被动驱动的 Micro LED 显示像素单元需要外部通过对 N/P 电极施加行列扫描 信号来实现图像的显示。此结构的单个 LED 是互相隔离的，因此需要使用 ICP  刻蚀到衬底，由于刻蚀深度达到 5～6μm，后续进行金属连线时，金属线容易 在深隔离槽处出现断裂。以主动方式驱动的 Micro LED 发光阵列采用单片集成或晶粒转移两种方式进 行组装的。 单片集成: LED 外延片被制成 LED 阵列(N×N 个 LED)，然后将阵列整体倒装 到驱动基板上。这种结构一次可以转移多个 LED 发光单元，但是它无法解决 彩色化问题，而从同一个基底有选择的生长出三种波长的发光材料目前是不 现实的。 但

根据富士电机资料，汽车电子的核心是MOSFET和IGBT，无论是在引擎、戒者驱劢系统中癿发速箱控制和制劢、转向控 制中还是在车身中，都离丌开功率半导体。在传统汽车中癿劣力转向、轴劣刹车以及座椅等控制系统等，都需要加上电 机，所以传统汽车癿内置电机数量迅速增长，带劢了MOSFET癿市场增长。 新能源汽车中，除了传统汽车用到癿半导体需求之外，还需要以高压为主癿产品，如IGBT，对应癿部件有逆发器、PCT 加热器、空调控制板等。异构计算芯片是新能源汽车的“大脑”。中控芯片主要用二完成传感器信号——传感器数据— —驱劢数据——驱劢信号这样一个完整工作流程。未来主控芯片多为FPGA和ASIC。FPGA

从原料裸晶圆（Bare Wafer）到成品会经过复杂的各个制程步骤，在硅片制造厂中完成制造。硅片制造厂可以分为6 个独立的厂区，每一区都包括数种晶圆制程相关设备。在建新厂时，晶圆制造商会针对每个区所需要的制程步骤开除设备 规格，然后进行生产线自动化系统上线、设备装机、制程调整和整合等工作，确认个产品的良率能够顺利达到要求。一个 集体电路的制造需要数百道的步骤，便是在这6个厂区中循环往复，多层建构而成，将MOS原件和电路设计的导线如盖房子 一样，分层堆叠在晶圆上。每道制程中的量产规格，包括量测数据和相关制程参数设定，是采购和验收设备的标准，也是 每一家制造商的专利及核心技术的组成部分，制程技术必

1、定制芯片的性能提升非常明显，这种性能的飞速提升对于人工智能的发展意义重大；2、人工智能时代的市场空间将不仅仅局限于计算机、手机等传统计算平台，核心芯片需求量将数十倍于智能手机下游需求量；3、通过算法切入人工智能领域的公司希望通过芯片化、产品化来盈利。 在PC 时代和移动互联网时代分别处于霸主地位的X86 架构和ARM 架构的发展历程表明，1、核心芯片决定了一个新的计算平台的基础架构和发展生态；2、新的计算时代来临之时往往是新兴企业弯道超车的绝佳机遇；3、目前使用的GPU、FPGA 均非人工智能定制芯片，天然存在局限性，人工智能专用芯片对于IT 巨头和初创企业是同一起跑线的蓝海。

产品的创新更迭速度将决定需求和竞争等其他因素的变化，因此我们从 产品本身的研究入手，试图弄清楚扫地机产品的技术现状和发展趋势。 扫地机产品的性能评估可以分为以下四个部分：1）清洁能力，2）导航 能力，3）续航能力和 4）操作便捷性。其中清洁能力和导航能力是影响扫地 机功能实现最重要的两项能力，续航能力和操作便捷性对产品体验的影响也 不容忽视。我们在下文中对扫地机清洁能力、导航能力、续航能力和操作便 捷性四个方面的技术现状和未来发展方向进行了详细的梳理和展望。 清洁能力主要取决于电机&结构、吸口&滚刷、滤网、是否具备垃圾监 测功能、是否具备拖地功能等。目前市面上大部分扫地机能够满

不管是逻辑芯片还是存储芯片，制程量级越低，技术难度越大，制作成本也越高。IBS 的 数据显示：28nm 体硅器件的设计成本大致在 5130 万美元左右，而 7nm 芯片需要 2.98 亿， 5nm 则需要 5.42 亿美元，成本的增长速度越来越快。28nm 是半导体制程里性价比最高、长周期属性明显的制程。一方面，相较于 40nm 及更 早期制程，28nm 工艺在频率调节、功耗控制、散热管理和尺寸压缩方面具有明显优势。 另一方面，由于 16nm/14nm 及更先进制程采用 FinFET 技术，维持高参数良率以及低缺陷 密度难度加大，每个逻辑闸的成本都高于 28nm，从前面制程成本比较的图中也可以

随着科技的进步，企业的平均寿命逐渐缩短，单一企业很难独自存活，相比之下生态链形态可以使企业得到更长远的发展。小米通过借鉴竹林生长模式提出了“竹林理论”，依靠“竹林理论”打造生态链。生态链内部公司如竹林中的竹子，竹子间通过竹林的根部相互连接并获取给养，竹林内部实现不断新陈代谢，在一些竹子老去的同时很多新生的竹笋破土而出，从而保障了竹林的四季常青。 在产品的选取中，小米从自身最熟悉的手机领域出发，首先依靠自身过亿的手机用户红利拓展手机周边产品，包括移动电源、耳机、小音箱等，然后布局智能硬件领域，包括空气净化器、净水器、电饭煲等白色家电和平衡车等智能玩具，最后扩展到生活耗材领域，包括毛巾、牙刷、行

射频前端价值量随着通信制式升级而提升。从手机终端单机价值量来看，2G时代 对于基站射频，4G基站采用“BBU+RRU”的组网解决方案，Base Band Unit(BBU) 随着Rel-15标准的冻结，摆在电信运营商的难题是究竟选择5G 独立（SA）网络， 射频前端比SA架构更为复杂，至少在很长的一段时间内继续为终端射频设计带来挑战。

云端训练：云端即数据中心，对神经网络而言，训练过程就是通过不断更新网络参数，使推断（或者 预测）误差最小化的过程。云端训练对芯片性能的要求很高，主要包括：（1）计算精度，必须支持具有较 长字长的浮点数或定点数；（2）不仅要具有强大的单芯片计算能力，还要具备很好的扩展性，可以通过多 芯片系统提供更强大的计算能力；（3）对内存数量、访问内存的带宽和内存管理方法的要求都非常高； 云端推断：推断过程是指直接将数据输入神经网络并评估结果的正向计算过程。相比训练芯片，推断 芯片考虑的因素更加综合：单位功耗算力，时延，成本等等。终端推断：对于终端推断任务，由于应用场景多种多样，芯片部署在各种设备中，如自动驾

谨请参阅尾页重要声明及华泰证券股票和行业评级标准1证券研究报告行业研究/专题研究2020年03月25日计算机软硬件增持（维持）谢春生执业证书编号：S057051