AI

希捷科技近日宣布已運用其先進熱輔助磁記錄(HAMR)技術，建置並測試世界首款格式化且功能完備的標準3.5吋16TB企業級硬碟平台，打造出前所未有的高容量硬碟。希捷科技以領先群倫的HAMR技術樹立另一重大里程碑，2020年將單一硬碟的容量提升至20TB以上的計劃如預期進展。 希捷模擬客戶將硬碟整合至企業應用時常見的使用情境，對預發行版本Exos 16TB的HAMR硬碟進行測試。測試結果成功地顯示HAMR硬碟與標準企業應用環境中的其他硬碟並無二致，能夠隨插即用且順利運行。當用戶欲整合HAMR硬碟至現有的資料中心及系統時，無須進行任何結構上的改變，只需像使用其他任何企業級硬碟一樣插上即可使用。 隨著資料不斷在邊緣被擷取及創造，人們對儲存容量的需求也持續加速成長；人工智慧應用的不斷演進也促使更大資料集的需求，以淬鍊出關鍵的學習。換句話說，經濟實惠且易布建的儲存產品將推升數位化世界的發展。 希捷研發出HAMR技術大幅提升單一硬碟的儲存容量，新媒介磁記錄技術讓資料位元或顆粒變得更小、密度更高，同時維持磁性的穩定度。每個讀寫頭上的小型雷射二極體會加熱磁碟上的小點，使讀寫頭能夠迅速轉換每一個穩定位元的磁性以寫入資料。希捷的專利HAMR技術將符合業界的標準規格，能在相同空間下比傳統硬碟容納更多兆位元組(TB)，降低用戶總持有成本。

隨著人工智慧(AI)、物聯網等技術的發展，使得資料中心的需求也逐漸擴大；其中，依然以超大規模的雲端服務供應商為市場主導。另外，邊緣運算的需求也持續延燒中。以上二趨勢都將帶動低功耗晶片需求，此設計方向也是所有應用場域的大勢所趨。 其中，儘管私有資料中心依然是一個相當重要的市場，但是最大的零組件需求依然是來自全球超大規模雲端的供應商。這樣的市場環境將對於未來的產品設計產生重大的影響，因為未來的晶片設計將會以這些大規模的採購客戶的需求為主要的方向。市場調研機構Ovum分析師 Roy Illsley分析，像這樣的市場方向在短期之內將維持不變，但為了確保互操作性(Interoperability)，本地端與雲端之間的連線將成為關鍵，這之間的產品組合也將反應出目前的市場變化。 值得一提的是，Illsley提到，由於中美貿易戰以及英國脫歐等國際政治情勢變化，目前的資料中心相關供應鏈正受到極大的壓力。中美貿易戰以及英國脫歐不僅是對於股票市場或是製造廠設立地點的改變，也將使得現有的供應鏈不如以往那樣可靠。 由於人工智慧的發展也使得邊緣運算的需求逐漸上升，此趨勢也帶動了低功耗晶片的需求成長。Illsley認為，邊緣運算熱潮將持續延燒，並且首先將落實在基地台以及感測器應用上。當然，晶片在各種不同的設備上應用方式皆有所不同，但是低功耗都是非常重要的考量要素。目前市場已能看見許多針對人工智慧與機器學習需求而設計的新型晶片，如Google所推出的TPU，就是專為高效能運算(HPC)需求設計晶片的典型案例。其中，在推廣時最大的挑戰在於建立晶片運作的相關環境，使得晶片能夠發揮最大效能。

先進半導體解決方案頂尖供應商瑞薩電子宣布，全新推出RX66T微控制器(MCU)產品組──以全新的第三代RXv3 CPU核心為基礎，是瑞薩旗艦級32位元RX MCU系列的第一批成員。新型MCU採用尖端的CPU核心技術，大幅提升性能，比之前的RX系列MCU高出2.5倍。 新型RX66T MCU結合了功能強大的新RXv3核心，以及目前RX62T和RX63T MCU的優勢，可滿足變頻器控制所需要的即時性能與更高的穩定性。新型MCU非常適用在工業應用方面的下一代智慧化工廠設備，如工業馬達、電源調節器和機器人，以及包括空調和洗衣機在內等智慧型家電。 當RX66T MCU在160MHz工作時，可達到928 CoreMark 2同級晶片的最高性能，進而實現更精確的變頻器控制。此MCU可同時控制多達四顆馬達，使RX66T成為傳統馬達控制，以及需要多軸馬達控制應用產品的理想選擇。多軸馬達控制應用產品的例子有袖珍型工業機器人和個人用機器人，這些機器人正在迅速普及。除此之外，RX66T的額外處理能力，讓開發人員可以使用嵌入式AI(e-AI)來添加程式並用於馬達故障檢測。這些程式可根據馬達的電流或振動特性，即時檢測馬達故障並辨識故障位置。其所提供的這項功能，為開發人員提供了生產力、安全性和品質的重要附加價值。RX66T MCU還整合了一組5V電源，可提供出色的雜訊耐受性。

人工智慧(AI)無疑是監控產業未來發展的關鍵，其應用也愈加普遍，民間、政府單位皆紛紛導入智慧化的監控系統提升效率及提升安防等級。例如新北市警察局引進「違規停車自動偵測執法系統」，24小時在新北市板橋車站的機慢車優先道進行自動偵測，只要違停屬實，不再勸導、一律舉發，預定2019年1月起正式施行執法。 據新北市警局指出，此一系統是使用雷射偵測及車牌辨識系統，24小時自動偵測違規停車，自動蒐證違規車輛影像，傳送逕行舉發系統，減少人力作業，預定於2019年1月正式施行執法；若成效良好，將擴大在全市違規停車嚴重路段規畫辦理。除了在板橋車站引進違規停車自動偵測執法系統，新北市警局同樣也在萬里區萬里隧道實施區間平均速率科技執法，在進、出口設置偵測設備，記錄車輛進出的時間，換算通過該路段時間及通行速率。 除了政府單位，也有愈來愈多的民間企業開始使用智慧監控系統，以提升安全維護。像是美國流行歌手泰勒絲(Taylor Swift)便於今年5月的洛杉磯Rose Bowl體育館演唱會中導入人臉辨識系統，避免跟蹤狂混進會場中。從這兩個案例可看出，智慧監控愈來愈受各界的重視，其需求也跟著水漲船高。 監控市場續成長　裝置AI化成趨勢 根據市場調查機構Marketsandmarkets調查報告指出，影像監控的市場產值，將以每年13.1%複合成長率的速度成長，從2018年的368.9億美元，成長至2023年的683.4億美元。其主要驅動因素在於政府及公共安全應用方面調查，使得數位網路型攝影機、消費型DIY設備及偵防用攝影機的需求增加。 報告指出，網路影像監控系統的產值成長，主要是因為市場採購趨向從類比(Analog)走向數位網路型(IP)系統。網路影像監控系統的主要優點包括畫質更清晰、系統可高度擴充、容易安裝，以及容易網路連線及整合。 像是連網型的機種，用現有的網路就能連線整合使用，配合設備基本提供的軟體，可做到影像分析、網路管理及雲端儲存。因此，數位網路型監控系統未來會以快速的速率成長，而攝影機內建的功能，以及儲存設備產業的技術都將更進化；而AI，更是提升攝影機效能，使其實現更多應用的最大關鍵。 對此，Western Digital表示，隨著矩陣數學運算和算法的進步，機器學習(ML)與深度學習(Deep Learning)技術逐漸應用於監控市場之中。機器學習可被訓練，以識別模式、形狀、顏色、聲音、振動、溫度以及壓力等細微差別和差異， 這對於即時檢測和識別十分重要，使得臉部辨識應用日益完善，以進行高級識別、驗證、搜索、預防和救援。至於深度學習，透過大量的監控影像和訓練之後，搭載深度學習的監控系統便可有效的進行對象和行為模式分析，進而提供更有效的數據。 Arm市場行銷高級總監Rhonda Dirvin(圖1)也指出，在監控裝置中導入AI將會產生十分巨大的影響，特別是現今越來越多的智慧從雲端移到終端。廣域監控(人群和交通管理、智慧零售、智慧監控)和屋內或室內監控(人員偵測、辨識、存取控制、停車管理)，都將因AI的導入而受益。 圖1　Arm市場行銷高級總監Rhonda Dirvin指出，AI將會對監控裝置帶來十分巨大的影響，同時現在也有越來越多的智慧功能從雲端移到終端。 Rhonda Dirvin進一步說明，例如，在廣域監控中，終端偵測和推論實現了更實用的即時訊息提取，使得這類系統的管理更加強大，且更不易出現人為錯誤，在此類系統拓展終端智慧也更有效率。又或對於家庭或室內使用情境，終端智慧可讓系統更加安全和本地化；像是可以通過在家中本地運作的臉部辨識來打開家中大門，而不是在雲端中運作。 總而言之，安防需求的增加，推升了影像監控市場成長，而要實現更高的監控效率，AI可說是不可或缺的關鍵技術；一旦增添了AI功能，使安防監控系統更加智慧化，不僅效率更佳，也能有效降低人力成本，因此，監控AI化可說是必然的發展趨勢。 技術變遷/消費需求　AI監控趁勢而起 眾所皆知，影像監控系統每天都會產生大量的影像與事件資料，但這資料數據只有20~40%是有意義的，其餘都是無用的影像或誤報的事件資訊，也因此，導入AI針對影像進行自動分析、識別、跟蹤、理解和描述，藉此提升效率並減低人力成本的需求明顯增加。 晶睿通訊研發副總馬士毅(圖2)表示，事實上，監控錄影其實是件很無聊的事情，因為不是常常都有狀況發生。在錄影過程中，大概有八到九成的時間是不會有事的，當有事情發生時，才倚賴人工方式將監視帶子調出，對事件發生時段進行檢視。也因此，如何將監控系統智慧化，使其能有效地在事情發生時能迅速通知、警示，同時也減少人力，是監控產業期望實現的目標。 圖2　晶睿通訊研發副總馬士毅說明，場景、演算法和算力為智慧監控三大要素，科技進步使得演算法和算力不斷提升，因而能導入AI實現智慧監控。 馬士毅進一步指出，過往之所以無法實現智慧監控，最大原因莫過於是演算法能力不夠強。智慧監控共有三個要素，一個是場景，例如停車場、商場、辦公大樓等；第二是演算法，像是如何運用機器學習、深度學習進行數據處理，並有準確的分析結果；第三個要素就是演算能力，也就是這演算法和硬體處理器的運算效能夠不夠強大。 馬士毅說明，如上所述，智慧監控的場景一直存在，但過往礙於演算法和演算能力不夠成熟，因此遲遲無法實現。然而，隨著科技進步，晶片製程不斷提升，加上AI興起，使得不僅是監控產業，其他領域也積極投入，像是汽車、工業等。在各行各業的推波助瀾之下，IC、演算法成熟度加速累積，因而使得智慧監控應用得以實現，且如雨後春筍般冒出，而未來更智慧的監控設備勢將愈加普及。 對此，索思未來科技(Socionext)影像處理事業部應用工程科經理陳哲鋒(圖3)也認為，監控系統於設計上已然改變，不論是居家應用、商場百貨，或是交通等領域，監控設備不再是過往的單純錄影，待事件發生時再回看進行搜索，而是會有更多智慧化的功用在其中，像是臉部辨識、動作偵測等。 圖3　索思未來科技影像處理事業部應用工程科經理陳哲鋒提到，在消費者希望監控產品能有更多附加價值的情況下，智慧化功能便逐漸增多。 陳哲鋒指出，隨著科技進步，消費者的購買需求也會隨之改變。過往消費者對於監控設備的要求多在於高效能(如畫面清晰)；現在則希望這些設備還能有其他的「附加價值」。 陳哲鋒說，試想一下，若家中IP攝影機具有臉部辨識功能，當親朋好友來臨時便會立刻發出通知，通知客人身分；或是當陌生人在家附近徘徊時，能立即發出警示。這對消費者而言，不僅實用，也方便，而這也是所謂消費者對監控系統所期望的「附加價值」。因此，使得越來越多監控系統業者紛紛於產品上增添附加功能，智慧化趨勢便日益明顯。 智慧監控應用增　交通/零售/安防為三大市場 上述提到，監控系統AI化趨勢日益明顯，其應用也逐漸浮現，如交通管理、智慧零售，或是和屋內或室內監控等。對此，建騰創達董事長暨執行長朱伯倫(圖4)表示，目前AI智慧監控所要監測的事物不外乎可分成四大類，分別為人、臉、車，以及車牌識別(Automatic License-plate Recognition, ALPR)；也因此，和這四類較為相關的應用領域，像是零售、交通、商業建築等，會是未來智慧監控發展較為快速的領域。 圖4　建騰創達董事長暨執行長朱伯倫表示，要搶得AI商機，不能再以尋求差異化為主，而是要從應用服務角度出發，滿足客戶需求。 以零售業為例，耐能智慧行銷業務資深經理陳學佑指出，零售業者導入智慧監控系統有兩大方向，首先是打造無人商店，例如7-ELEVEN的「X-STORE」及亞馬遜(Amazon)的「Amazon Go」等；其次便是希望能藉此進行客群分析，進而實現「精準行銷」。也就是運用AI監控系統，除了紀錄來店人數，監看現場狀況之外，同時紀錄客人的相關資訊，不一定需要知道客人的身分，但可透過數據分析得知是否有固定來客，以及這些客人是否有品牌忠誠度；若有的話，店員便可進行技巧性推銷，推薦客人有興趣的產品。 至於交通方面，馬士毅指出，AI的出現使得交通監控的需求也開始產生改變。交通監控不再只著重錄到的影像，重點開始轉向背後所獲取的資料。監控系統不僅僅是單純錄到車輛通過的影像就行，於車輛通過時也同時須得知其車牌號碼、車型等，這就是所謂的結構化監控。也就是不單單是看車流數量，或是影像畫質好不好，而是要看懂其背後的數據，才能做出更有效的判斷和決策。 當然，傳統安防領域也仍是AI監控的重要市場。台灣索尼課長葉沛青指出，對於智慧監控需求一般而言，還是以警政系統的安全維護及智慧辨識為主。促成此變化的發展趨勢在於，針對日新月異的犯罪手法，傳統式的監控系統不斷在更新其功能，透過智慧識別，能節省人力，在更短的時間內分析出所需的資訊。這對於某些業主(如零售店、家庭)而言，無疑是更有效的安防監控工具。 搶占AI監控商機　應用服務為主軸 綜上所述，AI將為監控產業帶來翻天覆地的新變化，其應用需求也逐漸高漲；然而，對於監控業者而言，AI的興起雖帶來了新商機，但也意味著新挑戰隨之而來。 朱伯倫說明，商場、零售店等終端業者之所以會導入AI，其原因不外乎是增加營收、減少成本，以及降低風險，以得到更多的投資回報率(Return On Investment, ROI)。也因此，監控業者不能抱持「尋求差異化」的思維，而是須以「應用服務」的角度出發，協助客戶達到更多營收、更低成本、更易管理風險的目標。 朱伯倫進一步指出，尋求技術差異化偏向製造業的思維，也就是打造一個具獨特性的產品(可能是價錢最低、效能最好等)力抗市場眾多競爭對手，進而讓顧客買單；然而，這種差異化並非是永遠不變的，因為技術每天在進步，或許在短短幾個月內，產品之間的優勢或獨特性便會相差無幾。 也因此，對於監控業者而言，在逐漸攀升的AI監控商機中，要占有一席之地，便該從「應用服務」的角度切入，以客製化的支援與服務滿足客戶的三大主要需求，也就是賺錢、省錢和管理風險。 朱伯倫表示，應用服務和客製化都不是新的概念，對於監控業者而言卻是新的挑戰。原因在於，這考驗業者了不了解終端產業的需求、運作，以及在了解之後有沒有相對應的能力進行服務與技術支援。以該公司為例，除了提供監控系統相關的軟硬體之外，更重要的還包括售後的服務與支援，例如數據分析、伺服器資料管理等。換言之，化繁為簡，不再執著於尋求產品、技術的差異化，而是去思考如何實現更智慧的應用，提供最有效率的解決方案滿足客戶在ROI上的需求，這是目前所有監控設備業者應了解的觀念，同時也是新的挑戰。 對此，Western Digital也認為，AI監控的興起，對於製造商和安裝商而言，雖說有更多的機會可提供和安裝複雜設備和系統，但更重要的是，他們更須了解數據在整個營運過程中所扮演的角色，因為有了數據，才使AI成為可能。所以，要如何獲取數據、又該捕獲哪些數據，且該如何消化、解釋、整合不同數據，還能呈現準確的結果，遂成為監控製造商、安裝商在AI世代脫穎而出的關鍵要素之一。

人工智慧(AI)的加持進一步推動雲端資料中心、儲存的發展，更刺激大數據資料量爆炸成長。為了改善資料量不斷增加的問題，雲端與儲存業者，如Google、亞馬遜(Amazon)、百度與阿里巴巴，皆希望能藉由客製化ASIC晶片的導入，提升整體伺服器雲端運算效能。 資策會MIC資深產業分析師兼組長葉貞秀表示，雖然ASIC需求在2018年年初就已嶄露頭角，但當時主要為開發比特幣的礦機廠商(如比特大陸)，為了提供終端需求而開發ASIC晶片；發展至今，ASIC客製化的需求已慢慢在雲端伺服器產業萌芽起飛，這也歸功於廠商開始對於AI演算法與AI能提供的服務發展更加明確。整體而言，2018年年初較多是終端裝置邊緣運算(Edge Computing)需求的ASIC，而現在這波ASIC客製化潮流正一路延燒到雲端運算領域。 事實上，開發一顆新的晶片花費相當昂貴，16~7奈米製程晶片，光是光罩費用，就高達上億元新台幣。因此，葉貞秀認為，搶攻ASIC客製化市場的廠商，必須要具備多元化IP資源，並對新興製程及晶圓級封裝技術有相當程度的了解。若廠商可以在各應用領域都有投入IP，將有利於爭取到更多客戶訂單，同時也可以降低開發成本，進而取得競爭優勢地位；此外，製程熟悉度將會影響到其提供服務的多樣性。 雖然晶片商可以與IP廠商合作，授權IP即能具備開發ASIC客製化晶片。但若晶片商本身擁有高速IP發展經驗、編解碼演算法IP，就毋須向其他廠商進行採購動作，對於降低晶片成本、加速ASIC落地將有長足幫助；再者，由於晶片商擁有自己的IP，後續與其他IP整合過程所遇的工程問題，也得以自行解決，對於開發商服務信任性也就油然而生。 過去在有ASIC需求的趨勢下面，台灣有一群IC設計服務廠商(如創意、智原)，幫助一些有特殊規格需求的車用、AI雲端運算與儲存等領域廠商，提供少量多樣的客製化晶片，協助他們蒐集晶片所需的晶片、聯絡半導體製程與價格規畫等問題。 藉由這樣全新的商業模式導入，葉貞秀分析，台灣IC設計服務廠商收益正逐年攀升，可看出每年營收都有10%穩定成長。同時，在雲端、儲存與AI演算法新創公司對於AI晶片的需求下，亦可看到傳統IC設計廠商，如聯發科、聯陽科技，亦以過去累積的底層IP做為發展ASIC服務的基礎，搭配先進製程開發經驗提供服務，甚至有些廠商開始成立專職ASIC部門，積極搶攻AI晶片市場大餅。 如上述所說，新晶片的開發需要耗費相當的費用。因此IC設計廠商，勢必需要降低成本，找尋新的發展機會，可看到已有廠商透過SiP模組化設計，增加資料傳輸頻率，並整合感測器、邏輯等不同製程型態晶片，讓IC提升效能，同時又滿足物聯網應用多樣化特性。 隨著整個產業晶片端客戶應用型態多樣化、多元化需求下，台灣整個半導體產業，在水平分工嚴密合作下，在ASIC開發需求下，占有一個不錯的優勢，而資策會MIC也看到產業開始朝這方向發展。

新創企業研究機構CB Insights選出的2018最具發展前景的100家人工智慧新創業者，屬於資訊安全防護範疇者即有10家企業。其中，CrowdStrike在2017年市場價值已經突破30億美元，堪稱為新創獨角獸公司；CyberReason達到9億美元的市場價值，亦接近獨角獸公司。分析表現優異的AI資安新創公司，有助更加了解AI資安防護趨勢與產品發展方向。 而觀察這些資安防護業者應用AI的類型，則可分為：端點防護、網路行為分析、網站防護及其他，本文將挑選部分新創案例說明。 AI補足傳統端點防護缺點 所謂端點防護在於保護企業中各種載具的資安威脅，以避免病毒透過員工的智慧手機、企業伺服器乃至於物聯網設備，進而竊取企業資料、勒索或造成企業內資訊系統停擺。傳統端點保護的問題來自於五點： 1.架構複雜：針對不同載具部署偵測軟體太過於複雜，不易管理。 2.執行效率：針對新型病毒會定期下載病毒碼到載具端，影響載具運作效率。 3.缺乏透明：傳統端點病毒缺乏整體的分析各端點受威脅狀況。 4.缺乏智慧建議：傳統端點病毒僅會就可能安全威脅提供阻斷或其他簡單處理動作，不能提供整體防護建議。 5.缺乏積極性建議：傳統端點病毒建議是消極性的防治處理，並沒有根據威脅入侵提供積極的處理方式。 另外，傳統資安端點防護方式是以病毒碼簽名之端點防護方式，主要是針對被病毒感染的檔案，帶有別於其他檔案的執行碼，透過更新病毒碼簽名，以掃描保護的端點載具上是否有潛在威脅。然而，現在的病毒攻擊方式更加複雜，且動態地改變病毒碼簽名或者不從檔案感染進行攻擊，傳統資安端點無法防護。 CrowdStrike主要提供企業智慧端點資安偵測、監控的雲端服務方案。CrowdStrike提供輕量級的端點防護代理程式(Agent)，安裝在各種設備載具中，並不須將病毒碼更新到設備載具端，減輕載具負荷，讓智慧手機、物聯網載具也可以輕易地安裝。CrowdStrike核心平台Falcon Platform運行在雲端服務上，透過蒐集各個企業的資安威脅事件(每日超過500億事件、上百萬載具、橫跨176國家)，進行機器學習分析，並提供企業整體資安威脅事件的透明化檢視、威脅智慧分析與建議等。 CrowdStrike的威脅智慧分析(Falcon Intelligence)是其AI方案的主軸。Falcon Intelligence不同於傳統資安端點防護方式，是以病毒行為進行學習與分析。Falcon Intelligence運用機器學習蒐集、學習、分析病毒攻擊行為、防護策略，以提供企業資安人員分析病毒的攻擊動機、下一步動作及因應策略。 Falcon Intelligence的蒐集資料來源包括：開源社群訊息、機器訊息、專家知識、暗黑資安攻擊分享網站資料等。企業人員使用Falcon Intelligence，不僅可以運用上述各種資訊來源與專家知識進行分析、事件關聯機器學習技術分析等，也可以直接詢問CrowdStrike專家各種諮詢以及病毒樣本下載解析等。 而因為現代資安攻擊手法更為複雜，Falcon Intelligence透過圖(Graph)運算，以檢視資安攻擊手法，進而進行阻斷、防治或行為學習，由此可以讓企業資安人員檢視資安攻擊路徑與行為。 CrowdStrike的Crowd代表群眾智慧的意義，透過其SaaS服務、累積全球各企業病毒行為、防治動作以及專家的智慧，使得CrowdStrike可以快速地發現新型病毒行為，進而有效地進行防治。CrowdStrike每年營收、訂購顧客均超過100%成長，100萬美元訂單更是年成長5倍。CrowdStrike不僅在端點防護上有其專長、群眾智慧的商業模式更是吸引創投資金不斷投入的原因。 EndGame強調偵測與病毒防護不需要透過雲端連線處理，在端點的代理人程式可離線自動偵測。當企業客戶需要進一步詳細地分析病毒時，可以將相關可疑感染檔案送交至EndGame之私有雲沙盒進行分析，EndGame也不會將相關檔案分享給與其他企業。 EndGame更強調運用MITRE組織的ATT&CK病毒攻擊行為分析框架與模型資料庫，來偵測與防治病毒。MITRE是美國聯邦政府資助的非營利組織，專門協助資訊安全、國土安全、防護安全等。EndGame認為機器學習不見得能夠分類所有的病毒行為，有其限制，故更重視既有人類專家知識辨認各種病毒感染的行為，搭配機器學習來辨認未知的病毒行為。 此外，EndGame運用AI智慧聊天機器人，協助企業資安人員詢問各種防治方法，以更直覺的方式快速地解決資安防護問題。 AI分析網路行為確保資訊安全 當企業運用愈來愈多智慧手機、聯網設備來進行資料交換時，資訊安全的防護不僅可從端點載具上進行偵測與防護，亦可從網路資料傳輸行為進行偵測。特別是許多小型聯網設備如工廠聯網設備、聯網閘道器，無法安裝代理程式。因此，許多新興的方案從網路行為進行資安分析。Darktrace就是運用AI進行網路行為分析，以協助企業進行資安防護。 Darktrace主要產品為Darktrace Enterprise、Darktrace Industrial、Darktrace Cloud、Darktrace SaaS、Darktrace Antigena。其中，Darktrace Enterprise為企業一般網路環境、虛擬環境、雲及SaaS服務。Darktrace Industrial則進一步可以偵測異質設備網路環境。Darktrace Cloud針對Amazon、Google Cloud Platform、Microsoft Azure等雲端環境。Darktrace SaaS則針對Salesforce、Dropbox、Office 365等SaaS服務。Darktrace Antigena則可針對偵測狀況，立即採取隔離或其他行動方案。 Darktrace主要運用非監督式的機器學習，去學習正常與異常網路行為，快速判斷哪個載具有異常網路活動或使用者異常活動並予以提出。Darktrace Enterprise...

AI技術近年引起熱烈討論，與家電結合之後，將真正打通智慧家庭任督二脈，在家中各個角落埋設的感測器蒐集溫度、濕度、空氣品質等環境訊息，透過無線技術如Zigbee、Thread、Wi-Fi、藍牙(Bluetooth)5網狀網路(Mesh Network)等與家電連結，再利用人工智慧深度學習演算法，判斷出最適合使用家電的時機，讓家裡的各項環境數值時時保持最舒適的狀態。甚至透過語音指令操作各類電器，讓家庭裡所有裝置的控制與家電使用真正智慧化。 同時，相關商機也吸引Apple、Google、Amazon等國際大廠積極布局，根據Strategy Analytics預估，全球智慧家庭硬體裝置與服務市場規模在2020年將高達1,300億美元，2015~2020年的複合成長率(CAGR)為16%，本活動邀請相關領域代表性業者與專家深入探討智慧家庭的設計與應用趨勢，並剖析部署對策及未來發展趨勢。另外，為鼓勵學生投入智慧家電並厚植相關領域能量，由經濟部工業局主辦的家電產品設計競賽，強化台灣家電產業之時尚美學與色彩運用能量，提升產品附加價值，特於會中舉辦頒獎活動，鼓勵得獎作品與團隊，並於現場展示。 感測器在智慧家庭無所不在 家庭在智慧化的過程中，感測器(Sensor)的應用將越見普遍，藉由偵測環境如光、空氣的感知與控制，改善人們的生活並提升舒適性，艾邁斯半導體(ams)台灣區總經理李定翰(圖1)表示，該公司感測器的發展與應用是以人為本，為人或是人所在的環境而服務。感測器蒐集類比世界各種訊息，並整合MCU、演算法、參考設計等與數位世界連接，同時經由數據的判斷達成自動化。 圖1　艾邁斯半導體台灣區總經理李定翰表示，該公司感測器的發展與應用是以人為本，為人或是人所在的環境而服務。 與環境有關的感測器種類繁多，李定翰說明，光感測器在家庭應用將最為普遍，因為燈具無所不在，未來燈具的自動化是光感測器主要應用之一，根據研究機構IHS Markit的數據，2017年全球光感測器市場規模達26億個。而光感測的應用不僅在燈具的感應與控制，近期愈來越被市場討論的光譜晶片與食物晶片，其實都是光感測的應用，透過光線的折射、透射與繞射現象，可以檢測水質、分析血液、油品品質，甚至感測食物中的水分，分析食物的新鮮度，應用層面相當廣泛。 另外，空氣污染近年也是人們關心的重大議題，環境中經由人們呼吸進入人體的有害物質如灰塵類的霧霾、室內裝潢散發的甲醛、無色無味的一氧化碳、二氧化碳等，李定翰解釋，氣體感測器(Gas Sensor)應用同樣深具潛力，揮發性有機化合物(Volatile Organic Compounds, VOCs)感測器可以協助發現有害氣體，還給消費者清新健康的空氣。而磁性位置感測器(Magnetic Position Sensor)是一種利用霍爾效應(Hall Effect)或磁阻(Magneto Resistive)的晶片，可搭配其他感測器來追蹤移動中的裝置元件其轉速及線性角度，透過磁場偵測功能來定位。 智慧家電高度互連互通發展 智慧家庭中，除了環境的自動化之外，智慧家電也是談論已久的核心裝置，大同家電電子事業部廠長張忠棋(圖2)指出，前一波智慧家庭中談論的智慧家電，主要是將家電導入電子化的功能，但基本上整個生態系中的各領域業者還是各做各的，因此無法發揮整合性的效益，物聯網則提供了一個新的契機，除了產品的智慧化之外，開發App，結合實體與網路門市，深化會員服務，還要連結雲端服務與共通性的網路協定。 圖2　大同家電電子事業部廠長張忠棋指出，智慧家庭高度互連互通的發展趨勢，促使家電業者朝向開放平台Open API的方向發展。 因此，張忠棋強調，未來的智慧家電發展趨勢，已經不再是單純的遠端控制，還包括節能管理、排程控制、情境控制、智慧烹調、智慧服務、智慧診斷與近期最熱門的智慧助理。而在雲端也提供家電管理、情境管理、設備分享、智慧助理、開關機提示、長時間使用提示、區域設定、用電管理等整合性的服務。而開放性平台，讓不同廠牌家電產品能夠互連互通亦非常重要。 因應智慧家庭高度互連互通的趨勢，智慧能源、智慧生活、跨平台協作的三大主軸，大同也朝向開放平台Open API的方向發展，張忠棋期許，該公司的家電產品與服務也能與各領域之物聯網聯盟與軟體服務進行整合，朝提供消費者有感的智慧生活體驗來建構AIoT物聯網生態系統。 家用無線網路混合型架構 在家庭的環境中，網路連結是另一個重要的元素，未來智慧家庭網路尤其是無線網路，是混合型的網路架構，Silicon Labs台灣區總經理寶陸格(圖3)提到，WiFi、藍牙、Zigbee、Thread、Z-Wave還有特定的無線標準等，都會共存在家庭環境中。除了目前熱門的智慧音箱之外，以美國家庭為例，平均每個家庭擁有40個燈，燈光控制的智慧化需求也陸續浮現，2019年為家庭燈座導入智慧功能可能會出現大幅成長。 圖3　Silicon Labs台灣區總經理寶陸格提到，智慧家庭混合式無線環境的應用與順暢度，是未來無線方案供應商發展重點。 另外，越來越多家用裝置具備聯網能力，也將使多對多架構的網狀網路(Mesh Network)，取代過去以網路閘道器為中心，一對多架構的星狀網路。寶陸格表示，網狀網路相較星狀網路有連結距離較長、耗電量較低、網路規模較大、系統穩定性更佳，並提供更好的回應能力(Deliver Optimal Responsiveness)等優勢。目前Bluetooth Mesh、Thread、Zigbee都可以提供網狀網路功能(圖4)，技術各有優劣勢，智慧家庭平台業者亦會針對自身的需求導入相關服務。 圖4　Bluetooth、Thread、Zigbee網狀網路技術特性比較 資料來源：Silicon Labs整理 而在現有混和式網路環境下，多重協議也會共存在一個環境中，寶陸格指出，多重協議主要分成切換式與動態式兩種模式，以智慧燈泡的控制為例，使用者的手機通常有藍牙功能，於是先透過藍牙把上網功能喚醒，經過10~15秒重新啟動，將網路切換到Zigbee架構下，燈泡實際運作時的控制就是透過Zigbee網路。 另外，在零售賣場，燈泡控制是Zigbee網路，因應消費者的購買行為，需要不定時發送信標(Beacons)推播訊息到消費者的手機上，推播訊息需要採用藍牙網路，這個情境是在Zigbee網路架構下，即時、動態切換到藍牙網路。現在Silicon Labs就推動支援2.4GHz與sub-GHz頻段，支援多通訊協議藍牙、Zigbee、Thread與特定協定的多重協議單晶片解決方案，與原先需要2~3顆晶片的解決方案，不但較為省電也更具備成本效益。 另外，會中也同時舉辦由經濟部工業局主辦的家電產品設計競賽頒獎典禮，執行單位電電公會毛恩洸副秘書長致詞時表示，家電是每個家庭必備的產品，市場需求不會消失，設計競賽活動的舉辦，就是為了促使家電更符合現在的應用需求，並結合技術趨勢發展新的家電，本次活動共131件 產品經過兩階段評選，選出的優勝作品，無論在造型設計、功能應用與新技術導入都有各自傑出之處，希望藉此鼓勵得獎作品與團隊，也推動台灣家電產業維持發展與創新的動力。

Flash儲存裝置與DRAM模組整合方案的敏博(MemxPro)近日推出新一代智慧儲存裝置監控軟體服務mSMART 4.0，不論是敏博或其他廠牌的記憶體模組與儲存裝置，mSMART 4.0都能加以偵測其主控資訊、生命週期、讀寫表現、系統資訊、磁碟健康狀態等資訊，使用者皆可自行上網供免費下載。在智慧物聯(AIoT)智慧預測分析時代，不但能偵測問題並進行警示，減少客戶端設備巡檢次數與營運管理成本，更能即時擷取儲存裝置關鍵資訊，結合企業資料庫，協助大數據分析應用與決策制定。 敏博mSMART 4.0功能強大且易於使用，相較其他工控儲存監控軟體，最大特點在於mSMART整合了市面上各大工控模組廠商之SSD詳細資料。許多工控使用者都希望對SSD本身的主控制器能有更進一步的瞭解，然而有些模組廠商會以打磨重印(Remark)方式遮蓋原生主控型號，使用戶受騙與產生混淆。mSMART能真實顯示原生主控型號資訊，超越現有工程人員倚賴的測試工具crystaldiskinfo之功能，藉由先進的演算法計算其使用壽命，預防後續相關的損害。 人工智慧(AI)與物聯網(IoT)匯流進入AIoT的時代，各種智慧應用發展出其邊緣運算的AI系統，可實現秒或微秒的即時運算需求，避免時間延遲而產生問題。以自駕車為例，用戶端的終端裝置、感測系統、閘道器、邊緣伺服器等，搭配路側端設備，負責擷取路況車流和鄰近街區資料並執行演算法，做出快速判斷和反應，保障行車安全。

AI語音服務越來越多樣化，例如化身家庭管家、私人主播，或營養管理師角色，為消費者提供即時又便利的服務，其背後AI演算法的運算能力更是不斷強化，進一步刺激專用型語音DSP的需求。 Cadence亞太區IP銷售總監陳會馨表示，AI語音辨識需求急速攀升，帶動IP相關產品的詢問度與訂單快速增加，同時也造成應用處理器(AP)設計產生改變，催生專用型語音DSP設計當道。 事實上，早期智慧音箱發展起飛時，內部大多採用Arm為基礎的CPU架構，但從2016年開始，許多晶片商為了滿足智慧語音識別處理所需的效能，開始研發專用的語音處理晶片，也開始導入語音DSP在其中。追根究柢，導致晶片設計改變，主要原因在於「運算能力需求的增加」。 眾所皆知，在智慧語音識別過程中，首先須要對進來的語音做前處理，此處理過程包含多麥克風陣列、遠場、波束增強、噪音消除等功能，這些技術對於在地端的運算能力有龐大要求，促使語音DSP技術於近兩年發展快速。換言之，過去可能是單一通道處理技術，如濾波的技術，演變至今，有許多神經網路技術也開始導入其中。 陳會馨指出，現有許多噪音辨識乃是透過人工智慧學習演算法，對原始資料進行分類，進而瞭解資料內部結構，該技術稱之為非監督式學習(Unsupervised Learning Network)。這種演算法的引進，對於晶片硬體的運算能力要求將會比過去AP晶片的要求高出許多，若採用舊有AP晶片技術，將難以滿足此類型技術的運算能力需求。 陳會馨分析，過去AP設計大多並未導入DSP設計，僅採用Arm基礎的CPU架構。雖然仍有部分廠商採用通用型DSP進行訊號處理，但相較於一顆專為語音辨識量身打造的語音DSP，後者能採取較低的工作頻率，完成AI語音所需的工作運算能力與技術規格要求，對於語音處理的效能也將相對提升。基於此，專用型語音DSP設計，無疑開啟另一波殺手級AI語音應用的關鍵推手。

研調機構IDC於近日發布對2019年台灣市場的十大ICT預測，並指出隨著數位轉型(DX)的步伐加快並呈指數級成長，企業正從上到下重塑企業的發展；並預期在2023年時，人工智慧(AI)將成為協助企業轉型的重要技術，其中，量子電腦的開發進程將成為關鍵。 IDC台灣區總經理江芳韻表示，從2019開始，數位轉型的新一波競爭強調適者生存，隨著產業以及全球經濟迅速調整和越來越著重數位創新，企業必須更積極的重新塑造所需要的IT組織和IT技能，以實現快節奏的多元化創新世界，否則可能在未來的競爭中遭到淘汰。江芳韻預期，在2020年，亞太區的企業將會有超過50%的投資是與數位轉型相關。然而與以往不同的是，在未來除了B2C的企業將持續投入數位創新之外，將會有更多B2B企業投入數位創新。 江芳韻進一步說明，在企業的數位轉型投資之中，最主要的方向將會是人工智慧、物聯網與機器人應用。其中，量子電腦的技術開發將與人工智慧的推演與發展有極大關係，江芳韻也提到，由於近來已有廠商開始將量子電腦技術平台化，因此，預期在2023年後有機會能看到量子電腦平台開始為企業提供服務。 在新的數位經濟中，技術應用將是關鍵，未來的競爭將取決於企業是否能利用數位創新平台，參與創新溝通，採用新一代雲，敏捷部署，利用作為新用戶界面的AI以及大規模安全和信任機制重新構建IT，同時實現現代化和合理化，以拋棄過時系統的負荷。