多感官 AI 徹底改變即時分析

Posted on by Micah Kaplan

人類會利用眼睛、耳朵和鼻子瞭解週遭環境。iOmniscient 的 AI 型分析同時運用視訊、音訊及氣味分析，藉此模擬這些感官功能。

早在 AI 蔚為風潮之前，iOmniscient 執行長 Rustom Kanga 就已經於 23 年前共同成立這間公司。Kanga 表示：「當年的科技遠不及現在發達，由於電腦沒有足夠的處理能力，我們必須自行設計更具效率的演算法，盡可能減少所需的訓練量。」如今來看，這項經驗可說是大有助益，該公司的 AI 演算法只需最低限度的訓練，並且能在沒有 GPU 的情況下運行，從而大幅降低營運成本和實施系統所需的時間。

由於 GPU 非常耗電，iOmniscient 系統能大幅降低碳足跡，讓系統進一步朝永續發展邁進。該公司利用 Intel® OpenVINO™ 工具組將模型最佳化，同時將資源需求降至最低，並支援使用更具成本效益的硬體。

利用特定產業套件實現成果

該公司擁有 70 多項國際專利，提供眾多獨特功能，例如在擁擠且複雜情境下的行為分析功能，但 iOmniscient 的重點並非銷售產品，而是掌握客戶問題並確保取得成果。該公司開發的演算法可處理超過 300 個使用案例，能運用於各種不同排列組合，解決許多特定產業需求。在此基礎上，適用於零售、鐵路、智慧交通管理等眾多產業的全方位產業套件就此問世。如今，該公司的產品已應用於 30 種不同產業，並在 70 個國家/地區中實施。

對於許多產業而言，iOmniscient 的全方位產業套件是解決各種問題的好幫手。

以零售業為例，管理階層希望掌握客戶的人口統計資料，以及客戶在商店中不同區域的逗留時間。零售商可以推出忠誠度計畫，根據已掌握的客戶興趣提供相應特別優惠。當購物者瀏覽商店時，只要接近數位廣告顯示器，顯示器就能根據人口統計資料反映出客戶興趣。

在建築物內部，iOmniscient 系統提供無閘道存取權限管理，無需資料庫即可執行。在製造工廠中，則能協助展開品質控制和預測性機器維護。

自動回應

iOmniscient 共同創辦人 Ivy Li 表示：「我們很早就意識到，真正的挑戰不只是產生有關環境週遭事件的資訊。客戶真正需要的是，能夠自主運作並協助解決特定問題的系統。」

以機場或車站等公共場所的常見事件為例。即使處於壅塞場所，iOmniscient 系統依然能偵測出遺棄包裹，也能以匿名方式追蹤遺棄物品的對象。在鎖定對象後，系統會搜尋附近最合適的處理人員，將紀錄事件始末的影片傳送至其手機，並提供位置和因應措施。

由此可見，系統不會只專注於單一偵測演算法，而是靈活應用多種演算法組合來實現所需動作，在上述情況中，目標為指導排在首位的應急反應人員處理事件。

這項獲得國際專利的 iOmniscient 自動回應功能，可減少大約 80% 的事件回應時間。在發生交通事故的情況下，擁有迅速回應的能力有利於挽救生命。

運用多感官 AI 解決複雜問題，有助於降低成本

Kanga 解釋：「本公司客戶幾乎都對價格相當敏感，我們設計的解決方案與現今 GPU 型 AI 系統相比，不僅所需儲存空間與網路頻寬減少 90%，對運算功能的要求也更低，還能與現有的低解析度相機搭配使用。」

該公司會繼續為客戶打造「一流」解決方案，並在設計系統時盡可能減少基礎架構要求，力求以最低成本實現目標。最終促成智慧多感官分析解決方案的誕生，安裝成本基本上都低於影像錄製系統的成本。

 

本文由 insight.tech 撰稿人 Teresa Meek 編輯。

少量樣本學習加速了 AI 模型訓練與推斷

Posted on by Micah Kaplan

為了提高盈利能力、最佳化生產，並在高度競爭的商業環境中取得成功，越來越多製造商轉向電腦視覺技術。不過，開發適用於工廠現場的解決方案是一項極其複雜且耗時的過程。

這是因為電腦視覺模型用來組合產品或是尋找零件和機械瑕疵的 AI 演算法，需要大量訓練。即使有預先訓練的模型可用，但其準確度遠不足以進行部署。訓練自訂模型通常需要大量資料集、引導訓練的熟練工作人員，還有數個月的工作。

對於想要實作支援視覺解決方案的製造商而言，這是嚴重的開發瓶頸，並且阻礙了該行業的數位轉型。但有一種全新的 AI 模型訓練方式稱為「少量樣本學習」，可能是加速部署 AI 解決方案的關鍵。

少量樣本學習如何加速 AI 模型訓練

若要瞭解為何少量樣本學習是改變現狀的關鍵，建議您可瞭解電腦視覺模型通常的開發方式。

一般而言，自訂 AI 模型是以預先訓練的模型開始。我們以組裝產線環境中的使用案例為例。開發團隊可能會以通用電腦視覺模型作為開始，來進行物件識別。但該模型無法識別公司所使用的特定元件。若了使其準確度足以滿足部署需求，開發者通常會採用名為「監督式學習」的方法，來為 AI 模型提供含有註記的訓練資料，協助 AI 模型瞭解特定零件或瑕疵的外觀，並能夠區別出其他物件。

但這項工作通常需要數以千計的圖像。在監督式學習情境中，這些圖像也必須由領域專家加上標記（「這個是小工具，這個不是」），以教導模型需要知道的內容。這是一項昂貴且需要大量人力的工作，因為熟練的員工必須先為影像加註，然後在多輪訓練中調整模型的超參數。

「即使是在最佳情況下，監督式學習也會需要數小時的熟練人員作業，且需要花費數個月才能完成。」全球運算智慧公司，Lenovo 集團的演算法研究員 Lu Han 表示。

在某些情況下，則可能不適用監督式學習。舉例來說，如果製造商需要訓練模型來找出新型零件的瑕疵，可能就沒有足夠的故障零件圖像可用來自訂模型。

少量樣本學習能夠採用不同方法，來克服這些難題。「少量樣本學習」中的「樣本」是指在訓練過程中，給予模型的物件類型樣本數量。

在這個過程中，我們能夠教導 AI 學習識別一般物件之間的相似度或差異度。接著，這項功能可用於將未見過的物件與少量參考範例配對。舉一個簡單的例子，您可能會提供螺母、螺栓和螺絲經過標記的圖像給模型，並為每個類別附上兩個樣本，以及螺栓的測試圖像，然後要求模型預測三個物件類別中，哪一個與螺栓測試圖像最為類似。

少量樣本學習僅需要極少的經標記圖像，即可自訂 AI 模型（只需幾十張而不需要數千張），且通常只需要幾天或幾週即可完成，而不需要幾個月。此結果大幅簡化了現有的 AI 開發工作流程，幫助公司比以往更快地部署 AI 解決方案。

用於識別瑕疵的少量樣本學習系統

典型案例：Lenovo 於紡織品製造商實作的瑕疵識別技術。

為了確保品質，製造商必須能識別其生產的紡織產品中，超過 80 種不同類型的表面瑕疵。人工檢查無法達到他們所需的品質控制水準。

該公司希望能開發採用 AI 技術的瑕疵識別解決方案，但面臨許多廣為實作的障礙。訓練自訂模型非常困難，因為可供使用的瑕疵樣本很少。此外，他們使用同一條生產線製造各種產品，因此任何 AI 解決方案都必須能隨著產品和材料的變化，迅速在邊緣更新模型。若是採用傳統訓練方法，預估需要 6-12 個月的時間才能建置可運作的 AI，這是令人難以接受的時間長度，而且不利於未來的反覆過程。

Lenovo 作為智慧製造領域的領導者，在其研究部門 Lenovo Research 中孕育出 Lenovo Edge AI。它具備強大的技術功能，可解決上述難題。Lenovo EdgeAI 與製造商合作，利用少量樣本學習技術，開發出端對端電腦視覺瑕疵識別解決方案。初始訓練和本機模型更新僅在一週內完成。準確度令人印象深刻：沒有遺漏任何關鍵偵測項目。

為了減少延遲並支援本機管理，Lenovo 在邊緣工業個人電腦（IPC）上執行 AI 推斷工作負載。這能夠近乎即時切換用於多種產品類型的不同 AI 模型。這也讓工廠品質保障人員能夠現場重新訓練模型，以對應未來的產品修改或新出現的瑕疵。

Lenovo 認為與 Intel 的技術合作有助於有效部署解決方案。Han 表示：「我們的系統採用 Intel chips，為客戶所需的邊緣情境提供強大的運算資源。」

Lenovo 也使用 Intel® OpenVINO™ 工具組。Han 表示：「我們的推斷引擎與各種工具組廣泛相容，尤其是 OpenVINO。針對推斷，在 Intel 晶片執行時，可支援大約 20 個邊緣 AI 模型。我們的許多客戶都喜歡搭載 Intel chips 的裝置，有助於我們更快速地將此解決方案推向市場。」

利用少量樣本學習加速工業 4.0

由於少量樣本學習是加速 AI 解決方案開發的有效策略，它可能會成為解決方案開發者、系統整合商（SI）和製造商的首選。它也有助於降低成本，因為少量樣本系統能更輕鬆地重新訓練，以適應新產品模型或未曾見過的瑕疵等營運變化。

透過 SI 和解決方案開發者提供全方位的服務與諮詢套件，隨著 AI 的使用量增加，工業 AI 生態系統也會日趨成熟。Lenovo 已將其瑕疵偵測系統作為端對端解決方案銷售，並提供全生命週期服務套件，以及針對軟體的訂閱型支援。

Han 表示：「電腦視覺在製造業中正成為不可或缺的一部分。少量樣本學習有助於公司更快速實作創新電腦視覺解決方案，加速數位轉型，並更快實現投資報酬率。電腦視覺與少量樣本學習在這個領域都有光明前景。」

 

本文由 insight.tech 撰稿人 Teresa Meek 編輯。

數位雙生讓建築管理更環保、更智慧

Posted on by Micah Kaplan

在建築環境中擁有資產組合的公司，面臨了令人沮喪的問題。他們希望自己的建築（零售商店、工廠、醫院或其他建物）能夠智慧化。畢竟，智慧設施能耗更低、產生更少的廢棄物、降低維護成本、延長資產的使用壽命，並且提供一系列額外的營運效率。然而，企業展現如此佳績所需的資料難以取得，而且往往鎖在不同的傳統系統中，採用專有的通訊協定。

幸好數位雙生（代表實體資產並擷取相互依賴性的功能模型）能解決這項問題。透過釋放及整合跨系統的資料，它們能為企業帶來寶貴的營運深入解析，供建築業主利用，讓設施更智慧、更永續發展且更易於管理。

針對傳統資產管理的數位雙生平台

數位雙生解決方案供應商 TwinWorX® 的 e-Magic 業務開發副總裁 Dale Kehler 表示：「組織有極大的機會利用技術，讓企業與設施變得更加智慧。」從孤島釋放資產驅動資料，以便企業做出資料驅動的決策，而非依賴不可靠的參數或直覺。

TwinWorX® 建立實體資產的數位模型，並追蹤其使用情況與相互依賴性，進而實現這項目標。因此，企業可以透過數位等效物來監控及控制設備。TwinWorX® 也不受廠商限制，可將不同資產的即時遙測資料整合至單一平台。這表示企業再也不必為 10 種不同的資產使用 10 套不同的軟體產品，只需透過單一窗口就能檢視所有相關資訊。

關鍵在於，TwinWorX® 等數位雙生解決方案能夠擷取資產的相互依賴性。藉由跨系統串連成千上萬個資料點，TwinWorX® 可讓資產管理者輕鬆瞭解改變某個變數會對其他變數造成何種影響。舉例來說，調高建築物內的溫度設定，即可顯示其對熔爐壽命、碳排放與能源成本的影響。「由於有情境資料支援您所看到的內容，數位雙生代表了一種新的資料建模方式，」Kehler 表示。

來自資產的即時遙測資料不只能單向流動。「透過與資產進行雙向通訊，您可以確實從數位雙生控制資產，」Kehler 如是說。數位雙生可以變更溫度、氣流等設定，或是企業想要操控的其他任何可存取的參數。

透過即時資料來源，公司可以收到需要立即關注的營運異常通知。在單一數位雙生平台收集所有相關資料，即可應用機器學習和 AI 等技術，不僅能掌握現況，還能預測即將出現的問題，並在某些情況下採用預測性維護以免發生故障。

數位雙生解決方案在各行各業發揚光大

數位雙生的應用廣泛，具體取決於環境，範圍涵蓋單一辦公大樓，以及龐大的製造工廠或醫療綜合大樓。

Kehler 表示，TwinWorX® 最常用於在多建築環境中集中管理資產。舉例來說，天普大學想要建立一個集中式平台，以便檢視整個校園所有建築管理系統的資料。由於 TwinWorX® 提供不侷限廠商的傳統資產管理系統，該所大學現在可以在同一處管理資料，進而節省時間。它也避免冗餘的授權和分析工具，從而節省資金。

Kehler 表示，像 Temple 一樣集中資料、謝絕昂貴的廠商合約，是邁向智慧環境的初期步驟。數位雙生解決方案回答了許多建築業主的疑問：如何策略性地設計系統，並做好準備、管理智慧環境？透過 TwinWorX®，公司可以從小處著手，連結單一或少數幾個資產，隨著目標變得更遠大，再增加更多資產。

公司通常會想先節能、節省開支，讓營運更加環保。「許多公司正在應對不斷上漲的能源成本，並致力於脫碳工作，以履行永續發展承諾，」Kehler 表示。「掌握能源的使用方式，業者就有機會減少能源使用量並混合能源成分，藉以節省成本。」數位雙生解決方案可向公司展示，使用一種再生能源（或混合使用再生與傳統能源）將如何影響其整體永續發展。

TwinWorX® 平台在 Intel® 伺服器與處理器上執行，而 e-Magic 經常推薦 Intel® 處理器與 IoT 系統用於客戶需要低延遲的邊緣運算實作。e-Magic 為傳統資產管理提供數位雙生平台與連線工具。其系統整合合作夥伴為建立碳核算等專門職能提供額外的諮詢服務。

傳統資產管理的未來

雖然數位雙生仍處於早期階段，但 Kehler 預計不久的將來採用率會上升，尤其是對於著眼於永續發展目標的公司，因為法規迫使建築業主盡快實現能源效率。

隨著實作的增加，數位雙生或許有朝一日能協助建立互連系統的整個生態系統，其中建築環境和智慧城市同步朝著一套共同的效率目標邁進。

 

本文由 insight.tech 撰稿人 Teresa Meek 編輯。

API 安全性可針對網路防護填補關鍵漏洞

Posted on by Micah Kaplan

每當您以數位方式存取銀行帳戶、進行線上購物或是登入雲端應用程式時，即代表您正在使用應用程式開發介面 (API)。API 在應用程式中扮演閘道的角色，也是數位連線的連接點。然而，卻很少人真正了解 API，安全性也相對不足。

每個組織平均會使用數百、甚至數千個 API，但往往 CISO、CIO 和 CTO 並沒有確實掌握準確的清單目錄。這就是為什麼 API 已成為常見的網路攻擊媒介。API 涉及的問題包括無法準確實施驗證、配置錯誤以及缺乏監控。

維護 API 安全性是一大挑戰，並在一定程度上取決於網路安全解決方案的應用方式。API 安全性管理公司 Noname 策略聯盟技術總監 Ryan B 表示，大多數解決方案均採用「盲目」的方式來保護運算環境中的特定處，例如端點、伺服器和雲端應用程式。「如此一來，只會偵測到當下顯而易見的漏洞。」

結果：將導致 IT 環境中出現巨大的安全漏洞，波及公司內部資產，並對於堆疊不斷增加的雲端型和軟體即服務 (SaaS) 應用程式而言，將會影響其連線能力。Noname 藉由 AI 和 ML 演算法分析流量，識別並封鎖惡意行為，保護雲端、內部部署或兩者之中的資產，以此填補安全性漏洞。Ryan 表示：「我們公司專為解決 API 問題而生。」

Noname 選擇從企業的角度（而非安全性廠商或雲端供應商）來應對 API 挑戰，全面檢視整體環境，進而保護所有 API。

Noname 全球策略聯盟副總裁 Peter Cutler 表示：「我們發現市面上有許多解決方案無法識別 API 相關的惡意活動。等到發現時卻為時已晚。因此，Noname 整合推出立即可用的網路安全解決方案，例如 SIEM（安全資訊與事件管理）和端點防護。」

運用 AI 和 ML 揪出 API 漏洞

根據維護應用程式安全性的開放原始碼基金會 OWASP，最常見的 API 漏洞包括：

  • 「無效的對象層級授權」是指使用者可根據其角色存取資料，而不必經過驗證確認其是否有權存取資料
  • 「無效驗證」是指攻擊者入侵認證資料的情形，例如密碼、工作階段權杖以及使用者帳戶資訊
  • 「無效的對象屬性層級授權」是指使用者存取他人資料的情形

通常由惡意機器人進行此類攻擊。人類無法對抗機器人快速且大量的攻擊行為，因此需要 AI 和 ML 的協助。

Ryan B 表示：「這是一個尚未解決的超人類問題。您以為能運用過去所雇用的所有人員、購買的所有技術來妥善解決這個問題。您購買了防火牆、聘請了資安顧問，並進行滲透測試。相不相信？卻不足以對抗機器人攻擊。」

Noname 運用機器人來對抗機器人。在客戶環境中進行第一週實作時，Noname API 安全平台處於學習模式，會實際觀察那些使用 API 的應用程式中的流量模式。平台會記憶 API 規格、要求與回應架構，並分析通訊參數，包括支付卡資料等機密資訊。

第二週起，安全平台會利用第一週所獲得的基礎知識來識別偏離正常模式的活動。接著 AI 會判定異常之處是否為惡意活動。系統會標記並封鎖可疑活動。Noname 會針對流程給予可信度分數。Ryan B 表示，其中至少 80% 根據機器學習推斷特定動作為惡意行為，並可追蹤攻擊者及其已知位置。

為讓 IT 防禦功能保持最新狀態，Noname 採用可模擬網路攻擊的主動測試技術。每當客戶變更環境時，系統都會進行這項執行階段測試，檢查最新軟體版本、端點或其他元件是否受到妥善保護。這麼做可以防止將新的漏洞帶入環境。

Cutler 表示：「若沒有執行主動測試，則代表組織需要在推出新的生產 API 時雙手合十祈禱 API 閘道或網路應用程式防火牆 (WAF) 以及其他安全層級能識別漏洞並保護系統。這樣風險非常高，且肯定不是一項好的策略。」

API 安全性意識需要龐大的運算能力支撐

當然，ML 和 AI 也會持續在 API 安全性方面扮演核心角色。隨著流量增長，ML 和 AI 需要極高的處理效能。Ryan B 表示：「一開始我們使用八個 CPU，每秒約有 3,000 條訊息。之後，我們的機器訓練引擎開始需要更多 CPU 來處理 API 流量，每秒增加至 7,000、10,000、20,000 條訊息。」

Noname 與 Intel 密切合作，能有效提供執行 AI 和 ML 所需的效能。該公司測試第 5 代 Intel® Xeon® 處理器，並獲得更好的效能。同時利用 Intel 嵌入式加密技術，防止惡意行為者侵害 Noname 技術。

Noname 展望未來，期盼使用者能更深入瞭解 API。相關的培訓和教育是一切根本，也是該公司的使命之一。

Ryan B 表示：「邁入 2024 年之際，我相信使用者將會更加嚴謹看待安全性問題。他們將能善加利用這項創新技術，購置征戰利器，運用前所未有的科技保護系統。」

 

本文編輯 insight.tech 編輯總監 Georganne Benesch。

利用店內閉路電視系統實現智慧零售解決方案

Posted on by Micah Kaplan

線上購物時，您會留下一串數位痕跡供零售商分析。透過追蹤您的滑鼠點擊情況，甚至是遺留在購物籃未買的商品，零售商可以藉由設定目標受眾的廣告，得知您喜愛哪些產品、忽略哪些產品，以及哪些產品重新獲得您的注意。

電子商務零售商可以利用這類購物者深入解析，但同樣的事，實體零售商歷來無法輕易做到。想要在實體店內繪製從買家受到商品展示吸引，到最終成功銷售的顧客歷程，一直是一項艱鉅的任務。

不過，幸虧有了電腦視覺分析（CVA），零售商現在可以使用或許現有的閉路電視系統，存取店內購物者的資料。這些技術為實體店提供更精確的歷程追蹤，讓零售商得以針對商品展示、產品分類與人員配置做出更優異的決策，進而提高銷售額。

利用閉路電視系統實現電腦視覺分析

零售業數位解決方案供應商 Sensormatic Solutions 的影片分析、AI 與育成部總經理 Dustin Ares 表示，在實體店所在地存取購物者資料最容易的方式，就是盡可能利用商店現有的技術基礎架構。

店內閉路電視系統可追蹤購物者的行為，以便零售商分辨哪些產品受到矚目或忽視，以及銷售需要多久時間。Sensormatic Solutions CVA 搭載在閉路電視裝置上，將其作為邊緣推斷系統中的攝影機感應器。該公司會將這些攝影機資料傳送給專有的 AI 演算法，進行即時推斷，提供對於現場事件的可行見解。Ares 表示：「邊緣裝置可讓我們處理資料、快速做出低延遲決策，然後通知店員或經理採取特定行動。」

那項「特定行動」可能包括根據購物者的流量和興趣，將員工重新指派到商店的別區，或是將某些商品重新進貨。在一些情況下，零售業店員可以透過耳機立即獲得指示，瞭解如何以及在哪裡與顧客互動，進而推動銷售。

同樣的攝影機驅動分析可以幫助零售商解決另一大難題：竊盜。「紅色」購物者可能是順手牽羊的小偷，他們的行為往往和心存良善的「綠色」購物者不同。他們可能會隨機拿取商品，或是不停在店裡左顧右盼，注視店員的行蹤，而攝影機的視覺線索有助於提醒店員。

智慧零售解決方案與分析

對使用攝影機分析購物者行為有所疑慮的零售商，可以在遵守歐洲 GDPR等隱私與消費者資料保護法的情況下取得分析。Sensormatic Solutions 模型基於隱私設計的理念建構，不會保留或處理個人可識別的資訊，只處理邊緣的中繼資料。

該公司也意識到 AI 模型可能存在偏見。Ares 表示：「我們嚴格審查模型，確保不會傳播偏見，在進行人口統計學評估時尤其如此。」Sensormatic Solutions 定期與其母公司智慧建築解決方案供應商 Johnson Controls 保持聯繫，隨時掌握全球法規與現場法律遵循事宜。Ares 表示：「我們希望在確保遵循法規的同時，也要提前思考產品以及未來[趨勢]的走向。」

各種智慧零售使用案例

雖然瞭解購物者行為人口統計和預防損失是零售商關注的一大焦點，但這絕不是業界考量的唯一問題。

一家歐洲巧克力製造商使用 Sensormatic Solutions CVA 來測試中央商店展示的效能。商家發現客戶的互動程度低於預期，因此將店員安排在離展示區更近的位置，進而改善店員與客戶之間的互動。

Sensormatic Solutions 在韓國協助一家連鎖便利商店開發庫存管理解決方案。這家零售商常要員工檢查鮮食貨架上的庫存程度，平白耗費人力資源。安裝攝影機感應器不僅能提供準確的庫存資訊，還能讓零售商主動預測庫存何時可能不足，進而先發制人、採取必要行動。

Sensormatic Solutions 本身就是系統整合商。該公司與業界眾多通路合作夥伴建立合作關係，尤其是零售商的安全解決方案供應商。該公司可按原樣使用店內系統，並根據需要測量的指標，建議額外的攝影機單位。

Sensormatic Solutions 的智慧零售技術產品組合在 Intel 硬體上執行，特別是 Intel® Core™ 第 13 代處理器，以及最新的 Intel® Core™ 第 14 代處理器。Intel 無遠弗屆的全球可用性一直是該公司的資產，業務遍及世界各地。

資料驅動零售的未來

期望 Sensormatic Solutions 提供更全面的解決方案，因應更廣大的零售相關挑戰。Ares 預測，該公司將繼續以零售資料專家之姿發展，不僅為個人客戶提供深入解析，並為整個產業評測基準提供參數與分析。

由於全通路購物與多家暢貨中心爭奪消費者的關注，零售業變得前所未有地複雜。幸好，即使是實體店也可以使用閉路電視系統，利用深入解析將業務化繁為簡。支援智慧零售解決方案的資料驅動分析，可協助各種零售商實現令人矚目的效率目標。

 

本文編輯 insight.tech 編輯總監 Georganne Benesch。

掌握新一代 AI 的工具

Posted on by Micah Kaplan

AI 正在顛覆世界，每天都在不同的產業中不斷演化，轉變為不同的產業。一部分的原因是開發者正在打造新的解決方案，努力掌握每個新一代 AI 的潛力。而 Intel 能助一臂之力，讓一切成真，為開發者提供所需的技術與工具，例如 OpenVINO™ 和 Intel® Geti™。此外，OpenVINO 和 Geti 的設計旨在串連開發者和商業領域使用者，進一步推動新一代 AI 解決方案與使用案例。

為了進一步瞭解新一代 AI 開發專案，我們與 Intel AI 宣傳師 Paula Ramos 展開交談。她探討了 AI 解決的實際問題、涉及的 Intel 功能，以及 AI 的普及與散佈（影片 1）。因為這不僅是為開發者提供工具與技術；同等重要的是一開始就提供教育和資源，讓更多人進入這個領域。

影片 1。Intel AI 宣傳師 Paula Ramos 探討讓新一代 AI 成真的趨勢和技術。（資料來源：insight.tech）

您如何看待 AI 目前如何不斷發展及解決實際問題？

AI 發展神速；每天都有新事物出現。現在人們對它的認識比以往都更加深入，因為這些現實世界的問題轉變為令人驚豔的解決方案。新創公司正在利用晶片的力量與 AI 功能解決這些問題。

舉例來說，AI 協助人們利用翻譯進行交流，即在一百種語言之間翻譯文字。另一個絕佳的實例是自動駕駛汽車系統，部分汽車品牌正用它來控制汽車轉向、加速和剎車，有可能減少交通死亡與事故。AI 可協助醫生診斷癌症、制定個人化的治療計畫，或是加速新藥與療法的部署。它協助農民減少殺蟲劑與除草劑的使用。AI 協助人類更迅速地解決問題。

讓開發者更容易取得 AI 有何重要？

關於這個問題，我有三個想法。首先，為開發者打造更容易取得的資訊，可加快 AI 創新的速度。愈多的開發者能取得 AI 工具且愈容易取得，技術就能愈快發展，加速創新的速度。取得最新的硬體改良也很重要。它實際上是另一種工具，因為它可讓開發者更高效且更有成效地建置及部署應用程式。

第二點是讓 AI 普及化。我們必須確定 AI 適合所有人，且每位開發者都有機會從這項技術中受益。透過讓使用者更容易取得，我們促進縮小 AI 採用率的差距。

第三點是解決 AI 人才短缺問題。目前全球對 AI 開發者求才若渴，但開發者的人數卻不盡人意。透過讓 AI 更易於學習及使用，我們能協助培訓更多開發者，縮小 AI 人才的缺口。

有哪些工具和硬體應運而生，因應 AI 的普及化問題？

我對 Intel 宣佈推出全新的 AI 電腦感到很興奮。它採用 Intel® Core™ Ultra 處理器建置，整合了 GPU 和稱為 NPU（神經處理器）的新元素。我在九月的 Intel® Innovation 大會的生成式 AI 展台上展示了它，效能非常出色。Intel 執行長 Pat Gelsinger 示範在一台 AI 電腦上在本機執行的 Llama 2 聊天機器人，使用的是 LLM 模型，在 Windows 機器上執行。可以確定的是，在沒有網路連線的情況下利用 AI 安全得多，且不會將資料傳送至雲端。

許多人以為 Intel 只是一家硬體公司，但我們表現亮眼，向開發者展示能如何利用 OpenVINO 等架構或系統，以及 Intel 擁有的推斷與部署架構，輕鬆改善解決方案。AI 電腦也具備執行 OpenVINO 的功能。而 OpenVINO 向我們展現了 Intel 利用 AI 的潛力。如今 OpenVINO 無所不在：智慧城市、製造業、零售業、醫療保健，以及農業。過去一年中它的下載量增加了90%。

能否進一步說明 OpenVINO™ 與 AI 之間的關係？

OpenVINO 是 Intel 在用戶端和邊緣平台為開發者提供的一套工具組；它為邊緣 AI 注入動能，讓生成式 AI 更易於取得，在多個硬體平台將神經網路推斷最佳化。然而，OpenVINO 的主要目標是執行模型的最佳化與量化，以便我們縮減其大小。我們可以減少記憶體的佔用面積，並在各種硬體（Intel 和非 Intel）中更快地執行模型。我們使用 OpenVINO 是為了解決開發者真正的痛點。

另一項重點是，一旦擁有中間語言格式（即 OpenVINO 格式）的模型，您就可以在任何地方部署。這就是 Intel 與部分競爭對手的差異之一。

開發者如何利用 Intel® Geti™？

Intel Geti 這個平台可協助組織快速開發電腦視覺模型。簡言之，它整合了所有必要一切，包括註釋、訓練、最佳化、測試。您可以建立專案、上傳註釋、上傳新的生產資料或以前的資料。您可以修改可訓練的功能、測試在伺服器中執行的部署，以及下載部署進而在本機執行。

因此，使用它好處多多。資料科學家、機器學習專業人士、系統整合商和領域專家能使用同一個平台合作。這是因為它易於使用，且有可能控制訓練與最佳化程序的多個方面。它也可以提供不同格式的建模，其中一種格式是中間語言格式（OpenVINO），它在 Geti 平台的幕後進行最佳化和量化。

Intel Geti 平台也提供 SDK，協助使用者利用易於使用的功能。它利用 OpenVINO 建立部署管道，無需電腦視覺專業知識，即可在包括 CPU 和 GPU在內的各種 Intel 硬體平台上加速推斷。這就是這個平台的美妙之處。

開發者非常容易使用 Intel Geti SDK 部署，因為 SDK 與電腦視覺任務無關，也與模型架構無關。開發者不必為模型輸入準備資料，也不必準備模型輸出以顯示結果。

女性進入 AI 領域面臨哪些挑戰？

我對這個話題很感興趣。我個人代表全球科技勞動力中的兩個少數族群。第一個是科技領域的女性，第二個是科技領域的拉丁裔女性，您可以將「科技」解讀為人工智慧或一般工程。全球科技勞動力中有 50% 是女性，但拉丁裔女性僅佔 2%。因此代表性嚴重不足，我希望貢獻一己之力，特別是為拉丁美洲國家增加教育和培訓的機會。

但我也想激勵更多女性從事 AI 領域。我想減少歧視與偏見。不分性別，每個人都該有機會在科技領域取得成就。女性能與男性平起平坐，認真討論科技議題。女性對如何解決問題有獨特的視角；我們擁有獨一無二的技能，可打造符合所有使用者需求的產品與服務。

我們也為 AI 領域做出了一些重大貢獻。其中一個例子是 李飛飛博士，他是史丹佛大學人本人工智慧研究中心的共同創辦人。她催生了深度學習，她發起了 ImageNet 計畫，這項計畫在深度學習部署中扮演著舉足輕重的角色。這是身為女性對 AI 產生的顯著影響，因此我可以想像其他女性也有能力，為這個領域貢獻多少想法。

關於 AI 開發的未來，您還想補充什麼？

有個重要問題我想問問開發者：您的夢想在哪裡？您可以實現這些目標，因為 AI 是一個強大的工具，有潛力為每個人把世界打造成更美好的地方。

所以，試試新技術、新模型與演算法吧。嘗試參與開放原始碼專案，積極做出貢獻。隨時關注使 AI 更加實用的最新趨勢。我們必須打造共融、公平且對所有人有益的 AI。引擎就在您的想像中。

相關內容

若要進一步瞭解 AI 趨勢，請閱讀傳播 AI：加速開發者成功的關鍵，並聆聽探索新一代人工智慧：與 Intel 合作。 若要掌握 Intel 的最新創新技術，請在 Twitter @IntelIoT 和 LinkedIn 上關注 Intel Internet of Things。

 

本文由Erin Noble 編審。

互動式招牌利用影片提升數位參與度

Posted on by Micah Kaplan

上回路過時，您真正受到影片吸引是什麼時候的事？這種媒體在我們的公共空間愈來愈普遍，這表示它成為純粹背景壁紙的風險也愈來愈高。

Simon Carp 推薦一種擺脫沉悶的解決方案。「與其將影片作為被動的媒體，不如將它視為一個數位參與的平台，」影音解決方案供應商 Uniguest 產品管理主管 Carp 表示。這表示互動式數位招牌和動態且資訊豐富的內容，可翻轉顧客使用影片的方式。

透過互動式數位招牌改善參與度

Carp 表示，這似乎是理所當然的事，但改善數位參與度需要影片解決方案供應商提供客戶實際想要的內容。這些內容必須有趣、吸睛、資訊豐富，或以上皆是。

對於澳洲一家位於鬧區的零售商來說，在螢幕上推出動態內容是利用引人入勝的吸睛影片來吸引顧客的絕佳範例。起初設在商店走道兩端的固定裝置已擴展到櫥窗展示，甚至是在結帳櫃台的自訂影片。額外的好處：這家零售商可販售平台的廣告空間，進而增加收益。

無論天涯海角，Uniguest 的 Tripleplay 平台都能透過螢幕的組合，協助客戶自訂及提供個人化的內容。這些工具可讓客戶從本質上打造自己的內容頻道，並將頻道傳送至螢幕。Tripleplay 技術可實現更具針對性的內容自訂。個人化可延伸至個人螢幕（例如銀行分行可新增客服團隊的資訊）或其他各種顯示器。

這種內容收放自如的能力，是 Tripleplay 提供的顯著優勢之一。「自訂內容、讓內容與顧客息息相關，並為數百甚至數千個螢幕實際配置難度很高，」Carp 指出。「您可能會在規劃與配置上產生巨大的開銷。但我們嘗試在自己的技術中建立工具，讓您以可擴充的方式將所有螢幕的內容本地化。」

客戶可以透過單一平台大規模提供參與度所需的動態內容。

職場上的互動式媒體

正是這些幕後工具，協助 Tripleplay 在各種市場實現方案。

舉個例子，Tripleplay Reserva Edge 解決方案是一種數位會議室招牌工具，可協助員工安排會議，並存取與空間與設備管理相關的其他功能。這些實體裝置是現成可供使用的小型互動式顯示螢幕，安裝在企業與大學校園內教學空間的會議區旁。

員工可以使用 Reserva Edge 設備的觸控螢幕，提前一兩週瞭解設施使用情況，並可預訂自己的會議。為了更方便使用，員工可以透過行動裝置應用程式在任何地點執行相同的功能。該工具需要在預訂會議室時確認出席人數，因此可在空閒時將空間釋放給其他人。員工也可以利用 Reserva Edge 解決方案，提醒維護人員注意設備故障，並選擇性地提醒空間的其他使用者，告知潛在的干擾性問題。

AI 推動數位參與度

Carp 表示，Intel 為支援大多數 Tripleplay 的影音解決方案的硬體提供動能。數位招牌媒體播放器與內容管理系統均在 Intel 上執行。

Uniguest 根據終端使用案例選擇性地使用 AI。舉例來說，語音轉文字 AI 系統可以轉錄會議與講座的音訊串流。學生甚至可以透過關鍵字搜尋這些講義。AI 也可以用來測量螢幕的互動度：是否有人在注視螢幕（以及注視多久）和年齡等基本人口統計資訊。Carp 表示，AI 解決方案遵循隱私權通訊協定，不會識別人員的個人身分，而是單純登記他們的存在。

即使是收集基本的人口統計資訊，也能協助 Uniguest 的客戶更精準地為影片行銷活動定位。客戶可以利用受眾測量作為行銷活動規劃的基礎，據此推斷他們想宣傳哪些內容。

未來的影片發展包括準確測量指標的工具，而 Uniguest 正朝著這個方向努力。「我們的未來關注焦點在於，可以做些什麼來衡量參與度，並向企業提供深入解析，以展示其優勢，」Carp 表示。

Uniguest 不僅推出影片平台與影音解決方案，更提供促進及管理內容的方式。市面上有許多數位招牌，但 Tripleplay 相輔相成的技術套件拓展了疆域，讓終端使用者可以打造合法且完全數位的參與平台。

Carp 認為影片的未來精采可期。愈來愈多的組織希望與人交流。技術奠定了這種參與度的根基，協助公司行號超越被動的媒體，利用動態與互動式媒體，真正吸引顧客。

 

本文編輯 insight.tech 編輯總監 Georganne Benesch。

AI 整合平台提供豐富的資料深入解析

Posted on by Micah Kaplan

EPIC iO 是物聯網與 AI 解決方案供應商，執行長 Ken Mills 表示，就技術實作而言，公司行號需要現成可用的產品，而非必須自行組裝的架構模塊。

沒錯，物聯網與 AI 是劃時代的發明，能夠實現驚人的效率。然而，若要讓這些技術發揮作用，必須動用連線、資料整合與視覺化在內的架構模塊，數量之多可能讓任何 IT 團隊傷透腦筋。Mills 表示：「客戶採用技術的能力，還不足以自行摸索 AI 解決方案；他們需要協助。」

開發 AI 整合平台

EPIC iO 協助讓這些技術為客戶發揮效用，基本上就是打造現成可用的 AI 與物聯網解決方案。

該公司旗下的軟體平台 EPIC iO DeepInsights，讓不同技術元件能夠搭配使用，實現了這項目標。DeepInsights 猶如披薩的餅皮，將物聯網感應器、AI 與電腦視覺，以及連線能力結合在一起。Mill 表示：「我們為客戶備妥整套方案，他們不必為了讓技術順利運作，另外購買其他五種不同的軟體套件。」EPIC iO 的強項是為資料提供背景資訊，讓深入解析更鞭辟入裡。

進一步以披薩為例，公司可以挑選他們想加的「配料」（感應器），例如是要用於影片資料分析的攝影機，還是提供及監控邊緣裝置的連線感應器。

AI 普及化的範本

開放式 AI + 物聯網軟體平台的優勢在於，不必每次都提供量身打造的解決方案。Mills 表示：「我們整合了經過驗證的範本，客戶可以將工作流程自動化，增加收益。」

此外，可重複的 AI 解決方案問世，降低了採用技術的門檻，讓科技普及化。EPIC iO 的使命是讓世界更安全、更智慧靈活，而且連結更緊密，而這類解決方案正是其中一環。AI 的成本越來越低，因為必要硬體與運算的成本和效能都不斷改善。這些因素也是普及化的推手。

如果公司想單純專注於發展優勢，那麼範本的形式就格外有用。舉例來說，資料分析公司 SAS 與 EPIC iO 合作，在 EPIC iO 安裝解決方案所收集的邊緣資料應用他們的技能。Mills 表示：「EPIC iO 與 SAS 的夥伴關係很棒，因為我們可以在邊緣收集所有資料，透過電腦視覺與機器學習模型產生事件和規則，然後將這些資料交給 SAS 進行更深入的分析。」

物聯網分析實現的效率

另一方面，在很多情況下，公司雖然知道必須改善流程，但沒有把握 AI 解決方案是否能見效。以加州某大公用事業公司為例，該公司會派遣員工檢查容器的填滿比例，如果比例不足，則進行後續追蹤。初次流程效率評估之後，該公司探究了安裝人類監控攝影機的可能性。然而，Mills 表示：「大規模採用人為介入式解決方案不太符合成本效益，也不實用，尤其是明明有 AI 這類技術可用。」

反之，EPIC iO 建議安裝物聯網攝影機感應器，利用 AI 與電腦視覺測量填滿比例，主動偵測問題。員工只有在比例下降時才必須到現場。更棒的是，AI 實現了數位轉型，因此該公司獲得了更多更實用的資料，包括現場的使用方式與時間，而非特別關注填滿比例這個狹隘的問題。

公用事業公司的案例說明，如何利用 AI 解決營運效率。公司必須思考，哪些問題尚未找到解決方案，其中哪些問題對業務最有意義。Mills 表示：「一旦確定了這兩個方向，那麼 AI 可以發揮效果的解決方案便呼之欲出。」

與合作夥伴合作

DeepInsights 建置於 Intel® OpenVINO™ 工具組，搭載 Intel CPU 和 GPU，既可提供高效能運算，還能降低用電量。此外，這個軟體屬於雲端原生，不侷限於單一雲端環境。DeepInsights 的可能性讓客戶可以控制 AI 相關資料的儲存和推論位置，是遵守隱私與資料處理法規的關鍵。

EPIC iO 為客戶提供了簡單易用的解決方案，並持續與系統整合商合作，視需要建置實體基礎架構及提供持續的現場支援。整合外部軟體程式及建立營運工作流程，也屬於系統整合商的範疇。

AI 普及化的未來發展

AI 實作採用電腦視覺與感應器可實現無窮無盡的可能性：例如，強大的姿勢分析模型可判斷醫院患者是否在病房跌倒，必要時，醫護人員可以適時介入。

另一個可能性是利用人群分析監測零售賣場活動，此外也可以利用 AI 協助改善城市的空氣品質與安全。

Mills 尤其熱衷於利用生成式 AI，讓一般使用者更容易獲得深入解析。他引頸期盼的另一項發展是什麼？AI 的普及化。他表示：「各行各業能夠利用 AI 技術的人越來越多，而且不侷限於最大的公司和城市而已，這點讓我感到雀躍不已。」AI 普及化絕對有助於實現更安全、更智慧靈活且連結更緊密的世界。

 

本文編輯 insight.tech 編輯總監 Georganne Benesch。

時效性網路將改變工業物聯網

Posted on by Micah Kaplan

早期物聯網概念證明是基於結構，直接傳輸邊緣感應器資料至雲端執行個體，以便分析資料提供營運見解。但這些部署重視資料，而不是長期結果，可是資料只在能反應資料的情況下有用。

這影響了物聯網實際的價值與已知潛力，而今 Google 和 IBM 退出物聯網平台業務不禁令人懷疑物聯網是否徹底失敗。如果不是見解和結果仍因物聯網基礎結構的 IT 與 OT 領域主導不同業務與技術模式，而有所差距，物聯網的失敗確實無庸置疑。

時效性網路（TSN）是同步乙太網路在整合的企業與營運環境，傳輸資料時機的架構，所以控制器、感應器，及實現結果的邊緣裝置可以近乎即時的決策。透過時效性網路，您可在單一、低延遲網路交換資訊與值，而不同的流量類型也可維持優先順序。

目前即將上市的新功能可以簡化時效性網路的開發、部署與設定。搭配虛擬易用基礎結構時，這些新解決方案讓工業作業員可以跨物聯網部署分配工作量，並在所需時間地點，以所需方式催生結果。

物聯網順暢整合的標準化時效性網路

時效性網路不是第一個、也不是唯一的決定性乙太網路技術，但其他大多是專有技術，不開放端對端物聯網雙向無障礙的移動資料。時效性網路的關鍵價值是標準化，以整合網路取代專用現場總線，將網路上的實體連線虛擬化，並滿足工業 IT 與 OT 利害關係人的不同需求。IEEE 時效性網路工作小組成立於 2012 年，而目前致力制定標準。

「我們制定時效性網路標準已有十多年，但在定義、實作、測試基礎技術後，才實現目標。」即時軟體暨服務供應商的嵌入式軟體供應商、TenAsys Corporation 產品經理 Joel Morrissette 說，「設定網路是什麼？資料結構的形式是什麼？我們要如何支援硬體和軟體堆疊？職責如何劃分？以應用程式觀點來說，我要如何存取時效性網路？」

幸好，簡化網路部署的時效性網路標準相容硬體和軟體終於上市。市面目前有各種商用乙太網路硬體，可提供原生時效性網路卸載。Intel® CPU 提供的 TCC 功能讓軟體堆疊滿足時效性網路所需的即時效能，而且準確度比非時效性網路支援的 CPU 高。例如，Intel® 乙太網路產品、Intel Atom® 處理器 x7000E 系列、第 13 代 Intel® Core™ 嵌入式處理器，及新一代 Intel® Xeon® D-1700/2700 處理器，均搭載 Intel® Time Coordinated Computing（Intel® TCC）技術。

「網路的每個節點都會獲得相同資訊，並同步至微秒，確保所有人嚴守時間。」Morrissette 說明，「因為協作嚴守時間，我們可以優先處理流量，確保低延遲和高確定性。」

工業物聯網邁進

Intel TCC 提供硬體功能與軟體工具，確保應用程式符合即時限制，且 TSN 支援硬體可以協助控制資料套件在時效性網路傳輸的時間與方式。但在決定式應用程式（例如工業物聯網系統上執行的應用程式）利用這些功能，仍需設定應用程式與時效性網路的高階專業知識，滿足即時限制。

TenAsys INtime 物聯網軟體提供失落的環節。TenAsys INtime 物聯網軟體是時效性網路與 TCC 相容決定式作業系統（OS)解決方案的可擴充產品組合，可作為獨立或分散式 RTOS 部署，支援在多個節點執行的應用程式。這個軟體甚至可以實作為 Windows 或 Linux 主機的虛擬即時輔助 OS。

INtime 透過開發者 API 套件，精簡複雜的時效性網路設定。該軟體支援各種通訊協定，所以不必瞭解不同流量類別，或流量類別的網路排程方式。而且，INtime SDK 提供開發者時間分析器等工具，可用於進一步最佳化急迫性應用程式。

