科普介绍
469 浏览
带你了解PLC（二）！
智能科技类 苏州工业仿真 2016-11-20 19:01 发表了文章
PLC的IO点
我们已经知道PLC要实现相关的控制功能，就要有相应的输入输出部件，同电气控制回路一样，如：按钮、行程开关、接近开关、传感器及变送器、电磁线圈、接触器、继电器、控制阀等等。这在PLC中通常称为I/O点，它是用端子的形式与工业现场的器件或设备进行连接的，PLC在使用时只需将现场的各种设备与相应的I/O端相连接，即可投入运行。
OMRON PLC 整体型一体机的数字量IO点一般是以6：4的比例来分配输入和输出信号点的，比如20 个IO点的PLC模块可以接12个点的输入信号，还可以接8个点的输出信号。
所谓开关量信号或者是数字量信号，就是表现出的信号只有两种状态，象开关一样：或者是开或者是关，没有第三种状态。在计算机中表现的是：0或者是1；电气电路中表现的是：接通或者是切断，等等。
在PLC的上部为输入端子连接排，左侧是PLC的输入电源接点。挨着的是输入信号的端子。
因为输入的外接信号通常都是无源的信号，所以在接入PLC端子时，要提供电源形成合适的电流回路，在PLC上为方便输入信号的电源供取，提供24VDC（250MA）直流电源引出端子。如图上所示。
所有的I/O接口电路均采用光电隔离，使工业现场的外电路与PLC内部电路之间电气上隔离。各输入端均采用R-C滤波器，其滤波时间常数一般为10~20ms。
在COM和信号输入端子间接入电源（该电源由PLC输出的+24VDC引用），形成输入回路。PLC的一个输入点单独对应一个内部电路，如果信号是＝1时，也就是当输入信号（外部开关）闭合，输入点与输入公共端COM接通有适当电流形成输入回路时，该输入标识指示灯会点亮。在PLC里这个点的输入DI＝1。
我们看到PLC的输入端电气回路已经不是简单的电气接线形式，通过光电耦合和电容电阻，提高识别输入信号变化的程度，并隔离外部的可能的干扰。同样，交流输入电路也是类似。
值得注意的是，输入的电源在通常情况下，COM端可以或正或负，但对于NPN或者是PNP这种晶体管输入的外部信号，就要在接线上给予注意，日式的PLC习惯是NPN型的信号连接。NPN型传感器要求公共端接24VDC+极；PNP型传感器则正好相反，要求公共端接24VDC－极。因为PLC输入端子只有一个公共端－COM，如果信号中又有PNP型信号或者是NPN型信号的话，那么在选型上或者是接线上要做相应的调整。以下是几种输入回路：
无源接点的信号回路，串入的电源可由PLC供电端引，公共端可接电源的正极/负极。
需电源的信号，电源（PLC供）的正极接COM端，负极接信号的低电位端；这种信号可以同NPN性质同接。
集电极开路输出型的信号要引一路电源正极到电路中，以匹配电信号；可以同NPN性质同接。
可以同NPN输入同接。综上，在接入信号时，要注意信号的性质。
开关量输出单元，有三种类型：晶体管输出，用于响应速度快的直流负载；晶闸管输出，只能用于交流负载，而继电器输出类型，可交流负载，也可直流负载，但是响应速度慢。寿命相比短。
数字输出端子排在PLC的下方。PLC的数字量输出端是与设备执行元件连接形成回路的。
输入和输出回路都经过了光电隔离，提高抗扰能力。
这是晶体管输出电路；当控制程序让输出点＝1时，信号经光电耦合，使T2导通，使外接了电源的负载回路导通。
同样在其它输出方式也是类似的。在实际的硬件端口分布中，CP1H PLC的输出COM端，并不全是一对一的，有的是几个输出口共一个COM端，在电气连接时，要注意控制电源的同一。
CP1H PLC已经有内置有模拟量的信号采集和模拟量输出信号的回路。模拟量是连续的信号，对于模拟输入的信号，在PLC也是以连续信号接收，接收后被自动的转变成为数字量的连续信号。一般情况下，当模拟量信号按要求进行了电气连接后，模拟量在PLC里是被转换为连续的数字量继而读写或者是处理的。
这是电压信号的模拟量接口电路，对于有源的电压输出信号，在CP1H内置的接线端中，信号正端连到V IN端点，而负端连到COM端。
那么如果是有源电流信号要连到I IN和COM端，同时V IN和I IN端短接。
对于模拟量输出接口，PLC内部都提供电源，同样的按电流信号和电压信号的不同端子向负载提供驱动，形成控制回路。
来源：1号机器人
智造家提供 查看全部
PLC的IO点
我们已经知道PLC要实现相关的控制功能，就要有相应的输入输出部件，同电气控制回路一样，如：按钮、行程开关、接近开关、传感器及变送器、电磁线圈、接触器、继电器、控制阀等等。这在PLC中通常称为I/O点，它是用端子的形式与工业现场的器件或设备进行连接的，PLC在使用时只需将现场的各种设备与相应的I/O端相连接，即可投入运行。
OMRON PLC 整体型一体机的数字量IO点一般是以6：4的比例来分配输入和输出信号点的，比如20 个IO点的PLC模块可以接12个点的输入信号，还可以接8个点的输出信号。
所谓开关量信号或者是数字量信号，就是表现出的信号只有两种状态，象开关一样：或者是开或者是关，没有第三种状态。在计算机中表现的是：0或者是1；电气电路中表现的是：接通或者是切断，等等。
在PLC的上部为输入端子连接排，左侧是PLC的输入电源接点。挨着的是输入信号的端子。
因为输入的外接信号通常都是无源的信号，所以在接入PLC端子时，要提供电源形成合适的电流回路，在PLC上为方便输入信号的电源供取，提供24VDC（250MA）直流电源引出端子。如图上所示。
所有的I/O接口电路均采用光电隔离，使工业现场的外电路与PLC内部电路之间电气上隔离。各输入端均采用R-C滤波器，其滤波时间常数一般为10~20ms。
在COM和信号输入端子间接入电源（该电源由PLC输出的+24VDC引用），形成输入回路。PLC的一个输入点单独对应一个内部电路，如果信号是＝1时，也就是当输入信号（外部开关）闭合，输入点与输入公共端COM接通有适当电流形成输入回路时，该输入标识指示灯会点亮。在PLC里这个点的输入DI＝1。
我们看到PLC的输入端电气回路已经不是简单的电气接线形式，通过光电耦合和电容电阻，提高识别输入信号变化的程度，并隔离外部的可能的干扰。同样，交流输入电路也是类似。
值得注意的是，输入的电源在通常情况下，COM端可以或正或负，但对于NPN或者是PNP这种晶体管输入的外部信号，就要在接线上给予注意，日式的PLC习惯是NPN型的信号连接。NPN型传感器要求公共端接24VDC+极；PNP型传感器则正好相反，要求公共端接24VDC－极。因为PLC输入端子只有一个公共端－COM，如果信号中又有PNP型信号或者是NPN型信号的话，那么在选型上或者是接线上要做相应的调整。以下是几种输入回路：
无源接点的信号回路，串入的电源可由PLC供电端引，公共端可接电源的正极/负极。
需电源的信号，电源（PLC供）的正极接COM端，负极接信号的低电位端；这种信号可以同NPN性质同接。
集电极开路输出型的信号要引一路电源正极到电路中，以匹配电信号；可以同NPN性质同接。
可以同NPN输入同接。综上，在接入信号时，要注意信号的性质。
开关量输出单元，有三种类型：晶体管输出，用于响应速度快的直流负载；晶闸管输出，只能用于交流负载，而继电器输出类型，可交流负载，也可直流负载，但是响应速度慢。寿命相比短。
数字输出端子排在PLC的下方。PLC的数字量输出端是与设备执行元件连接形成回路的。
输入和输出回路都经过了光电隔离，提高抗扰能力。
这是晶体管输出电路；当控制程序让输出点＝1时，信号经光电耦合，使T2导通，使外接了电源的负载回路导通。
同样在其它输出方式也是类似的。在实际的硬件端口分布中，CP1H PLC的输出COM端，并不全是一对一的，有的是几个输出口共一个COM端，在电气连接时，要注意控制电源的同一。
CP1H PLC已经有内置有模拟量的信号采集和模拟量输出信号的回路。模拟量是连续的信号，对于模拟输入的信号，在PLC也是以连续信号接收，接收后被自动的转变成为数字量的连续信号。一般情况下，当模拟量信号按要求进行了电气连接后，模拟量在PLC里是被转换为连续的数字量继而读写或者是处理的。
这是电压信号的模拟量接口电路，对于有源的电压输出信号，在CP1H内置的接线端中，信号正端连到V IN端点，而负端连到COM端。
那么如果是有源电流信号要连到I IN和COM端，同时V IN和I IN端短接。
对于模拟量输出接口，PLC内部都提供电源，同样的按电流信号和电压信号的不同端子向负载提供驱动，形成控制回路。
来源：1号机器人
智造家提供
444 浏览
带你了解PLC（一）！
智能科技类 苏州工业仿真 2016-11-20 18:50 发表了文章
PLC的产生和发展
PLC―可编程序控制器，它的应用是建立在电气控制系统上的，也就是说是建立在继电器控制回路的基础上的。
这是一个电机启动/停止的控制回路：电路由选择开关SW建立了手动操作和自动启动两种启动方式，接触器KM是电机电源输送的执行器件；当操作方式中的手动启动或者是自动启动条件满足时，KM线圈导通将电机供电回路接通，使其运转。其中手动启动/停止电机操作是通过直接用启动按钮SB2和停止按钮SB1控制电机运行的；那么自动时，根据限位（在这里是HL高液位启动电机，LL低液位停止电机）延时后对电机控制操作。
对于这样一个简单的电气控制回路，如果再增加一些功能，比如在关键的应用场所，要保证电机的长期运行，考虑到泵的可能出现故障和运行维护保养等状况，要停止电机运行，那么就要增加一台泵来备用。在这种情况下的运行泵的工况就使得电气控制回路比较复杂了。关联的接线，电器元件，等等因此增加很多。如果是在一个控制系统中有这样若干个不同方式的电机控制回路的话，不但电气回路复杂，占用电柜体积，电控箱数量也相当可观；
更重要的是，要进行修改测试和改进设计以及安装就显得非常的麻烦。那么在60年代，产生了新型的，运用微电子和计算机技术，可以实现复杂的电气控制回路的装置，其简单易懂，操作方便，可靠性高，通用灵活，体积小，使用寿命长等一系列优点，被称为可编程序控制器――PLC。 PLC不仅在功能上大大提升和完善了控制回路，而且在与设备的接口上连接简便，控制装置体积成倍缩小。
PLC替代电气控制国际电工委员会(IEC)在1987年2月对PLC这样定义：可编程控制器是一种数字运算操作的电子系统，专为在工业环境应用而设计的。它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算,顺序控制，定时，计数与算术操作等面向用户的指令，并通过数字或模拟方式输入/输出控制各种类型的机械或生产过程。可编程控制器及其有关外部设备，都按易于与工业控制系统联成一个整体，它具有丰富的输入/输出接口，并且具有较强的驱动能力，高可靠性；易于扩充其功能的原则设计。
总之，可编程控制器是一个数字式的电子装置，是一台计算机，专为工业环境应用而设计制造的计算机，不是单纯的电气电路了。但可编程控制器产品并不针对某一具体工业应用，在实际应用时，其硬件需根据实际需要进行选用配置，其软件需根据控制要求进行设计编制。它的编程软件通用界面――梯形图，非常人性化，元器件符号就象电气部件表示一样，编程就象连线一样将电气电路连到控制器中，很容易理解和掌握，以及制作。
那么它是如何替代继电器控制装置的呢？
上述的电气控制回路大致可以分成这样几个部分：输入设备：按钮，选择开关，传感器、触点信号；输出设备（执行器件）：接触器，电磁阀，指示灯；逻辑控制电路，不直接与外部连接的电气电路；还有就是控制电源。那么在这个电路里：SW，SB1，SB2；FR，HL，LL是输入元件；接触器KM是执行元件；接触器的辅助触点，继电器触点，以及时间继电器，中间继电器，连成了控制逻辑电路。
如果要改变控制功能：对于继电器控制回路来说，要改变控制电路和实际接线；而用PLC控制，外部接线不变，改变用户程序就可以了；特别是复杂的控制逻辑，继电器控制实现是很困难的。当把这些输入元件以及执行元件用电气方式连接到PLC里，并向PLC提供控制电源，再通过编程软件编制出相关的控制逻辑，PLC就同样实现上述的控制功能。在这里编制的程序里我们看到用编程软件所作的程序，与电气连线所形成的控制功能很相似。
比如[自动]信号是外部输入的选择开关SW的状态信号，它通过输入端子电气连接到PLC里，PLC硬件输入回路就会把这个信号的状态（在输入回路中），编译到PLC中，当操作者将选择开关置于[手动]，在PLC里表现的状态被编译成[自动]的非，或者说是自动方式断开形式；同样当执行条件满足时，程序能流流通，就象电气线路中电气回路接通一样，[电机]就接通，与此输出端点连接的接触器线圈导通，使触点闭合，电机带电运行；接通表示＝1，断开表示＝0。通过这样一些规则的程序，加上PLC内部的各种功能，很容易的就能实现电气的各种控制需求。
PLC梯形图程序虽然是从继电器控制线路图发展而来的，但与其又有一些本质的区别。为适应不同需求，程序有几种表示方式，常用的是梯形图方式，适合用继电器线路熟悉的人员使用；指令语句表，用助记符方来表达PLC的各种控制功能，类似计算机的汇编语言，但通俗易懂。
由于电气控制的逻辑是在PLC里用特殊的语言编制的，程序制作过程中可以随时增加或修改逻辑，可以用计算机的一些功能，作出复杂的控制系统。正是这个特点，PLC才得到了广泛的应用；相比之下，电气控制在修改和复杂逻辑上是得力不从心的，甚至是达不到的。
认识PLC
PLC的特点：通用性，灵活性强；抗干扰能力强，可靠性高； 编程语言简单易学；与外部设备连线方便；功能扩展能力强；控制系统设计调试周期短；体积小易于机电一体化；故障少维修方便
那么随着PLC的发展，从性能上可以看出，对小型PLC将会体积更小，速度更高，功能更强，价格更加低廉；对中大型PLC将要容量更大，速度更高，更多功能，更易于网络通信，更加适应于大规模复杂的控制系统。
从PLC控制系统来讲，CPU与现场IO通过数据通信实现控制，使系统控制更有效；冗余系统的应用，各种单元以至整个系统都可以冗余，使系统具有更高的可靠性；应用计算机信息处理技术、网络通信技术，使系统控制功能与信息管理功能一体化；
综述，PLC是以CPU为核心，计算机技术、自动控制技术、网络通信技术为一体的可编程序控制器。几乎所有的PLC装置，都有可以同外部进行电气连接的端口，通过这些端口，PLC才能与外界进行信号的传递，实现其控制的功能。
PLC是按与外界连接的信号数量（我们称为输入输出点数），以及装置内部程序容量大小进行分类的。那么一般IO点数<256点的为小型机；在256~1024之间的为中型机；超过1024的则是大型机了。
小型机－都是整体式机型，所谓整体式机型的意思是，输入部分，输出部分与CPU都在一起，比如CPM2A。
而中大型机都是运用各种类型模块根据需要进行搭配和组合，实现与外部电气连接，并控制外部设备。这款是无底板的组合式机型。
这是有底板的组合式机型，其模件均通过底板与CPU进行数据交换。
PLC硬件结构
整体式PLC的基本组成：
同电气控制回路一样，PLC也需要控制电源，CPU是PLC的中心，存储器，输入单元，输出单元以及与外部数据访问的外设接口和扩展接口，共同组成了PLC的基本组成部分。
组合式PLC则是按基本组成分成各个模件（模块）：CPU单元，输入、输出单元，通信单元等等，各单元通过总线与CPU作数据交换。这是欧姆龙整体式机型的PLC CP1H－XA外观。
PLC内部的CPU单元是控制中心，指挥PLC完成各种预定的功能。输入并存储用户程序；检查校验用户程序；执行用户程序，驱动外部输出设备动作；诊断故障。在CP1H PLC模块的左上角，内装有PLC内部数据保持所需的电池，这是一次性使用的电池，通常情况下可以使用5年。
电源端子用来连接外部提供给PLC的工作电源；它的输入电压范围宽，抗干扰性能好；并能向外部提供24V直流电源，可以作为输入单元连接的外设的电源。 在CP1H CPU单元中，当用户程序或参数写入（下载）到CPU 单元中时，这些数据将自动备份到内置的闪存（闪存功能）中。
这里解释一下，什么是闪存呢？闪存就是Flash Memory，一种非挥发性（简单说就是在不加电的情况下数据也不会丢失，区别于目前常用的计算机内存）的半导体存储芯片，具有体积小、功耗低、不易受物理破坏的优点，比如数码相机上，作为存储介质的存贮卡。闪存存取比较快速，无噪音，散热小。
闪存卡（Flash Card）是利用闪存（Flash Memory）技术达到存储电子信息的存储器。存储器分系统程序存储；用户程序存储；以及工作数据存储几部分。用户程序和设置的参数还有注释和功能块源数据都是放在闪存卡中的，但是对于I/O 存储器区域（包括保持继电器、计数当前值/完成标志、数据存储器）不能写入内置闪存中。特别电源断开复位时的保持区域的保持继电器、计数当前值/完成标志、数据存储器就是依靠刚才所讲的电池维持的，如果电池发生异常时，数据可能就会丢失。
这里的存贮器盒与前面介绍的闪存类似，它也是用来备份用户程序和PLC内部存贮器里的数据，可以COPY到另外的PLC中，或者作备份。在实际应用中作为可选件，供用户选择或者不选择使用。CPU模块上有CPU工作状态指示灯：分别表示电源POWER：绿色；工作RUN：绿色；故障报错ERR/ALM：红色；输出禁止INH：黄色；存贮器数据操作BKUP：黄色；USB端口通信中PRPHL：黄色。
下面的两位7段码可显示CPU单元的异常信息，或者模拟器操作的当前值，甚至还可以显示用程序编写相关的代码。如果故障报错ERR/ALM灯点亮，则2位的7段码中可以读到错误讯息。
外设连接端口，在上部为USB端口，用市场上通用的USB线就可以同电脑进行USB通讯，编辑，监测及传输程序等操作。旋钮是模拟量信号输入电位器，可以设置通道（A642CH）在 0－255范围内连续数值；外部模拟量设定连接器，可以从PLC之外输入0－10V直流电压信号（A643CH 0-255范围）；DIP开关用来进行CPU相关功能的选择设置，具体说明在端盖上。
如果使用的是稍早产的PLC，一般是通过RS232串口用专用电缆，或者通讯通信适配器与计算机通信，通过计算机进行程序设计，监测以及调试等等。
PLC模块的中部有两个可选择的槽位，用来放置可选的串行通信板，增加CPU的串口通讯功能。扩展模块连接端口用来增加扩展输入输出模块，整体机型的PLC主机和扩展模块都有扩展连接端口，通过连接电缆连接，以便扩充输入输出的信号接入点，或者增加特殊功能的专用模块。
这就是CP1H的扩展连接，它可以连接7个扩展单元，或者说是15个CH通道，可以扩展IO点到320个。这些连接是由扩展接口通过扁平线将扩展模块与CPU主模块的数据总线联系在一起，通过这样的连接，我们可以把扩展模块当作PLC本身的IO点。
在PLC扩展单元里有一种扩展单元，被称为智能单元，或者在早期被称之为特殊模块的：高速计数器单元，模拟量输入输出单元，总线单元，网络单元，等等。这些模块不同于数字量的IO输入输出单元，它本身是一个独立的系统，有自己的CPU，存储器，和与外界相连的端口；对于组合式PLC，智能单元通过总线，在CPU单元协调管理下独立进行工作；对于整体式PLC，则通过扩展接口与主机联接。
来源：1号机器人
智造家提供 查看全部
PLC―可编程序控制器，它的应用是建立在电气控制系统上的，也就是说是建立在继电器控制回路的基础上的。
这是一个电机启动/停止的控制回路：电路由选择开关SW建立了手动操作和自动启动两种启动方式，接触器KM是电机电源输送的执行器件；当操作方式中的手动启动或者是自动启动条件满足时，KM线圈导通将电机供电回路接通，使其运转。其中手动启动/停止电机操作是通过直接用启动按钮SB2和停止按钮SB1控制电机运行的；那么自动时，根据限位（在这里是HL高液位启动电机，LL低液位停止电机）延时后对电机控制操作。
对于这样一个简单的电气控制回路，如果再增加一些功能，比如在关键的应用场所，要保证电机的长期运行，考虑到泵的可能出现故障和运行维护保养等状况，要停止电机运行，那么就要增加一台泵来备用。在这种情况下的运行泵的工况就使得电气控制回路比较复杂了。关联的接线，电器元件，等等因此增加很多。如果是在一个控制系统中有这样若干个不同方式的电机控制回路的话，不但电气回路复杂，占用电柜体积，电控箱数量也相当可观；
更重要的是，要进行修改测试和改进设计以及安装就显得非常的麻烦。那么在60年代，产生了新型的，运用微电子和计算机技术，可以实现复杂的电气控制回路的装置，其简单易懂，操作方便，可靠性高，通用灵活，体积小，使用寿命长等一系列优点，被称为可编程序控制器――PLC。 PLC不仅在功能上大大提升和完善了控制回路，而且在与设备的接口上连接简便，控制装置体积成倍缩小。
PLC替代电气控制国际电工委员会(IEC)在1987年2月对PLC这样定义：可编程控制器是一种数字运算操作的电子系统，专为在工业环境应用而设计的。它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算,顺序控制，定时，计数与算术操作等面向用户的指令，并通过数字或模拟方式输入/输出控制各种类型的机械或生产过程。可编程控制器及其有关外部设备，都按易于与工业控制系统联成一个整体，它具有丰富的输入/输出接口，并且具有较强的驱动能力，高可靠性；易于扩充其功能的原则设计。
总之，可编程控制器是一个数字式的电子装置，是一台计算机，专为工业环境应用而设计制造的计算机，不是单纯的电气电路了。但可编程控制器产品并不针对某一具体工业应用，在实际应用时，其硬件需根据实际需要进行选用配置，其软件需根据控制要求进行设计编制。它的编程软件通用界面――梯形图，非常人性化，元器件符号就象电气部件表示一样，编程就象连线一样将电气电路连到控制器中，很容易理解和掌握，以及制作。
那么它是如何替代继电器控制装置的呢？
上述的电气控制回路大致可以分成这样几个部分：输入设备：按钮，选择开关，传感器、触点信号；输出设备（执行器件）：接触器，电磁阀，指示灯；逻辑控制电路，不直接与外部连接的电气电路；还有就是控制电源。那么在这个电路里：SW，SB1，SB2；FR，HL，LL是输入元件；接触器KM是执行元件；接触器的辅助触点，继电器触点，以及时间继电器，中间继电器，连成了控制逻辑电路。
如果要改变控制功能：对于继电器控制回路来说，要改变控制电路和实际接线；而用PLC控制，外部接线不变，改变用户程序就可以了；特别是复杂的控制逻辑，继电器控制实现是很困难的。当把这些输入元件以及执行元件用电气方式连接到PLC里，并向PLC提供控制电源，再通过编程软件编制出相关的控制逻辑，PLC就同样实现上述的控制功能。在这里编制的程序里我们看到用编程软件所作的程序，与电气连线所形成的控制功能很相似。
比如[自动]信号是外部输入的选择开关SW的状态信号，它通过输入端子电气连接到PLC里，PLC硬件输入回路就会把这个信号的状态（在输入回路中），编译到PLC中，当操作者将选择开关置于[手动]，在PLC里表现的状态被编译成[自动]的非，或者说是自动方式断开形式；同样当执行条件满足时，程序能流流通，就象电气线路中电气回路接通一样，[电机]就接通，与此输出端点连接的接触器线圈导通，使触点闭合，电机带电运行；接通表示＝1，断开表示＝0。通过这样一些规则的程序，加上PLC内部的各种功能，很容易的就能实现电气的各种控制需求。
PLC梯形图程序虽然是从继电器控制线路图发展而来的，但与其又有一些本质的区别。为适应不同需求，程序有几种表示方式，常用的是梯形图方式，适合用继电器线路熟悉的人员使用；指令语句表，用助记符方来表达PLC的各种控制功能，类似计算机的汇编语言，但通俗易懂。
由于电气控制的逻辑是在PLC里用特殊的语言编制的，程序制作过程中可以随时增加或修改逻辑，可以用计算机的一些功能，作出复杂的控制系统。正是这个特点，PLC才得到了广泛的应用；相比之下，电气控制在修改和复杂逻辑上是得力不从心的，甚至是达不到的。
认识PLC
PLC的特点：通用性，灵活性强；抗干扰能力强，可靠性高； 编程语言简单易学；与外部设备连线方便；功能扩展能力强；控制系统设计调试周期短；体积小易于机电一体化；故障少维修方便
那么随着PLC的发展，从性能上可以看出，对小型PLC将会体积更小，速度更高，功能更强，价格更加低廉；对中大型PLC将要容量更大，速度更高，更多功能，更易于网络通信，更加适应于大规模复杂的控制系统。
从PLC控制系统来讲，CPU与现场IO通过数据通信实现控制，使系统控制更有效；冗余系统的应用，各种单元以至整个系统都可以冗余，使系统具有更高的可靠性；应用计算机信息处理技术、网络通信技术，使系统控制功能与信息管理功能一体化；
综述，PLC是以CPU为核心，计算机技术、自动控制技术、网络通信技术为一体的可编程序控制器。几乎所有的PLC装置，都有可以同外部进行电气连接的端口，通过这些端口，PLC才能与外界进行信号的传递，实现其控制的功能。
PLC是按与外界连接的信号数量（我们称为输入输出点数），以及装置内部程序容量大小进行分类的。那么一般IO点数<256点的为小型机；在256~1024之间的为中型机；超过1024的则是大型机了。
小型机－都是整体式机型，所谓整体式机型的意思是，输入部分，输出部分与CPU都在一起，比如CPM2A。
而中大型机都是运用各种类型模块根据需要进行搭配和组合，实现与外部电气连接，并控制外部设备。这款是无底板的组合式机型。
这是有底板的组合式机型，其模件均通过底板与CPU进行数据交换。
PLC硬件结构
整体式PLC的基本组成：
同电气控制回路一样，PLC也需要控制电源，CPU是PLC的中心，存储器，输入单元，输出单元以及与外部数据访问的外设接口和扩展接口，共同组成了PLC的基本组成部分。
组合式PLC则是按基本组成分成各个模件（模块）：CPU单元，输入、输出单元，通信单元等等，各单元通过总线与CPU作数据交换。这是欧姆龙整体式机型的PLC CP1H－XA外观。
PLC内部的CPU单元是控制中心，指挥PLC完成各种预定的功能。输入并存储用户程序；检查校验用户程序；执行用户程序，驱动外部输出设备动作；诊断故障。在CP1H PLC模块的左上角，内装有PLC内部数据保持所需的电池，这是一次性使用的电池，通常情况下可以使用5年。
电源端子用来连接外部提供给PLC的工作电源；它的输入电压范围宽，抗干扰性能好；并能向外部提供24V直流电源，可以作为输入单元连接的外设的电源。 在CP1H CPU单元中，当用户程序或参数写入（下载）到CPU 单元中时，这些数据将自动备份到内置的闪存（闪存功能）中。
这里解释一下，什么是闪存呢？闪存就是Flash Memory，一种非挥发性（简单说就是在不加电的情况下数据也不会丢失，区别于目前常用的计算机内存）的半导体存储芯片，具有体积小、功耗低、不易受物理破坏的优点，比如数码相机上，作为存储介质的存贮卡。闪存存取比较快速，无噪音，散热小。
闪存卡（Flash Card）是利用闪存（Flash Memory）技术达到存储电子信息的存储器。存储器分系统程序存储；用户程序存储；以及工作数据存储几部分。用户程序和设置的参数还有注释和功能块源数据都是放在闪存卡中的，但是对于I/O 存储器区域（包括保持继电器、计数当前值/完成标志、数据存储器）不能写入内置闪存中。特别电源断开复位时的保持区域的保持继电器、计数当前值/完成标志、数据存储器就是依靠刚才所讲的电池维持的，如果电池发生异常时，数据可能就会丢失。
这里的存贮器盒与前面介绍的闪存类似，它也是用来备份用户程序和PLC内部存贮器里的数据，可以COPY到另外的PLC中，或者作备份。在实际应用中作为可选件，供用户选择或者不选择使用。CPU模块上有CPU工作状态指示灯：分别表示电源POWER：绿色；工作RUN：绿色；故障报错ERR/ALM：红色；输出禁止INH：黄色；存贮器数据操作BKUP：黄色；USB端口通信中PRPHL：黄色。
下面的两位7段码可显示CPU单元的异常信息，或者模拟器操作的当前值，甚至还可以显示用程序编写相关的代码。如果故障报错ERR/ALM灯点亮，则2位的7段码中可以读到错误讯息。
外设连接端口，在上部为USB端口，用市场上通用的USB线就可以同电脑进行USB通讯，编辑，监测及传输程序等操作。旋钮是模拟量信号输入电位器，可以设置通道（A642CH）在 0－255范围内连续数值；外部模拟量设定连接器，可以从PLC之外输入0－10V直流电压信号（A643CH 0-255范围）；DIP开关用来进行CPU相关功能的选择设置，具体说明在端盖上。
如果使用的是稍早产的PLC，一般是通过RS232串口用专用电缆，或者通讯通信适配器与计算机通信，通过计算机进行程序设计，监测以及调试等等。
PLC模块的中部有两个可选择的槽位，用来放置可选的串行通信板，增加CPU的串口通讯功能。扩展模块连接端口用来增加扩展输入输出模块，整体机型的PLC主机和扩展模块都有扩展连接端口，通过连接电缆连接，以便扩充输入输出的信号接入点，或者增加特殊功能的专用模块。
这就是CP1H的扩展连接，它可以连接7个扩展单元，或者说是15个CH通道，可以扩展IO点到320个。这些连接是由扩展接口通过扁平线将扩展模块与CPU主模块的数据总线联系在一起，通过这样的连接，我们可以把扩展模块当作PLC本身的IO点。
在PLC扩展单元里有一种扩展单元，被称为智能单元，或者在早期被称之为特殊模块的：高速计数器单元，模拟量输入输出单元，总线单元，网络单元，等等。这些模块不同于数字量的IO输入输出单元，它本身是一个独立的系统，有自己的CPU，存储器，和与外界相连的端口；对于组合式PLC，智能单元通过总线，在CPU单元协调管理下独立进行工作；对于整体式PLC，则通过扩展接口与主机联接。
来源：1号机器人
智造家提供 查看全部
PLC的产生和发展
PLC―可编程序控制器，它的应用是建立在电气控制系统上的，也就是说是建立在继电器控制回路的基础上的。
这是一个电机启动/停止的控制回路：电路由选择开关SW建立了手动操作和自动启动两种启动方式，接触器KM是电机电源输送的执行器件；当操作方式中的手动启动或者是自动启动条件满足时，KM线圈导通将电机供电回路接通，使其运转。其中手动启动/停止电机操作是通过直接用启动按钮SB2和停止按钮SB1控制电机运行的；那么自动时，根据限位（在这里是HL高液位启动电机，LL低液位停止电机）延时后对电机控制操作。
对于这样一个简单的电气控制回路，如果再增加一些功能，比如在关键的应用场所，要保证电机的长期运行，考虑到泵的可能出现故障和运行维护保养等状况，要停止电机运行，那么就要增加一台泵来备用。在这种情况下的运行泵的工况就使得电气控制回路比较复杂了。关联的接线，电器元件，等等因此增加很多。如果是在一个控制系统中有这样若干个不同方式的电机控制回路的话，不但电气回路复杂，占用电柜体积，电控箱数量也相当可观；
更重要的是，要进行修改测试和改进设计以及安装就显得非常的麻烦。那么在60年代，产生了新型的，运用微电子和计算机技术，可以实现复杂的电气控制回路的装置，其简单易懂，操作方便，可靠性高，通用灵活，体积小，使用寿命长等一系列优点，被称为可编程序控制器――PLC。 PLC不仅在功能上大大提升和完善了控制回路，而且在与设备的接口上连接简便，控制装置体积成倍缩小。
PLC替代电气控制国际电工委员会(IEC)在1987年2月对PLC这样定义：可编程控制器是一种数字运算操作的电子系统，专为在工业环境应用而设计的。它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算,顺序控制，定时，计数与算术操作等面向用户的指令，并通过数字或模拟方式输入/输出控制各种类型的机械或生产过程。可编程控制器及其有关外部设备，都按易于与工业控制系统联成一个整体，它具有丰富的输入/输出接口，并且具有较强的驱动能力，高可靠性；易于扩充其功能的原则设计。
总之，可编程控制器是一个数字式的电子装置，是一台计算机，专为工业环境应用而设计制造的计算机，不是单纯的电气电路了。但可编程控制器产品并不针对某一具体工业应用，在实际应用时，其硬件需根据实际需要进行选用配置，其软件需根据控制要求进行设计编制。它的编程软件通用界面――梯形图，非常人性化，元器件符号就象电气部件表示一样，编程就象连线一样将电气电路连到控制器中，很容易理解和掌握，以及制作。
那么它是如何替代继电器控制装置的呢？
上述的电气控制回路大致可以分成这样几个部分：输入设备：按钮，选择开关，传感器、触点信号；输出设备（执行器件）：接触器，电磁阀，指示灯；逻辑控制电路，不直接与外部连接的电气电路；还有就是控制电源。那么在这个电路里：SW，SB1，SB2；FR，HL，LL是输入元件；接触器KM是执行元件；接触器的辅助触点，继电器触点，以及时间继电器，中间继电器，连成了控制逻辑电路。
如果要改变控制功能：对于继电器控制回路来说，要改变控制电路和实际接线；而用PLC控制，外部接线不变，改变用户程序就可以了；特别是复杂的控制逻辑，继电器控制实现是很困难的。当把这些输入元件以及执行元件用电气方式连接到PLC里，并向PLC提供控制电源，再通过编程软件编制出相关的控制逻辑，PLC就同样实现上述的控制功能。在这里编制的程序里我们看到用编程软件所作的程序，与电气连线所形成的控制功能很相似。
比如[自动]信号是外部输入的选择开关SW的状态信号，它通过输入端子电气连接到PLC里，PLC硬件输入回路就会把这个信号的状态（在输入回路中），编译到PLC中，当操作者将选择开关置于[手动]，在PLC里表现的状态被编译成[自动]的非，或者说是自动方式断开形式；同样当执行条件满足时，程序能流流通，就象电气线路中电气回路接通一样，[电机]就接通，与此输出端点连接的接触器线圈导通，使触点闭合，电机带电运行；接通表示＝1，断开表示＝0。通过这样一些规则的程序，加上PLC内部的各种功能，很容易的就能实现电气的各种控制需求。
PLC梯形图程序虽然是从继电器控制线路图发展而来的，但与其又有一些本质的区别。为适应不同需求，程序有几种表示方式，常用的是梯形图方式，适合用继电器线路熟悉的人员使用；指令语句表，用助记符方来表达PLC的各种控制功能，类似计算机的汇编语言，但通俗易懂。
由于电气控制的逻辑是在PLC里用特殊的语言编制的，程序制作过程中可以随时增加或修改逻辑，可以用计算机的一些功能，作出复杂的控制系统。正是这个特点，PLC才得到了广泛的应用；相比之下，电气控制在修改和复杂逻辑上是得力不从心的，甚至是达不到的。
认识PLC
PLC的特点：通用性，灵活性强；抗干扰能力强，可靠性高； 编程语言简单易学；与外部设备连线方便；功能扩展能力强；控制系统设计调试周期短；体积小易于机电一体化；故障少维修方便
那么随着PLC的发展，从性能上可以看出，对小型PLC将会体积更小，速度更高，功能更强，价格更加低廉；对中大型PLC将要容量更大，速度更高，更多功能，更易于网络通信，更加适应于大规模复杂的控制系统。
从PLC控制系统来讲，CPU与现场IO通过数据通信实现控制，使系统控制更有效；冗余系统的应用，各种单元以至整个系统都可以冗余，使系统具有更高的可靠性；应用计算机信息处理技术、网络通信技术，使系统控制功能与信息管理功能一体化；
综述，PLC是以CPU为核心，计算机技术、自动控制技术、网络通信技术为一体的可编程序控制器。几乎所有的PLC装置，都有可以同外部进行电气连接的端口，通过这些端口，PLC才能与外界进行信号的传递，实现其控制的功能。
PLC是按与外界连接的信号数量（我们称为输入输出点数），以及装置内部程序容量大小进行分类的。那么一般IO点数<256点的为小型机；在256~1024之间的为中型机；超过1024的则是大型机了。
小型机－都是整体式机型，所谓整体式机型的意思是，输入部分，输出部分与CPU都在一起，比如CPM2A。
而中大型机都是运用各种类型模块根据需要进行搭配和组合，实现与外部电气连接，并控制外部设备。这款是无底板的组合式机型。
这是有底板的组合式机型，其模件均通过底板与CPU进行数据交换。
PLC硬件结构
整体式PLC的基本组成：
同电气控制回路一样，PLC也需要控制电源，CPU是PLC的中心，存储器，输入单元，输出单元以及与外部数据访问的外设接口和扩展接口，共同组成了PLC的基本组成部分。
组合式PLC则是按基本组成分成各个模件（模块）：CPU单元，输入、输出单元，通信单元等等，各单元通过总线与CPU作数据交换。这是欧姆龙整体式机型的PLC CP1H－XA外观。
PLC内部的CPU单元是控制中心，指挥PLC完成各种预定的功能。输入并存储用户程序；检查校验用户程序；执行用户程序，驱动外部输出设备动作；诊断故障。在CP1H PLC模块的左上角，内装有PLC内部数据保持所需的电池，这是一次性使用的电池，通常情况下可以使用5年。
电源端子用来连接外部提供给PLC的工作电源；它的输入电压范围宽，抗干扰性能好；并能向外部提供24V直流电源，可以作为输入单元连接的外设的电源。 在CP1H CPU单元中，当用户程序或参数写入（下载）到CPU 单元中时，这些数据将自动备份到内置的闪存（闪存功能）中。
这里解释一下，什么是闪存呢？闪存就是Flash Memory，一种非挥发性（简单说就是在不加电的情况下数据也不会丢失，区别于目前常用的计算机内存）的半导体存储芯片，具有体积小、功耗低、不易受物理破坏的优点，比如数码相机上，作为存储介质的存贮卡。闪存存取比较快速，无噪音，散热小。
闪存卡（Flash Card）是利用闪存（Flash Memory）技术达到存储电子信息的存储器。存储器分系统程序存储；用户程序存储；以及工作数据存储几部分。用户程序和设置的参数还有注释和功能块源数据都是放在闪存卡中的，但是对于I/O 存储器区域（包括保持继电器、计数当前值/完成标志、数据存储器）不能写入内置闪存中。特别电源断开复位时的保持区域的保持继电器、计数当前值/完成标志、数据存储器就是依靠刚才所讲的电池维持的，如果电池发生异常时，数据可能就会丢失。
这里的存贮器盒与前面介绍的闪存类似，它也是用来备份用户程序和PLC内部存贮器里的数据，可以COPY到另外的PLC中，或者作备份。在实际应用中作为可选件，供用户选择或者不选择使用。CPU模块上有CPU工作状态指示灯：分别表示电源POWER：绿色；工作RUN：绿色；故障报错ERR/ALM：红色；输出禁止INH：黄色；存贮器数据操作BKUP：黄色；USB端口通信中PRPHL：黄色。
下面的两位7段码可显示CPU单元的异常信息，或者模拟器操作的当前值，甚至还可以显示用程序编写相关的代码。如果故障报错ERR/ALM灯点亮，则2位的7段码中可以读到错误讯息。
外设连接端口，在上部为USB端口，用市场上通用的USB线就可以同电脑进行USB通讯，编辑，监测及传输程序等操作。旋钮是模拟量信号输入电位器，可以设置通道（A642CH）在 0－255范围内连续数值；外部模拟量设定连接器，可以从PLC之外输入0－10V直流电压信号（A643CH 0-255范围）；DIP开关用来进行CPU相关功能的选择设置，具体说明在端盖上。
如果使用的是稍早产的PLC，一般是通过RS232串口用专用电缆，或者通讯通信适配器与计算机通信，通过计算机进行程序设计，监测以及调试等等。
PLC模块的中部有两个可选择的槽位，用来放置可选的串行通信板，增加CPU的串口通讯功能。扩展模块连接端口用来增加扩展输入输出模块，整体机型的PLC主机和扩展模块都有扩展连接端口，通过连接电缆连接，以便扩充输入输出的信号接入点，或者增加特殊功能的专用模块。
这就是CP1H的扩展连接，它可以连接7个扩展单元，或者说是15个CH通道，可以扩展IO点到320个。这些连接是由扩展接口通过扁平线将扩展模块与CPU主模块的数据总线联系在一起，通过这样的连接，我们可以把扩展模块当作PLC本身的IO点。
在PLC扩展单元里有一种扩展单元，被称为智能单元，或者在早期被称之为特殊模块的：高速计数器单元，模拟量输入输出单元，总线单元，网络单元，等等。这些模块不同于数字量的IO输入输出单元，它本身是一个独立的系统，有自己的CPU，存储器，和与外界相连的端口；对于组合式PLC，智能单元通过总线，在CPU单元协调管理下独立进行工作；对于整体式PLC，则通过扩展接口与主机联接。
来源：1号机器人
智造家提供
504 浏览
芯片全生命周期科普
设备硬件类 星旭自动化 2016-11-17 19:34 发表了文章
复杂繁琐的芯片设计流程
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供 查看全部
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供 查看全部
复杂繁琐的芯片设计流程
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供
439 浏览
全面了解人工智能
机械自动化类 星旭自动化 2016-11-17 18:31 发表了文章
国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。德勤DUP发布的一份报告中，对人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供 查看全部
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供 查看全部
国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。德勤DUP发布的一份报告中，对人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供
525 浏览
加速度传感器的应用详解
智能制造类 星旭自动化 2016-11-16 14:47 发表了文章
加速度传感器是一种能够测量加速力的电子设备。加速力也就是当物体在加速过程中作用在物体上的力。加速度传感器有两种：一种是角加速度传感器，是由陀螺仪改进过来的。另一种就是加速度传感器。它也可以按测量轴分为单轴、双轴和三轴加速度传感器。
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供 查看全部
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供 查看全部
加速度传感器是一种能够测量加速力的电子设备。加速力也就是当物体在加速过程中作用在物体上的力。加速度传感器有两种：一种是角加速度传感器，是由陀螺仪改进过来的。另一种就是加速度传感器。它也可以按测量轴分为单轴、双轴和三轴加速度传感器。
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供
469 浏览
带你了解PLC（二）！
智能科技类 苏州工业仿真 2016-11-20 19:01 发表了文章
PLC的IO点
我们已经知道PLC要实现相关的控制功能，就要有相应的输入输出部件，同电气控制回路一样，如：按钮、行程开关、接近开关、传感器及变送器、电磁线圈、接触器、继电器、控制阀等等。这在PLC中通常称为I/O点，它是用端子的形式与工业现场的器件或设备进行连接的，PLC在使用时只需将现场的各种设备与相应的I/O端相连接，即可投入运行。
OMRON PLC 整体型一体机的数字量IO点一般是以6：4的比例来分配输入和输出信号点的，比如20 个IO点的PLC模块可以接12个点的输入信号，还可以接8个点的输出信号。
所谓开关量信号或者是数字量信号，就是表现出的信号只有两种状态，象开关一样：或者是开或者是关，没有第三种状态。在计算机中表现的是：0或者是1；电气电路中表现的是：接通或者是切断，等等。
在PLC的上部为输入端子连接排，左侧是PLC的输入电源接点。挨着的是输入信号的端子。
因为输入的外接信号通常都是无源的信号，所以在接入PLC端子时，要提供电源形成合适的电流回路，在PLC上为方便输入信号的电源供取，提供24VDC（250MA）直流电源引出端子。如图上所示。
所有的I/O接口电路均采用光电隔离，使工业现场的外电路与PLC内部电路之间电气上隔离。各输入端均采用R-C滤波器，其滤波时间常数一般为10~20ms。
在COM和信号输入端子间接入电源（该电源由PLC输出的+24VDC引用），形成输入回路。PLC的一个输入点单独对应一个内部电路，如果信号是＝1时，也就是当输入信号（外部开关）闭合，输入点与输入公共端COM接通有适当电流形成输入回路时，该输入标识指示灯会点亮。在PLC里这个点的输入DI＝1。
我们看到PLC的输入端电气回路已经不是简单的电气接线形式，通过光电耦合和电容电阻，提高识别输入信号变化的程度，并隔离外部的可能的干扰。同样，交流输入电路也是类似。
值得注意的是，输入的电源在通常情况下，COM端可以或正或负，但对于NPN或者是PNP这种晶体管输入的外部信号，就要在接线上给予注意，日式的PLC习惯是NPN型的信号连接。NPN型传感器要求公共端接24VDC+极；PNP型传感器则正好相反，要求公共端接24VDC－极。因为PLC输入端子只有一个公共端－COM，如果信号中又有PNP型信号或者是NPN型信号的话，那么在选型上或者是接线上要做相应的调整。以下是几种输入回路：
无源接点的信号回路，串入的电源可由PLC供电端引，公共端可接电源的正极/负极。
需电源的信号，电源（PLC供）的正极接COM端，负极接信号的低电位端；这种信号可以同NPN性质同接。
集电极开路输出型的信号要引一路电源正极到电路中，以匹配电信号；可以同NPN性质同接。
可以同NPN输入同接。综上，在接入信号时，要注意信号的性质。
开关量输出单元，有三种类型：晶体管输出，用于响应速度快的直流负载；晶闸管输出，只能用于交流负载，而继电器输出类型，可交流负载，也可直流负载，但是响应速度慢。寿命相比短。
数字输出端子排在PLC的下方。PLC的数字量输出端是与设备执行元件连接形成回路的。
输入和输出回路都经过了光电隔离，提高抗扰能力。
这是晶体管输出电路；当控制程序让输出点＝1时，信号经光电耦合，使T2导通，使外接了电源的负载回路导通。
同样在其它输出方式也是类似的。在实际的硬件端口分布中，CP1H PLC的输出COM端，并不全是一对一的，有的是几个输出口共一个COM端，在电气连接时，要注意控制电源的同一。
CP1H PLC已经有内置有模拟量的信号采集和模拟量输出信号的回路。模拟量是连续的信号，对于模拟输入的信号，在PLC也是以连续信号接收，接收后被自动的转变成为数字量的连续信号。一般情况下，当模拟量信号按要求进行了电气连接后，模拟量在PLC里是被转换为连续的数字量继而读写或者是处理的。
这是电压信号的模拟量接口电路，对于有源的电压输出信号，在CP1H内置的接线端中，信号正端连到V IN端点，而负端连到COM端。
那么如果是有源电流信号要连到I IN和COM端，同时V IN和I IN端短接。
对于模拟量输出接口，PLC内部都提供电源，同样的按电流信号和电压信号的不同端子向负载提供驱动，形成控制回路。
来源：1号机器人
智造家提供 查看全部
PLC的IO点
我们已经知道PLC要实现相关的控制功能，就要有相应的输入输出部件，同电气控制回路一样，如：按钮、行程开关、接近开关、传感器及变送器、电磁线圈、接触器、继电器、控制阀等等。这在PLC中通常称为I/O点，它是用端子的形式与工业现场的器件或设备进行连接的，PLC在使用时只需将现场的各种设备与相应的I/O端相连接，即可投入运行。
OMRON PLC 整体型一体机的数字量IO点一般是以6：4的比例来分配输入和输出信号点的，比如20 个IO点的PLC模块可以接12个点的输入信号，还可以接8个点的输出信号。
所谓开关量信号或者是数字量信号，就是表现出的信号只有两种状态，象开关一样：或者是开或者是关，没有第三种状态。在计算机中表现的是：0或者是1；电气电路中表现的是：接通或者是切断，等等。
在PLC的上部为输入端子连接排，左侧是PLC的输入电源接点。挨着的是输入信号的端子。
因为输入的外接信号通常都是无源的信号，所以在接入PLC端子时，要提供电源形成合适的电流回路，在PLC上为方便输入信号的电源供取，提供24VDC（250MA）直流电源引出端子。如图上所示。
所有的I/O接口电路均采用光电隔离，使工业现场的外电路与PLC内部电路之间电气上隔离。各输入端均采用R-C滤波器，其滤波时间常数一般为10~20ms。
在COM和信号输入端子间接入电源（该电源由PLC输出的+24VDC引用），形成输入回路。PLC的一个输入点单独对应一个内部电路，如果信号是＝1时，也就是当输入信号（外部开关）闭合，输入点与输入公共端COM接通有适当电流形成输入回路时，该输入标识指示灯会点亮。在PLC里这个点的输入DI＝1。
我们看到PLC的输入端电气回路已经不是简单的电气接线形式，通过光电耦合和电容电阻，提高识别输入信号变化的程度，并隔离外部的可能的干扰。同样，交流输入电路也是类似。
值得注意的是，输入的电源在通常情况下，COM端可以或正或负，但对于NPN或者是PNP这种晶体管输入的外部信号，就要在接线上给予注意，日式的PLC习惯是NPN型的信号连接。NPN型传感器要求公共端接24VDC+极；PNP型传感器则正好相反，要求公共端接24VDC－极。因为PLC输入端子只有一个公共端－COM，如果信号中又有PNP型信号或者是NPN型信号的话，那么在选型上或者是接线上要做相应的调整。以下是几种输入回路：
无源接点的信号回路，串入的电源可由PLC供电端引，公共端可接电源的正极/负极。
需电源的信号，电源（PLC供）的正极接COM端，负极接信号的低电位端；这种信号可以同NPN性质同接。
集电极开路输出型的信号要引一路电源正极到电路中，以匹配电信号；可以同NPN性质同接。
可以同NPN输入同接。综上，在接入信号时，要注意信号的性质。
开关量输出单元，有三种类型：晶体管输出，用于响应速度快的直流负载；晶闸管输出，只能用于交流负载，而继电器输出类型，可交流负载，也可直流负载，但是响应速度慢。寿命相比短。
数字输出端子排在PLC的下方。PLC的数字量输出端是与设备执行元件连接形成回路的。
输入和输出回路都经过了光电隔离，提高抗扰能力。
这是晶体管输出电路；当控制程序让输出点＝1时，信号经光电耦合，使T2导通，使外接了电源的负载回路导通。
同样在其它输出方式也是类似的。在实际的硬件端口分布中，CP1H PLC的输出COM端，并不全是一对一的，有的是几个输出口共一个COM端，在电气连接时，要注意控制电源的同一。
CP1H PLC已经有内置有模拟量的信号采集和模拟量输出信号的回路。模拟量是连续的信号，对于模拟输入的信号，在PLC也是以连续信号接收，接收后被自动的转变成为数字量的连续信号。一般情况下，当模拟量信号按要求进行了电气连接后，模拟量在PLC里是被转换为连续的数字量继而读写或者是处理的。
这是电压信号的模拟量接口电路，对于有源的电压输出信号，在CP1H内置的接线端中，信号正端连到V IN端点，而负端连到COM端。
那么如果是有源电流信号要连到I IN和COM端，同时V IN和I IN端短接。
对于模拟量输出接口，PLC内部都提供电源，同样的按电流信号和电压信号的不同端子向负载提供驱动，形成控制回路。
来源：1号机器人
智造家提供
444 浏览
带你了解PLC（一）！
智能科技类 苏州工业仿真 2016-11-20 18:50 发表了文章
PLC的产生和发展
PLC―可编程序控制器，它的应用是建立在电气控制系统上的，也就是说是建立在继电器控制回路的基础上的。
这是一个电机启动/停止的控制回路：电路由选择开关SW建立了手动操作和自动启动两种启动方式，接触器KM是电机电源输送的执行器件；当操作方式中的手动启动或者是自动启动条件满足时，KM线圈导通将电机供电回路接通，使其运转。其中手动启动/停止电机操作是通过直接用启动按钮SB2和停止按钮SB1控制电机运行的；那么自动时，根据限位（在这里是HL高液位启动电机，LL低液位停止电机）延时后对电机控制操作。
对于这样一个简单的电气控制回路，如果再增加一些功能，比如在关键的应用场所，要保证电机的长期运行，考虑到泵的可能出现故障和运行维护保养等状况，要停止电机运行，那么就要增加一台泵来备用。在这种情况下的运行泵的工况就使得电气控制回路比较复杂了。关联的接线，电器元件，等等因此增加很多。如果是在一个控制系统中有这样若干个不同方式的电机控制回路的话，不但电气回路复杂，占用电柜体积，电控箱数量也相当可观；
更重要的是，要进行修改测试和改进设计以及安装就显得非常的麻烦。那么在60年代，产生了新型的，运用微电子和计算机技术，可以实现复杂的电气控制回路的装置，其简单易懂，操作方便，可靠性高，通用灵活，体积小，使用寿命长等一系列优点，被称为可编程序控制器――PLC。 PLC不仅在功能上大大提升和完善了控制回路，而且在与设备的接口上连接简便，控制装置体积成倍缩小。
PLC替代电气控制国际电工委员会(IEC)在1987年2月对PLC这样定义：可编程控制器是一种数字运算操作的电子系统，专为在工业环境应用而设计的。它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算,顺序控制，定时，计数与算术操作等面向用户的指令，并通过数字或模拟方式输入/输出控制各种类型的机械或生产过程。可编程控制器及其有关外部设备，都按易于与工业控制系统联成一个整体，它具有丰富的输入/输出接口，并且具有较强的驱动能力，高可靠性；易于扩充其功能的原则设计。
总之，可编程控制器是一个数字式的电子装置，是一台计算机，专为工业环境应用而设计制造的计算机，不是单纯的电气电路了。但可编程控制器产品并不针对某一具体工业应用，在实际应用时，其硬件需根据实际需要进行选用配置，其软件需根据控制要求进行设计编制。它的编程软件通用界面――梯形图，非常人性化，元器件符号就象电气部件表示一样，编程就象连线一样将电气电路连到控制器中，很容易理解和掌握，以及制作。
那么它是如何替代继电器控制装置的呢？
上述的电气控制回路大致可以分成这样几个部分：输入设备：按钮，选择开关，传感器、触点信号；输出设备（执行器件）：接触器，电磁阀，指示灯；逻辑控制电路，不直接与外部连接的电气电路；还有就是控制电源。那么在这个电路里：SW，SB1，SB2；FR，HL，LL是输入元件；接触器KM是执行元件；接触器的辅助触点，继电器触点，以及时间继电器，中间继电器，连成了控制逻辑电路。
如果要改变控制功能：对于继电器控制回路来说，要改变控制电路和实际接线；而用PLC控制，外部接线不变，改变用户程序就可以了；特别是复杂的控制逻辑，继电器控制实现是很困难的。当把这些输入元件以及执行元件用电气方式连接到PLC里，并向PLC提供控制电源，再通过编程软件编制出相关的控制逻辑，PLC就同样实现上述的控制功能。在这里编制的程序里我们看到用编程软件所作的程序，与电气连线所形成的控制功能很相似。
比如[自动]信号是外部输入的选择开关SW的状态信号，它通过输入端子电气连接到PLC里，PLC硬件输入回路就会把这个信号的状态（在输入回路中），编译到PLC中，当操作者将选择开关置于[手动]，在PLC里表现的状态被编译成[自动]的非，或者说是自动方式断开形式；同样当执行条件满足时，程序能流流通，就象电气线路中电气回路接通一样，[电机]就接通，与此输出端点连接的接触器线圈导通，使触点闭合，电机带电运行；接通表示＝1，断开表示＝0。通过这样一些规则的程序，加上PLC内部的各种功能，很容易的就能实现电气的各种控制需求。
PLC梯形图程序虽然是从继电器控制线路图发展而来的，但与其又有一些本质的区别。为适应不同需求，程序有几种表示方式，常用的是梯形图方式，适合用继电器线路熟悉的人员使用；指令语句表，用助记符方来表达PLC的各种控制功能，类似计算机的汇编语言，但通俗易懂。
由于电气控制的逻辑是在PLC里用特殊的语言编制的，程序制作过程中可以随时增加或修改逻辑，可以用计算机的一些功能，作出复杂的控制系统。正是这个特点，PLC才得到了广泛的应用；相比之下，电气控制在修改和复杂逻辑上是得力不从心的，甚至是达不到的。
认识PLC
PLC的特点：通用性，灵活性强；抗干扰能力强，可靠性高； 编程语言简单易学；与外部设备连线方便；功能扩展能力强；控制系统设计调试周期短；体积小易于机电一体化；故障少维修方便
那么随着PLC的发展，从性能上可以看出，对小型PLC将会体积更小，速度更高，功能更强，价格更加低廉；对中大型PLC将要容量更大，速度更高，更多功能，更易于网络通信，更加适应于大规模复杂的控制系统。
从PLC控制系统来讲，CPU与现场IO通过数据通信实现控制，使系统控制更有效；冗余系统的应用，各种单元以至整个系统都可以冗余，使系统具有更高的可靠性；应用计算机信息处理技术、网络通信技术，使系统控制功能与信息管理功能一体化；
综述，PLC是以CPU为核心，计算机技术、自动控制技术、网络通信技术为一体的可编程序控制器。几乎所有的PLC装置，都有可以同外部进行电气连接的端口，通过这些端口，PLC才能与外界进行信号的传递，实现其控制的功能。
PLC是按与外界连接的信号数量（我们称为输入输出点数），以及装置内部程序容量大小进行分类的。那么一般IO点数<256点的为小型机；在256~1024之间的为中型机；超过1024的则是大型机了。
小型机－都是整体式机型，所谓整体式机型的意思是，输入部分，输出部分与CPU都在一起，比如CPM2A。
而中大型机都是运用各种类型模块根据需要进行搭配和组合，实现与外部电气连接，并控制外部设备。这款是无底板的组合式机型。
这是有底板的组合式机型，其模件均通过底板与CPU进行数据交换。
