentne pierścienie, różnorodność i funkcjonalność urządzeń do noszenia stale się powiększa, oferując konsumentom bezprecedensową wygodę i doświadczenia.

Po wahaniach w rozwoju w ostatnich latach, oczekuje się, że rynek inteligentnych urządzeń noszonych będzie Międzynarodowy biznes elektroniczny osiągnie nowy szczyt w 2025 r., a globalna sprzedaż ma wynieść 800 milionów sztuk.

Głównym motorem wzrostu jest coraz większe zainteresowanie konsumentów zdrowiem i sprawnością fizyczną. Smartwatche i trackery fitness pomagają użytkownikom lepiej zarządzać swoim zdrowiem, monitorując kluczowe wskaźniki, takie jak tętno, jakość snu, kroki i spożycie kalorii. Ponadto, napędzane przez rozprzestrzenianie się technologii 5G i rozwój IoT, urządzenia noszone stają się coraz bardziej połączone i inteligentne, zapewniając wysoce spersonalizowane usługi i doświadczenia w zakresie opieki zdrowotnej, monitorowania sportu, komunikacji i rozrywki.

Ponadto integracja AI i generatywnej AI obiecuje dokładniejszą analizę danych i prognozy dla urządzeń noszonych, takich jak monitorowanie kluczowych wskaźników zdrowia, takich jak ciśnienie krwi. Przewidujemy, że w 2025 r. zobaczymy więcej innowacyjnych aplikacji, takich jak uwierzytelnianie biometryczne lub spersonalizowane plany fitness generowane za pomocą algorytmów uczenia maszynowego.

Dwa segmenty są szczególnie godne uwagi w 2025 r. Pierwszy to smartwatche dla dzieci, które integrują kluczowe funkcje, takie jak komunikacja, śledzenie lokalizacji, połączenia alarmowe i monitorowanie stanu zdrowia, spełniając rosnące obawy rodziców dotyczące bezpieczeństwa i zdrowia dzieci, co wskazuje na rosnący popyt. Drugi to inteligentne urządzenia noszone dla osób starszych. W obliczu globalnych trendów starzenia się populacji urządzenia te mogą pomóc seniorom zachować niezależność i uzyskać dostęp do terminowej pomocy medycznej dzięki funkcjom takim jak monitorowanie stanu zdrowia, wykrywanie upadków, reagowanie w sytuacjach awaryjnych i pomoc w codziennych czynnościach, co również wykazuje duży potencjał wzrostu.

Wraz z dojrzewaniem rynku zmienia się krajobraz konkurencyjny. Tradycyjni giganci elektroniki użytkowej, tacy jak Apple, Samsung i Huawei, nadal przewodzą, podczas gdy coraz większa liczba startupów i wschodzących marek zyskuje na znaczeniu, rzucając wyzwanie obecnym graczom innowacyjnymi produktami i rozwiązaniami.

Trend 3: Rynek autonomicznej jazdy przedstawia dychotomię

W 2024 r. entuzjazm dla autonomicznej jazdy nieco ostygł za granicą, częściowo z powodu ogromnych inwestycji w badania i rozwój wymaganych przed komercjalizacją na dużą skalę i ciągłych wyzwań związanych z rentownością. Przykłady obejmują hamowanie badań nad autonomicznymi samochodami przez Samsung Electronics i wstrzymanie przez Apple projektu „Apple Car” na początku 2024 r. Te posunięcia odzwierciedlają trudności techniczne i wyzwanie osiągnięcia znaczących zwrotów z inwestycji.

Jednak obraz w Chinach jest inny. Chińscy producenci nadal inwestują dużo w autonomiczną jazdę, demonstrując zaufanie do tej technologii.

Decydenci polityczni w Chinach aktywnie promują rozwój autonomicznej jazdy, wprowadzając polityki wspierające testy, aplikacje demonstracyjne i operacje komercyjne. Wiele miast uruchomiło demonstracje drogowe inteligentnych pojazdów połączonych (ICV), otworzyło drogi testowe, ukończyło modernizację inteligencji drogowej i zainstalowało jednostki przydrożne (RSU), tworząc sprzyjające środowisko polityczne. Co godne uwagi, uruchomienie usług robotaxi, takich jak „Luobo Kuaipao” (萝卜快跑) w miastach takich jak Wuhan i Guangzhou, pobudziło entuzjazm inwestycyjny.

Pod względem technologicznym rozwój kompleksowych autonomicznych systemów napędowych skupił się na tym. W przeciwieństwie do tradycyjnych architektur modułowych, systemy kompleksowe wykorzystują ujednolicony model głębokiego uczenia się, aby mapować dane wejściowe czujników bezpośrednio na dane wyjściowe sterowania pojazdem, redukując pośrednie kroki i poprawiając wydajność i dokładność w czasie rzeczywistym.

Na poziomie przedsiębiorstw chińskie firmy, takie jak Baidu Apollo, NIO, XPeng, Huawei i Xiaomi, aktywnie wdrażają technologię autonomicznej jazdy, przyspieszając cyfryzację i inteligencję branży motoryzacyjnej dzięki innowacjom i wyjątkowemu wzornictwu produktów.

Patrząc w przyszłość, do 2025 r., oczekuje się, że rynek autonomicznej jazdy osiągnie pozytywny wzrost. Globalne dostawy pojazdów autonomicznych mają osiągnąć dziesiątki milionów, podczas gdy sprzedaż inteligentnych pojazdów L2+ i wyższych w Chinach ma przekroczyć 10 milionów sztuk, przy wskaźniku penetracji 50%. Pojazdy L4 zaczną wchodzić na rynek, a Chiny są gotowe stać się największym na świecie rynkiem autonomicznej jazdy.

Co ciekawe, potencjał szybkiego wzrostu wykracza poza twórców technologii autonomicznej jazdy, obejmując graczy w górnym i dolnym biegu łańcucha dostaw. Dzięki globalizacji chińskich pojazdów autonomicznych chińskie firmy z wysoce konkurencyjnymi produktami w takich obszarach jak ekrany dotykowe w pojazdach i układy przeniesienia mocy mogą uzyskać znaczące nowe korzyści rozwojowe.

Trend 4: Zielone technologie komputerowe stają się coraz pilniejsze

Biała księga Schneider Electric Energy Management Research Center z 2023 r. stwierdza, że ​​zużycie energii przez AI osiągnęło 4.5 GW w 2023 r., przy prognozowanym CAGR na poziomie 25%–33% do 2028 r. – 2–3 razy szybciej niż ogólne tempo wzrostu centrów danych. Dlatego też zapotrzebowanie na energię przez AI ma osiągnąć 14–18.7 GW do 2028 r., co stanowi 15%–20% całkowitej mocy centrów danych. Nie uwzględnia to nawet mocy AI rozproszonej na większej liczbie urządzeń brzegowych i końcowych.

Ten poziom zużycia jest równoważny średniemu rocznemu zużyciu energii w niektórych krajach. Biorąc pod uwagę zużycie energii w całym łańcuchu projektowania i produkcji chipów AI oraz doniesienia o tym, że Sam Altman potencjalnie inwestuje biliony w infrastrukturę chipów AI, całkowity ślad energetyczny technologii AI może być oszałamiający.

Jeśli zużycie energii przez AI przekroczy pewną część mocy infrastruktury energetycznej, wpłynie to na utrzymanie społeczeństwa. Dlatego też, zgodnie z szerszym trendem oszczędzania energii i redukcji emisji dwutlenku węgla, „zielone przetwarzanie” i „zielone centra danych” są obecnie gorącymi tematami. Rozwiązania są proponowane na kilku poziomach.

Nawet poza urządzeniami zasilającymi i chipami, w przypadku chipów cyfrowych, zwłaszcza chipów AI, wspólna optymalizacja projektowania/produkcji chipów i algorytmów oprogramowania ma kluczowe znaczenie dla poprawy wydajności i zmniejszenia zużycia energii na jednostkę obliczeniową. Ponadto w przypadku obliczeń klastrowych na dużą skalę obejmujących chipy, płyty i węzły, połączenia i pamięć są kluczowymi wąskimi gardłami; postęp w technologiach, takich jak przetwarzanie w pamięci i połączenia optyczne, to kluczowe osiągnięcia w ramach tego trendu.

Jednocześnie niektóre firmy produkujące chipy promują rozwiązania systemowe, takie jak chłodzenie płytą chłodzącą i zanurzeniowe chłodzenie cieczą. Na wydarzeniach takich jak WAIC wiele firm produkujących chipy AI zaprezentowało rozwiązania szaf POD chłodzonych cieczą. Na przykład Enflame (燧原科技) podkreśliło osiągnięcie PUE ≤ 1.15 w laboratoryjnych centrach danych dzięki doskonałej liniowości wydajności w tysiącach wdrożeń kart w połączeniu z chłodzeniem cieczą w całym klastrze.

Zrozumiałe jest, że odlewnie układów scalonych, dostawcy EDA/IP i firmy zajmujące się projektowaniem układów scalonych dyskutują na temat osiągnięcia wyższej wydajności z perspektywy „systemowej” – obejmującej krzem, urządzenia, jednostki, układy scalone, opakowania, systemy, oprogramowanie i aplikacje – w celu realizacji zielonych technologii obliczeniowych.

Kolejna warstwa obejmuje inwestycje w infrastrukturę energetyczną. Zagraniczne media ujawniły wcześniej, że „US AI Infrastructure Blueprint” OpenAI obejmuje wielką wizję energetyki jądrowej. Jensen Huang wspomniał również w wywiadach, że centra danych potrzebują energii odnawialnej, a energia jądrowa jest świetną opcją. Oklo, gdzie Sam Altman jest prezesem, planuje wdrożyć swój pierwszy SMR (Small Modular Reactor) do 2027 r. Google podpisało umowę ze start-upem nuklearnym Kairos Power na zasilanie centrów danych za pomocą SMR...

Wielu gigantów technologii AI dokonuje inwestycji kapitałowych w energię jądrową. Podkreśla to przewidywany przyszły popyt na zieloną energię i zielone przetwarzanie.

Trend 5: Smartfony w pełni przyjmują sztuczną inteligencję generatywną, ekosystem się konsoliduje

Począwszy od systemu iOS 18 firma Apple wdraża generatywne funkcje sztucznej inteligencji dla iPhone'a w wybranych regionach. Obejmują one m.in. zamianę głosu na tekst w Notatkach, edycję zdjęć z wykorzystaniem sztucznej inteligencji, narzędzia do pisania wiadomości e-mail, podsumowania najważniejszych wiadomości e-mail i połączeń oraz wyszukiwanie zdjęć/wideo na podstawie języka naturalnego...

Apple nie tylko inwestuje ogromne środki, wykorzystując procesory TPU Google do trenowania modeli AI zarówno po stronie serwera, jak i na urządzeniu, ale także specjalnie buduje centrum danych AI oparte na własnych układach scalonych do zastosowań AI na urządzeniach – tworząc klastry „Private Cloud Compute” w chmurze, jednocześnie wykonując hybrydowe wnioskowanie AI zarówno lokalnie, jak i w chmurze.

Niezależnie od opinii na temat wartości „telefonów AI”, stało się to poważnym kierunkiem biznesowym. Wejście Apple do koncepcji „telefonu AI” zasadniczo oznacza zmianę konkurencji mobilnych AP SoC w erę generatywnej AI. Pole bitwy dla mobilnych AP SoC, systemów operacyjnych i producentów OEM rozszerzyło się, obejmując konkurencję w modelach AI, ekosystemach rozwoju AI i aplikacjach AI.

Dla użytkowników zmiana jest oczywista: nowe iPhone’y zaczynają się od 8 GB pamięci RAM, a nowe MacBooki mają zazwyczaj co najmniej 16 GB pamięci RAM – głównie dlatego, że duże modele językowe (LLM) i inne duże modele wymagane do generatywnej AI wymagają znacznej przestrzeni pamięci. Oznacza to, że adopcja generatywnej AI na smartfonach będzie szybko postępować w ciągu najbliższych 1–2 lat, tworząc nowe możliwości dla mobilnych układów scalonych i różnych komponentów peryferyjnych.

