华晶边缘AI影像应用赋能智慧驾驶
深耕车用电子市场超过十五年的华晶科技(Altek)，针对车用电气化与人工智慧(AI)的浪潮，专注於边缘AI运算结合视觉科技，开发小体积、低功耗的汽车视觉人工智慧解决方案，采用通过车规认证的人工智慧晶片，可应用於高运算AI和主动立体相机的工业和机器人应用。该公司在Computex……
2025 年 AI PC 将大幅成长！华硕：长期应该商用渗透率较高
本文来自中央社，INSIDE 经授权转载。
英特尔上周推出新一代人工智慧（AI）晶片 Gaudi 3，掀起 AI PC 晶片算力大战新话题。PC 品牌与代工厂普遍预期，今年 AI PC 渗透率仅低个位数（约 1% 至 3%），但随着新晶片推出、杀手级应用浮现，2025 年 AI PC 有望大量成长。
英特尔新款 AI 加速器 Gaudi 3 采用台积电 5 奈米制程生产，即使与 AI 晶片大厂辉达（NVIDIA）的产品相比也毫不逊色。英特尔表示，Gaudi 3 的参数模型训练时间、推论吞吐量和推论能源效率，皆优於辉达的 H100 晶片，推理速度也优於辉达的 H200 晶片。
去年 AI PC（搭载人工智慧的个人电脑）概念浮上台面时，尚未有明确定义，如今英特尔与微软联手抢下话语权，共同定义 AI PC …
瑞萨新款RA0 MCU系列具备超低功耗
瑞萨电子(Renesas Electronics)推出采用Arm Cortex-M23核心的RA0微控制器(MCU)系列。新的低成本RA0在业界通用32位元MCU中具备超低功耗。
RA0在操作模式下仅消耗84.3μA/MHz电流，在睡眠模式下仅消耗0.82mA电流。此外，瑞萨在新款MCU中提供软体待机模式，可进一步降低99%功耗，至极低的0.2 µA。与快速唤醒高速内建振荡器(HOCO)相结合，使新款超低功耗MCU为电池供电的消费性电子设备、小型家电、工业系统控制和大楼自动化等应用提供了理想的解决方案。
瑞萨RA0系列中第一款量产的是RA0E1，这些装置具有针对成本敏感型应用进行最佳化的功能，提供1.6V至5.5V的宽工作电压范围，因此客户在5V系统中不需要使用电压转换器/稳压器。RA0 MCU还整合了计时器、串列通讯、类比功能、安全功能和HMI功能，以降低整体元件成本。另提供多种封装选项，包括微型3mm×3mm 16-pin QFN。
此外，新MCU的高精度(±1.0%)内建振荡器(HOCO)提高了baud-rate精度，使设计人员不需使用独立振荡器。与其他HOCO不同的是，即使在-40°C至105°C的环境中都维持这样的精度。宽广的温度范围使客户能够避免昂贵且耗时的微调(Trimming)，即便经过回流焊後也可以维持高精度。
RA0E1 MCU包括关键的诊断安全功能以及IEC60730自我测试函式库，亦提供保全(Security)功能，包括用於物联网应用的真随机数产生器(TRNG)和AES函式库。
Akihiro Kuroda, Vice President of the Embedded Processing 2nd Division at Renesas表示，RA0E1系列MCU提供价格敏感系统所需的超低功耗和低成本，且不会牺牲安全性、资料保全性和易用性。
Paul Williamson, senior vice president and general manager, IoT Line of Business at Arm表示，针对工业和智慧家庭等功耗受限IoT嵌入式应用市场提供所需的特定性能、效率和安全需求。瑞萨的RA系列MCU采用Arm技术建构，从低功耗RA0 MCU到具备AI能力的高性能RA8系列解决方案，所有解决方案都采用通用设计环境，可轻松快速的开发和转移。
RA0E1系列MCU的主要特点包括：…
类比AI技术不断进化 特定应用超越传统AI(1)
数位AI需要在资料储存与运算单元之间搬移大量资料，让冯纽曼运算架构的局限显露无遗。类比AI则另辟蹊径，利用欧姆定律突破冯纽曼架构的限制。不过，类比AI目前尚无法像数位AI般，支援动辄数亿个权重，使其无法运用在生成式AI上。……
机器人厂安川财测优、纯益有望破纪录，股价红翻黑
全球工业机器人大厂安川电机（Yaskawa Electric）今年度财测优，纯益有望创历史新高，不过安川电机上季订单额续缩，今日股价大涨後翻黑。
截至日本股市8日早盘收盘台北时间上午10点30分，安川电机下跌1.25%，暂收6,097日圆，稍早一度飙涨近4%。
安川电机5日日股盘後公布今年度（2024年3月至2025年2月）财测预估：因半导体／电子零件市场重启投资，自动化相关设备投资预估将呈现复苏，合并营收预估将年增0.8%至5,800亿日圆，合并营益将年增5.7%至700亿日圆，合并纯益将年增6.5%至540亿日圆，纯益创历史新高。
路透社报导，分析师平均预估安川电机今年度营益将为650亿日圆。安川电机公布预估值优於市场预期。
安川电机是工具机关键零件「伺服马达」及工业机器人大厂，且是主要制造业最先公布财报的企业，故业绩视为观察制造业设备投资、业绩动向的指标。
安川电机预估今年度「机器人部门」营收年增4.4%至2,451亿日圆、营益成长19.3%至300亿日圆；「运动控制部门」（含半导体制造设备／工具机用关键零件「伺服马达」及逆变器inverter等）营收预估年减0.2%至2,688亿日圆、营益年减5.3%至369亿日圆。
安川电机指出，上述今年度财测是以1美元兑145日圆、1欧元兑155日圆、1人民币兑20.0日圆、1韩元兑0.110日圆为前提的试算值。
日媒报导，安川电机社长小川昌宽表示「今年度财测预估偏保守，仍需一点时间确认今後状况」。
就业绩领先指标订单额看，上季（2023年12月至2024年1月）安川电机整体订单额较去年同期下滑13%至1,101亿日圆，连五季陷入萎缩。上季安川电机「机器人部门」订单额较去年同期减少8%至501亿日圆，连五季陷入萎缩；「运动控制部门」订单额较去年同期大减18%至439亿日圆，连六季陷入萎缩。
就区域别订单看，上季安川电机的中国市场订单额较去年同期成长3%至239亿日圆，五季首度呈现增长；日本市场订单额较去年同期减少11%至325亿日圆，连六季陷入萎缩；美洲大减23%至231亿日圆，连五季萎缩；欧洲大减28%至160亿日圆，连五季减少；不含中国的亚洲市场减少2%至146亿日圆，三季来第二度呈现减少。
（本文由 MoneyDJ新闻 授权转载；首图来源：そらみみ (Soramimi), CC BY-SA 4.0, via Wikimedia Commons）…
Open AI的Sora还需要调整什麽？｜专家论点【Howie Su】
作者：Howie Su（产业分析师）
技术前瞻但存在不少问题
OpenAI Sora 的发布引起科学家、艺术家和政治家的狂热与恐慌，Sora 产生的影片品质确实令人印象深刻，尤其是与去年人工智慧生成的影片相比，该模型仍处於实验阶段，很少有人明了其背後运作的原理，但从 OpenAI 迄今为止分享的范例来看，很明显，尽管留下令人印象深刻的结果，但文字转影片仍然存在一些基本缺陷，需要在投入生产之前修复问题。
图、Sora预计将带来新一波视觉革命。（资料来源：analytics vidhya）不过，OpenAI 没有发布太多有关 Sora 背後模型的资讯，除了知道它使用扩散和变压器架构之外，由於 OpenAI 庞大的运算和资料资源，该模型已经过大规模训练，随附的「技术报告」也没有讨论实作细节，但包含一些有关其使用的模型和技术类型的提示，Sora 的大部分研究成果都建立在 Google、Facebook 和大学实验室的基础上，纽约大学研究指出，OpenAI 显然已经利用其庞大的运算和资料资源将一个简单的架构扩展至一定程度，从而带来了「新兴的模拟功能」。
在实际测试上，一方面，Sora可以产生单一场景和物体的大量细节，但另一方面，它也违反物理学和因果关系的基本规则，例如，物件可能会突然出现，或者模型可能会在整个影片中弄错物件的比例，它在模拟肢体方面尤其糟糕，脚和手可能会向错误的方向弯曲，或是当模拟的角色行走时，从摄影机的角度来看，他们的腿相互交叉时可能会混合在一起，角色的步态在中途就被打乱，OpenAI承认，该模型「可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系的具体实例。」
模型维运与修改成本高昂
对於Sora当前问题的解决方案，有不同的看法，一个明显的方法是继续扩展模型。该论文表明，研究人员能够透过更多参数、数据和计算来改进结果。这种模式在基於 Transformer 的模型中经常出现，随着变压器的规模和训练资料不断增加，扩展成本持续攀升，高昂的成本只有像 OpenAI 这样的公司才能使用，这些公司拥有强大的财务和计算资源，并且拥有有利可图的商业模式，使他们能够在此类实验中投入大量资金。
另一种解决方案是重新设计生成模型或将其与其他系统结合以获得更准确的结果，例如，像 Sora 这样的模型可以将其输出传递给另一个生成模型，例如神经辐射场 (NeRF)，以建立其生成的影片的 3D 地图，然後可以使用实体模拟器（例如虚幻引擎）对这些物件及其运动进行细化，该模拟器已经提供准确的结果，最後，其他生成模型（例如 StyleGAN）可以改变最终输出的光线、风格和其他方面，也能添加许多其他小位元来进一步修改特定物件或背景。
当然，对使用者来说，这些复杂的技术怎麽操作可能不那麽重要，大家还是看他能多快应用在我们日常生活当中，但不可否认的是，这些大型语言模型公司已经开始成为AI军火商，未来对於产业变迁改变将带来重大影响。
…
AI 学位浮滥的背後隐忧｜漫谈【主笔室】
科技岛主笔／蔡哲明
根据日本人力资源Indeed.com资料显示专注AI领域的专科、学士、硕士和博士课程纷纷兴起，加上求职收入最高职业过半与AI有关，过去十年数据表明相关学位急遽增加。但是有关数学、工程以及电脑科学等基础领域未做分野，一旦AI 变成学店商品包山包海，「滥竽充数」恐将成为学位浮滥的背後隐忧。
示意图:取自123RF全台大专院校纷纷赶上此一风潮，根据统计各校2023年已开出305门人工智慧相关课程，例如阳明交大单一人工智慧学程，引来65人抢9名额的激烈竞争，可想而知缺乏人力资源的私立院校如何开辟，学生就学之後能否毕业具备AI能力也是同样打上问号。
更多新闻：OpenAI宫斗剧 一场权力博弈的省思｜漫谈【主笔室】
随着全球市场对AI人才需求与日俱增，大专院校开始提供为期四年的专业学位，专注於演算法、机器学习、数据分析和先进机器人等热门主题，若未具备数学、工程、统计学以及电脑科学等概念，直接造成相关领域的科系缩减，恐将颠覆教育市场。
根据报载美国德州大学阿灵顿分校与台北科技大学合作共同推出（全台唯一）AI双硕士学位，爆出领取毕业证书不合规定争议，去年招生标榜不用出国，还可以拿到双学位，学费粗估百万起跳。这场跨校合作锁定国内AI产业成为主流，最终因为「论文争议」导致113年停招。
笔者认为思考自身兴趣远比随波逐流来的重要，如果光看就业市场亟需人工智慧相关专业，未来毕业十年之内，盲目赶上这波热潮，一旦趋势产生急剧转变，缺少兴趣支撑如何度过转职。依照现在AI发展日新月异，人类工作机会若被AI取代，恐怕少数掌握AI核心科技，才能享受金字塔顶的高薪待遇。
AI 学位浮滥的背後隐忧便是「滥竽充数」，学生毕业能否具备AI的即战力，一旦个人投机取得学历，搭配学校经营颠覆市场，恐怕沦为有名无实的AI 学位。
…
超越创意的界限：如何运用AI工具重塑你的工作流程｜专家论点【郑纬筌Vista】
作者：郑纬筌（专栏作家，「台湾电子商务暨创业联谊会」共同创办人，前「APP01」网站总监、《风传媒》产品总监和《数位时代》杂志主编）
自从ChatGPT在2022年11月30日问世以来，各种生成式AI工具的推陈出新已经给世人带来偌大的冲击与影响。这段期间，我也应邀到许多公部门、企业和大学院校去讲授AI应用的主题。
历经这一年多的AI浪潮洗礼，大家普遍都能认同诸如ChatGPT或Google Gemini等AI工具能够提供极大的帮助，尤其是在发想企划案和撰写商业文案方面。诚然，这些AI工具能够加快资料搜集、创意发想、文案撰写和校对的工作流程。
但问题来了，我发现很多朋友还是不知道如何正确运用这些AI工具来辅助日常工作？举例来说，有些上班族只会下「企划书该怎麽写」或是「请帮我写一篇商品文案」这种简单的提问词，这样不免有点可惜。
所以，今天我想透过《科技岛》的专栏，再跟大家分享一下可以如何妥善运用这些AI工具来辅助工作，进而帮你节省时间与提高工作效率。
现在，就请你参考以下的具体步骤：
1. 设定清晰目标
- 厘清你的需求：在使用ChatGPT或Google Gemini等AI工具之前，首先需要厘清你的目标。究竟是需要创意发想？资料搜集？还是只需要单纯的商业文案撰写？
- 制定问题清单：根据你所设定的目标，接下来可以拟定一系列问题或任务列表，这将帮助你有效地使用AI工具。顺道一提，你可以搭配我之前介绍过的思维链（https://www.technice.com.tw/opinion/90247/）一起使用，可以发挥更大的效用！
2. 利用AI进行创意发想
- 阐述背景：提供足够的背景资讯和相关脉络给AI工具，好比企划案的目的、目标受众、品牌价值等。
- 探索不同角度：要求AI工具提供不同的创意方案或思路，尽量完整说明你的需求，可以是产品推广的新策略、市场定位的建议等。
3. 资料搜集与分析
- 搜集行业数据：使用AI工具或传统的搜寻引擎来快速搜集相关行业的数据和趋势，用来佐证或支持你的企划案。
- 评估竞争对手：要求AI工具分析竞争对手的品牌策略和市场表现，这有助於你找到市场区隔和差异点。
4. 撰写商业文案
- 生成文案草稿：基於你所提供的资讯，让AI工具生成第一版的文案草稿，无论是广告文案、新闻稿还是社群媒体贴文。
- 进行细节调整：接着可根据你的专业知识，对AI工具所生成的文案进行调整和优化。
5. 校对与回馈
- 语言和风格校对：除了利用AI工具生成草稿，也可寻求语法、拼写和风格校对的相关协助，以确保文案的专业度和一致性。
- 徵求团队回馈：在贵公司的部门或团队中分享AI工具所生成的草稿，徵求他们的意见和建议，并根据同仁或主管们的意见回馈进行修改。
6. 持续学习与调整
- 记录效果：纪录企划案的实施状况，详实记录与分析其效果，以便未来改进。
- 调整AI使用策略：根据实际效果和团队的意见回馈，调整自己使用AI工具的策略和方法。
我想，有关AI应用的道理都不会太难，比较难的是要如何在实际的工作场景中运用？接下来，让我用一个职场上常见的案例，来为你做说明。
好比有一位名叫美华的行销人员，她正在使用ChatGPT和Google Gemini来辅助发想和撰写一个新产品的推广计画。美华任职於台北的某家电子消费品公司，该公司最近正准备推出一款比较平价的新款智慧手表。
美华可以如何运用AI工具来帮忙企划跟推广呢？首先，当然是要设定清晰的目标。简单来说，美华需要透过创意发想来激发新的推广策略，并撰写引人注目的商业文案来吸引目标受众。
於是，她打开电脑的数位笔记软体，在上头列出了一系列问题，包括：目标受众的偏好、竞争对手的市场策略以及可能的市场定位。
接下来，美华想要利用AI工具进行创意发想。她连上了ChatGPT的官网，同时向ChatGPT详细介绍了产品的特点、目标市场和期望达成的市场影响。她请求ChatGPT提供关於不同年龄层和兴趣群体可能的推广策略，以及如何在社群媒体上有效地宣传。
之後，美华使用ChatGPT快速搜集到关於智慧手表市场的最新趋势和统计数据等情报，同时她也分析了几个主要竞争对手的成功案例和策略，寻找创新的市场进入点。
根据她之前所搜集到的讯息，美华要求ChatGPT帮助她撰写产品广告所需的各种文稿，包括社群媒体贴文和新闻稿。接下来，她根据自己对市场的理解，对生成的文案进行调整，使其更加吸引目标受众。…
Airpod出现「两边耳机电力不平衡」问题 主要和主使用边有关
蓝芽耳机的方便在於不受「电线」的拘束，戴着走路、通勤上听音乐看影片都非常方便，但酸酸们有没有发现，这些蓝芽耳机很常使用久了，发现两边耳机的电池续航力不同，常常听到一半其中一边宣告阵亡，真的很影响体验！
市面上最常出现这个问题的Airpod就常常被人发现，耳机两边续航力大不同的问题，根据外媒报导，Apple公司解释两边电量会不同是因为充电盒内部可能有接触不良的问题，导致耳机同时进去充电，但因为充电过程充电引脚没有完全接触。对此，只要用棉花棒或简易的清洁棒放进去，将灰尘或小小异物清出即可。
（图／Unsplash）
此外，也可能是因为拿起左边耳机与右边耳机的习惯不同，通常先拿起的那边就会被设定为是麦克风，或与siri通话的管道，因此就会比较耗电。
还有一种状况是耳机暂时摘下，但是手机的音乐或影片还在继续播放时，如果耳机还没戴上，两边耳机一边会继续播放声音，一边进入省电模式，长期下来两边耳机的使用量不同，就会造成电力续航力不同的问题。
（图／取自免费图库Pixabay）
viaunilad…
离通用AI更近了！Google DeepMind新AI媲美国际数学奥林匹克金牌的解题能力
Google DeepMind
Google DeepMind最近发表一款AI系统AlphaGeometry，使用1亿笔合成资料训练，就能在最新的30道国际数学奥林匹克（IMO）题目中，在规定时间内解出25道题。它不只比先前只解出10题的最佳AI还厉害，表现还接近人类金牌得主的平均值25.9道题，是迈向通用AI的一大里程碑。这项研究成果，日前也登上《Nature》期刊。
最先进的AI系统解几何学难题，仍是个挑战
为何AI解几何学题目很重要？
因为，几何学是数学最古老、最基础的分支之一，也是电脑科学、建筑、艺术、工程、天文等领域的重要工具。就电脑科学来说，几何学因涉及空间属性，例如距离、形状、大小和相对位置等，是重要的处理工具，尤其能用来设计和分析演算法，执行常见的AI任务，如图像处理、电脑视觉和动作规画等。
几何学也是国际数学奥林匹克竞赛的重要课题。这个竞赛旨在测验逻辑推理和发现新知识的能力，每年吸引全球各地优秀的高中生，来挑战数学难题。
然而，就算是目前最先进的AI系统，都还难以证明数学猜想（Conjecture）的真伪。AI界普遍认为，能证明数学定理，是发展通用AI（即AGI）的关键一步，但它有个大挑战：训练资料的缺乏。因为，专为AI建立数学证明资料，既困难又昂贵，AI专家们很难收集到足够的训练资料，来打造AI解题模型。
根据IMO规则生成1亿笔训练资料，最终解出25道题
为解决这个挑战，Google DeepMind研究团队Trieu Trinh和Thang Luong先是根据IMO规则，生成了1亿个不同复杂度的数学定理和证明，并用这些合成的训练资料，从头训练出一套AI系统AlphaGeometry。在这个过程中，完全没使用人工范例。
而在架构上，它是一套神经符号（Neuro-symbolic）系统，采混合式架构，由神经语言模型（NLL）和符号推论引擎（Symbolic deduction engine）2大部分组成。
其中，神经语言模型扮演引导角色，来指导符号推论引擎，如何在IMO等级的问题中，从几何构造的无限可能中找出解决方案（如下图）。这是因为，IMO几何问题以图形呈现，需要添加新的几何结构（如点、线、面）才能解题，而AlphaGeometry的语言模型，可以从无数个可能性中，预测出添加哪些新结构最有用。这些线索，能帮助符号引擎进一步推导图形，找出最接近的解答。
AlphaGeometry也成功在最新的IMO竞赛中，在规定时间内解出25道题（共30题），能力与世界上最聪明的高中数学生相当，媲美历届金牌的平均成绩25.9道题。
Google认为，这个成功，不只是数学推理上的突破，还能运用到更广泛的科学领域问题。而且，AlphaGeometry解决专家级的复杂数学问题，未来还能帮助人类更理解世界运作的过程。…