在單一專案成功落地，且取得使用單位也滿意之後，接下來的平展，需要考慮的就是該如何規劃AI 系統架構，究竟用邊際運算好，還是集中在主機做運算，還是乾脆往雲端放？在決定之前，通常有幾個問題需要跟客戶做釐清，我們簡單做了整理列在下面。
雲端好還是地端好？ 如何選擇你的AI 主機
1.頻寬- 雲端主機的頻寬運用與分配
首先要考慮的是客戶的攝影機分佈狀況，若是攝影機數量不多，那三種方案差異不大，一旦攝影機數量多了，且分佈在不同的場域（網段），那可能就要考慮網路頻寬的問題，攝影機連線到辨識主機的這一段頻寬是少不了的，用邊際運算的話，可以節省掉如下圖一的這一段頻寬，尤其是需要跨不同的廠區，或是攝影機分佈在不同的門市的情況。
另外雲端辨識通常是以頻寬來計費，（各雲端廠家計費方式不同，需請他們協助釐清計費方案），這個也需要列入規劃建議給客戶判斷。
2.網路架構管理- 適合AI高效率運算之雲端主機
各家客戶的IT 規則不同，有些會希望集中採購大型AI辨識主機，由IT部門集中管理，也有些客戶允許交由各部門的使用單位自行維護，這樣一來靈活性較大，但同時管理多台邊際運算主機的成本會增加。
如果客戶採取集中在大台主機辨識，那麼事前的規劃會更顯重要，需要的辨識模組如果能夠在一開始的時候就規劃系統資源，以及AI 演算法架構可以讓程式效率更高，如果辨識需求在事後不斷地疊加上去，程式效率變差之外，還極有可能會增加當機的風險。
3.辨識延遲容許- 直接在雲端主機做邊際雲算辨識，並將結果回傳以便串接資料
客戶對於辨識結果，肯定需要其他的“re-action “，就像是人看到危險的事件，大腦判斷之後，仍需要下指令給手、或是腳，才能快速躲避危險，或是做適當的應變一樣，AI系統也是如此，在偵測到異常時會需要發出現場告警、顯示辨識結果給現場操作人員，或是將NG / OK的結果傳送給現場PLC 設備等….，這些都必須要考量到每家客戶希望如何將辨識資料串接起來，是否有需要迅速及時地傳遞辨識結果，這些都要依據客戶的實際應用的不同，來做不同的規劃。特別是在產線上的瑕疵偵測，那更是無法容忍任何的延遲，為了避免網路或其他因素造成的資料傳遞問題，會建議直接在邊際雲算做辨識，事後再傳送辨識結果的報表到集中管理的主機上就好。反之，若是客戶不需要即時知道辨識結果，例如計算一整天下來的人流，或是運用隨身攝影機拍攝回來的偵測，這些應用就可以選擇地端或是雲端都沒有影響。
4.經濟效應- 直接選擇雲端運算主機，能彈性擴充AI專案需求
如果客戶一開始並沒有很多預算來購買大型主機，那麼雲端運算會是一個很不錯的選擇，隨著辨識需求增加，也可以在雲端的世界裡增加虛擬算力，用多少算多少，沒有擴充的限制，如果是要長長久久使用的系統，這樣長期攤算下來，雲端的費用可能會比自家購買主機來得高，但即便是客戶一開始就導入大型的辨識主機，也有可能因為辨識需求增加，或是因為業務擴張而增加的攝影機數量，也有可能讓一開始規劃的大型主機不敷使用，導致需要再新增主機，這也會讓整體建置成本增高。
以上幾點是我們在導入AI專案時所會面臨到的問題與考量的點，AI的需求越來越多也越來越明確，客人對於專案範圍以及期許也陸續在增加，最好的方法是選擇一個在AI 演算法，以及程式優化，且可以貼近客戶需求的好夥伴，讓客戶的AI 可以與時俱進，越來越好用！
了解更多導入AI專案資訊： 聯絡奕瑞 ｜ 最新AI活動展出&案例
其他人也看：
如何透過AI AOI瑕疵檢測改善工廠製程？
提高AI 辨識率的武林秘笈，6個精準AI數據分析的實戰工法
【應用案例】5大瑕疵檢測深度學習之影像處理， AI 光學辨識技術大升級！
