市場話題
- Advertisement -
專訪電信技術中心副執行長林炫佑 系統級檢測方法打造安全物聯網
財團法人電信技術中心副執行長林炫佑指出,國發會正在推動亞洲矽谷計畫,倡導物聯網應用,而強化物聯網的資訊安全,則是其中不可或缺的一環。但物聯網應用種類繁多,涉及的設備型態也十分多樣化,這使得守護物聯網資安的工作變得千頭萬緒,產業鏈的各方都必須承擔一定的責任。系統層級的資安檢測標準,則可協助設備製造商、使用者在實現安全物聯網的過程中,逐步理出頭緒,進而落實對應的防禦機制。
具體來說,要實現系統層級的物聯網安全,資安團隊必須先從威脅模型的建立著手,找出可能危害系統安全的資安威脅型態;第二步則是針對這些資安威脅型態進行系統漏洞偵測,找出防禦脆弱的環節;第三步則是針對這些環節進行滲透測試,確認是否能成功滲透。最後則是對此漏洞可能造成多大的損害進行衝擊評估。這套標準作業流程可用來評估物聯網系統的安全程度,且根據電信技術中心的經驗,目前市面上有很多物聯網設備都是有漏洞的,而且很難修補。
林炫佑分析,這些漏洞之所以難以修補,主要原因有以下幾個:一、系統過於老舊,早已有大量漏洞被發現,但原廠已停止對這些系統提供修補或維護;二、系統在設計時沒有把資安納入考量,當發現漏洞時,修補的代價太高。因此,當企業或組織在採購、招標時,就應該把資安規格寫入招標採購書內,這樣供應商才會在產品開發時,把資安納入設計考量。
財團法人電信技術中心副執行長林炫佑表示,系統層級的資安檢測標準可協助掌握物聯網系統的安全風險。
2020十大科技策略趨勢 邊緣運算導入提升自主性
國際研究暨顧問機構Gartner提出2020年企業必須了解的十大策略性科技趨勢,分別為超級自動化、多重體驗、專業知識的全民化、增進人類賦能、透明化與可追溯性、更強大的邊緣運算、分散式雲端、自動化物件、實用性區塊鏈以及人工智慧安全性。
Gartner的十大科技策略趨勢是企業在制定未來五年科技規劃時必須考量的一部分。這些趨勢對人類及其居住空間、所有產業和地區都有著廣泛影響,且極可能顛覆現狀。2025年以前,與這些趨勢相關的科技都將歷經重大變化、通過關鍵爆發期,達到全新層次的成熟度,因此得以拓展實際應用案例並降低風險。
名列Gartner十大科技策略趨勢之一的更強大的邊緣運算(Empowered Edge),探索了物聯網的持續演進過程,以及如何藉由電腦科技連結並驅動人們身邊所有事物,包括消費性和工業用裝置。更強大的邊緣運算逐漸因人工智慧功能提升,以及透過機器人、無人機和自駕車等自動化物件而得以實現。
更強大的邊緣運算
邊緣運算是一種運算拓撲,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,仿效分散式處理的概念,嘗試讓流量和處理工作都在本機進行,目的在縮短延遲時間、發揮邊緣功能並賦予邊緣端更大的自主性。
物聯網架構正朝著邊緣導向演進,智慧功能逐漸移轉到端點、閘道和類似裝置。不過現在的邊緣架構仍有些分層,資訊透過定義完整的多層端點流向接近邊緣處,有時候則是流向遠端邊緣,最終進入集中式雲端和企業系統。
長期來說這種成組的階層將逐漸淡出,創造出一個非結構化的架構,其中有各式各樣「物件」和服務連接到透過一組分散式雲端服務加以連結的動態彈性網狀網路。在這種情況下,像無人機這樣的智慧「物件」就可能和企業物聯網平台、政府無人機追蹤服務、地方感測器和城市層級的地方雲端服務溝通,再與附近導航用無人機進行點對點無線連接模式(Peer to Peer Mode, P2P)資訊交換。
邊緣、近邊緣(Near Edge)和遠邊緣(Far Edge)會連接到集中式的資料中心和雲端服務。邊緣運算能解決許多迫切問題,例如頻寬成本過高、延遲時間太長令人無法接受。在不遠的將來,邊緣運算拓撲將可實現特定的數位商業和IT解決方案。
分散式雲端逐漸演進後將提供一套通用或輔助服務,能夠集中管理也可供給邊緣環境執行使用。
網狀網路架構將實現更具彈性、智慧且反應力更強的P2P物聯網系統,但可能會造成系統複雜程度增加的代價。網狀架構也是眾多分散式網路生態系統產生的結果,要徹底轉型為數位商業及產品,就必須利用智慧網狀網路架構來增加競爭優勢。從集中式到邊緣、再到網狀網路的演進過程,對產品開發將帶來極大影響,團隊在雲端和邊緣運算設計方面的技能也要進化。網狀網路的標準還不成熟,但電機電子工程師協會(IEEE)和開放霧運算聯盟(OpenFog Consortium)等組織已開始針對網狀網路架構領域進行研究。
隨著端點數量增加,功能也越來越先進,可由人工智慧所驅動並執行像Linux這樣的作業系統,而未來網狀網路架構也將變得更為普及。新型網狀網路架構將會增加物聯網系統的複雜程度,使設計、測試和支援相關工作變得更具挑戰性。除此之外,網狀網路往往代表有更多P2P活動,讓合作夥伴和生態系統可以延伸到個別產品以外之範圍。
Gartner預測,2028年之前邊緣裝置嵌入感測器、儲存、運算和先進人工智慧功能的數量將穩定增加。不過邊緣運算是一種異質性概念,範圍除涵蓋簡單的感測器和嵌入式邊緣裝置,也包括行動電話等為人熟知的邊緣裝置,以及自駕車之類的高度先進邊緣裝置。不同種類邊緣裝置用在不同情境,使用壽命也大不相同,從1到40年不等。以上因素加上廠商為邊緣裝置導入更多功能的推動加速,都為管理和整合帶來更複雜和持續的挑戰。
智慧功能將移往網路邊緣各式各樣的端點裝置,包括:
.簡易型嵌入式邊緣裝置(例如家電、工業裝置)。
.邊緣輸入/輸出裝置(例如喇叭、螢幕)。
.邊緣運算裝置(例如智慧手機、個人電腦)。
.複雜的嵌入式邊緣裝置(例如汽車、發電機)。
這些邊緣系統將直接或透過中介的邊緣伺服器、閘道器,連接超大型後端服務。
位於邊緣的資料/分析/人工智慧
在數位商業計畫的帶動下,到了2022年企業所產生資料將有75%是在傳統集中式資料中心或雲端以外的地方創造或處理,而現在僅不到10%。分散式資料的趨勢迫使企業採取不同方式,在集中蒐集資料後處理、或是直接連結資料生成處進行本地處理兩者間達到平衡。現在的使用案例需要資料管理功能移往邊緣,也就是把處理功能帶到資料那裡,而不是永遠都把資料蒐集過來再集中處理。但這種分散式「連接」的模式也帶來許多挑戰。例如:
.若資料位於邊緣,該以何種形式儲存?
.如何在邊緣執行治理管控?
.如何與其他資料整合?
為因應這些挑戰,負責資料與分析的主管必須針對資料資產的說明、組織、整合、分享與治理,來進行優化處理。
雖然並非資料管理的所有面向都必須發生在邊緣,現在使用案例的需求有逐漸往此方向發展的趨勢。因為具有高度分散的本質,包括物聯網解決方案架構等現代數位商業應用,未來很可能會挑戰企業管理及處理資料的能力,但目前大多數人尚未準備好能面對這些資料的規模和複雜度。轉變至邊緣運算的過程中會有以下幾點影響:
資料和分析技術的使用案例和解決方案必須支援新型分散式資料架構,而這是資料和分析技術主管現有資管能力不及之處。在資料管理中納入分散式資料儲存庫和處理,以便從資料所在地提供支援。
分散式資料需要分散式資料管理功能,迫使主管重新權衡他們將資料處理功能導入邊緣的能力。藉由雲端資料儲存庫、分散式平行處理平台和嵌入式資料庫技術來提升資料持久功能。
邊緣運算和其他分散式環境將挑戰資料管理技術供應商的能力,因此主管會更深入檢視如何在相關技術市場中找到方向。根據他們管理分散式資料的能力,評估現有和未來可能合作的廠商。
5G與邊緣運算溝通機制
讓邊緣裝置互相連接或連接後端服務,是物聯網的基礎,同時也是實現智慧空間的元素之一。5G是4G長程演進技術(LTE)LTE Advanced和LTE Advanced Pro的次世代蜂巢式標準。國際電信組織(ITU)、第三代合作夥伴計畫(3GPP)和歐洲電信標準協會(ETSI)等數個全球性的標準制定機構已提出定義。5G標準之後其他迭代也將支援窄頻物聯網(NB-IoT),鎖定有低耗電和低吞吐量需求的裝置。新的系統架構包含核心網路切分以及邊緣運算。
5G能解決三種關鍵技術通訊面向,每個都能支援不同新服務與其他新服務模式(例如延遲即服務:
增強型行動寬頻通訊(eMBB),大部分供應商可能會首先採用這類技術。
超可靠度和低延遲通訊(URLLC),能滿足現有許多工業、醫療、無人機和運輸方面的需求,因其對可靠度和延遲的要求甚至超越頻寬。
大規模機器型通訊(mMTC)則能解決物聯網邊緣運算對規模的需求。
使用較高的蜂巢式頻率和超大容量,會需要密集部署,且高頻率重複使用。因此,預料大部分公用5G服務一開始會以孤島式部署為主,而非全國性的連續覆蓋。Gartner預測到了2020年,全球將有4%以網路為主的行動通訊服務供應商將推出商用5G網路。許多通訊服務供應商還不是很清楚哪些使用案例本質或商業模式可能帶動5G服務,因此在2022年之前,企業主要會利用5G來支援物聯網通訊、高解析影片和固定無線接入(Fixed Wireless Access, FWA)。未經授權的無線電頻譜(例如美國的民用頻段無線電服務「CBRS」,英國德國也有類似計畫)將帶動私人5G(和LTE)網路的部署,讓企業可以利用5G技術的優勢,而不必等待公共網路擴大覆蓋。
找出絕對需要5G高階效能、低延遲或更高密度以滿足邊緣運算需求的使用案例,再根據2023年前供應商預計推出的服務,規劃組織如何利用這些使用案例的一套計畫,評估哪些可用選項比較適合用在特定的物聯網案例,且較5G更具成本效益。範例包括低功耗廣域網路(LPWAN)網路,像是以4G LTE為基礎的NB-IoT或LTE Cat. M1、長距離廣域網路(LoRa)、Sigfox和Wi-SUN。
邊緣物件的數位分身
數位分身指真實世界中某個實體或系統的數位表徵。數位分身是藉由封裝的軟體物件或模型,映射出獨特的實體物件。來自多重數位分身的資料,可聚合成一個橫跨各種真實世界實體(例如一座發電廠或城市)的合成觀點。
起初企業將單純採用數位分身,而隨著時間過去這些分身將有所演進,更有能力收集正確資料並予以視覺化、使用正確的分析技術和規則,再針對商業目標做出有效回應。數位分身模型將會增生,供應商也開始提供顧客這類模型,成為它們的產品中極為重要的部分。
(本文作者為Gartner研究副總裁暨權威分析師)
產業推力源源不絕 5G 2020產業榮景可期
5G在2019年4月,由南韓與美國不斷微調提前的開台日期中揭開序幕,而這個小插曲,也成為2019與2020年5G發展的縮影,5G成為發展最迅速的行動通訊標準,因為5G涵蓋層面廣泛,使其大到國家競爭力,小到廠商產品布局,都有戰略性意義,帶動這波5G產業卡位布局熱潮。
2020年,5G將持續發展更關鍵的技術標準,同時在產業推動廠商積極布局,插旗搶占地盤之後,如何順利掠奪市場商機,推出符合消費者需要的服務,建立正確的商業模式,成為這段時間的重點,數據服務繼語音之後,成為下一個"雞肋",企業專網變成營運商希望可以孵化的金雞蛋;同時,在營運商的推動之下,Open RAN將解構過去的電信網路,打開無線接取網路潘朵拉的盒子,再次引發另一波卡位戰,5G時代精彩可期。
3GPP R16/R17完善5G標準
3GPP 5G NR標準涵蓋R15、R16、R17,其中R15最終版已於2019年3、4月左右定案,R16將於2020年3、4月凍結,該版本標準將作為IMT-2020技術候選提交給ITU,而R17版本針對現有架構與功能持續演進,滿足各種場景應用需求,R17於2019年底確認內容,2021年終技術內容凍結。Nokia台灣客戶營運部技術總監陳銘邦(圖1)表示,R16以低延遲技術為主,並詳細制定工業物聯網(IIoT)架構、有線/無線聚合、專網(Non Public Network)、5G NR運作在非授權頻段等(圖2)技術。
圖1 Nokia台灣客戶營運部技術總監陳銘邦表示,R16以低延遲技術為主,R17則發展大規模物聯網。
圖2 3GPP R15/R16/R17技術規格要點
R17則基於發展大規模物聯網,同時將更全面支援垂直產業的聯網應用,在基礎功能強化部分,如MIMO增強、定位增強、覆蓋範圍增強、RAN數據蒐集增強、綜合接入與回傳增強、節能增強、小數據傳輸優化、Sidelink增強;支援垂直產業部分,發展NR-Lite規格、IIoT/URLLC增強、非授權頻譜NR增強、NR廣播/多播等;支援不同的終端型態部分,NR-Lite優化NR終端、多SIM卡操作;延伸訊號的覆蓋範圍與高度,發展非地面網路NR;其他如:人工智慧(AI)/機器學習(ML)5G網路、52.6GHz以上頻譜利用等。
R16在2020年發布之後,5G主要技術框架更加完善,因此明年5G產品將大舉出籠,如何激發市場需求並發展創新應用成為重點。電信技術中心副執行長林炫佑(圖3)直指,激發需求重於創造需求,透過5G高速、低延遲、大量連結的技術,可以實現先進影音功能、智慧治理、URLLC應用技術與創新應用技術等面向,其中影音應用如AR/VR沉浸式影音、4K/8K即時影像、Hologram全息投影將會是5G發展最快的應用,而低延遲與高可靠度的應用,如車聯網、無人機、數位雙胞胎(Digital Twin)、智慧電網等B2B、B2B2C應用則是5G時代的關鍵。
圖3 電信技術中心副執行長林炫佑指出,5G垂直產業應用發展,激發需求重於創造需求。
B2C應用高畫質影音與雲端遊戲
5G在創新應用上引領的變革,預計將造成一波新的典範轉移,5G商業模式中B2C轉變為營運商基本盤,B2B與B2B2X的產業潛力成為開發重點。B2C的業務規模基本上已經固定,5G預期不會帶來大幅度的成長,但也是營運商絕對不能失去的市場,除了高畫質影音之外,由於5G頻寬的大幅成長,推動雲端線上遊戲平台發展,Apple Arcade、Google Stadia、微軟Project xCloud呈現方興未艾的態勢。
此外,5G產業應用被視為是帶動電信營運商營收動能的「靈藥」之一。陳銘邦認為,5G的產業應用以車用、智慧製造、能源、健康照護為四大類別。尤其是製造業發達的國家如德國,對於5G企業專網的推動更是不遺餘力,根據工研院產科國際所的研究指出,德國汽車業者可望在不依賴電信業者的5G基礎網路設施下自建5G網路,以避免數位轉型工作託付給電新業者。
B2B應用前景可期但挑戰不小
R16標準中工業物聯網是一大重點,而近年由工業4.0帶動的製造業升級運動有了5G的加值,發展前景可期,資策會智慧系統研究所副所長馬進國解釋,藉由感測大數據,建構監控、生產計劃、分析及預測等模組,讓工廠管理更智慧更簡單,可隨時隨地觀看工廠的稼動率、加工狀況等,讓管理者即時化、可視化與有效化管理所有生產資訊,提升經營效率,實現智慧工廠最終極目標。
透過IIoT感測模組整合至零組件廠,並提供相關Domain Knowledge與整機廠連結,輔以AI建模等工具,快速變更設計及生產製程,以符合目前更短的產品生命週期,加速智慧零組件與智慧機械整合與開發速度。應用5G技術與AR/VR,導入現場即時故障排除,並建構預診斷機制,改善目前售服與維修成本。而這些目標事實上需要更多時間逐步達成,馬進國不諱言,5G產業應用要比氣長,不像B2C可以很快導入,即時看到成果並帶動營收,未來二~三年基本上都是醞釀期。
5G技術與垂直產業的發展願景,現階段還面臨許多挑戰,林炫佑進一步指出,目前缺乏可有效提升投報率的案例,垂直領域廠商尚未將5G研發範疇,5G與當前各種垂直領域設備之相容性與互通性待驗證,垂直領域廠商需與5G營運商或新創公司展開新的合作模式,採用5G與有線連線對部分垂直領域差異性尚不明顯,5G垂直應用將與外部資源連線,垂直領域卻乏專家確保資訊安全及數據保護。
專網推動應提升產業競爭力
5G產業應用不僅是傳統的B2B,更可能是B2B2C或B2B2X,所以也興起企業專網的發展熱潮,又帶動專用頻段的需求,包括英國、德國、日本、瑞典都劃設專用頻段供產業應用,希望此舉能有助5G時代的產業發展。英國將1.8GHz與2.3GHz作為Local Shared-Access使用,3.8~4.2GHz作為Local Private和Shared網路使用,農民、工廠、商業園區、公園可申請。德國也保留3.7~3.8GHz作為企業專網頻段,BNetzA根據需求分配給申請者,Volkswagen、Daimler、BMW、Siemens、Bosch等皆有意申請。
專網專頻在台灣也引起廣泛討論,不久前傳出政府有意比照德國、瑞典,保留3.7~3.8GHz中100MHz做為企業專網頻段,造成電信營運商大動作反彈,認為此舉對花大把資金取得頻譜的營運商不公平。因此,10月底交通部對電信業者承諾,企業專網專頻預計三年後才開放申請、且必須先申請一年實驗計畫,企業專頻頻譜使用「有價」,單位成本需與電信業者取得5G頻譜接近;此外,申請專網的企業須提出事業計畫書、每三年檢討頻譜使用效率。
而使用頻段則不是3.7GHz的熱門頻段,改至5G第二波釋照的4.4~5GHz頻段。行政院科技會報執行秘書蔡志宏表示,有關5G專網,未來公私單位都可提出申請,若是企業界要使用,則要看專網運作的範圍。行政院對5G專網專頻的政策指導方向會由行政院長於12月10日5G頻譜競標前後親自拍板。盼依然是以專業為依歸,同時顧及台灣資通訊、電信產業競爭力建構,以開放、自主、創新態度,並不自外於國際潮流為原則。
5G Open RAN成潮流
另外,5G時代許多應用與物聯網、人工智慧(AI)息息相關,因應網路對邊緣運算架構的需求,由大型電信營運商AT&T、中國移動、Deutsche Telekom成立ORAN組織,目的是解構目前以華為、Ericsson、Nokia主導的無線接取網路架構,Deutsche預估,以RAN建置成本占5G網路70%來看,Open RAN可以協助RAN成本節省50%,整體成本可以降低35%。
過去無線接取網路是由RAN架構以硬體的RAN設備與技術支援、技術服務組成,由於5G網路支援多樣化應用,網路朝向虛擬化、軟體化發展,工研院資通所副所長丁邦安表示,開放式網路架構可以將原來形同黑盒子的RAN解構再重組,供應鏈切得更細,除了射頻前端設備之外,與運算有關的設備不再使用專用設備,可以導入通用型的運算平台或伺服器,一方面也支援AI的運算與處理,一方面可以降低成本,達成系統簡化發展的目標。
除了ORAN以外,目前也已有多個組織投入RAN開放的發展,Fackbook在2016年成立TIP(Telecom Infra Project)號召500家廠商加入,以雲端原生模式解構電信基礎架構;開放網路基金會(Open Networking Foundation,...
專訪Vivo 5G研發中心總監秦飛 Vivo積極插旗5G手機商機
在4G時代發展智慧手機有成的Vivo,迎接5G時代的全新發展趨勢,已於全世界各地布局九個研發中心並投入大量資源,Vivo 5G研發中心總監秦飛表示,該公司在5G方面有逾3000項技術貢獻,尤其在提升使用者經驗相關的技術上,如UE Power Saving、Multi-SIM、UL-MIMO、UE Mobility、UE Capability等。面對5G時代的全面聯網趨勢,Vivo提出「1+3+X」的產品策略,以手機為核心,搭配智慧眼鏡、手表與耳機,並向外聯結電視、電腦等更多裝置。
NEX3規格為屏占比高達99.6%的6.89吋Super AMOLED 1080×2256 FHD+螢幕、核心處理器採用Qualcomm S855+搭配5G基頻晶片X50、6400萬畫素F1.8 + 1300萬F2.2廣角/微距+1300萬F2.4長焦/人像三顆鏡頭配置、1600萬畫素前置鏡頭、8GB RAM + 256GB ROM組合與4,500mAh電池容量。
面對5G在傳輸速率、資料傳輸量、連接數量等大幅提升,網路反應時間不斷降低的需求,對於手機業者而言,技術挑戰越來越嚴峻,秦飛坦言,在天線、散熱、電路布局與電池容量/耗電部分都非常棘手,NEX 3在天線部分採用6支,未來隨著傳輸速率提升或毫米波頻段的導入,勢必放入更多天線,為了納入更多天線,Vivo也開發AiA(Antenna in Antenna)技術,在體積較大的4G低頻天線中,透過穿孔放入體積小的毫米波天線,金屬間再使用絕緣材料隔離避免干擾。
而在散熱設計上,秦飛解釋,NEX 3導入多層石墨散熱片(Multi-layer Graphite Heat Sink)、碳纖維導熱片(Composite Carbon...
專訪Dialog低功耗連結事業部門總監Mark de Clercq 低價/高效藍牙SoC攻IoT聯網商機
Dialog低功耗連結事業部門總監Mark de Clercq表示,隨著需要無線連接的設備不斷增長,但實現完整物聯網系統的成本卻面臨壓力;多數設備無法聯網、智慧化的主因多是成本太高。因此,該公司以降低成本為出發點,打造出價格更低,但依舊有高效能的藍牙SoC。
Mark de Clercq進一步說明,該公司從更少材料、更少外部元件、更小/更便宜的電池;以及更低成本的製造這四大方向著手,才得以實現體積更小、高性能卻又保有低價的藍牙SoC。在以一千萬顆為量產單位的基準下,價格可以低至0.5美元。當然,為滿足少量開發的需求,該公司也推出SmartBond TINY模組,以一百萬為量產單位的話,每個模組的價格也只需約1美元,同樣能減少開發成本。
據悉,新產品的尺寸僅為其前代產品的一半,為2.0×1.7毫米,且具備高整合度,僅需要六個外部被動元件、一個時脈源和一個電源即可構成一個完整的藍牙低功耗系統。對於開發人員來說,這意味著SmartBond TINY可以輕鬆地納入任何設計,例如電子觸控筆,貨架標籤,信標或用於資產管理的主動式RFID標籤等;此外,消費者也可享受到減小系統尺寸和功耗的好處,因為可取代紅外線(IR)遙控器或運用於玩具、鍵盤或智慧信用卡和銀行卡等領域。
簡而言之,新推出的藍牙SoC以較小的尺寸搭配高效能,成功降低系統成本,適時解決了IoT設備日益增多且成本日益攀升的難題,可以將無線連接擴展到以往因為尺寸,功耗或成本限制而無法廣泛採用的應用領域,特別是成長驚人的醫療領域,例如分藥器、體重計、溫度計、血糖儀等設備當中。戴樂格預期該產品將被應用在10億個設備中,點燃新一波IoT設備的爆發成長。
Dialog低功耗連結事業部門總監Mark de Clercq表示,低價藍牙SoC有助於加速IoT設備聯網、智慧化。
滿足高效/低成本需求 Chiplets市場蓄勢待發
人工智慧(AI)、車聯網、5G等應用相繼興起,且皆須使用到高速運算、高速傳輸、低延遲、低耗能的先進功能晶片。為此,晶圓代工、封裝業者除了持續朝先進製程(5奈米、3奈米)邁進外,也開始研發新一代製程技術以突破摩爾定律瓶頸,而Chiplets可實現更小更緊湊的運算系統結構,因此備受矚目,眾多半導體廠已相繼投入,相關產品也紛紛問世。
高效/低成本是Chiplets崛起關鍵
益華(Cadence)產品市場總監孫自君(圖1)表示,人工智慧與5G快速興起,相關應用陸續浮現,成為推動半導體產業未來成長的重要動力。這些應用皆需採用高速運算、高速傳輸、低延遲、低耗能的先進功能晶片。不過,製程微縮技術變得愈來愈困難,例如為了因應各式AI應用,晶片需更高的運算效能,這使得處理器核心數量、所搭配的記憶體容量、I/O數目都急速增加,要整合的元件數量越來越多,即便是使用先進製程,要將晶片尺寸更進一步縮小仍是十分吃力。
圖1 益華產品市場總監孫自君表示,晶片小型化不僅複雜且成本昂貴。
孫自君進一步說明,即便成功小型化之後,仍還有許多要素須考量,例如功耗、散熱等。小型化意味著將各種元件整合在一起,進行運算時所產生的熱能要如何有效的散熱是一大關鍵,因為熱會影響元件電性能力;另外,要達到更好的運算效率,也意味著功率損耗愈多。換言之,晶片小型化要兼具效能、體積、低功耗、散熱等多種要素,要在這麼小的空間實現這麼多(或是做更多)的事情,難度很高;若再從IP的角度思考,要將各式各樣的IP(如記憶體IP、微控制器IP、類比線路IP等)整合在一起,接著進行各種組合試算和驗證,同樣也是要花費許多時間。所以,晶片微縮過程可說既精密又複雜,也使得造價變得更加昂貴。
孫自君指出,業者都是追求獲利,而如何降低成本是最基本的考量,隨著晶片微縮變得越來越複雜、成本也越來越高,業者也會開始思考,究竟是不是所有晶片都需要小型化,畢竟不是所有公司都有能力投入,也不是所有應用都需要非常高的運算效能。也因此,IC設計業、晶圓代工、封裝業者轉向發展晶片小型化外的製程技術,Chiplets的概念及方式也因而開始受到關注。
工研院產科國際所分析師楊啟鑫表示,Chiplets屬於業界因為摩爾定律面臨瓶頸所做的技術替代方案,更早則是源於1970年代誕生的多晶片模組。小晶片是指由多個同質、異質等較小的晶片組成大晶片的概念。先進製程成本急速上升,是故以小晶片方式以提高良率及降低晶片成本。小晶片可以減少晶片設計時程,加速晶片Time to market時間。
楊啟鑫補充,電子終端產品朝向高整合趨勢發展,對於高效能晶片的需求持續增加,然而,隨著摩爾定律逐漸趨緩,在持續提升產品性能過程中,如果為了整合新功能晶片模組而增大晶片面積,將提高先進製程大晶片成本和面臨低良率問題。而不同於SoC晶片,將大尺寸的多核心設計分散到較小的小晶片設計更能滿足現今的高效能運算處理器。此彈性的設計方式可以讓晶片功能分散到以不同製程技術生產的個別小晶片中,提升設計靈活性、更好的良率及節省成本優勢。
換言之,讓高效能晶片使用最先進製程製造,其他則使用符合經濟效益的製程製造(如I/O晶片、記憶體晶片)。從原來設計在同一個SoC中的晶片被分拆成許多不同的小晶片分開製造再加以封裝或組裝,故稱此分拆之晶片為小晶片Chiplets。
總結來說,Chiplets有著三大好處。首先,採用7nm、5nm甚至3nm等先進製程設計SoC的成本相當高昂,特別是模擬電路、I/O等愈來愈難以隨著製程技術縮小;而透過Chiplets則可以克服此一挑戰,因Chiplets是將電路分割成獨立的小晶片,並各自強化功能、製程技術及尺寸,最後整合在一起。此外,基於Chiplets還可以使用現有的成熟晶片降低開發和驗證成本。
接著,Chiplets可以滿足規模較小、較具成本考量的產品。如同前面所述,先進製程SoC造價昂貴,對於許多業者而言,其公司規模及產品銷售量並不足以支撐先進製程的成本;因此,Chiplets遂成為一種切實可行且具吸引力的方式。
至於第三個好處便是,與使用先進製程、從頭開發SoC相比,Chiplets可以加快產品上市時間,越快推出產品,這就意味著可以越早占領市場,提高潛在收入與競爭優勢。
孫自君補充,當然,除此之外,Chiplets還有著IP重用(IP Reuse)、靈活設計、低成本訂製等特點。特別是IP Reuse,目前像是藍牙、Wi-Fi都已有成熟、完整的IP,若是要將這些IP也都採用先進製程,就必須重新開IP,將IP換成5nm、3nm,接著再付一次IP授權費,以及再付費給晶圓代工業者,再加上後續的驗證、PCB板測試等,這花費的時間和成本太大;也因此,Chiplets的出現對IP Reuse起了很大的作用。
半導體業加快Chiplets產品腳步
顯而易見,在製程微縮技術只有少數幾家晶圓代工、IC製造業者可發展的情況下,異質整合(Heterogeneous Integration Design Architecture System, HIDAS)成為IC晶片的創新動能,Chiplets便趁勢崛起,成為半導體產業熱門話題,IC設計業者、IP供應商、晶圓代工廠等也開始加速產品布局。
英特爾/AMD產品競出
英特爾(Intel)日前所發布的Intel Stratix 10 GX 10M FPGA便是採用Chiplets設計(圖2),以達到更高的元件密度和容量。該產品是以現有的Intel Stratix 10 FPGA架構及英特爾先進的嵌入式多晶片互連橋接(EMIB)技術為基礎所設計,運用了EMIB技術融合兩個高密度Intel Stratix 10 GX FPGA核心邏輯晶片(每個晶片容量為510萬個邏輯單元)以及相應的I/O單元。
圖2 英特爾近期發布的Stratix 10...
大廠競逐量子霸權 百萬Qubit商用門檻仍卡關
對量子運算領域的研究者來說,2019年無疑是非常令人振奮的一年。早在1926年,奧地利物理學家薛丁格(Schrodinger)發表論文,提出薛丁格方程式,奠定量子力學的基礎後,量子運算的概念就開始逐漸醞釀。在此後數十年,多位大師級學者先後從理論上證明,量子運算是可行的,而且有些證明十分優雅,其數學推導過程甚至不到半張A4紙就能寫完。這使得學術界對於量子運算的理論研究跟硬體原型建構,一直有很高的興趣。
量子狀態難維持 系統/處理器設計考驗眾多
然而,理論歸理論,實務歸實務。量子運算在實作上非常困難,因為量子狀態本身極為脆弱,任何干擾,甚至只是試圖度量,都會使量子狀態難以維持,回復到古典(二位元)狀態。
其次,量子狀態得在接近絕對零度(攝氏-273.15度)的環境下才能維持,這使得人類開始試圖建造量子運算硬體的原型時,很自然地選擇超導體這條路徑。直到近年才開始有人探索新的設計架構,例如英特爾的自旋量子位元等基於矽晶的設計架構,或漢威聯合採用的離子阱(Ion Trap)架構(圖1)。
圖1 目前人類所發展出的六種量子運算原型系統,其中以基於超導體和半導體的系統最具發展潛力。
但這些新架構其實也無法有效解決量子運算長期以來最棘手的環境溫度問題。即便改用其他架構,可以稍微提高容許溫度,幅度也不大。舉例來說,超導量子位元必須在20毫克耳文溫度,也就是只能比絕對零度高20毫度的超低溫下才能運作。但基於矽晶的Tangle Lake,也只能把容許的溫度範圍從絕對零度往上提高一度。雖然這已能讓系統設計者在維持低溫環境方面省下許多努力,但從現實面來說,要長時間維持如此低溫的環境,還是一個很複雜的工程問題,也註定了量子運算系統必然是台龐然大物(圖2)。
圖2 Google量子電腦原型設備的局部照片。量子電腦不僅尺寸龐大,且線路非常複雜。
第三,基於超導體的設計方案很難像積體電路般微縮,這會使得量子處理器很難內建數量足以支撐商業應用的量子位元(Qubit)數量。不過,這也只是理論,實際上,Tangle Lake量子處理器的晶片尺寸還是高達三平方英吋,卻只內建了49個Qubit,低於Google在自然(Nature)期刊上發表的54Qubit超導量子處理器。這跟技術的成熟度有關,畢竟超導量子處理器的發展已經累積了數十年經驗,但矽基量子處理器的研究,是近幾年才開始。
Qubit數量對於量子運算能否實現商業應用極為關鍵。不管是54Qubit或49Qubit,都還不足以支撐真實的應用,只能用來執行實驗性質的演算法。這也是為何Google在自然期刊上發表其研究突破,聲稱實現量子霸權(Quantumn Supremacy)後,立刻引來IBM反駁的原因。
Google的研究使用了專為驗證其量子處理器所設計的演算法,因此才能在極短時間內完成超級電腦得花上萬年才能執行的運算量,但如果把Google所使用的演算法改寫成適合超級電腦執行的型態,超級電腦依然可以在幾天內跑完相同的運算任務。
撇開Google以專用的實驗性演算法來驗證其量子處理器設計不談,對任何運算設備來說,如果要進入實用階段,糾錯(Error Correction)能力是非常重要的機制,而這會需要大量的Qubit冗餘。根據英特爾、愛美科(imec)、CEA-Leti等領先企業跟研究機構的估計,如果要實現可執行商業應用,且具有糾錯能力的量子處理器,該處理器至少要整合100萬個Qubit。相較之下,目前最先進的量子處理器,離這個門檻都還有一段非常遙遠的距離。
而這也正是半導體業界為何對矽基量子處理器的前景充滿信心的原因。從物理層來看,一個量子位元的結構其實並不複雜(圖3),在半導體製程已經可以在單一晶片上整合數億個電晶體的情況下,用半導體製程來生產整合了數百萬個Qubit的處理器晶片,具有很高的可行性。英特爾的研究團隊就估計,理論上,1平方毫米的晶片面積可放置十億個自旋量子位元,且自旋量子位元與傳統電晶體在結構上有很高的相似性,因此自旋量子位元可能有助於將量子運算系統的規模擴充至估計數百萬個量子位元。CEA-Leti的研究團隊則已經訂下目標,希望在2024年之前,製造出內建100個Qubit,基於半導體製程的量子處理器。
圖3 超導量子位元與半導體量子位元的實體結構。
量子運算成熟還需十年 大廠動作頻頻為哪樁?
其實,按照許多技術研究單位跟科技大廠的預估跟規畫,量子運算是2020~2030年這段期間的重點研發題目。換言之,即便研發進度超前,量子運算進入實用階段,最快恐怕也得等到2020年代的下半葉。那麼,為何量子運算的議題提前在2019年引爆?
答案在於高效能運算的效能成長空間,已經出現瓶頸。由於功耗、通訊頻寬等限制運算效能成長的因素,本質上都跟物理有關,因此高效能運算相關的晶片業者,均急於尋求突破效能天花板的辦法,而量子運算則是其中之一。
量子運算會帶來前所未見的運算能力,可模擬和分析自然現象,從而迅速找出這類問題的解答。現今的超級電腦必須花費大量時間才能為這類問題求解,因此業界預期,量子運算會在各領域促成突破性發展,包括個體化遺傳醫學、天體物理學等。
不過,這並不意味著量子電腦會是一個通用運算系統。據CEA-Leti量子運算計畫總監Maud Vinet(圖4)指出,目前高效能運算在許多方面都已經面臨極限,要進一步提高效能的難度只會越來越高。但量子運算是領域專用型運算,無法像超級電腦般,靈活地執行各種不同類型的運算任機構合力進行的研究,從量子裝置開始擴大建構,納入諸如錯誤修正、硬體和軟體型控制等機制,以及用來發展量子應用程式的方法和工具。
但即便上述工程挑戰均獲得解決,也無法保證量子運算能獲得普及應用。由於量子運算先天上就不適合當作通用運算任務的執行平台,因此量子運算的應用會受到相當多限制。即便是在適合使用量子運算的領域,由於量子運算的效能極為驚人,全世界可能只需要一到兩台量子電腦,就足以滿足運算需求。將這些因素加總起來,量子電腦很可能無法創造出夠大的經濟規模,驅動其成本下滑,而這會進一步對量子運算的商用化進程造成阻礙。
圖4 CEA-Leti量子運算計畫總監Maud Vinet指出,量子運算並非通用運算,無法完全取代超級電腦。
旺宏電子總經理盧志遠日前在SEMICON Taiwan 2019展會期間,針對量子電腦的商業化挑戰,做出了很精闢的總結。他表示,對現有的半導體產業而言,量子運算無疑是一項破壞性創新,但一個破壞性創新技術要成功,除了工程、材料、設備機台等生態系統的配套要同步到位之外,最重要的還是應用。有廣大的應用,才能讓一項技術變成一個產業。
量子運算對高科技、工業、化學製藥、金融及能源產業都有可能帶來巨大的顛覆,但現在看來,量子運算要應用在這些領域,也還有諸多技術及工程上的難題需要克服。在量子運算真正起飛之前,必然會經歷一段炒作周期(Hype Cycle),只有撐到最後,把主要問題解決的廠商,才能享受到量子運算的豐碩果實。
得美感者 得商機
有幾位被我推薦看這部動畫影片的朋友,很感慨的對我說,他終於又看到質感與美感兼具的商業行銷,希望這是一個經由質變產生量變的開始。我當然聽得懂朋友的意思,因為我也有相同的感慨。在看影片的同時,我的腦海裡一直浮現今年搭飛機出國,機組服務人員示範戴呼吸面罩、模擬使用吹管充氣救生衣的畫面,為什麼這麼多年來,這些公司就不會想到要拍一部動畫影片。
凡是有搭機出國經驗的讀者,對這個畫面一定不陌生,因為這是飛航安全宣導的標準作業程序(SOP)之一,搭機旅客都知道這是登機程序的一部份,成人旅客經常視而不見,未成年旅客更沒有興趣停看聽。而且對航空公司來說,這是被核定的SOP,怎麼能被改變,也不需要被改變,更沒有人會想到要改變,因為都己經被行之有年的「固著框架」影響,忽略飛航宣導的首要目標,就是要先吸引旅客的注意力,然後觸發學習興趣。偶而會從新聞中看到有幾家國外航空公司,安排機組人員以戲劇或舞蹈的方式宣導,雖然也能吸引搭機旅客的注意力,但如果有旅客想要再看一遍呢?
終於,我們有一家航空業者注意到科技「美」感。
1997年9月賈伯斯(Steve Jobs)重新回到蘋果公司掌權後,起初他很積極的對外物色世界級的頂尖產品設計師,後來遇見設計部門主管艾夫(Jonathan Paul Ive),二人的設計理念一拍即合。當時,艾夫因為無法忍受蘋果公司高層,只重視獲利最大化,卻忽視產品設計的政策,在決定要離職前,聽到賈伯斯對產品設計理念的宣告,就打消離職的念頭,後來艾夫和賈伯斯聯手出擊的最首要戰功,就是在1998年5月為蘋果公司設計桌上型電腦iMac。
賈伯斯和艾夫共同擁抱的核心設計理念就是「美」,他們兩人奉行達文西對美的詮釋「簡約是細膩的極致」(Simplicity is the ultimate sophistication),認為簡單就是美,所以在產品設計上,不斷的追求將複雜變為簡單的美。甚至將美的理念貫徹在產品包裝設計,為iPod nano與iPhone的包裝盒申請專利,因為賈伯斯要求產品包裝必須能夠傳遞產品的美,要讓消費者在開箱的瞬間,感受到裝在盒子裡的是一件珍寶。艾夫回憶他和賈伯斯,花費很多的時間在產品包裝設計上,因為他們要為消費者創造一個拆封儀式,打開包裝盒的過程就是一幕戲劇,整體感受就是一個迷人的故事,他們想要讓消費者,為如此的魅力品質,深深的著迷。
從這樣的思維脈絡,讓我們從哲學的角度來認識「美」。美學(Aesthetics)也被稱為「感覺學」,字彙來源於希臘語Aisthetikos,原始意義為「對感觀的感受」,著重於探索美的本質與意義,以及人類審視美的現象。許多人誤解「美學」只是一門探討「美」的學問,其實「美」反而是「美學」探討的眾多型態之一,古希臘美學理論的探索,著重於審視人們「欣賞美」與「創造美」的活動基礎。
所謂美的事物又是如何產生的呢?古希臘哲學家亞里士多德(Aristotle)認為「美」產生於大小和次序,產生於一定的尺度,而尺度則來自於四個原因,分別是「質料因、形式因、動力因、目的因」。例如產品包裝盒,用紙的品質就是質料因,外形設計就是形式因,製造包裝盒的機械或工匠就是動力因,包裝盒的用途就是目的因。這四個因,和諧搭配就可以圓滿的體現事物,創造符合美感的整體性,任何一個因,過與不及,都會破壞整體的和諧尺度,反而因此失去美感。
德國哲學家康德,認為「美」有兩種:純粹美與依存美。純粹美就是事物本身固有的美,也可以稱為自然美,而依存美就是有條件的美,美感來自於依存的整體,也可以稱為藝術美;德國哲學家黑格爾認為,人們會被事物直接呈現的外在因素影響,引導至追究事物的意涵或內容,而人們在追究的過程中,會假設內在事物的價值,此時,外在因素的作用,就是指引人們找到這個價值。
依據康德對美的詮釋,iPhone包裝盒使用的高質感白色紙,就是在呈現自然美,而依附於包裝盒內的產品,創造出整體的藝術美,讓果粉在開箱儀式中,不自覺的、緩慢細膩的跟著美感拆解;透過黑格爾的論述觀察iPhone包裝盒,當消費者看到高質感的白色紙盒,就會被引導想像盒內物品的價值,高級的外包裝,創造更高價值的想像,而在開箱探索的過程中,逐漸裝填得到假想價值的滿足感。
再從美的角度觀察數位時代,這是一個人人追求「美」的世代,拍照要美肌美膚、直播要看網美、追蹤IG要學美妝、存錢要去醫美;但也是一個人人無視「美」的世代、崇尚假的美、否定自然美、不懂藝術美、忽略依存美、破壞整體美、不知欣賞美、不會創造美。
我好奇星宇航空為什麼會拍攝一部讓大眾感受到美感的動畫,就搜尋星宇航空的網站,又發現一個「創造美」的「照飛機」活動,網站清楚標示在那些地點,可以拍攝到美麗的機腹塗裝,號召飛機迷們,來拍攝塗裝在機腹的企業識別標誌STARLUX,這是利用美麗的飛機外型,引導人們假想追求內在價值的活動。
這個「創造美」的活動,跟我10多年前提出的一項行銷企劃案類似,當時建議客戶與公車業者洽談,在公車的車頂彩繪商品與商標,宣傳對象鎖定坐在玻璃帷幕大樓內的高階主管,每天從窗外向下看時,就會看到正在對他傳遞產品美感的「公車車頂」廣告,可惜沒有被當時的決策者接受。就像蘋果公司設計部門主管艾夫說:「在許多企業裡,好的創意及精采的設計,經常不幸被埋沒。」
星宇航空將機上安全影片融入3D動畫、科幻元素,兼具質感、美感與趣味性,上架半個月即破百萬觀賞人次。
從主觀走向客觀 數位轉型改變決策模式
然而,許多研究都顯示,人的記憶其實很不可靠,建立在記憶之上的經驗自然也是如此。因此,在企業數位轉型逐步落實的過程中,資料決策與經驗決策之間的衝突,必然會頻繁上演。機器收集到的資料跟分析,也不一定完全可靠,特別是在很多數位轉型只做半套的公司中,資料的信度跟效度,會是一個很大的問題。
因此,對於正在推動數位轉型的製造業而言,事實上也不宜太過相信機器給出的資料分析結果,除非對資料收集、分析的方法論,以及許多執行層面的問題有極高的信心。
而這個情況勢必會讓資料決策跟經驗決策的衝突,變成一個更難解的問題。
資料採集/分析可靠嗎? 先問執行與方法論
一般來說,拜感測技術進步之賜,現在用資料採集設備取得的資料,都有相當高的可信度。但對製造業應用而言,因為感測器通常是安裝在遠比感測器要大上幾十倍的機台設備上,因此,感測器裝在何處?如何安裝等技術細節問題,都可能會影響到感測器取得的數值。
此外,就像機台某些零件在持續運作的過程中,會有飄移、老化等問題,感測器本身其實也會有飄移跟老化現象,特別是在某些極端嚴苛環境或特殊應用領域,感測器有時本身就是一種近似耗材的設備,需要定期細心維護保養。
因此,當製造業的數位轉型計畫執行到一定階段,開始有資料收集、分析能力之後,管理者最該嚴格檢視的是這些感測器資料的信度與效度。如果感測器得到的資料本身就有信度跟效度問題,就不用談更進階的資料決策了。
除了與感測器有關的問題外,有時機台參數的設定,也是隱藏魔鬼的細節。有些機台會不斷把生產過程中記錄下來的參數儲存起來,以建立生產履歷。然而,有些工站的操作員為了追求帳面上的良率數字好看,或是盡可能減少停機維護的時間,提高生產績效,會把製程參數的容許範圍設定稍微放大,其結果就是產出品的公差範圍會跟著變大。但由於容許值設定被調整過了,因此設備錄得的資料,表面上看起來是一切正常的。
如果後站對來料公差的容許值夠大,或是後站的加工程序不會讓公差進一步擴大,這通常還不成問題。但如果後站本身對來料公差的容許值很低,或是加工程序會進一步擴大公差,其結果就是半成品在經過幾道製程步驟後,不良率會突然竄升。這對於仰賴資料做決策的生產人員來說,會是一個很棘手的問題,因為產品加工的良率突然下滑,原因不是發生在良率突然降低的工站,而是前面幾站就已經有問題了。
通常,產線作業員不應該有這麼大的操作權限,可以調整這類參數設定。但有設備業者表示,把機台管理權限下放給作業員,是很多製造業者都會做的事情。因為若把管理權限設得太嚴謹,甚至中央統一控管,則機台發生任何問題都要靠產線領班或產線工程師處理,這些管理者會疲於奔命,產線運作也會不順暢。
這也衍生出一個問題,為了追求生產效率,每個產線一定都有標準作業流程(SOP),但當企業開始推動數位轉型時,已經建立的SOP很可能是有問題的,必須重新進行梳理跟檢視。PCB大廠臻鼎的董事長沈慶芳就曾說,該公司的智慧工廠發展策略分成集合、整合跟融合三個階段。
在集合階段,最重要的工作就是對現有作業進行梳理,確定SOP是沒問題的,然後才是開始導入自動化、模組化生產,並引入精密控制、視覺整合等技術。把集合工作做好後,進入整合階段,才開始建構IT系統,導入生產追溯、品質追溯、資訊串聯、工程改善等機制,技術方面則開始推動設備連接化及產品輸送智慧化等技術。
到最後的融合階段,臻鼎才開始聚焦在解決運作痛點,追求生產品質提升、智能生產排程,並導入EDA跟大數據分析、AI、機器學習等技術。
從臻鼎分享的經驗來看,對於剛開始導入資料決策模式的製造業者來說,應該反覆追問的問題有二:一、產線設備所收集到的資料可靠嗎?二、分析人員有足夠的能力,從資料的表象中看出真實問題所在嗎?
在半導體產業,特別是在前段晶圓製程,因為自動化跟機聯網已經導入多年,加上產品製造過程中,對於任何參數飄移或公差的變化都非常敏感,因此晶圓廠跟設備業者都已經發展出一整套用來確保資料品質的方法論,並落實在設備的日常操作跟管理上。但對於其他製造業來說,要一步做到這個水準,可能是相當困難的。因為這不只是技術問題,也是管理政策跟組織文化的問題。
數位轉型需與組織文化再造連動
在數位轉型推動初期,企業管理者最需要關注的,是資料品質跟資料分析能力的問題。高品質的資料是產出高品質分析結果的必要條件,但光有高品質資料是不夠的,還要有具備領域知識的資料科學家來分析,才能產出高品質的分析結果,進而做為管理階層決策的參考依據。
旺宏電子早在1991年就開始發展自家的sNOVA系統,在那個人工智慧還只是學術理論的年代,為何旺宏就開始投入開發自己的數據分析平台?旺宏資深處長涂凱文給出了答案:為了把工程師腦袋裡面的Know-how用資料分析的手段保存起來。
旺宏的主力產品雖然是唯讀記憶體(ROM)、NOR快閃記憶體等利基型產品,但同樣會受到記憶體產業景氣循環的影響。在記憶體產業景氣不佳的時候,很難開出有競爭力的薪資留才。因此,旺宏的管理層思考出一套做法,想藉由資料分析把工程師腦中的知識固化成資訊系統,歷經二十多年的累積演變,才成為旺宏今天引以為傲的sNOVA平台。
在sNOVA逐步發展的過程中,一開始公司內部確實有懷疑,因為當時大數據分析的概念還沒出現,人工智慧更只是學術研究的題目。很多人都會懷疑,真的能靠資料分析來維持半導體廠的營運嗎?
但在旺宏管理層的堅持跟主導下,旺宏的資訊部門開始一步步推動,從最基本的布建感測器、進行資料蒐集開始,到後來建立起廠務、製程控制、設備機台壽命等各式各樣的統計模型,並據此預測廠務設備調度需求、晶圓瑕疵趨勢、機台故障預兆診斷等,證明模型準確度高於人基於經驗法則的判斷後,現在公司的大小管理階層都已經養成靠統計資料做決策的習慣。
涂凱文回憶說,這一路走來有許多不足為外人道的故事,例如一開始在做機台改造,布建感測器的時候,因為IT團隊懂統計、數據分析跟寫軟體,不是半導體製造專家,根本不知道要收集哪些資料,就算收集到,資料品質常常也很差。如果不是製程團隊、廠務團隊的協助,幫IT團隊畫重點,sNOVA是不會成功的。
另一方面,在確定資料品質可靠之後,IT團隊如果只停留在資料可視化,沒有進一步發展出輔助決策系統,這樣的IT團隊只會製造問題,而不是解決問題。旺宏sNOVA平台現在每天會記錄超過40億筆資料,產出數十萬張圖表,如果沒有靠機器系統幫忙過濾,聚焦在異常徵兆或現象上,完全靠工程師人力判讀,絕對會變成災難,並引發公司內其他部門的不滿。如果不做資料過濾、不做分析預測、不做決策輔助系統,那不如不要做智慧製造。
旺宏的成功故事,對其他有意發展智慧製造的製造業者,至少可以帶來四個啟示:
一、由上而下的充分授權跟支持,讓IT團隊可以好好做事。
二、現場團隊必須跟IT團隊緊密配合,才能幫助IT團隊把系統建置好。
三、IT團隊必須要發展出決策輔助系統,並證明系統判斷的準確率高於人基於經驗的判斷。
四、使用者必須養成基於資料做決策的習慣跟文化,否則空有系統也沒用。
第三點跟第四點是許多製造業者在推動數位轉型時很容易落入的陷阱。如果IT團隊只做資料可視化,沒有進一步將資料梳理成可以決策輔助的資訊,這種數位轉型只是半成品,對企業營運的幫助有限,甚至反而會製造組織內的衝突。另一方面,如果決策輔助系統已經到位,但管理者仍未建立依照資料做決定的習慣,決策輔助系統的建置自然失去意義。
管理者的責任:善用KPI工具
企業要成功推動數位轉型,建立起資料決策的企業文化,最重要的其實不是技術。事實上,智慧製造或數位轉型,除了數位雙胞胎(Digital Twins)的建置涉及到複雜且授權費用不低的專業模擬軟體外,絕大多數台灣製造業目前正在推動的數位轉型,所使用的工具跟技術都是很成熟的,有些甚至還已經是開放原始碼的免費軟體。
舉例來說,很多產線設備上都有人機介面(HMI)設備,作業員每天上班的工作內容,就是進行重複的資料輸入操作。但這種重複輸入的工作,早已可用按鍵精靈這種隨手可得的免費軟體來處理,只是工程師可能要會撰寫腳本。
因此,在探討技術問題之前,企業管理者必須先釐清自家公司的數位轉型目標究竟為何,推動過程中如何創造有利的「人和」條件,讓公司裡的各個部門都願意通力合作,完成必要的系統建置。最後才是談技術相關的問題。創造人和是數位轉型裡最艱鉅的挑戰,因為數位轉型通常都是為了提升企業經營效率、導入自動化,而這對員工來說,是很有威脅性的--飯碗可能會因為自動化而不保。
至於對中階管理者來說,從主觀決策轉向資料決策,某種程度上意味著自己過去累積的經驗將變得沒有價值,儘管事實上並非如此。沒有人的智慧,不會產生人工智慧,但害怕自己被取代,是職場人的生物本能。因此,管理者必須設法排除這些非理性因素對數位轉型的干擾。
還有一種情況是製造業在進行數位轉型時常出現的問題:KPI目標的矛盾。對製造主管來說,產能利用率跟生產效率是最重要的績效指標,但在建置決策輔助系統時,除非是新建廠房,否則幾乎無可避免地會涉及機台停機改造、布建工業物聯網等基礎建設的施作。此外,IT團隊不是製造領域的專家,要讓IT團隊理解製造現場的狀況,影響生產良率跟機台健康狀況的關鍵指標為何,現場的專家團隊必然要提供額外指導,這也會影響其工作。
如果要讓IT團隊跟其他現場專家團隊合作無間,在進行數位轉型的過程中,企業管理者必然要調整現場團隊的KPI設定,讓這些專家得以暫時放下效率至上的思維,把心力跟資源放在跟IT團隊合作上。如果KPI設定不調整,對現場狀況完全不懂的IT人,會是製造專家團隊的包袱。
AIoT大舉進駐 智慧家庭開啟創新應用大門
AI、邊緣運算技術快速蓬勃,為智慧家庭應用開啟創新大門,除了影音娛樂、照明控制、智慧家電等功能再上層樓外,包括居家監控、門鎖、廚衛用品、暖通空調、睡眠寢具等也都開始導入智慧化、聯網化設計;還有智慧音箱和AI語音助理大舉進駐智慧家庭。
顯而易見,智慧家庭的AI應用正快速擴散,而如何在嵌入式系統中實作語音辨識、機器學習與邊緣AI功能?以及如何運用藍牙、ZigBee、Wi-Fi等聯網技術無縫串連家中智慧裝置?將是家電產品與消費性電子製造商成功搶占智慧家庭AI應用商機的重要課題。
本活動邀請相關領域代表性業者與專家,深入探討智慧家庭AI技術與應用趨勢,並剖析產品設計開發對策。同時,活動中也揭曉由經濟部工業局主辦的家電產品設計競賽得獎名單,並舉辦頒獎活動,鼓勵青年學子投入智慧家電研發並厚植相關領域能量,提升家電產業產品附加價值。
家電設計發揮創意
今年獲獎的設計分別為釀造機、環境降溫爐架、補蚊器、居家無塵室除菌機。獲得金獎的「釀相」保留傳統製麴工法,運用現代科技製作發酵食物,溫濕度調控系統的設置確保其環境適合讓麴生長;並內建藍牙讓裝置可與手機聯結,操作與紀錄關於自釀的大小事。銀獎「涼盛吉食」為針對廚房高溫與油煙設計的環境降溫爐架。為解決火爐之熱輻射直射使用者的問題,「涼盛吉食」替換了現有的爐架,使用白色、亮面的絕熱陶瓷將火源關住,讓熱輻射不再直射出來,並提高爐火的能源效率,更能降低瓦斯的使用量。
獲得銅獎的「合拍」是個有電蚊拍、循環扇和捕蚊燈功能的組合家電,電蚊拍平時吸附在循環扇上,成為吸入式電擊捕蚊燈,也可拆開一分為二,成為電蚊拍、循環扇單獨使用。佳作的居家無塵室除菌機,將無塵室的概念帶入居家,利用臭氧的功效,使家人回到家中能進行簡單快速的全身潔淨,清除細菌和沾染的煙味異味。
家電服務導入AI改善使用者體驗
多年前資通訊產業就看好科技產品在家庭應用的潛力,從數位家庭到智慧家庭,大同家電電子事業部課長傅郁翔(圖1)指出,過去數位家庭是以控制主機如PC、電視或網路閘道器為中心,再對家電進行控制。而現在智慧家庭的概念則是以雲端平台為中心,使用無線網路技術將家電、安防/監控裝置、感測節點等串連起來,透過雲端服務進行產品的控制與管理,安裝與整合彈性較高。也導入AI提升影音品質、整合應用強化生活管理並利用科技降低料理門檻。
圖1 大同家電電子事業部課長傅郁翔指出,智慧家庭的概念是以雲端平台為中心,透過雲端服務進行產品控制與管理。
在智慧家庭發展趨勢部分,傅郁翔表示,未來將發展更多元的操控介面,如語音控制、手機App與穿戴裝置等,多雲串聯將促使服務更加豐富,智慧產品除白色家電之外,燈光、門禁、監控都是。而雲端服務也可蒐集產品使用訊息,大同便以此發展一套產品改善系統,透過主被動蒐集而來的資料,進行分析並提出改善建議。
家用無線網路多協議支援為趨勢
網路身為智慧家庭的連接骨幹,在過去控制主機的架構下,網路架構技術種類較單一,以多點式的星狀網路(Star Network)為主;現今智慧家庭則進化為無明顯主從的網狀網路(Mesh Network)架構,芯科科技(Silicon Labs)資深應用工程師黃金評(圖2)解釋,網狀網路有幾項優勢,包括:延伸網路距離、降低功耗、擴增系統規模、提供最佳響應能力等。現在家庭中網路環境越來越複雜,主要的短距無線技術有:藍牙(Bluetooth)、Wi-Fi、ZigBee、Thread、Z-Wave等。
圖2 芯科科技資深應用工程師黃金評解釋,在智慧家庭的應用中,互連互通是消費者非常重視的功能。
面對混合式的無線/有線網路環境,Silicon Labs近年積極投入發展多協定支援技術,黃金評提出,根據產業研究機構調查,在智慧家庭的應用中,互連互通是消費者非常重視的主要功能。該公司的Mighty Gecko無線微控制器,就支援了Zigbee、Thread和藍牙網狀網路應用,包括聯網照明、網關、語音助理和智慧電表。採用80MHz ARM Cortex-M33核心,專用安全核心可支援快速加密、安全啟動加載以及調試訪問控制。EFR32MG21可提供RF鏈路,以確保可靠的通信。並可使用開發套件、SDK、行動應用程序和Silicon Labs的網路分析器縮短產品上市時間。
另外,Z-Wave也是一種短距離的傳輸技術,和ZigBee一樣基於無線射頻,屬於硬體架構跟協定上的技術,功耗遠低於Wi-Fi跟藍牙,在智慧家庭的應用領域占有一定優勢。黃金評解釋,該技術運作在sub-GHz的低頻段,支援網狀網路架構,在互連互通功能上,該技術支援裝置與命令溝通,並且需要送認證確保裝置的互通性,同時支援向下相容與隨插即用。
善用AI強化技術/產品競爭力
IoT與AI是當今科技產業發展的兩大顯學,釩創科技顧問高達人(圖3)說,AIoT就是兩者的結合,AI無所不在會影響工作與生活,但AI只是一種工具,如何善加應用AI帶來的便利性,以強化產品與技術的深度,而現在全球的科技巨擘,臉書(Facebook)、蘋果(Apple)、亞馬遜(Amazon)、谷歌(Google)、Netflix等,都是善用最新技術的公司,科技產業很多層面的競爭已經沒有國界的限制,將自己的專長做到最好才是真正的競爭力。
圖3 釩創科技顧問高達人說,AI無所不在會影響工作與生活,但AI只是一種工具,善用AI帶來的便利才是重點。
AI應用會滲透到各個領域與層面,不過在智慧醫療、機器人、智慧眼鏡、智慧工廠、智慧家庭/智慧家電、智慧照明、智慧照護等則是較為熱門的領域。對所有廠商而言,導入AI是否成功,高達人認為,最重要的原則就是:AI功能是否簡單易用。面對AI帶來的機會與挑戰,台灣過去幾十年發展資通訊硬體製造的經驗,就是最好的資本,前述AI大廠會不斷發掘AI商機,台灣廠商則是要依著自己的強項找尋立基點,創造與大廠合作的機會。
AIoT將在智慧家庭發揮重大影響
AI未來與智慧家庭的結合肯定會帶來重大影響,資策會數位轉型研究所董一志(圖4)博士表示,在智慧家庭的AI與IoT應用中,三個基礎分別為AI、Big Data與Cloud Computing。在AIoT的趨勢之下,無論是公共建設的推廣還是消費電子產品的問世,廠商必須去思考人們真正的需求為何。而家庭中,燈是最普遍、入門的裝置之一,業界具影響力人士預測,智慧照明會是帶動智慧家庭的基礎應用與架構之一,家居產品/服務大廠也推出可聯結Apple HomeKit、Amazon Echo與Google Home平台的燈泡。
圖4 資策會數位轉型研究所董一志博士表示,在家庭網路應用中,透過深度學習演算法,讓雲端與邊緣裝置協同合作。
而在前瞻創意的應用部分,董一志指出,國外已經出現結合語音助理與無人機的產品,可以自由在室內空間移動,配合人們在家裡各個空間的活動,再回到固定的充電位置;另外,智慧化的家庭網路,透過軟硬體技術,將家用網路聯結優化/最佳化,整合有/無線網路,設定最佳的網路路徑選擇;在家庭網路應用中,透過深度學習演算法,讓雲端與邊緣裝置協同合作;深度神經網路(Deep Neural Network, DNN)近期也應用在網路攝影機上,強化人臉辨識為主的影像辨識功能,讓傳統的家用網路設備增加保全、照護等新功能。