2018年4月，台北 –人工智能(Artificial Intelligence, AI)wuyishijinyiliangnianlaikejichanyeneizuiremendehuati，chulekejiyejutouwubudalitouruzhiwai
，jinrongdengfuwuyezheduidaorurengongzhineng
，yezhanxianchuqiangliexingqu。zhizaoyeduiAI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

yanhuakejijishuchangyangruixiangbiaoshi
，rengongzhinengzaixueshuyanjiulingyubingfeixintimu

，jinliangsannianlaizhisuoyiyinfashehuidazhongyugexinggeyedeguangfanzhumu，zhuyaoyuanyinzaiyuqijinhuasudushizaitaiguojingren

，bingyinengchuangzaochupangdadeshangyejiazhi，buzaizhishigexueshuyanjiudetimu。

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。

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。

zhenduidiyidian，lindongjiebuhuiyan
，xianyoujitaideshengjigengaizaotongchangyaojiabudi，tebieshizaixuyaoyuanchangtigongzhichihuoshouquan，bunengzijidongshougaideqingkuangxia。buguo
，zaimouxieqingkuangxia，xianyoujitaitouguowaiguayanhuazijiakaifadeshujucaijimokuai
，jiuyijingnenghuodezugoudecanshushuju。

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”。