來源：新智元

AWS Panorama軟硬結合讓人工智能「一鍵化」

近日，AWS發布了一套全新的基于機器學習開發的計算機視覺（CV）硬件設備AWS Panorama Appliance，與之一齊發布的還有配套的軟件AWS Panorama SDK（Software Development Kit ）。兩者強強結合，可將現有的企業內部攝像頭改造成支持人工智能應用的超強監控設備。

圖為AWS Panorama Appliance

AWS表示AWS Panorama套件可以幫助工廠客戶檢查流水線上的產品、確保工廠的安全守則得到遵守；同時也可以幫助零售商客戶實時監控店內的人流情況。而這正符合了本次AWS re:Invent大會的主題之一——自動化一切。

新的AWS Panorama將致力于讓讓所有攝像頭都變成「有腦子的」眼睛，即使在互聯網連接有限或沒有的環境中。只需輕松幾步，就可以讓客戶現有的監控攝像頭群，在人工智能的加持下變成超級攝像頭。

人工智能大熱，商業端相關需求大增

隨著人工智能技術的大熱，讓更多的人認識到了人工智能所能帶來的本質性改變，這其中就包括全球各地的大小企業家們。

許多工業和制造業客戶非常希望能夠在其攝像頭上應用計算機視覺技術，以實現更加有效的監控或實現生產自動化。例如，在精銑或激光加工行業，在一些環節中必須有人實時監控現場和堆場的活動，來確保操作合規性（如確保叉車保持在指定的工作區域），或評估其設施內的工人安全（是否穿戴個人防護設備）。

然而，目前使用的傳統的監測方法就是專門安排人來執行監測任務，但人注定是要出錯的。

因此越來越多的企業希望將機器學習技術應用到其工作或生產環境中。如制造工廠、食品加工廠，對于這些企業來說，各個生產環節的相互連接會產生大量的數據，如何利用這些數據成了問題。所以許多企業家們急迫地希望通過結合機器學習的方法去進一步降低成本、提高運營的效率。

而對于一些高危行業，機器學習能夠帶來的改變不僅是效率問題，還有改善工作場所安全性的問題。這些企業客戶希望使用計算機視覺技術來發現流水線中的缺陷，并改善工作場所的安全度。

計算機視覺技術是典型借助人工智能產生巨大技術突破的領域，如人體姿態估測（HPE）、物品分類（objects classification）和人臉識別（face recognition）。但計算機視覺技術上的實現與在現實世界中的應用，還需要有人推一把。

而AWS準確地抓住了這一商機，開始為全球的企業家們提供他們的機器學習解決方案。此次發布的AWS Panoram就是其中的產品之一。

AWS Panorama準確嗅到商機，為客戶提供「一條龍」解決方案

如何在工作場所部署這些人工智能設備是廠商們面臨的最大難題。廠商們可以選擇在云端部署他們的人工智能模型，然后實時分析視頻信號。但問題是，因為工廠往往占地很大，必須要在偏遠地區設廠，而對于那些偏遠而孤立的地方，這些地方的信號可能很弱，甚至沒有信號。

這條路顯然是行不通的，廠商們想要在云端實現部署計算機視覺模型，要么成本高企，要么根本無法實現。

顯然，AWS意識到了這一問題，所以在設計上，AWS Panorama實現了無網或弱網環節下的部署能力。

AWS直接將訓練好的機器學習模型直接部署在AWS Panorama Appliance硬件內部，讓它在徹底無網的情況下也能流暢地進行機器學習計算，擺脫了機器學習對云端的要求。

而后廠商們再將他們現有的攝像頭群接入到AWS Panorama Appliance中，它會自動識別攝像頭的視頻流，并且和這些攝像頭實時交互。通過將機器學習模型部署在邊緣設備上，AWS Panorama宣稱解決了計算機視覺在工業界的部署問題。

但是不同行業對計算機視覺技術有著各種不同的需求，可謂「眾口難調」，沒人能通過一個硬件解決所有問題。而這就是AWS Panorama SDK存在的意義。

AWS表示AWS Panorama SDK可為客戶實現「一鍵化」的個性化自定義功能定制。

AWS Panorama使用NVIDIA和Ambarella專門為計算機視覺設計的芯片，AWS表示這會提高視頻質量，讓監控獲得更好的分辨率。

無論最終效果如何，AWS Panorama都擊中了那些渴求使用「人工智能技術」廠商們的需求痛點。實際應用中AWS Panorama是否真的如此萬能，還需要經過時間的檢驗。

參考鏈接：

https://techcrunch.com/2020/12/01/aws-announces-panorama-a-device-adds-machine-learning-technology-to-any-camera/amp/

https://www.businesswire.com/news/home/20201201006070/en/AWS-Announces-Five-Industrial-Machine-Learning-Services

（聲明：本文僅代表作者觀點，不代表新浪網立場。）