首頁Top區塊

如何因應CE、FCC和其他國家或地區規章制度？管理單一裝置的全球監管認證非常簡單，但如果產品組合包括全球銷售的數十種裝置，那該如何處理？ 當公司產品組合中大量的產品開始具有物聯網功能時，工程師們便開始意識到離散設計監管認證管理成為了一種巨大的負擔，對於低成本、小尺寸、高可靠度和預認證模組的需求迅速增加。 標準物聯網裝置數量迅速成長 目前已有成千上萬基於標準物聯網協定的應用裝置，且其數量正在迅速擴展。在不久的未來，要找到沒有使用物聯網的電子裝置將不太容易，幾乎所有裝置都可相互連接，且其整合成本非常合理。因此很多公司不習慣僱用和留任電子/射頻工程師或協定專家，也加入了物聯網革命，雖然在過去他們所開發的產品通常不被視為科技產品。 以建築設備供應商，農業設備和家庭自動化公司為例，公司主要關注機械或非常簡單的電子功能。然而，因應物聯網功能的先進射頻工程並非其核心專有技術，便產生了一個問題：在物聯網時代，這些公司如何有效並且透過合理的投資轉變其產品並滿足兼容性要求？他們的需求是容易實作且容易管理。因此較好的解決方案就是考慮新的系統級封裝(System in package, SiP)模組，以實現上市時間、已認證、尺寸和成本的完美平衡。 物聯網生態系統發展不斷拓展 許多公司正環繞其物聯網裝置形成其生態系統，同時邀請合作夥伴和分包商加入。這些生態系統構建者面臨著互操作性挑戰：裝置是否能夠以最佳性能無縫協同工作？如何確保生態系統中的裝置滿足終端用戶的期望？這些生態系統中一個很好的例子，即建築自動化系統的連接照明，家用電器等。這些公司如何確保物聯網生態系統的成功？ SiP有利於生態系統發展 系統級封裝SiP是先進半導體封裝術語，其中IC與被動元件一起封裝到基底。SiP IoT模組的外觀和感覺與IC/SoC一樣。但與IC不同的是，SiP模組整合了物聯網操作所需的所有功能，其尺寸和規模與SoC相同。換而言之，SiP模組是完全整合、經過系統認證，可用於物聯網功能。 適當的高性能射頻設計並非易事，也不易於確保無線電良好性能的方式實施和管理，但是這又是實現強大功能的關鍵。當設計人員使用完全整合的SiP模組時，就沒有射頻設計負擔。 SiP模組可彈性地被放置在面積小的任何電子裝置中。SiP精美的封裝尺寸具有優勢，可以讓工程師較有彈性地設計裝置的其餘部分。 以Silicon Labs的SiP無線模組為例，該公司將其正在申請專利的天線嵌於基板中，使其可以獲得70%的天線效率；其另一個好處是它們不容易有射頻調整不良的問題，如果真的有問題，簡單的方法即可輕鬆修復它，而無需耗時的射頻工程。70%天線效率無人能及，即使是經驗豐富的射頻工程師也需要大量的時間和測試來設計離散元件的系統。SiP模組已經實現了高性能、小尺寸的目標，這即便透過離散設計都不容易達到。 利用這種精確設計的SiP模組的生態系統將在兼容性、射頻範圍、穩健性、上市時間和已認證方面均具有顯著優勢。 使物聯網裝置有良好的無線傳輸範圍且確保射頻鏈路穩定至關重要，即使在短距離內，射頻設計也必須具有良好的抗干擾能力，而仍能達成高傳輸速率和低功耗。SiP模組為生態系統帶來的另一個巨大好處，是其完整的協定認證，如FCC和CE。這意味著該模組的終端用戶可以使用Silicon Labs的認證，可以不需射頻或協定測試。 舉例來說，Silicon Labs發表了新款藍牙SiP模組BGM13S。該模組基於BG13 DIE，具有藍牙5.0低功耗和包括遠端編碼PHY的藍牙網狀網路(Bluetooth Mesh)。該模組記憶體為512Kb，能夠進行線上更新。它可調整的發射功率提供高達700米的可視傳輸距離，此數據表現相當良好，基於其模組的尺寸僅為6.5× 6.5mm，其中包括了天線，並使用客戶PCB作為天線結構一部分。 這種先進的SiP設計使OEM廠商無需任何射頻工程即可優化射頻範圍。Silicon Labs還將透過使用流行的0.5焊接間距來提高該模組的可製造性。更為寬鬆的焊接間距，使得降低製造這些元件的成本成為可能。

先進駕駛輔助系統(ADAS)經過多年的發展，已經從高階車款普及到大眾車款，尤其是主動安全系統證明能夠有效提高行車安全，成為消費者購車的主要考量之一，2019年ADAS功能成熟代表車輛自駕化進程將從Level 2往Level 3邁進，功能更加進化的Level 2+與Level 3 light次系統，帶動車用感測器質與量的需求全面提升。 毫米波雷達(mmWave Radar)在車用感測器領域已占有一席之地，一方面由於歐洲電信標準協會(ETSI)和美國聯邦傳播委員會(FCC)制定的頻譜規則和標準自2018年9月起禁止新產品使用24GHz超寬頻段，所有使用24GHz超寬頻段(Ultra-wide Band, UWB)的現有產品必須在2022年之前逐步淘汰。另一方面現行毫米波雷達技術主流的24GHz與高頻的77/79GHz技術相較，相同的距離解析度77/79GHz能提供更好的表現，讓雷達偵測距離可以有效拉長，對高速奔馳的汽車，緊急事故的預警時間與反應時間都能提升。 進階安全配備　推升高頻毫米波雷達需求 根據研究車速高達時速112公里時，安全煞車滑行距離為75公尺。目前ADAS若採用影像視覺分析技術，攝影解析度僅能精準分析80~100公尺距離內物體，如果在上述高速駕駛情境，車輛僅配置影像分析，那駕駛只剩5公尺反應距離，約0.15秒可進行應對。透過高頻毫米波雷達偵測距離可延伸至250公尺，駕駛提升反應距離增加到175公尺，反應時間延長5.2秒。意法半導體亞太區汽車產品事業體行銷經理陳錫成(圖1)表示，以前自動緊急煞車(Autonomous Emergency Braking, AEB)系統主要是在高階車款上才會看到，然而現在低階車款也開始配備這樣的功能。 圖1　意法半導體亞太區汽車產品事業體行銷經理陳錫成表示，現在技術日益成熟，台灣業者也開始導入相關技術製造高頻毫米波雷達。 中國重卡車已在2019年4月將AEB列為標配。另外，日本與歐盟40個國家和地區針對AEB將強制列入新車標配的草案已達成協定，未來將要求所有新的乘用車和輕型商用車都必須加裝AEB，新法最快2020年上路；美國則預計於2022年將AEB列為標配。法規也是促成毫米波雷達市場發展的主要力量之一，儘管AEB功能不必然需要導入77/79GHz雷達，但高頻雷達有效延伸偵測距離，強化AEB的預警能力與剎停準確度。 另外，從定速系統進化到主動式車距調節巡航系統(Adaptive Cruise Control, ACC)也是ADAS主要的功能之一，使用24GHz僅能較大尺度的調節與前車距離，77/79GHz雷達可以精確到公尺等級，未來車輛可以隊列巡航方式行進就是所謂的車龍(Platoon)行駛，每輛車的距離不超過1公尺，可以改善交通流量，並提升車輛燃油效率約15%左右。 毫米波雷達普及之路　降低成本成關鍵 目前，24GHz毫米波雷達已經達到技術成熟的階段，若成本能夠下降到一定的水準，完全取代超音波雷達只是時間的問題。同時，高頻毫米波雷達也正在快速發展中，同樣地，高頻毫米波雷達在車用感測器的領域取代低頻毫米波雷達成本也是主要的因素之一。 工研院產科國際所機械與系統研究組資深研究經理石育賢(圖2)表示，為了節省系統開發的成本，歐洲晶片大廠現在有一些解決方案是將低頻與高頻毫米波整合在同一個晶片上，就不需要那麼多電子控制單元(Engine Control Unit, ECU)，藉此降低成本。 圖2　工研院產科國際所機械與系統研究組資深研究經理石育賢表示，為了節省系統開發的成本，可將低頻與高頻毫米波整合在同一模組共用ECU。 車用高頻毫米波雷達在2019年的趨勢還是緊扣前方防碰撞功能系統。石育賢也指出，現在高階車款都配備高頻毫米波雷達，在車用感測器市場占有一定的比例。至於能不能成為標配，就看價格能否降低。 目前，24GHz的雷達模組價格約50~80美元，77/79GHz的高頻雷達模組依照功能不同約100~200美元，77/79GHz產品約是24GHz產品的一倍，若是前方的長程雷達價格高達200美元左右，成本差距就更大了，石育賢認為，77/79GHz的模組價格若是能降到100美元以內，成長動能就會進一步加碼。 成本/效能雙管齊下　高頻毫米波雷達起飛 由於自駕車對感測器感測距離、解析度與精準度的要求不斷提升，高頻毫米波雷達取代24GHz毫米波雷達已成不可逆的趨勢，但是高頻毫米波雷達要普及甚至取代低頻毫米波雷達仍有其挑戰，須能克服成本與效能的瓶頸。預估在2022年高頻毫米波雷達將逐步放量，並展現取代低頻產品的態勢。 德州儀器CMCU技術應用經理王盈傑(圖3)表示，2018年整體來說，主要是24GHz毫米波雷達技術成熟的時期，同時也是高頻毫米波雷達開始發展的階段。高頻毫米波雷達在2018年下半年到2019年開始出現更多新興應用，如更短距離的盲點偵測，或是車內的雷達，用以偵測駕駛的生理狀態與姿態、乘客數量等等，甚至利用車內雷達判讀手勢。 圖3　德州儀器CMCU技術應用經理王盈傑表示，2018年是24GHz雷達技術成熟的時期，同時也是77/79GHz雷達開始發展的階段。 王盈傑也提到，車輛智慧電子功能要求只會越來越多，必須掌握路況和所有突發狀況，也須要靠感測器來輔助。以現在的高頻毫米波雷達技術大概能偵測到200~250公尺左右的距離，但未來的需求一定會更高，甚至可能會達到300~400公尺。高頻毫米波雷達目前成本仍然高居不下，由於高頻毫米波雷達相較影像感測器或是超音波來說是新興、前瞻的技術，在製造、生產、測試等都較為困難，所以成本還是偏高。須要更多廠商投入，降低技術瓶頸，同時導入更多應用提升出貨量。 陣列天線/波束成形　毫米波雷達又精又遠 要提升高頻毫米波雷達精度，工研院資通所技術副組長陳文江(圖4右)指出，透過陣列天線與波束成形(Beam Forming)技術可以讓毫米波雷達更精準、傳輸距離更遠。 圖4　工研院資通所新興無線應用技術組組長丁邦安(圖左)；工研院資通所技術副組長陳文江(圖右)。 工研院資通所新興無線應用技術組組長丁邦安(圖4左)表示，毫米波雷達在車用感測方面的應用最初是因為ADAS的興起。但是感測器要模仿的器官就是人眼，而人眼是一個非常偉大的器官，要用機械替代如此精密的感官有相當大的挑戰。因各種車用感測器如光達(LiDAR)、毫米波雷達、攝影機等分別有技術上的優劣勢。 因此就有廠商提出結合攝影機與毫米波雷達的解決方案，一般毫米波雷達感測的資訊是點雲圖，無法具體判斷物體的類型，結合攝影機的影像資訊與毫米波雷達的物體感測，可以大幅提升感測精準度，業界有人稱這樣的方案為影像雷達(Camera Radar)，將兩個不同感測器蒐集的訊息利用感測融合的方式進行綜合判斷與解讀。 但丁邦安也提到，感測融合也有其困難，由於感測器數量多種類又不同，資訊量當然就跟著增加。資訊量大的情況下，若是不同感測器的感測結果產生矛盾，要如何判斷將是一大挑戰。以現在的技術來說，正確的感測和運算可以達到辨識物體的能力，但若要完全自駕同時也要求短時間做出正確的判斷，過於複雜的演算法和大量的感測器也會讓成本變得高不可攀。另外，車輛行駛過程中速度與反應時間對於感測與訊息處裡是一大挑戰，尤其車輛高速行駛時，如何即時提供準確的運算、判斷技術難度高，有賴後端的數位訊號處理器(DSP)或中央處理器運算能力的搭配。 針對高頻毫米波雷達如何提升精準度，陳文江進一步說明，理論上頻率越高傳輸距離是越短的，因為高頻會有衰減的問題，而77~79GHz的衰減至少是24GHz的九倍以上。而之所以會選擇高頻毫米波雷達是因為高頻的波長短，波長短就可以掃描得更精細，因此解析度就會比較高。 為了解決高頻訊號衰減的問題，可以透過陣列天線的方式讓傳輸距離提升、掃描範圍變廣。藉由開關天線改變使用天線個數的方式控制波束，即波束成形技術，集中波束便能使傳輸距離變遠，寬波束可以進行短距離大角度範圍的掃描。在IC發射功率固定的狀況之下，藉由波束控制即可以調整訊號傳輸距離。且由於高頻的天線可以做得更小，而且可直接印刷在PCB板上，相較模組與天線分離式的設計，整體成本並不會成長太多。 為了提升高頻毫米波雷達的感測距離、範圍和效能，目前德州儀器提供的解決方案可以整合多顆雷達在一個模組，讓兩顆毫米波雷達的感測訊號疊加，達到更遠的距離和更細膩的角度解析度。另外，毫米波雷達的專長是透過電波感測相對速度、位置與角度，由於77/79GHz毫米波雷達晶片模組體積更小，尤其是使用CMOS製程的晶片。因此，德州儀器同時提出整合四顆77/79GHz高頻毫米波雷達的解決方案，與過去單顆或兩顆雷達不同的是，透過這四顆雷達感測不同的向量資訊，可以將過去主要是2D訊息的感測資料，提升到3D的訊息尺度，更具體描繪感測物的型態。 77/79GHz大潮來襲　台廠應把握先機 根據研究機構Yole Développement(Yole)研究指出，預計到2025年雷達市場將達到86億美元(圖5)，2015~2025年複合成長率為15.6%。24GHz雷達是2018年市場的主流，市場規模約22億美元。77GHz的產品從2018年開始也加速成長，根據Yole的看法，77/79GHz雷達在2020年左右就會成為主流。 圖5　2015~2025年車用雷達發展趨勢 資料來源：：Yole Développement(05/2019) 陳錫成更進一步說明，過去囿於技術門檻，主要只有歐洲大廠在做高頻毫米波雷達，但現在技術日益成熟，台灣業者也開始導入相關技術製造高頻毫米波雷達。 然而，目前台灣的廠商出貨仍以低頻毫米波雷達為主，高頻毫米波雷達主要用於長距離，要取代短距離的24GHz毫米波雷達至少還需要2~3年的時間。但陳錫成指出台灣廠商也已經開始接到許多高頻毫米波雷達RFQ，由於技術方面已經準備好了，只要價格能夠下降，高頻毫米波雷達成為主流是必然的趨勢。但因為雷達用於汽車，關係人身安全，車規也就更加嚴格，從技術開發到生產約需要2~3年，在高頻毫米波雷達量產之前，台灣廠商的毫米波雷達出貨仍以24GHz為大宗。 儘管目前24GHz出貨還是毫米波雷達的主流，不過根據台灣車用雷達模組廠商表示，接下來新的設計都是針對77/79GHz的高頻產品，以該公司為例，2019年下半年高頻毫米波模組產品出貨量與24GHz模組可能就會出現黃金交叉，這波77/79GHz高頻技術取代潮，可以說來得又急又快。對於台灣產業來說就是個黃金時期，把握這波潮流對於車用電子產業的發展非常重要。 台灣的ICT產業擁有良好的體質，除了生產代工的水準，也具備程式設計的能力。石育賢呼籲，在車用電子領域，應用場景非常重要，台灣交通環境複雜，廠商應該積極投入對於應用環境的研究與了解，以最普遍的ACC與AEB為例，這兩套系統在歐美日本與台灣或印度這樣的地方運行，台灣人車混用還有機車在車陣中穿梭，印度更是有牛在路口漫步，所以系統模組在作動與感測時需要再做因地制宜的調整，軟體也要進行客製化的設定。 車電市場並不像消費性電子產品，對產品的要求相對嚴苛許多，加上產品驗證周期長，另外車規的要求生產品質與環境耐受度也必須提升一個等級，台灣廠商經營車用電子市場需要更深入並更沉得住氣。石育賢建議國內業者先從元件開始進入Tier 1，再慢慢擴大到能做好一個系統。雖然初期投資成本相當高，要進入車用電子市場需要2~3年的時間，而現在就是抉擇的時刻，若現在猶豫不決怕是再遲就來不及了。 丁邦安總結道，車用對於安全性的要求非常高，萬中不能有一失，高頻毫米波雷達要在車用領域普及會遇到最大的困難在於道路實測與成本。目前藉由提升運算量、增加天線數量、提高雷達頻率都可以讓解析度與辨識度提升，技術方面和理論已足夠成熟，但是成本將會高到難以接受。在安全與成本的拉鋸之下，高頻毫米波雷達用於Level 3以上自駕車仍有一段路要走。 對此，王盈傑針對台灣高頻毫米波雷達發展提出了建議，目前高頻毫米波雷達在台灣發展目前仍面臨許多挑戰，包括天線設計、演算法的開發、製造測試等方面都是全新的領域。因此也有許多的可能性，以台灣來說，現在只有大學電波組實驗室在研發高頻天線，並沒有太多公司投入設備和測試。原先做24GHz天線或手機天線的廠商，可以考慮開始投入高頻的研發設計。另外，在製程上如何克服測試的問題也是可以投入的方向。至於演算法的開發，如用於姿態辨識和生命跡象等等，結合AI機器學習(Machine Learning)來進行計算，也是可以開發的新領域。

產業研究機構Yole Développement(Yole)最新研究報告顯示，2018年離散功率元件市場規模接近135億美元，從2018年到2024年的年均複合成長率為2.9%。離散功率元件市場的發展也緊跟全球功率 電子產業的成長趨勢。離散功率元件產業的特性和需求包括單一元件成本低、產品和供應商 選擇範圍廣，以及使用經過驗證的高度標準化產品和技術。 2024年離散功率元件封裝市場規模為37億美元，同期年均複合成長率為1.1%。實際上，用於離散功率元件的封裝技術，包括引線框架、晶片粘接、電性互連和封裝，在這樣的形勢下，針對不同封裝解決方案的市場成長和市場規模組合就產生了具有許多不同變數的複雜結果，這些變數包括元件需求量變化、晶片尺寸、封裝類型和所用的互連方法、順應微縮趨勢的元件尺寸、每一封裝元件中的半導體內容等等。這些因素中有的有助於市場成長，有的則會促使市場縮水，使得市場態勢相當持平。因此離散功率元件封裝市場的走勢將十分平緩，但在2018年到2024年間仍將有所成長。 由於業界大幅採用銅製彈片來取代傳統導線和帶式接合，封裝領域的主要創新將在電性互連層面實現。離散元件製造商(如英飛淩、安森美半導體、羅姆半導體和富士電機)可以自主生產功率元件，也可以將封裝外包給OSAT廠商。 先進封裝解決方案的最高附加值不在於“相對簡單”的離散元件，而在於那些與驅動器、多元件等整合在一起的元件，但功率元件的先進封裝技術轉變趨勢依然值得關注，以免錯過離散功率元件封裝領域中不斷成長的商機。  

為加快語音應用普及速度，恩智浦半導體(NXP)研發首款基於MCU的語音控制解決方案「Alexa for MCU Solution」，該方案已經獲得亞馬遜(Amazon)Alexa語音服務(AVS)認證，可讓原始製造商(OEM)更快速、輕易、且花費更低成本將語音應用內建(Built-in)至各式產品中(如冰箱、微波爐等)，消費者也能更輕鬆的使用語音服務，獲得豐富的語音體驗。 為了能夠使更多人體驗語音應用，Amazon目前正積極推動「Alexa Built-in Product」，也就是將Alexa內建置各式產品當中，智慧家電便是其中一個目標。Alexa Built-in的產品使用方式與智慧音箱相同，消費者可使用喚醒詞「Alexa」，直接與產品交談，並立即接收語音回覆和內容。 然而，OEM業者要能迅速、輕易的將Alexa內建置產品之中，除了仰賴Amazon釋出相關雲端應用外，在硬體方面同時也需要一個好的開發套件，而NXP基於MCU的語音控制解決方案「Alexa for MCU Solution」便是為此而生。 恩智浦資深IoT解決方案經理秦建峰表示，Alexa Built-in Product和智慧音箱不同，是屬於比較輕量級的應用；也就是同樣具備語音對話、控制的能力，但在音樂播放、Audio品質等功能則不如智慧音箱。換言之，Amazon推出Alexa Built-in Product的概念，並非要取代智慧音箱，而是要讓消費者有更多選擇，因為有些使用者可能不需太高的音樂播放品質，只想要單純的語音控制，而Alexa Built-in Product這類的解決方案就可滿足他們的需求，同時成本也比較低。 然而，要打造一個簡單、高效的語音開發套件也非是這麼容易。秦建峰指出，即便是單純的語音應用，當中也包含了很多的語音演算法，例如回聲、降噪，波束成型、遠場/近場等。過往這類的演算法，多靠MPU處理，若是要採用MCU處理的話，一定會加掛一顆DSP。然而，不論是採用MPU或是MCU+DSP的方式，其成本都偏高，不適用對價格敏感的設備(像是消費性產品)，且MCU+DSP設計難度也較為複雜，同時電路板的體積也較大，沒辦法嵌入至較小的設備中。 為此，NXP便透過i.MX RT跨界處理器，打造基於MCU的語音解決方案。i.MX RT跨界處理器的特點包含Arm Cortex-M7核心，提供3020 CoreMark/1284 DMIPS、600MHz運行頻率、2D圖形加速引擎，以及多通道高性能音頻等。 秦建峰說明，i.MX RT的性能介於傳統MCU和MPU之間，這也是其被稱作跨界處理器的原因。而這類處理器性能可以滿足Alexa輕量語音應用的運算需求，同時成本又低於MPU或傳統MCU+DSP的設計方式；因此，採用i.MX RT處理器的語音開發方案，讓眾多OEM業者能夠快速將Alexa添加到旗下產品中，讓產品具有語音控制功能。如此一來，將會有更多消費者享受到語音應用，同時也加強消費者的智慧家庭體驗。

根據全球半導體聯盟(GSA)統計，到五月底為止已經有90多個國家，230多家電信業者已經開始投資5G。投資包括了已經商轉、正在布建網路、已經取得執照和開始進行測試等等動作。隨著5G風風火火地開始商轉，垂直產業也開始跟上，在智慧製造、智慧電網、遠距醫療、機器人等領域皆可以看到與5G結合的相關應用。 遠傳電信協理汪以仁表示，目前5G真正商用的國家有韓國、美國，而英國、瑞士也積極邁向商轉，另外，中國已經核發四張5G牌照。第一個5G商用是在2018年11月，而到了2019年底之前有望看到超過40家電信公司啟動5G商轉。由此可以看出5G的發展動能非常強大，和4G初期相比明顯快了很多。5G時代已經正式開始。 汪以仁說明，韓國在2018年12月第一波商轉推出的都是垂直領域的應用。SK 電訊推出了5G AI機器，與汽車零件製造廠商合作，幫助他們把產線上原有的AI技術和5G相結合。KT商轉時的應用則是在首爾的貿易大廈設置雲端導覽機器人，利用5G快速將資訊上傳至雲端。LG U+提供的服務則是用5G協助客戶遠端遙控牽引機。 現在已經有非常多業者投入垂直領域5G應用測試，其中有智慧工廠、智慧製造、機器人、遠距醫療、遠距安防、車聯網、自駕車等等，另外，英特爾(Intel)和微軟(Microsoft)都高調表示要利用5G發展智慧零售。 汪以仁進一步提到智慧電網的應用，南方電網跟中國移動已經測試了一段時間。過去南方電網就有用機器人在做巡檢的工作，但用WiFi和4G做的連線效果並不好，現在則開始嘗試用5G做。另一個應用則是差動保護，維持電力傳輸過程中電壓電流穩定以及迴路有問題時提供保護迴路。由於差動保護需要非常低的延遲，過去是以有線網路運作，但有線傳輸要做更動較為麻煩，而現在利用5G可以解決有線問題又能提供低延遲的服務。 值得一提的還有，NTT DOCOMO做的遠距醫療案例。藉由5G讓都市醫學中心的醫師能夠協助偏遠地區診所內的醫護人員做醫療診斷，例如利用5G的高速低延遲做遠端超音波掃描，在遠端醫療中心的醫師可以看到沒有延遲的清晰影像，並提供即時的指示與協助。另一個醫療相關的應用則是將醫療儀器放在車上，讓這輛車四處巡迴，車子藉由5G和醫學中心連線。除了出動到各公司做員工健檢，也可以到偏遠地區當作移動診所，而若有災害發生也可以立刻進入現場進行緊急醫療服務。由於車內能放置的資源有限，因此一定會需要後端的支援，後端支援就有賴網路服務，5G在此可以提供大量的資料傳輸以及超低延遲的連接。

萊迪思亞太區事業發展協理陳英仁(圖)表示，隨著AI不斷往各種嵌入式裝置推進，應用開發商將在安全跟效能上面對更大的挑戰。安全可靠的硬體設計，是推動AIoT普及的先決條件；更好的推論效能，則可讓應用開發商推出使用者體驗更好的終端應用產品。因此，萊迪思近日宣布推出可於眾多應用中保障系統韌體安全的MachXO3D FPGA，以及推論效能比前一代提升10倍的sensAI解決方案。 萊迪思亞太區事業發展協理陳英仁指出，安全與推論效能，將是AIoT應用能否更加普及的兩大關鍵。 元件的韌體已逐漸成為網路攻擊最為常見的目標。在2018年，超過30億各類系統的晶片由於韌體安全性漏洞問題，面臨資料竊取等威脅。不安全的韌體還會因為分散式阻斷服務攻擊(DDoS)、設備篡改或破壞等隱憂。若不及時處理這些風險，可能會對企業的聲譽以及財務狀況產生不良影響。 sensAI的低功耗AI推理功能則可針對OEM的應用要求進行最佳化，幫助他們與現有設計無縫接軌。由於只需要發送相關資訊即可做進一步處理，使用本地智慧處理能夠降低雲端分析帶來的成本。目前sensAI最主要的終端應用產品為智慧門鈴和安全攝影機等即時線上的IoT設備。藉由在本地端進行AI推論，這些設備的回應時間更快，且因為資料沒有傳輸到雲端，因此更難被竊取。  新版的sensAI解決方案與上一版相比，效能提升10倍，並支援更多新的神經網路和機器學習框架，例如Keras。此外，新版sensAI還提供全新客製化的參考設計，以加快物件計算和人員檢測等常見應用的開發速度。

然而，對製造業應用而言，目前以雲端資料中心為基礎的人工智慧，通常是不符合需求的。在生產現場，絕大多數的控制命令跟判斷，都有很強的即時性，如果要把資料上傳到雲端，在雲端進行推論，再從雲端向現場機台下達控制命令，在時效上往往拖延太久。因此，直接在網路邊緣節點進行推論，將是面向工業應用的人工智慧所實行的主流架構，也就是俗稱的邊緣運算或AIoT(AI+IoT)。 這也使得有意進軍工業市場的人工智慧晶片業者，諸如NVIDIA、英特爾(Intel)與賽靈思(Xilinx)等，紛紛推出低功耗、低成本，適合部署於生產現場的晶片解決方案，如NVIDIA的Jetson TX系列、英特爾的Movidius系列、Cyclone/Stratix FPGA，以及賽靈思的Zynq 7000與部分Zynq UltraScale+系列晶片，都可讓部署在現場的嵌入式設備直接進行推論。這三家領導晶片所提供晶片方案，也正好代表了AI運算晶片的三大流派--GPU、ASIC與FPGA，在應用開發上各自有其優勢與限制。 GPU應用開發速度最快　開發工具/IP限制卻不少 對人工智慧應用的開發者來說，GPU是用來快速創建原型跟驗證設計概念的不二選擇。因為開發者只需要撰寫程式碼、甚至直接套用開發工具裡面的現成模型，稍微調整一下參數，就可以讓GPU開始進行訓練跟推理。因此，在應用開發的早期階段，GPU是目前最理想的選擇。 然而，GPU的成本高，功耗也偏高，是許多工業設備製造商在AI軟體發展完成，設備準備量產時，繼續沿用GPU做為系統核心的主要疑慮所在。GPU的散熱對於在工業環境下運作的嵌入式設備，是一個很大的問題。工業環境的溫度變化大，且現場往往沒有空調設備。如果環境的背景溫度本身就偏高，在這個情況下，採用被動式散熱的效果將大打折扣。 採用主動式散熱，例如散熱風扇，則意味著設備的機構設計可能需要保留開口，這會對設備的防水防塵能力造成負面影響。此外，某些工業環境中還有大量粉塵存在，如果設備內有風扇，不僅容易故障，還有引發粉塵爆炸的風險。 也因為上述種種環境條件的限制，GPU若想應用在工業設備上，低功耗是最重要的規格。散熱功耗(Thermal Power Dissapation, TPD)低於10瓦是設備得以採用被動式散熱的基本門檻，但如果能做到更低，工業設備採用GPU的疑慮也會跟著減少。這也是NVIDIA的第一代Jetson TX將功耗定在10瓦，並將新推出的Jetson TX2(圖1)功耗進一步壓低到7.5瓦的主要原因。 圖1　GPU的散熱問題是嵌入式應用開發商在選用GPU時最主要的疑慮之一。 除了功耗跟散熱問題外，GPU廠商的開發工具、參考設計跟協力廠商軟體資源雖然已經相當完整，但如果設備製造商想在這個基礎上進行客製化開發，還有智財(IP)方面的問題必須克服。有業界人士指出，跟NVIDIA合作，會受到很多限制。該公司提供的模型跟演算法資源相當豐富，也有為數眾多的協力廠商夥伴，但這些資源的智財權均控制在NVIDIA及其合作夥伴手上，如果要在產品上使用這些演算法，除了有可能需要額外支付權利金，NVIDIA對晶片的用途管控也相當嚴格。 另外，工業設備所使用的演算法跟模型，如果需要客製化調整，也可能需要跟演算法的開發者或GPU供應商進一步洽談，設備供應商不能自行隨意修改，這也是另一個潛在的成本來源，可能需要額外支付更高的權利金，或是耗費更多時間。 不過，倘若功耗跟智財都不成問題，對工業設備開發商來說，直接在設備上使用GPU，是最快將產品推向市場的途徑，因為產品從開發到最終量產使用的是同一個平台、同一套源碼，相容性基本上可以保證，不用擔心原本在GPU上開發的軟體，換到FPGA或ASIC之後會出現相容性問題。 ASIC算力/功耗比最優　演算法綁定不利發展多樣化應用 自從人工智慧浪潮興起後，許多IC設計公司都推出神經網路處理器(NPU)或ASIC加速器，想分食人工智慧應用的市場大餅。這些專為某些特定演算法或模型提供加速的晶片，在執行對應演算法的時候，有非常高的能源效率，功耗5瓦、甚至2瓦以下的解決方案都已經出現在市面上，為人工智慧應用的普及做出重要貢獻。 不過，也因為這類NPU或ASIC加速器只專門針對特定演算法或模型做優化，因此其泛用性很低。如果工業設備製造商對演算法或模型的更動幅度較大，甚至想套用自己發展出來的演算法，在這類平台上不是執行效果不佳，就是根本無法執行。 舉例來說，目前這類泛ASIC解決方案，最主要的應用市場是安全監控領域(圖2)，例如人流偵測、人臉識別，或是對敏感區域劃設虛擬圍籬等。但對工業應用來說，這些方案除了適用于廠區的安全監控系統之外，像是生產線上的產品檢測、引導機器手臂作業等典型的機器視覺應用，很難採用這類ASIC方案來實現。至於微電子、半導體等級的自動光學檢測，這些ASIC方案就更難派上用場了。 圖2　安全監控的市場規模龐大，吸引眾多ASIC廠商為其開發AI演算法加速器方案。 對IC設計業者而言，針對少量多樣的工業市場開發ASIC產品，成本效益是最大的難題。因此，晶片業者的發展策略必然是利用安防產業所創造的經濟規模，向外拓展出部分工業或產業用嵌入式設備的應用市場。 近期英特爾跟IC設計新創公司耐能(Kneron)，都分別與工業電腦業者結盟，試圖將NPU與加速器推進智慧零售應用，因為智慧零售的需求跟安防基本上相通，不需要太大幅度的設計修改。但有工業電腦業者認為，在未來三到五年內，NPU或ASIC加速器方案在產業領域的應用，大概也只會到這裡為止，要進一步跨入變異性更高的工業應用，機會應該不大。 FPGA限制最少　考驗設備商IC設計功力 過去幾年，有鑒於人工智慧需求興起，FPGA業者在自家開發工具跟協力廠商生態系夥伴的建構上投入不少心力，成果也陸續展現。在資料中心端，利用FPGA來加速神經網路或深度學習演算法，已經是很多網路巨擘所實行的作法，因此，FPGA廠商自然也將下一步發展重心放到邊緣運算上。 對工業應用來說，FPGA是個很理想的選擇。由於工業應用向來是個少量多樣的市場，很難期待晶片供應商針對工業設備業者的需求，推出對應的晶片解決方案。也因為這個緣故，某些研發實力較強的工業設備業者，一直都是靠FPGA來實現自己所需要的晶片功能。最典型的例子就是高階的運動控制設備，或是某些需要大量I/O的控制器。 而在人工智慧從雲端走向邊緣的過程中，工業設備製造商自然不會忽視用FPGA來實現人工智慧這個選項。且在FPGA業者陸續推出機器學習開發環境，協力廠商業者的軟體智財也逐漸到位後，利用FPGA在嵌入式裝置上執行人工智慧應用，困難度已經相對降低。不過，就和利用GPU平台上的協力廠商資源一樣，設備開發商如果要使用協力廠商開發的演算法，通常會有額外的授權費用產生。 FPGA最大的優勢在於硬體功能的配置非常彈性，如果工業設備開發商已經有自己的人工智慧演算法，開發團隊可以利用FPGA實現對應的硬體加速器，達到最高程度的系統設計優化。但相對來說，當軟體設計有所更動時，硬體可能也需要做對應的調整，而這個時間是相對耗時的。 事實上，要把FPGA的潛力發揮到淋漓盡致，開發團隊必須相當熟悉積體電路的設計作業，諸如電路合成、時序收斂、繞線佈局等。雖然FPGA供應商的開發工具多半已經可以將相關作業自動化，但要進一步將設計優化，設計人員還是需要具備相關知識，而且為了因應軟體設計反覆運算，硬體也要跟著頻繁反覆運算，這是很花時間的。 因此，比較理想的開發流程還是先從GPU開始，等軟體設計反覆運算到相對穩定的階段，再針對已經穩定的軟體做對應的硬體加速設計。而非直接從一開始就用FPGA平台做軟硬體同步開發。 訓練資料集建置不易　AI走進工業應用還需醞釀 雖然各晶片大廠對於人工智慧走向邊緣的發展趨勢都有很高的期待，並已推出對應的邊緣運算解決方案，但對工業應用來說，最麻煩的問題不是缺乏硬體或演算法，而是缺乏訓練用的資料集。 不像一般針對消費性或安防領域的人工智慧應用開發商，可以用低廉的人力成本找來大量資料標籤員，快速完成訓練資料集的建置。工業用的人工智慧應用處理的是各種專業領域的資料，一般人無法判讀這些資料。 以藉由機器視覺來檢視金屬加工件這項應用為例，工業相機可以輕而易舉地取得成千上萬張金屬加工件的影像，但這些影像對一般人來說看起來都差不多，只有業內專家能夠看出其中的些微差異，進而區別出良品跟不良品。 高品質的訓練資料集才能確保人工智慧判斷的準確性，但工業領域的高品質資料集不容易建置，是目前工業設備業者、乃至有心導入人工智慧的製造業者所共同面臨的問題。而且，由於這些資料往往涉及營業秘密，因此只能用內部有限的專家人力來建置資料集，無法外包給外部專家，這使得資料集的建置工作需要耗費更長的時間。 綜合多家國際工業設備巨擘與大型製造業者的觀點，即便目前人工智慧軟硬體方案已經比過去成熟許多，但相關廠家現階段大多還停留在研發前期或中期階段，僅有少數動作比較快的業者，已經開始在實驗產線上進行測試。因此，工業領域普遍導入人工智慧，可能還需要2~3年時間醞釀。

新思科技設計事業群聯席總經理Deirdre Hanford(圖)表示，各種智慧應用的蓬勃發展，是帶動半導體產業成長的主要動力來源，但這個趨勢也使得晶片設計變得更加複雜，晶片開發者必須要有新的設計工具輔助，才能趕得上客戶要求的產品上市時程，進而抓住商機。 新思科技設計事業群聯席總經理Deirdre Hanford表示，萬物智慧化讓IC設計更加複雜，IC設計業者需要更強大的EDA工具。 為此，新思推出了融合設計平台(Fusion Design Platform)，並在推出的第一年即達到超過100個產品投片(Tapeout)，寫下7奈米製程的重要里程碑。該平台協助客戶提升20%的設計結果品質(Quality-of-Results, QoR)，並達到超過2倍的結果效率(Time-to-Results, TTR)。融合設計平台整合新思科技的數位設計工具，並重新定義傳統設計工具的範疇，包括共享引擎、用於邏輯及物理表現(Logical and physical representation)的單一數據模型。 此外，新思也與安謀國際(ARM)擴展合作關係，推出支援新思Fusion Compiler解決方案的QuickStart實作套件(QIK)。這是一個從RTL到GDSII完全整合的實作系統，可讓採用ARM架構的SoC設計達到最快速的結果效率，並改善功耗、效能與晶片面積，能快速實現具備安謀最新核心架構的高度差異化產品。這項合作已讓採用內含Cortex-A76與Neoverse N1處理器的SoC先期用戶，成功實現投片。 而為了協助推動AIoT晶片研發，新思在台灣也已經與台灣大學、清華大學、交通大學、中央大學以及成功大學等五所頂尖大學共同啟動「AIoT設計實驗室」產學合作計劃，捐贈各校晶片開發核心套件與人工智慧/機器學習教材(AI/Machine learning)，以誘發學界對於AIoT設計的強大研發能量，並培育先進半導體設計人才。

智慧居家是一項日益普及的智慧應用，仰賴Wi-Fi和物聯網的連接和通訊。新一代IEEE 802.11ax標準，即Wi-Fi 6。舊Wi-Fi版本注重速率提升卻忽略網路容量，且在切換SSID的過程中會造成短暫的網路連線中斷或是傳輸速度遽降，而802.11ax在Wi-Fi速率、頻段、覆蓋面積上都有重大提升，也無須切換SSID，使得Wi-Fi網路將具備更充足的頻寬流量以滿足多名使用者的網路需求，同時也帶來了更遠距離的傳輸能力與更流暢的傳輸，也因此可以使智慧居家的連接更快速流暢。 無線世界存在的兩種連接方式：一類是蜂巢氏網路，即2G、3G、4G、5G，另一類則是Wi-Fi技術，IEEE 802.11 a/b/g/n/ac/ax，作為在室內替代蜂巢式網路的選擇，Wi-Fi往往必須處理大量的資料流量，也是深受人們最喜愛的連接方式；而802.11ax的目標是在使用者密集的環境中，每位使用者平均傳輸率能提升至4倍以上。大幅超越了過去802.11ac的連結速度，可於人口密集的環境下運用多項機制，讓更多的使用者能同時享受穩定的資訊傳輸。 Qorvo無線連接業務部總經理Cees Links指出，目前傳統的Wi-Fi在連接現在的2G、3G或者4G網路時，須要切換SSID，而Wi-Fi 6則不同。Wi-Fi 6的分散式Wi-Fi搭配One Pod Per Room的設計將盡可能達到對於整個住宅的網路覆蓋。Pod覆蓋越全面，網路體驗也就越好，而Qorvo所致力於的便是盡可能的縮小Pod的產品大小，提供更低的功耗與更優質的效能。 除此之外，智慧居家作為日益普及的智慧應用，其仰賴Wi-Fi和物聯網的連接和通訊。為達到真正的智慧家居，One Pod Per Room設計可作為最佳方案，以便利用物聯網通訊技術並達到分散式Wi-Fi架構。Cees Links舉例提到，每個Pod都用作無線接入點，每個接入點都將支援Wi-Fi和物聯網標準，還包括 Zigbee 和藍牙設備，甚至可以通過語音輔助命令進行控制。此外，利用分散式Wi-Fi架構，智慧設備搭配上最新的Wi-Fi 6標準所提升的資料輸送量與頻寬容量，可以在多個通道中與無線路由器通信，無須使用額外的閘道或在家中安裝多個乙太網/電纜/光纖連接點，以便連接一個網路系統，從而真正創建智慧家居環境。

5G網路將在2024年占據無線通訊市場26%的營收比重，但卻不會提升停滯不前的全球無線通訊市場的市場規模，無線網路應用市場規模維持在8000多億美元左右。產業研究機構Strategy Analytics的研究預測，5G市場將在2021年開始建立真正的發展動力。網路覆蓋率提高、手機價格下降、應用更加成熟。 雖然一些市場透過4G服務增加了營收，但全球的長期前景仍然是大多數國家已經發現4G充其量只是對運營商之間競爭壓力推動的消費者預期，每個月都有越來越多的數據，2012年至2018年，當4G從所有行動用戶的4%成長到全球的61%時，服務收入成長不到1%，5G發展也會類似這樣的趨勢。Strategy Analytics認為，到2024年底，4G LTE網路用戶超過60億，占所有無線用戶的三分之二以上。LTE繼續擁有光明的未來，非洲和中東的大部分地區仍然依賴老一代。