藉助可信赖的平台与夥伴 突破智能制造转型瓶颈

台湾IBM系统研发中心支持服务系统架构师王君伟表示，IBM透过顾问服务，不仅协助制造业建构AI软硬件环境与场景应用，更藉由专业训练，引导客户建构AI能力，自主实践AI价值。

随着少量多样成为制造业接单常态，台湾制造业者多有体认，无法沿用既有作业模式来因应变局，故积极导入人工智能(AI)，期使人员、流程、设备能实时调适以优化营运、加速转型。实际应用举凡钢铁厂运用AI于制程检测，用以探知炼钢过程的影响因子以提升良率、半导体厂发展晶圆缺陷检测系统、纺织厂与染整厂发展布料品质分类系统，皆是人工智能在制造业的新轨迹。

多数企业的AI起步，不外乎是启用开源软件、派员上课，自力摸索AI发展路径，但即便勉力完成模型训练，却经常无法将模型上线到实际场域，且无内部专家有能力找问题、解问题，才惊觉AI无法快速规模化。台湾IBM系统研发中心支持服务系统架构师王君伟归纳制造业AI化的主要挑战，除了缺乏人才、缺乏软硬件平台外，还有未能针对应用场景，建置能快速导入、测试进而复制成功经验的AI环境。

人才与平台欠缺困境，如何解？

王君伟说，针对软硬件平台的缺口，他建议以深度学习技术、分析模型建置、多云架构等转型方向为基准，思考如何就硬件部份引进高效能服务器，就软件部份引进视觉化深度学习技术方案、机器学习平台及AutoML方案，加上实现公私云无缝介接的方法，搭建可信赖的AI发展平台。IBM相较其他AI供应商的差异化优势，在于完整提供各项软硬件工具，更是唯一能协助用户一路打通云端、服务器到储存的业者，这对于完善建构AI环境，是极重要的一环。

谈及人才不足、环境建构不易等问题，则可以引用外部顾问服务来化解；顾问夥伴的评估重点不外有三，端看能否帮助企业建构AI团队(含人才培训)、建置AI环境，及建立AI资产管理环境。IBM从「AI赋能」出发，期望藉由IBM Lab专业服务，协助企业养成自主开创、优化与实践AI价值的能力，首先藉由Workshop，根据特定情境主题，协助企业内部同仁进行模型训练数据准备、分析关键因子，持续提升模型准确率，为企业培养AI人才班底；其次运用完备软硬件产品、丰富实作经验，辅以全球场景应用案例分享，从Pilot Run到Production过程一路协助企业打造AI环境；再者协助建构AI资产管理环境，让训练好的模型可被重复利用，加快后续AI发展进程。

创新技术加持，带动模型训练效率激增

总括而论，IBM提出的制造业AI转型方案，独特利基在于具备架构完整性，更搭配多项自行研发的独门技术，助力加速AI转型成效。首先是SnapML技术，可藉助GPU并行加速，提升传统机器学习模型训练速度达数十倍；其次为分散式深度学习技术，能自动整合数十台服务器、上百颗GPU执行平行运算，缩短训练深度学习模型的时间。

再者，IBM Power系统支持NVLink GPU加速技术，搭配独创Large Model Support软件，可同时动用大量GPU与CPU的存储器资源，强力支撑大型模型、或高分辨率图像的训练，一来有效避免训练过程中存储器不足OOM(Out of Memory)现象的发生，二来能显着提高模型训练效率及准确率。

王君伟说，迄今已有不少台湾制造业者采用基于IBM Power Systems的PowerAI方案，扎稳智能制造的转型基础，且涵盖的应用场景甚为多元，例如高科技厂利用AI模块辅助产品外观视觉检测，不仅让质检的效率与准确度同步大增，也有效降低检验人员的负荷；或是织布厂、染整厂透过AI自动侦测与调整纺织品的染料与助剂比例，大幅提高打色成功率，实现原料组合最佳化。