2023 年智慧製造 Must-Do：數位供應鏈——亞馬遜技術長預言 5 大技術趨勢。圖片來源：D.R.。

近年來，隨著全球危機屢屢發生，如何借助技術解決棘手問題至關重要。如今，我們獲取資料的來源比以往都還要更多，包含穿戴式設備、醫療設備、環境感測器、影片錄製與擷取（video capture）和其他連網設備等。若能將這些資料與電腦視覺、機器學習和模擬等雲端技術與應用結合，將對世界產生強大的影響力。
 

在拍攝 AWS 的《Now Go Build》新創紀錄片時，我有幸遇到一些新一代創新者和發明家，他們正努力建構各式各樣的解決方案，包含林地復育、使年輕人更活躍的發明，以及從倉庫到交貨的供應鏈重整。這只是起點，隨著先進技術更加普及，生活大小事都將變成可被分析的資料。在 2023 年，我們將看到更多更加顯著的創新。
 

預測一：雲端技術將翻轉我們所認知的運動賽事

如同音樂與影片的發展，運動賽事將成為可被分析的資料流（data stream）。這些資料帶來的認知與見解將改變未來幾年的運動產業，並重新定義每場比賽的參與和體驗。
 

運動賽事是人類生活的一部分，超越時間、文化和物理的疆界。舉例而言，目前仍如火如荼舉辦的國際知名足球賽事，預計有 50 億人收看。截至目前為止，廣播電視對職業運動的發展影響最大，造就當今價值 5,000 億美元的產業，而下一個改變遊戲規則的技術也即將出現。在未來幾年，數位轉型將全面橫掃每一項運動，無論是青少年籃球或職業板球等級別的運動賽事。
 

例如，Veo 等新創公司正在引領體育競賽轉型的潮流，利用機器學習、電腦視覺和串流處理等雲端技術來縮小業餘運動員和專業運動員之間的數位應用差距。
 

Veo 不僅為業餘體育觀眾帶來類似直播的觀賽體驗，也透過建構深度神經網路讓觀眾從影片串流中自動建立精彩片段。這使球員、教練和招募人員皆能輕鬆找到重要賽事並改進戰術，帶來前所未有分享資訊的方式。隨著在各個運動賽事中廣泛應用如 Veo 這樣的技術，我們也不難想像運動賽事的未來發展有多廣。
 

德甲聯賽（德國甲級足球聯賽，Bundesliga）和 NFL 美式足球等頂級聯賽已開始使用影片串流、穿戴式設備、物聯網感測器等進行即時分析和洞察資訊，未來這些功能將持續發展，且技術也將運用在幾乎每項運動賽事中。
 

現在，想像一個可被量化的情境：教練利用在雲端即時分析的電腦視覺和生物辨識資料，判斷出球員即將抽筋或失分，並將該名球員替換成養精蓄銳的隊友。這不僅更完善地保護運動員，也增加比賽的競爭力。
 

奠基於雲端技術，體育賽事將開始成為可被即時分析和協助做出決策的資料流，整合球員補充水分的時機、球的運動軌跡、觀眾飽和度等資料後，將翻轉我們所認知的運動賽事，帶來比以往更精采可期的運動競賽。更多的資料帶來進一步創新，團隊將很快地可以做到在每場比賽中都在後台不斷執行假設模擬，更好地預測決定在當下所產生的影響力。科技將成為職業體育賽事的競爭基礎。
 

此外，無論是現場或透過直播的觀賽體驗也將發生變化。體育場館將迅速採用 Amazon Go 商店等零售產業中的創新方法，例如使用電腦視覺、感測器融合和深度學習做到無票入場和拿了就走（Grab-and-Go）的消費模式。我們也將見識到新一代資料疊合和即時洞察深化至運動員層面以增強賽事體驗，宛如視覺效果最頂尖的電動遊戲。持續發展的共同觀看和個人化觀看體驗將更加緊密地連結 50 億觀眾。
 

體育界目前正進入有史以來最大的變革，而雲端技術正是這場變革的核心。


圖片來源：wallpaperheart。
 

預測二：模擬世界將重塑我們的體驗

空間運算、模擬、數位孿生等技術的多年發展日益成熟，但對日常生活的影響有限，而 2023 年將會是歷經轉變的一年，雲端將讓這些技術變得更容易取得，打破現實的限制，帶來全新的體驗。
 

模擬能用於製造更好的賽車、預測天氣和模擬股票市場。雖然模擬可以解決很重要的問題，但受限於建構和執行模擬的難度，模擬難以被大規模使用，企業也缺乏高效能硬體和專業人員以執行如此龐大的模擬。以噴射機翼或賽車的流體動力學模擬為例，僅模擬一秒鐘的真實場景可能需要多達 150TB 的資料。而隨著 AWS SimSpace Weaver 等許多模擬技術的推出，為未來發展奠下基礎，目前的情況正在迅速改變中。
 

未來，我們也終將得以模擬幾乎世界上的所有事物。模擬有助於做出更好的道路建設、倉庫管理和災難應對等方面的決策。我們可以透過模擬執行大量假設的場景，無需等待多年即可得知我們的行為對未來的影響。例如 Terraformation 全球重新造林等公司憑藉 AWS SimSpace Weaver 的模擬技術，在達到種植 1 萬億棵樹目標的過程中，模擬整個森林的生長情況，以確保森林健康和生物多樣性，並盡力做到碳補償（Carbon Offset）。
 

而另一個快速成長的創新領域是空間運算。許多企業已經在建構專用硬體，並使用雲端技術來捕捉和建立所有環境的 3D 模型。僅使用一台行動設備即可做好 3D 模型的目標很快地將會實現。此技術的普及也將激發建築、施工、商業地產和零售產業的創新浪潮。就像影片對網路的影響，空間運算將在未來幾年迅速發展，3D 物件和環境將像大家現在最喜歡的社群媒體短影片一樣容易產生和使用。網路上的靜態 2D 產品圖片將被 3D 模型取代，我們可以拿起、旋轉這些模型，並將其放置在客廳，宛如在網頁上看到般自然。
 

我們也更期待這些模型可以在虛擬本地（virtual home）中模擬出它們的特色。例如一盞虛擬燈不僅可以放在客廳，也可以透過開關燈以即時觀察環境光與虛擬傢俱的互動，並瞭解其能源消耗。在消費者按下「立即購買」的按鈕前就能了解全盤細節。
 

隨著現實世界逐漸出現越來越多的數位技術，模擬對於確保空間運算技術的正確影響變得越來越重要。2023 年模擬與數位技術將開始融合，這將讓完全不同的技術產生良性循環，並同時受企業和消費者使用。雲端技術透過巨大的規模和可存取性，推動新時代的到來。


圖片來源：Shutterstock。
 

預測三：智慧能源創新浪潮

在 2023 年，我們將看到能量貯存表面材料、分散式電網、智慧消費等技術在全球快速發展，這將改善我們生產、儲存和消耗能源的方式。
 

我們正處於另一場能源危機之中。成本提升和能源獲取的可靠性是全球性問題，這將影響到每一個人。雖然這不是我們第一次面臨能源危機，但若結合一些已成熟的技術，將能幫助我們更好地應對這個問題。
 

我們周遭的環境具有豐富的再生能源，真正的挑戰在於如何儲存這些能源，以及在使用者需要時即可隨需配送。亞馬遜正為此展開行動，以亞利桑那州的 150 兆瓦電池儲存系統為例，它為該地區的設施提供乾淨、可靠的能源。我們不是唯一的跨出行動的人，全球各地的企業也在迅速創新再生能源領域。
 

雲端技術將為材料研究科學開拓新的應用領域，例如將能源儲存整合至提供動力的物體結構中 — 想像一艘船的兩側是在航程中提供動力的電池，這只是運用再生能源冰山一角的其中一個案例，我們也開始著手在長期儲存能源領域的突破，例如熔鹽、堆疊區塊和燃料電池。

 

另一個領域是能源分散化。由於能源供應的不穩定性，有些社區傾向使用微電網。微電網就像能源的社區花園，社區成員使用這些能源來維持自身需求，減少依賴傳統能源公司及老化的基礎設施。在我家附近有一個小型微電網來蒐集太陽能並可供租戶共用。
 

隨著地緣政治事件和氣候波動加劇的能源挑戰不斷發生，微電網將成為全球許多社區的可行解決方案，雲端技術是實現此目標中重要的一環。來自太陽能電池板、風電場、地熱和水力發電的資料將在雲端串流、儲存、監控、進一步精簡與分析。機器學習將用於分析所有能源資料、預測使用高峰，並透過每戶家庭的用電行為重新分配能源以預防停電。
 

在未來一年，我們也將看到奠基於物聯網的智慧消費設備在全球突飛猛進的發展。這將引起下一波創新浪潮，創新源於這些設備為家庭和企業提供的全新觀察能力。想像一下，如果我們透過節能技術改造老舊建築將能省下多少能源。
 

在接下來的幾年裡，隨著借助更多技術解決方案應對危機，我們將看到所有類型的智慧能源技術快速整合。雖然這可能不會產生立竿見影的效果，但這些技術將永久地改變未來創造、儲存和消耗能源的方式。


圖片來源：Shutterstock。
 

預測四：供應鏈轉型即將到來
 

在 2023 年，電腦視覺和深度學習等技術的採用將推動供應鏈向前發展。無人駕駛車隊、自主倉庫管理和模擬只是引領智慧物流和全球供應鏈新時代的一小步。

過去幾年全球供應鏈經歷許多危機，包含交貨延遲、產品缺貨、空空如也的貨架等，時刻都在提醒我們需要深思如何有效解決這些問題。儘管亞馬遜透過數位貨運匹配和配送站等創新改善供應鏈，但許多公司仍面臨物流挑戰，但這種情況即將發生改變。

改變將從商品本身的製造開始。工廠中的物聯網感測器數量將激增，機器學習將不僅用於預測機器故障，也會用於預防機器故障，更少的停機時間代表持續性的生產。而在全球運送產品是另一個完全不同的挑戰，由雲端技術驅動的數位貨運網路將穿越國家甚至海洋，並即時提供資料，幫助承運人優化最有效的航線，並改變航向以應對關鍵時刻，例如設備故障和天氣干擾。供應鏈的每一個環節將能即時預測貨物即時狀態和到貨時間。

這些貨運網路將為首次跨國的自動駕駛卡車運輸奠定基礎。而這將即刻影響目前的態勢。美國目前正面臨8萬多名司機的短缺，透過使用空間運算、邊緣運算和模擬，自動駕駛卡車運輸將對全球供應鏈產生巨大影響。

我們得優先考慮到每個國家或地區的特定健康和安全法規，但司機駕駛時間過長，仍然可能分心、疲勞並導致潛在危險。在司機短缺的狀況下，只能寄望從南加州運來的新鮮水果在開始變質前就運到達拉斯。但是，自動駕駛卡車可以 24 小時在路上行駛，不須強制休息，科技不會疲倦或分心，產品也將更快、更安全、更高效地送達。

抵達當地倉庫後，機器人揀選、訂單分揀和自動包裝變得更加普遍。我們將持續看到機器人技術不斷反覆運算，借助人工智慧、電腦視覺和對公司庫存中單個產品的精確處理。自主機器人技術也將開始在倉儲中發揮更大的作用。我們可能僅因在產品搜索環節耗費大量的時間而考慮雇用一個新的堆高機操作人員，但如果擁有一個可自主飛行的庫存無人機來即時更新庫存數位副本，將大幅改變這個情況。

供應鏈轉型的關鍵是使用技術優化產品過程的每一步。從明年開始，智慧工廠、智慧設備和智慧航運將加速發展，每一項都將在提高工人安全、優化庫存管理、降低維護成本和簡化生產流程等方面發揮作用。數位供應鏈就是未來的供應鏈。

預測五：客製化晶片成為主流

在 2023 年，將迅速增加使用專用晶片，進一步加快創新的步伐，工作負載利用硬體優化帶來最大化效能，同時降低能源消耗和成本。

客製化晶片和專用硬體在消費技術產業的關注迅速提升。隨著製造和採用客製化晶片，從筆記型電腦、手機，到穿戴式設備，一切都在效能上有重大飛躍。雖然消費者領域的發展很快，但商業應用程式和系統並非如此，傳統上，軟體和硬體的更新週期更長。然而，隨著客製化晶片普及，將在未來幾年迅速改變這種情況。

截至 2022 年 12 月，AWS 平均每天啟動 1 億個 EC2 執行個體，這是由於多年來我們與客戶密切合作，瞭解他們正在執行的工作負載類型，並確認下一步應該建構什麼。因此，AWS 近年來相當投入於晶片設計。因為我們知道，借助專為特定使用案例所獨家建構的客製化晶片，企業在雲端執行的工作負載將能獲得更高效能、更好的成本效益。

以機器學習工作負載為例，在過往，軟體工程師一直依賴昂貴、耗電的 GPU 來完成從模型建構到推論的全部工作。然而，這種一刀切的方法效率並不高，因為大多數 GPU 並未針對這些任務進行優化。在未來幾年，更多工程師將看到工作負載會轉移到專門為模型訓練的 AWS Trainium 晶片和專為推論設計的 AWS Inferentia 晶片當中，這將推動開啟新一波創新浪潮。

透過使用基於 AWS Trainium 的執行個體節省 50% 的訓練成本，或在基於 AWS Inferentia 的執行個體上實現 50% 的每瓦效能提升，工程師和企業都會注意到這個變化，我們也將開始見證工作負載的大規模遷移。即便通用應用程式也是如此，在這些應用程式中，遷移至客製化晶片仍有好處，例如基於 Graviton3 的執行個體，在相同的效能下比同類 EC2 執行個體的能源消耗低 60%。

成本節約和效能優勢將帶來更多實驗、創新以及應用，並為其他特定工作負載提供更多客製化晶片。這是一個良性循環。於 2003 年獲得圖靈獎的美國電腦科學家 Alan Kay 曾經說過：「真正認真對待軟體的人應該製造自己的硬體。」在接下來的一年裡，認真對待軟體的人將真正開始利用客製化晶片帶來競爭優勢。

新聞來源：TechOrange科技報橘