市場分析
- Advertisement -
食品產業鏈數位化進行式 「食聯網」以智慧科技展新意
以下是關於食物的幾個重要事實:全世界有四分之三的食物僅來自於十二種植物和五種動物。我們已經種植了足以餵飽100億人口的糧食,但仍有九分之一的人口營養不良。同時,這可能也是歷史上首次,有更多的人是因為飲食失衡而死亡,而不是因為飢餓。現在,請思索一下這些內容。
全球食品產業是一個非常龐大而且複雜,規模高達數兆美元的產業。從農場、牧場和果園、漁場、溫室和屠宰場到超市和便利商店,各類業者種植、採收、加工食材、運輸、包裝,並將它們配送至橫跨全球五大洲的綿密通路之中。
現今,數位科技已經在食物供應鏈中的每個環節扮演著重要角色。也就是說,如果數據是產業數位化的主要驅動力,那麼用來收集、傳輸、儲存和處理數據的技術則是關鍵的促成因素。所謂數位化,其實就是擷取數據、在邊緣或雲端進行分析、以及利用數據來最佳化開發工作。數據品質的提升,以及用來收集、傳輸和分析數據的技術通常會帶來更佳的流程,或是全新的應用。
雖然我們可能須要花幾年時間才能獲得食品產業完全數位化的成果,但其成果將是豐碩的,包括:以較低的環境成本提高農業生產力、以更高的食品安全建立更透明的供應鏈,並減少欺詐。更智慧的包裝可改善物流、延長保存期限、減少浪費,而新的配送系統可以提升便利性。到2050年時,全球人口將逼近100億大關,我們建構的「食聯網」(Internet of Food)對於支撐如此龐大的人口將至關重要。
挑戰傳統與未來
1798年,英國人口學家Thomas Malthus便大膽預言,人類的持續繁衍最終將超過地球的負荷。從20世紀初的工業革命,到本世紀中葉,更新、更強韌的植物品種、人工肥料和農用化學品,以及近年來的基因改造生物,雖然不斷在增加全球糧食的產量,但是,人口成長一直以來都是全球食品科技突破的一大挑戰。
但這次可能會有所不同嗎?到本世紀中葉,全球糧食需求預計將增加約60%。隨著中產階級的人口越來越多,他們對飲食的要求更高,需要更多樣化、更營養的食品,特別是對肉、蛋和乳製品等能量和營養密集的畜牧產品的需求會更高。
隨著氣候變遷,人口成長也對糧食系統帶來了難以預測的後果。例如,土壤的營養成分日益枯竭,影響了全球的農產收成。由於缺水地區的地下含水層日漸乾涸,也使地下水資源受到威脅。而全球糧食系統本身,由於占全球溫室氣體排放量達到驚人的20~30%以及消耗70%的淡水用量,使得問題更加嚴峻。
這種情況是前所未見的,但因應現在所面臨的挑戰,我們所擁有的科技能力也是前所未有的。根據世界經濟論壇的報告,已有十多種新興技術被視為具備重塑食品產業的潛力,其中至少有六項─包括精準農業、即時供應鏈監測以及食品感測等,都與數位科技息息相關。
在大量的低價感測器、雲端上幾乎免費的分析和儲存容量、以及新興無線通訊和定位技術的帶動下,數位化可望把農業生產力推升至全新的境界。
以最新一代的高精準度定位技術u-blox F9為例,透過利用多頻全球導航衛星系統(GNSS),並與GNSS校正數據結合,可大幅降低技術的擁有成本。此技術不僅將應用擴大至更寬廣的市場,還能為開發新的自主化解決方案奠定基礎,例如自動駕駛農用車或無人運送機等。
數據與分析提升效率/產量
從一開始,農業就是依靠經驗,隨著季節更迭,世代交替,經過艱苦的試錯過程才發展至今。但是隨著農業發展為科學,並成為一門生意,透過最佳化的機械採收並因應人們的消費需求,農業進步的速度越來越快,產量越來越高,品質也越來越趨穩定。
農業的施作方式不斷地進化推展。以農曆時程為基礎,傳統的農民曆已被更合理的科學方法所取代。在可能的範圍內,播種、耕種、施肥和噴灑農藥等所需的體力勞動也都可由機械設備代勞。現今,分散式感測器、高光譜相機和衛星定位的結合,可使所需的農業勞動投入降至最低。它們還有助於保護環境,節約用水,並使消費者更少接觸到具毒性的農藥。
感測器、數據和自動化也改變了畜牧業。今天,有些連網乳牛已配備了計步器和牛隻行為追蹤項圈來監控放牧時間,還有其他的感測器可安裝在它們的乳房、尾巴,甚至胃裡。數位科技和精準畜牧不僅可以提高牧場的效率,還可以更輕鬆地達到高品質標準。
透過配備可捕捉窄頻帶光線(Light Narrow Frequency Bands)的高光譜相機,農民可利用無人機在田野上飛行來遠端監控農作物。由瑞士的Gamaya等新創業者提出的解決方案能讓農民繪製各類地圖(圖1),包括農作物類型、壓力因素,用水量和生化品數量等。有了這些資訊,農民可以進一步最佳化農業投入的利用率,同時,也能透過幾近手術精準度的無人機來進行噴灑肥料或農藥。
圖1 由瑞士公司Gamaya等新創業者提出的高光譜影像數據,可讓農民繪製各類地圖,包括農作物類型、壓力因素、用水量以及生化品數量等。
改造食物供應鏈
供應鏈的發展歷史與貿易一樣地古老。最早的貿易商品特點是它們不易腐壞。例如,鹽和乾燥香料,它們能夠穿越撒哈拉沙漠或絲路不會變質。今天,我們對於商店所提供的商品有著更高的期望。易腐壞的商品通常必須在幾天內設法通過食品通路到達最終消費者(圖2)。如果未能如此,全世界所生產的糧食中,大約有三分之一都可能面臨風險,也就是說,會有高達13億噸的食物可能被丟棄。在食物供應的過程中,它們被運輸、加工、測試品質、儲存,包裝並運送至全球各地,最後到達消費者附近的超市或餐廳。
圖2 當一顆草莓被摘下、一條魚從水裡被撈出來,或者母雞下了一顆蛋的那一刻,一場對抗時間的比賽就開始了。
數位技術可使供應鏈達到前所未有的資訊透明度。無線資產追踪裝置、智慧包裝和射頻辨識(Radio-Frequency Identification, RFID)標籤都可用來確保商品能準時、完整無缺地透過食物鏈來運送,而且低溫供應鏈不會中斷。蜂巢式數據傳輸和硬體的成本,長期以來一直是廣泛部署無線感測器網路的瓶頸。最新一代授權的低功耗廣域網路,包括LTE-M和NB-IoT,如u-blox SARA-N3 NB-IoT模組,透過提供增強的地理覆蓋範圍、低成本硬體和數據資費方案,以及在某些使用案例中超過10年的電池使用壽命,正迅速地掃除這些限制,包括農作物監測、牲畜監測和車隊追踪等,將會是首波獲益於此技術的應用。
此外,透過利用區塊鏈(一種分散式分類帳Distributed Ledger),遵循性報告(Compliance Reporting)可以大規模地自動產生,以確保供應鏈中每個步驟的資料準確度。
食物供應鏈智慧化流程革新
雖然食品供應鏈對消費者來說是不透明的,但超市和其他賣場的變化卻很難不被注意到。Amazon Go超市是第一個完全取消人工結賬的超市,沃爾瑪首創的貨架掃描機器人也是自動化的新概念。在不久的將來,物聯網、人工智慧和虛擬實境的結合將提供全面改造和強化購物體驗,並使用互動式表格為消費者提供有關食品出處、營養價值和廢物處理說明的訊息。
透過讓網路中的各個節點傳遞資訊,網狀網路(Mesh Network)技術提供了一種可有效擴展無線感測器網路的新方法,使其能擴展覆蓋範圍,並實現包括連網超市在內的廣泛應用。藍牙網狀網路這類的標準化平台可確保裝置保持互通性,即使它們來自不同的供應商。此外,透過能夠利用行動通訊網路傳輸訊息的節點─形成所謂的毛細管網路網狀網路還能進一步擴展,以實現雲端應用。
然而,若決定在舒適的家中購買生鮮雜貨,那麼,消費者可能會錯過這些發展。據Tetra Pak的研究,有14%的消費者會在網上購買生鮮雜貨,而且有59%的消費者打算這樣做。到2021年,預估電子商務將占所有食品購買量的10%。
不過,購買的產品仍然可以識別,但包裝方式會有所革新。屆時,智慧包裝將告知消費者食物何時過期,以減少被丟棄的過期食物數量。此外,了解顧客在用餐後的體驗也一樣重要,具備特定數位程式碼的個性化智慧包裝將能與顧客互動、提供學習和娛樂特性。而且,生產廠商也可藉此更深入了解他們的消費者。
食聯網將帶動破壞式創新
食物最初是一種生存的手段。當衣食無虞時,它成為身分地位的表徵、情感安慰的來源、全球暖化的貢獻者,甚至有時是有害的成癮物質。社會趨勢都指向了更加豐富的食物多樣性。根據Accenture的報告,對健康的期望已成為消費者的最高目標,他們願意為更健康的食品花更多的錢,同樣地,他們希望食用具備透明資訊和永續來源食材的食品。
那麼十年後,我們會在餐盤上看到什麼呢?或多或少,會與今天吃的東西相同嗎?或者,我們可能會從基於微生物的高營養和可持續食物中獲取主要營養素?還有很多問題尚待解答。未來,人們是否會像過去渴望節慶家庭聚餐一樣地渴望明天的Food X.0?或者,是否會堅持烹飪傳統,只是使用更有效率的種植、加工和運送食材?有一點似乎是肯定的:食物鏈中每個一步驟的量化、數位化和整合都只會加速進行。與此同時,營養基因學和個人化營養、實驗室培養的「肉類」和食用昆蟲等新趨勢也都即將出現。從農園到餐盤─以及在食品工廠、實驗室和商店中─「食聯網」已經推翻了許多習以為常的做法。我們可以深具信心地說,未來,將會出現更多的革命式創新!
(本文作者為u-blox台灣區總經理)
建構完善生態圈 騰訊要讓AI無所不在
由於組織過於龐大,自2012年開始,騰訊根據管理顧問公司麥肯錫的建議,將組織梳理重組成了7個事業群,現有業務劃分成企業發展事業群、互動娛樂事業群、移動網際網路事業群、網絡媒體事業群、社交網絡事業群,技術工程事業群、微信事業群,後續因應組織調整,將移動網路、網絡媒體、社教網絡三個事業體合併成平台與內容事業體,統整騰訊業務資源。
為因應未來的人工智慧以及5G的發展,騰訊進行組織架構的調整,整合平台與內容事業群,並在2016年於技術工程事業群下成立人工智慧研究團隊AI Lab,成為騰訊各事業相關AI技術的發展團隊,透過平台與內容的整合,讓AI的應用更加多元;騰訊的組織也在不斷的擴大,現階段的騰訊不僅擁有平台(內容)、微信(社交)、互動娛樂(遊戲)等大數據以及AI可應用場域,並且透過異業合作發展至零售、醫療、教育等產業。
騰訊建立AI生態圈 壯大陣營影響力
騰訊在AI的技術團隊主要有三個,分別為「Tencent AI Lab」、「優圖實驗室」、「微信AI」,皆為騰訊重要的AI技術團隊,其中「Tencent AI Lab」較偏學術領域的研究團隊,「優圖實驗室」則是專注在圖像處理、人臉辨識等技術,「微信AI」則是語音識別、翻譯等與微信通訊軟體相關的應用。
為實現AI無所不在的戰略,騰訊欲建立AI的生態圈,透過AI開放平台,讓各業者皆能夠加入騰訊AI的生態體系中,開放技術、市場、資金、空間、人才等資源吸引合作夥伴加入,壯大騰訊陣營的影響力。
騰訊要讓AI無所不在,因此積極建構生態圈,拓展各式應用。
圖片來源:騰訊
技術共享為生態系發展基石
騰訊AI生態系強調技術共享的概念,AI開放平台上提供包含視覺、翻譯、圖片辨識、語意語言判讀等技術,讓騰訊的產品、合作業者能夠透過此平台產生新的技術應用,進入騰訊的AI生態體系內,而平台內技術的提供大多是由AI Lab所研發,在圖片識別相關的應用則是透過騰訊「優圖實驗室」提供,騰訊以這兩個AI技術單位作為整體AI生態體系發展的基石。
騰訊AI開放平台成為騰訊與眾多業者建立生態體系的串接橋梁,透過技術合作發展出跨領域的產品,目前的應用在於硬體以及人事系統上,推出多種場景應用的智慧硬體及智慧招聘系統。
智慧硬體拓展應用
騰訊具備有技術團隊以及大量的客戶數據等資源,各業者透過與騰訊的技術介接,以拓展各種場景的應用,並共同推出軟硬整合的實體產品,其合作對象包括香格里拉飯店、中國光大銀行、BMW等知名業者。
智慧招募更省時
在人才招募上,騰訊與新創公司倍羅(Bello)合作,透過語意解析的應用進行履歷的篩選,將人才分別歸類,並進行自動標籤,將不同來源的履歷自動標籤化,降低人工歸納整理的時程,並建立排名模型,能進行偏好設定;目前的合作夥伴包含創新工廠、Career Executive等。
倍羅為騰訊AI加速器所培育的業者,騰訊透過加速器讓更多具有潛力的新創業者也能進入AI生態系內,倍羅透過騰訊協助,不僅獲得資金與資源,也獲得更多資料/數據訓練其AI模型。
騰訊近年積極地進行AI領域的投資布局,主要分為騰訊AI加速器以及騰訊投資部門兩種資金類別,針對新創業者由騰訊AI開放平台底下的AI加速器,負責尋找具有潛力的新創業者,而騰訊投資部門則是針對業務合作對象投資,透過跨領域的合作讓騰訊的AI版圖更加龐大。
騰訊AI加速器的投資範圍相當廣泛,從醫療影像判斷、無人駕駛、語音辨識等,到各領域別的應用,如零售、藝術、能源,以及人像機器人等,騰訊皆有投資。在醫療領域中,主要朝向兩個方向,其一為提升準確度的AI醫療影像處理,其二為AI輔助醫生進行判斷,提高醫療品質。
騰訊AI的投資在機器人領域的比重相當高,大多應用在小型服務以及娛樂性質的應用上,而智慧交通則是選擇在美國以及中國大陸市場為主的成車業者,跨足高價以及中低價位的智慧汽車;智慧醫療領域上,應用在醫療圖像辨識以及新藥開放配比;而智慧生活則與騰訊的內容服務以及微信結合,增加其附加價值。
自2016年起,騰訊成立人工智慧技術團隊Tencent AI Lab,目的為從集團本身業務出發,增加人工智慧應用,如微信、QQ上增加智慧助理及客服機器人,在騰訊遊戲上增加圍棋AI應用等;而以AI技術而言,Tencent AI Lab透過與學術機構合作、學術論壇等機會,發展在AI領域的專利與技術,結合騰訊的平台與內容,讓AI應用更加多元。
而騰訊在微信的AI應用最為多元,在語音、音頻、自然語言、圖像、文件內容理解及分布式機器學習平台等,皆嘗試AI的應用,並成立微信AI團隊專門負責在行動裝置、即時通訊領域的AI專利及技術。
技術合作讓AI無所不在
騰訊建立AI生態系的概念,是以技術合作為基礎,透過AI技術串接為實現騰訊「讓AI無所不在」願景的重要環節,騰訊透過開源的方式,讓許多業者能夠介接騰訊在AI技術領域的研究成果,達到互利互惠。
而騰訊的AI技術是以「AI Lab」、「優圖實驗室」、「微信AI」三大實驗室為核心,其共享平台上提供程式碼、API文檔等,讓開發者能夠進行介接,開發者能選擇騰訊雲、AI開放平台、騰訊加速器上選擇不同的方案,目前主要方案為圖像辨識(光學字元辨識、人臉、圖像特效、圖像識別)、文意判讀(敏感訊息審核、智慧助理、翻譯)和語音等。
騰訊AI的合作方式大致可以粗分為兩種,一種為與騰訊目前既有的服務結合,達到跨領域的應用,另一種則是與騰訊AI技術以及各種資源結合,提供加值的服務。以真實科技以及新樂視智家而言,分別能在其硬體裝置上獲得騰訊所提供的服務,而以倍羅而言,該公司則是透過騰訊所提供的API訓練其履歷解析的精準度,騰訊透過釋放其資源,讓其服務範圍不斷的增加,建立起騰訊的AI生態體系。騰訊近年積極投資AI領域,綜合騰訊投資部門以及新創加速器的投資內容,主要的應用方向為機器人、智慧交通、智慧醫療等領域,此外也有投資少量的智慧電視以及穿戴式裝置、數據分析以及資訊安全等領域。
機器人領域投資多
以騰訊在AI領域的投資家數而言,以機器人的比例最多,將機器人的型態分成人型以及非人型的兩種類型,其中以非人型的機器人應用較為多元,以人型機器人而言,著重在於移動平衡以及完成人類的動作。
非人型機器人中,目前有競技比賽型的機器人,主要應用在娛樂的競技比賽中,如工匠社、Marble等。另一種應用則是在移動運輸裝置,通常用於取代外送人力、店內物流運輸上,外型大多類似推車的樣式,搭配密碼解完成交易流程,如雲跡科技。而人型機器人的發展方向主要有兩種,一種為模擬人類的動作,達到平衡穩定,如優必選,專注在完成人型機器人的各種動作,而另一種則是透過人型的樣式再加上語音助理等功能,達到陪伴、互動的效果,如Wonder Workshop。
騰訊也投資多種智慧交通領域的業者,目前投資了三家品牌電動汽車成車,從中低價位的蔚來及威馬汽車,以及特斯拉皆有投資,而在無人車方面的投資在低速清潔車中,如庫哇機器人,目前已經獲得首張商用自動駕駛的牌照。
騰訊所投資的醫療領域應用相當多元,有透過影像判別進行檢測的業者,如匯醫慧影應用在胸片、肺癌篩檢、骨折診斷,以及胸部斷層掃描、心臟冠狀動脈掃描的體速科技。也有應用在新藥比例成分配比,如Atomwise,目的為降低新藥配方的配置時間及成本。而醫療照護方面,透過數據分析提供使用者個人營養素攝取建議的碳雲智科技。以及學術研究方面,能夠將醫學相關文獻翻譯的艾特曼科技。
資策會MIC資深產業分析師童啟晟
5G設備開發挑戰多 射頻模擬工具重要性大增
6GHz以下的5G服務已準備進入商轉,5G用戶端裝置與微型基地台的市場需求很快就會到來,但由於5G導入了MU-MIMO與波束成型等技術,使得天線的數量大幅增加,且為了使天線獲得最好的共振效果,天線在產品中擺放的位置比以往更加講究。這些因素都使得5G用戶端裝置與微型基地台的設計,比過去受到更多條件限制。
另一方面,採用毫米波頻段的下一波5G通訊,將為射頻子系統設計帶來更大的考驗。由於頻率太高,其訊號在電路板上傳輸的損失太大,因此射頻元件供應商紛紛投入開發天線整合封裝技術,但這也使得封裝測試必須面臨新的考驗,因為封裝完成的元件成品,萬一效能表現不如預期,要依靠量測數據找出根因會變得相當困難。
在這個情況下,電磁模擬工具的重要性大增。透過模擬工具的輔助,不管是終端產品的整合設計,或是RF元件廠在進行封裝設計時,都可以在虛擬環境中藉由參數設定,預先得知實體產品原型出爐後大致上的性能表現,進而省下大量開發時間跟成本。
散熱/損耗為5G天線設計兩大難題
安矽思(Ansys)HFSS產品經理Matt Commens(圖1)指出,跟現有的通訊技術相比,5G通訊所使用的頻段明顯高出許多,而且採用了波束成型、MU-MIMO等先進射頻技術,對天線的設計跟配置帶來很大的挑戰。高頻意味著訊號會有更大的損耗,複雜的MIMO技術則使得裝置必須內建更多天線,這些因素都使得5G設備的設計,變得遠比4G產品更為困難。
圖1 安矽思HFSS產品經理Matt Commens指出,在5G應用開發跟部署的過程中,模擬工具的重要性更勝以往。
也因為5G產品在設計過程中需要考量的因素更多,模擬工具在產品開發的過程中,重要性更勝以往。設計工程師必須在模擬工具所建構的虛擬環境中,針對各種可能的設計參數進行模擬,才能加快產品設計速度,提高產品設計符合預期的機率。
以高頻電磁場的應用設計來說,工程師最關心的議題有二,一是訊號損失跟其所衍生的副作用--熱的分布情況;二則是天線配置對電磁波場型的影響。Ansys的高頻電磁場模擬工具HFSS是一款可以求解任意三維結構電磁場的模擬工具,無須掌握身號的電磁場知識和反覆嘗試不同的網格剖分,就能取得高精度的模擬結果。
舉例來說,天線罩跟天線本體的距離、天線罩的材質等,都會影響到天線的性能表現;天線的位置、使用者手持的方式,也會影響天線的訊號收發,這些變數都可以在HFSS裡面完成模擬。另外,結合Ansys的熱模擬跟應力模擬工具,設計人員也可以輕鬆掌握由訊號損失轉變而成的熱,在系統中會如何分布,又會對天線造成何種影響。
除了5G終端設備的開發者之外,對IC設計跟電信業者來說,模擬工具的重要性也比以往更為重要。在IC設計端,由於高頻訊號的衰減太大,因此天線跟射頻前端(RF)在印刷電路板上的繞線距離要越短越好,或是直接讓訊號跳過PCB走線;如果是毫米波通訊,則基本上天線都必須整合到晶片封裝裡,這使得IC設計者也必須開始關注跟射頻電磁場有關的問題。至於電信業者,則可以在進行網路布建跟規劃的時候,利用電磁場模擬工具搭配城市的3D地圖,進行基地台訊號涵蓋的模擬,提升網路覆蓋的品質。
此外,材料供應商在發展新材料時,也可以把模擬工具反過來利用,得知新材料的特性。5G射頻會使用到許多新的材料,但材料供應商在開發新材料時,必須對材料進行大量量測作業,才能掌握新材料的特性。藉由模擬工具輔助,材料開發商只要設定好對應的材料測試環境,量測某幾項關鍵參數,再把資料餵回模擬工具,模擬工具就能藉由已知的資料反推出許多沒有量測,甚至難以靠量測取得的材料特性參數。這對於材料廠商發展新材料,縮短研發時程,也能帶來很大的幫助。
Commens總結稱,隨著5G時代的到來,模擬工具的使用客群一定會比以往更為廣泛。從最上游的材料、晶片供應商到中間的系統設計/整合,再到電信商的網路布建,模擬工具能幫得上忙的地方非常多。因此,未來電磁模擬工具的應用普及率,勢必將節節高升。
搶食5G商機 達梭系統不缺席
5G跟車用雷達的興起,在射頻技術領域掀起革命。由於這兩種應用所使用的頻段都比以往來得高,因此其波長均已達到毫米波水準,與以往的射頻訊號在物理特性上有著極大差異。硬體開發者為了克服毫米波所帶來的挑戰,紛紛導入新的設計架構與材料,例如將天線整合到晶片封裝,或是在PCB板上使用導波材料,但這也使得硬體設計變得更加複雜,設計開發時將面臨更多不確定性。
達梭系統(Dassult Systems) Simulia電磁模擬解決方案顧問趙桐(圖2)表示,目前5G主要發展頻段有二,一是6GHz以下,二是24GHz以上的毫米波頻段。這兩個頻段的天線設計各面臨新的設計挑戰。與4G比較都是更高的頻段,電磁波長更小,天線尺寸跟隨波長變得更小,小到5G天線更多是一個含晶片的模組。當然在天線結構種類上也與4G不同,5G天線需要用到相位陣列天線,這種天線還是有一些關卡要突破。
圖2 達梭系統Simulia電磁模擬解決方案顧問趙桐認為,高頻跟多天線共存,是未來行動裝置設計上最大的兩個考驗。
談到5G天線的設計挑戰,無論是手機還是任何5G電子設備,假設實際尺寸不變,在更高頻率條件下的電尺寸相對於4G時代產品更大。所以在毫米波28GHz頻段,天線實際尺寸和手機尺寸,甚至人體尺寸,基站尺寸,差別更大,這種尺寸上的差異對天線安裝後的整合性能分析增加相當大的難度。
除此之外,在這兩個頻段上的天線設計要求更寬的頻寬,寬頻帶才能得到高速率。單就這電尺寸和頻寬兩方面的難題來講,5G天線對電磁類比的演算法選擇就提出了挑戰。傳統的有限元頻域演算法在寬頻類比和電大尺寸的計算上會顯得更吃力,時域演算法更適合寬頻類比。所以三維模擬工具是否能夠結合時域頻域演算法,場源激勵法,高頻近似演算法,硬體加速以及支援多種天線結構的設計流程,是5G新天線設計和產品設計的關鍵。
因為5G本身就有兩個頻段的天線,智慧終端機除了5G,還要支持Wi-Fi、GPS、藍牙、3G、4G等功能,所以伴隨著多天線共存而來的干擾,以及硬體設計要如何布局等長久以來智慧終端機研發避免不了的問題,在5G時代會變得更有挑戰性。
車載系統亦為必爭之地
除了行動通訊裝置或小型基地台之外,汽車亦為模擬工具業者非常重視的市場。除了5G帶動汽車聯網風潮所創造的車載無線通訊需求之外,毫米波雷達也是促使車廠跟相關子系統供應商開始在設計流程中採用更多模擬工具的原因。事實上,毫米波雷達所使用的頻段比5G預定使用的頻段還高,最高可達77~79GHz,因此訊號衰減、散熱等問題,同樣困擾著相關業者。除此之外,車載系統的工作環境跟行動通訊設備截然不同,因此相關設計者不只需要高頻電磁場模擬工具,還需要結合其他物理模擬工具,才能準確而完整地模擬毫米波雷達在真實世界的運作狀態。
這也使得Ansys跟達梭系統等產品線涵蓋面廣,能執行多重物理模擬的工具供應商,在這個領域有相對顯著的競爭優勢。例如Ansys除了HFSS之外,還有RF和SI Option工具,可以應用在毫米波雷達設計上,同樣的,達梭除了SIMULIA CST之外,還有原本就專為汽車設計模擬所開發的CATIA。趙桐透露,CST已經開始與達梭的其他汽車設計解決方案合作、整合,不斷的推出車載系統的完整解決方案。
部署大量自駕車 七項關鍵挑戰仍待克服
汽車業界目前正在尋找能把今日的自駕車原型,變成可以安全部署自動駕駛解決方案所需的科技創新。此一科技必須能夠對應目前我們仍無法達到、以及生產安全的第四級(Level 4)與第五級(Level 5)自駕車的關鍵挑戰。在這篇文章中,將提出這些關鍵的挑戰,並且探究汽車製造商可用且符合其所需時間框架的解決方案。
我們正經歷自駕車系統以前所未有的速度成長後所帶來的複雜性,而且運算處理必須在不與耗電量、熱特性、大小、成本、安全與保全等挑戰妥協的前提下,跟上這波成長動能。
除了這些技術上的挑戰之外,另外還有許多有關消費者與主管機關對於全自動駕駛接受度的辯論。例如,美國汽車協會(AAA)最新的調查顯示,有73%的美國駕駛害怕駕駛全自動駕駛的車輛。另一個社會與技術上的挑戰則是,馬路上很難出現自駕車與人類駕駛汽車共存的情況(因為人類的行為,可能會讓自駕車的演算法疲於應付)。那麼,我們就來探究想要大規模且安全地部署自動駕駛車,必須考量的挑戰。
自動駕駛價格考量
已經有人指出倘若第四級與第五級自駕車在2020年生產,價格與一般的車輛相比,可能會多出7.5萬美元到10萬美元。這個價格甚至可能還低估了,因為考量要達到第四級與第五級自動駕駛所需的感測器數量,總成本可能會超過10萬美元。為了讓購買這些車輛變得可行,價格有必要大幅調降,才得以讓消費者負擔得起。
如此高的價格可能意謂第一批真正完成部署的自駕車,將是行動即服務(Mobility-as-a-Service, MaaS)、共乘車隊或者是無人駕駛計程車隊(Robotaxi)的一環。藉由取代人類駕駛的成本以及高出消費者自用許多的使用率,這些單位可以建構足以支持這些較為昂貴車輛的商業模式。
第三級自駕仍須駕駛保持警覺心
如同圖1所示,第三級是從ADAS進展到自駕必須跨出的第一步。不過,目前針對第三級自駕以及有關車輛及駕駛的需求,仍然有一些辯論。要成功部署第三級自駕,在車輛的自動駕駛功能啟動後,仍然需要駕駛保持警覺。
圖1 自動駕駛發展進程
這會引發一項有趣的議題,因為身為駕駛的我們會本能地假定我們雙手放開方向盤後,就不用再留意它了,接著可以開心地收發電子郵件、發送簡訊等,這些動作都會讓我們的眼睛與心思離開馬路。不過,有了第三級自駕,車輛可以隨時要求駕駛人重新取回掌控權。
然而,這又引發另一個議題,已經分心的駕駛人需要多少時間才能重握方向盤、重新掌控車輛,以紓緩自動駕駛系統當下無法立即應付的情況?一些汽車製造商正在討論是否要跳過第三級,以便克服此一挑戰。
此外,若從責任的觀點來看,自動駕駛系統跳過第三級會讓系統更加容易辨識駕駛人是否正在掌控車輛,或是車輛正在自動駕駛。目前也有人討論使用擁有駕駛艙內攝影機與先進軟體演算法的先進駕駛監控系統,來判定駕駛人是否已產生警覺,並且適合重新取回掌控權;倘若答案是否定的,系統就會啟動適當的警告,以便讓駕駛人回到完全準備好要自己開車的狀況。即使汽車製造商決定跳過這一級,從第三級要跳到第四級所需的科技複雜性會更為巨大。
感測器數量大增推升運算需求
要從ADAS進展到自動駕駛,須要更高度知曉車輛周遭的一切事物,車輛上的感測器數量會大幅增加(圖2),並且需要多組光達、攝影機與雷達感測器,以便實質上取代並強化人類的視覺以及對情況的認知。這些感測器不但價格不菲,而且要瞭解它們所「看到」的東西以及汽車外面情況演變所需的運算力,與較簡單之ADAS功能,如自動跟車與緊急煞停所需的運算力,大不相同。
圖2 要提升到全自動駕駛,感測器數量將會明顯提升。
軟體複雜度更高
目前推出大多數的自駕車原型機,實際上都在測試處理湧入車輛之大量資訊、以作出下一步正確決定,以及採取行動所需之更高的感測器複雜性與軟體演算。這樣的處理需要相當數量的軟體,依據我們目前的估測,需要10億行的指令才能帶動一部完全自駕的車輛。
執行如此大量的軟體所需的運算力,比較類似於伺服器的效能,離傳統汽車嵌入式處理比較遠。這會帶動一個趨勢,便是朝擁有更強大應用處理器與加速器叢集的更高效能、多核心SoC系統整併發展,而不是獨立CPU。此一整併需要軟體架構進行大幅度的修改,同時也會造成軟體的複雜度劇烈增加。
此一軟體應用的複雜性,甚至遠高於已經搭載滿滿之自動駕駛功能的最先進客機,原因是自駕車輛需要應付混亂的馬路上充滿無法預測的人類駕駛以及行人。反觀相對空曠許多的空中,負責飛行的都是專業的飛行員。
因此,必須進行即時運算的大量演算處理,以便瞭解發生在汽車周遭的一切事物,如此一來,所有自駕運算元件所需的龐大軟體堆疊才能做出正確的決定,並且安全地執行這些決定。如此龐大的複雜性有助於形成共用且統一的平台架構,以便在上面建構便於升級且可移植的軟體堆疊。
自駕車安全信任受考驗
如上所述,近期的統計顯示73%的美國駕駛人對於搭乘全自動駕駛的車輛有所恐懼,且令人吃驚的是,高達63%的美國成年人表示自己走路或騎腳踏車時倘若路上有自駕車輛,他們會感到比較不安全。這也引發一個全新且有趣的挑戰,即為如何取得消費者的信任,不管是身為自駕車乘客身份,或是與自駕車共處的用路環境。
安全是許多汽車系統的關鍵,且在駕駛人需要時可能運作所有的功能,都有嚴格的安全標準與認證把關,例如煞車與轉向等。當我們增加車輛的自駕性能,我們實際上也在利用由許多異質運算元件,以及稍早討論過的10億行指令所組成的複雜運算系統,來取代人類駕駛對於安全的決定權。我們如何保證如此一套高度複雜的運算系統,可以執行達到最高乘客與環境安全標準?
隨著許多功能整併到強大的多核心SoC上,亦同樣會出現能夠在單一SoC上支援混合關鍵性應用的需求。這種情況下,某些應用需要最高水準的功能安全性,因為它們執行的是與攸關生命安全的功能,但同時也會混合運行關鍵性較低的應用。想要把所有的軟體都拉升至最高的功能安全性水準是不可能的,所以我們需要可以支援這些不同安全水準的運算與軟體架構在同一個SoC之中,而毋須針對每一個應用,另外建置專用的SoC。
耗電/散熱技術須持續提升
進入現今自動駕駛車原型的運算系統,基於現成的伺服器技術。伺服器技術的挑戰是其大小、耗電量與散熱特性,都不適合用在汽車上。針對所有特性,有必要讓它顯著降低。一般認為耗電量必須要減少十倍;大小必須縮小五倍,若這兩個目標都達成,成本與散熱會顯著減少,也會讓冷卻方式更加簡單也更為可靠。這些改進將帶來自動駕駛車輛的真正部署,不管是在消費市場或是無人駕駛計程車隊市場。
強化車內乘客體驗
目前愈來愈明顯的趨勢是,消費者想要在車艙內享受到更強化與更豐富的車內體驗(圖3)。隨著我們進化到更高階的自駕階段,車內人員會從駕駛變成乘客,而他們對於資訊、娛樂與連接性的需求,會變得愈來愈像是在自己家中或辦公室裡。
圖3 消費者對於車內娛樂體驗要求越來越高。
在我們到達完全自動駕駛之前,將會出現有趣的駕駛與環境資訊的複合,並與娛樂及生產力功能彼此混合的情況。這將產生有趣的挑戰,也就是把安全與既有的饋送資訊混合,同時要確保駕駛安全資訊,不會因為要顯示其它形式的資訊而有所折扣。
若把時間向前推進接下來5~7年,到達更高度自動駕駛的世界,屆時螢幕將顯示不同的資訊,包括來自自駕系統的駕駛資訊、媒體體驗、駕駛監控系統、車內感測器資訊,而這些都將協助達成更為個人化的車內體驗。這需要高處理量能力才能把資訊送到各個螢幕,也需要高頻寬連接性以及更加強化的安全性,特別是與例如駕駛警告資訊等關鍵資訊有關的安全性。
(本文作者為Arm車用解決方案與平台總監)
這是一場時間搶奪戰
文 | 萬岳憲
資策會MIC產業躍升事業群總監
當我從必讀書堆裡走出來時,突然對手機產生很特別的陌生感,因為我趁著四天連續假閱讀,多數時間都耗在閱讀實體書,相對耗在手機裡的時間就減少了,我發現微妙的陌生感,反而讓我在使用完手機後,產生更大的滿足感,這次沒有出現耗費太多時間在手機上的愧疚感,放下手機後感覺更滿足。我認為,這個大大的滿足感是來自於,我改變自己過去在這個時段裡的時間使用方式。
這是一次很有趣的自我體驗,讓我想起1990年代美國密西根大學神經學家貝里奇(Kent Berridge)的研究,他發現有許多使用毒品成癮的人,往往也都會自我意識到,毒品正在讓自己的生活品質惡化,但是他們為什麼還是會持續的使用毒品?因為使用毒品,能讓人得到即時的滿足感,這個即時的感受過於強健巨大,所以使用毒品成癮的人,願意不斷的拿短期的利益來換取巨大的滿足感,同時導致判斷力喪失,忽視自己正在耗用長期的幸福來換取即時的快感。貝里奇教授發現,物質成癮會引導人們產生行為成癮,當你意識到不喜歡這個物質時,大腦反而會自動找出,過去使用物質時所儲存的快樂行為體驗,再對你發出追求過往快樂行為體驗的需求動機。
貝里奇教授給予「需求」的形容詞是「強健巨大」,而「不喜歡」的形容詞是「小又脆弱」,大腦給予需求的優先權,遠高於不喜歡,所以強健巨大的需求,就很難讓人們拒絕產生行為動機,只要需求持續引導產生行為,就會累積成為上癮的行為。想要戒除,必須藉由第三方力量,協助讓「不喜歡」變得更強健巨大。
也就是說,人類大腦會記得使用毒品後的心靈滿足體驗,當使用者決定不再使用毒品時,大腦就會持續發出需求動機,直到你的行為滿足這個動機的渴望為止。這樣的行為上癮模式,其實也經常出現在我們的日常生活中,例如你已經發現Facebook或Instagram,每天耗去你太多的時間,但是你還是想要持續的關注更新它們。因為大腦記得你剛開始使用時,累積得到的快樂體驗,當你自我意識到「不喜歡」,大腦就會對你持續發出「需求」指令,刺激你不斷追求記憶中的體驗,如果你下決心要讓「不喜歡」變得強健巨大時,由第三方力量設計的「按讚數、留言數、朋友數」等沉溺因子,又讓「不喜歡」走向「小又脆弱」。
網路流傳戲稱,繼Wi-Fi成為「陽光、空氣、水」之後的人類生存第四元素,最新的第五元素就是App,是持續讓使用手機「需求」,變得強健巨大的主要因子。
App對人類的影響就像是日本寶可夢(Pokemon)遊戲裡的「百變怪」,由使用者在日常生活中的使用方式來決定它的「角色扮演」。根據資策會MIC的2018年臺灣民眾App使用行為調查結果顯示,每人的智慧型手機App下載使用數量以6~10個(25.7%)的占比最多,其次是11~15個(20.8%),而每天都會被使用到的App數量為1~5個(47.9%),其次是6~10個(36.8%)。
將使用App類型與年齡交叉分析後發現,App下載數量與年齡相比較,有呈現負相關的趨勢,年齡越高,下載App的數量就越少。19歲以下族群,傾向使用多個App與社群互動;25~29歲族群,在生產應用工具、交通運輸、金融支付等App類型有較高的使用率,屬於數位經濟先行者;20~34歲族群使用行動支付App的比例與數量都是最高,其中有24.3%的使用者,手機裡會同時擁有4個以上的行動支付App,而35歲以上則是最多選擇2款行動支付App。
除19歲以下族群的App使用行為偏好前三名是「遊戲、影片、音樂」外,20歲以上的App使用行為偏好前三名,全部都是「通訊、社群社交、遊戲」,顯示絕大多數的使用行為正在朝向具有社群應用功能的App靠攏,而其它的App則偏向專屬功能性的App,例如影視音播放與編輯、網路購物、教育學習及居家生活應用功能等類型。
再深入調查臺灣網友的每日手機使用行為發現,多數人每天的手機使用時間介於1.5小時至4小時之間,這是個很有趣的數字。讓我們試著推算看看,扣除每天8小時的睡眠時間、8小時的工作、2小時的通勤、2小時的用餐,保守估計只剩下4小時的可支配手機使用時間,而這4小時,通常有50%是由零碎時間所堆砌出來的。也就是說,網友每天能夠持續專心使用手機的時間,其實是很有限的,而各年齡層的使用時段區隔也愈來愈明顯,同年齡層的使用時段,也有愈來愈集中的趨勢。
所以,這是一場時間搶奪戰,所有的App研發或經營業者,都是在跟使用者搶奪使用時間,同時也是在跟競爭者一起搶奪使用者的時間,當使用者沉溺於某個App的應用功能時,他就沒有多餘時間再去體驗新的App應用功能,沉溺在特定的App愈久,轉移的動機就會愈低,這項使用特徵在社群媒體裡,特別的明顯。
目前全球都在催生5G行動通訊世代,較4G強數十倍的資訊傳輸速度,確實可能為人們目前居住的城市或日常生活應用,帶來更多的夢想改變。但並不表示也能夠同時改變目前網友的社群使用型態,未來想要改變人們沉溺於特定App的使用習慣,焦點不再是「要提供什麼樣的App應用」,重點應該畫在「新的App應用能夠為使用者目前的使用環境及情境,帶來什麼樣的利益」,才有可能成為民眾手機裡的VIP(Product),否則就只能是App商店裡,浩瀚的VIP(Piggy)之一。
這是一場與使用者之間的時間搶奪戰,所有使用者的時間資源,都被已經上市的App占用,新創App的研發者,必須要從時間軸的角度切入思考,找到能為使用者帶來即時利益的時間定位。例如,我想看到你有沒有「已讀」,但是又不想讓你看到我有沒有「已讀」….你有解決辦法嗎?
