軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
經常被使用的系統模擬軟體 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
德勤發佈2020技術趨勢報告:五個新趨勢可引發顛覆性變革
北京新浪網 10-26 18:12
來源:產業智能官
「2020 年的趨勢將顛覆整個行業,並在未來十年重新定義業務,即使數字創新已成為各種規模企業的常規行為。」德勤管理諮詢新興技術研究總監兼政府及公共服務首席技術官 Scott Buchholz 在一份報告中如是說。
近日,《德勤 2020 技術趨勢報告》(中文版)正式發佈(以下簡稱《報告》),報告指出了五個可能在短期內引發顛覆性變革的關鍵新興趨勢:「數字孿生:連結現實與數字世界」;「架構覺醒」;「技術道德與信任」;「人感體驗平台」;「財務與 IT 的未來」。
值得注意的是,這是德勤第十一年發佈技術趨勢年度報告。今年的技術趨勢報告繼續在開篇回顧了 11 年來的技術趨勢發展,展示了技術趨勢隨時間推移的演進全過程以及最新宏觀科技力量作為業務轉型基礎帶來的共生效益和不久的未來的新興科技力量。與此同時,《報告》還指出,未來三大顛覆性技術(即環境體驗、指數智能和量子技術)正蓄勢待發,我們將在本世紀20年代末開始感受到它們的影響。
一、九大宏觀科技力量
隨著以技術為驅動的創新的空前擴張,一場高風險的「打地鼠」的競爭遊戲由此展開,企業利用技術保持先進的能力將決定其生死存亡。
過去十年內,數字化體驗、分析技術和雲技術為各項技術賦能,展現了他們自身的價值,已然成為眾多企業有效地推進戰略和新商業模式的核心基礎。接下來十年中,數字現實、認知技術和區塊鏈將成為企業變革的顛覆性驅動力。它們的應用範圍將越來越廣,各行各業的案例成倍增加。技術業務、 風險和核心系統現代化是驅動企業變革和創新的基礎技術,它們需要保持穩定、強勁、可持續發展。
基於此框架下討論新興技術,可以簡化技術進步對企業所造成的顛覆性影響。同時,圍繞九大宏觀科技力量衍生更多細分領域和更加細化的技術創新點和趨勢點。
十年前我們首次探索數字化體驗、分析技術和雲技術之時,只能看到其中的可能性,並不能確切地估測 它們的影響。現如今,這些技術已經為大家所熟知,並在對業務、運營模式和市場造成了顛覆性影響之 后,發展勢頭依舊迅猛。
(1)數字化體驗
數字化體驗依然是企業變革的重要驅動因素。實際上,在德勤 2018 年全球 CIO 調查報告 中,64% 的參與者表示接下來的三年裡,數字化技術將對他們的業務造成影響。在去年的超越營銷:體驗重塑中,我們已經審視了這一趨勢,企業正逐漸摒棄傳統意義上以獲客為核心的營銷模式,轉而致力於創造更多以人為本的互動——包括與其員工和商業夥伴的互動。
(2)分析技術
分析技術包括能夠提供深刻洞察的基本技術和工具。數據管理、數據治理以及數據運營體系這些重要因素不僅僅是人工智慧項目的核心基礎。同時,鑒於企業內對數據儲存、數據隱私和數據使用的嚴格要求,這些重要因素也是必須面對和考慮的重大策略點。
60%的首席信息官(CIO)表示,在未來的三年內, 數據和分析技術將對他們業務帶來影響。但這個問題正變得更具挑戰性。「靜止的數據」 和「使用的數據」這兩個久經考驗的概念被「動態數據」所連接,藉助工具和平台動態數據進而支持數據流、數據攝取、數據分類、儲存和訪問。值得欣喜的是,雲技術、核心系統重塑、認知技術和其它技術正在為異常複雜的挑戰帶來全新的解決方案。
(3)雲技術
雲技術已經全面深入企業。90% 的企業在使用基於雲技術的服務,並且這一比例有增無減。實際上,就信息技術領域的投資預算來看,接下來三年內對雲技術的投資會翻倍。正如我們 2017 年所預計的那樣,雲技術已經不僅僅只是作為基礎應用,它帶來了 「一切即服務」 的藍海,使任何 IT 能力都可以變成基於雲的服務供企業使用。在眾多企業當中,少數超大規模企業主宰了公有雲和雲技術服務市場,在雲技術的賦能下,為其它宏觀力量的進一步創新提供基礎和平台,例如分析技術、雲技術、區塊鏈、數字現實,以及未來的量子技術。
雲技術還驅動我們思考並重塑一些陳舊的企業管理和業務職能。
當今的顛覆性驅動力(即數字現實、認知技術和區塊鏈)都是由體驗、分析技術和雲技術發展而來。未 來十年,這些新的趨勢雖然不再新鮮,但它們將和過往的重大趨勢一樣,在人們持續深刻的理解和應用 中,推動重要的變革。
(4)數字現實
數字現實技術,包括 AR/VR 、混合現實、語音交互、語音識別、普適計算、360°全方位攝像和沉浸式技術等,幫助用戶突破鍵盤和屏幕的禁錮,與用戶感知無縫銜接,用戶可更加自然地參與互動。數字現實的目的是打破傳統的空間界限,讓人與底層技術進行自然、本能、甚至下意識的互動。
(5)認知技術
機器學習、神經網路、機器人流程自動化、機器人程序、自然語言處理、以及更廣泛的人工智慧領域等認知技術可能推動所有產業變革。這些技術將人機互動個性化、場景化,通過 定製化語言或圖像信息,驅動業務流程,實現無人值守。
企業對認知技術的需求大幅增長一一互聯網數據中心(IDC)預測 2022 年 企業此項支出將達 776 億美元,與此同時,信任和技術道德問題也迫在眉睫。
(6)區塊鏈
德勤 2019 年全球區塊鏈調查報告中,超過半數的參與者表示區塊鏈技術至關重要,較前一 年增長了 10% 。83% 的人能夠明確構思區塊鏈技術的實際應用,較前一年增長了 9% 。調查結果顯示,2019 年,企業已經不再討論「區塊鏈是否可行?」,轉而關注「我們該如何利用區塊鏈?」
金融服務和金融科技公司持續領航區塊鏈技術的發展,但其它領域也開始推行區塊鏈技術, 尤其是政府、生命科學與醫療健康、科技、媒體、通訊等領域。
再提技術業務、風險和核心系統重塑似乎有些枯燥無味,但不可否認,它們是業務的核心所在。企業在這些已經發展很成熟的領域,依然繼續進行著可觀的投資。綜合來看,正是因為它們不僅為數字化轉型、創新與增長提供了可靠的、可規模化的基礎,也是在分析技術、認知技術、區塊鏈等顛覆性技術成功投資的必要條件。
(7) 技術業務
隨著技術應用與業務戰略的融合,技術業務也在不斷發展。隨著企業更多地通過重塑 IT 來實現運營效率提升和與業務部門合作者一起進行價值創造,很多 IT 團隊通過實施促進跨業務協作的開發體系(如敏捷和 DevOps ),逐漸將傳統的項目制交付調整為產品化運營。
強大的技術功能讓企業更敏捷地響應技術驅動的市場和業務的變化。一隻強大的數字化技術運營團隊能夠幫助企業迅速回應技術對市場的影響以及相關業務挑戰。
(8)風險
在以創新為驅動力的時代,企業面臨的風險遠遠超越了傳統的網路風險、監管風險、運營風險及財務威。2019 年的 CEO 和風險管理調查報告指出,企業最大的風險廣泛涉及新顛覆性技術、創新、生態系統合作夥伴、企業品牌及名譽、文化等。對此,很多公司清楚地意識到他們還未對此類風險做好準備,或沒有想法在管理此類風險方面進行投資。
除合規和安全的必要要求,企業還面臨新興技術對產品、服務和商業目標的潛在影響,這些使得企業正在把更為廣泛的信任作為企業戰略。
(9)核心系統現代化
核心系統現代化體現了數字化轉型、用戶期望及數據密集型演算法給核心系統的前台、中台和後台帶來的持續性壓力。無論是在財務數字化、實時供應鏈,還是在客戶關係管理系統,核心系統都承載了關鍵業務流程。
在如今這個即時、持續和定製交互的時代,企業需要降低整體的技術負債。實現核心系統 現代化的成熟舉措,比如重塑現有的遺留系統,更新 ERP 系統及重寫其他系統,這些目前來講尤為重要。
二、未來三大顛覆性技術
隨著三大顛覆性技術(即數字現實、認知技術和區塊鏈)崛起,並準備在未來十年為業務做出重大貢獻 的同時,未來三大技術發展和創新的新星(環境體驗、指數型智能和量子技術)正蓄勢待發。我們將在 本世紀 20 年代末開始感受到它們的影響。
a:環境體驗
環境體驗展望了這樣一個構想:在未來,技術只是環境的一部分。計算設備的功率不斷增加,體積不斷縮小。這些越來越小的設備將我們的輸入從非自然的(指向、點擊和滑動) 演變為自然的(說話、手勢和思考),它們與我們的交互從被動的(回答問題)變成主動的(提出意料之外的建議)。
隨著設備變得無縫和無處不在,它們和我們越來越密不可分。想像未來的世界,一些微小的,已連接的,內容感知的設備被嵌入辦公室、家中或者其他地方,成為背景活動的一部分。例如,你如果在腦海中想「我要在一個小時之內出發去機場」,就能觸發一系列背景活動,包括安排航班值機,準備可供生物特徵識別的虛擬登機牌,將無人駕駛汽車目的地設置為正確的航站樓,將家中的智能系統狀態調為「離開」,以及暫停出差期間的快遞服務等等。
b:指數智能
指數智能建立在當今認知技術能力上。如今,機器智能能夠發現數據中蘊藏的規律,但是無法判斷這些規律是否有內在的意義。同時,它目前還缺乏識別和響應人類互動和情感的細微差別的能力。而且,機器智能的認知能力還非常有限,比如機器能夠打敗國際象棋大師,卻不能理解房間發生了火災需要逃跑。
未來有無限可能。隨著對語義和符號識別的理解,機器逐漸能從假想的相關中梳理出真實的因果關係。藉助來自人感訥驗平台的技術組合,我們的虛擬助手將越來越能夠識別並適應我們的情緒。隨著研究人員開發出更廣義的智能,指數智能將超越統計和計算的層面。我們敢說,最終,這將導致更有能力的人工智慧誕生。
c:量子技術
量子技術利用亞原子微粒的反直覺特性處理信息,進行新型計算,實現「不可非法侵入式」 交流,技術微型化等等。量子計算中,這些量子比特(或量子位)的特殊屬性有可能發生 指數型變化。通過操縱單個粒子,量子計算機將能夠解決某些高度複雜的問題,這些問題 對於目前的超級計算機來說,太大,太雜亂,包括從數據科學到材料科學。
隨著研究者們不斷突破技術限制,量子計算機將逐漸取代傳統的計算機。數據科學家將能 夠處理前所未有宏大的數據量,並從中獲取相關性信息。材料科學家利用量子比特模擬原 子,這是無法在傳統計算機上實現的。同時,在通訊、物流、安全、密碼學、能量等不同領域,我們都能預見無限可能。
為了幫助大家更好的理解各類前沿技術動態,基於宏觀科技力量及其可被預期的時間範圍,報告歸納整理了一張完整的統一化視圖。
三、五大關鍵新興趨勢
一)技術道德與信任
技術變革常態化的同時,贏得全方位的信任變得更具挑戰——但也充滿機遇。
隨著數字技術的出現,企業要用戶以新的更深層次的方式信任他們,過去是獲取用戶個人信息,現在則是通過數字痕迹追蹤用戶的線上行為。同時,技術引起的問題也經常成為新聞頭條,例如安全漏洞、不當或非法監視、個人信息濫用、虛假信息傳播、演算法歧視、缺乏透明度等等。這些事件導致利益相關方之間不信任(包括客戶、僱員、合作 夥伴、投資者和管理者),嚴重損害企業聲譽。的確,消費者對商家的信任正在逐漸下降,人們對公共機構的態度也越來越謹慎,員工則要求企業明確闡述其核心價值觀。
德勤 2020 年全球市場趨勢報告中提到,當今時代,品牌信任對企業來講尤為重要,關係到企業的方方面面。無論是客戶、監管機構,還是媒體,都期望品牌商在其開展業務的各個領域都是開放、誠信和始終如一,從產品生產、促銷活動、到員工文化和合作夥伴關係維護等。
被技術顛覆的企業,它的每一個方面都意味著可以贏得或失去任何一個客戶、員工、合作夥伴、投資者和/或監管機構信任的機會。如果領導者能夠充分貫徹企業價值觀和技術道德觀,努力履行「做好事」的承諾,企業就能夠與利益相關者建立長期牢固的信任關係。在這種情況下,信任就變成了一個全方位的 承諾,並且確保信任是企業的技術,流程,人員都在共同努力維護的基礎。
技術道德這一術語指的是不局限於或側重於任何 一項技術的綜合價值觀,這個價值觀是指導企業對技術使用的整體方法及通過部署這些技術驅動業務戰略和運營企業應考慮主動評估如何以符合公司宗旨和核心價值觀的方式使用技術。
在數字時代,信任是個複雜的議題,企業面臨著無數的生存威脅。雖然顛覆性技術通常會給企業帶來指數型增長,但僅憑技術卻無法建立長期信任。因此,領先企業們正在通過全方位的維持利益相關者所期望的高度信任。領先企業們正在嘗 試通過各種方式,來維持利益相關者所期望的高度信任。
人工智慧、機器學習、區塊鏈、數字現實和其它 新興技術正以前所未有的速度和深度融入我們的 曰常生活。企業該如何通過客戶、合作夥伴和員工使用這些技術來構建信任呢?
解讀企業價值觀。
如今,技術根植於業務,機器學習也驅動著業務決策和行為,因此,必須先了解企業的技術解決方案,才能進一步解讀和評價企業價值觀。數字化系統可以被設計用來減少偏差,讓企業能夠遵循自己的原則運 營。
保障措施可以防止用戶以不健康或不負責任的方式使用技術,從而幫助提高利益相關者的利益。例如,一家公司對可能成癮的遊戲強制限定遊戲時間和遊戲花費一個內容提供商提醒用戶關注信息來源的準確性;雲計算提供商在 戶超出其預算之前自動發出警報。
建立強大的數據基礎。
如果不能系統性地、統一地追蹤數據內容及來源,並確定可訪問數據的人員,就沒有辦法營造良好的信任環境。強大的數據基礎讓利益相關者擁有共同的願景, 為數據負責,採用安全的技術手段實現有效的數據管理。管理者需要讓利益相關者了解他們提供的數據將如何運用,此外,除非為了法律或監管的目的,在利益相關者要求時須刪除相關數據。
強化防護措施。
德勤 2019 年未來網路調查報告顯示,管理者為網路問題花費的時間越來越多,網路防禦體系意味著您要 保護您的客戶、員工和商業合作夥伴,讓他們遠離與他們——或者說你們——的價值觀不同的群體。從最開始就需要建立並實施網路安全風險策略略,並將其貫穿於商業運營和政策制定的全過程,這絕不僅僅是信息技術部門的問題。企業領導者應當與信息技術部門一起制定全面的數字安全風險策略,考慮安全、隱私、 誠信和保密等各方面,增強利益相關者的信任,提高企業競爭力和優勢。因此,需要評估企業的風險容忍度,明確弱點所在,並判斷企業最具價值的數據和系統,制定風險緩解策略和恢復計劃。
二)財務與 IT 的未來
IT 和財務領導者共同努力為創新融資尋找靈活的途徑。
德勤的研究發現,56% 的首席信息官(CIO)期望應用 Agile, DevOps 或類似的靈活 IT 交付模式,來提高 IT 的響應能力並激發更廣泛的創新的雄心。
但目前有些難以克服的障礙阻礙這些努力:資金的來源和分配。IT 的運營和開發流程正變得越來越靈活,更加側重產品,而財務部門仍舊按照過去數十年的方式來制定預算、融資和財報。結果顯而易見:IT 需求與財務流程之間的矛盾。若這個問題得不到解決,那麼它可能會破壞首席信息官(CIO)的創新計劃,乃至整個企業的戰略目標。
IT 對資金的需求與財務的漫長流程之間的矛盾並非形成於一夜之間。而是在過去十年中曰漸累積。雲技術和平台技術一步步地顛覆了傳統運營模式,迫使財務部門不得不重新評估財務管理方法。
《報告》指出這種變革體現在三方面:
從資本支出轉向運營支出
從在現場轉型到基於雲的系統,涉及大量的支出從資本支出轉移到運營支出。事實上,團隊一直都有一些資本支出和運營支出。新的準則是「誰開發誰管理」。從會計的角度而言,短期運營支出增長會影響季度財報。
衡量難以捉摸的投資回報率。
技術創新舉措通常是難以達到內部收益率預期的嘗試,可能產生正回報也可能不會。在財務及短期收益上, 創新投資通常不具備傳統 IT 項目的信心水平, 因此這類投資往往也很難通過標準管理流程獲得有力支持。在某些情況下,這會導致財務部門難以建立精確的流程,來跟蹤長期投資回報率。例如,對於無限期重複使用的平台這類的固定預算投資,跟蹤其投資回報率更是難上加難。
計算交付價值。
根據德勤《 2018 年全球首席信息官(CIO)調查報 告》,65% 的受訪者表示他們在評估 IT 投資時, 通常採用具體案例具體分析的方法,而不是遵循常規財報流程。顯然,在評估 IT 帶來的價值這件事上,首席信息官 (CIO )與首席財務官 (CFO)不在同一立場。
作為財務與未來的T趨勢的一部分,我們預計有更多首席信息官(CIO)、首席財務官(CFO)以及他們各自的團隊,將會積極探索解決這些及其他在融資、會計與財報上所面臨的挑戰的方法。
三)數字孿生技術
利用下一代數字攣生技術助力企業設計、優化和轉型。
當下,企業正以多種方式使用數字彎生技術。在汽車和飛機製造領域,數字彎生技術逐漸成為優化整個製造價值鏈和創新產品的重要工具;在能源領域,油田服務運營商通過獲取和分析大量井內數據,建立數字模型,實時指導鑽井作業在醫療保健領域,心血管研究人員正在為臨床診斷、教育、培訓,創造高模擬的人類心臟的數字彎生體;作為智慧城市管理的典型案例, 新加坡使用詳細的虛擬城市模型,用於城市規劃、維護和災害預警項目。
數字彎生可以模擬物理對象或流程的各個方面。它們可以展現新 產品的工程圖和尺寸,也可以展現從設計到消費者整個供應鏈中 所有子部件和相應環節——即」已建成「數字彎生,也可採用 「即維護」模式——生產車間設備的實物展現。模擬模型可以捕獲 設備如何操作,工程師如何維護,甚至該設備生產的產品如何與客戶關聯。數字彎生可以有多種形式,但它們無一例外都在捕獲和利用現實世界的數據。
數字孿生髮展勢頭迅猛,得益於快速發展的模擬和建模能力、更好的互操作性和物聯網感測器, 以及更多可用的工具和計算的基礎架構等。因此, 各領域內的大小型企業都可以更多地接觸到數字孿生技術。IDC 預測,到 2022 年,40% 的物聯網平台供應商將集成模擬平台、系統和功能來創建數字孿生,70% 的製造商將使用該技術進行流程模擬和場景評估。
與此同時,通過訪問大量數據,使得創建比以往更為詳細、更為動態化的模擬成為可能。對於數字孿生的長期用戶而言,這就好比從模糊的黑白快照過渡到彩色高清數碼照片一樣,從數字源中獲取的信息越多,最後呈現的照片就越生動逼真。
長期來看,若想要實現數字孿生技術的全部潛力, 可能需要集成整個生態圈內的系統和數據。創建 一個完整的客戶生命周期或供應鏈(囊括了一線供應商和其自身的供應商)的數字化模擬,可以提供富有洞察力的宏觀運營觀點,但仍然需要將外部實體整合到內部數字化生態系統內。直至今曰,大多數企業仍對點對點連接之外的外部集成感到不滿意。克服這種猶豫可能是一個長期挑戰, 但最終,所有的付出都將是值得的。未來,期望企業會利用區塊鏈打破信息孤島,繼而驗證信息並將其輸入數字孿生體中。這可以釋放先前無法訪問的大量數據,從而使模擬更加細節化、動態化、更具潛在價值。
四)人感體驗平台
通過Al、神經科學、人本設計重塑人機聯接。
人感體驗平台趨勢顛覆了傳統的設計方法,它首先確定我們想要實現的人性化和情感體驗,而後決定使用何種情感和 AI 技術組合能夠達成這一效果。企業將面臨的一大挑戰是,如何針對不同的客戶群體、員工群體和其它利益相關者,確定能引起他們共鳴和引發他們情緒的具體響應或行為,並進一步開發情感技術,使其能夠識別和複製某一段體驗中的特質。
在不久的未來,我們將會看到人們對人性化的技術需求曰益增長。在數字化革命進程中,我們目前進入到一個階段,就是每個人之間未必有 接,但每個人一定都與技術有聯結。我們正在消除流程和交互,直接與機器互動。因此,我們渴望我們正在迅速失去的東西:有意義的聯結。為此,我們期望技術能夠用更 加人性化,更人道化的方式跟我們互動。設計能夠滿足這一期望的技術需要對人的行為有更深刻的洞察,並不斷創新,以提高我們預測和響應人們需求的能力。不久的將來,人感體驗很有可能會帶來長久的、可持續的競爭優勢。
五)架構覺醒
演進架構師角色,從而轉變系統架構並支持業務 發展的速度。
越來越多的技術領導層和高管們逐漸意識到,如今,技術架構領域的科學在戰略上比以往任何時候都更加重要。事實上,為了在技術創新顛覆的市場中保持競爭力,已成立的企業需要不斷演 他們的架構一一這一過程可以從改變技術架構師在企業內扮演的角色開始。
這種轉變的目的非常明確:把經驗最豐富的架構師安排到最需要他們的地方——即加入到設計複雜技術的軟體開發團隊中。一旦這些架構師被重新部署和賦能,他們便可幫助簡化技術棧, 提升技術敏捷性,從而為新興企業獲得市場優勢。另外,他們還可以直接負責實現業務成果,解決架構難題。
此外,擁抱架構覺醒這一趨勢的企業將開始重新定義架構師角色,使其更具協作性、創新性,並能對利益相關者的需求做出回應。具有全局觀的架構師可能會發現,自己正在多部 門混合的項目團隊中,與專注於應用程序的架構師 以及來自 1T 和業務部門的同事共同作戰。未來,他們的使命將不僅是利用傳統的架構組件,還要利用顛覆性力量(如區塊鏈、AI、及機器學習)大胆創新。
資料來源:https://m.news.sina.com.tw/article/20201026/36690918.html
經常被使用的系統模擬軟體 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
醞釀整整一年,西門子翻開了加速工業互聯網落地的“王牌”【物女心經】
作者:物女王(彭昭)
物聯網智庫 整理發佈
導 讀
近日,西門子舉辦了一年一度面向分析師的年會,並在會上宣佈推出Xcelerator,這是一個MindSphere與Mendix融合之後的產物。我們都知道,MindSphere是西門子的工業互聯網平臺,Mendix是西門子在2018年8月收購的低代碼程式設計平臺,他們結合之後的Xcelerator是什麼?廢話不多說,我們馬上就來解讀。
上周的文章《讓物聯網應用開發全面提速,巨頭們用了“大”招》中我曾談到,在各種物聯網平臺你爭我奪的“大戰”中,很多公司正在悄悄地打磨自己的IoT程式設計工具。
這些舉措對於物聯網來說具有深遠影響,他們都指向同一個方向:改進程式設計工具、簡化程式設計環節、降低開發成本,是加速物聯網專案落地的一條捷徑。
這周,西門子有了進一步動作,對外公佈了自己的低代碼王牌。
9月3日至6日,在紐約,西門子舉辦了一年一度面向分析師的年會,其上西門子宣佈推出Xcelerator,這是一個MindSphere與Mendix融合之後的產物。
我們都知道,MindSphere是西門子的工業互聯網平臺,Mendix是西門子在2018年8月收購的低代碼程式設計平臺,他們結合之後的Xcelerator是什麼?
廢話不多說,我們馬上就來解讀。你會看到西門子此舉對於工業互聯網發展的教科書式的借鑒作用。
文中很多資料都是西門子在年會中首次公開,你將看到:
• 拆解Xcelerator,西門子推出Xcelerator的意義是什麼?
• IIoT平臺成為驅動西門子公司下一輪增長的最大引擎,這個引擎是虛胖還是實力?
• 西門子將技術拖入“零門檻”,能否碾壓物聯網應用的複雜性?
01
工業互聯網平臺+低代碼工具=Xcelerator
Xcelerator和Accelerator(加速器)諧音,沒錯,西門子正在觸發一次工業互聯網的加速。
西門子在發佈Xcelerator之時,曾開宗明義的說:它的意義是將“劣勢”變成“優勢”,“短板”轉為“長板”。具體到製造業,Xcelerator將製造業的複雜性轉變為競爭優勢。
“Most manufacturers struggle withcomplexity and look to limit it. But those who want to be the leader in theirfield need to be able to leverage complexity as a competitive advantage.”
“大多數製造商都在努力解決和消除複雜性。但那些希望成為領軍者的企業,需要有能力將複雜性變為競爭優勢,並從中獲益。”
那麼Xcelerator到底是什麼?
Xcelerator是一個軟體產品組合,由西門子工業互聯網平臺MindSphere提供底層支援。該組合中包含產品生命週期管理軟體PLM、電子設計自動化軟體EDA、應用程式生命週期管理軟體ALM、製造運營管理軟體MOM,以及西門子工業互聯網平臺MindSphere上的SaaS應用。
簡單的說,西門子把各種軟體、服務和開發能力都搬到了工業互聯網平臺MindSphere上,然後裝入了加速引擎Xcelerator。這就意味著Xcelerator包含了用於電氣設計、機械設計、系統模擬、生產製造、管理運營和生命週期分析的各種軟體和服務的組合。
Xcelerator怎麼將製造業的複雜性轉變為競爭優勢?
為了讓所有Xcelerator的使用者都能夠方便上手,並創建可追蹤的數位執行緒(Digital Thread),Xcelerator將Mendix低代碼平臺與原有的軟體產品打通,讓任何使用者不需要程式設計經驗,就可以輕鬆利用Mendix開發環境,創建、集成和擴展現有的資料和系統。
Mendix的首席執行官Derek Roos提到,西門子將通過Mendix開放其整個軟體產品組合,而且西門子還承諾通過Mendix可以實現西門子應用軟體和任何其他品牌的企業資源管理系統ERP、客戶關係管理系統CRM或者資產管理系統的互聯互通。
具體而言,Xcelerator的殺手鐧包括三個:
• 全方位的數字孿生
• 個性化配置
• 靈活開放的生態
我們分別來說。
• 全方位的數字孿生
西門子一直在宣導數字孿生的閉環。西門子的想法是從生產和設計的資料中建立產品和性能的數位孿生,實現決策過程的閉環,從而持續優化產品設計和製造過程。
這裡有必要提到一個概念:數字執行緒(Digital Thread)。數位執行緒為數位孿生提供訪問(Access)、整合(Integrate)和轉換(Transform)的能力,目標是貫通產品生命週期和價值鏈,實現全面追溯、雙向資訊共用和價值鏈協同。
數位孿生是物件、資料。數位執行緒是方法、通道、介面。數位執行緒交換和處理數位孿生的相關資訊。
西門子給出了實施案例。以HP印表機為例,數位執行緒的運用提升了列印噴頭的冷卻效率。資料顯示,列印噴頭冷卻機的流速提升22%,列印速度提高了大約15%,產品研發速度提升75%,部件成本降低了34%。
• 個性化適配
這裡西門子強調了IIoT雲戰略,並稱已經為工業互聯網雲端解決方案準備好了可擴展的環境,可以按照用戶的需求靈活部署。
Mendix是實現個性化配置的重要一環,它提供個性化的應用程式開發,加速創新過程。
西門子還在某些軟體中引入了“自我調整UI”的功能。自我調整UI是利用人工智慧AI演算法,根據使用者的使用狀態,自動呈現下一步操作命令的功能。根據西門子的統計,自我調整UI的準確率約為95%。
• 靈活開放的生態
西門子公開了相關的生態資料。
西門子的三維建模內核元件“Parasolid”全球使用者超過400萬,三維模型資料格式“JT”會員超過130名,它們已被許多公司採用,成為了行業的事實標準。西門子的PLM相關軟體在全球已經積累了超過9萬名開發者。
隨著生態系統的發展,西門子摸索了一套與合作夥伴有效協同的方法。
比如,西門子通過與IBM的資產管理軟體“MAXIMO”連接,實現了卡車運營時間和可用性的提升,以及運營成本的降低。西門子還與BentleySystems合作,提供印刷電路生產線的運營狀況管理方案,以及電廠的綜合資產績效解決方案。
為了更好的講清Mendix和Xcelerator的關係和定位,Mendix首席執行官DerekRoos進行瞭解讀。
在被西門子收購之時,Derek就判斷Mendix與西門子的結合將掀起一場有真正價值的“資料海嘯”。在西門子分析師年會上,Derek全程幾乎只講了一張圖,就是下面這張。
根據Derek的表述,Mendix低代碼平臺將成為所有西門子雲端解決方案的主要應用平臺,西門子的用戶可以利用Mendix在任何設備、任何位置、任何雲平臺上創建應用和分享資料。西門子的各種軟體系統正在踏上利用API逐步開放的新征程,Mendix將可訪問所有系統中的資料。
Mendix低代碼平臺將會增加一個新的特定領域應用服務層(Domain-Specific APPServices Layer),並且將會與MindSphere進行集成。
今年4月,Mendix還披露了自己的“登月計畫(Moon Shot)”,推出Mendix資料匯流排(DataHub)。Mendix資料匯流排通過將資料和系統抽象為跨越整個企業的資料虛擬化層,以克服在快速構建軟體解決方案時,資料難以集成的巨大瓶頸。
目前Mendix資料主線(DataHub)服務於西門子、SAP、Salesforce、微軟和IBM,這意味著利用Mendix,用戶可以在這些雲平臺上自由的使用各種應用和分享相關資料。
從Derek的用詞中判斷,一切即將發生,只是時間問題。
02
IIoT平臺成為驅動下一輪增長的最大引擎
西門子將MindSphere定義為下一輪增長的最大引擎。
從下圖中的圈層可以看出,MindSphere工業互聯網平臺、物聯網硬體、應用和分析服務、數位化企業…層層嵌套,MindSphere位於核心地位。
從資料上來看,MindSphere在遍佈17個國家的20個垂直行業取得了應用,吸引了超過1000名解決方案開發者、資料科學家和工程師。
以細節著稱的西門子,將企業的數位化成熟之路進行了詳細的劃分。
具體包含3大階段、6個步驟…以及7種服務。
