SA

是德科技(Keysight)是日前宣布魅族科技(Meizu)選擇使用是德科技射頻自動化工具套件，來驗證增強型行動寬頻(eMBB)的效能，以支援專為5G智慧型手機開發的多媒體應用。 魅族科技是中國智慧型手機設計與製造商，該公司選擇使用是德科技5G裝置測試解決方案，來因應不斷成長的全球5G市場。這些解決方案基於 Keysight UXM5G無線測試平台，可協助魅族科技在從初期研發到設計驗證、符合性驗證及生產製造的整個工作流程中，全面驗證5G裝置。 魅族科技研發中心助理副總裁李濤表示，選擇使用是德科技5G裝置測試解決方案，來加速對5G智慧型手機進行射頻驗證，讓消費者能獲得簡單、直覺的行動裝置使用體驗。藉由使用經驗證並廣為產業採用的5G裝置測試平台，魅族科技可設計並推出支援先進5G服務的高效能智慧型手機。 魅族科技依賴5G NR獨立模式來支援消費者和垂直產業(例如製造、物流、運輸和遊戲)所需的應用和連接功能。是德科技提供通用的硬體和軟體測試平台，以便在 3GPP 定義的所有頻段中，以及在非獨立(NSA)和獨立(SA)模式下，驗證各種不同外觀和尺寸的5G裝置。 是德科技資深總監曹鵬表示，很高興是德科技5G測試解決方案能協助魅族科技，在全球5G市場中建立成功的領導地位。此解決方案可因應各種不同的測試要求，包括射頻、資料傳輸速率、相符性測試，以及行動通訊業者驗收測試等，讓魅族科技能以經濟有效的方式，在通用的硬體平台上靈活地驗證多元的產品。 不斷成長的5G晶片和裝置製造商生態系統，以及全球 380 多家投資於5G網路試運轉和部署的行動通訊業者，全都需要可靠的測試工具，以便在5G網路進入商轉之前驗證裝置效能。是德科技5G裝置測試解決方案是全球頂尖5G裝置和晶片組製造商的最佳助手。

本文介紹了如何運用先進成像方法，實現更優異的成像畫質、速度和準確性。平面波(PW)和合成孔徑(SA)成像是本文主要介紹的兩種方法，它們為心壁運動、血流和心臟外科手術等難以管理的特定診斷和外科手術帶來可觀的訊框率和準確性提升。 醫療需求推升技術更迭 不斷攀升的醫療成本正在成為醫院、診所和服務供應商的沉重負擔，因為他們需要確保為患者提供高品質的服務，同時更有力地控制成本。提高臨床治療中的患者流量是一種有望借助運算技術發展控制成本的途徑。與此同時，放射科醫生也強烈要求大幅提高醫療超音波、CT掃描器和其他類似設備等醫療成像設備的影像輸出畫質。 發揮人工智慧(AI)及其分支機器學習(ML)的作用，並將使用深度神經網路的ML方案用於輔助診斷和效率的提升，也是頗有前景的方法。這樣就能依靠新型晶片元件大幅增強的運算功能與演算法進步來改善畫質、組織識別、分類以及器官分割準確率，進而簡化臨床工作流程。 在各種臨床處理過程中，醫療診斷成像是發揮這種先進的運算技術的主要過程之一，因為聲波技術侵入較輕微且不涉及輻射。此外，與CT和MRI等其他方式相比，它的使用更普遍、成本更低、速度更快且尺寸更小。儘管過去數年裡已取得重大進步，但雖透過使用更快速的平行運算和AI演算法，診斷品質、準確度和速度仍有較大的提升空間。 本文針對醫療超音波設備製造商(OEM)介紹如何提高成像畫質、速度和準確性；與此同時，本文還介紹如何與深度學習演算法結合使用，並借助產品改善。對於本文的目標受眾(如開發醫療超音波成像系統的架構師和科學家)，本文也介紹開發生產力的工作流程。 在過去二十年裡，兩種用於獲取和處理醫療超音波影像的新銳方法被研發出來—合成孔徑成像方法和平面波成像方法。這兩種方法與當前的順序慢速超音波成像方法截然不同，因為後者每次只能採集一行影像。新方法則可使用超音波穿透整個成像區域，因此一次發射就能重建完整的影像。成像速度達到每秒數千訊框。與這樣的訊框率同時實現的，還有全新的成像可能性，如更強的聚焦和穿透、向量流成像、功能超音波、超高解析度成像、高速心臟成像與量化等，同時可提升十倍的定量測量精度。 快速成像方案產生了比傳統成像高出幾百倍的處理需求，因此到目前為止阻礙了這些先進成像方法的實現。本文介紹了處理元件和新開發環境如何即時輕鬆實現這些先進的成像方法。如賽靈思(Xilinx)Versal自我調整運算加速平台(ACAP)元件與Alveo資料中心加速卡可部署在工作站或伺服器上，是實現SA和PW方法的硬體選擇。 與傳統的順序超音波成像相比，SA和PW成像方法具備一系列的優勢。主要在於採集的資料集完整，而且聚焦可在處理中合成，而非在採集過程中完成。因此，在發送和接收過程中都可以動態聚焦資料，獲得成像區域上的理想解析度，而傳統成像只能在發送焦點上實現最佳聚焦。這種功能被證明能提高體內成像畫質並增強穿透深度。 由於採集的資料集完整，這些成像方法也開啟追溯處理的廣泛應用。持續完整的資料獲取對成像也有很大幫助，其有利於不間斷地全向追蹤運動中的結構和血液。這樣能將速度估算精度提高十倍，還能估算速度向量；而長時間的觀察也有助於在腦功能成像中檢測較低流速。此外，資料流敏感度也提高，因此能檢測較低流速；而高訊框率則有助於檢測組織彈性和進行剪切波成像。 這些成像方法已與超音波造影劑結合使用，透過追蹤氣泡穿過最小血管的運動執行，以獲較高的超音波解析度，進而能夠區分尺寸小至10微米的結構。 因此，使用SA和PW超音波成像方法有助於開發全新的超音波應用，為提高運動估算的解析度、對比度和準確性鋪路。然而，成功實現即時應用依然被需進行的大量運算限制，但現在透過使用本文介紹的可編程設計元件及開發平台，該問題已迎刃而解。 一窺超音波成像採集流水線 採用壓電式轉換器的超音波系統將電傳輸脈衝轉換成超音波脈衝，並從電子訊號中接收超音波回波脈衝。這種轉換器採用大量壓電元件(32個到192個)，可以根據所需的不同研究提供不同的形式和功能。最常用的B模式規格掃描線配置包括：(a)線性、(b)曲線、(c)梯形、(d)扇形和(e)放射狀。參見圖1。 圖1　常用B模式格式的掃描線安排 轉換器有以下選擇：線性陣列，能在更深層面實現身體和器官的表面區域成像；曲線和梯形形狀，用於腹部器官和產科掃描；扇形形狀，用於心臟成像(通常透過肋骨之間的狹窄聲學視窗進入)；放射狀，用於血管內成像。 在繪製二維(2D)影像時，接收到的回波幅度與亮度(B模式)和回波穿過組織深度的時間有關。B模式使用多行成像，影像中每行用一個脈衝-回波序列產生，最終為被診斷的器官生成最終的解剖截面圖。有鑑於具體超音波轉換器的多個參數，可將超音波處理描述為一個多步驟序列，根據選定模態的功能，構成資料處理的單或多個並行流水線。 流水線示例如下所述：生成調製超音波脈衝，頻率取決於探頭類型、治療方法和成像模態類型。或是可激發轉換器的電以傳輸調製波，激發可包括發送器上的波束成形，進而選擇性發射聲波(Selective-in-sonification)、生成虛擬源，以及生成特定波前(球面波、平面波等)。 而轉換器亦可接收超音波觸及器官返回的回波，並轉換成電子訊號(RF資料)，同時用時間增益補償均一化遠近回波，以便進行統一處理。同時，可針對接收訊號進行數位化處理，以透過波束成形，將接收到的訊號聚焦在特定深度，並使用來自多個單元的資料重建掃描線。 至於非線性(對數)壓縮級將回波動態範圍與人感知動態範圍進行匹配，也可透過插值創建表示物理尺寸的影像。此外，用於完成下列功能的其他數位訊號處理層級包括： ·減輕雜訊 ·消除像差 ·降低干擾 ·消除掃描線偏移 ·降低散斑 ·提高解析度 ·增大測量距離 ·銳化邊緣 ·減少偽影 SA/PW成像原理解析 在傳統的超音波成像中，首先將發射聚焦的超音波場域，然後用探頭的全部單元接收來自組織的散射訊號；接著使用影像中點到接收單元的幾何距離確定接收聚焦。將其表達成深度的函數即可實現動態化，進而確定最佳接收聚焦。然而，發送焦點被限制成單獨的發送焦點，影像只能在該深度上實現最佳聚焦。 這種局限性在SA成像和PW成像中得以緩解，此時成像透過發射一系列球面波或平面波來完成，如圖2所示。 圖2　SA成像(左)與PW成像(右)圖解 在圖2中，第一列所示是發射的球面波或平面波；第二列所示為每次發射產生的波束成形低解析度影像；最後一列是將所有低解析度影像按相位求和得到的高解析度影像。 接收聚焦方法與常規的成像方法相同，但發送聚焦是透過結合多次發射得到的資料進行合成。這就使發送聚焦具有動態性，能夠獲得穿過影像深度的最佳聚焦，進而強化整個影像的對比度和解析度。聚焦的具體做法是運算從發送來源出發，穿過成像點再返回接收單元的幾何距離。接著，再從接收到的轉換器訊號選取資料，針對樣本數值進行插值後求和。這個求和操作也稱為相複合，尤其是在PW成像中。除了發送來源到成像點間的距離略有差別以外，SA成像和PW成像的距離計算相同。因此，兩種成像方法可使用相同的處理架構。 次要優勢在於發射次數與成像行數無關。傳統方法必須完成200次發射才能採集完整的高解析度影像，而SA成像和PW成像需要完成的發射次數要少得多。一般情況下，1到8次發射即可完成成像流、執行10到30次就能完成較佳的B模式成像，因此可提供較高的訊框率，進而產生前述提到的諸多優勢。具體如圖3所示，該圖表示一定發射次數下，成像對比度與以波長為單位的成像深度之間的關係。若數量越小越好，因為這說明圍繞主峰的旁瓣數量少；而增加發射次數能夠增大對比度，但12次發射後不再進一步提升。在本示例中，這決定了對比度和訊框率之間的最佳權衡取捨。此外，4到8次發射也能提供良好的對比度，足供要求較低的成像流使用，因而有助於提高訊框率。 圖3　使用以λ/2為間距的192元線性陣列探頭，一定發射次數下成像對比度與以波長為單位的成像深度之間的關係 兩種成像方法只需要少量發射就能在整個興趣區域內持續成像，是成像流的選擇之一。此外，上述成像方法還能在各方向上持續追蹤移動物件，專為估算主動脈中的血流、檢測組織的運動與彈性，以及實現較低速流檢測而開發。這是因為有連續資料可用，同時透過使用更先進的濾波器來分離流和組織，得到的影像不僅具有更高的動態範圍，且對低速流的靈敏度也有所提高。 影像實現獨立運算 在SA/PW系統中持續完成的波束成形操作次數由下列公式決定： 其中Nl是影像行數，Ne是接收元數，f0是轉換器中心頻率。採樣以探頭中心頻率的四倍頻率進行，透過強化奈奎斯特採樣，實現線性成像。因數k是用於成像的時間分數。為大幅提高訊框率，k值大約在0.8到0.9之間；但如果為降低處理需求而使用較低訊框率，也可以選取非常小的值。 典型取值如Nl=200、Ne=192、k=0.8和f0=5kHz，每秒完成614千兆次運算。一般情況下，完成一次波束成形運算包括運算聚焦延遲、變跡值，最後對樣本值進行插值，並將其與來自轉換器其他單元的數值相加。總體上，每次波束成形運算需要完成30到100次運算，全即時SA成像和PW成像每秒可完成太次運算。與常規系統相比的不同之處在於，完整影像是一次性重建，而不是每次脈衝發射繪製一行，而且出於這個原因，此類系統中的運算量也提高Nl倍。主要優勢在於影像中的各點都能獨立運算，因此，處理在本質上擁有並行性，適用於FPGA實現方案。 受處理資源的限制，PW成像和SA成像直到最近才得到採用。現在由於Versal ACAP等新興嵌入式處理平台的推出，即時實現此類技術才變得切實可行。 插值為影響成像產生關鍵 獨立單元往往以λ/4的速率進行採樣，這符合奈奎斯特(Nyquist)定律，但不足以實現極低延遲。插值是一種補償缺失點的簡便方法。插值器的品質是減輕「虛擬」樣本產生負面影響的關鍵因素。此外，插值器也是對運算能力要求極高的一項功能。在圖4中，部分插值器使用它們的PSF等等值線圖進行比較，等值線間距離為6dB，直至-60dB。合成孔徑使用FieldII模擬器對3.5MHz線性陣列128元探頭進行模擬，採用λ/4採樣，每128單元作為一個發射器。 圖4　用於128元線性陣列探頭插值方案的點擴散函數 圖4所示為插值效果。左上圖所示為在樣本之間使用線性插值時的點擴散函數。右上角所示的是採樣頻率提高10倍與線性插值相結合時的interp函數。左下角是採用樣條插值的情況，右下角則是使用了分段三次Hermite樣條插值多項式pchip。只為樣條函數和interp函數獲取合適的旁瓣，這體現插值對高品質成像的重要性。 合成孔徑/平面波成像使用軟體面臨挑戰 SA成像和PW成像面臨的根本挑戰在於，如何就每秒產生的資料量與特定處理成像流水線中的可用算力進行平衡。超音波成像系統可劃分為前端(FE)、影像成像器(IF)和後端(BE)。FE負責管理轉換器、發送脈衝生成(TX)、接收類比訊號(RX)和TX/RX相位開關矩陣(SM)的硬體方面。影像成像器負責波束成形，有時該功能也被分配到FE。BE負責增強影像，將其從聲學掃描網格轉換為顯示網格，然後進行渲染和顯示。近期，IF和BE通常直接使用原始資料在軟體中進行結合。這種方法需要多條一般使用PCIe的高速傳輸通道，用來將原始資料傳輸到搭載高性能CPU和GPU的工作站。由於多條傳輸通道、緩衝存放區原始資料、向CPU快取和GPU板載記憶體傳輸資料等原因，從FE向BE傳輸大量資料會造成額外的時間延遲。對於擁有128條通道的高階系統來說，在40MHz RF取樣速率下運行，且每樣本以12位元進行編碼，並以1540m/s聲速，在7.7cm深進行軸向成像，每個TX脈衝事件產生的原始資料大小是2,212MB。 如果要實現更高解析度，使用快速成像以每秒15,400次的頻次重複脈衝，產生的資料傳輸量為18.8GB/s。就算是PCIe Gen3x16這樣可提供約12GB/s傳輸速率的整合模組，也無法滿足BE所需的傳輸速率。BE必須將原始資料的儲存速度和傳送速率提高數倍，才能將資料提供給CPU進行控制，同時提供給GPU進行演算法處理。由此引發的時間延遲程度也會限制即時性能。這就需要高速傳輸巨量資料，並在可能的情況下儘早處理資料，以減輕資料負擔。 ACAP促SA/PW成像性能提升 超音波系統本身較適合採用異構運算架構。FE是高度模擬的，如圖5所示。Versal ACAP則用於模擬前端(AFE)控制和資料(RF資料)儲存。 圖5　FE簡化原理圖 Versal ACAP可提供LVDS，負責接收來自AFE的輸入資料，為資料泵和資料獲取提供正確的時鐘與設置，管理發送器的啟動與TX和RX之間的開關。所有這些階段都需要在主類比硬體與Versal ACAP中的可編程設計邏輯之間進行高強度交互作用。這並非易事，但ACAP是解決它的良好選擇。超音波流水線的剩餘部分則用於處理採集的RF資料，而圖6則專注於波束成形流水線。 圖6　用於SA成像和PW成像的波束形成流水線 波束成形是高度並行的演算法。在波束成形器內形成影像的每一步都可以描述成一個資料流程操作，其中分階段處理RF資料，每個階段隨後流入到下一階段。在運算架構中，資料流程由節點構成，形成按佇列連接的圖形。資料流程模型提供流水線並行性，圖形表示的是應用流或程式流，節點表示對資料應用的函數。 圖6所示的是波束成形，方框表示處理階段(操作)，線條表示連接器，其中兩個灰色塊表示迴圈("for_loop")。 資料流程能將資料細分，進而將運算流程劃分為並行流，如圖7所示，進而大幅提升性能。 圖7　資料流程圖的橫向劃分(迴圈展開) ACAP架構實現SA/PW成像資料流程 在傳統微處理器上實現超音波模態資料流程會產生與並行性和資料輸送量有關的問題。350fps下「B-模式」需要大約6.08 Gmult/s的延遲和變跡值運算量。樣本插值需要的運算量在12.17Gmults/s，波束成形器需要的運算量大約在3,028Gmult/s。它類似於僅有30fps的「流模式」，所有運算都透過單精確度浮點運算完成。 一般來說，這樣的運算量難以在嵌入式平台上實現，至少需要高性能桌上型電腦或是電腦叢集。在表1中，便將CPU的理論峰值性能與上述要求進行比較。 此外，在從DDR記憶體(DRAM)向處理器傳輸大型資料叢集(如本應用所示)時，大量資料超過快取極限，導致與其他核心干擾相關的額外限制因素，理論上來說，性能下降幅度最高可達10倍。參見圖8。 圖8　使用快取的傳統多核心架構 如果驗證過諸如SA和PW等運算密集型問題的基本演算法本質，則有一個更好的選擇。SA和PW波束成形適合用線性代數運算來表示。掃描線可以由一個向量、一組帶矩陣的掃描線、一組帶矩陣或立方體的轉換器掃描線，或一組帶立方體向量的發射集表示，具體參見圖9。這類表示屬於張量，如同深度神經網路使用的類型。 圖9　SA與PW波束形成的張量表示 若使用具備下列重要特性的架構，能夠高效運算張量、內積、外積、向量-矩陣相乘、矩陣-矩陣相乘、濾波器、卷積和離散傅里葉變換： ·以棋盤格(拼圖模組)結構組織的同構處理器單元集合 ·一套用於連接處理器單元的開關網格；該開關網格是用資料路徑連接及可編程設計開關構成的規則結構 ·用於編排資料流程的控制器 ·演算法的局部開發，即資料移動通常限制在相鄰處理單元範圍內 ·使用流水線技術實現處理器單元的高利用率 如Versal ACAP採用使用拼圖模組的AI引擎架構，能夠滿足上述要求。拼圖模組中的處理單元採用單指令多資料(SIMD)和超長指令字(VLIW)架構。參見圖10。 圖10　AI引擎陣列 AI引擎整合一個標量單元、一個向量單元、兩個負載單元、一個儲存單元和一個記憶體介面。標量單元則整合一個32位標量RISC、一個32×32位標量乘法器，同時可支援正弦/餘弦、平方根、平方根倒數等非線性函數。向量單位整合：512位元向量定點/整數單元和單精確度浮點向量單元，均支援多個向量通道上的併發運算。每個AI引擎內建專用的單埠16KB程式記憶體。 每個AI引擎方塊圖內建32KB資料記憶體，其劃分為八個單埠組，允許每個時鐘週期最多八個並行記憶體訪問事務。 此外，資料記憶體還內建DMA邏輯，可支援輸入到本機存放區器的傳入流，從本機存放器向外輸出的傳出流，以及本機存放區器中的緩衝流。透過支援二維跨越式存取，任何AI引擎都能存取各方向上相鄰AI引擎方塊圖中的資料記憶體，進而允許單個AI引擎存取高達128KB的資料記憶體，每週期存取四個記憶體模組，頻寬超過1太位元組/秒。參見圖11。 圖11　AI引擎方塊圖 從運算角度，每個AI引擎方塊圖都具備乘法-累加處理能力，如圖12所示。 圖12　以週期計的乘法-累加性能 「B-模式」的性能要求估計在3,200 Gmult/s左右；因此根據圖12，在1GHz下，每個方塊圖能夠每週期執行8MAC，因此需要3,200/8=400個方塊圖。 從宏觀上看，AI引擎能夠實現SA和PW中資料流程演算法所需的所有不同結構。作為參考，在圖13中，除了AI引擎以外，Versal ACAP整合的特性還包括一個標量引擎、自我調整引擎(可編程設計邏輯)、智慧引擎(由AI引擎和DSP引擎共同構成)以及一個可編程網路單晶片(NoC)。 圖13　Versal ACAP原理圖 雙核心Cortex-A72 64位元處理器用於託管作業系統(如Linux)以及執行與控制超音波處理有關的任務。該處理器為連接、編排和更新提供所需的一切功能，還為超音波採集所需的數位訊號處理提供豐富的基礎設施。 自我調整部分(可編程設計邏輯)負責一切與採集有關的功能，其中包括控制AFE、發送器，解調來自轉換器的I/Q訊號。此外，它還能為特定任務加速並對已採集資料從記憶體到AI引擎的傳輸進行管理。 如Versal ACAP的可編程設計NoC是一種完全整合的高速全獨占式縱橫開關，用於管理SA成像和PW成像所需的高頻寬。NoC的作用在於實現對全高全寬PL的無縫記憶體映射存取，以便連接元件上需要使用大量資料的區域。它能夠： ·針對DRAM實現共用設備存取 ·在PL之間建立連接 ·對AI引擎陣列進行記憶體映射存取，以便進行追溯和調試 ·在PS、PL和AI引擎陣列之間建立連接 ·在PS和DDR記憶體之間建立連接 程式設計用於SA/PW成像AI引擎 AI引擎程式由使用C++編寫的資料流程圖規格構成。該規格可以使用專用編譯器編譯並執行。資料流程圖由節點和邊緣構成，其中節點表示運算核心函數，邊緣表示資料連接。 資料流程圖的核心在資料流程(無限長的類型值序列)上運行。這些資料流程可以被分解為單獨的方塊圖，而這些方塊圖由核心進行處理。核心消耗輸入資料方塊圖並產出輸出資料方塊圖。此外，核心還可以逐樣本地存取資料流程。 AI引擎核心是一個指向VLIW向量和標量處理器的C/C++程式。 包括記憶體通訊和串流通訊在內，存在多種可能的通訊配置，它們都是SA成像和PW成像的必要構建方塊圖。參見圖14。 圖14　AI引擎通訊結構 消耗輸入資料方塊圖的核心被稱為輸入視窗，產出輸出資料方塊圖的核心被稱為輸出視窗。二者由AIE編譯器根據資料流程圖連接自動完成推斷。 核心接收類型資料的輸入流或輸出流作為參考。PS可用於動態載入、監測和控制在AI引擎陣列上執行的資料流程圖。AI引擎架構和編譯器彼此配合，提供程式設計模型。兩個流連接能夠以透明方式共用同一物理通道，前提是它們的總通道占用率未達到100%。除了在AI引擎的處理器單元上運行以外，核心也能指定核心在PL上運行。圖15所示的是SA成像和PW成像的概念圖。A區方塊圖將PL連接到B區的PL核心方塊圖，後者又流到C區的核心，進行延遲運算。一套核心隨後並行啟動並交替執行，交替的核心數決定並行程度和加速程度。隨後，波束成形核心產生實體其他內部核心，用於D區方塊圖所示的內部運算。E區核心將波束成形資料流程到DDR記憶體。 圖15　SA和PW波束形成器的完整資料流程圖結構 合成孔徑成像與平面波成像技術可以使用Versal ACAP與AI引擎以及相關的軟體框架實現，為此類先進的超音波模態提供單晶片實現方案。對於先進的超音波系統，則可以使用單片以上的Versal ACAP，借助128個轉換器實現高達2,000訊框/秒的良好性能。 (本文由賽靈思Xilinx提供)

聯發科技5G布局從手機跨足到電腦及其他領域，與英特爾(Intel)攜手合作5G個人電腦方案。日前通過5G數據機資料卡的開發與認證，邁入關鍵里程碑，成功5G體驗帶入下一代個人電腦。首波搭載聯發科技5G數據機解決方案的筆記型電腦將於2021年初上市。 聯發科技5G布局從手機跨足到電腦及其他領域，與英特爾攜手合作5G個人電腦方案　(來源：Intel) 聯發科技總經理陳冠州表示，與英特爾的合作見證聯發科技在 5G 行動運算業務的全面拓展，也為進軍個人電腦市場開啟了絕佳的機會。憑藉英特爾在個人電腦領域的深厚專業和聯發科技突破性的 5G 數據機研發實力，將能重新定義現代筆記型電腦的使用體驗，為消費者打造最佳5G聯網服務。 英特爾公司副總裁暨筆記型電腦用戶平台總經理Chris Walker認為，成功的合作關係取決於執行力，很高興看到英特爾與聯發科技在5G合作案的快速進展，順利於第三季提供客戶5G數據機解決方案。5G將進一步改變聯網、運算和通訊的方式，藉由在4G時代累積的PC地位，英特爾得以提供優良的個人電腦產品。 聯發科技的T700 5G數據機日前已在實際測試場景中成功完成5G獨立組網(SA)通話對接，朝5G部署的目標邁出下一步。此外，借助英特爾在系統整合、驗證和開發平台優化方面取得的進展，除了為用戶帶來良好體驗外，更將協助OEM合作夥伴工程設計開發的支援。 聯發科技T700數據機支援Sub-6頻段5G網路的非獨立與獨立組網，以提供更快速、更可靠的穩定連線體驗。無論消費者是在家中或是路上，都能以 5G 高速瀏覽網頁、收看串流媒體及玩遊戲。聯發科技的數據機產品還具備高能效特性，可延長筆記型電腦的電池壽命，減少消費者充電的次數。聯發科技積極於個人電腦、行動通訊、家庭、汽車和物聯網領域推進5G 技術，促盡快速聯網服務的普及。

安立知宣布台灣德國萊因(TÜV)採用安立知的MT8000A無線通訊綜合測試平台，成功為其用戶端設備 (CPE) 實現 sub-6 GHz射頻 (RF) 測試，為 5G NR產品開發提供了靈活的測試平台，並將持續合作共同推動 5G NR發展。 安立知的 MT8000A 無線通訊綜合測試平台，為使用寬頻訊號處理與波束成形的超快速、大容量 5G 通訊提供了靈活的測試平台。憑藉其尖端的非獨立式 (NSA) 及獨立式 (SA) 模式，多合一功能的 MT8000A 支援 sub-6 GHz 與毫米波...

武漢肺炎(COVID-19)改變人們工作暨生活型態，部分地區的5G用戶發展因而遞延，但大多數市場並未受到影響，因此電信設備商愛立信(Ericsson)日前上調其預估的2020年底全球5G用戶數。而面對5G開台加上商用網路起跑，愛立信於日前發布行動趨勢報告表示，5G可望成為史上部署最快的行動通訊技術；企業及垂直領域導入獨立組網(Standalone, SA)，也將邁出第一步。 愛立信技術長姚旦表示，動態頻譜分享是加速5G覆蓋的一大關鍵 5G的覆蓋可分為於6Hz以下的新頻段、現有的LTE頻段，以及毫米波頻段進行部署，同時預估於2025年時將覆蓋全球65%的人口。台灣愛立信技術長姚旦表示，若顧及用戶需求及傳輸量的增加而欲加速5G覆蓋，需採用動態頻譜分享(Dynamic Spectrum Sharing, DSS)，讓4G及5G共用動態的頻譜，並因應頻寬變化調整。如愛立信的4G/5G頻譜共享技術(Ericsson Spectrum Sharing)及主動式天線的上行訊號強化演算器功能(Uplink Booster)可協助電信業者加速部署5G網路，增加5G容量及覆蓋率，並優化網路上行傳輸效率，以因應不同場景所需的無線資源即時動態分配，提供彈性網路架構並滿足消費者與企業的不同需求。 進一步回顧國內近況，各大電信業者紛紛啟用商用5G，而根據愛立信的趨勢報告指出，5G商用化趨勢仍不容小覷—疫情即便將於中短期內影響5G裝置銷售量及網路建設，但整體的發展趨勢將不會有所變動，因此5G全面商用化的進程也不會有所遞延。如愛立信目前已與電信營運商簽署了超過95項5G商用協定或合約，包含中華電信在內，其中有40個5G商用網路已經上線。 同時，有鑑於5G SA組網難度及成本兼具，核心網路架構漸由NSA轉往SA雖為全球企業用戶及垂直領域的趨勢，姚旦則表示，目前台灣尚未布建5G SA基地台，且尚處於實驗及測試階段，其中關鍵不只在科技的成熟度及終端覆蓋率，消費市場的需求及成熟度也至關重要。他預期5G開台後將帶領話務量從4G往5G移動，待4G頻譜壓力減輕時，才較能考量SA架構的採用；同時，他也認為一般消費者對於5G的需求量也是決定SA架構採用時間點的關鍵，有賴市場未來持續反映5G資料傳輸的需求量。

安立知(Anritsu)為整個電信生態系統以及與5G相關的不同產業垂直領域提供測試與監控解決方案，該公司的測試和量測解決方案廣泛包括所有裝置、基地台和接取網路、資料中心以及核心網路，並涵蓋研發(R&D)、認證、生產和安裝/維護的完整生命週期。針對行動網路的監測解決方案具備先進分析以及網路性能的洞察力，更提高跨領域的能見度。 在2020年的世界行動通訊大會(Mobile World Congress, MWC 2020)期間，安立知將聚焦於5G裝置及應用測試、一致性測試、車聯網(C-V2X)、現場安裝與測試、雲端無線接取網路(C-RAN)部署、先進分析以及電信雲端支援等關鍵的測試與監控解決方案。 舉例來說，安立知的5G V2X解決方案搭配dSPACE系統，使用硬體迴路(HIL)車輛模擬技術進行車輛對網路的測試；SmartStudio NR則為首個基於狀態機的圖形使用者介面(GUI)，可模擬5G-NR行動網路，實現快速、高效率的 5G裝置測試和驗證；用於5G裝置/晶片組研發測試的最新MT8000A 5G網路模擬器整合行動邊緣運算(Mobile Edge Compute, MEC)應用伺服器，並提供網路切片能力，可為新產業垂直應用環境進行測試。 而安立知ME7873x及ME7834x一致性測試系統持續進化。ME7873NR支援sub-6 GHz與毫米波(mmWave)的5G NR非獨立(NSA)和獨立裝置(SA)進行射頻(RF)、性能和無線電資源管環(RRM)一致性測試。ME7834NR系統支援sub-6 GHz與mmWave的5G NR NSA和SA裝置進行協議一致性測試；MS2090A Field Master Pro為5G NR現場測量工具，具有5G解調/分析功能與即時頻譜分析儀；MT1000A Network Master Pro具有10G、25G和100G介面的可攜式易用測試解決方案，可準確測量和分析關鍵網路性能參數，包括PTP、定時精度和延遲，讓5G營運商得以確保URLLC性能，且更有信心提供端對端的服務品質。 eoMind提供增強分析和機器學習異常檢測功能，這讓...

在5G發展上，絕大多數行動網路營運商初期皆在現行的LTE行動網路基礎上採用非獨立(NSA)模式運行並擴展5G新頻段。因此，行動裝置必須可同時在兩種網路中運作。羅德史瓦茲(R&S)推出的R&S CMX500無線通訊測試儀即針對5G NR所研發，可無縫整合到現行的LTE測試環境中，也是5G NR獨立(SA)模式下的測試選擇。 R&S CMX500透過測量5G NR傳輸的RF參數及協定測試，增加了5G NR信令和RF測試功能，並在全球認證論壇(GCF)中通過了由3GPP所定義的41個測試案例。這些案例分別為不同的FR1和LTE頻段組合，是新一代行動通訊裝置和晶片製造商進行5G NR測試的量測選擇。 R&SCMX500測量5G NR傳輸的RF參數並執行協議測試，採用模組化設計和先進的使用者介面，使用者可輕鬆進行配置以滿足特定的測試需求。此外，R&S CMX500並可和現有的LTE測試設置整合；搭配R&S CMW500寬頻無線通訊測試儀，可提供研發過程中通用的測試解決方案。R&S CMX500可支援獨立和非獨立兩種模式，透過這套完整的測試設置，5G終端設備和基礎設施的開發人員可快速、可靠地進行測試並確保研發出的設備符合5G NR標準。

資策會產業情報研究所(MIC)展望2020年高科技產業整體發展，並預測總體環境趨勢與產業佈局轉變，同時聚焦新興技術與創新應用發展。觀測整體，全球經濟緩步回升然而幅度有限，市場朝向破碎化發展，彈性的供應體系逐漸成形，短鏈與分散化供應鏈時代提前來臨。針對新興技術與創新應用，iABCDEF重點技術疊代加速彼此發展。其中，5G在網路通訊與資訊電子領域發揮強大的影響力，扮演科技產業帶動火車頭的角色。 5G在網路通訊與資訊電子領域發揮強大的影響力，扮演科技產業帶動火車頭的角色。 針對新興技術，資策會MIC表示，2020年重點技術的高度疊代發展與互相推升發展速度是觀測重點，所謂iABCDEF包含物聯網(IoT)、人工智慧(AI)、大數據(Big Data)、區塊鏈(Block Chain)、雲端(Cloud)、資訊安全(Cyber Security)、邊緣運算(Edge)與5G等，也推動跨國、分散式的智慧製造體系進展。 資策會MIC副所長洪春暉認為，雲端運算架構的轉變值得關注，從過去集中運算模式，加入邊緣運算、霧運算的多層次分工，形成分散式運算架構，打破目前網路頻寬對資料傳輸的限制與資料中心運算力瓶頸，加速IoT與AI相關應用實現。隨著多數國家2020年5G商轉，其高速、大頻寬與多連結特性將使5G應用從手機延伸至各個垂直領域，蒐集傳遞更大量數據，再加速IoT、AI、大數據等技術的發展速度。 而在網路通訊領域，資策會MIC提出10大發展預測並就個別趨勢深入分析，主要包含5G SA布建，5G新收費模式、智慧型手機迎接換機潮、6GHz頻段關注高、固網與移動融合助攻5G、PON新市場機會、交換器升級、Wifi新規、營運商服務轉型、RCS、網通產業併購潮。主要項目不僅以無線通訊為主，其中由5G或5G帶動的高達8項，2020年5G商業化邁入高峰，資策會MIC資深產業分析師兼研究總監李建勳指出，針對5G的預測越來越樂觀，產業發展圍繞5G為核心。 2020年5G組網將從NSA逐漸升級至5G SA 為實現智慧製造、智慧醫療、智慧交通等下一代創新應用，獨立式(Standalone, SA)5G NR架構將扮演重要角色。從2020年開始，中國大陸三大營運商、南韓主要電信業者SK Telecom、KT與美國Verizon、AT&T、T-Mobile將展開5G SA網路布建。5G手機將開啟4G手機換機潮，驅動智慧型手機市場重回成長，李建勳說，2020年5G手機出貨將達2.6億支，部分較樂觀的機構更喊出上看3億支、2021年達5.4億支，隨著5G零組件規格升級，將帶動半導體、射頻元件、散熱、電路板、被動元件、天線、記憶體產業成長。 另外，目前5G建設面臨諸多難點，而重拾固網與移動融合的網路架構，能協助營運商運用固網資源來打造多元網路傳輸方案、支援網路切片應用，且能減少建設資本支出，共享所有網路資源。資策會MIC指出，隨著IP流量暴增、5G陸續商轉，大頻寬應用需求驅動寬頻網路升級，為光通訊骨幹網路PON提供新市場機會。更助攻網路設備市場規模成長，其中微型資料中心與超大規模資料中心建置將直接促進交換器出貨，主流規格100G滲透率持續提升，而400G交換器產品也已開始向資料中心業者出貨，目前更前瞻的800G以上技術也在研擬中。 xG-PON擴散普及，次世代標準制定中 在資訊電子產業部分，資策會MIC產業顧問楊中傑表示，2020年總體環境須關注中國大陸十四五布局與半導體大基金二期加速投資，逐漸對臺灣半導體次產業形成威脅，另外以及貿易戰帶來臺廠關鍵地位提升的契機。針對產業鏈上中下游動態，有五大趨勢值得關注，包含：5G應用帶動半導體市場與技術需求、串流服務與邊際運算推動微型化雲服務資料中心、彈性化邊緣運算架構、工業數據即服務，與AI技術導入醫療輔助系統。 資策會MIC觀測產業鏈上中下游動態，提出五個關鍵趨勢。第一，產業鏈上游部分，5G應用帶動半導體市場與技術需求，包含：化合物半導體則需求增加、5G天線模組帶動AiP封裝技術(Antenna in Package)發展。因應5G高頻與基地台高功率需求，傳統矽因材料已無法滿足，可預期化合物半導體(Compound Semiconductors)或稱III-V族半導體市場將成長。除此，異質整合提供多晶片整合方案，其中AiP封裝技術成為5G射頻模組主流，整合RF IC與陣列天線等多個電子元件。

高通(Qualcomm)旗下子公司高通技術發表首款7系列高通Snapdragon行動平台，向更多消費者提供5G技術。最新Snapdragon765與765G結合第二代高通Snapdragon 5G數據機及射頻系統與第五代高通人工智慧引擎(Qualcomm AI Engine)，打造一流的行動體驗，包括智慧多相機功能、突破性娛樂和高速電競體驗，同時維持電池續航力。 高通技術公司資深副總裁暨行動部門總經理 Alex Katouzian表示，預期過渡至5G的速度將是蜂巢式網路史上最快。該公司致力於在短時間內推動Snapdragon系列產品支援5G。擴展後的產品線，包括Snapdragon765與765G，有潛力使全球數十億智慧型手機使用者體驗5G，並且提供全球使用者高速電競、智慧多相機拍攝、及全日電池續航力等使用體驗。 Snapdragon765優點包括端到端5G連網能力，具備Snapdragon X52數據機及射頻系統，是全球5G商用化進程的一大里程碑。Snapdragon X52 5G數據機及射頻系統旨在為全球使用者帶來三大利器—峰值下載速率可達快速數千兆元級3.7Gbps與可達1.6Gbps的上傳速率、為全球使用者提供強大覆蓋率、以及全日電池續航力。完整的數據機及射頻系統支援先進技術如高通5GPowerSave、高通Smart Transmit技術、高通寬頻封包追蹤(Wideband Envelope Tracking)技術，與高通Signal Boost等，造就優越5G性能。本產品致力於將5G優良的多模連網能力拓及全球，並支援所有關鍵區域與頻段，包括5G毫米波與sub-6GHz、5G獨立(SA)與非獨立(NSA)模式、TDD與FDD頻段的動態頻譜共享(DSS)、全球5G漫遊與multi-SIM支援等。 第五代高通人工智慧引擎結合最新5G數據機及射頻系統，全面提升行動體驗，包括相機、音訊、語音與電競。Snapdragon765的人工智慧引擎具備全新高通Hexagon張量加速單元(Qualcomm Hexagon Tensor Accelerator)，運算效能為前代處理器的兩倍，提供尖端、順暢的行動體驗。此外，最新低功率高通感測樞紐(Qualcomm Sensing Hub )讓使用者的裝置能依據周遭情境意識語音命令，且無過度耗電。 而Snapdragon765的智慧多相機拍攝功能讓使用者能選擇遠攝、廣角與超廣角鏡頭，不需額外器材拍攝絕美影像，亦可拍攝超過十億色階的4K HDR影片。 此外，5G傳輸可極度快速下載智慧、精彩的娛樂內容與順暢的4K HDR影片串流，使用者下載的最新影劇作品不僅畫質清晰，更只需短短幾分鐘。即使在離線狀態，裝置內建AI處理器也能夠將一般品質影片轉化成畫面鮮明、令人目眩的影像，宛如觀賞4K影片。高通aptX Adaptive音訊自動切換高清晰模式與低延遲模式，確保音訊與畫面同步，減少影音不同步的問題。 新高通Kryo475速度可達2.3GHz，先進的Adreno620GPU可提升效能達20%，造就順暢電競體驗、影片渲染等性能。除了良好電池續航力，裝置內建人工智慧可確保全天使用皆為最高效率、智慧監控電池健康狀況與安全性，並確保一切運作更為直覺。高通Quick Charge人工智慧可延續電池使用週期最高達200日，並可支援快速充電，讓使用者可隨時投入最愛活動，不需等待。

NCC將於12月10日開始進行5G頻譜競標，意味著台灣5G商用服務即將啟動。對此，IDC 國際數據資訊觀察，在5G頻譜競標、釋照後，預計在2020年6、7月台灣電信業者就會開啟5G商用，不過會先以消費性服務為主(如智慧手機、AR、VR等)，至於垂直應用方面，需要一段時間部署SA基礎建設與設備，因此如工業、醫療、汽車等領域要實現5G商用，時間點約落在2023年左右。 IDC資深市場分析師葉振男表示，垂直應用是5G市場關注焦點，不過這些應用多是要等5G SA架構和標準完善後才有辦法實現。目前標準部分預計在2019~2020年釋出，3GPP原本預計在2019年底釋出R16版本，但依照其以往釋出時間通常會延遲個一到兩季的情況，較有可能的公布時間應會是在2020年第一季。而在釋出之後，電信設備商還需要約兩季的時間打造設備，而電信業者取得設備後也需花將近一年的時間進行試驗，以落實垂直場域的應用和服務，上述流程、時間加起來，推出台灣5G垂直應用服務真正實施的時間點約莫是在2023年或之後。 IDC資深市場分析師葉振男說明，在SA建置尚未完善下，台灣5G會先以消費性應用為主。 葉振男進一步說明，5G垂直整合應用之所以須等SA架構完善後才得以實現，主要原因在於許多應用(汽車、醫療等)都需要更好的延遲性，延遲性要達到3GPP的標準(10的負6次方)；而這基本上是SA架構才有辦法達到，NSA架構是無法達成的。也因此，在延遲性無法達到3GPP制定的標準推出垂直應用服務的話，基本上都不會有好的效果或是使用體驗。也因此，目前台灣電信業者在垂直應用的布局上，傾向等SA的架構底定，在設備端準備好也做過試驗之後，才會推相關商用服務。 葉振男指出，在垂直應用服務推出之前的時間，也就是2021~2023之間，台灣電信業者除了加快SA基礎設施的建置外，同時會先以NSA架構為主推出相關商用服務，也就是比較偏消費性的應用。像是智慧手機、頭戴式裝置(VR、AR)、球場導覽等提升民眾體驗的沉浸式應用(因這些應用對延遲性的要求沒有垂直產業高)，透過這些服務讓民眾感受到5G的使用體驗是遠高於4G時代，加強民眾對5G的接受度。 葉振男說明，總而言之，在2020年5G商用開啟後的2~3年時間，台灣5G會先以消費性應用為主，同時電信業者也會花兩年的時間(2021~2023)加快SA的部署，待SA的基站、核心網和軟體都完善之後，才會開始推動車用、醫療、工廠等垂直應用。