首頁Top區塊
- Advertisement -
劍指GaN市場 英飛凌CoolGaN新品來勢洶洶
氮化鎵(GaN)近年於電源應用領域大行其道,商機也因而快速成長。而為穩固電源晶片市占龍頭寶座,並搶攻GaN市場版圖,電源晶片供應商英飛凌(Infineon)也趁勢推出新一代GaN解決方案「CoolGaN 600 V增強型HEMT和EiceDRIVER驅動IC」,期能為伺服器、電信、無線充電或適配器(Adapters)等電源產品提供更高的電源效率與功率密度,並減少體積與設計成本。
根據市調機構Yole Développemen研究顯示,2016年氮化鎵(GaN)功率元件產業規模約為1,200萬美元,而到了2022年,該市場將成長到4.6億美元,年複合成長率高達79%。
對此,英飛凌電源及多元電子事業處資深產品行銷經理鄧巍表示,GaN市場成長十分強勢,其市場產值從千萬美元不停攀升,甚至十年後可能達到10億美元的產值;而主要驅動力來自於電源和汽車產業。
因應電源產業對GaN需求明顯增加,英飛凌也於近期宣布推出CoolGaN 600 V增強型HEMT和EiceDRIVER驅動IC。新款增強型HEMT採用可靠的常閉概念,實現快速開通和關斷,並可在開關式電源(SMPS)中達到高能源效率和高功率密度;且具更低的柵極電荷及反向導通狀態下的優異動態性能,進而大幅提高工作頻率。
鄧巍說明,GaN元件其中一項設計挑戰在於,如何將其從Normally ON設計成Normally OFF,以滿足安全考量。對此,英飛凌運用了獨特的常閉(normOFF)概念,採用P-GaN技術,把源極和漏極的電子層變薄,使其容易箝斷,因而能讓GaN元件實現Normally OFF的特性。
另一方面,為了使電源產品設計業者更能發揮GaN的特性,英飛凌也推出EiceDRIVER驅動IC,該系列產品專為CoolGaN量身定制,可提供負輸出電壓,以快速關斷GaN開關。在開關應處於關閉狀態的整個持續時間內,EiceDRIVER IC可以使閘極電壓穩定保持為零,以保護GaN開關不受雜訊影響導致誤導通;且可實現恒定的GaN HEMT開關轉換速率,幾乎不受工作迴圈或開關速度影響,確保運作穩健性和高效能,大幅縮短研發週期。
鄧巍指出,即便有了高效能的GaN元件,但沒有具備好的驅動IC的話,同樣無法體現GaN的優勢。也因此,EiceDRIVER驅動IC可說是專為確保CoolGaN開關實現強固且高效的運作所設計,協助電源產品設計商進行電路、死區和損耗控制等,以減少工程師研發工作量,加快產品上市時程。
5G手機2019年問世,2021年加速起飛
5G標準正式底定,未來將正式進入商業化時程,2019年包括電信營運商的5G商用服務與5G手機都是產業關注的亮點,工研院IEK研究指出,依據目前5G頻譜釋照現況,2019年首發5G智慧手機將以南韓與美國市場為主。而產業研究機構Strategy Analytics也預估,2019年5G智慧手機比重約0.2%,且因應多數國家5G商用時程在2020年,因此,預期5G智慧手機明顯成長將發生在2021年後。
目前市場上,超過90%的手機都是4G,3G手機以逐漸被市場淘汰,市占率不到10%,而5G手機也慢慢成長,2020年市占率達1.3%,2021年出貨量逐漸加速到5.7%,2022年將進一步往主流邁進,預計市占率達12.5%,同時4G手機市占率也將下滑到九成以下,約84.4%。
目前手機品牌在5G智慧手機布局方向分為(一)採模組配件加入5G功能,如Moto發表的Z3新機,可結合Moto Mods(內建高通X50 5G Modem晶片);(二)預期多數廠商將直接內建於手機。
邁向自駕世代 感測融合成汽車產業新習題
自動駕駛已成為科技產業勢不可擋的其中一項趨勢,各大汽車品牌及汽車電子元件供應商紛紛投入此一領域發展,其市場產值也持續上揚,根據研調機構BCG預測指出,2025年自動駕駛市場產值將達420億美元,而到了2035年自動駕駛車輛將占全球汽車銷量25%。
在市場發展如此蓬勃的情況下,自駕車技術逐漸成熟,搭載輔助駕駛功能的LV1及LV2車型已陸續上市,而車廠和汽車電子元件供應商仍然持續推動自駕車發展進程,致力在2019年開始,推出更多LV2甚至是LV3的車種。
LV1/LV2車款紛問世 車商開始朝L3全速邁進
瑞薩(Renesas)電子車用事業部市場行銷經理何吉哲(圖1)指出,目前市面上搭載先進駕駛輔助系統(ADAS)的車款,多處於LV1、LV2的階段,例如道路偏移警示系統(LDWS)、盲點偵測等功能是屬於LV1,而ACC自動巡航系統和自動煞車等應用則歸類於LV2。然而,在強化行車安全以及提升消費者體驗的驅動之下,車廠和一級供應商(Tier 1)一定會朝著越來越高的規格發展,也就是LV1會加速朝LV2升級,LV2的汽車則是想盡辦法升級到LV3,換言之,從2019年開始,LV2、LV3的車型將會逐漸增多。
圖1 瑞薩電子車用事業部市場行銷經理何吉哲指出,因應安全需求及提升消費者駕駛體驗,各大車廠皆致力發展LV3的車型。
NVIDIA業務協理蕭怡祺(圖2)則表示,自駕車發展已有一段時日,產業期待自駕車能從初期的研發轉為實際應用,因此紛紛朝LV2和LV3的車型進行量產規畫。同時自動駕駛的市場驅動因素仍有增無減,除了安全需求之外,例如東京奧運這類型國際性大型運動賽事,往往是車廠、汽車電子元件供應商展現實力的最佳場所,不論是日系、歐美或中國汽車品牌,都會希望在2020東京奧運上展現自駕車研發成果;因此,此一競爭態勢也成為加速自動駕駛發展的原因之一。
圖2 NVIDIA業務協理蕭怡祺表示,要實現自動駕駛,或達到LV3程度,不僅需要搭載大量高效能感測器,也須結合高運算平台及演算法。
誠如上述,在LV1、LV2車款相繼量產後,各大汽車品牌也動作頻頻,發展LV3的車型。像是Toyota在2016~2021年投入10億美元在TRI發展AI,與Preferred Networks合作高精度圖資,採用NVIDIA新處理器,與Azure雲端運算平台,採用Keymeta衛星天線用於解決大量數據的下載。
或是VW在自動駕駛方面則與LG、NVIDIA等合作,期能在2021年推出具有人工智慧的自動駕駛,在2025年實現自駕計程車隊,2025年以後LV5的車型可以實際進入應用;又或是雷諾計劃在2019年Cilio、Espace車款達成LV2,2021年達到LV3,2022年達到LV4。
ADI大中華區汽車電子市場經理崔正昊認為,從市場落地角度來看,自動駕駛會率先在共用租車、商用車、特種車輛等有限應用場景條件車輛上實現。這些高度重視性能、對成本不敏感的產業市場,將帶動自動駕駛整體市場快速發展,推動技術成熟、硬體成本降低,最後在乘用車市場得以廣泛應用。
另外,隨著自動駕駛設備在工業和智慧農業領域的廣泛應用,如礦場的自卸卡車、農田中的自動駕駛拖拉機及無人機自動澆灌等,社會公眾對自動駕駛技術的恐懼心會逐漸消散,並逐步認可新技術給行車帶來安全和便利、提升社會效率,不用太久,越來越多人將樂於接受並踴躍嘗試自動駕駛技術。
邁向自動駕駛 感測融合不可或缺
眾所皆知,要實現自動駕駛,感測元件如毫米波雷達(Millimeter Wave Radar)、光達(LiDAR)和影像感測器(Camera)等皆不可或缺。何吉哲指出,目前已出廠的新車,越來越多的車款開始搭載ADAS功能,ADAS普及率和滲透率可說逐漸提高。不過,這是單指新車的部分,但在已上路的舊型車種上,大多數的車子仍未具備ADAS功能。然而要達到全自動駕駛目標,除了新出產的車型開始搭載ADAS功能外,舊型車款也應該要增添感測器,從輔助駕駛開始做起,再慢慢轉變成全自動駕駛。
然而,要實現自動駕駛,並不只是安裝感測器後便得以實現,更重要的是如何將各式感測器所收集到的資訊加以匯集並進行判斷,也就是實現所謂的「感測融合(Sensor Fusion)」。感測融合的概念意指同時匯集多顆感測器(相同類型或不同類型)的資訊,進行整合並由中央處理器進行判讀和運算後,做出更快、更好、更安全的車輛控制指令。
蕭怡祺說明,要達到自動駕駛,並且提高自駕車的安全性,需要大量的感測器,且每個感測器的性能也要相當強大,也就是感測器要能明確判斷出偵測到的物體為何(例如一隻貓、一輛腳踏車),前端的處理須夠準確,接著再透過高效能的運算平台整合、分析感測器收集的大量資料;而要達到此一目標,不僅僅需要高運算能力的處理器,演算法也是另個不可或缺的關鍵利器。
因應此一需求,NVIDIA備有「NVIDIA DRIVE AGX Xavier」,該產品為專為自動化裝置設計的系統單晶片,提供30兆次運算(TOPS)的效能,但只消耗30瓦的電力,並整合了六個不同的處理器,以處理額外和多種不同的深度學習演算法,使自駕車產業得以大量生產,和立即進行測試。
此外,要使汽車達到LV3等級,或是更進一步的LV4、LV5,並不只是單靠一個具強運算效能的處理器就可達成,背後的演算法也是不可或缺。對此,NVIDIA也提供「NVIDIA DRIVE」應用軟體(包含NVIDIA AR、NVIDIA IX、NVIDIA AV等),以支援融合感應器和認知等重要的自動駕駛功能,且此一開放式解決方案還包含程式庫、工具組、框架、開放原始碼套件和編譯器,供車輛製造商和供應商開發自動化和自駕車應用程式。
同時,擬真模擬也是自駕車實際上路前的重要試驗步驟,因此NVIDIA透過DRIVE Constellation方案在車輛上路前,先測試與驗證自駕平台功能。此一產品可模擬相機、雷達和光達,然後輸入到根據實際上路情況處理資料的DRIVE AGX Pegasus,產生多種自駕車測試情境的數十億英里道路,在部署前驗證硬體迴圈和應用軟體迴圈模擬。
何吉哲透露,因應自動駕駛發展,汽車上搭載的感測器種類越來越多;而感測融合的重點,便在於如何將感測器所收集到的資訊,快速的判斷、分析後,進而下指令給汽車的安全控制系統,讓汽車加速、減速、前進、後退、轉彎或是煞車等。換言之,感測融合的最主要目的是串接「感測」與「安全功能」。
例如奧迪A8的360度主動安全偵測系統(Pre Sense 360O Safety System),當汽車時速達25km/h以上時,若側邊雷達偵測到有碰撞危險時,會在0.5秒內將撞擊面提高8公分,以車身底部結構較為安全的部位承受撞擊(而非車門),以減少乘客或駕駛的撞擊損傷。
因應感測融合所需的高效能運算,瑞薩也備有R-Car H3處理器。該產品提供認知運算能力及強化的運算效能,可即時正確處理來自汽車感測器的大量資訊,並可讓系統製造商執行需要複雜處理的應用程式,例如障礙物偵測、駕駛人狀態辨識、危險預測,以及危險迴避。為進一步提升駕駛安全支援系統的速度,該產品亦符合ISO 26262(ASIL-B)汽車功能安全。
賽靈思(Xilinx)汽車事業部資深總監Willard Tu(圖3)則表示,智慧汽車的發展十分活躍,而目前大部分車輛都採用「分散式運算系統」,但最終將轉化為「集中式運算系統」。每家OEM可能都有不同的感測器配置組(攝影機、雷達、光達及超音波等),一旦資料聚合起來,就能進行一定的預處理,在感測器將資料傳輸至中央控制單元中其他處理元素前,對其進行最佳化。
圖3 賽靈思汽車事業部資深總監Willard Tu透露,目前多數車輛皆採用「分散式運算系統」,但要實現自動駕駛,未來汽車勢將採用「集中式運算系統」。
Willard...
DLP技術結構光助力 3D掃描準確度再提升
3D掃描應用更勝2D
簡易的二維(2D)檢測系統已經問世多年,其應用技術通常是照亮物件並拍照,然後將拍攝的圖像與已知的「黃金」2D參考基準進行比較。3D掃描增加了結合體積訊息的功能。導入Z維數據可以測量物件的體積、平整度或粗糙度。對於印刷電路板(PCB)、錫膏(Solder Paste)、機械零件檢測等產業而言,測量上述增加的幾何結構特性是至關重要的,而這也是2D檢測系統所無法達到的。此外,3D掃描還可應用於醫療、牙科和助聽器等。
三次元量床(CMM)是最早用來收集3D訊息的工業解決方案之一。探針物理性地接觸物件表面,並結合每個點的位置數據來建構3D表面模型(圖1)。接著,光學方法的出現,如:結構光(圖2)。結構光是將一組圖案投射到物件上並用相機或感測器捕捉圖案失真的過程。接著,使用三角剖分演算法計算數據並輸出成3D點雲,而成為用於測量、檢測、偵測、建模或機器視覺系統中所需要計算的各種數據。光學3D掃描之所以會受到青睞,在於不須接觸被測物件,並且可以快速且即時地獲取數據。
圖1 三次元量床(CMM)探針示意
圖2 利用結構光進行光學3D掃描
DLP技術快速生成光圖像
對於光學3D掃描設備而言,DLP技術通常在系統中用作結構光的光源。DLP晶片是一種高反射的鋁微型鏡陣列,稱為數位微型反射鏡元件(DMD)。
當DMD與照明光源和光學元件相結合時,這一種微機電系統(MEMS)便可以為各種投影系統和空間光調變系統提供動力。
由於DMD是一種靈活、快速、且可高度編程的圖形產生器,設計人員經常將DLP技術用於結構光的應用。與具有固定圖形集的雷射掃描機或繞射光學元件(DOEs)不同,它可以將不同位深的多種圖形編程至一個DMD。採用DLP技術的結構光解決方案非常適合需要達到毫米甚至微米範圍的精密量測,應用也相當多元。
.3D AOI
3D自動光學檢測(AOI)是一種用於生產製造的強大技術,可提供有關零件品質即時、在線、決定性的測量數據。例如,3D量測就非常適合用於錫膏檢查(SPI),因為它會測量出在零件放置之前沉積的錫膏的實際體積,有助於防止劣質的焊點(圖3)。在PCB的生產製造中,也會在零件放置、回焊、最終檢查和返工(Rework)操作後進行線上3D AOI,大幅提高品質與可靠性。隨著3D檢測功能的日益普及,有幾個新興的工廠檢測點已開始採用3D AOI系統。
圖3 PCB 3D SPI示意圖
.醫療
3D掃描技術在醫療產業中的應用快速的成長。例如,牙科中使用口內掃描儀(IOS)直接採集光學印模(圖4)。在製作假體修復體時,如嵌體(Inlays)、高嵌體(Onlays)、蓋冠(Copings)、牙冠(Crowns),需要達到微米級的3D圖像精準度。IOS簡化牙醫的臨床操作程序,節省對石膏模型的需求並減輕患者的不適。
圖4 牙科口內掃描儀
另一個快速成長的應用是3D耳道掃描。光學成像系統能夠精確地採集耳朵的3D模型,而毋須再使用矽膠耳模。3D耳道掃描技術未來還可應用於為消費者訂製耳塞、助聽器、及保護聽力的設備。
.工業計量和檢測
許多不同的工業計量和檢測系統已經開始轉向採用3D光學掃描技術。光學3D表面檢測顯微鏡是離線CMM系統的一種替代方案。此類顯微鏡可以測量更多有關高度、粗糙度以及電腦輔助設計(CAD)數據比較的資訊。另外,生產機械加工、鑄模、沖壓製品的工廠也是光學檢測的另一大應用領域。
它們可以更輕鬆和準確地進行X、Y、Z三軸方向的量測,提高品質的保障。市場上也出現了結合內嵌3D視覺系統與機器人手臂的解決方案(圖5)。這些解決方案可大幅地提高汽車(圖6)和其他生產線工廠的速度和品質。在裝配和生產過程中的特定階段,增設3D檢測有助於及早發現品質問題,減少浪費和返工。3D掃描系統甚至可以在電腦數值控制(CNC)設備和3D印表機內運用,即時地對生產過程進行測量。
圖5 帶有3D掃描機的機器人手臂
圖6 3D結構光掃描在汽車檢測中的應用
.Prosumer 3D掃描機
Prosumer 3D掃描機是一可提供專業人士和業餘愛好者以3D數據格式採集實物完整細節特徵的攜帶式工具(圖7)。
圖7 桌面式Prosumer 3D掃描機
採集而來的數據可應用於產品設計、零件工程、3D內容開發或作為3D列印的輸入訊息。例如,線上零售商可以藉由對其產品進行3D掃描,於線上呈現真實、高品質的3D模型(而非2D圖片)。遊戲玩家也可以對自己進行3D掃描並在遊戲中創建自己的角色。
.3D生物辨識和身份驗證3D
3D掃描在生物辨識和身份驗證的應用不斷增加,通常用於安全鎖定或解鎖的裝置、安檢和金融交易。透過3D掃描技術採集的面部、指紋或虹膜特徵,可以使身份驗證更安全且可靠,可大幅減少駭客和其他攻擊的機率(圖8)。
圖8 透過3D掃描所繪製的指紋
整合DLP技術系統設計優勢多
無論是檢查PCB品質還是製作精密的牙科配件,使用DLP技術的結構光3D掃描設備都具備許多顯而易見的系統優勢。DMD微鏡具有微秒級的快速切換功能以及每秒超過1,000個圖案的8位元相移速率,藉由高速的數據捕捉速率實現對測量非常有幫助的即時3D掃描。高速DLP晶片還具有編程靈活性,可在運行中對圖案進行選擇和重新排列。這有助於確保將最佳圖像應用於特定的物件位置或視野內,同時可獲取最準確的3D訊息用於分析。圖像的持續時間及亮度可被控制,以確保物件反射的最佳光量,並使相機的動態範圍最大化。
DLP技術可與各種光源結合使用,且兼容紫外光(UV),可見光及近紅外光(NIR)波長(圖9)。這為基於目標物件的反射率所客製的3D掃瞄系統提供了額外的變通性。DLP晶片可與多種光源和相機相結合的靈活性,使得只須創建一個設備便可測量多個物件,這也使得汽車、工業和醫療產業在設計下一代3D掃描設備時,會優先選擇DLP晶片。在使用DLP技術設計解決方案時,系統整合商可透過靈活的圖像控制和新的結構光算法進行創新。
圖9 可見光及遠紅外光光譜示意圖
此外,開發商還可以最佳化光學架構,以符合檢驗掃描的關鍵解析度及照明要求。令人振奮的是,設計人員可以利用先進的可編程特性將3D掃描提升到新的水準,從而最佳化在光譜、空間及時間三個領域的性能。
DLP產品組合考量因素多
進階光學控制產品組合提供優於傳統顯示器的DMD和輔助控制器成像功能。值得一提的是,DMD晶片可支援波長範圍在363nm至2,500nm之間,二位元的圖形速率高達32kHz,並且可提供更精準的像素準確度控制。以下是進階光學控制的DLP晶片如何最佳化結構光系統的說明。
.DMD特性
1.解析度:在撰寫本文時,DMD的解析度就已達到了0.2至410萬像素(MP)。在需要較大掃描區域或光照度較強的環境中時,傾向於使用較大的1-MP、2-MP或4-MP DMD。例如,在汽車組裝或配向製程(Alignment Process)中的3D檢測,需要在明亮的工廠地板上進行大範圍的掃描。小於1-MP的DMD則傾向於放置在比較好攜帶及低功耗的小型攜帶式或桌面式設備中。
2.電源:最小的晶片組功耗低於 200mW,非常適合攜帶式或電池供電系統。例如,口內掃描儀就是充分利用小型DMD的外型及適用於電池供電的低功耗特性的優勢。
3.波長:使用者可以根據物件的反射特性在採用DLP技術的系統中調整顏色和照明強度。因為DMD可以與各種光源組合,包括發光二極體(LED)和雷射。DMD最佳化了針對紫外光(363~420nm),可見光(400~700nm)近紅外光(700~2,500nm)的使用。對於生物辨識3D掃描解決方案而言,近紅外光波長因其不可侵入性的特性而廣受青睞。紫外光有時候是最佳化金屬反射特性的最適選擇。對白光圖像而言,LED光學引擎是一合適的單色解決方案。
.控制器特性
1.預存模式:DLP控制器為可靠、高速的DMD控制提供了方便的介面。他們可支援預先儲存的結構光圖像,因而不須外部的影片處理器來傳輸圖像。
有一些DLP控制器可以使用一維(1D)編碼預先儲存1000多個結構光行列圖像(參見圖10)。1D圖像利用單一行及列,並在整個陣列中不斷重複該行及該列。Prosumer 3D掃描機產品通常使用1D圖像來幫助降低成本並提高掃描速度。更先進的控制器支援多達400個預存的2D全幀模式(圖11),根據應用或被掃描物件的需要,可以更適應於X和Y。
圖10 1D示意圖
圖11 2D示意圖
2.模式精準度和速度:DLP控制器是用來顯示用於機器視覺或數位曝光的圖案,並支援多變的高速圖案顯示速率,每秒高達32,000個圖案,並具有相機同步的功能。這些圖像速率對於高準確度和高速的3D掃描尤其重要。
從簡單到複雜的系統,DLP技術在設計客製化的結構光系統硬體時,可為客戶提供驚人的圖像靈活性。
對於擴展的3D光學量測應用市場而言,使用結構光的3D掃描是一理想技術。
當選擇3D掃描和機器視覺解決方案時,DLP技術絕對是一有力且首要的選項,因為它具有強大的多功能性,能夠以極高的速度定製圖案,並能夠與多個光源和波長配對。這種多功能性還可以推動客戶創新,將3D掃描系統功能推向新的高度。
(本文作者為德州儀器DLP產品工業經理人、DLP Pico產品行銷以及DLP產品工業業務發展經理)
IoT提升電源量測挑戰 低功耗/大電源皆為未來趨勢
隨著物聯網的發展,基礎儀器所涵蓋的電源量測功能已漸漸不能因應時下廠商的需求。其中,物聯網設備講求低功耗的特性,時常要求電源需長達10年以上;另外也由於車聯網的趨勢帶動,使得大電源的量測需求也在提升當中。
是德科技行銷處資深行銷專案經理郭丁豪表示,在以往,基礎儀器普遍是指電源供應器、示波器、訊號源頻譜分析儀這樣的量測儀器;然而隨著物聯網設備的發展,以往基礎儀器的量測效能已無法滿足新設備的要求。
在以往,電源相關的量測儀器多是屬於基礎儀器的範疇之內,然而由於物聯網設備多對於低功耗的要求更高,因此電源相關的量測儀器的應用範圍與功能都必須要再提升,才能符合物聯網設備的需求。
為了延長電池續航力,製造商必須分析物聯網裝置在運作、閒置、待機和休眠模式下的電流
消耗情況。裝置製造商還需重新建立各種運作條件,例如遠端軟體更新、極限覆蓋條件下的重複傳輸,以及裝置無法連接到伺服器等條件,以充分掌握每一種情境中,分別需要消耗多大電流。
郭丁豪進一步分享,以整體物聯網設備需求來看,除了低功耗的量測需求之外,由2018年開始也出現了許多客戶也提出了大電流的量測需求,該需求主要是來自車輛聯網設備。面對此超低功耗與大電流兩個物聯網設備未來的進展方向,是德科技亦推出相對應的解決方案。
為了克服功耗問題,是德科技依據系統或元件測試低電流分析需求,提供直流電源分析儀(N6705C)以及元件電流波型分析儀(CX3300系列)。另外,物聨網裝置電池壽命最佳化解決方案(X8712A)則能幫忙有效分析耗電狀況。另一方面,CX3300同時滿足低電流量測要求,且具高取樣率,涵蓋100pA到100A的寬廣量測範圍,並提供高達200MHz的頻寬。
落實AI產業價值 效率/體驗/自動化為三大關鍵
人工智慧(AI)為各式新興技術中一大明星技術,而如何將此一技術落實在各產業應用,推升產業發展,成了各領域企業接下來的發展重點。對此,Gartner認為,企業不該是為了「追隨潮流」而導入AI,而是要思考如何透過AI實現「增加效率」、「強化顧客體驗」、「透過自動化減少成本」三大目標,如此一來才能真正落實AI產業價值。
Gartner資深研究總監呂俊寬表示,根據Gartner的CIO調查顯示,全球各行各業的受訪CIO中,有14%表示已開始部署AI,23%計畫在未來一年之內會用AI,9%對AI沒興趣;而大部份的CIO都計劃在接下來的1~3年中開始使用。
然而,呂俊寬指出,AI雖對於企業而言有著高重要性,但目前也有許多企業對AI有錯誤的觀念,例如想透過AI顛覆世界,或是僅是追隨潮流。這些都非導入AI的最主要考量因素,如何提升增加效率、從資料中獲取洞察、增加用戶體驗,才是企業透過AI所該實現的目標。
例如,中國大陸最大的線上課程教育公司新東方,利用自然語言處理錄下學生聲音,觀察並記錄學生的發言次數、發音是否標準,並提供相關後台數據,讓老師了解學生真實學習狀況。同時藉由AI技術觀察每個學生的表情,以及學生上完課後的狀況,進行判斷與預測,為學生客製化不同的學習規劃。
或是業務/行銷部門應用AI最多的就是聊天機器人,只要打出關鍵字即出現正確的答案;或是以「常見問題(FAQ)」為基礎的機器人,註記客服常被問到的問題並提供同樣問題的回覆。另外,新一代聊天機器人則以語意為出發點,能結合語言學、美學、藝術學、統計學,了解各式各樣的問題、不同方言下的問法。
從上述兩個例子可看出,協助企業決策、虛擬助理和流程自動化等,是AI最常被使用在企業的三個部分。換言之,企業若想落地執行AI並贏得成功,關鍵是該思考如何透過AI增加效率、強化顧客體驗、達到流程自動化以減少成本,而非盲目跟隨潮流或想藉由AI顛覆世界。
MiniLED 2019~2023年CAGR高達90%
產業研究機構Yole Développement(Yole)近期發表MiniLED研究報告指出,MiniLED將逐步導入產業應用並開始加速,尤其是高階顯示器應用,預期2019年MiniLED將導入324萬產品,包括顯示器、電視與智慧型手機,同時以年複合成長率(CAGR)90%的速度,到2023年規模將成長至8070萬裝置,除了上述產品之外,車用螢幕將成為成長最快且最大的單一應用領域。
在智慧手機應用上,MiniLED主要競爭者是OLED面板,因為OLED的性價比已經使該技術在高階/旗艦領域占據了有利位置。隨著供應商數量和全球產能在未來五年內快速增加,成本將繼續下降,Yole認為,2019年MiniLED在智慧手機出貨量約180萬,2023年將成長至2410萬。
在顯示器應用部分,MiniLED可以在各種中小型高附加價值顯示器領域中使用,MiniLED可以在成本、對比度、高亮度與輕薄外形上,較OLED螢幕有更佳的表現。MiniLED螢幕在2019年出貨量約140萬台,預計2023年出貨量為1450萬台。
汽車應用可以說是MiniLED未來幾年的發展主力,Yole表示,MiniLED在2019年汽車領域的出貨量還不具體,但到2023年出貨量將高達3570萬,一舉成為四個應用最大的領域,成長爆發力相當驚人。
在電視方面,MiniLED可以幫助液晶顯示器彌補差距,並在高利潤的高階市場上重新搶占OLED電視的市場占有率。對於沒有投資OLED技術的面板和顯示器製造商而言,這個機會更具吸引力,預期MiniLED電視將從2019年的4萬台,成長至2023年的640萬台。
生產製程易卡關 MEMS麥克風挑戰大
人工智慧(AI)語音辨識發展起飛,進一步帶動MEMS麥克風的需求,然而在這波需求的背後,不僅是MEMS麥克風本身的規格需要提升,就連生產製程的良率要求,也成為廠商關注的焦點。
鑫創科技市場行銷部經理曾建統表示,AI語音發展趨勢規格目前呈現兩極化的發展,針對較於成熟的消費型應用產品(如手機、筆電與耳機),現有的MEMS麥克風性能皆已可滿足其應用需求,但另一方面,對於MEMS麥克風的靈敏度、收音與抗噪有更高要求的AI應用(如智慧音箱類型產品),則對MEMS麥克風技術規格要求更嚴苛。換言之,面對這兩種截然不同的應用,MEMS麥克風除了技術規格有提升的必要,同時也有在既有產品與技術規格下,提升產品良率的技術考量須同時並進。
曾建統談到,該公司看到許多語音應用產品,在生產過程中的不良率問題經常在MEMS麥克風元件的節點中被突顯出來。原因在於,相較於其他類型的感測元件,MEMS麥克風的元件特性更為脆弱,不適合用水洗或吹風的方式進行處理。不過在要求產品整體的輕薄短小與高性能的需求,開發商追求更高製程,而高製程的生產過程,對於MEMS麥克風本身的元件特性經常背道而馳。再者,受限於MEMS麥克風本身價格低廉的因素,生產者是否希望透過製程改進MEMS的良率問題,也是一個須考量的因素。
隨著消費型產品在輕、薄、短小的要求下,開發商需要透過製程的改善,進而滿足產品機構上的要求,也基於此,PCB板上的MEMS麥克風,經常成為容易出錯的問題點。舉例說明,水洗、噴發氣體與壓力變化都會對麥克風良率產生影響,然而有些新製程為了清除感測器上的雜質,採用水洗的製程做清洗的動作;此外,也有些製程於真空環境中生產,當生產完畢時,產品就會進入破真空的階段,過程中會產生一些壓力變化,進而影響麥克風的良率。
不僅如此,由於產品對於靜電放電(ESD)要求越來越嚴苛,因此系統產品在測試ESD過程中,需要拿靜電槍對各個接口發射靜電測試,而MEMS麥克風元件又經常擺放於開口處,也容易使得MEMS麥克風元件受到影響。
整體而言,曾建統分析,ESD的防護是系統層面的問題,需要透過客戶生產、製程上的協助予以克服。但從另外一個層面來看,上述提到的系統產品開發問題,單純從表面上看到的是MEMS麥克風造成良率的影響,但這背後某種程度也是MEMS麥克風廠商所面臨的一大瓶頸。
曾建統表示,目前台灣IC設計商尚未在MEMS麥克風市場中受到Tire 1開發廠關注或合作的主要原因在於,即便台灣MEMS麥克風廠商可以滿足開發商規格上的要求,但在生產良率的要求,比起一般國際大廠則較為不足,故如何協助開發商提升良率問題,將成為未來拿下AI語音龐大商機關鍵要素。
AI掀起高效運算熱潮 DSA/DSL後勢看好
有資訊科學界諾貝爾獎之稱的圖靈獎(Turing Award),在2018年3月宣布2017年度的得獎者,由David Patterson跟John Hennessey兩位研究計算機架構的大師級人物獲獎(圖1)。兩位學者合著的「計算機組織與設計--硬體/軟體介面」,出版至今已有25年,仍是資訊工程學界必讀的權威著作之一。
圖1 2017年度圖靈獎得主John Hennessey(右)與David Patterson(左)
