工業+AI發展潛力大 訓練資料集建置仍為瓶頸 - 市場話題 - 新電子科技雜誌 Micro-electronics


熱門關鍵字:USB PD | 自駕車 | 藍牙5 | NB-IoT | AI

訂閱電子報

立刻輸入Email,獲取最新的資訊:


收藏功能:
分享報新知:
其他功能:
智造現場

工業+AI發展潛力大 訓練資料集建置仍為瓶頸

文‧黃繼寬 發布日期:2019/06/15 關鍵字:ASICGPUFPGAML

製造業的智慧轉型是未來的世界趨勢,特別是在用人成本日益高昂,勞動力短缺的今日,如何讓生產線上的設備更加智慧化,像人類一樣能勝任各式各樣的工作,是目前許多工業設備大廠都在努力的方向。而人工智慧的導入,對於加速某些工業設備的智慧化,能帶來很明顯的說明,例如光學自動化檢測(AOI)、機器視覺、機台監診等基於感測技術所發展出來的設備或系統,若能順利導入人工智慧,將創造可觀的經濟效益。

然而,對製造業應用而言,目前以雲端資料中心為基礎的人工智慧,通常是不符合需求的。在生產現場,絕大多數的控制命令跟判斷,都有很強的即時性,如果要把資料上傳到雲端,在雲端進行推論,再從雲端向現場機台下達控制命令,在時效上往往拖延太久。因此,直接在網路邊緣節點進行推論,將是面向工業應用的人工智慧所實行的主流架構,也就是俗稱的邊緣運算或AIoT(AI+IoT)。

這也使得有意進軍工業市場的人工智慧晶片業者,諸如NVIDIA、英特爾(Intel)與賽靈思(Xilinx)等,紛紛推出低功耗、低成本,適合部署於生產現場的晶片解決方案,如NVIDIA的Jetson TX系列、英特爾的Movidius系列、Cyclone/Stratix FPGA,以及賽靈思的Zynq 7000與部分Zynq UltraScale+系列晶片,都可讓部署在現場的嵌入式設備直接進行推論。這三家領導晶片所提供晶片方案,也正好代表了AI運算晶片的三大流派--GPU、ASIC與FPGA,在應用開發上各自有其優勢與限制。

》想看更多內容?快來【免費加入會員】【登入會員】,享受更多閱讀文章的權限喔!
研討會專區
主題式電子報
熱門文章