邊緣運算

定義

• 核心定義：一種分散式運算架構，將 資料處理、分析能力 從核心資料中心下放，推近至網路邊緣。
  • 網路邊緣：資料產生的最前線，如：終端設備、機台旁。
• 運作方式：原始資料先在 裝置端、本地節點、近端伺服器 處理，不必全部送回雲端。
• 分散架構：由 感測器、攝影機、工控設備、終端裝置 等多個節點共同組成。

核心優勢

• 低延遲、即時決策：避免雲端往返拖慢反應，適用於不能等待雲端回傳結果的場景。
  • 如：自動駕駛、工業機器人、無人機。
• 節省 頻寬、成本：先在邊緣端 過濾、壓縮 資料，只回傳關鍵資訊，減輕集中式雲端的 傳輸成本、架構壓力。
• 隱私、合規 限制：敏感資料不必完整離場即可降低外洩風險，解決 隱私、法規 限制資料全面上雲的問題。
• 離線可靠性：在 網路不穩、斷線、偏遠環境 下，仍可維持基本功能。

應用場景

• 物聯網、智慧工廠：需要現場處理感測資料、設備狀態。
  • 如：產線瑕疵檢測、預測性維護。
• 自動駕駛、車載系統：需要低延遲的 即時影像辨識、路況判斷、控制。
• 智慧城市、安防監控：需要本地 人臉辨識、異常行為偵測、事件篩選、即時告警。
• 消費性電子 (AI PC、智慧手機、智慧家庭)：需要 本地運算、隱私保護、流量節省。
  • 如：語音助理。

概念辨析

• Edge AI (邊緣 AI)：為邊緣運算在 AI 場景的延伸應用，將 AI 模型直接部署到終端裝置進行本地推論。
  • 受惠於 AI 晶片 (NPU、邊緣 GPU) 算力提升、模型輕量化技術。
• Cloud AI (雲端 AI)：將資料傳回中心化伺服器處理，延遲較高；邊緣運算則在本地端即時處理，兩者形成分工合作的混合架構。