2020年中,a&s媒體曾針對安防領域的「AI影像辨識」議題,從技術主流、市場動向、應用情況、發展趨勢等各個面向,作了完整的探討。然而,在科技日新月異、世界瞬息萬變的時代,時隔2年,「AI影像辨識」的最新發展又以什麼樣的面貌呈現在我們眼前呢?現在,就帶領各位來一探究竟。
不可否認的,目前AI技術已經充斥在你我生活周遭,被廣泛應用到各行各業的顧客體驗、營運流程優化,甚至是風險預測上。根據市調機構IDC最新的研究指出,今(2022)年全球AI市場規模將達到4,328億美元,成長率近20%,預估明(2023)年則可突破5,000億美元大關。就區域來看,亞太區(不含日本)政府及企業在AI相關的採購預算將於2025年達到320億美元,預估2020~2025年的年複合成長率達到25%。其中,金融服務業在AI解決方案上的投資占比最高;其次是政府單位,主要運用在公共安全和緊急應變解決方案上,以增強風險預防和緊急回應;此外,製造業和零售業的需求也相當強勁。
晶片成AI發展關鍵 由雲端往邊緣是趨勢
受惠於半導體技術不斷精進與演算法的持續優化,AI相關發展可謂一日千里。以AI晶片來看,根據MarketsandMarkets報告指出,AI晶片市場將以40%左右的年成長率持續擴張;而更快的運算速度、更低的功耗且須結合深度學習演算法,則是現階段最主要的訴求。
雲端運算:市場寡占,大廠是主要玩家
在雲端運算市場,因需要處理資料中心和超級電腦的龐大數據,以採用CPU(中央處理器)和GPU(繪圖晶片)為主。輝達(NVIDIA)在AI晶片的布局最早,其GPU早已穩坐霸主之位,但他腳步未歇,大家熟悉的Ampere還在熱銷,新一代的Hopper已準備好今年第3季開賣;另外,NVIDIA也正在打造第一顆用LPDDR5(LwoPower Double Data Rate,低功耗內存)的高性能CPU--Grace,預計明年上市。CPU大廠英特爾(Intel)雖然進入AI晶片時間較晚,但其靠著陸續併購了Nervana System、Habana Labs、Movidius、Mobileye、Altera、eASIC等,完成了對CPU、GPU、FPGA(可編程邏輯閘陣列晶片)和ASIC(特殊應用晶片)的全面布局,其對AI晶片市場的企圖心不容小覷。
另一方面,原本屬於下游買家的網路巨擘和IT大廠,也因本身屬於重度使用者且希望晶片功能更符合自身需求,更進一步自行開發晶片,例如:Google推出的TPU(Tensor Processing Unit)即屬於ASIC代表;而Microsoft則與Intel合作基於FPGA架構的AI晶片,讓Azure雲端運算平台能更好的縮減運算延遲情況。值得一提的,是成立於2016年的英國AI晶片獨角獸Graphcore,其創新開發的IPU(Intelligence Processing Unit)將「學習」(透過大量數據對演算法進行訓練)和「推論」(執行演算法,解讀終端數據)的功能同時做在晶片上,不僅已獲得Microsoft、Samsung、Dell等世界級企業的注資,更被視為將成NVIDIA GPU的勁敵。
邊緣運算:下一波發展趨勢,人人有機會
以往AI的「推論」工作大多在雲端進行,但基於市場對其高成本、延遲性的詬病,以及終端用戶對隱私性的要求,近年來AI「推論」的工作逐漸被下放到邊緣,例如微型資料中心、終端設備等。由於邊緣AI晶片是在雲端與終端裝置間先行處理數據,著重對現場數據判讀和傳送的即時性、低功耗、體積小等要求,因此採用FPGA和ASIC(如TPU、NPU、VPU、BPU等)類型為主。
由雲端到邊緣的演變,意味著要面對百工百業、少量多樣且分散的應用情境,也促成了市場對邊緣AI晶片的強大需求——根據市調機構德勤(Deloitte Insights)預估,到2024年邊緣AI晶片出貨量可能超過15億顆,年複合成長率至少達20%;Tractica也預測,邊緣AI晶片的市場規模,到2025年將會比雲端AI晶片市場高出3.5倍。另一方面,邊緣運算的興起,也造就了市場投入者(如許多AI晶片新創公司)龐大的發展商機,其中包括台灣。工研院副總暨資深技術專家吳志毅就曾表示,AI時代硬體發展的重要性不亞於軟體,這正是台灣發展AI的希望所在;台灣若要切入AI產業,潛在機會在於邊緣運算。
就安全監控產業來說,AI由雲端轉向邊緣(終端裝置)的現象近幾年也逐漸在顯化。以具有AI影像辨識技術的網路攝影機(以下簡稱AI Camera)為例,早前由於監控環境中許多突發狀況常會超出AI攝影機資料庫和演算法所能處理的範圍,即使擴充後端影像資料庫,仍無法面面俱到且欠缺即時性。當攝影機內建邊緣AI晶片後,無論是影像辨識或自我學習能力皆有大幅提升,不僅誤判率降低且甚至超過人眼所能辨識的能力,能更即時、全面地應變各種突發狀況。
從技術較勁到完整解決方案 AI影像辨識逐漸「落地」
AI影像辨識技術除了在監控攝影機、DVR等終端設備獲得更好的發揮外,針對各行各業不同應用情境需求的解決方案也有了長足的進步。從4月29日甫落幕的「secutech 2022台北國際安全科技應用博覽會」就可以觀察到:AI影像辨識技術幾乎已成為安控廠商的「標配」,但已不見著墨在AI演算法、模型、辨識標的、辨識率…等技術上的較勁,取而代之的,是在各家展示攤位、海報看板最搶眼的位置上,所突顯、強調的各式各樣垂直應用解決方案。相較之前多數安控廠商仍在組建團隊、設計方案,或是只有少數方案得以有場域POC(Proof of Concept)的情況,這2年來在跨界整合、產業生態系(Ecosystem)不斷建構、擴展下,廠商手上積攢的實際應用案例愈來愈多、面向愈來愈廣、底氣也愈來愈足。
結合防疫的門禁管理、交通應用為大宗 工地/包商人員管理方案增加
由於COVID-19衍生的相關變種病毒仍持續肆虐全球,即使大多數國家已放棄「清零」思維、被迫採取「與病毒共存」的作法,防疫仍是日常生活不可或缺的措施。因此結合人臉、口罩辨識及體溫偵測功能的門禁(出入口)管理系統仍是市場最普遍的AI應用方案,幾乎隨處可見;尤其能快速、簡易結合員工考勤管理系統的,更是受到政府行政機構、商辦大樓、工業廠區廣大企業的歡迎。而整合AI人形、物體、行為等辨識功能,針對工地/廠區臨時工人及外包商的安全管理方案,在今年的會場上也明顯增加很多;此類方案不僅能以AI影像辨識技術快速辨識出工作人員是否有依照規定(如口罩、安全帽、反光背心、安全鞋等)穿戴完整,還可按業主需求自行定義危險行為及危險區域警界線(電子圍籬),一旦違反安全系統即觸發告警;若再結合車牌辨識、工安要求等,即可形成更為完善的解決方案。
另一方面,車牌辨識系統在停車場的普及率已愈來愈高,除了進出口閘門外,室內停車格所搭配的AI攝影機除了可帶燈顯示,也具備車牌辨識和車輛偵測功能,還可內建黑/白名單。展場上也可見AI邊緣運算功能在道路交通的應用上獲得淋漓盡致的展現——將車牌、物體、行為等AI辨識技術整合於前端的AI攝影機,不僅可立即辨識車牌、顏色、車種,還可計算車流、追蹤物件及偵測散落物;對於大量路口已設置的既有攝影機,亦不乏相應的解方——只需在原路口設備加裝AI運算方式,行控中心即可根據車流量調整紅綠燈秒數、掌握違規/違停車輛,甚至提供自駕車相關即時數據。而在軌道運輸的安全與管理應用上,也有將AI攝影機整合車用DVR,再加上觸控整合界面的AI巡車方案,列車司機只要在駕駛室就可對整個列車的情況一目瞭然,省卻一節節車箱巡車的麻煩。此外,在港口對海上船舶進行辨識、在機場對無人機、人和動物(如鳥類)闖入的辨識等,也都有相應的方案展出。
多元應用百花齊放
在住宅社區部分,相信大家對「雲端智慧宅」、「智慧社區」這類名詞不會陌生,在AI辨識技術的加持下,結合人臉辨識、體溫偵測的門禁和對講系統,運用車牌辨識的停車場管理系統,以及能源與環境自動偵測系統,都可與物業管理系統進一步整合,提供保全業者以更智慧化的方式進行人員調度和管理,也可讓現場保全人員透過App更輕鬆、即時地完成日常工作。在零售賣場的應用上,AI對人流、客層、熱區的智慧化分析相信大家也已耳熟能詳,今年被強調的則是對於特定人員(如走失兒童或老人)如何利用跨攝影機追蹤及搜尋功能快速鎖定其路徑;這樣的功能同樣可應用於各式公共場域的人員尋找及路線分析。
此外,強調沒有五官特徵(考量隱私權)的AI肢體偵測,可應用於復健、運動等,更好地判斷相關動作是否到位?而跌倒偵測亦可用於醫療/長照機構,以觀察病人/老人是否跌倒,讓醫療人員即時因應。而AI影像辨識對於煙霧、火焰的偵測,也已擴展至具AR(Augmented Reality,擴增實境)功能的眼鏡或智慧看板,更利於災害搶救現場的判斷。
結語
AIoT時代,沒有任何一種AI晶片架構可適用於各種場景,這是邊緣AI晶片發展的機會;同樣的,一個AI平台訓練出的影像辨識模型也不見得能適用於各個場域,這也是安控廠商深化AI垂直市場的機會。邊緣應用是多樣化的,我們也期望結合AI影像辨識技術的各種安全相關解決方案,能在安控廠商及相關生態系的共同努力下,以更細化、貼近用戶需求的方式,在各個應用領域遍地開花!