藉助可信賴的平台與夥伴 突破智慧製造轉型瓶頸

台灣IBM系統研發中心支援服務系統架構師王君偉表示，IBM透過顧問服務，不僅協助製造業建構AI軟硬體環境與場景應用，更藉由專業訓練，引導客戶建構AI能力，自主實踐AI價值。

隨著少量多樣成為製造業接單常態，台灣製造業者多有體認，無法沿用既有作業模式來因應變局，故積極導入人工智慧(AI)，期使人員、流程、設備能即時調適以優化營運、加速轉型。實際應用舉凡鋼鐵廠運用AI於製程檢測，用以探知煉鋼過程的影響因子以提升良率、半導體廠發展晶圓缺陷檢測系統、紡織廠與染整廠發展布料品質分類系統，皆是人工智慧在製造業的新軌跡。

多數企業的AI起步，不外乎是啟用開源軟體、派員上課，自力摸索AI發展路徑，但即便勉力完成模型訓練，卻經常無法將模型上線到實際場域，且無內部專家有能力找問題、解問題，才驚覺AI無法快速規模化。台灣IBM系統研發中心支援服務系統架構師王君偉歸納製造業AI化的主要挑戰，除了缺乏人才、缺乏軟硬體平台外，還有未能針對應用場景，建置能快速導入、測試進而複製成功經驗的AI環境。

人才與平台欠缺困境，如何解？

王君偉說，針對軟硬體平台的缺口，他建議以深度學習技術、分析模型建置、多雲架構等轉型方向為基準，思考如何就硬體部份引進高效能伺服器，就軟體部份引進視覺化深度學習技術方案、機器學習平台及AutoML方案，加上實現公私雲無縫介接的方法，搭建可信賴的AI發展平台。IBM相較其他AI供應商的差異化優勢，在於完整提供各項軟硬體工具，更是唯一能協助用戶一路打通雲端、伺服器到儲存的業者，這對於完善建構AI環境，是極重要的一環。

談及人才不足、環境建構不易等問題，則可以引用外部顧問服務來化解；顧問夥伴的評估重點不外有三，端看能否幫助企業建構AI團隊(含人才培訓)、建置AI環境，及建立AI資產管理環境。IBM從「AI賦能」出發，期望藉由IBM Lab專業服務，協助企業養成自主開創、優化與實踐AI價值的能力，首先藉由Workshop，根據特定情境主題，協助企業內部同仁進行模型訓練資料準備、分析關鍵因子，持續提升模型準確率，為企業培養AI人才班底；其次運用完備軟硬體產品、豐富實作經驗，輔以全球場景應用案例分享，從Pilot Run到Production過程一路協助企業打造AI環境；再者協助建構AI資產管理環境，讓訓練好的模型可被重複利用，加快後續AI發展進程。

創新技術加持，帶動模型訓練效率激增

總括而論，IBM提出的製造業AI轉型方案，獨特利基在於具備架構完整性，更搭配多項自行研發的獨門技術，助力加速AI轉型成效。首先是SnapML技術，可藉助GPU並行加速，提升傳統機器學習模型訓練速度達數十倍；其次為分散式深度學習技術，能自動整合數十台伺服器、上百顆GPU執行平行運算，縮短訓練深度學習模型的時間。

再者，IBM Power系統支援NVLink GPU加速技術，搭配獨創Large Model Support軟體，可同時動用大量GPU與CPU的記憶體資源，強力支撐大型模型、或高解析度圖像的訓練，一來有效避免訓練過程中記憶體不足OOM(Out of Memory)現象的發生，二來能顯著提高模型訓練效率及準確率。

王君偉說，迄今已有不少台灣製造業者採用基於IBM Power Systems的PowerAI方案，扎穩智慧製造的轉型基礎，且涵蓋的應用場景甚為多元，例如高科技廠利用AI模組輔助產品外觀視覺檢測，不僅讓質檢的效率與準確度同步大增，也有效降低檢驗人員的負荷；或是織布廠、染整廠透過AI自動偵測與調整紡織品的染料與助劑比例，大幅提高打色成功率，實現原料組合最佳化。