5G更高傳輸速率的網路環境,將使手機App應用的時間搶奪戰愈演愈烈
創新功能搶商機 無線充電IC兵家必爭
無線充電IC市場需求持續上漲,預計市場競爭格局將從集中走向分化,創新應用是目前產業搶攻市場大餅的主要策略。根據市調機構MarketWatch的研究,在未來五年內,無線充電IC市場收入的年複合成長率將達到19.1%,到2024年全球市場規模將達到52億美元,而2019年將達到21億美元。
無線充電是指不需要電線或電纜就能從電源傳輸能量的技術。無線充電技術由兩個部分組成:發射器(即實際充電站本身)和接收器(位在進行充電的設備內)。而無線充電IC便是無線充電技術的核心部分。
目前無線充電IC市場的主要廠商包括IDT、德州儀器(TI)、恩智浦(NXP)/飛思卡爾(Freescale)、亞德諾半導體(ADI)、高通(Qualcomm)、博通(Broadcom)、意法半導體(ST)、安森美半導體(On Semiconductor)、Semtech、羅姆(ROHM)、東芝(Toshiba)、Panasonic、美信(Maxim)、凌通科技(Generalplus)等等。無線充電IC產業預計將繼續以創新為主要發展方向,策略性收購和組成聯盟等也是廠商增強影響力的關鍵戰略。同時,還有優化產品組合,也能進一步提升附加價值,實現利潤最大化。
無線充電IC具有巨大的市場潛力,過去十年中有數家新廠商進入了全球無線充電IC市場。預計新廠商的進入將促使現有廠商進行反擊。這種現象可以引發更好和更具創新性的戰略,進而導入新產品線或擴大生態系範圍。雖然目前全球無線充電IC市場的競爭格局依然集中,但預計未來幾年將逐漸走向分化。
值得一提的是,亞太地區是全球無線充電IC市場的最大市場,在2017年占了市場總額超過70%。由於無線充電的方便特性,無線充電IC的使用持續成長,推動了亞太地區市場的發展。
看好無線充電市場 IDT推WattShare系列
無線充電IC市場發展正盛,近日IDT抓緊機會推出WattShare系列無線充電半導體,使智慧型手機不只本身能無線充電,還能夠為其他行動設備進行無線充電。IDT的新型無線充電IC結合了接收器和發射器功能,只須將智慧型手機、智慧型手表、無線耳機和其他行動設備放在採用了WattShare技術的智慧型手機上即可進行無線充電,IDT期望藉此加快無線充電應用步伐,同時提升消費者無線充電使用體驗。
IDT無線充電部門總經理Christopher Stephens表示,支援WattShare的智慧型手機可以隨時為智慧型手表、無線耳機、和其他行動設備充電,讓用戶免於攜帶累贅的充電器與行動電源,或是必須到處尋找可用的插座充電。WattShare技術有望讓智慧型手機成為無線充電生態系統的中心,使消費者能夠享受最輕鬆簡單的智慧型手機充電體驗。
目前常見的無線充電使用磁感應(Magnetic Induction)充電,將智慧型手機放置在Qi無線充電板上,便可以直接進行充電而毋須拔插電線。智慧型手機從充電板接收電源,通常約為5~10W。然而,採用WattShare技術的無線電源接收器IC可以改變功率流的方向,將智慧型手機從電源接收器轉換為電源發送器。在採用了WattShare技術的智慧型手機背面放置另一支智慧型手機或其他行動設備時,就可以直接開始無線充電。
對於那些致力於為消費者帶來更良好使用體驗的智慧型手機、智慧型手表、無線耳機等行動設備OEM而言,IDT的WattShare無線充電技術將是一個引人注目的解決方案。WattShare使智慧型手機在為其他行動設備充電時可以提供高達7W的功率,並可以接收15W甚至更高的功率。據悉,目前幾家知名的智慧型手機製造商已經採用了WattShare技術,並成功創建了一個無線充電生態系統,讓客戶能夠為行動配件設備或朋友的手機充電。
無線加上快充 方便更要省時
搶攻無線充電市場,高通(Qualcomm)在西班牙巴塞隆納世界行動通訊大會(MWC 2019)上,正式發表了支援無線快充的Qualcomm Quick Charge技術,並推出納入Qi相容性的測試認證計畫。Quick Charge的合規認證計畫由國際安全科學機構UL負責監管,此次加入了無線充電以及Qi標準測試。
UL副總裁暨電子科技產業亞太區總經理于秀坤表示,根據市場研究報告指出,2018~2025年之間,全球無線充電市場可望以60.22%的年複合成長率增加至2025年的1,453億美元。
高通此次將快充技術套用在無線充電板中,並提供向下的相容性和未來的發展性,讓使用這項新標準的無線充電板可以搭配過去的Qualcomm Quick Charge 2.0、3.0、4和4+充電器,落實無線快充的廣泛應用。
電池快充技術已成為各家手持裝置廠商的必爭之地,如何讓電池在穩定的狀況下完成快速充電,成為各大廠的棘手挑戰。
UL與高通的合作早從2014年的Quick Charge 2.0時期開始,並為其授權的測試認證實驗室。最新版的Quick Charge 4與4+技術,可讓終端裝置在短短15分鐘內就可從0%充到50%的電量,除了可延長電池使用的時間,更能加強安全性,並延伸支援無線快充。
專訪台灣儀器科技研究中心副院長吳光鐘 國研院發表晶圓級點測系統
台灣儀器科技研究中心副院長吳光鐘提到,氣體感測器的應用領域相當廣泛,包括酒駕的檢測、空氣汙染的防治、瓦斯外洩的警示等等,都用得到氣體感測器。再加上物聯網的多元應用,氣體感測器的需求大幅提升。且台灣擁有領先全世界的半導體技術,在技術成熟的條件之下,以半導體形式製作氣體感測器,除了可以低成本量產之外,更可以縮小體積。因此非常適合應用於手持式裝置如手機等設備。
根據產業研究機構Yole Développement最新研究報告,預期於2021年全球氣體感測器市場可成長至9.2億美元的規模,2022年挑戰10億美元;其中又以智慧手持裝置與穿戴式裝置的成長幅度最大,分別有269%與225%的年複合成長率。台灣是半導體大國,要切入由半導體製程所製作的感測器市場具有絕對優勢。
台灣儀器科技研究中心副主任陳峰志表示,此氣體感測器點測系統於晶圓階段即可測試氣體感測器(感測晶片)效能,且可同時測試多顆,不但大幅縮短檢測時間,且可提早於封裝前即查知每顆晶片的品質與分級,大幅降低封裝資源浪費;亦可回饋測試結果,據以改善製程,提高生產效能與品質。
目前廠商測試氣體感測器的方式,是完成晶片的封裝後,再一顆一顆測試其功效。國家實驗研究院台灣儀器科技研究中心開發的「晶圓級氣體感測器高效能點測系統」,則是在晶圓上製作出一格一格的晶片後、在尚未切割封裝前(即晶圓階段),即進行感測晶片之氣體反應電性量測。另外由於整合了「自動光學對位系統」、「線陣列探針點測裝置」及「精密定位移動平台」的核心技術,可用「線陣列探針」十顆十顆進行測試,大幅提升測試速度,進而縮短檢測時間。
氣體感測器需求上揚,國研院發表晶圓級點測系統,助台灣打好AIoT根基。
乘深度/機器學習浪潮 AI智慧監控應用興
根據市場研究機構Marketsandmarkets指出,影像監控的市場產值,將以每年13.1%複合成長率的速度成長,從2018年的368.9億美元,成長至2023年的683.4億美元。而機器學習(ML)與深度學習(Deep Learning)等AI技術,更將是提升監控系統效能,使其實現更多應用的最大關鍵。
邊緣監控應用起 晶片運算需求增
機器學習可被訓練,以識別模式、形狀、顏色、聲音、振動、溫度以及壓力等細微差別和差異,這對於即時檢測和識別十分重要,使得臉部辨識應用日益完善,以進行高級識別、驗證、搜索、預防和救援。至於深度學習,透過大量的監控影像和訓練之後,搭載深度學習的監控系統便可有效的進行對象和行為模式分析,進而提供更有效的數據。而隨著機器學習、深度學習等AI技術興起之後,AI監控應用也隨之浮現。
國立交通大學資訊工程學系教授兼網路研究所所長易志偉(圖1)表示,AI技術(如深度學習)的優勢在於,可降低影像處理的門檻,使得影像資料分析不再是一件複雜的工作,進而依此衍生出更多創新的應用,例如無人商店的AI監控應用便是其中一個例子。
圖1 國立交通大學資訊工程學系教授兼網路研究所所長易志偉表示,深度學習減低影像處理複雜度,得以實現各種影像創新應用。
易志偉說明,像是7-11所推出的X-Store,有著自助結帳櫃檯,需要先透過臉部辨識系統確認個人身分後,再以icash2.0靠卡付款;而在進入商店時也需透過臉部辨識系統建立會員。當然,除了無人商店外,智慧監控還可應用在許多地方,例如透過攝影機錄下羽球選手各個動作,像擊球、腳步移動、球的落點位置等,再進行資料分析,以提升選手的訓練效率。
賽靈思全球人工智慧解決方案市場行銷總監劉競秀(圖2)指出,到了行動物聯網時代,聯網設備的數量將大幅超過人口數量;而隨著AI興起,未來勢將走向AI+IoT的趨勢,像是智慧監控攝影機、自動駕駛汽車、智慧音箱、智慧家電等。換言之,日後這些設備將具備一定的運算能力,使其能透過本地推論、訓練,做出更準確的分析以改變人類日常生活。
圖2 賽靈思全球人工智慧解決方案市場行銷總監劉競秀指出,如何研發靈活、高效,且高性價比的AI解決方案是目前各大AI晶片供應商共同努力的方向。
劉競秀說明,不過,要實現AIoT的挑戰在於不同的應用場景需要不同的運算效能。例如自駕車需要在很短時間內對周遭環境進行檢測並做出判斷,這時候晶片的運算效能及資訊傳輸就必須相當迅速;然而,若是網路監控攝影機的話,由於其需長時間運作,進行長期監控,其對晶片的要求除了具備一定的運算能力外,還需要低功耗,避免過熱當機。
劉競秀指出,也因此,如何針對不同的應用場景提供靈活、高效,且高性價比的AI解決方案,是目前AI晶片供應業者致力發展的方向;而賽靈思便透過靈活性較高的FPGA協助產業盡速導入AI,實現更智慧的應用。例如賽靈思所推出的自行調適運算加速平台「ACAP」,能針對各種應用與工作負載需求,從硬體層面進行靈活變化。
據悉,在ACAP核心內有個全新世代的FPGA架構,其結合分散式記憶體與硬體可編程DSP模組、一顆多核心SoC,以及一個或多個軟體可編程且硬體自行調適的運算引擎,上述元件皆透過網路晶片(NoC)串連。此外,ACAP具高度整合的可編程I/O功能,依據不同元件類型,其功能涵蓋整合的硬體可編程記憶體控制器、先進的串列器技術、具領導地位的邊緣RF-ADC/DAC,到整合的高階頻寬記憶體(HBM)。
除了ACAP之外,賽靈思還具有DNNDK(Deep Neural Network Development Kit),其為深鑒科技所研發的AI異構計算平台DPU。
透過自主研發的原創深度學習SDK,涵蓋了神經網路Inference階段模型壓縮、編譯優化和高效運行時支持等各種功能需求,為深度學習應用開發和部署提供一套高效的解決方案。
耐能智慧(Kneron)產品行銷暨應用協理史亞倫(圖3)則指出,AI從雲端走到邊緣裝置的趨勢十分明顯,終端裝置有了AI運算能力之後,再跟雲端搭配,可以降低資料傳輸、運算分析的延遲性,不僅可實現更多創新應用,還可降低終端裝置與雲端間的連網布建成本。
圖3 耐能智慧產品行銷暨應用協理史亞倫透露,智慧監控開始從雲端走向終端,裝置中的處理器除須有高效能外,同時也須符合功耗和成本考量,為此,耐能採用NPU解決方案。
因應智慧監控需求,耐能備有新一代終端AI處理器系列NPU IP,其分為超低功耗版KDP 320、標準版KDP 520,以及高效能版KDP 720。此一處理器整體運算效能相較上一代產品提升三倍,運算能力(Peak Throughput)最高可達5.8 TOPS(每秒萬億次運算)。
據悉,新系列產品特色包括交錯式運算架構,讓神經網路架構中主要的卷積(Convolution)與池化(Pooling)運算可平行進行,提升整體運算效率;深度壓縮技術,可執行模型和運行中的資料和參數(Coefficient)進行壓縮,減少記憶體使用;動態儲存資源配置,讓共享記憶體(Shared Memory)和運作記憶體(Operating Memory)之間可以進行更有效的資源配置,提升儲存資源利用率且不影響運算效能;以及支援更廣泛的CNN模型。
史亞倫說明,邊緣運算應用十分多元,以智慧監控而言,不論是零售、交通、商業建築、安防等都會用到,且在各個領域中又細分無數個應用場景;有的需要精準人臉辨識,有的只須進行簡單車牌識別。因此,並非每個應用場景都須採用頂級、具超高運算能力的CPU、GPU或是DSP,否則會不符成本需求。
史亞倫進一步說明,因此,該公司便決定打造低功耗的NPU處理器。原因在於NPU處理器可說是專為深度學習設計,十分適合AI神經網路運算,並且有更多設計彈性。另外,有了低功耗、成本相對較低,同時還能進行邊緣AI應用的NPU晶片後,可讓市場有更多選擇,滿足對成本有較多考量的業者。
物聯網設備大增 資安防護不可少
物聯網和AI的興起,帶動許多創新應用興起,AI監控便是其中一例。然而,在使用AI監控提升安防效率之時,如何確保AI設備的資安,使其不被駭客竊取機密的資料,也十分重要。
台灣資通產業標準協會(TAICS)網路與資訊安全技術工作委員會技術長劉作仁(圖4)表示,物聯網應用和雲端息息相關,就連AI監控也不例外。使用者的裝置可以透過連線的方式,在雲端與終端裝置之間下載、上傳資料;而在這資料傳輸的過程之中,要如何實現完善的加密保護,是目前物聯網發展的重點。
圖4 TAICS網路與資訊安全技術工作委員會技術長劉作仁說明,物聯網應用和雲端息息相關,在資料傳輸的過程中,完善的加密保護可說相當重要。
為此,TAICS推動物聯網資安認驗證制度,期能落實各類型物聯網資安測試規範,推行物聯網產品與設備商落實資安檢測;並透過推動物聯網資安驗證制度,強化物聯網安全;最後則是建立物聯網資安標章制度,使消費者易於識別通過本資安驗證制度檢測之物聯網設備。
據悉,此一制度將先以與個人隱私息息相關的有線/無線網路攝影機為主,後續將會陸續針對其它各種物聯網設備。TAICS指出,物聯網盛行,使日常用品皆朝向數位化邁進,影像監控設備也是其中之一,但網路攻擊事件也隨之而來。有鑑於此,經濟部工業局與TAICS共同制定一系列針對影像監控系統中聯網設備之資安標準及測驗規範。
軟硬體基礎建設待完善 高速/低延遲5G網路再等等
2019年上半年高科技產業關鍵字非「5G」莫屬,從消費性電子展CES到世界通訊大會MWC,各式各樣的5G方案競相出籠,晶片、手機、CPE、創新應用(娛樂/遠端電視製播/遠距醫療手術/工業/交通)、商業化服務、關鍵技術(Network Slicing/CoMP for Spectrum Sharing/C-V2X),看得消費者眼花撩亂,5G在這一年邁入全面啟動的階段,標準宣示的前瞻應用願景看似就在眼前。
另外,除了許多展示的5G之外,美國與韓國已經於2018年底與2019年初推動商轉,其他各國也在釋照與網路建置的階段,如火如荼發展中,據統計2019年3月已經有70個5G網路建置計畫拍板。不過,就在此時,拔得全球頭籌的美國Verzion 5G服務,傳出訊號太難找用起來像4G,網速不穩定;無獨有偶,積極投入5G的南韓,消費者體驗也從原先宣稱的4G 40倍網速,掉到只有4倍左右,到底要全面改變人們通訊體驗的5G是真的掉漆,還是美麗的誤會,我們從現況觀察進一步分析這些迷思的真相是甚麼。
MWC 2019 5G方案大舉出籠
在3GPP於2018年第三季順利通過5G標準的背景下,MWC 2019自然就是領導廠商們秀肌肉的舞台,從5G晶片來看(圖1),龍頭Qualcomm推出Snapdragon X55基頻晶片,開始支援2/3/4/5G,5G下載速率達到7Gbps,4G達到2.5Gbps(Cat.22);聯發科M70為業界Sub-6GHz實測最快的晶片,下載速度達到4.2Gbps,但還沒有支援毫米波頻段;UNISOC在GTI Summit中發表5G晶片,僅支援Sub-6GHz,採用12奈米(nm)製程。
圖1 5G晶片解決方案概況
資料來源:各業者,資策會MIC整理(03/2019)
另外,三星也推出Exynos Modem 5100基頻晶片,預計只會搭載在自家手機或部分機型上;華為旗下的IC設計公司海思(Hisilicon)發表Balong 5000基頻晶片,規劃將與Kirin 980應用處理器共同提供手機終端的5G服務;而過去一段時間相當積極的Intel也以XMM8060調制解調器應戰,本來預計2019年下半年推出正式的5G晶片,然而在4月中,Intel宣布退出5G數據機晶片,看來未來手機市場高達15億規模,5G晶片合格玩家還是只有一隻手數得出來。
而就算5G晶片還是半成品,手機品牌廠商還是積極推出5G手機與終端,MWC 2019各家業者展出多款產品,包括家用網路設備(Router、CPE)、行動分享器(Hotspot)、小型基地台(Small Cell)與最受矚目的5G手機等。Samsung、華為、LG、Sony、OPPO、小米、Motorola、中興等一二線品牌皆有展示,包括原型機與商用機共十二款,除了華為採用自家5G晶片,其他業者皆是採用高通的5G解決方案Snapdragon 855,搭配5G基頻X50。
5G服務上路 消費者體驗待加強
而5G的全新體驗,也跟著緊鑼密鼓的上路了,2018年10月美國Verizon推出毫米波固定式無線存取(Fixed Wireless Access, FWA),12月AT&T推出5G毫米波熱點服務,南韓三大電信業者SK、KT、LG Uplus的5G服務也於2019年3月商轉,南韓政府更宣示未來四年將斥資30兆韓元(約台幣8100億元)支持5G生態體系。
不過在消費者體驗上,有科技媒體編輯使用摩托羅拉Moto Z3手機測試Verzion的5G網路,表示訊號不夠穩定,5G偶爾能達到最高網速600Mbps,有時卻下降至200Mbps,使用體驗與4G差不多,沒有明顯的升級感。而且5G網路覆蓋率低、訊號也很少,經常走幾步就沒有訊號;在有5G網路情形下,網速平均在400到接近600Mbps,但上傳速度比預計要慢很多,甚至只有20~30Mbps。而南韓的體驗也一樣悲慘,上網速度沒有如預期大幅提升,並且有用戶抱怨,走到地下室,或者走進地鐵站的時候,很難收到5G訊號,手機會自動從5G轉回4G。
2019為5G商用化元年
事實上,以5G的發展進度來觀察,2019年本來就是5G剛起步的一年,不僅網路覆蓋率非常侷限,終端產品裡的5G晶片也是第一代產品,手機是最早一代的商用機,根據資策會MIC的統計資料指出,2019年5G手機出貨量預估達到372萬台(圖2),市占率僅0.2%左右,要到2021年才會突破億台里程碑,達1.2億台,2023年達約4.5億台,逐漸侵蝕4G手機的市占率,相關環境建置與服務將逐步到位,以下從幾個面向來深入觀察。
圖2 2019~2023智慧型手機與5G手機出貨量
資料來源:資策會MIC(03/2019)
關鍵零組件完成度不高
分析前述幾個5G晶片廠商推出的產品,都是5G基頻數據機晶片,智慧型手機每年創造數千億美元的產業規模,5G手機要處理更多訊息與運算,採用系統單晶片(SoC)比較具效益,分析師預估2020年整合應用處理器的5G系統單晶片才會大規模問市,可進一步帶動產業加速推展。
另外,智慧型手機真正的龍頭Apple在今年完全沒有傳出5G...
專訪意法半導體技術行銷工程師Michelangelo Marchese 智慧功率開關提升智慧工廠安全
意法半導體技術行銷工程師Michelangelo Marchese表示,工業4.0的特色在於使用網路實體系統(Cyber-Physical System, CPS)、通訊技術、物聯網技術以及分散式決策(Decentralized Decisions)等,使工廠運作更有效率。然而,在使工廠自動化或更智慧化的過程中,打造一個更安全的工作環境,確保設備運作穩定,避免出現工安意外而使工廠財產、人員受到損害,也是工業4.0其中一個重要環節。
Marchese指出,「安全性」 一直都是個很熱門的話題,像是日常所使用的智慧家電,為生活帶來了便利性,而在工廠領域,則可以改善生產效率。上述的一切,其實都有關使用者的安全,因此,不僅生產製造與電器產品的安全規範持續推陳出新,ST也會持續透過旗下產品提供更高的安全防護。
而智慧功率開關IPS4260L適用於伺服驅動器、馬達控制、工業PC週邊、可程式設計邏輯控制器(PLC)和通用下橋開關(驅動與正電源相連的負載),並可為智慧工業/工業4.0智慧製造應用帶來豐富的診斷功能,包括開路負載檢測和限流保護。
據悉,開路負載檢測在輸出處於關斷狀態時運行,以防止因線路斷開等故障導致的危險。當電流過大,非耗散式截止限流功能可在使用者設定的時間後關閉輸出級。限流時長可用一個外部電阻器設定,限流時間結束後,輸出級自動重啟。其他診斷功能還包括兩個用於指示負載開路和超載/熱關斷的共開路汲極針腳及用於指示單個通道超載/熱關斷的四個輸入/輸出汲極針腳。
意法半導體技術行銷工程師Michelangelo Marchese(圖左)表示,打造更安全的工作環境是工業4.0的重要環節。












