帳號:
密碼:
CTIMES / 文章 /   
AIoT掀起智慧浪潮 釐清脈絡抓緊邊緣運算商機
 

【作者: 王明德】   2020年10月29日 星期四

瀏覽人次:【1288】
  

邊緣運算是AIoT最重要的設計概念之一,終端設備也是台灣廠商的重要利基處,因此台灣廠商,除了在投入前要做足功課外,也應該改變產品策略,強化特定領域的專業,方能在邊緣運算浪潮中站穩腳步,找到自己的市場地位。


物聯網被視為智慧化時代的骨幹運作網路,是繼PC、網際網路、智慧手機之後的第4波革命,各大研究機構也出現各種預估,例如麥肯錫(McKinsey & Company)就認為,2025年物聯網相關應用的產值將高達3.9兆到11.1兆美元。在物聯網快速發展的同時,科技產業迎來另一波新變革,2016年底,AlphaGo陸續擊敗職業棋士後,這項技術再次吸引了全球目光,之後AI迅速與物聯網結合,形成智慧物聯網(AIoT)架構,此架構再加上早已成熟的雲端運算、2019年開始商轉的5G,讓新世代智慧化系統正式成形。


三次發展累積AI技術能量

就歷史軌跡來看,AI迄今已有三次大型發展,1956年知名的語言學家與電腦科學家約翰·麥卡錫(John MaCarthy)首次提出此「人工智慧(Artificial Intelligence;AI )」一詞,並在當年匯集各方學者,希望找出能讓電腦與人腦一樣聰明的方法,不過把人類知識與思想置入電腦的構想並不可行,尤其是人類連自己的思考過程都不甚了解,更不可能將邏輯脈絡寫成電腦程式,因此後來以失敗告終。


第二次發展在1970年代,當時的科學家改採另一模式,希望透過知識庫與推理方式,讓電腦可以推算出人類思考的結果,這次科學家使用了多層次感知器與反向傳播演算法,這次的演算法相對成熟,與現在的神經網路演算法已相當接近,不過此一思維邏輯仍不適用於電腦,因為多數問題連人類自身也難以解答,就算能解答,也不容易釐清規則,更何況是化為程式碼?也因此在結果未竟如人意的狀況下,這波AI浪潮很快消退,從1990~2010年間,AI一度被邊緣化。


這次的AI發展之所以會受到產官學界的高度重視,主要原因有三,包括演算法、硬體、資料量等3大部分都已然齊備,演算法部分延續之前的類神經網路,尤其是2006年,多倫多大學的Geoffrey Hinton教授解決了類神經網路的問題、讓類神經網路重新換上「深度學習」的名字捲土重來,成為現在AI領域廣為人知的演算法,硬體方面則是處理器運算能力的大幅提升,現在的GPU已可在短時間內處理大量數據建出模型,加速AI系統的效能,最後則是資料量的增加,在網際網路的加持下,現在系統要蒐集資料的難度降低,龐大數據量為AI演算法提供了充足的支援。


捲土重來的AI聲勢驚人,並被IT業者視為物聯網智慧化的最後一塊拼圖,AI在物聯網的應用,將會在上層的雲端與底層的設備端,上層雲端系統的處理器以平行運算為主,其架構大致是GPU+CPU或GPU+FPGA,在伺服器領域,Intel的運算晶片仍是市場大宗,台灣IC設計廠商在這部分難有作為,因此未來最佳的位置會是終端設備。


邊緣運算加速AIoT普及


圖1 : 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。(source:EclipseCon 2020)
圖1 : 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。(source:EclipseCon 2020)

現在物聯網主要為集中式運算架構,也就是第一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,另外在零售業也會有同樣的問題,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,而人臉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,若所有的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,再加上所有第一線設備的連網需求,無論是建置或運作成本都會相當高昂,因此在部分應用中,邊際運算會是較佳選擇。


不過,邊際運算也並非全無缺點,例如若系統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際運算功能,其他部分則仍為集中式運算。



圖2 : 物聯網系統多會是垂直產業所應用,製造業就是其中最重要之一,這些產業物聯網系統都需要與其專業結合。(source:The Times of Israel)
圖2 : 物聯網系統多會是垂直產業所應用,製造業就是其中最重要之一,這些產業物聯網系統都需要與其專業結合。(source:The Times of Israel)

對台灣來說,集中式運算向來是台灣廠商無力觸及的商機,台灣廠商過去在IT領域主要以消費性產品為主,物聯網興起後,多數廠商也將目光聚焦在第一層的設備端,而邊際運算概念的出現,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,大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,但在邊際運算概念中,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,其中位於現場第一線的設備更是如此,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,方能順利站穩市場。


台商應找出市場定位

不管是集中式運算或邊緣運算,未來都會走向垂直市場,垂直市場的設備都需要該領域的專業知識,而且這部分市場屬於少量多樣,初期的開發成本攤提時間較長,若投入發展的成果不佳,開發成本將有可能無發回收,這對同為競爭對手的大陸廠商來說或許尚可容忍,但對資源有限的台灣廠商來說,就會是難以承受之重。


不過,終端設備市場仍是台灣廠商的重要利基處,因此台灣廠商除了在投入前要做足功課外,也應該改變產品策略,強化特定領域的專業,方能在邊緣運算浪潮中站穩腳步,找到自己的定位。


**刊頭圖(source:WittySparks)


相關文章
人工智慧和物聯網 創造教育數位化轉型
企業實踐數位轉型 導入AIoT架構是關鍵
打造工業4.0第一步應用 邊緣運算讓產線檢測更快準
優勢科技,優質生活:科技如何提供更美好的「新常態」
AIoT引爆數據潮 MCU與MPU需求逐年升高
comments powered by Disqus
相關討論
  相關新聞
» 東元、華新麗華聯手結盟 串起綠能產業鏈
» 長庚大學跨校技術交流 與北部12大工業區建構產學合作平台
» 中科引進產研合作AI技術 今展7大廠智慧製造應用
» 西門子數位工業與中興電工聯手 打造氫儲能供電系統
» 華城電機領先跨足充電服務營運 持續推廣全台電動車充電站
  相關產品
» 中美萬泰推出醫用電腦電源內裝設計WMP-24G-PIS
» 中美萬泰推出新款Intel第八代Whisky Lake工業級觸控電腦
» 安勤觸控雙螢幕AIO POS終端機RiVar模組化擴充快速
» 大昌華嘉在台韓推廣DataPhysics量測設備 投入表面和介面科學領域
» Fluke首款可攜式口袋熱像儀上市

AD


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 ©1999-2020 遠播資訊股份有限公司版權所有 Powered by O3
地址:台北市中山北路三段29號11樓 / 電話 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw