当前位置:主页 > K迈生活 >从今年 Computex 看台湾跟风潮,大家不了解「物联网是 >

从今年 Computex 看台湾跟风潮,大家不了解「物联网是

2020-06-17 247浏览 K迈生活
从今年 Computex 看台湾跟风潮,大家不了解「物联网是Computex 虽说是六大主轴,不过还是硬体思维

一年一度的台北国际电脑展 (Computex 2017) 热热闹闹的展开,也佔据了部份这几天新闻报导的版面。不过,实际到会场逛逛,虽然本次号称有六大主轴:物联网、新创企业、人工智慧(AI)、电竞、VR/AR,以及为电子供应链企业建立全球技术生态系的企业解决方案, 依然是硬体佔绝大多数 。

固然许多参展厂商应景地加上一些「物联网」元素,例如:卖 IP cam 的会说他们的 IP cam 可以远端监控,甚至可以应用在远端医疗照护,但细问这样的方案到底在医疗上的价值是什幺,是根据镜头採集到影像做何种分析判断,从而提供何等有意义的洞见(insight)给哪一类的医疗从业人员后,对话当场就陷入一阵尴尬的沈默。

类似的场景转到卖 IPC 或 gateway 的厂商,不说点关键字像工业物联网或人工智慧之类的,真的都不好意思来参展了。只是除了强调运算效能强大且成本低廉以外,有没有提出类似欧美或对岸厂商提倡的边缘计算(edge computing)理论架构,进而明确指出边缘计算在整体工业物联网应用中扮演什幺角色,具体将搭配哪些合作伙伴在哪些产业创新应用,甚至说明这个 gateway 如何让整体方案效益更加卓着,才是观察重点。

再用力地说一次 — – 物联网是服务,硬体只是工具

物联网从来就不是火箭科学(rocket science),物联网这个概念的出现只是让原本几个独立存在的既有学科或技术打了一套组合拳,目的是用这个包含複数装置或软体的系统(system)达成原本各自独立的装置或软体无法做到的功能。所以一个完整的物联网方案包含:边缘层(edge tier)、平台层(platform tier)、企业层(enterprise tier),中间透过各种通讯技术连成物理性网路(proximity network)与服务网路(service network)。

只是这个方案的组成与运行最终是为了服务人类(people),即便是在工厂内的智慧化应用,其目的可能是为了延伸人类的五感,透过感测器不间断地收集人类无法关注的机台震动或电流强弱。

然而收集这些数据从来就不是目的,真正的目的或许是分析收集的数据可能让我们了解到经验老到的老师傅操作工具机对特定工件加工时应该在何时收手,让新手不用经过老师傅多年的言传身教才能出师,为了这样目的组合出来的方案才能真正提供有价值的服务。东施效颦的工业物联网方案,也可以包含类似的感测器、闸道器(gateway),运用类似的通讯技术,然而没有结合行业知识(domain knowledge)的智慧化,很难期待这个方案能提供到位的「智慧」,更不要说能够提供清楚的服务价值。

到底是跟风物联网,还是真的了解提升服务的所需工具?

Computex 2017 展场上看得到的物联网应用案例,比如说南部某购物中心新近导入一些智慧停车场、智慧商场的应用。有趣的是,业者也说不出来智慧停车场或智慧商场方案为商场带来任何「有感」的提升。细究该业者演讲内容,未能听到经由这些物联网方案收集到哪些数据,从而运用这些数据萃取出什幺洞见,紧接着用什幺方式或商模将洞见转化为业绩或提升客户满意度。这个例子是目前在市场上看得到的物联网方案导入的典型,业主对于智慧零售/智慧商城抱有高度期待,只是在选择合适的方案时,没有先从自身的需求确认起,回过头来选择与审视提供对应服务功能的物联网方案,只是为了导入而导入。简言之,没有清楚服务目的的物联网应用方案,只是一个不知所谓的组合,而选择了一个服务目的不适合(mismatch)或缺乏明确服务目的的物联网应用方案的业主,最后就只能是砸了大钱但误会一场的结局。

尤有甚者,在某些 To B 或 To C 的物联网应用方案中,除了方案提供的服务以外,从各个装置收集到的资料可以延伸出更深度的服务。举例来说,针对在宅养老的物联网服务,不论是镜头或其他感测器(例如:motion detector),经过「智慧化」的运算,可以进一步了解长者是否身体状况变差,进而主动提供照护、送餐、叫车等服务。诚如笔者在另一篇文章「物联网时代两种不可或缺的人才:资料科学家、物联网服务运营商」中所谈,这样的服务背后还需要一个物联网服务运营商,这个角色将负责解读这些资料,然后串连适合的外部服务提供者,对长者提供最适切的服务。没有这样的服务运营商在背后,所谓的物联网应用方案服务只会是浅层的服务,不能真正的走进使用者的生活中。

台湾 AI 不是真的没搞头,是没有找到对的方向

回到最近很热门的论战,就是李开复先生在演讲时指出台湾不适合发展 AI。大数据或是 AI 是近两年的热门名词,想像空间无限宽广。然而在现实生活中,辅助性质的 AI 不外是起到自动化的作用,亦即根据资料库内既有或感测器即时收集到的资料,累积并萃取出规则(常模)以及规则之外的例外,甚至当例外也可以被清楚辨识时,在工业上可能就是预防性维护(predictive maintenance)的应用。

在对应消费者的物联网应用方案中,这些规则与例外,往往代表了亟待被满足的需求,AI 辨识出使用者需求后还要连结到适切的外部服务供应者完成更深度的服务。台湾或者缺乏有能力与 Google, Facebook, Amazon, Apple 这些公司竞争的软体巨头,他们各自都有巨量资料的取得来源,即便台湾有足够的人工智慧专家,也只能向这些巨头靠拢。君不见优秀如 Stanford 李飞飞教授,要想发展真正实用的通用型图像辨识,也必须到拥有 Youtube 的 Google 任职,这与台湾是否及早投入 AI 发展无关。但是,台湾若是能够深度结合特定的物联网应用方案,运用这些应用方案收集的资料,透过机器学习累积出相关服务的洞见,仍旧是大有可为的方向。

只是这种从物联网应用中锻炼而得的 AI,它的本质还是从服务出发,最终还是归结到进一步提升服务品质上。Computex 2017 上看到厂商展出的产品,仍旧着墨在个别硬体装置的功能提升,虽然比起去年有更多软体的添加,然而见树不见林的情形仍然存在。什幺时候台湾厂商认识到物联网是套组合拳,而且是诉求特定服务的组合拳,理解这种组合拳之所有「智慧」,是因为有数据分析、甚至人工智慧在背后解读及运用前端收集的各种资料,那时候的 Computex 将更加令人期待。