推動AI應用場景普及 Arm佈局物聯網生態應用

過去產業發展給人的印象，人工智慧需要非常強大的電腦性能來進行訓練，也需要非常強大的終端或雲端基礎設施才能執行內建AI模型的應用，對業界而言，這限制了應用的廣度。

性能較低的產品，比如說汽車、醫療、工業工程的裝置，就無法導入AI，而為了解決這些問題，Arm透過TinyML的技術框架，希望能夠幫助產業把AI應用場景推到更低階的應用中，讓原本僅具備基本功能的影像、語音，甚至娛樂功能，都能夠提升AI的運算能力，藉以提供更好，更徹底的自動化服務。

AI普及到最後一哩路的關鍵：物聯網

Arm台灣總裁曾志光表示，目前AI應用已經廣泛滲透到各種產業領域，從雲端運算以及消費性運算終端都已經普及AI的功能，目前消費性電子產品包括PC、手機，甚至汽車的自動導航系統上基本上的AI功能皆已普及，消費者已經很熟悉AI的存在。

但一直以來，物聯網產業對於AI的應用還是相對較為缺乏。這類型的產業由於裝置端性能通常都比較低，很難把AI功能做到裝置上，因此頂多只能透過雲端或者是邊緣運算把AI功能整合到上層的控制邏輯上，裝置本身並不具備AI處理能力，大大限制了物聯網裝置的應用場景。

為此，Arm一直以來都在思考，如何把微控制器的功能再進一步往上提升，不只提供裝置基本功能操作，甚至要具備智慧判斷能力，透過TinyML的技術框架，把AI模型縮小到可以在運算規模很小的裝置中執行。而Arm也與包含奇景光電在內的許多業界領導企業合作，推動相關的應用。

但只有硬體和框架還不夠，Arm也和各大作業系統平台，比如Windows、Android，各類嵌入式作業系統，包含Arm NN、Tensor Flow Lite各種知名的AI框架，在低階API方面，開發ArmCompute Library、Open CL等，推動整個生態系的發展，讓物聯網客戶能夠很快的整合AI功能到他們的裝置上，脫離雲端與網路的限制。

至於在運算核心方面，為了滿足AI的運算需求，Arm也推出了Cortex-M85、Coretex-M55等架構，內建神經網路運算單元，可以執行主流的精簡型AI框架。透過這些在硬體、系統與裝置應用等多層次的整合，讓開發者可以很輕易的加入不同的AI功能，而不需要撰寫底層程式。

視覺處理將成為物聯網AI的核心

奇景光電創辦人暨執行長吳炳昌表示，很高興與Arm在物聯網領域進行深度合作，把奇景光電擅長的視覺處理技術和Arm的終端AI技術進行整合，推動整個物聯網產業的革新。

吳炳昌認為，視覺是AI處理技術的一個重要關鍵，在很多物聯網應用中佔有相當大的比重。但過去物聯網在AI處理功能方面的缺乏，使得相關的視覺識別方案缺乏足夠現場識別的能力，是個很可惜的地方。

透過整合Arm的AI技術，視覺方案可以在更多場景扮演更重要的角色，比如說現在的電表、水表，很多仍需要抄寫員抄表，但透過Himax的讀表器方案，他可以很快判讀出不同指針表的內容，上傳到雲端，而這類方案功耗極低，有長達八年的電池壽命。

另外，智慧商店中，透過AI視覺方案，可以自動統整產品庫存變化、銷售表現，並與後台連接，直接在進銷貨庫存系統上提供相關報表，讓店家能夠最佳化商品流程。另外，人流也是視覺AI很好的一種應用場景，當商場透過AI視覺方案，就能夠判斷出顧客的流向、穿著喜好、消費喜好，提供店家更好的經營或店面佈局的參考。

吳炳昌強調，雖然過去的方案也能做到類似的工作，但透過Arm的最新物聯網全面解決方案，可以讓客戶進入門檻更低。而未來AI也將在物聯網扮演更重要的角色。

想進一步了解Arm攜手奇景光電佈局物聯網生態應用，歡迎線上觀看精彩對談－【Arm與生態系重磅對談】攜手奇景探究AI與影像處理的未來。