雖然近年來AI影像辨識技術已成為安防產業中的要角，相關產品及應用方案也大量充斥在市場上，然而真正「落地」應用於實際案場（如製造業）的比例可能連10%都不到。究竟阻礙其發展的原因是什麼？又有何破解之道呢？
（右圖）SpaceX-netflix
今（2024）年6月6日，SpaceX星艦第四次試射，首次在回程時進入大氣層機體未被燒毀，成功降落並如計畫沉入印度洋中。這艘為了成為能夠載運人類到火星的太空船正在不斷邁向成功。
AI影像分析與自動化，SpaceX星艦背後功臣
眾所皆知，SpaceX是伊隆·馬斯克（Elon Reeve Musk）擁有的一間航太公司;伊隆·馬斯克的另一間公司Starlink則是致力於在地球外圍部署大量衛星以達到全世界無線聯網的目標，其衛星即是由SpaceX的獵鷹9號載運火箭一次次送出並部署在地球外圍――370次發射，367次成功。
SpaceX是如何生產出如此高科技的精密裝置？除了工程團隊們強大的技術力之外，AI（人工智慧）也是背後的大功臣。您可能不知道，SpaceX每三天就能生產一艘星艦，目前更計畫要一天一星艦。在SpaceX的廠房、測試實驗室甚至是火箭內部都佈滿了攝影機，透過AI影像分析與自動化來加速生產過程中的檢測與管理。在SpaceX裡，影像系統從來都不只是為了安防而設立。
邊緣AI運算紅火，落地應用卻不到10%？
在影像安防產業中，AI也是不斷被提起的議題，市面上有不少AI影像辨識軟體、AI盒（或稱邊緣運算主機）或是AI攝影機（內建影像辨識的攝影機）;在這些產品當中，AI盒與AI攝影機是目前最火紅的。AI盒與AI攝影機的爆增代表了一件事，那就是邊緣AI運算是目前的主流，在終端直接架設AI盒、本地接收攝影機影像直接做辨識，再將不占網路頻寬的辨識結果送回中央（Server端）做記錄或告警。比起很可能因網路不穩定而延遲辨識或甚至漏辨識的中央運算來說，邊緣運算更即時、更省成本也更穩定。
既然如此，現今的安防市場應該已經大幅依賴AI影像辨識了吧？一點也不！大家都知道AI影像辨識能帶來的好處，但是事實上真的有運用到AI影像辨識的案場可能連一成都不到。根據2023年11月Edge AI and Vision Alliance的調查，有60%的人覺得AI硬體成本太高昂、57%的人覺得開發成本太貴、57%的人覺得AI硬體太耗電了。除此之外，在挑選AI產品時更是有層層障礙，像是有些AI只支援Linux或只支援Windows、有些AI一定要搭載NVIDIA GPU或只支援INTEL但效能不彰，終於找到適合的AI時卻發現與正在使用的VMS（影像管理系統）無法整合…這一切都在限制AI在安防產業的發展。
突破AI應用限制―OAAX標準
綜合以上情況，市場上也產生了一些解決方案，例如OAAX（Open AI Accelerator Exchange，開放式AI加速器交換）。
OAAX與ONNX
OAAX是一個開放式標準，旨在簡化邊緣AI的開發和部署。它提供了一個統一的框架，用於轉換和優化機器學習模型，以便在各種硬體加速器（XPU）上執行。這其中也牽涉到另一個開放式的格式ONNX（Open Neural Network Exchange，開放式神經網路交換），ONNX是一個AI模型的通用格式，可以簡單地把它想成.JPG之於圖片一樣，任何AI模型都可以轉換成ONNX格式而變得通用。
OAAX當中便是規範了AI模型轉換成ONNX後，如何能夠利用加速器硬體來進行推論（Inference）――也就是將收到的影像拿來與訓練過的AI模型比對，並下判斷值來論定影像中的物件到底是人還是車這個動作。白話一點來說，硬體廠商只要符合OAAX，便能輕鬆讓符合OAAX的軟體來使用轉成ONNX格式的AI模型。
以OAAX為基礎開發的AI Manager
Network Optix（Nx），美國知名VMS大廠近日推出最新平台EVOS，其中的AI Manager便是以OAAX為基礎開發的工具。這套AI Manager可以讓用戶上傳自己訓練的AI模型、一鍵安裝至各式各樣裝載有Nx VMS的主機、AI盒或是攝影機中，並且讓這AI模型完美與VMS共同運行以達成增進生產力的目標。
市場上AI訓練工具愈來愈多、也愈來愈進化，任何人都可以用合理的價格（有些工具甚至免費，如Google的Teachable Machine）來自己訓練AI模型，過程中只需要簡單的Webcam就能輕鬆辦到，只要拿著Webcam不斷拍攝想訓練的物件，訓練工具就可以自動生成並產出AI模型。舉例來說，透過Teachable Machine和Nx AI Manager，製鞋廠商可以自行訓練AI模型來判斷各式鞋款、各種尺寸與瑕疵樣本，然後上傳這個AI模型到Nx AI Manager後、一鍵安裝到裝有Nx VMS的硬體上，就可以開始進行影像辨識以及自動化，例如：鞋子放在輸送帶上，透過影像辨識後自動依尺寸分發至不同包裝區、有瑕疵的鞋自動轉向瑕疵區…等。
要能「搔到癢處」，才能落到實處
目前安防市場上的AI影像辨識技術主要還是侷限在幾種比較泛用的如人臉辨識、車牌辨識、一些常見的物件辨識等等，然而，市場上的方案絕對跟不上用戶天馬行空的需求，廠房裡需要的影像辨識也通常不是市場上已經存在的方案。自己需要的AI自己訓練，Nx AI Manager能幫助用戶快速把為自己量身訂制的AI影像辨識功能實現並應用在廠房中，這樣的方案才真正能「搔到癢處」、解決用戶的痛點，讓AI真正落實到現實場景中。
根據市調機構統計，2022年全球邊緣AI運算的產值為152億美金，十年後將會暴增十倍來到1,436億美金。無論你是硬體製造商、AI方案開發商或是用戶，AI將是不可忽略的一環。如何能夠跟上這股AI浪潮，並且節省硬體、布署與開發的成本和時間來使用AI，將會是助力製造業大步邁向智慧製造／智慧廠房的重要關鍵。
市調機構預估，到2032年全球邊緣AI運算的產值將暴增至1,436億美金。