【2019年關鍵趨勢3】AIoT技術商品化，帶起企業新型態物聯網應用浪潮

以AI人工智慧結合物聯網（IoT）裝置而掀起一波AIoT新應用，在2018年迅速竄紅，甚至還取代傳統IoT一躍成為當前最火紅的物聯網產業新應用。雲端大廠最先嗅到AIoT商機，爭相推出自己的AIoT服務，從原先封閉測試，到發展成熟可以商用的AIoT產品，企業將有更多新選擇。可以預期的是，2019年也將掀起企業新一波物聯網應用風潮。

AIoT並不是新技術，而是一種新的IoT應用型態，來與傳統IoT應用做區別，從名稱來看，AIoT是AI加上IoT的縮寫（或可稱為Artificial Intelligence of Things），顧名思義，就是一種物聯網AI應用，但是它與以往多以雲端為主的AI應用不同，因為是就近在IoT裝置上執行AI或機器學習（ML）運算工作，能直接套用IoT感測器串流資料用於ML模型推論，資料不用再傳雲，即使沒有網路也不怕。

而且有別於微軟2018年提出的智慧邊緣（Intelligent Edge），AIoT更加強調是在這些配備有感測器的各種IoT裝置上執行的物聯網AI應用，如自駕車、影像辨識攝影機與水電錶等。

對企業來說，過去想要在IoT裝置跑AI或ML推論，不是一件容易的事，但是雲端技術成熟，加上運算力更強的加速硬體的出現，讓這件事得以實現，現在IoT裝置上不只能執行更複雜的AI或ML推論，甚至還可以在更小型的IoT裝置上執行，即使是記憶體容量只有128MB大小的Raspberry Pi單板電腦也能用。

雲端大廠紛紛押寶，爭相推出自己的AIoT產品

一些主要雲端服務商最早嗅到AIoT商機，在2018年開始推出可商用AIoT產品， 讓企業開始能把雲端訓練完的ML模型帶進IoT裝置，用於執行ML推論。全球雲端服務龍頭AWS先是開出第一槍。在2017年尾的re:Invent全球用戶大會上，AWS宣布將替自家邊緣運算服務Greengrass，新增機器學習推論（ML Inference）功能，並在隔年4月正式推出，讓企業開始可以利用它來打造新型態IoT應用，如Rockwell Automation、Aisin AW 與Brain Technology等業者都宣布開始採用。

不到2個月後，另一家雲端大廠微軟也在自家Build 2018年度大會上，推出第一款智慧邊緣服務Azure IoT Edge，還將該服務程式碼開源釋出，要讓企業更容易將AI與ML能力快速擴散到各種 IoT裝置或設備上，甚至還直接把Azure雲端認知服務上熱門的影像分類及識別服務，打包成可以在IoT裝置上執行的影像辨識功能Custom Vision，用以實現了「智慧＋邊緣」的整合。

Google隨後也加入戰局，推出自己的AIoT服務Cloud IoT Edge，雖然目前還只是功能有限的測試版，但靠著主打Edge端的AI與ML分析功能，也因此吸引不少大型企業與新創加入試用，如LG CNS 、Smart Parking與XEE等。

隨著三大公有雲廠商的AIoT產品紛紛落地，這也意味著，企業未來將有更多新選擇，可以依據自身應用需求，選擇適合的AIoT應用部署與執行方案。

隨著AIoT技術成熟，企業也有了現成可以套用的AIoT商品

而且不像以往，企業若想要在工廠IoT設備或裝置上進行AI分析，還得自行費一番功夫客製才行，有了這些已經成熟可商用的AIoT產品，企業之後想在IoT裝置上進行大規模ML推論部署將更容易，就像是以往IoT應用部署那樣。

如全球大型工業自動化大廠洛克威爾自動化公司（Rockwell Automation）在2018年時就開始試用AIoT技術，來幫助石油與天然氣工廠快速檢測有無異常的問題油管或管線，加快異常事件的預警反應。該公司在工廠內的輸送管線旁，每隔一段路，就架設一臺深度學習攝影機，利用攝影機擷取到的影像畫面，搭配ML模型現場作預判，用以檢測輸送管線的外殼表面，有無出現變形或產生裂痕等，因為不需要將資料回傳，因此反應速度變更快，甚至沒有網路也照樣可以執行。也因為是將訓練好的ML模型打包預先載入到攝影機來啟用執行，因此想要在工廠內大量部署時，也相較變得容易許多。

根據市調機構Research and Markets的最新預測，未來4年內，物聯網AI晶片出貨量將連年攀升，甚至於全球AI晶片市場的占有比例，更將在2023年一舉突破8成，也就是說，以後每5個IoT裝置，就有4個會是具備AI運算處理能力的AIoT裝置。這也意味著，企業想要讓IoT裝置或設備就近結合機器學習將變得更簡單，也將使得這些裝置變更聰明，能用來開發各種不同物聯網AI新應用。

因應AIoT應用需求，2018年開始有臺灣硬體廠商積極布局。如凌華科技除了搶攻邊緣運算，更是臺灣首家Google邊緣運算合作夥伴，今年計畫要將Edge TPU晶片整合到自家IoT閘道器產品，要讓企業更容易在IoT裝置上執行機器學習模型，就連科技大廠宏碁也都押寶AIoT，推出內建鏡頭的AIoT邊緣運算裝置aiSage，主打影像辨識能力，要透過AI加值，為企業提供全新客製化IoT解決方案。

企業實例 1【將AIoT帶進連線昂貴的現場】影像免上傳！洛克威爾自動化工廠靠攝影機現場作AI預判

美國洛克威爾自動化公司利用攝影機擷取到的影像畫面，直接搭配機器學習模型現場作預判，快速檢測出異常的問題油管設備，即早報修。一旦攝影機偵測到異常情況時，只須向雲端發送警示訊息，不需要將整段監視影片全部上傳雲，有效減少網路頻寬成本。圖片來源／Microsoft Build 2018

隨著3大雲端巨頭2018年紛紛搶進AIoT市場，也讓企業開始有了成熟可以商用的AIoT產品能夠選用。如美國洛克威爾自動化公司（Rockwell Automation）在2018年時就開始試用AIoT技術，來幫助工廠快速檢測有無異常的問題設備，加快異常事件的預警反應。該公司在油管或管線工廠內的輸送管線旁，每隔一段路，就架設一臺攝影機，然而過去想要透過雲端AI分析偵測異常情況，得負擔昂貴網路連線成本，後來改用攝影機擷取到的影像畫面，直接搭配機器學習模型現場作預判，來幫助他們加快檢測出有異常的問題油管或管線，即早搶修。 當攝影機偵測到異常情況時，也只須向雲端發送警示訊息，不需要將整段監視影片全部上傳雲，有效減少網路頻寬成本。

企業實例 2【AIoT可以隨身帶著走】日本東京停車廠將AI帶進穿戴裝置加快檢修

日本東京的立體停車廠維運業者Famm，2018年開始試用智慧邊緣技術，搭配穿戴裝置，來幫助他們改善停車廠設施維護。因為該AIoT設備可以跟著作業員一起移動，而且不需要連網就能用，所以即使到了沒有網路的地方也不怕。攝影／余至浩

東京一家立體停車廠維運業者Famm，從2018年上半，開始利用AIoT技術搭配穿戴裝置，來幫助他們改善停車廠設施維護，甚至是加快檢修。該公司在作業員身上配備一臺可攜式迷你電腦，頭上還搭配類似Google Glass眼鏡裝置來進行現場的工作。

作業員進到停車場後，頭上的眼鏡會自動將擷取到的影像畫面回傳至操作員腰上的AIoT設備，並直接從設備上進行預判後，再將判讀結果顯示在眼鏡上。透過影像辨識的結果，維護人員馬上就能知道哪些零件需要更換，不需要像以前再爬上爬下，作業上也更安全。因為該AIoT設備是直接配備在人員身上，可以跟著他一起移動，而且不需要連網就能進行AI預判，所以即使到了沒有網路的地方也不怕。使用至今，不僅明顯減少了人為出錯的情況，更大幅縮短作業的時間。而以往維護工作，需要老練的維修人員靠著長年的經驗來判斷，現在即使新進的人員也能夠很快上手。