- Advertisement -
首頁 市場話題

市場話題

- Advertisement -

專訪英特爾客戶端連接事業部總經理Jason Ziller Thunderbolt 4走向8K高畫質傳輸

英特爾客戶運算事業群客戶端連接事業部總經理Jason Ziller表示,幾年前已經看到Thunderbolt 3在各式的筆記型電腦應用及相關配件中普及,可預期搭載Thunderbolt 4的處理器Tiger Lake在商用及消費市場上將具有廣大的需求。前一代Ice Lake的應用中,商用的比例遠遠多過家用,但是Jason Ziller看好未來Tiger Lake在家用方面的應用比例提升。 英特爾客戶運算事業群客戶端連接 事業部總經理Jason Ziller Thunderbolt 4控制器8000系列可支援Thunderbolt 3的PC與其配件,透過通用的Type-C接口與Thunderbolt 4滿足充電、影音編輯、連接高畫質螢幕等功能,其便利性有利於吸引消費市場的青睞。Jason Ziller進一步說明,外部配件方面,Thunderbolt 4可支援至少一個PC連接埠充電、睡眠喚醒功能。而透過英特爾VT-d的記憶體存取(DMA)保護功能,當惡意裝置試圖存取資料時,DMA便會封鎖該裝置,有助於防止實體連接造成的資安攻擊。 另一方面,Thunderbolt 4的擴充底座最多可增加4個Thunderbolt 4連接埠,小尺寸設計的Thunderbolt 4 Compact Dock除了方便攜帶外,也能夠降低成本。 高度整合的配件及多種傳輸接口的支援,使得Thunderbolt 4可以相容不同規格的傳輸,同時透過簡單的使用方式、高效能與可靠的連接,優化使用者體驗。其中筆電的充電功能,旨在回應終端用戶對通用充電接口的需求,而認證機制則能確保用戶在不同的產品之間,得到一致的使用體驗。
0

錙銖必較的訂閱綁定人生

文 | 萬岳憲 資策會MIC產業躍升事業群總監 《華爾街日報》(WSJ)是美國發行量最大的報紙媒體,網路版在1997年就採用收費訂閱制,從年費50美元開始,逐年調漲至500美元,歷經22年,還是有讀者願意付費,讀者群的平均家庭年收入是15萬美元。WSJ的報導內容以投資理財、國際金融市場的深入分析見長,付費讀者能閱讀到資深記者對特定金融領域的深度報導,高品質的選題與調查報導精神,推動數位用戶突破170萬人,訂戶是紙本讀者的二倍。 發行量僅次於WSJ的《洛杉磯時報》,在2003年也推出訂閱制,但是只經營兩年就退場,部份學者認為,除了報導內容的專業精確度輸給WSJ,最重要的兩個原因是「人們不願意重複訂閱同質性高的內容服務」與「對品牌內容的信任度」。所以,WSJ數位訂戶持續增加的原因,是來自於訂閱用戶的閱讀滿意度,逐漸累積為對專業資深採訪團隊的信任度,同時也強化了訂閱用戶的黏著度。 《華爾街日報》與《蘋果新聞網》的訂閱制服務,兩者所面對的讀者群與提供的內容服務完全不同。《華爾街日報》讀者對金融投顧市場資訊的剛性需求較高,要提供精確分析報導的門檻也較高,因此相對容易將讀者的期望值,轉化為對產品服務的黏著度;《蘋果新聞網》則提供深度或獨家的社會新聞報導,這類新聞報導的採訪門檻與需求度都偏低,很容易受到競爭者的影響,減低訂閱戶的黏著度。所以,探討「訂閱制」到底可不可行,是畫錯重點,而是透過訂閱制提供的服務內容,是不是符合讀者的剛性需求,才是需要探討的議題,至於「訂閱制」,它只是一種收費方式。 訂閱制收費方式,並不是新的概念,廣義來看,我們每天訂閱的「柴米油鹽醬醋茶」就是被綁定,必須要付費的訂閱制服務,取消訂閱就會為自己的生活帶來不便利,所以這些都是屬於,幾乎沒有討論空間的剛性訂閱需求;但是因為個人價值觀或生活習慣而訂閱的「琴棋書畫詩酒花」服務,就是許多業者要搶進的訂閱市場。 不妨來檢視一下自己訂閱了多少東西,假設以「必須訂、可不訂、重要、不重要」四個指標,組合成2x2分析矩陣,你就會發現自己擁有多少的訂閱服務,甚至還可以觀察到,不同世代的訂閱內容差異。 例如,水電費是生活必需的支出,勞健保費、國民年金,是國家規定的支出,這些就是屬於「重要必須訂」的綁定支付;而房屋貸款、購車貸款、醫療保險、保全清潔等支付,則是依據每個人的價值觀與生活需求而產生的「重要可不訂」的綁定支付;至於家用電話、行動電話、悠遊卡,則屬於「不重要必須訂」的綁定支付,因為這些訂閱方案,仍然可以被其他的替代方案取代;而「不重要可不訂」的綁定支付,來自每個人的生活環境與習慣的差異,是屬於可以放棄或取代的綁定支付。 在這個分析矩陣裡,我把有線電視列為「重要可不訂」,這是X世代的想法,因為這個世代從類比進入數位,會整合自己想要的線性或串流影視內容;但是對嬰兒潮世代來說,反而是傳統付費有線電視的忠實基本用戶,或許就要放在「重要必須訂」的位置。 目前許多網路內容服務,大多數屬於「不重要可不訂」的指標,這裡是消費者在有限的可支配所得裡,會優先考慮放棄的訂閱項目;換個角度思考,消費者願意分配多少錢在這些項目裡?有多少業者在這些項目裡競爭? 多數探討如何經營訂閱制的書籍,絕大部份是聚焦在會員經營,強調圈粉、堆粉的養客留客術,或是從消費者行為的觀點切入,運用大數據,分析消費者的數位足跡,探索退訂原因,擬訂防止退訂策略,提供再續訂誘因等議題。這些當然都是發展訂閱制,需要關注的重點,但是卻很少提及後端系統管理機制,該如何因應未來可能的發展趨勢,建制更有彈性的管理系統。 探討訂閱制可不可行是畫錯重點,應該思考所提供的服務內容是不是符合用戶的剛性需求 我認為未來的訂閱制經營重點,除了致力於經營會員之外,還是要再聚焦回歸至「內容為王」(Content is King)的道路,提供客製化、分眾化的剛性需求內容,擇一專業領域做好做滿。消費者在需要內容的時候,才來訂閱服務,不需要的時候就退訂;服務業者要提供可以隨時隨地訂閱或退訂的系統介面,讓消費者自己決定訂閱時間。綁定信用卡的消費方式會消失,取而代之的是更友善的訂閱機制,消費者想看多久,就訂多久,就付多久的錢。 以後消費者只需要「更快速的訂閱與退訂服務」,不要再研究他們為什麼會退訂了,因為消費者會不斷的利用訂閱與退訂的方式,為自己組合訂閱每月或每週想看的內容,或安排週末午後的數小時訂閱內容,他們會把每個月有限的預算,發揮得淋漓盡致。 所以消費者需要「更短周期的訂閱機制」,更有時間彈性的服務機制,碎片化的訂閱週期,搭配更小額的支付費用,相對提高消費者的訂閱意願;消費者需要「更複雜的訂閱方案」,不用再擔心複雜的訂閱方案,會讓消費者無法理解選購,反而是要提供更彈性化、更客製化的訂閱方案,讓消費者去精打細算,找到最省荷包的組合訂閱方案。 最後,消費者想要一個「會照顧舊客戶的訂閱平台」,要珍惜持續訂閱與退訂的消費者,給舊客戶的優惠福利,要優於新客戶,因為長期的獲利,是來自舊客戶對訂閱平台,時時刻刻的錙銖必較。
0

客製化CPU竄起 設計驗證需求重新回溫

在RISC-V指令集架構(ISA)的帶動下,處理器客製化的風潮有復甦的跡象,但由於過去十多年來,Arm架構已經在嵌入式處理器市場取得絕對主流的地位,目前CPU設計驗證工具幾乎都是針對Arm架構設計,熟悉CPU驗證工作的第一線工程師,很多也只熟悉Arm架構。如何驗證不是Arm架構的CPU設計,變成一門越來越少人熟悉的技藝。 但需求總會創造供給,在RISC-V的聲勢看漲之際,其生態系統也在快速茁壯。許多EDA業者已經成為RISC-V社群的一員,試圖填補這個空白,並掌握相關商機。 CPU設計驗證沒有標準答案 天底下幾乎找不到沒Bug的CPU設計,特別是通用型CPU,因為在CPU上執行的軟體或應用程式太過多樣化,設計驗證工程師幾乎不可能用窮舉法把CPU會遇到的各種可能狀況都模擬一遍,抓出設計上的Bug,因此通用型CPU的設計驗證,不僅是技術問題,同時也是風險管理問題。因為資源有限,驗證團隊往往只能捉大放小,把不可接受、高風險的重大Bug抓出來修正。然而,漏網之魚總是存在,本以為無關痛癢的小Bug,也可能導致災難性後果。所以,設計驗證要做到什麼程度,驗證項目要如何規畫,不只是技術問題,也考驗團隊的風險評估能力。 主流CPU的架構變得日益複雜,也讓CPU設計驗證變得更困難。英特爾(Intel)出身的SiFive總裁暨執行長Naveed Sherwani就表示,如果要對當代的主流處理器進行設計驗證,一定要有龐大的團隊,而且團隊成員必須是有三到五年以上設計經驗的資深工程師,否則很難做好這項工作。相較之下,從教育需求中誕生的RISC-V,因為其架構相對單純很多,所以CPU的設計驗證也比較容易進行。如果是學生專案作業的水準,一個學習RISC-V架構大約半年左右的大學生,就有能力為自己設計的RISC-V核心進行驗證。 當然,學生作業是一回事,商用等級的CPU還是要用更嚴謹的態度來面對。SiFive的研發團隊擁有15年以上的SoC設計經驗,並且對RISC-V有非常深入的研究跟知識,所以能獲得大量知名客戶的信任跟委託,為其實現RISC-V核心的設計跟SoC整合。統計數據會說話,在2020年上半,SiFive設計定案的SoC創下了不良率為0的傲人成績,遠優於公司創立以來的平均值25DPPM,以及業界平均值100~200DPPM。 EDA工具商擴大接觸RISC-V社群 除了公司研發團隊本身的實力之外,EDA工具的支援逐漸到位,也是RISC-V品質提升一個很重要的原因。由於RISC-V的使用族群跟開發者越來越多,許多EDA公司,如新思(Synopsys)、益華(Cadence)與明導(Mentor),都開始對RISC-V提供更多支援。據了解,晶心科技所使用的設計驗證工具,大多都來自明導,但益華近來也很積極地與RISC-V社群有所接觸。 一般來說,要為客製化CPU進行設計驗證,需要用到指令集模擬器(ISS)、RTL模擬器,以及基於FPGA的硬體模擬系統(Emulator)與原型(Prototyping)建構系統這四種工具。在Arm全面主導嵌入式處理器市場的年代,很多EDA業者對指令集模擬器的布局都慢慢淡化,因為Arm的指令集是標準化的,沒有客製化空間,因此指令集模擬器變成無用武之地的技術。至於FPGA Emulator跟Prototype系統,則因為客戶希望壓縮產品開發時程,要用更快的速度完成硬體除錯,並導入軟硬體同步開發的作業流程,還有一定的需求存在。 Cadence資深產品行銷經理Zaid Rodriguez解釋,在IC設計的作業流程中,有兩個環節會涉及到FPGA,一個是設計模擬,另一個則是原型建構。雖然這兩個步驟都會用到FPGA,但使用的目的不同。 設計模擬是設計驗證的一個階段,IC設計工程師將晶片設計的原始碼移植到FPGA上,主要目的是為了進行除錯,晶片的運作效能則不是重點。因此,對模擬工具來說,重點在於提供完善的移植跟除錯工具,讓工程師可以快速地把RTL碼轉換成可以移植到FPGA上的格式,展開硬體除錯作業。 至於原型建構,主要目的則是為了爭取時效,讓韌體/軟體開發工程師可以在還沒有拿到ASIC、SoC的工程樣本時,就開始為晶片撰寫軟體。是故,原型建構工具的使用者,除了同樣需要快速將設計移植到FPGA上之外,對晶片的效能要求會比模擬來得高很多,還需有完整的軟體除錯工具,以及基本的硬體除錯。理論上,當IC設計進行到原型建構這個階段時,硬體本身應該已經沒有太多Bug,但實務上還是難免會遇到有漏網之魚的情況。 但在RISC-V興起與Arm有限度地開放自訂義指令集之後,EDA工具業者應該會加快腳步,填補這些年客製化CPU需求不足,導至CPU驗證工具出現缺口的情況。 可控軟體環境減輕驗證負擔  然人才需求依然急迫 換個角度來看,CPU的設計驗證之所以困難,跟設計團隊無法預知CPU上將執行什麼軟體有關。但如果設計團隊在開發CPU時,就已經知道在該CPU會執行什麼軟體,情況將大不相同。這正是RISC-V目前的實際應用狀況。 目前大多數的RISC-V應用,都屬於深度嵌入(Deeply Embedded)應用,亦即CPU上不會(或鮮少)執行第三方軟體,而是IC供應商自己開發的軟體或韌體,例如NVIDIA GPU內嵌的Falcon處理器、三星(Samsung)的5G毫米波射頻前端模組,就是典型案例。這使CPU開發團隊面對的是一個「可控」或「可預期」的軟體環境,因此在進行設計驗證的時候,究竟要把哪些項目納入驗證範圍,變得相對明確,進而讓設計團隊有機會窮盡各種可能出現的情況,徹底抓出所有可能存在於CPU設計中的Bug。 但即便如此,要驗證一款客製化CPU,還是一項相當吃重的工作,導致相關人才在客製化CPU蔚為話題的今天,變得非常搶手。例如蘋果(Apple)就持續在台灣開出CPU驗證工程師的職缺,晶心也有相關人才需求。加上EDA產業急於填補過去十多年淡出市場所留下的空白,可以想見的是,擁有CPU設計驗證知識的專業人才,在人力市場上,將變得奇貨可居。
0

平價車款大賣 Tesla撼動產業力量更強大

平價車款帶動銷量起飛轉虧為盈還需加把勁 資策會MIC資深產業分析師何心宇 截至2019年底,Tesla電動車累計銷售量為89.6萬輛,但僅2019一年,便銷售了36.7萬輛,其中Model 3銷售30萬輛(占比達82%)、Model S/X合計銷售量為6.7萬輛(佔比18%)。 Model 3是實現Tesla電動車大眾化的關鍵。過往Tesla定位電動車為「高貴汽車」,在Model 3上市後,其保有Tesla高性能、品牌價值但卻有親民的價格,是Tesla市場規模得以快速成長的關鍵。 量產在即的Model Y,則是Tesla首款Compact SUV,北美市場的Model Y在加州Fremont生產,自2020年4月開始交車,中國的上海工廠也已啟動Model Y境內生產,並預計於2021年開始交車。Model Y與Model 3有75%共用零組件,且SUV市場廣大,Model Y未來成長可期。有鑑於此,2020年Tesla設定目標銷售量為50萬輛,年成長率為36.2%。 挾帶著全球投資者的期望,Tesla年營收雖每年呈現上升趨勢,但由於龐大研發/投資費用的積累,及產能提升緩慢的窘境,Tesla長期面臨淨虧損的財務問題,至2019年仍未實現營利。 商業模式有新意 Tesla毛利率傲視同業 雖Tesla尚未實現營利,但對比全球傳統整車廠,Tesla汽車業務除汽車銷售外,尚有其他增值服務利潤來源,如OTA(Over the Air)/自動駕駛系統(Full Self-Driving, FSD)軟體更新、充電收費、儲能式充電等服務收入,並在北美、歐洲等地開展共用服務,所有Tesla車主經登記後可將閒置汽車委由Tesla營運共用服務,Tesla藉此收取服務費用。 另加總其各車型毛利率,Tesla Model S/X毛利率基本維持在30%左右,Model 3約為20%,Model Y毛利率將高於Model 3,Semi與Roadster 2因定位高價位車種,毛利率可望更高,故Tesla汽車業務毛利率可望維持25%以上。對比全球主要整車廠豐田(Toyota)、福斯(VW)、福特(Ford),這些傳統車廠的毛利率基本維持在16%~19%,高階品牌車廠BMW毛利率亦僅20%左右,Tesla毛利率有其突出之處。 觀察業務結構,汽車業務為其營收重心,汽車業務指的是銷售與租賃收入。汽車銷售指的是Model S、Model X、Model...
0

專訪耐能智慧創辦人暨執行長劉峻誠 KNEO共享平台劍指Edge AI Net

AI發展持續落地,尤其是Edge AI呈現百花齊放的狀況,各式各樣的物聯網終端應用持續導入AI,Kneron創辦人暨執行長劉峻誠表示,該公司從2015年成立以來秉持普及AI的信念,並以構建終端AI網路為目標。推出KNEO平台,將以App Store的形式對產業開放,使用者可自行開發AI應用並上傳至該平台,或下載其他人的AI應用後再進行改良,實踐AI everywhere的願景。 Kneron創辦人暨執行長劉峻誠表示,KNEO平台將以App Store的形式對產業開放,使用者可自行開發AI應用並上傳,實踐AI everywhere的願景 以KNEO平台中的Kneo Stem AI USB加速棒為例,該產品內建耐能KL520 AI晶片,僅靠KNEO Stem驅動AI軟體,即可具備AI功能,只要把KNEO Stem插入單板計算機Raspberry Pi的USB埠,即可執行如執行物件偵測、人數統計、辦別年齡、性別,和透過攝影機輸入的數據進行人臉識別。 此外,KNEO Stem可促進不同感測器之間的通訊,把Raspberry Pi連接兩個KNEO Stem,一個連接到門鎖,另一個連接到安全攝影機,當兩個人先後接近門鎖時,與門鎖相連的KNEO Stem會辨別出第一人的臉是該鎖的授權使用者;與此同時,與安全攝影機連接的KNEO Stem同時偵測到門前有兩個人,而第二人並沒有授權進入。透過KNEO Stem的聯合智慧,安全攝影機和門鎖進行通訊,以識別門前出現異常並發出警告。 劉峻誠強調,Kneron的晶片設計架構就像是樂高積木,具備「可重組式人工智慧神經網路技術」,會根據不同任務進行重組,減少運算複雜度,在不同的卷積神經網路模型的使用上,無論是模型內核(Kernel)大小、模型規模,還是影像輸入大小的變化,都能保持高效率使用運算(MAC)單元。  
0

開放不等於免費 CPU客製化必須穩紮穩打

為滿足人工智慧(AI)、物聯網(IoT)、邊緣運算等應用對運算效能的需求,許多晶片供應商都開始探索使用客製化CPU的可能性,盼藉由專為執行某些特定運算任務所設計的指令集跟執行邏輯,來提高運算效能。但魚與熊掌往往難以兼得,這些專為某類運算任務設計的特殊CPU,必然會犧牲其泛用性,與現有應用軟體的相容性問題,也必須審慎應對。 大廠導入RISC-V 小心翼翼試水溫 因此,即便RISC-V這類開放架構CPU廣受業界矚目,採用RISC-V核心的SoC或處理器設計案例數量也快速成長,但若更深入研究RISC-V在這些SoC或處理器中所扮演的角色,就會發現目前RISC-V的應用領域,還是高度集中在不太需要顧慮第三方軟體相容性的範疇。 舉例來說,繪圖晶片(GPU)大廠NVIDIA的GPU晶片內,除了負責執行圖形運算的各種著色器(Shader)之外,還有許多晶片內部的控制跟協調作業需求,必須靠嵌入式CPU來執行。為此,NVIDIA早在十多年前就開始自行發展RISC指令集,並以此設計出自家專用的嵌入式CPU,負責GPU內部的管理跟控制任務。 但經過十多年後,NVIDIA內部的研發團隊認為,已經很難再靠改良現有指令集架構的方法來滿足新的需求,因此,該公司決定發展全新架構,以提供更高的性能。具體來說,新一代嵌入式CPU至少要提供比現有CPU高一倍的效能、支援64位元記憶體定址、快取與高速記憶體等。 經過評估之後,NVIDIA發現,目前市場上的主流CPU核心,還是沒辦法滿足其需求,所以又走回了自行開發的老路。不過,與十多年前NVIDIA必須自己從指令集架構開始發展的情況不同,這次NVIDIA可以用RISC-V指令集架構作為設計起點,來開發新一代CPU,取代已經使用十多年的老CPU。 2016年時,NVIDIA先採用柏克萊大學發展出來的RISC-V處理器Rocket,開發出第一代基於RISC-V的Falcon控制器,在9項客製CPU設計要求中,已能符合7項功能規格。到了2017年,NVIDIA改用自己設計的RISC-V處理器版本,發展出第二代Falcon控制器。 第二代Falcon控制器使用了64位元RISC-V指令集來設計,並根據自身需求,決定需要使用哪些指令,也加入自己的專用指令集,來對CPU設計進行最佳化。第二代Falcon不只滿足所有技術需求,而且效能更好,也幫助他們降低成本,就是因為採用開源設計。 三星電子(Samsung)採用RISC-V的情況也類似。三星早在2017年就已經開發出第一款內建RISC-V核心的晶片,經過三年多的設計迭代,該公司在2019年的RISC-V高峰會上,正式發表了第一款內建SiFive RISC-V核心的5G毫米波前端模組,接下來三星還有意在AI影像感測器、安全管理晶片與AI運算控制器等晶片中導入RISC-V。在5G毫米波前端這款解決方案中,RISC-V核心負責的任務是訊號處理,而非標準CPU所擅長的控制任務。這顯示RISC-V在某種程度上,可以靠著DSP延伸指令集這項擴充能力,取代某些原本要靠數位訊號處理器(DSP)實現的應用。雖然三星並未揭露未來RISC-V在影像感測器中所扮演的角色,但考量到影像感測器就跟5G射頻前端一樣,會有大量的訊號處理任務需求,可以合理推論,RISC-V應該會扮演某種接近DSP的角色。 除了在處理器、SoC內部扮演微控制器或訊號處理器的角色外,儲存相關應用採用RISC-V的速度也相當快。除了威騰(Western Digital, WD)對RISC-V全力相挺,發展出三款基於RISC-V指令集的核心(表1),主要應用在NAND Flash控制器上之外,晶心科技技術長蘇泓萌透露,台灣某SSD控制器大廠的控制器晶片,也已經內建晶心提供的RISC-V核心。 從NVIDIA、三星,以及威騰等NAND Flash控制器的實際應用案例,不難看出這兩家大廠導入RISC-V的過程,是經過深思熟慮的。不管是GPU內部的控制任務,或是5G毫米波前端,其運作所涉及的軟體都是韌體,晶片開發者對此有完全的掌控能力。也因為晶片開發商可以一手掌控,不太需要考慮第三方軟體、應用在客製化CPU上執行的相容問題,所以晶片開發商可以大膽採用自己客製化發展的CPU硬體架構,以功率、效能與晶片面積(Power, Performance, Area)的極致最佳化為設計目標。 在通用處理器或主處理器方面,目前真的採用RISC-V的知名案例並不多見,僅阿里巴巴旗下平頭哥半導體所發表的玄鐵910,是基於RISC-V指令集架構所開發出來的通用處理器。對RISC-V陣營來說,玄鐵910的問世,固然有其里程碑的意義,但從玄鐵910的規格跟性能測試結果來看,跟Arm及x86陣營相比,還是有一段明顯的差距,在軟體、開發工具支援方面,要跟Arm、x86相比,也還有一段不小的距離。 指令集客製不難 難在維繫生態系完整 面對AI、IoT應用開枝散葉,相關應用開發快速且項目多元,標榜使用者可以自行客製化設計的RISC-V乘著這波風潮,在市場上來勢洶洶,作為嵌入式處理器IP龍頭的Arm,又如何看待? Arm應用工程總監徐達勇(圖1)表示,AI、IoT應用無所不在,確實導致市場上出現許多標準CPU指令集不容易照顧到的新應用、新需求。這些新應用很符合商學教科書上所提到的「長尾理論」--個別應用的市場規模或許不大,但累積起來也是一個相當可觀的市場。對Arm來說,如何滿足這類應用的需求,自然是一個必須思考的問題,而Arm所提出的回應,就是在標準指令集之外,開放晶片開發者在共通的框架、格式規定下,進行客製化的指令集定義。 圖1 Arm應用工程總監徐達勇 事實上,客製化指令集在技術層面並不困難,但Arm直到2019年10月才推出Arm Custom Instruction(ACI),是因為有許多技術以外的考量。例如CPU硬體加上客製化指令之後,編譯器(Compiler)、除錯工具(Debugger)等開發工具,以及處理器上執行的軟體等生態系統的配套,能不能支援開發者自己定義的客製化指令,就是一個大問題。客製化指令立意雖好,但實際上使用者/客戶並不多,而且大多是有雄厚研發資源的大廠,因為客戶必須要有定義指令的能力,並自行克服軟體破碎的問題。 經過審慎思考後,Arm決定在其現有架構中,開放部分客製化指令集,滿足客戶彈性修改CPU指令集設計的需求,但客製化必須符合Arm預先定義好的規範,以避免編譯器、除錯工具無法理解這些開發者自訂義的指令。Arm認為,這是兼顧設計者需求與生態系完整的兩全對策。 SSD控制器便是一個對客製化指令需求很高的應用,因為SSD控制器所做的工作重複性很高,但這些工作卻往往得用到許多條標準指令才能完成,導致CPU經常耗費大量資源在抓取指令(Fetch)上。若能將常用的多條指令整合成一條客製化指令,如圖2,便能加快記憶體存取、編譯與寫入的速度,不只能減少指令執行時所占用的記憶體,也能進一步縮小晶片的尺寸、降低功耗。這是客製化指令對某些客戶非常有吸引力的主要原因之一。 圖2 客製化指令集的基本概念與優劣勢 但客製化之後的指令,必須確保編譯器或除錯工具的夠解譯,否則後面的應用產品開發將無法繼續進行下去。為了避免這種情況發生,相關工具配套必須先到位,或是晶片設計者必須自行備妥這些工具。 天底下沒有白吃的午餐,雖然開源常被跟免費畫上等號,但開源絕不等於免費。光是一套完善、成熟的開發工具,就需要投入大量人力進行研發跟維護,這很難是完全免費的。此外,即便是使用RISC-V這類開源架構設計晶片,仍會有工程開發成本,並且承擔市場風險。如果進行成本精算,開發者的總成本不一定會比取得現成的IP授權來得低。 大廠競相投入RISC-V 背後有其戰略用意 SiFive總裁暨執行長Naveed Sherwani對最近幾年RISC-V廣獲業界矚目,聲勢一路看漲的現象,也有一番值得思考見解。他認為,就技術層面來說,RISC-V的自由與彈性,確實是讓不少大廠對RISC-V產生興趣的原因。但RISC-V能有今天一片欣欣向榮的景象,連帶讓SiFive在短短幾年內就累積超過350個設計定案(Tape Out)的實績,且委託客戶不乏一線科技大廠,關鍵還是在每家廠商想要有與眾不同的產品。 標準CPU還是有其存在的價值,不會所有人都需要客製化的CPU,但如果是對自家產品有長遠發展規畫的大廠,最後一定會考慮在CPU裡面添加自訂義的元素,因為這會讓終端產品出現明顯差異化,進而凸顯自己的品牌色彩。蘋果(Apple)、Google、Facebook、Tesla等大廠都自行為特定應用設計專用的SoC,原因也就在此。 其次,既有的CPU架構在應對AI、IoT所帶來的多樣化需求時,確實有些力有未逮之處。不是現有CPU架構無法實現這些應用,而是在效率面、成本面還有很多改善空間。RISC-V填補了這些缺口,進而讓很多本來採用標準CPU架構,甚至是像英特爾(Intel)、Microchip這些本身就擁有自定義CPU架構的供應商,願意在RISC-V上投入資源。 最後,沒有任何一家廠商或是國家,會樂於見到單一技術供應商擁有市場壟斷地位,因為這會帶來許多風險。先不提新興國家的政府或科技企業對此會有疑慮,即便是美國的科技公司,也會想在既有的主流技術之外,扶植新的供應商與其抗衡。在這個時間點上,RISC-V成為一個頗具潛力的替代方案,且因為RISC-V是開源硬體,沒有權利金、授權費的問題,對大廠來說,只要投入少許資源,就能探索新的機會跟可能性,何樂而不為? 總結來說,RISC-V社群能在短時間內如此蓬勃發展,背後不只有單一原因。有發展潛力的技術、AI及IoT等應用趨勢凸顯出標準CPU架構的問題,加上各家廠商與各國政府分散風險的戰略考量,都促成RISC-V爆紅。
0

天時/地利/人和俱足 開放處理器來勢洶洶

在摩爾定律逐漸走向尾聲,處理器效能提升速度趨緩的情況下,為了榨出更多效能,以滿足人工智慧(AI)等應用對運算能力的需求,晶片設計者開始在主流的處理器IP之外,探索其他的可能性,例如異質運算、異質整合封裝概念的興起,都與CPU效能成長趨緩,有著密不可分的關係。 領域專用運算架構(Domain Specific Architecture)的觀念,為許多IC設計團隊帶來新的靈感。在標準處理器之外,利用客製化的指令集跟邏輯電路,提高特定某幾類運算任務的執行效率,以便讓處理器在功耗、晶片面積沒有大幅增加的前提下,執行特定任務時能有更高的效能,是領域專用運算架構的核心概念。而開放式CPU架構具有自由、可擴充等特性,正好與領域專用運算架構的想法一拍即合,也促成RISC-V在短時間內爆紅。 開放架構處理器的概念並非RISC-V首創,自2005年起,產業內便曾陸續提出OpenSPARC、OpenRISC、OpenCores等開源指令集架構,但始終面臨相關生態系不易建立,難以受到市場廣泛採用的難題。直到2010年加州柏克萊分校的Krste Asanović教授在其實驗室中開始一系列的開放原始碼研究,RISC-V即是他的RISC CPU研究計畫中的一項。隨後2015年,RISC-V基金會在瑞士成立,以非營利組織的形式推動RISC-V生態系進展,才奠定了RISC-V的基礎。 柏克萊掛保證 RISC-V成功引起產業興趣 晶心科技(Andes)技術長暨執行副總經理蘇泓萌(圖1)提及,柏克萊大學原先為了教學目的而開發出RISC-V,而柏克萊大學作為電腦科學人才培育的重鎮之一,其響亮的名聲,是初步吸引廠商對RISC-V產生興趣的原因。 圖1 晶心科技技術長暨執行副總經理蘇泓萌 與其他的開源硬體相比,RISC-V具有兩方面的優勢,一是簡單易學,二則是良好的商業模式。原本就是為了教學而發展出來的RISC-V,跟其他主流CPU或開源CPU相比,很容易學習上手,有些比較年輕的工程師,很可能在學生時代就已經接觸過RISC-V,因此開發團隊的培養、建構,跟採用主流CPU架構開發晶片相比,難度比較低。而商業模式方面,RISC-V是開源硬體,開發者不用支付授權費、權利金,免於承擔龐大的資金壓力,也讓許多廠商更願意嘗試在晶片中採用RISC-V架構。 SiFive總裁暨執行長Naveed Sherwani(圖2)則從天時、地利、人和的角度,來分析RISC-V快速竄起的原因。在人和方面,Sherwani的觀點與蘇泓萌類似,認為從學術教育需求中誕生的RISC-V,其單純易學、容易客製化的特性,讓RISC-V在推廣時占了很大優勢,這也讓半導體大廠與EDA工具業者看到RISC-V的發展潛力,進而提供支持。這是其他開源或可組態(Configurable)CPU所不曾享有的待遇,也是RISC-V聲勢快速上漲的原因。 圖2 SiFive總裁暨執行長Naveed Sherwani 各國追求半導體自主 RISC-V來得正好 至於在地利方面,由於國際政治的對立加劇,許多國家都需要在談判桌上累積更多籌碼,而半導體作為重要的戰略物資,自然是各國爭相投入扶植的產業。事實上,SiFive在2019年曾經在埃及、巴基斯坦等根本沒有半導體產業的國家舉辦RISC-V論壇,結果動輒吸引數百人、上千人出席,原因也在於各國都想要在半導體領域掌握一定的自主權。對於沒有半導體或資訊科學基礎的國家來說,RISC-V是一個很好的起點。 中國為了追求半導體產業自主,在RISC-V上所投入的資源,更是不在話下。近期中國開放指令生態聯盟才剛舉行CRVS 2020研討會,會中探討了中國RISC-V生態系的未來發展方向,以及中國本土業者在RISC-V處理器設計、驗證、矽智財(IP)與軟體工具等的發展成果,顯示中國有很強烈的企圖心,欲利用RISC-V創造出屬於自己的處理器生態系統。 摩爾定律走向尾聲 運算效能提升要靠客製化 而在天時部分,摩爾定律的進展趨緩,導致處理器效能提升速度大不如前,加上AI應用蓬勃發展,都使得晶片業者必須設法在既有的CPU架構外另闢蹊徑,以滿足客戶對運算效能的需求。 Sherwani就指出,如果處理器的效能提升速度,還能保持十多年前的水準,業界恐怕不會對RISC-V產生這麼大的興趣,因為標準CPU就能滿足應用需求,就算有些電晶體閒置不用或工作效率不彰,對晶片公司跟使用者來說也無所謂。但在摩爾定律走向尾聲,客戶對運算效能的需求卻因為AI暴增之際,晶片業者必然要想辦法讓處理器上每個電晶體都能發揮到極致。針對特定應用進行客製化設計,則是實現這個目標必然要走的路。 蘇泓萌也認為,RISC-V的發展,跟AI有很密切的關係,當AI應用不斷更新,以聲音、人臉辨識與資料中心為主的應用發展比通用的處理器開發更快,須要彈性靈活的解決方案,允許客戶自行修改指令集,才能透過硬體加速滿足AI的效能需求。 應用廣泛的RISC-V便是AI加速的解決方案之一,藉其彈性修改的特性,可依照不同客戶的需求客製化處理器,縮短產品從開發到上市所需的時間。目前RISC-V架構以中低階產品為主,並以美國及中國發展最快。未來RISC-V將走向高階產品,同時持續與學界合作拓展整體生態系。 生態系建立仍為RISC-V最大考驗 基於精簡、可擴充、易於客製等優勢,讓許多廠商對RISC-V躍躍欲試。具代表性的科技公司如英特爾(Intel)、三星(Samsung)及高通(Qualcomm)三大廠商皆對RISC-V處理器IP/解決方案商SiFive投入資金;而聯發科除了是RISC-V基金會的成員之一,也是晶心最大的股東,令市場更加看好RISC-V的發展前景。面對處理器開放架構應用的討論,處理器大廠Arm則選擇部分開放自家處理器架構,因應日益增加的客製化需求。 主流的處理器IP與開放式架構兩陣營各有支持者,而RISC-V架構的出現,提供處理器設計人員在現有IP之外,另一個更具彈性的選擇。基於開源的核心宗旨,RISC-V的開放性可加速創新。然而硬體架構仍須搭配編譯器與軟體工具支援,才能發揮其作用。因此RISC-V的挑戰便在於建立一套完整的支援系統,藉由建立生態系來穩固市場定位,期望未來與主流處理器並駕齊驅。 為了建立RISC-V生態系,學界與業界人士成立基金會共同推動,RISC-V社群中的處理器廠商之間除了各自的策略布局,同時反映了半導體產業的競合關係。蘇泓萌表示,RISC-V社群的廠商間呈現合作性競爭(Co-opetition)關係,競爭對手與合作對象間並沒有明顯的界線。生態圈中存在競爭,但是上下游廠商,甚至競爭對象還是可以合作把餅做大,透過互相支援拓展RISC-V生態系。
0

看好電動車應用趨勢 充電基礎建設發展快跟上

世界各地目前競相將燃油車汰換為電動車,可預期電動車的採用率將大幅躍升。但電動車若要快速提升採用率,充電站的數量也必須大幅成長,超越目前的部署規模。本文將調查電動車採用率的大幅提升,對配電基礎建設造成的需求,以及規畫電動車充電基礎架構時必須納入的一些考量因素。 電動車成長預測 有關電動車的討論通常一開始會先從驚人的成長率統計數據談起,講到電動車的預測銷售量總是很誘人。以Energy Innovation組織提出的一項數據為例,在其預測中,到2030年全球電動車的數量將達2億5,000萬輛左右(圖1),屆時每年銷售量約為4,400萬輛,所有電動車(兩輪車除外)將占全球新增汽車銷售量的30%,這被稱為EV30@30情境。此數據包含油電混合版及純電動版的汽車、巴士和卡車。如此看來,大勢已定,但人們終究還是要面對現實:此成長軌跡的誤差線為何?又有哪些假設和已知的風險?深入來看,這些來自不同出處的成長率資料有部分存在著很大的差異。其所引用的銷售數據各自加入了一些假設,也就是電動車購買力、未來技術的提升、油價、法規獎勵,還有數十項其他因素的變動。此外也大幅取決於中國的採用成長率,畢竟中國在2018年的全球新車銷售量占比高達45%,相較之下歐洲為24%,美國則為22%。而一項出自美國能源資訊局(EIA)《2020年年度能源展望》的數據指出,美國2030年的電動車總銷售量將遠低於100萬輛,如果地理百分比分配率維持不變,這數量只有EIA預測數量的十分之一不到。另外,該展望也預測,燃油車到2050年之後仍將占銷售量大宗,端看讀者要相信哪一個。 圖1 根據Energy Innovation的預測,至2030年全球電動客車銷售量將突破2億5,000萬輛 資料來源:Energy Innovation 電動車採用率影響因素 電動車目前仍相對昂貴,樂觀派的預測假設價格將會隨銷售量和技術的提升而調降,但銷售量要提升,前提是價格要先下跌。這是先有雞,還是先有蛋的問題。有些製造商承認,為了帶動市場,他們幾乎每輛車都是認賠賣出,這絕非好的商業模式,對投資人的耐心也是種考驗。來自政府的壓力是另一項激勵因素,為了減緩氣候變遷,控制污染程度,全世界的掌權者都宣布要在特定日期前實現禁售內燃機引擎(ICE)車輛的決心。這一目標看似聳動,但這大多是指禁售純ICE的車輛,油電混合車則不在禁售名單內。車商也玩同樣的文字遊戲,他們不顧一切地設法不讓其ICE製造設備遭到完全扼殺,因此答應未來在銷售車款中加入100%的電動車系列,但他們其實是指100%純電動車或油電混合車。 另一個會影響電動車價格的因素,則是油價。油價對未來電動車的增幅有很大的影響,截至2020年上半年,原油價格仍持續波動。 儘管世界衛生組織指出全球因空汙而早死的人數多達420萬人,但要是電動車的購買成本和維運成本無法提供足以替代ICE的激勵因素,關於減緩氣候變遷和改善環境的爭論也可能逐漸消退。 里程焦慮 影響電動車成長的一大阻礙,就是關於充電的疑慮。最早的電動車可行駛里程大約只有160公里左右,變成只需行駛短程的特定駕駛人的利基產品,他們開回充電站通常是為了「循環充電」。受技術進步之賜,目前高階車款行駛里程可達約480公里,但焦慮仍存在,因為車主都認為充電點過於稀少。一般電動車沒電「拋錨」,就算有熱心路過車主出借備用電池,也無法讓車子起死回生,這是大家都知道的。 相比於加油站,充電「站」可能數量更少,且間距更遠,但這不過是供需的問題;美國約有2億7,000萬輛汽車和15萬間加油站,以每間加油站有八支加油槍來算,每支加油槍約分配225輛車。相比之下,全球約有500萬輛電動車和約41萬個公共充電點,每個充電站約分配到12輛電動車,兩者的可得性相差18倍。如果將辦公室和家庭充電點算進來,大概每輛電動車可分配到將近一個充電點。 然而不能直接這樣比較。油箱加滿約需要10分鐘,加上稍作休息,再去超商喝個飲料,可能要15分鐘。但是,電動車電池用高速公路休息站的「慢速」充電器可能要好幾個小時才能充飽,假如所有充電點都有人使用,下一個充電站又遠在天邊,這個可得性數據可一點用都沒有。 每個人都想相信未來是電動車的天下,人們可以預期基礎建設也會隨之成長,符合其中一個預期的成長情境,並希望是往好的方向發展。有些地方可能供不應求,有些則供過於求,加上對需求的不確定性,還有各地區的差異性都需要加以考量。可以確定的是,像新車銷售量約60%為電動車的挪威,他們在未來幾年建置的充電點數量,勢必會高過2019年新電動車掛牌數百分比只有1.6%的英國。 供電隱憂 里程是焦慮的來源之一,但人們是不是也該擔憂未來的電力供給?目前電動車充電對電網造成的負載幾乎可省略不計,根據Bloomberg ENF指出,電動車用電量從2018年到2050年將成長57%,但仍只占全球用電需求的9%。到2050年時,美國的電動車用電量將達800至900兆瓦時,而總用電量約為30,000兆瓦時(圖2)。 圖2 Bloomberg ENF估計至2050年時,電動車總用電量將大幅成長 資料來源:Energy Innovation 本文假設技術仍會不斷進展,例如,電動車目前將電池電力轉換為車輪動力的效率只有59%至62%,仍有預期改善的空間(與ICE相比,汽油中的化學能轉換為動力的轉換效率只有17%至21%)。至今針對電動車銷售量和用電量引用的數據皆單純指輕型車(LDV),如果日後電動卡車問世,這些數據將過於保守。建造所需的充電站和升級電廠基礎建設的時間表,實非政府掌權者在任期內和立即的政治手段所能解決,但電力設備供應商則相信電動車已是勢在必行,並為充足的基本能源供應作好規畫。基礎建設將隨成長中的共同市場而擴展,占比9%的電動車充電量似乎不會成為普遍性的問題。但就配電來說,離車子的充電電纜越近,情況則會有所不同(圖3)。 圖3 高壓電塔的設置對於電動車來說至關重要 配電硬體須符合未來電動車充電需求 從記錄來看,電力需求在夜間較低,負載尖峰約在早上7點人們展開一天的活動時。另一次尖峰則是在傍晚,當人們回到家,暖氣/烹煮器具全開時。在用電組合中加入電動車充電,用電模式將大幅改變,為了讓汽車在隔天早上上班前充飽電,負載尖峰會變成夜間。標準的家用充電器功率約為3kW或7kW,電動車充飽約需6至12小時,插電式混合動力車(PHEV)約需2至4小時,跟徹夜開啟一或兩部高功率暖氣差不多。但是高速充電器的額定功率可能高達22kW,幾乎要達到饋入家庭供電功率的上限,對沒有電動車的尖峰用電量來說普遍過高,當然就24小時的平均用電量來說也高出許多。當擁有電動車的家庭越來越多,對當地的配電網路將造成立即額外的壓力,電線桿上的變壓器將中電壓降壓到家用電壓時,也會不斷發出高分貝的滋滋聲作為抗議。而高電壓配電網路和變電站的處理能力則較佳,因為其是針對工業供電,尖峰發生在不同時段。當地的供電基礎建設可能首當其衝,像是存在重大地區差異的都會公寓可能都有停車空間,但是,電動車的電力無法直接由終端消費者的線路供電。其會在更高的電廠電壓下進行計量和聚合,對家庭用電和工業用電之間的負載,在硬體額定值內進行平衡。路旁和公用的快速充電點也是如此,其負載將直接加諸在高電壓網路上。 使用再生能源達到雙贏 對電動車存在已久的一項爭議,就是它並不是這麼環保,畢竟其充電的電力最終還是來自骯髒的煤炭或燃氣發電機。此問題會隨再生能源使用率提高而改變,但缺點是,太陽能板在晚上不能靠太陽發電,而風機發電又是一種不可預測的能源(圖4)。最理想的作法,就是利用一些能源儲存方法來平衡供電量,像是用湖泊進行水力發電儲能,但此法受限於地理因素。雖然也有一些前景看好的創意,例如將壓縮氣體儲存在岩床內,另外還有一種可能的作法,就是利用電動車內的合併電池組合,將能源輸回電網作為緩衝,然後提供電費上的回饋作為獎勵。 圖4 太陽能供電現階段仍有局限性 要將能源輸回電網,需要具有雙向功能的充電器,技術也早就有了。如果車子閒置不用,電力公司為了調度可從電池抽取電力,之後為電池再次充電,只要車主先在智慧充電器內設定將車充飽電可開出門的時間,對車主幾乎沒有任何影響(圖5)。 圖5 現階段電動車充電技術已為駕駛帶來便利性 隨著電動車採用率不斷提升,市場也期待基礎架構也能跟上其預測成長率的腳步。但是,電動車充電基礎架構的規畫極其複雜,因為有太多消費者和地方上的變數需要考量。可能影響電動車採用率的部分因素包括電動車購買價格、政府的電動車使用獎勵法規、電力供給、再生能源的角色,以及對快速充電站之便利性和可得性的疑慮。有鑑於上述這些因素都可能造成重大影響,對電動車採用率帶來不確定性,因此眾所期待的充電基礎架構究竟能否支撐這些需求,有待日後觀察。 (本文作者任職於貿澤電子)
0

大廠產品/服務頻布局 雲端遊戲商機可期

資策會MIC產業分析師 林忻祐 對消費終端業者而言,雲端遊戲崛起,意味著消費終端的規格將會產生質變,輕薄、可負擔、易操作的消費終端為玩家所求。對網路提供業者而言,線上串流服務意味著更多頻寬,業者需要投資更多網路基礎建設,而新的商業模式亦為業者所關注。對雲運算業者而言,雲端遊戲新增了雲服務的應用。對遊戲發行與開發商而言,雲端遊戲提供新的平台通路服務。 雲端遊戲鎖定不同分眾族群 綜觀業者提供雲端遊戲服務品質,由串流提供之畫質、畫面更新率、光線追蹤等特殊效果決定,各家業者提出之更新率皆為60FPS以上,但根據目標市場,但業者服務還是有畫質在720p、1080p、4K之差異,產品服務價格大概在月費5元到50美元。 在雲端遊戲商業模式,業者訂價取決於雲端遊戲的體驗品質,根據雲端遊戲業者2020年4月所提供之服務說明,提供4K解析度之業者為Shadow和Stadia,NVIDIA則是提供1080p服務,Shadow以及NVIDIA另外提供光線追蹤之服務,PlayStation Now提供720p服務,而Arcade則未揭露畫質。在價格部分,多數業者提供之服務在11美元以下,其中以Shadow提供之價格最高,其產品服務落於15美元至51美元,NVIDIA服務和Shadow最為相似,但僅為4.99美元之推廣價格,其中X Cloud尚未確認其定價。 觀察雲端遊戲之目標市場,可分為追求高階遊戲終端使用之消費者以及希望可以便利隨選隨玩的消費者,對應雲端遊戲市場雲電腦以及雲平台產品服務。 雲電腦玩家的使用需求為使用高階遊戲終端,在意遊戲體驗中的流暢度、畫質並具有更新硬體設備的使用習慣。在圖1中,遊戲畫質在1080p以上,且具有光線追蹤功能。雲電腦服務類似租賃遊戲硬體,差異僅在該服務以雲端提供,且由廠商定期維護更新。透過雲端遊戲提供消費者高階虛擬遊戲終端,讓消費者不會因為隨著遊戲軟體的迭代,而需要更新遊戲終端,降低遊戲硬體門檻。 圖1 雲端遊戲大廠產品服務比較 資料來源:資策會MIC,4/2020 雲平台玩家的痛點為遊戲主機、遊戲內容的購買,玩家希望可以玩特定的遊戲內容,但不用受到時間、地點的限制。在比較圖中,遊戲畫質在720p。雲平台服務類似於跨裝置的遊戲任意門,遊戲終端與內容取得相對容易,得以隨選隨玩。Sony、Microsoft皆將手機視為可以替代遊戲主機的顯示終端,而Sony、Google、Microsoft、Apple皆提供遊戲玩家遊戲庫之服務,消費者繳交月費之後,便可如串流服務隨選一般,自行挑選喜愛的遊戲。 網路頻寬/品質為決定性因素 雲端遊戲服務品質取決網路連線品質,從各家開放國家發現歐美為雲端遊戲的早期市場,一方面固然為當地的網路基礎建設較佳,另方面則取決於業者在當地建立的伺服器資料中心。大廠提供雲端遊戲亦可見兩個發展脈絡,一為業者自行建立資料中心、一為業者和當地之資料中心或電信業者合作。 從Shadow與NVIDIA在歐洲、美國等國提供雲端服務;前者因其新創規模,在美國亦有尚未提供服務的州別,在資料中心建立上與法國和美國的數據中心OVH和Equinox合作,後者為了提供服務運營14個伺服器中心,和電信業者合作提供GeForce NOW Alliance,在日、韓、俄羅斯的伺服器甚至由合作夥伴經營。若雲端遊戲生態系業者願意經營雲端遊戲服務,亦可以選擇和雲端遊戲業者合作。 雲端遊戲雲電腦以及雲平台服務分別為了滿足玩家對遊戲終端規格、以及跨平台、跨裝置玩3A遊戲的需求。因此,雲端遊戲結合IaaS、PaaS、SaaS的特性,其產業範疇不僅涵蓋傳統遊戲的發行商、開發商,亦包含網路服務提供者、消費終端生態系、雲運算生態系,以及雲端遊戲服務業者之新產業。 雲端遊戲服務業者,本身可以為雲運算服務業者,如Google,亦可能為雲運算硬體提供者,如NVIDIA;亦可以為消費終端業者,如Sony、Microsoft;亦可以為遊戲平台商,如Apple;亦可能為新創,如Shadow具有不同的雲端遊戲服務發展優勢。不論業者類型,各家雲端遊戲大廠均對使用者之網速提出5Mbps~15Mbps以上之要求,且大多建議使用有線光纖傳輸,僅少部分業者提出無線傳輸的4G、Wi-Fi的使用規格需求。 從使用者環境要求以及開放國家觀察,儘管雲端遊戲之流量僅用於遊戲指令的上傳、遊戲畫面傳輸,雲端服務體驗最重要的基礎為網路頻寬、上網品質,可想見網路服務提供者的角色將會越趨重要。截至2020年4月,臺灣尚未成為遊戲雲端大廠所支援之使用國家,僅可使用Apple Arcade。一方面業者需要確保當地消費者具有穩定之網速,另方面業者在當地需要有良好的雲端資料中心服務。意謂網路提供者,如電信、系統服務商具有進入此產業的優勢資源。 除了網路外,消費者玩遊戲之重要硬體為電競顯卡,雲端遊戲產品服務之賣點為無須因為3A遊戲暢玩汰換消費終端,讓使用者隨時隨地都可以暢玩遊戲。消費者之願付價格為高階遊戲硬體如電競桌機、筆電、手機,與平價消費終端之價差。截至2020年4月,雲端遊戲之月費價格落在5到50美元。若以高階電腦主機約為2,000美元估算,可訂閱最高級的Blade服務40個月,約為3年多,可見高端雲端遊戲市場鎖定之族群約為定期淘汰硬體設備之玩家。 對硬體業者而言,在雲端遊戲產業興起後,圖形運算渲染之需求轉移至雲端遊戲之廠商。再者,雲端服務的運算需要透過伺服器硬體,存取連接需要透過資料中心的儲存空間。雲端遊戲並不會使硬體商機消失,而是使硬體需求轉向。對消費終端業者而言,雲端遊戲崛起, 終端的舒適度、更好的人機介面協同為下一個遊戲終端硬體應發展方向。 再者,遊戲產業過去採用主機、系統、平台等不同通路區分市場,消費者為了玩特定的遊戲需要黏著於某個消費終端。隨著行動網路越趨發達,手機成為玩家最仰賴的遊戲終端,雲端遊戲亦成為跨裝置跨平台暢玩遊戲之戰場,意味著輕薄、可負擔、易操作的消費終端為玩家所求。以挾帶廣大手機終端用戶資源的Apple Arcade為例,月費為5美元,訴諸從手機、筆電、電視的專屬遊戲跨螢遊玩。 雲端遊戲本身的平台化亦為此服務成功之關鍵要素,如玩家社群交流、遊戲購買,平台本身支援的終端以及遊戲大作的豐富度亦為消費者的考量點。 對軟體業的遊戲發行與開發商而言,雲端遊戲提供新的平台通路服務,在雲端遊戲的浪潮下,加入開放陣營擴展玩家數或是自行經營封閉式陣營成為業者的經營策略。
0

疫情推波AI應用 診斷系統/智慧輔具助醫療照護

2016年圍棋軟體Alpha Go問世後,人工智慧(AI)技術成為熱門話題。直至2020年,人工智慧的技術發展邁向普及,廣泛應用於各領域之外,機器學習(Machine Learning, ML)、深度學習(Deep Learning)、邊緣運算(Edge Computing)的技術都更臻成熟。今年疫情掀起智慧醫療討論風潮,將AI用於藥物研發與病毒研究,同時回顧自2012年AlexNet架構問世後,影像辨識大量運用在診斷及手術輔助場景。另一方面,結合AR的人機介面往智慧輔具方面發展,透過生物感測輔助身障人士擁有更便利的生活。種種醫療照護領域應用需求,搭配台灣AI技術的破壞式創新,使得台廠有望在市場中搶得商機。 AI朝向深度學習/少資料訓練發展 資策會產業情報研究所(MIC)資深產業分析師兼組長韓揚銘說明,MIC統計在2016年Alpha Go出現以後的深度學習框架更新狀況,發現2018年度各框架的更新總次數最高,總共達31次。框架更新的過程中,可觀察到有兩大趨勢,一是很多公司提供深度學習的框架加速AI模型的開發,二則是許多公司討論深度增強式學習框架應用的可能性。市場上的深度學習框架開發仍處於百家爭鳴階段,大廠之間不斷競爭,希望成為未來應用主流。 現階段的人工智慧技術由深度學習主導,朝向改善深度學習、解開AI判讀過程的黑盒子,以及使用少量資料訓練模型的方向發展。其中Meta-Learning只需要搜集少數資料,即可從不同的模型架構來快速獲得學習能力,達到通用的學習效果。影像辨識的模型訓練,也可以使用生成對抗網路(GAN)合成影像資料,再透過生成模型與判別模型相互訓練,達成多樣本訓練的需求。部分醫療影像便是使用GAN技術,用2D影像資料訓練模型,來進行3D影像的判讀。 韓揚銘分析現階段台灣的AI市場,由AI起家的AI產業,以及做出AI產品的科技公司所形成的產業AI,統計共有342家,並擴及13領域。技術分布上,以數據推論為大宗,第二大為電腦視覺(圖1)。成立時間上,以2016年Alpha Go研發前後為分界,2013年AI相關的公司開始大幅增加,又以2017年增加幅度最高。投入的領域方面,2016年以前成立的公司,以製造、跨域整合及商業服務為主,2016年以後,多數公司投入跨域整合、醫療健康、行銷與媒體。 圖1 產業AI與AI產業技術發展 資料來源:MIC,06/2020 為疫情協作 補足AI算力需求 2020年隨新型冠狀病毒(COVID-19)疫情發生,AI技術大量應用在疫苗及藥物的研發工作,其中所需要的大量運算能力,可藉由分散式的協作達成。工研院產科國際所研究經理陳右怡舉例說明,AI進行疫苗研發跟藥物開發需要強大的算力,而為了補足算力,史丹佛大學的實驗室透過網站提供軟體下載,全球各地的志願者下載後,可以設定電腦在閒置的時段內提供算力來解碼病毒,並將結果回傳實驗室,由全球百萬台電腦共同進行,拆解COVID-19的病毒結構,以利藥物研究。 影像辨識助臨床診斷 回顧AI在智慧醫療領域的進程,新冠疫情尚未爆發前,2012年Google發表AlexNet架構,人類在影像辨別上有大幅的技術成長,資策會MIC資深產業分析師吳駿驊表示,自此開始AI相關的論文數量在六年間成長六倍。然而新技術的研發伴隨法規等落地挑戰,由於診療輔助的AI系統來自於大量醫療數據的機器學習成果,上市前達成臨床與效能評估後導入醫院,但是進入實際應用場景後,仍會隨著比對醫師診斷結果、搜集更多使用者數據而不斷的循環更新。換句話說,AI診斷系統上市後仍因為持續的訓練、優化而改變,但是當時的規範無法歸類相關產品,AI系統因而面臨醫療法規認證的挑戰。直到2018年4月FDA採認全球首款AI設備,通過一款近視視網膜的AI影像辨識系統的認證。吳駿驊進一步說明,目前世界各國的規範不同,但是隨著AI的技術持續推進,法規就會逐漸具體化。 就AI醫療發展的現況而言,MIC統計CB Insights在2020年5月挑選百大新創的AI公司中(圖2),醫療領域在去年跟今年都有14家,14家之中又以診斷輔助為大宗,數量跟募資金額皆最高。吳駿驊提及,影像辨識的判讀輔助是最具快速商用機會的應用,來自量測腫瘤、斷層掃描、病理切片、核磁共振、超音波及X光的影像數據,可以協助醫師快速分類並判讀病徵,找到高風險的影像或者避免醫師漏診。 圖2 輔助診斷與藥物開發為市場熱區 資料來源:CB Insights;MIC整理,05/2020 生物感測搭配UI成就智慧輔具 除了AI醫療的臨床應用,非接觸式的人機介面也是AI在醫療照顧領域有成功案例的技術趨勢。當AI結合跨領域知識,便可以造福過往不易接觸科技的族群,如視障/聽障/身障人士,皆可透過生理感測技術,取得智慧輔具而獲得更便利的生活。此外AR應用的加入,則為醫生提供更多手術所需的參考依據。 資策會MIC資深產業分析師林巧珍提及,非接觸的人機介面結合生物感測,能夠開發出更人性化且價格親民的輔具,也能在手術方面輔助醫生判斷病人狀態。例如智慧義肢BrainCo藉由感測腦波跟肌肉訊號,達到控制智慧義肢的目的,並且結合演算法學習使用者的習慣,協助肢障人士做到拿杯子、握手等動作。視障輔具Orcam則是結合手勢辨識、語音與視覺UI的產品,當視障者將Orcam戴在眼睛旁邊,手指向任何物品或文字,裝置即可朗誦內容或提供物品名稱。在購物情境中,裝置會告訴使用者手中的鈔票面額,或者閱讀時為使用者朗讀內容。 人機介面用在智慧輔具之外,結合AR所做的Medivis是手術房的混合實境系統,由兩位醫師號召軟體工程師創業,可應用在手術房與教學情境中。以腦部手術為例,傳統上醫生會先從平面顯示器觀看患者大致的2D器官位置圖片,現在如果改用混合實境的視覺UI介面,能夠把患者的全息影像直接覆蓋、顯示在患者的身體上面,手術醫生可以隔空透過手勢即時與影像互動,即可看到患者的器官全貌,找到精準的下刀位置,大幅降低手術風險。此外,Medivis還能用於醫學院的教學訓練。除了顯示虛擬實境3D影像,Medivis可以容納最多20個學生跟同一個影像互動,降低模擬手術成本的同時提高學生學習成效。 林巧珍認為,目前UI技術由不同單位各自研發,但是接下來將走向合作,形成跨領域產業。整體而言,智慧輔具作為剛性需求,賦能載具將開枝散葉,市場敏感度高的新公司即便沒有大廠的知名度跟資源,還是有機會突圍成為獨角獸公司。加上未來三到五年AR/MR的技術越加活絡,科技設備的控制會跳脫螢幕與滑鼠,直接由視覺、手勢甚至意識操控。 台廠機會在精準醫療 綜觀AI醫療的走向,吳駿驊提出台灣廠商的三大機會。一是在原先以國際大廠為主流的醫療產業中,AI破壞式創新的快速研發形式,使得台灣有機會進入醫療的核心市場。其二是醫療儀器生產多來自大型廠商,而雲端廠商如Google、阿里巴巴皆想競爭智慧醫療的軟體市場,除了面臨多數醫院資料不能上傳雲端的問題,軟硬體產商也都積極尋找合作夥伴,以提供完整的方案。 在產業的競合關係中,ICT業者可以考慮利用新創與醫院的合作優勢,打造國內醫院的智慧解決方案,包括如何收資料、部署AI等,在應用的流程中隨時搜集資料。第三個機會則來自精準醫療的需求。生病往往是飲食不對、沒有運動等生活習慣導致,如果能夠搜集並分析生理數據,便有可能達到疾病預防的效果。而搜集數據所需的感測器,包含穿戴裝置使用的判斷模型皆是台灣的技術強項,因此可以發展相關的消費性電子產品(圖3)。 圖3 健康照護各次領域也快速採用AI技術 資料來源:MIC,05/2020  
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -