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！