Insight Tech

請回想一下，您上次在繁忙市中心參加音樂會這類大型活動的情景。您八成為了找停車位或通過閘門的層層安檢吃足苦頭。另外，販賣部或廁所的人龍也是場硬仗。排除這些惱人的情況，能夠大幅改善訪客體驗。活動主辦單位也能受惠。

正因如此，機場、市政府和娛樂場所才會壓寶投資 LiDAR（雷射探測與測距），一種特別適合提供空間智慧的脈衝雷射型技術。若是運用 LiDAR，不僅能提供人數和車輛數量的相關資訊，還能一窺人流與車流及其互動情況。也就是說，主辦單位能維持安全性，並且即時發現及緩解瓶頸。

3D LiDAR 的優勢

3D LiDAR 解決方案領導廠商 Outsight 總裁暨創辦人 Raul Bravo 表示：「安檢和人群控管對於大型基礎設施場所和活動是一大難題，但卻是 LiDAR 格外擅長的工作。

Bravo 表示：「雖然提及監測裝置時，多數人可能會想到閉路電視和 IP 攝影機，但這類裝置的二維功能在追蹤三維實體世界時發揮的效果有限。」「與傳統電腦視覺不同，LiDAR 無法判斷一個人穿的是紅色襯衫還是綠色襯衫，但它知道該人的速度或位置，同時以 3D 捕獲的形式提供數據。」

有鑑於 LiDAR 的功能，數位孿生已經利用這項技術取得實體世界相關資料一段時間了。Bravo 表示：「LiDAR 技術新興的應用方式不僅能繪製靜態的實體世界，還能將人車即時移動方式數位化。」

另外，LiDAR 這個解決方案本質上屬於匿名，這點也讓組織很安心。由於 LiDAR 不會擷取影像，而是單純只擷取物的距離，因此隱私保護原本就是設計的一環。不靠拍攝人的照片就能監測人群，並且維護隱私，是遵守大量政府法規的關鍵。

3D LiDAR 資料處理難題

雖然 LiDAR 優勢很多，但產生的資料卻處理不易。將 3D 空間智慧資料整合至傳統電腦視覺技術的成效不彰。Bravo 表示：「您反而必須為了解決這種問題，設計特定演算法與技術。」

此外，光是 LiDAR 產生的資料量也是一大難題。Bravo 表示：「我們在全球數一數二大的機場部署 LiDAR 時，同時動用了成千上百個 LiDAR 單位。」「每單位傳來的資料量，相當於一百個人串流 Netflix 的資料量。」

LiDAR 領域的設計、模型和製造商五花八門也是一大問題。Outsight 平台不僅能讓這些難題全部迎刃而解，還可與任何 LiDAR 製造商或模型搭配使用。這項解決方案可開發動態數位孿生，以每秒 20 次的超快短片傳送實體世界的相關資訊，即時提供深入解析。這些深入解析可傳送給合適的對象，以及採取警示的形式。

視覺空間智慧使用案例

Outsight 能協助解決的問題適用於智慧城市、交通中樞以及國際活動。如果機場行李託運區湧入太多人，那麼該解決方案會提醒安檢隊伍後續環節的工作人員，可能出現人流堵塞的情況，接著他們便可加派人手因應。

舉例來說，華盛頓州貝爾維市採用 Outsight 的 LiDAR 解決方案，在十字路口偵測車輛太靠近自行車或行人的虛驚情況。LiDAR 尤其有完善的設備，能在夜間擷取這類事件。這些資訊協助該市採取更主動的措施，例如更清晰的車道標線，實現在 2030 年前消弭交通致命事故與重傷的目標。Outsight LiDAR 還能協助智慧城市即時因應交通流量問題。舉例來說，如果車輛併道時開錯車道，可能會有閃光燈亮起，提醒駕駛人改正錯誤。

大規模管理實體人流和車流時，您必須確保訪客體驗順暢，運作成效卓越。票務隊伍長度以及排隊時間這類關鍵效能指標極為重要。

Outsight 的 LiDAR 解決方案在 2024 年巴黎奧運會，協助解決了安檢與人群管理的問題。Tomorrowland 則是 Outsight 大顯身手的另一個案例，這場比利時一年一度的音樂節，規模在全球數一數二，每年吸引成千上萬樂迷前來共襄盛舉。

空間智慧的技術基礎架構

空間智慧即將把實體世界數位化，並且從數位化資料創造深入解析。高效處理大量資料的處理能力，是實現這項目標的必要條件。Outsight 仰賴 Intel 產品與技術大規模部署解決方案。

Bravo 表示：「實現能源效率需要有採用 CPU 型而非 GPU 型解決方案的特定高效軟體演算法。」Intel CPU 正好能實現這種解決方案。

展望未來，Bravo 對於實體世界數位化在智慧城市、機場與場館之外的諸多可能性感到雀躍。Bravo 表示：「過去甚至無法想像的豐富獨特深入解析與智慧可能變得唾手可得。」「我們正邁向數位轉型的新世界。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

我們都很熟悉雷達的概念。但是否記得這個字其實是「無線電偵測和定距」的縮寫，如今已擺說原先大寫的模樣，成為通用名詞和概念？（以及電視節目 M*A*S*H 中的熱門角色）那麼，何謂相關但更注重技術性的「LiDAR」？這個代表「光偵測和測距」，但其實不是新技術，但最近越來越受到矚目，特別是在自動駕駛汽車和地面測繪領域，儘管其用途遠遠超出自駕車和考古學。

最近，我們訪問了 AI 驅動的 3D LiDAR 解決方案供應商 Quanergy Solutions 的 市場開發和結盟副總裁 Gerald Becker。他見證了技術在汽車以外，以及各行各業和企業之中發展。他談到 LiDAR 如何提升營運效率和工作流程、2D 轉為 3D 的優點，以及說服人們採用新技術的挑戰（影片 1）。也許很快有一，LiDAR 將會融入我們的生活之中，然後我們就會在字典中看到「LiDAR」。

影片 1. Quanergy 市場開發與聯盟副總裁 Gerald Becker 在「insight.tech 講座」上談及 3D LiDAR 的崛起與進展。（資料來源：insight.tech）

LiDAR 如何超越自動駕駛汽車？

LiDAR 已經存在數十年，但直到過去 10 年左右，我們才真正看到其能耐。人人皆知 LiDAR 被用在汽車（那曾是終極目標）以及機器人與地面測繪，但仍有許多可應用之處。

在 Quanergy，我們已經轉向並瞄準了一個不一樣的市場，與實體安全、整合管理平台、影片管理、軟體解決方案、攝影機、商務智慧和實體存取控制系統的參與者保持一致。他們將我們的感應器整合至平台，提供各種事件發生到採取行動的工作流程。這讓終端使用者能夠探索如何以不同方式解決老問題，以及獲得前所未有的準確度以及解決新問題的新局面。

我負責 Quanergy 的實體安全、智慧空間和智慧城市領域，且在這三個市場中 3D LiDAR 的應用非常廣泛，因為過去一直侷限於使用攝影機或其他 1D 或 2D 技術物聯網感應器。3D 技術的出現，以及我們在過去幾年開發的整合生態系統，提供超越兩個維度的靈活性，以及超越這個空見感測的常見習慣。

這種全新的維度深度如何使企業得益？

舉例來說，在安全性方面，我們主要使用雷達、攝影機以及影片分析進行一些非常非常重要的事，我們的 3D 感應器現在可以提供以釐米級 360 度的深度和體積。相較於所有舊式技術，這增加了總體擁有成本優勢，並減少報錯次數。

在舊式技術中，只要出現移動或分析追蹤潛在的違規行為，都會自動觸發事件。當出現成千上萬的警報，卻因為分析師無法辨認出這不過是一個路過報錯，那這就會是一個大問題。我們的感應器能在 3D 空間提供 98% 的偵測、追蹤和分類準確度。

從商務智慧方面來看，我們能夠提供空間內更高程度、更深入的理解。零售業就是其一。我們可以瞭解消費者的歷程，採取的路徑、接觸的產品，以及排隊等候的時間長短。

無須將攝影機四處固定後串聯，而是安裝一個提供 360° 的 LiDAR 感應器，提供完整 360° 全景，並了解人們如何在這些空間中互動。我們能夠提供許多很棒的成果，這是從未在 2D-感測技術上獲得的。

LiDAR 在應用方面面臨了哪些挑戰？

我認為在使用 LiDAR 方面，如果新技術超出熟悉的範圍，有些人可能會有點緊張。當我在對 LiDAR 影像進行解釋時，總會回顧我最愛的電影《駭客任務》。還記得尼歐在史密斯探員穿過大廳時，看到許多的 1 和 0 從天而降嗎？這就是我們所看到的。我們不會向看到攝影機那樣，可以看出我穿著藍色馬球衫。對我們而言，一切看起來就像在 360° 全景中具深度和體積的 3D 輪廓。

這也是得花成本的。你必須從高層級來檢視。我總是使用我年輕時從資深銷售人員那聽說的這個類比—一整個「冰山理論」。在比較不同解決方案的成本時，您不能只看冰山一角。攝影機可能只要幾百美元，但 LiDAR 可能得花幾千美元，還有軟體等等。

但潛在成本會低於冰山，對不對？在某側安裝七到八個攝影機對比安裝一臺設備？看看付出的勞力；看看部署這些攝影機所需的導管、電纜、許可證和維護成本。因此，當你瞭解舊式技術對比該領域的新技術在安裝方面的複雜度，LiDAR 就會顯得真正符合成本效益。

公司如何利用現有的 3D LiDAR 基礎架構？

任何解決方案的分層方法可能是最佳途徑。世界上沒有一種單一技術可以解決所有使用案例。有人想這樣對你推銷？請轉身快跑，因為這不可能。但當你將多種單項優勢軟體系統整合部屬，就能取得最佳成果。

我們具備龐大且整合的技術合作夥伴生態系統。舉例來說，我們與 2D 成像技術合作：如 Bosch、Axis 、Hanwha 等攝影機公司。如果您需要識別什麼，那麼一個身穿藍色馬球衫的壞人可能會突破重圍！攝影機可以幫助我們察覺。但是，當你需要的是實際偵測、追蹤和分類時， LiDAR 會提供光是使用攝影機無法獲得的全新結果。

假設你使用的是嵌入式攝影機上傳統平移、俯仰、對焦的自動追蹤。傳統 2D 技術與自動追蹤的問題在於，當藍色馬球衫先生在東西後方或進入另一個區域時，攝影機並不知道會發生什麼事。

但如果你在整個空間、上下廊道、停車場等有足夠的雷射散佈，就能準確偵測到物體或人員。透過我們的解決方案，我們可以讓攝影機知道：「嘿，攝影機，注意這堵牆。我們知道這人躲在牆後。」當這個人從牆後現身，我們還可以讓攝影機知道要追蹤藍色馬球衫先生。

解決方案的另一項優點是，我們提供網狀架構。如果空間中有足夠的 LiDAR ，只要雷射重疊，就會打造出這種大型數位孿生。這能為你提供其他技術從未有過靈活性。你可以真正地放大並旋轉上下通道、上下廊道、牆壁的另一側、周圍的樹、周遭所有的東西。

能講講一些客戶用例嗎？

有一間全球資料中心公司向我們提出了一個非常具體的問題。在他們其中一個站點的 33 週測試中發生了 178,000 次警報。現在，當我告訴你這些警報中只有兩個是真的時候，這顯然就是大海撈針。想想看，在安全措施中確認警報的作業：點擊一下。複核。不是嗎？刪除。試著這麼做 178,000 次，找出那名因某事被開除且不應該出現在公司的不滿員工，利用 USB 裝置插入網路，並摧毀一家價值十億美元的組織。

這間公司的人明知有問題，並測試了一切可能之事，包括AI、雷達、事實核查技術、地下電纜。他們最終採用了我們的解決方案，並利用他們最好的網站和我們的網站進行了一場激烈的較量。他們最好的網站發出了 22,000 個警報；我們的網站卻只發出五個真實警報。這讓他們省下了 3,600 個無意義調查工作的小時。

這是另一個有趣的案例。佛羅里達州有許多開合橋。它們又升又降，如果人或汽車在轉換過程中意外落水，就會面臨責任問題。我們利用位於橋樑兩側的 LiDAR 解決方案進行了一些初步測試，得以基本追蹤物體（人或車輛）是否進入場景之中。如果有任何事發生，就可以阻止橋樑上升，或者通知便停中的橋樑管理員：「不要升起橋梁」。他們利用了 LiDAR 的 POC，取得非常大的成功，現已部署在佛羅里達州的好幾座橋梁上。

再多說說有關您合作夥伴的生態系統。

不同於多數主要專注於 GPU 處理且需要處理大量資料的 LiDAR ，我們略有不同。我們的感應器專為流量管理和安全應用建造，無需要收集及推送大量資料。因此，我們採用 CPU 式架構，這意味著更符合成本效益。還具有高擴充性，且因為與 Intel 保持一致更是如此。

我們與 Intel 的夥伴關係亦代表著我們每天都能發現全新的使用案例。目前我們正在探索實體和倉庫自動化，我們可以提供超越傳統空間類型查看方式的 3D 感應。隨著我們持續擴充和成長，與 Intel 的夥伴關係對我們來說非常有價值。

您如何預測這個領域的前景？

AI 的出現，以及大型學習模型的發展情況。有許多的事同時在發生，利用電腦視覺和進一步瞭解場景中正在切割的內容，以瞭解更多通用性，從而產生不同結果，講述不同的故事，最後取得最終結果。是好人還是壞人？這是否為一個良好的工作流程？

因此，隨着 LiDAR 與 AI　技術結合，我們可以實現更多尚未做到的成果。我們還處在非常早期的階段，但這領域確實存在大量的機會。

我們已經過了 LiDAR 的初期（即「嘗試階段」，而且現在有很多人都在談論它是如何提升工作流程並提供額外價值。所以我想，現在遠比任何時候都更應該採取行動、開始測試，開始提出問題：LiDAR 能為我做什麼我以前沒能力做到的事？看看你現有的用例，自問：如果我具備深度、體積、且以釐米級的準確度，那如何改善我的日常工作流程、工作，並為公司整體提供更多價值？

相關內容

如果要瞭解更多有關 3D LiDAR，請觀看「透過 3D LiDAR 應用程式查看更大願景」。若要瞭解 Quanergy 最新的創新技術，請用 @quanergy 在 X/Twitter 和LinkedIn 上追蹤他們。

 

這份文字記錄由文案編輯 Erin Noble所編輯。

駕車時十分仰賴視野是否清晰。

無論周圍環境是刺眼、昏暗或下雨，行經其他車輛、行人或障礙時絕不容失誤。幸虧科技持續進步，先進駕駛輔助系統 (ADAS) 採用視覺解決方案，協助人類駕駛偵測這些物體。

車輛配備的 ADAS 視覺系統，附有一組攝影機會即時串流車輛內外的影像。再由電腦擷取串流的影像，分成影格交給視覺處理器分析。

車載視覺系統的挑戰

雖然在 ADAS、自動駕駛、電動車來說，視覺系統的功用很重要，但業界沒有一致的標準可以評量視覺系統。再者，傳統的視覺系統無法確切判斷周遭環境。考量到車輛亟需有效的視覺，實驗室必須徹底測試車用攝影機，且經過生產線產品測試，才能安裝至 ADAS 解決方案。「影像擷取卡就負責這類測試」影像處理系統供應商、眼雲智家科技有限公司的執行長暨創辦人袁坡說。

車輛移動時，電腦會從視訊擷取靜止的影像，然後傳輸給視覺處理器。影像擷取卡在研發環境，及攝影機的生產前測試會執行相同的功能。「攝影機是獨立生產的模組，最後才會組裝至車輛。但在此之前，攝影機一定要經過校準、測試和品管。」袁表示。

影像擷取卡使用案例

在實驗室環境中，影像擷取卡會協助測試攝影機在昏暗或其他極端環境時，提供的影像是否清晰，藉此評估攝影機的功能。

至於生產階段，製造商會校準攝影機，確保裝置能對焦和提供不失真的影像。這時，影像擷取卡同樣派上用場。「製造商連結攝影機與我們的影像擷取卡後，即可邊檢查影像，邊調整攝影機。」袁說。

此外，工廠透過預燒測試瞭解攝影機在長時間連續串流時的效能，也是影像擷取卡的使用案例。攝影機單次最長運轉 144 小時，同時影像擷取卡會確保攝影機確實攝錄影像，不遺漏畫面。「攝影機只要遺漏畫面即淘汰。」袁說。

另外，影像擷取卡可協助收集實際的資料，用於開發演算法。這時攝影機會安裝在車上，供影像擷取卡同步擷取號誌、行人和自行車等資料。「交通號誌偵測和行人偵測演算法需要大量資料。在 AI 領域，資料是關鍵，所以我們的影像擷取卡協助收集資料。」袁說。

影像擷取卡實際的需求

雖然影像擷取卡在車用攝影機的生產階段充分發揮效用，但仍有部分難題要解決。

首先，影像擷取卡要容易攜帶，才方便收集資料和測試。接著，影像擷取卡要能與多部攝影機同步，模擬實際的行車環境。ADAS 解決方案大多搭載多部攝影機，拍攝車輛內外。

影像擷取卡也得跟上車用攝影機技術，與之並進。「隨著攝影機的解析度、影格速率、景深提升，影像擷取卡也要配合提升頻寬。」袁說。

眼雲科技的 ECFG 系列提供模組化電路，可同時支援 4 至 16 個視訊頻道，滿足前述的需求。不僅如此，ECFG 系列可處理日後更高的資料頻寬需求。「我們深知公司在科技業的發展方向，並訂立方針滿足日新月異的需求。」袁說。

車用攝影機日後的發展

未來展望有一部分牽涉到其他類型的攝影機，包括在極端情況下也能偵測物體的紅外線攝影機。短波紅外線 (SWIR) 也是競爭產品。由此可見多光譜視覺系統占有一席之地的理由，這也是眼雲科技的 ECFG 系列可以提供的技術。

同時，眼雲科技目前致力設計邊緣 AI 支援且更智慧的影像擷取卡。「Intel 處理器的系統單晶片格式，在單一晶片整合影像處理、神經運算引擎與 CPU，成功加速邊緣 AI 應用程式。」袁說。AI 支援的影像擷取卡適用於機器人、監控，及各種使用案例。智慧影像擷取卡只挑選有關的影像資訊，不再傳送串流視訊所有的影像至視覺處理器。例如視覺處理器只要處理出現移動的行人、動物 (或許更有意義) 的影像，不必一再處理千篇一律的柏油路影像。

「以上是本公司的藍圖，我們會設計更智慧的影像擷取卡，透過 Intel 邊緣 AI 技術收集較為相關的資料」袁說，「我們可以透過 Intel 技術，將影像擷取卡設計得更靈活聰明，所以我們很期待日後的市占率成長」。

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

全球各地的城市都在努力因應人口快速成長所帶來的挑戰。人口激增導致社會與經濟失衡、資源耗竭，以及公共服務的壓力。醫療保健效率低落、公共安全成效不彰、能源和水管理不足，以及公共運輸系統管理不佳，讓市民的負擔愈來愈重。

過時且脫節的技術使這些問題加劇，讓城市管理者難以維持有效運作並回應市民的需求。倘若沒有關於災害、環境條件和基礎設施狀況的準確資訊，處理緊急情況和規劃未來就成了一項艱鉅的任務。

創新技術為這些挑戰提供了解決方案。透過全方位的 AI 與物聯網平台管理服務，城市管理者可以即時回應問題、改善協調與效率、遠端監控及維護基礎設施，並取得寶貴的深入解析，以支援更優異的決策。這種方法不僅能增強公共安全與資源管理，還能促進更平衡且永續發展的城市環境。

利用智慧城市 AI 簡化營運

現今城市面臨的許多問題都是因為缺乏相互串連的城市系統，以及缺少數位技術。市府部門通常各自為政，沒有集中化的資料驅動模型來支援規劃、決策和高效的營運。「孤島資料使管理複雜的問題及應變緊急情況變得困難，」智慧城市平台與應用程式供應商 Trinity Mobility 的業務管理主管 Vivek Sharma Panathula 表示。無論是管理緊急應變，還是確保服務到得了所需之處，且資源得到有效部署，協作都不可或缺。

Trinity 的智慧城市解決方案透過搭載物聯網與 AI 技術支援的整合式城市數位平台，以及奠定智慧城市基礎的預先整合應用程式，來應對這些挑戰。這種智慧是通過三個層次建構：平台、應用程式套件以及各種使用者角色，所有這些都將城市營運整合至推動數位轉型的凝聚力系統。

智慧城市數位平台可順暢地連線至任何感應器、裝置或應用系統，以收集、處理、儲存及分析資料，協助偵測異常情況並實現主動回應。預先整合的應用程式套件，例如城市營運中心、行動員工管理系統、公民參與系統、開放資料入口網站，以及適用於各部門的智慧城市解決方案，提供隨時可用的支援，以啟動並加速智慧城市的歷程。

利用 AI 與物聯網大規模打造智慧城市

隨著城市透過將基礎設施連結至物聯網平台來擴展基礎設施，可以更高效、更有成效地管理服務。一個典型的例子是埃及開羅附近的新城市發展行政首都（ACUD），Trinity 與主系統整合商 Honeywell 合作，為首都推出智慧城市軟體套件，為超過 600 萬人管理各種服務。

「ACUD 選擇了 Honeywell 開發整合式指揮與控制中心（CCC），以協調現場級的感應器與部門資料，」Panathula 解釋道。這座城市的目標是透過這個大型專案，簡化營運、增強綠能永續，並改善市民服務。

城市管理者利用 Trinity 的平台將緊急應變最佳化、監測電力和水等基礎服務，並確保高效的資源管理。這個平台也讓部門追蹤車隊並監控駕駛者的行為，同時為市民提供可直接與城市服務互動的工具。只要透過行動應用程式，居民就可以回報問題、設定服務，並支付罰款，促進更具參與度與回應力的市府。

藉由分析這些互動和市民意見回饋的資料，城市可以持續改善營運與政策，確保智慧城市依照居民的需求與期望發展。

為了管理大量感應器資料，市政物聯網系統必須快速且高效。Trinity 平台使用高效能 Intel^® Xeon^® 處理器以近乎即時的方式分析感應器資料，並提供快速回應。Intel^® OpenVINO^™ 工具組可簡化 AI 與物聯網應用程式的開發，而 Intel^® Software Guard Extensions（Intel^® SGX）則在幕後工作，確保市民的個資私密安全。

數位孿生與未來創新

隨著城市採用更多連線服務，物聯網技術也迅速發展。舉例來說，Trinity 正在開發一個數位孿生平台，藉此增強沙烏地阿拉伯利雅德的 Misk City 專案。這個平台可讓設計師、工程師和施工團隊（無論是現場還是遠端）利用開發的功能性 3D 模型進行即時協作。數位孿生一旦完成，將會透過將緊急應變最佳化、引導急救人員前往關鍵地點，以及在發生事故時確保工人的安全，來繼續提供價值。Panathula 表示，隨著物聯網解決方案在全球各地的普及，這僅是眾多受到關注的應用之一。下一個智慧城市可能是您的所在地嗎？

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

嵌入式系統產業的真諦在於找到平衡：邊緣相較於雲端；軟體相較於晶片；高效能相較於速度；耗電量相較於效率。別忘了還有成本！目前有許多選項可用於全面強化各行各業不同的應用方案，尤其是邊緣和 AI 技術日益普及，選項更是琳瑯滿目。

我們就嵌入式系統請教了 Avnet 與 Tria Technologies（前身為 Avnet Embedded）全球行銷總監 Alex Wood。他談及仰賴嵌入式系統的各行各業、AI 對整個產業的重要性，以及在處理器功率與成果之間尋求恰到好處的平衡（影片 1）。儘管公司有能力擁有最新且最快的處理器，但是有其必要性嗎？雖然公司部署了最新的處理器，打造出新穎的技術或應用程式，但客戶買單嗎？

影片 1. Tria Technologies 的 Alex Wood 探討了真實世界邊緣 AI 應用案例，以及大眾對這類應用的需求。（資料來源：insight.tech）

目前嵌入式系統領域的技術有哪些趨勢？

我認為我們正處於產業的轉折點。AI 問世以來，雲端成了儲存重鎮，但主張以邊緣為儲存位置的人紛紛反對。雲端與邊緣各有各的難題和潛在的阻礙。客戶跟我們說：「我們想採用這項技術，但對於採用方式不太有把握。」

推對邊緣人工智慧的難題有哪些？

我認為電力是關鍵所在，左右了 AI 的成敗。AI 消耗大量資料，而且對於電力需求極大。如今相形之下，比特幣顯得節能多了。很多企業對於這類應用案例在邊緣消耗多少電源渾然不知。他們將需求外包給了資料中心，因此未親眼見證這些難題。

因此我認為，降低執行這些應用案例的功率需求將是一大難題。功率需求將決定 AI 是否能持續成為當紅炸子雞，同時也取決於 AI 的定義及其運作方式。這類應用案例取用及吸收大型資料模型並即時處理，需要更節能且散熱效率更高的處理方式。

您的客戶目前正在開發什麼樣的應用案例？

我們目前與客戶合力推動很多不同的工作。例如新的農業應用案例，像是將永久危險化學物質灑在土壤，或者單純提高農業效率這類工作，都能使用人工智慧代勞。

您可以訓練 AI 機器人辨識田野間的雜草，以及分辨雜草和害蟲以及作物與非有害動物。否則，人類必須親自下田野拍攝不同植物的相片，然後指導在田野工作的人。您可以打造 AI 應用程式代替您檢查作物。

您希望能夠將邊緣機器人的程式設計為能夠執行邊緣型 AI 辨識，但您未必希望將所有相關內容都儲存於資料中心。在那種情況下，您也未必有可靠的行動網路數據連線。視覺技術就處理需求而言進展神速，即時視覺 AI 能儘快辨識眼前的東西，然後迅速就辨識結果採取行動，過程中無需將訊號傳回資料中心處理。

另一方面，自動割草機這類工具則可讓居家人士規劃草坪周圍的最佳路徑。即時視覺技術是符合未來需求的利他解決方案，自動割草機則是偏實用的真實生活解決方案。然而，真實世界的實際難題，才能真正彰顯出這項技術的實力。

就高效能處理器而言，使用者應該考慮哪些面向？

我們有很多客戶為不同市場打造了不同層級的產品。大規模農業的客戶，例如田野面積廣大的美國，他們希望能速戰速決，因此會準備能覆蓋廣大農地的頂級解決方案。此外，他們也有能力和資金可投資這類方案。市面上還有速度稍慢、價格稍便宜的中階應用方案，以及更低階的選項。

在我看來，實際應用方案是產業進步的推手。我腦中總是浮現這個在網路廣傳的畫面：田野外圍環繞著一條人工小徑。然後還有條眾人足跡踩踏出來的小徑斜切穿過田野。這個畫面體現了設計與使用者體驗之間的差異。

近期的 AI/物聯網領域便是最佳寫照，一方面，大家興致勃勃地探討各種可能性，但是到頭來，設計成功與否取決於使用者是否覺得設計實用。我最近將老舊的冰箱升級為半物聯網的機型，冰箱會告訴我冰箱門沒關，或是溫度過高或過低。我不需要冰箱配備提供天氣相關資訊的螢幕，因為我的廚房另外有一台顯示器提供天氣資訊，我也不需要冰箱內建攝影機。但我很需要冰箱提醒我門沒關。這類真實世界應用案例已經廣泛流行。

處理器-RAM 組合有多重要？

這個組合與我之前提到的電源效率息息相關。如果我要打造遊戲電腦，我希望幀率越高越好，才能以更快的速度彩現影片。但是上回我升級顯示卡時，必須搭載比先前那個 PSU 大一倍的供應器。我為了跑合適的電腦裝備，供應了一千瓦的電力，過去則是 300 瓦就足足有餘了。儘管不乏創新技術、眾人歡欣鼓舞，還有無限的可能性，但實際上，新技術必須消耗大量電力才能締造心目中的效能。有捨才有得。

以電動車為例：車子加裝大量配備之後越來越重，以致於續航哩程隨之下降。如果想要續航哩程長的車款，就必須提升空氣動力，意味著，為了減輕重量，必須拿掉電動椅這類裝備。因此必須找出這類應用案例恰到好處的狀態，也就是所謂的甜蜜點。

客戶多半不講究是否配備更強大的處理器或最強大的處理器，而是追求在耗電量、使用壽命以及特定應用案例功能之間取得平衡。當然，其他客戶的確會考慮行銷因素：雖然可能不需要，但是卻想購買最頂級系列的旗艦處理器。不過，他們偶爾可能因為應用案例，確實有這方面的需求。我寧可與客戶詳談，跟對方說：「請告訴我您到底想打造什麼。」我不會跟客戶說：「您需要最頂級的產品。您必須立即選購 i9。」

Avnet/Tria Technologies 如何滿足使用者的各種需求？

我認為我們的產品範圍恰到好處，涵蓋小巧的低功耗運算應用方案，以及搭載伺服器級 Intel 處理器的 COM-HPC。這些產品是專為邊緣型影像處理和 AI 應用方案設計，但體積也更大。因此，您必須在尺寸、耗電量與功能之間取得平衡。

COM-HPC 模組跟主機板尺寸一樣，是體積偏大的模組，因此必須放進專用機箱。這種模組無法直接嵌入產品，除非是大型產品。大眾運輸是我們目前致力研究的重要產品。針對這類應用，必須有現場伺服器，才能從火車或火車站的大量感應器擷取資料、分析所有資料，以及即時回應所有資料。此外，資料網路的可靠性有時靠不住。

您可以聊聊 Avent/Tria 與 Intel 的合作關係嗎。

協作機器人是我們與客戶之一 Intel 合作的其中一個例子：在協作機器人環境建置即時影像感應器，讓機器人跟人類在同一個空間安全作業。如果人類進入機器人的空間，機械手臂就會停止移動；如果人類拿起物品，機器人就會知道那個物品的所在位置，然後可以再從人類手上將物品拿走。

我們今年在紐倫堡的 Embedded World 展示了一項初期範例。影像處理的建置基礎結合 Intel 技術的 SMARC 模組，以及 Intel 技術的 COM-HPC 模組。這兩個模組互相通訊，分析攝影機傳出的訊號，然後也與機器人即時通訊。

我們為客戶採用哪種處理器，取決於安裝處理器的模組大小和形狀。我們在伺服器端通常提供 Intel Atom^®，以及 Intel^® Core^™ 系列與 Intel^® Xeon^® 系列。親眼目睹產品團隊工作將元件整合至這麼小的產品，過程實在令人讚嘆。我在主機板和主機板製程有多年經驗，在我看來，在如此小巧的體積實現這種運算應用案例，並且兼顧散熱管理，宛如鬼斧神工。

在預計要使用產品的環境開發應用案例雖然是一大挑戰，但卻也樂趣十足。我們能夠在用於邊緣的小巧產品中，部署 Intel 處理器及其功能，以及我們研發中的全新 AI 型流程，是頗為令人興奮的體驗。

最新的 AI 技術如何協助推進嵌入式系統產業？

我最近參加了一場 Intel AI 活動，其中側重於 AI 如何加速邊緣應用的應用程式非常吸引人。舉例來說，有自動辨識顧客手中產品的超市結帳應用程式，以及超市隊伍管理自動化。

在活動中，Dell 上台展示了即將上市的筆記型電腦，因為內建 AI 應用程式，所以屬於 AI 裝置而非運算裝置，是真正側重於協作式 AI 應用環境的筆記型電腦。Intel 展示的影片中，該案例研究以影像處理平台為基礎，在非洲尋覓有奧運潛力的運動員。這個案例實在很棒，激發了我的想像力。

我認為 AI 和邊緣運算目前都處於轉折點，能夠將 AI 應用程式從雲端移至裝置。此時此刻能投身於將 AI 整合至小外型規格運算的研究，實在是令人興奮又期待。

相關內容

若要進一步瞭解最新的邊緣 AI 創新技術，請見證 Intel 全球合作夥伴在各自產業的表現，並且收聽我們的網路廣播節目《揭開宣傳炒作的面紗：真實世界邊緣 AI 應用案例》。若要掌握 Tria Technologies 最新的創新技術，請追蹤他們的 LinkedIn 帳號。

 

本文由 Erin Noble 編審。

在這個以資料為核心的世界，對於各種規模的企業來說，確保資料適時送達正確的接收者都是關鍵。為了實現最佳的網路效能和業務表現，企業需要觀察、辨識與監控每筆穿越基礎架構流量的狀況。

「資料可觀測性就是在確保資料系統的狀況、可靠性和品質，包括你的資料管道、資料庫和資料湖。這涉及到監測資料的品質、來源、效能和使用情況，主動辨識和解決問題，讓企業依賴的資料準確又可靠。」全球金融科技、網路安全與政府基礎架構解決方案供應商 Telesoft Technologies Ltd. 技術長 Matt Dangerfield 表示。

資料可觀測性在高速金融交易的領域尤為重要，資料以每秒數 TB 的速度不斷流經技術堆疊。一個資料封包遺失，數百萬美元的交易即有可能面臨風險。

「我們提供給金融機構完整的資料可觀測性，改善終端客戶體驗、辨識網路問題，還有確保符合法規跟管理要求。我們的解決方案可以完美整合現有的基礎架構，提供全方位又協調一致的解決方案。」Telesoft 產品管理總監 Jenna Smith 表示。

解決金融科技可觀測性挑戰

確保資料能跟上業務快速發展是金融科技業最重大的挑戰之一。

Dangerfield 解釋道：「很多對衝基金跟高頻率演算都要靠幾奈秒之內做出決策。市場參與者產生的大量資料只會讓挑戰更難。一天裡面都有好幾 PB 的資料在傳輸，重點不只是要快速處理這些資料，還要透過對的技術擷取能用來採取行動的深入解析。」

Telesoft 提供了全方位資料可觀測性套件這樣的「合適技術」。

為了收集網路指標，Telesoft 部署了流量探測器，擷取、分析並標記每個線上封包的時間戳記，擷取流量資料的網路遙測資訊，包括傳送者、接收者、資料量以及丟包或延遲等潛在問題。這項技術可以監控，並於偵測到突發網路流量暴增，可能會使路由器超過負荷，造成瓶頸的微秒脈衝發出警示。對於分發市場資料的金融科技實體，探測器能監控關鍵資料封包的序列，辨識顯示丟失的封包間隙。Smith 表示：「每位客戶都一定要收到每個封包，丟一個就可能會錯過關鍵的交易。」

Telesoft 提供了下行封包擷取裝置，能以全面而非抽樣的方式紀錄網路流量，協助客戶符合法規要求，並提供價格資料傳輸公平性的證據。每個資料封包都會標有時間戳記，確定來源並提供發送證據。這些紀錄對解決爭至至關重要。舉例來說，如果有兩位客戶中斷連線，帶時間戳記的資料就能協助金融機構確定問題是出在經紀人、交易所還是客戶身上。自動化資料擷取深受這類機構的重視，以作為證據和報告，大大減少分析師在調查過程中花費的時間。

為了提供全面的觀測，Telesoft 提供了資料湖，儲存部署於網路的探測器擷取的資料、提取其他網路遙測（如核心基礎架構的紀錄檔案），並為資料提供額外內容。擁有這樣的資料湖，即可實現最高級的功能，也就是 AI 和機器學習作為可觀測性平台的關鍵要素，進行自動分析、預測，並於潛在的網路問題出現前發出警示。

Telesoft 平台在最新的 Intel CPU 上執行，並利用 Intel FPGA 技術的威力帶來極速、密集的解決方案。公司由內部設計並製造 PCIe 介面卡，全面掌控支援產品的核心技術。

Telesoft 也將永續運算視為關鍵優先考量。Dangerfield 談到：「我們透過工程技術，幫客戶把五個機架的金融技術壓縮到一個裡面，降低資料中心的營運成本跟耗電量。」Intel 技術使這項目標成為可能。

資料可觀測性的使用案例：容量規劃與客戶體驗

容量規劃是金融機構的重要任務，確保網路基礎架構能處理當前和未來的交易量，並維持最佳效能，同時將停機時間降至最低。機構必須有信心能應對市場活動期間的交易激增。

Smith 解釋：「我們的解決方案能夠監控跟基準化每條網路連結的頻寬使用率。機器學習和 AI 技術會隨著時間變化追蹤這些使用率，還能夠預測未來的傳輸量需求，在事件發生前警告網路管理員。如果有連結被流量淹沒，流量裡面增加的微秒脈衝可能會讓網路基礎架構過載、緩衝溢位，最後變成丟包。丟包就可能會讓客戶錯過交易的機會。」

協助金融機構預測、調查並修復潛在網路問題能提升客戶滿意度與留存率、吸引新客戶，並在競爭激烈的市場中推動業務成長。

AI 在金融服務業的未來

除了提升資料可觀測性，Dangerfield 也熱衷於 AI 與機器學習為金融市場中所帶來的「知識原力」。傳統上來說，對衝和市場期貨的決策通常依賴基於經驗、分析的預測，例如熱浪和供應鏈中斷等因素會如何影響價格。AI 與 ML 則帶來了智慧，能辨識資料中的模式，進而提供更準確的預測。

無論 AI 未來在金融服務領域會如何發展，基礎都將是資料可觀測性。Smith 表示：「確保穩健的可觀測性能讓技術基礎架構順暢運作，滿足高風險金融市場的要求。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。