AI
- Advertisment -
半導體資安受重視 台廠催生半導體資安標準
半導體產業內有許多標準都是在國際半導體產業協會(SEMI)的平台下形成，針對晶圓廠與晶圓設備的資訊安全標準也會循此途徑。SEMI會務拓展及會員服務總監李敏華(圖1)表示，SEMI作為連結產業的平台，對產業內需要群策群力才能解決的共同問題，一直抱持著積極推動的心態。
圖1 SEMI會務拓展及會員服務總監李敏華表示，台灣廠商將在半導體設備/整廠資安的國際標準制定上，扮演領導者角色。
台廠主導半導體設備安全標準
針對資訊安全議題，目前SEMI已經成立晶圓廠及設備資訊安全任務小組(Fab& Equipment Information Security Task Force)，並由台積電、日月光等台灣半導體製造相關大廠帶頭，希望制定出全球通用的晶圓廠/半導體設備資訊安全標準。也因為半導體設備業者的重量級客戶都在台灣，因此這個由台系大廠主導的資訊安全標準，廣泛受到日本及北美SEMI會員的密切關注，因為設備業者都希望能在第一時間知道客戶對資安的要求，才能快速配合。
SEMI Taiwan接下來也會邀請相關主導廠商舉辦講座，跟半導體業內的其他業者分享其資安實務做法跟經驗，讓整個半導體產業鏈的成員都知道領導大廠的想法跟做法，進而提升半導體產業的資安水準。
資安問題無從迴避
不管是前段晶圓製造或後段封裝測試業者，為了提升自家的競爭力，都在朝智慧製造的方向發展。不管是在產線上安裝大量感測節點，蒐集各種機台參數，或是實現製程參數的中央控管，都必須倚靠工業物聯網(IIoT)這項基礎建設。
另一方面，不管是前段廠或後段廠，都在人工智慧(AI)、機器學習(ML)上布署重兵，希望藉由機器系統自動分析源源不絕的資料流，並從中找到關鍵資訊來改善自家企業的日常運作。一般來說，半導體生產線上的機台狀態可以分成Queue Time、Hold Time與Run Time三種狀態對半導體製造業者而言，Queue Time跟Hold Time當然要越短越好，這樣產線稼動率才能提升。也因如此，智慧排程、預兆診斷或預防性維護等基於人工智慧或機器學習的應用功能，吸引眾多半導體廠投入研發。
正因為IIoT跟機器學習的導入，是未來半導體產業必然要走的路，因此隨之而來的資安問題，是半導體業者無從迴避的挑戰，不能一邊享受這些新技術所帶來的效益，卻忽視其所帶來的隱患而不予以解決。不過，就如同其他垂直產業在推動智慧製造時，最大的問題不在新產線、新機台，而是既有產線的升級與更新，半導體產業要解決資安問題，最大的痛苦點也在既有機台上。即便是發展步調極快的半導體產業，產線上也仍存在少部分已經使用十多年的舊機台，要針對這類舊機台進行安全更新，是最棘手的挑戰。比較上位的工業電腦，都存在微軟(Microsoft)已終止Windows XP更新支援所帶來的問題，要對更下位、直接控制機台內部運作的可編程邏輯控制器(PLC)進行安全更新，問題只會更複雜。PLC本來就是相對封閉的控制系統，懂得撰寫PLC程式的工程師是相對少數，而且PLC的程式非常重視穩定度，因此只要一撰寫完成，上線使用確認能穩定運作之後，使用者通常是能不更新就不更新。
興利/除弊兩路並行 半導體產業經驗足為借鏡
智慧製造是每個製造業都必須面對的轉型課題，半導體產業身為目前全世界最接近工業4.0的產業，其發展路徑有許多地方可以讓其他領域的製造業參考。舉例來說，機台聯網對半導體設備來說，早已不是問題，某些進度比較快的大廠，不僅生產參數/配方都已經藉由機台聯網實現中央控管，甚至連機台上下料都已經毋須作業員協助，直接用無人搬運車加上機器手臂代勞，進而使得關燈工廠得以實現。
但半導體產業的智慧製造走得雖快，遇到的問題自然也是前所未有的。資訊安全是工業物聯網概念還在發酵階段，就已經有許多人提出警告的議題，但提出警告跟如何解決問題，畢竟是不同層面的事情。半導體身為最早遇到工業物聯網資安問題的產業，決定用群策群力的方式，將使用者、軟體業者、系統整合者和設備供應商團結起來，以制定產業標準的方式來解決問題。可以預料的是，這種做法未來應該會擴散到其他產業。
從雲端走向終端 AI推升ASIC市占率持續攀升
人工智慧(AI)風潮席捲全球，而為了加速AI應用普及，並降低雲端運算工作負載，實現更多的創新應用，邊緣運算需求與日俱增，AI開始從「雲端」走向「終端」，也因而推升ASIC需求；根據市調機構Ovum預估，2018~2025年，ASIC的市占率將從11%大幅增加至48%。
根據Ovum調查報告指出，在2016年，雲端(包含企業、數據中心等)為深度學習晶片的主要營收領域，占了80%。不過，到了2025年，此一比例將會改變，轉變成邊緣(Edge)占了80%，而雲端的比例則降為20%。這邊所指的邊緣意指終端設備，且以消費性產品為中心(而非小型伺服器或是路由器)，包括行動裝置(手機、平板)、頭戴式顯示器(HMD)，如AR/VR/MR、智慧音箱、機器人、無人機、汽車、安全攝影鏡頭等。
Tractica/Ovum研究總監Aditya Kaul表示，現今大多數的AI處理器，如GPU，多用於雲端伺服器、資料中心，以在雲端上進行AI訓練和推論。不過，隨著隱私、安全性需求增加，加上為了降低成本、延遲及打破頻寬限制等因素，分散式AI隨之興起，越來越多AI邊緣應用案例出現。例如蘋果的A12仿生晶片，其具備新一代「神經網路引擎」，以即時機器學習技術，改變智慧手機的使用體驗。
Kaul指出，簡而言之，AI從雲端轉向邊緣是現在進行式，當然目前AI在邊緣裝置上多還是以推論為主，而非訓練。不過隨著AI創新應用增加，有越來越多晶片商嘗試提升終端裝置處理器的運算效能，為的就是不用再傳送資料至雲端進行資料運算、推理和訓練。也因此，各式的處理器紛紛問世，像是CPU、FPGA、GPU、ASIC、NPU或SoC Accelerator等。
其中，ASIC的市占率可望隨著邊緣運算的需求增加而明顯攀升，從2018年的11%增加至2025年的52%。Kaul進一步解釋，ASIC之所以受到青睞，原因在於新興的深度學習處理器架構多以圖形(Graph)或Tensorflow為基礎架構；且上述提到AI邊緣運算受限於功耗和運算效能，因此多以推論為主，而非訓練。然而，若假設到2021年時，終端裝置將導入大量AI晶片，所需要的便是能在同一個晶片上進行推理和訓練，可因應分散式運算且又具低功耗的IC，因此ASIC需求將持續上揚，實現更多AI邊緣應用案例。
製造業AI需求上揚 2025年投資總額大增至132億美元
為了降低成本同時提高生產效率與水準，製造業目前正積極導入人工智慧(AI)技術。隨著人工智慧在製造業中的應用越來越普及，估計到了2025年，人工智慧軟體、硬體和服務的年度支出將達到132億美元。品質控管、產量改良(Yield Improvement) 、根本原因分析(Root Cause Analysis) 、預測性維護(Predictive Maintenance) 、能源管理和數位雙胞胎(Digital Twins)等都是促進智慧製造投資人工智慧的因素。
根據市調機構Tractica的報告，製造業公司現在正以適度但穩定的速度導入人工智慧技術。預計全球製造業對人工智慧軟體、硬體和服務的投資總額將會從2018年的29億美元增加到2025年的132億美元，而提高運營效率以降低生產過程成本，是目前人工智慧在智慧製造領域最成功的範例。
不過，製造業在自動化和技術方面存在一些矛盾。一方面公司採用各種工具來使生產過程更加快速順利，製造業在一個多世紀以前便整合了許多技術；但另一方面，由於可能要投入大量資金和時間的關係，製造企業在實施新技術方面又傾向於規避風險。
對此，Tractica的首席分析師Keith Kirkpatrick表示，隨著製造業對成本愈來愈敏感，加上客戶對於品質的要求提升，製造商趨向利用人工智慧來提高設備的性能、幫助減少停機時間、並提高產品的生產數量和品質；而人工智慧技術最顯著的強項就是能夠在大量數據來源中找到有用的資訊並進行快速分析，若以人力處理這樣龐大的資訊則需要非常多的時間以及成本。
著重AI/數位教育普及化 Google在台擴大招募與人才培育計劃
Google近日宣布將於今年擴大在台招募規模和人才交流，增加聘用數百位台灣員工，同時公布「智慧台灣計劃」中人才培育項目實施一年來的成果，並承諾於今年延續且強化人工智慧、數位行銷、雲端工具、內容創作等面向的教育訓練，期許在2020年底前讓10,000人接受AI基礎課程、20,000名開發者受益於雲端與AI技術訓練、100,000人獲得數位行銷知識，協助台灣的AI與數位教育普及化。
Google裝置與服務資深副總裁Rick Osterloh表示，台灣在Google的全球願景中扮演核心角色，特別在去年的HTC協議案生效後，台灣已成為Google在亞洲最大的研發基地。Google致力將最佳的AI、軟硬體整合體驗帶給全球使用者，而在實踐這個使命的過程中，台灣人才所帶來的貢獻是不可或缺的。除了建立全新的辦公空間外，Google也將透過更多交流與招募計畫，邀請台灣的人才一起打造優質的未來科技產品。
針對今年的人才培育，「Google智慧台灣計劃」將延續去年成功落實的內容，並新增了更多實施項目，重要的項目包括AI培訓和數位行銷。其中AI培訓旨在降低AI知識的學習門檻，有針對企業提供的「Machine Learning Day」機器學習專班，透過實作和工作坊的方式，為企業導入機器學習知識。同時與產官學界的9個合作夥伴，針對學校共同培育出80位AI種子教師，將Google的AI技術知識傳授給更多教師、學生、以及開發者。
另外數位行銷方面，Google針對一般大眾、企業，繼去年在台南文化創意產業園區、台中逢甲大學開設Google數位學程 (Digital Garage) 實體課程後，Google亦將於「新北社企・電商基地」開設實體課程，為北部地區對數位行銷感興趣的民眾與企業提供相關知識。還有針對學校，Google的數位學程內容正式納入台中逢甲大學與高雄中山大學的學分課程，讓學生在校期間就能獲得專業的數位行銷知識，開拓未來職涯發展的更多可能。
今年，Google將在台灣大幅增加業界人才交流活動的規模與頻率，舉辦更多的校園招募以及大學教授交流活動，也將開出更多企業實習的名額和機會。此外，Google也將積極參與Women in Tech產業活動、與高中女生交流互動，以鼓勵台灣女性加入科技產業。
工研院產科國際所牽線 台廠攜手國際夥伴布局前瞻市場
人工智慧(AI)、5G浪潮來襲，帶動創新應用與商業模式崛起，而台灣產業在全球市場競爭下如何轉型突圍、接軌國際，成為當前一大重要議題。為協助台灣產業掌握新興科技趨勢，工研院也成立產業科技國際策略發展所(簡稱產科國際所)，促成台灣與國際機構的合作，並在日前舉辦2019台灣關鍵產業機會發表會，分享國際合作成果案例。
工研院產業科技國際策略發展所所長蘇孟宗表示，隨著AI、5G技術的演進，應用將逐步滲透到人們的日常生活中，而全球科技產業正值典範轉移之際，台灣更須急起直追，從全球科技發展趨勢及市場需求出發，發揮產業既有的優勢，翻轉競爭力。另一方面，近年來亞洲經濟加速崛起，將重構區域合作發展格局，因此台灣未來的產業發展，除了厚植實力，還要借力使力，吸引國際與台灣加乘合作，才能掌握新一輪的產業契機。
為協助台灣產業有效接軌國際，工研院在2018年8月正式成立產科國際所，透過整合原有產業經濟與趨勢研究市場分析與產業智庫服務的基礎上，進一步整合本院海外產官學研機構國際網絡與跨領域創新研發能量，協助台灣產業布局全球前瞻科技市場。
工研院在經濟部技術處與工業局的支持下，推動台灣產業與國外機構的合作，透過長期經營之歐、美、日、俄等海外據點，擔任科技前哨站，運用各區域創新體系與產業科技特點，探索雙/多邊合作利基，以促動創新合作並深化與策略合作夥伴之互動連結。如「台灣與美國愛達荷州的產業聚落連結」即是一例，該計畫成功吸引美光(Micron)加碼來台投資，並與我國產業鏈合作，打造智慧自動化記憶體封測廠，建立完整的產線。
此外，為促進企業進入高附加價值，工研院陸續與先進國家建立長期夥伴關係，推動美國Micron、美國PKG公司、日本溫柔之手集團等來台投資或產業合作，並協助我國產業進入國際供應鏈體系，促成服務型新創事業之國際市場發展。
車用AI市場2018~2028年CAGR高達49%
在2018年，只有實驗性的自駕車可以聲稱擁有車載人工智慧(AI)。過去一段時間AI運算市場由數據中心的應用驅動，2018年運算市場的市場規模達到1.56億美元。在未來10年，隨著自駕出租車和接駁車的發展，產業研究機構Yole Développement(Yole)研究表示，該市場仍將是人工智慧在汽車產業的主要營收來源，預計2028年的營收規模將達到90億美元。
2019年，首批符合Level 3標準的汽車將上路，人工智慧將進入ADAS Level 2等級的汽車上，取代傳統的機器視覺算法。預計2019年ADAS的運算市場將達到6300萬美元，到2028年強勁成長至近37億美元。在資訊娛樂系統上，AI已經出現在高階BMW、Volvo和Benz車型中。此外，嵌入式車載運算仍然相當便宜，因為運算大部分都透過雲端完成。然而，就智慧家庭市場而言，願意為Edge帶來智慧功能，這意味著需要創建功能強大，更昂貴的運算能力。Yole預期資訊娛樂運算收入將大幅成長，從2018年的1800萬美元增加到2028年的7.68億美元。
整體而言，所有與人工智慧相關的運算實際上正經歷爆炸式的成長，Yole認為在2018年到2028年之間，AI在汽車相關的應用上，產業規模將從1.74億美元，成長到近140億美元，年複合成長率(CAGR)高達49%。
十大策略科技相繼啟動 數位商業/生態系逐步成形
雖然科幻小說常把AI機器人描寫成反派角色，現在卻有些科技巨擘將之用於安全領域，例如微軟、Uber等公司利用Knightscope K5機器人來巡邏停車場和大型戶外區域，藉此預測並防範犯罪。這些機器人能讀車牌、回報可疑活動、收集資料並回報車主。
這類由人工智慧驅動的機器人都是「自動化物件」的實例之一。自動化物件是Gartner 2019年十大策略科技趨勢的其中一項，這些趨勢極有潛力在未來五年內，帶動大規模突破式創新並帶來商機。Gartner副總裁暨傑出分析師David Cearley指出，在未來，無所不在的智慧裝置將成為數位商業和生態系之基礎，提供人們越來越具洞察力的數位服務，稱之為智慧數位網格。
．智慧
幾乎所有既有科技都具備人工智慧，並創造出全新領域。
．數位
結合數位和實體世界，創造出沉浸式的世界。
．網格
創造個人、企業、裝置、內容和服務群體之間不斷擴大的連結。
以下為Gartner 2019年十大策略科技趨勢預測，著重於正在變遷或尚未廣泛受到注意，且將在2023年前影響產業並帶動轉型的趨勢。
自動化物件
不論是汽車、機器人或農業，自動化物件都可利用人工智慧來執行傳統人力進行的任務。智慧程度或許有所差異，但所有自動化物件都能利用人工智慧，以更自然的方式與周遭環境互動。自動化物件將以五種類型存在：
．機器人
．汽車
．無人機
．電器用品
．虛擬世界的代理人
這五個類型將存在於四種環境：海洋、陸地、空中與數位世界，它們運作時的功能、協調性和智慧程度都有所不同。舉例來說，它們的範圍從需要人為操控的空中無人機，到能在田間完全自主作業的農耕機器人。這替未來可能的應用勾勒出一幅廣大的藍圖，從潛在到所有垂直應用、服務和物聯網物件都將結合某種形式的人工智慧，使流程或人類的行動實現自動化或增強，例如無人機群(Drone Swarm)這樣的協作型自動化物件，將逐漸推動人工智慧系統的未來。
Gartner建議針對企業組織或顧客環境裡所有實體物件，探索人工智慧自動化功能的可能性，但自動化物件不像人腦具備決策、智力或廣泛學習的能力，因此必須謹記定義這些裝置的用途時範圍越窄越好。
增強分析
資料科學家現在有越來越多資料可以準備、分析和分類，從而得出結論，但考慮到資料的數量，將難以探索所有的可能性，這意味企業可能會因為資料科學家無法探究某些假設，錯失關鍵洞察力。
增強分析代表的是第三波的資料和分析功能，即資料科學家可以利用自動化的算法來探索更多假設。資料科學和機器學習平台已經改變了企業產生分析洞察力的方式。增強分析能辨識隱匿的模式，同時排除個人偏見。雖然企業面臨在演算法中無意帶入偏見的風險，增強分析和自動化洞察力終將導入企業應用。
到了2020年，公民資料科學家數量的成長速度將是專業資料科學家的五倍。公民資料科學家利用人工智慧驅動的增強分析工具，讓資料科學功能得以自動化，以自動辨識資料集、發展各種假設並辨識資料當中的模式；企業將仰賴公民資料科學家，做為它們造就和擴充資料科學功能的方法之一。
Gartner預測到了2020年，將有超過40%的資料科學工作邁入自動化，使生產力得以提升且更加廣泛為公民資料科學家所使用。在公民資料科學家和增強分析之間，資料洞察力將更為廣泛地提供給整個企業組織，包括分析師、決策階層和作業人員。
人工智慧驅動開發
由人工智慧驅動開發，主要是思考哪些工具、技術和最佳實作規範可將人工智慧嵌入應用程式，從而為開發流程打造由人工智慧所驅動的工具。此趨勢隨著以下三個面向演進：
1.用來打造人工智慧解決方案的工具，正從鎖定資料科學家的工具(人工智慧基礎建設、人工智慧框架和人工智慧平台)，拓展為針對專業開發人員社群的工具(人工智慧平台、人工智慧服務)。有了這些工具，專業開發人員就能將人工智慧所驅動的功能和模型注入某個應用程式，而無需專業資料科學家介入。
2.用來打造人工智慧解決方案的工具，開始因為人工智慧所驅動的功能而更加強大，能協助專業開發人員，讓與人工智慧增強解決方案開發相關的工作得以自動化。增強分析、自動化測試、自動化寫程式和自動化解決方案的開發，將加快開發流程，讓更多類型的使用者可開發應用程式。
3.人工智慧工具正在演進，從協助應用程式開發(AD)相關功能的自動化，轉為增強商業領域的專業，讓應用程式開發流程堆疊裡實現更高層級的自動化活動(從一般開發到商業解決方案設計)。
市場焦點將從與開發人員合作的資料科學家，轉移到由開發人員利用以服務型態提供的預先定義模型來獨立作業。這讓更多開發人員得以利用這項服務，從而增加效率。這些趨勢也將使得虛擬軟體開發人員和非專業「公民應用程式開發人員」變得主流。
數位分身
數位分身指真實世界中某個實體物件、流程或系統的數位表徵，也可以予以連結，成為電廠或城市等更大系統的分身。數位分身並非新概念，它可以回溯到為物件或顧客線上檔案提供電腦輔助設計表徵的做法，但現在的數位分身有以下四點不同之處：
．模型的穩健程度，著重在如何支援特定商業結果。
．連結真實世界，有即時監測並控制的潛力。
．利用先進大數據分析和人工智慧來帶動新商機。
．能和假設的情境互動並加以評估。
目前討論數位分身的焦點在於物聯網，透過提供與維修及可靠度相關的資訊、提升產品效能的洞察力、新品資訊和增加的效率，以改善企業決策。企業組織的數位分身也逐漸崛起，創造組織流程模型以提供即時監控並優化流程效率。
更強大的邊緣運算
邊緣運算是一種拓撲，能將資訊的處理、內容的收集與傳送都保留在靠近該資訊來源處，主要是讓流量在本機進行可縮短延遲時間；目前這項科技的焦點放在物聯網系統的需求，為嵌入式世界提供切斷連結或分散式的功能。這種類型的拓撲可解決現今面臨的各種挑戰，包含廣域網路(WAN)成本過高和高延遲程度等問題。除此之外，它還能實現數位商業和IT解決方案的相關細節。
Gartner預測在2028年之前，於邊緣裝置嵌入感測器、儲存裝置、運算和先進人工智慧功能的數量將穩定成長。整體而言，智慧功能將移往邊緣處各式各樣的端點裝置，包括工業用裝置、螢幕、智慧型手機甚至汽車發電機。
沉浸式科技
2028年之前，對話式平台、擴增實境(AR)、混合實境(MR)和虛擬實境(VR)等技術，將帶領大家進入一種全新的沉浸式體驗。擴增實境、混合實境和虛擬實境展現了提高生產力方面的潛力，新一代虛擬實境技術甚至能感測形狀並追蹤使用者方位，混合實境則能讓人觀看並與世界互動。
到了2022年，70%的企業會嘗試將沉浸式技術應用於消費者和企業用途，而25%會用於生產中。從虛擬個人助理到聊天機器人之類的對話式平台，未來將結合經過擴充的感測頻道，讓平台可以根據臉部表情偵測情緒，強化互動時的對話能力。最後這項技術與思維將發展成一種體驗，透過電腦甚至汽車等數百種邊緣裝置與人類連結。
區塊鏈
區塊鏈是一種分散式帳本，其中的列表會不斷擴充，依時序排列出以加密方式簽署且無法撤銷的交易紀錄，並由網路中所有參與者共同分享。區塊鏈讓企業能追蹤某項交易，和不受信任的另一方合作而無需中介機構(例如銀行)，這將大幅降低業務摩擦；在相關業務從金融領域起步之後，也已經拓展到政府機關、醫療照護、製造業、供應鏈等面向。區塊鏈有潛力能降低成本、縮短交易結算所需時間，還能改善現金流，目前也出現大量以區塊鏈為靈感來源、利用區塊鏈某些優勢和部分技術的解決方案。
雖然純粹的區塊鏈模型並不成熟，要擴充也有難度，不過企業應開始評估這項技術，因為Gartner預測到了2030年區塊鏈將創造3.1兆美元的商業價值。有些方案以區塊鏈為靈感來源但不採行所有的區塊鏈原則，它們能提供短期價值，但無法像純粹的區塊鏈那樣保證提供高度分散且去中心化的共識模型。
智慧空間
智慧空間是一種實體或數位環境，人類和科技系統能在這個開放且共同合作的聯網智慧生態內互動；隨著科技逐漸融入成為日常生活的一部分，智慧空間的市場正邁入加速期。而由人工智慧驅動的技術、邊緣運算、區塊鏈和數位分身等其他趨勢也開始順應這個潮流，從個別解決方案發展成為智慧空間。
智慧空間的演進圍繞著五大關鍵層面：開放性、連結性、協調性、智慧功能與應用範疇。基本上，智慧空間正由單一技術的發展逐漸轉為創造出協作式的互動環境。智慧空間裡範圍最大的例子就是智慧城市，結合了商業、住宅和工業社群，在設計上則是利用智慧型都會生態系統架構，串聯所有產業進行社會和社群協作。
數位倫理和隱私
消費者逐漸意識到他們的個資也具有價值，而且越來越關心公家單位和私人企業組織如何利用他們的個資，未能重視這個問題的企業，將面臨消費者反彈的風險。
不過，任何與隱私相關的討論，都必須以道德和信任為基礎。討論的主題應從「我們是否合乎規範」，拓展到「我們是否在做正確的事」。各國政府正積極規畫或通過相關法規，除了企業必須遵守外，消費者也開始小心保護或移除個人資訊。企業必須取得並維持顧客的信任才能成功，同時也應遵守內部價值，確保顧客覺得它們值得信任。
量子運算
量子運算(Quantum Computing)是一種以次原子粒子(例如電子和離子)的量子狀態來運作的非典型運算方式，以量子位元(qubit)為儲存資訊的單位。量子電腦則是一種具有指數級擴充性和高度平行的運算模型，可以從大型圖書館想像傳統和量子電腦之間的差異。
傳統電腦必須以線性方式讀取圖書館裡每本書，但量子電腦能同時閱讀所有書籍。理論上量子電腦能一次處理幾百萬個運算，若能以商業化形式提供價格親民且可靠的量子運算服務，將可帶動部分產業轉型。
量子運算在真實世界的應用，從個人化醫療甚至到模式辨識功能的優化。這種技術仍在新興崛起階段，表示現在正是企業應了解有哪些應用具有潛力的時機，並考量其中是否存在安全疑慮。除了少數幾家企業能藉由特定的量子運算法取得優勢，2022年前大部分公司仍將持續探索或之後再開始應用。
(本文作者為Gartner副總裁暨傑出分析師)
鞏固資料中心市場優勢 英特爾攜產業龍頭成立CXL聯盟
繼NVIDIA正式宣布併購以色列晶片製造商Mellanox Technologies之後，英特爾(Intel)隨即發布將攜手阿里巴巴、思科、Dell EMC，Facebook、Google、Hewlett Packard Enterprise、華為和微軟等產業龍頭，共同成立Compute Express Link (CXL)聯盟，以開發CXL技術，藉此鞏固在資料中心市場的優勢地位，並建立更完善的高速互聯生態體系。
英特爾資料中心事業群執行副總裁暨總經理Navin Shenoy表示，不同產業所面臨的共通挑戰，便是需要從大量資料中獲取更多價值。為此，該公司與阿里巴巴、思科、Dell EMC，Facebook、Google、Hewlett Packard Enterprise、華為和微軟合作成立聯盟，開發CXL技術，這是一種開放式互聯技術，可提高效能，並消除CPU和專用加速器的運算密集型工作負載瓶頸。
Shenoy進一步說明，資料的爆炸性成長和專業工作負載，如壓縮、加密和人工智慧(AI)的快速創新，都使得異質運算逐漸興起，其中專用加速器能與通用CPU並行工作。這些加速器需要與處理器之間有高效能的連接，並且在理想情況下能共享公共儲存空間以減少負擔和延遲。CXL是一種關鍵科技，可以實現加速器和CPU之間的記憶體一致性，提供極高的頻寬，並使用基於PCI-Express Gen 5且易於理解的基礎架構。
具體而言，CXL在CPU和工作負載加速器(如GPU、FPGA和網路)之間建立了高速、低延遲的相互連結，能維持裝置之間的記憶體一致性，允許資源共享以實現更高的效能，降低軟體堆疊複雜性並降低整體系統成本。
Shenoy指出，雖然市場上存在其他的互聯性協議，但CXL獨特之處在於能夠提供CPU/裝置記憶體一致性，降低裝置複雜性，並且在單一科技當中整合產業標準的實體和電子介面，以實現最佳的隨插即用體驗。
總結來說，CXL技術旨在解決CPU和專用加速器不斷成長的高效能運算工作負載，滿足人工智慧、媒體、圖像和語言處理、加密與其他領域的新興資料處理應用。預計CXL第一代規格將在2019年上半年提供給聯盟成員，預估將從英特爾的2021資料中心平台中首先看到整合CXL科技的產品，包括Intel Xeon處理器、FPGA、GPU和SmartNIC。
跟上AI影像辨識應用熱潮 新唐推智慧數位辨識系統
近來影像辨識系統需求大增，應用也愈加多元，為滿足市場需求，新唐科技推出智慧數位辨識系統，可拍攝水表、電表、氣表上的數字，並利用機器學習神經網路演算法進行辨識，進而大幅降低資料收集所需成本以及人力耗費，提升管理效率。
新唐科技表示，智慧化發展快速發酵，影像需求迅速增加，像是在許多幅員廣大的地區，例如中國廣西或是美國猶他州，由於地廣人稀，假若藉由傳統的作業模式收集資料，不僅需要大量人力，同時也曠日費時。像是以查水表為例，如果使用人力在上述地區抄水表，既花費成本，也沒有效率；因此，有些業者便改用影像拍攝水表度數。
為此，新唐科技推出智慧數位辨識系統。具有遠端抄表功能，也可以廣泛地應用在其他領域。只要將資料拍攝下來，傳送到終端，便可以直接進行資料的整合，其範圍可達方圓50~100公里。另外，由於影像資料方便儲存的特性，在管理上也比傳統方式更加便利，且不易出錯。
此一智慧數位辨識系統採用以Arm Cortex-M4為核心的NuMicro M480系列微控制器，透過互補式金屬氧化物半導體(Complementary Metal-Oxide Semiconductor, CMOS)影像感測器，所擷取的QVGA影像，可以拍攝水表、電表、氣表上的數字，再利用機器學習神經網路演算法進行辨識，判別後資訊可無線傳輸到雲端，實現遠端抄表功能。
此外，透過高性能192MHz Cortex-M4F與內建DSP的NuMicro M481，該解決方案可在0.5秒內完成影像辨識。使用內建CSI介面之M481進行影像二值化計算或搭配DSP進行卷積計算。
值得一提的是，為了確保資訊安全，M481可配置XOM保護機密程式碼。XOM是一種內部軟體保護機制，由於記憶體空間的一部分僅支援程式執行，因此除錯器或任何軟體都無法讀取記憶體的內容，使資訊安全更有保障。
碁仕科技將於台北及台中舉辦AI駭客松工作坊
AI人工智慧是表面瑕疵檢查與圖像辨識的最佳解決方案，可解決傳統機器視覺演算法無法辨識複雜影像的問題。碁仕科技將於3月28日及29日分別在台北華南銀行國際會議中心和台中台灣科學園區同業公會舉辦台灣首見的AI駭客松工作坊，透過SuaKIT上機演練及分組討論，讓與會人員親自體驗SuaKIT影像檢測的優勢和AI影像辨識的無限可能，
本場活動也將邀請AI視覺檢測成功導入SAMSUNG、LG等大廠的全球專業AI視覺檢測軟體公司SUALAB來台，由全球市場行銷總監Mr. Hongsuk Lee介紹SuaKIT AI影像檢測軟體，並分享SuaKIT在各產業的成功應用案例。
本次駭客松工作坊不限軟體工程師，亦歡迎有興趣導入AI視覺檢測軟體的專案管理者來參加，不過因活動型態及人數考量，本活動採審核制，報名網頁為www.g4.com