很榮幸的，位於南科的某光電廠商的廠長邀請我去跟他們的員工分享影像辨識方面的經驗。首先很感動他們如此認真看待軟體技術的研發，覺得我的軟體開發經驗對於他們來說有分享的價值？台灣的科技業界一向是重硬輕軟的！以商業價值與產值而論，作光電相關硬體的廠商當然地位遠高於我們這種「只會」寫程式的軟體業者！差距是一年幾百億與幾百萬的落差！

更難得的是：他們居然會覺得我這個位於鄉下的小公司，而且以目前AI主流技術來說，我是非常離經叛道，就是不甩機器學習與深度學習的怪咖，還值得他們參考分享？居然想請我去演講？是想當作「負面教材」嗎？所以第一時間我很意外！認為該廠長可能是「資訊不足」才會開口邀請的！所以就請他先看看我的部落格再選具體的題目。如果他發現我是異類，或許就會打消這個念頭了！

就像前幾天，有某科大的讀者教授想牽線某知名的退休教授來訪問我的公司，如果成真當然對我的公司知名度有幫助！但是我們發現該教授其實對我沒甚麼了解，當然也沒有甚麼興趣，還要我去拜訪他北部的辦公室洽談？我想這樣就不必了！我應該不會是他心目中值得推薦的「優良」廠商，我很怪咖的！就不要浪費彼此的時間了！

當該廠長問到演講費時，我隨口報了一個大致與一般教授的「上課」鐘點費差不多的價錢時，他還很感謝地說是「佛心價」？其實錢真的不是重點，而是這件事如果成真應該會很好玩！我的上課與演講經驗豐富，但從來沒有到業界公司直接對第一線的工作人員講過任何專業議題？而且還是製作IC晶片的硬體廠商！我自己都不太懂如何作晶片的！

這幾年以影像辨識為業的期間，確實有大約五六家以硬體製造為主業的大廠商跟我接觸過。主要是因為我的影像辨識軟體產品好像行得通？賣得出去！如果一樣的影像辨識演算法，尤其是車牌辨識，可以硬體化變成攝影機硬體的一部份，應該頗有商機？但還沒有一次真的合作成功！原因不是技術問題，而是他們只想Cost down，把我的軟體變成超低廉的硬體，但是一旦變成硬體，我就無法提供客製化的售後服務，也沒有繼續研發精進的空間了！即使作出產品也不會讓所有客戶滿意的，所以我都回絕了！

基本上AI產業是全世界都很重視的發展方向，台灣又是IC硬體方面基礎良好的地方，一定會努力在AI發展過程中找到用硬體化得到商機的機會。我是只會用演算法寫程式切入AI產業的軟體業者，理論上我應該是硬體IC製造商的先驅者？但他們多半眼睛只會看向矽谷，而不是台南的鄉下。或許他們一時之間請不到矽谷研發演算法的高手，就找我充數吧？至少我的性質是符合的！

如果他們真想聽聽我對影像辨識硬體化的想法，我會說些甚麼呢？其實之前很多文章我都說過了！硬體與軟體的主要差別就是彈性，如果是已經成熟的演算法功能，作成硬體IC就是固化演算法功能，可以節省計算成本，也提升辨識速度。就像顯示卡可以分擔電腦影像處理的負擔，讓CPU不必負荷過重，電腦遊戲跑起來就會更順暢了！

但是如果目標的影像辨識流程還有很多未知變數，一旦硬體化反而是限制研發進步的障礙！為什麼AI學派一直強調可以封裝很多演算法？譬如所謂的邊緣運算？原因就是想替IC廠商製造虛幻的商機！讓他們自己獲得更大的投資金額！如果大家都相信影像辨識的某些程序是固定通用的，某些程序不論你想辨識甚麼東西，演算過程都完全一樣，就像現在的顯示卡可以解碼串流影像一樣，不論串流影片內容如何，影像顯卡作的工作都一樣，那種IC就有商機了！

很可惜，對影像辨識來說，事實不是這樣的！我極度不看好邊緣運算的IC商機！因為邊緣運算就是將傳統影像辨識的灰階化、二值化到特徵擷取過程打包固化！但是我知道，這些過程牽涉的變化參數，不但都會影響到最終能否得到你想要的辨識的結果，而且很多關鍵連演算法專家都還沒搞清楚，現在就急於硬體化封裝演算法，只是為了讓硬體業盡快賺到錢，趕鴨子上架的作法，是一定會失敗的！

更糟糕的是：我認為機器學習與深度學習是抓瞎硬抝的研究方向，以此為主流思想發展出來的影像辨識程序，終究會無法符合一般實用需要的高辨識率目標，遲早會被放棄，回歸到傳統演算法，針對特定目的，發展適用於特定用途演算法的方向！跟著目前機器學習派的AI技術潮流，尋找硬體化商機的IC廠商一定會大失所望，賠錢賠到脫褲的！

那硬體製造廠商想獲得AI商機的正確方向在哪裡？我認為就是務實的製作已經成熟，針對特定辨識目標的演算法IC，譬如停車場情境下的車牌辨識，或辨識某些已知格式的考卷的IC！譬如作家電內部IC(微電腦)的廠商一樣，不要妄想可以製作出「通用」或「廣用」的影像辨識用IC！那是五十年內都不可能實現的AI空中樓閣！

所以，你不讓我說話就算了！如果要我說話，我就會說：跟緊我這種軟體廠商已經做到成熟的影像辨識軟體產品，將他們硬體化就很安全的可以獲得「不太大」的穩定商機！妄想跟著目前主流的「AI」狂想者，作出影像辨識「通用」IC的廠商就等著大幅虧損，甚至倒店吧！信不信由你！