宜鼎國際股份有限公司
工控FLASH事業處經理
張程鈞
InsideSecure
大中華區總經理 郭大瑋
郭大瑋
AMD
Director of Technical Marketing, Enterprise Business Unit
Stephen Turnbull
AMD
PMTS Software Development Engineer, Radeon Technologies Group
Jack Chung
賽靈思公司
賽靈思亞太區工業及醫療市場高級經理
羅霖
我們提供本研討會主講者同意授權的演講檔案,歡迎參與來賓下載。
如果遇到檔案無法下載,請檢查您的電腦是否有以下狀況,而造成下載問題:
由於大數據分析(Big Data Analytics)與人工智慧(AI)技術的推波助瀾,使得更多的智慧型裝置與嵌入式系統不斷的推陳出新,進入高速發展的階段,人工智慧與機器學習(Machine Learning)儼然形成一個成長快速的利基,除了幫助企業自動執行較單調的例行事務之外,也可透過分析數據,發現原本未見的趨勢,一舉改善顧客服務的進程,甚至開拓全新的應用。
亞馬遜(Amazon)在西雅圖所開設第一家高科技便利商店Amazon Go,是AI技術發展的一個指標性的案例,其最大賣點為顧客將完全不需排隊結帳,利用監視鏡頭與其他感測裝置,來收集顧客在店內活動的各項相關資訊,電腦
機器學習技術是人工智慧的一個重要科學發展,透過在經驗學習中改善具體演算法的效能,而且用來訓練的資料越多,所學習出來的結果越好,為了處理分析大量圖像或是語音等辨識的機器學習演算法資料,需要採用GPU晶片所打造的高速平行運算處理的類神經網路超級電腦,利用諸如Tensorflow、Caffe等深度學習框架(Framework)等工具,來發展有效的演算法。
一旦得到演算法之後,對嵌入式系統的設計而言,迅速將演算法應用到雲端資料中心,或是直接到終端的邊緣運算(Edge Computing)裝置上,就是目前人工智慧應用成果發揮的展示場。由於嵌入式系統本身的運算效能與低功率消耗的功能不
AMD擁有GPU和CPU結合的技術優勢,近幾年來,一直專注於顯示技術的最新應用,並且創造出精彩絕倫的視覺體驗,透過一系列高效能系統單晶片(SoC)處理器,打造嵌入式系統與工業電腦產品,不但大量投注多核心高階晶片的研發資源,開發廣泛的解決方案,而且通過軟、硬體技術結合的方式,為用戶提供完整的解決方案。
AMD選定包括數位看板、精簡型電腦(Thin Client)、博弈遊戲伺服器、工業自動化、通訊、醫療影像解決方案等六大市場方向進行深耕,以醫療成像領域為例,AMD在MRI(核磁共振成像)領域中呈現出重要的市場斬獲,透過AMD嵌入式處理器所具備傑出的圖形處理效能,包含高畫質多媒
台灣工業電腦(IPC)大廠對於大數據分析與機器學習所帶來的一連串智慧型裝置發展的趨勢,以及對嵌入式系統未來的趨勢,積極從產業面整合與結盟下手,做未雨綢繆的準備。
由於歐、美、日等國家對人工智慧的投資,金額動則到達令人咋舌地步,無論是智慧城市或是工業4.0的發展,智慧化的能力是關鍵的指標,對研華(Advantech)而言,從過去擅長的資、通訊整合,進一步與資策會、微軟結盟,構築平台即服務(PaaS)系統,就是期待整合產業夥伴與台灣重要的研究單位,整合包括雲端服務、大數據分析能力,以及進一步朝向機器學習技術的發展。
研華台灣營運處副總經理林其鋒接受訪問時
科技巨擘與跨國公司大量投資人工智慧的應用領域,舉凡消費者在日常生活中所使用的語音助理或媒體大量報導的自駕車等應用,令人目不暇給,所投注的鉅大資源,包含一連串一新耳目的購併案,逐步開疆闢土,擴展無遠弗屆的版圖,並且不遺餘力大舉培養人才,開發獨特的演算法,以幫助企業簡化流程,對生產力重新定義,也對經濟帶來巨大且深遠的影響,根據部分市場調查的數據,企業花費在人工智慧的支出經費,將有望從2016年的80億美元,成長至2020年的470億美元,成長潛力驚人。
人工智慧的應用對固態硬碟(SSD)供應商來說,因為大量運算處理能力與儲存設備息息相關,駕馭龐大的資料量所需要的記憶體解決方案
隨著機器學習所引領的人工智慧的應用如排山倒海而來,其產生的影響可能影響下一個十年的科技發展,主要的科技巨擘與跨國公司大量投資這個新領域,造就產業的相關生態系統競相投注一系列資源,以滿足各式各樣的應用需求,由於機器學習的技術需要大量的運算能力與記憶體,客製化的需求跟著水漲船高。
除了主流的SoC與GPU廠商掀起新一波的晶片設計與整合應用之外,記憶體模組廠商作為運算能力的最重要的支持者,在記憶體容量、傳輸速度與多樣化介面,以及不同的型態與大小(Form Factor)的支援上,也緊鑼密鼓部署,所看中的就是高度客製化的能力,這一直是記憶體模組廠的核心競爭力。
工業4.0可以說是整合優化生產效能的一個集合概念,在國外,智慧工廠、無人工廠等實際生產環境相繼投入,驗證工業4.0擘劃的生產概念是確定可行方案,由於新一代的生產機導入聯網功能與智能化設計,與工業電腦於運算效能、人工智慧方面升級優化技術逐步到位,漸漸使得發展智慧工廠改造升級的效益逐步浮現。
加速智慧工廠推進進程的另一關鍵便是生產人力成本持續高漲,例如台灣人力資源環境面對勞動新制的一例一休,大陸雖早期仍有人口紅利優勢,但實際上在區域經濟能力與週邊生活水平提高下,也衝擊一般生產人力的人均成本上揚,過往仰賴生產單位轉入大陸地區或東南亞地區設廠以降低生產勞動力成本的策略,已漸漸也
著眼於推動工業4.0所產生的綜效,製造業者無不寄與厚望,期待透過設備更新升級、更進一步提升單位生產效率,甚至提升生產品質,進而提高生產加工的毛利率。但實際上,推行工業4.0智慧生產除需加工端與生產設備方面進行對應升級,後端的輔助生產與自動化控制軟體、韌體整合,更是生產線能從「自動化」轉向「智動化」的重要關鍵...
工業4.0概念下的工廠設計,自然在工業應用的生產硬體、資料流程、人工智能與感測終端以更深入、緊密的整合,形成一種嶄新的工業生產型態,透過軟硬結合甚至是人工智能的系統進階協同生產,讓生產系統、機具可對高變動可能的生產物件能在高效、高適應性的智能加工產線快速調整,
超微(AMD)企業解決方案事業群業務全球副總裁Steve Longoria,以「智覺運算-將人類智慧導入嵌入式裝置應用」為主題。他首先以產品發表年代與應用技術的複雜度舉例,從1953年IBM 701,1985年Dell的Turbo PC,1992年IBM發表Simon智慧手機,到2009年谷歌進行自駕車計畫以及2016年Uber推動自駕車上路載客,說明新科技的產品創新發展,造成指數函數的巨大鴻溝,有待更具核心、創新技術的彌合。
而如今Uber叫車、手機快速通關到貴賓室收發E-mail都是日常生活的一部分。對嵌入式裝置來說,從擴增實境(Augmented Reality;A
宜鼎國際(innodisk)工控FLASH事業處經理張程鈞,以「新世代嵌入式記憶體技術」為主題。他指出宜鼎提供優秀的工控嵌入式裝置設計服務,硬體部份包含異常電源防護技術、最佳化電源方案、均衡讀寫落差的iData Guard技術、斷電即時回寫iCell技術等。
針對加值關鍵性應用部份,採寬溫設計(Wide Temp.)、Side Fill與塗佈製程(Conformal Coating)確保PCB與BGA晶片穩固性,因應國防需求的SecureErase及連接GP I/O的實體銷毀技術。
韌體部份則提供智慧平均抹寫技術(Smart wear-levelin
研華科技(Advantech)台灣營運處副總林其鋒,以「打開物聯網應用之門:平台服務與邊緣智能」為主講議題。他指出邁向IoT的工業嵌入式市場,硬體晶片架分散化-RISC晶片(如ARM)有更大的成長性,x86不再是主流。過去賣SBC單板電腦廠家,將因即時上市需要而轉型電腦整合商。亞洲將取代歐洲成為嵌入式市場主角,並從Design-in研發商,轉型成物聯網概念的銷售模式。
林其鋒引用麥肯錫一張IoT市場成長曲線圖來說明:2010∼2025年是屬於第一階段IoT裝置並起。從2016∼2030即將IoT第二階段IoT SRP/EIS,強調平台備妥、邊緣智能服務器(Edge Int
國立臺灣大學電機系講座教授羅仁權,以「機器學習引領智慧自動化的創新發展與應用」做演說。谷歌、微軟到鴻海、華碩、研華等國內外企業創辦人,都預言24小時不會勞累且不斷學習的機器人,未來將大舉入侵、取代人類的部份工作,在工廠自動化、醫療健康、居家照顧與公眾服務扮演重要角色。
人工智慧與機器人將引爆第四波科技創新,光2015年北美AI市場有21億美元,市調預測到2025年成長到368億美元,其中以亞太地區成長最快。
深度學習(Deep Learning)則是機器學習技術的一環,以多重非線性變換對數據進行多層抽象的算法,應用於機器視覺、語音辨識、自然語言處理等
法商穎設科技(InsideSecure)有限公司大中華區總經理郭大瑋,介紹成立於1996年的穎設科技為法國上市公司,總部在法國普羅旺斯(Aix en Provence),在英國、芬蘭、荷蘭、美國、南韓、日本、台灣與大陸等地都有研發團隊或營銷據點。
公司設立之初主要以NFC技術為主,隨時間演進在2010年購併Atmel SmartCard IC部門、2012年購併Apple Embedded Security Solution 部門、並於2014年初購併Metaforic,建構了嵌入式系統從端到雲(client to cloud)每個環節的安全保障方案,在全球有數百家重量級
超微(AMD)企業解決方案事業群產品行銷總監Stephen Turnbull,提到智覺運算(Instinct computing)-AMD開發的臉部辨識技術,連年紀、臉部表情與情緒都可以判斷。
視覺資料已成網際網路最大宗,Flickr、Facebook、Instagram、YouTube等網站每天幾百萬∼幾億張照片或幾十億視訊被瀏覽,累計幾百∼幾千億張照片,預估到2020年有82%網際網路流量為視覺(影像圖片)資料。
視覺是人腦與生俱來的奇妙功能。視覺判斷佔大腦區域30%、觸覺與聽覺則佔8%、3%。電腦視覺則是以電腦軟硬體技術,來判斷視訊或圖片處於
安提國際 (Aetina Corporation) 總經理羅智榮,以「NVIDIA GPU在深度學習和人工智慧技術與案例應用」做主題演說。他指出機器學習是人工智慧的一項分支,而深度學習是機器學習中最快速成長的領域,產業界一直在使用GPUs來執行深度學習(Deep Learning),並且在圖像分類、視頻分析、語音識別和自然語言處理有突破性的進展。
而NVIDIA運用GPU加速深度學習運算的技術居領導地位,近年獲得谷歌、臉書、微軟、百度等業者採用,從2013到2015短短兩年內,與NVIDIA合作進行深度學習的業者超過3,400家,成長35倍。
羅智榮
新漢(NEXCOM)股份有限公司處長楊景程,以「嵌入式機器視覺,提高自動化設備生產良率的應用」議題演說。他表示如何讓傳統「自己只能做自己的機器人」,走出既有欄杆框架(有限度的動作),與周遭互動,憑藉的就是機器視覺技術與數據採集。
傳統自動化機器人設備要升級,必須提供HMI人機介面(從2D變為3D、增加操作履歷與資料上傳)、機器視覺(圖形Barcode辨識、高畫素應用、多CCD監控),與即時性控制模組(更多軸向控制)的串連與介接。接下來他將列舉幾個新漢把機器視覺應用於自動化設備的成功案例。
首先介紹的是鳳梨酥食品包裝自動化。它是一部3軸吸附式機器手臂
超微(AMD)Radeon繪圖技術事業群PMTS軟體開發工程師鍾文衡,以「Open Compute在機器學習技術的應用」做演說。他指出機器智慧技術可應用在自駕車、智慧家庭、無人機、個人機器人、HPC高效能電腦、保全防護、雲端控制、金融服務、奈米機器人、工廠製造工程、醫學、能源與個人助理等領域。
而AMD於2016年底推出Radeon Instinct方案,根基於Radeon Instinct硬體加速器、Radeon Open Compute for Machine Learning(ROCm)開放運算平台,針對上述各種應用領域提供最佳化機器學習深度學習的軟體框架與應用。
研華科技(Advantech)資深產品經理林裕雄先生,以「開放式標準物聯網感知平台-M2.COM介紹與應用」為主題。他指出不同人從不同位置看物聯網,提供的產品、技術與解決方案也會有所不同。以他來看物聯網是物(Things)的連結。
一個典型無線感測器,至少有無線傳輸模組、CPU、RTOS聯網工具鏈等組件,有些還會有閘道器硬體與雲服務平台。對無線感測器供應商而言,感測器出貨量不像消費性電子那樣大,如何在既有Wi-Fi、BLE、ZigBee、LoRA、LTE等無線技術做選擇,還有後續一大堆相容驗證測試,以及網路應用Application。
這導致許多
賽靈思公司(Xilinx)亞太區工業及醫療市場高級經理羅霖,提到最近穀歌翻譯越來越精準,正是運用機器學習技術。深度學習(Deep Learning)技術底下有多層度摺積式(Convolutional)回饋式(Recurrent)神經網路技術等。拜摩爾定律及雲端大數據資料庫累積,使得深度學習技術開始進入市場應用。
各種機器學習導入的應用有其系統需求與技術挑戰。賽靈思的場域可程式邏輯閘(Field Programmable Gate Array;FPGA)聚焦於已訓練好的單向推理(inference)應用。像亞馬遜AWS、百度與騰訊等雲服務商,在HPC伺服器的前端部署基於