邊緣運算工業(yè)物聯(lián)網(wǎng)和自駕車獲得重要關(guān)注

邊緣運算(edge computing)正逐漸從一個相對模糊的概念演變成分散式運算架構(gòu)中的復(fù)雜元件，資料處理工作也正從遠程轉(zhuǎn)移至終點和衛(wèi)星資料設(shè)備。邊緣運算在兩個主要領(lǐng)域獲得關(guān)注，一是工業(yè)物聯(lián)網(wǎng)(IIoT)，可作為現(xiàn)場資料中心的DIY基礎(chǔ)設(shè)施，一是沒有足夠時間向云端請求解決方案的自駕車領(lǐng)域。

據(jù)Semiconductor Engineering報導(dǎo)，大眾對于邊緣運算的困惑來自于邊緣運算不是一種技術(shù)，而比較象是技術(shù)性的應(yīng)對機制。邊緣運算是透過在資料生成地消化部分資料的方式，因應(yīng)來自數(shù)十億終端裝置資料的快速成長，這需要將大規(guī)模的運算效能建在傳感器、手機等產(chǎn)品內(nèi)，而且必須執(zhí)行更嚴格的功率預(yù)算。

邊緣運算方法與數(shù)年前的普遍認知形成鮮明對比，過去認為傳感器只需要收集實體世界的資料，然后移到云端進行處理即可，然而最初的概念并未考量到傳感器資料量的迅速成長導(dǎo)致資料無法快速移動，最好的解決方案就是預(yù)處理這些資料，將無用的資料先剔除。

邊緣裝置的責(zé)任越來越重要，但是如何演變，以及演變的速度，將取決于推動邊緣運算發(fā)展的終端市場的就緒程度。許多芯片制造商和系統(tǒng)公司都在研究將運算轉(zhuǎn)移到邊緣的各種可能方式。

明導(dǎo)國際(Mentor)產(chǎn)品營銷經(jīng)理Jeff Miller表示，真正高效能機器語言或運算資源會繼續(xù)留在云端，但由于共享頻譜的資源有限，帶寬十分昂貴，因此，將成千上萬臺裝置的資料都上傳到云端而不在邊緣進行預(yù)處理是不切實際的做法。

IIoT是驅(qū)動邊緣運算模型的初始因素之一，工業(yè)組織嘗試用它來解決成本效益和資料沖擊的問題。NetSpeed Systems營銷和業(yè)務(wù)發(fā)展副總裁Anush Mohandass表示，工業(yè)領(lǐng)域有工廠自動化和邊緣智能的需求，而且風(fēng)險相對較小，因為可以展現(xiàn)價值。

將運算資源放在離實體工廠更近的地方，會比保持IoT裝置離線帶來更大的效益，處理能力提升代表可將資料預(yù)處理，移除重復(fù)的溫度讀取等資料。

蘋果(Apple)在2017年宣布在iPhone中導(dǎo)入機器學(xué)習(xí)功能，Gartner預(yù)測到了2022年，將有80%的智能手機搭載AI技術(shù)，這些是功能強大、對延遲敏感的邊緣裝置，但著重的是針對個人消費者的功能，如擴增實境(AR)和生物識別。

Mohandass表示，將機器學(xué)習(xí)功能增加到自駕車和其它智能裝置，可能創(chuàng)造一個可讓各種強大應(yīng)用程序建立于其上的生態(tài)系統(tǒng)并使用邊緣資料中心提供支持。

許多邊緣模型都是根據(jù)人體處理信息的方式建立，例如，人碰到熱的鍋爐不等到訊號抵達大腦之前會立即縮手，大腦之后會解釋剛發(fā)生的事情，避免將來出現(xiàn)這種情況。這個概念聽起來很簡單，但從芯片設(shè)計的角度來看卻不容易達成。

2015年，思科(Cisco)提出霧運算(fog computing)的想法，透過結(jié)合了路由和Linux應(yīng)用服務(wù)器的盒子，將云端應(yīng)用程序延伸至邊緣，并使用思科的IOx操作系統(tǒng)分析傳感器資料。從硬件角度來看，邊緣可以是使用共享機房的本地云或資料處理設(shè)施的服務(wù)器和儲存單元集合，或是安裝在低溫冷卻貨柜中的超融合資料中心。

IHSMarkit分析師表示，某些物聯(lián)網(wǎng)的安裝規(guī)模將迫使一些組織在邊緣建立完整規(guī)模的資料中心，或使用服務(wù)供應(yīng)商提供的設(shè)施。美國有些電信業(yè)者想加速轉(zhuǎn)換境內(nèi)的17,000個電信布線中心，以提供包括邊緣服務(wù)在內(nèi)的IT服務(wù)。