- Advertisement -
首頁 市場話題

市場話題

- Advertisement -

製程升級/專用化/改架構 AI訓練/推論晶片算力攀升

人工智慧(AI)在經過幾年熱潮後逐步落地,過去強調AI準確性的做法,轉變為追求效率,而「算力」似乎成為AI晶片效能最容易理解的指標,TOPS(Tera Operations Per Second)或TOPS/w慢慢成為產業共識,儘管構成算力的條件很多,AI執行效能也非僅從算力就能完全判定。進入所謂AI 3.0的時代,資料運算複雜性持續提升,但希望在有限的資源下達成最佳化管理的目標,算力就是系統效能最初步/簡易的判別指標。 另外,AI針對不同場景與任務,可以分為雲端(Cloud)與邊緣(Edge)、訓練(Training)與推論(Inference),為了提升效能表現,這四類工作走向專用與分流,處理雲端訓練的晶片依然強調運算能力,希望能以資料處理量為重點,然而在另一端的邊緣推論則可犧牲部分精度,以求在最低的功耗下獲得可接受的結果,在強調運算與講求耗電的兩種需求就像是光譜的兩端,加上雲端推論與邊緣訓練,為AI晶片畫出四個明確的專用分流路線。 AI晶片分流專用成趨勢 1TOPS代表處理器每秒鐘可進行一萬億次(1012)運算。每秒浮點運算次數(Floating-point Operations Per Second, FLOPS)是每秒所執行的浮點運算次數,代表AI網路資料處理能力。整數運算則是使用在推論上,8位元整數(INT8)逐漸成為邊緣推論的主流,工研院產科國際所產業分析師范哲豪(圖1)認為,準確度更高的INT16與INT32,只出現在某些特殊應用,部分單純的應用更僅要求四位元或二位元精度。 圖1  工研院產科國際所產業分析師范哲豪 根據2018年中國清華大學的「2018人工智慧晶片技術白皮書」,將AI晶片分為三類,第一類是經過軟硬體優化可高效支援AI應用的通用晶片,如GPU、FPGA;第二類是專門為特定的AI產品或應用而設計的ASIC晶片,主要側重加速機器學習,尤其是神經網路、深度學習,目前智慧物聯網AIoT的終端應用出現越來越多這類晶片;第三類受生物腦啟發設計的神經形態運算晶片,這類晶片不採用經典的馮紐曼架構(Von Neumann Architecture),模擬人類神經元的運算模式,可以大幅提升算力。 大致說來,第一類通用型AI晶片是以雲端訓練為主,代表性廠商就是NVIDIA、Intel、Xilinx、Qualcomm這類大廠。第二類專用型的晶片以邊緣推論為主,廠商則是百花齊放,老將與新星並陳,許多原來發展ASIC的廠商與乘著AI浪潮興起的「獨角獸」都發展這類晶片。范哲豪提到,第三類神經網路晶片則是未來趨勢,像IBM或美國國防高等研究計畫署(DARPA),還有一些學校、知名技術實驗室已積極研發相關技術。 科技產業投入AI晶片前仆後繼 AI晶片是2019年半導體的投資熱點,工研院資通所嵌入式系統與晶片技術組長盧俊銘(圖2)指出,雲端以訓練為主,邊緣推理應用廣泛,因此出現雲端有訓練,邊緣有推理的說法,許多新創業者嶄露頭角;而處理器龍頭Intel繼2016年4.08億美元併購Nervana之後,2019年底再度以20億美元併購以色列AI晶片廠商Habana,同時擁有CPU、GPU、FPGA、AI專用推論與訓練晶片,具備最完整的AI產品線,展現進軍此領域強大的決心。 圖2  工研院資通所嵌入式系統與晶片技術組長盧俊銘 范哲豪強調,AI演算法、運算力、資料是AI三大要素,所以Google、Amazon、Microsoft、Facebook、阿里巴巴、百度等網路服務大廠也積極投入開發資料中心伺服器專屬的AI晶片或邊緣處理器。另外,恩智浦半導體大中華區業務行銷資深經理黃健洲(圖3)說,AI雲端晶片特點在於運算和圖形處理能力,並提供安全的客戶解決方案、應用和設備管理環境;邊緣端的優點則是保障隱私、改善用戶體驗、高可靠性的應用需求。 圖3  恩智浦半導體大中華區業務行銷資深經理黃健洲 而訓練則是透過量化等為更精確的訓練模型生成提供動力,訓練模型經過非常縝密的計算而且時間密集。黃健洲認為,需要更多資料遷移和AI引擎被創造出來為RTOS或低功耗電池平台提供輕量與靈活的訓練模型,以導入邊緣運算。推論(如Arm推出的Arm NN、Arm CMSIS-NN、OpenCV等)的趨勢則以提高卷積、匯集、動作等功能。 AI新架構成長期發展重點 為了提高AI晶片效能,算力成為關鍵指標之一,范哲豪解釋,傳統的CPU採用序列式運算,AI處理器則著重平行式運算,AI的運算與資料關係密切,資料介面頻寬成為運算的瓶頸之一,於是近來有更多解決AI運算時資料存取瓶頸的技術被提出,包括升級記憶體頻寬、讓處理器與記憶體靠的更近的近記憶體運算(Near Memory Computing)、運算單元與記憶體整合的記憶體內運算(In Memory Computing)等。 多年來資訊運算與處理都是依循傳統的馮紐曼架構,運算與儲存單元分開,范哲豪進一步說明,無論是CPU、DSP或GPU都是單獨處理運算,需要資料再從記憶單元呼叫,而在AI發展的過程中,運算單元不斷提升處理能力,資料匯流排頻寬沒有隨之擴充或追不上運算提升的程度,AI運算需要在運算同時取用資料,為了使AI運算最佳化,重新發展晶片的架構或材料,讓運算與記憶體的取用更即時,成為技術研發的方向。 目前常見的作法是Near Memory Computing,像NVIDIA的NVLink高速GPU互連技術,可以提升GPU的互聯頻寬與記憶體的取用速度,提供50~200GB/s的頻寬。或者是減低記憶體與處理器連線距離的設計如晶圓堆疊(Wafer on Wafer,...
0

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)
0

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。
0

COVID-19疫情嚴峻 半導體產業急尋持盈保泰之道

2019年底開始,新聞偶有中國SARS捲土重來的零星報導,但多數人不以為意,直到2020年1月23日,華人準備歡度每年最重要的農曆春節之時,人口千萬的武漢市宣布因為傳染病加劇而「封城」,之後大陸其他城市也陸續採行形同武漢的「封閉式管理」,身為世界工廠的中國,在春節假期後彷彿被按下暫停鍵,許多工廠無法復工生產,這幾十年的全球化與自由經濟被打上大大的問號,高科技產業斷鏈的疑慮持續加深。 專業分工是全球化的一大重點,高科技半導體產業更是完美實踐此一原則的模範生,最近幾十年來的流行性傳染病,最嚴重的當屬2003年的SARS,很少有現代人會意識到比其更嚴重的疫情流行狀況,在近年經濟第一的大旗之下,部分重要的零組件或原物料停止供應就會影響整個產業鏈。1、2月的大陸與3、4月的歐美疫情,分別打擊供給與需求兩端,產業研究機構因而紛紛對新冠疫情(COVID-19)的影響發表看法。 疫情衝擊超乎預期 截至2020年4月底,COVID-19疫情嚴重的程度相信是當世人所僅見,全球感染人數已經超過270萬,死亡人數突破19萬;其中,最嚴重的美國感染人數已經接近87萬,死亡人數將近5萬。由於病毒感染力強,全球真正變成生命共同體,醫界說的「群體免疫」成為解決疫情最可能的途徑,但在沒有疫苗的狀況下,達成70億人中六~七成感染的時間可能要數年,在這之前全球經濟體系恐怕已經先崩潰。 當年在台灣造成震撼的SARS,最後因為季節變化讓病毒自然消失,新型冠狀病毒對氣候的適應能力看來更加升級,所以目前人類對於這個病毒還真的是「無藥可施」。因此,在疫情緩和之前,隔離與防堵是目前為止最有效的做法,居家令、保持社交距離現階段影響超過數十億人,對產業發展也帶來極為不利的走向。國際貨幣基金(IMF)指出,預料全球經濟活動衰退程度將是1930年代經濟大蕭條以來少見的嚴重衝擊,2020年會有170個國家出現人均收入下滑。 因此,2020年再次出現產業分析師滿地撿眼鏡碎片的情況,如Gartner年初時預估半導體市場年度成長率為12.5%,後來下修至9.9%,直到歐美疫情一發不可收拾,再度修正到衰退0.9%;而IC Insights原先預測成長8%,3月因應中國的疫情影響,下修到3%,4月再因為全球大爆發下修到衰退4%。而IDC原先就預估相對保守的成長1.7%,該單位指出若3月底到4月初疫情獲得控制,2020年全球半導體將呈現衰退6%的情況,若影響時間延後到第三季,產業將出現大幅衰退12%的狀況。 疫情帶動醫療/宅經濟/5G需求 儘管不斷有黑天鵝壟罩,但相對之下也有商機與需求應運而生,工研院產科國際所產業分析師黃慧修表示,線上消費取代實體店面消費,帶動筆電、平板、資料中心等需求;雲端運算需求增加,也一併拉抬伺服器出貨轉強,預期2020年第二季,伺服器DRAM與固態硬碟(SSD)的需求會增加。應用部分,醫療、宅經濟與新興領域需求亦提升。 醫療設備包括耳(額)溫槍、呼吸器等在這波疫情中需求強勁,這些設備中的電子元件如:防疫醫療器材微控制器、溫度感測器、醫療呼吸器用晶片等需求都提高,國內微控制器廠如紘康、松翰、盛群等,因疫情影響帶動測溫設備的市場需求,承接訂單已超越2019年出貨量。另外,宅經濟帶動處理器、記憶體、遊戲運算晶片、遊戲機音效晶片與感測元件的出貨。另外,5G與AI則是受惠的新興領域,其中中國5G的推動不受疫情影響,甚至在政策的刺激之下有加速的傾向。 半導體生產受輕傷 消費性需求受重傷 歐美由於在3、4月疫情快速升溫,而且嚴重程度大幅超越中國,許多IDM廠位於歐美的產線受到影響;IC設計公司較容易安排居家工作因此整體影響幅度在半導體產業中相對輕微;IC封測產線,主要集中在台灣、韓國、大陸、新加坡等地,受到疫情影響的程度較低(圖1)。 圖1 全球IC製造在各疫區產能比重 目前看來,半導體生產面的影響與損失屬於可控制的狀況,但需求端受到的衝擊更大,尤其消費性電子的需求將持續降低,需待疫情獲得控制後,才有望緩步回升,而需求回溫的情況也將視未來疫情控制的狀況而定。此次疫情最嚴重的幾個國家,到目前為止都是經濟或整體國力較佳的國家,這也代表面對看不見的病毒與未知的疾病,必須要更謹慎對待,若是為了怕傷害經濟發展而延遲採取管制措施,恐怕會遭受疫情爆發拖累醫療體系反而導致經濟更大規模的傷害。疫情終究會過去,地球有一天會恢復健康,在我們大病初癒那天,我們應該留下甚麼?學到甚麼?防範甚麼?記住甚麼?是現階段大家應該好好思考的。
0

ADI亞太區總經理趙傳禹: 堅持5G/AIoT/汽車電氣化長期投資

過去幾年可以說是5G、AIoT與電動車技術布局的時間,各廠商都在自身優勢的基礎上,發展這些領域的技術與產品,未來幾年相關落地應用與產業成長前景可期,亞德諾半導體(ADI)同樣積極投入新領域的探索,準備在未來幾年大展拳腳。該公司亞太區總經理趙傳禹即針對這些重要應用提出獨到見解,並就新型冠狀病毒疫情(COVID-19)後科技產業走向發表觀察。 積極扮演5G推動者Enabler 根據產業研究機構預測,2020年底,全球將有超過100個商業化的5G網路,經過2019年試水溫,各界都看好2020年是5G商用的爆發期,針對5G將對人們生活帶來的重大改變,趙傳禹認為,目前只是開始,未來的5~10年,5G的大頻寬、低延遲、大量聯結,將深入發展各式應用,而ADI更將扮演推動者(Enabler)的角色,發展小型化、低功耗、低成本、可部署的解決方案,涵蓋從Sub-6GHz到毫米波(mmWave),從位元到波束的廣泛架構。 5G商用由南韓帶頭開始,ADI也透過與三星合作並取得成功,趙傳禹強調,該公司的訊號轉換器ADC/DAC,在更早之前就看好5G測試設備的商機,與廠商有深入長期的合作經驗。另外,中國因疫情停工雖造成5G產品的生產節奏暫緩,但中國的5G部署大方向不會改變,並會在疫情受到控制後加速發展,目前看來疫情還屬於短期影響。 串聯產業鏈夥伴發展AIoT落地方案 物聯網經過幾年的發展已逐漸落地,據了解,2020年全球各式物聯網裝置總量將高達100億台,2025年可能倍增到200億台。趙傳禹指出,物聯網這兩年經由人工智慧(AI)的加值,朝向AIoT智慧物聯網邁進;ADI則是更專注於工業物聯網(IIoT)領域,在2018年收購新創公司OtoSense,並於2019年底收購發電機維護公司Test Motors,取得健康監測系統與設備維護相關技術,透過振動量測分析(Condition-based Monitoring, CbM)與飛時測距(ToF)等解決方案,搜集馬達震動頻率數據,導入排期維護、早期發現問題等功能,而確保機台正常運作,機台健康除了能夠維持良率,還能提升工廠的產能。 另外,IoT產業破碎化的特性,讓ADI認知須要與系統整合商(SI)更密切的進行合作,垂直領域的技術有各自的專業門檻,趙傳禹進一步說明,ADI開大門與更多廠商合作,分享Know-how、技術並共同發展垂直領域解決方案,希望將各領域經驗透過軟/硬體及演算法整合,建構自動化系統。並利用AI將人類的經驗量化,以提供完整可落地的技術與解決方案。 汽車電氣化趨勢不走回頭路 車輛電氣化已經成為不可逆的趨勢,就電動車與智慧車兩大領域而言,未來10年,電動車數量將成長10倍。電動車的能源管理需求日益提升,趙傳禹舉例,以精確度5%的電池管理系統(BMS)技術為例,一般電動車電能使用區間為25~85%的電池電力,約占電池蓄電量的60%,若BMS精確度提升到1%,則相同電量下,可用電力將提升到68%。 另外,駕駛體驗將以安全為主要目標,無論是電動化或智慧化,透過技術的提升來保障使用者的安全,已是產業的共同目標。趙傳禹說,ADI投入慣性感測(IMU)與雷達技術的發展,與車廠合作希望能提出更多「安全」解決方案。目前受疫情影響,車廠的生產速度趨緩,2020年車輛銷售可能受疫情影響,但研發工作仍持續進行,以十年為期長遠評估,成長走向不會改變。 疫情長期衝擊消費信心 ADI投資創新腳步堅定 就在各項明星產業蓄勢待發的2020年伊始,新型冠狀病毒疫情爆發,為全球經濟發展投下衰退的震撼彈,產業研究機構也紛紛下修2020年全球經濟成長預測,為正起步的新興產業趨勢蒙上陰影。趙傳禹認為,綜觀新冠疫情對上述領域之影響,可由供應鏈與市場需求兩方面分析。供應鏈短期受到防疫鎖國等國家政策衝擊,東南亞、印度及中國等地的工廠皆出現停工狀況,導致產能下降。但單就半導體業而言,因產業自動化程度高,生產線可透過遠距辦公控制,供應鏈並未全數停擺。 另一方面,疫情造成消費端疲弱的情況則較為嚴重,3月之後因為歐美及全球各地疫情爆發,各國政府紛紛採取嚴格的封閉式管理,大幅降低人際接觸,4月全球估計有數十億人口為當地政府下令居家,除了民生必須,許多經濟活動呈現停滯。趙傳禹表示,科技產業的因應大致說來,半導體廠商積極與客戶溝通產線狀況,以取得長期合作共識。推測疫情影響時間為一至兩季,2020下半年半導體市場可望加速恢復,但是恢復速度須依照各國政策與情勢觀察。 ADI亞太區包括台灣、韓國、澳洲、印度、新加坡、印尼等區域,趙傳禹提到,這個區域是全世界少數充滿活力又多元的市場,成熟如澳洲、新興如越南,多數區域都是出口導向的經濟體,未來疫情平息後,恢復的情況會比歐美等地更好。ADI在亞太區的發展策略,除關注長期在半導體領域的研發創新之外,也堅持長期投資,同時規畫強化亞太區的企業形象,並投入履行企業社會責任,落實環保、創新等目標。
0

非接觸3D現UI商機 開酷毫米波/AI手勢辨識潛力足

更直覺、便利的人機介面一直具有高度市場需求,手機的人機介面應用從按鍵及觸控晉升到不需接觸螢幕,非接觸式手勢隔空3D操控成為下世代的UI趨勢。新創公司開酷科技即運用毫米波(mmWave)與人工智慧(AI),整合通訊感測、處理器與AI加速器的系統單晶片(SoC),發表節能且即時的3D手勢辨識解決方案。相比觸控螢幕,開酷可以接收旋轉圖像等立體指令,技術潛力也獲得聯發科肯定而入股投資。 圖 開酷科技創辦人暨總經理王君弘。 技術/產品潛力獲聯發科入股 開酷科技創辦人暨總經理王君弘曾在美國科技業工作30年,期間在美國創業藍牙公司,回台後仍擔任美國老闆的顧問6年,隨後決定在台創業。開酷(KaiKu)一詞取自芬蘭文,意思是迴聲,呼應王君弘以雷達技術為主題創業。回顧創業歷程,王君弘坦言,找人才至今仍是一大挑戰。一方面其業界的人脈以美國地區為主,同時新創事業及新技術的開發皆需冒險精神,因此在台灣找尋合作對象或員工都不容易。然而近期開酷的技術在業界已受到肯定,甫完成的融資已獲聯發科入股。 毫米波/AI加速器助資料回傳穩定且即時 手機的操作不斷升級,無線的手勢辨識技術可以擴大手機操作的豐富性,增進使用者體驗。然而目前常見的手勢辨識方案透過相機鏡頭執行,但是相機本身的大功耗容易導致手機發燙,需要很強的CPU才能達到即時回饋的效果,並且若為配合鏡頭位置在螢幕正上方控制,手勢動作的範圍受限,造成使用者的不方面,尤其干擾遊戲操作。為改善傳統手勢辨識遇到的問題,王君弘便由豪米波雷達研發SoC新解方。 開酷的手勢辨識測技術核心為毫米波60GHz,開酷科技行銷總監林子超表示,基於此頻段為100GHz以下的頻段中可用頻寬最寬的選擇,硬體上可以使用57-67GHz範圍的頻段,而能清楚辨識短距離內的不同物體,如辨識出兒童手勢動作中的兩根手指。同時,60GHz的頻率傳遞距離較短,且若是訊號碰觸到其他物體時會快速衰減,因此可以避免單一手機的辨識受環境干擾。 此外,手勢辨識晶片的封裝中整合一發(Tx)三收(Rx)的天線,強化晶片的訊號接收功能,加上獨特的演算法換算成空間座標,達到3D定位的效果,因此能夠辨識手伸入螢幕中選轉影像等3D指令。除了毫米波技術,產品同時配備AI加速器與MCU電源管理功能。手勢透過AI的演算法辨識,而做為一個人機介面裝置(HID),開酷希望可以克服能源消耗的問題,並且確保資料運算的即時性,因而選擇使用AI加速器,盡可能在本地處理資料,並且重複使用數據,便能達到低耗能且資料即時回傳的目標。 晶片擬年底量產同時布局AIoT市場 電源方面,雖然手機皆有強大的電源管理系統,但是開酷仍在產品中放入MCU來管理電源,目的是布局AIoT市場。王君弘說明,例如做一個可以調亮度的電燈開關,或是咖啡機透過手勢操作,這類架構便宜、簡單的產品不會有很強的MCU。因此若是手勢辨識產品本身已有MCU,即可應用在這些聯網產品中,並且不只做電源管理,還可以執行簡單的軟體,為以後進軍AIoT市場鋪路。 此外,手勢辨識產品設計USB外接模組,可以做為手機的外接應用,有利於進入手機售後市場。目前此產品可以用於手機遊戲或VR操作,透過不需要接觸螢幕與反應即時等特性,配合現有的觸控螢幕,提供使用者更多元且良好的遊戲體驗。王君弘表示,開酷的測試晶片從天線改良、加入AI加速器、客戶討論等多次修改後,現在已研發至第三版,預計2020年底進行量產。
0

技術門檻墊高/中國IC業者崛起 Wi-Fi市場經營大不易

Wi-Fi技術在2019年正式迎向新一代規格,即IEEE 802.11ax,Wi-Fi聯盟稱此為Wi-Fi 6,意指第六代Wi-Fi。歷經前五個世代的規格演進,Wi-Fi已經有了非常顯著的進步,不僅理論頻寬從最早的11Mbps(802.11b)提升到9.6Gbps,能支援的裝置數量也明顯增加,能同時對更多用戶端裝置提供服務(圖1)。 圖1  Wi-Fi技術由左至右已歷經數代的速率標準演進。 但在Wi-Fi規格不斷進化的過程中,設計Wi-Fi晶片所需跨越的技術門檻,也變得越來越高。加上Wi-Fi市場競爭激烈,除了美國、台灣均有IC設計公司布局外,中國IC設計公司也已在Wi-Fi市場上占有一席之地。這兩個因素使得Wi-Fi成為一個不易經營的產品市場,企業購併時有所聞。 導入先進射頻/調變技術Wi-Fi性能大躍升 Wi-Fi標準最重大的變革,大多集中在第四、第五代,亦即802.11n與802.11ac時期。在這個時期,Wi-Fi先後導入了MIMO與MU-MIMO,以及許多相關配套技術,例如11n可使用20MHz或40MHz頻寬的通道,於11n之前的11g僅能使用20MHz;或在存取控制(Mandatory Access Control, MAC)層實現訊框聚集(Frame Aggregation)技術;或可縮短保護間隔(Guard Interval, GI)時間等,以利進一步提升速度。 到了第五代的11ac,又將通道頻寬進一步擴增成80MHz、160MHz,並首次引入256QAM調變技術,此前Wi-Fi最高規格為64QAM調變。另外,11ac還有傳輸上的波束成形(Transmit beamforming, TxBF)技術、空間時間區塊編碼(Space-Time Block Coding, STBC)技術、低密度同位減查碼(Low-Density Parity-check Code, LDPC)等功能技術。 11ax是在11ac的基礎上更為精進,使理論傳輸通量(Throughput)達11ac時代的四倍,實質資料傳輸率增加約37%、傳輸延遲縮短約75%。11ax的性能之所以能更上層樓,關鍵在於採用了下列更複雜、更先進的射頻、調變技術。 OFDMA調變 在尚未導入OFDMA前,Wi-Fi同一時間傳遞的所有子載波(Sub-carrier)只能傳遞單一使用者的資訊,服務完成後再用另一個時間的所有子載波去服務另一個使用者。而在導入OFDMA機制後,同一時間內可運用不同的子載波分別對應傳輸不同使用者的資訊,使頻譜利用率提升(圖2)。這使得支援11ax的Wi-Fi路由器在同時服務多個終端裝置時,有更高的整體傳輸力。 圖2  OFDM/TDMA(左)與OFDM/OFDMA(右)之差異比較 有趣的是,Wi-Fi採行OFDMA的步伐,明顯慢於其他無線通訊技術。2005年的行動版WiMAX標準IEEE 802.16e即已提出採用OFDMA的主張,3GPP陣營也考慮在3G的後期導入,但最終是在2008年的3GPP R8標準(即首版LTE標準)中導入。 上行MU-MIMO 11ax之前的11ac即有MU-MIMO能力,但主要在於下行,即Wi-Fi路由器可以同時傳輸多組資料給多個終端裝置,然而一旦有某一終端裝置欲傳遞資料給Wi-Fi路由器,Wi-Fi路由器同時間只能接應一個終端裝置(但可用多組天線接收),其他終端裝置必須等候。有了上行MU-MIMO後,Wi-Fi路由器可以同時接應多個終端裝置傳來的資料,此一樣有助於於Wi-Fi路由器整體服務能力。 1024QAM 11ac開始引入256QAM調變,11ax則進一步引入1024QAM調變,如此相同資源條件下可以再提升資料夾帶率。 6GHz頻段運用 在11n時代,Wi-Fi陣營便認為2.4GHz頻段的頻譜資源幾乎已運用至極限,因此11ac雖然持續強化2.4GHz頻段的運用,但更多速率提升優點(如160MHz通道頻寬)則轉寄望到5GHz頻段上,因此Wi-Fi 5除了第五代之外也有5GHz的意涵。 不過,5GHz不是全球通行的頻段,需要各國區逐一推動修法通過,甚要數年時間讓原有既存的運用退場,方可能供Wi-Fi 5使用,因此被視為下策。即便如此,11ax也持續寄望從拓增頻段的方式提升傳輸率,提出Wi-Fi 6E,期望能運用6GHz頻段,以美國而言,開放6GHz頻段可增加7個160MHz通道頻寬,6GHz頻段用於Wi-Fi傳輸的主張與5GHz頻段一樣,需要各國政府點頭放行與配套法規支持才行。 其他 11ax其他方面的提升尚有:以觸發器為基礎的隨機存取(Trigger-based...
0

疫情衝擊換機潮 2020下半年5G手機看中國

2019年底至2020年1月期間,原先預期2020上半年迎來5G換機潮,未料新型冠狀病毒(COVID-19)疫情延燒,造成世界行動通訊大會(MWC 2020)取消、各國供應鏈暫停及消費市場萎縮等衝擊,消費者的購買態度疲弱,5G通訊相關供應商的布局因疫情按下暫停鍵,減少大規模的布建行動,導致換機潮延後,資策會MIC下修5G手機2020年的銷售預估至2億台,IDC研究經理高鴻翔(圖1)則提出2020年的市場觀察重點在於目前占5G手機銷售市場三分之二的中國。中國最早經歷疫情嚴重的高峰期,現階段積極復工並加速布建5G,在2020下半年5G手機的市場表現中扮演要角。 圖1 IDC研究經理高鴻翔說明,中國的內需市場是2020下半年的5G手機觀察重點 上半年買氣傾向觀望 5G建設速度趨緩 回顧5G手機發展所面臨的挑戰,可由市場供給與需求兩方面分析。供給端的生產技術方面,5G手機增加射頻零組件,同時得要滿足體積小、降低耗電等條件,收訊則須完成Sub-6GHz及毫米波兩種頻段的商用化及布建。除克服技術門檻之外,仍須考量生產成本,才能將成本與售價控制在一定的範圍之內。資策會MIC資深產業分析師韓文堯(圖2)表示,5G手機的技術與方案已經成熟,品牌/晶片/通訊設備商皆積極推動產業邁進,不只提供中階以下5G晶片,散熱、耗電與訊號等問題都已解決。在技術逐步成熟的前提下,面對COVID-19疫情,5G建設趨緩但供應鏈並未完全停滯。 圖2 MIC資深產業分析師韓文堯表示,疫情爆發後,初估5G手機銷售由2.6億台下修到2億 需求方面,4G智慧型手機的技術更新已經趨緩,難有突破性亮點吸引消費者換機,因此5G功能作為新一波的手機賣點,受到供應商大力推廣。然而5G手機的專屬應用尚在發展階段,消費者不一定需要5G功能,加上受COVID-19疫情影響,消費者的購買以防疫民生用品或遠距上班/上課所需的平板與筆電為主;在整體市場因經濟緊縮造成消費者購買力下降的情況下,上述的採買順序顯示必需品排擠消費者更換手機的預算,導致2020上半年5G手機的買氣處於觀望階段。 5G手機銷售遞延 生產鏈受停工影響 Gartner分析師呂俊寬(圖3)說明,5G手機銷售現面臨遞延,換機潮將延後到今年Q4。原本預期要換機的消費者仍會購買5G手機,只是購買的時間點晚於預期,因此雖然2020上半年5G手機市場的成長不如預估,但換一角度看待,換機遞延同時代表服務或App開發商擁有更多時間研發並優化相關產品,營運商也有餘裕完善基地台的布建。甚至當新機購買時程延後且更多品牌廠商推出5G手機時,上半年處於觀望的消費者可能受到吸引,在下半年換機時從原本的4G手機改為選擇當時最新的5G型號。 圖3 Gartner分析師呂俊寬認為,5G手機銷售現面臨遞延,換機潮將延後到今年Q4 韓文堯指出,COVID-19疫情爆發前預測2020年5G手機將銷售2.6億台,疫情爆發後則初步估計將下修到2億台。而COVID-19影響全球經濟,5G手機的銷售則取決於各國疫情的恢復程度。近日歐美市場的疫情嚴重,許多州封閉、半導體IDM大廠停工,可能影響5G手機的生產鏈。東南亞則是半導體封測重鎮,因此疫情尚未受到控制,為被動元件的生產帶來風險;中國則進入復甦階段,因此大部分的零組件在中國疫情緩解後,已陸續恢復生產。 整體而言,就韓文堯觀察,上半年只要能出貨,手機品牌廠商還是會持續拉貨,但是目前進到第二季尾聲,全球的疫情控制程度還不明確,所有的預估將會隨疫情調整,無法提供太明確的數字,然而若是第三季的疫情仍不樂觀,未來拉貨的需求則會大幅下降,可能導致再次下修5G手機的市場預期。 從Sub-6GHz/毫米波窺探廠商布局 觀察5G手機市場成長趨勢,能夠從支援頻譜理解近期5G晶片廠商的布局策略。Sub-6GHz成本低、覆蓋廣,是目前5G通訊設備支援主流頻段;毫米波相較之下成本較高且覆蓋率低,目前只有高通(Qualcomm)提供5G手機的毫米波晶片。從台灣今年初各家電信的頻譜標售結果,可見台灣電信商瞄準的即是Sub-6GHz的使用市場。日本及韓國原訂今年布建毫米波,但因東奧延期與需求低落而減緩布建規畫;美國也以發展毫米波為主要目標,但基於毫米波低覆蓋及高成本的特性,使得美國的5G服務昂貴且普及率低。 韓文堯認為,今年的5G手機中預計90%將支援Sub-6 GHz,僅有10%左右支援高頻毫米波。針對晶片研發,各家廠商策略不同。其中高通率先推出同時支援Sub-6GHz及毫米波的晶片,其他廠商皆以開發Sub-6GHz為主,但也未放棄發展毫米波晶片,第一波推出5G手機的廠商如三星(Samsung),即採用高通的解決方案(圖4)。三星、海思、紫光展銳也將研發自家的毫米波晶片,且研發腳步未受COVID-19拖延,廠商將照原定計畫於今年推出毫米波產品,因此未來毫米波的使用率可能上升。毫米波的應用趨勢可以美國為觀察重點,其中又以電信廠商Verizon推動毫米波最為積極。美國的電信營運商原本規畫今年年中買下Sub-6GHz頻譜,或者使用現有的4G頻段連接5G網路,若未來Sub-6GHz的覆蓋率增加,毫米波的必要性將下降。然而對Verizon而言,毫米波的網速才能真正與4G網路區隔,因此將主力聚焦在毫米波的服務上。 圖4 第一波推出5G手機的廠商如三星,即採用高通的毫米波解決方案 疫情打亂品牌競合 中國市場為觀察重點 COVID-19打亂市場預期,也改變5G手機品牌商之間的競合關係。韓文堯認為,當前市場對華為的發展相對有利。2019年爆發中美貿易戰,受到美國禁令限制,華為無法使用Google,因而可以預期華為在歐洲的市場將衰退,由其他品牌接收華為市佔率,因此蘋果(Apple)、三星等品牌原本預估在歐洲的銷售成長。然而COVID-19爆發至今,中國最先經歷疫情巔峰,而目前恢復速度較歐美快速,提供華為競爭過程的喘息機會。 在全球手機市場皆衰退的情況下,相比疫情發生前只有華為的5G手機銷售受貿易戰影響,現在其他廠商也因疫情而成長受限,提供華為另類競爭機會。其他中國5G手機品牌,如小米、OPPO等,現階段則為了降低風險並平衡各地市場,主力開發線上銷售管道。 中國趕在歐美之前積極部署5G基礎建設,成為5G手機內需龐大的市場,許多廠商也都在中國生產5G手機所需的零組件,目前疫情逐漸受到控制並復工,緩步復甦的情況能夠降低COVID-19對5G手機供應鏈的衝擊。同時,中國政府在疫情爆發後,亟欲恢復經濟成長,5G手機即是方法之一。高鴻翔分析,現階段中國的內需市場占全球5G手機消費的三分之二,因此2020下半年的5G手機市場有三個觀察重點。一是中國政府推動的力度,包含補助與政策等;二則為中國消費者在疫情發生後的消費能力;第三個次要觀察點則是當5G手機需求增加後,零組件的供應是否足夠。 綜觀5G手機市場,呂俊寬進一步補充,雖然疫情造成5G換機潮延遲,但是2021年的5G銷量將會持續成長。目前購機風潮因疫情而趨緩,疫情反而可視為給予5G手機一個良好的起點與發展空間,讓效能及成本的考量找到更適合的平衡點,提供更符合市場需求的產品。
0

AI提升認知/本地化資料 協作機器人優化製造流程

越來越多自動化裝置投入工業部署。IIoT是IoT的分支,其主要作用是將自動化設備部署到包括工廠、倉庫和公司等工業環境的製造系統或其他生產流程中。數量日益成長的資料經由IoT支援裝置導入網路,需經過快速有效的處理,才能得到深入見解,進而改善產業的決策和製程控制。 機器人加入工業應用已有很長一段時間,多數人最為熟悉的例子當屬生產線上組裝汽車的機器手臂。其中半導體產業善用機器人達到製程穩定可靠,順利生產需要小心且保持動作一致的產品。 IIoT的崛起推動協作機器人在產業中的利用率。協作機器人是一種協作式的機器人,其經過不斷調整,能與人類並肩合作(圖1)。協作機器人之所以得到重用,是因為IoT使機器人與人類活動相互協調,達到更高層次的合作與效率。傳統機器人則多設定為獨立運作,不需要與人類進行特定的交互活動。相較之下,協作機器人能與人類合作並互相支援。當然不是說協作機器人將全面入侵,用侵略性的方式占據整個產業。相反地,新技術將形成對人類和產業均有利的雙贏工作模式和關係。本文將探究其中的啟用技術,以及協作機器人在IIoT領域的應用。 圖1 新一代協作機器人,開始出現在製程環境中 啟用技術促協作機器人落地 協作機器人投入IIoT,仰賴超越以往傳統機器人領域的技術,這些技術強化人類與機器人的互動,提升工作人員的安全,並降低成本。感測器、執行器、控制功能和運算技術上的改善,讓協作機器人獲得感知、資料融合與處理、人工智慧與執行能力。加上其他技術的出現,更進一步提升方便性和調整能力,同時降低成本。以下將探究三項讓協作機器人在IIoT中落地應用的特定啟用技術,包含人工智慧與機器學習、電腦/機器視覺以及智慧邊緣。 AI/ML助機器人認知技能 人工智慧(AI)是一項用於處理數位資料的技術,會模擬人類思考的功能、行為或結果,雖與人類的邏輯不同,但仍會嘗試透過合理的程序來達到目標。機器學習(ML)為運用AI並導入演算法的程序,這套演算法的目標是產生成果,並以機器在達成設定目標過程中所獲得的經驗不斷改善成果。 傳統機器人是按照預先設定的指令作業,並持續重複執行,不考慮作業環境中的任何變動。而協作機器人則整合AI,具有感知環境的能力,可以理解問題並加以解決,同時做到辨識、學習,對新的狀況和脈絡做出調整,並能自主決策、與人類互動。協作機器人要在新環境下運作並不需要經過太多複雜的編程,雖然有時可能需要操作人員手動介入,引導協作機器人手臂進行一次所要的行程,以完成指定動作。 AI需要由高速的電腦處理器,以及整合模糊邏輯、機率證明方法、神經網路和專家系統等多種技術的軟體,賦予協作機器人如同人類般的特質,讓人類與機器達到更好的互動與協作。協作機器人能從許多感測器擷取大量原始資料並加以處理,經過整合、處理和解譯後的資料,有助於協作機器人針對環境做出資訊充足且準確的推論,而後才能採取適當的行動。這整個流程必須以近乎即時的速度完成,避免協作機器人在與人類合作的過程中發生延遲。雖然感測器會散布在工作場所中的不同位置,且感測的時間點可能不盡相同,但編程演算法能有效地整合來自各感測器的所有資料,並對環境和狀況做出資訊充足且準確的推論。AI和ML讓協作機器人擁有某種形式的認知技能,能模仿人類的行為,因而能在IIoT環境下更出色地與人類互動。 電腦/機器視覺提升感知 視覺是人類所擁有最重要的感官,也是人類得到感知能力、察覺外在環境的重要方式。同樣地,機器(尤其協作機器人)也能設計成透過電腦或機器視覺的程序來進行感知。機器視覺能讓協作機器人以模擬人類肉眼的方式,透過可見光(波長430~730nm)、紅外光(波長>730nm)和紫外光(波長<430nm)來偵測及識別物體、空間、景色、方向和位置。光線偵測與測距(LiDAR)是一種偵測系統,其採用雷達的原理運作,但使用雷射光源。機器視覺的主要焦點在於解決適當分辨及正確分類物體的問題上,讓決策和物體處理不致成為工業製程的瓶頸。機器視覺有助於改善準確度、提高處理量、避免碰撞,並能提高狀態感知。 智慧邊緣將資料本地化 邊緣裝置彼此互相連結,部署在物聯網的最前線,協作機器人便是從邊緣裝置衍生而來。這些邊緣裝置的技術功能和情報能力持續提升,智慧化程度也越來越高,能感測及回應更多事物,並依照設定進行傳達和處理。協作機器人代表機器人自主性的下一個階段,能賦予其更多能力,與人類並肩在工作環境中運作及決定如何執行特定作業。要提升機器與人類之間的複雜互動品質,需能貼近作業位置處理及協調龐大數量的資料,因此最好在本機端運用智慧方式處理資料,而非從遠端或透過集線器/閘道。智慧邊緣是一套網路系統和技術,在適當進化和調整後,能滿足本地化資料管理的需求。智慧邊緣必須具備充足的資料容量、適當的系統效能、系統頻寬、安全性和可靠性。智慧邊緣如能獲得進一步的開發,工程師便能讓協作機器人發展出能隨時間提高自主能力的功能。 提升製造業/IIoT產能應用 協作機器人在製造業的新型態應用仍持續發展,可靠的協作機器人能安全地協助製造商提高品質,改善製程調整能力,同時提高生產力。IIoT的應用則包括組裝與操縱、搬運與裝卸,以及檢查。 執行精密組裝與操縱 用於電腦數值控制工具機(CNC)加工的生產機具必須由操作人員持續監看,操作人員負責的工作包括裝載原料、啟動機具、確保機具正確運作以及卸除成品。組裝和操縱為最常見的一些工業作業,單調且無趣,通常不需要高階技能,操作人員也很容易因為重覆不斷地舉起沉重的原料和零件而受傷。組裝和操縱作業的其他例子還包括沖壓、磨削、修邊、焊接、射出成形、印刷電路板(PCB)測試、零件檢查和三座標測量。 協作機器人是組裝和操縱應用的理想選擇之一,可放在傳統生產機具的前端,經過簡單編程就能執行所需要的裝卸作業,再定期由具專業技能的技師對機具和工具進行檢查,執行定期保養即可。由協作機器人進行技術門檻較低的手動作業,而檢查、維修及更換工具、執行品管測試和採取適當的修正動作等技術需求較高的作業則交由技師負責,如此合作將能改善工作場所的人力。透過適當的工作分配,不只可省下大量勞力成本、降低人員受傷機率、縮短產線停機時間,更能激勵人心,同時提高生產力。 拾放製程機器人需要精準放置未完成的組件和零件,協作機器人則能經過調整後用在非高精度的放置作業,因為其整合機器視覺系統,可提供定位回饋。協作或調整式的組裝作業一開始需要先由操作人員進行檢查、分類,並選出特定零件,接著將零件概略對準放到未完成的組件上(亦即處理中工件)。在後續的組裝步驟中,再由協作機器人將零件固定到未完成的組件上,如此便算是完成組裝。這種作業方式能在以下情境中改善生產效率與提升工作安全:零件太小,用人類肉眼難以對準的情況下;或零件的最終對準及連接需要高靈敏度或力道;抑或是最終組裝需要在高溫、高挑戰性的環境下,甚至用到危險化學物質或黏著劑的情況。因此當未來將零件放到未完成組件上不需要精準或重複性的定位、方位調整或放置動作,協作機器人便能派上用場。 協作搬運與裝卸 搬運與裝卸作業包括移動產品或從組裝線或輸送帶上拿下產品,經過計數和適當的包裝,貼上標籤,放入紙箱,然後封箱。高產速、高產能的製造商或許會生產專用的機器人機具和設備來進行包裝,但協作機器人也可以是搬運與裝卸應用的選擇。 協作機器人可用來擴展人類在製造和組裝作業中的能力,輔助執行低技術含量(重覆性)的作業,或需要高強度或拉長延伸範圍的作業。此外,製造作業經常會需要舉起像是車門等大型零件,然後放到車體等未完成的組件上。這類製程不見得適用於完全自動化的作業,因為其需要微調零件位置,確保將零件正確組裝到未完成的組件上。在汽車組裝作業中,各類車款可能有不同數量和外型的車門需要安裝,因此不適用於全自動製程。不過,對於需要舉起大型零件的作業場景,則可以使用協作機器人,它可執行操作人員的「指令」,對操作人員的觸碰作出回應,將零件移到未完成組件上所需的位置。 機器人檢查可改善製程 協作機器人能對物品執行細膩的檢查或複查,且絕不會感到疲累、無趣或心煩意亂。對於改善IIoT製程的安全、品質與生產力來說,是很重要的資產。協作機器人只要經過簡單的編程,便能辨識及計數輸送帶上的物品、加入包裝材料和標籤,然後將物品放入合適的紙箱內。但工作人員在執行高技能等級的作業時仍能與協作機器人一起合作,像是執行與監督有關的品管檢查等。此外,協作機器人的程式易於修改,可針對產品包裝需求的變動加以調整。 機器人與人類共構新合作模式 協作機器人在IIoT領域的參與程度越來越高,它們可以與人類並肩作業。IIoT在人類和技術之間建構了全新的關係,透過數位與機器人技術改善效能,滿足人類的需求。在未來的工業自動化領域中,機器人並不會完全取代人類,而是與人類齊力合作,使工作環境更美好。 (本文作者任職於貿澤電子)
0

專訪Arm應用工程總監徐達勇 AI與資訊安全共構AIoT願景

5G時代各類裝置的效能要求大幅提高,AI將協助裝置提升智慧化的能力,Arm應用工程總監徐達勇表示,以手機來說,85%的機器學習應用仍在CPU、或者CPU+GPU的處理。雖然市場上有NPU或者APU的選項,但較為少數。以IoT裝置來說,很多機器學習的推論功能也都在Cortex-M4或者Cortex-M7上處理。另外,隨著機器學習(Machine Learning, ML)應用越來越多,未來也將運用到神經網路處理器(Neural Network Processor),比起加速器更為通用。 Arm應用工程總監徐達勇表示,5G時代各類裝置的效能要求大幅提高,AI將協助裝置提升智慧化的能力 Arm近年積極發展AI能力,相關IP都能進行AI運算,徐達勇指出,與Cortex A系列搭配的,會有Ethos-N77、N-57與N-37,以針對不同應用、不同效能的需求。而與Cortex M系列搭配、為低耗能應用的Ethos-U55 NPU。因應未來5G時代在機器學習的需求,Arm提供從CPU底層微架構上的加強,到在CPU上層的軟體框架,包含Arm Neural Network(NN)以及為Cortex M的CMSIS NN。 而裝置聯網的數量呈現爆發性成長,讓許多裝置暴露在資安風險下,Arm當然也意識到這樣的問題,徐達勇認為,先要做威脅分析,釐清是物理攻擊或是軟體攻擊,針對網路攻擊,Arm TrustZone主要防護軟體攻擊,將SoC設計分為Normal World與Secure World,可以保護一些需要高安全防護的應用。Arm Cyptocell/Crptoisland防護物理攻擊,如有人惡意去量CPU或SoC與Memory之間的讀寫然後去破解,就需要更高階的防護等級。Platform Security Architecture(PSA)則是防護架構,從分析、制定架構、實施、最後到裝置認證,PSA提供確認清單,協助用戶檢查其裝置安全要求是否到位。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -