我国每年进口集成电路超过3000亿美元，占全球生产数量的2/3。当前国际形势下，集成电路实现国产化与技术升级是促进我国制造业升级、保障供应链安全可控的重要途径。晶圆作为我国半导体产业中的一大组成部分，其重要性不言而喻。
比如，巡检机器人身上通常会搭载有烟雾、气体传感器，当巡检现场有烟雾产生时，移动巡检装置机器人现场和上位机同时报警；由于设备运转过程中的故障点会存在局部温度过高的现象，因此，机器人需要搭载红外温度传感器，才能快速检测发现损坏设备的位置；巡检机器人上还会通过搭载甲烷等非常规气体传感器，来对现场空气环境进行监测。
晶圆是指制作硅半导体积体电路所用的硅晶片，其原始材料是硅。从整个产业链来看，封装与晶圆制造都是芯片生产中不可或缺的环节。随着技术的发展演进，封装的重要性不断提升，已成为代工厂商的核心竞争力之一。与此同时，多家企业也开始探索晶圆的制造之路。
据了解，与以往在线监测设备相比，该变电站内的传感器感知元件具有小型化、低功耗、高集成度以及高可靠性的特点。该变电站部署了视频、温湿度、局放、振动等65套智能感知元件以及巡检机器人，实现了变压器、组合电器、开关柜及辅助设施设备本体及环境状态的全面深度感知。
去年，Cerebras Systems公司率先推出了晶圆级AI处理器Wafer Scale Engine(WSE)，引起了业界的较高关注。2020年，晶圆制造又会发生哪些变化呢？
在输电系统运维工作中，输电线路传统的巡检方式，是运维人员到现场仔细地对每一基杆塔进行缺陷排查，及时发现运行隐患，这对输电线路运维人员来说是一项十分重要且繁琐的工作。而采用智能巡检机器人高精度巡检，则可防止巡检机器人误入带电区域，保证巡检作业安全性的同时，还可有效提高工作效率。
来自日媒的统计显示，今年第二季度，全球晶圆厂的座次是，台积电独揽51.5%的制造份额，高居第一。三星居次，份额是18.8%。格芯、联电和中芯国际分别位居第三、第四和第五名。
4月26日，江苏南京溧水区110千伏南门变电站正式投运，这标志着该电站成为全国首个投运的智能全感知变电站。之所以称其为智能全感知变电站，是因为该变电站通过运用物联网传感器技术，可随时监测变电站内各种设备，及时上传数据。一旦发现出现问题，运检人员便能第一时间进行处理，效率大大提高。
具体来看，2019年第二季度台积电占据全球市场的份额仅有30.4%，而如今升级到了51.5%，其增长是十分明显的。究其原因，主要有两点。其一，一是因为5G手机兴起及升级，对芯片的要求更高，所以在5G芯片代工有优势的台积电能够获得更大的优势；其二，华为因为受到了芯片危机的影响，在5月中旬之后就开始向台积电追加7亿美元的订单。
解决导航和引导的问题是自动驾驶汽车存在之初就需重视的方向。因为它将提供两个关键的数据信息：汽车所处的位置，以及汽车可以到达想要位置的路径。
从规格尺寸来看，目前全球芯片市场上，使用最主流的晶圆有三种规格：6 寸、8 寸、12 寸。现在市场上12寸的晶圆是主流，将近7成的产能都是12寸晶圆。从使用领域的角度来看，目前对12寸晶圆需求较强的是存储芯片(DRAM和NAND)，8寸晶圆更多的是用于汽车电子等领域。
GPS子系统现在可作为芯片（SOC）集成电路或多芯片组合上的复杂系统使用，这些芯片组不但需要电源和天线，还需要一个嵌入式、特定于应用程序的计算引擎，一同执行密集计算。虽然在集成电路中差不多都有一个1.5GHz GPS信号的内部射频前置放大器，但许多车辆都选择将天线放在车顶上，同时安装一个共同定位的低噪声放大器来使用（LNA）射频前置放大器，并将定位GPS电路放在车内更方便的位置上。
除集成电路晶圆代工外，在光掩膜制造、设计服务与IP支持、凸块加工及测试方面提供完备配套服务，将成为行业巨头稳固自身地位的一大重要方式。此外，加快进行技术革新和制造工艺升级将成为入局者聚焦的核心内容，通过技术升级来打造高质量的产品或许可以为一些企业实现“弯道超车”的目标提供更多可能性。
用于导航和引导的主要子系统基于GPS（全球定位系统）接收器，该接收器主要依靠60多颗低轨道卫星星座中至少四颗卫星对接收的信号进行复杂分析、计算当前位置。GPS系统可以提供大约一米的定位精度（实际数字取决于许多细微问题），这对于自动驾驶汽车来说是一个良好的开端。不过需要注意的是，对于希望随时行驶的驾驶员，GPS接收器需要30到60秒才能建立初始位置，因此自动驾驶汽车必须延迟出发，直到GPS计算出第一个修正值。
以前，罗盘、六分仪、LORAN无线电定位和航位推算等仪器和技术都已被使用在常规驾驶中，其精确性、一致性和可用性都各不相同。而对于自动驾驶汽车来说，导航和指导子系统必须始终处于激活状态，并需要时刻检查车辆相对于目标的运行情况。例如，如果最初的“最佳”路径有任何意外的偏离，则必须实时重新计算路径，以避免走错方向。这与简单地在A和B之间绘制直线相比需要更多的计算工作量，因为自动驾驶汽车易受道路的限制，要进行更复杂的路径。
