(1) 未來 AI 發展八大新趨勢
圖、人工智慧是物聯網時代之核心
人工智慧(AI)是物聯網及工業4.0發展的核心。尤其,當特斯拉(Tesla)推出電動車及蘋果(Apple)發表新機iPhone X推出FaceID之後,讓市場體驗到AI晶片的無限商機。
同時,AI應用接受度越高的國家,將對其GDP產生貢獻愈大。我國在既有半導體及ICT技術優勢及競爭力的基礎上,迎合各產業的需求不斷增加,開發出各種新應用晶片,不僅讓台灣在半導體的競爭力絕對在全球可扮演關鍵的角色,同時將為台灣的經濟帶來未來30年的新榮景。
AI晶片包含三大類市場,分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用 GPU圖像處理,尤以Nvidia 是此一領域龍頭,但是,有些業者認為GPU處理效率不夠快,而且因應眾多特定新產品的不同需求,於是,推出NPU、VPU、TPU、NVPU...等等。
目前還不清楚哪種架構的晶片會在 AI 大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要求,難度上比雲端數據晶片更高。為搶未來AI應用市場商機,科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。
目前來看,未來AI發展有八大新趨勢
趨勢一:AI 於各行業垂直領域應用具有巨大的潛力
人工智慧市場在零售、交通運輸和自動化、製造業及農業等各行業垂直領域具有巨大的潛力。而驅動市場的主要因素,是人工智慧技術在各種終端用戶垂直領域的應用數量不斷增加,尤其是改善對終端消費者服務。
當然人工智慧市場要起來也受到IT基礎設施完善、智慧型手機及智能穿戴式裝置的普及。其中,以自然語言處理(NLP)應用市場佔AI市場很大部分。隨著自然語言處理的技術不斷精進而驅動消費者服務的成長,還有:汽車資通訊娛樂系統、AI機器人及支持AI的智慧手機等領域。
趨勢二:AI導入醫療保健行業維持高速成長
由於醫療保健行業大量使用大數據及人工智慧,進而精準改善疾病診斷、醫療人員與患者之間人力的不平衡、降低醫療成本、促進跨行業合作關係。此外AI還廣泛應用於臨床試驗、大型醫療計畫、醫療諮詢與宣傳推廣和銷售開發。
人工智慧導入醫療保健行業從2016年到2022年維持很高成長,預計從2016年的6.671億美元達到2022年的79.888億美元年均複合增長率為52.68%。尤其,台灣累積了20年健保資料,還有正在創建的台灣人體基因資料庫,再加上硬體製造能力等,只要能有效串聯、處理與分析,輔以法規鬆綁、籌建平台與跨領域合作,台灣朝AI醫療發展將很有機會。
趨勢三:AI取代螢幕成為新UI / UX介面
過去從PC到手機時代以來,使用者介面都是透過螢幕或鍵盤來互動。隨著智慧喇叭(Smart Speaker)、虛擬/擴增實境(VR/AR)與自動駕駛車系統陸續進入人類生活環境,加速在不需要螢幕的情況下,人們也能夠很輕鬆自在與運算系統溝通。這表示著人工智慧透過自然語言處理與機器學習讓技術變得更為直觀,也變得較易操控,未來將可以取代螢幕在使用者介面與使用者體驗的地位。
人工智慧除了在企業後端扮演重要角色外,在技術介面也可承擔更複雜角色。例如:使用視覺圖形的自動駕駛車,透過人工神經網路以實現即時翻譯,也就是說,人工智慧讓介面變得更為簡單且更有智慧,也因此設定了未來互動的高標準模式。
趨勢四:未來手機晶片一定內建AI運算核心
現階段主流的ARM架構處理器速度不夠快,若要進行大量的圖像運算仍嫌不足,所以未來的手機晶片一定會內建AI運算核心。正如,蘋果將3D感測技術帶入iPhone之後,Android陣營智慧型手機將在明年(2017)跟進導入3D感測相關應用。
趨勢五:AI晶片關鍵在於成功整合軟硬體
AI晶片的核心是半導體及演算法。AI硬體主要是要求更快運算速度與低功耗,包括GPU、DSP、ASIC、FPGA和神經元晶片,且須與深度學習演算法相結合,而成功相結合的關鍵在於先進的封裝技術。總體來說GPU比FPGA快,而在功率效能方面FPGA比GPU好,所以AI硬體選擇就看產品供應商的需求考量而定。
