將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2018/11/28

新運算科技札根人才培育

于伯琨
人工智慧技術成熟、自駕車未來商機可期,富比士(Forbes)報導指出,2026年自家車市場將達到5,577億美金的規模,年複合成長率高達39.47%,可見其龐大的成長爆發力。台灣產學界鎖定「利基型應用」與「在地資料演算法」,運用最新運算科技急起直追,潛力不容小覷!
人工智慧技術成熟、自駕車未來商機可期,富比士(Forbes)報導指出,2026年自家車市場將達到5,577億美元的規模,年複合成長率高達39.47%,可見其龐大的成長爆發力。當全球科技巨頭傾全力發展智慧自動車,台灣是否仍具優勢?事實上,國內產業雖在整車市場無明顯優勢,但在「利基型應用」與「在地資料與演算法」領域,結合優越半導體與軟硬體整合技術,還有很大的發展空間。

「利基型應用」是指公共運輸或特定場域自動化無人載具(如物流機具、製造業機具、機場行李車、輪椅等等),可結合台灣強大的ICT研發產業,將特定作業自動化,提升效率與服務價值。而「在地資料與演算法」則是蒐集國內特有交通環境及用車場域資料,形成演算法,不僅可作為國內公共運輸應用,其獨特性(如機車較多)也可應用到條件相似的國家,這是國外大廠無法直接跨越的門檻。

智慧運輸利基型產品研發需要跨領域專業人才的團隊合作,例如物聯網與載具硬體、大數據及演算法軟體、嵌入演算法的整合型晶片、軟硬體系統整合等。因此,業界需才孔急。教育部已推動「智慧聯網技術與應用人才培育計畫」,由國內十所頂尖大學組成智慧運輸電子應用聯盟(ECIT),以應用核心技術課程、問題導向學習模式、業界業師制度等課程設計,培養智慧車領域的實戰專業人才,讓課程與研發介接到業界,業界經驗與心得傳遞給學界,一起促成產業發展。

自動化AI解決方案有三大要素,包含資料、演算法模型與運算平台,三者缺一不可。ECIT的課程規劃中,有來自業界與場域所蒐集的實地資料,產學共同合作的演算法,並引進專為AI負載所設計的運算平台,提供給十所大學、十堂課程、數百位學生共同學習與研發使用。

然而,龐大資料吞吐量往往是智慧車輛技術研發與課程教學的主要瓶頸。舉例來說,若課堂上用來訓練AI的資料量為數十萬筆,實地場域應用可能要乘上百倍。為滿足教學需求,傳統作法要購置數十台伺服器、插滿GPU來執行,當資料量暴增超過負荷時卻無法快速擴展,就會造成瓶頸。此外,每堂課近百位學生,只能三、四位共用一部電腦,課程效果也會打折扣。

因此,ECIT選擇專為AI負載設計的運算平台支援雲端環境,單一平台即可滿足所有教學與研發之用。學生透過自己的終端設備即可調用必要資源,能更加自由地測試與實作,讓創新不受限。若研發成果要以真實情境的巨量資料來試作,新平台可隨需調度與擴展運算量,無須再轉換平台,滿足從課程、研發到實戰的完整需求。

<本文作者:于伯琨現為IBM硬體系統事業部總經理>

這篇文章讓你覺得滿意不滿意
送出
相關文章
從核心到邊緣 資料中心轉型變革
穩定供電UPS智慧演化 做好用電管理更省成本
高運算時代兩面評估 資料是維運自動化關鍵
資料中心奠基數位轉型 邊緣運算推升微型化
打造人工智慧物聯網新生態 與客戶共創智慧未來
留言
顯示暱稱:
留言內容:
送出