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

《怎麽避免台式英文》

中文和英文這兩個語言，不論是文法，或是句子結構都差超級多。從中文直接翻譯成英文，就一定會產生聽起來很奇怪的台式英文。

舉例來說，妹妹在段考題中就看到一句寫 It made us shocked 雖然文法上是正確的，但聽起來真的很怪，完全不是母語人士會講的，比較好的用法應該是 It shocked us才對。

但假如你有學過日文或韓文就會發現，大部分的中文句子都可以直接翻過去，完全不會奇怪，像是「試試看」這樣的講法，在日文中就真的會加上「看」這個字(試して見る)

同樣的，歐洲的語系結構就都很相似！英文、德文、法文、西班牙文，只要精熟其中一個，學其他的就會輕鬆許多~

在德國的德文課，我們接觸到了語言學的一個理論：比如說，看到「氣球氣球」這個詞的時候，你腦中是不是就會浮現一顆氣球顆氣球的樣子呢？這就是語言中的核心概念。

而當我們學習一個新的語言時，我們應該要試著把單字直接連接於這個概念，而不是連於我們母語的那個詞彙。

簡單來說就是
✔️ balloon ➡ 🎈 .
❌ balloon ➡ 氣球 ➡ 🎈
.
這就是為什麼你應該改用英英字典！用英文解釋英文，可以讓你直接將單字和他的字義綁在一起 ，不間接通過中文這個一道手續。這樣，尤其在翻譯的時候，就比較不會寫出很台、讓人莫名其妙的句子了！

你的手機上有下載英漢字典嗎？有的話，拜託改成英英字典！

推薦的英英字典
▶️Cambridge 劍橋
有出一款初學者專用的Learner's dictionary，用最簡單的方式解釋單字！
.
▶️Merriam-Webster
不會拼的字可以透過語音輸入，會顯示各種可能的選項！而且手機版可以離線搜尋哦！
App内有單字遊戲，很難可是很好玩xD 是我等紅綠燈時的休閒活動。
.
▶️Google Define
最方便，Google輸入單字+ “define” 就可以了~
缺點是大多解釋得比較難 .
.
🔥🔥🔥這幾款也是阿滴 @rayduenglish 在幾年前的影片中有推薦的喔🔥🔥🔥 .
.
➡共同點：
有字義、例句、字根字首

#西班牙 #葡萄牙 #安道爾 #2019
#西葡安道爾詳細交通攻略含自駕
#文末附超實用交通小秘訣👍
#Cabify三趟都折三歐優惠碼秘訣
（主選單頁面找到Discount code輸入折扣碼按確定即可，可跟旅伴朋友互相分享折扣碼）
（以下的Cabify價格都是已使用3歐折扣的價格）
#自駕和大眾運輸攻略

📣2019西葡、安道爾最詳細最實用租車交通攻略之一💪
（分成1、2人和3-4人出遊）

🌅巴塞隆🌅

1-2人：
✈️機場到住宿、住宿到景點✈️
💰超激省方案💰
（怎麼覺得像電信廣告啊🙈）
走路+大眾運輸為主
（T10交通卡：10.2歐，可搭乘10次，可多人使用，第一航廈外的TOBACCOS商店有售，不好找，市區比較好買）
機場到住宿：46號巴士、N16/17/18夜間巴士、R2N火車
（使用T10卷，只要1.02歐）
住宿到景點：T10卷/走路
⚠️Metro L9機場地鐵不可使用T10卷
⚠️T10卷、單程票：75分鐘內免費轉乘其他交通工具

💆🏼‍♀️超舒適方案💆🏼‍♂️
爽搭Cabify、Taxi，不過有點貴

3-4人：
大眾運輸、Cabify(5-6人以上記得要選擇大型的6人座車款喔）
✈️機場到住宿✈️
💰超激省方案💰
46號巴士、N16/17/18夜間巴士、R2N火車
（使用T10卷，只要1.02歐）
剩下的路程再走路過去🚶🚶‍♀️

