雖然這篇雲端遊戲缺點鄉民發文沒有被收入到精華區:在雲端遊戲缺點這個話題中,我們另外找到其它相關的精選爆讚文章
在 雲端遊戲缺點產品中有23篇Facebook貼文,粉絲數超過3,055的網紅玩遊戲不難,做營運好難,也在其Facebook貼文中提到, 🔎【遊戲新聞觀察】【梁世佑專欄】全球宅經濟升溫,為何中國遊戲正在 「跳過」台灣市場? . 原文連結:https://bit.ly/3lLl8eV . 昨天看到這則新聞, 提到疫情加溫全球宅經濟, 帶台灣遊戲業卻沒因此成長。 . 內文提到: 「根據行動數據研調公司App Annie的資料,2019年台...
同時也有286部Youtube影片,追蹤數超過2萬的網紅Wilson說給你聽,也在其Youtube影片中提到,#Geforcenow #台灣大哥大 #nvidia Nvidia Geforce now 實測! 文書機都可暢玩3A大作遊戲!! - Wilson說給你聽 這一兩年討論度最高的遊戲革新 就是雲端串流遊戲 過去呢 Wilson其實沒有非常看好雲端串流遊戲 不過就在最近 我的朋友居然花錢訂閱了Nvi...
「雲端遊戲缺點」的推薦目錄
雲端遊戲缺點 在 林凱鈞 Instagram 的最佳解答
2020-07-02 23:26:58
【凱鈞話趨勢—生活】露營營地怎麼選才住的舒服?精選全台露營者評價優質營地,周休連假嗨到不行! ⭐選擇露營地的5大要點 ❶露營地的海拔 露營新手可從500公尺以下的營地開始,低海拔的營地主要地勢平緩,交通便利, 有些營地為農莊改建,多附有遊戲區、戲水池、沙坑等,方便家庭出遊。要注意的是...
雲端遊戲缺點 在 Simon Shen 沈旭暉 Instagram 的最讚貼文
2020-04-28 12:14:42
[#隨緣家書📖] 小時候,很愛電腦戰略遊戲,因為一切策略、動作都可以化作計算,令人潛意識得到掌握全局的快感。可惜在現實世界,是不存在全知全能視角的,也沒有人能確知怎樣的公式能應對全局,這是現實主義的「黑盒定律」,令所有人都要估算別人的策略,同時作出自己的行動。 近日特區政府、國新辦、連登等就香港近...
-
雲端遊戲缺點 在 Wilson說給你聽 Youtube 的精選貼文
2020-12-20 23:49:53#Geforcenow #台灣大哥大 #nvidia
Nvidia Geforce now 實測! 文書機都可暢玩3A大作遊戲!! - Wilson說給你聽
這一兩年討論度最高的遊戲革新 就是雲端串流遊戲 過去呢 Wilson其實沒有非常看好雲端串流遊戲 不過就在最近 我的朋友居然花錢訂閱了Nvidia的Geforce Now之後 我就重新回去玩玩看目前的發展 其實出乎我預料的好 這一集就來介紹Cloud Game 雲端串流遊戲的原理與架構 並且以Nvidia Geforce now實測 並且分享給大家雲端串流遊戲的優缺點
時間軸
00:00 開場
01:18 雲端遊戲簡介 用過去的影片串流為例子
02:50 串流遊戲的興起
04:25 實測GeForce Now
06:28 雲端串流遊戲的架構
08:04 優點分析
09:12 缺點分析
GeForce Now:
https://www.nvidia.com/zh-tw/geforce-now/
GeForce Now 推薦路由器:
https://www.nvidia.com/en-us/geforce-now/recommended/ -
雲端遊戲缺點 在 #冰蹦拉icebonla Youtube 的最讚貼文
2019-09-23 21:30:01好久不見的雅格又出現啦!!這次的質感小宅非常適合單身貴族、小情侶居住,格局很方正漂亮但唯一小缺點就是單面採光,在空間預算有限的情況下雅格真的很威猛的發揮它最強的空間規劃超能力,劃分出了更衣室、主臥空間、工作區、餐廳、客廳區,每一個空間都各有巧思,趁這次有機會遇到屋主是我的讀者,願意讓我們拍攝跟大家分享這美麗的家,希望這集的內容能提供不同的方式當作大家裝潢自己家中時的參考唷。
這個建案威廉跟雅格拍的另一支片上線了,有更清楚的空間格局變動,可以到威廉頻道觀看唷:https://youtu.be/341mkSuL1vQ
一格空間設計
(我的設計師是雅格,她格局規劃超強!作品也超有質感還有得獎!)
