虽说有供应链厂商传出，iPhone X销量未达预期苹果正下调订单，但iPhone X带火了3D感测技术却是不争的事实，2018年苹果扩大导入3D感测应用将成为必然趋势。与此同时，Android阵营手机厂亦将大举跟进采用3D感测技术，这使得关键零组件VCSEL(Vertical Cavity Surface Emitting Laser)产能需求大增，引起供应商新一轮的强力卡位战。

3D感测将导入新iPhone，安卓阵营最快2018年Q2出新品

iPhone X导入3D感测技术，其3D传感器供应商之一为Finisar。不久前，苹果宣布将提供3D传感器供应商Finisar约3.9亿美元资金，业界一度传言是苹果入股Finisar，如今双方澄清是作为未来订单的预付款项。

据业内人士透露，Finisar将借由苹果的资金，改造其位于德州Sherman的工厂，预计2018年下半开始供应VCSEL新产能，苹果在掌握VCSEL庞大产能之后，有助于进一步将正面TrueDepth摄像导入更多iPhone产品线，或是于iPhone背部新增第二颗的传感器阵列，不仅能进行脸部辨识，亦能扫描用户所处的周遭环境，苹果有意通过VCSEL技术强化扩增实境(AR)版图布局。

尽管2017年率先切入苹果3D感测供应链的美系大厂Lumentum占尽风头，然而Lumentum却传出产能供不应求。供应链厂商称，由于2018年秋季苹果不仅将脸部辨识导入于其他iPhone新机，高阶大尺寸iPad亦将采用3D感测技术，以延伸其AR的附加功能，因此，苹果势必得扶植第二供应商，以确保2018年下半新机问世后的零组件供应顺畅。
 
正是得益于3D感测技术导入更多的iPhone新机和高阶ipad，Finisar将顺势成功卡位，可以预见，Finisar在扩大量产VCSEL之后，将顺势搭上新一波3D感测热潮列车。

另据供应链厂商透露，在苹果持续扩大3D感测脸部辨识优势的同时，Android阵营手机品牌厂亦将全力推出导入3D感测应用的旗舰机种，借以抗衡苹果，目前包括华为、Oppo、小米、Vivo、三星等手机品牌大厂均加速抢入，近期相关零组件厂商送样认证的品牌客户就达到5~10家，预期最快2018年第2季将看到新品问世。业界并估计到2022年VCSEL市场规模将达到31.2亿美元，年复合成长率约17.3%。

供应链厂商掀起卡位战， VCSEL市场需求大增

目前3D感测应用已成为智能手机市场关注的新焦点，尽管苹果有意掌控关键元件VCSEL的产能，但其技术发展已长达20多年，并应用于光通讯及光收发等市场。随着应用市场迎来爆发期，不仅是原有的雷射光元件厂商、砷化镓代工厂加入战局，还有同样采用MOCVD机台的LED磊晶厂亦跃跃欲试。
  
据了解，3D感测技术下游封装模组厂除了Lumentum、Finisar之外，目前还有Ⅱ-Ⅵ、Princeton Optronics及Heptagon等，而上游供应链厂商除了全球最大的IQE，另有全新、晶电、宏捷、环宇、Vertilite等亦伺机抢夺市场大饼。

当然高通与奇景光电也携手抢进3D感测市场，可望抢下Android阵营手机客户大单，其中包括小米、OPPO等安卓手机厂商采用3D感测技术就是基于高通与奇景光电的技术方案。
 
供应链厂商指出，由于过去VCSEL主要用于光纤通信与数据传输等应用，供应链厂商在稳定成长下，多半采取小而美的营运模式，市场统计过去20年来销往各种终端市场的VCSEL总量约为10亿支，而2016年应用于光收发器的VCSEL的销量逾3,000万支，2017年iPhone X推出后，消费性电子产品的VCSEL出货规模，已超越原有的光通讯市场，预期到2019年应用于智能手机的VCSEL将达到2.4亿支，几乎是光通信应用需求量的5倍。
 
长期而言，因应物联网及云端运算等应用发展趋势，VCSEL市场成长潜力庞大，尤其是应用于数据中心、汽车夜视、自动驾驶等领域将更趋广泛，近年来大陆积极扶植的砷化镓及通讯元件产业亦将加速投入VCSEL战场，产业竞争将愈趋激烈。
 
供应链厂商认为，消费性电子产品快速发展已为VCSEL产业带来颠覆性的改变，2018年手机品牌厂与上游供应链合作将浮上台面，然而苹果已针对VCSEL射频及算法等技术布局多项专利，有意分食市场大饼的业者如何在避免侵犯专利疑虑下，提高3D感测精准度及性价比，恐怕是比扩充产能更为关键的要素。      

2.机器学习成长速度惊人，FPGA和ASIC芯片有望成为新主力；

集微网综合报道，在2016年初，机器学习仍被视为科学实验，但目前则已开始被广泛应用于数据探勘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、语音和手写识别、战略游戏与机器人等应用领域。在这短短一年的时间内，机器学习的成长速度超乎外界预期。

Deloitte Global 最新的预测报告指出，在 2018 年，大中型企业将更加看重机器学习在行业中的应用。和 2017 年相比，用机器学习部署和实现的项目将翻倍，并且 2020 年将再次翻倍。

目前，有越来越多的类型开始丰富“AI芯片”这个新名词，包括 GPU、CPU、FPGA、ASIC、TPU、光流芯片等。据 Deloitte 预测，2018 年，GPU 和 CPU 仍是机器学习领域的主流芯片。GPU 的市场需求量大概在 50 万块左右，在机器学习任务中对 FPGA 的需求超过 20 万块，而 ASIC 芯片的需求量在 10 万块左右。

值得注意的是，Deloitte 称，预计到 2018 年底，超过 25% 的数据中心中用来加速机器学习的芯片将为 FPGA 和 ASIC 芯片。可见，FPGA、ASIC 有望在机器学习领域中实现崛起。

实际上，一些较早开始使用 FPGA、ASIC 芯片加速的用户，主要是将它们运用机器学习的推论(inference)任务上，但不久之后，FPGA、ASIC 芯片在模组训练工作上也将能有所发挥。

在 2016 年，全球FPGA芯片的销售额已经超过40亿美元。而在 2017 年年初报告《 Can FPGAs Beat GPUs in Accelerating Next-Generation Deep Neural Networks? 》中，研究人员表示在某些情况下，FPGA 的速度和运算力可能比 GPU 还要强。

目前，像是亚马逊(Amazon)的AWS与微软(Microsoft)的Azure云端服务，都已引进 FPGA 技术；国内的阿里巴巴也宣布与英特尔(Intel)合作，利用Xeon-FPGA平台加速云端应用；英特尔近来不断强调，数据中心可通过 FPGA 调整云端平台，提升机器学习、影音数据加密等工作的执行效率。

此外，ASIC 虽然是只执行单一任务的芯片，但目前 ASIC 芯片的制造厂商很多。在2017 年，整个产业的总收益大约在 150 亿美元左右。据悉，Google 等厂商开始将 ASIC 运用在机器学习，以 TensorFlow 机器学习软件为基础的芯片也已问世。

Deloitte 认为，CPU 与 GPU 的结合，对机器学习发展的推动产生了很大的助力。如果未来各种 FPGA 与 ASIC 解决方案也能在提升处理速度、效率与降低成本方面发挥足够影响力，那么机器学习应用将可再次出现爆炸性的进展。