账号:
密码:
CTIMES / 文章 /   
提升设备效能与价值 AI已是工业电脑的未来
 

【作者: 王明德】2018年11月12日 星期一

浏览人次:【3631】
  

AI(人工智慧)近年来成为IT产业的重要趋势,尤其是与经过大约10年发展、开始落地应用的物联网结合,形成AIoT架构後,整体发展越来越快,由於AIoT主要应用於各种垂直的特定领域,像是制造、医疗、交通…等,这些领域又是工业电脑厂商耕耘已久的场域,再加上AI原就属於电脑运算技术,在应用与技术都相符的态势下,工业电脑自然成为最积极投入AI发展的产业。


第3波AI趋势 前景看好

这波AI议题的启动,从2016年底Google的AlphaGo陆续打败世界职业围棋棋士开始,但就整体发展来看,这次的热潮已是AI概念发表以来的第三波大型发展,过去两次都因资料库不完整、运算能力不隹两大原因,导致成效不如预期而让热潮消退。


这次AI之所以前景看好,主要原因也是解决了资料库与运算能力大量的问题,距离上次1980年代发展至今,已超过30年,这30年间,IT产业经过了两大典范转移,首先是PC的崛起,让运算能力不断提升,摩尔定律让IC效能、体积与功耗表现持续强化。2000年起,网际网路开始普及,再加上後来行动通讯的加持,开启了资讯爆炸的年代。


PC强化了运算能力,网际网路则让资料库的建立不再困难,再加上大约10年前开始启动的物联网,这些技术与概念的落实,都为这次的AI发展铺好路,也因此,相较於过去两次发展,最终热潮消退,回归学术界再行研究的结果,这次业界对AI的落地可能性非常看好。



图1 : 凌华科技平台产品中心嵌入式平台及模组事业处总监蔡雨利表示,凌华具备完整的处理器产品技术与应用领域专业,其异质性平台将可让系统效能最隹化。(摄影/王明德)
图1 : 凌华科技平台产品中心嵌入式平台及模组事业处总监蔡雨利表示,凌华具备完整的处理器产品技术与应用领域专业,其异质性平台将可让系统效能最隹化。(摄影/王明德)

过去AI的运算架构为集中式运算,也就是将所有资料汇集到中央大型主机运算,不过在物联网架构中,此一方式对云端主机与网路频宽的负荷量极大,同时数据资料的来回传输,也会因传输延迟导致系统的即时性不隹,因此近年来边缘运算概念兴起。


边缘运算已成AIoT趋势

要谈边缘运算,必须先谈AI演算法的运作。现在AI主流的演算法包括深度学习(Deep Learning)与机器学习(Machine Learning),都会分成训练(Training)与推理(Inference)两部分,前者是透过现代机器学习技术,利用大量样本数据对演算法进行训练,後者则是让装置在内部根据已有的模型运算。


现在AIoT就是以这两种方式运作,先前端设备撷取的数据形成资料库,後端主机再以机器学习运算此资料库中的数据,这些数据经过一段时间的运算後形成模型(Pattern),再将模型建在前端设备中,前端设备除依照模型设计处理状况外,也将所接受到的资料持续传回後端资料库,後端主机则是以深度学习演算法,在不断增加的资料库中持续运算并校正结果,让结果越来越精准。


这种边缘运算的架构AIoT系统,需要强大云端主机与一定运算能力的终端设备,工业电脑厂商的产品主力多在终端设备,因此在AIoT领域中,也是侧重此部分。不过近年来此产业开始强化、延伸本身价值,其营运策略已从单一产品销售转换为提供整体服务,因此除了终端产品外,现在多会与Google、Amazon、IBM、微软等有提供云端架构的大厂合作,以整体解决方案的模式,让客户可以完整建置AI系统,而在这几家厂商中,微软与台湾工业电脑厂商的合作向来密切,因此旗下的Azure,也是最主要的云端平台。


至於在硬体方面,以前IT系统的处理器均以CPU为主,不过进入AI时代後,GPU、VPU、FPGA,甚至Google与AMD都推出了各自的AI处理器,因此选择相当多,在目前的市场多认为平行运算模式的GPU是最隹选择。


异质化才能最隹化

不过,凌华科技 平台产品中心嵌入式平台及模组事业处 总监 蔡雨利 表示,AIoT的应用多元,所用的演算法、神经网路也不相同,而且厂商上每一类型处理器各有其特长与局限,必须互相搭配使用,这也是凌华推出异质化平台的原因。


要让异质化平台的效能浮现,在软硬两端都必须有足够技术,在硬体方面,蔡雨利指出,神经网路大约有5~6种分类,这些分类又有不同变形,这些分类已可覆盖目前绝大多数应用,而神经网路每一种拓??类型不同,各有适合的加速器,选择到正确的加速器,就可组合出最隹化架构。软体方面则是演算法,AI最重要的是数据的运算处理分配与效能,透过精密的运算,可解决系统的运算瓶颈,让效能顺利浮现。



图2 : 具备AI功能的机器视觉,可自我学习产品的良品与不良品特徵,快速分辨良品与不良品。(摄影/王明德)
图2 : 具备AI功能的机器视觉,可自我学习产品的良品与不良品特徵,快速分辨良品与不良品。(摄影/王明德)

要让异质性平台符合使用者所需,必须对处理器技术与应用领域两端都有足够的专业掌握,以凌华来说,由於有完整的处理器产品技术,因此在平台初期,即可了解各处理器在导入运作时会产生的状况,透过此经验就可找出最适合的处理器类型。至於软体方面,学术单位目前仍是演算法的主要机构,因此凌华已与台大合作,解决软体方面的问题。


至於在应用面,虽然近期AI加快扩展使用面向,不过目前AI的绝大多数仍来自於影像处理,由於摄影机是主要的影像资料来源,因此AI也多应用於此。在非消费性领域中,摄影机的应用分为安全监控与工厂的机器视觉两类,安全监控系统中的AI现在多用於交通领域,用来分析车流、人流,改善交通流量,或是辨识车牌,作为违规开罚、停车收费之用。


另一个影像应用是产线中的机器视觉,工厂中的机器视觉系统,主要是建置於产线中,用来检测产品,提升产品品质之用。在加入AI功能後,AI软体可运算这些影像资料,自我学习产品的良品与不良品特徵,并根据分析结果,快速分辨良品与不良品,不必像传统AOI需耗时编写演算法。


AI在产业的应用多元,而且必须搭配的系统相当复杂,因此过去单一厂商独立建置整体系统的商业模式,已无法套用在AIoT中,未来必须是各方厂商协力合作打造,才能让系统适用於所属领域,而且在导入後,系统通常也不会一次到位的解决所有问题,必须经过不断的调校,效能才会逐渐浮现,因此专业、经验与合作团队,就是企业在选择AIoT厂商时的重要指标,透过这三大指标,方能让导入更顺利,竞争力也才会提升。


**刊头图(Source: Privacy & Security Law Blog)


相关文章
延伸工业感测器价值链 须藉系统整合深入应用
Moxa工业物联网软硬体整合方案 打造客户垂直应用开发落地成功体验
机器视觉走入AI世代 後势发展深具潜力
机器视觉系统提升药瓶检测效率及准确性
因应工厂需求 打造特定AI视觉系统
comments powered by Disqus
相关讨论
  相关新闻
» 电子、AIoT、能源、光电、雷射五展跨界激荡 前瞻趋势智能创新应用
» 宾鑫智能落地台湾 用AI演算运筹帷??
» 跨部会三合一展览现产业加乘效益 让世界看见台科技创新能量
» AI全方位虚拟助理,加速企业数位转型与服务升级
» 直击中国工博会商机 上海宾通拥多方资源优势
  相关产品
» Fluke首款可携式囗袋热像仪上市
» Fluke首款工业声学成像仪ii900上市
» Fluke四款640 x 480解析度热像仪齐登场
» 明纬扩充EPP-500系列
» KNX用於现代建筑 可降低事後维护与火灾风险

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2019 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw