物聯網發展已接近10年，雖然一直未如業界和研究單位預期出現爆發性成長，不過整體趨勢仍然相當明顯，廠商也不斷推出新產品，2016年底AI成為IT產業的另一焦點，各界都認為AI將成為物聯網最後一塊拼圖，由於這一波AI的主流演算法以深度學習（Deep Learning）為主，透過不斷的錯誤更正自我學習，讓指令不斷趨近於完美，這種模式需要大量的運算，因此可與物聯網綿密整合，成為未來各行業的核心運作架構。

邊緣運算強化系統效能

現在物聯網主要為集中式運算架構，也就是第1層所擷取的數據全部往上傳，最上層的雲端平台負責儲存與分析，集中式運算與分散式運算各有優缺點，應用也不盡相同，集中式運算會有即時性、處理器工作負擔和傳輸費用等問題，例如在製造業，設備一旦故障，若仍採用訊息傳回後端再下指令的模式，現場狀況極有可能因為訊息傳遞與後端運算所需的時間而惡化，另外在零售業也會有同樣問題，現在已有IT廠商嘗試將智慧臉孔分析導入至零售業系統，透過人臉分析與CRM的整合，提供更精準且更快速的服務，而臉孔辨識若還需要透過後端伺服器的運算比對，其效益會大幅降低。

另外則是後端處理系統的運算負擔與傳輸費用，未來物聯網的願景是萬物聯網，若所有訊息都連接到後端的運算平台，則伺服器的運算能力必須非常強大，再加上所有第1線設備的連網需求，無論是建置或運作成本都會相當高昂，因此在部分應用中，邊緣運算會是較佳選擇。

不過邊緣運算也並非全無缺點，例如若系統若應用於類似車體中的狹小空間，多點部位同時運算，將會產生干擾，此外經過端點預處理過的數據，也會有失真之虞，當然物聯網的建構並非只能二擇一的極端做法，多數的系統都是兩者並行，在即時性需求較高的部分設計有邊緣運算功能，其他部分則仍為集中式運算。

對台灣來說，集中式運算向來不是台灣廠商可觸及的商機，台灣廠商過去在IT領域主要以消費性產品為主，物聯網興起後，多數廠商也將目光聚焦在第一層的設備端，而邊緣運算概念的出現，完全符合了台灣廠商的產品策略與市場條件，首先是運算晶片，過去物聯網終端產品的元件，多被要求低功耗與小體積，讓設備可以在最有限的空間下，盡可能的長時間運作，而由於多只是簡單的狀態數據擷取，因此運算功能不需強大，但在邊緣運算概念中，部分設備需要有一定的運算能力，這對多數Fabless或IC設計業者來說，都在能力範圍之內，而台灣廠商的優勢則在於，未來的物聯網系統多會是垂直產業所應用，例如製造、醫療、交通…等，這些產業的物聯網系統都需要與其專業結合，其中位於現場第1線的設備更是如此，而不同類型的設備需要對應不同模式的運算晶片，台灣廠商特色是快速彈性的客製化設計能力，在這種少量多樣的需求中，其優勢將會延續，不過這類型應用也容易被抄襲，因此台灣廠商必須先行取得起特定應用領域的專利，方能順利站穩市場。

圖1 : 無論是建置或運作成本都會相當高昂，因此在部分應用中，邊緣運算會是較佳選擇。（Source:CIO East Africa）

啟動AI政策 台灣開始布局

至於台灣的劣勢則是AI產業化的不足，其實台灣過去在AI領域所培養的人才並不算少，去年回台成立台灣AI實驗的的杜奕瑾就曾指出，他在微軟任職期間，微軟每年舉辦的開發者大會「Build」中，台灣隊總是缺乏政府的奧援，但即便如此，台灣隊伍每年總能拿下不俗的成績，這說明台灣的軟體人才其實不遜於其他國家，只是過去一直不被政府與產業重視。

不過從2017年開始，科技部已開始啟動AI政策，希望透過AI產業化留住台灣軟體人才，而有了軟體人才，台灣的AIoT在軟硬體才能齊備，順利啟動，以前面提到的邊緣運算晶片為例，要在小體積與低耗電的條件下，設計出足夠運算能力的晶片，除了硬體技術外，演算法也是重要一環，軟體工程師必須將龐大的演算模型精簡化，讓終端可以低功耗模式下進行運算。

AI與物聯網的整合雖未開始，不過就整體趨勢已經確定，去年6月阿里巴巴創辦人馬雲就指出，現在產業已經從「互聯網+」進展到「AI+」，也就是AI將與各種領域結合，創造出更多加值服務，而這也就是過去物=連網所訴求的垂直應用模式，不過多位業界人士表示，這不代表AI未來會全面取代人類，台灣微軟總經理孫基康在日前微軟的AI活動上就指出，AI必須要和HI（Human Intelligence）結合，才會變成SI（Super Intelligence）。

AI+HI將是最佳方式

AIoT現在的發展，都是為了提供使用者更直覺、智慧、多元的選擇，但無法做出具有邏輯性的判斷，真要提出相關對應策略，還是需要倚靠人類智慧，以製造業和醫療業為例，工業物聯網現在與AI的結合，已進展到感知層面，也就是脫離冷冰冰的人工指令，而改採更具人性的直覺性訊息，例如當現場製造設備出現故障，系統會依據過去深度學習的結果，判斷出問題所在，再依情況直接告訴作業人員設備故障處與可能故障原因，人員可參考系統將系統建議結合本身專業決定處理方式，而若系統察覺到的問題經過判斷必須即時處理，則會先以口語化語音立即指出故障處與緊急處理方式，讓工作人員可在最短時間內解除狀況，醫療部分則是以AI判讀醫療數據或影像，但是真正的病理判斷與醫療行為，還是需要透過專業的醫師，這也就是AI與HI結合的方式。

圖2 : 科技部部長陳良基宣布啟動台灣AI政策，希望透過AI產業化留住台灣軟體人才（Source:科技部）

在與AI整合後，物聯網會加快其應用拓展速度，就產業架構來看，台灣廠商過去在消費性產品所建立的優勢，將會延伸到物聯網系統中的終端零組件與連網設備，不過這類型產品將會需要一定程度的客製化設計，對台灣廠商來說，這是挑戰也是新契機，台廠可投入更多資源掌握特定領域的專業知識，以站穩未來市場。

刊頭（Source:Adoriasoft）