AWS母公司亞馬遜將AWS感測器套裝方案Monitron,運用在物流中心長26公里的輸送帶設備上,通過機器學習模型分析設備的感測數據,掌握輸送設備的運行狀況。圖片來源/AWS

雲端巨頭們推出新AI應用,擴充AI產品線,已是常態。2020年,兩大雲端巨頭更轉向發展產業型AI應用,針對特定產業情境打造AI應用,其中包含了公有雲龍頭AWS,在2020年一口氣推出5項工業AI應用。

過往雲端AI產品多朝水平方向發展,圍繞在滿足廣泛的技術需求,像是圖像辨識、語音轉文字、分析等通用型服務,而缺少解決實際業務問題的特定產業或情境知識。

所以,企業往往在採用服務時,需自行修改和調整,甚至需找顧問團隊幫忙部署,才能實際獲得AI應用帶來的效益。儘管,早前已有熟捻產業領域知識的雲端業者,推出產業型AI方案,像是IBM的Watson Health就是一個代表性例子,專注醫療產業的需求,提供相關AI解決方案。

IBM Watson的AI技術能力備受市場肯定,相對其他AI平臺,IBM Watson Health對產業端領域知識的掌握,也更為完整、成熟。然而,導入Watson牽涉顧問服務、資料蒐集和整合等作業,產生了高昂的成本,讓許多企業卻步。

2020年,有更多雲端巨頭們加入發展產業型AI應用的行列,針對特定產業情境打造AI應用,且大幅降低這些產業型AI應用的部署門檻,使雲端AI應用朝產業化發展的態勢更為明朗。

去年年尾,Google雲端推出的客服中心AI服務,其實,就已先針對特定的產業情境來打造,供企業用Google AI快速建立互動式客服中心。今年10月,Google雲端進一步將AI應用的觸角深入單一產業場域,首先鎖定的是金融產業借貸場景的需求。

Google在AI文件理解產品Document AI,新增貸款文件自動化處理Lending DocAI功能,應用一組專精於借貸文件的模型,提供可辨識借貸相關文件的能力,可自動處理、審閱文件內容。

Google表示,新功能是專為抵押借貸領域設計,是他們在該領域提供的第一個垂直專用解決方案。相較原Document AI為通用型AI應用,雖具自動分析、處理和驗證文件的能力,但未收斂聚焦特定產業的使用場景。

相隔不到兩個月,身為公有雲龍頭的AWS,於今年度reInvent大會上,直接為AI產品線新增了工業AI的服務類別,並推出5大工業AI應用。這是AWS第一次針對特定產業情境,打造AI應用。

其中最具亮點的是AWS Monitron和AWS Panorama。Monitron專用感測器收集的產線設備數據,經AWS專用機器學習模型分析,可讓工業企業在產線設備出現異常狀態時,及早進行保養或維修,避免設備停機。

Panorama方案則提供具電腦視覺技術的監控分析設備,在與工業產線攝影鏡頭連線後,該設備會執行多個機器學習模型來辨識串流資料,協助企業偵測異常狀況。

另外,在醫療照護與生命科學領域方面,AWS也推出了AI資料湖服務HealthLake,讓醫療院所等,可匯集各資料孤島的PB級數據,並用機器學習技術,來將不同格式資料進行正規化、標註等處理。

加速產業現場朝智慧化邁進

產業型AI應用與通用型AI應用最大的差別是,它們具有特定產業場景的相關領域知識,並具完善的特定工作處理流程。企業導入、部署這類的AI應用後,只需再用自己的資料來訓練專屬的模型,達到客製化效果,或甚至不用餵任何自己的資料,即可直接採用AI應用的特定產業情境專用模型,來分析、處理工作。

雲端AI服務走向產業化發展,並且降低部署門檻的趨勢,對企業來說,代表著應用上手速度加快,不用投入太多的心力和時間,摸索如何讓AI應用符合產業使用場景的需求,就能套用產業專用的解決方案,大大降低企業採用雲端AI產品的門檻,加快了企業部署AI應用的速度,這也預見了,AI深入產業現場的普及度也將大幅提升。

熱門新聞

Advertisement