- Advertisement -
首頁 標籤 人工智慧

人工智慧

- Advertisment -

穩定產能/降低風險 5G巧扮工業4.0關鍵推手

智慧製造的核心主要在於連結與優化,前者連接生產過程感知層的人、事、物等資料,後者則是藉採集的所有資料,透過分析轉為資訊,提供相關單位進行不同決策,包含:製造現場的作業管理、業務規畫與運籌以及整體企業日常應用之管理等。 在5G助力之下,近程而言,可提供單一應用服務更高的規格表現,如即時監控的毫秒級反應;遠程而言,在5G的架構下,則更容易將過去分散的資料整合為單一整體系統。整體來看,預估2023年全球5G智慧製造的應用服務市場僅有2.52億美元;而隨著5G通訊技術成熟,帶動需求與供給上升,預期2026年全球5G智慧製造下的應用服務市場可達約420億美元。 根據5G特性及相關智慧製造應用需求觀察,結合智慧製造應用產值與成長率,資策會MIC認為設備監測、AR/VR、無人搬運車(AGV)/自主移動機器人(AMR)、數位分身、人工智慧、網路安全,將會在未來六年內的智慧製造場景中優先被實現。 5G進入工業製造場域 2019德國漢諾威自動化工業展、2019上海工業博覽會,相繼展出5G於數位分身的應用。中國移動電信與上海菸草機械公司合作,在2019工博會現場展示5G+數位分身,兩個螢幕中右側顯示一個工廠產線的監控畫面,左側則是3D建模後生成的虛擬模型,為透過技術「1:1」還原的產線模型。 動畫中所有內容,如設備艙門的開關和真實世界中都是同步的,任何工件發生故障,模擬的視角也都能看到細節。其中使用許多不同種類的感測器,能把設備的運作狀態等數據傳到數位平台上,進而監控生產過程。 德國工業巨頭博世(Bosch)提出建立5G工廠的願景,該工廠的生產環境(地板、牆壁和天花板除外)都是移動的。機台、設備和AGV將就生產需求藉5G傳輸移動,並透過基於邊緣和雲端的分析實現智慧化,進而使工廠能根據需求更改生產線。博世認為AGV移動採用無線是必然的,而5G通訊技術才是最佳選擇。 傳統以工業無線網路(工業Wi-Fi)控制AGV訊號,然而,AGV驅動控制訊號需要穩定傳輸,整個網路的傳輸延遲不得超過50毫秒;否則系統將判定AGV數據不健康,導致車輛運作效率低。但工業級Wi-Fi在覆蓋率、移動性、抗干擾、換手以及眾多AGV同時接入的表現並不理想,致整套AGV自動駕駛方案效能不如預期。 而5G可連接上萬至上億台設備,除了博世外,高通(Qualcomm)也表示AGV若結合機器人以每1m/s的速度移動1mm,則系統需每1毫秒計算一次。尤其當廠區內AGV/AMR數量龐大時,由於各自都相當接近,更需要精準移動。 此外,協作型機器人重複精準度多為0.1mm,AGV必須要有精準移動能力,才能搭配機器人進行生產活動,否則AMR僅能從事低階搬運動作(如半導體廠內AGV及協作型機器人僅能提供搬運工作),無法協助有效帶動整體產線升級。 為了解台灣產業對5G智慧製造需求的想法,本文針對台灣製造業者進行深度訪談,包含石化業、鋼鐵業、機械業、光學業、半導體業、汽車製造業、機車製造業、電子製造業、智慧製造系統整合商等(圖1)。 圖1 臺灣5G×智慧製造三大潛力應用 無人巡檢降低人為疏失 近幾年,無人機作為新興的巡檢工具,憑藉其機動靈活性、成本逐漸降低、不受地形限制等諸多優勢,已逐漸成為產業界日常巡檢。 在無人巡檢部分,特別是石化業者由於園區廣大,管線必須例行性巡檢,並且頻率通常為一天一次,面對數公里的管線,目前多以人力方式每日重複檢查,未來若結合5G與無人車技術,將可透過相機、紅外線、微波等感測方式,進行無人化巡檢,例如管線巡檢、電力巡檢等,除了減少人力負擔外,也可降低人為疏忽造成的意外。 尤其是石化產業特別重視安全,一旦意外發生,不只波及生命、財物損失,甚至是企業形象及衍生成本影響(股票下跌、徵才不易、社會觀感不佳、其他廠房停機受檢等)。 惟石化產業所採用之設備,須符合防爆規格要求,因此在設備本身的強化上都須更勝於其他產業設備。 AR/VR協助工業維修/教育訓練 普遍而言業者認同在製造場景中,為符合移動力與頻寬需求,AR/VR確實需要5G搭配,然而業者同時亦考量即便有需求,內容部分仍待開發,如教育訓練內容、維修操作程序等。 台灣系統整合商在全球占有重要地位,客戶遍及全球各地,其中有廠商考量面對客戶的合約中,常有限定時間內(幾小時或幾日)赴現場進行維修與障礙排除,目前對策是將維修廠商派駐於當地服務,或是派遣附近人員飛到當地。因此系統整合業者認為,如果透過AR/VR的應用,能快速協助客戶障礙排除,或是遠端即時了解障礙問題,將有助於維修保養效率,對客戶和業者都是雙贏。 相較於維修保養,教育訓練需求為其次,生產成本高的業者較有需求,原因是生產成本低者,業者傾向讓新進人員實地操練、訓練手感,或直接透過影片方式進行教育訓練。反之,面對生產成本高者,業者面對教育訓練造成的報廢成本承擔壓力較大,因此樂於採用教育訓練的方式代替現場訓練。 5G實時監測促進產能 在設備監測部分,無論是機台維護或是生產優化,由於涉及核心生產,因此一直是企業關注的課題。事實上設備監測應用已行之有年,只是多用於蒐集歷史數據再進行機台或生產情形的推估,進而實施應對措施。然而企業對於高價值的產品,如前述所提BLISKS的航空器零件,由於生產成本極高,所以期望能透過5G以實時監測的能力,倘若涉及大量連結生產設備,則看中5G低延遲、大連結的特性。 以更換刀具為例,產線實際上有現場人員根據經驗判斷,過早更換造成刀具的浪費墊高生產成本,而過晚更換則衍生不良品的機率提升,同樣為墊高生產成本。因此企業仍期待透過科學、數據的方式,提供現場人員機台維護、零件更新的資料作為決策依據,以降低停機風險,達成生產效能最佳化。 智慧製造連結人員、資料和資產間的流暢溝通,透過持續改善生產流程,穩定生產過程、降低生產成本、提高產品品質。製造資訊是以數據分析改善作業基礎,存取諸如溫度、濕度、壓力、轉速、震動等即時參數,有助建立並優化生產模型。對於工業物聯網來說,保持低延遲、同步尤其重要,5G在3GPP R16版本中,已具備TSN標準。隨著R16最終版本底定在即,R17標準逐漸具備制定方向,在乙太網路TSN風潮下,預期5G互通性將有助於其落實到工廠通訊技術中。 3GPP R16規範預計2020年初完成後,該版本支援更多URLLC應用,並增強URLLC對應IIoT的挑戰。供應端將逐步推出5G設備與5G解決方案,在設備與環境逐漸完備下,將有助於5G智慧製造整體發展。現階段主要是周邊環境尚未成熟,企業不易評估所需投入的資源,使其態度相對保守。業者應建構協助企業快速評估ROI的模式,以加速企業導入5G意願。 工廠營運首要是安全、可靠,當前智慧製造尚未有非5G不可的應用服務,因此大幅削弱5G對智慧製造的影響力道,因此未來5G將針對應用服務提供更高規格要求為主,如設備監測、人工智慧、數位分身。此外,對於生產環境具有高風險者,在工安意識抬頭當下,也是5G導入解決方案之機會,如AR/VR、即時安全警示、虛擬圍籬。  
0