兩位學者對計算機架構跟微處理器的演進產生非常深遠的影響,如精簡指令集(RISC)的概念就是由兩位學者所提出。因此,Patterson跟Hennessey早已注定名留青史,獲得圖靈獎肯定則可說是錦上添花,甚至有些令人意外。
傳統上,圖靈獎是一個非常偏向軟體的獎項,例如人工智慧(AI)研究、程式設計理論跟密碼學,就是圖靈獎的常勝軍,很少由跟硬體有直接關係的研究者獲得。因此,兩位學者在這個時間點獲得圖靈獎肯定,加上眾多新興運算架構如雨後春筍般出現,也象徵著硬體創新的價值,再度獲得各界肯定。
通用架構面臨效能/安全雙重考驗
在過去半個多世紀,製程微縮一直是半導體業者得以降低晶片製造成本、功耗、提升晶片效能最重要的原因,但如今製程微縮已經無法再像過去那樣,為晶片供應商帶來上述好處。先進製程的開發費用極為昂貴,而且對功耗跟效能的提升效果已不若過去明顯。即便電晶體尺寸在技術上還有進一步微縮的空間,對晶片商來說,到底值不值得,是個需要精打細算的問題。
Patterson與Hennessey在得到2017年度圖靈獎肯定之後,於2018年6月聯合發表過一篇公開演說,認為運算架構的發展將進入另一個黃金年代,領域專用架構與領域專殊語言將成為新顯學。
兩位學者表示,摩爾定律發展面臨瓶頸,已經是不爭的事實。不管是記憶體晶片的密度,或處理器晶片上整合的電晶體數量,都已經無法追上摩爾定律原本預期的目標。對處理器晶片製造商來說,靠電路微縮來換取晶片效能提升,已經是一條走不通的路,未來必然要從其他創新,特別是架構上的突破來著手。
然而,回顧處理器架構的發展史,通用架構跟通用語言在過去30年來,其實沒有突破性進展。過去30年間,沒有任何新的通用型複雜指令集(CISC)的指令集架構(ISA)被提出;通用型超長指令集(VLIW)的ISA則有過一次失敗的嘗試,即英特爾(Intel)跟惠普(HP)合推的Itanium 64。歸結通用型VLIW失敗的原因,主要是因為過於複雜,跟循序超純量(In-order Superscalar)不相上下,因此在執行複雜應用軟體時,沒辦法帶來太多實際效益。
不過,VLIW在嵌入式數位訊號處理器(DSP)是成功的,因為這個應用市場對VLIW的需求較為單純,分支問題相對簡單、快取很小或根本沒有快取、程式規模也小。某種程度上,嵌入式DSP其實是一個帶有領域專用色彩的處理器架構。它所要處理的問題範疇相對明確,不像通用型處理器跟通用型語言,要應付各式各樣的需求。
相較之下,精簡指令集(RISC)無疑是目前最成功的通用型運算架構,目前市面上幾乎所有通用型處理器,包含x86處理器在內(更精確來說,是x86指令集相容),本質上都是RISC。然而,RISC能為處理器帶來的效能成長空間,也已經接近極限,需要更多技術跟架構上的突破,才能進一步提高處理器的效能(圖2)。
圖2 過去40年處理器效能進展概況
除了現有運算架構的效能已經接近極限之外,現有運算架構還面臨另一個很大的難題--安全性。2018年初,Google Project Zero對外公布推測執行(Speculative Execution)漏洞,並有其他研究人員基於此漏洞,發展出熔毀(Meltdown)與幽靈(Spectre)兩大類攻擊手法。由於此漏洞普遍存在於現有的處理器架構上,因此英特爾(Intel)、超微(AMD)與安謀(Arm)均無一倖免,且很難用軟體予以解決。
Patterson與Hennessey指出,現有的CPU架構其實在介面上非常老舊,因此存在許多攻擊向量,英特爾CPU的管理引擎(Management Engine, ME)處理器就是其中之一。可以預期的是,未來還會有更多基於CPU架構漏洞而發展出來的攻擊手法,如果不從架構翻新著手,類似問題將層出不窮。
領域專用型架構/語言將是未來方向
通用型處理器架構跟語言未來的效能發展,顯然已經面臨困境。未來晶片業者如何推出效能更強的新產品,來滿足市場需求?兩位學者認為,領域專用型的處理器架構跟程式語言,將成為未來發展機會最大的方向。所謂領域專用型的架構跟語言,分別是指針對特定領域的需求屬性客製化的運算架構,以及配合該架構所使用的程式語言。
通用型架構所面臨的問題,前文已經有所論述。通用型程式語言的發展,主要面臨的問題在於過度強調程式開發者的開發效率,忽視了程式執行的效率。從當代腳本式語言的發展就可以看出,程式語言的發展是朝鼓勵設計重用(Re-use)、語法更自由的方向發展。這個方向有助於提高程式開發的效率,但對程式執行的效率卻沒有太大幫助。
因此,如果要追求更好的效能表現,處理器開發商跟軟體社群必須改變思維,針對其鎖定的應用發展出最佳化的架構。目前領域專用型架構跟領域專用型語言進展最快的應用領域,當屬機器學習、電腦繪圖跟可編程網路交換器、介面。這些應用各自孕育出神經網路處理器(NPU)、神經網路加速器、繪圖處理器(GPU)等對應的硬體架構,同時也發展出一套自己專用的程式框架或API。
更具體地說,Google的TPU與TensorFlow、GPU與OpenGL的搭配組合,就是領域專用架構跟領域專用語言的實際案例。TPU跟GPU各自有其適合處理的運算任務,在某幾種應用領域內,搭配專用的軟體語言,可提供極佳的運算效能;但如果離開其所擅長的應用領域,其整體效能表現就會大打折扣。
而這也意味著DSA跟DSL的發展必須相互依存,如果DSL的發展獨立於DSA之外,雖然可以有比較好的靈活度,但通常是以犧牲執行效能作為代價。TensorFlow就是獨立於TPU之外發展起來的DSL,因此在執行效率上還有可改善的空間。這也促使Google決定自行發展XLA編譯器,以提升TensorFlow執行效率。
大量新創公司擁抱領域專用概念
事實上,兩位學者所提出的方向,是科技業內許多廠商在過去幾年一直追求的目標,特別是半導體領域的新面孔,其領域專用的產品布局方向非常明顯,如自行開發TPU的Google,以及正在大力挖角各方好手,也想開發自有AI晶片的Facebook,以及中國的百度、阿里巴巴,都是朝領域專用處理器的方向進行布局。
除了網路大廠,半導體新創公司普遍也是以領域專用作為產品布局的主要策略,特別是中國的晶片設計公司,在人工智慧、機器學習的浪潮下,普遍以神經網路加速器作為創業題目或未來發展重點。
明導國際(Mentor)執行長Walden Rhines(圖3)就指出,半導體購併浪潮冷卻後,現在半導體領域的新創公司又開始大為活躍,並獲得創投基金大量挹注。根據明導彙整多家研究機構與自身研究團隊的數據指出,AI跟ML是2012~2018年期間,創投基金對半導體新創公司挹注金額最多的應用領域,總金額達到11.63億美元(圖4)。
圖3 明導國際執行長Walden Rhines認為,DSA將成為未來處理器發展不可忽視的主流。
圖4 2012~2018年全球創投基金對半導體新創公司投資金額概況
如果只看2018年,僅14家AI/ML新創公司從創投取得的資金,就高達7.86億美元。AI/ML成為爆紅創業題材的情況,由此可見一斑。這些AI/ML新創公司都是採用領域專用架構來開發晶片的企業,具體產品則是神經網路加速器或神經網路處理器。
軟硬體共同設計考驗老將新秀
大量新面孔帶著新的題目加入半導體產業行列,對產業發展是好事。但從現實面來看,創業成功的機率本來就不高,即便是選擇市場機會大的題目,輔以合乎產業發展潮流的產品策略來創業,失敗的風險也不低。以DSA跟DSL為例,要開發這種產品,設計團隊必須非常了解應用需求,DSL跟相關編譯器技術要有一定的掌握度。此外,硬體架構的設計原則跟實作等硬體開發的基本功,也是成功不可或缺的關鍵。
以此進一步分析,大型網路公司本身就是使用者,同時又是軟體起家,因此前兩項要素的掌握度較高,至於硬體開發相關環節,則較為欠缺,必須靠挖角或購併來建立硬體團隊。新創公司則通常是以硬體架構或編譯器作為核心能力,但實作跟應用需求的掌握度較低,必須盡快補足。
至於現有的晶片設計公司,在硬體設計方面具有優勢,但對於新興的DSL通常掌握度較低。如何招募到相關人才,強化對新興語言的支援性,或許是最大的考驗。
直言之,在DSA/DSL大行其道的未來,軟體跟硬體必須同步發展,相輔相成。純軟體或純硬體公司,恐怕都得因應此一趨勢的轉變,及早規劃轉型對策。
廣播擴展功能更強大 藍牙5成信標設計利器
有了這些新的功能,加上藍牙5的智慧手機上市,鼓勵著設計人員開發零售和室內定位的信標(Beacon)應用,這類應用在新版本的藍牙推出之前都未能實現。而且新一代具成本效益、超低功耗且功能強大的系統單晶片(SoC)、開發工具、應用範例及參考設計,協助設計人員更容易採用這個協定增強技術。
信標發展歷程
低功耗藍牙4.0、4.1及4.2版本所支援的基礎信標技術定義了一種簡單的服務,能有效地利用藍牙進行交換資訊的一面。由藍牙裝置發送定期廣播訊息(發現新資料訊息),該訊息會啟動配對請求,隨後進行資訊交換。相反的,信標的廣播訊息則會包含保留位址,該位址將該廣播訊息識別為不請求配對,隨後是可直接作用的固定長度短資料封包。在零售應用中,當消費者接近信標時,會自動接收短信標通訊,但是以往受限於單一廣播封包中的負載限制於31個位元組,因此在「非連線」廣播中可傳送的資訊量受到很大的限制。
然而,現在使用的藍牙5改善了這個問題,例如零售商以往只能對智慧手機發送出單一的網址,讓消費者必須連線才能取得更多訊息;但現在能利用廣播擴展功能支援的255位元組的封包來直接傳送關於特價或新商品等特定資訊。在其他方面,室內導覽現時大行其道,因為消費者不需要安裝特定的手機應用程式(App),也不用設定連線來接收這些特定位置的資訊。
藍牙5的廣播擴展性能還促進定位系統升級到更新層次(知道行動實體的位置,可實現人和資產追蹤,這是一種日益流行的應用)。使用「訊號強度特徵」(RSSI)方式,可估算信標到接收器的距離來進行定位。依照發射訊號強度及它隨著距離減小的速率,可進行簡單的估算,以取得接收器與信標的距離。在指定區域範圍內,可以比對信標的訊號強度,而地圖(有時候稱為特徵)則可利用智慧手機版應用程式取得。
舉例來說,北京升哲科技有限公司推出的「雲子」是一款符合Apple iBeacon規格的信標(圖1)。該信標包含多個感測器,包括用於跟蹤信標運動的加速器,以及光和溫度的感測器。該信標可用於觸發智慧手機接收接近通知,辨識出連線中的對象是否正在移動,並廣播發送周圍環境的光和溫度等資訊。而日本富士通推出了一系列符合Apple iBeacon及Google Eddystone規格的信標,所提供的三種型號均具備嵌入式加速器和溫度感測器以跟蹤信標的精確動作,並為使用者提供環境反饋。
圖1 來自北京升哲科技有限公司的「雲子」信標符合Apple iBeacon規範。該信標可以附加在任何位置或物體上,然後根據各方來的訊息廣播定位資訊。
藍牙5信標技術起步
市面上雖然有許多低功耗藍牙的系統單晶片產品可用於無線產品的實現,但是將當今複雜信標應用的特定要求列入考慮的話,適用的產品範圍就縮小了。這些要求包括以下:
1.能與藍牙5核心規範相容。
2.具備成熟且經驗證的RF協定軟體堆疊。
3.符合Apple iBeacon和Google Eddyston規範。
4.低功耗(可延長電池壽命)以最大限度減少維護工作,尤其於高節點數安裝的專案。
5.高鏈路預算(發射器的輸出功率及接收器的靈敏度(dBm)以確保適切的範圍和連線的穩健性。
6.可支援應用程式和協定堆疊執行無線下載更新(OTA)的快閃記憶體(通過定期的韌體版本修訂來延長產品使用壽命)。
7.適合緊湊型設計的小型尺寸。
8.嵌入式ARM微控制器以提供足夠的開銷(Overhead)來執行堆疊和應用。
9.高性價比。
10.成熟且易於使用的開發工具。
11.能提供良好RF性能的硬體參考設計。
12.需有良好的技術支援,包含討論熱烈的開發者論壇在內。
為此,藍牙晶片供應商開始研發低功耗藍牙SoC。以Nordic Semiconductor為例,該公司所推出的nRF52810 SoC,可與藍牙5標準晶片相容,具有64MHz、32位元ARM Cortex M4微控制器,還提供了100dBm鏈路預算、2.4GHz多協定無線電,而且在輸出功率0dBm下的Tx以及1Mbps傳輸速率下的Rx相應電流值僅為4.6mA,電池壽命長。
不過,雖說nRF52810 SoC已屬於完整的低功耗藍牙解決方案,但功能齊全的系統還需要搭配其他零組件,例如印刷電路板(PCB)、電源、用於調諧電路的被動元件、用於定時的天線和晶體。此外還需要技能和經驗來實現阻抗匹配和天線定位等重要要求。晶片製造商的參考設計可提供協助硬體設計,參考設計是為第一個原型獲得合理射頻性能,並為特定應用縮短更佳化硬體程序的好方法,因此,Nordic便提供相關應用(包括PCB布局和BoM)的參考設計。
對於沒有射頻硬體設計經驗的人而言,另一個方法是購買用於組裝和測試的開發套件(DK),大部分的晶片製造商都有提供這樣的產品。就這部分而言,Nordic提供的nRF52-DK可以和PC或Mac連接來進行開發,而且為使用nRF52810 SoC開發信標原型工作提供需要的所有硬體。
該開發套件經由連接器可以簡單接入這個SoC所有的I/O和介面,包括四個可由使用者編程設計的LED和按鈕。該開發套件另一個方便的特性是與Arduino Uno(修訂版三)標準相容,因此能搭配使用多家協力廠商們已商用化的擴展板,以增強功能。
藍牙5信標App建立挑戰多
雖然各個低功耗藍牙SoC供應商的開發方法均有所不同,但他們的軟體都基於工廠提供的藍牙5/低功耗藍牙RF協定堆疊。設計人員的任務是為信標編寫應用程式,當中存在著一些需要克服的挑戰,包括:
.信標非藍牙技術聯盟(SIG)認可的「規範」(表示經測試和驗證的應用軟體)。
.信標使用廣播頻道的方式和其他BLE應用不同(也就是不建立配對程序,而是直接向範圍內的設備廣播資訊)。
.信標的應用程式碼需要遵守Apple iBeacon和Google Eddystone規範,以確保與Apple及Android手機之間的互通性。
.若是沒有適當的維護,在信標的應用程式編譯期間,供應商的BLE協定堆疊可能會被破壞,從而延長了除錯過程。
而為了替設計人員消除大部份的複雜性,晶片商如Nordic使用獨特的軟體架構,將RF協定堆疊(稱為疊構/SoftDevice)與應用程式清楚分隔。這個架構可協助設計人員專注於應用程式碼的品質,因為設計者知道協定堆疊不會在設計過程中損壞;而在程式編譯期間,開發工具負責管理RF協定堆疊和應用程式及之間的鏈接,並為高效可靠的堆疊運行維持不可或缺的相互依存度。
此外,Nordic DK的低功耗藍牙SoC主機層在交貨時是空白的。所需的疊構可以從該公司網站下載,格式為預編譯的二進位檔案,並可使用nRF Connect移植到DK的SoC。nRF Connect是Nordic的一個跨平台工具,可以針對BLE進行測試和開發,並提供PC和行動裝置版本,設計人員可以使用BLE連接,分別從PC或智慧手機與原型通訊;而對於使用nRF52810 So設計的信標,可使用S112疊構,因為它是一個與藍牙5相容的協定堆疊,用於開發高性能BLE應用,僅占100kB快閃記憶體。
總結來說,藍牙4、藍牙4.1和藍牙4.2,再加上Apple和Google的信標規範,鼓勵了設計人員為機場、博物館和畫廊等公共場所提案零售用和定位的初期設計。但是在這些版本的核心規範中,廣播頻道有限的封包負載可能會妨礙創新。藍牙5技術的廣播擴展技術將信標使用領域推升到新層次,實現了以往無法實現的零售和室內導覽信標應用。
對於沒有經驗的人來說,要去利用這項協定增強技術似乎會感到不安,不過透過與BLE產品供應商合作,可以克服許多挑戰以實現信標技術,簡化了設計上的挑戰,使設計人員能夠加速藍牙5信標應用的設計過程。
藍牙5廣播擴展功能再提升
低功耗藍牙在頻帶寬度83MHz、2.4GHz的ISM頻譜分配中,於2MHz頻道間距裡容納了40個無線電射頻頻道。在當中,有3個頻道是用做廣播用途,分別為:37(2402MHz)、38(2426MHz)和39(2480MHz),而其餘37個頻道(0到36)通常在連接後用於傳輸資訊。設備使用廣播頻道在範圍內對任一個的「觀察者」設備廣播資訊,宣告它們的存在。而在觀察者設備「發現」廣播設備後,可以在沒有正式連接的情況下接收它所發送的資訊。
藍牙5技術可提供較長的資料封包和較低的無線傳送速度(如125kbit/s),但同時採用擴展範圍操作,如此一來可能導致3個廣播頻道變得擁擠。這可能是信標應用所面臨的主要挑戰,因為設備通常會使用這些廣播頻道向附近的智慧手機發送訊息。
藍牙規範提供了廣播擴展功能來克服這個難題。現在,廣播訊息開始以廣播封包的方式發送給一個或三個主要廣播頻道,多餘的廣播封包則會被卸載容納到正常的頻道上(就如同一個次要廣播頻道)。更好的一點是,廣播擴展功能允許多個訊息鏈結起來的廣播封包最大可延長到512位元組(圖2)。
圖2 在藍牙5面世之前,廣播封包僅限於該技術所允許的三個廣播頻道。頻繁使用將造成壅塞。有了廣播擴展功能,廣播資料封包可以卸載到正常的資料頻道上,作為次要廣播頻道。
而且,廣播擴展還帶來了稱之為定期廣播的功能。該功能包含了利用「非連結」(Connectionless)廣播方式,以固定時間間隔方式,同時送給多個已同步的設備。有了定期廣播,掃描設備將更為一致地「關注」廣播者,並且可更頻繁地更新訊息。和先前版本相比,藍牙5的廣播量高達八倍,因此非連結廣播方式獲得進一步的提升。連接設備可以利用這些增強功能來發送更多資訊,並可利用次要廣播頻道進行連接,分擔主要廣播頻道的負擔。
(本文作者為Nordic產品行銷經理)












