決賽作品評鑑結果已於7/13發送給所有參賽選手，評鑑結果請參照郵件公告，若有參賽選手未收到信件，請協助確認垃圾郵件。
決賽地點國立陽明交通大學 浩然圖書館 國際會議廳，7/21期待與各對決賽隊伍相見!
如有任何疑慮，麻煩來信至競賽工作小組信箱 tw-up@synopsys.com，將有專人會協助處理。
人工智慧及物聯網（AI + IoT）創生多元應用，遍佈人類日常生活而無所不在。
「2023年新思科技ARC盃®AIoT設計應用競賽」，新思科技邀請您發揮想像力，把創意變成實例，創造智能新玩意！
「2023年新思科技ARC®盃AIoT設計應用競賽」以【AI is All Around 】為主題，參賽者將運用新思科技ARC EM9D Processor與Machine Learning Inference（MLI）硬體加速器，結合Google TensorFlow Lite for Microcontroller（TinyML），提出基於實際應用領域的AIoT解決方案。
參加本競賽將可獲得總奬金累計逾新台幣30萬元，此外，將得到新思科技專業技術團隊的指導，得獎作品將納入新思開源推廣平台，有機會為自己的專業履歷加分！
｜活動說明：
- 主辦單位：台灣新思科技股份有限公司 （Synopsys）
- 聯合主辦：國立陽明交通大學國際產學聯盟總中心 （GLORIA-NYCU）
- 協辦單位：
- Google Cloud
- 伊雲谷數位科技股份有限公司（eCloudvalley）
- 雲動力資訊股份有限公司（Dynacloud）
- 輝創電子股份有限公司 （Whetron）
｜活動時間表：
| 項目 | 日期 | 說明 |
報名 | 開放報名 | 3月3日 | 線上報名、書面審查資料開放收件 |
報名截止日 | 4月16日 | 書面審查資料截止收件 |
書審 | 書面審查資料評鑑 | 4月17日~ 4月20日 | 評審團隊審核 |
合格隊伍公告 /
寄送競賽用開發板 | 4月21日 | 電子郵件通知 |
初賽 | 初賽文檔截止日 | 5月24日 | 初賽文檔截止收件 |
初賽評鑑 | 5月26日~ 5月31日 | 評委評鑑 |
初賽合格公告 | 6月1日 | 電子郵件通知 |
決賽 | 決賽作品截止日 | 7月9日 | 決賽作品截止收件 |
決賽評鑑 | 7月10日~ 7月13日 | 評委評鑑 |
決賽合格公告 | 7月14日 | 系統通知 |
決賽暨頒獎典禮 | 7月21日 | 國立陽明交通大學 |
｜競賽主題：
以【AI is All Around】，參賽者運用ARC EM9D Processor與Machine Learning Inference（MLI）硬體加速器，提出AIoT實作作品。
｜ 競賽形式：
- 競賽採開放式命題方式進行，參賽隊伍自主選擇題目，使用主辦單位提供之ARC EM9D AIoT DK開發板，提出基於實際應用場域的創新解決方案。
- 所有競賽作品發展皆須基於新思科技提供的軟體開發套件(SDK)、Google TensorFlow Lite for Microcontroller（TinyML），針對AIoT、嵌入式與控制設計等應用主題發展創新性產品、服務和技術。
- 新思科技將提供參賽隊伍所需之軟硬體開發工具，包含：
- ARC EM9D AIoT DK開發板（每隊1片）
- SDK及Tutorial Kit（含環境安裝與設定教學）
- 技術指導及諮詢
｜贊助企業（單位）特別獎：
本次競賽獎項增設贊助企業（單位）特別獎，凡符合下列出題方向的參賽隊伍，即有機會在原訂競賽奬項之外，加碼獲得特別獎。
企業（單位）
| 名額（組） | 題目 |
伊雲谷數位科技
股份有限公司 /
雲動力資訊
股份有限公司 | 1 | 運用ARC EM9D AIoT DK進行創作，整合Google雲端服務(GCP)功能，強化整體創意，例如： • 通訊/運算：藉由雲端進行相關運算或取得外部資料，讓AI應用可結合即時資訊。 • 資料存儲：透過雲端更大的存儲空間，讓AI應用可載入更多資料或於外網存儲AI運算結果。 • 資料安全：藉由系統防火牆等相關功能之啟用與配置，以強化資安或衍生出其他安全功能與應用。 • 未實現創意：涉及龐大AI運算，如TensorFlow模型建構等，若能於競賽時提供之雲端設備完成運算及演示者為優，若未能於此次競賽中實現者，得透過模擬資料實現展示，並於參賽作品中以詳細技術架構說明其未來實現方式(需包含實現目標具體軟體名稱與版本等)。 註: 未實現創意之評分僅適用企業特別獎 |
輝創電子
股份有限公司 | 1 | 數位鑰匙: 1. 手機放在車主口袋，靠近車輛感應範圍，透過手機APP與車輛的藍牙裝置(ARC EM9D AIoT DK)自動進行連結，身份辨識成功後手機便能取代鑰匙，車主可以進行車輛操作 (例如:車門上鎖、車門解鎖、打開行李箱、啓動引擎和關閉引擎)。 2. 車主可以透過手機APP及網路，將車輛鑰匙開放許可權限，允許其它人員使用自己的愛車。為防止未授權用戶使用車輛，將另行生成一把虛擬鑰匙，通過雲端服務發送到其它智慧型手機中，進而省去需當面交換鑰匙所花費的時間。 3. 為了保全考量，車主需要靠近車輛特定距離(例如:1.5公尺)才能進行身分辨識，藍牙訊號易受外界環境干擾導致測距不準確的問題。 4. 請盡可能藉由AI/ML解決上述身分辨識等問題。 |
｜獎勵方法：
一般獎
隊伍獎項 | 名額（組） | 團隊獎勵 | 指導教授獎勵 |
冠軍 | 1 | 新台幣80,000元及獎狀 | 新台幣20,000元及獎狀 |
亞軍 | 1 | 新台幣50,000元及獎狀 | 新台幣15,000元及獎狀 |
季軍 | 1 | 新台幣30,000元及獎狀 | 新台幣10,000元及獎狀 |
佳作 | 若干 | 新台幣15,000元及獎狀 | 新台幣8,000元及獎狀 |
贊助企業（單位）特別獎
贊助企業 | 名額（組） | 團隊獎勵 |
伊雲谷數位科技股份有限公司 /
雲動力資訊股份有限公司 | 1 | 最高奬金每隊新台幣30,000元及獎狀 |
輝創電子股份有限公司 | 1 | 最高奬金每隊新台幣30,000元及獎狀 |
｜報名方式：
請至「2023年新思科技ARC盃AIoT設計應用競賽」網站報名
｜評分標準：
評分項目 | 評分說明 |
設計創意性 （15%） | 作品創意、構想、角度是否新穎巧妙，設計思路是否有突破性和創新性。 |
前瞻性與複雜度 （15%） | 作品設計是否採用了熱門的前瞻技術，是否具有一定複雜度，及解決方案之完整度等。 |
功能性與實用性 （30%） | 作品是否充份使用ARC處理器與開發板資源（如使用藍芽或Wi-Fi完成AIoT等應用），並能解決實際生活中的問題，完成關鍵功能的實現和性能的提升。 |
高效性 （20%） | 作品是否對使用的演算法進行了分析與優化，是否充份使用ARC處理器及特性，完成關鍵功能的實現和性能的提升（如模型建立使用之訓練或量化方法、運用多少MLI指令集，使運算速度或辨識率上升等優化）。 |
作品展示性 （20%） | 作品功能演示是否成功及完整。 |
｜參加對象與資格：
參加隊伍須符合下列資格：
- 參賽者於競賽期間（即日起至2023年 7 月31日）擁有大學在學學籍，並不得在公司、研究單位或相關單位任職。
- 參賽者以組為單位報名參加，每組以1~4位隊員為限，並邀請1~2位指導老師指導參賽。
｜繳件須知：
隊伍須依各階段檢核時程及需求，上傳作品至競賽網站，作品檢核需求內容、格式等，請參閱前述網站公告之「作品提交說明」與「簡報格式範本」。
- 書面審查資料繳交（2023年 4月16日）：
有意報名的隊伍須在報名同時繳交書面審查資料（proposal），評審將評估各隊資料，評選合格隊伍，後續將寄發開發板與SDK。 - 初賽作品繳交（2023年 5月24日）：
評委將評鑑各隊提交之初賽作品，評選晉級隊伍，並給予檢核意見及修改方向。 - 決賽作品繳交（2023年 7月9日）：
評委將評鑑各隊提交之決賽作品，評選最終晉級隊伍（finalist），並給予檢核意見及修改方向。晉級隊伍宜參酌評審建議修改作品，以利於決賽現場向評委團隊簡報（pitch）並演示（demo）最終成品。 - 決賽暨頒獎典禮（2023年 7月21日）：
晉級隊伍至決賽現場進行作品簡報、演示、評選及頒奬
｜注意事項：
- ARC EM9D AIoT DK開發板及SDK將於參賽隊伍通過書審階段後提供。
- 請勿以相同作品重複報名其他物聯網相關競賽，違者將取消參賽及獲奬資格。
- 獲選得獎之參賽作品將於競賽網站及新思科技相關公司網站上公開，並將公開頒獎表揚。
- 參賽者於網站報名時，視同同意本競賽內容及相關規定，違者將取消參賽資格，如有爭議，將由主辦單位裁定。
｜競賽資料包：
- 線上教學影片 – For ARC Developer（Link）：
- “Synopsys ARC EM DSP Processors for Low-Power Embedded Systems”（Link）
- “Tutorial 1-3：ARC EM9D AIoT DK Environment Installation”（Link）
- “Tutorial 4：ARC EM9D AIoT DK Introduction and Hands-on (Lab 1-3)” (Link)
- “Tutorial 5：CNN Introduction and TensorFlow Lite Hands-on (Lab 4-5)”（Link）
- Google TensorFlow（Link）
- Google TensorFlow Lite for Microcontroller (TinyML) Example（Link）
- 競賽歷屆得奬作品（Link）
- Synopsys embARC Portal（Link）
- Synopsys embARC MLI Library（Link 1）（Link 2）
｜Contest Contact:
Synopsys Academic & Research Alliances Team (tw-up@synopsys.com )
*新思科技保留競賽及獎勵辦法調整的權利。