OpenStack   黑客松 

OpenStack執行長呼籲企業勇於擁抱未來IT技術的多樣性

在OpenStack高峰會首日主題演講登場的講者，不論是OpenStack基金會執行長、Gartner分析師，AT&T、Volkswagen福斯集團等全球知名企業，以至紅帽（Red Hat）、SAP、Mirantis等資訊科技廠商，不約而同討論現今企業必須緊追雲端、行動、App、大數據等新興技術帶來的新機會，同時又得維護傳統系統的處境。（詳全文）

 Mitaka   OpenStack 

第13版OpenStack登場，主打容易使用搶攻一般企業市場

OpenStack基金會執行長Jonathan Bryce表示，新版特色不再是為了雲端維運者而開發，而是為了雲端使用者來開發，不只要吸引大型企業等超級使用者或維運商，現在也要搶攻更多一般企業。（詳全文）

 COA  雲端管理員 

官方版OpenStack管理員認證考試正式上路

OpenStack基金會正式推出第一個認證考試OpenStack認證管理員（COA），為驗證OpenStack認證管理員的技能，COA認證採用績效制度，而合格的管理員則需要至少6個月的OpenStack經驗，以及每日操作和管理OpenStack雲端的技能，應試者可至OpenStack基金會培訓市及參與培訓課程與測驗。（詳全文）

 雲達   Ceph 

紅帽與雲達合作，打造OpenStack和Ceph軟體定義基礎架構

紅帽聯手廣達打造OpenStack和Ceph軟體定義基礎建設，結合紅帽企業版Linux OpenStack平臺、Ceph儲存系統和RHEL作業系統與雲達伺服器、儲存和網路交換器，並共同開發聯合參考架構，協助用戶在雲達硬體上部署紅帽的軟體平臺。（詳全文）

 福斯   Mirantis 

福斯選擇與Mirantis聯手打造OpenStack私有雲，紅帽競爭失利

OpenStack業者Mirantis上周宣布已奪下福斯汽車集團（Volkswagen Group，VW）的私有雲建置案，這是OpenStack開放源碼在雲端應用中的一次大勝利，但開放源碼大佬紅帽（RedHat）卻在此次的競爭中落敗。

根據外電報導，VW並不會馬上結束與諸如VMware等既有合作夥伴的合約，但打算循序漸進讓OpenStack成為旗下12款汽車品牌的標準化平台，涵蓋Audi、VW、Porsche等。（詳全文）

 OpenStack代管   Rackspace 

Rackspace推OpenStack私有雲代管服務，降低企業採用OpenStack的技術障礙

美國雲端服務業者Rackspace推出OpenStack私有雲代管服務，協助企業用戶建置OpenStack私有雲環境，以及管理端到端的部 署、監控和營運，用戶可以選擇部署在自己的資料中心、Rackspace資料中心，或是Rackspace支援的第三方託管設備。（詳全文）

 Lambda   Node.js 

終於可用ES6新語法！AWS的Lambda服務支援Node.js 4.3版

AWS主打新一代無伺服器架構的Lambda服務又有大更新，對Node.js的支援，從0.10版，提高到支援最新的Node.js 4.3版，這也意味著許多ES6特性的語法都可以支援了，包括如箭頭含式（arrow functions）、generators, for/of迴圈、樣版字串等（template strings）。（詳全文）

 OpenStack   Container 

OpenStack最新使用者調查出爐，線上環境採用率幾乎倍增

根據OpenStack基金會2016年使用者調查，在導入者中，實際在線上環境採用OpenStack的使用者比例大幅增加，從一年前的33%，到今年4月增加到65%，高出近2倍。

不過，大部分的OpenStack使用者導入開源不是僅是為了省錢，依據基金會這份調查，使用者選擇OpenStack最主要的原因是，OpenStack提供了許多的API與提供標準化使用模式，以加快部署速度。（詳全文）

 IBM   CRM 

IBM併購英國雲端CRM服務供應商Optevia

IBM日前宣布，併購英國雲端CRM服務供應商Optevia，來拓展IBM在政府和其他公共部門的雲端服務業務，而Optevia將納入IBM全球企業諮詢服務事業部。

Optevia成立於2001年，是一間專為政府部門提供SaaS服務的廠商，並從2004年開始與微軟Dynamics CRM雲端服務合作，服務至今累積了超過200家公共部門組織，包含英國緊急服務、中央政府、地方政府、教育部、議會、醫療機構、住房和社會企業等機構。（詳全文）

 IDC  雲端支出 

IDC：2020年，全球雲端基礎建設的支出將占近半總IT基礎建設支出

（圖片來源／IDC）

根據IDC全球雲端IT基礎建設追蹤季報，全球雲端IT基礎建設總支出在2016年成長18.9％，達382億美元，到2020年間，平均年成長12.5％。不過，傳統基礎建設在2016年仍是主流，占62.8％的整體基礎建設總支出，但是支出卻減少4％，長期間每年平均下滑1.3％。（詳全文）

 弱點評估   AWS 

AWS也要幫忙找網站弱點，弱點評估工具Inspector正式出爐

亞馬遜AWS宣布更新多項雲端功能，包括推出了弱點評估工具（Amazon Inspector）正式版，可自動評估應用程式是否有漏洞，與檢視應用程式是否符合安全規範、推出加大超大量資料運送箱Snowball的容量，從50TB增加到80TB，也更新AWS Elastic Beanstalk，瞄準手機App增加多項開發功能，包括提供自動部屬、測試平臺與認證服務等。（詳全文）

 AWS  組織改組 

亞馬遜宣布組織改造，雲端部門執行長由AWS資深副總裁Andy Jessy升任

公有雲龍頭亞馬遜也宣佈企業改組，AWS和全球消費者部門（Worldwide Consumer）新增CEO一職，AWS由原先的雲端運算部門資深副總裁Andy Jessy升任，主導亞馬遜雲端事業部門，而全球消費者部門CEO則由原先的資深副總裁Jeff Wilke 擔任。（詳全文）

 Google  人工智慧 

Google執行長：未來世界，行動優先將進化成AI優先

Alphabet在上周四（4/21）公布了第一季財報，子公司Google為其帶來202億美元的營收。財報公布後，Google執行長Sundar Pichai與媒體、投資者們進行電話會議，他表示Google十分重視AI人工智慧與雲端運算兩大領域的發展。Google的搜尋服務在廣告領域佔有重要地位，但他們發現單憑搜尋服務是不夠，搜尋服務的獲利開始下滑。因此開始借重其他領域的技術。（詳全文）

 微軟  企業雲 

微軟Cloud App Security服務全面上市，也可整合Office 365

微軟釋出旗下雲端應用程式安全服務GA版，提供企業用戶監控組織內的雲端應用程式使用狀況，並提供風險評估、資料控制、威脅防護等功能，另外，Office 365也整合了雲端應用程式安全服務的功能。（詳全文）

 阿里雲  企業雲 

阿里雲雲棲大會深圳登場，今年將擴大進軍海外市場

阿里雲在中國深圳舉行雲捿大會峰會，宣佈與SAP、Accenture合作，擴大雲端服務內容及產業深度，還發表新服務包括雲端資料、儲存、視頻等，今年也將增加歐洲、日本、印度、中東等資料中心，將服務擴大到更多海外市場。（詳全文）

 Azure   Container 

雲端容器又有新選擇，微軟正式推出Azure Container Service

Azure Container Service支援Docker映像，且在指揮調度層採用開放源碼，使得客戶應用可攜至任何雲端或就地部署建置。（詳全文）

 CloudFlare  臺灣新機點 

CloudFlare新機房即將在臺上線提供網站CDN服務

臺灣企業網站未來選用CDN服務將有新選擇！美國跨國CDN服務商CloudFlare將增加臺灣做為全球CDN（內容傳遞網路）服務機房的新據點，企業未來直接就近就可在臺灣取得CDN服務，而不用還要繞道香港機房才能事先預存網站資料，以提供使用者瀏覽，而對於已採用CloudFlare的CDN服務的企業來說，此舉將有助於加速臺灣用戶端開啟網站網頁的讀取時間。（詳全文）

 DreamHost  雲端運算 

DreamHost正式釋出開源雲端運算服務，宣稱效能提升2倍

網站主機與雲端服務代管商DreamHost在2014年展開旗下開源雲端運算服務DreamCompute的限量測試（Limited Beta），現在終於釋出DreamCompute正式版（GA），而新版DreamCompute提升了效能和使用性。同時，DreamHost也宣布新的計價模式。（詳全文）

無論看哪個文件，無論翻開哪本書籍，談到Python的檔案處理，一律就是介紹open函式的使用，再搭配一個開檔模式列表。

承認吧！每隔一段時間沒用，你就總是得再次確認那些r、w、x、a、+等模式，到底代表哪些操作。

若厭倦了老是重複查閱、記憶相關文件的這個過程，何妨來探索一下open函式的背後到底是怎麼一回事呢？

初看Python的open函式

檔案處理在程式設計中是很基本的需求，在Python中無論要讀取、寫入、更新檔案或處理二進位資料，基本上只要運用open函式，其中最常使用的就是file與mode兩個參數，最多就是在處理文字檔案，而檔案編碼與作業系統預設編碼（locale.getpreferredencoding()傳回值）不同時，多指定個encoding參數。

看了一篇又一篇的文件之後，發現裡面都是如此介紹就結束了，這讓我覺得有些不安，檔案處理真的只有這麼簡單嗎？

回頭看看我熟悉的Java，單是古老的I/O串流設計，除了InputStream、OutputStream各自的子類別外，還有著各種的裝飾器（Decorator），像是BufferedInputStream、BufferedOutputStream等，較新的I/O處理，則有NIO、NIO2等，那麼Python中有類似的東西嗎？

當搜尋到的文件或可查閱的書籍無法滿足疑問時，耐著性子查閱無趣的官方文件總是正確的決定。實際上在Python 3中，open函式共有file、mode、buffering、encoding、errors、newline、closefd、opener八個參數，雖然除了file是必要的參數之外，其他都有預設值，然而對照Python的簡明風格來說，一個函式會有這麼多的參數，依舊顯得很不尋常。

如果曾經試著使用type函式，測試在不同參數下open函式的傳回物件型態，那麼就會稍微有點答案。使用r、w、a時，預設會以文字模式讀取，open函式傳回的是_io.TextIOWrapper；若加上b模式，會以二進位方式讀取，open函式會傳回_io.BufferedReader（rb模式），或者_io.BufferedWriter（wb模式）；如果再加上+模式的話，傳回的會是_io.BufferedRandom；如果將buffering設為0，那麼會傳回_io.FileIO。

顯然地，open函式是作為一個工廠（Factory）函式，在指定不同的參數值下，隱藏了不同型態的實例建構的細節，直接傳回建構好的物件。由於Python中可以指定預設引數，然而，作用不見得是真的要指定什麼預設值，有時是要在動態定型語言中模擬出重載的特性，例如，對於預設引數被設定為None的情況，經常是此作用。

若將指定不同模式或參數值的open函式，看成像是靜態定型語言中重載出來的不同open函式，那麼open函式會有這麼多參數，基本上，就可以理解為數個工廠函式重載的集合體了。

檔案物件繼承架構

無論open傳回的物件是何種型態，在Python的官方文件中給了它們一個名稱：file object。因為，無論底層實際上是連接至磁碟檔案、記憶體，或者是網路上某個資源，都可以透過file object公開的檔案導向（file-oriented）API，像是使用read、write等方法進行存取。

因此對於常見的需求，使用open工廠函式搭配file object，開發者讀寫檔案的程式碼流程也就幾乎大同小異，無怪乎許多文件或書籍都只介紹open函式怎麼使用。然而，在需要進一步細部操作檔案時，就得知道file object在Python中，基本上分為三個大類：文字檔案、緩衝二進位（buffered binary）檔案與原始二進位檔案（raw binary）。

這三個大類的對應型態，分別是_io模組中的TextIOBase、BufferedIOBase與RawIOBase，它們都繼承了IOBase，而函式readline、readlines、writelines、close等，就是定義在IOBase中。不過IOBase並沒有定義read、write，而是定義在各自的子類別之中，因為實際上這要依TextIOBase、BufferedIOBase與RawIOBase不同的存取模式，而有不同的簽署定義。

方才看到的TextIOWrapper，實際上是TextIOBase的子類別，FileIO則是RawIOBase的子類別，BufferedReader、BufferedWriter都是BufferedIOBase的子類別，而BufferedRandom同時繼承了BufferedReader、BufferedWriter。

雖然_io是Python的內建模組，然而，可以察看io模組的原始碼，會發現它只是在做名稱空間管理，從內建模組_io中from import（匯入）了TextIOWrapper、BufferedReader等名稱，因此，相關的類別說明，也就可以在io模組的說明文件中一探究竟。

回到open工廠函式

知道了open傳回的file object，實際上會是什麼樣的繼承架構之後，對於open函式的魔法，就比較能知道其底細了。例如說，open(r'c:\workspace\test.py')的話，底層大概就是執行f = io.TextIOWrapper(io.FileIO(r'c:\workspace\test.py'))並將f參考的實例傳回，若直接執行f.readlines()，也就可以讀取test.py的內容。

然而，相對於方才的程式碼來說，使用open函式還是簡明多了，這讓我想起在Stack Overflow上有人問到，Java中有沒有python-like的IO程式庫（http://goo.gl/kqGrYu），其實，可以有類似以下的風格：

File f = Open('file.txt', 'w')
for(String line:f){
    //do something with the line from file
}

當時Java 7還沒有出現，不然的話，Java 7的NIO2中，確實有個Files類別提供了類似的功能，例如搭配lambda語法的話，可以撰寫成這樣的形式：

Files.lines(Paths.get(args[0])).forEach(line -> {
    //do something with the line from file
});

探索工廠的複雜度

實際上，在Java的NIO2中，也還有像Files.newBufferedReader這類的方法存在，用以取代過去面臨的一種情況——想取得一個BufferedReader實例時，我們往往必須使用new BufferedReader(new InputStreamSReader(new FileInputStream("..."))。而現在，當你習慣了又臭又長的語法，看到這類需求被封裝為工廠方法，並列入標準API，無疑是件令人高興的事。

然而，工廠畢竟是工廠，充其量只是代勞一些常見的物件製作過程，直接給你最後的成品，當你必須要掌握更多細節的時候，就有必要探索工廠背後的運作機制，瞭解到建立各個物件時的複雜度。

那麼，暫時要你忘了open函式，情況會如何呢？你有辦法在不使用open函式下，自行建立open指定了r、w、x、a、+等模式下，原本會傳回的物件嗎？

這會是個有趣的嘗試，過程中，你除了能夠更加瞭解Python的IO設計方式之外，也能反過來更加認識open函式上各參數之作用，不用只是死背那些r、w、x、a、+等模式，對於工廠交給你的物件，也就不會再覺得疑慮而不安了。

天生就是平行運算高手的GPU，不只在人工智慧應用中找到了新舞臺，還要進一步挑戰成為AI運算界的一哥，甚至也開始要讓VR與AR應用走向專業化。

儘管深度學習與AI應用的竄紅，開始讓GPU重要性跟以往截然不同，靠著GPU在AI應用的高CP值，越來越多企業與AI新創都有意採用。不過即便GPU在一些AI設備的重要性與日俱增，甚至受重視程度還高過於CPU，但還是不能因此就認為GPU可以無所不能，GPU本身還是有其局限的存在。

像是GPU缺乏處理大量不同性質運算能力的特性，就是最常被人拿來凸顯GPU不足的其中一個例子。因為GPU原本就被設計成專門處理大量高同質性的資料運算工作，是只能專心做相同事情的專才。

所以，當面對需要依據大量資料的不同特徵而做決策的運算時，GPU就顯得不太在行，這方面則是CPU的強項，因為CPU晶片內的每一顆核心，都是獨立運作可以負責處理各自不同的任務，CPU是能處理不同事情的通才，而不像GPU，雖然擁有遠超過CPU的核心數量，但這些核心的作事方式都是每個核心都只做同一件事。

臺灣大學資工系副教授洪士灝則是以更簡單易懂的方式，來說明GPU和CPU兩者角色的差別。他形容，GPU就像是工廠雇用的一群作業人員，這些作業員每日只需負責處理大量同類型的工作，例如產品檢測、組裝等，反觀CPU則較像是獨立運作的廠房專業人員，專門處理主管交付下來的不同各別任務，例如調度產線機臺或加派人力支援等。

洪士灝過去在效能調校、平行運算與異質系統方面很有經驗，今年他也一路全程參與GTC大會。他觀察，儘管GPU的高度運算能力在AI應用方面今年獲得高度的關注，但以目前來說，GPU要就此要取代CPU的角色仍有難度。他解釋，GPU在進行深度學習這類特殊的運算時，效率雖然比CPU高很多，但在面對處理一些運算後還需進一步決策或判斷的運算工作時， GPU的執行效率就比不上CPU，所以這方面還是需要CPU來完成。

在平行運算略占下風的CPU廠商近年來也開始提高CPU的運算能力，例如處理器大廠英特爾在新一代CPU處理器內，就陸續特別增加晶片內的核心數量，所以現在，可以看到越來越多的x86伺服器內配置的CPU核心數量，至少都超過10個以上。不僅如此，洪士灝更進一步指出，將來甚至有機會看到一些特殊版本的伺服器推出，這些伺服器至少具備有60至70顆以上的核心數，就是要用來拉近和GPU之間的距離。

GPU面臨的2個難處

而當CPU正逐步縮短與GPU之間的差距時，洪士灝明白點出，GPU至今仍有兩大瓶頸尚未解決。其中一個即是GPU目前還無法在系統內單獨使用，使得GPU取得資料的速度比CPU還慢。

洪士灝表示，截至目前，GPU還是以一種加速器或加速卡的方式存在系統，只能從旁擔任CPU的輔助角色。所以，不像CPU可以直接存取硬碟上的資料，GPU必須得靠CPU的幫忙，從檔案系統中將資料拿出並餵給GPU後，GPU才能進行後續的運算處理工作，使得GPU通常比CPU得花更多的時間才能拿到資料來計算。

GPU不只是取用資料得仰賴CPU的幫忙，洪士灝也指出，這也衍生出了GPU目前遭遇到的另一個困境，就是距離資料取得的地方太遠，使得GPU得經過好幾手的傳遞後才能取得資料。以大數據分析來舉例的話，GPU要取用資料就得經過GPU來聯繫，中間還得通過好幾層關卡，才能讓位在系統後端的GPU收取資料，所以當然距離資料就遠。

洪士灝表示，當GPU要借助記憶體內運算技術時，也同樣會遇到資料傳不夠快的問題。

GPU要從記憶體拿取資料，目前必需經由I/O 匯流排介面當作傳輸通道，但問題是，目前伺服器所用的I/O 匯流排，普遍都是PCIe這個傳輸介面，其傳輸速度仍遠低於作為CPU和記憶體之間資料傳輸的記憶體匯流排（Memory Bus）的速度。如果只是少量運算還好，但當需要運用大量記憶體內運算的時候，GPU拿資料的速度就會變慢，而影響了GPU的利用率。

不過至今，GPU所存在的這2大難題，還是遲遲未能獲得有效改善。洪士灝也坦言，這並非是單靠一家GPU廠商就能處理得了的事，而是得要有CPU和其他系統廠商的共同合作，才有辦法共同坐下來一起解決。所以，Nvidia再挑戰要讓更多企業在AI與深度學習都能用GPU的同時，接下來也得要想辦法解決GPU目前所面臨到的種種局限才行。

臺灣大學資工系副教授洪士灝表示，GPU至今仍有兩大瓶頸尚未解決，其中一個是GPU目前還無法在系統內單獨使用，只能擔任輔助角色使得GPU取得資料的速度比CPU還慢；另一個目前所遭遇到的困境則是GPU距離資料取得的位置太遠，因此當需要處理大量資料運算時，就很容易影響了GPU的利用率。

【相關報導請參考「GPU靠AI直攻運算龍頭」專題】

AI人工智慧、虛擬/擴增實境（VR/AR）與自動駕駛技術，在過去一年引起很高的市場關注，而一舉躍升成為當前最火紅的熱門話題，特別是以深度學習（Deep Learning）為首的AI應用，過去幾個月來，因為Google的AI電腦AlphaGo接連大敗歐洲和南韓國圍棋棋王，更在全世界吹起一股AI風潮，使得現在不只有大型科技或網路公司要大力投資AI，就連各國政府也都要砸重金扶植AI產業。

目前一些大型科技或網路業者，例如Google、Facebook、亞馬遜AWS、IBM、微軟與百度等，都陸續已在雲端服務中融入AI服務，做為電腦視覺、語音辨識和機器人等服務用途，甚至，也開始有越來越多規模較小的新創或網路公司，如Api.ai、Drive. ai、Clarifai與MetaMind等，打算將AI開始應用在各行各業的領域上。

GPU開始在AI應用逐漸嶄露頭角

然而，決定這些AI服務能不能獲得更好發揮的關鍵，不只得靠機器學習的幫忙，甚至得借助深度學習的類神經演算法，才能加深AI未來的應用。這也使得近年來，GPU開始在一些AI應用當中逐漸嶄露頭角。這是因為不論是AI、VR/AR，還是自動駕駛技術的應用，雖然各有不同用途，但他們普遍都有一個共同的特色，都是需要大量平行運算（Parallel Computing）的能力，才能當作深度學習訓練模型使用，或者是將圖形繪製更貼近真實呈現。

所謂的平行運算泛指的是將大量且密集的運算問題，切割成一個個小的運算公式，而在同時間內並行完成計算的一種運算類型。而GPU則是最能夠將平行運算發揮到極致的一大關鍵，這是因為GPU在晶片架構上，原本就被設計成適合以分散式運算的方式，來加速完成大量且單調式的計算工作，例如圖形渲染等。所以，過去像是高細膩電玩畫面所需的大量圖形運算，就成為了GPU最先被廣為運用的領域，現在，VR/AR則是進一步打算將原本就擅於繪圖運算的GPU發揮得更淋漓盡致，來呈現出高臨場感的3D虛擬實境體驗。

當然在遊戲繪圖運算外，後來GPU也被拿來運用在需要大量同質計算的科學研究中使用。甚至近年來，GPU也開始因為深度學習的關係，而在一些AI應用當中擔任重要角色。

深度學習其實是機器學習類神經網路的其中一個分支，深度學習本身是由很多小的數學元件組合成一個複雜模型，就像是腦神經網路一般，可以建構出多層次的神經網路模型，來分別處理不同層次的運算工作，這些神經網路本身並不做判斷，只重覆相同計算工作，使得GPU在深度學習方面可以獲得很好的發揮，而隨著網路、雲端和硬體技術成熟所帶來巨量的資料，也造就了現在所需完成訓練的深度學習模型，比起以前更需要大量高階GPU的平行運算能力，才足以應付得了。

GPU平行運算性價比贏過CPU

因為AI、VR/AR與自駕車應用需求提高後，也促使GPU重要性與日俱增，甚至為了因應深度學習與AI應用趨勢，新世代GPU反而希望盡可能在晶片中裝入了更多電晶體和核心數，來提高大量同性質的資料計算能力。若是以Nvidia新的Tesla P100系列的GPU加速器產品來舉例說明的話，在這個GPU加速器內總共裝有3,584個CUDA核心數（單精度條件下），其內含的電晶體數更一舉超過了150億顆，數量幾乎是前一代Tesla M40 GPU的翻倍，在雙精度條件下的浮點運算能力，更高達有5.3 TFLOPs。

當然GPU之外，CPU本身也具有計算處理的能力，不過在處理平行運算時，臺灣大學資工系副教授洪士灝認為，GPU的CP值（性價比）比CPU還要高。這是因為GPU原本就擅長處理大量高同質性的資料計算工作，而CPU則擅於通用型任務的資料處理，所以對於一些需要大量單調式運算工作的應用，就很適合使用GPU來執行，例如利用深度學習神經網路訓練模型來實現AI應用，或者是用繪圖運算呈現VR/AR所需的高細膩畫面，都很適合用GPU的方式來進行計算。

另外從Nvidia官方所公布的一份CUDA C Programming Guide設計指南中也揭露了在2013年前的過去10年間，GPU與CPU兩者在單精度與雙精度浮點運算（Floating-Point Operations Per Second，FLOPS）發展的比較差異。整體來看，GPU與CPU發展越到後期，兩者在浮點運算處理能力的差距，有逐漸被拉大的趨勢，這是因為越到後面才推出的新款GPU，更加強調浮點運算的重要性，而盡可能要提高GPU浮點運算的處理能力。所以，現在許多超級電腦內都有使用GPU，來大幅提高浮點運算的實力。

從Nvidia官方所公布的一份CUDA C Programming Guide設計指南中也部分揭露了在2013年前的過去10年間，GPU與CPU兩者在單精度與雙精度浮點運算發展的比較差異。

整體來看，GPU與CPU發展越到後期，兩者在浮點運算處理能力的差距，有逐漸被拉大的趨勢，這是因為越到後面才推出的新款GPU，更加強了浮點運算的能力。

今年GTC大會聚焦AI、VR/AR與無人汽車應用

今年在美國聖荷西舉行的GTC技術大會（GPU Technology Conference），也因為AI、VR/AR、無人汽車的關係而格外備受矚目。今年總共吸引了全球超過5千人參加，更有將近上百位的全球媒體、分析師到場，還有多達2百家廠商參展，規模是歷年來最大。而做為主辦方的Nvidia今年氛圍也很不一樣，Nvidia不僅在現場同時發布多款與深度學習和AI有關GPU新品，還針對了原本就擅長的VR/AR與自動駕駛應用領域推出了新的開發工具和產品，希望就此能讓VR/AR與自動駕駛可以更進一步應用。

也正因為AI、VR/AR與自駕車讓GPU的應用更廣了，因而造就了GPU在這次GTC大會扮演的重要性和應用性明顯提高不少，特別是AI與深度學習的應用方面，今年更成為會場上最炙手可熱的技術話題，在為期4天超過240場大小場的GPU主題講座中，有半數以上都圍繞著AI與深度學習而打轉，這還不包括了來自2位人工智慧界的重量級AI大師，分別是IBM人工智慧研究和技術策略的IBM Watson 技術長Rob High與豐田汽車研究機構執行長Gill Pratt，今年都親自到場分享他們所觀察到的最夯AI技術和應用新進展。

Nvidia執行長黃仁勳在今年主題演說中也強調GPU未來角色的重要性，將替深度學習與AI開啟一種前所未有的全新運算模式（Computing Model），將促使深度學習成為未來企業甚至每個人，都不能加以忽視的大事（Big Deal ），甚至將開啟另一種AI即平臺的新服務模式（AI-as-a-Platform）。而為了搶攻AI與深度學習市場，Nvidia今年甚至還罕見地，首度發表世上第一臺整套式深度學習專用的超級電腦DGX-1。

Nvidia執行長黃仁勳在今年主題演說中數度強調GPU未來角色的重要性，將替深度學習與AI開啟一種前所未有的全新運算模式（Computing Model），將促使深度學習成為未來所有企業甚至每個人，都不能加以輕忽的大事（Big Deal ），甚至帶來一種AI即平臺的新服務模式（AI-as-a-Platform）。而為了搶攻AI與深度學習市場，Nvidia今年甚至還罕見地，首度發表世上第一臺整套式深度學習專用的超級電腦DGX-1。

AI專用伺服器將助企業加快深度學習應用

Nvidia在這臺深度學習專用的超級電腦DGX-1內，使用了伺服器專用的GPU加速器Tesla P100為基礎而打造完成，Tesla P100採用了新一代Pascal架構設計，比前一代Maxwell架構的GPU加速器，在用來訓練神經網路的效能方面，Nvidia宣稱，Tesla P100足足有提升12倍之多。

Nvidia在這組超級電腦內總共裝入8張Tesla P100加速卡，使得DGX-1在半精度（FP16）的浮點運算次數每秒高達有170TFLOPS，如此高度的運算能力，Nvidia甚至宣稱，只要有了DGX-1，就等同於擁用了250臺x86伺服器而搭建的運算叢集規模，將有助於企業在深度學習方面獲得更好的應用效果。

而靠著DGX-1的高度運算能力，也因而縮短了過去用來做為深度學習訓練所需花費的冗長時間，若以單組2路Xeon E5伺服器和DGX-1進行比較的話，根據Nvidia測試的結果，在做為AlexNet機器學習的模型訓練方面，DGX-1完成訓練所花費的時間要遠比Xeon E5伺服器還快許多，Xeon級伺服器得要花150小時才能做完的訓練，DGX-1只須2小時就能完成。若以訓練機器辨識照片來舉例的話，所代表的是，每天被餵給DGX-1機器做訓練的照片，數量高達有13億張。

除了GPU以外，這臺DGX-1還有配置了一個2路Xeon E5 CPU處理器，系統記憶體部分最大則可支援512GB DDR4的記憶體容量，並也配備有7TB大小的SSD硬碟，至於電力供給部份則是使用一臺3U高度3,200瓦的電源供應設備，還支援了NVLink 混合式立方網格 （NVLink Hybrid Cube Mesh）技術，可提供更高速GPU互連的能力，網路部分則提供了雙10GbE連接埠和一個100Gb的Quad InfiniBand高速網路介面，而使得每臺DGX-1機器的總傳輸頻寬，每秒最高可達768GB。

不僅如此，Nvidia在這臺DGX-1中加入許多新的深度學習軟體功能，像是新增加的Nvidia深度學習GPU訓練系統（Deep Learning GPU Training System，DIGITS），可用來協助企業設計一個完整且互動的神經網路，還支援了 CUDA深度神經網路圖庫（CUDA Deep Neural Network library，cuDNN ）的v5新版本，可用來做為設計神經網路時可供GPU加速的函式圖庫。DGX-1系統內也提供了一些深度學習優化的框架，例如Caffe、Theano與Torch等，另還搭配一套雲端管理存取的工具和一個容器應用儲存庫（Repository ）。

Nvidia這臺深度學習專用的超級電腦DGX-1，主要是使用了伺服器專用GPU加速器Tesla P100來打造完成的AI專用伺服器，因而在這臺機器內總共裝入8張Tesla P100加速顯卡，使得DGX-1在半精度（FP16）的浮點運算次數每秒可高達170TFLOPS，如此高度的運算能力，Nvidia甚至宣稱，這幾乎等同於用250臺x86伺服器而搭建的運算叢集規模，將助企業獲得更好的深度學習作用。

GPU將擠身成為AI伺服器界的一線主角

而從Nvidia這次所發布DGX-1的銷售策略來看，除了要積極搶攻深度學習與AI市場外，也不難看出Nvidia想要透過推出整套式AI專用的GPU伺服器，好讓自己也開始變身成為一家能提供特殊GPU解決方案的伺服器供應商。

而這樣的作法所帶來的其中一個改變，便是也開始讓GPU應用位置有了截然不同以往的轉變。相較於過去GPU只在遊戲或研究領域受到重視，但在伺服器應用當中，GPU始終淪為配角，CPU才是主角，CPU處理器規格決定了一臺伺服器工作效能的高低，但現在，在一些特殊深度學習或AI專用的伺服器當中，GPU受重視的程度有時反而還高過了CPU，GPU反倒竄升成為一線主角。

以前，CPU是伺服器效能高低的關鍵，但現在，在這些深度學習或AI等特定用途的伺服器當中，GPU則是變成了關鍵，GPU擁有的核心數量多寡，決定了能不能將深度學習與AI更進一步延伸應用，CPU反而變成了配角，兩者位置恰恰好顛倒了過來，不過這種情況，目前只有在一些特殊運算用途的AI設備中才看得到，但也確實反應了GPU應用位置，正在逐漸改變當中。

當然，除了AI與深度學習需要用到GPU外，另一個需要用到GPU的VR/AR應用也成為今年GTC大會的另一大熱門焦點。除了現場有Nvidia技術人員展示結合GPU技術的各類VR應用外，展區內也設有VR Village體驗區，參加者可以現場試用Oculus與HTC Vive這兩款已正式出售的VR頭戴式裝置，現場體驗VR帶來的沉浸式視覺效果。

而從這些VR展示體驗當中，也說明了VR技術已開始跨入大眾化的實用階段，而且不只運用在遊戲娛樂領域，其他專業領域也開始能與VR結合，像是Nvidia在這次大會中就推出了一個Iray VR新應用，能將原本設計好的3D場景或物件模型，經過Iray渲染技術，在虛擬實境中呈現貼近真實情境的影像渲染效果，讓VR不只是當作遊戲使用而已，未來就連設計後的3D製圖也能用VR渲染技術呈現。當然在持續提高VR影像畫面細膩度和更快速的即時反應的同時， VR技術的下一步也需要搭配更高階的GPU，才能達到更深度沉浸式的高臨場感體驗。

除此之外，在無人汽車應用方面也有新進展。Nvidia將參與協助打造首輛賽車用的無人汽車的計畫，將採用Nvidia自動駕駛平臺Drive PX2做為汽車電腦系統核心，未來這輛無人賽車完成以後，重量預估將達1噸重，並且將會參加即將在2016至2017年賽季，由Formula E電動方程式首度舉辦的Roborace無人駕駛賽事。這場無人賽車比賽，預估將會有10支隊伍，共20輛的無人汽車參賽，共同在同個賽車場上較勁。每輛無人賽車硬體配備都完全相同，所以最後決勝關鍵將決定於哪隻隊伍可以運用機器學習，甚至借助深度學習的類神經演算法，盡可能提高駕駛判斷的預測能力，才能做到在以毫秒為競速單位的賽車場上稱王。

Nvidia這次還首度用VR來呈現火星地理環境，讓穿戴者可以沉浸在有如真實火星圍繞的視覺感受當中，這些環境資料都是從蒐集科學專用衛星的精確影像資料，以及火星任務取得數年的探測數據，所建構出貼近火星地形和氣候的虛擬實境。Nvidia執行長黃仁勳現場還與蘋果共同創辦人Steve Wozniak遠端視訊連線，並邀請他現場示範如何用VR來玩火星探險遊戲，沒想到Steve Wozniak卻顧不得旁人，自己就在現場玩開了 ，惹得現場笑聲一片，連人稱科技頑童的他也難以抵擋VR的魅力，也正說明了VR技術已開始走入實用階段。

【相關報導請參考「GPU靠AI直攻運算龍頭」專題】

網際網路之所以能興起，大半功勞是Linux等開源軟體適時的助力。更精確的說，是Linux、Apache、MySQL及PHP的組合，適時構成了涵蓋作業系統、網站伺服器、資料庫與程式語言的LAMP架構，而這個堅強的黃金陣容讓為數眾多的網際網路公司快速打造網站基礎建設，因而造就了網際網路的輝煌。

而今網際網路已邁進雲端時代，雲端運算架構的LAMP黃金組合到底是什麼？在OpenStack Summit Austin大會第二天主題演講，OpenStack基金會營運長Mark Collier一開始就拋出這個問題。

Mark Collier表示，IT基礎建設的需求量正在快速增加，根據思科的研究，預計2020年全世界將有超過500億個連結網路的裝置。然而，不論未來快速興起的連網裝置是汽車或健康醫療裝置等等，這一切的背後仍需要運算、資料儲存、移動；所不同的是，隨著連網裝置快速增加至百億以上的規模，對於基礎建設的需求量除了快速增多，也會截然不同。他認為以OpenStack打造IT基礎建設，可以符合物聯網與雲端高速成長所需要的高度擴充（Scale）能力。

2020年全球將有超過500億個連網裝置，據此推估全球的資料中心需要部署超過4億臺伺服器，才有辦法支撐5百億個以上的連網裝置，Mark Collier表示，接下來最大的挑戰是思考怎麼管理如此巨量的伺服器，顯而易見，傳統的管理方法無法應付上億臺伺服器的規模。他指出，進一步與使用者討論未來管理大規模伺服器的架構，發現使用者所需要的不外乎是透過可程式化的軟體，以全盤控制實體機器、虛擬機器與軟體容器。

Mark Collier表示，OpenStack將扮演整合引擎（Integration Engine）的角色，整合相關技術以提供具有高度擴充性的IT基礎建設平臺。顯而易見，未來IT基礎建設需具備大規模擴充的能力，因而OpenStack雲端軟體將有很大的發展機會。

Mark Collier接著訴求OpenStack社群要擁抱其他的開源社群，他說，面對未來只靠OpenStack社群單打獨鬥是不夠的，單靠任一個軟體或開源專案的成功，是無法達成未來IT架構所需要的那種高度擴充性。他指出網際網路早期的成長基石－－開源LAMP架構，就是由Linux、Apache、MySQL及PHP等多項開源軟體所組成的黃金陣容，它們合在一起所形成的影響力，遠超過任何單一軟體。

諸多使用OpenStack的大型企業，如Walmart、AT&T、Volkswagen及中國最大電信公司中國移動等，Mark Collier表示，這些大公司的客戶數量會不斷增長，像是中國移動的用戶已超過8億人，已經不可能只靠OpenStack來支撐未來的成長。

這些企業早已了解「不合作就只能等死」，Mark Collier以此呼籲OpenStack社群也能看齊。既然這些企業為了生存都能跳出舒適圈、比他們的客戶想得更遠大、積極參與開源軟體社群、勇於整合新技術，創造出比過往內部自行開發還要龐大的技術架構，Mark Collier說，我們也必須確定自己不是矇起眼來說OpenStack是唯一重要的技術，事實上未來絕對是OpenStack加上許多其他的技術，這也是OpenStack與其他社群合作的機會。OpenStack應該要效法LAMP架構的成功模式，傾聽使用者的需求，找出成功的模式。OpenStack加上其他的技術，將能造就未來新興IT架構。

Mark Collier接著分別邀請時代華納有線電視（Time Warner Cable）應用服務工程總監Tim Pletcher、即時通訊服務LivePerson雲端工程總監Koby Holzer上臺，討論他們如何以OpenStack搭配其他技術一起使用。Tim Pletcher表示，時代華納有線電視正以4個人的小團隊導入Apache Mesos，藉由Mesos管理實體機器的運算資源，再提供給OpenStack雲端服務使用，這項專案預計在5月會完成。

LivePerson則是在1年半前開始導入軟體容器（Container）技術。LivePerson的IT架構規模為2萬個實體處理器核心，為了要擁有更快的技術反應速度，他們將應用程式改寫成115個微服務（Microservices），並且採用Kubernetes來管理容器架構，以利於他們導入持續整合（Continuous Integration）、持續交付（Continuous Delivery）與其他新興技術。未來，LivePerson的目標是讓Kubernetes架構可以自主擴張，並且利用公眾雲達到混合雲架構。

從OpenStack使用調查發現，使用者已經將OpenStack跟其他新興技術一起搭配使用，其中Kubernetes的使用率最高，不過，這些技術卻也沒有一個使用率是超過5成，顯示新興技術的多樣性。

2年前，臺灣老牌人力銀行104宣布了前所未有的轉型計畫，要打造一個截然不同商業模式的第二代人力銀行，不再只是依賴人力仲介的商業模式，更要以人和社群來重構104的未來戰略。這項看似突如其來的營運大轉彎，其實早從五、六年前，104就悄悄地展開了一系列的布局。

今年2月剛過20歲生日的104，已是臺灣求職產業的龍頭，累積超過650萬筆來自企業求才、民眾求職的龐大人力資料庫，超過85％的營收來自人力銀行各項服務。

但是，為了轉型，104幾年前就開始投入1成營收來研發新品，還展開了IT架構大改造，來強化網站平臺的資訊體質，2010年時，更找來外商廣告圈小有盛名的資深廣告人，將人力銀行最機密的650萬筆資料庫交給了他。他就是一零四資訊科技副總經理陳力孑。

這位全臺最大人力銀行網站行銷長陳力孑，大學原本是念經濟系，在金門當兵期間讀了大量的行銷書籍，才打開了他的行銷大門，一路從外商廣告公司做起，在電信、金融、汽車、快速消費品等產業頗有斬獲，累積了不少市場營銷與品牌管理專長，也擔任過多家知名廣告公司的高階主管如陽獅廣告策略總監、上奇廣告業務總監。

陳力孑雖在廣告圈頗有資歷，但他在人力仲介產業卻是個生手，更不是科技專業的出身。但在40歲這一年，他毅然決然地離開了廣告圈，加入了104集團，他自己形容，這是「自己設下一個懸崖讓自己跳下去。」

善用資料庫進行大數據分析，是104的行銷戰略方向，但很明確的是104想要是跟過去截然不同的新商業模式，所以，陳力孑加入104後，開始打造實現行銷戰略所需的三個部門，包括了行銷部、公關部與研究部。

開創行銷三部門，鼓勵行銷人員成為市場先行者

出乎意料的，他第一個成立的部門是研究部，而不是行銷部。他賦予研究部的責任是，先建構出各產業的研究模組。以半導體產業研究為例，哪些是已知面向，哪些是可以深入探究的議題，待累積一定研究成果後，就可以進一步提供產業相關報告，再從客戶感興趣的內容，搭配企業或學校主動提供的產業資料，滾雪球般地建立起這個產業的完整研究模組。他說，每個產業研究得耗時1年半的時間。

目前104正式投入研究的領域至少就有8個，包括「半導體人才聚落」、「零售業流通人才聚落」、「學校人才聚落」等。104研究部門每年觀察各產業變化產出研究報告，同時也要負責規畫跨領域的應用。

陳力孑表示，研究部產出了研究報告後，就輪到行銷與公關部門接手，來執行跟企業、求職者更緊密的市場溝通工作。

不過，只做到包裝產品和與市場溝通，仍舊過於被動。「行銷人員應該要洞察先機，做市場的先行者。」這是陳力孑對一手創立的行銷部門的期望。

陳力孑認為，行銷人員就是要看到數據背後隱藏的議題（Hidden Agenda），提前知道市場的需求。「浪來了，就要在浪頭上看問題，而不是還在海灘上等著衝浪。」他強調，行銷人員必備這種解讀數據的敏感度與專業。

而104成立20年來，蒐集了求職者、企業主等客戶近650萬筆資料，就成了104最有力的資產，所以，陳力孑不想只是做出更好的傳統網路求職平臺，而更要善用這筆資產來進行大數據分析，從中挖掘出對客戶有益的訊息。

陳力孑舉例解釋，一位28歲擁有3年工作經驗的求職者，在104人力資料庫中可以找到30萬筆相同背景的記錄，透過大數據技術可以進一步分析出這類人才的職涯路徑，來幫助這位28歲的求職者找出下一步可行的求職機會，預估他下一份工作的薪資落點，甚至點出當他到了35、40歲時可能面臨的未來職場問題，並提供參考指標與經驗故事。

不只能應用於個人求職，大數據也能應用於104的企業客戶，陳力孑表示，企業需要各種領域的人才，利用資料庫大數據分析，就能告訴企業主人才聚落的分布。

例如，許多臺灣企業執著於在4大名校畢業生裡找人才，但每年這4校的畢業生僅3、4萬人，104就透過分析來提醒企業也有機會能從文學院所中找到有能力從事海外業務的人才，或像企業高端研發人才往往只占10%，想從中覓才，僧多粥少相當不易，反倒是維運端的工程師其實人才充沛，更有機會找到合適人選。104可以提供相對的市場指數情報，來協助企業完成更好的覓才策略或商業判斷。

著眼長期，與客戶經營緊密關聯

談話之中，陳力孑不斷強調要經營與客戶間的長期關係。一個人的職涯假設從24歲到65歲，中間可以服務的時間有二三十年，經營一個客戶帳號，其實是經營一個可能長達30年的關係。因此必須維持客戶的信賴度與黏著度。

長期關係的培養方式有很多種，例如，他會將研究部的分析報告放上網，供客戶免費下載，不只是提供有助於企業進行商務判斷的參考，也可提昇顧客對104的信賴，之後各界會更願意提供資訊供104進行研究，「成為良性循環的長線關係。」他說。

因此，104反而不進行少量、短期性的研究。而是「透過資料庫的大數據分析進行持續性研究。」陳力孑說，將600萬筆客戶資料變賣獲利是很短視的作法。「長期經營，深化自己的各項服務，才會有不間斷的客源。」

用科技走一條不傳統的行銷路

用大數據分析提供服務，其實與傳統行銷有很大的區別。陳力孑說：「我從當行銷協理開始，就不斷聚焦在資料探勘上。」這也是為什麼他的團隊可以不用下電視廣告，也不需要接觸傳統FMCG（Fast Moving Consumer Goods），他認為傳統行銷模式太落伍也無法解決104的服務問題，只能提升公司知名度。

而且若打傳統的廣告行銷戰，104的廣告經費連選舉都比不上，遑論大廠牌的洗髮精、汽車的廣告預算。因此，要精準呈現出104是個有價值的公司，產品的「效果」才是關鍵，效果好才能製造大量的回客率。因此104在資料庫上下苦功研究，力求能幫顧客找到適才適任的人才。

陳力孑認為，市場已經不再是傳統行銷之爭，而是「數位化」的戰爭。許多公司只把行銷工作視為網路化、社群化，將廣告投放在數位媒體，其實效果很有限，應該要找出企業內部的獨特資產並發掘它。

過去104依賴人力銀行營收來維持營運，但現在則透過資料庫發展出各種服務。陳力孑說：「真正的行銷是，將有價值的事物變成我跟客戶之間發生緊密關係的串連。」

不能只成為專才，也要雜學

不過，沒有任何科技背景的陳力孑，如何能在短時間成為利用大數據分析預測市場的行銷長。他的秘訣就是「雜學」。

他認為：「年輕人不只要成為專才，也要雜學。」首先要打好基礎功，例如，大學一、二年級基礎課程是最重要的基礎，如數學、統計學、微積分、經濟學等。「現在要找到基礎功不錯的人越來越難。」

陳力孑表示往往應徵數據分析的求職者，面試時遇到幾個統計問題就被考倒了。「這應該是最重要的部分，卻最不受重視。」許多大學喜歡開設實務課程，「看似營養，其實無法打下基礎，年輕人應該等到紮好馬步，再來磨練實務領域的功。」他說。

有了基礎，才能進入「雜學」的階段，這正是陳力孑能夠快速轉換領域，跟別人走出不同道路的關鍵。他所謂的雜學，就是大量涉獵不知道的事情。當陳力孑40歲進入104任職時，他仍舊當自己是新鮮人一般而覺得刺激，「因為從頭學習資料庫的使用。」，他經常請教各界專家、苦吞看不懂的技術書籍，再將過去的商務端應用經驗結合新的資料庫，「雜學」一下，才讓陳力孑有能力創造出104的不同視野。

新舊經驗的交融就是「雜學」，陳力孑深入解釋，現在的市場已經不是大眾傳播，而是小眾傳播，市場被切割成多個小群體，要針對每個小群體去做深度溝通，鞏固利基市場，「這是新的思考模式，也是好玩的地方。跟小群體溝通的時候，要用舊的經驗，預測客戶需求。」新與舊之間需要不斷的權衡。

陳力孑表示，雜學之道在於要有源源不絕的好奇心，能夠對新事物有高度的好奇，永遠抱持著What-If的提問精神。大學階段能夠建立專才能力，而雜學是永無止盡的試探，結合新舊，蹦出新鮮火花。

善用各界人脈，掌握行銷科技趨勢

除了雜學，陳力孑還有一個快速掌握趨勢脈動的秘訣。他說，就是常跟不同專家聊天，一場午餐約會可能1.5個小時，一杯咖啡不過40分鐘，短時間內就可以取得對方的經驗、各領域的最新議題。同時也可以幫助到對方取得自身領域的訊息。

更重要的是，這種互助的人際互動活動要持續不斷的維持，與老東家、同學和同事維持良好關係。陳力孑說道，面對快速變動的將來，許多事情無法預料，「透過多方分享，才可以預知未來可能面臨的情況來應變，就能成功掌握科技的趨勢脈動。」

 CMO小檔案 

●      學歷：紐約州立大學企管碩士學位

●      經歷

1995年畢業於逢甲大學經濟學系。

1997年進入台灣聯廣集團。

2000年赴美，2002年取得紐約州立大學企管碩士學位。爾後陸續在外商廣告公司擔任業務與策略企劃職，並曾投入微型創業。

2010年加入104資訊科技任職行銷處協理一職，2015年任命為行銷長，現更為該公司副總經理。

目前負責品牌管理、營銷策略、與客戶關係管理等任務。

 公司檔案 

一零四資訊科技

●      地址：新北市新店區寶中路119之1號10樓

●      成立時間：1996年

●      主要業務：人力資源服務網站

●      員工數：650人

●      資本額：3億3123萬元

●      年營收：6億700萬元（2015年）

●      董事長：楊基寬

●      總經理：洪廣禮

公司大事記

●      1996年：104人力銀行成立

●      1999年：與Hinet策略聯盟成立亞太網路廣告連播中心

●      2000年：推出求職求才WAP上網服務機制、結合臺北市政府、IBM，於MMS電子便利站提供即時的求職與進修服務

●      2001年：推出104eHRpro人力招募管理軟體、成立104獵才顧問中心

●      2006年：於臺灣證券交易所掛牌上市，為第一家上市的網路公司

●      2007年：104人力銀行網站在大陸正式上線營運

●      2011年：推出手機APP找工作

●      2012年：推出「升學就業地圖」功能，並申請專利通過。「對企業進行評價的方法」則獲中華民國發明專利

●      2014年：宣布要打造第二代104人力銀行，9月推出104+職涯社群

●      2015年：綠家教網站、兒童美術館網站上線

甲骨文4月大更新修補漏洞史上第二多，MySQL漏洞數量居冠

甲骨文發佈四月重大修補程式更新，共修補包括Oracle Database、MySQL、Solaris、Java及EBusiness Suite、Solaris、PeopleSoft等產品的136項重大漏洞，呼籲用戶儘速升級到最新版本。

這次重大修補程式更新也是甲骨文首次使用該公司通用弱點評分標準（Common Vulnerability Scoring Standard，CVSS）3.0版。同時這次修補的數量也是僅次於一月的安全更新，當時破紀錄修補了248項漏洞。（詳全文）

韓國公平會施壓，蘋果全球首度更改不公平的維修政策

這是蘋果公司有史以來第一次同意在個別國家修改與授權維修服務供應商之間的合約，合計修改了20項合約條款。（詳全文）

日航將用HoloLens培訓機組人員，以AR模擬波音駕駛艙作訓練

透過微軟HoloLens的AR呈現技術，搭配語音操作指示，能讓技師和機師從各角度來觀看1:1大小的引擎構造、零件名稱及飛機按鍵。（詳全文）

百度在美國矽谷成立自駕車團隊，揮軍自駕車市場

（圖片來源／百度）

百度在美國高科技產業聚集的矽谷成立命名為ADU-US的自動駕駛車研究團隊，預估年底將招募機器學習、機器人、電腦視覺、車載電腦等各領域超過100名研究人員。（詳全文）

Android新版Gmail終於也支援微軟Exchange

Google於周一（4/25）更新了Android平台上的Gmail程式，新增對微軟Exchange電子郵件伺服器的支援，該功能原本只現身於Google旗下的Nexus裝置上，現在則開放給所有的Android裝置。

微軟所開發的Exchange伺服器是一個基於Windows Server的行事曆暨郵件伺服器，從最初只支援私有的MAPI協定到現在已支援POP3、 IMAP、SMTP與EAS等多元通訊協定，由於Exchange對不少產業來說仍是個標準的郵件、通訊錄及行事曆平台，Gmail程式對Exchange的支援造福了許多微軟用戶，代表使用者只要透過該程式就能存取Exchange，而不必再開啟其他程式。（詳全文）

Android手機勒贖軟體有新招，藉惡意廣告攻擊勒索iTunes禮品卡代碼

（圖片來源／Bluecoat）

Bluecoat估計至少有224種裝置機型已經被植入惡意程式，受影響的裝置安裝4.0.3到4.4.4版的Android作業系統。估計這些舊版作業系統佔了Android裝置將近60%。較新的Android 5.x到6.x版則不在受害範圍。（詳全文）

孟加拉央行遭盜轉，竟然是10美元二手交換器惹的禍

（圖片來源／Bangladesh central bank）

孟加拉鑑識培訓中心表示，孟加拉央行遭盜轉8100萬美元案，因為該行採用了10美元的二手交換器連結SWIFT的金融電信網路，駭客藉由脆弱的交換器設備在該行的系統上植入了惡意程式，以截獲可用來進行轉帳的憑證，還抹去了相關行動的紀錄。（詳全文）

臺灣學術網路終於也要有百Gb級傳輸能力

為提升國內學術研究使用的網路品質，教育部、中央院及科技部底下國研院高速網路與計算中心等單位聯手推動「教育學術研究骨幹網路頻寬效能提升計畫」，將學術網路骨幹頻寬從10G提升到100G，預計7月正式啟用。

教育部表示，建立高品質、高頻寬的學術網路骨幹，提供國內學術研究單位教學、研究、實驗的共同網路平台，增加雲端服務效能，提供公開透明的網路速度及品質。今天（4/26）新的學術網路骨幹頻寬開始試營運，7月正式啟用，將提升我國學術網路品質。（詳全文）

Mesosphere釋出開源資料中心作業系統DC/OS，誓言讓資料中心管理像使用個人電腦

（圖片來源／Mesosphere）

DC/OS除了以Mesosphere為首外，同時還集結了超過60個企業夥伴。除了微軟、思科、HPE等科技大廠外，Puppet、Chef及Datadog等DevOps廠商也沒有缺席。（詳全文）

AWS大會瞄準行動裝置推出多項新功能　弱點評估工具Inspector正式出爐

亞馬遜AWS宣布更新多項雲端功能，包括推出了弱點評估工具（Amazon Inspector）正式版，可自動評估應用程式是否有漏洞，與檢視應用程式是否符合安全規範、推出加大超大量資料運送箱Snowball的容量，從50TB增加到80TB，也更新AWS Elastic Beanstalk，瞄準手機App增加多項開發功能，包括提供自動部屬、測試平臺與認證服務等。（詳全文）

福斯打造600坪OpenStack專用機房　汽車業也要實現雲端優先 全力擁抱OpenStack

日前OpenStack業者Mirantis宣布奪下福斯汽車集團（Volkswagen Group，VW）的私有雲建置案。Volkswagen因此在IT的建置上需要重新布建，包括管理設計、生產線以及旗下的12個品牌的財務管理等。再加上未來需投入的各種維運成本，Volkswagen基礎建設的副總裁Mario Muller在今天（4/25）的OpenStack高峰會上表示，將重整Volkswagen內部的IT基礎建設，全力加速對OpenStack的採用。（詳全文）

臉書Facebook舉辦Bug Bounty活動　臺灣資安研究員發現臉書伺服器被植入後門程式

（圖片來源／Orange Tsai）

臺灣資安研究員參加臉書漏洞通報比賽，成功通報7個漏洞，獲得4個獨立的CVE漏洞編號，並發現有駭客在臉書伺服器端，成功植入PHP惡意程式語法的跡象，但是臉書否認有使用者帳密因此後門程式外洩。（詳全文）

OpenStack執行長呼籲企業勇於擁抱IT多樣性　臺灣首度登上全球雲端舞臺

在OpenStack高峰會首日主題演講登場的講者，不論是OpenStack基金會執行長、Gartner分析師，AT&T、Volkswagen福斯集團等全球知名企業，以至紅帽（Red Hat）、SAP、Mirantis等資訊科技廠商，不約而同討論現今企業必須緊追雲端、行動、App、大數據等新興技術帶來的新機會，同時又得維護傳統系統的處境。（詳全文）

AT&T擁抱OpenStack五年有成，4年後布建千朵電信雲服務2億用戶

（圖片來源／OpenStack Summit）

美國電信巨頭AT&T擁抱OpenStack五年有成，今年目標要完成108朵電信雲建置，目前已在全球部署74朵雲，已開始提供全美超過千萬LTE用戶的電信服務使用，預計2020年，AT&T要達到千朵電信雲的建置目標，將可望具備支撐2億用戶的電信服務能力。（詳全文）

澳洲企業家Craig Steven Wright近日向三家媒體包括BBC、經濟學人和GQ坦言，他就是2008年發表比特幣（Bitcoin）論文、於2009年釋出比特幣軟體的中本聰（Satoshi Nakamoto）。他也在5月2日在自己的部落格上說明使用中本聰假名的緣由，但未來將不會再使用這個名字。「中本聰現在死了」他說。

中本聰一直是個謎樣的人物，去年底科技網站Wired與Gizmodo則報導過這位澳洲企業家Craig Steven Wright應該就是中本聰本人，不過，當時他還未鬆口，直到現在。

在Wright的部落格中，他在2008年的8月提到將發表一份有關加密貨幣的論文；Wright亦要求欲與他聯繫的讀者必須使用某個PGP公開金鑰，而註冊該公開金鑰所使用的電子郵件名稱（satoshin）與中本聰所使用的電子郵件名稱（satoshi）類似；Wright還在非常精確的時間點宣布了比特幣測試版的上線。這都成了去年媒體猜測他是中本聰的線索。

今年45歲的Wright有兩個博士學位，也建立了許多公司，他旗下一家名為Hotwire的公司是在2013年以價值230萬美元的比特幣創立的，約佔當時市場上所有比特幣的1.5%。

更多區塊鏈專題報導 

上周準行政團隊一對外揭露要用Line作為團隊內部即時溝通工具，一方面引起媒體高度關注，讚揚新團隊溝通方式更即時，但另一方面也引發外界對於採用國外通訊軟體的質疑，準內閣也在兩天內迅速改弦易轍，決定棄用Line，評估改用國產即時通訊軟體的可行性。從這裡我們也可以深刻的體認到，軟體實力就是資訊國力的體現，臺灣國產軟體在國際能見度仍處於弱勢，在這次事件可見一斑。

不過，之所以會引爆外界對於準行政團隊採用Line作為溝通工具的質疑，「資安」的隱憂，才是這起事件真正關鍵核心。如果背後沒有安全作為資訊國力的支撐，這樣的國力也是假的，因為一遇到資安事件，國家系統就有崩盤之虞，在國際社會上，更是侈言臺灣是資訊國力強大的國家。

臺灣駭客是站在政府後面而不是政府對面

臺灣過去十一年來，透過資安社群的蓬勃發展，慢慢的讓更多人意識到資安的重要性，更透過各種資安活動的舉辦，包括邀請國內外優秀的資安研究員參加社群場以及企業場的資安研討會，遇有重大資安事件緊急舉辦的Free Talk，甚至是現在越來越頻繁的企業漏洞通報等，加上與國內外各種資安社群的交流，也讓過往媒體上只有負面形象的「駭客」有了更多更正面積極的意義。

對資安的重視與累積，並非一朝一夕可以達成，不過，成果的累積很辛苦，但要毀壞卻只要一夕之間。如同準總統蔡英文對準行政團隊說的：「八秒鐘失言，可以毀了八年的累積。」資安也是同樣的情況，因為資訊安全本身是一種信任，要累積很難、毀壞卻很容易。

臺灣駭客協會也恰好在上週25日舉辦了成立一周年的感恩茶會上，長年支持HITCON這個社群，並一路看著臺灣駭客協會從社群到成立正式組織的臺灣科技大學資管系教授吳宗成，在茶會上一句：「臺灣的駭客是站在政府背後，而不是站在政府對面。」贏得現場如雷的掌聲。而吳宗成這句話，其實也是代表臺灣駭客社群對於法務部部長羅瑩雪在面對立委質詢時說：「臺灣駭客是站在政府對面。」的說法，予以最強而有力也是最直接的回應。

面對越來越複雜的安全議題，不僅許多人的電腦系統和文件被惡意的勒索軟體鎖定、資料加密後，甚至不得不支付高額的贖金，期能換得可以順利解密的金鑰；加上，萬物聯網，有越來越多裝置，也得面對是否會被駭客入侵的風險等等；甚至於，各國國際情勢詭譎多變，加上得堅守各國利益，不論各種國家級的監聽、攻擊等，更是家常便飯。

而國家關鍵基礎建設（CIP）或是關鍵資訊基礎建設（CIIP）的安全性，像是油、水、電、交通、金融和醫療等設施安全也益形重要，例如去年底耶誕節，在烏克蘭發生的烏克蘭電廠電力中斷的事情，隨著有越來越多這類關鍵基礎建設的工控系統，都開始會以網路作為主要的系統串接的骨幹時，不論是人為的意外，或被駭客攻擊入侵的發生頻率，也會越來越頻繁。因此，國家要有強大的資訊國力，勢必得有安全作為國家所有系統連結和運作的根基。新政府即將上任，對於安全的議題實在難以輕忽。

臺灣軟體人才陸續流向中資企業，已經是一種國安風險

安全與信任是現在在網路串連和科技掛帥的社會中，所有使用者的基本共識，有安全，才有機會實現準總統蔡英文說要打造網路大國、物聯網大國的目標和願景。

但是，此時的臺灣此時卻已經血淋淋的面臨另外一個挑戰，那就是臺灣軟體人才短缺，而短缺的原因則是如其他媒體所報導的，臺灣一流的軟體工程師，都被高薪挖角到中資公司上班了，實力夠好的軟體開發工程師，薪水往往是前面的數字不變，但是幣別直接以人民幣取代新臺幣，薪資增長3～4倍之多。

這種臺灣軟體人才外流已經是一種資訊國力走下坡的展現，更已經是一種國安風險，優秀的軟體工程師因為臺灣企業遲遲無法提供更好的留才條件和動力，只能眼錚錚看著這些優秀人才，拼命往中資企業流去。

臺灣向來以資訊硬體製造大國自豪，緊密連結的供應鏈廠商，造就臺灣資訊硬體製造的國際優勢。不過，硬體製造的榮光已經過去，，像是一支128 GB的iPhone 6手機若售價500美元，但製造商的製造成本，每一支iPhone 6的成本可能只有5～10美元，產品的價值是背後的軟體所創造的。對臺灣資訊業者而言，長期硬體製造的從早期保5保6，到現在可能連保1保2都不可得的情況下，，要避免低毛利的硬體產品普及，就一定得走向軟體研發，未來，國家和企業都應該要選擇「軟體投資」才是真正的王道。

或許有人會說，臺灣其實還是有一些法人機構有肩負起軟體研發的任務，像是工研院研發的即時通訊軟體揪科（Juiker），如果不是有事先看到這樣的即時通訊App的發展趨勢，並且願意投入研發人力，到後來，政府需要有一個國產研發的即時通訊軟體時，可能就沒有其他的選擇。

但相較於中國或是其他國家對於軟體人才的求才若渴，臺灣政府沒有多餘預算加上一些公務人員任用條例的限制，以及民間企業忽視軟體投資可以帶來的價值，還在以22K來聘僱員工等，都只會讓臺灣整體軟體研發實力更為下滑。

根據臺綜院研究三所所長蘇漢邦的研究，人均所得越高的國家，其IT軟體服務支出占GDP的比重越高，但臺灣IT軟體服務占GDP支出不到1％，軟體投資力道甚至比馬來西亞和越南還差。根據蘇漢邦的研究，臺灣如果能夠有足夠的軟體投資，例如，前一期民間企業對軟體投資增加1％，當期GDP會增加0.44％；若是前一期政府對軟體投資增加1％，當期GDP也會增加0.21％；前一期政府對軟體投資增加1％，當期產業附加價值則會增加0.35％；但如果是其他資訊硬體或其他硬體設備的投資，對於國家GDP和各產業增加則不顯著。

面對現在的時代，不論是政府或民間企業都無法忽視軟體投資帶來的價值，而優秀的軟體開發人才更是各國求才若渴的對象，甚至於，軟體開發實力其實這就是一個國家資訊國力的展現；而要有好的資訊國力，背後就需要安全做支撐，才能夠讓資訊國力名符其實。

對臺灣而言，中國飛彈如果炸掉立法院，頂多只是損失113個政治人物，臺灣的運作不會受到影響；如果飛彈炸掉行政院，會損失一批優秀的公務員，許多政府服務中斷，運作可能得暫停一個星期；如果飛彈炸掉新竹科學園區，臺灣的GDP可能得減少5％，得花一年～三年才能彌補這個斷層；但是，若飛彈炸掉中研院或者是內湖和南港軟體園區，以及許多優秀臺籍軟體工程師齊聚的臺北101大樓的話，就可能毀掉臺灣一群有戰鬥能力的轉體開發工程師，讓臺灣軟體實力甚至會會倒退一個世代，得花10年的時間才有下一代人才做遞補。也就是說，軟體開發人才和資安人才，將是臺灣保有資安國力最重要的後盾。

本週（4/24～4/30）重要資安事件回顧：

※準行政團隊Line國事作法急轉彎，準經長受命客製臺版即時通

※假攻擊真詐騙，駭客光靠喊著「狼來了」騙走逾10萬美元

※從Google Play下載App保證安全!？ 資安業者：超過100款惡意程式會偷資料、點擊詐騙

※準行政團隊設立Line溝通群組，專家質疑：臺灣科技資安政策在哪裡？

※Android手機勒贖軟體有新招，藉惡意廣告攻擊勒索iTunes禮品卡代碼

※報導：SWIFT承認發現數起來自其系統的疑似詐騙事件

※以匿名網路Tor造訪臉書用戶數已超過100萬

※迎接2020東京奧運觀光潮，日本10月將測試指紋、靜脈掃描支付服務

※打擊犯罪，荷蘭、加拿大跨國合作關閉有1.9萬用戶的加密地下網路

※抓漏獎勵成風潮，MIT鼓勵師生協助強化網站安全

※AWS也要幫忙找網站弱點，弱點評估工具Inspector正式出爐

※太威了！臺灣資安研究員發現臉書伺服器被植入後門程式

※孟加拉央行遭盜轉，報導：10美元二手交換器惹的禍

發明比特幣的中本聰究竟是誰？儘管自比特幣於2009年問世以來市場便有各種傳聞指涉不同的對象，然而要證明自己就是中本聰似乎比否認更困難，曾被懷疑是中本聰本人的澳洲企業家Craig Steven Wright周一（5/1）坦承自己就是中本聰，但隨即惹來砲火攻擊，外界要求Wright提出更有力的證據。

Wright先是向BBC、經濟學人和GQ等3家媒體承認他就是中本聰，繼之於自己的部落格提出證明。Wright公布了中本聰的加密簽名檔，以及握有第1及第9區塊等早期比特幣位址的私鑰。

然而，Wright隱匿身份多年卻又決定出面的原因是什麼？根據經濟學人的報導，Wright說外界的猜測對他的家人及生活已帶來困擾，同時也想消除外界對比特幣及區塊鏈的虛幻與疑惑等負面觀感。

比特幣基金會（Bitcoin Foundation）的科學長Gavin Andresen與執行總監Jon Matonis都相信Wright便是中本聰本人。

Matonis說，他在2010年3月曾收到中本聰的電郵，當時中本聰指點他公布比特幣的白皮書並鼓勵他研究該系統，當他在2015年遇見比特幣同好Wright時，他們一起喝咖啡討論比特幣的技術及經濟問題，回家後他就告訴妻子，他覺得自己像是遇到了中本聰。

昨天Matonis檢視了Wright所提出的證據，並相信Wright在密碼、社交及技術能力上完全符合中本聰所應具備的特質。

也曾與中本聰有過電郵聯繫的Andresen也在與Wright有過實際交流之後確信Wright便是當初的中本聰，是那位他印象中既聰明、有看法、專注、慷慨又注重隱私的比特幣發明人。

不過，外界質疑的聲浪並不比相信的少。安全專家Dan Kaminsky指出，Wright所公布的是中本聰在2009年所使用的數位簽名，而且其他人也能自公開資源取得。

此外，握有第1及第9區塊的比特幣位址只能代表Wright很早就投入比特幣，不是太有說服力的證據，除非Wright能夠證明自己建立了第0區塊，因為唯獨這個區塊只有中本聰本人能建立。比特幣開發人員認為，要是Wright真的想證明自己是中本聰，其實只要展示第0區塊的相關私鑰即可，不必以第1及第9區塊來混淆視聽。

未來智慧手機可能要比你想像的更聰明，高通(Qualcomm)週一宣布要搶先同業，針對旗下Snapdragon 820處理器推出業界首見的機器學習軟體開發套件。
 
命名為Qualcomm Snapdragon Neural Processing Engine的新SDK採用自家的Zeroth機器智慧平台，並針對Snapdragon處理器進行最佳化，以善用其異質運算能力，讓深度學習相關應用也能在行動電話、無人機、監控攝影機等可能採用該處理器的裝置上出現。
 
在此之前，Zeroth機器智慧平台也被Qualcomm用來提供場景偵測、惡意軟體偵測等功能。
 
機器學習技術已經被主流科技大廠廣泛利用，並以雲端運算基礎架構支撐所需的運算，但隨著新應用的出現，Qualcomm的動作亦凸顯其他業者欲將機器學習與雲端運算脫鉤並開創新應用的意圖；上星期亦有一家晶片商Movidius發表具備機器學習功能的USB設備，該公司亦與Google合作在Android設備上添加機器智慧處理技術。
 
Qualcomm的機器學習SDK預計在下半年才會正式推出，裝置業者將可在產品上增添自家的神經網路技術。目前市面上採用Snapdragon 820的裝置有三星的Galaxy S7、HP Elite x3、HTC 10、小米5等。

Google發表Android軟體更新，釋出多達40個軟體漏洞修補程式，包括6個有重大影響的修補，受影響的Android裝置估計高達74%或更多。
 
Google此次釋出的軟體更新有不少影響到目前最被廣為採用的4.4.4及更高版本，修補的漏洞包括開啟惡意影片檔後便可能導致遠端執行程式碼，以及惡意App可能侵入Qualcomm的TrustZone核心等。Qualcomm、Nvidia的驅動程式漏洞亦可能被惡意App利用進而取得額外權限。
 
Google強調儘管發現能遠端執行程式碼的重大漏洞，但尚未收到該漏洞被駭客成功利用造成災害的報告。Google自家的Nexus型號將可進行OTA（over-the-air）自動更新，但為數更多的其他Android手機則仍得面對同樣的問題：部分漏洞可以直接透過Google Play的更新機制更新，但牽涉到軟體核心變動的部分重大更新，則用戶必須等待電信商或手機製造商評估並開放更新後，才可能取得完整的更新；若手機製造商選擇不更新某些型號，則用戶將無法取得相關軟體更新，增加使用危險性。

Dell執行長 Michael Dell昨（2）日在EMC World大會上宣佈收購儲存大廠EMC之後的公司品牌。合併後的新公司將稱為Dell Technologies，包含兩個子品牌，其中銷售PC等用戶端的業務稱為Dell，而負責企業基礎架構的部門，則稱作Dell EMC。

執行長Michael Dell指出，新公司名稱旨在「傳達一家族的企業及相關能力的概念，這個家族...稱為Dell」。

報導指出，企業基礎架構部門旗下的數個產品品牌，包括 VMware、Virtustream、RSA 及Pivotal，也可望都會持續使用。

Dell去年10月以670億美元收購EMC，創下IT史上最大收購案的紀錄。而為了這樁收購Dell不但舉債高達430億美元，還賣掉 IT服務部門給NTT DATA籌措資金。

Dell以合併力求規模經濟的策略與另一IT巨擘HP形成兩個極端對比。HP在去年11月將公司分割為包括PC與印表機的HP Inc，以及提供企業軟、硬體與服務的HP Enterprise。

昨日Dell暗諷競爭者，相較於「其他公司正縮減成功的力道」，表示Dell和EMC則是逆向操作，新合併的公司將提供「下世代產業革命必要的技術基礎架構」；Dell和EMC不但產品互補，連公司文化也很相近。

去年Dell、EMC合併，HP Enterprise執行長Meg Whitman就曾經公開表達不看好，認為該合併案舉債孳生每年25億美元的沈重利息將拖累Dell公司財務，而且兩種截然不同類型的產品銷售方式，可能造成銷售通路的混亂。

為了進一步確保App的品質及安全性，Google Play日前增加了一項措施，凡是上架的App或遊戲內含廣告，將會加上明顯的「內含廣告」（contain ads）標籤。

Reddit網友於上周發現他下載的App，在「安裝鍵」或「開啟」鍵下方的「程式內購買」（In-App Purchase）右邊多了一個「內含廣告」的訊息。

在此之前，只有兒童或家庭App用戶會看到類似訊息。Google去年在Google I/O推動「Designated for Family」計畫，要求App中含有廣告的開發者人員必須在開發者專區相關方格中打勾申報，使兒童及家庭App用戶會在安裝時獲得提醒。這項方案在年底時擴大推行，所有類別的App開發商都必須在今年1月11日以前完成申報。

而且不只是第三方App有加註，連YouTube等Google自家App也都遵守相關規定。Google已向Techcrunch證實這項消息並表示，會在未來兩周內推向全球各地區的Google Play Store。

除了App程式內購買引發消費糾紛外，App廣告也可能引發掛馬攻擊、廣告詐欺、色情等問題，促使Google積極強化App品質管控，像是實施家庭專區、人工審查及年齡分級。不過由於數量過於龐大，Google Play Store中的惡意程式問題仍然防不勝防，例如資安業者Check Point即發現，至少有100款App內含間諜程式，下載後會竊取個資、進行點擊詐騙。

市場調查機構Net Applications近日公布的數據顯示，Google旗下的瀏覽器Chrome已超越微軟的IE，成為全球最多人使用的瀏覽器。

根據調查，Chrome在今年4月於全球桌面瀏覽器市場創下41.71%的佔有率，首度凌駕IE的41.33%，Firefox市佔已跌至10.06%，Safari及Opera各佔4.47%與2.01%，微軟最新的瀏覽器Edge則未出現在排行榜上。

Google是在2008年9月以Chrome加入瀏覽器戰局，當時Chrome雖陸續有人採用，但成長態勢並不明顯，短期內反倒助長了Firefox。不過，Chrome瀏覽器的市佔率在2011年初突破了10%，當時IE與Firefox分別取得57%與23%的市佔。

根據另一市場調查機構StatCounter的數字，Chrome在2011年底已超越Firefox成為全球第二大瀏覽器，繼之於2012年5月超越IE。如果依照StatCounter的調查，Chrome早在2012年便封王了。

就在美國國際貿易委員會（International Trade Commission, ITC）即將宣布三星控告Nvidia侵權之判決結果的前幾個小時，Nvidia宣布已與三星達成和解，替彼此的專利互控案畫下句點。

率先掀起這場官司的是Nvidia，Nvidia於2014年9月控告三星Galaxy系列的智慧型手機與平板電腦侵犯了該公司的繪圖晶片專利，而這也是Nvidia成立二十餘年以來首次提告，三星於同年11月展開反擊，控告Nvidia侵犯了三星的多項技術專利，並要求ITC禁止Nvidia的繪圖卡與系統單晶片輸入美國。

ITC先是在去年10月初步判決三星並未侵犯Nvidia專利，接著在12月初步判決Nvidia侵犯三星技術，並準備在本周發表正式判決。

由於兩項初步判決結果都不利於Nvidia，外界猜測Nvidia是因擔心自家產品遭禁而尋求和解一途。

Nvidia於聲明稿中表示，Nvidia與三星已同意就彼此間的侵權案件達成和解，雙方將撤銷向美國法院、ITC與美國專利暨商標辦公室（USPTO）所提出的所有侵權訴訟，也會交叉授權少數的專利技術，並未涉及廣泛交叉授權或其他補償。

華爾街日報及紐約時報本周引述消息來源報導，美國線上串流影片服務供應商Hulu正著手開發可串流廣播及有線頻道的訂閱服務，搶食傳統電視市場，新服務可望於明年初上線。

不論是Hulu或Netflix都是屬於線上影片串流服務業者，以隨選內容為主，提供的是電影、影集與錄製的電視節目，並未供應即時的電視節目或實況轉播。Hulu則打算引進各種電視頻道，讓用戶可以享受直播的節目或賽事，踩進傳統電視領域。

根據報導，Hulu的合作對象包含了Walt Disney與21st Century Fox等兩大Hulu股東，未來Hulu用戶將可自該平台觀賞Fox廣播網、Fox新聞、ABC、ESPN與迪士尼等頻道的直播內容。

已有愈來愈多的美國消費者取消有線電視服務，並轉用網路來收看電視節目，根據eMarketer的預測，2016年美國上網看電視的人口就首度超越總人口的一半。

有鑑於這類的剪線族（cord cutting）愈來愈多，美國傳統電視業者也逐漸向網路靠攏，例如HBO、CBS與Starz都推出了串流服務，而原本專營線上串流服務的Hulu亦將觸角伸向傳統電視服務。

與線上串流服務相較，傳統電視的優勢在於直播內容及擁有眾多的頻道，而且當消費者不知道要看什麼節目時，還可以隨便轉台來發現新節目。

不過，比起Hulu現在7.99美元與11.99美元的每月訂閱費用，外界估計Hulu新服務的月費可能高達40美元。Hulu目前僅在美國及日本等少數市場推出，並未進入台灣市場。

微軟於2015年5月釋出SQL Server 2016公開預覽版，近日終於宣布，在6月1日正式上市。

SQL Server 2016提升了運算效能和安全性，在效能方面加強記憶體內資料庫欄位儲存（In-Memory Columnstore）技術，微軟宣稱，與傳統硬碟的運算效能相比，記憶體內運算技術增加資料庫100倍的查詢效能。

新版SQL Server在加密的部分則新增全面加密（Always Encrypted）技術，允許使用者能夠對靜態（At rest）和記憶體內的欄位資料進行加密，且全面加密技術可以在不影響資料庫效能的情況下，保護使用者靜態和動態（In motion）的資料。

此外，微軟也將新版SQL Server定位為資料倉儲和大資料分析解決方案，內建支援R語言分析，以及透過內建的PolyBase技術結合關聯式資料和非關聯式資料，允許使用者可以用SQL指令查詢結構化和非結構化資料。

另外，用戶還可以透過SQL Server 2016的Stretch Database技術，將冷資料批次遷移至Azure雲端空間，以降低用戶建置儲存歷史資料的設備成本。

根據微軟，SQL Server 2016將推出4個版本，包含企業版（Enterprise）、標準版（Standard）、開發人員版（Developer）以及Express版，其中開發人員版與Express版供使用者免費下載，而SQL Server 2016的開發者版本已在3月釋出。

上周才以6.63億美元買下施工合約暨付款管理雲端服務供應商Textura的甲骨文（Oracle），本周又宣布以5.32億美元買下軟體暨服務（SaaS）供應商Opower，一周內花了12億美元來添購新的雲端行頭。

Opower的主要客戶為公用事業，專門提供有關客戶交流及能源效益的雲端服務，相關解決方案已被應用在全球上百個公用事業中，從PG&E、Exelon到National Grid等，客戶涵蓋電力、瓦斯及水力公司，Opower的大數據平台儲存及分析了來自全球6000萬用戶的6000億筆儀錶紀錄。

此一併購案預計於今年完成交易，將讓甲骨文與Opower成為全球公用事業最大的雲端服務供應商。

甲骨文對Textura的併購案也會在今年完成，Textura的雲端服務每月平均處理價值34億美元的6000個專案，目的為確保專案可在預計的時間與預算內完成，以降低開發人員、承包商及下包等各方風險。