市場話題
- Advertisement -
中高功率技術成熟 無線充電需求只增不減
電池充電技術已正式邁入無線化與快速化的發展階段,特別是在消費性電子領域,導入無線充電與快速充電技術的產品已愈來愈多。現階段,無線充電技術以Qi標準的規格為市場主流,充電功率已可達15W,無線充電聯盟(Wireless Power Consortium, WPC)Qi規格團隊也正積極研議60W的技術規格,期能滿足筆電、工具機和醫療器材等更多應用。
在行動電話、小型家電與穿戴裝置的帶動之下,在2017年無線充電的消費電子設備出貨量比2016年增加了40%(圖1)。無線充電收發器的出貨量皆在持續成長當中。
圖1 全球無線充電市場預測
資料來源:IHS
根據市場調查機構IHS報告統計,在2017年,智慧型手機開始導入無線充電,是推動該市場成長的主要動能。經典的電動牙刷應用,也持續推動小家電的無線充電滲透率。而Apple推出的智慧手表Apple Watch已於2017年開始導入無線充電,可以說是引領了穿戴裝置導入無線充電的潮流,在未來,穿戴裝置將成為帶動無線充電接收器出貨量成長的重要動能。
另一方面,快充技術目前則是高通(Qualcomm)、聯發科、華為、OPPO等大廠各自推廣自家技術,不過在USB開發者論壇(USB-IF)日前宣布USB PD 3.0將支援可編程電源(Programmable Power Supply, PPS)功能後,可望一統快速充電規格,讓快充技術的應用加速普及,並為充電器和相關配件製造商帶來更大商機。
中高階市場為商機
無線充電功能已大舉導入消費電子市場,如今搭載無線充電功能的智慧型手機已非新鮮事。接下來,將更為注重充電速度與效率。儘管無線充電零組件成本高,但在未來,台灣廠商應該將經營重心設定在較為精緻的中高階設備市場,更須時時關注高功率標準制定與新興應用的進展,才能搶得商機。
安富利(AVNET)台灣產品管理經理楊士緯(圖2)分享,在2018年Apple將無線充電功能導入iPhone之後,終端使用者開始慢慢認識到無線充電此一功能,對於該功能的要求以嘗鮮居多,鮮少對於充電效率有過多要求;然而在邁入2019年之後,終端使用者將會對於充電效率、充電速度有更高的要求,也將開始有品牌認同出現。在此階段,楊士緯認為接下來無線充電的機會將是較為精緻的中高階市場,而台灣廠商也應當朝此方向經營。
圖2 安富利(AVNET)台灣產品管理經理楊士緯認為,中高階市場是未來無線充電的商機所在。
楊士緯進一步說明,在初期WPC將輸出功率5W以下定位為低功率;5~120W為中功率。然而由於5~120W的功率區間過大,因此在2015年重新將功率輸出化分為5W以下的BPP(Baseline Power Profile)和5~15W的EPP(Extended Power Profile)標準。真正的中功率,則定義為60W以上。
面對中功率的定義發展,有業界人士認為60W的發送端(Tx)也必須向下支援5~15W的充電設備的接收端(Rx)。目前Qi規格的Tx加上Rx一套無線充電模組成本約6~9美元不等,然而,中功率一組成本則有可能高達100美元。因此,為了商業化的成本考量,此路線是否實行依然未成定數。楊士緯說明,現今WPC聯盟已確定將先推出針對廚具、廚房家電市場的高功率(100~2,400W)標準,目前商標與標準名稱已在聯盟投票決議中。
楊士緯進一步預測,自2018年底至2019年初會看到EPP的Tx產品越來越多,65~120W的高功率需求也將在2018下半年逐漸上升;車載的Tx也會逐漸普及。另一方面,儘管穿戴裝置的Tx與Rx普遍有較多客製化需求,但是因為穿戴式裝置對於防水的需求,因此也將成會帶動無線充電滲透率的重要動能。
穿戴裝置帶動未來成長
隨著終端消費電子使用者對於無線充電功能日趨熟悉,該功能在消費電子的滲透率也將隨之提升。目前,帶動相關元件出貨量的設備依然以智慧型手機為主,然而,在未來由於穿戴裝置相關的使用情境相當適合導入無線充電功能,因此,也有望帶動下一波無線充電元件出貨量的成長。
意法半導體類比與微機電產品應用經理周文介(圖3)指出,無線充電於消費性產品的應用優勢在於方便性較高;也由於少了接頭拔插的耗損,使得設備更加安全、可靠度也較高。但是也依然有待眾廠商齊力突破的挑戰,例如,無線充電相關元件成本依舊過高,同時也由於目前主流的磁感應無線充電技術,需要緊密貼合Tx與Rx,因此將使得設備的外觀設計受到局限。
圖3 意法半導體類比與微機電產品應用經理周文介指出,良好的應用情境設定是推廣無線充電的關鍵。
儘管如此,無線充電的聲勢與使用人數依然在持續提升當中。周文介提到,從2017年開始,無論是Tx還是Rx皆有很大的成長,前年同期相比,兩者出貨量總計成長幅度高達40%;成長的主要驅動力依然來自智慧型手機。WPC亦公布數據,在2018年6月已有90種型號的智慧型手機導入Qi規格的無線充電功能。
對於無線充電而言,良好的應用情境設定將是關鍵。周文介舉例,由於電動牙刷使用環境潮濕,但較少移動設備,因此主要充電座只要安裝在浴室即可。因此,電動牙刷是至今最為成功的無線充電應用實例。可以想見的是,由於穿戴裝置的某些使用情境特性與電動牙刷相似(例如,防水、抗濕氣的需求等等),在未來也將成為無線充電應用的重要戰場。
快充設計挑戰不可忽視
除了無線充電是未來的應用趨勢之外,快速充電也是消費電子市場非常看重的技術走向。電池續航力是一般消費者在智慧型手機使用體驗中,最為在意的要素。在未來,USB PD PPS結合USB Type-C將為手機、筆記型電腦等多種設備帶來快充體驗,然而,寬電壓的應用需求也為架構設計帶來挑戰,立錡科技也為此推出了相對應的解決方案。
立錡科技AD研發處技術副處長張煒旭(圖4)指出,在待機功耗遲遲沒有辦法降低的情況下,當今許多高階機種,皆已將智慧型手機電池容量提升至3,500~4,000mAh,以提升使用者體驗。除了提升電池續航力之外,就是將適配器的功率提升,降低所需要的充電時間;目前已有新技術將充電功率提升至20W,近日Vivo更提出了50W的架構。
圖4 立錡科技AD研發處技術副處長張煒旭指出,PD充電器的設計依然有些許挑戰待突破。
近來,USB-IF提出了架構在USB3.0之上的USB PD PPS規範,整合了高電壓低電流、低電壓大電流兩種充電模式,除使得電壓調節更為精準之外,也能支援PE4.0與QC4.0。
另外,張煒旭進一步說明,目前配備USB Type-C的設備越來越普及,支援USB PD PPS快速充電的設備也將越來越多。由於PD3.0能夠支援到15V~20V電壓,因此在未來甚至不僅是手機的應用,也將取代傳統筆記型電腦的充電適配器。
儘管市場看好,然而未來在PD充電器的設計上,依然有些許挑戰待突破。穩定CV控制迴路便是挑戰之一。張煒旭指出,在以往適配器只須滿足5V、12V的電壓輸出,如今卻必需要支援到20V以上,由於電壓營運範圍過大,控制範圍較寬,因此成為技術挑戰。為因應相關技術挑戰,立錡科技所推出的IC產品內含70V的LDO(Low Drpout),以因應寬電壓範圍的應用需求。
小巧/低功耗特性亮眼 Edge TPU鎖定邊緣應用
2018年7月Google在其雲端服務年會Google Cloud Next上正式發表其邊緣(Edge)技術,與另兩家國際公有雲服務大廠Amazon/AWS、Microsoft Azure相比,Google對於邊緣技術已屬較晚表態、較晚布局者,但其技術主張卻與前兩業者有所不同。
Google AI布局逐漸走向邊緣
除了同樣提倡基礎的物聯網閘道器(IoT Gateway)軟體Edge IoT Core、人工智慧/機器學習(AI/ML)軟體Edge ML外,還針對人工智慧/機器學習推出專屬的加速運算晶片,稱為Google Edge TPU(圖1),成為此次盛會一大焦點。
圖1 Google發表僅有1美分銅板面積不到的人工智慧加速運算晶片Edge TPU。
資料來源:Google官網
在Google發表Edge TPU前已發表過Cloud TPU晶片,首次發表是在Google另一個更全面、更盛大的例行年會Google I/O 2016上。Cloud TPU顧名思義用於雲端機房,而TPU是TensorFlow Processing Unit的縮寫,言下之意是針對TensorFlow而設計的硬體加速運算器,TensorFlow則是Google於2015年11月提出的人工智慧框架,是目前諸多人工智慧框架中的一大主流,其他知名的框架如Caffe/Caffe 2、Apache MXnet等。
目前人工智慧框架百花齊放,其他常見的亦有Keras、PyTorch、CNTK、DL4J、Theano、Torch7、Paddle、DSSTNE、tiny-dnn、Chainer、neon、ONNX、BigDL、DyNet、brainstorm、CoreML等。若以簡單譬喻而言,人工智慧的開發撰寫如同文書撰寫,人工智慧框架就如同記事本、Word等文書處理器,功效在於協助與便利開發撰寫。
Google自行開發設計的Cloud TPU僅用於自家雲端機房,且已對多種Google官方雲端服務帶來加速效果,例如Google街景圖服務的文字處理、Google相簿的照片分析、乃至Google搜尋引擎服務等。Google Cloud TPU也改版快速,2016年首次發表後2017年推出第二代,2018年推出第三代晶片(圖2)。
圖2 Google連續三年在Google...
專訪PCI-SIG副總裁Richard Solomon PCIe Gen4/Gen5開拓新應用
PCI-SIG副總裁Richard Solomon表示,從PCI Express Gen3推出至今,已經有超過7年歷史。這段期間內許多新應用出現,對介面頻寬有更高的需求,但PCIe新規格的制定速度卻相對遲緩,讓PCI-SIG最近幾年承受不小的壓力。
Gen4標準的制定速度之所以緩慢,其實跟PCI-SIG對PCIe未來發展方向的想法,以及從PCI時代一路遺留下來的包袱有關。Solomon透露,過去PCI-SIG的標準規格寫作方式其實有點像學術論文,很多繼承前一版規格的技術細節不會在標準文件裡面詳細描述,開發者得自己去查閱先前的標準文件。PCI-SIG決定利用PCIe Gen4做一次總整理,把所有技術細節一次說清楚講明白。但這也使得PCIe Gen4的文件工作負擔變得異常龐大。
另一方面,PCI-SIG也有意藉由PCIe Gen4開拓新的應用,因此在PCIe Gen4的規格上添加了很多新的功能,例如協定增加了新的標籤(Tag),以滿足新的服務需求,並且對通道的訊號裕度(Lane Marginig)有明確的規定,同時也強化了I/O的虛擬化能力。
這些新的規範,對於PCIe應用在各種嵌入式設備,甚至智慧型手機、平板電腦,可帶來很大的幫助。開拓新應用是PCIe標準未來發展的大方向,近期PCI-SIG跟SD協會達成合作協議,就是一個具體案例。藉由雙方合作,智慧型手機、平板電腦等應用產品的儲存系統或外部記憶卡採用PCIe,將可望成為趨勢。
也因為PCIe Gen4做好了打地基的工作,因此PCI-SIG可以在很短的時間內推出速度更快的PCIe Gen5,因為Gen5基本上就是升速版的Gen4,其他變動不大。目前PCIe Gen5標準草案已經進展到0.7版,0.9版則預計在2018年底到2019年初會公布,屆時標準就可算是底定。
PCI-SIG副總裁Richard Solomon表示,PCIe Gen4是PCI標準發展過程中的一個重大轉折點。
OPC UA巧扮網路協定翻譯員 智慧工廠設備互通有解
泓格科技副處長游尚明(圖1)表示,目前工廠所遭遇的挑戰,不外乎是生產的產品少量多樣且生命週期短、利潤長期在低端徘徊、隨著間接或直接汙染,環保規範愈來愈嚴格,以及中國人口紅利已成歷史(開始朝東南亞聘僱勞工)等。因此,如何讓傳統工廠轉型智動化,已成為製造業最重要的課題。
圖1 泓格科技副處長游尚明表示,要實現智慧工廠,聯網設備不可或缺,也因此需要一個統一的聯網標準。
而要達到智動化目標,大數據應用是十分重要的關鍵。透過大數據應用,可實現更完善的機電設備預防性保養(產線設備、空調設備或緊急發電機等);還可進行生產數據分析,提供更完整的生產履歷,優化產能等。
游尚明說明,目前工廠端常碰到的問題包括:無法有效針對問題提出改善方案,例如政府要求降低二氧化碳排放量,但工廠決策人員卻因為數據、資料不足而不知如何改進;機台數據未記錄或是數據只是粗略整理,無法活用資料供決策參考、分析;或是系統間彼此孤立,像是ERP、MES、FA的資料各自獨立,無法相互連結,導致整合困難等。
實現智慧工廠 OPC UA標準日受重視
游尚明進一步解釋,須先解決上述困境,才有可能實現大數據應用,而要達到此一願景,須仰賴統一的聯網標準,如此一來才能有效串連工廠內的各種聯網機台,進行資料擷取、整合;而OPC UA標準也因而愈來愈受到重視。
OPC(Open Platform Communications)是用於工業自動化的一種通訊標準,主要作為工業與自動化行業用戶端之間的資料交換及交互操作的參考規範。簡單來說,符合OPC標準的設備,可透過OPC將即時資料傳送給OPC Server,而使用者則透過OPC Client向OPC Server取得即時資料,進行設備監控。
OPC UA則是OPC下一代標準,同樣用於工廠網路與企業通訊,目的是改善OPC的缺點,以符合現代工業自動化的理想架構。OPC UA優點包含:功能等同性(Functional Equivalence),所有傳統的OPC規範都對應到OPC UA;跨平台(Platform Independence),從微控制器(MCU)到雲端基礎架構皆通用;安全(Secure)提升,具備加密,認證和審計(Auditing)功能;可擴展性(Extensible),能在不影響現有應用程式的情況下添加新功能;以及全面的資訊建模(Comprehensive Information Modeling),以定義複雜的資訊。
游尚明指出,過往工廠的聯網架構多採用內部乙太網(Modbus TCP),然而此一聯網架構在進行設備偵測時,是採用輪詢的方式;也就是中控系統不停發送訊息到各機台端點,確認是否有異常狀況,機台並不會主動回報異常狀況。此一方式缺點在於,當聯網設備愈來愈多,架構越來越大時,中控系統不停的發送訊息確認,會導致處理時間拉長,效率降低。也因此,已開始有工廠將聯網架構轉變成OPC UA,以提升資訊處理的即時性與資訊共享、整合。
資通訊技術扮工業4.0要角 資料收集尤為重要
工業4.0風潮席捲全球,製造業者無不積極投入發展。對此,工研院資通所智能製造服務系統組技術副組長李坤敏(圖2)表示,工業1.0變化在於動力來源改變,以蒸汽機代替人力;工業2.0為製造分工改變,開始引入電力應用、勞動分工批次生產。到了工業3.0,則是執行程序改變,也就是邁入自動化時代,而工業4.0最大的不同便在於「執行決策」的改變,也就是導入物聯網與資料分析,運用「資通訊」系統協助專業決策。也就是說,資通訊技術是工業4.0不可或缺的關鍵要素。
圖2 工研院資通所智能製造服務系統組技術副組長李坤敏指出,工業4.0最大不同在於「執行決策」的改變,而透過資通訊技術有助決策者下達準確指令。
李坤敏指出,現今製造業的困境多為試量產時程過長、量產良率不穩定、設備運作不穩定、產品/製程變數大(如缺乏可決策資訊)等,因此亟待資通訊技術協助以轉型為智慧工廠;而所謂的資通訊,便是指物聯網+巨量資料+雲端服務。
李坤敏進一步說明,資通訊的三個技術重點為數據分析、可視化中控平台與資料自動收集,其中,資料自動收集可說與數據分析息息相關。資料收集/建置的最終目的在於提升生產效能,強化產品品質與競爭力,以及協助決策者做出正確、即時的決策。
李坤敏說,若沒有收集機台設備或感測器的資訊,或是資料太少,無法看出差異化;又或是因需求不明確導致資料採樣太頻繁,收集過多資訊,皆會使決策者無法即時掌握現場狀況並降低決策效率。而當建置完善資料後,再配合聯網技術,便能串聯資料傳輸,運用資料流掌握實體流,實體流回饋資訊流來打造虛實整合系統,進而建構智慧工廠。
提升決策效率 可視化管理系統大有助益
從系統的角度來看,智慧工廠由上而下是由幾種系統組成,最頂層是工廠管理系統,此階層負責處理工廠經營時需要的資訊,包括財務資訊在內等關鍵績效指標(KPI);第二層為基礎系統,係由ERP及各別套裝軟體或各公司獨自打造的系統所涵蓋;第三層為製造執行系統(MES),其下則為電腦整合製造/製造現場控制(CIM/SFC)系統。
新漢IoT智動化事業群專案經理吳昇諺進一步指出,在智慧工廠裡,工廠自動化(FA)設備主要將透過三種形式與資訊類系統取得連線,一是直接取得FA設備資訊;二是收集來自PLC的資訊;第三則是收集MES的資訊。
關鍵數據資料收集的環節打通後,則要透過可視化管理來提升決策斷判效率。吳昇諺說明,可視化管理系統就如同戰情中心,透過隨時隨地監測設備運行並即時分析,提供現場與人員KPI看板、設備資產管理、AR遠端維運、生產檢測系統化,以及產線影音互動等功能,從而提升整體營運和設備效能管理效益。
聯網建置眉角多 備援/干擾機制不可忽略
另外,從網路基礎架構的角度來看,智慧工廠由上而下則包含應用層、通訊層及裝置層,每個階層有不同的基礎網路建置需求。新漢IoT智動化事業群產品經理陳正益分析,應用層主要有網路管理者及SCADA,通訊層則有無線和有線網路骨幹,裝置層則包含轉換器(Converter)、閘道器與現場總線閘道器。經由這三個階層網路的串連,來達到即時資料的整合。
陳正益談到,工業網路設計的拓撲架構眾多,最基本的是匯流排(Bus)架構,但考量到備援(Redundancy)機制的設計,因而衍生出其他的架構,如主幹埠(Port Trunk)、環狀(Ring)、雙環(Dual Ring)、雙宿(Dual Homing)、耦合(Coupling)、鏈狀(Chain)等等。廠商在設計時,必須考量實際環境運用時能不能順利達成通連,這往往跟實戰經驗有很大關係,經驗值愈高,競爭力也就愈強。
在工業無線網路方面,目前以區域網路(LAN)技術較為常用,主要是IEEE 802.11 WLAN技術。陳正益認為,商業用WLAN規格已進入到802.11ac等級,但工業應用由於需要的頻寬不高,因此現階段最多用到802.11n規格,未來會不會受到商業應用影響則仍待觀察。至於授權頻段的4G技術,通常會用於距離較遠的應用。
陳正益指出,無線訊號容易有干擾問題,因此須透過跳頻、通道和整體系統規劃來降低干擾情形發生。另外,工業應用亦相當重視可靠性及擴充性,因此網狀(Mesh)網路遂應運而生,藉由讓訊號可透過不同路徑傳輸來避免訊號掉包,達到更好的可靠性,同時也能彈性擴充網路建置與覆蓋範圍。
整合新舊設備 工業閘道器扮要角
由於工業製造現場設備多樣,且不乏許多使用多年的舊式機台設備,因此實務上要讓各種設備間彼此連結,不能只單純的讓機台連線,而須考量如何介接整合新舊設備的通訊協定,以達成無縫互連互通。
有鑑於此,研華科技資深工程師張俊凱表示,工業閘道器的角色遂益形重要。藉由閘道器的建置,工廠毋須更換現有機台的控制系統,僅須加裝閘道器,便可輕易連結機台和工廠內的工業網路,同時讓不同機台互相通訊,讓機台間可以進行群組協調控制和互相備援,甚至能從遠端調校,以提升生產良率。
張俊凱進一步說明,工業閘道器設計時須考量實際工廠環境、快速部署、容易使用,以及系統備援。以部署為例,傳統上當連結到閘道器的設備節點增加時,通常必須透過繁瑣的步驟達成,不僅耗費時間和人力,也容易產生人為錯誤,因此研華已將這些繁複流程簡化成一個步驟,只要在網頁上即可完成所有設定。
除資料收集、設備互連互通外,如何透過雲端平台整合提升工廠營運效率亦是落實智慧工廠的重要環節;因此研華科技IoT顧問服務市場開發經理卓建曄指出,該公司除提供多種物聯網感測裝置、閘道器等解決方案外,亦針對各應用領域推出SRP(Solution Ready Package)套件,例如要做設備聯網就有標準的SRP,製造商或系統整合(SI)業者就可利用此現成套件,加速智慧工廠落地,同時利用研華WISE-PaaS加速從端到雲的串接與維運。
卓建曄談到,現今業界已開始關注人工智慧的發展,而研華WISE-PaaS平台即支援資料標記(Data...
智慧家庭喇叭/安防應用夯 AI導入眾望所歸
Ovum首席分析師Michael Philpot認為,由於中國、南韓等亞洲國家人們對於新科技的接受度較高,因此亞洲的智慧喇叭市占成長將更為快速。Ovum研究數據便指出,比起2017年,在2018年中國區域市場中導入智慧喇吧的家庭已提升了458%之多,成長相當快速。
Philpot強調,影響智慧喇叭未來發展的重要因素有二:其一是語音辨識技術的進步速度,其二為關鍵應用的出現。在語音辨識技術方面,目前不只是在中文市場面臨困難,其實目前各語言的語音辨識系統都尚未成熟。另外,也必須要有更多實用的智慧喇叭應用出現,才能使得該設備融入日常生活之中。Ovum便對於已擁有智慧喇叭的使用者進行調查,發現使用者最大的困擾在於並不清楚智慧喇叭能為自己帶來的好處為何。以上兩大因素皆會嚴重影響消費者體驗,而不夠好的使用體驗,很有可能進一步影響未來的設備市占成長幅度。
因此,短時間內智慧安防將會是成長更快的應用。智慧安防所涵蓋的領域非常廣泛,其中包含智慧門鎖、保全系統等等。Philpot指出,居家安全是智慧家庭中最基本的需求,而且使用者非常清楚相關應用設備會帶來的好處,因此智慧安防目前已經是智慧家庭領域中市占最大的應用,未來也將會持續成長。
Philpot認為,在未來智慧家庭的發展不僅是要蒐集住家內的資訊,更要透過人工智慧平台整合交通狀況、使用者的地理位置等等居家外部的資訊,才能實現智慧家庭的理想情境。目前,透過手機遠端控制家電已是智慧家庭的基本功能,然而理想情境應該是人工智慧平台主動整合各種資訊後,自動判別使用者狀態,進而將各智慧家庭設備調節至相對應的設定。
因此,如Google、蘋果(Apple)等國際大廠無不積極投入人工智慧平台的開發。然而,Philpot進一步指出,由於建置人工智慧平台的技術相當困難,目前看來依然需要5年以上時間才有可能達到智慧家庭的理想使用情境。
Wi-SUN進攻智慧家庭 2022前有望成為通用通訊協定
羅姆半導體(ROHM Semiconductor)台灣董事長勝野英和認為,今後在物聯網市場上,Wi-SUN將是具備雄厚潛力的連線技術。也正因如此,近日該公司與大賀智聯網以及聯齊科技攜手,推出智慧門鎖新品。該產品搭載了ROHM製Wi-SUN無線模組,並經由IoT閘道器進行遠端控制,建構智慧家庭安全。期盼藉此拓展Wi-SUN連線技術的知名度與應用範疇,在日本電子業盛事CEATEC之後,該產品也將在日本市場正式發表。
羅姆半導體營業部課長李師誠則表示,Wi-SUN通訊協定相較於藍牙而言,傳輸距離更遠;與Wi-Fi相比之下,Wi-SUN則又更為省電。Wi-SUN同時具備了藍牙與Wi-Fi的優勢於一體。因此受到京都大學研究單位肯定,積極與日本政府與合作,導入智慧電表應用之中。也正因如此,Wi-SUN連線技術便一直以來都隨著智慧能源、智慧電表的應用發展。
李師誠指出,目前在日本已有800萬用戶使用Wi-SUN智慧電表,使得該技術累積了巨量的數據資料,也由於Wi-SUN的發展歷程,對於未來台灣的智慧電表發展、智慧家庭的開發上,也有極大助益。然而,目前Wi-SUN模組單價依然比藍牙與Wi-Fi模組高上一倍,這也是目前Wi-SUN最大的劣勢所在。智慧電表、智慧家庭商機龐大,假設日本市場推廣成功,Wi-SUN成本便有望下降。李師誠進一步預測,在2020年~2022年之間,Wi-SUN模組單價將有望與藍牙、Wi-Fi匹敵,屆時Wi-SUN將成為僅次於藍牙與Wi-Fi的第三大通用通訊協定。
Mesh助智慧家庭連線 整合多通訊協議應用更多
在智慧家庭應用之中,網狀網路具備許多好處。芯科科技(Silicon Labs)資深應用工程師林仕文指出,其中最大的優勢在於網狀網路可以延長連線距離,因此儘管為數不多,也有許多廠商將Mesh架構應用於戶外連線應用。也由於網狀網路可透過經由許多節點的方式傳輸,因此一次傳輸的用電量較小,能有效節電。另一方面,也由於資訊可透過多節點傳輸,因此若有節點損壞資訊依然可以透過其他節點傳輸,能有效提升智慧家電的可靠度。
林仕文進一步解釋,全部節點皆可互相連接的Full Mesh架構是最為理想的網狀網路結構,但目前在市面上叫為多見的是在中央設置一個集線器(hub)的Star Network架構。
不同的無線連線技術各有優勢與缺點,能在不同的應用場景之中發揮所長。林仕文說明,隨著智慧型手機的普及,人們普遍習慣使用智慧型手機來做到智慧家庭的控制。因此,當使用者回到住所時,可以利用手機透過Beacon感測解開智慧門鎖,在進到家中客廳時再透過Zigbee將電燈打開。在智慧家庭使用情境之中,將涉及到多種通訊協議。
林仕文指出,若要做到多通訊協議模組,底層必須要有一顆強而有力的IC支援,因此芯科科技推出了ARM Cortex-M4產品,該產品支援2.4 GHz與sub-GHz,亦具備省電機制。更能使的廠商的備貨程序更家單純,同時降低產品的材料成本(BOM Cost)。
ACAP平台彈性/智慧高 Xilinx轉型全面擁抱AI
2012年的ImageNet機器學習影像辨識學術競賽,被喻為是正式掀起這一波人工智慧(Artificial Intelligence, AI)浪潮的關鍵活動之一,GPU平行運算架構在圖形辨識上的高效能,讓深度學習網路可以大幅增加層數,以提升影像辨識準確率;也旋即於2015年以3.57%的錯誤率超越人眼,揭開AI產業化與產業AI化的大門,運算平台除了近期超熱門的GPU之外,CPU、FPGA與新興的神經網路處理器(NPU),更亟欲搶占AI深度學習網路運算與推論市場大餅。
人工智慧發展全面展開,可編程邏輯廠商美商賽靈思(Xilinx)認為,未來已經沒有一個架構可以滿足所有的應用需求,因此該公司正式踏上轉型之路,2018年3月啟動策略轉型工作,宣示從元件廠商轉型為平台廠商,提出自行調適運算加速平台(Adaptive Compute Acceleration Platform, ACAP),並舉辦賽靈思開發者大會(XDF),發表未來幾年的技術與產品重點,全面擁抱人工智慧的發展趨勢,以資料中心(Data Center)為發展策略的起點,目標為打造靈活應變、萬物智慧的世界。
自行調適/運算加速/平台化策略
多年來以可編程邏輯元件技術立足產業的Xilinx,為了在AI的創新浪潮中注入下一波成長動能,啟動成立以來最大規模的轉型工程,Xilinx總裁暨執行長Victor Peng(圖1)表示,在AI無所不在的時代,相關應用日新月異,晶片設計週期已經落後創新的速度,FPGA彈性的特點則可以應用在AI的創新上。目前一般新晶片設計週期高達24個月,透過ACAP平台的協助,可將AI模型加以拆解,變成數個不同的發展(Develop)、優化(Optimize)、部署(Deploy)流程,該平台動態範圍廣泛彈性,可針對不同的應用調整需要的加速範圍。
圖1 Xilinx總裁暨執行長Victor Peng表示,該公司自行調適運算加速平台ACAP目標為打造靈活應變、萬物智慧的世界。
因此Xilinx未來不再是元件供應商,而是平台化解決方案開發與供應商。而資料爆炸、AI興起、摩爾定律放緩,顛覆了原有的市場和業務,Peng認為,平台策略在這樣的大環境下中也就顯得更加重要,系統和基礎設施在全球迅速擴張,對於運算能力和頻寬也有了前所未有的要求。同時,也要更加迅速地滿足不斷變化的要求和標準。就像自然界「物競天擇,適者生存」的自然法則一樣,在數位世界,靈活應變的系統也是最具彈性和可持續性的。
Xilinx於10月推出第一款ACAP平台產品Versal,Peng指出,Versal字面上是由Variety與Universal組合而成,希望在技術與應用上可以兼顧多樣性與通用性。Peng強調,ACAP平台是整體軟體的堆疊,不僅僅是晶片,還包括高整合度工具、最佳化函式庫、作業系統等,還有AI框架標準,只須利用符合業界標準設計的流程就能針對其硬體與軟體進行編程與最佳化,針對整體應用的加速,而不僅止於深度學習網路。
Versal架構專為AI應用開發
Versal的架構將發展兩個系列、六個應用區隔,兩個系列以有無AI核心為主要差異,未搭載AI引擎的系列,運算能力由低至高為Prime、Premium以及HBM三個產品線;而搭載AI引擎的系列,主要以應用區隔為AI核心、AI邊緣以及AI RF系列。未搭載AI引擎系列,針對市場上廣泛適用性進行設計,並就作業負載的連結與線上加速進行最佳化。搭載AI核心的系列,針對雲端、網路以及自駕車應用進行最佳化,該系列配有5個元件,並提供128至400個AI引擎。
在架構上,Xilinx FPGA與SoC產品管理暨行銷資深總監Kirk Saban(圖2)解釋,Versal架構中有幾個主要的核心,包括:純量處理引擎(Scalar Processing Engine),搭載Arm Cortex-A72與Arm Cortex R5應用處理器,還有可完全軟體編程的平台管理控制器;自行調適硬體引擎(Adaptable Hardware Engine),可動態重新配置,即時加速能力最高達八倍;DSP引擎可提供高準確性浮點運算與低延遲,針對客製化資料路徑的細微性控制;AI引擎具有高傳輸率、低延遲與高效率,可協助AI推論與高階訊號處理,搭配先進記憶體和介面技術,可提供強大的異質加速能力。
圖2 Xilinx FPGA與SoC產品管理暨行銷資深總監Kirk Saban解釋,自行調適硬體引擎,可動態重新配置,即時加速能力最高達八倍。
而在軟體支援與開發環境部分,Xilinx軟體業務執行副總裁Salil Raje說,AI人工智慧有兩個階段,訓練和推論。在訓練階段,資料科學家將海量的資料放到模型中,然後微調模型、改善模型以減少誤差,之後將訓練模型部署到應用當中。在推論過程當中,資料量相對較少,在推論階段,回應速度與功耗就顯得更加重要,如果部署在搭載電池的邊緣設備當中,要盡量降低功耗。未來幾年,推論需求的成長性將明顯高於訓練(圖3)。
圖3 AI推論需求將持續攀升
資料來源:Barclays Research(05/2018)
AI創新與應用日新月異
而推論帶來的挑戰包括:AI創新的速度,低延遲、高通量和高效能與整體的應用加速。Raje指出,幾年前AI關注圖像的分類以及推薦的引擎,但是AI應用和AI模型的使用數量成長的速度非常快,包括目標識別、分割、語音辨識、異常檢測等,在每個應用當中都有很多的創新發生在AI的模式上。2012年的AlexNet促成AI模型的大爆炸,在過去六年,絕大多數的創新都是為了改善精確度。最近則是想提高AI模型的效率,以應用於行動裝置和IoT終端。
現在AI的應用、AI模型和精度方面有很多的創新,Raje舉例,有一個最先進的深度學習網路,等專為其設計的晶片生產時,技術已經產生了變化,此固定功能晶片,只為了支援一個舊的網路架構。所以固定晶片架構不是好選項,要靈活應變的硬體如賽靈思FPGA和ACAP元件,使得使用者能夠客製資料流程以針對最先進的網路,同時可彈性調整,而不需更換晶片。靈活應變的硬體也能夠客製記憶體的層次結構,可以用更多的On...
專訪英特爾物聯網事業群總經理Tom Lantzsch Intel新加速器推動邊緣運算發展
此一解決方案包含Intel Movidius視覺處理器與Intel Arria 10 FPGA,皆以OpenVINO軟體工具套件為基礎,提供開發者在多種Intel產品中使用進階的神經網路效能,在物聯網裝置中運行更具成本效益的即時影像分析和智慧化功能。
為了降低雲端運算工作負載,實現更多的創新應用,邊緣運算需求與日俱增,應用開發商與半導體業者皆積極將深度學習或是機器學習導入前端設備,希望使前端裝置也具備人工智慧的能力,而這過程中也有許多挑戰須克服。
英特爾資深副總裁暨物聯網事業群總經理Tom Lantzsch表示,以往企業在導入深度學習技術上遇到許多困難,各種產業都需要專業知識、種類廣泛的多樣化裝置與具擴充性的解決方案,以進一步發展深度學習。而新推出的視覺加速器設計產品可以提供更多的選擇與彈性,加速AI邊緣運算發展,以產出更多即時性資訊。
據悉,新發布的視覺加速器設計產品運作方式,是將AI推論的工作負載轉移至Movidius視覺處理晶片陣列或高效能Intel Arria 10 FPGA的專屬加速卡上;且開發者可透過OpenVINO工具套件,將Intel CPU與Intel內建GPU上的深度學習推論應用與設計成果,輕易延伸至這些全新的加速器設計之中,藉此節省時間與費用。
英特爾透露,相較於Discrete GPU,新推出的視覺加速器產品優勢在於封裝小,可用於體積小的邊緣設備,且功耗更低(約10~20瓦);同時為了因應市場多元的應用,不僅是新發布的Movidius視覺處理器和Arria 10 FPGA以OpenVINO為基礎外,其餘產品線如XEON、CORE i7和ATON等,也都支援OpenVINO,讓開發者依據自身需求選擇合適的晶片,打造具深度學習功能的邊緣裝置。
英特爾資深副總裁暨物聯網事業群總經理Tom Lantzsch表示,新推出的視覺加速器設計產品可加速AI邊緣運算發展。
北科大電資學院院長黃育賢專訪 瞄準需求產學不脫鉤
3C轉4C 車用電子帶動研究主題
北科大電資學院院長黃育賢認為,與學術型大學相比,北科大更重視實習課程規畫,研究主題的設定也會較為務實。老師們所開出的論文題目,多為了解決現下產業遇到的問題,汽車電子便是其中一例。
近年來,科技部與教育部皆積極推動各國家型計畫,期許藉此推動前瞻科技發展。其中,汽車電子被視為傳統3C產業(電腦、通訊、消費性電子)之外,的「第4C(意指Car)」,正積極將汽車電子領域納入各種政府計畫之中。因此,北科大電資學院亦有所投入,並與麻省理工學院合作開發能夠取代共享單車的自駕三輪車。
黃育賢說明,由於早期的半導體產品皆是以消費電子為主,如今若要跨足汽車電子將會面臨相當的轉型門檻,其中,除了汽車電子對於可靠度、穩定性的高要求之外,高電壓、大電流的能源管理也是重要課題。因此,北科大電資學院也將時時針對這樣的產業趨勢調整課程內容。期許能使學生與產業接軌,學以致用。
與時俱進 AIoT中心即將落成
在北科大電資學院,大部分的同學依然是畢業於高工;然而,亦有透過學測成績招收來自普通高中的學生,因此,該學院針對普通高中學生需求,成立電資學士班。不僅如此,北科大更在2018年,由電資學院搶先試辦大學四年不分系的教學方式,期盼學生能培養更扎實的跨領域知識。
在人工智慧(AI)的時代,除了軟硬整合將會日趨重要之外,許多周邊的技術也將出現與以往截然不同的應用。黃育賢舉例,如在大眾印象中與軟體產業關聯較淺的光電領域,在未來也將會在製造過程中有許多的演算法、程式設計需求。更會因光感測、光通訊在人工智慧與物聯網(IoT)的眾多應用,而使得研究學術單位出現與以往不同的樣貌。
有鑑於產業對於人工智慧與物聯網技術的重視,北科大將在2019年初成立AIoT中心,以因應相關的技術開發需求。在北科大電資學院,有三分之一以上教師具備足夠的AIoT軟體知識,期盼藉由該中心的建立使得教學與研究的力道更加聚焦。黃育賢也提到,要發展AIoT,必須加強人才軟硬整合與系統整合的能力。但台灣科技產業長期以代工為主,因此系統整合的概念較為不足,這也是未來必須要從學院教育慢慢補足的。
補足中階人才缺口 五專學制強勢回歸
北科大在過去以「台北工專」名聲為人熟知,在1997年升格成為科技大學之後,睽違20年,五專部在2018年再次成立。
儘管如今高等教育普及,大學錄取率居高不下,然而,黃育賢表示,在科技業界對於中階科技人才的缺口依然非常大。因此,在政府政策推動與校友的支持之下,台北科技大學五專部在2018年8月首度招生。在首屆招募的30名五專部學生中,有9名學生的應試成績可以進入第一志願普通高中就讀,招生成績相當亮眼。
最後一哩課程加持 科大/產業合作積極
正由於北科大電資學院對產學接軌的重視,更針對此需求規畫了「最後一哩」課程,該課程內容中,有高達三分之二課程時數是由產業中的專業人士講授。
黃育賢說明,人工智慧的發展不但牽涉到處理器、記憶體、電源管理的發展,半導體製程也必須跟著進步,人工智慧的發展與半導體製程的關係非常密切。因此,北科大電資學院便與台積電合作,讓產業界的專業人士在「最後一哩」課程中,直接與同學分享業界目前正在使用的製程技術。除了台積電之外,該學院亦與友達光電、研華科技合作,開設不同科技產業領域的「最後一哩」課程。
目前,許多科技大學皆已逐漸降低校外實習的教學時數,轉而偏重理論教學課程。然而,北科大認為與產業充分接軌才是科技大學最大的優勢與特色,該校學生的校外實習依然是全校必修課程。
北科大電資學院院長黃育賢認為,與學術型大學相比,北科大更為重視實習、實驗類型的課程規畫,對於研究主題也會較為務實。