熱門Ptt文章

[爆卦]新電腦必裝軟體2023是什麼？優點缺點精華區懶人包

雖然這篇新電腦必裝軟體2023鄉民發文沒有被收入到精華區：在新電腦必裝軟體2023這個話題中，我們另外找到其它相關的精選爆讚文章

在 新電腦必裝軟體2023產品中有7篇Facebook貼文，粉絲數超過3,992的網紅台灣物聯網實驗室 IOT Labs，也在其Facebook貼文中提到， 5G與邊緣互為體用 體現完美分散式運算 讓網路智能邁向邊緣網路 【作者： 籃貫銘、王岫晨】 2020年07月31日 星期五 分散式的概念由來已久，尤其從有網路以來，資料的運算和儲存架構就不斷的朝向「去中心化」發展。到了物聯網時代，這個模式更成了理所當然和不可或缺的系統建置架構。 ...

「新電腦必裝軟體2023」的推薦目錄
  • 台灣物聯網實驗室 IOT Labs

    新電腦必裝軟體2023 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2020-08-23 21:27:11
    有 1 人按讚

    5G與邊緣互為體用 體現完美分散式運算

    讓網路智能邁向邊緣網路

    【作者： 籃貫銘、王岫晨】 2020年07月31日 星期五

    分散式的概念由來已久，尤其從有網路以來，資料的運算和儲存架構就不斷的朝向「去中心化」發展。到了物聯網時代，這個模式更成了理所當然和不可或缺的系統建置架構。

    最初，分散式運算（Distributed computing）的提出，就是一種基於多計算機以網路連接的運算系統。基本上就是使用一組電腦，透過網路互相連結並通訊，之後運用軟體的控制機制，讓它們形成一個大型的運算系統，已完成更大的運算目標。

    也因此，這種形式的系統運作思維，就是要把一個需要大量計算的工程資料，分割成諸多小塊，再分給多台電腦個別去計算，接著再上傳運算結果，最後統一合併成資料結果。

    所以可想而知，傳統的分散式運算是站在降低整體成本的思維來進行，就目的而言，仍是集中式的思考，只是在運算手段上採用了分散的形式，著名的蛋白質藥物運算專案Folding@home，就是在這種架構下執行的一項任務。

    跳脫傳統框架 物聯網實現真正分散式運算

    然而目前的物聯網則完全跳脫了傳統的框架，它們本身就不存在一個被指定的巨大任務，因此在設計上就顯得更加自由，架構上當然也更加彈性，因此物聯網可以說是真正的實現了分散式運算的理念。

    首先，在本質上，物聯網就是一種去中心的架構，它透過有線和無線的網路系統，將各式的裝置連結起來。儘管在這個架構中，所有的裝置連結成一個大網路，但網路中的每個節點裝置都是獨立運行，有各自的功能與目標。

    連結成網的目的，則是要打破物與物溝通的藩籬，讓彼此的運行可以更緊密，同時應用的深度也更加貼近實際的需求。

    再者，從技術上看，物聯網裝置本身也需要一定的運算力，才能運行前端種種的功能，而且物聯網裝置經常會產生許多的數據，這些資料的處理、傳輸、儲存也會提供對端點裝置運算力的需要。也因此，分散式運算的功能在物聯網應用中更顯重要。

    而物聯網的分散式運算技術應用中，邊緣運算則是當前最受關注的一環，它可以說是實現智慧物聯（AIoT）應用的關鍵技術，甚至也是把人工智慧帶進人們日常生活的重要技術，因此，包含AWS、英特爾、NVIDIA與Microsoft等大型的科技公司，紛紛鎖定邊緣運算的技術與應用，最為其在物聯網時代的主要服務項目，積極投入邊緣晶片與邊緣平台的開發。

    根據市場研究公司technavio的研究，全球2019至2023年全球邊緣運算市場的年複合成長率（CAGR）將近41%，市場規模將達到57億美元。而其主要的驅力則來自於對於「去中心化」的運算力需求，藉此減低因數據傳輸路徑過長所造成的決策延遲。

    另一方面，萬物聯網的時代，必然出現數據資料量爆炸性成長的情況，這不僅考驗網路基礎建設與傳輸技術，同時數據的儲存與隱私問題也會變成發展的挑戰。也因此「分散式儲存」和「分散式帳本」的技術與應用，也將隨之而來。

    而隨著全球5G陸續啟用之後，尤其是5G的低延遲與大連結的技術，更是有助於提升分散式運算的性能，對於上述種種的分散式運算技術與應用，將會刺激其進一步的加速發展，並成為未來幾年內重要的市場成長驅力。

    分散式運算的最佳體現

    提起分散式運算，智慧手機算是最典型的一個代表產物了。越來越強大的運算功能，可以由使用者隨身攜帶，真正做到隨時隨地、不同空間的異地運算。特別是隨著5G問世，更大的通訊頻寬，使得更為強大的分散式運算成為可能，並開啟更多全新的應用體驗。我們可以說，去中心化的邊緣運算，就是實現分散式運算的最佳體現方式。

    Marvell 首席架構師 George Hervey指出，當我們邁向「始終在線，始終連接」（Always On，Always Connected）模式的更進階階段時，智慧手機已經成為生活中不可或缺的一部分。我們的手機提供即時的資料和溝通媒體存取，這樣的存取方式影響我們的決定，最終左右我們的行為。這便是分散式運算的全新意涵。

    思科預計，到了 2022 年，全球行動網路將會支援超過 120 億部行動裝置及物聯網連線。而這些行動裝置將會支援更多元的功能。如今，我們的手機已然取代許多小工具並提供諸多服務。如果您的手機可以提供 Apple Pay、Google Pay 或執行電子支付，那麼便無需隨身攜帶皮夾。如果手機可以開車門並且啟動汽車，或是可以打開車庫的門，那麼就無需隨身攜帶車鑰匙。目前，應用程式已經涵蓋即時串流服務，可提供 VR/AR（虛擬實境/擴增實境）體驗和即時分享等服務。未來的服務和應用程式似乎可以滿足無限的想像，不過它們的發展需要新世代資料基礎架構的支援與協助。

    對於邊緣智能的需求

    網路連線能力和流量成長都在持續提升，原因是新型數據密集應用程式的採用率的提升，造成對頻寬以及更高智慧基礎架構的需求。這樣的基礎架構可以透過智能辨識特定的應用程式和基礎架構需求，並且在必要時提供邊緣的處理作業。隨著Multi-Gigabit 乙太網路和 400GE 骨幹連線的進步，網速也獲得提升，但最新的 5G 和 Wi-Fi 科技可用頻寬卻持續造成回程傳輸中的瓶頸。

    George Hervey說，邊緣處理有助於避免大量資料跨網路移動。這種更高階的網路智能可以讓網路在無須使用者介入的情?下提供複雜的軟體定義基礎架構管理、管理推論引擎、應用相關策略。最重要的是可提供主動式的應用程式功能。 透過使用具有低延遲性、高可靠度和安全性的基礎架構提供幾乎即時的互動式平台，使用者體驗將會獲得提升。

    伴隨對頻寬的需求迅速激增，該怎麼有效在大範圍內解決這個問題呢？在平行處理雲端資料中心時發現，要擴展並處理新增的頻寬和大量節點，可以在網路邊緣新增處理作業。這個方法可以在資料中心完成，方法是透過使用智慧網卡（smartNIC）從伺服器卸載複雜的處理工作，包含封包處理、安全性、以及虛擬化。 另一個相似的方法可在電信業者網路中達成，方法是透過部署位於邊緣的SD-WAN/uCPE/vCPE提供智能服務並減少連線成本。然而，這個方法在企業網路中會出現問題，因為企業網路需要多樣功能的端點，而第一個一致功能需求位置出現在網路的存取層。

    結語：利用AI

    如果使用傳統方式在企業網路中部署服務（例如集中式防火牆和驗證伺服器），還會遇到其他挑戰。按照預期，會有更多的裝置需要存取網路，而且每部裝置會需要更多頻寬。這種情況下，這些傳統方式的限制會造成瓶頸。如果要解決這些問題，必須真正實現網路邊緣處理，讓處理作業貼近需求端，並且更加智能。 網路 OEM、IT 基礎架構擁有者和服務提供者，都必須在企業網路的存取層善用新世代的AI和網路功能卸載。

    附圖：圖一 : 5G與邊緣運算將是共生互用的緊密關聯。（CTIMES製圖；source：lanner-america）
    圖二 : 5G問世使得更為強大的分散式運算成為可能，並開啟更多應用體驗。（source: pxhere.com）

    資料來源：http://www.ctimes.com.tw/DispArt/tw/5G/%E9%82%8A%E7%B7%A3%E9%81%8B%E7%AE%97/%E5%88%86%E6%95%A3%E5%BC%8F%E9%81%8B%E7%AE%97/%E7%89%A9%E8%81%AF%E7%B6%B2/2007311411T5.shtml?fbclid=IwAR2OybGp6M7ELrGsybQlhJvBdK7hZdBWKmELLBKWYAKyaGatAwLpm8caRTQ

  • 台灣物聯網實驗室 IOT Labs

    新電腦必裝軟體2023 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文

    2020-08-23 00:30:00
    有 1 人按讚


    5G與邊緣互為體用 體現完美分散式運算

    讓網路智能邁向邊緣網路

    【作者： 籃貫銘、王岫晨】 2020年07月31日 星期五

    分散式的概念由來已久，尤其從有網路以來，資料的運算和儲存架構就不斷的朝向「去中心化」發展。到了物聯網時代，這個模式更成了理所當然和不可或缺的系統建置架構。

    最初，分散式運算（Distributed computing）的提出，就是一種基於多計算機以網路連接的運算系統。基本上就是使用一組電腦，透過網路互相連結並通訊，之後運用軟體的控制機制，讓它們形成一個大型的運算系統，已完成更大的運算目標。

    也因此，這種形式的系統運作思維，就是要把一個需要大量計算的工程資料，分割成諸多小塊，再分給多台電腦個別去計算，接著再上傳運算結果，最後統一合併成資料結果。

    所以可想而知，傳統的分散式運算是站在降低整體成本的思維來進行，就目的而言，仍是集中式的思考，只是在運算手段上採用了分散的形式，著名的蛋白質藥物運算專案Folding@home，就是在這種架構下執行的一項任務。

    跳脫傳統框架 物聯網實現真正分散式運算

    然而目前的物聯網則完全跳脫了傳統的框架，它們本身就不存在一個被指定的巨大任務，因此在設計上就顯得更加自由，架構上當然也更加彈性，因此物聯網可以說是真正的實現了分散式運算的理念。

    首先，在本質上，物聯網就是一種去中心的架構，它透過有線和無線的網路系統，將各式的裝置連結起來。儘管在這個架構中，所有的裝置連結成一個大網路，但網路中的每個節點裝置都是獨立運行，有各自的功能與目標。

    連結成網的目的，則是要打破物與物溝通的藩籬，讓彼此的運行可以更緊密，同時應用的深度也更加貼近實際的需求。

    再者，從技術上看，物聯網裝置本身也需要一定的運算力，才能運行前端種種的功能，而且物聯網裝置經常會產生許多的數據，這些資料的處理、傳輸、儲存也會提供對端點裝置運算力的需要。也因此，分散式運算的功能在物聯網應用中更顯重要。

    而物聯網的分散式運算技術應用中，邊緣運算則是當前最受關注的一環，它可以說是實現智慧物聯（AIoT）應用的關鍵技術，甚至也是把人工智慧帶進人們日常生活的重要技術，因此，包含AWS、英特爾、NVIDIA與Microsoft等大型的科技公司，紛紛鎖定邊緣運算的技術與應用，最為其在物聯網時代的主要服務項目，積極投入邊緣晶片與邊緣平台的開發。

    根據市場研究公司technavio的研究，全球2019至2023年全球邊緣運算市場的年複合成長率（CAGR）將近41%，市場規模將達到57億美元。而其主要的驅力則來自於對於「去中心化」的運算力需求，藉此減低因數據傳輸路徑過長所造成的決策延遲。

    另一方面，萬物聯網的時代，必然出現數據資料量爆炸性成長的情況，這不僅考驗網路基礎建設與傳輸技術，同時數據的儲存與隱私問題也會變成發展的挑戰。也因此「分散式儲存」和「分散式帳本」的技術與應用，也將隨之而來。

    而隨著全球5G陸續啟用之後，尤其是5G的低延遲與大連結的技術，更是有助於提升分散式運算的性能，對於上述種種的分散式運算技術與應用，將會刺激其進一步的加速發展，並成為未來幾年內重要的市場成長驅力。

    分散式運算的最佳體現

    提起分散式運算，智慧手機算是最典型的一個代表產物了。越來越強大的運算功能，可以由使用者隨身攜帶，真正做到隨時隨地、不同空間的異地運算。特別是隨著5G問世，更大的通訊頻寬，使得更為強大的分散式運算成為可能，並開啟更多全新的應用體驗。我們可以說，去中心化的邊緣運算，就是實現分散式運算的最佳體現方式。

    Marvell 首席架構師 George Hervey指出，當我們邁向「始終在線，始終連接」（Always On，Always Connected）模式的更進階階段時，智慧手機已經成為生活中不可或缺的一部分。我們的手機提供即時的資料和溝通媒體存取，這樣的存取方式影響我們的決定，最終左右我們的行為。這便是分散式運算的全新意涵。

    思科預計，到了 2022 年，全球行動網路將會支援超過 120 億部行動裝置及物聯網連線。而這些行動裝置將會支援更多元的功能。如今，我們的手機已然取代許多小工具並提供諸多服務。如果您的手機可以提供 Apple Pay、Google Pay 或執行電子支付，那麼便無需隨身攜帶皮夾。如果手機可以開車門並且啟動汽車，或是可以打開車庫的門，那麼就無需隨身攜帶車鑰匙。目前，應用程式已經涵蓋即時串流服務，可提供 VR/AR（虛擬實境/擴增實境）體驗和即時分享等服務。未來的服務和應用程式似乎可以滿足無限的想像，不過它們的發展需要新世代資料基礎架構的支援與協助。

    對於邊緣智能的需求

    網路連線能力和流量成長都在持續提升，原因是新型數據密集應用程式的採用率的提升，造成對頻寬以及更高智慧基礎架構的需求。這樣的基礎架構可以透過智能辨識特定的應用程式和基礎架構需求，並且在必要時提供邊緣的處理作業。隨著Multi-Gigabit 乙太網路和 400GE 骨幹連線的進步，網速也獲得提升，但最新的 5G 和 Wi-Fi 科技可用頻寬卻持續造成回程傳輸中的瓶頸。

    George Hervey說，邊緣處理有助於避免大量資料跨網路移動。這種更高階的網路智能可以讓網路在無須使用者介入的情?下提供複雜的軟體定義基礎架構管理、管理推論引擎、應用相關策略。最重要的是可提供主動式的應用程式功能。 透過使用具有低延遲性、高可靠度和安全性的基礎架構提供幾乎即時的互動式平台，使用者體驗將會獲得提升。

    伴隨對頻寬的需求迅速激增，該怎麼有效在大範圍內解決這個問題呢？在平行處理雲端資料中心時發現，要擴展並處理新增的頻寬和大量節點，可以在網路邊緣新增處理作業。這個方法可以在資料中心完成，方法是透過使用智慧網卡（smartNIC）從伺服器卸載複雜的處理工作，包含封包處理、安全性、以及虛擬化。 另一個相似的方法可在電信業者網路中達成，方法是透過部署位於邊緣的SD-WAN/uCPE/vCPE提供智能服務並減少連線成本。然而，這個方法在企業網路中會出現問題，因為企業網路需要多樣功能的端點，而第一個一致功能需求位置出現在網路的存取層。

    結語：利用AI

    如果使用傳統方式在企業網路中部署服務（例如集中式防火牆和驗證伺服器），還會遇到其他挑戰。按照預期，會有更多的裝置需要存取網路，而且每部裝置會需要更多頻寬。這種情況下，這些傳統方式的限制會造成瓶頸。如果要解決這些問題，必須真正實現網路邊緣處理，讓處理作業貼近需求端，並且更加智能。 網路 OEM、IT 基礎架構擁有者和服務提供者，都必須在企業網路的存取層善用新世代的AI和網路功能卸載。

    附圖：圖一 : 5G與邊緣運算將是共生互用的緊密關聯。（CTIMES製圖；source：lanner-america）
    圖二 : 5G問世使得更為強大的分散式運算成為可能，並開啟更多應用體驗。（source: pxhere.com）

    資料來源：http://www.ctimes.com.tw/…/%E7%89%A9%E8…/2007311411T5.shtml…

  • 台灣物聯網實驗室 IOT Labs

    新電腦必裝軟體2023 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2020-05-08 23:27:26
    有 3 人按讚

    AI演算法模型於交通運輸市場應用

    科技產業資訊室 (iKnow) - 何思穎、張小玫 發表於 2020年4月28日

    由於大眾對汽車及駕駛員安全、運輸成本降低以及自駕車發展的關注度日益提升，導致人工智慧（AI）在運輸市場中快速成長。2017年市場價值為14億美元，預計到2023年將達35億美元，2018-2023年的複合年均成長率（CAGR）為16.5%。AI在運輸業中涉及電腦視覺（computer vision）、深度學習（deep learning）和自然語言處理（natural language processing）。

    AI系統將會嵌入攝影機、雷達偵測（RADAR）感測器以及光達（LiDAR）等硬體設備，進而安裝在測試中的全自動駕駛車內，包括AI應用程式分為：人機界面（HMI）和先進駕駛輔助系統（ADAS）。AI產品分為軟體和硬體。2013-2017年以軟體主導了市場且預計2018-2023年期間也將持續主導地位，這要歸因於HMI應用程式中，軟體作為平台部署的情形成長，譬如Microsoft Azure。

    交通運輸之AI演算法模型，如下：

    類神經網路（ANNs）

    說明：類人腦之神經網路，透過先前的經驗和變化權重的資料點（data point）來做出決策。類神經網路可以透過處理大量資料解決複雜的問題，檢測非線性關係。

    用途：部份較複雜的全球定位系統（GPS）透過GPS、加速儀（accelerometer）和磁量計（magnetometer）搜集資料，利用類神經網路來決定運輸模式。類似於人類透過多個資料點的考量來「感受」距離。此外，在公共場合中應用類神經網路模型可以幫助預測公車抵達公車站的時間。

    類免疫系統（AIS）

    說明：該演算法的靈感來自於人類生物學，特別是人體如何對又稱為抗原的致病原（disease-causing agent）做出反應。AIS模擬了人體免疫系統的特徵抽取（feature extraction）、圖形辨識（pattern recognition）、學習和記憶。

    用途：AIS在圖形辨識、異常檢測（anomaly detection）、分群（clustering）、最佳化（optimization）、規劃（planning）和排程（scheduling）。工程師利用AIS創建了即時調整支援系統，以在網路受到干擾時，幫助公共運輸網路找到解決方案。

    模糊邏輯模型（Fuzzy Logic Model）

    說明：模擬人類的決策制訂而來的，模糊邏輯指定資料於0到1之間的數值以展現不確定性。該系統已經使用了30多年，最適用於條件模糊且每個動作的結果都是未知的情況。

    用途：模糊邏輯具有模擬曖昧且不明確的交通及運輸規劃問題的潛力，同時具備交通控制應用程式，因為模糊邏輯可以在十字路口發出時間訊號，決定汽車應該停留的時間長度。

    蟻群最佳化演算法（ACO）

    說明：該演算法模擬了蟻群的行為，就是螞蟻根據自己選擇較短路徑以及其他路徑的螞蟻透過費洛蒙分享經驗的選擇方式。該機制幫助螞蟻在兩點之間找尋最快路線。在電腦科學中，這個問題也被稱為旅行推銷員問題（Traveling Salesman Problem），其中一個推銷員必須拜訪X個城鎮，然後以最小的成本回到起點。

    用途：蟻群演算法可以用於選擇更好的公共交通巴士路徑，也可以用於沿途接客的共乘平台，如：Uber Pool。
    蜂群最佳化演算法（BCO）

    說明：與ACO相似，該算法以蜜蜂的集體覓食運動為例，體現了有組織的團隊工作、協作和緊密溝通。蜜蜂在蜂巢內的運動幫助科學家最佳化汽車的移動。

    用途：蜂群演算法可以用於最佳化旅行路徑，減少通勤時間、等待次數、延遲以及空氣／噪音汙染。如：AirB&B

    企業合資及併購活動方面，大型汽車OEM製造商正收購具技術取向的新創產業，並且從自動駕駛卡車及其他商業用車輛切入市場。譬如，特斯拉於2017年11月推出具有半自動功能的電動卡車（semi-truck）。此外，nuTonomy Inc.、TuSimple Inc.和Nauto Inc.等新創企業也正著手製造配有自動駕駛系統的商用車和客車。因此，製造商跨業整合會越來越多及著重安全性考量的自駕車技術，正在擴展市場的進步。

    附圖：圖、AI演算法模型於交通運輸市場應用
    圖、AI在全球運輸市場中價值成長

    資料來源：https://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=16578

你可能也想看看

搜尋相關網站