2018 邊緣計算論壇 AI + IoT 心得分享
===

[2018 邊緣運算論壇，AI+IOT 台灣轉型驅動新引擎 議程資訊](https://techorange.kktix.cc/events/aiot-2018?locale=zh-TW)

> 該論壇是屬於展覽的 Events

#### 台北國際電子產業科技展 [TAITRONICS](https://www.taitronics.tw/)
#### 台灣國際人工智慧暨物聯網展 [AIoT Taiwan](https://www.aiottaiwan.com/zh_TW/index.html)

#### [展覽其他論壇](https://www.aiottaiwan.com/zh_TW/show/info.html?id=B8444D58D50FA9DFD0636733C6861689&sFuncID=B8444D58D50FA9DFD0636733C6861689)

> 事前並不知道有這兩個展覽，算是到達現場的意外收穫
> 剛好論壇也有發放展覽入場卷，就趁著中午休息進去逛了一波
> 東西很多，中午休息時間完全不夠用 [name=李東霖]
>

電子產業展比較像是電子零件廠商來宣傳自家產品或使用技術
而 AIoT 展則較像個專題展，有學術組織也有公司等，展出一個個應用案例

### 事前調查問卷

https://fusionmedium.typeform.com/to/lcsMCO

<!--  -->

- 您認為目前跨入邊緣運算技術最大的人才挑戰、管理痛點為何？(複選，最多2項)
- A. 企業決策者對邊緣運算概念還不是很了解
- B. 企業決策者對此技術有高度興趣，但是不知從何開始
- C. 企業決策者認為還不需要採用此新技術
- D. 企業內沒有相關的軟體人才與技術理解
- E. 企業內沒有相關軟硬體整合人才與技術
- F. 企業組織抗拒創新與新的技術

:one: 44.5% : 企業內沒有相關軟硬體整合人才與技術
:two: 42.5% : 企業決策者對此技術有高度興趣，但是不知從何開始
:three: 42.5% : 企業決策者對邊緣運算概念還不是很了解

### 機器學習部署

> [name=AWS 香港台灣方案架構主管 Dean Samuels]

- [AWS greengrass](https://aws.amazon.com/tw/greengrass/)
- 在 cloud 訓練與測試 model，並且能夠將 model 給 edge device 運行
- 同時資料還是會給雲端做永久儲存，但是能夠有效降低應用延遲(資料直接在 edge device 進 model)
- 與 cloud 失去網路連線也能夠持續對事件做出反應(使用在關鍵即時應用 e.g. 自駕車)

### 零延遲的數據運算怎麼做

> [name=台灣微軟 亞太區雲端物聯網事業群資深協理 李啟後]

- 微軟改過自新，朝向雲端服務前進 Azure
- [Azure IoT hub](https://azure.microsoft.com/zh-tw/services/iot-hub/)
- 提供管理 Edge 的能力
- [Azure IoT Edge](https://azure.microsoft.com/zh-tw/services/iot-edge/)
- 可佈署模組，去使用邊緣算力進去數據處理
- 跟 高通 合作，推出了開發套件 [vision AI devkit](https://visionaidevkit.com/)
- 也歡迎其他廠商合作研發

> 可以發現 AWS 與 Azure 幾乎是死對頭 [name=李東霖]

### 把 AI 放在所有終端裝置

> [name=arm 區域市場總監 蔡武男]

- [arm ML Processor](https://developer.arm.com/products/processors/machine-learning/arm-ml-processor)
- [arm OD Processor](https://developer.arm.com/products/processors/machine-learning/arm-od-processor)
- [armNN](https://developer.arm.com/products/processors/machine-learning/arm-nn)
- 提供機器學習框架(e.g. Tensorflow、Caffe ...) 到實際硬體的軟體橋接
- 令終端裝置算力達到最大運用且不用頻繁修改 model 去適應不同裝置


### 別輕忽了資安

> [name=BlackBerry 北亞區高級銷售總監 丁海]

- EoT (Enterprise of things) 企業物聯網
- 產業數位化 + IoT 萬物聯網，公司業務都需要通過終端存取 (e.g.筆電、手機、嵌入式設備...) 接入點越來越多，可能漏洞也跟著變多
- 建立檔案足跡，強化資安保護
- 客戶資料保護，GDPR 挑戰，用平台一次解決

### 台灣資安政策

> [name=行政院資通安全處 處長 簡宏偉]

- 政府人才不夠，預估十幾年才能補上
- 積極訂立各種資安規範，最近在訂立 ipcam 規範
- 希望提供像 金融監理沙盒 的試驗場域，給予台灣產業環境與機會

### 用 ML 做即時智慧網路與資安管理

> [name=Aruba 資深技術經理 陳清淵]

- 企業有內部網路也有外部網路，現在移動終端多外加人員流動，無法單靠 ip、mac 確認身份
- 利用 ML 去分析使用者(人 or 設備)行為，找出高危險行為提早通報
- 減輕網路管理負擔，提高資安保護
- [Aruba central](https://www.arubanetworks.com/zh-hant/products/networking/management/central/)

### 用 AI 當監工的智慧工廠應用

> [name=SAS 台灣業務支援處副總經理 陳新銓]

- 線下分析 -> 即時分析 -> 邊緣分析
- 幫助硬碟製造商，減少 50% 報廢成本 (預警分析)
- 站台間的參數調整

### 用 AR，設備檢修變即時

> [name=PTC 台灣物聯網總監 王寶慶]

- [ThingWorx](https://www.ptc.com/tw/products/iot) 一個專注於 IIoT 的平台
- [pump demo](https://youtu.be/WNUdD-rFUvQ?t=127)

### 台灣紡織廠的數位升級之路

> [name=宏遠興業 資深經理 曾一正]

- 老闆帶頭做，抓高階主管開讀書會了解相關概念與技術
- 尋找紡織的新出路，不能一昧的勞力密集，這樣只會逐水草而居
- 應用
- 染整排程
- 自動配色
- 生產資訊 dashboard

### 簡單總結

#### 如何開始邊緣計算：先將產業數位化

在對談中，提供平台的公司都建議台灣廠商可以先取得資料，才可能有後續的 AI
並沒有說一定要翻新所有設備，可以慢慢做
讓關鍵流程變成自動/數位化 (e.g. 原料備料、設備檢測、品管)

另外在中國，都強調要用最新的技術，即使提供技術的公司都說這還不成熟

#### 資料與模型處理放哪裡？

|| device | gateway | cloud |
| --- | --- | --- | --- |
|往 device 放| 低延遲<br>低流量<br>高成本 | | |
|往 cloud 放| | | 高延遲<br>高流量<br>低成本 |

零和問題，看需解決的問題 因地適宜

#### 領域知識整合非常重要

會 it 相關技術 (ml/ai) 也不一定就一定能解工業問題
要兩邊人才高度整合與溝通，同時具備兩邊知識
- [台灣人工智慧學校](http://aiacademy.tw/) 移地解題

###### tags: `Grass` `AIoT`