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

史上最長投稿

《疫情之後的貨機人生》 by 物流老司機

［零：前言］

近一年來，受到疫情的影響，航空客運幾近停擺。人流嘎然停止，四肢癱瘓，物流卻像顆不放棄的心臟，持續跳動朝四面八方輸液，替全世界的經濟保住一線生機。在油價走跌的加持之下，各家航空公司的貨運業務逆勢竄起，成為營收與獲利的重要支柱。全球30大航空公司裡，僅有四家業者有獲利，台灣的華航和長榮就佔了榜單上的兩個名額 ，貨運部門從深夜墊檔節目躍身成熱門八點檔，組員的生活也成為各界關注的焦點之一。

敝公司擁有18架747貨機，數量居全球之冠。這架經典的空中皇后，機艙胃納量大，也因為貨運的榮景，迎來遲暮之年的第二春。以下所提的貨機組員，皆是以747機隊飛行員為例。

貨機大部分是往美國飛的越洋長程航班，就算是偶爾穿插的區域短班，出發時間也多在半夜。組員晝伏夜出，活動範圍離不開貨機坪，也甚少進入旅客的視線。身處同一間公司，掛著同一個職稱，穿著同一件制服，客機組員也不見得了解貨機機隊的生態。

若要剖析貨機組員的生活，不外乎從這幾個關鍵字下手：［班表］、［外站］、［安克拉治］，還有無可避免的［隔離］。組員背景天南地北，男女老少或有差異，但八九不離十，生活和話題都脫不了這幾個重心打轉。

［一：班表］

無論客貨機，無論長短程，每個月的一張班表，主宰了組員30天內的生活。生活兩個字筆畫不多，但鉅細靡遺，包山包海，充滿各種變數。

如果班表是一道料理，那麼熬夜和時差，就是長程機隊飛行員的主菜，無從替換，也往往是雙品招待。

同是吞著熬夜配時差，但客機和貨機組員吃的菜色不同，滋味更是南轅北轍。長程客機的派遣，多是單點來回，例如直飛紐約、法蘭克福、雪梨，在當地休息一到三天不等，然後飛回台北。貨機的派遣模式較為複雜，飛往美國內陸的停靠航點較多，天數也拉得較長。舉例來說，貨機組員出門派遣一趟的班表常常是這樣：從台北飛大阪，落地中停2小時，繼續從大阪飛安克拉治，在安克拉治休息40小時，飛去芝加哥中停2小時接著飛西雅圖，在西雅圖休息18小時，然後飛回台北。

離家飛個長班，以下例子是客貨機的差異，一目瞭然：
客機：台北－紐約－台北
貨機：台北－大阪－安克拉治－芝加哥－西雅圖－台北

疲勞很難量化，不同機隊之間的作息也無從比較，但貨機組員的班表較為複雜，航點也較多，起降比較頻繁，隨之而來的風險也較高。另外，貨機組員要面對的另一個挑戰，是在美國內陸各航點間的時差。以安克拉治為基準，西雅圖快了1小時，芝加哥快了3小時，紐約快了4小時。組員在多航段執勤後，在不同外站休息後，必然會面臨跨時區的副作用，就是日照時間與生理時鐘的紊亂。

［二：外站］

如何在外站調整作息，也算是組員工作的一部分。無論身處東西半球，在外站下班之後，得在或長或短的休息時間內，想方設法讓錯亂的生理時鐘重開機。如何實作，人人自有心得，各憑本事。文的武的方法不拘，只要在下一次上座時，在握住操縱桿之前，能夠撐起眼皮敲醒腦袋進入飛航模式，那就是好方法。

客機會停靠的外站，無非是觀光勝地，或是人聲鼎沸的都會區。疫情之前，組員在外站能抽空遊歷知名景點，跋山涉水尋幽訪勝，品嚐四方美食，體驗異地風情，這是辛勤工作之餘的福利，一點小小的犒賞。就算只是暫時離開旅館，在市區搭車或鄉間散步，讓風景流轉，也是種調劑與沈澱，好轉換心境迎接下一趟任務。

對貨機組員來說，常會頻繁飛往美國內陸各大貨運站。最具代表性的外站，就是安克拉治。無論搭配的是紐約、亞特蘭大、芝加哥或邁阿密，安克拉治都是必經的門戶。ANC三個字未曾缺席，按月換個日期烙印在班表上，有時候一個月還得造訪兩次三次。貨機組員的第二個家，就是安克拉治。

［三：安克拉治］

飛機航程越遠重量越大，飛行時耗油就越多。以747貨機為例，受限於最大起飛重，在油箱加滿的情況，可以飛到13小時左右，但只能裝進約七成滿的酬載（Payload，賺錢的貨物重量）。若要增加酬載，勢必要減少飛時，不能飛得太遠。簡言之，載得重就飛不遠，要飛遠就得減重。

因此位在阿拉斯加，離台灣約8個半小時的安克拉治，就是一個很好的中停點。安克拉治人口數和新店差不多，機場貨運量卻是全球排名第五大。Fedex和UPS是主場，華航、長榮、大韓、國泰都是常客，AN-124偶爾出沒，運氣好一點還能遇到全球最大運輸機AN-225。飛機從台北出發時可以裝滿酬載，在安克拉治落地補足油料後，接著往美國其他航點移動，例如6個小時外的紐約，7個小時外的邁阿密。除了位在美西的洛杉磯、舊金山、西雅圖，要飛往內陸或東岸的航點，飛機大多以安克拉治當作進出的中停點。

機坪內偶爾會出現三架自家貨機比鄰的景象，例如左邊的從大阪飛來要再戰芝加哥，中間的要先飛邁阿密再折返跑去西雅圖，右邊的打了一趟紐約來回終於要踏上歸途朝台北前進。此起彼落，你來我走，輪番上陣排隊卸甲，燒肝打拼都是為了把滿機腹的酬載平安送到目的地。

飛機地停加油，只消數十分鐘後即可再度升空，不曾聽過機器有過半句怨言，但人總得闔著眼伸直腿睡覺。飛機齊聚一堂有多熱鬧，就有為數不少的組員得在此落腳歇息，進出安克拉治皆然。至於能在旅館裡待多久，端看手機螢幕裡那一個小方塊，班表APP來決定。有時是三人派遣的底線，18個鐘的休時。有時則在房內欣賞了兩次晨曦晚霞，待了近48小時才往下一站前進。

人是動物，籠子關久了難免想伸展筋骨透透氣。由於造訪頻率高，留宿時間比其他外站來得長，若在安克拉治沒有些嗜好，時光肯定特別難消磨。除了日常的上街採買覓食，這裡地廣人稀，往深郊野外跑是再合理不過的。偶遇前輩分享安克拉治的外站生活，說道在這塊景緻優美的自然勝地，登山健行，騎馬滑雪，坐船看冰河，野溪釣鮭魚，戶外活動包羅萬象，聽者常心生嚮往。

但疫情爆發，世道丕變，一個四季都還沒輪完，這些軼聞趣事突然變得遙不可及，像是曾祖母的兒時照片一樣斑駁難辨。無論哪個外站，所有未曾探訪之勝地，未及體驗之樂趣，未能品嚐之珍饈，一夕之間都封印成旅遊書上的一行行墨漬和一幀幀相片插圖，只剩銅版紙的氣味飄著活著。

［四：隔離］

病毒橫空出世，是前所未見的兇猛對手。疫情初始，各國政府只能在節節敗退之際，盡快釐清病毒的底細。有的採取群體免疫想和病毒自然共存，有的端出各項封城管制的措施，期盼在經濟窒息之前能先把病毒悶死。效果不一，但大多數國家的醫療資源和經濟活動都受到病毒重擊。台灣在初期反應迅速，守下第一波攻勢，決戰邊境，把損害控制到最低程度。但若是每個執勤返台的飛行組員，入境後都要隔離14天，航空公司很快地就會面臨無人可調派的窘境。

幾經波折與轉彎之後，疾管署和航空業者協調出一套模式，在防疫和營運間取得平衡。

組員從公司勤務報到開始，全程配戴口罩，視客貨機需求著配護目鏡或隔離衣，抵達外站後專車接送，入住旅館期間不得外出，不與當地民眾接觸，僅透過外送或客房服務方式用餐，返台後自行駕車、專車接送返家，或是入住防疫旅館，不得搭乘大眾運輸。貨機組員三天內／客機組員五天內居家檢疫，不可外出或派飛。14天內自主健康管理，不出入人潮眾多景點或參加大型集會。

概念是這樣的，對疫情互信的國家之間有旅遊泡泡。組員在本站和外站之間，就是個執勤泡泡。若能落實各項防護措施，與疫區的生活圈隔絕，讓染疫的風險能被降到最低，那麼在三天／五天居家檢疫期間渡過之後，組員就能夠離開家門或檢疫旅館，回歸社區生活。

組員返台後手機沒有被追蹤定位，在外站時也沒有早晚點名確認是否擅自外出。這套模式從春季運行至今，除了公司各單位的後勤支援，仰仗的是客貨機無數班值勤組員的自律，以及對自身工作的責任感。大家有共同的目標，離開國門時保護自己，回到台灣保護我們的家。

海外各國動輒停班停課，關餐廳封城，確診數不斷攀升第二波第三波。 2020年的台灣，宛若世外桃源，馬照跑舞照跳，除了無法出國旅遊，沒什麼特別。為了保護家園不受侵擾，疾管署、各家業者、頻繁進出疫區的第一線組員，大家都在不同戰線和病毒長期對抗。與此相比，泰山與鴻毛之輕重，被關在外站旅館隔離，失去移動的自由，其實也不足掛齒。

［五：疫情之後的外站］

自此開始，組員的外站生活不再立體鮮明，只剩二維空間的兩點一線。機場一點、旅館一點，還有往返接駁的車程拉成一線。對貨機組員來講，就是從安克拉治繼續往外延伸的更多點和線

疫情嚴重的城市，例如紐約，也取消外站駐防，就改成從安克拉治派遣飛來回，但所需飛時較長，落地之後的休息時間也必須拉長。另外為了減少返台次數，貨機組員也會以安克拉治為出發點，派遣兩次內陸航班後再返台。

在旅館大廳偶遇時，問候語不外乎是：
「你是飛來還是回台北？」
「我接下來飛亞特蘭大，你從芝加哥回來嗎？」
「你還要在這裡待幾天？」

一個疫情後的班型如下：
台北－安克拉治（住）－芝加哥（住）－安克拉治（住）－紐約（中停）－安克拉治（住）－大阪（中停）－台北。

從台北派遣一趟，出門八天打了七腿，安克拉治住了三次。飛行里程足以繞地球一圈，但除了機場和旅館，哪裡也沒去，哪裡也去不了，哪裡也不該去。

疫情之後的外站，除了熬夜和時差，還多了COVID-19這個隱形魔王，得矇著眼和他打擂台。從外站落地開始，接過的每一份文件、摸的每一扇門把、送到房間的每一份餐點、頭靠的每一顆枕頭，不用酒精噴霧伺候都覺得心虛，深怕一次疏漏就讓健康和職業生涯同時劃上句點。若聽到遠方傳來隱約的咳嗽聲，隔著口罩都想收著鼻翼抿著嘴。

自此，所有的外站糊成一個大麵團，形狀全都是一個模子印的，味道全都是一只雜燴鍋煮的。外站就是一個七坪大的房間，一張得噴酒精消毒的床，一扇晨昏顛倒的窗，一具上班前會鈴鈴作響催命符的電話。組員們自力更生，自樂自得，每個人斜槓再斜槓，文組追劇閱讀，武組瑜伽健身，學習與自己相處，學習面對被迫離群索居的孤獨。

計時結束，服刑期滿，走出這扇門遲早得回頭。往下一站或下兩站移監的車程，反倒是令人期待的旅途，一趟小確幸。

腳下踩的是安克拉治夾著樹葉的積雪，不是帶著污漬的陳年地毯。屁股坐的是芝加哥霓虹燈光加長禮車，不是硬邦邦的旋轉辦公椅。眼睛看的是高速公路旁的西雅圖楓紅，不是了無生趣的旅館停車場。耳朵聽的是機坪上貨盤車嘎拉作響，不是一片漆黑裡嗚噎整夜的旅館空調。

進到駕駛艙後就是小小的烏托邦，以金屬蒙皮築牆的理想國。艙門關上，油門一推，飛機離地後跟著把所有的顧忌和擔憂拋在腦後。腳下是病毒統治的塵世，三萬英呎的雲隙還是天空，曬得皮膚發痛的還是陽光，讓人昏昏欲睡的還是黑夜。和過往的2019、2018沒有兩樣，還是起降巡航，還是一桿兩舵，除了臉上多了張口罩，疫情沒有在這裡改變什麼。

直到，落地開了艙門，COVID-19說，歡迎回家。

向櫃檯領了鑰匙，房門哐啷一聲關上，換個外站，計時重新開始。熟練地將房間內消毒一遍，確認每個開關按鈕把手都鍍上了酒精，才能寬心摘下口罩呼吸，躺在陌生的又熟悉的床上休息。隔離週而復始，直到班表大人批准返台。如果運氣稍差，班表稍微凶險一點，可能會在返台三天檢疫期滿後，隔沒一天又被派遣安克拉治，然後繼續飛美國內陸班。那麼將會是有整整兩個禮拜，除了勤務派遣時間以外，組員都得在家裡或旅館內隔離。

一如傳世名言：「我不是在隔離，就是在往隔離的路上。」

離台灣七千公里外的安克拉治，冬天日照只有六小時，零下十度是家常便飯。旅館內隨時都有三四組貨機飛行員駐防，在客房內或睡或醒或彌留，靠著Ubereat和Line便當群組外送供應三餐。入住時來自四面八方，離去時目的地不一，退房兩天內又拖著行李箱掛著黑眼圈，鬼打牆一樣現身在旅館大廳迎接另一段隔離。

這就是疫情之後的貨機人生。

［六：寫在案例765之後］

和歐美國家不同，17年前的我們經歷過SARS，對於病毒和口罩有著熟悉的共同記憶。戒慎恐懼，是全民防疫成功的關鍵。但蛋殼再密也有縫，身為全台灣唯一頻繁進出疫區的族群，機組員成為防疫的破口，彷彿是種宿命，早破晚破的問題而已。本土0確診的天數拉得越長，破蛋之後，輿論的後座力就越猛烈。

曾經被譽為天空國家隊，客貨機組員不分彼此，都持續肩負著運送防疫物資的重任。而在嚴峻的疫情之下，貨運同仁依然全年無休，倉庫24小時燈火不滅。機坪上永遠都鋪滿貨櫃，等著一趟趟貨機往返消化。這個海島國家能夠物暢其流，進出口轉運順暢，組員多少也透過操縱桿出了一份力量。

然而，在案例765－紐籍機師事件發生後，全台灣的機組員，猶如身處中世紀的歐洲，被視為滿街散疫的過街老鼠，避之唯恐不及。如果可以舉辦公投，組員返台後隔離14天的方案，應該會是毫無懸念地高票通過。

在被輿論的口水戰淹沒之前，必須先理解一個事實。在這253天內，無論是當天來回或是過夜班，無論是載客或送貨，敝公司就有一萬五千個航班飛回台北，全台灣加起來有超過兩萬個架次的組員，在這段期間接觸旅客，進入疫區過夜再返台。

這麼龐大的航班數量，這麼多的人員反覆進出疫區，返台後並沒有隔離14天，為什麼在過去的253天內，可以維持本土的0確診？

如果現階段的執勤泡泡，各項防護措施效果不佳，讓組員在執勤時避不了染疫，那麼在這兩萬多個航班內，應該會有一定比例的機組人員中鏢。不會人人都是無症狀感染者，也不會每個人居家檢疫期內就保證痊癒。經過九個多月後，疾管署應該會收到一堆居家檢疫通報有症狀，篩出一堆確診的組員。或是組員染疫而不自覺，經過三天／五天後無論是外出或執勤，再度傳染給其他人。台灣不會保持這麼久的本土0確診紀錄。

如果在案765之前，台灣的社區是乾淨的0，那麼也是間接證明，過去九個多月以來，這樣的執勤泡泡模式是有足夠的防護力。台灣並沒有來源不明的社區感染，也沒有一堆機組員在居家檢疫時發病確診。組員最有可能染疫的源頭就在國外，與當地生活圈隔絕是最直接的方式。源頭不防堵，就算延長回台後的隔離天數，再補上執勤前的篩檢，也是治標不治本。

重點是組員執勤時，有沒有確實配戴口罩，落實自我健康管理，以及在外站時各項防護措施是否嚴格執行。

眾家媒體披露，該位紐籍機師執勤時不願意配戴口罩，也不配合疫調，甚至不是第一次在外站擅自離開旅館，同事通報公司也沒得到積極處理，那為什麼要為了個案改變通則，連坐處罰過去253天戰戰兢兢執勤的無數組員？若是又有組員7天檢疫後確診，是否要上調到14天？若是有旅客檢疫14天後才發病確診，疾管署需不需把旅客入境隔離上調到20天呢？

現在應該關注的是事件的調查結果，若是紐籍機師在外站沒有離開旅館，執勤時一切合規，結果還是不幸染疫，那麼現行的執勤泡泡得通盤檢討，確認在外站的哪個環節是防護的弱點，接車司機生病、旅館消毒不周、外送餐食人員疏失、病毒變種後傳染力變強，都是可能的原因。找出造成感染的根本原因，才能據此改進。若沒有從源頭防堵漏洞，過一段時間後累積足夠的航班量後，還是有可能再次出現類似的組員染疫案例。

輿論看到的是253天的0，我們看到的是兩萬多個航班的0。

沒有人希望看到0變成1，因為我們很清楚，若是疏於防備，幾週之內，1就能變成難以置信的數字。這麼多架次之後維持的0，隱藏的是無數客貨機組員的心理壓力。進入疫區小心翼翼，返台後就算檢疫期滿仍不得鬆懈，時刻注意自己是否有流鼻水、腹瀉、肌肉痠痛等症狀。鎮日精神緊繃，深怕自己已成病毒溫床，不慎將病毒帶進社區造成大規模傳染。居家檢疫期對家庭生活造成的不便，以及反覆陷於隔離的處境，對組員的身心狀況，難免都會有負面且長期的影響。

熬夜、時差、隔離，就是這一年來組員生活的三元素，在全球航空業如此困難的時刻，能夠換上制服領著班表出勤，已是萬幸。

檢疫規定也隨著國際國內疫情調整，昔寬鬆今嚴峻。待疾管署一聲令下，公司頒佈細則，組員只有逐條遵循，以免自己成為防疫破口，賠上健康也壞了名聲。但案765的事件，帶來了排山倒海的輿論壓力，風行草偃，組員動彈不得，無力辯駁。明明執勤時很謹慎，返台後都很自律，在規定的檢疫期滿才離開家門用餐採買，卻還是有種莫名的罪惡感，覺得自己是個通緝犯，只是還不曉得犯了什麼罪。一旦確診染疫，馬上回溯14天丟石判刑。

天下大亂的2020年還沒過完，在英國發現的變種病毒已在2021年埋伏，超前部署蓄勢待發。這是一場寒夜裡的越野馬拉松，疫苗的成功研發，還沒完全帶來曙光，在病毒追擊前，我們得摸黑找到終點存活下來。共體時艱，這四個字只差沒刺在背上，提醒自己沒有退路。在世界恢復平靜之前，能再走多久的0就交給老天爺了。

LG 「Wing」顯然以不同形式的雙螢幕呈現，今年傳出LG可能推出可讓上層螢幕以左右形式旋轉，同時代號為「Wing」的雙螢幕手機消息後，Android Authority網站則是釋出疑似實機使用影片。

就消息表示，此款代號「Wing」的手機採用6.8吋螢幕，而位於下層的螢幕尺寸則是4吋，同時內建處理器可能是Snapdragon 765或Snapdragon 765G規格，但具體機身厚度目前還無法確認。

#LG
#Wing
#US3C
#二手手機收購

這張地圖是玩到目前為止最有趣的一張地圖！各種旋轉跳躍避著演，努力演好贏家的角色！
更多影片點這裡→https://goo.gl/JzrWb4
超級雞馬播放清單Ωhttps://www.youtube.com/watch?v=tJv3-eyoEbs&list=PLq0LLEuv4OohDgRDuSWpLmUpCTe8kVJpw
遊戲名稱：Ultimate Chicken Horse 超級雞馬
友情演出：Min、小波
遊戲贊助：阿鵝

※發問前請先點開完整資訊※
直播網址 https://www.youtube.com/channel/UCpa10CkG5snpKfyF4LZdXcA/live
主頻道網址 https://www.youtube.com/channel/UCsi6GKje0lLdkyBu5tTt6gA

──台龜──（請遵守下面這一隻，牠很兇的。聊天台時規則較少但還是麻煩拿捏一下）
∵嚴格禁止「劇透/破梗/提示/教學/建議（遊戲有挑戰才好玩）、讓人不悅的言論（包括87­）、求關注（實況很容易沒看到）、頭香沙發（直接BAN）、洗頻」違者禁言，情節嚴重者直接封鎖。
∵重複性高不回覆「聊其他遊戲、問幾點開幾點關、這什麼遊戲好不好玩要不要錢、幾歲住哪帥不帥開不開視訊」一律刪除，重複留言者禁言。
∵其他備註「w會無法顯示、留言頻率限制在10秒、影片留言請在同一串、沒有頭香沙發、暫停新增好友名單、請勿觸及任何個資、可以宣傳其他頻道但是一場直播限一次、推薦遊戲請至臉書專頁」煩請遵守。
∵管理員很辛苦請不要爭論（爭論者直接禁言），直播時容易混亂或誤判，如果有誤鎖或是需要解鎖請於臉書專頁私訊。若是直播中言論讓你感到不開心，請於臉書專頁告知，我會誠心道歉。
∵這裡是我們的玩樂房，吐口水，就別怪人賞你巴掌。我脾氣很差也管很多，要是不能乖乖的，就去別的台吧，人生苦短，有更適合你的頻道。

《臉書專頁》https://www.facebook.com/rusiru20434
《巴哈小屋》http://home.gamer.com.tw/homeindex.php?owner=NKSH20434

──配備──（能否跑動遊戲請直接詢問原價屋或巴哈討論板）
直播程式：OBS / 剪輯軟體：Aviutl
CPU：i7 6700 / RAM：DDR4-2400 16G
主機板：技嘉GA-H170-D3HP
顯示卡： MSI GTX970 4GD5T OC 鎧甲虎
擷取卡： 圓剛AVerMedia LGP2 GC510（爛）
鍵盤：Tt eSports Knucker（耐用）
螢幕：Acer KG271（CP值高）
滑鼠：FOXXRAY 熾星獵狐 FXR-BMP-06（便宜好用）
滑鼠墊：海獸迅雷防潑水電競鼠墊（不錯）
耳機：ROCCAT KHAN PRO（可以久戴）
麥克風：耳麥 & Blue Yeti USB（CP值非常低）
電腦桌：租房子附的 / 椅子：人體工學升降椅

──簡介──
直播主：路、魚仔
年紀：6歲、16歲
感情狀況：放閃中
寵物（貓）：點點、琪琪、燈燈
居住地：暫居地球
台龜馴養員：楊廣、南瓜、楓語、小小貓、奈特、萌萌
Discord管理員：奈特、萌萌、楊廣、南瓜、楓語、小小貓

──Discord頻道長住規則──
頻道裡面ID必須和Youtube的ID相同，請找管理員更改名稱。
白牌只能在試麥房說話，開啟語音功能需要升成黃牌或藍牌。
如果你是白牌或黃牌，請盡快找紅牌的管理員申請更改名稱及藍色身份證，七天沒有完成手續會被丢出星球，多謝合作。

──常見問題集──
Ｑ：我是男生還是女生　Ａ：系統錯亂，無法判別。
Ｑ：帥不帥　Ａ：有自信就帥，而我很有自信。
Ｑ：要不要露臉　Ａ：臉書專頁有照片，視訊不開，你是看顏藝還看遊戲？如果真的想看，請自行在螢幕右上角貼一張宋仲基的照片。
Ｑ：有沒有女朋友　Ａ：請往上拉，答案在上面。
Ｑ：圖像是誰畫的　Ａ：魚仔。
Ｑ：魚仔是誰　Ａ：是笨蛋。
Ｑ：魚仔是我的誰　Ａ：把這幾題綜合一下就可以得到答案了。
Ｑ：年紀多大　Ａ：請往上拉，答案在上面，比較小那個。
Ｑ：你有用變聲器嗎　Ａ：小朋友可能會當真，我只好說沒有了，真可惜。
Ｑ：要怎麼樣才能當管理員　Ａ：可以倒過來默寫台龜的內容請再聯絡我。
Ｑ：哪裡人　Ａ：外星人。
Ｑ：住哪裡　Ａ：你心裡。
Ｑ：有沒有玩手機遊戲　Ａ：沒有。
Ｑ：為什麼不玩手機遊戲　Ａ：加拿大惡魔很可怕的！
Ｑ：怎麼認識阿神的　Ａ：加拿大北方墜機時認識的。
Ｑ：為什麼多人影片的時候都不太講話　Ａ：怕搶到話。
Ｑ：為什麼想開實況　Ａ：這要從三百年前說起，是個可歌可泣的勵志故事，不過我怕字太多你會不想看，所以簡單縮成三個字。因為，我開心。
Ｑ：為什麼不和誰誰誰一起玩　Ａ：管那麼多，你住海邊喔？
Ｑ：為什麼不玩什麼什麼遊戲　Ａ：唉唷，海龍王喔？
Ｑ：這款遊戲不是玩過了嗎？　Ａ：這家爌肉飯不是吃過了嗎？
Ｑ：為什麼一直說早安　Ａ：等我想到再告訴你。
Ｑ：幾點關台　Ａ：直播就跟愛情一樣，什麼時候結束不重要，重要的是享受當下。
Ｑ：畫質怎麼這麼差　Ａ：剛上傳都是360P，可以晚點再看，至於直播畫面差，可能是網路問題。
Ｑ：怎麼這麼LAG　Ａ：機房有人打翻泡麵了。
Ｑ：這款遊戲好玩嗎　Ａ：就跟人生的意義一樣，只有你自己才知道。
Ｑ：這款遊戲多少錢在哪裡下載　Ａ：請自己找，小時不Google，長大豬隊友。
Ｑ：遊戲漢化在哪邊找　Ａ：真的真的找不到再問我。
Ｑ：沒有信用卡要怎麼買Steam的遊戲　Ａ：請搜尋"VISA金融卡"。
Ｑ：有沒有養寵物　Ａ：請搜尋"路的小虎爺記事"。
Ｑ：我是學生嗎　Ａ：已經不在學校念書了，但是人生的課題永遠沒有學完的一天。
Ｑ：是不是全職Youtuber　Ａ：不是，我的正職是守護宇宙和平。
Ｑ：喜歡看電影嗎　Ａ：喜歡。
Ｑ：喜歡看動畫嗎　Ａ：喜歡。
Ｑ：喜歡看漫畫嗎　Ａ：喜歡。
Ｑ：喜歡吃美食嗎　Ａ：喜歡。
Ｑ：喜歡看書嗎　Ａ：喜歡。
Ｑ：喜歡長澤雅美嗎　Ａ：喜歡，我也喜歡戶田惠梨香、真野惠里菜和新垣結衣。
Ｑ：如果我媽和魚仔同時掉到水裡要救誰　Ａ：救魚仔，因為我媽會游泳，笨蛋魚仔不會。
Ｑ：為什麼想開實況　Ａ：......給我往上拉喔。

3c開箱 | 適合女孩的三軸穩定器實測! |飛宇SPG C V.S ProView S3 手殘女孩也能輕鬆駕馭的拍片直播神器推薦!

很多人問我SPG C在哪買的，幫大家把連結放這裡喔!
https://click.alibaba.com/rd/cpgk10ik
現在可以直接直送台灣，非常方便了!

▶相關影片
「開箱」| 旅行拍攝必備器材：三軸穩定器
https://www.youtube.com/watch?v=8zcT2OhSHF4
飛宇科技SPG Live三軸手機手持穩定器功能演示視頻
https://www.youtube.com/watch?v=4OZkChjQBAA

♥影片介紹
Hi大家好我是踢娜~第一次跟大家分享3c類的產品，要來做兩隻三軸穩定器SPG C 和PRO VIEW S3的比較開箱~因為之前去高雄墾丁旅遊的時候拍的影片有觀眾跟我反映有畫面亂晃的問題，所以我就很認真做了功課，想說要入手一隻三軸穩定器來讓影片的質感能更加穩定，大家看我片的時候可以更舒服~

首先遇到的問題是手機大小的限制，因為我的手機是sony c5的關係，手機螢幕是無邊框6 吋，一般中高階的三軸穩定器都不支援可夾到這麼大隻的手機，跑了三創跟幾家門市後找到PRO VIEW S3 ，這支台灣設計製造的三軸穩定器在試用的時候覺得還算流暢，而且因為我有拍攝直立影片的需求，這隻也可以支援，價錢也合理 https://goo.gl/wGho2a 當下覺得就是他了!

拿回家玩了幾次後發現一些問題，主要是像我一樣沒什麼在運動的女孩，這支PRO VIEW S3的握把拿起來稍嫌太大，直徑很寬，我的手張開15公分才勘勘握的住，再加上三顆鋰電池和自己手機的重量 ，並無法長時間拿著拍攝，對於女孩來說負重太重。
後來跟朋友見面後發現了另一隻三軸穩定器，也是今天要主要介紹的SPG C，這隻整體的大小相較於PRO VIEW S3小了1/3，握把也比較細，另外再和專屬APP Feiyu On 連結時速度又更快更穩定，還有在直立拍攝時可以直接一鍵操作，不用停下當前動作即可改變方向，這點真的是非常流暢又方便!

4種模式操做簡介:
開機後默認模式為自動跟隨，不管你轉什麼方向螢幕也會跟著轉
快擊①下 鏡頭鎖定，轉動握把方向螢幕不會跟著轉，是固定的
快擊②下 俯仰跟隨，適合拍攝低角度的動物或是小孩，一種巨人的視角
快擊③下 180度旋轉螢幕
快擊④下 回到初始自動跟隨模式

幫大家整理SPG C和PRO VIEW S3的比較:
① 重量:SPG C:355克 / PRO VIEW S3: 520 克 皆不含手機、電池與配重塊
② 電池使用SPG C標準的22650型號電池一顆，支援USB直接充電 / 1顆/PRO VIEW S3標準的 18350 電池3 顆，需另外用電池充電器充電
③ 續航力 SPG C約7小時/PRO VIEW S3約3.5小時
④ APP SPG C Feiyu On / PRO VIEW S3
⑤ 價格SPG C NT$5,900/PRO VIEW S3 目前2017/08/28官網特價NT$5,300
⑥ 直立拍攝SPG C支援且可手動操作/PRO VIEW S3 支援但須更換插軸
⑦ 人臉追蹤SPG C支援/PRO VIEW S3目前無支援
⑧ 360度環景拍攝SPG C支援/PRO VIEW S3支援
⑨ 可否配合腳架使用SPG C支援/PRO VIEW S3支援
⑩ 6 吋螢幕手機能用嗎?SPG C支援/PRO VIEW S3支援

希望今天的影片對於有想要入手三軸穩定器的人有一些參考價值，因為我本身算是3c破壞狂跟3c白癡，我都可以上手了，大家一定也可以~拍攝影片可以當作生活的調劑和回憶的紀錄，目前的配備三軸可以有這樣cp值又便宜的不多，大家如果也買了發現有什麼密技也能和我多多交流就好了，期待大家的留言!
-------------------------------------------------------------------------------------------------------
來這找我～
每日眼妝與愛麗絲眼妝、眼影試色的 Instagram
https://www.instagram.com/tina4990/

♥ 踢娜的Facebook：

https://www.facebook.com/tinasbeautyway/

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

♥你或許還想看
新手入門 | 5支入手推薦眼影刷!使用心得+眼妝教學
https://www.youtube.com/watch?v=xYLef4AQ_yc&t=56s
5樣無限回購的大創好物推薦! 拯救虛弱下睫毛，睫毛開花小道具教學!
https://www.youtube.com/watch?v=mUFVwDXDZeY&t=25s

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


♥聯絡我

F A C E B O O K / https://www.facebook.com/tinasbeautyway/
B L O G /踢娜的ON&OFF生活http://tinahuang4990.pixnet.net/blog

Thank you everyone for watching&enjoy my video.
I'm Tina from Taiwan ,and this video is Chinese language.

Thank you Youtube!
.....................................................................................................

♥拍攝器材

What camera do you use 相機: SONY C5
Music:
➫ Ozoh | Cantalope: http://bit.ly/2hedYQN
➫ DJ Grumble's Soundcloud: http://bit.ly/1ElnUag

馬祖風氣區管理處 空拍機性能測試

想最快看到最新影片
請訂閱~
小冰
https://www.facebook.com/Bboy.shaobin/

Once in a lifetime 團隊
https://www.facebook.com/Once-in-a-lifetime-%E4%B8%80%E7%94%9F%E4%B8%80%E6%AC%A1-%E6%B4%BB%E5%8B%95%E5%9C%98%E9%9A%8A-913634415380449/


DJI Mavic Pro 智能飛行篇


外觀部分
Phantom 從第一代就延續了一致的四軸設計風格，也因為只有白色，所以 Phantom 也被暱稱為“小白” 空拍機，Phantom 4 這次當然還是延續了主要 Phantom 系列的設計風格，但明顯因為電池容量加大而相對前幾代肚子變大了，因為肚子變大相對四個軸也變得更加短小，而加高的四個馬達除了對於動力有所提升，也讓槳轉動時對相機的干擾也相對變小，但可惜的是腳架還是延續舊有一貫設計無法收起，所以當然雲台也只能俯仰而無法左右旋轉，畢竟上面還有老大哥 DJI Inspire 系列需要尊重一下。

