瞄准AIoT大商机 各方业者纷纷卡位布局

NVIDIA Jetson TX2将整套AI系统缩小到一片电路板，为机器人、无人机、智能镜头等装置，提供进阶的导航、语音识别及影像识别功能。来源：NVIDIA

近两年以来，有一个新兴名词「AIoT」相当热门，顾名思义，它是经由两个同样炙手可热的趋势－人工智能(AI)、物联网(IoT)彼此结合，所形成的新风潮，包括机器人、无人机、自驾车等备受关注的题材，皆与AIoT息息相关。

2017年初，美国研究机构BCC Research提出一份预测报告，直指全球人工智能相关产品已经迈入成长阶段，尤以智能机器市场增长态势最强，预期2019至2024年成长率最大的3种智能机器，依序为自主机器、智能助理，以及深度神经运算电脑。举凡机器人、无人车、无人机等项目，皆属于自主机器范畴，也是有志逐鹿AIoT商机的业者，必定全力抢攻的主战场。

无独有偶，全球知名的研究机构Gartner，也对于AIoT的发展前景，提出了颇为乐观的预测；该机构指出，从现在起一直到2021年，平均每小时都有大约100万台IoT设备被采购，而随着AI技术的发展渐趋成熟，可望促使各式IoT终端设备，都纷纷为AIoT智能机器。

AIoT风潮渐盛  智能机器跃为新宠

以十分火红的机器人为例，居家服务机器人可谓时下的新宠儿，不仅逐渐跻身智能家庭应用的枢纽地位，随着Amazon Echo、SHARP COCOROBO或ASUS Zenbo等等相关产品的陆续问市，更使市场热度不断攀升；在此同时，娱乐休闲型机器人的发展态势也渐渐升温，开始在诸多商用场域现身，比方说人们所熟知的Pepper，现已被愈来愈多的银行或商店所导入采用，便是相当典型的例子。

看到这里，也许有不少人好奇，在AIoT尚未蔚为趋势之前，IoT、AI两者其实已经各领风骚，且透过两者的整合运用，形成一个极其自然的价值体现模式，即是藉由地端的传感器蒐集各式各样的数据，再经由无线通讯，将这些数据汇整到IoT闸道器或控制电脑，接着连上网际网络，把大量数据送上云端，除了进行储存，也借助云端的AI平台进行大数据分析，据此衍生各种富含智能的判断模型，进而结合线上的监看与控制机制，在必要时由云而地发出指令，驱使地端的机器设备做出对应的处置措施，实时遏阻某些异常状况。

最简单明了的例子，便是IAQ室内空气品质监测，以医院为例，假使云端后台不仅掌握当下的气温状态信息，也能适时整合挂号系统、门诊报到系统，就能预先推测接下来一小时或半小时医院大厅的人数，作为空调换气量的调整依据，从而驱动前线的空调设备进行升温或降温，如此一来，不但能恒常确保现场空气品质处于理想状态，也可避免因为过当的制冷量徒增无谓的能耗。

但问题来了，万一哪天肇因于不明状况，出现网络断线，使得地端与云端之间的互动管道陷入失灵，唯恐一并让原本IAQ控管机制失效，导致人多时空调换气量却不足，因空气品质恶化造成看诊民众身体不适，或是人少时却启动较大的制冷量，违背了院方所缺省的节能减碳目标。

IAQ或能源管控失调，肯定都不是好事，但不见得有致命性冲击，假设网络断讯之现象发生在自驾车或智能汽车，造成云端的智能指令无法传递到地端，其后果势必更加严重，况且事实上，汽车每当行经隧道，断线的机率往往不小。由此可见，若是以云端为中心的AI运用架构，在许多状况下都可能失去作用，明显不是理想的解决方案。

业者指出，就算一切运作如常，太过仰赖云端AI服务，也容易导致营运成本激增，为一大后遗症。众所皆知，用户付给云端服务商的费用多寡，取决于他上传数据量的大小，倘若数据量太大，连线与储存空间的费用都将同步攀升；可以预期，如果IoT信息不经任何筛选过滤，通通送上云端做AI处理分析，必定造成极为沈重的成本负担。

为解决前述难题，业界开始提倡「边缘运算(Edge Computing)」概念，使得嵌入式人工智能或AIoT蔚为新宠。所谓边缘运算，主要精神即在于就近运算，把一些基础常见的运算或分析工作，交由本地区网内的机器来处理，意即在靠近数据来源的所在地进行运算，尽可能不将数据上传云端。

边缘运算添柴火  助长嵌入式AI气势

不可讳言，最适合发挥边缘运算效益的应用场域正是IoT，举凡机器人、自驾车、无人机，甚至是增实境(AR)或虚拟实境(VR)等应用项目，其实都极为仰赖实时的影像分析及识别处理，反应速度必须快到毫秒甚或微秒等级，如果经由网际网络往返云端，等待时间势必远高于此，明显不符需求；因此显而易见，嵌入式人工智能或AIoT才是最佳解决方案。

影响所及，一些大型的云端服务供应商，看待边缘运算的态度出现巨大转折，从过去的排斥转而接纳，甚至开始大力拥抱。以亚马逊(Amazon)为例，除了将无服务器运算服务Lambda，扩展到AWS之外的边缘节点，因而推出了Lambda＠Edge，另外针对IoT应用需求推出AWS Greengrass服务，可供IoT设备搭载使用，使用户得以在安全状态下，透过联网装置执行本机运算、执行AWS Lambda函数，也能维持装置数据同步，纵使网络断线，亦可与其他设备进行安全通讯。

总括而论，Greengrass的初衷，即是把Lambda及其他AWS服务从云端延伸到本地，就近提升IoT装置的运算能力，让这些装置能够更靠近信息来源，执行数据的处理与分析工作；客户可选择应该在本机处理和存放的数据，以及应该在云端处理和存放的重要珍贵数据。

不仅亚马逊，另一家云端服务大厂微软，也开始朝向边缘运算布局，透过2017年Build开发者大会推出Azure IoT Edge服务，旨在把机器学习、进阶分析或AI服务，从原本Azure云端带往邻近数据来源的前端IoT设备，让用户毋需等待将数据上传云端处理的延迟时间；综观Azure IoT Edge服务内容，除了早在Build开发者大会之前便已推出的Azure 串流分析工具外，还新增了Azure机器学习、微软AI认知服务等备受各方关注的项目。

在云端大厂外，布局嵌入式人工智能的业者亦不在少数，但谈到对于产业的影响最为深远的产品，即是NVIDIA所推出的Jetson TX2模块。深究Jetson TX2的奥妙之处，但是将整套人工智能系统缩小到一块电路板，帮助终端设备运行AI深度学习功能。

换言之，用户只要善用搭载NVIDIA Jetson TX2的智能终端装置，即可直接透过该装置处理复杂数据，快速获得精准的推论，将原本高不可攀的人工智能推向终端世界。根据NVIDIA的说法，无论机器人、无人机、智能镜头，抑或可携式医疗装置，皆可适用JETSON TX2 模块，提供进阶的导航、影像识别与语音识别等智能功能。

值得一提的，Jetson TX2的尺寸约等同于名片大小，功耗低于7.5W，效能较前一代产品Jetson TX1提升了两倍，可望使GPU模型的推论(Inference)更趋完善，堪称是史上最小巧节能的AI大脑。