市場分析

這五項邊緣運算伺服器的發展趨勢分別為：「超融合技術與功能介面整合」、「靈活運算架構與節點多層化」、「軟體定義與虛擬化技術強化」、「開放化硬體架構與軟體堆棧」、「小型與防震型等環境適應力」。上述趨勢將持續牽引2019年第三、第四季之後的邊緣運算伺服器產品，與整體產業生態系的發展走向。 超融合技術與功能介面整合 智慧聯網需求差異性高，邊緣位置必須在離線、沒有核心數據中心的支持情境之下，還能夠獨立執行現場的分析、分派任務；此外，為了讓客戶或使用者可以更加便捷地使用伺服器設備，因此，如何降低使用的成本與使用複雜性成為關鍵因素，這也推動邊緣運算伺服器產品朝向「超融合」(Hyperconvergence)發展。 包括思科(Cisco)的PowerEdge R740、XR2與聯想的ThinkSystem SE350等產品皆應用了「超融合」來陳述自身的產品，大約可以分為兩種主要內涵： 第一，運算、儲存、網路功能的超融合，此三種技術的融合形成了「超融合基礎建設」(Hyperconverged Infrastructure, HCI)，此一架構具有快速布署、彈性擴充特性。 第二，隨著現場數據量的大量增加，並且在運算成本的考量下，藉由分散式系統軟體，將多個邊緣運算伺服器形成「叢集」是相對較佳的解決方案，然而，此一種叢集化的解決方案，賴於是否能依據現場的環境資源與使用模式(如工控、電源配置模式)，進行靈活性調度與處理，這進一步推動了資訊技術(Information Technology)與操作技術(Operation Technology, OT)的融合，邊緣運算伺服器便是融合的載體。 上述兩項內涵之中，又以IT、OT的融合最為重要，其更被視為邊緣運算能否在不同「現場」(Field)進行大規模布署與管理的關鍵因素，尤以是在設備、次系統數量愈多、愈複雜的場域，更尤其需要IT、OT端的融合。「超融合」的發展趨勢之下，除了將影響了邊緣運算伺服器產品設計，也將整合企業內部IT、OT(如工業控制)原先屬於不同部門的合作與分工模式。 靈活運算架構與節點多層化 邊緣運算伺服器與傳統地方型伺服器的差別之一，在於邊緣運算伺服器所強調的並非封閉性的系統情境，而是可以按照不同的設備、通訊需求，進行多層的運算架構設計；也就是藉由數據、服務品質來判斷資訊數據分析與運算位置，並且因應不同的事件類型，運算位置可在雲端、邊緣來進行靈活性的調整與分派。 AWS的Snowball Edge產品，便是靈活型運算架構的具現，然而，不僅AWS此種雲端服務提供商，幾乎所有邊緣運算伺服器布局業者，皆強調「伺服器」是介於雲端、終端之間的「節點」。屬於「雲端服務提供商」、「網通設備提供商」的不同業者，對於靈活型運算架構有兩種不同內涵： 第一，雲端服務提供商，對於邊緣運算伺服器功能，特重於雲端與邊緣的資料遷移能力，對於雲端服務而言，邊緣運算伺服器所能提供的服務，較類似於「朵雲」(Cloudlets)，也就是考量客戶負擔的成本，以及就近客戶布署的需求，所創造的雲端服務延伸。 第二，網通設備提供商，對於邊緣運算伺服器的功能，則較強調現場基礎建設建構，因此，相對於雲端服務提供商，比較側重於如何藉由「叢集」來串聯終端的運算資源池。 上述兩項不同的內涵，在2019年之後已有匯流的情況，並且「雲端服務提供商」、「網通設備提供商」在5G、智慧製造等情境之下，已有日益增加的策略合作。不過，值得注意的是，不同使用情境的設備、數據異質性差異甚大，因此不同的服務情境將會有不同的層級架構，如何掌握現場設備數據生成與傳輸特性，藉由擬定「數據政策」來設計多層級運算架構，會是延伸課題所在。 軟體定義與虛擬化技術強化 藉由邊緣運算功能介面來觀察，可以發現邊緣運算與雲端運算，架構上最大差異之一在於邊緣運算除了有「垂直」層級關係，亦有「水平」層級關係，然而複雜層級關係已非傳統伺服器、閘道器、路由器所能因應，因此「虛擬化」與「軟體定義」便成為依賴的技術選項。 包括研華、Supermicro、聯想等對於自身邊緣運算伺服器產品的陳述，皆直接聚焦在虛擬化、軟體定義兩項技術，兩者主要目標，皆是希望超過硬體限制，讓整體網路中的運算效率提升。兩項技術內涵縱然不同，但彼此卻密不可分。 虛擬化技術，可以進一步將運算、儲存與網路資源虛擬化，在邊緣的位置上形成一個資源池，最常應用的是網路功能虛擬化(Network Functions Virtualization, NFV)，其將網路節點分割成為數個功能區塊，有利於動態規劃「封包傳輸路徑」，達到動態負載平衡。 軟體定義技術則可以視為是整體基礎建設的軟體控制機制，藉此可以將上述的「虛擬資源」分配給資源取用者，可進一步分為軟體定義網路(Software Defined Storage, SDS)與軟體定義儲存(Software Defined Network, SDN)。 虛擬化與軟體定義技術被視為5G電信數據封包核心網路(Evolved Packet Core Networks, EPC)的主幹，會有這樣的演變，除了設備異質性提高之外，主要推動力是服務提供商必須針對不同使用者需求，來彈性設定傳輸網路與傳輸路徑。邊緣運算伺服器作為基礎建設重要的節點，需要支援或具備「虛擬化」與「軟體定義」技術，讓整體網路更具備彈性化與可擴充性，同時也可降低運算基礎建設的建置成本。 開放化硬體架構與軟體堆疊 強調去中心、分散化的邊緣運算架構，也嘗試定義新的產業生態系，而受到開源文化影響開放硬體、開源軟體思考逐漸被電信服務提供商、雲端服務提供商所接納，影響下世代邊緣運算伺服器產品設計思考，主要目標在於建構具有協同作業的架構與環境，以及增加設備與平台的互通性。 諾基亞(Nokia)在2018年提出的Airframe Open Edge...

CEA-Leti執行長Emmanuel Sabonnadiere表示，SOI技術有多種衍生型，從適合邏輯電路與類比電路使用的FD-SOI，到適合射頻元件使用的RF-SOI、以及專為功率半導體應用需求開發的Power-SOI， SOI材料的應用涵蓋範圍極大，並獲得意法半導體(ST)、恩智浦(NXP)、格芯和三星(Samsung)等半導體業者採用。 雖然格芯近期已宣布停止發展先進製程技術，但CEA-Leti跟SOI生態圈裡的眾多合作夥伴，還是會持續推動SOI製程微縮，並搭配其他新的技術，如嵌入式非揮發記憶體、3D整合跟新的設計工具，讓SOI繼續往前邁進。 事實上，邊緣AI晶片很適合使用SOI製程來生產，因為邊緣AI晶片對功耗/性能比的要求很高，而且常常涉及到運算跟感測器的整合，這些需求都與SOI的特性跟優勢正好一致。此外，相較於FinFET，FD-SOI有一個很重要的特色，就是可以動態調整邏輯電路的工作點，不像FinFET，在設計階段就必須在高效能跟低功耗之間做出取捨。這對於簡化類比電路設計，也能帶來很大的優勢。 不過，半導體產業終究是一個需要規模經濟來支撐的產業，如果沒有健全的生態系統，即便技術特性再優異，還是很難在商業上取得進一步成功。因此，CEA-Leti未來會跟合作夥伴推出更多配套技術，讓SOI製程的應用得以更加普及。 CEA-Leti執行長Emmanuel Sabonnadiere指出，SOI製程有許多特性，正好迎合邊緣AI應用的需求。  

中興事件結束之後不到兩年，中美貿易戰白熱化，這次有更多中國科技廠商遭到禁運處置。然而中國在這兩年間並沒有發展出真正意義上完全自有的產品，舉例來說，現時所謂自有處理器架構，基本上都還是來自於Arm、MIPS或者是X86的授權。 AI方案火熱，雖然中國業者紛紛設計自己的加速晶片，但上面執行的依然是來自Google、Facebook的框架，而自產AI加速晶片依然是以老舊的脈動陣列(Systolic Array)架構為主，只是在周邊或者是記憶體的使用進行調整，沒有獨有的專利或其他特殊之處，因此在中國市場，即便針對雲端AI運算的ASIC加速方案此起彼落，但NVIDIA的GPU方案依然占據高達九成的市場。 中國前兩年的自有潮流雖不能說完全沒有發揮作用，但效果相當不明顯。 也因此，當出現了RISC-V這個彈性高、免授權費，且商用機會大的架構之後，整個市場也紛紛投入研究與開發，推動相關生態的發展。 RISC-V衝擊既有處理器IP授權生態 前面也提到，在核心的處理器架構方面，Arm、MIPS以及X86仍是中國處理器方案的主流，2017年之前總和占據接近百分之百的市場。 不過在2018年，情況開始有了改變，RISC-V正式進入中國市場，雖然在此之前就有部份中國晶片業者使用RISC-V指令集設計產品，但因為市場不熟悉該架構，應用並不廣。而隨著中國RISC-V聯盟的成立，以及SiFive攜手晶心進入中國市場，SiFive也在中國成立SiFive China獨立子公司，主導在中國的業務發展，一時之間掀起了廣大的開源架構風潮。 SiFive或晶心賣的是已經設計好的IP，採用他們設計好的架構需要支付授權費，但是SiFive以及其他RISC-V的IP供應者，都只收取一次性的授權費用，往後晶片生產就不需要根據銷售量額外支付一定比重權利金。而若廠商技術能力足夠，也可以直接拿RISC-V指令集來發展自己的架構，而RISC-V指令集還定義了擴展指令集，只要符合規定，廠商可以自行定義相關指令集的內容和形式，形成高度客製化的方案。 重要的是，採用此法設計出來的處理器產品完全不需要支付任何授權費或者是支付權利金，相較之下，如果使用同樣的授權方式，採用Arm的指令集來客製化自己的處理器，以最高階的方案為例，入門費用和授權費用可能就需要高達數千萬美元，更不用說後續權利金的收取。 然而，指令集雖免費，還是需要有其他外部成本的配合才能形成產品，且多數中國晶片設計業者都沒有自行使用指令集來設計處理器架構的能力，因此最終還是只能買現成的IP，但不論如何，較低的授權費，以及不需要權利金的先天優勢之下，開源架構的概念在中國瞬間火紅了起來，包含華為海思、阿里巴巴等超過300家科技業者都加入相關的聯盟或者是投入架構發展。 Arm首當其衝　因應策略效果仍待觀察 既然看到「免費」商機，既有的處理器IP業者也緊張了起來，Arm在處理器IP供應市場中獨占鼇頭已久，當免費指令集當道，自然受傷也最重。 對客戶而言，一來隨著晶片銷售額的成長，如影隨形的權利金會成為獲利殺手，另一方面，客戶其實也不願意讓Arm藉由收取權利金的理由對自己的銷售成績瞭若指掌。採用免授權金的架構，那麼一來節省成本，二來又可以確保市場成績不被Arm知悉。 為了因應挑戰，Arm在授權策略也進行了一定的調整和改變，比如說過去客戶選擇一種特定的晶片設計方案時，必須預先支付一定數量的許可費，價格可能從幾萬美元到數百萬美元，之後在晶片投產後按晶片數量再收取授權費以及權利金。 但對於晶片公司來說，準備好送到晶片代工工廠的最終設計方案可能需要半年至一年的時間才能完善，客戶在晶片實際開始交付之前很久就支付了大筆預付款，對營運成本造成壓力，中大型企業可能還有其他業務收入支撐，小型企業可能根本無法負擔。 為此，Arm宣佈了一項新收費模式，晶片製造商可以較低的一次性費用獲得約該公司四分之三的技術和晶片設計方案組合。後續，只有當晶片準備好生產並開始發貨時，才需要向Arm支付許可證費用和專利費。 作為IP授權業界的老大哥，Arm在生態、開發工具以及製造方面的支援不是免費架構所能相提並論，但如果坐看競爭者蠶食市場，那最終生態優勢可能會被翻轉過來，為此而進行的策略轉變看來只是收費順序的轉換，多數IC設計業者可能不會有太多感覺，但是在中小型業者身上應該可以發揮一定作用，只是效果仍待觀察。 MIPS與IBM跟進免費授權 也由於免費指令集掀起廣泛的討論，業界也認為其可創造的商業價值不下於傳統的Arm授權方式，就連過去也走Arm授權模式的MIPS和Power Architecture也加入了免費指令集的行列。 MIPS是個具有非常悠久歷史的架構，過去在高性能運算、網通設備以及各類嵌入式架構產品中非常普遍，而在特定的技術領域方面，比如說單一核心多執行緒的設計也要優於Arm。然而在Arm架構的侵略之下，市場不斷喪失，加上商業策略失敗，導致目前僅能退守少數應用領域，且仍不斷被Arm架構所侵蝕。 而在遭遇市場挫折之後，一度被Imagination所收購，但Imagination在MIPS生態上並沒有很好的開發出更廣泛的應用，加上和蘋果的合作將在不久候終止，可能會喪失大筆收入來源的Imagination也只好斷尾求生，將MIPS買給美國新創公司Wave Computing，隨後也將自己賣給了中資公司。 MIPS在今年稍早提出了指令集免費授權方案，同時也免除了權利金的收取，同時也將中國市場的經營權授權給芯聯芯，這個作法其實和SiFive在中國創立獨立公司，以及Arm在中國創立Arm mini China有著異曲同工之妙。 而IBM也在8月宣布透過OpenPower基金會開放Power Architecture，同樣採用類似RISC-V的授權模式。二者除了指令集免費授權以外，也提供了既有的IP授權模式，但同時免除了權利金的收取，希望能仿照RISC-V掀起的熱潮，藉此取得更大的市場空間。 Power架構過去在高性能計算領域一直擁有重要地位，只是市場參與者太少，基本上就是IBM自己在玩，雖然在不少技術特性方面可和英特爾一較高下，但巧婦難為無米之炊，截至目前為止，其在相關市場的占有率也不過在1%左右。 過去Power架構一直是由OpenPower基金會在推動，提供類似Arm架構的授權方式，在收費方面一直也都比Arm架構低，但因為應用冷門，且缺乏廣泛的軟體支援，市場應用者少之又少，而其近年在中國市場的耕耘也被其他如RISC-V等聲量更大的開放架構所掩蓋，為了避免進一步被邊緣化，IBM也決定跟隨RISC-V以及MIPS的腳步，開放其指令集。 而這次所謂的開放，就是要效法RISC-V，在指令集層級的使用方面完全免除版稅。另一方面，為了強調Power架構在周邊IP的完整性，同時讓指令集授權可以更快速轉換成可商用產品，除了開放原始碼的Power架構指令集之外，IBM 還將提供多種其它技術，包括 Power架構的軟核實現(Softcore Implementation)、與架構無關的開放式相干加速處理器介面(OpenCAPI)、以開放式記憶體介面(OMI)的參考設計。 國際IP授權商在中國展開切割布局 目前貿易戰打得火熱，這些IP業者，除了Arm以外，其原始指令集架構的發明都是來自美國，而即便是Arm，也有多個IP研發團隊在美國，因此，不論是指令集，或者是IP架構，都可能會踩到美國的貿易限制，如果貿易戰全面開打，那麼以上這些IP授權業者恐怕必須馬上退出中國市場。 為了避免這種最壞的狀況發生，這些公司採用了在中國設立獨立運作的公司，或者將經營權授權給當地公司，若母公司受到禁運限制，那麼理論上在中國的子公司還能持續以現有的指令集基礎開發IP，並提供授權服務。 RISC-V基金會曾表示，即便在最壞的情況下，指令集不會遭受禁運限制。而在此前提下，若自行以開源指令集開發IP，不論未來貿易戰發展到什麼程度，基本上都不會受到影響。 目前SiFive就在中國開設了一家獨立營運的公司，而MIPS則是將IP的授權及營運授權給中國本地的公司，就如Arm在中國和當地政府合資創立Arm mini China子公司一樣，都是為了規避貿易戰風險。 然而是否真能完全避免貿易戰的影響，恐怕還是要取決於美國對技術輸出的態度，若連上游製造都涵蓋進去，即便有獨立的經營體系，恐怕還是難逃制裁。 RISC-V發展最快　MIPS/IBM仍待觀察 目前RISC-V架構在中國已經建立起聯盟，進入中國市場的相關IP供應者也有不少，台灣晶心、芯原，以及最近最受關注的SiFive，都已經積極布局相關市場，提出不少方案。前不久阿里巴巴旗下的平頭哥發表基於RISC-V的高性能IP玄鐵910，可以達到16核配置，並可在2.5GHz的時脈下運作，而其IP和自訂的擴充指令集都將完全開放，這也代表中國隊RISC-V，除了既有IP供應業者之外，也積極布局完全自有的IP，這對SiFive之類的業者而言也都是挑戰。 雖然平頭哥的架構與IBM或者Arm的高性能架構比較起來還是明顯不足，但也已經是RISC-V中少見的高性能架構了。不過目前該架構仍然還在驗證與測試階段，短時間之內沒有商用的可能，但這也已經代表中國廠商希望以RISC-V布局更廣應用的決心。 若以整體局勢觀察，RISC-V目前氣勢的確強大，但實際商用腳步仍僅限小規模低功耗產品，整體市場表現以及相關產值仍遠遠落後於Arm，而MIPS及IBM之所以推出開放指令集授權方式，截擊的意味極重。 但考慮到目前RISC-V已經聚集了Google、高通、NVIDIA、三星、WD等一線半導體大廠，背後潛藏的研發能量極為龐大，若再慢一步，恐怕不久之後就連高性能計算也可能被RISC-V所取代，而這也是IBM決定在MIPS之後，跳進開放指令集架構處理器授權市場中的最大原因。 Arm壓力大　業務模式被迫調整 至於背腹受敵的Arm，雖然憑藉著成熟生態積極展開行銷戰，但既有授權模式以及指令客製化彈性的缺乏，使其面對這些開源架構，也逐漸落於下風，其主要客戶都已經逐漸轉向RISC-V。 雖然主要的運算核心，如高階Cortex-A系列仍然統治著行動運算領域，但低階的M系列，甚至針對即時運算的R系列，都面臨極嚴苛的挑戰，在RISC-V的壓力下，當初軟銀收購Arm時所誇下的海口，恐怕會複製當初伺服器市占宣言的窘況：Arm在幾年前曾宣稱要在2021年占據伺服器市場25%的比重，但至今仍未超過1%。 為了保住IoT市場的優勢，或許Arm會在未來提出更激進的授權計畫，不僅要打入更大的市場，也同時要阻擋免費架構繼續攻城掠地，影響Arm的市場布局。 在中國市場，Arm mini China主要針對的就是IoT市場，除了有自己的架構研發團隊，在授權條件上也要優於Arm全球的其他市場，然而中國市場雖大，如果因為其對中國市場的授權優惠而影響了其他國家的客戶，對Arm而言恐怕也是得不償失，也因此，或許Arm應該考慮改變授權形式，將預期營收來源轉移至其他服務部份。 事實上，Arm已經宣布有限度地支援客製化的指令集，與RISC-V頗有異曲同工之妙。通過Arm強大的設計能力來對抗RISC-V的其他IP競爭者，當然，這對於保守的Arm，肯定會是一大挑戰。

由於半導體晶片早已精密到無法用人力作業來生產，因此不管是晶圓製造或是封裝測試，絕大多數的製程步驟都是在設備內自動執行，這使得半導體產業先天上就是一個自動化程度遠高於其他產業的行業。 而在大數據分析、邊緣運算與人工智慧(AI)技術逐漸成熟後，許多半導體業者都已踏上從自動化邁向「智動化」的旅程。但在眾多機台設備全面聯網後，設備資安的問題也更加迫切，使得產業鏈必須快速提出標準化對策。 半導體設備資安標準化框架漸具雛形 對半導體產業而言，設備資安的問題早已存在多年，而且光靠一家廠商的力量，很難落實全面的防護。台積電資訊安全專案經理張啟煌(圖1)指出，根據統計，目前絕大多數還在線上運作的半導體設備機台，裡面所使用的作業系統都還是微軟(Microsoft)的Windows XP，而且更糟的是，即便半導體業者現在要購買新型機台，裡面所搭載的作業系統還是Windows XP。 圖1　台積電資訊安全專案經理張啟煌表示，為了確保生產效率，OT設備所使用的軟體在調整到最佳狀態後，會盡可能避免更動，因此OT設備的軟體慣性十分強大。 對於IT領域的資安工程師來說，這種情境或許很難想像，畢竟微軟早在很多年前就已經停止對Windows XP提供支援，若系統有新的漏洞被發現，也不會再提供修補或更新。但這在OT領域是司空見慣，因為機台上有很多跟生產製程、機台控制有關的軟體工具，如果機台的作業系統要從Windows XP升級到Windows 7或Windows 10，這些工具很可能會出現相容性問題，或是運作效率降低。此外，如果要在機台上安裝防毒軟體，設備運作效率會不會因此降低，也需要進行審慎評估。 對OT管理者來說，任何可能對生產效率產生負面影響的升級，都必須再三斟酌。這使得OT設備的軟體普遍都有非常強的慣性，半導體產業所使用的設備機台也不例外。 不過，由於惡意軟體、駭客攻擊越來越頻繁，加上半導體設備已經高度互聯，產業界不能再不拿出對策。因此，國際半導體產業協會(SEMI)已經成立了資安標準委員會，負責制定與半導體設備有關的資安標準框架，並已經取得初步共識，例如作業系統支援服務中止(EOS)後的處理方式、軟體更新服務的責任歸屬如何劃分、設備商應承擔的責任等。然而，由於資安威脅日新月異，因此這個框架還會持續演進，委員會也會持續邀請更多設備商及資安解決方案供應商加入討論。 對抗惡意軟體　白名單機制成基本防線 除了作業系統相關問題外，由於惡意程式的變種速度太快，只靠黑名單來把關已經沒有意義，因此包含工研院資通所所長闕志克、應材(Applied Materials)資安長Kannan Perumal、微軟現場網路安全技術長Diana Kelley及西門子(Siemens)全球客戶經理David Rogers都認同，針對OT設備的軟體管理權限，應該改用白名單機制來控管。 白名單權限控管可以分成很多個層次，從最基本的軟體安裝，到軟體安裝後，應用程式可以有哪些行為，不允許做哪些行為，以及應用程式更新後，白名單本身要如何做對應的控管等，每個環節都有一定程度的複雜性，每家廠商的做法也不盡相同。如應材是從供應商/第三方開始做源頭控管，西門子則是按照IEC 62443標準要求來進行。 但不論如何，對應用軟體進行更嚴格、更徹底的監控，是所有設備商跟軟體業者一致的態度。畢竟，隨著網路攻擊能造成的破壞跟經濟損失越來越大，激勵駭客發動攻擊的經濟誘因也開始出現，誘發更多攻擊事件。面對危機四伏的聯網世界，防禦方必須步步為營，小心謹慎。對IT人來說，這些都已經是常識，但OT領域的資安人，才正要開始學習這個功課，並調整應對心態。 邊緣運算/AI為智慧製造添加動能 針對智慧製造議題，聯電智慧製造處副處長吳京沛(圖2)開宗明義地說，半導體產業走向智慧製造，就是要藉由導入工業人工智慧(Industrial AI, IAI)，來提升生產效能並改善生產流程。目前半導體廠在資料的蒐集跟取得方面，已經大致不成問題，但從大量數據中萃取洞見，創造商業價值的過程，還是高度仰賴人力。IAI的價值，就是要把這些工作，例如資料可視化、數據分析改成用機器自動處理，降低資料科學家的工作負擔，並節省時間跟成本。 圖2　聯電智慧製造處副處長吳京沛認為，半導體產業必須用更智慧化的工具，來降低員工的工作負擔，並提高企業運作跟決策的效率。 把這些工作交由IAI代勞後，下一個發展重點則是把工程師腦中的領域知識(Domain Knowledge)跟大數據結合起來，讓IAI有能力幫人做決策工作，至於人的工作，則轉變成檢視IAI的決策品質，確保決策無誤，並將結果反饋回機器學習模型中，提升IAI的決策品質。 目前在半導體產業內，IAI最為人熟知的具體應用在於實現自動化缺陷分類、機台自動調校，以及利用AI來做虛擬檢測(Virtual Metrology)，加快晶圓的生產速度。無人工廠也是半導體業者正在努力發展的方向，畢竟無塵室並不是一個舒服的工作環境，要找到願意從事這種工作的人，將會越來越困難。 不過，對半導體產業來說，要導入IAI，還是有很多挑戰。除了資安疑慮、資料品質不好等所有AI應用都會遇到的共通問題外，半導體產業最獨特的挑戰在於，要用極有限的不良品資料訓練出推論準確率極高的模型。 半導體產業很多製程步驟的不良率都只有ppm(百萬分之一)等級，甚至還更低，這意味著半導體廠很難拿到足夠的不良樣品來訓練模型。但另一方面，半導體產業對模型推論準確度的要求又很高，因為IAI一次誤判，可能會讓公司付出極高代價。因此，結合規則式算法跟機器學習的混合式系統，會是比較可行的發展方向。另一方面，在應用布署的時候，還是要拿人來當比較基準，只有在機器判斷的準確率比人還高的環節，才值得布署IAI系統。 至於在設備端，包含科林研發(Lam Research)、ASM Pacific Technology、艾波比(ABB)、均豪精密，雖然專注的設備領域不同，但探討的主題都是機台的預防性維護、健康狀態/製程監控等議題。半導體大廠意法半導體(ST)也把主題放在預防性維護跟設備狀態監控上。 由於半導體產業所製造的產品都非常精密，因此對相關業者而言，不僅機台上的零部件飄移需要嚴密監控，甚至連零部件老化導致生產參數出現細微變化，都可能讓良率表現截然不同。這使得設備業者跟半導體製造業者，本來就非常需要掌握機台運作的即時狀況。只是，在數據分析技術成熟之前，大家都是按照經驗法則來排定歲修時程，而隨著人工智慧跟邊緣運算技術日益成熟，現在業界有了新的選擇。而且，每家業者都有志一同地強調邊緣運算架構，不會把原始資料傳到雲端去分析處理，而是在本機端直接用機器學習等AI技術完成資料分析，給出預測結果。 在眾家廠商英雄所見略同的情況下，在半導體走向智慧製造的過程中，邊緣運算所扮演的角色，將變得十分關鍵。 為專家賦能方可落實智慧製造 華邦電技術副總監李馥源(圖3)則為整個智慧製造論壇做總結，並指出所謂的智慧製造，就是一種為製造業解決問題、創造價值的手段。 圖3　華邦電技術副總監李馥源認為，為領域專家賦能，讓人的智慧固化成系統，是智慧製造落實的關鍵。 因此，智慧製造必須依照實際的製造需求，將自動化、商業智慧(Business Intelligence)與人工智慧結合。在這個過程中，企業內的IT部門、資料科學家、領域專家及外部供應商必須通力合作，才能讓計畫順利推動。 不過，在這個過程中，為領域專家賦能(Empowerment)，讓他們能夠將智慧製造有系統地建立起來，是最關鍵的，特別是對中小企業來說。這些領域包含商業智慧工具、資料分析平台/工具、機器人製程自動化以及作業流程。畢竟，所有智慧都來自於人，智慧製造能不能成功，關鍵就在於能否將人的智慧固化成系統。

