[施其均] ARM 嫁軟銀，打通任督二脈|數位時代 BusinessNext

##現今 ARM 的成長困境
ARM 在 2008 年加入由 Google 主導成立的開放手持裝置聯盟（Open Handset Alliance）之後，不只是採用 Android 作業系統的智慧型手機大多搭載使用 ARM 架構設計的晶片，就連 Apple、三星等智慧型手機也都是 ARM 客戶，歷經近幾年智慧型手機等行動裝置市場需求爆發性成長期，ARM 財年營收跟著從 2011 年的 7 億 8,500 萬美元，倍增到 2015 財年營收 14 億 8,860 萬美元。

#####ARM-Powered® CUBESTORMER 3，圖片來源：ARM安謀

但 2016 年起全球智慧型手機市場成長飽和，ARM 自身內部所估算在 Mobile Computing 應用別也擁有超過 85% 之高的市佔率，也就是說，即使 ARM 繼續努力於在原本擅長的行動裝置市場，進行 Market Share-up 戰術，對營收幫助也不會太大了。

ARM 面臨這樣的營收成長困境選擇了兩個主要手段來應對：

增加可販售的產品線，像是在晶片上販賣 Physical IP 和 Multimedia IP，以及
在 MWC 2015 提出智慧彈性雲端平台（IFC, Intelligent Flexible Cloud）願景來卡位尚在增長中的伺服器和網絡設備市場，以擴大戰線確保未來營收成長動能。

##ARM 的野望：智慧彈性雲端平台
隨著物聯網發展，即時傳遞訊息的需求更多；像是火災發生之後，逃生路線應變措施、車聯網等使用情境，都端賴整體網路基礎建設的協助，這當中的運算機制就仰賴網絡設備的節點控制。

不管是 HP 併購網路公司 Aruba Networks，或是經由 Microsoft、Google 還是 Amazon 等軟體大廠在雲服務時代的蓬勃發展，雲計算、雲儲存等所帶來龐大的資訊流，將由更多的伺服器和網絡設備來加持使之運作。

而 ARM 就是著眼於解決因訊息量龐大，網路雍塞延遲的議題，提出以軟體定義網路（SDN, Software Defined Network）、NFV（Network Function Virtualization）與分散式運算技術為基礎的解決方案：智慧彈性雲端平台（IFC, Intelligent Flexible Cloud）。

#####ARM Cortex-A50 Processor Series，圖片來源：ARM安謀

現今網路基礎建設設備架構設計，只是講究單一目的：先去移動資料，將運算落在終端產品或是資料中心。但 ARM 認為這會帶來三個限制：電力限制（Power Limits）、空間與規格限制（Space and form-factor limits, 編按：這裡指硬體機板設計）和原始性能限制與反應延時需求（Raw performance and latency needs）。物聯網應用場域面臨許多挑戰：來自控管資料的必須、有限的能源（如印度的基礎建設）、寬頻佈建，和數據密度大幅增加等。於是 ARM 認為未來網路通訊裝置皆須具備運算、儲存與加速等三種功能，透過異質運算技術（在不同的設備上都可以分擔運算）有效將運算分流到每個節點之上，讓每個網絡節點不只具有收集資料的功能，更是達到管控網路和運算的資源的龐大願景。

##ARM 面對物聯網市場的困境
但在物聯網時代，筆者認為 ARM 依舊遭遇兩挑戰：一是對終端裝置市場的需求距離太遙遠，中間隔了一層半導體廠商，無法即時應對市場需求，像是各國政府所推動智慧製造、崛起中的工業用手持式裝置等這些場域，ARM 想推廣其業務猶如隔靴搔癢、力有未逮。

另一方面，即使 ARM 為了 IFC 願景甚至成立名為 Linaro 的非營利組織廣納合作夥伴，也加入由電信運營商共同推動的 NFV 開放平台專案（OPNFV），希望催生 IFC ，實現網絡節點的彈性化和智慧化發展，並預期能解決 4G 無法解決的資料傳送延遲問題。但未來也有未來得煩惱的事：這些網絡節點掌控權會是誰？是雲服務平台供應商？電信商？還是應用服務商呢？這是 ARM 將會面臨的第二個挑戰，他們終究必須選邊站。

##嫁入日本電信商 Softbank，打通任督二脈
而故事進行到了這個階段，ARM 選擇嫁入日本電信商 Softbank 旗下，成為物聯網戰略夥伴，筆者對雙方合作皆有期待：首先，ARM 將能藉由 Softbank 拓展自家網絡設備和伺服器產品生態，同時透過獨特的電信商企業通路，打通任督二脈，順勢滲透上述 ARM 影響力較小的物聯網場域，獲取商機，以利達成 ARM 自身立下在 2020 年目標（伺服器市場 25% 市占率和網絡設備市場 45% 市占率)；而日本電信巨擘 Softbank 也能藉由 ARM 具擴展性（Scalable）產品特性，軟硬結盟自家服務，從現今三星、HTC 等手機廠商客戶群，延伸到物聯網大大小小終端裝置之上，是個達到互有助益的戰略。

代表圖來源：ARM 安謀臺灣

#####《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。

[白話新商業電子專刊] 掌握物聯網基礎入門+進階應用套書合購價129元!
@@BOOKID:126865@@

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。