工業領域的邊緣運算需求，可以從很多方面來說起。因為具有資料的局部性、可靠性和低延時等不同要求，因此工業控制應用可以說是邊緣運算的主要應用場域。由於資料（甚至是中繼資料）被視為是公司的關鍵資產，使得資料局部性要求將資料保留在工業環境的物理場所中（例如工廠）。而考慮到控制鏈的穩定時間（例如移動機械臂）與反饋回路的延遲等直接相關時，就很容易理解低延遲要求是非常嚴格且重要的一件事情。至於可靠性的要求更是顯而易見的，因為停機的代價將會十分高昂。

工業環境複雜化

恩智浦半導體邊緣運算事業部大中華區行銷經理李宜儒指出，由於需要在設備之間進行大量的協調，使得現代工業生產環境相對更為複雜。這也推動了在設備之間進行協調和時序對齊的需求，在理想情況下，對某些形式的集中管理和控制增加了新的需求。這些需求反過來又促使邊緣運算環境，對有線或無線通訊的需求日漸急迫。

今日的工業網路環境包含本地生產域，在本地域主要透過如TSN有線乙太網連接，能夠實現數十微秒的端到端延遲。有線通訊網路可以支援集中式操作控制和協調，而工業用的無線Wi-Fi方案則大多是用於對時間精度和可靠性要求有限的應用場景。

工業4.0的概念在於提倡使用智慧技術和大規模的機器間（M2M）通信，來實現更為靈活工業運行環境。例如，使用無人導引車（UGV）的現代倉庫，以及導入非線性而是在裝配站之間按造需求調度操作的現代化裝配線。在這些應用環境中，需要透過5G專網來確保實現低延遲、高可靠性的連接方案。借助5G的無線連接，可以取代生產域之間的連接，以及生產域與集中控制域之間的連接，進而可以實現更為靈活的部署、行動化連接，以及邊緣運算的工業控制應用。

發揮工業市場運算潛力

事實上，工業邊緣運算不只侷限於單一節點上的獨立處理，部分邊緣應用適用於在邊緣節點的本地端處理資料，而有些應用則需要多個邊緣節點相互協調，並在即時條件下進行操作或感知。在這些情況下，在邊緣端建立一個本地網路以聚合邊緣節點，並組成一個分散式的邊緣構件，該邊緣構件作為單一巨集群的組件，以在限定時間內進行邊緣運算。

在工業系統中，包含將物料製成產品的系統，以及用於實施程序控制、流程管理和過程監控的即時嵌入式系統。工廠可以使用工業乙太網技術，並利用運行傳統工業通信協定的標準乙太網來提供即時回應。遺憾的是，許多工業乙太網的協議既不能彼此互聯，也不能與標準乙太網相容，因此限制了技術供應商的大規模發展，同時也減緩了創新的步伐。在工廠中的每台機器，可能都連接不同的工業乙太網網路，並運行特定的協定，來實現不同的控制功能。

借助TSN技術，邊緣節點可以聚合在單個巨集群組中，該巨集群組可以透過上層協議來作為邊緣基礎設施中的單個實體，以便進行管理。這可以使用在各種物聯網領域中，包括工廠、智慧電網、和家庭健康管理等任何需要多個節點即時協調運行，以在邊緣實現共同目標的場景。

工業環境AI部署

嵌入式邊緣設備正變得越來越複雜，功能也越來越強大，因為它們整合了更多硬體元件（例如CPU、GPU、DSP和機器學習加速器等），來執行各種形式的機器學習。然而，這些複雜的硬體元件必須得到有效利用。帶有GPU和NPU等專用加速器的邊緣設備，執行矩陣乘法的速度與效率明顯高於CPU，機器學習框架也可以更有效地利用這些硬體元件。

例如，TensorFlow Lite解釋程式是使用『委託』的概念，可以將計算密集型操作移交給專用硬體以實現加速。支援機器學習的軟體架構則可以優化機器學習在SoC中的執行流程，以提供高性能、低功耗的解決方案。

圖一說明了機器學習的優化管道，包含了對於影像資料的智慧（工業檢測、人臉、人物、物件檢測與分類，以及動作識別）不斷成長的需求。這種需求推動了視覺系統快速整合機器學習技術。儘管基於手動特徵來提取與使用的傳統視覺技術仍在大量使用，但是強大的運算推理引擎的出現，再結合廣泛可用的機器學習框架和基於視覺的模型，降低了完全（或幾乎完全）使用機器學習來滿足機器視覺場景需求的障礙。

圖一 : 機器學習優化管道（製圖／王岫晨）

工業邊緣運算需求

Arm AIoT方案資深經理黃晏祥指出，為因應新的標準，例如對於OPC UA的支援，工業等級的MCU應用場景將深且廣，從邊緣運算、行動裝置到感測器，都將需要各種不同效能需求的MCU。MCU對運算效能的需求範圍，從超低功耗微控制器到高階伺服器級處理器皆有所不同，所以工業界需要一個多元且能涵蓋支援IIoT的CPU IP家族來滿足不同的需求。

圖二 : Arm AIoT方案資深經理黃晏祥

此外，安全對於工業環境至關重要，因為人們在靠近機器與機器人的位置作業。因此除了效能需求之外，工業物聯網對資訊安全（Security）、功能性安全（functional Safety）和即時性的要求，將更甚於一般於消費市場的應用。一般來說，Arm架構MCU對於工業市場的優勢如下：

多樣化與涵蓋範圍廣的CPU與相關的IP

多樣化與涵蓋範圍廣的CPU與相關的IP是Arm架構對於工業用MCU產品線支援一個很大的優勢。Arm IP產品組合通過與任何其他供應商不同的Cortex-M、Cortex-R和Cortex-A CPU，真正從工業自動化層次結構的頂部到底部進行性能擴展的架構來滿足這一需求。CPU之外，還包括了處理圖形的GPU，得以應用於觸控顯示器的驅動器，甚至是更為複雜的AR/VR設備。工業物聯網對能夠處理機器學習（ML）工作負載的設備的要求也越來越高，這些都可以透過CPU來執行，或者對於密集型工作負載用專用的NPU。

安全防護

部分Arm的CPU提供了功能性安全（functional Safety）以供選配。功能性安全是在汽車、機器人、工廠等處內部系統的關鍵要素。它讓系統能夠偵測、診斷並且安全地減輕任何故障的發生，防止對人員與環境造成傷害。安全是工廠內外部署的許多系統的關鍵考慮因素，其中攸關於系統檢測、診斷和安全緩解任何故障發生的能力，防止對人和環境造成傷害。另外，Arm Safety Ready產品符合了工業應用的IEC61508標準，可提供支援IIoT構建功能安全的設備。這種安全防護能力，有助於加速安全產品開發、認證和部署。

進階的資安防護

數據安全攸關智能製造供應鏈的每個環節，對於防範工業系統中的一系列漏洞和威脅模型至關重要。工廠需要保護他們的商業秘密，防止遠程干擾生產，並保護產品免受仿冒。隨著運營技術（OT）和資訊技術（IT）網路開始融合，工廠外部可能會暴露出更大的攻擊面。也因此，這對每個IIoT設備的硬體和在其上執行的軟體增加了額外的安全要求。Arm擁有許多支持點到點安全性方案，包括TrustZone和CryptoCell等技術，它們有助於達到PSA Certified（Arm亦為創始會員）概述的最低安全要求。由於IEC62443工業自動化網路安全標準獲得更多重視，PSA認證的創始企業也開始致力於將PSA認證框架對應到這一日益重要的標準，這將為整個供應鏈提供合規設備的保證。

提供完整生態系

Project Cassini是一項開放、協作、基於標準的計劃，目的是為搭載Arm Cortex-A的裝置，提供無縫的雲端原生軟體使用體驗。物聯網和基礎建設邊緣解決方案的開發人員，可透過Arm SystemReady和PSA認證的晶片、開發板以及來自Arm生態系統的OS Linux支援，取得Cassini的功能。同時為了推動物聯網在Cortex-M上快速蓬勃成長，Arm也與合作夥伴開發了Project Centauri協作計劃。

結語

邊緣設備可以是採用先進技術的小而複雜的設備。因此，開發人員需要各種代碼開發、整合、調試和優化工具，以幫助他們有效率地設計和控制其設備。與傳統嵌入式系統或MCU開發過程相比，為現代應用（包括邊緣運算設備）開發軟體更具有挑戰性，這不僅是因為硬體更為複雜、韌體需要更多功能，而且還因為更高的生產力目標改變了開發流程。因此選擇正確的流程搭配正確的工具，對於在預算和時間限制內開發高品質的應用至關重要。