當人們的活動范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，對于機器視覺的迫切性反而瞬間陡升，應用也更趨廣泛；其中，＂3D＂感測的成長率高于整體平均值。與此同時，在機器學習進駐邊緣設備后，整個智能裝置和內部傳感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，須有相應的影像傳感器、微控制器 (MCU)／應用處理器 (AP)、神經網絡 (NN) 開發環境，乃至芯片物理層接口和 IC 設計工具支撐。因此，艾邁斯 (ams)、安森美 (ON)、意法半導體 (ST) 競相發布各具特色的影像傳感器，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，率先將機器學習軟件與 MCU 結合，首推用于 MCU 的 Glow 神經網絡編譯程序，旨在與特定目標整合、省卻實時編譯程序、生成高度優化代碼，進而提升硬件平臺的神經網絡效能。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)，更搶先在物理層接口布局，與日本工業成像協會 (JIIA) 等標準組織合作，從 CoaXPress (CXP) 2.0 接口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) 供貨商楷登電子 (Cadence) 和現歸屬西門子 (Siemens) 的 Mentor，對仿真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？最后，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。
本期內容:
