<font color="#FF8000">来源：eettaiwan
作者：Julien Happich</font>

当论及在不同处理器或内存之间提高芯片之间的传输流量时，光子学是一个热门的话题。截至目前为止，微波导、光调变器、输出耦合光闸与光探测器均已成功进行整合了，但要设计理想的微米级光源仍十分具有挑战性。

荷兰爱因霍芬科技大学（Eindhoven University of Technology）的研究人员在最近一期的《自然通讯》（Nature CommunicaTIons）期刊中发表有关「芯片上波导耦合纳米柱金属腔发光二极管」（Waveguide-coupled nanopillar metal-cavity light-emitTIng diodes on silicon）的最新研究。研究人员展示一种接合至硅基板的纳米级LED层堆栈，并可耦合至磷化铟（InP）薄膜波导形成光闸耦合器。

先进工艺制程成本的变化是一个有些争议的问题。成本问题是一个复杂的问题，有许多因素会影响半导体制程成本。本文将讨论关于半导体制程的种种因素以及预期。

<strong>晶圆成本</strong>

影响半导体工艺制程成本的第一个因素是晶圆成本。

毫无疑问，晶圆成本在不断上升。制程的金属层数随着工艺的演进不断上升，在130nm时典型的制程有六层金属，而到了5nm节点则预期至少会有14层金属。

从90nm节点开始开始引入应力技术以继续增强晶体管的性能，这也会增加制程的成本。从45nm到28nm节点，半导体制程引入了high－k栅技术以增强性能。

另一个变化是晶体管阈值电压数目的变化。在130nm节点，晶体管只有两种阈值（常规阈值RVT管与低阈值LVT管），而到了16nm之后，有了多达五种阈值（超高阈值UHVT，高阈值HVT，常规阈值RVT，低阈值LVT与超低阈值ULVT）。这是因为，从40nm到16/14nm FinFET，短沟道效应越来越明显，为了控制漏电流必须引入多种阈值的器件。显然，这也会增加掩膜成本。

微软 公司的研究人员最近打造了一套人工智能（AI）系统，该系统似乎能够像自然人那样非常有效地识别会话性语言。这一系统还存在一些限制，但毫无疑问，此新系统与几年前的人工智能产品相比，的确有了真正的巨大提升，这种提升也得益于深度神经网络的推动。

深度神经网络涉及到非常复杂的算法。这些极度复杂的算法能够通过分析大量的数据，来教会他们自己处理非常特殊的任务。微软的这套新系统已经通过找到传统科技支持的语音呼叫方式，学会了语言识别功能。但要知道，推动近期人工智能革命潮流的并非只有算法，事实上还包括这些算法背后的硬件设备。微软的语言识别系统高度依赖大型GPU（图形处理器）。众所周知，GPU芯片原本是针对制图业务而设计，但事实却表明，这种芯片也非常适合于人工智能产品运营模式。

如今，像微软、 谷歌 (微博)、 Facebook 之类的互联网巨头都在大力使用GPU来培训他们的深度神经网络服务。但与此同时，他们与都倾向于使用其它更加专门化的芯片，特别是那些能够帮助他们加速深度神经网络开发、而不仅仅是培训深度神经网络的芯片。例如，谷歌最近就打造了自己的人工智能处理器，除此之外， IBM 也不甘落后，正在打造另一种芯片。

通过植入芯片将人类大脑与计算机网络连接起来，可以为受植入个体带来机器智能、通讯以及感知能力的许多优势。这在提出很多技术难题的同时也引发了许多社会和伦理问题。超感官的输入在科学上已经实现，将神经系统延伸到了互联网。因此，很多人可能会选择“升级”，将自己变成半机械人。这意味着普通人（没有植入芯片的人）将被落下，变成落后于时代的原始人吗？

假如在你的大脑中植入一个芯片能让你变强，让你“自我升级”并部分地变成机器，你会这样做吗？

雷丁大学控制论教授 Kevin Warwick 的这篇文章可能看起来像一篇科幻小说，但它不是；他身上植入了几个芯片，这使他变成了一个半人半机的生控体系统（cyborg）。Warwick 描述了在实验室中培养神经元的研究，以及由这些神经元控制的机器人，以及植入人的大脑中的芯片如何也能控制人的身体。在不久的将来，或许会出现具有与人类大脑同等规模的人类神经元组成的大脑的机器人，他们将拥有与人类同等的能力。那么，他们也该拥有与人类同等的权利吗？

随着手机市场竞争的白热化，手机芯片设计商为了创造出差异性，发布了 8 核心以上的 CPU。让手机芯片的核心数量一举超越主流笔电的 2 或 4 核心。然而，我们是否真的需要如此多的核心？是什么原因让我们无法彻底地发挥 CPU 的真本事？

中央处理器，CPU（Central Processing Unit），做为电脑的大脑，掌管着电脑所有运行的程序。为了让程序可以运行的更快更稳，电脑架构师们不断的思考着该如何设计出更好的 CPU 架构，让使用者得以享受更加快速、便利的电脑。

为了设计出更为出色的 CPU，工程师便想借由不断提高 CPU 的时脉，让 CPU 得以在一秒内执行更多的指令。随着科技的发展，时脉的确如工程师所愿，逐步的提高。从 1990 年代开始，CPU 的时脉从 60MHz，一举提升到 2000 年的 2000MHz。进步幅度之大，令人赞叹。

<strong>发展遇到瓶颈，多核心的时代来临？</strong>

到了千禧年，时脉的进展，却不再如此顺利。当 CPU 时脉发展到 4GHz 左右时，工程师发现，CPU 每秒所制造出的热，已经突破一般家用散热器可以负担的量。为了解决工程上的瓶颈，工程师开始将目光放在多核心架构上。欲借由双核心的技术，突破单芯片效能的瓶颈。

<br>全球蜜蜂数量在减少——关心这事的除了养蜂人和科学家，科技能帮上什么忙？</br>

英特尔最近发布了一支纪录片，名字叫“Bees with Backpacks（背背包的小蜜蜂）”。

片中的 Paulo De Souza 来自联邦科学与工业研究组织，主要研究课题是蜜蜂数量的减少及其影响。

他们把英特尔提供的微型追踪芯片连接到蜜蜂的背上（基本就是用胶水粘住），再把英特尔 Edison 开发板置于蜂巢内，以追踪和研究蜜蜂的活动。

<br>面临PC出货量逐年下降，错失了智能手机时代机会的Intel看上了无人机市场，近日该公司宣布收购德国无人机公司Ascending,用于推广自家的Real Sense摄像头。

Ascending公司主要研发无人机自动驾驶的软件和算法，去年开始，Intel就投资了这家公司，并和Ascending公司技术合作开发防碰撞技术，让无人机避开障碍，以在拥挤的天空中安全飞行。收购之后，Ascending成为全资子公司，Intel收获了相关的技术和经验以及全部75名员工。</br>

根据国外媒体报道，英特尔目前已经与语音识别技术公司Sensory达成了合作，将在以后的英特尔最新的芯片中集成整合Sensory公司的 TrulyHandsfree语音识别技术。这也意味着任何一家使用Intel处理器(Skylake、Anniedale、Broxton、Broadwell以及Merrifield)的厂商都能获得Sensory的TrulyHandsfree语音识别功能，Sensory方面称今后的TrulyHandsfre芯片也将由英特尔直接提供。

<center><img src="http://intel.eetrend.com/files/2016-03/wen_zhang_/100001289-1407-132513…; alt=""></center>

英特尔上周在加州圣何塞的OCP峰会上提到，旗下内置FPGA的至强处理器今年晚些时候将上市。

同时，英特尔还将发布开源软件库，程序员可利用这些开源软件库定制FPGA门阵列，将CPU的工作负载放到门阵列硬件上执行。事实上英特尔考虑这种混合设计已经有些时间了，去年还特意收购了FPGA商家Altera。

<center><img src="http://intel.eetrend.com/files/2016-03/wen_zhang_/100001269-1287-li2bh7…; alt=""></center>
题图是Xeon-FPGA的图片，该混合芯片用的是Broadwell EP 处理器内核和Altera Arria 10 GX FPGA设计。我们可以从在照片中数出15个内核。

这些阵列可以经编程后加速各种算法，如压缩、加密、人工智能和分析等算法，计算都是利用英特尔将推出的软件库在硬件上进行。

《华尔街日报》援引知情人士消息称，英特尔也要去做增强现实了。不过，和微软不一样的是，英特尔最后不会真的做一款类似 Hololens 的眼镜或者头盔。

这不难理解。从前，英特尔也不做 PC，它只需要不断为 PC 做出更高性能的处理器。现在，英特尔的问题是，它主要想卖的还是 3D 实感套件和芯片。甚至顺带连背后存储数据的服务器生意也做了。

负责实感技术和认知计算的总经理 Achin Bhowmik 拒绝回应这个消息。但他表示，如果英特尔要去说服整个生态圈用自己的技术，会先确保技术有一个完整的体验。
<center><img src="http://intel.eetrend.com/files/2016-03/wen_zhang_/100001198-720-193a214…; alt=""></center>