市場分析

機器視覺應用的潛在商機龐大，研究機構Market Research Future指出，由於3D模型與產品的需求不斷增加，大幅提升了3D機器視覺的市場潛力，預計該市場到2022年將達到19億美元；自2017年至2022年的年均複合成長率將為9%(圖1)。 圖1　3D機器視覺市場預測 資料來源：Market Research Future 由於機器視覺技術的成熟，在工業領域除了協助檢測與掃讀條碼之外，在近年來更開始運用在視覺導引機器人(VGR)之中。單一機械手臂可以透過機器視覺辨識零組件款式，進而調整抓取、搬移、組裝的角度與力道，更能有效防止機器人意外碰撞，維護工業現場安全。 機器人+3D視覺正夯 由於智慧製造與人工智慧(AI)風潮興起，全球機器人大廠便開始在其機器視覺系統裡導入機器學習功能，欲打造新的工業機器人技術壁壘。包括日本發那科(FANUC)、安川電機、DAIHEN與三菱電機等多家工業機器人大廠，均展示了導入人工智慧深度學習的工業機器視覺應用，包括表面檢測、工件位置、力回饋自我調整等功能。在台灣，亦能看到自2017年起，鈺創科技、工研院機械所等廠商更紛紛推出了針對工業應用的3D機器視覺解決方案，期待能藉由機器視覺技術的提升，使智慧製造技術更精進。 拓墣產業研究院分析師柏德葳(圖2)指出，3D機器視覺技術整合人工智慧正成為主流趨勢，讓工業機器人具備人腦思維，以執行更高精度、更複雜的工作。例如取代過去長期由人工負責的品管檢驗，也可以進行肉眼無法檢測的細節檢驗。各大廠陸續在台北自動化大展、東京機器人展與漢諾威工業展等上展示智慧視覺方案，包含3D視覺取放系統與AI球鞋檢測系統。其中3D視覺拾取系統內建深度學習的AI功能，可以學習備品或產品的外形，並自動辨識以及撿取；例如可以學習不同顏色的羊毛或織布，再由系統進行判別後自動撿取分類。在應用領域方面，比較看好的則是汽車工業、電子組裝業、金屬加工業、製鞋業等。 圖2　拓墣產業研究院分析師柏德葳指出，3D機器視覺技術整合人工智慧正成為主流趨勢，眾大廠皆在展會上展示自家智慧視覺方案。 使用廠商對於3D機器視覺的主要需求是在於定位、辨識、驗證、測量和缺陷檢測。至今為止，3D視覺系統技術的發展已趨於成熟，且能夠讓工業機器人有效地識別和抓取料框中不同形狀的工件，由此可見其應用前景廣泛。包括發那科、安川電機、三菱電機等在東京機器人展均有展示「3D視覺引導工業機器人抓取、放置零組件(Random Bin Picking)」之類的解決方案，而其3D視覺系統已能區分類似的形狀和色彩，也可以隨機堆放的零組件。 3D機器視覺技術多      雙鏡頭方案成本最低 要實現機器視覺有非常多種技術方法，得看生產線的需求來決定導入何種技術應用。目前主流作法有以下三種： ．雙鏡頭 雙鏡頭解決方案是以兩顆相機進行三角運算，進而實現3D機器視覺。資策會MIC資深產業分析師林信亨(圖3)表示，由於各類相機、鏡頭技術發展已相當成熟，因此雙鏡頭解決方案在3D機器視覺中，是比較便宜的作法。 圖3　資策會MIC資深產業分析師林信亨表示，由於各類相機、鏡頭發展相當成熟，因此雙鏡頭解決方案在3D機器視覺中，是比較便宜的作法。 雙鏡頭解決方案通常稱為立體視覺，也會被稱為2.5D的機器視覺解決方案，並非真正能提供完整立體資訊的3D技術。並且，鏡頭所能做到的判斷可能會有將近公分等級的誤差，因此，目前在工業生產線上的運用以邊緣特徵點清楚的物件貨運、夾取、尺寸估算為主。 ．雷射＋鏡頭 由雷射光加上鏡頭的影像資訊，能真正提供3D立體資訊。該作法雖然精準度高，然而掃瞄速度較慢，在當今機械手臂動作已經非常快速的狀況下，就算只是1~2秒的延遲時間，都將大幅拉低手臂的運動效率。因此，雷射加上鏡頭的解決方案較為適合用於樣貌缺陷的檢測。工研院便針對此需求，推出了結合雷射與相機技術的3D視覺模組。該模組可以依照工件的大小，調整掃描角度、相機解析度，具備很好的調變性。 ．投影機＋鏡頭 另一種提供3D機器視覺資訊的方式，是以投影機發送結構光，結構光在遇到物件後會變形反射，再由相機鏡頭判讀結構光反射的結果。由於此方式夠做到相對較高的判讀速度，因此，目前大約八成以上的廠商是用此技術搭配機器手臂使用。   低成本/色彩判讀為優勢　2D機器視覺不退場 儘管3D機器視覺技術能夠做到多種產線應用。然而，2D機器視覺依然具備成本較低的優勢，並且能夠提供色彩資訊。因此在未來2D機器視覺技術滲透率將與3D機器視覺一同成長，並不會由於3D視覺技術的發展而受到擠壓。 2D機器視覺最大的優點在於能提供色彩資訊，許多瑕疵檢測必須偵測產品是否有污染、異色的情況，這時候許多3D技術反而無法判斷。另一方面，成本也是許多製造商在導入機器視覺時的考量，因此在導引組裝、定位等產線需求，依舊會以成本較低的2D機器視覺方案為主。 柏德葳說明，在工業檢測領域，若被檢測的對象是平面的圖案或者攤在平面上的物品，2D機器視覺就能夠滿足檢測的需求；若被檢測的對象是立體物品或者在箱子裡堆疊一團的加工金屬工件等，才需要使用3D機器視覺提高辨識準確率、加速辨識速度。 工研院機械所工業視覺技術部經理蔡雅惠(圖4)亦指出，若是生產線工件較為平坦、無過大的高低起伏，其實也常有2D機器視覺配合機械手臂的應用。或是在農業場域，也能運用機器人搭配2D視覺技術收成水果。 圖4　工研院機械所工業視覺技術部經理蔡雅惠(右)指出，在農業場域，也能運用機器人搭配2D視覺技術收成水果。圖左為工研院機械所智慧機器人技術組副組長張彥中。 目前在市場上2D機器視覺依然很普遍，在所有工業機器視覺應用之中，2D機器視覺占有八成使用率，相較之下3D依然是比較少見的。然而，蔡雅惠指出，以國際趨勢來看，3D機器視覺確實會越來越受歡迎。 DLP結構光精度高　導入手臂應用多 近年來，3D機器視覺的市場規模正穩定成長中，尤其是在工業應用市場，相對更能夠更精準的預測未來市場變化。德州儀器(TI)DLP資深應用工程師劉旻利(圖5)分享，該公司客戶由五年前開始導入由德州儀器所推出的數位光源處理技術(Digital Light Processing, DLP)機器視覺解決方案，到了今年，差不多就是到了設備汰舊換新的週期。因此，該公司由大約三年前便開始隨時關注工業應用的新需求，以推出相對應的解決方案。 圖5　德州儀器DLP資深應用工程師劉旻利分享，工業客戶對於機器視覺的需求，不外乎就是解析度、速度以及使用彈性三大重點。 劉旻利進一步說明，工業客戶的需求，不外乎就是解析度、速度以及使用彈性三大重點。針對近年來的工業需求，德州儀器更開發了TRP新技術，讓解析度可以拉高雙倍。 劉旻利分享，在開始推廣DLP 3D機器視覺解決方案時，也常聽到客戶認為可以藉由DLP技術解析度高、速度快的特性，導入機器手臂之中，做到少量多樣的彈性產線。當時出現了許多有趣的應用概念，但是幾年下來真正實現的應用卻很少。原因就在於其實許多機器手臂的應用其實只要2D機器視覺技術便能實現。 然而，3D機器視覺的應用依然將持續與手臂結合並精進。劉旻利舉例，近年來許多行動裝置皆講求防水功能，要做到防水功能除了將孔洞移除之外，組裝過程中一定要使用膠水黏貼縫隙。而目前的點膠控制多由機械手臂處理，若要做到一步到位的點膠、黏貼，並將誤差值控制在公釐等級以下，便需要3D機器視覺先掃描物件並規畫點膠路徑。此應用需要快速、高精準度的3D機器視覺輔助，若要將3D機器視覺模組導入在機器手臂之中，模組的微型化也將非常重要。由於TRP技術，能夠使投影機做到更高的光利用效率、體積也能夠更小，因此也相當適合機器手臂應用。 產業老經驗AI來傳承 在導入3D機器視覺到產線的過程中，當然成本會是業者很大的考量。然而除此考量之外，由於機器視覺所累積的巨量資料能夠透過人工智慧加以分析並回饋、改善產線，因此所帶來的助益不單純是可以透過簡單的價格、收益來計算的。工研院機械所智慧機器人技術組副組長張彥中表示，在與一些製造業者合作的過程中，發現許多產線的調校其實都是仰賴老師傅的經驗累積，因此隨著老師傅逐漸退休，他們的經驗該如何傳承將成為一大問題。透過機器視覺搭配人工智慧能以另一種方式保留技術經驗，這也是廠商願意在此投入成本的重要原因。 蔡雅惠指出，無論是在機器手臂的應用，或是品質檢測的掌握上，透過2D或是3D機器視覺都能讓製造商掌握大量的資訊與產品的品質狀態。蔡雅惠便提到，藉由品質監控的數據回推，就能進一步推測出製程參數是否設定正確。 舉例而言，工研院由2017年開始與鏡片廠合作，在鏡片烤彎的過程中，烤爐的溫度必須隨著氣候環境的溫度調整，因此，產線製程的設定參數必須時時調校。過去像這樣的工作執行，皆是透過老師傅的經驗調整，然而在產線布置3D機器視覺技術之後，還可以布置一些環境溫度、濕度的感測器，以及爐區溫度、生產線輸送速度的感測器，透過各種感測器蒐集到數據並加以計算分析後，就會知道設定參數是否正確。也能再利用人工智慧運算回饋，即時調整生產線的參數值。 蔡雅惠說明，在此鏡片廠的案例中，過去透過人工調整大約能達到60%良率，導入人工智慧後，鏡片良率則能高達90%。 3D機器視覺加持　建築機器人大顯身手 在人口老化與少子化的雙重壓力下，不只製造業缺工，工作環境不佳、辛苦或危險的工作(即俗稱的3K產業)也越來越難找到工人。在此情況下，用機器取代人力從事這類勞動，勢必成為趨勢。然而，相較於製造業產線，其他產業的工作現場可能更為複雜，如何讓機器人在這種環境下工作，無疑是一大考驗。而3D機器視覺跟自主協作，或將成為這類機器人必備的能力。 天目時科(Tmsuk Formosa)董事長川久保勇次表示，雖然製造業仍是目前機器人產業最重要的客戶，但隨著人口老化跟少子化的情況越來越嚴重，勞動力不足將成為每個行業都必須面對的挑戰。如何用機器協助人類提高生產力，甚至在某些環境比較不好，或危險性程度較高的作業現場，完全用機器取代人類，將是每家企業都必須思考的問題。而這也是該公司作為機器人ODM業者的生存利基。 天目時科是一家商業模式相當特別的機器人業者。目前在機器人產業中，大型的機器人供應商多半是鎖定製造業應用，推出標準化的機器手臂產品。但天目時科並不提供標準產品，而是按照各行業客戶的需求，替客戶開發、生產客製化機器人。在某些情況下，客戶甚至會跟該公司共同開發，以確保產品能符合其應用需求。 近期該公司便與日本積水住宅共同發布了一款專為天花板工事所設計的機器人方案。該方案由兩台可分成上下兩個單元的機器人--Carry與Shot所組成。兩台機器人都搭載3D與2D機器視覺，其中3D視覺主要是用來偵測場景中的障礙物，避免碰撞。至於2D機器視覺，則使用在天花板的施工過程中。Carry機器人的2D機器視覺主要用來量測天花板骨架的長寬尺寸，並會將資訊傳遞到平板電腦上，讓作業人員能據以裁切出尺寸正確的石膏板，再交由Carry將石膏板舉到定位並初步打釘；Shot的2D機器視覺能力則負責檢查石膏板是否正確對位，並指揮Carry進行微調，確認位置無誤後再將剩餘的釘子打上，將石膏板完全固定。未來天目時科會進一步將2D機器視覺升級為3D機器視覺，以實現更精準的量測跟對位。據積水住宅估計，這套方案約可減少現場工作人員七成工作負擔。 值得一提的是，這兩台機器人的四個單元會透過Wi-Fi彼此通訊，自主協調工作動線，因此在作業過程中不會發生碰撞。此外，兩台機器人也具備偵測人員活動的能力，當有人員出現在其作業範圍內時，機器人會感知到人類的存在，進而採取對應動作。 川久保指出，按照協作機器人的設計原則，當有人類靠近時，機器人應該放慢動作，甚至完全停止作業。該公司在開發此機器人時，也按照這個原則進行設計。但對建築現場來說，把機器人直接停下來是否是最安全的作法，還有待商榷，這也是機器人開發商要跟業主深度合作的原因。因此，天目時科還會跟積水住宅進行後續研發，把這套機器人解決方案做得更完善。天花板作業機器人預定將在2020年大規模導入。 另一方面，因為Carry跟Shot是由上下兩個單元所組成，因此，若使用者有不同作業需求，可以替換搭載其他功能的上部單元。舉例來說，天花板的清掃或是要在高處懸掛裝飾物品，用人力作業其實有一定的危險性，這也是Carry跟Shot能派上用場的地方。天目時科未來還會開發支援其他用途的單元，讓Carry跟Shot能執行更多不同的作業。

全球汽車產業正朝向電動化趨勢發展，預計在2030年時，55%新車都是電動車，傳統汽柴油引擎將逐漸退場。而電池管理(充換電技術)與充電站的發展將是汽、機車電動化的最重要關鍵之一，面對此龐大商機的需求，為了協助台灣產業善用自身軟硬體實力優勢搶奪市場先機，台灣資通產業標準協會(TAICS)於日前舉辦「電動車電池管理與服務發展趨勢」標準論壇，邀請車輛研究測試中心、工研院等兩個國內主要研究法人機構；電動機車廠商Gogoro、其昜科技；設備技術與場域運營大廠台達電、WiTricity、信璽國際、能海電能科技等國內外代表機構，全方面涵蓋電動車產業，從政府政策、充電技術、充電環境等關鍵面向，探討技術與應用場域之資通訊標準需求。 台灣資通產業標準協會秘書長周勝鄰表示，從產業來看，電動車對傳統汽車製造帶來很大的衝擊，如同特斯拉(Tesla)帶來的效益一般難以忽視。而電動車很重要的組成要素在於電池設計，其本身已發展約2~3個世代，現已日趨成熟。在電池使用部分，已慢慢導入ICT技術，可看到特斯拉的崛起，使得傳統汽車製造商的地位受到挑戰，其技術特色透過電腦IT控制，進一步做電池管理，提升電池使用效率。 特斯拉電動車快速崛起，也進一步帶動台灣零組件的產業發展。可看到特斯拉採用多項關鍵零組件來自台灣供應商，本土廠商也希望可以像是IT產業，憑著技術的優良與產業的優勢，讓全世界想找電動車關鍵零組件的業者都會想到台灣，等到愈來愈多電動車廠加入市場之後，台灣將在新的市場、新的商機占到更重要的地位(圖1)。 圖1　特斯拉採用台灣零組件供應鏈汽車分布圖 資料來源：各廠商資料、車輛中心整理(2018) 另一方面，周勝鄰也談到，在電動車使用上，充電時間至少需要半小時時間，為了提升電動車的使用效率，興起電池交換的概念，意味著讓電池提供成為服務，而這將對未來電動車的產業鏈、商業模式產生很大變革。以台灣來說，可看到Gogoro主推的電池更換服務帶來的話題，除了背後技術帶來的產業發展，亦可看到服務面對生活帶來影響。 Gogoro副總經理彭明義談到，地球環境不斷改變，而空氣汙染議題近兩年討論熱度加溫，可看到全球有700萬人死因來自於空氣汙染，其中更有590萬人位於東南亞與西太平洋地區。以台灣地區來看，因呼吸相關癌症死亡人數約8,600人，相對約2,000人死於機動車輛的交通事故。 因應節能減碳　各國吹禁售燃油車風潮 為了改善上述問題，許多國家已提出禁售傳統燃油車法案，期能推動電動車、插電式混合動力車(PHEV)等環保車輛，以取代傳統燃油車，因應汽車對環境帶來的汙染問題，而此舉也進一步促進電動車應用市場快速成形。 聯合國氣候變化大會達成巴黎協議，為限制溫室氣體排放訂下目標，同意把全球平均氣溫升幅控制在攝氏2度之內。而由於CO2濃度快速上升，導致氣候明顯暖化，根據ICCT調查，各國針對車輛訂定嚴格油耗法規，降低CO2排放量。舉例來說，歐盟規定2020年每公升須能行駛25.8公里，其油耗標準非常嚴格，現有內燃機引擎技術難因應未來5~10年油耗法規，促使車廠朝汽車電動化發展因應政策。 成本/續航力/充電站　電動車普及三大關鍵 電動車市場正急速起飛，2017年全球電動車銷量超過123萬輛，較2016年大幅成長57%。其中中國大陸、美國、挪威、日本與德國為前五大銷售國。在此趨勢之下，電動車發展起飛最關鍵的重點可分為三大要點。車輛研究測試中心協理王正健分析，成本、續航力與充電站等三大要素是影響電動車是否能普及的關鍵要素。基於此，各國正積極布建充電站，車廠與政府持續對重要路線規畫充電站；而根據研究機構報告顯示，目前由美國擁有最多充電站，而日本則在快充數量領先全球；預計到了2026年，全球充電站數量將超過220萬。 台達電處長艾祖華認為，充電柱目前遇到最大挑戰在於軟體、系統整合問題。舉例來說，在歐洲地區，充電系統橫跨不同國家與電信商，如何規畫不同通訊平台，整合不同電信業的漫遊系統，甚至將各廠商的充電柱呈現在APP中，實為一大挑戰。此外，硬體上也可看到充電槍的接口規格標準多元，若要符合各種標準，相對的成本上也會隨之而升。整體上充電柱的槍頭標準、電壓與後台通訊系統，皆與軟體息息相關(圖2)。 圖2　電動車充電後端系統與APP設計流程圖 資料來源：台達電 充電站與基礎建設的設計關係緊密。例如，許多住在公寓中的居民，難以在家中進行電動車充電，因為一般家中，可支援的電力約5~7Kw，若再加上一個充電柱，極有可能產生跳電風險，也因此充電問題層出不窮，需要基礎建設跟著改善。可看到市場上已有許多充電柱廠商與建商合作，於地下室整體規畫充電站設置。 充電站延伸出充電時間與基礎建設設計的不方便性，也促使一些廠商期能透過換電池的方式，增加電動車運作的方便性。 電池交換服務當紅　智慧能源概念興起 電池交換服務的概念與現在使用燃油汽/機車使用的概念一樣，只是將「加油」轉變成電池交換，藉此補充能源，實際運作時間約六秒鐘，加快能源取得速度。 信璽國際執行長賴世墉表示，在電動機車產業上，經常面臨車輛充電耗時、電池太重、電池安全、電池成本高、機車騎行距離續航與行駛狀況等問題。舉例來說，光是電池費用就占電動機車成本的60%，且電池僅能支撐3~5年的時間。 延續上述問題，為了解決電池對電動車帶來的影響，彭明義談到，該公司透過電池交換的商業模式，由自己管理電池的方式，在電池上提供更好安全性，並透過NFC交換電池資訊，從而分析使用者的使用模式，包含行駛時間、距離、加速狀態等，以了解車況是否正常，並藉此推薦更適合消費者的使用方案。同時，得以有效確保電池安全性，而用戶也毋須煩惱保養電池的問題。 整體而言，Gogoro認為，打造智慧機車需滿足四項條件，第一是滿足使用者過去在燃油機車的使用習慣，目前台灣有90%車輛是100~125c.c的車輛，故電動機車的速度需要滿足與125c.c相等的等級；第二是良好的操控性；第三為電車與燃油車行駛的行駛距離差異必須縮短，一般燃油機車行駛約100公里需要加油，依照比例，電動機車的設計也需同樣支援行駛100公里距離；最後，則是滿足創新需求。 電動機車產業除了在機車方面不斷提升之外，在基礎建設的配合也須面面俱到。能海電能科技總技術長朱國權認為，服務才是台灣電動車產業最終的機會。台灣應該從業界裡面，將每個汽/機車交換站或充電站的據點變成大數據，將這些數據資料轉換成有用的資訊，建立新的商業價值。舉例來說，台灣各地都設有加油站，加油的每張發票都有紀錄著數據資料，包含加油時間、位置與當地天候資料，而這些大數據蒐集而來的資料，得以轉變成更貼近消費者的配套方案。 解決插拔問題　汽車無線充電受矚目 WiTricity大中華區總經理曹元蓀表示，各國已將傳統汽油車改用電動車轉換設定期限，而要推動電動車應用除了在電池效能、整體成本外，充電插拔是個有待解決的重要問題，也使得汽車導入無線充電的應用備受矚目。 曹元蓀談到，現已有許多國外廠商將電動車充電走向無線化，包含本田(Honda)、豐田(Toyota)、通用汽車(GM)、奧迪(Audi)與BMW等皆朝著這個方向前進，期能在沒有插頭的狀況下，透過無線充電技術達到與傳統充電一樣的效率，同時又能保障充電安全問題。 為了實現此目標，WiTricity透過磁共振技術，提供汽車大廠媲美有線充電的無線充電技術，目前該公司已可實現點對點90~93%以上電池充電效率，且該公司的標準技術可允許前後偏差10cm，左右偏差7.5mm的充電偏差位置，現已與TDK、Toyota、IHI、APTIV、BRUSA等公司合作。 無線充電汽車已非遙不可及的夢想，韓國現代汽車於2018年瑞士日內瓦車展已展示無線充電系統，而BMW也已有3.3千瓦的無線充電系統支援，並預計朝7千瓦、11千瓦的容量邁進。 不過，曹元蓀表示，無線充電技術要成功，需要一個標準規範。美國SAE早於2011年即開始制定無線充電標準，規範無線電頻率、安全設計、通用性以及電磁相容規範等標準；此外，IEC主要制定於地面端的標準，而ISO則是制定車輛端的規範。另外，中國大陸也於2015年開始制定相關標準。 整體而言，目前一級車廠皆有SOP量產無線充電車型的規畫，從2018~2020年，將會看到不同的無線充電車型。 汽車行駛關乎人命，當然相關的法規標準制定也不容小覷，隨著汽車電子化發展，車輛電子的重要規範ISO 26262地位也逐日提升。工研院機械所副所長陽毅平談到，車輛行駛過程中，其危險性的原因需要層層抽絲剝繭，找出哪個元件所導致，而符合規範也非常重要，包含電子控制單元(ECU)與視訊編解碼器單元(VCU)皆須符合ISO 26262。 交通運輸新趨勢　共享汽車概念逐步起飛 王正健表示，未來汽車產業將逐漸轉型，自駕車將走向電動化，故須控制耗電量與成本，也基於此，在自駕車的時代，未來買房不見得需要配備車位，汽車可自行開往較遠的停車場停車；此外，透過車隊管理公司掌管汽車的租賃模式，共享汽車概念也將隨之而起。 除了電動汽車之外，電動機車也正朝著共享的概念發展。目前也以有電動機車廠商以機車租賃的商業模式運行。其昜電動車科技總經理龔子琪表示，該公司以開發出智慧共享電動機車租賃系統，透過行動裝置實現預約租車、充電還車與支付扣款。 龔子琪談到，電動車的售價高於燃油車且環境建置不夠友善(如充電站不足)，加上消費者對於後續維護成本的疑慮，使得消費者在購買上產生遲疑。除此之外，可看到台灣機車數量高達1,360萬台，機車密度為全球第一，而這些機車卻有95%時間閒置在停車場，不僅間接壓縮城市空間，同時也造成嚴重的空氣汙染。為改善上述狀況，以租賃的模式改變機車的使用方式，不失為一項解套的方針。 根據歐美統計，一台共享車輛可替代10~15台自有車輛。換言之，100台共享電動車，即可替代1,000台自有燃油機車，可迅速降低PM2.5，並減少900台車輛製造的碳足跡，反映了共享經濟帶來的減碳效果不容忽視。

亞馬遜投入人工智慧的研發跟應用已有多年歷史，例如其電商網站上的購物推薦引擎，就是以機器學習技術來驅動。這項技術不僅為亞馬遜帶來更多銷售業績，同時也從根本上改變了該公司的倉儲作業跟未來產品發展方向。如今，亞馬遜有意全面推動人工智慧的普及應用，但對其生態系夥伴來說，最大的考驗恐怕是自己的商業模式，要如何跟亞馬遜一樣，實現以AI為核心的轉型。 從專家到普羅大眾都能開發AI應用 AWS方案架構部亞太區新興技術主管Olivier Klein(圖1)表示，亞馬遜發展機器學習(ML)等人工智慧技術，已經有很長一段時間。在亞馬遜電商網站上的推薦引擎，就是該公司第一個由機器學習技術來驅動的應用，其後問世的Echo智慧音箱等新產品，也是該技術的延伸。 圖1　亞馬遜AWS方案架構部亞太區新興技術主管Olivier Klein表示，機器學習已經環繞在你我的生活周遭，只是一般大眾未必意識到它的存在。 在AI需求爆發之際，在相關領域已經耕耘多年的亞馬遜，決定從三個層次來推動AI應用的進一步普及。這三個層次可分成「資料科學家的AI」、「應用開發者的AI」以及「普羅大眾的AI」。 資料科學家的AI方案主要著重在AWS支援的框架跟介面，包含TensorFlow、Caffe2、Torch、Keras等，讓資料科學家可以用其最熟悉或最有效率的框架來分析資料，作為AI應用發展的基礎。應用開發者的AI則是一系列能讓開發人員快速建模、部署深度學習模型的平台跟產品，包含Amazon SageMaker、深度學習相機DeepLens(圖2)。至於普羅大眾的AI，則是一系列已經打包好的應用程式，使用者只要呼叫API，就可以直接取用相關功能，例如提供影像識別功能的Rekognition、負責將語音轉換成文字的Amazon Transcribe、或是反過來將文字轉成語音的Amazon Polly，以及可用來快速開發聊天機器人的Amazon Lex等。 圖2　亞馬遜為機器學習開發者設計的DeepLens深度學習相機。 DeepLens是亞馬遜本次在台唯一展示的硬體產品，該產品本質上是一台攝影機，但可以將其所接收到的影像訊號直接傳送到AWS平台，執行深度學習和電腦視覺運算，並以Rekognition來分析畫面，因此能夠即時辨識物件。值得一提的是，DeepLens已預先安裝Apache MXNet的最佳化版本，因此可以在裝置上執行任何深度學習架構，包括TensorFlow和Caffe2。這也帶出另外一個熱門議題，直接在邊緣裝置上執行模型推論。 針對邊緣推論需求，亞馬遜提出的方案名為AWS Greengrass。該軟體具備雲端資料同步、快取等功能，但最值得注意的是，該軟體可以跟在AWS雲端上訓練好的模型銜接，讓邊緣裝置利用該模型進行推論，而非利用雲端資料中心的運算資源來推論。 AI改變亞馬遜　台廠準備好了嗎？ 作為AI應用跟技術發展的領導者，亞馬遜已經發展出一條龍式的人工智慧解決方案，大幅降低AI應用開發的難度。但AI這項技術對亞馬遜而言不只是產品跟服務，其本身的日常營運也受到AI很大的影響。 眾所周知，亞馬遜是一家電子商務公司，因此，如何刺激消費者在自家網站上購買更多產品，顯然是最重要的課題。對此，亞馬遜利用機器學習技術開發出推薦引擎，讓消費者在購買或瀏覽某項商品時，會連帶看到其他相關產品的推播資訊，進而達成讓消費者買更多的目的。 有在亞馬遜網站上購物經驗的人，應該都知道亞馬遜網站的推薦引擎不會只推同類產品或相關產品，有時推薦引擎甚至會推風馬牛不相及的產品。不過，很奇妙的是，對某類產品有興趣的消費者，就是有很大的機率會對看似沒有關聯性的產品有興趣，最後一起打包結帳。這就是大數據分析跟機器學習的威力。 但這種由推薦引擎造成的消費模式改變，卻會對亞馬遜的倉儲物流作業造成很大的負擔，因為消費者購買的品項會有很大的歧異，如果倉儲配置還是像圖書館一般，按照產品屬性分門別類安置在貨架上，檢貨作業會浪費很多時間。因為檢貨機器人得橫跨龐大的倉庫，搬運好幾個貨架到打包區，檢貨人員才能拿齊某筆訂單所購買的全部商品。 因此，在導入推薦引擎後，亞馬遜的倉儲就不再依照產品屬性來存放商品，而是以一筆訂單內含品項的機率來安排產品的擺放位置。越有可能出現在同一筆訂單的產品，彼此擺放的距離就越近，甚至是直接放在同一個貨架上，讓檢貨機器人可以用最快速度把所需要的產品全部送到檢貨人員手上。 就像AI改變了亞馬遜的倉儲體系，有意擁抱AI的台灣硬體廠商，未來勢必也會面臨類似的問題。其中，最明顯的挑戰是亞馬遜AWS的商業模式所帶來的變革。亞馬遜AWS的商業模式是以使用量計費，這意味著採用亞馬遜解決方案的硬體產品，很難採用一次賣斷的商業模式，因為這些產品在其生命週期中，會不斷衍生出必須支付給亞馬遜的費用。硬體製造商如果想藉由亞馬遜提供的方案快速切入AI應用市場，勢必要摸索出新的商業模式。 對硬體業者來說，如果能精算出產品在其生命週期中AWS服務的使用量，進而將成本費用反映在硬體售價中，輔以加值訂閱服務來滿足少數重量級用戶的需求，將是對現有商業模式影響最小的做法。蘋果(Apple)的硬體產品搭配iCloud，就是這種模式的典型案例。然而，對硬體製造商來說，推估產品的生命週期本身就已經有一定難度，不同用戶的使用量變異性更大，要精準估算出相關成本，恐怕得先累積足夠的用戶資料，並輔以大數據分析技術才有機會實現。 另一種可能的商業模式則是把AI相關應用直接當作需要額外付費的服務來銷售。這種商業模式就像Gogoro除了賣電動機車之外，也經營電池交換業務；或是印表機、事務機業者除了賣機器之外，也賣碳粉、墨水等耗材。對硬體業者來說，這種商業模式可以創造持續的現金流，但要說服消費者接受的難度也更高。 近期威聯通(QNAP)與亞馬遜AWS合作，讓自家的NAS設備透過其二次開發套件QIoT Suite Lite與亞馬遜Greengrass對接，則是一種折衷方案。威聯通銷售的產品仍是NAS設備，但該開發套件已經預先整合了AWS Greengrass，使用者如果要使用AWS的服務，必須先自行申辦好AWS帳號，若有任何衍生費用，自然是用戶跟亞馬遜AWS之間的事，硬體製造商不須涉入。不過，這種模式的鎖定客群顯然是B2B或專業用戶，對一般消費性硬體產品來說，可能不太適用。 不論如何，硬體業者朝服務轉型是科技產業的未來趨勢，也是每家硬體製造商都需面對的課題。用服務為硬體加值，是硬體業者改賺服務財必然要走的第一步，至於要如何變現，則是真正的挑戰所在。舉例來說，宏碁幾年前曾大力推廣的自建雲(BYOC)概念，希望用服務來為硬體加值。雖然相關業務在B2B領域取得一定進展，但針對一般消費者設計的BYOC應用，因為一直找不到可以獲利的商業模式，故近期已宣告將終止服務。同理可證，硬體廠商若要在自家產品上整合亞馬遜的AI、ML解決方案，如何找到可行的商業模式，將非常關鍵。

自2017年起，各大終端品牌與面板廠在有機發光二極體(Organic Light Emitting Diode, OLED)的布局成為業界關注焦點。尤其是在中小尺寸螢幕市場，在iPhone X導入OLED面板之後，後續的使用者體驗情況與蘋果(Apple)是否將持續使用OLED螢幕等等決策變化，都是各界的關注焦點。 目前，液晶顯示器(Liquid Crystal Display, LCD)與OLED顯示器相比，依然有著明顯的成本優勢；在往4K、8K高畫質推進的路上，該陣營廠商更是積極投入。然而，軟性AMOLED可彎曲、摺疊的特性，也是眾國際大廠積極布局專利的戰場。 大廠布局重要專利　可摺疊手機盼今年面市 在柔性AMOLED顯示器市場，曲面顯示器已率先量產，今年更有望看到首款可摺疊OLED手機問市。除了三星電子(Samsung Electronics)與京東方(BOE)持續在該領域技術耕耘之外，手機大廠摩托羅拉(Motorola)更於日前傳出開始布局相關專利。 早在2013年，三星電子便展示了可彎曲與可摺疊的智慧型手機螢幕，曲面的OLED顯示器也早已量產，儘管許多大廠已紛紛展示可摺疊的OLED顯示技術，但也未見終端手機品牌量產計畫。然而，隨著可彎曲的軟性AMOLED顯示螢幕已迅速導入高階手機市場，曲面顯示器所帶來的創新外型更有助於提高產品的利潤。因此，面板廠商對於提供差異化產品的意願也越來越高。IHS顯示研究總經理謝勤益指出，以目前現狀看來，第一批具備可摺疊AMOLED螢幕的智慧型手機將有望在2018年年底推出。 可摺疊顯示器可以做到180度對摺，並具有許多不同的摺疊型式，諸如G型或是Z型的二維摺疊。然而摺疊如何不損傷內部組件、以及如何避免摺痕與變形將是很大的技術挑戰。摩托羅拉已於2018年6月14日獲得美國專利商標局的專利，名為「可摺疊顯示器的永久變形恢復方法(Method to Recover Permanent Set in A Foldable Display)」，是一項讓OLED可頻繁彎曲的重要專利。看得出來摩托羅拉正試圖打造更加耐用的可摺疊智慧型手機。 另一方面，中國京東方也已開發出7.56英寸2048×1536ppi的可折疊AMOLED顯示器樣品，其彎曲半徑為5mm，並可以彎曲10萬次而不會斷裂。京東方預計將於今年開始供應華為可摺疊AMOLED顯示器。與此同時，友達也開發出了5英寸1280×720ppi AMOLED顯示器，雙向皆可彎曲，其彎曲半徑為4mm，並能彎曲超過150萬次。 目前，智慧型手機品牌對於擴大螢幕尺寸與比例相當重視，希望能夠提供手機最大尺寸螢幕。而可摺疊的顯示器將可能結合智慧型手機的隨身特性，以及平板電腦的大螢幕優勢。然而，由於該技術的生產過程非常複雜，因此售價可能將會偏高，成為消費者購入時的重大考量。 OLED平板/筆電將上場　產能利用率大幅提升 由於Apple iPhone X的出貨量低於預期，三星SDC(Samsung SDC)OLED顯示器的產能利用率大幅下降。然而，根據顯示器研究機構DSCC(Display Supply Chain...

Arm核心的開放讓32位元MCU開發成本持續降低，晶片價格也隨之下降，並逐漸瓜分高階16位元MCU市場；而8位元MCU由於價格低廉，目前仍有廣大低階應用市場，且隨著效能提升，也漸能滿足較為低階的16位元MCU應用需求，也因此，16位元MCU在現今市場發展可說備受挑戰。 不過，Thomsen認為，16位元和32位元MCU仍有市場區隔。8位元和16位元MCU的設計導向都較以硬體為中心，而32位元MCU則較偏重軟體設計，如圖像使用者(GUI)介面設計。因此，若終端產品較重視軟體設計，32位元會是較好的選擇；但如果產品偏向硬體設計，或要滿足控制迴路較多的應用，則該選擇16位元的MCU，因為16位元MCU可達到最佳的硬體設計效果。 為此，Microchip近期也宣布推出首款雙核心16位元DSC--dsPIC33CH，該控制器採用單晶片、雙內核dsPIC DSC的配置，可滿足高階嵌入式控制應用的設計和系統開發。據悉，該產品的兩個內核一個是主核，一個是副核。副核用於執行對時間需求型的專用控制程式碼，主核負責運行使用者介面、系統監控和通訊功能，專為終端應用量身定做。 然而，Microchip發布業界首款雙核心MCU，是否意味著要與32位元MCU競爭，未來16位元雙核心MCU將成主流？對此，Thomsen指出，雙核心可監控彼此間的狀況，確保更穩定、高效的運作，這會是Microchip旗下16位元產品繼續發展的方向之一；但這類產品是否會成為主流，端看終端製造商反應，若反應相當好，相信連競爭對手都會投入發展，那未來雙核心的16位元MCU勢將越來越多。 Microchip MCU16業務部副總裁Joe Thomsen認為，面臨8位元和32位元競爭，硬體市場將是未來16位元MCU發展利基。  

  資策會MIC資深產業分析師林柏齊 歐盟CitySDK計畫推動Open API 歐盟在Open API的發展主要為推出CitySDK(Service Development Kit)計畫，目前參與的城市包括阿姆斯特丹、巴塞隆納、赫爾辛基、伊斯坦堡、拉米亞、里斯本、曼徹斯特及羅馬，其中也包含了民間企業，研究機構以及各大學。 負責CitySDK開發與推動者，包括赫爾辛基市的數位服務部門Forum Virium Helsinki、曼徹斯特的創新實驗室FutureEverything，以及阿姆斯特丹的藝術與科技研究組織Waag Society等。 CitySDK是城市開發人員的「服務開發工具包」，目的在於協調統一城市中各式API，此計畫著力於城市的參與、行動及旅遊等三大領域，故相關API應運而生，包含Open311 API、Linked data API和Tourism API等。 上列三者API，分別用來連結不同的資料類型。以Open311 API為例，其用於統一規範公共問題回報的資料，與傳統的一對一通訊方式不同，透過Open 311規範發布的資料，在回報問題時能包含位置訊息，也可以搜尋已經提交的回報問題，並能追蹤現在的處理進度，相較於傳統回報資料過程更有互動性。 再以Linked Data API為例，則是用於介接鏈接開放數據(Linked Open Data, LOD)，主要用於像是「移動數據」，像是公車、火車、地鐵等等交通數據。至於Tourism API用來串接旅遊相關資料，像是城市之中正在舉辦的活動的資料，或是知名景點資料等等，提供市民、旅客景點搜尋等服務。 CitySDK對於城市發展的優點，在於許多開發者對於城市發展有許多的好想法，提供標準化的API，可以使其大幅減低開發時間，各個城市之間有統一性的規範時，也可以使得進步可以快速擴張。 值得一提的是，由於阿姆斯特丹是CitySDK計畫中，各項API的第一試點城市，因此大多數的示範案例皆是用荷蘭或是阿姆斯特丹市現有的成果展現，其他的參與城市即是利用荷蘭的案例，複製試點而成。 然而，CitySDK在發展過程中也遭遇了一些挑戰。例如，統一城市間溝通資料的共通標準是一個棘手的問題，若試圖要跨不同國家或城市來統合這些城市應用服務時，需要共同完成這個目標，往往需要冗長的流程及多人參與，故建立夠用的語意標註和說明將是一個權衡下的替代方式。 ．案例一：赫爾辛基市民事件回報應用FixMyStreet FixMystreet為赫爾辛基市所推出的開放式問題報告API，係利用CitySDK推出的市民事件回報API所設計，當街道有破損、路面坑洞，或是路標指示牌故障、塗鴉時，便可以透過這個回饋型的API回報。該服務在2012年3月啟用，由標準化Open311技術提供支持。 ．案例二：里斯本旅遊指南Spot-in-Lisbon CitySDK Tourism API由負責里斯本試點的團隊開發，自2013年5月以來已公開發布，介接里斯本市政府收集的數據。該API已被芬蘭開發者用於創建Spot-in-Lisbon，這是一款Android應用程式，為里斯本市提供旅遊指南，允許用戶通過類別搜索本市提供的興趣點(Points of Interest,...

人類文明正在朝全面電氣化的方向邁進，未來人們食衣住行育樂對電力的依賴將只增不減。電動車、電動機車等交通工具的全面電氣化，只是這個大趨勢的一部分，但對馬達相關應用業者來說，光是電動載具所帶來的商機，就已大到難以估計。 機會與挑戰總是相伴而生，在全面電氣化的社會裡，馬達應用將無所不在，但對相關應用開發商來說，如何降低開發成本、加快開發速度，以滿足更多變的市場需求，是最大的挑戰之一。唯有半導體業者、模擬工具商與馬達製造商攜手合作才能克服。 實現驅控一體設計　FPGA功能整合發威 安馳科技專案經理李冠民(圖1)指出，傳統上，馬達系統的控制跟驅動是分開的，控制的任務是由可編程邏輯控制器(PLC)來負責，驅動則由電力驅動單元(Electric Drive)來執行。但隨著半導體技術進步，晶片的整合能力越來越強，現在馬達系統的驅動跟控制已可以用單一晶片來實現。 圖1　安馳科技專案經理李冠民指出，新一代FPGA的整合能力，讓馬達驅控一體設計成為可能。 以賽靈思(Xilinx)推出的Zynq 7000 SoC為例，該元件跟傳統的FPGA有很大不同。傳統FPGA只提供大量邏輯單元，但Zynq 7000除了邏輯單元外，還有Cortex-A9核心、每秒取樣率達100萬次的12位元類比數位轉換器(ADC)等硬體單元。有了這些硬體單元，加上賽靈思提供的開源參考設計，開發者可以輕鬆實現驅控一體設計。 李冠民分析，驅控一體設計對馬達應用開發商來說，最明顯的好處在於設計更為簡化。以工業領域的馬達應用為例，以往的驅動控制板都採取多晶片設計，最基本款的控制板會使用中央處理器(CPU)搭配數位訊號處理器(DSP)的設計架構，高階版本則是CPU、DSP再加上FPGA，這使得控制板的設計跟走線變得十分複雜。但內含Cortex-A9核心的Zynq 7000可以直接取代CPU跟DSP，加上其本身具備的可編程邏輯資源，開發者還可額外針對某些算法實現硬體加速。 除了簡化設計外，對於某些對可靠度十分注重的馬達應用，以FPGA來實現其驅動控制，還可帶來一個額外的好處--滿足功能安全標準的需求。 首先，賽靈思的FPGA元件跟相關開發工具，在設計過程中，就已經滿足了IEC 61508-2010/ISO 26262-8-2011等國際標準對功能安全的需求。其次，FPGA內的邏輯資源也可以用來增加系統的功能安全，例如用邏輯資源來實作另一個異質架構的處理器，讓該處理器跟Cortex-A9的運算結果彼此參照，可進一步確保FPGA輸出的控制命令是正確可靠的。 李冠民總結說，對使用者來說，FPGA最大的優勢跟價值還是在靈活。因為可編程邏輯資源讓開發者可以視其需求來運用，不管是要提升功能安全或做演算法加速，或是有其他功能需求，都可以藉此實現。而FPGA難以開發的缺點，在近幾年也有很大的改變。現在賽靈思提供的開發環境比以往更友善，而且賽靈思本身也提供更多參考設計平台跟程式範本，讓使用者不用從零開始設計。這些都有助於推動FPGA在馬達應用上更加普及。 專家系統進駐MCU　馬達驅動開發更省力 除了FPGA之外，微控制器(MCU)在馬達驅動/控制應用中，也是十分常見的選擇，且由於其成本相對低廉，因此其應用範疇更廣。從洗衣機、冰箱等消費性電子，到工業馬達、車用馬達等領域，都能看到MCU的蹤影。隨著馬達技術不斷翻新，MCU進化腳步也不曾停歇。 恩智浦半導體(NXP)大中華區微控制器事業部市場經理李唐山(圖2)表示，馬達應用的種類非常多元，從家電、無人機到工業、汽車，都會用到馬達。這也意味著馬達本身就是一種多元化的產品，其對應的驅動、控制需求也是五花八門。作為MCU供應商，對應的解決方案數量當然也不會少。 圖2　恩智浦半導體大中華區微控制器事業部市場經理李唐山表示，馬達應用琳瑯滿目，適用的MCU解決方案也有所不同。 目前恩智浦旗下共有KV、DSC、KE與i.MX RT四大類MCU可以應用在馬達驅控上，各自有不同的目標市場。KV是內建ARM核心的MCU，並具有各式各樣的週邊跟介面，能滿足大多數馬達驅控需求；DSC則是原飛思卡爾(Freescale)的產品線，以DSP為基礎，主要面向高性能馬達驅控市場；KE則是以高性價比為主要訴求，具有眾多GPIO跟大容量Flash，鎖定通用型的馬達控制。i.MX RT的定位則比較特別，該系列晶片不僅內建Cortex-M7 CPU，而且還整合了LCD顯示跟音訊介面，適用在複雜的高階應用。 對馬達應用來說，耗電量與成本是終端產品製造商及使用者最關心的議題，因此，馬達雖然已經是很古老的技術，但為了追求上述目標，業界仍不斷發展新的馬達架構。在今明兩年，有一種名為永磁輔助同步磁阻(PMASR)的新型馬達即將開始運用在洗衣機這類家電產品上。 李唐山分析，這種新馬達的效率極高，而且結構簡單、稀土用量少、量產成本低，因此其應用前景備受矚目。但因為這種馬達只使用非常少量磁鐵，因此其驅動控制演算法的開發難度非常高，導致這種馬達的應用難以量產。但經過近幾年的努力，目前恩智浦已成功開發出適用在這類馬達上的弱磁演算法，並已申請專利。該演算法將可在部分KV跟DSC系列MCU上執行。 除了因應新型馬達所開發的解決方案外，為了簡化馬達應用的開發難度，恩智浦還開發了名為Kinetis Motor Suite(KMS)的馬達驅動開發套件。該套件可視為馬達驅動/控制的專家系統，所有馬達配置和控制都可以透過圖形化介面跟API來進行，即便是對馬達驅動不甚熟悉的新手工程師，在KMS的輔助下，也可以輕鬆上手開發。 模擬工具協助應用開發經濟效益不容小看 傳統上，各種產品的開發流程大致上都遵守設計、打樣、測試、量產的步驟，並且在前三個步驟不斷重複循環，待樣品的規格跟功能表現符合設計需求，才會進入量產。但隨著電腦模擬的能力跟精準度越來越高，在模擬環境中進行產品開發跟測試，已經是更有經濟效益的選擇。 安矽思科技(Ansys)應用工程師茆尚勳(圖3)認為，電氣化是未來人類科技發展的重要趨勢，許多原本不以電作為動力來源的產品，未來都會電氣化。在各類應用中，交通工具的電氣化最為明顯。原本使用汽油的汽車與機車，都已經開始掀起電氣化浪潮，這也意味著原本扮演輔助角色的馬達，不僅使用數量越來越多，在系統中所扮演的角色也會更加吃重。 圖3　安矽思科技應用工程師茆尚勳指出，在電氣化的浪潮衝擊下，馬達應用的開發過程將更加虛擬化。 對馬達設計製造商來說，這當然是個有利的趨勢，但隨著馬達的應用領域越來越廣，市場對馬達規格的需求也變得更多元。馬達設計製造商如果還用傳統的開發流程來設計產品，產品開發成本只會節節高升，而且開發週期還會拉長。 茆尚勳解釋，因為未來的馬達要滿足更嚴格的節能要求，從傳統直接驅動改為變頻驅動將是必然趨勢，但變頻驅動基本上是電子控制領域的專業，馬達本體則是機械設計專業。這意味著馬達製造商跟相關應用開發商，都必須找出提升跨部門協作效率的方法。 為解決馬達應用相關產業目前所遭遇的挑戰，Ansys提出以模擬展開馬達設計開發的新方法論。在傳統開發流程中，產品必須先做出原型，然後上動力機進行測試，取得各種必要參數或發現設計問題後，再回過頭修改設計。如此反覆進行，直到產品功能符合預期，可以量產上市為止。除了測試的時間跟成本外，光是製作原型就得花費新台幣數百萬元。 但透過Ansys完整涵蓋電路設計、電磁、熱分析的模擬工具來進行，設計人員可以在虛擬環境中發現產品設計可能出現的問題，並提前予以修改，因此產品開發速度可以明顯加快，更可省下昂貴的開模費用。茆尚勳估計，業者若願意投資模擬工具，只要開發兩款新的馬達就可回收。 除了經濟效益顯著外，以模擬來展開馬達應用設計還有另一個好處，就是同步完成數位雙胞胎(Digital Twins)的建置，因為應用開發或產品設計的過程，就是為實體產品建立虛擬模型的過程，當產品進入量產後，先前建置好的模型就是該產品的數位雙胞胎。若輔以工業物聯網跟感測器，從實際產品上收集資料，此模型就能用來提供產品故障的早期預警，實現預防性維護。 法規節能要求只增不減重型馬達邁向IE4 除了馬達設計與應用開發的方法正在面臨新變革之外，由於馬達是全球耗電量最大的電氣產品，因此世界各國政府均對馬達的效率展開緊迫盯人，藉由法規強制要求，讓未來的馬達能具備更高效率。因此，大型工業用馬達的本體設計也在與時俱進，並特別針對直流驅動的未來趨勢做好準備。 西門子(Siemens)大型驅動部門產品經理鄭志鴻(圖4)指出，用來驅動各種工業設備的大型馬達，其耗電量是非常可觀的。據統計，全世界大概有超過四成電力被用來驅動各種工業設備，而其中馬達所消耗的電力又占最大宗，因此世界各國對於大型馬達一直採取緊迫盯人的態度，希望藉由更嚴格的法規要求，提高馬達的效率，減少耗電量。 圖4　西門子大型驅動部門產品經理鄭志鴻指出，由於大型馬達消耗大量電力，因此世界各國大多對馬達的效率訂有強制性規範。 對於大型馬達，目前全球一共有三大主流標準，分別是歐盟的IE標準、美國的NEMA標準與中國的國標(GB)標準。這三大標準彼此之間大致可以互相對應，例如歐盟的IE2級相當於NEMA的Energy Efficient級、GB的第三級；IE3則相當於NEMA的Premium Efficiency級、GB的第二級。至於IE4，目前NEMA沒有對應的等級，但中國的GB第一級，已相當於IE4。台灣對於馬達能源效率的要求大致上依循歐盟標準。 為了追求更高的馬達效率，西門子在轉子、軸心與散熱上下了許多功夫。舉例來說，在大型馬達的轉子上，如果漆包線的纏繞越緊密，則效率越高；軸心材質的含銅量增加，也有助於提升馬達的效率。西門子目前已量產滿足IE4規範的馬達，可進一步滿足未來IE5規範的馬達，也已經研發完成，其主要改良就在漆包線纏繞跟軸心用料上。不過，漆包線纏得越緊密，表示漆包線用量越多，會對製造成本造成衝擊；同樣的，在軸心使用含銅比例更高的合金，也會使馬達的生產成本上升。 至於散熱，更是每家馬達製造業者都必須嚴肅面對的問題，因為熱是馬達最大的敵人。漆包線的電阻跟溫度成正比，當溫度上升，線路的電阻會增加，導致輸出功率下降。但馬達為了輸出足夠的功率來推動負載，會增加電流，這又會進一步造成更大的銅損，導致溫度上升，形成惡性循環。因此，高效率馬達通常會搭配冷卻風扇，來確保馬達本體的散熱性。 不過，鄭志鴻指出，近年來變頻驅動架構越來越流行，馬達的散熱設計也必須做出因應調整，才能實現良好的散熱。在變頻驅動架構下，馬達全速運轉的時間其實很短，大多數時候都是怠速運轉，但傳統的馬達風扇是同步風扇，也就是轉子在帶動軸心旋轉時，會同步帶動風扇旋轉，因此當馬達怠速時，風扇產生的氣流往往不足以冷卻馬達。久而久之，馬達的壽命會受到不小影響。解決之道就是把同步風扇改成主動風扇，確保馬達在任何時刻都有足夠的冷卻氣流。

人才培育為實現工業復興關鍵 達梭系統大中華區總裁張鷹提到，在投入推動智慧工業的多年經驗中，觀察到若是要實現工業復興，最大的挑戰是在人才的培育。在所有的科技到位之後，唯有好的產業人才投入，才能夠使該技術的影響力持續擴大。 工業復興的概念包含了模擬分析、虛實整合系統(Cyber-Physical System, CPS)、物聯網、雲端、巨量資料、智慧機械手臂系統等等多種軟硬體技術的整合。正是因為如此，台中市政府積極與達梭系統展開合作，更於2017年成立了「智慧製造試營運場域」。期盼在此試營運場域內，串連大台中地區機械業群聚之能量。張鷹強調，該場域不僅是最新工業技術的示範園區，更期盼能藉由各類技術的整合示範，進而達到「孵化器」的目的。 張鷹進一步說明，目前全球各國皆在大力推廣類似的概念；例如中國製造2025、德國的工業4.0等等。而台中市的執行力更是在大中華區首屈一指，自2017年6月達梭系統與台中市政府簽訂戰略框架後，至今已能看見相關計畫開始推動。 圖1　達梭系統大中華區總裁張鷹(右)提到，實現工業復興最大的挑戰是在人才培育。圖左為台中市政府經濟發展局專門委員江振瑋。 培育工業人才從高中職開始 台中市政府經濟發展局專門委員江振瑋認為，各行各業都缺乏專業人才，也常常聽到台灣製造業主抱怨機械業培育了非常多人才，甚至投入很多資源於在職訓練，然而人才依然以電子業為優先的就業選項。江振瑋進一步指出，據統計台灣一年只有9,000名工學院畢業生，而這些畢業生其實並無法滿足營造、土木、電子電機等等所有的工業需求。 因此，江振瑋表示，台中市政府在和中部27所大學合作，成立智慧機械大學聯盟之後，下一步計畫將是積極與技職體系合作。近期，台中市政府正積極與大甲高工、台中高工等技職學院接洽合作。 江振瑋認為，儘管在高中、高職階段，很難將過於深入、專業的技術納入課程之中，然而卻可以透過適當的課程讓高中職學生對於製造業就業環境具有相關的想像，以了解未來若是投入該領域可以實現何種理想。 江振瑋近一步說明，目前技職高工體系的管理權限已回歸到市政府教育局，因此，台中市政府亦開始與技職體系的教育課程密切合作。除了實體教材的重新整合之外，與達梭系統合作之後，也開始能導入AR/VR相關的虛擬數位化教材。 江振瑋補充，人才的培育是「智慧製造試營運場域」的重要任務之一。因此，在該場域設置了人工智慧(AI)與智慧製造創新學院。除了自主開設課程之外，也和經濟部、教育局、勞動部合作，舉辦智慧機械人才的培育課程。不僅是在教室授課，配合該場域的設置，更能夠提供各種精良的設備以供實體操作。也和達梭系統合作，提供了CPS、AR/VR的應用，讓教材更數位化。 從中心大廠開始推廣　衛星廠數位化更順暢 張鷹認為，由於政府的大力推動，可以預期台灣工業製造的發展在未來三年內能夠產生更大規模的進步。在以往，達梭系統所提供的軟體方案多與漢翔航太這樣的大型企業合作，然而近年來大量的新創產業與中小企業出現，因此協助中小型製造業者轉型，也是未來台中市政府與達梭系統共同的推廣方向。 由現有的大型合作廠商開始推廣至其衛星供應鏈，這將會是未來智慧製造滲透進中小企業的好方法。張鷹提到，達梭系統將製造產業領域分為12大類，其中包含航太、汽車、造船、生物科技等等，儘管航太的智慧製造轉型發展較早，然而在未來12個產業將同步推動，智慧製造技術將遍地開花。 江振瑋說明，目前台中市政府針對中小企業提出了許多輔導與補助，例如「青年創業一條龍」計畫，包含研發補助申請、貸款申請、創業小聚，就連創業相關的經營管理、稅務、法務也皆有推出培訓課程。

也由於智慧路燈的應用存在非常發散的想像空間，因此智慧路燈建置的前置作業必然十分複雜。台北市政府已宣示將推動智慧路燈建置，但目前還有許多執行細節其實尚未確定。資訊局會與各部門和產業界攜手合作，盡快把平台底層跟遊戲規則的框架制定清楚，並持續推動概念驗證，以便將智慧路燈的應用潛力發揮到最大。 智慧路燈前置作業千頭萬緒 台北市政府資訊局局長李維斌表示，路燈智慧化是智慧城市應用落實不可或缺的要素。藉由將各種資/通訊設備、感測節點與路燈共桿，無線網路的服務涵蓋跟品質將可以做得更好，而且還可以取得許多環境參數，例如人/車流量、空氣品質等，做為市府發現問題，進而設法改善的重要依據。另一方面，與燈桿共構的資通訊設備，也可以提供各種商業服務，促進產業跟經濟發展，並且讓服務提供者得以永續經營。 但也因為政府跟產業界對智慧路燈的期望跟想法十分發散，因此這個案子要進入實際建置，必須經過很長的討論，概念驗證的工作也必不可少。事實上，針對智慧路燈一案，目前資訊局跟台北智慧城市專案辦公室還有許多底層的工作要進行。 舉例來說，智慧路燈上附掛的各種電子設備都要用電，但目前台電只會在天黑後為路燈供電，白天是不供電的。光是這點，資訊局跟公園路燈管理處、台電就有很多協調工作要做，智慧路燈上的設備才能不間斷運作；而這些設備的電費帳單要怎麼算，則又是另一個需要討論問題。 另一方面，目前智慧路燈的燈桿設計也還沒有完全定案。位於內湖的實驗性智慧路燈採取外掛式設計，設備都外掛在燈桿外；但位在松山健康路跟三民路口的智慧路燈則採取內包式設計，設備會藏在燈桿內。這兩種設計各有優缺點，因此李維斌認為，未來很可能會視路燈所處環境採用不同的設計。但不管是外掛式或內包式，燈桿的設計細節都還需要跟供應商進一步討論。 至於在資料標準化方面，為了讓智慧路燈上所取得的感測器資料能夠互通，並便於進一步利用，統一資料格式標準有其必要。目前資訊局正在和台灣資通訊產業標準聯盟合作，制定能和國際OGC標準銜接的資料格式標準。 而在網路服務部分，有業界人士認為，智慧路燈將成為電信業者的兵家必爭之地。不管是要實現Wi-Fi分流、架設微型基地台或遠端天線(RRH)以強化4G行動通訊網路涵蓋，路燈都是非常理想的設備布建地點，因此電信業者料將對智慧路燈有很高的興趣。但這也意味著智慧路燈必須要有一定水準的回程/前傳線路(Backhaul/Fronthaul)頻寬，否則上述寬頻通訊設備即便布建到位，也是無用武之地。這也意味著資訊局必須跟電信業者攜手合作，而且網路建設的工程恐怕不小。 Sigfox/LoRa恐遭邊緣化 對此，李維斌指出，在網路通訊服務部分，資訊局確實跟電信業者有緊密的合作關係，但現階段應該會先以頻寬需求較小的NB-IoT網路為主。也因為如此，智慧路燈不一定每一盞燈都得布建實體線路，對於沒有外掛寬頻通訊設備的燈桿，採用Mesh網路拓撲來連接，也是可行的辦法。預計在第三季，北市府就會跟電信業者合作，在信義區開始布建NB-IoT實驗網路。 至於LoRa，雖然先前台北市也曾經為LoRa設立實驗場域，但目前看起來，只有少數利基型應用是成功的，例如翡翠水庫的智慧管理系統、河川水位監測。因此，在人口稠密地區的應用，未來應該會是以NB-IoT為主。但NB-IoT能不能支援智慧三表(水表/電表/瓦斯表)這種市場規模龐大的應用，還是得試了才知道。三表的安裝位置通常不會是開放空間，而且深入曲折巷弄，對無線通訊技術來說是很艱困的環境。 雖然李維斌話講得很含蓄，但筆者認為，業界人士不宜對LoRa、Sigfox等LPWAN技術的未來抱持太大信心。理由很單純，人潮就是錢潮，商業價值最高的市中心精華地帶，發展商業應用服務的潛力也最大，而這塊地盤已經被NB-IoT所佔據。 中華電信技術執行副總林國豐指出，無線網路的建置要從應用服務需求反推。先確定智慧路燈要提供哪些服務，然後再來思考該如何用最具成本效益的方式來進行網路布建。在智慧路燈這個合作案，中華電信目前準備端出智慧燈控、即時車流分析、智慧安防等應用，並且會用自家研發的IoT聯網平台作為資訊整合的後台。 但除了智慧燈控是所有智慧路燈都需要支援的基本功能外，車流分析、治安死角監控等應用，只會出現在某些特定場域，基地台設備也不會每支燈桿上都有。因此，林國豐認為，大多數智慧路燈其實不需要具備基地台等級的寬頻回程線路，只要用NB-IoT就足以提供穩定、可靠又低成本的網路連線。這也可以為中華電在進行網路布建時，提供很多彈性選項。 NB-IoT成為智慧路燈的標準配備，也意味著該標準將在LPWAN市場上取得極有利的競爭地位。智慧路燈是規模動輒數萬盞的大型專案，跟工業、農業等垂直應用相比，更具備創造規模經濟效應的能力。 業界人士表示，目前在LPWAN市場上，NB-IoT後來居上的態勢已經相當明顯。幾年前，由於電信業者沒有提供LPWAN服務，因此LoRa跟Sigfox等LPWAN標準還有很大的發展空間，但現在不只在台灣，世界各地的電信業者都已陸續投入NB-IoT，網路設備跟及終端裝置的需求量也跟著大幅上升。長此以往，NB-IoT解決方案的成本將會明顯下降，進一步促進其應用普及。LoRa跟Sigfox等其他LPWAN技術，未來可能只有在某些利基型應用有發展空間。 2019年展開布建　概念驗證持續進行 李維斌總結說，智慧路燈是推動智慧城市的重要基礎，也因為如此，更講究分工合作跟跨領域溝通，如此才能確保市府搭建出來的平台，能為上層的應用開發帶來幫助。資訊局的主要任務是做好底層硬體平台，並且把相關遊戲制定清楚，讓有意投入開發相關應用服務的廠商有所依循。 這是個需要花很多時間去推動的工作，而且工作項目十分繁複，因此2018年大概只能把基本規範定義清楚，2019年才有機會著手展開布建。但在此同時，各種實驗性計畫跟概念驗證工作會持續進行，以探索智慧路燈的各種應用可能性。 台北市副市長林榮欽則指出，自2019年起，台北市將開始進行智慧路燈布建，當年度預計將布建1.2萬盞智慧路燈，預算則為新台幣1.4億元。2020年則預計將布建9,000盞智慧路燈，預算約新台幣1億元。若這兩年布建的成果良好，需求增加，到2021年時，北市會推動智慧路燈的全面布建，將剩下的9萬盞路燈也升級為智慧路燈。據統計，目前台北市總共有16萬盞路燈，但其中有些路燈位置較為偏遠，可能不會有智慧化的需求，因此北市府評估後認為，台北市智慧路燈的需求總量應該在11萬盞上下。 從北市府規劃的布建規模跟預算來看，這些智慧路燈的造價其實跟現有路燈相去不遠。台北市政府提供的公開資料顯示，目前台北市所使用的路燈，依照燈桿高度不同，單價分別為新台幣9,000多元、1.25萬元與3.12萬元，而且此報價不含地下管線埋設費用。換言之，北市府的智慧路燈計畫顯然不包含網路建設，特別是與行動基地台息息相關的回程線路。 事實上，在電信民營化之後，網路建置已不全然是政府的責任，政府只需制定公平開放的遊戲規則，讓各家業者都能進駐到燈桿上，業者自然會解決網路問題。因為對業者來說，智慧路燈是布建網路基礎設備的理想站點，特別是在5G跟物聯網世代，為了實現理想的訊號涵蓋，遍布大街小巷的路燈，肯定是兵家必爭之地。

當我第一次使用Google搜尋引擎的時候，我心中也有著同樣的震撼。只要輸入幾個關鍵字，就能夠得到想要的資訊？這在當時是多麼神奇的體驗！時至今日，Google更建立了2,000萬本書籍的檔案，只要輸入關鍵字，便能夠搜尋所有書籍裡面的內容。不僅如此，現在甚至連街景都能夠被搜尋，輸入關鍵字，就能看見你想去的地方。 Google所提供的搜尋服務不斷在進化，使用者對Google的預期也隨之越來越高。在過去兩年來，個人化的搜尋需求已經成長了60%，個人化的推薦系統功能儼然成為了現在使用者最需要的服務。 深度學習相挺　Google Play驚人數據分析有效率 舉例而言，在Google Play上有超過100萬個應用程式，在2017年更達到了820億的應用程式下載量，而在190多個國家中，有超過十億以上使用者在30天內曾使用Google Play。以使用者的角度來說，絕對會希望打開手機看見的就是與自身有關的資訊。若要徹底分析不同使用者的喜好、需求，再推薦相關的資訊給使用者，大家可以想像，如此龐大的資料量，將會動用到大規模的運算能量；這也就是Google必須使用深度學習來協助推薦系統建置的原因之一。另外，透過機器學習的協助，更能優化所有產品的介面。 以機器學習的角度來看，Google就是在建立一個函數，在輸入使用者資訊之後，能夠藉由運算分析得出一個結果。傳統的推薦方式是將使用者與應用程式配對，藉由使用者對於應用程式的喜好與評分，進而推測使用者偏好；這是一個二維向量的思考方式。然而，隨著單一使用者擁有多種裝置的情況逐漸普及，使用情境也開始擴大、變得複雜，形成一個由使用者、使用情境與應用程式所構成的三維向量，若又要能做到即時無延遲的推薦，勢必只有機器學習能夠解決這個問題。事實也證明，透過機器學習模型加入使用情境後，Google Play上應用程式的安裝率已有效提升了3.3%。 加入情境考量　個人化推薦系統再添挑戰 如同上文所提到，使用情境是推薦系統建構過程的一大挑戰(圖1)。一個使用者在智慧型手機與平板電腦上所習慣使用的應用程式可能大有不同，因此對於個人化推薦的需求也隨之有所改變。舉例而言，一個使用者在平板電腦上因為螢幕較大，可能有較多觀看影片、電影的需求；而在智慧型手機上，則是即時通訊與查收電子郵件的需求較多。因此，在不同設備上會有安裝不同應用程式的需求。 圖1　使用情境是推薦系統建構過程的一大挑戰。 若是將情境因素納入個人化推薦系統的考量之後，使用者的使用時段也將成為運算的重要考量。例如，使用者在晚間或許會較偏好使用遊戲類的應用程式，早上則是對於新聞類的應用程式較感興趣。又像是前段時間流行的精靈寶可夢遊戲，在風潮過後大家使用的頻率可能相對減少。這些動態性的時間因素，也會提高個人化推薦系統的建置困難度。 加入因果關係考量　推薦系統將再加分 要建立個人化推薦系統，必須結合以上提到的使用者、使用情境、使用時段與應用程式項目綜合配對考量。除此之外，通常在單一事件中，規模將與次數成反比，也就是所謂的冪次定律(Power Law)。在Google Play的案例中，指的是有80%的資料量是由20%的重度使用者提供，如果透過傳統研究方式去設計推薦模型，會讓重度使用者的意見在系統中被考量的比重較大(圖2)。因此，在Google團隊建置推薦系統時，也必須要平衡冪次定律(Power Law)所帶來的影響。 圖2　Google團隊建置推薦系統時，也必須要平衡冪次定律(Power Law)所帶來的影響。 另一方面，精進個人化推薦系統的另一要訣，是必須要重視變數間的因果關係(Causality)，而不只是考量變數之間的相關性(Correlation)。許多統計人員常將數據分析的重點擺放在相關性，這在個人化推薦系統的建置過程中是不夠的，更必須要考量變數之間的因果關係(圖3)。 圖3　精進個人化推薦系統的另一要訣，是必須要重視變數間的因果關係，而不只是考量變數之間的相關性。 在過去5年中，我持續思考著「如何判斷因果關係」這個難題。光是探討這個問題，在一年之中恐怕就有100篇以上的論文產出。雖然大部分的因果關係都是以時間為主要考量，但其實光是考量時間還不夠。真正要了解因果關係，必須執行不同的A/B測試(AB Test)，在不同的時間與情境之中，提供A或B選項讓使用者選擇。許多資料研究都是在做這件事情，用以推斷因果關係如何形成。 (本文由Google AI首席科學家紀懷新口述，記者程倚華整理)