 |
多功能感知方案賦能工業成像應用 (2021.03.29)
未來的影像感測器依然會追求高解析度，高畫質，高性價比，並以智慧方式提高整體成像性能，繼續滿足各種應用日益增長的需求。 |
|
機器學習變革工業製造流程的四種方式 (2021.03.26)
本文敘述機器學習技術如何在工業生產流程上發揮影響力產生變革，採用四種方式來優化多種工作負載。 |
 |
亞洲首座NVIDIA Inception AI新創基地入駐林口新創園 (2021.03.15)
NVIDIA (輝達) 在臺成立全亞洲首座「NVIDIA Inception AI 新創基地」，並與經濟部中小企業處合作，正式入駐林口新創園。這項加速器計畫不僅專注於人工智慧 (AI) 新創產業發展 |
|
解決功率密度挑戰 (2020.12.16)
電源管理是在雲端採用 AI 技術，同時繼續滿足計算和儲存需求的最大瓶頸之一；問題在於系統向處理器及 ASIC 供電時，電源轉換器的功率密度。 |
|
Nexus技術平臺：重新定義低功耗、小尺寸FPGA (2020.12.15)
為了支援AIoT、嵌入式視覺、硬體安全等應用，網路邊緣設備的硬體方案需要具備下列特徵：低功耗、高效能、高穩定性、小尺寸。 |
|
智慧防疫跨域整合 數位引擎推動創新商機 (2020.12.09)
智慧防疫帶動生醫及科技領域跨業跨域合作，甚至跨越國界攜手以求共創產業新未來，使得各家廠商因應疫後新常態在局勢中求新求變或數位轉型已成必然的趨勢。 |
|
AI.R.落實工業人工智慧商機 (2020.12.09)
非接觸科技不斷演進。過去曾一度被提及，利用工業機器人（Industrial Robot）為載臺的AI.R.趨勢也可望藉此落實，帶來商業化契機。 |
|
工業用機器人2020市場現況與發展趨勢 (2020.12.08)
工業機器人的市場應用不僅愈來愈廣泛，從2014年開始，每年都還以兩位數的速度增長。 |
|
疫情改變物流業面貌 啟動智慧化方能因應新變局 (2020.11.27)
美中貿易戰與COVID-19疫情重擊人類社會，更讓產業鏈直接斷鏈。未來全球供應鏈會由長鏈轉為短鏈，物流業者應盡速啟動智慧布局，以掌握後疫情時代商機。 |
|
AI引領自駕風潮 感測系統建構全智能駕駛體驗 (2020.11.06)
對於全自動化的自動駕駛體驗來說，安全永遠都是最優先的考量。此外，也必須要能提供靈活的客製化服務，並依照客戶需求提供解決方案。 |
|
經AOI蒐集全製程資訊 加速傳產數位化轉型 (2020.10.07)
隨著工業4.0智慧製造潮流推動下，不僅可藉此檢測產品尺寸、瑕疵之餘，還要針對每個生產步驟檢測並蒐集資訊，納入AI加值應用。 |
|
全面進入工業領域 智慧機器視覺系統勢頭看漲 (2020.09.30)
智慧製造與新冠肺炎（COVID-19）兩相加乘，新一代具備人工智慧功能的機器視覺解決方案，迅速佔據舞臺焦點，成為市場的主流。 |
|
善用數位工具強化營運效能 以新零售視角因應市場挑戰 (2020.09.28)
新零售概念，是將包括所有的軟硬體技術均視為手中工具，透過這些工具強化企業的營運效能，讓所有成本支出的效益最佳化。 |
|
藉由慣性感測器和機器學習評估老年人跌倒風險 (2020.09.21)
在Kinesis Health Technologies的工程團隊透過MATLAB開發一個客觀、量化的方法來對跌倒風險、脆弱性、活動性損耗進行篩檢的QTUG軟體系統。 |
|
以科技力量提升效率 巡檢工作走向智慧化 (2020.08.27)
過去的巡檢方式主要是透過人力，透過科技的力量，無論是人工或機器人作業，智慧化都可讓此工作的效率更佳。 |
|
促進工作負載整合成效 (2020.08.17)
工作負載的整合，也就是把工廠內部多個單一作業負載的機器匯整成數量較少的「全能」裝置概念，具有不勝枚舉的諸多好處。 |
|
數位分身在工業應用大顯身手 (2020.08.05)
數位分身被視為工業4.0的關鍵技術。透過對設備與機具的深度模擬，將能進一步降低管理人員的負擔，提高整體管理的效能。 |
|
AI醫學影像前瞻技術探勘 (2020.07.20)
AI導入醫療流程需要更大規模的流程整合，如何將AI技術延伸至診療流程的前置處理與後期判讀極為重要；而在AI導入的過程中，亦需適時地創造新的服務加以協助。 |
|
雲端服務需求激增 數據機房面臨綠色能源挑戰 (2020.06.09)
目前日益依賴數位技術的社會，突顯了決策者在極端條件下，更需要仔細評估靈活性資源的潛在可用性的需求。 |
|
人工智慧長驅直入 邊緣運算漸成產業主導要素 (2020.05.15)
隨著運算資源成熟，邊緣運算將成為所有產業和應用的主導要素。特別是機器人等各種複雜的邊緣裝置，都將加速此一轉變。 |
