来源：本文由半导体行业观察翻译自 semiengineering ，谢谢。

推动更多的电子产品进入汽车行业，使过去的微利业务变成盈利业务。

代工厂正在加大汽车芯片的生产力度，为辅助驾驶和自动驾驶中半导体产品需求的激增做准备。

所有主要的代工厂商都在争先恐后地组装这些部件，并为他们的汽车客户的扩大加工产品系列。在先进驾驶辅助系统（ADAS）、电动/混合动力车辆，以及具有更多连接特性的传统汽车的推动下，代工厂商看到汽车IC客户的需求正在不断增长。汽车对于代工厂同样有吸引力，因为许多器件不需要领先的工艺，这意味着大量供应商可以参与其中。

但是，汽车对于代工厂商来说并不是一个全新的市场。事实上，许多代工厂商已经深耕这个行业很多年了。代工厂的业务来源主要分为两个部分：汽车芯片专业设计公司将生产外包给代工厂；拥有晶圆厂的汽车IDM（整合元件制造商）也将一些芯片生产外包给代工厂。

但是，直到现在，汽车都不是大多数代工厂的首要任务。Semico Research公司总裁Jim Feldhan表示：“过去，厂商并不认为汽车是代工厂的主要营收来源。使一项工艺达到汽车的要求，需要花费太长时间。与计算或通信相比，汽车客户又很少，汽车不是一个大批量的市场。”

然而，这种态度最近发生了变化。Feldhan说：“最近对汽车电子产品的需求，如ADAS、AI、传感器中枢和连接，已经改变了代工厂的观点。汽车市场现在对代工厂很开放。台积电已经对其汽车工艺进行了认证，其他厂商也是如此。汽车供应商的格局也发生了改变。由于自动驾驶对于人工智能和“大脑”的要求，代工厂正在争夺诸如英特尔、英伟达、高通这类公司的新设计。当然，英伟达和高通是主要的代工客户。”

汽车器件制造商和代工厂都受益于汽车上各种器件的需求激增，比如模拟器件、存储器、MCU、传感器等。事实上，TI、IHS等公司的数据显示，每辆汽车的半导体器件的平均含量从1990年的62美元增长到2013年的312美元，而现在是350美元。根据IHS的数据，到2022年，这个数字预计将达到460美元。但麦肯锡表示，即便是在今天，混合动力汽车的芯片含量也已经达到了600美元，而豪华车则徘徊在1000美元左右。

根据Semico的数据，预计2017年汽车半导体市场将达到417亿美元，比2016年增长11%。2016年汽车IC市场比2015年增长8.1％。这些数据包括了功率分立器件、传感器和光电子器件。

然而，汽车市场的市场份额仅占整个IC市场的10%左右。与智能手机芯片市场相比则相形见绌。Feldhan说：“请记住，每年的汽车销量为1亿辆，手机销量为20亿部。”

汽车代表了一个虽小但正在增长的代工厂业务。一些代工厂的汽车业务从十年前的零增长到现在占到总销售额的5%-10%。还有一些代工厂的汽车业务所占比重更大。

但代工厂在汽车行业面临着一些挑战。汽车行业要求严格，产品认证过程仍然艰巨、昂贵，而且竞争激烈。

一般来说，行业将汽车分为五个主要领域——车身、连接、安全、信息娱乐和动力传动。车身包括基本的车身控制，如门禁、照明、车窗。连接包括蜂窝网络、WiFi以及相关功能。

图1：半导体器件广泛应用于汽车。 来源：联华电子

安全由摄像机、激光雷达和雷达组成。信息娱乐涉及驾驶员的信息和娱乐。动力系统领域包括发动机控制和变速器。有些人将底盘，如刹车和转向，也归于动力系统领域。

图 2：汽车需要多种半导体技术。 来源：联华电子

每辆车还有数十种专用嵌入式计算机，称为电子控制单元（ECU），它控制着车辆中的各个领域。所有的ECU都通过网络连接在一起，有些人称之为分布式架构。

尽管一些高端车型正在经历一些彻底的变革，但是许多汽车将会继续采用分布式架构。汽车技术巨头德尔福的首席技术官Glen De Vos说：“现在，我们正处于一个拐点，在当前的架构下，进入汽车的内容将不再是可持续的。我们必须做出改变，以使内容能够继续发展，而且以合算的方式发展。”

OEM厂商无法再仅仅把更多的电子产品塞进汽车里。De Vos在最近的一次活动中说：“随着你继续沿着这条路走下去，你会耗尽现有架构中的空间。当我们增加功能的时候，我们不能简单地增加更多的内容、更多的ECU和更多的布线。汽车结构成本负担不起。OEM厂商负担不起。当你为一辆车做预算时，你只有这么多钱花在所有这些内容上。”

为了解决某些模型的问题，德尔福开发了域集中式架构。为此，电子内容整合在更少的多域控制器中，作为降低成本和重量的手段。

图3：车辆计算的演变。 来源：德尔福

例如，奥迪在最近宣布的A8豪华轿车中使用了这一概念。A8还集成了一些自动驾驶功能。它可以在高速公路上以37.3英里每小时的速度自动驾驶汽车。

图4：德尔福的智能架构。 来源：德尔福

奥迪A8拥有“3级”或“有限自动驾驶”能力。在ADAS世界中，“1级”涉及到汽车中一个或多个控制功能的自动化，而“2级”则是两个或多个功能的自动化。特斯拉目前处于“2级”。“4级”拥有很高的自动驾驶能力，而“5级”则完全自动，方向盘可选。

完全自动驾驶技术可能不会在未来10年或更长的时间里成为主流。即使它从未接触到大众市场，ADAS也将在几个方面推动新器件的开发。根据Semico的说法，技术驱动包括自适应巡航控制、自动停车和防撞、车道偏离警告和盲区检测。

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，以及其他拥有晶圆厂的IDM占据了汽车行业的主导地位。

一般来说，汽车器件是在200mm和300mm的晶圆厂制造的。Applied Materials应用全球服务营销总监Mike Rosa表示：“在汽车行业，你们有ADAS、远程信息处理和信息娱乐器件。我们有像激光雷达这样的微型器件。这些将集成在一个芯片中，这一切大部分都在发生在200mm。”

十多年前，X-Fab Silicon Foundries是为数不多的为汽车行业提供服务的代工厂之一。其他代工厂也与汽车客户进行了一些业务，还有一些公司则在一旁观望。

然而，在过去的几年里，有两大事件改变了汽车制造商的格局。首先，许多IDM都进入了“fab lite”或“fabless”模式。其次，汽车中的芯片内容开始增加。

从2000年开始，建造新晶圆厂和发展尖端工艺的成本对许多IDM来说太贵了。许多厂商不再建造尖端的晶圆厂。一般来说，他们会将自己的专有流程保留在内部，并将一些生产外包给代工厂。

汽车只是外包给代工厂的一个产品领域。联电公司业务管理副总裁Walter Ng表示：“从历史上看，在汽车行业，很多人关注的都是IDM。代工厂有一些业务，但随着在IDM向fablite迁移，更多的东西将会出现。”

此外，代工厂也看到了从IDM外包出去的不同产品组合。联电助理副总裁Wenchi Ting补充说：“习惯上，你已经看到一些不太重要的汽车产品由代工厂生产，信息娱乐是一个例子，显示驱动器是另一个例子。”

在某种程度上，IDM还将模拟芯片、混合信号IC和传感器外包出去。Ting说：“习惯上，对于更关键的应用，如动力传动或底盘控制组件，IDM倾向于自己制造这些组件。未来，这种情况可能会改变。我们正在看到芯片正在计划用于未来的发动机控制，这需要巨大的内存带宽。这些芯片需要嵌入式存储器以及最先进的逻辑过程。”

事实上，IDM已经将一些关键的应用外包给了代工厂。例如，ADAS需要高级微控制器（MCU），但是很多IDM没有逻辑过程来实现它们。Ting说：“例如，代工厂商会用28nm和40nm制造用于ADAS的处理器。这是大多数汽车IDM都无法提供服务的领域。他们自身根本没有能力。”

另一个领域涉及用于混合动力和电动汽车的功率分立器件。IDM仍然制造功率分立器件，尽管他们出于其他原因转向代工厂。Ting说：“他们已经没有了制造功率分立器件的能力。这些产品都要到代工厂去了。”

除了外包趋势外，代工厂最近还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。你可以看到一辆汽车的半导体内容开始增加。随着ADAS的加入，在过去的几年里，半导体的数量激增。”

