科學家把小米掃地機器人改造成了竊聽器，原來激光雷達還能這麼玩

導語：科學家們用實驗證明了通過智能家居硬件竊聽的可行性。

黑客如何竊聽信息？

一項最新研究告訴我們，家裡的掃地機器人都可能其成為「作案工具」。

在2020 年11 月16-19 日舉行的國際無線傳感器網絡頂會 ACM SenSys（國際計算機協會智能傳感系統大會）上，有一篇來自美國馬里蘭大學和新加坡國立大學的論文，題為 Spying with Your Robot Vacuum Cleaner: Eavesdropping via Lidar Sensors（利用你的掃地機器人監視：通過激光雷達傳感器竊聽）。

激光雷達「旁敲側擊」

大體上，研究人員的想法是，利用掃地機器人的導航組件激光雷達傳感器，設計一種新型的聲音側信道攻擊（acoustic side-channel attack），即所謂的「激光麥克風」（LidarPhone）。

首先解釋一下這一研究過程涉及到的幾個術語。

一是激光雷達。

激光雷達即 LiDAR，它是以發射激光束探測目標的位置、速度等特徵量的一種雷達系統。

簡單來講，其工作原理是：向目標發射探測信號，將反射回來的信號與發射信號進行比較並作適當處理，從而獲得目標的眾多參數。

激光雷達能夠獲取三維地理信息，這不僅能作軍事用途，相關數據也被廣泛用於資源勘探、城市規劃、農業開發、環境監測、交通通訊、防震減災等眾多方面。

工業界，激光雷達不僅用於自動駕駛、機器人，2020 年蘋果先後發售的 iPad Pro 2020 和  Continue reading →

5G和AI：現在和未來的互補技術

圍繞人工智能和5G以及它們的變革潛力，科技界有很多熱議。這兩種技術的有趣之處在於，它們普遍適用於許多行業，並可能改變其中許多技術的運作方式。就這一點而言，每種技術都有自己的用例集，它們之間也有著千絲萬縷的聯繫。 5G和人工智能的結合將放大這兩種技術的速度和影響。 Covid-19進一步加速了對這兩種技術的需求，因為它們有可能改善視頻會議、網絡容量等。我的同事WillTownsend最近研究了5G和AI在基礎設施方面的結合點，而今天我主要從邊緣設備和客戶端設備的角度來研究它。

5G和AI在一起更好

由於5G和AI的廣泛工業應用，這兩種技術在許多地方重疊並相互受益。人工智能和5G如此互補的原因之一是人工智能存在於一個連續的計算過程中，它可以在設備上，在MEC(多訪問邊緣計算)、邊緣雲、雲或數據中心。 5G提供了強大、可靠的連接，以最大限度地提高AI在所有這些網絡層和客戶端設備上的智能和響應能力。

相反，人工智能可以幫助5G最大限度地減少客戶端設備生成的數據量，從而使它們只將相關數據發送回雲端。 IT領域有許多5G和AI參與者，因為這兩種技術都需要計算和連接才能發揮作用。很少有公司同時存在於客戶端和邊緣計算領域，因為大多數公司都專注於其中之一。目前，在客戶端同時使用5G和AI的少數公司包括華為、聯發科和高通。在把5G調製解調器部門出售給蘋果之前，英特爾曾經是這一小部分公司的一員。現在，在很大程度上，它轉向聯發科的5G調製解調器。也就是說，英特爾仍有可能將5G和AI配對，只是整合程度與其他廠商不同。此外，我預計蘋果將開始在新的iphone12中結合5G和AI，首先是使用高通公司的5G調製解調器，然後在大約3-4年後的某個時候與自己的本土調製解調器結合。

5G和AI用例

5G和人工智能的潛在使用案例是無限的。雖然有些在短期內是現實的，但許多可能需要5G和AI技術成熟到應用開發者在其應用中同時利用這兩種技術。你已經可以看到人工智能和5G合作的第一個也是最明顯的領域是智能手機。去年，高通公司預測，到2020年底，5G智能手機將達到2億部左右，到2021年底將超過4.5億部。然而，僅從目前中國的用戶數量來看，5G智能手機的市場可能會更大。考慮到這些5G手機中的每款已經內置了具有AI功能的強大SoC，因此業界將其視為5G和AI的最低成果是可以理解的。目前，智能手機中的大部分5G和AI功能都是圍繞著攝像頭來實現的，其中包括照片過濾器或Snapchat等AR應用程序。像googlephotos這樣的應用程序還結合了5G和AI雲的強大功能，可以在上傳照片時實時改善對象分類和識別。

目前這些技術的另一個常見應用是語音助手，它利用5G和人工智能來提高語音到文本和文字搜索查詢的質量和速度。預計人工智能助手只會在5G的低延遲和高速度下獲得更快、更靈敏和更強大的功能。我們已經看到利用5G的增強視頻服務，例如穀歌在Pixel5上的Duo。相機會自動默認為高清，但在混音中加入人工智能可以進行背景檢測，並且在將來可以抑制噪音。

人工智能有一些隱私問題，這意味著許多工作負載可能需要在設備上處理，而不是在雲端。公司最終可能要么將人工智能的工作負載分散在兩者之間，要么將大部分人工智能工作負載保留在設備上。安全性遵循許多類似的隱私原則。也就是說，人工智能的一些安全應用程序可以用來監視連接和阻止可疑活動。這些應用程序需要定期更新以改進模型，但它們顯示出了希望。

5G和AI加速新興產業發展

XR是5G和AI最受歡迎的“未來”用例之一，當考慮兩者都能在多大程度上改善XR體驗時，這是完全有意義的。首先，你有流媒體的角度-流媒體高質量內容的能力本身就是5G的一個用例。不過，當你加入人工智能增強的眼球追踪功能時，你可以減少渲染工作量，同時也降低了流媒體帶寬。這樣可以提高性能，延長電池壽命，同時還能保持整體感知質量。將設備上人工智能加速手跟踪與5G相結合，實現無控制器的高質量體驗，利用雲渲染。這將消除對電源線、Wi-Fi連接或控制器的需求，從而實現遊戲之外的應用，如零售業。零售商可以利用手和眼跟踪來獲得客戶洞察，幫助個性化下一代零售體驗。這些體驗還可以利用現有的模型和產品效果圖，小到一隻鞋，大到一座建築物，並以近乎照片真實的質量展示它們。像nRealLight和OculusQuest這樣的耳機，以及高通的XR2，是了解5G和人工智能在XR方面潛力的很好窗口。像擁有Manova耳機的XRSpace這樣的公司已經在使用5G和人工智能來創建新的虛擬世界，允許更自然的人類互動。

交通是5G與人工智能配對的另一個機會。想想我們已經看到的無數應用程序。目前在交通領域利用5G和AI的兩項領先技術是C-V2X和自動駕駛。 C-V2X是一個總括性術語，包括車輛到車輛和車輛到基礎設施的通信技術，利用5G和AI使車輛更了解周圍環境，包括行人，以改善公共安全。利用5G和人工智能提高駕駛員或車輛對車輛內部傳感器以外的認知，並利用路邊基礎設施，可以擴展這些能力，以預測潛在問題。 C-V2X使車輛實時與其他車輛和交通狀況保持同步，改善道路和公共安全，並使車輛能夠更快、更高效地行駛(希望)避免交通堵塞，提高燃油效率並減少排放。為了充分釋放這項技術的潛力，相應的路邊基礎設施，如智能十字路口或聯網的高速公路，也將不得不增長和改進。

其次，與之相關的是自主汽車行業。雖然自主汽車還沒有完全普及，但他們將利用人工智能每天在瞬間做出數千個駕駛決策。為了讓這些車輛了解周圍環境並改進設備決策過程，車輛需要下載和上傳新數據。雖然沒有任何網絡可以每天處理自動駕駛汽車產生的TB級數據，但人工智能將在決定哪些數據通過5G上傳到雲中發揮作用。像高通公司的SnapdragonRide這樣結合了SoC的平台，accelerator和ADASautonomystack準備在未來的自主汽車中利用這種模式。 5G連接也為車載智能助理帶來了機遇，我們看到的越來越強大的處理器也是如此。這些人工智能芯片執行快速自然語言處理，以執行導航查詢或其他車載命令。

最後但並非最不重要的是機器人領域。當然，許多機器人已經擁有了相當數量的人工智能，但通過與高通公司的RB5等平台的5G連接，機器人將獲得比過去更多的自由和自主性。雖然很多人都熟悉工廠自動化專用5G網絡，但許多公司也在考慮使用5G來控制和同步AI驅動的機器人，並與5G標準的一部分超可靠低延遲通信(URLLC)同步。這使工廠主能夠快速、輕鬆地重組工廠，而不必擔心他們在哪裡有連接或沒有連接。 5G的低延遲和可靠的連接也將帶來更智能和更強大的人工智能無人機，它可以接管其他危險的工作，如檢查電線或風力渦輪機。 5G連接使人們能夠控制和捕捉直播視頻和錄音，而無人機則使用人工智能安全地繞過障礙物，並確定是否有什麼需要修復。

結束

簡言之，5G和人工智能在眾多垂直領域具有巨大的個人潛力。 5G和人工智能融合在一起，有助於加速每種技術的採用。在用戶體驗方面，在許多平台上，智能手機、XR頭戴式耳機、車輛、機器人，以及更多我們尚未開始觸及的平台，都具有巨大的價值。儘管這些應用程序中的一些無疑比其他應用程序更具未來前景，但其中許多已經在進行中。 5G和人工智能正以驚人的速度增長，這在一定程度上要歸功於Covid-19，毫無疑問，我們很快就會看到這些未來的應用。這是一個在科技領域工作的激動人心的時刻，而且隨著5G和AI的騰飛，它只會越來越多。

愛立信發布可實現高效質量檢測的增強現實（AR）技術

愛立信發布最新報告，指導製造商如何克服生產力和增速下滑、供應鏈中斷以及傳統有線資產等挑戰，並且介紹了將在工業4.0時代蓬勃發展的詳細用例。為了加快實現智能製造的步伐，專用蜂窩網絡可以提供製造商所需的快速、可靠和安全的連接。

世界銀行發布的數據顯示，製造業約占到全球GDP的16%，是全球經濟的重要組成部分。

為了在競爭中保持領先地位，愛立信最新報告《互聯製造：關於使用專用蜂窩技術實現工業4.0轉型的指南》介紹了製造商如何從高性能、安全和可靠的專用蜂窩網絡中受益，以加速智能製造進程。由於新冠肺炎疫情對製造運營和供應物流造成了嚴重影響，為工業4.0做好準備比以往任何時候都更加普及。

我們與工業4.0合作夥伴海克斯康（Hexagon）攜手合作，識別和研究最相關、最成熟的智能製造案例。我們基於實際標準和專家見解得出了五個用例，用來說明企業如何應對挑戰、生產效率、提高生產力、減少維護並實現投資回報。通過部署專用蜂窩網絡以實現智能製造的用例包括：

• 用於實時生產鏈自動化的自主移動機器人（AMR）

• 可提昇運營效率的協作機器人（協作機器人）

• 可實現高效質量檢測的增強現實（AR）技術

• 有助延長正常運行時間的資產狀況監控

• 可優化運營的數字孿生技術

在分析這些用例時，我們使用了基準工廠的概念：西歐某中等規模汽車供應商，年收入為1億美元，約有500名員工，毛利率為10%。報告估計，基準工廠的年穩態淨值在第五年將達到600萬美元。所有五個用例將在三到五年內收回成本，如果同時部署，那麼僅需兩年即可完全收回成本。

報告還介紹了製造商為保持競爭力而必須克服的主要挑戰。製造商面臨的主要障礙包括生產力和增速下滑、供應鏈中斷、人才短缺、以及傳統機器和資產帶來的負擔等。同樣地，維護和重新配置有線固定資產的成本也十分高昂。隨著製造商基礎設施升級，確保數據安全和防範網絡攻擊成為當務之急。要快速滿足客戶的定制化需求，工廠必須具有極高的靈活性，以便能夠在生產上快速適應。

製造商越來越意識到專用蜂窩網絡的價值，因為它可以使其業務變得更加靈活、更具競爭力。愛立信的專用網絡系統可以通過提供合適用途、高性能和靈活的專用網絡來幫助製造商，為製造商所需的連接性和安全性提供保障。

海克斯康製造智能部門合作夥伴關係主管Sachin Mathur表示：“我們與愛立信共同編制了這份報告，並在報告中揭示瞭如何在現代工廠環境中將設備和人員連接起來，從而提升生產力和提高敏捷性。報告中提到的見解展示了部署專用蜂窩網絡的價值，以及低延遲連接如何通過連接運營和質量相關數據，幫助製造商克服挑戰，並助力他們向工業4.0轉型。”

愛立信專用網絡業務主管Thomas Norén表示：“這份指南和用例展示了智能製造業的飛躍發展，在帶來了眾多機會的同時提升了效率。愛立信是製造商可以信賴的解決方案合作夥伴，只有5G就緒專用蜂窩網絡才能提供快速、可靠、安全的連接。”

機械臂也有觸覺！康奈爾造了一雙“傳感手套”

漫威世界裡的炫酷機械臂吸引了無數人的目光，但裝上機械臂很重要的一步就是讓手臂先擁有“觸覺”。

傳導與“觸覺”相關的彎曲、拉伸等力學數據的傳感器已經非常常見，但如何讓傳感器貼合不平坦的皮膚表面，並且在彎曲、折疊的形態下準確測量手部數據一直是學界熱議的課題。

今天，康奈爾大學研究者在《Science》上發表《可拉伸分佈式光纖傳感器（Stretchable ‘skin’ sensor gives robots human sensation）》，旨在通過將低成本LED與染料結合，創造可拉伸的光纖傳感器，以檢測壓力、彎曲和應變等，實現運動康復、虛擬現實、機器人感知等領域的應用。

一、雙段彈性光纖：從光路變化測運動信息
該柔性傳感器目前的研究成果是一個3D打印出來的傳感手套，它不僅可以讓人類體驗更逼真的虛擬現實、進行運動康復，也可以成為機器人更靈活的“雙手”。

▲康奈爾大學研究團隊研發的傳感手套

該套手套的亮點就是每個手指上的SLIMS傳感器（多模式傳感的可拉伸光導，stretchable lightguide for multimodal sensing ），主要研發人員之一Hedan Bai曾表示SLIMS的靈感來自於二氧化矽材料的分佈式光纖傳感器。

傳統分佈式光纖傳感器能在輕細柔韌的基礎上還保持的高靈敏度，通常用於在環境較為惡劣的地區進行液體管道和大壩的滲漏檢測、鐵路檢測等，但它們要么只能測量光、電、力等多種變量其中之一，要么需要安裝複雜的光學器件來覆蓋多種變量的監測，這樣就注定無法保證柔性傳感器的輕巧便攜。

▲傳統分佈式光纖傳感器

但康奈爾大學的研究人員將傳統二氧化矽等材料換成了雙段聚氨酯彈性光纖，與普通彈性光纖不同的是，該光纖一段是透明的，相鄰的另一段則填充了不同顏色的可吸收染料。

無論是透明還是有色光纖，都與RGB傳感器芯片耦合，該RGB傳感器芯片通過光路在不同段光纖上的幾何變化，判斷手部的彎曲、拉伸和局部壓縮，空間分辨率（遙感圖像上能夠詳細區分最小單元的尺寸或大小）低至約1厘米。

▲雙段聚氨酯彈性光纖

研究人員還為傳感手套配備了鋰電池和藍牙，便於手套直接將檢測到的數據傳輸到配套軟件，對手部的運動和形變進行實時建模。

二、SLIMS傳感器：康復、遊戲兩不誤

康奈爾大學機械和航空航天工程副教授Rob Shepherd領導該傳感器的研究團隊，正在致力於將該傳感器應用到物理療法和運動醫學領域中，實現商業化應用落地。

Shepherd說道：“在現實生活中，我們通常通過視覺，而不是觸覺去感受周圍的世界。這種’傳感’皮膚為我們、或者機器人提供了一個新的方式感知觸覺世界。就像現在手機攝像頭一樣，我們通過光學來檢測觸覺信息，這是最方便、最實用的擴展’觸覺感知’方式。”

該研究得到了美國國家科學基金會的支持，Bai和Shepherd還正與康奈爾大學技術許可中心合作，為該技術申請專利。

研究團隊表示將利用運動追踪技術，拓寬SLIMS傳感器在物理療法和運動醫學領域的應用，目前的技術難點是如何捕捉力的相互作用。

除了康復領域的應用，研究人員還正研究將SLIMS傳感器運用於虛擬現實和增強現實。

Shepherd說：“目前，VR和AR的沉浸感來源於動作捕捉，而不是玩家能觸碰到虛擬世界裡的事物。比如你想玩一款增強現實遊戲，比如，教你如何修理汽車或更換輪胎。如果你戴著我們研發出來的傳感手套，那麼該遊戲可能就會通過手部的觸感告訴你：’你把螺母拉得太緊了。’目前產業裡還沒有這樣的技術，我們的SLIMS傳感器會是他們不錯的選擇。”

結語：柔性材料，會大行其道嗎

先有柔性屏大舉進軍手機市場，後有柔性傳感器領域論文頻發，柔性組件似乎已經成為科技領域不大不小的一個母命題。

隨著智能穿戴、虛擬現實等領域對產品體驗的要求越來越高，可折疊、可拉伸電子組件的優勢也愈加顯眼，如何開發出不同的材料，創新不同的設計結構，滿足不同細分領域的要求並實現產業落地，相信會是未來柔性材料發展的趨勢。

來源：ScienceDaily、NewScientist、TechXplore、Science

在智能家居設備中融合ML和IOT

人工智能是一項正在常規基礎上進行大量研究的技術。世界各地的研究人員都在努力讓AI的應用和實施更快、更好。多年來，人類遇到了人工智能帶來潛在突破的例子。無論是在心髒病的早期檢測，還是在發現歷史事件方面，人工智能自誕生以來都取得了長足的進步。

為了減輕日常瑣事，麻省理工學院(MIT)和國立台灣大學的研究人員合作，在微控制器上嵌入了深度神經網絡。這意味著，微小芯片形式的AI可以在智能穿戴設備和家用電器中實現，從而實現物聯網(Device)和AI的高級融合。這篇題為《MCUNet：物聯網設備上的微小深度學習》的研究論文將於12月在神經信息處理系統會議上發表。研究人員希望通過這種方法，在物聯網設備的傳感器附近進行數據分析，從而拓寬人工智能的應用範圍。

了解MCUnet

研究人員發明的這種設備被稱為MCUnet。它是一種神經網絡架構，能夠在現成的微控制器上實現ImageNet規模的深度學習。 ImageNet是一個圖像數據庫，每個節點由數千張圖像描述。在該模型中，深度學習設計和推理庫進行了聯合優化，以消除傳統微控制器片上有限內存的挑戰，降低內存使用量。

TinyNAS是一種深度學習設計，具有兩階段神經結構搜索(NAS)方法，可處理各種微控制器上微小而多樣的存儲限制。研究指出，TinyNAS首先自動優化搜索空間以適應微小的資源限制，然後在優化後的空間進行神經結構搜索，從而解決了這個問題。 TinyNAS通過縮放輸入分辨率和模型寬度來生成不同的搜索空間，然後收集搜索空間內滿足網絡的計算失敗分佈來評估其優先級。此外，TinyNAS依賴於搜索空間能夠容納的洞察力。內存限制下的失敗次數越多，深度學習模型就越好。實驗表明，優化後的空間提高了NAS搜索模型的準確率。 TinyNAS可以在低搜索成本下自動處理與傳統微控制器相關的各種約束，如設備、延遲、能源、內存等。

研究人員指出，TinyEngine是一個內存高效的推理庫，消除了不必要的內存開銷，因此搜索空間得到了擴展，以適應更大的深度學習模型，並具有更高的準確率。由於推理庫是基於解釋的，需要額外的運行時內存，TinyEngine編譯了基於代碼生成器的方法，消除了內存開銷，並適應內存調度，而不是分層優化，以更好地為減少內存使用制定策略。最後，對不同層次進行專門的計算優化，即循環平鋪、循環展開、OP融合，加快了推理速度。

研究人員觀察到，與傳統的深度學習相比，MCUNet通過系統算法協同設計更好地利用了資源。研究人員得出結論，現有的模型在外殼式微控制器上達到了創紀錄的70.7%的ImageNet精確度。

以數據為中心的企業的5個基本網絡安全措施

在2021年及以後，針對以數據為中心的企業網絡安全的提示將比以往更加重要。企業需要採用一些方法和措施，例如實現強大的安全策略和雙因素身份驗證，以確保其數據更安全。

2021年的企業需要採取數據驅動的方法比以往任何時候都要多。這就需要利用大數據進行營銷、優化財務和解決其他問題。

然而，大數據也給許多企業帶來了一些問題，例如內部數據可能會對外洩露。如果客戶的數據對外暴露，那麼這些企業可能會付出成本高昂的代價。研究表明，平台即服務(SaaS公司)尤其容易受到攻擊。

而更加關注數據驅動的企業需要詳細了解網絡安全。重視大數據的每個企業都應理解以下列出的一些信息和提示：

網絡安全的作用與大數據的增長密切相關

如果說人們這些年來對網絡安全有一些了解的話，那麼數據洩露的威脅仍然存在，任何規模的企業都容易受到影響。只有政府機構和大公司成為數據洩露受害者的日子一去不復返了，中小企業也將面臨越來越多的威脅。

隨著大數據的增長，這變得越來越普遍。網絡攻擊者將從毫無戒心的企業那裡竊取越來越多的數據，這將會成為一個更大的問題。

Verizon公司在2019年發布的一份調查報告中指出，在報告的違規行為中，43%的事件是針對中小企業的，52%的中小企業遭受黑客攻擊。不僅如此，四分之三的網絡襲擊來自外部攻擊者。

現在是加強網絡安全的時候了，需要保護與企業及其客戶相關的重要數據。使用以下五個措施確保數據安全。

(1)安全訪問服務邊緣(SASE)

安全訪問服務邊緣(SASE)是一種新的網絡安全方法，可以徹底改變企業保證數據、資源、網絡等資產安全的情況。對於某些企業來說，主要問題是由於多家公司提供的選擇，以及如何將其網絡和網絡安全進行細分。

安全訪問服務邊緣(SASE)是一種基於雲計算的軟件，它幾乎可以將所有內容合併到一個安全的網絡中。該軟件無需使用各種工具來保持強大的安全性，而是將所有內容整合在一起，使其更易於管理。

(2)實施網絡安全政策

每個企業都應該有明確的網絡安全策略，這些策略有助於保持與業務和任何客戶有關的敏感數據的隱私和安全性，以幫助降低信息被不當使用的風險。

企業的網絡安全政策應該明確說明哪些信息屬於機密信息，以及哪些信息可以在外部共享。這些策略還應涉及工作中使用的設備、在家使用的設備和適當的使用方法。

(3)讓每個人都接受培訓並了解情況

儘管Verizon公司的調查報告中發現一半以上的數據洩露事件來自外部攻擊者，但許多數據洩露也來自內部因素和人為錯誤。通過對員工進行安全培訓並簽署協議，可以幫助避免這些安全威脅。此外，還要確保與企業的業務有關的每個人要都經過有關網絡和網絡安全協議的培訓和了解。

(4)安裝防火牆進行保護

防火牆是網絡安全的主要防禦方式。企業在意識到發生了什麼之前，可以防止網絡攻擊、黑客攻擊或病毒進入網絡。但是還需要定期更新防火牆，以修補安全漏洞。

(5)使用多因素身份驗證

密碼的安全至關重要，特別是如果密碼設置比較簡單的話。如果在文件上記錄所有密碼，這將為他人入侵系統提供另一條潛在途徑。

多因素身份驗證是設置密碼之外的另一個安全步驟。它可能是第二個密碼、指紋或面部識別碼，或是員工必須輸入的芯片訪問卡。無論它是什麼，都將提供額外的安全防護措施，這對保護敏感信息至關重要。

網絡安全是大數據公司最關心的問題

企業可以通過以上5種措施實施網絡和網絡安全計劃。而哪怕是過度保護，企業也不希望對嚴重的數據洩露情況被動地進行響應。

NB-IoT仍在快速發展

NB-IoT是移動行業對Sigfox和LoRa的恐慌反應，自4年多前首次標準化以來，NB IoT基本上一直處於低迷狀態。

2016年4月，沃達丰預測，到2020年，14億”物聯網”連接將使用所謂的”低功耗廣域網”（LPWAN）技術，包括NB-IoT。但據愛立信稱，截至2019年底，全球僅有1億個基於NB-IoT或LTE-M的連接。期望和現實之間的差距並沒有擴大太多。

一些歐洲利益相關者表示，這並不是因為缺乏興趣，他們拒絕放棄這項表現不佳的技術。芯片開發商Avnet Silica處理的項目中，約70%包括NB-IoT連接請求，該公司的銷售經理Cyrille Saulet說。據比利時運營商Proximus的國際運營商BICS稱，客戶要求的是非蜂窩Sigfox和LoRa所不具備的功能。

索萊特和BICS的代表本週在預先安排的Zoom電話會議上接受記者採訪。在他們看來，問題是NB-IoT還沒有在一些重要的框中打勾。國際漫遊被忽視了，覆蓋範圍仍然不完整，費用也太高。法國的一家運營商SFR在Zoom呼叫後加入了一些書面觀察，這一點基本上是一致的。

據SFR商業批發漫遊集團負責人Benoit Lemaistre介紹，NB-IoT最初被沃達丰吹捧為4G基礎設施的一個相當簡單的軟件升級，實際上需要比LTE-M多得多的工作。 “”與LTE-M相反，無線電和核心數據必須完全重新設計，以支持新功能，”他在發給LightReading和其他渠道的電子郵件中說這不僅僅是軟件升級。”

對於一些知名運營商來說，NB-IoT的努力已經證明太多了。日本NTT DoCoMo在今年3月放棄了NB-IoT，表示將關閉一年前推出的”集中管理資源”服務。在美國建立第四個移動網絡的運營商Dish Network在5月退出了這項技術，註銷了2.53億美元的投資。法國的Orange從未被說服，而是圍繞LTE-M和LoRa構建物聯網戰略。

設備價格也太高了。 Saulet說，一個典型的NB-IoT調製解調器目前的價格約為5美元。他估計，要想讓許多客戶更經濟，平均價格需要降到這個水平的一半左右。令人鼓舞的是，隨著出貨量的增加，成本似乎確實在下降。 SFR認為NB-IoT最終將比LTE-M硬件便宜。

但漫遊似乎一直是一個令人頭疼的問題。 Saulet說，由於運營商之間沒有達成協議，客戶不得不同時進行幾次討論。 BICS全球漫遊主管塔利亞•戈爾茨坦（taliagoldstein）表示，不同網絡之間的賬單和其他客戶信息的傳輸並不簡單。

在她看來，商業利率也讓人望而卻步。 “她說：”主要問題是，如果你必須把這些設備加在一起，那麼這種設備可能會購買自五個國家，那每月的費用是多少。 “這將是一個挑戰，需要確保我們自己的支出保持在穩定的水平。”

BICS已將物聯網視為其主要增長機遇之一，它可以幫助其充當網絡運營商之間的中間人，推出NB物聯網服務。該公司聲稱，今年已與服務提供商簽署了約20項NB物聯網協議，併計劃在2021年達到同樣數量。 “BICS移動解決方案副總裁Mikael Schachne在今年早些時候與Light Reading的一次談話中說：”我們在全球範圍內擁有覆蓋範圍和日常關係，因此我們可以建立物聯網協議，確保一切都能無縫運行。 “。

與Avnet Silica的合作應該會有所幫助。這家芯片製造商在6月份宣布，它可以搭載BICS的全球網絡，並在最近推出了”SIM for Things”服務。其中一個特點是虛擬SIM卡，這意味著公司不必在從一個國家轉移到另一個國家的設備中交換硬件。 “它提供了一個非常靈活的可能性來管理和更新SIM中的配置文件，”Saulet說。

NB IoT比競爭對手擁有許多吸引力。就SFR而言，在能耗和”深度室內覆蓋”方面，SFR仍然是所有蜂窩技術中最”高效”的。 Goldstein也同意這一點，他認為LTE-M”不是移動運營商在使用率非常低時希望進入的選擇。”在功耗方面，據Saulet稱，NB-IoT現在的效率是2G的10倍左右。

但在NB-IoT首次出現多年之後，這些客戶數量少是無法逃避的。支持者堅持認為它還年輕，它的發展需要時間來驗證。他們面臨的風險是其他技術快速發展，將其拋在腦後。儘管這個特別的Zoom電話被證明是有趣的，但在NB IoT中擁有既得利益的人都不會歡迎明年這個時候重演這個情況。

人工智能在未來醫療中的重要作用

製藥行業目前面臨的最大挑戰之一是研發新藥並成功上市的高昂成本。這個過程既漫長又高成本，而且違背了當代商業智慧的所有原則，即將速度和成本最小化才能得以生存。而人工智能在未來醫療行業起到重要作用。

製藥行業的現狀

對於大型製藥公司來說，現在研發新藥的平均成本從12億美元增加到近20億美元，增長了67%。在過去的十年裡，這一增長導致了整體利潤的下降。在一個已經面臨著政府監管、價格競爭和不斷變化的醫療保險知道方針的市場，這像是一顆難以下嚥的藥丸。

最重要的是，假設一家製藥公司能夠通過臨床試驗服用的最新藥物，研究表明只有十分之一的製藥公司最終會獲得FDA的批准。

人工智能在醫療保健中的新興作用

醫學界已經採用了人工智能管理平台。通過這一點，這項尚未得到充分信任的新技術被證明到最終用於幫助人類。也正因為如此，人工智能在太空中的出現或多或少受到了接納。

從幫助醫生更快地提供準確的診斷，到減輕任何特定程序的醫療事故風險，醫療行業與人工智能形成了共生關係，並從合作夥伴關係中獲益。

同樣，在以醫療保健為主題的物聯網中，互聯設備使患者能夠在自己的成功中發揮更大的作用。數據可以從內部設備共享到外部設備，如智能手錶和電話，這將使糖尿病患者能夠更準確地監測血糖水平。

人工智能機器人技術也在手術室發揮著關鍵作用，在手術室裡，病人可以減少對外科醫生技術操作的擔憂，因為在手術台上機器人的科學操作獲得了更安全、更準確、風險性更小的結果。

人工智能是大型製藥公司的出路嗎？

隨著人工智能在醫療領域的作用越來越可觀，它是否可以減少製藥公司在將新藥推向市場的同時提高整體效率所面臨的財務挑戰？

隨著製藥行業的不斷發展，在藥物發現和開發的過程中加入智能方案已經大大降低了財政負擔。

以下是人工智能對製藥行業產生影響的四個方面：

1、 人工智能可以減少新藥開發的時間和成本

2020年1月，一家名為Exscientia的英國生物技術公司與日本住友製藥公司Sumitomo Dainippon pharma合作，宣布他們利用人工智能發明了一種新分子，用於治療強迫症的新藥中。由於人工智能完成了大部分繁重的工作，治療正進入臨床試驗階段，整個過程耗時12個月，而不是預期中的5年。

2、 人工智能可以識別現有藥物的新應用

人工智能改善製藥公司的基本要點是為他們現有的藥物目錄確定新的應用對象。人工智能可以在研究人員複雜的大數據集中找到規律，因此它有助於將藥物和疾病之間聯繫起來，並發現已經上市的藥物可能存在的新用途。

2020年8月全球數據發布的一份報告中，人工智能正在執行一種稱為藥物再利用的可節約成本措施。藥物再利用已經獲得批准，現有的藥物可以調整或者重新制定一個新的應用方案。

倫敦的一個研究小組利用一個人工智能技術平台來識別已經破壞病毒進入/攻擊點的現有藥物，以尋找抑制新冠的方法。他們確定了巴瑞克替尼，一種獲得認證的藥物，他們預測這種藥物可以抑制人類細胞感染新冠。目前他們正在做更多的測試來調整藥物配方。

3、 人工智能可以提高試驗成功率

在早期的臨床試驗中，當多年的研究和對臨床試驗的數億美元的投資不一定能保證進入市場時，採用一種方法來提前預測失敗者的贏家將節省大量的時間和金錢，而這些錢和金錢通常會投入到開發中。

人工智能在三個關鍵領域協助臨床試驗過程：它使過程更快、更可靠和更安全。支持人工智能的軟件更善於發現編碼錯誤和調整計算。這使得研究人員可以把注意力集中在試驗的更關鍵的方面，那些特別需要人的接觸來指導藥物通過臨床試驗的各個方面。

此外，人工智能可以幫助提高試驗成功率，從一開始就確定最有潛力的治療方法。將藥物研發過程中的一些繁重的早期試驗和錯誤工作從人類研究人員轉移到機器上，意味著可以更快地確定最佳治療方案，減少浪費在不太可行的方案上的時間。

從客戶體驗的角度來看，人工智能還改進了臨床試驗中患者的疾病定位。在接受應用臨床試驗在線網站的採訪時，IQVIA預測分析和現實世界解決方案高級負責人John Rigg建議，人工智能可以管理患者數據，以確定一個具有強大臨床試驗所需多樣性的申請者。

4、 人工智能為精密醫療打開了市場

微軟是將醫療應用應用於人工智能領域的創新者之一，去年推出了”人工智能促進健康”，除其他突破外，它徹底改變了精密醫學的科學。

精密醫療已經成為製藥和醫療領域的一個根本性轉變。從一刀切的藥物和治療模式向高度個性化的治療模式的轉變已成為許多企業的核心。

基因組學或對個體基因構成的研究——包括這些基因如何與環境相互作用，提供數據集，使人工智能引擎能夠發現模式並作出有效預測。這為製藥公司打開了一個巨大的新市場，現在這些公司可以根據患者的基因特徵定製藥物。以這種方式改變劑量和配方的能力會導致更有效的結果，但也可以避免副作用。

精準醫學也指一組專門用於治療罕見疾病或針對特定人群的特殊藥物。在這兩種情況下，這些藥物一般都很難開發，而且成本很高。而且，由於他們的目標群體較小，利潤潛力在默認情況下是有限的。

在過去，這阻止了大型製藥公司開發這些特殊藥物，使部分人口處於危險之中。但是，應用人工智能，識別分子和化合物的行為，將導致這些罕見疾病的有效治療可以自動化和加快。研究人員被指向特定的重點領域，以減少與開展新試驗相關的風險。

結論

過去十年是製藥領域的一個具有挑戰性的十年，因為研發成本不斷上升，而一種新藥的平均價值卻在下降。製藥公司可以更快地獲得所需的藥物試驗信息，並加快獲得相關藥物的市場成功率，同時也可以提高藥物市場的成功率。

從零起步到趕日超美，韓國如何制霸全球存儲27年？

導讀：在巨頭環伺時另起爐灶，從零技術基礎起步，到技術領先全球，再到用市場手段逼退競爭對手，韓企如何一步步稱霸全球存儲芯片市場？

全球存儲芯片業正被持續裝進韓企的口袋。

繼最近SK海力士官宣收購英特爾NAND閃存業務及其位於大連的Fab 68廠後，SK海力士相對薄弱的NAND實力得到進一步補足。

作為全球存儲芯片前年老二，SK海力士一直在老大三星的光環下承壓前行。這兩家韓國公司的版圖，已覆蓋超過72%的全球DRAM市場和超過45%的全球NAND閃存市場。

憑藉暴利的存儲芯片，三星和SK海力士一路賺得體滿缽滿，不斷擴充疆域、擴大投資，付諸各種努力捍衛這塊血賺的地盤。

回顧韓企存儲芯片上位史，這是一個頗為勵志的故事，在巨頭環伺時另起爐灶，從零技術基礎起步，到技術領先全球，再到用市場手段逼退競爭對手，韓企如何一步步稱霸全球存儲芯片市場？這是一個極其值得分析的經典案例。

一、從零，到第一

全球存儲芯片第一的板凳很難捂熱，美國日本各坐了十年左右，而韓國一直坐到今天。

起初英特爾在70年代前後憑存儲器起家，當了十年的存儲器老大；然後80年代日本憑藉集中五家企業的實力集中力量攻關技術，火速攻占存儲市場，帶領日本半導體走向世界巔峰，甚至一度將美國矽谷企業打得毫無還手之力，英特爾被逼到差點倒閉。

等美國看不慣日本半導體崛起、出手打壓的時候，早已蓄力的韓國三星、SK海力士等企業開始明奪市場，一邊靠逆勢擴張競爭，另一邊積極抱美國大腿。

美韓聯合下，日本半導體兵敗如山倒，日企存儲芯片界僅存的“獨苗爾”必達在2012年宣告破產，被美國美光科技併購。

不過爾必達曾佔有的市場，卻並沒有隨著併購而通通裝進美光的口袋，相當一部分市場被三星和SK海力士進一步蠶食。

從TrendForce數據可以看到，2011年第一季度，全球DRAM市場前五分別是韓國三星、SK海力士、日本爾必達、美國美光科技、中國台灣南亞科技，兩家韓企合計市佔率約為62.7%，爾必達和美光合佔近1/4的市場。

而到2017年，兩大韓廠DRAM市佔率合計達74.2%，較2011年佔比更大，第三名美光僅佔不到1/5的全球市場。

存儲芯片業務給三星和SK海力士帶來了豐厚的回報。 2017年得益於存儲芯片價格持續上漲，三星半導體部門收入首次超過英特爾，成為全球銷售額最高的半導體企業；SK海力士也在同一年營收超過美光，位列全球第三。

2019年受存儲芯片價格回落影響，三星、SK海力士、美光等均出現業績下滑，但這並不影響這兩家韓企的半導體銷售額穩居全球前四。

從1993年三星首次登頂起，內存產業格局風雲變幻，當年開創DRAM芯片先河的英特爾、德州儀器、IBM等元老在20世紀末退出市場，德企奇夢達、日企爾必達破產，三星、 SK海力士、美光三家壟斷超過90%的市場份額。

如今，六大玩家瓜分99%市場的NAND閃存領域中，排名第六的SK海力​​士上週又宣布要收購排名第五的英特爾NAND業務。如果這一交易順利完成，SK海力士有望躍升至NAND市場第二或第三名，而韓企將坐擁全球NAND領域的半壁江山。

當然了，地位最穩的仍是三星，這家存儲芯片技術和市場都遙遙領先的韓企，已經穩坐全球存儲芯片老大的位置長達27年。

二、暴走三星，“自殺式”逆襲上位

三星能從零技術背景到成功問鼎全球第一，有幾個因素功不可沒。

首先要有足夠資本擔得起風險。技術研發、規模生產都離不開大量資金投入，尤其在價格下跌、產能過剩的存儲器低谷時期，沒有充足的資金，很難撐過虧損的逆境。

而三星是韓國政府扶持的家族企業，足夠有錢，可以任性。在半導體事業起步階段，三星宛如孤注一擲的賭徒，一邊負債累累，一邊持續進行“自殺式”投資，不斷砸重金研發擴產。

關鍵底氣是核心技術實力過硬。三星就成功走出了一條從技術複製到創新超越的路。

三星1983年剛開始研發DRAM時，沒有任何技術基礎，先是從美日企業購買技術授權，派專家趕赴美日企業學習，進而開發出第一款64KB DRAM，與世界先進技術之間的差距逾4年。

隨後三星從美日網羅大量半導體人才，不顧虧損大力投資技術研發。僅用6年時間，三星便研發出領先全球的16M DRAM，實現技術前進5代。隨後1993年，三星因16M DRAM量產躍居存儲芯片市場第一，從此蟬聯至今。

擴張存儲器市場，三星有一大殺招——押注“逆週期定律”。當存儲器市場不景氣，其他企業削弱投資、減少生產時，三星反其道而行之，冒著血虧的風險繼續投資和擴大生產規模，通過規模效應壓低成本，進一步加劇行業虧損，逼對手紛紛出局。

這種逆勢擴張策略，三星在20世紀80年代、90年代，以及2008年金融危機前後均曾實施。

經過二十幾年的競爭，內存生產廠家從上世紀80年代的四五十家，到2008年僅剩韓國三星與SK海力士、德國奇夢達、美國美光、日本爾必達五家。 2008年內存價格再次暴跌，幾年後奇夢達、爾必達先後破產，韓企迎來全面勝利。

強大的市場調研能力也至為關鍵。三星充分發揮豐富的市場調研能力，將優秀人才提拔為市場調研專員派往各個國家和地區，準確把握市場變化和需求，為經營決策提供參考。

信息收集帶來的精準數據分析，輔助三星預判到時代更迭帶來的空前機遇。 90年代個人電腦(PC)取代大型機成為主流，DRAM需求發生變化，日企陷入創新窘境，被韓企用更加便宜、小巧、方便的技術戰勝。 Continue reading →

沃爾瑪終止以機器人追踪庫存，零售巨頭為什麼這麼做？

眾所周知，美國零售巨擘沃爾瑪（Walmart）近年來積極擁抱新科技，並大量投資機器人，包括自動拖地機器人、貨架掃描機器人、快速裝卸貨裝置及取貨塔等，試圖從一些低技術、重複性高的工作中解放人力。

不過據外媒最新消息指出，沃爾瑪近日取消了運用機器人揀貨、查價的計劃，這也逆轉了過去以自動化機器人協助運營的作法，因為沃爾瑪發現：人工處理的效果不亞於機器人。

沃爾瑪先前與零售機器人公司Bossa Nova Robotics簽定了五年的合約，在其店內導入用於協助監控及追踪貨架商品庫存情況的機器人。不過，由於疫情的爆發，越來越多的消費者選擇在線上訂購商品，沃爾瑪也因此安排了更多的人力頻繁行經貨架過道處理這些訂單，連帶收集庫存狀況相關數據，結果發現人力的效果不亞於Bossa Nova的機器人，因此決定終止合約。另也有說法認為，擔憂機器人影響店內顧客的購物體驗，也是計劃叫停的原因之一。

受到沃爾瑪合約取消的影響，Bossa Nova近日大舉裁減了將近50%的員工，目前正試圖尋找新客戶及軟件企業。

無論如何，沃爾瑪的舉動無疑是敲響了機器人行業的警鐘。

麻省大學阿默斯特分校（UMass Amherst）機械及工業工程助理教授兼人機系統實驗室主任Meghan Huber指出，人工可以執行許多不同的任務，「根據店內需要，他們可以馬上從收銀台轉移至倉庫，但大多數商用機器人的功能是有限且不靈活的。以沃爾瑪例子來說，真人員工可以檢查貨架還能同時為顧客找尋商品，但機器人只能做到前者。」

自1960年代以來，機器人開始顯示出其商業價值，起初先是在汽車工廠車間大顯身手，接著於近十年開始逐步導向電子商務倉庫，對於機器人的應用也有了越來越多的想像。然而事實證明，將機器人用於其他應用及行業並不那麼容易。

「從很多方面來說，機器人是人類有史以來最困難的工程，」Vecna Robotics創辦人兼CEODaniel Theobald表示，「學習是用於區分一項新工具使用是否困難的關鍵，而且除非你實際學習，不然難以知曉。」機器人的採用主要關乎於其提供的價值，否則從開發到導入往往得花費更長的時間。

以自動駕駛汽車市場舉例，許多人預期自動駕駛將被大量採用，但該產業仍在學習階段。與真人駕駛將比，自動駕駛汽車安全完成這項工作的成本也更高昂。在某些情況下，例如公路自動駕駛技術（卡車運輸）是有意義的，但短期內，自動駕駛出租車之類的可能就不是那麼重要。

此外，機器人業界也開始重新考慮一些戰略性問題，畢竟企業成功的關鍵不只在技術層面。 Lumin Robotics公司CEOChristian Fritz說：「對我而言，沃爾瑪的新聞主要是證實了目前機器人科技中最困難的部分不是技術，而是尋找合適的市場契合度。」

Christian Fritz認為，當前的機器人產業正處於「過渡」階段，新創公司要成長並意識到，首先要找到一個值得解決的問題，然後針對這個問題建構出完美的產品。 「坦白說，現在有一些新創就是反過來做。要知道，就連iRobot都在開始造掃地機器人之前，專門花了好幾年的時間，為自己的錘子（產品）找釘子（受眾）。」

機器人技術正在變得愈來愈好並更具成本效益，沃爾瑪的案例可能只是短暫的挫折。 Trax零售解決方案執行副總裁Mark Cook指出，自動化解決方案必須準確、可行且可持續，「否則供應商最終仍會失去零售業者及員工的信任。當數據無法有效運用時，只會為合作夥伴增加額外的工作量。」對於沃爾瑪稱「人類效果一樣好」一事，Mark Cook表示：「我不認為僅依靠人類收集數據是正確的方法。」

Bossa Nova競爭對手Simbe Robotics的聯合創始人兼CEOBrad Bogolea表示，Bossa Nova的失敗並不意味著市場上的零售機器人都沒有必要性，畢竟許多數據方面的工作單靠人力根本無法解決。 「準確的即時貨架洞察力不僅包括確認是否缺貨，而是從投資報酬率的角度來看，準確地定價及促銷（即快速糾正價格錯誤的產品），還有產品位置信息，這些都同樣重要。」他強調，零售機器人的未來仍令人振奮，「而且才剛起步而已。」

AI機器狗開發公司KODA執行長John Suit指出，在自動化方面，「機器人是身體，而人工智慧則是大腦。要使機器人技術成功實現自動化，就需要一個足夠靈活的架構來執行任務並解決執行過程中遇到的任何挑戰，其中的關鍵即在於人工智能。具體來說，就是使用的AI類型。」

目前大多數機器人都依賴集中式AI系統，這意味著有個「大腦」連接到中央服務器以處理技術並學習功能；不過，機器人自動化的未來卻是分散式AI網路。 「這會帶來豐富的經驗與挑戰，可以在多種情況下促進推理及學習。當機器人克服了這些挑戰後，其獲得的知識將可與未遇到挑戰的機器人共享，從而使它們可以處理問題並採取相應的行動。」