不可否认的,目前AI技术已经充斥在你我生活周边,被广泛应用到各行各业的消费体验、营运流程优化,甚至是风险预测上。根据市调机构IDC最新的研究指出,今(2022)年全球AI市场规模将达到4,328亿美元,成长率近20%,预估明(2023)年则可突破5,000亿美元大关。就区域来看,亚太区(不含日本)政府及企业在AI相关的采购预算将于2025年达到320亿美元,预估2020～2025年的年复合成长率达到25%。其中,金融服务业在AI解决方案上的投资占比最高;其次是政府单位,主要运用在公共安全和紧急应变解决方案上,以增强风险预防和应急管理;此外,制造业和零售业的需求也相当强劲。
芯片成AI发展关键 由云端往边缘是趋势
受益于半导体技术不断精进与算法的持续优化,AI相关产业发展可谓一日千里。以AI芯片来看,根据MarketsandMarkets报告指出,AI芯片市场将以40%左右的年成长率持续扩张;而更快的指令周期、更低的功耗且须结合深度学习算法,则是现阶段最主要的要求。
云端运算:市场寡占,大厂是主要玩家
在云端运算市场,因需要处理数据中心和超级计算机的庞大数据,以采用CPU(中央处理器)和GPU(图形处理器)为主。英伟达(NVIDIA)在AI芯片的布局最早,其GPU早已稳坐霸主之位,但他脚步未歇,大家熟悉的Ampere还在热销,新一代的Hopper已准备好今年第3季开卖;另外,NVIDIA也正在打造第一颗用LPDDR5(LwoPower Double Data Rate,低功耗内存)的高性能CPU--Grace,预计明年上市。CPU大厂英特尔(Intel)虽然进入AI芯片时间较晚,但其靠着陆续并购了Nervana System、Habana Labs、Movidius、Mobileye、Altera、eASIC等,完成了对CPU、GPU、FPGA(可编程逻辑门阵列芯片)和ASIC(特殊应用芯片)的全面布局,其对AI芯片市场的企图心不容小觑。
另一方面,原本属于下游买家的网络巨擘和IT大厂,也因本身属于重度用户且希望芯片功能更符合自身需求,更进一步自行开发芯片,例如:Google推出的TPU(Tensor Processing Unit)即属于ASIC代表;而Microsoft则与Intel合作基于FPGA架构的AI芯片,让Azure云端运算平台能更好的缩减运算延迟情况。值得一提的,是成立于2016年的英国AI芯片独角兽Graphcore,其创新开发的IPU(Intelligence Processing Unit)将「学习」(透过大量数据对算法进行训练)和「推论」(执行算法,解读终端数据)的功能同时做在芯片上,不仅已获得Microsoft、Samsung、Dell等世界级企业的注资,更被视为将成NVIDIA GPU的劲敌。
边缘运算:下一波发展趋势,人人有机会
以往AI的「推论」工作大多在云端进行,但基于市场对其高成本、延迟性的诟病,以及终端用户对隐私性的要求,近年来AI「推论」的工作逐渐被下放到边缘,例如微型数据中心、终端设备等。由于边缘AI芯片是在云端与终端装置间先行处理数据,着重对现场数据判读和传送的实时性、低功耗、体积小等要求,因此采用FPGA和ASIC(如TPU、NPU、VPU、BPU等)类型为主。
由云端到边缘的演变,意味着要面对千行百业、少量多样且分散的应用场景,也促成了市场对边缘AI芯片的强大需求——根据市调机构德勤(Deloitte Insights)预估,到2024年边缘AI芯片出货量可能超过15亿颗,年复合成长率至少达20%;Tractica也预测,边缘AI芯片的市场规模,到2025年将会比云端AI芯片市场高出3.5倍。另一方面,边缘运算的兴起,也造就了市场投入者(如许多AI芯片新创公司)庞大的发展商机。
就安防监控产业来说,AI由云端转向边缘(终端设备)的现象近几年也逐渐在显化。以具有AI智能识别技术的网络摄像机(以下简称AI Camera)为例,早前由于监控环境中许多突发状况常会超出AI摄像机数据库和算法所能处理的范围,即使扩充后端影像数据库,仍无法面面俱到且欠缺实时性。当摄像机内建边缘AI芯片后,无论是智能识别或自我学习能力皆有大幅提升,不仅误判率降低且甚至超过人眼所能识别的能力,能更实时、全面地应变各种突发状况。
从技术较劲到完整解决方案 AI智能识别逐渐「落地」
AI智能识别技术除了在监控摄像机、DVR等终端设备获得更好的发挥外,针对各行各业不同应用情境需求的解决方案也有了长足的进步。从「secutech 2022台北国际安全科技应用博览会」就可以观察到:AI智能识别技术几乎已成为安控厂商的「标配」,但已不见着墨在AI算法、模型、识别目标、识别率…等技术上的较劲,取而代之的,是在各家展示摊位、海报广告牌最抢眼的位置上,所突显、强调的各式各样垂直应用解决方案。相较之前多数安防监控厂商仍在组建团队、设计方案,或是只有少数方案得以落地的情况,这2年来在跨界整合、产业生态系(Ecosystem)不断建构、扩展下,厂商手上积攒的实际应用案例愈来愈多、面向愈来愈广、底气也愈来愈足。
结合防疫的门禁管理、交通应用为大宗 工地/包商人员管理方案增加
由于COVID-19衍生的相关变种病毒仍持续肆虐全球,即使大多数国家已放弃「清零」思维、被迫采取「与病毒共存」的作法,防疫仍是日常生活不可或缺的措施。因此结合人脸、口罩识别及体温侦测功能的门禁(出入口)管理系统仍是市场最普遍的AI应用方案,几乎随处可见;尤其能快速、简易结合员工考勤管理系统的,更是受到政府行政机构、商办大楼、工业厂区广大企业的欢迎。而整合AI人形、物体、行为等识别功能,针对工地/厂区临时工人及外包商的安全管理方案,在今年的会场上也明显增加很多;此类方案不仅能以AI智能识别技术快速识别出工作人员是否有依照规定(如口罩、安全帽、反光背心、安全鞋等)穿戴完整,还可按业主需求自行定义危险行为及危险区域警界线(电子围篱),一旦违反安全系统即触发告警;若再结合车牌识别、工地安防要求等,即可形成更为完善的解决方案。
另一方面,车牌识别系统在停车场的普及率已愈来愈高,除了进出口闸门外,室内停车格所搭配的AI摄像机除了可带灯显示,也具备车牌识别和车辆侦测功能,还可内建黑/白名单。展场上也可见AI边缘运算功能在道路交通的应用上获得淋漓尽致的展现——将车牌、物体、行为等AI识别技术整合于前端的AI摄像机,不仅可立即识别车牌、颜色、车种,还可计算车流、追踪对象及侦测散落物;对于大量路口已设置的既有摄像机,亦不乏相应的解决方案——只需在原路口设备加装AI运算方式,控制中心即可根据车流量调整红绿灯秒数、掌握违规/违停车辆,甚至提供自驾车相关实时数据。而在轨道运输的安全与管理应用上,也有将AI摄像机整合车用DVR,再加上触控整合界面的AI巡车方案,列车司机只要在驾驶室就可对整个列车的情况一目了然,省却一节节车箱巡车的麻烦。此外,在港口对海上船舶进行识别、在机场对无人机、人和动物(如鸟类)闯入的识别等,也都有相应的方案展出。
多元应用百花齐放
在住宅小区部分,相信大家对「云端智慧宅」、「智慧小区」这类名词不会陌生,在AI识别技术的加持下,结合人脸识别、体温侦测的门禁和对讲系统,运用车牌识别的停车场管理系统,以及能源与环境自动侦测系统,都可与物业管理系统进一步整合,提供安保人员以更智能化的方式进行人员调度和管理,也可让现场安保人员通过App更轻松、实时地完成日常工作。在零售商铺的应用上,AI对人流、客层、热区的智慧化分析相信大家也已耳熟能详,今年被强调的则是对于特定人员(如走失儿童或老人)如何利用跨摄像机追踪及搜寻功能快速锁定其路径;这样的功能同样可应用于各式公共场域的人员寻找及路线分析。
此外,强调没有五官特征(考虑隐私权)的 AI 肢体侦测,可应用于复健、运动等,更好地判断相关动作是否到位?而跌倒侦测亦可用于医疗/长照机构,以观察病人/老人是否跌倒,让医疗人员实时作出响应。而AI智能识别对于烟雾、火焰的侦测,也已扩展至具 AR(Augmented Reality,扩增实境)功能的眼镜或智能广告牌,更利于灾害抢救现场的判断。
结语
AIoT时代,没有任何一种AI芯片架构可适用于各种场景,这是边缘AI芯片发展的机会;同样的,一个AI平台训练出的智能识别模型也不见得能适用于各个场域,这也是安防监控厂商深化AI垂直市场的机会。边缘应用是多样化的,我们也期望结合AI智能识别技术的各种安全相关解决方案,能在安防监控厂商及相关生态系的共同努力下,以更细化、贴近用户需求的方式,在各个应用领域遍地开花!