因此，代工厂商继续加强汽车行业的发展。每个供应商都有不同的策略。许多公司从其他市场获取流程，并为汽车客户提供服务。许多公司还开发了针对汽车的流程。

然而，与其他市场相比，不变的是，汽车行业的要求更加严格。Granger说:“想要努力达到零dppm，或者是百万分之一的缺陷率，可以不断改进代工厂和器件制造商两方，以达到最高的可靠性和最低水平的故障。”

汽车器件制造商和代工厂都必须遵守各种质量标准，如AEC-Q100。该标准涉及芯片故障机理应力测试。同样还有其他要求。GlobalFoundries的IoT副总裁Rajeev Rajan说：“基于功能安全的原因，遵守这些要求都是必不可少的。任何进入生产和产品开发的产品，如果有任何缺陷的话，都需要与监管方面的安全以及零部件的可追溯性联系起来。”

这些要求带来了一些挑战。例如，代工厂通常会开发一种工艺技术，并用相对正常的抽样大小限定它。

在汽车行业，代工厂必须进行更严格的检查、测试和其他筛选步骤。KLA-Tencor市场营销高级主管Robert Cappel说：“你不能让某一部分出故障，因为它会影响整体安全。因此，你看到的是一种不同的质量和产量水平。还有一个重点是潜在的可靠性缺陷。一个部件可以通过测试，但在汽车内部会随着时间的推移而失效。这种需求一直在变动中。”

这一点变得尤为重要，因为汽车制造商们开始将逻辑——自动和辅助驾驶背后的大脑——推进到最先进的工艺节点。我们的目标是使用最新的技术来实现性能的提升，但是在汽车的恶劣环境中，这些器件随着时间的推移会出现何种变化还不清楚。

台积电的一位主管Tom Quan说：“可靠性至关重要。现在我们处于16nm FFC，正在向下移动到7nm，这将是自动驾驶平台的节点。150˚C结点、IP，还有一个SoC都必须通过验证。还需要符合ISO 26262标准的IP，这更像是一个检查表，而IP必须经过制造商的认证。”

与此同时，客户正在寻找器件潜在的故障率。这会迫使代工厂使用更大的采样样本进行更多的检查、测试和模拟，所有这些都需要时间并会增加流程成本。

与此同时，器件制造商正将包括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。各种车辆中都会使用超过100个MCU。

例如，MCU会被用于车身控制领域。恩智浦应用处理器副总裁Ron Martino表示：“这些微控制器采用8位和16位微控制器，拥有一定量的集成非易失性存储器，并结合了高电压模拟内容，以便与电池连接。”

例如，去年，恩智浦推出了i.MX 8系列64位应用处理器。这些器件旨在增强汽车仪表板的图像，如仪表板、信息娱乐视觉、平视显示器和后座屏幕。基于三星的28nm FD-SOI工艺，恩智浦的器件包含多达6个64位ARM v8-A内核，DSP和内存。恩智浦的许多MCU使用bulk CMOS，虽然FD-SOI对于i.MX 8和相关芯片是有意义的。

Martino说：“（FD-SOI）在调整器件方面具有更大的动态范围。这让我们可以在单个平台上获得更广泛的功率/性能优化。”

然而，并不是所有的人都在推动FD-SOI。许多人说bulk CMOS适用于大多数应用。不过，这两个阵营都看到了MCU的其他整合趋势。联电的Ting说：“对于汽车，我们正在收到将嵌入式存储器与BCD结合的需求。这是一颗带有BCD和嵌入式存储器的MCU。这将取代现有的解决方案，现有的解决方案需要外部的独立存储器来记录汽车的某些参数。”

在汽车中，bipolar-CMOS-DMOS（BCD）是用于电机控制应用的专用工艺，如镜子定位和座椅调节。BCD结合了bipolar在模拟方面的优势，CMOS在数字方面的优势，以及DMOS在功率和高电压方面的优势。

MCU也在整合NOR flash和EEPROM。嵌入式NOR flash的主流市场是40nm及以上，虽然行业正在走向28nm。

然而，NOR flash不会随着时间的推移而造成数据丢失。因此，汽车行业正在更加努力地审视下一代存储器类型，如MRAM（磁性随机存储器）和ReRAM（可变电阻式记忆体）。这些技术具有flash无波动的特性，具有无限的持久性。

Ting表示：“新兴的存储器，如MRAM和ReRAM，都是非常吸引人的。它们具有传统存储器无法匹敌的特征。问题是，这些存储器目前只能小规模生产。行业还需要积累更多的经验，消除所有潜在的问题。这将需要一些时间。”

与此同时，如果不是炒作的话，自动驾驶也得到了很多关注，但其技术和相关芯片还处于起步阶段。

例如，奥迪的A8汽车集成了一个中央驾驶员辅助控制器，称为zFAS，它可实现2/3级自动驾驶。由德尔福公司开发的zFAS板集成了一些老一代的芯片。当德尔福开始这个项目时，最新的芯片还不可用。

例如，据奥迪称，该板包括Mobileye的EyeQ3处理器和英伟达的Tegra K1。英伟达的Tegra K1是基于28nm的GPU。基于40nm工艺的EyeQ3可以进行视觉识别和检测。最近被英特尔收购的Mobileye还正在开发基于28nm FD-SOI工艺和10nm及以下工艺的FinFET芯片。

据德尔福的De Vos称，今天的自动驾驶汽车还包括6-8个摄像机、6-8个激光雷达器件和6-8个雷达单元。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集中控制。 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。我们的传感系统甚至尚未接近这种程度。”

对于5级而言，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，才能推动传统汽车和自动驾驶汽车的下一波浪潮。

那么下一步是什么呢？GlobalFoundries的Granger说：“ADAS和自主需要大量传感器，还必须处理所有这些数据。这个行业有两种趋势。其中一种是让传感器智能化。也就是说每个传感器都有处理能力。 ”

对此，业界正在开发更强大的MCU/MPU作为数据处理手段。Granger说：“当你开始进入3、4、5级的时候，便需要先进的节点来处理所有的传感器数据，以使汽车能够做出最佳决定。”

对于激光雷达和雷达的工作也在进行。雷达可以检测物体，但它无法将两个物体区分开来。激光雷达利用激光来测量目标的距离，从而使测距更精确。在某些情况下，激光雷达器件基于氮化镓（GaN），这是一种III-V族半导体技术。

对于雷达来说，这种器件可以将MCU、DSP和基于77-GHz的硅锗（SiGe）的RF模块结合在一起。为了降低雷达成本，GlobalFoundries及其合作伙伴正在开发基于CMOS的mmWave雷达芯片。使用22nm FD-SOI工艺，该器件将包括MCU以及短距离和远程雷达。它也消除了对于SiGe的需求。

Granger说：“它允许你进行快速的处理，这样人们就可以实现能够改进之前功能的雷达，并且挑战激光雷达。激光雷达是一项非常有趣的技术，但一般也很昂贵。”

当然，自动驾驶还需要软件组件。例如，新成立的AImotive公司最近推出了面向汽车行业的神经网络技术。GlobalFoundries的Rajan说：“所有这些传感器都很好，但它们做的很多事情是用不同的输入点对数据进行三角测量。你需要后台的东西，无论是在汽车内还是在云端，它有能力处理这些数据，做出有意义的、可执行的决定，并从关键任务的角度专注于将反馈回复给汽车或控制汽车的人。”

显然，汽车领域正在为代工厂带来新的机遇。汽车领域可能需要更多的时间来赢得客户，但这是一个更稳定和可预测的业务，至少现在是这样。

原文链接：https://semiengineering.com/foundries-accelerate-auto-efforts/

今天是《半导体行业观察》为您分享的第1360期内容，欢迎关注。

关注微信公众号 半导体行业观察，后台回复关键词获取更多内容

回复 比亚迪 ，看《比亚迪的芯片布局，王传福的野心》

回复 长电科技 ，看《从江阴小厂到世界前三，长电科技一路狂奔》

回复 英特尔 ，看《四面楚歌，Intel还能重回巅峰吗？》

回复 全面屏 ，看《全面屏手机给供应链带来的挑战》

回复 芯片市场 ，看《又一个被中国厂商做死的芯片市场！》

回复 展会，看《2017最新半导体展会会议日历》

回复 投稿 ，看《如何成为“半导体行业观察”的一员 》

回复 搜索 ，还能轻松找到其他你感兴趣的文章！

摩尔邀请您加入精英微信群