2018年4月，台北 –人工智能(Artificial Intelligence, AI)無wu疑yi是shi近jin一yi兩liang年nian來lai科ke技ji產chan業ye內nei最zui熱re門men的de話hua題ti

，除chu了le科ke技ji業ye巨ju頭tou無wu不bu大da力li投tou入ru之zhi外wai，金jin融rong等deng服fu務wu業ye者zhe對dui導dao入ru人ren工gong智zhi能neng，也ye展zhan現xian出chu強qiang烈lie興xing趣qu。製zhi造zao業ye對duiAI技術的關注，也不在話下，並且在相關關鍵技術逐漸到位的情況下，已開始有實際導入動作。

倡chang導dao智zhi能neng製zhi造zao不bu遺yi餘yu力li的de研yan華hua科ke技ji
，除chu了le為wei各ge行xing各ge業ye提ti供gong對dui應ying的de先xian進jin解jie決jue方fang案an外wai，在zai自zi家jia生sheng產chan在zai線xian也ye開kai始shi逐zhu步bu導dao入ru人ren工gong智zhi能neng要yao素su。比bi如ru機ji台tai設she備bei的de狀zhuang態tai偵zhen測ce/診斷、原物料/能源的使用狀況，乃至產品的品管流程等，均已逐步導入人工智能。安謀(Arm)的矽智財(IP)與SoC及賽靈思(Xilinx)的現場可編程門陣列(FPGA)技術
，則是研華推動生產線AI化的兩大得力幫手。

研華IoT.SENSE采訪研華技術長楊瑞祥與總廠長林東傑，探討研華在AI、IoT

、智能製造等創新浪潮下的解決對策，以下為專訪摘要：

AI進化速度驚人 商業應用價值可觀

研(yan)華(hua)科(ke)技(ji)技(ji)術(shu)長(chang)楊(yang)瑞(rui)祥(xiang)表(biao)示(shi)，人(ren)工(gong)智(zhi)能(neng)在(zai)學(xue)術(shu)研(yan)究(jiu)領(ling)域(yu)並(bing)非(fei)新(xin)題(ti)目(mu)，近(jin)兩(liang)三(san)年(nian)來(lai)之(zhi)所(suo)以(yi)引(yin)發(fa)社(she)會(hui)大(da)眾(zhong)與(yu)各(ge)行(xing)各(ge)業(ye)的(de)廣(guang)泛(fan)矚(zhu)目(mu)
，主(zhu)要(yao)原(yuan)因(yin)在(zai)於(yu)其(qi)進(jin)化(hua)速(su)度(du)實(shi)在(zai)太(tai)過(guo)驚(jing)人(ren)，並(bing)已(yi)能(neng)創(chuang)造(zao)出(chu)龐(pang)大(da)的(de)商(shang)業(ye)價(jia)值(zhi)

，不(bu)再(zai)隻(zhi)是(shi)個(ge)學(xue)術(shu)研(yan)究(jiu)的(de)題(ti)目(mu)。

除了針對特殊領域外
，AI技術也在追求更高的泛用性。Deepmind最新的棋類程序已經把Go(圍棋)拿掉，稱為Alpha。yinweigaichengxuyedongdexiaribenjiangqidengqitaqilei，bingqiejieliandabaiqitashijiedingjiandezhuanyongqileichengxu。zhewuyishirengongzhinengfanyongxingfazhandeyigezhongyaolichengbei。

在zai快kuai速su演yan化hua與yu蘊yun藏zang龐pang大da商shang業ye價jia值zhi的de情qing況kuang下xia
，人ren工gong智zhi能neng成cheng為wei當dang前qian最zui受shou矚zhu目mu的de科ke技ji議yi題ti，其qi實shi不bu令ling人ren意yi外wai。但dan討tao論lun歸gui討tao論lun
，如ru何he在zai各ge行xing各ge業ye導dao入ru人ren工gong智zhi能neng，實shi現xian產chan業ye的de智zhi能neng化hua，還hai是shi有you很hen多duo細xi節jie問wen題ti要yao克ke服fu。

人工智能增添智能製造動能

以製造業來說
，不管最終製造的產品為何，製造業總是脫離不了「人
、機、料、法」這(zhe)四(si)個(ge)元(yuan)素(su)。人(ren)是(shi)指(zhi)員(yuan)工(gong)，機(ji)則(ze)泛(fan)指(zhi)各(ge)種(zhong)工(gong)具(ju)機(ji)台(tai)，料(liao)是(shi)指(zhi)各(ge)種(zhong)原(yuan)物(wu)料(liao)及(ji)能(neng)源(yuan)
，法(fa)則(ze)是(shi)製(zhi)程(cheng)方(fang)法(fa)。自(zi)工(gong)業(ye)革(ge)命(ming)以(yi)來(lai)，不(bu)管(guan)製(zhi)造(zao)業(ye)的(de)產(chan)品(pin)如(ru)何(he)演(yan)變(bian)，都(dou)脫(tuo)離(li)不(bu)了(le)這(zhe)四(si)個(ge)元(yuan)素(su)。如(ru)何(he)最(zui)優(you)化(hua)地(di)管(guan)理(li)好(hao)這(zhe)四(si)個(ge)元(yuan)素(su)，則(ze)是(shi)製(zhi)造(zao)業(ye)者(zhe)每(mei)天(tian)都(dou)要(yao)麵(mian)對(dui)的(de)課(ke)題(ti)。

楊瑞祥分析，導入人工智能，最重要的四個KPI
，就是要展現在人工料法的優化與改善上。以人來說，如何將老師傅的經驗變成可量化的參數，進而把人的經驗複製、擴散
，就是導入AI的一個重要目標。

不過
，要實現上述四大優化，最重要的還是業者對AI的理解程度，以及所搜集到的數據集質量好壞。首先，製造業者必須要對AI有正確的認識
，知道AI適合用來處理的問題為何，應用上又有何限製。其次，AI推論模型的訓練成果，除了模型本身的設計外
，訓練數據的質量也很重要。如果用質量有問題的數據來訓練模型，AI推論的結果會跟現實狀況出現落差。

最後，組織文化也得有所調整。在導入AI之前

，生產在線的所有決策者都是人，依靠的是過往的經驗

；導入AIhou，woyouzuizhongjuedingquandesuiranhaishiren，danbuzaizhipingzhuguandeganjiaohuojingyanlaipanduan

，ershixiangduikeguandetongjikexue。rengenjiqizhijiandexinlaiguanxi
，xuyaoyiduanshijiantisheng。dangran
，AI本身也要持續進化，提升其預測的可靠度跟準確度。

不同處理器各有所長 Arm架構適合推論運算

楊瑞祥進一步解釋，人工智能可以分成模型訓練(Training)與推論(Inference)兩(liang)個(ge)部(bu)分(fen)。對(dui)生(sheng)產(chan)現(xian)場(chang)應(ying)用(yong)來(lai)說(shuo)，大(da)多(duo)是(shi)采(cai)用(yong)已(yi)經(jing)訓(xun)練(lian)好(hao)的(de)模(mo)型(xing)來(lai)執(zhi)行(xing)各(ge)種(zhong)推(tui)論(lun)應(ying)用(yong)，不(bu)會(hui)直(zhi)接(jie)在(zai)邊(bian)緣(yuan)進(jin)行(xing)模(mo)型(xing)訓(xun)練(lian)，因(yin)為(wei)模(mo)型(xing)訓(xun)練(lian)需(xu)要(yao)強(qiang)大(da)的(de)運(yun)算(suan)效(xiao)能(neng)跟(gen)大(da)量(liang)數(shu)據(ju)集(ji)
，較(jiao)適(shi)合(he)在(zai)數(shu)據(ju)中(zhong)心(xin)或(huo)雲(yun)端(duan)上(shang)進(jin)行(xing)。

也因為推論對運算效能的需求較低，因此市麵上有許多現成的處理器解決方案均能勝任，例如x86 CPU
、GPU與基於Arm架構的SoC處理器，都可以執行相關運算任務，差別隻在於成本
、耗電量與散熱是否能滿足現場設備的規格限製。

