關於 智慧手錶續航力比較 ，我們在網路上蒐集到這些相關的討論、資訊與評價

這是我收過最棒最實用的禮物了！
沒想到我會一直戴著耶～
我嚴重被手環綁架了😆
（一定要看到完）
-
Fitbit為美國的品牌
是開創智慧手環結合個人健康、運動偵測裝置的先河！
2021年加入Google旗下為大眾帶來更多智慧生活可能
聽說年底會開放血氧偵測功能喔～
很值得期待的呢～
-
今年度 Fitbit 跟珠寶品牌 gorjana
獨家合作 Luxe gorjana 時尚智慧手環特別版
就是我手上戴的金色不鏽鋼 gorjana Parker 手鍊手環
雖說是金屬，超輕巧
戴著完全無負擔啦～
連睡覺都不會有異物感～
跟我的手鍊搭在一起就是美！
偏柔金色，不是土豪金喔～
比較沒有限制風格，悠閒奢華感～
而且我發現質感真的超好！
金屬的部分沒有因為日常正常使用而割花～
鍊帶自由調節長度不用工具拆太方便了
除了精美的珠寶飾品外觀設計之外
還附了矽膠錶帶
讓喜歡運動、休閒穿搭多一種風格替換～
-
除了外表吸引我們之外
當然功能性也是符合現在都市人需求喔
3C研究者高先生 @kaomin1226 說
這只手環就連背面做工都很細緻！
因為他買過好幾支手環
這支luxe是他用過最滿意的手環～
充飽電池續航力最多達 5 天
久久才充一次
他連洗澡都不沒拆
防水可達 50 公尺
因此在泳池暢游不成問題
還有20 種運動模式
超適合運動愛好者使用～
我個人是太愛惜它了所以洗澡我有拆
這個可以看個人習慣啦～
-
Luxe手環基本的功能都有～
像是追蹤步數、距離、卡路里燃燒量
還有接收通知功能～
最厲害的是它是首支內建壓力管理功能手環
搭配Fitbit app使用便可以輕鬆知道自己身體如何應對壓力
超適合長期處於壓力下的我
只要數據降下來
我就能追蹤那天做了什麼事讓我有放鬆心情的時候
戴了手環才懂得找出自己的放鬆方式😌
-
高先生說介面偵測內容分析的好詳細喔～
還有詳細的睡眠監測功能
針對淺睡、熟睡、REM 睡眠階段等睡眠階段進行數據分析
現在一起床我們都會看一下App
讓自己更了解睡眠品質～
情侶手環太棒了！
兩人每天又有共同話題了
-
我覺得戴手錶很棒的是可以更加掌握
自己的健康狀況
像是7/3高先生打完疫苗
在8/4晚上發燒皮膚很燙
隔天就看到心率、呼吸率
和皮膚溫度數據就起了變化～
-
而且還有貼心女生經期追蹤喔～
還有我一向都有心跳太快的問題
戴了手環後讓我更積極、更快去找出原因，馬上主動預約醫生看診！
-
Fitbit Luxe 智慧手環輕巧又好看的智慧手環
很適合想要戴錶但又戴不住錶的人喔
重點可以協助管理日常健康狀況！
追蹤重要數據，提升您的身心健康喔
如果訂閱 Fitbit Premium 的話
還可以查看睡眠心律、輾轉反側的統計資訊，更加詳細喔～
-
就讓手環守護時尚精神與健康吧！
👉🏻 https://www.fitbit.com/global/tw
-
#Fitbit #FitbitTW #FitbitLuxe
#Fitbit手環 #Luxegorjana特別版
#智慧手環 #血氣偵測 #壓力
#Gorjana #七夕情人節禮物

彩色電子紙來了！除了電子書閱讀器外，在物聯網的應用場景更廣泛

HaopengHaopeng 發表於 2021年6月22日 09:00 2021-06-22

彩色電子紙來了！除了電子書閱讀器外，在物聯網的應用場景更廣泛

一般大眾對於電子紙的認識，大多來自電子書。這幾年許多電子書閱讀器投入台灣的市場，讓大家對於電子書閱讀器所使用的電子紙有了更多的了解。但電子紙能做的事情，不是只有電子書閲讀而已，而是試圖要取代紙張。

現在全世界每分鐘大約消耗了2千萬張A4大小的紙張，換算下來大概是100公噸的重量；而每生產1公噸的紙張，需要20棵生長20-40年，直徑16公分，高8公尺的樹木。從這簡單的數字中，我們大概就可以看出人類因為紙張的需求對於森林的砍伐有多麼嚴重。

20多年前個人電腦剛進入消費市場時，「無紙化辦公室」這個口號喊的震天嘠響。但20多年過去了、人類對於紙張的使用則是有增無減；手寫時代寫錯字大多用修正液修改，沒人想花時間再重抄一份；但到了電腦時代，哪怕只錯了一個字就可能電腦修改完後重新再列印一份，這導致紙張的使用不減反增。

不過隨著電子紙技術的進步，現在有可能可以朝著「無紙化」再前進一步。現在的電子紙的發展有什麼值得我們關心的嗎？

電子紙特性：反射式和雙穩態

電子紙的技術有很多種，像是電泳式、液晶型、微機電型.......等。但目前技術最成熟，商品化最成功的，就是元太科技電泳式電子墨水技術，目前超過九成的市場佔有率。

電子墨水是一種液態的材質，在這些液態材料中懸浮著成千上萬的微膠囊，每個微膠囊的大小差不多等於頭髮的直徑。然後將這些「墨水」透過開發的技術「印刷」到相關的介質表面，再貼覆上薄膜電晶體（TFT）電路，經由驅動IC控制，形成像素圖形。

一般大眾覺得電子紙有二大好處，分別是「護眼」和「省電」，而這就有依賴電子紙的「反射式」和「雙穩態」這兩個特性。

反射式讓電子紙和一般紙張一樣，需要有外在光源才能透過反射看見畫面，所以可以在戶外和陽光閲讀，成像後畫面不閃爍的特性也和紙張一樣，因此長時間閲讀眼睛比較不疲勞。而雙穩態則只有在元件被驅動時才會耗電，成像後顯示的靜態畫面並不使用電力，直到下一次更換顯示畫面時。簡單的說就是「持續顯示不耗電」。

雙穩態省電

我們所熟知的黑白電子墨水的面板中，會幾百萬個微小的膠囊，每個膠囊裡都有帶負電的白色電子墨水粒子和帶正電的黑色電子墨水粒子，利用正負相吸的原理，當電場接通時，對應的黑色粒子或白色粒子，就會被吸附到面板的頂端，我們就可以在面板上看到黑色或白色。

利用這種方法，就可以在面板上排列顯示出我們所需要的文字或圖形。而一旦電子墨水排列固定後、就不需要使用電力，一直到下一次需要更換排列時墨水粒子，因此電子紙螢幕比起LCD的螢幕省電許多。一般說來，電子書閱讀器，在特定條件甚至使用長達14天，這是一般利用手機閱讀辦不到的續航力。

反射式護眼

電子紙並不主動發光，所以你想看淸楚電子螢幕上所呈現的畫面，需要外在的光源，如同一般的書籍一樣。因此說電子紙護眼，其實是相對於LCD螢幕而言，因為LCD螢幕有個背光模組持續的發光，當你看電腦或手機螢幕時，光源是直射你的眼睛，因此有些人長時間看電腦或手機螢幕會覺得眼睛容易疲勞，加上光譜中最短波長最高能量的藍光問題，讓需要長時間閱讀人會選擇使用電子紙的產品。

現在的電子書閱讀器都有閱讀燈的設計，這在早期的產品上是沒有的。早期的電子書閱讀器就如同真正的書本一樣，沒有外在光源就沒法看，但這顯然會讓電子書閱讀器的使用場景很受限，因此後來的電子書閱讀器才加上了閱讀燈的設計。

但電子書閱讀器的閱讀燈並不是像LCD一樣加上背光模組，而是在螢幕的上方加上燈光照射，如同打開桌燈一樣，是反射式的。所以相較之下，對長時間閱讀的人來說，眼睛會比較舒服一點。

彩色電子紙：Kaleido及E Ink Spectra

彩色電子紙的發展已經有許多年的歷史，但一般大眾也大多是因為彩色電子書閱讀器才開始注意到彩色電子紙。長期以來電子書閱讀器只能顯示黑白的畫面，對於雜誌或是食譜之類的書籍來說顯然是不夠的，因此不斷的有讀者希望能夠推出彩色的電子書閱讀器。

而這二年，也開始有使用彩色電子紙的閱讀器出現在市場上，但因為顯像原理的關係，解析度從黑白的300 PPI下降到100 PPI，因此看起來就沒有黑色電子紙那麼細膩。一般會需要彩色電子紙的閱讀環境大多是雜誌這種有許多照片的版式書籍，因此需要更大尺寸的螢幕。但大螢幕加上低解析度，在閱讀上就會是場災難，因此市面上目前的彩色電子閱讀器目前大多以小尺寸居多，除了成本的考量外， 螢幕的解析度也是重要的考量。

但彩色電子紙技術出現擴大了電子紙的應用空間，讓電子紙不再侷限於閲讀的環境，而可以更進一步的和物聯網結合。目前元太的彩色電子紙主要有Kaleido、E Ink Gallery和E Ink Spectra這幾個系列。

Kaleido

Kaleido微膠囊電泳技術呈現彩色的方式是在黑白粒子的上方，再加上一層RGB的彩色濾光片（CFA）技術，透過光線的反射來呈現不同的顏色，再利用RGB這3原色來混合出其他的顏色，最高可以呈現4096的色彩，灰階的部分則是16階的灰階顯示。新的Kaleido Plus彩色濾光片則比前一代的Kaleido產品更輕更薄。

但因為必須透過光線的反射才能呈現出色彩，所以在使用彩色電子紙的產品時，前光都必須開足，反射出來的顏色才會愈淸楚。因此在閱讀彩色電子書時，閱讀器的閱讀燈基本上都必須打開，很多使用者甚至都會把閲讀燈開到最亮。

E Ink Spectra

Spectra的色彩呈現方式則和Kaleido不太一樣，Kaleido是在黑白粒子上再加上彩色濾光片，但Spectra微杯電泳技術則不使用彩色濾光片，是在原有的黑白粒子外再加上不同顏色的粒子來呈現色彩。

E Ink Spectra 3000在原有的黑色和白色粒子之外，再加上紅色的粒子，是一款三色電子紙；而Spectra 3100則會在黑、白、紅外，再加上黃色的粒子，是一款四色電子紙。

Spectra透過電壓的控制讓不同顏色的粒子出現在面板的上方，排列出需要的圖案。但因為不像Kaleido需要透過彩色濾光片的反射，反應出來的是粒子的純色，顏色的飽合度會更好，同時4個顏色的粒子混合後、可以呈現多種顏色，所以適合用在廣告或大型海報。尤其紅色和黃色顏色非常鮮明，也很適合應用在零售業的環境。

電子紙新應用：零售智慧化

電子紙除了我們所熟知的電子書閱讀器，隨著IoT的興起，電子紙有了更大的應用空間。網路電商興起後，如何推動零售智慧化，讓線上、線下有更多的整合一直都是店家思考的方向。電子商務標錯價錢的事件層出不窮，當實體賣場遇到特價時，更換價格標籤則要花去大量的人力和時間。

去年因為疫情的關係必須減少人和人的接觸，員工也儘量輪班上工，因此人力更為吃緊。在這種情況下，之前已經裝設了電子標籤的店家，開始享受它所帶來的好處，可以把寶貴的人力使用在服務客人等其他更有意義的地方。

貨架的電子標籤

台灣便利商店的密度之高，應該是全球之冠，以今年二月的統計數字來看，台灣有12,093間的便利商店。台灣便利商店的店員之能幹大家有目共睹，要結帳、補貨、應付各種繳貴，但其實更換貨架上的標籤，是很瑣碎的工作，也花去許多時間。

以一個有六萬個品項的大賣場為例，平均有20％的品項每二周就會輪流的降價促銷，這意味著工作人員經常性的要為12,000個品項更換售價標籤，然後等到促銷結束，又要更換回來。每次更換標籤就需要花去6個小時的時間。

除著去年的疫情升溫，許多零售業儘量減少工作人員到店，以減少感染的機會。在這樣的情況下，許多零售業開始使用電子標籤來減少無謂的人力耗損，希望能把寶貴的人力拿去對客戶做更好的服務，而不是更換標籤。

每個電子標籤都會有一個獨立的識別碼，控管系統可以一次對每一張電子標籤的內容個別修改和調整。不僅大幅度的縮短更換標籤的時間、也減少人為作業可能產生的錯誤。

運送箱的物流標籤

電商這幾年的成長一直都很迅速，去年開始的疫情讓許多的使用者更選擇電商的服務。但大量的紙箱也造成紙張的浪費。歐盟規定從2030年，所有的紙箱都要能夠再重覆利用，許多的廠商也在材料改良和商業模式在做調整。但目前唯一還沒有辦法解決的，就是貼在運送箱上的物流貼紙。除了不利於重覆使用外，物流人員清理箱子上的殘膠也要花費大量的力氣。

目前大部分的物流貼紙仍然都是紙質的貼紙，沒法重覆使用。但使用電子紙的物流標籤可以解決物流標籤重覆使用的問題，而且電子標籤結果其他的感應器後，可以即時得知物品的位置；甚至收貨後，只要按個按鈕就會自動通知相關人士去取回箱子

E Ink能否替代LCD螢幕？

雖然E Ink主要的目標是取代傳統紙張，但對於一般的使用者來說，難免會拿來和常見的LCD螢幕做比較。既然電子紙有護眼的特性，對於上班時需要長時間盯著螢幕看的工作者來說，如果把電腦用的螢幕換成電子紙的產品，不是更好嗎？

但是E Ink因為技術原理的關係，螢幕更新速率沒有那麼快，所以大家最常接觸的電腦螢幕和手機螢幕大多是使用LCD的產品。但是其實仍然有少部分的廠商開發了使用電子紙螢幕的手機和電腦螢幕，但其實都比較像是概念性的產品，較少被大眾所接受。

最早推出E Ink手機的是2010年的俄羅斯手機YotaPhone，它是一款雙螢幕手機，手機的一面使用LCD螢幕，另一面則採用E Ink。這款手機的銷量並不出色，2016年開始轉入中國發展，並在2017年推出YotaPhone 3，但是仍然沒有什麼起色，Yota在2019年宣布導閉。

不過E Ink手機的概念開始有幾家中國廠商推出，像掌閱推出過4G的電子墨水手機，而海信更是在去年推出使用彩色電子紙的5G手機，也有廠商推出電腦使用的電子墨水螢幕。雖然電子紙的反應速率仍然比不上LCD螢幕，但現在有廠商推出25.3吋的電子紙顯示螢幕，透過粒子調控技術，讓反應速度大幅加快甚至可以播放動畫，雖然仍然不及LCD來的快，但已經相當適合文書與程式開發者使用，對於有乾眼症的患者來說更是一大福音。

雖然說現在的電子紙也有閲讀燈的光線設計，不同於LCD的背光的直接照射，電子閲讀使用的是「前光」也就是光線是從上方照射電子墨水層，再依靠反射來呈現。因此即使是內建了閲讀燈的裝置，它仍然保有了護眼的特性。

但整體來說，在播放影片或是需要快速反應時，E Ink還是比不上LCD，但反射式的特性，讓使用者在長時間使用時，眼睛會舒服一些。



電子紙未來應用更廣
電子紙並不是個新科技，它發展的時間幾乎和電腦一樣長，有30年的歷史了。在這段時間中，一般民眾習慣於電腦螢幕和手機螢幕，電子紙常被拿來和LCD做比較，反而突顯不出電子紙的特點。

Amazon 於2007年底推出第一款的Kindle之後，電子書閲讀器輕薄容易攜帶、可以儲存大量的書籍和省電可以長時間閲讀的特性讓電子紙開始被大眾認知。2017讀墨推出台灣第一款本土自製的電子書閲讀器mooInk後，也在2021年推出彩色的電子書閲讀，在這4年之間，台灣民對電子紙的認識也愈來愈多。

除了護眼、省電、輕薄之外，可折疊彎曲的特性，讓電子紙可以印刷在不同的表面上。隨著5G和物聯網的到來，大家未來看到電子紙的機會，將會比現在大得多。

可折疊可捲曲
電子紙的優點，除了我們之前說的護眼、省電和輕薄外，還有一個優點就是可以折疊、彎曲。

這是因為電子墨水的膠囊是液態，所以比LCD螢幕更容易做成可折疊的產品，不受物體表面形狀的限制。

以目前可以看到的應用來說，像是手錶的錶面可以顯示相關資訊，也可以打洞。或是國外也有人把電子紙縫製在帆船選手的運動服的前臂上，讓選手在激烈的動作中，仍然可以看到大會所發送的各種資訊。

https://youtu.be/aC5gb9yM8I4

▲可摺疊的彩色電子紙。

https://youtu.be/RijO7oY8k3M

▲可捲曲的電子紙。

https://youtu.be/KCZnNSOzMkU

▲這些公車站牌是可以著不同公車進站的時間，動態更新資料。

表單電子化

在我們的生活經驗中，有許多的場合都需要填寫大量的相關資料，許多行業的表格填寫都是以紙本為主，像是保險的保單、就診時的表格或是銀行開戶時填寫的各式表單。新北市一個衛生所一年會填寫8,400張的表格，永豐銀行一年125個分行印出來的紙張加起來有2個101大樓那麼高。

這些表格除了填寫之外，按照法規，有許多還需要保存七年之久。存儲這些文件的空間和條件都有一定的溫濕度要求，更別說真要查詢調閱多年前的資料時，搜尋調閱也是一個大問題。

電子紙近年來最大的改變，就是加入了「手寫」的功能，因為加入了筆，讓電子紙在取代紙張上又向前跨進了一大步。而「儲存」和「搜尋」剛好都是數位化的強項，因此新北市衛生所和永豐銀行都開始讓民眾和客戶都已經開始使用電子筆記來做這些記錄。除了節省紙張外，也大大的降低了儲存的難度和提高搜尋的便利性。

附圖：▲ 這張圖片可以很好的說明雙色電子墨水的原理 （圖片來源：元太科技）
▲ 因為反射式的特性，所以在大太陽下畫面仍然清晰可讀。
▲ 電子書閲讀器是一般民眾最熟知的電子紙應用
▲ 目前彩色電子書閲讀器使用的，大多是Kaleido的技術。
▲ Kaleido是在黑白粒子的上方，再加上一層新的RGB的彩色濾光片（CFA）技術，透過光線的反射來呈現不同的顏色。（圖片來源：元太科技）
▲ 目前彩色電子書閲讀器使用的，大多是Kaleido的技術。
▲ 彩色電子紙也可以應用在可重覆使用的員工識別證上。
▲ E Ink Spectra微杯電泳技術不使用彩色濾光片，是在原有的黑白粒子外再加上不同顏色的粒子來呈現色彩。（圖片來源：元太科技）
▲ 使用彩色電子紙製作的桌牌。
▲ E Ink Spectra 3000在原有的黑色和白色粒子之外，再加上紅色的粒子，是一款三色電子紙。（圖片來源：元太科技）
▲ 使用彩色電子紙製作的桌牌。
▲ 可重覆使用、更換的展示桌牌。
▲ 色彩鮮明，飽和度高的微杯技術很適合應用在桌牌或是廣告展示。
▲ 電子標籤可以省去更換大量貨架標籤的時間，把寶貴的人力用在服務客人。
▲ 電子標籤方便管理又可重覆使用的特性，在這波疫情中受到很大的歡迎。
▲ 2010年推出的俄羅斯手機YotaPhone，是一款雙螢幕手機。正面是LCD螢幕，背面是電子墨水螢幕。
▲ 透過這張圖，我們可以清楚的看到即使內建了閲讀燈的裝置，電子紙的光線仍然是來自於反射，因此還是保有護眼的優點。（圖片來源：元太科技）
▲ 2010年推出的俄羅斯手機YotaPhone，是一款雙螢幕手機。正面是LCD螢幕，背面是電子墨水螢幕。
▲ 使用彩色電子紙的手機
▲ 有些廠商開發的技術，可以讓顯示的螢幕更新速度幾乎可以媲美液晶螢幕。
▲ 手錶的錶面使用電子紙，可以在螢幕上打洞安裝指針；在太陽光下也可以很清楚的看見錶面上的訊息。
▲ 彩色電子紙也可以拿製作可重覆使用的員工門禁卡或訪客通行證。
▲ 電子墨水畫廊使用 ACeP全反射式的彩色電子紙，透過帶色的粒子，實現了包含八種原色的全色域顯示效果。可以使用在公共看板或是零售業促銷看板。
▲ 部分銀行和醫院已經開始使用電子表單來取代傳統的紙張。

資料來源：https://www.techbang.com/posts/87328-colored-electronic-paper-is-coming-in-the-age-of-the-internet?fbclid=IwAR2uJghIo-xDa7fZ3uGJ6OvgBt1ARznUiFcuBMON24C0-WcNViM9v9a9oqg

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

開箱完最新Apple Watch Series 4換上搭配iPhone XS的同款色系錶帶！
針對大家好奇的外觀效能、錶面設計、續航力與上一代Series 3有什麼差別比較？
還有跌倒偵測的原理是什麼？
讓我們在實際體驗兩天後把使用心得告訴你，
到底值不值得買這次的Apple Watch呢～～～

#Apple #AppleWatchSeries4 #智慧手錶 #開箱評測