Solomon
活動+
 

全球聯網裝置4成資料將就近處理 邊緣運算扮IoT時代「末梢神經」

在低延遲的嚴格要求下,智慧交通對於邊緣運算的需求相當高。圖為光寶科技的智慧號誌燈。Liteon

據研調機構IDC預測,未來3年內,全球超過60億個聯網裝置將有高達4成產生的資料量,會就近在邊緣裝置處理、分析及儲存。此外,預計至2020年,全球物聯網(IoT)裝置數量將逾500億個。從聯網裝置密布的情況看來,將帶動邊緣運算的發展迎向更高峰。因此,近年不論是雲端服務廠商、硬體廠商或是電信營運商等,皆嗅到市場商機而推出各式各樣的邊緣運算解決方案。

邊緣運算簡單地說就是一種就近運算的概念,它的興起主要是因為IoT在發展上有了新的需求。IoT演進的過程大致可分為幾個階段,Dell EMC技術副總梁匯華表示,首先第一階段是連結,即讓未連網的設備打開向外溝通的大門;第二階段透過感測器採集從設備產生的動態數據,並藉由聯網將數據傳遞到下一階段;而在第三階段中,則是通過對數據進行運算,經由過濾、處理、分析後,產生智慧的行動和反饋。

整個過程可視為一種循環,由於越來越多設備聯網後將不斷產生海量數據,因此如何充分利用新舊數據中的潛在價值,甚至回饋到最前端進行設備的最佳化使用,則是整個IoT的核心。

隨著市場中的聯網設備越來越密集,這也代表著在第二階段中的數據量將呈現爆炸性的成長,特別是以影像內容為主的數據量更是龐大。資料密集將造成數據傳遞的壅塞,顯然在IoT時代中,以雲端運算為主的做法已經不足以應對,因此比雲端更靠近終端的邊緣運算隨之興起。

梁匯華觀察,邊緣運算在未來IoT中所扮演的角色將作為資料傳遞的緩衝。邊緣運算將在靠近終端的地方進行預處理,儘可能不將資料回傳至雲端,甚至就算沒有網路,鄰近終端的設備也能自處理。如此一來可降低資料往返雲端的時間,二來可減少傳回雲端的資料量,以減輕雲端對終端所產生海量數據的承載以及運算負荷,也可進一步節省網路頻寬的使用,並降低雲端傳輸的成本。

特別在某些對於延遲要求極高的應用上,例如醫療產業、製造業、公共安全相關以及交通運輸等領域,邊緣運算的貢獻更加重要。如果說雲端相當於人類的大腦,那麼邊緣運算就猶如人類的末梢神經,能夠對簡單的刺激進行自處理,並將處理的訊息反饋給大腦。

專精於智慧交通系統整合的全徽道安,在國內的指標性案例有雪山隧道、八卦山隧道等地所建置的事件偵測系統。全徽道安現也已針對路口碰撞、闖紅燈等路況開發預警系統,能提前偵測各種異常路況並警示,提醒駕駛人避免追撞。

諸如此種與人命安全相關的智慧應用,對於延遲性的要求必須小於10毫秒,但業者觀察,以目前端到端的網路傳輸延遲來看,幾乎難以符合此要求。因此在低延遲的嚴格要求下,智慧交通對於邊緣運算的需求也具有相當高的發展性。

此外,未來台灣在智慧交通的應用上將會開始導入如車輛、車流辨識以及影像辨識等技術以進行智慧化的交通管控,但在分秒必爭的當下也很難確保網路傳輸是否正常,當邊緣運算允許終端裝置在未連網的情況下,也能根據已建立好的分析模型自處理時,便可達到即時的交通流量管控。

而在此種情況下亦可達到兩種效果,一是透過自處理達到即時反饋,確保路面交通時刻正常的運行,二則是將長期累積的數據資料再後拋至雲端,進行更長遠的路況大數據分析。在雲端與邊緣系統各取優勢的的情況下,將產生雙重效益。

當邊緣裝置開始接手雲端平台的部分功能後,過去一段時間,「邊緣運算會終結雲端運算」的說法也被熱烈討論著。不過目前多數看法則是認為,被終結的可能只是「純雲端」時代,未來雲端仍會扮演一定重要的角色跟邊緣運算相輔相成,甚至當邊緣裝置越來越聰明時,雲端就會扮演集中式協調管理的角色,而邊緣端則成為分散節點上的「小兵」。

梁匯華進一步分析,至少就人工智慧(AI)的發展進程上來看,仍少不了雲端的助力。由於AI在訓練建模階段的運算量極大,現階段終端裝置幾乎無法負荷大數據的運算效能,因此絕大部分的AI還是會在雲端先行完成,再下放至終端運行。

台灣施耐德(Schneider)工業自動化事業部總經理孫志強指出,就雲端與邊緣的數據類型與其所負責的「任務」,認為不論是雲端或是邊緣端,都是不會被取而代之的。

舉例來說,水處理廠中的水量不定時在變化,此時根據流量需求就可以透過邊緣控制判斷幫浦運行需要加快還是放緩,因此在這個例子中,邊緣控制器是根據「實時」數據快速判斷,反應時間僅在幾秒或毫秒內,且反饋的動作也是用於「現況」。

而雲端則可能是透過經年累月的大數據,分析人類可能無法察覺的異常情況,找出潛在問題或是可改善的空間。簡單的說,就是更長遠的分析。「雲端與邊緣所看重的數據與時間點是不一樣的。」孫志強認為,雖然有些邊緣端可取代雲端執行某些功能,但諸如大數據分析則依然會要求在雲端的環境下操作。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 邊緣運算