關於 醫療科技發展的優點與缺點 ，我們在網路上蒐集到這些相關的討論、資訊與評價

1.路透社獨家報導，台灣目前兩大候選國產疫苗之一，由聯亞科技開發的新冠疫苗，在去年底被美國惡名遠播的黑水集團創辦人普林斯相中。投資金額不詳。

除此之外，還協助建立一但未來聯亞疫苗獲得國外政府緊急授權後的分銷管道。

路透社直言，這樣的合作模式，對比自新冠疫苗問世後，通常是由政府直接與製藥商聯繫，或者透過全球性衛生組織，及外交渠道進行的常態，確實不太相同，而這也凸顯出這場各方好漢仍試圖從疫情不確定性中，透過落後國家施打未完成認證疫苗獲利的現象。

2.黑水集團在美國高度爭議。創辦人普林斯曾經是美國特種部隊海豹的一員，退役後創辦黑水。之後在中東地區成為美國政府最大的軍事任務承包商，在伊拉克及阿富汗完成了近十萬項的維安任務。黑水曾被形容為美國政府背後的軍事劊子手，最惡名昭彰的一次任務，便是2007年為替國務院車隊開路濫殺數十位伊拉克平民。

當年被判刑的黑水保安人員，後來獲得川普特赦。普林斯與川普關係良好，普林斯其實正是川普任內教育部長，安麗集團媳婦戴弗斯的親弟弟。

3.黑水公司之後解散，普林斯在香港接受訪談表示：亞洲有很大潛力。這家新公司從此又成為中共解放軍訓練於非洲特種部隊的軍事掮客。

4.根據路透社，去年，與解放軍合作的普林斯公司，正式與台灣具國營事業投資背景的聯亞生技公司合作，負責幫未完成第三期臨床實驗也沒有得到緊急授權的聯亞疫苗（公司叫COVAXX)，進軍巴西、厄瓜多爾及祕魯等地區。

5.撇開普林斯本身的爭議不談，聯亞疫苗的爭議，其實正是台灣國產疫苗目前的共通問題，和才剛解盲二期的高端疫苗一樣，聯亞只進行到二期實驗，就準備尋求台灣政府緊急授權，但目前世界上的主流疫苗，如輝瑞、莫德納等等，都是走完三期萬人以上規模的試驗，證明有效性後，才獲得各國政府的緊急授權。

6.巴西、祕魯等國政爭激烈。祕魯剛剛完成總統大選，得票數分別是59%VS49%。巴西左右派，從中央鬥到地方。如果聯亞疫苗最終証明是無足夠保護力的疫苗，或是疫苗接種導致人口死亡率不降反增，「台灣疫苗」將被稱為「前黑水公司」勾結當地政府的醜聞疫苗。

{內文}
苗栗電子廠廣播:員工請注意 員工請注意
TVBS新聞片段:北市北投區這屋內四個人，三個沒了生命跡象，一個還意識不清。
TVBS新聞片段:只是在這棟大樓，一名攝影師前一天在廁所猝死，採檢結果出爐，確定染疫。

六月初，台灣破萬人確診逾300人染疫死亡，國內新冠疫情嚴峻之際，兩支國產疫苗力拚二期解盲送審，對照歐美都是三期試驗期間證明保護力後，官方才給緊急授權，從而令輿論產生是政府護航，或圖利廠商等種種質疑。

中央流行疫情指揮中心指揮官 陳時中: 國產自給自足的能力，是非常的重要，所以國家一定會朝這個方向再努力 全力支持

台灣疫苗話題性，因路透社5號獨家報導再添一筆，文章稱注資台灣聯亞科技，研發旗下新冠疫苗金主之一，是全球知名傭兵組織：美國黑水集團創辦人普林斯。

新聞主播:普林斯被稱為現實中的債券惡棍，他聘僱傭兵，運用本身的軍事技巧及鉅額財富，從武裝衝突中獲利。
abc新聞片段:黑水是反恐戰爭中的影子軍隊，是火力強大的軍事力量，且由這個男人一手領導。
abc記者 vs黑水創辦人普利斯: 你旗下傭兵是否曾經錯殺無辜的平民呢？絕對可能。

普林斯在美國始終是話題人物，離開海豹特種部隊後創辦黑水，成為白宮在伊拉克及阿富汗，最大的軍事任務承包商，2007年因旗下保全，在巴格達掃射濫殺，替美國國務院車隊開路，造成17名伊拉克平民死亡，而令集團名聲一落千丈，2010年出售黑水之後，普林斯依然活躍商界。

節目主持人vs.先豐服務創辦人普林斯(2017):把公司設址香港，在香港上市，沒錯，你為何選擇香港上市呢？先豐是第500隻在港交所交易的股票，香港是亞洲資金的匯集地

普林斯創辦先豐集團設址香港，主攻非洲物流服務，也提供特種人員培訓，2017年 先豐入股
中國最大反恐人員訓練機構「國際安全與防衛學院」，協助培訓海外安保專家，被認為有意打造「中國版黑水」。

路透社報導指出，普林斯對2020年，剛成立的美國生技公司生力軍Covaxx一款研發中的新冠疫苗UB-612深感興趣，於是在去年底注資，協助建立分銷管道，打破了疫苗供應協議，通常是由政府直接與製藥商聯繫，或者透過全球性衛生組織，及外交渠道進行的常態，文章稱普利斯曾在積極遊說
已故共和黨國會說客貝倫德，就Covaxx進行合作時，提及「每劑疫苗有幾美元佣金空間」，Covaxx與台灣聯亞生技，同隸屬美國聯合生物醫學集團UBI Covaxx共同創辦人Mei Mei Hu是UBI創辦人，
台灣聯亞董事長王長怡的獨生女胡世一，而UB-612正是聯亞疫苗。

美國資深醫療記者 史尼德曼:Mei Mei從賓州大學畢業後，進入哈佛法學院，考取執照取得法學博士 如今她是一家生技公司的執行長，抱歉我忘了，你還待過麥肯錫顧問公司。
Covaxx共同創辦人 Mei Mei Hu:假如你在我七歲時問我，長大後要從事生技業嗎？我的答案絕對是「不 」。

胡世一從法商背景兼具的高專業人士，轉往繼承母親衣缽，協助發展生技事業，她因創辦愛爾蘭生技公司，研發阿茲海默症治療疫苗頗具成效，2019年登上美國時代雜誌，次世代百大影響力人士，接下Covaxx執行長後，開始積極替UB-612布局全球銷售。

聯亞疫苗與另一支迄今全球知名度不高，但被看好頗具一軍潛力，來自美國藥廠諾瓦瓦克斯的新冠疫苗一樣，是同樣利用蛋白質次單位（protein subunit）所製作的「重組蛋白疫苗」，過去廣泛用於對付人類乳突病毒(HPV)肝炎及流感等病毒，是一種久經考驗的疫苗製作方法。

馬里蘭大學病毒學家 Meagan Deming：「重組蛋白疫苗技術實際上並不是那麼獨特。我們已經用了20 多年，都非常非常可靠，因為只需要製造蛋白質，然後將其提供給免疫系統，免疫系統就會將其識別為外來物，並對其產生免疫反應。到目前為止，我們從先前對抗 SARS 和 MERS 的研究中了解到，如果你想預防冠狀病毒感染，您需要一種像病毒蛋白質一樣 鎖定棘蛋白產生的免疫反應。它負責與宿主細胞、也就是我們的細胞結合並進入我們的細胞。所以，如果你能產生一種免疫反應能鎖定棘蛋白，它實際上就可以防範病毒與宿主（也就是我們）的直接相互作用。」

「重組蛋白疫苗」無需使用整個病毒，疫苗啟動免疫系統的方法，只需要其中一小片段，也就是所謂的棘蛋白，這類重組蛋白疫苗的優點，是相對容易製造 價格便宜，且蛋白質片段不足以引起疾病，但缺點在於針對攻擊感染細胞的免疫細胞，有時候不太容易辨識，意味著可能觸發的免疫反應，往往比其他款疫苗要微弱許多，因此在注射時，須搭配佐劑增強效果，已握有佐劑專利的諾瓦瓦克斯，
年初在英國1.5萬人的三期臨床試驗，針對原始病毒呈現出高達96%，超越BNT及莫德納疫苗的超高防護力，負責執行試驗的印度血清研究所執行長更推文表示該疫苗最大優勢，在於特別針對南非及英國變異毒株進行測試，整體有效率為89%。

聲音來源: 諾瓦瓦克斯執行長 Stanley Erck(2021.1.29)：「我認為這兩個數字都戲劇性地證明了，我們的疫苗無論是對原始病毒株，或者變種後的強化毒株，都能產生非常有效的免疫反應。」

聲音來源 中國醫兒童感染科主任 黃高彬：「佐劑來講它可以加強免疫的功能，也就是說你用很小的抗原，就可以刺激它產生很好的抗體，這次不管高端或者是聯亞都是用兩種佐劑，也算是這次我們國產疫苗的另外一個突破。」

台灣專家直言，佐劑不同 疫苗效力大不相同，也使用了佐劑的聯亞，今年二月公布一期實驗結果，稱60名台灣受試者僅出現局部疼痛 皮膚紅腫 疲累等輕微副作用，且即將解盲，同樣在台灣進行採樣3850人的二期實驗，聯亞執行長王長怡，日前接受台灣媒體訪問時，一度透露疫苗保護力初估高達九成，但對比諾瓦瓦克斯不但走完第三期實驗，和破萬人的受試規模，是這支國產疫苗連同高端
至今風波不斷的主要原因。

聯亞生技執行長王長怡(2021.02):今年我們預計可以做到一億劑，在六月到七月中間會有2到3千萬劑供應。

聯亞生技營運長彭文君(2021.02):我們也測試過，包括倫敦的這個變種病毒，具有很好的這個保護力， (監測)對於南非突變種這種保護力，甚至，另外我們還有所謂第二代第三代的疫苗。

撇開上述爭議不談重組蛋白疫苗，確實具備絕對優勢，就是它無需低溫冷鍊運送，相比輝瑞等mRNA疫苗，更容易取得及保存，當歐美早各有疫苗心頭好時，這支後至疫苗的最佳商機，便落在市場廣大的開發中國家，
例如疫情嚴峻的中南美洲，去年八月 胡世一與力挺聯亞疫苗，美國國內兩大名人，由醫學博士跨足商業的知名企業家迪亞曼迪斯，及知名演說家羅賓斯，在名為「你從未聽說過的最強大疫苗」，一場網路研討會中進行宣傳。

Covaxx共同創辦人 Mei Mei Hu(2020.08):截至目前，美國聯合生物醫學集團已生產5億劑疫苗，規模逾45億美元，所以我們具備know how，知道如何規模生產，如何運輸疫苗，且可用一劑低於一美元的價格製造疫苗，正因為我們已擁有研發平台，才決定應用在新冠疫苗上。

去年底，聯亞曾對外公告，子公司Covaxx已接獲南美三國大單，稱巴西 厄瓜多及秘魯，共計下單28億美元，表示只要疫苗一獲批准，便希望在今年年中交付1.4億劑新冠疫苗，報導黑水創辦人想賺疫苗財，且是鎖定台灣疫苗的路透社，透露截至今年三月，Covaxx已在美募得13億5千萬美金，普林斯投資多少無從得知，但直言他插手疫苗分銷業務，正是凸顯這場各方好漢，仍試圖從疫情不確定性中獲利的全球競賽，依然為現在進行式，話題不斷的台灣疫苗爆出番外篇，證明2021年在歐美以外的世界，仍對新冠疫苗殷殷企盼需求若渴。

https://www.youtube.com/watch?v=qdxtavq5Eqo

請訂閱【TVBS 文茜的世界周報】YouTube頻道👉
https://www.youtube.com/c/TVBS%E6%96%87%E8%8C%9C%E7%9A%84%E4%B8%96%E7%95%8C%E5%91%A8%E5%A0%B1TVBSSisysWorldNews?app=desktop
並開啟🔔

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

與您分享歷史的公平正義
盎格魯撒克遜AngloSaxon民族！！！

兩百年來，鴉片戰爭開始，中國最主要的敵人就是英國，AngloSaxon民族，現在隨著中國的崛起強大，中國的國力已經超過俄國、日本、徳國、英國，他們曾經侵害中國，但不會是將來中國的主要敵人。未來的半個世紀，主要敵人雖然明顯是美國，事實上仍然是AngloSaxon民族。

【五百年來統領世界】
我們可以說1588年英國擊敗西班牙無敵艦隊是英國崛起的開始，1760年英國成為全球海洋的霸主，1815年英國擊敗拿破崙法蘭西第一帝國後，加上英國發生的蒸汽機工業革命，國力如虎添翼，到了1877年，維多利亞女王正式接受「印度皇帝」的頭銜。英國的領土、屬土遍及七大洲、五大洋，正是「日不落帝國」大英帝國霸權的巔峰。二次大戰後大英帝國霸主的地位被美國取而代之，因為同屬AngloSaxon民族，所以是和平轉移，沒有落入修昔底德陷阱。也就是說從1588年到今天2020年，將近五百年期間是AngloSaxon民族在統領世界。

【領先發展造成優勢】
AngloSaxon民族在科技、藝術、商務、文化對世界有卓越的貢獻，使我們敬仰崇拜了200年，但是AngloSaxon民族的成就及貢獻來自於時間的領先發展，並不是優秀的種族基因。百年來日本、德國、俄國都有不亞於AngloSaxon民族的優越表現，結果都被美國打崩，尤其1991年蘇聯社會主義帝國崩塌以後，AngloSaxon民族囂張傲慢，達到峰頂。

【戰爭掠奪壞事做盡】
大英帝國擴張時期世界其他民族尚無現代個家組織，亦無領土概念。所以AngloSaxon民族的一個Cook船長，就能夠號稱發現澳洲、紐西蘭，輕易據為大英帝國女王陛下的領土，中東阿拉伯、印度、緬甸、東南亞、中南美洲、非洲儘為其有，號稱日不落帝國。

美國擴張時期起於東部13個州的小國，從印地安人、法國、墨西哥、西班牙、帝俄、日本、夏威夷王國，以戰爭搶奪了大片大片的領土，成為今天50個州，包括許多屬地，如波多黎各，關島…的龐大帝國。

遠的歷史，AngloSaxon民族在美國幾乎絕滅美洲的印地安人，在加拿大幾乎絕滅愛斯基摩人，在澳洲幾乎絕滅澳洲的原住民，以及紐西蘭的毛利人，世人絕口不提，知之甚少。較近歷史，英國人在印度及非洲的殖民屠殺，美國人在菲律賓的殖民屠殺，排華法案意在絕滅華人，世人幾乎不提，知之甚少。最近的歷史，美軍在韓國的細菌戰，越南的生物戰（橙劑），美軍透過淫穢招妓性侵，在日本、韓國、琉球、台灣、香港、菲律賓、越南…污染毒害當地社會數十年，有人提醒討論嗎？

【華麗轉身粉飾優雅】
全世界的領土資源搶奪殆盡以後，憑藉富裕社會，優厚的生活方式，吸引了世界各國的移民，挾著巨大的媒體文化宣傳力量，開始沐猴而冠，從海盜民族演飾成愛好和平，文明優雅的民族，西裝領帶，英語英文，餐桌禮儀，舞蹈音樂…遂成為領導世界優雅文明的典範。

俄國人、德國人、日本人幹了壞事，載入史冊，全球皆知，而AngloSaxon民族最大的本領是壞事做盡，透過強大的輿論宣傳文化粉飾，非但不入史冊，無人知曉，反而自我塗抹成愛好和平，慈善道德，民主人權。把AngloSaxon民族的意識行為繪製成普世價值，世界的人權組織，愛護動物組織，愛護生態環境組織，總部都設在倫敦，華盛頓，得到世人的敬仰。

【五眼聯盟空前團結】
五眼聯盟是五個AngloSaxon民族的國家組成的情報聯盟，在英、美協定下組成的國際情報分享團體，成員包括澳大利亞、加拿大、紐西蘭、英國和美國五國。五眼聯盟的歷史可以追溯到二戰時協同作戰，冷戰期間五眼聯盟共同監視蘇聯和共產集團，以及1982年英國和阿根廷為爭奪英國海外領土福克蘭群島主權而爆發的福島戰爭，五眼聯盟都非常團結，以情報及物資支援英國，打敗阿根廷。

五眼聯盟看不起德國日耳曼人、北歐斯堪地那維亞人、法國人、愛爾蘭人，看不起西班牙、義大利、希臘拉丁民族，拉丁美洲人，更看不起巴爾幹半島的斯拉夫人，對於亞洲人的歧視就更不用說了，他們一直活在世界階級架構的頂端。

目前的中美衝突，不僅是中國美國兩大強國的矛盾，更是中華民族和AngloSaxon民族的衝突。因此，現在五眼聯盟空前團結，拉攏歐盟、印度、日本、台灣，結成反華聯盟，共同協力，打擊中國。

【用紙糊的美麗國家】
我們中國五四運動那一代的領袖人物，知識份子，莫不留學英美，英語流暢，五四運動打著德先生、賽先生的旗幟。孫中山先生帶來林肯的民治、民有、民享的憧憬，成為辛亥革命的口號。

事實上美國的排華法案從1882～1943年正在殘酷的進行，華人在美國的生命財產沒有保障。而孫中山先生1896年，1904年多次去美國都在海關受到羞辱的待遇，1919年崇拜美國的五四運動，羞辱自己的中國文化。難道他們都不知道美國排華法案正在進行？其實從孫中山開始，中國人一路用花紙刻意糊出一個不真實的天堂願景，在中國人心目中建立了根深柢固的不實的美麗國家，這就是中國人的AngloSaxon夢魘。

百年來中國的知識份子，學習英語，留學鍍金，莫不以AngloSaxon的國家為尚，去不了美國去英國，去不了英國去加拿大，去不了加拿大去澳洲，去不了澳洲去天涯海角的紐西蘭，只要是AngloSaxon的地方，都去繳錢留學鍍金。英文和留學一直是中國社會階級定位的指標，中國人一直綿延到今天仍然走不出AngloSaxon夢魘。

AngloSaxon夢魘甚至影響到中國人對女性的審美觀念，罔顧華人的體質，一概向AngloSaxon女人看齊，百年來中國出名的影藝美女個個胸大腰細，眼大臉小，等於是華裔的AngloSaxon女人。影響深遠，無遠弗屆。

【打壓中國面貌猙獰】
近廿年來的中華民族快速卓越的崛起復興，讓AngloSaxon民族恐懼驚嚇，中國遂成為美國最大的敵人
。幸而2001年以來阿拉伯人穆斯林文化和美國的AngloSaxon文化發生劇烈衝突，不斷的戰爭给了中國建設圖強的廿年的喘息時間。

2001年以來美國入侵阿富汗、伊拉克、敘利亞、利比亞，製造顏色革命，被屠殺的百姓以百萬計，製造的難民數百萬人湧向歐盟。同樣的顏色革命惡行也試圖在北京進行過，駐華大使在街頭的動作被警方逮住警告，更在香港惡搞了一年的反中獨立暴亂，終被北京的香港國安法平定。

美國現在正在威脅制裁中國，制裁伊朗，制裁俄國，制裁朝鮮，這樣惡性重大的現行犯，AngloSaxon民族卻能夠把受害的俄國、朝鮮、伊拉克、伊朗、中國指控為流氓獨裁國家，把自己打扮成世界警察普世價值，邪惡扭曲的宣傳能力，讓人嘆為觀止。

美國及澳洲政府在自己國內掀起反華浪潮，迫害華裔科學家工程師，簽證阻撓華人留學生，封殺無數的中國企業，終於促使許多中國知識份子看清了美國及AngloSaxon民族的猙獰面貌，CNN民意調查發現91％的中國人民空前團結，擁護中國政府。使如今美國國務卿龐佩奧策略，鼓勵中國人民起而推翻中共政權的嚎叫，成為笑話。

【打開紙糊原形畢露】
其實打開美國250年的歷史，種族滅絕，戰爭掠奪，排華法案，囚禁日裔，種族歧視，經濟侵略，一如人類歷史上殘暴的血淋淋的帝國，並無特殊。只是AngloSaxon善於宣傳掩飾，加上華人的美國情節根深柢固，走不出AngloSaxon夢魘。譬如林肯扯的for the people, by the people, of the people 的美國政治，最近有歷史學者指出，美國從建國第一天就是for the 1％, by the 1％, of the 1％ 的殘酷國家。

從1949年新中國建立起，美國醜化中國打壓中國就沒有停止過，最近中國快速崛起確實驚嚇了美國，終於川普總統撕去了掩飾面具，露出猙獰面貌，不顧顏面，變本加厲的醜化中國打壓中國。終於讓絕大多數的中國人打開紙糊，目睹美國原形畢露。

【自由民主紙糊帝國】
世界的政治制度長期的進步演變，並無普世價值，只有中國的慕洋公知，配合中國人走不出的AngloSaxon夢魘，才把AngloSaxon國家的自由民主捧為普世價值。以下是自由民主破綻百出的例子

美國選出川普這樣的惡質淫邪的總統，展現出美國自由民主的反智社會。
新冠疫情的全面失控，曝露出國家治理的無能，醫療體制的崩潰，忽略老弱及少數民族的生命。
警察任意的屠殺黑人，引起全國各地的社會動亂，延續不斷，聯邦政府束手無策，川普總統為了選票甚至煽動利用。
國家債務每年暴增1.4萬億，多年累積的國家債務高達26.6萬億，為了解決這次新冠疫情造成的經濟困頓，直接印鈔票9萬億救災，完全罔顧財政倫理，更不顧將來不可管控的風險災難。

國家力量衰敗至此，仍然不忘在國際上張牙舞爪，長臂管理，全球被美國政治制裁的國家有五、六十個，如俄國、中國、法國、徳國、朝鮮、伊朗、緬甸、卡塔爾、叙利亚、賴比瑞亞、伊拉克、阿富汗、蘇丹、南蘇丹、象牙海岸、剛果、辛巴威、中非共和國、黎巴嫩、索馬利亞、葉門、阿爾巴尼亞、蒲隆地、土耳其、馬其頓、阿爾巴尼亞、日本、南非、阿根廷、古巴、羅德西亞……多到我列不完。

被美國經濟制裁的國家多到不勝枚舉，全球被美國司法制裁的公司企業數萬家，各國官員及企業高層被美國制裁的超過10萬人。

被美國國會立法觸及的國家更多，國會立的法案有幾百件，台灣關係法、台灣旅行法、台灣保證法、台北法案…有關台灣與中國的超過20件。有關俄國的有，國際緊急經濟權力法、烏克蘭自由法、烏克蘭主權統一民主和經濟穩定法、烏克蘭主權法、俄國特別指定國民清單法、俄國行業製裁識別清單法，向俄羅斯提供用於北冰洋或其領土及領土延伸區域內開採頁岩油項目的設備技術和服務的企業制裁法…超過幾十件。有關全世界的干預立法，成百上千，幾十篇法學博士論文都研究不完。

從醫療崩潰、財政崩潰、社會崩潰、選舉崩潰、治理崩潰，到對世界張牙舞爪、長臂管理的崩潰，加上富人驕淫的生活方式，分崩離析的多元種族，我們可以說這是一個紙糊的帝國，這是一個無法維持的帝國，終有一天只需一根導火線，就會像1991年的蘇聯帝國。美國帝國的崩潰也就是AngloSaxon民族的崩潰。若不是我們的人生有限，從歷史長河來看，已經接近帝國末日的瞬間崩潰。

【華人努力重振心結】
拆封紙糊花旗，瞭解真相，AngloSaxon民族是我們中華民族未來的半個世紀的主要競爭敵人，不是台灣人、香港人心目中的救星。

中國人這一次要重新審視美國這個國家，不再接受中國的慕洋公知虛構塑造的天堂國度。AngloSaxon民族從不接受合作共享、和平共存，他們只善於假冒偽善，只想消滅對手，獨霸世界。我們中華民族不再心存幻想，必須努力自強，不畏帝國。

中國人今後要重新塑造教育內容，不再灌輸國人假造的承認砍倒櫻桃樹誠實的華盛頓，不再灌輸國人假造的美國成群的開國英雄傑佛遜、漢彌爾頓、富蘭克林，不再灌輸國人假造的美國是民治、民有、民享的，自由、平等、博愛的民主共和國。

留學生繼續向AngloSaxon民族學習優點，看清缺點，留學的目的是看清世界、瞭解世事。不再為了可恥的鍍金鍍銀，光宗耀祖，回國卡位。

走出我們中華民族的AngloSaxon百年夢魘。