把AI導入邊緣裝置就對了！

作者 : Duncan Stewart、Jeff Loucks，Deloitte科技/媒體/電信中心
2020-06-04

邊緣AI晶片可能會嵌入越來越多的消費性裝置，例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用，例如機器人、攝影機、感測器和其他物聯網裝置...

德勤(Deloitte)預測，2020年，邊緣AI晶片出貨量將超過7.5億顆，銷售金額將達到26億美元，而且邊緣AI晶片的成長速度將遠高於整體晶片市場，估計到到2024年邊緣AI晶片出貨量可能超過15億顆，代表其複合年成長率(CAGR)至少達20%，是整體半導體產業(長期CAGR預測為9%)的兩倍多。

這些邊緣AI晶片可能會嵌入越來越多的消費性裝置，例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用，例如機器人、攝影機、感測器和其他物聯網裝置。消費性應用邊緣AI晶片市場將遠大於企業應用市場，但成長速度可能會較慢，預計2020年至2024年之間，其CAGR為18%；企業應用邊緣AI晶片市場的成長速度更快，同期CAGR預計為50%。

儘管如此，無論從出貨量還是銷售金額來看，今年消費性裝置應用都將佔據整體邊緣AI晶片市場的90%以上。這些邊緣AI晶片中的絕大部分將應用於高階智慧型手機，佔據目前所有使用中的消費性邊緣AI晶片70%以上。實際上不僅是2020年，在未來幾年，AI晶片的成長將主要由智慧型手機推動。我們相信在今年預期出售的15.6億支智慧型手機中，超過三分之一都可能內含邊緣AI晶片。

由於對處理器的要求非常高，AI運算向來幾乎都在資料中心、企業核心設備或電信邊緣處理器上遠端執行，而不是在終端裝置本地執行；現在，邊緣AI晶片正在改變這一切。它們的實體尺寸更小、相對便宜、功耗更小、產生的熱量也更少，因而可以整合到手持裝置以及非消費性裝置(如機器人)中。

邊緣AI晶片可讓終端裝置能夠在本地執行密集型AI計算，減少甚至消除了將大量資料發送到遠端位置的需求，因此在可用性、速度、資料安全性和隱私性方面益處良多。從隱私和安全性方面來看，在邊緣裝置處理資料顯然更安全；個人資訊不離開手機就不會被攔截或濫用。而當邊緣AI晶片安裝在手機上時，即使未連結網路，它也可以完成所有處理。

當然，並非所有AI運算都必須在本地進行。針對某些應用，例如當裝置上的邊緣AI晶片無法處理太多資料時，將資料發送至遠端AI陣列來處理是適當的、甚至是首選方案。實際上，在大多數情況下，AI將以混合模式完成：一部分在裝置端實現，一部分在雲端實現。具體情況下應該選擇什麼樣的混合方式，要看需要完成的AI處理類型。

智慧型手機邊緣AI經濟學

並非只有智慧型手機使用邊緣AI晶片；其他裝置諸如平板電腦、可穿戴裝置、智慧揚聲器等也會採用AI晶片。短期內，其他裝置對邊緣AI晶片銷售的影響力可能會比智慧型手機小得多，原因若非這類市場沒有什麼成長(如平板電腦)，就是這類市場規模太小、無法產生實質性的影響；例如，2020年智慧揚聲器和可穿戴裝置市場總銷售量預計僅1.25億部。不過許多可穿戴裝置和智慧揚聲器都依賴邊緣AI晶片，因此其普及率已經很高。

目前，只有價格最昂貴的智慧型手機(處於價格區間頂部)才可能內置邊緣AI晶片。但是，帶有AI晶片的智慧型手機並不一定要價格昂貴到讓消費者望而卻步。

我們可以對智慧型手機的邊緣AI晶片比例進行合理的估算。目前三星(Samsung)、蘋果(Apple)和華為(Huawei)的手機處理器圖片均顯示出裸片及所有功能特性，因此可以識別出晶片的哪些部分用於哪些功能。例如，三星Exynos 9820晶片的照片顯示，其晶片總面積的大約5%專用於AI處理器，整個應用處理器SoC的成本估計為70.50美元，僅次於顯示器，是手機中第二昂貴的元件，約佔據裝置總物料成本的17%。假設AI部分的成本與裸片上的其他部分一樣，即與所佔裸片面積成正比，那麼Exynos的邊緣AI神經處理單元(NPU)大約佔裸片總成本的5%，相當於每個NPU約3.50美元。

相同的，在蘋果的A12仿生晶片上，專用於機器學習的部分約佔裸片總面積的7%。如果整顆處理器的成本為72美元，邊緣AI部分的成本大約5.10美元。華為麒麟970晶片的成本估計為52.50美元，其中2.1%用於NPU，則這部分成本應為1.10美元(當然，裸片面積並不是衡量晶片總成本中有多少比例屬於AI的唯一方法。據華為表示，麒麟970的NPU包含1.5億個電晶體，佔整體晶片55億個電晶體總數的2.7%；按這樣計算，NPU的成本較高，約1.42美元)。

儘管這裡所提到的成本差別很大，但可以合理假設，NPU的平均成本約為每晶片3.50美元。雖然每顆晶片的價格不高，但考量達到5億支的智慧型手機出貨量(還不包括平板電腦、智慧揚聲器和可穿戴裝置)，這仍然是一個很大的市場。

製造商的平均成本為3.50美元，最低可能僅1美元，因此在智慧型手機晶片中添加專用的邊緣AI NPU是很自然的事。按照正常的利潤加價幅度，製造成本增加1美元，對終端消費者而言也僅增加2美元。這意味著即使是價格低於250美元的智慧型手機，也可以享受NPU及其帶來的好處，如更好的攝影機、離線語音助理等，而價格漲幅不到1%。

AI晶片來源：自家生產還是找外部供應商？

生產智慧型手機和其他裝置的廠商取得邊緣AI晶片的方式各不相同，這主要取決於手機機型、甚至是區域市場等因素。有些公司向高通(Qualcomm)和聯發科(MediaTek)等第三方供應商採購應用處理器/數據機晶片，這兩家公司在2018年合計佔據了智慧型手機SoC市場約60%的比例。高通和聯發科提供了一系列不同價位的SoC；儘管並非都包含邊緣AI晶片，高階型號通常都會有，例如高通的Snapdragon 845和855，以及聯發科的Helio P60。

在另一方面，蘋果則完全不使用外部供應商的應用處理器晶片，而是設計並使用自己的處理器SoC，如A11、A12和A13 仿生晶片，所有這些晶片都支援邊緣AI。其他手機製造商如三星和華為則採用混合策略，也就是會從市場上的晶片供應商採購一部分SoC，其餘則使用自家研發的晶片，例如三星的Exynos 9820和華為的麒麟970/980。

兵家必爭的企業與工業應用領域邊緣AI市場

如果在智慧型手機和其他裝置中採用邊緣AI處理器好處多多，那為何不將之導入企業應用呢？事實上邊緣AI處理器已經有一些企業應用案例了，例如某些自主無人機；配備了智慧型手機應用處理器SoC的無人機，能完全在裝置端執行即時導航和避障，無需連結網路。

但是，針對智慧型手機或平板電腦最佳化的晶片並非許多企業或工業應用的正確選擇。如前面所述，智慧型手機SoC的邊緣AI部分僅佔總面積的5%，在總成本中佔據約3.50美元，功耗比整個SoC少大約95%。所以若開發出只有邊緣AI功能(加上其他一些必要功能，例如記憶體)的晶片，它的成本會更低、功耗更少且體積更小，豈不更好？

事實上，已經有這樣的晶片了。據說，有多達50家不同的公司正在開發各種各樣的AI加速晶片。在2019年就已經有獨立的邊緣AI晶片鎖定開發工程師，單價約80美元。而如果達到成千上百萬顆的量產，裝置製造商的採購成本會大幅降低，有些甚至可低至1美元(或是更少)，而有些則需要幾十美元。現在，我們以智慧型手機邊緣AI晶片作為參考標準，假設邊緣AI晶片的平均成本約為3.50美元。

除了相對便宜之外，獨立的邊緣AI處理器還具有體積小的優勢，功耗也相對較低，僅為1W到10W之間。相比之下，一個由16顆GPU和兩顆CPU組成的資料中心叢集，雖然性能非常強大，成本將高達40萬美元，而且重量達到350磅、耗電達到10萬W。

利用這類已經問世的晶片，邊緣 AI可以為企業帶來更多新的可能性，尤其是在物聯網應用方面。透過使用邊緣AI晶片，企業可以大幅提升在連網裝置端進行資料分析的能力──不僅是收集資料──並將分析結果轉化為行動，從而避免了將大量資料傳送到雲端帶來的成本、複雜性和安全性挑戰。AI晶片可以幫助解決的問題包括：

資料安全和隱私

無論企業如何謹慎小心地保護資料，只要是收集、儲存並將資料傳送到雲端，都會不可避免地使企業面臨網路安全和隱私威脅；隨著時間推移，因應此一風險變得至關重要。世界各國紛紛訂定個資保護相關法規，消費者也逐漸意識到企業正在收集他們的各種資料，而有80%的消費者表示，他們認為企業沒有盡力保護消費者隱私。諸如智慧揚聲器之類的裝置開始在醫院等場合廣泛使用，這些場合對患者隱私的管理十分嚴格。

邊緣AI晶片可在本地處理大量資料，降低個人或企業資料被攔截或濫用的可能性。例如，具有機器學習處理能力的保全攝影機可以透過分析視訊來確定其中哪些部分相關，並只將這部分視訊傳送至雲端，從而降低隱私權洩露的風險。機器學習晶片還可以識別更廣泛的語音指令，從而減少需要在雲端進行分析的音訊。準確的語音辨識功能則有助於智慧揚聲器更精準識別「喚醒詞」，以避免聽到不相關的對話。

連網困難

裝置必須連網才能在雲端處理資料，但是在某些情況下，裝置連網是不切實際的。無人機就是一個例子，其運作位置可能使得維持其連網很困難，而且連網功能本身以及將資料上傳到雲端都會縮短電池壽命。在澳洲新南威爾斯(New South Wales, Australia)以配備嵌入式機器學習功能的無人機巡邏海灘，確保泳客安全；這些無人機不必連結網路就可以識別出被海浪捲走的泳客，或者警告泳客有鯊魚和鱷魚襲擊危險。

(太)大數據

物聯網裝置會生成大量數據。舉例來說，一架Airbus A-350噴射機配備6,000多個感測器，每日飛行航程會產生的數據量達到2.5 TB。在全球範圍內，保全攝影機每天生成的數據約2,500PB。將所有這些數據資料發送到雲端儲存和分析的成本高昂且複雜，將機器學習處理器放置於感測器或攝影機等終端裝置就可以解決這個難題。例如，可以在攝影機中配備視覺處理單元(VPU)，也就是一種專用於分析或預處理數位影像的低功耗處理器SoC。借助嵌入式邊緣AI晶片，裝置可以即時分析資料，只有當相關資料需要傳送到雲端進一步分析時才會需要進行傳輸，這可大幅降低儲存和頻寬成本。

功耗限制

低功耗的機器學習晶片甚至可以讓AI運算在透過小型電池供電的裝置上執行，不會消耗過多電力。例如，Arm晶片可以嵌入呼吸器來分析資料，包括吸入肺活量和進入肺部的藥物流量。在呼吸器上完成的AI分析結果將傳送至智慧型手機應用程式，協助醫事專業人員為哮喘患者提供個人化醫療照護。

除了現在已有的低功耗邊緣AI NPU外，很多公司還致力於開發「微型機器學習」方案，也就是在微控制器單元之類的元件上實現深度學習。例如Google正在開發能讓微控制器分析資料的專用版本TensorFlow Lite，將需要發送到晶片外的資料壓縮為只有幾個位元組大小。

低延遲需求

無論是透過有線網路還是無線網路，在遠端資料中心執行AI運算都意味著往返延遲的存在，最佳情況下為1到2 毫秒(ms)，最差情況則達到幾十甚至幾百毫秒。使用邊緣AI晶片在裝置端執行AI，可以將延遲降低到奈秒(nanoseconds)等級──這對於需要收集、處理資料並即刻採取行動的應用場景至關重要。

例如自動駕駛車輛必須透過電腦視覺系統收集並處理大量資料以識別物體，同時收集和處理來自感測器的資料以控制車輛各種功能；然後它們必須立即根據這些資料做出決策，像是何時轉彎、煞車或加速，以實現安全行車。為此，自動駕駛車輛必須自己處理在車輛中收集的大量數據。低延遲對機器人應用也很重要；隨著機器人逐漸出現在工廠環境並開始與人類協同工作，低延遲將變得越來越重要。

邊緣AI在大量數據應用至關重要

邊緣AI晶片的普及可能會為消費者和企業帶來重大變化。對消費者而言，邊緣AI晶片可以實現多種功能，從解鎖手機到與語音助理對話，甚至在極端困難的條件下拍攝出令人驚歎的照片，而這些應用都不需要連結網際網路。

但從長遠來看，邊緣AI晶片對企業應用的影響可能更大，它們將把企業的物聯網應用提升到一個全新的境界。由AI晶片驅動的智慧裝置將有助於擴展現有市場，衝擊現有企業，同時改變製造、建築、物流、農業和能源等產業的利潤分配。

收集、詮釋並立即根據大量數據資料採取行動的能力，對於那些仰賴大數據的應用至關重要；未來學家們預測，這類應用將被廣泛佈署，包括視訊監控、虛擬實境、自動駕駛無人機和車輛等等，而邊緣AI晶片就是讓各種裝置取得更高智慧的主角。

附圖：圖1：AI運算技術能佈署在不同位置。

（圖片來源：Deloitte Insights）

圖2：邊緣AI晶片市場規模預測。

(圖片來源: Deloitte Insights)

圖3：三星Exynos 9820的裸晶照片顯示，其中約有5%的面積為AI處理器。

（圖片來源：ChipRebel；注釋：AnandTech）

圖4：蘋果的A12仿生晶片約有7%的面積屬於機器學習的部分。

（圖片來源：TechInsights / AnandTech）

資料來源：https://www.eettaiwan.com/20200604putting-ai-into-the-edge-is-a-no-brainer-heres-why/?fbclid=IwAR3hRYuquNfTq5VzcEWYfqyJotBLBSp4PzLNyMackrs6V43r9NEMhRZ3Ap8

5G已來：看“黑科技”如何改變未來
（本文来自網路）

你能想像，在未來的某一天，你和戀人隔著太平洋就可以擁抱，還能真切的感受到對方的心跳和體溫？甚至畫面的清晰度能讓你清楚看到戀人的皮膚毛孔？

這一切聽起來不可思議，但很快就能實現了。因為5G來了，感測器、4K、8K等技術可以支援這個場景實現。

在剛結束的首屆世界5G大會，就有諸多5G智慧應用供市民體驗。今天，就讓我們一起來瞭解一下這些“黑科技”！

┃01自動駕駛

“我面前有六塊大螢幕，能即時顯示房山車輛的行駛情況和周圍路況。這輛車的駕駛位上有一名安全員，在開放園區的測試道路上可以和其他車輛混行。目前車輛行駛時速為15公里。我這邊踩一下刹車，40毫秒（1秒等於1000毫秒）就能傳到房山的車輛上。”技術人員一邊解釋一邊在亦莊的駕駛模擬器上操作，控制資訊通過5G網路傳輸到房山自動駕駛示範區的自動駕駛車輛上，實現車輛前進、加速、刹車和轉彎。

技術人員補充道，依靠5G網路低延時、大頻寬、高可靠性的特性，未來5G車聯網具有廣泛的應用場景，尤其在無人區、礦區、垃圾運送區等人員無法到達的環境惡劣區域和危險區域，可以通過5G網路精准控制，提升安全係數。他說，隨著科技不斷發展，如果未來自動駕駛車輛可以上路，且做好安全保障，遇到車主聚餐飲酒的情況，車主的家人也可通過遠端駕駛將其安全送回家。

┃02遠端醫療

用上5G，大城市的好大夫也能為農村地區患者就診、甚至手術。在中國移動展區，“醫生”操作超聲探頭，借助5G可以遠端操作異地的機械臂，對患者進行檢查和診斷。超聲影像和病人影像的畫面也通過5G回傳至醫生操作臺，“目前我國存在醫療醫院分佈不均的情況，用上5G，可以使優質資源下沉到基層。”

今年3月，全國首例基於5G的遠程人體手術——帕金森病“腦起搏器”植入手術在北京和海南之間完成。遠端手術需要毫秒級的低時延和毫米級的精確度，5G具有低時延、大頻寬的特性，大醫院的醫生基本可以即時看到手術的過程。

目前遠端急救也應用了5G。急救車和心電等設備上都搭載了5G信號後，病人在急救車上檢測的資料可以即時上傳到醫院。病人還沒等到醫院，醫生就能通過遠端視訊和檢測結果等提前瞭解情況。目前浙江、四川、北京等地都用上了這種救護車。

┃03物流監控

5G可以助力視頻實現對貨車滿載率、停靠位置、發車是否準時等情況的監控。
據京東物流研發部負責人介紹，除了物流生產，物流管理也用上了5G。很多場景基於電腦視覺，比如倉庫內有很多秘密頻道，通道上不能有包裹等障礙物，倉門也不能打開，以前傳統模式用人工巡檢瞭解這些情況，可能幾十分鐘才能發現。使用5G之後，攝像頭進行目標識別，高清視頻將即時傳送到雲端，並進行報警，“從感知到傳到雲端，到計算出結果發出報警，是秒級的，大大降低了人力成本。”

┃04影視傳輸

5G助力智慧影視解決方案。5G提供了全球高速檔案傳輸工具，海量影視資料通過5G技術在雲端實現全球高速傳輸，傳輸檔大小無上限，並且提供多重安全保障。
通過5G大頻寬的特點，方案提供高清審片平臺，一部高清電影上傳到騰訊智慧影視平臺的速度極快，通過智慧影視的AI審片工具，將可以實現異地、多人同時審片。相關人員表示，“在橫店拍攝，能在北京即時審片，提升行業製作和宣發的效率。”

┃05城市基礎設施——智慧燈杆

城市中的智慧燈杆能“穿戴”8種“設備”，包括充電樁功能、緊急報警按鈕、LED顯示幕、音箱、雲台攝像機、無線WiFi、環境監測裝置、可自動調節燈光亮度的燈頭。
緊急報警按鈕對於遇到突發狀況的市民非常實用，市民按動燈杆下方的緊急按鈕，便可與後臺的中控部門取得聯繫，尋求最及時的幫助。環境監測裝置可以監測PM2.5、PM10等多項污染物，監控範圍為方圓50米。可自動調節亮度的燈頭也非常實用，如果周圍環境亮度比較亮，燈頭就會自動調節到相對較暗的亮度，既節能環保，又能令行駛在該區域的司機視覺效果比較舒適。

┃06 AR工業智慧眼鏡

AR工業智慧眼鏡可實現遠端協助、智慧巡檢和互動式電子手冊類比培訓。以智慧巡檢為例，傳統意義上的巡檢是檢查人員進入檢查區域，然後將問題記錄在記錄本上，再根據記錄本上的問題進行檢修。如果巡檢人員戴上AR工業智慧眼鏡，眼前將出現這套需要檢查的設備的相關記錄和場景，檢查人員可以與後臺同步溝通現場解決問題，這樣可以提高檢查的效率和準確率。

業內人士說，在4G條件下，尤其是在做遠端傳輸的時候，一些演算法和傳輸會受到限制，“以往通常的做法是拉一根光纖，做一個熱點，以這樣的形式完成傳輸。在5G技術的條件下，這些問題將變得更加簡單。使用者戴上智慧眼鏡之後，可以直接調取雲端的資料，再結合實景進行處理計算，便可完成相應的操作。”

┃07智能垃圾箱

消費者使用這種垃圾箱需要搭配使用專屬垃圾袋。黃色的垃圾袋上印有二維碼，該二維碼與消費者綁定，當消費者將垃圾袋對準垃圾箱掃描口時，垃圾箱會自動識別使用者資訊並打開不同的垃圾箱，消費者便可輕鬆完成扔棄垃圾，而不會扔錯垃圾箱。據工作人員介紹，黃色垃圾袋為可降解材質。除了方便消費者扔棄垃圾，智慧垃圾箱還能幫助環衛部門更加科學地設計回收垃圾的線路和放置垃圾箱的數量。

工作人員補充道，智慧垃圾箱有一個強大的“大腦”——智慧垃圾分類雲平臺，在平臺上可以看到累計回收垃圾的噸位數、累計回收飲料瓶的個數、節約自然資源的公斤數、減少垃圾焚燒量等資訊。

┃08飛機維修

飛機維修工人如果遇到一些重大問題難以解決，讓一線工人佩戴這個眼鏡，現場即時畫面通過網路回傳到後端，專家在後端可以通過手機、PAD看到現場真實的場景，即時指導你進行一步步操作。通過手勢或者觸摸、語音這些方式，就直接通過虛擬進行操練。

“4G改變生活，5G改變社會”。相比於4G通訊，5G不僅在速度上有飛躍式的提升，在容量、覆蓋率、隱私、安全、道德規範、使用者體驗、通訊交互等方面都是4G通訊技術無法比擬的。也許在不遠的未來，會出現顛覆性的5G應用，徹底改變我們的生活方式。

5G已來，請盡情想像。

瞄準AIoT龐大商機 驅使產業價值鏈持續重組洗牌

魏淑芳 2019-05-30

伴隨物聯網(IoT)應用蓬勃興盛，加上人工智慧(AI)技術日趨成熟精進，兩大技術雙雙躍為企業數位轉型過程中不可或缺的要素；在此前提下，近年IoT與AI逐漸匯流為AIoT嶄新面貌，使AI得以藉由IoT滲透至各個產業與生活應用情境，連帶讓AIoT背後所表彰的邊緣運算概念，成為繼雲端運算後另一個熱門辭彙。

所謂邊緣運算，簡單來說，可視為從雲端到邊緣的移動，意即把原本透過雲端資料中心執行的AI機器學習推論工作，移往網路邏輯上的邊緣節點來處理，由於邊緣節點鄰近於用戶端設備、也就是數據來源，因而能夠以近乎即時的速度來處理資料，不僅消除了以有限網路頻寬傳送大量原始數據的負擔，更消除了凡事唯雲端是問、久候雲端下達指令的依賴性，這些特性，對於類似像自駕車等時間敏感性(Time-Sensitive)應用，可說非常重要。

Toyota為實現MaaS概念，邀集必勝客、Mazda、Uber、亞馬遜等盟友創立移動服務事業聯盟，意在讓其新開發的e-Palette自駕電動概念車，得以蛻變為無人化快閃商店。來源：SlashGear

於是乎，AIoT被各方人士寄予厚望，看好這股趨勢可望帶動諸如半導體、邊緣運算、5G網路、智慧車輛等相關技術領域之創新發展，進而引領第四波科技創新，促使智慧時代早日到來。根據知名研究機構Gartner的預估，時至2022年，在多達8成比重的企業IoT專案當中，都會含括AI解決方案，反觀現今，AI在IoT專案的佔比不過一成左右，顯見未來還有極大的成長空間。

AI與IoT 少了任一方都難形成大局

業者形容，AIoT的背後邏輯便是「AI＋IoT」，其中AI像是大腦，足以將設備的簡單連接升級為智慧連接，從而讓萬物互聯演化成為萬物智聯，至於IoT，則是使AI得以發揮行動力的載體，猶如人類的眼睛、耳朵、鼻子與皮膚一般，可以感知你我周遭的環境事物，從中彙集大量數據，做為AI進行機器學習、深度學習的重要養分；當資料愈多、訓練素材愈多，AI大腦就會愈來愈聰明，做出愈來愈準確明智的決策。

換句話說，假使僅有AI大腦，而沒有連結IoT感知能力，無從收集各種環境資訊，空有強大的演算法、運算力也是枉然；相反的，只有IoT而未搭配AI，則像是只有感官卻無法通達大腦來做出睿智反應，那麼縱然收集的資料量再如何龐大，充其量仍是Raw Data，沒有辦法轉換成為有價值的資訊。由此可見，唯有AI＋IoT，才足以創造最大化價值。

談及AIoT的落地應用，無庸置疑的，自駕車(Autonomous Vehicles)肯定是討論度名列前茅的熱門題材。顧名思義，研發自駕車的初衷即是取代人為駕駛，然而要達成這個目標，需要整合眾多科技，方能讓原本以機械性能為中心的汽車，開始擁有感知與學習能力，進而靠自身的力量做到精準判斷與操控，終至平安順利地上路行駛。

探究自駕車的感知層面，也就是賴以隨時掌握周遭環境資訊的配備，除了現階段已被廣泛運用的GPS、雷達、超音波，及結合影像辨識技術的攝影機等相關技術方案外，簡稱為光達的LIDAR，更被喻為是實現全自動自駕的先進感測技術，只因光達的涵蓋範圍廣闊，而且比較不受到諸如光線、溫度或天候等環境因素影響，所以可提供更加可靠、精確的偵測能力。

一旦車上搭載幾顆光達，便可明顯提升感測效果，惟目前光達的價位偏高，未來唯有下修，才可望被多數的自駕車開發商所接受，逐漸成為標準配備，所幸目前已有業者正在努力運用不同的技術，嘗試發展出價格更加實惠的光達產品。

至於自駕車的大腦，則需仰賴AI 軟硬體及開發平台，來訓練所需模型。GPU領導廠商Nvidia有感於自駕車在面對複雜道路環境之際，勢必需要進行大量平行計算、以便能做出即時反應，所以一方面提供高效能的運算晶片 DRIVE Xavier，二方面則提供一個完整的DRIVE AV平台，以利開發者因應各種環境感測技術、分別建構不同的模型，甚至透過虛擬環境來強化訓練(藉以納入一般實際道路測試鮮少遇到的狀況)，且能利用AR技術，裨益駕駛人在行駛過程中一併獲知周遭環境資訊。

憑藉異業合縱連橫 打造完整AIoT生態系

值得一提的，在AIoT的驅動下，已為自駕車注入許多創新設計思維、甚至是顛覆性的商業模式，使得相關的生態系更為多元豐富。比方說日系汽車大廠Toyota迎合MaaS(Mobility as a Service)概念，發想創立移動服務事業聯盟，並已延攬像是必勝客、Mazda、Uber乃至亞馬遜等諸多盟友，意在將其新開發的e-Palette自駕電動概念車，型塑為無人化快閃商店，隨時移動至不同地點展開營運。

此外聚焦發展自動駕駛軟體的英國新創企業Oxbotica，則與線上超市業者Ocado締結合作關係，將藉由CargoPod小型自駕貨車提供短距移動送貨服務，當貨車抵達後，消費者只需輸入密碼便能取貨。

事實上AIoT商機甚多，絕對不僅止於智慧汽車，其他像是智慧醫療、智慧製造或智慧能源等等領域，也都蘊含莫大的想像空間；探究這一條條不同的價值鏈成形，背後都亟需堅強的產業鏈加以撐持，甚至需要涵蓋電子零組件、系統組裝、軟體介面、服務設計等來自四面八方的廠商群策群力，方能透過一站式的供應模式，開創 AIoT 大局。

如同SEMI微機電及感測器產業聯盟(MEMS & Sensors Industry Group；MSIG)的成軍，基本上就是一個典型例子；因此可以預見，隨著AIoT浪潮席捲，異業合縱連橫的案例將會不斷上演，目的在於重塑產業價值鏈，只因在AIoT世界，確實很難有單一廠商足以通吃感測器、雲端到AI整個市場。

附圖：除了自駕車外，包括智慧製造、智慧醫療等諸多領域，都有愈來愈多相當成功的AIoT應用案例。例如日本的輪胎廠商Bridgestone便善用AIoT技術，為生產設備賦予自主學習與行動的能力，因而大幅提高生產效能與良率。DIGITIMES攝

資料來源：https://www.digitimes.com.tw/iot/article.asp…