- Advertisement -
首頁 標籤 AI

AI

- Advertisment -

實現全球互聯互通 海爾積極布局智慧家庭

資策會MIC產業分析師曾巧靈 2019年全年財報海爾智家營收創下新高,達到2,008億元人民幣,較去年同期成長9.1%。其中,國外地區營收達到933.2億元,較去年成長21.7%,占總體收入比重達46.78%。同期,海爾智家雲App月活躍用戶數成長350%,物聯網生態收入48億元人民幣,較2018年成長68%。2019年公司國內成套產品收入占比達27.5%,較2018年上升5.4%。 2020年海爾35週年年會上宣布,智慧家庭將成為海爾第六大發展策略,2020 CES海爾智慧家庭系統已嵌入40%海爾家電產品中,全球IoT用戶約達2,000萬戶,其中1,330萬為亞洲用戶、416萬美國用戶、140萬歐洲用戶、100萬澳洲用戶。2020年第一季,中國大陸因新冠肺炎疫情對國內家電消費市場產生衝擊,海爾智家營業收入431.4億元人民幣,亦較2019年同期下降11.1%,但隨市場整體銷售下滑,海爾在中國大陸市場及海外市場之市占不減反增 克服智慧家庭致命傷 海爾智家認為,目前智慧家庭市場有三大痛點,第一為智慧家電產品零碎,無整套解決方案;第二為不同產品間無法互通互聯;第三為市面上智慧家庭解決方案仍以控制為主,應用範圍有限。根據前述痛點,海爾規畫其智慧家庭產品發展的三大核心理念。 多數智慧家電產品單一分化,無法成套,消費者在市場上只能東拼西湊各種智慧單品,而相較於其他家電大廠,海爾智家已經從單純的白色家電銷售,逐漸轉型為用戶提供全屋智慧解決方案,2019年6月海爾於上海啟動「海爾智家」001號,也成為目前全國最大的智慧家庭體驗中心。 截至目前,在中國大陸市場,海爾智家已建立超過3,500家智慧家庭體驗中心銷售智慧成套家電;在歐洲、東南亞、美洲等地區,海爾智家也先後建立智慧家庭體驗中心。海爾以中高收入者為主要目標客群,提供新屋整修、全屋智慧家庭系統配置等全套解決方案。 智慧家庭已成為海爾重要發展策略市場 不同品牌產品間未必能互聯互通,無法形成統一的體驗,同時也未必與居家空間布線、設計裝修風格一致,與理想中的智慧家庭相去甚遠,因此,海爾積極透過U+智慧生活雲平台,以及參與國際標準組織制定相關互連標準,強化裝置間、品牌間的互通性。 現有智慧家庭解決方案仍以控制為主要訴求,而非主動判斷用戶使用習慣,透過智慧化為用戶創造服務價值,為此近年來,海爾分別透過獨立研發與策略聯盟的形式,大規模投資人工智慧應用於智慧家庭,期望智慧家庭體驗從「被動控制」升級成「主動回應需求」,智慧化也成為重要發展策略。 海爾發展至今,除旗下多樣化智慧家電外,已於2014年正式發表U+智慧生活戰略1.0,並建立具備開放、相容與互動的IoT智慧家庭平台「U+智慧生活雲平台(後簡稱U+平台)」,從電冰箱、洗衣機等白色家電產品,逐漸建立起全場景智慧家庭情境。 U+平台是中國大陸物聯網產業中,首個智慧家庭領域開放生態平台,目前也吸引中國大陸與國際諸多優秀合作夥伴,包括硬體製造商、生態服務商、技術合作夥伴、開發者社群等,並透過海爾旗下七大品牌聯合銷售,包括美國GE Appliance、紐西蘭Fisher & Paykel、卡薩帝、統帥、日本AQUA等品牌,將U+智慧生活雲平台擴散於全球。 至於U+平台的架構包括UHomeOS、U+互聯互通協定、U+用戶大數據、U+人工智慧、U+用戶互動、U+生態平台六大核心技術,整個平台涉及包括開放軟體開發套件(Software Development Kit, SDK)、應用程式介面(Application Programming Interface, API)標準,讓第三方品牌各產品接入,以及平台的開放,為合作者提供開發新應用、新服務的統一標準及資源。 2017年3月,海爾發表U+智慧生活3.0戰略,新增智家雲腦,更加強化U+平台智慧化、主動學習用戶偏好與生活習慣,並能主動為用戶調整生活場景中的各式終端參數設定,同時主動推薦用戶感興趣的資訊與服務,也成為後續海爾人工智慧的前身。2019年海爾公布數據顯示,U+平台註冊用戶已達4,100多萬,其中活躍用戶530萬,接入U+平台終端設備數量已超過1,600萬,其中活躍設備650萬。 前瞻科技結合軟硬體立足市場 U+平台與智家雲腦主要依存物聯網以及人工智慧兩大技術,其核心功能包含下列三項。 目前U+平台支援Wi-Fi、BLE、ZigBee、NB-IoT等,讓不同通訊技術的產品能夠快速的接入家庭網路,並連接到U+平台,配置綁定場景更便捷。海爾更於2017年6月聯合晶片商瑞昱推出U+物聯雲解決方案/U+雲芯晶片,打造硬體、軟體與服務一體化產業解決方案。 智慧家庭可結合AI及物聯網等技術,建構軟硬體及服務的解決方案 雲芯晶片的特性在於提供更低功耗的智慧家庭產品,對於全套整屋方案,雲芯晶片可以從底層提升連接的安全性,用戶採用內建雲芯晶片之產品,最快可以在10秒鐘內,快速配對聯網,同時做到全屋無縫互聯互通,並具備網路故障自診斷/自修復、自動恢復聯網。  
0

彈性多/難度低 協作機器人翻轉智慧製造氣象

各領域產業及消費市場對於科技的需求,皆是型塑科技新面貌的推手。以工業環境來說,機器人的出現有利於工廠將人力花費在更具難度的設備調度上。而隨著工業自動化逐步落地,以人工智慧(AI)驅動的協作機器人(Cobot)亦已出現在工業製造環境—其挾多項優勢的導入,將可望為工業生產模式及效益帶來革新。 Universal Robots通路開發經理盧彥亨表示,工業自動化發展至今面臨的主要瓶頸有兩項,其一為靈巧/複雜度,也就是說,雖然產品組裝現已高度自動化,但有些程序如備料(Kitting)環節仍需仰賴人力協助才能完成;另一困境則體現於視覺與非視覺性的回饋,意即工業裝配作業流程中仍需人力或是機器人根據視覺/觸覺等訊號,憑經驗或「感覺」加以調整動作的力道及角度如組裝來料位置判定便為一例。 Universal Robots通路開發經理盧彥亨表示,相較傳統機器人,協作機器人具有多項優勢,可助工業製造更有效率 審視現階段台灣工業流程,以汽車產業的焊裝及組裝產線與電子製造業,為工業手臂的最大應用市場,市占率占了60%。而根據2018年機器人協會統計,目前約有300萬台機器人,其中多安裝於金屬加工、電子業等產業,因投入門檻較低,因此企業較有意願導入;其餘的產業類別則大多還未開始使用機械手臂,原因在於傳統機器人及電腦視覺技術等局限。因此協作機器人的出現,可望化為推升工業自動化的即時雨。 盧彥亨認為相較傳統機器人,協作機器人具有多項優勢,從安裝/保養方式及占地面積來看,皆具有較多彈性,且其安裝難度及操作門檻也相對較低;還有很重要的關鍵是,傳統機器人實務上到不了的地方,協作機器人則可正負360度旋轉,降低操作死角。 他進一步補充,協作機器人導入的突破口在於傳統技藝,如金屬焊接等人力嚴重外流、就業人口出現斷層的產業,他以傳統工藝技能的傳承為例,老師傅們面臨技藝無法傳承的困境,且因其勞動力的衰退,接連導致產品品質的良率降低。因此他認為協作機器人的優勢是將老師傅的經驗轉換為程式語言呈現;同時,傳統機器人因需具備專業知識因此於操作上較不便,協作機器人則可以較簡單的方式操作,技術門檻相對較低。 不過,盧彥亨坦言,面對現階段企業不願導入協作機器人的原因,可歸納為成本考量,因為初期投入成本相對於傳統機器人較高,且傳統機器人的技術發展也處於成熟穩定的階段,即使是元老級的協作型機器人製造商也僅成立近20年。他表示,以協作型機器人於半導體製程的角色來看,由於初期架設成本較高,因此主要技術門檻將不會落於設備的連線與操作,而是追求系統層面最佳化的部分。
0

Maxim推神經網路加速器晶片 於電池供電設備實現IoT人工智慧

Maxim宣布推出帶有神經網路加速器的MAX78000低功耗微控制器,支援電池供電的嵌入式物聯網(IoT)設備在邊緣透過快速、低功耗人工智慧(AI)推理來制定複雜決策。與軟體方案相比,這種快速、低功耗的決策實施使得複雜的AI推理能耗降低到前期方案的百分之一以內,採用AI技術的電池供電系統可大幅延長其執行時間,有助於實現之前無法逾越的新一代電池供電AI應用。此外,MAX78000並沒有影響延遲指標和成本:其成本只是FPGA或GPU方案的零頭,而執行推理的速度比低功耗微控制器上實施的軟體方案快100倍。 AI技術使機器能夠以之前完全不可能的方式來觀察、聆聽和感知世界。過去,將AI推理布置到邊緣意謂著從感測器、相機和麥克風收集資料,然後將資料發送到雲端實現推理演算法,再將結果送回到邊緣。由於延遲和能耗較大,這種架構對於邊緣普及極具挑戰。作為替代方案,低功耗微控制器可用於實施簡單的神經網路運算,但延遲會受到影響,且只能在邊緣執行簡單任務。  透過整合專用的神經網路加速器,MAX78000克服了這些局限性,憑藉在本地以低功耗即時執行AI處理,使機器能夠看到和聽到複雜的型態。由於MAX78000執行推理的功耗不到微控制器軟體運行功耗的百分之一,大幅提高了機器視覺、語音和臉部識別等應用的工作效率。MAX78000的核心是專用硬體,其設計旨在最大程度地降低卷積神經網路(CNN)的能耗和延遲。該硬體運行時幾乎不需要任何微控制器的介入,意味著操作的流線化程度極高。能量和時間僅用於實施CNN的數學運算。為了將外部世界的採集資料高效輸入到CNN引擎,使用者可使用兩種整合微控制器核之一:低功耗ARM Cortex-M4 核心,或功耗更低的RISC-V核心。 有鑑於AI開發的挑戰性,Maxim Integrated提供了工具,實現平穩的評估和開發體驗。MAX78000EVKIT#包括音訊和相機輸入,開箱即用的展示平台支援大字表關鍵字檢索和臉部識別。完備的文件可協助工程師訓練MAX78000網路,且採用其日常使用的工具:TensorFlow或PyTorch。
0

Arm新NPU增添AI平台效能/應用性/效率

有鑑於增添 AI 功能的各式裝置愈來愈多,Arm日前宣布推出 Ethos 產品線的最新成員:ArmEthos-U65 微型 NPU(類神經網路處理器)。專注於 AI/機器學習(ML)處理、並提供全新效能點與能力的 Ethos-U65,保有 ArmEthos-U55 的功耗效率,並將其可應用性從 ArmCortex-M 延伸到 ArmCortex-A 與 ArmNeoverse 架構的系統,更達成兩倍的終端 ML 效能。 邊緣與終端裝置快速採用 AI 與 ML,不但帶動功能性的提升,同時也增加裝置與系統的需求。因此也意謂著供應商必須推出配備更高效能與終端 ML 能力的系統,同時維持或改善功耗效率。 Arm的...
0

專訪Arm儲存方案資深經理黃晏祥 Arm即時處理器布局運算型儲存

針對海量資料的產生,應用趨勢希望能在越接近數據生成的位置處越好,原因是安全性、延遲性與能源效率都能提升。運算型儲存(Computational Storage)已經崛起,成為數據儲存拼圖的關鍵之一,Arm宣布推出Cortex-R82,為第一個64位元、具備Linux作業系統能力的Cortex-R處理器,可加速企業與運算型儲存解決方案的發展與部署。 根據統計85%的硬碟控制器與固態硬碟控制器都是以Arm為基礎架構,讓處理更靠近數據,需要更高的效能。Arm儲存方案資深經理黃晏祥表示,依據作業負載的不同,Arm Cortex-R82與之前世代的Cortex-R8相比,最高可以提供兩倍的效能提升,能讓儲存應用以較低的延遲,運行如機器學習等作業負載,並可選用Arm Neon技術提供額外的加速。 Arm儲存方案資深經理黃晏祥表示,在儲存數據的位置直接進行處理,可為物聯網、機器學習與終端運算等應用,創造更多機會 儲存控制器傳統上運行裸機/RTOS作業負載以儲存及存取數據;不過,Cortex-R82選用的記憶體管理單元(MMU),可讓頻繁的作業系統在儲存控制器上直接運行。黃晏祥指出,在儲存數據的位置直接進行處理,可為物聯網、機器學習與終端運算等應用,創造更多機會。以數據庫加速加速為例,因為減少大型檔案的移動,安全性與隱私得以提升,數據可以有效率地轉檔或編碼以利串流進行影像處理,並且採用不同的位元率與解析度。 隨著儲存市場演化,合作夥伴最大的需求之一就是彈性。黃晏祥說明,Cortex-R82處理器支援最多八核的彈性架構,並可依據外部軟體需求,調整在儲存控制器上運行的作業負載類型。例如,停車場會固定使用視訊監控來辨識車牌資訊,以供後續收費使用。停車場白天會搜集車輛的車牌數據,用多核來進行密集儲存。到了晚上,這些核心會用來處理收費的數據,並依需求進行調整以執行數據分析與機器學習。由於儲存控制器為了應對不同的市場,且功能變得越來越多元,Cortex-R82的彈性架構,同時降低成本並縮短上市時間。
0

工研院資通所所長闕志克:為台灣資通訊產業鋪平道路

高科技可以說是台灣這幾十年最重要的產業,工研院多年來協助國內產業發展,提供技術服務、人才,面對產業挑戰接踵而來,工研院資通所所長闕志克針對半導體新興小晶片(Chiplet)產業模式、5G開放架構、人工智慧晶片、新興應用測試技術與設備等,希望可以協助國內高科技產業面對眼前與未來的挑戰,持續忠實扮演台灣資通訊產業最佳幫手的角色。 工研院資通所所長闕志克表示,工研院希望開發的技術不是針對單 一廠商,而是能夠協助一個產業、一群廠商,幫國內高科技產業面對眼前與未來的挑戰。 Chiplet模式降低IC設計廠產業競爭門檻 傳統上IC設計就是許多矽智財(SIP)的集合,但是隨著半導體製程不斷演進,先進製程成本越來越高,導致小型IC設計公司競爭門檻不斷提高,Chiplet設計就是讓IC設計公司只專注在自己專長的部分,包括設計與生產都透過最具競爭力的方式,其他IP過去需透過授權取得,未來就直接交易裸晶,再使用系統級封裝(System in Package, SiP)技術生產出完整晶片。 在這個模式底下,IC設計公司可以節省IP授權費用,直接購買裸晶或用交易的方式取得其他功能電路,在最終晶片出貨時才需支付費用;同時專注將自己專長的小晶片電路量產,可降低製造時間、成本;事實上,相關作法在大型IC設計公司已經行之有年,但發展適合小型IC設計公司的Chiplet產業鏈(ecosystem)與商業模式(Business Model)對台灣整體IC設計產業的發展更有幫助。 Chiplet的設計模式會對現有的商業模式帶來衝擊,以IP公司為例,過去授權費是主要收入來源,而在Chiplet模式下,不僅損失授權收入,還要負擔硬體的庫存。然而,現有的半導體先進製程,對中小型IC設計公司來說負擔太高,用不起先進製程在產品競爭力上就矮人一截,帶動Chiplet產業鏈發展越來越具體。另外,每個小晶片會用自己最佳化的製程生產,不再像過去強迫使用同質製程做成SoC,透過半導體異質封裝技術進行整合,也會讓晶片成本下降,適合中小型IC設計公司投入。 Chiplet是在每一個功能電路尋求最適合的製程,所以精神是在效能與成本中取得最佳化,可能因為某些功能電路採用較差的製程,而犧牲部分晶片的效能,因此更適合中小型IC設計公司,因為領導廠商的旗艦產品也希望在效能上取得領先,而中小型IC廠的產品通常都不屬於這個類別,反而是設計、製造的彈性,且能在某些電路上享受先進製程的效能。 建構5G開放架構底層技術 5G產業化的過程帶動開放架構的發展,過去大型電信設備商硬體、軟體、服務一條龍的銷售模式,帶來一些挑戰與質變的聲音,第一個階段是希望將硬體與軟體解構,硬體希望盡量標準化,可以降低成本。接取網路(Radio Access Network, RAN)又分成無線電單元(Radio Unit, RU)、中央單元(Centralized Unit, CU)、分布單元(Distributed Unit, DU)三個部分,標準化/開放的過程中,首先受惠的就是台灣的網通與伺服器廠商。 相較於2G、3G、4G時代,國內產業對技術規格、標準的掌握度不高,但5G標準就有很大的進展,台灣大概從2014年就投入5G標準的制定工作,而且切入最底層技術難度也較高的實體層(Physical Layer)與Layer 1協定技術開發,甚至貢獻了部分研發成果到國際標準制定組織,過去這些技術台灣的掌握度都很低,此舉有助於台灣廠商在5G O-RAN發展的過程中,建立良好的競爭基礎。 而應用與市場的發展,開放架構在企業專網會更有機會,由於一般公網要求更多功能包括:移動性、覆蓋率等,專網運作範圍相對較小,而且多數用途為智慧製造,所以並不要求移動性,網路功能要求較公網低,技術挑戰也小,而企業專網要求自主性與低成本,更有意願採用開放架構。 協助晶片廠導入AI技術 而未來AI應用無所不在,不管是哪個領域都會有AI的需要,現階段不是所有晶片公司都擁有AI技術團隊,因此工研院開發了一個AI解決方案,希望能對產業有所幫助;分成三個層面,第一是AI晶片架構分析工具,適合大型IC設計公司如瑞昱、聯發科,想要自己開發AI晶片;第二類是中型的IC設計公司就與工研院合作開發AI晶片,如神盾;如果廠商只想要一個通用型的AI引擎,也可以透過軟硬體參考設計輕鬆導入。 AI底層的硬體,如何協助AI模型更有效的運作非常重要,目前多數台灣廠商的需求,不是要開發一個純AI晶片,而是希望在各自原有的技術產品上加入AI功能,尤其工具與編譯器(Compiler)這部分台灣廠商的能力都相對不足。另外,針對影像處理,希望透過算法的設計,降低運算的負擔,以車輛辨識為例,沒有必要把每個影像都當作獨立的運算單位,這樣太浪費處理器資源,可以參考前一個處理結果,只處理變化的內容,有效降低運算需求。 建立高階測試能力與設備研發實力 展望未來幾年,資通所想要發展關鍵技術的測試能力,包括新興產業的測試方法與測試設備,如5G、Micro LED與電動車電池等,這兩年台灣5G技術的發展,算是有一些成果,未來5G系統運轉,對於系統的效能測試,可以藉由先前累積的技術協助產業。另外,台灣半導體產業實力毋庸置疑,但是台灣在IC測試設備還是仰賴國外的廠商,自製設備的市占率僅約2%,要能測試晶片,設備的技術等級通常要更高階,尤其測試設備的晶片,技術等級更高。這部分的市場量不大,但是技術門檻高,市場競爭對手少,產品毛利率也高,台灣未來應該朝向高質化領域發展。 Micro LED近期成為產業熱門話題,一小片螢幕就有上百萬顆LED,如何點亮?如何進行快速的瑕疵檢測?也是未來Micro LED產業化之後一個重要的議題。最後,越來越多電動車上路,裡面的電池淘汰之後,還有很多利用價值,如何回收測試利用也是非常重要的一環。台灣多年來在晶片測試領域表現領先,但是相關設備一直未能自給自足,有能力自行生產測試設備,對於更長久的產業競爭優勢非常重要。
0

艾睿電子邀集半導體廠灌溉技術創意開發

由臺大電機系學會舉辦,並由艾睿電子(Arrow Electronics)協辦的2020臺大電機創客松(MakeNTU)活動,10/11圓滿落幕,超過160位來自全台6所大專院校的學生組成的38支隊伍,經過兩天一夜努力與時間賽跑,激發出高度效率和成果。同時獲得亞德諾(Analog Devices, ADI)、ON Semiconductor、Nexperia和ROHM等半導體大廠支持贊助此一活動。 2020 MakeNYU活動在師生與贊助廠商的熱情參與下圓滿落幕 2020年MakeNTU活動,以InnOvaTion也就是IoT創新為主題方向,在10/10~10/11期間,以創客松的方式將創意變成產品,評審小組就原型實作、技術應用、創意發想、商業價值和實用性等指標給分,最終根據不同指標得分評選出各獎項得主。另外,協辦單位艾睿電子特別設置了企業獎,開放參賽隊伍報名競逐,主題為 ”IoT技術在生活或醫療的應用”,旨在鼓勵參賽隊伍運用IoT / AI相關技術能力,令設備更精準更智慧,並期望能達到量產化的需求。 為協助所有參賽同學充分掌握競賽的資源,主辦單位還特別在2/20、2/22舉辦了賽前的技術平台說明會workshop,由艾睿電子和協力廠商動員工程師對同學們進行培訓。而在活動之後,其中優秀的創意和成品,更有機會獲得艾睿電子提供技術指導,協助將創意商業化等後續事宜。 MakeNTU活動台大電機與艾睿電子,ADI等贊助廠商 MakeNTU活動是艾睿電子與臺大電機系「2P+2C」(People、Place、Competition、Community)計畫的一部分,合作內容包括提供職場實習機會與獎學金、贊助「創客空間」(Maker Space)所需儀器設備,以及針對有志創業的臺大電機系師生提供技術諮詢與新創社群資源等。其中MakeNTU是合作計畫的重點之一,MakeNTU由臺大電機系學生發起,經過多年發展,現已成為多校參與且極具代表性的大型設計競賽,艾睿電子作為協辦單位,充分發揮其位於國際電子生態關鍵角色的優勢,邀集了ADI、ON-Semi、Nexperia和ROHM等半導體大廠參與支援設備與人力贊助此一活動。 Analog Devices亞太區總經理趙傳禹表示,ADI此次參與Arrow大學計劃,包括台大電機創客松活動,透過與學術機構的合作,希望共同探索可以帶來新商機和具成長性的未來技術,培育從基礎研究到應用技術和產品的轉化,最終對解決人類社會所關注的議題帶來正面的力量。 艾睿電子銷售副總裁梁淑琴指出,艾睿電子與台大電機系的合作是典型的雙贏模式。不但能有效爭取人才、為年輕人提供機會和輔導,也能建立商業機會的橋樑;學生們則可以實際驗證所學、建立實務工作經驗、將創新變為實際產品,校方更可無縫接軌產業界最新趨勢。 最終獲得獎項的小組分別為: Best Application:頒給最具商業價值與發展潛力作品,得獎的隊伍是由台大機械工程系同學所組成的”歐真的歐”,主題是智慧口罩,以” 符合疫情時期的具體應用,可拉近人與人之間的距離”贏得此一獎項。 Best Maker:頒給最能展現充分的技術以及實作能力的作品,得獎的隊伍是由台大電機系同學所組成的”力力維”,主題是智慧防疫門,以”作品完成度高的免觸碰自動開門系統”贏得此一獎項。 Best Creativity:頒給能提出別具創意的想法來解決問題的作品,得獎的隊伍是由台大同學所組成的” 吃飽睡睡飽吃”,主題是直播小樹苗。 Best Solver:作品具有相當完整性,實際解決面臨的問題,得獎的隊伍是由台大電機系同學所組成的” MateNTR”,主題是智慧傘桶,結合GPS和晶片卡解決下雨天愛心傘的借還問題。 此外,獲得艾睿電子企業獎的則是由交通大學同學所組成的”我只是來蹭飯,隊名是什麼都沒差八”隊,主題是” 狗糧戰車”,以”外出的時候可以陪伴寵物及自動餵食解決方案”贏得此一獎項。艾睿電子企業獎的主題為 ”IoT技術在生活或醫療的應用”,旨在鼓勵參賽隊伍運用IoT / AI相關技術能力,令設備更精准更智慧,並期望能達到量產化的需求。
0

Arm同步優化硬體運算暨軟體部署

為因應第五波運算時代來臨,以及5G加速推動AI與物聯網的實現,Arm在日前首次舉辦的Arm DevSummit 2020線上會議陸續發表幾項硬體發展藍圖,以及全新升級的軟體開發環境,為全球廣大的開發者提供發揮創意、實現創新、掌握商機的平台。 Arm揭露未來預計推出的兩個行動裝置 CPU,代號分別為 Matterhorn 與 Makalu。在全面運算(Total Compute)的第一代 – Matterhorn 世代的 CPU 中,將導入名為記憶體標籤擴充(MTE)的全新安全功能,防堵記憶體次系統可能出現的安全漏洞。而 Makalu 世代的 CPU 與現行的 Cortex-A78 相比,效能最高可以提升30%。 開發者若要創造消費者所需更複雜的數位沉浸式體驗,App 就必須持續朝 64 位元轉移。64 位元指令集提供硬體的效能提升與運算能力,讓這些體驗更快速且反應更即時。除了硬體提升之外,移至 64...
0

新興應用前仆後繼 GDDR/HBM高效能記憶體潛力大

在今日的資料經濟中,每天有極大量的資訊產生、被儲存和處理。資料產出的深入洞察可創造驚人的價值,並更進一步提升效率。記憶體科技的創新正是讓資料洞察從無到有的關鍵。本文旨在探討今日與未來市場對於高效能記憶體的需求,使讀者了解現階段的市場挑戰,以及高效能記憶體對於各種資料密集與頻寬密集型的應用均不可或缺的原因。 高效能記憶體市場趨勢/流變 AI、機器學習、深度學習、無人自駕車、高效能運算、虛擬實境、擴增實境等應用,使下一代遊戲不只是熱門詞彙。 這些應用的使用量大幅成長,皆需用到非常大量的資料—這些資料不僅量大,還必須被快速和重複分析,而占用極大的系統頻寬(圖1)。筆者相信,2020年是決定下一代高效能記憶體技術發展的關鍵年。 圖1 各領域針對資料使用量不斷上升 打造高效能記憶體系統 雖然專用於繪圖卡快速渲染之同步動態(Synchronous Dynamic)繪圖用雙倍資料傳輸率(Graphics Double Data Rate, GDDR)記憶體技術已發展多年,但本文僅探討2008年GDDR5出現後的進展。當年,市場需要以已知的設計方法和原料,以及可負擔的封裝方式,來提高記憶體的資料傳輸速率。GDDR5從512Mb開始、成長到8Gb的密度,最後達到每引腳8Gbps的最高資料傳輸效能。若要計算系統頻寬的話,以典型的繪圖卡配置(8顆元件、32位元介面)而言,每引腳傳輸速率8Gbps的GDDR5可提供8GB的訊框緩衝(Frame Buffer)與256GBps的系統頻寬。市場雖一度可以接受這樣的效能,但不久後便追求進一步提高頻寬。 2015年美光(Micron)與NVIDIA合作,在GDDR5X中導入JEDEC的創新標準,將每引腳最高的資料傳輸率增至12Gbps。之後的兩年期間,GDDR5X稱霸高階繪圖卡市場。例如NVIDIA Titan X(32位元介面、12顆元件、每引腳資料傳輸率11.4Gbps)的系統頻寬便達到547GBps。 或許,GDDR5X最重要的成果是,它奠定了GDDR6的框架。GDDR6於2018年秋季問世後,效能立刻在市場上顯現。當NVIDIA於2018年、AMD於2019年推出8Gb GDDR6時,美光為兩家公司的產品發布夥伴,滿足市場對高效能的需求。GDDR6現仍在產品預期生命週期的相對早期階段,目前,每引腳最大資料傳輸率為16Gbps。使用GDDR6的系統最高頻寬預計可達768GBps(32位元介面、12個元件、16Gbps的每引腳資料傳輸速率)。GDDR6不只是高效能的解決方案,也是適用於多種不同應用的成本優化方案(表1)。 講到高效能記憶體,就不免提到高頻寬記憶體(HBM)。HBM不但與運算元件緊密整合,還能同時降低功耗和拉高頻寬,填補記憶體方案的缺口。HBM透過堆疊記憶體元件提高密度,並以較低時脈達成較高的I/O數,進而提供高頻寬,並具備較低功耗。HBM是一種強大的高效能記憶體,但由於產品本身的複雜性,也是成本相對較高的方案,因此HBM鎖定需較高頻寬,且成本敏感度較低的應用(圖2)。 圖2 高頻寬記憶體運用堆疊的記憶體元件,達成高密度與高I/O數 GDDR與HBM是高效能記憶體市場中的關鍵產品,接著探討主要的市場趨勢。 新市場趨勢與應用層出不窮 在列舉高效能記憶體的應用時,遊戲(Gaming)通常是最先浮現腦海的應用。雖然遊戲的重要性不容小覷,但有些新興的市場趨勢與應用也讓繪圖產業的需求水漲船高(圖3)。 圖3 新興的市場趨勢與應用也讓繪圖產業的需求水漲船高 人工智慧/機器學習與GPU 繪圖處理器(GPU)過去多半僅用於遊戲領域。但是,隨著AI在各產業區塊的爆炸性發展,GPU已是創造價值和效率的利器。GPU普遍都需要高效能的記憶體。機器學習與深度學習訓練所用的演算法需執行複雜的數學及統計運算,而GPU已被證明可較CPU更快解決這些繁雜的計算。在討論AI時,必須區別推論(Inference)和訓練(Training)兩種不同的需求。AI訓練是運算非常密集的工作,系統頻寬越高越好。AI推論則較常見,對頻寬的要求低於AI訓練。訓練與推論都是未來不可或缺的一部分。兩者合併運用下,可創造出高品質的神經網路。GPU及其尖端記憶體正被應用於AI、機器學習和深度學習上,讓這些應用以人類所不及的準確度,解決更多真實世界的難題。 高解析度影片 下一個驅動高效能記憶體成長的是4K/8K內容。高階遊戲不斷推動繪圖技術在高解析度與回應速度上的創新突破(零延遲/零緩衝)。今日許多頂級的遊戲設備均搭載4K解析度,未來更將達到8K或更高解析度。專業的遊戲玩家常同時使用多台顯示器,其中不乏4K+的螢幕(因為工作負載高,對於繪圖卡與大訊框緩衝區的需求也會增加)。 由於影像解析度增加,視訊渲染未來仍需大訊框緩衝區與高頻寬。隨著媒體內容與遊戲的串流應用在全球日益普及,資料中心的資料處理能力也需日漸提升。 遊戲創新 雲端遊戲的運作仰仗資料中心。那些資料中心內的伺服器多搭載GPU,以優化效率。Google Stadia、NVIDIA GeForceNow、PlayStation Now與Microsoft Project xCloud都是近期出爐的一些新型雲端遊戲平台。雲端遊戲預計將快速成長,並持續推動創新。光線追蹤(Ray Tracing)是視覺繪圖領域中夢寐以求的技術。從光源追蹤光線及設計出逼真照明環境的能力,一直是繪圖產業在過去20多年間努力的目標。在NVIDIA和AMD最新的繪圖卡產品,以及即將上市的PlayStation 5與Xbox Series X遊戲機上,這種渲染技術終於落地。 PC遊戲正驅策遊戲市場中頂級規格的發展。由於PC可每年或更頻繁地更新硬體,專業玩家普遍偏愛PC遊戲。PC遊戲持續帶動繪圖功能強化(4K/8K、光線追蹤與可變速率著色),以及對於最高回應時間(最低緩衝/延遲時間)的需求。如上面關於高解析度影像的討論,專業遊戲玩家有時會同時使用多台最高規格的顯示器;在這樣的配置下,玩家需不斷更新系統,才能保持競爭力。 為了達到最佳效能,玩家傾向選用內建不只一張繪圖卡、而是搭載多張平行運作繪圖卡的遊戲設備。 AR/VR 無論在PC遊戲或主機遊戲的世界裡,虛擬實境(VR)都已是許多不同遊戲的熱門選項。從早期較簡單的型態開始,VR繪圖技術和功能現正突飛猛進,並滲透至諸多新領域中。隨著品質精進,遊戲將繼續以健康的速度成長,但更亮眼的成長將來自一些令人振奮的新領域。 在醫療產業中,VR和擴增實境(AR)都可望成為教育訓練的利器。目前,已經有些有趣的應用(運用AR)將虛擬物件融入真實環境,以輔助醫療教學。如美光繪圖卡解決方案不局限於遊戲領域,將觸角延伸到垂直產業,包括專業繪圖、高效能運算、車載應用與網路等。 建築、工程與建造是VR與AR顯而易見的下一波灘頭堡。對許多領域來說,能夠在實地參訪或建構實體建物前,先虛擬地「看到」或甚至遊覽某地或建築、並了解物件將如何與所在環境互動,前景都令人倍感期待;教育領域的VR與AR的應用可望大幅成長。與醫療訓練一樣,講師和專家在教學中也可運用虛擬物件、提供虛擬的範例和與虛擬元素互動。 高階AR與VR頭戴裝置需搭配強大的PC和繪圖卡,才能達到最高設備規格。HTC Vive Pro最低規格的顯卡是NVIDIA GeForce GTX 1060或AMD...
0

安提智慧邊緣運算方案NVIDIA GTC 2020亮相

人工智慧在疫情時代越益盛行,企業無不進行產業升級以適應COVID-19所造就的環境。GPGPU和智慧邊緣運算解決方案供應商安提國際長期推廣AI應用,與智慧視覺演算法的夥伴一同打造創新的智慧解決方案,相關應用案例也將於NVIDIA GTC 2020中透過預錄演說展示。 安提國際於2012年在台灣成立,專注於嵌入式GPU解決方案,同時投入打造智慧邊緣運算系統。安提國際提供全系列標準及客製化的NVIDIA Jetson智慧邊緣平台,為回應多元且快速變遷的AioT環境,安提提供軟、硬體的預先整來,來說短應用的研發期程。在今年度的GTC 2020,安提將會發表演說「Edge AI Successful Machine Vision Development in AIoT」,協助企業在疫情時代中,能夠利用AI解決問題,同時升級產業。 安提國際總經理羅智榮表示,疫情來襲,企業們都渴望能夠發展自家的智慧解決方案來適應迅速變遷的狀況,特別是那些大受疫情、封城政策等影響的廠家,若能提升工業自動化或改變經營方式,便為他們的生意大有改善。 在演說中,安提將提供解決方案的構想並展示成功案例,以幫助企業在疫情時代後能夠逐步恢復。同時,演說中也將示範如何在邊緣端使用NVIDIA Jetson平台來應對各種情境,以解決在不同應用中的許多挑戰,例如紡織品的缺陷檢測、生產線中的自動光學檢測以及零售商店中的智慧結帳系統等。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -