智慧生活相關裝置不斷增加，這也展現出了邊緣運算的重要性。

許多邊緣運算裝置是採用電池供電，因此對於系統的功耗有很高的要求。

這些裝置也必須對隱私數據進行保護，讓核心運算在邊緣端可以更安全。

AI正逐步深入生活的各層面，許多裝置都漸漸需求更高的運算效能。事實上，智慧生活相關的裝置，越來越多普遍都必須依賴AI演算法。這些應用場景對低功耗和安全性都有很高的要求，這就展現出了邊緣運算的重要性。

邊緣運算裝置有許多是採用電池供電，因此對於系統的功耗有很高的要求，用來延長系統的工作時間。此外，這些裝置往往需要處理個人隱私數據，比如臉部特徵、聲音特徵等，因此必須對隱私數據進行充分的保護，讓核心運算在邊緣端可以更安全的實現。

軟硬體協同開發是最大挑戰

邊緣運算需要充分利用嵌入式設備來完成，因此需要對軟體演算法進行充分優化，更高效利用硬體特殊結構，如DSP、GPU、與神經網路加速器等。

恩智浦半導體大中華區邊緣運算事業部產品行銷經理弋方指出，目前邊緣運算最大的挑戰是在於軟體與硬體的協同開發。邊緣運算需要充分利用嵌入式設備來完成，因此需要對軟體演算法進行充分的優化，更高效的利用硬體的特殊結構，如DSP、GPU、與神經網路加速器等。

而此時，客戶將會需要整套完整的解決方案，包含軟體開發環境、高效的推理引擎、用來快速地將演算法移植到嵌入式平台，以實現邊緣運算。

面對這樣的需求，NXP從硬體和軟體兩個方面來提高智慧終端應用裝置的效能。NXP推出了eIQ這一種開發工具，包含了常用的推理引擎，可以讓客戶應用在設計的快速部署上。在人臉辨識應用中，NXP推出基於MCU和MPU的不同方案，可覆蓋多種不同的應用場景。

隨著5G興起與AI的擴大應用，弋方也認為，5G帶來更大的頻寬、更低的延遲，同時也帶來更多的應用場景，如AR/VR、工業乙太網、智慧交通等，而AI的擴大應用，對邊緣運算的安全性和時效性也提出了更高的要求。這些需求的產生，未來NXP也將會持續開發新一代的產品線，來應對市場所需。

AI驅動智慧物聯

智慧物聯網是AI趨勢下驅動的一個市場方向，其應用也將擴及至智慧交通、環境保護、政府工作、公共安全、工業監測、智慧醫療、水質監測、商品追蹤、智慧製造等多個領域，也可能徹底顛覆公部門對各項公共設施的維運管理，進而改變人們工作、生活與商業營運的方式。

Arm首席應用工程師沈綸銘指出，在智慧物聯的架構之下，運算正由雲端轉移到邊緣。隨著人工智慧技術日益成熟，智慧運算已可在資源受限的邊緣執行。各式應用智慧物聯需求，驅動著運算從雲端伺服器到邊緣運算裝置上。這種轉移的重要性可分別從幾個面向探討：

‧ 釋放更多的應用可能性：不再受限雲端伺服器成本以及雲端傳輸延遲，提供使用者更多樣性的應用服務；

‧ 更好的隱私保護：使用者不需要將本地的資料上傳雲端伺服器進行運算，可避免有心人士惡意的攻擊。

‧ 提升智慧物聯的速度與效能：因智慧終端裝置數的增加，邊緣運算可以加速智慧物聯的速度，並分擔運算中心的運算與效能需求，將運算技術下放到終端除了可以縮短反應時間，更可以提升智慧應用的效率。

所謂智慧終端，即是在原本裝置上需要具備AI算力與安全性的能力。以Arm目前的產品為例，Ｍ55與U55是Cortex-M系列產品經過這兩方面需求強化下的下一代產品，AI算力是原M4的480倍，並具有TurstZone功能，更能符合智慧物聯的安全性需求。

軟硬體整合

建置安全的物聯網需要軟硬體整合。Arm在其解決方案上，也是從這兩方面來解決客戶的問題。這包括了IP解決方案與管理平台解決方案等。

IP解決方案

‧ 運算與儲存能力的提升：Arm可提供很廣的IP組合（Portfolio），以CPU為例：從最高效能的CPU Cortex A、針對企業用戶的Neoverse系列、針對即時系統的Cortex –R，以及針對低功耗物聯裝置的Cortex M系列。

‧ 能耗與效率的提升與平衡：Arm最新的M55針對ML運算導入了Helium新的技術，相較於以往Cortex-M系列處理器強化了15倍ML效能的算力，同時功耗只增加一倍，搭配U55又能再次增強32倍的ML算力，對邊緣運算需求的趨勢，是能夠兼顧能耗與效能的平衡方案。

‧ 如何讓可連線的裝置更安全 - M55導入了TrustZone功能，搭配Corstone-300子系統可以整合Cryptocell-312安全性IP能提供更高的安全性防護。

管理平台解決方案

隨著這麼多裝置同時連網，大量資訊的碎片化與多樣化問題就會浮現。為了解決這難題，Arm推出了Pelion物聯網平台， 提供安全解決從裝置到資料之間複雜難題的解決方案。這個物聯網平台能一站管理連接、裝置與資料，幫助企業連接並管理全球網路中任何可信任的物聯網裝置，從中提取即時資料，加速實現部署物聯網的價值。

‧ 資料管理（Data Management Services）

當資料爆量，就需要一個資料管理服務，將物聯網裝置中可信任的資料與企業中相關的資訊連結，透過預測性分析隨時更新及優化資料，取得有意義的洞察。

‧ 裝置管理（Device Management Services）

裝置管理則是可以安全、可靠地加入、連接和更新各類物聯網裝置，並進行生命週期管理，部署於企業內部(on-premises)或者雲端。

‧ 連接管理（Connectivity Management Services）

想要做國際物聯網的生意，跨國能力就很重要。只需一份全球性合約，連接管理平台即可簡單、安全、經濟且高效率地連接不同網路標準的各類物聯網裝置。

圖一 : Arm針對邊緣運算推出Pelion物聯網管理平台

針對AI運算處理進行優化

Cortex-M55與U55具備針對AI算力的增強，相較以往Cortex-M產品針對AI運算處理做更進一步的優化，並且增加了 TrustZone 功能以符合市場安全性的需求，並且Arm針對M55與U55提供單一的開發工具環境能簡化開發者工具的複雜度，採用M55與U55透過Arm生態系統結合後，不但降低風險，同時可加速產品上市時程。

圖二 : 對AI運算處理進行優化，讓終端設備提升ML能力。

結語：引爆邊緣運算需求

而在5G技術逐漸邁向商用之際，Arm首席應用工程師沈綸銘認為，相較上一代的4G技術，5G強調的是更快的速度、更低的延遲、更多的連結數量，這些特點將引爆更多種應用與Edge Computing 的需求，介於End-Device 到雲端之間的裝置將越來越多。

從5G傳輸的邊緣運算能力來看，不論是RU（Radio Unit）、DU（Digital Unit）或者CU（Centralized Unit），Arm都有相對應的解決方案，知名的合作夥伴如Marvell、NXP等，他們都有提供DU與CU的解決方案，這些都已有概念驗證PoC（Proof of Concept）。

在未來世界，端點裝置（end-point device）也能有資訊運算能力（Intelligence）。Arm的佈局就是在傳統CPU 工作負載的效能以外，再多加一個象限，也就是AI 與機器學習的表現。所以Arm近期發表的Cortex-M55，它的CPU傳統工作負載表現大約在Cortex-M4 等級，但其機器學習的表現則較Cortex-M4高出15倍。

對於End Point 端、Cloud Service、Content Provider等，這一路上所有的中間廠商都會因5G與邊緣運算受益。而採用Arm M55與U55將能更快符合5G時代邊緣運算上的需求。