來囉~來囉~👏
#開始預購登記!!
時間很緊迫喔
下禮拜三我要開始休息了
沒登記到的朋友們只能說抱歉了😅

昨天跟大家報告過了
這次的新品讓我們很燒腦
☝像這樣可調整的推車
為了克服骨架的支撐度
一般都是採用鐵或鋁製
為了達到質感與實用並存的目的
👉我們堅持使用實木來製作
經過幾個月的測試、修改
終於才誕生這樣獨一無二的推車🎉

因為太費工了
先試做一批看看
若是工錢不划算
以後就不再做了呦🤮

如果問我們為何堅持要做可調角度的推車呢?
因為啊~~
固定式的推車外面已經一大堆了不是嗎?

☝還有還有…
大家有沒有覺得階梯式
在視覺上就是有種無法形容的魅力…
但是又比較占空間
所以可以收合收合
就是一兼兩顧摸蜆兼洗褲的概念🤣

👉還是老話一句
買我們家的作品意義是什麼?
#就是希望大家當收藏品帶回家
保證這輩子你不會跟別人撞衫(推車)😤

💡可調式三層推車
📌尺寸: 請參考圖表
📌材質:全座使用高等級無結松木
(木箱底板為合板，雙面都貼實木皮)
📌輪子:採用高質感的進口雙軸承靜音輪

🚩功能一:
除了一般直立使用以外
還可隨需求調整角度
傾斜角度共有三種選擇
#連原本直立的總共就是四種變化

🚩功能二:
考量每個人的置物需求不一樣
#所以中間的木箱是可以調整高度的呦～👍

🚩功能三:
木箱前方都有內崁入一個強力磁鐵
除了可加購特製尺寸的凸牌以外
家裡有冰箱磁鐵等等也可以吸
這樣讓大家在物品分類
或是隨心情可變換圖案
#增加許多樂趣😁

❤❤❤❤❤❤❤

這樣多功能原創等級的實木製推車
原價是5600
團購價只要2980元😱
(原木無漆款)
運費210
真的是太佛心了啦😭

不想動手DIY的另有加價噴漆選項
+650元
🔻

全透明色
全白色
全粉紅色
全柚木色
全蜂蜜色
全棗紅色
全胡桃色
透明+白
粉紅+白
柚木+白
蜂蜜+白
棗紅+白
胡桃+白
(雙色不加價)
顏色請參考圖片說明

📌前方實木凸牌共有9種款式
一個是50元(原木無漆)
可讓大家自由選擇加購
(不限數量)

☝建議大家可以用書局買的壓克力顏料
自己上喜歡的顏色
很簡單又色彩多元
裝飾起來會更好看

凸牌若是要我們代噴漆也可以
噴漆一個是+10元
這都是純服務不賺錢的
請務必備註清楚款式及顏色讓我們好作業喔

🔻🔻🔻🔻🔻🔻🔻

💡預購團
不需要先匯款
先登記統計製作
#完工才通知匯款出貨
原木款完工期大約在10月底左右
噴漆款需要再等1-3星期

參與預購請留言
數量、顏色、加購凸牌請備註款式還有顏色

留言示範:🔻
推車+1(白色)，加購愛心凸牌三個(粉紅色)

請大家務必寫清楚一點
讓我們清楚辨識
#若沒有備註顏色一律登記原木

有留言的我們稍晚都會傳訂單給大家
#請勿留言後又私訊
#避免重覆登記喔

新朋友加入請先爬過置頂文章
相片下勿留言以免漏訊
謝謝大家🙏

在不到四年的媽媽職涯中，我用過超過十台推車
這台LOVON GENIE輕旗艦推車絕對在前兩名👑
⏰超殺團購價：https://lihibaby.com/h8n9i
👶使用心得：https://disni.pixnet.net/blog/post/45055916

【 #推車是必備品不能將就】

從豆豆出生到現在，只要我們出門一定是帶著推車
所以推車對我們來說真的是不可或缺的好幫手
而用過超過十台推車的我，對於推車的使用相當的有心得
願意開團來推薦給你們，請相信絕對是好用的推車😏

🔺LOVON GENIE輕旗艦推車🔺
◩ 0~36個月都可以坐
新生兒就購入絕對最聰明！
建議重量是15kg，豆豆目前3y11m剛好15kg
乘坐上一樣很順暢沒有問題

◩ 可單手調節椅背✨
這絕對是最愛的優點之一！
以往的推車都是拉繩設計居多
收或放其中一個，一定會需要用到雙手
單手四段式機械調節，95度～175度
睡眠模式到舒服坐姿都沒問題

◩ 單手秒收，一甩即開
另一個推車必備的就是單手秒收功能！✨
按下收車鍵後下壓，即收車完成
同樣的按下後，一甩即展開
另外有背帶設計，短距離移動非常便利

◩ 全罩式遮陽棚
推車必備！
避免風大、太陽大時讓寶貝不舒服😢
UV50+遮陽、防風、防潑水
另有隱藏式天窗設計

◩ 輪子夠穩好推
車輪的滾珠軸承特別設計過
滑順好推可以應付各種顛簸路面
不論是磚路、沙路、石頭路、上下坡，通通沒有問題
另外搭載四輪懸掛彈簧避震，穩定性很夠
前輪360度轉向，寶貝乘坐時也很平穩不會大晃動

◩ 頂級工藝布料，親膚柔軟、透氣性夠
◩ 全手工縫製皮革扶手、座椅加寬37cm
◩ 五點式安全帶，另有護肩及護胯
◩ 直覺性踩煞
◩ 大空間置物籃，吸鐵式固定可打開
◩ 霧面烤漆鋁合金支架，全車6公斤
◩ 貼心杯架設計

㊙️廠商超殺新品價不到5000元！

⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯☄
⏰超殺團購價：https://lihibaby.com/h8n9i
👶使用心得：https://disni.pixnet.net/blog/post/45055916

#團購 #團購優惠 #推車 #寶寶推車 #新生兒推車 #輕型推車 #秒收推車 #單手秒收 #LOVON

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

新頻道成立！歡迎訂閱及加入：
【游泳私房話】YouTube：https://www.youtube.com/channel/UCWfGGxRvTJwgZz6Wak2zalw
【游泳私房話】FB社團：https://www.facebook.com/groups/swimmerprivatetalk
－－－－－－－－－－ AMG 50週年鉅作 綠色地獄猛獸降臨
Mercedes-AMG GT R震撼出閘

Mercedes-AMG GT R於素有綠色地獄之稱的紐伯林賽道達成7:10.9之單圈成績，締造量產前置後驅跑車最速紐柏林單圈成績，將GT車系性能再度推向極限。
專屬的紐伯林消光綠車漆呼應淬煉自綠色地獄的血統，搭配上源自300SL的經典 Panamericana直柵式水箱罩、AMG主動空氣力學進氣格柵、大型尾翼與競技氛圍滿點的駕駛艙，讓Mercedes-AMG GT R不僅有著最剽悍的性能態勢，更是賽車科技的火力展示。
以紐伯林賽道為研發基礎，延續AMG GT家族前中置引擎與Transaxle後置變速箱架構，動力輸出強化至585hp；搭配專屬底盤套件、後軸轉向系統、主動空氣力學、輕量化車身結構、9段式循跡控制系統等嶄新科技配備，為Mercedes-AMG GT R建構出硬底子性能態勢。

完全承襲AMG GT車系源自賽道更適用街道之定位，GT R為家族中最接近賽道風格的代表，身為首輛以最高比例移植賽道精髓的道路版跑車，Mercedes-AMG GT R根植素有綠色地獄之稱的德國紐柏林賽道，不僅外觀披上了專屬的紐柏林消光綠車色展現血統，更以高達585hp輸出的前中置引擎搭配Transaxle後置變速箱架構搭配專屬底盤套件，與Active Aerodynamic Profile主動空氣力學裝置與輕量化車身結構，於紐柏林北側賽道締造7:10.9之單圈成績，打破市售量產前置後驅最快單圈成績。

「AMG GT R擁有前所未有的駕馭極限，融合賽道基因與賽車工藝，具備淋漓的動態表現、精準的指向性與絕佳抓地力，不僅深入每一寸肌膚，更將沸騰您的血液。這是一款專為極限駕馭體驗而生的跑車，亦是我們運用智慧性能將賽道猛獸馴化為道路跑車的代表作。」 Mercedes-AMG GmbH總裁Tobias Moers如此說著。

誕生於綠色地獄 猛獸般之狂放外型

不僅擁有代表綠色地獄的紐柏林消光綠專屬車漆，AMG GT R更藉由賽車科技的導入，展現獨一無二的外觀設計。首先映入眼簾的是源自1952年Mercedes-Benz 300 SL經典車款的AMG Panamericana直柵式水箱罩，及輕量化碳纖維寬體前葉子板（較AMG GT/GT S車型加寬46mm，提供精確的轉向性與強大的抓地力。AMG Jet wing飛翼式前保桿更導入AMG主動空氣力學的進氣格柵與前下護板（對應車速可自動調降最多達4cm，於時速250km/h時可增加額外40kg下壓力），氣壩兩側輔以側翼輪拱對流孔，將賽車空氣力學完美運用。碳纖維車頂、碳纖維車外後視鏡罩、以及前葉子板雙側散熱孔上的亮黑色散熱孔飾片則構成AMG GT R側影的強烈識別特徵。車尾配備大型可調式碳纖維尾翼、寬體後葉子板(較 AMG GT/GT S 車型加寬 57mm)、消音器氣體散熱對流孔、輕量化碳合金消音器，與中出排氣系統結合側邊雙出隱藏式尾管，構築出最讓人震懾的背影。

競技風華 裏外兼具

滿漲的競技風格，同樣於AMG GT R座艙內全面展開。駕駛操控介面換上了含12點鐘標記的AMG高性能全DINAMICA平底方向盤；搭配AMG高性能賽車座椅，於激烈操駕時給予最紮實與直接的操控感與穩固的包覆性。並藉由橘紅雙色儀表樣式搭配黑色外框、AMG霧面碳纖維控台飾板、AMG碳纖維門檻飾板、黑色織布頂篷（亦可選擇黑色DINAMICA車內頂篷）、與多處的亮黑色飾板點綴的AMG內裝夜色套件，將熱血與豪華質感完美融合。

除了豪華內裝選配，AMG GT R同時提供車主征服賽道的最佳準備，提供AMG賽道套件，包含輕量化AMG賽車桶型座椅、SCHROTH四點式安全帶、滅火器與霧黑色防滾架，讓車主更能將AMG GT R發揮到極致。

M178巔峰之作 0-100km/h加速3.6秒達成

AMG GT R所搭載的動力系統，是代號M178的AMG 4.0L V8雙渦輪增壓汽油引擎，不僅貫徹 “One Man, One Engine” 造車哲學，也擁有「hot inside V」中置雙渦輪設計、「NANOSLIDE technology」奈米鍍層、「zirconium alloy」鋯合金材質打造的汽缸蓋、乾式油底槽及 AMG 動態引擎腳等設計，更將渦輪增壓系統增壓值由原先的1.2bar提升至1.35bar，相對應ECU引擎監理系統也重新調校空燃比與正時控制，讓其最大馬力表現高達585hp/6250rpm，最大扭力為700Nm / 1900~5500 rpm，而AMG DYNAMIC SELECT駕駛模式則提供Comfort、Sport、Sport+、RACE、Individual五種階段，讓AMG GT R不僅擁有更易征服賽道的動態特質，也能依照個人駕馭風格，調整最適宜的動力特性。

Transaxle 後置變速箱設計，藉由輕量化碳纖維傳動軸與碳纖維扭力管相接AMG SPEEDSHIFT DCT 7速濕式雙離合器自手排變速箱，並強化M模式手動換檔的反應時間；對應RACE START超跑控制模式的進化，AMG GT R僅需於D檔靜止狀態全力踩踏煞車與油門即可執行（限S/S+/RACE模式使用），並可藉由換檔撥片依路面狀況調整起跑轉速，造就了0-100km/h加速過程僅需3.6秒成績，極速高達318km/h。

多樣賽車科技導入 成就極限駕馭快感

AMG GT R征服賽道的實力除了動力系統以外，底盤功力更臻關鍵。導入專屬AMG RIDE CONTROL跑車化懸吊，於雙A臂連桿、羊角與轉向節等處皆採用鍛造鋁合金部件，有效降低簧下重量，搭配萬向軸承設計的後軸下連桿、強化版後軸防傾桿，懸吊內的鋼製圈簧（彈性係數手動可調）與筒身皆採專屬設計，並提供C/S/S+三段電子阻尼係數調整功能。

制動系統方面，搭載AMG陶瓷複合材質高性能煞車系統，前402mm/後360mm陶瓷複合材質碟盤搭配前固定式六活塞/後浮動式單活塞卡鉗，擁有絕佳的抗熱衰退效果。再配上AMG後軸轉向系統，以時速100km/h做區分，100km/h以上前後軸轉向同步，以下則前後軸反向轉動，提供高速穩定、低速靈敏等雙重優點。ESP電子操控系統提供三種模式設定，包含最高動態駕馭穩定性的ESP ON、兼顧穩定性與駕馭樂趣的ESP SPORT HANDLING、最小電子輔助干涉性的ESP OFF等。AMG GT R更擁有源自於AMG GT3賽車的專屬AMG Traction Control 9段式循跡控制系統，提供駕駛可針對各種路況進行調整，打造極高自由度，徹底激發車輛操控極限。

除此之外，輕量絕對也是致勝關鍵，AMG GT R除了外觀可視的碳纖維材質外，針對前葉子板、底盤強化支撐件、扭力管外罩、傳動橋車體強化支撐件等處皆導入碳纖維材質，作為選配的AMG輕量化五輻雙肋式霧黑色鍛造輪圈，10J x 19與12J x 20尺碼的前後輪分別僅重8.3kg、9.8kg，更展現AMG GT R於輕量層面所下的功夫。

◉ 訂購 剛剛好水餃：https://shopee.tw/privatetalk

網站：http://www.autoprivatetalk.com
FB：https://www.facebook.com/harry.liaokang
社團：https://www.facebook.com/groups/autoprivatetalk
主講人/剪輯後製/企劃：廖剛
註：不會有字幕(我手邊沒有人力)(但你有興趣也可以幫我上字幕)、不要用粗話罵人～