市場分析
- Advertisement -
智慧醫療方興未艾 AI抗疫喜迎順時鐘效應
2020年1月底以來,新型冠狀病毒肺炎(COVID-19)疫情蔓延全球,抗疫儼然成為所有人齊心面對的共同目標,其中科技防疫更是扮演關鍵角色。正因人工智慧(AI)在防疫、診斷、醫療、藥物開發及協作等方面的成效受到肯定,等於幫政府、業界及民眾做了大量的市場教育,可望加速AI在醫療產業的落地應用,對於AI的其他行業應用也勢必將帶來「順時鐘」效應。
AI賦能 防疫科技工具無所不在
從新冠疫情爆發之後,經常在生活周遭或媒體報導中發現各種防疫科技工具,例如機場及車站必備的紅外線熱影像偵測儀、旅遊景點發布警示的無人機、協助消毒的機器人、具備居家照護功能的智慧監視器等,這些裝置有一個最大的共同點—都是AI應用裝置。
事實上,AI早已深入人們生活的不同領域,但如果不是疫情的爆發,可能沒有那麼深刻注意到AI對生活產生的深遠影響。
舉例來說,大家都很習慣公共場所設有非接觸式紅外線熱影像體溫偵測儀,但很多人並未注意到,這類偵測儀過去可能會偵測到動物、手上的熱飲料而發出警訊,甚至可能有動物或車輛亂入,如今加入AI人臉識別或人體移動辨識功能後,就能更精準鎖定人臉進行額溫測量,不會誤判而造成民眾困擾。
另一方面,如果要偵測民眾是否有戴口罩,毋須指派更多人力,只要採用「視訊監控口罩人臉偵測系統」,透過AI、機器學習及電腦視覺技術,就可精準感應人臉的關鍵部位,進而判斷口罩配戴的狀況,即使人臉過小、角度偏移或有遮蔽物,也不會發生誤判,民眾不需特地停下腳步、或刻意走到鏡頭前,可大幅提高檢測效率,這就是AI厲害的地方。
防疫期間每個公眾場所都勤於消毒,但這項工作不僅辛苦、有害人體,也有一定的感染風險,如果派上防疫機器人,就可大量減少人力。這類智慧機器人不僅有殺菌、消毒、清潔的功用,還有智慧導引及運送的功能,在院內走動時會自動轉彎、避開障礙物、抵達目的地,運送醫療器材或文件檔案也不是問題。
圖1 醫療健康AI主要應用與產值
非接觸式當道 遠距照護/智慧測溫受青睞
為了避免人與人之間的實體接觸,許多非接觸式的醫療應用大行其道,包括遠距醫療、智慧照護的使用量大爆發,也讓AI工具在醫療領域的重要性與日俱增,不僅提供醫護人員相關數據與決策判斷,也可協助醫療資源更有效地配置。
舉例來說,有廠商像是愛微科(iWEECARE)就研發出全球最小的智慧體溫貼片產品添寶(Temp Pal),改變傳統量測體溫的方式,以小型體溫貼片搭配雲端監測系統(圖2),其具備自動、遠距、連續監測體溫與預警的功能,透過藍牙傳輸體溫資料到手機App,可在第一時間發現發燒症狀,同時支援一對多,可監測多人的體溫,減少護理人員定期巡床量測體溫的時間,可明顯提升隔離檢疫工作的照護品質。
圖2 智慧體溫偵測平台
醫療機構或健康照護的室內場所,幾乎都設有監視器,但監視器如果升級成AI功能後,就可透過電腦視覺及機器學習技術,偵測出醫護人員或患者是否有按規定消毒或洗手,藉此降低院內感染的機率,同時還可進行室內場域的個體移動足跡分析,用來監測獨居長者的活動狀態,達到遠端照護的目的。
防疫期間所有藥局為了發放口罩,藥師幾乎都是疲於奔命,但如果藉助AI藥物辨識系統,未來藥師將可更輕鬆,也更可保障民眾的用藥安全。目前愈來愈多大型醫療院所已經導入智慧調劑台,藥師可藉由視覺、聽覺、感知等AI提示,透過不同發光模式、位置指示燈、語音指示、抽屜自動裝置、手勢感應等裝置,以便正確取藥,藥師或護理人員不用擔心拿錯劑量或藥物失竊等問題。
針對老年人或慢性病患,業者也推出了具備AI藥物辨識功能的智慧藥盒,拿到藥袋後,可透過App掃描QR code,將用藥資訊及藥品圖片同步上傳雲端及智慧藥盒,再透過AI影像辨識功能藉以辨識藥物,藥盒會透過語音告知這次吃了什麼藥,同時在App記錄用藥資訊,避免錯漏服藥、服錯藥量或減少用藥等情況。
健康社群應運而生 全民攜手對抗病毒
在疫情蔓延期間,民眾對於各種防疫資訊及健康知識的需求高漲,也讓許多健康社群平台大受歡迎(圖3)。例如「WaCare我的健康社群」就邀請許多醫療專家入駐,提供許多與新冠疫情相關的影片,例如如何戴口罩最有效,同時設立疫情專屬即時論壇討論區,協助在線上幫民眾解答疑惑,未來則以打造遠距健康生態系為目標,可透過AI推論引擎與機器學習技術,建構主動式的個人健康風險評估,讓民眾在風險發生前提早獲知預警。
圖3 醫療數據平台的來源
另外,專注在遠距醫療服務的「醫生馬上看」App,為偏鄉、海外人士、留學生、出國旅遊的會員提供遠距醫療服務,不管何時何處都能透過手機App使用專業醫療諮詢,其內建病歷系統可減少緊急醫療時的溝通時間。目前該平台瞄準企業、保險公司、信用卡等客戶,讓企業員工、旅遊平安險客戶、信用卡用戶在出差或出國旅遊時可以安心出遊。
事實上,由於防疫期間居家檢疫或隔離的民眾有遠端醫療的需求,衛生福利部近期還特別放寬通訊診療法的適用範圍,讓醫生在醫院可透過電腦、行動裝置的視訊進行遠端診療及開藥,不再僅限於偏鄉地區或緊急醫療所需,儘管法規的鬆綁只是短暫性,但包括主管機關、醫療院所、醫生、民眾都對通訊診療有更多的認識及實戰演練的機會,對於未來的遠距醫療、線上看診的建置推動,應有一定的正面效果。
AI讓機器視覺更靈活 電極鋁箔生產大幅進化
突破傳統機器視覺限制 罕見瑕疵不漏接
開必拓創辦人暨執行長孫逢佑(圖1左)表示,該公司是一家成立於2017年的AI新創公司,專長是AI演算法開發跟大數據分析。目前開必拓已經商品化的產品名為fastable.ai,這是一個可以客製化的AI解決方案,也是立敦AI品檢系統的核心軟體。
圖1 開必拓執行長孫逢佑(圖左)表示,要將AI導入產業應用,客製化是不可免的。右為立敦科技發言人陳昌源
透過fastable.ai,加上台灣的自動光學檢測(AOI)設備合作夥伴所提供的硬體,以及立敦團隊提供的資料跟產線實務經驗,我們共同開發出可對電極鋁箔實現100%全檢,並可檢測十多種外觀瑕疵的品檢系統。
這是傳統機器視覺或AOI系統很難達成的目標,因為這類自動化檢測方法採用固定的演算法,只能抓出特定幾種瑕疵類型,如果某種瑕疵類型沒有被寫進演算法,或是這種瑕疵無法用演算法精確描述,自動化檢測系統就無法抓出這類瑕疵。
電極鋁箔剛好就是這種產品。立敦科技發言人陳昌源(圖1右)解釋,電極鋁箔採用捲對捲連續製程生產,機器捲動的速度很快,又會有輕微的飄動,加上鋁箔表面帶有些微反光性,因此當鋁箔表面出現凹凸痕,甚至是蚊蠅等昆蟲被捲入後,在鋁箔表面留下痕跡,都會造成蠻複雜的光影變化,讓傳統機器視覺系統非常難以判定。根據該公司的測試結果,傳統機器視覺或AOI系統,大概只適合用來檢測針孔破洞這類有固定特徵的瑕疵,遇到其他瑕疵,就很難派上用場。
自動化全檢帶來多重效益
電極鋁箔是鋁電解電容的關鍵材料,鋁箔的良率高低,會對電容的良率造成直接影響。以出貨量來看,目前鋁電解電容最主要的應用還是在消費性產品,對良率的要求較為寬鬆,傳統的檢測方法還可以滿足客戶需求。但如果要進軍車用市場,客戶對鋁箔的品質要求就會相當嚴格,不僅瑕疵的漏判率要達到0%,誤判率也必須低於0.5%。這是傳統檢測方法很難做到的目標,因此立敦才會決定與開必拓合作,專門為電極鋁箔品檢開發客製化的AI系統。
圖2 開必拓與立敦共同開發的電極鋁箔自動檢測系統外觀
藉由這套客製化系統,立敦不僅跨過進軍車用市場的品質門檻,同時還享受到其他好處。立敦在台灣的產線部署fastable.ai後,也連帶解決了人力瓶頸的問題。鋁箔是連續製程,產線開動後的生產是24小時不間斷的,如果要靠人力做到100%檢測,一定要三班制輪班,但現在已經很難找到這麼多人手。因此,導入AI品檢,不僅讓產品的品質提升,生產規模也得以擴大。
陳昌源透露,在導入fastable.ai之後,因為AI可以辨別十多種外觀瑕疵,而許多瑕疵的產生,往往跟製程中的某些步驟有直接關係,因此立敦已經開始引進製程控制的觀念,不只把AI用在產品的最終品管,當檢測系統偵測到瑕疵時,還可以反過來推論是製程中的哪一個機台有問題,等同於監測產線上各種機台的運作狀況,進而預測設備的維運週期,提高產線稼動率。
智慧風潮帶動車輛人機介面革新 語音/手勢/駕駛監控進駐
手勢控制則是以BMW為領頭羊,在2018年量產X5、X7系列皆已開始導入手勢控制技術,而BENZ預期在2020年Q2所發售新車亦會搭載此技術,其他領導車廠也在陸續發表和研發階段。
駕駛監控系統各家廠商皆有相關技術,目前在各家車廠高階車款或商用車隊較為常見。駕駛偵測技術各家車廠技術發展方向不盡相同,過往多透過偵測駕駛與車輛間互動或操作的間接偵測模式為主,現在則逐漸轉向以照相機或生物感測器,對駕駛動作觀察或生理狀況記錄以對駕駛行為進行判斷。但不論如何,皆以偵測駕駛疲勞以及提供警示為主要目的;自動座艙調整各家廠商仍在研發階段,依序有相關發布和概念車出爐。
各大車廠皆有所搭配Tier1車電系統整合商發展人機介面相關技術,而語音助理、手勢控制、駕駛監測系統軟硬體技術需求不同,各自有不同上游業者共同投入。目前各大車廠在車載人機介面新技術的發展狀況概略整理如圖1。
圖1 新興車輛人機介面應用產業布局
語音助理大舉進軍汽車市場
語音助理在各類的3C產品中已有相當高的普及度,以各類科技大廠主導相關技術發展,包含亞馬遜(Amazon)、蘋果(Apple)和Google等,都是其中的佼佼者。為了延伸應用範疇,各廠都將汽車應用列為重點市場,並以既有的語音平台為基礎,重新調整為車用語音平台。
同時,為因應技術發展需求,許多大廠也與軟體技術廠商合作甚至併購,例如Google買下多倫多大學資工系所創辦的DNNresearch,加強其語音搜尋引擎能力;亞馬遜則為增強語意辨識於2012年併購Evi等。
車用語音助理之關鍵礙於如何清楚地接收駕駛者或乘客之語音指令,關鍵零組件為聲學元件,在車用市場上包括樓氏電子(Knowles)、ACC、GoerTek等皆有發展車內專用聲學元件,為目前市場主要領導者。
各家車廠多將手勢控制以及駕駛監測系統等技術整合至自家車內輔助系統,例如Toyota 的TSS2.0、VW 的Safety Features Lane Active等,皆有搭配駕駛監測系統的開發;而BMW的HoloActive Touch、BENZ的MBUX皆同時包含手勢控制以及駕駛監測系統技術。因應感測與辨識技術所需要的感測元件以及搭配的軟硬體、晶片技術而有不同廠商,例如BMW與Melexis合作開發車用ToF晶片並與SoftKinetic合作開發軟體技術。
語音助理在車用環境中從聲音輸入以麥克風硬體設備收音,採用MEMS陣列式麥克風為主要趨勢,其收聲元件中振膜採用硅、矽等材質,相較早期電容式麥克風採用的聚合纖維更耐熱、抗震,收音品質較不受溫度及電壓變化等影響,且金屬外殼具有良好射線屏障,避免收取不必要雜訊。
軟體處理中主要為自然語言處理,其中包含到語音識別、語意理解,後續在回饋語音則有語言生成、語音合成亦或是Text To Speech(TTS)等程序。
動作執行層面則分為屬於車輛控制的座艙調整、空調、啟動引擎和車門,以及娛樂、導航、通訊等項目。除車輛控制外,剩餘項目皆可在無需嵌入車電系統環境下進行,例如透過個人行動裝置、後裝設備等,對於語音平台或相關技術業者而言更多以此類服務滲入市場。
三類業者主導車用語音市場
車用語音助理相關業者可分為三類,包含車廠、語音平台以及語音技術/設備商,三方業者各有不同目標,彼此呈現相互競爭又合作的態勢。整體而言,可歸類為三種合作模式。
第一種模式為車廠直接採用語音平台服務,車廠以增加銷售賣點為動機,將各大語音平台引入車內,藉以增加服務體驗;各語音平台為提升其服務可及性以及取得更多使用者數據,多投入開發車用語音平台,例如Google的Android Auto、Amazon的Echo Auto以及Apple的Carplay,同時開放開發者環境,強化與車上電子系統的整合。雖欲增加車內服務項目和體驗,車廠對此合作方式亦有所顧慮,擔心消費者體驗導向平台大廠,因此各大車廠也積極在相關平台上發展自有的服務平台,以維持消費者的認同感與滿意度。
第二種模式為車廠自行開發語音服務,部分車廠希望掌握車上相關聯網服務廣大商機,同時由於語音平台亦將連結車輛控制系統,因此部分車廠投入自有語音系統相關技術研發,此方式需投入大量成本和人力。以Benz為例,與各大語音平台皆有合作,但在2018年仍自行開發MBUX系統,可結合車機上座艙控制以及影音娛樂、導航等功能,亦可銜接各語音平台影音娛樂功能。
第三種合作模式為語音技術商結合平台導入車廠的車輛產品,語音技術軟體/設備廠商,例如Nuance、SoundHound皆有開發語音技術以及相關應用軟體,ROAV和Chris則發展相關設備可介接至車內。此類業者可藉自行開發軟體或硬體,將語音系統服務導入車載機系統,同時以API方式銜接各大語音平台相關服務。以此方式銷售自家語音產品,同時亦可取得使用者數據提升技術。
因車內收音並非直接對麥克風說話,屬於遠場收音形式,其效果不如對手機、話筒設備等近場收音,個人主聲特徵更不明顯,因此噪音處理技術對於車內語音應用情境至為關鍵。背景噪音和發聲回音更容易影響收音品質,且在車內有多人談話情形須作考量和反應速度的要求,技術上需克服如何在多人談話中辨識駕駛聲音以及運算效能的提升。
手勢控制以ToF/結構光為主流
車用手勢控制在2013年時已經有以揮動方式控制天窗或開啟後車廂等產品出現,至2015年後已發展出在中央控制台前以細微的手勢動作控制如點選、左右滑動、音量放大等控制。
目前車用環境手勢辨識技術上主要分為三類,分別為ToF飛行時間法、立體攝影和結構光等技術。ToF是以一發射器發出射線,透過接收器接收反射回來的射線時間差,計算和物體之間距離;立體攝影則是透過兩個以上相機模組,從不同角度對同一物體拍攝,以三角定位方式判斷物體遠近、相對運動等;結構光與ToF相似,皆透過主動光源將光紋打在物體上,此方式透過對空間編碼後將原光紋與物體移動光紋之間的差異達到辨識效果。
ToF和結構光都以主動光源的變化達到辨識效果,於其他領域皆已廣泛應用。立體攝影在無光或弱光環境下卻難以辨識物體,且物體判斷運算複雜、容易造成延遲。因此現今在車用環境上皆以ToF和結構光為主。
歐洲新車安全評鑑會EuroNCAP在2025 RoadMap提到在2020年將駕駛監控系統列為安全評鑑項目之一,若沒有相關系統無法達到5星評價,為相當重要的指標,此舉將帶動駕駛監控系統加速普及至各級車款。駕駛監控系統主要可分為兩類,分別為直接偵測和間接偵測。
間接偵測透過檢測駕駛與車輛間互動或操作,如透過駕駛習慣偵測及車內配備之感測器,進而判斷駕駛行為是否正常。駕駛習慣主要偵測駕駛在操控方向盤、油門或煞車等機械操作,判斷路徑、轉向角度是否偏移或太大;車內配備感測,則是判斷駕駛的物理位置,例如手是否有握在方向盤、安全帶鬆緊程度等方式。
直接偵測以照相機或生物感測器對動作觀察或生理狀況作駕駛行為判斷。透過注意力偵測或生理狀況偵測方式。注意力偵測主要是以照相機對駕駛拍攝,判斷其動作、情緒等方式;生理狀況則是透過感測器判斷駕駛心跳、脈搏、體溫等方式。
以SAE評定自駕車等級Level 1~5,在Level 2以上駕駛無須操控方向盤、油門和煞車等行駛控制,無法採用間接偵測方式,但在Level 2~3之間仍須讓駕駛保持警覺,在緊急或無法判斷的情況下,須隨時切換為手動駕駛,故必須以直接偵測方式進行。
最早從2007年Volvo發表車道偏移偵測系統,可透過駕駛行駛路徑判斷駕駛是否有危險行為,後續各大車廠在2014~2017年皆發表此類產品,例如 VW的Fatigue Detection System、 Nissan的Driver Attention Alert、Honda的Driver Attention Monitor等。
在2018年開始各車廠、Tier1的車電系統以及製作車用晶片的廠商開始發表直接偵測之車輛監測產品。例如,2018年Valeo發表的Facing Monitor...
專訪是德科技示波器業務推廣經理劉鐙鴻 八合一示波器整合錯誤搜尋/RTSA
全新的Infiniium MXR系列混合訊號示波器整合八項功能,結合即時頻譜分析儀(RTSA)、示波器、數位電表(DVM)、波形產生器、波特圖繪圖器、計數器、協定分析儀和邏輯分析儀於一機,並具備ASIC硬體驅動處理能力。是德科技示波器業務推廣經理劉鐙鴻表示,如搭配使用該公司的軟體解決方案,可進一步提供電源完整性、高速數位測試和驗證功能。內建的軟體提供錯誤搜尋(Fault Hunter)功能,可加速找出錯誤根源,並解決罕見或隨機發生的錯誤。
是德科技示波器業務推廣經理劉鐙鴻表示,Infiniium MXR最大的亮點就是Fault Hunter與RTSA這兩個功能。
劉鐙鴻強調,Infiniium MXR最大的亮點就是Fault Hunter與RTSA這兩個功能,即時頻譜分析功能在眼圖的堆疊上,速度是過去產品的50倍快;此款示波器定位在中階產品,同時該公司也發展高階與入門的完整產品線,提供完整的工具/套件,協助廠商方便量測、迅速找到問題。
一般而言,數位訊號的除錯,劉鐙鴻提到,有90%的問題來自電源,Keysight Infiniium MXR系列示波器提供數位與類比通道,可以在同一個設備上完成訊號與電源完整性測試,而高頻訊號雜訊不明顯,因此需要性能或解析度更好的測試設備協助。MXR優點包括:八合一儀器,可減少所占用的工作台空間、縮短配置和測試時間,並將串擾問題降到最低。內建即時頻譜分析儀,可百分之百地檢測頻域中的錯誤,甚至是非同步錯誤。內建錯誤搜尋功能,可辨識正常訊號,並觀測其隨時間的變化,以便找出異常訊號,並擷取伴隨異常訊號發生的事件。使用者可快速解決問題,以便排除不規則、隨機或雜波訊號。
橫向整合/技術改善齊發 Micro LED構建產業鏈拚量產
微發光二極體(Micro LED)具備多項技術優勢,如高亮度、省電及可做出光機微型化模組,且其自發光特性架構簡單,在大型化的顯示上更優於OLED與LCD,待Micro LED技術成熟後,將有機會成為顯示技術的新主流。因此近年來吸引大批廠商投入發展,在逐步邁入量產的階段,各家廠商除了透過結盟打群架,也持續強化Mini LED厚植技術與市場實力,產業動態好不熱鬧。
而台灣在LCD與LED產業同具雄厚實力,被看好最有條件成功發展Micro LED產業鏈,國內近年也掀起Micro LED發展熱潮;本文將從產業發展現況與巨量轉移技術發展動態,以及生產設備進展等面向,觀察國內廠商投入與發展樣貌,一窺Micro LED產業的「超前部署」。
產業結盟打群架 Mini LED試水溫讓子彈飛
近來許多廠商如三星(Samsung)、LG等皆在展會中發表Micro LED螢幕,也紛紛發布量產計畫,集邦科技研究副總儲于超(圖1)對此表示,現階段市場的大型顯示螢幕價格仍居高不下,因此尚未獲主流消費市場回響,2020年許多廠商傾向於以技術難度較低的Mini LED作為商業化重點,如高階電競螢幕。
圖1 集邦科技研究副總儲于超表示,Mini LED產品的打頭陣,將會是各方決定是否投入Micro LED量產的關鍵指標
另外,許多廠商透過結盟強化技術開發進度,儲于超認為像三星及蘋果(Apple)等品牌大廠,較傾向於獨立發展關鍵技術,建立自身的供應鏈,決定產品規格後再串連上下游供應鏈。至於近期許多廠商結盟的動態,他認為總體而言是好事,但結盟較常見於主力於代工的台廠及中國廠商,因其無法獨立掌握整條供應鏈,如三安與京東方、晶電與利亞德便為實例。
環視各國產業區位,從本質上來看,Mini LED及Micro LED皆屬於競爭替代的技術,因此韓國雖長期傾力發展OLED面板技術,相對壓縮台面板廠生存空間,但也因此在Micro LED技術發展態度上呈現搖擺,難以全力主攻Micro LED技術的研發;日本以索尼(Sony)為主要大廠,但其傾向廠內自行研發,外界較難一窺發展動態;而中國除了以政策扶植搭配大量資金挹注的策略,地方政府及相關廠商雖進一步投入技術研發,並持續進行人力挖角,同時近年內技術專利數量快速上升,但技術層面現階段與台廠仍有落差。至於台廠實力則是結合LED、面板及半導體廠,可組成堅實完整的供應鏈,加上Micro LED技術實力相對領先,很有機會搶占有利位置。
至於外界傳2022及2023年將可能實現Micro LED產品的量產,光電工業協進會(PIDA)分析師林政賢(圖2)則認為,Micro LED技術的決勝關鍵在於消費市場的導入,台廠需盡快掌握市場先機,將技術導向量產。進一步回顧近期消費性市場,由於近幾個月以來武漢肺炎疫情重創全球,除了波及供應鏈零組件供貨進度外,面板消費需求隨著疫情攀升,2020年第一季已重挫15%。因此,消費需求的轉變勢必打擊現階段各國主流面板大廠的士氣。
圖2 光電工業協進會分析師林政賢表示,由於面板需求因疫情消退,台廠應把握機會搶占先機
進一步審視台廠的產業定位,林政賢說,台灣具有紮實的LED技術及跨產業供應鏈,因此看好台廠研發前景。但他指出欲穩健發展的Micro LED技術,必要條件為品牌大廠的拋磚引玉,因其具一定程度的資金與資源,能夠承受技術前期的盈虧浮動,因此台廠的劣勢同時亦體現於代工起家的先天條件,沒有諸如索尼、三星這類大廠可以作為領頭羊。因此,為克服先天劣勢,跨領域產業的整合勢在必行,如工研院於2016年便協同多領域跨國廠商,共組巨量微組裝產業推動聯盟(CIMS),從設備、晶粒、IC、半導體製程著手,期望串聯系統與品牌廠,盼能建置完整產業鏈,為台廠帶來新契機。
轉移流派各有優勢 產品特性/價格為導向
除了需橫向、平台式整合產業鏈外,Micro LED技術障礙尚包含背板材質、PCB基板的高度/平整度、接合(Bonding)、驅動IC設計等問題,其中又以巨量轉移技術為最關鍵的環節。工研院電光系統所副組長方彥翔(圖3)說明,Micro LED的應用可依產品特性及價格需求導向作為分野,因此製程中各巨量轉移技術各具優勢。
圖3 工研院電光系統所副組長方彥翔表示,Micro LED技術所需的良率取決於產品特性及價格需求
但由於各技術流派所能達到的良率及產品所需條件不同,意即高/低解析度產品各有不同良率,如車載螢幕必須能面對潮濕環境條件以及氣候因素,將對其可靠度產生影響。以低解析度產品為例,其良率標準為99.9%,高解析度則須達99.99%,若搭配修補技術,良率將可達到100%。以下則針對巨量轉移相關技術流派延伸探討。
雷射轉移
此技術由於過程中能量較強,因此溫度亦會較高;在升溫的同時其能量亦可能造成原先排列已相當密集的LED晶粒損傷,產品應用解析度為中等。
電磁吸取
採用磁力,利用電磁效應以電力產生磁場,但若要產生磁場的電流需要以高電流通電,對於模組能否承受則是一個關鍵的問題,適合應用於高解析度產品。
流體裝配
以流體作為轉移媒介,但是由於藉由浮力控制,操作存在高難度,因此亦較適合用於低解析度產品。
靜電轉移
為蘋果使用的專利技術,使用靜電力,為巨量轉移技術中能吸取LED晶粒中大小最小的方式,良率也最高,因此適用於高解析度的產品。但若欲產生靜電力的前提,必須要以電壓差產生靜電,因此在晶粒間距非常小的前提下容易被電壓噴飛,因此需克服高電壓的問題。
滾軸轉移
採取類似滾輪的方式滾平,由於需多次反覆執行,除非精密機械加工技術良好,否則其中存在的壓力將較易使晶粒之間的間距不一,而LED需要精密排列,存在較難對準的問題,因此該轉移方式較適合用於低解析度、容忍度較高的產品。以優顯科技為例,執行長陳顯德(圖4)表示,該公司採用的技術是以選擇性雷射剝離技術搭配滾軸轉移技術,適用於大多數的製程,並可彈性決定轉移數量(如1顆或是1,000顆皆可),較不同於現行供應端大廠紛紛致力於開發特殊技術,拉開彼此競爭差距的狀況。
圖4 優顯科技執行長陳顯德表示,台灣需要整合LED廠及TFT廠的「橋樑」
微轉印
其以藍寶石為基板,在目前的巨量轉移技術中,較普遍使用凡德瓦力或是具有黏性且有凹凸結構的聚二甲基硅氧烷(Polydimethylsiloxane,...
二代摺疊面板再突圍 軟性手機蓋板拼柔軟又耐刮
市場對於手機產品要求之嚴苛,恐怕超出了實驗室所有的應用模擬。從2018年底柔宇(Royole)推出外折的手機「柔派」起,到三星(Samsung)推出Galaxy Fold,折疊手機面板的可靠度一直都受到市場質疑(圖1),導致各大手機廠要不重新設計,要不縮小上市規模,藉以爭取更多的研發時間來改善已經浮現的問題。一年過去了,手機廠在2020年初發表捲土重來的折疊手機,期待以新的概念與新的解決方案,重新為手機市場打開一條血路。
圖1 第一代折疊手機面板可靠度受到市場質疑
軟性OLED顯示技術在2013年三星推出Galaxy Round,以聚醯亞胺(Polyimide, PI)取代玻璃基板以後逐漸成熟,後續推出的Galaxy Edge系列都採用軟性OLED面板。不過,光有軟性顯示面板還不足以建構一個折疊手機顯示螢幕;折疊顯示模組除了面板外,尚包括觸控、圓偏光片(Circular Polarizer)、蓋板(Cover Window)等元件,這些元件都必須要滿足可折疊的功能需求。其中,最大的挑戰還是來自蓋板,蓋板承載著防刮、耐磨、防眩光、抗反射、抗汙等功能。
過去使用玻璃蓋板,這些功能都可以輕易達成,只是玻璃無法達到小曲率半徑折疊要求,因此只能從軟性高分子材料中尋找能達到20萬次以上小半徑撓曲的材料,其中無色聚醯亞胺材料(Colorless Polyimide, CPI)玻璃轉化溫度高,具有動態撓曲(Dynamic Bending)、靜態撓曲(Static Bending)的安定性,符合蓋板材料折疊需求。
然而,CPI材質表面不耐刮,需要再經過表面可撓硬膜塗層來達到防刮的目的。筆者去年即提到,從材料應用的角度來看,符合軟性可折疊、高透光、耐磨刮特性的高分子材料應用,折疊手機面板應用恐怕是第一個,其可靠性有待實際應用的考驗。果不其然,2019年的許多失效案例與模組的蓋板有關,因此,手機廠持續針對蓋板可靠度問題,提出解決方案,期待新產品能有所改善。
2020年,市面上銷售的折疊手機廠商中柔宇沒有推出新機,新加入的摩托羅拉(Motorola)推出貝殼機Razr,巧的是,三星也推出背蓋式的Galaxy Z Flip,有志一同主打輕巧訴求;華為則推出Mate Xs,算是Mate X的小改版,其面板規格整理如表1。
第二代折疊手機在行銷上都特別強調折疊蓋板的先進性,以扭轉市場對手機可靠度不佳的印象。三星宣稱採用先進的超薄玻璃(Ultra Thin Glass, UTG)材質,而華為則強調用了雙層比黃金還貴的CPI,撇開廣告詞句,其實兩者都試圖強調產品在折疊蓋板上有極大的改善,至於改善得如何,則仍然有待市場考驗。
蓋板兼顧柔軟/可折疊/耐刮 技術挑戰大
手機蓋板是手機與外部接觸的部位,承擔影像呈現、觸控訊號輸入與保護面板模組的功能,這些功能所代表的技術需求,包含高光穿透率、低霧度、抗反光、抗眩光、抗汙等光學特性,以及防刮、耐磨、抗衝擊等機械特性;對折疊手機的蓋板來說,必須再加上動態折疊與靜態折疊的可撓特性,也就是說軟性蓋板材料既要硬得可以耐磨刮,又要軟得可以耐折曲,這些互相扞格的特性需求在材料學上是極大的挑戰(圖2)。
圖2 折疊蓋板是手機與外部接觸的部位承擔諸多互相扞格之特性需求
因此玻璃機械強度雖強,但是可撓性(Flexibility)不佳(圖3)。降低玻璃的厚度有助於增加玻璃的可撓性,以康寧(Corning)Willow玻璃為例,厚度50μm就比500μm更能承受彎曲半徑較小的折疊(圖4)。
圖3 施以微小的應變在玻璃上即產生極大的應力
圖4 薄玻璃可以承受較小的彎曲半徑
同樣的道理,在相同的彎曲半徑下,當玻璃變薄時,薄玻璃彎曲破裂的機率比厚玻璃低很多(圖5)。然而,令人沮喪的是,即使玻璃厚度小於100μm,在彎曲到10毫米時,該玻璃材料破裂的機率仍高於50%,這對於折疊手機來說,面臨設計上的挑戰,因為當折疊手機以輕薄為設計訴求時,其折疊半徑要求到5毫米以下,內折時更要求到3毫米以下的工程規格,故折疊蓋板對玻璃材質來說是一個非常大的挑戰。
圖5 不同彎曲半徑,玻璃材料破裂之機率
當全世界玻璃大廠都在努力解決可折疊玻璃之際,面板廠將目光移到了可撓性較佳的高分子材料,長鏈狀高分子結構的彈性變形能力可滿足可撓性的需求。具有高光穿透度、低霧度等良好光學特性的高分子材料很多,如聚對苯二甲酸乙二酯(Polyethylene Terephthalate, PET)、環烯烴聚合物(Cyclo Olefin Polymer, COP)等,只是這些材料的玻璃轉化溫度(Glass...
數位化、數位優化、數位轉型
文 | 萬岳憲
資策會MIC產業躍升事業群總監
數位轉型(Digital Transformation)的英文縮寫,習慣被寫為DX,萌芽於2011年的企業數位化(Digitization)倡議。因為當時出現許多新技術應用,破壞原有商業模式的案例,甚至發生實體企業被數位企業打敗,或實體企業轉型為數位企業後的突出表現而受到矚目。例如美國的跨國零售企業沃爾瑪(Walmart)公司,被跨國電子商務企業亞馬遜(Amazon)公司侵蝕市場,不得不加速積極擁抱數位轉型科技;美國奇異(GE)公司將原有的工業設備附加軟體與網路科技,積極發展物聯網服務平台,從硬體銷售轉型為服務獲利。2016年世界經濟論壇(WEF)發表《產業的數位轉型》(Digital Transformation of Industries)報告,強調數位轉型對全球產業競爭力、產業經濟發展的重要影響,因此引起世界各國政府開始重視「數位轉型」。
同時,全球研究機構也紛紛提出對「數位轉型」一詞的解釋定義。如經濟合作發展組織(OECD)認為,企業必須先將類比資訊轉換為數位型態,才可以跟雲端運算、機器人或人工智慧等新興數位科技,搭配組合應用,產生新的應用模式或商業價值;世界經濟論壇(WEF)則認為,透過新興數位科技的疊加運用,企業價值將會呈現指數型成長,不僅僅能改變目前的經營模式,甚至會協助企業產生全新的商業模式、應用、機遇或競爭態勢。
多元的定義與專業術語,導致國內許多中小企業主的無所適從,雖然知道公司應該要善用數位科技來突破目前的困境,但不知道應該要從那個方向或角度切入。今年五月,商周出版社彙整資策會MIC數位轉型研究團隊的研究成果,出版發行《數位轉型力》一書,就是期望能協助企業釐清專業術語名詞,瞭解數位科技應用的本質與內涵,提升與數位轉型相關的知識和素養。
從產業實務觀察企業運用數位科技,可區分為「數位化、數位優化、數位轉型」三個階段,企業可以從這三個階段切入檢視目前的經營狀態,沒有完善的數位化,當然就談不上數位優化;沒有提升數位化的水準,運用數位科技改善組織的營運效能、強化顧客體驗、掌握顧客喜好、提高顧客滿意度和忠誠度,就是沒有建立完善的數位優化基礎。數位優化能力不足的企業,就很難跨入數位轉型的階段,因為必須藉由高水準的數位優化能力,運用數位科技創造全新的商業模式。
企業運用數位科技的三個階段
資策會MIC將「數位轉型」定義為「以數位科技大幅改變企業價值的創造與傳遞方式」。也就是說,企業藉由完善的數位優化能力,在致力於數位轉型的過程中,成果會展現在顧客體驗、營運流程、創新商業模式、創新產品及累積數位資產等面向。而為了衡量數位轉型的成果,資策會MIC建構了數位轉型指標(DTI),從營運卓越(Operation Excellence, OE)、顧客體驗(Customer Experience, CX)、商模再造(Business Model, BM)等構面來衡量,同時再以這三個構面為核心,分別開展10個評估方向和16個測量指標。
營運卓越(OE)和顧客體驗(CX)是兩大礎石,企業必須在這兩個構面,都擁有高水準的數位優化成果,並且累積數位資產,才有可能形成商模再造(BM)構面,產生創新的產品或服務,為企業創造新的利潤空間,為顧客傳遞新的價值。而驅動營運卓越(OE)、顧客體驗(CX)的核心力量,就是企業在進行數位轉型時的數位能力(Digital Skill, DS)。
企業數位轉型指標
數位能力(DS)包含「運用數位工具」和「累積數位資產」兩個指標。前項指標著重於觀察企業,是否能夠應用適當的資訊工具,促進或提升企業的經營活動成效,後項指標則是著重於觀察企業在運營過程中,數據蒐集、分析與應用的能力。而衡量企業的數位能力程度則區分為「初始化(L0)、數位化(L1)、整合化(L2)、自動化(L3)與智慧化(L4)」五個階段。
英國管理思想大師韓第(Charles Handy)提倡「第二曲線」的概念,提醒企業必須在即將到達頂峰之前,就開展第二條上揚的曲線,但是初始的第二曲線必定會有一段滑落期,這段期間的獲利遠低於第一曲線,因為是資源投入的初始階段,這是企業必須熬過去的投資期,然後第二曲線初始上揚的階段點,會與第一曲線的初始滑落點,產生黃金交叉,上揚的第二曲線,將帶動企業開創新的商業模式。
開展第二曲線的最困難之處,在於該如何知道第一曲線就快要到達頂峰?尤其是成功的第一曲線,往往會蒙蔽我們的視野,導致忽視新科技帶來的新市場機會。所以韓第認為,企業應該在景氣佳,營運還沒有走下坡的時候,就開始規劃第二曲線。
這樣的概念與數位轉型相仿,企業應該在成長階段就開始規劃實施小規模的數位轉型實驗,從每一個小實驗,累積足夠的學習經驗,從應用新科技的過程中,對數位轉型產生正確的認知,選擇適合自己公司的數位工具,從最可行之處切入並逐步導入。
日本經濟產業省曾經針對製造業進行數位科技運用調查指出,企業想要成功的運用數位科技,必須建立具體的目標與共識,並且與內外部的夥伴密切合作,但最重要的因素,卻是經營者必須有強烈的主導推動意願,才有可能提升數位優化水準,朝向數位轉型的方向前進。
資料科學/電子工程攜手 AI智慧醫療影像判讀加速診斷
新冠疫情爆發促使智慧醫療成為熱門議題,人們期望新科技有助於強化醫療效率及資源分配。醫療科技現正進入整合大數據與人工智慧的階段,許多醫師或醫療單位意識到醫療智慧化的需求,認為人工智慧(AI)的影像辨識技術可以協助醫療人員做決策,並提升診療的精確性及效率,因而紛紛投入AI相關的研究,或者與研發團隊合作,期望達成診斷的品質/效率/醫療資源分配最佳化的目標。而AI進入醫療體系的同時,智慧醫療的研發則面臨資料搜集、臨床的落地應用與法規限制等重大挑戰。
醫師主動學習AI 望診斷品質提升
處於醫療現場,許多醫師與醫療團隊感受到科技需求,主動進修並學習AI,走向智慧醫療。成大醫學資訊所特聘教授蔣榮先原是主攻人工智慧的資料科學家,因曾在成大醫學院兼課,開啟醫療領域的大門,以資工及AI的角度分析醫療資料。現在蔣榮先的醫學資訊研究室裡有16位醫生前來進修博士,希望透過AI提升醫療診斷品質。
圖1 成大醫學資訊所特聘教授蔣榮先說明,AI可以幫助診斷品質不受人為因素影響,而能隨時保持穩定與精準
目前全國只有五間大學設立醫學資訊研究所,蔣榮先分享,但是台灣很需要資訊及醫療的跨領域人才,藉由AI技術量化醫生經驗,才能形成一套醫療決策系統,幫助診斷品質不受人為因素影響,而能隨時保持穩定與精準,全面提升醫療品質。在醫療影像方面,導入AI可大幅提升影像的判讀速度,協助醫師救治更多病患以外,還能在特定情況下確保傷患在短暫的黃金時間內得到應有的治療。
針對醫師診斷的應用,蔣榮先描述急診室的模擬情境。如果一個可能腦出血的車禍傷患被送進急診室,需要先拍攝X光及斷層掃瞄,由放射科醫師透過影像診斷病患是否出現主動脈剝離的病徵,若是確定主動脈剝離,則需要通知急診醫師,並在幾分鐘的黃金時間內注射藥物使動脈收縮,以免發生中風。腦出血的黃金治療時間非常短暫,但是急診與放射科醫生需要同時診斷多位病患,若是未能即時發現車禍傷患需要注射藥物,則會造成嚴重的治療延誤。因此醫院導入AI的影像辨識程式,當傷患進入急診室並拍攝X光及斷層掃瞄後,AI可以1秒辨識主動脈狀況,若有剝離的危險可立即傳送預警簡訊給急診醫師,達到黃金時間內注射並治療的成效。
導入AI需醫療專業/資料科學/電子工程合作
面對智慧醫療的需求,科技大廠與新創團隊都針對醫療提出科技解決方案,其中國際晶片廠商NVIDIA回應醫療科技開發人員的需求開發Clara平台,在確保個資安全的前提下,向醫療單位搜集醫療影像資料,作為訓練AI的素材,同時善用其GPU快速運算的優勢,提供醫師標註影像的工具。NVIDIA亞太區健康照護解決方案架構總監黃宗祺用三角型形容AI醫療領域的三個重要角色。專業的醫療數據與資料來自醫療機構;資料科學家則熟知各種分析工具並不斷開發適用不同場景的演算法;電子工程廠商則負責提供最基礎的平台與演算法架構。黃宗祺認為,理想上三個領域的發展需要呈現均衡的正三角形,但台灣目前沒有機構的發展三者兼顧,因此跨領域合作便是發展智慧醫療的重要課題。
圖2 NVIDIA亞太區健康照護解決方案架構總監黃宗祺認為,跨領域合作便是發展智慧醫療的重要課題
NVIDIA作為三角型中的資訊平台/工具供應商,便透過醫療平台加速資料科學家的演算法開發,並協助醫師更有效率地標註醫療影像,同時在確保資安的前提下,搜集散落不同醫療機構的資料。目前台北榮總、中國醫學大學附設醫院等大型醫院已使用NVIDIA開發的工具,中醫大附設醫院也透過平台將智慧醫療的骨齡判讀服務分享給北港醫院使用。
新創/醫院合作推解方
新創團隊長佳智能與沐恩生醫團隊則都與大學的醫學研究單位合作,創業研發智慧醫療服務。長佳智能與中醫大產學合作,以全方位的醫療解決方案為核心進行多產品的研發。長佳智能研發長王帝皓分析,AI在醫療領域有三個發展方向,一是影像辨識,只要眼睛可見的診斷途徑都有AI發揮的空間。二為文字產出的醫院資料,如病歷、檢驗報告,可以透過AI協助整理與記錄,三則是基因相關的研發與檢測。三項之中以影像辨識技術最成熟,長佳智能的骨齡輔助判定系統便是應用AI快速判讀兒童的骨骼X光片,進行身高預測。
圖3 沐恩生醫技術長王淳恆表示,公司的醫師輔助平台將朝「資料不多也能做得好」的方向研發
沐恩生醫則與陽明大學臨床醫學所合作,分析醫生在導入AI過程中的幾項臨床痛點,並透過建置自動化訓練AI的工具平台,協助醫生快速開發客製化的AI模型。沐恩生醫技術長王淳恆在AI產業已有15年以上的經驗,他觀察到醫療導入AI時,常見三項痛點:
1.標記認定落差:根據不同醫生的經驗與診斷方式,使用臨床資料的目的和標註不同,不同醫生之間難有共識
2.資料受個資保護:醫院內的資料受到個資法規保護,不能帶出醫院進行AI模型訓練
3.模型不具通用性:不同機器、顯影劑、醫院等條件下,都會造成模型準確度下降
為符合醫療場域的特性,沐恩生醫開發AI輔助軟體MAIA(Medical AI Assistant),醫生只需要具備基礎AI知識,即可透過在軟體中上傳影像並標記,訓練出所需的AI模型,並運用在醫療工作中。作為醫師的個人化工具,單一醫生所能取得的資料不多,因此MAIA的研發朝著「資料不多也能做得好」的方向進行,目前只要幾千張的照片就能做出高精準度的模型,下一代的軟體預計只需要幾十張的照片即可訓練AI。
AI進入醫療領域的發揮,除了協助醫師診斷本科的病患,還能成為不同科別之間的互補角色。王帝皓在醫院是放射腫瘤科醫師,他說明臨床試驗的實際案例,當AI模型與本科醫生比賽診斷資料的準確度時,本科專業的醫生的精準度較高,但是當非本科專業的醫生與AI模型相比,AI模型的表現更出色。因此例如內科或急診醫師遇到病患出現心臟方面的問題,心臟診斷的AI模型就能協助基本的心電圖判定等工作。
圖4 長佳智能研發長王帝皓分析,AI在醫療領域的三個發展方向分別為影像/文字/基因
台灣具醫療/製造業優勢
綜觀AI在智慧醫療領域的發展歷程,王帝皓表示,影像是AI領域發展得最早也最成熟的技術,因此現在許多的智慧醫療產品/服務皆從影像辨識出發,進一步走向其他方面的醫療應用。聚焦台灣智慧醫療發展的優勢與挑戰,黃宗祺認為,在優勢方面,台灣雖然人口基數較小,醫療資料搜集的總量雖不如人口大國,但是醫療人員專業度在全球名列前茅,因此能夠擁有高品質的資料標籤,有利於AI模型訓練。另一方面,軟、硬體技術也是台灣在智慧醫療領域的優勢之一,然而好的產品仍需健全商業模式的支持,台灣市場小且缺乏共享服務的相關經驗,若能在智慧醫療方面與東南亞或鄰近國家合作,將開拓更多的可能性。
此外,觀察影響智慧醫療研發的外部因素,王帝皓提到台灣法規對於AI與智慧醫療的限制。AI醫療的技術需要法規迅速更新才能擁有發展彈性,但是目前AI模型經過訓練可持續優化,無法解釋AI的判斷邏輯或演化過程,未知的演算過程如同無法解釋的黑盒子,造成監管單位的疑慮,加上國際對AI醫療相關的認定尚未統一,因此若台灣的智慧醫療團隊想出海,便必須逐一通過各國規範。所幸具代表的醫療認證FDA/TFDA已逐步受理AI醫療產品的申請,盼台灣政府與業界持續溝通,尋找創新與嚴謹之間的平衡,以法規支持AI醫療發展。
IoT裝置驗證/存取多關卡 建構安全系統信任根有撇步
根據定義,物聯網(IoT)是由分散式裝置所形成的生態系統,而這些裝置需透過通訊基礎架構來互聯。雖然此基礎架構可以設為私有,但通常業者會利用開放的網際網路來建置。因此,當這些廣泛分布且低成本的裝置與網路/雲端應用結合在一起,會使IoT生態系統很容易受到各種安全威脅,進而造成通訊或功能失效,或是更嚴重的風險。
為了避免這些威脅,必須確保生態系統中實體和數位資產受到妥善的保護。換言之,IoT裝置需內建強韌的安全特性,才能形成信任、控制以及完整性的安全鏈基礎,而且此安全鏈必須能在系統的完整生命週期中保護整個IoT生態系統。
保護IoT裝置五大關鍵
就無線通訊晶片及模組供應商的角度而言,在晶片中建置安全元件,亦即信任根(Root of Trust, RoT)是實現安全IoT生態系統的起點。而在考慮如何保護IoT裝置時,業者首先需考慮以下五個關鍵議題:
1.建立唯一裝置身分
IoT生態系統中能夠產生資料或執行命令的任何裝置都必須擁有唯一且無法複製的身分。這些獨特的身分將構成所有其他安全功能的基礎。
2.控制裝置資源存取
IoT裝置通常被安裝在不受控制的環境中,這使得它們容易受到攻擊。駭客可能會存取裝置中的未加密資料、上傳惡意軟體、侵入裝置以執行分散式阻斷服務攻擊。也就是說,確保裝置資源,包括CPU、記憶體和連接都非常重要,讓它們只能用來執行被指定的任務。
3.保護資料完整性
保護資料至關重要,才能確保隱私、保密性,並滿足一般資料保護規範(如GDPR),以及特定的產業規則,如美國健康資訊隱私規則(HIPAA)。
4.安全決策制定
IoT裝置和生態系統必須能依賴有效的輸入資料,才能制定正確的決策。決策應在安全的環境中執行,使其不受篡改和智慧財產權竊盜的威脅。
5.驗證命令
能夠驗證發送到IoT裝置的任何命令,如注射胰島素、開啟/關閉閥門、踩煞車等,是否來自合法來源非常重要。
然而,僅保護IoT裝置,仍不足以實現整體的安全IoT生態系統,除非在開發和部署IoT裝置時,業者能採取更敏捷的安全方法來與其搭配。為此,業者必須清楚掌握其裝置目前以及未來可能面臨的所有威脅,才能建立和維持必要的安全流程。
信任根作為安全物聯網基礎
在開發IoT裝置時,必須納入安全設計考量,並且把安全功能內建在其中。例如廠商u-blox幾年前曾提出IoT安全性的五大支柱(Five Pillars of Security),並將其應用在所有u-blox的無線模組產品中。
這五大支柱包括:安全開機、安全韌體更新(FOTA)、傳輸層安全性、實體介面與API層級安全性、以及能夠防禦軟體攻擊的堅固性。其中,安全開機是安全防衛的起點,它確保只有通過驗證的韌體才能在模組上執行,之後才能再談到其它層次的安全性,包括韌體更新、傳輸層、介面與API等。
實現安全開機的關鍵,在於建立一個安全的起始點,也就是安全的信任根。一旦建立了安全的信任根源,就可以構成從裝置一直到應用程式與雲端的信任鏈基礎。因此,信任根是保證所有安全功能的要素。無論IoT裝置進行資料傳輸或產生數據,甚至業者要檢測裝置是否已被駭客入侵,信任根都不可或缺,透過結合硬體和軟體實現安全功能。
安全元件建構信任根
信任根的建構涉及多項需求,其中主要包括:
・執行一或多個通過驗證的加密功能。
・防止被任意篡改。
・安全CPU必須執行安全的軟體/韌體。來自外部的程式碼必須先經過驗證,才能在安全CPU上執行。另一種方式是,透過使用只能由信任根存取的專用ROM來建置。
・針對需要可靠時間測量的應用,還須包含一個安全時脈。
・須確保儲存安全性。
・成功完成認證和密鑰交換協定後,必須能取得安全通訊。
・SoC的啟動和運作期間可以使用安全監視,以確保元件以及元件之間的互動正常執行。若偵測到有任何插入惡意指令的意圖,信任根都會向主機發出通知。
・無論執行什麼軟體,信任根都必須運作正常,以避免受到軟體攻擊。
安全元件可被視為信任根實體建置的一種形式,它能夠執行諸如加密、解密、隨機數字產生和驗證等功能。此外,安全元件也必須非常強韌,可以抵抗實體攻擊,並且不能被讀取或複製。透過編程和個人化設計,安全元件具有唯一的ID和密鑰,因此可與主機處理器介接。在裝置中內建信任根的最安全方式,是將其置於一個基於硬體的安全元件中。
以u-blox為例,作為無線通訊與連接解決方案的供應商,選擇在無線通訊晶片中內建安全元件功能,以作為IoT裝置的信任根,因為無線通訊晶片是所有IoT裝置所不可或缺的。而新推出的SARA-R5系列產品是一款多頻段的LTE-M/NB-IoT蜂巢式模組,鎖定低功耗廣域網路(LPWAN)市場。它實現信任根的方式,是提供一個預享密鑰(PSK)管理系統。在加密過程中,PSK會在利用安全通道的兩方之間共享。此密鑰的特性是由使用它的系統來決定。PSK必須是符碼夠長且隨機的,才能確保安全,因為太短或可預測的預享密鑰很容易被破解。同時,管理員必須定期更新PSK,以維持較高的安全性。
密鑰管理系統會把密鑰存放在硬體信任根之中,並能在有需要時,在伺服器端推導出相同的密鑰。密鑰的存取只能透過非直接方式進行,並由應用程式層級的權限和政策來管理。因此,SARA-R5模組適合內建於用來傳輸關鍵和機密資訊的裝置。歸功於分離式、基於硬體的安全元件,以及輕量型預享密鑰管理系統,提供IoT應用所需的先進安全性,並包含資料加密、解密、防複製以及安全的晶片到通訊功能。
此外,為了進一步強化IoT生態系統的安全性,SARA-R5系列中建置了由GSM協會(GSMA)提出的安全端到端通訊用的IoT SIM小程式(IoT SAFE)建議,並在軟體維護版本中包含支援IoT SAFE的建置指南。IoT SAFE建議由GSM協會於2019年12月發布,可協助IoT裝置製造商和服務供應商利用SIM卡作為強固、可擴展的硬體信任根,以保護IoT數據通訊。使得與應用程式雲端/伺服器安全建立(D)TLS會話(Session)更容易,進而簡化配置和管理數百萬台IoT裝置的流程。
攜手策略夥伴 開發IoT安全平台
另一方面,IoT安全性的實現不單取決於晶片/模組的設計,而是所有生態系統夥伴需共同解決的問題。因此u-blox近來建立的一項策略性夥伴關係,與瑞士的數位安全與數位版權管理供應商Kudelski合作。Kudelski的安全方案已廣泛內建於全球各地的電視機上盒中,以確保內容供應商提供的內容不會被竊取或入侵,每年保護的內容營收高達數十億美元,因此擁有非常深厚的安全專業技術。此外,Kudelski對於大規模建置安全方案具豐富經驗,對IoT應用來說至關重要。
Kudelski提供的IoT安全平台中,已內建u-blox產品,作為建立信任、控制與完整性的安全鏈的基礎,以鏈結到裝置、資料、IoT平台與應用程式。協助使用者利用簡單的API來管理、控制所有重要的IoT安全資產。此安全平台包含三個主要組成:基於軟體或硬體的信任根、裝置中的安全客戶端程式、以及雲端的安全伺服器。而IoT裝置與安全伺服器的通訊,是透過以下方式來保護:
・利用內建於裝置中的信任根來作為所有安全功能的基礎。
・u-blox/Kudelski支援三種型態的信任根:安全元件(晶片)、SIM卡、以及在可信賴執行環境中的軟體信任根。
・安全客戶端程式庫整合裝置韌體和應用程式,客戶可充分運用所有的安全功能。
針對IoT裝置的布署,由於其中涉及了許多的輸入/輸出點以及現場中許多的既有裝置,再加上需與不同網路層,包括區域網路、蜂巢式網路和網際網路服務供應商等的伺服器交換資料,這些連接點都有可能成為整體系統的安全缺口。因此,如何提供端到端的安全性,已變得日益重要。透過此建置為使用者提供了一個端到端的安全流程,可協助設計、測試與建置一個安全架構,以供IoT裝置使用。同時,使用者還能建立並管理各種數位及實體資產,以因應既有與演進中的安全威脅。
(本文作者為u-blox服務/安全部門主管)
工業/醫療/食品多領域應用開花 智慧感測器實現五感擬真
讀者可能在一些4D電影或虛擬實境(VR)的體驗中,感受過如臨現場的氣味或栩栩如生的觸感,也可能聽過零售業者高喊「五感行銷」。說起視覺、聽覺、嗅覺、味覺和觸覺這五種感官,電腦視覺與語音辨識已經大量進入人們的生活中,另外三種也有不少業者投入,透過感測器陣列,搭配人工智慧與機器學習的功能,研發人員希望可以更真實地模擬人類的全感官能力,不管是分析葡萄酒的風土氣味、虛擬感受火山爆發的感覺、複製情人的味道等,相信都不是太遙遠的事。
電子鼻監測氣體 智慧工廠好幫手
電子鼻是一種模擬人類嗅覺能力的技術,先對各種氣味進行科學化的計量與統計工程,接著就能透過化學感測器接收氣體目標物來蒐集訊號,然後對應到氣味資料庫進行比對,藉此分析產品的氣味及構成氣味的化學分子,找出氣味的來源與成因。
相較於傳統的氣體感測方法,電子鼻不是採用單一感測器對應單一氣體的辨識方式,就如同哺乳動物的嗅覺,不是利用一個味覺感測器來感知一種氣味,而是將多個感測器組合成一個陣列;由於排列組合的方式千變萬化,因此哺乳動物能辨別大量不同的複雜氣味。目前電子鼻比較常見的應用領域包括香水美妝、食品安全、紅酒、醫療檢測、環境監測等。
近幾年電子鼻在智慧工廠的應用愈來愈多(圖1),透過高敏感度的氣體感測器,搭配物聯網架構,可即時偵測空氣中特定的氣體化合物及氣體中化學分子的變化,用於氣體排放監測、空氣品質管理等用途,就像「好鼻師」一樣,聞到奇怪的異味會立即通知警報,避免污染超標或產生工安意外,甚至還能架在無人機上,用於工廠煙道的高空氣體監測。
圖1 嗅覺感測三大技術
在醫療應用方面,現代醫學也可透過電子鼻系統來協助診斷,就跟傳統中醫會以「望、聞、問、切」來看診,其中也包括嗅覺的部分。舉例來說,糖尿病患者、腎功能異常者都會出現「病理型口臭」,肺炎患者則會分泌出特有的氣體,採用電子鼻技術開發的呼吸氣體檢測系統,可檢測出這些氣體變化,並有非侵入式、快速、安全等優點,可作為醫師臨床診斷參考。
也有一些新創公司投入開發智慧電子鼻裝置,例如Food Sniffer就推出了全世界第一款的可攜式「電子鼻」,一按就能聞出肉品是否新鮮,就像狗鼻子一樣靈敏。這款產品內置靈敏度極高的四個嗅覺感測器,可以聞出食物周圍的溫度、濕度、氨氣等數據,包括超過100種揮發性有機化合物的指數,藉此判斷肉類的新鮮度;還可透過手機應用程式(App)選擇豬肉、牛肉、雞肉或魚肉,來提高嗅覺判斷的精準度,並能提供最佳的食用建議。
品嚐紅酒/咖啡有一套電子舌比人更靈敏
雖然人們嚐到的味道,有大約80%是由嗅覺提供,僅有20%是味覺提供,但不可否認的是,人類的味覺感知也是高度複雜,透過酸、甜、苦、鮮、鹹等五種基本味覺的辨別,卻會感受到千變萬化的滋味。為了分析食物味道的組成結構及人類喜歡其味道的原因,業界開發出電子舌系統,針對樣品內溶解物的不同味道組成進行科學性的分析,試圖拆解人類的味覺密碼(圖2)。
圖2 人類味覺及電腦味覺的運作原理
電子舌的運作主要是採用一系列的液體感測器,可偵測液體中有機及無機化合物的成分,搭配分析軟體,即可模擬人的舌頭進行味道分析。相較於過去採用人工品評,必須忍受難受的滋味,甚至得冒著中毒的風險,電子舌不僅對口味的差別更靈敏,而且可在快速時間裡測試多種樣品,即使長時間工作都不會告老闆壓榨員工。
目前電子舌最常應用於食品研究與管理、藥品品管、釀酒等用途,尤其是啤酒、醬油、咖啡、糖果、冰品、茶飲、製藥、美妝等產品。例如食品業可用來偵測產品中的甜味、苦味或油脂比例,用來改良口感及風味,也可用來研究不同的溫度、是否有氣泡對味覺產生的影響,如此就能更精準操控出一般人最喜歡的產品味道,也能用來區分不同年份、不同產區的葡萄酒風味,其他像是咖啡豆、茶葉的評比也都能用電子舌來代替人工。
如由日本慶應義塾大學所成立的Aissy,就是一家使用人工智慧進行味道分析的公司,藉由各種味覺數據的研究及味覺感測器的開發,可定量分析酸、甜、苦、鮮、鹹等五種基本味覺的濃度,還可分析一段時間後的味道變化,藉此規畫符合消費者需求的新產品或菜單,或者用來改善不同生產基地的溫度與濕度等環境因子。
許多日本企業都紛紛找上Aissy合作,例如要開發新款綠茶飲料產品,就可透過味覺感測器找出苦味與鮮味之間的最佳平衡,採用最有餘韻味道的新生茶;又如飲料客戶研究吃烤肉與哪種飲料之間最速配,結果發現果汁的速配程度超過90%,比綠茶、麥茶更對味,也打破了一般人覺得吃烤肉不適合搭配果汁的觀念。
AI觸覺尚處萌芽期 創新人機互動模式可期
對於研究人員來說,模擬人類觸覺能力的難度絕對不下於嗅覺與味覺。人類其實是結合視覺與觸覺回饋的感受,對於物體的觸感進行辨識處理,早期對電腦觸覺的開發,主要是透過觸覺感測器、電腦視覺、影像資料庫的搭配,近期則是受惠於人工智慧、神經網路與深度學習的進展,不靠視覺,僅靠觸覺的研究,即可模擬人類在觸摸時的理解力。
以麻省理工學院的研究為例,其開發出一種可擴充觸覺手套(Scalable Tactile Glove, STAG),配備550個微型感測器,藉以蒐集穿戴者的手部與物體互動時所產生的即時壓力訊號,轉換為觸覺地圖,再傳送到神經網路學習各種物體的特定訊號模式,建立出特定壓力模式與特定物體間的關聯性,如此一來機器人就能藉由抓取判斷物體類型與重量,擁有類似人類探索與辨識物體的能力,目前辨識物體的正確率可達76%(圖3)。
圖3 麻省理工學院開發的可擴充觸覺手套
再以北京他山科技為例,其開發出AI觸覺感測器,藉由曲面電容感應的核心技術,可以讓機器在3D空間內獲得接觸覺、壓覺、力矩覺、滑覺、濕覺、溫覺等感知,再搭配複雜的演算法疊加與深度學習能力,讓機器人的皮膚能夠模擬人類觸覺90%的功能,目前主要應用領域包括汽車電子、智慧家電、智慧建築玻璃、智慧醫療等。
在眾多產業中,汽車業對AI觸覺的應用一直表達高度興趣,如BMW就與他山科技合作,將電腦觸感方案應用於車內人機互動場景,以座椅靠背托板為媒介的3D感應技術,可代替傳統按鍵,能夠支援用戶的手勢喚醒、懸停、多指滑觸、按壓等更簡單且自然的操作指令。
可以期待的是,因為電腦觸覺的演進,可以創造許多令人驚奇的人機互動模式,未來像是座椅、床、衣服、遊戲控制器、玩偶這類與人密切接觸的東西,不再需要觸控螢幕、聲控或手勢辨識去操控,靠著AI觸覺就能提供更客製化的回饋或接近人與人互動的真實感受,包括虛擬擁抱、模擬觸摸實體的線上購物、遠端烹飪教學、數位醫療觸診也都不再是夢想。












