帳號:
密碼:
CTIMES / 文章 /   
提升設備效能與價值 AI已是工業電腦的未來
 

【作者: 王明德】   2018年11月12日 星期一

瀏覽人次:【1939】
  

AI(人工智慧)近年來成為IT產業的重要趨勢,尤其是與經過大約10年發展、開始落地應用的物聯網結合,形成AIoT架構後,整體發展越來越快,由於AIoT主要應用於各種垂直的特定領域,像是製造、醫療、交通…等,這些領域又是工業電腦廠商耕耘已久的場域,再加上AI原就屬於電腦運算技術,在應用與技術都相符的態勢下,工業電腦自然成為最積極投入AI發展的產業。


第3波AI趨勢 前景看好

這波AI議題的啟動,從2016年底Google的AlphaGo陸續打敗世界職業圍棋棋士開始,但就整體發展來看,這次的熱潮已是AI概念發表以來的第三波大型發展,過去兩次都因資料庫不完整、運算能力不佳兩大原因,導致成效不如預期而讓熱潮消退。


這次AI之所以前景看好,主要原因也是解決了資料庫與運算能力大量的問題,距離上次1980年代發展至今,已超過30年,這30年間,IT產業經過了兩大典範轉移,首先是PC的崛起,讓運算能力不斷提升,摩爾定律讓IC效能、體積與功耗表現持續強化。2000年起,網際網路開始普及,再加上後來行動通訊的加持,開啟了資訊爆炸的年代。


PC強化了運算能力,網際網路則讓資料庫的建立不再困難,再加上大約10年前開始啟動的物聯網,這些技術與概念的落實,都為這次的AI發展鋪好路,也因此,相較於過去兩次發展,最終熱潮消退,回歸學術界再行研究的結果,這次業界對AI的落地可能性非常看好。



圖1 : 凌華科技平台產品中心嵌入式平台及模組事業處總監蔡雨利表示,凌華具備完整的處理器產品技術與應用領域專業,其異質性平台將可讓系統效能最佳化。(攝影/王明德)
圖1 : 凌華科技平台產品中心嵌入式平台及模組事業處總監蔡雨利表示,凌華具備完整的處理器產品技術與應用領域專業,其異質性平台將可讓系統效能最佳化。(攝影/王明德)

過去AI的運算架構為集中式運算,也就是將所有資料彙集到中央大型主機運算,不過在物聯網架構中,此一方式對雲端主機與網路頻寬的負荷量極大,同時數據資料的來回傳輸,也會因傳輸延遲導致系統的即時性不佳,因此近年來邊緣運算概念興起。


邊緣運算已成AIoT趨勢

要談邊緣運算,必須先談AI演算法的運作。現在AI主流的演算法包括深度學習(Deep Learning)與機器學習(Machine Learning),都會分成訓練(Training)與推理(Inference)兩部分,前者是透過現代機器學習技術,利用大量樣本數據對演算法進行訓練,後者則是讓裝置在內部根據已有的模型運算。


現在AIoT就是以這兩種方式運作,先前端設備擷取的數據形成資料庫,後端主機再以機器學習運算此資料庫中的數據,這些數據經過一段時間的運算後形成模型(Pattern),再將模型建在前端設備中,前端設備除依照模型設計處理狀況外,也將所接受到的資料持續傳回後端資料庫,後端主機則是以深度學習演算法,在不斷增加的資料庫中持續運算並校正結果,讓結果越來越精準。


這種邊緣運算的架構AIoT系統,需要強大雲端主機與一定運算能力的終端設備,工業電腦廠商的產品主力多在終端設備,因此在AIoT領域中,也是側重此部分。不過近年來此產業開始強化、延伸本身價值,其營運策略已從單一產品銷售轉換為提供整體服務,因此除了終端產品外,現在多會與Google、Amazon、IBM、微軟等有提供雲端架構的大廠合作,以整體解決方案的模式,讓客戶可以完整建置AI系統,而在這幾家廠商中,微軟與台灣工業電腦廠商的合作向來密切,因此旗下的Azure,也是最主要的雲端平台。


至於在硬體方面,以前IT系統的處理器均以CPU為主,不過進入AI時代後,GPU、VPU、FPGA,甚至Google與AMD都推出了各自的AI處理器,因此選擇相當多,在目前的市場多認為平行運算模式的GPU是最佳選擇。


異質化才能最佳化

不過,凌華科技 平台產品中心嵌入式平台及模組事業處 總監 蔡雨利 表示,AIoT的應用多元,所用的演算法、神經網路也不相同,而且廠商上每一類型處理器各有其特長與侷限,必須互相搭配使用,這也是凌華推出異質化平台的原因。


要讓異質化平台的效能浮現,在軟硬兩端都必須有足夠技術,在硬體方面,蔡雨利指出,神經網路大約有5~6種分類,這些分類又有不同變形,這些分類已可覆蓋目前絕大多數應用,而神經網路每一種拓墣類型不同,各有適合的加速器,選擇到正確的加速器,就可組合出最佳化架構。軟體方面則是演算法,AI最重要的是數據的運算處理分配與效能,透過精密的運算,可解決系統的運算瓶頸,讓效能順利浮現。



圖2 : 具備AI功能的機器視覺,可自我學習產品的良品與不良品特徵,快速分辨良品與不良品。(攝影/王明德)
圖2 : 具備AI功能的機器視覺,可自我學習產品的良品與不良品特徵,快速分辨良品與不良品。(攝影/王明德)

要讓異質性平台符合使用者所需,必須對處理器技術與應用領域兩端都有足夠的專業掌握,以凌華來說,由於有完整的處理器產品技術,因此在平台初期,即可了解各處理器在導入運作時會產生的狀況,透過此經驗就可找出最適合的處理器類型。至於軟體方面,學術單位目前仍是演算法的主要機構,因此凌華已與台大合作,解決軟體方面的問題。


至於在應用面,雖然近期AI加快擴展使用面向,不過目前AI的絕大多數仍來自於影像處理,由於攝影機是主要的影像資料來源,因此AI也多應用於此。在非消費性領域中,攝影機的應用分為安全監控與工廠的機器視覺兩類,安全監控系統中的AI現在多用於交通領域,用來分析車流、人流,改善交通流量,或是辨識車牌,作為違規開罰、停車收費之用。


另一個影像應用是產線中的機器視覺,工廠中的機器視覺系統,主要是建置於產線中,用來檢測產品,提升產品品質之用。在加入AI功能後,AI軟體可運算這些影像資料,自我學習產品的良品與不良品特徵,並根據分析結果,快速分辨良品與不良品,不必像傳統AOI需耗時編寫演算法。


AI在產業的應用多元,而且必須搭配的系統相當複雜,因此過去單一廠商獨立建置整體系統的商業模式,已無法套用在AIoT中,未來必須是各方廠商協力合作打造,才能讓系統適用於所屬領域,而且在導入後,系統通常也不會一次到位的解決所有問題,必須經過不斷的調校,效能才會逐漸浮現,因此專業、經驗與合作團隊,就是企業在選擇AIoT廠商時的重要指標,透過這三大指標,方能讓導入更順利,競爭力也才會提升。


**刊頭圖(Source: Privacy & Security Law Blog)


相關文章
CNC數控擴增應用 AIoT與客製化分向發展
可視化刺激規格提升 廠商重新定義HMI角色
從日本樂天打造雲原生網路看5G網路白盒化趨勢
打造AI視覺檢測平台 GPU選擇須兼顧5大重點
智慧化雲端系統 應用管理整合優先
comments powered by Disqus
相關討論
  相關新聞
» 達梭系統解決方案幫助歐洲之星規劃資源和維護管理
» 區塊鏈科技導入行車保險業應用 引領車聯網服務變革
» 上銀科技通過ISO 45001國際標準驗證
» 祥儀WAGV模式成型 誠徵合作伙伴
» IIoT快速發展 SPE將成關鍵技術之一
  相關產品
» 明緯擴充EPP-500系列
» KNX用於現代建築 可降低事後維護與火災風險
» 艾睿電子協助香港升降機工程師開發基於物聯網的實時監察裝置
» 瑞薩電子推出故障檢測e-AI解決方案 簡化馬達型家電的維護
» 意法半導體雙射頻Bluetooth和LPWAN物聯網開發套件

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 ©1999-2019 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