每日椽真：台湾太阳能逆变器出头天 | 三星晶圆代工分拆是假命题？
- 陈奭璁
-
早安。
三星电子会长李在熔于三星暂订财报发布前一天，向外媒路透（Reuters）表示，三星「无意分拆」其晶圆代工制造业务和逻辑芯片设计业务，好让外界纷纷扰扰就此划下句点。然由此观察，三星高层李在熔、全永铉此番表态，究竟是成竹在胸、已有三星半导体沈痾解方，还是借此向外界打一剂预防针，避免月底财报成绩吓坏众人？
2024年的富士康科技日除正式发表电动休旅Model D、电动中巴Model U，董事长刘扬伟在开场时表示，2024年有更多新款电动车登场，这也展示了富士康在汽车开发领域的广度与成熟度。本次科技日还有2个彩蛋，首先是刘扬伟亲自揭露，富士康与美国合作夥伴合作打造的北美版Model C；另一颗彩蛋详见内容。
最后，今年诺贝尔物理学奖由John J. Hopfield与Geoffrey E. Hinton获得，他们的贡献在于对类神经网络的奠基性发现与发明，使机器学习获得巨大进展。以下编辑手记有进一步的信息整理。
以下是今日5则科技供应链重点新闻摘要：
科技盛会富士康科技日（HHTD）于8日展开，富士康科技集团策略长、MIH联盟CEO关润针对软件定义汽车（SDV）有更深度的分享与诠释之外，根据了解，活动现场所展出的Model A概念车也是关润的呕心沥血之作。
关润在2024年富士康科技日的开幕活动的主题性夥伴对谈上再次强调，如今电动车（EV）市场上，除了有传统车厂的角力，还有非传统汽车业者的加入，万头攒动的市场竞争，显得有效缩短产品开发周期尤为重要。富士康电动车策略主打的委托设计制造服务（CDMS）模式，可为客户提供零件与模块平台之余，也有更多弹性。
香港贸发局助理总裁古静敏在展前的记者会中表示，踏入10月展览旺季，将呈献秋季四大科技展，除了汇聚香港展商及新创企业之外，还有来自世界各地的国家及地区企业，盼充分展现香港发展成国际创科中心的领先地位。
特别是即将进入第44届的秋电展，从展前官方释出的信息观察，展出内容涵盖家用及商用智能产品及电器、视听设备及最新科技解决方案等，并聚焦于数码娱乐、智能出行和银发经济三大领域。
《It's 秀 TIME》EP.22｜台湾微软首席营运长陈慧蓉
想放就放，不需要主管批准的「身心健康假」，KPI设计的「三个圈圈」，这些令人称羡的福利，如何打破工程师过往的沟通哲学，打造微软不藏私、鼓励互助与学习的企业文化？
台湾微软近十年来第一位台湾出身的首席营运长Flora，从会计、汽车业务转换到科技产业，他如何发挥柔韧的特质带领工程师共同解决客户疑难？微软在台湾有什麽样的投资规划，AI浪潮又如何影响企业的人才需求？
太阳能逆变器（PV Inverter）及储能功率调节器（PCS）是新能源的智能之源。台湾太阳能逆变器供给生气蓬勃，尤其内、外资品牌激战多年，战况更是高潮迭起。
近年由台湾本土品牌挂帅，前两大包括新望、台达电，市占率约达5成、稳住半壁江山，外资品牌加总约占一半市场。
电动车（EV）普及速度与充电椿基础建设息息相关。其中，电动车的充电时间与充电椿的功率呈反比关系，为了将充电时间缩短到接近传统加油的时间，充电椿正朝向大功率直流快充发展。
DIGITIMES Research在10月初能源周展会中观察，台厂主要充电业者如华城电能、泓德能源、台达电已经开发相关解决方案，致力于加速电动车充电体验的提升。
编辑手记：
机器学习的发展：Hopfield 与 Hinton 的突破性贡献奠定基础
机器学习的发展历经数十年演变，从最初的理论探索到如今广泛应用于各个领域。John Hopfield 和 Geoffrey Hinton 的研究成为推动这场技术革命的重要里程碑。
早期挑战与困境
机器学习的起源可以追溯到1940至1960年代，当时科学家试图模仿大脑神经元和突触的运作方式，建立人工神经网络。然而，由于理论上的限制和计算能力不足，研究进展一度停滞不前。
Hopfield 网络：重燃研究热情
1980年代，物理学家 John Hopfield 提出了「Hopfield 网络」，成功引发学界对人工神经网络的重新关注。Hopfield 网络的创新在于其能够储存和重建信息，并在输入不完整或失真的情况下，透过联想记忆找出最相似的储存信息。他的研究显示，网络节点和连接可以被视为具有自旋特性的磁性材料，其整体状态类比于自旋系统的能量状态，为后续研究奠定了物理学基础。
Hinton 的 Boltzmann 机器：开启生成模型新篇章
同时期，Geoffrey Hinton 借鉴人类学习模式，致力于让机器以类似方式处理信息。他与 Terrence Sejnowski 共同提出的「Boltzmann 机器」，基于统计物理学的概念，扩展了 Hopfield 网络，利用 Boltzmann 方程序分析网络状态与发生概率，开启了生成模型的研究。与指令式学习不同，Boltzmann 机器透过示例学习的方式，调整网络连接中的值，使示例模式的出现概率最高，并能够识别未见过的信息特徵。
深度学习的兴起：Hinton 的坚持与突破
尽管神经网络研究在1990年代陷入低潮，Hinton 依然持续探索。他在2006年提出了一种预先训练多层 Boltzmann 机器网络的方法，大幅改善了网络训练的效能，成为深度学习的关键基石。这一技术帮助深度神经网络更有效地识别图像中的元素，为今日庞大的神经网络模型开创了道路。
当前应用与未来展望
如今，人工神经网络已经发展成为拥有数万亿个参数的巨大模型，被广泛应用于语音识别、图像处理及自然语言处理等领域。Hopfield 和 Hinton 的开创性工作奠定了机器学习革命的基础，他们的研究成果将持续影响未来人工智能技术的发展方向。
总结而言，Hopfield 的联想记忆网络和 Hinton 的 Boltzmann 机器不仅突破了早期机器学习的困境，也为深度学习的兴起铺平了道路，成为今日机器学习技术发展的重要里程碑。
以上信息来自诺贝尔奖网站的介绍。
责任编辑：陈奭璁
