Insight Tech

實體安全性市場正在蓬勃發展，客戶紛紛迫不及待想採用 AI、電腦視覺和其他新興技術。這讓系統整合商和獨立軟體廠商（ISV）有前所未見的機會進入市場，並以軟體產品做出市場區隔。

超融合技術則讓這個機會更吸引人。超融合式架構並非仰賴多個獨立硬體元件，而是將虛擬運算、網路虛擬化和軟體定義儲存空間整合至單一的整合式系統。這類系統更強大、更易於管理和部署、更符合成本效益，也較為節能。

因此，市場正在逐漸從專門監控系統的單一用途硬體，轉向可執行多個虛擬化工作負載且搭載標準 Intel^® 處理器的伺服器與裝置。這種轉變可降低硬體成本，並提高軟體的價值。

系統整合商和軟體供應商所面臨的挑戰，是要如何利用這些技術和市場動態。

「大多數影片監控解決方案的大型供應商都把軟體和硬體綁在一起。」Velasea LLC 總裁 Tom Larson 如此解釋，該公司是專精於硬體和電腦視覺的系統製造商。「這限制了利用額外軟體提升價值的機會。通常也使得投資超融合式硬體同樣沒有吸引力。」

「許多採用 AI 和電腦視覺的公司都希望不要用到硬體。」Larson 指出。「因此，我們打造出虛擬 OEM 計畫，讓軟體專家可以不用處理硬體方面的問題。」

開拓實體安全性市場

Velasea 起初是 IT 分銷公司旗下的子公司，現已發展成為全方位服務的技術集合商，專門將多個系統和架構整合至單一裝置。

「我們的目標是協助軟體公司進入實體安全性市場。」Velasea 執行長 Jimmy Whalen 表示：「我們的裝置讓客户可以將重點放在軟體而不是硬體，同時確保這些裝置能輕鬆部署及升級。」

Velasea 基於這樣的理念與技術合作夥伴密切合作，簡化超融合式系統的交付流程。

「實體安全性空間物中的虛擬化與全新架構有其挑戰，而 Velasea 是唯一有能力應對的公司。」Larson 解釋道。「其中一種方法是硬體整合，十年前在 IT 領域已經實現過，但目前在實體安全性領域仍處於早期階段。如果安全性整合商沒有我們在 IT 基礎架構方面的背景，這可能會是一大挑戰。」

Velasea 為降低專案風險專門打造裝置。終端使用者能獲得有效的功能，而 ISV 則能獲得效經證實的裝置。更重要的是，裝置將所有功能整合至單一的超融合式系統，讓企業可以享有超融合技術的所有優勢，而無需考量基礎的複雜問題。

對於希望跨足至監控領域的公司而言，能夠輕鬆使用超融合式系統是一大誘因。虛擬化讓這些公司可以有測試、開發及推出新功能和解決方案的彈性，並敏捷因應市場需求。此外，虛擬化將擴充性和效率提升至全新境界，讓軟體公司能更有效地將尖端技術整合至解決方案。

硬體虛擬化的新途徑

Velasea 與眾多合作夥伴合作，例如專精於影片和非結構化資料的公司Quantum，將 Quantum 整合式監控平台（USP）推向市場。USP 解決方案將運算、儲存空間和網路資源整合至單一的虛擬化解決方案，不僅能託管影片管理系統，也能託管各種其他的安全性應用程式。

Quantum USP 支援訂閱型的授權模式，可在任何搭載 Intel^® 虛擬化技術（Intel^® VT）的硬體上執行，因此多個工作負載能在單一共享硬體資源上同時運作。這種與硬體無關的方法不僅能讓安全性整合商在基礎架構和架構方面獲得無與倫比的彈性，還能大幅降低複雜性和總持有成本。

利用邊緣與其他領域合作關係的力量

Velasea 正在探索新的邊緣運算使用案例。例如，Velasea 在近期協助 OEM 開發採用第 12 代 Intel^® Core^™ 處理器的乙太網路供電 (PoE) 功能，並結合 AI 和影片管理系統（VMS）。Velasea 將這些功能整合至單一的超融合式平台，利用更強大、更有效率的解決方案，協助公司取得競爭優勢。

除了更智慧的裝置，像 Velasea和 Quantum 的合作成果能夠支援影片監控範圍以外的各種應用程式，甚至不限於實體性安全性。除了廣播領域，Velasea 觀察到的一些潛在市場包括零售、物流和公共安全。而根據 Larson 的說法，這只不過是起點。

「新一代軟體不斷湧現，徹底改變了市場情勢，而且十分迅速。」Larson 指出：「眾人寫出更出色的程式碼，並且更有效地利用系統，結果就是我們看到整個實體安全性領域不斷進步。我們和 Intel、整合商和軟體公司合作跟上這波進步的趨勢，並共同開發最佳化解決方案，協助企業更快解決「最後一哩路」的問題。

「我們的使命是成為 ISV 值得信賴的夥伴，為他們提供支援客戶所需的解決方案和專業知識。」Larson 如此總結：「正是我們的合作關係讓這一切成為可能。」

 

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

2024 巴黎奧運和帕運的焦點當然是運動員，以及他們卓越的運動能力與堅持到底的運動精神。這些運動員時刻挑戰著身體與精神上的極限，而普通人通常只會在趕公車或電梯的時候全力衝刺，是不太可能趕得上這些運動員的速度。今年夏天，少數幸運的觀眾能夠親臨法國現場觀賞精彩賽事，其他線上的觀眾則可以在家透過電子裝置觀看直播。

那麼，為我們提供國內外精彩流暢賽事觀賞體驗的焦點人物是誰呢？其中一位是 Intel 奧運和帕運計畫主管 Sarah Vickers，將帶領我們深入瞭解透過技術提升觀賞體驗的過程，並將著重於討論奧運和帕運。Sarah 會談到在奧運賽事前、中、後 Intel 位居幕後所參與的項目，資料在現場工作中所扮演的重要角色，以及 2024 巴黎奧運的經驗可以如何為 2028 洛杉磯奧運與其他類型的娛樂活動帶來新訊息（影片 1）。

影片 1。Intel 奧運和帕運計畫主管 Sarah Vickers 將探索可為奧運注入動能的最新技術。（資料來源：insight.tech）

可以請您概要說明 Intel 在奧運期間所投入參與的項目嗎？

奧運是地球上規模最大，也是最複雜的體育賽事，全球有數十億名觀眾會在線上共襄盛舉。我們非常興奮可以有機會在這場規模龐大的活動中展現 Intel 技術的領導地位。

我們希望能透過多種方式整合 Intel 技術，協助奧運順利舉辦。舉辦奧運的作業非常複雜，包括迎接各國運動員、觀眾粉絲和志工的到來，在 A 點與 B 點間的接送運輸等。除了舉辦奧運活動本身，要在不同場地安排為期 17 天的各項賽事更為複雜。

各國粉絲除了現場觀賞各項賽事外，也會在場外享受當地旅遊體驗，非常需要方便的交通工具。除了運動賽事所帶來的高娛樂性之外，粉絲更可以在賽事結束後享受精彩時刻。我們如何協助讓粉絲獲得更棒的體驗？

全世界有數十億觀眾在家收看運動賽事，從現代人各種不同使用媒體的方式來看就能發現，收看運動賽事轉播的體驗是非常多樣且複雜的。因此我們與「奧運廣播服務公司」（Olympic Broadcasting Services）合作，運用 Intel 的技術與應用程式來提供卓越的觀賞體驗。

2024 巴黎奧運在幕後使用了哪項 Intel 技術呢？

在多年前，我們就提前開始與國際奧委會（IOC）、國際帕委會及特定組織委員會（今年即 2024 巴黎奧運組織委員會）啟動合作計劃。我們需要真正瞭解我們想要解決的問題是什麼。以及如何借鑑過去的經驗，讓我們變得更好？因此，我們採用了 2020 年在東京實行的解決方案，並加以改善。那麼，自上一次奧運以來，有哪些新的挑戰呢？

奧運也是展示 Intel「AI 無所不在」整體概念的絕佳方式，Intel AI 平台可以透過這次機會，展現和以往不同的威力。數位孿生就是一個很好的例子，我們可以打造出所有運動賽事場館的數位孿生，以 3D 方式模擬瞭解奧運賽事的現場情況。

尤其是轉播公司，他們必須要瞭解現場攝影機的擺放位置，以及不同因素可能造成的影響。當奧運結束，帕奧接續展開時，大會亦須做出諸多變動，包含加裝方便運動員移動的無障礙設施等。數位孿生可以提前完成這些任務，避免在準備作業過程當下才意識到特定解決方案實際上無法運作。也可以減少旅途中的行李重量，因為所有人都可以使用個人電腦，隨時隨地操作數位孿生。

從營運的角度考量，我們在協助另一個使用案例時發現到，最重要的就是充分瞭解資料。奧運的幕後工作人員非常多，包括現場媒體和所有工作人員等，因此我們希望能協助 IOC 和 2024 巴黎奧運主辦方瞭解分析人潮流動因素，進而將設施最佳化。包含場館的最佳使用率，確保觀眾與工作人員知道正確的出入口位置，並實際運用這些資料做出即時決策。這也能夠為下一屆奧運留下寶貴記錄，下一屆團隊能善加運用基本資料集來建置模型，並規劃應對複雜的各種情況。

最後一個例子是從運動員的角度出發。奧運賽事是運動員的榮耀時刻，對部分運動員而言可能是職涯的最高峰。我們會希望能讓運動員省去煩惱用餐、交通和住宿等問題的時間，讓他們專注於比賽表現，奪得佳績。

因此我們在奧運賽事中實作搭載 Intel AI technology 的聊天機器人。運動員可以向聊天機器人詢問關於用餐、交通和住宿等問題，並透過對話得到答案。在我們獲得越多答案、越瞭解其運作方式的同時，聊天機器人將會變得更加聰明。這會徹底顛覆運動員在巴黎奧運期間的生活。

請為我們介紹您在奧運和帕運中所投入參與項目的過程。

我們首先要問：「我們需要提供什麼樣的服務？我們想要解決什麼問題？我們擔心什麼狀況發生？」我們會針對每屆奧運賽事設定一系列的期望與目標，也會設定我們希望如何借鏡上一屆經驗而有所成長。

然後我們會評估，並問：「Intel 技術能如何協助？」我們跟許多夥伴密切合作，努力找出問題的答案。然後我們會制定解決方案的時程計劃。部分解決方案是可以在賽事開始前先行提供：例如數位孿生。數位孿生的優勢不僅展現於奧運期間，更能在奧運結束後帶來更多效益。接著，有另外一些解決方案是用於奧運期間。我們當然希望奧運期間一切順利，我們可以從旁觀賞精彩賽事，放心讓技術發揮其價值與效果。但我們也一定會安排現場人員協助，確保賽事能順利進行。

奧運結束後，我們的下一步是什麼呢？

奧運期間產生的資料量非常龐大，對吧？包含所有轉播資料內容、所有賽事精華片段。還有我們所收集能協助 IOC 瞭解分析人潮流動等資訊的所有資料。正如我前面提到的，這些資料絕對會用來建立模型，協助規劃下一屆奧運賽事，以及其他類型的娛樂活動。

奧運結束後，我們所研究的其中一個非常有趣的使用案例，是奧運廣播服務公司運用了 AI 平台的技術來播出賽事的精華片段。我們將能夠打造別於以往的精華片段，因為過去精華片段都是由少數人製作而成。

想想看我們現今收看影音直播的模式，我們的期望要求更高了，我們希望能接收更個人化的內容。而奧運共有 206 個不同國家參加，使用語言眾多，運動項目也各有不同。有一些比較大的國家常年稱霸特定比賽項目，這些國家會特別重視特定運動項目，而其他一些運動項目則是關注度極低。

AI 精華功能可以產生精華片段，根據特定國家的觀眾量身打造精華內容。模型也會隨著時間不斷學習，變得更聰明，粉絲觀眾就能收看更精彩、更個人化的賽事精華片段。

奧運期間使用的 Intel 技術可以應用於其他產業領域嗎？

幾乎所有 Intel 提供奧運使用的應用程式，都可以用於體育賽事以外的其他活動中。我們思考的方式是：「這些技術如何展現我們的能力？」以及：「如何擴充？」

其中一個例子是一個非常有趣的 AI 平台應用程式，叫做 AI Talent Identification（AI 識才工具）。這項工具會利用 AI 進行生物力學分析，協助運動粉絲瞭解他們最有共鳴的奧運運動項目。粉絲會進行一系列有趣的運動，Intel 會將資料彙總，然後獲得結果。想一想生物力學分析可以發揮什麼作用，這個應用程式可以透過各種方式改善人們的生活方式，包含物理治療和職業健康。想一想數位孿生：您可以時常在製造業和城市中觀察到這項技術。通常需取決於目標，但這些類型的技術絕對能帶來諸多優勢成果。

賽事期間，Intel 的夥伴關係和生態系統可提供哪些價值？

奧運是國際一大賽事，在後疫情時代，我們都很期待看到奧運回歸。非常令人興奮，但顯然非常複雜。即使沒有舉辦奧運或帕運，巴黎本身就是一座巨大且複雜的城市，要將所有一切整合在一起是一件極具挑戰的事。

此外，AI 技術不斷精進，變得更聰明、更主流，因此影響到人們的期望。但我們可以利用 AI 技術產生的所有資料來建立複雜又有趣的模型（可執行運算），並且 Intel 將會在奧運期間提供許多不同的 AI 應用程式。

但 Intel 並不是孤軍奮戰，必須建立強大的夥伴關係。我們將盡所能找出最佳的解決方案，並與適當的生態系統合作提供技術，包括其他頂級奧運合作夥伴與當地夥伴。Intel 協助開發解決方案，並與值得信賴的夥伴合作，共同帶來精彩的奧運賽事。我們非常高興能成為國際奧委會和國際帕委會的夥伴，共同帶來歷年最精彩的奧運賽事。

相關內容

若要進一步瞭解技術如何為賽事體驗注入動能，請收聽《革命性的創新技術，將賽事體驗提升至全新境界》。欲知 Intel 的最新創新技術，請在 Twitter 和 @Intel 上追蹤 LinkedIn。

 

本文由 Erin Noble 編審。

自助結帳似乎是一個好主意：雜貨店和便利商店的顧客不用排隊，就能直接掃描自己的商品，然後付款離開，讓員工可以執行其他工作。但現實跟理想還是有落差。自助結帳的隊伍多半比有收銀員的通道還要長。和經驗豐富的收銀員相比，顧客查看商品所花的時間更長，可能會搞糊塗或出錯，需要等人協助處理。對於零售商而言，耗損是一大痛點。

有些商店嘗試使用自動（無收銀員）「Just Walk Out」付款系統，但這些商店可能只提供選項有限的商品，又需要大量技術投資。

電腦視覺輔助結帳由商店人員支援，或許能為零售商及其顧客提供他們所追求的理想解決方案。快速準確，無需逐一掃描，讓商店保留「微笑服務」的傳統，顧客自然會再度光臨。

更順暢的零售結帳解決方案

零售商和顧客一樣對服務延遲感到沮喪，但長期勞動力短缺和工資上漲往往使他們無法僱用更多員工，一家專攻零售商 AI 技術解決方案的電腦視覺公司 RadiusAI 的執行長暨共同創辦者 Aykut Dengi 表示。

為了更妥善處理等待時間，零售商開始測量顧客抵達結帳櫃枱完成交易所需的時間。數字不太漂亮。

「他們問我們是否可以提供技術來解決問題。於是我們打造了 ShopAssist，」Dengi 表示。ShopAssist 將電腦視覺攝影機取代結帳櫃的掃描機，這種攝影機的速度更快，能把顧客或收銀員的勞動降到最低。

有了 ShopAssist，顧客可以將一整籃的商品倒在櫃枱。攝影機在不到一秒內就能辨識選購商品中的每一個品項。顧客和收銀員的螢幕上皆顯示包含價格、產品影像和總成本的細目帳單。然後，顧客可以自行完成交易。如果他們想使用折價券或購買需要身分證的商品，ShopAssist 會立即通知收銀員給予協助。收銀員和顧客之間的互動是透過 ShopAssist 面對面進行，跟傳統收銀員結帳的方式一樣。這有助於為顧客和員工打造良好的體驗。

除了加速交易，電腦視覺系統還有助於防止耗損，這對零售商來說是一個日益嚴重的問題，在自助結帳時更是如此。例如，不肖分子可以從廉價商品取下條碼貼紙，貼在價值較高的產品上。這項技術不適用於 ShopAssist，它雖然可以讀取條碼，但更關注產品的影像，就跟人類一樣。電腦視覺也能防止顧客因疏忽掃描商品或掃描不當而出現問題。

改善零售庫存管理

耗損和掃描錯誤不僅會讓零售商損失收入，也會導致庫存追蹤失準。食品服務項目等沒有條碼的商品尤其麻煩。例如，有的商店可能會提供各種燒烤食品，例如熱狗、玉米餅和墨西哥捲餅。這些商品可能會有不同的成本，如果未向顧客收取準確的費用並記帳，商店就會損失利潤，庫存也會失準。例如，顧客使用汽水杯喝冰咖啡時，飲料機也會造成問題。

便利商店如果希望提升商品受歡迎的程度，那麼新鮮度和供應量就顯得至關重要。「熟食是便利商店日益成長的利潤來源，但如果你烹飪錯誤的商品，很多最終都會丟棄在垃圾桶，」Dengi 表示。「ShopAssist 以視覺正確辨識商品，減少食物浪費，有助於提高利潤。」

ShopAssist 在產品追蹤的靈活性，讓商家可以包含更多種類的商品，而不受只能銷售特定商品類型的技術限制。自動結帳也限制了產品的顯示方式，安裝起來複雜且成本高昂。「在每個貨架上放置攝影機是一筆巨大的開支，」Dengi 表示。

ShopAssist 軟體平台仰賴 Intel 處理器的效能處理視覺任務，以及 Intel GPU 以更快推斷，協助快速辨識各種商品，包括系統以前從未見過的品項。嘗試新產品對零售商來說很重要。「一般的商店每週會推出一百種新商品，通常包括本地或專業供應商和當地最愛的品項，」Dengi 表示。「ShopAssist 可以輕鬆捕捉尚未引進銷售點系統之產品的新影像，並在整個企業中統一管理，節省時間和費用。」

產品首次推出時，攝影機除了捕捉影像，還會讀取條碼，然後技術學會將影像和條碼結合。RadiusAI 使用 Intel^® OpenVINO^™ 工具組持續最佳化產品辨識在內的 ShopAssist 流程。

RadiusAI 也與零售商和系統整合商合作，根據個人需求定製 ShopAssist 軟硬體。舉例來說，除了啟用電腦視覺，Intel^® 處理器也能用於在商店執行其他裝置。

「零售商正在採用更多邊緣解決方案，並且對使用 Intel 硬體很熟悉，」Dengi 表示。「比方說，他們可以從使用 ShopAssist 系統結帳著手，之後決定在同一部電腦上管理烤箱。」

透過新增名為 ShopAssist Pulse 的 RadiusAI 解決方案，零售商可以利用現有的商店攝影機，擴展輔助結帳、庫存管理和食品操作的功能。

「如果有人拾起兩片披薩，放進同一個盒子裡，或在購物時吃了一片，系統可能會辨識顧客並正確收取兩片披薩的費用。它也可以通知員工，展開非對抗性的損失預防策略。他們可能也想將另一片披薩放進烤箱，因應午餐高峰期，」Dengi 表示。

保留社交體驗

顧客喜歡交易快速，但也重視客服與人類互動，這是自動自助結帳時經常缺少的元素。「人們去店裡不是為了買東西，而是跟員工聊天。這是一種社交體驗，」Dengi 表示。許多自助結帳系統都離商店員工很遠。這導致增加損失預防、交易時間變慢，並引發顧客滿意度問題。

未來，零售技術本身可能會更個人化。例如，RadiusAI 與 CPG 公司合作，根據顧客的購買情況建立現場生成式 AI 促銷活動。「最好的技術對顧客和員工而言都是看不見的，」Dengi 表示。「以正確的方式實施時，電腦視覺可讓員工在必要時提供協助，而不會造成顯著的開銷。」

 

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

從餐食餐廳到速食外賣和工作場所自助餐廳，客戶不僅期望食物美味，也期望體驗快速便捷。同時，食品服務業正在尋求更高效的營運、準確的庫存管理，並且提升盈利能力。

為了保持領先地位，大型食品零售商仰賴邊緣 AI 和電腦視覺等轉型技術。搭載這些技術支持的平台，讓零售商從耗時的傳統結帳轉移至客戶希望的高效自助服務。此外，它們提供寶貴的資料有助於瞭解客戶的喜好設定、盡量減少資源浪費、庫存短缺和次優的效能。

IT 解決方案供應商上海凱景信息技術有限公司 開發了 AI 支援的自動結帳服務，克服食品服務的挑戰、滿足新客戶的需求，並開創新的機會。

進行中的餐飲服務零售轉型

以老鄉雞餐飲有限公司為例，這家速食餐廳（QSR）連鎖店在中國各地設立 2,000 多家分店。這家餐廳的目標是克服一系列的挑戰，例如追蹤效能，以及在所有分店地點將資源運用到極致：

大規模管理營運：全面掌握所有商店的營運情況，同時不降低服務品質是首要任務。有了大規模的版圖擴張（增加到10,000家分店）計畫，公司需要確保整個業務在如此巨大的成長中仍能持續平穩運作。

提高盈利能力：由於食品和租金成本高昂，速食餐廳的利潤率通常很低。但他們最大的支出是員工，可佔每月成本的 30%。隨分店數量不斷增加，食物浪費正在侵蝕著利潤。

改善客戶體驗：餐廳面臨的挑戰之一是維持每家連鎖店效能一致，而快速擴張版圖會使問題加劇。無論客戶在哪裡用餐，老鄉雞都必須保證每家店提供一致且正面的體驗。為了維持正面的品牌聲譽，公司必須克服服務緩慢、排隊冗長、食品品質參差不齊和區域不衛生等問題。

提升營運透明度：該公司希望更清楚掌握商店的業績，找出表現最好和最差的店家。這些資訊能讓管理階層查明哪些因素導致了結果，並實施糾正措施。阻礙在於他們使用過時且效率低的手動方法，因此幾乎不可能大規模執行任務。

顯然，老鄉雞需要上海凱景的食堂解決方案，這是一款 AI 支援的自動結帳服務端對端數位零售平台。該平台提供了 AI 和電腦視覺支援的功能模組，用於產品辨識和重量測量、定價、臉部辨識、付款、資料分析、綜合系統管理等應用。

由於食品服務地點的實體佈局和產品不同，POS 站有三種形式：桌上式一體機、櫃枱式結帳機和垂直結帳機，為老鄉雞這樣的食品零售商帶來靈活變通的便利，因應每家分店的需求（圖 1）。

餐廳的 AI 提供可衡量的成果

老鄉雞與上海凱景合作後，取得了顯著的成果，包括能夠：

• 透過即時產品 SKU 辨識和交易帳單生成，減少手動結帳任務和客戶結帳時間的需求。
• 透過分析客戶流量模式來預測用餐高峰期，讓管理人員瞭解流量趨勢、主動為客戶爆增或人潮冷清做好準備，明智地調整營運方式和資源配置。
• 利用有效的庫存管理，將食物浪費降至最低，確保店家依據準確的消費模式預測，讓庫存水準維持在最佳狀態。
• 利用 AI 和電腦視覺 AI 驅動的分析，改善與食品品質、廚房衞生相關的標準作業程序，同時遵守安全法規。
• 讓管理階層全面掌握各分店地點的績效指標，找出營運的薄弱環節，以便優先考慮並迅速調整必要的措施。

「總的來說，我們的平台讓老鄉雞實施策略決策，進而促進收益成長，改善客戶體驗，」上海凱景技長 Zhengting He 表示。每個店家每月減少 450 美元的人力成本，結帳效率提升高達 80%，消除因排隊冗長導致的客源流失。此外，該公司每天的銷售量成長了 10%，因此每個店家的利潤每年增加 38,700 美元。

技術和工具為餐廳的 AI 注入動能

為了提升食堂的平台效能，該公司轉而使用 Intel 技術。Intel^® Core^™ 處理器和邊緣 AI 技術提供近乎即時 SKU 辨識所需的效能，準確率高達 99%。「我們的測試顯示，這種效能和準確性使平均結帳時間縮短為三秒，」Zhengting He 表示。Intel^® OpenVINO^™ 工具組憑藉先進的電腦視覺功能，將推斷效能最佳化。

Intel^® oneAPI 影片處理資料庫在食堂的影片分析功能中也扮演舉足輕重的角色。例如，Intel^® GPU 的先進軟硬體功能可讓 AI 驅動的品質和合規性檢查在非工作時間進行。

上海凱景除了提供「食堂」等先進產品之外，也提供其他服務，包括量身打造的諮詢、產品生命週期支援、CRM 和資料分析，協助最佳化供應鏈並提升營運效率。

該公司提供的服務滿足各種客戶的需求，確保他們維持永續成長策略並遵守產業標準。「我們的領先客戶正在迅速擴張，我們相信這種趨勢會持續下去，」上海凱景行銷長 John Yang 表示。「我們很高興能協助老鄉雞等公司繼續致力為世界各地的人們提供優質且實惠的食品。」

 

由 insight.tech 編輯副總監 Christina Cardoza 編輯。

無論目標是加速辦公室工作或透過聊天機器人令客戶刮目相看，現今的企業都愈加渴望部署 AI 應用程式。

AI 應用程式一旦推出，就能提高生產力。但是建立這種模式可能會耗費許多時間，特別是對於生成式 AI 解決方案而言，它採用大型語言模型和影像辨識系統，需要經過大量的微調和測試。

現在有更好的方法能讓 AI 解決方案開花結果。企業可以利用低程式碼平台更快開發自訂 AI 應用程式。低程式碼應用程式維護及自訂更加簡單，可適應未來的使用案例。

簡化 AI 解決方案開發

低程式碼 AI 平台開發者 Iterate.ai 的共同創辦人、數位長暨技術長 Brian Sathianathan 表示，在 AI 應用程式競爭激烈的世界，時機是一大關鍵因素。「許多公司都希望搶先推出創新解決方案。但這很難做到，因為他們的 IT 和技術團隊已經忙得不可開交了，」他表示。

Sathianathan 和同事創立 Iterate 是為了簡化 AI 應用程式的建置流程，將開發時間從數月縮短至數週。「平均而言，將 AI 的構想從概念化為現實的速度要快上八、九倍，」Sathianathan 說。「建立複雜度較低的 AI 解決方案，速度可提升高達 17 倍。」

Iterate 透過為各種 AI 功能（例如聊天機器人、付款系統或影像辨識）建立預先編寫的程式碼區塊來節省時間。開發者可利用公司的 Interplay 平台將程式碼區塊拖放至解決方案。

「這就像用卡車上提供的零件建造豪宅一樣，」Anton 表示。「我們把整個廚房、卧室和浴室寄給您，您三兩下就能組裝起來。」程式碼區塊分為金融、保險、零售和汽車等產業的自訂解決方案。

利用低程式碼平台節省時間

Interplay 的企業辦公室解決方案 GenPilot 讓組織利用內部資料與文件，建立自己的生成式 AI 大型語言模型（LLM）。許多 LLM 專門從事財務規劃或物流管理等任務，而 GenPilot 可讓他們選擇自己喜歡的模型。雖然 Chat GPT 和 Microsoft Copilot 等公共 LLM 解決方案也可用於生成式 AI 解決方案，但有些公司不願將資訊上傳給他們。

「公共模型在多租戶雲端環境中共享。我們提供一個安全的私密環境，讓公司在內部執行模型，」Sathianathan 表示。銀行、保險公司和其他組織也可以建立管理不同地區資料的合規規則。

對於員工而言，GenPilot 透過收集及解讀跨資料庫的文件，節省數小時的時間。例如，如果保險客戶向公司代表傳送電子郵件，但忘了提供保單編號，GenPilot 不僅能找到它，還能確定保單如何適用於問題、客戶為服務支付多少費用，以及變更是否會影響費用。然後，它會撰寫對客戶電子郵件的回覆。

「這套系統會以簡單的英文做出明智的回應，」Sathianathan 表示。公司可以制定語氣和技術等級的規則。

對於 PDF 等非結構化文件，員工可以使用另一款解決方案，即 Interplay OCR Reader。此應用程式將影像翻譯為機器可讀取的文字，並啟動工作流程。例如，銀行員工將客戶的掃描文件上傳至 OCR Reader 時，它會擷取相關資訊，並將其填入貸款申請表。

簡化零售 AI 管理

Iterate 最新的解決方案之一是 Interplay-Drive-Thru，可建立語音支援的聊天機器人，接受客戶訂單，並在繁忙的速食餐廳（QSR）提出追加銷售的推薦。

長期勞動力短缺通常需要 QSR 員工執行多項任務、包裝食品、收款，以及為店內和使用得來速的客戶提供服務。「聊天機器人能給他們多一點喘息空間，」Sathianathan 表示。訂單處理速度更快，縮短客戶的排隊時間，並提升餐廳的流通。

得來速和其他零售商可以利用 Interplay 的 LPR（車牌辨識）解決方案加速付款。選擇提供車牌和信用卡照片的客戶，一旦抵達參與的企業，電腦視覺攝影機即會識別。Interplay LPR符合 GDPR 和其他隱私法規，目前在歐洲 1,000 多家加油站和便利商店部署。

「它會自動為客戶打開油泵，向他們收取加油費。這些行動全在 30 毫秒內執行，」Sathianathan 表示。

Interplay 的 LLM 解決方案在 Intel^® 處理器上部署。一如許多 LLM 解決方案，在高效能 CPU 上執行的應用程式比同樣需要 GPU 的企業更具成本效益。

「僅使用 CPU 的系統，每台機器的成本為2,500 至 4,000 美元。同等的 GPU/CPU 組合為 8,000 美元至 12,000 美元，」Sathianathan 表示。零售 IT 團隊也更熟悉標準作業系統，因而縮短訓練時間。

一旦部署低程式碼解決方案，開發者就能輕鬆地將相同的 Interplay 程式碼區塊移至新的解決方案，不必整理數百萬行程式碼來進行變更。此外，Interplay 的程式碼區塊使用了 Intel^® OpenVINO^™ 工具組，讓開發者能更高效地最佳化他們的 AI 應用程式。「使用 OpenVINO 可減少高達 350% 的運算能力。這是巨大的優勢，」Sathianathan 表示。

低程式碼 AI 解決方案的光明未來

Sathianathan 表示，現今的AI 應用程式可讓公司以前幾年無法想像的方式自動化流程。「AI 解決方案可以進行銷售電訪。也可以產生傳統上製作成本高昂的法律文件。」

無論是小型還是大型企業，都可以使用低程式碼建置組塊，快速且經濟實惠地開發此類解決方案。這有助於擴大 AI 應用程式的範圍，並創造公平的競爭環境，Sathianathan 表示：「很快您就會看到許多新的自動化功能正在開發。新創公司將能超越自身能力，成本也會持續下降，加惠所有人。」

 

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

醫療保健中的 AI 正在改變診斷醫學的面貌，協助醫師更準確地執行工作，改善病患的治療成果。

邊緣 AI 在內視鏡檢查程序中的使用是最佳範例。內視鏡檢查涉及將裝有攝影機（內視鏡）的管子插入身體，以取得病患器官和組織的影像或影片。內視鏡檢查程序有多種用途，其中數一數二重要的作為診斷工具，協助消化道（GI）醫學專家篩檢癌症。內視鏡檢查可讓醫師檢偵息肉、良性但可能會導致問題的生長物（特別是腺瘤），醫生認為這種息肉是癌前病變。

但即使是經驗最豐富的醫師，也難以可靠地解讀內視鏡影像。

「醫學文獻告訴我們，醫師在大腸鏡檢查過程中無法發現息肉的比例為 22% 至 28%，」全球多元化運算產品開發商 ASUStek 電腦公司產品工程師 Sabrina Liu 表示。「這項工作本身就難度很高：有的腺瘤非常小，難以查看，而息肉的形態又千百種，很容易在影片中遭到遺漏。」

除了內視鏡的技術挑戰，還存在著基本的人類限制。例如，醫生在長時間輪班結束時可能會比一天開始時更疲累、更容易出錯。此外，菜鳥臨床醫師在解讀醫療影像方面不太可能像經驗豐富的醫生那樣嫻熟。

現今的創新解決方案利用邊緣 AI 和電腦視覺來增強傳統的內視鏡設備。而這些系統已部署在實際臨床環境中，並取得令人樂觀的成果。

臨床部署示範改善準確性

目前台灣多間醫院使用的 ASUS Endoscopy AI 解決方案 EndoAim 就是典型案例。

系統透過每秒分析高達 600 張影像，即時在螢幕上突出顯示 AI 偵測到的息肉，提醒醫師注意任何遺漏的內容。如果他們想更仔細地檢查某個感興趣的區域，可以切換至窄頻成像（NBI），系統會自動將選取的息肉分類為腺瘤或非腺瘤。醫師也可以利用系統對息肉進行一鍵測量，而之前一般透過目視判斷來確定息肉大小，其準確度相對較低，約為 62.5%。

該解決方案在臨床環境下的成果令人驚豔。「醫師發現腺瘤檢測率平均提升了 15% 至 20%，」Liu 表示。「偵測小型息肉方面也有顯著改善，而且節省時間，因為醫師現在可以在內視鏡檢查時更快速準確地測量息肉。」

AI 工具組、邊緣硬體與協作加速上市時間

使用邊緣 AI 改善內視鏡檢查的準確性與診斷一致性可能會吸引許多醫師，而這些系統的實體特徵也進一步促進了其採用的動力。

EndoAim 基於微型邊緣電腦，小巧的外型規格為 12 公分 x 13 公分 x 5.5 公分 ，這對於空間寶貴的醫院檢查室來說是一大考量因素。此外，系統無需專門醫療硬體，即可連接現有的內視鏡設備，讓臨床醫師立即開始使用 AI，更輕鬆、更具成本效益。

ASUS 與 Intel 的合作關係，對開發市場就緒產品至關重要。「搭載內建顯示晶片處理的 Intel CPU 協助我們縮小解決方案的整體尺寸，並實現 60 FPS 的影像分析速率，這是醫師目前所能得到的最高速率，」Liu 表示。「使用 Intel^® OpenVINO^™ 工具組，我們也最佳化了電腦視覺模型，讓模型更順暢高效地執行。」

兩家公司之間的協作展現了技術夥伴關係如何為醫療裝置買家提供強大的解決方案，並能比以往更快實現目標。

「我們從 2019 年開始研究 EndoAiM ，並在 2020 年底推出早期模型，那時我們找上 Intel 尋求工程支援，」Liu 表示。「到 2021 年，我們有了想要推出市場的產品版本。」

醫療保健領域的 AI 未來：GI 醫藥及其他

解決方案供應商可以更快速有效地創新邊緣 AI 系統，這對醫師、病患和醫療保健 SI 來說是一大好消息，因為它無疑將在未來幾年實現其他使用案例。

ASUS 已利用現有的內視鏡系統，著手研究部分新的使用案例。Liu 表示，該公司打算將電腦視覺解決方案擴展到消化道醫學的其他方面，例如對上消化道和胃的影像進行分析。此外，ASUS 工程師正在研究利用 AI 的方法，建立超越檢測和診斷支援的解決方案，實現疾病預測，協助醫師提早發現潛在的問題，讓患者更早開始治療。

除了 GI 醫學之外，EndoAiM 背後的電腦視覺演算法最終也可以應用於其他類型的醫療影像。「我們看到了這項技術擴展至分析超音波、X 光、MRI 等影像的潛力，」Liu 表示。「這裡有很大的機會能幫助人們，我們很高興聽到不同醫療領域的臨床醫師的意見，並瞭解可以如何開發解決方案以滿足他們的需求。」

 

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