在疫情之下，人們被迫居家時間更長，毛小孩的陪伴也成為最好療癒，「毛商機」因此一飛沖天。隨著歐美疫情逐漸解封，台灣寵物科技新創Tomofun憑藉著「Furbo狗狗攝影機」主力產品，連續4年奪得亞馬遜十國電商活動「超級會員日」寵物類別銷售第一。Tomofun看準狗爸媽的需求，前後推出Furbo狗狗攝影機、狗保母軟體訂閱服務，已創下熱銷133國、累積逾100萬使用者的好成績。
Tomofun於2016年推出「Furbo狗狗攝影機」，登上募資平台後立刻吸引大眾目光，讓飼主只要將手機連上Furbo，就能丟零食與狗兒互動、視訊通話，成功打中狗爸媽們的需求。
在推出攝影機後，Tomofun還從頻繁的調查訪談中發現，飼主不僅想要透過即時互度來查看，也會擔心狗狗獨自在家是否有危險。於是，Tomofunfun巧妙地在原本的狗狗攝影機加上了「腦袋」，透過上萬筆數據資料的訓練打造AI功能，提供使用者進階版的照護功能。在2019年，正式推出專屬Furbo攝影機的「狗保姆」訂閱服務，讓使用者只要額外花每月6.99美元，就能在原本攝影機的功能基礎上，擴增像是雲端錄影、居家警報通知與狗狗日記等服務。如此一來，攝影機就不再只有監看和零食投餵的功能，更能運用AI及雲端應用的優勢，真正讓狗爸媽出門在外也能放心。
運用AWS GPU雲端服務，讓技術維運成本最佳化
為了打造Furbo狗保姆的訂閱服務，Tomofun透過AWS微服務（Microservice）的雲端應用導入，讓各項功能可以即時通知軟體使用者。Tomofun技術長張佳彥比喻道，微服務的架構各元件是獨立開發、操作和擴充，可以像是積木般的堆疊，也能藉由大量自動化來優化，進而減少錯誤。他進一步指出，為了能夠讓服務遍及全球的狗爸媽們，Tomofun還透過AWS雲端數據儲存服務，讓資料中心轉換至無伺服器架構，讓技術能夠快速迭代到採用訂閱服務的產品上。
「對於新創來說，在AIoT產品的維運技術門檻相對較高。若團隊要架設全球化的維運中心，透過傳統資料中心部署，往往無法快速因應調整，控制成本便成為挑戰。」隨著Furbo訂閱服務者逐漸成長，雲端數據儲存空間及運算服務的需求也勢必上升，Tomofun又如何因應？張佳彥表示，「為了要做出AI服務，若是團隊自行購置GPU伺服器，可能在3年內都得採用同一套硬體，才能讓開銷能夠攤提成本。」
張佳彥觀察，自從深度學習的應用熱潮興起，各家廠商在GPU的開發速度，也以「摩爾定律」型態在加速，讓運算力逐年增加。有別於自家購建硬體，透過AWS雲端運算上的GPU租用服務更有經濟效益；且AWS每年還會對新GPU規格提供不同執行個體（Instance），能夠讓使用者享受代代增強的GPU運算效力，「可以預期的是，每年舊的機型都會降價，因此每年的成本也都會逐年降低。」倘若客戶數量急速增加，團隊也可即時擴展雲上的機器，不需再多花一筆錢、等待安裝建置完成後才能服務客戶，而是在原本基礎上進行擴展。他舉例，有一年因應客戶成長數倍增，但因為租用GPU服務讓建置成本維持相同；進而一算，等同為維運成本省下了50%的開銷。
MLOps文化：AI/ML領域導入無縫協作也很重要
再細看Tomofun技術團隊，大致可分成前端、後端的軟體程式開發、韌體開發、AI模型訓練還有數據分析。讓人不禁好奇，為了要滿足硬體技術與App訂閱服務的開發，自家的團隊如何做到無縫協作？
張佳彥指出，在軟體開發領域，「{{{DevOps}}}」已是多年盛行的實務課題，讓開發團隊、維運團隊互相整合在一起，能夠以敏捷開發的方式快速完成專案。其運用自動化測試、持續整合、持續部署的工具，推動開發與維運人員更緊密協作，來加速軟體版本迭代更新。
他表示，這樣的概念在近年也被延伸至AI開發領域，延伸出相似的「MLOps」的概念。許多企業在機器學習產品開發上，往往透過演算法，使用大量的資料找出規律、進行訓練，訓練完成後會產生一套模型，讓模型判斷資訊，進而產出AI服務。不僅如此，還得加強不同團隊的協作，以及導入自動化的流程，才能加速AI落地，這也就是MLOps的核心精神。
Tomofun為了打造AIoT的產品，其中不僅涵蓋硬體更新，也包括在AI、深度學習的技術研發。張佳彥指出，為Tomofun的技術團隊導入「MLOps」的開發文化，除了可以減少將時間花在重複的工作上外，最大優勢是能夠將一個已經存在的AI服務開發流程自動化，進一步加速效率。他以團隊經驗為例，為了加速開發，建立一個系統化的作業流程越發重要：「過往團隊從資料蒐集到模型訓練上，常常由一人包辦；但隨著團隊規模逐漸擴大，就更需要完整的架構和流程來處理資料，並跳脫以往人工的管控，資料處理也要逐步走向自動化。」尤其當AI模型進入持續交付、部署及更新的階段時，也需仰賴AI模型訓練的資料科學家及IT團隊，兩者緊密協作。此時，若有自動化的服務導入，也能讓流程更有效率。
張佳彥怎麼看又怎麼看MLOps的技術應用？他舉例，AWS推出的SageMaker服務就是最好應用之一，也已運用在自家AI應用開發中。進一步來看，SageMaker是面向機器學習開發者的一個整合式開發環境，是一項全託管的服務，消除機器學習過程中每個階段的挑戰，使開發人員和資料科學家日常能夠從根本上更輕鬆、更快速的建構、訓練和部署機器學習模型。他表示，「就像是幫使用者建好了流程，只要把資料丟進去，還不用太管機器，就能讓資料處理到上線自動辦到好。」
在領導Tomofun的技術團隊上，張佳彥認為，不光要積極導入自動化流程，團隊的核心價值也很重要。有感於趨勢科技董事長張明正所言，「創業家不要太愛自己的solution（解決方案），應該去愛你的顧客。」他指出，許多新創往往專注於AI技術開發上，卻忘記最重要的資料本身，而資料本身就反映了客戶在使用產品上的習慣與樣態。
「AI並不是有了一堆資料、GPU，就能訓練出很好的模型，企業就能從中獲得成功。取而代之的是，應該從問題分析、資料蒐集、資料整理到上線觀察，讓此過程不斷反覆和驗證外，也要持續不斷優化功能，才能為客戶產生價值。」張佳彥結語道。
責任編輯：蕭閔云
