委託我們開發工地揚塵與地面髒污的案子已經正式開工，上周我要求RD對POC的程式原型做一些效能測試評估，就是程式持續辨識監視目標事件(揚塵或髒汙)時要動用到多少電腦資源？在足以穩定辨識事件發生的前提下，解析度與辨識頻率可以降到多少？剛剛線上會議她給我的報告就大致如上，記憶體使用她沒寫到，大約是在100～300M之間浮動。

這是甚麼意思？因為開發完成的軟體以後會在各個工地持續運作，CPU與記憶體的資源使用量就代表監測的運轉成本！使用資源越少就越省電越環保，更重要的是：越低的資源使用量表示可以在更便宜的電腦上運作，可以讓客戶更省錢！甚至把我們的軟體直接安裝在工地既有的電腦上執行，也不會影響該電腦原本日常的工作。

如上的測試結果應該會讓競爭對手相當尷尬！真的在夜市地攤上買的電腦都可以輕鬆的跑這個程式！我也叮囑RD不要像CNN一樣只是畫方塊顯示揚塵區，那樣太粗糙難看了！一定要把揚塵範圍按照實際不規則的形狀畫出來！因為我們的演算法就是可以做到，我就是想讓CNN跑的程式看起來很LOW嘛！哪有方塊形的揚塵啊？你看過嗎？

我常批評ML、DL與CNN，這絕對不是隨便亂說惡意貶低他們的！我會用我們實際的研發成果一一證明我的所有觀點與論點！現在那些AI專家已經把影像辨識炒作成好像一定要用CNN+GPU才能做的工作了？事實當然不是這樣的！這個案子的前身就是用CNN做的！但效能穩定性都不夠好，建置成本還很高！所以才會找我們替CNN「升級」的！我們也絕對會讓CNN產品看起來笨笨的！

我們做影像辨識軟體很多年了，最近常常被質疑到了AI時代，還不用GPU好像就落伍了？但是大家看看：我們連常規的CPU都用不到10%，記憶體用量300M也只等於常規8G記憶體的3.X%！請問我們需要GPU嗎？如果只為了「跟上GPU時代」就去購買特殊的顯示卡與中介軟體，不但是浪費錢，疊床架屋把系統複雜化之後，辨識速度也不會更快的！而且以此例來說我們也不需要辨識更快了！有沒有揚塵？一秒鐘去看兩次還不夠即時嗎？

這就是影像辨識研發的最前線實況報導！在這個案例中ML、DL與CNN是完全不必用到的不相干技術，既然不必用這些需要超高計算量的技術，當然也就不需要甚麼GPU來支援了！抱歉了！黃先生！我們公司開發的影像辨識軟體目前都還用不到您的產品！也許永遠都不必用！

這不表示我們有甚麼超時代的技術？我們的演算法其實都來自傳統的影像處理，正如不是每一種病症都必須開發新藥來醫治，只要能找到並搭配好對症的既有藥物，效果就會很好還很便宜！如果你死腦筋，堅持做任何影像辨識都非得套用ML、DL與CNN的那套AI公式不可，那就一定會很貴還未必能做得好！我會讓你看不到我的車尾燈的！