海藻糖的知識加 #文章非常長 #資料很齊全

資料來源：A+醫學百科
http://goo.gl/xXoizt

海藻糖（Trehalose）是一種安全、可靠的天然糖類，1832年由Wiggers將其從黑麥的麥角菌中首次提取出來，隨後的研究發現海藻糖在自然界中許多可食用動植物及微生物體內都廣泛存在，如人們日常生活中食用的蘑菇類、海藻類、豆類、蝦、麵包、啤酒及酵母發酵食品中都有含量較高的海藻糖。

海藻糖是由兩個葡萄糖分子以α,α,1,1-糖苷鍵構成的非還原性糖，自身性質非常穩定，並對多種生物活性物質具有神奇的保護作用。科學家們發現，沙漠植物卷葉柏在乾旱時幾近枯死，遇水後卻又可以奇蹟般復活；高山植物復活草能夠耐過冰雪嚴寒；一些昆蟲在高寒、高溫和乾燥失水等條件下不凍結、不幹死，就是它們體內的海藻糖創造的生命奇蹟。海藻糖因此在科學界素有「生命之糖」的美譽。國際權威的《自然》雜誌曾在2000年7月發表了對海藻糖進行評價的專文，文中指出：「對許多生命體而言，海藻糖的有與無，意味著生命或者死亡」。

海藻糖對生物體具有神奇的保護作用，是因為海藻糖在高溫、高寒、高滲透壓及乾燥失水等惡劣環境條件下在細胞表面能形成獨特的保護膜，有效地保護蛋白質分子不變性失活，從而維持生命體的生命過程和生物特徵。許多對外界惡劣環境表現出非凡抗逆耐受力的物種，都與它們體內存在大量的海藻糖有直接的關係。而自然界中如蔗糖、葡萄糖等其它糖類，均不具備這一功能。這一獨特的功能特性，使得海藻糖除了可以作為蛋白質藥物、酶、疫苗和其他生物製品的優良活性保護劑以外，還是保持細胞活性、保濕類化妝品的重要成分，更可作為防止食品劣化、保持食品新鮮風味、提升食品品質的獨特食品配料，大大拓展了海藻糖作為天然食用甜味糖的功能。

海藻糖是運用當代最先進的生物工程技術和生產工藝，採用按國際製藥標準建造的成套設備，以當地特有的不含轉基因成分的天然木薯澱粉為原料，在國內首家以規模化形式生產海藻糖，產品指標達到國際同類產品標準。先進的生產工藝技術和完整的質量保證體系為國內外市場提供了質量過硬、價格合理的海藻糖系列產品，使生物製劑、化妝品、烘焙產品、水產畜產加工、米面製品、飲料和糖果以及農林種植等各個行業廣泛受惠。　　

應用

1.海藻糖在食品工業中的應用：

與其它糖類一樣，海藻糖可廣泛應用於食品業，包括飲料、巧克力及糖果、烘烤製品和速凍食品。

●烘烤製品類

在烘烤製品中,海藻糖有多種潛在的使用價值：它能調節蛋糕、餅乾和糕點上的糖霜、麵包奶油和水果餡的甜味與芳香，不損害貯藏壽命，使人們品嘗到產品原有的風味。

同時，海藻糖有助於甜餅、麵包奶油和糖霜中脂肪的降低，在可口餅及快餐中產生獨特的糖霜感覺。它使消費者因良好的甜質更容易接受含高脂肪和糖的高熱量產品。在保持產品貯藏期時，海藻糖能減少多成 分的烘烤製品中濕氣流動，以能使甜味更佳。

●糖果類

海藻糖與其它大多數增甜劑混合，可在糖果、果汁飲料和藥草產品中使用，以調節產品甜質，從而能真正保持產品的原有風味。

海藻糖用作糖果的外層可形成一種穩定的非吸濕性保護層。由於 性質的穩定性，海藻糖能在長期高溫下進行而不用擔心水解和色變，不負面影響產品品質。

滾海藻糖衣性能極好。海藻糖特有的溶解特性能真正使它們本身滾動形成保護層，這層覆蓋物極穩定、堅固，從而改善其它大多數增甜劑相對的白色層面。

●能量產品類

海藻糖被分解成葡萄糖，但與其他糖相比，海藻糖的血糖反應更平穩，這種獨有的特性結合它低致齲性和非瀉下性作用，使得海藻糖極適用於按配方製造的飲料，以提供能量和減輕疲勞與壓力。

●功克力糖果類

在巧克力糖果中使用海藻糖，能調節糖果的甜味，特別有益於含有乳製品的軟糖及含水果餡的產品，海藻糖還能減少多成分產品中水分游離。在模製品中，海藻糖對產品甜味的改善為創造新 口味巧克力提供了可能性。

由於它致齲性的降低，作為主要的增甜劑或結合其他低致齲性增甜劑，海藻糖可用於按配方配製益牙產品。特級海藻糖可和多元醇合用於製取巧克力，其溶解時 吸收的熱量可使多元醇的冷卻效應降到最低。

●水果類

在經加工過的水果（包括果醬、調味果醬和果餡）中，海藻糖是一種最好的甜味調節劑。在水果類製品中添加海藻糖能夠保持產品的原有風味 但不損害產品貯藏期。

另外，由於海藻糖性質的穩定性，不會產生水解，產品色澤不變並保持原有光澤。

海藻糖能用於佐料和可口果醬，通過調節甜味來產生風味感，同時保持產品貯藏壽命。

●速凍品類

海藻糖可代替蔗糖，降低冰淇淋和其他冷凍製品的凝結點。可在凍品和冰凍糖果中用於產生新的糖霜，併產生獨特的可口的風味。

●飲 料

海藻糖在飲料品中微甜口感好，能與其他大多數增甜劑結合使用，使其甜味更完善，可全面提高產品風味。在含酒精的飲料中，海藻糖不損減酒精的感官性能， 使飲料風味更佳。

●海鮮

海藻糖作為一種對海鮮的低溫保護劑特別有效，當海藻糖在蛋白質、水界面絕對抑制水的官能度時使海鮮的硬度、伸縮性及凝膠力增加，另外海藻糖的微甜 性質也提高了海鮮的口感質量。與其他的低溫保護劑用於處理海鮮不同，海藻糖不會導致喉嚨熾熱感，且沒有瀉下問題。

2.海藻糖在醫藥工業中的應用：

（1）在醫學上已經成功地應用海藻糖替代血漿蛋白作為血液製品、疫苗、淋巴細胞、細胞組織等生物活性物質的穩定劑。不僅可以常溫條件下乾燥存放，更重要的是可以防止因血源污染而引起B肝、愛滋病等致命疾病的傳播，世界衛生組織對此十分重視。

（2）英國劍橋的Quadrant研究基金會將小兒麻痹症疫苗與海藻糖混合凍干後，發現在乾燥狀態下45℃時其穩定性和液態4℃保存條件時相當。這項目研究成功，將大大減化疫苗處理工序，降低疫苗的貯存及運輸成本，且保證了長距離運輸疫苗仍可保持相當高的活性，這將會大大有助於世界衛生組織實現在最大範圍內消滅小兒麻痹症的目標。

（3）美國加利福尼亞大學的約翰•克勞及其同事將海藻糖與製造血小板的細胞混合，經乾燥脫水使細胞變干後，將其凍干在室溫下可長時間保存。實踐證明，加入海藻糖並經長時間保存的血小板在水化後仍有85％存活，存活率比大多數血庫短期保存的血小板還高。

（4）海藻糖可應用於研究用生物試劑的保存，例如各種工具酶、細胞膜、細胞器、抗體、抗原及病毒等等，使得生命科學研究更為方便快捷有效，英國大學Camilo.C等詳細的研究了海藻糖對DNA限制性內切酶DNA連接酶和DNA聚合酶的保護作用，結果表明，所有加入海藻糖乾燥的酶樣，在70℃保存35天或在37℃保存9個月後，其活力並無損失，仍能精確的將DNA截斷。我國中科院微生物研究所應用海藻糖乾燥製備、用於人血清膽固醇測定的三種診斷工具酶，在室溫下長期保存後，活性保持率都在90％以上，現已成功的進入於臨床應用。這是目前其它種類的保護劑都不可能達到的效果，利用海藻糖作為診斷工具酶等生物試劑的穩定劑和保護劑，可置於常溫條件下乾燥並保存，不僅簡化了生物試劑的製備過程，也給我國幅員廣大的農村地區患者的疾病診治帶來便利。

（5）雙岐桿菌是腸道中用於改善人體微生態平衡的細菌，雙岐桿菌活菌製劑作為防病治病的有力武器，在歐美日本等已開發國家倍受歡迎。在我國，雙岐桿菌活菌製劑已逐步成為製藥行業的一支生力軍。由於雙岐桿菌是一種對生存條件要求極為苛刻的厭氧菌，外界環境稍有變化就易引起該菌的死亡，因此，如何提高雙岐桿菌的存活率，保證產品的貨架壽命，一直是困擾活菌製劑行業的技術難題。目前普遍是採用脫脂牛奶作凍干保護劑，但效果不甚理想，在儲存過程中，細菌的存活率下降很快。近期的研究結果表明，採用海藻糖作保護劑，雙岐桿菌的存活率比脫脂牛奶提高一倍以上，特別令人振奮的是，海藻糖能夠使凍干雙岐桿菌在常溫下長期保持活性，大幅度延長活菌製劑的保質期。從而可以解決活菌製劑行業所面臨的產品儲存性能差，貨架壽命短的問題。

（6） 應用實例

1)、從液態製品製備固態製品

將500克無水海藻糖、270克用以上方法製成的蛋黃粉、290克脫脂奶粉、4.4克氯化鈣、1.85克氯化鉀、0.01克硫氨素、0.1克抗壞血酸鈉、0.6克乙酸維生素和0.04克煙酸胺混合後，每份取25克放入防水鋁箔袋內，熱封好，即製得該固態製品。因袋內空氣含水量少，該產品勿須冷藏，在室溫狀態下就可長期穩定存放。其具有良好的水溶性及分散性，使用前只需將1小袋該固態品溶於約150-300ml水製成流質食品，吸入體內或灌入鼻腔、胃或腸內即可。

2)、製備固體醫藥品

為了做BALL-1細胞的皮下移植手術，在剛產下的田鼠體內注入用傳統方法製取的免疫血清，以減少其免疫反應，按一般方法餵養3周後，取出田鼠皮下形成的腫瘤，將其切成小片，然後把小片分散溶在生理鹽水中。溶出的腫瘤細胞用無血清的RPMI1640培養基（pH值7.2）清洗後，再將其溶在新配製的同一種培養基中，稀釋培養液濃度至每毫升含2×106個細胞，並在35℃下保存。

在細胞懸液中加入200IU/ml人體a-干擾素，培養約2小時後，加入300HA/ml HVJ，再培養20小時，誘導培養體產生更多的人體a-干擾素。將細胞培養液在4℃、1,000×g條件下離心，去除沉澱物，上清液用膜過濾，把濾液加進一裝有防a-干擾素抗體的層析柱中，再加入緩衝液使未被吸收的組分流出，隨後把被柱子吸收的組分洗脫出來並濃縮成濃度約為0.01w/v%的人體a-干擾素溶液，其中的人體a-干擾素的比活力約為2×108Iu/mg蛋白，每隻田鼠可製得約4ml a-干擾素。

將6克無水海藻糖裝進100ml的防潮塑料瓶中，再往瓶中注入0.2ml約含4×106IU的人體a-干擾素溶液，用橡膠塞給瓶子無菌封蓋，這樣就可製得固體醫藥品。根據其製備過程，含人體a-干擾素的溶液經和無水海藻糖接觸，就很容易脫水乾燥，其不需冷凍乾燥，就能使固體製品的a-干擾素穩定高效。

該產品易溶於水，其中的人體a-干擾素可作為一種抗敏性試劑（如：抗病毒試劑、抗腫瘤試劑和抗風濕症試劑等），經滴注或肌注進入人體內，有效地預防或治療多種疾病。該產品適用於內科，還可作口腔試劑及診斷劑。

3)、製備固體醫藥品

將源於人體淋巴素的BALL-1細胞接種到加入20%的胎牛血清的Eagle基礎培養基（PH值7.4）中，按照常規方法在37℃的懸浮體中培養，培養出的細胞用無血清的Eagle基礎培養基（PH值7.4）清洗後，將其倒入新配製的含20%胎牛血清的Eagle基礎培養基中，並濃縮至濃度為1×107cells/ml。在溶液中加入1, 000HA/ml HVJ，在38℃下恆溫培養24小時，使HVJ誘變成a-hTNF。將製得含a-hTNF的細胞懸液在4℃，1,000×g下離心，上清液在含0.01M磷酸鹽緩衝液的生理鹽水中透析15小時後，用膜過濾。為純化a-hTNF溶液，將濾液加入一個裝有抗干擾素抗體的柱子中，把未被柱子吸收的組分倒進一裝有抗腫瘤壞死a-基因單株抗體、具有親和性的層析柱中，洗脫出被層析柱吸收的組分，得到a-hTNF溶液濃度至0.01w/v%，其中a-hTNF的比活力大約為2×106JRU/mg蛋白。這樣a-hTNF的得率約為5×104JRU/L細胞培養液。

將10克無水海藻糖裝入100ml的瓶中，再注入0.5ml含1×105JRU a-hTNF的溶液，用橡膠塞無菌封蓋後，即可製得該產品。用以上方法製得的藥品，粉末狀無水海藻糖吸水使a-hTNF的溶液脫水乾燥，不需經冷凍乾燥處理，就能使a-hTNF穩定高效。

該產品易溶於水，a-hTNF可作為一種抗敏性試劑（如：抗病毒試劑、抗腹腫劑及抗免疫疾病劑等），經滴注或肌注進入人體內有效地預防或治療多種疾病。該產品適用於內科，也可作口腔試劑及診斷劑。

3.海藻糖在化妝品中的應用：

海藻糖在化妝品上的應用是基於其具有優異的保持細胞活力和生物大分子活性的特性。皮膚細胞，尤其是表皮細胞在高溫、高寒、乾燥、強紫外線輻射等環境下，極易失去水分發生角質化，甚至死亡脫落使皮膚受損。海藻糖在這種情況下能夠在細胞表層形成一層特殊的保護膜，從膜上析出的粘液不僅滋潤著皮膚細胞，還具有將外來的熱量輻射出去的功能。從而保護皮膚不致受損。隨著人們對海藻糖功能和作用的認識，海藻糖作為新一代的超級保濕因子將成為化妝品市場消費的一個熱點。目前，國內外已有不少廠家成功將海藻糖添加到化妝品中。海藻糖在化妝品中使用參考如下：

2克聚氧乙烯乙二醇單硬酯酸脂，5克自乳化甘油醯硬酯酸脂，1克a-葡糖芸香苷，1克液體凡士林，10克甘油三（2-乙基己酸）酯，將這些物質與2克藻糖粉末混合，按一般方法加熱溶解，得到的溶液加進2克L-乳酸，5克，3-丁二醇及66克純淨水。此反應溶液經高速攪拌器乳化，再在高溫條件下加進足量的調和劑，即得到化妝霜。

超級防晒保濕因子—海藻糖

海藻糖是一種天然的糖類，存在於許多沙漠植物中，在植物乾枯時形成一層玻璃狀的基質，保護其內部結構，直至雨水來到，植物可奇蹟般地起「死」而復生。

大量的研究與實踐表明，海藻糖能有效地保護表皮細胞膜結構，活化細胞，調理肌膚，令肌膚健康自然、有彈性。表皮細胞在高溫、高寒、乾燥、強紫外線輻射等環境下，極易失去水分而使皮膚受損，海藻糖在這種情況下能夠在細胞表層形成一層特殊的保護膜，保持皮膚原有營養和水分，避免皮膚晒傷及黑色素沉澱，有效抵抗皮膚老化現象；從膜上析出的粘液可溫和滋潤肌膚，使肌膚瑩亮、光澤、柔嫩。

目前國內外一些比較著名的化妝品企業，如范思哲系列化妝品、雪白系列化妝品、草木年華海藻糖活泉補水系列化妝品等都已將產品中的海藻糖作為產品宣傳的重點內容。

海藻糖是藥品還是糖類？

海藻糖是由兩個葡萄糖分子以a,a,1,1-糖苷鍵構成非還原性糖，自身性質非常穩定，海藻糖對生物體具有神奇的保護作用，是因為海藻糖在高溫、高寒、高滲透壓及乾燥失水等惡劣環境條件下在細胞表面能形成獨特的保護膜，有效地保護蛋白質分子不變性失活，從而維持生命體的生命過程和生物特徵。許多對外界惡劣環境，表現出非凡抗逆耐受力的物種，都與它們體內存在大量的海藻糖有直接的關係。和自然界中如蔗糖、葡萄糖等其它糖類，均不具備這一功能。這一獨特的功能特性，使得海藻糖除了可以作為蛋白質藥物、酶、疫苗和其他生物製品的優良活性保護劑以外，還是保持細胞活性、保濕類化妝品的重要成分，更可作為防止食品劣化、保持食品新鮮風味、提升食品品質的獨特食品配料，大大拓展了海藻糖作為天然食用甜味糖的功能。

海藻糖對生物酶製劑中反應中激活劑與穩定劑

溫度是影響酶反應效率的重點因素之一，高溫能提高酶的催化活力，但易使酶失活。耐熱酶的發現為分子生物學帶來巨大的進步，如PCR和連接酶鏈式反應的產生，目前局限於從一些耐熱菌中分離得到耐熱酶，而且酶催化反應類型也受到限制。研究發現海藻糖在高溫下能保持酶的正常活性，甚至起熱激活作用，還能用於提高幹燥保存的酶的活性。在反應體系中加入海藻糖，使熱敏感的酶在高溫下穩定性和活性增加，可當作耐熱酶使用，海藻糖的這一作用在生物藥學和工業生產領域具有廣泛的應用價值。 未加海藻糖的限制性內切酶Nocl在溫度由45℃升到50℃時失活，加了海藻糖時酶不但不失活而且活力繼續升高，說明海藻糖能抑制高溫下酶的失活；37℃時海藻糖能夠激活DNasel，加了海藻糖，溫度升到50℃時酶活力仍顯著升高；豬的胰脂肪酶在無水海藻糖介質中可以耐受100℃高溫，有水時則會失活。有實驗表明海藻糖通過影響蛋白水合作用來穩定和激活蛋白，它可以降低溶液中蛋白質的水化作用，乾燥時則能取代水或作為玻璃樣穩定劑。海藻糖能阻止酶發生不可逆的熱凝聚-熱變性，與分子伴侶的功能相類似，實驗中將一些分子伴侶與海藻糖共同使用，能進一步擴大對酶具有熱穩定和熱激活作用的溫度範圍。另外海藻糖並不是對檢測的所有酶都有熱穩定和熱激活的作用，說明只有一些蛋白可能具有海藻糖識別和作用的位點。 獲得全長cDNA文庫，有利於分子克隆和全長cDNA測序，反轉錄反應是構建cDNA文庫的重要反應，mRNA的二級結構能夠終止反轉錄反應，釋放mRNA/非互補cDNA雜合體，導致合成全長cDNA效率很低，這是構建高質量的cDNA文庫最主要的問題。以前解決這一問題主要是在反應前使樣品變性，如熱變性、加氫氧化甲基汞處理mRNA等或者反應中提高反應溫度。前一類方法對破壞mRNA二級結構效果不佳，特別是從長轉錄產物獲得全長的cDNA，而後者雖然對破壞mRNA二級結構比較有用，但除了TchDNA聚合酶外，其它反轉錄酶者不耐熱，而TchDNA聚合酶催化反應需Mn2+，這容易造成mRNA在反應前就降解了。實驗證明海藻糖能使鼠白血病病毒逆轉錄酶具有熱穩定和熱激活特性，酶在60℃仍具有全部活性，足以在mRNA二級結構誘導終止反應之前合成全長的cDNA，反應效率大大提高。另外推測海藻糖可能具有改變核酸構型的作用，例如減少反轉錄反應中mRNA的二級結構。 生產中利用海藻糖熱穩定和熱激活的雙重功能，可以減少酶的用量和提高反應速率，提高消耗/產出和時間/產出比值，在一系列酶反應中都有很大潛力，如生化反應、診斷或工業生產領域，更重要的是熱激活能用於提高反應程度和總效率，獲得標準反應條件下不可能的產量。另外，利用熱穩定和熱激活的作用，可開發以前在常規反應條件下不可能進行的反應，例如專一性要求特別高的核酸雜交實驗，反應體系加入海藻糖，就可在適宜的溫度下同時使用幾種限制/修飾酶，提高雜交反應特異性，減少假陽性結果。　　

------------------------------------------------------------------------------------------------

從新創企業現狀觀察AI發展熱度

作者 : 黃燁鋒，EE Times China
2021-07-12

從人工智慧(AI)新創企業市場，以及類似Nvidia新創加速計畫(NVIDIA Inception)的專案，都可觀察AI技術或產業如今的發展熱度...

現在的很多生態締造者對於潛在生態的開發都十分在意：比如說及早深入教育市場，生態建設「從娃娃抓起」(編按：指從小開始)；再或者對新創企業的扶持或孵化計畫。這裡所謂的「生態締造者」的範圍可以很廣，比如雲端供應商、作業系統供應商、針對應用開發解決方案的供應商，以及各種硬體廠商等。

這些其實是吸引更多開發者，潛移默化中造成開發習慣、黏性的關鍵。《電子工程專輯》中國版(EE Times China)先前拜訪過微軟(Microsoft) Azure一批又一批的孵化企業；還有華為HarmonyOS當下對眾多新創企業的扶持……這類新創企業扶持項目都有著相當易於理解的商業邏輯，亦屬常規操作手段。

而在AI生態建構上頗具代表性的應該就是Nvidia，畢竟筆者之前也一直在提Nvidia在AI生態打造上的完備程度多高，這種生態對新創企業的扶持當然也是必不可少的。Nvidia新創加速計畫(NVIDIA Inception)進入中國是在2016年，這個計畫本身就在加速AI創業公司發展。從AI新創企業市場，以及類似Nvidia新創加速計畫這樣的專案，都可觀察AI技術或產業如今的發展熱度。

AI市場這兩年的新機遇

截至去年底，這項計畫在全球範圍內覆蓋了超過7,000家AI新創公司，去年一年加入Nvidia新創加速計畫的公司數量較上一年多出了25%。從Nvidia的總結來看，新冠肺炎疫情可能很大程度推動了該計畫。之前Nvidia業務開發VP Jeff Herbst曾提過：「2020年一場全球性質的瘟疫攪動了經濟發展。但新創生態系統卻在此期間一度繁榮，這很可能不是巧合。」

這些AI新創企業，依照類別來看主要包括了IT服務、醫療健康、媒體與娛樂。看起來是完全符合預期，就如同疫情期間全球的PC和資料中心市場發展受到刺激一樣，這恰好也是Nvidia業務發展的重點。可以說，疫情雖然短時間內造成了停工停產，但Nvidia可能是這波行情下獲得最大發展機會的企業之一。

數位生活方式的轉變促成了很多領域的快速發展，包括在家辦公、遠端醫療、家庭娛樂等。隨Nvidia大趨勢本身的利多，以及大環境的影響，去年加入Nvidia新創加速計畫的新創企業的一大部分都在這些類別中。

在中國市場上，該計畫去年扶持的企業超過800家。這個數字也極大程度說明了AI在中國發展的繁榮。換句話說，全球25%的成長量也可間接表現出，新冠疫情的蔓延客觀上也推動了AI的發展，而且不止於醫療健康。

AI新創投資市場現狀

Nvidia新創加速計畫可認為是觀察AI新創企業，乃至整個AI產業發展的冰山一角。CB Insights先前公佈了一份AI 100榜單，列出100家AI新創企業——而且據說是從超過6,000家企業中選出來的。這份榜單涵蓋了跨18個核心產業的各種解決方案，這個數字其實已蠻驚人。這份榜單總結了這些年來AI新創公司獲得的融資金額、最具代表性的產業類別，以及有不少企業處在A輪融資階段。其中12家是獨角獸，而在地理位置分佈中，64%位於美國，8家位於英國，6家在中國和以色列等。

針對這個市場有一些更細緻的資料可以列舉。以前不久微軟豪擲197億美元收購Nuance為代表，目前美國最大的5家科技公司中，有4家大量收購了AI新創企業。其中蘋果(Apple)最多，收購次數達到了29次——這也是CB Insights前不久才更新的資料。僅今年一季，全球與AI新創企業相關的交易(如收購、兼併等)次數就達到了626次，交易金額大約是177億美元。與去年相比，2020年整年的資料是354億，這其中的增量還是相當可觀的。有投資機構認為，預期今年針對AI相關的企業交易量會是去年的2~3倍，這種持續活躍和加速的趨勢仍相當明確。

很多機構針對企業所作的統計也顯示，企業對於AI產品的採用計畫正在增加，或者說更多的企業在數位化轉型過程中準備應用AI。Signal AI針對1,000位C級高層的統計顯示，92%認為自家企業需要依靠AI技術來提升決策制定流程。GTC 2021上，Nvidia共同創辦人暨執行長黃仁勳針對Nvidia發佈的AI for Enterprise特別提到：「我們將AI擴展到企業的邊緣。我們相信企業產業邊緣將會是AI產生巨大影響的地方，包括醫療健康、倉儲物流、生產製造、零售、農業、交通。AI還沒有觸達這些產業，但現在不同了。」

所以從投資方和需求方兩個方面來看，AI新創企業相關的投資都在持續擴大。不過這一現象可能與其他熱門領域的發展具有極高的相關性。比如推行SaaS的企業如今受到格外的關注——而這些企業普遍將AI作為企業產品的一部分。所以AI成為某些正在快速成長中的市場的組成部分受到追捧，本身也是AI成長的原因。達成全球AI交易金額的新記錄，可能會在今年持續發生；今年截至目前交易輪次也仍然表現出了熱度。

這其中有一點轉變，是近一年才發生。亦即去年很多企業對於AI的接受度仍然不高——AI之前的存在更像是一種行銷手法：即告訴客戶和投資人，產品中有AI技術才能獲得青睞；而現階段逐漸在轉變至用AI來更實際地解決現實問題的階段發展，或者不需要再去反覆解釋究竟為什麼要接受AI。AI也變得越來越平常，這也是大部分技術走向成熟的必由之路。雖然從投資風向來看，這個市場遠未及成熟，Nvidia在此時持續做針對AI新創企業的新創加速計畫投入，還是相當好的時機。

兩個新創加速計畫示例

與此同時，Nvidia新創加速計畫在客觀上也是降低產業進入門檻的一種方式，所以該計畫本身又在推動AI產業發展。從這個層面來看，這一市場行為與Nvidia本身在技術上進行生態建構還是一脈相承。

對於加入計畫的AI新創企業而言，該計畫提供的支援主要包括幾點：Nvidia的部分產品折扣、AI技術支援(包括Nvidia深度學習學院DLI線上自主培訓課程免費兌換200次)、Nvidia管道的市場推廣(如在GTC大會上給予展示、演講等的機會)、融資服務、業務推薦等，也就是從技術和市場兩方面提供一些基礎支援。除了免費加入的新創企業，計畫中另設有高階會員(設定要求包括至少完成A輪融資或已產生業務收入等)有更多的支援，比如開發者關係支持、更多市場推廣等。

這些服務和支援，基本也顯示了當代新創企業扶持計畫的常規，大方向上也符合AI新創風向的趨勢。這裡列舉兩個加入Nvidia新創加速計畫的新創企業的例子，大致可從中體會此類新創扶持計畫的價值。

中國有家名為心咚科技的企業，主要業務方向是將AI技術融入到時尚、服飾產業。這家公司產品的核心，包括了物理引擎和數位面料中心：設計師藉由心咚科技的產品，可以將現實中的實物面料和服飾，虛擬地呈現出來。這其實很類似於「原型產品」、「設計驗證」，虛擬產品因此能做到「零廢棄物製造」。市面上大多數現有的3D服裝設計軟體都只是視覺模擬，而沒有工業級高精準度物理模擬所需的運算結果。

所以心咚科技採用Nvidia的GPU及互連等方案，實現了高效能運算(HPC)應用，完成對複雜光線追蹤、視覺化運算工作負載的處理，以虛擬的方式完成從選擇面料、成衣設計、審稿、打版到生產過程。心咚科技本身是Nvidia新創加速計畫會員，這個例子也顯示AI相關技術新創企業借助Nvidia的資源、支援和平台，能夠加速應用實踐和延展。

再舉個例子，美國有家新創企業Zippin，他們的產品針對零售店購物可實現自動結帳，這個過程主要是對消費者購買的零食、飲料等進行影像辨識。顧客在支援Zippin系統的店內買東西之後就可以離開，app會保留收據，追蹤消費記錄後收費(app或信用卡支付)。這個專案的市場契機，主要來自國外很多體育館、娛樂場所重開，Zippin自動結帳無人商店不需要排隊就能買東西。

Zippin如今的業務擴展似乎還頗順利，其商店數量在穩步增加，包括一些大型體育場館和零售連鎖店；而且擴展到了美國以外，包括巴西、俄羅斯、日本。這套「自動結帳」系統相關AI的核心部分，應該是商品的影像辨識，並且結合更多感測器實現位置、重量辨識等。不僅是顧客買了什麼，也在於商店本身的庫存管理自動化，Zippin用的是Nvidia Jetson在終端進行模型推理。

Zippin聯合創始人兼首席科學家Motilal Agrawal在談加入新創加速計畫時提到，「Nvidia新創加速計畫團隊與我們見面、借給Zippin第一個NVIDIA GPU並針對我們的應用提供關於Nvidia SDK的指導。」
這兩個例子都是在Nvidia新創加速計畫扶持下，業務得以擴大影響力或開展落地的典型。Nvidia在其官網列舉的實例還有不少，本身也算是對這些企業的市場宣傳途徑之一，可能不同參與者受惠於新創加速計畫的體驗是不同的：Nvidia自己列舉的案例中，有家AI醫療影像手術導航機器人相關新創企業，相當推崇Nvidia深度學習學院DLI 的培訓課程，包括部分課程後Nvidia頒發的一些認證證書。如前面所述，Nvidia深度學習學院DLI線上自主培訓課程也是Nvidia新創加速計畫的重要組成部分，這類課程對於AI新創企業的養成具備相當的價值。

無論是免費的自主培訓課程，還是Nvidia GPU產品折扣、AI技術支援、市場推廣、融資服務、業務推薦，這些Nvidia新創加速計畫的組成部分。對AI新創企業快速入門和進階AI開發、加速產品上市，以及對於Nvidia本身培養AI生態有其價值。

正如本文一開頭所述，這種潛在開發生態與習慣的培養，是大部分生態締造者佈局生態時的必要行為。AI新創企業市場如此火熱，是Nvidia開展新創加速計畫的契機。與此同時，這類計畫本身又在促進AI整個產業往前發展，也是推動AI產業現階段百花齊放、迸發AI創意的起點。

資料來源：https://www.eettaiwan.com/20210712nt61-ai-development-from-the-dynamics-of-new-venture/?fbclid=IwAR1AVhpCZaFFqeTnmgvW7ZoTBBv48gtKEMsxZa4u4i_BDryyVfKnQcYLQ40

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

Big Data資料加值應用研習班課程分享(105/2/16)

Big Data海量資料的分析概說：
Big Data資料加值應用與相關範例
如何取得Big Data的方式？
 開放資料範例
 內政部實價登錄、YAHOO股市資料
GOOGLE表單
 範例：GOOGLE試算表複選結果資料切割
如何處理與統計分析Big Data？
 EXCLE統計函數
 範例：黑名單篩選、樂透彩中獎機率
 樞紐分析表
 範例：銷貨系統分析
 開放資料加值應用實例
 範例：實價登錄、用EXCEL一鍵批次下載股市資料
 EXCLE VBA(與R語言比較)
 PowerPivot增益集
 海量資料的分析工具-PowerPivot實作演練
 視覺化數位儀表與報表–PowerView資料地圖實作

上課影音內容：
01_課程說明與參考書籍
02_問卷結果與檔案下載
03_大數據的定義與成功範例
04_範例_樂透彩機率統計函數說明
05_格式化前七名與VBA設定
06_前七名的VBA程式撰寫說明
07_樂透彩VBA程式說明
08_GOOGLE表單與複選結果切割
09_複選結果切割VBA程式說明
10_複選結果切割註解與按鈕相關
11_黑名單篩選查詢資料說明
12_黑名單篩選查詢VBA程式與進度列
13_台北市實價登錄範例VBA程式解說
14_批次下載股市資料程式說明與結尾

完整連結：
https://www.youtube.com/playlist?list=PLgzs-Q3byiYPsxtU9N_n81087ggNwggyK

與大數據課程的經驗
超過20年的程式設計與教學經驗(VBA、VB.NET、ASP.NET、JAVA、ANDROID、PHP等)
台北市公務人員訓練處:Big Data資料加值應用
新北市勞工大學：EXCEL VBA大數據自動化進階
東吳大學進修推廣部：EXCEL VBA 與資料庫雲端設計(初階與進階)
自強工業基金會：從Excel函數到VBA雲端巨量資料庫應用班
多年的實務與教學經驗所累積的課程範例，最短時間學會處理大數據，以提高效率，正確決策。

Big Data海量資料的分析概說：
根據維基百科：
大數據（英語：Big data或Megadata），或稱巨量資料、海量資料、大資料
指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的形式的資訊。
可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等；這樣的用途正是大型資料集盛行的原因

維基百科定義
在一份2001年的研究與相關的演講中，麥塔集團（META Group，現為高德納）分析員道格·萊尼（Doug Laney）指出資料增長的挑戰和機遇有三個方向：
量（Volume，資料大小）
速（Velocity，資料輸入輸出的速度）
多變（Variety，多樣性），合稱「3V」或「3Vs」
另外，有機構在3V之外定義第4個V：真實性（Veracity）
大數據必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。
美國在2012年就開始著手大數據，歐巴馬更在同年投入2億美金在大數據的開發中，更強調大數據會是之後的未來石油。

巨量資料應用的成功案例
Google – 流感趨勢預測
Google發現，某些搜尋關鍵字有助於追蹤流感疫情發展，彙總搜尋資料，提供近乎即時的全球流感疫情趨勢預測
Google曾在美國的九個地區做了測試，發現此技術比聯邦疾病控制和預防中心提前7到14天準確預測了流感爆發
阿里巴巴將消費者數據轉化為企業獲利，小額貸款無需抵押和擔保，直接實現了網路數據的價值。截至2013年，阿里小貸累計獲貸客戶數64.2萬家，累計放款1,722億元人民幣
電視新聞與巨量資料結合，2014年春運(36億人次)，百度利用巨量分析觀察大陸過年時人類的遷移行為，並以易懂的視覺化呈現在人們眼前

吳老師 105/2/15

台北市公務人員訓練處,big data應用,big data定義,big data是什麼,大數據分析教學,excel數據分析,excel數據圖表,大數據應用實例,大數據應用案例,開放資料應用,open data應用

Excel在大數據上的應用(進階函數與VBA)(105/5/20)

上課影音內容：
01_開場簡報說明
02_大數據課程理念與應用範例
03_範例1_GOOGLE試算表複選資料切割說明
04_範例2_樂透彩中獎機率統計函數說明
05_範例2與範例5_股市當日行情表說明
06_範例5_股市當日行情表(錄製巨集&新增工作表&刪除工作表)
07_範例5_股市當日行情表(增加下載功能)
08_範例5_股市當日行情表(增加進度顯示功能)
09_範例4_台北市實價登錄說明
10_建立Power View

完整連結：
https://www.youtube.com/playlist?list=PLgzs-Q3byiYPsxtU9N_n81087ggNwggyK

Big Data海量資料的分析概說：
Big Data資料加值應用與相關範例
如何取得Big Data的方式？
 開放資料範例
 內政部實價登錄、YAHOO股市資料
GOOGLE表單
 範例：GOOGLE試算表複選結果資料切割
如何處理與統計分析Big Data？
 EXCLE統計函數
 範例：黑名單篩選、樂透彩中獎機率
 樞紐分析表
 範例：銷貨系統分析
 開放資料加值應用實例
 範例：實價登錄、用EXCEL一鍵批次下載股市資料
 EXCLE VBA(與R語言比較)
 PowerPivot增益集
 海量資料的分析工具-PowerPivot實作演練
 視覺化數位儀表與報表–PowerView資料地圖實作

與大數據課程的經驗
超過20年的程式設計與教學經驗(VBA、VB.NET、ASP.NET、JAVA、ANDROID、PHP等)
台北市公務人員訓練處:Big Data資料加值應用
新北市勞工大學：EXCEL VBA大數據自動化進階
東吳大學進修推廣部：EXCEL VBA 與資料庫雲端設計(初階與進階)
自強工業基金會：從Excel函數到VBA雲端巨量資料庫應用班
多年的實務與教學經驗所累積的課程範例，最短時間學會處理大數據，以提高效率，正確決策。

Big Data海量資料的分析概說：
根據維基百科：
大數據（英語：Big data或Megadata），或稱巨量資料、海量資料、大資料
指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的形式的資訊。
可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等；這樣的用途正是大型資料集盛行的原因

維基百科定義
在一份2001年的研究與相關的演講中，麥塔集團（META Group，現為高德納）分析員道格·萊尼（Doug Laney）指出資料增長的挑戰和機遇有三個方向：
量（Volume，資料大小）
速（Velocity，資料輸入輸出的速度）
多變（Variety，多樣性），合稱「3V」或「3Vs」
另外，有機構在3V之外定義第4個V：真實性（Veracity）
大數據必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。
美國在2012年就開始著手大數據，歐巴馬更在同年投入2億美金在大數據的開發中，更強調大數據會是之後的未來石油。

巨量資料應用的成功案例
Google – 流感趨勢預測
Google發現，某些搜尋關鍵字有助於追蹤流感疫情發展，彙總搜尋資料，提供近乎即時的全球流感疫情趨勢預測
Google曾在美國的九個地區做了測試，發現此技術比聯邦疾病控制和預防中心提前7到14天準確預測了流感爆發
阿里巴巴將消費者數據轉化為企業獲利，小額貸款無需抵押和擔保，直接實現了網路數據的價值。截至2013年，阿里小貸累計獲貸客戶數64.2萬家，累計放款1,722億元人民幣
電視新聞與巨量資料結合，2014年春運(36億人次)，百度利用巨量分析觀察大陸過年時人類的遷移行為，並以易懂的視覺化呈現在人們眼前

吳老師 105/2/15

元培醫事科技大學,台北市公務人員訓練處,big data應用,big data定義,big data是什麼,大數據分析教學,excel數據分析,excel數據圖表,大數據應用實例,大數據應用案例,開放資料應用,open data應用

Excel在大數據上的應用(進階函數與VBA)(105/5/20)

上課影音內容：
01_開場簡報說明
02_大數據課程理念與應用範例
03_範例1_GOOGLE試算表複選資料切割說明
04_範例2_樂透彩中獎機率統計函數說明
05_範例2與範例5_股市當日行情表說明
06_範例5_股市當日行情表(錄製巨集&新增工作表&刪除工作表)
07_範例5_股市當日行情表(增加下載功能)
08_範例5_股市當日行情表(增加進度顯示功能)
09_範例4_台北市實價登錄說明
10_建立Power View

完整連結：
https://www.youtube.com/playlist?list=PLgzs-Q3byiYPsxtU9N_n81087ggNwggyK

Big Data海量資料的分析概說：
Big Data資料加值應用與相關範例
如何取得Big Data的方式？
 開放資料範例
 內政部實價登錄、YAHOO股市資料
GOOGLE表單
 範例：GOOGLE試算表複選結果資料切割
如何處理與統計分析Big Data？
 EXCLE統計函數
 範例：黑名單篩選、樂透彩中獎機率
 樞紐分析表
 範例：銷貨系統分析
 開放資料加值應用實例
 範例：實價登錄、用EXCEL一鍵批次下載股市資料
 EXCLE VBA(與R語言比較)
 PowerPivot增益集
 海量資料的分析工具-PowerPivot實作演練
 視覺化數位儀表與報表–PowerView資料地圖實作

與大數據課程的經驗
超過20年的程式設計與教學經驗(VBA、VB.NET、ASP.NET、JAVA、ANDROID、PHP等)
台北市公務人員訓練處:Big Data資料加值應用
新北市勞工大學：EXCEL VBA大數據自動化進階
東吳大學進修推廣部：EXCEL VBA 與資料庫雲端設計(初階與進階)
自強工業基金會：從Excel函數到VBA雲端巨量資料庫應用班
多年的實務與教學經驗所累積的課程範例，最短時間學會處理大數據，以提高效率，正確決策。

Big Data海量資料的分析概說：
根據維基百科：
大數據（英語：Big data或Megadata），或稱巨量資料、海量資料、大資料
指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的形式的資訊。
可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等；這樣的用途正是大型資料集盛行的原因

維基百科定義
在一份2001年的研究與相關的演講中，麥塔集團（META Group，現為高德納）分析員道格·萊尼（Doug Laney）指出資料增長的挑戰和機遇有三個方向：
量（Volume，資料大小）
速（Velocity，資料輸入輸出的速度）
多變（Variety，多樣性），合稱「3V」或「3Vs」
另外，有機構在3V之外定義第4個V：真實性（Veracity）
大數據必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。
美國在2012年就開始著手大數據，歐巴馬更在同年投入2億美金在大數據的開發中，更強調大數據會是之後的未來石油。

巨量資料應用的成功案例
Google – 流感趨勢預測
Google發現，某些搜尋關鍵字有助於追蹤流感疫情發展，彙總搜尋資料，提供近乎即時的全球流感疫情趨勢預測
Google曾在美國的九個地區做了測試，發現此技術比聯邦疾病控制和預防中心提前7到14天準確預測了流感爆發
阿里巴巴將消費者數據轉化為企業獲利，小額貸款無需抵押和擔保，直接實現了網路數據的價值。截至2013年，阿里小貸累計獲貸客戶數64.2萬家，累計放款1,722億元人民幣
電視新聞與巨量資料結合，2014年春運(36億人次)，百度利用巨量分析觀察大陸過年時人類的遷移行為，並以易懂的視覺化呈現在人們眼前

吳老師 105/2/15

元培醫事科技大學,台北市公務人員訓練處,big data應用,big data定義,big data是什麼,大數據分析教學,excel數據分析,excel數據圖表,大數據應用實例,大數據應用案例,開放資料應用,open data應用