[AIoT時代來臨 邊緣運算重要性日益增加]
去年底，工研院IEK的產業趨勢眺望提出「人工智慧與物聯網將快速匯流」，而由於基於頻寬流量限制、隱私權、低延遲（Latency）需求的各類應用，以及物聯網網路安全的迫切性，AIoT系統邊緣運算的重要性日益強化。而從去年蘋果開賣的iPhoneＸ中臉部辨識解鎖功能讓大家知道知道人工智慧邊緣運算的神奇，邊緣運算也被大眾與產業界更加重視。
圖: 2018邊緣運算論壇
今年的十月九日、十一日、十二日，在南港展覽館，舉辦了首屆的台灣國際人工智慧與物聯網（AIoT Taiwan）展覽，而且舉辦了多場研討會，請廠商來談相關作法，尤其是「2018 邊緣運算論壇，AI+IOT 台灣轉型驅動新引擎」研討會，更是全程討論AIoT邊緣運算的趨勢與重要性，由AWS開始，ARM、高通、黑莓、微軟、歐特明，及Aruba…等等公司都談到自家在這方面的解決方案：AWS跟微軟談的是自家AIoT邊緣運算的解決方案，ARM從終端晶片的思考方向切入，高通談的是5G影響與對應思考，歐特明談的是車聯網的即時反應，而Aruba跟黑莓談的是從設備觀點切入，從各大廠商提供的解決方案的相繼出爐，可看出邊緣運算在AIoT設備端日益重要。
[邊緣運算以強化AI推論引擎與安全為基本
減少傳輸量、即時與隱私考量為AI重點]
減少傳輸量、即時與隱私考量為AI重點]
就如我之前的文章提到，微軟Azure跟AWS的AIoT方案都兼顧了終端設備與雲端連結的系統思考，而都有提出其具體方案，特別是針對在終端的人工智慧推論引擎及安全解決方案，在考量到其運算能力，終端設備邊緣運算很多會在具備較強運算能力Gateway上進行。但是針對有大傳輸量與即時需求的，使用終端設備邊緣運算也是未來趨勢，像是網路數位攝影機、自駕車…等等，將會將大部分人工智慧運算集中在設備端的推論引擎，對資料處理過後，才把需要送往雲端學習的數據再傳送往雲端。而在歐洲GDPR等隱私權要求下，甚至連虛擬實境/混合實境設備、智慧音箱…等等這類原來把消費者資料送往雲端儲存與學習的設備，都會提供具備終端設備人工智慧推論引擎的解決方案，避免因為侵犯隱私權法令受罰。而這些需求因為還需考慮到低耗電與高速，所以使用FPGA（可程式化）或ASIC（特別用途）晶片來滿足需求已是必然趨勢。
[5G雖然有大頻寬 沒有邊緣運算協助也可能很快會頻寬不足]
5G是針對物聯網時代強化的通訊協定，會比現在的4Ｇ快更多，但是日益增加的物聯網設備傳輸數據的需求，設備越來越多，加上為了行車安全的V2X（車子對周圍的通訊，包含V2V車子對車子、V2I車子對周圍設施…等等）等增加的通訊需求，5G通訊的頻寬也很可能不夠，此時利用邊緣運算先行處理，只傳必要數據到雲上才是較佳的方式。
[AIoT時代 強化邊緣運算才能滿足需求與提升服務]
總之，AIoT使用設備端邊緣運算強化人工智慧模型使用與網路安全，雲端運算強化機器學習的分工的模式已然確立，在接下來5G服務的開通下，5G加上邊緣運算，只將必要的資訊傳往雲端做機器學習，然後將學習到的模型，傳到終端設備的推論引擎運作，才能滿足未來AIoT系統所需的運算力與頻寬，並藉以提供人們更好的服務與生活。
