AI加速物联网智能脚步 台厂乘势重塑产品价值

AI被视为物联网架构的最后一块拼图，未来主机与终端都会有程度不一的运算能力，台湾厂商可藉由此一趋势，发展出专业应用的物联网终端与连网设备，翻转过去的低价代工模式。

物联网一直被视为IT产业继PC、互联网、智能手机之后的第四波革命，万物连网的庞大商机，让各研究机构纷纷做出惊人预估，象是BI Intelligence预估2017年全球连网装置出货量将超越智能型手机；Harbor Research也表示，2020年将有100亿个物件连网，商机超过1兆美元。而2016年底，科技产业出现另一个声势惊人的新议题——AI，AI成功吸引科技产业目光后，业界人士迅速将AI与物联网连结，打造出新名词「AIoT」，多数市场人士均认为，AI补足了物联网最后一块拼图，两者的结合将加速IT系统的智能化速度，延伸出更大商机。

就整体系统来看，物联网可分为感测、通讯、应用等三层架构，由于这一波AI的主流算法以深度学习(Deep Learning)为主，透过不断的错误更正自我学习，让指令不断趋近于完美，这种模式需要大量的运算，因此多建置在物联网最上层的应用平台，不过近期市场开始推动边缘运算概念，业界人士就指出，这将是台湾在AIoT的最佳机会。

当前物联网主要为集中式运算架构，也就是第一层所撷取的数据全部往上传，最上层的云端平台负责储存与分析。集中式运算与分散式运算各有优缺点，应用也不尽相同，集中式运算会有实时性、处理器工作负担和传输费用等问题，例如在制造业，设备一旦故障，若仍采用讯息传回后端再下指令的模式，现场状况极有可能因为讯息传递与后端运算所需的时间太久而恶化；另外在零售产业也会有类似问题，比如现在已有IT厂商尝试将智能脸孔分析导入至零售业系统，透过人脸分析与CRM的集成，提供更精准且更快速的服务，而脸孔辨识若还需要透过后端服务器的运算比对，其效益会大幅降低。

再者则是后端处理系统的运算负担与数据传输费用问题，物联网的愿景是万物联网，若所有讯息都连接到后端的运算平台，则服务器的运算能力必须非常强大，再加上所有第一线设备的连网需求，无论是建置或运行成本都会相当高昂，因此在部分应用中，边缘运算会是较佳选择。

不过边缘运算也并非全无缺点，例如系统若应用于类似车体大小的狭小空间中，多点部位同时运算，将会产生干扰；此外经过端点预处理过的数据，也会有失真之虞。当然物联网的建构并非只能二择一的极端做法，多数的系统都是两者并行，在实时性需求较高的部分设计有边缘运算功能，其它部分则仍为集中式运算。

对台湾来说，集中式运算向来不是台湾厂商可触及的商机，台湾厂商过去在IT领域主要以消费性产品为主，物联网兴起后，多数厂商也将目光聚焦在第一层的设备端，而边缘运算概念的出现，完全符合了台湾厂商的产品策略与市场条件。

首先是运算芯片，过去物联网终端产品的元件，多被要求低功耗与小体积，让设备可以在最有限的空间下，尽可能的长时间运行，加上多只是简单的状态数据撷取，因此运算功能不需强大，但在边缘运算概念中，部分设备需要有一定的运算能力，这对多数Fabless或IC设计业者来说，都还在能力范围之内。此外，未来的物联网系统多是垂直产业的应用，例如制造、医疗、交通...等，这些产业的物联网系统都需要与其专业结合，位于现场第一线的设备更是如此，而不同类型的设备需要对应不同模式的运算芯片，此时台湾厂商擅长的快速弹性的客制化设计能力，在这种少量多样的需求条件下，其优势将会延续，不过这类型应用也容易被抄袭，因此台湾厂商必须先行取得特定应用领域的专利，方能顺利站稳市场。

至于台湾的劣势则是AI产业化的不足，其实台湾过去在AI领域所培养的人才并不算少，今年回台成立台湾AI实验室的杜奕瑾就曾指出，他在微软任职期间，微软每年举办的开发者大会「Build」中，台湾队总是缺乏政府的奥援，但即便如此，台湾队伍每年总能拿下不俗的成绩，这说明台湾的软件人才其实不逊于其它国家，只是过去一直不被政府与产业所重视。

不过2018年开始，科技部已开始启动AI政策，希望透过AI产业化留住台湾软件人才，而有了软件人才，台湾的AIoT在软硬件两方面才能齐备，顺利启动。以前面提到的边缘运算芯片为例，要在小体积与低耗电的条件下，设计出足够运算能力的芯片，除了硬件技术外，算法也是重要一环，软件工程师必须将庞大的演算模型精简化，让终端可以在低功耗模式下进行运算。

AI与物联网的集成虽未开始，不过整体趋势已经确定，2017年6月阿里巴巴创办人马云就指出，现在产业已经从「互联网+」进展到「AI+」，也就是AI将与各种领域结合，创造出更多加值服务，而这也就是过去物联网所诉求的垂直应用模式。不过多位业界人士表示，这不代表AI未来会全面取代人类，台湾微软总经理孙基康在日前微软的AI活动上就指出，AI必须要和HI(Human Intelligence)结合，才会变成SI(Super Intelligence)。

AIoT现在的发展，都是为了提供使用者更直觉、智能、多元的选择，但无法做出具有逻辑性的判断，真要提出相关对应策略，还是需要倚靠人类智能。以制造业和医疗业为例，工业物联网现在与AI的结合，已进展到感知层面，也就是脱离冷冰冰的人工指令，而改采更具人性的直觉性讯息，例如当现场制造设备出现故障，系统会依据过去深度学习的结果，判断问题所在，再依情况直接告诉作业人员设备故障处与可能故障原因，人员可参考系统将系统建议结合本身专业决定处理方式，而若系统察觉到的问题经过判断必须实时处理，则会先以口语化语音立即指出故障处与紧急处理方式，让工作人员可在最短时间内解除状况。医疗部分则是以AI判读医疗数据或影像，但是真正的病理判断与医疗行为，还是需要透过专业的医师，这也就是AI与HI结合的方式。

在与AI集成后，物联网会加快其应用拓展速度，就产业架构来看，台湾厂商过去在消费性产品所建立的优势，将会延伸到物联网系统中的终端零组件与连网设备，不过这类型产品将会需要一定程度的客制化设计，对台湾厂商来说，这是挑战也是新契机，台厂必须投入更多资源掌握特定领域的专业知识，但同时也能藉此提升产品价值，摆脱过去价值有限的OEM宿命，在AIoT市场取得更多商机。