新零售 POS 解決方案改變結帳流程

Posted on by Micah Kaplan

零售銀行技術系統供應商、Diebold Nixdorf 的零售技術解決方案副總 Matt Redwood，看到商店的結帳通道關閉或機械故障總是難免氣悶。

但結帳流程不見得只有這種方式，Redwood 主張：「商店的 POS 解決方案發展已超越基本的銷售點收銀機。零售商店可以也應該更新店內技術，提供顧客更好的服務。」

尤其是後疫情時代，顧客的購物行為有所改變。消費者購物習慣目前傾向或轉為網路和實體購物並進，但他們深切的期望不曾改變。鑑於網路購物只需一指搞定，實體商店不得不投資重大的技術更新，徹底改變店內體驗，提供消費者上門的動機。

流暢的結帳流程也是購物體驗的一環。現今的消費者逐漸接受自助服務，因為他們察覺自助服務更利於掌握交易。此外，自助服務帶來其他優勢，例如結帳快捷，縮短排隊時間。提供靈活並用的自助結帳機台和一般結帳櫃臺後，零售企業逐漸獲得回報。

靈活的零售 POS 系統

Diebold Nixdorf 提供零售商各種交易結帳解決方案，包括傳統 POS 系統和自助結帳。自助結帳機台也逐漸從快餐店（QSR）和飯店業拓展至傳統零售，例如獨立烘焙坊的店內點餐，或 DIY 油漆顏色的選擇。

不僅如此，Diebold Nixdorf 還提供格外引人矚目的模組化結帳系統，因為零售商可以根據需求預測店內繁忙時段或可用的人力，將櫃台改為自助服務，而不是因為零售商沒有人力，只能關閉結帳通道。零售商可以以自助服務模式開放通道。

再次強調，精密 #AI 支援的 #技術選項有助零售商解決結最大的難題。比方說，AI 支援技術可以減少衝突，如自助結帳購買年齡限制的產品，或購買產品、使用選單尋找要掃描的產品時。

更多交易流程交給顧客後，員工有精力以其他方式提供顧客更好的體驗。同時，服務人員與消費者的工作交接可以加快結帳速度。以服飾業為例，顧客付款時，服務人員可以移除衣服的防盜標籤並裝袋。

POS 創新技術的開放平台

BEETLE 平台是 Diebold Nixdorf 產品組合支撐所有零售接觸點的地基。「零售商投資解決方案後，不僅獲得傳統 POS 系統完整的靈活性，更獲得同一個平台線下執行的自助服務與機台。」Redwood 說。

Diebold Nixdorf 的零售技術解決方案很靈活，支援多種作業系統，而且其他解決方案的元件或零件淘汰時，我們的方案可相容新的元件或零件。零售商愈來愈看重 POS 系統的最高可用性。搭配 Diebold Nixdorf 服務平台使用時，POS 系統可實現 99.8% 的可用性。

Diebold Nixdorf 的開放軟體平台，讓零售商可以連線各種舊版解決方案，即時實作新情境。搭載 Intel 處理器的 BEETLE 解決方案讓軟硬體分離，所以軟硬體可視需求個別升級，不相互影響。「實際執行 Diebold Nixdorf 產品的管理成本，比我們許多競爭對手低廉。因為更換新元件時，軟體不需大幅調整。」Redwood 說明。

零售技術應用

實作 BEETLE 有助零售商提供更順暢的垂直服務，簡化營運管理。

例如，一家歐洲零售商希望實施完整的商店轉型，確保企業所有業務──食品雜貨、服飾、居家可以整合。為確保通用硬體平台提供這三個部門不同的外型規格，該公司選擇架構易於維護的 BEETLE 系列。

而另一家食品雜貨零售商同樣利用 BEETLE 平台的模組化，及軟體相容性開發專有軟體。

因為 BEETLE 這類系統，零售商現在不必依賴過時的 POS 系統了。「現今的零售開發週期加快許多，BEETLE 平台也配合開發週期推陳出新。」Redwood 說，「零售商不必再忍受過時的技術。你可以升級系統，隨時確保提供客戶最新的一流技術。」

如果 Redwood 和 DN 團隊的願景成真，他（或我們）就不必在任何商店苦苦排隊。

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

物聯網邊緣運算：邁向成功之路

Posted on by Micah Kaplan

物聯網邊緣運算是各產業人士眾所皆知的技術，因為此技術能夠讓運算更接近資料生成位置。這能實現即時的洞察力、高效能與低延遲，讓企業能夠在現今環境中獲得成功。有哪間企業不想要獲得這些致勝關鍵？但對於部分產業，如製造業而言，可能面臨到更加棘手的數位轉型過程，因為這些產業多使用舊式基礎架構，而且很少或完全沒有停機時間可以進行任何轉型與改變。部分組織雖已具備多項優勢與複雜性，仍不確定該如何以最佳方式進行轉型。

為了幫助我們更加瞭解這趟旅程，我們邀請了兩位在物聯網邊緣運算領域背景深厚，且有豐富知識的專家：CCS Insight 物聯網研究負責人 Martin Garner，以及 Intel 網路與邊緣解決方案部門副總裁兼總經理 Dan Rodriguez。他們會和我們介紹此領域相關的挑戰與機會，並且提醒我們，沒有人必須或應獨自面對這些挑戰（影片 1）。此外，CCS Insight 也提供了 insight.tech 訂閱者最新的工業邊緣運算擴充物聯網計畫報告。立即查看，掌握數位轉型的入場券。

影片 1。CCS Insight 的 Martin Garner 和 Intel 的 Dan Rodriguez 探討邊緣運算的現狀、如何克服挑戰，以及值得期待的關鍵機會。（資料來源：insight.tech）

能不能和我們談談邊緣運算的優勢？

Dan Rodriguez：邊緣運算正在驅動著各行各業，投入進行大量變革。而且這有助於推動數位轉型，因為企業的目標是希望能實現基礎架構自動化以及提升營運效率。AI 和 5G 的問世，只會加速這個趨勢發展。

公司希望擁有更多的控制權。他們正面臨供應鏈挑戰、能源生產不穩定，有時甚至是勞動力短缺。他們希望能找到將營運、成本與資料最佳化的方法。邊緣 AI 能帶來豐富機會。還能提供新的獲利機會。因為公司希望能節省資金和管理其總體擁有成本，當然也是要賺錢。

試想一下在「製造」這個產業中，我們已經看到客戶開始他們的 AI 旅程。最初他們利用 AI 進行簡單的工作，例如供應鏈管理，讓自主機器人處理庫存進出貨。接著快速推進採用電腦視覺和 AI 進行缺陷偵測等工作。

邊緣運算的現狀如何，仍存在哪些挑戰？

Martin Garner：所有產業都已大量實作邊緣運算，甚至包括很多您可能不會視為邊緣運算的實作方式。這可以告訴我們關於此領域的幾項重點。

第一點是它的範圍非常廣。包含在感應器中的應用，到甚至是區域的資料中心皆能實作邊緣運算。同時也相當深入。從最底層的基礎架構到網路、應用程式、AI，皆可實作。因為有這兩項特點，讓邊緣運算的領域變得相當複雜。

就邊緣運算的普及而言，我們認為有幾項主要的驅動因素。一個是物聯網。其中會產生大量資料，而這些資料需要使用機器學習或 AI 進行近乎即時的分析和處理。此外，電信產業作為擁有多接取邊緣運算與私人網路供應商，最近也對這個主題非常感興趣。最後，是經濟環境。許多公司都在審查雲端支出，有助於在邊緣運算方面成就更多。

可否請您告訴我們，各產業在邊緣運算領域所能獲取的各項機會？

Dan Rodriguez：我們來談談零售業。零售商最大的成本之一來自於偷竊。信不信由你，這是一個每年需要花上 5000 億美元來處理的問題。利用電腦視覺與 AI 結合即可解決這個問題，有助於防止在商店門口（即結帳區）發生偷竊行為；在商店內，有時小偷會在走道間行竊；甚至在商店後方，也可能在倉庫和配送中心發生偷竊行為。

當您想像零售商如何賺錢時，可以發現他們能以各種新穎有趣的方式利用 AI。以購物體驗為例：AI 可以就不同的商品展示策略提供意見回饋。可以快速識別貨架上的商品何時缺貨。有時非常簡單的事情，確實可以帶來更好的成效。

接著談談製造業與工業邊緣運算；此領域中部署的基礎架構類型正在經歷重大轉型。普遍來說，製造商正逐漸放棄我所謂的固定功能裝置，也就是可以非常出色地完成單一工作的裝置，轉向更易於管理及升級的軟體定義系統。

因此，多樣化類型的製造流程正在簡化使用越來越少的軟體定義平台，從而提高整體效率，並降低基礎架構的複雜性。一旦有了軟體定義的基礎架構，便可以開始將其與機器人的使用、感測、5G 和 AI 結合。那麼您就可以在一個廠房內變出所有把戲，從庫存管理到缺陷偵測都能一併完成。

製造商在工業邊緣運算領域會面臨哪些挑戰？

Martin Garner：遇到挑戰的機會很多，但老實說，有部分挑戰是使用邊緣運算的任何人都會面臨到的挑戰。

第一個挑戰是規模。工業邊緣運算是可以輕鬆進行實作及完成一些零碎工作的技術之一，但一旦擴充規模，一切就會變得更為棘手。規模較大的玩家會在多個地理區域中數十個地點，擁有數千台電腦。而且這些電腦必須像單一系統一樣，保持更新、安全及同步，以確保擁有者能從中獲得預期的利潤。

與此相關，由於邊緣運算需使用龐大資源，最終會變成一個非常大型的分散式運算系統，其功能包括將時脈訊號、機器、資料發佈且同步至資料庫等。最重要的是，系統中有不同類型的資料，以及應用程式軟體的不同組合，包括部分雲端、部分多雲端、部分本機資料。上述這些都需要複雜的架構。

另外，還有幾個挑戰可能是製造業與生產產業特有的。第一種是即時工作，這是 IT 領域總體來說沒有的特殊要求。意見回饋循環是以微秒為單位；化學混合物是以百萬分之一計。時效性與準確度極其重要。且真正重要的是，這是系統級的東西，不只是一個元件，而是整個系統必須應付處理。

接著是系統的耐用性。許多工廠每天輪三班工作，一年 365 天不間斷。意外停工是一件所費不眥的事情，在許多案例中，若發生意外停工，每天都要花費數百萬美元。所有的運算都必須支援如系統冗餘、熱待機與自動容錯移轉等狀況。這樣一來，如果發生錯誤，也不會讓系統停止。這表示完全不需要中斷或重新啟動系統，就可以實施軟體修補程式和安全性升級。這也意味著，如果您需要擴充硬體，例如想要實作一個新的 AI，那麼您能夠在不停止生產線的情況下完成實作。

因此，軟硬體必須能自我設定，不能影響到其他部分。再次強調，這些都是 IT 領域所沒有的限制，但在工業領域卻是必須加以配合的一些特點。

製造商要怎麼做才能成功應對這些挑戰？

Martin Garner：首先我們會建議，不要自行建立基礎架構。這麼做太慢、會花費太多資源、隨著時間長期而言太昂貴，而且這是一個專業領域。

第二個建議是，請圍繞著現代 IT 與雲端運算實務的概念來設計系統。這之間應該幾乎無縫接軌。此外，還有許多優秀的技術架構可供選擇，因此大部分客戶設計工作都能專注維持在應用程式層級。

第三，在作業技術領域，設備和軟體的使用壽命通常是 10 至 20 年。我們認為實作邊緣運算後，最好規劃將壽命縮短至 5 至 10 年。資料量會不斷增加，您獲得的資料越多，就越想利用它，而且越能利用它。因此，您會需要更多 AI、更多邊緣運算能力，且必須快速為您擴充。

您認為製造商如何善用這類技術？

Dan Rodriguez：正如我先前提到的，這個旅程首先是從固定功能裝置轉向更為軟體定義的基礎架構開始。想像一下，如果您必須根據不同應用程式使用不同手機，那麼管理起來將會非常困難。廠房也是如此。想想看，如果將更多的應用程式載入至更少的軟體定義基礎架構，那麼複雜性會降低多少。

在未來，伺服器會承載大部分或許多此類軟體工作負載。接著，您便能夠以控制程度更高的方式提供自動化更新，在操作及維護上也會更加容易且效率更高。您也可以在其上使用各種新功能。

請提供使用這些方法的具體範例。

Martin Garner：我可以用一個例子來特別說明規模問題。一間規模龐大的大學醫院正在安裝網狀網路，用來追蹤呼吸器和其他關鍵設備，以及從感應器收集資訊。他們使用運作良好的電池供電節點進行了試驗，他們非常滿意。但他們發現，一旦將使用規模擴大至整個醫院，就會有數以千計的電池供電裝置需要監控。他們必須不斷在各處更換電池，且如果沒有徹底實行，就會有風險將造成危險後果。因此，他們要求供應商製造主（電網）供電的版本。

對我來說，從這個例子得到的教訓是，供應商從一開始就必須根據最終會達到的規模進行設計。客戶也同樣需要在設計階段考慮周到。正如 Dan 所說，這將是一趟旅程，且您可以在過程中學到很多。

請談談合作夥伴對實現這些目標的重要性。

Dan Rodriguez：Intel 建立使用開放和標準平台的多元化生態系統。這樣的生態系統，對市場的整體健康狀況至關重要；如此一來，整個社群不僅可有許多供應商選擇，而且還可以增強整體創新螺旋。

Martin Garner：邊緣運算如我先前所述，既廣泛、有深度又複雜。極少客戶能完全駕馭它。同樣的，極少供應商能夠駕馭它，因為他們往往會傾向於專業化。事實上，我們所討論的大多數系統都必須由三至五名玩家參與設計。我認為我們都應該可以預期得到，這是需要團隊努力才能完成的。

您如何看待物聯網邊緣運算在工業環境中的角色轉變？

Dan Rodriguez：第一階段是移轉至使用軟體定義的基礎架構，其工作負載整合可在越來越少的伺服器或裝置上支援多個應用程式。

當然，生成式 AI 現在已成為熱門話題，而且也將隨著時間推移納入應用至此策略。我們將看到生產量增加、缺陷減少，以及未來工廠使用新的模擬與建模技術，令人非常興奮。

Martin Garner：我們的報告中也有透露出一些端睨，雖然目前還不是熱門話題，但您可以期待這些趨勢。

第一點是關於關鍵任務製造流程，如我先前所說，任何意外停機時間都是所費不眥的事情。關鍵問題在於，如何從錯誤中學習。航空業一直都十分擅長這方面。目的在於確保能理解故障模式並緩解，讓系統越來越具恢復能力。接著，我們會建立新情境，讓我們能更完善應對故障的各種情況。在我們看來，這是製造業中更廣泛使用的重要領域。

另一點則是與工業耐用性息息相關。如果應用程式可以在某台機器上執行，並且一旦發生故障就會自動切換至另一台機器，那麼問題就是，哪台機器是能正常執行的最佳機器？您會發現，「最佳」可能代表速度最快、延遲最低、運作時間最長、資本成本最低，或是營運成本最低。關鍵在於，為了達到不同成果，必須以不同方式將系統最佳化。我們目前還沒任何正在探索這個答案的人，但我們確實希望能在邊緣運算領域很快找到這個解答。

最後，您是否有任何想法或關鍵重點想要和我們分享的呢？

Martin Garner：分析師常說一句老話：「哦當然，但講起來很複雜。」但實際上邊緣運算是很複雜沒錯，我想許多公司都已經發現並知道，但我仍感覺到前方還有很長的路要走。從我們 CCS Insight 的觀點來看，我們認為對客戶而言最關鍵的就是要立刻開始，找一些合作機會，並且慎選夥伴。

您在一開始就應該展現出野心，包含您如何看待這項技術，以及這項技術可以達到的規模，並且要明白這一切沒有辦法一氣呵成。然而，您可能會發現，造成限制的因素不是技術，可能是組織。就如同您必須確認要使用什麼技術，以及使用的程度，您至少需要投入相同的時間和努力，讓組織順利運作。

Dan Rodriguez：首先，邊緣運算正在從根本上改變幾乎每個產業。再者，將邊緣運算與 AI 和 5G 結合，就會帶動大量轉型，真正創造出大量機會，包含從精準農業到感官機器人，再到智慧調度車輛、人、及道路。

第三，我堅信產業合作與開放的生態系統是這一切的根本。正如 Martin 所說，這將是一項團隊運動，需要多名玩家來推動這些解決方案，並以讓客戶可以輕鬆使用並擴充技術的方式來實作。Intel 為了推動這個整合性的生態系統，投注大量心血。

相關內容

若要進一步瞭解採用邊緣運算的情況，請閱讀工業邊緣運算擴充物聯網計畫報告，以及收聽《工業邊緣運算：擴充策略》。如要進一步瞭解 CCS Insight 與 Intel 的最新創新技術，請在 Twitter 上跟隨 @ccsinsight 和 @intel，以及在 LinkedIn 上關注 CCS-Insight 和 Intel Corporation。

本文由Erin Noble編審。

加速自動駕駛車輛技術開發

Posted on by Micah Kaplan

自動駕駛車輛技術可望徹底改變運輸與物流。

未來幾年，我們將看到多個自動駕駛車輛使用案例。自動駕駛的計程車行駛在錯綜複雜的城市環境，緩解市區的交通堵塞，並讓人類駕駛可在通勤時辦公或放鬆。自動駕駛貨車使長途運輸更加安全有效率。自動駕駛公車實現機動性，社區可四通八達。

可想而知，系統結構師和解決方案開發者已迫不及待要投身加入這波浪潮。幸好有邊緣 AI 運算平台支援自動駕駛車輛技術，上述情況越來越可能化為現實。

「通用工業電腦不適合初始開發和概念證明工作。」ADLINK（自動駕駛車輛邊緣運算解決方案供應商 的產品經理 Eddie Liu 說，「但用於自動駕駛車輛的邊緣運算解決方案，提供實際應用程式所需的功能和效能，有助解決方案開發者解決技術難題，並順利展開服務驗證和大量生產。」

靈活的平台支援自動駕駛車輛技術

Liu 提到的技術挑戰十分關鍵，要整合大量的感應器資料，同時執行複雜的即時邊緣運算。使用工業專用通訊協定，如通用 IPC 不支援的控制器區域網路（CAN)匯流排也是難題，而基礎硬體平台更要經得起駕駛的嚴苛考驗。

除此之外，非技術性挑戰也不遑多讓。民眾質疑自動駕駛汽車和貨車的安全性，所以對自動駕駛車輛上路抱持保留態度。輿論的社會壓力催生嚴格的自動駕駛車輛安全標準，並要求日後的製造商接受嚴密的監管環境。

專門設計的平台解決以上諸多難題，並可靈活提供初始概念或服務驗證的明確途徑。ADLINK 解決方案提供多種設定，可用於產品開發的不同階段。

「開發者仍在微調演算法，但不確定需要哪些功能時，他們通常會堆疊多部車輛電腦，建立即時靈活的概念驗證。」Liu 表示，「然後他們會繼續建立更簡潔強大的整合式系統。」

即使設定選項不同，ADLINK 平台在任何開發階段要解決的問題都一樣。車輛電腦會連線車載感應器（LiDAR、攝影機、GPS 及加速計、陀螺儀等慣性測量感應器），並使用 AI 處理感應器資料，在複雜的環境即時導航。

為跨越社會和法規門檻大量採用自動駕駛車輛，ADLINK 提供重要的安全功能：

  • 專用安全微控制器單元（MCU）會監控系統健康狀態，並在系統發生故障時將車輛停靠在安全的位置。
  • 提供備援電源給感知電子控制單元（ECU）、電源管理晶片（PMIC）、安全 MCU、CAN 等關鍵系統元件。
  • 耐震設計包含避震功能，提供平穩可靠的操作。
  • Intel® 信賴平台模組（TPM）會安全儲存加密金鑰和憑證等重要資料，嚴防網路安全威脅。

高效能運算能力結合耐用設計，並內建安全功能，可提供解決方案供應商多方優勢，並有助有意跨入自動駕駛車輛領域的業者（例如 ADLINK 等硬體專家、解決方案開發者、系統結構師）合作。

Liu 表示 ADLINK 與 Intel 的技術合作，是協助公司解決方案上市的關鍵。「Intel 提供極其高效能的 CPU、參考設計和大量支援，所以 ADLINK 和旗下客戶可以快速開發並部署自動駕駛解決方案。」

日本的概念驗證與服務驗證

ADLINK 與日本客戶交流的經驗是絕佳的範例，顯示專為自動駕駛車輛的運算平台可以縮短開發時間、加速部署。公司需要展示自動駕駛接駁車的可行性。通過驗證可行性就會大量部署接駁車，但我們得先解決安全性隱憂和技術障礙。

ADLINK 與客戶合作設計服務驗證的測試版本。他們使用搭載 Intel 技術的運算平台，即自動駕駛車輛解決方案，執行複雜的即時運算工作，處理感應器資料並產生導航決策。根據客戶要求，ADLINK 也實作多個備援系統，確保自動駕駛車輛的安全。

服務驗證測試十分成功。ADLINK 的客戶很滿意測試結果，所以他們決定全面部署，並計畫 2024 年讓數百輛接駁車上路。

邁向自動駕駛的未來

自動駕駛車輛熱潮想必將隨運算硬體專家與解決方案開發者的合作而來。這種協作夥伴關係帶給全球珍貴的效率、安全性與無障礙優勢，甚至可能造就極大的經濟成長。

不僅如此，我們會在其他縱向產業看到專為物流和運輸開發的技術使用案例。「自動駕駛背後的技術能解決根本問題：對應、定位、感應、感知、預測、規劃和控制等。」Liu 表示，「換句話說，這項技術可以應用於各種情境和使用案例。」

這種可能令人期待。自動駕駛採礦設備有助運輸原料，而且人員不必涉險，即可在地勢危險的地方作業。海運實作意味貨船可以自行穿梭繁忙的港口運送貨物。至於 AI 支援的農業機械，則可自動種植、施肥和收穫作物。

總而言之，自動駕駛車輛技術的前景光明。「自動駕駛技術前途不可限量，因為這項技術確實可以提升運輸和其他產業的安全性、生產力，甚至效率。」Liu 說，「這項技術正快速發展。未來幾年，我們會在路上看到更多自動駕駛車輛。」

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

釋放行動通訊直播的全部潛能

Posted on by Micah Kaplan

對於行動通訊的即時影片串流的商業需求非常龐大。儘管我們通常是透過社群媒體考慮消費者產生的影片，但在幾乎每個垂直領域都存在對高品質、即時影片串流的快速增長需求，從交通管理到零售安全再到公用事業基礎設施監控。

然而，要實現行動網路上的可靠、健壯和彈性的影片，仍有幾個障礙。Digital Barriers 的人工智慧技術和解決方案提供商技術資深副總裁 Kunal Shukla 表示：「行動網路本身就存在固有的限制。在頻寬、擁塞和封包遺失方面存在挑戰。」

透過軍用級影片壓縮和人工智慧技術的結合，Digital Barriers 為組織賦予行動網路上即時影片的全部潛力。Shukla 說：「我們希望確保從點 A 到點 B 的影片串流穩健可靠，而不會犧牲畫質，並且以具有顛覆性的成本實現這一目標。」該公司的技術可以將影片壓縮高達 90%，提供了巨大的頻寬節省，降低了客戶的整體擁有成本。

遠端路口攝影機串流影像

數位屏障平台實際應用的一個例子是美國運輸部（DoT），該部門需要從偏遠地點的道路攝影機串流影片，而光纖連接是不可行。在某一地區，運輸部希望使用可以透過 4G 和 LTE 傳輸至營運中心的行動通訊技術來引入影片，以便無間斷地監控所有即時影像串流。Shukla 表示：「像我們的技術一樣，為這種案例帶來了可靠性、穩健性和彈性。」「無論您的無線電狀況或行動通訊環境如何，您都將能夠將攝影機的串流傳送至營運中心，而不會失去畫質。」

該公司的 EdgeVis 軟體讓部門在影片編碼和串流之上運行人工智慧分析，應用邏輯，如物體、人員和逆行檢測。例如，如果攝影機檢測到一輛停滯的車輛或碰撞事件，系統將向控制中心發送警報。Shukla 解釋：「遠端監控和交通監視是運輸領域的重要應用案例，我們的解決方案可以幫助降低營運成本，節省頻寬和資料方面的資金成本。」「利用這個解決方案，運輸部門在資料成本上節省了 70-80%，同時提高了可靠性，減少了昂貴的卡車運輸需求。」

施工現場監控與監視

該解決方案獨特的壓縮和人工智慧能力，以及透過衛星連接的靈活性，使其他案例成為可能，例如施工現場的安全和安防。舉例來說，一家位於英國的建設公司希望使用行動通訊影片來遠程監控和監視工地，以確保工人的安全和夜間的安全防衛。營運團隊引入了連接到 Digital Barriers 的 IoVT 邊緣運算平台的攝影機，該平台執行即時分析並將壓縮的影片串流返回影片管理系統。

Shukla 表示：「因此，他們看到營運效率的提升，保險和其他成本的降低，減少竊盜和損失，以及更好的工人安全。」

建立一個具有多行業吸引力的安全生態系統

自十年前成立以來，Digital Barriers 已與聯邦機構合作，例如美國國防部、英國國防部，以及其他要求高安全性的政府機構。Shukla 表示：「在建立過程中，我們的平台將安全性、隱私和保密性置於核心地位是至關重要的。」然而，人工智慧的快速發展帶來了新的挑戰。Shukla 解釋：「有幾種方法可以應對影片分析應用的安全性，包括加密、存取控制，以及用於臉部辨識的匿名化工具。我們的解決方案使用這三者來確保在所有層面上的安全性。」

該解決方案的邊緣處理設備也充當防火牆，防止較不安全的硬體（例如攝影機）向不良行為者傳輸資料。Shukla 表示：「在預設情況下，我們的硬體僅會單向傳輸資訊。」「這是一個重大的優勢，因為這意味著我們可以控制不受授權的裝置。」

Digital Barriers 依賴於與系統整合商的寶貴合作來進行實施。Shukla 表示：「我們與主要的系統整合商合作，但也與特定垂直領域（例如石油和天然氣或聯邦領域）的專業參與者合作，這些領域只有少數人持有認證。」「當我們引入最佳的生態系統公司時，我們可以加速實現價值的時間。」

該公司與 Intel 的合作對於其在防衛市場以外的發展至關重要。Shukla 表示：「我們正在從一個客製化解決方案轉變為基於 Intel 的平台，可以應用於製造業、零售、醫療保健、智慧城市等多個領域。」「這已經開啟了更多垂直領域，我們可以以有競爭力的成本進入，並引入能夠推動業務成果的技術。」

影像作為感測器，將在未來繼續推動行動網路影像的成長，並與邊緣分析和人工智慧合作，在各產業的數位轉型中扮演關鍵角色。Shukla 表示：「行動通訊影片將改變我們個人的生活方式，以及我們作為一個社會的生活、工作和運作方式。」「它已經在做這些事情，我認為隨著未來的展開，它將變得更加重要。」

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

工具貿易：賦予人工智慧開發人員創新能力

Posted on by Micah Kaplan

人工智慧正在顛覆產業、創造機會、提升客戶體驗。人工智慧開發人員是這場革命的先鋒，他們正在打造未來的解決方案。因此，他們必須配備合適的工具，才能將他們的人工智慧解決方案和電腦視覺應用程式付諸實現。

為了了解開發人員應該跟上的最新趨勢和技術，我們採訪了 Intel 的 Bill Pearson，網路與邊緣事業群副總裁、解決方案工程總經理；以及 Adam Burns，物聯網副總裁、邊緣推論產品總監。Pearson 和 Adams 討論了產業趨勢，以及 Intel 的技術、工具和程式，讓開發人員更容易保持領先。

推動物聯網、邊緣和人工智慧解決方案需求的產業趨勢是什麼？

Bill Pearson：有四個產業趨勢浮現在腦海中：

  • 世界正變得越來越軟體化。這在網路、應用程式和基礎設施方面都是如此。人工智慧已經在幾乎每種使用案例中變得更加普遍。
  • 變化速度正在迅速加快。
  • 在這個領域，世界發展的速度正在加快，我們也在迅速前進。
  • 現代人工智慧開發人員所期望的簡潔性和可用性，需要我們朝著這個方向努力。

把它想像成雲端原生範式：開發者所積累的所有經驗教訓，他們現在期望能夠應用到任何其他地方。

參考蘋果在手機領域的做法。他們向我們展示，任何體驗都應該是令人愉快的。它應該是簡單且直接明瞭的。現在，這種期望正在進入開發領域。總結一下，基本上我們需要建立軟體定義的人工智慧應用案例，讓人們能夠在日常生活中輕鬆應用。

Adam Burns：我完全同意。如果您將這些趨勢應用於市場變化，特別是在邊緣物聯網（IoT）領域，過去幾年中一直存在的慢燃現象已經迅速加速。在 Intel 於30多年前開始的嵌入式世界中，焦點是可靠性。開發者當時正在尋找一種極為可靠的軟體和硬體結合，可以在生產中使用 5 到 10 年而不必擔心它。現在的轉變是「我想知道該裝置和它所處系統中發生的一切。我想知道如何使它更加有效率。」

這是由 Bill 所提到的軟體定義系統、人工智慧以及所有這些事物的整合所實現的。這種從開發者和操作者思維的轉變，從根本上改變了人們的需求，與我們傳統上對嵌入式運算的看法有所不同。

在建立邊緣人工智慧應用程式時，開發者會面臨哪些挑戰？

Bill Pearson：第一個挑戰是該如何入門？在這個行業中有如此多的選擇和很多雜音。首先，人們正在詢問如何踏上實現他們的目標和關鍵績效指標（KPIs）的道路。接下來，他們正在尋找在其獨特的使用案例中實現目標的最有效方式。

第三，開發者希望找到能最適合其使用情境的正確解決方案。舉例來說，如果他們從供應商那裡取得某個參考解決方案或產品，那麼這是否會滿足他們的需求意圖？對於 Intel 來說，重點在於我們如何幫助開發者，確保他們不僅能實現他們的目標，而且所選擇的解決方案有助於引導他們實現目標。

解決方案的一部分是其中使用的硬體。我把這個留到最後，因為這不是開發者的首選，但它是一個重要的選擇。Intel 希望讓開發者更容易使用適合他們，能夠提供最佳結果的正確硬體。因此，他們不會建造過於龐大、耗能過多、產生過多熱量或不適合物理空間的東西，特別是在邊緣設備。

Adam Burns：假設我想要開發一個電腦視覺應用程式，用於在裝配線上進行機器缺陷檢測。市面上有許多優秀的分類模型可供使用。舉例來說，我們的合作夥伴 Hugging Face 在人工智慧領域擁有最龐大的模型生態系統之一，其中包括許多適用於電腦視覺的模型或轉換器。

現在他們已經有一個表現良好的通用模型，該如何對其進行微調以適應其特定應用？一位經驗豐富的資料科學家可能會希望使用大量資料並自行進行訓練。但是應用程式開發者可能希望使用像 Intel® Geti™ 這樣的專用工具，它可以在有限的訓練計算量和計算能力下處理相對較少的資料，並能夠生成非常精確的模型。

那麼，他們如何部署，以使其最佳化適合適當類型的硬體？開發者可以使用類似 Intel® DevCloud、Intel Geti 和 Intel® Distribution of OpenVINO™ 工具套件之類的工具，將模型壓縮到適合邊緣運算的大小。然後他們可以使用 DevCloud 來確定是最適合在具有 GPU 的 Intel® Core™ 上運行，還是應該在 Intel Atom® 上運行。或者他們是否需要升級到 Intel® XEON®，因為工作負載較重？正如 Bill 所談到的，這些是在找到適當的應用程式、針對特定目的進行調整，並確保它部署在正確的硬體上所需做的決策。

我們希望引導開發者完成整個工作流程。我們發現，特別是在人工智慧領域，超過 50% 的開發者對這些模型的想法並未最終投入生產。對我們來說，重點是簡化他們進入生產並以最具成本效益的方式部署解決方案的過程。

還有哪些 Intel 工具可以簡化這條路徑？

Bill Pearson：Adam 做了很好的介紹。當你考慮解決方案時，讓我們看看 Intel® Edge Software Hub 以及它所提供的所有參考實施案例。例如，一位開發者想知道如何組合一個無摩擦結帳的解決方案。如果您願意，Edge Software Hub 可以向他們展示不同元素如何組合在一起，幫助他們編寫程式碼來實現它，然後他們可以進行實驗。

您會越來越看到這一點。我們提供 Jupyter Notebooks，這是擴充版的 OpenVINO 工具套件的一部分，其中包含開發者可以立即應用的實際範例集，現在可以在 DevCloud 上運行。因此，他們可以立即說：「我對人工智慧解決方案感興趣，我可以使用 OpenVINO，我有這些 Jupyter Notebooks，現在就讓我試試看。」

就像 Adam 所說的，我們將這些東西組合在一起，形成一個工作流程，他們可以在其中可視化他們想要建立的解決方案，使用我們提供的範例和參考資料來實現它。然後他們可以立即使用我們的工具，了解如何應用它，需要哪些硬體。當然，他們隨時可以使用 Geti 和 OpenVINO 來找出如何將其建構到他們最終要部署的產品中。

您能再多談談 OpenVINO™ 工具套件嗎？

Adam Burns：OpenVINO 的目標是從模型和網路的角度擴充其範圍。雖然我們最初專注於電腦視覺，但我們看到了更多多模態的人工智慧應用。一個工業的例子是使用電腦視覺應用程式來識別缺陷，並使用聲音特徵來監聽馬達或軸承，以確定該系統是否可能發生故障。

我們看到越來越多的客戶對使用生成式人工智慧感興趣，結合不同類型的人工智慧技術，我們正在擴充 OpenVINO 以跟上這些類型的模型。例如，我們與 Hugging Face 合作發表關於穩定擴散性能的部落格文章。我們正在開發新的開放式聊天機器人系統，例如 Dolly 和 LLaMa，以確保我們有適合它們的正確性能。我們繼續專注於範圍和開發者效率。

因此，我們提供多樣化的路線圖，以滿足多樣化的開發者需求。隨著 OpenVINO 23.0 的發布和我們 CPU 路線圖中性能和效率核心的引入，我們已經將這些核心的使用達到自動化，以實現對系統和運行在其上的工作負載最高效的運用。

OpenVINO 如何支援新趨勢，例如生成式人工智慧？

Adam Burns：從市場的角度來看，生成式人工智慧已經成為每個企業每次討論的一部分。我們看到了巨大的需求，生成式人工智慧正在引發這些討論。

我們一直致力於透過多種技術來將 OpenVINO 達到最佳化，例如從熱門的自然語言處理（NLP）風格模型和 ChatGPT 開始。我們關注 OpenVINO 內部的最佳化和可移植性。

但是它並不是每個問題的答案。生成式人工智慧的強大之處在於，當您開始考慮不僅是主要應用程式，還有所有的整合工作時。它具有理解介面的能力，可以幫助客戶自動化整合、系統設定以及各種不同的事情。這使操作員和開發者極具效率。

業界的頂尖人工智慧開發人員說，他們現在只需要寫 20% 的程式碼，因為生成式人工智慧已經完成了大部分的程式碼編寫和設定工作。我真的可以專注於演算法和我正在增加價值的獨特領域。因此，這是一個驚人的力量倍增器，可以提高開發者的效率。看到企業正在開發的各種應用程式真的很有趣。從 OpenVINO 的角度來看，不僅在雲端中支援，還要適應和微調這些模型，使它們特別適用於邊緣運算是至關重要的。

Bill Pearson：儘管經過多年的研究，但現在還只是剛剛開始的階段。當生成式人工智慧走入公眾視野時，它提高了人們對人工智慧的認識。但是它也帶來了更多的實驗，事實證明它在這方面表現出色。有很多有趣的應用案例正在被探索，但我認為故事還沒有寫完。

我覺得有趣的是，我們正在進行兩件事。一個是生成式人工智慧創造了這種可能性的藝術。這個故事只是一個為想像而存在的故事，我們將對它的未來發展感到驚訝。實際上，很多客戶今天可以將這作為一個機會來探索他們真正需要的是什麼：他們想要實現的關鍵績效指標（KPIs），他們要實施的使用案例。但在很多情況下，我們可以在不使用生成式人工智慧的情況下做到這一點，坦白說，有很多更專注且更具成本效益的優秀解決方案可以幫助實現這一目標。關鍵是幫助我們的客戶找到解決他們試圖解決的問題的正確解決方案。

對於想要深入了解的開發者，他們該如何入門？

Bill Pearson：如果你想要建構解決方案，Intel® 開發者專區是一個很好的起點。您會找到所有由 Intel 提供的工具，比如 Edge Software Hub 和 OpenVINO。如果你對建構邊緣人工智慧應用程式感興趣，你可以直接前往 OpenVINO.ai，這是另一個很好的起點。

Adam Burns：我認為我們生活在一個人們希望親自動手和嘗試各種事物的世界中。這就是人們可以使用 Edge Software Hub 來深入研究解決方案並理解它們的地方。

有什麼其他想要在我們的對話中補充的嗎？

Bill Pearson：對我來說，現在是這個行業最好的時代，市場變化的節奏令人興奮，軟體定義一切，人工智慧變得如此普及。作為開發人員，這是一個令人興奮的時代，也是我們所有人一起努力創造這些現代解決方案的令人興奮的時代。

Adam Burns：延續 Bill 所說的，看到開發人員、客戶和合作夥伴能夠運用我們的技術所取得的成就，是非常令人滿足和有回報的。舉個例子，皇家布朗普頓醫院 (Royal Brompton Hospital) 在兒科肺部疾病檢測方面的應用。恰巧，我表妹的女兒患有肺病。有些情況下，我們立即可以看到實際的價值，無論是確保某人更快地獲得他們所需的診斷，還是使工廠更加有效率。能夠成為其中的一份子，並讓開發人員能夠創造出他們所能創造的，是一件非常令人滿意和有成就感的事情。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

AI 電腦視覺：無條碼的零售結帳體驗

Posted on by Micah Kaplan

AI 電腦視覺正如風暴般席捲零售業。這也難怪，畢竟視覺型解決方案可讓領域中各式各樣的利害關係人受益。

「零售商可以使用電腦視覺技術解決眾多業務問題，包括精簡營運、緩解人手短缺，以及防範盜竊，」AI 驅動零售解決方案專家元芒數字創辦人暨執行長 Zhang Jiabo 表示。「顧客也因此受益匪淺，因為電腦視覺解決方案有助於縮短結帳等候時間，並提供引人入勝的數位體驗。」

最棒的是，智慧零售解決方案採用強大的 AI 軟體開發套件（SDK）與專為邊緣運算設計的高效能硬體建構。這樣一來，零售商與系統整合商（SI）便可以更得心應手地以高效且具成本效益的方式因應業務挑戰。它也為整合多種零售解決方案提供了令人興奮的機遇，以將 AI 在零售領域的優勢發揮到極致。

無條碼的 AI 產品識別技術

結帳時識別產品是電腦視覺如何解決常見零售難題的典型範例。在雜貨店大排長龍等結帳是人盡皆知的無奈體驗。主因是購物者購買沒有條碼的商品，例如新鮮的農產品或散裝乾貨。店員必須牢記並手動輸入產品代碼，然後為商品秤重，取得正確的價格，這種做法既耗時又容易出錯。

自助結帳往往更麻煩，因為買家被迫瀏覽複雜的選單，或依照名稱或影像搜尋產品。如果出錯，例如稱錯重量，則必須請員工介入，花更長的時間等待。

AI 支援的產品偵測技術提供了妥善的方法，處理在銷售點（POS）沒有條碼的商品。舉例來說，元芒無條碼商品識別套件可搭配 AI 支援的資訊亭和秤，自動識別、稱重及為產品定價，無論產品是否有條碼。

解決方案的 AI 視覺識別模型可以識別 2,000 種常見的無條碼商品，準確度超過 99%。識別速度迅速：使用完整訓練的模型時，花不到 0.2 秒的時間。此外，AI 電腦視覺模型在部署後會自動訓練機器學習，並在影像處理方面逐漸愈加精準。解決方案能讓所有的相關人員受益：為零售商減少開銷並簡化流程、改善顧客體驗，並讓員工騰出時間，從事更有意義且更愉快的工作。

這種解決方案即使在十年前看來也像科幻小說，但由於邊緣處理硬體與開源 AI SDK 的進展，創新解決方案供應商得以在全球建立及部署此類系統。

Intel 技術在將元芒解決方案推向市場的過程中扮演著核心角色。「Intel® OpenVINO™ 工具組是開發及最佳化 AI 視覺識別模型的強大資源，」Zhang Jiabo 表示。「Intel 處理器也至關重要，因為它們高效能、穩定，尤其適合 AI 電腦視覺工作負載。」

全球零售商實現營運現代化

AI 驅動的解決方案建立在強大、易於整合的技術基礎上，可快速高效地大規模部署。這為零售企業提供了絕佳的機會，可讓實體店現代化且無需高額資本支出。

元芒在大型零售商的部署就是一個很好的例子。它的顧客是美國《財星》500 強公司，在全球擁有 10,500 多家商店。零售商正尋求在中國各地實現營運現代化。該公司已採取措施實現數位轉型，但其設備已逐漸過時，無法處理視覺型應用程式所需的大量資料。

元芒與零售商合作，實施邊緣伺服器解決方案，提供支援其進階產品識別演算法所需的額外運算能力。為了降低成本，元芒尋找機會盡可能使用現有的基礎架構，例如將相容的店內設備轉換為 AI 的識別電子秤。結果實現了現代化的 POS 基礎架構，並改善了多個零售地點的效率。

「電腦視覺型解決方案的一大優勢在於往往非常靈活且模組化，」Zhang Jiabo 表示。「跟據我們過往的經驗，不一定需要完全替換店內的基礎架構。零售商可以從現有的設備著手，並根據需要增添裝置，實現營運現代化。」

解決方案整合實現自主營運

AI 驅動的零售解決方案展現靈活性與模組化性的另一個例子，即是它們相互結合的方式。這樣一來，零售商與 SI 就能提供一加一大於二的整合式解決方案。

舉例而言，元芒提供可以與其無條碼商品識別套件結合的損失預防解決方案。該平台與產品 ID 解決方案的智慧稱重功能搭配使用，並透過店內攝影機收集影片資料、在自助結帳亭執行行為分析，並觀看異常事件，例如遺漏的掃描商品和不正確的條碼。

相較於各別使用解決方案，視覺驅動的自助結帳與 AI 損失預防解決方案一起部署時，零售地點更接近自主營運。這種堆疊式 AI 部署的「複合優勢」是零售領域數位轉型的典型特徵。

「AI 驅動的解決方案相輔相成，」Zhang Jiabo 表示。零售地點的智慧越多，營運效率就越高。此外，企業開始獲取、集中及分析更多資料時，就有能力在往後做出更明智的決策。

發展 AI 生態系統

電腦視覺型技術對零售業利害關係人帶來諸多益處。隨著愈來愈多的企業採用 AI 驅動的解決方案，益處將不僅侷限於零售商與購物者。

未來，智慧零售的廣泛應用也將為硬體製造商、獨立軟體廠商（ISV）與 SI 創造寶貴的機會。

元芒將其解決方案作為應用程式，提供給那些希望開發完整的 AI 識別解決方案又不用參與 AI 開發的硬體合作夥伴。該公司也透過 SDK 為 ISV提供電腦視覺演算法，讓專門從事 POS 或稱重軟體的開發商店可以輕鬆整合 AI 功能。

這就是為什麼零售領域的電腦視覺造福了零售業和其他領域，對每個人來說都是福音。

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

零信任連續資料保護

Posted on by Micah Kaplan

在數位經濟中經營業務會承擔重大風險，潛在的網路攻擊者和資料竊賊無處不在。網路攻擊的可能性無處不在，企業越來越多地採用零信任架構來加強防禦。

零信任的概念代表了對網路安全的根本性重新思考：如何在無法驗證安全性的 IT 環境中安全運作？即使入侵者成功滲透網路，一旦進入，他們也會在多層驗證要求下處處碰壁。零信任架構會在每次使用者、系統或裝置嘗試存取資產時，對其進行驗證。

來自 Zero Trust 安全解決方案供應商 Zscaler 的全球 5G 副總裁 Ken Urquhart 表示：「理念是不信任任何事，驗證一切，不要假設。根據您的需要，隨時重新驗證。」

Urquhart 說：傳統上，資安團隊採取「圍城心態」，以一到多個防火牆將「我們的 IT 設備」與網路攻擊者隔離。但是，隨著內部裝置、雲端、邊緣和物聯網系統的普及，簡單的邊界概念已經變得模糊，並為資料安全管理帶來了越來越多的挑戰。

當攻擊者成功滲透網路時，他們經常會在企業的網路中潛伏未被偵測，平均長達九個月，竊取資料並造成中斷。企業只能猜測入侵者在其系統中潛伏多久，或他們竊取了多少資料。Urquhart 表示：「現代企業必須成功地抵禦所有攻擊，才能確保安全，而攻擊者只需要成功一次。」「傳統的防火牆架構，自 1980 年代以來一直存在，其基本假設是，如果您進入了網路，您就會被視為可信任的使用者。」

Zscaler 提供持續的資料保護，透過加密通訊、監控和分析，防止攻擊者看到公司在做什麼，甚至無法看到公司。受 Zscaler 技術保護的裝置和應用程式不會被網路上的其他裝置偵測到。Urquhart 表示：「不到的東西，你無法攻擊。」

無論環境範圍多廣，都希望能提供無縫的體驗。Zscaler 讓客戶能夠專注於核心業務，而不是不斷地抵禦威脅。

零信任架構解決網路安全挑戰

像 FedEx、英國石油、西門子和通用電子這樣的全球企業，多年以來一直信賴 Zscaler 來保護其龐大的全球網路。例如，西門子將基礎設施成本降低了 70%，通用電子的一項調查顯示，80% 的員工表示 Zscaler 使他們的工作更輕鬆。而一家面臨持續勒索軟體問題的石油和天然氣客戶在實施 Zscaler 技術後，攻擊次數減少了 3,500%。

Zscaler 成立於 2008 年，正是零信任運動的起點。Urquhart 表示：「我們營運著安全的全球通訊網路，每天掃描超過 180 億的資料，處理 3200 多億次交易，每天比 Google 搜索的次數多 20 倍，同時處理 9 億多個每日事件和政策違規，並使用 AI/ML 每天解釋 500 TB 的位元資料和訊號。」

企業經常難以在動態的威脅環境中保護自身。隨著新的威脅不斷出現，舊的威脅也像變異病毒一樣不斷變化，因此，網路安全團隊不斷增加工具和流程來應對它們。他們還必須保護企業添加的新應用程式和系統，以利用新功能。

Urquhart 表示：「隨著時間的推移，這些安全措施會變得越來越複雜，需要不同的配置、不同的修補程式、不同的修補程式頻率和不同的管理界面。」不久，這個過程變得過於複雜，有可能創造出更多的漏洞。

Urquhart 表示，讓事情更加複雜的是，組織依賴他們無法控制的系統，並且「我們必須在我們無法控制的電信系統上運作。我們必須在我們無法控制的網路上運作。我們將資料存放在我們無法控制的公共雲端中。我們被告知系統是安全的，但很少有企業會邀請我們進行完整的安全審查，逐行審查每行代碼以找出每個漏洞，即使被邀請，也沒有任何企業能夠完全完成這項工作。你必須相信某人的話。」

在零信任架構下，任何使用者、裝置、網路、應用程式和資料在嘗試建立連線時，都會受到多重、持續的驗證，例如多重因素識別、生物特徵識別和硬體金鑰。該過程還會識別使用者嘗試從不同裝置、不同位置和不規則時間登入的情況，並觸發額外的驗證步驟。

合作是資料安全管理的重要組成部分

Zscaler 的零信任架構依靠自動化和協調來即時監控和分析流量。資料在跨越不同國家和大陸的多個雲端和網路中傳輸時，會被加密和監控。為了讓一切都實現，Zscaler 與多個合作夥伴合作，例如 Supermicro、CrowdStrike 和 Intel，他們提供不同的技術解決方案部分。Zscaler 還從 40 個合作夥伴收集、分享和接收威脅情報，以隔離、分析並建立阻擋規則。

由 Intel® Xeon® 可擴充處理器驅動，Supermicro 硬體支援 Zscaler 的邊緣到雲端的安全服務邊緣 (SSE) 技術，該技術會在將流量路由到目的地之前檢查所有邊緣和遠端工作者流量。

Zscaler 與 CrowdStrike 透過多種方式整合，以減少攻擊面積、最小化威脅的橫向移動，並確保只有受信任和受保護的裝置才能存取授權應用程式和資料。  Zscaler 會在檔案傳送到終端使用者之前截取未知和惡意檔案，並可透過 CrowdStrike 觸發跨平台隔離動作。

Zscaler 管理員可以利用 CrowdStrike 的端點安全解決方案，配置安全策略，阻止來自信任度低的裝置的存取，或僅允許透過遠端瀏覽器隔離進行存取，以防止資料外洩，同時提高使用者工作效率。這可以防止寶貴的智慧財產和個人身分資訊外流，同時阻止勒索軟體和其他惡意程式進入。

Zscaler 的方法還可以減少網路和通訊基礎設施的使用。他表示：客戶只需將辦公室、遠端工作者或資料中心連接到本地網路，Zscaler 就會從那裡接手。

Intel 等合作夥伴的技術是 Zscaler 零信任架構的關鍵。Urquhart 表示，Intel 不斷最佳化其硬體，Zscaler 經常是第一批採用它的公司，這也是 Zscaler 一直在努力「在任何時候都尋找效率」的原因之一。

目前，零信任是網路安全最有效和最有效率的方法。雖然零信任的概念並不總是被理解，因為它與簡單的「我們在內部，攻擊者在外部」防火牆隱喻相比，採用了更深入的防禦模式。Urquhart表示：Zscaler 自 15 年來一直在致力於這項工作，並透過採用新技術和吸收客戶回饋，不斷改進我們的方法。「我們試圖告訴這世界，網路安全有不同的方法。」

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

低程式碼 AI 讓電腦視覺應用程式開發更輕鬆

Posted on by Micah Kaplan

識別幾千英里道路上的坑洞。處理補貨並重新安排庫存。發現工廠檢查檢查司可能遺漏的微小產品缺陷。這些僅僅是現今 AI 和電腦視覺系統可以做的幾件事。隨著功能增強和成本降低，各行業也迅速普及採用。

電腦視覺系統一旦安裝到位，就能節省人類無數小時的勞動，減少錯誤並改善安全性。但開發解決方案可能十分艱鉅且耗時。在訓練 AI 演算法區分可樂罐和水瓶，或者陰影和柏油裂縫的過程中，人類經常扮演著重要的角色。但隨著技術的發展，解決方案供應商正在尋找新的方法提高訓練效率，並讓非技術背景的使用者建立更容易操作的系統。

解決電腦視覺和邊緣人工智慧技術的問題

電腦視覺應用程式因其所服務的產業和組織而有所不同，但有兩個共同目標。第一個目標是透過機器學習自動執行費時的人工作業，進而節省時間和金錢。第二個目標便是利用大量資料建立持續成長的知識資料庫，這將會闡述運作，並隨著時間進一步改善。

ICURO 的首席 AI 架構師 Paul Baclace 表示：「我們會從基礎系統開始，與客戶合作並根據需求使其專業化。」該公司組件在機器人、無人機及雲端上部署的 AI 和電腦視覺解決方案。

例如，ICURO 為美國交通部建立了一款成功的概念性驗證無人機，這款無人機採用電腦視覺攝影機，即時偵測和轉送道路裂縫和其他高速公路缺陷的相關資訊。無人機的攝影機影像通常會在飛行後才會處理。

「當您後續檢查影像時，有些影像可能很模糊，或對比度可能會很糟。然後您就必須重新製作，且要價不斐。即時處理即可減少錯誤。」Baclace 表示。

為了節省倉儲和零售從業員的時間和人力，ICURO 開發了行動機器人 AI 平台。它會導覽至指定物體、抓取並將其載入至運輸機器人包裝及運送，全程無需人力干預即可達成。機器人也可以與工廠機器和感應器整合，偵測並解決生產問題。Baclace 解釋道：「機器人的錯誤率比人類低，因為人類可能會感到疲倦和受傷。」

機器人使用 Intel® 實感™ 攝影機和 LiDAR（燈光偵測與測距) 導覽。另一個 RealSense 攝影機安裝在它的「手」中，使其能夠抓住正確的項目並裝入籃子中，再開始執行下一項工作 (影片 1)。

影片 1。ICURO 行動撿拾機器人採用 Intel® 實感™ 攝影機與 LiDAR 導覽至指定物品，抓取並將其交付給運輸機器人包裝及運送。(來源：ICURO)

隨著企業越來越習慣使用自動化，電腦視覺解決方案也持續擴大且越來越普及。例如，ICURO 為無人零售店打造一款撿拾機器人，可從儲藏室收集客戶的購物清單物品，並將其交付至前方櫃檯。

打造尖端電腦視覺解決方案

為了開發機器人控制電腦視覺應用程式，ICURO 在 Intel® 開發者雲端中為其設計程式、進行測試，並採用 Intel® OpenVINO™ 工具組進行最佳化，以取得最佳效能。

「如果沒有 Intel 的工具，我們可以查看所需的規格並預估，但會牽涉到一些猜測。這樣一來，我們就可以檢查效能並說聲：『好的，這就是我們必須在這個機器人上安裝的。』」Baclace 表示。

ICURO 不製造硬體，但 Intel 軟體工具會協助該公司確定哪些裝置最適合其行動軟體應用程式。大多數裝置均可在輕巧又輕盈的邊緣 CPU (例如 Intel® NUC) 上執行。

更快地部署與無程式碼作業運作

實作電腦視覺解決方案前，必須訓練演算法識別客戶影像 (包含停車標誌、車輛和行人，甚至是具有相似尺寸包裝的不同商品)。人類通常會完成大部分的訓練，他們會使用線上工具 勾勒並標記機器人可能遇到之所有物件的影像。所有影像均經過標註後，會傳入演算法中，且演算法的效能會在部署前經過測試、修正及驗證。

為了加速此艱鉅過程，ICURO 嘗試了稱為主動學習的新方法，其中每張影像都會標註並立即傳入演算法。如果正確解讀，領域專家可將影像標記為已經驗證，這會新增到持續成長的資料庫，並指導演算法做出未來的決策。邊經歷邊學的方法可加速訓練，並避免人員執行可能不必要的註解。「只需按一下按鈕，即可增加資料集。訓練與意見回饋的時間會從幾天到幾分鐘不等。」Baclace 表示。

此外，ICURO 正在開發解決方案，可讓客戶變更其電腦視覺模型、訓練軟體識別新產品或新位置，而無需編寫程式碼。該公司也定期磨練演算法，在快速發展的 AI 與電腦視覺領域保持競爭優勢。

Baclace 表示：「神經網路每六個月至一年就會持續變化並改善準確度，且我們喜歡使用最新的神經網路。」「對深度學習系統而言，這是個振奮人心的時刻。」

 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

給予人工智慧影像分析綠燈

Posted on by Micah Kaplan

當世界上少數幾個城市開始與無人駕駛汽車共用街道時，我們其餘的人卻還在交通堵塞中與其他人類一起駕駛汽車。而這些駕駛者可能會或者可能不會遵守道路交通規則，或者注意行人和自行車。

幸運的是，智慧城市正在採取重要措施來改善這些問題（在我們等待被撞到後座的同時），而人工智慧和影像管理解決方案在這個轉變中扮演著重要角色。攝影機收集的資料提供了關鍵的窗口，讓我們了解駕駛員和非駕駛員的行為，對這些資料的分析可以帶來有力的洞察，解決現實世界的問題，例如交通擁堵和悲慘的事故。

但是在除了交通擁堵之外的情境中，人工智慧影像分析有許多應用，從個人防護裝備檢測到零售等，正如 Videonetics 的產品和戰略聯盟副總裁 Srivikraman Murahari 所解釋的那樣（影片 1）。他還討論了使用合作夥伴關係來建立端到端解決方案，以及在收集所有這些資料方面的隱私和安全擔憂，以及人工智慧影像分析對於影響我們日常生活的潛力。

影片 1. Videonetics 的 Srivikraman Murahari 討論了人工智慧影像分析如何增強智慧城市中的社區能力。（資料來源：insight.tech）

人工智慧影像分析可以協助解決城市規劃中的哪些挑戰？

政府官員和城市規劃者看到的其中一個主要挑戰是市民不遵守交通規則，這可能導致事故，甚至造成人員傷亡。這就給政府官員帶來了壓力，要最佳化交通情況並疏通交通流量。

我們的 Videonetics 智慧交通管理解決方案現在已在 100 多個智慧城市部署，它具有非常強大的交通資料分析能力。我們還為政府官員提供智慧視覺化工具，這為他們提供了許多深入行動的見解。我可以自信地說，這100多個智慧城市的交通流動現在更加順暢和流暢，市民對遵守交通規則有更多的意識。

在智慧城市中實施人工智慧影像分析面臨的挑戰是什麼？

其中一個挑戰是視野範圍 – 使用攝影機時，視野受限。我們正在探索方法，例如派遣無人機前往困難的地方拍攝影像。因此，我們正在尋找許多創新方法，使攝影機能夠到達困難的地區。

在平衡市民隱私的情況下，您如何實施這項技術？

這是個好問題。我會說，我們必須推行負責任且具協作性的人工智慧。當我說協作型人工智慧時，我指的是政府官員、獨立軟體供應商（像我們這樣的公司）以及市民都應該知道發生了什麼事情，應該知道資料是如何被使用的。應該有非常透明的資料政策。我會說的第二點是使用最小化且匿名化的資料。這意味著不要儲存太多資料，而儲存的資料應該是匿名的。

在 Videonetics，我們有非常嚴格的安全標準。對我們來說，一切都是物件，我們沒有任何人的資料。我們遵守國際安全規範要求，並在我們的協定和資料處理方式上設有非常嚴格的標準。我們坦誠無疑，確保資料安全並符合國際標準。這是我們的處理方式，我認為這些是我的建議。

您能提供一些在智慧城市中部署人工智慧影像分析的例子嗎？

正如我之前提到的，我們已在 100 多個智慧城市部署了我們的平台，它有助於改善和疏解交通，並確保市民的安全。對於智慧城市，我們在印度是第一名。我可以談談印度其中一個頂尖城市的案例研究。

在那個城市，有大約 400 台攝影鏡頭監控交通，另外還有 700台攝影鏡頭在預備中 – 所以我說的是 1,100 台攝影鏡頭監控城市的交通，確保車道紀律和單向行駛等。這使得管理者能夠更輕鬆地疏解交通流量。

就實施方面而言，我們與全球所有領先的攝影鏡頭供應商都有合作關係。對於每個專案，我們會與系統整合商和參與該專案的合作夥伴一起決定最適合的攝影鏡頭。然後分析就在邊緣進行。對於邊緣運算，我們廣泛使用 Intel 平台 – 包括 Intel® Core™ i5、i7、i9 系列以及最新一代的晶片組，即 11-13 系列。然後在特定情景下，我們使用雲端進行儲存。

談到如何有效地執行，我們的研發團隊不斷努力進行研究；我們專注於如何將運算達到最佳化。我可以說，從我們開始以來，在這方面我們已經走了很長一段路。現在我們可以說，運算效率提高了20倍或30倍。我們正在研究如何使用較少的影片畫格來推斷事件，而不是處理整個影片。我們正在尋找與合作夥伴的協作，並利用他們最新的技術、平台和解決方案來將性能和運算能力達到最佳化。

與 Intel 等公司合作的好處是什麼？

與 Intel 合作非常棒，非常令人興奮，因為我們更加專注於邊緣分析。這也是 Intel 正在推動的方向 – 更多邊緣運算的分析，更多由中央處理器執行的分析。所以 Intel 是我們在這個方向上最好的、最重要的合作夥伴，這個方向符合兩家組織的需求。

第二，我們使用了 Intel 的 OpenVINO™ 平台 – OpenVINO 深度規劃平台。該平台透過技術，例如後訓練最佳化和神經網路壓縮以增強模型。這些方法降低了客戶的總體擁有成本（TCO），因為運算能力得到了提升。關於 Intel 還有一件非常重要的事情要提到，那就是 Intel® DevCloud 平台，我們隨時可以使用它來測試我們的最新模型。我們正在對我們的模型在第 11 代至第 13 代 Intel 晶片組上進行基準測試。

我非常高興地宣布，我們贏得了 2023 年 Intel 卓越成長 ISV 合作夥伴獎，超越了競爭對手，並幫助 Intel 吸引了更多的合作夥伴。所以，我們與 Intel 的合作之路非常漫長而成功。

我們可以期待人工智慧影片分析的其他案例有哪些？

智慧城市之外，我們還涉及了許多垂直產業。最主要的領域是航空和機場安全，我們正幫助超過 80 個機場進行分析，例如能夠快速檢測煙霧和火災。此外，還有石油和天然氣、熱能等產業，在那裡煙霧和火災也非常危險。這類影片分析應用非常受歡迎，並為這些企業創造了很大價值。

我們擁有自己的深度學習平台，名為 Deeper Look，已經開發了約 100 個影片分析應用。它們涵蓋了廣泛的分析範圍，包括人群、車輛、大眾運輸、女性安全和零售。在零售業，我們提供熱圖，幫助店家洞察他們店內的銷售模式。在大眾運輸方面，印度大部分鐵路正使用 Deeper Look。另一個非常廣泛使用的案例是個人防護裝備 (PPE) 檢測，這有助於工人安全。還有銀行和金融業。另一個我們支持的有趣領域是法醫研究，這對調查非常有用。

有沒有最後的想法或關鍵要點？

我最主要的收穫是，要採用資料和技術，包括負責任和協作技術，以及負責任和協作人工智慧，以提高治理的警惕性，提高企業的營運效率，增強人們的安全，並超越安全。

關於運算，我們必須不斷投資於最佳化運算能力；我們必須在我們的 API 中開放；我們還需要展示很多開放性，以便我們的平台易於與第三方供應商相互操作。那也是很重要的。

最後，我再次強調：確保負責任和協作人工智慧，並取得管理者和公民的信任。視訊和物聯網是絕佳的組合，可以有許多案例，將會豐富人類生活的品質。

相關內容

要了解更多關於智慧城市的人工智慧影片分析，請收聽「人工智慧影片分析賦能社區：Videonetics 的案例 (AI Video Analytics Empower Communities: With Videonetics)」。要了解 Videonetics 的最新創新，請在 Twitter 和 LinkedIn 上關注他們。

 

本文由 Erin Noble 編審。

合作夥伴關係能應對醫療設備製造端的挑戰

Posted on by Micah Kaplan

醫療設備革命正在持續進行中，主要原因來自於全球人口老化、慢性疾病的激增，以及對診斷醫療解決方案需求的日益增加。因此，各解決方案供應商急切地希望能滿足這項新需求，並積極尋求途徑，獲得競爭優勢，加速進行開發。

因著對於這項技術進步的狂熱追求，促使醫療設備製造商不斷尋求卓越的硬體元件。這個趨勢的一個明顯例子是供應商開始更加重視實作增強型嵌入式儲存裝置選項。舉例來說，許多製造商正逐漸淘汰過時的傳統硬碟（HDD）和消費性卸載式多媒體記憶卡，轉而使用固態硬碟（SSD），尤其是外型規格小巧的單晶片 SSD。

身為 Silicon Motion 嵌入式產品行銷總監以及 NAND 固態硬碟快閃主控晶片和其他固態儲存裝置的開發者 Jason Chien 解釋說：「SSD 比 HDD 或 SD 和 CF 卡更快速，且儲存功能更可靠。」「在醫療設備製造流程中，單晶片固態硬碟因小巧的外型規格而更勝一籌。」

在採購最佳醫療設備元件的過程中，卻充滿了嚴峻的挑戰。鑑於醫療產業設備普遍高昂，因此硬體的可靠性、效能與資料安全性是最值得關注的嚴格標準。這些設備的操作環境也可能十分嚴苛，往往需要量身打造個別的配置。因此，識別合適的固態硬碟解決方案，並不像從目錄上訂購一般產品那樣簡單。

鑑於這些複雜的原因，硬體專家與醫療設備製造商進行密切合作，提供量身打造的固態硬碟解決方案，來滿足醫療產業的需要。這些策略性合作不僅縮短了進階醫療設備的上市時間、減少開支，且克服了最嚴峻的技術障礙。重要的是，也為即將問世的醫療 AI 應用技術奠定了基礎。

提供進階醫療設備中所使用的固態硬碟

要理解這些合作的重要性，就必須瞭解現成固態硬碟固有的侷限性。NAND 快閃記憶體是推動各產業採用固態硬碟的主要催化劑，是現代固態硬碟中重要的非揮發性儲存裝置元件，且價格日益降低。因價格日益降低，讓眾多產業得以從傳統硬碟轉為使用固態硬碟。

儘管如此，NAND 快閃記憶體供應商卻努力追求更高的記憶體單元密度以降低成本，導致 NAND 固態硬碟的品質與耐用性下降，令人十分擔心。雖然這對消費者或特定工業應用環境而言，可能不是重大問題，但在醫療環境中卻是需要正視的嚴重問題。

對此，Silicon Motion 等固態硬碟專家開發出了創新的解決方案，例如 FerriSSD 單晶片嵌入式儲存裝置系列產品。此系列產品採用專有技術，能夠密切監控固態硬碟 NAND 快閃元件的健康狀況，並在必要時採取修正措施。因此，固態硬碟的使用壽命可以遠遠超出 NAND 元件，能滿足醫療設備製造商對於資料完整性的要求。

Silicon Motion 的固態硬碟產品系列除了能保護資料完整性之外，在現今高風險威脅環境中，還具備關鍵的網路安全功能與資料隱私功能。全磁碟加密功能能確保資料機密性，符合 TCG Opal 2.0 與 AES 256 位元加密標準。此外，數位簽名技術可抵禦針對固態硬體韌體的網路攻擊，確保惡意使用者無法篡改或破壞韌體。

Chien 表示：「消費性固態硬碟能應付特定情況。」「但醫療設備、精密製造與應用環境則需要更高的效能、安全性與穩定性，因此需要更精密的解決方案。」（影片 1）

影片 1。對於醫療設備製造和其他以可靠性為首要要求的產業而言，單晶片固態硬碟是十分具有吸引力的選擇。（來源：Silicon Motion）

醫療設備製造商克服複雜的挑戰

醫療設備製造商採取精心設計的固態硬碟解決方案，滿足其特殊需求，並帶來更有利的優勢。同樣值得注意的是與硬體專家的合作，讓供應商能夠克服最複雜的技術挑戰。

舉例來說，Silicon Motion 曾與電磁輻射（EMR）領域的進階醫療設備製造商合作。EMR 在醫療環境中十分普遍，常見於 CT 掃描與 MRI 儀器檢查等醫療程序中。但這間製造商所開發的設備會引起電磁干擾（EMI），導致頻繁出現軟錯誤，危及微晶片記憶體單元的穩定性。

Silicon Motion 的工程師巧妙設計出不受 EMI 影響、量身打造的硬體與韌體，並且能夠迅速從軟錯誤中復原。結果十分顯著，成功將製造商的軟錯誤率降低 96%，確保必要的醫療設備在最需要的時刻仍能正常運作。

硬體專家與醫療設備製造商合作，能提升卓越、量身自訂解決方案的開發能力，而 Chien 強調這是關鍵的合作：「我們能夠量身打造硬體與韌體，滿足特殊的客戶需求，不僅提高可靠性，還能適應各種設計限制。」

Silicon Motion 與 Intel 的技術合作，能為此量身打造的解決方案提供支援。Chien 指出：「我們的所有產品開發均使用 Intel 平台。此平台已廣泛應用於進階醫療設備，可將相容性問題降至最低，同時提供卓越的穩定性與穩固性。」

醫療設備製造領域的光明前景

醫療設備製造商與硬體專家之間的合作已成功創造巨大價值。在未來幾年，製造商將能從這樣的共生合作關係中獲得更多優勢。

Silicon Motion 預計未來將持續改良現場環境的進階醫療設備，已積極配備固態硬碟與韌體，以支援特斯拉空中下載技術（OTA）更新。此外，該公司也正在為醫療 AI 與物聯網的興起做準備。

而且 Silicon Motion 正為了取得物聯網領域中醫療 AI 的先進技術優勢做好準備。Chien 聲稱：「我們正在積極探索自訂硬體與韌體的方法，目標希望能以最佳方式投入 AI 應用。隨著技術的發展，醫療設備需求也隨之變化。AI 與物聯網代表醫療應用的未來，我們正在與我們的醫療設備合作夥伴共同形塑未來。」

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。