账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
边缘运算四大核心 实现海量资料处理的最佳布局
AIoT即将引爆数据海啸

【作者: 吳雅婷】2020年06月03日 星期三

浏览人次:【11775】

物联网的概念开启了科技应用的新视野,然而,当越来越多元件走向微型化、智慧化,数据海啸也随之而来,如何让这些装置以最有效率的方式运作,互通有无,并发挥大数据的优势,成了当务之急。边缘运算便是实现运算资源布局最佳化的关键途径。


要说边缘运算之于物联网,可以吊诡地比作自由经济之于全球化社会。两者之间的共通点在于进行整合平台上的有效资源分配,经济探讨的是生产资源分配,而边缘运算则聚焦运算资源分配。


利用不同运算单元的地缘特性,边缘运算让特定应用场域中的大小元件得以分工进行资料处理,依终端应用的个别需求实现低延迟、低传输成本或功能智慧化。



图一 : 据ITIS计画的报告分析,边缘运算依照应用场域对资料传输时间、成本和效能的不同需求,可分为四大应用。(制图/CTIMES)
图一 : 据ITIS计画的报告分析,边缘运算依照应用场域对资料传输时间、成本和效能的不同需求,可分为四大应用。(制图/CTIMES)

根据ITIS计画的报告分析,未来科技朝向智慧化发展,有两大趋势:智慧装置本身的运算和感测功能结合,以及装置间强化沟通能力,后者指的便是边缘运算。他们进一步剖析边缘运算的四大应用:


1.成本导向的大规模资料传输应用:智慧城市、智慧制造、智慧建筑、智慧能源、高画质影音传输、VR


2.效能导向的即时协作应用:智慧金融、智慧安全、智慧电网、智慧农业;ITIS以「服务可及性」描述此类应用,亦即透过缩短延迟来提升自动化应用的效能。


3.效能与时间导向的体验优化应用:人脸辨识、语音服务、智慧零售、VR


4.时间导向的安全应用:自驾车、无人机、智慧交通、智慧医疗


ITIS指出,市场需求最强劲的是安全应用,但这类应用的技术门槛也最高,因为对系统可靠性和运算即时性有较高要求,实际导入需要较长的开发时程。


相对而言,工业4.0或智慧制造是相对较早开始部署边缘运算的应用场域。边缘运算不仅能实现低延迟的即时资料处理,甚至能以低功耗提供终端足够的频宽来执行AI推论,这能大幅提升元件智慧化的可行性与效能。


过去以资料中心为主的集中式运算架构,在人工智慧普及化的时代,仍会负责执行大量且复杂的运算,像是机器学习、AI建模,方便管理并确保资料安全性,但其缺点是传输资料、运算和维护需要高成本。而边缘运算的出现,可以补足这块运算需求,协助分担不需复杂运算,却仍大量的资料处理工作,像是AI推论。


运用分散式架构,边缘运算除了让智慧化元件得以开枝散叶,更重要的是提供了整体运算系统一套高效率的管理机制。未来云端和边缘的运算系统将各自完善并相互整合,实现物联网的理想。


针对边缘运算的技术优势与限制,思科技术行销资深经理Mirko Grabel表示,边缘运算节省了资料传输的时间和营运成本,但在运算方面,不见得能发挥优势,因为建模或进行大型决策需要大量数据的累积,而边缘运算传输到云端或伺服器的资料已经过处理,在质或量上不见得有利。


此外,赋予众多终端装置高规格运算性能并不合乎成本效益,AI演算法还会占据终端装置大量的储存空间,增生资料压缩和修剪(pruning)成本。因此,如何在云端和边缘间有效调度运算与储存资源,成了边缘运算能否发挥效益的关键。而边缘运算的系统可分为近装置的边缘端与装置内的边缘终端来解析。


边缘设备的四大运算核心

边缘运算设备指的多半是邻近运算需求的装置,其主要功能有两大面向:分散处理与整合管理。一方面,边缘设备要进行大量或即时的资料运算与储存,甚至要进一步预先分析资料,利用闸道器判断运算工作要在云端或边缘端进行;另一方面,分散式运算架构仍要连结不同终端元件,并与其他设备进行资料传输,因此,网路建构(networking)功能不可或缺。


其实,边缘运算的网路管理功能在行动应用上便受到额外瞩目,5G的发展与之相辅相成,VR、影音串流、直播等需要高频宽与低延迟的行动通讯功能,可藉由边缘运算缩短资料传输距离,实现高效率的资料处理。


Intel便与Nokia、腾讯云、中国联通携手推出了多存取边缘运算(multi-access edge computing;MEC)解决方案,在上海Mercedes-Benz文化中心,利用既有的4G网路基础设施,提供近似5G等级的通讯服务,建立低延迟、低传输成本的智慧场域应用案例。


该案例中,Nokia开发了AirFrame伺服器,以判断个别运算工作是否该在边缘端进行,其采用的是Intel Xeon处理器,配备加速封包和加密的功能,以确保资料安全与传输效率。结果显示,不仅直播放映的延迟时间从30秒锐降至0.5秒,边缘装置还能扩充像是即时聊天等社群功能,提升物联网应用的服务范围与系统效能。



图二 : 近装置的边缘运算设备具备四大运算核心,分别负责执行运算、储存、建构网路与加速AI。(source:synopsys.com;制图/CTIMES)
图二 : 近装置的边缘运算设备具备四大运算核心,分别负责执行运算、储存、建构网路与加速AI。(source:synopsys.com;制图/CTIMES)

AI加速器则是边缘运算设备中的另一关键元件。边缘运算虽然善用了邻近运算需求的资源,但边缘设备的硬体规格与规模却不比资料中心,物联网元件又必须满足人工智慧应用的运算需求,AI加速器便能有效加速执行AI推论,以助终端装置进行资料预测或分类。


EDA厂商新思科技(Synopsys)AI策略行销经理Ron Lowman便指出,新一代边缘运算与传统边缘运算的差异便在于导入AI加速器,且依照边缘运算伺服器的不同规格,AI加速器的功耗和运算效能也有等级差距。



图三 : 新一代边缘运算与传统边缘运算的差异在於导入AI加速器,且依照边缘运算伺服器的不同规格,其功耗和运算效能也有等级差距。(source:synopsys.com;制图/CTIMES)
图三 : 新一代边缘运算与传统边缘运算的差异在於导入AI加速器,且依照边缘运算伺服器的不同规格,其功耗和运算效能也有等级差距。(source:synopsys.com;制图/CTIMES)

边缘终端晶片的两大趋势

和边缘装置呼应,边缘终端元件的开发目标便是要晶片具备即时执行智慧功能的能力,且在部分物联网应用中,这些晶片的功耗甚至必须低于5W。因此,采用异质整合和FPGA将是这类晶片的两大趋势。


手机镜头感光元件大厂SONY日前便宣布推出首款具备AI处理的影像感光晶片IMX500和封装版的IMX501。他们将结合AI引擎与记忆体的逻辑元件堆叠在感光元件下方,让影像资料搜集的所在地具备AI运算功能,能够即时辨识影像中的物件。


诸如Sony晶片的异质整合晶片将运算、储存与APU或ASSP结合,能够有效缩短资料处理的延迟时间和成本,将成为Edge AI晶片开发的重点设计之一。


Microchip则同样聚焦智慧视觉应用,推出了VectorBlox加速器软体开发套件,协助晶片开发人员快速且灵活设计神经网路应用的FPGA。他们主张FPGA相较于CPU或GPU,可实现低功耗,同时保有高运算力,适合用来设计Edge AI晶片,因此积极优化PolarFire系列FPGA的开发资源,包含简化设计流程与扩充IP。


近来,FPGA在面临边缘终端晶片的设计选择时讨论热度不减,除了因为其整体运算处理量稳定,不会受到应用程式工作量影响外,FPGA还可进行高密度和大规模的平行运算,利于执行高并行或高相依性的演算法。


结语

边缘运算透过分散式的运算架构,展现低延迟与低传输成本的资料处理优势,在物联网应用中,近装置的边缘运算设备透过四大运算核心执行运算、储存、建构网路与加速AI,并进一步连结分布各智慧应用场域的边缘终端元件,未来更将与现有的云端运算架构更高度整合,实现智慧物联网的愿景。


相关文章
利用边缘运算节约能源和提升永续性
生成式AI与PC革新
边缘运算伺服器全方位应用场景
利用云端运算提升Moldex3D成效
全球标准如何促进物联网发展
comments powered by Disqus
相关讨论
  相关新闻
» Satellite 2024:仁宝携手耀登与富宇翔展示全新卫星通信解决方案
» 圆展与新光保全合作打造远距照护服务
» 远传以智慧空品解决方案打造健康永续城市
» 工研院MWC 2024展会直击 5G-A无线通讯、全能助理成下一波AI风潮
» Akamai Connected Cloud打造分散式云,全新Gecko计画结合云端与边缘网路


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83JB79Y6ISTACUKF
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw