目前邊緣運算多著重於物聯網需求，提供分散式功能給嵌入式系統。

隨著運算資源成熟，邊緣運算將成為所有產業和應用的主導要素。

特別是機器人等各種複雜的邊緣裝置，都將加速此一轉變。

邊緣運算是一種運算拓樸，能將資訊的處理、內容的收集與傳送都保留在靠近該資訊來源處，嘗試讓流量和處理工作都在本機進行，目的在縮短延遲時間、發揮邊緣功能並賦予邊緣端更大的自主性。

更強大的邊緣運算

Gartner研究副總裁Brian Burke表示，目前邊緣運算多半著重於物聯網系統的需求，為製造或零售等特定產業提供離線或分散式功能給嵌入式物聯網系統。然而運算資源日趨成熟並走向專業化，加上資料儲存量的增加，使邊緣端的功能日漸強大，邊緣運算也將成為幾乎所有產業和應用的主導要素。特別是機器人、無人機、自駕車和執行系統等各種複雜的邊緣裝置，都將加速此一轉變。

圖一 : 企業在智慧製造可透過邊緣運算來節省成本效益。

對於2020年之後邊緣運算的發展預測，Gartner估計到了2023年，50％以上的企業資料會在資料中心或雲端以外的地方被創造出來以及被處理，這樣的比重到了2025年則將達到75％。而到了2023年年底，超過五成的大型企業將部署至少六個為物聯網或沈浸式體驗部署的邊緣運算解決方案。至於在2022，將會有超過五成的工業物聯網分析工作在邊緣端被執行。

智慧製造效益最高

根據瞭解，在北美市場的邊緣運算應用上，目前是以智慧製造的相關應用產值效益最大，主要原因在於企業在智慧製造可透過邊緣運算來節省成本效益。其次為電信營運商透過邊緣運算優化其網路管理，尤其是影音數據管理。整體而言，以目前大廠的佈局來說，尤以智慧家庭、智慧製造、智慧零售、智慧城市等相關應用居多，醫療照護、交通運輸、能源等垂直領域也陸續有應用案例衍生。

一般來說，應用案例的需求要件，會決定所需使用的技術與終端樣貌。如自駕車相較於其他應用，會較依賴視覺處理技術，系統還必須承受惡劣環境、天氣與路況等。每一個邊緣運算設施，都需要依據個別應用客製化，沒有單一解決方案能滿足每種不同的應用案例。

@大標:AI運算走向端雲共生

在過去，AI運算多在雲端執行，端點與裝置僅能作極為輕量的AI運算，主要的運作仍在雲端運行。隨著神經網路演算法、晶片異質整合、記憶體內運算等技術的精進，端點與裝置的運算力預期將隨之提升，這也將使得終端裝置的AI能力出現顯著的躍進。未來在終端裝置上，AI『推論』將有明顯的進展，而雲端則專注AI『訓練』。IDC預期未來AI運算將走向『端雲共生（Edge/Cloud AI Mutualism）』，而電腦運算、消費裝置、零售、製造、醫療、能源、汽車、智慧城市將是AI端雲共生值得關注的八個重點應用產業。

隨著AI運算端雲共生的發展，IDC也預期到了2024年，全球超過50％的人機介面將會基於AI電腦視覺、語音、自然語言、AR/VR等技術，進而產生更多元且直覺的新興使用者體驗。而到了2025年，全球約有50％的終端裝置都將具備電腦視覺與語音辨識等相關的AI神經網路運算能力。

值得注意的是，穿戴裝置在台發展超過十年，但整體普及率僅達14.5％。隨著邊緣運算、跨裝置平台協作、更為人性化的互動介面及更嚴密的資料保護，將使得下一代穿戴裝置與消費者產生更多的互動。IDC也預測，未來圍繞著優化消費者體驗與垂直市場應用的結合，將是突破台灣穿戴市場發展的重要動能。2020年台灣市場預期將看到更多穿戴裝置應用於保險、醫療、飯店，及其他服務導向類型的企業組織以及相關商業模型計算運用。預估隨著這一波科技發展，2022年台灣穿戴裝置普及率將達26％，吸引更多潛在消費者進入市場。

特定邊緣應用的台灣AI商機

隨著演算法技術的精進，端點與裝置的運算力隨之提升，這也將使終端裝置的AI能力出現顯著的躍進。

工研院綜合預測邊緣端與裝置端AI晶片的市場規模，從2017年的793百萬美元，到2025年預估的51,623百萬美元，年複合成長率達68.5％。估計到了2025年，前三大的邊緣AI產品分別為智慧手機、智慧音箱、與抬頭顯示設備（如AR/VR/MR）。而成長最快速的產品則是消費型與企業用的機器人及安全監控攝影機。

圖二 : 成長最快速的邊緣運算產品是消費型與企業用的機器人及安全監控攝影機。

在特定領域的專用AI系統，由於應用背景需求明確，加上領域知識深厚、模型建立計算簡單可行，因此在單項測試之智慧水準已可超越人類智慧，目前在許多領域已取得具體成效。但論及技術挑戰，則在於發展低能耗、高準確率的認知計算，包括新型運算架構電路設計、演算法等。未來AI晶片是特定的演算法加速器，來加速包括卷積神經網路、遞迴神經網路在內的各種神經網路演算法，專用晶片的最大優勢在於其成本和功耗降低，可以大幅提升人工智慧演算法運行效率。

工研院產科國際所分析師范哲豪觀察分析，記憶體是各種邊緣裝置AI晶片設計的關鍵，台灣具完整的記憶體產業鏈，及豐富的生產製造經驗。若在發展AI晶片時能有密切的整合關係，將具強大的優勢。台灣半導體業者擅長IC硬體設計，已有許多與國外AI新創公司合作開發電腦視覺或3D感測之案例。加上台灣AI晶片聯盟（AITA）的成立，預期將產生更大的合作綜效。未來邊緣端的IoT裝置所使用的控制晶片，皆將內含AI加速晶片。以台灣過去豐富的IoT裝置製造經驗，未來若結合AI晶片共同發展，將在國際市場上更具競爭優勢。

結語

從2017年的AI元年開始，各相關企業都開始投入佈局AI技術。到了2019年，AI的應用需求更是明確，許多原先以雲端運算為基礎的產品都紛紛轉向終端運算處理。連網設備現在為了解決包括網路頻寬不足、通訊延遲、缺乏網路覆蓋、資料隱私與機密等需求，對終端AI運算能力的需求也逐漸超過雲端運算。除了演算法和巨量資料，作為AI的三大要素之一，運算能力也變得非常重要。目前各大晶片廠商都在致力於開發自家的AI邊緣運算晶片，將AI運算從雲端逐漸向終端轉移。我們可以說，經歷了前幾年的醞釀，在未來的日子裡，邊緣運算將在所有人生活中扮演更為關鍵的角色。