根據統計資料庫（Statista）估算，物聯網裝置，如：手機、虛擬助理、電腦、平板、無人機、攝影機、建築物感測器、穿戴式健身感測器…等，這些數量可能在2025年成長到超過700億部，且帶動邊緣運算的應用。
什麼是邊緣AI呢？
1、邊緣 AI
是指把「人工智慧」與「機器學習」處理，從雲端移至網路邊緣威力強大的伺服器，如：辦公室、5G 基地台，及其他接近連網終端裝置的實體地點。
將 AI 運算移到更靠近數據的地方，它不僅可以排除延遲，且能確保所有數據的價值可以保留。也能避免把數據傳送到雲端的延遲造成的威脅或破壞，尤其是目前AI最廣泛應用的使用情境：物聯網。
＊例如：
像網路橋接器 （network bridge）與交換器等基本裝置，
都逐漸被邊緣伺服器所取代，
邊緣伺服器功能強大，
也能將數據中心的硬體加到終端與雲端間的閘道器（gateway）當中。
被AI賦能的邊緣伺服器，可以設計為提升運算力、降低耗電，為城市、工廠與環境創造各種機會，提升效率、安全性與生產力。為數據及網路基礎架構帶來許多優點。
（1）網路數據應用
- 分析數據流量，進行預測與功能管理
- 根據數據作出決策，減少返回雲端的時間
- 提升整體安全性、可靠性、效率
（2）感應器融合
結合數個感應器的數據，創造跟流程、環境或情況相關的複雜圖像。
如：工業應用邊緣 AI 裝置，在任務中結合來自工廠內多個感應器數據，預測何時會發生機械故障，這個邊緣 AI 裝置必須學習每個感應器間的相互作用，一個感應器如何影響其它感應器，並即時應用學習到的成果。
把敏感的數據移到邊緣的好處還有關鍵的安全性與彈性：當越多數據被移到集中的地點，數據完整性遭破壞的可能會增加。隨著運算本質的改變，邊緣在支援具有各種能耗與效能需求不同的系統上，扮演的角色越來越重。為了替企業大規模達成服務等級協議，邊緣必須採用雲端原生的軟體原則。
2、開發AI 邊緣的進展
致力於IoT邊緣硬體的大、中、小型公司：
- BrainChip (Akida神經形態SoC)
- CEVA (NeuPro系列)
- Google (Edge TPU)
- GreenWave (AI處理器GAP8)
- 華為(Ascend晶片)
- 英特爾(Xeon)
- Nvidia (Jetson TX2)
- 高通(視覺智慧平台)
- 意法半導體(STM32微控制器)
小型公司：
- 關注IoT邊緣軟體：Ekkono、FogHorn、Swim （一種基於雲端的POS）
- 推論：瑞薩（e-AI）
- 兩種功能兼具：亞馬遜（AWS Greengrass機器學習推論模型）、BrainChip （Studio軟體）、Google （Cloud IoT Edge）、華為（Atlas平台）、IBM （Watson IoT平台）
大型科技公司：
處於建構生態系統的最佳位置，協助開發人員創建特定產業和場景的解決方案。
- Google （AI平台）、華為（MindSpore）、IBM （Watson）、英特爾（AI開發人員計畫）、微軟（Azure）
- 企業級建模：IoT Hub、Azure Databricks、ML Studio、Power BI
還有一些較小規模的公司正在創造這一生態系統，如：BrainChip的Akida開發環境。
此外，開放霧聯盟（OpenFog Consortium）等產業組織，及包括 Living Edge Lab、ETSI Multi-access Edge Computing和EdgeX Foundry…等開源專案也都在為此環境做出努力。
想成為爬蟲工程師 、資料分析師 、資料工程師 、資料分析領域專家 、人工智慧產品經理嗎？還是你的公司正需要培養此領域人才呢？
點我了解 AI資料科學家全方位學程 👉 https://bit.ly/3o4N39e
每日5分鐘， 提拔我園丁陪你快速添補AI/資料科學知識與技能。
若想了解更多AI/資料科學的小知識、及各產業的相關應用，歡迎訂閱TibaMe FB及部落格，或有其他想了解的主題歡迎在下方留言讓我們知道唷！
參考資料