關於 固鎖式引擎優點 ，我們在網路上蒐集到這些相關的討論、資訊與評價

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

📜 [專欄新文章] Crosslink 2019 Taiwan｜以太坊 2.0 的未來藍圖及挑戰
✍️ Frank Lee
📥 歡迎投稿： https://medium.com/taipei-ethereum-meetup #徵技術分享文 #使用心得 #教學文 #medium

Danny Ryan（source: Crosslink 2019 Taiwan）

十月底於台北矽谷會議中心舉行的 Crosslink 2019 Taiwan，吸引了來自世界各地的區塊鏈愛好者們齊聚一堂。第一天的議程，邀請到了以太坊基金會 (Etherium Foundation, EF) 的核心研究員 Danny Ryan，會中分享了以太坊 2.0 (Ethereum 2.0)目前的研究方向以及遇到的挑戰，演講的內容主要包含了以太坊 2.0 的架構，新的分片提案，執行環境 (Execution Environments, EE)以及雙向橋接 (Two-Way Bridge)等議題。

一、以太坊 2.0 的架構

以太坊 2.0 架構（source: Crosslink 2019 Taiwan）

第零階段(Phase 0)

在 以太坊 1.0 (Ethereum 1.0) 中，使用 工作證明(Proof of Work, PoW) 作為 共識機制 (Consensus)，並藉此產生新的區塊。為了要減少工作證明產生新區塊時，所需要的大量算力，以及所花時間過長的問題，以太坊 2.0 將改為 權益證明 (Proof of Stake, PoS) 作為產生新區塊的共識機制，以太坊 2.0 PoS 創世區塊 (Genesis Block) 預計會在 2020 年 1 月 3 日產生。

第零階段會建立信標鏈(Beacon Chain)，信標鏈就是以太坊 2.0 系統層級的鏈，當從以太坊 1.0 移轉到以太坊 2.0 時，信標鏈扮演著非常重要的角色，它是整個系統的基礎。

一旦第零階段完成，將會有兩個使用中的以太坊鏈。以太坊 1.0 鏈（目前所使用的 PoW 主鏈)以及以太坊 2.0 鏈(新的信標鏈)。在這個階段，使用者在 1.0 鏈把以太幣鎖到合約裡以註冊公鑰， 2.0 鏈會承認合約內註冊的公鑰。但是，他們無法將該以太幣遷移回去以太坊 1.0 鏈上面，為了要執行信標鏈，你會需要一個信標鏈的客戶端。目前，許多團隊正在開發這些客戶端。

第一階段(Phase 1)

第一階段會加入分片鏈(Shard Chains)，在這個階段主要專注於分片鏈的資料結構，以及其有效性(Validity)和共識性(Consensus)，分片鏈在這階段只當作資料鏈，並不會指定分片鏈狀態執行(State Execution) 或帳戶餘額(Account Balances)。這比較像是對分片結構進行測試，而不是嘗試利用分片來對信標鏈進行擴展。在這階段，信標鏈會把分片鏈的區塊(Block)， 當作沒有結構或意義的位元集合(Collections Of Bits)。以太坊 1.0 和以太坊 2.0 仍將同時存在，並且在以太坊 2.0 鏈上進行測試和遷移。

這個階段分片鏈會與信標鏈交聯(Crosslinks) ，每個分片的當前狀態 — “結合資料根(Combined Data Root)”，會定期記錄在“信標鏈”區塊中，作為交聯。信標鏈區塊完成後，相應的分片區塊(Shard Block)將被視為已完成，其他分片知道它們可以依靠這些區塊進行跨分片交易。

交聯是委員會(Committee)的一組簽名(Signatures)，證明了分片鏈中的某個區塊，可以包含在信標鏈中。交聯是信標鏈”理解”分片鏈更新狀態的主要方式。交聯還用作異步跨分片通信的基礎結構。

信標鏈在每個時段(Slot)中的每個分片，隨機選擇分片驗證者(Shard Validators) ，分片驗證者只是用來在每個區塊的內容上達成一致，他們通過交聯證明分片的內容和狀態，分片中包含什麼內容都沒有關係，只要所有委員會都達成共識，並定期更新分片上的信標鏈即可。

第二階段(Phase 2)

第二階段會將所有功能開始結合在一起，在第二階段，會完成分片化，分片鏈從簡單的數據容器過渡到結構化鏈狀態，並將重新引入智能合約。每個分片將管理基於 eWASM(Ethereum flavored WebAssembly) 的虛擬機。它會支援帳戶(Accounts)、合約(Contracts)、狀態(State)，以及 Solidity 中我們熟悉的其他抽象化，預計在第二階段之前或第二階段開發時，大家熟悉的工具（例如 Truffle, Solc, Ganache）需要轉換成支持 eWASM 的版本，以太坊 1.0 及以太坊 2.0 可藉由雙向橋接來互通，會有可擴展的 Layer 1 執行，藉由無狀態執行，來提高執行速度。

二、新的分片提案

新的分片提案（source: Crosslink 2019 Taiwan）

以太坊 2.0 原提案所運作的機制，是以每個時期 (Epoch) 為單位，來進行交聯的動作，每個鏈上有1024 個片 (Shards)，當需要跨分鏈交易(Tx)時，由於是每個時期進行交聯，會有較大的延遲時間；新提案更新為每個時段都進行交聯的動作，並減少片(Shards)的數量為 64個，來降低跨分片(Cross-Shard)交易時的延遲時間，每個時段都進行跨分片交易。

新提案的優點

對於以太坊 2.0 新提案的優點，首先新提案的片 (Shards)數量由 1024 個降至 64 個，降低了運算的複雜度，因為跨鏈時間從一個 epoch 降到一個 slot ，時間縮短第一個好處是給 DApp 開發者及使用者更好的體驗。第二個好處是以往需要手續費市場(Complex Fee Market) 及樂觀狀態(Optimistic State)這兩種複雜的跨鏈交易解決方案，現在不需要了。

新提案的交易

新提案只需要比之前的提案更少的片 (Shards)，就可以啟動交易，可能會有更長的分片時段(12s)，更大的分片區塊(Shard Block)，目前更新到第零階段 ，第零階段測試網(Testnets)的測試，可能會有所延遲 ，新提案減少了第零階段發布所需的時間。

目前的想法

希望能給開發者及使用者更好的體驗，使用較大的分片區塊(Shard Block)，來改進資料可用性，以及要降低開發延遲和第零階段發布所需花費的時間。

三、執行環境

以太坊 1.0 簡易架構圖（source: Crosslink 2019 Taiwan）

在之前設計的以太坊 2.0 和以太坊 1.0 中，狀態在共識機制裡，扮演著非常重要的角色，共識機制會隨時去讀寫所有的狀態，不管是執行的概念、交易的概念、帳戶的概念、樹狀結構的概念、以及所有在資料結構中的概念，都深深地融入共識中。

上圖是以太坊 1.0 的簡易架構圖，在圖中我們可以看到共識機制及一條鏈，共識機制裡包含了狀態及一個執行引擎，狀態裡包含了狀態樹，在這裡的執行引擎使用硬編碼規則，裡面包含了執行交易、帳戶模型和帳戶結構，我們可以看到圖的右邊有一條鏈，鏈上面有交易資料，在以太坊 1.0 中，我們會在交易資料上執行共識機制，去修改和更新狀態。

執行環境是一個單獨的虛擬機器，在以太坊 1.0 中，會有一個特定的帳戶模型(Account Model)，以及事先定義好的操作碼 (Opcodes)，礦工機制 (Gas Mechanisms)和狀態根(State Root)，以太坊虛擬機 (Ethereum Virtual Machine, EVM) 就是一種特定的執行環境。

如果遵循 EIP(Ethereum Improvement Proposals) 的建議，開發者總是在要求新的操作碼，或著是更改礦工成本(Gas Cost)來支援他們的應用，像是 Plasma 和 Zkrollup 這樣的例子有很多，這樣就會需要修改 EVM 1.0 的執行環境 ，才能支援到他們的應用程式(DApp)。

但是在以太坊 2.0 的第二階段中，我們可以支持多個執行環境。 也可以有多個狀態根，不同的帳戶模型等。舉個例子，你可以定義一個臉書幣執行環境 (Libra EE)，以便在以太坊 2.0 上運行 Libra。 或者，您可以定義一個比特幣執行環境 (BitCoin EE)，這樣就可以在以太坊 2.0 上運行比特幣。

以太坊 2.0 簡易架構圖（source: Crosslink 2019 Taiwan）

在以太坊 2.0 簡易架構圖中我們可以看到狀態根， 它可能是 32 Bytes 的 Blob，上面有 WASM 的執行碼 (Execution Code)，可以在使用者層級中去做細部設定。圖片右邊有一個鏈，鏈上有一般的交易資料以及見證(Witnesses)，見證實際上顯示在資料庫的區塊中，你需要針對該狀態而不是資料庫執行該筆交易，而且還需要證明資料對於當前狀態根是有效的。舉個例子，如果我們要在帳戶 A 和帳戶 B 之間傳遞數值，假設從帳戶 A 移動 5 以太幣 到帳戶 B ，我們不能直接說帳戶和餘額 (Balance) 是確實可用的，在過程中，我們需要加入見證資料(Witness Data)，來證明兩個帳戶當前的狀態，當執行碼正在執行交易資料時， 狀態根可以修改和更新狀態樹。

執行環境並不是共識機制預先定義好的，他可以在使用者層級上去做新增，我們也可以把以太坊 1.0 複製一份到以太坊 2.0 的執行環境中，將現有的狀態根放入EVM 直譯器，用梅克爾見證驗證器(Merkle Witness Verifier)來當作他的執行碼。

在原先的提案中，狀態和共識息息相關，且執行帳戶和共識中包含了狀態樹結構；而在新的提案中，執行環境為無狀態模型(Stateless Model)，高度抽象化的，並且它的可擴展性，相較原先的提案高出非常多。

執行環境的優點

執行環境有許多優點，相較於舊系統，它也許可以更快地將產品推向市場，因為我們不必等到核心共識推出之後，才研究並發展這個概念，在 Layer 1 會有更少的阻礙，它可以在各種應用上，使用具高擴展性及資料可用性的執行引擎，所以未來會長期使用這個核心基礎層。

執行環境的設計完成，讓以太坊 1.0 到以太坊 2.0 的遷移，有了更清楚的方向，使用執行環境比較不會有技術隨時間遷移而過時的問題產生。

執行環境交易

對於執行環境交易，開發者及使用者可能會覺得太抽象，對什麼是執行環境感到困惑，像是這一層加了什麼？應該在這一層做什麼？誰應該寫執行環境？而且相關的開發規範會趨向更嚴格的形式。

虛擬機可能會有潛在的碎片化問題，進而影響到交易速度。

目前的想法

目前所有的研究都是正向發展的，還有充裕的時間，嘗試並更好地了解設計空間，未來會多花一些時間，在建立更好的執行環境通訊機制上面。整體來說，現階段的進度，對於未來是重要的里程碑。

四、雙向橋接

最後一個主題，主要討論開發雙向橋接是否是值得的？團隊可能可以在什麼時間點，來去做雙向橋接？

單向橋接示意圖（source: Crosslink 2019 Taiwan）

講者先前提過的提案中，以太坊 2.0 最初有一個單向橋接，所以你可以從以太坊 1.0 轉換到 以太坊 2.0，但是最初的架構不允許回傳，這主要是出於幾個原因，這需要我們將以太坊 1.0 的發展 與 以太坊 1.0 和以太坊 2.0 的硬分叉緊密結合，並把兩個系統置於互相影響的風險之中，因此團隊認為以太坊 2.0 在發布且穩定之前，將兩邊緊密耦合是不明智的。

單向橋接的問題

月初在日本大阪舉行的 Devcon 5 上，橋接的問題受到了廣泛的討論，原提案的單向橋接(One-Way Bridge)模式，會有驗證者流動性的問題，而且更重要的是，它可能會引發以太坊 1.0 和以太坊 2.0 之間的可替代性問題，如果我們允許以太坊 2.0上的流動性，那麼某種形式的轉移機制，就會在將以太坊 1.0 分叉到以太坊 2.0 之前，或著是在雙向橋接之前產生，交易所中很可能會同時有兩個幣，團隊和整個驗證者社區都很擔心這個問題，目前正在找尋減輕這個問題的方法。

另外也希望鼓勵大家，在這些早期階段進行驗證，但是在早期階段進行驗證，肯定會有很高的風險，因為存在未知的鎖定期，因此也希望找到方法減輕這種風險。

雙向橋接

雙向橋接示意圖（source: Crosslink 2019 Taiwan）

雙向橋接目前可能的路線有兩條，一種是在以太坊 1.0 上面，建立以太坊 2.0 的輕節點；另一種是在以太坊 1.0 上運作以太坊 2.0 的全節點。

路線Ａ： 在以太坊 1.0 上，建立以太坊 2.0 輕節點

路徑Ａ示意圖（source: Crosslink 2019 Taiwan）

這個路線需要在實際的 EVM 中支援 BLS-12–381，會花費很多開發時間，而且它只提供輕量客戶端 (Light-Client) 層級的安全性。當驗證者在 2.0 鏈上產生提款交易的收據時，我們會拿到以太坊 2.0 的輕量客戶端證明，一但收收據的區塊在以太坊 2.0 上敲定了，你就可以在以太坊 1.0 的合約上提款。不過，這可能不是團隊最終選擇的路線。

路線Ｂ：在以太坊 1.0 上，運行以太坊 2.0 的全節點

路徑Ｂ示意圖（source: Crosslink 2019 Taiwan）

第二種路線，會在以太坊 1.0 的節點上，運行以太坊 2.0 的全節點，這個路線允許我們使用敲定性機制，因此，我們不僅可以使用這種機制，來促進以太坊 1.0 和以太坊 2.0 之間的轉移，我們也可以利用驗證者的安全性，來保護以太坊 1.0 鏈，我認為大家對此感到非常興奮，這通常被稱為“敲定性小工具提案(Finality Gadget Proposal)”。

但是還是需要一種機制，去輸出以太坊 2.0 狀態根在以太坊 1.0 上，所以有一些以太坊 2.0 社群的討論，在研究如何實作它，可能會包含礦工機制。

輸出以太坊 2.0 狀態根的另一個優勢，是以太坊 1.0 有穩固的機制可以實現它，以及同時擁有以太坊 2.0 的高擴展性及資料可用性，可以做一些有趣的應用，像是 ZK Rollup 和 Optimistic Rollup。

雙向橋接的優點

如果你在交易所中，列出以太坊 1.0 以太幣和以太坊 2.0 以太幣，它們的價格應該一樣。 如果不一樣，你可以用較低的價格買一個以太幣，把他發送到橋上，然後以較高的價格獲得另一種以太幣，並把它出售。 這種套利會使它們的價格保持不變，這樣會讓用戶，驗證者和開發人員感到困惑，雙向橋接可以防止兩邊的貨幣藉由套利的形式，來互相轉換。

雙向橋接的交易

但是還是有一些權衡在這裏，儘管對以太坊 2.0 的設計非常有信心，團隊還是希望在影響到以太坊 1.0 的安全性和風險狀況之前，先在生產環境中得到驗證。

雙向橋接是一種緊密耦合的共識機制，對於兩邊鏈的攻擊及產生的問題，都會影響到另一邊的鏈，協定的開發勢必會非常煩瑣，我們需要考慮到每個協定的安全性，如果我們越早開發協議，那麼我們實際上的進度就越少，當每個障礙隨著時間發展，它們就會相互阻礙，這讓以太坊 1.0 在這一點上的開發速度比以太坊 2.0 慢得多，因為實際用戶群存在很多擔憂，並且需要大量的協調，才能在我們的生產網絡上獲得硬分叉。

所以，如果我們越早將這些東西連在一起，就可能會減慢以太坊 2.0 的開發和分叉週期，並且這增加了一些額外的開銷，換句話說，驗證我們可以鏈接客戶端的開銷是相對的。

目前的想法

我們應該會在加入驗證人流動性之前啟用橋樑，但是會等到第一階段的產品穩定之後再開放；同樣的，有很多相關的研究都在同時進行，這可能會影響到，何時完成這個操作。

名詞解釋：

EIP(Ethereum Improvement Proposals)：EIP 是以太坊平台的標準，其內容包含了核心協議的規範，客戶端 API 以及合約標準。

epoch ：在以太坊 2.0 中，epoch 指的是時長 6.4 分鐘的時間單位，每個epoch 包含64個 slots。

Slot(時段)：每個時段為 6 秒，不一定每個時段都能產生區塊，而epoch 中最後一個 slot 稱為邊界時段 (Boundary Slot) ，或稱為檢查點 (Checkpoint)。

Solidity：Solidity 是一種合約導向的語言，主要用來開發智慧合約。

Consensus (共識機制)：共識機制是區塊鏈為了在各節點間達成共識，所開發的演算法。

Validator 驗證者：驗證區塊的節點，由信標鏈在每個時段(Slot)為每個 片 (Shards)隨機產生。

Gas：交易所需的費用，當 Gas 消耗完時，智慧合約會終止並進行 Rollback。

EVM(Ethereum Virtual Machine)：EVM 中文為以太坊虛擬機，是一種輕量級的虛擬機環境，Eth 1.0 中智能合約的運行環境為 EVM。

Dapp(Decentralized App)：在以太坊中，基於智能合約的應用都稱為去中心化的應用程序，即 Dapp(Decentralized App)。

ether(以太幣)：以太坊的貨幣名稱。

Finality(敲定性)：「敲定性」是 Casper 中的概念，是一種透過驗證者投票，在鏈上產生不可回朔（Rollback）的檢查點的機制。

Libra：臉書提出的加密貨幣，預計於 2020 年發行。

Merkle Tree：Merkle Tree 由計算機科學家 Ralph Merkle 所提出，中譯為雜湊樹，因為是由雜湊函式形成的樹。

Reference: [Ethereum Improvement Proposals](https://eips.ethereum.org/)

Reference: [Two-way bridges between eth1 and eth2](https://ethresear.ch/t/two-way-bridges-between-eth1-and-eth2/6286)

Reference: [Ethereum 2.0 (Serenity) Phases](https://docs.ethhub.io/ethereum-roadmap/ethereum-2.0/eth-2.0-phases/#phase-2-state-execution)

Reference: [ethfans](http://ethfa​​ns.org/)

Reference: [eth2 quick update](https://blog.ethereum.org/2019/10/23/eth2-quick-update/)

Thanks to Danny Ryan, Chih Cheng Liang, Juin Chiu, Yahsin Huang, and Jerry Ho

Crosslink 2019 Taiwan｜以太坊 2.0 的未來藍圖及挑戰 was originally published in Taipei Ethereum Meetup on Medium, where people are continuing the conversation by highlighting and responding to this story.

👏 歡迎轉載分享鼓掌

今天因故無法參加TL新車發表會，在這下半年SYM精鋭盡出，先DRG再來MAXSYM TL，接連兩款全新車，彷彿看到國產車展開一場大躍進！

SYM首款雙缸旅跑Maxsym TL黃牌速克達首發！

從年初推出Joymax Z，翻轉的國內黃牌重機市場，上市以來穩坐同級距冠軍，十個月持續熱銷近千台！SYM的企圖不只是在入門通勤級距持續稱霸，更要在競爭最激烈的高價黃牌級距，力抗進口車款，搶佔一席之地。

長年深耕本土市場的SYM，特地趕在2019年米蘭車展前夕，以台灣作為全球首發市場 將這台最具話題重機- Maxsym TL，搶先與國人見面，且以優於外銷的高規格版本，誠心回饋支持台灣自主研發生產車款的消費者。

Maxsym TL是SYM Maxsym車系最新車款，「TL」是並列雙汽缸車款「Twin Cylinder Line-up」的縮寫。Maxsym TL突破以往造車工藝，以「操控」、「美型」、「動能」建構出新一代旗艦旅跑的全新格局。

「操控」
● 固鎖式引擎設計：首款引擎採檔車設計鎖附車架，整車重心前移貼近騎士，達成完美的50:50配重設定，優異操控渾然天成，反應更直覺。
● 短軸距：同級最短軸距(1,543mm)，搭配加長型鋁合金後搖臂，兼顧高速直線穩定，與極佳的過彎靈活性，取得全面性的操控提升。
● 優異懸吊系統：前倒叉加雙三角台提升懸吊剛性，展現優異支撐性能，搭配六連桿後懸吊獨有的作動特性，帶來細緻的操控感受，更清晰更即時的路感回饋。
● 簧下重量降低：另外Maxsym TL搭載輕量化的鋁合金輪圈，減重達37%，大幅降低簧下重量，也直接提升了Maxsym TL的操控性。
● 剎車系統：搭載對向四活塞輻射卡鉗及ABS防鎖死剎車系統，以金屬剎車油管傳遞強大的制動力道和ABS精準的力道控制，展現優異制動性能。

靈巧操控是Maxsym TL最大的特色，也是整車設計的核心，

「美型」
Maxsym TL以簡潔運動線條，搭配外露強悍結構，構建出動感且有力道的跑車風格。全車採用LED燈系，採SYM車系中最高規格之LED飛行式頭燈系統(雙近雙遠)加上LED光學膜飛行尾燈，最貼近騎乘者的儀表則是使用4.5吋TFT數位化顯示，可切換選單瀏覽行車資訊外，還可有三種面板模式可替換，

對於外型，Maxsym TL不只玩酷，更懂得玩美。

「動能」
● 引擎系統：Maxsym TL搭載並列雙缸DOHC水冷引擎，全域馬力扭力大幅提升，居400cc區隔馬力扭力之冠，其中最大扭力出現區段廣且穩定，讓動力提早湧現，源源不絕。
● 效能最佳化：搭配抑震效果最佳的反向平衡缸以及濕式離合器，有效抑制引擎高速震動，降低起步抖動，行駛更順暢也更耐用。並同打檔車以鏈條傳動，動力傳導直接不衰減，平時保養更方便。
● 雙出口造型排氣管：低流阻觸媒提升高速性能，雙出外型霸氣、聲音沉穩有力。

Maxsym TL完美結合速克達與打檔車的優點，同時具備操作便利性與優異運動性，展現三陽工業精湛的造車實力。

其他旗艦規格配備：
● 內建TPS胎壓偵測系統(台灣版專屬)
● Keyless免鑰匙開關(台灣版專屬)
● QC2.0 USB充電座
● 2段式可調風鏡
● 類跑車前移可折式鋁合金後照鏡
● 側柱連動駐車剎車


建議售價：288,000元
超心動預購優惠20,000元 → 預購優惠價：268,000元
再享48期零利率分期，月付5,584元輕鬆入手
(預購總價值超過40,000元，預購限量200台，售完為止)
※以上價格皆不含牌險，詳細請以官網公布為主
※自2020年1月起依序交車。

更多車款訊息：https://tw.sym-global.com/showroom/motorcycle/motor.php?id=69
官網預購訊息：https://tw.sym-global.com/newsin.php?op=showone&nid=455
重車認證店：http://tw.sym-global.com/showroom/motorcycle/store.php

Maxsym TL北中南試乘體驗會：
• 11/10 (日) 台中高速駕訓班(台中市西屯區西屯路三段81-1號)
• 11/24 (日) 台南成功駕訓班(台南市永康區中正二街211號)
• 12/8 (日) 台北大龍港駕訓班(新北市汐止區忠一街9巷12號)
※名額有限，詳情以SYM官網公布

編者在10年駕駛過第一代三輪PIAGGIO MP3 300，雖然當時覺得她的彎向表現不及同級排氣量的綿羊靈活，而且較重，不過整體的操控性能比估計輕鬆。10年後編者試駕全新2020 PIAGGIO MP3 HPE Sport，車身更細小，壓彎更靈活，反應與一般綿羊無異，與此同時增添更多電子裝備。畢竟MP3已經面世13年，越來越好的操控性能也是應該的。

3年前的三輪車未成氣候，沒記錯的話近乎零選擇，所以當第一代MP3 250在2006年面世後（同年登陸香港），以其獨特的外觀、唔怕跣胎的安全感及實用取勝，三輪車從此流行起來，其他牌子的三輪車也相繼誕生。而第一代MP3除了250外，還有125、300及400版本，不過PIAGGIO卻以旗下的GILERA推出500版本，型號為Fuoco 500，外觀與MP3完全不同，車身線條更硬朗，外型像巨無霸，此車在港也彼受車迷歡迎，但其北美版卻稱為MP3 500。直至2014年，PIAGGIO才推出正宗MP3 500，外型與同期推出的MP3 300相同。

今次介紹的2020 PIAGGIO MP3 300 HPE Sport屬於最新款，而MP3對上一次改革是2015年，這款車子不僅換上新衫，改用電子油門，並加入循跡系統及ABS等安全裝備，以及改用更大呎吋的前及後輪框，可是編者無緣試駕這一代車子，然而今次有機會駕駛新款MP3 300 HPE Sport，因此體驗到隔代MP3 300的分別。

老實說，如果讀者沒有留意MP3 300的發展，未必知道PIAGGIO推出過MP3 Yourban，這款車著重市區行駛的靈活度，所以體積及重量較其她MP3輕量化，排氣量同樣是278cc，而輕量化的優點可讓騎士更輕鬆穿梭橫街窄巷，推車更容易，日常使用更方便。

回顧第一代MP3 300，前及後輪框均為12吋，廠方其後改用前12吋，後14吋配搭，但是自上一代MP3起卻改用前13吋、後14吋，前胎由120闊轉為110闊，140闊的尾胎維持不變，這大概是希望車頭有更靈活的轉向反應，而新款PIAGGIO MP3 300 HPE Sport保留前13吋、後14吋的規格。制動方面，前制動採用258mm鑽孔碟配兩活塞煞車卡鉗，後煞車採用240mm鑽孔碟配對向煞車卡鉗，輔以ABS防鎖死煞車系統，油門也有可選擇開或關的ASR循跡系統，以防尾胎在過彎或濕地打滑，進一步提升騎士的安全。

駕駛感受
如前述，三輪車熱賣的原因之一是跣胎機會較兩輪低，濕地行車更安全。正因為三輪車採用構造複雜的前避震，又多了一個轆，所以較相同排氣量的兩輪重，在推車或起大架時尤為明顯。不過由於MP3 HPE Sport設有電子Roll Lock功能，騎士只要撥動設於油門旁的推鈕便會鎖定車身，車子就不會翻倒，所以容許騎士落車，將車子推入泊車位；事實上，Roll Lock功能大約在15km/h以下才可啟動，儀錶板會亮起燈號提示，換句話車子將近停車前，例如交通燈位，騎士可以不用落腳停車，對於腳短的騎士彼實用，只要扭油便會解鎖，過程十分流暢。

不過使用Roll Lock初期，由於未掌握可啟動車速，自然會用肉眼看儀錶的燈號，或會造成騎士分心，稍一不慎更可能撞上前面的車輛，但個人覺得只要練習幾次，便能夠掌握撥動鎖掣的車速，不用依靠燈號。不過要記著，電子Roll Lock是根據啟動前的車身傾角固定車身，換句話車身傾則時仍可上鎖，因此為免解鎖後車身急速下墜，最好待車身接近垂直才上鎖。

雖然MP3 HPE Sport是三輪車，但座姿其實跟一般綿羊分別不大，同樣好舒服，座上車子後覺得車子比舊款細好多，不過由於座高達780mm，所以編者雙腳著地都會吊腳（編者5呎6吋高），駕駛視野也較高，風鏡在高速公路發揮不俗的擋風作用。事實上，對比第一代MP3 300 (編者沒有駕駛過後期版本)，好明顯感覺到新車在壓彎時沒有阻力，即俗稱「撬彎」，靈活度及輕巧度大有改善，感覺她的轉向反應與兩輪無分別，當日在大山都覺得好好彎。這或多或少跟車頭減磅（水箱遷移）及更換110闊度前胎（第一代使用120闊度）有關，因此廠方的宣傳片賣弄她的彎向表現。
全新2020 PIAGGIO MP3 300 HPE Sport之所以比舊款細小，是因為廠方借用MP3 Yourban開發；此外，新車配置新一代HPE高性能引擎，規格為水冷四衝程單汽缸SOHC 4氣門，馬力及扭力分別是26.2hp@7750 rpm及26 Nm@6500 rpm，官方表示馬力及扭力比舊款增長24%及15%，每1公升氣油可行駛31.2km，比舊款30.3km多，換言之新車更省油及更好力。事實上，新款Vespa GTS 300 HPE Super也是使用該引擎。

新款2020 PIAGGIO MP3 300 HPE Sport沿用雙搖籃高拉力鋼管車架，構造與一般綿羊分別不大，而名為 Articulated Quadrilateral Suspension System(鉸接式四邊型前避震)採用二字型鋁合金座，像天秤左右將一對連桿式前叉連接起來，結構與舊款MP3相同，不過改由另一間知名生產商製造。舊款MP3 300與MP3 Yourban的散熱水箱都是設置在車頭內，但新車的水箱卻遷移至前輪後方，擺放位置更低，與一般電單車相同。試想像散熱水箱、風扇及水泵的重量其實不輕，但是搬家後可減輕車頭的重量，與此同時將重量更中央化，使車子有更佳重心，絕對可以提升車子的彎向表現。

另一方面，雖然三輪車的最大傾角不及兩輪大，可是MP3 HPE Sport最大傾角也達到40度，不過日常駕駛好少會掟到這個角度，可是車身傾側一旦到了40度，你會感覺到車頭有「頂著」的反應，這告訴你已達到極限。此外，在一些情況下，三輪車的車頭吸震反應跟二輪有點不同，原因是震盪經左右輪胎傳到避震系統，使到像天秤的前叉十分忙碌，在凸凹不平路面掟彎時，軑把搖擺較多。原因之一是MP3 HPE Sport屬於運動版，避震設定較硬，十分運動化，因此爛路行駛產生較強跳彈感。不過對經常雙騎或載重型物件的用家來說，卻是不俗的設定。

之前提過2020 PIAGGIO MP3 HPE Sport與VESPA GTS 300 HPE Super Tech共用新一代HPE高性能引擎，278cc排氣量。VESPA GTS 300 HPE Super Tech出名夠力又快，但是由於2020 PIAGGIO MP3 HPE Sport承載更多重量，所以廠方將馬力由23.5hp / 8,250rpm調升到26.2hp / 7750 rpm，馬力增長2.7hp。雖然MP3 HPE Sport的加速力不及GTS 300 HPE Super Tech輕快，但是低扭及中段表現比舊款MP3 300優勝，即使100km/h車速行駛仍然表現輕鬆，既可應付香港高速公路需要，市區行駛綽綽有餘。要是擔心MP3 300的馬力無法滿足日常駕駛，斜路不夠力，但是又想玩三輪車，不妨留意MP3 500，不過她的重量及體積也會相應提升。至於2020 PIAGGIO MP3 HPE Sport的煞車力十分充沛，完全夠用，即使右腳踏設有腳踏式煞車，並且是前後煞車聯動，但是手感始終不及煞車桿敏銳。