當人們的活動範圍和社交距離受限時，機器便成了好幫手。在肺炎疫情肆虐下，對於機器視覺的迫切性反而瞬間陡升，應用也更趨廣泛；其中，「3D」感測的成長率高於整體平均值。與此同時，在機器學習進駐邊緣設備後，整個智能裝置和內部感測器件的集成度有提高之勢，讓「嵌入式視覺」一詞榮登熱搜榜。
一套好的智能 AI 視覺產品，須有相應的影像感測器、微控制器 (MCU)／應用處理器 (AP)、神經網路 (NN) 開發環境，乃至晶片實體層介面和 IC 設計工具支撐。因此，艾邁斯 (ams)、安森美 (ON)、意法半導體 (ST) 競相發佈各具特色的影像感測器，恩智浦 (NXP) 與不少 FPGA 廠商皆矢志改善嵌入式處理效能。
搶攻「邊緣AI」有成的恩智浦，率先將機器學習軟體與 MCU 結合，首推用於 MCU 的 Glow 神經網路編譯器，旨在與特定目標整合、省卻即時編譯程序、生成高度最佳化代碼，進而提升硬體平台的神經網路效能。FPGA 始祖萊迪思 (Lattice) 則特別針對嵌入式視覺推出優化產品，號稱功耗及「軟錯誤率」(SER) 表現更佳。
旗下亦坐擁美高森美 (Microsemi) FPGA 產品線的微芯科技 (Microchip)，更搶先在實體層介面佈局，與日本工業成像協會 (JIIA) 等標準組織合作，從 CoaXPress (CXP) 2.0 介面標準著手打造低延遲、低功耗的傳輸方案。往上、下游追溯至 IC 及 PCB 設計，電子設計自動化 (EDA) 供應商益華電腦 (Cadence) 和現歸屬西門子 (Siemens) 的 Mentor，對模擬評估和系統內測試備有相關解決方案。
回到實際應用面思考，從單純識別檢測，到虛擬的 VR、連結部分實景的 AR、到虛實完全交錯融合的 XR (延展實境)，還有哪些可能？工控與汽車的剛性要求又有哪些？最後，一個耐人尋味的問題是：機器視覺能否全面取代人眼？兩者的落差為何？如何再上一層樓？本期【產業特輯】將有深入探討。
