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

馬斯克的新創公司 Neuralink 在 8 月 29 號，進行了最新的研究成果發表會，個人認為這次的發表會非常有趣，很值得與各位分享！

【Neuralink 簡介】
Neuralink 這間公司目前致力於開發一種可以植入人腦的晶片，他們希望可以藉由這個晶片來治療一些與腦部有關的疾病，例如：失憶症、失聰、失明、憂鬱症、癱瘓、癲癇、上癮症…等等，若是真能實現的話，那真是人類的一大福音。

他們認為我們所有的感官知覺，像是視覺、聽覺、觸覺、痛覺，全都是一些電子訊號，當這些電子訊號透過神經傳至大腦時，我們就會感知到各式各樣的感受和情緒；相對的，一旦阻斷這些訊號與大腦之間的連結，我們便會失去那些感受和情緒。

簡單來說，這次 LINK v09 這款晶片就是大腦與外界之間輸入和輸出訊號的橋樑，透過橋樑輸入和輸出訊號的功能來解決腦部與脊椎病變帶來的不便。

-
我們回到這次的發表會上，這裡簡單跟大家分享幾個有趣的看點：

【微創手術機器人】
（一） 這次公開展示了一台全自動微創手術機器人，這台手術機器人可以以全自動的方式完成「在人腦上安裝、移除、更換晶片」的手術。
（二） 馬斯克表示整個手術會在一個小時內完成，而且執行完手術的當天你就可以離開醫院了。
（三） 不需要全身麻醉就可以完成手術。

【LINK v09 晶片】
（一） 公佈了最新一代的侵入式腦晶片Link v09，尺寸大約一個硬幣的大小。
在晶片末端有許多極細的絲線，這些絲線是用來連結晶片與腦神經的電極。展示中的影片顯示，在連結腦神經時因為電極很細小，所以可以避開血管，如此一來，幾乎不會造成內出血的情況，感覺比想像中的更安全！
（二） 具有無線充電的功能，距離最遠可達10公尺。
（三） 可以隨時監控你的健康數據，例如：血壓、體溫、突發心臟病...等等。
（四） 在未來如果你想要的話，還可以直接在腦中撥放音樂。

【三隻小豬】

（一） 三隻小豬中第一隻沒有植入晶片，第二隻在植入晶片後又將晶片取出，第三隻小豬目前已植入晶片兩個月，目前三隻小豬看起來都活潑健康。
這意味著在未來我們安裝晶片後後悔了不想用了，或是想要升級成最新款的晶片，都是可以自由卸下跟更換的，不會影響到你的健康。
（二） 因為豬的鼻子很靈敏，所以當小豬用鼻子探索環境時，腦中會產生許多電波，而這些電波就可以轉換成訊號傳進晶片裡，進而輸出到螢幕上讓我們看到。

【有趣的一些 Q&A】
（一） 未來可以透過這個設備下載記憶或是上傳記憶嗎?
ANS：可以。
（二） 未來可以直接在腦中召喚特斯拉嗎？
ANS：絕對可以。（這招用起來就很有鋼鐵人的感覺。）

-
當然啦！這種接上裝置來控制人腦的模式，還有很多倫理道德的考量需要討論，對人類會產生什麼威脅也有待商確。

不過同時我也想像了一下，像 Neuralink 這樣的公司未來如果真的上市了，在市場上會擁有什麼樣的優勢？

1. 因為是全自動手術機器人，可以降低醫生的人事成本。
2. 許多腦部和脊椎的病變是永久且不可逆的，這就等於多數的客戶都會為 Neuralink 帶來長期的現金流。
3. 植入的晶片就像 iPhone 一樣會不斷的更新，會不斷地更換。
4. 假如產品真的有效，客戶的留存率一定很高。
5. 詢問醫生朋友後得知，現今在心臟、腦部、脊椎方面的醫療費都非常昂貴，若未來 Neuralink 的產品真能降至馬斯克所說的價格，預計市占率會非常高。

