5G非獨立標準即將底定 4G/5G混搭率先上路

5G非獨立架構標準(Non-standalone, NSA)將於2017年底完成,該標準將讓5G先依附在4G的基地台與核心網路上進行建置。對此,愛立信(Ericsson)指出,因5G採用到許多高頻頻段,故其網路覆蓋將受到限制,因此電信業者在進行網路布建時,將很可能會以小區域的5G搭配大區域的4G網路作為主要策略。...
2017 年 11 月 22 日

落實藏電於民 台灣太陽能屋頂推動規畫出爐

為落實藏電於民並提供在地化分散式能源,經濟部近日公布「綠能屋頂 全民參與」推動規畫。若以30坪屋頂、每戶每月平均用電約330度而言,每月電費支出約為637~695元,而透過此規畫中的商業模式,屋主每月平均至少可收益674元,意味著所發電力利潤,將可約替屋主省下每月電費。...
2017 年 11 月 21 日

時間電價機制擴大推動 儲能系統經濟效益浮現

UPS大廠伊頓(Eaton)近年積極將Nissan Leaf電動車電池,二次使用在自家Xstorage儲能系統,此一儲能系統除了已廣泛用於工廠、公共場所等的UPS不斷電系統,也同時可因應時間電價,讓用電者可於家中有效儲存離峰時段較便宜的電力,並於電價較高的時候進行使用。然而,因應目前台灣政府積極推動屋頂太陽能方案,其若能與儲能系統進行結合,將可望為用電者帶來不少大淘綠金的誘因。...
2017 年 11 月 20 日

IR LED/VCSEL分進合擊 智慧手機生物辨識能力大躍升

若將IR LED與VCSEL兩項技術相比,IR LED光源較適合用於虹膜辨識技術,VCSEL光源則較適合用於須進行3D立體圖像分析的臉部辨識。雖擅長領域並不相同,但總體來說,這兩項技術著實皆是當今智慧型手機生物辨識等級,足以大幅度躍升的重要推手。
2017 年 11 月 20 日

香港秋季電子展首設新創區 物聯網應用大放異彩

為迎接萬物聯網時代的到來,物聯網新興應用的開發,若僅仰賴國際大廠進行破壞式創新,恐是不足的。近期新創科技公司於香港秋季電子展中,藉由自家產品展現的充分野心,大大破壞了人們對物聯網裝置的想像限制。
2017 年 11 月 18 日

LTE進駐共享頻譜 CBRS共存標準年底將出爐

除了2.4GHz等免授權頻段外,世界各國的無線電頻譜多半是以拍賣的方式授權給個別業者獨家使用。不過,近年由美國聯邦通訊傳播委員會(FCC)釋出的CBRS頻段,讓共享頻譜的發展增添了明顯的動能。CBRS聯盟(CBRS...
2017 年 11 月 16 日

指紋辨識老兵不死 走入屏下將成新趨勢

蘋果(Apple)近期在iPhone X中取消指紋辨識,改採臉部辨識,此舉引發不少分析人士看壞指紋辨識技術的發展前景。不過,指紋辨識模組製造商金佶科技則指出,目前銀行ATM亦已大規模採用指紋辨識技術,其足以證明市場對指紋辨識的高度信任,且再加上明年指紋辨識將可順利與顯示器直接整合,形成屏下辨識方案,因此勢必會與臉部辨識在市場上形成長期共存。...
2017 年 11 月 13 日

半導體前後段製程發展挑戰眾多 材料/設備廠商攜手解難題

先進製程發展雖然面臨諸多挑戰,但在產業鏈上下游攜手合作、眾志成城的情況下,卻是關關難過關關過。設備與材料商的不斷創新,是讓半導體製造能夠不斷向物理極限發動挑戰最重要的奧援。
2017 年 11 月 12 日

瞄準物聯網裝置安全問題 Arm打造通用架構

安謀(Arm)日前發布安全宣言,宣言中指出,現在的駭客無孔不入,攻擊手法更加全面而複雜,物聯網所帶來的連線能力,意味著所有的基礎設施都將可能遭受攻擊。為此,Arm近期推出首個通用的安全框架,其名為平台安全架構(Platform...
2017 年 11 月 10 日

台灣邁向20GW太陽能目標 儲能系統商用挑戰大

政府期望在2025年達到20GW的太陽能裝機量。對於目前裝機量僅有1.14GW左右的台灣,要實現此一目標,除了集中式大型系統的建設外,分散式的小型系統也是另一大發電主力。但由於小型電站系統較鎖定的是在自發自用型的家用系統,故對儲能系統的需求會更加強烈,這也進而讓儲能系統的商用成為了必須面對的關鍵挑戰。...
2017 年 11 月 09 日

AI新局逐步開創 系統整合/資安人才前景佳

相較於半導體元件生產,人工智慧(AI)應用在軟體上有賴更不同的研發技術來解決,因其涉及的不僅是規格上的遵循,更包含了具高度自主、求新求變的應用開發任務,這進而使得AI新局在逐步開創的過程中,勢必會出現不少系統整合人才的需求。此外,為確保AI在實際商用上的安全,資安人才的缺口也將同時開始浮現。...
2017 年 11 月 08 日

AI機器學習導入YouTube 影片推薦觀看率大增

機器學習技術讓Youtube推薦給使用者的影片觀看率明顯增加。目前YouTube平均每日向使用者推薦2億支影片,涵蓋76種不同語言。在過去三年,使用者在YouTube首頁點擊推薦影片的觀看時間共成長了20倍。此一大幅成長,與YouTube的推薦機制中導入機器學習有關。透過機器學習,Youtube平台加入了不少個人化變項,進而讓神經網路越來越能掌握使用者需要。目前YouTube已有超過70%的使用者觀看時間是來自系統自動推薦的影片。...
2017 年 11 月 07 日