在科技日新月异、世界瞬息万变的时代，「AI智能识别」的最新发展又会以什么样的面貌呈现在我们眼前呢？现在，就带领各位来一探究竟。

不可否认的，目前AI技术已经充斥在你我生活周边，被广泛应用到各行各业的消费体验、营运流程优化，甚至是风险预测上。根据市调机构IDC最新的研究指出，今（2022）年全球AI市场规模将达到4,328亿美元，成长率近20%，预估明（2023）年则可突破5,000亿美元大关。就区域来看，亚太区（不含日本）政府及企业在AI相关的采购预算将于2025年达到320亿美元，预估2020～2025年的年复合成长率达到25%。其中，金融服务业在AI解决方案上的投资占比最高;其次是政府单位，主要运用在公共安全和紧急应变解决方案上，以增强风险预防和应急管理;此外，制造业和零售业的需求也相当强劲。

　　芯片成AI发展关键　由云端往边缘是趋势

　　受益于半导体技术不断精进与算法的持续优化，AI相关产业发展可谓一日千里。以AI芯片来看，根据MarketsandMarkets报告指出，AI芯片市场将以40%左右的年成长率持续扩张;而更快的指令周期、更低的功耗且须结合深度学习算法，则是现阶段最主要的要求。

　　云端运算：市场寡占，大厂是主要玩家

　　在云端运算市场，因需要处理数据中心和超级计算机的庞大数据，以采用CPU（中央处理器）和GPU（图形处理器）为主。英伟达（NVIDIA）在AI芯片的布局最早，其GPU早已稳坐霸主之位，但他脚步未歇，大家熟悉的Ampere还在热销，新一代的Hopper已准备好今年第3季开卖;另外，NVIDIA也正在打造第一颗用LPDDR5（LwoPower Double Data Rate，低功耗内存）的高性能CPU--Grace，预计明年上市。CPU大厂英特尔（Intel）虽然进入AI芯片时间较晚，但其靠着陆续并购了Nervana System、Habana Labs、Movidius、Mobileye、Altera、eASIC等，完成了对CPU、GPU、FPGA（可编程逻辑门阵列芯片）和ASIC（特殊应用芯片）的全面布局，其对AI芯片市场的企图心不容小觑。

　　另一方面，原本属于下游买家的网络巨擘和IT大厂，也因本身属于重度用户且希望芯片功能更符合自身需求，更进一步自行开发芯片，例如：Google推出的TPU（Tensor Processing Unit）即属于ASIC代表;而Microsoft则与Intel合作基于FPGA架构的AI芯片，让Azure云端运算平台能更好的缩减运算延迟情况。值得一提的，是成立于2016年的英国AI芯片独角兽Graphcore，其创新开发的IPU（Intelligence Processing Unit）将「学习」（透过大量数据对算法进行训练）和「推论」（执行算法，解读终端数据）的功能同时做在芯片上，不仅已获得Microsoft、Samsung、Dell等世界级企业的注资，更被视为将成NVIDIA GPU的劲敌。

　　边缘运算：下一波发展趋势，人人有机会

　　以往AI的「推论」工作大多在云端进行，但基于市场对其高成本、延迟性的诟病，以及终端用户对隐私性的要求，近年来AI「推论」的工作逐渐被下放到边缘，例如微型数据中心、终端设备等。由于边缘AI芯片是在云端与终端装置间先行处理数据，着重对现场数据判读和传送的实时性、低功耗、体积小等要求，因此采用FPGA和ASIC（如TPU、NPU、VPU、BPU等）类型为主。

　　由云端到边缘的演变，意味着要面对千行百业、少量多样且分散的应用场景，也促成了市场对边缘AI芯片的强大需求——根据市调机构德勤（Deloitte Insights）预估，到2024年边缘AI芯片出货量可能超过15亿颗，年复合成长率至少达20%;Tractica也预测，边缘AI芯片的市场规模，到2025年将会比云端AI芯片市场高出3.5倍。另一方面，边缘运算的兴起，也造就了市场投入者（如许多AI芯片新创公司）庞大的发展商机。

　　就安防监控产业来说，AI由云端转向边缘（终端设备）的现象近几年也逐渐在显化。以具有AI智能识别技术的网络摄像机（以下简称AI Camera）为例，早前由于监控环境中许多突发状况常会超出AI摄像机数据库和算法所能处理的范围，即使扩充后端影像数据库，仍无法面面俱到且欠缺实时性。当摄像机内建边缘AI芯片后，无论是智能识别或自我学习能力皆有大幅提升，不仅误判率降低且甚至超过人眼所能识别的能力，能更实时、全面地应变各种突发状况。

　　从技术较劲到完整解决方案　AI智能识别逐渐「落地」

　　AI智能识别技术除了在监控摄像机、DVR等终端设备获得更好的发挥外，针对各行各业不同应用情境需求的解决方案也有了长足的进步。从「secutech 2022台北国际安全科技应用博览会」就可以观察到：AI智能识别技术几乎已成为安控厂商的「标配」，但已不见着墨在AI算法、模型、识别目标、识别率…等技术上的较劲，取而代之的，是在各家展示摊位、海报广告牌最抢眼的位置上，所突显、强调的各式各样垂直应用解决方案。相较之前多数安防监控厂商仍在组建团队、设计方案，或是只有少数方案得以落地的情况，这2年来在跨界整合、产业生态系（Ecosystem）不断建构、扩展下，厂商手上积攒的实际应用案例愈来愈多、面向愈来愈广、底气也愈来愈足。

　　结合防疫的门禁管理、交通应用为大宗　工地／包商人员管理方案增加

　　由于COVID-19衍生的相关变种病毒仍持续肆虐全球，即使大多数国家已放弃「清零」思维、被迫采取「与病毒共存」的作法，防疫仍是日常生活不可或缺的措施。因此结合人脸、口罩识别及体温侦测功能的门禁（出入口）管理系统仍是市场最普遍的AI应用方案，几乎随处可见;尤其能快速、简易结合员工考勤管理系统的，更是受到政府行政机构、商办大楼、工业厂区广大企业的欢迎。而整合AI人形、物体、行为等识别功能，针对工地／厂区临时工人及外包商的安全管理方案，在今年的会场上也明显增加很多;此类方案不仅能以AI智能识别技术快速识别出工作人员是否有依照规定（如口罩、安全帽、反光背心、安全鞋等）穿戴完整，还可按业主需求自行定义危险行为及危险区域警界线（电子围篱），一旦违反安全系统即触发告警;若再结合车牌识别、工地安防要求等，即可形成更为完善的解决方案。

　　另一方面，车牌识别系统在停车场的普及率已愈来愈高，除了进出口闸门外，室内停车格所搭配的AI摄像机除了可带灯显示，也具备车牌识别和车辆侦测功能，还可内建黑／白名单。展场上也可见AI边缘运算功能在道路交通的应用上获得淋漓尽致的展现——将车牌、物体、行为等AI识别技术整合于前端的AI摄像机，不仅可立即识别车牌、颜色、车种，还可计算车流、追踪对象及侦测散落物;对于大量路口已设置的既有摄像机，亦不乏相应的解决方案——只需在原路口设备加装AI运算方式，控制中心即可根据车流量调整红绿灯秒数、掌握违规／违停车辆，甚至提供自驾车相关实时数据。而在轨道运输的安全与管理应用上，也有将AI摄像机整合车用DVR，再加上触控整合界面的AI巡车方案，列车司机只要在驾驶室就可对整个列车的情况一目了然，省却一节节车箱巡车的麻烦。此外，在港口对海上船舶进行识别、在机场对无人机、人和动物（如鸟类）闯入的识别等，也都有相应的方案展出。

　　多元应用百花齐放

　　在住宅小区部分，相信大家对「云端智慧宅」、「智慧小区」这类名词不会陌生，在AI识别技术的加持下，结合人脸识别、体温侦测的门禁和对讲系统，运用车牌识别的停车场管理系统，以及能源与环境自动侦测系统，都可与物业管理系统进一步整合，提供安保人员以更智能化的方式进行人员调度和管理，也可让现场安保人员通过App更轻松、实时地完成日常工作。在零售商铺的应用上，AI对人流、客层、热区的智慧化分析相信大家也已耳熟能详，今年被强调的则是对于特定人员（如走失儿童或老人）如何利用跨摄像机追踪及搜寻功能快速锁定其路径;这样的功能同样可应用于各式公共场域的人员寻找及路线分析。

　　此外，强调没有五官特征（考虑隐私权）的AI肢体侦测，可应用于复健、运动等，更好地判断相关动作是否到位？而跌倒侦测亦可用于医疗／长照机构，以观察病人／老人是否跌倒，让医疗人员实时作出响应。而AI智能识别对于烟雾、火焰的侦测，也已扩展至具AR（Augmented Reality，扩增实境）功能的眼镜或智能广告牌，更利于灾害抢救现场的判断。

　　结语

　　AIoT时代，没有任何一种AI芯片架构可适用于各种场景，这是边缘AI芯片发展的机会;同样的，一个AI平台训练出的智能识别模型也不见得能适用于各个场域，这也是安防监控厂商深化AI垂直市场的机会。边缘应用是多样化的，我们也期望结合AI智能识别技术的各种安全相关解决方案，能在安防监控厂商及相关生态系的共同努力下，以更细化、贴近用户需求的方式，在各个应用领域遍地开花！

　　（本文转自中国台湾安防知识网）