welcom ! Handel home

顯示具有 市場資訊 標籤的文章。 顯示所有文章
顯示具有 市場資訊 標籤的文章。 顯示所有文章

2024年11月28日 星期四

[AI 邊緣運算NOTE] 基本計算區分 CPU, GPU, NPU, TPU

 

Edge AI 發展下的

CPU, GPU, NPU, TPU 

其實 GPU、NPU、TPU 都是專用處理器,只是其擅長處理的任務並不相同,做為專用處理器,在一定程度都可以降低 CPU 工作負擔,使 CPU 的資源可進行其他運算。因此用戶需要哪個是根據使用者的應用與任務所決定。

CPU (Central Processing Unit),中央處理器

其核心數量較少,專為通用計算而設計。CPU 在 NAS 當中也可以視為 NAS 的核心大腦,負責執行作業系統跟應用程式所需的命令與程序,因此 NAS 系統跟應用程式的速度都與 CPU 效能有關。

GPU (Graphics Processing Unit)  ,圖形處理器

為專門執行繪圖運算工作的微處理器,結構上GPU 由於具有數百或數千個計算單元(ALU),可並列執行大量計算可被分為嵌入式繪圖晶片與獨立顯示卡兩種。

GPU 除了常聽說的對於玩 3D 遊戲的彩圖計算有幫助以外, 對執行分析、深度學習和機器學習演算法尤其有用,用途並不限於圖像計算。

NPU(Neural network Processing Unit) 神經處理單元

NPU 是專為加速 AI 應用而設計,透過類似於人類的神經系統的處理器,因具備節能的特性, 可滿足長時間的使用,適合持續處理 AI 運算任務,例如圖片生成、人臉辨識等。

TPU (Tensor Processing Unit),張量處理器

TPU 是 Google 開發專門用於加速機器學習的處理器,與 GPU 相比,TPU 被設計並運用於大量的低精度計算。Google 於研究表明在使用神經網路推斷的 AI 運算任務中,TPU 的效能是當代 GPU 和 CPU 的 15 到 30 倍,但是生產的廠商少,市場供不應求,因此價格昂貴。

#當MCU  IC 加入 NPU or TPU 周邊 可以燒錄 訓練參數 將大幅提升 應用的功能

>>應用於影像處理 可輸出結果 給MCU 做控制參考

>>聲音處理 

>>感測信號處理

這些應用當於 PC 建立大量的 工具 來建置及驗證  可以提升應用的效率


2022年9月15日 星期四

web3.js function 介紹

 

#Web3 Get Node

判斷目前使用者所連接是那種型態的Ethereum節點,Testrpc、Geth或Metamsak…等。

web3.version.getNode(function(error, result){

if(error){

// error handle

} else {

// do something

};

});

#Web3 Syncing

判斷使用者所連接的Ethereum節點是否正在做同步的動作。正在同步為True,否則為False。

web3.eth.getSyncing(function(error, result) {

if(error) {

// error handle

} else {

// do something

}

});


#Web3 Coinbase

查看連接Ethereum節點的coinbase address。coinbase是專門存放挖礦所獲得獎勵的read only帳戶。

在Geth Node環境下可以使用Geth console下指令web3.miner.setEtherbase()去修改coinbase address。


web3.eth.getCoinbase(function(error, result) {

if(error) {

// error handle

} else {

// do something

}

});

#Web3 Default Account

查看目前連接Ethereum節點的deault account address。deault account是read/write only。

當我們在進行某些操作例如sendTransaction時,若沒有特別指定要從哪一個帳戶發出,

則默認就是使用deault account。因為每個Ethereum節點實作的方式不同,default account不一定有定義,使用前最好檢查一下。


web3.eth.defaultAccount// 為了避免default account undefined的話, 可以改寫成下面的Code

var defaultAccount = web3.eth.defaultAccount;

if(!defaultAccount) {

web3.eth.defaultAccount = web3.eth.accounts[0];

defaultAccont = web3.eth.accounts[0];

}

#Web3 Get Balance

取得帳戶裡的餘額。分成同步和非同步兩種。

使用web3.eth.getBalance()所獲得餘額的單位是Wei。

web3.fromWei()就是把Wei轉成其他單位,下面範例則是轉成Ether。

toFixed()是我們只取到小數點後兩位數。

getBalance()的第二個參數可以指定要從那個Block讀取資料。

web3.eth.defaultBlock默認是latest,意思就是從最新的Block讀取該帳戶的餘額。


/* Get Balance Sync */

var balance = web3.fromWei(web3.eth.getBalance(web3.eth.accounts[0]), 'ether').toFixed(2);/* Get Balance Async */

web3.eth.getBalance(web3.eth.accounts[0],web3.eth.defaultBlock,function(error,result){

if(error){

// error handle

} esle {

var balance = web3.fromWei(result,'ether').toFixed(2);

}

});

#Web3 Lock/Unlock Account

上鎖和解鎖帳戶。

對於某些特定的操作必須先把帳戶先unlock才能進行,例如sendTransaction()相關操作。

web3.personal.unlockAccount()的第三個參數duration可以設定要解鎖多久。

若使用者連接的Etherum節點是Testrpc或Metamask,可以不須作lock/unlock動作。

若是在Geth環境下,則在sentd transaction前必須先unlock帳戶。

/* Lock Account */

web3.personal.lockAccount(account, passwd, function(error, result){

if(error) {

// error handle

} else {

// do something

}

});

/* Unlock Account */

web3.personal.unlockAccount(account, passwd, duration,function(error, result){

if(error) {

// error handle

} else {

// do something

}

});


#Web3 Send Transaction

傳送交易。

web3.eth.sendTransaction()的第一個參數txnObject是一個JSON format的物件。

txnObject可以指定這次transaction的資訊。

=>from是指從哪個帳戶送出,若無指定默認是default account。

=>to是送到那個帳戶。

=>value則是要傳送的金額。


其他還有像是gas、 gasPrice、data、nonce…等參數可以指定。

傳送完後可以得到transaction hash,使用web3.eth.getTransactionReceipt(hash)去查詢transaction的狀態。


var txnObject = {

"from": fromAccount,

"to": toAccount,

"value": web3.toWei(1, 'ether'),

// "gas": 21000,          // (optional)

// "gasPrice": 4500000,   // (optional)

// "data": 'For testing', // (optional)

// "nonce": 10            // (optional) 

};


web3.eth.sendTransaction(txnObject, function(error, result){

if(error) {

// error handle

} else {

var txn_hash = result; //Get transaction hash

}

});

#Web3 Deploy Contract

Deploy contract有兩種方式,

一種是使用Web3.js contract的new(),另一種是使用sendTransaction()的方式。

這裡只列出contract new()的方式,sendTransaction()方式可以從Web3ApIScript的範例中看到。

在deploy contract之前我們需要先complie contract的sol檔來獲得abi和bytecode。

利用abiDefinition建立contractInstance並將bytecode放入data欄位中。constructor_param則是contract 初始化所使用的參數。

使用contract new()來進行佈署。執行完new()之後,callback function一共會被呼叫兩次。

第一次回傳transaction hash,第二次則是contract address。


var contractInstance = web3.eth.contract(abi);

var params = {

from: fromAccount,

data: bytecode,

gas: gas

};

var constructor_param = 10; 

//contract init

paramcontractInstance.new(constructor_param, params, function(error, result){

if(error) {

// error handle

} else {

if(result.address){

var contractAddress = result.address;

} else {

var txhash = result.transactionHash;

}

}

});




Web3 Interact Contract

與smart contract互動的方式主要分成,取得contract資料的call和改變contract資料的send。

使用call只是單純取得contarct資料,並不會改變contract的狀態,所以不會花費任何費用。

呼叫call()時要有contract abi和contract address。contract.METHOD.call()的METHOD是放contract中所定義的function名稱,以下面的例子就是getNum。


var contract = web3.eth.contract(abi);

var contractInstance = contract.at(address);

/* contractInstance.METHOD.call, METHOD=getNum is the function of contract*/

contractInstance.getNum.call(function(error, result) {

if (error) {

// error handle

} else {

// result is string

// do something

}

});


若想要改變contract中的資料就必須使用send。這裡的send指的是send transaction。

因為會改變contract中的資料,需要繳交手續費給礦工幫忙把資料紀錄在block中。

改變的資料一樣會存放在block中,等同於發起了一筆transaction。使用contract.METHOD.sendTransaction()來改變contract資料。

回傳該transaction的hash。METHOD一樣是指contract所定義的function名稱,下面例子就是setNum。parameterValue則是要賦予contract的新值。


var contract = web3.eth.contract(abi);

var contractInstance = contract.at(address);

var txnObject = {

from: fromAccount,

gas: estimatedGas

};// contractInstance.METHOD.sendTransaction, METHOD=setNum is the function of contract


var parameterValue = 5 ;

contractInstance.setNum.sendTransaction(parameterValue, txnObject,function(error, result){

if(error){

// error handle

} else {

// do something

}

});


2018年10月16日 星期二

人工智慧是物聯網時代之核心


人工智慧(AI)是物聯網及工業4.0發展的核心。尤其,當特斯拉(Tesla)推出電動車及蘋果(Apple)發表新機iPhone X推出FaceID之後,讓市場體驗到AI晶片的無限商機。同時,AI應用接受度越高的國家,將對其GDP產生貢獻愈大。我國在既有半導體及ICT技術優勢及競爭力的基礎上,迎合各產業的需求不斷增加,開發出各種新應用晶片,不僅讓台灣在半導體的競爭力絕對在全球可扮演關鍵的角色,同時將為台灣的經濟帶來未來30年的新榮景。

AI晶片包含三大類市場,分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用 GPU圖像處理,尤以Nvidia 是此一領域龍頭,但是,有些業者認為GPU處理效率不夠快,而且因應眾多特定新產品的不同需求,於是,推出NPU、VPU、TPU、NVPU...等等。目前還不清楚哪種架構的晶片會在 AI 大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要求,難度上比雲端數據晶片更高。為搶未來AI應用市場商機,科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。

目前來看,未來AI發展有八大新趨勢



趨勢一:AI 於各行業垂直領域應用具有巨大的潛力
人工智慧市場在零售、交通運輸和自動化、製造業及農業等各行業垂直領域具有巨大的潛力。而驅動市場的主要因素,是人工智慧技術在各種終端用戶垂直領域的應用數量不斷增加,尤其是改善對終端消費者服務。

當然人工智慧市場要起來也受到IT基礎設施完善、智慧型手機及智能穿戴式裝置的普及。其中,以自然語言處理(NLP)應用市場佔AI市場很大部分。隨著自然語言處理的技術不斷精進而驅動消費者服務的成長,還有:汽車資通訊娛樂系統、AI機器人及支持AI的智慧手機等領域。

趨勢二:AI導入醫療保健行業維持高速成長
由於醫療保健行業大量使用大數據及人工智慧,進而精準改善疾病診斷、醫療人員與患者之間人力的不平衡、降低醫療成本、促進跨行業合作關係。此外AI還廣泛應用於臨床試驗、大型醫療計畫、醫療諮詢與宣傳推廣和銷售開發。人工智慧導入醫療保健行業從2016年到2022年維持很高成長,預計從2016年的6.671億美元達到2022年的79.888億美元年均複合增長率為52.68%。尤其,台灣累積了20年健保資料,還有正在創建的台灣人體基因資料庫,再加上硬體製造能力等,只要能有效串聯、處理與分析,輔以法規鬆綁、籌建平台與跨領域合作,台灣朝AI醫療發展將很有機會。

趨勢三:AI取代螢幕成為新UI / UX介面
過去從PC到手機時代以來,使用者介面都是透過螢幕或鍵盤來互動。隨著智慧喇叭(Smart Speaker)、虛擬/擴增實境(VR/AR)與自動駕駛車系統陸續進入人類生活環境,加速在不需要螢幕的情況下,人們也能夠很輕鬆自在與運算系統溝通。這表示著人工智慧透過自然語言處理與機器學習讓技術變得更為直觀,也變得較易操控,未來將可以取代螢幕在使用者介面與使用者體驗的地位。人工智慧除了在企業後端扮演重要角色外,在技術介面也可承擔更複雜角色。例如:使用視覺圖形的自動駕駛車,透過人工神經網路以實現即時翻譯,也就是說,人工智慧讓介面變得更為簡單且更有智慧,也因此設定了未來互動的高標準模式。

趨勢四:未來手機晶片一定內建AI運算核心
現階段主流的ARM架構處理器速度不夠快,若要進行大量的圖像運算仍嫌不足,所以未來的手機晶片一定會內建AI運算核心。正如,蘋果將3D感測技術帶入iPhone之後,Android陣營智慧型手機將在明年(2017)跟進導入3D感測相關應用。

趨勢五:AI晶片關鍵在於成功整合軟硬體
AI晶片的核心是半導體及演算法。AI硬體主要是要求更快運算速度與低功耗,包括GPU、DSP、ASIC、FPGA和神經元晶片,且須與深度學習演算法相結合,而成功相結合的關鍵在於先進的封裝技術。總體來說GPU比FPGA快,而在功率效能方面FPGA比GPU好,所以AI硬體選擇就看產品供應商的需求考量而定。例如,蘋果的Face ID臉部辨識就是3D深度感測晶片加上神經引擎運算功能,整合高達8個元件進行分析,分別是紅外線鏡頭、泛光感應元件、距離感應器、環境光感測器、前端相機、點陣投影器、喇叭與麥克風。蘋果強調用戶的生物識別數據,包含:指紋或臉部辨識都以加密形式儲存在iPhone內部,所以不易被竊取。

趨勢六:AI自主學習是終極目標
AI“大腦”變聰明是分階段進行,從機器學習進化到深度學習,再進化至自主學習。目前,仍處於機器學習及深度學習的階段,若要達到自主學習需要解決四大關鍵問題。首先,是為自主機器打造一個AI平台;還要提供一個能夠讓自主機器進行自主學習的虛擬環境,必須符合物理法則,碰撞,壓力,效果都要與現實世界一樣;然後再將AI的“大腦”放到自主機器的框架中;最後建立虛擬世界入口(VR)。目前,NVIDIA推出自主機器處理器Xavier,就在為自主機器的商用和普及做準備工作。

趨勢七:最完美的架構是把CPU和GPU(或其他處理器)結合起來
未來,還會推出許多專門的領域所需的超強性能的處理器,但是CPU是通用於各種設備,什麼場景都可以適用。所以,最完美的架構是把CPU和GPU(或其他處理器)結合起來。例如,NVIDIA推出CUDA計算架構,將專用功能ASIC與通用編程模型相結合,使開發人員實現多種算法。

趨勢八:AR是工具且成為AI的眼睛,兩者是互補、不可或缺
未來的AI需要AR,未來的AR也需要AI,可以將AR比喻成AI的眼睛。為了機器人學習而創造的在虛擬世界,本身就是虛擬現實。還有,如果要讓人進入到虛擬環境去對機器人進行訓練,還需要更多其它的技術。

結語



至於 CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代,答案應該不會。因為,新出現的處理器只是為了處理新發現或尚未解決的問題,而且未來傾向將CPU整合。同時,晶片市場期望能有更多競爭及選擇,不要英特爾、高通獨大。

迎物聯網時代來臨,以往大家認為摩爾定律最後會走到極限,但未來矽世代是異質性及跨界的整合,還有很多需求未出現。NVIDIA執行長黃仁勳則表示,摩爾定律已經是舊時代的法則,GPU的計算速率和神經網路複雜性都在過去2到5年內呈現出爆發性成長。

展望未來,隨著AI、物聯網、VR/AR、5G等技術成熟,將帶動新一波半導體產業的30年榮景,包括:記憶體、中央處理器、通訊與感測器四大晶片,各種新產品應用晶片需求不斷增加,以台灣在半導體的競爭力絕對在全球可扮演關鍵的角色。(2025字;圖1)



引用來處: http://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=13837

2018年6月6日 星期三

物聯網、雲計算、大數據、工業4.0、人工智慧和互聯網之間是什麼關係?

轉載 自 https://www.getit01.com/p20171223464751048/
從2007年開始,科學院相關研究團隊發表論文提出互聯網未來趨勢:「互聯網正在向著與人類大腦高度相似的方向進化,它將具備自己的視覺、聽覺、觸覺、運動神經系統,也會擁有自己的記憶神經系統、中樞神經系統、自主神經系統。」。並由此產生互聯網雲腦(Internet Cloud Brain)架構。
  到2017年,隨著人工智慧,物聯網,大數據,雲計算,機器人,虛擬現實,工業互聯網等科學技術的蓬勃發展,互聯網雲腦的架構也逐步清晰起來,從2008年到2017年形成4個版本的互聯網雲腦架構圖(下圖為2017年版本)
  應該說互聯網雲腦是互聯網在進化過程中形成的類大腦架構,它並不是一開始就成熟和完整的,而是在科學探索和商業創新過程中逐步發育而成。web2.0,物聯網,雲計算,工業互聯網,大數據,人工智慧。。,它們不是脫離互聯網的新事物,而是互聯網雲腦發育過程中,由於各神經系統發育的不均勻導致的波浪式高峰,往往是一個技術或模式成熟後,下一個技術或模式才有蓬勃發育的基礎。我們可以看一下人工智慧熱潮產生之前的互聯網進展。
  1.物聯網本質上是互聯網雲腦的中樞神經系統和其控制的感覺神經系統和運動神經系統
  2.雲計算本質上是互聯網雲腦的中樞神經系統,它通過伺服器,網路操作系統,神經元網路(大社交網路),大數據和基於大數據的人工智慧演算法對互聯網雲腦的其他組成部分進行控制。
  3.大數據本質上是互聯網雲腦各神經系統在運轉過程中傳輸和積累的有價值信息。因為在過去50年隨著互聯網的快速進化而急速膨脹,體量極其巨大。是互聯網雲腦產生智慧智能的基礎。
  4.人工智慧本質是互聯網雲腦產生產生智慧智能的動力源泉,人工智慧不僅僅通過演算法如深度學習,機器學習與大數據結合,也運用到互聯網雲腦的神經末梢,神經網路和智能終端中。使得互聯網雲腦各個神經系統同時提升能力。
  5.工業4.0和工業互聯網本質是互聯網雲腦的運動神經系統,這將是互聯網雲腦未來非常龐大的組成部分,它也將包含6中介紹的各種前沿技術。
  6.智能駕駛,雲機器人,無人機,3D列印本質上是互聯網雲腦運動神經系統中最活躍的部分,他們通過延展運動和機械操作,幫助人類完成對世界更強有力的探索和改造。
  7.邊緣計算本質是互聯網雲腦神經末梢的發育和成長,人工智慧技術不但應用在中樞神經系統中的大數據,神經元網路中,也分布到神經系統的末梢。讓互聯網雲腦的感覺神經系統,運動神經系統的末梢控制變得更為智能和健壯。
  8.移動互聯網本質是互聯網雲腦神經纖維種類的豐富,讓互聯網用戶更便捷,更不受地域限制的鏈接到互聯網雲腦中。
  9。大社交網路(Big Sns)是互聯網雲腦神經元網路,也是互聯網雲腦最重要的部分。它由互聯網傳統社交網路Facebook,微信,微博發育而成,從鏈接人與人,發展到鏈接人與物,物與物,甚至包括鏈接人工智慧軟體系統
  10.雲反射弧(Cloud reflex arcs)是互聯網雲腦最重要的神經活動現象,與人類神經系統相仿,也包含感受器、傳入神經纖維、神經中樞、傳出神經纖維和效應器。是互聯網雲腦智能智慧與現實世界互動的重要運行動作。它的種類有7種。將在以後的文章中專門介紹。
  11.智慧城市本質是互聯網雲腦與具體的地域結合的結果,是互聯網雲腦的縮小版應用,智慧城市的建設,從互聯網雲腦的架構看,需要關注城市居民,單位,機構,企業建設統一的神經元網路(大社交)的情況,也要關注城市的雲反射弧的反應速度和健壯情況,譬如防火雲反射弧,金融雲反射弧,交通雲反射弧,新零售雲反射弧,能源雲反射弧等。
1、物聯網:智能家居、智能櫃檯、掃碼飲料機等都屬於物聯網,硬體的機動性配合軟體的操作系統,通過網路傳遞指令的是物聯網。
2、雲計算:將龐大的計算量及較多數據處理邏輯,由程序梳理分發到多個硬體資源,通過軟體程序整體調度,各硬體資源僅負責一部分計算體量,從而實現同時間同步計算,來提高計算效率的一種技術實現方式。
3、大數據:用戶訪問並操作軟體的各項行為記錄及採集用戶的各維度資料等數據,通過時間的沉澱、積累,單個用戶會產生較大的數據量,而幾百萬用戶或上億的用戶更會產生天量級數據,通過演算法邏輯和社會科學能從這些數據里分析出更多的潛在價值,利用這些潛在價值發揮商業作用或解決社會問題的一種資源,叫做大數據。
4、工業4.0: 主要是以提升製造業智能化水平,建立具有適應性、效率性、質量監察性、問題可追溯性智慧工廠的一種理念,主要還是物聯網的思維,將生產中的供應、製造、銷售、效率產生的信息數據整合。最後實現的效果是:人力成本越來越低、風險越來越可控、營銷越來越精準、決策越來越科學。
5、人工智慧:能夠表達的釋義有很多,物聯網也叫人工智慧,軟體產品也叫人工智慧。其實人工智慧是指通過軟體演算法程序,計算出某一項結果後,把該結果運用到決策程序中用於決策。並根據特徵決策出人類所認為的科學答案。比如百度的圖片識別機器人,就是將圖片數據化之後,通過演算法進行匹配並最終找到相似度百分之80以上的結果,通過軟體決策程序進行決策。外行人看到這個功能後會說:「這個機器人還能識別圖片,太TMD智能了」。
6、互聯網:這個其實是一個名詞,從早期的電話線上網,到如今的光纖上網,路由設備只是硬體的承載,伺服器也只是用於資源傳遞、共享、訪問的各個媒介,軟體技術也是基於這些媒介不斷萌生的產物,人類基於這些共同搭建起來的媒介環境下,把生活的方方面面都融入了進去,仿似一張龐大的資源網路,名詞稱之為互聯網。

物聯網的代表就好比摩拜單車就是物聯網的產品體現之一,在不久的將來包括電視都可能和手機等終端進行聯網。雲計算的體現就是阿里雲,給互聯網小公司,政府提供計算能力自己伺服器託管。大數據,任何行為,商業活動只要每秒產生數以億計的數據,需要運算分析用戶行為自己習慣都屬於雲計算範疇。工業4.0簡單說就是依靠以上東西進行C端消費者的需求定製,然後B端工廠再進行定製生產,進行配送。人工智慧就是以深度學習為基礎,演算法為依據的機器學習,機器開始有了自己的學習能力。以上這些都依靠互聯網這個基礎服務在進行。



其實在這些名詞里關鍵詞就是數據什麼是數據呢打個比方我們人就是無時無刻都在收集數據比如用眼睛看就是收集圖像數據用耳朵聽就是收集音頻數據等等那麼收集了數據有什麼用呢就是用收集來的數據再經過對數據的處理來優化我們的行為更好的完成某些任務比如吃飯走路開飛機等等你不收集數據都是無法完成的大數據也是一樣它通過互聯網物聯網等等來收集數據再把收集來的數據通過大算力的計算機處理變成有用的數據就能使互聯網更聰明就可以更好的服務於用戶比如做電視劇的可以從人們搜索那類電視劇多決定他去做什麼電視劇醫生可以根據網上搜索發展流感爆發還有商家根據你的喜好推送產品或是服務當然我說的都是比效簡單的大數據還可以訓練人工智慧未來大數據和人工智慧的深度結合與發展這個潛力是不可限量的還要說一下處理數據主要就是用各種演算法來完成的非常複雜簡單理解就是歸類對比

2018年1月31日 星期三

什麼是邊緣計算(Edge computing)? 邊緣計算的解釋和三種類型


.什麼是邊緣計算(Edge computing)? 邊緣計算的解釋和三種類型

來源:万物云联网

邊緣計算(Edge computing )是一種在物理上,靠近數據生成的位置處理數據的方法,即事物和人所在的現場區域,如家庭和遠端辦公室內。


  2、物聯網設備中通常集成具有一定計算能力的處理器


由於這些產生數據的事物和人通常不在雲端,因此我們需要通過許多形式的在物聯網(IoT)解決方案架構的邊緣處的計算來補充雲計算。


  3、節點與雲之間有大量的數據需要傳遞


關於邊緣計算(Edge computing )的討論,通常會忽略有多少類型的「邊緣」計算,而本文我們將探討邊緣計算(Edge computing )的基本驅動因素,和許多類型的邊緣計算(Edge computing )。

由於邊緣計算(Edge computing )指的是接近於事物,數據和行動源頭處的計算,所以我們也可以把這種類型的數據處理,使用更通用的術語來表示:鄰近計算或者接近計算(Proximity Computing)。

鄰近計算(Proximity Computing)的經濟學因素
我們對周圍所發生的事件,需要即時地做出回應,以獲得良好的用戶體驗(如當需要「改變電視頻道」時),或者避免災難(如當發生「煤氣洩漏」時)。


  3、感知,處理和行動是物聯網的三類事件
  

由於有許多這些類發生的事件,因此我們需要將這類複雜的系統編排為感知,處理和行動(SPA、既Sense、Process, and Act (SPA))。 SPA的成本是本地與遠端處理成本,網路連接成本,以及遠端系統管理成本的函數。

就物聯網(IoT)設備的尺寸和功率來說,鄰近計算(Proximity Computing)平衡了回應事件的即時性,與回應事件的成本兩者之間的關係。數據傳遞的管理的法律限制,進一步推動了對鄰近計算(Proximity Computing)的需求。

多邊場景 - 接近計算(Proximity Computing)的類型
當涉及到最佳鄰近計算時,有很多類型的邊緣(edges )要考慮。梳理下來它們主要有三種類型:個人邊緣(Personal Edge)、業務邊緣(Business Edge),以及雲邊緣(Cloudy Edge)。

這三種邊緣將SPA(Sensing-Processing-Acting)佈署到不同環境中,來處理一系列不同的問題,以實現最佳的自動回應,例如當您的個人汽車被盜時。


  4、三種類型的邊緣

下面是每種邊緣及其發展的驅動因素。

1)個人邊緣(Personal Edge)
這個邊緣計算(Edge computing )圍繞著我們個人,有時就在我們的身邊,就在我們的家裡;它包括家庭機器人、智慧眼鏡、智慧藥片,以及您皮膚下的傳感器、手錶、家庭自動化系統,您的Amazon Echo(回聲)和智慧手機。

個人邊緣(Personal Edge)總體上是移動的。當我們在家庭和工作場所之間移動時,個人邊緣(Personal Edge)計算設備進出於商業邊緣(Business Edge)區。

  5、個人邊緣
  

隨著智慧家庭設備,數位健康和其他個人設備的普及,我們將在未來5年裡,聽到更多關於個人邊緣(Personal Edge)計算的資訊。

2)業務邊緣(Business Edge)
這是最受關注的邊緣計算(Edge computing )類型。在業務邊緣(Business Edge)處連接的機器和人在這裡匯聚。業務邊緣(Business Edge)在我們鋪有地毯的辦公室中,也可以在無地毯的領域,甚至在我們工作和娛樂的開放的地方。

許多物聯網的討論似乎假設這是唯一的邊緣,同時每個物聯網的討論,都表達了這種邊緣計算(Edge computing )的好處。關鍵任務(Mission-critical)SPA(「感知,處理和行動」,「Sensing-Processing-Acting」))在這一領域尤其如工業物聯網(Industrial IoT)領域中集中發展的勢頭強勁。


  6、業務邊緣

許多供應商正在提供這類應用的開發環境,以幫助客戶開發邊緣應用和分析。 Amazon Lambda Greengrass(https://aws.amazon.com/cn/lambda/)和Azure IoT Hub是此類軟體的示例。

【注1:Amazon Lambda Greengrass是Amazon的雲計算服務,通過 AWS Lambda,無需配置或管理伺服器即可運行代碼。您只需按消耗的計算時間付費 – 代碼未運行時不產生費用。借助 Lambda,您幾乎可以為任何類型的應用程序或後端服務運行代碼,而且全部無需管理。只需上傳您的代碼,Lambda 會處理運行和擴展高可用性代碼所需的一切工作。您可以將您的代碼設置為自動從其他 AWS 服務觸發,或者直接從任何 Web 或移動應用程序調用。】

【注2:Azure IoT Hub是微軟針對物聯網應用的雲計算,Azure IoT Hub意為物聯網中心,是為物聯網設備提供註冊、管理、溝通的雲服務。它是微軟Azure IoT Suite的重要組成部分,也是微軟物聯網戰略的重要基礎。微軟Azure IoT Hub可用於管理數十億物聯網設備,提供雲端與設備之間的雙向通信支持,每月可處理數以萬億計訊息,並簡化了與其他Azure服務之間的整合,包括Azure機器學習以及Azure流分析等。】

3)多雲邊緣(Cloudy Edge)
這是目前最少談論的一類邊緣計算(Edge computing),但是它是最老的一類邊緣。多雲邊緣(Cloudy Edge)是服務提供商或企業網路邊緣的拓撲術語,其中業務首先從撥號調制解調器,進入到家庭或者遠程分支機構中的。
多雲邊緣(Cloudy Edge),從前只是一個沒有任何計算能力的網路邊緣。它們被稱為PoP(存在的節點,points-of-presence)。

  7、多雲邊緣(Cloudy Edge)

對應用性能和內容傳送的需求,需要在網路邊緣( network edge)中添加應用和數據處理能力。現代的邊緣數據中心(Edge Data Centers)能夠滿足這一需求。內容交付網路(CDN,Content Delivery Networks)就是在利用它們,以便我們能夠獲得更好的頁面和視訊加載效果。移動邊緣計算(Mobile Edge Computing)增強了這一邊緣的優勢,因為人們需要更好的移動應用程序(mobile app)的性能。

所以老PoP在內容和計算方面變得沒有前途。 而SP邊緣( SP edge),移動邊緣(mobile edge)和企業邊緣(enterprise edge)共同形成了雲端。這類邊緣仍然與確保應用程序性能和內容傳遞順暢等相關。

總結
有很多方法來描述什麼是物聯網(IoT),這些描述都是對的,只不過有些描述要更全面一些。

在這裡我們提供對物聯網(IoT)的一個這樣的描述:IoT = 跨連接設備迷宮的分布式人工智慧和人類智慧。


  8、邊緣計算正在改變整個物聯網(IoT)場景
  
像AWS Lambda和Greengrass這樣的邊緣計算(Edge computing )技術,正在幫助加速創建這種分布式人工智慧。如何在個人,業務和雲端邊緣中,創建分布式智慧,將取決於您的應用程序,成本和相關規定。我們將看到越來越多的邊緣計算(Edge computing )參考架構的發展,以支持物聯網(IoT)的新應用模式。



2014年11月6日 星期四

Y世代工程師沒聽過的…

Y世代工程師沒聽過的…

科技日新月異眾所皆知。曾經在一、二十年前風靡一時的先進產品、服務或規格,如今可能早已退流行或看起來古怪地令人感到逗趣可笑。
舉例來說,首款成功商用上市的「可攜式電腦」──當時甚至還沒有筆記型電腦(laptop)一詞呢!──是1981年推出的Osborne 1,它大約有24.5磅重(約11.12公斤),當時售價1,795美元,以今日幣值換算約為4,700美元!蘋果電腦Newton則是首款掌上型電腦(或稱PDA),搭載的336x240畫素反射式LCD以及手寫辨識功能在當時已令人讚歎不已。這款產品要價700美元,在1993年時開始出貨。
由於產業步調變化迅速,很容易就能看到一些常見的科技用語一下子就被遺忘,或幾乎在同一個世代內迅速地被淘汰,儘管這些科技用語或詞彙曾經是具有電腦專業的工程師每天都會用到的。更不用說一些Y世代工程師──根據Pew Research,Y世代(千禧世代)是指1980年代後出生者──可能連聽都沒聽過,他們甚至對於1980-1990年代之間的科技用語不太熟悉。


(來源:Pew Research Center report)
無論他們是否瞭解以往的技術,Y世代正擁抱今日以社群為導向的技術。Pew Research在2014年3月進行的研究發現,千禧世代熱衷於採用新技術,包括行動裝置與社群媒體,同時將自已置於專屬「自我建構數位網路」的中心。
根據Pew Research的研究報告,「約有55﹪的人都受玩自拍,而且把自拍照片放在社群網站上;至今還沒有其他世代會像他們這樣做。」
不過,儘管Y世代十分熱衷於社交與行動技術,十個人中有九個認為個人資訊在網路上透露得太多,這個看法和上一世代持類似的態度。
當然,對於一整個世代的人存有刻板印象是相當冒險,而且事實上,可能有許多懂技術的工程師讀者經常瀏覽本刊,因此相當熟悉一些其他同儕不知道的上世代技術與產品。
現在就來看看大部份千禧世代連聽都沒聽說過的科技用語吧!當然,如果我們漏掉了或你曾遇到了什麼重要的技術詞𢑥,請在文末的評論欄中幫忙補充吧!
PC clone


(來源:Wikipedia)
當今的Windows PC發展大約可追溯到至少三十年前,大約在1981年代發表的IBM PC。微軟(Microsoft)為最早的IBM PC開發出3種版本的磁碟作業系統(DOS);英特爾(Intel)提供了 8086 微處理器。然而,IBM卻允許微軟將其DOS版本賣給其他硬體製造商。結果是:一個相容於IBM電腦的市場或「PC clone」市場迅速崛起。在1980年代中期,微軟與英特爾已經有能力挑戰IBM對於PC平台的控制權了;到了1990年代,所謂的「Wintel PC」也取代了「PC clone」。至於IBM,則繼續製造PC一直到2005年將PC部門賣給了聯想(Lenovo)。
Baud


(來源:Wikipedia)
「波特」(Baud)或「波特率」(baud rate)一詞最近已經很少聽到了,但在1980年代卻是製造商用來衡量數據機撥接的資料傳輸速度。根據TechTerms.com,「Baud」用於形容一個電子訊號的最大震盪速率。例如,如果一個訊號每秒改變1,200次,那麼就可測得1,200 baud。由於數據機具有每次訊號轉換時傳輸多個位元的能力,「位元/每秒」的用法便逐漸取代了baud。時至今日,經常使用「百萬位元/每秒」(Mbit/s)來描述寬頻度。
「撥號」?


(來源:Wikipedia)
撥接數據機、撥打電話……「撥號」(dial)一詞仍然是科技業界一定年紀的人常用的說法。除了少數偏遠郊區用戶還得忍受昔日數據機刺耳的撥接聲以外,如今撥接網路連線絕大多數已經被寬頻所取代,類比電視撥接選台的時代也早已成過去。有趣的是,轉盤電話早在多年前就被淘汰了,但有些人仍然習慣使用「撥打」電話號碼的說法。不過,近來隨著復古風吹起,我們還經常會在市面上看到具有復古風格的轉盤電話。
穿孔卡


(來源:Wikipedia)
如果你出生在嬰兒潮或在那之前,你可能有機會用過這種穿孔卡(punch card)。其歷史可追溯到19世紀後期,當時就是用這種穿孔卡來記錄資料。1960年代的反文化運動使得看似無害的穿孔卡成為洩憤的目標,嘲笑僵硬的紙片就像一個越來越沒靈魂、機械化與電腦化社會的象徵。穿孔卡已經從我們目前的生活中消失了,取而代之的是更新且更有效率的資料收集、處理與儲存方式。
單色顯示器


(來源:Wikipedia)
單色顯示器仍然可能零星出現在一些場所。例如,許多收銀機和刷卡機等。但如果要看看早期PC時代(約1983年)的單色CRT顯示器,可能就必須要到電腦博物館了。根據所用的螢光粉不同,單色顯器螢幕的文字與圖形均以某種顏色呈現。在IBM相容PC的那個時代,最常見的單色顯示器就是綠色,但琥珀色和白色選擇也同樣很普遍。隨著紅、綠與藍色螢光粉的出現,以及越來越多先進複雜的用戶介面與應用需要全彩色調,很快地單色顯示器就被堆到了倉庫或甚至堆成科技垃圾了。
點陣式印表機
在噴墨(inkjet)印表機在1990年代成為消費列印市場主流以前,可是一個以點陣式印表機為主的時代。(雷射印表機雖然也可追溯到當時,但因價格相當高而主打商業市場。)以今日的標準來看,點陣式印表機真的很吵且速度緩慢,它用一個印字頭來回在頁面間移動列印。它有點像是打字機一樣,但更具有通用性,因為它利用印字頭敲打在緊貼紙張上的色帶,而能夠列印出圖形與多種字體。這項技術式微的原因有很多,最直接的影響就是彩色噴墨印表機日益進展與複雜化,除了在列印時更安靜以外,它還能夠印出漂亮的彩色照片——這同時也是數位相機躍升主流的重要原因之一。



(來源:Wikipedia)

序列/平行連接埠



(來源:Wikipedia)

電腦、平板電腦和智慧型手機都著各種連接埠,最主要的就是USB,而曾經無處不在的平行埠與序列埠則早已不復存在。9針RS-232連接器曾經用於連接各種不同的PC外接週邊設備,包括數據機、滑鼠、資料儲存裝置、不斷電電源供應器以及其他設備。長期使用蘋果的用戶應該還記得Mac電腦的RS-422序列埠吧,它後來在1998年推出的 iMac 時被USB取代了。平行埠則主要用於連接印表機、掃描機、外接硬碟、控制搖桿以及一些早期的 MP3 播放器,不過,後來也改用 USB 、乙太網路或甚至 Wi-Fi 連接了。
電傳打字機



(來源:Wikipedia)

電傳打字機或電傳印表機,是經由各種通訊系統(包括以數據機傳送的標準電話線)印刷傳送書面訊息的電子機械打字機。雖然它的起源可追溯到19世紀古老的股票行情自動記錄收報機,但它在1970-1980年代成為各種業務普遍使用的電傳打字機。當時的報社也透過這種電傳打字機來接收電報新聞。這種電傳打字機最終被電腦終端所取代,從而減少用紙與開銷,使其更易於編輯以及共享文字,也更具有成本效益。
軟碟片



(來源:Wikipedia)

Y世代可能還用過「硬式」的軟碟片。2000年代初期的桌上型電腦與筆記型電腦都還附有軟碟插槽可讀取3.5吋的「硬式」磁片。其實,這種硬式磁碟片曾經有一度真的是…軟性的。最早的軟碟片出現在1960年代,它的直徑約有8吋長。到了1970年代中期的PC革命,5.25吋FDD取代了8吋軟碟。不過,5.25吋軟碟在日常的使用上也不太方便,最後在1990年代中期被淘汰了。
王安電腦


(來源:Wikipedia)

王安電腦(Wang Laboratories)是1970-1980年代文字處理終端機與微型電腦市場的主導廠商之一,但在1990年代該公司CEO兼創辦人王安博士去世後而告失敗。由於電視廣告頻繁出現,王安可說是家喻戶曉,比當時(以及現在還存在)的許多科技公司更有名。IBM PC (以及其後的PC clone)的崛起,扼殺了王安電腦的文字處理器產品線,而該公司努力打造專有PC以及IBM相容PC的業務也一蹶不振。王安電腦在1992年申請破產,後來以王安國際(Wang Global)捲土重來,但在該公司完全消逝以前,始終無法再現昔日輝煌榮景。
編譯:Susan Hong
(參考原文:10 Tech Terms Millennials Don't Know,by Jeff Bertolucci)

Gartner:轉型數位企業的六階段業務模式

Gartner:轉型數位企業的六階段業務模式

國際研究暨顧問機構 Gartner 發表的年度發表《新興技術發展週期報告(Hype Cycle for Emerging Technologies)》已邁入廿周年,最新公布的 2014年版本則以數位企業的發展藍圖為主題。 Gartner在報告中指出,如何在正確的時間選擇並採用正確的技術將是企業能否成功轉型為數位企業模式的關鍵所在。
Gartner的《2014年新興技術發展週期報告》,從市場成熟度、商業利益與未來方向等角度,為企業中負責擬定策略與計畫的人員評估了超過2,000種技術(共區分為119個領域)。今年新加入的新興技術發展週期包括數位職場、連網家庭、企業行動資安、 3D列印及智慧機器。該報告是業界歷史最悠久的年度發展週期研究,主要針對技術與趨勢提供跨產業觀點,讓企業策略規劃人員、創意長、研發主管、實業家、全球市場開發人員及新興技術團隊在規劃新興技術組合時有所依據。
Gartner副總裁Jackie Fenn表示:「新興技術發展週期報告乃集Gartner發展週期報告之大成,主打因特別受到炒作而成為注目焦點的技術,或者是Gartner認為有可能帶來重大影響的技術。企業應運用發展週期鎖定新興技術,並利用數位企業轉型的概念來預測未來商業趨勢。」
Gartner副總裁Hung LeHong則指出:「今年新興技術發展週期報告以數位企業為主題,當企業開始轉型為數位企業,必須利用現在仍被視為『新興崛起』的技術。而了解企業轉型的立足點與未來目標後,不但可以藉此決定企業改革的程度,還能規劃該結合那些技術以支援企業發展。」

2014年新興技術發展週期

2014年新興技術發展週期
(來源:Gartner,2014年8月)
根據Gartner設定的數位企業路徑發展圖,目前有六大業務階段模式適合企業未來發展──第一階段:類比;第二階段:網路;第三階段:電子商務;第四階段:數位行銷;第五階段:數位企業;第六階段:自動功能。由於新興技術發展週期刻意把焦點放在新近崛起的技術,因此多半以最後三個階段為主:也就是數位行銷、數位企業和自動功能。
數位行銷(第四階段)
數位行銷階段將出現行動、社群、雲端與資訊等各方面力量的連結(Nexus of Forces)。處於這個階段的企業必須致力以新穎且更先進的方式來打入消費族群,找尋願意參與行銷活動以強化社群聯繫或取得產品及服務價值的消費者。購買產品與服務的消費者,他們對品牌的影響力更勝以往,而且偏好以行動裝置與社群網路做為媒介。
這個階段的企業必須克服消費者影響力,才能帶動業務成長。以下為發展週期中代表數位行銷階段的各種技術:所有軟體定義產品、立體全像顯示、神經商業(neurobusiness)、資料科學、規範分析、複雜事件處理、巨量資料、記憶體內資料庫管理系統、內容分析、混合雲端運算、遊戲化、擴增實境、雲端運算、近場通訊、虛擬實境、手勢控制、記憶體內分析、活動串及語音辨識。
數位企業(第五階段)
數位企業是力量連結後中第一個階段,重點在於人員、業務與物件的匯流。這個階段的主要概念包括物聯網,以及模糊實體與虛擬世界之間的界線。實體資產經過數位化,在業務價值鏈中的重要等同於已經數位化的各種實體,例如系統及應用程式。3D列印讓實體物品的數位化更上一層樓,有可能在供應鏈與製造層面引發破壞性變革。將與人相關的各種屬性(例如生命跡象數據)數位化的能力,也是這個階段的特色之一。甚至連貨幣(其實常被認為早已數位化)都可以轉型(例如加密貨幣)。
不想侷限於力量連結階段技術而有意轉型為數位企業的業者,應留意下列技術:生物聲學感測、數位資安、智慧職場、連網家庭、3D生物打印系統、情感運算、語音轉語音翻譯、物聯網、加密貨幣、穿戴式使用者介面、消費3D列印、機器對機器通訊服務、行動式健康監測、企業用3D列印、3D掃描器及消費車用電子。
自動功能(第六階段)
自動功能是力量連結後最末一個階段。在這個階段中,企業應有能力利用各種擬人或足以取代人力的技術,例如以自動駕駛交通工具來載運人員或產品,或使用認知系統撰寫內容或回答顧客問題。想跨入這個階段以提升競爭力的企業,應留意發展週期中下列技術:虛擬個人助理、人類機能增進、腦機介面、量子運算、智慧機器人、生物晶片、智慧型顧問、自動駕駛車輛及自然語言問答。
LeHong表示:「雖然我們已將發展週期中每一種技術都歸納到六大數位企業階段,企業不應受限於這樣的分類方式。一些動作較快的企業已開始擁抱自動駕駛汽車或智慧型顧問等先進科技,同時他們也不忘持續提升行動應用程式等與力量連結相關的領域。因此,著眼大局是相當重要的。」