晶圓廠的下一波利潤來源：汽車半導體？

來源：本文由半導體行業觀察翻譯自semiengineering ，謝謝。

推動更多的電子產品進入汽車行業，使過去的微利業務變成盈利業務。

代工廠正在加大汽車晶片的生產力度，為輔助駕駛和自動駕駛中半導體產品需求的激增做準備。

所有主要的代工廠商都在爭先恐後地組裝這些部件，並為他們的汽車客戶的擴大加工產品系列。

在先進駕駛輔助系統（ADAS）、電動/混合動力車輛，以及具有更多連接特性的傳統汽車的推動下，代工廠商看到汽車IC客戶的需求正在不斷增長。

汽車對於代工廠同樣有吸引力，因為許多器件不需要領先的工藝，這意味著大量供應商可以參與其中。

但是，汽車對於代工廠商來說並不是一個全新的市場。

事實上，許多代工廠商已經深耕這個行業很多年了。

代工廠的業務來源主要分為兩個部分：汽車晶片專業設計公司將生產外包給代工廠；擁有晶圓廠的汽車IDM（整合元件製造商）也將一些晶片生產外包給代工廠。

但是，直到現在，汽車都不是大多數代工廠的首要任務。

Semico Research公司總裁Jim Feldhan表示：「過去，廠商並不認為汽車是代工廠的主要營收來源。

使一項工藝達到汽車的要求，需要花費太長時間。

與計算或通信相比，汽車客戶又很少，汽車不是一個大批量的市場。

」

然而，這種態度最近發生了變化。

Feldhan說：「最近對汽車電子產品的需求，如ADAS、AI、傳感器中樞和連接，已經改變了代工廠的觀點。

汽車市場現在對代工廠很開放。

台積電已經對其汽車工藝進行了認證，其他廠商也是如此。

汽車供應商的格局也發生了改變。

由於自動駕駛對於人工智慧和「大腦」的要求，代工廠正在爭奪諸如英特爾、英偉達、高通這類公司的新設計。

當然，英偉達和高通是主要的代工客戶。

」

汽車器件製造商和代工廠都受益於汽車上各種器件的需求激增，比如模擬器件、存儲器、MCU、傳感器等。

事實上，TI、IHS等公司的數據顯示，每輛汽車的半導體器件的平均含量從1990年的62美元增長到2013年的312美元，而現在是350美元。

根據IHS的數據，到2022年，這個數字預計將達到460美元。

但麥肯錫表示，即便是在今天，混合動力汽車的晶片含量也已經達到了600美元，而豪華車則徘徊在1000美元左右。

根據Semico的數據，預計2017年汽車半導體市場將達到417億美元，比2016年增長11%。

2016年汽車IC市場比2015年增長8.1％。

這些數據包括了功率分立器件、傳感器和光電子器件。

然而，汽車市場的市場份額僅占整個IC市場的10%左右。

與智慧型手機晶片市場相比則相形見絀。

Feldhan說：「請記住，每年的汽車銷量為1億輛，手機銷量為20億部。

」

汽車代表了一個雖小但正在增長的代工廠業務。

一些代工廠的汽車業務從十年前的零增長到現在占到總銷售額的5%-10%。

還有一些代工廠的汽車業務所占比重更大。

但代工廠在汽車行業面臨著一些挑戰。

汽車行業要求嚴格，產品認證過程仍然艱巨、昂貴，而且競爭激烈。

汽車內部

一般來說，行業將汽車分為五個主要領域——車身、連接、安全、信息娛樂和動力傳動。

車身包括基本的車身控制，如門禁、照明、車窗。

連接包括蜂窩網絡、WiFi以及相關功能。

圖1：半導體器件廣泛應用於汽車。

來源：聯華電子

安全由攝像機、雷射雷達和雷達組成。

信息娛樂涉及駕駛員的信息和娛樂。

動力系統領域包括發動機控制和變速器。

有些人將底盤，如剎車和轉向，也歸於動力系統領域。

圖 2：汽車需要多種半導體技術。

來源：聯華電子

每輛車還有數十種專用嵌入式計算機，稱為電子控制單元（ECU），它控制著車輛中的各個領域。

所有的ECU都通過網絡連接在一起，有些人稱之為分布式架構。

儘管一些高端車型正在經歷一些徹底的變革，但是許多汽車將會繼續採用分布式架構。

汽車技術巨頭德爾福的首席技術官Glen De Vos說：「現在，我們正處於一個拐點，在當前的架構下，進入汽車的內容將不再是可持續的。

我們必須做出改變，以使內容能夠繼續發展，而且以合算的方式發展。

」

OEM廠商無法再僅僅把更多的電子產品塞進汽車裡。

De Vos在最近的一次活動中說：「隨著你繼續沿著這條路走下去，你會耗盡現有架構中的空間。

當我們增加功能的時候，我們不能簡單地增加更多的內容、更多的ECU和更多的布線。

汽車結構成本負擔不起。

OEM廠商負擔不起。

當你為一輛車做預算時，你只有這麼多錢花在所有這些內容上。

」

為了解決某些模型的問題，德爾福開發了域集中式架構。

為此，電子內容整合在更少的多域控制器中，作為降低成本和重量的手段。

圖3：車輛計算的演變。

來源：德爾福

例如，奧迪在最近宣布的A8豪華轎車中使用了這一概念。

A8還集成了一些自動駕駛功能。

它可以在高速公路上以37.3英里每小時的速度自動駕駛汽車。

圖4：德爾福的智能架構。

來源：德爾福

奧迪A8擁有「3級」或「有限自動駕駛」能力。

在ADAS世界中，「1級」涉及到汽車中一個或多個控制功能的自動化，而「2級」則是兩個或多個功能的自動化。

特斯拉目前處於「2級」。

「4級」擁有很高的自動駕駛能力，而「5級」則完全自動，方向盤可選。

完全自動駕駛技術可能不會在未來10年或更長的時間裡成為主流。

即使它從未接觸到大眾市場，ADAS也將在幾個方面推動新器件的開發。

根據Semico的說法，技術驅動包括自適應巡航控制、自動停車和防撞、車道偏離警告和盲區檢測。

外包趨勢

多年來，博世、恩智浦、安森美半導體、瑞薩、意法半導體、德州儀器，以及其他擁有晶圓廠的IDM占據了汽車行業的主導地位。

一般來說，汽車器件是在200mm和300mm的晶圓廠製造的。

Applied Materials應用全球服務營銷總監Mike Rosa表示：「在汽車行業，你們有ADAS、遠程信息處理和信息娛樂器件。

我們有像雷射雷達這樣的微型器件。

這些將集成在一個晶片中，這一切大部分都在發生在200mm。

」

十多年前，X-Fab Silicon Foundries是為數不多的為汽車行業提供服務的代工廠之一。

其他代工廠也與汽車客戶進行了一些業務，還有一些公司則在一旁觀望。

然而，在過去的幾年裡，有兩大事件改變了汽車製造商的格局。

首先，許多IDM都進入了「fab lite」或「fabless」模式。

其次，汽車中的晶片內容開始增加。

從2000年開始，建造新晶圓廠和發展尖端工藝的成本對許多IDM來說太貴了。

許多廠商不再建造尖端的晶圓廠。

一般來說，他們會將自己的專有流程保留在內部，並將一些生產外包給代工廠。

汽車只是外包給代工廠的一個產品領域。

聯電公司業務管理副總裁Walter Ng表示：「從歷史上看，在汽車行業，很多人關注的都是IDM。

代工廠有一些業務，但隨著在IDM向fablite遷移，更多的東西將會出現。

」

此外，代工廠也看到了從IDM外包出去的不同產品組合。

聯電助理副總裁Wenchi Ting補充說：「習慣上，你已經看到一些不太重要的汽車產品由代工廠生產，信息娛樂是一個例子，顯示驅動器是另一個例子。

」

在某種程度上，IDM還將模擬晶片、混合信號IC和傳感器外包出去。

Ting說：「習慣上，對於更關鍵的應用，如動力傳動或底盤控制組件，IDM傾向於自己製造這些組件。

未來，這種情況可能會改變。