PLC硬件结构
整体式PLC的基本组成：
同电气控制回路一样，PLC也需要控制电源，CPU是PLC的中心，存储器，输入单元，输出单元以及与外部数据访问的外设接口和扩展接口，共同组成了PLC的基本组成部分。
组合式PLC则是按基本组成分成各个模件（模块）：CPU单元，输入、输出单元，通信单元等等，各单元通过总线与CPU作数据交换。这是欧姆龙整体式机型的PLC CP1H－XA外观。
PLC内部的CPU单元是控制中心，指挥PLC完成各种预定的功能。输入并存储用户程序；检查校验用户程序；执行用户程序，驱动外部输出设备动作；诊断故障。在CP1H PLC模块的左上角，内装有PLC内部数据保持所需的电池，这是一次性使用的电池，通常情况下可以使用5年。
电源端子用来连接外部提供给PLC的工作电源；它的输入电压范围宽，抗干扰性能好；并能向外部提供24V直流电源，可以作为输入单元连接的外设的电源。 在CP1H CPU单元中，当用户程序或参数写入（下载）到CPU 单元中时，这些数据将自动备份到内置的闪存（闪存功能）中。
这里解释一下，什么是闪存呢？闪存就是Flash Memory，一种非挥发性（简单说就是在不加电的情况下数据也不会丢失，区别于目前常用的计算机内存）的半导体存储芯片，具有体积小、功耗低、不易受物理破坏的优点，比如数码相机上，作为存储介质的存贮卡。闪存存取比较快速，无噪音，散热小。
闪存卡（Flash Card）是利用闪存（Flash Memory）技术达到存储电子信息的存储器。存储器分系统程序存储；用户程序存储；以及工作数据存储几部分。用户程序和设置的参数还有注释和功能块源数据都是放在闪存卡中的，但是对于I/O 存储器区域（包括保持继电器、计数当前值/完成标志、数据存储器）不能写入内置闪存中。特别电源断开复位时的保持区域的保持继电器、计数当前值/完成标志、数据存储器就是依靠刚才所讲的电池维持的，如果电池发生异常时，数据可能就会丢失。
这里的存贮器盒与前面介绍的闪存类似，它也是用来备份用户程序和PLC内部存贮器里的数据，可以COPY到另外的PLC中，或者作备份。在实际应用中作为可选件，供用户选择或者不选择使用。CPU模块上有CPU工作状态指示灯：分别表示电源POWER：绿色；工作RUN：绿色；故障报错ERR/ALM：红色；输出禁止INH：黄色；存贮器数据操作BKUP：黄色；USB端口通信中PRPHL：黄色。
下面的两位7段码可显示CPU单元的异常信息，或者模拟器操作的当前值，甚至还可以显示用程序编写相关的代码。如果故障报错ERR/ALM灯点亮，则2位的7段码中可以读到错误讯息。
外设连接端口，在上部为USB端口，用市场上通用的USB线就可以同电脑进行USB通讯，编辑，监测及传输程序等操作。旋钮是模拟量信号输入电位器，可以设置通道（A642CH）在 0－255范围内连续数值；外部模拟量设定连接器，可以从PLC之外输入0－10V直流电压信号（A643CH 0-255范围）；DIP开关用来进行CPU相关功能的选择设置，具体说明在端盖上。
如果使用的是稍早产的PLC，一般是通过RS232串口用专用电缆，或者通讯通信适配器与计算机通信，通过计算机进行程序设计，监测以及调试等等。
PLC模块的中部有两个可选择的槽位，用来放置可选的串行通信板，增加CPU的串口通讯功能。扩展模块连接端口用来增加扩展输入输出模块，整体机型的PLC主机和扩展模块都有扩展连接端口，通过连接电缆连接，以便扩充输入输出的信号接入点，或者增加特殊功能的专用模块。
这就是CP1H的扩展连接，它可以连接7个扩展单元，或者说是15个CH通道，可以扩展IO点到320个。这些连接是由扩展接口通过扁平线将扩展模块与CPU主模块的数据总线联系在一起，通过这样的连接，我们可以把扩展模块当作PLC本身的IO点。
在PLC扩展单元里有一种扩展单元，被称为智能单元，或者在早期被称之为特殊模块的：高速计数器单元，模拟量输入输出单元，总线单元，网络单元，等等。这些模块不同于数字量的IO输入输出单元，它本身是一个独立的系统，有自己的CPU，存储器，和与外界相连的端口；对于组合式PLC，智能单元通过总线，在CPU单元协调管理下独立进行工作；对于整体式PLC，则通过扩展接口与主机联接。
来源：1号机器人
智造家提供 查看全部
PLC―可编程序控制器，它的应用是建立在电气控制系统上的，也就是说是建立在继电器控制回路的基础上的。
这是一个电机启动/停止的控制回路：电路由选择开关SW建立了手动操作和自动启动两种启动方式，接触器KM是电机电源输送的执行器件；当操作方式中的手动启动或者是自动启动条件满足时，KM线圈导通将电机供电回路接通，使其运转。其中手动启动/停止电机操作是通过直接用启动按钮SB2和停止按钮SB1控制电机运行的；那么自动时，根据限位（在这里是HL高液位启动电机，LL低液位停止电机）延时后对电机控制操作。
对于这样一个简单的电气控制回路，如果再增加一些功能，比如在关键的应用场所，要保证电机的长期运行，考虑到泵的可能出现故障和运行维护保养等状况，要停止电机运行，那么就要增加一台泵来备用。在这种情况下的运行泵的工况就使得电气控制回路比较复杂了。关联的接线，电器元件，等等因此增加很多。如果是在一个控制系统中有这样若干个不同方式的电机控制回路的话，不但电气回路复杂，占用电柜体积，电控箱数量也相当可观；
更重要的是，要进行修改测试和改进设计以及安装就显得非常的麻烦。那么在60年代，产生了新型的，运用微电子和计算机技术，可以实现复杂的电气控制回路的装置，其简单易懂，操作方便，可靠性高，通用灵活，体积小，使用寿命长等一系列优点，被称为可编程序控制器――PLC。 PLC不仅在功能上大大提升和完善了控制回路，而且在与设备的接口上连接简便，控制装置体积成倍缩小。
PLC替代电气控制国际电工委员会(IEC)在1987年2月对PLC这样定义：可编程控制器是一种数字运算操作的电子系统，专为在工业环境应用而设计的。它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算,顺序控制，定时，计数与算术操作等面向用户的指令，并通过数字或模拟方式输入/输出控制各种类型的机械或生产过程。可编程控制器及其有关外部设备，都按易于与工业控制系统联成一个整体，它具有丰富的输入/输出接口，并且具有较强的驱动能力，高可靠性；易于扩充其功能的原则设计。
总之，可编程控制器是一个数字式的电子装置，是一台计算机，专为工业环境应用而设计制造的计算机，不是单纯的电气电路了。但可编程控制器产品并不针对某一具体工业应用，在实际应用时，其硬件需根据实际需要进行选用配置，其软件需根据控制要求进行设计编制。它的编程软件通用界面――梯形图，非常人性化，元器件符号就象电气部件表示一样，编程就象连线一样将电气电路连到控制器中，很容易理解和掌握，以及制作。
那么它是如何替代继电器控制装置的呢？
上述的电气控制回路大致可以分成这样几个部分：输入设备：按钮，选择开关，传感器、触点信号；输出设备（执行器件）：接触器，电磁阀，指示灯；逻辑控制电路，不直接与外部连接的电气电路；还有就是控制电源。那么在这个电路里：SW，SB1，SB2；FR，HL，LL是输入元件；接触器KM是执行元件；接触器的辅助触点，继电器触点，以及时间继电器，中间继电器，连成了控制逻辑电路。
如果要改变控制功能：对于继电器控制回路来说，要改变控制电路和实际接线；而用PLC控制，外部接线不变，改变用户程序就可以了；特别是复杂的控制逻辑，继电器控制实现是很困难的。当把这些输入元件以及执行元件用电气方式连接到PLC里，并向PLC提供控制电源，再通过编程软件编制出相关的控制逻辑，PLC就同样实现上述的控制功能。在这里编制的程序里我们看到用编程软件所作的程序，与电气连线所形成的控制功能很相似。
比如[自动]信号是外部输入的选择开关SW的状态信号，它通过输入端子电气连接到PLC里，PLC硬件输入回路就会把这个信号的状态（在输入回路中），编译到PLC中，当操作者将选择开关置于[手动]，在PLC里表现的状态被编译成[自动]的非，或者说是自动方式断开形式；同样当执行条件满足时，程序能流流通，就象电气线路中电气回路接通一样，[电机]就接通，与此输出端点连接的接触器线圈导通，使触点闭合，电机带电运行；接通表示＝1，断开表示＝0。通过这样一些规则的程序，加上PLC内部的各种功能，很容易的就能实现电气的各种控制需求。
PLC梯形图程序虽然是从继电器控制线路图发展而来的，但与其又有一些本质的区别。为适应不同需求，程序有几种表示方式，常用的是梯形图方式，适合用继电器线路熟悉的人员使用；指令语句表，用助记符方来表达PLC的各种控制功能，类似计算机的汇编语言，但通俗易懂。
由于电气控制的逻辑是在PLC里用特殊的语言编制的，程序制作过程中可以随时增加或修改逻辑，可以用计算机的一些功能，作出复杂的控制系统。正是这个特点，PLC才得到了广泛的应用；相比之下，电气控制在修改和复杂逻辑上是得力不从心的，甚至是达不到的。
认识PLC
PLC的特点：通用性，灵活性强；抗干扰能力强，可靠性高； 编程语言简单易学；与外部设备连线方便；功能扩展能力强；控制系统设计调试周期短；体积小易于机电一体化；故障少维修方便
那么随着PLC的发展，从性能上可以看出，对小型PLC将会体积更小，速度更高，功能更强，价格更加低廉；对中大型PLC将要容量更大，速度更高，更多功能，更易于网络通信，更加适应于大规模复杂的控制系统。
从PLC控制系统来讲，CPU与现场IO通过数据通信实现控制，使系统控制更有效；冗余系统的应用，各种单元以至整个系统都可以冗余，使系统具有更高的可靠性；应用计算机信息处理技术、网络通信技术，使系统控制功能与信息管理功能一体化；
综述，PLC是以CPU为核心，计算机技术、自动控制技术、网络通信技术为一体的可编程序控制器。几乎所有的PLC装置，都有可以同外部进行电气连接的端口，通过这些端口，PLC才能与外界进行信号的传递，实现其控制的功能。
PLC是按与外界连接的信号数量（我们称为输入输出点数），以及装置内部程序容量大小进行分类的。那么一般IO点数<256点的为小型机；在256~1024之间的为中型机；超过1024的则是大型机了。
小型机－都是整体式机型，所谓整体式机型的意思是，输入部分，输出部分与CPU都在一起，比如CPM2A。
而中大型机都是运用各种类型模块根据需要进行搭配和组合，实现与外部电气连接，并控制外部设备。这款是无底板的组合式机型。
这是有底板的组合式机型，其模件均通过底板与CPU进行数据交换。
PLC硬件结构
整体式PLC的基本组成：
同电气控制回路一样，PLC也需要控制电源，CPU是PLC的中心，存储器，输入单元，输出单元以及与外部数据访问的外设接口和扩展接口，共同组成了PLC的基本组成部分。
组合式PLC则是按基本组成分成各个模件（模块）：CPU单元，输入、输出单元，通信单元等等，各单元通过总线与CPU作数据交换。这是欧姆龙整体式机型的PLC CP1H－XA外观。
PLC内部的CPU单元是控制中心，指挥PLC完成各种预定的功能。输入并存储用户程序；检查校验用户程序；执行用户程序，驱动外部输出设备动作；诊断故障。在CP1H PLC模块的左上角，内装有PLC内部数据保持所需的电池，这是一次性使用的电池，通常情况下可以使用5年。
电源端子用来连接外部提供给PLC的工作电源；它的输入电压范围宽，抗干扰性能好；并能向外部提供24V直流电源，可以作为输入单元连接的外设的电源。 在CP1H CPU单元中，当用户程序或参数写入（下载）到CPU 单元中时，这些数据将自动备份到内置的闪存（闪存功能）中。
这里解释一下，什么是闪存呢？闪存就是Flash Memory，一种非挥发性（简单说就是在不加电的情况下数据也不会丢失，区别于目前常用的计算机内存）的半导体存储芯片，具有体积小、功耗低、不易受物理破坏的优点，比如数码相机上，作为存储介质的存贮卡。闪存存取比较快速，无噪音，散热小。
闪存卡（Flash Card）是利用闪存（Flash Memory）技术达到存储电子信息的存储器。存储器分系统程序存储；用户程序存储；以及工作数据存储几部分。用户程序和设置的参数还有注释和功能块源数据都是放在闪存卡中的，但是对于I/O 存储器区域（包括保持继电器、计数当前值/完成标志、数据存储器）不能写入内置闪存中。特别电源断开复位时的保持区域的保持继电器、计数当前值/完成标志、数据存储器就是依靠刚才所讲的电池维持的，如果电池发生异常时，数据可能就会丢失。
这里的存贮器盒与前面介绍的闪存类似，它也是用来备份用户程序和PLC内部存贮器里的数据，可以COPY到另外的PLC中，或者作备份。在实际应用中作为可选件，供用户选择或者不选择使用。CPU模块上有CPU工作状态指示灯：分别表示电源POWER：绿色；工作RUN：绿色；故障报错ERR/ALM：红色；输出禁止INH：黄色；存贮器数据操作BKUP：黄色；USB端口通信中PRPHL：黄色。
下面的两位7段码可显示CPU单元的异常信息，或者模拟器操作的当前值，甚至还可以显示用程序编写相关的代码。如果故障报错ERR/ALM灯点亮，则2位的7段码中可以读到错误讯息。
外设连接端口，在上部为USB端口，用市场上通用的USB线就可以同电脑进行USB通讯，编辑，监测及传输程序等操作。旋钮是模拟量信号输入电位器，可以设置通道（A642CH）在 0－255范围内连续数值；外部模拟量设定连接器，可以从PLC之外输入0－10V直流电压信号（A643CH 0-255范围）；DIP开关用来进行CPU相关功能的选择设置，具体说明在端盖上。
如果使用的是稍早产的PLC，一般是通过RS232串口用专用电缆，或者通讯通信适配器与计算机通信，通过计算机进行程序设计，监测以及调试等等。
PLC模块的中部有两个可选择的槽位，用来放置可选的串行通信板，增加CPU的串口通讯功能。扩展模块连接端口用来增加扩展输入输出模块，整体机型的PLC主机和扩展模块都有扩展连接端口，通过连接电缆连接，以便扩充输入输出的信号接入点，或者增加特殊功能的专用模块。
这就是CP1H的扩展连接，它可以连接7个扩展单元，或者说是15个CH通道，可以扩展IO点到320个。这些连接是由扩展接口通过扁平线将扩展模块与CPU主模块的数据总线联系在一起，通过这样的连接，我们可以把扩展模块当作PLC本身的IO点。