💆🏼‍♀️超舒適方案💆🏼‍♂️
（以下價格估算為住宿在擴展區或近西班牙廣場的交通費用）
機場到住宿：Taxi
（如果要搭Cabify要去三樓Departure離境大廳那找往停車場的出口，那層有很多航空公司check in櫃檯，司機會在那等）
費用：20-28歐
（機場快捷巴士Aerobus單趟就要5.9歐還要自己走或轉車到住宿地點個人覺得不划算）

🚌住宿到各景點🚌
💰超激省方案💰
T10卷/走路🚶‍♀️
💆🏼‍♀️超舒適方案💆🏼‍♂️
（以下價格估算為住宿約在擴展區較近西班牙廣場的交通費用）
Cabify（單趟約5-11歐，4人除下來一人單趟約1.2-2.75歐）
✍️巴塞隆拿塞車嚴重，車道複雜車位不好找不建議在市區開車

⛰巴塞隆那<—>安道爾🇦🇩
建議來個2天1夜或3天2夜遊，開車的話建議經過法國邊境幾個小鎮時下去晃晃很漂亮。有個山谷還可以看到好多的羊🐑

🚌大眾運輸🚌
來回巴士票51歐元
（記得來回都要在巴士站換票）
之後轉搭L1/2/3/4公車到你要去的城鎮或景點（滑雪季可能會需要搭纜車）公車的話可以上車後再向司機購票，路線可以問飯店青旅員工或是上網查詢。
如果你就住在安道爾老城區購物街那可以考慮用走的過去🚶🚶‍♀️

🚕計程車🚕
從巴士站到安道爾老城區住宿的計程車單程約6-10歐（4人平分後不會很貴）
可請巴士站工作人員/飯店人員代叫車

🚗自駕方案🚙
巴塞隆拿機場租車價錢：一日約2千台幣
來回油資（看車款很難計算）柴油一公升約4.04歐
過路費：沒記清楚來回大約20歐吧！
老城區停車費：約一天8歐，也路邊停車格或一小時2-3歐元的停車場可使用
✍️租車的話建議住在有免費停車場的地方

🌇馬德里🌇

1-2人：
✈️機場到住宿、住宿到景點✈️
💰超激省方案💰
走路+大眾運輸為主

機場到住宿：
拿完行李後，往箭頭指示的方向走，轉搭地鐵、火車等等...
（因為我就住在火車站附近所以搭火車最方便）
機場到市區火車站票價：3.1€（搭乘地鐵那些更貴）

住宿到景點：交通卡/走路
✍️馬德里卡儲值地鐵T10卷:12.2€，僅供地鐵使用
✍️機場搭乘地鐵會有3歐機場附加費
⚠️C1-C9火車不適用馬德里交通卡，需要在機台上操作購買
⚠️搭乘公車可以上車後再向司機購票

💆🏼‍♀️超舒適方案💆🏼‍♂️
搭火車到市中心，再爽搭uber
（可在台灣練習uber怎麼搭）
Uber一趟3.93-7.92€，四人平分下來一人只要0.9-1.9€左右
⚠️沒事不要站在鬧區街上會被小偷、搶匪、假警察各種人纏上，我們就是先被假警察纏上，我假裝聽不懂英文，幸好後來他們終於轉移目標了...後來我們就躲在蘋果專賣店裡等uber司機來載我們，真是被馬德里嚇到了

🚌馬德里<—>托雷多
來回車票9.99€(現場購買）
🏦購票地點：地鐵站4樓，搭乘處為2樓
🚂托雷多城市導覽列車：7歐附耳機和語音導覽
（如果你不想走到離古城中心2公里外的爬坡上去山上俯瞰托雷多古城再走回來的話，建議搭乘這種觀光列車，如果你體力很好很會爬山的就不用了🤣）

🚌馬德里<—>塞哥維亞：
來回車票8.125€(現場購買）
🏦購票地點：地鐵站地下1樓，搭乘處為2樓

✍️要去塞哥維亞、托雷多就搭公車過去就好，那裡超難停車也不太好開車，不建議開車去，建議到那那再招計程車/坐公車到老城區就好如果你懶得走太遠哈哈😂我們是都用走的，從巴士站到老城區10多分路程就到了。

⛰馬德里<—>Bilbao和其他北部城鎮
🚂火車：約5小時但是更貴
🚌巴士：5小時，約20€
（火車、公車班次都很少建議以自駕為主）
🚗自駕：費用可能比巴士特價票貴但是行程安排更自由，多人出遊首選方案👍

🕌格拉納達🕌
全程用腳走累死人了：0元
（我們採用的方案😂）

🚕Uber：市區住宿<—>機場約10歐(每人分攤下來一人2.5歐）
🚌公車
馬德里<—>格拉納達公車：19.27歐起（車程約6小時）
（我是用ALSA apps購買的）
格拉納達市區巴士：向司機購買公車票，一人約3歐

⛰馬拉加、隆達、南部小山城⛰
這幾個地方的老城區都蠻小的，可以用走的就走完了（1公里以內的路程我幾乎都會用走的）
公車、自駕開車到這裡之後慢慢逛到處拍照就可以了👍👍👍
真的很懶惰不想走的可以叫Uber/Cabify...😅一人平均下來單趟約1歐左右
（我們這次都住在比較靠近市中心景點的地方...不用走很遠）

✍️自駕有一個很大的好處是有冷氣吹...六七八月熱浪來襲室外溫度40度以上根本不敢不想離開有冷氣的地方😅😅😅雖然我知道夏天西班牙南部很熱，但是我還是很想去看看...果然不虛此行👍

🚌上述這幾個地方公車都有到，但有些山城巴士的班次很少，所以自駕會相對方便很多
✍️推薦幾個CP值很高的漂亮白色小山城：Pampaneira、Bubión、Capileira、Frigiliana

🚗西班牙自駕溫馨小提示：
✍️建議開到景點區的免費停車格/停車場、住宿附近的停車格之類的就去四處走走（實在找不到就停藍色停車格、付費停車場吧，總比被罰錢好）
😵馬拉加真是超級鬼打牆，我們要開去對面的大型市場，結果繞了10多分鐘還繞不過去，也找不太到停車的地方，一堆單行道、窄巷、臨時封閉的道路...後來就放棄了，以後還是住宿附近停完用腳走就好了...😭😭😭

🚙🚗西班牙南部兩日自駕費用
租車費用：約台幣6900（含租租車安心全險）
油資：413公里，37.5歐元
0高速公路過路費👍

💃塞維亞💃

七八月的西班牙南部太可怕了，我以為我眼花看到一個電子屏幕顯示42度...熱到你在外頭一分鐘都覺得快融化了...所以決定機場還車後搭Cabify 回市區😵

🚌Cabify (這裡uber比較貴）
✈️機場還車點到夜巴車站費用：3.44€（4人平分...）
市區內交通
（折扣後一趟0.8-5.4€，4人平分不貴）最遠的就是都市陽傘

✍️夜巴候車室有冷氣、有電視看、有屏幕顯示巴士停靠的月台號碼、後方還有很大的置物櫃一次投幣3-4€就可以用好幾個小時用到你上車為止（4€置物櫃超級大，可以塞兩人的行李）

🚌塞維亞<—>里斯本夜巴：16歐起跳，車程約6小時，可劃位（我是用ALSA apps購買的）

「葡萄牙交通、租車」

🏞里斯本🏞

里斯本市區基本上也是走走路、搭個uber之類的就搞定了。
Uber(里斯本住宿—機場)：15.75歐，一人約3.93歐
因為很趕時間所以直接搭uber

✍️買里斯本卡那天可以順便搭升降梯、電車、輕軌之類的、貝崙區一日遊，參觀付費景點。

✍️里斯本機場租車
先去航廈裡面的租車櫃檯跟櫃台刷訂金拿租車合約
可以花一點錢租電子ETC或是選擇都用現金/刷卡也行，不過葡萄牙的高速公路過路費系統比較複雜，有些甚至回國後才會被扣款...（我們也有被扣）

之後到它的隔壁棟（租車櫃檯往大門走出來後往右手邊走）坐電梯下去後，在停車場會有一個取車小櫃檯，把單子給他就會把車鑰匙給你。
✍️旁邊有一台機器可以抽號碼牌，記得選英文櫃檯
✍️歐洲無論哪國的租車都會需要有凸字的信用卡做刷訂金動作，最好跟租車時刷的是同一張
✍️記得帶國際駕照、租車單

⛰辛特拉⛰ ⚠️必看⚠️

🚂火車：里斯本出發來回約8歐，用里斯本卡免費
🚙自駕：
如果是租車，建議開過去停在他們火車站附近的免費停車場
🚌當地觀光巴士：
單程票就要3.9歐！超貴！可上車後再購買
✍️組合套票門票則需要去辛特拉車站內的窗口向專人購買

🚕Uber：
後來我們發現uber比他便宜很多又很舒服，有些司機甚至還放糖、水、充電座給你享用超棒！
Uber單程為3.75-8€
（一人只要0.95-2€，不知道為什麼網路上攻略都只有寫搭tuktuk跟搭公車這兩個選項...

✍️如果你是一人去就搭當地巴士
✍️如果你是2-4人請搭uber
👍開車會很累山路又窄又彎，而且上面怕沒有停車位（佩那宮那停車位超少，而且開那些山路至少要2小時以上蠻遠的而且常常網路沒訊號）

🏝羅卡角🏝

我們離開里斯本後，時間安排的比較緊湊所以都開車居多。羅卡角可以從辛特拉搭乘公車過去，也可以自駕過去。

⛪️孔布拉⛪️

葡萄牙中部知名的大學城，不過老城區並不算很大，不太需要搭乘大眾運輸工具。
✍️孔布拉有好幾個免費停車區可以使用👍
✍️Aveiro雖然很多人推，但我覺得現場看起來很小很cheap，一堆塑料電動船，跟威尼斯的感覺差十萬八千里遠，老實說沒很推

🏝葡萄牙南部海岸⛰
例如：Benagil sea cave
建議自駕🚗🚗🚗
我有看到有人分享三天兩夜還是兩天一夜套餐，從里斯本出發，一人成行，如果不方便自駕又想去南部海岸的可以去參加這種團

⚓️波多⚓️

🚌大眾運輸：
有當地復古電車可以搭，不過我們都用走的居多。我最推薦的是他們的metro系統，尾端超遠大約離市區40km吧！車廂很新很舒適👍👍👍

🚇Metro🚇
如果你想去Vila do Conde這種離市區大約33公里的景點，可以搭乘metro到你要的地方
（單程3.6歐左右）
現場有機器可以買票，選擇自己景點對照的zone區即可，即便沒有走海線的朝聖之路也可以用這方式看到海線的漂亮風景

🚖Uber：
機場還車區到市區：13.38歐
市區內：4-5.84歐（四人平分很划算）

🚙自駕：
波多上方有好幾個很棒的小鎮可以去逛，建議開車上去晃晃。或是坐巴士、火車、metro也行
例如：Vila do Conde、Viana do Castelo...等。
（因為葡萄牙朝聖之路的關係，我才能體會這麼險為人知的美麗風景，雖然很可惜因為身體天候因素沒走完，但是我相信以後還是會有機會的，給要走朝聖之路的朋友們加油💪💪💪）

✈️機場還車點✈️
還車就是直接開進去每個機場租車公司還車處即可，通常就有員工來幫你簡單驗車一下，退刷訂金簽名即可（沒員工來可以去跟找他）

✈️波多—巴塞隆那✈️
機票價格：19.99-29.99€

🚙葡萄牙總自駕費用
租車費用約台幣11300元
里程數：約614km
葡萄牙3天油費：65.99歐
北中南過路費：約30歐
租車公司收高速使用費：4.9歐

✍️如果你真的比較趕時間的話就叫cabify、uber吧，省掉地鐵迷路時間和班車延誤時間，有時候起碼可以省下2-30分鐘，西葡叫車並不貴...
✍️葡萄牙租車：里斯本機場租，波多機場還最方便，畢竟他們的老城區開車除了塞車以外，有時候有點太...刺激了😂當地uber司機也會不小心開到死巷跟差點卡住的地方...你會很慶幸開車的人不是你...
✍️如果你要買東西盡量過海關後在機場買或是在巴塞隆納買，伏林、瑞安之類的都很容易把行李弄丟，不要把貴重物放行李箱以免不見，我旅伴就丟了十萬元$
✍️如果真的很想排摩洛哥大概就是從格拉納達搭飛機來回吧，單程機票四百台幣起跳，不過看你們天數決定吧，太趕就不要了，可以參加當地團也不錯（如果你想參加中文團怕英文不好，淘寶就有賣這種團...）
（也有評價很好的當地英文團）
✍️油價高低：葡萄牙>西班牙>安道爾：柴油價格分別大約是4.84€/升、4.42€/升、4.04€/升（我當天看到的價錢僅供參考
✍️葡萄牙機場租車通常都直接接高速公路很好開，老城區開車的有時候會被電車追或是跑到很窄差點卡住的窄巷很可怕
✍️老城區以外的區域常常路邊停車免費，但我怕停錯地方都會去找免費停車場停（有寫P的）
✍️藍色停車格是收費車格，一次最多可停兩小時左右，在附近的收費機投零錢繳費拿單子，放在擋風玻璃內即可。有些晚上八點到隔天早上九點就不收費了可能要注意看收費機上的公告或是附近告示牌，星期日一般不收費。
✍️白色停車格是免費停車格，其他顏色的車格別亂停會被罰錢！
有寫長得像Reserve、Resident這個字，都不要去停，也不要隨便在路邊、橋上亂臨停，被抓到可能被罰很重（破千台幣）
✍️Stop標誌表示要先熄火停下來（不要超過線）然後才能繼續開，沒有這樣做會吃罰單。
✍️進圓環、(三角形)讓路標示、閃黃燈紅燈的路燈要懂得先行後行、全天開大燈、禮讓行人、盡量不要超速，這些都要在租車前就要看好。各國交通規則自駕要多研究一下。
✍️Sygic 導航很好用，可以租車當天在下載來試用五天，記得要下載圖資。（有WiFi的地方下載比較好）
✍️探圖離線地圖也不錯，他也有測速提醒功能但是沒有Sygic可以閃避車禍塞車或是避開某些被封閉的路線的功能，租車自駕不要省那個軟體錢，罰單更貴...
✍️Orange SIM卡在法國、西班牙、葡萄牙收訊都很好，如果你跟我一樣很懶得去想這間店賣的合不合理會不會是有問題的SIM卡，也可以跟我一樣在淘寶買好
✍️安道爾不用買SIM卡，當地WiFi就很快速很好用了
✍️有人在收保護費的停車區建議不要去停...
✍️租eco油電混合車既環保又省油建議大家租看看，我們省了不少油超棒的，可以的話盡量跟櫃台說要租這種車。（葡萄牙uber有時候也可以選這種車搭）
✍️報警（車子出事、被偷）
葡萄牙報警：112
會講英文的警察（機場駐警處、地圖搜尋policia de turismo，波多、里斯本有這種警局）
西班牙報警：112
會講英文的警察（機場駐警處、National Police station)
✍️google maps 有一個新功能可以看這段路上下坡的幅度，我覺得蠻好用的，太陡的坡有時候上去好累（尤其是你身上一堆家當）
✍️地鐵數站數決定何時下車，公車、輕軌則可以看Google Maps決定哪一站下車
✍️有些車廂需要按紐或是弄開拉門把手才可以上下車。
✍️自駕建議同一國家異地還車，但不建議跨國還車會增加兩三千台幣以上的費用！
✍️google maps 也會顯示部分交通工具和uber之類的搭乘費用及時間，可供參考。
✍️里斯本有一些住宅區規定只有taxi、當地人的車可以進去，uber之類的開進去會被罰錢，你也不能開你租的車進去...如果你訂Airbnb之類的可以問房東是否這區有這個規定（房東特別提醒我們）

有問題歡迎與我討論👏👏👏