「TenAsys 負責實作『方式』，所以開發應用程式時，開發者可以專心處理『內容』並控制『時間』。」Morrissette 說。

INtime 原生支援時效性網路功能下的 TCC 功能與 API 抽象層，是急迫性工業應用程式可以展現物聯網真正價值的關鍵。利用多核心 Intel 處理器的原生硬體虛擬化功能，配置 INtime 的執行個體給專用 CPU 核心，然後使用配置的記憶體、I/O 和其他系統資源，在功能齊全的虛擬硬體環境中執行。應用程式在 INtime 平台上組建、部署後，即可部署於分散式即時作業系統（DRTOS）環境，實現工業物聯網即時應用程式的可攜性與靈活性，並提供邊緣急迫性資料擷取、分析與決策。

實現真正的 IT/OT 整合策略

時效性網路技術可整合 IT 和 OT 系統，實現工業物聯網網路互通性與工作負載可轉移性。TenAsys 在時效性網路領域有十多年經驗，且為數十年的 RTOS 技術供應商，在加速工業物聯網廣泛採用時效性網路所需的技術整合方面，占據獨特地位。

透過整合、精簡時效性網路和 Intel TCC 技術，INtime 可提供開發者工具，管理複雜的設定、部署，及管理整合的 IT/OT 時效性網路，推動工業資料到資訊的數位轉型，亦即提供結果的要素，將有助加速採用、鞏固工業邊緣物聯網。

 

本文由 insight.tech 撰稿人 Teresa Meek 編輯。

無程式碼軟體調整邊緣視覺 AI 部署

Posted on by Micah Kaplan

每次開始新專案都要費力重新設計，令人心煩，讓您的熱情迅速消退。可悲的是這問題阻礙邊緣視覺 AI 解決方案的開發，導致不時停滯不前的方法，及各自為政實作技術。

電腦視覺和 AI 解決方案軟體公司 Irida Labs 的產品主管 Dimitris Kastaniotis 表示，或許一次性成功證明邊緣視覺 AI 可帶來營運效率，但這項技術不適用於大規模部署。

針對這個問題，Irida Labs 有解決方案。該公司的 PerCV.ai 軟體能降低營運成本、建立並使用可用資料，協助邊緣視覺 AI 大規模部署。此外，PerCV.ai 軟體提供通用基礎結構，可處理現場資料，並重新修正實際安裝條件。

AI 模型需要資訊才能運作。PerCV.ai 的資料引擎負責預先處理和後製資料，及建立、標注、管理資料。因為 PerCV.ai 的資料引擎搭配專有與綜合資料使用，所以專案可以立即運作，不必等候數個月才取得現場的一次性數字。

PerCV.ai 是無程式碼解決方案，可以直接推送至邊緣裝置內部，進一步簡化部署。中央平台可輕而易舉變更功能，或重新校準邊緣攝影機。同樣重要的是，託管攝影機並分析邊緣資料可以防止高額的雲端運算成本。使用 PerCV.ai 有助快速驗證業務使用案例，所以公司可以依照所需規模部署專案。「而且 Intel 技術，包括 Intel® Movidius™ Myriad™ VPU，加速了原型設計與產品開發」Kastaniotis 說。

視覺 AI 實例

邊緣視覺 AI 和 PerCV.ai 的利用的利用堪稱沒有限制，包括工業4.0，即製造業版本的數位轉型。

工業 4.0 是適用於各界和子產業的多元名詞，而 Irida Labs 致力實作工業 4.0 物流和倉庫管理的 AI 自動化驅動準則。在這些主要的難題中，倉儲與物流面臨的是，如何在指定時間找到特定商品的位置。再者，裝貨作業也不是自動化。「安裝攝影機和邊緣視覺 AI 有利倉庫許多作業。」Kastaniotis 說。

例如自動導引車（AGV）會繞行倉庫撿貨，但導引車常有無謂的路線，尋找不在貨架的產品，導致效率低落。PerCV.ai 利用安裝在貨架的攝影機，收集準確的產品庫存，然後整合資訊至導引車的 PLC 伺服器，解決這個問題，所以導引車知道產品確實在貨架時，才會前往撿貨。

「這類解決方案只是自動倉庫或工廠的其中一個要素」Kastaniotis 說。

PerCV.ai 解決方案也有助公司加強倉庫區域進出安全，尤其大型設施有正職工人和承包商，成員複雜，所以更要採用識別制服功能。透過攝影機和即時警示，倉庫管理部門可以判斷工人進出非所屬區域的時間。

Irida 平台可提供眾多使用邊緣視覺 AI 的方法，這兩個使用案例只是當中的範例。監控液體流量是另一個實例。所有案例中，「您都有相同的骨架和基礎結構，但即時處理需求是南轅北轍，所以我們透過同個平台基礎結構，以同樣結構化的方式處理這些需求。」Kastaniotis 說明。

Irida Labs 絕對遵守隱私權法，不會涉及人臉辨識。個人識別資訊僅用於邊緣分析，不作為儲存使用。Irida 也不會將個別公司的訓練資料，用於其他公司的 AI 模型。

與系統整合商合作

雖然 Irida 有助於加速產品開發，但該公司不提供全套訂製解決方案。

不過，Irida 會協助確保方法的可行性，讓客戶完成最後一塊拼圖。後續接棒為客戶訂製解決方案的系統整合商，格外左右結果。SIs 使用 PerCV.ai 測試專案的可行性。SIs 可以使用這套軟體以特定領域的資料調整解決方案，再直接以最少程式碼或無程式碼程序推送解決方案。

「SIs 的軍火庫還需要另一項武器，提供更好的服務，才能為公司和協力廠商帶來更多收益。」Kastaniotis 說。PerCV.ai 的盈餘模型正符合所需：利用邊緣視覺 AI 專案，以快速且可擴充的方式帶來新的營收來源。

而且利用邊緣視覺 AI 帶來更多銷售額，也有助瞭解 AI 趨勢與相關技術限制。首先，公司要瞭解他們擁有的資料集，才能利用合成資料填補缺口。這項技術一樣有效能限制，所以公司必須拿捏準確度和耗電量的平衡。最後需要費一些功夫利用視覺瞭解環境。「您必須徹底瞭解您要達成的結果。」Kastaniotis 說。「您需要可以連結各個要點的基礎結構。若不，很難完成解決方案，讓您的生活變簡單。」

我們才剛開始接觸邊緣視覺 AI，所以 Kastaniotis 很期待這項技術的未來，並預測可自動化的工作數量會大幅增加。偵測病患摔倒或駕駛有睡意是兩個極其實用的例子。

而邊緣視覺 AI 搭配無程式碼軟體，讓自動作業的未來近在咫尺。

 

本文編輯 insight.tech 編輯總監 Georganne Benesch。