账号:
密码:
智动化 / 文章 /

AI补上最后一块拼图 边缘运算效能浮现
[作者 王明德]   2019年05月23日 星期四 浏览人次: [10945]

继PC、网际网路、行动通讯后,物联网被视为第四波IT产业的典范转移,与过去三次不同,这次物联网所带起的浪潮席卷了各类型产业,而2016年底兴起的AI,更迅速与物联网结合为AIoT,确定了各类型垂直应用系统的智慧化趋势。 AIoT概念启动至今大约两年,初期概念也大致底定,近期的架构走向将是云端与边缘运算并重,目前应用则以影像辨识居多。


边缘运算解决传统物联网困境

这波AIoT的发展,深度学习(Deep Learning)演算法是重要关键,过去深度学习所需的运算资源非常庞大,需要足够演算力的云端平台进行运算,不过AI普及最终仍需渗透到行动与终端装置上,因此边缘运算架构逐渐浮现,边缘运算概念为早期分散式运算架构所进化,物联网趋势初期、云端运算当红之际时,网通大厂思科提出的雾运算(Fog Computing)也是类似的概念。



图1 : 继PC、网际网路、行动通讯后,物联网被视为第四波IT产业的典范转移。 (source: Which-50)
图1 : 继PC、网际网路、行动通讯后,物联网被视为第四波IT产业的典范转移。 (source: Which-50)

边缘运算是让终端设备具有一定程度的运算能力,感测器撷取到设备或环境资讯后,先由终端设备或闸道器进行初步处理,再依照设定处理讯息方向,部分资讯往上传到云端,部分资讯则即时处理掉。


对AIoT系统来说,边缘运算可以解决几个问题,首先是降低上层云端平台的工作负载,过去物联网架构是将所有讯息都送到上层,由云端平台进行分析。但在实作后发现不可行,原因是物联网底层感测器所撷取的资料量过多,对物联网来说仅有少数资料有分析价值,其他则都无用,如果要将所有数据都往上传,一来庞大的数量将会拖垮云端平台,导致整体系统的效能降低,二来也会让频宽过载。


边缘运算则是让数据在终端设备上先处理过再决定去向,这种让运算能力平均在各环节的做法可减少云端和频宽负载,进而提升系统效能。至于如何处理、决定资讯,就必须靠深度学习。


深度学习提升AIoT效能

深度学习是这次AI革命中机器学习演算法的一种,这两种演算法在这次的AIoT趋势中都有所应用。机器学习与深度学习都将过程分为训练(Training)与推论(Inference)两个模式,训练模式是透过大量的资料汇入、运算并进行参数调整,从而获得一个可用的AI运算模型;推论模式则是模型完成后正式用在营运上,进行各种智慧侦测、智慧辨识。



图2 : 机器视觉导入训练模式的AI模型,不但检视速度不逊於传统的机器视觉,而且也更有弹性。(source: Electronics Sourcing)
图2 : 机器视觉导入训练模式的AI模型,不但检视速度不逊於传统的机器视觉,而且也更有弹性。(source: Electronics Sourcing)

在具备边缘运算功能的AIoT系统中,会先行针对特定功能进行训练,再将训练结果下载到终端设备,使之具备判断能力,以产线中的机器视觉为例,机器视觉主要用来判断产品的瑕疵,为生产品质把关。过去的做法是在视觉软体中建入条件,例如有污点、破损,就是必须淘汰的瑕疵品,而除了所设定的条件外,机器视觉就一概认为是良品,在过去大量生产模式中,这是最有效率的方式,


但在少量多样生产需求下,快速换线或混线生产比例逐渐升高,要让机器视觉监测产品,软体条件就必须越设越多,而且一旦疏漏就会危及整体的品质,在此状况下,有深度学习功能的边缘运算就可发挥效益。


这类型架构的终端设备导入训练模式的AI模型,工业相机传回产品影像后,即可自行推论产品是否有瑕疵,不但检视速度不逊于传统的机器视觉,而且与过去僵化的条件设定方式相比也更有弹性。


边缘运算应用多元

不过,边缘运算看似是所有架构的最佳解答,只是现在本身也仍有低功耗的运算晶片和适用于终端的轻量化演算法等问题待解。低功耗AI运算晶片已是全球半导体产业的发展焦点,各种解决方案不断浮出,且各自拥有适用情境与优劣势。演算法的轻量化,则是透过压缩技术将庞大的演算法模型精简化,以供终端使用,这些技术与服务,也是目前国际领导大厂与新创企业发展的目标。


AIoT发展至今,在辨识与感知方面已经有明显的成果,未来则需要让AI更贴近人类思考模式,如:更快的学习速度、更少的资料需求、能解决更复杂的决策问题、能自主学习必要技能等。此外,AI的普及也是下一阶段的重点,让更多人使用,触及到更多产业及个体。


未来产业界会持续将成熟AI渗透到各行各业,在基础上革新AI底层技术,让AI的智力与能力进一步提升,进而扩展到各种领域,而就目前发展来看,除了前面提到的制造业外,家庭会是AI的首波应用重点之一。



图3 : 智慧家庭被视为AI的首波应用重点之一。(source: TechHive)
图3 : 智慧家庭被视为AI的首波应用重点之一。(source: TechHive)

智慧家庭目前有三大趋势:一是从2015年亚马逊Echo的异军突起,将AI语音助理成功带入家庭生活中,促使全球智慧家庭市场再掀热潮,2017年下半年智慧音箱进入爆发成长期;二是英文语系与中文语系的AI语音产业链正各自成形;三是居家机器人大战已开打,智慧家庭领导厂商洗牌中,各类业者包括平台大厂、家电大厂、监控业者、行动服务业者、汽车业者等从自身优势出发,以家庭照护陪伴与自动化控制为方向,大举进军居家机器人市场。


此外,在AIoT技术驱动下,智慧商务新概念也开始延伸。从无人机送货、无人计程车、无人商店、刷脸支付、智慧看板、智慧餐桌、智慧货架到情感社交机器人、商用导览机器人、仓储物流机器人、检货机器人等各种AIoT装置软硬整合解决方案,正在开枝散叶。 AI平台是AIoT机器大脑,也是决定其运作是否流畅的重要关键所在。


未来AI应用平台、AI演算法与AI感测晶片是三位一体。台湾业者可从AI应用系统与平台架构出发,掌握相关的AI演算法发展,再由AIoT终端零组件及联网设备的产业优势切入,如感测晶片、光学模组、触控面板、匣道器等。若台湾业者能提升这些关键元件的功能,整合AI发展硬体上的软体模组,推出高附加价值的AIoT机器元件,将可增加台湾在AIoT的核心竞争能力。


相关文章
利用边缘运算节约能源和提升永续性
五大策略 提升企业物联网竞争力
工业转型、云端与边缘运算
Premium Radar SDK以演算技术改进汽车雷达应用
以强固、可靠为本 德承打造工业嵌入式运算方案最隹品牌
comments powered by Disqus
  相关新闻
» 帆宣与隹世达合组「达宣智慧」公司 启动智慧医疗引擎
» 经济部提供融资协助工具机拓展海外市场
» 海大与法国浜海大学合作推升智慧永续海洋
» 国研杯智慧机械竞赛成绩揭晓 联合大学机器人挑战高尔夫夺冠
» AI台北智慧城市展样貌 开箱大巨蛋数位场馆
  相关产品
» 凌华支援第14代 Intel处理器用於先进工业与 AI 解决方案
» 智慧监测良方 泓格微型气象站提供资讯面面俱到
» 凌华新款5G IIoT远端边缘网路闸道器采用Arm架构
» SICK W10直接反射式光电感测器提升物体检测多样性
» igus为医疗技术合作专案提供免润滑微型滑轨


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 / E-Mail: webmaster@hope.com.tw