正確而關鍵性的一步!.....電力數據大解放!民眾未來可以決定電力大數據給誰用!(10/08/2020 ITHome)
臺灣開放電力數據發展邁開重要一步,台電正式推出AMI智慧電表用電查詢服務,讓民眾能以App查看家中每15分鐘用電資訊,這些數據未來還能帶來嶄新的居家能源管理服務,當智慧電表裝設率達3百萬戶時,還能蒐集電力數據衍生新興應用,有機會帶動產業新變革,更將成為台電發展電力大數據應用的關鍵
文/余至浩
走進臺北市忠孝東路6段某棟台灣電力公司(以下稱台電)老宿舍改建的單身出租公寓,即使人才到了門口,不用進房舍,房客從第三方App就能看到現在房間用電情形,不用查看電表,就能知道自己房間用了多少度電,甚至精細到每分鐘用電記錄都一清二楚。
從這些用電資訊,住戶馬上就有看到即時的試算電費金額,不用等兩個月一次的電費帳單才知道,還能設定電費上限,超過立刻發送提醒,這支電力App還能遠端控制冷氣、升降窗簾,來管理每天用電支出。甚至屋頂太陽能板的發電資訊都能整合到單一App中,不只發電,以後連儲電都合一。
不只住戶能精打細算用電,房舍的物管業者,也能從單一後臺隨時監控公寓裡每月、甚至每天整體用電分布情況,來妥善做好能源管理。這些用電數據,可以視覺化圖表來呈現,除了方便管理者觀看不同時段用電變化,還能放大查看每層樓的用電細節和進行各樓層用電趨勢比較,甚至哪一戶今天用了多少電,馬上就能知道。
這是台電今年最新展開的智慧能源管理試驗計畫。
像這種居家能源管理服務模式,以往,只有在少數高級住宅或新建大樓、公宅,才看得到,但台電現在能夠以更低成本,更易於部署方式加以實現,這也意謂著,能夠更容易複製到一般家庭住家,甚至連老舊公寓也都能裝。全臺已有20萬戶就能用到,未來會達到3百萬戶家庭用戶,因為這些家戶都換上了台電最新的智慧電表。
嶄新的居家能源管理服務模式
以台電出租公寓為例,這座由4個連棟組成的集合型社區住宅,目前約60戶房客入住,單是主棟一整棟四層樓房舍,就安裝有4個智慧電表,每個電表對應一層5戶的用電資訊,4棟都採相同配置,除了安裝智慧電表外,在這間出租公寓還裝設了許多顆智慧能源閘道器裝置Cube,主要安裝在住戶房間,部分也有配置在智慧電表旁,來提供家庭能源管理服務,目前4棟樓一共布了36個Cube,都與智慧電表相連。
每具智慧電表蒐集到該層樓用電資訊以後,便會透過如WI-SUN無線通訊技術或電力線網路(PLC),將這些用電資料傳送到Cube裝置上,接著,再將這些數據上傳雲端來做視覺化用電呈現,還可以Cube搭配房間裡插卡式電力儲值裝置,來提供每位房客查看自己房間的用電。
不只取得並整合電表電力數據,在這間公寓的屋頂,還鋪設了多片太陽能板自發自用,光是4棟加起來的數量,總共可提供33kWh發電容量,可為整棟公寓分擔至少三分之一的整體用電,而且同樣可透過物聯網閘道器控制其產電,甚至之後還會搭配儲能櫃與太陽能板協同供電,還可運用大數據分析做最佳化的調控,協助用戶調節電費的支出,以後有多出來的電,還可以回存台電。
近年來以一款智慧能源閘道器裝置Cube在日本打響名號的聯齊科技創辦人兼執行長顏哲淵就表示,現在日本更進一步作法是,將智慧電表結合儲能與能源管理做運用。例如根據不同時段電價,以用戶端的家庭能源管理系統(HEMS)控制如屋頂型太陽能板或蓄電池等儲能設備充放電,幫助住戶來調節電費的支出,以避免按較高電價支付電費。
甚至,因為這些電力數據衍生的新興服務,在日本更掀起新變革,包括老人照護、物流配送服務等。
新版電力App可查看一天前用電歷史資訊,提供每15分鐘更新頻率
臺灣雖然還沒走到這一步,但即使家中沒有HEMS系統,現在也能透過台電電力App來掌握自身用電。
為了蒐集民眾用電數據,台電近年來積極布建智慧電表,從一開始只有20萬戶換裝新電表,到今年年底前就會超過100萬戶,預計4年後更要達到3百萬戶,總用電82%的目標。
未來目標要可查一小時前用電歷史
台電8月新版電力App上線時,也有提供智慧電表用戶一個用電資訊查詢服務,雖然還無法像第三方App可提供即時用電資訊,但已經可以做到前一天、顆粒度每15分鐘的用電歷史資訊的查詢,甚至今年底要能提前到可以查6小時前的用電歷史,未來更大目標是要做到前一小時用電歷史資訊的查詢,但台電沒有說,何時有辦法可以提供即時用電的查詢。
用電查詢服務,對於一般民眾並不是甚麼新鮮事。民眾過去收到台電繳費帳單時,就能看到最近一期的用電度數與電費金額,甚至台電也有提供網頁或App可供用戶查詢家戶用電。
但是,台電這次推出能用App查詢用電歷史資訊的意義格外不同,可從以往每兩月查看帳單,現在改為透過手機App,就能看見前一日家中用電情況,讓每一位住戶可以迅速掌握自身用電情況。
這些用電記錄也會製作成圖表的形式,從這個用電分析圖表上,用戶可以很容易查看不同離峰、尖峰時段的用電分析資訊,還可以每小時為單位的用電度數,來進行不同時段用電量比較,甚至是可以與鄰近同區域用戶進行用電比較,來檢示自身用電有無異常,或是也能參考其他住戶或商家用電變化,用戶在據此來調整自己的用電習慣,來達到節能、省錢的目的。
台電的計畫,是分階段來開放,初期先開放20萬家戶查詢前一日用電,今明兩年會再逐步擴大到百萬民生用戶,目標4年內至少全臺300萬戶都能用。
開放民眾查詢更即時用電記錄,是台電走向電力數據解放的第一步,接下來,台電更規畫以後將把這用電資訊,尤其是智慧電表提供更詳細的用電資訊,提供民眾自主運用,並會透過政府MyData數位服務個人化平臺釋出。此舉,不僅將會加速臺灣在智慧電表發展的腳步,這些電力數據之後也將帶來更多電力衍伸新興服務。
台電智慧電表應用下一步,將結合家庭能源管理服務
為了配合將來的家庭能源管理應用趨勢,台電下一步,更要從電表端深入到家庭端,台電還因此在同一個智慧電表內設計了同時可支援Route A與Route B兩種無線通訊介面模組,前者負責將電表資料透過通訊網路轉送回電力公司,以記錄用戶用電數據及做為後續計費結帳,後者則是可透過連結HEMS系統,控制家中的智慧家電,協助用戶做最佳化的能源效率管理。
舉例來說,未來電表收到用電資訊後,便會將這些數據透過Route B模組傳給家中HEMS系統,接著,再由該系統依據當下用電情況,進而操控家裡的家電,以做適當用電調整或離尖峰時段的用電配置等措施。這些用電資訊,用戶從手機App或居家顯示螢幕也能看到,甚至因為HEMS系統是透過Route B模組向台電智慧電表取得即時用電資訊,因此才能做到能讓用戶在第三方App上,看到一分鐘前的用電歷史訊息。
不過,台電目前只在每具智慧電表裡,先安裝了可回傳用電資訊到電力公司的Route A通訊模組,至於連接家庭應用的Route B模組還未裝。
台電配電處副處長黃銘宏就表示,智慧電表的Route B模組,主要是提供給對用電管理需求較大的電力用戶,如便利超商等小型工商用戶,未來可自行搭配適合HEMS系統方案做安裝。
他也表示,台電之後將會把該模組介面規範開放給能源管理系統廠商,民眾或商家能直接經由台電認證的業者,來協助其裝設該模組在智慧電表裡,並搭配其HEMS系統,就可來進一步做更詳細的能源管理規畫。
像這樣的家庭能源管理新模式,台電3年前也開始在臺北、臺南,高雄的公共住宅、公有宿舍合計1千戶做為其示範場域,來推廣住宅智慧用電與能源自主的理念。台電之後也會將此應用模式複製到更大型案場,並以智慧電表搭配能源管理機制,來展開更多智慧化能源應用及其服務場域試驗。
台電於8月下旬推出電力App更新時,首度增加AMI用電資訊查詢功能,這個功能結合了通訊傳輸功能的智慧電表,讓安裝該電表的低壓或一般用戶,現在也能夠隨時查看前一日個人用電資訊,甚至可顯示每15分鐘用電。不需要等到兩個月後收到帳單才知用多少電。這些用電記錄也會製作成圖表的形式,從這個用電分析圖表上,用戶可以很容易查看不同離峰、尖峰時段的用電分析資訊,還可以每小時為單位的用電度數,來進行不同時段用電量比較,甚至是可以與鄰近同區域用戶進行用電比較,來檢示自身用電有無異常,或是也能參考其他住戶或商家,來調整自己的用電行為,有效達到節電。
為了配合將來的家庭能源管理應用趨勢,台電還因此規畫在同一個智慧電表內設計了同時可支援Route A與Route B兩種無線通訊介面模組,前者負責將電表資料透過通訊網路轉送回電力公司,以記錄用戶用電數據及做為後續計費結帳;後者則是可透過連結家庭能源管理系統(HEMS),控制家中的智慧家電,來協助對用電管理需求較大的電力用戶,如便利商店等,做最佳化的能源效率管理。
不只開放用電查詢,台電未來也將把家庭用電資料放上MyData由民眾自主運用
其實這些從智慧電表取得民眾在家的用電資訊,也都是一種個人化資料,過去被視為敏感的家庭用戶電力使用資料,台電未來也規畫釋出,提供民眾自主運用。
台電業務處副處長許一女就親口透露:「台電有規畫以後要讓民眾也能將個人用電資料打包來做自主運用,尤其是智慧電表提供的更詳細用電資訊」,希望能夠做到,不論是在網頁或手機上申請,民眾以後只要按一個鈕,確認身分以後,就能獲取他們的用電資料。
如此一來,現今全臺1,400萬用電戶數,未來取得電力資料自主權後,民眾在家每天,甚至每15分鐘的用電資訊,都可以經由個人化資料交換平臺下載,不只可以個人使用,資料擁有者也能將這些家中電力使用數據,授權給需要資料的第三方服務提供者下載,做為商業應用。這些服務提供者,包括了家庭能源管理系統業者、太陽能或儲能設備商,甚至是軟體開發人員,之後只要經民眾同意後,就能取得這些詳細用電資料,來開發相關應用或新功能。
比臺灣更早開放的美國,多年前就已透過綠色按鈕(Green Button)的機制,讓民間能夠取得個人用電使用數據,除了運用在協助家庭或商家找出更好的方法管理電力消費,藉此來節省金錢或是資源,也能透過大量數據分析,提供企業能源管理的決策。
這些民眾用電數據,甚至也進而帶動各產業的發展,如智慧家庭、智慧醫療、智慧城市、智慧運輸等。
對此,聯齊科技創辦人兼執行長顏哲淵也給予肯定,但他也強調,要完成這件事有許多前提,包括須落實個資保護、確保資料使用權利義務等,他直言,這些都不是技術問題,而是在於法令。這也是為何連很早就推行電力數據服務創新的日本至今都未實現的原因。
儘管,這項個人資料服務,得等到智慧電表布建達一定規模,台電才會逐步來推行,但許一女也預告,未來將會利用政府MyData個人化資料交換平臺來釋出。
目前MyData平臺已開放31項政府機關資料集,包括戶役政、地政、健保、交通、能源、教育等民眾個人化資料,但其中屬於國營事業,只有台灣自來水公司,且僅提供下載使用者過戶證明資料,未含家戶用水資料。若是台電跟進,也將成為國營事業在MyData開放的第二家。
完整內容請見:
https://www.ithome.com.tw/news/140288
♡
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
第 三方 物流 舉例 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
把AI導入邊緣裝置就對了!
作者 : Duncan Stewart、Jeff Loucks,Deloitte科技/媒體/電信中心
2020-06-04
邊緣AI晶片可能會嵌入越來越多的消費性裝置,例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用,例如機器人、攝影機、感測器和其他物聯網裝置...
德勤(Deloitte)預測,2020年,邊緣AI晶片出貨量將超過7.5億顆,銷售金額將達到26億美元,而且邊緣AI晶片的成長速度將遠高於整體晶片市場,估計到到2024年邊緣AI晶片出貨量可能超過15億顆,代表其複合年成長率(CAGR)至少達20%,是整體半導體產業(長期CAGR預測為9%)的兩倍多。
這些邊緣AI晶片可能會嵌入越來越多的消費性裝置,例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用,例如機器人、攝影機、感測器和其他物聯網裝置。消費性應用邊緣AI晶片市場將遠大於企業應用市場,但成長速度可能會較慢,預計2020年至2024年之間,其CAGR為18%;企業應用邊緣AI晶片市場的成長速度更快,同期CAGR預計為50%。
儘管如此,無論從出貨量還是銷售金額來看,今年消費性裝置應用都將佔據整體邊緣AI晶片市場的90%以上。這些邊緣AI晶片中的絕大部分將應用於高階智慧型手機,佔據目前所有使用中的消費性邊緣AI晶片70%以上。實際上不僅是2020年,在未來幾年,AI晶片的成長將主要由智慧型手機推動。我們相信在今年預期出售的15.6億支智慧型手機中,超過三分之一都可能內含邊緣AI晶片。
由於對處理器的要求非常高,AI運算向來幾乎都在資料中心、企業核心設備或電信邊緣處理器上遠端執行,而不是在終端裝置本地執行;現在,邊緣AI晶片正在改變這一切。它們的實體尺寸更小、相對便宜、功耗更小、產生的熱量也更少,因而可以整合到手持裝置以及非消費性裝置(如機器人)中。
邊緣AI晶片可讓終端裝置能夠在本地執行密集型AI計算,減少甚至消除了將大量資料發送到遠端位置的需求,因此在可用性、速度、資料安全性和隱私性方面益處良多。從隱私和安全性方面來看,在邊緣裝置處理資料顯然更安全;個人資訊不離開手機就不會被攔截或濫用。而當邊緣AI晶片安裝在手機上時,即使未連結網路,它也可以完成所有處理。
當然,並非所有AI運算都必須在本地進行。針對某些應用,例如當裝置上的邊緣AI晶片無法處理太多資料時,將資料發送至遠端AI陣列來處理是適當的、甚至是首選方案。實際上,在大多數情況下,AI將以混合模式完成:一部分在裝置端實現,一部分在雲端實現。具體情況下應該選擇什麼樣的混合方式,要看需要完成的AI處理類型。
智慧型手機邊緣AI經濟學
並非只有智慧型手機使用邊緣AI晶片;其他裝置諸如平板電腦、可穿戴裝置、智慧揚聲器等也會採用AI晶片。短期內,其他裝置對邊緣AI晶片銷售的影響力可能會比智慧型手機小得多,原因若非這類市場沒有什麼成長(如平板電腦),就是這類市場規模太小、無法產生實質性的影響;例如,2020年智慧揚聲器和可穿戴裝置市場總銷售量預計僅1.25億部。不過許多可穿戴裝置和智慧揚聲器都依賴邊緣AI晶片,因此其普及率已經很高。
目前,只有價格最昂貴的智慧型手機(處於價格區間頂部)才可能內置邊緣AI晶片。但是,帶有AI晶片的智慧型手機並不一定要價格昂貴到讓消費者望而卻步。
我們可以對智慧型手機的邊緣AI晶片比例進行合理的估算。目前三星(Samsung)、蘋果(Apple)和華為(Huawei)的手機處理器圖片均顯示出裸片及所有功能特性,因此可以識別出晶片的哪些部分用於哪些功能。例如,三星Exynos 9820晶片的照片顯示,其晶片總面積的大約5%專用於AI處理器,整個應用處理器SoC的成本估計為70.50美元,僅次於顯示器,是手機中第二昂貴的元件,約佔據裝置總物料成本的17%。假設AI部分的成本與裸片上的其他部分一樣,即與所佔裸片面積成正比,那麼Exynos的邊緣AI神經處理單元(NPU)大約佔裸片總成本的5%,相當於每個NPU約3.50美元。
相同的,在蘋果的A12仿生晶片上,專用於機器學習的部分約佔裸片總面積的7%。如果整顆處理器的成本為72美元,邊緣AI部分的成本大約5.10美元。華為麒麟970晶片的成本估計為52.50美元,其中2.1%用於NPU,則這部分成本應為1.10美元(當然,裸片面積並不是衡量晶片總成本中有多少比例屬於AI的唯一方法。據華為表示,麒麟970的NPU包含1.5億個電晶體,佔整體晶片55億個電晶體總數的2.7%;按這樣計算,NPU的成本較高,約1.42美元)。
儘管這裡所提到的成本差別很大,但可以合理假設,NPU的平均成本約為每晶片3.50美元。雖然每顆晶片的價格不高,但考量達到5億支的智慧型手機出貨量(還不包括平板電腦、智慧揚聲器和可穿戴裝置),這仍然是一個很大的市場。
製造商的平均成本為3.50美元,最低可能僅1美元,因此在智慧型手機晶片中添加專用的邊緣AI NPU是很自然的事。按照正常的利潤加價幅度,製造成本增加1美元,對終端消費者而言也僅增加2美元。這意味著即使是價格低於250美元的智慧型手機,也可以享受NPU及其帶來的好處,如更好的攝影機、離線語音助理等,而價格漲幅不到1%。
AI晶片來源:自家生產還是找外部供應商?
生產智慧型手機和其他裝置的廠商取得邊緣AI晶片的方式各不相同,這主要取決於手機機型、甚至是區域市場等因素。有些公司向高通(Qualcomm)和聯發科(MediaTek)等第三方供應商採購應用處理器/數據機晶片,這兩家公司在2018年合計佔據了智慧型手機SoC市場約60%的比例。高通和聯發科提供了一系列不同價位的SoC;儘管並非都包含邊緣AI晶片,高階型號通常都會有,例如高通的Snapdragon 845和855,以及聯發科的Helio P60。
在另一方面,蘋果則完全不使用外部供應商的應用處理器晶片,而是設計並使用自己的處理器SoC,如A11、A12和A13 仿生晶片,所有這些晶片都支援邊緣AI。其他手機製造商如三星和華為則採用混合策略,也就是會從市場上的晶片供應商採購一部分SoC,其餘則使用自家研發的晶片,例如三星的Exynos 9820和華為的麒麟970/980。
兵家必爭的企業與工業應用領域邊緣AI市場
如果在智慧型手機和其他裝置中採用邊緣AI處理器好處多多,那為何不將之導入企業應用呢?事實上邊緣AI處理器已經有一些企業應用案例了,例如某些自主無人機;配備了智慧型手機應用處理器SoC的無人機,能完全在裝置端執行即時導航和避障,無需連結網路。
但是,針對智慧型手機或平板電腦最佳化的晶片並非許多企業或工業應用的正確選擇。如前面所述,智慧型手機SoC的邊緣AI部分僅佔總面積的5%,在總成本中佔據約3.50美元,功耗比整個SoC少大約95%。所以若開發出只有邊緣AI功能(加上其他一些必要功能,例如記憶體)的晶片,它的成本會更低、功耗更少且體積更小,豈不更好?
事實上,已經有這樣的晶片了。據說,有多達50家不同的公司正在開發各種各樣的AI加速晶片。在2019年就已經有獨立的邊緣AI晶片鎖定開發工程師,單價約80美元。而如果達到成千上百萬顆的量產,裝置製造商的採購成本會大幅降低,有些甚至可低至1美元(或是更少),而有些則需要幾十美元。現在,我們以智慧型手機邊緣AI晶片作為參考標準,假設邊緣AI晶片的平均成本約為3.50美元。
除了相對便宜之外,獨立的邊緣AI處理器還具有體積小的優勢,功耗也相對較低,僅為1W到10W之間。相比之下,一個由16顆GPU和兩顆CPU組成的資料中心叢集,雖然性能非常強大,成本將高達40萬美元,而且重量達到350磅、耗電達到10萬W。
利用這類已經問世的晶片,邊緣 AI可以為企業帶來更多新的可能性,尤其是在物聯網應用方面。透過使用邊緣AI晶片,企業可以大幅提升在連網裝置端進行資料分析的能力──不僅是收集資料──並將分析結果轉化為行動,從而避免了將大量資料傳送到雲端帶來的成本、複雜性和安全性挑戰。AI晶片可以幫助解決的問題包括:
資料安全和隱私
無論企業如何謹慎小心地保護資料,只要是收集、儲存並將資料傳送到雲端,都會不可避免地使企業面臨網路安全和隱私威脅;隨著時間推移,因應此一風險變得至關重要。世界各國紛紛訂定個資保護相關法規,消費者也逐漸意識到企業正在收集他們的各種資料,而有80%的消費者表示,他們認為企業沒有盡力保護消費者隱私。諸如智慧揚聲器之類的裝置開始在醫院等場合廣泛使用,這些場合對患者隱私的管理十分嚴格。
邊緣AI晶片可在本地處理大量資料,降低個人或企業資料被攔截或濫用的可能性。例如,具有機器學習處理能力的保全攝影機可以透過分析視訊來確定其中哪些部分相關,並只將這部分視訊傳送至雲端,從而降低隱私權洩露的風險。機器學習晶片還可以識別更廣泛的語音指令,從而減少需要在雲端進行分析的音訊。準確的語音辨識功能則有助於智慧揚聲器更精準識別「喚醒詞」,以避免聽到不相關的對話。
連網困難
裝置必須連網才能在雲端處理資料,但是在某些情況下,裝置連網是不切實際的。無人機就是一個例子,其運作位置可能使得維持其連網很困難,而且連網功能本身以及將資料上傳到雲端都會縮短電池壽命。在澳洲新南威爾斯(New South Wales, Australia)以配備嵌入式機器學習功能的無人機巡邏海灘,確保泳客安全;這些無人機不必連結網路就可以識別出被海浪捲走的泳客,或者警告泳客有鯊魚和鱷魚襲擊危險。
(太)大數據
物聯網裝置會生成大量數據。舉例來說,一架Airbus A-350噴射機配備6,000多個感測器,每日飛行航程會產生的數據量達到2.5 TB。在全球範圍內,保全攝影機每天生成的數據約2,500PB。將所有這些數據資料發送到雲端儲存和分析的成本高昂且複雜,將機器學習處理器放置於感測器或攝影機等終端裝置就可以解決這個難題。例如,可以在攝影機中配備視覺處理單元(VPU),也就是一種專用於分析或預處理數位影像的低功耗處理器SoC。借助嵌入式邊緣AI晶片,裝置可以即時分析資料,只有當相關資料需要傳送到雲端進一步分析時才會需要進行傳輸,這可大幅降低儲存和頻寬成本。
功耗限制
低功耗的機器學習晶片甚至可以讓AI運算在透過小型電池供電的裝置上執行,不會消耗過多電力。例如,Arm晶片可以嵌入呼吸器來分析資料,包括吸入肺活量和進入肺部的藥物流量。在呼吸器上完成的AI分析結果將傳送至智慧型手機應用程式,協助醫事專業人員為哮喘患者提供個人化醫療照護。
除了現在已有的低功耗邊緣AI NPU外,很多公司還致力於開發「微型機器學習」方案,也就是在微控制器單元之類的元件上實現深度學習。例如Google正在開發能讓微控制器分析資料的專用版本TensorFlow Lite,將需要發送到晶片外的資料壓縮為只有幾個位元組大小。
低延遲需求
無論是透過有線網路還是無線網路,在遠端資料中心執行AI運算都意味著往返延遲的存在,最佳情況下為1到2 毫秒(ms),最差情況則達到幾十甚至幾百毫秒。使用邊緣AI晶片在裝置端執行AI,可以將延遲降低到奈秒(nanoseconds)等級──這對於需要收集、處理資料並即刻採取行動的應用場景至關重要。
例如自動駕駛車輛必須透過電腦視覺系統收集並處理大量資料以識別物體,同時收集和處理來自感測器的資料以控制車輛各種功能;然後它們必須立即根據這些資料做出決策,像是何時轉彎、煞車或加速,以實現安全行車。為此,自動駕駛車輛必須自己處理在車輛中收集的大量數據。低延遲對機器人應用也很重要;隨著機器人逐漸出現在工廠環境並開始與人類協同工作,低延遲將變得越來越重要。
邊緣AI在大量數據應用至關重要
邊緣AI晶片的普及可能會為消費者和企業帶來重大變化。對消費者而言,邊緣AI晶片可以實現多種功能,從解鎖手機到與語音助理對話,甚至在極端困難的條件下拍攝出令人驚歎的照片,而這些應用都不需要連結網際網路。
但從長遠來看,邊緣AI晶片對企業應用的影響可能更大,它們將把企業的物聯網應用提升到一個全新的境界。由AI晶片驅動的智慧裝置將有助於擴展現有市場,衝擊現有企業,同時改變製造、建築、物流、農業和能源等產業的利潤分配。
收集、詮釋並立即根據大量數據資料採取行動的能力,對於那些仰賴大數據的應用至關重要;未來學家們預測,這類應用將被廣泛佈署,包括視訊監控、虛擬實境、自動駕駛無人機和車輛等等,而邊緣AI晶片就是讓各種裝置取得更高智慧的主角。
附圖:圖1:AI運算技術能佈署在不同位置。
(圖片來源:Deloitte Insights)
圖2:邊緣AI晶片市場規模預測。
(圖片來源: Deloitte Insights)
圖3:三星Exynos 9820的裸晶照片顯示,其中約有5%的面積為AI處理器。
(圖片來源:ChipRebel;注釋:AnandTech)
圖4:蘋果的A12仿生晶片約有7%的面積屬於機器學習的部分。
(圖片來源:TechInsights / AnandTech)
資料來源:https://www.eettaiwan.com/20200604putting-ai-into-the-edge-is-a-no-brainer-heres-why/?fbclid=IwAR3hRYuquNfTq5VzcEWYfqyJotBLBSp4PzLNyMackrs6V43r9NEMhRZ3Ap8
第 三方 物流 舉例 在 Starman 資本攻略 Facebook 的精選貼文
今日信報 2020.2.6
//貿易及物流是香港四大支柱產業之一,加上電商高速發展,理應大有作為。然而,本港物流業由基礎配套到相關政策,運作模式數十年如一日,隨時被鄰近地區迎頭趕上。本地初創Comboxx看準行業商機,夥拍嘉里物流工程(KLE),在元朗發展全自動化大型物流公倉。
夥拍嘉里 無人車執貨
Comboxx聯合創辦人兼執行董事陳建中接受訪問時稱,Comboxx旗下的全自動化物流公倉佔地超過40萬方呎,樓高18米並採單層高樓底設計,可用來存放4萬板貨物,相當於9萬立方米,最快本年底至明年第一季啟用。倉內設有恒溫倉、冷庫、高價值貨物(例如紅酒)倉庫等,以便存放不同類型貨物,目標用戶包括零售商、第三方物流公司等。
要做到自動化運作,人工智能(AI)、大數據和物聯網(IoT)技術必不可少。陳建中指出,公司借用嘉里物流在物流界的大數據,例如不同行業貨物日常出庫時間,建立可處理不同種類貨物的倉庫管理系統(WMS),利用無人駕駛四向車等處理貨物入庫和出庫等工序。同時會借助人像、車牌識別等技術指引前來提貨或卸貨的貨車停泊到指定位置。
陳建中在創業前,本在銀行任職,主要工作是協助房地產公司集資,「與其幫這麼多公司做生意,不如汲取人家經驗,創立自己的生意。」及後他自立門戶,成立地產私募基金公司星匯資本,Comboxx全自動化物流公倉所在的元朗地皮,正正是由星匯資本參與投資持有。
星匯資本主打工廈活化再出租或出售,後來由於市場競爭趨劇烈,公司轉為投資新界地皮,曾在上水一幅面積達9萬方呎的地皮興建貨倉,「租金回報超過10%,以地產來說相當不錯。」他透露,像領展(00823)般的房地產投資信託基金,過去一般都專注於購物商場或商業大廈項目,然而由於電商興起,一定程度上打擊了線下零售,物流地產漸漸成為投資新貴,「電商打擊了傳統零售,但購物這件事仍然存在。買東西的人甚至不減反增,只是過去直接從店內取貨,現在依賴送貨。」
不過,陳建中指出,香港礙於土地問題,物流倉主要位於舊式工廈之內,但舊式工廈樓底矮及承重能力相對低,導致擺貨空間有限。亦難以引入新式機械發展自動化物流。此外,工廈多集中於葵涌等舊區,密集環境加上過時的道路規劃,本身就不利貨車卸貨和上貨。
業界盼法例鬆綁利發展
Comboxx物流倉的自動化技術支援,主要來自嘉里物流工程。嘉里物流聯網集團項目及工程總監李建明指出,集團在內地及東南亞均有發展大型自動化倉庫的經驗和技術,跟銳意發展自動化倉庫的Comboxx由是一拍即合,將來Comboxx自動化物流倉啟用後不排除會租用。
李建明直言,香港在發展自動化倉庫上,對比鄰近地區遜色。他認為並非香港技術落後,只是倉庫自動化不夠普及,「人家可以為推行倉庫自動化,而建立一座全新倉庫。」在香港,要由零開始興建新型倉庫殊不容易,除了土地問題,法規亦相當嚴謹。舉例,把農地重新發展成物流倉庫,須向城規會提出規劃許可申請,以及向地政總署補地價或申請短期豁免書(Short Term Waiver)。
他表示,部分本港現行法例局限了物流倉庫自動化的發展,「例如消防條例是用來保護人的,自動化倉庫將人手減至最少,但相關法例並沒有追上。」他指目前自動化物流倉庫缺乏標準,業界難以跟隨;政府缺乏推廣,令業界以至社會對自動化物流倉庫缺乏認識。
李建明建議政府應參考外國案例,並思考立法原意,考慮更新相關法例,為業界拆牆鬆綁。//