ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
低调的氮化镓,如何成为AI绕不过的关键
7805点击    2024-10-14 16:55


氮化镓技术崛起,EPC引领市场趋势。


在过去几年时间中,宽禁带半导体成为市场热点,与传统的硅相比,基于氮化镓和碳化硅等新材料的晶体管可以大幅提高电源转换器的效率,具有更好的性能和可靠性,因而在包括电力电子、新能源汽车、光伏储能、数据中心等领域受到了青睐。


碳化硅因近年来新能源汽车的迅速发展而受到瞩目,但它更侧重于高压应用,尤其是新能源纷纷上马的800V电压平台,成为了它最好的展示舞台。


而氮化镓相比之下就显得低调许多了,此前大家了解到它,还是因为手机充电器的大范围应用,但许多人并不知情的是,氮化镓正在成为AI产品中的不可缺少一环,包括Chat-GPT在内的各路大模型背后,少不了氮化镓的支撑。


关于这一点,半导体行业观察此次专程采访了宜普电源转换公司(EPC)首席执行官兼联合创始人Alex Lidow,作为20世纪70年代硅功率MOSFET技术的共同发明人,他又是如何看待如今氮化镓市场的呢?


为何氮化镓成为焦点?


氮化镓是如何与AI产生联系的,这件事还要从它的特性说起。


前面提到的碳化硅固然能在800V以上的高压平台上大显神通,但它也有自己的局限性。首先就是成本难题,要在碳化硅制造领域站稳脚跟,需要专用于碳化硅的昂贵设备:碳化硅晶圆的生长温度超过 2700℃,生长速度至少比硅慢 200 倍,而且需要消耗大量能源。


形成鲜明对比的是,氮化镓基本上可以使用与硅加工相同的设备,其中氮化镓外延晶片可以在其各自的基板上以 1000 至 1200℃ 的温度生长——而这还不到碳化硅的一半。


除此之外,与碳化硅和硅相比,氮化镓器件在相同的额定电压下,每单位面积的导通电阻值要低得多,这也使得氮化镓芯片和其封装尺寸能够做到更小。且由于氮化镓器件开关快,因此在可实现更高的开关频率、缩小无源元件的情况下,不需要依靠机械散热,就可以实现更小更轻的解决方案。


总而言之,就是在性能不变的情况下,氮化镓功率器件能够更小更轻。


Alex Lidow也谈到了氮化镓的优良特性,他表示,不论是热效率、集成度还是功率密度,氮化镓都远胜硅MOSFET,已是近两年功率器件发展的一大趋势。


而在许多厂商所顾忌的价格上,Alex Lidow以EPC的100V氮化镓晶体管为例,“实际上,低压氮化镓器件的价格一直与硅 MOSFET 相差无几,”他说到,“和具有类似导通电阻的硅MOSFET进行价格对比,它们的价格处在中游,由于它的优良性能,反而凸显出了性价比。”


氮化镓的这些特性让它在擅长的领域中表现出了惊人潜力。Yole Group的报告指出,尽管 2023 年整个半导体行业下滑约 8.2%,但功率氮化镓收入却增长了 41%,其指出,这一增长势头将在 2024 年继续,增幅达 45%,到 2025 年将加速至 65%,预计 2023-2029 年期间收入将以 46% 的复合年增长率 (CAGR) 增长。


值得一提的是,如此高的增长速度之下,氮化镓的市场应用前景依旧非常广阔。


从数据中心,到航天卫星


在谈到氮化镓的市场应用时,Alex Lidow提出了一个很有意思的观点,即现在的氮化镓正处于1988年MOSFET所处的位置,行业即将被颠覆的临界点。


MOSFET当初是如何取代最早的双极晶体管的,作为MOSFET技术的共同发明人,经历了市场几十年来变化的Alex Lidow,显然是最有发言权的专家之一。


他回忆道,MOSFET 的第一个发展临界点来自于台式电脑,苹果和 IBM 都采用了基于 MOSFET 的 AC-DC 电源,而后,用于高速绘图仪的电机驱动器和防抱死制动系统也开始广泛应用MOSFET,这些应用迅速推动了MOSFET的普及。


“1988年,得益于更高的产量和大量的资本投资,MOSFET 的生产成本已低于双极晶体管,市场格局被彻底颠覆,”Alex Lidow说到,“MOSFET 正式达到了临界点,而这也正是氮化镓如今所处的位置。”


台式电脑催生出了新的市场,最终推动了MOSFET取代双极晶体管,而氮化镓想要取代MOSFET,又可以从哪些应用方向着手呢?


首当其冲的当然是前文就已经提到过的AI,事实上,包括AI数据中心在内的基础设施市场,有望成为未来几年氮化镓最重要的增长来源,原因很简单,AI推动了对数据中心的发展,数据中心的规模迅速膨胀,从几千张GPU到几十万张GPU,对电源方面的需求空前庞大。


而更好的消息是,包括数据中心在内的基础设施市场所需器件的平均销售价格 (ASP) 将高于消费设备的平均销售价格,未来有望进一步拉高氮化镓市场的收入。


Alex Lidow表示,目前全球各地正处于AI市场快速发展的初期阶段,特别是在AI电源供应方面,每块英伟达GPU都需要一个氮化镓电源模块,光是今年,EPC就已经生产了超过100万个AI电源模块。


“这仅仅是开始,不止是英伟达,AMD、阿里巴巴、谷歌、微软、亚马逊和Meta等公司都在建设AI服务器,AI技术发展越快,氮化镓应用的市场前景就越广阔。”他说道。


除了AI市场以外,还有两个氮化镓应用的重要领域,分别是是新能源汽车和人形机器人。


尽管目前在700V以上的市场,碳化硅的使用更加主流,但在700V之下,氮化镓几乎成了最优解,尤其是受电动汽车热潮及其对车载充电器和 DC-DC 转换器的需求推动,氮化镓技术也有望大批量进入汽车市场。


据了解,汽车厂商已经在激光雷达中使用氮化镓,预计未来需求将继续扩大,Yole Group 预测,到 2029 年,汽车和移动出行领域的氮化镓收入可能超过 7.5 亿美元。


Alex Lidow在采访中提到,目前宜普的氮化镓技术被广泛应用于自动驾驶汽车的激光雷达传感器中,同样也用于人形机器人的激光雷达传感器。此外,人形机器人中的电机数量可达40个,这些电机也依赖于宜普的氮化镓技术。


“在人形机器人中,我们的氮化镓技术无处不在,例如机器人的眼睛是激光雷达系统,而激光雷达几乎都使用氮化镓,除此之外,机器人的电机也需要高扭矩和高效率,而氮化镓技术也可以提供更高的效率。” Alex Lidow说道。


目前激光雷达技术已不再仅限于自动驾驶汽车,还扩展到了无人机、智能城市和仓库等多个领域,在可预见的未来,每一个激光雷达背后都意味着一个氮化镓电源模块,其市场之广阔可见一斑。


除了以上几大应用之外,消费电子领域仍然是氮化镓最大的应用市场之一,采用氮化镓技术的快速充电器已经成为了相当成熟的一种产品,氮化镓在这一市场中,正在逐步扩展至家用电器电源和智能手机的过压保护装置之中。


不难发现,与近一年来屡次受挫的碳化硅相比,氮化镓拥有着更高的增长潜力,我们相信,伴随着技术的继续发展,氮化镓的应用也会愈发广阔,能在在宽禁带半导体这一领域中拿下更多市场份额。


未来可期的氮化镓


如今,我们谈及氮化镓发展时,已经绕不开由Alex Lidow所创办的宜普,作为氮化镓功率器件厂商中的翘楚,不仅在技术上占据着先发优势,也在市场中表现出了强大的竞争力。


“GaN 正成为那些渴望保持领先地位公司的首选技术,” Alex Lidow 在接受采访时表示。“我们于 2010 年 3 月开始量产首批氮化镓系列器件,比该领域的其他公司都要早,还率先在2014年推出了增强型技术和氮化镓功率 IC。”


而在市场方面,从收入结构看,截至2024年第三季度,宜普有约50%收入来自DC-DC(电源转换),30%来自雷达,20%来自电机;从应用市场看,宜普约25%收入来自AI服务器、25%来自航空航天、30%来自汽车电子,剩下20%则涵盖消费电子、工业等应用。


值得一提的是,由于近年来中国对于各种新技术的应用程度非常快,其中许多新产品都用到了氮化镓器件,因而中国市场在宜普的发展规划中也占据了非常重要的地位。Alex Lidow表示:“从区域来看,我们在美国和中国的业务规模相当大,中国市场对我们尤为重要,因为它对新技术的接受速度非常快。”


尽管氮化镓技术才刚刚起步,仅在过去几年才开始投入商业化,但它对比传统的硅器件已经表现出了无可争议的优越性,其未来一片光明,宜普作为这一市场的最早参与者之一,势必要争一争鳌头。


Alex Lidow对此表现得非常自信,“EPC的氮化镓器件拥有市场上最高的性能,没有竞争对手能够与我们的效率匹敌,”他说到,“我们每年都在改进产品,并且改进速度比竞争对手快得多,只要技术保持领先,那么我们能保证竞争中的优势。


文章来源于“半导体行业观察”,作者“邵逸琦


关键词: AI , 人工智能 , AI硬件 , AI产业链