Google Cloud助制造业加快转型升级步伐

协助制造业加速迁厂与转移IT系统，DIGITIMES日前偕同Google Cloud与产业专家，将GCP(Google Cloud Platform)融入企业环境，发挥云地整合效益，以落实系统迁移与备援、执行协同设计等多重综效。

伴随中美贸易战延烧，制造业引发迁厂潮，迫切将生产基地移回台湾或迁往东南亚；但在转移过程，须确保快速平稳地将整套IT系统复制过去，以利产线正常运作、奠定全球协作基础且顺势推动智能转型，其间难免面临挑战。

为协助制造业加速迁厂与转移IT系统，DIGITIMES日前偕同Google Cloud与产业专家，共同举办「制造业IT攻略-轻松解锁云端迁移X数码转型」研讨会，阐述如何将GCP(Google Cloud Platform)融入企业环境，发挥云地整合效益，以落实系统迁移与备援、执行协同设计等多重综效。

善用公有云服务，提升产业转型效率

本次活动由DIGITIMES研究中心分析师陈辰妃的「由产业转型需求解构云服务发展趋势」演讲揭开序幕。她指出企业数码转型旅程包含E化、信息化及智能化三阶段，其中智能化为导入一系列新兴技术，让流程由事后解释到事前预测，产生新的商业价值。

「公有云平台汇集资源推出的云服务，可协助企业加速数码转型，」陈辰妃说，公有云平台蕴含IoT、Hybrid、AI三大类服务，分别对应边缘管理、资源协作、分析预测等关键需求。IoT服务旨在提供从云到边缘一致性IoT架构，包括传感器端的嵌入式OS、边缘装置端的代理程序，乃至从云端服务入口接上云端服务，藉由前后串联提升管理便利性和数据质量。

Hybrid服务以Docker、Kubernetes等微型服务做为混合云/多云兼容基础，使云间互通趋势成形，促进资源协同运作。AI服务以简化、优化、边缘化为诉求，涵盖Pre-Trained AI Model、AutoML、Edge AI等不同功能，帮助各类企业导入AI进程。

陈辰妃建议，企业应厘清需求、善用公有云服务，借此提升流程效率、提高AI预测准度，终至加速数码转型、创造新商业价值。

以「IoT+AI+5G」为核心，实现智能机械愿景

智能机械推动办公室国际事务组组长钱睿宏表示，台湾高达98%制造业者皆为中小企业，缺乏足够资源推动转型升级；为此该办公室采取五项措施，首先推动智能机顶盒(SMB)，将设备数据上传云端。其次发展推动公板工业物联网平台(NIP)，透过SaaS让企业轻松接上智能制造所需技术。

第三鼓励业者推动数据加值运用。再者建立指标性企业，以发挥扩散效应、促进整条产业链智能化。最后打造智能制造试营运场域，帮助机械业从单机出口模式，升级为高附加价值智能制造系统的整厂整线输出。

钱睿宏强调，台湾缺乏天然资源，需以智动化提升劳动力，以支撑制造能量，其背后最重要三大技术是IoT、AI和5G，它们联袂形成「Intelligent Connectivity」，可驱动机器视觉、大数据、网安、系统整合、机器人、3D打印、AR/VR、无人车/无人机等各式创新应用，优化制造业的设计、生产、检测、组装、物流等一连串价值活动。他建议台湾业者积极与诸如Google Cloud Platform等国际型大平台合作，将创新能量带向全球市场。

借助GCP关键服务，加速达阵工业4.0

接着由三位Google Cloud客户工程师叶秀邦(Benson Yeh)、安玟宇(Wayne An)、罗焕琳(Helen Lo)轮番上阵，依序讲述如何利用GCP关键基础架构服务来翻新既有系统、弹性建构高效能运算架构、重新打造数据库和数据仓储。

叶秀邦说，目前GCP服务据点遍及20个Regions、134个PoPs和200多个国家，而Google更于全球布局了19座数据中心 ，其中一座落脚彰滨，提供了台湾用户对合规、低延迟的期望；而用户只要经由邻近ISP连结Google PoP，尔后循着Google自有骨干、而非公众网际网络，更快更安全地接入GCP Endpoint。

紧接着叶秀邦介绍三类关键服务，一是以秒计费、可定制化机器类型，又搭配自动折扣优惠的Compute Engine(VM)，其支持Live Migration，主动在离峰时段搬移用户工作负载，以利在不停机下更新或升级原VM。其次是BigQuery无服务器数据仓储服务，使企业无需维护基础架构，即可凭藉合理TCO享用企业级数据仓储。再来按用户所需机器学习专业度由高至低，分别提供GCP Machine Learning Engine、AI Platform、Cloud AutoML、CloudML pre-trained API等丰富服务，另独家供应效能快过GPU数十倍且CP值更佳的TPU服务。

安玟宇介绍GCP高效能运算(HPC)服务。他指出HPC分为Server-based HPC、End User Computing及Data Driven Computing三类。若利用GCP执行Data Driven Computing，其间关键技术有二，一是BigQuery，方便用户透过SQL语法陈述数据，二是Dataproc，让用户不需租用VM、只需经由简单步骤快速产生Hadoop丛集。

谈及End User Computing，企业透过VM租用(架设VDI服务器)、搭配SSO或G Suite等周边方案，便能满足前端各式Workspace App运行需求。

GCP针对不同HPC应用提供多种VM选项，其中E2系列定位General Purpose，适用工作站虚拟化、Workspace App情境；N1/N2系列同样定位General Purpose，但支持较大存储器容量，可支撑入门级Server-based HPC。M1/M2系列诉求Ultra High-Memory工作负载，适合In-Memory分析用途。CPU时脉规格最高的C2系列，适合譬如热力学、流体力学、碰撞等Server-based HPC模拟应用。

罗焕琳说，GCP提供In-Memory、Relational、Non-Relational、Object、数据仓储等五种代管数据管理服务，以市场上甚受好评的Cloud SQL而论，归类于「Relationall」，旨在协助企业透过GCP轻易建立、维护与管理PostgreSQL、MySQL或SQL Server关联数据库；其优势包括高效能且可扩充、可靠又安全、简单易用且全代管、以秒计费等等，利于企业专注发展创新应用。

针对数据仓储，GCP相关服务是BigQuery，最大利基在于可收纳制造业各部门形形色色数据，而企业无需历经资源配置、HA、Monitoring和效能调校等繁冗历程，便可轻松建立数据仓储；更重要的，Google特别推出BigQuery ML功能，允许BigQuery用户利用熟悉的SQL语法快速执行机器学习分析，未必须要具备高深的ML知识。

总括而论，GCP可提供远较地端更加灵活弹性的架构，裨益企业善用AI、大数据，加快数码转型进程且优化制程，针对不同的企业可依总体拥有成本(TCO assessment) 评估，提供最贴近业主需求的解决方案，助其顺利迈向智能制造、工业 4.0目标。