作品:https://pse.is/HB9KP
【我家的裝潢跟設計都給我朋友威廉設計公司】
因為我跟威廉認識七八年啦~跟冰淇淋妹又是超好朋友!
完全不業配就是友情真心推薦,
你們不一定要找他,但可以從影片中學到不少裝潢技巧,
重點是他跟我的設計師雅格真的很強,裝潢也不馬乎,真心推薦!
有任何問題都可以打給威廉問~
他的電話是:0987-666-886
#新手買房 #冰蹦拉裝潢日記
=======
🔔喜歡我的影片歡迎訂閱我的頻道:https://pse.is/JMKB2
🔔記得開啟訂閱旁邊小鈴鐺,才可以及時收到影片通知唷~
=======
///這裡可以找到更多的冰蹦拉///
►blog: https://miha.tw
►fb fanspage: https://www.facebook.com/icebonla
►instagram:https://instagram.com/bonbonelephant
=======
【小資購屋筆記系列影片】
✨終於買到人生第一間房子!!!我看屋四年的小資新手買屋心路歷程
http://bon.piee.pw/E8MMW
✨新手驗屋注意事項!我的新家搶先看~順便來幫我決定裝潢
http://bon.piee.pw/JUSFD
✨存不到買屋頭款?我在35歲前快速有效率存到買房頭期款的方法!
http://bon.piee.pw/JRJB5
=======
【先前拍攝過的懶人理財影片】
✨3個不動腦存旅行基金的方法 懶人存錢 10分鐘理財小教室
http://bon.piee.pw/HC236
✨長途旅行出國玩帶多少錢?
http://bon.piee.pw/GE7FT
✨6個簡單好上手的理財APP 玩遊戲記帳/旅行分帳/善用網路銀行/雲端發票對帳
http://bon.piee.pw/JUVJJ
=======
※這支影片不是商業合作影片※ -
雲端遊戲缺點 在 阿洛ALuo Youtube 的最佳貼文
2017-12-04 08:00:00#スイクン #Suicune
# 16:02
這一期來玩一下水君!!,
我赫然發現他的招式對於部分pm,
在一開場其實蠻佔優勢的XDD
但是缺點是感覺就有點無聊了XDD
。。。
。。。
本遊戲為Nintendo Switch上遊玩,
一台約一萬多元,
寶可拳遊戲片約1500元
。。。
。。。
。。。
可以至FB粉絲團搜尋「阿洛ALuo」,
下載部分雲端gba檔案唷^^
(但是大部分改版下載連結都會放在該系列影片第一期)
https://www.facebook.com/ALuo.Pokemon ...
。。。。
。。。。
#阿洛
#ALUO
#神奇寶貝
#口袋妖怪
#寶可夢
#精靈寶可夢
#GBA遊戲
#綠寶石改版
#火紅葉綠
#神奇寶貝手機遊戲
#神奇寶貝網頁遊戲
#神奇寶貝電腦遊戲
#寶可夢手機遊戲
#寶可夢網頁遊戲
#寶可夢電腦遊戲
#switch遊戲
#口袋妖怪改版
#數碼寶貝
#GBA懷舊遊戲
#蒐集養成類遊戲
#阿薇Awei
。。。。
。。。。
阿洛的蝦皮拍賣
https://shopee.tw/aluoaluo
。。。。
#神寶拳 #スイクン #Suicune
雲端遊戲缺點 在 玩遊戲不難,做營運好難 Facebook 的最佳解答
🔎【遊戲新聞觀察】【梁世佑專欄】全球宅經濟升溫,為何中國遊戲正在 「跳過」台灣市場?
.
原文連結:https://bit.ly/3lLl8eV
.
昨天看到這則新聞,
提到疫情加溫全球宅經濟,
帶台灣遊戲業卻沒因此成長。
.
內文提到:
「根據行動數據研調公司App Annie的資料,2019年台灣手機遊戲下載次數為2.9億次,而去年雖然受到疫情影響,但下載次數不升反降,僅為2.7億次。」
.
我認為原因兩點:
1.去年台灣疫情控制得宜,真正在家工作的人仍是少數,如果後續調研資料有更新到今年數據的話,我認為數字應該會有所提升。
.
2.宅經濟有沒有成長,下載數是一個指標沒錯,但整體市場營收與玩家遊玩時長也應該納入評估,下載數只反映部份事實,而非全部。
.
另外文章提到另一個現象是中國遊戲跳過台灣,直接進入韓國與日本,甚至是全球市場。
內文提到「這些中國遊戲直接省略在台灣市場測試的時間,自然就讓許多靠代理遊戲為生的中小型營運廠商面對很大的挑戰。」
.
文章內分享之所以會跳過台灣主要有三點:
1.雲端伺服器與網路連線技術成熟
2.中國遊戲品質逐漸達3A等級
3.兩岸政治關係緊張,「乳滑事件」層出不窮
.
從標題加上整段文章看下來,
蠻容易會讓人誤會作者把2020年下載量下滑的原因歸咎到中國遊戲跳過台灣代理而轉向全球發行。
.
這樣的論證我認為有些薄弱,
第一、全球發行跟台灣下載數下滑沒直接關係,既然都全球發行了,就算跳過台灣,一樣可以拿到台灣的下載量。
→就好像《Coin Master》一樣,台灣也沒有代理商,甚至臉書粉絲專頁還全英文,但在台灣的下載量與營收一樣嚇嚇叫,因此如果有「遊戲全球發行、當地行銷公司推廣」,我認為有沒有當地代理不是問題。
.
第二、全球發行和給當地遊戲廠商代理各有優缺點,全球發行必須要有足夠技術團隊與營運團隊去支撐全球市場,以翻譯來說好了,就需要有足夠能力在地化,要像《原神》這樣全球上市成功是非常不簡單的,要各項都到位才有這樣的勢能,所以不是每間廠商都有能力這麼做,很多仍會打保險牌,一個一個國家分別上市。
.
第三、給當地遊戲廠商代理,也是一種商業模式的選擇,開發商既可以收取一筆代理金、上市的行銷費用代理商支付、上市後每月營收再抽取一定比例拆成,不但能夠省去大量的人力與開銷,也能讓開發公司專注在如何精進遊戲體驗即可。
.
因此整個看下來,
我認為文章內三點非影響下載下滑的主要原因,
另外代理和開發遊戲公司的比較先前文章有寫到,
就放延伸閱讀,不在此贅述。
以上是我看完這篇文章的心得,
如果有不同看法歡迎回饋與分享囉!
.
📖延伸閱讀:台灣遊戲公司分類
https://bit.ly/3lTS198
.
📖文章同步部落格:https://bit.ly/3CwBC0h
雲端遊戲缺點 在 Facebook 的最佳解答
想收到完整M觀點精華摘要嗎?歡迎訂閱免費電子報〔M報〕https://bit.ly/345gBbA
[ 微軟發表 Win11 ]
■ 微軟上禮拜發布了最新的 Win11,將成為最新一代的 Windows。
• 目前預計在今年底,大約是holiday season(從11月底到12月中)時正式發布,到時候 Win10 用戶可以免費升級。
• 這消息一公布,馬上被大家笑,為什麼?因為 Satya Nadella 曾經說過,Win10 將會是微軟最後一代的 Windows。
• 我猜Nadella原本計畫應該是,要搞到像 Office 365 訂閱制這樣,每年不斷更新,一直維持在最新版就好。
• 但為何Nadella食言呢?我認為有兩種可能。
• 第一,我覺得不同層次(layer)的軟體本來就不一樣,像作業系統這種很核心的東西,是很難一直用雲端無痛升級的。有些時候你要做出很大的調整,可能就會讓某些舊東西無法繼續使用,甚至有硬體配合的問題。而Office是在作業系統上的應用軟體,就比較能在雲端上不斷升級,也不會造成舊東西失效或硬體衝突等問題。
• 另一方面,也很可能跟商業策略有關。上周有聊到,Nadella最重要的策略是把微軟從Windows公司轉成雲端服務的公司。
• 微軟的說法是,Windows已經是我們這間公司的過去,不是我們公司的未來。但或許2020年以後的現在,微軟的想法可能又有點改變了,他們在商業策略上也可能會做出一些調整。用英文來說可能比較清楚: Windows is the past.....but maybe not yet.
• 那就來看看Win11這次發布了什麼東西吧。
■ Windows 使用介面的調整(UI / Live Tiles 動態磚)
• 第一個,可能是第一眼看到的變動,把一直以來預設在最左下腳的「開始」按鈕,移到下方列的中間,但使用者也可以自行調回左邊。
• 有些人認為這可能是致敬 ChromeOS + MacOS。我個人是覺得還好,因為我對於 UI 層級的改變沒有興趣,這只是一種習慣性的差異,對我來說只是雞毛蒜皮小事,根本沒差。
• 不過在UI方面,微軟有了一個大改變,正是終結了Live Tiles動態磚的概念,這算是一件大事。
• 這東西是從Windows Phone 7 開始引進的概念,到Windows 8 時開始搬到電腦上。
• 但實驗了幾年,可能認為這個概念無法真的讓消費者與市場接受。所以微軟決定取消動態磚。
• Windows 也正式取消了它們的平板模式(Tablet Mode),這可能是因為使用者太少,加上多一種模式可能製造更多的bug問題。雖然可惜,
• 但其實我覺得 Tablet Mode 是平板與手機的最佳操作模式,比iPhone跟Android的操作模式都好,可惜微軟沒辦法在這種操作模式上建立生態系。所以雖然可惜,但我認為確實是正確決定。
■ Teams / Skype
• 剛剛第一個使用者介面的調整,我覺得沒有那麼重要,但接下來幾個就蠻重要了。
• 第二個重點,是微軟要把 視訊會議與通訊軟體的Teams,整合進 Windows。以後電腦一安裝完,就會內建 Teams。
• 很明顯的,微軟是要放棄之前強推的 Skype,把公司的要進攻通訊軟體的主力,押寶在 Teams 上。
• 為什麼會做出這個選擇,答案很簡單,因為Teams在去年大幅成長,而Skype相對已經不在大家討論的核心裡面。這當然對 Teams 的推廣上會有很大的幫助。
• Teams 目前的主要使用場域,當然是企業內部的通訊應用為主,而且在很多公司內部根本就是最核心的軟體。當然不能用LINE,因為LINE只是消費級軟體,而Teams是企業級的。
• 現在微軟把Teams放到Win11,象徵性意義就是不只要讓 Teams成為企業內部的溝通軟體,還要把目標推廣到一般大眾生活通訊的使用,就像當年的 MSN Messenger ,或現在台灣人使用LINE這樣。
• 這個策略能否產生更廣泛的使用,還有待觀察。畢竟這年代要只靠內建,就打倒已經有生態系的應用的軟體 (像是ZOOM、LINE、FB-MESSENGER),其實沒那麼容易,而且Windows的影響力已經不如當年。
• 以前微軟的Teams只免費放在企業版的Windows裡,家用版是無法使用的。但現在微軟打算把Teams也內建到一般人常用的版本,就可以用來做生活上的溝通。
• 當年微軟做了一件很蠢的事情,就是放棄在全世界有很多用戶的MSN Messenger,改用Skype。如果當年微軟沒放棄MSN Messenger,我認為或許現在台灣最主流的通訊軟體就不會是LINE了。
• 不過 Teams 的確算微軟現在有競爭力的產品,所以我認為放棄 Skype,主打 Teams 的確是合理的做法。
■ 支援 Android App + Amazon App Store
• 第三個重點,也可能是這次 Win11 發表引起最大討論的點,就是Win11正式支援了Android App,會透過Amazon App Store在Windows上安裝Android App。
• 以前要這樣做,你需要另外安裝模擬器。未來直接透過Amazon App Store就能直接使用。
• 這個策略我覺得非常強大,一口氣大幅增強了 Windows 內部的軟體生態系。以後你可以在電腦上,直接使用大多數的 Android 應用,而且即使這些應用軟體沒有推出 Windows 版本,你也可以在電腦上使用。這就會讓你使用電腦時,不用分心另外用手機。
• 這件事對微軟有兩個意義,一個是會增強Windows作業系統的能力。另一個是,這將會大幅加強微軟在安卓生態系的話語權。
• 以前你推出一個 Android App,當然考量的主要是 Google Play 上的表現,換句話說,擁有話語權的是Google公司。
• 但如果你是Android App開發商,未來很可能你也會考慮在 Windows 平台上的收入。
• 很有趣的是,微軟這次挑選的合作對象,也是他的競爭對手,是AMZN 的App Store 來合作。其實這些科技巨頭彼此都是相互競爭的關係,你說微軟這次跟AMZN合作,是因為他跟GOOG關係比較差,跟AMZN關係比較好嗎,這倒未必,畢竟兩者在雲端市場可是超級競爭的。
• 不過微軟跟AMZN發現,他們在另一個戰場,可以採用與競爭對手結盟來打更強的競爭對手,也就是 GOOG 與AAPL。
• 而AMZN 在 APP STORE 生態系這塊,一直表現很普通,如今也可以透過跟 Windows 的合作來加強地位。也就是未來會多了幾億台的裝置,上面會安裝有AMZN 的App Store。這也會加強AMZN在安卓生態系的話語權。
• 其實在中國,安卓手機可以安裝很多不同的應用商店,因為中國沒有Google Play;但在歐美只有Google Play一家獨大。現在微軟跟AMZN合作,就讓Android體系終於有個能跟Google Play競爭的競爭者。這會讓歐美市場比較像目前的中國市場。
• 這件事對Android軟體開發商也是好事,這代表競爭會變得很激烈,未來Google Play無法再壟斷。如果微軟跟AMZN合作,未來能占到整個安卓生態系的20-30%,雙方就要競爭誰比較好。簡單來說,把AAS做大,可以增加安卓生態系開發商的利益。
■ 微軟也宣布了Microsoft Store的一些改變,這被認為是針對蘋果而來。
• 第一,在Microsoft Store裡面,非遊戲的應用程式可做到不抽成(不使用微軟的金流的狀況下)。對比之下,蘋果是要抽30%的。這對非遊戲的應用程式,當然是很強大的誘因。
• 這點我個人是很期待的。因為大多數的Windows軟體廠商,你要買他們的線上版軟體非常麻煩,除了要上他們官網下載,還要在另外輸入序號,這是非常老派的作法了。現在這個年代的做法,應該是開個應用程式商店,讓消費者直接在上面刷卡購買,日後換電腦也可以直接安裝。總之,現在微軟做這件事,對非遊戲的軟體開發商應該有很強的誘因。
• 微軟這次的做法,跟蘋果的App Store有個很大的差別是,他們開放外部付費。也就是說不強制綁定微軟的金流,甚至可以讓消費者連到開發商自己的網站上付費。
• 這對於Spotify 應該是最有感的,Spotify應該很痛恨他們在蘋果App Store要被抽30%這件事,巴不得使用者直接去他們網站訂閱。但在iPhone上的App Store,是沒辦法讓使用者外連到其他網站的。
• 還有另一件事,微軟Microsoft Store可以接受「AppStore within AppStore」,允許在他們的Microsoft Store裡,可以有其他的應用程式商店。這件事是被蘋果禁止的,所以你看不到App Store裡有Steam或Epic Games Store。
• 這基本上就是打臉蘋果,而且我認為會對蘋果造成蠻大的壓力。
• 我們必須把微軟這次Win11的發表,當成是微軟全面和蘋果開戰的訊號。
■ Windows as a platform
• Satya Nadella 這次就出來談平台這件事。他說,一個好的平台,是要能夠讓他的平台上能長出比平台更偉大的東西。
• 這很明顯是針對 AAPL 而來,會替蘋果在反壟斷上創造很大的壓力。畢竟,微軟都可以這樣做了,為何你不能。
• 也就是微軟要以一個開放性的平台(Open Platform),來挑戰蘋果的封閉性平台。
• 理論上,開放性平台這個大旗子,應該是GOOG要舉的,但GOOG很明顯在捍衛開放性平台這件事情上,沒有領袖風範。我覺得微軟這次的策略,會對手機與電腦軟體產業,會帶來很大的改變。
• Nadella就說,微軟未來開放的Win11,所有第三方廠商軟體,可以接觸跟微軟自家軟體完全相同的 API,所有的API都開放。這跟蘋果的差別待遇不同,因為蘋果有很多API是只有他們家的第一方軟體可以用。
• 這個思考是我覺得為何微軟重新把Windows當成他們核心的原因之一,他們看到了蘋果封閉型平台缺點的趨勢,而這個缺點是開放性平台有機會取而代之的。
• 這次微軟的幾個策略,也代表了微軟要重新回到平台戰爭裡。我認為相當有趣,而我也看好微軟,因為現在的微軟有很清楚的願景,它知道一個平台在開放時,能得到什麼利益。
• 這跟蘋果的封閉型平台策略,到底誰輸誰贏呢?我覺得可能不會有哪一方真正勝出,但開放性的概念,我覺得會很受整個生態系的歡迎。
(想看其他主題的重點整理嗎?歡迎訂閱M報)
https://bit.ly/345gBbA
雲端遊戲缺點 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
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