Dalszym podkreśleniem tego trendu jest chip Dimensity 9400 firmy MediaTek, wprowadzony na rynek w październiku 2024 r., który agresywnie włącza bardziej wyspecjalizowane jednostki akceleracji AI w ramach swojego NPU, aby obsługiwać multimodalne wprowadzanie danych, szkolenie LoRa na urządzeniu, a nawet generowanie krótkich filmów na urządzeniu. MediaTek aktywnie współpracuje również z producentami OEM smartfonów, dużymi dostawcami modeli, dostawcami systemów operacyjnych i niezależnymi dostawcami oprogramowania, aby zbudować własny ekosystem AI.

Wraz z nasileniem się bitwy generatywnej AI smartfonów w latach 2025-2026, ekosystem AI w telefonach ma stopniowo konsolidować się z rozdrobnionego stanu. Stosy technologii AI, funkcje i funkcjonalności również będą zmierzać w kierunku standaryzacji.

Trend 6: Generatywna sztuczna inteligencja przesuwa się na krawędź

Zespół badawczy NVIDIA, skupiony na najnowocześniejszych technologiach, od dawna prowadzi badania nad „Efektywną sztuczną inteligencją”. Techniki takie jak przycinanie modeli, rozrzedzanie i kwantyzacja wag AWQ mają na celu uruchamianie dużych modeli na urządzeniach brzegowych lub końcowych – nie tylko komputerach PC z AI, ale także na platformach takich jak Jetson Nano.

Badania takie jak Efficient AI stanowią podstawę do wprowadzania generatywnej AI do urządzeń końcowych, takich jak komputery i telefony. Ale to nie jest cała historia „Generative AI at the Edge”.

Na konferencji WAIC (Światowa Konferencja AI) w 2024 r. Międzynarodowy biznes elektroniczny zaobserwowano wiele małych chipów AI, które twierdzą, że mogą uruchamiać LLM w swoich specyfikacjach. Na przykład, AX630C firmy Axera (爱芯元智) z obliczeniami INT8 wynoszącymi 3.2 TOPS i typową mocą poniżej 1.5 W, może uruchamiać model Qwen2 0.5B z prędkością około 10 tokenów na sekundę. Podczas gdy Axera stwierdziła, że ​​konkretne kierunki zastosowań są nadal niepewne, możliwości są ogromne.

Przez cały rok 2024 niemal wszystkie firmy produkujące chipy AI, z którymi przeprowadzono wywiady, jednogłośnie zgodziły się, że AI, w tym AI generatywna, przeniesie się na krawędź i do wszystkiego. Biorąc pod uwagę stosunkowo duży rozmiar modeli i ograniczenia pamięci masowej, wejścia/wyjścia i mocy obliczeniowej na urządzeniach brzegowych, głęboka współpraca między projektowaniem architektury chipów AI a optymalizacją algorytmów oprogramowania stanie się krytyczna.

VeriSilicon (芯原) wspomniał na swoim Sympozjum Technologii AI w 2024 r., że jego NPU i GPU IP, początkowo ukierunkowane na wizję, mowę i grafikę AI, teraz obejmują język naturalny i obejmują AR/VR, autonomiczną jazdę, komputery, smartfony, urządzenia do noszenia i roboty. VeriSilicon oświadczył, że jego następnym krokiem jest „Go Transformer” – strukturalny fundament współczesnych dużych modeli.

W związku z tym wiele układów AI na krawędzi i w punkcie końcowym zawiera „silniki Transformer”. VeriSilicon wspomniał również o optymalizacji swojego IP NPU pod kątem przyspieszenia Transformer, w tym o obsłudze formatu danych o mieszanej precyzji i implementacji kwantyzacji wagowej 4-bitowej i 8-bitowej w celu drastycznego zmniejszenia zużycia pasma. Te wysiłki pomogą przenieść generatywną AI na krawędź – nie tylko do samochodów, komputerów, telefonów i robotów, ale potencjalnie również do bardziej ograniczonych obliczeniowo aplikacji wbudowanych.

Trend 7: Rosnąca substytucja krajowa w Chinach

Udział krajowych chipów zastępujących import w Chinach stale rośnie. W 2023 r. produkcja chipów w Chinach gwałtownie wzrosła do 351.4 mld sztuk, co stanowi wzrost o 6.9% r/r, osiągając wskaźnik samowystarczalności na poziomie 23%. Produkcja wzrosła dalej do 135.4 mld sztuk w ciągu pierwszych czterech miesięcy 2024 r., wykazując silny pęd. Korzystając z trendu wdrażania sztucznej inteligencji brzegowej, oczekuje się, że popyt znacznie wzrośnie w sektorach takich jak krajowa CIS, chipy interfejsu pamięci, pamięć niszowa, chipy analogowe i chipy obliczeniowe w chmurze/na brzegu.

Oczekuje się, że tarcia handlowe powodujące globalną fragmentację łańcucha dostaw, w połączeniu z potrzebą stabilności dostaw napędzającą krajowe zaopatrzenie, będą napędzać ciągły wzrost popytu na krajowe odlewnie, sprzęt oraz zakłady pakowania/testowania w ciągu najbliższych 2-3 lat. Obecnie, na ośmiu głównych etapach produkcji chipów, chiński krajowy przemysł sprzętu półprzewodnikowego dokonał znaczących przełomów w takich obszarach jak obróbka cieplna, osadzanie cienkich warstw, trawienie i czyszczenie, przy czym postęp klienta osiągnął 14 nm, a maszyny trawiące osiągnęły zdolność 5 nm.

W pierwszej połowie 2024 r. zakupy sprzętu półprzewodnikowego w Chinach kontynentalnych osiągnęły 25 mld USD, przy czym sprzęt krajowy odpowiadał za około 8 mld USD. Współczynnik substytucji sprzętu krajowego w procesach takich jak zdejmowanie, czyszczenie, trawienie i pakowanie oporów przekroczył 30%, co odzwierciedla zarówno ogromny popyt, jak i przyspieszające tempo krajowej substytucji.

Zaawansowana technologia pakowania jest kluczowa na świecie i dla Chin, rozwiązując wyzwania wynikające ze spowolnienia prawa Moore'a i problemów z łańcuchem dostaw spowodowanych przez kontrolę eksportu. Chińskie firmy mają tutaj solidne możliwości. Pomimo ograniczeń w produkcji płytek front-end, zaawansowane pakowanie ma szerokie perspektywy wzrostu i jest kluczowym czynnikiem rozwoju rynku w Chinach.

Globalna ekspansja („going out”) i inteligencja napędzają stały wzrost w chińskim przemyśle terminali konsumenckich. Elektronika samochodowa jest kluczowym obszarem zainteresowania, a ekspansja zagraniczna jest najwyższym priorytetem dla firm w 2025 r. Szybki rozwój krajowego przemysłu motoryzacyjnego w Chinach zwiększa konkurencyjność jego firm łańcucha dostaw na arenie międzynarodowej, co stwarza nowe możliwości dla wiodących firm.

Jednakże, ogólnie rzecz biorąc, z perspektywy globalnego regionalnego udziału w łańcuchu dostaw półprzewodników, USA, Europa i inni mają większość. Chiny mają tylko pewien udział w produkcji płytek półprzewodnikowych i pakowaniu/testowaniu w połowie strumienia. Samowystarczalność pozostaje stosunkowo niska, a zależność od innych („受制于人”) utrzymuje się w obszarach upstream, takich jak EDA/IP, sprzęt, zaawansowane węzły procesowe, wysokowydajne przetwarzanie (HPC) i niektóre kluczowe materiały.

Trend 8: Rozpoczęcie wdrażania układów scalonych 3 nm dla branży motoryzacyjnej

Przypomnijmy, że TSMC ogłosiło masową produkcję pierwszej generacji 3 nm (N3, znanej również jako N3B) pod koniec grudnia 2022 r., po niej w czwartym kwartale 3 r. nastąpi produkcja drugiej generacji N4E, a w drugiej połowie 2023 r. trzecia generacja N3P. Zgodnie z planem działania TSMC, N2024X zostanie wprowadzony na rynek w 3 r., a N2025A (klasa motoryzacyjna) w 3 r.

Zazwyczaj zaawansowane węzły, takie jak 5 nm i 3 nm, są kojarzone z chipami smartfonów i AI. Rzeczywiście, firmy takie jak Apple, Qualcomm, NVIDIA i AMD obecnie dominują w zakresie 3 nm pojemności TSMC, a inni dostawcy ustawiają się w kolejce po zamówienia. Co ciekawe, prawie dwa lata po pierwszej masowej produkcji chipów 3 nm technologia 3 nm w końcu wkracza do domeny chipów samochodowych.

W październiku 2024 r. MediaTek ujawnił podczas swojego „Dimensity 9400 Launch”, że jego pierwszy „Dimensity AI Cockpit Chip CT-X1” wejdzie do masowej produkcji i wdrożenia w pojazdach w 2025 r. CT-X1, oparty na technologii 3 nm TSMC, może pochwalić się wydajnością procesora na poziomie 260 tys. DMIPS i wydajnością GPU na poziomie sprzętowym na poziomie 3,000 GFLOPS. Jego generatywny NPU AI na urządzeniu oferuje 46+ TOPS, obsługując multimodalne generatywne modele AI z maksymalnie 13 miliardami parametrów. Wykorzystując tę ​​wydajność, CT-X1 obsługuje do 10 wyświetlaczy, 16 kamer, odtwarzanie/nagrywanie wideo 8K 30 fps, wyświetlacz o rozdzielczości 9K i technologie komunikacyjne, takie jak 5G i Wi-Fi 7.

Jako chip kokpitu, CT-X1 nie spełnia standardów klasy motoryzacyjnej. W wysoce zintegrowanych architekturach E/E moc obliczeniowa jest najrzadszym zasobem. Długie cykle rozwoju chipów klasy motoryzacyjnej mają trudności ze sprostaniem szybko rosnącym wymaganiom obliczeniowym. Na tym tle producenci samochodów, tacy jak Tesla i BYD, również przyjmują chipy klasy innej niż motoryzacyjna w swoich kokpitach.

Oczywiście, pojawiają się również chipy samochodowe wykorzystujące proces N3A firmy TSMC. 13 listopada 2024 r. firma Renesas Electronics ogłosiła swój SoC nowej generacji do łączenia wielu domen samochodowych, serię R-Car X5. Pierwszy SoC z tej serii, R-Car X5H, opiera się na architekturze Chiplet i wykorzystuje proces motoryzacyjny 3 nm (N3A) firmy TSMC — opracowany specjalnie dla samochodowych SoC i zgodny ze standardami niezawodności AEC-Q100 Grade 1.

R-Car X5H zapewnia wydajność do 400 TOPS AI i doskonałą wydajność TOPS/W, a także moc przetwarzania GPU do 4 TFLOPS i wydajność CPU przekraczającą 1,000K DMIPS. Dzięki 38 rdzeniom Arm, potężnym możliwościom AI i GPU, jeden układ może jednocześnie obsługiwać wiele aplikacji w pojazdach, w tym ADAS, In-Vehicle Infotainment (IVI) i bramki. Próbki R-Car X5H będą dostępne dla wybranych klientów motoryzacyjnych w pierwszej połowie 1 r., a masowa produkcja planowana jest na drugą połowę 2025 r.

Co więcej, w październiku 2023 r. japoński projektant układów scalonych Socionext ogłosił rozpoczęcie prac nad 3-nm układami SoC przeznaczonymi do systemów ADAS i autonomicznej jazdy, również wykorzystującymi proces N3A firmy TSMC. Produkcja masowa ma się rozpocząć w 2026 r.

Te wydarzenia wskazują, że technologia procesu 3 nm stopniowo staje się nowym standardem w dziedzinie układów scalonych w motoryzacji, zapewniając solidną moc obliczeniową do rozwoju inteligentnych samochodów. W miarę jak na rynek wchodzi więcej układów scalonych opartych na 3 nm, transformacja w kierunku inteligentniejszych i bardziej elektrycznych pojazdów przyspieszy, oferując konsumentom bezpieczniejsze i bardziej inteligentne wrażenia z jazdy.

Trend 9: Rynek pamięci szuka nowej równowagi w obliczu zmienności cen

Po tym, jak ceny pamięci zaczęły odbijać się od dna w czwartym kwartale 4 r. i odnotowały silne odbicie w pierwszej połowie 2023 r., różne produkty pamięci zaczęły się rozchodzić w drugiej połowie roku, co doprowadziło do „dychotomicznej” sytuacji rynkowej w czwartym kwartale. Jakie trendy są przewidywane dla rynku pamięci w 1 r.?

W przypadku pamięci NAND Flash konsumenckie dyski SSD stanowią ponad 80% rynku, podczas gdy korporacyjne dyski SSD stanowią prawie 15%. Począwszy od trzeciego kwartału 3 r. wydajność różnych produktów flash zaczęła się różnić. Korporacyjne dyski SSD, wspierane popytem ze strony serwerów AI, przewyższyły konsumenckie dyski SSD, utrzymując niewielki wzrost w drugiej połowie 2024 r. Z kolei powolny rynek elektroniki użytkowej, w szczególności słaba wydajność smartfonów i laptopów, doprowadził do spadku cen kontraktowych konsumenckich dysków SSD począwszy od trzeciego kwartału. Pesymizm dotyczący rynku elektroniki użytkowej w czwartym kwartale 2 r. i pierwszym kwartale 2024 r. sugeruje, że ceny pamięci NAND Flash pozostaną niskie.

Co więcej, chociaż oczekuje się, że zastosowania sztucznej inteligencji na brzegu sieci staną się powszechne komercyjnie w 2025 r., pamięć flash NAND nie odnotowała jeszcze znaczącego wzrostu dzięki temu trendowi. Międzynarodowy biznes elektroniczny dane wskazują, że przynajmniej w czwartym kwartale 4 r. i pierwszym kwartale 2024 r. ogólny trend cenowy pamięci NAND Flash będzie spadkowy. Jednocześnie producenci pamięci, wyciągając wnioski ze strat w całej branży w 1 r., proaktywnie kontrolują pojemność w obliczu nadpodaży. Oczekuje się, że ceny konsumenckich dysków SSD odbiją w drugiej połowie 2025 r.

Aby lepiej sprostać wymaganiom transmisji danych AI, technologia NAND Flash ewoluuje w kierunku większej pojemności, zwiększonego bezpieczeństwa, mniejszych opóźnień i mniejszego zużycia energii. Zrównoważenie pojemności i kosztów stało się kluczowym celem łańcucha dostaw NAND, a spodziewane jest pojawienie się większej liczby produktów QLC NAND.

W przypadku pamięci DRAM, która stanowi ponad 50% branży pamięci, istnieją trzy główne typy: Standard DDR, Mobile DDR (LPDDR) i Graphics DDR (GDDR, HBM). W porównaniu do standardowej pamięci DDR4/DDR5, Graphics DDR reprezentowane przez GDDR i HBM oferuje znacznie większą przepustowość.

Graphics DDR jest przeznaczony do obliczeń o wysokiej wydajności i przetwarzania grafiki. GDDR rozwinęło się do GDDR6X, a GDDR7 pojawia się głównie w zaawansowanych procesorach graficznych do gier i profesjonalnych stacjach roboczych. HBM i jego iteracje (HBM2, HBM2E, HBM3, HBM3E) są szeroko stosowane w akceleratorach HPC i AI ze względu na ich ultrawysoką przepustowość i energooszczędność. Dzięki postępom w procesach półprzewodnikowych Graphics DDR jeszcze bardziej zwiększy gęstość i wydajność, aby sprostać potrzebom przetwarzania danych, zyskując szersze zastosowanie obok rozwoju 5G, AI i VR.

Trendy cenowe dla pamięci Mobile DDR (LPDDR) i Standard DDR (DDR4/DDR5) zależą od wielu czynników i generalnie spadają wraz z wahaniami. Popyt na pamięć Mobile DDR pozostaje stabilny ze względu na cykle odświeżania urządzeń mobilnych; nowe generacje zaczynają się od wysokich cen, ale spadają wraz z dojrzałością i skalą, często wyceniane wyżej niż Standard DDR ze względu na wymagania dotyczące mocy/wydajności. Standard DDR4 jest dojrzały ze stabilnymi cenami, stopniowo zastępowany przez DDR5, który zaczyna się od wysokich cen, ale oczekuje się, że spadnie wraz ze wzrostem produkcji i popytu. Na ogólne ceny wpływają podaż/popyt rynkowy, koszty surowców, dostosowania mocy produkcyjnych i globalny klimat gospodarczy.

Trend 10: Symulacja cyfrowa zmienia bardziej tradycyjne branże

Przed wystrzeleniem rakiety prace badawczo-rozwojowe tradycyjnie przechodzą przez cztery etapy: Studium wykonalności – Projekt szczegółowy – Testowanie prototypu – Testowanie modelu lotu. Najdroższym etapem jest Testowanie prototypu – produkcja wszystkich komponentów do weryfikacji fizycznej.

SpaceX obaliło to konwencjonalne podejście. Przeprowadzają oni rozległe testy symulacyjne w fazie szczegółowego projektowania, aby osiągnąć szybsze i bardziej opłacalne starty rakiet. Klucz leży w znacznych inwestycjach SpaceX w technologię symulacji, dzięki czemu firma stała się liderem w dziedzinie lotnictwa i kosmonautyki, podobno 10 lat przed konkurentami.

Poza lotnictwem, symulacja cyfrowa stanowi obecnie tylko około 20% procesu projektowania samolotów, a pozostałe 80% opiera się na testach fizycznych. W dziedzinach takich jak nauki przyrodnicze i odkrywanie leków, udział symulacji w procesie badawczo-rozwojowym często wynosi mniej niż 1%.

W porównaniu z przemysłem półprzewodników, gdzie większość projektów odbywa się w środowiskach oprogramowania/wirtualnych, wiele tradycyjnych branż stoi przed koniecznością transformacji cyfrowej. Rozprzestrzenianie się symulacji cyfrowej pomoże tym sektorom osiągnąć wyższą wydajność i niższe koszty.

Dla przemysłu półprzewodników i elektroniki, zwłaszcza takich graczy jak dostawcy EDA/IP i dostawcy oprogramowania/rozwiązań, oznacza to znaczące możliwości w technologiach takich jak symulacja cyfrowa i cyfrowe bliźniaki. Jest to również zgodne z szerszym trendem integracji półprzewodników i systemów – lub konwergencji układów scalonych i systemów.

Ta konwergencja przejawia się na kilka sposobów: firmy systemowe, takie jak Apple, Tesla i AWS, projektują własne układy scalone; tradycyjne firmy produkujące układy scalone, takie jak NVIDIA i Qualcomm, przechodzą na projektowanie na poziomie systemu; dostawcy EDA/IP znajdują ogromne nowe możliwości w projektowaniu systemów ze względu na niski poziom digitalizacji w różnych dziedzinach zastosowań. Ostatnie konferencje deweloperskie dużych firm EDA kładły duży nacisk na eksplorację tych nowych rynków związanych z systemami.

Stanowi to znaczącą, nie do zignorowania okazję dla przemysłu elektronicznego i półprzewodnikowego. Aplikacje takie jak NVIDIA Omniverse w przemysłowym metawersum dla przemysłu stoczniowego, kolejowego, opieki zdrowotnej i produkcyjnego są przejawem tego trendu – części szerszej transformacji cyfrowej obejmującej wszystkie branże i społeczeństwo.