16
芯片代工厂正在加大汽车芯片的生产力度，以为将来辅助和自主驾驶系统普及造成的半导体使用激增做准备。
所有主要代工厂商都正在为汽车客户抓紧时间组装零部件并扩大生产工艺组合。在高级驾驶辅助系统（ADAS）、纯电动 / 混合动力汽车和具有更多连接特性的传统汽车的推动下，代工厂商来自汽车 IC 客户的需求不断增长。代工厂商也比较喜欢汽车业务，因为许多器件不需要使用十分先进的工艺，这意味着各种层次的代工厂商都可以参与。
对代工厂来说，汽车并不是一个新市场。很多代工厂已经侵淫这个领域多年。无晶圆厂汽车芯片设计公司将其生产外包给代工厂。有的汽车 IDM 拥有自己的晶圆厂，也会将一些芯片生产外包给代工厂。
直到最近，汽车也不是大多数代工厂的高优先级业务。Semico Research 公司总裁 Jim Feldhan 说：“过去，汽车业务并不被认为能赚大钱。验证一个工艺需要花费太长时间，汽车客户也不多，而且，与计算或通信芯片相比，汽车也不是一个大批量的市场。”
然而，代工业对汽车客户的态度最近有所改变。“消费者近期对 ADAS、AI、传感器 hub 和联网设备等汽车电子产品的需求，已经改变了代工厂商的观点，”Feldhan 说。“汽车市场现在向代工厂敞开了大门。台积电已经对其汽车工艺进行了认证，其他代工厂商亦如是。汽车供应商阵营也发生了变化。为了应对自主驾驶对人工智能和“大脑”的要求，英特尔、英伟达和高通等公司已经推出了针对性的新设计。当然，英伟达和高通之前也都是主要的代工客户。”
汽车设备制造商和代工厂都由于汽车对各种器件（如模拟，内存，MCU，传感器等）的需求激增获益匪浅。事实上，根据 TI、IHS 等公司的数据显示，每辆汽车的半导体产品平均含量从 1990 年的 62 美元增长到 2013 年的 312 美元，现在更进一步增长至 350 美元。根据 IHS，到 2022 年，该数字预计将达到 460 美元。麦肯锡表示，即使是今天，混合动力汽车车中的芯片总价值也已经达到 600 美元，豪华车型的芯片价值在 1000 美元左右。
据 Semico 称，汽车半导体市场预计 2017 年将达到 417 亿美元，同比 2016 年上涨 11％。据 Semico，2016 年汽车 IC 市场比 2015 年增长了 8.1％。这个数字包括了功率分立器件、传感器和光电元件。
尽管如此，与智能手机芯片市场相比，汽车 IC 市场只占整体 IC 市场的一小部分 - 约 10％。Feldhan 说：“请记住，汽车每年卖出 1 亿台，而手机的年销量能达到 20 亿部。 ”
对代工厂来说，汽车业务规模虽小，但增长性十足。一些代工厂的汽车业务从十年前的不存在增长到目前占总体销售额的 5％到 10％，有些代工厂的比例更大。
但代工厂在汽车行业面临一些挑战。汽车产品要求严格，产品认证过程艰巨且昂贵。而且，竞争也很激烈。
汽车内部窥析
一般来说，汽车分为五个主要系统 - 车身、连接、信息融合 / 安全、信息娱乐和动力传动。车身系统实现基本的车身控制，如门禁、照明和车窗控制。连接系统包括蜂窝通信、WiFi 等相关功能。
图 1：半导体广泛应用于汽车。资料来源：联电
信息融合 / 安全系统由摄像机、LiDAR 和雷达组成。信息娱乐系统包括驾驶员信息和娱乐设备。动力系统包括发动机及其控制单元和变速箱。有的分类方法将底盘（如制动器和转向）归类到动力系统中。
图 2：需要的各种半导体技术。资料来源：联电
每辆汽车有数十种被称为电子控制单元（ECU）专用嵌入式计算设备，分别控制车辆的各个部分。ECU 通过网络连接到一些人称之为分布式架构的网络中。
一些高端车型在网络拓扑上正在发生一些根本性的变化，但许多车辆仍将继续采用分布式架构。汽车技术巨头德尔福首席技术官 Glen De Vos 表示：“现在，我们正处于一个拐点上，当前的网络架构无法应对日益增加的汽车信息。 我们必须做出改变，使得能够以具备成本效益的方式继续处理越来越多的信息。”
原始设备制造商们不再能够简单地将更多电子零部件堆砌到汽车中。De Vos 在最近的一次活动中表示，“如果仍然沿用现在的技术路线，现有架构很快就吃不消了。每次增加新功能时，我们不能简单地添加更多的信息、更多的 ECU 和更多的布线。”汽车的成本结构吃不消，OEM 厂商也承担不起这个成本。当您根据特定的预算设计汽车时，要记住，ECU 及其网络的成本是有限制的。
为了解决某些车型功能与成本相矛盾的问题，德尔福开发了域集中架构。在这个架构中，电子功能集成在较少的多域控制器中，这种方式既可以降低成本，也可以减轻重量。
图 3：汽车计算的演进。资料来源：德尔福
奥迪在其最近宣布的 A8 豪华车中使用了这一概念。A8 还集成了一些自动驾驶能力。它可以在最高达 37.3 英里 / 小时的速度下在高速公路上自动驾驶汽车。
图 4：德尔福的智能架构。资料来源：德尔福
A8 具有“Level 3”或者“有限的自动驾驶”能力。在 ADAS 的世界中，“Level 1”是指汽车中一个或多个控制功能的自动化，而“Level 2”是两个或更多功能的自动化。特斯拉目前处于“Level 2”，“Level 4”具有较强的自动驾驶能力，而“Level 5”完全自主，方向盘可以作为一个选配件存在。
完全自主驾驶技术可能需要十年或更长的时间才能成为主流。即使永远实现不了自主驾驶技术的大众化，ADAS 依然在若干个方面推动着新器件的发展。根据 Semico，技术推动力包括自适应巡航控制、自动停车和防撞、车道偏离警告和盲点检测。
外包趋势
多年来，博世、恩智浦、安森美半导体、瑞萨、意法半导体、德州仪器和其它有自家晶圆厂的 IDM 厂商主导着汽车行业。
通常，汽车芯片都是在 200mm 和 300mm 晶圆上制造的。“汽车行业有 ADAS、远程信息处理和信息娱乐等系统。我们有 LiDAR 小型化等技术。”应用材料公司全球服务营销总监 Mike Rosa 表示。
十年前，X-Fab Silicon Foundries 是少数几个为汽车行业服务的代工厂之一。其它代工厂有一些与汽车客户有业务往来，有些则停留在旁观者的身份上。
然而，这么多年来，有两个主要事件改变了汽车芯片的代工业务。首先，许多 IDM 进入“晶圆厂轻量化”或无晶圆模式。其次，汽车内的芯片数量开始不断增长。
进入 21 世纪以来，建造新晶圆厂和开发先进工艺的成本对于许多 IDM 来说太昂贵了。许多公司因此停止了先进工艺晶圆厂的建造。一般来说，他们会在内部保留自己的专有工艺，并将一些生产外包给代工厂。
汽车只是外包给代工厂的产品领域之一。 “从汽车领域的发展历史来看，焦点都是集中在 IDM 身上。”联电公司业务管理副总裁吴坤表示，代工厂有一些业务。 “但是，随着 IDM 向 fab 轻量化和无晶圆厂方向的转变，越来越多的生产被外包出来。”
IDM 外包给代工厂的产品组合也在发生变化。“之前，IDM 厂商会把一些不太重要的汽车产品外包给代工厂生产，”联电副总裁 Wenchi Ting 补充说。 “其中两个例子是信息娱乐芯片和显示驱动芯片。 ”
IDM 还在一定程度上外包了模拟芯片、混合信号 IC 和传感器。“传统上，IDM 会自己生产功率系统或底盘控制组件这些更为关键的应用 IC，”Ting 说。“这种情况将来可能会改变。我们看到计划用于未来的发动机控制芯片，这类芯片需要巨大的内存带宽，需要嵌入式闪存以及最先进的逻辑器件工艺。”
事实上，IDM 已经将一些关键应用器件外包给代工厂。例如，ADAS 需要高级微控制器（MCU），而许多 IDM 没有合适的逻辑工艺来生产它们。“例如，他们正在使用 28nm 和 40nm 工艺制造 ADAS 的处理器，”Ting 说。“大多数汽车 IDM 厂商都不具备这种工艺生产能力。”
“还有另一个领域，即用于混合动力和电动汽车的功率分立器件。IDM 厂商还会生产一部分分立器件，但是由于其他原因，他们正在转向代工厂。”他说：“IDM 厂商渐渐无力生产功率分立器件了，所以这些产品正逐步转移到代工厂生产。”
除外包趋势外，代工厂近期又见证了另一个重大事件。GlobalFoundries 汽车副总裁 Mark Granger 表示：“过去几年，我们开始看到一个真正的转折点。 汽车内部的半导体元件日益增加，过去几年，随着 ADAS 的加入，半导体使用量激增。”
因此，代工厂商们继续加大对汽车业务的投入，他们分别采取了不同的策略。有些公司向汽车客户提供从其它市场照搬而来的工艺，其它公司则提供专门针对汽车业务特色而调整过的工艺。
但是，与其他市场相比，汽车的要求更为严格。Granger 说：“你要努力达到 0 ppm，或者每百万件也没有一个缺陷零件。代工厂商和芯片制造商要不断改进，以达到最高水平的可靠性和最低水平的故障率。”
汽车芯片制造商和代工厂都必须遵守各种质量标准，如 AEC-Q100。这项标准涉及芯片的故障机理应力测试，除此之外还有各种其他标准。 GlobalFoundries 的 IoT 副总裁 Rajeev Rajan 说：“这些标准要求都是有原因的，主要是为了保证功能安全。产品开发和制造阶段必须遵守安全监管规范，还必须保证零件发生故障时的可追溯性。”
这些要求造成了一些挑战。例如，代工厂通常开发一种工艺技术，并采样相对正常的数量来验证它。
对汽车业务，代工厂必须执行更严格的检查、测试和其他筛选步骤。 KLA-Tencor 营销高级总监 Robert Cappel 表示：“您不能因为零件出现故障而影响安全性。 所以和其它行业相比，汽车业务对质量和良率要求的差别很大。还有一个关注的重点是潜在的可靠性缺陷。部件可以通过一次测试，但是在整个汽车生命周期内可能会随着时间的推移而失效。需求正在变化。”
“这一点变得特别重要，因为汽车制造商开始使用最先进的逻辑工艺生产自主和辅助驾驶系统的中心处理器，以使用最新技术实现性能改进，但是在汽车的恶劣环境下，这些器件的长期表现如何就不得而知了。”
台积电董事汤权说，“可靠性至关重要。现在我们在 16nm FFC 工艺节点上，工艺尺寸最终将下降到 7nm，它将用于自主驾驶平台。结温 150˚C 下，IP 和 SoC 都必须验证。有的 IP 还需要符合 ISO 26262，这更像是一个检查清单，制造商必须进行 IP 的认证。”
“与此同时，客户希望能够确定芯片的潜在故障率。这就需要代工厂使用更多的采样执行更多的检查、测试和模拟，所有这些都需要时间并增加工艺的成本。”
MCU 工艺趋势
同时，汽车芯片制造商将包括 MCU 在内的大量产品外包给代工厂。 MCU 在系统中执行中央处理功能。一辆汽车大概会使用 100 多颗 MCU。
例如，在车身控制系统中使用的 MCU。恩智浦应用处理器副总裁 Ron Martino 表示：“车身控制器一般采用 8 位和 16 位微控制器，它们具有一定容量的集成非易失性存储器，并结合高压模拟模块与电源接口。”
其他领域则需要高端 MCU。“随着时间的推移，不同的要求已经催生了 32 位 - 现在是 64 位 - 计算（功能），”Martino 说。
例如，恩智浦去年推出了 i.MX 8 系列 64 位应用处理器。这些设备旨在增强汽车仪表板的图形表现，如仪表盘、信息娱乐设备、平视显示器和后座屏幕。i.MX 8 基于三星的 28nm FD-SOI 工艺制造，包含六个 64 位 ARM v8-A 内核、DSP 和内存。虽然恩智浦的许多 MCU 使用的是 bulk CMOS 工艺，但是 FD-SOI 对于 i.MX 8 和相关芯片是很合适的选择。
“（FD-SOI）在设备能力调整方面具有更大的动态范围，”Martino 说。“这使我们能够在单个平台上实现范围更广泛的功率 / 性能优化。”
然而，并不是所有器件都适合 FD-SOI。许多人认为 bulk CMOS 适用于大多数应用。但是，这两个阵营都需要注意 MCU 的其他集成趋势。“有的汽车客户要求我们将嵌入式闪存与 BCD 工艺相结合，”联电的 Ting 说。“这是一个基于 BCD 工艺集成了嵌入式闪存的 MCU。它正在取代现有的解决方案，这些解决方案需要一个外部独立内存来记录汽车的某些参数。”
在汽车中，双极 CMOS-DMOS（BCD）是用于后视镜定位和座椅调节灯电机控制应用的专用工艺。BCD 结合了双极型模拟、CMOS 数字和 DMOS 功率和高电压的优势。
MCU 也集成了 NOR 闪存或 EEPROM。目前，嵌入式 NOR 闪存的主流工艺是 40nm 及以上，但是它正在向 28nm 过渡。
然而，NOR 闪存的数据可能会随着时间的推移而丢失。因此，汽车行业正在对下一代内存类型（如 MRAM 和 ReRAM）进行更加深入的研究。这些内存技术具有无限长时间的非易失性特征。
“MRAM 和 ReRAM 这些新兴的存储器技术非常有吸引力，”Ting 说。.“它们有传统存储器技术无法比拟的优势，只是它们现在还处于小规模生产阶段，业界需要加快积累经验并消除各种潜在问题，不过这需要一定的时间。”
无人驾驶汽车
自动驾驶目前显然受到很多关注，无论是不是炒作，不可否认的是，自动驾驶技术和相关芯片还处于起步阶段。
例如，奥迪最新发布的 A8 配有一个被称为 zFAS 的中央驾驶员辅助控制器，它可实现 Level 2/3 自动驾驶。由德尔福开发的 zFAS 主板集成了一些老一代芯片。德尔福几年前开始开发这个项目时，还没有现在最新的芯片。
奥迪称，这块主板上使用了 Mobileye 的 EyeQ3 处理器和英伟达的 Tegra K1。Tegra K1 是一个 28nm 的 GPU，进行视觉识别和检测的 EyeQ3 则是使用 40nm 工艺制造的。最近被英特尔收购的 Mobileye 还正在开发基于 28nm FD-SOI 和 10nm 及以下尺寸 finFET 的芯片。
根据德尔福的 De Vos 的说法，今天拥有自动驾驶功能的汽车一般包括 6-8 个摄像头、6-8 台 LiDAR 和 6-8 台雷达。有了这些设备，车辆每小时收集 50 TB 的数据，但这对于全自动驾驶技术来说还不够。
图 5：ADAS 集中融合 / 控制。资料来源：德尔福
De Vos 说：“即使有了这些数据，感知系统仍然是自动驾驶的限制因素。 我们的传感器系统还达不到全自动驾驶的要求。”
对于 Level 5 自动驾驶，车辆可能需要每小时收集 150 TB 的数据，这意味着行业需要一些新的突破，才能使传统车升级和自动驾驶汽车的下一波浪潮成为现实。
那么下一步呢？“ADAS 和自动驾驶需要大量传感器，”GlobalFoundries 的 Granger 说。“您还必须处理所有这些数据。行业对此有两个趋势。一个是使传感器变得智能，每个传感器都具备一定的处理能力。”
另外一个手段是开发更强大的 MCU/MPU 处理数据。 “当自动驾驶开始进入 Level 3、4 和 5 时，您需要先进的节点才能在一个整体视图中处理所有传感器数据，以使汽车能够做出最佳决策。”Granger 说。
LiDAR 和雷达的研究工作也在进行中。雷达可以检测到一个对象，但它不能将它与另一个对象分辨出来。LiDAR 能够以更精确的方式测量与目标的距离。在某些情况下，LiDAR 器件可以使用氮化镓（GaN）、III-V 工艺。
雷达设备可以集成 MCU、DSP 以及基于硅锗（SiGe）的 77GHz RF 模块。为了降低雷达的成本，GlobalFoundries 及其合作伙伴正在开发基于 CMOS 的毫米波雷达芯片。该器件使用 22nm FD-SOI 工艺，包括 MCU、短程雷达和远程雷达，而且它也不需要使用 SiGe。
他说：“这种工艺和集成方式使得您可以快速处理数据，这样人们便可以实现一种能够改进功能并挑战 LiDAR 的雷达。LiDAR 是一种非常有趣的技术，但同时也很昂贵。”
自动驾驶当然也需要软件组件。例如，初创公司 AImotive 最近推出了面向汽车行业的神经网络技术。 “所有这些传感器都很棒，”GlobalFoundries 的 Rajan 说。 “但是它们完成的主要工作是将来自不同输入点的测量数据进行三角化。您需要有一个后台，无论是在汽车内还是在云端都可以，它有能力处理这些数据，过滤或者压缩，然后给出有意义和可行的决定，并将重点回复给从任务关键角度来讲控制汽车的自动驾驶系统或者司机。”
显然，汽车正在为代工厂带来新的机会。为了赢得汽车客户，代工厂可能需要投入更多的时间，但这是一个更稳定和可预测的业务，至少现在来看如此。
更多有关汽车半导体的资讯，欢迎访问 与非网汽车半导体专区
与非网编译内容，未经许可，不得转载！
