邊緣運算是AIoT最重要的設計概念之一，終端設備也是台灣廠商的重要利基處，因此台灣廠商，除了在投入前要做足功課外，也應該改變產品策略，強化特定領域的專業，方能在邊緣運算浪潮中站穩腳步，找到自己的市場地位。

物聯網被視為智慧化時代的骨幹運作網路，是繼PC、網際網路、智慧手機之後的第4波革命，各大研究機構也出現各種預估，例如麥肯錫(McKinsey & Company)就認為，2025年物聯網相關應用的產值將高達3.9兆到11.1兆美元。在物聯網快速發展的同時，科技產業迎來另一波新變革，2016年底，AlphaGo陸續擊敗職業棋士後，這項技術再次吸引了全球目光，之後AI迅速與物聯網結合，形成智慧物聯網(AIoT)架構，此架構再加上早已成熟的雲端運算、2019年開始商轉的5G，讓新世代智慧化系統正式成形。

三次發展累積AI技術能量

就歷史軌跡來看，AI迄今已有三次大型發展，1956年知名的語言學家與電腦科學家約翰·麥卡錫(John MaCarthy)首次提出此「人工智慧(Artificial Intelligence；AI )」一詞，並在當年匯集各方學者，希望找出能讓電腦與人腦一樣聰明的方法，不過把人類知識與思想置入電腦的構想並不可行，尤其是人類連自己的思考過程都不甚了解，更不可能將邏輯脈絡寫成電腦程式，因此後來以失敗告終。

第二次發展在1970年代，當時的科學家改採另一模式，希望透過知識庫與推理方式，讓電腦可以推算出人類思考的結果，這次科學家使用了多層次感知器與反向傳播演算法，這次的演算法相對成熟，與現在的神經網路演算法已相當接近，不過此一思維邏輯仍不適用於電腦，因為多數問題連人類自身也難以解答，就算能解答，也不容易釐清規則，更何況是化為程式碼？也因此在結果未竟如人意的狀況下，這波AI浪潮很快消退，從1990～2010年間，AI一度被邊緣化。

這次的AI發展之所以會受到產官學界的高度重視，主要原因有三，包括演算法、硬體、資料量等3大部分都已然齊備，演算法部分延續之前的類神經網路，尤其是2006年，多倫多大學的Geoffrey Hinton教授解決了類神經網路的問題、讓類神經網路重新換上「深度學習」的名字捲土重來，成為現在AI領域廣為人知的演算法，硬體方面則是處理器運算能力的大幅提升，現在的GPU已可在短時間內處理大量數據建出模型，加速AI系統的效能，最後則是資料量的增加，在網際網路的加持下，現在系統要蒐集資料的難度降低，龐大數據量為AI演算法提供了充足的支援。

捲土重來的AI聲勢驚人，並被IT業者視為物聯網智慧化的最後一塊拼圖，AI在物聯網的應用，將會在上層的雲端與底層的設備端，上層雲端系統的處理器以平行運算為主，其架構大致是GPU+CPU或GPU+FPGA，在伺服器領域，Intel的運算晶片仍是市場大宗，台灣IC設計廠商在這部分難有作為，因此未來最佳的位置會是終端設備。

邊緣運算加速AIoT普及

圖1 : 物聯網終端產品的元件，多被要求低功耗與小體積，讓設備可以在最有限的空間下，盡可能的長時間運作。（source：EclipseCon 2020）

現在物聯網主要為集中式運算架構，也就是第一層所擷取的數據全部往上傳，最上層的雲端平台負責儲存與分析，集中式運算與分散式運算各有優缺點，應用也不盡相同。

集中式運算會有即時性、處理器工作負擔和傳輸費用等問題，例如在製造業，設備一旦故障，若仍採用訊息傳回後端再下指令的模式，現場狀況極有可能因為訊息傳遞與後端運算所需的時間而惡化，另外在零售業也會有同樣的問題，現在已有IT廠商嘗試將智慧臉孔分析導入至零售業系統，透過人臉分析與CRM的整合，提供更精準且更快速的服務，而人臉辨識若還需要透過後端伺服器的運算比對，其效益會大幅降低。

另外則是後端處理系統的運算負擔與傳輸費用，未來物聯網的願景是萬物聯網，若所有的訊息都連接到後端的運算平台，則伺服器的運算能力必須非常強大，再加上所有第一線設備的連網需求，無論是建置或運作成本都會相當高昂，因此在部分應用中，邊際運算會是較佳選擇。

不過，邊際運算也並非全無缺點，例如若系統應用於類似車體中的狹小空間，多點部位同時運算，將會產生干擾，此外經過端點預處理過的數據，也會有失真之虞，當然物聯網的建構並非只能二擇一的極端做法，多數的系統都是兩者並行，在即時性需求較高的部分設計有邊際運算功能，其他部分則仍為集中式運算。

圖2 : 物聯網系統多會是垂直產業所應用，製造業就是其中最重要之一，這些產業物聯網系統都需要與其專業結合。（source：The Times of Israel）

對台灣來說，集中式運算向來是台灣廠商無力觸及的商機，台灣廠商過去在IT領域主要以消費性產品為主，物聯網興起後，多數廠商也將目光聚焦在第一層的設備端，而邊際運算概念的出現，完全符合了台灣廠商的產品策略與市場條件。

首先是運算晶片，過去物聯網終端產品的元件，大多被要求低功耗與小體積，讓設備可以在最有限的空間下，盡可能的長時間運作，而由於多只是簡單的狀態數據擷取，因此運算功能不需強大，但在邊際運算概念中，部分設備需要有一定的運算能力。

這對多數Fabless或IC設計業者來說，都在能力範圍之內，而台灣廠商的優勢則在於未來的物聯網系統多會是垂直產業所應用，例如製造、醫療、交通…等，這些產業的物聯網系統都需要與其專業結合，其中位於現場第一線的設備更是如此，而不同類型的設備需要對應不同模式的運算晶片，台灣廠商特色是快速彈性的客製化設計能力，在這種少量多樣的需求中，其優勢將會延續，不過這類型應用也容易被抄襲，因此台灣廠商必須先行取得特定應用領域的專利，方能順利站穩市場。

台商應找出市場定位

不管是集中式運算或邊緣運算，未來都會走向垂直市場，垂直市場的設備都需要該領域的專業知識，而且這部分市場屬於少量多樣，初期的開發成本攤提時間較長，若投入發展的成果不佳，開發成本將有可能無發回收，這對同為競爭對手的大陸廠商來說或許尚可容忍，但對資源有限的台灣廠商來說，就會是難以承受之重。

不過，終端設備市場仍是台灣廠商的重要利基處，因此台灣廠商除了在投入前要做足功課外，也應該改變產品策略，強化特定領域的專業，方能在邊緣運算浪潮中站穩腳步，找到自己的定位。

**刊頭圖（source：WittySparks）