0

1
3

文字

分享

0
1
3

第一台通用型電子計算機——專利糾葛、優劣並存的 ENIAC │《電腦簡史》數位時代(十)

張瑞棋_96
・2020/10/26 ・3482字 ・閱讀時間約 7 分鐘 ・SR值 551 ・八年級

上一章曾說阿塔納索夫在愛荷華大學埋頭苦幹時,外界根本不知道美國中西部也有人在打造數位計算機。既然如此,莫奇利又怎麼會前去造訪,而衍生出日後的專利糾紛?其實,一開始是阿塔納索夫主動結識莫奇利的……。

本文為系列文章,上一篇請見:誰才是第一部電子計算機?——靠 650 美元誕生、曾被遺忘的 ABC 電腦│《電腦簡史》數位時代(九)

氣象論文數據太少被拒,發憤打造計算機

莫奇利小阿塔納索夫四歲,與他一樣是物理博士。1932 年取得博士學位後,原本留在母校約翰霍普金斯大學擔任研究助理,但一年後就到位於賓州的烏西納斯學院 (Ursinus College) 擔任物理系主任,雖然是所小學校,但至少是個正式的教職。

1938 年,莫奇利提交了一篇論文,分析太陽表面的活躍程度與大氣電學的關聯性,不料遭到拒絕,理由是所蒐集的數據期間太短。好吧,他是可以取得更多年度的氣象資料重新分析,但這龐大的數據靠他自己一人怎麼可能算得完?於是他先找學生來分擔計算工作,同時一邊研究有什麼自動計算的機器可以代勞。

莫奇利 John Mauchly。圖:Encyclopedia Britannica

莫奇利發現調和分析儀,這個源自克耳文男爵在半個世紀前發明的機械式計算機,專門用來做傅立葉分析,恰恰是他現在最需要的計算工具,因此於 1940 年也打造了一台。結果他在打造的過程中,竟對計算機產生了高度興趣,開始密切注意是否有更新的技術。

-----廣告,請繼續往下閱讀-----

莫奇利參觀了 IBM 最新的商用計算機,也參加 1940 年 9 月在達特茅斯學院舉辦的數學年會,見識史提畢茲展示複數計算機的功能。他還去了解物理學家研究宇宙射線所用的二進位計數器,這是用真空管做成的儀器,專門計算放射性粒子的數目。莫奇利試圖也仿造其邏輯電路,但買不起真空管,只好改用速度較慢,但便宜許多的氖管(灌入稀有氣體氖的燈管)。

愛荷華之行與賓大密集課程,學會設計邏輯電路

1940 年 12 月,莫奇利受邀到美國科學促進協會 (American Association for the Advancement of Science) 舉辦的研討會,發表他終於修訂完成的氣象學論文。莫奇利在演講中提到自己打造的調和分析儀,恰巧阿塔納索夫也在台下聆聽,便在演講結束後主動找莫奇利攀談,提及自己正在打造的真空管計算機(也就是日後的 ABC 電腦),並邀請他來愛荷華參觀。莫奇利第二年暑假驅車前往,就此埋下日後的專利糾紛。

莫奇利從愛荷華回來後,隨即趕赴賓州大學的摩爾電機學院,參加一項為期十週的電子學課程。這是由美國戰爭部 (1949 年才改為國防部) 出資委辦的密集課程,目的在於訓練出更多電子工程師,好為日益擴大的二次大戰戰事做好國防準備。如之前提過,摩爾電機學院與美國陸軍素有淵源,一直為陸軍分析各式火炮的彈道並製作「射表」 (Firing Table),自然成為承辦大學之一。

莫奇利在這課程習得邏輯電路的知識,不但如此,還找到一位志同道合的夥伴艾科特 (J. Presper Eckert)。艾科特當時才 22 歲,仍是摩爾電機學院研究所的學生,卻已多處展現電子工程的長才,包括改善微分分析儀(這是為了分析彈道,而於 1935 年購置的機械式計算機),因此擔任此次課程中的助教。

-----廣告,請繼續往下閱讀-----
ENIAC的共同發明人艾科特。圖:WIKI

更棒的是,摩爾電機學院有個現成的教職給莫奇利。雖然這只是個講師的職位,和他目前系主任的頭銜比起來差很多,但對於一心想打造計算機的莫奇利而言,留在這裡一定有更多實作磨練的機會,而且又能與艾科特切磋,因此他仍欣然接受,於 1941 年開始在摩爾電機學院任教。

