3S Market 傳遞 智慧應用與價值的商業資訊
台積電 3nm 晶片將問世，全球首顆3nm。台積電是如何做到世界第一的？隨著人工智慧的發，越來越多的領域需要晶片，科技的進步離不開台積電的技術
今日主題 智慧安控\雲端\物聯網\行業應用
雲端\物聯網\傳輸應用
2021年2月1日 星期一
．5G 需要邊緣運算來兌現其承諾
AWS Wavelength -
Edge Computing for 5G Networks
邊緣運算，將是 5G 滿足其頻寬和延遲要求的關鍵推動力。 從短期來看，它可以使開發人員大規模提供「 5G 體驗」。 從長遠來看，有必要針對即時、數據匱乏的應用優化客戶體驗。
邊緣運算：真正實現 5G 飆升的關鍵推動力，
電信商的研究報告說，實驗室中的 5G，可以提供比 LTE1 快二十倍的網路速度。 但是，這並不反映一般使用者的體驗。
考慮到超低延遲標準，在去年底的 3GPP 第 16 版中公佈，在許多國家/地區推出 5G 的覆蓋範圍和功能，將受到限制。 這就是為什麼要使 5G 兌現其承諾，它必須與邊緣運算結合在一起的原因。
邊緣運算，可以使 5G 滿足其延遲和頻寬要求。 雖然 5G 將增加網路容量，並使其更快，但邊緣運算將使應用在實體場景上，更接近最終使用者的期望。 這意味著數據包不必走得很遠，意即不必所有的路徑解決，都必須要集中到雲端。
因此，在 5G 成熟之前，具有低延遲和高頻寬要求的應用（例如增強實境、物聯網、雲端遊戲等），應該要能夠提供邊緣運算的客戶體驗。
圖1：透過更接近最終使用者的處理數據，邊緣運算可以減少延遲和頻寬
短期利益：Edge 可以打破 5G 的「慢」週期
隨著 5G 基礎設施的不斷推出，Edge 將在未來 2-5 年內成為 5G 的關鍵推動力。這部分將有助於打破 5G 的雞生蛋、蛋生雞的困境。電信商一直在大量投資於資本支出的 5G 上投資緩慢，儘管他們仍在尋找 5G 的「殺手級應用」，但商業情況尚不清楚。同樣，應用開發人員必須首先獲得保證的測試場域，然後才能覆蓋跨國客戶群，才能逐步開發 5G 應用。
如果加快站點佈署的速度，邊緣運算可以使應用更快地實現 5G 的部分優勢。例如，一家建築師事務所希望引入 AR 頭戴式耳機，以協作生成 3D CAD 模型。耳機必須輕巧，具有良好的電池壽命和行動性 - 因此需要從設備本身上卸載運算。但是，這兩個站點之一尚未覆蓋 5G。
使用 4G 和邊緣運算，可以獲得與 5G 類似的客戶體驗品質。這可以說服公司（以及可能需要發布支持 5G 的新設備的耳機製造商）增強 AR 的潛力，而無需廣泛覆蓋。有關此特定案例，以及邊緣運算如何對其產生影響的更多資訊，請參見我們最近的報告「邊緣開發人員，現在想要電信公司提供什麼」。
總之，5G 需要邊緣運算，來推動對其服務的需求。如今，只有 5G 能夠實現新興市場的應用類型：增強實境、大規模物聯網、機器人技術、AUV / 無人機等。邊緣運算可以為開發人員提供，一個創建 5G 應用的環境，即使沒有「完整的 5G」可用。
長期利益：沒有優勢就無法實現超可靠的低延遲
從長遠來看，將需要結合 5G 和邊緣運算。這有兩個關鍵原因：
1.為了實現超低延遲，這對於自動無人機或遠端手術等其他案例來說必不可少，因此 5G 與邊緣運算的結合，將是必要的。這意味著更大、更快的管道，以及更短的數據傳輸距離。
2. Edge 可以使營運商更改其回程業務模式。對於數據密集型應用，例如那些需要高清影像或大量數據分析的應用，即使使用 5G，將數據不斷發送回雲端將是昂貴的，並且會惡化客戶體驗。取而代之的是，可以對數據進行過濾，使整個數據流僅傳播到本地邊緣場域，然後再進行分析，合理化，並且僅將必要的數據流，傳輸並儲存在集中式雲中。
如果營運商將存取和回程連接定價分開，從而減少了流回邊緣，而不是集中式雲端的回程，則可以激勵應用開發人員使用邊緣運算場景，而不是內部佈署或設備上的解決方法。有關更多資訊，請參閱與雲端連接脫鉤，以成功進行邊緣計算。
圖2：對於許多應用，需要 5G + edge 以實現最佳性能
儘管使用 5G 和 Edge 的好處顯而易見，但將其變為現實，將對行動通信營運商構成挑戰。 為了使營運商能夠以高經濟成本效益的方式來配置、協調和管理 5G，他們將需要越來越多的虛擬化和自動化網路。
要實現這一點，將使分佈式網路佈署在邊緣運算的場域，要更加可行。營運商應該將對邊緣計算和 5G 的投資，視為彼此的關鍵推動力 - 無論是短期，還是長期的雙贏。
 |
．OT 網路安全的主要挑戰：可用性、完整性和機密性
OT Cyber Security Challenges - OT Security Solutions - What is Industrial Control System
組織仍在低估，由操作技術（OT）不夠安全所帶來的風險。
當前的一個例子來自德國。根據 heise.de 的一份報告，外部安全測試人員認為，對公有自來水公司 Berliner Wasserbetriebe 進行的嚴重網路攻擊，可能成功導致德國首都廢水管理的徹底失敗。
至少對於德國而言，好消息是，工程標準和法律要求的結合，通常可以防止發生許多最壞的情況。其中一項法規要求公用事業公司，在必要時必須能夠手動控制電網。但是，並非在所有歐洲國家都如此。如果法律上要求的基本 IT 保護到位，並且使用了兩因素身份驗證和其他最佳實踐，則可以防止或至少包含許多潛在的破壞性事件。
德國有許多目的在最大程度，降低網路安全風險的指南和標準，包括有關基本 IT 安全的法律，ISO 27001、IEC62443 標準，以及由 BSI（相當於英國國家網路安全中心）發布的綱要。甚至還有免費的工具，來檢查和記錄對這些準則的遵守情況，例如輕安全性 ICS。
但是，儘管這些工具可能會有所幫助，但它們也需要合格人員進行大量工作。許多公共機構都在努力尋找這樣的人員，以及尋找初始系統評估所需的錢。我們也不應忘記，儘管付出了所有努力，但始終會存在風險，尤其是在遵守法規和發生安全事件後，聲譽受損的方面。
IT 與 OT？
直到最近，OT 和 ICS 環境在實體上，仍與企業 IT 隔離，因此不被認為容易受到網路攻擊。有些 OT 網路比管理它們的安全專家要老，這意味著它們是在網路攻擊，甚至可能發生之前就建立的。在許多情況下，這會導致連接所有實體子網的非常扁平的網路。結果，保護它們更加困難。「臨時」工作幾乎是不可能的，應始終將其視為一個連續的過程，而不是要達到和忘記的目標。
在計劃實施安全控制時，應確保選擇的工具和流程支持，透過傳統 IT 和 OT 協議，進行的通信。你還應該記住，OT 中的維護和升級週期，比 IT 中的長得多。儘管現在它們開始變得越來越短，但 OT 週期仍與快速發展的 IT，和 IT 安全週期的數量級不同。 OT 團隊和工廠經理還努力應對，IT 方面的頻繁更新，以及相關的停機時間 - OT團隊試圖避免的事情。
這是否意味著 OT ，應該沒有被 IT 部門視為標準的安全控制措施？
實際上，結果幾乎總是妥協。某些推薦的 IT 做法和監視選項，肯定可以在 OT 中使用，但是必須準確地對其進行調整，以適應將要使用它們的工業環境，並且必須清楚地傳達它們。
IT 安全已成為具有非常複雜的威脅，與極其複雜的領域。向人們往往具有不同優先級的 OT 團隊，解釋這種複雜性，並不總是那麼容易。
關於 IT 安全的某些保留，可以追溯到最早的，主動和被動網路監視時代。主動監控在 OT 專家中的聲譽，尤其令人懷疑。首次採用主動網路監視時，有些方法只是從辦公環境中，簡單移植而已，沒有任何改編。這些方法已經過嘗試和測試，因此，最好在更敏感的 OT 網路中，更廣泛地使用它們。結果：設備中斷和對生產過程的昂貴中斷。甚至在今天，一些 OT 專家在聽到「掃描」一詞時也發抖。
IT 和 OT 的優先級有所不同，這增加了許多組織遇到的通信困難。
在網路安全和 IT 中，機密性、完整性和可用性，是 CIA 三合會的組成部分，通常（並且明智地）按順序排列是頭等大事。在工業網路安全中，使用縮寫 AIC 代替 CIA，因為可用性是最高優先級。
融合網路中的安全風險
在融合網路中，資訊和自動化技術越來越共同發展。它們之間的聯繫和轉移，總是會導致風險增加，從而可能造成破壞。安全專家擔心，企業對連接設備的依賴性成長速度，遠遠超過其保護這些設備的能力。
需要開發基本概念，並為不同的工業環境定義安全機制。OT 營運商迫切需要花費時間和精力，來改善其安全狀況。所有這些都受到，圍繞工業安全主題的許多神話和誤解的阻礙。
這些措施經常會阻止計劃，和實現必要的措施。這些頑固的神話之一是，網運安全事件是「惡意駭客攻擊」的代名詞。早期研究顯示，絕大多數事件，是由人為錯誤或設備故障引起的。在這兩種情況下，製造工廠的效率都會受到直接影響。即使涉及網運犯罪，與外部網運犯罪分子相比，犯罪分子更經常是惡意內部人員。在這些情況下，員工或外部合作者，通常試圖破壞或損壞系統、流程、設備或人員。
更好地保護平面網路的第一步，是對它們進行分段。你可以透過監視協議活動，並根據已辨識的漏洞，為每個分類系統分配風險評分來開始。在此階段，組織已經實現了一定程度的透明性，下一步通常是對防火牆，或修補程序解決方案的投資。從那時起，關鍵目標應該是對環境的持續監控。
一旦建立了滿足安全要求的配置，就需要正確的工具，來盡快發現該安全基準的任何偏離。對於你的組織而言，最有效的監視解決方案，可能是被動、主動和混合工具的組合，因為不同的工具最適合不同的環境。
從本質上講，每種類型的工具都可以有效地工作，提供最大程度的透明性，並保持網路盡可能穩定和可用。但是對於「一種尺寸適合所有人」的解決方案，各種網路環境之間的差異太大。無論你選擇哪種解決方案，都將始終需要對其進行微調。這是該過程的重要組成部分，特別是對於根據受信任的行業標準或框架，對網路安全建模的組織而言。
結論
許多人仍然認為較小的製造商，在很大程度上不受攻擊。不幸的是，這種情況並非如此。實際上，網路罪犯將缺乏專業知識，人員和資源的組織視為自身有吸引力的目標，方便的培訓場所，並且經常將其作為方便的第一手基地和跳板，以應對未來更大的攻擊。
作為一個過程，工業網路安全在範圍和時間方面，可與健康與安全媲美。你應該為團隊和技術定義策略，並開發過程以強制執行它們，建立基準並持續監視安全狀況，以便不斷維護和改進它並確保合規性。
這在公共和私人部門都是必要的，因為政客和管理人員，都不希望出於錯誤的原因而發布新聞。無論網路事件是否會損害公司的聲譽，破壞生產或在 OT 中引起安全警報，網路安全現在都由最高管理層負責。
．值得關注的 5 大零售技術
How the COVID-19 pandemic
could change the retail industry
「轉型」在零售業中，是成功的關鍵。靈活的流程，以及對購物者不斷變化的行為適應，要求在未來進行技術投資時，需要進行深思熟慮的決策。
總部位於柏林的零售專家 Ayhan Yuruk，指出了零售技術的重要性，並建議高科技創新，可以幫助零售商保持競爭力，但同時也要注意，大多數零售商對如何實施這些小工具尚不了解。在他們的商店和組織中獲得利益。傳統零售商需要整合智慧零售技術，以吸引其顧客。
以下是 2021 年零售技術的 5 大亮點：
AI - 人工智慧
．店內分析和跟踪解決方案
．對話商務
．值機終端
．遊戲化 2.0
人工智慧將如何在 2021 年改變零售業
人工智慧是數位環境中最顯著，最有希望的發展。
根據 Tractica（一家市場研究公司）的數據，預計全球 AI 軟體市場，將在未來幾年內顯示出巨大的成長，其收入將從 2018 年的約 95 億美元，成長到 2025 年的超過 1186 億美元。
幾乎所有市場行業和業務部門，都對 AI 表現出積極的興趣，並願意利用該技術獲得商業利益。借助 AI，公司可以使最終消費者的購物體驗更加愉悅和高效，同時減少不必要的成本。因此，毫無疑問地推廣和實施這項有前途的技術，尤其是在零售領域。
人工智慧不僅會增強購物體驗，還將幫助零售商優化其全球購買流程，並主要在車間獲得可以保證暢銷的商品。
機器學習將提供更好的趨勢預測，並在幕後進一步提高業務效率，從而最終帶來更多收入。
「在不久的將來，零售商將使用 AI 分析，進行更多的 1：1 比較，從而使他們瞭解自己的產品和價格，與競爭對手的比較。在不久的將來，對假冒偽劣產品和最低限度廣告價格，違規行為的監控將是一項重大投資領域。最終，我們希望看到零售商實施 AI，以幫助他們根據從零售分析平台中，收集到的見解採取行動。這些 AI 技術的實施將幫助企業減少庫存浪費，以適當的價格吸引消費者，提高服務質量並改善底線。」
Intelligence Node 首席執行官 Sanjeev Sularia 說。
使用 AI，零售商店可以讓客戶在商店內部獲得即時支持。透過放置螢幕和觸控面板，商店可以幫助客戶找到商品，查詢疑問並獲得啟發性內容，和針對他們的交叉銷售選項。此外，它還增加了對數百萬種其他產品的訪問權限，由於物理商店內的空間限制，當前無法實現。
人工智慧將統治零售領域，並幫助品牌在零售業務中，以客戶為中心並提高效率。
最佳店內分析和追踪解決方案
在競爭異常激烈的零售市場中，店內分析或所謂的 POS-Analytics 正因為顯而易見的原因而備受關注：它可以幫助零售商密切關注其客戶，並提供有關商店績效的寶貴見解。此外，所有這些數據都可以採取行動。
傳統零售商店正在積極應用分析技術，來吸引來自電子商務競爭對手的受眾。為此，店內分析已成為實體零售商營運策略中，不可或缺的一部分。它的好處也可以在其他領域看到，包括市場行銷、商品銷售和欺詐預防。
#SHOWROOMING 的創始人兼董事總經理 Ayhan Yuruk 說：「想像一下，用於實體空間的 Google-Analytics，它具有即時的客戶數據，並透過可穿戴設備上的推送通知選項，立即發出號召性用語。」 「憑藉強大的洞察力，POS-Analytics 使銷售人員能夠在工廠，就可提供一流的市場服務」
為了與網路商店競爭，零售商需要獲得盡可能多的有關客戶的資訊。我們不只是在談論好惡。他們想知道哪些顯示器正在工作，哪些產品正在下架，以及哪些會造成商店損失的詳細資訊。他們想了解並削弱陳列室的現象 - 當有人進入商店看到要在其他地方（通常是在網路上）購買的商品時。
這就是店內分析發揮作用的地方。它可以幫助零售商解決以下難題：
購物者還是消費者？在商店環境中，人們要么是消費者，要么是購物者。誰沒有購買任何東西，為什麼？從入口到出口，他們在商店裡做什麼？舊的門數統計和銷售轉換技術，並不能真正回答這些問題，更不用說了解買方動機了。
POS 分析如何提供幫助：店內分析可以向零售商，展示客戶的行為方式，從而改善購物體驗，並優化商店的商品放置佈局。這可以使人們從購物者變成消費者，甚至可以鼓勵他們花更多錢。
購物車中缺少什麼？零售商知道顧客從他們的商店購買什麼。但是他們還需要知道，客戶沒有購買什麼，以及為什麼購買。
店內分析如何提供幫助：這項技術可以提供有關店面展示效果，員工行動以及其他可用，來影響購買決策的因素的詳細見解。
從數據到見解再到行動。營運成功的零售環境意，味著需要基於許多因素做出許多決策。了解從日常營運，到市場行銷的決策的投資回報很重要；更重要的是，從理論洞察轉向積極行動。
POS-Analytics 如何提供幫助：即使在運行中，也可以即時測量儲存性能，以做出更好的決策。店內分析背後的技術，可以將複雜的數據集，解析為可操作的選項。
對話商務
對於嬰兒潮時代的嬰兒潮一代來說，他們看著柯克船長在《星際迷航》上與企業電腦對話，數位助理似乎有點像科幻小說。但是對於千禧一代來說，這只是自動魔術世界中的下一個邏輯步驟。
並且隨著這些千禧一代進入他們的消費高峰，透過語音驅動命令購買的產品的，收入預計將從現在的 20 億美元，躍升至 2023 年的 80 億美元。
我們已經看到購買習慣的重大變化。平均而言，使用 Amazon Echo 的消費者所花的費用，要比標準的 Amazon Prime 客戶多：1,700 美元對 1,300 美元。
首先，對於有興趣讓人類參與進來的組織而言，這是一家位於特拉維夫的新創公司 Beyond Verbal，該公司已經建立了 AI 客戶服務教練。只需分析客戶的語音語調，系統就可以判斷電話上的人是要敲打墊片，是真的興奮還是在兩者之間，發生任何事情。它已經被整合到呼叫中心中，以幫助人類銷售代理了解並響應客戶的情緒，使這些呼叫更加愉快，同時也更有利可圖。例如，透過分析單詞選擇和人聲風格，Beyond Verbal 的系統可以判斷出，電話上的人實際上是哪種購物者。如果他們是早期採用者，則 AI 會提醒銷售代理，為他們提供最新和最出色的服務。如果他們比較保守，則建議你嘗試更多。
遊戲化
「遊戲化如何提高忠誠度、增加銷售量，並吸引你的零售客戶？」在探討收益之前，請先弄清楚遊戲化的含義。簡而言之，遊戲化將游戲玩法的元素，帶入了非自然的遊戲中，例如零售商店。根據波士頓零售合作夥伴的說法，在未來五年中，十分之九的零售商，將使用這種技術。
特別是如果你的目標人群，是年輕且精通技術的客戶，則應考慮發展遊戲化。一款擁有獎勵獎勵和特殊促銷活動的遊戲的 Master App，你可以輕鬆吸引客戶的參與。
這種趨勢依賴於我們尋求競爭的自然趨勢 - 無論是「壟斷」還是從當地咖啡店收集郵票，人們都渴望獲得勝利，透過提供他們喜歡的遊戲，將你的客戶變成玩家。我們也從父母那裡，學到了這種行為方式，他們一直在使用遊戲化：他們不要求穿鞋，而是提出了一場競賽，看誰先做好準備。
它們是可以與遊戲化，結合的零售經驗的許多要素。一個例子是商店內部的遊樂空間，鼓勵顧客玩圍繞品牌產品的遊戲。這種技術的一個巨大優勢是，它可以娛樂，吸引客戶並為他們提供積極的體驗。讓店內購物體驗對你的客戶而言，是令人興奮和有意義的，這一點很重要。
如果你的品牌尚未使用此技術，來吸引和獎勵客戶，那麼該是開始的時候了。為你的商店帶來娛樂的好處有很多，你可以獲取技術所帶來的數據收集潛力，以及以客戶重視的形式，獲得品牌知名度和客戶參與收益。
不僅商店中的流量會增加，而且顧客會以興奮之類的積極情緒離開商店。
您的零售品牌是否準備好利用 AI， 和其他有前途技術的真正潛力？請諮詢我們的專家，以發現你的品牌，和實體店在 2020 年不應該錯過的適應方式。
 |
．深度探討智慧水產養殖的應用技術
AquaEasy - The IoT solution for aqua farmers - BOSCH
1引言
漁業和水產養殖產品，是重要的蛋白質來源，可為全球數億人口提供食物和收入。在過去的 50 年中，全球水產養殖產量急劇成長，2018 年水產養殖的魚類總產量，達到創紀錄的 8200 萬噸。在水產養殖的發展中，傳統的生產模式在水產品的快速成長中，發揮了重要作用。
然而，隨著消費水準和環境保護意識的提高，傳統水產養殖模式的各種弊端逐漸出現。大多數傳統耕種模式，通常需要低資本投資和低勞動技能要求，並且由於現金回報低，因而對年輕人沒有吸引力。
此外，傳統模式可能會在有限的土地，和其他資源上施加壓力，並且更容易遭受颱風和乾旱等自然災害的影響。工業循環水產養殖系統（RAS）的優勢已逐漸顯現。儘管這些系統並非沒有挑戰，但希望 RAS 可以避免傳統模式中遇到的一些問題。
隨著新技術的發展，水產養殖已從傳統的勞動密集型養殖，轉變為機械化水產養殖，並逐漸發展為自動化系統。勞動密集型模型主要依靠人類經驗，勞動成本較高。RAS 大大減少了勞動力需求，並且產量通常大大提高。
但是，自動化生產模式需要更多熟練的工人，從而影響成本效益，水和飼料等資源，仍然受到影響。隨著用於水產養殖的勞動力的減少，和對水產養殖產品的需求的增加，迫切需要一種新的智慧水產養殖模式。
物聯網（IoT）、大數據、人工智慧、5G 網路，雲端運算和機器人技術的出現，使智慧水產養殖成為可能。
智慧水產養殖，是一種智慧生產模式。它採用物聯網、大數據、人工智慧、5G、雲端運算、機器人技術，透過遠端控製或機器人，獨立控制水產養殖設施、設備和機械，來完成所有生產和管理操作。
它是現代資訊技術與水產養殖生產、營運、管理和服務的整個產業鏈的整合。它是現代水產養殖發展的一種新的商業形式。
物聯網是智慧水產養殖的基礎，而大數據採集和大數據研究，將促進水產養殖中使用的人工智慧技術的研究。此外，大數據和人工智慧，是物聯網智慧營運的核心，對於實現水產養殖控制的準確性相當重要。物聯網驅動的智慧設備，是智慧水產養殖的基礎，可以解決勞動力限制，減輕水產養殖造成的環境和資源問題。
智慧水產養殖涉及以下方面：
透過各種溫度和濕度感測器，CO2 感測器、光感測器、溶解氧感測器，各種其他水質參數感測器、攝影機和其他數位圖像數據採集設備來收集資訊。
透過通信節點將收集的數據，傳輸到控制中心。此資訊可能包括魚類的生長、環境參數、操作和資源分配。
在雲端平台上，執行數據處理和決策。
回饋到每個執行設備的決策，以及智慧和自動執行操作，以實現可持續的「高效、高品質、生態、健康和智慧」水產養殖。
透過先進的設備和機器人，智慧水產養殖可以完成養殖物種的繁育和成長期、循環水處理、精確餵養、水質監測、淨洗、計數、捕撈、分類和定級。例如，基於水質，魚類行為和氣象資訊，智慧的供氣系統可以精確控制供氣、循環水處理設備和清潔設備，以實現對水質的精確控制。
根據魚的生物量、水質、環境和行為，將智慧餵食器和深度學習相結合，可以即時適當地餵食魚類，以確保魚類的健康，快速生長。自動魚分割器可以匯集和收穫，不同大小和年齡的魚苗。故障診斷和預警系統，目的在確保循環水系統，始終安全運行。
2 智慧水產養殖的重要方面
2.1 感測器技術
感測器在智慧水產養殖的發展中，起著非常重要的作用（Su，Sutarlie 和 Loh，2020 年）。目前，感測器行業發展迅速。核心感測器技術的突破，現代資訊技術的發展，雲端技術的快速發展，大數據平台的建設，以及應用和推廣的增強，所有這些都意味著感測器在育種、成魚成魚中的應用將更加廣泛。
水產品的儲存和運輸，水產品的加工、運行和維護的智慧漁業設備。同時，對感測器技術的日益成長的需求，正推動著高精度、高性能、多功能、低成本、小型化、聯網能力和更長使用壽命的新型感測器的發展。
隨著現代物理學等新技術的進一步發展，例如奈米技術、雷射、紅外線、超音波、微波、光纖、強磁體、放射性同位素，以及整合技術的不斷發展，這為感測器的整合開闢了前景。
感測器開發的其他重要趨勢，包括將微米級零敏感測器、信號檢測、轉換處理電路和電腦的 CPU 整合在單個矽晶片上，從而開發出具有更廣泛應用範圍，更高應用範圍的多功能小型便攜式感測器。可靠性高，使用壽命長。生物感測是感測技術的另一個未來方向。
據信，隨著新型感測器在智慧水產養殖各個方面的開發和應用，可以透過 IoT 實現現場監控、遠端調試、遠端故障診斷、遠端數據收集和即時操作，從而實現無人值守的智慧水產養殖生產。
2.2 物聯網技術
無人駕駛、智慧化和高精度農業，在農業中發展迅速，但是在水產養殖中全面佈署它，仍然存在許多障礙。由於水產養殖做法的高風險性質，在可預見的未來很難想像，完全不用人工管理。然而，大量的智慧設備，包括負責監測漁業環境資訊的微米和奈米感測器，用於生產和自動檢查的仿生機器人，智慧分揀和水產品節能處理設備，將極大地實現水產養殖和養殖的不同階段的自動化。
節省勞動力。每件設備都將透過 IoT（即「雲端網路與邊緣」）互連。無人操作場是否可以在最佳生產條件下，運行直接取決於設備之間「協作合作」的即時性、安全性、可靠性和準確性。將來，水產養殖物聯網的「網路」層，必須滿足以下資訊傳輸技術要求。
首先，無縫網路覆蓋，即無人農場中的所有網路設備，都可以在網路存取資訊，不受地理位置或時間的限制。
其次，峰值傳輸速率可達到 100 Mbps ～ 1 Gbps（5G 技術），定位精度達到厘米級，網路延遲降低至微秒級。
第三，具有超高可靠性和每立方米 100 個設備連接的高密度，網路中斷的可能性不到百萬分之一。
第四，支持多網路整合，業務整合以及地面、衛星和機載網路的無縫連接。
第五，與人工智慧等新技術的深度整合，將提高漁業設備，在感知、定位和資源分配方面的情報水準。
第六，在網路傳輸安全性方面，未來的水產養殖資訊傳輸技術，應具有抵抗網路攻擊和追踪攻擊源的能力。
2.3 智慧資訊處理模式
水產養殖中的一個重要問題，是監測和預測養殖魚的個體資訊。使用智慧資訊處理模式，可以滿足此需求。從最新發展來看，魚類鑑定（種類、大小、性別），品質估計（計數、大小測量、品質評估）和行為監測，似乎已經得到了廣泛處理，並且有令人滿意的一般解決方案。
但是，資訊技術在水產養殖中的應用更為複雜，因為被檢查的對象敏感，容易受到壓力且活動自如，並且在大多數情況下光線，可見度和穩定性無法控制。
該設備必須在水下或潮濕環境中運行，並且價格便宜。這些給定模式的建立，增加了更多的困難，相對於其他畜牧業而言，挑戰變得更加困難，因此還沒有廣泛使用商業應用，並且目前還沒有獲得期望的結果。
智慧資訊處理模式，已經取得了一些進展，但尚未成熟成為用於水產養殖的有用工具。智慧模式存在一些問題，無法解釋造成觀察到的模式的生物學機制，並且模式範圍以外的數據的外推結果，存在較大誤差。
但是，該技術在水產養殖中，有許多潛在的應用，可以提高產品品質或生產效率。儘管一些國家對智慧模式在水產養殖中的應用，進行了大量研究，但實驗設置相對簡單，干擾很小，而且大多數仍處於實驗階段。
仍有許多細節需要進一步研究，例如非線性校準模式，將數據挖掘和資訊技術相結合，支持向量機和基於內見記憶體的學習，人工神經網路，以及深度學習以改進上述技術，以實現工業化並被工業部門採用。
2.4 設備數位化，精度控制和邊緣運算
智慧水產養殖需要精確的設備控制，以實現水產養殖系統的自動運行。以供氣設備為例。在傳統模式中，農民必須手動打開或關閉開關，以控制水中的氧氣含量。
在現代感測器時代，農民可以遠端使用電腦終端或行動電話，發送命令來控制設備，從而可以自動打開和關閉執行器，例如幫浦和供氣機。在最新發展中，智慧水產養殖系統可以透過感測器，將氧氣測量值直接發送到系統，並且系統可以即時了解水中的溶解氧。根據收集的數據和參數設定值，集中控制器可以自動打開或關閉水泵、電子閥或水處理設備。
顯然，穩定可靠的感測器和專業的專家數據庫，是維持設備良好性能的關鍵。複雜的水產養殖環境可能會影響執行器，這意味著機器使用壽命可能很短。
如果無法即時處理機器故障，將導致自動化過程中斷，並帶來嚴重後果。儘管一些專家已經對水產養殖設備的故障排除技術，進行了大量研究，但涉及的機器數量很少，大多數仍處於試驗階段。因此，應進行進一步的研究，以加強設備監控，以提高智慧水產養殖系統的準確性和完整性。
2.5 大數據和雲端平台
由於水產養殖的特殊對象，複雜的環境和許多影響因素，因此對水產養殖進行準確的監測、檢測和最佳控制，是極其困難的。解決這些問題的根本方法，是將大數據技術與雲端平台相結合，處理和分析水產實際養殖產生的大量數據，並以直接的形式，向生產者和決策者提供有用的結果。
水產養殖大數據和雲端平台技術，是大數據技術在水產養殖領域的特定應用技術。透過獲取、分類、處理、管理、挖掘和分析水產養殖數據，可以提取有價值的資訊，並將其提供給生產者和決策者，以實現準確、智慧，和最佳反應。
大數據和雲端平台主要用於數據收集、儲存、數據挖掘，以及在水產養殖中的應用。其中，數據收集技術用於收集在水產養殖生產，加工和銷售中生成的數據，例如 Internet 數據、物聯網的感測器數據、工業管理系統、專業數據庫和傳統格式的數據。
數據儲存和計算技術，主要用於解決水產養殖數據的儲存和處理問題。由於水產養殖大數據的多源異質性，有必要先對數據進行整合，然後再將其儲存在目標數據庫中，或進一步處理和分析。
對水產養殖大數據的多樣性，數據儲存和針對均值處理方法要求是必需的。傳統的數據分析建模需要大量的先驗知識和工具，借助人類的認知能力，從數據中學習自然規律，然後建構機制模式。複雜的水產養殖生產環境，導致數據的多樣性、異質性和不確定性。透過人類觀察發現，隱藏的知識和規則的過程，需要很長時間，並且預先建立的模式，可能無法很好地適應實際情況。
另一方面，在數據驅動的建模過程中，數據分析和挖掘技術，可以自動發現隱藏在數據中的模式，建構水產養殖數據分析和模型，將其整合到水產養殖大數據雲端平台上，以及向使用者提供分析結果和數據服務，以供決策。
近年來，大數據分析技術和雲端平台技術的結合，已在水產養殖業的生產前、生產中和生產後使用。它已被用於提供水產養殖環境預測和預警，疾病診斷和預警的解決方案，異常行為檢測和分析，市場分析和挖掘，以及品質控制和可追溯性。但是，仍然存在以下挑戰：
缺乏或很少共享水產養殖的大數據。數據收集技術的發展和工業規模，限制了水產養殖大數據的可用性。水生動物的生物多樣性，及其生長環境的複雜性，給數據採集帶來了挑戰。目前，在實驗室環境中進行了大量研究。在自然（通常是渾濁的）環境條件下（例如魚病過程和魚的異常行為）進行影像圖像的採集，是水產養殖大數據的瓶頸。
缺乏用於水產養殖的智慧分析模式和技術。網路和物聯網技術的發展，極大地豐富了水產養殖大數據的來源，並形成了水產養殖大數據的基礎。但是，水產養殖大數據研究的情報水準，仍需要進一步提高。
缺乏整個產業鏈中，水產養殖數據的相關性分析。一方面，數據本身缺乏時空相關性，再加上水產養殖中，大數據技術的不同應用深度，導致數據規模和數據品質的差異，使得無法整合數據鏈及其相關性，來分析各種問題。
另一方面，生產前、生產中和生產後的水產養殖數據相互分離，這使得它無法滲透到產業鏈中，並且也難以探索隱含的聯繫，例如水產品的品質可追溯性。無法整合到整個產業鏈。
2.6 系統整合
系統整合技術，是建設智慧水產養殖的關鍵技術。它涉及連接各種水產養殖設備和子系統，以形成一個完整的智慧水產養殖。智慧水產養殖系統，目的在形成一個完整的整合解決方案，以解決養殖者的需求，從而使系統的整體性能達到最佳、技術先進，易於實施且使用靈活。智慧水產養殖系統整合，包括設備系統整合和應用系統整合。
設備系統整合是指不同類型和數量的水產養殖設備的組合，例如氧氣濃縮設備、感測器、進料設備和水處理設備，這些設備需要相似的通訊介面、傳輸模式、工作電壓，以及各種設備的其他參數。
因此，設備系統整合需要為水生設備的參數設計，建立統一的標準，根據該標準選擇設備，並將各種設備連接到 IoT 平台進行監控。此外，應優化設備的佈局，以使其效率最大化。
應用系統整合，是指智慧水產養殖場中，每個子系統和專家知識庫的整合，例如水質監測系統、數據智慧處理系統和魚害蟲知識庫。
每個子系統的整合，主要是為了解決每個系統之間的數據調用，數據通信以及其他問題。雲端運算、邊緣運算和其他方法，可以為整合應用系統提供良好的解決方案。
總之，智慧水產養殖系統的整合，是依據使用者的需求，智慧水產設備和技術的設計，以及使用其他輔助技術，來解決系統建構中的各種問題。更高的系統穩定性、數據處理速度和智慧生產，是智慧水產養殖系統整合的主要研究方向。目前，5G 技術和雲端運算，對智慧水產養殖系統具有重要意義，但是在智慧水產養殖系統中，仍未研究可靠的智慧算法，和長期穩定的操作設備。
3 未來展望
智慧水產養殖可以在各個方面，提高可持續性和資源利用效率。它還可以減少人工成本，提高生產率，並提高水產品的品質。但是，應考慮其他因素，例如高資本成本和能源成本，以改善智慧水產養殖。以下是未來前景和挑戰的不完整列表：
智慧水產養殖有潛力減少廢物排放，回收廢物並提高資源利用率。也就是說，它可以減少飼料用量，並透過大數據分析和即時調整，來更好地控制廢物和水質。為了實現綠色和可持續的生態水產養殖，需要做更多的工作，例如透過使用可再生能源設施，來節約能源，以及透過更好的（例如，水培法）系統，來節約用水。
智慧化水產養殖，可以大大提高水產品的產量、品質和安全水準，並可以全面降低水產品的生產和營運成本。例如，智慧即時監視和管理，可以監視環境和魚類的健康。它可以使魚處於最佳生長狀態，並提高魚類的品質。
但是，在降低人工成本（例如增加資本和能源成本）方面，存在權衡取捨；因此，在整個過程中，將需要進行更多的研究和經濟分析，以找出使智慧水產養殖，在經濟上可行的方法。此外，由於水產養殖的高風險性質，感測器或其他組件的故障，可能導致災難性錯誤，和農作物損失，因此需要開發更強大的模式，來實現完全無人值守的操作系統。
智慧的氣候和水產養殖環境資訊管理，可以幫助增加水產養殖量並減少損失。這有利於解決海產品需求問題，從而保護野生資源。
智慧設備和機器人技術的應用，可以解決勞動力，並提高生產效率。此外，智慧水產養殖可以透過促進智慧產業，和對技術人才的需求，來改變勞動力隊伍，從而促進經濟發展。
儘管水產養殖涉及越來越多的技術，但與其他農業食品行業的水準，仍然相距甚遠。生產過程中越來越多地應用了大數據，機器人技術，物聯網和仿真等技術的進步。
人工智慧技術平台，是智慧水產養殖的核心技術，集數位化、工業化、機械化、大數據資訊等於一體。迄今為止，「智慧水產養殖」的許多決策，仍是根據經驗而非實際數據。
因此，智慧水產養殖模式的可持續發展，對於將傳統水產養殖與智慧技術、育種技術和資訊技術相結合，以實現水產養殖自動化生產，和資訊管理是必要的。
此外，政策和組織也是影響智慧水產養殖模式，可持續發展的重要因素。如果科學研究系統和創新機制的改革，落後於這種水產養殖模式所創造的市場需求，那麼政策和組織，將成為限制智慧水產養殖創新研究和發展的因素。
|