讲义下载
-
新时代嵌入式存储器技术
宜鼎国际股份有限公司
工控FLASH事业处经理
张程钧 -
Security everywhere 无处不安全
InsideSecure
大中华区总经理 郭大玮
郭大玮 -
Embedded Image Processing：Transforming Applications , one image at a time
AMD
Director of Technical Marketing, Enterprise Business Unit
Stephen Turnbull -
It’s time to ROC： Open Compute for Machine Learning
AMD
PMTS Software Development Engineer, Radeon Technologies Group
Jack Chung -
从自动化到智能化的产品开发关键
赛灵思公司
赛灵思亚太区工业及医疗市场高级经理
罗霖
我们提供本研讨会主讲者同意授权的演讲档案，欢迎参与来宾下载。
如果遇到档案无法下载，请检查您的电脑是否有以下状况，而造成下载问题：
- 输入email、口令时，请注意是否多了空白键。
- 若收到两组帐号email时 (本人email、第二联络email) 请优先使用 本人email做为帐号。
- 网络安全性是否设定过高
- 请关闭快显封锁程序
- 是否装了某些外挂工具列 (例如Yahoo或百度工具栏)
- 公司内部防火墙或安全机制 (有些企业内部会规定不能下载任何档案，或公司内部某些区域不能连至外部网站)
- 如果是因为公司内部防火墙或安全机制，建议您使用公司以外的电脑下载。当您检视上列各项，仍遇到下载问题，欢迎来信谘询。
企划专辑
深度学习加深嵌入式系统朝向智能化的发展
由于大数据分析(Big Data Analytics)与人工智能(AI)技术的推波助澜，使得更多的智能装置与嵌入式系统不断的推陈出新，进入高速发展的阶段，人工智能与机器学习(Machine Learning)俨然形成一个成长快速的利基，除了帮助企业自动执行较单调的例行事务之外，也可透过分析数据，发现原本未见的趋势，一举改善顾客服务的进程，甚至开拓全新的应用。
亚马逊(Amazon)在西雅图所开设第一家高科技便利商店Amazon Go，是AI技术发展的一个指标性的案例，其最大卖点为顾客将完全不需排队结帐，利用监视镜头与其他传感装置，来收集顾客在店内活动的各项相关信息，电脑
FPGA技术协助嵌入式系统竞逐于机器学习之路
机器学习技术是人工智能的一个重要科学发展，透过在经验学习中改善具体演算法的效能，而且用来训练的数据越多，所学习出来的结果越好，为了处理分析大量图像或是语音等识别的机器学习演算法数据，需要采用GPU芯片所打造的高速平行运算处理的类神经网络超级电脑，利用诸如Tensorflow、Caffe等深度学习框架(Framework)等工具，来发展有效的演算法。
一旦得到演算法之后，对嵌入式系统的设计而言，迅速将演算法应用到云端数据中心，或是直接到终端的边缘运算(Edge Computing)装置上，就是目前人工智能应用成果发挥的展示场。由于嵌入式系统本身的运算效能与低功率消耗的功能不
AMD视觉影像技术打造机器学习与嵌入式系统的大未来
AMD拥有GPU和CPU结合的技术优势，近几年来，一直专注于显示技术的最新应用，并且创造出精彩绝伦的视觉体验，透过一系列高效能系统单芯片(SoC)处理器，打造嵌入式系统与工业电脑产品，不但大量投注多核心高端芯片的研发资源，开发广泛的解决方案，而且通过软、硬件技术结合的方式，为用户提供完整的解决方案。
AMD选定包括数码看板、精简型电脑(Thin Client)、博弈游戏服务器、工业自动化、通讯、医疗影像解决方案等六大市场方向进行深耕，以医疗成像领域为例，AMD在MRI(核磁共振成像)领域中呈现出重要的市场斩获，透过AMD嵌入式处理器所具备杰出的图形处理效能，包含高画质多媒
研华进入软件市集经营 加速智能化应用推广
台湾工业电脑(IPC)大厂对于大数据分析与机器学习所带来的一连串智能装置发展的趋势，以及对嵌入式系统未来的趋势，积极从产业面整合与结盟下手，做未雨绸缪的准备。
由于欧、美、日等国家对人工智能的投资，金额动则到达令人咋舌地步，无论是智能城市或是工业4.0的发展，智能化的能力是关键的指标，对研华(Advantech)而言，从过去擅长的资、通讯整合，进一步与资策会、微软结盟，构筑平台即服务(PaaS)系统，就是期待整合产业夥伴与台湾重要的研究单位，整合包括云端服务、大数据分析能力，以及进一步朝向机器学习技术的发展。
研华台湾营运处副总经理林其锋接受访问时
宜鼎SSD定制化能力 加速嵌入式系统聪明演化
科技巨擘与跨国公司大量投资人工智能的应用领域，举凡消费者在日常生活中所使用的语音助理或媒体大量报导的自驾车等应用，令人目不暇给，所投注的钜大资源，包含一连串一新耳目的购并案，逐步开疆辟土，扩展无远弗届的版图，并且不遗余力大举培养人才，开发独特的演算法，以帮助企业简化流程，对生产力重新定义，也对经济带来巨大且深远的影响，根据部分市场调查的数据，企业花费在人工智能的支出经费，将有望从2016年的80亿美元，成长至2020年的470亿美元，成长潜力惊人。
人工智能的应用对固态硬盘(SSD)供应商来说，因为大量运算处理能力与储存设备息息相关，驾驭庞大的数据量所需要的存储器解决方案
嵌入式系统存储器解决方案新风貌
随着机器学习所引领的人工智能的应用如排山倒海而来，其产生的影响可能影响下一个十年的科技发展，主要的科技巨擘与跨国公司大量投资这个新领域，造就产业的相关生态系统竞相投注一系列资源，以满足各式各样的应用需求，由于机器学习的技术需要大量的运算能力与存储器，定制化的需求跟着水涨船高。
除了主流的SoC与GPU厂商掀起新一波的芯片设计与整合应用之外，存储器模块厂商作为运算能力的最重要的支持者，在存储器容量、传输速度与多样化界面，以及不同的型态与大小(Form Factor)的支持上，也紧锣密鼓部署，所看中的就是高度定制化的能力，这一直是存储器模块厂的核心竞争力。
论坛报导
发展工业4.0 软硬件整合发展才能竟其功
工业4.0可以说是整合优化生产效能的一个集合概念，在国外，智能工厂、无人工厂等实际生产环境相继投入，验证工业4.0擘划的生产概念是确定可行方案，由于新一代的生产机导入联网功能与智能化设计，与工业电脑于运算效能、人工智能方面升级优化技术逐步到位，渐渐使得发展智能工厂改造升级的效益逐步浮现。
加速智能工厂推进进程的另一关键便是生产人力成本持续高涨，例如台湾人力资源环境面对劳动新制的一例一休，大陆虽早期仍有人口红利优势，但实际上在区域经济能力与周边生活水平提高下，也冲击一般生产人力的人均成本上扬，过往仰赖生产单位转入大陆地区或东南亚地区设厂以降低生产劳动力成本的策略，已渐渐也
嵌入式软硬件结合 打造智动化新契机
着眼于推动工业4.0所产生的综效，制造业者无不寄与厚望，期待透过设备更新升级、更进一步提升单位生产效率，甚至提升生产品质，进而提高生产加工的毛利率。但实际上，推行工业4.0智能生产除需加工端与生产设备方面进行对应升级，后端的辅助生产与自动化控制软件、韧体整合，更是生产线能从「自动化」转向「智动化」的重要关键...
工业4.0概念下的工厂设计，自然在工业应用的生产硬件、数据流程、人工智能与传感终端以更深入、紧密的整合，形成一种崭新的工业生产型态，透过软硬结合甚至是人工智能的系统进阶协同生产，让生产系统、机具可对高变动可能的生产物件能在高效、高适应性的智能加工产线快速调整，
智觉运算 将人类智能导入嵌入式装置应用
超微(AMD)企业解决方案事业群业务全球副总裁Steve Longoria，以「智觉运算－将人类智能导入嵌入式装置应用」为主题。他首先以产品发表年代与应用技术的复杂度举例，从1953年IBM 701，1985年Dell的Turbo PC，1992年IBM发表Simon智能手机，到2009年谷歌进行自驾车计划以及2016年Uber推动自驾车上路载客，说明新科技的产品创新发展，造成指数函数的巨大鸿沟，有待更具核心、创新技术的弥合。
而如今Uber叫车、手机快速通关到贵宾室收发E-mail都是日常生活的一部分。对嵌入式装置来说，从增实境(Augmented Reality；A
新时代嵌入式存储器技术
宜鼎国际(innodisk)工控FLASH事业处经理张程钧，以「新时代嵌入式存储器技术」为主题。他指出宜鼎提供优秀的工控嵌入式装置设计服务，硬件部份包含异常电源防护技术、最佳化电源方案、均衡读写落差的iData Guard技术、断电实时回写iCell技术等。
针对加值关键性应用部份，采宽温设计(Wide Temp.)、Side Fill与涂布制程(Conformal Coating)确保PCB与BGA芯片稳固性，因应国防需求的SecureErase及连接GP I/O的实体销毁技术。
韧体部份则提供智能平均抹写技术(Smart wear-levelin
打开物联网应用之门：平台服务与边缘智能应用
研华科技(Advantech)台湾营运处副总林其锋，以「打开物联网应用之门：平台服务与边缘智能」为主讲议题。他指出迈向IoT的工业嵌入式市场，硬件芯片架分散化－RISC芯片(如ARM)有更大的成长性，x86不再是主流。过去卖SBC单板电脑厂家，将因实时上市需要而转型电脑整合商。亚洲将取代欧洲成为嵌入式市场主角，并从Design-in研发商，转型成物联网概念的销售模式。
林其锋引用麦肯锡一张IoT市场成长曲线图来说明：2010∼2025年是属于第一阶段IoT装置并起。从2016∼2030即将IoT第二阶段IoT SRP/EIS，强调平台备妥、边缘智能服务器(Edge Int
机器学习引领智能自动化的创新发展与应用
国立台湾大学电机系讲座教授罗仁权，以「机器学习引领智能自动化的创新发展与应用」做演说。谷歌、微软到富士康、华硕、研华等国内外企业创始人，都预言24小时不会劳累且不断学习的机器人，未来将大举入侵、取代人类的部份工作，在工厂自动化、医疗健康、居家照顾与公众服务扮演重要角色。
人工智能与机器人将引爆第四波科技创新，光2015年北美AI市场有21亿美元，市调预测到2025年成长到368亿美元，其中以亚太地区成长最快。
深度学习(Deep Learning)则是机器学习技术的一环，以多重非线性变换对数据进行多层抽象的算法，应用于机器视觉、语音识别、自然语言处理等
建构IoT处处安全的环节
法商颖设科技(InsideSecure)有限公司大中华区总经理郭大玮，介绍成立于1996年的颖设科技为法国上市公司，总部在法国普罗旺斯(Aix en Provence)，在英国、芬兰、荷兰、美国、韩国、日本、台湾与大陆等地都有研发团队或营销据点。
公司设立之初主要以NFC技术为主，随时间演进在2010年购并Atmel SmartCard IC部门、2012年购并Apple Embedded Security Solution 部门、并于2014年初购并Metaforic，建构了嵌入式系统从端到云(client to cloud)每个环节的安全保障方案，在全球有数百家重量级
嵌入式影像处理：转变应用的样貌
超微(AMD)企业解决方案事业群产品行销总监Stephen Turnbull，提到智觉运算(Instinct computing)－AMD开发的脸部识别技术，连年纪、脸部表情与情绪都可以判断。
视觉数据已成网际网络最大宗，Flickr、Facebook、Instagram、YouTube等网站每天几百万∼几亿张照片或几十亿视讯被浏览，累计几百∼几千亿张照片，预估到2020年有82%网际网络流量为视觉(影像图片)数据。
视觉是人脑与生俱来的奇妙功能。视觉判断占大脑区域30%、触觉与听觉则占8%、3%。电脑视觉则是以电脑软硬件技术，来判断视讯或图片处于
GPU加速创新深度学习和人工智能技术与应用
安提国际 (Aetina Corporation) 总经理罗智荣，以「NVIDIA GPU在深度学习和人工智能技术与案例应用」做主题演说。他指出机器学习是人工智能的一项分支，而深度学习是机器学习中最快速成长的领域，产业界一直在使用GPUs来执行深度学习(Deep Learning)，并且在图像分类、视频分析、语音识别和自然语言处理有突破性的进展。
而NVIDIA运用GPU加速深度学习运算的技术居领导地位，近年获得谷歌、脸书、微软、百度等业者采用，从2013到2015短短两年内，与NVIDIA合作进行深度学习的业者超过3,400家，成长35倍。
罗智荣
嵌入式机器视觉 提高自动化设备生产良率的应用
新汉(NEXCOM)股份有限公司处长杨景程，以「嵌入式机器视觉，提高自动化设备生产良率的应用」议题演说。他表示如何让传统「自己只能做自己的机器人」，走出既有栏杆框架(有限度的动作)，与周遭互动，凭藉的就是机器视觉技术与数据采集。
传统自动化机器人设备要升级，必须提供HMI人机界面(从2D变为3D、增加操作履历与数据上传)、机器视觉(图形Barcode识别、高像素应用、多CCD监控)，与实时性控制模块(更多轴向控制)的串连与介接。接下来他将列举几个新汉把机器视觉应用于自动化设备的成功案例。
首先介绍的是凤梨酥食品包装自动化。它是一部3轴吸附式机器手臂
OpenCompute在机器学习技术的应用
超微(AMD)Radeon绘图技术事业群PMTS软件开发工程师锺文衡，以「Open Compute在机器学习技术的应用」做演说。他指出机器智能技术可应用在自驾车、智能家庭、无人机、个人机器人、HPC高效能电脑、保全防护、云端控制、金融服务、纳米机器人、工厂制造工程、医学、能源与个人助理等领域。
而AMD于2016年底推出Radeon Instinct方案，根基于Radeon Instinct硬件加速器、Radeon Open Compute for Machine Learning(ROCm)开放运算平台，针对上述各种应用领域提供最佳化机器学习深度学习的软件框架与应用。
开放式标准物联网感知平台
研华科技(Advantech)资深产品经理林裕雄先生，以「开放式标准物联网感知平台-M2.COM介绍与应用」为主题。他指出不同人从不同位置看物联网，提供的产品、技术与解决方案也会有所不同。以他来看物联网是物(Things)的连结。
一个典型无线传感器，至少有无线传输模块、CPU、RTOS联网工具链等组件，有些还会有闸道器硬件与云服务平台。对无线传感器供应商而言，传感器出货量不像消费性电子那样大，如何在既有Wi-Fi、BLE、ZigBee、LoRA、LTE等无线技术做选择，还有后续一大堆兼容验证测试，以及网络应用Application。
这导致许多
可程序化逻辑闸加速机器学习应用
赛灵思公司(Xilinx)亚太区工业及医疗市场高级经理罗霖，提到最近谷歌翻译越来越精准，正是运用机器学习技术。深度学习(Deep Learning)技术底下有多层度摺积式(Convolutional)回馈式(Recurrent)神经网络技术等。拜摩尔定律及云端大数据数据库累积，使得深度学习技术开始进入市场应用。
各种机器学习导入的应用有其系统需求与技术挑战。赛灵思的场域可程序逻辑闸(Field Programmable Gate Array；FPGA)聚焦于已训练好的单向推理(inference)应用。像亚马逊AWS、百度与腾讯等云服务商，在HPC服务器的前端部署基于
