回顧這二、三年，包括微軟、Google、Amazon這些雲端市場的巨人，紛紛投入邊緣運算的新戰場。已經囊括公有雲產業的他們，為什麼會同時進軍邊緣運算？對於既有的雲端運算產業又會有何影響？

圖片來源 : shutterstock、達志影像

去年七月，Google發表了專為邊緣運算設計的張量處理器（Tensor Process Unit, TPU）架構，並且從今年一月開始，正式對全球開發者釋出。相較於前幾個世代、專為大型資料中心設計的Cloud TPU，Edge TPU在機器學習的運算效能明顯較為精簡，但晶片尺寸、耗電量也大為降低。外界普遍認為，Edge TPU將是Google在5G時代，競逐邊緣運算市場的重要武器。

自從2006年、亞馬遜（Amazon）推出雲端運算服務（AWS）以來，雲端運算成為這十年來，最火紅的企業資通訊產品。而在經過十多年的廝殺後，雲端產業裡最關鍵的平台服務（PaaS），已經確定由Microsoft Azure、Google App Engine、Amazon Web Services三巨頭聯手壟斷，其他競爭者根本難以再進入。

雲端運算市場，已形成三分天下的形勢

資策會智慧系統所總監陳仕易指出，以物聯網架構為例，當終端感測器蒐集到的資料，經過第一層閘道（gateway）的整合之後，就會透過網路傳到雲端平台上進行運算。「包括裝置的管理、資料儲存、資安、還有現在最流行的人工智慧分析架構，都是在雲端上進行，」他指出，針對個別用戶的應用需求，也會有第三方廠商開發專用的軟體工具，讓用戶在平台上進行運算。簡單來說，在雲端運算架構下，感測器蒐集資料之後，絕大部分的運算需求，都是由雲端平台負擔（圖1）。

圖1：傳統IOT系統運作架構

資料來源：「從感測網路標準看物聯網應用發展」會議資料，2019/10/16

但是，雲端運算也有它的缺點。「傳輸頻寬、延遲時間、資安、平台營運……這些都是問題，」陳仕易分析，因為資料都必須回傳到雲端才能夠運算，勢必耗費大量的傳輸時間與金錢成本，如此一來，使用者的反應時間勢必拉長，不利於及時反應的需求。此外，如果資訊必須傳輸到遠距離的資料中心進行運算，在來來往往的傳輸途徑上，也難以避免資料外洩的威脅，更不用說租用雲端平台本身，就是一筆不小的費用。

看準用戶對低成本、高資安的運算需求，邊緣運算（Edge Computing）也應運而生。陳仕易解釋，邊緣運算訴求的是，並非所有的資料都必須回傳雲端，而是在接近第一手資料的「邊緣」，例如基地台或者感測器本身，就先進行一部分的資料運算，以減少傳輸頻寬的需求，並且加強低遲延的反映能力（圖2）。

圖2：IOT的邊緣運算架構

資料來源：「從感測網路標準看物聯網應用發展」會議資料，2019/10/16

更重要的是，「雲端跟邊緣彼此之間可以是協作關係，」陳仕易舉例，用戶可以根據自己的需求來規劃雲端和邊緣的部署方式，「如果用戶的企業規模較大，可以建構不只一層的邊緣運算，對資料處理跟傳輸進行更細緻的分工。」

雲端/邊緣運算，應該是互相協作的關係

此外，邊緣運算也可以用來加強雲端平台的人工智慧強度，Amazon的Snowball Edge就是個典型的例子。外型就像個普通方盒子的Snowball Edge，其實配備了TB級的儲存容量、20個以上的中央處理器，用戶甚至還可以選擇配備大數據專用的圖形處理器（GPU），就是讓用戶在沒有網路服務的海上、礦場等情境，也能使用AWS同等級的運算服務。Amazon在交付Snowball Edge給用戶前，會先根據用戶需求，預先設定好運算程式；待用戶使用完畢、將Snowball Edge交回給Amazon時，裡面儲存的資料和分析結果又能反饋給雲端平台上的主程式，以增加模型的分析準確度。換句話說，Snowball Edge就是個迷你規格、還能根據用戶需求打造的移動資料中心。

在5G的推波助瀾下，邊緣運算普及的速度將愈來愈快，對於既有產業的影響也會愈來愈明顯。「未來每個終端裝置，或多或少都必須具備運算能力，」陳仕易分析，就算感測器的發展趨勢永遠是輕薄短小，但為了滿足低遲延、分散運算負擔的需求，再低階的產品也都得嵌入運算晶片；相同地，為了提升雲端平台或者邊緣伺服器的運算效力，感測器資料也必須標準化，加強資料之間的共通性。「最好是在終端就把資料處理好，讓雲端可以直接進行運算，而不是所有東西都丟上雲端後，才開始分類整理，反而降低雲端平台的運作效能，」陳仕易說。

資料來源：
「從感測網路標準看物聯網應用發展」研討會，台北市電腦公會，2019/10/16

Facebook 在北美智權報粉絲團上追踪我們