瞄準AIoT大商機 各方業者紛紛卡位布局 智慧應用 影音
Microchip
ADI

瞄準AIoT大商機 各方業者紛紛卡位布局

  • 魏淑芳

NVIDIA Jetson TX2將整套AI系統縮小到一片電路板,為機器人、無人機、智慧型相機等裝置,提供進階的導航、語音辨識及影像辨識功能。來源:NVIDIA
NVIDIA Jetson TX2將整套AI系統縮小到一片電路板,為機器人、無人機、智慧型相機等裝置,提供進階的導航、語音辨識及影像辨識功能。來源:NVIDIA

近兩年以來,有一個新興名詞「AIoT」相當熱門,顧名思義,它是經由兩個同樣炙手可熱的趨勢-人工智慧(AI)、物聯網(IoT)彼此結合,所形成的新風潮,包括機器人、無人機、自駕車等備受關注的題材,皆與AIoT息息相關。

2017年初,美國研究機構BCC Research提出一份預測報告,直指全球人工智慧相關產品已經邁入成長階段,尤以智慧機器市場增長態勢最強,預期2019至2024年成長率最大的3種智慧機器,依序為自主機器、智慧助理,以及深度神經運算電腦。舉凡機器人、無人車、無人機等項目,皆屬於自主機器範疇,也是有志逐鹿AIoT商機的業者,必定全力搶攻的主戰場。

國外研究機構預測,2019至2024年成長率最大的3種智慧機器,依序為自主機器、智慧助理及深度神經運算電腦,居家服務機器人即是典型的自主機器之一;圖為Amazon Echo。來源:The Verge

國外研究機構預測,2019至2024年成長率最大的3種智慧機器,依序為自主機器、智慧助理及深度神經運算電腦,居家服務機器人即是典型的自主機器之一;圖為Amazon Echo。來源:The Verge

無獨有偶,全球知名的研究機構Gartner,也對於AIoT的發展前景,提出了頗為樂觀的預測;該機構指出,從現在起一直到2021年,平均每小時都有大約100萬台IoT設備被採購,而隨著AI技術的發展漸趨成熟,可望促使各式IoT終端設備,都紛紛為AIoT智慧機器。

AIoT風潮漸盛  智慧機器躍為新寵

以十分火紅的機器人為例,居家服務機器人可謂時下的新寵兒,不僅逐漸躋身智慧家庭應用的樞紐地位,隨著Amazon Echo、SHARP COCOROBO或ASUS Zenbo等等相關產品的陸續問市,更使市場熱度不斷攀升;在此同時,娛樂休閒型機器人的發展態勢也漸漸升溫,開始在諸多商用場域現身,比方說人們所熟知的Pepper,現已被愈來愈多的銀行或商店所導入採用,便是相當典型的例子。

看到這裡,也許有不少人好奇,在AIoT尚未蔚為趨勢之前,IoT、AI兩者其實已經各領風騷,且透過兩者的整合運用,形成一個極其自然的價值體現模式,即是藉由地端的感測器蒐集各式各樣的資料,再經由無線通訊,將這些資料彙整到IoT閘道器或控制電腦,接著連上網際網路,把大量資料送上雲端,除了進行儲存,也借助雲端的AI平台進行大數據分析,據此衍生各種富含智慧的判斷模型,進而結合遠端的監看與控制機制,在必要時由雲而地發出指令,驅使地端的機器設備做出對應的處置措施,即時遏阻某些異常狀況。

最簡單明瞭的例子,便是IAQ室內空氣品質監測,以醫院為例,假使雲端後台不僅掌握當下的氣溫狀態資訊,也能適時整合掛號系統、門診報到系統,就能預先推測接下來一小時或半小時醫院大廳的人數,作為空調換氣量的調整依據,從而驅動前線的空調設備進行升溫或降溫,如此一來,不但能恆常確保現場空氣品質處於理想狀態,也可避免因為過當的製冷量徒增無謂的能耗。

但問題來了,萬一哪天肇因於不明狀況,出現網路斷線,使得地端與雲端之間的互動管道陷入失靈,唯恐一併讓原本IAQ控管機制失效,導致人多時空調換氣量卻不足,因空氣品質惡化造成看診民眾身體不適,或是人少時卻啟動較大的製冷量,違背了院方所預設的節能減碳目標。

IAQ或能源管控失調,肯定都不是好事,但不見得有致命性衝擊,假設網路斷訊之現象發生在自駕車或智慧汽車,造成雲端的智慧指令無法傳遞到地端,其後果勢必更加嚴重,況且事實上,汽車每當行經隧道,斷線的機率往往不小。由此可見,若是以雲端為中心的AI運用架構,在許多狀況下都可能失去作用,明顯不是理想的解決方案。

業者指出,就算一切運作如常,太過仰賴雲端AI服務,也容易導致營運成本激增,為一大後遺症。眾所皆知,用戶付給雲端服務商的費用多寡,取決於他上傳資料量的大小,倘若資料量太大,連線與儲存空間的費用都將同步攀升;可以預期,如果IoT資訊不經任何篩選過濾,通通送上雲端做AI處理分析,必定造成極為沈重的成本負擔。

為解決前述難題,業界開始提倡「邊緣運算(Edge Computing)」概念,使得嵌入式人工智慧或AIoT蔚為新寵。所謂邊緣運算,主要精神即在於就近運算,把一些基礎常見的運算或分析工作,交由本地區網內的機器來處理,意即在靠近資料來源的所在地進行運算,儘可能不將資料上傳雲端。

邊緣運算添柴火  助長嵌入式AI氣勢

不可諱言,最適合發揮邊緣運算效益的應用場域正是IoT,舉凡機器人、自駕車、無人機,甚至是擴增實境(AR)或虛擬實境(VR)等應用項目,其實都極為仰賴即時的影像分析及辨識處理,反應速度必須快到毫秒甚或微秒等級,如果經由網際網路往返雲端,等待時間勢必遠高於此,明顯不符需求;因此顯而易見,嵌入式人工智慧或AIoT才是最佳解決方案。

影響所及,一些大型的雲端服務供應商,看待邊緣運算的態度出現巨大轉折,從過去的排斥轉而接納,甚至開始大力擁抱。以亞馬遜(Amazon)為例,除了將無伺服器運算服務Lambda,擴展到AWS之外的邊緣節點,因而推出了Lambda@Edge,另外針對IoT應用需求推出AWS Greengrass服務,可供IoT設備搭載使用,使用戶得以在安全狀態下,透過連網裝置執行本機運算、執行AWS Lambda函數,也能維持裝置資料同步,縱使網路斷線,亦可與其他設備進行安全通訊。

總括而論,Greengrass的初衷,即是把Lambda及其他AWS服務從雲端延伸到本地,就近提升IoT裝置的運算能力,讓這些裝置能夠更靠近資訊來源,執行資料的處理與分析工作;客戶可選擇應該在本機處理和存放的資料,以及應該在雲端處理和存放的重要珍貴資料。

不僅亞馬遜,另一家雲端服務大廠微軟,也開始朝向邊緣運算布局,透過2017年Build開發者大會推出Azure IoT Edge服務,旨在把機器學習、進階分析或AI服務,從原本Azure雲端帶往鄰近資料來源的前端IoT設備,讓用戶毋需等待將資料上傳雲端處理的延遲時間;綜觀Azure IoT Edge服務內容,除了早在Build開發者大會之前便已推出的Azure 串流分析工具外,還新增了Azure機器學習、微軟AI認知服務等備受各方關注的項目。

在雲端大廠外,布局嵌入式人工智慧的業者亦不在少數,但談到對於產業的影響最為深遠的產品,即是NVIDIA所推出的Jetson TX2模組。深究Jetson TX2的奧妙之處,但是將整套人工智慧系統縮小到一塊電路板,幫助終端設備運行AI深度學習功能。

換言之,用戶只要善用搭載NVIDIA Jetson TX2的智慧終端裝置,即可直接透過該裝置處理複雜資料,快速獲得精準的推論,將原本高不可攀的人工智慧推向終端世界。根據NVIDIA的說法,無論機器人、無人機、智慧型相機,抑或可攜式醫療裝置,皆可適用JETSON TX2 模組,提供進階的導航、影像辨識與語音辨識等智慧功能。

值得一提的,Jetson TX2的尺寸約等同於名片大小,功耗低於7.5W,效能較前一代產品Jetson TX1提升了兩倍,可望使GPU模型的推論(Inference)更趨完善,堪稱是史上最小巧節能的AI大腦。



商情專輯-2017台北國際電子產業科技展