馬達就是感測器 MCU廠競推邊緣運算
因此，與馬達有關的異常徵兆監測或預防性維護技術，很有機會跨界應用到這類家電或交通工具上。這也是許多嵌入式處理器、微控制器(MCU)大廠正在摩拳擦掌，準備搶食的商機。對於精熟馬達技術的工業設備廠商來說，這也是個異業結盟，創造更多商業合作的契機。
其實，對許多內建馬達的電子系統來說，馬達本身就是一個已經內建好多種感測功能的零部件。絕大多數馬達系統都會搭配微控制器(MCU)，如果是小功率馬達，有些MCU還能直接驅動馬達，不必靠外掛的功率模組來執行驅動器功能。
而為了提高馬達的工作效率，為馬達驅控應用而設計的MCU，普遍均內建多通道類比/數位轉換器(ADC)等類比功能，來接收馬達或外掛驅動單元回傳的訊號，包含電流量、電流相位、馬達轉速等。如果是精密運動控制用的馬達，還會搭配霍爾感測器(Hall Sensor)，以偵測轉子位置。圖1是一個典型的馬達驅動MCU功能方塊圖，可以看到除了負責運算控制的CPU核心之外，還有大量類比/混合訊號周邊，主要用途除了產生驅動訊號，同時也負責接收來自馬達或驅動單元的回饋資訊。
換言之，早在智慧製造浪潮興起之前，馬達除了肩負把電能轉換成機械能的任務外，本身就已經是個功能相當全面的感測系統，因為要有效率地驅動馬達運轉，驅控單元必須隨時掌握跟馬達有關的各種參數。而在智慧製造的觀念開始風行後，馬達製造商開始在馬達本體外安裝了更多感測器，例如振動、溫度、濕度等，以便更全面地監控馬達應用系統的運作狀態。
事實上，因為馬達的任務是把電能轉換成機械能，因此在整個應用系統裡面，馬達後端還有各式各樣的負載裝置，例如水泵、風泵或各種傳動設備。如果應用製造商要追求異常徵兆偵測、預防性維護等系統層級的功能，只看馬達的健康狀態是不夠的。這使得馬達驅控MCU的供應商必須提供更多I/O、更強的運算效能給應用開發者。
另一方面，機器學習(ML)的導入，也使得MCU運算核心的效能、記憶體容量跟供應商的軟體開發環境遇到新的挑戰。即便只是把在雲端訓練好，並經過裁減跟最佳化的模型放進MCU裡面，也會占用不小的記憶體容量。另一方面，這些訓練好的模型，在執行推論的過程中，也會占用可觀的運算資源。
這會使MCU供應商必須在晶片中內建運算效能更高的運算核心，並盡可能在客戶可以接受的成本範圍內，把記憶體容量加大，或是乾脆採用Chiplet的設計理念，把記憶體放在另一個Die，再用先進封裝技術把MCU跟記憶體封裝成單一元件。
事實上，為了儲存程式碼，很多MCU內建的記憶體都是快閃記憶體(Flash)而非靜態隨機存取記憶體(SRAM)，但Flash的讀寫速度太慢，而且製程的成本較高，如果要把MCU跟Flash整合成單晶片，不僅成本結構較高，也會拖累CPU的運算速度。恩智浦(NXP)的i.MX RT系列之所以能把Cortex-M7核心的運算效能拉高到接近Cortex-A系列的水準，關鍵之一就在於i.MX RT系列裡面僅有一款是內含Flash的，其他都是純SRAM。也因為如此，恩智浦可能在這款產品上運用了先進封裝手法，把Flash從主晶片切割出去，再用封裝整合。
除了CPU、記憶體等硬體元素外，對MCU供應商而言，如何把ML的工具融合到現有的MCU開發環境裡面，也是一大挑戰。ML的模型訓練必然在雲端資料中心進行，但訓練完成的模型還需要最佳化，才能放進MCU有限的記憶體空間中，而ML推論的結果，又要用來觸發或中斷現有的控制演算法，如果MCU供應商沒有把ML的軟體開發工具融合到MCU開發工具裡，應用開發者的研發過程會非常吃力。
目前恩智浦、瑞薩(Renesas)、意法半導體(ST)等MCU大廠，都已經至少有可供展示的ML開發工具，並預期在未來一年內將這些開發工具進一步與現有的MCU軟體開發工具整合。
MCU全力支援ML推論萬物智慧化有譜
對絕大多數嵌入式應用來說，採用額外的應用處理器來支援ML推論，其實是不切實際的。除了成本因素之外，一般針對3C產品設計的應用處理器，產品生命週期通常只有兩到三年，但絕大多數嵌入式應用，即便是歸類為消費性電子的白色家電，其產品生命週期至少也有五年起跳。換言之，成本相對低廉，而且供貨期夠長的MCU，才是比較適合嵌入式系統使用的解決方案。
在各家MCU廠商都將支援ML推論放進自家產品發展路線圖的情況下，可以肯定的是，絕大多數嵌入式產品未來都有可能支援複雜程度不一的ML推論。而對於工業設備製造商來說，這其實是一個不容錯過的發展機會。
除了工業領域之外，其他垂直產業其實很少在探討異常徵兆監測、預防性維護，甚至更先進的數位雙胞胎(Digital Twins)，但這不表示其他垂直產業沒有這種需求，只是相關業者可能還沒想到，或市場上還沒有性價比夠高的解決方案，可以讓其他產業時做出這些功能。
據了解，台灣的電動機車大廠睿能(Gogoro)，已正在跟某家一線MCU大廠洽談，希望未來能利用更先進的MCU，對電動機車的動力總成(Powertrain)進行健康狀態監控。不過，對MCU業者來說，動力總成已經是個太大的系統，而且涉及到很多機械領域的專門知識，不是電子業者熟悉的領域；同樣的，對電動機車業者來說，要投資發展相關的機器學習技術，實現可靠的健康狀態監控、預防性維護系統，不只是資源投入的問題，也得走過一條漫長的學習曲線。
因此，原本在工業領域深耕的台灣機電廠商，其實跟電動機車業者有很大的合作空間。因為不少機電設備廠已經走過這段學習旅程，甚至已經將相關技術推向市場。
除了電動機車外，網路零售大廠亞馬遜(Amazon)一直致力於推廣其語音助理服務Alexa，希望讓Alexa能成為智慧家庭裡面的數位管家。但比較不為人知的是，亞馬遜也致力於發展自己的FreeRTOS，可做為各種智慧家電的作業系統。從最上層的雲端與各種服務，到最底層的作業系統，亞馬遜都已經一手包辦，接下來亞馬遜需要什麼？答案當然是作為載具的各種家電硬體。
亞馬遜未必會自己跳下來做家電，但如果有家電廠商採用亞馬遜的整套軟體跟雲端服務方案，卻只是讓家電「聽得懂人話」，那也太沒有差異化了。採用亞馬遜整套方案的嵌入式設備，若僅支援語音助理功能，卻沒有善用亞馬遜提供的整套機器學習工具，實現更複雜的邊緣運算功能，讓家電能夠自我監控其運作狀態，恐怕將很難具有競爭力。有業界人士表示，亞馬遜可能會仿效Google的作法，推出具備自我監控能力的家電產品。若果真如此，則目前市場上眾多家電業者，必然得跟上這波風潮，在洗碗機、洗衣機、冰箱、空調裡面實作類似功能。屆時，萬物智慧化的願景將成為現實。
不過，亞馬遜要推出這類示範性產品，會遇到的問題是MCU供應商跟電動車廠的總合–亞馬遜對機械、機電的領域知識不足，投入研究的時間也不長。因此，亞馬遜就算不跟家電品牌業者合作，也得跟熟悉相關機電設計的業者結盟。這對台灣的機電業者來說，更是一個合作的大好機會。
智慧才是數位家庭的最大賣點
還記得十多年前，英特爾(Intel)曾經力推數位家庭概念，想藉此把x86處理器推廣到各種嵌入式應用領域，但最後因為缺乏豐富的應用跟服務，難以為用戶帶來全新的使用者體驗跟價值，而未能克竟其功。但十多年後，隨著嵌入式處理器、MCU的效能不斷突破，加上機器學習等人工智慧技術突飛猛進，不只聽得懂人話，還懂得自我管理的各種嵌入式設備，將有機會把數位家庭的價值展現出來。
如果只是單純透過聯網，把資訊提供給使用者，卻沒有各種智慧化、個性化的服務搭配，數位家庭不只很難說服消費者買單，對設備製造商來說，也無法創造出新的獲利模式，只是徒增硬體成本。邊緣運算會是這個問題的根本解決方案，因為邊緣運算將把機器設備一直欠缺的「智慧」添加到各式各樣的產品上。工業領域的業者，特別是機電相關廠商，在此一領域有先行優勢，若能好好把握，未來發展空間將充滿想像。
