人工智慧(AI）蓬勃發展，
工商日誌 台北
，全球產業多半走向AIoT生態系的發展策略，
台中網路行銷公司
，很多業者積極建構或加入AIoT生態系進行卡位，
冰川水
，共同創造AIoT應用生態體系新商機。台灣廠商長期經營 ICT 製造代工訂單，
網路整合行銷
，國外業者對台灣硬體的品質與成本優勢有正面肯定。然而，
大里婚禮顧問課程
，在AI、物聯網與大數據發展下，
輸出 台北
，也面臨雲端運算效率、AI運算能力及大數據分析品質等技術挑戰與產業需求，
咖啡豆
，其中AI邊緣運算（Edge computing）技術是目前全球產業關注的發展焦點。 當各種大量IoT Data上傳雲端進行AI運算、訓練與分析，此多半延遲整體運算分析、資料回應與機器運作的效率，因此將部分的機器學習機制從雲端下放到終端設備上，邊緣運算技術將原本要送到雲端伺服器或大數據中心進行資料訓練、分析與預測的工作，移往各個網絡邏輯架構上的邊緣節點處理，因而必須提高這些邊緣節點處理數據的能力。市調機構IDC統計，預估2020 年將有超過500億元的終端和設備聯網，其中50%以上的數據需要在網絡邊緣進行分析、處理與存儲。工研院觀察發現，2017及2018年電信業、網通設備業、伺服器業、平台大廠、系統整合業、半導體晶片業、零組件與終端業者，積極發展各種邊緣運算的技術解決方案。從AI邊緣運算技術發展趨勢看來，已從臨近性、地區性等跨裝置聯網、Hub 集散中心的層次，轉往終端應用情境、邊緣裝置。換句話說，AI技術中，部分的機器學習技術、AI自主決策機制將從雲端移轉到邊緣上進行，帶來三大發展趨勢：首先，On-Line Training 快速崛起，On-Device Training 將成為顯學。邊緣運算宗旨是將應用程序、數據資料與服務等運算移往網路邏輯上邊緣節點。但以從彈性部署、即時性回應、頻寬、成本等層面來看，愈靠近使用端，愈能提供較好的效能與即時性體驗。歸納領導廠商的技術解決方案，所有IoT裝置不需要時刻處於聯網狀態，也消耗頻寬、電力與運算資源等，因此AI 邊緣運算技術將具備「On- Line Training」與「On- Device Training」兩個面向。意即連網時才需要傳輸資料並進行AI訓練，以及當IoT裝置處於離線狀態時，也必須具備部分的決策能力與即時反應能力。其次，「Edge AI 晶片+ AI演算法」是全球邊緣運算技術發展趨勢。包括Amazon併購晶片商Annapurna Labs，並招募晶片人才，有意將人工智慧助理Alexa 部分功能從雲端上轉到智慧音箱 Echo上面進行。Microsoft除結合Intel FPGA來發展Project Brainwave硬體架構平台，也與聯發科合作推出支援Azure Sphere的系統單晶片（SoC） MT3620，提供 MCU 的 IoT 產品可以內建安全與聯網功能。Google除發展Cloud IoT Edge外，也自行開發 Edge TPU晶片，讓邊緣裝置可利用TPU進行AI機器學習推論。由此可見，領導大廠從平台、系統到軟體，開始整合晶片，顯示出晶片與演算法將是定義未來邊緣運算軟硬體的發展方向。第三，朝向AI機器學習為導向的應用生態系。邊緣運算生態系除以電信主導的跨裝置聯網體系、或以平台大廠帶領的應用生態體系，此時以最底層的半導體晶片來主導的機器學習生態系也成形，如英國半導體大廠ARM提供 CPU，GPU、NPU及開源軟體相結合的解決方案，進而建立全球AI邊緣運算生態系。預估將有利於台廠從智慧邊緣硬體出發，切入人工智慧邊緣運算產業與市場的機會。當前AI邊緣運算技術發展處於百家爭鳴的狀態，從電信營運商、IoT 設備商、雲端平台大廠、系統整合業者、晶片半導體業等，都在部署並完備邊緣運算的技術解決方案。台廠可從運算資源、部署成本、彈性化、擴充性、即時性回應、易用性等層面思考切入AI邊緣運算。另外，台灣具有智慧邊緣硬體的優勢，On-Device Training是較有利台廠的發展方向，建議台廠能更具體向終端裝置靠攏，並使用者裝置最簡化、最佳化運算、過濾有效數據或收斂共通性功能等，更進一步掃除雲端平台大廠和5G業者的制約，以便於進入各國市場。（作者是工研院產科國際所人工智慧跨域研究小組主持人）工研院產科國際所工研院整合產業經濟與趨勢研究中心之市場分析與產業智庫服務能量，與國際中心海外產官學研機構國際網脈，成立「工研院產業科技國際策略發展所」，以「掌握全球產業與科技趨勢，引領台灣產學研國際發展策略的推手」為願景，掃描前瞻科技與新興應用市場、連結全球創新生態網絡、結盟科研策略夥伴共創未來、提升產學研整體創新科技研發能量，期待藉由強化國際前瞻技術掃描、促進國際領導公司及機構之產業與科技合作等功能，以提升台灣整體創新科技研發能量。，