最新消息
LATEST NEWS 最新消息
-
【黃仁勳開示】AI 將對能源產業帶來什麼影響?他說電網將變得像 App Store生成式 AI 為人們生活帶來更多便利,但為了訓練和使用 AI,世界各地開始建造越來越多的資料中心,不僅需耗費大量電力,電力短缺的危機也浮上檯面。不過,除了電力消耗,AI 對於能源產業還帶來哪些影響?NVIDIA 執行長黃仁勳受邀到美國愛迪生電氣協會(EEI)年會擔任主講者,討論了這項議題。 人類生產能源的方式,將不再被地域限制 根據報導,黃仁勳表示,全球能源消耗大幅增加,人們面臨創造能源的挑戰,而現在的能源系統是圍繞著人類居住活動、人口分布和電網系統所建造,但是未來將會成為雙向、靈活的分散式網絡,這意味著未來能源生產,不再限於傳統的集中式發電。 黃仁勳表示,AI 不在意它在哪裡學習,因此人類可以在電網上、電網外和遠離電網的情況下創造能源,這就是未來。 事實上,這不是黃仁勳第一次用分散式網絡的概念談論電網。他在接受 TVBS〈看板人物〉專訪中,便提到地球擁有豐富的永續能源,例如太陽能、熱能,但不在人類居住、氣候宜人的地方,而在沙漠或寒冷地區。他認為,未來資料中心會建置在這些人口稀少、遠離電網的地區,而人們可以直接在當地使用能源、訓練 AI 模型,當模型訓練完畢,就可以再將 AI 模型帶回到人口稠密處,用在任何想使用的地方。 AI 對能源產業的最大影響:能源輸送 由此,也不難看出,黃仁勳為何在 EEI 會中表示,未來 AI 對於能源產業最大的影響,是將 AI 應用在能源配送和電網管理。他也舉例,電網可以運用 AI 智慧電表,讓用戶把多餘的電力賣給鄰居。 他表示,電網會變成具有數位層的智慧網絡,「電網將變得像 App Store(應用程式商店)一樣,就像 Uber 一樣,將電力供應和用戶連結起來,」這時,公共事業單位就扮演協調運作的平台角色。 根據 NVIDIA,上述將是一項艱鉅的工程,必須有能夠即時處理和分析大量資料的自主控制系統,而 AI 和加速運算技術就扮演要角。 本文轉載自 TechOrange 科技報橘SEE MORE
-
【不要再說 AMD 耗電】蘇姿丰 3 年要將資料中心能源效率提高 100 倍,稱解決電力問題才有未來生成式 AI 與大型語言模型對電力的高度需求,正在加速科技巨頭研發更加節能的產品,尤其是過往一直被嘲諷為「北極熊殺手」的 AMD。AMD 執行長蘇姿丰表示,未來 3 年內將會把資料中心的能源效率提高 100 倍以上,藉由半導體製程節點和封裝的改進,協助緩解全球電力需求。 根據高盛估算,當到 2030 年時資料中心的電力需求將成長 160%;在 2022 年,資料中心就消耗了美國 3% 的電力,預計到了 2030 年這數字將提升到 8%。OpenAI 執行長 Sam Altman 過去曾指出,如果電力問題沒有創新的解決方案,那麼 AI 發展也將很難得到突破。 生成式人工智慧在全球的普及,加速了資料中心的快速擴張,更大舉提高了企業對電力的需求,對此 AMD 執行長蘇姿丰在 ITF World 2024 會議上,討論了過去的成功經驗及提高運算節點效率的未來計劃。 早在 2014 年 AMD 就曾提出過「25 x 20」計畫,意思是要將其行動處理器的能源效率提高至少 25%,並且於 2020 年以前達成;結果,到了 2020 年 AMD 實現了 31.7% 的能效提升,遠超當時所制定的目標。 2027 年達成 100 倍能源效率提升 秉持著同樣精神,在 2021 年時 AMD 看見了 AI 工作負載呈指數級增長,同時也影響到了全球電力需求,因此訂出了「30 x 25」的新目標,要在 2025 年前將資料中心的能源效率提高 30 倍。 AMD 指出,若想實現「30 x 25」所目標的能源效率提升,關鍵在於 CPU、GPU 的製程節點和封裝改進,例如下一代 3nm 製程晶片將透過 GAA 及 FinFET 3D 技術的進步改良,改善終端產品的功耗與每瓦性能;而封裝技術如小晶片(Chiplet)和 3D 堆疊的不斷完善,將使 AMD 能夠更靈活地將各種元件導入單一封裝。 除了透過製程改善能源效率,AMD 也指出神經處理單元(NPU)在 AI 運算上的極大功用,透過專用硬體讓 CPU 將 AI 運算密集型任務分配到 NPU 中,就能達成提高效率且降低功耗的目標,例如最近推出的 Ryzen 7 8700G 與 Ryzen 5 8600G 就是內建了 NPU 的新一代產品。 蘇姿丰指出,她相信 AMD 能夠如期實現「30 x 25」的改進目標;配合軟體、硬體的協同設計,以及改善後的 AI 演算法,AMD 甚至可以於未來更進一步,在 2027 年時讓資料中心實現高達 100 倍的能源效率提升。 本文轉載自 TechOrange 科技報橘SEE MORE
-
能源業的 AI 關鍵應用:預測性維護——傳統電廠蛻變成「智慧電業」會長怎樣?傳統電業公司正在經歷一場深刻的轉型:逐漸向「智慧電業」邁進。 2021 年美國德州曾經因受極端低溫的暴風雪侵襲,冬季用電負載創新高,加上電力設備耐候不足導致大量機組跳機造成 440 萬用戶受災;在更早的 2016 年也有烏克蘭因駭客攻擊遭受大規模電網停擺的案例出現。面對這些難以預測的變數,能源業者很難再用過往經驗去制定應變策略,唯有結合 AI 分析,進行設備預診斷、能源預測及用戶行為分析與緊急災援措施,才有機會確保從發電、輸電、配電到用電等流程順暢,維持供電穩定性。 透過引入先進的數據分析、AI、物聯網以及區塊鏈等技術,電力業者得以應對極端氣候異常日益頻繁的環境變遷,以及能源產業重大轉型的時代考驗。國際能源總署估算,AI 能在既有能源系統中,產生 50 多種不同的創新用例,而此技術市場價值可能高達 130 億美元。 台電用 AI 管風電,創造永續韌性未來 一個關鍵的能源業 AI 應用是預測性維護,用 AI 持續「自動化監控」和「分析能源資產的效能」以事先識別潛在的故障。 以台灣為例,台灣有 98% 的能源依賴進口,而且台灣是一個獨立島嶼無法與他國大型電網連結,在能源轉型上必須發展自給自足的應變方案。台灣同時也規劃 2025 年再生能源發電占比達 20% 的目標,因此在建立再生能源多樣供給的目標前提下,台灣電力公司與微軟合作率先在風力發電監控維運中引入 AI 技術,透過 AI 將不穩定的再生能源轉變為穩定且可預期的供電來源。 再生能源例如光電、風電都是大面積且多點分散式的發電設施,日常的維運多半靠遠端監控,因此透過 AI 可以幫助台電做到預防性預測與排程檢修,在最佳的時機提早更換故障零件,確保發電的穩定性,更能降低維護成本。 每戶的用電模式不一樣,這個 AI 也可以管 另外一個常見的 AI 用途是改善供需的預測。AI 可以將當下可供應與需求的上升和下降相匹配,進而最大限度地提高能源使用效率與電網管理。美國加州能源公司 Bidgely 對當地數百萬家庭與企業的用電數據進行分析,並且依照每戶用電習慣建立辨別檔案;透過用電數據,Bidgely 提供客戶如何消耗能源的詳細資訊,客戶可以看到哪些電器消耗的能源最多,以及哪些地方有機會節省成本並減少碳足跡。 AI 也能為國家能源部門提供獨特的洞察,例如美國能源部國家實驗室使用 AI 處理大型系統模型,研究影響國家級能源基礎設施的設計、部署、營運和維護。通過綜合資料集,基於基礎設施、人類行為和環境因素來優化資源分配,這種方法使能源資源民主化,並促進符合當地目標和人口統計的能源轉型。 能源事關一國的重要基礎建設與民生福利,更是產業發展的重要引擎。不過能源產業也面臨外在氣候變遷急速挑戰與大量基礎建設、營運模式需要同步革新的課題。在淨零碳排的全球價值觀演變下,降低碳排、提升使用能源效率與強化能源產業的科技能力,將成為這十年間的共同重要挑戰。 本文轉載自 TechOrange 科技報橘SEE MORE
-
為什麼 NVIDIA、微軟、Google 都在狂組 AI 醫療戰隊?TikTok 舉手:我也要隨著 AI 浪潮從矽谷開始席捲世界,NVIDIA 在健康和生命科學領域看到了更多成長的機會,執行長黃仁勳先前出席 2024 年世界政府峰會,當被問及「如果站在科技的前端,人類應該學習什麼?」黃仁勳則回答,「學習電腦的時代過去了,生命科學是未來」。 NVIDIA 醫療保健事業部副總裁 Kimberly Powell 告訴《Forbes》:「我們將成為 NVIDIA 下一個價值數十億美元的業務,公司的目標是向更多生物技術公司提供晶片、雲端基礎設施和其他 AI 工具。」 不僅如此,當 OpenAI 的 ChatGPT 和 Google DeepMind 的 Gemini 這樣如此強大的大型語言模型,逐漸成為生成式 AI 的主流之際,這些走在科技前沿的科技公司都將生物技術視為下一個革命浪潮,而在這個潮流當中,AI 不會只限於生成文字、圖片及影片,它將會成為提供給人類解救生命的救命藥。 5 年前完全不可能!3 要素讓 AI 醫療應用即將爆發 在醫療中使用 AI 並不是最新的趨勢,例如 DeepMind 在 2018 年就首次展示了 AlphaFold。如今 DeepMind 則告訴市場,今日局勢卻已經完全不同,我們得益於三個元素的匯聚:大量的 AI 訓練資料、運算資源的成長以及 AI 演算法的進步,也就是說,這三個要素在人類史中首次同時出現,在五年前根本完全不可能。 現在的 AI 模型已經能夠自主學習和理解上億種蛋白質的序列和結構,主動發現生物學的規則,不用耗盡過多的運算資源。過去如果我們要完整模擬蛋白質的摺疊過程和功能活性,則需要非常強大的運算能力,因此才會有超級電腦的出現,它會被建造出來就是要來處理這樣的任務。 不只 NVIDIA、Google 和微軟,TikTok 也要卡位? 可以提供強大運算效能的 NVIDIA 在過去兩年把大部分創投資金都投入藥物研發。同時 Google 也推出 AlphaFold 模型(一種用於預測蛋白質結構的工具),在過去一年中協助學術人員不再局限蛋白質摺疊,還能在蛋白質、核酸及轉譯後修飾等,有著高精確度的結構預測。當然,不能少了微軟、亞馬遜甚至還有 Salesforce,也都紛紛插旗生物技術研發領域。 去年,Salesforce 推出了蛋白質 AI 模型 ProGen,微軟則發布了 EvoDiff 開源框架,它的核心是擁有 640 萬參數的模型,來自不同物種和功能類別的蛋白質數據,亞馬遜也為其 AWS 機器學習平台 SageMaker 發布了蛋白質折疊工具。 根據《Forbes》 年初報導指出,就連 TikTok 的母公司字節跳動似乎也在建構自家的科學和醫療團隊,它們對外表示是為了突破人工智慧在醫療領域的運用,不過 FDA 前科學家 Eric Perakslis 則指出,「他們可以將手上所有數據提供給中國製藥公司或中國武器製造商,」但實際用處在哪我們就無法得知了。 本文轉載自 TechOrange 科技報橘SEE MORE
-
醫學專業和禮貌度高於人類醫生——介紹新朋友給你:Google AI 醫療聊天機器人 AMIE現在的聊天機器人多半只為人們提供娛樂、或提升工作效率,如果有一天我們能透過它獲得專業醫療建議,你覺得如何? Google 日前發布一篇研究文章,分享他們正訓練一款 AI 醫療型聊天機器人 AMIE(Articulate Medical Intelligence Explorer),它在診斷心血管疾病與呼吸道疾病等的準確度勝過初級保健醫生,而且還更具同理心! 此研究的共同作者、Google Health 的臨床試驗科學家 Alan Karthikesalingam 表示:「這是首次針對診斷和病史設計的聊天機器人。」AMIE 使用 Google 開發的大型語言模型(Large Language Model, LLM),研究人員預計未來將用它來促進醫療保健的普及。 AMIE 還有哪些優勢?它有可能在近期問世嗎? AMIE VS. 醫生——聊天機器人在這些面向表現更佳! 在醫療產業,幾乎沒有人研究如何使用 LLM 模擬醫生收集病史與診斷,因為研究員必須耗費大量時間取得訓練數據。在研究 AMIE 的過程中,團隊的確面臨缺乏真實醫學對話訓練數據的困境,為此,他們設計能讓聊天機器人自行模擬對話的訓練方式。 首先,他們使用如電子健康紀錄和轉錄的醫學對話等現有真實數據微調基礎 LLM;接著,他們讓 LLM 同時扮演患有特定疾病的患者、一位有同理心的臨床醫生,以及一名負責檢視如何優化整個流程的評論者,讓他們自行對話、並改進診斷內容與互動方式。 為了進一步測試系統,研究員找來 20 名受過培訓的「患者演員」,在不知道對談者是 AMIE 或是臨床醫生的前提下,模擬 149 個臨床場景、向他們進行線上文字諮詢。還有專家組負責評估 AMIE 和醫生的表現、並為雙方評分。 最後結果顯示,在 6 個醫學專業中,AMIE 的診斷準確性優於醫生;在 26 個對話品質標準中(包括禮貌、解釋病情與治療方案、表達關心、誠實、承諾等),AMIE 在 24 項標準中表現得比醫生好。 AMIE 的下一步——確保無偏差、進入臨床試驗 不過 AMIE 要真的落地還需要一些時間。除了它目前尚未進入臨床、實際進行診斷外,研究團隊也表示他們還要進行更深入的研究,確保它沒有潛在偏差或道德問題。新加坡杜克大學醫學院臨床 AI 科學家 Daniel Ting 補充: 「用戶隱私問題也至關重要,因為我們目前仍難以掌握 LLM 的數據會存在哪裡、且如何進行分析。」 雖然 AMIE 經過多次優化後,在各方面的表現都能在水準之上,但研究團隊和其他專家皆認為它無法完全取代醫生。Karthikesalingam 解釋,參與研究的醫生可能因為不習慣透過文字與患者互動而影響研究結果,但不代表醫生的能力真的比 AMIE 差。 哈佛醫學院內科醫生 Adam Rodman 認為這款聊天機器人或許真能為患者帶來助益,「但它不應該取代患者與醫生的互動,因為醫學不僅是收集資訊,它還與人際互動有關。」 本文轉載自 TechOrange 科技報橘SEE MORE
-
【台灣國際醫療暨健康照護展 直擊報導】當 AI 技術結合醫療照護,如何為復健與居家長照開啟新路?想像未來走進醫院,醫生只要簡單提問,AI 系統就可以依據患者的表情、語氣、生理數據等,分析症狀嚴重程度,進而快速鎖定可能的疾病類型;如果需要手術,醫生可以在遠端操控智能手術機器人系統,並在 3D 全景視野下透過機械手臂自動完成高精度的切割縫合。這些醫療場景在新科技的浪潮中,已經逐漸成為近在眼前的生活日常,更將徹底改變傳統醫療模式,創造更加高效、精準和人性化的醫療服務型態。 由外貿協會主辦的「台灣國際醫療暨健康照護展(Medical Taiwan)」於 6 月 20 日起為期三天在台北南港展覽 2 館登場。外貿協會董事長黃志芳在接受媒體聯訪時表示,隨著 AI 大爆發,從今年許多參展業者的解決方案中,可以清楚見到 AI 與技術層面的躍進,未來 AI 在癌症篩檢、新藥研發等面向的應用,也格外值得期待。 加速 AI 時代智慧醫療發展進程,政府角色將是關鍵 「過去產業的發展過程中,政府的角色非常關鍵,我們希望這個角色不只是一個管理者,更是一個媒合、協助發展、提供更多機遇的角色,」蕭美琴副總統在致詞特別談到,台灣企業在掌握先機的同時,更需要與國際接軌。當 AI 新興科技讓政策遇見從來沒有想像過的新變化,也讓法規與時俱進的壓力顯著增加,在這樣的背景下,政府扮演的角色也將更為關鍵。 「台灣有很多優勢,包括傑出的醫療品質與優秀的生技人才,再加上 ICT 產業聚落,相信只要結合這些優勢,台灣一定可以為全球供應鏈帶來新的面貌,」經濟部主任秘書楊志清在致詞時強調,政府計畫加強協助企業在醫療器材各方面的多元應用,並打造合宜法規、建立醫療品質信賴度,以提升台灣醫療產業的國際能見度。 AI 結合醫療照護實例一:矽響先創科技以「AI 智慧鞋墊感測器」開啟復健新模式 致力於開發與推廣 AIoT 智能系統的矽響先創科技,在今年的「台灣國際醫療暨健康照護展」特別展出「AI 智慧鞋墊感測器」。矽響先創科技分享,一般病患在復健時,通常會在診間走一個步道,然後透過步道分析患者的步長與穩定性。然而在這個過程中,病人時常因為緊張而影響走路狀態,因此透過 AI 智慧鞋墊感測器,可以讓病患直接帶回家使用,並透過鞋墊上的感測器收集日常行走時的步伐長度、抬腳高度等數據,助力復健師準確判斷復原狀況。 除了醫療需求外,矽響先創科技也舉出 AI 智慧鞋墊感測器應用在運動項目的案例。像是在打高爾夫球時,可以藉由 AI 智慧鞋墊感測器偵測腳底壓力,進一步了解從上桿到下桿擊球者的重心是否有正確從右腳移轉到左腳,進而調整揮桿的姿勢與擊球策略。 AI 結合醫療照護實例二: 合錦科技「高隱私 AI 智能照護系統」讓預防跌倒勝於即時通報 當台灣即將進入超高齡社會,如何提供高齡者安全的居住環境,是與每一個人都切身相關的議題。合錦科技利用光點偵測技術整合 AI ,以判斷空間內的人處於站、坐或是其他狀態。一旦照護系統偵測到「跌倒」,便會直接通報給大樓保全或子女等相關人員。 目前高隱私 AI 智能照護系統除了拍攝與偵測外,也整合燈具照明系統,讓高齡者在夜間下床時不用自己開燈,而是透過光點偵測系統直接調整燈光亮度。例如高齡者只要從床上起身,燈光就會自動調整為 30% 亮度;一下床行走,燈光就會立即變成全亮;最後回到床上躺下後,燈光就會在 15 秒內關閉。合錦科技強調,將高隱私 AI 智能照護系統整合照明設備的目的,是希望能做到「預防跌倒」,而不只是發生意外後的即時通報。未來,合錦科技也將嘗試運用毫米波偵測呼吸、心跳等更多生理資訊,讓居家智能照護的面向更加完整。 當 AI 走入醫療照護領域,將開創一個整合物聯網、大數據,並實現早期預警、精準治療、健康管理與生活照護等層面,同時涵蓋預防、治療、康復的全人健康體系。在 AI 引領產業變革的此刻,透過台灣國際醫療暨健康照護展與參展企業的 AI 應用實例,更展現醫療照護逐步走向智能化、數位化且以患者為中心的全新里程。 本文轉載自 TechOrange 科技報橘SEE MORE
![LATEST NEWS](https://ai-on-chip-b2bmatch.org.tw/sipo/images/item_549_bg.png)