IoT
台灣晶片廠導入區塊鏈技術 開創物聯網應用新局
資策會宣布推出「微控制器IoT上鏈管理技術」解決方案,將和兩家台灣晶片大廠實證合作,以期達到低算力、高頻量、跨鏈資料識別之效益,大幅降低區塊鏈+物聯網的整合門檻,以物聯網晶片擷取資訊上鏈並因此強化信賴機制,未來可望進一步應用在健康醫療、交通物流、零售等更廣泛的應用領域。
資策會數位服務創新研究所(服創所)主任何偉光表示,區塊鏈物聯網深具應用發展潛力,但也存在許多瓶頸,例如萬物上鏈將使得物聯網裝置運算需求過高、難以承受大量IoT裝置數據傳輸需求,還有IoT介面格式不相容導致跨系統資料交換不易等,都是亟須克服的難題。
因此,「微控制器IoT上鏈管理技術」解決方案包含三項關鍵技術:IoT裝置端的Porting kit上鏈技術(區塊鏈化),結合IDEAS Chain平台佈建裝置上鏈,並以多階層資料授權管理智能合約,綜合達到低算力、高頻量、跨鏈資料識別的效益。
資策會將和台灣兩家晶片大廠進行實證合作,以關鍵技術協助台灣IC業者整合自家單晶片產品,運用分散式稽核技術搭配Cortex-M等級晶片,達到產品出廠即上鏈的功能;再結合資服業者分散式代理人引擎(Dapp),將大量高頻的IoT數據切片壓縮分層上鏈;再輔以分散式身分識別(DID)為基礎的交易網路框架,來發展多階層資料授權管理智能合約。
整體而言,「微控制器IoT上鏈管理技術」解決方案可望補足台灣物聯網IC業者區塊鏈化的技術門檻,驅動服務模組化創新設計,為產業生態系營造更有利的發展環境,爭取切入物聯網新應用領域。
先前區塊鏈技術因虛擬貨幣聲名大噪,但其實區塊鏈除金融外,也可應用在醫療病歷、生產履歷、智能合約等領域。以健康照護區塊鏈帳本為例,健保資料、就醫資訊以及具備物聯網功能的體重計、血壓計、智慧手環等裝置數值均上鏈後,便能有效紀錄並永久驗證資料,創造更具信任的流程,當跨院轉診時,這些個人健康資訊能提供給醫師或藥師診斷,甚至可提供給保險公司驗證並直接進行核保。
區塊鏈的技術特色是分散式帳本、去中心化、防止資料竄改等,因此當區塊鏈遇上物聯網,以擷取自機器的數據進入區塊鏈,便不需要擔心人為輸入的造假疑慮,更能從源頭強化信賴機制。
資策會將於10月16日至18日台北國際電子產業科技展期間,在南港展覽館1館展出「微控制器IoT上鏈管理技術」解決方案,期望進一步促成區塊鏈與物聯網的技術整合,擴大未來應用商機。
SDR靈活性更高 sub-GHz滿足LPWAN需求
為了提供設計人員和用戶所需的功能和優勢,需要能夠連接IoT和IIoT節點,以便將收集到的資料傳輸處理,或接收使用者或另一個節點的指令。
有線連接始終是一項選擇,有時是非常短距離連接或者需要最高可靠性連接應用的首選。它還用於環境不適合基於射頻(RF)的通訊情況。然而,對於所有IoT/IIoT應用,有線並不總是實用的或具性價比的。
無線適用於IoT/IIoT應用;它可支援幾乎無限的節點數,可攜且易於重新配置,部署快速且更易於擴展。透過選擇專為應用定制的通訊協議,無線也可以以最小的功耗運行。
早期的無線系統基於1GHz以下的RF載波頻率,現今將其稱為sub-GHz。通常,這些sub-GHz應用使用專有協定,並且對於每個給定的應用程式或安裝是唯一的。在過去的5~7年中,基於標準的2.4GHz通訊使用Wi-Fi和藍牙的普及率大幅提升。智慧手機作為連接到雲的閘道,其激增推動了這些基於標準的通訊方案的巨大成長。2.4GHz頻段的另一個好處是它是全球非授權的工業、科學、醫學(ISM)頻段。
sub-GHz協議靈活性高
另一方面,sub-GHz協議提供了更大的靈活性,因為它們受標準控制較少。光譜通常不那麼擁擠,但這些頻帶在全球範圍內變化,使互通性變得不那麼容易。然而,sub-GHz用於IoT/IIoT的最大優勢是能夠以非常高的效能提供遠端通訊。低功耗遠距離通訊的能力對於IoT/IIoT至關重要,特別是對於遠端感測器和資產追蹤器或任何其他可遠離基礎設施運行的技術。對於這些應用,基於sub-GHz技術的廣域網路(WAN)正迅速成為首選方案。蜂窩就是個很好的例子,除了功率要求與IoT/IIoT不相容外,它是個很好的方案。然而,基於標準或專有的低功耗廣域網路(LPWAN)正開始流行。隨著非蜂窩LPWAN技術獲得動力,蜂窩市場已經推出了自己的LPWAN版本NB-IoT。NB-IoT是現有協議的低功耗版本,可以利用當今廣泛的蜂窩網路,並且通常屬於5G。NB-IoT更適合LPWAN的IoT應用,但仍然比其他一些方案成本更高,功耗更大,其折衷方案是網路覆蓋。
為IoT/IIoT設計通訊方案,對於那些必須選擇最佳協議並迅速將方案上市的設計人員是具有挑戰性的。使挑戰複雜的是方案必須是低成本、非常高效、安全,並能夠遠程更新。
使用傳統基於硬體的設計方法,一旦選擇了方案通常是相當固定的,需要大量的重新設計才能從一個協定轉向另一個協定。鑒於圍繞IoT/IIoT的快速技術進步,軟體配置無線介面的能力將帶來許多好處,包括靈活性和未來適用性。
從最簡單的層面而言,軟體定義的無線電是一種設備,其中天線分別連接到類比數位轉換器(ADC)或數位類比轉換器(DAC)用於接收/發送路徑。系統的其餘部分是數位的,基於FPGA、DSP和ASIC等元件,可實現充分的靈活性和重新配置。
SDR成主流有利有弊
隨著SDR進入主流,有許多可用的硬體平台以及許多開放式軟體工具,如流行的GNU Radio。這意味著設計過程稍微容易一些,因為設計人員能夠配置標準硬體並生成協定無關的通訊系統,可現場升級,而使其具有前瞻性。但是,標準的SDR對IoT/IIoT實施有一些挑戰。首先,天線的介面通常更複雜;其次,包含諸如DSP和FPGA之類的設備會增加功耗和物料清單(BoM)成本。
透過將SDR的功能限制在LPWAN,可以實現IoT/IIoT相容的方案。在LPWAN環境中,協議更簡單,並且處理的頻段更少。因此,許多通用協定可以在硬體中輕易管理,而不是使用需要昂貴的FPGA或DSP的純SDR。更便宜、更節能的方案標準微控制器也可用於運行系統。而且,資料速率較低並且設備不是不斷地發送/接收,從而進一步降低功耗。因此,現在可採用低成本CMOS技術高效實現基於SDR的LPWAN方案。針對上述問題,有廠商推出系統單晶片(SoC),基於經過驗證的窄頻RF收發器和高性能Arm Cortex-M0+微控制器(MCU)內核,以實現真正的單晶片無線應用。為因應市場需求,廠商致力於開發完全可軟體程式設計的收發器,並提供最廣泛的調製方案,涵蓋幾乎所有的sub-GHz協議,無論是專有的還是基於標準的。這種靈活性支援在通用硬體平台上構建不同的協定,和能設計複雜的多協定閘道。
IoT和IIoT依靠通訊有效工作。事實上,如果沒有通訊,它們就不存在。有許多基於標準的協議,但不完全適用於IoT/IIT,因為它們不能滿足遠端、低功率和低成本的綜合要求。但依賴於sub-GHz無線電技術的LPWAN等技術能夠滿足IoT/IIoT的需求,特別是與SDR相結合。當基於SDR的LPWAN優化以降低功耗時,可以在低成本、低功耗的CMOS系統上實施。
(本文作者為安森美半導體產品行銷經理)
華邦推出一系列行動記憶體LPDDR4X產品
在人工智慧、超高解析度顯示、5G行動通訊與IoT等新科技的推波助瀾之下,各式新興應用應運而生。輔助駕駛系統(ADAS)、智慧音箱(Smart Speaker)、8K 電視、5G手機以及安全監控系統產品都已逐步進入我們的日常生活之中,這些應用往往需要更低功耗、更高頻寬與更佳資料傳輸率的記憶體來提升整體的效能,以提供絕佳的使用者體驗。
華邦電子長期深耕利基型記憶體市場,十分重視客戶的需求以及新科技的發展趨勢,針對上述各項的新興應用已成功開發出新一代的低功耗動態隨機存取記憶體 LPDDR4X 產品。首波產品採用華邦自行研發的25奈米記憶體製程,規格涵蓋完整,包括了JEDEC定義之LPDDR4X(VDDQ電壓0.6伏特)與LPDDR4(VDDQ電壓1.1伏特)兩系列,2Gb與4Gb兩種容量等;其資料傳輸率則包含3200MT/s、3733MT/s,甚至可達4266MT/s,並同時供應Known Good Die(KGD)與200球BGA封裝兩種產品形式。未來華邦電子將會把LPDDR4X/ LPDDR4產品的容量推進至8Gb,並加入其它新功能,以提供客戶更完整的選擇方案。
工作溫度規格上,華邦LPDDR4X產品有非常寬廣的工作環境溫度,最低與最高可達攝氏-40度~+125度。產品應用所涵蓋的範圍可從一般的消費電子、行動裝置、一直延伸到工業控制到車規市場。而在車用與工規市場上,除了嚴苛的工作溫度需求,品質表現及系統更是關鍵,華邦致力於產品品質的追求,憑藉著自有晶圓廠與自有製程開發等優勢,嚴格執行最高等級的品質系統與要求使這系列產品在推出時就已符合AEC-Q100及ISO26262等車用產品規範。
LPDDR4X是目前JEDEC 固態技術協會所公布應用範圍最廣泛的低功率動態記憶體標準,也是目前所有高性能低功耗電子裝置的記憶體首選,將產品推進至此世代,除了滿足客戶新產品的需求外,也實現了華邦致力於研發設計的承諾。
節能省時又安全 V2X/IoT落實智慧交通應用
隨著世界人口與車輛越來越多,交通問題已經不容忽視。有賴資通訊技術與科技發展,智慧交通有望解決眼前日益湧現的交通問題,同時為解決相關問題,交通創新應用也將邁向多元化發展。
IDC資深分析師蔡亦真表示,從2008年以來全球交通已經成長了13%,且光是城市地區就產生了50~60%的溫室氣體(GHG),溫室氣體會造成全球暖化、氣溫上升、氣候異常等問題,因此巴黎協定已經規範到了2030年全世界140多個國家,必須降低溫室氣體排放70~95%。另外,以美國為例,可以看到美國每年在處理交通方面的花費占了GDP的3.3%,目前美國有2.5億輛汽車,預估到了2035年會達到17億輛的數目。越來越多的車輛,已經造成了交通壅擠和事故的問題,但其實這些問題是可以藉由智慧交通非常有效率地解決的,由於資通訊技術的發展,讓這些交通問題有望順利地解決。
所謂的智慧交通,就是交通管理的智慧化。管理人與車,無論是人在移動上的需求、非公共車輛的停車需求,或是人跟車和車跟車之間移動的需求,這些需求是須要被協調的,但目前協調這些需求仍存在幾個挑戰。包括道路容量有限、汙染、停車、道路與車輛的損壞以及駕駛者狀態等問題,皆是現在智慧交通所要解決的狀況。
蔡亦真認為應該利用資通訊的技術發展車聯網(V2X)和物聯網(IoT)在智慧交通的應用。藉由IoT實現智慧交通管理、路線規劃、智慧停車系統(Smart Parking System),以解決目前的交通問題。她同時提到,智慧交通的發展主軸應該環繞四大主題,即安全、減少交通事故、發展智慧應用和串連政府各單位的平台(如警局、醫院、消防局等)。目前常見的智慧交通應用有:交通號誌的管理智慧化、路程導航、道路公共運輸、路況蒐集、車位尋找和危險預警等。
蔡亦真舉例說明,以新加坡國立大學(National University of Singapore, NUS)的自駕車計畫為例,以學生與上班族為對象,在新加坡國立大學周圍的固定路線行駛,並已經有78,000個用戶登錄到網路上。這項計畫由政府、學研、電信商、公共運輸業者、系統整合商、數據服務商與店家共同合作完成,不僅能提供交通安全保障減少交通壅塞,並能節省能源和人力成本的消耗,達到智慧交通的願景。
79GHz雷達系統減少30%交通事故
新加坡國立大學的自駕車計畫不但發展了智慧應用,更串連了政府各個單位平台。至於針對減少交通事故提升安全性的部分,松下台灣(Panasonic Taiwan)攜手資訊工業策進會(Institute for Information Industry, III)研發了79GHz雷達系統,可以有效地降低30%交通事故發生機率,將車聯網技術在日常生活中實現,同時也更加促進智慧運輸系統(ITS)的發展。
Panasonic Taiwan副執行長青山恭弘表示,為了進一步改善日本、美國和亞洲地區不同環境中的交通技術,Panasonic針對ITS進行了許多調查與研究,為了減少交通事故的發生,傾力研發可以因應不同類型交通環境,精確監測交通流量的79GHz雷達技術。
青山恭弘指出,自2010年以來,Panasonic一直致力於研究79GHz雷達技術,目前已經可以精確地監測交通流量與物件。Panasonic將這項技術與III的CCTV影像技術(深度學習)相結合(表1),利用此系統可以在道路上測試現場的交通狀況。79GHz雷達藉由檢測反射回來的高頻波形,在惡劣的天氣與黑暗中都可以高度精準地感測物體與交通狀況。
青山恭弘進一步說明,由於大多數交通事故是粗心駕駛以及超速違規所造成的。然而經由統計資料可以發現,在下雨的情況下或是夜間的肇事次數又是其他時候的兩倍以上。因此針對雨天與夜晚採取應對措施就可以有效地減少交通事故發生。Panasonic與III合作的79GHz雷達系統可以預防52%的交通問題,例如超速、闖紅燈、違反停止號誌等。另外有58%的交通事故都發生在十字路口,因此在十字路口安裝79GHz雷達系統,以台灣的交通狀況來看,可以有效減少至少30%的交通事故。
另外,青山恭弘也提到,Panasonic為了讓技術更適應複雜的交通場域,要了解亞洲的交通環境,台灣是非常合適的研究場所。同時,與當地的技術交流也是非常重要的進步動力,因此Panasonic希望能與III保持密切合作,致力於開發新一代C-V2X的技術。
掌握即時資訊交通管理更有效
智慧交通除了如上述的自駕車計畫和雷達系統可以幫助節省人力和能源、提升安全性之外,若能善用交通即時資訊,即可提升交通設施與資源的使用效率,進而節省人們的時間成本,和交通設施的大量成本。
資策會資深產業分析師兼組長鄭兆倫表示,都市是一個有效率的集合體,不管是經濟或是科技發展都因都市化而能夠更加迅速地成長,但是相對地,要付出的代價就是交通成本的增加。巨大的交通壓力促使智慧交通需求增加,善用交通即時資訊降低交通設施與資源成本,藉此改善交通管理精度。
都市化產生了巨大的社會成本,由於需要更多交通設施,都市空間因而被壓縮(圖1);而塞車導致的每人無生產力時間每年大約為1周;交通壓力大導致事故衝擊數量上升,因此政府也需要提高預算來因應事故發生與避免其發生。隨著都市化程度增加,這些情況只會更加嚴峻。
圖1 人口的增加與都市化使交通壓力日益上升。
鄭兆倫進一步說明,智慧交通藉由將靜態資料轉換為即時資料,可以提升交通管理精度(圖2),更有效率地使用交通資源(例如道路或停車設施),降低設施與資源的閒置率。因此可以說,擁有交通資料即擁有參與交通新商業模式的本錢。可以發現過往製做地圖的公司都轉向提供交通即時資料的服務,甚至是交通預測服務。例如TomTom(地圖、導航和GPS設備公司)併購了波蘭最大車隊管理業者Finder,交通數據業者INRIX則併購了世界最大停車APP ParkMe,而戴勒姆(Daimler)、奧迪(Audi)、寶馬(BMW)則共同持股Nokia推出的地圖系統HERE。
圖2 各種智慧運輸系統提升運輸效率。
資料來源:ETSI MIC整理,2019年
鄭兆倫指出,智慧交通也帶來了產業結構的改變,技術與產品組合多樣化、市場區隔細緻化使產業結構更加複雜。
然而未來的資料(Data)就是本錢,因應前述挑戰,擁有交通資料的廠商可以藉由跟政府或是企業合作,進行新的互動模式,並找到新的應用商機,如此就能在智慧交通的領域開創更多機會與商機。
改善流程/控管品質 AI扭轉製造價值
.大量客製化需求:顧客力量愈來愈大,希望能夠具有客製化、個人化的產品,來滿足需求。這使得傳統大量製造的程序與思維必須改變。
.產品商品化:大量相同產品被製造出來,不斷地進行價格競爭,使得產品商品化、產品差異變小。製造業為求產品差異化,除了思考利基產品研發,也思考運用科技讓產品附加服務產生新價值。
.製造價值轉變:由於電子商務發展,許多製造業跳過中間商直接面對顧客,接受顧客市場需求,也開始挑戰製造的價值。製造業開始思考提供附加服務、顧客體驗來滿足顧客新需求,也開始思考有別於傳統產品銷售的商業模式。
這三個因素使得製造業思考運用各項技術來協助進行數位轉型。許多大型的製造業由於資金雄厚及市場占有率,已經進行轉型並獲致成果,如:GE、西門子、Bosch、富士康、海爾電器等。中小型製造業亦亟欲運用相關技術進行數位轉型。
AI大數據改善工廠生產流程
改善工廠生產流程是製造業首先考慮運用物聯網或人工智慧等技術的方向之一。工廠運用大數據、人工智慧來提升生產流程的效率、提升產品良率、彈性生產,滿足大量客製化等需求。
生產過程監控與分析是許多工廠運用新興技術協助生產效率提升的第一步。當生產作業的設備、物料數據可以進行數據蒐集、視覺化展現後,進一步利用大數據或人工智慧技術進行處理、分析乃至於最佳化生產流程。這種初步應用可以稱為連接工廠(Connected Factory)。
連接工廠最初步的作法將生產計劃、生產任務、設備狀況、物料狀況、產品良率狀況等蒐集,透過工廠電子看板、桌上型電腦、智慧手機等,即時監視工廠各種狀況。亦可透過監視攝影機將產線現場操作狀況呈現,甚至危險動作可以警訊通知。進一步,利用物聯網技術,可將產線生產狀況,如設備是否正常運行或停機、已經生產多少產品等數據進行蒐集,進一步分析全局設備效率(Overall Equipment Effectiveness),以提高設備利用率,減少停機待料、產品品質損失、換線時間等,進而改善生產作業的效率。運用人工智慧與大數據分析,可以分析比較不同時段、不同設備、製作不同產品OEE數值,找出影響OEE的關鍵因素,提供現場工作人員參考與主管的決策改進。
利用RFID智慧控制生產過程
生產過程控制是另一種在產線運用人工智慧的做法。最常見的方式是利用RFID的方式,進行備料通知,讓產線的備料能夠即時,達到不缺料、不囤積的目的。例如:惠而浦洗衣機工廠運用RFID在其塗料作業上,讓物料能即時送達。有些工廠則將生產訊息與物料搬運車連動,讓物料搬運車能自動搬運所需的物料至生產線或是發貨區等。
Amazon Kiva物料搬運車是最著名的人工智慧搬運車。Amazon在全球倉儲運用15,000台Kiva搬貨機器人協助倉庫搬貨。訂單出貨時,撿貨人員站在特定區域,Kiva機器人配置電腦視覺系統掃描地上條碼,並具備最佳化搬運路徑演算法,會將放置欲出貨商品貨架,頂到撿貨人員區。撿貨人員根據電腦螢幕顯示訂單貨品撿貨。撿貨完畢,可要求Kiva將貨品送至出貨棧板區。進一步,自動搬運車機器人要全面運用電腦視覺技術,建構現場3D環境及最佳路徑,並能學習分辨障礙物與繞路行走。致力於人形或動物形狀的波士頓動力(Boston Dynamics)則運用類犬型機器人、人形機器人進行搬貨是另一種新思考方式,不過這樣的運用尚未被大量試行在實務工業環境下。
另一種生產控制人工智慧應用則是輔助自動化產線的流程進行,例如一家紙尿布工廠已經發展整體產線自動化流程。然而,產線自動化流程會遭遇到某階段異常而使得生產程序延後或停擺。該工廠即運用人工智慧分析方法採集分析每道程序控制訊號以及狀態監控參數,找出正常生產狀態與偏差狀態的特徵。一旦人工智慧程式分析可能異常的尿布,則將該尿布轉到檢查區,以避免影響整個產線。一家輪胎公司運用人工智慧,讓前導製程的數據可以即時送到數據模型中運算,以確定下一道製程溫溼度、設備參數等。這將使得整個輪胎製程能動態根據環境與前道製程狀況進行最佳化調整。
除了分析設備、物料的參數外,也可以運用人工智慧電腦視覺分析的方式來分析生產過程問題進而進行控制。例如:釀酒工廠生產品質的關鍵之一是讓每個酒瓶應該注入一樣多酒。然而,注入啤酒會產生泡沫,造成每一次注入狀況不同而使得注入酒的數量不一致。一家工廠即在注入飲料製程上放入智慧攝影機,分析每次注酒成功(注入一定的酒量)或失敗。在注入過程中,智慧攝影機能夠在每秒30個酒瓶速度下,快速地辨別注入不夠或沒有蓋上瓶蓋的酒瓶,將其移到品質不良區。並在過程中,即時地紀錄成功與失敗酒瓶數目。該智慧攝影機晶片具備AI快速處理與分析能力。
對於製造業來說,如何確保生產產品品質亦是一項重要的管理要點。大數據與人工智慧可以協助生產品質的管理可從生產過程品質監控與預測以及生產過後的品質檢測來協助,以下分別介紹幾個應用案例與趨勢。
運用AI預測生產品質
如何在生產過程中預測生產品質可能狀況,進一步提前處理是另一個常見的人工智慧製造業應用。WD是世界上最大的硬碟製造商之一,其製造的挑戰是追蹤硬碟機生產每個過程,以確保產出硬碟品質,並可減少顧客使用過程中,因品質問題造成資料毀損。WD即利用大數據分析與人工智慧分析方法,從各項生產設備的資訊中找出可能的問題,並發出異常警訊以提前預測可能品質不良的產品而避免出廠,造成商譽損失。應用材料公司是半導體設備廠商,也將品質預測功能放入設備中,以減少其半導體客戶因為設備參數問題,而製造不良的晶圓。
村田製作所(Murata)公司生產電容、電阻、感應器等元件,應用在智慧型手機、汽車產品中。電子元件製造牽涉到多個站台的生產,必須整合數據進行品質、成本、產出時間的分析。特別是工廠、周圍或設備本身溫度都會影響元件生產的品質。設備與生產過程的數據量亦很大,不容易管理。該公司整合各種工廠、產線設備感測資料、環境感測資料以分析影響產品良率。其中,還包含空氣溫度、管線中水溫度、空氣中蘊含的粒子數等。透過綜合各工廠、產線資料,運用大數據、人工智慧進行生產品質預測,以改善生產良率。
生產品質預測除了利用設備參數進行預測外,也可以運用視覺檢測的方式來檢視產品問題進一步進行預測。例如日本IT大廠NEC推出「AI Visual Inspection」視覺檢測,運用機器學習技術,可以檢測生產線上的產品影像。例如金屬、人工樹脂、塑膠等產品加工業的生產線,運用 AI進行高速檢查,找出不良品,提升生產線效率。
事實上,工廠中本來已經存在自動光學檢測系統(Automation Optical Inspection, AOI)檢測產品問題。傳統自動光學檢測系統,必須花許多時間校調產品光學檢驗方式,無法適用在小批量多樣產品線的生產。結合大數據、人工智慧影像處理的新興檢測系統,則可以根據產品的樣式、顏色、形狀各種面向同時檢測,以同時檢測不同產品生產。同時,運用機器學習的技術,也可以讓作業人員即時糾正錯誤判別的狀況,讓檢測系統學習以不斷地提高檢測準確性。這使得新興人工智慧檢測系統更能應付大量客製化彈性工廠需求。IVISYS生產檢測設備公司即發展人工智慧產品視覺檢測方案,可以針對產品的樣式、顏色、形狀各種面向同時檢測。首先,IVISYS根據不良品進行分析,建立產品不良視覺檢測模型,進行產品檢測作業時,具備檢視畫面,能讓現場人員而非專業工程人員進行同步修正,以強化檢測模型。IVISYS攝影機具備多方向鏡頭,可以針對產品不同面向進行攝影,以進行3D成像建立。影像資料也持續記錄,可以持續地改善模型。在某一個產業案例中,IVISYS不良品檢測比人工檢測速度提升35%,且能做到針對每個產品進行檢測。此外,檢測結果報告亦可以提供人員進行生產排程參考。
不論製造業或服務業,對於理解顧客喜好,分析市場趨勢等,均能提供產品服務設計、營運方向的參考。特別是網際網路發達,顧客在部落格、公司官網、社群媒體、電商網站等均留下許多數據可以提供分析。例如:Maruti Suzuki是一家汽車公司,即運用透過各種管道資料分析顧客需求並進行交叉銷售。Maspex是一家飲料公司,運用透過各種管道資料分析線上評價以協助行銷。GE運用KDD分析家電產品數百萬抱怨紀錄,分析原因為何。Grandi Salumifici Italiani運用數據挖掘分析全球不同市場銷售預測。HP運用數據挖掘技術分析電話、網站、Emails、銷售夥伴等通路,以理解顧客喜好、抱怨,進而改進產品。
事實上,需求預測系統在1980年代即已經有許多系統發展,甚至2000年代供應鏈規劃系統亦盛行。傳統需求預測系統以過去銷售紀錄為主,進行數據計算與預測。然而,影響需求的原因還包括:顧客對產品的喜好程度、市場品牌訊息乃至於天氣變化、原物料價格等複雜因素。新興人工智慧需求預測系統即是蒐集各種多元、大量數據進行分析以找出規則並進行預測。特別是許多顧客留下訊息在Email、電話、社群媒體等文字紀錄上,運用新興文字分析技術或自然語言處理技術的人工智慧技術,協助分析顧客抱怨或喜好,進一步可進行產品需求趨勢與銷售預測。
(本文作者為資策會MIC產業分析師)
2020年全球企業用及車用物聯網端點數將達58億
國際研究暨顧問機構Gartner預測,2020年全球企業用及車用物聯網(IoT)市場的端點數量將成長至58億件,較2019年增加21%。2019年底,全球使用中的端點數量則可望達48億件,比2018年提升21.5%。
公共服務將是2019年使用最多物聯網端點的領域,數量總計11.7億件,2020年將再增加17%,達13.7億件。Gartner資深研究總監Peter Middleton表示,住宅及商用智慧電表,均能推升公共服務物聯網的採用率。另外,在建築入侵偵測和室內監控等相關使用案例的帶動下,實體安全領域可望成為2020年物聯網端點使用量排行第二名。
受連網照明裝置帶動,建築物自動化將成為2020年物聯網端點數量成長最快的市場(42%),其次為車用和醫療照護,預測2020年成長率分別為30%和28%。慢性病偵測是帶動醫療照護部門物聯網端點數成長的最主要項目;車用市場方面,具有嵌入式連網功能的汽車,將搭配各種附加裝置完成特定任務,例如車隊管理。
住宅智慧電表能更準確地測量並收取家用電費,將持續在2020年成為大中華區和西歐地區排名第一的使用案例,分別占兩地區整體物聯網端點數量的26%(大中華區)和12%(西歐地區)。相較之下,北美地區物聯網端點採用率最高的領域將是建築入侵偵測,其中門窗感測器就占全部物聯網端點的8%。
2020年全球端點電子設備營收預計為3,890億美元,且將集中在北美、大中華和西歐三個地區,合併計算則可望拿下整體市場營收的75%。2020年北美地區營收將達1,200億美元,大中華區為910億美元,西歐地區則以820億美元排名第三。
消費性連網汽車、連網列印及複印兩大類使用案例,將是2020年端點電子設備營收的最主要來源,分別為720億和380億美元。隨著電子零件日益複雜,且汽車製造商日後生產車輛時,導入連網功能的比例將逐漸提高,連網汽車在整體端點電子設備支出中將持續占有顯著比重。2020年印表機和影印機仍能貢獻可觀支出,但預計將慢慢式微。而隨著各國政府日益注重公共安全,室內監控等其他相關使用案例則將崛起。
Gartner研究副總裁Alfonso Velosa指出,未來業務單位將購入更多物聯網資產,卻未必能有針對資產支援方案、資料所有權或既有商業應用整合的相應政策,終端用戶必須為這樣的環境做準備。因此資訊長帶領的團隊須著手開發政策,並以資料架構為基礎發展一套新作法,以支援業務單位的目標,同時避免組織遭受資料威脅。
Alfonso Velosa補充,產品經理若想在競爭激烈的市場中脫穎而出,不僅要以物聯網為基礎提供客戶商業價值,還要清楚明白地傳達解決方案對特定垂直市場和相關商業流程的效益。
Mentor以異質整合開展矽4.0時代
Mentor近日於新竹喜來登舉辦年度技術論壇大會Mentor Forum 2019,以「New Era of IC to Systems Design」為題,聚焦於五大技術,展示Mentor於IoT、AI、車用電子、SoC與先進半導體領域的最新EDA工具,宣告過往單純的IC設計概念已不敷使用,未來將是系統設計的新時代。Mentor IC EDA部門執行副總裁Joe Sawicki、群聯電子董事長潘健成、聯發科技計算與人工智慧技術群處長張家源受邀擔任上午主題演講嘉賓,分享產業前瞻趨勢及未來發展方向,而台積電、三星、微軟等產業夥伴也在下午的分組議程中揭示其共同開發的技術成果。
IC積體電路發明至今60餘年,徹底顛覆人類日常生活的方式,更創造出台灣奇蹟的半導體產業聚落。Mentor台灣暨東南亞區總經理林棨璇表示,隨著摩爾定律晶體微縮將臨物理極限,異質整合與晶片系統設計已被業界認定是未來半導體發展30年的主要趨勢;未來異質性晶片如邏輯電路、射頻電路、微機電系統(MEMS)與感測器等,都將利用3D技術整合至單一封裝中,以取得功率、效能及成本的提升。為回應多樣特定IC設計需求,屬晶片設計上游的EDA廠商更扮演關鍵性角色,Mentor擁有完整的SOC/IC/FPGA/PCB/SI設計工具和服務等產品線,且是唯一一家擁有嵌入式軟體解決方案的EDA公司,我們有信心與產業內眾多領導廠商協作開發,在高科技重鎮台灣開展半導體設計的新時代。
台積電與微軟的專家分享如何在Microsoft Azure雲端平台中運用Calibre nmDRC的新增功能、縮短DRC收斂時間,加快產品上市的速度。今年初Mentor以Calibre nmPlatform和Analog FastSPICE(AFS)Platform中的多項工具,成功支援台積電創新的系統整合單晶片(TSMC-SoIC)多晶片3D堆疊技術,完成台積電首顆3D晶片的封裝作業。流程中,台積電也透過Mentor Xpedition Substrate Integrator(XSI)軟體進行設計規劃和網表管理、Calibre 3DSTACK工具進行實體驗證,以及Caliber xACT解決方案進行晶粒間的寄生電容萃取。Mentor期待透過多元的設計工具與解決方案,攜手業界夥伴邁向下一個矽4.0時代。
此次來台的Joe Sawicki分享近年來攜手產業夥伴共同研發的最新技術成果,展示其面對晶片系統設計新時代的信心。以AI如何影響半導體與EDA產業的演講揭開論壇序幕,Joe Sawicki認為人工智慧技術為半導體產業帶來絕佳的機會,並且是推動半導體技術往下一個十年成長的催化劑。在推展AI晶片時,IC設計同時也面臨架構優化、功率消耗、高速I/O等挑戰,而EDA工具也必須與時俱進,成為推動AI晶片設計的關鍵角色。以Mentor Catapult...
慎選傳輸媒介/數據處理方式 無線感測器網路部署成本優化
隨著物聯網(IoT)的興起,目前市場呈現一項成長趨勢,即蒐集和匯聚來自各種智慧家庭、工業、綠色能源、運輸和智慧城市應用的感測器資料。產業界普遍認為發送到雲端或本地控制系統的數據越多越好。
這些感測器數據大部分都採用物理性感測的方式,用於人員偵測、物體偵測、溫度、濕度、光線、聲音和振動等。隨著時間的推移,開發人員意識到部署大型感測器網路的困難度,許多雲端公司對此做出結論:如果無法對資料進行決策,那麼存取龐大數據並不一定會增加價值。
目前在講求成本的環境中,每個部署的感測裝置或網路都必須在開發和部署的複雜性與IoT服務供應商、雲端公司和終端用戶的價值之間取得平衡。在已部署的感測器網路中,現在看到的趨勢是:簡化網路並僅測量那些可以節省成本和/或更佳的終端使用者經驗的內容。
零售商店/商業辦公大樓 IoT感測器數量典範
讓我們看看兩種應用範例,它們展示了部署物聯網應用所需最佳感測器數量的新趨勢:零售商店和商業辦公大樓。
商店中最有價值的不動產是其商品貨架,關鍵的指標是顧客轉換率。多數的大型零售商受益於感測器網路,該網路可以測量占用率、客戶和物品位置、庫存量等。理想情況下,系統將使用感測器數據增加顧客購買的可能性。感測器可以使用新的藍牙追蹤技術,例如到達角(AoA)和離開角(AoD)以及接收訊號強度指示(RSSI)或距離相移。這種AoX(圖1中的AoD定位系統)和測距技術使得網路能夠對客戶的智慧手機或嵌入在購物籃/購物車中的設備的位置進行三角測量,偵測客戶的位置以及消費者在商店中的哪裡停留了更長時間。這些數據與臉部辨識技術或智慧手機識別互相結合,可替每位消費者分配購買組合,預測他們最有可能購買的商品,並提供店內促銷或產品搭售,或在光臨店面後提供目的性的行銷活動。
圖1 藍牙5.1支援的到達角和離開角(AoX)技術增強了室內定位系統的發展。
優化的感測器網路還可以為商店經理提供有關各種產品類型的購買決策建議。例如,感測器網路可能揭露某些顧客花費大量時間比較牙膏品牌,同時快速選定洗髮乳,選擇他們所知道的品牌。這些資訊協助商家更智慧的在貨架上擺放顧客更有可能購買的商品,進而提升商店的效率和獲利。
將辦公樓轉變為裝設有感測器的智慧建築可減少維護和營運成本,增加居住者的安全、舒適度和便利性。環境控制是設施管理的主要成本因素。一個標準10萬平方呎的建築物,每個月可能花費超過5萬美元來充分降溫或加熱。透過增加30萬美元的智慧感測器網路減少15%成本,將會是聰明的投資,在幾年後便能收回成本。另一個附加價值是為防止損壞而優化的感測器網路。能夠偵測如漏水、淹水、煙霧和火災等威脅,然後迅速做出反應,可以節省大量維修成本,同時保護居住者,甚至挽救生命。透過感測器網路減少威脅也可能降低保險費。
雖然這兩種感測器網路應用範例會直接增加部署者的營收或淨利,但在裝設感測器網路時需要考慮兩個關鍵挑戰:部署感測器的傳輸媒介以及處理感測器數據的方式。
感測器傳輸媒介須考量應用場景
每個感測器網路的配置都不同,具體取決於其應用需求和物理環境。例如,有些網路可以部署在具有統一覆蓋範圍的零售環境中,而其他網路要在具備不同大小房間的公司辦公室中實施部署。有些網路需要24小時全天候不間斷的使用,而其他網路只在某一天部分時間運行。受到電機產生的電磁雜訊干擾的工廠,對感測器網路而言可說是極具挑戰性的環境,讓某些類型的感測或通訊技術無法作用,每種情景都需要最佳的感測解決方案。
來看看商業建築的例子。共同的目標是降低照明和HVAC系統的耗能和成本。有兩種選項:在幾乎無人使用的區域中最小化照明和HVAC使用,或實施節能的照明和環境控制。無論選擇哪種,都需要部署必要的感測器類型,例如偵測是否有人、照明度和溫度感測器等。附加的濕度或壓力感測器可以透過優化照明和空調,確保居住者更加舒適。
要部署最佳的感測器網路,開發人員必須事先做出一些決定:「感測節點將採用電池供電還是電線供電?」由於不受電線的限制,電池供電的無線感測器節點更易於安裝。但每隔幾年更換一次電池對ROI回報率造成負面影響。採用電線(壁上電源或乙太網路供電)也可能產生昂貴的前期成本,而且在地法令相容性因地區而異。部署像PoE這樣的低電壓系統比向每個感測器節點輸送110V或220V更具成本效益。另個經濟實惠的選擇是安裝低電壓LED照明和感測器網路,以便更輕鬆地節省能耗。
開發人員也必須決定:「感測節點採用有線還是無線通訊?」解決方案在採用「有線供電和有線數據通訊」還是「電池供電和無線數據」之間進行權衡。無線更具有成本效益,因為不需要在整個建築物中部署數據線,但在部署無線網路時,必須考慮其他前期施工成本和複雜性。對於新建築,部署CAT5線纜相當容易,它可以將數據和電源傳輸到每個節點。使用CAT5線纜,傳輸速率通常低於標準的1 Gbps,這表示CAT5線纜可以傳輸達100公尺以上。然而,對於一些大樓翻新,進入難以到達的地方部署線纜(例如天花板吊頂)幾乎是不可能的。在這種情況下,無線連接可能是最佳選擇。
在裝設無線網路時,開發人員必須考慮使用何種傳輸媒介和協定。由於廣泛部署的基礎設施和熟知的IP數據封包,Wi-Fi因其易用性而具吸引力,但Wi-Fi只支援有限數量的終端節點和存取節點,與其他短距離無線傳輸技術選項相比有大量功耗。
雖然Zigbee解決了耗電問題,但對於缺乏網狀專業知識的開發人員來說,開發Zigbee網路可能極具挑戰性。部署人員需要評估每個協定選項的優缺點,如圖2所示,才能確定最佳路徑。沒有完美的解決方案,最好的無線選擇,是採用可接受的權衡來實現最佳應用目標。
圖2 開發人員可為大樓自動化中使用的無線感測應用提供多種短距離協定選擇。
「感測器數據的決策將在何處進行?」也是開發人員要思考的問題。根據商業大樓或家庭的需求,打開或關閉HVAC系統的決策,可以透過HVAC控制器在建築物本地進行。或者,可以將感測器數據發送到雲端進行處理,進而實現HVAC系統的遠端控制。
這種對在地或遠端資料處理和控制的選擇取決於許多因素,包括實現決策所需的運算複雜性、必須處理的數據量、以及是否需要後期資料處理或遠端監控。對於具備有限數據要求的智慧家庭,本地處理和控制可能是切實可行的。然而,對於管理建築物中許多房間的HVAC系統,可能需要閘道將資料傳輸到雲端。
處理感測器數據挑戰大
處理數百個感測器節點產生的數據,對於許多試圖部署大規模感測器網路的開發人員來說是一個障礙。在實驗室中設置幾個節點,並使它們與主機或雲端通訊相對簡單,但隨著節點數量的增加,網路設計的困難度呈指數增加。
蒐集本地或雲端數據的應用,必須識別所有數據並加上時間戳記,以構建區塊的準確模型。對於智慧辦公室,主機系統將從數百個感測器接收資料。這可能是一個不切實際、昂貴且相當困難的問題。雖然每個終端節點上的感測器可能只花費0.50美元,但對網狀網路和雲端運算的開銷需求,可能遠遠超過感測器的成本。經驗豐富的感測器網路部署者,現在只增加每個終端節點必要的內容。這種合理精簡的優化方法能夠減少數據開銷,降低終端節點的功耗,進而節省電池更換成本。
網路拓撲是一個多變數問題。解決方案的趨勢是使用結合網狀網路、匯流排或樹狀拓撲的混合拓撲。例如,在智慧辦公室中,部署許多較小的感測器網狀網路是有意義的,這些網路可以相互跳躍將訊息發向閘道器或存取點(圖3)。這種存取點可以是另一個網狀網路的一部分,它與主機只差一步距離或者含括主機和其他閘道器。透過在閘道器和主機之間分擔工作,使用這些「中間」節點簡化了這一難題。
圖3 智慧辦公室可以部署較小的感測器網狀網路,這些網路相互跳躍將訊息發向閘道器或存取點。
使用混合式拓撲,雲端可以接收組織過的數據,減輕雲端應用的負擔並實現更具擴展性的網路。雲端應用很可能是針對特定任務而設計,必須被創建或授權才能為建築物提供監控功能。
目前的趨勢是透過軟體即服務(SaaS)來實現此應用。例如,希望降低HVAC成本的保險公司,通常不具備自行開發這種應用的核心能力。此應用提供回饋以及配置,設施管理人員可以根據自身喜好,自訂控制他們的建築環境。
感測器網路部署將是一項挑戰。沒有一個感測器網路布局或測量組合適合每種IoT應用。一個網路可能專注於追蹤資產或人員,而另一個網路則優先偵測環境變化,以降低成本或避免災難。無論選擇哪種感測器網路方式,都必須帶來價值,此價值必須抵銷部署傳輸媒介以及處理數據並最終做出決策的系統的成本和複雜性。
從電池供電的終端節點到大規模的雲端應用,感測器網路部署必須仔細規劃。在部署或設計感測器網路時,需要考量所有面向,即使是最輕微的疏忽也可能導致難以克服的權衡利弊。考量如何為每個感測器節點供電,如何傳輸數據和到達主機應用的路徑,以及如何隨著時間的推移對網路進行服務或擴展。感測器網路正在開始實現最佳的性價比,更多企業將部署它們以降低成本、導向智慧化並從競爭中脫穎而出。
(本文作者為Silicon Labs MCU和感測器產品經理)
AI走向邊緣裝置 新興架構機會多
全球已從PC和手機邁向物聯網(IoT)與人工智慧科技時代,AI+IoT(AIoT)應用興起,掀起新一波典範轉移。智慧機器時代已然來臨,人工智慧普及化,其中包括自駕車、無人機、機器人等具備自主判斷、學習能力等機器。半導體應用仍扮演核心角色,是電子系統邁向AIoT裝置的關鍵技術。
工研院產業科技國際策略發展所產業分析師范哲豪(圖1)表示,目前AI晶片的發展呈現少量多樣的發展模式,各式各樣的創新應用日新月異,但是殺手級應用尚未登場。根據IC Insights的統計數據可以看出,在全球半導體設計業產值及排名統計中,營收前10名的廠商裡,高成長率的NVIDIA、AMD和賽靈思(Xilinx)產品皆與AI正相關。另外,2019年全球半導體設計產業產值雖受中美貿易戰影響,但據IC Insights預估,2019年產值將達1,257,5億美元,年成長率6.0%,AI仍是產業發展的重要驅動力。
圖1 工研院產業科技國際策略發展所產業分析師范哲豪表示,找出新興架構與低功耗解決方案是全面普及AI的首要任務。
現在各國政府皆已高度投入AI技術發展,根據工研院產科國際所統計,日本現已投入了560億台幣的資金在AI相關計劃中,另外美國投入了463億台幣,中國則是4.5兆台幣,韓國也有1.5兆台幣的投入。由此可以看出AI技術發展勢在必行。
范哲豪指出,由於AI須要進行邏輯思考,並做出判斷決策,故運算量相當大,但也因此導致功率與成本高居不下,目前廠商都先從高價產品開始導入,但是要全面普及仍須找出新興架構降低功耗與成本才行。從功率方面來說,雲端AI晶片的功率大約是100W以上,邊緣端則是20~100W,終端裝置AI晶片的功率則約是10~20W。因為雲端運算有安全性的疑慮,同時功率又高,而終端裝置的功率相對較小也較為安全,產品種類分散,市場機會更多,因此有愈來愈多的廠商投入終端裝置的新興AI晶片設計。
建築/城市/家庭與個人為三大應用場景
從現在趨勢也可以發現,在裝置端導入AI功能是大勢所趨。其中AI終端運算可以分為三大應用場景,分別是建築(Building-scale),如工廠內部影像辨識、機器人控制、機台數據分析、預測維護等;還有家庭/個人方面的應用,如智慧音箱、智慧家電、AR/VR頭盔等;以及城市(City-scale),如自駕車、無人機、自走載具、街頭監控系統等。而影像、語音機器數據為主要的運算型態。
范哲豪進一步說明,現階段裝置端AI運算晶片產業仍存有一些挑戰,產品少量多樣,在矽智財(CPU+AI Engine)、人事成本、EDA工具和光罩方面的進入門檻高。同時廠商缺乏關鍵AI技術,又無力投入新興架構的研發設計。另外,部分廠商缺乏軟硬系統整合能力,導致產品競爭力不足。在設計方面,除了省電之外,還有小尺寸、價格考量、高效能運算等需求。
為解決此問題,范哲豪列出裝置端AI晶片所須要導入的新技術,須有可重組之半通用AI晶片架構,根據特定應用所需的類神經網路架構找出通用處並將其硬體化;還有以封裝形式將各類AI晶片異質整合,藉此在價格與晶片效能上取得平衡;以及在記憶體內的AI運算方式,進而克服處理器須要花費大量時間和能耗才能從記憶體中獲取資料的瓶頸,透過直接在記憶體中運算提高速度與效率。
針對培植台灣裝置端AI晶片能量,范哲豪也提出七項策略,一是群策力,例如藉由產、學、研攜手成立的「台灣人工智慧晶片聯盟」(AI on Chip Taiwan Alliance, AITA),匯集鈺創、聯發科、廣達、台達電等國內外逾50家指標性半導體與ICT廠商,以及國內大學及工研院等國家級研發機構,共同建構AI生態系、發展關鍵技術、加速產品開發,並聚焦於終端裝置用AI晶片(圖2);二是注重創新,針對通用AI晶片、異質整合AI晶片、新興運算架構AI晶片與AI晶片軟體編譯開發,提供次世代AI關鍵智財解決方案;三是建立標準,建立驗證平台與介面整合標準;四為建置場域,協助建立系統整合之示範性應用;五是做到更加注重隱私與資料安全,利用AI的發展減少人力資本,並透過AI在終端裝置的運算保障資安與隱私;六則是借助外力,站在巨人的肩膀上,鏈結雲端平台業者,如微軟(Microsoft)與Google等公司;最後一項,應利用台灣半導體領先優勢開發AI晶片,維持半導體產業的全球領先地位。
圖2 為搶攻裝置端AI晶片市場,各界聯手成立AITA聯盟,戰略布局人工智慧新藍海。
AITA聯盟執行秘書暨工研院光電系統所副所長張世杰表示,全世界具備了半導體發展能量的國家都已經投入大量資源在AI晶片技術的發展,而台灣身為半導體強國,在這樣的競賽當然不能缺席。
張世杰指出,目前AI晶片市場呈指數型大幅成長,而AI晶片大致可以區分成通用型晶片及專用型晶片,專用型的AI晶片應用於特殊領域,並可進一步細分為用於雲端、邊緣或是在裝置端與感測器相結合的晶片種類。台灣適合發展的市場就是專用型裝置端AI晶片,再針對專用型裝置端AI晶片進行分析,又可分為傳統架構以及仿腦神經的新興架構、新興記憶體,仿腦神經的專用型裝置端AI晶片將會是台灣發展AI晶片的新大陸。另外,目前在仿腦神經的專用型裝置端AI晶片市場已有布局的廠商為IBM、英特爾(Intel)、MYTHIC、Syntiant等。
裝置端AI晶片即時可靠更安全
裝置端AI晶片具備幾項優點,具即時性能夠馬上反應、即時辨識,適用於人臉辨識開鎖功能或自駕車應用;具可靠性,可以排除網路斷線的可能,在自駕車或無人機領域十分受用;而資料不須上傳雲端,便能保障使用者的隱私,在安全監控與健康管理等方面可以守護個人資料不外流;同時,裝置端AI晶片也能客製化,透過裝置端學習,滿足客製化需求,實現語音辨識、智慧眼鏡等應用。
針對裝置端AI晶片的安全性,微軟大中華區物聯網方案負責人林孟洲表示,約在2000年左右科技發展從雲開始,之後進入物聯網,再利用IoT收集到的資料進行AI的分析,而現在AI應該要走入裝置端,而不是一直停留在雲端。人工智慧的領域應該分為雲端的智慧與裝置端的智慧。裝置端的智慧具有很大的產業動能,將發展成一個巨大的市場。物聯網一直以來被詬病的,就是當連接的數目達到幾百萬、幾千萬時,將非常容易成為攻擊的目標,將安全、邊緣與AI連結在一起將是發展的機會所在。因此,「AI on chip」就成了一個非常重要的議題。對此,微軟也提出了相對應的解決方案Azure Sphere,整合經認證的MCU(Certified MCU)和作業系統(OS)以及安全服務(Security Service),Azure Sphere OS內含微軟客製化的Linux核心,並結合安全技術及安全監視器,志在建立一個安全的IoT平台,讓物聯網更安全可靠。
最後,張世杰進一步說明台灣發展裝置端AI晶片的優勢,由於台灣具記憶體產業能量,與記憶體和新興記憶體整合設計將是提升AI晶片效能的重要關鍵。台灣國內有多家廠商能生產製造記憶體,是發展AI晶片的優勢之一。
而裝置端AI晶片直接針對數據進行處理,是資安與隱私保護的重要防線,台灣能徹底落實資訊安全防護,於國際合作中更容易建立起良好的信任感。另外,預期未來物聯網(IoT)裝置所使用的控制晶片多數將內含AI加速晶片。台灣過去具有豐富的IoT裝置製造經驗,未來若結合AI晶片共同發展,將在國際競爭上更具優勢。
永遠的備胎:華為「鴻蒙」作業系統的道路
關於鴻蒙號稱比Google系統效能更高、更安全、速度更快的說法,我們姑且照單全收;華為不太著墨的第三方軟硬體相容性、app生態系、以及專利技術問題,我們也暫且擱置,純粹就商業策略觀點來看看這個產品。
鴻蒙並不是第一個廠商為了擺脫Android而自行開發或採用的系統,像是韓國三星採用的Tizen,就是這類系統之一,已經應用在智慧電視和手錶等產品上。
永遠的備胎
然而鴻蒙也好、或是Tizen之類的其他替代系統也好,我對它們的看法都是「永遠的備胎」;這無關乎技術問題或產品優劣,而是商業考量或政治考量。
這些系統的共通點,是背後都多少有需要備胎的廠商支持,也都會以開源(Open Source)的方式釋出某種型態的版本;但重點並不是「與社群分享」,而是希望有其他人也採用、或是幫忙除蟲。
從手機市場面看(其他產品稍後會提到),鴻蒙最大的用戶規模大概就是中國國內;其他國家的廠商即使願意採用,產品數量應該也少到可以忽略。
雖然中國市場並不小,只要半數廠商採用鴻蒙,應該就足以撐起一個具有獲利能力的體系;目前華為在中國的市佔率是34%,只要再來個一兩家主要盟友就可以達標。
中國國內目前的手機市場分布,紅色部分是華為比例。資料來源:Counterpoint
但美國也不會是省油的燈。只要透過提供Android和專利授權,就有辦法牽制其他廠商;而廠商面對華為節節上升的市佔率(尤其是最近一季「中國人就要用華為」的氣氛),站在競爭與商業考量的立場,或許會嘗試「共襄盛舉」一下,但上市產品應該不會大規模轉向鴻蒙。
(有媒體推測,許多中國手機廠商會跟隨華為大舉導向鴻蒙,但我認為在美國的牽制策略之下,只要沒有政府力量介入,這一點應該不會發生;但「政府力量」這件事情是很微妙的,只能說「並非絕對不可能」。)
這一點華為想必也非常清楚,所以對於開發鴻蒙應該是抱著一種「半備胎」的態度:全力開發到能用的程度,但是能不用就不用;然而如果不得已必須讓它上場,就是公司的救命仙丹。萬一需要用它救命的時候,就只能贏不能輸,一輸就是滿盤盡去。
華為的國造戰鬥機
這種「半備胎」觀念,跟空軍的「國造戰鬥機」差不多:基本上算是自力設計製造,但仍然授權或購買了大量國外零組件;甚至美國廠商在政府默許之下,也提供設計圖紙和技術協助(當然是要錢的)。而美國政府會默許,是基於幾個可能原因:
1.看看「你們能做到什麼程度」;
2.掌握你們研發的技術內容和進度、以及日後生產的數量,並取得限制應用範圍和外銷的裁決權;
3.讓軍武廠商賺點外快;
4.說不定有些技術還可以撈回來自用。
最後,老美看著你們把飛機差不多真的造出來了,於是馬上宣布賣新飛機,讓你不得不減少自製飛機的產量;讓自製飛機雖然東西其實不錯,但地位上仍然是永遠的備胎。
所以在我看來,鴻蒙的誕生也是類似的用意。華為想的是:我既然已經可以做出整套東西來了,你在手機系統上卡我已經沒有意義,所以還是放手吧。
爾虞我詐、互挖樁腳
無論如何、無論是手機系統或戰鬥機,能夠在像Google這樣佔壓倒性市場多數的因素阻撓之下,願意投入開發資源、而且做出一套自有的可用產品,並不是一件簡單的事情,華為在這一點上仍然值得肯定。
而接下來要注意的則是:
・軟硬體專利與授權問題
這個產品是不是真的沒有授權或專利問題?飛機跟手機一樣,即使有專利或零組件管制問題,仍然還是可以做,只是賣不出國外;所以解決了政治和內需問題,但解決不了商業問題。
而即使有專利和技術問題,美國也可能會在這個階段按兵不動,等到鴻蒙真的成了氣候時才會出手。
・其他方面的應用與市場攻防
除了做為手機方面「永遠的備胎」之外,鴻蒙同時也會應用在電視、穿戴式裝置、甚至汽車上,廣義來說就是一個物聯網(IoT)作業系統。
雖然在使用廣泛、用戶敏感度高、生態系相對重要的手機市場,鴻蒙並不容易甩掉「備胎」地位,但在其他用戶敏感度較低、對品牌的認知度高於「用哪個系統」的市場(例如上述的電視等等),鴻蒙就有機會滲透進去,侵蝕Android等其他系統的市場。
如果能在其他市場得到成效、並且讓品質更加穩定精練,華為就可能伺機讓鴻蒙翻轉回手機市場,屆時的勝算會比現在更高。
人人需要備胎
然而市場瞬息萬變,到時候幾個主要系統的消長、以及市場的需求已經和今日不同;連囊括手機生態系多數利潤的Apple都已經快要不靠賣手機賺錢,眼前還在糾結「能用哪個系統」的華為就更該有所警惕了。
採用Tizen系統的三星「智慧電視」,就是這樣的例子。先前提到過,Tizen也是三星「永遠的備胎」;雖然三星曾經嘗試推出使用Tizen的手機,但並沒有引起市場太多注意、之後也沒有持續的產品研發,所以應該只是一種PoC(概念驗證)的產品。
余承東的「失言」
至於華為執行長余承東指出「我們可以一夜之間讓所有華為手機升級為鴻蒙系統」,這個豪氣發言或許能引起支持者一片歡呼;因為:
・代表華為能以「民族企業」之姿破釜沈舟、一舉擺脫美帝系統控制的決心和能力;
・代表華為有能力掌控自己的使用者社群、並且深入到系統層級,並不遜於產品同樣深度整合的Apple;
・代表華為對於一夜之間置換系統、讓使用者體驗無縫無痛升級有極大的能力和信心。
但就海外市場觀點而言,這句話某種程度上是一種「失言」;因為這樣的說法,很容易被解讀為「一覺醒來發現,自己的華為手機莫名其妙換了系統」(雖然話中沒有明顯的這個意思)。
這一點在注重隱私和主控權的市場,是相當犯忌諱的;一道「同意條款」雖然絕大多數使用者不會讀內容,但還是有其必要,在法律上也是對廠商自己的保障。
此外,從經驗法則來看,兩套獨立發展、而且理論上使用介面和邏輯都不一樣的系統,即使兩者都非常成熟穩定,要無縫無痛升級幾乎可以說是天方夜譚;頂多對於「反正開機後只會接電話和用Line/微信」的使用者族群,沒有那麼大的衝擊和學習問題。所以,「無縫」這一點是相當值得存疑的。
至於某些報導指出,華為推出鴻蒙是為了要跟Android「分道揚鑣」,這樣的想法可能就有點太簡略,忽略了目前「跟著Android走」其實是為了「跟著主流市場走」的現實;是不是跟著禿子不是重點,摘得到月亮才是真正要緊的事。
結語
在整個美國與中國的貿易戰中,重點並不在於「打倒」,因為誰都不可能在貿易戰中打倒誰、而且打完了還是得留幾分餘地做朋友,這也是至今表面上還有讓步或順延的原因;如果真要一次打到,並不是沒有其他方法,但這並不是任何一方所要的。
真正的重點在於「牽制」;就像在球場上一樣,牽制的目的並不在於讓遊戲無法進行,而是延緩對方的行動、累積自己的優勢,讓對方的攻勢有所顧忌、也讓自己成為遊戲結束時的贏家。
(至於美國在貿易戰中對中國的種種牽制、以及牽制的最終目的,因為眾說紛紜、也不在本文探討範圍,所以就不多著墨;至於有一說是避免中國取得5G標準主導權,雖然言之成理,但個人認為份量還不夠,但會是理由之一。)
而在商場上,牽制的奧義在於「不一定要把對方全體當敵人」,也就是一般常聽到的「兩手策略」。在華為的案例裡,美國的另外一手如前所述,是其他的中國手機廠商,而華為的另外一手就是鴻蒙。
要預測鴻蒙在商業上的未來,可以分成「只看手機」和「IoT」兩個角度來看。從手機角度來看,我認為除了扮演牽制備胎之外,沒有太大的表現空間;但做為IoT系統,由於系統的品牌辨識度相對不重要、廠商之間在消費性產品市場的衝突較低、而且中國原本就是目前的IoT產品大國,所以還是頗有機會的。
如果要用一兩句話結尾,我會提醒華為(與每一家手機廠商),手機爆發成長的時間已經快要過去,也得記得幫整家公司的未來發展找個備胎了。
(本文由吐納商業評論授權轉載。作者觀點不代表本刊立場。)