例如,蘋果的Face ID臉部辨識就是3D深度感測晶片加上神經引擎運算功能,整合高達8個元件進行分析,分別是紅外線鏡頭、泛光感應元件、距離感應器、環境光感測器、前端相機、點陣投影器、喇叭與麥克風。蘋果強調用戶的生物識別數據,包含:指紋或臉部辨識都以加密形式儲存在iPhone內部,所以不易被竊取。
趨勢六:AI自主學習是終極目標
AI“大腦”變聰明是分階段進行,從機器學習進化到深度學習,再進化至自主學習。目前,仍處於機器學習及深度學習的階段,若要達到自主學習需要解決四大關鍵問題。首先,是為自主機器打造一個AI平台;還要提供一個能夠讓自主機器進行自主學習的虛擬環境,必須符合物理法則,碰撞,壓力,效果都要與現實世界一樣;然後再將AI的“大腦”放到自主機器的框架中;最後建立虛擬世界入口(VR)。目前,NVIDIA推出自主機器處理器Xavier,就在為自主機器的商用和普及做準備工作。
趨勢七:最完美的架構是把CPU和GPU(或其他處理器)結合起來
未來,還會推出許多專門的領域所需的超強性能的處理器,但是CPU是通用於各種設備,什麼場景都可以適用。所以,最完美的架構是把CPU和GPU(或其他處理器)結合起來。例如,NVIDIA推出CUDA計算架構,將專用功能ASIC與通用編程模型相結合,使開發人員實現多種算法。
趨勢八:AR是工具且成為AI的眼睛,兩者是互補、不可或缺
未來的AI需要AR,未來的AR也需要AI,可以將AR比喻成AI的眼睛。為了機器人學習而創造的在虛擬世界,本身就是虛擬現實。還有,如果要讓人進入到虛擬環境去對機器人進行訓練,還需要更多其它的技術。
結語
至於 CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代,答案應該不會。因為,新出現的處理器只是為了處理新發現或尚未解決的問題,而且未來傾向將CPU整合。同時,晶片市場期望能有更多競爭及選擇,不要英特爾、高通獨大。
迎物聯網時代來臨,以往大家認為摩爾定律最後會走到極限,但未來矽世代是異質性及跨界的整合,還有很多需求未出現。NVIDIA執行長黃仁勳則表示,摩爾定律已經是舊時代的法則,GPU的計算速率和神經網路複雜性都在過去2到5年內呈現出爆發性成長。
展望未來,隨著AI、物聯網、VR/AR、5G等技術成熟,將帶動新一波半導體產業的30年榮景,包括:記憶體、中央處理器、通訊與感測器四大晶片,各種新產品應用晶片需求不斷增加,以台灣在半導體的競爭力絕對在全球可扮演關鍵的角色。
(2) 2017年生物辨識行動支付將達20億美元
根據研究機構Juniper Research報告指出,2016年透過生物辨識進行行動支付的金額為6億美元,預計2017年將可達到20億美元。主要原因在於指紋辨識與臉部辨識的行動支付呈現快速成長所致。
允許客戶在商店或應用程式內,透過指紋辨識進行付款且連結銀行資訊的付款方式,是由Apple Pay開啟的付款模式,當然也帶動了生物辨識行動支付的初步成長,後續谷歌的Android Pay和三星的Samsung Pay也進一步推動了這樣的行動支付模式。
對於指紋辨識行動支付來說,智慧型手機與平板電腦內建感測器的幫助非常之大。且根據Juniper Research研究,2017年內建指紋辨識感測器的智慧型手機比例將高達60%,因為中國大陸手機廠商將這項功能放入中階手機之中,使得消費者更容易嘗試以指紋進行支付。
但是,指紋並不是唯一會成長的生物辨識支付的解決方案。根據萬事達卡Identity Check Mobile服務調查指出,允許用戶透過掃描指紋或採取自拍驗證身份並進行付款的模式將於2017年底左右開始提供相關服務。
在2016年對於用戶的調查發現,高達74%的受訪者表示比起傳統密碼的模式,包含指紋與臉部的生物辨識技術讓付款變得更容易。而90%的受訪者表示,他們將來會使用生物辨識來實現網上支付。
在印度,最近推出一個身份認授權的應用程式,可以讓商家通過指紋或虹膜掃描驗證客戶的身份證件,進而連接到客戶的銀行帳戶進行付款。
IEEE的一份報告指出,到了2030年行動支付將正式終結現金支付成為主流的支付模式。Forrest也指出,隨著生物辨識技術不斷進入,可以幫助消費者消除支付安全的疑慮,進而提高行動支付的比例。
有顧問公司指出,生物辨識行動支付服務提供商的關鍵挑戰將是在便利性與安全性之間取得平衡。通常來說,行動支付的解決方案要求的安全性愈高,其認證過程時間就會愈長。
因此,如何提供客戶透過不同生物辨識進行支付,且獲取消費者的心,且加速行動支付認證過程,就成為未來行動支付何時超越現金支付的關鍵。
畢竟,從2017年起,就有將近半數的消費者對於生物辨識以及其他新型態的生物辨識安全認證方式產生興趣,因為它們也知道傳統密碼的缺點,只要能夠加強交易安全性、減少詐欺的發生,未來會用行動支付的人將愈來愈多。
(3) 多元化虛擬貨幣支付平台崛起 實體貨幣消失中
甚至,近期將和韓國Smart Card合作推出儲值卡Mpass,可用於大型超市、購物中心或一般便利商店使用。淘寶的策略是以韓國市場為試金石,因為建立的相關基礎設施是相同的,只要基礎的支付機制建立後,服務客群可以很快擴散,勢必會對韓國現行的支付平台業者和信用卡業者造成威脅。
(4) 高通推出新一代超音波指紋辨識 對誰影響大?
圖、高通預計2018年推出Snapdragon X50 5G平台
Source:Qualcomm,2016年10月
5G到底有什麼吸引力呢?目前來說,理論上5G的下載速度最高可達5 Gbps,這與4G的理論下載速度是100Mbps的傳輸的確提高很多,甚至比起4G LTE的下載速度150 Mbps、300 Mbps甚至450 Mbps也高了許多。
因此,一旦智慧型手機採用5G數據機晶片的話,一部2GB左右的電影,只需要一瞬間即可下載完畢,再也不需要27秒或者數分鐘來下載了。這種提升幅度相當明顯。
目前高通的X50最初會支援28GHz頻段毫米波(mmWave)頻譜運作,能利用800 MHz頻寬最高達到5 Gbps的峰值下載速度。
由於在高頻下穿透效能會受到限制,因此運用支援適應性波束成形和波束追蹤技術的多重輸入多重輸出天線技術,實現繞開障礙的效果。因而,在非直視性無線傳輸環境中亦可實現穩定、持續的行動寬頻通訊。
為了讓5G與LTE網路之間能夠無縫切換,以讓裝置能夠在新、舊兩代高速網路間獲得兼容問題,因此這款晶片將會整合Gigabit LTE數據機的 Snapdragon處理器。
其實,當初在設定5G標準最終時間段,大約也是在2017年至2018年,所以高通適時推出Snapdragon X50 5G平台,也讓電信廠商可以提前開始進行相關測試。
例如:美國電信業者Verizon就規劃於2017年開始推出能夠媲美固定式寬頻網路的5G網路。這表示著Verzion正在密集的與廠商之間合作。
高通推出的Snapdragon X50 5G平台,包括數據機、SDR051毫米波收發器和PMX50電源管理晶片。當初X50的原始構想是為了初期5G部署而設計,換言之它的實驗展示屬性比較強一點。
此外,目前尚不能確定X50會被運用到哪一種類型的裝置之上,因為要達到5G水準,無論是行動路由器、智慧型手機都必須採用5G晶片,所以真正要讓5G起飛勢必要落在2019年甚至2020年了。
目前根據高通規劃,Snapdragon X50 5G數據機預計將於2017年下半年開始進行送樣,至於整合Snapdragon X50 5G數據機晶片的第一批商品化產品就必須等到2018年上半年才會問世。
(5)5G時代或許比您想的還要快來臨
不過,5G真正進入市場需要幾件關鍵因素的配合,首先就是全球5G技術標準化的時間點;其次是5G網路設備商的開發進度;再來就是晶片廠商與終端應用廠商的開發進度等。
目前研究機構IHS Markit認為,一直到2020年之前,都不可能進入5G商用化階段。但是真的是如此嗎?
雖然,行動營運商產業協會的次世代行動網路聯盟(The Next Generation Mobile Network Alliance)認為要訂定5G的標準包含:數據速率,傳輸速度,頻譜效率和延遲時間等。然而,業界尚未一起討論出5G網路的標準。不過,樂觀人士認為2018年6月之時,標準就會出來,從以下各廠得開發進度即可看出,走入5G時代就在不遠處:
- 諾基亞布局5G速度會比原來想像的更快,且更廣泛。目前諾基亞預計在2018年進行廣泛測試之後,於2019年開始部署5G網路。
- 愛立信最近宣布推出一個全新的5G設計中心,並與Singtel和Vodafone Ziggo合作推出5G網路。
- Xilinx為5G系統推出了可編程RF系統晶片。
- 富士通實驗室剛剛推出了一種用於微型基地台的毫米波(mmWave)相移器。
這表示著,包含美國AT&T、Verizon以及Sprint都看好5G網路帶來的商機,其他歐洲營運商也不甘示弱的想提早部署。至於,中國大陸三大營運商最快也可能趕在2019年中展開5G商用化。
雖然產業與消費者都已經得知,4G與LTE網路已經基本滿足了人與人之間通訊的基本需求,但是也延伸出許多人工智慧與機器人的夢想。
一旦進入5G網路時代,5G必須發揮其最大優勢--就是提供一個快速且低延遲高信賴度的網路系統,這對於完成人工智慧、雲端、大數據時代的夢想又接近了一步。尤其在物聯網、4K視訊、智慧家庭、工廠自動化、無人駕駛、AR與VR等新型態應用接連冒出的情況下,更顯得5G的優勢存在。
產業界預估,無線產業準備花費大約2750億美元來部署5G網路。如果政府能在審核過程中簡化許可流程,則5G時代的大夢就會提早到來。
(6) 能夠消除社會不平等的10大未來朝陽技術
所謂朝陽技術是指具有強大生命力且蓄勢待發的新興技術,尤指與電子或電腦相關的新興技術,且為消弭社會階級差距避免社會動盪不安而發展之技術。
為消弭社會階級差距避免社會動盪不安,KISTEP選出有助於消弭社會不平等現況的10大朝陽科技做為產業育成依據,10大朝陽科技分述如下:
- 利用智慧手機進行診斷的技術:藉由智慧手機的感測器、相機和其他的輔助元件測量使用者的血糖、血壓和脈搏等身體基本健康資訊,並立刻將資訊傳送到醫院診所等醫療中心做診斷。
未來利用單價較低的智慧手機作為測量儀器,中低收入戶的使用者也能享有完善的醫療服務。
- 醫療大數據技術:收集各種健康、醫療相關數據進行分析後供政府訂定疾病、健保甚至是長照等政策之用,也能供個人管理健康、預測疾病之用。
- 生物印章:類似OK繃或是貼紙大小的生物印章可以直接貼附在人體皮膚,隨時隨地掌握人體健康狀態,預計生物印章將在2018年時問世,韓國預計在2023年完成國內的相關配套政策和法令的修訂,讓生物印章能夠實際應用在現實生活。
- Li-Fi技術:利用光波取代Wi-Fi的無線電波傳遞訊息,相較會產生電磁波危害人體健康的Wi-Fi來說,Li-Fi不僅對人體無害且費用也更低廉。
- 虛擬觸覺技術:是一種讓人處於虛擬環境中卻能產生觸摸實體物品的感覺進而強化虛擬環境的真實感,可廣泛應用在線上購物、遊戲或線上觀覽名勝古蹟等方面。
- Beacon技術:結合定位與短距無線通訊技術的Beacon技術,能夠接收方圓50公尺的各種資訊,若能將其運用於智慧拐杖上有助於視障者能夠更自在地獨自出門從事活動。
- 真空隔熱技術:運用真空技術和隔熱材料打造零耗能建築物(Zero Energy Building),紓解能源不足的困境,還可改善環境汙染日益嚴重的問題。
- 活用奈米材料的能源收集技術:藉由奈米材料將機器振動的動能、光能和廢熱等棄置能源轉換成電力後儲存利用。
- 客製化行動數位學習:針對使用者的需求和特長提供專屬的學習教材,透過自我主導型的教學方法提升學習效果;還可縮短城鄉教育差距。
- 實感體現技術:把實際或虛擬物體自然地呈現在3D立體空間,感受到身歷其境的效果。
KISTEP表示,上述所提出的10大朝陽科技可望在10年內研發成功,換言之,利用科技拉近貧富、城鄉等階級差距,減緩社會不平等所引起的抗議聲浪
(7) 人工智慧取代電腦 成為人類助手
自從Google研發的AlphaGo以四勝一敗贏了世界棋王李世石後,加速人工智慧技術的進化速度。儘管部分是受惠於大數據技術的發展所致,但也看得出AlphaGo展現出超越一般人類的智慧,讓企業們意識到人工智慧的無限潛能,紛紛於製造、醫療、服務、公共設施等產業投入大量人力、財力去研發,形成一股人工智慧新浪潮。
日前Facebook在年度開發者大會展現能夠辨識照片影像內容、進而分類歸納的人工智慧技術;微軟也推出名為CaptionBot的人工智慧技術,使用者只要將照片上傳 CaptionBot,就可自動辨識照片的人物、姿勢、地點、背景等內容並提供簡單的說明。照片上傳者可依據CaptionBot說明的準確度給分,CaptionBot即可從中慢慢學習提升辨識的準確度。
日本的資誠會計監察法人則開發一套稽查企業是否做假帳的人工智慧查帳技術。除了財務報表的數字有無造假外,還能一併將輸入假帳的人名與造假時間等一併找出來,大幅縮短企業查帳稽核時間外,也能提高查帳準確率。
中國方面,浙江省中國科學技術大學的研究團隊發表一款擁有美麗女性外表及作出適當的臉部表情的智慧對話機器人佳佳(如圖一)。藉由互動體驗(Interactive Experience),人工智慧機器和人類的對話經驗越多、對話的能力就越好,同時表情也會更加自然生動。
智慧手機廠商小米也宣布要進軍人工智慧市場,從智慧家具角度切入市場,有意開發一款舒適可自行調整椅子。
以AlphaGo讓全球瘋人工智慧的Google率先喊出「AI First」。Google表示,隨著人工智慧技術日臻成熟,未來將取代電腦設備成為人類的科技助理。因此企業應及早將企業重心由現階段的「Mobile First」移往「AI First」,才能在次世代中繼續維持市場占有率保有企業競爭力。
(8) 科技巨頭搶併購人工智慧公司
圖、科技巨頭搶併購人工智慧公司
2016年6至8月,許多大廠紛紛以併購手法強化人工智慧布局。包含:6月Twitter收購具備先進機器學習技術的Magic Pony,7月谷歌收購機器學習影像辨識技術的新創公司Moodstocks,8月蘋果收購西雅圖人工智慧新創企業Turi,英特爾也併購一家名為Nervana Systems的人工智慧新創企業,這一波人工智慧熱暫不停歇。
根據創投研究機構CB Insights統計顯示,從2011年起至今,被大型科技公司收購的人工智慧新創公司已經高達31家,這些大型科技公司包括亞馬遜、臉書、谷歌、Twitter、雅虎、IBM、Salesforce.com、蘋果與英特爾等。
另外一家機構PricewaterhouseCoopers統計,2016年包含小型收購案中,全球已經有高達29件人工智慧新創公司被收購的案件。其預計2016年有關人工智慧新創公司被收購的案件可能會超過2015年的37件。
這些大型公司收購人工智慧新創公司的目的不太一致,不過,基本目的都是為了增強本身既有的業務體質。例如:英特爾這次收購是期望能通過人工智慧的深度學習能力讓其已有的大量數據分析能力再一步的升級;至於蘋果則是希望以 Turi的技術加強電腦對影像音頻的識別能力,進而推動虛擬語音助理Siri的發展,甚至進一步推升人機互動介面。
另外,先前亞馬遜收購具有圖片識別技術的人工智慧新創公司Orbeus,則是希望雲端運算和裝置之間的連結更具智慧化;而臉書則是期望LearnSprout的人臉識別技術,能夠為用戶展現出客製化的資訊流。
谷歌在過去三年中已經累計完成5起收購人工智慧新創公司的紀錄。其中,最大收購案是2014年以6億美元收購的DeepMind Technologies。現在谷歌的搜尋引擎所處理的巨量數據,就是在人工智慧的加持下,能夠為其創造出更令人驚豔的使用者體驗。
從2010年收購了新創公司Siri後,蘋果就開始進行消費型人工智慧領域。現在隨著收購Turi,蘋果可獲得華盛頓大學機器學習全職研究員Carlos Guestrin的專業技術,讓Siri進一步升級。
成立兩年的Nervana則是主攻半導體,軟體和人工智慧深度學習技術的公司。未來英特爾將利用Nervana的機器深度學習能力強化英特爾數學核心函數庫的數據分析能力。Gartner認為,獲得Nervana技術之後,有助於英特爾在現今相對有限的市場中站穩住腳,強化Nvidia等潛在競爭對手的競爭。
表一、2011~2016年6月主要人工智慧新創公司之購併案
新創公司 | 技術 | 併購者 |
Cleversense | Restaurant recommendation app | |
DNNresearch | Use of deep learning and neural networks for image search | |
Indisys | Natural-language processing | Intel |
IQ Engines | Image-recognition software | Yahoo |
LookFlow | API for image recognition and categorization | Yahoo |
SkyPhrase | Natural-language processing technology | Yahoo |
Gravity | Personalized advertisements | AOL |
DeepMind | Develops self-learning algorithms | |
Convertro | Marketing intelligence | AOL |
Cogenea | AI-based virtual assistant | IBM |
Madbits | Deep learning-based visual intelligence platform to identify contents of images | |
Emu | AI-based instant messaging | |
Jetpac | Aggregates social media pictures and analyzes their locations to provide a travel guide | |
Dark Blue Labs | Deep learning-based technology for understanding natural language | Google DeepMind |
Vision Factory | Object and text-recognition using deep learning | Google DeepMind |
Timeful | Smart scheduling app | |
Explorys | Predictive healthcare data analytics | IBM |
Granata Decision Systems | Prescriptive analytics initially focused on marketing resource management | |
AlchemyAPI | Cloud platform with natural-language capabilities including keyword extraction and categorization | IBM |
Sociocast | Predictive analytics | AOL |
TellApart | Predictive advertising for e-commerce and retail | |
Whetlab | The company claims to have developed a technology to make machine learning better and faster | |
Tempo AI | Smart calendar | Salesforce |
Perceptio | Developing advanced AI for smartphones | Apple |
Vocal IQ | Speech-processing for improved human-machine interaction | Apple |
Saffron | Cognitive computing platform | Intel |
Emotient | Emotion-detection technology to improve understanding of customer sentiment | Apple |
PredictionIO | Open-source machine learning server | Salesforce |
MetaMind | AI-based personalization and customer support solutions for companies | Salesforce |
Itseez | Computer vision and pattern recognition | Intel |
Magic Pony | Machine learning and visual processing technology |
http://iknow.stpi.narl.org.tw/Default.aspx
部份文圖影片, 取自網路, 無商用, 純参考, 若侵權, 請告之, 速刪除