人工智慧零售分析增強庫存管理

Posted on by Micah Kaplan

顧客期望走進商店就能找到他們需要的物品。當客戶無法找到他們需要的商品時，不論是因為嚴重的勞工短缺還是效率低下的手動進貨流程，顧客將會轉向其他地方購物。

然而，零售商無法因為缺貨或物品放置不當而失去顧客。最近的報告發現，全世界每年因庫存不足或商品放錯位置，可能導致高達 9840 億美元的銷售損失。然而，問題是許多零售商仍舊依賴手動流程來補貨。這就是為什麼越來越多的零售商開始轉向使用人工智慧零售分析解決方案來最佳化其庫存管理。

透過人工智慧零售分析最佳化顧客體驗

以總部位於英國的零售雜貨連鎖店 Nisa 為例。Nisa 發現商品未妥善進行庫存管理對其顧客體驗造成了負面影響。為了改善情況，他們轉向 Shelfie，一家依賴雲端軟體的零售分析平台提供商，以改進他們的流程並更有效地了解庫存的變動情況。

有了 Shelfie，Nisa 可以在其商店使用連接的相機拍照，並將目前的庫存與預定的圖表進行比較，該圖表顯示每個受監控的貨架應該是什麼樣子。

為了實現這一目標，相機拍攝影片影像並將其傳輸到雲端，這裡使用一個先進的機器學習和影像處理演算法來分析關於庫存位置和可用性的資料。當商品庫存不足或產品放錯位置時，員工會透過他們的儀表板或行動應用程式即時收到警示訊息。警示訊息可以透過條碼掃描器、平板電腦或其他連接設備傳送。

在 Nisa 商店的一次試驗中，Shelfie 能夠保持庫存可用性約為 95%。來自 Nisa 多家商店的老闆兼經營者 Rav Garcha 表示：「這提供了我作為零售商所需的所有資料，以便做出有關採購、預測和最佳化店內商品位置的決策。」

提升人類努力的效率

隨著科技在各個行業迅速增長，令人驚訝的是，根據 Shelfie 的執行長 Yehia Oweiss 所說，大多數零售商仍然依賴人工進行商店內巡視，檢查貨架上的商品情況，看哪些商品有貨、哪些商品庫存不足，然後再進入倉庫或後備儲藏室，推著手推車補充庫存。

Shelfie 的開發旨在減輕人工零售工作人員的負擔，使其能夠輕鬆監視貨架並獲取有意義的洞察。Oweiss 解釋：「這個解決方案並不是要取代店內人員，而是旨在讓他們的工作更加高效，」。「我們的軟體會告訴您庫存最不足的時間和日期，以及是在哪個貨架上。現在，如果您手上有這些資料，您可以更有效地調派負責補充庫存的人員。」

影片 1. Shelfie 包含一個分析平台、圖像擷取裝置和報告儀表板，以提供貨架庫存管理的洞察。（來源 Shelfie）

雖然類似的解決方案在擴展時可能複雜或成本高昂，但 Shelfie 易於部署且容易擴展。這個解決方案處理所有分析工作，並向店家發出任何缺貨或庫存不足的警示。

Oweiss 解釋：「您所需要的只是一個對著貨架的相機，連接到網際網路，」。「其餘的工作則是我們遠端在雲端完成。」

這個解決方案也被開發成相機通用方案，只要現有的安全相機能夠連接到網際網路，零售商就可以使用。此外，如果有需要，也可以選擇在現場設置該平台。

為了實施能夠偵測零售店鋪內情況的人工智慧模型，Shelfie 使用了 OpenVINO™ 人工智慧工具套件。當一位新客戶決定採用這個解決方案時，他們會提供有關每個貨架應該是什麼樣子的照片和資訊，從而啟動一個為期兩週的人工智慧神經引擎訓練過程。

隨著時間的推移，人工智慧零售解決方案能夠滿足更多店家的需求

隨著人工智慧軟體學習各種商品的位置並追蹤銷售情況，Shelfie 可以提供許多超出基本缺貨或錯置商品警示的額外洞察。

例如，儀表板顯示了關於哪些庫存單位（SKUs）的銷售量最高和最低，以及哪些庫存單位最常缺貨的資料。管理者可以看到某個商品缺貨了多久，某些商品在一天中的哪個時間銷售最多和最少，以及哪些是銷售最好的商品，他們需要確保這些商品永遠不會缺貨。像這樣的細節資料，如果使用手動流程收集將會非常困難，甚至可能無法實現，根據 Oweiss 的說法，這些資料可以提供重要的洞察，有助於最佳化銷售和庫存工作。

他解釋：「最終，Shelfie 所做的就是改善業務流程，」。「這對顧客滿意度有很好的效果。零售商面臨著眾多事務，每一天都帶來新的挑戰。這個解決方案能夠提供他們所需的資料和洞察，讓他們保持領先地位並知道該優先考慮什麼。」

這個解決方案的使用案例不僅限於零售領域。例如，Oweiss 表示 Shelfie 正在被引入加油站，用於監控洩漏、計算顧客人數，以及維持法規遵循。該公司還在石油和天然氣行業實施這個解決方案，用於監測油頭（油井中的油層）是否有洩漏和溢出情況。Oweiss 表示：「每個使用案例都關乎業務流程效率，」。「當您手中擁有關鍵資料時，您可以更有效地調度人力，並最大化其效能。」

隨著零售分析的應用擴展，Oweiss 預見未來的解決方案將更加增加擴增實境和人工智慧的作用。目前來說，雖然大型連鎖店和擁有多個分店的公司通常需要應對所需的變革管理，以在新解決方案中取得成功，但較小的公司和獨立零售商則更容易地採用像 Shelfie 這樣的解決方案。

Oweiss 表示：「對於他們來說，靈活性和成本節省都是優勢，」。「我們的解決方案不需要特定的相機型號或高解析圖像，因此他們可以迅速地使用他們已經擁有的技術進行運作。」

 

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

資料保護的最新發展有哪些？機密運算

Posted on by Micah Kaplan

巧妙手法適合用來變魔術，卻不適用於資料保護。然而，許多企業可能會以資訊安全之名進行部署，卻是故佈疑陣。在資料安全公司 Fortanix 中負責機密運算業務的副總裁 Richard Searle 表示，許多公司可能會認為能完善保護資料安全，但大多數保護機制都是傳輸中或儲存中的資料而訂定，而不是實際使用和處理中的資料。

Searle 補充，為了達到最嚴密的安全措施，企業需要硬體強化、受信任的執行環境，即使在處理過程中也能保證資料的安全，這種做法稱為機密運算（CC）。

機密運算資料安全性的優勢

多年來，醫療保健與金融等領域的公司使用匿名資料來保護患者或使用者身分，並符合安全性通訊協定。然而，Searle 表示，要完全將資料匿名化是非常難以實現的。他說：「即使透過標記化來遮蔽使用者的個人資訊，仍有可能從資料集解析資料，而資料集正是資料的來源，因此可能進而能識別底層的身份資訊。」

標記化會限制讓資料無法進行充分使用，因此並非所有功能都能順利執行。即使資料在儲存或傳輸過程中已加密，但仍會在處理過程中解密、不受保護，因此在此階段仍會受到攻擊。

另一方面，機密運算的原理就是在充分發揮資料潛力的同時，不論資料處於任何狀態（包括儲存中、傳輸中和使用中），均能保護資料。機密運算的另一個顯著優勢在於，更容易追蹤軌跡，並能提供必要的合規文件，方便審計人員使用。

機密運算也加強實作零信任架構，此架構為廣受歡迎的資料安全解決方案。零信任需要將資訊處理鏈中營運與驗證的各階段程序進行分割。

Searle 表示：「機密運算可協助實現這個目標，因為機密運算能做到兩件事：驗證資料部署時的可信任執行環境，以及驗證資料部署時的軟體完整性。」「由於機密運算可以在網路內提供資料保護服務，因此與其他適用於機器與使用者身份識別與存取管理工具等零信任工具一樣，是一項重要的技術。」

受信任執行環境中的資料安全性

機密運算會在受信任執行環境（TEE）中保護資料，且此環境為處理器內受保護的記憶體區域。這些安全隔離區已使用作業系統與虛擬機器監視器無法存取的硬體管理金鑰進行加密。「套用機密運算時，僅 TEE 範圍內的資料無加密。這樣您便可以在 CPU 處理敏感資料與應用程式時保護這些資料和應用程式。」Searle 表示。

Fortanix CC 解決方案即 Confidential Computing Manager，能作為企業應用程式與底層硬體和受信任執行環境之間的中介軟體層。Searle 表示：「Manager 也會針對內部部署與雲端部署產生必要的加密證明與驗證，能證明資訊已進行安全部署，並且將按照立法機關與組織政策規範進行處理。」

Intel 在機密運算領域中所扮演的角色

Intel 已將受信任執行環境（也稱為「隔離區」）所需的關鍵元件設計納入其軟硬體解決方案堆疊中：

  • Intel® Software Guard Extensions (Intel® SGX)
    在個別應用程式周邊建立保護圍籬，讓敏感資料可以安全且隱私地執行，而無須信任底層基礎架構與作業環境。組織可以使用硬體級加密金鑰與信任認證，將軟體與資料沙箱化，並置於安全隔離區。
  • Intel® Trust Domain Extensions (Intel®TDX)
    在虛擬機器周圍建立保護圍籬，為現有的虛擬化工作負載提供方便的隨即轉移功能，實現機密運算。

這些技術與第 4 代 Intel® Xeon® 可擴充處理器合併，即可造就更廣泛的應用程式。Searle 表示：「第 4 代 Xeon 等這類型的現代處理器功能非常強大，且具備大量可供部署受信任執行環境使用的記憶體，因此我們可以執行非常複雜的企業級應用程式與 AI 系統。」「我認為這將有助於讓機密運算更加普及。」

機密運算使用案例

對於需處理高度機密資料且企業無法保證信任底層基礎架構時，機密運算格外實用。最佳案例：資料移轉至雲端，Searle 表示：「您使用其他人的基礎架構平台，而且您不希望讓擁有根權限的雲端管理員存取您的資訊。」

使用案例無窮無盡。舉例來說，Fortanix 正在協助 BeekeeperAI 用戶端運用機密運算，以安全的方式部署 AI 與 ML 模型。BeekeeperAI 可以協助研究人員快速驗證及迭代模型，並實現醫療保健團隊的安全協作。而醫療保健公司 Zuellig Pharma 也推出了「數位醫療交換」措施，該措施即運用機密運算在亞太區十幾個國家間實現資料交換。Searle 表示：「機密運算應用的另一個例子，就是如何為不同使用案例帶來資料使用與行動化方面的創新技術。」

Searle 表示，醫療保健與金融業是機密運算的初步實驗領域，但實作則不需侷限於這些領域。他補充：「安全狀態的強化需求，確實為未來的機密運算奠定了基礎。」

下一步：邊緣 AI 的機密運算使用案例。Searle 表示：「我們正在研究如何保護邊緣資料，讓我們得以在邊緣型裝置上進行本地處理。」Fortanix Confidential Computing Manager 也可以在邊緣派上用場，因為它隨時隨地都能處理好硬體。

Searle 表示：「現在，客群已經接受採用機密運算，因此，在特定需要資料與應用程式保護的使用案例中，部署技術的需求將會增加。」

無論是在雲端還是邊緣。

 

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

分散式運算推動智慧電網

Posted on by Micah Kaplan

Blaine Mathieu 是重塑能源分配變革的代表性人物。

他家的屋頂有一個 30 千瓦的太陽能電池板，用來將電力輸送回電網。Mathieu 是 Pratexo 的執行長，該公司為公用事業提供邊緣運算軟體平台，是「產消合一者」，同時消耗又生產電力。

這種雙向能源流動並不是公用事業的唯一變化。為了避免全球氣溫上升和氣候變遷帶來了最嚴重的影響，未來的整合式能源系統必須脫碳。世界經濟論壇指出，到 2050 年，必須轉為 50-80%（而非現在的 20%）的直接電力。

Mathieu 表示，脫碳與電動車的增加也讓局勢變得更深不可測。「因此，我們正在從連續、井然有序的集中式能源生產模式迅速轉變為脫碳、分散式、普及化且數位化的模式，」Mathieu 引用 Gartner 近期在該領域的研究指出。

電力生產中的推拉力量正在迫使該產業捐棄將系統視為「持久耐用」的思維模式。反之，，Mathieu 表示系統必須是「專為變革打造」的智慧電網。這種思維模式的重新啟動是一種根本性的轉變，而且「只有軟體才能實現那種快速演進與變革，」他補充道。

分散式電源與分散式運算

為了適應必經的快速演進與變革，公用事業產業仰賴於邊緣（感應器和機器運作之處）資產衍生的 IoT 資料。前提是，應用 AI 與機器學習從 IoT 資料流獲得的深入解析，可讓公用事業變得更高效。

為了獲得這些優勢，將演算法引進邊緣的資料會比反向更為高效。「每天都有數百座風車產生十億位元組的資料時，不可能將這一切都推向中央雲端，」Mathieu 表示。「反之，您應該在本地前置處理部分甚至全部的原始資料，然後僅將重要事件中較輕的事件流傳送至雲端，進一步分析。」

對於部署分散式運算以供邊緣分析而言，這是令人信服的論據。

Mathieu 表示，資料進出雲端的成本並不是轉向分散式運算的唯一影響因素。需要持續監控電網並在數毫秒內對變化做出反應。在這種情況下，邊緣分散式運算的低延遲也特別具有吸引力。

為電網的發展開疆闢土

分散式運算可能是現今分散式電網的首選，但它缺乏雲端運算的流暢協調能力。在分散式運算模型中，必須遠端管理及協調靠近現場變壓器的遙遠邊緣節點。並非流暢無縫。

但 Mathieu 表示，透過 Pratexo，電力公司也可以魚與熊掌兼得：可以為邊緣部署分散式運算模型，並且仍然享受雲端運算的輕鬆協調與管理。

挪威的智慧電網

挪威公用事業服務供應商 HallingdalKraftnett（HKN）是 Pratexo 智慧能源電網解決方案發揮功用的完美典範。

挪威有超過 70% 的車輛是電動車，，因此對電網造成巨大壓力。HKN 管理超過 3,000個遠端變電站；出狀況的話，必須在毫秒內作出回應。

由於智慧電網監控解決方案是一個預先架構及專為電網監控而定製的框架，配備有一組儀表板、基本分析，以及與現有硬體整合，Pratexo 只需混搭幾塊樂高積木，即可為 HKN 開發自訂解決方案。

HKN 拖放式解決方案包含與變壓器設備、外部功率計、濕度表與溫度感應器整合。它也使用麥克風，聆聽變壓器聲音，偵測名為局部放電的劈啪作響聲。音波分析器機器學習演算法處理這些聲音，並且比標準手動檢查通訊協定更快的動作，為維護團隊提供警示。

每個變電站的邊緣節點在本地處理資料，然後將資料路由至遠端變電站之間形成的區域微雲端。如此降低延遲有助於 HKN 部署基於狀態的維護，並在數秒內針對問題做出反應。因此，它們可避免因停電而造成的嚴厲處罰。

所有的 Pratexo 部署都是採用 Intel 處理器。「我們部署的平台幾乎所有的軟體元件與元素，首先都是為了與 Intel 相容編寫的，」Mathieu 表示，並補充說明該公司已與 Intel® OpenVINO™ 工具組整合，用於在其他應用程式中進行邊緣實施的 AI 處理。

電網的未來

Mathieu 表示，Pratexo 提供的軟體靈活且可組合，正是加速因應氣候變遷所需的利器。

「您不是部署靜態且難以變更的軟硬體架構，而是將技術思維轉向可組合性，也就是能夠在必要的時候迅速更換及變更或增強單一元件，」Mathieu 如是說。如此一來，我們便打造了易於適應變化的智慧電網。

「軟體變化多端。如果我們能採用最好的軟體元件，應用於公用事業與電氣化，這是實現眼前目標的唯一方法，」Mathieu 表示。

這不失為一件好事，尤其氣候變遷的現實日益明顯地令人擔憂，更是如此。

 

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

即將登場：適用於零售環境的 AI 解決方案

Posted on by Micah Kaplan

大家都有過這種經驗：手上只拿了兩樣商品，卻得在收銀台前的隊伍等上二十分鐘。（至少已經沒有人拿支票付錢了。）您不禁懷疑，科技明明日新月異，我們為什麼還得在雜貨店排隊排到天荒地老！難道沒有更好的辦法？可能有。事實證明，這個方法不僅能為商店解決排隊管理的問題，還可發揮更多效益。

過去幾年，零售版圖發生了巨變：客戶期望持續演變，以智慧靈活且有意義的方式解決困難點的工具和技術也持續進化，而且很多都用到了 AI。如今，大量的機會與優勢伴隨 AI 而來，但是若要開發及打造這類 AI 解決方案，許多零售商不是措手不及，就是尚未替開發團隊配置人力，即使他們知道自己想達成哪些目標也只能搖頭嘆息。

幸好，現在已經有完整的實作專業知識生態系統，因此 Intel AI 軟體架構設計師暨推廣長 Ria Cheruvu，以及零售空間智慧解決方案供應商 Pathr.ai 的資深產品行銷與營運經理 Nicole O’Keefeare 於是利用這個機會，探討了開發真正能發揮影響力的 AI 零售解決方案（影片 1）。

影片 1. Pathr.ai 的 Nicole O’Keefe 與 Intel 的 Ria Cheruvu，探討了 AI 對零售營運的影響，以及 AI 解決方案目前最重要的機會。（資料來源：insight.tech）

零售商目前面臨的最大挑戰是什麼？

Nicole O’Keefe：顧客追求順暢的結帳體驗，包括排隊隊伍短，以及等待時間短。如果顧客看到收銀台大排長龍，難免會感到煩躁，甚至可能乾脆放棄購物車，走出商店。這是零售商最不樂見的情況，因為放棄購物車會損失銷售量，還可能影響客戶忠誠度。另外，人力短缺和人力成本攀升也是他們擔心的問題。

這些因素都是現今零售業面臨的挑戰。由此可見，零售商尤其必須為顧客創造高效的結帳體驗。

AI 如何解決其中幾個困難點？

Ria Cheruvu：就整合多項解決方案，以及開發智慧隊伍管理和自動自助式結帳的模型而言，人工智慧絕對能派上用場。人工智慧可識別客戶體驗並提供見解，然後將見解整合至系統，針對多家商店與客戶提供寶貴的深入解析。我們發現，AI 還能協助擴充那個程序，並且將所有不同的功能整合在一起。

開發者如何成功建置及實作 AI 零售解決方案？

Ria Cheruvu：這項任務頗有難度，一來是因為這些模型有技術限制，二來則是模型設法滿足的使用案例類型所致。請試想，AI 能夠計算貨架上的商品數量，或是識別有人拿起商品後將它放入購物籃的情況。它可以整合到智慧購物車、智慧貨架或智慧機器人等。事實上，我們很多時候可以利用現成的模型，也可以運用技術訓練及建置自己的模型，靈活性很高。

隨後，您確實必須融入隱私與安全性這類元素。我們必須針對究竟如何在演算法整合這些元素慎重其事展開對話，包括遮住個人的臉，或是就他們購買的商品尊重他們的隱私，以及基本上讓個人保持匿名，同時擷取持續改進演算法所需要的深入解析。

然而，大量的 AI 技術陸續問世，加上技術推陳出新，因此展開零售領域方面的對話越來越容易。

Nicole O’Keefe：Pathr.ai 的品牌標語就是：見微知著。穿梭於樓層平面圖的每個點都是購物者，而且那個點沒有附加可識別個人身分的資訊。因此，零售商便能真正利用維護隱私的深入解析，以不偏不倚的方式做出業務決策。

您如何與零售商合作，實作這些 AI 解決方案？

Nicole O’Keefe：我們可以實作 AI 的方法之一是空間智慧，關鍵在於測量人們在實體店內的移動方式與行為。我們運用零售商現有的攝影機基礎架構，提供整間店的深入解析，瞭解排隊隊伍的長度以及人們等候的時間，雖然側重於收銀台四周，但一般而言是著眼於整間商店的作業現況。目標是讓這些作業順暢無礙，儘可能讓客戶享受愉快的體驗。

此外，零售商希望降低營運成本及提高營運效率；他們只要以資料驅動的方式利用這些深入解析，便可實現這些目標。舉凡是以更高效的方式分配資源，或是減少不必要的人力成本都是他們的期望。舉例來說，他們可以設法瞭解一天內使用的收銀台數量，如果收銀台使用頻率不高，或許可以趁機將那個空間改造為賣場，並且在那裡陳列更多商品。

請進一步告訴我們，Intel 在實現這些應用時扮演了什麼樣的角色？

Ria Cheruvu：Intel 團隊雖然熱衷於開發技術，但同時也致力於為 Pathr.ai 這樣的夥伴奠定基礎，進而帶動這些技術發展，並且據此進一步創新。我們採取的方法之一是以 OpenVINO™ 工具組為主軸，而且這套工具組為建置及部署 AI 模型提供了許多不同的最佳化機會與選項。

另外，我當然也向夥伴推薦 OpenVINO 筆記本 GitHub 儲存庫，因為該儲存庫包含關於如何開始使用 OpenVINO 及如何開發這些應用程式的豐富資訊。我們設計這些參考工具組、教學課程與筆記本的方式，旨在讓合作夥伴基本上能夠在拿到它之後自行執行，然後看到成果。接著，他們便可以此為靈感或基礎，進一步瞭解其他模型、在自己的使用案例試用模型、在他們慣用的邊緣裝置部署模型，然後繼續更上層樓。

另外，我們也非常關注端對端堆疊，以及 Intel 硬體可以如何協助大規模加速這些類型使用案例所需的大量管道和大量運算需求。

從 Pathr.ai 的角度來看，Intel 的夥伴關係是什麼樣子？

Nicole O’Keefe：Intel 一直是 Pathr 寶貴的夥伴，因為我們正在零售界拓展空間智慧。我們的電腦視覺利用搭載 Intel® CPU 的邊緣伺服器以及 OpenVINO。我們能夠以非常符合成本效益且高效的方式大規模部署隊伍的深入解析，而 Intel 從一開始就是我們的後盾。

您如何在整間商店順利推展 AI？

Ria Cheruvu：我們有很多不同的方式可以建置於現有的管道。雖然已經有非常熱門且強大的物件偵測和分類模型問世，但在我看來甚至超越這個範疇。另外還有其他的模型陸續誕生，例如姿勢辨識與活動辨識，能夠幫助我們更瞭解個人在商店走動的情況以及他們正在做什麼，讓我們可以獲得更豐富的深入解析。

此外，我們確實必須就我們所執行的預先處理與後置處理思考這些 AI 模型。舉例來說，我們取得這些偵測結果後，可以從中擷取哪些類型的資訊，包括屬性與特定類型的特性。我們還能從這些模型看出哪些趨勢？

從更宏觀的觀點來看，能夠在管道中整合這所有的模型的意義其實更為深遠，無論是驗證多重攝影機配置的輸出結果，還是為了視覺化之便，將每個管道的輸出結果附加於儀表板。

在您看來，這個領域將如何發展？

Nicole O’Keefe：摸索方向是投入零售界 AI 領域最令人興奮的事情之一。身為客戶，在購物時獲得順暢的體驗依舊是我們的心願。但是對於零售商而言，將商店營運最佳化將是重中之重。方法可能包括利用即時警示及瞭解即時情境降低人力成本，例如收銀台何時需要開啟及關閉？接著，根據這些資訊做出真正資料驅動的決策。如果當下並未使用收銀台，或許可以將員工分配到商店的其他區域。

另一項有趣的趨勢則是 Ria 先前提過的自助結帳。目前許多零售商採取自助結帳和傳統人工結帳並行的方式。Pathr.ai 可以提供員工結帳與自助結帳方面的深入解析助零售商一臂之力，而且我們還能協助他們瞭解兩者之間的績效差異。

零售業的 AI 將如何發展，開發者與零售商對此有何看法？

Ria Cheruvu：開發者紛紛採用 YOLOv8 這類模型和演算法進行物件偵測與分類時，他們腦中絕對浮現了更全方位的藍圖。他們深知，無論 AI 模型的效能有多高，功能有多強大，有時還是難免會故障，他們對於這些隨之而來的挑戰與困難點心知肚明，也更能瞭解自家解決方案是否適合真實環境。

就未來以及 Intel 與團隊對於空間智慧和零售界發展的看法而言，我們正善用現有的幾種演算法，透過最佳化與加速締造出全新類型的演算法。未來將有很多體驗會因為 AI 而徹底改變，我們的目標是讓每個人都能對科技融入環境的方式感到自在。

最後我要補充的一點是關於 AI 領域的女性從業人員，以及在領導層發揮影響力的女性開發者——請務必持續朝這個方向邁進。我認為，這些參考工具組以及隨裝即用的實作環境普及化，對於開始投身這個領域而言將是一大動力。我們絕對樂於見到 AI 領域朝這個方向發展。

Nicole O’Keefe：消費者行為瞬息萬變，打算靜觀其變的零售商終將落後。利用資料採取行動的時候到了。零售商能夠領先群倫的方式之一，就是運用 Pathr 與 Intel 的空間智慧。我認為這是完美的組合。

相關內容

若要進一步瞭解零售技術開發，請閱讀空間智慧是零售技術的未來、收聽利用 AI 架構的隊伍管理簡化零售結帳，並且在 GitHub 加入 OpenVINO™ 討論的行列，分享您的體驗。如需瞭解 Intel 與 Pathr.ai 的最新創新技術，請在 Twitter 的 @intel 與 @pathr_ai，以及在 LinkedIn 的 Intel Corporation 與Pathr.ai 關注他們。

 

本文由 Erin Noble 編審。

人群行為分析顛覆訪客體驗

Posted on by Micah Kaplan

參加音樂會或體育活動時，任何細節都不容錯過。但是您有時為了上廁所或是肚子餓而必須離開座位，就有錯過精彩畫面的風險。Zack Klima 目前是 WaitTime 的創辦人暨執行長，對於這類兩難，他有切身經驗。Klima 永遠忘不了，他為了排隊買幾瓶啤酒，而錯過了底特律紅翼隊巨星 Henrik Zetterberg 幫助球隊打進致勝球的那一刻。

他腦中浮現的第一個念頭是：「這太荒謬了。一定有更好的方法。如果我離開座位前可以先知道隊伍有多長就好了。」那次的經驗催生了這個構想，而後最終演進為 WaitTime 這間公司，運用 AI 與尖端影像技術監測及分析人群行為。

時間快轉九年，該公司的 AI 與電腦視覺技術 WaitTime Crowd Intelligence 平台，目前已獲得各大體育場、購物中心、娛樂場所與機場採用。業主、營運者與房客可享有各種效益，包括人群管理、卓越的訪客體驗、精簡的營運方式、更低的成本，以及新的收益機會等。

明尼蘇達州布盧明頓 Mall of America，是 WaitTime 行為分析發揮效果的極致實例。這個場所不僅僅是購物中心，更是為了改變實體零售競爭態勢，替訪客、零售商、餐廳，甚至是環境部署創新技術的先驅。對於每年有數千萬訪客的觀光勝地來說，這件事顯得尤為重要。全美最大的室內主題公園佔地 560 萬平方英尺，商店與餐廳數量超過500 家，需要覆蓋的範圍很大。

人群行為分析提供高價值的業務優勢

Mall of America 近期的 Intel 活動，突顯了人群行為分析意想不到的優勢，並且彰顯出正確的夥伴關係如何實現顛覆性的解決方案。

首先，顯而易見，WaitTime 邊緣 AI 軟體結合部署於全購物中心天花板的 700 部攝影機，可以如何提供容量、人群密度與購物者的即時深入解析。這份資料有助於購物者在判斷運用時間的方式與地點時無須猜測。Mall of America 專案管理辦公室資深經理 Patrick Wand 及其團隊，輕輕鬆鬆便能取得這類資料，就強化訪客體驗做出更明智的決定。

Wand 表示：「我們將不同的資料集整合至模型儀表板，協助我們瞭解財務狀況，以及我們日後能締造多高的效率。」

即時資訊也有助於購物中心營運採取預防性行動。舉例來說，雖然每天都有保全人員在 47 個入口站崗，但有時候單靠一個人根本不夠。預期繁忙的入口可能未必都是最繁忙的入口。Wand 表示：「我們透過 WaitTime 能夠建立儀表板，以更主動的方式將保全人員重新部署到各區域。」

Klima 補充道：「我們掌握任何時間賣場有多少人的準確率超過 95%，也知道他們是從哪個入口進入賣場。」

天氣等因素可能直接影響購物中心人流。Wand 指出，週六兩英寸的降雨量，搭配大型商店拍賣會與其他活動，吸引的訪客人數幾乎與黑色星期五不相上下。他表示：「如果我們知道這週六的訪客人數會比平時多，我們就能透過應用程式與房客溝通，讓他們主動為商店加派員工。」

邊緣 AI 讓人群管理如虎添翼

WaitTime 人群分析的智囊包括四種支援不同使用案例的演算法，而且準確率超過 95%：

  • 排隊演算法的設計主要參考該公司初始的解決方案，旨在量測無序的排隊隊伍。演算法會追蹤每個移動物件的速度與方向，提供這項資訊協助廠商加派員工或增加結帳選項。
  • 反之，支架演算法適用於有序的排隊隊伍，例如可能在星巴克舉目可見的隊伍。軟體會在該區域周圍畫出周界，排除周界外的任何事物。另外，這項資訊有助於判斷加派員工的最佳地點。
  • 入場/出場演算法是購物中心最常用的其中一種演算法。它可即時大量精確監測同時進出的人數。
  • 集合演算法則與其他演算法不同，會利用側視圖監測區域的飽和程度。舉例來說，WaitTime 在美國網球公開賽部署了這個演算法，將攝影機對準看台，追蹤座位容量，幫助觀眾更快也更容易找到座位。

然而，即時分析需要高效的邊緣運算，而 WaitTime 經過最佳化後可在 Intel 硬體上執行。另外，使用 Intel® oneAPI 程式設計模型可協助 WaitTime 提高開發效率，並且增加異質工作負載，儘可能實現最高的效能。

WaitTime 技術長 John Mars 表示：「我們儘量設法讓軟體發揮效率，光靠單一執行緒就能操控大部分攝影機。」「因此，處理器越強大，速度越快，也有更多核心可以處理更多攝影機，而且初始架構基本上完全不需要調整。如果我們能儘量加快它的速度，那麼其他一切都將水到渠成。」

合作的重要性

Mall of America 所展現的技術領先地位與業務創新，只能藉由 Mall of America 及其解決方案供應商之間的這類夥伴關係才能實現。這種夥伴關係是部署成功的關鍵。

除了 Intel 與 WaitTime，Cisco 及其廣泛的解決方案也是 Mall of America 解決方案部署成功的關鍵。Wand 表示：「在運算方面，我們採用 Cisco 的技術。」「範圍涵蓋邊緣到核心：我們的無線存取點、網路骨幹，以及所有的交換器。」

Wand 表示：「Mall of America 建立夥伴關係時，必須就目標取得共識。」「我們如何讓技術發揮到極致、如何找到目標，以及如何共同找到目標，一起實現偉大的成就？」Cisco、Intel 與 WaitTime 也不例外。

從 Wand 的觀點來看，重點不在於與特定一家公司建立合作關係。重點在於他們如何攜手協助 Mall of America 經營業務，在當前與未來實現整體目標。

 

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

電動車技術與充電站的興起

Posted on by Micah Kaplan

如今無論在街道還是媒體上，電動車似乎無所不在。企業行號、政府機關，甚至公用事業機構都提供激勵措施，鼓勵人們改用電動車。特別在某些城市地區，充電站一如雨後春筍般湧現。對於各種化石燃料的擔憂以及各種技術創新而言，這無遺是一項好消息。

然而，過渡時期的電動車轉型對能源使用及電網狀態都產生重大影響。技術在實現能源永續發展上面臨巨大壓力，而基礎設施則在確保電網可靠、滿足今後需求上承受重負。尖端解決方案 SECO 開發商產品長 Maurizio Caporali 和能源系統供應商 Imagen Energy 技術長 Ezana Mekonnen 和我們一同探討電動車與充電站的興起，以及支持電動車轉型所需的產業支援（影片 1）。

影片 1。SECO 與 Imagen Energy 探討阻礙電動車技術成為真正主流的因素。（資料來源：insight.tech）

什麼推動了電動車的興起，以及人們對它的興趣？

Maurizio Caporali：電動車是一種解決方案，以不同方式顛覆汽車產業。一般而言，傳統燃油發動機解決方案出現了分歧。當然，電動車不使用化石燃料，因此可能會減少特定環境中的污染，這一點非常重要。

此外，還有許多方面對終端使用者具有吸引力。例如駕駛舒適度。電動車非常安靜，與傳統汽車的振動感也有所不同。維護需求較少，因為這種解決方案需要維護的元件較少，汽車運動零件的故障也較少。

另一項極其重要的考量在技術層面：電動車內部有許多技術。這是一個複雜的環境，內含電腦、許多感應器，以及比傳統燃油汽車更多的技術。從技術角度來看，最後一點是電池技術的改良。

在某種程度上，我們也能把電動車與自駕車串聯起來思考。舉例來說，電動車可實現遠距互動，終端使用者可在智慧手機的應用程式中取得有關電動車的所有資訊。也能進行遠距控制，例如在上車前開啟空調。

電動車對電網有何影響？

Ezana Mekonnen：我認為電動車對電網的影響既深且遠。需求增加如果管理不當，可能會加劇對電網的負擔。但論及電網，不光只是需求方的問題。將太陽能引進電網時，我們也遭遇類似的問題，能源供應過剩也會造成同樣的壓力。

重點在於供需平衡。透過智慧負載可實現這個目標；智慧電網可更加協調供需，並且在系統中增加儲存空間，以便進一步平衡再生能源的供應以及電動車的需求。

目前有哪些充電解決方案的基礎設施？

Maurizio Caporali：先從電動車談起；現在我們考量的是充電站的基礎設施。關鍵在於打造電動車的成長空間，但如果沒有充電站，這種轉變就不可能實現。

我們的興趣在於快速充電站，讓終端使用者有機會在旅程中花短短幾分鐘的時間為車輛充電。同時，我們也希望提供充電站位置、可用與否，以及充電站相對於汽車的特性等資訊。

實現這項目標涉及與技術相關的重要面向，不僅包括硬體，連軟體都涵蓋在內。我們對此面向進行分析，並定義一個能以不同方式與實體空間與環境配合使用的解決方案；一方面透過感應器瞭解環境狀態，另一方面透過介面與終端使用者互動，向終端使用者提供資訊。

電動車充電器在資料意義上也是非常重要的焦點。充電站可為終端使用者產生大量資料，也能為市政當局提供重要的資訊。因此它們不僅是汽車充電的途徑，也是一個資料資訊系統。

另一個重點是管理這些充電站設備。隨著化石燃料轉為電力，我們必須確保汽車充電的能力。此外還要備妥所有必要資訊，並即時提供有關整個充電站設備狀態的預測分析資訊。

SECO 如何努力在公路或城市內安裝充電站？

Maurizio Caporali：解決方案的靈活性很重要，以便我們為公司提供自訂解決方案最後一層的機會。我們的特色是定義非常靈活的模組化產品，然後提供自訂的機會。

另一個重要的面向是從軟硬體的角度提供這種自訂服務。然後為客戶提供一套工具，為不同層級的使用者定義合適的服務和解決方案。一部分關乎基礎設施維護，還有行銷環節：遠距管理資訊、定價與廣告系統。我們提供多種機會，新增大螢幕顯示資訊、新增付款系統，以及新增多個感應器，根據裝置的安裝地點提供不同等級的服務。

如何確保現今的努力持續擴展？

Ezana Mekonnen：我認為答案可以從兩個方面回答。第一個關鍵是對我們實際部署的內容有一個長遠的展望。例如，我們正在開發雙向充電器，不是因為現在有所需求，而是想要確保基礎設施到位，不僅能為車輛充電，還能將能源輸送回電網。這樣一來，電動車就會從電網的負擔變成電網的資產，我們就會擁有實質上的車載電池，對吧？

第二個方面是電動車充電設施的業主擔心因為充電站使用不足，產生所謂的「擱淺資產」。因此，我們設計一種架構，可以先部署一座充電站，然後隨著使用率的提升增加充電連接埠。這將有助於基礎設施跟上電動車的普及採用，並且可以持續成長。

SECO、Imagen 和其他公司之間的關係如何？

Ezana Mekonnen：Imagen 意識到充電器不只是充電器，而是多功能裝置。 就好比我們的手機，不只是電話，也具備攝影機、GPS 系統等功能。因此，雖然我們致力製造足以進行電力轉換和傳輸的小巧型轉換器，但仍希望 SECO 提供附加功能。這就是諸如 CLEA AI 等功能，具有圖像處理和音訊處理的能力，驅動大螢幕播放廣告，可以抵消充電成本或提供其他功能。可為電動車充電器的使用者和周邊企業提供功能。基本上我們認為，具備這種大量處理能力的基礎設施可以發展至充電以外的其他功能。

而 Intel 提供的技術相當出色，特別是我們用於電源轉換的 FPGA 。這是一種非常可靠且強大的電源轉換方法，特別是當我們努力提高效率和極度緊湊性時。開發這種未來基礎架構，不僅需要單一公司的努力，因此我們很高興能與 SECO 和女Intel 合作。

Maurizio Caporali：是的。我們的技術核心是以 Intel 晶片為基礎。特別是我們採用 Intel 最新一代的工業解決方案，基於 Atom® 系列處理器的低功耗解決方案。這些處理器非常靈活、功能非常強大，而且功耗極低。

另一個重點是，由於可以分析來自不同類型感應器的大量複雜資料，因此這些資料全都可以即時分析。這樣一來，您也不必將所有資料傳送至雲端，而是可以直接在邊緣裝置預先分析。這也要歸功於 OpenVINO™ 技術。我們的解決方案也具有工業級的溫度效率以及較長的使用年限，解決方案可維持 10 年以上的壽命。

此外，一如我之前所說的，可將這個解決方案定義為模組化解決方案，而且能擁有一系列的介面與 IO。例如，我們與Imagen Energy 的電子設備直接連線，以正確、完美的方式在兩個系統之間交換資料。

這項協作（Imagen 的解決方案，與能源轉換的電源效率相關，以及我們的解決方案，負責管理所有的資料以及能源的建立）讓我們有機會與現有的基礎設施進行交流，並管理所有的人機介面，這一切都基於一個大螢幕為終端使用者提供所有資訊。

最後有任何結語跟我們分享嗎？

Ezana Mekonnen：現在正是激盪人心的時刻，掀起了交通轉型為電動的這場重大革命。它能帶來許多新機會、新市場，以及更永續的未來。

Maurizio Caporali：是的，而且轉變即將發生，透過新一代更高效的電動車充電，就有可能以正確的方式使用電動車。讓未來的充電與旅行更簡單、更智慧。這對於與終端使用者和環境之間的互動，產生了很重要的新可能性。

相關內容

若要進一步瞭解電動車，請閲讀 AI 與電腦視覺推動電動車充電站的蓬勃發展（AI and CV Power Up the EV Charging Station Boom），並收聽電動車的動力：透過 SECO 與 Imagen Energy 攜手合作（Powering Up EV Technologies: With SECO and Imagen Energy）。若要瞭解 SECO 的最新創新技術，請在 Twitter @SECO spa 與 LinkedIn 關注，並在 LinkedIn 關注 Imagen Energy。

 

本文由 Erin Noble 編審。

IPC 與虛擬化：智慧工廠的未來

Posted on by Micah Kaplan

工業電腦（IPC）在推動工業 4.0 的發展中起了關鍵作用。它們協助製造商擺脫難以管理、專有的可程式化邏輯控制器（PLC），轉為採用軟體定義的工業控制應用程式，在 Windows 與 Linux 等開放式系統執行。

有利之處無窮。但製造商仍在尋覓更好的方法，從工廠收集及分析資料，整合技術堆疊，以便提高效率並促進 IT/OT 融合。

IPC 是邁向智慧工廠的第一步，但早期版本缺乏靈活性，無法充分利用虛擬化技術提供的可能性。

這些強大的邊緣運算系統可實現敏捷且豐富的資料擷取，同時也比過去的專有系統更易於管理、更具成本效益，也更為靈活。

新的IPC 平台：新的邊緣優勢

IPC 系統製造商深圳市大唐計算機有限公司設計的多用途 IPC 平台，提供傳統工業運算系統的優勢：高效能、低功耗處理、高可用性、堅固耐用的設計，以及適合即時分析的絕佳平台。

但這些平台的真正魔力在於它們提供高效運算，以執行現代軟體虛擬化技術，讓多個工作負載在單一系統上執行。軟體開發者也可以輕鬆將其現有的工業應用程式移植至最新的 IPC 技術，從軟硬體堆疊的改進中獲益，因此也有整合與安全性優勢。

這麼做也降低了複雜性與成本，方便工廠人員在全工廠維護及監控系統。此外，根據底層平台的不同，多用途 IPC 可透過整合性的軟體工具組增值，針對工廠資料提供更深入的洞察、最佳化效能，並加速開發工作。

例如，大唐的平台利用特定的 Intel 工業軟體技術：

  • Intel® Edge Controls for Industrial（Intel® ECI）是一款模組化軟體參考平台，可讓多用途 ICS 在通用硬體上執行。Intel ECI 大幅降低了製造商升級與更新的難度。該平台也支援即時分析功能、工作負載整合的虛擬化，以及可設定的軟體模組，以滿足工業運算的效能需求、降低成本，並提升靈活性。
  • Intel® Industrial Edge Insights Platform（Intel® EII）是一款適用於 IIoT 應用程式的開源軟體平台，提供資料收集、儲存、分析、視覺化模組與容器化部署。Intel EII 針對 Intel 硬體最佳化，並與 Intel® OpenVINO™ 工具組整合，可加速邊緣 AI 解決方案的開發，提供更深入的資料洞察，並協助企業更快上市。

對於大唐而言，使用 Intel 技術至關重要。作為工業邊緣運算的高效能、穩定的硬體平台，Intel 無與倫比。其軟體工具在縮短開發時間、將解決方案推向市場方面也同樣重要。

虛擬化：軟體定義 ICS 的平台

除了協助製造商轉為採用開放式系統並整合硬體/軟體堆疊之外，多用途 IPC 也提供另一項顯著的優勢：在易於管理的整合性平台上執行的內建虛擬化技術。

工業運算虛擬化的優勢已顯現一段時間，例如在不中斷營運的情況下升級基礎架構。

首先，虛擬化是一種將電腦資源與基礎硬體分離的強大方法。它也提高了網路安全性，因為運算系統可以更輕鬆地細分為獨立的安全環境。但虛擬化的最大優勢或許是工作負載整合，利用閒置的運算資源、提高效率，並降低成本。

多用途 IPC 與工業控制的未來

未來幾年，整合虛擬化技術的靈活工業運算系統將吸引製造業愈來愈多的關注。

部分原因在於工業運算領域的進展。舉例來說，大唐已經在考慮將 Type 1 虛擬機管理程式整合至產品。Type 1 虛擬機管理程式也稱為「裸機」虛擬機管理程式，可直接在底層硬體上執行，不需要主機作業系統。這麼做可實現更高效的資源分配、效能提升，以及更卓越的安全性。在製造環境中獲得的優勢不言可喻，但隨著 IIoT 的發展，更具吸引力的 Type 1 虛擬機管理程式與虛擬化技術即將到來。

一種令人興奮的可能性是 ACRN 參考虛擬機管理程式，這是一種專為嵌入式物聯網開發而建構的開源虛擬化工具。ACRN 虛擬機管理程式可解決製造商認為特別繁瑣的資料中心問題：冗長的開機時間、高成本，以及重大的開發開銷。ACRN 將使工業 4.0 更接近於開放式平台、軟體定義的工業運算。

但多用途 IPC 平台的主要優勢在於其如何為多個利害關係人解決問題。

對於 OEM/ODM 而言，現代 IPC 平台提供的開發便利性表示他們可專注於滿足製造商的需求，而不必擔心高昂的研發成本。對於傾向處理較小批次訂單的建置商與作業技術系統整合商而言，由於這些平台靈活且可供訂製，開發成本也會降低。

當然，對於製造商而言，優勢非常明顯。多用途 IPC 平台提供更簡單、更易於管理的存取方式，讓他們獲得最初推動數位轉型的所有優勢：即時控制、提高產品品質、降低成本，以及更快的創新途徑。

 

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

實體數位化體驗協助時尚零售業大放異彩

Posted on by Micah Kaplan

零售商正在重塑購物的定義：融合實體與數位元素，為顧客打造「實體數位化」體驗。這個趨勢已持續一段時間，過去幾年的事件也讓情勢加速發展。然而，目前零售數位轉型浪潮的最大原動力卻來自消費者本身。

「在零售業，我們看到一種要求超高的全新顧客類型，」時尚零售商數位轉型工具組製造商 Econocom Products and Solutions 數位總監 Javier Lima 表示。 「他們什麼都要立竿見影，而且希望品牌真正將他們視為個體。」

為了在店內實現這種程度的便利與個人化，許多零售商都轉向數位招牌解決方案，這也是提升銷售與簡化營運的絕佳方法。但對於時尚產業的零售商而言，真正落實並不容易。在風格與品味方面，必須傳達極具個人化的訊息才能達到成效。鑑於時尚的性質，這個零售領域的數位招牌異常依賴情境，而且可能會發生變化。

如何應對時尚零售商的這些挑戰：一應俱全的數位招牌工具組。這些強大且靈活的解決方案正協助品牌提供競爭所需的實體數位化體驗。最棒的是，這些解決方案易於設定，這表示即使在規模最大的企業也能出色地擴展。

可擴充的互動媒體有利於零售銷售與營運

典型案例：Econocom 與西班牙跨國服裝零售商 Pull&Bear 的成功。

Pull&Bear 希望在所有實體店實施數位招牌。但這是一項艱鉅的任務。該品牌在40 個國家/地區擁有 800 多個實體店，橫跨歐盟、拉丁美洲、中東與亞洲等地。任何使用的數位招牌解決方案都必須簡單明瞭，才能大規模建立及維護，並且必須是易於策劃及管理的本地化內容。

Econocom 的時尚零售數位轉型工具組正是 Pull&Bear 所尋求的。該解決方案基於軟硬體和雲端技術的整合。數位行銷素材在後端內容管理系統上傳、設定及安排時間，進而對媒體內容的時間安排和分發進行極精細的控制。然後將特定內容從雲端部署至各家商店的媒體播放器，而媒體播放器又連接至整個顧客區域的顯示螢幕。系統的店內部分還包括智慧型手機整合選項，協助店員以更敏捷的方式管理及設定顯示內容。如果需要更具互動性的解決方案，該工具組也允許在顯示端點連接附加式智慧裝置。

Pull&Bear 攜手與 Econocom 在全球 800 多家店面成功實施數位招牌工具組，在多個不同的地點實現高度情境的個人化訊息。如此一來，零售商便可利用其強大的數位行銷團隊，無論購物者身在何處，都能為他們自訂內容。

然而，令人印象深刻的店內體驗只是數位招牌解決方案為時尚零售商提供的其中一環罷了。「如果您只是玩『令人眼睛一亮』的遊戲，沒問題，很好，」Lima 表示。「但在這種情況下，我們希望在大量的商店部署解決方案，充分發揮數位招牌的潛力。因為只有那樣，您才能開始實現有利於零售商營運及其利潤的規模經濟。」

如何實現具有如此優異擴展性的解決方案，Econocom 與 Intel 的技術合作夥伴關係是一大關建，Lima 表示：「在超過 40 個市場和數百家商店推出我們的工具組顯然面臨了巨大挑戰。Intel 的營運支援至關重要。我們的合作是一種協同與互惠的關係，我們也期待這種夥伴關係能在未來取得更大的成就。」

實體數位化世界的未來

至於未來發展的樣貌，前景一片光明、令人振奮。

邊緣電腦視覺的崛起表示店內數位招牌不必被動回應，而是可以高度互動。螢幕顯示的內容可能會即時改變，以符合顧客的行為，例如，在顧客從貨架上挑選某件衣服時顯示相關的媒體。

除了時尚與零售業，數位招牌解決方案也會在其他領域與產業找到使用案例。例如，Econocom 已經在尋找適合金融服務業的方式，調整其零售時尚工具組。其他使用案例肯定會隨之而來，Lima 表示這的確是廣大現象的其中之一。

「在零售業，我們稱人們為『顧客』，飯店業稱之為『賓客』，在醫療或智慧城市則是『患者』或『公民』。但歸根結底是殊途同歸：利用技術提供更佳的體驗，滿足人們的需求，並實現他們期望的價值。」

當人們期望在生活某些領域獲得實體數位化體驗時，他們也可能開始在其他領域有同樣的要求。據 Lima 表示，人們將打造出一個更具互動性、更實體數位化的世界。那個世界不僅能達到居民的期望，也會為企業與組織帶來實質性的利益。

「未來非常光明，」Lima 表示，「因為融合實體與數位技術時，最佳化的機會即是無窮。」

 

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

利用 AI 型電腦視覺重新定義鐵路檢查

Posted on by Micah Kaplan

鐵路是全球基礎建設的結締組織。然而，儘管鐵路在全球交通與供應鏈的角色舉足輕重，但鐵路軌道維護多半是從人工檢查員開始做起。

為了找出受損的鐵路軌枕與軌道，人工檢查員每天步行或開車，在數英里長的鐵路尋找不一致的地方。光是手動檢查美國 160,000 英里的軌道，需要的總時間和成本就無法量化，而且由於是人工檢查，因此也容易出錯。

電腦視覺（CV）近期的進展，為鐵路檢查自動化開創了新機會，過程中的成本大幅降低，準確度也得以提高。不過對 CV 系統而言，鐵路構成了獨特的挑戰，包括部署環境差異大，以及安全關鍵產業對可信解決方案的偏好。

因此，產品工程設計公司 Ignitarium 這類組織，紛紛利用 AI 技術重塑 CV，以期解決困難點，降低對人工軌道檢查作業的需求。

利用 AI 型 CV 克服基礎架構檢查的挑戰

在監控的室內環境中，CV 系統擁有經過實證的輝煌記錄，但鐵路則不然，有各式各樣的照明條件、天氣變化和其他不可預測的因素。這些變數可能大幅影響 CV 系統的效能與準確性。

戶外鐵路應用 CV 技術時，另一場苦戰則是改變 Ignitarium CTO Sujeeth Joseph 所謂「產業中高度傳統的思維」，也就是相較於新方法，鐵路專業人員更喜歡用經過試驗和檢測的方法。

有鑑於這些挑戰，Ignitarium 開發的 TYQ-i 平台旨在結合傳統 CV 技術的精髓，以及先進的自訂類神經網路。最終締造出的高效解決方案，可在好幾英里長的軌道，偵測出各種異常。

TYQ-i 的作業方式可分為四個階段：

  • 擷取：平台支援多種視覺感應器，包括 RGB、3D、雷射和多光譜介面。Joseph 表示，在鐵路產業，2D 攝影機與雷射掃描器是首選的感應器。
  • 預先處理：Ignitarium 開發出的影像處理元件庫，為分析將資料準備就緒。這些準備工作包括基本作業，例如縮放與旋轉，以及較複雜的工作，例如拼接、追蹤與減少雜訊。
  • 深度學習：TYQ-i 的核心是具體使用案例的自訂 AI 模型。這些模型經過預先訓練，可偵測各種異常類別，即使客戶提供的意見資料有限，也能提供高水準的準確度與效率。
  • 呈現：接著，處理後的資料會透過儀表板及人類和機器可讀取的檔案，呈現給使用者。這樣一來，平台便能與現有流程順利整合，幫助克服採用新技術的阻力。

Joseph 表示，鐵路道碴（鋪設鐵路軌枕的軌道床）正是如何利用這些功能的例子之一。安裝在火車頭底下的空中無人機或攝影機，可以用 TYQ-i 偵測需要補充軌枕的區域，以及因為安全或其他作業考量而應該避免的區域。接著，該資訊會傳送至軌枕鋪設夯實機，讓它自動只在適當的區域執行維護。

利用 TYQ-i 實現規模與靈活性

為了獲得 Ignitarium TYQ-i 平台的準確度與可靠性，它一開始是使用 TensorFlow 與 PyTorch 這兩個最常見的機器學習與類神經網路開放原始碼架構進行訓練。這項訓練最初是在強大的 Intel® CPU 與 GPU 目標執行，為平台的 AI 功能奠定了穩固的基礎。

但為了在各種使用案例真正擴充效能，Ignitarium 意識到需要更靈活的處理解決方案。因此，於是決定將 TYQ-i 移轉至 Intel® Core™ 與 Xeon® 處理器。這並非常見的目標，而且高效能 FPGA 的 Intel® Arria™ 家族甚至還有一個連接埠。

這些處理器的互通性有助於公司控制成本。Joseph 說明：「如果工作負載更繁重，我們會選擇伺服器級機器。」不過針對較輕量的工作負載，該公司則是使用第 12 代 Intel® Core™ 處理器這類解決方案，其內建的 Intel® HD Graphics 整合式顯示晶片處理器（IGP）可加速 AI。

移轉至 Intel® 處理器還帶來其他的優勢。舉例來說，它讓 Ignitarium 得以充分利用 Intel 生態系統安全可靠的軟體基礎架構，用它提供的各種工具與資源，將效能與效率最佳化。

這類工具包括 OpenVINO™ AI Toolkit，而 Ignitarium 便是用它進一步將 TYQ-i 最佳化。OpenVINO 的設計可簡化在邊緣部署 AI 應用程式、為各式各樣類神經網路架構提供支援，以及為最佳化效能提供全方位的工具組。

Joseph 說明：「由於這個工具組支援各式各樣的 Intel 處理器，所以 Ignitarium 可以挑選處理器，然後『程式碼便會直接編譯及執行』。」同時，OpenVINO 提供各種工具，協助開發者充分利用選定的處理器。Joseph 表示：「我們利用工具組提供的每樣東西最佳化。」

這些功能讓 TYQ-i 可在各種環境中執行，包括邊緣裝置與雲端型系統。TYQ-i 可以在邊緣即時處理資料，立即提供深入解析，快速決策。對於低延遲至關重要的情況，這點格外實用，例如偵測高速鐵路線上的缺陷。

針對規模較大的應用，也可以將 TYQ-i 部署於雲端，支援大量資料及執行更複雜的分析。這項實用的功能適用於監控廣大的鐵路網路。

由於它靈活彈性，可以部署於各種情境，因而成為調適能力強大的基礎建設監控解決方案。

基礎建設檢查的未來已經降臨

鐵路檢查產業面臨的挑戰十分嚴峻。無論是廣闊的軌道，還是變化多端的環境，這個產業都迫切需要創新的解決方案。Ignitarium 的 TYQ-i 平台結合 AI 與 CV 技術，為因應這些挑戰提供了強大的對策。

TYQ-I 的自訂 AI 模型利用有限的客戶資料集，為高效能精心打造，提供的解決方案可輕鬆融入現有工作流程，消除以新對策解決老問題時衍生的偏見。最終締造出深獲全美軌道維護人員青睞的解決方案。

展望未來，TYQ-i 這類 AI 型電腦視覺解決方案，顯然將在基礎建設檢查產業轉型扮演關鍵角色，為所有人提供更高的準確度、效率與安全性。

 

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

影片安全即服務可簡化部署

Posted on by Micah Kaplan

傳統的內部部署影片監控解決方案需要強大的運算能力與本機基礎架構，因此對於管理多個網站的中小企業與公司而言是個繁重的工作。具成本效益且易於管理的開放式雲端影片安全即服務 (VSaaS) 解決方案是您的另一種選擇。

全球開放式 IP 影片監控軟體供應商 Milestone 憑藉內部部署影片監控方面的技術領先地位，能為您提供此解決方案。可擴充開放雲端 VSaaS 解決方案 Milestone Kite 於 2023 年 1 月推出，可善用 XProtect 影片管理軟體 (VMS) 產品家族。

Milestone 資深產品經理 Jan Lindeberg 表示：「雲端服務的價值在於其簡單、易於上手與使用」。「沒有現場 IT 能力、無法投入內部部署系統維護、服務工作與成本的組織，會發現使用 Kite 可大幅降低其投資成本。」

使用雲端 VSaaS，專注處理重要的事務

Kite 的 VSaaS 成本低且易於安裝，提升小型與多點公司的靈活性。許多小型至中型組織都面臨到如何尋找、吸引專業 IT 人員加入的挑戰，組織需要這些專業人員以專業安全的方式來執行和管理內部部署應用程式與系統。Kite 和其他雲端 SaaS 產品可直接吸引到這類使用者，這些使用者傾向專注於日常核心業務，而非管理不同應用程式與複雜的 IT 基礎架構。

Kite 是開放式平台，並支援數千台不同攝影機與 IoT 裝置，能為要移至雲端的終端使用者規劃安全路徑，讓他們無需更換現有的攝影機或攝影機網路。終端使用者不僅可以即時且無風險地移至雲端，還可節省購買及安裝新攝影機的成本。

混合式雲端方案

除了攝影機外，現場唯一需要的硬體就是一台小型網路裝置 Milestone Kite Gateway。採用 Intel 技術的閘道具備在邊緣執行即時分析所需的效能，並提供混合式解決方案。閘道可連線所有裝置，並隨需求變化輕鬆進行擴充。

Lindeberg 表示：「這款解決方案即混合式方案，讓您可以為邊緣裝置、裝置與雲端本身配備智慧與儲存能力。」「您可以提取邊緣的中繼資料，並將其轉移至雲端進行處理。」

客戶可以選擇將影片資料儲存在邊緣或雲端，取決於其偏好以及部署地點是否具備穩定的雲端連線能力與頻寬。Kite 也可以與 Milestone 的內部部署解決方案結合使用，公司可以以最低的工作量與成本讓其他地點也可以使用此功能。

Kite 與其他影片安全解決方案不同，Kite 有開放式的環境，代表可與 6,000 多台不同品牌的不同攝影機相容。攝影機可直接使用驅動程式以虛擬方式與雲端連線，或是透過邊緣閘道連線。使用者可透過網路或行動應用程式存取可自訂的儀表板，並在該儀表板上集中檢視影片摘要與錄製內容、管理設定並套用 AI 功能。

這款解決方案採用 Google Cloud，可存取世界各地的 Google 資料中心，以及可管控實體安全和資料安全性的安全架構。個人隱私也是 Kite 平台不可或缺的一部分。Lindeberg 表示：「我們十分注意處理個人資料的方式，包括終端客戶登入公司系統以及我們實際管理系統本身的影片資料等一切。」

Kite 可輕鬆實作，其系統可於半小時或更短時間內啟動並執行，也同時能為 Milestone 的全球系統整合商通路創造全心機會。SI 可受益於實作的速度與簡便性，且終端客戶可自行自由管理解決方案。

影片安全的未來

雲端連線能力、更強大的邊緣運算與 AI 等新興技術，正在提升安全影片的價值。公司能越快解讀影片安全摘要，其決策能力就越強。Lindeberg 表示：「您可以收集有關消費者行為的洞察、尋找將手動工作自動化的方法，並主動處理影片資料，才能在安全性相關情境下即時採取行動。」

VSaaS 模型正準備運用雲端 AI 的力量，並開啟全新使用案例的可能性。舉例來說，內建的「Forensic Search」功能可減少尋找涉及特定事件之影片錄製內容所需的工作量與時間。人工智慧生成的中繼資料讓使用者可以輕鬆尋找特定類型的物件，並可使用濾色器來縮小搜尋範圍。

Lindeberg 表示：「一直以來，AI 應用程式的建置仍非常少見且獨有，因為所有內容都必須從頭開始建構。」「但現在，AI 應用程式產業正邁向新紀元，可支援同時部署在伺服器邊緣與裝置邊緣。不僅可消除阻力，也同時為終端使用者帶來額外價值。同時，所需的運算平台也越來越經濟實惠，為 AI 影片創新創造完美的環境。」

 

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