首頁Top區塊

在製造業場景亦然。當工廠啟動轉型為智慧製造，意味著須具備連網能力，讓資料得以彼此交換學習與統整分析，才會產生出智慧。趨勢科技先進應用市場開發部資深經理鄭朱弘毅觀察，以物聯網為核心衍生出許多新的想法，比如說工業4.0、工業物聯網(IIoT)、智慧物聯網(AIoT)等。當然，之所以能得到製造業的青睞，更重要的關鍵在於發展物聯網應用對於工廠而言為投資，未來可藉由生產力的增長來展現具體價值，自然提升企業的意願。 問題是，資訊科技導入原本封閉的運營技術(OT)環境，勢必會為既有負責IT與OT的人員帶來衝擊。畢竟數位轉型改變既有的商業模式、產品研發、供應鏈及日常維運流程，跨部門協同工作將成常態，須經歷一段時間磨合。尤其是在連網能力成為廠區必要建設時，勢必更須對IT環境中本就已存在的攻擊威脅有所掌握，才能建立因應措施來控管風險。 為了盡可能牟利，駭客組織通常會先評估攻擊成本與效益，並確保後續能複製到不同場域。比較明顯的例子是VPNFilter惡意軟體，在2018年首度出現，藉由已滲透成功的網站伺服器為跳板，感染進入各處的小型路由器，主要目的為竊取使用Mobus通訊協定的SCADA系統憑證，將來可能藉此操縱全球同類型的工控連網裝置。 在數位轉型推動下，應用場域擴及涵蓋既有的IT與OT，需要被保護的範圍變得更大，挑戰也更加嚴峻。畢竟資安防禦的建置不可能無限擴張，須以投資報酬率、資本支出與營運支出評估，分析服務模型、威脅模型、當前挑戰、重要性排序，再考慮可採取的解決方案。 尤其是服務模型的建立，首先要掌握資料流與控制流，若廠區有導入IEC 62443工業通訊網路安全標準，可明確定義產線與控管裝置、監看系統工作流程，經過彙整後的資料系統介接內部IT系統，執行更多製程資料分析。接下來則依據不同作業環境定義分隔區，並且評估弱點環節以建置威脅模型，再建立控管措施降低資安風險。 趨勢科技先進應用市場開發部資深經理鄭朱弘毅建議，各產業對於資安的建置，必須以投資報酬率、資本支出與營運支出來評估。  

低功耗廣域聯網技術(LPWA)與AIoT風潮，驅動物聯網應用商機加速起飛，但也敲響聯網裝置與應用服務的安全警鐘，如何轉危為安成了所有生態圈業者的必修課題。 有鑑於此，新電子科技雜誌、新通訊元件雜誌及網管人雜誌首度攜手合作，於2018年12月中旬共同舉辦專門探討物聯網安全技術與防禦對策的科技盛會--「眺望2019　物聯網安全高峰論壇」，並邀請到長期投入物聯網技術研發的資策會智慧系統研究所，以及致力推動台灣產業標準走向國際化的台灣資通產業標準協會(TAICS)共同協辦；此外，趨勢科技、Micro Focus、恩智浦(NXP)半導體、優力國際安全認證(UL)、Aruba、Citrix、銓安智慧科技(IKV)，以及合勤科技等業界專家，也與會分享最新資安技術與防護對策，吸引近三百位產業人士到場參加。 物聯網安全更受重視　有挑戰也有機會 資策會智慧系統研究所所長馮明惠(圖1)在致詞時表示，隨著資通訊科技的普及，萬物聯網的時代已然來臨，人們所使用的聯網裝置已愈來愈多，包括電腦、手機，甚至眼鏡、衣服、鞋子等穿戴物品未來都會聯網，而這些又將形成新的資通訊基礎建設，進而帶動新的服務、市場與商機。市場研究單位預估，到2021年全球的聯網裝置將達到數十億，甚至數兆規模，相當可觀。而當聯網裝置愈來愈多，安全議題就必須更加重視；另一方面，透過新的資通訊基礎建設，也可以帶動新的安全或安控的服務。 圖1　資策會智慧系統研究所所長馮明惠表示，萬物聯網時代到來，使得各種聯網裝置的安全性愈來愈受到重視。 馮明惠進一步指出，資策會智慧系統研究所在經濟部技術處的支持下，近兩年積極投入窄頻物聯網(NB-IoT)技術的研究與發展，這是一種介於4G與5G之間的電信等級物聯網技術，具有低功耗、長距離、覆蓋廣、可靠度高等優勢特性，而該單位在發展這項技術的同時，也很重視在此技術之上的安全問題，希望能協助產業界將物聯網的基礎建設架構起來，引領、帶動萬物聯網的商機與市場。 事實上，隨著各種消費性與商用物聯網產品服務不斷推出，駭客攻擊事件也愈來愈猖獗，對於相關業者而言，維護物聯網安全已成為迫切的要務。台灣資通產業標準協會技術管理委員會召集人陳逸萍(圖2)指出，各種資安意外的新聞陸續出現，各大企業在資安防護上的預算也將逐漸提高，預計到2021年，全球企業在資訊安全防護上的投資將比2017年增長28%。 圖2　TAICS技術管理委員會召集人陳逸萍指出，隨著各種資安意外的新聞陸續出現，各大企業在資安防護上的預算也將逐漸提高。 陳逸萍也提到，物聯網架構分為感知層、平台層與網路層，涉及範圍相當廣泛，因此資訊安全也將會是涉及晶片、系統與應用，到雲端，每一個環節都必須考量到，資安防護必須整個生態系的廠商共同維護，因而衍生出的商機也將相當龐大。 掌握資安漏洞/攻擊手法　避免因小失大 物聯網話題正熱，如今任何設備都標榜可以連上網路。Aruba(HPE子公司)資深技術經理王傑鋒表示，當今無論是智慧家庭、智慧辦公室的應用中，都在驅動著我們的環境導入越來越多的聯網攝影機、感測器，而所有聯網的設備也都將成為資安的威脅所在，任何聯網設備都可能成為駭客入侵的目標。 Citrix技術顧問張晉瑞指出，多年前就有資安專家提出，每個連網裝置平均約有25個漏洞，最大問題是傳輸未加密保存、不安全的操作介面、身份認證機制不夠嚴謹，才被駭客組織利用成為跳板，進而感染更高商業價值利益的系統。 此外，2018年5月，歐盟的GDPR法規上路亦是推升物聯網資安熱度的重要大事。以台灣業者來看，只要有處理到或保存歐盟居民的個資便須要符合GDPR的規定；否則公司將受到全球營業額2%~4%不等的罰款。 在此趨勢之下，恩智浦(NXP)半導體市場行銷經理蘇士維認為，物聯網應用產品的數據資料必須達到完整性、真實性、可用性以及保密性等四項要求，才能確保資訊安全。 趨勢科技先進應用市場開發部資深經理鄭朱弘毅則透露，趨勢科技目前已投入自駕車、智慧家庭與工業4.0等三大物聯網應用領域。其中，工業物聯網應用領域跨界資訊科技(IT)與營運科技(OT)，所以其中的資安部署更顯重要；在該應用領域中，分層式的資安部署依然是目前的主流趨勢。 資策會智慧系統研究所正工程師林奕廷指出，不同的物聯網場域會使用到不同的安全技術，以NB-IoT為例，在該技術的資料傳輸程序中，各有不同的風險，因此必須符合不同的安全機制，必須根據該技術的資料傳輸步驟一一拆解並符合標準，才能確保物聯網終端產品資料傳輸的安全。 至於駭客攻擊的方式有許多種，詮安智慧科技(IKV)總經理鄭嘉信分析，在眾多攻擊方式之中，最有效的大量攻擊方式就是實體攻擊。也就是透過設備的訊號、實體的晶片取得資訊。在硬體設備之中，處理器、非揮發性記憶體都是容易受到攻擊的元件。也正因如此，透過純軟體的方式其實並不能夠保護所有的資訊安全，也必須同時透過硬體的形式來加強保護。 合勤科技(Zyxel)台灣暨香港區營運總部資深經理薄榮鋼則提到，由企業內部的IT與OT架構來看，皆存在著不少網路資安弱點。在IT層面，可能有邊界弱點攻擊；在OT層面，則包含了偽造登入身分、遠端登入攻擊與實體登入攻擊。要如何貫穿IT與OT，並把相關的資安概念落實到應用方案中是最大的考驗。他強調，欲對抗現代已知或未知型惡意程式，甚至是針對性的攻擊活動，打造零信任網路已是全球發展趨勢。 從研發到上市　安全性檢測/認證不容輕忽 Micro Focus企業資訊安全資深技術顧問李柏厚指出，很多人認為維護物聯網安全就如同在建置網路設備一般，必須不斷加裝各種安全設備；結果在採購多樣設備之後發現資安問題還是發生了。因此，重點應該在於必須回頭去看各項產品的安全性檢測是否完善。如果有一個資訊安全標準驗證可以遵循，便不需要在設備採購上耗費多餘的心力。 優力國際安全認證(UL)身分識別管理安全部業務發展經理薛正分享，物聯網設備安全與終端消費者的安全有很大的關係，其中最受到關注的設備為智慧音箱、IP Cam以及智慧手表。物聯網設備所涉及到的層面也相當廣泛，更會由於駭客攻擊的手法每天都在進步，因此設備的弱點將一直不斷被發掘出來，也許這個月通過了相關的安全規範，下個月便已不再適用。這是物聯網安規與傳統安規認證之間最大的差異。 總結來說，物聯網已成了各行各業當前重要的發展主軸，其引發的資安危機已使各界高度關注，唯有深入掌握各種駭客手法與防禦技術，才能克服相關挑戰，創造最大獲利契機。

機器視覺在製造業應用存在已久，但過去的機器視覺本質上是以規則為基礎的專家系統(Rule-based Expert System)，不具備自主學習的能力，能處理的問題範疇也較為專一。這也使得機器視覺的系統整合商(SI)規模普遍不大，但在特定領域有非常深厚的技術累積。以機器學習(ML)為基礎的機器視覺系統，則可能改變這個產業風貌，讓SI更容易跨入不同領域。 研華網路暨通訊事業群資深協理林俊杰指出，機器視覺在製造業應用已經有相當長的一段歷史，且隨著檢測對象不同，分化出許多次領域，例如針對電子元件、電路板的自動化光學檢測(AOI)、針對產品組裝的視覺校準/對位，乃至成品/半成品的外觀瑕疵檢測等，都可以歸類於機器視覺的範疇。但現有機器視覺系統的核心，多半是以規則為基礎的軟體程式，當工業相機拍攝到過去從未見過的影像，取得的特徵值無法對應回既有的軟體系統時，就會很容易出現誤判或無法識別。 這使得機器視覺系統的設計規畫跟布署，變成一項非常仰賴專家的工作。唯有針對某一類應用有深入研究，並且累積了大量經驗的SI，才能寫出符合生產線需求機器視覺軟體。而且，某個特定領域的專家，要跨到其他機器視覺的領域，也不是那麼容易的事情。 基於機器學習(ML)的機器視覺，則是完全不同的典範。一套辨識模型或演算法，經過不同的資料集訓練，就可以辨識出不同型態的圖樣，而且隨著工業相機取得的影像資料越多，累積的訓練資料增加，系統辨識的準確度還有機會進一步改善。 另一方面，對機器視覺SI業者而言，基於ML的視覺系統還有更容易跨領域應用的優勢。例如一個經過訓練的免洗杯辨識演算法，只要稍加調整跟再訓練，就可以用來辨識不同種類的杯子，例如玻璃杯、馬克杯，因為這些杯子都有一些共通的特徵值。如果是傳統的機器視覺軟體，開發過程就得從頭來過。 不過，對大多數基於機器學習的系統來說，訓練資料的數量跟品質，還是許多開發者所面臨的最大難題，基於機器學習的機器視覺也不例外。現在許多網路大廠都已經提供雲端訓練工具，因此，開發者要訓練自己的模型，門檻已經比以往大為降低，但要取得足夠且高品質的訓練資料集，還是要投入很多資源。 近幾年中國掀起人工智慧熱潮，也促成一個新的行業--資料標籤公司誕生，但這些專門提供資料標籤建置的服務業者，通常沒有足夠的能力處理工業製程中所拍攝的影像。舉例來說，金屬加工件的邊緣出現毛邊，但程度要多嚴重才應該被判定不良品，就只有那個行業的老師傅能準確判斷，不在該行業的標籤建置人員很難做好這項工作。因此，即便是採用機器學習技術，SI想要跨到新的領域，還是有一定門檻要跨過。 此外，目前機器學習最理想的開發平台是GPU，因為GPU有最好的軟體適應性，設計迭代最方便，但如果是要布署到生產現場，GPU可能就不是那麼理想，因為GPU的功耗較高，有時還是需要搭配主動式散熱。但很多生產現場是不允許散熱風扇存在的，例如烤漆作業區，因為環境裡有粉塵，不只容易導致風扇故障，萬一有火花產生，還有可能引發爆炸。 相較之下，FPGA是比較適合布署在現場的運算硬體平台，但FPGA的設計迭代過程比GPU耗時，軟體修改後，硬體描述語言(HDL)也要跟著調整，才能實現最佳化。因此，機器視覺系統要改以機器學習為基礎，並大量普及到工業現場，還需要一些時間來醞釀。但整體來說，因為以機器學習為基礎的機器視覺，對各種應用情境的適應能力較佳，因此長期來看，SI或軟體開發者應該還是會逐漸轉向機器學習。  

瞄準自駕車商機，三星(Samsung)日前曾宣布推出Exynos Auto子品牌，生產自駕車相關晶片，而首款用於車載資訊娛樂系統(IVI)的處理器「Exynos Auto V9」也於近日亮相，且該晶片已獲奧迪(Audi)採用，搭載預計Exynos Auto V9晶片的奧迪汽車將於 2021年首次亮相。 三星電子設備解決方案部門副總裁Kenny Han表示，該公司致力於推出更頂級的汽車處理器，以實現更安全、舒適的駕駛體驗。新推出的Exynos Auto系列產品，將從Exynos Auto V9開始，為下一代汽車車載資訊娛樂系統帶來更強大的處理性能，同時滿足汽車產業嚴格的可靠性要求。 據悉，Exynos Auto V9是專為汽車資訊娛樂系統所設計，其可在多個螢幕上顯示相關的行車資訊，讓駕駛獲得更安全、更愉快的駕駛體驗。Exynos Auto V9採用8奈米製程，內建8個ARM最新的Cortex-A76 CPU核心，最高運行速率為 2.1GHz，並支援LPDDR4和LPDDR5 DRAM。 此外，該產品也整合了ARM Mali G76 GPU、高級Hi-Fi 4聲道的音頻數位訊號處理器(DSP)、專門處理人工智慧的神經網路處理器(NPU)，以及安全核心(Safety Island Core)，可針對系統操作進行即時保護，以滿足汽車安全完整性等級(ASIL)-B的標準。同時，透過NPU可以更有效的處理視覺和音頻數據，實現臉部、語音或手勢辨識等功能，進行更直覺、快速的操作。 另一方面，為了提供高度身臨其境的駕駛體驗，Exynos...

監控分析市場已出現了明顯的轉變，過往監控的模式較為「被動」，也就是單純錄影，發生事件時再去調錄影帶。然而，現在監控的重點在於「即時反應」，也就是發現異常時可立即發布警示，進而省下人力通知或是事後影像提取檢視的時間。 也因此，監控系統不斷朝AI智慧化發展，增添如人臉識別、車牌辨識等功能；與此同時，為了能有迅速的反應時間及工作效率，智慧監控也逐漸從「雲」走到「端」。 換言之，過往AI功能多在雲端進行，然而，對於監控產業而言，最大的重點便是「反應速度要快」，事情發生時能立刻警示；而將資料送到雲端進行分析、運算後再送到終端裝置，即便時間再快，多少還是會有所延遲。倘若資料量太大，網路傳輸速度和頻寬無法支援，甚至資料還會停滯在雲端而無法傳輸。也因此，智慧監控便開始從雲端轉向終端裝置。 總結來說，為了加快監控裝置反應速度以及提升效率，開始有許多AI功能從雲端移至終端裝置；而要在終端裝置進行邊緣運算，實現更多AI智慧應用，監控裝置的軟硬體設計勢將有所提升，為此，監控元件/設備供應商也紛紛推出新一代解決方案。 滿足視訊/音訊監控　完善IP方案不可少 Arm市場行銷高級總監Rhonda Dirvin表示，現今擁有音訊或視訊輸入的裝置數量大幅增加，並可用於各種監控功能，例如行車紀錄器、盲點警示、家庭網路攝影機、防盜系統、門鈴、智慧照明、防盜警報等。 Rhonda Dirvin指出，由於現在已能在終端進行推論功能，因此製造商將特別關注智慧家庭裝置。智慧裝置能具有視覺處理功能以監控屋內，辨識家庭成員，並利用視訊在所有物件中提供安全或是與人類的連結。 然而，視覺辨識最大的挑戰之一是大量的使用情境和AI效能需求。從偵測和提取人群中的數百張面孔到辨識停車場中的人臉或車牌，這些用途和效能需求大不相同。除此之外，有各式各樣不同的AI網路，用於解決同樣的問題，因此，完整的IP組合(而非單一解決方案便適用所有情境)十分重要。為此，Arm備有相關CPU、GPU、專用的NPU，以及可擴展的Arm NN平台，協助設備製造商加速進入新的AI監控世界，並更進一步的提高AI和訊號處理能力。 另一方面，Rhonda Dirvin提到，除了視覺，音訊(例如關鍵字萃取或振動感測)也是推動先進監測技術需求的關鍵因素。例如，關鍵字萃取(Keyword Spotting)在2018年受到廣泛討論，而到2019年，簡單的關鍵字萃取將升級到語音辨識。例如家中的智慧音箱，可以辨識誰在提供語音命令，不論是使用者本身或是家人，身份辨識有助於提高智慧家庭裝置的安全性和隱私。 然而，語音辨識的最大挑戰便在於要如何在最低功耗的情況下實現「Always-on」功能。對此，Arm具備多款處理器、CMSIS-DSP及CMSIS-NN軟體核心中DSP擴充套件的超低功耗感測器和運算引擎，可啟動Always-on的環境感測，包含語音、振動、視訊。 Rhonda Dirvin指出，Arm擁有各式不同運算規模優勢，從利用CMSIS-NN軟體函式庫提高效率的Cortex-M處理器；到具有ML擴展能力的Cortex-A處理器，以及ML處理器等，以便支援所有的功耗選項。 兼具低成本/低功耗　NPU成市場新選擇 智慧監控商機起，除了Arm這傳統IP大廠積極備戰之外，新創業者也磨刀霍霍。瞄準終端AI應用需求，耐能智慧(Kneron)於近期發布新一代終端AI處理器系列NPU IP，其分為超低功耗版KDP 320、標準版KDP 520，以及高效能版KDP 720；整體運算效能相較上一代產品提升3倍，運算能力(Peak Throughput)最高可達5.8 TOPS(每秒萬億次運算)。 據悉，新系列產品特色包括交錯式運算架構，讓神經網路架構中主要的卷積(Convolution)與池化(Pooling)運算可平行進行，提升整體運算效率；深度壓縮技術，可執行模型和運行中的資料和參數(Coefficient)進行壓縮，減少記憶體使用；動態儲存資源配置，讓共享記憶體(Shared Memory)和運作記憶體(Operating Memory)之間可以進行更有效的資源配置，提升儲存資源利用率且不影響運算效能；以及支援更廣泛的CNN模型。 耐能智慧產品行銷暨應用協理史亞倫(圖1)表示，智慧監控從雲端走向終端的趨勢十分明確，然而，要如何打造具有高運算能力可實施AI應用，卻又符合業者功耗與成本考量的監控裝置，是一大挑戰。 圖1　耐能智慧產品行銷暨應用協理史亞倫表示，智慧監控開始從雲端走向終端，裝置中的處理器除須有高效能外，同時也須符合功耗和成本考量。 史亞倫指出，監控應用十分多元，不論是零售、交通、商業建築、安防等都會用到，且在各個領域中又細分無數個應用場景；有的可能需要超精準的人臉辨識，而有的可能只須進行簡單的車牌識別。因此，並非每個應用場景都須採用頂級、具超高運算能力的CPU、GPU或是DSP，否則會不符成本需求。 史亞倫進一步說明，因此，該公司便決定打造低功耗的NPU處理器，一來是NPU處理器十分適合AI神經網路運算，有著更多的設計更新彈性；二來是目前監控裝置較少採用NPU晶片，而有了低功耗、成本相對較低，同時還能進行邊緣AI應用的NPU晶片後，可讓市場有更多選擇，滿足對成本有較多考量的監控設備商及終端業者。 因應邊緣運算　SoC效能節節高升 另一方面，不僅IP業者，晶片商也趁勢推出解決方案搶占市場商機。索思未來科技(Socionext)影像處理事業部應用工程科經理陳哲鋒表示，為紓緩雲端運算工作量，降低資料延遲，使監控反應時間更快、效率更高，邊緣運算開始走進各種監控裝置當中，晶片也因而須具備更強大的運算能力，而這也是影像元件供應商於產品上的重點設計方向。 為此，索思未來科技也備有相關的解決方案，像是SC2002/SC2000影像處理器。SC2002配備ARM Cortex-A9 Dual 600MHz CPU以及智慧化的高效數位訊號處理器(DSP)；並且搭載三維降噪(3DNR)和寬動態範圍(WDR)功能，可以在低光照條件下捕捉高品質影像，同時在一般運作環境下僅需1.5瓦的超低功耗，適用於各種影像和監控安全攝影機系統。 至於SC2000系列，同樣配置經優化過的DSP，並透過Socionext獨家的Milbeaut影像處理算法，以及影像穩定技術，不須使用機械平衡環及滾動快門校正，可滿足電腦視覺應用。 陳哲鋒進一步說明，提升運算效能，是未來不變的目標。以該公司為例，除該公司本身的SoC就具備高效能可實現臉部辨識、物體偵測等智慧監控應用外，若要達到更高的運算效能，該公司也會結合加速器(如ASIC)，以實現更多的AI應用。另外，該公司也計畫於2019年新推出的影像處理器當中，直接結合AI功能(如深度學習、機器學習等)。當然，除了高效能之外，也須兼具低功耗，而該公司的晶片經過測試，在4K 60fps的條件下，與同級產品比較可降低30%的功耗。 實現智慧監控　演算法舉足輕重 因應AI監控風潮，不僅元件/IP業者積極備陣迎戰，監控業者也致力打造更「智慧化」的產品。例如晶睿科技便自行開發深度學習演算法，且將其導入監控產品之中，像是360度智慧魚眼攝影機，使其可分析上千種場景，辨別人類共同特徵，進而衍伸出人群偵測的功能。又或是打造3D人流計數立體攝影機，透過三維定位的景深技術以身高辨別成人與小孩，進而得知哪些人具有消費能力，以及哪個入口處人流最多等具有高度商業價值的資訊。 晶睿科技品牌事業研發副總經理馬仕毅指出，未來廣域監控(如人群、交通、零售等)的需求勢將明顯增加，如何在終端監控裝置上進行運算，降低資料流量，進一步做出即時的判斷將是日後主要發展目標，也因此，該公司致力打造更「聰明」的產品。 馬仕毅進一步說明，提升硬體規格，選用更強大的運算處理器，這是監控設備將來必然的發展方向。然而，AI應用的重點在於「數據分析」，也就是要能將所收集到的數值化為有效的資訊；要如何處理、分析這些數據，是實現智慧監控的重要關鍵。也因此，自行開發演算法可說勢在必行，這也是該公司進行嵌入式系統深度學習網路架構與引擎開發、AI監控系統技術開發(偵測+辨識人/車)以及AI廣域監控系統技術開發(魚眼+多鏡頭)的主要因素。 另一方面，隨著AI應用逐漸興起，相關資安疑慮也跟著浮現。馬仕毅表示，現在監控設備中的處理器(SoC、CPU等)效能越來越高，若被駭客入侵，除了被竊取資料外，甚至有可能成為另一個攻擊節點；因此，如何提高監控設備的安全防護等級，也是未來不容忽視的設計重點。 為此，晶睿與趨勢科技合作，打造「內外兼顧，軟硬防護」安控攝影機解決方案，讓網路攝影機具備預防、隔離、再控制三大功能，杜絕潛在資安危機。當偵測到相關威脅時，通訊攝影機會自動啟動預防功能，避免惡意程式的入侵。而針對已被入侵的攝影機，也會啟動自我隔離機制進行防禦；一旦偵測到惡意程式的入侵，系統將可即時透過雲端更新病毒碼，快速隔離並預防病毒的擴散，將惡意程式的傷害控制到最低，確保其它在同樣架構下的網路攝影機安全。 智慧監控風潮起　顯示/感測需求與時俱進 另一方面，智慧監控風潮除了推動處理器效能持續攀升外，對於顯示器、感測器的要求也有著明顯的轉變。台灣索尼課長葉沛青表示，目前的市場對於720P或是4K影像皆有一定的需求，不過，4K影像應用從2018年開始有逐漸加溫的趨勢。 上敦企業副總經理林光遠則指出，據資料顯示，全球安防行業超高清(4百萬畫素以上)的市場到2018年增長為前期的五倍左右，主因在於智慧分析及高畫質的即時監控對於影像素材的要求更嚴格，希望能更清晰。而4K解析度是1080P的四倍，能夠看出更多的細節與物件特徵，清晰地呈現監控現場原貌，同時能快速實現對於車牌辨識、人臉辨識及行為偵測等的智慧分析應用。 葉沛青進一步說明，2019年從現有Full HD系統升級至4K的數量相信會更進一步的提高，因為如上所述，監控設備開始結合智慧辨識系統的分析，其所要求的影像都會相對提高，驅使企業用戶開始考量監視顯示器的畫質是否需要提升。比如說，4K攝影機能夠處理大場景的監控問題，只要架設1台4K攝影機，就可利用廣角特性涵蓋某個主要的轉運站，藉由細膩的解析度看清行人的面貌與更多圖像細節，像是服飾細節、車牌、人臉等，這些細節於安全監視的實際跟判定應用中極為重要。   因應此一趨勢，目前Sony的攝影機發展以著重於4K以及全天候監控攝影機為主，採用End to End 4K方案增加監控的效率性，當然，未來也會導入智慧分析功能。 至於在感測器方面，艾邁斯半導體(ams)台灣區總經理李定翰(圖2)則指出，監控應用愈來愈廣泛，像是人臉辨識、步態監控等；而為了使後端演算法分析更精確，並降低處理時間與功耗，感測器效能也須跟著提升。 圖2　艾邁斯半導體(ams)台灣區總經理李定翰指出，因應智慧監控，感測器效能也需提升，才能使演算法分析更精確。 李定翰說明，監控的目標眾多，並不只是人而已，還有器材設備、動物，或是快速移動的車輛等；另外，不論監控目標為何，最終都會遇到一個實際的物理現象，也就是在夜晚的時候要如何確保監控品質，鏡頭在晚上如何能拍的清晰，這些對於影像感測器而言，都是挑戰。為此，ams便於CMOS影像感測器中導入全局式快門(Global...

隨著資料中心應用對於高頻寬的需求逐漸上升，目前全球大型資料中心有線高速傳輸介面以100G Ethernet(100GbE)為主，並且正在朝向400GbE邁進。然而，10GbE與40GbE仍然將在中小型的資料中心應用之中占有一席之地，在未來，隨著5G通訊的發展逐漸蓬勃，更會帶動小型資料中心的需求上升；因此，10GbE與40GbE介面的重要性短期之內不會降低。 佑勝光電總經理張裕忠指出，許多研究單位皆提出數據指出，在超大規模資料中心應用之中，100G Ethernet是現今主流規格，然而這些數據往往沒有將中小型的資料中心歸納至其中。若是考慮進中小型資料中心的市場狀況，回顧2018年，10GbE的光收發器依然是最熱賣的產品。 在5G通訊發展的帶動之下，為因應未來的大量資料傳輸與儲存需求，未來基地台內也會需要搭載小型的資料中心。以目前大型資料中心介面主流為100GbE的情況下，中小型資料中心的需求只要40GbE即可滿足。 然而，張裕忠也提到，在未來，若是大型資料中心的傳輸介面升級至400GbE，中小型資料中心由於也必須與大型資料中心之間有所串接、配合，因此也勢必將朝向100GbE升級。然而，此刻光收發器中的雷射模組成本依然居高不下，將成為推動高速介面升級的首要挑戰。但是隨著技術與產能逐漸成熟，張裕忠預計，在兩年之內100GbE所需的光收發器中的雷射模組價格大約能與40GbE所需匹敵。  

整合式馬達驅動器結合了驅動馬達所需要的一切，如場效應電晶體(FETs)、閘極驅動器(Gate Drivers)和狀態機(State Machines)，如圖1所示。藉由整合可防止從電子控制單位(ECU)配置長線路至馬達，並具備更小的印刷電路板(PCB)尺寸和總體系統成本等額外優勢。 圖1　智慧整合式BLDC馬達驅動器 BLDC馬達在汽車應用中的優勢包括效率、緊密的體積、更長的馬達與電池壽命、更安靜的駕駛體驗以及更佳的電磁干擾(EMI)性能。 此篇智慧整合式馬達驅動器文章中，將描述BLDC馬達的不同性能要求以及半導體業者如何於整合式馬達驅動器實現「智慧化」。第一部分將詳細介紹用於汽車應用的BLDC系統中的EMI管理。 提高EMI性能　高頻雜訊有效降低 BLDC馬達在10~100kHz範圍內的高開關頻率下驅動。在此高頻率下，由於高dv/dt和寄生電感共存將會於開關節點上產生高頻振鈴，此振鈴可能會產生高頻雜訊而干擾汽車中其他零組件。 如圖2和圖3所示，調整外加電壓(Applied Voltage)上升斜率(Slew Rates)有助於減少振鈴所引起的干擾。在離散式系統中，調整閘極驅動電阻將會修正電壓上升斜率，必須手動更改電阻值，並根據測試結果選擇最佳值。手動更換電阻器的過程極其繁瑣且需要PCB多次反覆運算，進而增加總尺寸和複雜性。 圖2　DRV10983-Q1和BLDC馬達中，120V/μs上升斜率的EMI量測範例 圖3　DRV10983-Q1和BLDC馬達中，35V/μs上升斜率的EMI量測範例 針對像德州儀器(TI)旗下的DRV10983-Q1整合式驅動器，閘極電阻不可存取而且無法更改。不過，這並非是一件壞事，例如，DRV10983-Q1中整合了上升斜率控制，可以透過更改暫存器值，輕易地調整上升斜率，進一步加速EMI測試模組的整體運行。 提高EMI性能的其中一種方法是改變脈衝寬度調變(PWM)開關頻率。PWM開關頻率對振鈴有一定的影響。若是整合式驅動器，可透過配置暫存器來更改此PWM頻率；此外，另一種降低EMI的常用技術是使主時鐘有頻率的振動(Ditering)，藉由在頻譜上擴展振動來降低峰值頻率的振幅。 透過使用具有完全整合功能(如上升斜率控制、可變PWM開關頻率與振動)的馬達驅動，可減少外部濾波零組件的數量。如此不僅節省了系統成本、電路板空間，最重要的是，更節省了解決干擾來源所需的時間以及重新設計電路板的精力。 後文將討論啟動可靠度、初始位置偵測、反電壓突波(Anti Voltage Surge)、馬達在相反或相同方向旋轉時的重新同步、正弦波整流(Sinusoidal Commutation)以及其他使馬達驅動器智慧化的更多整合功能。  馬達啟動開迴路加速 前一部分討論了電磁干擾(EMI)管理以及使用整合式解決方案減少電磁輻射的各種方法。接下來，將探討在無感測器(Sensorless)模式下驅動BLDC馬達的馬達啟動技術。 以反電動勢(Back Electromotive Force, BEMF)為基礎而預估的進階無感測器演算法，需要最小的BEMF值來精確估計轉子位置，以便在180度正弦模式下驅動BLDC馬達。為取得最小的BEMF值，馬達最初透過開迴路(Open Loop)階段驅動，直到達到最小速度，再使用預估的BEMF在閉迴路(Closed Loop)中進行整流(Commutation)。馬達啟動分為兩個階段：第一階段時馬達處於靜止狀態；第二階段是指當在無BEMF資訊時它開始加速，如圖4所示。 圖4　BLDC馬達的啟動設定資訊。 在開迴路期間，馬達在無任何關於轉子位置資訊的情況下驅動。在此開迴路整流階段，也稱作盲整流(Blind Commutation)，非常重要，因為它與系統可靠性直接相關。若未正確配置盲整流，則馬達將啟動，失去同步並失速。 最重要的是，在開迴路狀態期間，驅動器可將馬達加速到足以進行精確的BEMF估計的速度。它也能夠在此開迴路狀態期間支援負載。在達到切換速度(Hand-off Speed)後，驅動器將會從開迴路切換到閉迴路狀態。該切換速度將依據馬達轉矩常數(Kt)而變化，亦即具有較高轉矩常數的馬達需要較低的切換速度，反之亦然(圖4)。 因此，驅動器應能夠提供可變速度曲線以支援開迴路加速，以及支援各種負載與可調式切換速度的可調式電流。對整合式驅動器而言，可透過配置電子式可抹除程式化唯讀記憶體(Electrically Erasable Programmable ROM, EEPROM)暫存器來實現盲啟動(Blind Startup)。 係數A1和A2定義為加速度，Op2ClsThr為切換速度，也稱為開迴路-閉迴路臨界值。請參考公式1：   　公式1 如公式1所示，二級加速度的其中一個優點是，它能夠驅動馬達並使其符合機械負載曲線(圖5)。它也同時支援緩衝啟動，這代表馬達將以較慢速度啟動，並隨著速度的增加逐漸提升加速度。此功能適用於慣性負載較高的馬達。 圖5　機械負載曲線示意圖 整合式驅動器不僅能夠使用盲整流啟動馬達，它還能透過緩衝開迴路加速的方式平穩地啟動馬達。這些功能有助於轉動各種負載的馬達。下一部分將探討啟動處於靜止位置馬達的不同技術。 從靜止位置啟動馬達 在啟動開迴路盲整流之前，驅動器必須與轉子位置同步，避免將電壓施加到錯誤的相位(激發錯誤的相位)。有兩種方法可獲得此位置，一是將馬達驅動到已知位置(稱為對齊(Align)和移動(Go))，如圖6所示；二是確定轉子位置(稱為初始位置偵測(Initial Position Detection, IPD))，如圖7所示。 圖6　馬達啟動期間的相電流及對齊 圖7　馬達啟動期間的相電流及初始位置偵測(IPD) 選擇此方法而非另一種方法的原因，主要取決於馬達類型和系統要求。調整和移動是用於啟動馬達的常用方法，其中在第一相上施加恆定電壓將馬達驅動到已知位置。第二相接地，而第三相可接地或維持高阻抗。在此狀態下，馬達應完全或幾乎靜止是必須考慮的重點，讓驅動器可啟動馬達旋轉而不會失去同步。若馬達並不處於靜狀態，驅動器則可能會失去轉子(Rotor)同步並失速。 設計者仍必須在調整狀態期間考慮為轉子提供足夠的電流，以便讓其從靜止位置移動。若電流過高會在對齊狀態下引起較大過衝(Overshoot)；電流過低則將無法取代轉子。 另外，設計者也必須在調整狀態期間配置兩個重要參數：調正時間(Align Time)和電流振幅(Current...

根據TrendForce記憶體儲存研究(DRAMeXchange)最新調查，2018年第四季DRAM合約價格較前一季大幅修正約10%後，2019年由於PC、伺服器與智慧型手機等終端產品需求疲軟，因此DRAM主要供應商紛紛放緩新增產能的腳步，以期減緩價格跌勢。 DRAMeXchange指出，與實際位元生產量最相關的指標為各供應商的資本支出計畫，而2019年DRAM產業用於生產的資本支出總金額約為180億美元，年減約10%，為近年來最保守的投資水位。 其中，兩家韓系廠商最先宣布將放緩2019年投資計畫。市占最大的三星半導體2019年DRAM投資總金額約在80億美元，主要用在先進製程(1Ynm)的持續轉進以及新產品的開發。投片計畫是三星近年來最保守的一次，目前決議終止平澤廠(Line18)擴產計畫，將使2019年位元成長達到歷年新低，約在20%水位。 市占第二名的SK海力士2019年DRAM投資金額也降低到約55億美元，主要用以持續轉進新製程與提升良率為主。但由於中國無錫新廠才剛落成，因此該廠全年仍有約30~40K產能提升，根據DRAMeXchange計算， SK海力士2019年位元成長約21%，稍微高過三星。 而市占第三的美光半導體，近日才宣布下修2019年資本支出至約30億美元，並且將2019年的生產位元成長目標由原先的近20%下修至15%水位，以期改善庫存持續升高的狀況。 至於需求端，2019年第一季受到連假以及淡季效應的影響，將會是最為疲弱的季度，而且目前也沒有跡象顯示第二季之後需求會有所改善。在中美貿易戰持續延燒的大前提下，市場仍充滿不確定性，基於上述供需預測，DRAM價格仍將逐季修正，2019年第一季價格下修幅度約為15%，第二季預期將收斂至10%以內，而下半年除非需求明顯改善，否則價格仍將維持約5%的季度下修。  

圖1　2014年內陸運輸運具分配比例 資料來源:歐盟統計局 隊列行駛(Platooning)意即兩輛以上卡車彼此緊跟行駛，能有效改善這些問題，兩輛卡車成一直線行駛可節省燃油並提升安全性，而逾兩輛卡車隊列行駛，則可獲得加乘效益。一輛卡車的燃料消耗中，與空氣阻力相抗的油耗高達25%；卡車間距越近，越能有效節省燃料。若隊列行駛系統上路，五輛卡車在高速公路隊列行駛，可減少10%碳排放。 歐洲卡車以隊列方式駕駛已行之有年，好處包括增進能源效率、行車安全、增進共事氛圍等。若卡車駕駛能藉助技術縮短彼此車距，對於碳排放、燃料用量、安全性以及運輸效率方面皆大有裨益。 V2X通訊提升車隊安全 藉由安全、互通的無線通訊網路，卡車以及其他車輛能持續彼此「對話」，於隊列行駛時共享安全性、移動能力和周遭環境資訊。聯網車輛可使用無線通訊「對話」，彼此知會交通號誌、道路施工區域、收費站、學區及其他道路基礎建設。此外，聯網車輛可在出現安全隱憂時警示駕駛。例如其他車輛車距過近或位於駕駛視線死角等，讓駕駛即時反應，避免危險發生。 隊列行駛系統比照自動駕駛車，採用高階自駕技術，能比人類更快做出反應。車對車(V2V)通訊技術搭載雷達、感測器資料以及驅動器，反應時間比人類快25倍，可讓駕駛更放心，在某些情況中可稍事休息讓車輛自行駕駛。然而，現階段的隊列行駛技術仍須駕駛保持警覺，隨時準備接手駕駛。變換車道、駛離快車道等動作需要各隊列卡車駕駛成員手動行駛，隊列行駛系統與基礎架構以及全體車輛進行通訊，提醒跟車駕駛在必要時掌控路況(圖2)。 圖2　在道路行駛的卡車隊列 車聯網提供更佳隊列行駛 為了讓卡車隊列能緊連行駛，經實證的技術需結合新技術，創造安全可靠的系統解決方案： 1.安全可靠且低延遲的V2V通訊不可或缺，協助駕駛在無法反應的極近距離內行駛。IEEE 802.11p短距無線通訊技術(DSRC)已證實可滿足此類要求。 2.雷達和全球導航衛星系統(GNSS)是判定車距並偵測其他車輛切車的必備技術。 3.攝影鏡頭技術為必備功能，用於準確校準及對齊隊列卡車。前導卡車可透過通訊技術，將前方路況傳輸給後方卡車。 4.感測器融合平台整合感測器(雷達、攝影鏡頭等)以及導航系統蒐集之資訊，將需執行的動作傳導至自駕技術。 5.車輛須安裝自駕技術，以啟用自動加速、減速、轉向等功能。 6.蜂巢式通訊有助於隊列行駛規畫服務，例如可集合各營運業者的卡車於特定高速公路隊列行駛。混合式車聯網(V2X)解決方案搭配V2V通訊可用於實作，為隊列行駛卡車、車隊營運業者和基礎架構提供連線能力，實現環保行車新浪潮。 7.合適的隊列行駛系統，是奠基於安全穩固的架構，以及硬體電子元件與軟體部署，才能滿足高功能安全性與安全標準。 卡車OEM業者有意最快在2022~2023年推出隊列行駛，為此半導體商紛紛推出具有完備的先進駕駛輔助系統(ADAS)及自動駕駛系列解決方案，亦提供合適技術並協同開發所需方案，積極推動隊列行駛的發展。 V2X技術發揮隊列行駛最大價值 例如恩智浦的RoadLINK V2X解決方案能為隊列行駛提供合適的核心通訊技術，採用IEEE 802.11p WiFi通訊標準，將無線連結的延遲率低至數毫秒，並整合了壅塞控制標準(DCC)，供高密度隊列行駛使用。RoadLINK採用安全元件，控制憑證並使用加密演算法進行驗證以及對稱、非對稱加密/解密。恩智浦預期，各品牌在歐盟Ensemble計畫提出隊列行駛計畫時，將採用上述功能，有鑑於此，該公司設計多種安全機制，將安全通訊期間的延遲率降至數毫秒，展現此解決方案符合隊列行駛效能。 舉例而言，道路測試時，隊列行駛卡車間的車距可縮短至7公尺(23英呎)，或是在0.3秒內以時速80公里(時速50英里)速度行駛。人類平均反應時間約1秒，而RoadLINK解決方案搭載完整電子設備系統原型(網路閘道、感測器融合、路徑規畫ECU、低階控制ECU等)，反應速度比人類快25倍，可實現短車距隊列行駛。 General Motors、Volkswagen、Toyota等各大車商皆採用IEEE 802.11p技術，遠勝3GPP組織指定的即將推出的5G LTE-V Rel 14行動網路技術。製造商和模組製造商須花費數年驗證LET-V，以供日後用於生產模型。 如前文所述，雷達和攝影鏡頭感測技術對隊列駕駛不可或缺，為此，半導體商發展SiGe製程技術，以及外型規格小巧、經濟效益極高的RF CMOS技術，聚焦中短距離的周遭景象，而RF CMOS技術尤其適用於偵測可能切換車道的車輛。如恩智浦的視覺處理器以支援OpenCV的開放平台為基礎，搭載專用硬體加速管線。 而感測器融合平台則整合各種感測器資訊(圖3)，用於執行區域模式、路徑規畫、動作控制。如恩智浦的BlueBox自動駕駛車開發平台可支援正常模式、安全模式和仲裁模式(恩智浦與DAF、TNO、Ricardo攜手投入EcoTwin III隊列卡車行駛)，此多功能開發及原型製作平台可直接交叉編譯。舉例來說，PC上以Simulink模型為基礎的設計支援百度Apollo自動駕駛平台，並包含經ASIL認證的處理器等異質運算處理器，讓客戶在投入產品開發前評估安全概念。且該公司的安全專家以及SafeAssure功能性安全計畫也支援前述技術。 圖3　安全感測器融合技術 現今技術可讓卡車隊列行駛兼具高效能與功能安全性，以功能安全性及安全設計為本，並融合802.11p V2V通訊技術--感測器(雷達、視覺、GPS)及感測器融合技術。 縮短卡車隊列間距並盡可能降低風阻，不僅可節省兩位數的燃料消耗，同時也減少等量的二氧化碳排放。歐盟出資的共伴計畫(Companion Project)顯示，若歐洲150萬輛卡車中，25%採隊列行駛(假定每輛車可節省5%燃料)，則每年可減少近10億公升燃料及大量二氧化碳排放。卡車間的距離越小，隊列行駛時就能節省越多能源。卡車駕駛穩定性提高並趨於同步，結合內建的先進輔助駕駛技術，交通安全和流量可望提升。 荷蘭基礎建設與環境部部長Melanie Schultz van Haegen於2016年「歐盟卡車隊列駕駛挑戰」落幕時表示，隊列行駛技術已做好上路準備，且將迎接移動能力的新時代。透過協力合作，將可享受智慧移動能力帶來的商機，因此也期盼歐盟可重視智慧移動、智慧運輸系統以及連網自駕等議題。恩智浦的自動化駕駛和V2X解決方案搭配BlueBox開發平台，提供主要建構模組，確保卡車隊列行駛安全無虞。 (本文作者皆任職於恩智浦半導體)  

不僅是旅遊評論訊息的可靠度遭受衝擊，在2016年的美國總統大選以及2018年台灣選舉，皆有許多造假網路聲量影響選民行為的討論。先前我曾著文提到，生成式對抗網路(Generative Adversarial Networks, GAN)的神經網路訓練技巧，將能夠生成難以分辨真偽的假圖片與假影片，甚至在網路上出現以深度學習製造出來的假成人片。 人工智慧的發展會為人類生活帶來許多便利，但是也將出現越來越多真假難辨的假資訊；我想這就是人工智慧在未來會帶來的樣貌。 AI假評論再進化 最近我更注意到一篇論文，是由北京大學孫栩老師和微軟亞洲研究院於AAAI 2019上發表。標題名為「LiveBot：Generating Live Video Comments Based on Visual and Textual Contexts」。 相信大家在觀賞網路影片時，常可以看到一種「彈幕」功能(圖1)。即為影片在播放時，允許觀眾的即時評論像子彈一樣或是用滾動的方式飛過螢幕。這些由觀眾所發表即時評論，內容可能包含了觀眾對於影片內容的意見，或是與其他評論的對話互動。而這篇論文的內容即為利用人工智慧，做到「自動即時評論」。 圖1　愛奇藝近期推出AI加持過後的彈幕功能，能避開影片中人物的臉龐。 在圖2中可以看到，上方的三個圖片是由餵貓咪影片中選定的三個定格畫面；下方則是表列出幾個選定的即時評論以及相對應的時間點。該篇論文以此方式建構了一個大型的數據集(Dataset)，其中包含了2,361部影片與895,929個即時評論。接著，論文發表者基於這些影片以及評論的上下文，並使用了兩個神經模型來生成更好的效果，最後生成一個可以針對影片內容自動發表即時評論的「LiveBot」。 圖2　近期北京大學老師發表了一篇論文，生成可以針對影片內容自動發表即時評論的「LiveBot」。 假評論再升級 回到最初提到的，無論是虛擬的真人影片，或是即時性極高的線上彈幕，在人工智慧科技的加持之下，要做出假的評論都是非常快速且容易的事情；而且我們都將很難分辨這些訊息的真偽。 如今，「真假難辨」恐怕已經是世界的真實樣貌，更不幸的是此一趨勢在未來只會越來越嚴重。除了必須要加審慎的看待各種資訊，並且培養獨立思考的能力，恐怕還沒有其他能夠避免假評論的辦法。