第三代半導體的應用如何發展？意法半導體、德州儀器鎖定車用市場|數位時代 BusinessNext

美國應用電力電子會議（Applied Power Electronics Conference，簡稱APEC），雖然去年因為疫情被取消，但今年躍上雲端向大眾展出，側重於展示電力電子產業的應用實務，今年更邀集德州儀器、意法半導體、英飛凌等大廠參展和發表演說，探討第三代半導體於電源領域的應用。

已有逾30年歷史的APEC大會，於台灣時間15日開跑為期4日的會議，聚焦在功率電子的實際應用，尤其關注各種功率電子元件設備的製造和推廣。今年演說涵蓋汽車、第三代半導體、儲能等主題，尤其是前兩日的主題演說，也聚焦於現下炙手可熱的第三代半導體做討論。

為何第三代半導體如此受歡迎？作為開場演說，意法半導體汽車產品部副總裁Edoardo Merli一語點出：「因為不僅能實現更高的能良轉換效率，也有助於減少對環境造成影響。」

延伸閱讀：白話解析第三代半導體！一張表看懂通吃3大市場的殺手級應用商機

第三代半導體：兼顧減碳、提升電源系統效益

Edoardo Merli簡單回顧背景，半導體原料最大宗主要以第一代的「矽（Si）」晶圓的生產製造為主；然而也因物理特性已達極限，無法再提升電量、降低熱損、提升速度。因此，具備高能效、低能耗的第三代半導體也就因應而生，代表碳化矽（SiC）和氮化鎵（GaN）。同時，受到5G、電動車、可再生能源等領域拉動，現已邁入高速成長期。

Merli在演說上，聚焦在第三代半導體為電源系統帶來的助益；以及，在滿足對高效電源系統日益增長的需求，又如何做到減少碳足跡。

Merli提出數據，2018年全球總電用量超過每小時22,000Twh，而製造工業就佔據了42%的比例，「如果我們在工業用電做到1%的提升，那麼就可以省下93.6Twh。」這樣的節能成效，也相當於15個核電站的排放量。同時，這也回應到意法半導體近期宣布的永續發展計畫：承諾在2027年實現碳中和的目標。

過去，電動車都使用矽製成的{{{IGBT}}}電源轉換晶片，但早在2018年，特斯拉Model 3就採用意法半導體製造的碳化矽元件，為電動車轉換電能。Merli表示，對於電動車來說，可以提升電池續航力、減少負重等優勢，但最重要的，還是在於提升電動車充電站的運作效率。

「透過ACEPACK技術，可以在塑膠封裝內結合高功率密度與可靠性。」Merli指出，在封裝領域的技術，意法半導體擁有集成化的模組封裝產品ACEPACK，可讓設計變得更為緊湊，也能解決散熱的問題，也能為電動車充電站提升效益。

GaN車用市場應用熱，穩定性也被建立起標準

為了加速電動車技術導入，滿足續航里程、充電時間與「CP值」的要求，全球汽車大廠普遍在研發上，往往需要更高的電池容量、更優的充電性能；而應用第三代半導體，就能實現極低的電容以及理想的導通電阻。

舉例來看，德州儀器今年就鎖定車用市場，推出車用氮化鎵{{{場效電晶體}}}（GaN FET）整合驅動器，可謂充分發揮氮化鎵的優點，實現高效率、高頻率開關性能，同時避免衍生出設計與元件選擇問題。

從德州儀器的數據來看，其所開發的氮化鎵元件具有超過4000萬小時的可靠度，能滿足汽車製造商對強健性的標準。如此看來，第三代半導體不只被拿來探討高效應用，穩定性也十分重要。

同樣作為JEDEC（固態及半導體工業界的標準化的組織）的JC-70第三代半導體委員會主席，德州儀器創新技術架構師的Stephanie Watts Butler也在演說中呼籲：「第三代半導體市場正在增長，但建立對應的規範也同等重要！」Butler接著代表JEDEC發表演說，主要探討第三代半導體特定屬性帶來的挑戰，JEDEC如何為其帶來解方。

據Butler說明，因為氮化鎵元件的開關速度快，並且常會遇到需同時承受電壓及電流應力的狀況。過去的矽電晶體{{{安全工作區}}}（Safe Operating Area, SOA）測試方法，無法完成氮化鎵電晶體的特徵測試。

於是，為了要顧及功率轉換應用的運作穩定性、開關壽命，JC-70委員會推出測試氮化鎵功率轉換裝置的規範JEP182，就可對氮化鎵電晶體的可靠性進行評估、測試。

JEDEC：提出量測碳化矽MOSFET的可靠性指南

除此之外，在第三代半導體應用中，碳化矽{{{MOSFET}}}普遍被用於太陽能、充電、新能源汽車等應用領域。但也因為其材料、結構的特殊性，碳化矽MOSFET的可靠性與壽命也一直是被關注的熱點。而JEDEC最新發布的JEP184指南，就是用於描述基於碳化矽（SiC）功率轉換裝置連續開關模式的新規範。

Butler指出，「其中，碳化矽MOSFET的評估最有挑戰性，也是汽車和工業產業最常被關注的話題。」雖然碳化其擁有快速切換、同時保持高阻斷電壓的優勢，但是這樣的開關特性也存在潛在缺點。進一步理解，因為測量的閾值偏移可能由不同組件構成，可能影響測量的精度。

針對於此，Butler結語，JEDEC最新推出的JEP184指南可為測量程序提供指導方針，用以區分不同的偏移組件，進而提供準確測量碳化矽MOSFET的可靠性。

責任編輯：蕭閔云

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。