「物聯(lián)網(wǎng)」、「邊緣運(yùn)算」和「人工智能」等流行語(yǔ)已經(jīng)流傳了好一段時(shí)間。這些字詞隨處可見(jiàn)，但每個(gè)人對(duì)于這些名詞背后的理解與定義可能不盡相同，甚至一頭霧水。

 

許多人在理解這些名詞內(nèi)容時(shí)，往往過(guò)度吹捧背后的技術(shù)含量 ，把概念講得天花亂墜，而我們認(rèn)為這些術(shù)語(yǔ)背后真正的價(jià)值在于，透過(guò)智慧城市的例子和其他嵌入的概念來(lái)顯示如何將不同的科技連結(jié)在一起。然而，解釋現(xiàn)實(shí)生活中的人工智能可能會(huì)很復(fù)雜，因?yàn)樗且粋€(gè)包含許多互連元件的系統(tǒng)，而不僅僅是一個(gè)個(gè)載入了智慧軟件的裝置而已。

 

因此，在解釋這些名詞之前，我們有必要先將本文相關(guān)的名詞進(jìn)行完整的定義：

 

物聯(lián)網(wǎng) (IoT, Internet of Thing)

 

物聯(lián)網(wǎng)已經(jīng)被廣泛地運(yùn)用在各種領(lǐng)域，各界對(duì)于它的定義也已經(jīng)具有一定共識(shí)，它泛指透過(guò)網(wǎng)絡(luò) (通常是指網(wǎng)際網(wǎng)絡(luò)) 互聯(lián)的「事物」。在這種情況下所指的「事物」并非嚴(yán)格指涉?zhèn)€別的電子裝置，也可以是服裝 (如可穿戴的電子產(chǎn)品)，甚至可以是身上戴著心律調(diào)節(jié)器和類似裝置的人。所以基本上，每一個(gè)芯片在網(wǎng)絡(luò)內(nèi)傳輸資料的應(yīng)用方式都可以算是物聯(lián)網(wǎng)的應(yīng)用范疇。

 

物聯(lián)網(wǎng)的原始概念需要將資料發(fā)送到云端進(jìn)行處理和分析。但是，隨著互聯(lián)的裝置數(shù)量大幅增加，許多應(yīng)用方式碰上了一個(gè)問(wèn)題，也就是大量來(lái)回傳輸會(huì)導(dǎo)致數(shù)據(jù)延遲。因此，為了解決云端運(yùn)算對(duì)于物聯(lián)網(wǎng)未來(lái)發(fā)展的限制，邊緣運(yùn)算已經(jīng)成為支持物聯(lián)網(wǎng)持續(xù)擴(kuò)散的重要技術(shù)之一。透過(guò)在邊緣分析資料，裝置可以自行判斷哪些內(nèi)容需要發(fā)送到云端、哪些內(nèi)容可以過(guò)濾掉。簡(jiǎn)單地說(shuō)，邊緣運(yùn)算指的就是將計(jì)算力從中心位置移到邊緣，這種轉(zhuǎn)移將大幅增加系統(tǒng)運(yùn)算效率。

 

人工智能 Artificial Intelligence (AI)

 

嚴(yán)格來(lái)說(shuō)，我們目前所使用的人工智能仍然處于 「狹義人工智能」 的概念范圍內(nèi)，這是指一個(gè)程序或系統(tǒng)能夠執(zhí)行一組特定的任務(wù)，無(wú)需任何直接的人工輸入，例如利用機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)文字、圖片和語(yǔ)音辨識(shí)技術(shù)，藉由人工智能，處理成千上萬(wàn) (甚至數(shù)百萬(wàn)) 不同的資料并學(xué)會(huì)了如何區(qū)分不同的輸入。

 

智慧物聯(lián)網(wǎng) (AIoT)

 

智慧物聯(lián)網(wǎng)，其顧名思義就是結(jié)合人工智能以及物聯(lián)網(wǎng)的技術(shù)所形成的。這可以視為將人工智能向邊緣移動(dòng)，讓更大的計(jì)算范圍發(fā)生在物聯(lián)網(wǎng)裝置所在的位置。你可以想象一個(gè)運(yùn)行面部識(shí)別的監(jiān)控系統(tǒng)，與其將資料發(fā)送到云端進(jìn)行分析而產(chǎn)生延遲，而是把資料改成由本地的人工智能裝置直接進(jìn)行分析。

 

而這些技術(shù)名詞的概念與定義看似深?yuàn)W，其實(shí)在工業(yè)環(huán)境的應(yīng)用卻非常廣泛。宜鼎國(guó)際在4/18日所舉辦的AIoT研討會(huì)中，正說(shuō)明物聯(lián)網(wǎng)和人工智能的概念，以及進(jìn)一步說(shuō)明目前是如何應(yīng)用在現(xiàn)實(shí)場(chǎng)景中，并提供許多成功的智慧物聯(lián)案例：

 

無(wú)人機(jī)交通監(jiān)控

 

我們的城市道路隨著不斷發(fā)展的同時(shí)，交通堵塞問(wèn)題也每況愈下。因此使用實(shí)時(shí)資料來(lái)監(jiān)控和改變交通流量，可以顯著提高效率并改善塞車的情況。透過(guò)智慧路燈的架設(shè)，在每個(gè)路段監(jiān)測(cè)流量并且及時(shí)調(diào)整交通號(hào)志，或者透過(guò)無(wú)人機(jī)作為機(jī)動(dòng)性的更高的部署選擇，并且可以監(jiān)測(cè)更大范圍的地區(qū)，利用智慧實(shí)時(shí)搜集信息，然后送交附近的裝置進(jìn)行分析。

 

配備著無(wú)線十億位元發(fā)送器的無(wú)人機(jī) (資料來(lái)源: Millitronic)

 

第一步分析由邊緣人工智能平臺(tái)處理。這包括車輛識(shí)別和交通流量評(píng)估。因此，裝置可以根據(jù)分析自行判斷如何處理資料。例如，車輛數(shù)量是否在增加？是否有堵車的風(fēng)險(xiǎn)？然后，將基本資料發(fā)送到一個(gè)集中的平臺(tái) (或云端)，在那里根據(jù)資料采取疏導(dǎo)交通、改變限速和調(diào)整紅綠燈等措施，管理城市中的交通問(wèn)題。

 

人工智能平臺(tái) (資料來(lái)源: Aetina)

 

大多數(shù)資料處理都會(huì)在云端進(jìn)行，邊緣運(yùn)算也會(huì)越來(lái)越受到廣泛運(yùn)用。雖然物聯(lián)網(wǎng)裝置具有更強(qiáng)大的計(jì)算能力，但網(wǎng)絡(luò)頻寬仍然受到限制。目前正在進(jìn)行的5G基礎(chǔ)建設(shè)，則可以有效地解決資料傳輸延遲問(wèn)題，大幅提升實(shí)時(shí)分析，以滿足智慧物聯(lián)網(wǎng)工作負(fù)載的要求。

 

車隊(duì)管理和人工智能

 

在車輛管理面，人工智能還可以加強(qiáng)車隊(duì)管理的營(yíng)運(yùn)業(yè)務(wù)。管理大型車隊(duì)可能具有相當(dāng)?shù)奶魬?zhàn)性，而優(yōu)化營(yíng)運(yùn)的方法有很多：降低燃料成本、減少不安全的駕駛行為、車輛維護(hù)等等。

 

目前的大多數(shù)車輛定位系統(tǒng)都嚴(yán)重依賴全球定位系統(tǒng)。你自己可能也經(jīng)歷過(guò)進(jìn)入隧道時(shí)，GPS完全失去定位能力的情況。在都市中，車輛駛?cè)胧覂?nèi)停車場(chǎng)或其他衛(wèi)星覆蓋差的地區(qū)時(shí)也可能會(huì)發(fā)生這種情況。另外，定位系統(tǒng)也很難定位車輛所在的海拔高度。

 

其實(shí)除了GPS之外，還有其他資料來(lái)源能讓我們定位車輛的位置。例如，每輛車本身都可以不斷追蹤車輛速度和轉(zhuǎn)彎幅度。接著，車上的人工智能平臺(tái)可以利用這些參數(shù)來(lái)補(bǔ)足缺失或不完整的定位資料，在任何時(shí)候計(jì)算出車輛的位置。這項(xiàng)技術(shù)稱為車輛航位推測(cè)法，簡(jiǎn)稱DR。最后，資料也可以運(yùn)用無(wú)線網(wǎng)絡(luò)傳回給交管人員。

 

使用DR技術(shù)，允許在隧道內(nèi)進(jìn)行車輛追蹤 (資料來(lái)源: ANTZER TECH)

 

這就是人工智能裝置即使不在衛(wèi)星的視線范圍之內(nèi)，仍能協(xié)助交管人員追蹤車輛位置的方法。想象一下這種情況：某一輛汽車在隧道內(nèi)發(fā)生事故，但如果車輛只裝載了基本的GPS追蹤系統(tǒng)，交管人員仍無(wú)從得知已發(fā)生事故，除非透過(guò)某種方式獲得聯(lián)系。然而，若使用人工智能追蹤系統(tǒng)，則如果車輛不動(dòng)、引擎突然熄火，或出了某種問(wèn)題時(shí)，交管人員則會(huì)立即收到通知。

 

存儲(chǔ)和存儲(chǔ)器 – 智慧物聯(lián)系統(tǒng)的基本面

 

許多智慧物聯(lián)網(wǎng)相關(guān)討論往往聚焦在人工智能與機(jī)器學(xué)習(xí)。然而人工智能和物聯(lián)網(wǎng)不僅是一個(gè)具備AI算法的硬件，或是買來(lái)就隨處可用的魔術(shù)盒子，而是應(yīng)該將之視為一個(gè)由許多智能化的基礎(chǔ)元件所組成的智慧系統(tǒng)。而存儲(chǔ)和存儲(chǔ)器等元件身處于資料傳輸?shù)拿總€(gè)節(jié)點(diǎn)中，正是占據(jù)智慧系統(tǒng)中最基礎(chǔ)的角色。與過(guò)去相比，應(yīng)用在智慧物聯(lián)的基礎(chǔ)元件，隨著終端設(shè)備所存儲(chǔ)的數(shù)據(jù)量將越來(lái)越多，也扮演著越來(lái)越重要的角色。舉例來(lái)說(shuō)，首先，此一環(huán)節(jié)的資安防護(hù)能力如果不足，將有可能危及整體系統(tǒng)。針對(duì)此種市場(chǎng)需求，宜鼎進(jìn)一步讓SSD與系統(tǒng)綁定，在此設(shè)計(jì)中，SSD只能與綁定的系統(tǒng)配對(duì)運(yùn)作，安裝于其他系統(tǒng)則會(huì)無(wú)法存取。這種方式需要系統(tǒng)與SSD雙方廠商都具有一定程度的資料加密技術(shù)，才能安全且快速的讀寫數(shù)據(jù)。

 

此外，AIoT應(yīng)用遍及各特定領(lǐng)域，每一領(lǐng)域的系統(tǒng)都有其特殊需求與對(duì)應(yīng)功能，SSD廠商必須能因應(yīng)其特色，與之合作設(shè)計(jì)出適用系統(tǒng)，這除了存儲(chǔ)器技術(shù)外，還需要各領(lǐng)域的專業(yè)知識(shí)，包含應(yīng)用于特定領(lǐng)域時(shí)，精準(zhǔn)、實(shí)時(shí)處理數(shù)據(jù)，才能達(dá)到智慧化需求。

 

Caption: Industrial-grade memory and storage (Source: Innodisk)

工業(yè)級(jí)存儲(chǔ)器和存儲(chǔ) (來(lái)源: Innodisk)

 

結(jié)論

 

現(xiàn)在智慧物聯(lián)網(wǎng)仍是當(dāng)紅的火熱話題，因此在評(píng)估這項(xiàng)技術(shù)時(shí)，務(wù)必要能夠區(qū)分哪些是目前可行的技術(shù)、哪些存在于未來(lái)。AIoT的架構(gòu)龐大、應(yīng)用多元，所需的專業(yè)技術(shù)極多，不可能由單一廠商完成所有配置。宜鼎國(guó)際集團(tuán)透過(guò)各自領(lǐng)域的專業(yè)分工與攜手合作，快速導(dǎo)入系統(tǒng)設(shè)計(jì)，建置快速且完善的智慧物聯(lián)網(wǎng)(AIoT)。