【AWS后疫新战略2：工业AI、边缘运算】AWS机器学习服务切入垂直产业，力推两大边缘AI产品

打从2016年度大会上，AWS推出自家第一波AI服务Polly、Lex和Rekognition后，搭上企业AI应用浪潮，也不断推出新的AI服务与功能。过去3年，以每年新增超过200项功能的速度，扩充AI产品线，今年更推出5项AI垂直产业服务，将产品线的触角延伸进更多企业第一线产业现场的商用场景。

时至今日，AWS累计推出数百个AI功能，其中的ML服务SageMaker，更是成长最快的AWS服务之一。去年大会上，AWS首席执行官Andy Jassy将自家所有机器学习服务，划分为三个层次，分别是最底层的机器学习框架与基础架构，还有居中的ML服务，以及上层的AI服务，示意著AWS在AI产品上的布局已有完整的架构。

今年，AWS首场专为ML开设的主题演讲上，AWS机器学习副总裁Swami Sivasubramanian再次秀出这个三阶层架构的AI产品蓝图，明显不同的是，中间层ML服务直接更名为SageMaker，显见该服务具不可撼动的地位，另一个新亮点就是，最顶端的AI服务层新增了工业AI的分类，加入一系列深入产业场域的AI服务。

细看AWS AI产品基础设施的布建情况，底层涵盖了各项基础架构和深度学习框架，包含GPU、FPGA，还有PyTorch、MXNet和TensorFlow。Swami Sivasubramanian兴奋地表示，全球有92％以云端为基础的TensorFlow框架，以及91％以云端为基础的PyTorch框架，是在AWS环境中执行。

位于中间层的全代管机器学习服务SageMaker，可供资料科学家和开发人员建构、训练与部署进行机器学习模型，推出后，已累计数十种功能。AI产品线顶层则是AI服务，提供不懂机器学习技术运作方式的用户，不同情境的应用解决方案，像是影像辨识、预测、对话机器人等服务。

如今，AWS AI产品架构加入垂直产业类的AI服务应用，代表着AWS对AI基础设施层的布局，已告一段落，开始转向更偏应用面的产业AI需求。AWS人工智能副总裁Matt Wood表示，机器学习几乎让每个产业中，都展开了非比寻常的重塑工程，特别是制造业。他观察，许多制造业企业正在使用云端和边缘节点的数据，来重新思考从生产到成品完成的流程设计，像是监测生产系统以在机器发生故障时，获得警报。

因为工业流程是一系列的步骤，并且具有一套完整的流程，这些步骤间的耦合度非常紧密，这也意味着产线上任何一段流程或一项设备发生问题，都可能产生巨大的影响。但，他表示，许多监测都是利用固定临界值，来进行管理，并未真正有效利用工业系统产生的大量数据。

因应产业现场ML分析需求，率先推出工业AI服务

因此，AWS推出了5大AI新服务，瞄准工业流程上设备监控及品管的需求。这5大新服务可分为两大类，第一类服务聚焦运用机器数据，来执行预测的机器维护工作，包括了Monitron和Lookout for Equipment两个服务，借由感测器收集产线设备的运作数据，监控设备状况，并使用机器学习分析数据，查出异常状况，以预测设备需进行保养、维修的时间点，减少意外停机情况的发生。

第二类服务则聚焦运用电脑视觉技术，来改善产线流程中的瓶颈，还有评估现场工作人员的安全性，甚至是辨识成品的缺陷，包含了Panorama Appliance、Panorama SDK和Lookout for Vision。

尽管Monitron与Lookout for Equipment这两类服务，都是用机器资料来检测异常设备行为，但最大的差别在于，Monitron不仅仅提供了机器学习服务，还提供了硬件设备，包含感测器和闸道器，以及可供企业即时监控设备状况的手机App，可说是一个端到端的机器监控解决方案，而Lookout for Equipment则只是一项线上ML服务，可用来分析企业自有感测器所收集的资料，来辨识机器异常状态。

Monitron专用感测器可以每小时侦测一次设备的温度和震动数据，再由蓝牙传送至专用闸道器中汇整，下一步，闸道器会透过Wi-Fi将整批数据上传至AWS，接着，再以机器学习模型分析数据。一旦监测到设备出现异常运转状态时，App会发送警报通知，警告企业技术人员。

一台闸道器最多可连结20台感测器，闸道器与感测器间的距离最多可以达到30米，这些专用感测器可监控的工业和制造业设备，包含了马达、空压机、风扇、轴承等。Monitron硬件装置已通过美国、英国和欧盟的认证，企业可搭配现已正式支援该设备套件的AWS北维吉尼亚地区，使用这项新服务。GE、乐器制造商Fender等企业已开始采用。

针对产线已布建了感测器的企业，则是Lookout for Equipment锁定的使用族群。在企业将感测器数据传送至AWS S3储存后，可透过这项新服务来分析数据，建立依机器操作模式打造的机器学习模型，接着，企业专属模型可分析感测器后续传入的资料，来辨识机器的异常状态，让企业提早检修。Lookout for Equipment目前在北维吉尼亚州、首尔等AWS地区，提供预览。

推出具电脑视觉技术硬件，供企业连结摄影机辨识产线状况

另外，锁定制造业监测和检查产线状况的视讯分析需求，AWS也推出了一款即时监控分析设备Panorama Appliance，可以部署到工厂端环境中来提供电脑视觉技术，改善产线运作情况。企业将产线上设置的摄影机与Panorama Appliance连接后，Panorama Appliance会执行多个电脑视觉模型，来辨识摄影机的串流资料，侦测产线流程的状况，像是检查高速运转流程（如精细铣削），或是评估厂内人员的安全，确保使用防护装备。

除了应用在制造业产线上，Panorama Appliance也可应用在零售、建筑等其他产业的场域内，像是监测人流数量、工地人员安全等。台湾许多零售门店内都装有数支摄影机，未来也可成为使用Panorama Appliance的场景之一。AWS台湾解决方案架构师主管Nicolas Vautier举例，这套设备还可以用来计算来客数、预防偷窃等。AWS计划在2021年正式开卖。

另外，AWS还推出软件开发套件Panorama SDK，让摄影机制造商将电脑视觉技术嵌入摄影机中，开发可在边缘端执行电脑视觉模型的摄影机，而闸道器制造业者也可应用此套件，开发可在边缘端执行电脑视觉模型的闸道器。目前台湾已有多家厂商开始运用Panorama SDK，开发相关智能设备，包含凌华科技、晶睿通讯等。

新推出利用电脑视觉技术，来侦测制造业产线状况和产品品质的3项服务中，最后还有一项Lookout for Vision。这是一项机器学习服务，可分析企业传送的批量或即时影像，来辨识异常，比如说，机器零件上的裂痕，还有成品上的凹痕、不规则形状、不正确颜色等，并可执行于Panorama装置上。目前新服务正在预览版阶段。

AWS推出可在边缘端提供电脑视觉技术的硬件Panorama Appliance，供企业将设备装载的摄影机与该硬件连接后，来执行电脑视觉模型，辨识摄影机的串流资料，侦测产线流程的异常状况。（图片来源／AWS）

推出医疗界专用AI资料湖服务，解决资料格式复杂、分散问题

不只因应制造业生产现场的需求，打造全新AI服务，AWS也针对医疗照护与生命科学领域的企业和组织，推出名为HealthLake的AI资料湖服务，要改善医疗资料种类复杂、分散各处，在进行机器学习分析前，需整理资料的浩大工程。HealthLake可以汇集医疗院所、药厂旗下分散于各个资料孤岛的PB级数据，并将这些不同格式的资料运用机器学习技术，来进行正规化、标注等处理，方便日后做分析及搜寻。目前释出预览版。

AWS看到每个产业因为机器学习，都纷纷展开重塑工程。在这次re:Invent上，AWS针对工业、制造业流程推出的5套机器学习服务，以及因应医疗照护界汇集分散、复杂资料需求，所打造的资料湖服务，不会只是特例的工业AI服务或AI相关产业服务，未来将有机会看到AWS持续扩充垂直产业面应用，针对更多产业现场的需求，推出新服务。