在AIoT時代，工業電腦不僅僅是被應用於一般數據處理的計算機。隨著對人工智慧運算的需求，以減少雲端運算的工作量和成本。為了加強邊緣的AI性能，高階嵌入式解決方案是必須的。

伴隨著功能化的被高度期待和開發出來，生產線上的產品結構也變得越來越複雜，這意味著需要透過更複雜，以及高彈性的生產過程來製造。因此面對靈活的生產要求下，各種的功能需求就被提出來討論，例如在進行檢查數據的同時也能更改參數設定，以及工廠所收集的資料和採購資訊，需要配合生產現場，來滿足能及時和高度靈活性的生產，以應對市場的各種變化。

透過下載和更新 新技術更容易導入

與PLC等控制器不同的是，直到現在PLC等架構仍舊是透過硬體來解決生產線上的需求，而工業電腦則是利用個人電腦架構(大多是X86架構平臺)的特點，利用軟體平臺來提供各種功能，並能充分的利用各種資料數據，而這種靈活性就是工業電腦的特色之一，同時也是實現智慧工廠的必要條件。

就像Intel IoT事業群lPC資深經理 Adam Berniger說的，過去幾百年來發生的每一次重大創新或轉型都有一個基礎設備來推動。例如，蒸汽機、個人電腦或智慧型手機。而今天推動工業4.0的途徑技術就是工業電腦。

由於PLC的發展是基於每個製造商的特色技術和能力，所以很少有跨製造商的橫向性擴大發展。但是工業電腦被導入應用在生產線上，意味著生產能力可以不斷被強化，因為工業電腦和消費性PC一樣，系統平臺可以透過軟體下載和更新，並且和靈活控制各種功能。因此協力廠商如果具備PC的基礎能力，就可以編寫和執行軟體，這使得新技術更容易被導入到生產線。

2026年將達到61億美元的市場規模

根據市場研究機構Markets and Markets的報告中顯示，全球工業電腦市場規模，預計將從2021年的46億美元增長到2026年的61億美元，複合年成長率為5.8%(圖一)。因為工廠對工業物聯網(IIoT)的高度需求、製造業朝向數位化的趨勢、生產業者對資源優化的意識增強，以及嚴格的監管要求下，穩定地推動了工業電腦市場的成長，來確保生產工廠的安全和保障。

因為快速工業化、能源和電力產業基礎建設投資增加、鼓勵外國企業進入亞太地區等，以及亞太國家政府對於工業電腦市場的有利政策等因素等，亞太地區引領全球擴大工業電腦市場。

因為該地區擁有重要的製造中心，尤其是在印度和中國的工廠大量採用機器人，並利用工業電腦來監控機器人，預計將快速推動亞太市場的工業電腦產業成長。例如世界第二大經濟體的中國，到2026年預計市場規模也將達到9.017億美元，複合年成長率為6.5%。日本也將會有3.5%的複合成長。

預計在2021年到2026年這段時期，亞太地區的工業電腦市場將以最大的複合年成長率擴大，將成為全球成長最快的市場。

圖1 : 工業電腦的市場機會。(source：MarketsandMarkets Research；智動化整理)

AI價值鏈的再整合與策略分工

在技術功能方面，人工智慧、數位分深、機器視覺等AI技術，已經大幅度的被製造業者採用，讓工業電腦能夠更有效率運用IIoT、雲端運算和4G/5G技術，因此越來越多需要遠端監控工業流程和部門，正積極的導入工業電腦，使得位於偏遠或高環境風險的廠房地區，工作人員也能夠安全地、即時地在遠端進行監控生產。

在這樣的技術結構轉型的風潮下，工業電腦製造業者在AI價值鏈(AI value chain)中的獨特地位性，也將扮演系統架構整合與拉近上游AI加速器業者（包括英特爾、AMD和Nvidia）和下游ISV/SI(獨立軟體業供應商/系統整合業者)之間的差距。

今天的工業電腦將IT和運營技術(OT)結合起來，分析從工廠設備獲得的數據，在透過邊緣運算系統並轉化為商業智慧的重要資料。

而這對SI來說正是一個重要的機會，Intel的Berniger表示，以邊緣為中心的三個新興主題是：邊緣的智慧，邊緣的融合，以及與邊緣的連接，而這些邊緣的力量和價值都在快速成長中。邊緣智慧中的分析力、洞察力和人工智慧，可以使智慧更接近工廠中的生產線。達到預測性維護和分析，提高運營效率，並提高生產力。

為了促進數位化轉型，不只工業電腦製造商透過各種策略，尋求與系統整合者(SI)達成各種合作，橫向之間，各業者也透個各種手段獲取先進技術，以其縮短技術開發時間。

例如，上游價值鏈的英特爾和AMD分別收購了FPGA供應商Altera和Xilinx，實現更全面的異構運算(heterogeneous computing)能力。

另一方面，中游工業電腦製造業者也透過了合資、技術合作、策略聯盟或併購等方式，獨立或集體與下游ISV/SI垂直整合。例如，研華和凌華科技目前分別以多策略模式和合作模式等方式發展，而樺漢科技和友通資訊則以併購導向模式運作。

整體來看，隨著AI加速器供應商和工業電腦製造業者推動的AI價值鏈融合，不僅會有越來越多基於異構運算平臺的工業用產品上市，而且機器視覺等新興AI技術在工業自動化應用中的滲透率也會提高。

所以製造業的先進技術、快速工業化和智慧基礎建設多元發展下，對智慧製造解決方案的需求正在迅速增長，預計未來幾年對內建人工智慧能力的工業電腦的需求將快速增加。

AI運算架構系統的力量

基本上人工智慧系統有兩大類型，分別式用於訓練的系統，和用於推理的系統。訓練系統是檢查資料集和結果，尋求建立一個決策演算法。而推理系統雖然計算密集度比訓練系統低，但推理需要有效的人工智慧加速，以快速處理決策，與傳入的資料保持同步。因此目前最佳的解決技術之一，就是選擇使用GPU來進行(圖2)。例如，研華就是透過NVIDIA強大的AI應用架構來開發獨特的邊緣AI推理技術。

圖2 : NVIDIA Jetson 技術的嵌入式系統開發套件和模組。（source：NVIDIA；智動化整理）

而另一家工業電腦大廠Beckhoff，更是將人工智慧視為當前發展控制技術的重中之重。在2019年漢諾威展上，Beckhoff就已經宣佈將機器學習整合到到 TwinCAT 3中。因為目前硬體已經能滿足更複雜的軟體平臺對其能力的要求，因此Beckhoff所關心的事情是，IoT和工業數位化的概念應該將重點放在軟體功能上，而不是將硬體和軟體視為工業控制的整體解決方案。

就像是TwinCAT利用機器學習來開發應用模組，新的AI推理引擎被設計用來處理複雜而快速的應用。另一方面，由於支援標準化的開放神經網路交換（ONNX）格式，實際上所有人工智慧模型都可以在伺服器引擎中運行。

TwinCAT 3 的兩個機器學習推理引擎，TF380x TC3和TF381x TC3。前者是經典機器學習模型的推理引擎，包括支援向量機(SVM)、主成分分析(PCA)、k均值(k-means)等，後者是神經網路(NN)推理引擎，包括多層感知器(MPL)、卷積神經網路(CNN)、長短期記憶模型(LSTM)等(圖3)。

圖3 : Beckhoff的TwinCAT機器學習伺服器是一個接近即時的推理引擎。（source：Innovation Post；智動化整理）

結語:AI將全面進入工業電腦

面對日益增加的邊緣工作負載，終端設備需要智慧化、自動化和網路化，這反映了小型工業電腦對AI運算和M2M通訊的需求。

在AIoT時代，工業電腦不僅僅是被應用於一般數據處理的計算機。隨著去中心化趨勢的出現，出現了對人工智慧運算的需求，以減少雲端運算的工作量和成本。因此為了加強邊緣的AI性能，高階嵌入式解決方案是必須的，甚至於更進一步的還要縮小尺寸並同時支持邊緣環境所需的條件。

因此，在運算架構逐漸地去中心化和工作負載向邊緣的轉移，AIoT框架中出現了多樣性和異構性。因為邊緣運算是一種高度整合的應用，需要多種設備協同工作。也就是說，設備還必須能夠通信，即使它們的操作系統彼此不同，但在數據存儲、處理和傳輸方面仍就需要考量相容性的問題。

而Edge AI的宗旨並非在取代雲端運算，而是對其進行補充和改進，這樣的架構下最先改善的就是訊號的傳輸質和量。已整合到微晶片中的邊緣AI架構，雖然可能會有次毫秒級(sub-millisecond)的延遲，但因為在自主運算過程中，數據並未離開工業電腦，只將經過高度處理的數據發送到雲端，大大減少了收發的數據量，從而提高了效率，更可將電力能耗降低30-40%。

另外，由於在完成安全編碼加密前，數據一直存在設備中，並沒有被攔截的風險，進而提高了安全性。

在生產線上，內建邊緣AI晶片的工業電腦，可以以前所未有的速度分析數據。即時分析感測器數據，並檢測與規範的偏差，使作業人員能夠在機器出現故障之前更換零件，或是因為即時分析觸發的自動決策過程，可以在第一時間通知相關作業人員。

邊緣人工智慧在很大程度上是技術進步的先鋒，在結合現有的基於雲端的通訊技術後，將人工智慧整合到工業電腦，將提高數據分析的效率、安全性和速度。因此人工智慧將是工業電腦的未來最關鍵性的核心。