邊緣運算帶動新的市場商機，大量裝置如何管理、人工智能如何導入、安全防護如何實現(xiàn)等，讓市場對硬體有新的需求，但隨著開發(fā)難度上升，許多廠商著手升級開發(fā)工具的完整和便利性，讓開發(fā)者可以專注在自身業(yè)務(wù)的投入，造就了新一波開發(fā)風潮。
邊緣運算的觸角已涵蓋各領(lǐng)域并得到落實，但架構(gòu)從集中式轉(zhuǎn)為多節(jié)點的分散式、邊緣端（如終端和閘道器等）的自主性提升，使得底層的裝置管理更復雜、網(wǎng)路技術(shù)的融合也更重要，而且安全防護的機制需要更加謹慎，因此開發(fā)過程需要考量的內(nèi)容越來越多元，增加開發(fā)的難度。
也因此，越來越多上游廠商積極改善開發(fā)工具的實用和便利性，協(xié)助開發(fā)者專注于自身創(chuàng)新業(yè)務(wù)開發(fā)，而非工具的學習。以下分析上游IP廠商ARM、芯片廠商英特爾與云端廠商微軟等在開發(fā)工具和平臺的布局與進展。
ARM從多方切入積極布局邊緣運算，于2017～2018年推出各式相關(guān)IP，并協(xié)助開發(fā)者降低開發(fā)難度。除了三大芯片IP系列產(chǎn)品外，ARM先前已推出ARM Mbed平臺，包括Mbed Cloud和Mbed OS兩大部分，Mbed主要是基于ARM架構(gòu)，針對IoT服務(wù)發(fā)展的基礎(chǔ)建設(shè)框架，并搭配自家Cortex-M芯片建立生態(tài)系。Mbed Edge則透過物聯(lián)網(wǎng)閘道器讓使用者能將Mbed Cloud裝置管理功能進一步拓展，如對裝置進行導入、控制與管理等。
Mbed Edge有三大特點：一、通訊協(xié)定轉(zhuǎn)譯：可將非IP協(xié)定的聯(lián)網(wǎng)裝置（如LoRa和Modbus）轉(zhuǎn)譯成IP based，共同在Mbed Cloud進行管理。二、閘道器管理：提高IoT閘道器的復原能力和降低停機時間，并新增如發(fā)送警報、程式、資源、診斷與介面管理。三、進行邊緣運算：使用者可依需求將復雜程度不同的運算資源或演算法置于閘道器中，就算與云端斷線仍能獨立運作。
ARM進行全方面IP擴增
讓物聯(lián)網(wǎng)閘道器具備運算資源有兩大好處，一是閘道器不必從云端接收指令就能做簡單的應(yīng)用與判斷，例如監(jiān)控生產(chǎn)線的壓力值，一旦系統(tǒng)自動判定預設(shè)門檻便會自動關(guān)閉生產(chǎn)線，過程不再需要經(jīng)過云端，二是可節(jié)省網(wǎng)路流量，藉由閘道器或終端自行決定是否要傳送資料或舍棄。
2018年后ARM翻新Mbed Cloud，廠商可利用新版Mbed Cloud部署更有彈性的物聯(lián)網(wǎng)。雖然云端已為多數(shù)廠商採用，仍有廠商受限于安全和法律議題無法跟進，新版Mbed Cloud便是針對此而增加內(nèi)部部署裝置管理，讓Mbed Cloud可支援多個公有、私有、混合云與內(nèi)部部署等環(huán)境，并讓受限裝置得以連網(wǎng)。由于廠商得以使用、管理并整合新設(shè)備和既有設(shè)備，新版Mbed Cloud亦有助邊緣運算的推動。
在邊緣運算的布局上，ARM在2018年推出Project Trillium機器學習運算平臺，以因應(yīng)大量人工智能應(yīng)用導入終端裝置的趨勢。終端裝置在符合大量運算需求時，也要能維持同樣能源效率，該平臺除了提供使用者彈性和擴充性，也將更多人工智能應(yīng)用帶進各類終端裝置。
在安全防護方面，ARM則推出PSA框架，與首款針對物理安全防竄改的處理器ARM Cortex-M35P，搭配如TrustZone、CryptoCell與CryptoIsland等技術(shù)和IP，讓終端裝置在面對網(wǎng)路、軟體與物理等多方面攻擊時，有更強防護能力。
從上述新產(chǎn)品和服務(wù)可以看出，ARM從邊緣端的安全、運算與擴充彈性等各方面升級，積極朝向2035年前達到全球1兆連網(wǎng)設(shè)備的目標前進。2018年5月中ARM與南韓電力廠商KEPCO合作儀表系統(tǒng)升級，利用Mbed Edge讓KEPCO部署各類智能閘道器，連結(jié)電網(wǎng)和公共事業(yè)服務(wù)，以及對各種家用電器進行資料即時分析，協(xié)助優(yōu)化能源的使用。
身為全球最重要芯片廠商之一，英特爾積極布局物聯(lián)網(wǎng)、人工智能與邊緣運算相關(guān)策略和產(chǎn)品線。在2018年初CES展，英特爾便推出許多邊緣運算相關(guān)展示，例如與多家廠商合作智能家庭產(chǎn)品，包括京東新一代語音助理京東叮咚PLAY，內(nèi)含英特爾Atom處理器，除了支援語音辨識外，亦可直接從裝置執(zhí)行臉部辨識。
英特爾重視視覺應(yīng)用
此外，英特爾也與宏碁、華碩、惠普與聯(lián)想等PC品牌廠商合作，推出搭載亞馬遜Alexa語音助理的電腦。英特爾參與協(xié)助改善Alexa使用體驗，使其支援語音控制，并透過智能音效強化音訊品質(zhì)和語音喚醒，讓使用者可利用語音指令喚醒電腦。
CES展后，英特爾接著以2017年推出的英特爾Xeon可擴充平臺為基礎(chǔ)，推出新型Xeon D-2100系列處理器，將更多運算與智能能力結(jié)合在消費者和商用裝置上（如手機、物聯(lián)網(wǎng)感測器與自駕車等），直接在網(wǎng)路邊緣端搜集資料，并于當下做出回饋。
該處理器將智能功能內(nèi)嵌于功耗更低的系統(tǒng)單芯片，支援各種過往因空間和功耗限制而無法導入智能應(yīng)用的邊緣環(huán)境，如此一來有機會將芯片尺寸縮小，并優(yōu)化邊緣端瞵體裝置的安全、網(wǎng)路、加速與功耗等，未來可因應(yīng)5G、網(wǎng)路虛擬化與串聯(lián)云端資源等應(yīng)用。
在邊緣運算相關(guān)范疇中，英特爾特別著重視覺應(yīng)用技術(shù)，近期併購了Nervana、Movidius、MobilEye與Altera。在Computex 2018前，英特爾更針對機器視覺應(yīng)用，開放視覺推論和類神經(jīng)網(wǎng)路工具套件OpenVINO，協(xié)助開發(fā)者快速將邊緣裝置和物聯(lián)網(wǎng)裝置收集到的影像資料，轉(zhuǎn)換成有價值的資訊。
OpenVINO可讓開發(fā)者結(jié)合搭配CPU、GPU、FPGA與VPU等硬體，并搭配套件中三組主要API，分別是Deep Learning Deployment Toolkit（深度學習部署工具）、OpenCV（開源電腦視覺及影像處理工具）與OpenVX（電腦視覺API標準），再利用英特爾旗下深度學習編譯器nGraph做開發(fā)。該開發(fā)套件亦與市場間主流框架如TensorFlow、MXNet與Caffe等相容，讓開發(fā)者得以更多元工具進行開發(fā)。
目前該開發(fā)套件已與工業(yè)電腦廠商凌華合作辨識條碼，來追蹤產(chǎn)品，亦與神基ALPR系統(tǒng)合作開發(fā)自動擷取車牌影像，并與威聯(lián)通和威強電合作進行醫(yī)療影像收集，利用影像強化AI推論能力，協(xié)助診治老年性黃斑部病變。
微軟提升研發(fā)便利性
微軟近年積極發(fā)展邊緣運算，微軟執(zhí)行長于2018年開發(fā)者大會上表示英特爾ligent Cloud和英特爾ligent Edge時代已來臨，將大力投入AI技術(shù)、產(chǎn)品與服務(wù)開發(fā)，并以社會公益角度出發(fā)，除了之前啟動的AI for Earth，另一個針對殘疾人士AI for Accessibility的5年計畫也跟著開啟，預計將投入2,500萬美元。
微軟最初以物聯(lián)網(wǎng)相關(guān)業(yè)務(wù)切入，推出Azure IoT套件，協(xié)助廠商做IoT業(yè)務(wù)轉(zhuǎn)型，其中，與邊緣運算較有關(guān)系的為Azure IoT Hub和2017年推出的Azure IoT Edge。Azure IoT Hub主要處理云端和裝置間的溝通，包括通訊模式和協(xié)定支援、裝置安全性與裝置狀態(tài)監(jiān)控，Azure IoT Edge則是導入在Azure IoT Hub之前，主要是將云端分析結(jié)果或自定義邏輯演算置入裝置中，讓裝置不再只是收集資料或資料管理的管道，而是可確實將AI應(yīng)用落地的解決方案。
微軟對英特爾ligent Edge的認知在于，未來智能裝置并不需時刻處于連網(wǎng)狀態(tài)，就能讓使用者觀看、傾聽、理解與進行預測，亦即智能裝置需擁有更多運算和自行處理的能力。
微軟也于2018年升級Azure IoT Edge，若從開發(fā)端來看，首先是將Azure IoT Edge進行開源，讓客戶可自行修改Edge端應(yīng)用，提高掌控度，第二為既有Azure認知服務(wù)中的Custom Vision服務(wù)，已得以部署至Azure IoT Edge中，讓無人機和工業(yè)設(shè)備等邊緣端裝置不需連網(wǎng)就能進行關(guān)鍵決策。預計未來微軟將會在Azure IoT Edge上開放更多認知服務(wù)。
第三便是容器化解決方案的簡化，微軟的Azure Kubernetes Service（AKS）大幅整合開發(fā)工具、工作空間、DevOps功能、網(wǎng)路與監(jiān)控工具等功能，讓開發(fā)者可專注于開發(fā)而非工具的學習和轉(zhuǎn)換，也讓開發(fā)者能迅速上手Kubernetes，微軟預計也會讓Azure IoT Edge設(shè)備支援Kubernetes服務(wù)，從微軟對AKS的重視，也可看出Kubernetes對開發(fā)者社群的重要性日增。
由上述微軟各項發(fā)展可知，從Azure IoT Edge進行業(yè)務(wù)擴展和生態(tài)圈布建已是未來策略主軸，除了簡化與強化Edge端的開發(fā)過程和功能外，也會將既有的認知服務(wù)逐步與Azure IoT Edge結(jié)合，讓人工智能得以在邊緣端落實，達到英特爾ligent Edge目標。
隨著運算能力提升加上人工智能導入，邊緣端將能實現(xiàn)更多智能化和自動化的應(yīng)用，其中視覺應(yīng)用將會成為邊緣運算主流之一，例如物件辨識、人臉辨識、行為辨識、即時偵錯與即時警示等，都會開始應(yīng)用于各場域中，涵蓋制造業(yè)、智能城市、自駕車、智能家庭與智能零售等，成為邊緣運算興起的第一波亮點。
邊緣運算不同于過往連上云端時，需時時保持連網(wǎng)狀態(tài)，加上邊緣端的運算和執(zhí)行能力提升，可以加入更多安全防護措施，但邊緣運算將云端架構(gòu)分層處理，在數(shù)據(jù)的篩選、傳遞、儲存與應(yīng)用上差異極大，整體架構(gòu)將更復雜，便利性高的開發(fā)工具將日漸增加。（本文作者為拓墣產(chǎn)業(yè)研究院研究員劉耕睿）。