概念性驗證展示了零售分析的發展未來

Posted on by Pete Berta

數位零售商善於利用從線上收集的客戶資料。他們擅長利用分析來提供更好的客戶體驗，並提高未來行銷的針對性。相反的，實體零售的性質使得實體零售商無法使用許多易於追蹤的資料點－但現在不同了。

如今，最新的 AI 和電腦視覺技術讓零售商可以了解買家的店內旅程－捕捉人流、停留時間以及客戶與商品展示互動的資訊。

這些客戶相關的深入見解搭配即時分析和回報技術能把零售商店變成智慧商店，店面陳設、人員管理、歷史客戶資訊等運營資料能提供零售商有用的深入見解，協助他們打造個人化的客戶體驗並提升銷售量。

AI＋客製化＝智慧零售

ASUS 智慧零售解決方案將這一切都整合在一起。這個立即可用的解決方案由 ASUSTek 打造，是一個採用 AI 技術的邊緣至雲端套件。此解決方案可以直接按照原本的設定安裝使用。此外，系統整合商和零售業者也有機會進行客製化。

「我們提供的解決方案對使用者相當友好，且配有適用許多零售場景的一般設計。」Iris Wang 表示，她是 ASUS 的一名軟體規劃師。「如果零售商需要客製化，我們也能加以支援，因為我們也具備從雲端後台開發 API 的能力。如果有需要，我們可以與系統整合商或零售商進一步討論。 」

智慧零售解決方案的硬體需求相當簡單：只需要一台連接店內各台攝影機的 Intel® NUC 「迷你電腦」。「我們為系統整合商和零售商提供攝影機規格以及攝影機配置的相關文件，包含收集特定視訊影像類型的最佳的角度。」Wang 表示。「系統整合商只需要學會如何安裝硬體，以及了解網路攝影機部署的相關知識。我們會提供相關的技術支援，包含技術文件、安裝指南和諮詢。」

ASUS 大膽的概念性驗證：自己的商店

ASUS 在台灣和東南亞的自家商店裡推行了這套智慧零售解決方案。這些商店販售筆記型電腦、智慧型手機和其他產品。該公司使用了這個工具來提升購物體驗，同時展示解決方案的可行性。

「我們知道數位化的代表零售商必須進行額外投資，並改變過去的經營方法。」Wang 說道。「所以，我們在門市裡架設『活生生』的概念性驗證對於客戶非常有幫助。這些客戶在做出購買決定前，希望能先看看解決方案的實際運行狀況。」

ASUS 在大大小小的門市裡架設了該系統。「較小的門市可能只需要用到一台裝置和兩三台攝影機。」Wang 說。「在較大型的門市裡，我們安裝了五六台裝置，最多還安裝了 20 台網路攝影機來收集視訊影像。我們能向客戶展示我們的經驗，顯式我們能在各種門市類型和尺寸進行部署。」

另外，透過簡便易用的儀表板還能遠端監管各間門市。管理人員可以輕鬆查看一些資訊，例如入店和互動率、客戶上次來店時間、他們在特定區域裡停留多久等等。他們能制定策略，改善產品展示、客戶互動和促銷活動（圖 1）。

圖 1.靈活的管理儀表板能提供即時趨勢分析。
圖 1. 靈活的管理儀表板能提供即時趨勢分析。

除了展示概念性驗證外，ASUS 的零售團隊比較了不同標竿門市收集而來的深入見解，藉此找出改善空間，並向表現最佳的門市學習。「他們用這套系統測試了多個關於地點和客戶性格的假設，並制定未來的零售拓展計劃。」Wang 表示。

AI 推動行銷與人員決策

ASUS 解決方案的標準套件裡包含三種整合工具。第一種是一系列 AI 模型，可辨識性別和年齡等購物者人口資訊。另外還有一個用來計算人數的內部演算法。第三種則是儀表板，這個儀表板能夠以簡單易懂的型式，向零售經理迅速提供即時和歷史資訊。

零售經理可以根據分析制定策略，改善與客戶之間的互動。門市吸引較多的是男性還是女性客戶？一天之中最繁忙的時刻是什麼時候？哪一款產品或服務最受歡迎？這些資料點能帶來智慧的行銷和有效的人員配置。

ASUS 將智慧零售軟體設計成能在最多種設定中運作的解決方案。「我們運用 Intel® OpenVINO™ 工具組來最佳化我們的 AI 模型，所以這些預先訓練的模型與 Intel® 平台裝置高度相容。」Wang 說。

今日的安全性，明日的商業智慧

在現今艱難的環境中，ASUS 解決方案能滿足店主的多種需求。無論是面臨什麼新趨勢還是緊急狀快，ASUS 都能打造全新的 AI 模型，並透過雲端發布軟體。現在對於客戶和員工保護的需求越來越高，而此系統可以辨識某人是否有配戴口罩，或是店裡的某個區域是否過於擁擠。

而在這項技術幫助零售業者成功適應新的零售生態環境後，它還能幫助他們聚焦商業智慧和分析，加深業者對於現況的了解。這能幫助業者制定更智慧、以資料為中心且可營利的決定。Wang 說：「我們認為視訊分析技術是強健復甦和長期零售成功的關鍵。」

專為電腦視覺應用程式的最新產品，打造快速自訂人工智慧

Posted on by Pete Berta

這位是 Walker，它是一台智慧人形服務機器人。Walker 可以包辦各種任務，從與他人互動到倒飲料、搬運物品、擦拭物體表面以及記錄注意事項。甚至連上下樓梯也難不倒它（影片 1）。

影片 1。Walker 由 UBTECH Robotics 公司開發，是一款運用先進電腦視覺技術的智慧服務機器人。

雖然在 Walker 的研發過程中需要用到許多工程專業技術，但真正讓它獨一無二的莫過於電腦視覺。物件偵測、臉部識別、目標追蹤、人體姿態估計以及同步定位與環境地圖建立 (SLAM) 演算法，均對 Walker 的能力有至關重要的影響。

自訂電腦視覺仍然面臨挑戰

雖然大眾已能透過如 OpenFace 和 OpenCV 等開源專案，使用先進的電腦視覺技術，但這並不代表這門技術能直接投入實用。事實上，將電腦視覺軟體從一個環境直接轉移到另一個環境，同時又要維持相當的效能，這項嘗試幾乎可說沒成功過。

以人體姿態估計為例，可以將健康照護人員以及客戶服務人員兩相比較。在健康照護的使用案例上，可能會將演算法最佳化以偵測跌倒或失能患者。而在客服的使用案例上，則很有可能會著重在推斷他人情緒。

雖然兩種情況甚至能使用類型相似的神經網路，但個別的實際應用仍使最終的人工智慧架構有著巨大的差異。

而上述例子甚至還沒將各種眼花撩亂、適合特定使用案例的硬體組合納入考量。各種組合可能包括不同的連線介面和協定、相機鏡頭和延遲、處理器類型和記憶體組態等。更別提沒考慮到持續的硬體商品化，實際上會讓開發獨特、專門的電腦視覺變成一項增值差異化因素。

總而言之，創新的電腦視覺需要自訂人工智慧模型。但可惜的是，這需要時間。而且通常耗時很長。

「現在有不同的軟體框架可供使用、各種可以用來開發的神經網路模型，以及大量的硬體元件以及周邊產品可以使用，」Avnet, Inc. 嵌入式解決方案資深經理 Christian Lang 說道：「設計師們光是評估適合一個應用程式的硬體和軟體就需要耗費數個月。」

加速應用程式開發

儘管如此，所有先進電腦視覺的促成技術早已問世。所以將時間耗費在評估相機和運算硬體、選擇軟體開發框架，以及引進開源儲存庫的模型，其實是拖緩自訂人工智慧模型進行快速原型設計的技術整合挑戰。

「將電腦視覺應用程式開發流程加快的最佳方法，就是在邊緣提供現成、智慧、即時的分析資料（在數小時內即可投入使用），免除耗時的評估流程，」Lang 說道。

而 Avnet 已經成功了，方法就是將一項以邊緣為基礎的電腦視覺系統需要的所有元件，整合至邊緣視覺分析平台（其具備快速設計先進電腦視覺模型必要的硬體和軟體元件）。

該公司建立了一個概念驗證，來展示靈活的軟硬體解決方案疊可以如何適應各種產業的需求（從零售商和教育機構，到工業自動化和公共安全）。該驗證包括一套完整的視覺相機組、Avnet 子公司 Softweb Solutions Inc. 開發的應用程式軟體，以及數個堅固的邊緣人工智慧處理器平台。此外，它還利用了 Intel® 類神經電腦棒技術（以八個 Intel® Movidius™ Myriad™ X 視覺處理器為基礎）。

但其他絕大部分的魔法都得歸功於 Intel​​​​​​®​​​​​​ OpenVINO​​​​​​® Toolkit™，這是一個人工智慧模型最佳化環境，透過一個單一且易用的 API 整合數十種電腦視覺軟體元件。它提供了類神經電腦棒並支援 Open Neural Network Exchange (ONNX)，藉此讓開發人員能使用所有最常用的電腦視覺開發框架（如 TensorFlow 和 Caffe）。

一旦將這些軟體元件整合進 OpenVINO 環境，工具組會將它們傳過一個模型最佳化工具和推理機，以減少整體足跡並提升電腦視覺工作負載的效能。而或許同樣重要的是，該開源開發工具不僅會為 VPU 自動化流程，也會為 CPU、GPU 以及 FPGA 進行自動化。

而結果是，電腦視覺工程師幾乎能立即開始自製人工智慧模型，而無需擔心上市硬體組態是否會與原型平台有所出入。

迄今為止，該平台已經用來快速設計自訂匿名行為和規律分析模型原型，以及即時姿態偵測演算法（圖 1）。

圖 1.適用於快速設計自訂姿態偵測演算法原型的 Avnet 邊緣視覺分析平台。（來源：Avnet, Inc.）
圖 1. 適用於快速設計自訂姿態偵測演算法原型的 Avnet 邊緣視覺分析平台。（來源：Avnet, Inc.）

「此次創新是在單一平台上運用了各種新技術，將複雜的硬體及軟體使用難度降低，讓顧客可以在數小時內完成設置並開始測試他們的應用程式，」Lang 解釋道。「我們的目標是讓顧客跳脫以往學習操作的經驗，得到『哇賽！原來這麼輕鬆簡單！』的快速體驗。」

姿態是什麼？

視覺優先人工智慧已經準備好要顛覆所有產業了，更別提我們的日常生活。想當然爾，大家都想加入這場即將到來的科技革命。只不過，在先進的電腦視覺世界中大刀闊斧創新之前，要先克服的學習難度相當之大。

甫進入市場的新手若想要彌補不足，就不能在既有的事物上鑽研，應該要借助他人的成果來節省時間。能夠創造出自訂新產品的人，才能贏得真正的勝利。

發生編碼問題？嘗試無程式碼解決方案

Posted on by Pete Berta

對於許多物聯網 (IoT) 專案而言，複雜性可能會成為阻礙。開發人員經常需要使用各種舊系統，每個舊系統都具有自己的程式語言、工具組和通訊協定等。他們需要解讀來自舊系統的資料，並弄清楚如何將這些新取得的資料發送到正確的目的地，這代表他們可能需要學習另一組 API 和通訊協定。舉例來說，資料可能需要轉到 Web 儀表板，觸發 SMS 警示或整合到各種企業應用程式中。

光傳輸資料可能就會發生問題。資訊通常需要流經各種網路，包括 Edge 專用的即時網路，以及後台的企業 IT 網路。在這裡，開發人員同樣需要各式各樣的技能。

當然，越來越多的應用程式需要諸如機器學習或預測性維護等 AI 技術，但這是另一套難以掌握的技能。

啟動並執行？還沒結束

設法解決這些問題並進行全面部署的公司面臨了新的障礙：如何利用其物聯網 (IoT) 裝置收集的資訊。物聯網 (IoT) 系統通常結合了許多不同的資訊來源以擷取有用的見解。這種協作方法通常不符合現實中組織隔離資料的方式。

有時，孤島只存在於物理和學術中，就像舊的關鍵任務控制系統一樣，從沒人打算把它與現代網路裝置對接。有時，困難來自於文化或制度層面。某些員工可能看不到跨部門分析的價值，特別是當他們需要與經常競爭的其他業務部門合作時。

快速解決方案

但在某種程度上，這些問題如此普遍實際上是個好消息。由於這些問題威脅到許多不同行業中的物聯網 (IoT) 部署，因此他們的注意力會集中在 Webee 等解決方案上，這些解決方案可以簡化整個工業物聯網 (IIoT) 的部署過程，從最早的橫向擴展到深入的資料孤島，和執行分析。

Webee 描述其機器即時監測解決方案為「由人工智慧、IoT 和電腦視覺驅動的無程式碼端對端工具集」。Intel® Core™ 的硬體平台整合了支援 Intel® OpenVINO™ 的功能，並使用搭載工具組的部分電腦視覺演算法。

Webee 的軟體提供了直觀的視覺介面，來設定感應器資料流和硬體，而不是依賴於特定的編碼技術或必須精通某個供應商的軟體。如影片 1 所示，此方法能啟用跨硬體和跨平台的方法，該方法著重於功能而非架構。

影片 1。Webee 提供了一個無編碼工具集，能夠簡化複雜應用程式的構造。（來源：Webee​​​）

這種創新的方法能夠大幅加快開發速度。舉例來說，這種無編碼方法幫助 Panasonic 在緊迫的時間內，推出了 Cosmos 室內空氣品質監測系統。「從一開始，Webee 的工具集就幫助我們在短時間內有效地部署解決方案，」Panasonic 研發部門總裁 Jim French 表示。

跳脫孤島和擴充障礙

當然，第一個障礙就是如何讓裝置說話。「在大多數情況下，客戶已經擁有了欲處理的資訊，」Webee 執行長 Lucas Funes 解釋。「他們可能無法如所需那般輕鬆地跨資料孤島存取資料，又或者他們無法即時分析資料。」

因此，Webee 致力於將完全不同的解決方案，整合到統一的整體中。「我們能直接連線到 PLC 或 OPC UA 伺服器，從已設定的機器標籤中擷取資料，」Funes 說道。同時，他指出這也能支援 SCADA。之後，作為該解決方案主幹的 Intel® NUC 便透過乙太網路或 Wifi，連線到 LAN 生產網路。

所有內容連線完畢後，Webee 工具對於構建可擴充解決方案非常有幫助。「我們認為當您上傳所有內容並取得資料時，挑戰才真正開始。您要如何處理突然間必須存取的所有資料？您要如何將規模從為數不多的感應器，擴充到透過第三方資料庫整合背景資料？」Webee 的共同創辦人兼首席行銷長 Cecilia Flores 表示。

「所有人都會連接感應器。所有人都會擷取資料。但是當我們擁有這些資料之後，該怎麼辦呢？我們該如何從收集的資料中，獲得真正的價值？「這才是物聯網的複雜之處。」

不要再遇到同樣的問題

Webee 的明確目標是讓公司工程師 (非物聯網專家) 能更容易從編程資料流中擷取有用的資訊。如果您在物聯網部署中遇到問題，並且正在努力構建軟體堆疊，希望能從已投入使用的硬體中擷取有用的資訊，那麼有更輕鬆的方法能夠幫助您解決該問題。

零售分析為顧客打造安全的購物環境

Posted on by Pete Berta

所有零售商在當前不斷變化的情勢中都面臨壓力：利潤微薄、競爭激烈，而且顧客的需求日新月異。顧客仍然喜愛前往實體零售店探索商品與汲取靈感，然而一項日益強烈的需求正考驗著這些店家，也就是必須提供可媲美線上購物的流暢購物體驗。

擁有多間門市的零售商面臨的挑戰更嚴峻。他們始終必須保持靈活，以便能隨著當地消費偏好的變化快速調整促銷活動、產品項目和優惠內容。如今，他們還必須增加安全性功能以符合各地區不同的規定。零售環境幾乎是在一夜之間發生變化，改變了數百萬人的購物習慣。而現在店主們正在探索如何為顧客提供安全舒適的購物環境——以及如何恢復業務並且讓公司成長。

這一切都必須從收集、分析顧客資料並採取行動開始。現在，人工智慧與機器學習為實體零售商帶來了機會，讓他們可以收集與運用線上競爭對手一直在使用的指標。

零售分析可以協助復原業務，而且不只如此

Gorilla Smart Retail 是一款來自 Gorilla Technology 的全面性即時零售分析工具。這款工具專為非連鎖與連鎖零售商設計，可以針對每個地點提供即時的深入分析——從購物者的移動路徑和購物行為到顧客的人口統計資料，皆在其分析範圍內。

這款解決方案結合了攝影機、物聯網裝置和機器學習，讓商店經營者可以從最宏觀的角度觀察高效益的客流區域、購物者的行為、轉換率等等項目。經營者可以使用這些零售資料來打造更佳的廣告策略，改善人員配置，並且取得更卓越的業務成果。

Planet Sports 成功實現簡單輕鬆的零售決策

Planet Sports 販售運動服飾，旗下有 28 間門市，分布在印尼各地。身為連鎖零售商，這家公司須滿足不同客群的需求以及管理各不相同的店面陳設，過程充滿挑戰。

為求能打造個人化的體驗，Planet Sports 必須取得各間門市顧客需求的具體資料，一切都是為了提升運動服飾的銷售量。此外，由於這家公司計畫開設新門市，因此也需要採取有效率的方式管理旗下所有門市。

Smart Retail 工具即時為管理部門提供了資料——例如顧客的人口統計資料、客流尖峰與離峰時段、交易資料和轉換率。熱度圖與停留時間分析功能借助當下及過往的績效報告，協助找出了熱賣的品牌和店內的熱門區域。

「客戶瞭解到 Nike、New Balance 與 Adidas 等主要品牌創造了大量營收。」Gorilla 行銷總監 Caroline Chan 如此表示。「每個品牌都有自己的區域，所以他們希望測試顧客在品牌專區停留的時間長短是否會影響營收。」

結果令人驚訝：顧客在單一特定品牌專區停留的時間遠多於其他專區。兩個月後，Planet Sports 決定重新規劃門市的陳列方式以適應此一趨勢。「我們原先以為顧客會瀏覽不同的區域，挑選喜歡的款式，但結果竟是他們更常執著於單一品牌。」Chan 說道。「因此，我們建議他們擴大該品牌的貨架空間以創造更多收入。」

Planet Sports 另外還使用這些資料為個別門市提供專為當地顧客打造的促銷活動，以及專門用來提高冷門時段客流量的行銷活動。來自各門市的購物者分析資料有助於公司找出績效不佳的門市，而且遠端監測顧客資料的功能也讓管理部門得以根據資訊來決定尖峰時段和離峰時段的資源調配。

成果？Smart Retail 工具協助 Planet Sports 公司增加了營收，並且讓這家公司在競爭激烈的運動服飾市場中取得優勢。

短期確保安全，長期保持增長

Gorilla Smart Retail 等解決方案讓店主得以在停工結束後安全地重新開幕，同時藉由深入分析店內的狀況讓業務仍能持續增長。Chan 表示：「零售商已在行銷領域使用的技術，現在可以協助他們滿足復原的需求。」（圖 1）

圖 1.熱度圖和顧客活動資料可以協助滿足行銷及復原需求。（來源：Gorilla）
圖 1. 熱度圖和顧客活動資料可以協助滿足行銷及復原需求。（Source：Gorilla）

例如，門市難以單靠人工方式計算每位走進店內的顧客及監看每位已在店內的顧客。Smart Retail 可以協助計算進入商店的顧客人數，甚至還可以檢查是否有配戴口罩，大幅降低這方面的人力需求。「我們的工具可以監看商店入口處以計算人數、分析人群偵測資料，以及觀察結帳櫃台是否出現排隊人潮。」Chan 解釋道。「今天，這些工具有助於維持社交距離，而未來這些工具還可以用於管理人力資源配置。」

Gorilla 的解決方案甚至可以結合熱顯像攝影機來為進入商店的顧客測量體溫。雖然資料具匿名性，但是如果顧客知道體溫受到監測，也許會更加放心。

Smart Retail 也可以根據個別國家的隱私權規範進行調整。「因為每個國家皆有不同的規定，所以電腦視覺的使用情形也各不相同。」Chan 如此表示。「例如，一個國家允許使用臉部辨識來登記 VIP 貴賓。然而，另一個國家雖不允許這樣做，但是卻允許使用該軟體來計算人數和追蹤門市客流量模式與停留時間。

輕鬆設定，輕鬆使用

「系統整合者向我們表示，他們需要一款能輕易適應商店需求的工具，無論這間商店是珍珠奶茶連鎖店還是倉儲式商場。」Gorilla 資深行銷專員 Glade Norman 如此表示。「我們的視訊分析研究成果，結合 Intel® OpenVINO™ 工具組的擴充性，已讓系統整合者及零售商可以更容易享有那樣的適應性和靈活性。」

一旦系統整合者制訂出遠程計畫，Smart Retail 工具可以讓他們輕鬆地隨時間陸續加入新的功能。Gorilla 與 Intel® 的合作關係也有助於系統整合者擴增他們的零售基礎設施。Chan 表示：「如果系統整合者向採用 Intel 技術的製造商採購或與其建立合作關係，Gorilla 工具將會有很大的機會能與 Intel 技術完美地搭配運作。」

零售商正在研究非常時期過去之後該如何展開復原工作，確保購物者安全無虞，並且讓公司成長——而他們期盼技術解決方案能提供協助。Gorilla 已準備好隨時為有眼光的零售商提供 Smart Retail 工具。

以新技術提升遠端學習

Posted on by Pete Berta

當學校和大學突然被迫關閉學校時，他們必須快速地實施遠距學習。雖然許多教育工作者已經很熟悉數位工具，但他們發現了新的互動功能，可以掌握學生在上課日的注意力，同時在家完成作業。

在這次的緊急狀況發生前，數位學習已經有所發展。在 2019 Gallup 的調查中，65% 的教師表示每天都會使用到數位學習工具。大多數的教師、校長和行政人員表示，在掌握學生注意力和給予個人教學上，數位工具比非數位工具更加有效。

現在，教育工作者正在尋找可以提升遠距學習能力的方法。無論是分享課程給遠端的校園，還是在虛擬教室中與學生互動，最新的遠端學習解決方案為學生與教師提供了一系列的互動功能與工具，讓課程內容栩栩如生。

以下是業界領導者如何透過學生的感官和心智協助他們—即使他們距離學校很遠，也可以讓他們與同學和老師感覺更接近。

以姿勢驅動的互動學習

對傳統教學方式感到無趣的學生，可以透過 Prowise 的觸控螢幕，用姿勢玩互動式教育遊戲。Intel® 實感™ 攝影機與螢幕技術結合，當學生接近螢幕時，即紀錄手部、頭部與身體的運動。

不過 Prowise 觸控螢幕不只是為了樂趣和遊戲。受益於預先安裝的 Microsoft Skype 應用程式，攝影機也可以用於遠距學習。距離很遠的教師可受邀來到教室，家中的學生可以上課學習。

觸控螢幕也可容納以 Intel 為基礎的強大電腦模組。因此，顯示器實際上是一部多功能的第一線房間電腦，這套電腦可以透過 Intel Unite® 支援無線協作，同時透過 Intel 博銳® 技術支援遠端裝置管理。

教室協同工具

教師可以透過 SMART Technology 的網路學習套件授課、匯入並投放 Microsoft PowerPoint 簡報，以及設定即時問題、投票和其它互動式的內容呈現。學生可以用彩色的數位墨水工具或上傳圖片，而不是只是把答案輸入到文字方塊裡。

該系統與 Zoom 和其他視訊會議應用程式整合，讓教師能夠即時看到學生，並衡量他們的反應。他們也可以用每個人螢幕裡的拖放工具分組指派學生。

SMART 將平台設計的易於教師學習，而且該公司目前還提供了免費的網路教學課程和其他資源。

串流並簡化分享的影片

透過輕觸觸控螢幕，教師可以串流影片、顯示文件、播放授課內容，或錄製之後透過 Crestron 平台散佈的課程，該平台使用 Intel® Xeon® 處理器，並搭載內建的影片與音訊工具。

學生可以在小組中互相連接他們的電腦或平板並且串流影片，為他們的團隊工作增添光彩。該公司的企業級協作平台還具有AI 功能，這些功能可以得知誰在場，並調整攝影機角度，將人像放置在畫面中央。

平台的雲端管理系統可以讓學校的 IT 管理員遠端解決連接裝置的問題。該公司表示，自動化的軟體和韌體更新將安裝時間縮短了高達 90%。

在任何地方分享

這些只是提升遠端學習技術的一些解決方案。其他值得注意的例子還有 ViewSonic 的 myViewBoard。這款聰明的數位白板使用了 Intel Unite，讓學生不論是在教室還是在遠端，可以使用幾乎任何智慧型手機、筆記型電腦或平板參與教室活動。

或者可考慮 Newline Interactive 觸控螢幕，該螢幕讓學生可以分享自己電腦或行動裝置裡的音訊、影片與文件。該平台具備兩台廣角攝影機，可以讓人數很多的群組分享內容並且被看到。

進化仍在持續

這些例子都可以證明，遠端學習已經從以往單純的影片播放有了大幅進步。透過讓學生和教師互相見面與進行即時互動，各種學習風格的人的線上學習體驗都變得有趣生動，而這將持續進步，因為教師們測試著當今的工具，並且提出新功能建議。

人工智慧打造能帶來獲利的安全零售環境

Posted on by Pete Berta

當今的零售商收集大量關於網路購物者的資訊，並且利用這些資料打造量身訂做的廣告，投放給特定顧客，以提升銷售量。然而在實體店面的磚塊水泥牆內，他們經常是亂槍打鳥。

電腦視覺與人工智慧（AI）可以彌補這項缺陷，這兩項技術讓零售商可以即時掌握購物者的性別、年齡層，以及在店內的活動。這些技術同樣也能確保顧客與員工在嶄新的全球零售環境中安全無虞，不只今日，未來也是，同時全程保護個人隱私。

習慣於針對特定族群推出網路促銷活動的行銷經理，會感覺難以針對店內的顧客開展行銷活動。為了解決這個問題，Beabloo 打造了 Active Customer Intelligence Suite（ACIS），這項解決方案透過攝影機和其他感應器來即時提供零售行銷人員所需的顧客資訊（影片 1）。

影片 1。人工智慧與感應器提升零售顧客體驗。

人工智慧技術如何支援零售分析

得力於入口處的攝影機或數位看板上安裝的「人流計數」感應器，分析過程甚至可以在顧客走進商店以前開始。感應器會向零售商顯示有多少顧客進入商店，以及他們是獨自前來還是攜伴同行。

在商店內，攝影機和感應器會觀察顧客在購買前走過哪些走道，在哪裡停留，以及在哪裡與業務代表互動——這些寶貴資訊讓零售商得以瞭解如何安排貨架、商品陳列與人員配置，追求最有效的銷售方式（圖 1）。

圖 1.商店內廣設的感應器與人工智慧技術可收集分析資訊，協助打造以顧客為中心的數位顯示內容。
圖 1. 商店內廣設的感應器與人工智慧技術可收集分析資訊，協助打造以顧客為中心的數位顯示內容。

人臉偵測技術可以判斷顧客的性別與大約年齡，讓零售商可以在適當的時機針對適當的顧客展示廣告和促銷訊息。資料處理是在現場進行，而且系統符合《一般資料保護規範》（GDPR），不會儲存個人資料。

感應器會將資訊傳送至店內的內容管理系統，經理可在具親和性的儀表板上查看資訊，並立即決定內容的展示方式。他們製作的行銷活動素材可以在其他平台上使用，例如公司網站和社群媒體帳號，不需要重新編輯格式。

數位顯示器可以根據顧客的年齡、性別等資料，播送他們可能會感興趣的串流影片和語音訊息，吸引他們的目光。顯示器也可以跟顧客互動，方法是當他們在看板前拿起商品時，向他們展示產品的詳細資訊。

已有攝影機的商店可以在攝影機和看板上安裝一款 Intel® 電腦，輕鬆將攝影機連接至 Beabloo 的解決方案，這款 Intel® 電腦名為 NUC，雖然只有手掌般大，但卻威力十足。NUC 可以執行顧客智慧平台，這個平台可以在邊緣分析湧入的顧客資訊。有別於其他一些平台，Beabloo 的平台可以根據庫存狀況調整訊息，確保廣告中的所有商品皆有現貨供應，讓店內的顧客不會感到失望。Beabloo 銷售與行銷長 Augusto Modigliani 表示：「協調庫存狀況與宣傳內容是一件相當複雜的工作，尤其是當零售商的據點數以千計且銷售的商品不盡相同時，此工作更加困難。」

零售商也可以按照每天中的不同時段、每星期中的不同日子、實體店鋪位置，甚至天氣預報來調整訊息，這些都會對零售銷售量產生影響。例如，商店可以在天氣炎熱時投放太陽眼鏡的廣告，而在暴風雨即將來襲時投放雨傘的廣告。

數位顯示器不僅可用於販售實體產品的商店，也可用於服務提供商，例如銀行與旅行社。他們可以使用內建人工智慧技術的看板來吸引特定客群的目光，無須浪費金錢投放一般性的廣告。

一家擁有多間門市的旅行社每個月都會投入大量成本印製廣告張貼在商店櫥窗上，但是收效甚微。這家公司安裝 Beabloo 解決方案之後，就得以收集在店外瀏覽櫥窗的逛街人群的年齡、性別等資訊，並根據這些資訊立即打造宣傳與優惠內容。

「如果有位年齡介於 20 歲到 30 歲之間的顧客站在顯示器前面，顯示器不會展示郵輪旅遊，因為該年齡層的顧客通常不會對這種行程感興趣。相反地，顯示器會展示新鮮刺激的行程，例如墨西哥冒險之旅。」Modigliani 如此表示。「根據顧客類型展示適當內容，大幅改善了公司的獲利。這些廣告讓他們的公司煥然一新。」

保護員工與顧客

Beabloo 的技術也可以用於維護健康和提升安全性。該公司現正推出 Interaction Care 軟體，這款軟體可以量測實體空間中的人際互動情形以確保人們保持社交距離。

如此一來，店家就可以借助人流計數器來控制入店的顧客人數，確保擁有足夠的空間保持社交距離。電腦視覺攝影機可以判斷顧客是否有配戴防護口罩，另外還可以安裝熱顯像攝影機來偵測發燒情形。攝影機也可以建立「熱度圖」，向店經理顯示顧客過度聚集的區域。這套系統並非用於鎖定個人，而是在問題區域觸發並顯示訊息，提醒造訪者戴上口罩並保持適當距離。

「我們的系統很有彈性。我們軟體的目標是讓零售商能夠瞭解顧客的行為——他們在店內的移動路徑和購物旅程的進行方式，」Modigliani 如此表示。「這樣的彈性也為公司的實體據點提供利器，讓他們能充滿自信地因應新常態。」

得力於人工智慧數位看板和即時分析，零售商現在可以為店內的老顧客提供如同線上購物的個人化體驗，滿足他們的期待。正如同線上購物，打造更流暢的顧客旅程可以提升顧客再度光顧的意願，進而增加銷售量。

在現實世界中建構人工智慧視覺系統

Posted on by Pete Berta

一份 2019 年的 IDC 問卷顯示 25% 已部署人工智慧科技的組織，有一半會失敗。雖然有好幾項因素，但最常見的成因是沒有能力收集、整合和管理用來訓練人工智慧模型的資料。

更具體地説，是沒有能力以準確反映現實世界情況的資料為基礎，來開發並維護模型。

「在實驗室中所使用的資料集都是固定的，但這無法反映現實部署的複雜情況，」Deepomatic 共同創辦人和技術長 Vincent Delaitre 解釋道。「實驗室資料集與現實世界的變化相比，可謂微不足道。」

Delaitre 以與 Compass Group 的夥伴關係為例，該集團為世界數一數二的餐飲公司，服務客戶不乏許多大型企業。為了加快午餐付款流程（過去的手動銷售點系統需耗費超過五分鐘），Compass Group 找到一種利用人工智慧物件辨識的自動化結帳系統，在毫秒之間辨認並向顧客收款。

當然了，系統內執行的神經網路必須能夠識別 15,000 多件商品，而這些商品的包裝方式不同、擺放的餐具也各異，且掃描時的燈光也不同。更麻煩的是，商品經常會因季節供應、菜單變動以及其他原因而替換。

遺憾的是，用於開發並測試實驗室人工智慧系統的固定資料集，無法掌握大部分的變因。事實上，其中大部分情況可能都不適合在實驗室中測試，亦或開發者在現實世界部署時，可能經歷無數案例，根本就無暇顧及單一特例。

倘若無法持續適應不同的資料，如 Compass Group 所期盼的自動化結帳系統只會製造高錯誤率，甚至不見得比傳統方式更有效率。

「A」指的是人工智慧 (AI)。也代表著靈敏 (Agile)。

阻礙人工智慧系統適應陌生狀況的大一主因是傳統程式開發。人工智慧系統需要具有高度彈性和靈敏性的方法，讓工程師得以快速辨識意外情況並適當調整訓練資料集。

矛盾的是，遇到這麼多的例外意味着必須實地部署系統，以記錄意料之外的資料，在未來用於更全面、聰明的型號。

為了讓 Compass Group 開啟這項以資料為中心的意見回饋循環，Deepomatic 以 Deepomatic Studio 和 Deepomatic Run 解決方案為基礎，協助部署了一項邊緣人工智慧系統。

Deepomatic Studio 是一個混合式人工智慧部署和資料管理平台，允許非技術人員在自動化可擴充的基礎架構上，訓練、測試並視覺化專有演算法效能（圖 1）。這些演算法通常都會使用 Deepomatic Run 在現實世界生產環境中部署。Deepomatic Run 是一個以 Docker 為基礎的邊緣環境，使用區域 API 在邊緣裝置以程式設計執行推理演算法。

圖 1.Deepomatic Studio 是一個人工智慧開發環境，允許非技術人員建構複雜的人工智慧推理演算法。（來源：Deepomatic）
圖 1. Deepomatic Studio 是一個人工智慧開發環境，允許非技術人員建構複雜的人工智慧推理演算法。（來源：Deepomatic）

以 Compass Group 的自動化結帳系統為例，Deepomatic 工具生態系統內開發的演算法部署到 UP Xtreme 板（AAEON Technology, Inc. 出產）。UP Xtreme 是符合成本效益的單板電腦，搭載了第 8 代 Intel® Core™ 以及 Intel® Celeron® 處理器，最多支援六個有 Intel® Movidius™ 視覺處理器的模組，以處理複雜的邊緣推理任務，如以電腦視覺為基礎的物件辨識、偵測等等（圖 2）。

圖 2.AAEON UP Xtreme 搭載 Intel® Core™ 或 Intel® Celeron® 處理器，且支援最多六個 Intel® Movidius™ 視覺處理器。（資料來源：研揚科技）
圖 2. AAEON UP Xtreme 搭載 Intel® Core™ 或 Intel® Celeron® 處理器，且支援最多六個 Intel® Movidius™ 視覺處理器。（來源：AAEON）

然而，在 Deepomatic 環境中開發的演算法，本身並沒有為 UP Xtreme 目標進行最佳化，因此可能導致執行時間過長、精確度降低、電源消耗增加，以及其他對如 Compass Group 等終端使用者的負面影響。為了避免掉入泥沼，Deepomatic 平台利用 Intel® OpenVINO™ 工具組，該跨平台命令列工具能導入各種開發架構的模型，並能在 Intel® 硬體上發揮最佳效能（圖 3）。

圖 3.Intel® OpenVINO 工具組是一個最佳化平台，能夠將各種平台內開發的模型備妥，在邊緣應用程式中執行。( 來源：Intel® )
圖 3. Intel® OpenVINO 工具組是一個最佳化平台，能夠將各種平台內開發的模型備妥，在邊緣應用程式中執行。（來源：Intel®）

OpenVINO 工具組為 Deepomatic 軟體開發套件 (SDK) 的一部份。結合後，此解決方案堆疊能改善雙向資料流，並滿足持續改進邊緣人工智慧系統的需求。

「SDK 將自動連線、把應用程式下載到您的邊緣裝置，並進行推理和處理所有資訊，」Delaitre 說道。「它會將資料回傳至 Deepomatic Studio 平台，您因此可以迭代並訓練新的系統版本，並循環持續改進。」

持續改善電腦視覺系統

採用此方法及基礎架構，Compass Group 因此能夠訓練超過一百萬個圖片的資料集，以辨識超過一萬種個別商品。這些演算法已部署至數個 Compass Group 分部的自動化結帳系統，每名顧客的等待時間不用超過 10 秒，而滿意率則高達百分之 92。

雖然有此成就，Delaitre 仍提醒能達到如此的精確度和表現，都須歸功於多年的部署成果。他指出專案一開始在新地點部署智慧結帳系統時，錯誤率比預期高出四倍。而且花了兩年來最佳化整個系統，因此證明了收集資料意見回饋的長期重要性。

幸運的是，AAEON 致力於支援顧客度過這種新形式的即時開發流程，以及整個長期部署生命週期。加上與 Intel® 合作，該公司的新倡議將支援特定人工智慧硬體以及軟體解決方案疊 15 年之久。

更具智慧的系統就需要更有智慧的開發基礎架構，並保證只要系統必須持續適應環境，便會持續提供服務。

如今，在兩者兼具的情況下，您只需要持續匯入資料，便能讓系統持續學習。

全套服務生態系統打造的智慧工廠

Posted on by Pete Berta

對於廠房仍嚴重依賴手動流程的製造商而言，邁向數位化並享受更佳的效率才是正確的方向。即便如此，想要打造一間智慧工廠和實際著手建造可說是天差地遠。

廠內有從 50 年代到現代的機械設備，卻沒有辦法互相轉換，再加上不夠了解各設備的功能，要提升效率幾乎是天方夜譚。此外，真正有能力幫助製造商部署最佳解決方案的夥伴可說是少之又少，讓情況雪上加霜。

「你必須聘請顧問，請他們找出問題所在並利用工業物聯網來解決問題，還需要能編寫程式的 IT 人員，最後，你需要會安裝感應器以及邊緣運算裝置的硬體人員，」thyssenkrupp Materials IoT GmbH 銷售總監 Sebastian Lang 說道。

各製造商最需要的其實是精通這三大面向的夥伴，一名有深厚機械及製造流程知識底蘊、了解數位化可協助的領域及途徑，且有能力安裝並維修所需工具的人。

萬丈智慧工廠平地起

thyssenkrupp Materials IoT GmbH 在累積了數十年的經驗後，開發了 toii 工業物聯網平台以跟上製造商的進度（通常都是在數位轉型的初始階段），並一路與他們相伴。

「許多製造商還不清楚轉變成智慧工廠後，想要達成什麼目標，無論是大至完全自動化機械控制或小到資料存取，」thyssenkrupp AG 總裁 Joerg Plenert 說道。而如果他們想從小處著手，市場上更大、價格更貴的解決方案無疑是殺雞用牛刀。

另一方面，作為回報小額初始投資以及價格合理的訂閱方案，toii 能為製造商提供機械停機及故障的即時解析以及發生原因，這對要提升效率來說是相當重要的資訊。

「一項關鍵的誘因就是我們的 toii 模組每月訂閱成本能反映客戶的商業論證。我們確保客戶獲得誘人的利益翻倍，」Lang 說道。

舉例來說，當一台應該全年無休運轉的昂貴機器停止運作了，是因為正在為下一流程作準備嗎？還是少了材料或是零件損壞了？toii 能將透過最簡單的方法傳遞此類資訊：透過視覺傳導，以及燈光輔助。

時間一長，這種資料就相當有價值。「如果您發現過去一年發生了許多意外故障，便可以重新思考一下維護策略，」Lang 解釋道。「如果您經常發現某樣材料不足，便可以從材料流程上著手解決。而若是設定流程耗時太長，則可以訓練員工變得更有效率。」

該平台對於剛開始邁向智慧工廠的公司來說，無疑是樣容易上手的工具。話雖如此，各種不同的模組選擇也代表平台的可擴充性高。因此，若製造商想加大努力的步伐，也不怕無從著手（圖 1）。

圖 1. toii 是一項端對端的工業物聯網平台生態系統，專門打造工廠現場環境。
圖 1. toii 是一個端對端的工業物聯網平台生態系統，專門打造工廠現場環境。

縮短生產設置時間

thyssenkrupp Materials Processing Europe（thyssenkrupp 集團旗下的鋼鐵工業公司）當初決定最佳化位於德國司徒加特的工廠分條作業時，正是期盼能有此般的靈活性。該公司當初希望能更新化流程，最終將機械控制自動化。因此他們與 thyssenkrupp Materials IoT GmbH 合作，思考該從何著手。

在初步諮詢後，兩間公司發現提升效率的主要問題，在於設置分條的機器耗時過長，而每換新鋼捲時都必須重複這個流程。由於各機械之間系統不合且無法相互配合，測量鋼捲厚度和寬度的工作基本上得仰賴人工，更拉長了設置時間。

「很明顯地，我們必須自動化整個測量流程，」Plenert 如是說。「他們當時已經準備好了運作良好的機械以及感應器，來進行實際的測量工作。只須讓機器間互相配合，加快整個流程。」

將所有的機械都連結到 toii 平台，自動化也不再是個問題，如此減少了 10% 以上的停機時間。此外，這麼做還有其他好處。舉例來說，該解決方案有直覺式的介面，員工因此能用更精確的數位流程說明取代耗時的手寫流程，進而有時間從事其他更重要的工作。

無縫接軌工業 4.0

toii 解決方案提供的整合機器資料，只是 thyssenkrupp Materials IoT GmbH 端對端服務的一小環節，他們的服務也包括在每階段提供專家支援。

在每次客戶部署前，對製造業以及工業物聯網了解極深的顧問都會從中協助，決定採用可提供最高價值的整體解決方案。在確定使用案例後，現場工程師會在廠內進行安裝。而軟體工程師完成為客戶 toii 的專屬設置後，公司仍會持續提供支援。

如此優質的服務可協助處於各個數位轉型階段的製造商。

但進展的速度也取決於是否採用合適的工具。「邊緣視覺化以及分析大量機器資料需要強大的運算資源，」Plenert 說道。「Intel® 在該領域中無人能敵。這就是為什麼我們與他們合作，也是為什麼我們常鼓勵客戶使用他們的產品。」

一旦所有必要工具就緒，剩下的流程基本上都一樣。「製造商在看到較小的 toii 模組有多少能耐後，總是會想要更上一層樓，」Plenert 補充道。所以從小處著手，加上蒐集和視覺化資料，最後可以獲得完全自動化的廠房、效率更佳的生產線以及競爭優勢。

教育技術邁向遠距

Posted on by Pete Berta

從一貫的課程到實現更佳的學習成效，線上學習都為師生帶來裨益。多年來，世界各地的學校體系愈來愈接納遠距教學模式。

然而，許多教育工作者幾乎是一夕之間被迫接受遠距教學。不幸的是，許多人都還沒準備好。教師、學生以及家長必須從課室快速轉換到在家上課，同時試著學會適應。

視訊會議軟體平台雖可解決燃眉之急，但尚未能證明可以長久替代課室體驗。這些軟體沒能解決的問題，在於對教師而言，類比及實體課室與數位學習環境間的巨大鴻溝。

「身為數位原住民的學生能夠很快適應新工具，但有高達百分之 80 的老師對數位模式感到陌生，」ViewSonic 技術長 Craig Scott 說道。「他們從一個能與學生面對面的空間，被迫進入一個完全數位化的環境，隨之而來的還有一大堆新工具和挑戰。」

不過也有好消息。新工具慢慢上線，而教育機構也正在投資更適合未來教室的新科技。

為教育科技尋找合適的定位

若教學不需要透過人傳遞，學生便只需要 PowerPoint 簡報、影片和線上測驗再加上人工智慧機器人打分數，學習便大功告成。但很顯然地，老師仍是教育流程中至關重要的一環。

「教師所扮演的是『從旁指導』的角色，」Scott 說道。教學法必須要改變，以適應並輔佐教師的個人風格。」

即使熟悉工具、克服挑戰，視訊平台也有其缺點。許多教師正在嘗試透過非同步學習的方式來應對新的環境、預錄課程讓學生自行觀看、分派家庭作業，並透過視訊集會討論學生的學習成果。然而，也有其他教師偏好更有參與感的教學風格，他們試圖透過視訊與學生互動，但卻難以找到一個長久之計，以即時給予意見回饋。

教育工作者很快便發現一體適用的方法不是解決之道。數位學習平台必須通時達變，才能適應並配合各種狀況（圖 1）。

圖 1.若想要成功，教育科技遠端教學工具必須適應不同的教學方針。（來源：ViewSonic）
圖 1. 若想要成功，教育科技遠端教學工具必須適應不同的教學方針。（來源：ViewSonic）

推動遠距學習

為了要解決類比式與數位間的差異，Scott 和其團隊仔細研究了實體課室內的互動情形。研究成果幫助他們拓展 ViewSonic 互動式數位白板 ViewBoard with myViewboard 的功能。

舉例來說，就非同步教學而言，音質要比畫質重要得多。雖然教師不需要看清學生的臉才能上一堂好課，學生卻必須要能聽清楚老師的聲音才能完整吸收知識。就同步學習而言，學生需要一套不會打斷老師的發問系統，而教師則需要一個能快速評估學生參與度的方法。

該解決方案提供的互動式工具能滿足不同教育者的需求（影片 1）。學生在家使用筆記型電腦或平板電腦，而老師可以傳送和接收他們的內容。拿一堂地理課來說，老師可以請某些學生在地圖上圈出特定位置。或者是在數學課上，學生可以「到黑板前」解一道方程式。

影片 1。提供師生互動方式便可促進遠距教學。（來源：ViewSonic）

myViewBoard 也讓教師使用來源多元、視覺效果豐富的內容呈現給學生，以輔助教學。高音質也能確保師生獲得最佳的上課體驗。即使畫面黑頻，仍可繼續使用語音交流。

衡量遠距教學系統是否成功的最終關鍵，在於學生在課堂上是否能保持專注，以及課後是否真正記住並了解課堂內容。視訊會議的重大缺點之一就是在教學過程中無法產生良好的意見回饋，而這會影響到參與度。

「百分之八十的交流不靠語言，倘若無法觀察到學生的肢體語言，教師便無法得知他們是否真正參與，」Scott 說道。「教師基本上得學習怎麼對空氣上課。在沒有意見回饋的情況下，他們該如何傳遞知識？又該如何得知孩子們有專心聽課並確實吸收知識？」

該遠距教學平台以 ViewSonic 的 ViewBoard Interactive Flat Panel Display and myViewBoard 解決方案（結合了如 Intel® Core™ vPro® 和 Intel Unite® 等技術）為基礎。

該軟體具備追蹤視覺線索並提醒教師的功能，讓教師得知學生是否專心，不必看著螢幕三十張臉來一一觀察參與度。教師也可即時創造協作空間，將學生分組合作完成任務或專案。

「我們並不想把視訊會議硬塞進教學中，」Scott 說道。「我們正努力了解課室內外的情況，將所有人凝聚起來且不用改變老師以往的教學方式。」

在收集並了解更多關於遠距教學需求的資訊後，myViewBoard 會加入更多新功能和功效以推陳出新、與時俱進。事實上，ViewSonic 會向老師諮詢意見，確保推出的解決方案能彌合類比與數位學習之間的巨大鴻溝。

「正確的方法為何，人們仍眾說紛紜，」他表示。「我建議不要一味追求完美的解決方案，只要知道雖然路途搖擺不定，但最終仍會通向最好的解決方案。」

讓邊緣裝置上的人工智慧和電腦視覺得以順利擴充

Posted on by Pete Berta

編者註：insight.tech 支持終結種族主義、不平等與社會不正義行為。我們不容忍我們贊助商的產品用於侵犯人權，包括但不限於政府濫用視覺化技術。insight.tech 上所提到的產品、技術和解決方案皆假定為以負責且合乎道德的方式使用人工智慧以及電腦視覺工具、技術和方法。

 

自 Intel 首次採用多核心設計以來已經過了 15 個年頭。如今，透過使用超過 1 個 Intel® CPU 核心來提高效能的這種作法已從尖端技術變為常見作法。AI 的出現使得開發人員面臨與十幾年前相似的問題。然而，這些問題與異質運算環境的關係在 2004 年並不存。

傳統 CPU 裡有一排相同的核心，每個核心適合獨立作業。CPU+GPU 或 CPU+FPGA 的異質組合則不同，它們結合的是兩個或以上完全不同的元件。這種作法在合適的情況下可以帶來巨大的機會，為兩個元件創造運算上的優勢，但它同時也提高了部署上的困難性。

再加上最適合部署這種耐用型解決方案的環境通常非常險峻，哪怕是比叉子還要稍微高科技的東西，都難以生存。綜合下來，得面對的就是一食譜的問題。

（而且這份食譜還作不出什麼有用的成品，像是酸麵包。不是。就真的只是一堆問題而已。）

要在多個解決方案上擴充工作負載，一方面需要有建造和部署硬體解決方案的專業知識，另一方面需要能進行開發和測試解決方案的軟體環境。Intel® OpenVINO™ 工具組專為這個目的打造。在企業開發同質和異質運算環境時，這個工具組能協助企業在不同類型的裝置上進行擴充。

OpenVINO 中導入的 AI 和機器學習演算法引起許多關注，但 “ V” 代表「視覺」，且該工具箱的許多功能預先訓練了與電腦視覺格外相關的模型。

在不同的硬體平台上進行擴充

OpenVINO 支援 OpenVX 和 OpenCL 等跨平台 API，藉此讓 CPU 和加速器執行工作負載（圖 1）。

圖 1.跨平台 API 支援 CPU 和加速器上的工作負載。（來源：Concurrent Technologies)
圖 1.跨平台 API 支援 CPU 和加速器上的工作負載。（來源：Concurrent Technologies）

然而，如果沒有相符的硬體，軟體本身並沒甚麼用。在這方面，一些解決方案能幫得上忙，如 Concurrent Technologies 提供的 TR H4x/3sd-RCx 解決方案。這套系統的基礎是一個 3U VPX 系統，配備 12核/24 緒的 Intel® Xeon® D-1559 以及最高 64 GB 的 RAM。

如果以上配置無法滿足客戶需求，客戶可以選擇透過 PCIe 連接額外的處理資源。TR H4x/3sd-RCx 可與 Intel® Arria® FPGA 搭配使用，後者透過 PCIe 連接，能提供額外的處理能力。​​​

最佳化電腦視覺模型

客戶可以利用 OpenVINO 最佳化模型並測試解決方案的效能。一開始採用單處理器，之後依照需求能擴充涵蓋額外的處理資源（圖 2）。

圖 2.利用 Intel® OpenVINO™ 工具組測試與調整電腦視覺模型。（來源：Concurrent Technologies)
圖 2. 利用 Intel® OpenVINO™ 工具組測試與調整電腦視覺模型。（來源：Concurrent Technologies）

「把模型移到 CPU 上執行的方法很簡單。這方面我們提供一套廣泛的 Linux 支援套件。」Nigel Forrester 表示。他是 Concurrent Technologies 的 Director of Business Development。「要把模型移到 TR H4x 卡上稍微複雜一點。我們在卡上內建了多種支援套件，也提供 DLA，也就是深度學習加速位元流 (Deep Learning Accelerator bitstream)。DLA 是在 Intel Aria FPGA 上執行。」。

「客戶只需要知道自己需要什麼樣的神經網路模型就好。」Forrester 表示。接著，他們只要選擇正確的 DLA 位元流，然後將現有模型放入 OpenVINO。」這會創建一套中繼碼，而中繼碼之後會上傳到加速器。」

之後，OpenVINO 會進行分配，CPU 專屬的程式碼會進行最佳化，然後在 CPU 上執行； FPGA 程式碼則會保留，然後在 Arria 硬體上執行。

我們有 Intel® Deep Learning Accelerator Suite (Intel® DLA) 的開發人員授權，這部分已經匯入我們的 Trax 卡了。」Forrester 表示。「客戶這方面什麼都不用做。他們只要知道自己的神經網路模型是 AlexNet、SqueezeNet、GoogleNet 還是其他模型，並且屬於 TensorFLow 這類框架。」

上方的圖表說明了OpenVINO 模型在 Concurrent TR H4x/3sd-RCx 硬體上如何通關。模型會經歷最佳化、效能測試、硬體部署循環，這個過程旨在幫助開發人員了解應當為哪些工作負載指定哪些資源。隨著新的 Intel GPU 和推斷加速器上市，OpenVINO 在接下來幾年會發揮更大的作用，提高軟體整體的靈活性並讓開發人員能夠針對更廣泛的使用案例和情景進行設計。