我們正在看到晶片正在計劃用於未來的發動機控制，這需要巨大的內存帶寬。

這些晶片需要嵌入式存儲器以及最先進的邏輯過程。

」

事實上，IDM已經將一些關鍵的應用外包給了代工廠。

例如，ADAS需要高級微控制器（MCU），但是很多IDM沒有邏輯過程來實現它們。

Ting說：「例如，代工廠商會用28nm和40nm製造用於ADAS的處理器。

這是大多數汽車IDM都無法提供服務的領域。

他們自身根本沒有能力。

」

另一個領域涉及用於混合動力和電動汽車的功率分立器件。

IDM仍然製造功率分立器件，儘管他們出於其他原因轉向代工廠。

Ting說：「他們已經沒有了製造功率分立器件的能力。

這些產品都要到代工廠去了。

」

除了外包趨勢外，代工廠最近還見證了另一個重大事件。

GlobalFoundries汽車副總裁Mark Granger表示：「過去幾年，我們開始看到一個真正的轉折點。

你可以看到一輛汽車的半導體內容開始增加。

隨著ADAS的加入，在過去的幾年裡，半導體的數量激增。

」

因此，代工廠商繼續加強汽車行業的發展。

每個供應商都有不同的策略。

許多公司從其他市場獲取流程，並為汽車客戶提供服務。

許多公司還開發了針對汽車的流程。

然而，與其他市場相比，不變的是，汽車行業的要求更加嚴格。

Granger說:「想要努力達到零dppm，或者是百萬分之一的缺陷率，可以不斷改進代工廠和器件製造商兩方，以達到最高的可靠性和最低水平的故障。

」

汽車器件製造商和代工廠都必須遵守各種質量標準，如AEC-Q100。

該標準涉及晶片故障機理應力測試。

同樣還有其他要求。

GlobalFoundries的IoT副總裁Rajeev Rajan說：「基於功能安全的原因，遵守這些要求都是必不可少的。

任何進入生產和產品開發的產品，如果有任何缺陷的話，都需要與監管方面的安全以及零部件的可追溯性聯繫起來。

」

這些要求帶來了一些挑戰。

例如，代工廠通常會開發一種工藝技術，並用相對正常的抽樣大小限定它。

在汽車行業，代工廠必須進行更嚴格的檢查、測試和其他篩選步驟。

KLA-Tencor市場營銷高級主管Robert Cappel說：「你不能讓某一部分出故障，因為它會影響整體安全。

因此，你看到的是一種不同的質量和產量水平。

還有一個重點是潛在的可靠性缺陷。

一個部件可以通過測試，但在汽車內部會隨著時間的推移而失效。

這種需求一直在變動中。

」

這一點變得尤為重要，因為汽車製造商們開始將邏輯——自動和輔助駕駛背後的大腦——推進到最先進的工藝節點。

我們的目標是使用最新的技術來實現性能的提升，但是在汽車的惡劣環境中，這些器件隨著時間的推移會出現何種變化還不清楚。

台積電的一位主管Tom Quan說：「可靠性至關重要。

現在我們處於16nm FFC，正在向下移動到7nm，這將是自動駕駛平台的節點。

150˚C結點、IP，還有一個SoC都必須通過驗證。

還需要符合ISO 26262標準的IP，這更像是一個檢查表，而IP必須經過製造商的認證。

」

與此同時，客戶正在尋找器件潛在的故障率。

這會迫使代工廠使用更大的採樣樣本進行更多的檢查、測試和模擬，所有這些都需要時間並會增加流程成本。

MCU工藝趨勢

與此同時，器件製造商正將包括MCU在內的大量產品外包給代工廠。

MCU在系統中執行中央處理功能。

各種車輛中都會使用超過100個MCU。

例如，MCU會被用於車身控制領域。

恩智浦應用處理器副總裁Ron Martino表示：「這些微控制器採用8位和16位微控制器，擁有一定量的集成非易失性存儲器，並結合了高電壓模擬內容，以便與電池連接。

」

例如，去年，恩智浦推出了i.MX 8系列64位應用處理器。

這些器件旨在增強汽車儀錶板的圖像，如儀錶板、信息娛樂視覺、平視顯示器和后座螢幕。

基於三星的28nm FD-SOI工藝，恩智浦的器件包含多達6個64位ARM v8-A內核，DSP和內存。

恩智浦的許多MCU使用bulk CMOS，雖然FD-SOI對於i.MX 8和相關晶片是有意義的。

Martino說：「（FD-SOI）在調整器件方面具有更大的動態範圍。

這讓我們可以在單個平台上獲得更廣泛的功率/性能優化。

」

然而，並不是所有的人都在推動FD-SOI。

許多人說bulk CMOS適用於大多數應用。

不過，這兩個陣營都看到了MCU的其他整合趨勢。

聯電的Ting說：「對於汽車，我們正在收到將嵌入式存儲器與BCD結合的需求。

這是一顆帶有BCD和嵌入式存儲器的MCU。

這將取代現有的解決方案，現有的解決方案需要外部的獨立存儲器來記錄汽車的某些參數。

」

在汽車中，bipolar-CMOS-DMOS（BCD）是用於電機控制應用的專用工藝，如鏡子定位和座椅調節。

BCD結合了bipolar在模擬方面的優勢，CMOS在數字方面的優勢，以及DMOS在功率和高電壓方面的優勢。

MCU也在整合NOR flash和EEPROM。

嵌入式NOR flash的主流市場是40nm及以上，雖然行業正在走向28nm。

然而，NOR flash不會隨著時間的推移而造成數據丟失。

因此，汽車行業正在更加努力地審視下一代存儲器類型，如MRAM（磁性隨機存儲器）和ReRAM（可變電阻式記憶體）。

這些技術具有flash無波動的特性，具有無限的持久性。

Ting表示：「新興的存儲器，如MRAM和ReRAM，都是非常吸引人的。

它們具有傳統存儲器無法匹敵的特徵。

問題是，這些存儲器目前只能小規模生產。

行業還需要積累更多的經驗，消除所有潛在的問題。

這將需要一些時間。

」

無人駕駛汽車

與此同時，如果不是炒作的話，自動駕駛也得到了很多關注，但其技術和相關晶片還處於起步階段。

例如，奧迪的A8汽車集成了一個中央駕駛員輔助控制器，稱為zFAS，它可實現2/3級自動駕駛。

由德爾福公司開發的zFAS板集成了一些老一代的晶片。

當德爾福開始這個項目時，最新的晶片還不可用。

例如，據奧迪稱，該板包括Mobileye的EyeQ3處理器和英偉達的Tegra K1。

英偉達的Tegra K1是基於28nm的GPU。

基於40nm工藝的EyeQ3可以進行視覺識別和檢測。

最近被英特爾收購的Mobileye還正在開發基於28nm FD-SOI工藝和10nm及以下工藝的FinFET晶片。

據德爾福的De Vos稱，今天的自動駕駛汽車還包括6-8個攝像機、6-8個雷射雷達器件和6-8個雷達單元。

有了這些設備，車輛每小時收集50 TB的數據，但這對於全自動駕駛技術來說還不夠。

圖5：ADAS集中控制。

來源：德爾福

De Vos說：「即使有了這些數據，感知系統仍然是自動駕駛的限制因素。

我們的傳感系統甚至尚未接近這種程度。

」

對於5級而言，車輛可能需要每小時收集150 TB的數據，這意味著行業需要一些新的突破，才能推動傳統汽車和自動駕駛汽車的下一波浪潮。

那麼下一步是什麼呢？GlobalFoundries的Granger說：「ADAS和自主需要大量傳感器，還必須處理所有這些數據。

這個行業有兩種趨勢。

其中一種是讓傳感器智能化。

也就是說每個傳感器都有處理能力。

」

對此，業界正在開發更強大的MCU/MPU作為數據處理手段。

Granger說：「當你開始進入3、4、5級的時候，便需要先進的節點來處理所有的傳感器數據，以使汽車能夠做出最佳決定。

」

對於雷射雷達和雷達的工作也在進行。

雷達可以檢測物體，但它無法將兩個物體區分開來。

雷射雷達利用雷射來測量目標的距離，從而使測距更精確。

在某些情況下，雷射雷達器件基於氮化鎵（GaN），這是一種III-V族半導體技術。

對於雷達來說，這種器件可以將MCU、DSP和基於77-GHz的矽鍺（SiGe）的RF模塊結合在一起。

為了降低雷達成本，GlobalFoundries及其合作夥伴正在開發基於CMOS的mmWave雷達晶片。

使用22nm FD-SOI工藝，該器件將包括MCU以及短距離和遠程雷達。

它也消除了對於SiGe的需求。

Granger說：「它允許你進行快速的處理，這樣人們就可以實現能夠改進之前功能的雷達，並且挑戰雷射雷達。

雷射雷達是一項非常有趣的技術，但一般也很昂貴。

」

當然，自動駕駛還需要軟體組件。

例如，新成立的AImotive公司最近推出了面向汽車行業的神經網絡技術。

GlobalFoundries的Rajan說：「所有這些傳感器都很好，但它們做的很多事情是用不同的輸入點對數據進行三角測量。

你需要後台的東西，無論是在汽車內還是在雲端，它有能力處理這些數據，做出有意義的、可執行的決定，並從關鍵任務的角度專注於將反饋回復給汽車或控制汽車的人。

」

顯然，汽車領域正在為代工廠帶來新的機遇。

汽車領域可能需要更多的時間來贏得客戶，但這是一個更穩定和可預測的業務，至少現在是這樣。

原文連結：https://semiengineering.com/foundries-accelerate-auto-efforts/

今天是《半導體行業觀察》為您分享的第1360期內容，歡迎關注。

R

eading