探索尖端製造 AI 進展

June 20, 2023

Christina Cardoza

製造人工智能

工業革命改變了製造業。電腦的興起帶來了系統和流程的再次遽變。如今，數位轉型與 AI 的出現徹底改變了製造業。這個全新領域在今年四月的德國漢諾威展覽會（HMI）上公開展出。這場展覽是後疫情時代的首批展覽活動之一。展覽會上不僅探究工業環境中所有新的可能性，同時也實體展示出這些新發展與設計。

在今年 HMI 的與會者中，我們邀請到 Intel 的工業解決方案總監 Ricky Watts，以及數位趨勢專家 Teo Pham。他們會談談他們在漢諾威的所見所聞（包括 ChatGPT）、這些新可能性能對製造業領域帶來的變化（沒錯，在製造業領域應用 ChatGPT），以及說明為什麼這些超凡的技術創新必須堅守簡單原則，讓使用者易於使用，否則可能會大幅降低開發價值（影片 1）。

影片 1。為工廠廠房帶來新的產業機會、工具和技術。（資料來源：insight.tech）

來談談兩位在展覽期間的所見所聞，參與展覽會後，兩位認為製造業將走向何方？

Ricky Watts：就技術而言，我認為有三個領域讓我感到十分驚豔，並且在某種程度上也讓我感到有些擔憂。此領域的部分大型公司已經在使用這項技術來提高製造效率。老實說，看到技術應用的案例數量與先進程度，讓我感到非常驚訝。

還有 3D 實境，Omniverse、元體驗等諸如此類，以及未來產業運用沉浸式技術的方式。我是不是可以在 3D 虛擬實境中設計、建造工廠，進而帶來變化成果？然後使用 ChatGPT 和 AI 打造數位分身，創造製造業的真實情境？

最後，是我注意到展覽會中應用了許多機器人技術。機器人技術在製造業中無處不在，很顯然，這是因為機器人非常適合進行我們在製造業中常見的物流和重複性工作。但讓我覺得特別感興趣的是利用在機器人上建置機器人來推動成果。交付一台機器人一項工作，然後在其上建置另一台機器人，進而推動工作成果。第二台機器人運用 AI 來瞭解工作內容，將建立或設計新工具等命令傳送給第一台機器人，得以完成最佳化。

Teo Pham：這次展覽會的主題和參加者類型繁多，讓我十分驚訝。因為您可以預期會有機器人、硬體製造商、半導體製造商參加。而實際上，展覽中還可以看到軟體公司、顧問公司和雲端服務供應商。您可以看到整個展覽會的多樣性，不只有實體裝置，還有更多更多。這樣的多樣性足以讓您創造驚艷人心的全新應用程式。

Ricky 提到元宇宙。我看到 Siemens 和 Microsoft 等公司正在推廣工業元宇宙等技術，創造新技術為生產過程增添沉浸式體驗，但若在建置實體裝置前，先使用數位分身來執行完美的模擬，在數位空間中進行測試，成也會降低許多。

看向製造業的未來，有哪些 AI 應用程式讓您感到特別期待嗎？

Ricky Watts：我特別期待 AI ChatGPT 的應用。在製造業領域中，我們會用一套系統標準稱為製造執行系統 MES，或稱作可程式化的邏輯控制器 PLC。基本上，就是用於執行製造流程的裝置或設備。PLC 中用來規範運作與執行的語言，稱為 61131。我看到其中一個展示範例就是用 ChatGPT 來建置符合 61131 規範的程式。一般來說，製造工程師會撰寫目的碼，通常需要花費數週或數月的時間。交給 ChatGPT 撰寫，我只能說，用不到幾分鐘或幾秒的時間。

我要強調，這只是開發早期的展示範例成果。開發人員已經很難在 ChatGPT 所撰寫的目的碼中找到錯誤，而我可以預見，不用多久，就能提高準確度，並能將此目的碼直接部署到機器，實用度將能大幅提升。製造業基本上是一個結構化的環境，可藉由一套標準來驅動。但在技術發展初期就能達到這樣的成果，非常令人雀躍。

Teo，您認為製造商有哪些新商機呢？

Teo Pham：回到人工智慧領域，這樣的技術可以加速流程，變得更快、更便宜。一直以來 ChatGPT 的討論度都非常高，但也有一些 AI 工具可以產生影像、藍圖，或是影片、網站或應用程式。我認為，80% 的解決方案開發成本可幾乎降為零。不過，當然，您還是需要經驗豐富的人才，幫助您從 80% 達到 100%。舉例來說，未來將會出現一些非常酷炫花哨的應用程式，例如 AI 3D 建模，但我認為，對於文件處理或翻譯等較無聊的領域也會十分有幫助，因為在未來只需要不到幾分鐘，就能完成這些工作。

您認為需要具備什麼樣的處理能力，才能充分運用這些機會呢？

Ricky Watts：AI 非常仰賴資料。提取資料後，會分為學習和推論兩部分。都與 CPU、GPU 和 FPGA 高度相關。

製造業中許多 AI 的早期使用案例都與視覺相關：將相機放入製造環境並進行分析，然後藉由得到的影像來訓練模型。假設我有一條生產線製造瓶子，瓶子上有標籤。我用相機拍下這些瓶子，想知道標籤是否正確。因此可以得到影像，然後我們一般會在 GPU 環境中訓練模型，因為需要大量密集處理。

現在，我可以辨識出好壞。但在製造環境中沒辦法一直持續學習，難度太高了。所以接著會來到推論的階段。我想應用我正在使用的模型。CPU 在此派上用場，因為此階段十分具有策略性，也與製作商息息相關。

如果您有強大的運算能力，特別是在雲端環境中，即可完成訓練。在大多數情況下，推論都在製造階段完成，且在邊緣上。所以您有 CPU 和 GPU，且兩者都有一定的專業知識領域。但從 Intel 的角度來看，我們要整合這些知識技術。從我們的一些新技術，特別是最新的 Xeon^® 晶片，即 Sapphire Rapids 晶片，您可以看得出來，

但現在我們開始看到，這些環境中的運算平台從邊緣走向雲端。在這些環境中，有兩組資料：我前面提到的影片，但在製造領域中更普遍的是時間序列資料。製造業使用我們稱之為固定功能的設備，如機器、機器人、輸送帶，這些設備所產生的資料並非視覺資料。可能是熱、壓力、振動等。針對此類型資料進行最佳化，即可在邊緣的 CPU 上執行。因此，您可以在邊緣的 CPU 進行訓練和推論，此時資料完整性和資料主權就變得非常重要。

在 CPU 方面，我提到過 Sapphire Rapids。我們也即將推出全新的 GPU 產品組合。Intel 在此領域尚處於開發初期。但我們的學習速度很快，未來幾年將有更多產品問世。我認為對我們而言，整合硬體解決方案是關鍵，以及為 AI 領域的開發者提供統一架構，讓他們存取這些技術，我們也為此打造了許多工具組與最佳化。

無論是 CPU、GPU 或 FPGA，我們都會進行最佳化；您告訴我們工作負載有哪些，然後我們會將其部署到邊緣的合適晶片平台，並提供統一功能部署到雲端。

您能否進一步解釋製造商轉型至邊緣能帶來的優勢有哪些呢？

Ricky Watts：製造業是競爭程度極高的行業，無論是實體產品，如汽車，還是流程，如化學製造業。在這些環境中使用資料，可提高競爭優勢。關鍵在於他們能否將技術應用於推動業務成果。

在我們的環境中很容易讓人忘記，歸根究底，關鍵不是技術，而是成果。回到我剛剛舉例的瓶子。如果我每天處理十萬個瓶子，且假設錯誤率為 5%，我可能每天需要丟棄 5,000 個瓶子。這問題關乎於永續性，也關乎於利潤。如果我能將故障率降低到 1%，則會對工廠效能產生重大影響。

我們在技術產業需要做的是，讓製造商更容易使用技術。製造商想要使用技術，但他們不是 AI 專家，也不一定有雇用資料科學家。我們必須確保製造業中的每位從業者都能使用技術，而不只是擁有龐大工程師與資料科學家部門的大型製造商可以使用。我們希望提供每位從業者簡單且輕鬆的應用方式。

Teo Pham：談論到 AI 實作，我認為我們必須做出的決定之一，就是要使用邊緣運算還是雲端運算。當然，邊緣運算有一些優勢：可減少延遲。就資料隱私而言，我們不需要將資料傳送至雲端。但另一方面，我們需要在硬體方面投資更多，而硬體成本高，且佔用空間。

您對「邊緣與雲端」的爭論有何看法？

Ricky Watts：兩種情境各有不同優勢。將資料傳送至雲端的成本極高，因為資料量非常大。需要考慮監管法規、資料主權、隱私、安全性等。但在雲端進行訓練，並在邊緣進行推斷，則有多種優勢。而隨著邊緣運算功能越來越強大，不僅可進行訓練，還可進行學習。因此，在我看來，未來更多處理流程會在邊緣進行。