Ansys MFEBU產品管理資深總監Steve Pytel(圖)表示，對產品設計者而言，在產品開發的過程中使用模擬工具，可以帶來加快開發速度、降低原型製作成本等優勢。而在智慧製造、工業4.0等概念興起後，模擬工具也開始被用在建置數位雙胞胎等工作上，成為產品生命週期管理的工具之一。這意味著模擬工具不只被運用在產品開發階段，在整個產品從布署到報廢的整個生命週期中，也扮演著一定的角色。 不過，若單就Pytel主管的產品領域--機構、流體與電子來說，模擬工具最大的價值還是在於加快設計速度跟降低原型建造成本。事實上，除了產品生命週期很短的消費性電子之外，很多原本設計週期很長的產業，例如汽車產業，現在產品開發的時程也被明顯壓縮。 而為了讓設計者有更多工具可用，進一步加快產品設計速度，Ansys在購併與策略結盟上動作頻頻。從2019年至今，已完成Helic跟Granta的購併案。Helic是一家提供電磁串音(Crosstalk)模擬與分析工具的業者，其技術對於發展5G毫米波通訊技術非常關鍵；Granta則是一家材料資料庫公司，提供與各種材料特性有關的資訊給設計者。 除了購併外，Ansys還有其他壯大生態圈的策略，例如近日該公司與Motor Design簽署合作協議，未來Ansys將成為Motor Design旗下Motor-CAD工具的經銷商。Motor-CAD是一款十分普及且簡單易用的馬達設計工具，可以用來計算馬達的電磁場、溫度與性能，再結合Ansys現有的模擬工具，可提供馬達開發者更完整的工具鏈。 Ansys MFEBU產品管理資深總監Steve Pytel認為，產品研發流程對模擬工具的依賴，將不斷提高。  

Vicor亞太區業務副總裁黃若煒表示，電源應用市場在最近幾年出現很明顯的變化，隨著資料中心、高效能運算的需求不斷成長，加上汽車電氣化的趨勢越來越明顯，不僅Vicor的客戶組成出現變化，客戶對電源模組的要求也跟著轉變。 以往，電源設計者對成本最為敏感，其次才是轉換效率跟電源系統的整體尺寸，但隨著應用需求的變化，現在的客戶對成本越來越不看重，尺寸跟轉換效率的重要性則明顯提高。 然而，這對電源模組來說，是很大的技術考驗。首先，外觀尺寸要非常小；其次，電源模組本身的電磁干擾(EMI)要非常低，否則會對處理器產生干擾。而這也是Vicor之所以能在專為AI運算設計的高階GPU加速卡上擁有獨占地位的原因。舉例來說，NVIDIA專為資料中心設計的GPU加速卡，板上的主要電源就是Vicor獨家供應。 也因為高效率跟低EMI，目前Vicor還有許多跟其他客戶合作開發中的次世代電源設計，例如直接把電源模組放在處理器基板的背面，甚至跟處理器用異質封裝整合在同一個封裝體內。 然而，也因為這類應用的市場規模很大，加上Vicor是獨家供應商，不可諱言的是，客戶對Vicor的保證供貨能力要求很高。因此，公司決定在資源投入上更聚焦在幾個特定領域，並且展開擴產。現有廠房的第二期擴建計畫已在進行中，第三期擴建則在計畫階段。此外，Vicor也在評估新的廠房地點，以便分散生產，降低風險。 Vicor亞太區業務副總裁黃若煒表示，電力電子的應用市場正在朝對Vicor有利的局面改變，公司的經營策略會更加聚焦。  

陸得斯科技(Rudolph Technologies)產品協理蔡孟樵(圖1)表示，在先進封裝結構日益複雜，單一封裝體內整合的晶片數量不斷增加之際，封裝廠對個別晶片的事前檢測，以及封裝成品的檢測需求，也跟著提高。如果封裝廠沒有在事前對晶粒進行全面檢測，萬一把故障的晶粒包進封裝，則整個封裝好的產品都會報廢。 圖1　陸得斯科技(Rudolph Technologies)產品協理蔡孟樵表示，先進封裝結構日益複雜，落實檢測對成本/良率的控管越來越重要。 另一方面，在晶片或封裝製程中產生的小瑕疵，有可能會隨著時間經過而惡化，導致整個元件失效。為了提高產品的可靠度，封裝廠必須導入更先進的檢測設備，才能抓到這些很容易被忽略的製程瑕疵。 晶粒檢測聚焦三大類瑕疵　 一般來說，封裝廠的晶片瑕疵檢測，主要聚焦在三大類瑕疵，一是晶片正面的髮絲裂縫，二是在晶圓切割後產生的邊牆(Side Wall)裂縫，三是晶粒背面的裂縫。其中，邊牆裂縫是最棘手的問題，因為這類裂縫位在晶粒的側面，很難用傳統可見光檢測發現，但這類裂縫在晶片封裝完成，上電運作後，會因為晶片不斷熱漲冷縮，導致裂縫越來越大，最終造成元件失效。 要精準抓到這類瑕疵，必須靠特殊的可見光設計並搭配紅外線檢測，但紅外線檢測的速度遠不如可見光，因此業界始終很難有效率地處理這類瑕疵。所幸，邊牆裂縫的出現，跟晶粒本身的線路布局有很高的關聯性，當晶粒中某些區域承受的應力特別大時，該區域出現邊牆裂縫的機率也會增加。因此，陸得斯發展出一套對應的工具，會針對晶粒中承受高應力的區域進行額外的紅外線輔助檢測，以便在對檢測速度影響最小的前提下，強化邊牆裂縫的檢出率。 至於晶粒背面的裂縫，則是雷射切割製程的衍生結果。雷射切割其實沒有真的把晶圓切割成一顆顆晶粒，而是用雷射讓切割線所在位置的晶圓材質變得較為脆弱，等晶圓背後貼上藍膜，進行晶圓擴張時，晶粒才會受力分割開來。這種新的切割法不會造成邊牆現象，但卻會使晶圓背面承受額外應力，進而導致晶粒背面出現裂縫。 因此，封裝廠如果採用雷射切割技術，雖然不需要擔心邊牆裂縫，卻得對晶粒的正反兩面都進行瑕疵檢測，以確保良率。針對背面檢測，有些檢測設備是採取雙面同步探測，但解析度不足是這類設備普遍存在的問題。因此，陸得斯並未採取這種設計架構，而是用把待測晶圓翻面的方法，以確保測試機台的解析度夠高，能準確偵測出這類瑕疵。 RDL日益複雜　螢光檢測讓問題一覽無遺 在完成晶粒檢測，進入封裝製程後，封裝廠目前在檢測方面所遇到的最主要挑戰，就是如何鎖定重布線層(RDL)的缺陷。特別是在RDL線寬間距(L/S)從10/10微米迅速微縮到2/2微米，且堆疊層數越來越多的情況下，有機聚合物材料(PI)上的光阻劑殘留跟金屬線路沉積殘留等缺陷偵測，都會變得更加困難。 針對這些問題，陸得斯使用獨特的螢光檢測方法一次解決。在某些特定波長的螢光照射下，光阻劑若有殘留，該區域會出現螢光反應，而在此同時，因為金屬材質不會反射螢光，在畫面上會形成黑暗區域，因此檢測人員可以很輕鬆地發現光阻劑跟金屬沉積的異常殘留。 矽中介層面積過大　精準對位要靠線掃描 如果封裝廠是使用矽中介層(Si-interposer)來進行先進封裝，例如台積電的CoWoS，要面對的技術挑戰，主要是在對位(Alignment)上。因為隨著晶片封裝尺寸越來越大，表面又缺乏可以參照對位的特徵，所以對AOI設備會是一個非常大的挑戰。 傳統的對位機台使用區域掃描技術，一次只能掃描固定面積的區域，也就是機台的FoV。但對大晶片而言，若FoV不夠大，則會導致檢測設備無法準確對位而導致量測結果產生誤差。是故，陸得斯採取線掃描的新作法，讓機台的FoV得以大幅擴張，並搭配自行研發的演算法讓提升對位的精準度並且進行有效量測。 檢測問題日益複雜　技術配套必須更全面 事實上，陸得斯是一家產品線涵蓋十分全面的公司，除了檢測跟計量(Metrology)相關設備外，該公司還提供後段封裝所需的微影設備、步進機到晶圓探針卡以及各種軟體配套方案。這使陸得斯可用非常宏觀的角度來看整個封測產業的趨勢。 陸得斯資深行銷總監Timothy Kryman(圖2)指出，建構廣泛的產品組合，是該公司的核心發展策略之一。藉由提供完整的產品組合，該公司可以滿足封測廠客戶各種製程的需求，同時也把自家公司全面嵌入到客戶的產線裡。因此，該公司在過去十年，一直透過各種購併來壯大產品線陣容，並創造更大綜效。 圖2　陸得斯資深行銷總監Timothy Kryman認為，後段檢測所遭遇到的問題將越來越複雜，技術配套必須更全面才能滿足客戶需求。 也因為陸得斯不僅提供檢測與計量，還提供高價的微影設備跟步進機台，因此公司可以很容易接觸到客戶的高層主管，進而在商業競爭中領先一步。技術領先與商業人脈等因素，不僅累積出公司現有的競爭優勢，也形成市場進入障礙。

  文 ｜ 萬岳憲 資策會MIC產業躍升事業群總監 我們的大腦每天都忙著在做分類這件事，而我們也太習慣把每件事情分類，所以我們也很習慣看到不同的分類，甚至更習慣於去接受別人為你設定的分類。當你接收到的分類方式和你想的是一樣的，就會很樂意或愉快的接受，如果是不一樣的，你就會產生格格不入的不舒服感，甚至影響你對很多事情的決斷與觀感，套句網路流行語，會影響到「三觀」：價值觀、人生觀、世界觀。 在統計學上就有一個很有趣的分類，這個分類影響後世的研究學者跟隨至今將近100年，你猜到了嗎？就是P值(p-value)。許多研究生最擔心看到P值不顯著的統計結果，此時，如果假設檢定又必須得到P值顯著才能推翻假設的時候，不顯著的統計結果，很可能會推翻所有的研究過程，導致研究失敗。經由統計檢驗的數據，一般會顯示P值小於0.05或0.01，這個數據表示，A與B之間的關係或影響，可能產生的機率有多高，p<0.05即表示有95%的機率會落在信賴區間(Confidence Interval)，同理p<0.01就會有99%的機率；機率數字愈大，需要的信賴區間就愈大，樣本數就需要更多，調查成本就會增加。這也就是為什麼多數公布的調查數據結果，總是加註「在95%的信心水準下…..」的原因。 有趣的是，p<0.05是誰訂定的？其實是英國統計學家費雪爵士(Sir Ronald Fisher)在1925年，大筆一揮就決定0.05，沒有理由，只因為他覺得0.05是一個好記又好用的分界點，所以他沒有選0.04或0.03，因為，當時是他自己要找一個數據來為自己的研究所用，所以就很瀟灑的選一個他喜歡的數字，但是他有加註說明，研究者可以根據不同的研究性質來決定P值的分界。可能是0.05這個數字選得太好了，之後跟進的研究者都沿用這個門檻，把費雪爵士留下的警語視為無物，0.05竟然成為一個區分好不好、行不行的神奇界線。這樣的價值觀影響我們近百年，讓我們習慣去接受分界線來判定好壞，例如59分與60分的距離只有一分，但是卻善惡分明的定義「當掉」與「All Pass」的距離。 讓我們再來觀察一個分界點，想想自己是不是也有受到影響。《紐約客》雜誌撰述委員葛拉威爾(Malcolm Gladwell)在其著作《異數》一書中提到，來自人為的分類習慣而產生的細微影響，會像蝴蝶效應一樣的逐漸擴大影響範圍，不但會讓大眾像溫水裡的青蛙，毫無感覺，最後甚至還會讓大眾誤以為，這些都是理所當然的事。 他發現許多選拔或測驗的參加資格是以年齡來分類，往往年齡大的測驗成績會優於年齡比較小的，這個現象在年紀愈小的群體中愈明顯，因為小孩的身心成熟差異度較大，小學一年級與二年級相較，對於許多事物的認知，當然是二年級的成熟度普遍較高，但是在一年級的學童中，也會有年齡的差距。 例如以台灣小學入學的分類劃界來看，在108年9月1日出生的小孩，入學那年的同班同學就是107年9月2日至108年9月1出生的族群，在相同的學習環境中，年齡較輕的小孩，相較於同班年紀較大的小孩，學習過程會比較吃力，而這樣些微的差異，日積月累就會影響學習成效，產生低落的學習心態，反而會愈來愈跟不上同班同學的學習進度。此時，老師如果沒有注意到學童們的身心成熟度差異，就可能誤判學童的學習態度或能力較差，會給予差別待遇的處置。英國社會學家莫頓(Robert Merton)將這種現象稱為「馬太效應」，援引聖經的《馬太福音》篇章：「凡有的，還要加給他，叫他有餘；凡沒有的，連他所有的也要奪去。」愈成熟者，表現愈好，老師就愈讚賞，給予愈多的特別指導；愈不成熟者，表現相對較差，得到的指導就愈少。不過，老師不是故意要給予偏差的指導，而是也受到馬太效應的影響，在「得天下英才而教之」的效應鼓動下，自然而然，會對表現佳的學生傳遞更多的知識。 美國加州大學聖塔芭芭拉分校教授貝達德(Kelly Bedard)與杜伊(Elizabeth Dhuey)也以大學生為研究對象發現，在四年制的大學裡，相對年齡較小的族群，平均學業成績比同學低11.6%，身心成熟度較低者的入學劣勢明顯存在，甚至再追溯至高中時期發現，因為這樣的分類方式，持續累積的低學習成效，甚至會影響至升大學之路。杜伊的研究結論指出，人們隨意設下的分類分界，竟然有如此長遠的影響，可是大家似乎都覺得無所謂。 無所謂的原因，來自於我們太習慣接受周遭既定事物的固著影響。德國心理學家敦克爾(Karl Duncker)有一個經典的蠟燭問題實驗。他安排A、B兩組人受試，A組的每個人都拿到「一根蠟燭、一盒圖釘、一本火柴(扁平式非盒裝)」，要求受試者只能運用這三樣物品，將蠟燭固定在牆壁上。 多數人嘗試使用圖釘來固定蠟燭，或使用火柴來烤融燭尾，想要藉由融化的蠟，把蠟燭固定在牆上。這些做法都是著重在思考「蠟燭、圖釘、火柴」三個物品的關聯性，只有少數人聯想到，可以使用圖釘把「圖釘盒」固定在牆壁上，讓圖釘盒變成一個燭台。 有趣的是，B組受試者跟A組拿到相同的物品，差異處在於「圖釘」和「圖釘盒」是分開的。也就是說，A組拿到的圖釘盒裡面有圖釘，B組拿到的是一個圖釘空盒和一些圖釘。實驗結果，B組使用「圖釘盒」當做燭台來固定蠟燭的人，是A組的二倍。 研究發現，人們習慣從整體的角度來看待事物，很容易受到過往經驗及外在環境的影響，對事物的功能或結構，產生認知的「固著」(Fixedness)現象。唯有當熟悉事物的某部份消失或變異，在不同的認知脈絡暗示下，人們才有可能脫離「固著」的影響，重新觀察或看待舊有的事物。 你應該已經發現，日常生活周遭的分類，正在巨大的影響我們的行為舉止，朝九晚五、週休二日、早中晚三餐、工作職掌、時間管理。許多的分類劃界，我們已經視為理所當然，甚至不會想要探究分類劃界的緣由。但是，專家研究指出，創新往往是來自於擁有突破分類式思考傾向的人，重新看待周遭事物的分類劃界，多元接受你不知道的新事物，就能夠讓自己在不知不覺中，脫離被「固著」影響的視野和思維，或許你就會找到一個不合理的分類，然後重新創造一個足以影響大眾的分類。 美國知名投資家坦伯頓(John Templeton)發現，擁有傑出成就與表現中等的兩種人，在工作上所付出的熱忱與努力，幾乎是完全相同，僅有的差異處也非常細微。但是，當細微差異正好位於關鍵的位置時，往往結果的品質與成效，就會產生巨大的差異，他將這個現象稱為「多一盎司定律」(Doctrine of the Extra Ounce)。 有一個簡單的數學題。每天要求自己發揮101%，365天之後，可以累積成長38倍；每天只要求自己做到99%，一年下來您就只剩下3%，兩者累積差距超過千倍，不能小看這每天多一點點的「一盎司」啊！

資料量暴漲　高效運算方案需求殷切 賽靈思工業、視覺、醫療及科學(ISM)市場經理翁羽翔(圖1)表示，工業物聯網以及醫療物聯網領域的資料呈爆炸性成長，每天產生2.5 Exabytes的資料量，而全球90%的資料在過去兩年中產生。在資料產生如此迅速的情況下，像是隱私、資訊安全性、數據處理的延遲和反應能力、資料管理的成本(傳輸、儲存、處理)，以及可靠的網路連結等疑慮也逐漸浮現。 圖1　賽靈思工業、視覺、醫療及科學(ISM)市場經理翁羽翔表示，工業物聯網的資料呈爆炸性成長，發展工業物聯網的業者需要一套全方位的解決方案。 簡單來說，在工業物聯網、智慧製造等應用場景當中，雲端越來越無法負荷需要大量且即時的傳輸與運算需求，加上並非所有的環境都有強大的網路連結，雲端運算的效益在這樣的情況之下將會大打折扣。 因此，邊緣運算便應運而生，以補足雲端運算的缺口，降低資料傳輸、儲存與處理的成本。另外，當企業獲得的資料越來越多，隱私問題也隨之受到更多關注，而這與資料安全性密不可分。資料的安全與否可能隨著時間而變化，即使現在是安全的，但隨著運算能力的增長和駭客技術的精進，安全性也會隨之減弱。 也因此，發展工業物聯網的業者需要一套全方位的解決方案。為此，賽靈思旗下的Zynq SoC產品系列提供完整的解決方案堆疊，透過提供安全的連接、控制、線路、軟體與AI，輔以產業生態系中廣泛的專業技術來協助客戶開發所需的產品與應用；且該產品還提供一個共通的嵌入式平台，具備FPGA的可編程性且能同時支援IT與OT的需求，在設計時就將安全性納入考量。 另外，賽靈思也針對工業電腦提供加速解決方案「Alveo加速器卡」，其具備低延遲優勢，能優化所有作業負載並適應不斷變化的演算法，可輕鬆應用於雲端與在地(On-premise)部署，適用於機器人運動規劃、資料庫卸載、動態錄影與影片分析、基因體分析等應用。 同時，賽靈思也整合雲端框架，提供雲端與邊緣協作的AI平台。其中包含整合AWS Greengrass框架並透過鎖定更強大的嵌入式設備，將應用從雲端移到邊緣以提供低延遲、低功耗但高效能的邊緣AI。 翁羽翔指出，隱私、資料安全、資料管理和運算效率是ISM領域普遍考量的問題。隨著物聯網時代的到來，企業若能妥善運用資料將為他們帶來許多優勢，也能大幅提升營運效益。為此，該公司在工業領域的戰略核心，便是協助客戶有效地運用資料，實現更精準的診斷、決策結果。因此，該公司運用邊緣AI針對客戶的問題痛點提供運算資源，除了能夠降低功耗、提升效能與效率外，在沒有網路連線的情況下也依然能正常運作；並兼顧軟硬體升級，透過靈活應變的解決方案協助工廠延長其資產的壽命，進而提高投資報酬率。未來該公司也將持續致力於提供客戶高效能、高穩定度、低延遲、低功耗並兼具安全性的解決方案。 確保資訊保密　私有雲方案需求增 另一方面，因應工業物聯網衍生而來的資訊處理、保密需求，研華科技則是以旗下「WISE-STACK解決方案」應戰。研華科技工業物聯網事業群副總經理蔡奇男(圖2左)表示，近期發現產業客戶對於保護自身的產業專屬知識(Domain Knowledge)或是隱私需求大幅提升，因而提出能夠做到資料保密的完全私有雲環境的WISE-STACK解決方案，亦即將整套研華WISE-PaaS物聯網雲平台搬到私有雲環境中，讓客戶在享受公有雲服務的同時，也能擁有私有雲的保密，協助客戶輕易進行在地部屬。 圖2　研華科技工業物聯網事業群副總經理蔡奇男(左)表示，客戶愈來愈重視自身產業專屬知識(Domain Knowledge)、隱私的保護，因此對私有雲方案需求明顯增加。 WISE-STACK是研華科技旗下的私有雲解決方案，其為高整合度的系統，可提供完整的雲端體驗和開發工具，具備端到端的安全功能，確保客戶數據和AI模型的安全性與隱私；且該產品經過嚴格的設計和測試，可滿足需彈性擴張、高數據吞吐量的AIoT應用。該產品還可無縫整合所有WISE-PaaS服務，使工廠、製造業者等可更輕鬆的實現工業物聯網規劃。 然而，隨著數據量與日俱增，除了增加邊緣強化方案之外，落實「資料分流」也是確保數據隱私的一項重點。 銳鼎科技黃茹鈺總經理指出，為落實數據保護，未來業者須朝「資訊分流」發展，也因此，混合雲可說是必然趨勢。如同前面所說，通常業者須保密的資料多是自身的產業專屬知識，像是客戶資料、製程機密參數等，這些數據是拓展生意版圖的重要命脈，可存於私有雲之中；而至於訂單時程、機台運作狀況等資訊，則是可上傳至公有雲，不僅能讓合作夥伴或是客戶清楚了解目前的運作狀況，也有助於決策判斷。 蔡奇男則進一步說明，目前工業領域的業者、製造業者等近來對於私有雲的需求明顯增加，不過隨著數據傳輸需求日益增加，未來業者勢將朝公私有雲混合(也就是混合雲)的方面發展。如上所述，目前業者需要私有雲的原因在於確保隱私、保護自有的行業專屬知識，但是當企業發展到一定規模的時候(中大型企業)，其數據開始須和外部合作夥伴進行整合或連結，以發展更多服務時(如遠程診斷或設備維運)，就必須將資料上傳至公有雲。換言之，未來趨勢將以混合雲為主，因此研華不僅擁有WISE-STACK解決方案，同時還具備WISE-PaaS架構可支援混合雲應用。 因應未來工業物聯網發展，蔡奇男表示，行業專家的系統整合商(Domain-focused Solution Integrators, DFSI)是協助產業躍向物聯網下一階段極為關鍵的要素之一，更是工業物聯網市場中價值貢獻度最高的一環；他們不僅能協助終端客戶建置、維運系統，更得熟悉如手工具、工具機、廢水處理等各專業領域需求。因此，該公司近幾年不僅加強與行業專家系統整合商的密切合作，更以少量投資方式，積極育成行業專家系統整合商。 總結來說，隨著工業物聯網加速發展，資料呈現爆炸性的成長，也因而衍生運算、隱私等難題。為此，半導體業者和工業電腦也加快布局腳步，透過全面、完整的軟硬體解決方案，以克服上述挑戰。

5G、AI和物聯網(IoT)技術不斷進化，讓萬物智聯應用加速擴大蔓延，工業領域更掀起智動化和智慧製造等新風潮，這些發展在在牽動嵌入式系統與工業設備的設計變革，並帶來新的開發與部署挑戰。舉例來說，工業應用產品往往必須依照個別產業的需求進行深度客製化，因此工業物聯網雖然整體規模龐大，蘊含誘人商機，但對相關設備製造者來說，要進入這個市場，將面臨形形色色的挑戰。為此，恩智浦(NXP)半導體推出完整的解決方案，涵蓋面遍及核心處理器、微控制器到各種介面與安全元件，滿足工業與物聯網設備開發者的各種需求。 恩智浦台灣區業務經理卓正民(圖1)表示，該公司目前的市場目標主要可以規劃成四大領域，分別是汽車、工業與物聯網、行動裝置、通訊基礎建設(如家庭閘道器、智慧城市/零售、語音助理等)。現在中美貿易戰持續進行中，而這對台灣來說是個不錯的機會，因為台灣目前較處於中立地位，在貿易大戰上未停歇的情況下，有不少工業與物聯網相關商機開始轉向台灣，因此，本研討會聚焦在工業和物聯網，期能透過恩智浦的技術、產品協助台灣業者布局。 圖1　恩智浦台灣區業務經理卓正民表示，汽車、工業與物聯網、行動裝置、通訊基礎建設是該公司四大市場規劃。 i.MX產品線滿足多元應用開發需求 因應智慧製造、IIoT設計，恩智浦備有i.MX系列產品。恩智浦應用工程部經理簡志達(圖2)介紹，i.MX系列相當多元，有商規、工規以及車規，因此可以滿足許多應用，像是機器視覺、工控人機介面(HMI)、行動裝置、高階消費性產品等。 圖2　恩智浦應用工程部經理簡志達指出，i.MX系列相當多元，可滿足機器視覺、工控HMI、行動裝置、高階消費性產品等不同應用市場。 據悉，i.MX系列可分為i.MX RT系列、i.MX 6系列、i.MX 7系列、i.MX 8系列以及i.MX28系列。各個系列的產品有著各自的規格、特性，可滿足不同應用市場。 i.MX RT系列為交叉處理器，具有即時功能和MCU可用性，適用於下一代消費和工業物聯網應用；i.MX 6系列為通用解決方案，提供汽車、消費和工業應用的均衡特性、性能和可擴展性；i.MX 7系列為低功耗解決方案，適用於安全、可穿戴和可攜式物聯網應用；i.MX 8系列為強大的解決方案，具有先進的神經網路處理、圖形、機器視覺、視頻、音訊、語音和安全關鍵應用；至於i.MX28系列則是具備電源管理和連接功能，適用於汽車、消費和工業應用。 值得一提的是，i.MX 8系列處理器為2018年發布，旨在於實現更多物聯網創新設計(滿足語音、影音和音訊需求)，讓使用者享受更為便利、感官更為豐富的使用體驗。 該系列處理器可整合A/V與機器學習，滿足設計人員對於統一平台的要求，便於其打造語音指令控制的互聯產品；且兼具處理技術和邊緣運算能力，能夠有效管理並縮短智慧互聯裝置回應命令和詢問的時間。此外，該系列處理器也非常適合管理照明、恒溫器、門鎖、居家安全、智慧灑水器等各類系統與設備，能夠讓使用者享受直覺簡單、迅速回應的智慧家庭體驗。 簡志達表示，i.MX系列處理器有三大價值，首先是值得信任的供貨。產品的使用壽命長達10~15年、產品(硬體、軟體、硬體加速器)具備保密性和安全性、獲得標準認證(AEC-Q100、JEDEC等)；以及透過零缺陷管理(Zero-defect Methodology)、ULA、Low SER FIT等方式讓產品更具可靠性。 第二價值為具備極大的平台擴展性，像是Pin腳兼容性和軟體可移植性、高整合性以及可製造性；第三個價值為可支援/啟用各種軟體，如Linux、Android、 Windows-embedded、RTOS等，並適用各種應用領域，包括語音、影像、機器學習、感測器、電源管理、連接等。 i.MX RT實現人機互動 恩智浦資深應用工程師陳則理(圖3)則從工業與人機介面領域切入，說明i.MX RT系列處理器如何開創人機互動新體驗。陳則理表示，現今不論是消費或是工業領域，人機互動的應用越來越多，像是臉部辨識、語音助理等，意味著人機介面的設計需求明顯增加。 圖3　恩智浦資深應用工程師陳則理說明，人機互動應用越來越多，為此，該公司備有i.MX RT系列處理器，可創造新的互動體驗。 因應此一需求，恩智浦備有i.MX RT系列解決方案，該系列產品具備低功耗應用處理器和高性能微控制器的優勢，可實現更佳性能、即時操作、更高整合、簡單易用等目標，適用於音訊(如麥克風)、消費性產品(智慧家電/攝影機等)、家庭與樓宇自動化(溫度/安防/照明等)、工業運算設計(PLC/工廠自動化/條碼測試器等)、電機控制和功率轉換(3D印表機/無人駕駛等)。 另一方面，因應日漸增加的語音助理和人臉辨識應用，恩智浦也進一步添加i.MX系列處理器產品線，於近期發布i.MX RT106F產品與基於i.MX跨界處理器打造的「Alexa for MCU Solution」語音解決方案。 i.MX RT106F基於恩智浦的OASIS臉部處理引擎功能，在價格和效能方面皆有突破，運用神經網路演算法進行臉部檢測、辨識與防範詐欺，且處理時毋須連接雲端。以MCU為基礎的臉部辨識解決方案可實現臉部和表情辨識時所需要的精準度與低延遲，它將一切功能結合於超小外形以適用於各類現有應用。與應用處理器方案相較，基於RT106F的解決方案可節省一半或更多的總系統成本。恩智浦目前正與OEM廠商積極合作，以求儘快推出該解決方案的評估和開發套件，該解決方案將於2020年第一季全面上市。 而為了能夠使更多人體驗語音應用，Amazon目前正積極推動「Alexa Built-in...