在世界行動通訊大會（Mobile World Congress，MWC 2019）前夕，諾基亞（Nokia）推出認知協作中心網絡，這些數據科學中心將進一步促進諾基亞、營運商以及企業(yè)之間的合作，以開發(fā)創(chuàng)新的人工智能使用案例。

認知協作中心（Cognitive Collaboration Hubs）以 2018 年成立且大獲成功的諾基亞云端協作中心（Cloud Collaboration Hubs）為基礎，吸引了營運商的極大興趣，并協助他們構建以云端為基礎的新能力。

認知協作中心為營運商的策略發(fā)展提供了催化劑，并以應用分析與人工智能（Artificial Intelligence，AI）協助解決關鍵挑戰(zhàn)。敏捷開發(fā)過程通常用來共同創(chuàng)建使用案例，進行測試并在幾周內投入實際營運。典型的應用領域主要是聚焦于網絡營運、網絡效能、客戶體驗以及數據如何獲利。5G 技術則是另一個重點，諾基亞目前正與數家美國營運商合作，利用機器學習（Machine Learning）改進 5G 網絡規(guī)劃，例如確定最佳的站點位置或 massive MIMO 波束成型技術的設定。

▲ 認知協作中心架構（Source：Nokia Networks）

全球各地的營運商已從使用這些方法創(chuàng)建的認知服務中受益，例如諾基亞與土耳其電信公司（TürkTelekom）正在使用諾基亞的人工智能助手 MIKA 與 AVA 認知服務平臺，在新一代行動與固定網絡上測試以機器學習為基礎的人工智能科技。

諾基亞網絡認知服務部門負責人 Dennis Lorenzin 表示，認知協作中心是擴展數據分析與人工智能服務的另一重大進展?；跀祿茖W以及電信專業(yè)能力，諾基亞正在幫助客戶應用人工智能技術來提高營運效率，為 5G 網絡做好準備，并創(chuàng)造新的收入來源。

諾基亞還宣布了一項改進道路安全與乘客體驗的創(chuàng)新服務，駕駛行為分析工具（Driver Behavior Analytics）提供商品傳感器數據的實時分析，為政府機關、汽車產業(yè)、一般企業(yè)提供有效的數據分析，以及使用專屬智能型手機應用程序取得的數據分析，提供有關激烈性駕駛、不當的道路狀況或危險路口的信息。

?

在人工智能 (AI) 已經成為產業(yè)不可逆的趨勢下，就連臺積電前董事長張忠謀都表示，未來 AI 的發(fā)展將成為帶動臺積電營運發(fā)展的重要關鍵。因此，市場上大家都在期待，藉由 AI 發(fā)展所帶來的新應用與商機。只是，在 AI 需要大量運算效能與能源，而整個半導體結構發(fā)展也面臨極限發(fā)展的情況之下，材料工程技術的突破就成為未來 AI 普及化前的其中關鍵。

材料工程解決方案大廠應用材料 (Applied Materials) 指出，根據《經濟學人》表示，當前數據之于這個世紀的重要性，猶如石油之于上個世紀，是成長與變革的動力，而透過科技也為許多產業(yè)帶來改變。因此，藉由人工智能與大數據的結合，給市場帶來無限的機會，卻也帶來空前的挑戰(zhàn)。所以，而是否能掌握 AI 與大數據帶來的龐大商機，關鍵在于新技術和新策略上。

應用材料臺灣區(qū)總裁余定陸日前在于媒體的聚會中表示，AI 與大數據的結合帶動了 4 個主要的趨勢與挑戰(zhàn)，這也是企業(yè)是否能在 AI 與大數據時代掌握致勝先機的關鍵。其中，包括了物聯網普及和工業(yè) 4.0 產生超大量的數據資料、現有的空間不足以應付快速增加數據量的處理及儲存、靠著新的運算模式及架構，以及邊緣運算、云端技術和低功耗的每瓦效能，才能將數據成功轉換成價值、以及 AI 與物聯網快速匯流，連接性是最大關鍵，也是決定運作是否流暢的重要因素等。

而因為有了 4 個趨勢與挑戰(zhàn)，使得在 AI 與大數據時代中啟動了「硬件復興」的各種資源投入，不但使得論是傳統(tǒng)科技領導大廠、新創(chuàng)公司或軟件公司，都投入大量的資源、押寶不同的技術領域、聚焦應用的客制化及最佳化，專注于硬件的設計以及投資發(fā)展。另外，在在計算機運算處理器部分，人工智能需要大量、快速的存儲器存取及平行運算，才能提升巨量資料處理能力，這時繪圖處理器（GPU）及張量處理器（TPU）會比傳統(tǒng)運算架構更適合處理人工智能的應用。而且，為了使人工智能潛力完全開發(fā)，其效能 / 功耗比即運算效能需達到目前 的1,000 倍 ，已成為現階段技術層面亟需突破的關鍵。

再加上 AI 與大數據需要邊緣及云端創(chuàng)新，大量的資料儲存＋高效能運算因運而生。而且在是當傳統(tǒng)摩爾定律下的 2D 微縮越來越慢的情況下，材料工程的創(chuàng)新就成為解決問題的其中一項關鍵。余定陸進一步表示，材料工程的創(chuàng)新未來將建構在 PPAC（效能、功耗與單位面積）的 5 個面向革新上，包括新架構、新結構 / 3D、新材料、微縮的新方法以及先進封裝等。

余定陸舉例表示，原有 2D NAND 的技術應用在實體和成本上已達到極限，為了能讓每儲存單元（cell）的容量再往上增加， 3D NAND 技術采用層層堆棧的方式，來減少 2D NAND 儲存單元距離過近時，可能產生的干擾問題。此外，3D NAND 有倍增的容量與可靠度，更是過去的 2D NAND 無法比擬的 。

此外，先進封裝可以優(yōu)化系統(tǒng)級的效能。過去 DRAM 封裝是采用印刷電路板（PCB）的方式，目前則采用硅通孔封裝技術（TSV），可將邏輯和存儲器的同質和異構集成緊密地結合在一起，垂直堆棧的 3D 儲存器芯片顯著減小了 PCB 級的電路板尺寸和布線復雜性，大大降低成本、節(jié)省一半的電力及延長芯片使用壽命。另一種系統(tǒng)級封裝，運用小芯片（chiplet）多元模塊整合，可提供時間、成本與良率的效益。

余定陸還表示， 傳統(tǒng)計算機架構的馮諾伊曼（Von Neumann）思維有一個主要問題，當處理大量資料運算，單一中央處理器與存儲器間的資料運算規(guī)則和傳輸速度，限制了整體效率與計算時間，無法滿足實際實時應用情境。但利用神經形態(tài)（Neuromorphic）思維，進行網絡分散架構及平行運算與學習，可加速人工智能計算，達到傳統(tǒng)計算機架構無法達成的連接性。

在 AI? 與大數據的結合將帶來無限機會的時代中， 因應復雜性、應用性和在時間方面都面臨很大的困難，而且互連性和材料創(chuàng)新速度上面臨的挑戰(zhàn)，也需要新的策略來克服的情況下，需要藉由材料工程創(chuàng)新、硬件的復興以及產業(yè)生態(tài)間深度連結來解決。

2019年1月8日，在美國拉斯維加斯舉辦的CES國際消費電子產品展上，聯發(fā)科技推出多款AI人工智能終端產品解決方案，包括最新一代的智能電視AI成像畫質技術（AI PQ）、智能顯示和智能相機的AI視覺（AI Vision）平臺MT8175，以及應用于便攜智能音箱的AI語音交互（AI Voice）平臺MT8518，為消費者打造了全新的智能家居體驗。聯發(fā)科技全新的人工智能終端解決方案通過底層芯片的強大AI邊緣算力，結合算法和軟件開發(fā)工具，讓聯發(fā)科技最新的人工智能創(chuàng)新真正走進智能家居、可穿戴設備、智能手機、自動駕駛和其他聯網設備。

“人工智能正在重塑我們與科技的互動方式 —— 從手機拍照，到用語音助理查詢天氣，再到電視上的流媒體播放和車載導航等。聯發(fā)科技同時具備高性能及高節(jié)能的解決方案能完美滿足下一波人工智能終端設備的處理需求?！?聯發(fā)科技資深副總經理暨智能設備事業(yè)群總經理游人杰表示，“我們已經看到人工智能正實現從語音到影像的跨越，并從云端運算 (Cloud Computing) 走向邊緣運算 (Edge Computing)。

鑒于此，聯發(fā)科技在智能語音助手（VAD）中支持更多AI應用，包括帶有顯示屏和攝像頭的智能終端設備。憑借公司前沿創(chuàng)新的智能電視AI成像畫質技術，我們?yōu)橄M者打造更好的視覺體驗；面向智能顯示和智能攝像頭的MT8175帶來更快、更精確的圖像采集質量；MT8518則讓智能語音助手（VAD）實現在云端與終端間的無縫接軌，為我們的客戶開拓了將語音助手引入到便攜智能音箱市場的機遇?！?/p>

聯發(fā)科技最新一代智能電視AI成像畫質技術（AI PQ）為數字電視帶來了人臉識別、場景檢測等AI增強功能。通過場景檢測，智能電視可以從每幀畫面中區(qū)分出人像和其它類型的場景，如風景、室內或體育場館等，在自動調整清晰度的同時微調膚色，令圖像更加逼真。傳統(tǒng)的智能電視成像畫質技術無法在膚色和風景等不同場景間進行精確區(qū)分，因此只能實現一種“還可以”甚至“將就”的畫質調校；但藉由聯發(fā)科技獨特的AI PQ技術，能在畫質的真實度上能做到真正的不妥協。

智能電視AI成像畫質技術（AI PQ）首先通過人工智能運算單元標記出不同類型的場景，然后利用PQ引擎處理相關信息，自動配適各細部場景PQ的設置。作為智能電視芯片領域領先的IC設計公司，聯發(fā)科技一直走在數字電視技術創(chuàng)新的前沿。2017年，聯發(fā)科技成為首家完成Verance Aspect評估測試的系統(tǒng)單芯片（SoC）供應商；Verance Aspect是下一代電視傳輸標準 (ATSC 3.0) 的重要組成部分。

?“透過聯發(fā)科技的MT8175 AI視覺（AI Vision）平臺, 與顯示屏和攝像頭集成的語音助手將為用戶帶來更豐富的互動體驗和更實用的功能?！庇稳私芙榻B說，“除了觀賞體驗的提升，MT8175還搭載了最新的圖像信號處理器（ISP）及人工智能處理單元（APU），讓圖像捕捉更快、更清晰，而且功耗更低。”

作為智能語音助手設備 (VAD) 領域第一大的芯片設計公司，聯發(fā)科技MT8518 AI語音交互系統(tǒng)芯片將推動人工智能語音助手新一波的市場發(fā)展，帶動以低功耗語音喚醒和低功耗流媒體播放為特征，具備強大的邊緣AI運算終端新趨勢。

聯發(fā)科技MT8518支持低功耗語音喚醒功能，可將智能語音助手的待機時間延長10倍，還同時支持低功耗遠場指令、本地聲紋識別 (Local Speaker ID) 和本地語音指令 (Local Command) 等功能。對于音樂流媒體播放，MT8518的低功耗播放技術可以提供比上一代解決方案長兩倍的播放時間。

“我們的客戶對于MT8518人工智能邊緣運算 (Edge AI) 及低功耗性能的市場潛力十分期待?！庇稳私苷f，“低功耗語音喚醒能顯著延長了電池待機時間，將會是便攜智能音箱市場的巨大突破。此外，別忘了我們功能強大的音質調整工具PowerAQTM，已經獲得許多國內外知名音頻品牌采用，來獲得更卓越的音質?！?/p>

進入 2019 年之后，分析師們對于半導體產業(yè)的看法是否如同先前所提出一樣的保守。根據摩根士丹利（Morgan Stanley，大摩）的分析師團隊于 2018 年 12 月所發(fā)布報告指出，2019 年全球半導體產業(yè)周期性低潮尚未見底，對北美和亞太市場均持保留態(tài)度，將預期成長從 -1% 下調至 -5%；至于，中國半導體產業(yè)仍存在著機會，整體未來成長點，將在于人工智能與機器學習以及無人駕駛等兩大領域。

根據報告指出，2019 年半導體產業(yè)整體銷售金額將比 2018 年下降 4.7%，這與 2017 及 2018 年各自有 22% 及 14% 雙位數的年度成長率形成鮮明的反差。從個別產業(yè)來分析，存儲器設備的銷售金額在經歷前兩年各自 60% 及 30% 的高幅度成長之后，將在 2019 年急劇下滑至僅有 18%。

對此，大摩認為，在未來 5 年內，全球半導體產業(yè)的成長率將圍繞著 GDP 成長率上下波動。不過，對于 2019 年的半導體產業(yè)景氣則不抱持樂觀的看法，因為大摩認為，形勢將比 2015 年的產業(yè)低潮的情況更加嚴重。原因是半導體產業(yè)存貨和供應過剩，加上需求不足，導致 2019 年供需不平衡。這部分從 2018 年年初實際生產增加了 22%，但市場僅消化了 15% 的增加量。因此，2019 年的開年，需求面要如何消化這 7% 的過剩產能，將是個很大的挑戰(zhàn)。

另外，在需求放緩的部分，是由于汽車和工業(yè)的垂直需求減少，以及整個供應鏈的庫存調整。此外，智能型手機方面的成長疲軟，特別是來自蘋果 iPhone 的銷售不如預期，以及中國廠商的市場需求縮小，更是對半導體需求方面的進一步造成壓力。

報告指出，全球半導體產業(yè)未來兩大長期成長點，關鍵在于人工智能與機器學習以及無人駕駛方面。其中。機器學習的應用正在升級，從資料中心擴展到邊緣運算上。而目前的機器學習相對處于早期的發(fā)展階段，但是在接下來的 3 到 5 年中，重點將從會用于算法開發(fā)、培訓的半導體工具轉向計算機解決方案，以取代人力資本。另外，人工智能及機器學習還有基于計算機視覺構建的 Amazon Go 概念店、臉部或車牌辨識、甚至正在進行的犯罪的監(jiān)控攝影機、醫(yī)學放射影像的內容解釋等應用，使得未來的應用成長可期。

至于，在自動駕駛方面，大摩認為這是汽車設備制造商的一個重點發(fā)展方向。隨著安全應用的反覆運算和技術的廉價化，全自動車輛正在階段性發(fā)展。自動駕駛還伴隨著處理器、傳感器的應用，以及諸如車到車間的通訊等新技術普及。這些技術都將推動全球半導體產業(yè)在未來 5 到 10 年內，在汽車產業(yè)的市場產值擴大 2 到 3 倍，而目前車輛使用半導體產品的數量，也將從目前每輛車 400 美元，上升至 1,000 美元。

隨著傳統(tǒng)市場走向下坡路和摩爾定律的逐漸失效，半導體行業(yè)正在不斷革新，力求了解人工智能、自動駕駛汽車、物聯網等新市場的需求。

而其中最奇特的也許當屬人工智能，因為它的計算范式與傳統(tǒng)的“處理器-內存”方法有著明顯差異。在近期于舊金山舉辦的國際電子器件大會上，法國研究員Damien Querlioz在談及“神經形態(tài)計算的新型器件技術”時說道，“長期以來，模式識別和認知任務都是計算機的弱點，比如識別和解讀圖像、理解口語、自動翻譯等。”

大約從2012年起，訓練和推理階段的人工智能技術開始加速發(fā)展，但當使用傳統(tǒng)計算架構時，功耗仍是一個巨大挑戰(zhàn)。

Querlioz是法國國家實驗室CNRS的一名研究員，他舉了一個活生生的例子：2016年Google的AlphaGo與圍棋世界冠軍李世石之間的著名圍棋大戰(zhàn)。李世石的大腦在比賽中消耗了大約20瓦，而AlphaGo估計需要超過250,000瓦才能使其CPU和GPU保持運轉。

雖然從那以后Google和其他公司均在功耗方面做出了改進，但越來越多的工作開始側重于為神經形態(tài)計算技術設計耗電更少的新器件。

Ted Letavic是格芯的高級戰(zhàn)略營銷人員，他表示，回想人工智能的各個階段，從改進傳統(tǒng)計算技術，到設計耗電更少的全新器件和架構，在整個過程中，先進高效的封裝將發(fā)揮關鍵作用。

Letavic稱，“人工智能時代正在逐步到來，我們可以利用現有的技術，再加上衍生技術，通過DTCO（設計技術協同優(yōu)化）進行全面優(yōu)化，一直深入到位單元設計層面。”

格芯的技術人員正在努力降低14/12 nm FinFET平臺的功耗并提升其性能，所采用的辦法包括雙功函數SRAM、更快且功耗更低的累加運算(MAC)元件、對SRAM的更高帶寬訪問等?；贔D-SOI的FDX處理器的功耗也將降低，尤其是在部署背柵偏置技術時。Letavic表示，設計師掌握了這些技術后，客戶便可以“重新設計功耗包絡更低的人工智能固有元件，甚至達到7 nm?！?/p>

除了這些DTCO改進以外，全球各地也在開展其他研發(fā)工作，希望實現基于相變存儲器(PCM)、阻性RAM (ReRAM)、自選扭矩轉換磁性RAM (STT-MRAM)和FeFET的嵌入式內存與內存中計算解決方案。

Querlioz在IEDM專題會議上提到，在IBM Almaden研究中心，由Jeff Welser領導開發(fā)的基于PCM的芯片已取得顯著進展，而基于STT-MRAM和ReRAM的人工智能處理器也前景光明。Querlioz表示，“現在，我們極有可能成功為認知類型的任務和模式識別重新發(fā)明電子器件?！?/p>

Letavic稱，降低功耗的道路還很長，對于推理處理而言尤其如此，而這正促使眾多初創(chuàng)公司開發(fā)新的人工智能解決方案，格芯也與其中部分公司及長期合作伙伴AMD和IBM保持著密切合作關系。

Letavic認為，憑借對馮諾依曼計算模式的DTCO改進，我們只能發(fā)展到這一步。除了分類邏輯和內存，下一步是發(fā)展內存中計算和基于模擬的計算。此外，為計算行業(yè)服務了35年的指令集架構(ISA)將需要被新的軟件堆棧和算法取代。他說道：“對于特定領域的計算，必須重新發(fā)明軟件。IBM對軟件堆棧有著深刻的見解?！?/p>

“各方都必須一同轉向人工智能。格芯將與主要客戶緊密合作，我們不能將算法與技術分開，”Letavic在談及該系統(tǒng)技術協同優(yōu)化(STCO)方面的緊密合作時說道，“隨著我們邁入計算發(fā)展的第四個時代，STCO將是DTCO的自然延伸。我們將朝著特定領域的計算發(fā)展，共同迎接這一轉變?！?/p>