至於3大階段、6個步驟、7種服務的具體內容,此處暫且略過,以後再做解讀。
總體而言,西門子的雲服務取得了不錯的成績。APP應用數量超過23.5萬,年度經常性營收ARR增長率超過40%,客戶超過1000家,開發者大於10萬名,合作夥伴650家,接入了超過140萬台聯網設備。
從業績指標來看,在剛剛過去的2019年第三季度,西門子渡過得格外艱難。數位化業務的銷售額和訂單量雙雙下降。
業務部門 第三季度銷售量 訂單量
數位化業務 -2% -5%
智慧基礎設施 2% 2%
天然氣和電力 -5% -15%
移動設備 -2% 18%
西門子醫療保險 6% 13%
西門子可再生能源 24% 42%
工業總量 2% 7%
就行業側重來看,西門子的數位化業務涵蓋離散自動化和流程自動化兩大領域。在離散自動化領域,由於汽車、製藥和機械製造等行業的生存環境變化,西門子受到了較大的影響。
因此在未來的幾個季度,西門子勢必將增長重心轉移到石油、礦山、天然氣、造紙等流程自動化領域。
03
讓技術進入“零門檻”時代
低代碼的最大作用,是推進一次關於成本的革命,完成一次從量變到質變的昇華。
這裡的成本包含時間成本和人員成本。
這兩項成本在新技術的變革中潛移默化的提升,而且居高不下。技術的改進提升了系統的複雜度、管理的複雜性和對人員的素質需求。很多工作需要具備全方位知識的綜合技能人才,或者多位工程師共同協作才能完成。有些時候甚至要求一名工程師既懂雲平臺、又懂網路、還懂移動設備,這並不現實…
這些都是新技術應用中看不見的門檻。
因此一組矛盾越來越激化,就是各種行業需求和IT供應能力之間的矛盾,行業需求的緊迫性和IT開發週期的時滯性之間的矛盾。
這些矛盾不但需要解決,而且需要形成數量級式的變化,才能真正打通新技術為各行各業賦能之路。
為了降低物聯網的應用門檻,互聯網時代IT軟體世界中的4個最核心的成員:作業系統、程式設計語言、編譯器和資料庫,在物聯網時代都將迎來全新的形態。
從作業系統到物聯網平臺,從程式設計語言到IoT低代碼程式設計工具,這個過程正在逐步推進。
回到本文的主角Xcelerator,它將工業互聯網平臺和低代碼程式設計工具整合到了一起,試圖降低開發者的參與難度和門檻,形成開發者的協作社區,快速滿足各行各業的用戶需求。
在工業領域,工業互聯網平臺是當前的最大變革。
網路效應是平臺模式區別於其他商業模式區的關鍵特徵。
網路效應是指越多的用戶和開發者在平臺上進行交互,平臺對潛在的新用戶和新開發者越有吸引力。當這種動態的吸引機制形成自發生長之後,平臺將進入自我增長的良性週期。
網路效應包含兩種,單邊效應和雙邊效應。單邊效應是指在平臺的一側彙聚形成網路效應,開發者吸引更多開發者、用戶吸引更多用戶;雙邊效應是指在平臺的兩側彙聚形成網路效應,更多開發者吸引更多用戶,更多用戶又吸引更多開發者。
工業互聯網平臺是雙邊或者多邊平臺,平臺上角色越多,管理越複雜。制造型企業往往要在多個使用場景中操作多種軟體,極其麻煩。“工業互聯網平臺”+“低代碼程式設計工具”+“靈活的開發者生態”這一組合,是西門子針對製造業的複雜性,給出的教科書式的解決之道。
莎士比亞說,“All the world’s a stage”,世界是個舞臺。工業互聯網又何嘗不是另一個舞臺,這個舞臺是不是足夠吸引人,還得看製造企業是否願意為Xcelerator買單。
本文小結:
1. 西門子將工業互聯網平臺MindSphere和低代碼程式設計平臺Mendix相結合,推出Xcelerator,試圖加速工業互聯網的落地速度。
2. 西門子並未透露雲平臺的營收關鍵資料,只是透露了應用與開發者等數量指標,對面全球經濟環境的不確定性,工業互聯網平臺的落地難度增大。
3. 無論結果如何,“工業互聯網平臺”+“低代碼程式設計工具”+“靈活的開發者生態”這一組合,是西門子針對製造業的複雜性,給出的教科書式的解決之道,具有借鑒意義。
資料來源:https://mp.weixin.qq.com/s?__biz=MjM5MTM5ODQyMA==&mid=2651217008&idx=1&sn=16efe62fe522458e8353b669da3f3fd6&chksm=bd44d30b8a335a1d11c8115718727cec6dc3c68f8768f172421c991e4cbe98cc5eef2c2f0402&scene=21#wechat_redirect
經常被使用的系統模擬軟體 在 中原大學工業系-flexsim教學(1) - 博碩士論文下載網 的推薦與評價
FlexSim HC 醫療規劃模擬軟體講解介紹| 博碩士論文下載網. Read More ... 《 利用Flexsim建立多裝卸站自動化倉儲系統之模擬模型─以G公司為例》碩士論文下載. ... <看更多>