思科：2021年網(wǎng)路流量達3.3ZB，數據分析和處理成為重點(diǎn)

　　目前半導體產(chǎn)業(yè)正處于數據分析的中途點(diǎn)，除了大量數據已被產(chǎn)生及分析之外，新技術(shù)的開(kāi)發(fā)也讓分析數據更有效率。

　　不過(guò)，評論認為，隨之而來(lái)的問(wèn)題是如何進(jìn)一步利用數據，因此也可望激發(fā)更多實(shí)驗與投資潮出現，一舉推升半導體到新的成長(cháng)階段。

　　據Semiconductor Engineering報導，思科(Cisco)預估，2021年每年網(wǎng)路流量將從2016年的1.2ZB(Zettabyte;1ZB為1兆GB)，來(lái)到3.3ZB，而且從每日最忙碌60分鐘期間的流量來(lái)看，在2016年已增加51%，相對整體流量成長(cháng)則僅有32%。

　　評論指出，如今真正問(wèn)題不在于數據量，而是有價(jià)值的數據數量為何，但目前并沒(méi)有清楚定論。Synopsys執行長(cháng)Aart de Geus表示，目前許多產(chǎn)業(yè)已發(fā)現自家業(yè)務(wù)、產(chǎn)品與營(yíng)業(yè)模式會(huì )被不同數據運用而受影響，如果能加以利用找到捷徑與效率，除了帶來(lái)巨大影響力之外，也可能產(chǎn)生巨大獲利。

　　于是此舉也將帶動(dòng)許多投資，包括資料探勘(Data Mining)與云端服務(wù)以及機器學(xué)習與工業(yè)物聯(lián)網(wǎng)(IIoT)等技術(shù)的投資。

　　Mentor執行長(cháng)Wally Rhines指出，擁有數據、分析與處理上述數據能力者可為自己帶來(lái)所有獲利。目前并無(wú)法判斷該市場(chǎng)是否是贏(yíng)家全拿的局面，但至少已有許多大型公司虎視眈眈，例如亞馬遜(Amazon)、Google、微軟(Microsoft)、Facebook與IBM等都在爭搶龍頭。

　　其中IBM銷(xiāo)售主管Christophe Begue指出，借由物聯(lián)網(wǎng)(IoT)數據，外界可搜集到有關(guān)效能、行為與裝置的使用資訊，下一步則是將數據丟給Watson以便執行數據分析，但該數據唯有與未從裝置取得的大量外部數據或脈絡(luò )數據(Context Data)配合才有意義，例如從卡車(chē)判定交通模式，借此了解人們與其社會(huì )行為。

　　評論認為，目前問(wèn)題在于如何將數據化成獲益以及確認潛在客戶(hù)為何，但在這之前，企業(yè)必須了解數據真正價(jià)值，并且能快速因應數據的改變，以及具備為數據議價(jià)的能力。

　　另外，并非所有有用的數據都是來(lái)自外部，內部產(chǎn)生數據對工業(yè)運作也相當有價(jià)值。諸如智能制造或工業(yè)4.0(Industry 4.0)與工業(yè)物聯(lián)網(wǎng)其實(shí)都是奠基在更佳利用內部數據。

　　Optimal+副總David Park指出，工業(yè)物聯(lián)網(wǎng)目的就是改善工廠(chǎng)，目前業(yè)者雖有流程分析與即時(shí)化生產(chǎn)技術(shù)，但欠缺預測分析。而且問(wèn)題在于并非所有數據都是好的，一旦決策來(lái)自不好的數據，也將帶來(lái)無(wú)法預期的問(wèn)題。Park也表示，如果數據良好，良率可大幅提升2~3%。

　　國際半導體產(chǎn)業(yè)協(xié)會(huì )(SEMI)副總Tom Salmon也指出，有效利用數據也是該協(xié)會(huì )智能制造顧問(wèn)委員會(huì )(Smart Manufacturing Advisory Council)主題之一。雖然擁有數據相當重要，但問(wèn)題并不在于擁有數據不足，而是目前僅使用1成的數據。

　　因此，業(yè)者必須厘清提出問(wèn)題的方向為何，以及如何加以運用，以便達成為制造所設定的目標，例如雖然出現可靠度問(wèn)題，但并非是制程問(wèn)題。

　　評論也指出，機器學(xué)習基礎在于搜集關(guān)鍵數據并讓機器在預設參數下從中判讀，目前汽車(chē)市場(chǎng)已利用相關(guān)系統來(lái)協(xié)助、并希望在最后取代現實(shí)世界的駕駛行為。機器學(xué)習也被運用在半導體設計與制造上來(lái)提升品質(zhì)、可靠度與良率。 eSilicon行銷(xiāo)副總Mike Gianfagna指出，一旦業(yè)者能建立具備詳細程度的數據，便可運用在未來(lái)設計上，但讓數據過(guò)于細或粗糙都無(wú)濟于事，運用目的在于讓數據產(chǎn)生獲利并降低風(fēng)險與提高作業(yè)效率。對于半導體設計與測試來(lái)說(shuō)，所產(chǎn)生的數據量雖然遠比部分由大型云端業(yè)者執行的大數據分析還要小，但更為復雜。

　　美國國家儀器(National Instruments;NI)副總George Zafiropoulos認為，目前技術(shù)現況在于取得數據，下一階段則是厘清數據分析可發(fā)揮功用的地方，但有可能會(huì )導致更好的芯片設計出現。

　　ANSYS副總John Lee則指出，7納米是業(yè)者首度需要產(chǎn)量、速度與機器學(xué)習與大數據分析的制程，由于熱會(huì )影響系統可靠度，因此需要進(jìn)行同時(shí)熱分析。評論認為，半導體產(chǎn)業(yè)正處于數據分析的中間點(diǎn)，也衍生出許多新成長(cháng)機會(huì )。

　　據Cadence執行長(cháng)Lip-Bu Tan指出，連網(wǎng)車(chē)市場(chǎng)將從2015年240億美元，2020年增加到370億美元，深度學(xué)習會(huì )來(lái)到100億美元，云端與資料中心則會(huì )來(lái)到800億美元規模。Tan也認為，從物聯(lián)網(wǎng)最大化到云端都會(huì )提供半導體龐大機會(huì )，但問(wèn)題仍在于如何繼續使用及應用數據。