熱門Ptt文章

[爆卦]微控制器種類是什麼？優點缺點精華區懶人包

雖然這篇微控制器種類鄉民發文沒有被收入到精華區：在微控制器種類這個話題中，我們另外找到其它相關的精選爆讚文章

在 微控制器種類產品中有15篇Facebook貼文，粉絲數超過0的網紅，也在其Facebook貼文中提到， 創新工場和BCG咨詢合作的「+AI改造者」系列：看看無人機技術起家的極飛，如何賦能農業生產全環節，提升全球農業生產效率。 改造者系列：農業「+AI」全環節守護新疆棉花 近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有...

　同時也有5部Youtube影片，追蹤數超過3,340的網紅豹投資，也在其Youtube影片中提到，#手機感測器 #矽創 #個股分析 矽創近期公司體質大幅轉型改善，下游應用產品多元分散且廣角化，發展驅動IC種類包含手機DDI 、工控與車載DDI、觸控IC、微控制器 （MCU）等等，旗下重要轉投資的子公司為持股46%的昇佳電子(6732)。 － 矽創上半年受疫情影響，不過進入下半年後，在4G、5G、...

「微控制器種類」的推薦目錄

  • 微控制器種類 在 Facebook 的最佳貼文

    2021-09-23 09:33:53
    有 356 人按讚

    創新工場和BCG咨詢合作的「+AI改造者」系列：看看無人機技術起家的極飛，如何賦能農業生產全環節，提升全球農業生產效率。

    改造者系列：農業「+AI」全環節守護新疆棉花

    近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景，大量的AI企業活躍於這些垂直場景中，我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。

    作為擅於趨勢前瞻的TechVC，創新工場長期看好AI領域，深入佈局，至今已經投出了7只AI獨角獸。在系列研究中，我們采訪了數家創新系AI企業，通過這些「改造者」的視角，探究傳統企業擁抱AI的範式與路徑。

    創新工場投資的極飛科技是一家致力於未來農業的AI科技公司，極飛將無人機、機器人和傳感器部署在稻田、麥田和棉花田裏，用技術賦能農業中的播種、農藥噴灑、栽種管理、甚至天氣監測環節。用於作物噴灑的極飛科技R150農業無人車已經被推廣到了英國，應用在蘋果、草莓、黑莓等多種經濟作物的種植流程中。

    在采訪中，極飛科技聯合創始人龔檟欽表示，AI在農業的應用才剛剛開始，未來極飛會探索更多AI和農業的融合，例如用AI來賦能優化作物模型（crop modelling），幫助識別作物生長過程中的不確定因素，從而實現提前預警和判斷。以下：

    ■系列導讀

    本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：『改造者』1如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑。

    在農業領域，隨著機器自動化、機器視覺、物聯網等技術的發展，農業的提質增效和轉型升級也被不斷加速。以極飛科技為代表的一批農業科技企業，通過無人機、智慧農業系統等科技賦能，使得傳統的農業勞動更加高效、環保、節能。

    1 「改造者」通過傳授其AI技術和垂直行業理解，極大地削弱了傳統企業應用AI的瓶頸，充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。

    ■本期受訪嘉賓：龔檟欽

    極飛科技將無人機、機器人、自動駕駛、人工智能、物聯網等技術帶進農業生產，通過構建無人化智慧農業生態，讓農業進入自動化、精准高效的 4.0時代。

    龔檟欽是極飛科技聯合創始人，2018年福布斯中國「30 under 30」封面人物。龔檟欽曾任鳳凰衛視特約海外記者、國家地理製片人。龔檟欽先生擁有悉尼大學學士學位、巴黎九大與清華大學聯合博士學位在讀。

    ■對談實錄

    Q1：極飛科技最早以無人機技術起家，後來為何選擇進入農業這一垂直領域？

    龔檟欽：極飛科技以無人機航模控制器起家，最開始的時候我們曾嘗試過把無人機技術帶到電力巡線、安防、南極科考、物流等諸多領域，但很多領域的應用很難市場化，比如物流或電力巡線在當時都受到市場規模和法律法規的制約，難以發揮無人化技術的最大價值。

    2013年9月，由於機緣巧合，極飛科技開始探索農業這一領域的無人機應用。我們發現，有客戶購買極飛的飛控之後進行改裝，拿到新疆去做航拍，還有許多人看到極飛之後在考慮用無人機做農藥噴灑。於是當月我們也一起走訪了新疆。9月正值棉田收穫期，我們卻看到大量農民背著藥箱，忍受著刺鼻的氣味在噴灑農藥，原因就在於新疆已經請不到采棉工了，需要農民噴灑脫葉劑來保證棉花同步成熟，再由大型采棉機統一采收。但是人工噴灑脫葉劑的效率非常低下，而用拖拉機噴灑又會軋壞棉花導致減產。

    當時的新疆不僅缺乏采棉工，連噴灑脫葉劑的人工也請不到了。隨著城鎮化的發展，大量人口從農村流入城市，從前每年秋天新疆會有六七十萬人坐著綠皮火車從四川、河南、陝西來采棉花，如今這樣的畫面已難以再現。新疆出現了勞動力供給的缺口，而這也正是機器和技術能夠賦能的地方，就采棉催熟而言，要求脫葉劑的噴灑量不高，無人機這種空中飛行的機器有著天然的優勢——能夠在空中精准、均勻地噴灑，很大程度上減少人力並提高效率。不只是采摘，從播種到收穫的全流程中，機器人能高效地完成許多任務，包括播種、施肥、除草、除蟲等等，無人機能夠極大地提升農業生產效率，尤其在生產期較短的地域迅速提高單位時間的產量。由此，無人機能為農民釋放更多產能，一個人能管理的農田更大，即技術賦能土地規模化集中，而土地規模化之後農民對機器的需求也更大，從而進入「技術加速資源有效整合」的正向循環。

    目前，極飛科技的無人機已經覆蓋了新疆機采棉面積的一半以上2，從棉花延伸到了水稻、小麥等需要大量人工的作物，從新疆延伸到了東北、雲南等全國大部分地域。

    我們一直相信，當腦海裏有一項技術的時候，你要為技術選擇一個行業，選擇用技術來做什麼事。

    2截至2020年10月，極飛科技農業無人機棉花脫葉劑作業面積占新疆機采棉面積的一半以上。

    Q2：極飛在賦能農業的過程中是否遇到過什麼挑戰？極飛是如何應對的？

    龔檟欽：在工業裏，規模化生產的工廠是工業自動化的天然載體，但在農業裏，農戶的規模差異很大，許多農戶的農田本身很小，對於機器應用能帶來的成本優化是無感的，這就涉及到「技術下鄉的微觀載體是誰」的問題。

    極飛最早發現了這樣一群人，他們是縣城裏做婚慶攝影的攝影師，隨著航拍變得越來越容易，他們面臨著更加激烈的競爭。但是農民不會用無人機，極飛就請這些攝影師，或者說飛手，去幫農民打農藥。飛手發現農業用無人機的頻次高得多，市場又大，農民與他們之間也存在著比較大的技術差距，於是這些飛手們便成為了極飛下鄉的第一批「用戶」，架起農民和農業科技之間的橋樑。

    過了一段時間後，這批飛手開始感到困惑，他們並不懂農業、不懂種植，也無法識別農藥的真假，於是另一批群體出現了——農資店。農資店主往往很懂農戶，很清楚周邊農戶種植的作物種類、規模，也有農戶的熟人網絡，由農資店來推銷無人機、提供打藥服務等，就會容易得多。農資店就這麼成為了極飛的「經銷商」。

    兩三年後，隨著無人機、無人車等設備的滲透更高、覆蓋範圍更大，農戶開始出現對無人機維修的售後需求，農機商便成了我們的夥伴。農機商有更大的店面，有展廳、有維修車間，就像是汽車的4S店。他們也懂農業、有銷售團隊和培訓團隊，農機商就成了極飛「更大型的經銷商」。

    到這裡，整個產業鏈已經連接上了，商業模式被驗證了——農機商可以幫我們推廣農機，農資店、無人機飛手可以幫助培訓。對極飛來說，分銷商就是農機商，經銷商就是農資商和飛手。

    Q3：極飛自然衍生的渠道網絡非常有趣，從更大的農業產業鏈角度來看，極飛如何賦能農業產業鏈中的傳統企業？

    龔檟欽：農業產業鏈中的企業可以簡化為三大類：作物科學公司、農業技術公司、食品與供應鏈公司。作物科學公司包括拜耳、中化等，研究農藥、化肥、種子，負責為農業提供生產資料。食品與供應鏈公司包括拼多多、百果園、盒馬等，把農產品變為商品，進行流通並銷售。農業技術公司負責農產品、農作物的生長管理，通過技術來幫助農業提升效率，極飛就屬於這一類。我們有一個說法是極飛幫助了農產品進行「光合作用」，通過抵抗農業生產過程中由於氣候、資本、勞動力等多方因素導致的不確定性。

    農業技術公司位於另兩類公司中間，起到連接上下游的作用。比如作物科學公司想知道種子的生產效果、農藥的效果，可以通過極飛的種植管理記錄來做調研，從而優化下一代產品。比如農產品超市想采購無過量農藥的水果，可以調取極飛植保服務記錄來識別更高品質的水果供應商。可以看出，除了提升效率之外，極飛還提升了農業的透明度和可追溯性。相應地，在終端也會產生更高的價值回報，農民能獲得更多收入，消費者願意為此買單。

    Q4：極飛對未來的發展規劃是什麼？會繼續深耕農業還是拓展更多行業應用？

    龔檟欽：極飛選擇深耕農業，因為對於已經有七年技術和經驗積累的我們來說，再造更多其他類型的農業機器人、無人機，或者結合材料科學、結構設計優化農業機械，再或者把AI演算法嵌入農業機器，並不會太困難，但別的行業企業要進入農業是很難的，農業的行業壁壘還是很高的。

    而且，在農業中AI的應用剛剛開始，未來我們可以探索更多AI和農業的融合，比如用AI來賦能優化作物模型（crop modelling），幫助識別作物生長過程中的不確定因素，從而實現提前預警和判斷；又比如探索作物科學，用深度學習來挖掘作物性狀，再通過優化生長管理極大地提升作物產量或品質，這些都是未來的方向。

    ■要點回顧

    1、在垂直產業生態中，AI企業大可以自建網絡，根據協同性和互補性來決定網絡中的生態夥伴。隨著佈局下沉和戰線拉長，構建網絡並不會容易，AI企業需要從挑戰中找尋機遇，用更縱深的網絡推動AI與產業持續交織。

    2、AI企業能幫助傳統行業「化不確定為確定」，極大地提升給定資源條件下的生產效率，加速「光合作用」。而傳統企業應當主動與AI企業共同暢想未來，重新想像AI將為行業帶來什麼價值和機遇。

    3、AI企業可以在垂直領域中探索將業務與AI以及生物、材料等諸多技術進行融合，持續深耕垂直領域。

  • 媽媽監督核電廠聯盟

    微控制器種類 在 媽媽監督核電廠聯盟 Facebook 的精選貼文

    2021-03-16 15:05:53
    有 14 人按讚

    【綠色觀點】儲能概念股夯，但你對儲能系統了解多少？（03/5/2021 INSIDE）

    股市頻創新高，全民瘋股票，許多媒體順勢提出什麼幾大明星產業、什麼什麼概念股，日前朋友因為知道我在儲能產業裡工作來打聽哪支股票可以買，我才赫然發現儲能概念股已經名列投資建議榜首！

    儲能概念股夯，但真相是，你根本就不太懂儲能，也不太懂儲能系統的上中下游供應鏈，你在買儲能的什麼商機都不知道，就隨便拿自己的錢開玩笑。

    我在人生的精華歲月躬逢其盛遇到這幾年儲能系統商業應用爆發期，參與建置臺灣第一套大型電網級儲能系統，算是少數有資格替儲能說話的。因此，我將從實務經驗的角度，為你建構系統性的儲能系統知識框架，協助你正確判斷商機的落點，助攻所有不在儲能產業、但想要透過投資分享紅利的你。除了投資之外，這篇文章對想要採購儲能系統的公司也會非常有幫助，可以協助正確決策，大幅減少你探索及試錯的時間、金錢等成本。

    大型儲能系統像是水庫居中做個「削峰填谷」調節，水庫是一套複雜系統，儲能自然也不例外。儲能系統從原材料到系統可以分為七層，有些會拆分成更少或更多，我建議不需要花時間糾結在分幾層上，這種糾結拿來搞學術可以取得相當的成就，但這裡主要是為了讓你方便理解。我們將專注在最廣泛應用的鋰電池儲能系統，如果你想要了解更多其他種類的儲能電池，你可以回頭看綠學院的系列文章。

    我們現在立刻來替儲能系統開箱！請先花一分鐘看下面這張圖 (請見附圖）：

    儲能系統第一層：原材料及電池材料

    儲能系統需要電池作為基礎。原材料主要是礦區，電池材料指的是正極、負極、電解液、隔膜，上圖沒有顯示出來，倒是在《如何判斷電池技術大突破是世紀大騙局還是真革命？》一文有各種材料與原理的完整說明。這裡基本上各家都已經有了各自的站位，競爭較不易，且上游的資本密集度很高，要在這裡存活，口袋得很深。可能有的機會落點在電解液、隔膜這兩塊。

    儲能系統第二層：電池芯 (Cell)

    把這些電池材料組合在一起，就成為電池芯。雖然每個設計差異很大，不過為了簡單理解，一個 1MW 儲能系統大約會有 14,000 顆電池（以 20 安時為例），大概是十台特斯拉電動車 80,000 顆電池的容量，只不過儲能系統用的電池比電動車的大很多。

    目前電網與電動車的應用場景中，鋰電池的正級材料大體上可以分成三大類：鈷酸鋰 (LCO)、磷酸鐵鋰 (LFP) 與三元材料 (NMC)。臺灣及中國大陸因為追求 CP 值，以磷酸鐵鋰、俗稱鋰鐵電池為主；日本 Panasonic 與韓國 LG/Samsung 則是三元材料、俗稱鋰三元，這讓他們在電動車市場很吃香。除材料分類不同之外，同廠牌的電池又會區分不同規格、等級，適應不同的應用場景，如果不是行內人，一定眼花撩亂。

    很多人喜歡幻想臺灣能出現一家世界級的電池芯廠，這是不實際的。臺灣市場小，研發出來也沒什麼市場，而電池需要大量的訂單才有試錯和調整的機會，再加上大陸電池芯競爭已經非常激烈，想要彎道超車已經太遲了。

    儲能系統第三層：電池模組 (Pack)

    每個電池芯就像是軍中的單兵，不可能靠著單兵就可以行動，不過可以把很多電池芯串併組合在一起成為模組，一個電池模組通常至少有 100 顆電池，這樣管理比較方便。

    模組廠就是負責這段的組裝技術，他們在製作模組時，會建立第一層小型電池管理系統，並將消防防護機制也設計在內，以防止電池芯之間的延燒，這部分同時也是通過國際安全認證如 IEC、UL 重要的一環。這裡同樣資本需求密集度高，因為這樣才有經濟規模與價格競爭力，而且你還得知道要賣到哪裡去，否則累積大量庫存，公司很容易周轉不靈。

    儲能系統第四層：電池機櫃及電池管理系統 (Rack and BMS)

    把 14~21 串電池模組像抽屜一樣收起來，就是電池機櫃，為了要管理電池芯和模組，需要更高一階的電池管理系統，給電池命令，他才知道要怎麼行動，電池管理系統也會時時檢查每顆電池芯的狀態，並盡量維持電池芯之間的平衡。大部分生產到電池機櫃等級的公司，都會附上電池管理系統當成是服務的一部份，購買者不需要自己開發，以免你拿去亂用不小心燒起來，為了賠償問題大家吵不完。

    儲能系統第五層：功率調節器 (PCS)

    功率調節器是連接電池機櫃與電網應用的關鍵，它可以雙向轉換，放電就是將電池的直流電轉換成一般電力公司的交流電，充電則是把一般電力公司的交流電轉換成電池的直流電儲存起來。需要跟電網溝通的機器設備都需要雙向轉換的功能，只是看是用什麼方式做，例如電動車就是靠著充電樁，可以把交流電轉直流電，或是反向直流轉交流。

    功率調節器需要連接電池管理系統和下面會提到的能源管理系統間的各種通訊，資料採集和傳輸量的複雜度相當高。臺灣只有少數公司銷售功率調節器，國外則有很多成熟的品牌可以選擇，相對來說機會較小。

    儲能系統第六層：能源管理系統 (EMS)

    不管是節能、創能、儲能、智慧系統整合，只要牽涉到許多用電設備、發電設備、儲能設備等之間的整合工作，都需要一個能源管理系統，儲能系統自然也不例外。

    在儲能系統中，能源管理系統是涵蓋控制器的整套監控系統，除管理功率調節器何時充放電，還包含監視電池儲存的環境溫溼度、消防系統、門禁系統等，相當於儲能系統的大腦。能源管理系統要能跟電池管理系統、功率調節器對話，若調度地不好，就可能出現安全設計上的漏洞，這也是韓國儲能電池起火事故的原因之一。

    各種應用場景需要不同的能源管理系統，很少有電池廠或模組廠能把手伸這麼長，因此能源管理系統算是較有商機的一塊了。要注意的是，有時我們會看到一些標題類似「EMS 廠搶進商機」的新聞，這時要小心分辨它指的是電動車 EMS 還是儲能 EMS，電動車 EMS 廠做的是車用電子零組件，像是車上的儀表板、觸控面板等，這跟儲能 EMS 做跟電網溝通的工作是有差異的。

    儲能系統第七層：儲能系統及系統整合 (SI)

    買儲能系統不像是買電動車，更多時候你需要的是客製化設計，畢竟每個需要儲能系統的應用場景都不同。因此你需要選擇一個系統整合商來替你把整套儲能系統組裝起來。系統整合商通常會開發能源管理系統，以確保它採購來的各式零件，能達成優秀的執行品質。

    恭喜你，你已經完全理解儲能系統了！下一篇，我們來分享如何成功說服老闆買儲能系統。

    責任編輯：Mia
    核稿編輯：Anny

    本文作者陳貽評，專長電力系統與微電網系統，人生的精華歲月躬逢其盛遇到第一波儲能系統商業應用爆發期，參與建置臺灣第一套大型電網級儲能系統（高雄永安案），另一案屏東林邊智慧微型電網則獲得 2015 年 APEC ESCI 智慧電網銀質獎，開發專案擴及菲律賓與印尼等，現任大同大學電機系兼任助理教授及綠學院綠色帶路人。

    原文刊登於綠學院，INSIDE 經授權轉載。

    完整內容請見：
    https://www.inside.com.tw/article/22854-energy-storage-system

    ♡

  • 台灣物聯網實驗室 IOT Labs

    微控制器種類 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文

    2021-03-12 13:50:11
    有 0 人按讚

    AI強勢來襲 物聯終端運算需求急遽增溫

    2021-03-10 11:55 聯合新聞網 / CTimes零組件

    【作者： 王岫晨】

    物聯網正帶動人工智慧走向終端裝置，在後疫情時代，企業對物聯網 AI 的投資與布局動作頻頻。Arm 主任應用工程師張維良指出，我們可以很明顯看到四大趨勢如下：

    新冠疫情加速 AI 部署

    根據 Arm 於 2020 年 8 月與<<麻省理工學院科技評論洞察（MIT Technology Review）>>合作、針對來自 12 個不同產業的 301 位 C Level 的科技專業人士進行的訪談報告顯示，超過 62% 的受訪者表示，他們正在投資並使用 AI 技術。來自大型企業組織（年營收超過 5 億美元）受訪者的部署率較高，接近 80%。較小型的企業組織（營收低於 500 萬美元）的部署率則為 58%。1/3 的受訪者表示，2020 年新冠疫情的爆發加速了他們在 AI 策略上的部署。

    企業組織正在提高對 AI 的投資

    超過一半（57%）的受訪者看到他們的 AI 預算在過去三年內提升，且接近四分之一的人表示，他們在 2016 年到 2019 年間，年度 AI 支出最少增加一倍。其中，大型企業在 AI 支出的增加更多，73% 來自年營收超過 5 億美元的企業組織受訪者的預算都有增加，有近三分之一的受訪者預算甚至提升超過 100%。這些投資加碼反映 AI 對企業營運持續成長且普遍的影響。

    超過半數企業將 AI 部署在終端裝置或邊緣運算

    儘管對於已經使用 AI 的企業組織，雲端運算是他們最喜歡的基礎架構，不過在越來越需要極低延遲的數據存取，以及終端/邊緣處理能力的應用上，為了兼顧成本效益及運算效率，越來越多應用將往數據產生的來源靠近，邊緣運算或是將資源擺在更靠進存取它們的裝置的地方，相關的部署將急起直追。

    對應軟硬體攻擊與保護個資/隱私的需求

    AI 對幾乎所有商業與社會活動層面的衝擊持續擴大，讓企業領袖必須正視 AI 能否在負責任的規範下使用。消費者一方面對於交易與運作流程中藉助 AI 的接受度越來越高，但也期待企業能在公平的、高道德標準，並能顧及永續發展的條件下使用這項技術，特別在個資的搜集。因此在邊緣運算上，也衍生出對應軟硬體攻擊以及保護隱私等運算能力的強烈需求。

    物聯網 AI 應用將聚焦於「3V」

    根據 Arm 與 Strategy Analytics 合作的報告顯示，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，可參考圖一。

    而終端 AI 可以在三個核心領域提供價值，而它觸及的許多物聯網領域，遍及 B2B 與 B2C（企業對消費者）的應用：震動（Vibration），語音（Voice）與視覺（Vision）。

    震動

    包含來自多種感測器數據的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。它可將智能帶進 MCU 中的終端 AI 的進展，產生不同應用領域，包括溫、濕度、壓力檢測、物理檢測（如滑倒偵測）、物質偵測（如漏水、漏氣）、磁通量偵測與電場偵測等等。運用震動分析的預測性維護（PdM），在旋轉型機器密集的製造工廠裡相當常見，可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。此外，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。

    語音

    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、遊戲主機與其它新的電器。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在興起。語音整合在車輛中也相當關鍵，因為語音有潛力成為最安全的輸入模式。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。其他車用的應用包括語音輸入文字簡訊、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，甚至拋錨服務與禮賓服務等。

    視覺

    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。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。其它實例包括農業應用，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可即時檢測出雜草、分類其種類、分析其對農穫的威脅、進而客製化除草解決方案。在工業上，包括利用熱顯影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，觸發排程系統，自動採取適當的行動來預防零件故障。

    推動物聯網運算需求

    隨著物聯網與 AI 的進展以及 5G 的推出，更多的終端智能意謂小型且成本敏感的裝置，會愈來愈有聰明、功能也愈來愈強，同時因為對雲端與網際網路的依賴較小，也將具備更高的隱私性與可靠度。因此，Arm對於MCU核心，也 透過新的設計為微處理器帶來智能，降低半導體與開發成本，同時為想要有效提升終端數位訊號處理（DSP）與機器學習能力（ML）的產品製造商，加快他們產品上市的速度。

    TinyML

    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。它捨棄在雲端上運行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行經過優化的圖型識別模型，耗電量只有數毫瓦特。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。

    簡化程式碼的轉移性

    把AI函式庫整合進 MCU，將本地的 AI 訓練與分析能力插入程式碼中是可能的。這讓開發人員依據從感測器、麥克風與其它終端嵌入式裝置取得的訊號，導出數據的型樣，然後從中建立模型。Arm Cortex-M55 處理器與 Ethos U55 微神經處理器（microNPU），利用像 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。透過推論工具把 AI 功能放在低成本的 MCU 上實作，並符合嵌入式設計需求，如此一來，有 AI 功能的 MCU 就有機會在各種物聯網應用中，讓裝置的設計改觀。

    附圖：圖一 : 多數的物聯網應用聚焦在一些特定的領域。
    圖二 : 不同應用對於機器學習的採用比起以往更盛。圖為Arm運算方案的對應圖。

    資料來源：https://udn.com/news/story/6903/5307140?fbclid=IwAR2eJEJFLD1DFifJHQNbTkWEAjQSKBk3UFlM3whrk9T69h9tNXIw3geMQ8U

你可能也想看看

搜尋相關網站