以AI人工智慧結合物聯網(IoT)裝置而掀起一波AIoT新應用,在2018年迅速竄紅,甚至還取代傳統IoT一躍成為當前最火紅的物聯網產業新應用。雲端大廠最先嗅到AIoT商機,爭相推出自己的AIoT服務,從原先封閉測試,到發展成熟可以商用的AIoT產品,企業將有更多新選擇。可以預期的是,2019年也將掀起企業新一波物聯網應用風潮。
AIoT並不是新技術,而是一種新的IoT應用型態,來與傳統IoT應用做區別,從名稱來看,AIoT是AI加上IoT的縮寫(或可稱為Artificial Intelligence of Things),顧名思義,就是一種物聯網AI應用,但是它與以往多以雲端為主的AI應用不同,因為是就近在IoT裝置上執行AI或機器學習(ML)運算工作,能直接套用IoT感測器串流資料用於ML模型推論,資料不用再傳雲,即使沒有網路也不怕。
而且有別於微軟2018年提出的智慧邊緣(Intelligent Edge),AIoT更加強調是在這些配備有感測器的各種IoT裝置上執行的物聯網AI應用,如自駕車、影像辨識攝影機與水電錶等。
對企業來說,過去想要在IoT裝置跑AI或ML推論,不是一件容易的事,但是雲端技術成熟,加上運算力更強的加速硬體的出現,讓這件事得以實現,現在IoT裝置上不只能執行更複雜的AI或ML推論,甚至還可以在更小型的IoT裝置上執行,即使是記憶體容量只有128MB大小的Raspberry Pi單板電腦也能用。
雲端大廠紛紛押寶,爭相推出自己的AIoT產品
一些主要雲端服務商最早嗅到AIoT商機,在2018年開始推出可商用AIoT產品, 讓企業開始能把雲端訓練完的ML模型帶進IoT裝置,用於執行ML推論。全球雲端服務龍頭AWS先是開出第一槍。在2017年尾的re:Invent全球用戶大會上,AWS宣布將替自家邊緣運算服務Greengrass,新增機器學習推論(ML Inference)功能,並在隔年4月正式推出,讓企業開始可以利用它來打造新型態IoT應用,如Rockwell Automation、Aisin AW 與Brain Technology等業者都宣布開始採用。
不到2個月後,另一家雲端大廠微軟也在自家Build 2018年度大會上,推出第一款智慧邊緣服務Azure IoT Edge,還將該服務程式碼開源釋出,要讓企業更容易將AI與ML能力快速擴散到各種 IoT裝置或設備上,甚至還直接把Azure雲端認知服務上熱門的影像分類及識別服務,打包成可以在IoT裝置上執行的影像辨識功能Custom Vision,用以實現了「智慧+邊緣」的整合。
Google隨後也加入戰局,推出自己的AIoT服務Cloud IoT Edge,雖然目前還只是功能有限的測試版,但靠著主打Edge端的AI與ML分析功能,也因此吸引不少大型企業與新創加入試用,如LG CNS 、Smart Parking與XEE等。
隨著三大公有雲廠商的AIoT產品紛紛落地,這也意味著,企業未來將有更多新選擇,可以依據自身應用需求,選擇適合的AIoT應用部署與執行方案。
隨著AIoT技術成熟,企業也有了現成可以套用的AIoT商品
而且不像以往,企業若想要在工廠IoT設備或裝置上進行AI分析,還得自行費一番功夫客製才行,有了這些已經成熟可商用的AIoT產品,企業之後想在IoT裝置上進行大規模ML推論部署將更容易,就像是以往IoT應用部署那樣。
如全球大型工業自動化大廠洛克威爾自動化公司(Rockwell Automation)在2018年時就開始試用AIoT技術,來幫助石油與天然氣工廠快速檢測有無異常的問題油管或管線,加快異常事件的預警反應。該公司在工廠內的輸送管線旁,每隔一段路,就架設一臺深度學習攝影機,利用攝影機擷取到的影像畫面,搭配ML模型現場作預判,用以檢測輸送管線的外殼表面,有無出現變形或產生裂痕等,因為不需要將資料回傳,因此反應速度變更快,甚至沒有網路也照樣可以執行。也因為是將訓練好的ML模型打包預先載入到攝影機來啟用執行,因此想要在工廠內大量部署時,也相較變得容易許多。
根據市調機構Research and Markets的最新預測,未來4年內,物聯網AI晶片出貨量將連年攀升,甚至於全球AI晶片市場的占有比例,更將在2023年一舉突破8成,也就是說,以後每5個IoT裝置,就有4個會是具備AI運算處理能力的AIoT裝置。這也意味著,企業想要讓IoT裝置或設備就近結合機器學習將變得更簡單,也將使得這些裝置變更聰明,能用來開發各種不同物聯網AI新應用。
因應AIoT應用需求,2018年開始有臺灣硬體廠商積極布局。如凌華科技除了搶攻邊緣運算,更是臺灣首家Google邊緣運算合作夥伴,今年計畫要將Edge TPU晶片整合到自家IoT閘道器產品,要讓企業更容易在IoT裝置上執行機器學習模型,就連科技大廠宏碁也都押寶AIoT,推出內建鏡頭的AIoT邊緣運算裝置aiSage,主打影像辨識能力,要透過AI加值,為企業提供全新客製化IoT解決方案。
企業實例 1【將AIoT帶進連線昂貴的現場】影像免上傳!洛克威爾自動化工廠靠攝影機現場作AI預判
美國洛克威爾自動化公司利用攝影機擷取到的影像畫面,直接搭配機器學習模型現場作預判,快速檢測出異常的問題油管設備,即早報修。一旦攝影機偵測到異常情況時,只須向雲端發送警示訊息,不需要將整段監視影片全部上傳雲,有效減少網路頻寬成本。圖片來源/Microsoft Build 2018
隨著3大雲端巨頭2018年紛紛搶進AIoT市場,也讓企業開始有了成熟可以商用的AIoT產品能夠選用。如美國洛克威爾自動化公司(Rockwell Automation)在2018年時就開始試用AIoT技術,來幫助工廠快速檢測有無異常的問題設備,加快異常事件的預警反應。該公司在油管或管線工廠內的輸送管線旁,每隔一段路,就架設一臺攝影機,然而過去想要透過雲端AI分析偵測異常情況,得負擔昂貴網路連線成本,後來改用攝影機擷取到的影像畫面,直接搭配機器學習模型現場作預判,來幫助他們加快檢測出有異常的問題油管或管線,即早搶修。 當攝影機偵測到異常情況時,也只須向雲端發送警示訊息,不需要將整段監視影片全部上傳雲,有效減少網路頻寬成本。
企業實例 2【AIoT可以隨身帶著走】日本東京停車廠將AI帶進穿戴裝置加快檢修
日本東京的立體停車廠維運業者Famm,2018年開始試用智慧邊緣技術,搭配穿戴裝置,來幫助他們改善停車廠設施維護。因為該AIoT設備可以跟著作業員一起移動,而且不需要連網就能用,所以即使到了沒有網路的地方也不怕。攝影/余至浩
東京一家立體停車廠維運業者Famm,從2018年上半,開始利用AIoT技術搭配穿戴裝置,來幫助他們改善停車廠設施維護,甚至是加快檢修。該公司在作業員身上配備一臺可攜式迷你電腦,頭上還搭配類似Google Glass眼鏡裝置來進行現場的工作。
作業員進到停車場後,頭上的眼鏡會自動將擷取到的影像畫面回傳至操作員腰上的AIoT設備,並直接從設備上進行預判後,再將判讀結果顯示在眼鏡上。透過影像辨識的結果,維護人員馬上就能知道哪些零件需要更換,不需要像以前再爬上爬下,作業上也更安全。因為該AIoT設備是直接配備在人員身上,可以跟著他一起移動,而且不需要連網就能進行AI預判,所以即使到了沒有網路的地方也不怕。使用至今,不僅明顯減少了人為出錯的情況,更大幅縮短作業的時間。而以往維護工作,需要老練的維修人員靠著長年的經驗來判斷,現在即使新進的人員也能夠很快上手。
熱門新聞
2024-12-08
2024-12-08
2024-12-08
2024-11-29