餐廳中的 AI：QSR 缺少的要素

Posted on by Micah Kaplan

現今的速食餐廳（QSR）在高壓的環境下營運。為了縮短顧客等候的時間，並且供應熱騰騰的漢堡和酥脆的薯條，員工莫不手忙腳亂，並且在心中祈禱設備不出任何差錯。他們在長期人手不足的情況下，必須管理一連串新的線上訂單，還要招呼餐廳和得來速的顧客。

那麼，這些餐廳何不直接僱用更多員工？除了食物、必需品與人力成本上升，QSR 還面臨了種種難題，因此排除了僱用額外人手的任何選項。

「餐廳負擔不起增聘一名值班經理的費用，也無力再多僱用六名員工處理訂單大量湧入。他們必須學習更有效運用現有員工的新方式。」Vistry 這家開發零售業 AI 與自動化解決方案的公司創辦人兼 CEO Atif Kureishy 表示。

這正是 Vistry 開發餐廳自動化平台 Discrn 的主因之一。餐廳利用邊緣 AI 與電腦視覺技術分析營運之後，能夠以經濟實惠的方式獲得即時的深入解析，讓他們事半功倍、提高效率，並且改善服務與食物品質。

餐廳廚房中的 AI

QSR 必須取得巧妙的平衡，事先準備滿足顧客需求的充裕食物，而且不能讓食物冷掉或泡軟。然而，員工往往分身乏術，無法監控預製的漢堡或薯條。他們必須在新訂單湧入同時，協調訂單數量與準備時間，完成這項棘手的任務。

Vistry 的 Discrn 平台正好能派上用場。這套平台運用電腦視覺攝影機，記錄食物從烤架或油炸鍋取出的確切時間，透過語音機器人傳送通知給員工，避免食物擱置的時間過長。這樣一來，不僅食物更新鮮，還能減少浪費，幫助餐廳省錢。

這套系統還可協助偵測食物準備速度落後訂單需求的情況。

Kureishy 表示：「語音機器人會說『嘿，經理值勤中，請前往油炸工作台，額外準備兩批』。」

在餐廳大規模運用 AI

擁有多間分店的 QSR 業主，還能分析所有分店的營運情況與模式，獲得寶貴的深入解析。

舉例而言，分店遍布全國的雞肉餐廳更換馬鈴薯供應商時，能夠用 Discrn 剖析 2,000 家分店的資料，確保維持品質。

Kureishy 說明：「如果投訴增加，他們能判斷原因是出在產品，還是食物準備過程。」

另外，餐廳正利用 Vistry 測試透過手機點餐顧客專用的得來速車道。Discrn 平台解析傳入的資料之後，能夠預測四分鐘內的等候時間，準確度為 90%。這項資訊對顧客的一大福音，而經理則可以利用它發現並解決阻塞的情況。

Kureishy 表示：「駛過的車輛越多，賺到的錢就越多。」

資訊視餐廳與營運情況可能有所不同。這間雞肉連鎖店運用計量數據執行規定，例如薯條不能擱置超過五分鐘。其他商店則將 AI 感應器裝在設備上，向員工發出故障通知，並且量測油質與產量等因素。Discrn 利用 Intel® 發行版 OpenVINO™ 工具組，依照連鎖店與商店需求量身打造解決方案。

Kureishy 表示：「我們使用 Intel 技術的裝置，能以極為符合成本效益的方式執行邊緣 AI 工作負載。」「我們瞭解，餐廳尚未準備好為了添購技術花大錢。」

處理日益增加的複雜度

然而，營運日趨複雜的原因不光是餐廳人手短缺而已。QSR 必須因應全新的手機與線上點餐選項以及外送服務。

「過去的情況是，一個 18 歲的年輕人製作食物，然後交給櫃台的人。如今情況不同了。」Kureishy 表示。

線上訂單增加，高級個人化的要求隨之而來，為精簡的營運方式增添了變數。

「顧客可以在線上看到所有選項，例如：『我想在三明治多加兩片酸黃瓜，還有番茄醬，但是不要芥末』。」這樣一來，餐廳員工的負擔更沉重了。」Kureishy 表示。

另外，由於 DoorDash 和 Uber Eats 這類第三方外送服務供應商對於餐廳及其產品不熟悉，因此餐廳業主必須因應人為錯誤和疏失。

「這類訂單有很高的比例是缺少商品或商品不正確，但是出錯時，餐廳的能見度有限。對於這個產業來說，這是當前的一大問題。」Kureishy 表示。

幸好，邊緣分析能幫助業主因應這些難題。電腦視覺攝影機可分析及追蹤訂單，並且驗證員工是否依照客戶規格準備食物，以及包裝人員是否將正確的商品放進正確的袋子。分析功能還可協助餐廳處理日益複雜的訂單優先順序計算過程。

「或許某次外送服務的每筆訂單能賺到更多錢。但另一筆訂單雖然賺到的錢較少，但是客群忠誠度高。您該如何理解這一切？邊緣分析能幫助您做出正確的商業決定。」Kureishy 表示。

其他零售商的 QSR 解決方案

由於營運日趨複雜，餐廳人手可能長期短缺，因此 Kureishy 認為，邊緣 AI 將在速食餐廳越來越受歡迎。

「我認為，我們是以符合成本效益的方式，大規模推動這項技術的先鋒。」

Discrn 平台輕輕鬆鬆便能調整，幫助其他類型零售提高營運效率。舉例來說，客戶一到，硬體商店就能將線上訂購的割草機送達停車場。便利商店可衡量數位告示板促銷活動的成效。汽車商店能瞭解員工是否已翻新修補或換油、工時、使用的材料量，以及員工是否遵守規則。

「這些系統最終將與人力合作無間，改善各項功能。」Kureishy 表示。「系統能提高企業的效率與效益，讓他們以相同或更少的資源完成更多工作。」

 

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

應對 5G 和邊緣運算挑戰的硬體關鍵

Posted on by Micah Kaplan

5G 正在迅速擴大工業物聯網 (IIoT) 中邊緣運算和進階網路的可能性，讓製造商可更充分利用資料、自動化和人工智慧，以真正改變運作方式。

雖然製造商享有高頻寬、低延遲連線能力的好處，但 5G 技術的極快速度引起他們的注意，讓網路專家能夠打造更複雜且高效率的工業網路。

工業領域的邊緣運算和網路硬體製造商 IBASE 的產品高級總監 Jesse Chiang 表示：「在 5G 開發中，創新是整個網路結構的虛擬化。網路功能虛擬化 (NFV) 支援軟體定義廣域網路 (SD-WAN) 等技術，使管理資料流程變得更容易，並有助於降低資料傳輸成本。」

有鑑於此，工業系統整合商 (SIs) 和網路供應商開始探索 5G 提供可能性的原因就無庸置疑了。令人遺憾的是，他們很早就了解到，工業物聯網方程式中的 5G 網路硬體元素可能成為主要的障礙。

「工業物聯網確實需要滿足多項要求：多功能、高效能、高可用性、安全、容易安裝並足夠堅固，以便應對惡劣的環境條件。」Chiang 說。「對大多數 SI 和軟體專家而言，自行設計如此複雜的 5G 網路硬體並不符合成本效益，更遑論在漫長的開發過程中會失去的商業機會。」

幸好，為了克服此困難，工業 5G 硬體製造商運用其專業知識並製成產品，以便 SI 和軟體專家能夠利用技術標準的承諾。

專為工業邊緣所打造

硬體製造商可透過兩種主要方式，幫助應對工業 5G 和邊緣運算的獨特挑戰：設備設計和元件選擇。

例如，IBASE 做出多種設計選擇，以滿足 IIoT 環境的需求 (影片 1)：

  • 模組化可讓 SI 和終端客戶根據其具體規格設定硬體平台，並視需求進行擴展及擴充。
  • 備援電源和冷卻風扇，以便在不中斷工廠運作的情況下維修或更換硬體元件，確保高可用性。
  • 散熱設計經模擬測試，以確保設備在惡劣的操作條件下正常運作。
  • 精巧外型規格，可視需要幫助設備適應狹窄或有限的空間。

影片 1。IBASE 為工廠打造 5G 智慧解決方案，同時充分考慮到模組化、效能、連線能力和散熱功能。(來源： IBASE)

在元件方面，Chiang 解釋說，製造商必須能夠在排除未知因素的同時，發揮最大效能。「若要開發 IIoT 的邊緣或網路解決方案，你需要可靠的平台建置。這代表 5G 硬體採用高效能元件打造，並具有容易理解及定義明確的功能，因此它們不會讓你在該領域失望。」他解釋道。

IBASE 充分利用其與 Intel 的技術合作夥伴關係，實現此目標：

例如，其設備包括：

  • Intel® 處理器會處理控制、運算、管理和封包處理，同時最佳化網路效能。
  • Intel® QuickAssist 技術 (Intel® QAT) 提供加速資料加密和壓縮/解壓縮處理工作。
  • Intel Hyperscan：正則表達式比對資料庫。IBASE 將其用於加速工業安全產品中的深度封包檢測 (DPI)。

Chiang 表示：「Intel 不僅具備強大的運算能力，也為其處理器配備了出色的網路功能。Intel 也在 5G 開發方面投入大量心力，這將有助於我們在未來幾年跟上最先進的技術。」

日益廣泛的 5G 和邊緣運算產品

隨著專為 5G IIoT 解決方案打造的硬體的出現，IBASE 已經在為工業計算領域的可能性未來做好準備。

例如，其產品路線圖包刮一系列相容 5G 的多接取邊緣運算 (MEC) 伺服器，為工業邊緣支援 AI 的解決方案提供穩定且高效能的平台。為符合日益增加的安全 5G 網路需求，尤其是在網路節點散布且本機 IT 資源有限的情況下，該公司也開發一系列「通用客戶端設備 (uCPE)」裝置，以支援 SD-WAN 和網路安全應用程式。

據 Chiang 所述，為 5G 和邊緣運算設計的硬體未來幾年將會讓工業 SI、邊緣 AI 專家和安全網路供應商能夠為其客戶提供許多重要的好處。

「SD-WAN 會讓網路管理更有效率，降低勞力和設備成本。」Chiang 說。「隨著越來越多的 5G 部署，邊緣運算將日益成為現實，迎來製造業的下一波數位化轉型浪潮。」

 

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

智慧城市延伸觸角

Posted on by Micah Kaplan

埃及開羅以東 28 英里處，一座全新的行政首都正在崛起。這座智慧城市將利用物聯網技術徹底改變營運方式，從公共運輸到水表和停車都屬於管理範疇。行政人員日後能及時因應瞬息萬變的情況、在民眾報修之前就先派遣人員搶修停電、讓塞車公路上的車流改向，以及用最有效率的路線派出急救人員。600 多萬新居民將能利用一款行動應用程式解決各種需求，例如開啟自來水服務、預訂停車位，或是向適當的部門回報地面的坑洞，讓城市生活幾近無後顧之憂。

埃及政府的例子，完美示範了領導人如何全力打造物聯網和網路連線基礎建設，讓複雜系統控制措施自動化以及應對問題的方式徹底改變。

物聯網與智慧城市

所有規模的城市紛紛期望透過智慧城市技術與解決方案部署服務，以及用更有效的方式獲得可行的深刻見解。舉例來說，公職人員透過公車與火車上的感應器，便可追蹤車輛的位置，以及估量載重和燃油消耗量。智慧街燈會偵測行人，並且視天氣與當日時間以完整或部分功率的方式啟動。先進的攝影機系統可偵測事故、通知現場急救人員、為調查人員擷取資料，並且產生報告。

智慧基礎架構的實作方式因地區不同有極大的差異。在中東和亞洲的高成長地區，中央政府通常會合併各式各樣智慧裝置的資訊。埃及尚待命名的首都將從 32,000 台攝影機、二十五萬台智慧電錶，以及 10,000 個停車位傳送資料至 Honeywell City Suite 平台，讓管理人員以任何組合查看計量數據、設定控制方式，以及接收即時警示。

改善安全與安全機制

歐美城市往往是以漸進分散的方式採用智慧科技，而且系統之間通常無法傳遞資訊。

「城市可能無法取得需要的資訊，因為市區的交通攝影機系統無法與公共安全系統通訊，或者反之亦然。」Honeywell 的 Smart Cities and Communities 總經理 Matthew Britt 表示。

若將資料摘要移至單一平台，官員就能以更快也更協調一致的方式因應緊急情況和大型事件。也就是說，舉例而言，回應緊急情況的時間可能大幅縮短。

協調用基礎架構不僅能用於緊急情況。這個架構也有助於城市為市民提供安全方面的支援，以及管理大型公共集會的運作，例如音樂會、遊行或體育活動。

「如果您正在舉行大型體育活動，而且攝影機網路顯示有人群聚集和封街的情形，那麼您可以改變車流的路線，讓每個人都能更快速安全抵達體育場。」Britt 表示。

有了 Honeywell City Suite，所有資料都會存放於城市伺服器，由採用 Intel 技術的高效能硬體處理。官員可以用機器學習和人工智慧演算法分析平台上的資訊，預測未來的需求，在情況惡化之前改善資源。

「城市正設法做出長期規劃方面的決定，而且對於資料的需求未曾如此孔急。」Britt 表示。

透過資料深入解析，行政人員可隨車流模式改變調整紅綠燈的時間設定，或是安排預測性維修，防止公共交通運輸系統故障，避免這類所費不眥又耗時的事件。行政人員還可視需求增加提高收費，從停車場收取額外收益。

未來：永續發展的智慧城市

智慧架構的版圖不斷擴大，部分城市正透過行動應用程式提供新服務。市民不必經過市府的繁文縟節便可回報各種問題，例如地面坑洞、電線掉落，或是蓄意破壞公物情事。通勤族可以用感應式支付方式購買公共運輸交通系統的車票，並且收到抵達時間的即時更新資訊。市民可以獲得自然災害和其他安全問題的警示。

智慧營運與分析方式也有助於城市逐步實現環境保護方面的目標。舉例來說，駕駛人能收到以最有效率路線前往車位的指示，不僅節省時間，也節省精力。

「如果一出門就能掌握停車位的確切位置，便可縮短困在車陣中的時間、減少浪費燃油，並且減少溫室氣體排放。很多城市設定了高遠的目標，但是卻並未設計任何實現目標的方式。透過彙整及分析資料，他們便能找到提高效率和永續性的方式。」Britt 表示。

5G 連線的版圖擴大之際，Britt 認為，城市可望擴大智慧基礎架構的使用範疇：「有了 5G，便可連接位於四散各地資產上的數百萬感應器，而且完全不需要費用，其他類型的連線也可避免延遲的可能性。」

美國《基礎建設投資和就業法案》以及《降低通膨法》提供資助，進一步的經濟激勵措施即將上路。「目前鎖定用於升級基礎建設的資金金額之高，可能是我們這輩子前所未見。」Britt 表示。

這項挹注有助於鼓勵開發創新技術，幫助城市創造更安全且更永續發展的未來。

舉例來說，Honeywell 正在研究城市的微電網，協助城市在長時間停電期間繼續提供重要服務，例如 2021 年德州那場北美冬季風暴。城市有了微電網，便可將能源儲存於電池，不必在迫在眉睫的時刻指望遙不可及的燃料送達。電池可以儲存任何來源的能源，包括太陽能。

「如果可以現場產生太陽能，理論上就能有無窮無盡的電力隨意支配。」Britt 表示。

他預計，這類構想近期將日益蓬勃發展：「我認為，智慧城市這個概念會加速成長茁壯。政府將採用更廣泛影響百姓生活的各種技術。」

 

本文由 insight.tech 編輯副總監喬治妮．貝內施（Georganne Benesch 編輯。

醫學影像 AI 為肌肉萎縮診斷提供長足的進展

Posted on by Micah Kaplan

肌肉萎縮症是一種遺傳性疾病，具有多種變異體，從幼年都中年的任何時期都可能發生，診斷起來相當困難。首先，必須鉅細靡遺地繪製患者的基因剖析。然後必須檢驗這些資料，並與研究中心和醫院儲存的大量基因組資料進行比較。分析工作十分艱鉅，需要醫生進行大量手工作業。整個過程可能需要 24 週才能得到結果。

一種新方法採用高效能計算和 AI 推斷，完成大部分繁重的工作，減輕醫生的繁瑣手工作業。透過指引醫生正確的方向，視患者的狀況而定，診斷時間可縮短至 16 週或更短。患者及其家人可提早開始治療，研究人員則能提高對疾病的認識，這對他們來說無疑是項喜訊。

協作促進 IoT 醫療保健解決方案的進展

這個新的診斷方法透過兩家台灣公司密切合作而來。IoT 運算設備供應商安勤科技（Avalue Technology Inc.）在醫院和實驗室擁有豐富的經驗。柏瑞醫股份有限公司（Biomdcare Corporation）專攻醫療軟體、影像和篩檢工具。兩家公司攜手開發一款肌肉萎縮篩檢套件，可快速分析巨大的基因組資料，提供準確度高達 97% 的結果。

為了建立基因組分析平台：肌肉萎縮篩檢套件，兩家公司必須克服醫療資料處理中耗時與困難的艱鉅挑戰。安勤科技資深產品經理 Lu 表示：「我們共同合作，利用最新技術開發軟硬體。」

安勤科技的任務是尋找一個能高效運輸及處理大量資料集以供分析的方法。

Lu 表示：「我們深知解決方案需要一個非常高效的 CPU，因此使用了最新的 Intel® 處理器。」該公司也在其伺服器中內建了一個額外的顯示卡插槽，以容納密集的醫學影像，並使用 10 GB Intel 乙太網路晶片組，避免常見的瓶頸降低資料傳輸速度。

柏瑞醫軟體必須識別患者的疾病變異體，並對能用於比較的大量基因組資料進行分類。大多數醫學實驗室的處理能力都無法因應這麼大的資料集，只有研究中心和大學才有這個能耐。

柏瑞醫使用 OpenVINO™ 工具組開發了一款 AI 輔助軟體程式，該程式能梳理所有資料、過濾無關的結果，並鎖定前途光明的關聯。接著全面分析這些關聯，再交給醫生。

使用 AI 分析醫學影像

諷刺的是，即使需要大量資料分析，柏瑞醫遇到的難題之一是缺乏相關資料可供處理。

這有幾項原因。第一，AI 演算法對資料永不嫌多，處理的資料愈多，得到的結果就愈準確。與 AI 系統最初設計用來分析的產品和機械裝置不同，人類獨一無二，他們的基因資料充滿了位數成長的排列。

「在工廠，每天都都會產生關於瑕疵品和生產線問題的大量資料和照片。但在醫療保健領域，與患者總人數相比，我們沒有多少資料。對於醫療保健而言，低資料量始終是 AI 解決方案的一大難題，」柏瑞醫行銷總監 Richard Lin 解釋道。

涉及基因突變的疾病格外複雜，進行分析也絕非易事。這個問題對於肌肉萎縮症而言更加嚴重，據國家衞生研究院估計，這種罕見疾病全球每 10 萬人受影響的不到四人。此外，變異體之間的差異極大，因此醫療機構經常將此病症稱為一類疾病。

這些問題通常會導致難以找到足夠的具體相關性，因而無法胸有成竹地作出診斷。但柏瑞醫開發了一套專有流程，以利精準診斷。「我們使用較小的資料庫，產生更精確的 AI 模型。這是我們解決方案的關鍵價值，」Lin 表示。

經過資料分析後，系統會為醫生準備一份報告，並將報告和所有的基因組資料與患者記錄儲存在安勤伺服器上。醫療專業人士可以透過軟體軟體平台存取報告，該平台包含簡單的註釋和工作流程工具，以便他們用來做出最終的診斷。

智慧醫療保健解決方案有助於患者與研究人員

肌肉萎縮症篩檢套件不僅替醫生省事，更能讓患者更快瞭解自己是否患病。「在台灣，每 40 名患者中約有1 名可能具有隱性基因但沒有症狀，」 柏瑞醫產品經理 Olivia Wang 表示。

家族成員中若有人患此疾病，或情侶準備共組家庭，可以使用篩檢套件瞭解自己是否患病或是帶原者。雖然目前沒有一勞永逸的治癒方法，但已開發出一些治療方案，以提高肌肉強度並在某些情況下減緩病情惡化。更快的診斷能使患者及其家人有更充裕的時間做準備，並儘快尋求治療方案。

隨著愈來愈多人使用篩檢套件，其所產生的資料將擴大醫療資料庫，進一步推動研究並幫助 AI 系統提高準確性。Wang 表示：「我們希望解決方案有助於研究社群建構更多參考資料，進而協助其他需要進行檢驗的患者。」

這兩家公司也在擴展技術，篩檢其他疾病，包括乳癌和人類乳突病毒。「我們認為 AI 模型訓練解決方案能在許多情況下帶來助益，」Lin 表示。「我們預計今後會開發出更多疾病篩檢解決方案。」

 

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

利用 AI 改善公共安全與交通

Posted on by Micah Kaplan

現代城市交通繁忙，而且車流量越大，鋌而走險抄近路的人就越多。汽車為了閃避闖紅燈的行人急轉彎，公車因為機車佔用專用停靠區只好在街道亂停，險象環生的情況倍增。

許多城市在主要十字路口安裝了紅綠燈攝影機，讓他們能夠處理部分違規事件。然而，這類攝影機所費不眥，而且遺漏了小街道上的問題，以及基礎設施受損和公車上的危險行為，例如司機打瞌睡。

7StarLake 是生產高效能運算設備，以及為台灣半自動接駁車開發感應器系統的台灣公司，執行長 Martin Ting 與台灣、加拿大和美國的政府和運輸官員會面時，對城市交通問題有了透徹的認識。

他表示：「他們總是問我一個問題：『你可以幫助我們防止事故，改善公共安全嗎？』」

7StarLake 於是開發出一套裝載於公車的邊緣 AI 電腦視覺系統，可即時發現交通問題與危險的公車司機行為，並且就迫在眉睫的危險發出警告。城市官員分析系統長時間的資料，便可深入瞭解交通和行為模式，幫助他們改善公共安全與交通管理。

利用智慧公車預防事故

台灣在主要十字路口安裝了攝影機，以台北為例，安裝的數量是 14,000 台，就跟許多城市大同小異。然而，安裝一部攝影機的費用是 150,000 美元，而每年的維修費用也相當於這個金額。另外，攝影機無法即時解讀資訊，也無法發現有限視野以外的危險情況。Ting 說明，若要撒下天羅地網，一般的大都市必須安裝 100,000 台攝影機才夠。

相較之下，7StarLake 的 Time Eye Smart Traffic Solution 在公車安裝的電腦視覺攝影機價格便宜很多，另外還有 GPS 感應器，能夠擷取外部與內部資訊，有助於預防事故。舉例來說，如果司機閉上眼睛，座椅可以用振動的方式示警。另外，資料也會傳送給官員，讓他們能發出警告。

外部攝影機會擷取交通活動，包括違法停在小街道的卡車，以及因為其他車輛佔用而無法駛入停靠區的公車（影片 1）。

影片 1. 7StarLake 的 Time Eye 電腦視覺攝影機會辨識車輛，擷取交通違規事件的相關資訊。（資料來源：7StarLake）

這類事故可能導致司機在沒有看到另一側的情況下，在更大型的車輛附近橫衝直撞，險象環生。

在台灣，與卡車和公車有關的事故，是交通死亡事故的主要原因。Time Eye 會立即將嚴重違規情事的相關資訊轉送給官員，讓他們可以在必要時開出罰單或安排拖吊。如果是情節較輕的違規情事，系統會記錄車牌號碼，而且在某些情況下，不需要召喚官員便可送出罰單。

Time Eye 的攝影機還可轉送關於基礎設施危害物的相關資訊，例如阻擋街道的岩石或樹枝，或是人行道人口蓋不見。城市可以立即通知維修人員，並提醒公車司機減速，或是避開危險區域。

電腦視覺攝影機揭露真相

公車司機嘗試避開事故時，可能突然加速或停車，可能導致乘客跌倒。跌倒索賠是台灣常見的市府訴訟來源。

Time Eye 電腦視覺攝影機會擷取時間、交通情況、公車位置、加速與剎車。另外，電腦視覺攝影機還會顯示乘客是站立，或者依據法律規定，在坐著時繫緊安全帶（上下車時例外）。這項資訊可作為客觀的可信來源，並且簡化調查與法律訴訟。Ting 表示，某個南台灣城市採用 Time Eye 之後，行人訴訟案減少 80%。

雖然攝影機會記錄乘客活動，但並未使用臉部識別軟體。資料經過加密之後，透過企業級安全性的 VPN 傳送至市府電腦。

更聰明的交通管理改善之處

7StarLake 為城市量身打造系統，而且系統會選擇他們想收集的資訊。工程師使用 Intel® 發行版 OpenVINO™ 工具組，節省訓練演算法識別交通情況、車輛與人類行為的時間。

「OpenVINO 有成千上萬經過預先訓練的演算法，能夠執行 70% 左右的 AI 模型開發工作，因此我的工程師不必從零開始建置模型。」Ting 表示。「我們可以節省很多時間，而且我不需要那麼多的工程師。」

市府公車可以擷取大量資訊，每天最多可達 1 TB。市府行政人員可以收到高達 2 MB 的即時資料與影像（透過高速 Intel® Core™ 處理器轉送）。其餘的資料稍後會轉送，而且儲存於市府電腦供官員分析之用，瞭解特定地點與時間的交通問題。接著，他們可以更妥善分配資源，改善車流量與公共安全，例如張貼標誌、派警察前往正確的地點，或是興建新的停車設施。

5G 智慧交通管理的未來

Ting 表示，採用 5G 連線的城市越來越多，加上頻寬費用下降，因此更高的傳輸速度與低延遲讓 Time Eye 這類系統甚至能即時傳遞更多資訊，實現市府官員強烈要求的水準。公共交通運輸當局與緊急技術員不僅能查看資料與靜止的影像，還可查看事件發生時的完整影片，幫助他們更深入瞭解及回應危機事故。

「智慧交通管理可幫助城市更妥善部署資源，拯救生命。」Ting 表示。「我堅信，5G 完全部署後，一定會大受歡迎。」

 

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

在邊緣 AI 專案中使用超大規模雲端服務平台？請先閱讀下文

Posted on by Micah Kaplan

您想要建構一套 AI 系統。該從何處著手？

以多模態情感分析為例，其仰賴多個自然語言處理和/或電腦視覺模型，模型透過嚴格的資料標記和訓練最佳化。若要將其應用在零售客服資訊亭，則需要建立基礎架構，如資料庫和視覺化工具、網路應用程式開發環境、部署和交付服務，當然也少不了一兩個 AI 模型訓練架構。

如果這是您首次嘗試使用 AI 建立系統，貴組織可能尚未以利於快速 AI 系統原型設計的方式配置所有工具，甚至沒有具備所有必備的元件。在這種情況下，希望進行 AI 工程者往往會轉而使用 Microsoft Azure、 AWS 和 Google Cloud 等超大規模雲端服務平台。除了具有基本上無限的資料容量和基礎架構服務，許多超大規模雲端服務平台也支援隨時可用的端對端 AI 開發，或者只要按幾下就能為特定第三方工具提供 API 型的整合。

最重要的是，您能以相對經濟實惠的價格開始使用，之後以即服務的形式新增功能。那麼，既然可以自己輕鬆快速地開始使用，又何必組建一個技術合作夥伴的生態系統？

超大規模雲端服務平台對邊緣 AI 工程師的隱藏成本

在概念驗證（PoC）的早期階段，超大規模雲端服務平台非常適合構思創意。但是隨著您愈加接近成品的原型設計階段，它們的侷限性就會很快暴露無遺。

「超大規模雲端服務平台的難處在於製作真正定制的 PoC，因為超大規模雲端服務平台是基於標準運作。您要嘛使用那些標準，要嘛不用超大規模雲端服務平台，」全球資訊與通訊技術公司富士通（Fujitsu Limited）產品業務資料長 Glenn Fitzgerald 表示。「這適用於他們使用的基礎架構與應用程式堆疊。」

「此外還有資料主權與落地權的問題，這在 PoC 階段不是那麼相關，但是進入原型設計階段就變得至關重要，」Fitzgerald 繼續說。「超大規模雲端服務平台不希望您從雲端和結構中擷取資料以規避它。法律和監管問題會大幅增加資料驅動專案的複雜性，這些專案在超大規模雲端環境中使用 AI。」

資料是關鍵。AI 技術取決於不斷增加的資料匯集至訓練模型，進而提高神經網路的準確性和效能，使邊緣核心通訊及資料管理成為關鍵因素。資料儲存是超大規模雲端服務平台的主要收益來源。

不難想像，在超大規模雲端環境中使用幾張圖像啟動 AI PoC，隨著原型的發展，它會擴大為包含數十萬張圖像的多個資料庫。此外，由於從超大規模雲端擷取資料不易，起初貌似無害的平台選擇可能在瞬間淪為昂貴的平台陷阱。

AI 身分識別危機

這個時候，您也應該問自己究竟是否需要開發 AI。比方說，大多數公司並不出售情感分類，而是用它來推動零售資訊亭或市場軟體解決方案。這是因為隨時可用的 AI 並非解決方案，而是可以解決現有問題的一項新功能。

「AI 不是任何問題的解決方案，」Fitzgerald 解釋道。「如果您是從機器學習或自然語言處理或神經網路的傳統意義中思考 AI，在 99% 的情況下它是解決方案的組成元素，而非解決方案本身。

「公司應該從『這是我的業務問題』開始。太多公司的出發點是『我必須做點 AI。』」Fitzgerald 表示。「但是，如果您是從『必須做點 AI』著手，到頭來會一事無成。」

在許多情況下，較好的策略是利用技術生態系統來減輕 AI 模型建立的開銷，同時維持低成本。如果運用得宜，這種方法能讓原始設備製造商和系統整合商利用人工智慧的優勢，同時專注於最終應用。

透過合作夥伴生態系統加速 AI 推斷

富士通與 Intel 及英國諮詢公司 Brainpool.AI 合作，建立了合作夥伴關係，為 AI 原型設計者開啟大門。稱作「共同創造研討會」的公司可接觸 Brainpool.AI 的 600 多位頂尖 AI 學者，其就實現預期結果所需的基礎架構元件提供建議。富士通作為整合商，協調其他合作夥伴並建立必要的基礎架構，透過原型設計從 PoC 擴展 AI。

為了使流程更加順暢，富士通建立 AI Test Drive 這個 Web 型應用程式元件、資料服務、監控工具和 SUSE Linux、NetApp 和 Juniper Networks 的 AI 套件專用 AI 基礎架構。此軟體封裝在一個示範叢集，於搭載 Intel® 處理器的伺服器上執行，以便使用者對 AI 設計進行壓力測試，同時保留對其資料的 100% 控制，進而管理、擷取及清理。

可以透過入口網站存取 AI Test Drive 的免費試用版。為了在 AI 使用案例範圍提供一流的模型精確度、延遲性和效能，它使用 Intel® OpenVINO™ 工具組。
此工具組是一個 AI 模型最佳化套件，可以壓縮及加速在不同環境中產生的不同神經網路軟體，以便在不同硬體上使用。它與 Open Model Zoo 相容，因此可以將預先訓練模型輕鬆匯入原型製作流程中。

如圖 1 所示，與同一個未最佳化的 PyTorch FP32 模型相比，OpenVINO 將 FP32 BERT 情感分類模型加速了 2.68 倍。

Pytorch FP32 與 OpenVINO FP32 之間的延遲比較
圖 1. OpenVINO™ 工具組最佳化了富士通 Test Drive 平台中不同類型的 AI 推斷。（資料來源：富士通）

「您必須建立一個適合您試圖解決問題的生態系統，」Fitzgerald 表示。「像富士通這樣的組織，可以將其他組織納入其中並涵蓋所有基礎，這就是您獲得最佳團隊來解決問題的方式，」Fitzgerald 如是說。

從業務問題著手

如今各行各業都擔心自己未在邊緣 AI、視覺 AI 和機器學習中搶佔先機。但在被這股風潮席捲之前，請先瞭解該如何避免一窩蜂地隨波逐流，在不屬於自己專長的領域逞能。

「從業務問題著手，」Fitzgerald 建議。「如果您瞭解業務問題所在，接著便能與利害關係人、您信任的合作夥伴與第三方合作，攜手解決那項問題。」

 

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

All-in-One 平台：簡化邊緣人工智慧產品開發

Posted on by Micah Kaplan

邊緣人工智慧可用於解決各種垂直市場的問題。它帶給製造業的優勢包括製程最佳化、即時資料視覺化，以及供應鏈管理。在醫學方面，它可助診斷工具與患者管理系統一臂之力，為人力短缺的醫護人員減輕負擔。對於智慧城市來說，邊緣人工智慧 有助於解決的問題包括塞車、能源效率、公共衞生和安全問題。

然而，諷刺的是，儘管邊緣人工智慧的用途與優勢廣泛，但是卻往往很難在廠房、醫院與市區街道採用這類解決方案。簡言之，這些產業別的系統整合商（SI）與組織，鮮少擁有建置端到端邊緣解決方案所需的內部資源。

數位轉型智慧網路與邊緣人工智慧解決方案供應商其陽科技的產品行銷經理 Tiana Shao 表示：「雖然邊緣人工智慧的體驗與日俱增，但依舊很難找到一應俱全的企業或 SI。」「他們或許懂硬體，但卻不懂如何打造合適的人工智慧應用程式。或者他們雖然可能精通人工智慧軟體，但卻沒把握如何挑選符合終端使用者規格的硬體。」

然而，All-in-One 邊緣人工智慧平台或許能彌補這方類數位轉型技能的落差。這類全方位平台實現了在安全可靠硬體執行的彈性靈活高效能邊緣人工智慧解決方案，簡化產品開發工作，並加速上市。

克服邊緣人工智慧解決方案開發的難題

簡化邊緣人工智慧產品工程設計的關鍵在於，建置時使用讓您在製程最困難環節超前的平台，這類環節包括：人工智慧軟體開發、裝置最佳化、效能提升與彈性靈活的設計。

All-in-One 平台同時善用硬體專家與人工智慧專家的優點，實現了簡化工程設計的目標。以其陽科技為例，雖然邊緣硬體是該公司的強項，但人工智慧軟體開發對他們來說則難度比較高。因此，該公司與人工智慧專家數位無限軟體合作，在他們的解決方案採用人工智慧軟體堆疊。因此，其陽科技能夠提供克服硬體與軟體難題的平台，加速開發工作，為各式各樣的處理器與伺服器締造裝置最佳化。

就硬體而言，這項解決方案還善用 Intel® 處理器的功能。Shao 表示，這項作法可獲得幾項優勢：

「運算速度對邊緣人工智慧極為重要，而 Intel 處理器幫助我們建置了高效能的運算平台，非常適合各種邊緣應用。此外，這些處理器還提供重要的安全功能，例如 Intel® Software Guard Extensions (Intel® SGX)、Intel® Platform Firmware Resilience (Intel® PFR) 以及執行控制措施。」

最後一點，All-in-One 平台是專為彈性所建置，因為這類平台必須隨各種不同的使用案例調整。舉例而言，其陽科技的平台幾乎可安裝於任何邊緣環境，並且隨附網路介面卡和硬體型加速器適用的擴充槽。

Shao 表示：「這款平台旨在提供多種選項。」「終端使用者不同，需求當然也不一樣。我們設計的解決方案，可以根據客戶需求自訂。」

最終締造的成品，是可以用於許多情境的平台，即使需要相對複雜精密的解決方案也不成問題。

在更短的時程內讓城市更聰明有智慧

其陽科技的智慧交通管理使用案例，正是這個解決方案實作的例子。

全球的城市壓力重重，必須解決城市交通問題、緩解通勤塞車之苦、改善生活品質、減少碳排放，才能達到永續發展的目標。支援邊緣人工智慧的交通管理系統，雖然可望解決難題，但是設計與執行的技術層面卻要求嚴苛。遺憾的是，系統整合商與城市管理者卻因而將可能有效解決這些問題的方案視為畏途。

然而，SI 和城市利用其陽科技這類 All-in-One 平台，便可在更短的期限內，聯手開發出量身打造的交通管理解決方案。

這個平台支援在邊緣以即時電腦視覺的方式處理交通攝影機影像，因此不需要將大量原始資料傳送至雲端處理。同時，人工智慧軟體堆疊則可用來量身打造解決方案，不僅可免除漫長的開發過程，還提供各種功能，包括資料視覺化、車流最佳化、交通管制燈號整合，以及在偵測到交通違規情事時自動發出警示。

Shao 表示：「雖然智慧城市的交通管理，僅僅是一種可能的使用案例，但卻充分說明了 All-in-One 平台如何協助 SI 在需要複雜的解決方案時縮短上市時間，並且打造出他們可銷售給其他客戶的可重複擴充產品。」

數位轉型的多功能工具

邊緣人工智慧功能豐富，意味著它幾乎可以用來解決任何環境中的業務問題。All-in-One 平台排除許多傳統的邊緣人工智慧實作障礙，有助於在多個產業帶動採用人工智慧，並推動數位轉型，進而為 SI 與解決方案供應商創造利潤豐厚的商機。

長遠來看，邊緣人工智慧普及之後，這些平台還能帶動下一波數位轉型。其陽科技確保自家的邊緣人工智慧設備支援新一代技術，例如數位分身，也就是以虛擬方式呈現實體裝置。數位分身實現了即時模擬、精準預測分析和更有效的自動化，為醫學、汽車工程、製造業與智慧城市帶來驚人的效益。

Shao 表示：「數位分身技術需要強大可靠的邊緣人工智慧伺服器，才能因應那麼大量的即時資料處理，另外還需要頗為精密複雜的人工智慧軟體開發。」「因此，多數組織至今遲遲都無法實現數位分身，不過在未來，All-in-One 邊緣人工智慧解決方案，將能讓這項技術唾手可得。」

 

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

整合的平台 + 邊緣智慧 = 智慧空間

Posted on by Micah Kaplan

如果您能憑藉從資料中擷取的智慧即時溝通及行動，那就是奇蹟發生的時候。想像一下，一層 12 樓的飯店響起火災警報。管理階層的預設行動方針是撤離所有房客。然而，倘若有中央智慧平台能精準定位響起警報的確切位置，前台便能啟動靠近源頭的攝影機，確定問題的嚴重性。

該樓層的房客可進而透過離出口最近的指引招牌即時疏散，以免群眾爭先恐後。管理階層也可向消防局傳遞有關該問題的資訊。邊緣智慧服務供應商 Kloudspot 的產品長 Surya Varanasi 表示，這樣的效率似乎微不足道，但會隨著時間的累積涓滴成河，使業務營運更加高效。

為了協助企業達到這項目標，Kloudspot 提供情勢感知和智慧平台，其吸收 Wi-Fi 和感應器資料來提取這類智慧。視企業需求而定，見解能以智慧空間、智慧監視或者甚至混合工作解決方案的形式呈現。

邊緣智慧的整合性資料平台

IoT 的優勢在於它從各式各樣的感應器收集資料，例如暖通空調和照明控制、管道控制、停車場攝影機等。但大多數企業面臨的問題是如何處理所有資料，向合適的對象即時提供背景資訊。「如果有大量資料湧入，那麼就很難真正處理並瞭解所有的資料，」Varanasi 指出。

透過在 Wi-Fi 或其他可用連線上執行，Kloudspot 平台可從各種 IoT 裝置和攝影機饋送中收集資訊，將相關的智慧分層，無論是即時報告還是歷史資料皆然。最終結果是「所有感應器聚集在同一處的智慧空間，而我們能以極其簡單的方式提供結果，」Varanasi 表示。「這樣都能讓您根據所見，做出明智的決策。」

由於所有的通訊裝置（無論是飯店或個別客房的招牌，還是透過行動應用程式）都匯入中央平台，系統管理員可以將相關的資訊傳遞到合適的裝置。管理階層也可將警報編入系統，確保房客得到卓越的體驗。

取決於企業智慧空間需要的資訊類型，系統管理員可以設定具有不同資料層的 Kloudspot 平台。 「看看現今的任何空間，您就會對現狀有些看法，」Varanasi 表示。「我們有樓宇管理檢視圖、實體安全性檢視圖，第三種是無線網路和藍牙存取點的檢視圖。憑藉中央邊緣平台，我們能夠跨越所有不同的檢視圖，在各個系統間創造成果。」

基本上，Kloudspot 會整合原本孤立的檢視圖，以獲得最多的資料。根據 Varanasi 的說法，平台與現有系統合作的能力尤其重要。「您使用我們平台的方式，不必是『淘汰再替換』，」他說。「一旦客戶瞭解我們能透過這個平台增強資料，全面提供極其獨特的成果，就很容易展現商業價值。」

醫療保健的邊緣智慧處方

Kloudspot 為其客戶全球醫療保健公司 Aspen Medical 帶來了全面改善的成果。Aspen Medical 贏得了在阿布達比服務欠缺地區提供初級醫療保健的合約，而 Kloudspot 協助執行數位轉型策略。Kloudspot 的整合性平台使用現有的 Wi-Fi 服務來改善醫療機構患者的掛號和看診體驗。患者可以登入訪客 Wi-Fi 入口網站，成為 Kloudspot 平台的一部分，這樣醫院就能路由自訂訊息並提供更優異的體驗。

Kloudspot 平台也提供閘道服務，跨多個服務供應商存取 Wi-Fi 入口網站；因此，一家供應商中斷不會導致業務營運中斷。

Kloudspot 與系統整合商合作，交付其解決方案，並使用搭載適用於視覺處理之整合式顯示晶片引擎的 Intel® Xeon® CPU。其軟體在 Intel 服務上的 Docker 容器執行。Aspen Medical 解決方案使用 Intel® Core™ i5 NUC 盒裝、刀鋒伺服器和 OpenVINO™ 工具組。

整合性資料平台的眾多用途

醫療保健與樓宇管理並非透過整合性資料平台實現邊緣智慧的唯一方式。

比方說，Kloudspot 的 Immersive Work 解決方案使混合型員工無論身在何處都能存取同樣的環境。透過 Kloudspot 的整合性智慧空間與智慧監控平台解決方案，機場可以使安檢隊伍更快移動，乘客也就能在免稅商店花更多時間，進而增加機場收益。同樣地，攝影機資料可以追蹤車牌，確定沒人亂停車。管理階層可使用自然語言命令搜尋有標記中繼資料的影片輸出，追蹤各航廈間的可疑活動並改善安全性作業。

Varanasi 表示，智慧空間的未來是以視覺化、易於理解的格式呈現資訊，因此相關利害關係人能夠更快做出決策。畢竟當企業透過單一管理平台向相關利害關係人提供及時的背景資訊，就能節省成本、提高效率。

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

監視錄影 AI 作業系統支援大規模採用 AI 應用程式

Posted on by Micah Kaplan

對於監視錄影 AI 應用程式的開發及使用，這是一片無畏的新天地。監視錄影 AI 的使用案例包羅萬象、琳瑯滿目，其中全球電腦視覺市場價值 112.2 億美元。且預計在未來幾年會以 7.0% 的複合年均成長率持續成長。

使這種快速成長態勢進一步風馳電掣的原因是深度學習技術，其在許多工業中擴展了電腦視覺解決方案的可能性。近期該領域的發展改善了神經網路架構和訓練演算法，減輕支援 AI 演算法的硬體負擔，並方便跨部門存取資料。

隨著這些技術的進步，監視錄影 AI 使用案例的潛力幾乎永無止境，而且不再侷限於特定的產業。

城市中見於安全檢測；運輸業中用於錯誤偵測，甚至在製造業用來偵測瑕疵。此外，透過 SKU 計數與視覺庫存管理，倉庫管理的流程變得前所未有地精簡。鑑識專家如今可以在幾分鐘內查看冗長的監視錄影內容。這些只是現今運用監視錄影 AI 的少數可能性。

監視錄影 AI 市場挑戰的雙重性

然而，AI 運用可能性的爆炸性成長伴隨著市場破碎化的挑戰，這些挑戰開發者建立應用程式以及利用它們的組織密切相關。

從開發的角度來看，開發者的困擾是潛在使用者不容易發現他們的應用程式。從組織的角度來看，企業難以大規模使用 AI 應用程式。

問題之一是，電腦視覺應用程式傳統上是由不同公司開發的，他們著重於地理分佈有限的小眾領域。然而，客戶對於監視錄影 AI 的需求日益多元且橫跨各行各業，因此愈來愈難找到符合他們特定需求的監視錄影 AI 應用程式。

監視錄影 AI 作業系統和市場的共同創辦人 Yatin Kavishwar 表示，倘若沒有可擴展的集中式平台，便無法因應五花八門的需求。

即使某個組織真的找到信譽良好的開發商、擁有一兩款合適的應用程式，但擴展的問題還是沒有解決；小眾應用開發商也無法為自家產品護航。Kavishwar 解釋，有鑑於支援監視錄影 AI 採用的關鍵要素所費不貲（例如網路、硬體、基礎結構和攝影機），光投資一兩個孤立的應用程式，任何公司都不會實現理想的投資報酬。

「根據我們的經驗，有心投注監視錄影 AI 應用程式的企業客戶，目的是購買至少八個應用程式，」他進一步說明。

解決電腦視覺市場破碎化

因此，Awiros 正透過軟體平台和作業系統 Awiros OS 試圖解決市場破碎化的問題。解決方案旨在讓客戶從靜態影片內容和即時攝影機串流中獲得多元的見解與業務成果。

透過其集中式市場 Awiros AppStack，客戶能以迅捷整合的方式獲取一系列的監視錄影 AI 應用程式，第三方開發者則可存取工具，以建立、部署、訓練、拓展及管理監視錄影 AI 應用程式。

比方說，一家全球頂級豪華汽車製造商為了滿足 14 個獨特的使用案例，尋找一套監視錄影 AI 應用程式，因而找上了 Awiros。透過 Awiros OS，該公司找到一種在單一平台下探索、託管及管理大量監視錄影 AI 應用程式的集中方式。而 Awiros AppStack 也讓他們能夠尋找現有的應用程式，解決眼前的當務之急。

短短兩個月，Awiros 團隊便使用 Awiros OS 成功執行了概念驗證（POC），其中整合了多個地理位置的應用程式、網站和伺服器。Awiros 不僅提供了解決每個客戶使用案例參數的監視錄影 AI 應用程式，其應用程式市場 AppStack（影片 1）也為各種使用案例提供未來的解決方案，全都託管在單一平台。

開發者與企業客戶皆能從 AI 作業系統中受益

Awiros 為客戶帶來的最大優勢之一，是消除了攝影機特有的限制並擴大可能性。

企業客戶可以在 Awiros AppStack 現有的 60 款應用程式中隨意選擇、指定攝影機串流、在任何所需的時間部署應用程式，並自動安排其他攝影機的重新部署。Kavishwar 說明，這些都有助於更有效率地管理資源匱乏的應用程式並推動更高的投資報酬率。

影片 1。Awiros AppStack 是一個影像智慧市場，也是各行各業電腦視覺應用程式的集合商。（資料來源：Intel）

開發者也可以從低代碼環境中受益：省卻容器化的麻煩，讓應用程式快速上市。此外，Awiros 也為小眾開發者提供平台，以建立特定網域且需要本地化資料的應用程式。Kavishwar 表示這能夠大幅消弭差異，因為訓練有素的演算法是在本地化資料上訓練的，而本地化資料往往是孤立的。

由於 Intel 的協助，Awiros 得以在雲端、內部和混合環境中成功部署作業系統。該公司在某些最重要的專案上利用 Intel 硬體，例如 Intel® Xeon® 處理器，並在整組電腦視覺程式庫上使用 OpenVINO™ 工具組。

監視錄影 AI 前途一片光明

儘管監視錄影 AI 開發存在著障礙和破碎化，但Kavishwar 預計採用率會在未來幾年持續上升。

「攝影機即感應器和 IoT 即技術的角色日漸吃重，」他說。「這些用來解決企業面臨之日常問題的技術愈多，監視錄影 AI 就會與我們的生活愈加息息相關。」

Awiros 展望未來，Awiros 的目標是建立一個包含 1,000 個監視錄影 AI 應用程式的市場（2025 年前多由第三方開發），進而更容易找到因應商業挑戰的相關解決方案。

 

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

開放的混合式雲端：製造業自動化的關鍵

Posted on by Micah Kaplan

製造業公司非常清楚技術是實現目標的手段。歸根究底，他們只是希望系統能順利運作。只可惜知易行難，尤其對那些較晚進入工業 4.0（相當於該產業的數位轉型）的公司來說更是如此。

問題之一是 COVID-19 的疫情使許多人措手不及，也因此耽擱了這個過程，軟體公司 Red Hat AI/邊緣部門資深首席業務開發經理 John Archer 表示。營運技術（OT）的所有人沒有時間再培訓，業界也察覺到必須向 OT 團隊展示他們可以從工業 4.0 獲得的改善，才能進一步採用他們視為「黑盒子」的東西。

「工業 4.0 帶來顛覆性的轉變，這確實會影響終端使用者並帶來一定程度的阻力，」Red Hat 全球電信聯盟經理 Reza Mokhtari 表示。他指出，硬體供應商已準備好使用可以處理感應器資料及提高效率的小型邊緣運算裝置，只是對於如何實現所有目標的專業知識有限。

向 OT 提供 IT 的待遇

與現代營運不相容的舊式系統，使情勢更加複雜。「您會走進一家由專屬硬體執行軟體的商店，除了『火燒眉毛』的緊急情況外，沒有人維護軟體，」Archer 解釋道。「因此，現今如果製造商想要變更生產線，有時不得不關閉生產線數週以更新軟體。」

製造商渴望擺脫這類過時系統，升級並重新設計靈活的解決方案。要達到這項目標，就必須改變目前的流程。例如，想要實現工業 4.0 計畫，就必須把 OT 資產當作 IT 資產那般管理。

Archer 表示，Red Hat 提供開放式的互通系統，以便更有效率地管理 OT。由於開放式的系統彼此相容，可以互相溝通，因此和 IT 一樣能夠大規模部署。

此外 Archer 表示：「我們在提高安全性的同時，讓邊緣機器學習的作業變得更容易。」

但是，在開放式的互通系統能大規模部署、以利製造業自動化之前，企業需要另一個關鍵要素：強大的連線能力。資料處理的延遲與遲滯是行不通的。這就是為什麼現代化的 5G 基礎架構也是工業 4.0 的關鍵要素。Red Hat 的 OpenShift 和 Intel® Xeon® 解決方案可協助製造業公司取得最佳體驗：具有無線區域網路（LAN）的可靠度以及 Wi-Fi 的靈活性和行動力的私人 5G 網路。

開放混合式雲端的重要性

Red Hat 對靈活性的重視有利於數位轉型的各個面向。根據客戶資料需求所在的位置向其提供運算資源，是解決方案的其中一環。「您可以稱之為混合式或多雲端，叫什麼無所謂，但它確實是針對事物所處現實的架構，」Archer 如是說。

混合式雲端使製造商能根據需要，在內部和其他雲端資源之間分配工作負載。Mokhtari 表示 Ansible 等 Red Hat 產品能協助製造商優先處理工作負載，並自動化此類管理的作業面。

進入工業界 4.0

數位轉型的許多動態面貌可能令人無所適從，因此 Red Hat 讓製造商相信「系統會正常運行並得到支援，」Archer 說。 「這就是我們的價值主張，指導您調整營運規模並大規模管理。我們確保『如果它執行我們的東西，您可以確定它以某種方式運行及管理。』無論負載是在裸機 Linux 還是在容器化及虛擬化的運算環境中執行，」他補充道。

為此，Red Hat 正在測試 Intel 的軟體開發工具組，以進行驗證並「引進客戶能更輕鬆使用並擴展生產的地方。」Red Hat 和 Intel 也推出了 Intel 邊緣解決方案中心，這是一個專為推動工業 4.0 生態系統而設的實驗室環境。透過在全球各地展開合作，這兩家技術公司開發以電腦視覺和遙測模型為主的潛在解決方案。這些地點充當試驗台，為客戶與夥伴開發自訂解決方案。

Red Hat 為了為製造業的自動化建立智慧邊緣，一直使用 Intel® 發行版 OpenVINO™ 工具組和 oneAPI。他們也使用 Intel® Edge Insights for Industrial，在邊緣協作處理裝置管理及佈建工作流程。

隨著許多公司迎來數位化轉型，製造業正在穩健地向前發展。Archer 表示，無論製造商在數位成熟歷程中的哪個階段，都可以利用開放式混合雲端與智慧邊緣。

「我們致力讓邊緣基礎架構運作，客戶無須管理一堆不同的定制平台，」Archer 表示。「客戶需要具有見解的單一管理平台，希望我們展示大規模管理數位轉型的方式。這正是我們提供的指導服務。」

 

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