当人们的活动范围和社交距离受限时，机器便成了好帮手。在肺炎疫情肆虐下，对于机器视觉的迫切性反而瞬间陡升，应用也更趋广泛；其中，＂3D＂感测的成长率高于整体平均值。与此同时，在机器学习进驻边缘设备后，整个智能装置和内部传感器件的集成度有提高之势，让＂嵌入式视觉＂一词荣登热搜榜。
一套好的智能 AI 视觉产品，须有相应的影像传感器、微控制器 (MCU)／应用处理器 (AP)、神经网络 (NN) 开发环境，乃至芯片物理层接口和 IC 设计工具支撑。因此，艾迈斯 (ams)、安森美 (ON)、意法半导体 (ST) 竞相发布各具特色的影像传感器，恩智浦 (NXP) 与不少 FPGA 厂商皆矢志改善嵌入式处理效能。
抢攻「边缘AI」有成的恩智浦，率先将机器学习软件与 MCU 结合，首推用于 MCU 的 Glow 神经网络编译程序，旨在与特定目标整合、省却实时编译程序、生成高度优化代码，进而提升硬件平台的神经网络效能。FPGA 始祖莱迪思 (Lattice) 则特别针对嵌入式视觉推出优化产品，号称功耗及＂软错误率＂(SER) 表现更佳。
旗下亦坐拥美高森美 (Microsemi) FPGA 产品线的微芯科技 (Microchip)，更抢先在物理层接口布局，与日本工业成像协会 (JIIA) 等标准组织合作，从 CoaXPress (CXP) 2.0 接口标准着手打造低延迟、低功耗的传输方案。往上、下游追溯至 IC 及 PCB 设计，电子设计自动化 (EDA) 供货商楷登电子 (Cadence) 和现归属西门子 (Siemens) 的 Mentor，对仿真评估和系统内测试备有相关解决方案。
回到实际应用面思考，从单纯识别检测，到虚拟的 VR、连结部分实景的 AR、到虚实完全交错融合的 XR (延展实境)，还有哪些可能？工控与汽车的刚性要求又有哪些？最后，一个耐人寻味的问题是：机器视觉能否全面取代人眼？两者的落差为何？如何再上一层楼？本期【产业特辑】将有深入探讨。
本期内容:
