智慧空間之中，實體和數位世界之間創造持續的資訊流，帶來空前的價值。 透過整合物聯網 (IoT)、雲端運算、機器學習和邊緣人工智慧等技術，企業可擷取數位資料轉換為有價值的決策依據和提升效率。 然而，由於邊緣環境分散在封閉資料中心的範圍之外，且需要管理許多地方，整個過程變得十分複雜。
工業級嵌入式快閃記憶體和記憶體解決方案的領導廠商宜鼎國際 (Innodisk) 為強化管理分散且複雜的邊緣環境，著眼於將其工廠轉型為智慧工廠，日前與其子公司嵌入式智慧邊緣運算解決方案供應商安提國際 (Aetina Corporation) 攜手 NVIDIA 展開密切合作，透過「人工智慧模型開發」以及「人工智慧模型部署」兩階段，運用不同工具和技術，導入高效能的端對端視覺人工智慧解決方案。
階段一: 開發人工智慧模型
Innodisk 生產的 Flash 和 DRAM 產品都是精巧繁複的元件，專為嚴苛的環境和應用程式而設計。此專案首先專注於開發能符合嚴格品質生產標準的產品檢驗解決方案。
Innodisk 需要能夠快速處理高解析度影像辨識工作的解決方案，但在開發邊緣人工智慧模型時，為了要克服幾個常見問題時面臨到挑戰。這些問題包括原始資料不足、資料處理時間過長、高額模型訓練成本、高度運算能力需求，以及驗證模型是否已可供部署。
Aetina 運用 NVIDIA AI Enterprise 提供的 NVIDIA TAO 工具組，在短短幾天內針對 Innodisk 的需求打造出生產就緒的人工智慧模型。這個過程通常需要好幾個月的時間，但藉由微調 NVIDIA 預先訓練模型，他們成功加速流程，不需重新訓練模型。訓練後，模型已整合至應用程式中。Aetina 將應用程式容器化，方便於邊緣端輕鬆部署，接著再將自訂容器上傳至私有專屬的登記處。
階段二: 部署人工智慧模型
應用程式完成後，下一步就是尋找能大規模部署和管理的解決方案。Aetina 採用雲端原生技術來管理邊緣部署，使用容器化應用程式的開放原始碼系統 Kubernetes 建立 Helm Chart 來部署應用程式。 Aetina 運用 NVIDIA TAO 工具組，迅速從模型開發進階到模型部署，但是模型部署也有其複雜性，企業往往得設法克服漫長的部署時間、安全問題，以及高額部署和監控成本。 為解決以上這些挑戰，Aetina再透過 NVIDIA Fleet Command 部署到終端設備進行辨識模型更新，達到容易維護和結省人力成本的最佳效益
Fleet Command 是容器協調託管平台，可簡化邊緣端系統和人工智慧應用程式的佈建和部署流程。應用程式部署後，透過無線應用程式更新、遠端監控和管理以及嚴格的資料保護，防止資料外洩和造假，簡化人工智慧的生命週期。使用 Fleet Command，Aetina 就能快速輕鬆地部署人工智慧模型。
導入這款視覺人工智慧解決方案後，Innodisk 能在 1 秒內執行精準檢驗，用有效率且符合成本效益的方式打造更多產品。 在這之前，工廠仰賴駐在工廠產線的檢驗員，相同的工作必須花 10 秒才能完成。透過這項解決方案，工廠員工不需再處理單調的工作，而能專注在其他更重要的功能。 而 Aetina 此款端對端解決方案，未來亦可協助其他組織採用並轉型成智慧的工業環境。