安提國際新Jetson Nano載板助長智慧邊緣運算應用

隨著人工智慧的迅速發展,相關的AI應用已大量呈現在所有行業之中。藉此智慧遍地開花的結果,AI處理器已經站穩它在市場上的定位與不可或缺性。然而,為了滿足市場廣闊的需求,GPGPU和邊緣運算解決方案供應商安提國際(Aetina)提供多元化的人工智慧運算平台供相關應用開發人員選擇。 而在安提國際邊緣運算平台的亮點產品,是安提全新推出的Nvidia Jetson Nano載板AN110,將於2020嵌入式展覽(Embedded World 2020)展出。作為Jetson Nano模組的專用載板,AN110具有低功耗且強有力運算能力,加上其外形小巧的設計,堪足以成為當今AI應用上,有效於助長AIoT成熟、最適切的邊緣運算平台之一。 安提AN110載板是Nvidia Jetson Nano模組的專用載板,觸發模組所提供的472GFLOPS運算性能,只需耗費5W功耗(最大 10W),蘊含強大的人工智慧潛力。同時,作為Nvidia系列最小的智慧平台,安提的AN110只有87×67毫米,小巧的設計輕易適合於各種應用,適合部署於AI社群環境使用。此外,為符合當代邊緣設備的需求,安提AN110平台擁有豐富的I/O連接,分別為1x HDMI Type A、1x RJ-45 for GbE、2x USB3.2 Gen1 Type-A、5x GPIO和1x DC-in 12V。AN110 也支援1x 4K 或...
0

貿澤攜手NXP出版電子書探索AI潛能

貿澤電子(Mouser)日前宣布與恩智浦(NXP)合作出版最新的電子書,書中將探索人工智慧(AI)無窮的發展潛能以及幾款針對AI和機器學習(ML)解決方案的特定產品。在Imagine the Possibilities(讓想像力無盡延伸)這本電子書中,貿澤與NXP的專家針對包括語音控制、臉部辨識、自動駕駛和物體辨識等熱門且敏感的AI應用提供了深入的分析。 近來在AI和ML領域的發展,為技術、產品和產業帶來許多突破性的革新。隨著高效能處理能力從雲端移轉到邊緣,對頻寬的要求下降後,讓工業、汽車和物聯網 (IoT) 等應用有機會開發出全新的解決方案。貿澤與NXP所出版的最新電子書闡述了AI和ML目前的狀況,同時也強調產業未來的走向和解決方案。 Imagine the Possibilities這本書中也詳細介紹了一些產品,例如NXP的S32V2視覺處理器、Layerscape通訊處理器和i.MX 8M應用處理器。NXP的工程師與產品專家提供了如何將AI運用到各行各業的寶貴秘訣與資訊,另外也指出想要設計成功的解決方案所需要的步驟和元件。本電子書所收錄的文章還談到了內含推理引擎、神經網路編譯器和最佳化程式庫的NXP eIQ ML軟體開發環境,另外也談到Layerscape軟體開發套件(SDK),能夠提供多功能平台讓開發人員測試不同的AI/ML軟體組合。
0

排除邊緣案例缺陷 影像辨識精準度再上層樓

感知系統工程師以人工方式標示影片中的物件,再為自駕感知系統編程,做出正確回應的過程耗時又昂貴,因此以人工方式辨識和標示每個邊緣案例,並非合理做法。此時ANSYS SCADE Vision便能派上用場(圖1),其為一種以全像(HologrSam)為基礎的軟體工具,能迅速且有經濟效益辨別數百種潛在邊緣案例,以解決AI支援感知系統中既有的弱點,感知工程團隊可進而取得時間、成本及安全優勢。根據最早採用此創新科技的業者表示,該軟體工具偵測邊緣案例速度可達人工的30倍。 圖1 感知工程師透過SCADE Vision偵測案例,進行安全分析 感知系統扮演AI核心 以近期科技發展而言,很少有比自動駕駛車、飛機、無人機和機器人更能激發媒體與大眾想像的事物,因為這些自駕系統運用極端複雜又涉及高度工程專業的AI和機器學習,為生活帶來革命性的變化。 雖然自動駕駛車或機器人的每個零件都有重要功能,但其中感知系統最關鍵,系統必須正確看到、辨識及回應周遭環境的數百種元素,藉此複製人類視覺和認知。 當感知系統出錯時,便可能威脅生命,因此工程師在設計系統時,會將其編列成車道標示、紅綠燈和行人等常見物件,工程團隊再針對如何回應這些物件進行定義和編程,像是啟動剎車系統或將車輛轉向至道路中間。不過無論工程師再如何細心徹底研究真實世界路況,並定義常見物件,但必定會出現失誤,導致產生感知系統潛在弱點,例如乘坐嬰兒車的小嬰兒或使用輪椅的成人,感知系統可能難以辨識不尋常的大小及生理輪廓,霧氣或眩光等天氣和照明效應也可能混淆感知系統,將其詮釋為實體物件而非光學現象。此類事件因難以分類及解決,因此被稱為「邊緣案例」。 此類問題需增強以AI為基礎的感知系統能力,以便在遭遇邊緣案例時正確辨認和回應物件,對自動駕駛車和機器人的安全可靠作業而言至關重要。在人們未能成功解決邊緣案例前,皆無法確保自駕系統在關鍵狀況下的效能(圖2)。 圖2 SCADE Vision透過記錄駕駛經驗關鍵區域及確認邊緣案例,以便替AI感知系統編程,以辨識這些非典型物件和形狀 人工篩選成本所費不貲 以往感知系統開發者的作法是,讓軟體工程師觀看數百小時實際駕駛拍攝的影片,辨別及處理邊緣案例。 這些開發者會標示每個不尋常物件或邊緣案例,再替AI感知系統編程,確認實體物件並做出適當回應。人工除錯流程需大量投資,實際上要徹底觀看560小時的影片,可能需2,100小時,非常昂貴且耗時;不僅拉長自動駕駛車開發時間以致競爭劣勢,亦會大幅增加高額的自動駕駛車認證作業成本而侵蝕利潤,如有家大型車廠曾公開表示聘用1,500人觀看和標示實際駕駛影片,每月人工標示影片超過百萬個畫面。 考量自動駕駛車有如此龐大商機,如此時間和人工成本不符合商業效益,但只有當感知系統能通過大範圍操作設計領域(Operating Design Domains, ODDs)的測試和驗證,例如在多元化用路人、各種天候和照明狀況,及多種路況情境下,才可能推出全方位自駕產品。基於此因,可以印證自駕車市場的未來與成本效益及感知問題息息相關。 感知系統分析使效率最大化 為考量感知系統開發者實際需求,ANSYS回應上述挑戰並設計SCADE Vision解決方案。此方案能自動偵測系統弱點,將邊緣案例和認證感知系統成本最小化;透過檢視感測器影片資料,同時執行AI感測系統演算法,進一步擴大關鍵區域分析,其目的為複製部署系統時將碰到的多種狀況,在不需人工的情況下自動辨別及標示任何異常。 該方案引擎一旦分析視聽(Audio-visual, AV)資料庫,使用介面便會協助分析師,建議將感知軟體的可能缺失部分分類為觸發事件或根本原因,以此辨別系統弱點。 該解決方案會自動針對感知演算法開發和安全團隊生成報告,內容包括處理主要觸發事件的修正行動建議,以及缺失範例及相關影像,有助於組織分析結果,有利於與AV感知軟體開發團隊和虛擬回饋循環(Virtual Feedback Loop)內的其他相關人士溝通。至於使用該解決方案的效率,若以10輛車的車隊一天收集資料八小時、一周七天為例,合計560小時的影片,開發團隊利用自動化分析將人工分析所需的2100小時縮減至60小時,不僅將篩選時間加快30倍,也將人工成本減少約24.5萬美元。長久下來,這些優勢對開發和確認自駕汽車或飛機的速度可能產生關鍵性影響。 SCADE Vision會區隔駕駛數百小時捕捉到數百張畫面中的邊緣案例,再將影像編程納入以AI感知軟體,過程快速,緊接著自駕系統開始學習在遭遇邊緣案例時的回應方式(圖3)。 圖3 ANSYS SCADE Vision可以自動偵測和標示數百小時影片中值得關注的地方,不需人工介入 多效益克服辨識難題 現今軟體任務很少針對AI支援感知系統而開發,如自動駕駛車、飛機和機器人等複雜或具關鍵重要性的問題。 此外,過程消耗許多時間和資源,諸多企業皆在爭取率先推出前瞻性自駕產品上市。 此方案可提供以下附加效益,力助開發團隊克服重大障礙: .更安全/更精確感知: 軟體工具針對感知系統固有問題設計,使效能更一致可靠,若配合傳統影片捕捉和道路測試,可最大化系統安全信心。 .更快實現產品價值: 軟體工具除了改善感知系統效能品質,還能加速開發週期,相較於人工分析需數千小時,自動辨認邊緣案例的相關影片畫面只需數十小時。 .放大工程資源: 對稀有的工程資源而言,以人工檢視數十小時影片為低價值的操作方式。軟體工程師可將該程序自動化,將時間和注意力放在更有策略性的加值任務上。 .提升產品開發流程: 自駕載具系統認證是自動駕駛車、飛機商業化及上市主要挑戰之一。該軟體工具可排除多個小時的單調人工作業,替認證程序再充能,創造有意義的競爭優勢。 .大幅節省成本/改善利潤: 媒體多聚焦於自動駕駛車、飛機和機器人開發、測試和辨識的高額成本上。市場領導業者在爭取率先推出產品上市之際,已成為承擔高風險的賭徒。該方案可加速並自動化解決真實邊緣案例問題,排除數千小時的人工作業時間並大幅降低成本。 現今全球的注意力都聚焦於自駕產品的挑戰。全世界每家汽車、飛機和機器人產業的企業莫不急切盼望率先推出經過認證、失效安全(Fail-safe)的自駕產品系統上市。若要保障自動駕駛車、飛機和機器人在各種潛在運作環境下皆能提供安全可靠的效能,必須克服許多工程挑戰。 好消息是,眼下此解決方案能助企業減輕AI感知系統的基本工程問題。SCADE Vision可將辨別邊緣案例過程自動化並大幅加速,排除整體開發週期重大時間和金錢成本。 最早採用此類創新科技的業者指出,偵測邊緣案例的速度可達人工方式的30倍,帶給其先馳得點的重大優勢。 (本文由ANSYS提供)
0

