文章簡介影片:
要講「人工智能邊緣運算」(Edge Computing) 之前，首先要介紹什麼叫「邊緣運算」（Peripheral Computing 或 Edge Computing）? 它是一種分散式計算架構，其中，資料處理不是在中央資料中心，而是更接近資料來源或「邊緣」的地方進行。這種方法旨在將計算功能從數據中心移至數據的源頭，以減少延遲，提高效率，並能夠即時對資料進行處理。例如，當使用物聯網 (IoT - Internet of Things）裝置時，裝置本身可能具有處理功能，因此可以立即對收集到的數據進行分析，而不必先將其傳送到遠程伺服器。這在需要快速響應或當地處理的應用中特別有用，例如自動駕駛汽車或某些工業自動化場景。
AI Edge Computing，即「AI 邊緣運算」，是一種技術策略，將AI的運算過程優化並移到更接近數據來源的裝置上進行。其目的是即時處理資料，減少延遲，並提高運算效率。與傳統的雲計算相比，邊緣運算允許數據在生成點附近被處理，而不是依賴於遠端的中央伺服器。優點是可以立即對其收集的數據進行分析和響應。邊緣運算在 IoT 和 AI 應用中顯得特別有用，這是因為它能夠提供低延遲和高可用性。在雲解決方案中無需選擇雲端運算和邊緣運算，它們不會相互“競爭”，它們只是相互補充和工作共同為應用程序提供更好的性能。
人工智能邊緣運算的例子? 考慮自動汽車。邊緣人工智能允許車輛實時處理數據，不依賴雲端伺服器。為什麼這很重要? 確保車輛的安全和效率。這種採用邊緣 AI 進行車輛之間的實時協調，稱為車聯網 (IoV - Internet of Vehicles)。還有，智慧型紅綠燈，適時調整交通流量，確保道路的安全和效率。還要考慮到醫療設備，邊緣 AI 允許醫療設備即時分析患者的數據，而不必傳送到雲端。而在能源部門，邊緣 AI 可以實時解析感應器數據，加強預測和分散能源生產。
但是，即使人工智能邊緣運算有這麼多的優勢，還有一些挑戰。例如，如何平衡資源需求和準確性，數據治理，保護用戶隱私，以及硬件的潛在需求。然而，隨著這些技術的發展，它們確實會在多個行業的未來發揮極大作用。