就技術角度而言，GPU是目前最適合用來進行模型訓練的處理器架構


，以其執行模型推論任務當然也是綽綽有餘，但GPU的成本、功耗跟隨之而來的散熱問題，卻是這類處理器在邊緣節點或現場設備應用上最大的限製。x86 CPU也有很強大的運算效能
，但由於其架構設計的目標是滿足各種運算/控製應用，因此在執行AI算法時
，效率不如GPU。

楊瑞祥分析，這個問題跟AI的本質有關。AI通常隻會用少數幾種指令
，甚至單一指令來處理大量數據。例如深度學習跟卷積神經網絡(Convolutional Neural Network, CNN)，就數學的觀點來說就是矩陣運算，跟繪圖運算十分類似
，因此GPU自然在這方麵有先天優勢。x86 CPU則長於應對多指令流多數據流(Multiple Instruction, Multiple Data, MIMD)的運算情境
，但遇到數據量太過龐大的情況時，就必須靠拉高頻率，或是以多核心及多線程架構來應對。

采用精簡指令集(RISC)的Arm處理器，先天特性則介於GPU跟x86 CPU之間，加上近幾年Arm處理器的單一指令多數據流(Single Instruction, Multiple Data, SIMD)效能不斷強化
，因此在執行AI運算時，更加得心應手。雖然目前要以Arm處理器來做模型訓練

，在效率上還是不能跟GPU相比，但在執行推論任務時，卻是功耗
、成本跟效能三者最平衡的方案。

楊瑞祥透露
，近幾年研華跟安謀密切合作，對安謀的產品發展藍圖也有一定的掌握。未來安謀將會針對AI運算需求推出更特化，效率更好的處理器核心跟周邊IP。這對於推動邊緣運算跟AI應用的普及，將會是很大的助力。研華也會跟安謀繼續保持密切合作的夥伴關係。

邊緣運算進展神速 人工智能進駐製造現場

緊抓人工料法四大要素
，研華已經開始以Arm架構的SoC跟賽靈思的FPGA模塊為硬件基礎，在自家的生產在線逐漸導入人工智能。

研華科技總廠長林東傑表示，目前研華在生產在線導入AI，已經進入用AI來lai協xie助zhu判pan讀du原yuan始shi資zi料liao的de階jie段duan。在zai工gong業ye物wu聯lian網wang的de時shi代dai
，不bu隻zhi個ge別bie生sheng產chan在zai線xian的de機ji台tai會hui產chan生sheng大da量liang數shu據ju，廠chang區qu的de基ji礎chu建jian設she也ye會hui生sheng成cheng可ke觀guan的de數shu據ju數shu據ju量liang。要yao用yong人ren工gong來lai判pan讀du這zhe些xie數shu據ju數shu據ju，分fen析xi其qi背bei後hou的de意yi義yi，是shi沒mei有you時shi效xiao性xing且qie效xiao益yi有you限xian的de做zuo法fa。

最後，由於研華所處的環境是典型的少量多樣、jiedanshengchanxingtai，genyibanxiaofeixingchanpinguigedanyi
，daliangshengchanyouhendadebutong，yincishengchanxiandeguanliyexiangduifuza。zheyeshiyanhuazaidaorurengongzhinengshi，xiwangnengjiejuedetongdianzhiyi。

林東傑表示
，由於技術上的限製，目前還無法實現全麵由係統判讀原始數據的終極目標
，但這是研華未來努力的方向。

更具體來說
，未來研華的智能製造希望能實現三大目標：一、生產設備的現代化，希望所有的機台設備都可以支持工業4.0；二
、實現數據采集與軟件的介接
，主要是將數據介接到製造執行係統(MES)
、產品生命周期管理(PLM)等係統；三
、將機器視覺與深度學習進一步擴大應用在品管環節中。

針(zhen)對(dui)第(di)一(yi)點(dian)，林(lin)東(dong)傑(jie)不(bu)諱(hui)言(yan)，現(xian)有(you)機(ji)台(tai)的(de)升(sheng)級(ji)跟(gen)改(gai)造(zao)通(tong)常(chang)要(yao)價(jia)不(bu)低(di)
，特(te)別(bie)是(shi)在(zai)需(xu)要(yao)原(yuan)廠(chang)提(ti)供(gong)支(zhi)持(chi)或(huo)授(shou)權(quan)
，不(bu)能(neng)自(zi)己(ji)動(dong)手(shou)改(gai)的(de)情(qing)況(kuang)下(xia)。不(bu)過(guo)，在(zai)某(mou)些(xie)情(qing)況(kuang)下(xia)，現(xian)有(you)機(ji)台(tai)透(tou)過(guo)外(wai)掛(gua)研(yan)華(hua)自(zi)家(jia)開(kai)發(fa)的(de)數(shu)據(ju)采(cai)集(ji)模(mo)塊(kuai)，就(jiu)已(yi)經(jing)能(neng)獲(huo)得(de)足(zu)夠(gou)的(de)參(can)數(shu)數(shu)據(ju)。

至(zhi)於(yu)在(zai)機(ji)器(qi)視(shi)覺(jiao)跟(gen)深(shen)度(du)學(xue)習(xi)的(de)擴(kuo)大(da)導(dao)入(ru)上(shang)，目(mu)前(qian)研(yan)華(hua)是(shi)與(yu)中(zhong)研(yan)院(yuan)合(he)作(zuo)，開(kai)發(fa)出(chu)可(ke)檢(jian)測(ce)各(ge)種(zhong)不(bu)同(tong)產(chan)品(pin)的(de)機(ji)器(qi)視(shi)覺(jiao)係(xi)統(tong)。事(shi)實(shi)上(shang)，研(yan)華(hua)使(shi)用(yong)光(guang)學(xue)自(zi)動(dong)檢(jian)測(ce)(AOI)已經有很長的一段時間，但現有的AOI係統僅適用於主板、電路板上細微組件的檢測

，不適合用來檢測終端成品或更大的零部件。

另ling一yi方fang麵mian，研yan華hua產chan品pin少shao量liang多duo樣yang的de特te性xing，也ye使shi得de目mu前qian市shi麵mian上shang的de機ji器qi視shi覺jiao方fang案an要yao應ying用yong在zai研yan華hua的de產chan線xian，遇yu到dao相xiang當dang大da的de困kun難nan。目mu前qian市shi麵mian上shang的de機ji器qi視shi覺jiao方fang案an多duo半ban是shi為wei了le大da量liang產chan品pin的de檢jian測ce需xu求qiu而er設she計ji，但dan研yan華hua的de需xu求qiu是shi能neng夠gou自zi動dong適shi應ying各ge種zhong產chan品pin型xing態tai的de機ji器qi視shi覺jiao檢jian測ce方fang案an。因yin此ci，研yan華hua決jue定ding與yu中zhong研yan院yuan合he作zuo
，開kai發fa出chu客ke製zhi化hua的de深shen度du學xue習xi算suan法fa
，以yi便bian讓rang機ji器qi視shi覺jiao係xi統tong能neng更geng聰cong明ming地di適shi應ying不bu同tong型xing態tai的de產chan品pin。

FPGA模塊實現機器視覺算法加速

而機器視覺正是FPGA模塊大展身手的舞台，也是研華FPGA應用發展團隊已經做出具體成果的項目之一。透過FPGA模塊，研華可以自由決定哪些影像辨識的環節需要用硬件加速，以提升視覺檢測係統的運作效能。

楊瑞祥指出，除了CPU跟GPU外，使用專用的硬件加速芯片來提升AI係統效能，理論上也是一條可行的路。不過

，目前AI算法還在快速演進中，如果采用ASIC，很可能會追不上技術發展的腳步。而FPGAzeshixiaonengyudanxingdezhezhong，qiyunsuandanyuandejiegoukeyikezhihua
，laimanzutedingsuanfajiasudexuqiu，youyinweijubeikebianchengxing

，dangsuanfaxuyaoxiugaihuogengxindeshihou，buyongzhongxinkaiyikexinpian，zhiyaoxiugaishejichengxudaimajike。

因此，現階段來看
，FPGA是用來實現AI算法加速的理想方案之一
，研華內部也已經有相當成熟的FPGA應用開發團隊，未來會繼續投資在這項技術上。

Advantech Embedded DTOS FPGA Capability

據悉，目前研華科技已有應用案例完成合作，更多詳情可谘詢研華服務專線“400-001-9088”。