相關連結:https://iknow.stpi.narl.org.tw/post/Read.aspx?PostID=18591
其中,採用5G FWA的比例仍舊很低。根據統計2021年只有4%的 FWA是採用5G網路,預計2022年可提升至7%。Deloitte預測到2026年FWA有39%的比例是採用5G FWA。
[註] FWA(Fixed Wireless Access Service)一種透過無線的方式來提供網路服務,可以用來取代光纖等固定網路的最後一哩路。大致可分為有線和無線的方式,有線方式有電纜、電話線、光纖等方式,但對於偏僻、地廣人稀或是地形破碎的地區,有線網路部署不易,且維修工程和成本高;若採取無線的方式,不但可提升部署效益,也能隨著無線通訊技術的進步而快速的升級傳輸速率。
預計2020年至2026年FWA連網的年複合成長率為19%,其中表現最為優異的是5G FWA,同期之間的年複合成長率接近88%。目前預計採用4G和其他技術的FWA,將2025年之後開始穩定的下降。
Deloitte表示,愈來愈多政府開始關注採用FWA作為服務欠缺的地區提供有線寬頻網路替代方案,主要原因在於5G能夠提供可靠且足夠快的服務。簡單來說,5G網路基礎設施和更高的頻譜效率顯著提高了FWA部署的經濟性和技術可行性,從而可以支持新的部署和營收機會。
此外,政府為增加農村和欠缺寬頻服務地區的網路而制定的計劃,通常偏愛於使用有線解決方案,但是為了降低佈建成本,5G FWA的出現似乎暗示著取代時機已經成熟。
美國、義大利和瑞士等營運商表示,利用5G FWA和光纖來升級和替換現有的DSL連網,能達到淘汰傳統銅線網路且降低成本之功效。根據Deloitte的數據顯示,FWA似乎也被視為5G的主要用例。在推出5G服務的供應商中,高達90%會提供5G FWA。
Deloitte表示,5G和FWA的成長正在對幾個不同的產業產生影響。例如:有線電視公司所提供的有線寬頻網路一直是許多消費者使用的網路,現今隨著行動網路營運商開始提供蜂窩式FWA之後,開始面臨用戶流失且營收降低的情況。
至於網路營運商與網路設備製造商都成為受益的產業。Deloitte指出,5G符合3GPP等行業標準,這意味著OEM廠商有機會合作創建可互操作性的設備。畢竟,互操作性是支持更多無線創新的關鍵。一旦標準化之下,其允許設備供應商生態系統共同開發和大規模商業化通用的、可互操作的裝置和設備,這對於降低成本並簡化營運商和用戶的安裝帶來很大幫助。
Deloitte預測5G FWA的成長將成為許多關鍵零組成擴大可用性的基礎,同時為電信和OEM廠商等提供新的營收來源、新的成長領域和創新機會。
相關連結:https://finance.technews.tw/2021/11/11/2021-bev-phev/
純電動車部分,特斯拉(Tesla)以21.5%市占率穩居第一,前三季總銷量超越2020全年成績。第二名為五菱宏光,持續維持高銷量的主因除了低價,另一個原因為銷售區域從過去中國三、四線城市逐步擴展到一、二線城市,顯示消費族群擴大轉變。比亞迪與福斯分別為第三名和第四名,福斯2021年十分積極將純電動車系列收斂至ID. Family,第三季開始幾乎皆以ID.系列車款為主要純電動車款銷售。純電動車市場雖成長快速,但傳統車廠加速推出車款、新興車廠開始交車後皆讓競爭加劇。
然而相較傳統燃油車,新能源車僅受半導體缺貨影響較小,並非完全不受影響,加上中國限電、疫情導致運輸混亂等,都對車廠產能有不同程度衝擊,成為市占率產生波動的因素之一。
插電混合式電動車方面,值得一提的是比亞迪躍居第二名成為黑馬,歸功於搭載新混動技術DM-i車款,從今年第二季起銷量大幅提升,前九個月總和超越多家歐系車廠。PHEV市占率變化也與BEV相似,由於市場競爭情況越趨激烈,各車廠整體銷量皆有成長但市占率拉升困難。
展望後續新能源車市場,TrendForce認為,傳統國際車廠純電平台陸續投入生產後,純電車款數量增幅加大且推出速度加快,且接下來1~3年是新創品牌、跨界造車企業陸續實現量產的時間點,故新能源車的排名與市占還有許多變動空間。
相關連結:https://www.blackrock.com/tw/investment-ideas/sustainable-in ...
ESG通常與「永續投資」一詞混合使用或相互通用。我們認為永續投資是一個整體理念,而ESG是用於辨別及制定具體永續投資方案的數據分析工具。
ESG數據通常被歸類為“非會計”資訊,因為它反映了傳統上未揭露於報告卻對估值(value)為重要的組成因素。
隨著影響企業評價的因素日趨複雜,無形資產的影響力不斷增加。透過ESG指標可衡量企業管理層所作出影響營運效率及未來策略方向的決策,並提供品牌價值及聲譽等無形資產狀況的觀點。
相關連結:https://aws.amazon.com/tw/machine-learning/what-is-ai/
人工智慧 (AI) 是電腦科學的一個領域,致力於解決與人類智慧相關的常見認知問題,例如學習、解決問題和模式辨識。人工智慧 (通常簡稱為 "AI") 呈現出機器人或未來世界的景像,也就是說,AI 不再是科幻小說中虛構的機器人,而真正成為現代高階電腦科學中的現實。Pedro Domingos 教授是這個領域聲譽卓著的研究人員,提出機器學習的「五大流派」,包括:符號主義 (Symbolists),源自於邏輯和哲學;聯結主義 (Connectionists),神經科學的分支;進化主義 (Evolutionaries),與進化生物學相關;貝葉斯派 (Bayesians),採用統計學和概率方法;以及類比主義 (Analogizers),源自於心理學。最近由於統計運算效率的提高,所以貝葉斯派的學者成功地讓「機器學習」在很多領域更向前邁進。同樣地,網路運算方面的進展也讓聯結主義流派的學者進一步發展「深度學習」這個分支。機器學習 (ML) 和深度學習 (DL) 這兩個電腦科學領域都是從人工智慧這個學科衍生出來的。
這些技術大體上分為「監督」和「未監督」兩種學習技巧,「監督」使用包含預期結果的訓練資料,「未監督」則使用不包含預期結果的訓練資料。
提供 AI 越多資料,它就會變得「越聰明」而且學習更快,企業每天產生這些資料讓機器學習和深度學習解決方案更加完備,包括從資料倉儲 (如 Amazon Redshift) 收集或擷取的資料、透過 Mechanical Turk 的「群眾」力量所產生的真實資料,或是透過 Kinesis Streams 動態探勘得到的資料等等。此外,由於 IoT 的出現,感應器技術讓需要分析的資料量大幅暴增,這些資料包含之前幾乎不曾接觸過的來源、地點、物件及事件資料。