智慧家庭 MCU AI應用 物聯網 晶片 邊緣運算 CNN Transformer

智慧控制強化整合度 AI應用挹注居家市場動能

2021-12-10
COVID-19疫情蔓延全球,卻也促成智慧家庭產業蓬勃發展,智慧控制整合多元功能,AI應用使得智慧家庭更聰明,透過創新技術、品牌協作,為產業開啟新道路。

 

追求安全、舒適的居家環境是人類永恆的渴望,隨著人工智慧(AI)、物聯網(IoT)、5G時代來臨,智慧家庭的出現,已然大幅改變人們的生活型態。儘管近年來全球經濟起伏不定,但智慧家庭市場仍有望大幅成長。根據研究機構Omdia研究顯示,直至2025年,智慧家庭產業將帶來1,780億美元的市場商機。

智慧家庭涵蓋的面向包含家庭娛樂、智慧家電、居家照護和安全防護。隨著COVID-19疫情蔓延全球,許多活動都變成在家中進行,因而衍生新的需求與商機。仁寶電腦人工智慧實驗室資深經理陳怡欽(圖1)指出,2020年各國相繼封鎖後,遠距會議與教學成為常態,因此視訊方案需求大增,筆記型電腦甚至供不應求。此外,居家休閒運動與娛樂的需求,帶動相關產品出貨量大增,如智慧電視、遊戲機、智慧健身器材等;在家時間越長,人們越加重視居家生活品質且更願意嘗試新科技帶來的便利性,因此智慧家電出貨量均有所成長。綜合以上因素,可預期未來智慧家庭產品蓬勃發展。

圖1  仁寶電腦人工智慧實驗室資深經理陳怡欽表示2020年各國相繼封鎖後,遠距會議與教學成為常態,筆記型電腦供不應求。

智慧家庭要能持續穩定成長,未來發展與應用將成為關鍵核心。TrendForce資深分析師曾伯楷指出,智慧家庭來年將以家庭聯網設備及平台為發展重心,發揮智慧化、生態系以及便利性等效益,並以語音與邊緣AI為主要賦能技術。在垂直應用方面,綠化能源、永續循環將成為重要發展趨勢,從家庭連動至建築,著眼脫碳、電氣化、高能效,以及數位化等要素。此外,日前臉書(Facebook)創辦人Mark Zuckerberg所提出的元宇宙(Metaverse)框架席捲全球,與智慧家庭場景思維不謀而合,從單一設備到全屋智慧,加諸遠端非接觸與沉浸式體驗等需求,輔以VR/AR技術的發展應用,未來可望以優化遊戲、會議系統、教學等,作為元宇宙前期應用。

智慧家庭驅動MCU技術成長

為使智慧家庭設備有效發揮各項功能,需要各種關鍵半導體與元件輔以協助,其中,微控制器(Microcontroller, MCU)是智慧家庭裝置開發的關鍵角色。恩智浦(NXP)半導體資深市場產品經理黃佳琪指出,其需要能夠提供高效能的即時系統、豐富且安全的周邊設備、低BOM成本和具備易於使用等特性,至於更多功能如臉部識別或語音控制,則可設計在基於跨界處理器解決方案的裝置上。

盛群半導體(Holtek)產品中心協理潘建州(圖2)指出,現階段廠商會針對不同應用領域與複雜度推出MCU,如一般標準型或是特殊應用型,前者用於較為簡易的應用,其運算架構較不複雜,成本相對較低;後者則整合多項功能,如射頻晶片(RF IC)、觸控晶片等,用於系統資源較多、運算速度較快、效能較高的應用領域。高度整合的微控制器不僅可以協助業者加速開發產品,更能減少印刷電路板(PCB)空間,降低整體成本。

圖2  盛群半導體產品中心協理潘建州認為高度整合MCU不僅可以協助客戶開發產品,更能減少印刷電路板空間。

近年來,MCU技術不斷成長,許多廠商選擇將常見的功能整合至硬體中,如將特定演算法硬體化,能降低產品功耗,潘建州說明,若純粹以韌體(Firmware)執行,系統頻率較高、功耗較大,不利於電池使用環境,如指紋辨識應用;另外像是直流無刷馬達(BLDC),早期亦使用演算法進行控制,由於MCU系統頻率有其極限,若使用32位元MCU將演算法硬體化,可運用在如電風扇、摩托車等高轉速設備。

另外,在智慧家庭的應用當中,需要許多感測器收集環境資訊,如紅外線人體感測器或是溫濕度、燈光、一氧化碳(CO)、PM2.5感測器。潘建州強調,相關應用的需求會逐漸增加,因此盛群推出整合感測器的小型MCU,提供數位化模組,讓終端客戶進行各種應用的結合。

AI晶片優化智慧家庭

隨著科技不斷地演進,AI應用已無所不在。曾伯楷表示,AI應用能使智慧家庭裝置更聰明,其有三大重點,包括優化數據採集應用、降低建築能源成本,以及賦能基礎設施價值。以一般家庭來說,裝設智慧照明系統、再生能源設施(如太陽光電板及小型風機)、小型儲能設備、智慧水/電/瓦斯表等相對成熟,皆是AI可深化發展之處。

耐能創辦人暨執行長劉峻誠(圖3)指出,現今已有許多AI功能運用在智慧家庭之中,對此,該公司推出可重組式的AI晶片,針對神經網路(Neural Network, NN)的特性與結構進行重組。劉峻誠形容,該產品架構宛如人腦般有許多區域,如語言區、視覺區等,在神經網路模型中,其可支援不同的神經網路並像積木般進行組合,例如長短期記憶(Long Short-Term Memory, LSTM)結構,可支援語言辨識,若將其結構改變成深度殘差網路(ResNet),即可進行人臉辨識。

圖3  耐能創辦人暨執行長劉峻誠提出使用Transformer模型進行辨識,其準確度比CNN高出30%。

另外,隨著AI技術的進步,越來越多的架構不斷刷新機器學習(Machine Learning)極限,促使應用功能趨於完整,如Transformer模型。與卷積神經網路(Convolutional Neural Network, CNN)相比,Transformer模型是全新的架構,前者僅能辨別單一時刻的畫面;後者則能辨別一連串事件。劉峻誠舉例,當兩個人在打架時,若使用CNN進行辨識,難以分辨出畫面中的兩人,究竟在打架或是擁抱;但若使用Transformer模型進行辨識,其準確度比CNN高出30%。

除此之外,CNN辨別的是局部訊息,Transformer模型則可辨別全局訊息,劉峻誠舉例,由於疫情升溫,現階段人們外出必須隨時配戴口罩,使用人臉辨識時,若運用CNN會因為畫面失去部分訊息,而難以分辨;但若使用Transformer模型,可從整體上來進行推斷,而不像CNN僅基於關鍵特徵點,如眼睛、耳朵、嘴巴,其可透過其餘訊息協助,進而達到精準辨識。

智慧家庭安全防護不可少

然而,當智慧家庭裝置越趨普及,家用網路潛在資安風險也逐漸提升,諸如家庭攝影機影像、智慧音箱個資外洩等。對此,陳怡欽認為,在智慧家庭走入聯網數位化過程,過去提供企業資安保護解決方案的廠商,仍然會扮演至關重要的角色,如防火牆、病毒防護等;另一方面,各種身分識別技術的導入,也可以讓智慧家庭更安全,如人臉識別、指紋識別、虹膜識別、聲紋識別等。

而隨著物聯網(IoT)逐步導入市場後,邊緣運算將成為智慧家庭未來發展的重要趨勢。在邊緣運算中,數據可在數據收集源附近處理或存取,不再需要傳輸至雲端或本地資料中心進行分析,降低資訊藉由雲端網路外洩的風險。曾伯楷指出,長期來看,當智慧家庭設備更為普及、導入AI能執行更多作業時,其操作管理複雜度、網路依存度、斷網成本將更高,屆時低延遲性與可靠度,將成為推動智慧家庭設備邊緣化的另一大市場動能。

建立互通平台有望創造市場規模

過去由於智慧家庭的複雜性、成本和封閉平台(Closed Platform),阻礙更廣泛的市場滲透,當時智慧家庭市場彷彿已經達到採用率的極限。近年來智慧家庭廠商高度整合MCU並優化AI應用,促使相關產品功能更貼近人們的日常,市場潛力大增。

未來隨著市場標準協定的誕生,將提升智慧家庭裝置彼此間的相容性,透過採取創新、協作的方式,促進多元應用,進而將設備和服務推向更廣泛的客群,有望為智慧家庭產業創造更龐大的市場規模。

 

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!