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(dui)AI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。因(yin)為(wei)該(gai)程(cheng)序(xu)也(ye)懂(dong)得(de)下(xia)日(ri)本(ben)將(jiang)棋(qi)等(deng)其(qi)他(ta)棋(qi)類(lei)
，並(bing)且(qie)接(jie)連(lian)打(da)敗(bai)其(qi)他(ta)世(shi)界(jie)頂(ding)尖(jian)的(de)專(zhuan)用(yong)棋(qi)類(lei)程(cheng)序(xu)。這(zhe)無(wu)疑(yi)是(shi)人(ren)工(gong)智(zhi)能(neng)泛(fan)用(yong)性(xing)發(fa)展(zhan)的(de)一(yi)個(ge)重(zhong)要(yao)裏(li)程(cheng)碑(bei)。

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」zhesigeyuansu。renshizhiyuangong，jizefanzhigezhonggongjujitai，liaoshizhigezhongyuanwuliaojinengyuan，fazeshizhichengfangfa。zigongyegemingyilai，buguanzhizaoyedechanpinruheyanbian
，doutuolibulezhesigeyuansu。ruhezuiyouhuadiguanlihaozhesigeyuansu
，zeshizhizaoyezhemeitiandouyaomianduideketi。

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)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。

lingyifangmian，yanhuachanpinshaoliangduoyangdetexing
，yeshidemuqianshimianshangdejiqishijiaofanganyaoyingyongzaiyanhuadechanxian，yudaoxiangdangdadekunnan。muqianshimianshangdejiqishijiaofanganduobanshiweiledaliangchanpindejiancexuqiuersheji
，danyanhuadexuqiushinenggouzidongshiyinggezhongchanpinxingtaidejiqishijiaojiancefangan。yinci，yanhuajuedingyuzhongyanyuanhezuo
，kaifachukezhihuadeshenduxuexisuanfa，yibianrangjiqishijiaoxitongnenggengcongmingdishiyingbutongxingtaidechanpin。

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”。