在PLC扩展单元里有一种扩展单元，被称为智能单元，或者在早期被称之为特殊模块的：高速计数器单元，模拟量输入输出单元，总线单元，网络单元，等等。这些模块不同于数字量的IO输入输出单元，它本身是一个独立的系统，有自己的CPU，存储器，和与外界相连的端口；对于组合式PLC，智能单元通过总线，在CPU单元协调管理下独立进行工作；对于整体式PLC，则通过扩展接口与主机联接。
来源：1号机器人
智造家提供 查看全部
PLC的产生和发展
PLC―可编程序控制器，它的应用是建立在电气控制系统上的，也就是说是建立在继电器控制回路的基础上的。
这是一个电机启动/停止的控制回路：电路由选择开关SW建立了手动操作和自动启动两种启动方式，接触器KM是电机电源输送的执行器件；当操作方式中的手动启动或者是自动启动条件满足时，KM线圈导通将电机供电回路接通，使其运转。其中手动启动/停止电机操作是通过直接用启动按钮SB2和停止按钮SB1控制电机运行的；那么自动时，根据限位（在这里是HL高液位启动电机，LL低液位停止电机）延时后对电机控制操作。
对于这样一个简单的电气控制回路，如果再增加一些功能，比如在关键的应用场所，要保证电机的长期运行，考虑到泵的可能出现故障和运行维护保养等状况，要停止电机运行，那么就要增加一台泵来备用。在这种情况下的运行泵的工况就使得电气控制回路比较复杂了。关联的接线，电器元件，等等因此增加很多。如果是在一个控制系统中有这样若干个不同方式的电机控制回路的话，不但电气回路复杂，占用电柜体积，电控箱数量也相当可观；
更重要的是，要进行修改测试和改进设计以及安装就显得非常的麻烦。那么在60年代，产生了新型的，运用微电子和计算机技术，可以实现复杂的电气控制回路的装置，其简单易懂，操作方便，可靠性高，通用灵活，体积小，使用寿命长等一系列优点，被称为可编程序控制器――PLC。 PLC不仅在功能上大大提升和完善了控制回路，而且在与设备的接口上连接简便，控制装置体积成倍缩小。
PLC替代电气控制国际电工委员会(IEC)在1987年2月对PLC这样定义：可编程控制器是一种数字运算操作的电子系统，专为在工业环境应用而设计的。它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算,顺序控制，定时，计数与算术操作等面向用户的指令，并通过数字或模拟方式输入/输出控制各种类型的机械或生产过程。可编程控制器及其有关外部设备，都按易于与工业控制系统联成一个整体，它具有丰富的输入/输出接口，并且具有较强的驱动能力，高可靠性；易于扩充其功能的原则设计。
总之，可编程控制器是一个数字式的电子装置，是一台计算机，专为工业环境应用而设计制造的计算机，不是单纯的电气电路了。但可编程控制器产品并不针对某一具体工业应用，在实际应用时，其硬件需根据实际需要进行选用配置，其软件需根据控制要求进行设计编制。它的编程软件通用界面――梯形图，非常人性化，元器件符号就象电气部件表示一样，编程就象连线一样将电气电路连到控制器中，很容易理解和掌握，以及制作。
那么它是如何替代继电器控制装置的呢？
上述的电气控制回路大致可以分成这样几个部分：输入设备：按钮，选择开关，传感器、触点信号；输出设备（执行器件）：接触器，电磁阀，指示灯；逻辑控制电路，不直接与外部连接的电气电路；还有就是控制电源。那么在这个电路里：SW，SB1，SB2；FR，HL，LL是输入元件；接触器KM是执行元件；接触器的辅助触点，继电器触点，以及时间继电器，中间继电器，连成了控制逻辑电路。
如果要改变控制功能：对于继电器控制回路来说，要改变控制电路和实际接线；而用PLC控制，外部接线不变，改变用户程序就可以了；特别是复杂的控制逻辑，继电器控制实现是很困难的。当把这些输入元件以及执行元件用电气方式连接到PLC里，并向PLC提供控制电源，再通过编程软件编制出相关的控制逻辑，PLC就同样实现上述的控制功能。在这里编制的程序里我们看到用编程软件所作的程序，与电气连线所形成的控制功能很相似。
比如[自动]信号是外部输入的选择开关SW的状态信号，它通过输入端子电气连接到PLC里，PLC硬件输入回路就会把这个信号的状态（在输入回路中），编译到PLC中，当操作者将选择开关置于[手动]，在PLC里表现的状态被编译成[自动]的非，或者说是自动方式断开形式；同样当执行条件满足时，程序能流流通，就象电气线路中电气回路接通一样，[电机]就接通，与此输出端点连接的接触器线圈导通，使触点闭合，电机带电运行；接通表示＝1，断开表示＝0。通过这样一些规则的程序，加上PLC内部的各种功能，很容易的就能实现电气的各种控制需求。
PLC梯形图程序虽然是从继电器控制线路图发展而来的，但与其又有一些本质的区别。为适应不同需求，程序有几种表示方式，常用的是梯形图方式，适合用继电器线路熟悉的人员使用；指令语句表，用助记符方来表达PLC的各种控制功能，类似计算机的汇编语言，但通俗易懂。
由于电气控制的逻辑是在PLC里用特殊的语言编制的，程序制作过程中可以随时增加或修改逻辑，可以用计算机的一些功能，作出复杂的控制系统。正是这个特点，PLC才得到了广泛的应用；相比之下，电气控制在修改和复杂逻辑上是得力不从心的，甚至是达不到的。
认识PLC
PLC的特点：通用性，灵活性强；抗干扰能力强，可靠性高； 编程语言简单易学；与外部设备连线方便；功能扩展能力强；控制系统设计调试周期短；体积小易于机电一体化；故障少维修方便
那么随着PLC的发展，从性能上可以看出，对小型PLC将会体积更小，速度更高，功能更强，价格更加低廉；对中大型PLC将要容量更大，速度更高，更多功能，更易于网络通信，更加适应于大规模复杂的控制系统。
从PLC控制系统来讲，CPU与现场IO通过数据通信实现控制，使系统控制更有效；冗余系统的应用，各种单元以至整个系统都可以冗余，使系统具有更高的可靠性；应用计算机信息处理技术、网络通信技术，使系统控制功能与信息管理功能一体化；
综述，PLC是以CPU为核心，计算机技术、自动控制技术、网络通信技术为一体的可编程序控制器。几乎所有的PLC装置，都有可以同外部进行电气连接的端口，通过这些端口，PLC才能与外界进行信号的传递，实现其控制的功能。
PLC是按与外界连接的信号数量（我们称为输入输出点数），以及装置内部程序容量大小进行分类的。那么一般IO点数<256点的为小型机；在256~1024之间的为中型机；超过1024的则是大型机了。
小型机－都是整体式机型，所谓整体式机型的意思是，输入部分，输出部分与CPU都在一起，比如CPM2A。
而中大型机都是运用各种类型模块根据需要进行搭配和组合，实现与外部电气连接，并控制外部设备。这款是无底板的组合式机型。
这是有底板的组合式机型，其模件均通过底板与CPU进行数据交换。
PLC硬件结构
整体式PLC的基本组成：
同电气控制回路一样，PLC也需要控制电源，CPU是PLC的中心，存储器，输入单元，输出单元以及与外部数据访问的外设接口和扩展接口，共同组成了PLC的基本组成部分。
组合式PLC则是按基本组成分成各个模件（模块）：CPU单元，输入、输出单元，通信单元等等，各单元通过总线与CPU作数据交换。这是欧姆龙整体式机型的PLC CP1H－XA外观。
PLC内部的CPU单元是控制中心，指挥PLC完成各种预定的功能。输入并存储用户程序；检查校验用户程序；执行用户程序，驱动外部输出设备动作；诊断故障。在CP1H PLC模块的左上角，内装有PLC内部数据保持所需的电池，这是一次性使用的电池，通常情况下可以使用5年。
电源端子用来连接外部提供给PLC的工作电源；它的输入电压范围宽，抗干扰性能好；并能向外部提供24V直流电源，可以作为输入单元连接的外设的电源。 在CP1H CPU单元中，当用户程序或参数写入（下载）到CPU 单元中时，这些数据将自动备份到内置的闪存（闪存功能）中。
这里解释一下，什么是闪存呢？闪存就是Flash Memory，一种非挥发性（简单说就是在不加电的情况下数据也不会丢失，区别于目前常用的计算机内存）的半导体存储芯片，具有体积小、功耗低、不易受物理破坏的优点，比如数码相机上，作为存储介质的存贮卡。闪存存取比较快速，无噪音，散热小。
闪存卡（Flash Card）是利用闪存（Flash Memory）技术达到存储电子信息的存储器。存储器分系统程序存储；用户程序存储；以及工作数据存储几部分。用户程序和设置的参数还有注释和功能块源数据都是放在闪存卡中的，但是对于I/O 存储器区域（包括保持继电器、计数当前值/完成标志、数据存储器）不能写入内置闪存中。特别电源断开复位时的保持区域的保持继电器、计数当前值/完成标志、数据存储器就是依靠刚才所讲的电池维持的，如果电池发生异常时，数据可能就会丢失。
这里的存贮器盒与前面介绍的闪存类似，它也是用来备份用户程序和PLC内部存贮器里的数据，可以COPY到另外的PLC中，或者作备份。在实际应用中作为可选件，供用户选择或者不选择使用。CPU模块上有CPU工作状态指示灯：分别表示电源POWER：绿色；工作RUN：绿色；故障报错ERR/ALM：红色；输出禁止INH：黄色；存贮器数据操作BKUP：黄色；USB端口通信中PRPHL：黄色。
下面的两位7段码可显示CPU单元的异常信息，或者模拟器操作的当前值，甚至还可以显示用程序编写相关的代码。如果故障报错ERR/ALM灯点亮，则2位的7段码中可以读到错误讯息。
外设连接端口，在上部为USB端口，用市场上通用的USB线就可以同电脑进行USB通讯，编辑，监测及传输程序等操作。旋钮是模拟量信号输入电位器，可以设置通道（A642CH）在 0－255范围内连续数值；外部模拟量设定连接器，可以从PLC之外输入0－10V直流电压信号（A643CH 0-255范围）；DIP开关用来进行CPU相关功能的选择设置，具体说明在端盖上。
如果使用的是稍早产的PLC，一般是通过RS232串口用专用电缆，或者通讯通信适配器与计算机通信，通过计算机进行程序设计，监测以及调试等等。
PLC模块的中部有两个可选择的槽位，用来放置可选的串行通信板，增加CPU的串口通讯功能。扩展模块连接端口用来增加扩展输入输出模块，整体机型的PLC主机和扩展模块都有扩展连接端口，通过连接电缆连接，以便扩充输入输出的信号接入点，或者增加特殊功能的专用模块。
这就是CP1H的扩展连接，它可以连接7个扩展单元，或者说是15个CH通道，可以扩展IO点到320个。这些连接是由扩展接口通过扁平线将扩展模块与CPU主模块的数据总线联系在一起，通过这样的连接，我们可以把扩展模块当作PLC本身的IO点。
在PLC扩展单元里有一种扩展单元，被称为智能单元，或者在早期被称之为特殊模块的：高速计数器单元，模拟量输入输出单元，总线单元，网络单元，等等。这些模块不同于数字量的IO输入输出单元，它本身是一个独立的系统，有自己的CPU，存储器，和与外界相连的端口；对于组合式PLC，智能单元通过总线，在CPU单元协调管理下独立进行工作；对于整体式PLC，则通过扩展接口与主机联接。
来源：1号机器人
智造家提供
504 浏览
芯片全生命周期科普
设备硬件类 星旭自动化 2016-11-17 19:34 发表了文章
复杂繁琐的芯片设计流程
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供 查看全部
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供 查看全部
复杂繁琐的芯片设计流程
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供
芯片制造的过程就如同用乐高盖房子一样，先有晶圆作为地基，再层层往上叠的芯片制造流程后，就可产出必要的 IC 芯片（这些会在后面介绍）。然而，没有设计图，拥有再强制造能力都没有用，因此，建筑师的角色相当重要。但是 IC 设计中的建筑师究竟是谁呢？本文接下来要针对 IC 设计做介绍。
在 IC 生产流程中，IC 多由专业 IC 设计公司进行规划、设计，像是联发科、高通、Intel 等知名大厂，都自行设计各自的 IC 芯片，提供不同规格、效能的芯片给下游厂商选择。因为 IC 是由各厂自行设计，所以 IC 设计十分仰赖工程师的技术，工程师的素质影响着一间企业的价值。然而，工程师们在设计一颗 IC 芯片时，究竟有那些步骤？设计流程可以简单分成如下。
设计第一步，订定目标
在 IC 设计中，最重要的步骤就是规格制定。这个步骤就像是在设计建筑前，先决定要几间房间、浴室，有什么建筑法规需要遵守，在确定好所有的功能之后在进行设计，这样才不用再花额外的时间进行后续修改。IC 设计也需要经过类似的步骤，才能确保设计出来的芯片不会有任何差错。
规格制定的第一步便是确定 IC 的目的、效能为何，对大方向做设定。接着是察看有哪些协定要符合，像无线网卡的芯片就需要符合 IEEE 802.11 等规範，不然，这芯片将无法和市面上的产品相容，使它无法和其他设备连线。最后则是确立这颗 IC 的实作方法，将不同功能分配成不同的单元，并确立不同单元间连结的方法，如此便完成规格的制定。
设计完规格后，接着就是设计芯片的细节了。这个步骤就像初步记下建筑的规画，将整体轮廓描绘出来，方便后续制图。在 IC 芯片中，便是使用硬体描述语言（HDL）将电路描写出来。常使用的 HDL 有 Verilog、VHDL 等，藉由程式码便可轻易地将一颗 IC 地功能表达出来。接着就是检查程式功能的正确性并持续修改，直到它满足期望的功能为止。
▲ 32 bits 加法器的 Verilog 范例。
有了电脑，事情都变得容易
有了完整规画后，接下来便是画出平面的设计蓝图。在 IC 设计中，逻辑合成这个步骤便是将确定无误的 HDL code，放入电子设计自动化工具（EDA tool），让电脑将 HDL code 转换成逻辑电路，产生如下的电路图。之后，反覆的确定此逻辑闸设计图是否符合规格并修改，直到功能正确为止。
▲控制单元合成后的结果。
最后，将合成完的程式码再放入另一套 EDA tool，进行电路布局与绕线（Place And Route）。在经过不断的检测后，便会形成如下的电路图。图中可以看到蓝、红、绿、黄等不同颜色，每种不同的颜色就代表着一张光罩。至于光罩究竟要如何运用呢？
▲常用的演算芯片- FFT 芯片，完成电路布局与绕线的结果。
层层光罩，叠起一颗芯片
