首頁Top區塊
- Advertisement -
政策傾力推動 中國AI晶片實力飛漲
中國大陸目前投入人工智慧晶片的業者大致可分為三個類別，第一為既有晶片廠商發展人工智慧晶片，如華為海思於2018年推出自行研發的人工智慧晶片架構Da Vinci；第二種則為網路服務大廠投入研發人工智慧晶片，如中國大陸三大網路服務業者百度、阿里巴巴、騰訊皆針對人工智慧晶片有所布局，百度以合作及自主研發為主，2018年7月發布了自主研發的人工智慧晶片「昆侖」；而阿里巴巴在併購中天微、並大舉投資多家人工智慧晶片業者後，於2018年9月宣布成立半導體公司，投入人工智慧晶片的研發；騰訊在人工智慧晶片的布局雖不若百度、阿里巴巴積極，但亦投資比特大陸、Barefoot Networks等業者。
第三種則為人工智慧晶片新創業者，其創辦人有來自國家的研究院、頂尖大學的畢業生，或者是從網路服務業者離開後自行創業。雖然不像大廠擁有豐富資金，但卻具備技術基礎，因此多間新創業者成立後備受關注，憑藉技術優勢獲得大量的資金投資，成為人工智慧晶片領域的獨角獸，亦讓全球關注中國大陸在人工智慧晶片的發展動向。
華為三大產品線力攻AI市場
華為為中國大陸重要的通訊設備廠商，旗下的海思半導體亦為中國大陸重要IC設計廠商之一，產品包含手機、有線網路、無線網路、數位多媒體等IC應用領域。
目前華為海思與人工智慧晶片相關的主要有三個產品線，一個為整合寒武紀神經網路晶片IP的手機處理器Kirin系列，2017年華為海思與寒武紀合作，推出整合人工智慧加速器的手機處理器Kirin 970，2018年再度推出Kirin 980；第二個則為海思針對影像SoC推出的Hi 3599A，整合雙核心的NNIE運算引擎，用於物件分類與屬性辨識等功能；最後則是自主研發的人工智慧晶片架構「Da Vinci」，為華為2018年10月發布的人工智慧戰略的一環，華為的人工智慧戰略中除了晶片外，華為更將提供從晶片到應用的開發工具，透過更完善的開發支援，推動人工智慧在全場景的實現。
寒武紀主攻NPU
2016年於北京成立，為人工智慧晶片IP業者，創辦人陳天石及陳雲霽為中科院計算所研究員，2012年兩人與法國研究所教授合作人工智慧加速器研發項目DianNao，並以此為基礎在中科院計算所的支持下成立中科寒武紀科技(後簡稱寒武紀)，於成立同年推出深度神經網路處理器(NPU)1A，奠定了其在人工智慧晶片的發展基礎。
寒武紀在獲得了中科院的天使輪投資成立，而後在2016年8月pre-A輪募資時獲得了科大訊飛、元禾原點、湧鏵投資的投資。2017年8月的A輪投資除了上述的業者持續投資之外，再獲得了阿里巴巴、聯想、國科投資、中科圖靈等業者共1億美元的投資，成為人工智慧晶片領域的獨角獸企業，2018年6月再度進行B輪募資，強大的資金吸引能力讓寒武紀的發展受到關注。
地平線演算法/晶片並行
2015年於北京成立，為人工智慧晶片及演算法業者，目前在北京、南京、深圳、上海設有研發中心，創立之初團隊成員皆為互聯網的背景，創辦人余凱為前百度研究院執行院長，曾領導團隊進行多媒體技術、影像搜尋技術的開發，因此地平線機器人科技(後簡稱地平線)是以演算法結合晶片的角度出發，發展從晶片、演算法等一體整合的嵌入式方案供應商，提供的是「應用場景的平台」，而並非僅是硬體運算平台，希望透過自身的技術實力，協助系統整合商、設備廠商發展智慧化的解決方案，實現智慧城市、智慧零售、智慧駕駛等應用情境。
地平線在成立後三個月即完成了首輪融資，獲得了晨星資本、高瓴資本、紅杉資本、金沙江創投、線性資本、創新工廠以及真格基金等單位的投資；於2016年4月完成數千萬美元的Pre-A輪募資、2016年7月完成A輪募資、2017年10月完成A+輪的募資。
深鑒科技著力AI模型
2016年於北京成立，創辦團隊皆為北京清華大學出身，擁有深厚的技術基礎，不同於寒武紀以晶片IP、地平線以晶片整合演算法的解決方案，深鑒科技的核心技術為人工智慧模型壓縮、編譯器平台，透過深鑒科技的壓縮軟體、編譯器等開發工具，讓客戶的演算法經過優化後能在深鑒科技的DPU平台(FPGA)上運算。除了軟體開發工具之外，深鑒科技亦陸續發布視覺分析模組、人工智慧ASIC等產品。
深鑒科技成立之後亦獲得投資市場的關注，成立後獲得來自高榕資本、金沙江創投的天使輪投資，2017年5月獲得來自Xilinx、聯發科、清華控股、方和資本的A輪投資，同年7月獲得來自螞蟻金服、Samsung的A+輪投資，可以觀察到科技大廠Xilinx、聯發科、Samsung都曾投資深鑒科技，其發展備受關注。2018年7月深鑒科技被FPGA大廠Xilinx收購，收購後仍在其北京辦公室繼續營運，成為Xilinx大中華區的一部分。
視應用出發 AI晶片功能/規格大不同
華為海思、寒武紀、地平線機器人、深鑒科技雖然都被稱為人工智慧晶片的業者，也都各自發表了其晶片產品，但在產品型態上卻大不相同。華為海思將人工智慧晶片作為其人工智慧戰略的一環，提供從雲端到終端的人工智慧開發平台，晶片為其方案的一部分，透過服務或解決方案的形式向客戶銷售。
寒武紀以人工智慧晶片及IP為主，客戶為IC設計業者或是設備廠商，提供的是人工智慧的硬體運算平台，本身並不開發人工智慧的應用，因此其平台能夠廣泛通用於影像、語音辨識的應用，助力中國大陸人工智慧演算法的業者。
而地平線機器人以視覺應用為出發點，發展整合人工智慧演算法晶片的解決方案，其產品在晶片之外亦整合了影像辨識的演算法，透過自身訂製的晶片提升硬體平台的運算效能，而能以較低的功耗實現終端人工智慧應用，從解決方案的角度切入也讓其直接與垂直應用客戶進行合作。
深鑒科技的技術核心為演算法及編譯器，整合FPGA提供解決方案，演算法業者能利用深鑒科技的開發工具能將其模型優化，在深鑒科技的DPU平台(Xilinx FPGA)上實現運算，而後深鑒科技亦發展影像辨識的演算法，整合成解決方案拓展無人機、安全監控市場。
觀察四個業者的產品，除了華為海思因集團本身有手機產品，因此投入發展手機SoC之外，其他人工智慧晶片新創業者的產品以視覺應用為大宗。其中又以安全監控及自駕車應用為業者主要投入方向，包含地平線機器人以智慧城市(安全監控)、智慧零售、智慧駕駛為主要的應用，深鑒科技亦從無人機轉向往安全監控市場發展。
而業者皆投入安全監控應用的原因不外乎中國大陸有龐大的國內市場，終端設備廠商對於人臉辨識、車牌辨識等需求明確，吸引廠商投入。然而雖然大量的影像成為廠商練兵的基礎，但在城市監控、零售商業分析等不同的應用目的下，在環境、須要辨識的項目亦會有所不同，然而觀察目前廠商所提出來的功能大同小異，其所提出來的解決方案是否真的能符合終端應用的需求仍有待觀察。
不論是寒武紀、地平線機器人或是深鑒科技，在成立之初即募得了大量的資金，讓中國大陸的人工智慧晶片業者備受關注。然而在產品發布之後，後續在產品的推廣上仍備受挑戰，包含寒武紀未來和華為合作關係不明、深鑒科技一開始在無人機的客戶推廣上亦不順利，促使兩者轉往其他的應用發展，寒武紀開始拓展伺服器市場、深鑒科技在被併購前也轉往安全監控市場發展。
觀察目前主要人工智慧應用的產品，包含手機、攝影機、伺服器等，這些終端設備的廠商亦自行投入資源研發人工智慧晶片，如華為發布了自己的人工智慧晶片架構；網路服務廠商百度、阿里巴巴、騰訊也都有各自的晶片研發計畫；攝影機業者海康威視、浙江大華也投入晶片的研發，新創業者如何在前有設備業者的挑戰、後有晶片業者的競爭下生存，未來發展性仍有待觀察。
(本文作者為資策會MIC產業分析師)
安全認證做好做滿 無線快充方便又可靠
隨著技術發展逐漸成熟，無線充電所涉及的應用領域也更為多元，從最初的智慧型手機、無線耳機、智慧手表和行動電腦，已延伸到家電、家具、汽車和物聯網相關裝置。在2019年第一季，無線充電聯盟WPC(Wireless Power Consortium)公布的會員總數，就已經逼近650家會員，產品取得Qi認證的數量達到了3,700個型號大關。
無線充電逐漸成熟 結合快充更便利
根據Data Bridge Market Research市場研究報告指出，2018~2025年之間，全球無線充電市場可望以60.22%的年複合成長率增加至2025年的1,453億美元。市場資料在在顯示，無線充電技術將逐步邁向普及。
發展數十年的無線充電技術，直到近年才真正應用於產品上。目前最完整的規格標準為WPC所提出的Qi 1.2.4版本：Basic Power Profile(BPP<=5W)，Extended Power Profile(EPP: 5W-15W)，其採用的最大功率為15W，相較幾年前常見的5W已提高很多，因傳輸的功率提高，充電時間減少，大家便開始稱它是無線快充。
然而，真正要判斷是否為無線快充，其考量點須延伸到無線充電版的輸入端，其必須搭配18W以上的快充電源供應器，讓手機在無線充電板上可以成功接收到15W的電量(圖1)。
圖1 無線快充裝置技術條件須具備Quick Charge Wireless Power、QC2.0/3.0/4/4+快充技術並符合Qi規格。
最新發布的高通無線快充，是應用於無線充電板輸入端的技術，並結合既有的Quick Charge 2.0/3.0和Qi，建構完整且安全的無線快充系統。讓使用者利用片刻時間，就能幫手機快速充電，以面對下一個預期或突然發生的外出行程。
無線快充三步驟
分析無線快充原理，先從兩部分來看。第一個部分，快充電源供應器和無線充電板之間的訊號傳遞接收正常，判讀正確，快充電源供應器根據需求步階或固定檔位調整Vbus輸出。第二個部分，無線充電板和手機之間，EPP比BPP多了協商階段(微調功率傳輸參數、異物偵測初始判定)、校正階段，和再次協商階段，能協商也代表無線充電板與之前相比，多了向手機回覆訊息的能力，下面就以技術的觀點出發，帶大家了解無線快充。
無線充電板須偵測電源供應器型式
首先，無線充電板必須先偵測電源供應器的型式，無線充電板於USB Data Bus發出50%工作週期(Duty Cycle)的脈波給電源供應器，會有下列三種情況：
．電源供應器回應上述脈波，並以步階0.2V調升或調降Vbus，表示連接到Quick Charge 3.0電源供應器。
．電源供應器沒回應上述脈波，但回應USB Data Bus指定電壓準位，調升Vbus為9、12或20V，表示連接到Quick...
化繁為簡 VNA支援EVM量測趨勢起
誤差向量振幅(EVM)量測可驗證複雜調變通訊裝置效能，因此在功率放大器等產品設計過程中，EVM量測十分重要，以減少通訊異常狀況。然而，過往進行EMV量測時，往往需要兩套系統，既耗時也花成本；為此，是德科技(Keysight)遂推出模組調變失真應用軟體(Modulation Distortion App)，使得網路分析儀(VNA)得以支援EVM量測，減少測試複雜度。
是德科技應用工程部資深專案經理廖康佑表示，過往VNA多是量測S參數(S-parameter)、增益壓縮(Gain Compression)、噪音系數(Noise Figure)等，而要量測EVM、鄰近波道功率比(Adjacent Channel Power Ratio, ACPR)等時，需要準備向量訊號產生器(VSG)和其他的分析儀器(Analyzer)。換言之需要準備兩套設備，這不僅耗時間也耗成本，同時兩套設備間的訊號切換也十分複雜；因此，該公司便計畫讓VNA也具備EVM量測功能。
為此，是德科技推出PNA-X網路分析儀之選用S93070xB模組調變失真應用軟體，可提供更寬廣的系統動態範圍。此一軟體可與Keysight PNA-X向量網路分析儀完全整合，讓設計人員能夠在調變寬頻訊號激發下，準確、可重複並快速地進行元件特性分析。
同時，該應用軟體還運用最新校驗方式取得最佳準確度，為現有向量網路分析儀量測提供單一連線與單一接觸，讓VNA一次就能量完包含EVM在內的全部參數。
廖康佑強調，未來透過VNA進行EVM將成新趨勢，因VNA支援EVM量測的主要目的在於，將原本兩套的量測設備減少至一套，讓功率放大器等在內的設計人員，能以更簡易、更快速和更低成本的方式進行EVM量測，同時獲得更好的精確度。
晶片/小基站/專網發展並進 台灣5G產業鏈不落人後
2019年初美國與南韓的電信服務商5G商轉的消息敲鑼打鼓，為了搶下第一的頭銜積極運作，不僅成功帶動消費者對於5G的關注，各國也加緊腳步跟上技術發展。但表定的5G商轉時程其實是在2020年，除了服務搶先開台的吸睛頭條之外，晶片的研發、小型基地台的建置以及落實應用場景也是現在重要的發展目標。
工研院資訊與通訊研究所所長闕志克表示，現在大家對5G都有一種追求的焦慮感，深怕沒有跟上發展的腳步，但原先表定的5G商轉時間本就是在2020年。觀察5G發展有兩個面向，第一個是台灣社會何時可以享受到5G服務，另一個則是台灣在5G產業鏈中將扮演什麼角色、如何從中抓住機會。而工研院主要是著重在關注後者的發展狀況。
闕志克進一步說明，談到5G第一個會想到的當然是智慧型手機，在台灣，智慧型手機有聯發科在經營。在手機領域當然會須要參與標準的制定等等，而這次是台灣做得最好的一次。從2G、3G、4G到5G，這次可以說沒錯過任何發展時機。除了聯發科之外，還有工研院、資策會、華碩和鴻海等都非常積極且有規劃地參與5G領域發展。
過去在4G發展時，台灣的產業可能是在標準已經出來了才苦苦追趕，闕志克認為，但這次5G標準，台灣不只能夠跟上，甚至能有所貢獻，可以說是非常值得開心的事。例如在5G SoC方面，聯發科的成果就非常好，在2019年的MWC他們所展出的晶片和國外的解決方案已能並駕齊驅。
手機之外，小型基地台也同樣重要。闕志克提到若台灣政府要積極計畫5G發展，主力應該會放在小型基地台的建置。小型基地台標準已經抵定，高通也有解決方案出來了，但是高通的方案價格相對較高，只有少數廠商如Nokia、Ericsson、華為等可以用得起。所以台灣政府和法人積極推動的，就是在解決這個問題，如何讓企業自己研發製作5G小型基地台而不用受制於高通。
現在看來，2020年最重要的兩件事就是在MWC能夠展出，另一個則是至少產品能夠通過大廠的概念性驗證(Proof of Concept, POC)。工研院2019年便是致力於幫助台灣的廠商在2020年達到這些目標，廠商皆有自己的硬體設計，而工研院則協助他們將軟體導入硬體，讓廠商更具競爭力。台灣的廠商如中磊、明泰、啓碁、台達、盟創等都已投入小基站的研發設計。
另外，闕志克也表示，值得一提的還有5G專網系統的發展。目前台電已在金門投入實驗網路，希望藉由專網將不一樣的設施連結起來，目標是能夠推廣回本島的應用。企業、工研院、電信營運商三方有不同的立場與角色，可以透過分工合作，將5G專網系統的建置與營運，調整出適合的商業模式，並在未來幾年向全球市場擴散，有機會為台灣開創5G時代的新商機。
跨足乙太網晶片產業 英特爾收購新創公司Barefoot Networks
布局乙太網晶片產業，英特爾(Intel)日前宣布收購乙太網路晶片與軟體新創公司Barefoot Networks。透過此一收購，英特爾可望強化資料中心基礎建設、終端到雲端的市場競爭優勢，並同時跨足乙太網晶片產業。
英特爾執行副總裁兼數據中心集團總經理Navin Shenoy表示，世界上的有一半的數據是在過去兩年中產生，然而，這些數據卻只有2%被研究整理、分析；因此，現今的重點在於，如何透過更高的效率和傳輸速度，滿足客戶需求，使其可以更妥善的利用數據，發揮數據潛力。而要達到此一目標，其中一個重點在於資料中心的互聯。
Shenoy進一步說明，為實現上述目標，英特爾便決定收購Barefoot Networks，已建立更先進的資料中心互聯解決方案。Barefoot Networks以提供資料中心乙太網路交換器(Switch)和軟體為主，透過可編成性和靈活性滿足大規模資料中心的需求。而收購Barefoot Networks之後，將能提升該公司於資料中心基礎設施、終端到雲端市場的競爭優勢，繼續為該公司的資料中心客戶提供新的工作負載、體驗和功能。
Shenoy指出，Barefoot Networks在雲端網路架構、P4可程式設計高速資料路徑(P4-programmable High-speed Data Paths)、交換器晶片、驅動程序軟體和運算網路(Computational Networking)方面有深厚的專業知識，收購之後英特爾可獲得Barefoot Networks的人才，不僅能為持續為Barefoot Networks的現有客戶提供服務，同時還能向全球更多客戶介紹其創新的可編成網路模式。
為工程師量身打造 太克推出全新4系列MSO
為縮短工程師學習儀器操作所耗費的時間、並提升示波器的解析度與使用體驗，太克(Tektronix)近日推出了全新的4系列混合訊號示波器(Mixed-signal Oscilloscopes, MSO)，全新登場的4系列MSO延續了5和6系列MSO中的使用者體驗，具有直覺易用的觸控式螢幕使用者介面、同級產品中尺寸最大和解析度最高的顯示器，以及現代化的工業設計。
Tektronix此次推出的新品具有Spectrum View功能，有獨立的頻率和時域控制，能更快取得混合域的深入分析。同時具備多達6個通道頻率和時域相關性，適合進行複雜系統除錯。使用Spectrum View能提高頻率解析度，同時有更快的頻譜顯示更新率，並能設定中心頻率、頻距、解析度頻寬，如同頻譜分析儀。
Tektronix時域業務部副總裁暨總經理Chris Witt表示，Tektronix是一家奠基於為了工程師服務和存在的公司，也時時秉持著這個理念，為工程師開發各款創新的示波器。Tektronix的團隊耗費了100多個小時與世界各地的工程師訪談，且歷經了不斷的測試和設計新功能和設計原型。Tektronix很高興能根據工程師日常工作的需求，打造出最傑出的示波器並推向市場。
Witt繼續說明，在設計時，Tektronix將可用性和多功能性視為首要任務，讓工程師可以將寶貴的時間耗用在創新和解決難題上，而不是浪費在試圖弄懂如何使用示波器。4系列採用直覺易用的介面設計，再搭配觸控式螢幕和前面板，讓重要的控制功能伸手可得，工程師可輕鬆地在顯示器上按兩下即可顯示相應的讀數或量測功能，無須再挖掘層層功能表來尋找所需的設定。
全新的4系列MSO配備13.3吋的顯示器，並具備1920×1080 HD解析度，而這也是同級產品中最大的尺寸和最高的解析度。此系列MSO可提供高達1.5GHz的頻寬，並使用12位元ADC，擁有同級產品中最高的垂直解析度。這是同級產品中第一部提供六個輸入通道的示波器，同時還採用了創新FlexChannel技術，只須連接邏輯探棒，任何輸入通道皆可從單個類比通道轉換為八個數位通道。
為了滿足各種應用要求，4系列MSO所提供的頻寬自200 MHz開始，並可搭配包括串列解碼和分析、任意/函數產生器和DVM/頻率計數器等選配使用。新的頻譜視圖功能提供了時間相關的頻域分析和獨立的頻譜控制功能。電源分析套件可用於自動化AC線路、切換式裝置、漣波和序列量測。頻寬和選配皆可現場升級。所有機型在所有類比和數位通道上均可提供6.25 GS/s的取樣率。標準記錄長度為31.25 M點，搭配選配則可達62.5 M點。
處理器改朝換代頻繁 周邊橋接需求可期
對工業電腦(IPC)等使用x86架構的嵌入式運算設備而言，處理器平台升級或現有平台停產，往往帶來相當大的麻煩。CPU跟晶片組使用的製程日益先進，其對外連接的介面常常也隨之更新。這些新介面雖然有更好的效能，但卻未必能和環繞在處理器周圍的各種周邊裝置互通。這使得在新處理器跟既有周邊設備之間的橋接器，成為一個看來不顯眼，卻又十分重要的小元件。
Microchip計算產品事業部資深行銷經理Jeannette Wilson表示，使用x86架構的各種嵌入式設備，在你我的日常生活中隨處可見。例如功能比較複雜的自動販賣機、多功能事務機、POS、自動提款機等設備，裡面往往都有一台x86工業電腦或單板電腦。這些嵌入式設備的產品生命週期通常可達五到十年，甚至更久。但x86平台推陳出新的速度卻是以年計算，因此工業電腦製造商常常會遇到新平台跟舊周邊無法相容的情況，因為新的x86平台，有時候會因為製程進步的緣故，必須改用新的匯流排。
舉例來說，從2016年開始，英特爾的處理器平台就已經捨棄原本已沿用十多年的LPC匯流排，改用eSPI匯流排。因此，工業電腦業者很快就會開始遇到新平台與舊周邊不相容的問題。但這些嵌入式設備所使用的周邊，通常有很長的產品生命週期，有些造價更是十分昂貴，不太可能因為處理器平台更新而同步升級。
因此，Microchip認為，LPC跟eSPI介面的橋接轉換，在可預見的未來將會有一定的市場需求，因而推出了專用的ECE1200 eSPI對LPC橋接器。ECE1200可以讓工業電腦業者放心地採用新的x86平台，不必擔心無法與既有的LPC周邊互通，並且還可以支援新x86平台才具備的現代待機模式，可以非常快速地喚醒設備，同時又達到更好的節電效果。
ECE1200其實是一款很單純的元件，僅負責eSPI與LPC的橋接，因此在設計上，Microchip也希望能盡可能簡化工程師設計導入的作業負擔。如果客戶有意採用該橋接器，基本上不需要任何軟體開發作業，Microchip將會提供BIOS修改工具，讓工程師只需要調整BIOS，就能完成所需的設定修改工作。
達梭3DEXPERIENCE實現虛實整合 迎接體驗經濟
達梭系統(Dassault Systèmes)近日舉辦「2019達梭系統臺灣3D體驗高峰論壇」，展現如何透過3D解決方案實現「虛擬」與「現實」整合。達梭系統表示，體驗經濟時代已然來臨，為此，達梭期待能透過3DEXPERIENCE平台協助各領域的企業實踐創新應用、強化設計與生產力、達到品牌增值，滿足消費者差異化需求。
達梭系統大中華區副總裁李智軍表示，現在已經進入「體驗經濟」的時代，當消費者購買產品時，不僅僅是看上產品的品質、功能，更多是在購買產品的「使用體驗」，包含性能、情感上的體驗等。
換言之，對今日的消費者而言，光擁有產品還不夠，消費者更關注的是體驗過程；也因此，企業開始將商品轉換成體驗導向，從「產品經濟」轉變為「體驗經濟」。所以，企業的眼界必須要超越產品外觀、功能、用途等，因現在產品的真正價值來自於「使用方式」，也就是產品能為消費者帶來何種「使用感受」。
達梭系統認為，為了協助客戶模擬消費者體驗，必須全面了解各產業客戶的業務需求，也就是了解「業務體驗」。透過整合人力、創意和資料，擷取洞察和專業知識，使客戶能夠打造專屬自己的業務體驗，從而提供終端消費者正向的體驗服務。
為此，達梭系統推出3DEXPERIENCE平台，可在虛擬世界中提供點對點整合與整合式科技、工程、製造和業務功能及服務；從工程到銷售等不同領域，各產業的客戶能採用3D建模、社群協作、模擬和資訊智慧技術及服務，以虛擬方式達成真實世界的產品使用體驗。
李智軍指出，因應未來市場變化，該公司推出3DEXPERIENCE平台，賦予各行各業創新應用能力，同時也有助於企業人才培養、知識捕捉，以及專業技能傳承等，同時在2018年，達梭還推出了3DEXPERIENCE Marketplace的業務模式。3DEXPERIENCE Marketplace是個讓業務創新者與其他產業和服務供應商進行合作、交易的線上生態系統，達梭系統的用戶可在此一線上平台上生成內容，並替其客戶、合作對象提供服務；而此一平台目前適用於數位設計、工程設計和製造業等領域。
簡而言之，達梭認為，創新的核心在於把握消費者體驗，這也意味著需從整個企業生態中捕捉、洞察專業知識，透過人員、創意和資料的連結，企業才能加強與客戶、使用者間的互動，達到品牌增值，而3DEXPERIENCE便是為此而生，而未來也會基於此一需求，為旗下產品增添更多創新性或進行更多新的嘗試。
AI發展歷久彌新 推論晶片商機展露
圖1 人工智慧的第三波熱潮。
資料來源：http://www.technologystories.org/ai-evolution/
人工智慧的運用分成兩個階段，一是學習訓練階段，二是推論(或稱推算、推理)階段，此與應用程式相類似，程式開發階段即為學習訓練階段，程式正式上線執行運作則為推論階段。開發即是船艦在船塢內打造或維修，執行則為船艦出海航行作業執勤(圖2)。
圖2 人工智慧訓練與推論的差別。
資料來源：https://blogs.nvidia.com/blog/2016/08/22/difference-deep-learning-training-inference-ai/
訓練與推論階段對運算的要求有所不同，訓練階段需要大量繁複的運算，且為了讓人工智慧模型獲得更佳的參數調整數據，運算的精準細膩度較高，而推論階段則相反，模型已經訓練完成，不再需要龐大運算量，且為了儘快獲得推論結果，允許以較低的精度運算。
例如一個貓臉辨識應用，訓練階段要先提供成千上萬張各種帶有貓臉的照片來訓練，並從中抓出各種細膩辨識特點，但真正設置在前端負責辨識來者是否為貓的推論運算，只是辨識單張臉，運算量小，且可能已簡化特徵，只要簡單快速運算即可得到結果(是貓或不是)。
推論專用晶片需求顯現
對於人工智慧的訓練、推論運算，近年來已普遍使用CPU之外的晶片來加速，例如GPGPU、FPGA、ASIC等，特別是GPGPU為多，原因在於GPGPU的高階軟體生態較為完備、可支援多種人工智慧框架(Framework)，相對的FPGA需要熟悉低階硬體電路者方能開發，而ASIC通常只針對限定的軟體或框架最佳化(表1)。雖然FPGA與ASIC較有難度與限制，但仍有科技大廠願意投入，如Microsoft即主張用FPGA執行人工智慧運算，Google則針對TensorFlow人工智慧框架開發ASIC，即Cloud TPU晶片。
人工智慧模型的開發(訓練)與執行(推論)過往多使用同一晶片，用該晶片執行訓練運算後也用該晶片執行推論運算。但近1、2年來隨著訓練成果逐漸增多，成熟的人工智慧模型逐漸普及，以相同晶片負責推論運算的缺點逐漸浮現。以GPGPU而言，晶片內具備大量的平行運算單元是針對遊戲繪圖、專業繪圖或高效能運算而設計，可運算32、64位元浮點數，這在人工智慧模型訓練階段亦適用，但到推論階段，可能只需16位元浮點、16位元整數、8位元整數等運算即可求出推論結果，甚至是4位元整數便足夠。如此過往的高精度大量平行運算單元便大材小用，電路與功耗均有所浪費，所以需要人工智慧的推論專用處理晶片。
半導體廠紛發展推論晶片
推論晶片的需求在人工智慧重新倡議後的2年開始浮現，但在此之前已有若干產品，如2014年Google對外揭露的探戈專案(Project Tango)即使用Movidius公司的Myriad晶片(圖3)。
圖3 Intel Movidius Myriad X晶片
資料來源：Intel
Movidius之後於2016年推出Myriad 2晶片，同樣也在2016年，Intel購併Movidius取得Myriad 1/2系列晶片，並接續推出Myriad X晶片。Google除探戈專案外其他硬體也採用Intel/Movidius晶片，如2017年的Google Clips人工智慧攝影機、2018年Google AIY Vision人工智慧視覺應用開發套件等。
不過真正受業界矚目的仍在2018年，包含NVIDIA推出T4晶片(嚴格而論是已帶晶片的加速介面卡)(圖4)、Google推出Edge TPU晶片(圖5)，以及Amazon Web Services在2018年11月宣告將在2019年推出Inferentia晶片，均為推論型晶片。
圖4 NVIDIA展示T4介面卡
資料來源：NVIDIA
圖5 Google Edge TPU小於一美分銅板。
圖片來源：Google
另外，臉書(Facebook)也已經意識到各形各色的推論型晶片將會在未來幾年內紛紛出籠，為了避免硬體的多元分歧使軟體支援困難，因此提出Glow編譯器構想，期望各人工智慧晶片商能一致支援該編譯標準，目前Intel、Cadence、Marvell、Qualcomm、Esperanto Technologies(人工智慧晶片新創業者)均表態支持。
與此同時，臉書也坦承開發自有人工智慧晶片中，並且將與Intel技術合作；目前臉書技術高層已經表示其晶片與Google TPU不相同，但是無法透露更多相關的技術細節。而Intel除了在2016年購併Movidius之外，在同一年也購併了另一家人工智慧技術業者Nervana System，Intel也將以Nervana的技術發展推論晶片。
推論晶片不單大廠受吸引投入新創業者也一樣積極，Habana Labs在2018年9月對特定客戶提供其推論晶片HL-1000的工程樣品，後續將以該晶片為基礎產製PCIe介面的推論加速卡，代號Goya。Habana Labs宣稱HL-1000是目前業界最快速的推論晶片(圖6)。
圖6 Habana Labs除推出HL-1000推論晶片Goya外也推出訓練晶片Gaudi。
資料來源：https://www.convergedigest.com/2018/09/interview-habana-labs-targets-ai.html
雲端機房/快速反應 推論晶片可分兩種取向
透過前述可了解諸多業者均已投入發展推論晶片，然嚴格而論推論晶片可分成兩種取向，一是追求更佳的雲端機房效率，另一是更快速即時反應。前者是將推論晶片安置於雲端機房，以全職專精方式執行推論運算，與訓練、推論雙用型的晶片相比，更省機房空間、電能與成本，如NVIDIA T4。
後者則是將推論晶片設置於現場，例如配置於物聯網閘道器、門禁攝影機內、車用電腦上，進行即時的影像物件辨識，如Intel...
提升自駕技術可靠度 MEMS定位系統須更精確
這些功能所仰仗的，以及未來完全自動駕駛汽車設計的基礎是在車輛駕駛時能夠不間斷地精準感測自身位置和軌跡。汽車設計師面臨的挑戰在於「不間斷」。GPS等技術具有龐大的用戶基礎，而且通常非常精準，但GPS所仰仗的訊號並非100%有保證，且可能在有高層建築的城市或惡劣天氣條件下消失。這對於導航非常不便，可能導致駕駛員錯過轉彎，而對於車輛控制和定位可能是災難性的，會導致意外發生，並因此將生命置於危險之中。
因此，汽車工程團隊不再單純依靠GPS技術，而是開始採用車載技術，例如光達(LiDAR)。LiDAR技術已經在Uber的車隊上進行了試驗，相較GPS具有一些優勢。然而，當路況出現複雜情況時，例如在交叉路口出現繁忙交通時，這種技術仍然容易混淆。
MEMS慣性導航讓 精準定位不間斷
在尋找能夠為車輛持續提供精準位置的解決方案時，設計人員寄望於慣性量測機制來提供可靠方案。慣性量測基於微機電系統(MEMS)技術，使用加速度計和陀螺儀量測車輛行動，並透過隨後的資料處理，不間斷地計算出高度精確的車輛位置。
除了提供位置資料之外，這些系統還可以偵測車輛的方向，包括它是否處於水準以上。這些細節在自動駕駛中非常有價值，因為據此可以確定需要施加更多/更少的扭矩或煞車力以完全受控的方式驅動或停止車輛，以確保穩定性。
雖然許多車載感測器主要是基於矽晶片，但是像力量等一些參數只能透過機械方式量測。MEMS感測器採用高度微型化的機械元件，與使用微製造技術的電子元件相結合，形成完全整合的感測系統。
基於MEMS的加速度計通常包括類似於擺錘的機械懸吊重量，透過彈簧張力使其保持在適當位置。當車輛行動時，懸掛重量也會移動，然後這種運動通常使用電容或壓電技術轉化為電訊號。在許多車輛應用中，單個MEMS元件包含三軸加速度計，從而允許同時在所有三個平面中量測加速度。
相較量測線性力的加速度計，陀螺儀感測器以每秒度數(O/s)或每秒轉數(rps)量測角速度，以便提供旋轉速度。將其與三軸加速度計組合，可以形成慣性量測系統(IMU)，能夠全面掌握車輛的運動情況，並實現多種舒適性和安全功能，以及精準的位置報告。如果IMU偵測到車輛圍繞其軸發生突然旋轉，則電子穩定系統可以對特定車輪施加動力和/或煞車以使車輛返回到穩定的狀態，進而避免潛在的意外。
在實際發生意外的情形下，可透過加速度計和/或陀螺儀偵測到由於撞擊另一車輛或牆壁而導致的加速度快速變化，並可為防止翻車而採取相應的措施。系統的快速回應還允許啟動自動傷害緩解系統，例如幾乎瞬間就可以張緊安全帶或彈出安全氣囊，燃料和電氣裝置馬上關閉，減少火災可能，但更加優先的是車輛自動呼叫救援，並給出自己的確切位置以尋求幫助。
選擇正確元件 確保IMU精準度
鑒於MEMS加速度計、陀螺儀和IMU都處在與生命攸關的車載汽車系統之核心，因此設計人員為每個應用選擇正確的元件同樣至關重要。最基本的考量因素與元件類型有關：特定應用是需要一個加速度計，一個陀螺儀，還是兩者都整合到IMU中？加速度計應該是單軸還是三軸？
電氣性能方面的關鍵考量因素是量測範圍、解析度、線性度、穩定性、頻寬和精度，所有這些都很重要，必須根據特定應用的需求加以考量，因為它們會影響整體精準度。此外，還需要考量其他參數，例如任何偏差(零加速度時出現的輸出)和長期漂移。更進階的元件包含有校正和訊號調理硬體，因此輸出訊號不受影響。
雖然能量效率和燃料經濟性是現代汽車應用中的一個重要關切問題，但是這些元件的功耗大約為mA級，因此元件功耗不構成很大挑戰。但鑒於許多現代汽車應用中存在高水準電氣雜訊，應認真考量電磁干擾(EMI)的敏感性，因為它會影響操作和精度。
環境參數不可忽視
還有各種環境參數須要考量。車輛中的環境溫度可以升高，特別是感測器可能安裝在狹窄空間，因此感測器可以支援的操作溫度顯然須要考量這些因素。
設計師還應注意絕對最大機械參數，最需要關注的是衝擊和振動彈性值。廠商所提供的封裝尺寸和類型也非常重要，因為它們決定了元件是否適合可用空間以及是否與現代自動化製造系統(提起-放置和迴銲製程)相容，以確保降低成本和實現更高可靠性。
另一個須要關注的層面是與系統的介面。有些元件具備類比輸出，而其他元件則包括板載類比數位轉換器，並提供一種常用的介面類型(如SPI或I2C)。顯然，這須要與系統硬體的其餘部分保持一致，以便輕鬆整合。確保可以信賴的輸出訊號是避免潛在風險的關鍵，一些慣性量測裝置提供整合的自檢功能，可進一步確保採集資料的完整性。如果系統支援汽車安全完整性等級(ASIL)，這種類型的功能將會是非常寶貴。
系統設計人員也該關注元件供應商，並要熟悉正在考量使用元件的可用支援工具(硬體/軟體)。評估套件和開發板(Break-out Board)都是有用的設計工具，可顯著降低設計風險縮短產品上市時程。
舉例來說，Murata的SCA3300是一款基於三軸加速度計的高性能IMU(圖1)，採用了成熟的電容式3D-MEMS技術。它針對汽車應用進行了優化，在高達125℃溫度下可量測高達±6g的加速度，同時僅消耗1mA電流。輸出訊號顯示出強大的偏壓穩定性和低雜訊水準，從而能夠提供精確的量測。該元件經過精心設計、製造和測試，具有高穩定性、高可靠性和高品質，並標配先進的自我診斷功能。在板上混合訊號ASIC進行訊號處理後傳送到方便通用的數位SPI介面。SCA3300採用牢固的12引腳模壓SMD封裝，確保可靠運作，尺寸僅為7.6mm×3.3mm×8.6mm。
圖1 Murata的SCA3300 IMU使用3軸加速度計，測量精度更高。
另外再以TDK的GYPRO MEMS陀螺儀為例，專為進階應用而設計，可量測繞z軸(偏航)的角速率。它透過SPI介面提供高精度24位元輸出，穩定性優於0.8O/hour，雜訊水準低於0.1O/√hour。嵌入式溫度感測器可在運作中實現校正，而連續自檢功能可始終確保有效輸出。它有多種變體可供選擇，包括高達1800Hz的資料速率和低至1ms的延遲。可提供一系列與Arduino M0相容的評估板幫助進行初始設計，有助於簡化原型製作過程。
MEMS加速度計/陀螺儀 提供可靠準確定位
可靠且精準的運動和位置量測對於完全自動駕駛汽車的成功至關重要(圖2)，即便就當下以ADAS為中心的汽車車型也很重要，這類汽車在某些情況下，只需極少的人工干預即可實現駕駛。基於MEMS的新型加速度計和陀螺儀可為這些要求苛刻的汽車應用提供所需的堅固性、可靠性和廣泛的功能。透過針對具體應用精心選擇適合的元件，並借助元件製造商的設計工具所提供的支援，工程師現在能夠快速而自信地部署非常先進的慣性量測系統。
圖2 可靠的定位系統對現代汽車應用來說是不可或缺的要素。
(本文作者任職於貿澤電子)