凌華科技推出的MECS-7211邊緣運算伺服器為邊緣聯邦學習提供高效能運算平台,協同優化運算系統,顛覆傳統的集中式機器學習訓練,為個資隱私解套,適合應用於密集型運算的加速場景,如隱私運算、機器學習、基因測序、金融業務、醫療、影像處理、網路安全等。
![凌華科技MECS邊緣運算伺服器實現邊緣聯邦學習應用,以共用模型打造效能卓越的AI智能](/news/2022/07/27/1145248830S.jpg) |
凌華科技MECS邊緣運算伺服器實現邊緣聯邦學習應用,以共用模型打造效能卓越的AI智能 |
隨著物聯網的快速發展以及5G網路普及化,大量終端設備接入網路中產生海量資料,傳統的資料透過雲端進行運算分析,隨著資料的急劇增加,由應用終端傳送至雲計算中心的過程中會造成延時和資料洩露,及時並有效地處理資料成為雲計算中心的一大挑戰。
在網路邊緣執行運算的新型運算模型-邊緣運算(Edge Computing)因應而生;在靠近人、物或資料來源的網路邊緣側,就近提供邊緣智慧服務,更有效率的網路服務回應,大大地提升物聯網、車聯網、工業控制、智慧製造等眾多業務需求。
邊緣運算技術的引入,減輕了雲中心的網路負擔, 但同時也引發了安全性問題,當資料的在地語系化,容易阻礙資料間的流通,加之近年資料安全、應用規範不斷提升,如 GDPR 資料隱私以及資料保護的議題被高度重視。傳統機器學習演算法採用的資料集中化運算,無法應對資料規範要求,限制人工智慧的發展。
在此背景下,聯邦學習(Federated machine learning/Federated Learning)因應而生,為邊緣運算的安全問題提供了解決方案。
聯邦學習是一個機器學習框架,在參與方使用加密後的私有資料進行運算,僅交換加密狀態後的模型的參數、權重及梯度等特徵,無需將原始資料移出本地,也無需將加密後的原始資料移動集中,即能幫助多個機構在滿足使用者隱私保護、資料安全和政府法規的要求下,進行資料使用和機器學習建模。
聯邦學習作為分散式的機器學習範式,保障資料不洩露並讓企業用更多的資料訓練模型、聯合建模,實現AI協作,為隱私保護運算解決方案的落實提供了有力支撐。
近期,凌華科技和星雲Clustar聯合推出邊緣聯邦學習的一體機。該系統採用凌華科技的MECS-7211作為邊緣運算伺服器,和星雲Clustar的FPGA異質加速卡,對聯邦學習中常用複雜運算元進行定性分析和硬體優化,便於使用者實現分布式機器學習任務的加速。
高效的儲存、運算、資料傳輸系統,對比傳統的CPU架構,效能提升7倍,對比CPU加GPU方案,提升2倍,功耗也降低了40%。此邊緣聯邦學習一體機適用需要大量資料分析並著重隱私的金融、醫療、數據中心等領域,並已完成多處實例佈署。
凌華科技網路通訊暨公共建設事業處總監葉建良表示:「凌華科技MECS系列產品是定位於5G的邊緣運算平台。作為OTII規範的發起者之一,MECS系列產品符合OTII(Open Telecom IT Infrastructure)的產業規範,採用異質的架構,靈活支援FPGA、GPU、5G加速等擴充卡。精巧的尺寸設計加上支援寬溫的運作環境,適合分散式架構應用場景,方便部署於網路邊緣和應用。凌華科技和星雲Clustar聯合推出邊緣聯邦學習的一體機,協同優化運算系統,拓展了MECS系列產品的應用,未來也將持續在AI 領域合作,豐富邊緣運算的應用場景。」
凌華科技致力於邊緣運算和AI領域,超過二十年在電信網通運算領域的研發投入經驗,專注於網路安全、5G,邊緣運算,物聯網等基礎設施的產品和服務,提供領先、加固和可靠的硬體和軟體解決方案,成為人工智慧改變世界的推手。