新思科技正式成立新竹AI設計中心

響應政府推動AI(人工智慧)科技發展的政策,因應當前產業發展趨勢,新思科技(Synopsys)已在新竹交通大學博愛校區增建研發中心,現更進一步延伸全球研發能量成立「新竹AI設計中心」,引進AI晶片設計所需之核心技術,並歡迎具備相關本職學能之優秀人才,加入新思科技的研發團隊,為台灣推動AI科技發展盡一份心力。 新思科技全球副總裁暨台灣區總經理李明哲表示,新思科技致力協助台灣半導體技術的升級,與培育半導體設計軟體人才,而AI技術與應用的發展,不僅是當前政府推動科技產業的主軸之一,更已帶動半導體設計對於創新技術的需求,該公司將積極展開產官學研的合作,協助提升台灣在先進製程與AI技術上的研發能量,進而掌握相關的商機。 新思科技持續支持政府AI on Chip示範計畫的推動。2017年即參與科技部「半導體射月計畫」,與科技部所屬財團法人國家實驗研究院簽訂AI策略聯盟合作意向書,協助建構AI創新生態環境,帶動AI新興產業應用發展;2018年與國研院晶片中心及多所大學研發團隊簽署AI研發深耕計畫合作意向書,共同開發系統晶片與關鍵技術,以誘發學界對於AI晶片的研發能量。 新思科技也於去(2019)年三月間特別針對AIoT晶片設計技術,與台灣大學、清華大學、交通大學、中央大學以及成功大學等學校展開合作,提供各校晶片開發核心套件與人工智慧相關教材,協助這些大學成立AIoT設計實驗室,讓學生們接觸與吸收符合當前產業需求的先進技術。
0

AI應用紛起 推論晶片炙手可熱

近年人工智慧(Artificial Intelligence, Al)熱潮帶來演算法、軟體、硬體等新發展,為了加速AI運算,半導體產業也積極開發對應的晶片,雖然早前於2005年業界即提倡過往只用於遊戲的繪圖處理器(Graphic Processing Unit, GPU)能有更多運用,如視訊剪輯(影片編碼轉檔)、高效能運算(High-Performance Computing, HPC)等,期望從遊戲娛樂專用轉向廣泛性運算,稱為GPGPU(General-Purpose GPU),但直至近幾年方由NVIDIA的Tesla系列帶動AI加速晶片熱潮。 Tesla系列雖取得市場先機,但AI技術與市場逐漸演變出不同需求,一是依據布建位置的不同分成資料中心(Data Center, DC)、邊緣(Edge)兩類,前者位於集中且有密集設備的資訊機房內,後者則裝設在各種需求現場,例如視訊監控的攝影機、機箱閘道器及自駕車內等。 另一則是依據AI程式開發與運用兩階段區分,AI程式在開發過程中也稱為訓練學習(Training)階段,開發完成後用於辨識或預測則稱為推論(Inference,亦稱為推理、推算、推測)階段。 推論晶片成長潛力佳 因應上述需求,AI晶片也必須改變發展,由於資料中心有源源不絕的電力因而於AI晶片設計時以效能為優先,晶片與晶片加速卡可動輒數十、數百瓦功耗;邊緣則須在用電上有所節制,攝影機可能僅以網路線方式取得若干電力(Power over Ethernet, PoE),因此晶片多必須低於10瓦,甚至僅1瓦、2瓦,閘道器亦僅比攝影機寬裕些;自駕車則因有汽車電瓶支撐且需對外界變化快速反應運算,因此為數十瓦、上百瓦電能。 除因應布建環境對功耗設計要求外,AI晶片因訓練、推論兩階段的不同也須改變,訓練階段由於AI的特徵、演算法、權重參數等均未定,需多方嘗試與調整,所以需要較高精度、較高位元數的運算,如32位元浮點數;訓練完成後則有機會簡化,調整成較低位元數,或將浮點數轉成整數,如16位元浮點數或8位元整數等。 事實上AI演算法仍持續精進,過去訓練以32位元浮點數為主,也開始出現16位元、8位元的浮點數訓練,如IBM於2018年的研究發表,推論可降至8位元整數,甚至出現4位元整數、2位元整數(圖1)。 圖1 IBM研究顯示AI訓練、推論的精度需求均持續降低中。 雖然用於訓練的AI晶片也能用於AI推論,但以32位元浮點數為主的處理單元執行8位元整數,在電路面積與功耗等方面並不經濟,且多數認為未來AI推論的需求將遠大於AI訓練。一個AI應用程式在一年內僅會數次調整參數而重新訓練開發,但訓練完成後則是全年隨時在推論執行(如臉部辨識的門禁系統),因此經濟節能的推論運算成為晶片商新焦點,甚至其市場會大於訓練用AI晶片市場。再將資料中心、邊緣、訓練、推論四者交叉權衡考量,由於訓練必須耗用大量且長時間運算,幾乎只會在資料中心內進行;即便不在資訊機房,亦僅在研究單位的桌上型電腦系統上進行,依然屬於偏重度用電的後端系統,短期內訓練不易在邊緣端進行,除非演算法、軟體面有重大突破,或僅為簡易少量訓練,邊緣大致上為推論晶片市場。 至於資料中心,原有高位元、高精度的AI晶片將持續用於訓練,但將逐漸導入推論專用晶片以便提升資料中心的經濟效益,除非在所有推論晶片均已投入運算仍無法滿足需求時,方才調用訓練用AI晶片轉而投入推論運算,屬應急性調度。 在分析前後端、訓練推論的四種情境後,2019年1月麥肯錫(McKinsey)發表的專文對四個市場進行預測,認為後端推論市場將有最大成長潛能(圖2)。 圖2 McKinsey&Company對四類型AI硬體市場的預估。 機房AI訓練/推論晶片各有方案 機房AI推論晶片有可能為最大潛力市場,然而機房訓練與機房推論的分際為何,一是晶片商發表晶片時即明確定義市場取向,如英特爾(Intel)Nervana的NNP-T/NNP-I晶片,前者為機房訓練晶片,後者為機房推論晶片;又如Intel近期購併的以色列Habana Labs,其機房訓練晶片為GAUDI方案,機房推論晶片為GOYA HL-1000晶片。 或者百度(Baidu)的818-300為訓練晶片,818-100則為推論晶片;NVIDIA亦採訓練、推論分別推展策略,其T4/Tesla T4即為推論專用晶片,有別於Tesla V100訓練晶片。 不過也有業者只專注於機房訓練或機房推論,例如谷歌(Google)的Cloud TPU並未有推論專用版,仍為訓練、推論合一,Google僅在邊緣推展推論專用晶片,即Edge TPU;亞馬遜AWS(Amazon Web Services)只自主發展用於推論的Inferentia晶片,訓練仍屬意使用NVIDIA Tesla;高通(Qualcomm)Cloud AI...
0

布局5G手機市場 美光LPDDR5 DRAM開始量產

美光科技(Micron)日前宣布首批量產的LPDDR5 DRAM已正式出貨,並搭載於即將上市的小米Mi 10智慧型手機中。該公司提供的LPDDR5 DRAM擁有良好能耗效率以及更快的資料存取速度,能因應消費者對智慧型手機人工智慧(AI)和5G功能日益成長的需求。 美光推LPDDR5 DRAM加速布局5G智慧手機版圖。 美光行動事業部資深副總裁暨總經理Raj Talluri博士表示,美光搶先推首款用於智慧型手機中的LPDDR5 DRAM產品,將能加速實現5G與AI應用。該公司的顧客與合作夥伴需要最新製程技術的次世代記憶體解決方案,這項解決方案將能驅動低功耗與高效能支援5G與AI系統的發展。美光的LPDDR5 DRAM能夠因應這些需求,新品較前一代提升50%的資料存取速度以及提升超過20%的能源效率。 人工智慧廣泛運用在各式應用的趨勢使先進記憶體解決方案需求持續增加,這些解決方案能提供更快速且更有效率的資料存取方式。美光LPDDR5能提供手機處理器內建的AI引擎所需的傳輸速度與容量,這種處理器仰賴該公司新記憶體的高資料傳輸速率,以進一步驅動其機器學習的能力。同時該產品能夠因應各種包括汽車業、客戶端電腦、專為5G和AI應用打造的網路系統等市場對於更高記憶體效能與更低功耗日益成長的需求。相較於LPDDR4x記憶體,LPDDR5能減少超過20%的功耗。 美光本次推出的記憶體將會搭載於小米即將上市的新手機。 5G網路將於2020年起於大規模部署,本次推出的記憶體便是為了滿足5G網路的需求而設計,能讓5G智慧型手機以6.4Gbps的峰值速度處理資料,這對避免5G資料瓶頸來說極為重要。這項功能可解決其它新興技術需求,例如汽車應用需要有更高頻寬的記憶體子系統支援即時運算與資料處理。
0

2030十大科技消費趨勢 感知聯網翻轉數位感官體驗

愛立信(Ericssion)日前公布「2030年十大消費者趨勢」呈現消費者對未來科技趨勢的看法與預測,期望人類視覺、聽覺、味覺、嗅覺以及觸覺等感官互動的連接技術將對生活帶來助益,並且於現實生活實現嶄新感官體驗。 愛立信技術長姚旦表示感知聯網將改變未來人們的生活方式。 愛立信消費者行為暨工業研究室負責人Pernilla Jonsson表示,該公司討論目前智慧型手機網路連接沉浸式體驗的轉變,而這種體驗正源於感官實現連接。這份報告以AR眼鏡作為切入點,探索轉變對消費者來說意味著什麼。消費者預期人工智慧(AI)、虛擬實境(VR)、擴增實境(AR)、5G以及自動化技術實現的感知聯網會對人們的日常生活帶來巨大變化。 消費者預測的2030年十大熱門消費趨勢包含:意念觸發、聲如其人、隨心調味、數位氣息、實感觸覺、融合實境、去偽存真、後隱私時代消費者、聯網服務催化永續發展,以及全感知服務。而感知聯網的主要驅動因素包括沉浸式娛樂和線上購物、氣候危機以及盡可能降低氣候影響的相關需求。 59%的消費者認為,未來只要想像出目的地,就能透過VR眼鏡看到地圖路徑;67%的受訪消費者認為將能夠透過麥克風逼真模仿任何人的聲音,甚至可以騙過家人。至於44%的消費者預期,未來將有裝置能對食物進行數位強化,讓任何食物嘗起來都是最喜愛的味道;約60%的消費者希望能透過數位技術暢遊森林或鄉村,包括體驗這些地方的所有自然氣息。 同時超過60%的消費者希望按下智慧型手機的數位圖示及按鈕時,螢幕能同時傳達形狀及質感;70%的受訪者預期,至2030年時VR遊戲世界將與現實真假難辨。此外,「假新聞」可望被終結—半數受訪消費者表示,2030年提供全面事實審核的新聞報導服務功能將普及;半數受訪消費者認為自己屬於「後隱私時代消費者」,期望隱私問題能被解決。 另一方面,60%的受訪者認為感知聯網發展將更易催化環境永續性;45%的消費者預期未來將會出現新購物體驗,除了以往視覺,還能有運用聽覺、味覺、嗅覺、及觸覺甚至五種感官併用的數位購物商場。 該報告為愛立信消費者研究室在全球範圍內為期24年多的研究活動,主要參考2019年10月針對全球15個城市的進階網際網路用戶所進行的一次線上調查結果。
0

高通新Snapdragon三平台優化4G智慧手機體驗

高通(Qualcomm) 宣布推出三個全新行動平台,高通Snapdragon 720G、662和460,將在連接、電競和娛樂方面提供增強的用戶體驗。這些全新行動平台可實現4G快速連接速度,透過高通FastConnect 6系列子系統提供關鍵的Wi-Fi 6功能和具有先進音訊的內建藍牙5.1,支援雙頻(L1和L5)全球導航衛星系統(GNSS)以提高定位的準確和耐用度,並且為支援印度區域導航衛星系統(NavIC)的系統單晶片解決方案。這些全新平台還具有高通人工智慧引擎(Qualcomm AI Engine)與高通感測樞紐(Qualcomm Sensing Hub),旨在於攝影、語音助理和幾乎常時啟動的場景中增強情境意識,提供全新和改進的人工智慧用戶體驗。 高通副總裁暨印度區總裁Rajen Vagadia表示,雖然5G在全球各地迅速普及,該公司也意識到4G為印度消費者推動寬頻連接的功能是非比尋常的。4G仍將是高通技術公司在印度等地區專注的領域,並持續在這些地區做為連接的關鍵技術。該公司的目標是使合作夥伴能夠繼續推出提供消費者可以信賴的無縫連接和出色行動體驗的解決方案。 高通定位套件(Qualcomm Location Suite)實現首次在行動裝置上同時支援多達七個衛星星座,包括使用所有NavIC的衛星,以實現更精確的定位能力、更快的首次定位時間(TTFF)位置獲取,並提高定位資訊服務的穩定性。 高通技術公司產品管理副總裁Kedar Kondap表示,當今的智慧型手機用戶需要快速、無縫的連接、先進的功能和持久的電池續航力。這次4G產品線的擴展使該公司合作夥伴能夠提供滿足全球需求的精密解決方案,並在多個層級和價格帶中實現卓越的遊戲體驗。
0

專訪英特爾資料中心事業群副總裁Lisa Spelman 用完善生態系優化資料中心負載

英特爾資料中心事業群副總裁暨行銷總經理Lisa Spelman表示,目前有著三大技術趨勢不斷推動資料中心的發展,分別為雲端運算、5G/Edge擴展,以及人工智慧(AI)。首先是雲端運算,雖說此一技術是三種裡面最為成熟的,但由於新興應用愈來愈多,驅使雲架構的規模和效率須不停提升,並從本地擴展到邊緣。 而在5G/Edge部分,5G的革命性在於可謂每個使用這、行業帶來新的體驗,企業能透過5G創造新的商機。而與5G相結合,愈來愈多的運算、數據產生和服務應用的位置出現的轉移,也就是從雲端轉向邊緣,且發展力道十分強勁。最後,人工智慧則是在以數據為中心的應用中迅速傳播,並將塑造整個產業、人類生活的未來。AI的顛覆性創新已從數據中心轉移至邊緣,可說已遍及各式雲端、邊緣架構,衍生各式創新應用,預計在未來的兩年中,將會有近75%的應用程序整合AI。 簡而言之,這三大趨勢的出現,驅使資料中心的工作負載出現了全新的變化,有了新的應用意味著數據的產生、收集、運算需求也愈來愈高;也因此,優化工作負載成了關鍵任務,如此一來才能實現更高的性能、新功能和更高的服務品質。 Spelman指出,為此,多年來英特爾的硬體一直在追求更高效的分析和機器學習演算法。借助第一代Xeon可擴展處理器,可透其整合的Intel AVX 512引擎賦予CPU更大的AI實力,進一步為深度學習訓練和推論工作帶來顯著的性能提升。至於新發布的第二代Xeon可擴展處理器,內建可使推論加速的DL Boost技術,以進一步促進深度學習效率。 據悉,英特爾新推出的Xeon可擴展處理器代號為「Cooper Lake」,將在每個插槽支援高達56個處理器核心,並且在標準插槽式處理器內建AI訓練加速器,該處理器預計在2020上半年問市。 Cooper Lake高核心數處理器將會沿用原先內建於Intel Xeon Platinum 9200處理器系列的功能,帶來突破性的平台效能,這些功能已經被許多要求嚴格的高效能運算系統(High Performance Computing, HPC)客戶,包括HLRN、Advania以及4Paradigm等所採用。 值得一提的是,新款Intel Xeon可擴充處理器,與標準的Intel Xeon Platinum 8200處理器相比,提供兩倍的處理器核心數(最高56核心)、更高的記憶體頻寬、以及更高的人工智慧推論(Inference)與訓練效能。透過在Intel Deep Learning Boost(Intel DL Boost)中最新加入支援的bfloat16技術,Cooper Lake將提供內建高效能人工智慧訓練加速功能的x86處理器,該產品亦與即將推出的10奈米Ice Lake處理器擁有平台相容性。 除了提供高效能的晶片之外,Spelman也說明,要妥善的利用這些數據,降低工作負載,所需的不僅僅是高效的運算方法,也須從數據的移動、儲存著手強化。為此,該公司近期收購了Barefoot...
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -