0721華爾街日報

*【羅氏的新冠療法Ronapreve在日本獲批】
羅氏公司表示，此番獲批是基於全球性3期REGN-COV 2067試驗的結果，該研究顯示，這種由casirivimab和imdevimab組成的抗體雞尾酒療法讓高風險、非住院患者的住院或死亡風險降低了70%。
https://tinyurl.com/yzoncs9g

*【Delta新冠變異病毒佔美國已知新冠病例的83%】
美國疾病控制與預防中心主任說，根據提交給該機構的新冠陽性檢測結果的基因序列，在美國被分析的新冠病例中，Delta新冠變異病毒佔83%。
https://tinyurl.com/yeldtvuo

*【新加坡與香港暫停航空旅行泡泡談判】
新加坡和香港將擱置關於可能的航空旅行泡泡的談判至少到8月底，理由是新冠病例增加引發的擔憂以及新加坡為遏制疫情推出的新舉措。
https://tinyurl.com/yfsfpb3y

*【新加坡因病例增加而進一步收緊抗疫限制措施】
最新措施包括將社交聚集和互動的人數限制從之前的五人降至兩人；將禁止堂食，只允許取走和外賣。
https://tinyurl.com/ygdsazzr

*【鑑於新冠病例再度激增，蘋果公司推後員工返回辦公室工作的時間】
知情人士的話報導稱，蘋果公司的員工至少要到10月份才會返回辦公室。
https://tinyurl.com/yjo6xqg7

*【美、德預計很快宣布就俄羅斯北溪2號天然氣管道達成協議】
美國和德國已經達成協議，將允許一條有爭議的俄羅斯天然氣管道完成建設。該協議為這兩個盟國之間多年的緊張關係畫上句號。
https://tinyurl.com/yhexgz6r

*【拜登政府公開指責與中國有關聯的駭客對微軟發動網絡攻擊】
拜登政府公開指責，與中國主要情報機構有關聯的駭客，今年對微軟電子郵件軟體，發起一次影響深遠的網絡攻擊，這是幾十個國家共同譴責中國政府惡意網絡活動的全球行動之一。
https://tinyurl.com/yg6b25su

*【美國本周料宣布政府與醫藥企業的260億美元鴉片類藥物和解方案】
知情人士表示，數千起針對主要製藥商和分銷商的鴉片類藥物危機訴訟接近尾聲，各州與四家公司之間260億美元和解方案概要，預計將在本周宣布，旨在解決紐約州部分索賠的10億美元方案可能在周二公布。
https://tinyurl.com/ydskecpz

*【卡斯蒂略確認當選秘魯總統】
在投票超過六周之後，選舉官員駁回了右翼對手對卡斯蒂略的欺詐指控，確認了卡斯蒂略的勝選結果。他是一名極左翼工會活動家，他的崛起引發秘魯政治建制派震動。
https://tinyurl.com/yfvb53gh

*【美國考慮若核談失敗則制裁伊朗對華石油出口】
美國正在考慮對伊朗向中國出售石油實施更嚴格的制裁，以此來鼓勵德黑蘭方面締結核協議，並提高放棄停滯不前的談判的成本。
https://tinyurl.com/yds3oy6n

*【美國股市逆轉昨日跌勢強力反彈】
標普500指數周二創出近四個月來最大單日漲幅，因為投資者紛紛買入在周一大幅拋售中下跌的股票。標普500指數上漲64.57點，至4323.06點，漲幅1.5%，創下3月26日以來的最大單日漲幅。
https://tinyurl.com/yfjvcckl

*【比特幣跌破30,000美元的關鍵支撐水平】
美國股市周二從前一日的大跌中強力反彈，但加密貨幣資產仍未脫離困境，比特幣跌破了一直受到關注的30,000美元關口。
https://tinyurl.com/yfa4aj7y

*【美國強制勞工禁令臨近，蘋果和耐吉的中國供應商避開新疆工人】
為蘋果公司供貨並生產銷往美國的其他產品的中國工廠，正在迴避來自新疆的工人，因為西方國家，正在加強對來自中國偏遠西北地區強迫勞工的審查。北京方面被控在新疆對當地少數民族進行種族滅絕。
https://tinyurl.com/yfaytb9n

*【貝佐斯成功完成太空飛行】
貝佐斯和三名乘客周二上午抵達太空邊緣並安全返回。這位億萬富翁商人希望這次為時僅10分鐘多一點的飛行能開啟人類太空旅行的廣闊新時代。
https://tinyurl.com/yhvv8yes

*【晶片短缺正波及智能手機生產商】
智能手機生產商通常提前半年左右採購重要零部件，但這些公司的零部件庫存目前已出現下降，導致智能手機發貨量放緩，客戶也遭遇了多年來的首次大幅漲價。
https://tinyurl.com/ygxgphow

*【私隱和安全擔憂推動全球出台更多數據保護措施，中國限制最多】
一項新的全球統計報告顯示，自2017年以來，各國政府為將個人數據和其他類型資訊保留在國內而實施的明確或間接措施數量增加了一倍多，達到144項。
https://tinyurl.com/yh7yrh6n

*【Netflix訂戶增長超過該公司預期】
流媒體巨頭Netflix第二財季新增會員150萬，好於該公司預期的100萬。不過新用戶增長較去年疫情期間的高峰繼續放緩。
https://tinyurl.com/yfcleatt

*【蘋果公司希望租用好萊塢園區來拍攝節目和電影】
據知情人士稱，蘋果公司告訴各房地產開發商，它希望在洛杉磯租賃一個大型製作園區，用於其不斷增長的娛樂業務。
https://tinyurl.com/ygjcmzgr

*【比亞迪積極採購六氟磷酸鋰，尋求確保電動汽車電池生產】
中國汽車和電池製造商比亞迪，近期一直在積極採購以確保鋰供應。比亞迪此舉的背景是，隨著中國對電動汽車需求的增長，比亞迪擴大了旗下的電動汽車電池業務。
https://tinyurl.com/yg8pzx4r

《MIT Tech 麻省理工科技評論》

* 【科學家利用甲烷菌生產合成橡膠原料異戊二烯，產量比同類細菌高出 179 倍】異戊二烯是一種非常有價值的石化產品，是生產粘合劑、合成橡膠等各種消費品的主要原料之一。

每年大約有 80 萬噸異戊二烯是從石油中提煉出來的。為了減緩氣候變化，盡量減少對化石燃料的依賴，相關學者一直致力於尋找替代的、可再生化學物質來源來生產異戊二烯，這些替代品包括酵母、大腸桿菌和藍藻等。

近日，內布拉斯加大學林肯分校的生物化學家尼科爾・布安（Nicole Buan）及其同事對一種甲烷菌進行基因工程改造後，能夠產生大量的異戊二烯，且產量遠遠超過了其他微生物。

產甲烷菌以釋放甲烷而聞名，這種單細胞微生物廣泛存在於人類和其他動物的內臟，以及海洋底部的深海熱泉等沒有氧氣的地方。

* 【閃電是如何給地球和其它地方帶來生命的？】在其它星球上搜尋生命的過程就如同烹飪，所有的素材都具備了 —— 水、溫暖的氣候、濃厚的大氣層、適當的養分、有機物以及能量源。然而，如果沒有一個可以促進這些素材相互反應的過程或環境，那麼你只能得到一些毫無用處的原材料。

所以說，有時候生命需要靈感的火花 —— 也許需要幾萬億個。一項發表於《自然・通訊》雜誌的新研究表明，在地球上生命首次出現的大約 35 億年前，閃電作為關鍵媒介合成了構成有機物的磷。磷是構成 DNA、RNA、ATP（所有已知生命體的能量來源），以及像細胞膜這樣的生物結構的重要物質。

* 【又一黑洞照片問世！偏振光下M87超大質量黑洞圖像公開】天文學家近日發佈了一張 M87 星系中心超大質量黑洞的新圖像，這張圖像是 2019 年第一張黑體照片的後續，但它更清晰，圖片中的偏振光描摹了這個超大質量黑洞的磁場線。

2019 年 4 月 10 日，事件地平線望遠鏡創造了歷史的新壯舉——發佈了有史以來黑洞的第一張圖像，黑洞看起來就像一個亮橙色圓圈，位於 5300 萬光年之外，由分布在四大洲的八個射電天文台拍攝到的。

* 【鋸末製成的生物塑料可在三個月內完全降解】

近日，耶魯大學研究人員將鋸末通過生物降解等方法打造成為了一種具有諸多優點的新型生物塑料，在保有高強度的同時，還能夠在三個月的時間內完全降解。該團隊已將有關這項研究的詳情發表在近日出版的《自然可持續》（Nature Sustainability）期刊上。 ​​​

* 【一個月內240顆衛星上天！SpaceX成功發射第23批Starlink衛星】美東時間 3 月 24 日凌晨 4 時 28 分，SpaceX 的「獵鷹」9-1.2 型火箭從佛羅里達州的卡納維拉爾角太空軍基地第 40 號發射台發射升空，將 60 顆衛星送入軌道。火箭發射大約 9 分鐘以後，將近 230 英尺高的一級助推器在位於大西洋的「我依然愛你」（Of Course I Still Love You）號回收船上著陸，返回地球。

火箭發射大約 1 小時後，二級助推器將繼續推進 60 顆星鏈衛星。所有的衛星都在近地軌道上運行。

* 【麻省理工學院通過觀察天體確定複雜碳環分子多環芳烴】

麻省理工學院天體化學家布瑞特·麥奎爾領導的團隊借助綠岸望遠鏡，在距離地球 430 光年的金牛座分子雲（TMC-1）中，確定了兩種獨特的多環芳烴（PAHs），其由幾個相連的六邊形碳環和氫原子組成。他們首次在星際雲中發現了能夠解釋生命起源的複雜含碳分子多環芳烴（PAHs），且濃度遠超此前預期，研究這些分子和其他類似分子可以幫助他們更好地瞭解生命在太空中是如何開始的。

* 【杜克大學開發出用於異常環境檢測的「蜻蜓」機器人】

杜克大學基於仿生學開發出一款名叫 DraBot 軟體機器人，長度僅為 2.25 英吋（5.7 釐米），可效仿蜻蜓在水面上滑行，在檢查是否有漏油、高酸度和其他異常情況有獨特優勢。該研究已發表在《先進智能系統》雜誌上。 ​​​

* 【iPhone 與 Apple Watch 可遠程評估心血管患者的虛弱程度】

最新研究表明，蘋果的 iPhone和 Apple Watch 可遠程評估心血管患者的虛弱程度。這項研究由斯坦福大學進行，並由蘋果公司資助。該研究將傳統的步行測試、使用 iPhone 和 Apple Watch 傳感器在門診測量以及通過應用程序遠程進行的步行測試進行比較。它還納入了被動收集的活動數據。

* 【美國科學家利用X射線對神經元進行無線調制，幫助治療和改善腦部疾病】

美國能源部阿貢國家實驗室的研究人員與四所大學的研究人員合作發明利用X射線對神經元進行無線調制的方法。該療法依靠光學和遺傳學的突破，通過注射納米顆粒來刺激大腦深處的神經元，有可能幫助治療慢性抑鬱症和疼痛。 ​​​

* 【新型高精度溫度計可為量子計算機快速測溫】

瑞典哥德堡查爾姆斯理工大學的研究人員開發了一種新型溫度計，借助其可以實現在量子計算過程中，直接以極高的精度簡單、快速地測量溫度。相關研究成果發表在《物理評論X》期刊上。 ​​​

* 【吃辣還有這好處？辣椒素能增加造血乾細胞動員能力！】血液癌亦稱血癌，就是我們平常說的白血病。白血病佔惡性腫瘤總發病數的 5% 左右，患有這類惡性腫瘤的人，需要先進行連續化療再進行骨髓移植，以用健康造血乾細胞代替受損乾細胞。我們都知道，交感神經可以調節造血乾細胞生態位，但骨髓中傷害性神經元的貢獻尚不清楚。

近日，阿爾伯特·愛因斯坦醫學院和北卡羅來納大學教堂山分校的研究人員在小鼠身上做了實驗，併發現兩個結果：1.傷害性感受神經元通過降鈣素基因相關肽（CGRP，Calcitonin gene related peptide，人類用分子生物學方法發現的首個活性多肽）的分泌可以誘導造血乾細胞動員；2.辣椒素觸發傷害性神經元的激活，從而顯著增強了小鼠造血乾細胞動員能力。

* 【歐洲核子研究中心 LHCb 實驗結果正挑戰物理學的領先理論】

歐洲核子研究中心 LHCb（大型強子對撞機）實驗的英國物理學家今天公佈了新的結果，測量出現了兩種不同類型的美誇克（又名底誇克）衰變，這些結果可能暗示了違反粒子物理學現有標準模型。美誇克通過弱相對作用，可以衰變為上誇克或粲誇克，但新的結果表明，這可能不會發生。

* 【特斯拉聯合創始人與Specialized合力，共同解決電動自行車電池問題】電動自行車既有摩托車的功能，又可以使用自行車的腳踏騎行。它以輕便、易操控、節能環保等優勢，成為越來越多人出行選擇。通常，當騎車人踩踏板或使用油門時，那些安裝在自行車下管或集成在自行車下管內的電池會啓動電動機。

但是，電動自行車的問題也日益突出。比如，當電池用盡時該怎麼處理，是直接將這些電子垃圾送入垃圾站，還是有其他更好的解決方案？

最近，美國第三大自行車製造商 Specialized（按市場份額標準）給出了不一樣的答案。它選擇與特斯拉的聯合創始人兼前首席技術官 Jeffrey Straubel 合作，目的是讓電動自行車的蓄電池通過回收擁有第二次生命。

* 【火星上消失的水源可能隱藏在地殼之下】數十億年之前，溫暖的火星上分布著湖泊和海洋。而在大約 30 億年以前，這些巨大的水體在火星表面消失得無影無蹤。多年來，科學家們一直認為，隨著火星大氣層的削弱，其表面的水分逃逸到了太空之中。

然而，這些水源或許並沒有一直向上逃逸，而是朝著反方向進入了地下。加州理工學院研究人員開發的新模型顯示，我們仍然有可能在火星的地殼下發現 30% 到 99% 的古老水源，相關論文被發表在《科學》雜誌上。

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

本集聊電Jing將簡單教各位如何更新微星主機板BIOS!
你需要先準備一支隨身碟，接著將下載好的檔案放到裡面
接著進入到BIOS的M-FLASH頁面當中讀取檔案
就可以完成更新了!
--------------------------------------------------------------------------------------------
◻️學習重灌/超頻之前 先來認識BIOS吧! UEFI 又是甚麼? | 聊電Jing
https://youtu.be/ZNW3fAvURkg

◻️97%使用者可能會用到的6個BIOS功能! 華碩 微星 技嘉 BIOS 設定教學 | 聊電Jing
https://youtu.be/DYibYk6W8rg

◻️為什麼電腦的主機板上都會有電池? | 聊電Jing
https://youtu.be/qnMi_dZILxE

◻️【聊電Jing】如何查看電腦的配備與溫度監控資訊? 11+3款電腦檢測軟體推薦 + 使用教學!
https://www.youtube.com/watch?v=Zmg3iEBP8rA

◻️6個新手最想知道的超頻問題! 看完馬上學會超頻SOP | 聊電Jing
https://youtu.be/htbMwzS6RbM
--------------------------------------------------------------------------------------------
碰到問題? 討論菜單或揪團約戰
快Jing來Discord吧! - https://discord.gg/WPxnySf

更多即時動態與貼文
都在FB粉絲團! - https://www.facebook.com/Jing94993

追隨我吧!
IG ／ https://www.instagram.com/jing4966
Twitter ／ https://twitter.com/xadcarry
bilibili ／ https://space.bilibili.com/302292951

#MSI #BIOS更新 #主機板

最近朋友要買二手筆電，
又很在意電池的蓄電狀況，
所以來問我有沒有方法檢測電池的健康情形，
跟大家分享兩種方法，
一種是使用Win10內建的電池報告，
另外一種是使用第三方軟體來檢測。

軟體的下載網址如下：
https://tinyurl.com/nbbatteryreport

分享家-羽
粉絲專頁：
https://www.facebook.com/HappySharerYu/

#筆電 #電池 #檢測