Micro LED技术量产难度大,今年或成元年?

简介: Micro LED技术是一项新的显示技术,色彩画质超出液晶显示技术一大截,目前尚未普及,不过最近一年来展露峥嵘的,从最近的一些信息来看,似乎2020年会成为Micro LED电视元年了。

Micro LED技术是一项新的显示技术,色彩画质超出液晶显示技术一大截,目前尚未普及,不过最近一年来展露峥嵘的,从最近的一些信息来看,似乎2020年会成为Micro LED电视元年了。


Micro LED通俗讲就是LED的微缩化和矩阵化技术。将LED(发光二极管)背光源进行薄膜化、微小化、阵列化,可以让LED单元小于50微米,与OLED一样能够实现每个像素单独定制,单独驱动发光(自发光)。它具有高亮度(可达1000nit)、发光效率高节能、高对比度、响应快、更长的使用寿命、自发光无需背光源、高色域、可以无缝拼接等优势,如果应用到消费电子领域,将会给用户带来更好的显示效果。


image.png


Micro LED电视量产的难度


Micro LED并非是刚出现的技术,它已经发展了十余年的时间,不过仍未实现在消费电子领域的产品规模化量产应用。这主要是由于Micro LED的制造工艺难度太大。


Micro LED有一个其他电子行业几乎不会用到的高难度工艺——“巨量转移”技术。简单说,就是在指甲盖大小的TFT电路基板上,均匀焊接三五百、甚至更多的红绿蓝三原色LED微小晶粒,其允许的工艺失败率是几十万分之一,这一技术的工艺难度十分之高。


image.png


近两年的Micro LED电视


早在2018年初,三星就在CES 2018上展示了首款Micro LED电视。到了CES2019展上,三星展出75英寸Micro LED电视,其芯片尺寸只有2018年版“The Wall”的1/15,实现将2400万颗Micro LED晶粒通过巨量转移至玻璃背板。不过当时没能规模量产,要到了2019年10月左右才出现了小规模的高端定制销售。


三星The Wall由几块806.4×453.6mm的Micro LED面板模组构成,每个模组具有960×540分辨率,无边框设计,可完美拼接。每个模组都有250 - 2000 nits亮度,约10,000:1的对比度,16bit 颜色深度,100/120 Hz刷新率。


image.png


三星的The Wall全高清1080P版使用四个模组,对角线长度为73英寸。4K超高清版用了16个模块,为146英寸,8K版本的尺寸则达到292英寸。可以看到,这样的尺寸、分辨率,并不适合近距离观看,仍然只适合大面积的商用、大客厅应用,还需要继续微缩化。


在这方面,国产品牌也没落后,2019年10月,康佳发布了采用Micro LED技术的Smart Wall未来屏,在CES2020上也有亮相国际舞台。康佳Smart Wall采用超高精度巨量转移技术,实现近1亿颗微米级别的Micro LED芯片的转移和键合,点对点的驱动,实现每个像素的精准控制,LED之间的点间距可微缩到P0.68mm。


image.png


2020年,Micro LED电视元年?


在上个月刚结束的CES2020展会上,三星展示的MicroLED电视产品拥有75英寸、88英寸、93英寸和110英寸四种显示屏尺寸,并且引入超薄、无边设计,新的突破是提供了5000尼特的峰值亮度。


三星对外表示,已经做好量产Micro LED显示技术电视产品的准备,并将2020年努力作为Micro LED元年。据了解,三星正在积极的寻找与他们要求的所匹配的工厂以及设备,并进行予以投资,且还打算与合作伙伴共享Micro LED的生产规划。不过,有业内人士表示,Micro LED显示技术目前并不具备大规模的量产水平,还有待进一步观望。


image.png


LG也在一直致力于Micro LED显示技术的研究,在去年9月份的IFA展会上也展出了旗下一款Micro LED电视。


CES2020展会上康佳展示了两款Micro LED电视,118英寸4K(3840*2160)、236英寸8K(7680*4320)。而且给出了价格,去年10月份发布时118英寸4K版售价168万元,236英寸8K版售价是888万元。


有传闻苹果将在下一代Apple Watch采用Micro LED技术。消息称苹果已与台湾两家 Micro LED 厂商(錼创、铼宝)接触,准备由錼创方提供 Micro LED 晶片,再由铼宝组装为一体显示器面板。铼宝表示Micro LED 生产线已经为3英寸以下设备做好准备。


不过,并不是全部业内声音都看好2020年就实现突破。海外市场分析公司IHS Markit有一项报告,预测Micro LED的相关技术要到2024年才彻底成熟,增加良品率,降低成本。


作为显示技术又一大解决方案,Micro LED显示技术的实际体验效果相当赞,有理由成为下一代显示技术的革新者。不过以笔者看来,近两年内还不太可能普及到消费领域中端市场。值得期待。

相关文章
|
11月前
|
数据采集 供应链 API
淘宝 vs 京东电商 API 接口,谁才是数据王者?
在数字化电商时代,API成为企业获取数据的关键工具。本文从功能覆盖、数据质量、开发友好度及商业模型等维度,客观对比淘宝与京东API的优劣,分析两者在不同场景下的适用性,助您判断谁才是真正的“数据王者”。
|
存储 JSON 关系型数据库
【亲测有用】数据中台数据集成管理能力演示
杭州奥零数据科技有限公司成立于2023年,专注于数据中台业务,维护开源项目AllData并提供商业版解决方案。AllData提供数据集成、存储、开发、治理及BI展示等一站式服务,支持AI大模型应用,助力企业高效利用数据价值。
【亲测有用】数据中台数据集成管理能力演示
|
数据采集 运维 供应链
工业4.0时代:数字化工具的核心价值与应用
本文探讨了工业数字化的浪潮及其工具选择的重要性。随着制造业、能源和物流等领域的数字化转型,企业需通过数据采集与分析、自动化控制及协同办公等手段提升效率。文章介绍了智能制造、供应链管理和设备维护中的应用场景,并强调高效协作工具在任务可视化管理、跨部门协作优化等方面的关键作用。最后,从功能匹配度、易用性、扩展性和成本效益四个方面为企业选择合适的数字化工具提供了指导,助力企业在竞争中占据先机。
|
9月前
|
运维 调度 数据安全/隐私保护
ERP系统开发中的技术难点与应对策略分析
开发ERP系统面临架构设计、数据整合、流程建模、性能优化与安全运维等多重挑战。本文详解五大技术难点及应对策略,涵盖微服务与单体架构平衡、数据迁移集成方案、流程引擎设计、高并发处理及权限控制等关键点,并提供实用技术栈建议与渐进式开发路线。
887 0
|
9月前
|
XML Java 测试技术
使用 Spring 的 @Import 和 @ImportResource 注解构建模块化应用程序
本文介绍了Spring框架中的两个重要注解`@Import`和`@ImportResource`,它们在模块化开发中起着关键作用。文章详细分析了这两个注解的功能、使用场景及最佳实践,帮助开发者构建更清晰、可维护和可扩展的Java应用程序。
420 0
|
Ubuntu 安全 Linux
ubuntu2404 Server扩展PV
通过以上步骤,你可以成功扩展Ubuntu 24.04 Server上的物理卷。该过程包括创建新分区、将其添加到现有PV、扩展逻辑卷和相应的文件系统。扩展完成后,服务器将能够使用新增的存储空间,确保系统运行更加高效和稳定。
531 77
|
弹性计算 监控 开发工具
【阿里云弹性计算】阿里云ECS的网络优化实践:VPC配置与网络性能提升
【5月更文挑战第29天】阿里云ECS通过虚拟私有云(VPC)提供高性能、安全的网络环境。VPC允许用户自定义IP地址、路由规则和安全组。配置包括:创建VPC和交换机,设定安全组,然后创建ECS实例并绑定。优化网络性能涉及规划网络拓扑、优化路由、启用网络加速功能(如ENI和EIP)及监控网络性能。示例代码展示了使用Python SDK创建VPC和交换机的过程。
867 3
|
关系型数据库 分布式数据库 PolarDB
通过 PolarDB for PostgreSQL 实现一体化的 HTAP 能力
阿里云 PolarDB for PostgreSQL作为一款领先的云原生关系型数据库,利用向量化引擎+列存索引等技术实现了 OLTP 和 OLAP 的一体化。本方案为您展示如何通过 PolarDB for PostgreSQL 来实现一体化的 HTAP 能力。
通过 PolarDB for PostgreSQL 实现一体化的 HTAP 能力
|
存储 人工智能 NoSQL
Tablestore深度解析:面向AI场景的结构化数据存储最佳实践
《Tablestore深度解析:面向AI场景的结构化数据存储最佳实践》由阿里云专家团队分享,涵盖Tablestore十年发展历程、AI时代多模态数据存储需求、VCU模式优化、向量检索发布及客户最佳实践等内容。Tablestore支持大规模在线数据存储,提供高性价比、高性能和高可用性,特别针对AI场景进行优化,满足结构化与非结构化数据的统一存储和高效检索需求。通过多元化索引和Serverless弹性VCU模式,助力企业实现低成本、灵活扩展的数据管理方案。
912 12
|
机器学习/深度学习 算法 数据可视化
【传知代码】知识图谱推理-论文复现
本文探讨了基于图神经网络(GNN)的知识图谱推理,提出了一种创新的自适应传播策略AdaProp,旨在解决大规模知识图谱处理中的效率和准确性问题。AdaProp通过动态调整传播路径,优化了传统GNN方法。研究在KDD '23会议上发表,提供了tensorboard可视化结果和开源代码。实验表明,AdaProp在效率和性能上超越了传统方法,如全传播、渐进式传播和受限传播。通过Python和PyTorch实现, AdaProp在多个数据集上展示了优秀性能,为知识图谱推理领域开辟了新思路。
531 0
【传知代码】知识图谱推理-论文复现