在AIoT時代，工業(yè)電腦不僅僅是被應用於一般數(shù)據(jù)處理的計算機。隨著對人工智慧運算的需求，以減少雲(yún)端運算的工作量和成本。為了加強邊緣的AI性能，高階嵌入式解決方案是必須的。

伴隨著功能化的被高度期待和開發(fā)出來，生產(chǎn)線上的產(chǎn)品結(jié)構(gòu)也變得越來越複雜，這意味著需要透過更複雜，以及高彈性的生產(chǎn)過程來製造。因此面對靈活的生產(chǎn)要求下，各種的功能需求就被提出來討論，例如在進行檢查數(shù)據(jù)的同時也能更改參數(shù)設(shè)定，以及工廠所收集的資料和採購資訊，需要配合生產(chǎn)現(xiàn)場，來滿足能及時和高度靈活性的生產(chǎn)，以應對市場的各種變化。

透過下載和更新 新技術(shù)更容易導入

與PLC等控制器不同的是，直到現(xiàn)在PLC等架構(gòu)仍舊是透過硬體來解決生產(chǎn)線上的需求，而工業(yè)電腦則是利用個人電腦架構(gòu)(大多是X86架構(gòu)平臺)的特點，利用軟體平臺來提供各種功能，並能充分的利用各種資料數(shù)據(jù)，而這種靈活性就是工業(yè)電腦的特色之一，同時也是實現(xiàn)智慧工廠的必要條件。

就像Intel IoT事業(yè)群lPC資深經(jīng)理 Adam Berniger說的，過去幾百年來發(fā)生的每一次重大創(chuàng)新或轉(zhuǎn)型都有一個基礎(chǔ)設(shè)備來推動。例如，蒸汽機、個人電腦或智慧型手機。而今天推動工業(yè)4.0的途徑技術(shù)就是工業(yè)電腦。

由於PLC的發(fā)展是基於每個製造商的特色技術(shù)和能力，所以很少有跨製造商的橫向性擴大發(fā)展。但是工業(yè)電腦被導入應用在生產(chǎn)線上，意味著生產(chǎn)能力可以不斷被強化，因為工業(yè)電腦和消費性PC一樣，系統(tǒng)平臺可以透過軟體下載和更新，並且和靈活控制各種功能。因此協(xié)力廠商如果具備PC的基礎(chǔ)能力，就可以編寫和執(zhí)行軟體，這使得新技術(shù)更容易被導入到生產(chǎn)線。

2026年將達到61億美元的市場規(guī)模

根據(jù)市場研究機構(gòu)Markets and Markets的報告中顯示，全球工業(yè)電腦市場規(guī)模，預計將從2021年的46億美元增長到2026年的61億美元，複合年成長率為5.8%(圖一)。因為工廠對工業(yè)物聯(lián)網(wǎng)(IIoT)的高度需求、製造業(yè)朝向數(shù)位化的趨勢、生產(chǎn)業(yè)者對資源優(yōu)化的意識增強，以及嚴格的監(jiān)管要求下，穩(wěn)定地推動了工業(yè)電腦市場的成長，來確保生產(chǎn)工廠的安全和保障。

因為快速工業(yè)化、能源和電力產(chǎn)業(yè)基礎(chǔ)建設(shè)投資增加、鼓勵外國企業(yè)進入亞太地區(qū)等，以及亞太國家政府對於工業(yè)電腦市場的有利政策等因素等，亞太地區(qū)引領(lǐng)全球擴大工業(yè)電腦市場。

因為該地區(qū)擁有重要的製造中心，尤其是在印度和中國的工廠大量採用機器人，並利用工業(yè)電腦來監(jiān)控機器人，預計將快速推動亞太市場的工業(yè)電腦產(chǎn)業(yè)成長。例如世界第二大經(jīng)濟體的中國，到2026年預計市場規(guī)模也將達到9.017億美元，複合年成長率為6.5%。日本也將會有3.5%的複合成長。

預計在2021年到2026年這段時期，亞太地區(qū)的工業(yè)電腦市場將以最大的複合年成長率擴大，將成為全球成長最快的市場。

圖1 : 工業(yè)電腦的市場機會。(source：MarketsandMarkets Research；智動化整理)

AI價值鏈的再整合與策略分工

在技術(shù)功能方面，人工智慧、數(shù)位分深、機器視覺等AI技術(shù)，已經(jīng)大幅度的被製造業(yè)者採用，讓工業(yè)電腦能夠更有效率運用IIoT、雲(yún)端運算和4G/5G技術(shù)，因此越來越多需要遠端監(jiān)控工業(yè)流程和部門，正積極的導入工業(yè)電腦，使得位於偏遠或高環(huán)境風險的廠房地區(qū)，工作人員也能夠安全地、即時地在遠端進行監(jiān)控生產(chǎn)。

在這樣的技術(shù)結(jié)構(gòu)轉(zhuǎn)型的風潮下，工業(yè)電腦製造業(yè)者在AI價值鏈(AI value chain)中的獨特地位性，也將扮演系統(tǒng)架構(gòu)整合與拉近上游AI加速器業(yè)者（包括英特爾、AMD和Nvidia）和下游ISV/SI(獨立軟體業(yè)供應商/系統(tǒng)整合業(yè)者)之間的差距。

今天的工業(yè)電腦將IT和運營技術(shù)(OT)結(jié)合起來，分析從工廠設(shè)備獲得的數(shù)據(jù)，在透過邊緣運算系統(tǒng)並轉(zhuǎn)化為商業(yè)智慧的重要資料。

而這對SI來說正是一個重要的機會，Intel的Berniger表示，以邊緣為中心的三個新興主題是：邊緣的智慧，邊緣的融合，以及與邊緣的連接，而這些邊緣的力量和價值都在快速成長中。邊緣智慧中的分析力、洞察力和人工智慧，可以使智慧更接近工廠中的生產(chǎn)線。達到預測性維護和分析，提高運營效率，並提高生產(chǎn)力。

為了促進數(shù)位化轉(zhuǎn)型，不只工業(yè)電腦製造商透過各種策略，尋求與系統(tǒng)整合者(SI)達成各種合作，橫向之間，各業(yè)者也透個各種手段獲取先進技術(shù)，以其縮短技術(shù)開發(fā)時間。

例如，上游價值鏈的英特爾和AMD分別收購了FPGA供應商Altera和Xilinx，實現(xiàn)更全面的異構(gòu)運算(heterogeneous computing)能力。

另一方面，中游工業(yè)電腦製造業(yè)者也透過了合資、技術(shù)合作、策略聯(lián)盟或併購等方式，獨立或集體與下游ISV/SI垂直整合。例如，研華和凌華科技目前分別以多策略模式和合作模式等方式發(fā)展，而樺漢科技和友通資訊則以併購導向模式運作。

整體來看，隨著AI加速器供應商和工業(yè)電腦製造業(yè)者推動的AI價值鏈融合，不僅會有越來越多基於異構(gòu)運算平臺的工業(yè)用產(chǎn)品上市，而且機器視覺等新興AI技術(shù)在工業(yè)自動化應用中的滲透率也會提高。

所以製造業(yè)的先進技術(shù)、快速工業(yè)化和智慧基礎(chǔ)建設(shè)多元發(fā)展下，對智慧製造解決方案的需求正在迅速增長，預計未來幾年對內(nèi)建人工智慧能力的工業(yè)電腦的需求將快速增加。

AI運算架構(gòu)系統(tǒng)的力量

基本上人工智慧系統(tǒng)有兩大類型，分別式用於訓練的系統(tǒng)，和用於推理的系統(tǒng)。訓練系統(tǒng)是檢查資料集和結(jié)果，尋求建立一個決策演算法。而推理系統(tǒng)雖然計算密集度比訓練系統(tǒng)低，但推理需要有效的人工智慧加速，以快速處理決策，與傳入的資料保持同步。因此目前最佳的解決技術(shù)之一，就是選擇使用GPU來進行(圖2)。例如，研華就是透過NVIDIA強大的AI應用架構(gòu)來開發(fā)獨特的邊緣AI推理技術(shù)。

圖2 : NVIDIA Jetson 技術(shù)的嵌入式系統(tǒng)開發(fā)套件和模組。（source：NVIDIA；智動化整理）

而另一家工業(yè)電腦大廠Beckhoff，更是將人工智慧視為當前發(fā)展控制技術(shù)的重中之重。在2019年漢諾威展上，Beckhoff就已經(jīng)宣佈將機器學習整合到到 TwinCAT 3中。因為目前硬體已經(jīng)能滿足更複雜的軟體平臺對其能力的要求，因此Beckhoff所關(guān)心的事情是，IoT和工業(yè)數(shù)位化的概念應該將重點放在軟體功能上，而不是將硬體和軟體視為工業(yè)控制的整體解決方案。

就像是TwinCAT利用機器學習來開發(fā)應用模組，新的AI推理引擎被設(shè)計用來處理複雜而快速的應用。另一方面，由於支援標準化的開放神經(jīng)網(wǎng)路交換（ONNX）格式，實際上所有人工智慧模型都可以在伺服器引擎中運行。

TwinCAT 3 的兩個機器學習推理引擎，TF380x TC3和TF381x TC3。前者是經(jīng)典機器學習模型的推理引擎，包括支援向量機(SVM)、主成分分析(PCA)、k均值(k-means)等，後者是神經(jīng)網(wǎng)路(NN)推理引擎，包括多層感知器(MPL)、卷積神經(jīng)網(wǎng)路(CNN)、長短期記憶模型(LSTM)等(圖3)。

圖3 : Beckhoff的TwinCAT機器學習伺服器是一個接近即時的推理引擎。（source：Innovation Post；智動化整理）

結(jié)語:AI將全面進入工業(yè)電腦

面對日益增加的邊緣工作負載，終端設(shè)備需要智慧化、自動化和網(wǎng)路化，這反映了小型工業(yè)電腦對AI運算和M2M通訊的需求。

在AIoT時代，工業(yè)電腦不僅僅是被應用於一般數(shù)據(jù)處理的計算機。隨著去中心化趨勢的出現(xiàn)，出現(xiàn)了對人工智慧運算的需求，以減少雲(yún)端運算的工作量和成本。因此為了加強邊緣的AI性能，高階嵌入式解決方案是必須的，甚至於更進一步的還要縮小尺寸並同時支持邊緣環(huán)境所需的條件。

因此，在運算架構(gòu)逐漸地去中心化和工作負載向邊緣的轉(zhuǎn)移，AIoT框架中出現(xiàn)了多樣性和異構(gòu)性。因為邊緣運算是一種高度整合的應用，需要多種設(shè)備協(xié)同工作。也就是說，設(shè)備還必須能夠通信，即使它們的操作系統(tǒng)彼此不同，但在數(shù)據(jù)存儲、處理和傳輸方面仍就需要考量相容性的問題。

而Edge AI的宗旨並非在取代雲(yún)端運算，而是對其進行補充和改進，這樣的架構(gòu)下最先改善的就是訊號的傳輸質(zhì)和量。已整合到微晶片中的邊緣AI架構(gòu)，雖然可能會有次毫秒級(sub-millisecond)的延遲，但因為在自主運算過程中，數(shù)據(jù)並未離開工業(yè)電腦，只將經(jīng)過高度處理的數(shù)據(jù)發(fā)送到雲(yún)端，大大減少了收發(fā)的數(shù)據(jù)量，從而提高了效率，更可將電力能耗降低30-40%。

另外，由於在完成安全編碼加密前，數(shù)據(jù)一直存在設(shè)備中，並沒有被攔截的風險，進而提高了安全性。

在生產(chǎn)線上，內(nèi)建邊緣AI晶片的工業(yè)電腦，可以以前所未有的速度分析數(shù)據(jù)。即時分析感測器數(shù)據(jù)，並檢測與規(guī)範的偏差，使作業(yè)人員能夠在機器出現(xiàn)故障之前更換零件，或是因為即時分析觸發(fā)的自動決策過程，可以在第一時間通知相關(guān)作業(yè)人員。

邊緣人工智慧在很大程度上是技術(shù)進步的先鋒，在結(jié)合現(xiàn)有的基於雲(yún)端的通訊技術(shù)後，將人工智慧整合到工業(yè)電腦，將提高數(shù)據(jù)分析的效率、安全性和速度。因此人工智慧將是工業(yè)電腦的未來最關(guān)鍵性的核心。