我們該如何規範人工智慧 (全文)？

#COMPUTEX，這個跟我一樣歲數的電腦資訊展會，我竟然直到今年才首次踏入。

這次受主辦單位之一的 #外貿協會 （ #TAITRA）邀請，在上週三（5/29）來到位於南港展覽館 2 館4樓的「 #SmarTEX」展區參觀，與多家參展公司交流。我雖然自己經營過科技媒體網站，但我不是擅長採訪會展的記者，也不是好的 3C 部落客，因此我抱著「幫自己正在思考的問題取材」的目標，前往這場大型科技會展。

（先說：因此這篇文章不會有太多展覽展位上產品的細節跟照片，請大家見諒。）

而我最近在想的問題，也就是本篇文章的主題是：進入人工智慧時代，我們該如何規範人工智慧？

或者，我們也可以反過來問：人工智慧該如何規範我們？

自認偏樂觀派的我，其實不希望讓大家覺得「人工智慧的未來真糟糕」，我的個人偏見是：大致來說，我喜歡科技，儘管科技的確會帶來衝擊，但只要我們更願意去思考，就更有機會讓未來往比較好的方向演進。所以談這個議題，目的是要避免要是這樣的狀況真的發生了，我們才懊悔地說「這真糟糕，為何我們沒有早點想到。」

--------------------

關於人工智慧的規範問題，首先，我們來看看 MIT 媒體實驗室做的一個調查「道德機器」（網址：http://moralmachine.mit.edu/hl/zh）。

在這個網頁裡頭，有許多類似「#電車難題」的情境，需要你來回答。每一個參與者，需要回答 13 個題目，每個題目只有兩個選項。在每一個題目的情況中，都有一輛突然煞車失靈的自動駕駛汽車，而你必須做出選擇，要繼續前進，或是轉彎離開。

例如在某個二選一的情況中，你認為這台自動駕駛車該繼續直衝，撞死一個成人男性，還是轉動方向盤，讓車子撞上另一側的護欄，殺死車上四個人，包括兩名兒童？

在另一個二選一的情況中，這台自動駕駛車上只有一隻貓，若繼續直衝，會撞上護欄，讓貓死於非命，但若自駕車往左彎，貓的性命可保，卻會撞死一位正在違規闖紅燈過馬路的遊民。

類似這樣的二元選擇有很多種變化，例如過馬路的可能是動物、可能是罪犯、可能是醫生，嬰兒，或是這些人的綜合隊伍，他們或許是違規過馬路，或許是遵守交通規則但運氣不好。而車子直衝或轉彎，也隱含了道德選擇。推薦各位都上道德機器的網頁去回答看看，看你會不會跟我一樣覺得實在是逼人太甚，到最後根本就放棄思考（XD）。

這個網頁告訴我們一件事：我們不可能對各種狀況產生共識、或得出任何堪稱正確的答案，事實上這個調查也不是要用多數人的意見來決定未來的自駕車要是真的煞車失靈的時候，該做出什麼行動。然而這個調查提醒我們，當越來越多的「人工智慧代理」進入我們的生活，就會產生更多類似的道德難題。

--------------------

舉例來說，若一個 #人工智慧股票交易系統，因為對政治領袖發在社群媒體上的文章產生錯誤的解讀，而決定拋售某一檔股票，造成連鎖反應，讓投資者大賠一筆，這樣的損失該由誰來負責呢？

延伸閱讀：〈AI 機器人害我投資賠錢，我能告他嗎？〉
https://www.techbang.com/posts/70447-ai-robot-made-me-invest-money-can-i-sue-him

舉例來說，若一個 #人工智慧戀愛配對系統，推薦了一位居心不良的對象給另一個使用者，最後使用者被騙財騙色了，誰會受到最多的指責呢？誰「#與惡的距離」最近呢？

再舉一例來說，如果用於門禁或 ATM 的臉部辨識 AI 系統出問題，太過嚴格以至於讓使用者開不了門、領不到錢，或是太過寬鬆使歹徒得以利用，那該怎麼定義問題的範圍，用理性的方式來解決呢？

臉部辨識作為服務升級的關鍵，從智慧零售到智慧家居到智慧服務，都少不了這項技術的身影，也是人工智慧使預測平價化的代表。只要你拿著這一兩年出的新手機，想必也不會陌生。例如我這次參訪的 #訊連科技（CyberLink）展場主打「FaceMe」AI 臉部辨識引擎，他們提供 SDK 與多家科技廠商合作，包括 #宏碁雲端、#奇景光電、#微程式、#凌群、#達碩 等。我也拜訪了同在 SmarTEX 展出的達碩智慧科技，了解他們使用這套臉部辨識引擎，針對銀髮照護、社區管理、企業差勤管理等不同情境設計的解決方案。即使在我與訊連跟達碩的主管談話時，他們自謙還不是目前領先的廠商，但他們的服務也已經非常成熟，可見這樣的軟硬體整合套裝將持續普及到各地，而台灣中堅企業將成為關鍵推手。

美中貿易戰，加上美國可能逐步針對有侵犯人權之虞的監控科技施加圍堵禁令（如 #海康威視、#浙江大華、#商湯科技 等），突顯出台灣提供類似服務的企業所能提供的安全價值，但即使如此，這項科技本身還是帶給社會其他挑戰。訊連科技的連啟民協理跟我說，臉部辨識的準確性不是 0與1 的取捨，他們的 SDK 能夠針對不同情境，讓配合的廠商自行調整精度，掌控風險，例如從一般社區門禁的萬分之一調到 ATM 的十萬分之一，同時使用邊緣運算技術（Edge Computing），讓資料不用都到雲端，降低反應時間及資安疑慮。

我在展場也與 #康訊科技 及 #訊舟科技 兩家公司進行交流。康訊從圖資起家，以地理定位技術切入車載系統設備，扎根台灣30多年來，已經成為全球領先的車隊管理服務商，不管是共享汽機車、物流公司、校園巴士、救護車、消防車都是他們服務的客戶。他們提供的設備就像車上的黑盒子，可以完全掌握車輛的狀況，如透過監測引擎啟動狀態，可以知道司機是否過勞；透過監測燃料消耗情況，可以知道是否有偷油的情形發生。而全球客戶累積的數據也成為重要的資產，可以協助物流業者優化路線。

訊舟作為老牌網通公司，這次展出許多產品，我認為最亮眼的就是他們與中研院陳伶志博士合作推出的「空氣盒子」，我雖然早就知道空氣盒子，卻是第一次看到並且從訊舟的角度聽這個已經是公民科技典範的故事，目前在全台已經有 4,000 多台設備上線，密集監測空氣品質，累積的數據也已經可以做到空品預測。

另外，這次在 SmarTEX，科技部推動的 #GLORIA 國際產學聯盟現場展出 67 項前瞻技術，我也與聯盟中的幾所大學交流，例如 #中國醫藥大學 推出能夠判讀骨齡、癌症等資訊的 AI，節省醫師判讀時間，加速診斷。#國立交通大學 伍紹勳博士則與 #新光醫療團隊 合作，用像是貼在東尼史塔克胸口的智慧貼片，只用3導程就能正確模擬專業醫療設施12導程的ECG心電圖信號，大幅改善病患的行動自由，也顯著降低成本。而具有超過 2,000 例達文西手術經歷的 #臺北醫學大學劉偉民醫師團隊，則在擁有大量醫師第一視角錄影的基礎上，推出手術教學平台，包括 VR 手術直播拍攝，與虛擬手術教學模擬系統。

從訊連、達碩、康訊、訊舟到這三個來自學界的醫療技術案例，可見都與數據分析、人工智慧辨識判讀、虛擬模型建置有關，儘管我相信在台灣醫療與科技、工程多重優勢下，他們都前景可期，但該問的仍然要問：要是出了差錯，怎麼辦？誰負責？各團隊對此問題顯然也都深思熟慮過。而我將他們給我的回答整理，加入我對「人工智慧如何規範」這個問題的答案。

--------------------

#以自駕車為例思考

著名的科幻小說家艾希莫夫，在1942 年的短篇小說 Runaround 以及後來的機器人系列裡頭，提出了機器人三原則（Three Laws of Robotics），很多人可能都會背了，這三原則分別是：第一，機器人不得傷害人類，或坐視人類受到傷害；第二，除非違背第一法則，否則機器人必須服從人類命令；以及第三，除非違背第一或第二法則，否則機器人必須保護自己。

參考：Three Laws of Robotics
https://en.wikipedia.org/wiki/Three_Laws_of_Robotics

這三原則聽起來很周密，但其實並非如此，而且也不太現實。以自動駕駛汽車作為案例吧，自動駕駛汽車是這一波人工智慧發展最受關注的領域，而且因為許多國家政府正在積極制訂法規，自駕車的自動化程度，跟依據自動化程度而制定的責任歸屬，也比較清楚，值得用來舉一反三，幫助我們思考，人工智慧要是進入到每一個領域，會帶來多少該仔細考量的變化。

那麼，到底什麼是自動駕駛汽車呢？你可能聽過什麼 Level 3，Level 5 的，那指的是自動駕駛的自動化程度分級，我們可以用這張表來簡單呈現：

這個分級定義，是由國際汽車工程協會（Society of Automotive Engineers, SAE）所提出的，已經獲得廣泛的共識。從第零級到第五級，共有六個層級。第零級的自動駕駛就是毫無自動化，一直到第二級，都還是以駕駛員為主，機器提供輔助。

但從第三級開始，負責開車的就是機器了。人類駕駛頂多在緊急狀態作為備用選項。第四級之後，就連緊急狀態也是由機器來應對，人類就從駕駛這件事基本退場了。到第五級的情況，就像是有一個超級人工智慧在負責開車，相信到時候，超級人工智慧也不會只用在車上。

目前已經有幾家汽車公司宣稱自己的自駕車達到了第三級，例如 #奧迪、#特斯拉、#現代汽車 等，大部分車廠也都表示在 2020 年就會推出第三級的自駕車。Google 旗下的 Waymo 以及台灣的財團法人車輛研究測試中心 ARTC 則表示都已經有第四級自駕車的技術能力。

日本政府非常積極地花工夫在自動駕駛的規範上，日本的「投資未來委員會」在 2018 年底，便提出了已經研擬多年的自動駕駛汽車指導原則。根據報導，日本首相安倍晉三希望透過採取具體步驟，建立法律框架，讓日本成為率先制定國家級規範的國家。首要處理的就是第三級自動化情況下的監督跟法律方向。我們就來看看，在自駕車的規則上，日本是怎麼想的？

日本的規則是，通常來說車主需要對車輛自主運行時發生的事故負責，並且由政府規定的汽車保險公司承保。如果車輛系統有明顯的缺陷，該負責的就是汽車製造商。強制性保險這一步確定了之後，保險公司也就能夠制定方案，讓車主選擇，要保哪一種。

另外，為了釐清事故的原因，自動駕駛汽車需要完整記錄位置、轉向、人工智慧系統操作狀態的信息，也就是說，得要有像是飛機黑盒子這樣的裝置。

那如果遇到新型態科技犯罪者或駭客呢？只要車主有採取適當的安全措施，例如更新車輛系統或維護保養，那麼若是因為駭客攻擊或入侵造成損害，就視同汽車被偷走了。

除了這幾個大方向以外，還有不少問題待解決。因為剛剛說的都只是民事責任，財產相關的規範，但還沒有碰觸到刑事責任，如果真的因為自駕車的缺陷而造成傷亡，除了車主以外，程式開發者，汽車製造商該負起哪些連帶的責任呢？若不能盡快釐清，程式開發者跟汽車製造商就難以決定是否該正式推出產品。

另外，自動駕駛的操作條件、例如速度限制，運作的時間長短，天氣狀況也都得考量，就像各種已經存在的汽車安全規範一樣，人工智慧控制系統的標準、對網路攻擊抵禦的強度，也都得一一制定。

--------------------

而以自動駕駛為案例，可以幫助我們思考該怎樣規範其他人工智慧的應用情境。歸納我這次到 SmarTEX 參訪交流的心得，我想比起艾希莫夫的機器人三原則，我們該建立的思考原則其實是這四個：

#面對此時此刻的人工智慧該有的思考原則

第一，#釐清主控權。整項任務中，是人類還是機器掌握主控權？能否以清楚的層級概念來劃分人類或機器的掌控程度？就像自駕車這樣呢？另外，在關鍵決策點，人類有沒有介入，是否被要求介入？這些都必須根據不同的應用環境來一個一個釐清。

第二，#損害管理與風險溝通。在發生意外的時候，擁有者、使用者、設計者、販售者、維修者等角色，是否已經明白可能要負的對應責任？這些責任的政府主管機關與相關的法律有哪些？其實每一樣新的科技進入我們的生活，都會有一段學習曲線，我們不太可能在了解所有問題、解開所有疑慮之後才採用新技術，而是必須妥善跟每一個角色溝通風險。

第三，#數據紀錄透明化。為了忠實檢討意外發生的原因，人工智慧系統需要持續紀錄運作狀況，以及感測器所收集到的各種資訊。並且要確保訓練人工智慧的資料也是可受檢驗的，避免造成系統化的偏見。另外也同等重要的是，收集數據的單位，像是企業、保險公司或政府，有義務證明，收集這些資訊，是必要且適當的。例如飛機上機長跟駕駛員的通話可以收集，但車內的通話該不該收集呢？商店內的顧客對話該不該收集呢？

第四，#系統思維。任何意外發生，都要了解，系統總是存在一定的風險，告知風險機率跟可能的狀況類型。以「不責難」的出發點，來面對後續的檢討，才能讓各角色更願意把系統中的臭蟲或不當行為揪出來，最終的目標是讓這個能夠便利更多人、拯救更多人的系統，越來越好。就像醫療一樣，如果每次只要有病人在手術中過世了，醫生都要被告到賠上身家，那還會有醫生願意繼續替病人動手術嗎？當醫療行為中有越來越多具有人工智慧的機器介入，診斷疾病、決定麻醉份量、甚至用機械手動手術，我們就不得不分配信任給更多的角色。

從 COMPUTEX 的 SmarTEX 展區上琳瑯滿目結合了人工智慧的技術，可以肯定人工智慧已經，也即將進入每一個我們可以想像得到的層面，過去的規範將無法適用，而且即使訂出新規範，也會很快過時。我們不可能完全理解我們部署的人工智慧系統的風險。當前的機器學習運行得如此之快，以至於沒有人真正知道機器是如何做出決策，通常連開發人員也不知道。這些系統還會持續從環境中學習並更新他們的函式，這使研究人員更難控制和理解決策過程，在這樣缺乏透明度，也就是常說的黑盒子問題籠罩下，要建立道德準則跟規範，當然就極為困難。

然而若不要大驚小怪，將人工智慧與人肉智慧對等來看，人類花了幾千年建立起的道德準則，同樣漏洞百出，我們卻也習慣了。人類專家有的偏見跟偏誤更是問題層出不窮，而我們也是一直倚賴這樣有缺陷的專家系統在運作。此刻的人工智慧浪潮，正給了我們機會跟動力，檢視我們習以為常的那些想法，我認為以上的四原則，更有助於我們迎向已經到來的未來世界，而開發出這些技術，推出產品與服務的企業，若都能夠率先思考這些問題，也是我們所期待的。就如同我在這次 COMPUTEX SmarTEX 展區上看見的一樣。

--------------------

最後，我雖然只逛了整個 COMPUTEX 的一部份，但很感謝外貿協會，讓我能不只是走馬看花，而是深入與廠商對話跟採訪，非常有收穫。幾乎每一家我逛的展位，都跟數據、AI（起碼是機器學習）有關，並將其結合硬體，整合出具有市場競爭力的方案，雖然我沒有資格替他們的產品背書，但我覺得深入談過之後，他們都對自己的產品與服務非常有自信，或許並非市場的領先者，也已經看見該切入的定位與成長的路徑。

今年的 COMPUTEX 展會已經結束，不過以後若有機會前往類似會展活動，很推薦大家跟我一樣帶著問題意識去逛逛，跟這些未來世界的打造者聊聊，畢竟我們得住在裡面。

--------------------
Medium 版：http://bit.ly/2HLuT8p

無所不在的物聯網設備，你我都需要正視所帶來的資安問題

在2017年資安大會中，Hitcon Girls共同創辦人賴婕芳與沈祈恩認為，目前物聯網裝置的應用會越來越普遍，但與其有關的資安事件頻傳，因此無論是製作的廠商，還是企業乃至於個人，都應該提高警覺，重視這些設備的安全性。

文/周峻佑 | 2017-03-18發表

周峻佑

Hitcon Girls共同創辦人賴婕芳與沈祈恩在2017年資安大會的議程中疾呼，物聯網（IoT）裝置所衍生的資安問題必須受到正視，因為比起電腦，這些裝置可能會接觸到更多個人隱私，或是影響人身安全與國家安全，一旦遭受駭客攻擊，後果便不堪設想。物聯網裝置的安全與我們息息相關，無論是製造者還是使用者，你我都必須暸解如何降低其資安風險。

物聯網裝置帶來不少便利性與創新應用，因此受到人們的歡迎。物聯網這個名詞，最早出現於1999年，但直到2013年之後，成為開始熱門討論的話題，然而，根據2015年AT&T所做的調查報告中指出，在受訪的5,000家企業中，有高達85%想要發展物聯網應用，卻只有10%的企業有信心能夠應付駭客的攻擊，顯示物聯網的資安問題，連企業普遍都沒有把握。

另一個面向，則是從Symantec、FireEye、趨勢科技、Intel Security、Kaspersky等資安大廠2017年的預測報告中，可看出端倪。這些報告不約而同指出，物聯網裝置會帶來嚴重的資安風險與網路攻擊。賴婕芳以2016年10月時，DNS供應商Dyn遭受大規模DDoS攻擊的事件為例，其中一部分是由Mirai控制的物聯網裝置僵屍網路所發動。這個事件造成採用的Dyn服務的知名網站，包含BBC與GitHub等受到波及。然而，駭客取得這些物聯網裝置控制權的方法，僅僅只是透過了測試60組常見的預設帳號與密碼就得手。

應用層面廣泛，無論是小朋友的玩具，還是學校的路燈，全都是物聯網裝置

其實物聯網涉及的領域相當廣泛，無論是金融、公共服務、製造業、零售業，乃至於與人身安全有關的醫療、國家安全有關的能源設施，都有相關的應用。還有，近年來常見的智慧家庭，也使用了大量的物聯網裝置。

賴婕芳舉出許多案例，像是互動式芭比娃娃，透過了像是Siri的機制，就能和小朋友對話，然而卻被發現，其網路通訊可能會被有心人士攔截，讓芭比說出指定的內容，如果這個駭客是個戀童癖，很可能會讓小孩與家長飽受驚嚇。

此外，美國有間大學受到DDoS攻擊，經調查卻來是自校內的路燈、販賣機等物聯網設備，但學校並未想到這些校內設施，都是屬於這類設備的一部分。

物聯網設備甚至會造成人身威脅，例如駭客可控制汽車的自動駕駛系統，透過槍枝的管控系統，駭客可執行射擊。

物聯網安全是一整個生態圈的事情

基本上，許多人想到物聯網的資安問題，可能會以為主要是對於裝置加密，消除漏洞等防護措施。但事實上，我們手上的物聯網設備，只是傳感器（Sensors），背後擁有一個生態圈，還包含網路與應用程式等。但從駭客攻擊的面向來看，則略有不同：大致上可分成硬體設備、連接性（Connectivity），以及應用程式3塊。

硬體指的不只是物聯網設備本身，還包含整個生態圈設施，像是閘道設備，或是執行應用程式的手機等，駭客可透過這些裝置發動攻擊。

連接性指的是任何連接的階段、過程，包含網路流量、生態圈通訊，以及設備之間的連接，或是應用程式之間的API等。

應用程式則包含物聯網裝置本身的軟體、雲端網頁介面或管理者介面等。

在物聯網硬體出現的問題中，賴婕芳舉了RFID卡Mifare Classic為例，這種卡片遭到逆向工程解析後，被發現金鑰只有48 bits，極容易破解，她說，以現在的角度來看，只要在淘寶花5美元，就能取得相關的修改工具。

而對於連接性的問題，像低功耗藍芽通訊（BLE）來說，在需要溝通的兩個設備之間，由於像手環一類的設備沒有螢幕，只能使用配對機制中的Just Work驗證方法（無密鑰），在這種情況下就很容易遭受中間人攻擊。

但其實另外一層隱憂，則是更多裝置的BLE通訊過程完全沒有加密，以賴婕芳他們測試過的小米手環與體重計來說，他們發現只是對手機程式進行配對，沒有對資料做保護，因此可將手環或是體重計的通訊內容，傳送到非綁定的行動裝置。換言之，有心人士可將小米體重計得到某個人的重量資訊，同時傳送到多臺裝置中呈現。

相較於上述兩者，應用程式是駭客最常使用的攻擊標的，像Hitcon在2015年舉辦的大會中，就展示駭入Gogoro App並取得憑證，然後將電動機車成功發動。然而這是應用程式在設計上的問題，將憑證存放在手機不夠安全的區域導致。

迎向2017年，物聯網安全是全民都要面對的問題

面臨物聯網裝置層出不窮的資安事件，我們必須有所體認。針對不同的角色，賴婕芳提出以下建議措施：

製造商：開始設計必須將資安納入考量，並且開發者需要有安全開發經驗、訓練，最好產品在上市前滲透測試。

企業用戶：需將物聯網設備盤點並列管，若是無法修補的設備，應考慮隔絕於主要網路之外。此外，防護措施需將整個網路架構納入資安考量。並在採購時，要求廠商確保設備安全性。

終端使用者：了解使用裝置的風險，如果不確定設備的功能，最好就不要使用。使用時，要將預設密碼更換成高度複雜的密碼。

資料來源：http://www.ithome.com.tw/news/112848

分工打造最適化物聯網平台
軟體思維 環環相扣

【作者： 王明德】 2017年02月08日 星期三

物聯網被認為是繼PC、網際網路的第3波IT革命，不像前兩者，其影響雖大，但仍侷限在IT領域，物聯網應用則將大幅橫向應用至其他領域，不僅IT產業，不誇張的說，現在人類經濟體中的各種產業，都可被納入物聯網的應用領域，由此看來，物聯網的商機相當龐大，根據工研院IEK的日預估，物聯網3大商機健康照護、智能管理、智慧製造將在五年內爆發，2015年預估約529億美元(含硬體、軟體)，到2020年將達1,332億美元，年複合成長率20.3%，並帶動平台整合。

台灣是IT產業重鎮，不過向來以硬體製造為主，因此面對物聯網風潮，台灣業界也多從硬體思維出發，目前台灣產業的物聯網主要聚焦於底層的感測網路佈建，包括控制器、橋接器…等，由於台灣自動化廠商在此領域深耕已久，而上一層的軟體設計均為其客戶的技術專長，為避免搶食客戶利基，台灣自動化廠商在物聯網的產品布局通常都謹守界線，不會跨足軟體，因此台灣產業在物聯網的產業生態系統中，定位相當清楚。

物聯網架構依廠商、機構不同，解釋也各異，不過仍有基礎共識，一般多分為三層，包括感測、網路、應用，這三層架構中，都需要通訊網路與軟體串連、管理、運作該層次的硬體設備，而不管哪一層，目前市場上的物聯網軟體較具規模者都為外商，前者像是PTC(參數科技)，後者則以NI(國家儀器)為主，這兩家公司都深耕物聯網已久，PTC的物聯網軟體包括開發套件、共工平台…等，NI除了該公司聞名業界的LabVIEW外，旗下的DIAdem平台也專為擷取資料管理所用。

PTC打造物聯網生態網

PTC在製造領域，向來以企業管理軟體產平台為該公司產品核心，包括PLM、CAD／CAM…等均是，由於物聯網也被視為企業，尤其是製造業的未來主流架構，因此PTC除了將該公司本身原有的軟體平台延伸、整合物聯網外，近年來也透過購併，強化該公司的布局。

PTC資深協理汪崇真表示，物聯網的涵蓋面龐大，包括底層的自動化嵌入式設備、網路系統、系統整合、資料儲存分析、垂直產業解決方案，單一廠商無法提供全部的軟硬體產品與服務，因此此一產業必須透過各領域夥伴的群策群力，方能提供使用者完善的解決方案。

然而物聯網過於寬廣的涵蓋面，使其不同領域的廠商在開發產品時，不易找到合適的匹配對象，即便找到，雙方的產品介面也需要一定的磨合調整，方能將產品上市，針對此一問題，汪崇真指出PTC旗下的ThingWorx平台，可滿足上述問題。

ThingWorx攜手Axeda

ThingWorx用意是打造完整的物聯網生態平台，物聯網架構中各層次的廠商均可登上此平台，透過此平台的開發工具研發產品，此一作法有兩個好處，一是廠商可在ThingWorx上直接瀏覽、搜尋到匹配的廠商，而由於各廠商的產品都是基於該平台所設計，因此在此平台搜尋到的合作廠商，雙方產品都可無縫相容，大幅縮短過去的介面調整時間，有助於產品快速上市，汪崇真表示，物聯網時代講求快速上市，在此要求下，產品的設計時間被大幅壓縮，ThingWorx的韌體具相當彈性，可協助廠商快速開發應用。

除了ThingWorx外，PTC也在2014年併購了另一家提供連接機器與雲端感應器解決方案的開發商Axeda，汪崇真指出Axeda擁有超過150家用戶，每天處理數千萬筆橫跨多個產業領域的資訊，多樣的合作夥伴中包含行動網路領導品牌、裝置製造商、系統整合商及企業系統分析業者，Axeda在現代架構上提供尖端物聯科技，協助收集處裡全球機械與感應器資料，Axeda軟體提供公司建立安全連網，並進行遠端監控、管理與服務各種連接儀器、感應器及裝置，汪崇真表示，Axeda的科技產品搭配已有的ThingWorx快速開發應用平台以及現有的服務生命週期管理(SLM)與產品生命週期管理(PLM)解決方案產品，Axeda在物聯網連接與裝置管理的強項，結合ThingWorx快速開發應用工具，將可讓PTC的物聯科技架構更加豐富。

NI由工業物聯網著手

相對於PTC的作法，另一家以軟體聞名於業界的外商NI，則是透過自動化產線端的布局，強化該公司的物聯網軟體建構，NI行銷經理吳維翰指出，NI自動化領域以平台見長，硬體包括各種標準架構，如PXI、CompacrRIO…等，軟體則以LabVIEW為主，NI的平台初期以測試為主，後來逐漸將觸角延伸至設計端。

吳維翰指出，物聯網成型，現行的多數產業未來都將以此作為未來企業營運的主架構，現在也已有多種子架構出現，像是衣聯網、車聯網、工業物聯網…等，其中工業物聯網與工業4.0、CPS等新世代智慧工廠概念相符，因此被視為物聯網子架構中將率先啟動者。

這幾年消費性產品從過去的少樣多量逐漸轉變為少量多樣、多量多樣等型態，而傳統的製造方式已無法因應此態勢，更據彈性的工業物聯網(IIOT)，已然成為未來工廠的主流架構，與傳統的製造方式相較，工業物聯網更據彈性，面對多樣性產品生產時，可快速調整參數，符合訂單需求，設備之間也可相互連結溝通，達到智慧生產願景。

吳維翰指出，未來的工業物聯網，勢必會在各設備乃至於產品中，設置大量的感測器，這些感測器所回傳的資訊，將累積為龐大的資訊，而這些數量極為龐大的「Big Data」，對企業主來說,，除可作為準確的策略分析外，也帶來相當棘手的資訊管理問題。

針對龐大的資料量，NI的DIAdem平台可迅速搜尋、載入、呈現、分析量測資料，再製作相關報表，DIAdem 是專為目前的測試環境所設計，可存取並處理多種客制格式的大量資料，且所產生的報表可提供有效資訊以利決策。

DIAdem化繁為簡

吳維翰指出，DIAdem可定義不同來源的資訊，再進行分析，他以汽車大廠Land Rover為例，該車廠導入自動化生產的時間相當早，也建置大量的感測器取得訊息，這些感測器每天所傳回的資料量高達500GB，由於數量遠超過處理平台負荷，因此每天只能分析其中10％左右的資訊，之後該車廠導入DIAdem，其處理的資料量大幅提昇至95％，出處理量大增，減少了過去因數據量不足而需反覆測試的時間，而DIAdem也可與NI的另一款資料擷取軟體InsightCM結合，打造出資料擷取、分析的完整平台。

作為物聯網軟體廠商，PTC與NI在架構中各有所長，彼此也有一定的合作關係，例如2015年的NI Weeks中，PTC就在展示出與NI合作的相關案例，這也證明物聯網與過去其他技術可一家獨大的態勢，與其他技術與架構相較，物聯網更講究分工，供應鏈中各廠商必須環環相扣緊密鏈接，方能打造出最適化物聯網系統。

資料來源：https://www.ctimes.com.tw/…/%E7%89%A9%E8…/17020816273F.shtml