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。

zaikuaisuyanhuayuyunzangpangdashangyejiazhideqingkuangxia
，rengongzhinengchengweidangqianzuishouzhumudekejiyiti，qishibulingrenyiwai。dantaolunguitaolun
，ruhezaigexinggeyedaorurengongzhineng，shixianchanyedezhinenghua，haishiyouhenduoxijiewentiyaokefu。

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AI後hou，握wo有you最zui終zhong決jue定ding權quan的de雖sui然ran還hai是shi人ren，但dan不bu再zai隻zhi憑ping主zhu觀guan的de感gan覺jiao或huo經jing驗yan來lai判pan斷duan
，而er是shi相xiang對dui客ke觀guan的de統tong計ji科ke學xue。人ren跟gen機ji器qi之zhi間jian的de信xin賴lai關guan係xi，需xu要yao一yi段duan時shi間jian提ti升sheng。當dang然ran，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)lianggebufen。duishengchanxianchangyingyonglaishuo，daduoshicaiyongyijingxunlianhaodemoxinglaizhixinggezhongtuilunyingyong，buhuizhijiezaibianyuanjinxingmoxingxunlian，yinweimoxingxunlianxuyaoqiangdadeyunsuanxiaonenggendaliangshujuji，jiaoshihezaishujuzhongxinhuoyunduanshangjinxing。

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AIlaixiezhupanduyuanshiziliaodejieduan。zaigongyewulianwangdeshidai，buzhigebieshengchanzaixiandejitaihuichanshengdaliangshuju，changqudejichujiansheyehuishengchengkeguandeshujushujuliang。yaoyongrengonglaipanduzhexieshujushuju，fenxiqibeihoudeyiyi，shimeiyoushixiaoxingqiexiaoyiyouxiandezuofa。

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”。