邊緣運算熱門 加速機器學習的智能應用新商機

AMD美商超微半導體Industrial Segment Marketing Manager, David Rosado.

根據Technology Vision在2018年針對科技市場的一份調查報告指出，有63%的管理階層認為，透過硬體技術來滿足智能環境的需求，是至關重要的。同時也有83%認為邊緣運算架構將可望加速許多技術的成熟。而同時Technology Vision團隊在與6,000多名產業技術專家，以及近100名商界領袖訪談之後，認為新興的IT技術對於企業與政府將造成無遠弗屆的影響。這樣的結論，或許就正指向近年來快速崛起的AI技術，而關鍵就在邊緣運算。

AMD工業市場行銷經理David Rosado指出，邊緣運算能力越來越被企業重視，因為雲端運算依然存在許多瓶頸，包括頻寬、延遲與安全性等議題。另外，機器人技術的興盛，也使得硬體端被要求加入更多機器智能的能力。這些需求，都會使得企業希望本地端的運算能力能夠大幅提升，而方式則是透過硬體來加以實現。

現階段許多企業希望打造無所不在的智能環境(Intelligence Everywhere)，就意味著他們希望能在數據生成的地方，就直接進行分析並採取適當行動，也就是即時觸發決策，而不再需要透過網路的連結、雲端的運算，因為這些都將造成延遲，而導致無法在第一時間就做出立即的反應動作。透過邊緣運算來解決這些問題將是最好的方式，而且也能大幅減低在雲端連線的過程中，所導致的成本增加。

David Rosado解釋說，邊緣運算就是透過本地端硬體來直接執行數據的分析與運算，不必再透過雲端，藉以提高整體效能。而近年來，隨著機器學習的需求增加，硬體運算效能也必須隨之提升，這也為許多處理器廠商帶來新的機會。例如機器學習現階段就被應用於醫療設備上，用於監測患者的生命體徵，並自動調整重症患者的醫療滴液。此外，自駕車也需要專用的硬體與感測器，來對道路上的障礙物即時做出反應。

其他應用還包括了視訊分析，有越來越多的智能相機正在透過邊緣運算技術來強化自身的智能分析，並且不必透過雲端，而是直接在源頭便進行分析。這將可有效減少延遲時間以及對於頻寬的需求，而且可以減少將敏感數據傳送到雲端的機會，進而提高應用的安全性。正因為如此，機器學習在終端裝置正持續成長，包括石油平台與風力渦輪機等，都可以隨時進行機器學習來預測故障並立即反應，這些都不需要再與雲端進行連結。

這些應用說明了邊緣運算正以極快的速度普及到大大小小的終端裝置上，但問題的重點就在於邊緣運算與雲端運算，究竟孰輕孰重？David Rosado認為，企業必須衡量兩者間的負載輕重，並學習在兩者間取得平衡點，透過邊緣運算來實現即時處理並兼顧安全性，至於邊緣運算的數據，則可以轉發至雲端來加以改進與進一步的運算分析。