在 Windows 出現以前，電腦多半是工程師與電腦科學家才能真正操作的專業工具，使用者必須學習命令列介面、複雜的硬體協定，甚至從頭開始編寫軟體。然而，在 Windows 誕生後，透過直觀的使用者介面、內建應用程式與隨插即用（plug-and-play）的硬體能力，把複雜的操作變得容易上手，成功讓個人電腦從工程工具，變成人人皆可使用的裝置。
位於美國西雅圖的 Edge AI 與機器人技術公司 Numurus，透過軟體平台、硬體整合與工程服務，協助企業加速機器人、智慧感測器與 AI 應用的開發流程，目標是把原本可能耗時數年的開發週期縮短到數個月。
Numurus 執行長 Jason Seawall 近日在《The Robot Report》撰文指出，類似的轉變正在機器人產業發生，Edge AI 正準備讓機器人從少數專家才能操作的系統，走向被廣泛使用的型態。一旦 Edge AI 的操作門檻降低，客群將從原本資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育計畫與跨領域研究人員，並讓團隊能將第一版產品的出貨時間從一年縮短至幾週。
硬體已經到位，但「軟體複雜度」成為最大瓶頸
Jason Seawall 指出，來自 NVIDIA、AMD、Qualcomm 與 Hailo 等公司的 Edge AI 處理器，已讓機器人能在本地端執行 AI 模型、快速分析感測器資料，並做出毫秒級決策，且這些晶片已具備足夠的運算速度、較低成本與更高能源效率，得以運行真正的 AI 工作負載，使得硬體技術跨越實用的轉折點。然而，這類 Edge AI 系統的極高複雜度，仍將部署門檻侷限在經驗豐富的工程師手中。
與個人電腦不同，機器人需要介接的是相機、雷射、GPS 與馬達，機器人也需要能連結即時感測器數據與 AI 模型的控制軟體，而不是一般的文書處理程式。這項對軟體層的迫切需求，在 BlackBerry QNX 發布的《Inside the Robot: Architecture Benchmark Report》報告中也獲得強烈佐證。這份針對全球 1,000 名開發者的調查報告顯示，高達 27% 的受訪者將「軟體架構與整合」列為最大的效能瓶頸，遠高於指向硬體的 16%。
報告指出，開發者目前普遍面臨四大核心挑戰：系統整合複雜、認證容易延遲、人機互動存在安全風險，以及難以確保系統行為的可預測性。此外，即便團隊有能力自建底層軟體，也必須承擔「從零打造」的巨大隱性成本，這包含長達 6 到 12 個月的開發期，以及遇到硬體變更就容易崩潰的客製化程式碼，更可惜的是，高階工程師往往被迫將大量時間浪費在維護底層驅動程式上。正因為缺乏好用的軟體基礎，對多數人來說，現在的 Edge AI 處理器就如同 1981 年的個人電腦一樣：「功能強大，卻難以親近」。
NEPI 試圖扮演機器人的「Windows 式」軟體層
要打破軟體架構的瓶頸，機器人產業就需要一套類似 Windows 的易用平台。為了解決這個痛點，Numurus 公司在 2020 年轉向開發名為 NEPI（Numurus Edge Platform Interface）的易用軟體平台。該平台以 Docker 容器的形式安裝執行，並透過提供隨插即用驅動程式（plug-and-play drivers）、內建自動化應用程式（built-in applications）以及直觀的瀏覽器介面（browser-based interfaces），大幅降低 Edge AI 部署的複雜度。
這樣的設計也呼應 Windows 當年讓 PC 普及的邏輯。在這個脈絡下，Edge AI 不只是協助機器人在本地端執行模型，更讓機器人開發從高度碎片化的工程整合，開始走向具備 AI 模型管理（AI model management）與隨插即用硬體的平台化部署流程。
從專家工程到標準化部署，Edge AI 才能真正擴大機器人可用性
展望未來，QNX 的調查顯示有高達 85% 的開發者預期，未來 3 到 5 年軟體在機器人中的角色將更加吃重，投資也將集中在 AI 驅動決策與網路安全等領域。
「PC 時代的勝利不是靠更快的硬體，而是靠軟體層讓非專家也能善用這些硬體，」Jason Seawall 提出的「Windows for robots」比喻，明確指向產業接下來的關鍵任務：機器人產業如今面臨的課題，是建立能無縫整合 Edge AI、感測器、應用程式與介面的軟體平台。當機器人開發能徹底轉向由軟體平台支撐的標準化部署時，Edge AI 才能真正擴大機器人的可用性，讓缺乏嵌入式軟體專家的團隊，也能輕鬆引進 AI 自動化技術。
【推薦閱讀】
◆ 中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？
◆ 展示容易部署難，人形機器人距離真正的工業化還有多遠？
◆ 複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業
＊本文開放合作夥伴轉載，資料來源：《The Robot Report》、《Robotics & Automation News》，首圖來源：Numurus
