中國多日之樂與 CUE 所達成的成果雖然令人印象深刻，但或許同樣令人印象深刻的是，所實作的系統是使用現有的店內攝影機技術就能達成。結合 CUE 所提供易於部署的電腦視覺平台後，該公司能夠享有電腦視覺技術的優勢，而不用投入大量資本基礎架構或廣大的 IT 開發工作。
對於麵包店及其他傳統業務類型而言，成熟的電腦視覺解決方案的崛起帶來扭轉局勢的效果。這些公司並無龐大的 IT 部門或眾多軟體開發人員可供他們遣用。但有了現代視覺平台與如 CUE 的技術合作夥伴，他們就不需要上述部門或人員。
Ying 將功勞歸功於 CUE 與 Intel 的技術合作夥伴關係，協助讓此類型可立即部署的解決方案成真：「Intel 已努力推升 AI 採用率。在我們的解決方案中，我們運用 Intel® Video AI Box、Intel® Media SDK 和 Intel® OpenVINO™ 工具組。這些健全、經過測試的技術讓沒有廣大技術資源的功能得以運用 AI 之力，並協助服務這些企業的解決方案提供者和系統整合商 (SI) 縮短上市時間。
電腦視覺與品牌的未來
隨著零售 SI 提供市場更多端對端、支援 AI 的解決方案，其他傳統零售企業將仿效多日之樂的成功訣竅：提升效率、降低成本、改善目標行銷，以及增強客戶體驗。
但儘管支援 AI 的解決方案提供誘人的營運效益，但其長期潛力甚至更大。例如，多日之樂已打算將智慧解決方案運用於策略首創計劃上，例如新店選址、麵包店平面配置規劃，以及新品研究與開發。
如 Ying 所述：「大多數公司都是從專注於技術可以在日常中為他們做到什麼中，來展開智慧零售之旅。但一但這些公司看到 AI 完整的潛力，智慧零售實際上將便成為推動該品牌邁入未來的驅動力。
Matt Tyler：長年以來，科技充斥各種垂直的封閉環境，顧客紛紛尋求整合環境的方式，希望能分享資料、提高資料的價值，並且產生更能據以行動的資料。Wachter OT 部門面臨的挑戰在於，過去不得其門而入的資料中心與資料集，如今我們必須取得存取權，如此一來，我們才能提供連線能力與感應器流量，以及整合四散各地的系統。
Tobias Enders：我認為這些趨勢與技術部署真正的關鍵，在於使用者至上的思維。當然，雖然利用 AI 或雲端能簡化並加速及擴大部署規模，但使用者及其部署技術想達到的目標，才是最終的關鍵所在。但我們確實認為，對於大型組織而言，AI 只是這股重要趨勢的起點而已。
請舉幾個真實世界的實例，為我們說明一下 SI 與集合商能夠如何發揮影響力。
Ben Kotvis：說到 AI，我就想到 Insight 有個製造外掛式馬達的客戶。這位客戶的壓鑄有一些瑕疵，AI 模型幫助他們偵測出了瑕疵。我們成功在邊緣利用 AI 拍下了壓鑄的熱影像，找出這些瑕疵。接著，如果後續發生問題，我們可以用視覺警示通知製造廠的操作員。這套視覺警示系統與客戶既有的操作系統緊密結合。我們能在製程及早確認問題，防止衍生大量額外工作。
Matt Tyler：Wachter 正與一家機器人公司合作開發包裝解決方案。這項方案引進配送中心之後，能夠將貨物從棧板拆開、撿貨、包裝、運送以及將所有庫存貨物重新裝回棧板。真的很棒，過程大量運用了 AI。然而 AI 無法負責系統內機器人的維護工作與健全狀態。因此，我們與該公司合作，在機器人生產單元部署視覺系統，負責監督現場情況，並且在機器人可能故障時，下令機器人停止服務。
Lisa McGarvey：TD SYNNEX 目前正與 Wachter 和 Matt 合作開發如何監測發電機。我們需要 SI；我們需要有人協助連結及監測數個機型與品牌的發電機，並且提供安裝與實作服務。我們集合商的工作，便是識別及整合不同廠商推出的解決方案。
Dr. André Aichert：AI 對整個醫療產業領域的影響不容小覷。打從第一張 X 光影像拍攝以來，Siemens Healthineers 這間公司就已經存在了；自此以後，我們就不斷致力於改善影像細節與數量。現階段，運用 AI 讓臨床醫師有機會處理現有的大量影像與資料，並且讓影像與資料充分發揮效益。目前開始使用 AI 解決方案的臨床醫師，正走在科技的尖端，並且享有科技所有的優勢。
我們正為了與 UMG 合作的 Cancer Scout 計畫分析大量不同的資料來源，而影像只是其中的一環，目標在於定義及偵測癌症的子類型。至於 Dr. Uhlig 所參與的放射學子計畫，旨在解答的問題則是：我們能否根據放射影像，認出某幾種癌症的子類型？如果答案是肯定的，那麼或許就不需要動用侵入性的切片檢查了。一般而言，我們正設法將工作流程最佳化，以及執行各式各樣的資料分析，避免不必要的侵入性手術。
Dr. Johannes Uhlig：臨床癌症影像這個領域，目前面臨幾項挑戰。其一，人口逐漸老化，相關的醫療保健需求隨之增加。此外，過去這數十年間，放射影像技術越來越普及，使用頻率也越來越高。尤其是癌症影像方面，病例數大幅攀升，我認為放射科醫師無法用傳統方式評估所有影像。
舉例來說，德國用 X 光乳房攝影篩檢乳癌。從 2018 年最近期的資料來看，有 280 萬名女性接受過乳房攝影檢查，其中 97% 的掃描影像並無異常發現。目前的配置是由兩名經驗豐富的放射科醫師，獨立評估每張乳房攝影影像。然而，文獻顯示，採用 AI 技術的乳房攝影評估方法，至少在診斷準確度方面，能夠與放射科醫師相提並論。那麼，我們可以用 AI 演算法取代第二位放射科醫師嗎？從倫理與經濟的角度來看，採用演算法是否甚至是當務之急？
而乳癌篩檢還只不過是冰山一角而已。我認為，過去十幾年來，AI 可謂是癌症研究的流行語。舉例而言，我們的研究小組持續專注於從 CT 和 MRI 影像擷取更多資訊，引導為疑似罹患腎臟癌或攝護腺癌的患者做臨床決策。我們與 Siemens Healthineers 合作 Cancer Scout 計畫時，利用 AI 演算法與 syngo.via 軟體，在肺癌患者的放射線 CT 影像與大規模隊列的病理分析之間建立關聯。希望放射影像有一天能因為 AI 演算法，在引導肺癌治療方面扮演更重要的角色。
尤其是相較於傳統方法，軟體如何輔助您的研究？
Dr. André Aichert：首先，我必須先說明一下在臨床環境研究時面臨的幾個實際問題。首先，我們會經手個資，由於歐洲有《GDPR》，美國則是《HIPAA》，因此必須非常謹慎。光是存取資料，然後達到 AI 演算法的基礎，這整個過程的規模就大得難以想像。
接著，成功的演算法多半受到監督，也就是說，演算法若要重製研究結果，就必須與臨床醫師合作，由他們提供註釋及解釋眼前的影像。因此，存取這項資料非常重要。然而，經年累月下來，臨床 IT 版圖越來越分散，不同的廠商與部門或場所各自為政，有時這些系統也無法溝通。從這些系統收集與協調資料其實勞心勞力，有時甚至非常痛苦。
舉例來說，你想在 GitHub 用最愛的免費程式跑資料。你必須確認究竟是否能使用那個軟體。然後，你必須確認，在該程式使用的資料經過匿名處理。匿名處理、匯出，然後將資料複製至你執行軟體的不同電腦。接著，你必須確保資料確實已經過匿名處理。然後你才能取得結果。不過，接下來你必須回去用原始系統整合結果，而且甚至可能是與其他 IT 系統的資訊整合。以我身為研究人員或 IT 實際使用者的身分來說，這是截然不同的過程。
Dr. Johannes Uhlig：syngo.via 軟體與我們部門的臨床工作流程緊密結合。舉例來說，我們用這套軟體進行所有心臟 CT 掃描和冠狀動脈識別的工作，也將它當成創傷患者的即時圖片瀏覽器與重建軟體使用。它在這所有情境的表現都很穩定。另外，Cancer Scout 計畫有好幾千位患者，而且勢必得順利運作，為此，四位研究人員不眠不休賣力工作了好幾個月。我們用它進行資料累積、註釋與監督。
Dr. Johannes Uhlig：我們建置的 AI 演算法一定要在臨床環境中接受評估與訓練。演算法必須處理不盡如意的掃描影像，還必須搭配不同的掃描機類型以及與不同的患者配合。然而，正如 André 所說，演算法還必須獲得放射科醫師與臨床醫師認可。呈現 AI 結果最好的方法是什麼？如何將結果視覺化？如何回報異常值？不過，基於互信，我相信 UMG 和 Siemens Healthineers 將合作找到克服這些難題的方法。
Dr. André Aichert：模型後續的必要步驟之一，絕對是瞭解其他場所，而可擴充能力則是這方面的關鍵。我們已經使用稱為 teamplay 的解決方案從 UMG 收集資料，從其他場所收集以相似方式產生的資料時也可以派上用場。這樣一來，我們能夠整合或支援與 UMG 截然不同的地點的不同 IT 基礎架構。
您最後可以幫我們總結一下嗎？
Dr. André Aichert：醫療領域令 AI 研究人員十分雀躍。問題五花八門，成像設備和影像也非常多樣化。為了最終能開發與部署應用程式，一定要能在支援這個迭代過程的各種醫療領域分享知識與資料及促進合作。
Dr. Johannes Uhlig：對我這樣的臨床醫師來說，我認為 AI 確實是未來。我推測，有鑑於案件數量龐大，未來 10 年絕對不可能不使用 AI 演算法作業。此外，我必須強調，AI 研究是團隊工作。UMG 這樣的學術機構和 Siemens Healthineers 這類製造商必須合作，才能帶動醫療保健發展，這點對處於緊要關頭的癌症影像領域來說格外重要。唯有持續不斷相互提供意見反應、調整與微調，我們才能打造出既準確又獲得醫療保健專業人士認可的 AI 工具。