美國參戰急需大量射表,莫奇利提案真空管計算機

美國於 1941 年底參戰後,陸軍急需更多火炮的射表。眼見摩爾電機學院的進度大幅落後,陸軍特地另外招募了一百多的女性計算員,分成兩班輪流操作微分分析儀,卻仍跟不上前線的迫切需求。1942 年 8 月,莫奇利向校方提交了一份備忘錄,直指機械式的微分分析儀先天不足,建議使用真空管打造電子式計算機。

他在備忘錄中舉真空管計數器可達每秒十萬次為例,主張用電子計算機計算彈道,無論是速度或正確性,都會遠勝於機械式的微分分析儀。然而這份備忘錄並沒有得到校方重視,所幸不久後陸軍中尉高士汀 (Herman Goldstine) 被派來摩爾電機學院,才挽救了莫奇利的夢想。

高士汀原本是密西根大學的數學教授,擅於彈道學的分析,遂被徵召進陸軍的彈道研究實驗室 (Ballistic Research Laboratory)。1942 年秋,他被派往摩爾電機學院,負責提升射表的產能,但過了半年仍一籌莫展。這是因為男性多已入伍,而當時懂數學的女性又相當有限,已無法再增加計算員的人力。因此當他 1943 年初獲知莫奇利的備忘錄後,立即找來了解。他研究後,相當認同電子計算機可大幅提升計算速度,解決射表產出不足的問題,因此決定促成此事。

-----廣告,請繼續往下閱讀-----

高士汀努力奔走的同時,莫奇利也找來艾科特補強備忘錄中的技術細節,並將標題改為《電子式微分分析儀的報告》。 1943 年 4 月 9 日,向軍方高層簡報後,成功獲得批准,經費很快就核發下來。

ENIAC——第一部通用型電子計算機問世

六月初,「電子數值積分儀暨計算機」(Electronic Numerical Integrator And Computer,簡稱 ENIAC) 的開發正式啟動,經過兩年半才打造完成,共耗費近五十萬美元(相當於 2020 年的七百萬美元)。完成後的機器重達 27 噸,由 30 個高二米四的機櫃組成,加起來有 30 公尺長,塞滿了 50 坪房間的牆面;IBM 的 ASCC 與之相較猶如小巫見大巫。

安裝於摩爾電機學院的 ENIAC,相片中間即是高士汀。圖:WIKI

ENIAC 的真空管多達 17,468 個,主要用於運算單元與記憶單元,不過運算方式仍是採十進位,而不是二進位。輸入方式有兩種,數據與常用的函數表是用 IBM 現成的打孔卡片機制輸入,然後暫存到記憶單元;程式則跳過打孔卡片,直接用纜線連接控制單元的不同插孔,再調整開關與計數器完成設定。用這種方式輸入程式與數據,是為了完全發揮真空管的優勢,不被讀卡的機械動作拖累。

ENIAC 果然不負眾望,運算速度可達每秒 5,000 次加法或 357 次乘法,不僅超過貝爾實驗室與 IBM 用繼電器打造的計算機百倍以上,也遠勝於阿塔納索夫的 ABC 電腦。用 ENIAC 分析彈道當然也比微分分析儀快多了,只不過當它於 1945 年 11 月啟用時,二次大戰早已結束,原本建造的初衷為了製作射表,如今已不需要了,這簡直就是莊子寓言所說的:花了三年學會屠龍之技,卻無所用其巧。

-----廣告,請繼續往下閱讀-----

所幸 ENIAC 是一部可程式化的通用型電腦,軍方仍能在其它方面用到它龐大的計算能力──例如氫彈的模擬計算,因此它還是一直運作到 1955 年 10 月才退役。

二戰結束後創辦公司,電腦專利遭判無效

對莫奇利與艾科特而言,二次大戰結束反而是他們事業的開始。1946 年 3 月,他們兩人一起離開賓州大學,創辦「艾科特─莫奇利電腦公司」,並將 ENIAC 的相關技術申請專利。

這份專利直到 1964 年才獲准,但因為他們的公司早在 1950 年就賣給雷明頓蘭德公司 (Remington Rand),而這家公司五年後又遭另一家公司併購,專利也就歸屬於合併後的斯佩里蘭德公司 (Sperry Rand) 所有。斯佩里蘭德取得專利後,開始向其它電腦公司索取授權金,Honeywell 不願支付,雙方於 1971 年鬧上法庭。

阿塔納索夫因此才以證人身分出庭,證明莫奇利從他這裡獲知數位電腦的相關技術。最後法官認定莫奇利與艾科特的發明衍生自阿塔納索夫的設計,於 1973 年判決專利無效。

-----廣告,請繼續往下閱讀-----

ENIAC 突顯舊思維的缺陷,促成現代電腦的出現

其實 ENIAC 與阿塔納索夫的 ABC 電腦有著根本性的不同。雖然兩者都用真空管,但 ENIAC 的用法卻是當成計數器,以傳統的十進位計算,而不是像 ABC 那樣當成二進位的邏輯閘。ENIAC 這樣的設計比起 ABC,反而又倒退了一步。當然 ENIAC 是通用型電腦這一點,比只能解線性方程式的 ABC 強多了,不過要靠插拔纜線、切換開關的方式設定程式實在太過麻煩。

ENIAC 的程式設計師須以插拔纜線、切換開關的方式設定程式。圖:WIKI

無論如何,ENIAC 的確是件劃時代的作品,它將計算機的運算能力提升了兩三個數量級以上,而且還能變換程式做各種運算。因為它的成功運行,而帶動了更多打造通用型電腦的計畫。

另一方面,它的諸多缺點也突顯了舊思維的設計亟待改善,新的電腦立即針對這些缺陷重新設計,因而又往現代電腦更邁向一大步。而在其中扮演關鍵角色的正是從數學、物理、經濟學,乃至 DNA,都有卓越貢獻的全能型天才──馮紐曼。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1056 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

0

3
1

文字

分享

0
3
1
為機器人換上「物理大腦」:一場終結AI數位囚禁的革命
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/03 ・5732字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

本文與 研華科技 合作,泛科學企劃執行

我們都看過那種影片,對吧?網路上從不缺乏讓人驚嘆的機器人表演:數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ,或是波士頓動力的機器狗,用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次,社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕,看看四周,一個巨大的落差感就來了:說好的機器人呢?為什麼大街上沒有他們的身影,為什麼我家連一件衣服都還沒人幫我摺?

這份存在於數位螢幕與物理現實之間的巨大鴻溝,源於一個根本性的矛盾:當代AI在數位世界裡聰明絕頂,卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫,但它沒辦法為你端一杯水。

-----廣告,請繼續往下閱讀-----

這個矛盾,在我們常見的兩種機器人展示中體現得淋漓盡致。第一種,是動作精準、甚至會跳舞的類型,這本質上是一場由工程師預先寫好劇本的「戲」,機器人對它所處的世界一無所知 。第二種,則是嘗試執行日常任務(如開冰箱、拿蘋果)的類型,但其動作緩慢不穩,彷彿正在復健的病人 。

這兩種極端的對比,恰恰點出了機器人技術的真正瓶頸:它們的「大腦」還不夠強大,無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題:新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦,真的能終結機器人的「復健時代」,開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎?

新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦 / 圖片來源:研華科技

為何我們看到的機器人,總像在演戲或復健?

那我們怎麼理解這個看似矛盾的現象?為什麼有些機器人靈活得像舞者,有些卻笨拙得像病人?答案,就藏在它們的「大腦」運作方式裡。

-----廣告,請繼續往下閱讀-----

那些動作極其精準、甚至會後空翻的機器人,秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質,是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道,都是事先算好的,機器人本身並不知道自己為何要這麼做,它只是在「執行」指令,而不是在「理解」環境。

而另一種,那個開冰箱慢吞吞的機器人,雖然看起來笨,卻是在做一件革命性的事:它正在試圖由 AI 驅動,真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢,正是因為過去驅動它的「大腦」,也就是 AI 晶片的算力還不夠強,無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路,你可以抱著他,幫他擺動雙腿,看起來走得又快又穩,但那不是他自己在走。真正的學習,是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人,大多是前者;而我們真正期待的,是後者。

所以,問題的核心浮現了:我們需要為機器人裝上一個強大的大腦!但這個大腦,為什麼不能像ChatGPT一樣,放在遙遠的雲端伺服器上就好?

-----廣告,請繼續往下閱讀-----
我們需要為機器人裝上一個強大的大腦!但這個大腦,為什麼不能像ChatGPT一樣,放在遙遠的雲端伺服器上就好? / 圖片來源:shutterstock

機器人的大腦,為什麼不能放在雲端?

聽起來好像很合理,對吧?把所有複雜的運算都交給雲端最強大的伺服器,機器人本身只要負責接收指令就好了。但……真的嗎?

想像一下,如果你的大腦在雲端,你看到一個球朝你飛過來,視覺訊號要先上傳到雲端,雲端分析完,再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲,你大概就已經鼻青臉腫了。

現實世界的互動,需要的是「即時反應」。任何網路延遲,在物理世界中都可能造成無法彌補的失誤 。因此,運算必須在機器人本體上完成,這就是「邊緣 AI」(Edge AI)的核心概念 。而 NVIDIA  Jetson 平台,正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求,而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦,專為在各種裝置上運行 AI 任務設計 。回顧它的演進,早期的 Jetson 系統主要用於視覺辨識搭配AI推論,像是車牌辨識、工廠瑕疵檢測,或者在相機裡分辨貓狗,扮演著「眼睛」的角色,看得懂眼前的事物 。但隨著算力提升,NVIDIA Jetson 的角色也逐漸從單純的「眼睛」,演化為能夠控制手腳的「大腦」,開始驅動更複雜的自主機器,無論是地上跑的、天上飛的,都將NVIDIA Jetson 視為核心運算中樞 。

-----廣告,請繼續往下閱讀-----

但再強大的晶片,如果沒有能適應現場環境的「容器」,也無法真正落地。這正是研華(Advantech)的角色,我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備,確保它能在高熱、灰塵、潮濕或震動的現場穩定運行,滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說,NVIDIA 提供「大腦」,而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠,但它其實早就以一種你意想不到的方式,進入了我們的生活。

從Switch到雞蛋分揀員,NVIDIA Jetson如何悄悄改變世界?

如果我告訴你,第一代的任天堂Switch遊戲機與Jetson有相同血緣,你會不會很驚訝?它的核心處理器X1晶片,與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求,正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域,研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

-----廣告,請繼續往下閱讀-----
  • 在北美,有客戶利用 AI 進行雞蛋品質檢測,研華的工業電腦搭載NVIDIA Jetson 模組與相機介面,能精準辨識並挑出髒污、雙黃蛋到血蛋 
  • 在日本,為避免鏟雪車在移動時發生意外,導入了環繞視覺系統,當 AI 偵測到周圍有人時便會立刻停止 ;
  • 在水資源珍貴的以色列,研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內,24 小時在果園巡航,一旦發現成熟的果實就直接凌空採摘,實現了「無落果」的終極目標 。

這些應用,代表著 NVIDIA Jetson Orin™ 世代的成功,它讓「自動化」設備變得更聰明 。然而,隨著大型語言模型(LLM)的浪潮來襲,人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令,更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率,若要機器人更快速完成動作,需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題:AI到底該如何學會「動手」,而不只是「動口」?

革命性的一步:AI如何學會「動手」而不只是「動口」?

面對 Orin 世代的瓶頸,NVIDIA 給出的答案,不是溫和升級,而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組,峰值性能是前代的 7.5 倍,記憶體也翻倍 。如此巨大的效能提升,目標只有一個:將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型,成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生,將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起:

-----廣告,請繼續往下閱讀-----
  1. 第一階段是 LLM(Large Language Model,大型語言模型):
    我們最熟悉的 ChatGPT 就屬此類,它接收文字、輸出文字,實現了流暢的人機對話 。
  2. 第二階段是 VLM(Vision-Language Model,視覺語言模型):
    AI 學會了看,可以上傳圖片,它能用文字描述所見之物,但輸出結果仍然是給人類看的自然語言 。
  3. 第三階段則是 VLA(Vision-Language-Action Model,視覺語言行動模型):
    這是革命性的一步。VLA 模型的輸出不再是文字,而是「行動指令(Action Token)」 。它能將視覺與語言的理解,直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵! 過去以NVIDIA Jetson Orin™作為大腦的機器人,僅能以有限的速度運行VLA模型。而由 VLA 模型驅動,讓 AI 能夠感知、理解並直接與物理世界互動的全新形態,正是「物理 AI」(Physical AI)的開端 。NVIDIA Jetson Thor 的強大算力,就是為了滿足物理 AI 的嚴苛需求而生,要讓機器人擺脫「復健」,迎來真正自主、流暢的行動時代 。

NVIDIA Jetson Thor 的強大算力,就是為了滿足物理 AI 的嚴苛需求而生,要讓機器人擺脫「復健」,迎來真正自主、流暢的行動時代 / 圖片來源:研華科技

其中,物理 AI 強調的 vision to action,就需要研華設計對應的硬體來實現;譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達,你的系統就要有對應的介面來整合視覺;你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品;你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通,這些都需要具體化到一個系統上,這個系統的集大成就是機器人。

好,我們有了史上最強的大腦。但一個再聰明的大腦,也需要一副強韌的身體。而這副身體,為什麼非得是「人形」?這不是一種很沒效率的執念嗎?

為什麼機器人非得是「人形」?這不是一種低效的執念嗎?

這是我一直在思考的問題。為什麼業界的主流目標,是充滿挑戰的「人形」機器人?為何不設計成效率更高的輪式,或是功能更多元的章魚型態?

-----廣告,請繼續往下閱讀-----

答案,簡單到令人無法反駁:因為我們所處的世界,是徹底為人形生物所打造的。

從樓梯的階高、門把的設計,到桌椅的高度,無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言,採用人形的軀體,意味著它能用與我們最相似的視角與方式去感知和學習這個世界,進而最快地理解並融入人類環境 。這背後的邏輯是,與其讓 AI 去適應千奇百怪的非人形設計,不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具,產線上的機械手臂能高效重複鎖螺絲,但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標,是成為一個「多面手」,它能在廣泛學習後,理解物理世界的運作規律 。理論上,今天它在產線上組裝伺服器,明天就能在廚房裡學會煮菜 。

人形機器人的手、腳、眼睛、甚至背部,都需要大量感測器去理解環境就像神經末梢一樣,隨時傳回方位、力量與外界狀態 / 圖片來源:shutterstock

但要讓一個「多面手」真正活起來,光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經,才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部,都需要大量感測器去理解環境就像神經末梢一樣,隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」,就無法匯聚成有意義的行動。

這正是研華的角色:我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中,讓它成為能真正思考與反應的「完整大腦」,同時也提供神經系統的骨幹,將感測器、I/O 介面與通訊模組可靠地連結起來,把訊號傳導進大腦。你或許看不見研華的存在,但它實際上遍布在機器人全身,像隱藏在皮膚之下的神經網絡,讓整個身體真正活過來。

但有了大腦、有了身體,接下來的挑戰是「教育」。你要怎麼教一個物理 AI?總不能讓它在現實世界裡一直摔跤,把一台幾百萬的機器人摔壞吧?

打造一個「精神時光屋」,AI的學習速度能有多快?

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料,但物理世界中用於訓練的互動資料卻極其稀缺,而且在現實中反覆試錯的成本與風險實在太高 。

答案,就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台,為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生(Digital Twin)世界,讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內,經歷相當於現實世界千百日的學習與演練,從而在絕對安全的環境中,窮盡各種可能性,深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環,Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本,但後來發現,它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺,是在現實世界中難以透過有限次的試錯來建立的。

所以你看,這趟從 Switch 到人形機器人的旅程,一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備:一個劃時代的「AI 大腦」(NVIDIA Jetson Thor)、讓核心延展為「完整大腦與神經系統」的工業級骨幹(由研華 Advantech 提供),以及一個不可或缺的「教育環境」(NVIDIA Isaac Sim 模擬平台) 。

結語

我們拆解了那些酷炫機器人影片背後的真相,看見了從「自動化」走向「自主化」的巨大技術鴻溝,也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測,未來 3 到 5 年內,人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景,如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器,能夠觀察我們的世界,理解我們的語言,並開始以物理實體的方式與我們互動,這將從根本上改變我們與科技的關係。

所以,最後我想留給你的思想實驗是:當一個「物理 AI」真的走進你的生活,它不只是個工具,而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」,你最先感受到的,會是興奮、是便利,還是……一絲不安?

這個問題,不再是「我們能否做到」,而是「當它發生時,我們準備好了嗎?」

研華已經整裝待發,現在,我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
專利戰逆襲!ASML 靠不存在的相機守住市占霸主地位
天下雜誌出版_96
・2025/09/08 ・2253字 ・閱讀時間約 4 分鐘

在荷蘭,一個強大的企業正在崛起。多年來,這家公司在一項看似不可能的技術上投入了大量資金,後來終於開花結果。2017 年,ASML 宣布新型的EUV機台為公司帶來逾十億歐元的營收。與此同時,ASML在傳統曝光機系統的市占率已攀升至九成。

有另一家公司正咬牙切齒地看著這一切:日本的尼康(Nikon)。1990 年代以前,這家日本科技集團一直是曝光機的市場龍頭,直到 ASML 橫空出世,一舉顛覆市場,奪下霸主的寶座。不過,當你被趕下寶座時,還有一條翻身之路:告上法庭。

2017 年 4 月,尼康第二次對 ASML 提起專利訴訟,連德國光學大廠蔡司的半導體部門也意外捲入其中。日方指控他們在荷蘭侵犯了十一項專利,同時也在德國和日本提出訴訟。一旦法院做出對尼康有利的判決,ASML 將被迫停止在維荷芬的機台生產。儘管已是市場龍頭,生產禁令的威脅仍再次讓 ASML 陷入存亡危機。不過這一次,ASML 早有準備。

ASML 對 2001 年尼康第一次提出的專利控訴記憶猶新。當年那場突如其來的訴訟,最終在 2004 年以交互授權協議落幕。交互授權協議到期前,ASML 曾多次主動接觸尼康商延展事宜,但日方始終不發一語。

-----廣告,請繼續往下閱讀-----

相對的,ASML 對任何與日本競爭對手有關的事物都很排斥。你絕對不會看到 ASML 的資深員工使用佳能或尼康的相機。他們寧可選擇奧林巴斯(Olympus)或索尼——畢竟,日本確實生產全球最好的相機。

ASML 相機專利訴訟

這讓 ASML 當時的執行長麥瑞斯(Eric Meurice)想到一個主意,他自認是超棒的點子。2011 年,就在這位法籍執行長卸任的前兩年,他找 ASML 技術長布令克(Martin van den Brink)提出計畫:一旦日方對曝光機提出任何控訴,ASML 就用相機專利反擊,直攻尼康的痛處。麥瑞斯語重心長地警告布令克:「你遲早會遇上麻煩,必須在他們的主場給予反擊,務必要拿到那些專利。」布令克把這個警告牢記在心。他們需要收購專利,而且最好做得神不知鬼不覺。

company.info 的資料庫顯示,2011 年 10 月,一家名為 Tarsium 有限公司的公司成立。這是 ASML 為了躲避尼康律師的法眼而設立的空殼公司。2012 年至 2014 年間,Tarsium 斥資近一千萬歐元,從惠普、全錄、聯發科、美國專利聚合公司高智發明(Intellectual Ventures)等公司收購數位攝影專利。

2014 年交互授權協議到期後,ASML 聘請了智財權領域專家威廉・霍英(Willem Hoyng)。霍英組了一個二十人的律師團隊。2015 年與 2016 年,調解再度失敗,無可避免的法律戰終於爆發。新一輪專利戰就此開打,尼康於 2017 年 4 月 24 日發起首波攻勢後,ASML 馬上祭出祕密武器。4 月 28 日,Tarsium 把所有專利轉讓給 ASML 與蔡司。同一天,這兩家公司就對尼康提出訴訟。

-----廣告,請繼續往下閱讀-----

外界得知反訴竟然是針對相機時,都大感意外,這不是有關微影技術的訴訟嗎?幾乎每週五,律師團隊都按要求來到 ASML 腦力激盪。他們認為尼康並不是真的想讓 ASML 停產:他們想要錢,而且是很多錢。但布令克並不打算讓競爭對手予取予求。

法官要求尼康與 ASML 展開協商,但尼康毫無談判意願:他們想先贏一個案件,再拿這個勝訴當籌碼逼 ASML 支付更多的錢。在荷蘭的前四個案件都判 ASML 和蔡司勝訴,但這還不是慶祝的時候,每個案子都攸關公司的存亡。如今與 ASML 已密不可分的蔡司,更是憂心忡忡。

一年半後,轉機終於出現了。2018 年 8 月,美國國際貿易委員會(ITC)裁定,尼康侵犯了 ASML 與蔡司擁有的相機專利。突然間,尼康的相機部門面臨美國的進口禁令,日方開始緊張了。

蔡司 ZX1 相機跳票內幕

身為 ITC 的申訴方,ASML 與蔡司必須證明他們確實蒙受經濟損失,這表示他們需要在美國市場上銷售一款使用到這些專利技術的相機。2018 年秋天,蔡司宣布推出 ZX1 相機。這是一款搭載定焦鏡頭和大型觸控螢幕的數位相機:全黑機身、稜角分明,內建相片編輯軟體和網路連線功能。還配上一個朗朗上口的標語:「拍攝、編修、分享,一氣呵成」。

-----廣告,請繼續往下閱讀-----

這個消息讓業界媒體困惑不解。蔡司上次製造相機,還是底片時代。自從 iPhone 問世後,數位相機的銷量就一路下滑,多數人都用手機拍照。蔡司這時居然要進軍這個式微的市場,這是認真的嗎?

蔡司承諾 ZX1 將於 2019 年初上市,但拒絕透露售價。美國分公司的團隊打造了幾台原型機,蔡司也在科隆的世界影像博覽會(Photokina)上發表了這款相機。發表會場面盛大,員工以熱烈掌聲迎接到場的媒體,彷彿整個潮流完全翻轉。

最終,日方讓步。2019 年 1 月 20 日,尼康、ASML 和蔡司共同宣布達成協議:德荷雙方支付尼康 1.5 億歐元(ASML 占 1.31 億),換取其專利使用權至 2029 年,並同意 ASML 未來每台浸潤式設備支付 0.8% 權利金,遠低於尼康原本的要求。

2019 年 10 月,空殼公司 Tarsium 悄然消失。至於那款 ZX1 相機呢?只有少數評測人員拿到了原型機。一些影片和部落格讚賞它的金屬鏡頭蓋和無聲快門,還附背帶。但這台相機究竟什麼時候才能買到?

-----廣告,請繼續往下閱讀-----

ZX1 始終沒有真正開賣,更遑論出貨。每次有攝影師詢問,蔡司的官方回應都是:「我們對相機的每個細節都力求完美。」故事就這樣結束了。到了 2020 年,蔡司改口說 ZX1 只是一台「概念相機」。

不過,ZX1 也不是完全沒留下蹤跡。布令克在他的辦公室裡翻找出一個白色盒子。盒子正面印著「Zeiss ZX1」——包裝依然完整。他把相機舉到眼前,露出笑容。「全新的,不知道能不能用,我從來沒用它拍過照。」

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下雜誌出版_96
27 篇文章 ・ 18 位粉絲
天下雜誌出版持續製作與出版國內外好書,引進新趨勢、新做法,期盼能透過閱讀與活動實做,分享創新觀點、開拓視野、促進管理、領導、職場能力、教養教育、同時促進身心靈的美好生活。

0

6
0

文字

分享

0
6
0
量子革命來襲!一分鐘搞定傳統電腦要花數千萬年的難題!你的電腦是否即將被淘汰?
PanSci_96
・2024/10/17 ・2050字 ・閱讀時間約 4 分鐘

量子電腦:解碼顛覆未來科技的關鍵

2023 年,Google 發表了一項引人注目的研究成果,顯示人類現有最強大的超級電腦 Frontier 需要花費 47 年才能完成的計算任務,Google 所研發的量子電腦 Sycamore 只需幾秒鐘便能完成。這項消息震驚了科技界,也再次引發了量子電腦的討論。

那麼,量子電腦為什麼如此強大?它能否徹底改變我們對計算技術的認知?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

量子電腦是什麼?

量子電腦是一種基於量子力學運作的新型計算機,它與我們熟悉的傳統電腦截然不同。傳統電腦的運算是建立在「位元」(bits)的基礎上,每個位元可以是 0 或 1,這種二進位制運作方式使得計算過程變得線性且單向。然而,量子電腦使用的是「量子位元」(qubits),其運算邏輯則是基於量子力學中的「疊加」與「糾纏」等現象,這使得量子位元能同時處於 0 和 1 的疊加狀態。

這意味著,量子電腦能夠在同一時間進行多個計算,從而大幅提高運算效率。對於某些非常複雜的問題,例如氣候模型、金融分析,甚至質因數分解,傳統電腦可能需要數千年才能完成的運算任務,量子電腦只需數分鐘甚至更短時間便可完成。

-----廣告,請繼續往下閱讀-----

Google、IBM 和量子競賽

Google 和 IBM 是目前在量子計算領域中競爭最為激烈的兩大科技公司。Google 的 Sycamore 量子電腦已經展示出極高的計算速度,令傳統超級電腦相形見絀。IBM 則持續投入量子電腦的研究,並推出了超過 1000 個量子位元的系統,預計到 2025 年,IBM 的量子電腦將擁有超過 4000 個量子位元。

除此之外,世界各國和企業都爭相投入這場「量子霸權」的競賽,台灣的量子國家隊也不例外,積極尋求量子計算方面的突破。這場量子競賽,將決定未來的計算技術格局。

量子電腦的核心原理

量子電腦之所以能如此快速,是因為它利用了量子力學中的「疊加態」和「糾纏態」。簡單來說,傳統電腦的位元只能是 0 或 1 兩種狀態,而量子位元則可以同時處於 0 和 1 兩種狀態的疊加,這使得量子電腦可以在同一時間內同時進行多次計算。

舉例來說,如果一台電腦需要處理一個要花 330 年才能解決的問題,量子電腦只需 10 分鐘便可解決。如果問題變得更複雜,傳統電腦需要 3300 年才能解決,量子電腦只需再多花一分鐘便能完成。

-----廣告,請繼續往下閱讀-----

此外,量子電腦中使用的量子閘(quantum gates)類似於傳統電腦中的邏輯閘,但它能進行更複雜的運算。量子閘可以改變量子位元的量子態,進而完成計算過程。例如,Hadamard 閘能將量子位元轉變為疊加態,使其進行平行計算。

量子電腦能大幅縮短複雜問題的計算時間,利用量子閘進行平行運算。圖/envato

計算的效率

除了硬體技術的進步,量子電腦的強大運算能力也依賴於量子演算法。當前,最著名的兩種量子演算法分別是 Grover 演算法與 Shor 演算法。

Grover 演算法主要用於搜尋無序資料庫,它能將運算時間從傳統電腦的 N 遞減至 √N,這使得資料搜索的效率大幅提升。舉例來說,傳統電腦需要花費一小時才能完成的搜索,量子電腦只需幾分鐘甚至更短時間便能找到目標資料。

Shor 演算法則專注於質因數分解。這對於現代加密技術至關重要,因為目前網路上使用的 RSA 加密技術正是基於質因數分解的困難性。傳統電腦需要數千萬年才能破解的加密,量子電腦只需幾秒鐘便可破解。這也引發了全球對後量子密碼學(PQC)的研究,因為一旦量子電腦大規模應用,現有的加密系統將面臨極大的威脅。

-----廣告,請繼續往下閱讀-----

量子電腦的挑戰:退相干與材料限制

儘管量子電腦具有顛覆性的運算能力,但其技術發展仍面臨諸多挑戰。量子位元必須保持在「疊加態」才能進行運算,但量子態非常脆弱,容易因環境中的微小干擾而坍縮成 0 或 1,這種現象被稱為「量子退相干」。量子退相干導致量子計算無法穩定進行,因此,如何保持量子位元穩定是量子電腦發展的一大難題。

目前,科學家們正在探索多種材料和技術來解決這一問題,例如超導體和半導體技術,並嘗試研發更穩定且易於量產的量子電腦硬體。然而,要實現大規模的量子計算應用,仍需克服諸多技術瓶頸。

量子電腦對未來生活的影響

量子電腦的快速發展將為未來帶來深遠的影響。它不僅將推動科學研究的進步,例如藥物設計、材料科學和天文物理等領域,還可能徹底改變我們的日常生活。例如,交通運輸、物流優化、金融風險管理,甚至氣候變遷預測,都有望因量子計算的應用而變得更加精確和高效。

然而,量子計算的發展也帶來了一些潛在的風險。隨著量子電腦逐漸成熟,現有的加密技術可能會被徹底摧毀,全球的資訊安全體系將面臨巨大挑戰。因此,各國政府和企業已經開始研究新的加密方法,以應對量子時代的來臨。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。