2026011-AI 超音波設備開啟端側智慧新典範

2026011-AI 超音波設備開啟端側智慧新典範

從輔助工具到即時協作者,AI 超音波設備開啟端側智慧新典範

Integration of Multiple Technologies Heralds a New Era in Smart Healthcare

超音波設備的設計邏輯正悄然轉變。過去二十年,系統架構的核心命題是「如何將探頭擷取的資料更快地傳送至後端處理單元」。但現在,愈來愈多人開始提出另一個問題:這些資料,為什麼一定要全部傳送出去?

這個問題的背後,是超音波 AI 從「雲端輔助」走向「端側即時」的必然趨勢。當 AI 不再只是事後分析工具,而是要參與掃描過程中的即時輔助引導、影像品質評估,甚至初步病灶提示時,資料搬移所帶來的延遲與頻寬問題,就不再只是後端指標,而是直接決定產品與臨床體驗的硬性限制。
 

PCIe Switch:跨板多來源資料的動態路由

傳統超音波系統通常採用「分層部署」:前端類比前端(AFE)與波束成形 FPGA 之間,一般透過 LVDS 或 JESD204B/C 等高速序列鏈路連接,並多採分板或板內配置;前端擷取/處理模組與後端 CPU/GPU 之間,則通常透過 PCIe、SRIO、乙太網路或高速背板進行跨板互連。隨著通道數增加、取樣率提升,以及 AI 推論模組的導入,多來源資料爭用同一通道、延遲難以預測,以及頻寬成為硬性限制等問題也逐漸浮現。

PCIe Switch 的出現,本質上是為需要跨板、跨加速域的多來源異質資料,提供一條可擴充、低延遲、高頻寬的「高速公路」,而不是承擔所有資料流的唯一通道。

在新一代超音波平台中,探頭訊號經 ADC 轉換後,首先在擷取 FPGA 或自適應 SoC 內完成通道層級的預處理;只有需要跨板傳輸的波束成形後影像幀、抽象特徵、降取樣中繼資料等資料平面資訊,才會透過 PCIe Switch 動態路由至後端加速卡。不同層級的 AI 任務,分別作用於資料鏈的不同位置。

  • 原始域 AI,例如通道品質監控與自適應波束參數調整,可直接處理波束成形前的原始 RF 資料。這類任務對延遲極為敏感,因此必須在前端 FPGA/SoC 內完成邊緣運算。
  • 影像域 AI,例如分割、偵測與分類,則必須等待 FPGA 完成波束合成並產生影像幀之後,再透過 PCIe Switch 傳送至後端 NPU、GPU,或自適應 SoC 的 AI 引擎進行即時推論。
  • 系統日誌、裝置狀態等控制資訊,則可透過 PCIe 流量類別等機制獲得獨立的服務品質(QoS)保障,避免與資料平面爭用關鍵路徑頻寬。

此架構的核心價值不只在於「更快」,而在於按需分配:不同性質的資料採用不同路徑,不同優先順序的任務則獲得不同的資源保障。共享匯流排時代的實體層仲裁與爭用獲得緩解,頻寬競爭也收斂為交換矩陣內可管理的資源分配,從而大幅降低端到端延遲。

在整機架構層面,PCIe Switch 支援多裝置拓撲與路由重新配置,為模組化擴充預留空間。當新一代探頭介面卡或 AI 加速卡需要接入時,系統無須重新設計背板,只需在 Switch 層重新設定路由表。
 

異質運算與晶片內資料在地化:讓推論更靠近資料來源

過去,超音波系統的資料流採用「瀑布式」架構:從探頭傳送至前端 FPGA,再到後端 CPU/GPU,資料像流水般逐層搬移。然而如今,AI 模型已嵌入成像流程中,要求在波束成形、影像重建,甚至探頭端就完成初步推論。這意味著資料必須在更接近來源的位置被「保留」並「處理」。

這要求系統具備異質運算能力,並在硬體層面支援資料在地化。例如,在 FPGA 或 SoC 內整合專用 AI 加速核心或 DSP 核心,讓部分 AI 推論無須經過 PCIe 匯流排,即可在本地完成。此架構不僅可降低延遲,也能顯著減少跨晶片資料搬移所消耗的功率。

安富利合作夥伴 AMD 推出的第二代 Versal™ 自適應 SoC,為異質運算架構提供了可參考的硬體基礎。以第二代 Versal AI Edge 系列為例,其處理系統的純量效能相較前一代最高可提升 10 倍,並支援 DDR5/LPDDR5X 記憶體;新一代 AI Engine 導入新的資料類型支援,能源效率(TOPS/W)相較前一代最高可提升 3 倍。其整合的 AI Engine、可程式化邏輯、Arm 多核心處理器及第二代晶片網路(NoC2),非常適合執行進階波束成形演算法、影像重建及其他高效能功能。


AI Ultrasound Ushers in a New Era of Edge Intelligence
 

AI 驅動的動態資料壓縮與選擇性傳輸

超音波成像每秒可產生數百 MB,甚至數十 GB 的原始射頻(RF)資料。若將所有資料全部上傳至 AI 引擎,不僅會帶來龐大的頻寬壓力,也會造成不必要的延遲。因此,AI 賦能醫療的另一項關鍵突破,在於讓 AI 參與資料壓縮與傳輸的取捨決策。

在超音波領域,傳統無損/近無損壓縮、基於稀疏表示或特徵分解的 RF 壓縮,以及影像/視訊層級的編碼,例如 JPEG、H.264/HEVC,大多缺乏臨床語意感知能力,難以直接區分不同區域的診斷價值。「語意感知壓縮」正成為新一代超音波系統的重要演進方向。AI 模型在波束合成後的影像域介入,辨識包含診斷資訊的區域,例如血流訊號與組織邊界,並對這些區域進行無損/近無損處理,其餘區域則採用較高的壓縮比。這種選擇性傳輸策略可在不犧牲診斷品質的前提下,大幅降低傳輸資料量。

更進一步,系統可結合臨床情境動態調整壓縮策略。例如,在心臟超音波中,AI 可辨識心動週期中的關鍵幀,例如舒張末期影像,並優先確保這些影像的傳輸品質;在產科篩檢中,則更著重於胎兒輪廓的完整性。這種「臨床語意驅動」的資料管理方式,展現超音波系統從「資料搬運者」朝向「智慧資訊管理者」演進的方向。
 

結語

從雲端輔助走向端側即時參與,AI 正真正融入臨床工作流程,協助醫師分擔認知負荷。隨著端側 AI 持續滲透超音波、內視鏡、穿戴式監護等應用場景,安富利將繼續攜手生態系合作夥伴,推動 AI 從「輔助工具」進化為不可或缺的「即時協作者」,讓優質醫療資源更均衡、更高效地服務每一位患者。

 

 


 

2026011-AI 超音波設備開啟端側智慧新典範

2026011-AI 超音波設備開啟端側智慧新典範

相關文章
Integration of Multiple Technologies Heralds a New Era in Smart Healthcare
當 AI 叢集邁向 1.6T:別只看 GPU,IP&E 才是資料中心的「隱形匯流排」
2026年10月1日
運算晶片定義了效能的「天花板」,IP&E 則決定系統能否在極限負載下穩定運作。從 AEC 銅纜、LPO 光模組,到背板連接器與被動元件,正是 1.6T 時代資料流動的真正基礎。
Integration of Multiple Technologies Heralds a New Era in Smart Healthcare
汽車智慧化加速升級,48V電氣系統為何成為下一代架構關鍵
2026年9月1日
隨著軟體定義汽車(SDV)與智慧電動車快速發展,車輛正搭載越來越多高功率電氣設備,48V電氣系統正迅速從輕混動力輔助技術,演進為下一代智慧車輛的重要基礎設施。

2026011-AI 超音波設備開啟端側智慧新典範

相關活動
Avnet/ Renesas AI webinar
Date: 2020年7月15日
Location: Webinar