帳號:
密碼:
智動化 / 文章 /

AIoT趨勢明顯 邊緣運算將是台灣重要契機
[作者 王明德]   2018年07月12日 星期四 瀏覽人次: [12485]

經過多年的發展,雖然一直未如多數研究單位預期出現爆炸性成長,不過物聯網在市場上的熱度始終未退,尤其是2017年AI再度成為IT產業的重要議題後,AI加上物聯網形成的AIoT架構,被視為未來各領域智慧化的核心運作骨幹。


就整體系統來看,物聯網可分為感測、通訊、應用等3層架構,由於這一波AI的主流演算法以深度學習(Deep Learning)為主,透過不斷的錯誤更正自我學習,讓指令不斷趨近於完美,這種模式需要大量的運算,因此多建置在物聯網最上層的應用平台,不過近期市場開始推動邊緣運算概念,業界人士就指出,這將是台灣在AIoT的最佳機會。


從雲端到邊緣 物聯網效能更佳

工研院IEK之前就定調的2018年ICT產業主軸「AI on Earth, AI on Edge;人工智慧 下凡入魂」,就是認為AI焦點將從雲端運算,往下落到邊緣運算(Edge Computing),這個趨勢將在2018年開始顯著影響產業、技術與產品的研發與設計方向。IEK預估全球邊緣運算市場規模,將從2017年的80億美元成長至2022年的133億美元,年平均成長率達到10.7%,IEK指出,AI發展初期主要由雲端運算主導,但在網路頻寬、通訊延遲、資料安全等限制因素下,運算任務需要轉移至終端裝置或就近的網路設備上,邊緣運算因而興起。



圖1 : 在網路頻寬、通訊延遲、資料安全等限制因素下,運算任務需要轉移至終端裝置或就近的網路設備上,邊緣運算因而興起。(Source: inwinSTACK)
圖1 : 在網路頻寬、通訊延遲、資料安全等限制因素下,運算任務需要轉移至終端裝置或就近的網路設備上,邊緣運算因而興起。(Source: inwinSTACK)

現在物聯網主要為集中式運算架構,也就是第1層所擷取的數據全部往上傳,最上層的雲端平台負責儲存與分析,集中式運算與分散式運算各有優缺點,應用也不盡相同,集中式運算會有即時性、處理器工作負擔和傳輸費用等問題,例如在製造業,設備一旦故障,若仍採用訊息傳回後端再下指令的模式,現場狀況極有可能因為訊息傳遞與後端運算所需的時間而惡化。


而在零售業也會有同樣問題,現在已有IT廠商嘗試將智慧臉孔分析導入至零售業系統,透過人臉分析與CRM的整合,提供更精準且更快速的服務,而臉孔辨識若還需要透過後端伺服器的運算比對,其效益會大幅降低。


另外則是後端處理系統的運算負擔與傳輸費用,未來物聯網的願景是萬物聯網,若所有訊息都連接到後端的運算平台,則伺服器的運算能力必須非常強大,再加上所有第1線設備的連網需求,無論是建置或運作成本都會相當高昂,因此在部分應用中,邊緣運算會是較佳的選擇。


集中與邊緣各有所長

不過,邊緣運算也並非全無缺點,例如系統若應用於類似車體中的狹小空間,多點部位同時運算,將會產生干擾,此外經過端點預處理過的數據,也會有失真之虞,當然物聯網的建構並非只能二擇一的極端做法,多數的系統都是兩者並行,在即時性需求較高的部分設計有邊緣運算功能,其他部分則仍為集中式運算。


對台灣來說,集中式運算向來不是台灣廠商可觸及的商機,台灣廠商過去在IT領域主要是以消費性產品為主,物聯網興起後,多數廠商也將目光聚焦在第一層的設備端,而邊緣運算概念的出現,完全符合了台灣廠商的產品策略與市場條件。


首先是運算晶片,過去物聯網終端產品的元件,多被要求低功耗與小體積,讓設備可以在最有限的空間下,盡可能的長時間運作,而由於多只是簡單的狀態數據擷取,因此運算功能不需強大,但在邊緣運算概念中,部分設備需要有一定的運算能力。


這對多數Fabless或IC設計業者來說,都在能力範圍之內,而台灣廠商的優勢則在於,未來的物聯網系統多會是垂直產業所應用,例如製造、醫療、交通…等,這些產業的物聯網系統都需要與其專業結合,其中位於現場第1線的設備更是如此,而不同類型的設備需要對應不同模式的運算晶片,台灣廠商的特色是快速彈性的客製化設計能力,在這種少量多樣的需求中,其優勢將會延續,不過這類型應用也容易被抄襲,因此台灣廠商必須先行取得特定應用領域的專利,IEK認為其中又以影像與視覺的現場可程式邏輯閘陣列(FPGA)、特殊應用專屬晶片(ASIC)等兩類產品最具競爭力。



圖2 : 在邊緣運算概念中,部分設備需要有一定的運算能力。(Source: ERE)
圖2 : 在邊緣運算概念中,部分設備需要有一定的運算能力。(Source: ERE)

至於台灣的劣勢則是AI產業化的不足,其實台灣過去在AI領域所培養的人才並不算少,回台成立台灣AI實驗室的杜奕瑾就曾指出,他在微軟任職期間,微軟每年舉辦的開發者大會「Build」中,台灣隊總是缺乏政府的奧援,但即便如此,台灣隊伍每年總能拿下不俗的成績,這說明台灣的軟體人才其實不遜於其他國家,只是過去一直不被政府與產業重視。


不過2017年開始,科技部已開始啟動AI政策,希望透過AI產業化留住台灣軟體人才,而有了軟體人才,台灣的AIoT在軟硬體才能齊備,順利啟動,以前面提到的邊緣運算晶片為例,要在小體積與低耗電的條件下,設計出足夠運算能力的晶片,除了硬體技術外,演算法也是重要一環,軟體工程師必須將龐大的演算模型精簡化,讓終端可以在低功耗模式下進行運算。


AI與HI才是最佳解答

AI與物聯網的整合雖未開始,不過就整體趨勢已經確定,2017年6月阿里巴巴創辦人馬雲就指出,現在產業已經從「互聯網+」進展到「AI+」,也就是AI將與各種領域結合,創造出更多加值服務,而這也就是過去物聯網所訴求的垂直應用模式,不過多位業界人士表示,這不代表AI未來會全面取代人類,台灣微軟總經理孫基康在之前微軟的AI活動上就指出,AI必須要和HI(Human Intelligence)結合,才會變成SI(Super Intelligence)。


AIoT現在的發展,都是為了提供使用者更直覺、智慧、多元的選擇,但無法做出具有邏輯性的判斷,真要提出相關對應策略,還是需要倚靠人類的智慧,以製造業和醫療業為例,工業物聯網現在與AI的結合,已進展到感知層面,也就是脫離冷冰冰的人工指令,而改採更具人性的直覺性訊息,例如當現場製造設備出現故障,系統會依據過去深度學習的結果,判斷出問題所在,再依情況直接告訴作業人員設備故障處與可能故障原因,人員可參考系統將系統建議結合本身專業決定處理方式,而若系統察覺到的問題經過判斷必須即時處理,則會先以口語化語音立即指出故障處與緊急處理方式,讓工作人員可在最短時間內解除狀況,醫療部分則是以AI判讀醫療數據或影像,但是真正的病理判斷與醫療行為,還是需要透過專業的醫師,這也就是AI與HI結合的方式。


在與AI整合後,物聯網會加快其應用拓展速度,就產業架構來看,台灣廠商過去在消費性產品所建立的優勢,將會延伸到物聯網系統中的終端零組件與連網設備,不過這類型產品將會需要一定程度的客製化設計,對台灣廠商來說,這是挑戰也是新契機,台廠必須投入更多資源掌握特定領域的專業知識,但同時也能藉此提升產品價值,擺脫過去價值有限的OEM宿命。


**刊頭圖(Source: AIO Systems)


相關文章
利用邊緣運算節約能源和提升永續性
利用雲端運算提升Moldex3D成效
工業轉型、雲端與邊緣運算
以強固、可靠為本 德承打造工業嵌入式運算方案最佳品牌
ST:軟體定義汽車創造全新使用體驗與商業價值
comments powered by Disqus
  相關新聞
» 鼎新電腦攜手和泰豐田解缺工 以數位勞動力開啟儲運新時代
» Fortinet SASE台灣網路連接點今年落成 全台巡迴落實雲地零信任
» 工研院MWC 2024展會直擊:5G-A通訊、全能助理成下一波AI風潮
» Ansys模擬分析解決方案 獲現代汽車認證為首選供應商
» SOLIDWORKS公開演示未來AI應用 將率先導入工業設計軟體
  相關產品
» 德承嵌入式電腦DS-1400系列 支援PCIe GPU 提升AOI檢測性能
» 宜鼎首款PCIe 4.0規格nanoSSD賦能5G、車載與航太應用
» 德承全新16:9陽光下可視模組展現高亮度、FHD、廣視角新視野
» 凌華首款嵌入式MXM圖形模組加速邊緣運算和AI應用
» u-blox全新PointPerfect GNSS定位校正服務 達cm級準度


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 遠播資訊股份有限公司版權所有 Powered by O3
地址:台北數位產業園區(digiBlock Taipei) 103台北市大同區承德路三段287-2號A棟204室
電話 (02)2585-5526 #0 轉接至總機 / E-Mail: webmaster@hope.com.tw