[邊緣運算需求越來越大]
在物聯網裝置越來越多的時候，傳輸的資料量也越來越龐大，就算是5G通訊協定也遲早無法全面負荷，考量未來需求越來越大，減少上傳資料的需求越來越大，加上很多移動裝置（如機器人、無人車、無人機）必需要達成低延時，才能即時反應。而在歐盟GDPR(General Data Protection Regulation，一般資料保護規範)要求隱私權，這讓在邊緣設備端先行進行運算，再把非隱私資料傳到雲端平台，以符合這個法規，成為重點發展需求。而也就是這三個大需求：減少上傳資料、即時反應低延時，以及保護隱私權讓邊緣運算日益受到重視。
圖源：https://commons.wikimedia.org/wiki/File:Edge_computing_infrastructure.png
[邊緣運算的歷史]
在Wikipedia英文版上對邊緣運算的註解是「邊緣計算是一種分佈式計算典範，它使計算和資料存儲更接近需要的位置，從而縮短了響應時間並節省了頻寬。邊緣計算的起源是在1990年代後期創建的內容分發網路中，該網路用於為部署在靠近用戶的邊緣服務器提供Web和影片內容。在2000年代初期，這些網絡演變為在邊緣服務器上託管應用程序和應用程序組件，產生了第一個商業邊緣運算服務。託管了諸如經銷商定位器，購物車，即時資料聚集器和廣告插入引擎之類的應用程序。現代邊緣運算通過虛擬化技術大大擴展了此方法，虛擬化技術使在邊緣伺服器上部署和運行更廣泛的應用程式變得更加容易。」由這個註解可以看出邊緣運算的發展歷史。
後來邊緣運算在2014年開始由思科CISCO大力推展霧運算有了較接近現代的邊緣運算的作法，這個架構可以將運算需求分層次、分割區域處理，目的是解決可能出現的網路塞車現象（對應到之前所提的減少上傳資料）。
在AIoT時代，邊緣運算更因為考量到邊緣設備端的網路安全，而加入了相關的強化運算，而其中最有名的例子就是微軟2018年推出的Azure Sphere晶片及整套系統；以及為了加速人工智慧運行，而將人工智慧推論引擎放到邊緣端設備端，而人工智慧的模型學習運算還是大部分放在雲端伺服器上。特別在2017年iPhone Ｘ加入了人工智慧臉部辨識解鎖手機的功能，讓邊緣端做人工智慧運算，避免將整個臉部資訊傳往雲端伺服器，把相關資訊存在伺服器上，造成侵犯使用者隱私權的問題。雖然5G已經有低延時設計，但如果移動裝置如果什麼都傳回雲端才做反應，在大量資料傳輸下，網路塞車仍然是免不了，而這時會讓這些移動裝置無法即時回應，可能因而造成很大的問題，所以在邊緣設備端即時運算而反應，是一定要具備的功能。
[邊緣運算在AIoT的應用]
在AIoT的應用上，邊緣運算一般發生在閘道器（Gateway）以及智慧終端設備上。閘道器典型的有智慧型手機，以及各種AIoT的智慧型閘道器（常見在智慧家庭、智慧工廠、智慧零售，以及智慧城市…等等）；智慧終端設備指的就是智慧型裝置，現在常見的有智慧手錶/手環、智慧眼鏡/頭盔、智慧攝影機、自動駕駛車、無人機，以及機器人。
接下來我們討論閘道器，首先討論智慧型手機。智慧型手機本來就具備有很強的運算能力，像很多隨身智慧裝置，例如智慧手錶/手環、智慧耳機…等等，都會以智慧型手機為閘道器，設備將資訊傳到智慧型手機的App上運算後，再將對應的資料傳往雲端伺服器中存儲與處理。當然，智慧型手機本身也是智慧終端。
接著我們討論各種AIoT智慧應用：在智慧工業上，現在最常見的閘道器是智慧機械製造盒(SMB)，它是附加於機械設備，並具備資料處理、儲存、通訊協定轉譯及傳輸，以及提供應用服務模組功能之軟硬體整合系統。智慧機械製造盒導入工廠的目的有三個：1.具備聯網功能，達成機台連線，收集生產資料。2.生產管理達成可視化、生產排程優化。3.智慧化功能，達成產品精度、品質、效率、可靠度提升。 例如新漢電腦的智慧製造系統就有相關的設備。
在智慧家庭中，閘道器最主要是收集家中眾多物聯網裝置的訊息，處理後傳往雲端伺服器中存儲與處理，現在這樣的智慧閘道器，多搭配語音助理，以智慧音箱或智慧電視的型態出現在我們的身邊，當然也是因為其相關的人工智慧語音辨識輸入與動作辨識能力變強，讓消費者覺得好用，而能深入消費者家中，而這樣的裝置，隱私權考量也越來越受重視。
在智慧零售中，Kiosk這類的智慧裝置，常常成為智慧零售設備中的智慧閘道器，本身具備數位攝影機來接收客戶的影像，以及其他感測器輸入，具備網路安全功能，統整資訊輸出減少傳輸量，這將是必備的功能。
在智慧城市中，現在最常見的智慧閘道器是智慧路燈，尤其是智慧路燈現在被賦予很多的資訊收集任務，因此裝上了很多的感測器，在閘道器上先做運算處理減少上傳資訊量，也是一個必然的要求。
在討論完智慧閘道器之後，接下來討論智慧終端設備，智慧終端設備常見的有智慧穿戴式裝置（包含智慧手錶/手環、智慧眼鏡/頭盔…等等）、智慧攝影機與機器人（包含自動駕駛車、無人機，工業機器人，以及服務機器人….等等）。
智慧穿戴式裝置因為其本身具備較強大的運算功能，可以連接網路，把運算結果顯示，原來就已經被看作是智慧型手機未來的接班設備，所以其對應的網路安全運算、AI強化運算也有越來越多的趨勢，像微軟的Hololens 2，本身就具備了人工智慧運算強化功能。
智慧攝影機其實就是指加上了邊緣運算的智慧處理能力的數位攝影機，這樣的攝影機都具備較強的運算能力，可以處理網路安全與人工智慧邊緣運算的需求，特別是在隱私權保護的需求下，使用人工智慧邊緣運算晶片先行處理，在把必要資訊傳回。而在網路安全上，之前的數位攝影機，就以常常被駭客駭入，以竊取影像隱私，以及成為發起DDOS攻擊的站點出名，所以強化網路安全是必然的趨勢。這在台灣的晶睿通訊的數位攝影機有些機種就提供相關的解決方案。
新型的智慧機器人（包含自動駕駛車、無人機，新型工業機器人，以及服務機器人….等等），本身運算能力就很強，具備有智慧特性，常常需要對外在環境狀況快速反應，這也造就了他們透過本身作業系統達成邊緣運算的需求，而其中很多都具備有數位攝影機，有必須即時分析（低延時），保護客戶隱私權，以及網路安全種種需求。
[邊緣晶片成為發展重點 而這也是台灣的機會]
為了強化這些邊緣運算設備，邊緣運算晶片因應而生，像是Google的Edge TPU（Tensor Processing Unit），就是為了在邊緣端加速機器學習的人工智慧運算而誕生的。還有蘋果設備使用的A11以後的晶片，其為了邊緣端的人工智慧運算（最常使用情境為臉部辨識），都內附有Bionic人工智慧邊緣運算模組。而這樣的人工智慧邊緣運算晶片的需求其實越來越大。另外美國的高通、中國大陸的華為、台灣的聯發科，以及新創耐能智慧都已經在這個部分著力很深。
由AIoT數位轉型的大趨勢可知，物聯網設備將會越來越多，邊緣運算也會越來越受重視，從可預知的未來可知，相關的邊緣運算晶片發展只會越來越強，而這也被視為是台灣IC設計業廠商的很大機會。
