- Advertisement -
首頁 標籤 AI

AI

- Advertisment -

Edge AI助力 2022年智慧製造市場規模逼近3,700億美元

隨著消費端走向客製自主消費、製造端面臨缺工問題日甚,促使製造業須具備能適應快速多變且多元環境的能力,製造系統變得較過往而言更加複雜。而拜新技術成熟發展所賜,製造業現今可藉由部署先進的感測技術並結合AI演算法、導入機器人等科技,進而提高資訊可視化及系統可控性,進一步推升工業4.0智慧製造的發展。根據TrendForce旗下拓墣產業研究院預估,2022年全球智慧製造的市場規模將會逼近3,700億美元,年複合成長率達10.7%。 奠基於虛實整合的基礎,智慧製造在應用端相當多元,從規模較大的智慧工廠、智慧供應鏈、現場災害回復,乃至自動物流車、簡易型機器手臂等皆是使用案例。綜觀2019年產業動態與德國漢諾威工業展(Hannover Messe)等指標性活動,現行智慧製造以協作機器人(Cobot)、數位雙胞胎(Digital Twin)、預測性維護(PdM)、無人機、製造執行系統(MES)、AI應用等為發展焦點,Universal Robots、Siemens、STMicroelectronics、Xilinx、GE等廠商亦持續推陳出新強化布局。 鑒於智慧製造帶出的龐大數據量將排山倒海湧向企業,延遲性與頻寬成本已讓製造業從雲端技術逐漸轉向邊緣運算。而數據海量化、分析精準化以及硬體高效化等三大驅動力也使AI從雲端往終端設備邁進,推升邊緣結合AI的趨勢。 Edge邊緣運算處理是具地緣關係的AI運算,透過於靠近數據產生源處進行收集處理,並結合參數學習等AI技術讓設備能做到缺陷即時偵測、使用狀況預判等用途,讓機器不需時時聯網、減少運算資源,仍能具備部分決策力與即時反應力,成為預測性維護的重要基礎,同時亦可強化工業機器人的即時協作。而將資料留在當地取代回傳雲端,也更能滿足製造業提升數據資安與隱私的需求。 智慧製造與Edge AI的連結為製造業帶來即時決策、降低成本、營運可靠及提高安全等優勢,也使精密機械蛻變為名副其實的智慧系統。現行從晶片大廠NVIDIA、Intel、Qualcomm、NXP,乃至雲端龍頭AWS、Google、Microsoft等皆積極投入該領域。台廠若要切入Edge AI的市場,考量產業優勢及政府資源挹注,晶片仍是最好發揮的著力點,並成為串連上下游廠商的發動機。 從自動化到智動化,TrendForce指出,工業4.0的浪潮持續推動企業數位轉型,物聯網、大數據、機器人等技術也成為打造智慧製造的重要節點。然而,不論是工業物聯網布建、智慧製造的導入、抑或智慧工廠的建置,由於耗時較長且所費不貲,對企業而言皆非一蹴可幾,在佈署及執行過程中可透過工業物聯網聯盟(IIC)等組織提出的工具來評估自身的成熟度,進而調整步調與方向,如根據基礎設施的完成度來選擇被動性維護、預防性維護、以及預測性維護的採用。  
0

格芯發布3D測試晶片/技術加入異質整合戰局

為滿足資料中心、人工智慧(AI)、5G等新興技術發展,半導體設計除持續朝微縮製程邁進之外,異質整合技術也成為下一波IC晶片創新動能。為此,IC設計業者、晶圓代工廠等皆紛紛投入發展,例如格芯(GLOBALFOUNDRIES)近期便宣布旗下基於Arm架構的高密度3D測試晶片已成功流片生產,可滿足資料中心、邊緣運算和高端消費性電子產品應用的需求。 據悉,此款晶片可提升AI、機器學習(ML)和高端消費性電子及無線解決方案等的運算系统性能與效能,其採用該公司12nm Leading-Performance(12LP)FinFET製程製造,並運用Arm 3D網狀互連技術,讓資料數據更直接地傳輸至其他内核,達到延遲最小化,提高資料傳輸速率,滿足資料中心、邊緣運算和高端消費性電子產品應用的需求。 此外,兩公司還驗證了一種3D可測試設計(Design-for-Test, DFT)方法,使用格芯的混合式晶圓對晶圓接合,每平方公厘多達100萬個3D連接,拓展12nm設計在未來的應用。 格芯發言人表示,3D可測試設計方法為屬於異質整合技術,該公司和Arm共同驗證了此一測試設計方法,使用格芯的混合式晶圓對晶圓接合,每平方公厘多達 100萬個3D連接。用於3D IC的DFT架構實現了各種晶片的模組測試方法,其中具有嵌入式IP核心、基於穿透矽通孔的晶粒間互連和外部I/O可作為獨立的單元進行測試,從而可靈活優化的3D IC測試流程。DFT是一項能夠採用3D技術的重要測試設計方法而3D DFT架構具備支持板級互連測試的特色;而該公司的差異化F2F晶圓鍵合技術為工程設計人員提供了異構邏輯和邏輯/記憶體整合。 格芯發言人說明,3D晶圓架構具有減少線長的本質能力,是減輕下一代微型處理器設計中互連問題的最有潛力的解決方案之一;而3D技術和異質整合功能為新設計方法提供了低延遲、高帶寬的優勢。對於異質整合來說,雖然沒有其餘的技術層面挑戰,但針對規劃、執行和驗證2.5D和3D IC的設計工具、薄晶圓處理技術、熱管理和測試等,這些製程仍需要更好的解決方案。 由於目前異質整合生態系統成熟緩慢,主要的挑戰在於單位成本高昂、低產量和實行風險,業界正在努力降低製程成本並簡化整個行業合作。未來格芯會與所有主要EDA合作夥伴密切合作,將3D IC放置在庫中,然後使用晶圓對晶圓鍵合進行組裝,使複雜的晶圓設計和組裝成果更快且更低成本。 格芯推3D IC提升邊緣運算、高端消費性等電子產品應用需求。  
0

資通/感測技術進駐 馬達應用走向智慧化

AI熱潮席捲科技產業,現在連馬達的驅動/控制,也開始思考如何導入機器學習(ML),為各式各樣的馬達應用創造更多附加價值。不過,要發揮機器學習的威力,馬達驅控系統還需要靠外部輸入各種資料,也因為如此,時效性網路(TSN)、加速度感測器、MEMS麥克風等技術,未來都有可能成為馬達驅控系統中的一環。 融合IT/MT 為機器學習鋪路 台灣東芝(Toshiba)電子元件行銷部副協理水沼仁志(圖1)表示,在物聯網風潮影響下,IT技術的應用日益廣泛。很快的,各種以馬達技術(Motor Technology, MT)為核心的應用,諸如電動車、機器手臂、冷氣機、冰箱等家電,都會內建更複雜、更智慧化的控制系統。 圖1 台灣東芝電子元件行銷部副協理水沼仁志指出,IT技術在未來的馬達應用中,將扮演更重要的角色。 這會對馬達驅動控制帶來新的挑戰,特別是在非常重視即時性,而且系統組成相對複雜的馬達應用,例如電動車跟智慧工廠的產線設備,挑戰更是艱鉅。因為在這類複雜的系統中,馬達的驅動跟控制單元必須透過網路連接,要確保控制單元的命令以最快速度傳遞到驅動單元,必須使用低延遲的網路技術。 原本被稱為Ethernet AVB,現在已改名為時效性網路(TSN)的新一代乙太網技術,就是為了確保重要的控制訊號能在最短時間內送到驅動單元而設計的技術。在TSN網路中,擁有最高優先性的封包資料,會擁有最高的網路頻寬使用權,其他優先次序較低的資料則會延後傳遞,以保障高優先性的資料能有最好的網路服務品質(QoS)。 目前東芝已經開發出支援TSN的MAC解決方案,以Arm Cortex-M3為基礎,可以讓電動車跟工業設備的網路互連升級為TSN網路。不過,目前的TSN網路頻寬還停留在1Gbps。預計在不久的將來,東芝將會推出支援10Gbps的TSN方案,更進一步促成IT與MT的融合。 除了驅動跟控制單元的連線外,大多數的馬達應用系統,例如電風扇、空氣清淨機等,驅動跟控制之間的關係不像電動車或工具機、機器手臂那麼複雜,需要透過乙太網連線。因此,對這類應用而言,如何藉由更高的整合度、更精準的控制算法,來提高驅動馬達時的能源效率、降低成本,會是比較重要的市場趨勢。 在這方面,東芝提出的解決方案是內建向量引擎與閉環檢測功能的MCU單晶片解決方案。如果要驅動的馬達功率輸出較大,例如冰箱、冷氣機跟洗衣機等,則建議搭配包爾英特(Power Integration, PI)的IPD方案作為外部驅動器。 不過,展望未來,家電智慧化是難以抵擋的趨勢,特別是導入機器學習(ML),讓家電設備可以利用影像識別自動控制,或讓使用者以語音指令取代遙控器,將是家電產業必然要走的路。因此,東芝在機器學習領域,也已經開始展開研究,並有初步成果可供展示。 水沼表示,在影像識別方面,目前東芝所研發的Visconti影像辨識處理器,已經開始應用在豐田汽車(Toyota)的ADAS,但除了汽車產業外,像保全監控、智慧零售甚至空調、照明控制等領域,也有Visconti可以發揮的空間。 舉例來說,搭載Visconti-2的監控攝影機可以和辦公室的照明、空調系統連線,自動控制辦公室裡的照明跟空調,只針對有人活動的區域開啟照明跟空調;當所有人都離開辦公室後,空調跟照明則會自動關閉,避免浪費電力。 至於在語音控制方面,雖然目前有一派智慧家電的趨勢是以智慧音箱作為各種家電設備的控制中樞,但由於智慧音箱需要靠雲端來處理語音辨識,因此延遲時間長、網路成本跟資安疑慮也都是問題。如果家電本身就具備接收語音指令的能力,就不會有上述疑慮。 但對於帶有馬達或壓縮機的家電來說,要在環境噪音(機器運轉聲、風切聲)較強的情況下辨識出語音指令,是比較有挑戰性的設計目標。因此,東芝目前已利用機器學習來強化抗噪能力,並推出名為TZ2100的處理器與整合式模組方案。藉由該模組,設備製造商可以很輕鬆地將語音控制功能添加到既有的家電設備中。 瑞薩馬達驅控也走AI路線 相較於東芝主要將機器學習應用在馬達控制,另一家日系半導體大廠瑞薩電子(Renesas),則是將機器學習的應用重心放在馬達狀態的監控跟診斷上。而為了達成此一目標,該公司專為馬達驅控所設計的新一代RX66T在CPU效能、PWM功能跟周邊支援上,都比過去大幅提升。 瑞薩電子產業事業部經理黎柏均(圖2)表示,RX66T在瑞薩的產品組合中,屬於專為馬達驅控設計的高階MCU,與前一代產品RX63T相比,CPU時脈從100MHz提高到160MHz,記憶體容量也從512KB提高到1MB。這些額外運算效能使得RX66T最高可同時控制四顆三相馬達,而且在PWM產生器跟類比數位轉換器(ADC)等類比功能方面,也都比過去更為強大。這些性能上的突破,都有助於馬達應用開發者設計出滿足未來客戶需求的系統。 圖2 瑞薩電子產業事業部經理黎柏均認為,以AI技術來實現馬達狀態監測,將可對馬達應用帶來很多附加價值。 但RX66T的效能提升,同時也為馬達應用開發者導入機器學習打下基礎。藉由瑞薩的開發工具、布署在馬達上的加速度計,還有瑞薩發展出來的嵌入式AI(Embedding AI, eAI)開發流程,RX66T可以很準確地抓到多種馬達異常訊號,例如安裝時的螺絲沒有正確鎖緊、馬達運作時轉軸螺絲是否鬆脫等,從而實現馬達故障的預兆診斷或預防性維護。 瑞薩的eAI工具可以大幅簡化AI的布署作業,並且把模型占用的記憶體空間壓縮到64.9KB,這使得用AI來監控馬達運作成為一個可行的選擇,而且整個AI系統的開發時間很短。根據瑞薩自行開發eAI展示系統的經驗,整個開發時程不到兩個月。 實現馬達監測 MEMS感測器學問多 雖然馬達驅控MCU廠商都將機器學習列為日後技術發展的重點,但除了MCU之外,實際負責監控馬達狀態的加速度感測器,也是不可或缺的關鍵元件,且由於機器學習乃是一項資料分析技術,因此感測器所提供的資料正確與否,能否抓到真正關鍵的異常訊號,將直接影響整個馬達監診系統的準確度。 安馳科技應用工程經理高富華(圖3)表示,用加速度計來監測馬達運作狀態,最重要的是關鍵是感測器安裝的位置,如果安裝的位置不理想,取得的監測資料自然會有所偏差。因此,馬達製造商或馬達應用開發商在規劃感測器位置時,必須先找到最適合的安裝位置。 圖3 安馳科技應用工程經理高富華認為,要實現有效的馬達狀態監診,客戶在感測器安裝位置、安裝方法、感測器頻寬等細節上,要十分留意。 確定安裝位置後,接下來要評估的就是振動訊號的特質。有些馬達振動的訊號是相當寬頻的訊號,如果要完整擷取,感測器本身必須具有相當高的頻寬,例如亞德諾(ADI)所提供的ADXL35x系列跟ADIS16228感測器,就支援從1kHz以下到超過10kHz的頻寬,供馬達相關業者選擇。一般來說,根據ISO 10816跟13373規範的要求,馬達振動監控所需的頻寬不會高於10kHz。 除了頻寬外,感測器本身能承受的G力也很重要。事實上,馬達用的加速度感測器除了MEMS之外,還有另一種基於壓電(PZT)技術的感測手段,但這類元件通常比較脆弱,在高G力的環境下比較容易故障,且因為PZT感測器沒有直流響應,因此在監測低頻訊號時,效能表現會比較差。 最後,感測器本體如何安裝到馬達上,也會影響到訊號量測的結果。目前業界所使用的安裝方式有Hand Probe、各種磁吸式安裝法,到直接將感測器焊在馬達外殼上。不同安裝方法,會影響到感測器取得的訊號。
0

凌華自動化展實現智慧聯網打造AI智慧工廠

迎接台北自動化展盛大登場,凌華科技今年以「實現智慧聯網 打造AI智慧工廠」(AIOT at the EDGE in SMART Manufacturing)為主軸,首次將智慧工廠場景搬到攤位上,以「智慧互聯」(Intelligent Connectivity)、「邊緣人工智慧應用」(AI at the Edge) 與「智慧工廠」(Smart Manufacturing) 三大面向勾勒出今年的展示重點。凌華科技的「AIoT +製造」概念,在智慧機器的配合下,能更好地發揮出人的潛能,使人機可平衡共事、相互理解與協作,也讓硬體設備、軟體數據與操作人員在人工智慧的基礎下,使其在生產製造中的價值發揮到極致。 為了滿足不同產業應用的數位化採集難題及環境需求,凌華科技利用多年來的邊緣運算能力,有效整合OT和IT技術,並設計出全面的資料擷取解決方案,打造市場上唯一可以以非侵入式、高識別率的方法擷取機台資料,即時反應設備的工作狀態,有效提升產線嫁動率,幫助企業實現智慧製造。 事半功倍的「邊緣人工智慧應用」 凌華科技除了是Intel Premier 合作夥伴外,亦於2018年與NVIDIA正式簽署夥伴合約,成為NVIDIA Quadro Embedded、Jetson系列和OEM合作夥伴。藉由與NVIDIA以及Intel的密切合作,凌華科技提供優化的異質運算平台,應用於邊緣人工智慧,以迅速將數據轉化為可行的行動決策,體現邊緣運算的價值。在嵌入式應用中,GPU可以驅動資訊顯示系統、加速圖像構建、並處理複雜的神經網路運算,以智慧製造來說,目前最重要、最能嘉惠製造廠的AI應用便是瑕疵檢測,AOI使用AI檢測能減少誤判與人工複檢、大量降低人力與工時。 麥肯錫全球研究院最新預測,到2025年智慧工廠帶來的經濟影響價值將達每年1.2萬億美元至3.7萬億美元。智慧工廠代表了高度互聯和智慧化的數字時代,工廠的智慧化透過互聯互通、數字化、大數據、智慧裝備與智慧供應鏈五大關鍵領域得以體現。作為擁有25年以上的自動化解決方案整合經驗的專家,凌華科技提供了工業控制、資料擷取、機器視覺、運算平台等全面的模組化資料,蒐集和分析數據,並對設備進行控制,來實現工業4.0智慧工廠的願景。
0

結合雲端高運算/低成本/靈活特性 先進製程IC設計複雜度驟降

多元新興應用(AI、5G等)崛起,使得IC不僅要高效能,同時還要小體積、低功耗,這也使得IC設計的複雜度與時間大增。要達到這些條件,IC設計時所需的運算資源是過去的數倍,面對高運算、成本效益的考量,加上為了加快IC設計時程,半導體產業開始結合雲端技術,將雲作為IC設計平台,雲端技術用來輔助IC開發的契機也因而湧現。 台積電推雲端聯盟引領IC設計上雲風潮 台積電在2018年宣布首度在開放創新平台(Open Innovation Platform, OIP)上提供「虛擬設計環境(Virtual Design Environment, VDE),協助客戶靈活運用雲端運算環境,充分使用台積電的OIP設計基礎建設,安全地在雲端進行晶片設計。 OIP VDE是台積電與OIP上最新成立的「雲端聯盟」的創始成員合作,包括亞馬遜雲端服務(AWS)、益華電腦(Cadence)、微軟Azure(Microsoft Azure)以及新思科技(Synopsys)的合作成果,在雲端提供RTL-to-GDSII的數位設計以及schematic capture-to-GDSII的客製化設計能力。 OIP VDE裡的數位設計以及客製化設計流程,皆於雲端運算的環境上,結合製程技術檔(Process Technology File)、製程設計套件(Process Design Kit, PDK)、基礎矽智財(Foundation IP),以及設計參考流程(Reference Flows)等的OIP晶片設計輔助資料檔,並通過了充分的測試。 同時,為了降低客戶首度採用雲端的門檻,並且確保客戶獲得充分的技術支援,Cadence與Synopsys將扮演單一窗口的角色,協助客戶架設VDE並且提供第一線的支援。 台積電技術發展副總經理侯永清表示,雲端無所不在,並且會全面影響未來晶片設計的進行。台積電是第一家與設計生態環境夥伴與雲端服務公司合作提供雲端設計解決方案的專業積體電路製造服務公司。OIP VDE提供客戶彈性、安全,透過矽晶認證的雲端設計解決方案,能夠幫助他們按照需求有效地擴充運算設備,進而加速下一代系統晶片的上市時間。 而台積電在2018年推出OIP雲端聯盟後,也持續擴增其規模,添加更多合作夥伴,像是明導國際(Mentor)便成為新的聯盟生力軍,拓展此一平台生態系統的規模。 台積電指出,Mentor已成功通過台積電的認證成為雲端聯盟的新成員,其於雲端保護矽智財的程序皆符合台積電的標準。此外,台積電驗證了Mentor Calibre實體驗證電子設計自動化解決方案,能夠有效地藉由雲端運算的擴展性加速完成晶片實體驗證。 侯永清指出,自從台積電率先成立雲端聯盟後,已經看到越來越多的晶片設計業者採用雲端解決方案。因此,我們更進一步擴大雲端聯盟的規模,並且深化夥伴關係。看到不同規模的客戶在利用台積電的先進製程進行設計時,藉由雲端運算來提高生產力。目前已經有客戶採用雲端聯盟的解決方案完成7奈米的產品設計定案。此外,台積電也利用雲端來進行5奈米的開發,以更快速地提供記憶體、標準元件庫、以及電子設計自動化設計基礎架構給客戶,幫助客戶取得競爭優勢,更快的將產品上市,並且達到更高的品質。 降成本/高運算需求增雲端方案趁勢起 晶片設計日趨複雜是推動雲端設計的主要動力之一。Cadence雲端業務開發副總裁Craig Johnson指出(圖1),每種應用領域各有其需要解決的獨特問題。此外也有一些是關於改用先進製程節點、提升產能以及符合嚴苛時程要求等共通挑戰。像是5G這樣的領域追求對於整合極限的突破,因此從事此類設計的公司最為積極採用先進製程技術。這些業者需要製程所能提供的性能及處理能力,相應而來的問題是最新製程節點通常需要成熟時間,而在此過渡時期可能出現意料之外的狀況。至於AI設計的應用在於提供高度客製化的高性能晶圓,因此數量上持續成長,這為過去視為合併至多功能裝置的半導體產業帶來新的機會。 圖1 Cadence雲端業務開發副總裁Craig Johnson指出,雲端已受到越來越多的關注,而Cadence也推出各式雲端產品組合因應市場需求。 整體而言,雲端已受到越來越多的關注,已有許多企業正在評估研擬雲端策略。雲端資源吸引人之處在於能夠利用幾乎無限的運算資源,大幅提高產能並且加快產出時間,而毋須購入以約4年作為最大限度使用投資回報率的衡量標準。此外,企業可以選擇將其IT焦點從硬體的管理轉移到應用程式的管理。這些任務的區分可更趨明確,提升支出效益。 Cadence台灣區總經理宋栢安(圖2)則說,如今IC設計開始朝雲端發展,有幾個重要因素。首先是上述提到的,晶片設計愈來愈複雜的情形。隨著AI、5G和物聯網(IoT)等新興應用崛起,晶片的設計複雜度、難度明顯增加,而在難度大增的情況下,IC設計和分析所需的運算能力也越來越多。另一個原因則是為了因應短期而大量的設計需求,比如說當IC設計公司接到的案子是要在一個月內完成,但沒有這麼強大的系統因應晶片設計時所需的大量驗證與運算時,便可以租用雲端方案,採用雲端業者的高運算系統進行IC設計。 圖2 Cadence台灣區總經理宋栢安說明,雲端技術不僅提供高運算方案,也可因應短期且大量的產品設計需求。 像是新創晶片設計公司 SiFive已採用OIP VDE平台完成28奈米製程的單晶片設計。此設計架構由SiFive與Cadence於微軟Azure運算雲端平台上聯手完成,搭載SiFive自行開發的64位元多核開放原始碼指令集架構(Multi-Core...
0

2021年全球增強智慧商業價值將達2.9兆美元 決策支援占鰲頭

產業研究暨顧問機構Gartner預測,2021年全球增強智慧(Artificial Intelligence Augmentation)將創造2.9兆美元的商業價值,並貢獻約62億小時的工作產能。Gartner研究副總裁Svetlana Sicular表示:「增強智慧強調的是人們如何善用人工智慧獲益,但隨著人工智慧技術不斷演進,結合人類和人工智慧能力的增強智慧,將帶給企業最大效益。」 Gartner的人工智慧商業價值預測報告顯示,企業認為所有人工智慧種類中,決策支援/擴增將帶來最高的商業價值,也是初期採用障礙最小的項目。2030年時,該項目會超越其他類的人工智慧專案,成為產出價值最高的類別,占全球人工智慧商業價值44%。 Gartner研究指出,提升客戶體驗是人工智慧商業價值產出的主要來源。增強智慧不但能減少錯誤率,亦能大幅提升客戶便利性並提供更個人化的服務。許多過去僅為少數人提供的服務,現今都能在增強智慧的輔助下大眾化。Svetlana Sicular指出:「增強智慧的目的是讓自動化更有效率,並透過一點人情味和常理來管理自動化決策的風險。現在許多人對於人工智慧工具、服務和演算法抱著高度期待,卻忽略人工智慧的最終目的是讓人類更好、更聰明及更快樂,而非創造一個以機器為中心的世界。增強智慧是透過人工智慧邁向成功的方法,它讓機器和人類皆能達到最佳表現。」 Gartner將增強智慧定義為人工智慧與人類為了增加認知表現(Cognitive Performance),展開以人為中心的合作模式,包括學習、決策和創造新體驗。  
0

松翰推出支援USB UVC/MIPI輸出影像處理晶片

在AI應用帶動下,研究機構Yole Development的報告數據顯示:傳統影像訊號處理器(ISP)市場將以6.3%複合年增率穩定成長,深耕影像處理技術多年的松翰科技,趁勢推出支援USB UVC及MIPI輸出之高解析、高畫質影像處理晶片SN9C2285系列,可同時支援Parallel/MIPI RX Sensor輸入及USB/MIPI TX輸出介面,內建的MIPI TX輸出介面,最高可輸出每秒30幀FHD原始YUV格式影像或HD每秒60幀的YUV422影像,在關鍵影像核心技術上,於前端影像處理訊號輸入時,可有效降低影像雜訊、校正變形的影像及還原正確的色彩,應用在影像識別、QR code掃碼、人臉辨識…等方面,可使影像更清晰正確,讓AI運行更正確、快速及大幅提升效能。 SN9C2285系列是市場上第一顆同時支援USB UVC及MIPI輸出之影像處理晶片,二重輸出介面提供客戶可應用在多元產品,USB便於客戶進行除錯和調校,MIPI界面可高速輸出處理過後的未壓縮之影像,影像處理晶片的軔體可完全控制前端CMOS Sensor,後端主晶片不需要進行AE、AWB、AF等畫面調整,使主晶片的效能可以充分發揮。 SN9C2285系列採用提升硬體架構方式,增加內部資料匯流排傳輸效率,克服影像處理引擎及MIPI輸出介面之整合困難,達成可同時輸出USB UVC和MIPI之設計,在IC封裝上更與封裝廠合作,提升封裝架構組合技術,達到微小化之系統整合晶片成果。 松翰推出的SN9C2285系列,針對市場的需求,應用於連結無內建ISP的篏入式系統、Linux/安卓系統或是需要對影像進行再處理之產品,例如人臉支付系統,需支援拍照功能但又無內建ISP,搭配SN9C2285系列,可有效提升前端影像輸入品質,提高影像處理的效能及辨識率使AI運行更順暢。 因應AI大浪潮與相關產業的興起,傳統的影像與視覺晶片發展分成兩個區塊,其一是影像訊號處理器(ISP)市場,其二則是視覺運算處理器,負責執行各種影像分析演算法。目前市場上AI影像處理晶片,大多數開發重點放在後端平台運算處理能力,忽略前端輸入影像品質的重要性。松翰針對此需求,推出市場首顆支援雙重輸出界面之高解析、高畫質影像處理晶片,可望在原有的雄厚基礎下,進攻AI新市場,為影像產品打開新局。
0

解決智慧製造資安隱憂 統一標準防守更全面

隨著5G等科技發展,資訊自動攻防技術戰略重要性提升,資訊戰先行將是未來戰爭新形態,因此,資訊安全攻防將是公私立機構在資訊安全管理的優先部署重點。而5G、AI大數據更是使智慧製造得以逐步實現,隨著資訊應用日益多元,資安問題也隨之潛入工業製造的各個角落,因此半導體資訊安全標準的重要性已經不可輕忽。 SEMI國際半導體產業協會組長張啟煌表示,半導體產業協會正致力於設立台灣第一個半導體設備資訊安全標準。由於半導體設備生命週期很長,所以會存在許多過時的資訊系統,資安問題因而產生。另外,在高科技產業中,大數據與智慧製造的資訊應用越來越多元,然而在整合的過程中,也增加了資訊安全的風險。加上不同廠商產出的半導體設備,遵循的標準與資安考量都有所不足,因應此問題,制定統一的資安標準刻不容緩。 張啟煌指出,一個工廠裡面可能同時存有幾十個作業系統,非常多廠商還在使用終止支援(End of Support, EOS)的作業系統。儘管半導體設備價格少則幾千萬,貴則可以上至幾億,可是大家卻是注重於IT技術的研發,而時常忽略了資安問題,這其實是很嚴重的。太多先進的應用正促進智慧製造的發生,同時也帶來了更高的資訊安全風險。 張啟煌呼籲,要談智慧製造、製造效能之前,應該先討論資安。廠商究竟該如何因應資安風險,首先必須遵守相關標準使用合時宜的作業系統,否則機台種類過多,有些不能補丁,有些就算可以補丁也十分麻煩,將會難以管理。另外,廠商也應該注意工廠內網的問題,因為只要有電腦就有中毒的風險,因此資訊安全的標準也應該涵蓋到內網的保護。最後,預防勝於治療,供應鍊安全是首要之務,要求生產機台的廠商在設備出廠時,就內建安全設定功能,將會比事後增加防護功能更有效率。 智慧製造也帶來了資安風險,盡快確立半導體資安標準十分重要。  
0

數位實境溝通更直覺 穿戴裝置UI眼球追蹤最懂

一個明星終端商品的發展,軟硬體技術的到位與產業環境的配合非常重要,以UI為例,PC使用鍵盤與滑鼠、Smart Phone透過手勢觸控,未來希望解放雙手的穿戴式裝置,可能需要仰賴語音與眼球控制。眼睛是靈魂之窗,一般人際溝通會大量使用眼睛,大部分的動作之前也都是眼神先到位,透過視覺與聽覺傳達的影像和聲音才是最直觀、最常用的溝通方式。 穿戴裝置將導入眼球追蹤控制 兩個有默契的人一般只要閱讀「眼神」就能進行溝通,人們對於資訊產品的使用已經朝無時無刻與無所不在發展,穿戴式裝置希望可以讓使用者在做任何事的同時也可以同步使用,見臻科技(Ganzin)執行長簡韶逸認為,智慧手機市場已趨於飽和,廠商紛紛尋求新產品,加上5G的出現,也讓大家開始思考手機以外的應用,智慧眼鏡可能就是答案。預計2020年將會有更多智慧眼鏡問世,光機技術的成熟也是智慧眼鏡市場可能在2020年爆發的推力之一,過去光機沒有辦法做到現在這麼小,隨著技術成熟,微小化光機更有機會整合在眼鏡上面。 人類的視覺有焦點,在焦點以外的事物相對模糊,因此在穿戴式裝置的應用上,簡韶逸指出,利用注視點渲染技術(Foveated Rendering),追蹤人眼的焦點位置,只在焦點位置進行高解析度影像運算與顯示,節省其他90%以上的運算資源,同時使用者並不會有明顯的感受,也就表示,GPU效能不用很高就可以有超高解析度的表現,此技術對於未來智慧眼鏡的顯示,將造成重大的影響。 智慧手機讓我們使用資訊產品不用固定在桌椅上,但在行走或做事時還是無法使用,見臻希望可以解放這個限制,讓眼球追蹤功能普及在人們的生活之中。簡韶逸進一步說明,現有眼球追蹤(Eye Tracking)技術目前多數成本高、體積大、耗電且很難整合;以知名的解決方案為例,使用七顆LED照射眼部,利用光線反射原理追蹤眼球的移動,但是一出室外,環境光太強,該技術效能就會大打折扣,同時需要搭配大電量電池,使用時間僅1.5小時。 眼神控制新UI為終極目標 因此,眼球追蹤技術目前普及的困難在於耗電、成本、整合等面向,為了解決這些問題,簡韶逸進一步說明,見臻推出眼球追蹤技術解決方案Aurora,用兩顆CMOS感測器及一顆眼睛處理單元(EPU),使用外接電源的情況下續航力高達十個小時,機構簡單封裝小,相當容易整合。 另外,Aurora只用一顆LED補光,利用感測器拍攝眼球的動作變化,可以避免環境光源干擾,所以室內外都能使用,同時減少LED數量更可以大幅降低耗電量。 眼球追蹤技術的使用願景其實已經出現,在電影鋼鐵人中,主角就是透過眼神操控高科技的機器鎧甲,簡韶逸解釋,人類視覺用眼球追蹤大約是中央區正負15度的區間,再大就會轉頭,在這區間中精準度小於1度,目前的技術要做到像電影裡的準確度與複雜控制還有一段距離,不過就技術的發展來看,再過幾年技術改善相當有機會達成。 簡韶逸指出,眼球追蹤技術應該是像PC的滑鼠那樣的輔助角色,整合在裝置裡,占整個裝置成本的10~20%才是合理範圍,見臻的解決方案能加速技術的普及;該公司於2019年初發表第一代解決方案,後續提供工程樣品給客戶,並進行客製化的設計,預計2019第四季正式量產。Aurora的晶片雖然是見臻自行開發的產品,但團隊並不以IC設計公司自居,而是定位為軟硬體整合解決方案供應商,因為是從學校出來的團隊,每個工程師都會做演算法和硬體,所以不會有演算法跟晶片電路無法搭配的問題。 在全世界各地很難再有像台灣一樣,從台北到新竹這麼短的距離就可以找到軟體、硬體設計,晶圓、終端代工,甚至品牌與各種類型的科技解決方案廠商,台灣非常適合發展創意與新創產業,Ganzin這個名字源自台語的「眼神」,也取英文gaze的凝視之意,簡韶逸期許見臻不只做到眼球追蹤,更做到「眼神控制」,讓科技更符合人性。 見臻科技執行長簡韶逸認為,預計2020年將會有更多智慧眼鏡問世,光機技術成熟,微小化光機更有機會整合在眼鏡上面。  
0

具高效/低功耗優勢 PIM技術重返深度學習熱潮

而所謂的記憶體內處理器(Processor In Memory, PIM)(圖1),或稱記憶體鄰近處理器(Processor Near Memory, PNM)、記憶體內運算(In-Memory Compute, IMC)等,則是在晶片電路設計時即以記憶體的矩陣記憶電路為基礎,再行加搭起運算電路,使記憶與運算電路幾乎融為一體。 圖1 左圖為現行處理單元與記憶體間有讀寫(Fetch提取、Store存入)的瓶頸,右圖為PIM作法可消除運算與儲存間的傳輸瓶頸。 資料來源:IBM PIM作法過去曾在上世紀90年代倡議過但未能成為潮流,但隨著人工智慧(AI)、機器學習(ML)、深度學習(DL)的興起,產業界重新評估與發展PIM技術及晶片,原因主要在於現行主流技術在運算效能提升上漸遭遇多項瓶頸,難以因應日益增高的深度學習運算量。 首先是晶片設計團隊逐漸難從處理單元的邏輯設計上獲得更高效能,因此IBM POWER(Performance Optimization With Enhanced RISC)架構處理器於1999年首次運用持續推進的半導體製程縮密技術,於單一晶片實現雙核心,以增加核心數獲取顯著效能提升,2005年AMD於x86架構上實現雙核,自此處理器紛改以增加核數為主要效能提升手段。 多核作法之後亦遭遇瓶頸,即處理單元(核)間的資料交換不夠快速,溝通協調成為運作瓶頸,因此改進晶片內外的連接傳遞方式成為重點,此時經常出現晶片商強調結構織法(Fabric)一詞。 改善連接結構後仍有其他問題需解決,因漏電流因素晶片運作電壓難以再下降,即便晶片放入更多的核,也無法讓所有的核均全速運作,因供電散熱之限只允許部份的核全速運作,部份之外的核須以降速、輕負荷方式運作,或暫時關閉停止運作,此稱為暗矽(Dark Silicon)限制,當製程技術持續提升,晶片內的核數愈多,暗矽限制也會更嚴重(圖2)。 圖2 電路運用率撞牆,暗矽效應阻礙使多核處理器無法全速運作。 資料來源:Michael Bedford Taylor 另外記憶體與處理器間的傳輸通道也難以更快,記憶體電路區塊與處理單元區塊有別的結果,傳遞過程必然有一段電路距離,因電路上的寄生電容因素而難以更快速傳遞,形成馮紐曼瓶頸(Von Neumann Bottleneck),半導體製程縮密技術讓記憶體容量愈來愈大,但進出處理單元的資料通量卻沒有相應的提升。 深度學習運算量大增 PIM技術動向受矚目 而如前述,深度學習需要的運算量不斷提高,特別是在支援自駕車應用上,2017年NVIDIA提出自駕車運算平台DRIVE PX PEGASUS,宣稱合併兩張DRIVE PX PEGASUS可獲得320TOPS(8位元整數)的人工智慧推論運算力,目標在於支援ADAS標準最高的Level 5自駕層級,即各種路況與情境下均能全程自動化駕駛不需人為介入,然代價是500瓦功耗,對汽車電瓶亦是不小負荷。 由於傳統方式提升運算(特別是深度學習運算)效能日益困難,因此產業開始嘗試回望PIM技術。PIM技術因記憶電路與處理電路兩者緊鄰,傳輸距離短,可快速傳遞運算,而深度學習所需要的「網狀層次連接、節點加權運算」亦容易以PIM方式實現,記憶體內儲存的資訊即是節點的權重(Weight,或稱特徵權重),運算後的結果再向更深層的節點傳遞,進行相同的乘積累加運算(簡稱乘加運算Multiply...
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -