东芝半导体本土竞标者将出现

1.东芝半导体本土竞标者将出现；

eeworld网消息，东芝半导体十组竞标人马中，由于鸿海传出砸下逾日圆3兆元，目前已通过第一轮竞标案，对决博通与私募基金银湖（Silver Lake）的美国联盟。不过现在传出，日本政府正号召民间企业合组本土团队，拟参加第二轮竞标，让东芝娶亲案呈现台、美、日三强对决。

由于消息没有公开，知情人士要求匿名。他们说，目前博通与私募基金银湖无约束力的报价在2万亿日元（180亿美元）左右。

日经新闻报导，在日本产经省主导之下，东芝在寻求当地企业成立本土联盟，拟参加第二轮竞标案，目前富士通和富士控股正考虑加入竞标，其他可能加入竞标的公司包括东芝的客户和业务伙伴。 受到消息激励，昨天东芝股价一度大涨7%。

消息人士透露，规划每家日本企业出资约日圆100亿元，以日本官民基金「产业革新机构（INCJ）」为首，加上政策投资银行等公共资金，总计筹资日圆5,000亿元，藉此取得东芝半导体事业一定比重股权，藉此防止技术、人才外流。

东芝正在出售资产，以应对成本超支和建筑项目推迟造成的西屋电气核能业务巨额减记。西屋电气上周申请破产保护，东芝表示可能会在截至3月份的年度录得多达1.01万亿日元的亏损。一位高管上周表示，东芝计划在夏季之前选出芯片业务的获胜者，以便能在2018年3月前完成交易。

2.联发科竹北新总部确定不盖了；

联发科2015年斥资11亿台币标下新竹高铁BOT案，原本打算用来盖新总部，被视为当地房市的一大利多，如今却确定不盖了！

联发科3月22日召开董事会时，除了通过延揽蔡力行至联发科技担任共同执行长外，也公告因资源规划调整，拟与高铁局合意解除地上权契约。 《苹果日报》报导，相关消息获得交通部高速铁路工程局证实，指出双方合约已终止。

联发科发言人顾大为表示，竹北新总部案喊卡，主要是因为办公室空间已足够，加上公司近期在竹科园区取得土地，将资源重新规划运用后，新竹总部未来会有5栋楼的空间规划可使用。

市场人士指出，联发科近来获利有压，去年以来营收占比6成的手机芯片业务持续不振，新竹高铁新总部重大建案突然喊卡，不免让人联想到，蔡力行7月就任之际，公司也将进入整顿新时代。工商时报

3.NOR Flash涨势将延续至年底；

根据市场研究机构TrendForce指出，受益于今年搭载AMOLED面板的智能型手机数量大幅增加，以及TDDI技术所需NOR Flash产能提升的带动，加上如美光(Micron)、兆易创新(GigaDevice)等主要供应厂商供给量下滑，导致今年NOR Flash因产能不足而出现价格弹升状况，预计NOR Flash将出现每季至少5% 的涨幅，其涨势将延续至年底。

TrendForce指出，观察供给端，最高阶NOR Flash产品多由美光、赛普拉斯半导体(Cypress)供应，供应容量为64Mb、128Mb，华邦、旺宏则以NOR Flash中阶产品供应为主，多供应16Mb、32Mb、64Mb产品，而兆易创新提供的多为低阶产品，供应容量为512kb、1~2Mb。 以营收做为市占率计算基准，赛普拉斯半导体市占率为25%，排名第一，旺宏市占率24%，排名居次，美光市占率18%，排名第三。

过去兆易创新在取得晶圆片上获得补贴，因此能以极为低廉价格在市场上抛售产品，然而，由于其晶圆片供货商策略转向，因而影响供给兆易创新的晶圆片数量，导致兆易创新产能出现下滑状况。

另一方面，国际大厂美光、Cypress也逐步淡出中低容量的NOR Flash市场，Cypress的策略转向为专注在车用和工规的市场，而美光将出售其8吋厂也将影响整体NOR Flash市场的供应。

观察NOR Flash需求面，AMOLED面板需求的看涨，为NOR Flash市场带来新的需求动能。 TrendForce指出，AMOLED面板需求在过去这两年持续看涨，去年面板出货首度突破3亿片大关，预估今年在iPhone正式采用AMOLED面板的带动下，AMOLED面板出货有机会朝5亿片大规模增长。

此外，由于AMOLED面板技术门坎较高，批次产出的良率可能出现不一致的状况，面板厂多半会另外透过De-Mura功能来维持同一批次产出面板的显示质量一致性。 但De-mura编码目前无法整合进入以高压制程生产的驱动IC当中，必须要另行外挂一颗NOR Flash来储存De-Mura功能所需的编码。 因此当AMOLED面板需求大增，NOR Flash的需求势必将同步跃升。

另一方面，发展已一段时间的TDDI IC，在将触控功能整合进入驱动IC的同时，也受制于触控功能分位编码所需容量较大，无法一并整合进入TDDI IC当中，而须另外外挂一颗NOR Flash作为储存触控功能所需的分位编码。 在大部分的TDDI IC方案已于去年下半年陆续到位下，TrendForce预期，今年搭配TDDI IC的In Cell面板出货将大幅提升，渗透率将由2016年的5%持续提升至2017年的10%，同步推升对NOR Flash的需求。eettaiwan

4.海力士发布72层256G 3D闪存芯片 适合未来iPhone；

苹果供应商海力士（SK Hynix）今天发布了72层，256Gb 3D NAND 闪存芯片。这种芯片比 48层技术多1.5倍，单个 256Gb NAND 闪存芯片可以提供 32GB 闪存，这种芯片比 48 层 3D NAND 芯片的内部运行速度快两倍，读写性能快 20%。

海力士自从2016年11月开始生产 48 层 256Gb 3D NAND 芯片。之前的 36 层  128Gb 3D NAND 芯片在2016年4月开始生产。因为层数更多，利用现有的生产线，产能可以提升 30%。海力士将在今年下半年开始量产。

iPhone 7 和 iPhone 7 Plus 配备的 NAND 闪存供应商来自东芝和海力士。一些 iPhone 7 采用东芝 48 层 3D BiCS NAND 芯片，这种芯片之前从未出现在其他商业产品中。其他 iPhone 7 型号采用海力士闪存芯片。

32GB iPhone 7 比 128 GB 型号更慢，前者的数据读取速度为 656 Mbps，后者为 856Mbps。东芝和海力士的内存芯片采用 15纳米工艺打造 MacX                   

5.联发科3月营收站回200亿元之上 Q1季减18%符预期；

联发科 (2454-TW) 今 (10) 日公布 3 月营收为 208.18 亿元，月增 22.8%，年减 2.43%；第 1 季营收为 560.8 亿元，季减 18.3%，符合先前法说会预期。

联发科 3 月受惠工作天数回升，加上季底客户拉货，营收较 2 月明显弹升，攀上今年来高点，同时也回到 200 亿元以上。

联发科先前预估，第 1 季手机加上平板芯片出货量约 1.05-1.15 亿套，较去年第 4 季的 1.35-1.45 亿套下滑，主因工作天数较少及新兴市场需求放缓，第 1 季营收估 536-591 亿元，季减 14-22%。

法人指出，相对营收，联发科第 1 季最大压力是毛利率，由于采用 10 奈米制程生产的 X30 芯片，客户导入状况不如预期，加上既有产品市场竞争压力仍沉重，使得第 1 季毛利率仍有跌破 35% 的压力。

联发科日前已调整第 1 季财测目标，尽管毛利率维持不变，但由于认列处分杰发收益，导致营业费用增加，预估第 1 季营业净利为 10-12 亿元，较前一季腰斩，不过业外支撑下，每股纯益仍有 3.57 至 4.35 元，优于去年第 4 季。

另外，联发科日前也宣布，延揽前台积电执行长蔡力行担任共同执行长，市场高度聚焦蔡力行到任后，是否对联发科内部管理上会有很大的调整。钜亨网

6.英特尔：GPU 已过时，Nvidia 的人工智能之路会越来越难

                                                                     刚刚上任的英特尔人工智能事业部（AIPG）首席技术长 Amir Khosrowshahi 表示，目前所使用 GPU 等级太低了，半导体产业需要构建全新的神经网络架构。

在出任这个新职位之前，Khosrowshahi 是 Nervana System（下简称 Nervana） 的联合创始人兼首席技术长，Nervana 于 2016 年 8 月被英特尔收购，但并未对外披露具体的收购金额。 Nervana 利用最先进的技术来使用 GPU，而且还自行研发替代了标准的 Nvidia 汇编程序，从而让 Nervana 能够生成「次优」的架构体系。 在英特尔大力部署人工智能战略的大背景下，该公司所能提供的技术迅速成为了发展的核心力量。

Khosrowshahi 本周四向 ZDNet 透露：「早在 Nervana 成立之初我们就着手研发自己的汇编程序，当时只是为了我们自己的研发需求，不过后来我们发现它要比 Nvidia 官方的库存快两到三倍，所以我们就将其开源了。 」

Nervana 并不仅仅在软件方面发力，而且还创建了自己的目标向神经网络训练。

他说道：「神经网络是预先设定好操作的系列整合。 它并不像人类和系统之间的互动，而是被描述为数据流的系列指令集。 」

Khosrowshahi 表示，在执行图形渲染过程中辅助图形处理单元的部分功能是没有必要的，比如大容量暂存、顶点着色处理、 渲染和纹理等。 他表示：「GPU 中的大部分电路在部署机器学习之后是没有必要的... 这些东西会随着时间的推移而不断积累，最终产生了非常多无用的东西。 」

他进一步解释：「对你来说并不需要的电路，在 GPU 芯片中不仅占据了很大一片空间，而且从能源利用率上考虑也产生了相当高的成本。 神经网络则相当简单，利用小巧的矩阵乘法和非线性就能直接创建半导体来实现 GPU 的功能，而且你所创建的半导体非常忠诚于神经网络架构，显然这是 GPU 所无法给予的。 」在设计思路上，CPU 有复杂的控制逻辑和诸多优化电路，相比之下计算能力只是 CPU 很小的一部分；而 GPU 采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑并省去了快取，因而在需要大量计算的机器学习方面表现更好，而TPU则是专为机器学习的矩阵乘法设计和优化，因而在机器学习方面比 GPU 更胜一筹。

Khosrowshahi 给出的答案：就是目前尚在开发中的 Lake Crest，这是英特尔今年会针对部分客户提供离散加速器。 但伴随着时间的推移，它将会成为 Xeon 处理器的最佳伙伴。

Khosrowshahi 解释：「这是一个张量（tensor）处理器，能够处理带矩阵运算的指令。 因此指令集是矩阵 1 和矩阵 2 的相乘，不仅透过查询表运行而且这些大型的指令都是高级别的。 」

「GPU 主要依靠一个个寄存器（Register），当访问（或者跳转到）某个寄存器，所执行的是元素和元素之间的相乘，这个级别是相当的低了。 」

Khosrowshahi 表示，最近几年 Nvidia 已经努力让他们的 GPU 对神经网络更加友善，但是他们的 AI 芯片依然承担了大量图形功能。 他表示：「如果只是依靠自己来推动芯片方面的改进，我认为未来 Nvidia 的进化将会变得越来越困难。 」

与之对应的，英特尔则通过收购的方式来推进人工智能。

Khosrowshahi 说：「芯片产业的挑战是即将迎来颠覆性的全新架构：而现在英特尔所做的事情就是将其收入麾下。 他们想要获得 FPGAs（现场可程序逻辑门数组），所以他们收购了 Altera。 这真的是一个非常酷炫非常神经网络的架构。 」

此外 Khosrowshahi 还纠正了很多人对神经网络的错误想法，他表示并不是将神经网络蚀刻到半导体上，大部分的功能依然通过软件方面来形成。

他说道：「神经网络大部分都体现在软件方面。 所以即使是 Lake Crest，指令并不是『神经网络，执行这项任务』，而是透过矩阵和矩阵的相乘。 芯片外层部分就是一些我们所熟知的神经网络，在经过培训之后能够根据用户需求来执行各种任务或者搜寻某种参数，当你拥有神经网络之后你就能做任何可以完成的事情。 」

英特尔的其中一个人工智能架构将会对抗 Google 的定制 TPU。 在 4 月 5 日搜寻龙头 Google 表示， TPU 的平均运转速度要比标准的 GPU/CPU 组合（比如 Intel 的 Haswell 处理器和 Nvidia 的 K80 GPU）快 15~30 倍。 在数据中心计算功耗时，TPU 还提供 30-80 倍的 TeraOps/瓦特（如果未来使用更快的储存装置，这一数字可能还会提高）。

同样在今年 4 月 5 日，IBM 和 Nvidia 还宣布 Big Blue 在今年 5 月开始向特斯拉 P100S 提供 IBM Cloud 服务。