LinkIt ONE穿戴式裝置與物聯網應用卷五【雲端控制檯燈（上）：MediaTek Cloud Sandbox】

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

文／CAVEDU教育團隊

各位讀者好， 認識了如何用MCS來控制LinkIt ONE 的腳位狀態之後，接下來兩期會帶領您實作雲端氣象站專題。本期要介紹的是智慧居家或植物照護系統中常用的溫濕度感測模組，也會告訴您如何將感測器讀取到的溫度與濕度變化顯示於Arduino IDE 的Serial Monitor 中。到了下一期，就要把資料上傳到MCS 雲服務上囉。想像一下，走到哪裡都可以監控家裡的狀況，這樣也會心安一點吧。本專題可以在MCS 上檢視家中溫度、濕度與氣壓的變化。您可以根據這樣的架構加裝更多您想要的感測器與受控裝置。
MCS 也一併提供了Android 應用程式， 請由此連結（https://mcs.mediatek.com/v2console/supports/
mobile_application）或在Google Play搜尋「 MediaTek Cloud Sandbox」，接著安裝到您的Android 裝置上。開啟程式後只要登入您先前所註冊的MediaTek Labs 帳號， 就能在手機端即時檢視或控制開發板的狀態。
所需零件：
• LinkIt ONE開發板，1片
• Wi-Fi／藍牙天線，1組
• Grove溫濕度感測器模組（Grove – Temperature and Humidity Sensor Pro）
• DHT11/22溫濕度感測模組（根據上一零件選用）
• Base Shield擴充板
• 麵包板與線材（根據上一零件選用）

Grove 溫濕度感測器模組
本專題會在LinkIt ONE 上加裝一個Grove 溫濕度感測器（ 圖1a） 來量測溫度與濕度的變化。其中的Grove溫濕度感測器， 實際上就是整合了DHT11 溫濕度感測器（ 圖1b） 的模組。請注意， 如果您是自行購買DHT11 溫濕度感測器的話， 需要匯入DHT 函式庫（http://playground.arduino.cc/Main/DHTLib）。另一方面，由於Grove 溫濕度感測器模組有針對LinkIt ONE 進行最佳化， 也有自己的函式庫（https://github.com/Seeed-Studio/Grove_Temperature_
And_Humidity_Sensor），您如果直接在LinkIt ONE 上使用DHT11 感測器時，有時候讀到的數值會不規則跳動。

圖1a Grove 溫濕度感測器。

圖1b D H T 1 1溫濕度感測器。

表1 Grove 溫濕度模組規格

硬體接線

請將Grove 溫濕度感測器接到Base Shield 上標示A0 的Grove 接頭，如下圖：

圖2 將溫濕度感測器裝在A0 的Grove 接頭。

如果您自行購買DHT11 感測器的話， 請將左側1 號腳位接5V ，2 號腳位串聯一個4.7KΩ 電阻之後接到LinkIt ONE 的數位腳位， 如圖2 的D6 腳位。請注意， 使用獨立的DHT模組時需連接到開發板的數位腳位，但使用Grove 溫濕度感測模組則是連到類比腳位，例如本範例的A0。這是兩者的主要差異所在。

圖3 連接DHT11 與開發板。

表1 溫濕度感測器範例

單機版程式

本範例首先要透過MCS 來切換一個連接到繼電器模組的家電裝置（例如檯燈或風扇）。在此需要一個Data Channel ， 請依照表2 的說明新增Data Channel ，完成如圖3。

以下是重要程式解說：

• 宣告DHT類型

06 行的語法代表我們要使用的溫濕
度感測模組為DHT22 ， 請根據您所
使用的模組來修改此處。

• 宣告DHT物件

程式中必須先宣告一個DHT 物件才能進行後續的讀取感測器值操作，由以下指令可以看到我們宣告了一個名為DHT 的dht 物件，同時要指定連接腳位DHTPIN ， 也就是03 行的A0 ，以及指定DHTTYPE。

• 讀取溫度與濕度

宣告之後，就可以透過以下語法來分別讀取濕度與溫度，由以下指令可看到回傳值為浮點數。

• 錯誤檢查

使用if 搭配 isnan 語法來檢查t 與h 是否有效，如果並非數字就表示有地方出錯， 會在Serial Monitor 顯示
錯誤訊息。

• 顯示於Serial Monitor

如果一切OK 的話，就透過Serial.print(h); 與Serial.print(t); 在Serial Monitor 顯示濕度與溫度。請注意在39 行，我們使用delay(5000); 讓程式每5 秒鐘循環一次，畢竟溫度與濕度不會在短時間大幅度變化，因此不需要頻繁更新。

操作

執行時， 將可在Arduino IDE 的Serial Monitor 視窗中看到溫度與濕度的變化（圖4），在此為每5 秒鐘更新一次，因為這兩個物理量不會變化太快。您可以對它用嘴呵氣，或用手指輕輕捏住感測器本體，來看看濕度與溫度的變化。

圖4 顯示溫度與濕度資訊於Serial Monitor 。

本期介紹了如何讓LinkIt ONE 開發板藉由Grove 溫濕度感測器模組來讀取環境中的溫濕度變化，下一期將會把這些資料上傳到MCS 雲服務， 期待您與我們一起動手製作有趣的物聯網專題。

參考資料：

Seeed Studio 溫濕度感測器函式庫與範例程式載點：
https://github.com/Seeed-Studio/

MediaTek Labs
http://labs.mediatek.com

Seeed Studio Wiki
http://www.seeedstudio.com/wiki/LinkIt_ONE

CAVEDU LinkIt ONE 教學
http://blog.cavedu.com 搜尋linkit

文章原文刊載於《ROBOCON》國際中文版2016/5月號

本篇文章由 聯發科技創意實驗室 （MediaTek Labs） 贊助，泛科學策畫執行。

2015年是無人機蓬勃發展的一年，同時也是各種無人機自殺攻擊事件頻傳的一年，如果有個恐怖組織名稱叫做「無人機」，ISIS大概可以收一收了，因為無人機的戰力實在太強大啦！這一年來無人機陸續攻擊了台北 101、美國白宮、日本首相官邸與世界文化遺產姬路城，並且差點擊中正在參加高山滑雪世界盃競賽的選手，這一連串的意外凸顯出無人機的安全問題，目前世界各國與企業都在從技術與法規面著手，確保未來世界可以享受無人機帶來的便利，又不會三不五時就被暴走的無人機攻擊。

在 2015年的世界通訊大賽物聯網及穿戴式組的冠軍，正是由來自南台灣的學生團隊所研發出的無人機飛行安全監控平台，這支名為 Sky Sentry的團隊，年紀雖然不輕，但是創意完全不輸年輕人，加上多年的實戰經驗，開發出來這套平台，獲得評審們的一致好評，而開發的靈感其實是來自於團員的切身之痛。

LinkitOne開發板威力無窮

目前就讀南台科技大學電子工程系博士班的蔡博智，最近幾年開始接觸無人機，但是已經走失了兩台；他的朋友更慘，買了一台 36,000元的無人機後，第一次升空拍了一張照片，就再也不見蹤影。

「問題出在連線的方式，無人機與控制器之間的連線就像紅外線或 Wi-Fi，以點對點的方式連接，一旦飛行超過連線距離，或是被建築物干擾訊號，無人機就會開始迷航。」蔡博智說，在都市裡面更容易因為玻璃帷幕的反射，造成訊號混亂而失控。

團隊想出來的解決方法就是，讓無人機擁有跟手機一樣的訊號，透過 GPRS或 3G連線接上 Internet，即使短暫失聯，只要附近有基地台就可以恢復連線，找到回家的路，從這個概念出發，他們開始著手設計這個飛行監控平台。

實際製作時，他們在硬體設計上，先比較了 Arduino和 LinktOne兩塊開發板。而 LinkitOne的強項在於內建了完整功能，不僅有 GPRS連線功能，還有 GPS、藍牙與 micro-SD卡，只要在無人機上加裝這塊板子，與飛行控制系統結合，就可以大幅強化無人機的通訊能力，如果失蹤墜落，還可以透過藍牙訊號搜救，micro-SD卡還能儲存飛行紀錄，就像是大型飛機的黑盒子一樣，可以判斷飛行過程中發生了什麼問題來進行調整。

「實際操作上，LinkitOne還有兩個巨大的優勢，便宜跟重量較輕。」蔡博智說，無人機體積小、重量輕，對於重量必須斤斤計較，要加裝在上面的開發板必須要夠輕巧；而 LinkitOne的價格也許比陽春版的 Arduino開發板貴，但是 Arduino要加裝各種元件才能達到 LinkitOne的功能，價格卻遠遠超過 LinkitOne，這樣一比 LinkitOne的 CP其實蠻高的。

飛行監控平台：後台雲端運算＋資料庫

帶領團隊的李志清老師任教於南台科大電子工程系，這次他將自己在航太技術及系統整合十多年的經驗，結合即時監控及無人機通訊與控制技術，與學生們合作開發，完成了這套國內首創的無人機飛行安全監控平台。

這一套飛行監控平台除了透過 LinkitOne來溝通、控制無人機之外，更關鍵的是後台的運算與資料庫系統。這套平台主要有三個重點功能，首先是透過系統設定座標，將某些區域設定為禁航區，無人機便不能在區域內起飛或飛進此區域，以此避免撞建築物或飛進人群密集處造成安全隱憂。台灣政府若採用這套系統來管控全台的無人機，只要將機場、軍事禁區、建物密集區等高敏感地帶設定為禁航區，內建在雲端資料庫裡，只要無人機連上這個資料庫便能辨識出禁航區的位置，就可以輕鬆減少誤闖禁區的意外。

第二，設置電子圍籬，限定無人機只能在某一個範圍內飛行，一旦飛出這個範圍，就會強制返航，如此便能解決迷航亂飛的問題。電子圍籬非常適合新手們試飛，也很適合開發者實驗新機器，只要碰觸到電子圍籬的訊號範圍，無人機就會收到返航訊號，接著拉升高度後，返航並自動降落到指定的位置。

第三，萬一無人機迷航或墜落在視線外，也可以透過這個平台尋找，只要透過 LinkitOne上的 GPS、GPRS和藍芽訊號，就能夠幫助使用者找回無人機。LinkitOne內建的 GPRS可以直接連網回報位置，若是掉落在沒有基地台的地方，也可以透過藍牙訊號（除非像電影一樣，在墜落時就把所有通訊功能都摔壞）慢慢逼近位置，縮小搜索範圍。

雖然整個監控平台是基於 LinkitOne開發板的功能來設計，不過未來，即使無人機上沒有安裝 LinkiOne開發板，團隊也將 API完全開放，無人機使用者、開發商或玩家，都可以自行運用，讓自己的無人機（必須具備連接 internet功能）也能配合這個雲端判別系統與資料庫，來確保安全。團隊也有提供包套式的服務，協助安裝 LinkitOne開發板，讓幾乎所有的無人機都可以使用這套系統。

「我們準備好了！」

目前世界各國都在摸索一套無人機的監控方案，希望在開放與安全間取得平衡。美國 FAA去年中推出了一套法案，針對無人機的飛行高度、速度與重量都設定限制，操作者必須年滿 17歲，且只能在白天於可目視範圍內操作。台灣也正在修訂《民用航空法》，設下種種限制，包括：必須以目視方式操作且高度不得超過 400呎（約 40層樓高），須在白天操作，不得在禁航區、限航區及航空站與飛行場四周作業，且不得在露天集會遊行人群上空（商用無人機的專業空拍，可以提出申請即可在夜間、露天集會人群上空拍攝）。

然而這些規定如何落實執行？日本去年推出無人機獵捕系統，由一組攜帶網子的無人機，在空中搜捕違規飛行的無人機，這樣的作法顯然只能應急，而且聽起來非常不高科技。

從訊號端進行控制，讓無人機都能乖巧聽話才是真正治本之道。無人機大廠 DJI大疆已經陸續推出一系列的安全措施，來回應這些需求，不過台灣團隊的成果，顯然是最超值又能達成目標的極佳選擇。

「這套系統能得獎的一大原因是，我們已經完全 ready了。」蔡博智說，現在整套系統的功能已經完備，只差使用者介面與網頁的優化，只要未來無人機管制法案通過後，無人機將會需要登記註冊才能起飛，登記時，可能就必須要包含這套飛安平台的註冊證明，因此無人機的市場有多大，這套系統的商機就有多大。