标签：AI人工智能

在世界行动通讯大会（Mobile World Congress，MWC 2019）前夕，诺基亚（Nokia）推出认知协作中心网络，这些数据科学中心将进一步促进诺基亚、营运商以及企业之间的合作，以开发创新的人工智能使用案例。

认知协作中心（Cognitive Collaboration Hubs）以 2018 年成立且大获成功的诺基亚云端协作中心（Cloud Collaboration Hubs）为基础，吸引了营运商的极大兴趣，并协助他们构建以云端为基础的新能力。

认知协作中心为营运商的策略发展提供了催化剂，并以应用分析与人工智能（Artificial Intelligence，AI）协助解决关键挑战。敏捷开发过程通常用来共同创建使用案例，进行测试并在几周内投入实际营运。典型的应用领域主要是聚焦于网络营运、网络效能、客户体验以及数据如何获利。5G 技术则是另一个重点，诺基亚目前正与数家美国营运商合作，利用机器学习（Machine Learning）改进 5G 网络规划，例如确定最佳的站点位置或 massive MIMO 波束成型技术的设定。

▲ 认知协作中心架构（Source：Nokia Networks）

全球各地的营运商已从使用这些方法创建的认知服务中受益，例如诺基亚与土耳其电信公司（TürkTelekom）正在使用诺基亚的人工智能助手 MIKA 与 AVA 认知服务平台，在新一代行动与固定网络上测试以机器学习为基础的人工智能科技。

诺基亚网络认知服务部门负责人 Dennis Lorenzin 表示，认知协作中心是扩展数据分析与人工智能服务的另一重大进展。基于数据科学以及电信专业能力，诺基亚正在帮助客户应用人工智能技术来提高营运效率，为 5G 网络做好准备，并创造新的收入来源。

诺基亚还宣布了一项改进道路安全与乘客体验的创新服务，驾驶行为分析工具（Driver Behavior Analytics）提供商品传感器数据的实时分析，为政府机关、汽车产业、一般企业提供有效的数据分析，以及使用专属智能型手机应用程序取得的数据分析，提供有关激烈性驾驶、不当的道路状况或危险路口的信息。

在人工智能 (AI) 已经成为产业不可逆的趋势下，就连台积电前董事长张忠谋都表示，未来 AI 的发展将成为带动台积电营运发展的重要关键。因此，市场上大家都在期待，藉由 AI 发展所带来的新应用与商机。只是，在 AI 需要大量运算效能与能源，而整个半导体结构发展也面临极限发展的情况之下，材料工程技术的突破就成为未来 AI 普及化前的其中关键。

材料工程解决方案大厂应用材料 (Applied Materials) 指出，根据《经济学人》表示，当前数据之于这个世纪的重要性，犹如石油之于上个世纪，是成长与变革的动力，而透过科技也为许多产业带来改变。因此，藉由人工智能与大数据的结合，给市场带来无限的机会，却也带来空前的挑战。所以，而是否能掌握 AI 与大数据带来的庞大商机，关键在于新技术和新策略上。

应用材料台湾区总裁余定陆日前在于媒体的聚会中表示，AI 与大数据的结合带动了 4 个主要的趋势与挑战，这也是企业是否能在 AI 与大数据时代掌握致胜先机的关键。其中，包括了物联网普及和工业 4.0 产生超大量的数据资料、现有的空间不足以应付快速增加数据量的处理及储存、靠着新的运算模式及架构，以及边缘运算、云端技术和低功耗的每瓦效能，才能将数据成功转换成价值、以及 AI 与物联网快速汇流，连接性是最大关键，也是决定运作是否流畅的重要因素等。

而因为有了 4 个趋势与挑战，使得在 AI 与大数据时代中启动了「硬件复兴」的各种资源投入，不但使得论是传统科技领导大厂、新创公司或软件公司，都投入大量的资源、押宝不同的技术领域、聚焦应用的客制化及最佳化，专注于硬件的设计以及投资发展。另外，在在计算机运算处理器部分，人工智能需要大量、快速的存储器存取及平行运算，才能提升巨量资料处理能力，这时绘图处理器（GPU）及张量处理器（TPU）会比传统运算架构更适合处理人工智能的应用。而且，为了使人工智能潜力完全开发，其效能 / 功耗比即运算效能需达到目前 的1,000 倍 ，已成为现阶段技术层面亟需突破的关键。

再加上 AI 与大数据需要边缘及云端创新，大量的资料储存＋高效能运算因运而生。而且在是当传统摩尔定律下的 2D 微缩越来越慢的情况下，材料工程的创新就成为解决问题的其中一项关键。余定陆进一步表示，材料工程的创新未来将建构在 PPAC（效能、功耗与单位面积）的 5 个面向革新上，包括新架构、新结构 / 3D、新材料、微缩的新方法以及先进封装等。

余定陆举例表示，原有 2D NAND 的技术应用在实体和成本上已达到极限，为了能让每储存单元（cell）的容量再往上增加， 3D NAND 技术采用层层堆栈的方式，来减少 2D NAND 储存单元距离过近时，可能产生的干扰问题。此外，3D NAND 有倍增的容量与可靠度，更是过去的 2D NAND 无法比拟的 。

此外，先进封装可以优化系统级的效能。过去 DRAM 封装是采用印刷电路板（PCB）的方式，目前则采用硅通孔封装技术（TSV），可将逻辑和存储器的同质和异构集成紧密地结合在一起，垂直堆栈的 3D 储存器芯片显著减小了 PCB 级的电路板尺寸和布线复杂性，大大降低成本、节省一半的电力及延长芯片使用寿命。另一种系统级封装，运用小芯片（chiplet）多元模块整合，可提供时间、成本与良率的效益。

余定陆还表示， 传统计算机架构的冯诺伊曼（Von Neumann）思维有一个主要问题，当处理大量资料运算，单一中央处理器与存储器间的资料运算规则和传输速度，限制了整体效率与计算时间，无法满足实际实时应用情境。但利用神经形态（Neuromorphic）思维，进行网络分散架构及平行运算与学习，可加速人工智能计算，达到传统计算机架构无法达成的连接性。

在 AI  与大数据的结合将带来无限机会的时代中， 因应复杂性、应用性和在时间方面都面临很大的困难，而且互连性和材料创新速度上面临的挑战，也需要新的策略来克服的情况下，需要藉由材料工程创新、硬件的复兴以及产业生态间深度连结来解决。

2019年1月8日，在美国拉斯维加斯举办的CES国际消费电子产品展上，联发科技推出多款AI人工智能终端产品解决方案，包括最新一代的智能电视AI成像畫质技术（AI PQ）、智能显示和智能相机的AI视觉（AI Vision）平台MT8175，以及应用于便携智能音箱的AI语音交互（AI Voice）平台MT8518，为消费者打造了全新的智能家居体验。联发科技全新的人工智能终端解决方案通过底层芯片的强大AI边缘算力，结合算法和软件开发工具，让联发科技最新的人工智能创新真正走进智能家居、可穿戴设备、智能手机、自动驾驶和其他联网设备。

“人工智能正在重塑我们与科技的互动方式 —— 从手机拍照，到用语音助理查询天气，再到电视上的流媒体播放和车载导航等。联发科技同時具备高性能及高节能的解决方案能完美满足下一波人工智能终端设备的处理需求。” 联发科技资深副总经理暨智能设备事业群总经理游人杰表示，“我们已经看到人工智能正实现从语音到影像的跨越，并从云端运算 (Cloud Computing) 走向边緣运算 (Edge Computing)。

鉴于此，联发科技在智能语音助手（VAD）中支持更多AI应用，包括带有显示屏和摄像头的智能终端设备。凭借公司前沿创新的智能电视AI成像画质技术，我们为消费者打造更好的视觉体验；面向智能显示和智能摄像头的MT8175带来更快、更精确的图像采集质量；MT8518则让智能语音助手（VAD）实现在云端与终端间的无缝接軌，为我们的客户开拓了将语音助手引入到便携智能音箱市场的机遇。”

联发科技最新一代智能电视AI成像画质技术（AI PQ）为数字电视带来了人脸识别、场景检测等AI增强功能。通过场景检测，智能电视可以从每帧画面中区分出人像和其它类型的场景，如风景、室内或体育场馆等，在自动调整清晰度的同时微调肤色，令图像更加逼真。传统的智能电视成像画质技术无法在肤色和风景等不同场景间进行精确区分，因此只能实现一种“还可以”甚至“将就”的画质调校；但藉由联发科技独特的AI PQ技术，能在画质的真实度上能做到真正的不妥协。

智能电视AI成像画质技术（AI PQ）首先通过人工智能运算单元标记出不同类型的场景，然后利用PQ引擎处理相关信息，自动配适各细部场景PQ的设置。作为智能电视芯片领域领先的IC设计公司，联发科技一直走在数字电视技术创新的前沿。2017年，联发科技成为首家完成Verance Aspect评估测试的系统单芯片（SoC）供应商；Verance Aspect是下一代电视传输标准 (ATSC 3.0) 的重要组成部分。

 “透过联发科技的MT8175 AI视觉（AI Vision）平台, 与显示屏和摄像头集成的语音助手将为用户带来更丰富的互动体验和更实用的功能。”游人杰介绍说，“除了觀赏体验的提升，MT8175还搭载了最新的图像信号处理器（ISP）及人工智能处理单元（APU），让图像捕捉更快、更清晰，而且功耗更低。”

作为智能语音助手设备 (VAD) 领域第一大的芯片设计公司，联发科技MT8518 AI语音交互系统芯片将推动人工智能语音助手新一波的市场发展，带动以低功耗语音唤醒和低功耗流媒体播放为特征，具备强大的边缘AI运算终端新趋势。

联发科技MT8518支持低功耗语音唤醒功能，可将智能语音助手的待机时间延长10倍，还同时支持低功耗远场指令、本地声纹识别 (Local Speaker ID) 和本地语音指令 (Local Command) 等功能。对于音乐流媒体播放，MT8518的低功耗播放技术可以提供比上一代解决方案长两倍的播放时间。

“我们的客户对于MT8518人工智能边缘运算 (Edge AI) 及低功耗性能的市场潜力十分期待。”游人杰说，“低功耗语音唤醒能显着延长了电池待机时间，将会是便携智能音箱市场的巨大突破。此外，别忘了我们功能强大的音质调整工具PowerAQTM，已经获得许多国内外知名音频品牌采用，来获得更卓越的音质。”

进入 2019 年之后，分析师们对于半导体产业的看法是否如同先前所提出一样的保守。根据摩根士丹利（Morgan Stanley，大摩）的分析师团队于 2018 年 12 月所发布报告指出，2019 年全球半导体产业周期性低潮尚未见底，对北美和亚太市场均持保留态度，将预期成长从 -1% 下调至 -5%；至于，中国半导体产业仍存在着机会，整体未来成长点，将在于人工智能与机器学习以及无人驾驶等两大领域。

根据报告指出，2019 年半导体产业整体销售金额将比 2018 年下降 4.7%，这与 2017 及 2018 年各自有 22% 及 14% 双位数的年度成长率形成鲜明的反差。从个别产业来分析，存储器设备的销售金额在经历前两年各自 60% 及 30% 的高幅度成长之后，将在 2019 年急剧下滑至仅有 18%。

对此，大摩认为，在未来 5 年内，全球半导体产业的成长率将围绕着 GDP 成长率上下波动。不过，对于 2019 年的半导体产业景气则不抱持乐观的看法，因为大摩认为，形势将比 2015 年的产业低潮的情况更加严重。原因是半导体产业存货和供应过剩，加上需求不足，导致 2019 年供需不平衡。这部分从 2018 年年初实际生产增加了 22%，但市场仅消化了 15% 的增加量。因此，2019 年的开年，需求面要如何消化这 7% 的过剩产能，将是个很大的挑战。

另外，在需求放缓的部分，是由于汽车和工业的垂直需求减少，以及整个供应链的库存调整。此外，智能型手机方面的成长疲软，特别是来自苹果 iPhone 的销售不如预期，以及中国厂商的市场需求缩小，更是对半导体需求方面的进一步造成压力。

报告指出，全球半导体产业未来两大长期成长点，关键在于人工智能与机器学习以及无人驾驶方面。其中。机器学习的应用正在升级，从资料中心扩展到边缘运算上。而目前的机器学习相对处于早期的发展阶段，但是在接下来的 3 到 5 年中，重点将从会用于算法开发、培训的半导体工具转向计算机解决方案，以取代人力资本。另外，人工智能及机器学习还有基于计算机视觉构建的 Amazon Go 概念店、脸部或车牌辨识、甚至正在进行的犯罪的监控摄影机、医学放射影像的内容解释等应用，使得未来的应用成长可期。

至于，在自动驾驶方面，大摩认为这是汽车设备制造商的一个重点发展方向。随着安全应用的反覆运算和技术的廉价化，全自动车辆正在阶段性发展。自动驾驶还伴随着处理器、传感器的应用，以及诸如车到车间的通讯等新技术普及。这些技术都将推动全球半导体产业在未来 5 到 10 年内，在汽车产业的市场产值扩大 2 到 3 倍，而目前车辆使用半导体产品的数量，也将从目前每辆车 400 美元，上升至 1,000 美元。

随着传统市场走向下坡路和摩尔定律的逐渐失效，半导体行业正在不断革新，力求了解人工智能、自动驾驶汽车、物联网等新市场的需求。

而其中最奇特的也许当属人工智能，因为它的计算范式与传统的“处理器-内存”方法有着明显差异。在近期于旧金山举办的国际电子器件大会上，法国研究员Damien Querlioz在谈及“神经形态计算的新型器件技术”时说道，“长期以来，模式识别和认知任务都是计算机的弱点，比如识别和解读图像、理解口语、自动翻译等。”

大约从2012年起，训练和推理阶段的人工智能技术开始加速发展，但当使用传统计算架构时，功耗仍是一个巨大挑战。

Querlioz是法国国家实验室CNRS的一名研究员，他举了一个活生生的例子：2016年Google的AlphaGo与围棋世界冠军李世石之间的著名围棋大战。李世石的大脑在比赛中消耗了大约20瓦，而AlphaGo估计需要超过250,000瓦才能使其CPU和GPU保持运转。

虽然从那以后Google和其他公司均在功耗方面做出了改进，但越来越多的工作开始侧重于为神经形态计算技术设计耗电更少的新器件。

Ted Letavic是格芯的高级战略营销人员，他表示，回想人工智能的各个阶段，从改进传统计算技术，到设计耗电更少的全新器件和架构，在整个过程中，先进高效的封装将发挥关键作用。

Letavic称，“人工智能时代正在逐步到来，我们可以利用现有的技术，再加上衍生技术，通过DTCO（设计技术协同优化）进行全面优化，一直深入到位单元设计层面。”

格芯的技术人员正在努力降低14/12 nm FinFET平台的功耗并提升其性能，所采用的办法包括双功函数SRAM、更快且功耗更低的累加运算(MAC)元件、对SRAM的更高带宽访问等。基于FD-SOI的FDX处理器的功耗也将降低，尤其是在部署背栅偏置技术时。Letavic表示，设计师掌握了这些技术后，客户便可以“重新设计功耗包络更低的人工智能固有元件，甚至达到7 nm。”

除了这些DTCO改进以外，全球各地也在开展其他研发工作，希望实现基于相变存储器(PCM)、阻性RAM (ReRAM)、自选扭矩转换磁性RAM (STT-MRAM)和FeFET的嵌入式内存与内存中计算解决方案。

Querlioz在IEDM专题会议上提到，在IBM Almaden研究中心，由Jeff Welser领导开发的基于PCM的芯片已取得显著进展，而基于STT-MRAM和ReRAM的人工智能处理器也前景光明。Querlioz表示，“现在，我们极有可能成功为认知类型的任务和模式识别重新发明电子器件。”

Letavic称，降低功耗的道路还很长，对于推理处理而言尤其如此，而这正促使众多初创公司开发新的人工智能解决方案，格芯也与其中部分公司及长期合作伙伴AMD和IBM保持着密切合作关系。

Letavic认为，凭借对冯诺依曼计算模式的DTCO改进，我们只能发展到这一步。除了分类逻辑和内存，下一步是发展内存中计算和基于模拟的计算。此外，为计算行业服务了35年的指令集架构(ISA)将需要被新的软件堆栈和算法取代。他说道：“对于特定领域的计算，必须重新发明软件。IBM对软件堆栈有着深刻的见解。”

“各方都必须一同转向人工智能。格芯将与主要客户紧密合作，我们不能将算法与技术分开，”Letavic在谈及该系统技术协同优化(STCO)方面的紧密合作时说道，“随着我们迈入计算发展的第四个时代，STCO将是DTCO的自然延伸。我们将朝着特定领域的计算发展，共同迎接这一转变。”