其實某些點跟 ISRG 有點相似，如果真能實現，感覺會是下一個市場上追捧的新星。

-
除了抑制憂鬱、疼痛、修復癱瘓這類醫療用途以外，這項技術發展到極致，應用範圍或許會超出我們的想像！

像是既然記憶可以下載跟上傳，那所有的知識是不是也能直接打包上傳到大腦裡，這樣以後就不用上學了！想會什麼技能，就去下載檔案就好了！

或是未來人類可以直接用意識來進行溝通。

說到這裡，又想到老高影片裡常討論的問題，這個世界究竟是真實的還是虛擬的？

你們覺得哩？我們是不是活在虛擬世界裡？

-
所有照片接取自 Neuralink youtube 影片：
https://rayskyinvest.org.in/馬斯克人腦晶片

{{ 貳. 談談電吉他相關 }}_13

長久以來，因為工作屬性的關係，關於電吉他相關的所有週邊器材、對比正常的電吉他愛好者而言，我可能更著重在『數位模擬』的發展面向上，而不是非常熱衷於類比器材的追求；當然！我認為真空管音箱組加上優秀的效果器，絕對是非常迷人的音色首選方案，但如果我們的工作場域就是無法提供『讓真空管器材好好工作』的外在環境條件的話，『數位模擬器材』用於『解決客觀環境的障礙』來說，應該已經是近年來所有樂器製造商所不能忽略的主流思考了。

每一年對於各個樂器製造廠牌來說，最重要的技術發表與競技場合 --- NAMM Show，在今年年初可以觀察到的主要發展趨勢，是『IR』技術加載到所有你看得到的產品類型上，從包括『Suhr』所發表的 PT15 I.R. 音箱頭：https://www.suhr.com/electronics/amplifiers/pt15-ir/ ，到『Audient』所發表的 SONO 錄音介面：https://audient.com/products/audio-interfaces/sono/overview/ ，對於電吉他愛樂者、工作使用者來說，這種『類比混搭數位』的產品，在可預見的未來，可能只會越來越多，也因此，瞭解並熟悉『IR』的使用，應該會是新世代樂手無可避免的全新課題。

在『全數位模擬』的器材方面，『Kemper』與『FRACTAL』應該已經底定了高單價市場上的兩大技術門檻而分庭抗禮、各擅勝場；但在中、低價位的市場爭奪戰，我們不得不特別觀察到中國的幾家新興廠牌，已經將工業產品的完成度，提升到令人詫異的水平，而將原本的日系產品，驅趕到更低階、更入門的位置 (可以觀察一下 Zoom 所推出的最新產品 G1 Four：https://www.zoom-na.com/products/guitar-bass-effects/guitar/zoom-g1-four-g1x-four-guitar-multi-effects-processors )。而今年的 NAMM Show 中，最讓消費者期待的中價位器材，可能就是『Mooer』的 GE300：https://www.gearnews.com/namm-2019-mooer-presents-powerful-ge300-prototype/ 與『Hotone』的 AMPERO：http://www.hotoneaudio.com/news/297.html 了 (雖然另外一家『JOYO』也公佈了產品 Gembox 3：https://www.facebook.com/JoyoGembox3Effects/ ，但網路討論聲量好像沒有那麼集中)！從這兩家中國廠牌一釋出產品訊息開始，我就一直在注意這兩個產品的技術規格與完成進度；而 Hotone 更早就開放了網路預購，似乎意味著能夠比競爭對手更早將產品面市。果然，在春節之後，透過北京朋友的大力協助，我拿到了第一波預購的實際成品。經過幾天的實地操作之後，有一些粗淺的使用心得可以來分享一下。

[三. 電吉他相關器材測試]＿測試藍皮書_01 Hotone AMPERO

為什麼我覺得在中價位器材領域，『中國製造』已經將『日本製造』驅趕到邊疆去了呢？其實，從 AMPERO 的外包裝一直到產品本身的質感，我認為所有的工業設計與製作完成度，不用說臺灣了，連日本可能都無法以相近的成本去執行到這麼高的水準！可能要等到你親手、親眼拿到、看到 AMPERO 實體，你才能瞭解我的讚嘆 … 且不說它外表的黑色髮絲紋路烤漆的細緻，與幾乎與 iPhone 一樣大的觸控式螢幕的亮度、彩度了，我幾乎不敢相信按照 Hotone 的技術規格書 (http://www.hotoneaudio.com/downloads/manual/Ampero/MP-100%28Ampero%29_Online%20Manual_CN_V01_190119.pdf ) 所提到的所有硬體、軟體，可以建制在這麼短小輕薄的體積裡 (請參考它與前文所提到過的 TECH 21 RK5 的大小對比照片)！但他們真的做到了 ……

在這種『又眼紅、又忌妒、又讚嘆』的複雜心情下，我的測試筆記是：

1. 在電源方面，AMPERO 原廠所提供的 18V 500mA 數位交換式變壓器，很意外地讓本體在工作時會發出一種高頻的數位雜訊 --- 以 Zoom 的相關產品來說，如果你不是用原廠提供的變壓器、而是使用其他廠牌的數位交換式變壓器，也會發出這樣的雜訊，不過，只要是使用原廠所配置的就不會有這個問題；但 AMPERO 剛好相反 --- 我必須更換成類似在光華商場購買的數位交換式變壓器，才能將這個數位雜訊消除，這其實是一個令人費解的疑惑。

2. 如果多年前 Zoom 的產品就能做到『自定義的效果器序列』，那麼 AMPERO 在這個版本中的『固定式效果器鏈接』就顯得有點兒侷限了。雖然，原廠所設定的鏈接已經非常接近大多數吉他手在效果器盤的擺放順序與思考邏輯，也應該可以應付大多數的音色設計使用需求，但這種『想要多一點彈性』的奢望，我還是希望能在未來的韌體更新中可以被達成 --- 如果它不是來自於硬體限制的話。

3. AMPERO 是各國同類型產品中，少見的無法在『Preset』模式與『Stomp』模式之間切換的特例 --- 也就是說，你無法進入到那種『可以切換任一效果器 on/off』的 Live 使用慣性。但它提供了一個『CTRL』的切換鈕，依照使用手冊的說明，你可以從 AMPERO 的編輯頁面中去指定你希望切換的效果器族 --- 這樣的功能有點兒像是你用『Loop Switch』去『指定開關』一個或多個效果器，如果設定得宜，它可以讓你在同一個『Preset』裡呈現兩種不同的音色變化，搭配同一個頁面『Bank』的三組 Preset，可以很簡單地切換六種音色設定，就現場演出的需求來說，也還算應付得過去。

4. 在開始編輯 AMPERO 的音色之前，我建議應該要先讀過它的使用說明書。其實，從它附錄的中、英文使用說明書的敘述方式與遣詞用句來看，你可以很清楚理解到現今的『中國製造』與十年前的狀況真的是不可同日而語的進步了。我也必須說，AMPERO 的音色編輯能力與內容，已經不是單用直覺的方式就可以全部發揮的，許多個人化的設定，只要能對說明書按圖索驥，應該都可以達成希望的樣貌。官網同時可以下載電腦用的編輯軟體，而且都有中文說明；雖然是使用簡體字，但的確很能讓人一目了然。

5. 最重要的音色部份，我認為 AMPERO 所製作的 Drive Pedal 類效果器，效能都有非常好的水準 --- 這應該與前幾年 Hotone 所發展的『XTOMP』系列產品 (http://www.xtomp.com/xtomp/description ) 所建立的音色技術與資料庫有直接的關聯。同樣的原因，AMPERO 所提供多達 64 個音箱頭模擬、60 個箱體模擬與 10 種收音麥克風模擬的相互搭配、組合之下，我覺得 Mid Gain 以上的音箱頭音色，都有超出這個產品價位的表現。不過，在『數位模擬』技術上最難突破、最難讓消費者心悅臣服的 Clean Tone、Break 與 Low Gain 的這些音色表現上，如果單純要用單一的音箱頭音色來論，我覺得 AMPERO 就只能是『還過得去』的感覺 --- 主要是因為在最基礎、最重要的 Clean Tone 音箱頭模擬音色方面，你很難調整出讓你真的可以感覺得到『細膩動態』的音色平台 (奇怪的是，Hotone 在早年所研製的迷你音箱頭系列，特別是仿 Vox 的那個型號，其實動態表現是非常優異的 --- 也許，實體與模擬，終究還是有物理上的絕對限制吧？)；不過，如果先調出一個堪用的 Clean Tone 平台，然後搭配 Drive Pedal 去做認真的音色調配，我覺得還是可以整合出分數還不錯的 Break 與 Low Gain 的音色組合。

另外，我在調整 AMPERO 音箱頭的各種參數時，覺得這些的聲音基礎，在『觸感』上會很類似『Kemper』那種『音色快照』的特徵，就是那種雖然參數都可以調整，但調整超過一個範圍之後，聲音就會『迷失』、『模糊』了原有形體的感覺，反而會覺得沒有調整之前還比較好聽的奇特感。

在其他調變類、時間系與空間系的效果器表現上，我覺得 AMPERO 提供了一些還算有趣、但應該不算是『究極華麗』的元素；如果你對於這些類型的效果器有一定的要求，我想，你很可能只能把 AMPERO 當成單純的『前端型』音色組 (動態類效果器＋破音類效果器＋音箱頭＋音箱箱體收音)，而另外尋求其他高階效果器的支援了。

但我很想特別強調其中一個技術環節：AMPERO 的『麥克風收音位置』，是用了 X、Ｙ、Z 三軸的概念來體現收音時，麥克風與喇叭單體的相對 3D 立體空間位置，而這三軸的變量，應該是我在這類型中階價位產品中覺得效能最好的技術表現，你的確可以非常清楚地聽到參數改變時所帶來的頻率具體變化，搭配那 10 種製作水平也頗能表現各自特色的麥克風，以及適度調整 EQ 這個效果器，對於調整出自己希望的音色，它完全是游刃有餘地非常重要而有效的工具。

不過，雖然官方號稱可以同時啓用九種效果器組合的鏈接，但還是很容易發生『System Overload』的狀況，因此在音色的編輯上，要稍微去安排資源佔用的先後順位。

6. 就輸入、輸出端來說，AMPERO 提供了 EG、AG 與 Bass 的三種輸入選擇，也能夠搭載第三方 IR 檔案，也就是說，它可以同時應付這三種樂器的需求；而同時有 Stereo 平衡 (XLR) 與 非平衡 (1/4 inch) 兩種輸出端，對於『直送外場 PA』來說，已經做到足夠的硬體配置條件了。但我個人還是會希望未來在韌體的更新上，可以提供『XLR 輸出帶箱體/收音模擬、1/4 inch 輸出可自定義是否有箱體/收音模擬』的這種彈性選項，以滿足我在送完整訊號給外場的同時，我還是可以在內場用我希望的發聲方式來聆聽到我的聲音。

7. 就整體而言， AMPERO 是一臺需要你花一些時間去編寫音色的器材；對宅錄來說，這不是什麼特別的問題，但應用在 Live 演出來說，它比較需要針對每一首不同的音樂曲目去做出完善的『Program』--- 雖然這看起來比較花費時間，但應該很可以提高整個音樂演出的完成度。

8. 綜上所述，我覺得 AMPERO 做為職業樂手的『預備方案』器材來說，絕對是一個優選方案 --- 輕便到你可以任意塞在任何位置帶出門、上飛機，安全的國際電源，當你的第一方案不論是效果器盤或音箱掛掉的時候，它可以迅速直送外場，而且可以同時提供 EG/AG 都非常到位的音色；染色類的效果器族雖然不能說是上乘，但絕對足以解決所有臨時發生的狀況，而不會讓音色顯得呆板無趣 --- 而且在這個價位 (請參考掏寶上的標準店家報價： https://s.taobao.com/search?q=hotone+ampero&type=p&tmhkh5=&spm=a21wu.241046-tw.a2227oh.d100&from=sea_1_suggest&catId=100 )、這個體積與重量，我看不出有誰可以做為它的對手。

而對於電吉他玩家來說，這個 All in one 的設備，應該已經提供了所有在練習與現場彈奏，甚至到宅錄的一切需求，對於精進自己的琴藝來說，它絕對算得上是物超所值的理想選擇。

以上。

就我所知，這個器材應該在三月份會在市場上普及，臺灣也有代理商會進貨，我想，屆時在 Youtube 上會有更多的高手做出更完整的影音測試與評論。我只是很想表述：當今的中國樂器製造商，看的已經是世界的市場，製作的已經是國際化的工業水準了。之於『韓流』音樂席捲歐美市場，這些中國製造的器材，應該也會在國際間被各類型樂手更廣泛地接受與應用以及討論；反觀我們臺灣 ……

所以心情有點兒複雜 ……