“物聯(lián)網(wǎng)”、“邊緣運(yùn)算”和“人工智能”等流行語已經(jīng)流傳了好一段時間。這些字詞隨處可見，但每個人對于這些名詞背后的理解與定義可能不盡相同，甚至一頭霧水。

許多人在理解這些名詞內(nèi)容時，往往過度吹捧背后的技術(shù)含量 ，把概念講得天花亂墜，而我們認(rèn)為這些術(shù)語背后真正的價值在于，透過智慧城市的例子和其他嵌入的概念來顯示如何將不同的科技連結(jié)在一起。然而，解釋現(xiàn)實(shí)生活中的人工智能可能會很復(fù)雜，因為它是一個包含許多互連元件的系統(tǒng)，而不僅僅是一個個載入了智慧軟件的裝置而已。

因此，在解釋這些名詞之前，我們有必要先將本文相關(guān)的名詞進(jìn)行完整的定義：

物聯(lián)網(wǎng) （IoT， Internet of Thing）

物聯(lián)網(wǎng)已經(jīng)被廣泛地運(yùn)用在各種領(lǐng)域，各界對于它的定義也已經(jīng)具有一定共識，它泛指透過網(wǎng)絡(luò) （通常是指網(wǎng)際網(wǎng)絡(luò)） 互聯(lián)的“事物”。在這種情況下所指的“事物”并非嚴(yán)格指涉?zhèn)€別的電子裝置，也可以是服裝 （如可穿戴的電子產(chǎn)品），甚至可以是身上戴著心律調(diào)節(jié)器和類似裝置的人。所以基本上，每一個芯片在網(wǎng)絡(luò)內(nèi)傳輸資料的應(yīng)用方式都可以算是物聯(lián)網(wǎng)的應(yīng)用范疇。

物聯(lián)網(wǎng)的原始概念需要將資料發(fā)送到云端進(jìn)行處理和分析。但是，隨著互聯(lián)的裝置數(shù)量大幅增加，許多應(yīng)用方式碰上了一個問題，也就是大量來回傳輸會導(dǎo)致數(shù)據(jù)延遲。因此，為了解決云端運(yùn)算對于物聯(lián)網(wǎng)未來發(fā)展的限制，邊緣運(yùn)算已經(jīng)成為支持物聯(lián)網(wǎng)持續(xù)擴(kuò)散的重要技術(shù)之一。透過在邊緣分析資料，裝置可以自行判斷哪些內(nèi)容需要發(fā)送到云端、哪些內(nèi)容可以過濾掉。簡單地說，邊緣運(yùn)算指的就是將計算力從中心位置移到邊緣，這種轉(zhuǎn)移將大幅增加系統(tǒng)運(yùn)算效率。

人工智能 Artificial Intelligence （AI）

嚴(yán)格來說，我們目前所使用的人工智能仍然處于 “狹義人工智能” 的概念范圍內(nèi)，這是指一個程序或系統(tǒng)能夠執(zhí)行一組特定的任務(wù)，無需任何直接的人工輸入，例如利用機(jī)器學(xué)習(xí)來實(shí)現(xiàn)文字、圖片和語音辨識技術(shù)，藉由人工智能，處理成千上萬 （甚至數(shù)百萬） 不同的資料并學(xué)會了如何區(qū)分不同的輸入。

智慧物聯(lián)網(wǎng) （AIoT）

智慧物聯(lián)網(wǎng)，其顧名思義就是結(jié)合人工智能以及物聯(lián)網(wǎng)的技術(shù)所形成的。這可以視為將人工智能向邊緣移動，讓更大的計算范圍發(fā)生在物聯(lián)網(wǎng)裝置所在的位置。你可以想象一個運(yùn)行面部識別的監(jiān)控系統(tǒng)，與其將資料發(fā)送到云端進(jìn)行分析而產(chǎn)生延遲，而是把資料改成由本地的人工智能裝置直接進(jìn)行分析。

而這些技術(shù)名詞的概念與定義看似深奧，其實(shí)在工業(yè)環(huán)境的應(yīng)用卻非常廣泛。宜鼎國際在4／18日所舉辦的AIoT研討會中，正說明物聯(lián)網(wǎng)和人工智能的概念，以及進(jìn)一步說明目前是如何應(yīng)用在現(xiàn)實(shí)場景中，并提供許多成功的智慧物聯(lián)案例：

無人機(jī)交通監(jiān)控

我們的城市道路隨著不斷發(fā)展的同時，交通堵塞問題也每況愈下。因此使用實(shí)時資料來監(jiān)控和改變交通流量，可以顯著提高效率并改善塞車的情況。透過智慧路燈的架設(shè)，在每個路段監(jiān)測流量并且及時調(diào)整交通號志，或者透過無人機(jī)作為機(jī)動性的更高的部署選擇，并且可以監(jiān)測更大范圍的地區(qū)，利用智慧實(shí)時搜集信息，然后送交附近的裝置進(jìn)行分析。

配備著無線十億位元發(fā)送器的無人機(jī)

第一步分析由邊緣人工智能平臺處理。這包括車輛識別和交通流量評估。因此，裝置可以根據(jù)分析自行判斷如何處理資料。例如，車輛數(shù)量是否在增加？是否有堵車的風(fēng)險？然后，將基本資料發(fā)送到一個集中的平臺 （或云端），在那里根據(jù)資料采取疏導(dǎo)交通、改變限速和調(diào)整紅綠燈等措施，管理城市中的交通問題。

人工智能平臺

大多數(shù)資料處理都會在云端進(jìn)行，邊緣運(yùn)算也會越來越受到廣泛運(yùn)用。雖然物聯(lián)網(wǎng)裝置具有更強(qiáng)大的計算能力，但網(wǎng)絡(luò)頻寬仍然受到限制。目前正在進(jìn)行的5G基礎(chǔ)建設(shè)，則可以有效地解決資料傳輸延遲問題，大幅提升實(shí)時分析，以滿足智慧物聯(lián)網(wǎng)工作負(fù)載的要求。

車隊管理和人工智能

在車輛管理面，人工智能還可以加強(qiáng)車隊管理的營運(yùn)業(yè)務(wù)。管理大型車隊可能具有相當(dāng)?shù)奶魬?zhàn)性，而優(yōu)化營運(yùn)的方法有很多：降低燃料成本、減少不安全的駕駛行為、車輛維護(hù)等等。

目前的大多數(shù)車輛定位系統(tǒng)都嚴(yán)重依賴全球定位系統(tǒng)。你自己可能也經(jīng)歷過進(jìn)入隧道時，GPS完全失去定位能力的情況。在都市中，車輛駛?cè)胧覂?nèi)停車場或其他衛(wèi)星覆蓋差的地區(qū)時也可能會發(fā)生這種情況。另外，定位系統(tǒng)也很難定位車輛所在的海拔高度。

其實(shí)除了GPS之外，還有其他資料來源能讓我們定位車輛的位置。例如，每輛車本身都可以不斷追蹤車輛速度和轉(zhuǎn)彎幅度。接著，車上的人工智能平臺可以利用這些參數(shù)來補(bǔ)足缺失或不完整的定位資料，在任何時候計算出車輛的位置。這項技術(shù)稱為車輛航位推測法，簡稱DR。最后，資料也可以運(yùn)用無線網(wǎng)絡(luò)傳回給交管人員。

使用DR技術(shù)，允許在隧道內(nèi)進(jìn)行車輛追蹤

這就是人工智能裝置即使不在衛(wèi)星的視線范圍之內(nèi)，仍能協(xié)助交管人員追蹤車輛位置的方法。想象一下這種情況：某一輛汽車在隧道內(nèi)發(fā)生事故，但如果車輛只裝載了基本的GPS追蹤系統(tǒng)，交管人員仍無從得知已發(fā)生事故，除非透過某種方式獲得聯(lián)系。然而，若使用人工智能追蹤系統(tǒng)，則如果車輛不動、引擎突然熄火，或出了某種問題時，交管人員則會立即收到通知。

存儲和存儲器 － 智慧物聯(lián)系統(tǒng)的基本面

許多智慧物聯(lián)網(wǎng)相關(guān)討論往往聚焦在人工智能與機(jī)器學(xué)習(xí)。然而人工智能和物聯(lián)網(wǎng)不僅是一個具備AI算法的硬件，或是買來就隨處可用的魔術(shù)盒子，而是應(yīng)該將之視為一個由許多智能化的基礎(chǔ)元件所組成的智慧系統(tǒng)。而存儲和存儲器等元件身處于資料傳輸?shù)拿總€節(jié)點(diǎn)中，正是占據(jù)智慧系統(tǒng)中最基礎(chǔ)的角色。與過去相比，應(yīng)用在智慧物聯(lián)的基礎(chǔ)元件，隨著終端設(shè)備所存儲的數(shù)據(jù)量將越來越多，也扮演著越來越重要的角色。舉例來說，首先，此一環(huán)節(jié)的資安防護(hù)能力如果不足，將有可能危及整體系統(tǒng)。針對此種市場需求，宜鼎進(jìn)一步讓SSD與系統(tǒng)綁定，在此設(shè)計中，SSD只能與綁定的系統(tǒng)配對運(yùn)作，安裝于其他系統(tǒng)則會無法存取。這種方式需要系統(tǒng)與SSD雙方廠商都具有一定程度的資料加密技術(shù)，才能安全且快速的讀寫數(shù)據(jù)。

此外，AIoT應(yīng)用遍及各特定領(lǐng)域，每一領(lǐng)域的系統(tǒng)都有其特殊需求與對應(yīng)功能，SSD廠商必須能因應(yīng)其特色，與之合作設(shè)計出適用系統(tǒng)，這除了存儲器技術(shù)外，還需要各領(lǐng)域的專業(yè)知識，包含應(yīng)用于特定領(lǐng)域時，精準(zhǔn)、實(shí)時處理數(shù)據(jù)，才能達(dá)到智慧化需求。

責(zé)任編輯：ct