首頁Top區塊
- Advertisement -
無鎘QD/矽基氮化鎵聯盟 MicroLED像素縮小87%
Plessey Semiconductors和Nanoco Technologies近日宣布合作,利用Nanoco的無鎘量子點(CFQD量子點)半導體奈米粒子技術,能大幅縮小MicroLED顯示器的晶粒像素尺寸。再加上Plessey Semiconductors所掌握的矽基氮化鎵(GaN-on-Silicon)製程技術,整體驅動架構更能進一步做到微型化。是RGB全彩MicroLED顯示技術進程的新里程碑。
由於真正的RGB全彩MicroLED要做到微型化同時維持轉移良率,其技術難度非常高。因此,
Plessey Semiconductors利用其現有的單晶製程,將Nanoco的無鎘量子點導入至藍光LED的選定區域,以增加紅光和綠光。這使最小的像素尺寸(Pixel Size)從現在的30μm縮小到僅4微米(μm),縮小幅度達到87%。在縮小Pixel Size的同時,該製程進展也能使MicroLED顯示器的色彩表現更加寫實,也能增強能源效率。
Plessey Semiconductors業務發展總裁Mike Lee表示,量子點技術為當今新興的顯示器提供了最佳解決方案。Plessey的MicroLED顯示器產品計畫,便是在2019年利用無鎘量子點技術將MicroLED Pixel Size降至4μm。
聚積科技微發光二極體事業部經理黃炳凱說明,由於轉移RGB全彩MicroLED的技術難度過高,因此目前主流的解決方案是利用量子點做到色彩轉換(Color Conversion),就能使的單色藍光LED做到RGB全彩效果。另一方面,驅動電路的設計也是實現超小Pixel Size MicroLED顯示器的一項技術難點,GaN-on-Silicon技術則能做到驅動電路的極度微型化。
Plessey Semiconductors表示,與OLED顯示技術相比,MicroLED能達到更高亮度,體積也更輕巧,並且擁有較高的使用壽命。在AR/VR顯示器應用領域,MicroLED的解析度能夠達到OLED的十倍,對比度更能比OLED高出100倍。而且MicroLED的功耗只有OLED的一半,使注重攜帶的消費電子產品的續航力延長一倍,更沒有如OLED這樣的有機材質所帶來的短壽命與螢幕烙印疑慮。在CES 2019展會上,Plessey展示了其MicroLED技術產品,並獲得了CES 2019創新獎項。
邊緣運算帶動新傳輸需求 CCIX/PCIe相輔拓商機
物聯網、機器學習等等新應用的興起,驅動了許多運算與資料處理的需求,該需求為資料中心產業鏈帶來了許多機會,同時也帶來了挑戰。目前,在應用領域中以PCIe Gen4為主流介面,而CCIX的出現,則有望在與PCIe聯手合作的狀況下,開啟更多異質運算的可能性。
自2016年起成立的CCIX聯盟,正企圖推動統一的標準,並創造出頻寬更高、延遲更低的介面標準,如此看來,不免認為CCIX將成為PCIe的頭號勁敵。然而Arm資深產品經理Jeff Defilippi認為,CCIX是一個基於PCIe協定延伸而生的通訊協定,對於Arm而言,會將CCIX視為一個與PCIe互補的通訊協定,而非競爭者。在新興的應用之中,出現了越來越多特殊的設備,像是TPU、GPU、FPGA的卸載應用,CCIX可充分運用既有的伺服器互連基礎設施,還提供更高的頻寬、更低的延遲,以及共用快取記憶體的資料同步性。這不僅大幅提升加速器的實用性以及資料中心平台的整體效能與效率,亦能降低切入現有伺服器系統的門檻,以及改善加速系統的總體擁有成本(TCO)。
Defilippi進一步說明,PCIe在市場行之有年,在短時間內依然會是非常關鍵的通訊協定;Arm也會持續支援相關的解決方案。Defilippi也指出,現在也可以看見越來越多設備同時支援PCIe與CCIX介面。
另一方面,伺服器不僅僅是可應用於超大型資料中心,中小型的資料中心也同樣帶動市場發展的重要驅動力。Defilippi舉例,如機器學習相關的應用不見得只會出現在大型資料中心,許多邊緣運算設備也同樣可以做到機器學習應用。而位於邊緣、較為小型的資料中心,所需要的高速傳輸介面與大型資料中心並無太大差異;然而,對於機器尺寸的要求將會更加嚴苛,這才是未來主要的技術挑戰所在。
創新應用推波助瀾 車用MCU需求上揚
隨著汽車朝智慧化、自動駕駛的方向發展,對微控制器(MCU)需求持續增加;未來不論是自駕車、車聯網,都有著各式各樣的連接控制、數據與訊號處理,而MCU便扮演關鍵的控制角色。
德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪表示,MCU在車用市場可分為五個應用,第一是影音娛樂,第二是電動車的電源管理(尤其是電動車的OBC、OBG、AC-DC、DC-DC等),第三是現今十分熱門的自動駕駛輔助系統(ADAS),再來是車體照明,最後則是汽車被動安全(安全氣囊)。而目前電動車、ADAS話題相當熱門,也因而成為驅動車用成長的兩大關鍵推手。
詹勳琪指出,MCU於電動車的主要應用還是在馬達控制、電源管理之上,像是OBC、OBG、AC-DC、DC-DC,最主要的目的便是使電動車能有更好的能源使用效率。至於ADAS方面,則是車用感測器帶動(如超音波、雷達、攝影機等),因ADAS的感測器都會搭配MCU進行控制,MCU的需求遂而上揚。
因應電動車、ADAS市場需求,TI也備有相關解決方案,像是C2000 Piccolo微控制器組合最新產品「C2000 F28004x MCU」,可優化如電動汽車載充電器、馬達控制逆變器和工業電源供應等高成本電源控制應用。開發人員可利用該產品減少物料成本,同時建構更小、更可靠的系統,提供系統保護和新功能,實現高性能的電源控制系統。
該產品特色包括:優化的性能和功率;先進的驅動和靈活的設計,可有效提高效率和功率密度;強化的數位和類比交叉開關,靈活地支援控制和保護機制;以及嵌入式即時分析和診斷單元強化了除錯功能,超高速序列介面提高了隔離範圍內的輸送量,靈活的引導模式使開發人員能夠減少或消除引導模式針腳。
又或是用於安全控制的Hercules MCU系列產品,該系列產品強化多項安全特性,憑藉整合型即時指令和資料追蹤支援,系統和軟體開發人員將得到富有洞察力、高效率和強大的代碼分析除錯體驗以及更高的執行力,將有助於設計人員更為簡便快速地滿足針對交通運輸應用的ISO 26262功能安全性標準,如先進駕駛輔助系統、網域控制、電子推進系統等。
詹勳琪表示,事實上,車用MCU的應用十分廣泛。然而,不論是用於電動車馬達控制、ADAS系統,或車體控制等,車用MCU的共通設計要點便是「安全性」。為了要確保安全性,MCU不僅須通過ISO26262 ASIL A~D(依車廠要求)的認證,也須在MCU中添加所謂的「備援機制」,也就是車用MCU開始採用雙核心鎖步(Lockstep)的設計。
詹勳琪進一步說明,具備雙核心的MCU意味有著雙重保險,也就是同樣的程式由兩顆核心進行運算,而當其中一顆核心故障時,另一顆可以立刻進行錯誤處置,而不致於使運算出現問題,影響駕駛安全。
產業需求紛湧現 AI鋒頭銳不可擋
從網路上可看到一則小故事,晉朝時有一位叫王質的樵夫,有一天他到信安郡的石室山(今浙江衢縣)去打柴。看到一童一叟在溪邊大石上下圍棋,於是把砍柴用的斧子放在溪邊地上,駐足觀看。看了多時,童子說:「你該回家了。」王質起身去拿斧子時,一看斧柄已經腐朽了,磨得鋒利的斧頭也鏽得凹凸不平了。王質感到非常奇怪,回到家裡後,發現家鄉已經大變樣。無人認得他。提起的事,有幾位老者都說是幾百年前的事了。原來,王質誤入仙境,遇到了神仙,仙界一日,人間已百年。
這個故事本來是說凡人的壽命短暫,需要多做好事修煉成仙,才能達到世人渴望長生不死的願望。不過換個角度想,圍棋這種遊戲讓連神仙來下也要思考這麼久,可見得圍棋是多麼難的一種遊戲。網路上還說到北宋科學家沈括在「夢溪筆談」中曾粗略估算過棋局的變數,稱「盡三百六十一路,大約連書萬字四十三,即是局之大數」,也就是指3的361次方,這實在是一個天文數字。
這是什麼一個概念,天上的星星總數大約是10的23次方,而3的361次方相當於10的170次方再乘上2,這可是比天上星星的總數後面還要乘上好幾百個零的倍數。所以說圍棋要下得好,不僅僅要會算,還要有策略,更需要有大局觀的視野。就是因為圍棋這麼難,所以電腦棋藝遊戲裡,圍棋這種遊戲很難達到高手的境界,不是棋藝太差,就是速度太慢,但AlphaGo的橫空出世,改變了電腦在整個圍棋遊戲的地位。
AlphaGo展露深度學習效能震驚圍棋界
在圍棋上AlphaGo用三個步驟贏遍人類,第一步驟是規則學習(Policy Network),學習人類所有頂尖的棋譜,用以模仿高手的招式。第二步驟是招數學習(Value Network),評估所有招數優劣,用以判斷不同招數在這個棋局的獲勝機率,第三步驟是布局學習(Tree Search),用來分析棋局的各種可能變化,並推演棋局未來的可能演變,用以決定落子的位置。
AlphaGo這個做法可說是第一次讓電腦模擬人類神經網路(Neural Network),並用深度學習(Deep Learning)的方法來學習下棋的頂尖招數,這個做法就好像武俠小說中的東方不敗,學會了葵花寶典的武功,成為了天下第一的武林高手。不過進一步的想,東方不敗只是一時的高手,卻不能列為頂尖的武林宗師,原因就是他的武功是學來的而不是自己創的。
AlphaGo的強大也是看人類棋譜深度學習的結果,如果棋譜有錯,它也會出錯,如果人類故意輸入錯誤的棋譜,它就會錯得離譜。而且AlphaGo雖然下棋厲害,但除了下棋,其他都不會,只能算初級的人工智慧不會威脅到一般人的生活。但是,開發AlphaGo的DeepMind團隊,緊接著推出AlphaGo Zero,那可不是同一個技術水平的創作。
原本的AlphaGo事先需要人工輸入大量的資料來學習,就像有些模擬人類神經網路的電腦如果要來判斷圖片中那些是貓那些是狗,需要匯入大量的圖片,並且需要人工事先定義圖片內容再輸入關鍵字,萬一將獅子Key成貓,電腦就埋下Bug種子,而且這種工作量實在太大了,變成了勞力密集工作,讓人感覺這種人工智慧(Artificial Intelligence, AI)有點Low。
AlphaGo Zero採用機器自我學習(Machine Learning)的方式來開發下棋應對方式與布局招數,只要講好遊戲的規則,它可以自我模擬對弈,以電子的速度短時間內自我對戰5,000萬次並學習出最佳的策略,進而開創出人類無法想像的對應招數與布局方式。DeepMind團隊在網路上化名試著與人類60位圍棋高手下棋,AI完勝人類。
到了後來,再拿新的AlphaGo Zero與原本的AlphaGo對奕,結果100:0,打得曾經戰勝人類棋王李世乭的AlphaGo毫無招架之力,到這個時候,AlphaGo Zero的棋奕能力與人類的差距,就好像猴子看不懂人下什麼棋一樣,AlphaGo Zero棋力已經自我演化到人類無法想像的境界了。
AI應用紛問世 監控領域為大宗
以模擬人類神經網路來深度學習(Deep Learning),再加上機器自我學習,這就是進階的AI人工智慧。目前一般市場上所說的AI,大都是指這種有自我學習能力的人工智能,而這樣的技術已經不只是用在下圍棋這件事上。
在2018年Google I/O的盛會上,Google就發表了幾個AI運用的例子,一個有意思的技術是關於如何利用AI在影片中將雜亂的「吵架聲」區分開來。這個技術如果用在通話,那麼不論講話的人在吵雜的工廠內還是喧鬧的演唱會上,雙方都可以聽到對方乾淨的聲音。
如果用在監控領域裡,那麼可以隨意點選錄影檔中講話的人物,不論當時錄影的背環境多麼喧譁嘈雜,都可進一步還原並聽清楚講話的內容,這對警方辦案將會是一個偉大的助力。
另外,Google I/O還展現了利用AI人工智慧技術發展而來的語音助理,在Google所公布的影片中可以看到Google I/O利用新的連續對話(Continue Conversation)與多工回應(Multiple Action)技術,不但能記住你以前講話的內容,還能分析談話的邏輯與可能想表達的意思,就算要理解人類說話中不容易瞭解的複合句也不是問題,甚至Google I/O還能模擬人類說話的語調與心機策略,幫忙使用者與理髮店服務人員談判預約最佳的理髮時間,這個技術對於需要有大量客服人員服務的公司來說,無疑是未來服務模式的最佳選擇。
美國輝達公司(NVIDA)近期也發表了如何利用AI人工智慧,在錄影影片中補上新圖像的技術。只要給它一組24個連貫畫面,就可以在每個畫面間隔之間補上10個新的畫面,原本的24FPS影像,就變成了240FPS影像,在慢動作播放的時候看起來依然流暢。
同樣的AI人工智慧技術也用在低畫質影片的補強上,美國聯邦調查局(FBI)就經常使用AI人工智慧的影像補強技術來分析監視錄影系統所收錄到的影像,從中找到犯罪的線索,進一步協助辦案人員偵破犯罪的罪行。
在日本,東京都的警察機關(東京警視廳)2002年開始導入自動車牌辨識系統(ALPR),這個做法大幅度下降了原本居高不下的竊車問題,而現在最新的AI人工智慧技術,讓原本的ALPR系統除了辨識度更加準確以外,還增加了大數據分析功能,針對偵查鎖定的車輛不但能繪製出過去的行動軌跡,還能預測未來可能行經的路線,對於犯罪的偵防擁有莫大的幫助。
最近火紅的人臉辨識技術(Face Recognition)也是炙手可熱的話題,在很多影片中都可看到中國大陸的公安部門,例用人臉辨識技術抓到隱藏群眾之中的通緝要犯,甚至還可以在群眾之中找出以往帶頭鬧場的問題人員,事先壓制囂張的氣焰。在商業上,利用人臉辨識技術來做門禁管理,甚至是購物記帳、寄物領貨、提錢轉帳等,更是如過江之鯽不勝枚舉。
CPU效能大增驅動AI發展
其實模擬人類神經網路來深度學習的技術並不是新的發明,早在上個世紀,1960年代美國麻省理工學院電子工程與計算機科學教授Marvin Minsky就創立了人工智慧研究室,後來還因為在人工智慧領域的卓越貢獻,獲得電腦界最負盛名的獎項,有「電腦界諾貝爾獎」之稱的圖靈獎(ACM A.M....
五大設計要點須留意 馬達效能/安全更上層樓
降低能源損耗 PMSM設計興起
就設計趨勢來看,目前簡易型家電通常為交流感應馬達(ACIM),這類型的馬達多以變頻器(VFD)進行簡單控制,在此技術中,馬達採用三相正弦波作為繞組供電,透過改變脈衝寬度調變(PWM)負載週期控制馬達,並以負載週期變化率設定電壓與頻率。
對變頻器來說,只要負載不變,就可透過恆定的電壓與頻率比率提供恆定轉矩,不過配備變頻器的交流感應馬達,其響應變化的負載與速度需求較慢,導致其效能不佳。例如洗衣機通常使用交流感應馬達,當濕衣服在滾筒中翻動,或是滾筒在攪拌循環期間變速時,交流感應馬達對可負載變化的響應往往較慢。
要解決此一問題、提升效率的最直接方式,是更換設備的馬達類型,目前高階設備已開始採用新型態馬達「永磁同步馬達(PMSM)」,此一類型馬達的控制性更佳,但製造成本也更高。
相較於感應馬達的轉子需要使用額外電能維持繞線線圈磁場,PMSM則是在轉子中採用永磁體,因此功耗更低,在控制演算法方面,則可使用經改善過的磁場定向控制(FOC),當馬達在更寬負載與更高速度中運作時,FOC可精準控制使用能量。在控制器部分,PMSM可使用數位訊號控制器(例如Microchip的dsPIC33EV系列),協助提升馬達效能,同時降低運轉時的噪音。
此外使用以FOC運算法的PMSM也可以節省大量電能。例如冰箱壓縮機所使用的馬達轉速極低,1分鐘僅有800轉,轉速設計如此之低的原因,是為了降低冷卻液泵的速度,讓冰箱保持冰冷,改用FOC運算法PMSM的冰箱,其使用功率降低約30%,提升此電器能源之星的等級。而根據其他研究數據,在電能轉換為轉矩部分,PMSM則可達到90%的效率。
運用弱磁控制大幅提升馬達轉速
相較於冰箱壓縮機的低轉速,其他電器像是電鑽、空調系統、排風扇等,則需要高速馬達,這就可使用弱磁控制(Field-weakening或Flux Weakening)技術大幅提升馬達轉速。此一技術是以轉子磁體遇到定子繞組電壓場,以抵銷轉子磁體中部分磁場(磁通)的方式充電。
當轉子對準繞組中的磁體時,將產生降低馬達的轉向阻力,這種電阻稱為反電磁力(BEMF)。透過弱磁降低反電磁力,可將馬達的最高速度從25%提高到100%,進而降低該時間點的轉矩需求。由於多數電器在高速度運作下,並不需要全轉矩,因此弱磁控制可有效提升最高速度,以強化運作效率。
改變PWM頻率可有效降低噪音
家電馬達控制的第三個主要趨勢是最小化噪音,多數人早已厭倦廚房家電不時傳來的嗡嗡聲。所謂沉默是「金」,消費者會願意為了沉靜支付更多金額。
電器馬達會產生噪音有多種原因,包括電源電壓忽然下降、負載或轉矩需求突然變化導致轉子位置產生偏移,或是PWM訊號時間未與轉子位置對準,這些狀況都有可能導致轉子振動並產生噪音。
不過馬達噪音的主要來源,是接通和斷開金屬氧化物半導體場效應晶體管(MOSFET)或絕緣柵雙極晶體管(IGBT)時所產生,這兩者是馬達繞組傳輸電源的大型電晶體。每當馬達啟動或關閉時,繞組中電流的突然變化抖動,都會推擠周圍空氣(與揚聲器的操作方式相同),進而產生可察覺的聲響,只要有3個馬達繞組,每秒有數千次相同動作,就會產生正常人類聽覺範圍(20~20,000Hz)的馬達嗡嗡聲。
所幸現在已有降低噪音的解決方案,而這些解決方案的效率取決於成本,而其關鍵做法都是以更高頻率切換MOSFET,並擴展PWM。
雖然所有馬達控制算法都可使用20KHz或更高的PWM頻率,以確保噪音頻率在人耳的可聽範圍之外,但由於成本因素,內含MOSFET封裝的整合功率模組(IPM),在較慢的頻率下,其售價更低,因此許多家電仍然採用以更低頻率(通常在5~8KHz)開關馬達的MOSFET。
另一種降低噪音的技術是展頻。此技術是使用隨機亂數產生器改變PWM頻率,這種技術雖然速度不一,不過不會改變PWM頻率,將此抖動加入PWM頻率中時,其噪音訊號將會變小而且顯著降低。
仰賴先進控制技術提升馬達效能
家電馬達在啟動與低轉速時,必須確定馬達內的轉子位置與定子對比。主要原因有二,首先是空調機組中泵浦與壓縮機之類的設備,馬達無法倒轉,即便只是輕微錯轉,仍會損壞泵浦。其次是鑽頭、食品加工機、洗衣機和風扇等應用,為盡快達到全速,在設備啟動時,就必須得到全轉矩動力。
然而,與FOC搭配使用的反饋電路(稱為估測器或觀測器),無法在零速或低速下運作。FOC被稱為無感測器技術,這代表無法從霍爾感測器、磁性位置感測器或光學軸編碼器提供轉子位置,因此FOC演算法會從3個馬達繞組取得電流回饋。但馬達開始運轉時,由於轉速仍慢,反饋電路難以產生良好讀數,等到足夠的轉速(例如50PRM)並獲得良好電流反饋後,控制迴路就會閉合且FOC開始正常運作。
而為了在馬達啟動或低速時檢測轉子位置,目前已開發出使用高頻注入(HFI)的技術。在此技術中,轉子中的3個繞組會使用高頻PWM訊號逐一逐次通電,並且測量電流反饋訊號。比較3組測量值後,就可精準定位轉子,並應用正確的PWM訊號,在泵浦和壓縮機以正確方向啟動轉子讓馬達加速。
另一項新技術是「Wind-Milling」,透過Wind-Milling重新啟動正處於慣性運轉的馬達,可匹配當下的位置與速度,讓馬達在穩定非晃動狀態下重啟,進而降低噪音並提升馬達耐用性。
此外也可以FOC最大化轉矩的方式控制馬達,此技術稱為每安培最大轉矩(MTPA),允許馬達在恆轉矩階段,閉環轉換後加快轉速。MTPA可讓洗衣機的滾筒高速旋轉,強化其脫水能力,無人機馬達可在300ms之內,讓轉速從0RPM到30,000RPM,加快起飛速度。
提高馬達安全性 MCU/DSP須符合安全規範
安全性向來是馬達控制領域非常重要的設計考量,在產業中也一直往更高的產品功能安全設計方向走,而這也代表電子零組件,也就是控制馬達的微控制器(MCU)與DSP,需要內建符合產業規範的安全功能。像是IEC 60730 B,此一規範要求在馬達啟動時,關閉MCU與DSP的PWM預設狀態,以防止馬達在啟動時產生任何瞬態故障。
而未來,馬達控制設計工程師也希望拿到安全使用手冊,以協助他們了解並使用MCU或DSP中內建的所有馬達控制安全功能,這將帶來更安全的馬達驅動家電,也會讓所有消費者受益。
(本文作者任職於Microchip)
2019年智慧型手機全球出貨量陷衰退陰影
市場研究機構TrendForce研究報告指出,2019年智慧型手機市場受到中美貿易戰影響,不確定因素增加,加上換機周期延長、創新程度降低等衝擊,導致市場需求遲滯,預估全年生產總量將落在14.1億支,較2018年衰退3.3%,若全球需求進一步惡化,不排除衰退幅度將擴大至5%。以全球市占排名來看,三星將續擁冠軍頭銜,華為預估在今年超越蘋果成為全球第二大手機品牌廠,而蘋果則將下滑一個席次至全球第三名。
TrendForce指出,由於三星在中高低階手機市場的布建已相當完整,相較於中國品牌廠可以往更低階或是海外進行布局,三星透過新興市場帶動成長的難度相對較高,因而市占版圖持續萎縮,2018年生產總量約為2.93億支,年衰退8%。TrendForce預估,三星今年仍將為全球市占第一、市占率約20%。
華為產品線佈局完整、擁有自主晶片開發優勢,在高階市場方面,以P系列以及Mate系列瓜分蘋果在中國的高階市場市占,並且以榮耀等系列成功進軍東歐等海外市場,帶動2018年生產總量達2.05億支,年成長30%。2019年華為除了守成中國市場既有版圖外,更仰賴東歐、巴西、南美等新市場市占的擴大,TrendForce預估其生產總量有機會持續成長至2.25億支,市占率達16%,正式取代蘋果成為全球市占率第二名的智慧型手機品牌。
回顧蘋果2018年生產總量表現,上半年和2017年同期差異不大,但下半年新機發表並未如期帶動生產總量增長,反較同期衰退7%,全年生產總量約落在2.15億支,較2017年下滑3%。其中在中國的銷售表現上,受到新機定價問題以及舊機型禁售事件的影響,銷售表現較2017年衰退將近1000萬支。
2019年蘋果將持續面臨換機週期延長、品牌獲利與定價策略如何取得平衡,以及中國高階市場的銷售失利等問題,預估2019年的生產總數將比2018年衰退至1.89億支,市占率將從15%下滑至13%。
2019年全球市占第四名至第六名的排名則與2018年改變不大,第四名為小米,透過低毛利的行銷方式,以及引進米家生態鏈周邊商品、軟體服務等吸引買氣,生產總量達1.23億支,相較2017年的生產總量成長約32%。預估小米2019年的生產總量將略為提升至1.29億支。
TrendForce表示,2018年已有多家中國手機品牌廠倒閉或遭整併,顯示手機產業已進入大者恆大格局。2019年除了將延續此一趨勢外,產品差異化越來越困難,導致全球前六席次的市占率差距將更為收斂。另外,中美貿易戰的發展也為整體產業帶來更多不確定的因素,是否將擴大甚至導致手機產業版圖的位移與重整,將會是2019年最大觀察重點。
智慧音箱開疆拓土 遠傳力闢物聯網市場版圖
在亞馬遜(Amazon)推出Echo之後,帶動全球智慧音箱及人工智慧(AI)語音助理的熱潮,不僅Google、Apple或音響品牌業者相繼投入智慧音箱產品外,隨著物聯網(IoT)商機蓬勃發展,電信業者也開始切入智慧音箱市場,推出相關產品與服務。例如遠傳電信便於近期發布兩款全新攜帶式智慧音箱「小愛講」和「小狐狸」,此一布局不僅是看好智慧音箱具備智慧家庭服務中樞的潛力,也希望能藉此拓展物聯網市場版圖,搶占市場先機。
根據研調機構Deloitte指出,智慧音箱市場於2019年市場價值將達到70億美元,較2018年的43億美元,年成長率達63%,成為歷史上成長最快的網際網路裝置類別;而預估2019年智慧音箱銷售量將可以達到1.64億台。
對此,遠傳個人用戶事業群數位服務處副總經理陳萍坽表示,遠傳未來將以「大人物」為企業發展主軸,深耕大數據、人工智慧、物聯網三大關鍵領域,而智慧音箱可說是遠傳布局這三大領域的先鋒,因智慧音箱不僅能為消費者創造良好的人機互動體驗,同時未來還有望成為各式聯網產品的控制中樞。
陳萍坽進一步說明,對於電信業者而言,智慧音箱可說是不能缺席的市場。遠傳推出「小愛講」和「小狐狸」,不只是瞄準智慧音箱商機,而是希望能藉此深耕物聯網市場。未來物聯網裝置勢將遍地開花,像是智慧家庭中的洗衣機、電視機等家電用品都將有聯網功能;而智慧音箱的語音控制功能有望成為各種聯網裝置控制中樞,提供各種創新應用服務。因此,該公司便積極布局,期能透過智慧音箱搶占物聯網先機,再進而深耕智慧聯網市場。
據悉,遠傳所推出的兩款「小愛講」和「小狐狸」智慧音箱,目前已可實現部分智慧家庭應用,控制家電產品如EQL智能小管家、智慧燈泡、智慧插座等;同時也具備資訊快查(如天氣、股票、匯率換算等)、生活幫手(設鬧鐘、查時間、家庭留言等),以及娛樂音訊播放(音樂、新聞、有聲書等)。
工業相機內建GPU AI正式走上生產第一線
直接在邊緣裝置上進行模型推論(Inference),是人工智慧(AI)走向產業應用的必然趨勢,且隨著半導體元件技術不斷精進,推論發生的地點將會越來越貼近生產的第一線。凌華與GPU大廠NVIDIA合作,正式推出全球第一款內建GPU,可以直接執行推論的工業相機NEON-J,就是AI從雲端走向邊緣的最佳註腳。
凌華科技資深產品經理許凱翔指出,機器學習對機器視覺技術的應用拓展,能做出非常大的貢獻。在過去,機器視覺軟體是以預先設定的規則為基礎,工程師在開發軟體時,必須用演算法把想要偵測的影像特徵,例如瑕疵的特徵詳實描述清楚,系統判斷的準確率才會高。
但在實際應用上,這種方法常會遇到困難,例如待測物本身就帶有某些圖樣(Pattern)時,當瑕疵跟背景圖樣混在一起,系統要精準辨識出瑕疵的難度就很高。這種情況在電子業其實很常見,例如TFT-LCD面板、太陽能電池片(Solar Cell),本身就是有圖樣的產品,要用現有的機器視覺去抓出這類產品的瑕疵,是很大的挑戰。
對機器學習來說,圖樣辨識正是它最擅長的工作。因此,基於機器學習的機器視覺系統,只要圖像處理、判斷的速度夠快,就能為機器視覺技術的應用打開很多新的可能性。這也是凌華跟NVIDIA合作,率先推出整合Jetson TX-2嵌入式GPU的NEON-J工業相機的原因。當推論可以直接在工業相機上執行,不必仰賴雲端,不僅可以省下可觀的網路流量,網路延遲的問題也一併解決了。
不過,由於Jetson-TX2是專為嵌入式應用設計的低功耗GPU,其運算能力無法跟桌上型電腦、伺服器使用的GPU相提並論,因此目前NEON-J不能執行太複雜的機器學習模型,否則會來不及對影像做出即時判斷。
即便NEON-J目前還無法執行太複雜的模型推論,但其基於機器學習的特性,已經成功為機器視覺打開新的應用市場。舉例來說,食品業的產品分類/分級應用,就很適合用NEON-J來執行。像是肉品分切作業,要依照肉品的油花分布狀況來判斷肉品等級,或是肉品出於哪個部位,就要靠圖像識別來實現,傳統基於規則的機器視覺軟體很難處理這種問題。
另一個應用案例是冷凍披薩工廠的品管。披薩廠商在產品包裝前,要先檢查披薩上的餡料數量、狀態做出檢查,才能避免NG的產品賣到消費者手上。從機器視覺的角度,這是一個典型的圖樣辨識問題,例如鳳梨、香腸的片數是否符合標準,有沒有破損,就得靠圖樣識別來做。因為披薩上的鳳梨、香腸切片可能有大有小,傳統的機器視覺分析軟體遇到這種待測物,容易出現誤判。
總結來說,對機器視覺應用來說,機器學習是一個很值得期待的互補型技術。以規則為基礎的分析軟體,在量測物件尺寸、辨識QR Code、條碼,以及引導機器手臂在2維平面上運作,是很有效率的,可靠度也高。但如果是要處理跟圖樣有關的問題,機器學習是比較理想的解決方法。
搶攻AIoT商機 邊緣運算模組大舉現身
AI走出資料中心 產業應用價值浮現
AI在本次物聯網共創峰會中,無疑是最熱門的議題之一,從工業製造到零售,再到醫療、能源產業,每個主題論壇幾乎都有機器學習(Machine Learning)、神經網路(Neural Network, NN)這類AI關鍵字。這也顯示各產業未來的日常運作,都將或多或少使用到AI技術。
不過,目前絕大多數的AI推論都是在雲端資料中心上執行,對許多產業應用而言,這種系統架構未必符合需求。因此,直接在嵌入式裝置上執行模型推論的邊緣運算架構,成為許多產業評估AI部署方式時的首選,也連帶使得低功耗AI處理器/加速器方案成為半導體業者不能缺席的重要戰場。
英特爾物聯網事業群(IoT Group)副總裁Jonathan Ballon(圖1)表示,許多基於AI的新應用出現,使得物聯網架構出現轉變。在過去,AI運算只發生在資料中心或雲端,這意味著如果某種應用需要AI功能,必然要仰賴雲端來提供。但現在AI正在從雲端走向終端,走進實體世界。
圖1 英特爾物聯網事業群副總裁Jonathan Ballon認為,AI正在從雲端資料中心走向邊緣節點,並創造出更大的產業應用價值。
在過去4年,GPU在AI領域取得巨大成功,特別是在資料中心跟演算法訓練上,由GPU和CPU組合而成的異質運算架構,無疑是最主流的解決方案。不過,這只是AI發展的第一個階段,在這個階段,人工智慧演算法在ImageNet這類固定、已知的龐大資料集進行訓練,證明自己在圖像辨識上的能力可以超越人類。
但這些技術上的突破,距離產業應用跟創造價值,還有一段距離。就以圖像辨識為例,對產業應用來說,這項技術真正的價值在於用機器判讀沒有看過的圖像,並取得正確的判斷結果,也就是AI推論。
英特爾觀察到,在過去12個月,不同領域企業已經把重點轉向這個領域,例如智慧城市、醫療、工業製造相關企業。然而,這些從物聯網蒐集而來的不特定資料,因為種種原因,大約有45~50%無法上傳到雲端,自然無法在雲端進行推論。因此,這些資料的處理、分析跟推論,必然要在本地端執行,也就是所謂的邊緣運算。
在邊緣運算的情境中,GPU未必是最理想的處理器選擇,因為很多應用情境不會允許設備內有散熱風扇這類可動的零部件,或是功耗預算極為有限,無法支撐GPU運作。因此,邊緣運算的異質化程度會比資料中心更高,除了CPU、GPU之外,還有各種專用加速器存在的市場空間。
但Ballon認為,隨著邊緣裝置的運算能力越來越強,「訓練在雲端,推論在邊緣」的狀況會出現變化,有些AI的訓練也可能在邊緣直接進行。
機器視覺結合AI最成熟 模組方案搶食升級商機
在各種AI應用中,機器視覺結合AI是進展速度最快的領域,而且可以發展出來的應用功能也最多。以零售業為例,從店鋪內的人流偵測、貨架上的商品存量檢查,甚至商品是否放錯位置,都可以用AI搭配機器視覺來檢測。在製造業,AI加上機器視覺最主要的應用則是生產線的品管檢查。在智慧城市、醫療等領域,AI結合機器視覺的應用也越來越多,從交通流量偵測、自動停車到判讀醫學影像等。
要讓這些應用加快普及,強大的開發工具是非常重要。為此,英特爾已經推出OpenVino開發工具,並免費提供給開發相關應用的客戶。這項工具支援CPU、GPU、FPGA與Movidius等各種硬體處理器,讓應用開發者可以把運算任務配置給最適合的處理器核心或加速器,提升應用的執行效能。該工具支援目前業界常用的各種框架、模型,還有大量的演算法參考範例,可以讓應用開發的速度明顯提升。
但除了軟體工具之外,硬體本身的效能也必須跟著提升,才能讓機器視覺結合AI真正落實到各種應用上。英特爾近期發表的Myriad X視覺處理器(VPU),本身的封裝尺寸僅8×8mm,卻具備4TOPS運算效能,且功耗低於2瓦。對許多機器視覺應用來說,1顆Myriad X的效能已經相當足夠,但如果應用需要更高效能,該VPU還可支援雙路到八路不等的配置。由於研華是英特爾的重要合作夥伴,因此在英特爾發表該VPU之際,研華已同步推出搭載單VPU的板卡模組,未來研華還會提供搭載多路VPU的模組。
英特爾和研華有很深遠的夥伴關係,而且彼此有共同的願景。例如英特爾的Market Ready解決方案和研華的物聯網應用解決方案(SRP),在本質上就有許多類似之處。這使得英特爾跟研華能在許多領域進行深度合作,甚至在產品還沒正式發表前,就進行共同研發。
AI模組大軍蜂擁而上
模組方案對加快AI走向真實世界的速度相當關鍵。如果沒有模組方案,已經部署到現場的設備將難以就地升級,只能汰換成新設備。但如果有模組卡,既有設備只要有保留介面,就可以立刻升級。以單VPU的模組為例,研華的模組卡就是採用業界標準的M.2規格;搭載多路VPU的模組,則料將採用mini PCIe或標準PCIe。
研華網路通訊事業群協理林俊杰指出,對應用或設備製造商而言,晶片只是關鍵零組件之一,如果應用開發商要獨力將晶片整合到設備上,需要投入相當的設計研發人力,產品開發的時間也會拉長。因此,市場對AI模組解決方案的需求,可望隨著AI從雲端走向邊緣裝置的趨勢而提升。
不過,物聯網應用本質上是一個多元而分散的市場,因此對推論運算的需求也會有所出入。有些嵌入式裝置可能需要非常高的運算能力,功耗預算也比較寬裕,採用GPU或FPGA擴充卡會是可行的選項。有些嵌入式裝置對功耗的要求比較嚴格,運算效能的需求較低,這時候加速器模組方案會比較有吸引力(圖2)。
圖2 各種AI處理器/加速器優劣勢比較
因此,除了和英特爾合作推出搭載Myriad X的模組外,研華跟索思未來(Socionext)、瑞薩(Renesas)、賽靈思(Xilinx)、NVIDIA等晶片業者,也保持密切合作的關係,並已陸續推出搭載上述晶片商產品的模組或板卡,以協助各家應用開發商快速將AI推論功能導入到產品中。
大廠CES齊秀新品 8K LCD/可捲曲OLED電視亮相
在2019年美國消費性電子展(CES 2019)中,不僅5G、人工智慧(AI)、自駕車為重要亮點,各大廠商也藉此機會大秀旗下顯示器技術的最近進展。其中,液晶(LCD)電視產品已開始強打8K高解析度與HDR高對比效果;OLED 4K電視也往更大尺寸、更輕薄發展,除此之外,更看到了可以捲曲收納的OLED電視。而MicroLED與MiniLED技術,大廠也各有技術突破。
友達光電於CES 2019展出眾多新品,其中包含85吋8K4K全平面無邊框ALCD液晶電視面板、搭載AHVA技術反應速度最快的電競監視器面板、具備HDR高動態範圍的MiniLED背光電競筆電面板、超低功耗LTPS筆電面板,以及採用全貼合技術的超高解析駕駛艙顯示器。其中,4K電競筆電面板採用MiniLED背光技術達到240調光分區數(Dimming Zones),最高亮度超過1,000nits,符合VESA DisplayHDR規範的最高等級。
此外,友達也同時宣布結盟全球知名家電品牌業者創立8K協會(8K Association, 8KA),致力推動8K生態體系的建構。友達長期投入尖端顯示技術的開發,並率先量產85吋8K4K ALCD液晶電視面板。因應超高畫質電視時代來臨及搶搭2020年東京奧運的8K解析度轉播商機,友達與三星電子、海信、TCL、Panasonic等家電巨擘聯手成立業界首家8K協會,期以透過密切結盟合作,制定適用於全球的8K顯示技術標準,以加速其技術導入及生態鏈整體發展,為全球各地觀賞者帶來最佳視覺效果和體驗。
在該展期間,Sony也發表了自家首款最新的8K HDR液晶電視BRAVIA MASTER系列的Z9G,二款產品採用85吋與98吋超大尺寸。另外,Sony亦發表了旗下的OLED電視A9G,該產品則有55吋、65吋與77吋三種規格;並且比Sony先前推出的OLED更為輕薄。
另一方面,三星(Samsung)在CES 2018展示過146吋的MicroLED顯示器The Wall之後,在2019年,三星更是取得了相當的技術突破。在CES 2019展會上,三星展出了75吋模組化MicroLED顯示器以及219吋的The Wall。其中,由於其間距技術有所突破,因此該75吋MicroLED顯示器能夠達到4K高畫質顯示效果。三星影像顯示部門總裁Jonghee Han表示,模組化的MicroLED設計能讓顯示擺脫尺寸的侷限,未來期待能夠透過MicroLED無邊界、可拼接的特性,實現顯示器的無限可能。
在2018年樂金(LG)便已透露準備打造可捲曲收納的OLED電視,在CES 2019展會中,LG不負眾望展出了Signature OLED TV R產品。該顯示器具備4K解析度,在全展開時尺寸可達65吋,並且可以有五種不同的螢幕展開尺寸,以因應不同的室內環境應用需求。除了全展開可以作為電視觀賞之外,也可以小部分展開螢幕,作為提供時間、天氣、燈光調節資訊的顯示器。












