研究機構IDC預估，全球企業的邊緣運算支出將從2022年的1,760億美元成長至2025年的2,740億美元，屆時，成長率最高的邊緣應用包含大眾基礎設施維護、網絡維護、醫療診斷與AR輔助手術。當科技越來越智慧，智能型載具與聯網裝置網網相連，「云端數據中心」需要邊緣運算(Edge Computing)的因地制宜，才能更有效地降低運算負載量，快速、低延遲地傳輸信息。

如果將云端數據中心/云端運算與邊緣運算比喻為大腦與神經系統，邊緣運算的神經弧涵蓋范圍更廣，小至各類智能型載具與終端設備的應用，大至物聯網(IoT)、工業物聯網(IIoT)與車聯網(V2X)的運作整合，都少不了邊緣運算穿針引線。在IoE（萬物互聯）時代，更需要最小延遲性、高可用性網絡實時處理大量數據，邊緣運算的重要性不言可喻。


 
圖1 : 云端面臨5大挑戰。

云端面臨5大挑戰：
挑戰1.延遲問題
越來越多產業需要應用程序具備快速分析與響應的能力，云端運算過程中數據源之間的網絡距離容易導致低效率、延遲及客戶體驗不佳。

挑戰2.帶寬問題
網絡的邊緣裝置數量越多，數據傳送至云端的成本可能越來越高，邊緣處理、儲存與分析數據有助降低成本。

挑戰3.隱私及安全問題
減少網絡傳輸的數據量有助降低資安風險，尤其是醫療、智財(IP)等資安要求高的信息處理，云端傳送不若邊緣運算安全。

挑戰4.聯機問題
持續性的網絡聯機能力是云端運算的痛點，加上未來5G可能帶來的高帶寬、低延遲幫助，更能強化邊緣運算的快速傳輸能量，這部分云端相對弱勢。

挑戰5.AI串聯問題
AI可以加速數據處理速度、提高智能運用，隨著AI與邊緣運算的發展，云端的功能性相對弱勢。

邊緣運算四大核心：運算、儲存、建構網絡與加速AI
傳統的云端運算要求將數據傳輸回中央的數據中心進行處理，再傳輸回使用者端的終端設備，但數據中心無法保證傳輸速率和響應時間，另一方面，動輒

數十億物聯網及行動裝置所搜集到的數據相當可觀，將數據傳送至分布式模型，就近在數據位置處理運算事宜更有效率。

邊緣運算(Edge Computing)為網絡運算架構，在運算過程中因為靠近數據源，可以減少延遲和帶寬的使用，極大限度地減少異地客戶端和服務器之間的通信量。

云端運算中的信息與數據會集中搜集、處理及分析，而邊緣運算則是將運算能力廣布于運算環境中，二者包含在廣義的「云解決方案」中。由于邊緣運算中的數據與數據可以在收集源附近處理，讓特定場域中的大小組件分工執行數據處理，不需要將數據傳輸到云或數據中心進行分析處理，有助減輕網絡及服務器的負擔，處理數據的能力及反應時間更快，因此特別適合實時性高的工業物聯網及車聯網的應用，若加入人工智能(AI)和機器學習(ML)等元素，還能產生更多創新應用，進一步提升組件的智能化效能。

研調機構Gartner報告指出，2021年邊緣運算裝置具有深度機器學習能力的比例不到10%，2027年將提升到65%。

近裝置的邊緣運算設備具有四大核心：運算、儲存、建構網絡與加速AI，將儲存、處理與分析數據的功能從云端移至邊緣，對于車聯網這類極需實時應用的領域來說，可以帶來更快、可靠性更高、更優質的體驗，也有助于減少傳輸與儲存大量數據所需耗費的帶寬與成本，畢竟幾毫秒的延遲對各類實時系統及智慧車輛來說，可能就是生與死之間的距離，對于智慧工廠中的機器人來說，可能是成本與產值多一個零或少一個零的差距，尤其在網絡聯機能力不佳的地區，云端聯機中斷問題多，邊緣儲存與處理數據的優勢更為明顯。

Edge AI助攻 邊緣運算應用場域更多元
ITIS報告指出，未來科技朝智能化發展，智能裝置的運算和感測功能結合，透過邊緣運算，可以強化裝置間的溝通能力。邊緣運算可以廣泛應用于大規模的數據傳輸應用(如智能制造、智能城市)、實時性協作(如智慧電網、智慧金融、智慧農業)、體驗優化(如智能零售、人臉辨識)及安全應用(如智能交通、智能醫療、自駕車、無人機)。

以車聯網來說，需要仰賴系統可靠性和運算實時性， 才能滿足車輛配備的精密機械與尖端電子軟硬件等復雜系統，以及串聯云端、AI、傳感器與無線通信技術，而車輛在行駛過程中搜集到的各種數據數據除了有助車輛運作，還能衍生多種新興商業模式。

隨著邊緣運算、AI和物聯網快速發展，出現多種智能網絡連接技術，如Edge AI、Edge AIoT(人工智能聯網)等。已經有許多企業透過邊緣運算與AI結合提高效率，降低成本，如邊緣AI和邊緣運算裝置可以提高自動化操作的精準度，減少人為疏失，有助建立更安全的工作場域。

市調機構MarketsandMarkets即指出，邊緣AI能提升監控效率，大幅減少延遲及云端帶寬需求，可運用于機器深度學習的攝影機系統讀取原始數據，透過人臉辨識分析、識別人員及偵測可疑活動，各種多元的數據處理能力已逐漸轉移到邊緣端。AI邊緣運算技術逐漸應用于交通運輸、自動駕駛、醫療照護、農業、制造業、金融業、零售業等場域。

由于智能邊緣運算裝置內建處理器，可提供內建分析或AI進階功能，內部部署的邊緣服務器便能處理從邊緣運算裝置傳來的數據，再回傳接近實時應用程序所需關鍵信息，或者將數據傳送至云端。多個邊緣運算裝置的數據也能傳回云端整合，執行更廣泛的處理及分析。

邊緣運算結合AI的智慧解決方案
邊緣運算可以透過AI使終端設備更加智慧，一方面保有邊緣運算低延遲、高隱私、快速連接、低功耗、低成本等優勢，再方面可以強化系統的智能功能及自動化優勢。邊緣AI與傳統邊緣運算相較，優勢包含數據處理、過濾和邊緣智慧分析，未來，邊緣AI與邊緣運送持續結合，可以有更多運用，比方邊緣AI與影像分析技術已逐漸應用于智能零售、醫療等領域。Fortune Business Insights指出，全球影像分析市場至2027年復合年均成長率達21.3%。

科技龍頭Microsoft認為，2026年全球AI芯片約75%將為邊緣運算所用，IoT芯片于邊緣運算的發展可能成為未來業者的重點布局之一，如Google、AWS等云端大廠致力于芯片自制；ARM鎖定邊緣AI針對攝影機的辨識應用；Intel投資十余家新創AI芯片設計廠；恩智浦(NXP Semiconductors)、芯科科技(Silicon Labs)、意法半導體(ST)則是在MCU或SoC上增加邊緣AI功能。投入AI芯片的業者也不少，如以色列AI芯片公司Halio、新創公司EdgeQ及Graphcore，以及中國的華為海思、臺灣的聯發科與耐能。

此外，隨著智慧工廠、智慧城市、智慧醫療等場景出現越來越多AI與IoT結合的應用，AI芯片的價值水漲船高。在AI芯片幫助下，IoT邊緣與終端裝置可透過機器學習或深度學習等技術加值，同時帶出無延遲、低成本、高隱私等優勢，預估全球AI芯片產值至2025年約達720億美元。研調機構Omdia則預測，全球邊緣AI芯片產值將從2019年的77億美元成長至2025年的519億美元，未來產值上看新臺幣1.5兆元。

工研院電光系統所所長張世杰認為，AI應用越來越廣泛，能在邊緣裝置端快速運算、實時反應的「AI芯片邊緣運算（Edge Computing）」成為智能裝置(如手機、穿戴式裝置)能否普及的關鍵，省電的AI運算芯片變得非常重要，內存內運算技術也已成為全球AI芯片技術的兵家必爭之地，國際大廠競相尋求具有高度存取效能、低功耗的內存技術。以工研院研發的超省電內存內運算（Computing in Memory；CIM）AI芯片來說，具有超低耗電效能與實時辨識關鍵語音功能，可應用于智能生活(如智能門鎖、藍牙耳機、白色家電等)中。

智能工廠也會是導入大量邊緣AI應用的場域之一。Edge AI強調不需要聯機到服務器，直接在邊緣裝置應用AI模型即可，可應用在工廠產線的瑕疵檢測 (如對象偵測、影像分割、零件瑕疵檢測)、自動光學檢查(AOI)設備檢測瑕疵產品復判；Edge AI瑕疵檢測裝置與自走車結合便形成可移動式檢測工作站；工廠或智慧倉儲導入AI和邊緣運算技術，可以結合機械手臂或倉儲機器人，實時遠程處理各項問題，分析監視器影像或AIoT訊號，減少人力檢查成本與人為錯誤率。若是行車紀錄器與AI結合，可以應用于行人偵測與預警系統，不需將數據回傳云端等待結果，在邊緣端即可進行數據處理、預測，實時性更高。

各家業者看好AI邊緣運算的發展，積極推出解決方案，如戴爾(Dell)推出一系列邊緣運算解決方案以確保邊緣運算設備可以支持各類應用場域，如溫濕度/空間、可支持、連結的設備距離、設備與數據安全防護機制、遠程監控管理等。Dell PowerEdge XR4000是針對Nano-Edge推出的新產品，適合智能零售、制造、5G電信、交通、醫療（車）、8K轉播車等應用，35cm短深度適用于各種惡劣、不可預測的邊緣環境，企業可以遠程監控設備營運狀況，或透過戴爾的邊緣運算營運軟件平臺Project Frontier統籌管理。

 
圖2 : Dell PowerEdge XR4000是針對Nano-Edge推出的新產品。(source：Dell)

恩智浦(NXP Semiconductors)為滿足新世代工業物聯網與邊緣運算需求，推出內建客制化神經處理單元(NPU)全新32位Arm Cortex-M33核心的MCX微處理器家族系列，將AI導入低功耗嵌入設備及邊緣設備中。恩智浦MCX微處理器中的旗艦款微處理器在使用NPU執行機器學習運算時，速度能提高30倍，有效提高運作效能，并廣泛采用MCUXpresso軟件和SDK工具套件，有助強化AI從云端導入消費和工業物聯網設備的效能。

研揚科技發表采用全新NVIDIA Jetson AGX Orin的AI邊緣運算解決方案—BOXER-8641AI，采用8核Arm v8.2 64位CPU和NVIDIA Ampere架構，擁有1792個CUDA和56個Tensor核心，最高可達200個TOPS，AI性能是前代產品的6倍，可以直接在邊緣端進行資料分析，而且搭配最新M.2 E/B/M-Key進行5G、無線Wi-Fi/藍牙、NVMe等擴充，已通過微軟Azure認證。研揚科技系統平臺產品處資深協理薛紹周表示，BOXER-8641AI是針對次世代機器人應用所設計的AI邊緣運算產品，強化了下一代深度學習及視覺處理能力。


 
圖3 : 研揚科技首次發表采用全新NVIDIA Jetson AGX Orin的AI邊緣運算解決方案。(source：研揚科技)

技宸則善用Intel新一代處理器Elkhart Lake CPU為運算核心，打造QBiP與QBiX無風扇解決方案，具備低功耗、高效能特色，在相同瓦數下提供高于競品1.5-2倍的效能，可強化制造系統邊緣設備的運算能力及優化系統運作效率。除了制造業，也適用于不同場域的智慧化架構，如QBiP與QBiX系列可透過高運算效能，讓零售業者店內的數字廣告牌具備播放高分辨率影音檔案的能力，創造絕佳使用體驗，寬溫設計可讓設置于戶外嚴苛環境下依然穩定運作。

 
圖4 : 技宸QBiX無風扇解決方案。(source：技宸)

2023年中美芯片戰還有續集？
至于中國，布局AI芯片物聯網領域的廠商眾多，主要針對云端運算、行動通訊、物聯網與自動駕駛等領域。聚焦于邊緣運算領域的業者以地平線、華為海思、寒武紀、比特大陸、鯤云科技等最為活躍。TrendForce預估，中國AI芯片市場有望從2019年的13億美元增長至2023年的上看35億美元。

不過，2022年10月美國拜登總統祭出芯片禁令，全面打擊中國AI、超級計算機和晶圓加工領域，同時擴大商業管制列表項目，納入先進晶圓加工制程設備、超級計算機相關芯片和設備等選項。有消息指出，美國的科技封鎖戰有可能繼續朝AI軟件、量子運算邁進，相較于看得見的俄烏戰爭，這場沒有煙硝的科技戰爭對于中國及全球AI芯片產業帶來的沖擊如何有待觀察。