首先，目前已经知道一颗 IC 会产生多张的光罩，这些光罩有上下层的分别，每层有各自的任务。下图为简单的光罩例子，以积体电路中最基本的元件 CMOS 为範例，CMOS 全名为互补式金属氧化物半导体（Complementary metal–oxide–semiconductor），也就是将 NMOS 和 PMOS 两者做结合，形成 CMOS。至于什么是金属氧化物半导体（MOS）？这种在芯片中广泛使用的元件比较难说明，一般读者也较难弄清，在这裡就不多加细究。
下图中，左边就是经过电路布局与绕线后形成的电路图，在前面已经知道每种颜色便代表一张光罩。右边则是将每张光罩摊开的样子。制作是，便由底层开始，依循上一篇 IC 芯片的制造中所提的方法，逐层制作，最后便会产生期望的芯片了。
至此，对于 IC 设计应该有初步的了解，整体看来就很清楚 IC 设计是一门非常复杂的专业，也多亏了电脑辅助软体的成熟，让 IC 设计得以加速。IC 设计厂十分依赖工程师的智慧，这裡所述的每个步骤都有其专门的知识，皆可独立成多门专业的课程，像是撰写硬体描述语言就不单纯的只需要熟悉程式语言，还需要了解逻辑电路是如何运作、如何将所需的演算法转换成程式、合成软体是如何将程式转换成逻辑闸等问题。
其中主要半导体设计公司有英特尔、高通、博通、英伟达、美满、赛灵思、Altera、联发科、海思、展讯、中兴微电子、华大、大唐、智芯、敦泰、士兰、中星、格科等。
什么是晶圆？
在半导体的新闻中，总是会提到以尺寸标示的晶圆厂，如 8 寸或是 12 寸晶圆厂，然而，所谓的晶圆到底是什么东西？其中 8 寸指的是什么部分？要产出大尺寸的晶圆制造又有什么难度呢？以下将逐步介绍半导体最重要的基础——「晶圆」到底是什么。
晶圆（wafer），是制造各式电脑芯片的基础。我们可以将芯片制造比拟成用乐高积木盖房子，藉由一层又一层的堆叠，完成自己期望的造型（也就是各式芯片）。然而，如果没有良好的地基，盖出来的房子就会歪来歪去，不合自己所意，为了做出完美的房子，便需要一个平稳的基板。对芯片制造来说，这个基板就是接下来将描述的晶圆。
（Souse：Flickr/Jonathan Stewart CC BY 2.0）
首先，先回想一下小时候在玩乐高积木时，积木的表面都会有一个一个小小圆型的凸出物，藉由这个构造，我们可将两块积木稳固的叠在一起，且不需使用胶水。芯片制造，也是以类似这样的方式，将后续添加的原子和基板固定在一起。因此，我们需要寻找表面整齐的基板，以满足后续制造所需的条件。
在固体材料中，有一种特殊的晶体结构──单晶（Monocrystalline）。它具有原子一个接着一个紧密排列在一起的特性，可以形成一个平整的原子表层。因此，采用单晶做成晶圆，便可以满足以上的需求。然而，该如何产生这样的材料呢，主要有二个步骤，分别为纯化以及拉晶，之后便能完成这样的材料。
如何制造单晶的晶圆
纯化分成两个阶段，第一步是冶金级纯化，此一过程主要是加入碳，以氧化还原的方式，将氧化硅转换成 98% 以上纯度的硅。大部份的金属提炼，像是铁或铜等金属，皆是采用这样的方式获得足够纯度的金属。但是，98% 对于芯片制造来说依旧不够，仍需要进一步提升。因此，将再进一步采用西门子制程（Siemens process）作纯化，如此，将获得半导体制程所需的高纯度多晶硅。
▲硅柱制造流程（Source： Wikipedia）
接着，就是拉晶的步骤。首先，将前面所获得的高纯度多晶硅融化，形成液态的硅。之后，以单晶的硅种（seed）和液体表面接触，一边旋转一边缓慢的向上拉起。至于为何需要单晶的硅种，是因为硅原子排列就和人排队一样，会需要排头让后来的人该如何正确的排列，硅种便是重要的排头，让后来的原子知道该如何排队。最后，待离开液面的硅原子凝固后，排列整齐的单晶硅柱便完成了。
▲单晶硅柱（Souse：Wikipedia）
然而，8寸、12寸又代表什么东西呢？他指的是我们产生的晶柱，长得像铅笔笔桿的部分，表面经过处理并切成薄圆片后的直径。至于制造大尺寸晶圆又有什么难度呢？如前面所说，晶柱的制作过程就像是在做棉花糖一样，一边旋转一边成型。有制作过棉花糖的话，应该都知道要做出大而且扎实的棉花糖是相当困难的，而拉晶的过程也是一样，旋转拉起的速度以及温度的控制都会影响到晶柱的品质。也因此，尺寸愈大时，拉晶对速度与温度的要求就更高，因此要做出高品质 12 寸晶圆的难度就比 8 寸晶圆还来得高。
只是，一整条的硅柱并无法做成芯片制造的基板，为了产生一片一片的硅晶圆，接着需要以钻石刀将硅晶柱横向切成圆片，圆片再经由抛光便可形成芯片制造所需的硅晶圆。经过这么多步骤，芯片基板的制造便大功告成，下一步便是堆叠房子的步骤，也就是芯片制造。至于该如何制作芯片呢？
层层堆叠打造的芯片
在介绍过硅晶圆是什么东西后，同时，也知道制造 IC 芯片就像是用乐高积木盖房子一样，藉由一层又一层的堆叠，创造自己所期望的造型。然而，盖房子有相当多的步骤，IC 制造也是一样，制造 IC 究竟有哪些步骤？本文将将就 IC 芯片制造的流程做介绍。
在开始前，我们要先认识 IC 芯片是什么。IC，全名积体电路（Integrated Circuit），由它的命名可知它是将设计好的电路，以堆叠的方式组合起来。藉由这个方法，我们可以减少连接电路时所需耗费的面积。下图为 IC 电路的 3D 图，从图中可以看出它的结构就像房子的樑和柱，一层一层堆叠，这也就是为何会将 IC 制造比拟成盖房子。
▲ IC 芯片的 3D 剖面图。（Source：Wikipedia）
从上图中 IC 芯片的 3D 剖面图来看，底部深蓝色的部分就是上一篇介绍的晶圆，从这张图可以更明确的知道，晶圆基板在芯片中扮演的角色是何等重要。至于红色以及土黄色的部分，则是于 IC 制作时要完成的地方。
首先，在这裡可以将红色的部分比拟成高楼中的一楼大厅。一楼大厅，是一栋房子的门户，出入都由这裡，在掌握交通下通常会有较多的机能性。因此，和其他楼层相比，在兴建时会比较复杂，需要较多的步骤。在 IC 电路中，这个大厅就是逻辑闸层，它是整颗 IC 中最重要的部分，藉由将多种逻辑闸组合在一起，完成功能齐全的 IC 芯片。
黄色的部分，则像是一般的楼层。和一楼相比，不会有太复杂的构造，而且每层楼在兴建时也不会有太多变化。这一层的目的，是将红色部分的逻辑闸相连在一起。之所以需要这么多层，是因为有太多线路要连结在一起，在单层无法容纳所有的线路下，就要多叠几层来达成这个目标了。在这之中，不同层的线路会上下相连以满足接线的需求。
分层施工，逐层架构
知道 IC 的构造后，接下来要介绍该如何制作。试想一下，如果要以油漆喷罐做精细作图时，我们需先割出图形的遮盖板，盖在纸上。接着再将油漆均匀地喷在纸上，待油漆乾后，再将遮板拿开。不断的重复这个步骤后，便可完成整齐且复杂的图形。制造 IC 就是以类似的方式，藉由遮盖的方式一层一层的堆叠起来。
制作 IC 时，可以简单分成以上 4 种步骤。虽然实际制造时，制造的步骤会有差异，使用的材料也有所不同，但是大体上皆采用类似的原理。这个流程和油漆作画有些许不同，IC 制造是先涂料再加做遮盖，油漆作画则是先遮盖再作画。以下将介绍各流程。
金属溅镀：将欲使用的金属材料均匀洒在晶圆片上，形成一薄膜。
涂布光阻：先将光阻材料放在晶圆片上，透过光罩（光罩原理留待下次说明），将光束打在不要的部分上，破坏光阻材料结构。接着，再以化学药剂将被破坏的材料洗去。
蚀刻技术：将没有受光阻保护的硅晶圆，以离子束蚀刻。
光阻去除：使用去光阻液皆剩下的光阻溶解掉，如此便完成一次流程。
最后便会在一整片晶圆上完成很多 IC 芯片，接下来只要将完成的方形 IC 芯片剪下，便可送到封装厂做封装，至于封装厂是什么东西？就要待之后再做说明啰。
▲各种尺寸晶圆的比较。（Source：Wikipedia）
其中，主要晶圆代工厂有格罗方德、三星电子、Tower Jazz、Dongbu、美格纳、IBM、富士通、英特尔、海力士、台积电、联电、中芯国际、力晶、华虹、德茂、武汉新芯、华微、华立、力芯
纳米制程是什么？
三星以及台积电在先进半导体制程打得相当火热，彼此都想要在晶圆代工中抢得先机以争取订单，几乎成了 14 纳米与 16 纳米之争，然而 14 纳米与 16 纳米这两个数字的究竟意义为何，指的又是哪个部位？而在缩小制程后又将来带来什么好处与难题？以下我们将就纳米制程做简单的说明。
纳米到底有多细微？
在开始之前，要先了解纳米究竟是什么意思。在数学上，纳米是 0.000000001 公尺，但这是个相当差的例子，毕竟我们只看得到小数点后有很多个零，却没有实际的感觉。如果以指甲厚度做比较的话，或许会比较明显。
用尺规实际测量的话可以得知指甲的厚度约为 0.0001 公尺（0.1 毫米），也就是说试着把一片指甲的侧面切成 10 万条线，每条线就约等同于 1 纳米，由此可略为想像得到 1 纳米是何等的微小了。
知道纳米有多小之后，还要理解缩小制程的用意，缩小电晶体的最主要目的，就是可以在更小的芯片中塞入更多的电晶体，让芯片不会因技术提升而变得更大；其次，可以增加处理器的运算效率；再者，减少体积也可以降低耗电量；最后，芯片体积缩小后，更容易塞入行动装置中，满足未来轻薄化的需求。
再回来探究纳米制程是什么，以 14 纳米为例，其制程是指在芯片中，线最小可以做到 14 纳米的尺寸，下图为传统电晶体的长相，以此作为例子。缩小电晶体的最主要目的就是为了要减少耗电量，然而要缩小哪个部分才能达到这个目的？左下图中的L 就是我们期望缩小的部分。藉由缩小闸极长度，电流可以用更短的路径从 Drain 端到 Source 端（有兴趣的话可以利用 Google 以 MOSFET 搜寻，会有更详细的解释）。
（Source：www.slideshare.net）
此外，电脑是以 0 和 1 作运算，要如何以电晶体满足这个目的呢？做法就是判断电晶体是否有电流流通。当在 Gate 端（绿色的方块）做电压供给，电流就会从 Drain 端到 Source 端，如果没有供给电压，电流就不会流动，这样就可以表示 1 和0。（至于为什么要用 0 和 1 作判断，有兴趣的话可以去查布林代数，我们是使用这个方法作成电脑的）
尺寸缩小有其物理限制
不过，制程并不能无限制的缩小，当我们将电晶体缩小到 20 纳米左右时，就会遇到量子物理中的问题，让电晶体有漏电的现象，抵销缩小 L 时获得的效益。作为改善方式，就是导入 FinFET（Tri-Gate）这个概念，如右上图。在 Intel 以前所做的解释中，可以知道藉由导入这个技术，能减少因物理现象所导致的漏电现象。
（Source：www.slideshare.net）
更重要的是，藉由这个方法可以增加 Gate 端和下层的接触面积。在传统的做法中（左上图），接触面只有一个平面，但是采用 FinFET（Tri-Gate）这个技术后，接触面将变成立体，可以轻易的增加接触面积，这样就可以在保持一样的接触面积下让 Source-Drain 端变得更小，对缩小尺寸有相当大的帮助。
最后，则是为什么会有人说各大厂进入 10 纳米制程将面临相当严峻的挑战，主因是 1 颗原子的大小大约为 0.1 纳米，在 10 纳米的情况下，一条线只有不到 100 颗原子，在制作上相当困难，而且只要有一个原子的缺陷，像是在制作过程中有原子掉出或是有杂质，就会产生不知名的现象，影响产品的良率。
如果无法想像这个难度，可以做个小实验。在桌上用 100 个小珠子排成一个 10×10 的正方形，并且剪裁一张纸盖在珠子上，接着用小刷子把旁边的的珠子刷掉，最后使他形成一个 10×5 的长方形。这样就可以知道各大厂所面临到的困境，以及达成这个目标究竟是多么艰巨。
随着三星以及台积电在近期将完成 14 纳米、16 纳米 FinFET 的量产，两者都想争夺 Apple 下一代的 iPhone 芯片代工，我们将看到相当精彩的商业竞争，同时也将获得更加省电、轻薄的手机，要感谢摩尔定律所带来的好处呢。
告诉你什么是封装
经过漫长的流程，从设计到制造，终于获得一颗 IC 芯片了。然而一颗芯片相当小且薄，如果不在外施加保护，会被轻易的刮伤损坏。此外，因为芯片的尺寸微小，如果不用一个较大尺寸的外壳，将不易以人工安置在电路板上。因此，本文接下来要针对封装加以描述介绍。
目前常见的封装有两种，一种是电动玩具内常见的，黑色长得像蜈蚣的 DIP 封装，另一为购买盒装CPU 时常见的 BGA 封装。至于其他的封装法，还有早期 CPU 使用的 PGA（Pin Grid Array；Pin Grid Array）或是 DIP 的改良版 QFP（塑料方形扁平封装）等。因为有太多种封装法，以下将对 DIP 以及 BGA 封装做介绍。
传统封装，历久不衰
首先要介绍的是双排直立式封装（Dual Inline Package；DIP），从下图可以看到采用此封装的 IC 芯片在双排接脚下，看起来会像条黑色蜈蚣，让人印象深刻，此封装法为最早采用的 IC 封装技术，具有成本低廉的优势，适合小型且不需接太多线的芯片。但是，因为大多采用的是塑料，散热效果较差，无法满足现行高速芯片的要求。因此，使用此封装的，大多是历久不衰的芯片，如下图中的 OP741，或是对运作速度没那么要求且芯片较小、接孔较少的 IC 芯片。
▲左图的 IC 芯片为 OP741，是常见的电压放大器。右图为它的剖面图，这个封装是以金线将芯片接到金属接脚（Leadframe）。（Source ：左图 Wikipedia、右图 Wikipedia）
至于球格阵列（Ball Grid Array，BGA）封装，和 DIP 相比封装体积较小，可轻易的放入体积较小的装置中。此外，因为接脚位在芯片下方，和 DIP 相比，可容纳更多的金属接脚
相当适合需要较多接点的芯片。然而，采用这种封装法成本较高且连接的方法较复杂，因此大多用在高单价的产品上。
▲左图为采用 BGA 封装的芯片。右图为使用覆晶封装的 BGA 示意图。（Source：左图 Wikipedia）
行动装置兴起，新技术跃上舞台
然而，使用以上这些封装法，会耗费掉相当大的体积。像现在的行动装置、穿戴装置等，需要相当多种元件，如果各个元件都独立封装，组合起来将耗费非常大的空间，因此目前有两种方法，可满足缩小体积的要求，分别为 SoC（System On Chip）以及 SiP（System In Packet）。
在智慧型手机刚兴起时，在各大财经杂誌上皆可发现 SoC 这个名词，然而 SoC 究竟是什么东西？简单来说，就是将原本不同功能的 IC，整合在一颗芯片中。藉由这个方法，不单可以缩小体积，还可以缩小不同 IC 间的距离，提升芯片的计算速度。至于制作方法，便是在 IC 设计阶段时，将各个不同的 IC 放在一起，再透过先前介绍的设计流程，制作成一张光罩。
然而，SoC 并非只有优点，要设计一颗 SoC 需要相当多的技术配合。IC 芯片各自封装时，各有封装外部保护，且 IC 与 IC 间的距离较远，比较不会发生交互干扰的情形。但是，当将所有 IC 都包装在一起时，就是噩梦的开始。IC 设计厂要从原先的单纯设计 IC，变成了解并整合各个功能的 IC，增加工程师的工作量。此外，也会遇到很多的状况，像是通讯芯片的高频讯号可能会影响其他功能的 IC 等情形。
此外，SoC 还需要获得其他厂商的 IP（intellectual property）授权，才能将别人设计好的元件放到 SoC 中。因为制作 SoC 需要获得整颗 IC 的设计细节，才能做成完整的光罩，这同时也增加了 SoC 的设计成本。或许会有人质疑何不自己设计一颗就好了呢？因为设计各种 IC 需要大量和该 IC 相关的知识，只有像 Apple 这样多金的企业，才有预算能从各知名企业挖角顶尖工程师，以设计一颗全新的 IC，透过合作授权还是比自行研发划算多了。
折衷方案，SiP 现身
作为替代方案，SiP 跃上整合芯片的舞台。和 SoC 不同，它是购买各家的 IC，在最后一次封装这些 IC，如此便少了 IP 授权这一步，大幅减少设计成本。此外，因为它们是各自独立的 IC，彼此的干扰程度大幅下降。
▲ Apple Watch 采用 SiP 技术将整个电脑架构封装成一颗芯片，不单满足期望的效能还缩小体积，让手錶有更多的空间放电池。（Source：Apple 官网）
采用 SiP 技术的产品，最着名的非 Apple Watch 莫属。因为 Watch 的内部空间太小，它无法采用传统的技术，SoC 的设计成本又太高，SiP 成了首要之选。藉由 SiP 技术，不单可缩小体积，还可拉近各个 IC 间的距离，成为可行的折衷方案。下图便是 Apple Watch 芯片的结构图，可以看到相当多的 IC 包含在其中。
▲ Apple Watch 中采用 SiP 封装的 S1 芯片内部配置图。（Source：chipworks）
完成封装后，便要进入测试的阶段，在这个阶段便要确认封装完的 IC 是否有正常的运作，正确无误之后便可出货给组装厂，做成我们所见的电子产品。其中主要的半导体封装与测试企业有安靠、星科金朋、J-devices、Unisem、Nepes、日月光、力成、南茂、颀邦、京元电子、福懋、菱生精密、矽品、长电、优特
来源：1号机器人
智造家提供
439 浏览
全面了解人工智能
机械自动化类 星旭自动化 2016-11-17 18:31 发表了文章
国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。德勤DUP发布的一份报告中，对人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供 查看全部
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供 查看全部
国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。德勤DUP发布的一份报告中，对人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供
一、概述
近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。
IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。
谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。
Facebook聘用了人工智能学界泰斗Yann LeCun来创建自己的人工智能实验室，期望在该领域获得重大突破。
牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。
纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。
硅谷创业家Elon Musk则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。
著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。
二、人工智能与认知科技
揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。
1、人工智能的定义
人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”
2、人工智能的历史
人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。
20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。
但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。
20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。
20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。
对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。
20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。
神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。
3、人工智能进步的催化剂
截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。
1）摩尔定律
在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2）大数据
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3）互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。
4）新算法
算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。
4、认知技术
我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝/飞着的（like）”与“像/喜欢（like）”这两个单词的意思。
自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。
4）机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。
5）语音识别技术
主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。
上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中。
1）银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份
2）医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。
3）生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。
4）媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。
5）石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。
6）公共部门
出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。
7）零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8）科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如Roomba机器人吸尘器，Nest智能恒温器。
上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：
更快的行动与决策（比如，自动欺诈检测，计划和调度）
更好的结果（比如，医学诊断、石油探测、需求预测）
更高的效率（亦即，更好的利用高技能人才和昂贵设备），
更低的成本（比如，自动电话客服减少了劳动成本）
更大的规模（亦即，开展人力无法执行的大规模任务）
产品与服务创新（从增加新功能到创造新产品）
四、认知技术影响力与日俱增的原因
在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。
1、技术提升扩展了应用范围
认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。
随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。
并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。
很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。
2、对商业化进行的大规模投资
从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。
在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。
数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。
认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。
单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。
技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。
3、新兴应用
如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。
五、认知技术在企业的应用路径
认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
来源：1号机器人
智造家提供
525 浏览
加速度传感器的应用详解
智能制造类 星旭自动化 2016-11-16 14:47 发表了文章
加速度传感器是一种能够测量加速力的电子设备。加速力也就是当物体在加速过程中作用在物体上的力。加速度传感器有两种：一种是角加速度传感器，是由陀螺仪改进过来的。另一种就是加速度传感器。它也可以按测量轴分为单轴、双轴和三轴加速度传感器。
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供 查看全部
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供 查看全部
加速度传感器是一种能够测量加速力的电子设备。加速力也就是当物体在加速过程中作用在物体上的力。加速度传感器有两种：一种是角加速度传感器，是由陀螺仪改进过来的。另一种就是加速度传感器。它也可以按测量轴分为单轴、双轴和三轴加速度传感器。
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供
现在，加速度传感器广泛应用于游戏控制、手柄振动和摇晃、汽车制动启动检测、地震检测、工程测振、地质勘探、振动测试与分析以及安全保卫振动侦察等多种领域。下面就举例几个例子，更好的认识加速度传感器。
游戏控制
加速度传感器可以检测上下左右的倾角的变化，因此通过前后倾斜手持设备来实现对游戏中物体的前后左右的方向控制，就变得很简单。
图像自动翻转
用加速度传感器检测手持设备的旋转动作及方向，实现所要显示图像的转正。
电子指南针倾斜校正
磁传感器是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时，通过磁传感器的地磁通量将发生变化，从而使方向指向产生误差。因此，如果不带倾斜校正的电子指南针，需要用户水平放置。而利用加速度传感器可以测量倾角的这一原理，可以对电子指南针的倾斜进行补偿。
GPS导航系统死角的补偿
GPS系统是通过接收三颗呈120度分布的卫星信号来最终确定物体的方位的。在一些特殊的场合和地貌，如遂道、高楼林立、丛林地带，GPS信号会变弱甚至完全失去，这也就是所谓的死角。而通过加装加速度传感器及以前我们所通用的惯性导航，便可以进行系统死区的测量。对加速度传感器进行一次积分，就变成了单位时间里的速度变化量，从而测出在死区内物体的移动。
计步器功能
加速度传感器可以检测交流信号以及物体的振动，人在走动的时候会产生一定规律性的振动，而加速度传感器可以检测振动的过零点，从而计算出人所走的步或跑步所走的步数，从而计算出人所移动的位移。并且利用一定的公式可以计算出卡路里的消耗。
防手抖功能
用加速度传感器检测手持设备的振动/晃动幅度，当振动/晃动幅度过大时锁住照相快门，使所拍摄的图像永远是清晰的。
闪信功能
通过挥动手持设备实现在空中显示文字，用户可以自己编写显示的文字。这个闪信功能是利用人们的视觉残留现象，用加速度传感器检测挥动的周期，实现所显示文字的准确定位。
硬盘保护
利用加速度传感器检测自由落体状态，从而对迷你硬盘实施必要的保护。大家知道，硬盘在读取数据时，磁头与碟片之间的间距很小，因此，外界的轻微振动就会对硬盘产生很坏的后果，使数据丢失。而利用加速度传感器可以检测自由落体状态。当检测到自由落体状态时，让磁头复位，以减少硬盘的受损程度。
来源：1号机器人
智造家提供