另外原本霧面的白色在 Phantom 4 看來也改成亮面Glossy，這對拍攝者會產生反光效果，還有亮面應該比較容易刮傷，看來飛機的包膜生意會很好。

而重量部分 Phantom 3 是 1280g, 這次的Phantom 4 微幅增加100g到 1380g,當然電池應該貢獻不少重量。





動力系統
Phantom 3 的動力系統是水平 16m/s，垂直上升與下降5m/s & 3m/s，Phantom 4 也增加了一個運動模式提升動力到 72Km/h, (20m/s)，垂直上升與下降也提升到各為 6m/s & 4m/s，是一個把空拍機拿來當 FPV 競速機來操的概念，但如果空拍還是建議回到一般模式，免得飛太快避障系統來不及反應喔，另外槳的部分也改用快拆槳的設計更加快速與安全。


電力部分
Phantom 3 使用的是 4S 15.2V 容量為 4480mAh的智能電池，可以飛行時間是23mins，這次 Phantom 4 一舉將電池放大為 15.2V 5350mAh的智能電池，在新的視覺定位與避障系統 (共五個相機)應該更費電的狀況下，飛行時間小幅增加五分鐘延長到 28 mins，這讓原先猜測 Phantom 4 可以飛行到 35mins 的人應該會有點小失望。


相機部分
Phantom 3 的採用的相機是 Sony Exmore BSI 1/2.3" CMOS傳感器，鏡頭為F2.8定光圈，最高可以錄製 4K影像 30f/s，Phantom 4 看來沒有很大升級還是維持 1/2.3" CMOS傳感器，鏡頭為F2.8定光圈，最高可以錄製 4K影像 30f/s，而主要的改變是支援 1080P 120f/s 拍攝，當需要拍攝一些慢動作運動或風景畫面很好用，向 GoPro 致敬。


雲台部份
Phantom 4 雲台系統最大改進是採用雙臂設計，主要考量應該是比較強固也更穩定，畢竟已購買 Phantom 3 的消費者撞壞雲台而破費維修的不在少數，看來售後維修部門的 Big Data 有用在產品設計部門改良。另外新的雲台外觀也看不到類似舊的四個防震球的機構防震，到底是取消還是藏在內部還要再觀察，不過整體防震效果應該是要更優的。




視覺定位系統
Phantom 3 的視覺定位系統外觀有點不太協調，像是一個硬是外加的模組，這次 Phantom 4 把視覺定位系統重新設計，整合性更佳，也把本來兩個超音波定高與一個相機定 XY 軸設計變成兩個相機的“雙目”視覺定位，當然辨識效果也更好了讓室內戶外也更安全，原本辨識高度為30~300cm, 速度最高8m/s 提升到辨識高度為10m, 速度最高10m/s。



圖傳部分
Phantom 3 使用的是大疆獨步全球的 LightBridge 技術，可以最遠到 5000m外傳輸 720p 30f/s 影像，這次 Phantom 4 的圖傳看來沒有提升，畢竟後面的追兵對此項規格還很遙遠。

遙控器部分
Phantom 4 此次遙控器採用與 Phantom 3 相同的設計，畢竟前一代遙控器質感不錯，也沒有必要改變，但能不能與 Phantom 3 共用而只買飛機？以大疆的策略上應該不會這樣做幫消費者想？(根據原廠說明把 P3 P-A-F 模式在 P4 改成 P-S-A S:Sport)



避障功能
避障系統應該是此次 Phantom 4 最重要的功能，也是今年無人機的發展重點，包含對手零度 XPlorer 2 與 Yuneec Typhoon H 都提供類似或不同技術的避障功能，Phantom 4 主要提供的是前方雙鏡頭60度避障礙物偵測，有效距離為 10m，當然障礙物必須是很明顯的大面積物體，一般對於電線，繩子等可能就無法偵測了，另外當然側飛或倒著飛也無法避障，360度避障礙物可能要等到更高階或下一代的產品了。


其他功能
智能飛行這次新增了視覺追蹤 (ActiveTrack) 功能，過去是用手機或遙控器GPS來做 Follow Me 跟隨功能，這次 Phantom 4 可以直接利用相機鎖定人物來跟蹤，所以被跟蹤對象就不一定要拿遙控器，大幅增加拍攝移動人物的方便性，不過最先導入這項技術可是零度喔，實際測試過程中人物移動太快當然也會跟丟喔。


另外這次有把指南針與慣性單元 IMU雙重設計，避免一組損害時另一組還可正常運作，只是如果兩組都受干擾時呢？

指點飛行 (TapFly) 功能是可以利用手指在螢幕滑動直接控制飛機飛行方向，最神的是遇到障礙物可以懸停或自動拉高避過障礙物喔！