- Advertisement -
首頁 標籤 AI

AI

- Advertisment -

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

意法新智慧裝置新系列實現高性能/整合度/效能

意法半導體(ST)最新STM32H7A3、STM32H7B3和STM32H7B0超值系列微控制器(Microcontroller, MCU)具有280MHz Arm Cortex-M7的處理性能、高儲存容量和節能技術,適用於設計下一代智慧產品。 新款MCU保持在低功耗,其入門級產品採用經濟的64腳位QFP封裝,整合度和即時性能得到提升,可處理先進的功能,例如功能豐富的使用者介面、自然語言互動、RF網狀網路和人工智慧(Artificial intelligence, AI)。 新產品強化對於嵌入式圖形處理支援,如高達1.4MB的RAM可支援高達HVGA解析度之24位元色彩先進使用者介面,而無需使用外部SRAM,以降低開發成本;更高的效能和加強的DSP功能可有效處理音訊前端和輸出任務。 對於需要更先進的通訊連接技術應用,新款MCU的CPU性能和快閃記憶體容量可以處理不斷更新的RF通訊協議。4.57mm×4.37mm晶圓級晶片級封裝(Wafer-Level Chip-Scale Package, WLCSP)選擇則可簡化在無線模組中所整合的微控制器。隨著AI人工智慧在嵌入式裝置中的應用普及,新款STM32H7 MCU具有機器學習應用所需的效能,以及支援下一代神經網路所需的性能。 對於注重資料安全的物聯網應用,新產品整合了最先進的網路安全保護功能,包括安全引導/信任來源和硬體密碼/雜湊演算法加速器。新的即時解密(On-The-Fly Decryption,OTFDEC)功能將保護範圍擴充到外部串列記憶體,可對加密內容進行即時解密,同時保護外部記憶體內的軟體程式碼。 新的MCU配備嵌入式安全安裝服務,使用者可以在任何地方訂購標準產品,接著把加密韌體提供給合作廠商安裝,在任何階段都不會發生洩密的狀況。在產品硬體驗證和韌體安全安裝結束後,信任來源機制將支援所有的安全韌體服務,包括韌體現場更新。 雙電源域讓設計人員彈性管理電源,電壓調整技術可使執行和停止模式取得最佳的效能。晶片上SMPS電源有助於降低物料清單(Bill of Material, BOM)成本,並為MCU內部電路和外部元件供電。在停止模式下,SMPS電源通電,並保留RAM內的全部內容,晶片工作電流為32µA,待機電流則僅需4µA。 新STM32H7高性能產品具有豐富的數位通訊介面,還有多達兩個八線SPI外存介面,以及一個連接XGA顯示器的RGB介面、接替CPU處理2D圖形的Chrom-ART Accelerator、優化對非矩形顯示器支援的Chrom-GRC和硬體JPEG轉碼器。
0

Arm新AI技術使物聯網終端裝置更智慧化

Arm日前宣布其人工智慧(AI)平台新增重要生力軍,包括全新機器學習(ML)矽智財、ArmCortex-M55處理器、Arm Ethos-U55神經網路處理器(NPU),這是針對Cortex-M平台推出的第一個微神經網路處理器(microNPU),這樣的設計(Cortex-M55結合Ethos-U55)為微控制器帶來480倍-跳躍式的機器學習效能。全新的矽智財與搭配的開發工具,可為數十億個小型、低耗電的物聯網與嵌入式裝置,帶來終端機器學習處理能力,並得以讓AI的硬體與軟體開發人員能以更多的方式進行創新。 Arm 資深副總裁暨車用與物聯網事業部總經理Dipti Vachani表示,要讓AI無所不在,裝置製造商與開發人員,必須為數十億、乃至於最終數目達到數兆個裝置,帶來終端的機器學習能力該公司的AI平台增添這些生力軍後,即便在最小的裝置上,終端機器學習即將成為新的常態,因此再也沒有任何裝置會是遺珠之憾,而這也讓AI的潛力在範圍寬廣,並在那些且足以改變人們生活的應用當中,充份且有效地發揮。 Arm 透過新的設計為微處理器帶來智慧,降低半導體與開發成本,同時為想要有效提升終端數位訊號處理(DSP)與機器學習能力(ML)的產品製造商,加快他們產品上市的速度。 Cortex-M處理器已經成為開發人員運算平台的最佳選擇,而Arm的合作夥伴也針對各種的客戶應用,出貨超過 500 億片基於Cortex-M的晶片。新增的Cortex-M55,為Arm歷來AI能力最強大的Cortex-M處理器,它同時也是第一個基於Armv8.1-M 架構、並內建ArmHelium 向量技術,可以大幅增加DSP與ML效能,同時更省電。與前世代的Cortex-M處理器相比,Cortex-M55 的ML效能最高可提升 15 倍,而DSP效能也可提升五倍,且具備更佳的效能比。 此外,客戶也可以使用ArmCustom Instructions(客製化指令)延伸理器的能力,對特定工作負載的優化,而這也是Cortex-M處理器的全新功能;針對需求更高的ML系統,可將Cortex-M55 與 Ethos-U55 搭配,後者是Arm第一個微神經處理器(microNPU)。兩者結合後與現有的Cortex-M處理器相比,ML 效能可以大幅提升 480 倍。 Ethos-U55具有高度的可配置性,同時也是專門設計用來加速空間受限的嵌入式與物聯網裝置的ML推理能力。它先進的壓縮技術可以節省電力,並顯著縮小ML模型尺寸,以便運作之前只能在較大型系統上執行的神經網路運算。
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

專訪鴻海科技集團執行副總裁特助王惠民 鴻海攜英特爾力攻Local 5G商機

鴻海科技集團執行副總裁特助王惠民表示,5G時代到來,虛擬化基礎架構需要與邊緣智慧結合,以提供更靈活的創新應用/服務,而要如何降低營運成本以實現合理的部署便成關鍵。以企業專網為例,企業專網若成功實施,代表將來布建網路的不一定就是電信運營商,而會是企業本身,因此,設備商須提供價格/成本上都相當有競爭力的方案。 鴻海科技集團執行副總裁特助王惠民指示,要如何降低營運成本以實現合理的部署便成為5G世代的挑戰。 為此,鴻海與英特爾攜手合作,透過OpenNESS、FlexRAN、OpenVINO、DPDK、QAT和FPGA等,共同開發5G、邊緣運算和AI產品技術。 據悉,在英特爾的大力支持下,鴻海第一代基於MEC的專用網路解決方案已有商業化布建和推廣,與英特爾在O-RAN的前傳介面標準的整合亦已完成,預期將可以加速Local 5G的商品化推廣。 另外,鴻海目前也正在開發第二代Local 5G邊緣解決方案,融合了接入系統與邊緣運算,同時也將AI和邊緣工作負載整合到一個平台中,可在以4G/5G無線基礎設施加速促進物聯網推廣的同時,保持合理的部署和營運成本。目前Local 5G邊緣解決方案將先在鴻海集團內部部署並在未來推廣到全球的外部客戶。 英特爾物聯網事業群副總裁Johnathan Ballon指出,5G、AI應用和運算能力的興起,以及物聯網的爆炸式成長正推動著零售、工業、智慧城市、醫療保健等產業的轉型。邊緣數據和應用程序的快速成長推動了分布式計算架構的需求,在這種新的架構中,運算將貼近於數據源或服務點。為了使企業能有效運用5G和AI邊緣運算,業界需要設計出可滿足邊緣運算獨特需求的產品和工具,具開放性且易於使用的軟體工具,更需致力於相關解決方案的開發和布建。
0

友達砸37億收購凌華 強化AIoT布局

友達光電日前於董事會決議通過公開收購凌華科技5%到30%的股權,作為該公司價值轉型計畫的一環。透過此收購案,雙方希望藉此建立工商智慧物聯生態系(Industrial and Commercial AIoT Ecosystem)策略聯盟,於拓展智慧應用版圖的同時互補產業優勢,加速數位轉型。 友達日前宣布收購凌華,促進數位轉型。 友達董事長暨執行長彭双浪表示,面對5G時代屆臨,產業AI化速度將逐步加速,將可預見許多產業垂直場域陸續導入邊緣運算人工智慧方案(Edge AI Solutions)。該公司非常榮幸藉機會倚重凌華於工業電腦領域的經驗,其產品運算系統能力,加上友達作為人機介面的優質面板,相信本次收購將給予全球用戶即時完整的智慧物聯軟硬整合應用服務。 作為工業及商業應用的面板商,友達擁有覆蓋全球的工業及商業用戶群。近幾年為滿足用戶一站式購足需求,始積極推動價值延伸策略,期望逐步轉型為以面板為核心元件的智慧物聯方案商(AIoT Solution Provider)。至於凌華作為全球工業電腦商,在工業及商業應用的垂直場域,均具有邊緣運算(Edge Computing)相關產品技術與解決方案的競爭力;立基於其既有工業電腦基礎,凌華面對用戶對人工智慧應用的需求,提出可擴充的軟硬體平台整合方案。雙方本次的策略締結可望促成優勢互補,希望共同掌握多元領域用戶從自動化至智慧化的數位轉型需求。 藉由本次合作,雙方預計將可建構工商智慧物聯網生態系。 凌華董事長暨執行長劉鈞表示,該公司樂見雙方共組智慧物聯生態系。未來於智慧物聯的場域應用,凌華將提出對用戶更具策略意義的價值主張;該公司長期與友達合作,雙方於轉型策略的看法不謀而合。透過未來雙方建立更緊密的夥伴關係,不僅可具體實踐凌華於多元智慧場域的解決方案,並攜手深耕用戶關係。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -