車聯網、電動車夯 支撐全球半導體成長

www.nissan.com.hk" alt="Nissa Leaf 是全球銷售量最多的電動車，目前具備有半自動駕駛的能力，在歐洲是很受歡迎。圖片來源：www.nissan.com.hk">

Nissa Leaf 是全球銷售量最多的電動車，目前具備有半自動駕駛的能力，在歐洲是很受歡迎。圖片來源：www.nissan.com.hk

在半導體製程不斷進化，加上AI、雲端服務等創新科技的蓬勃發展下，不僅改變民眾日常生活習慣，其中又以發展超過百年的汽車最為明顯。以往只有在電影境節中才會出線的自動駕駛、電動車等，正逐步在現實生活中出現，如融合多項感測技術的自駕車，可大幅減少人為駕駛錯誤發發生，進而達到提升車輛、行人安全。

至於在地球暖化議題備受關注下，可減少運輸時排放廢氣的電動車，能降低對環境所造成的影響。正因如此，以往支撐全球半導體成長力道的智慧型手機、資料中心等，正逐漸由車用半導體取代，預計2022年全球汽車電子零組件市場規模將達679億美元，其中亞太市場將以41%成長率領先全球。

看好車用半導體市場的長期發展，耕耘該領域多年的英飛凌，在2019年6月3日即宣布以90億歐元購併賽普拉斯，預計2019年整體營收可望超過恩智浦，成為車用半導體排行的龍頭。

至於以往專注行動晶片的聯發科技，則在2019年CES上推出以 Autus 品牌的車載晶片，所要鎖定車載通訊系統、智慧座艙系統、視覺駕駛輔助系統、毫米波雷達解決方案等，主打可降低汽車製造商的開發成本。

自動化程度日深  仰賴電子元件協助

儘管車用電子發展多年，但是過去受到技術上的限制，加上消費者購買因素，很多應用並沒有受到關注。然而現今在政府法規與消費者需求期盼下，不僅帶動車廠推出配備多種安全設計的車輛，主打排放零污染的電動車，更成為許多消費者關注的發展趨勢，預估2040年全球販售的1.2億輛新車中，將有高達50%將是電動車。

汽車自動化、電動化比例愈高，則需要仰賴更多電子元件協助，ON Semiconductor指出當自動車從Level 2升到Level 4時，駕駛輔助系統配備的各種IC半導體感測器數量，將達到40個以上。至於電動汽車所搭載的各種電子元件成本將高達580美元，電源IC年複合成長率將達到42%，LED燈驅動IC有24%成長。

至於融合物聯網技術的車聯網，搭配愈來愈普及的自動化系統，將催生出汽車與基礎設施互聯(V2I)、汽車與汽車互聯(V2V)和車與車聯網串連的三種模式。此種以安全為主的應用場景，將會強化汽車對高速處理器、感測器、控制器、通訊晶片等元件強烈需求。

有別於消費型的電子元件，汽車製造商對車用電子的要求極高，產品除需要符合車規標準，需能夠在-40°C ~155°C之間工作外，零件使用壽命也希望可長達15~20年，以確保行車過程中的安全。

32位元車用MCU出貨量攀升  ARM平台成主流

儘管受到中美貿易戰的影響，2019年上半年全球汽車銷售狀況不假，連帶影響到車用MCU出貨量。然在車應用趨勢的需求上升，如ADAS、自駕車、車載資通訊、車聯網等技術發展下，車用 MCU長期出貨量將呈現穩定成長趨勢。

因應不同應用，車用MCU依照運算能力不同，可分成8、16、32位元等 3 類，其中8、16位元的MCU，主要用來控制較單純的設備，如電動窗、電動方向盤、煞車等。至於較複雜的自動駕駛、ADAS、車載資通訊等，則需仰賴32位元的MCU。因此，根據研究報告指出， 32位元MCU出貨量佔整體出貨量的70%，且未來佔比將會持續攀升。

尤其預先整合感測器或其他元件的車用MCU，儘管價格相對較貴，但是卻反而能夠降低後續車用系統的開發成本。因此，目前有不少車商開始將高單價的車用MCU用於中高級車款之中，以便創造出更多元的應用。

值得一提，除聯發科、Nvidia、高通是以車用SoC形式出貨外，市面上各家車用MCU的品牌，如恩智浦、意法半導體、英飛凌等，均是以ARM Cortex-M或ARM Cortex-R核心，主打開發容易、省電等特性，進而讓產品可拓展至更多車用領域之中。

AI應用範圍大增  邊緣運算興起

在物聯網技術成熟帶動下，不僅讓智慧城市、車聯網等應用情境逐步實現，也帶動各種連網裝置快速成長。傳統智慧服務都是仰賴高效能的雲端服務平台處理，然若要確保車聯網、自駕車等能穩定運作，自然需要在終端裝置上安裝高效能的AI晶片，即是近來被廣泛討論的邊緣運算。

若要在終端設備上執行AI，目前解決方案除傳統的高效能GPU架構之外，也有不少業者以FPGA推出解決方案。如NVIDIA推出的NVIDIA DRIVE AGX是一個可擴充的開放式自駕車運算平台，主打具備高效能又節能的運算能力，可提供運作無虞的人工智慧自動駕駛功能。

至於英特爾則推出的Intel Cyclone 10系列產品，即是針對汽車或工業設備設計的FPGA，可提供快速處理、省電能力，能及時處理複雜影像與分析。

雖然專屬GPU在運算能力較高，但是相對售價也較為。至於FPGA則具備可快速部署的優勢，加上產品本身具備可程式化的特性，一旦汽車廠商開發出新AI演算法，則可以趁車主回廠保養時進行更新，亦是兼具成本與未來發展的好選擇。