庫克：GPU大躍進催生機器學習、AI將取代部分工作|數位時代 BusinessNext

庫克：GPU大躍進催生機器學習、AI將取代部分工作

AI就像空氣一樣、看不到卻又無所不在，GPU跳躍式的進展讓一年前辦不到的機器學習得以成真、而且未來五年還會有更多的進展。

印度媒體《The Hindu》8月8日報導，蘋果執行長提姆庫克（Tim Cook）在受訪時表示，人工智慧是非常強大的、它將會越來越接近人類的能力，未來在某個時間點、部分AI功能將會遠優於人類。他說，AI就像空氣一樣、看不到卻又無所不在，包括軟體、Apple TV、電子郵件、HomePod等蘋果研發團隊手上都有AI計劃案。

庫克指出，GPU跳躍式的進展讓一年前辦不到的機器學習得以成真、而且未來五年還會有更多的進展，這對擁有深厚晶片專業知識的蘋果來說將會是一大競爭優勢。他還提到，AI有可能會遭到濫用、可能會摧毀部分工作並創造新的就業機會，政府應想辦法降低AI所帶來的衝擊。

華爾街日報8日報導，蘋果2017年度第3季（截至2017年7月1日為止）研發支出年增15%至29億美元、同一時間營收僅年增7%（至454.08億美元）。截至2017年7月1日為止的12個月期間蘋果研發支出累計達112億美元、相當於營收的5%比重。根據最新發布的季度公告，蘋果僅表示為支應研發活動擴大已提高相關人事支出。

根據S&P Capital IQ的統計，美國科技大廠當中以高通（Qualcomm）的研發營收占比(超過20%)最高，其次（由高至低）為英特爾、Facebook、甲骨文、Google、微軟、思科、亞馬遜、IBM、蘋果、HP。

根據CNBC的報導，蘋果圖資團隊在過去一個月內開出超過70個職缺需求，徵求具備「地理空間資訊服務」、「導航輔助」以及「車隊管理」相關背景的專業人才。報導指出，蘋果新的徵才動作可能跟擴增實境以及自主系統開發工作有關。

庫克8月1日在受訪時表示，智慧型手機對人們的日常生活變得越來越重要、AR應用服務將進一步確立此一趨勢。庫克1日在財報電話會議上表示，從核心技術的角度來看、蘋果目前正聚焦自主系統，現正大舉投資一項大型計畫。他說，自主系統可以應用在許多領域、車輛只是其中之一。

華盛頓郵報6月5日報導，在2.5小時的2017年WWDC發表會中蘋果多次提到「機器學習」這個關鍵詞、還發表了名為「Core ML」的機器學習編程框架。報導指出，去年10月蘋果雇用了卡內基梅隆大學AI深度學習教授魯斯．薩拉庫蒂諾夫（Russ Salakhutdinov）。

NVIDIA官方部落格8月2日報導，一般成年人一分鐘能閱讀300個字，以一頁400字來計算、讀完100頁文件得花上兩個小時以上的時間。英國新創公司Evolution AI（NVIDIA初始贊助計畫成員）採用NVIDIA GPU所開發的AI深度學習平台、只需2.4秒就能讀完並分析相同的文件。

安謀（ARM）曾在今年3月表示，旗下最新開發的DynamIQ技術將可擴展AI的可能性。安謀說，相較於目前的Cortex-A73系統，未來三到五年採用DynamIQ的Cortex-A其AI效能將可增加50倍。

根據軟銀集團在8月7日發布的投影片資料，鎖定2018年高階智慧型手機的DynamIQ ARM Cortex-A75效能將增加50%、ARM Cortex-A55節能效率將增加2.5倍，這兩款新處理器將提供嶄新AI體驗。此外，新款GPU「Mali-G72」將可加快行動裝置的AI、虛擬實境處理速度。

軟銀指出，截至2017年6月30日為止安謀技術人員人數達4,269人、較去年同期增加25%。

本文授權轉載自：MoneyDJ

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。