市場分析

雖然科幻小說常把AI機器人描寫成反派角色，現在卻有些科技巨擘將之用於安全領域，例如微軟、Uber等公司利用Knightscope K5機器人來巡邏停車場和大型戶外區域，藉此預測並防範犯罪。這些機器人能讀車牌、回報可疑活動、收集資料並回報車主。 這類由人工智慧驅動的機器人都是「自動化物件」的實例之一。自動化物件是Gartner 2019年十大策略科技趨勢的其中一項，這些趨勢極有潛力在未來五年內，帶動大規模突破式創新並帶來商機。Gartner副總裁暨傑出分析師David Cearley指出，在未來，無所不在的智慧裝置將成為數位商業和生態系之基礎，提供人們越來越具洞察力的數位服務，稱之為智慧數位網格。 ．智慧 幾乎所有既有科技都具備人工智慧，並創造出全新領域。 ．數位 結合數位和實體世界，創造出沉浸式的世界。 ．網格 創造個人、企業、裝置、內容和服務群體之間不斷擴大的連結。 以下為Gartner 2019年十大策略科技趨勢預測，著重於正在變遷或尚未廣泛受到注意，且將在2023年前影響產業並帶動轉型的趨勢。 自動化物件 不論是汽車、機器人或農業，自動化物件都可利用人工智慧來執行傳統人力進行的任務。智慧程度或許有所差異，但所有自動化物件都能利用人工智慧，以更自然的方式與周遭環境互動。自動化物件將以五種類型存在： ．機器人 ．汽車 ．無人機 ．電器用品 ．虛擬世界的代理人 這五個類型將存在於四種環境：海洋、陸地、空中與數位世界，它們運作時的功能、協調性和智慧程度都有所不同。舉例來說，它們的範圍從需要人為操控的空中無人機，到能在田間完全自主作業的農耕機器人。這替未來可能的應用勾勒出一幅廣大的藍圖，從潛在到所有垂直應用、服務和物聯網物件都將結合某種形式的人工智慧，使流程或人類的行動實現自動化或增強，例如無人機群(Drone Swarm)這樣的協作型自動化物件，將逐漸推動人工智慧系統的未來。 Gartner建議針對企業組織或顧客環境裡所有實體物件，探索人工智慧自動化功能的可能性，但自動化物件不像人腦具備決策、智力或廣泛學習的能力，因此必須謹記定義這些裝置的用途時範圍越窄越好。 增強分析 資料科學家現在有越來越多資料可以準備、分析和分類，從而得出結論，但考慮到資料的數量，將難以探索所有的可能性，這意味企業可能會因為資料科學家無法探究某些假設，錯失關鍵洞察力。 增強分析代表的是第三波的資料和分析功能，即資料科學家可以利用自動化的算法來探索更多假設。資料科學和機器學習平台已經改變了企業產生分析洞察力的方式。增強分析能辨識隱匿的模式，同時排除個人偏見。雖然企業面臨在演算法中無意帶入偏見的風險，增強分析和自動化洞察力終將導入企業應用。 到了2020年，公民資料科學家數量的成長速度將是專業資料科學家的五倍。公民資料科學家利用人工智慧驅動的增強分析工具，讓資料科學功能得以自動化，以自動辨識資料集、發展各種假設並辨識資料當中的模式；企業將仰賴公民資料科學家，做為它們造就和擴充資料科學功能的方法之一。 Gartner預測到了2020年，將有超過40%的資料科學工作邁入自動化，使生產力得以提升且更加廣泛為公民資料科學家所使用。在公民資料科學家和增強分析之間，資料洞察力將更為廣泛地提供給整個企業組織，包括分析師、決策階層和作業人員。 人工智慧驅動開發 由人工智慧驅動開發，主要是思考哪些工具、技術和最佳實作規範可將人工智慧嵌入應用程式，從而為開發流程打造由人工智慧所驅動的工具。此趨勢隨著以下三個面向演進： 1.用來打造人工智慧解決方案的工具，正從鎖定資料科學家的工具(人工智慧基礎建設、人工智慧框架和人工智慧平台)，拓展為針對專業開發人員社群的工具(人工智慧平台、人工智慧服務)。有了這些工具，專業開發人員就能將人工智慧所驅動的功能和模型注入某個應用程式，而無需專業資料科學家介入。 2.用來打造人工智慧解決方案的工具，開始因為人工智慧所驅動的功能而更加強大，能協助專業開發人員，讓與人工智慧增強解決方案開發相關的工作得以自動化。增強分析、自動化測試、自動化寫程式和自動化解決方案的開發，將加快開發流程，讓更多類型的使用者可開發應用程式。 3.人工智慧工具正在演進，從協助應用程式開發(AD)相關功能的自動化，轉為增強商業領域的專業，讓應用程式開發流程堆疊裡實現更高層級的自動化活動(從一般開發到商業解決方案設計)。 市場焦點將從與開發人員合作的資料科學家，轉移到由開發人員利用以服務型態提供的預先定義模型來獨立作業。這讓更多開發人員得以利用這項服務，從而增加效率。這些趨勢也將使得虛擬軟體開發人員和非專業「公民應用程式開發人員」變得主流。 數位分身 數位分身指真實世界中某個實體物件、流程或系統的數位表徵，也可以予以連結，成為電廠或城市等更大系統的分身。數位分身並非新概念，它可以回溯到為物件或顧客線上檔案提供電腦輔助設計表徵的做法，但現在的數位分身有以下四點不同之處： ．模型的穩健程度，著重在如何支援特定商業結果。 ．連結真實世界，有即時監測並控制的潛力。 ．利用先進大數據分析和人工智慧來帶動新商機。 ．能和假設的情境互動並加以評估。 目前討論數位分身的焦點在於物聯網，透過提供與維修及可靠度相關的資訊、提升產品效能的洞察力、新品資訊和增加的效率，以改善企業決策。企業組織的數位分身也逐漸崛起，創造組織流程模型以提供即時監控並優化流程效率。 更強大的邊緣運算 邊緣運算是一種拓撲，能將資訊的處理、內容的收集與傳送都保留在靠近該資訊來源處，主要是讓流量在本機進行可縮短延遲時間；目前這項科技的焦點放在物聯網系統的需求，為嵌入式世界提供切斷連結或分散式的功能。這種類型的拓撲可解決現今面臨的各種挑戰，包含廣域網路(WAN)成本過高和高延遲程度等問題。除此之外，它還能實現數位商業和IT解決方案的相關細節。 Gartner預測在2028年之前，於邊緣裝置嵌入感測器、儲存裝置、運算和先進人工智慧功能的數量將穩定成長。整體而言，智慧功能將移往邊緣處各式各樣的端點裝置，包括工業用裝置、螢幕、智慧型手機甚至汽車發電機。 沉浸式科技 2028年之前，對話式平台、擴增實境(AR)、混合實境(MR)和虛擬實境(VR)等技術，將帶領大家進入一種全新的沉浸式體驗。擴增實境、混合實境和虛擬實境展現了提高生產力方面的潛力，新一代虛擬實境技術甚至能感測形狀並追蹤使用者方位，混合實境則能讓人觀看並與世界互動。 到了2022年，70%的企業會嘗試將沉浸式技術應用於消費者和企業用途，而25%會用於生產中。從虛擬個人助理到聊天機器人之類的對話式平台，未來將結合經過擴充的感測頻道，讓平台可以根據臉部表情偵測情緒，強化互動時的對話能力。最後這項技術與思維將發展成一種體驗，透過電腦甚至汽車等數百種邊緣裝置與人類連結。 區塊鏈 區塊鏈是一種分散式帳本，其中的列表會不斷擴充，依時序排列出以加密方式簽署且無法撤銷的交易紀錄，並由網路中所有參與者共同分享。區塊鏈讓企業能追蹤某項交易，和不受信任的另一方合作而無需中介機構(例如銀行)，這將大幅降低業務摩擦；在相關業務從金融領域起步之後，也已經拓展到政府機關、醫療照護、製造業、供應鏈等面向。區塊鏈有潛力能降低成本、縮短交易結算所需時間，還能改善現金流，目前也出現大量以區塊鏈為靈感來源、利用區塊鏈某些優勢和部分技術的解決方案。 雖然純粹的區塊鏈模型並不成熟，要擴充也有難度，不過企業應開始評估這項技術，因為Gartner預測到了2030年區塊鏈將創造3.1兆美元的商業價值。有些方案以區塊鏈為靈感來源但不採行所有的區塊鏈原則，它們能提供短期價值，但無法像純粹的區塊鏈那樣保證提供高度分散且去中心化的共識模型。 智慧空間 智慧空間是一種實體或數位環境，人類和科技系統能在這個開放且共同合作的聯網智慧生態內互動；隨著科技逐漸融入成為日常生活的一部分，智慧空間的市場正邁入加速期。而由人工智慧驅動的技術、邊緣運算、區塊鏈和數位分身等其他趨勢也開始順應這個潮流，從個別解決方案發展成為智慧空間。 智慧空間的演進圍繞著五大關鍵層面：開放性、連結性、協調性、智慧功能與應用範疇。基本上，智慧空間正由單一技術的發展逐漸轉為創造出協作式的互動環境。智慧空間裡範圍最大的例子就是智慧城市，結合了商業、住宅和工業社群，在設計上則是利用智慧型都會生態系統架構，串聯所有產業進行社會和社群協作。 數位倫理和隱私 消費者逐漸意識到他們的個資也具有價值，而且越來越關心公家單位和私人企業組織如何利用他們的個資，未能重視這個問題的企業，將面臨消費者反彈的風險。 不過，任何與隱私相關的討論，都必須以道德和信任為基礎。討論的主題應從「我們是否合乎規範」，拓展到「我們是否在做正確的事」。各國政府正積極規畫或通過相關法規，除了企業必須遵守外，消費者也開始小心保護或移除個人資訊。企業必須取得並維持顧客的信任才能成功，同時也應遵守內部價值，確保顧客覺得它們值得信任。 量子運算 量子運算(Quantum Computing)是一種以次原子粒子(例如電子和離子)的量子狀態來運作的非典型運算方式，以量子位元(qubit)為儲存資訊的單位。量子電腦則是一種具有指數級擴充性和高度平行的運算模型，可以從大型圖書館想像傳統和量子電腦之間的差異。 傳統電腦必須以線性方式讀取圖書館裡每本書，但量子電腦能同時閱讀所有書籍。理論上量子電腦能一次處理幾百萬個運算，若能以商業化形式提供價格親民且可靠的量子運算服務，將可帶動部分產業轉型。 量子運算在真實世界的應用，從個人化醫療甚至到模式辨識功能的優化。這種技術仍在新興崛起階段，表示現在正是企業應了解有哪些應用具有潛力的時機，並考量其中是否存在安全疑慮。除了少數幾家企業能藉由特定的量子運算法取得優勢，2022年前大部分公司仍將持續探索或之後再開始應用。 (本文作者為Gartner副總裁暨傑出分析師)

數十年來，測試部門皆將標準化視為夢寐以求的目標。在1961年，Radio Corporation of America(RCA)的D.B. Dobson與L.L. Wolff發表了「電子測試設備標準化(Standardization of Electronic Test Equipment Standardization of Electronic Test Equipment)」一文。這篇文章針對多功能飛彈系統測試設備，提出了用於調查與原型製作的原則、條件與技術。 早期大部分技術標準化的目標，皆是要縮減組織用於測試解決方案的測試設備種類。而 RCA達成的重大目標，則是設計出模組化硬體組合並進行部署。模組化硬體可提高設備的重複使用率、增加整合式測試解決方案的數量、減少元件汰換，並簡化技術的取代程序。 由於多種產品與資產的使用壽命皆可長達50年，因此維護性與重複使用性較高的測試系統，可為航太與國防產業的測試團隊帶來最多益處。基於安全規定與瞬息萬變的情況，迫使現代測試組織需將行動擴大至硬體標準化之外。這些組織目前著重的部分，是軟體層與開發軟體的方法。測試工程團隊必須開始採用重複性軟體開發作業並將其標準化，以求在高速現代化的產業中，趕上產品開發團隊的腳步並符合專案時程。 軟體是標準化骨幹 RCA一文說明了在多個功能元件與飛彈計畫中找出共用輸入與輸出的程序，以判斷其模組化硬體系統的要求。前述程序可找出並區分可一併處理的一般元件，這也是抽象化的基礎所在。 規模更大的儀控設備標準化作業，以及轉向使用商用現貨技術的趨勢，使VXI、PXI、PXIe與AXIe等模組化硬體標準應運而生，眾多產業中的測試組織皆採用這類標準。標準模組化硬體平台可將電源供應器、冷卻與使用者介面等重複的冗餘元件，抽取並合併至系統內的單一點上。 美國國防科學委員會(DSB)的「國防系統軟體的設計與擷取(Design and Acquisition of Software for Defense Systems)」報告指出，我們武器系統提供的許多功能皆源自系統的軟體，而非硬體。從硬體驅動功能轉為採用軟體驅動功能的變化正迅速增加。現代儀控設備包含處理器與FPGA等軟體定義元件的情況，越來越常見。為了充分善用這些現代測試解決方案，軟體定義的量測系統不但能帶來益處，也是必要之舉。最優秀的測試軟體工程團隊正在建置抽象化測試軟體，相較於抽象化硬體，這類軟體能提供更多好處。 抽象化軟體平台包含負責執行特定功能的各層，如此可在保有相同輸入與輸出之下，讓團隊在隔離其他層之際，個別修復與升級各模組。面對數十種傳統業務類別，軟體標準化必須一一因應各類別向來的舊有做法。Honeywell Aerospace首席工程師Mark...

科技不斷進步，電子產品與人的關係越來越密切，並持續滲透我們的生活，現在智慧型手機每天約一半時間與使用者同在，未來穿戴式裝置將24小時貼身在一起，每一個電子產品都有賴電力運行，因此會有過電流、過電壓、靜電、過溫、電磁干擾等用電風險，也讓不起眼的保護元件不僅不可或缺，重要性更加水漲船高。 保護元件具有偵測周遭環境之變動，並產生即時適當保護反應的功能，透過這些元件的使用，可保護電子產品，降低故障維修的機率。過去幾年，由於使用不當或產品本身設計問題，輕則出現產品短路、故障，重則釀成電子產品起火、消費者觸電等意外時有所聞，為避免類似情況，智慧型手機與穿戴式裝置搭載許多保護元件，未來隨著電子產品設計越趨複雜、電池容量大增、資料傳輸介面速率提升等，保護元件協助改善產品安全，強化使用者體驗，更是電子產品在功能與規格持續進化之外的最佳配角。 過電流保護 說到保護元件最直覺的聯結就是保險絲，尤其與使用者密切接觸、使用頻率高的消費性電子產品，因電路問題導致產品失效，將直接影響消費者使用體驗，知名品牌基於愛惜羽毛的原則，對於電路保護問題多半相當重視。近年最知名的電子產品設計瑕疵，莫過於三星手機自燃事件，事後我們雖了解大部分問題起因於電池，但對於三星品牌價值與銷售利潤的損失則難以數計。 一般而言，最常見的保護元件以功能可區分為過電流保護及過電壓保護。雖然性質不同，但它們的功用都是保護電子產品的零件。其中過電流的熱敏電阻(Thermistor)就是利用保險絲的原理，但差別在於，保險絲在電流過大而熔斷後，需要更換新的保險絲；多次型的熱敏電阻因電流異常而斷電後，若電流及溫度再次回復正常，即會自動恢復通電功能，不必更換零件。熱敏電阻還可分為正溫度係數(Positive Temperature Coefficient, PTC)熱敏電阻及負溫度係數(Negative Temperature Coefficient, NTC)熱敏電阻兩種。 已經有超過70年電路保護技術經驗的柏恩(Bourns)，該公司技術支援經理金韋琦(圖1)表示，可攜式產品要求輕薄短小產品空間有限，大部分空間要讓給螢幕、電池、主動元件等，身為被動元件的保護元件，被要求要不斷微縮產品尺寸，但在技術上必須承受相同的電流。PTC熱敏電阻的特性是當電流或環境溫度升高時，其電阻值會上升，以限制異常電流通過，就物理特性而言，面積越大越能偵測電流變化，所以廠商多從材料配方與製程改善，期能達成產業需求。 圖1　柏恩技術支援經理金韋琦表示，可攜式產品要求輕薄短小產品空間有限，保護元件要不斷微縮產品面積，但技術上必須承受相同的電流。 PTC熱敏電阻依其所使用原料可分為陶瓷正溫度係數(Ceramic PTC, CPTC)熱敏電阻及高分子正溫度係數(Polymeric PTC, PPTC)熱敏電阻兩類。CPTC熱敏電阻是由鈦酸鋇、二氧化鈦等材料添加少量稀土元素經高溫燒結製成，這種元件於某段廣泛溫度範圍會維持穩定的低電阻值，直至溫度高於材料的居裏溫度(Curie Temperature)時，其阻值會大幅增加。PPTC熱敏電阻主要是由聚乙稀(Polyethylene)及具導電性的碳黑微粒所製成。當有過大電流流過該元件時，它會因發熱而膨脹；其膨脹將使碳微粒分散開，令其阻抗增加。 然而因應技術的發展與應用需求，過電流保護產品也出現了許多不同的型態，金韋琦說明，以該公司為例，過電流保護元件就有：一次斷保險絲、可回復式保險絲、可控溫PTC、TBU高速保護器、TCS高速瞬態電流抑制器、氣體放電管、電信保險絲、薄膜晶片保險絲等。面對客戶對於產品與技術的要求，除了材料配方之外，有時架構也需要跟著更新，例如元件由點焊改成貼片，便可以有效縮小體積。 過電壓保護 而在過電壓保護部分，當電子產品的電子迴路出現異常過高電壓或者是靜電時，壓敏電阻(Varistor)會將過高的電壓降低至安全標準值，以防止主要的元件及IC損壞。安森美半導體(ON Semiconductor)保護與信號部門產品行銷經理黃新言(圖2)指出，靜電放電(Electro Static Discharge, ESD)現象，指靜電的正電荷或是負電荷逐漸累積時，會與周圍環境產生電位差，經由放電路徑而產生在不同電位之間移轉現象，ESD保護元件在手機應用非常普遍，一支手機常使用超過30顆ESD保護元件。 圖2　安森美半導體保護與信號部門產品行銷經理黃新言指出，ESD保護元件在手機應用非常普遍，一支手機常使用超過30顆ESD保護元件。 壓敏電阻主要由氧化鋅、氧化鉍等金屬氧化物燒結而成的非線性元件。其特性是當電路超過一定電壓時，其阻值將瞬間極小化。當突波來臨時，將使突波電流從元件本身通過並接地，避免其他元件受突波侵害，並有效減少雜訊干擾，使電子產品能正常運作。保護電子產品或元件免於受開關或雷擊誘發所產生之突波的影響，具有體積小，反應速度快的優點。 目前ESD保護元件，也走向小型化發展，黃新言說，目前尺寸0.6mm×1mm的產品，主要應用在汽車可承受較大的突波電流變化；0.3mm×0.6mm的產品應用在手機為主，也是目前的主流，出貨量最大；該公司已經發展出新一代的產品尺寸僅0.24mm×0.44mm，是目前業界面積最小的產品，初期會應用在高速介面的靜電防護，未來手機應用也將逐漸轉換到此一規格。 除了最普遍的過電流與過電壓保護元件之外，過溫與浪湧(Surge)保護元件也是常見的產品，金韋琦進一步說明，柏恩的過溫保護元件有一個小型斷路器(Mini Breakers)與Polymeric Temperature Cutoff(PTCO)過溫保護元件。浪湧保護元件包括交流電路、直流電路與同軸線路保護元件。最近兩年5G、物聯網、汽車電子等議題持續發酵，電子產品的應用領域與類型不斷擴展，也將帶動保護元件的應用與整體成長。 5G商轉開創保護元件新藍海 5G是2019年科技產業的一大熱點，利特(Littlefuse)資深技術行銷工程師游恭豪(圖3)指出，4G建設到2020年將達到高峰，2019年5G建設逐步上路，5G基地台與4G最主要的差異，在於4G訊號是區域型的涵蓋，而5G因為採用短波長的高頻毫米波，又要求達成10倍的傳輸速率，只能透過點狀的訊號涵蓋，對準終端進行傳輸，因此5G基地台要採用可相位調變的主動式天線系統(Active Antenna System, AAS)。 圖3　利特資深技術行銷工程師游恭豪指出，5G是2019年科技產業的一大熱點，對於裝置在室外的5G基地台，雷擊防護是最主要的保護重點。 對於裝置在室外的5G基地台，游恭豪認為，雷擊防護是最主要的保護重點，而在其他射頻與天線模組尚有多項保護需求(圖4)，包括主動天線、射頻前端(Remote Radio Unit,...

諾基亞大中華區總裁馬博策(Markus Borchert)表示，為提升生產力與效率，越來越多的業者加大資訊與通訊科技(ICT)的投資力道，進行數位轉型；與此同時，隨著5G世代即將到來，而5G所改變的不僅是消費性終端產品，工業未來也將是5G應用的關鍵領域之一。 不過，將業務支援功能從實體轉向數位化和自動化，雖然已為企業帶來顯著的生產效益提升。但目前大約只有30%的企業(主要是以IT為中心的行業)了解數位轉型帶來的機會。重要的是，占美國GDP三分之二以上的傳統資產密集型產業，皆尚未從工業4.0數位轉型中全面獲益。 為改善此一情況，諾基亞推出Future X for industries策略與架構，採用獨特的技術層設計，來滿足工業網路的關鍵要求。此一架構的技術層分別為：業務應用層，支援個別產業特定應用，如預測性維護、勞動力效率等；數位價值平台層，支援產業自動化、認知分析和數位化運作等；多雲層，提供運算能力的鄰近性和彈性，可確保使用最合適的雲端模式；以及高效能網路層，提供專用、深度覆蓋、可靠的(有線和無線)連接功能，進而彈性、無縫地連結所有事物。 同時，上述網路技術層與包含業務流程及以技術為基礎的「縱深防禦」網路安全方法相結合，並以網路為關鍵防護和中間層，來保護端到端的數據資料和基礎設施。與更豐富的人機介面(HMI)結合後，這些技術層將能夠更直覺、深入及精準地控制自動化系統，並顯著提升數位化營運效率。 諾基亞貝爾實驗室總裁Marcus Weldon指出，在動態的市場中，企業需要最大化的生產力。現在，無論是數位經濟或是實體經濟，任何行業都可以加速其數位化轉型計畫，實現前所未有的生產率提升；而Future X for industries架構，便是實現工業4.0的重要基礎。 諾基亞大中華區總裁馬博策表示，越來越多的業者加大資訊與通訊科技的投資力道，進行數位轉型，以提升生產力與效率。  

NVIDIA全球電信產業發展負責人Soma Velayutham表示，5G和4G最大的不同在於，提升了100倍的頻寬、200倍的密度與40倍的延遲速度，而這些效能亟需仰賴軟體定義網路(SDN)技術，同時結合AI、深度學習、大規模多重輸入多重輸出(Massive MIMO)與可編程(Programmable)等技術能力，藉此滿足5G所需要的頻寬、網路速度與大連結效能。 Velayutham指出，簡單來說，5G與過去的通訊技術截然不同，預估到了5G時代，在雲端AR/VR、車聯網、工業物聯網及智慧城市的帶動下，每天用戶所產生的資料將高達300GB，而資料量暴增也為全球電信業者帶來全新挑戰，對於運算的需求也大幅增加。 對此，Velayutham說明，現今網路速率以30倍的速度飛快成長，通用型運算處理的CPU已漸漸無法滿足需求，此時便需要仰賴GPU加速器。為此，NVIDIA提供了軟硬體整合平台，其中結合GPU Cloud、高效能運算(HPC)、AI、視覺化(Visualization)等能力。 總而言之，5G時代即將來臨，資料量也因而快速增加，電信商對於高速運算的需求也隨之大增，並對AI產生濃厚興趣；而GPU可協助電信商強化其資料中心的運算效能，進而讓電信業提供更多5G創新服務。 像是韓國SK Telecom期望能透過智慧影像分析(IVA)的方式保護公民與財產，而要實現此一目標，須即時分析百萬台攝影機所收集的數據，如此便須仰賴深度學習和強大的運算能力。也因此，SK Telecom採用NVIDIA GPU支援AI遠端影像監控應用服務(VSaaS)，提升5倍的訓練速度，並透過TensorRT拓展推理引擎能力。 Velayutham說明，因應5G發展，NVIDIA已與電信商、內容供應商、行動設備業者，以及各類型消費性電子商合作，扮演串聯上中下游5G相關產業與應用的關鍵角色，預計將能更加深入的協助電信商克服5G挑戰，加速其5G相關建設的部署。 NVIDIA全球電信產業發展負責人Soma Velayutham表示，5G傳輸資料量大增，電信商對於高速運算的需求明顯增加，並開始發展AI技術。   NVIDIA全球電信產業發展負責人Soma Velayutham表示，5G資料量大增，電信商對於高速運算的需求明顯增加。  

自動駕駛依舊是本屆CES展會的熱門重點之一，眾多汽車、晶片大廠也趁CES發表最新解決方案與合作策略。例如BMW、豐田(Toyota)、福斯(Volkswagen)等相繼展示自駕概念車；而NVIDIA、高通(Qualcomm)等晶片業者則推出更強大的自駕運算平台，在在顯示自動駕駛仍將是2019半導體業最夯的議題之一。 概念車紛紛展現　汽車躍CES展示亮點 工研院產科國際所資深研究員謝騄璘表示，汽車可說是家與辦公室之外，最重要的「空間」與「時間」，也因此，自動駕駛、車聯網等發展熱潮仍有增無減，且依舊是CES的展示重點，各大汽車品牌或是半導體大廠均積極在展會中提出概念車或相關解決方案，進一步描繪、引導未來生活情境樣貌。 例如BMW展出兼具自駕與傳統設計的全新內裝座艙「Vision Inext」，當車輛以「Boost模式」手動駕駛時，方向盤將會伸至駕駛人前方，而原本與地板密合的踏板組也會同步升起。反之，當車輛轉為「Ease」自動駕駛模式時，方向盤與踏板組則會收起，讓駕駛人獲得更加充裕的內裝座艙空間。 又或是豐田也展示「ACES」和「Moox」兩款自動駕駛概念車艙，以及新一代自動駕駛平台「TRI-P4」。首先是針對Level 4自駕車的概念艙ACES，由於Level 4仍非完全自動駕駛車輛，因此ACES依舊配有方向盤，並配備儀表組、非傳統資訊娛樂系統等。 至於針對Level 5的自駕車概念艙Moox(結合Mobile和Box二字)，則以移動服務(Mobility as a Service, MaaS)為基礎概念，思考在不同移動情境需求下，車艙需要回應乘客娛樂、健康、購物、旅行或商業等不同應用。 另外，新一代的自動駕駛平台TRI-P4，則是新加裝了2支攝影機，除了可以增強兩側的辨識性能之外，針對自駕車，在前後也新增了2台專門設計的影像感測器；且雷達系統針對車輛周遭的近距離偵測進行最佳調校，同時還搭載了擁有8顆光電偵測頭的光達。 當然，除了BMW和豐田之外，其餘汽車大廠例如福特、福斯、通用、奧迪、現代，以及本田等，也競相在CES展會中大秀旗下自駕車方案；簡而言之，CES 2019汽車可說是躍居智慧載具焦點，各大車廠皆卯足全力，展現具多元創意的車用電子平台及概念車。 謝騄璘進一步說明，從各大車廠的展示來看，可歸納出幾項未來智慧汽車的發展方向，分別為：自駕車周邊的感知架構將以光達強化側邊感知嚴密度，而車頂模組化設計將更具創造美感及添加防護攝影鏡頭；未來車輛車體將可與底盤分離，同一底盤搭配不同需求特用車體；以及隨著5G興起後，5G平台將為移動個人空間實現可即時會議討論及享受高畫質影音娛樂等。 自駕熱潮帶商機　晶片軍備競賽全面啟動 上述提到，汽車應用成CES 2019展會重點，不僅各大車廠卯足全力，車用電子半導體業者也火力全開，趁此紛紛展示其在自動駕駛的研發進展或應用方案。 NVIDIA新一代自動駕駛系統亮相 因應自駕發展，NVIDIA宣布推出全球首款商用Level 2+自動駕駛系統「NVIDIA DRIVE AutoPilot」，其整合多項突破性AI技術，將促使監督式學習的自駕車於明年開始量產。 該解決方案提供自動駕駛感知以及融入眾多AI功能的駕駛座艙環境，車廠能透過此解決方案向市場推出各種精密的自動駕駛功能，以及智慧駕駛艙輔助與視覺化能力。 NVIDIA自主機器部門副總裁Rob Csongor表示，一個完整的Level 2+系統需要的運算效能與精密軟體遠超過目前市售車款所搭載的系統，而NVIDIA DRIVE AutoPilot可滿足此一需求，不僅能讓車廠搶在2020年快速部署各種先進自動駕駛解決方案，並將此解決方案加速升級至更高層級的自動駕駛。 DRIVE AutoPilot首度整合高效能NVIDIA Xavier系統單晶片(SoC)處理器，以及最新NVIDIA DRIVE軟體，可處理許多用於感知功能的深度神經網路(DNN)，藉由環繞車身各處的攝影機擷取外部的感測器資料及駕駛艙內部狀況，打造出完整的自動駕駛能力，包括切入高速公路車道、變換車道以及建立個人化地圖。駕駛座艙內的功能包括駕駛人監控、AI副駕駛功能以及車載電腦視覺系統的先進駕駛座艙視覺化。 NVIDIA DRIVE AutoPilot的核心為Xavier SoC，這顆系統單晶片提供每秒30兆次運算的處理能力，且具備專為安全打造的Xavier融入冗餘與分集(Diversity)的設計概念，內含6種不同類型的處理器以及90億個電晶體，使其能即時處理龐大的資料。 另外，DRIVE...

  文 ｜ 萬岳憲 資策會MIC產業躍升事業群總監 我重新檢視去年旁聽一年的筆記，發現最普遍來上課的理由是「我以前不負責做A，後來主管要我做A，因為不太懂，所以出來上課學。」其次是「我就在做B，想學學新的方法，讓我可以把B做得更好。」再來是「因為現在C很熱門，所以我想增加自己在C方面的能力。」 絕大部份學員的在職學習動機，來自現職要求或轉職的需求，或個人想要追求更好的工作環境與報酬，所以絕大多數的學員，都非常渴望學習到即學即用的技能，期待在六小時的外部揮棒訓練後，就可以回到原來的工作崗位擊出全壘打。我更好奇的是，部份已經擁有多項專業領域的π型人才，還要拼命的學習更多專業領域，彷彿要將自己變成一個鴨博士，每個領域都有涉獵，也都不專業，就很像一隻鴨子，叫不長、飛不高、走不遠、游不快。 直到最近我從廣播中，聽到某個廣播電臺的徵人條件，這才恍然大悟，原來是職場需求，引導社會大眾的在職學習動機，有點像「考試引導教學」的味道。怎麼說呢？先來看看這家廣播電臺的徵才條件「國內外大學以上畢業(新聞傳播科系優先考量)；具傳播相關知識，有新聞編採播報、影音剪輯及節目製作等相關工作經驗(口齒清晰，具臺、客語或外語能力優先考量)；具公文書製作能力尤佳，並熟諳電腦軟體(Word、Excel、Audition、威力導演等)操作。」請您清點一下，要滿足這些條件，得學會多少的技能啊。 再來看看徵才的工作項目，包括「採訪編輯播報新聞(需配合假日及晚間輪值)、專題企劃與執行、撰寫活動企劃及辦理活動、影片拍攝剪輯及臉書粉絲團經營、一般行政工作、其他臨時交辦事項」，這六大項工作範疇，需要很多元的科技應用能力，才能勝任啊。 在數位經濟時代，社會大眾普遍接受將類比環境成長的世代稱為「數位新移民」，而在數位環境中成長的世代稱為「數位原住民」。但是這樣的區分，彷彿在宣示數位原住民，就可以很輕易的駕馭使用各類型數位科技產品，而數位原住民們也認為，自己運用科技的表現會比「數位新移民」更厲害。 真的是這樣嗎？荷蘭學者保羅(Paul A. Kirschner)在2017年發表的研究結果，明確指出千禧世代(1980年至2000年出生)的科技運用能力並沒有比較強，這是社會普遍的科技應用迷思。雖然「數位新移民」比「數位原住民」更會多工運用(Multitask)科技產品處理事情，但不代表就會有更高的科技應用學習能力。也就是說，科技應用能力與年齡、世代都沒有相關性，與個人的學習能力有關。 數位落差(Digital Divide)這個名詞有許多面向的意義，在教學上，要縮短學生們近用資訊科技的差異；在社會上，要提供公平近用資訊科技的資訊環境。而我要借用這個名詞，突顯「企業內數位落差」的現象。 企業內使用電腦工作的一群人，往往被視為是電腦軟體使用能力較佳，或比較會應用各類型軟體來解決工作需要的人，但仔細檢視後就會發現，有些人很會使用Word軟體就不太會使用Excel，很會使用文書軟體的人，就不太會使用繪圖軟體，每天使用軟體工作的人，不知道Word也可以排序、計算簡單數字，不知道Excel的函數可以讓工作更有效率。 舉個實際案例，資策會MIC產業顧問學院要印製82位學員的結業證書，多數人會使用Adobe Illustrator向量圖形軟體，設計製作證書的版面型式後，再儲存為ai檔案格式，作為日後印製不同學員姓名證書的模板(Template)。在實務上，有二個利用模板印製證書的方法，第一個方法，是逐個逐次的鍵入學員姓名，逐張列印檢查，費時又沒有完整建檔，會形成日後查證是否曾經印製過的困擾；第二個方法則是複製82張證書在同一個檔案內，再逐一修改學員姓名後印製，雖然易於日後查閱，但是儲存大量的向量圖形，會讓檔案變得很龐大，影響軟體操作過程的存取效率，而重複儲存82張向量圖檔，也會浪費大量的硬碟儲存空間，本案例是82張證書，若是要印製200張，則更加費時費力。 比較有效率的方法是使用Adobe InDesign印刷品排版軟體，ai檔內只有一張證書的版型，有點類似MS-Powerpoint的簡報母片概念，排版時只要建立一次的圖檔連結，然後再逐個修改學員姓名，即可印製。我想要比較這兩個軟體的個人使用效率，所以就找一位熟悉Illustrator和InDesign兩套軟體操作的同事，要求她印製100位學員的結業證書。測試結果，兩者的效率差距相當驚人(如下表)。 簡單的測試結果與軟體好不好用無關，而是再次證明了「工欲善其事，必先利其器」這句話。順著這樣的思維，好好想想自己，每天上班都會使用到的文書軟體或繪圖軟體，您是真的會使用嗎？還是每天都習慣性的使用相同的功能；您的軟體應用方法，是讓自己能夠高效率完成工作，準時下班，還是讓自己忙得團團轉，感嘆每天時間都不夠用。 持續學習軟體的應用功能來改善本身的工作效率，才是讓自己高效率上班，快樂下班的關鍵；而企業主管也要觀察團隊的科技應用能力，縮短企業內數位落差，節省的人力物力，就能引導團隊為組織創造更高附加價值的工作成果，唯有提升團隊的高效率工作力，才能建立敏捷式管理的工作團隊。

是不是需要折疊手機，在手機用戶的體驗上見仁見智，但是無疑的是折疊手機為OLED顯示技術找出一個取代LCD的突破口。去年11/1大陸柔宇搶先宣布發售全球第一支折疊手機FlexPai，一時間包括三星、小米、華為等手機大廠都傳出2019年推出折疊手機的消息，果不其然，三星在今年2/20舊金山舉辦的10週年新品發表會上推出萬眾矚目的折疊手機Galaxy Fold、華為也於2月24日西班牙巴塞隆納MWC大會發表其折疊手機，雖然這些折疊手機價格都非常昂貴，但在手機市場逐漸飽和，5G通訊開始萌芽之際，折疊手機是刺激換機消費的一個話題。 雖然大家矚目的是手機功能的性價比，但從顯示面板發展的技術角度來看，關鍵性的零件「軟性OLED面板」技術的突破，是折疊手機能夠上市關鍵中的關鍵。軟性面板技術是液晶面板LCD與OLED爭奪市場的分水嶺，LCD由於光學特性的限制，無法做曲率半徑非常小的撓曲，因此OLED將以其可撓的特性在折疊手機應用勝出，並以此產品做基礎，逐步侵蝕LCD的市場，這個技術競爭，與當年LCD以筆記型電腦為產品基礎而將CRT擠出市場軌跡相仿。 OLED發展已近20年，以玻璃為基材的OLED技術，在三星的手機產品帶動下已經有一定的基礎，近年來，大陸在面板產業發展急起直追，LCD部分，產線已經來到10.5/11代，在OLED投入更是不遺餘力，規劃與興建中具有軟性OLED生產能力的生產線高達11條，顯示大陸對未來軟性OLED顯示發展的企圖心。因此，折疊手機的競爭除了是LCD與OLED的技術競爭外，背後也多少代表著韓國與大陸在軟性OLED技術的競爭。 下表是新聞發表的手機規格比較表，從折疊顯示屏幕的比較來看，這些屏幕在折疊方式、面板解析度有比較大的差異。FlexPai與Mate X採用的是外折方式，Galaxy Fold採用的是內折方式。兩者最大的差異在於面板在折疊處所受的應力大小，FlexPai跟Mate X的外折設計，其曲折半徑遠大於Galaxy Fold內折的半徑。當面板彎折，曲率半徑越小，則面板所受的應力越大，在這麼大的應力反覆彎折下，維持顯示器的光電特性不會衰減，在元件設計、材料選用上都是極大的挑戰，由此看來，Galaxy Fold的面板在可撓性上勝出。 面板解析度與製程能力有極大的關係，製程能力包括設備的能力與生產管理的能力。在OLED面板業，三星持續開發投入的時間最長，配合開發的設備廠也在三星帶領下累積豐富的經驗，這些都可呈現在解析度差異上。 外折設計還會面臨刮、磨的問題。過去玻璃蓋板承載著防刮、耐磨、甚至有防眩、抗反射、抗汙等功能，玻璃本身就非常硬，可以耐磨、耐刮，但改成可撓的塑膠蓋板後，耐磨、耐刮就面臨極大挑戰，外折設計，面板磨刮的機率高，因此面板蓋板的耐磨刮保護極為關鍵，從材料發展的角度來看，符合高柔性、高透光、耐磨刮特性的塑膠材料應用，外折疊的手機面板恐怕是第一個，因此，外折手機的產品耐用度，有待實際用戶的考驗。 綜觀軟性OLED在技術的難度，Galaxy Fold克服了內折小曲率彎曲的技術問題，並以內折設計來降低了耐磨刮的挑戰，而FlexPai選擇元件應力挑戰較寬鬆的大曲率彎曲外折設計，但磨刮問題則有待產品的市場考驗。 折疊手機是OLED與LCD技術發展的分水嶺，從產品的角度來看，折疊手機是否給用戶帶來全新的體驗見仁見智，但是從技術的角度來看，顯示器技術突破玻璃基材不可撓曲的特性，從折疊到卷曲的發展指日可待。 (本文作者陳來成博士為艾圖雅科技總經理，專長為柔性光電與柔性顯示技術，在台灣光電業界有數十年資歷)

ML增添機器視覺應用彈性 研華網路暨通訊事業群資深協理林俊杰(圖1)指出，機器視覺在製造業應用已經有相當長的一段歷史，且隨著檢測對象不同，分化出許多次領域，例如針對電子元件、電路板的自動化光學檢測(AOI)、針對產品組裝的視覺校準/對位，乃至成品/半成品的外觀瑕疵檢測等，都可以歸類於機器視覺的範疇。 圖1　研華網路暨通訊事業群資深協理林俊杰表示，機器學習可望讓機器視覺變得更具應用彈性，系統整合商更容易將業務觸角延伸到其他領域。 但現有機器視覺系統的核心，多半是以規則為基礎的軟體程式，當工業相機拍攝到過去從未見過的影像，取得的特徵值無法對應回既有的軟體系統時，就會很容易出現誤判或無法識別。這使得機器視覺系統的設計規畫跟部署，變成一項非常仰賴專家的工作。唯有針對某一類應用有深入研究，並且累積了大量經驗的SI，才能寫出符合生產線需求機器視覺軟體。而且，某個特定領域的專家，要跨到其他機器視覺的領域，也不是那麼容易的事情。 基於機器學習(ML)的機器視覺，則是完全不同的典範。一套辨識模型或演算法，經過不同的資料集訓練，就可以辨識出不同型態的圖樣，而且隨著工業相機取得的影像資料越多，累積的訓練資料增加，系統辨識的準確度還有機會進一步改善。 另一方面，對機器視覺SI業者而言，基於ML的視覺系統還有更容易跨領域應用的優勢。例如一個經過訓練的免洗杯辨識演算法，只要稍加調整跟再訓練，就可以用來辨識不同種類的杯子，例如玻璃杯、馬克杯，因為這些杯子都有一些共通的特徵值。如果是傳統的機器視覺軟體，開發過程就得從頭來過。 凌華科技資深產品經理許凱翔(圖2)指出，機器學習對機器視覺技術的應用拓展，能做出非常大的貢獻。在過去，機器視覺軟體是以預先設定的規則為基礎，工程師在開發軟體時，必須用演算法把想要偵測的影像特徵，例如瑕疵的特徵詳實描述清楚，系統判斷的準確率才會高。 圖2　凌華科技資深產品經理許凱翔認為，遇到本身帶有圖樣的待檢測物件，機器學習的優勢非常明顯。 但在實際應用上，這種方法常會遇到困難，例如待測物本身就帶有某些圖樣(Pattern)時，當瑕疵跟背景圖樣混在一起，系統要精準辨識出瑕疵的難度就很高。這種情況在電子業其實很常見，例如TFT-LCD面板、太陽能電池片(Solar Cell)，本身就是有圖樣的產品，要用現有的機器視覺去抓出這類產品的瑕疵，是很大的挑戰。 對機器學習來說，圖樣辨識正是它最擅長的工作。因此，基於機器學習的機器視覺系統，只要圖像處理、判斷的速度夠快，就能為機器視覺技術的應用打開很多新的可能性。 FPGA/GPU對決戲碼上演 要讓機器視覺系統具備執行機器學習推論的能力，相關設備必須具備更高的運算能力。目前市場上已經有許多半導體業者推出機器學習解決方案，但由於各家業者的核心技術不同，因此在性能、功耗與應用彈性方面，存在很大的落差。 林俊杰指出，目前機器學習最理想的開發平台是GPU，因為GPU有最好的軟體適應性，設計迭代最方便，但如果是要部署到生產現場，GPU可能就不是那麼理想，因為GPU的功耗較高，有時還是需要搭配主動式散熱。但很多生產現場是不允許散熱風扇存在的，例如烤漆作業區，因為環境裡有粉塵，不只容易導致風扇故障，萬一有火花產生，還有可能引發爆炸。 因此，如果是要部署到現場的設備，其所搭載的GPU理想上應該採用低功耗版本，以避免設備必須仰賴主動式散熱。但低功耗版本的GPU，運算效能也相對有限，應用開發者必須對此做出取捨。 相較之下，FPGA是比較適合部署在現場的運算硬體平台，但FPGA的設計迭代過程比GPU耗時，軟體修改後，硬體描述語言(HDL)也要跟著調整，才能實現最佳化。因此，基於FPGA的機器視覺系統，開發時間必然會比基於GPU的系統來得漫長。 許翔凱則表示，GPU的開發速度最快，而且幾乎每個研究人工智慧(AI)的工程師都熟悉GPU平台的開發環境。人才跟平台的易用性，是凌華決定跟NVIDIA合作，率先推出整合Jetson TX-2嵌入式GPU的NEON-J工業相機的原因。 不過，由於Jetson-TX2是專為嵌入式應用設計的低功耗GPU，其運算能力無法跟桌上型電腦、伺服器使用的GPU相提並論，因此目前NEON-J不能執行太複雜的機器學習模型，否則會來不及對影像做出即時判斷。 即便NEON-J目前還無法執行太複雜的模型推論，但其基於機器學習的特性，已經成功為機器視覺打開新的應用市場。舉例來說，食品業的產品分類/分級應用，就很適合用NEON-J來執行。像是肉品分切作業，要依照肉品的油花分布狀況來判斷肉品等級，或是肉品出於哪個部位，就要靠圖像識別來實現，傳統基於規則的機器視覺軟體很難處理這種問題。 另一個應用案例是冷凍披薩工廠的品管。披薩廠商在產品包裝前，要先檢查披薩上的餡料數量、狀態做出檢查，才能避免NG的產品賣到消費者手上。從機器視覺的角度，這是一個典型的圖樣辨識問題，例如鳳梨、香腸的片數是否符合標準，有沒有破損，就得靠圖樣識別來做。因為披薩上的鳳梨、香腸切片可能有大有小，傳統的機器視覺分析軟體遇到這種待測物，容易出現誤判。 ASIC加速器設計過於局限　不利機器視覺應用 至於眾多大廠與新創公司紛紛布局的專用加速器，對機器視覺開發商來說，吸引力恐怕很有限。林俊杰認為，專用加速器最大的問題在於彈性不足，只能對特定模型發揮加速效果，如果機器視覺系統使用的模型不在其支援範圍內，不是加速效果不好，就是根本無法執行。 這正是在機器視覺系統中使用專用加速器最大的問題--機器視覺要偵測的物件或圖樣有很大的變異性，使用的模型可能不是主流。相較之下，安全監控產業的需求單一，如果需要用到人工智慧，不外是用來實作人臉識別、人流偵測、虛擬圍籬等功能，使用的模型也只有固定幾種，因此晶片開發商在設計晶片時，可以很容易掌握客戶的規格需求。 此外，跟安全監控相比，機器視覺是一個規模更小的利基市場，因此晶片商恐怕不會這麼快就將產品線延伸到機器視覺相關領域。因此，林俊杰預估，至少在未來兩到三年內，機器視覺開發商如果要採用人工智慧，處理器的選擇應該只有GPU跟FPGA兩種。 訓練資料集取得不易為最大發展障礙　 總結來說，對機器視覺應用來說，機器學習是一個很值得期待的互補型技術。以規則為基礎的分析軟體，在量測物件尺寸、辨識QR Code、條碼，以及引導機器手臂在2維平面上運作，是很有效率的，可靠度也高。但如果是要處理跟圖樣有關的問題，機器學習是比較理想的解決方法。 不過，對大多數基於機器學習的系統來說，訓練資料的數量跟品質，還是許多開發者所面臨的最大難題，基於機器學習的機器視覺也不例外。現在許多網路大廠都已經提供雲端訓練工具，因此，開發者要訓練自己的模型，門檻已經比以往大為降低，但要取得足夠且高品質的訓練資料集，還是要投入很多資源。 近幾年中國掀起人工智慧熱潮，也促成一個新的行業--資料標籤公司誕生，但這些專門提供資料標籤建置的服務業者，通常沒有足夠的能力處理工業製程中所拍攝的影像。舉例來說，金屬加工件的邊緣出現毛邊，但程度要多嚴重才應該被判定不良品，就只有那個行業的老師傅能準確判斷，不在該行業的標籤建置人員很難做好這項工作。因此，即便是採用機器學習技術，SI想要跨到新的領域，還是有一定門檻要跨過。 許翔凱就透露，有一家客戶曾經把資料集建置的工作外包給專門做資料標籤的公司，但據此訓練出來的模型，準確率跟預期有一段落差。客戶回頭檢討才發現，訓練模型用的資料集有很多標籤是錯誤的，因此訓練出來的模型當然不準確。 因此，如果工廠真的有意導入基於機器學習的視覺系統，在資料建置方面，最好還是不要假他人之手。讓自家產線上的作業員協助標記，成果會比外包好，但相對的也會增加作業員的工作負擔。 除了標籤的問題外，不良品的影像資料取得，其實是很困難的事。以凌華自己的產線為例，一條成熟的生產線，產品良率至少都在9成以上，不良品的數量非常少。這意味著凌華很難收集到不良品的影像去進行模型訓練。 也因為不良品的影像很難取得，因此有很多研究者嘗試用變造影像的方法來擴充資料集，例如把影像扭曲、旋轉、添加雜訊等。從一些實驗數據來看，這種方法可能有效，但在工業應用上，用這種資料集訓練出來的模型能不能用，還需要進一步驗證。此外，也有一些新的模型只需要少量訓練影像資料，就能達到不錯的準確率，但這些模型是否適合機器視覺應用，也還需要進一步研究。 因此，機器視覺系統要改以機器學習為基礎，並大量普及到工業現場，還需要一些時間來醞釀。但整體來說，因為以機器學習為基礎的機器視覺，對各種應用情境的適應能力較佳，因此長期來看，SI或軟體開發者應該還是會逐漸轉向機器學習。  

隨著汽車朝智慧化、自動駕駛的方向發展，對微控制器(MCU)需求持續增加；未來不論是自駕車、車聯網，都有著各式各樣的連接控制、數據與訊號處理，而MCU便扮演關鍵的控制角色。 恩智浦半導體(NXP)大中華區車用微控制器與微處理器事業部產品行銷經理張曦(圖1)表示，雖說2019全球整體車市成長可能放緩，但是受各地區更嚴格的安全和排放法規影響，汽車的電子化比重還會成長，也就是說車內電控系統的裝載率還會提升，車用MCU市場還會保持成長。 圖1　NXP大中華區車用微控制器與微處理器事業部產品行銷經理張曦表示，新能源、智慧聯網和自動駕駛技術的快速發展以及日趨成熟，對MCU的性能與功能要求也逐漸增加。 其次，伴隨著新能源、智慧聯網和自動駕駛技術的快速發展和日趨成熟，以及整車電子電氣架構的演進，對車用MCU不僅需求增加，且對其性能、功能、生態以及開發難度都提出了新的要求，比如運算力、功耗、功能安全、資訊安全、線上升級、軟體相容性、複用性、可攜性等等。 創新應用/安全推升車用MCU需求 德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪(圖2)表示，MCU在車用市場可分為五個應用，第一是影音娛樂，第二是電動車的電源管理(尤其是電動車的OBC、OBG、AC-DC、DC-DC等)，第三是現今十分熱門的自動駕駛輔助系統(ADAS)，再來是車體照明，最後則是汽車被動安全(安全氣囊)。而目前電動車、ADAS話題相當熱門，也因而成為驅動車用MCU成長的兩大關鍵推手。 圖2　德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪指出，車用MCU的應用十分廣泛，然而不論是用於電動車或自駕車，安全是MCU共通的設計重點。 詹勳琪指出，MCU於電動車的主要應用還是在馬達控制、電源管理之上，像是OBC、OBG、AC-DC、DC-DC，最主要的目的便是使電動車能有更好的能源使用效率。至於ADAS方面，則是車用感測器帶動(如超音波、雷達、攝影機等)，因ADAS的感測器都會搭配MCU進行控制，MCU的需求遂而上揚。 因應電動車、ADAS市場需求，TI也備有相關解決方案，像是C2000 Piccolo微控制器組合最新產品「C2000 F28004x MCU」，可優化如電動車車載充電器、馬達控制逆變器和工業電源供應等高成本電源控制應用。開發人員可利用該產品減少物料成本，同時建構更小、更可靠的系統，提供系統保護和新功能，實現高性能的電源控制系統。 該產品特色包括：優化的性能和功率；先進的驅動和靈活的設計，可有效提高效率和功率密度；強化的數位和類比交叉開關，靈活地支援控制和保護機制；以及嵌入式即時分析和診斷單元強化了除錯功能，超高速序列介面提高了隔離範圍內的輸送量，靈活的引導模式使開發人員能夠減少或消除引導模式針腳。 又或是用於安全控制的Hercules MCU系列產品，該系列產品強化多項安全特性，憑藉整合型即時指令和資料追蹤支援，系統和軟體開發人員將得到富有洞察力、高效率和更好的代碼分析除錯體驗以及更高的執行力，將有助於設計人員更為簡便快速地滿足針對交通運輸應用的ISO 26262功能安全性標準，如先進駕駛輔助系統、網域控制、電子推進系統等。 詹勳琪表示，事實上，車用MCU的應用十分廣泛。然而，不論是用於電動車馬達控制、ADAS系統或車體控制等，車用MCU的共通設計要點便是「安全性」。為了要確保安全性，MCU不僅須通過ISO26262 ASIL A~D(依車廠要求)的認證，也須在MCU中添加所謂的「備援機制」，也就是車用MCU開始採用雙核心鎖步(Lockstep)的設計。 詹勳琪進一步說明，具備雙核心的MCU意味有著雙重保險，也就是同樣的程式由兩顆核心進行運算，而當其中一顆核心故障時，另一顆可以立刻進行錯誤處置，而不致於使運算出現問題，影響駕駛安全。 扮演稱職綠葉　新應用/技術少不了MCU 意法半導體(ST)亞太區汽車產品事業體行銷經理陳錫成(圖3)則透露，車用市場一直都是穩定成長，而MCU扮演著輔助的角色，只要有新的應用、技術出現，MCU的需求也會隨之增加。 圖3　意法半導體亞太區汽車產品事業體行銷經理陳錫成透露，MCU向來是扮演輔助的角色，只要有創新應用，MCU的需求就會穩定成長。 陳錫成說明，不論是油電混合車、電動車或是自駕車，將過往機械控制部分改為半導體晶片控制(例如車窗、座椅等)時，除了需要高效能的中央處理器外，也需透過MCU進一步強化控制效率。又或是要將AI導入汽車當中，當中央處理晶片運算效能不足時，也需要MCU從旁輔助，進而提升資料存取、運算能力和加強隱私，也因此，隨著創新應用的崛起，MCU的需求也會持續增加，且用途會愈加廣泛。 為此，ST備有SPC5 32位元微控制器系列產品，其結合了可擴展的單核，雙核和多核解決方案以及ST獨有的嵌入式閃存技術、符合ISO 26262(最高為ASIL-D)等標準的安全性、完全性能高達150℃、符合標準的數據安全性，包括安全硬體擴展(SHE)和電子安全車輛入侵保護應用程序(EVITA)，以及完整的開發環境(從免費的IDE，代碼編譯器和低成本調試器解決方案到支持AUTOSAR設計的高階解決方案)等特色，得以滿足汽車聯網、馬達控制、安全、低功耗等設計需求。 此外，因應自動駕駛發展，ST近日也宣布旗下內建嵌入式相變記憶體(ePCM)的28nm FD-SOI車用MCU技術架構和性能標準，並從現在開始提供主要客戶搭載ePCM的微控制器樣片，預計2020年按照汽車應用要求完成現場試驗，並取得全部技術認證，未來將用於汽車傳動系統、先進安全閘道器、安全/ADAS系統以及汽車電動化。 據悉，隨著汽車系統的要求越來越高，提升處理能力、節能降耗、更大儲存容量等需求推進微控制器廠商開發新的車用MCU架構。隨著韌體複雜性和代碼量大幅提升，對容量更大的嵌入式記憶體需求是當前汽車工業面臨的最大挑戰之一。而ePCM解決方案可以克服這些晶片和系統的挑戰，以進一步滿足AEC-Q100汽車標準的要求，其最高工作溫度可達+165℃，並確保在高溫回流焊製程後其韌體／數據可完好保存，並且抗輻射，為數據提供更多的安全保護。 陳錫成進一步解釋，隨著新應用不斷浮現，對於車用MCU而言，最明顯的要求除了系統效能越來越高之外，「提升安全性」更是勢在必行。也因此，雙核備援機制的設計開始增加，MCU開始從單核走到雙核；同時也需通過ISO26262 ASIL的認證，且隨著自駕車開始朝Level 3、Level 4發展，愈來愈多的車廠期望車用MCU不僅通過ASIL A/B/C的認證，也能符合最高級，也就是ASIL D的標準。 滿足安全規範　 MCU設計挑戰多 自動駕駛風潮起，連帶推車用MCU需求增加，其效能和安全性也須跟著提升。張曦表示，自動駕駛是個極其複雜的系統，總體來說，要打造自動駕駛，需處理來自於各種感應器的資料，因此資料處理量大；同時需要有很強的運算能力，以透過神經網路深度學習來處理感應器資料，建立環境模型；再來是要有很強的自糾錯和異常恢復能力，實現Fail-Operation，才能確保駕駛安全，最後則是要有可靠的通訊能力，使前端與感應器通訊，收集資料，後端與執行機構通訊，完成自動駕駛。 如前所述，由於自動駕駛的特殊性，整個系統必須有很強的自糾錯和異常恢復能力，實現Fail-Operation，也就是在出現異常後，系統必須還要維持至少一定時間的最小系統運行。 為了實現這個目的，就要求系統能夠在最短時間內診斷恢復異常，如果不能恢復就要即時切換到備用系統，以保證整體功能安全。為此，必須採用符合功能安全ASIL-D級的處理器和控制單元，滿足高可靠性的需求，同時也必須有高性能的平行運算能力，滿足大量資料處理、運算需求。 張曦進一步說明，要開發ASIL-D級的處理器，在設計上會有許多特殊的考量，包含互相校驗的互鎖內核、帶自動校驗和恢復的匯流排和記憶單元、內置自測試模組、亂序記憶陣列，以及異常搜集通訊模組等。須符合這些考量，才能開發與具功能安全的處理器和控制元件，進而簡化功能安全系統的開發，克服系統複雜度高、代碼量大；系統複雜度成長快、升級頻繁；新應用新技術導入加速、開發週期縮短；以及對系統功能安全和資訊安全的要求日益提高等挑戰。 如前所述，為了打造更加安全、可靠的車用MCU，在設計上會有很多特殊的考量，而為了應對這些挑戰，NXP推出S32處理器平台，藉由基礎共用平台涵蓋不同應用處理器間的共同需求，像是運算性能、功能安全、資訊安全、線上升級等，進而提升軟體移植性和複用性，同時在不同的應用處理器上搭載專屬硬體加速器提升系統應用功能處理能力。 張曦指出，透過這種方式，使得該公司的車用處理器提升了10倍以上的性能，並提高代碼複用度，縮減系統開發週期；且全平台支援功能安全，資訊安全和系統升級，也大幅提升系統覆蓋度，使得車上任何區域的電控系統，都可找到NXP相對應的車用處理器進行開發。如此一來，便能協助汽車電子業者加速系統開發週期和上市時間。 MCU供應商/車廠密切合作打造完善安全系統 Microchip汽車產品事業部門美洲區行銷經理David Schellenberger(圖4)則認為，現今的汽車行業有四大趨勢，分別為自動駕駛、電氣化、網路化和資料安全性。消費者的偏好和政府新法規的制定是這些趨勢背後的關鍵驅動因素，消費者對自動駕駛提供的眾多便利和改進感到興奮，從共享移動性到增強的交通多元化，再到更安全的道路；至於電動汽車改善了環境，使汽車製造商能夠滿足政府規定的燃油效率法規。 圖4　Microchip汽車產品事業部門美洲區行銷經理David Schellenberger認為， MCU必須要具備相當高的處理以及傳遞速度，才能夠應付自駕車感測器產生的大量數據，保持通訊可靠性十分重要。 此外，也需要先進的網路連接規畫來實現這些趨勢，消費者同時也渴望跟他們的車輛有更智慧的連結；最後，所有目標都需要更好的資料安全防護，使車輛更安全，更能抵禦惡意攻擊。 不過，要實現自動駕駛車輛，必須要仰賴感測器和外部環境所蒐集的大量數據，才能夠安全可靠地運行。也因此，汽車MCU必須要能以非常高的速度處理和傳遞這些數據，以便進行即時決策，這種通訊必須非常安全可靠。 Schellenberger透露，為此，該公司正致力於將汽車MCU的設計重點放在先進通訊協定和網路安全模組等領域，由於自動駕駛是一個新興市場，其中會包括許多並非傳統汽車領域的產業，因此缺乏一致的產業要求以及不斷演進的技術會帶來很大的挑戰。因而推動了半導體供應商與汽車OEM和一級設計師之間的密切合作，以滿足這些不斷變化的需求。 除此之外，數據安全運作和網路傳輸安全是目前最重要的兩個趨勢，因此Microchip致力於了解產業需求並在這兩個領域開發解決方案，並與汽車業者密切合作，確保整體系統解決方案，包括MCU、類比、連接、記憶體和安全零組件等性能與可靠性，使其能夠開發高效能/高安全性的嵌入式控制系統。 車用MCU持續滿足節能/安全/舒適要素 總而言之，汽車工業的目標始終是為使用者打造更為節能、更為安全、更為舒適的車輛，所有的汽車電子發展也是圍繞這三大主題展開，包括最近十分熱門的新能源，智慧聯網和自動駕駛技術。 張曦指出，圍繞上述三大目標，現代車輛便須裝載越來越多、越來越複雜同時卻必須越來越安全的電控系統。因此，對車用MCU的要求可歸納為以下六點： 1.需更高的性能，以適用越來越複雜的系統。 2.需更低的功耗實現節能環保。 3.需更高的功能安全和資訊安全，打造更為安全可靠的系統。 4.需更高的複用和移植性，以更快更可靠的實現新功能和系統開發。 5.需更高的相容和線上升級能力，才能更快更方便實現新功能的反覆運算。 6.需更強的通訊能力，以支援更多通訊介面和協定，實現各模組間的交互通訊。