Zdražuje hardware, nikoli však duševní práce. A právě duševní práce, tedy práce lidí na návrhu prototypů, tvorbě firmwaru, dokumentaci a testování – to byla vždy ta nejdražší položka při vývoji elektroniky. Vývojový cyklus, který ještě před pár lety vyžadoval tým odborníků, nějaký ten rok času a rozpočet ve stovkách tisíc eur, se dnes dá stlačit do několika týdnů práce a nákladů, které nezatíží ani rozpočet malé firmy.

Nedívejte se jen na rostoucí ceny – tak uvidíte pouze krizi. Kdo se podívá pozorně, najde i příležitosti, které tato doba přináší.

Dobrý nápad nestačil

Představte si, že jste v roce 2018 dostali nápad vyrobit jednoduché IoT zařízení v podobě senzoru, který by shromažďoval cenná data a posílal je do centrály k dalšímu zpracování. Co byste potřebovali? Hardwarového inženýra, který by navrhl schéma a připravil prototyp desky plošných spojů, dále programátora, který by napsal firmware na míru zvolenému počítači (mikrokontrolér), a designéra, který by vyřešil mechaniku a kryt. Vyrobili byste několik prototypů, které byste ladili a testovali, přičemž každý z nich by měl šest- až osmitýdenní dodací lhůtu. Výrobce PCB by vám nakonec řekl, že pod tisíc kusů to pro vysokou cenu za kus nemá smysl – a to ještě nejsme na konci.

Vaše zařízení by sbíralo data a posílalo je serveru k dalšímu zpracování. To by znamenalo počítat i s backendovým řešením a s aplikacemi, které by data vyhodnocovaly a které by musel někdo naprogramovat a spravovat. Při tomto modelu by vznikaly každoroční náklady za přenos, ukládání a zpracování dat, stejně jako náklady na samotný hardware, jeho provoz a údržbu. A ty by rok co rok rostly.

Výsledkem bylo, že dobrý nápad bez opravdu velkého vstupního kapitálu neměl velkou šanci na úspěch. Neustále se rozhodovalo, který projekt podpořit, a který ne. Na druhý pokus obvykle nebyly peníze a šanci měly jen ty s největším potenciálem na rychlou návratnost – tedy ty, které dokázaly přesvědčit investory.

Co se změnilo?

V prvé řadě jsme přestali navrhovat počítače a místo toho přímo integrujeme hotové moduly (jednočipové počítače a mikrokontroléry s vlastní jednotkou akcelerace neuronových sítí). Dnes se dají koupit za desítky eur už při jednotkových množstvích. Doslova za pakatel dostanete plnohodnotný linuxový modul nebo SoC (systém v čipu), který zvládá i pokročilou videoanalýzu s rozpoznáváním objektů v obraze. Stačí jen vyřešit napájení, konektory a rozhraní k senzorům. Máte tedy mnohonásobně jednodušší úlohu než před pár lety a stojí vás to jen zlomek ceny.

Navíc dnes do samotného vývoje vstupuje jako nový pracovní nástroj i umělá inteligence. Pomáhá vybírat komponenty, dělat rešerše z rozsáhlých katalogů a navrhovat alternativy podle aktuálně dostupných skladových zásob. AI zkontroluje schémata a upozorní vás na chyby ještě před vytvořením prvního prototypu. Pomůže vám vygenerovat základní firmware, vytvoří ovladače běžných senzorů, dodá testovací skripty i technickou dokumentaci. Zkušený inženýr s podporou AI stihne už za týden to, co mu předtím trvalo víc než měsíc. Můžete tak využít menší tým, případně rovnou zadat práci externí firmě, která vám za zlomek dřívějších nákladů navrhne a přímo vyrobí pár funkčních prototypů, otestuje je a dodá vám takto hotový produkt.

Místo budování vlastní drahé infrastruktury si backend k projektu můžete pronajmout jako cloudovou službu za zlomek ceny a bez starostí s provozem.

Inteligence se přesouvá na okraj sítě

Náročné operace dnes lze provádět na okrajových zařízeních, čímž se snižuje závislost na centrálních serverech. Analytický model, který z obrazu rozpozná výtluk na silnici nebo prázdnou polici v prodejně, se vejde do několika megabajtů a běží přímo v čipu za pár eur.

Server dostává zpracovaná data, která opravdu potřebuje, a stačí mu proto mnohem menší výkon. Místo hodin videa, které by bylo potřeba analyzovat, dnes do centrály putuje jen krátká informace, například o čase, poloze a typu nálezu spolu s fotografií k dalšímu vyhodnocení. Náklady na přenos a ukládání dat se můžou výrazně snížit, zatímco se latence zkrátí na milisekundy a citlivé údaje (například tváře nebo registrační značky) lze filtrovat, anonymizovat nebo uchovávat lokálně, čímž se sníží množství osobních údajů, které opouštějí zařízení. To je argument, který nepřebije ani cena.

Vzniká tak zajímavý paradox: výpočetní zdroje sice zdražily, právě proto se však vyplatí navrhovat zařízení, která jich potřebují míň. Omezení dělá z vývojářů lepší inženýry.

Popelářské vozy jako součást chytrého města

Krásným příkladem inteligentního IoT řešení je systém CAMAN společnosti Canex. Na běžný popelářský vůz se doplní kamera a malý počítač, který cestou sbírá data z kamery. Vozidlo dělá přesně to, co dosud – sváží po městě odpad –, ale přitom zaznamenává i stav vozovek, nová graffiti na fasádách budov u silnice, odpadky na ulicích, chybějící nebo poškozené kanalizační poklopy a kontroluje také stav městské zeleně u komunikací. Úředník na městském úřadě už nemusí čekat na stížnosti občanů ani neustále objíždět každou ulici ve svém obvodu, protože má k dispozici vlastní mapu s vyhodnocenými prioritami a časovým vývojem kritických míst. Může tak reagovat na problémy už v zárodku, ještě než z nich vyrostou mnohem větší.

Podstatné je, že pro toto řešení nevznikla žádná nová infrastruktura. Svozová vozidla jezdí po svých trasách s pravidelnou frekvencí a pokrývají téměř každou ulici ve městě. Ideální senzorická síť tedy už existuje, jen se do ní přidala kamera jako senzor, malý počítač a software.

Jezdí kolem nás autobusy, kurýrní dodávky, servisní vozy, zemědělské stroje, v budovách jedou výtahy a klimatizace, na chodbách jsou automatická světla, na dveřích přístupové systémy a v obchodech pokladní terminály, jejichž výpočetní výkon využíváme jen na zlomek kapacity. Každé z těchto zařízení může být potenciálním senzorem něčeho úplně jiného, než k čemu to bylo původně pořízeno. Chybí jen nápad – a ten stojí nejméně.

Co umělá inteligence nevyřeší?

Bylo by nezodpovědné tvrdit, že cesta od nápadu k funkčnímu produktu je přímá a zcela bezproblémová. Analýzy IoT projektů se dlouhodobě shodují na tom, že většina z nich nedosáhne původně očekávaného výsledku a část ztroskotá už v pilotní fázi. Na vině nebývají ani tak technologie, jako spíše nedostatek zkušeností, podceňovaná složitost řešení a především bezpečnost. Právě na tyto tři oblasti spolu s otázkou, kam a jak se data ukládají, upozorňuje ve svých materiálech o IoT i společnost Kingston, která se dlouhodobě věnuje paměťovým řešením průmyslových a serverových nasazení.

Přestože jsou simulace při vývoji velmi nápomocné, člověk zůstává nenahraditelný. A jsou případy, kdy vám nepomůže ani zrychlení vývoje pomocí AI, protože prostě žijeme ve světě, který se neustále mění. Když vytvoříte a vyladíte prototyp za jasných slunečných dnů, neznamená to, že bude stejně dobře fungovat za deště nebo když udeří mrazy a sněhová pokrývka vytvoří jiný typ protisvětla. Jistě, existují zařízení, která dokážou simulovat různé stavy, ale u některých produktů odhalíte až při testování v reálných podmínkách věci, na které je i analýza krátká. A trvá to přesně tak dlouho, dokud se nevystřídají roční období.

Nepodceňujte ani nasazení produktů v průmyslovém prostředí. Je to něco úplně jiného, než když stavíte hobby projekt. Ve výrobní hale nebo na vozidle musí zařízení čelit vibracím, snášet prudce se měnící teploty a elektromagnetické rušení, odolávat neočekávaným výpadkům nebo alespoň výkyvům napájení. Nelze proto podceňovat ani výběr komponent. Běžná paměťová karta, kterou si koupíte do mobilu nebo kamery, v takovém prostředí vydrží možná pár měsíců – a stejně dopadne i klasický SSD disk. Naštěstí existují i odolné průmyslové paměti s definovanou výdrží a vyšším počtem přepisů. Stačí se poradit s odborníky, například prostřednictvím programu Ask an Expert, který najdete na stránkách Kingston (www.kingston.com/askanexpert). 

Nezapomínejte ani na to, že bezpečnost už není volitelná. Evropská regulace postupně přenáší odpovědnost za bezpečný návrh a za správu zranitelností na výrobce a dodavatele, a to po celý životní cyklus produktu. K rozpočtu na vývoj proto patří i plán, jak budete další roky řešit bezpečnostní záplaty.

Často se vyžadují také různé doplňující testy a certifikáty, které ani umělá inteligence neurychlí a nezlevní. Přesto je dnes možnost ověřit si, zda nápad opravdu funguje, otázkou částky, kterou většina firem schválí bez diskuse.

Využijte nové příležitosti

Pro samosprávy je IoT nejlevnější cestou k tomu, čemu říkáme chytré město. Pomocí cenově dostupných IoT zařízení můžou sledovat stav infrastruktury, obsazenost parkovacích míst či spotřebu a tlak vody, ale také řídit veřejné osvětlení podle reálného provozu. Není to velký projekt za miliony, ale série malých kroků, z nichž každý se dá zaplatit z běžného rozpočtu a v krátkém čase i vyhodnotit.

Tento model je výhodný i pro firmy, protože jim umožňuje řešit velmi specifické problémy, na které dosud hotový produkt neexistoval. Nikdo nepostaví globální platformu na sledování kvality vody v šesti obecních vodojemech ani nevytvoří aplikaci na kontrolu, zda byl do stroje správně založen materiál nebo zda pracovníci v areálu dodržují bezpečnostní předpisy a nosí přilby. Je to však velká příležitost pro menší místní firmy, které znají lokální prostředí a dokážou využít výhody dnešního světa.