IOTA為何可能是物聯網的要角?
IOTA為何可能是物聯網的要角?
2018.07.31 | 物聯網

2016年10月21日的美國Black Friday網路大攻擊剛結束。當時我和Jserv討論著這樣的攻擊是否有機會預防或者在攻擊時還能夠正常運作。

這一次的攻擊後來也被證實是因為諸多設計不良的物聯網裝置被入侵後成了攻擊的跳板。

讓我們意識到設計不良的產品可以帶來多大的損害,尤其在現在世界確實是平的狀況,各種裝置的聯網化可以說是個必然性,在其中台灣的硬體必然會扮演重要的角色。

但卻可能因為沒想到我們長久只重硬不重軟,就算重軟都只單純利用OpenSource帶來的便利卻沒試著去回饋或者說學習到如何用比較正確的態度來與OpenSource相處,進而會遭受到萬物聯網後的反噬(白話就是只想爽拿不願回饋)。

IOTA1.png
Topology of IoT/Internet
圖/ 朱宜振

我和Jserv沒急著開始就做些什麼解決方案,反而是開始回頭看整個Internet的發展史,早在60年代就開始的Internet最初的設計就是為了萬一若遭遇到攻擊,資訊還是可以有效流通的狀態,但若我們來看看目前網路的樣貌,會發現有趣的矛盾點在於,我們預想的世界似乎到了2025年才有可能發生,而現在是一個巨大雲端集中化的概念。正常人不用懂太多理論去問這張圖中目前的架構中最大的風險點在哪?

雖然我自己也開始有了老花眼,但是在中間的那朵雲卻還蠻明顯的可以知道是最大的風險點。

可是!!為何大力推廣雲端概念的業者如Google,Amazon,Microsoft(中國就是BAT)都不跟我說這件事情呢?道理很簡單。

如果這就是風險,那一切的罪過我(GAFA+BAT)來承擔就好,你們這些不專業的就記得把錢繳給我就好!

這其實也是對的,因為一般業者尤其可能是硬體出身看到物聯網可能是既錯過Internet之後最大的機會,得趕快轉型來做平台服務好好學人家賺服務費。卻沒發現到,到最後你還是得乖乖的透過GAFA等業者來提供你的服務。

為何你們覺得IOTA可能是答案?

回到我們在2016年看到這樣的大攻擊之後,思考著我們到底能做些什麼?我只知道不可能再去做硬體,硬體創業的一個挑戰是,常常你以為的優勢其實是傳統硬體公司的優勢,雖然做硬體有機會較快形成現金的流動,但創業並非只是為了創造現金的流動。

我們又繼續思考在萬物聯網之下可能會有哪些挑戰?於是列出了幾個關鍵。

在萬物聯網之下可能會有哪些挑戰?

  1. Cyber Attack,隨著2020號稱會有五百億裝置聯網,網路攻擊只會更嚴重,傳統Security的解決方式可能只是延緩卻沒能從根解決。

  2. 去中心雲端化,在GAFA等業者的龐大勢力下,除了加入他們以外是否還有其他的可能性?而且還得如同雲端一樣的便利。

  3. Scale,物聯網裝置多元且數量龐大,物聯網時代是人類數量的好幾倍,人類目前約七十億人,並且增長數目減緩中,而物聯網裝置,不管是因為人類的貪婪圖方便,或者其他因素會發現除了2020會實驗五百億裝置聯網,增加速率甚至可能更快。

  4. 必須是Opensource為基礎,理由很簡單,因為要解決這麼大的挑戰不可能再由單一公司尤其是新創公司來解決,挑戰過大之下本就需要更多人一起來參與。

在這些條件的考量之下我們發現區塊鏈的諸多概念可能可以解決這樣的問題,但又發現檯面上有名的區塊鏈似乎都無法真的解決,我們開始做實驗,Jserv並同時在GitHub上尋找著世界上是否有跟我們一樣的天真又熱血的人也想從這些角度切入。Jserv花了大概一個月把Github上所有帶著區塊鏈字眼的專案都搜遍了,其中也找到不少有趣的人才釣魚專案,最終我們開始看到了IOTA Foundation

這時我們也沒急著就是要用IOTA的技術來做些什麼,反而是花時間開始投入他們的開發、社群、了解這群人是誰,過去為何會開始想做IOTA、現在的狀態和未來準備怎麼走?也因為對於利用OpenSource技術,我們的態度是。

  1. 需考量可能的全球泛用性,盡量選擇最大可能可以通用而非只是自我感覺良好的Taiwan No. 1,別急著做些什麼,反而是能夠透過不同方式與全球的社群或夥伴定義好通用於世界至少70%以上的問題(數字是直覺抓的)。

  2. 選擇一個接下來會持續發展數十年而非已經用了數十年可能生命週期快到的技術,筆者自身就碰過產品剛量產就遇到關鍵零組件EOL的狀況,除了被罵以外,這產品根本規格還不是我開的。

  3. 選擇一個未來的Roadmap與問題相關而非只是在這個時間點規格相符的技術,這個跟未來的開發和維護成本有極大關連。

  4. 選擇一個出問題時,該技術組織是有人可以協助解決並且具備專業可以解決,因為一定會出狀況,面對嶄新的挑戰,我們需要有人可以一起問(拖下水)。

這些正是我們花了快兩年的時間深入了解IOTA Foundation之後,認為這一套OpenSource技術正是我們可以除了使用也可以投入並且與之共創並定義未來產品的核心技術。這背後等於形成了一套可能有機會找到其他機會的方法。

物聯網的挑戰到底有哪些呢?

可以參考筆者的其他幾篇文章
<價值來自需求,而非科技 — 萬物聯網的挑戰>
<物聯網世界的基石 — 信任(一)>
<物聯網世界的基石-信任(二)>
<區塊鏈應用的大挑戰 — 如何落地?>
<如果區塊鏈真的是未來IoT的骨幹?那真的是區塊鏈嗎?>
<在區塊鏈”投資”的正確姿勢>
<物聯網的End to End偽命題>

《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,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