AIoT技术商品化,带起企业新型态物联网应用浪潮如影像辨识摄影机

2018-12-31 17:12

导读: 有别于微软2018年提出的智慧边缘(Intelligent Edge),AIoT更加强调是在这些配备有感测器的各种IoT装置上执行的物联网AI应用,如自驾车、影像辨识摄影机与水电表等。 以AI人工智慧结合物联网(IoT)装置而掀起一波AIoT新应用,在2018年迅速窜红,甚至还取代

有别于微软2018年提出的智慧边缘(Intelligent Edge),AIoT更加强调是在这些配备有感测器的各种IoT装置上执行的物联网AI应用,如自驾车、影像辨识摄影机与水电表等。
以AI人工智慧结合物联网(IoT)装置而掀起一波AIoT新应用,在2018年迅速窜红,甚至还取代传统IoT一跃成为当前最火红的物联网产业新应用。云端大厂最先嗅到AIoT商机,争相推出自己的AIoT服务,从原先封闭测试,到发展成熟可以商用的AIoT产品,企业将有更多新选择。可以预期的是,2019年也将掀起企业新一波物联网应用风潮。

AIoT并不是新技术,而是一种新的IoT应用型态,来与传统IoT应用做区别,从名称来看,AIoT是AI加上IoT的缩写(或可称为Artificial Intelligence of Things),顾名思义,就是一种物联网AI应用,但是它与以往多以云端为主的AI应用不同,因为是就近在IoT装置上执行AI或机器学习(ML)运算工作,能直接套用IoT感测器串流资料用于ML模型推论,资料不用再传云,即使没有网路也不怕。

 

 

对企业来说,过去想要在IoT装置跑AI或ML推论,不是一件容易的事,但是云端技术成熟,加上运算力更强的加速硬体的出现,让这件事得以实现,现在IoT装置上不只能执行更复杂的AI或ML推论,甚至还可以在更小型的IoT装置上执行,即使是记忆体容量只有128MB大小的Raspberry Pi单板电脑也能用。

 

云端大厂纷纷押宝,争相推出自己的AIoT产品

 

一些主要云端服务商最早嗅到AIoT商机,在2018年开始推出可商用AIoT产品, 让企业开始能把云端训练完的ML模型带进IoT装置,用于执行ML推论。全球云端服务龙头AWS先是开出第一枪。在2017年尾的re:Invent全球用户大会上,AWS宣布将替自家边缘运算服务Greengrass,新增机器学习推论(ML Inference)功能,并在隔年4月正式推出,让企业开始可以利用它来打造新型态IoT应用,如Rockwell Automation、Aisin AW 与Brain Technology等业者都宣布开始采用。

 

不到2个月后,另一家云端大厂微软也在自家Build 2018年度大会上,推出第一款智慧边缘服务Azure IoT Edge,还将该服务程式码开源释出,要让企业更容易将AI与ML能力快速扩散到各种IoT装置或设备上,甚至还直接把Azure云端认知服务上热门的影像分类及识别服务,打包成可以在IoT装置上执行的影像辨识功能Custom Vision,用以实现了「智慧+边缘」的整合。

 

Google随后也加入战局,推出自己的AIoT服务Cloud IoT Edge,虽然目前还只是功能有限的测试版,但靠着主打Edge端的AI与ML分析功能,也因此吸引不少大型企业与新创加入试用,如LG CNS 、Smart Parking与XEE等。

 

随着三大公有云厂商的AIoT产品纷纷落地,这也意味着,企业未来将有更多新选择,可以依据自身应用需求,选择适合的AIoT应用部署与执行方案。

 

随着AIoT技术成熟,企业也有了现成可以套用的AIoT商品

 

而且不像以往,企业若想要在工厂IoT设备或装置上进行AI分析,还得自行费一番功夫客制才行,有了这些已经成熟可商用的AIoT产品,企业之后想在IoT装置上进行大规模ML推论部署将更容易,就像是以往IoT应用部署那样。

 

如全球大型工业自动化大厂洛克威尔自动化公司(Rockwell Automation)在2018年时就开始试用AIoT技术,来帮助石油与天然气工厂快速检测有无异常的问题油管或管线,加快异常事件的预警反应。该公司在工厂内的输送管线旁,每隔一段路,就架设一台深度学习摄影机,利用摄影机撷取到的影像画面,搭配ML模型现场作预判,用以检测输送管线的外壳表面,有无出现变形或产生裂痕等,因为不需要将资料回传,因此反应速度变更快,甚至没有网路也照样可以执行。也因为是将训练好的ML模型打包预先载入到摄影机来启用执行,因此想要在工厂内大量部署时,也相较变得容易许多。

 

根据市调机构Research and Markets的最新预测,未来4年内,物联网AI晶片出货量将连年攀升,甚至于全球AI晶片市场的占有比例,更将在2023年一举突破8成,也就是说,以后每5个IoT装置,就有4个会是具备AI运算处理能力的AIoT装置。这也意味着,企业想要让IoT装置或设备就近结合机器学习将变得更简单,也将使得这些装置变更聪明,能用来开发各种不同物联网AI新应用。

 

因应AIoT应用需求,2018年开始有台湾硬体厂商积极布局。如凌华科技除了抢攻边缘运算,更是台湾首家Google边缘运算合作伙伴,今年计画要将Edge TPU晶片整合到自家IoT闸道器产品,要让企业更容易在IoT装置上执行机器学习模型,就连科技大厂宏碁也都押宝AIoT,推出内建镜头的AIoT边缘运算装置aiSage,主打影像辨识能力,要透过AI加值,为企业提供全新客制化IoT解决方案。

 

 

 

企业实例 1【将AIoT带进连线昂贵的现场】影像免上传!洛克威尔自动化工厂靠摄影机现场作AI预判

 

 

 

美国洛克威尔自动化公司利用摄影机撷取到的影像画面,直接搭配机器学习模型现场作预判,快速检测出异常的问题油管设备,即早报修。一旦摄影机侦测到异常情况时,只须向云端发送警示讯息,不需要将整段监视影片全部上传云,有效减少网路频宽成本。图片来源/Microsoft Build 2018

 

随着3大云端巨头2018年纷纷抢进AIoT市场,也让企业开始有了成熟可以商用的AIoT产品能够选用。如美国洛克威尔自动化公司(Rockwell Automation)在2018年时就开始试用AIoT技术,来帮助工厂快速检测有无异常的问题设备,加快异常事件的预警反应。该公司在油管或管线工厂内的输送管线旁,每隔一段路,就架设一台摄影机,然而过去想要透过云端AI分析侦测异常情况,得负担昂贵网路连线成本,后来改用摄影机撷取到的影像画面,直接搭配机器学习模型现场作预判,来帮助他们加快检测出有异常的问题油管或管线,即早抢修。当摄影机侦测到异常情况时,也只须向云端发送警示讯息,不需要将整段监视影片全部上传云,有效减少网路频宽成本。

 

 

 

企业实例 2【AIoT可以随身带着走】日本东京停车厂将AI带进穿戴装置加快检修

 

 

 

日本东京的立体停车厂维运业者Famm,2018年开始试用智慧边缘技术,搭配穿戴装置,来帮助他们改善停车厂设施维护。因为该AIoT设备可以跟著作业员一起移动,而且不需要连网就能用,所以即使到了没有网路的地方也不怕。摄影/余至浩

 

东京一家立体停车厂维运业者Famm,从2018年上半,开始利用AIoT技术搭配穿戴装置,来帮助他们改善停车厂设施维护,甚至是加快检修。该公司在作业员身上配备一台可携式迷你电脑,头上还搭配类似Google Glass眼镜装置来进行现场的工作。

 

作业员进到停车场后,头上的眼镜会自动将撷取到的影像画面回传至操作员腰上的AIoT设备,并直接从设备上进行预判后,再将判读结果显示在眼镜上。透过影像辨识的结果,维护人员马上就能知道哪些零件需要更换,不需要像以前再爬上爬下,作业上也更安全。因为该AIoT设备是直接配备在人员身上,可以跟着他一起移动,而且不需要连网就能进行AI预判,所以即使到了没有网路的地方也不怕。使用至今,不仅明显减少了人为出错的情况,更大幅缩短作业的时间。而以往维护工作,需要老练的维修人员靠着长年的经验来判断,现在即使新进的人员也能够很快上手。