边缘运算热门 加速机器学习的智能应用新商机

AMD美商超微半导体Industrial Segment Marketing Manager, David Rosado.

根据Technology Vision在2018年针对科技市场的一份调查报告指出，有63%的管理阶层认为，透过硬件技术来满足智能环境的需求，是至关重要的。同时也有83%认为边缘运算架构将可望加速许多技术的成熟。而同时Technology Vision团队在与6,000多名产业技术专家，以及近100名商界领袖访谈之后，认为新兴的IT技术对于企业与政府将造成无远弗届的影响。这样的结论，或许就正指向近年来快速崛起的AI技术，而关键就在边缘运算。

AMD工业市场行销经理David Rosado指出，边缘运算能力越来越被企业重视，因为云端运算依然存在许多瓶颈，包括带宽、延迟与安全性等议题。另外，机器人技术的兴盛，也使得硬件端被要求加入更多机器智能的能力。这些需求，都会使得企业希望本地端的运算能力能够大幅提升，而方式则是透过硬件来加以实现。

现阶段许多企业希望打造无所不在的智能环境(Intelligence Everywhere)，就意味着他们希望能在数据生成的地方，就直接进行分析并采取适当移动，也就是实时触发决策，而不再需要透过网络的连结、云端的运算，因为这些都将造成延迟，而导致无法在第一时间就做出立即的反应动作。透过边缘运算来解决这些问题将是最好的方式，而且也能大幅减低在云端连线的过程中，所导致的成本增加。

David Rosado解释说，边缘运算就是透过本地端硬件来直接执行数据的分析与运算，不必再透过云端，藉以提高整体效能。而近年来，随着机器学习的需求增加，硬件运算效能也必须随之提升，这也为许多处理器厂商带来新的机会。例如机器学习现阶段就被应用于医疗设备上，用于监测患者的生命体徵，并自动调整重症患者的医疗滴液。此外，自驾车也需要专用的硬件与传感器，来对道路上的障碍物实时做出反应。

其他应用还包括了视讯分析，有越来越多的智能镜头正在透过边缘运算技术来强化自身的智能分析，并且不必透过云端，而是直接在源头便进行分析。这将可有效减少延迟时间以及对于带宽的需求，而且可以减少将敏感数据传送到云端的机会，进而提高应用的安全性。正因为如此，机器学习在终端装置正持续成长，包括石油平台与风力涡轮机等，都可以随时进行机器学习来预测故障并立即反应，这些都不需要再与云端进行连结。

这些应用说明了边缘运算正以极快的速度普及到大大小小的终端装置上，但问题的重点就在于边缘运算与云端运算，究竟孰轻孰重？David Rosado认为，企业必须衡量两者间的负载轻重，并学习在两者间取得平衡点，透过边缘运算来实现实时处理并兼顾安全性，至于边缘运算的数据，则可以转发至云端来加以改进与进一步的运算分析。