什麼是邊緣運算?

在邊緣提升速度、增加儲存量,並且包辦所有處理程序。

邊緣運算重點摘要

  • 企業與服務供應商將強大的邊緣運算移至更靠近資料產生的位置,有助於發掘新的營收成長契機、提供創新服務,並且縮短作業時間及節省作業成本。

  • 邊緣運算減少了資料處理延遲、提高回應速度,並且讓網路流量管理更優異,也更能落實安全與隱私方面的管轄區規定。

  • 邊緣運算僅是分散式運算架構的一環,因此設計可互通的邊緣至雲端解決方案時,必須考慮邊緣裝置、內部部署邊緣、網路與雲端之間的基礎架構。

BUILT IN - ARTICLE INTRO SECOND COMPONENT

在過去,資料會傳送至雲端處理和儲存,但是數十億物聯網與行動裝置收集的資料如今呈現爆炸性增長,目前的趨勢轉而將資料傳送至分散式模型,在距離資料建立位置更近的網路邊緣完成部分運算。Intel® 技術可協助加速邊緣運算解決方案部署,在許多市場實現各式各樣的應用。

什麼是邊緣運算?

邊緣運算是指拉近資料產生及資料處理、分析和儲存的距離,實現近乎即時的迅速分析與回應速度。近年來,有些公司將資料儲存與運算集中於雲端,整合各項作業。然而,先進的倉儲與庫存管理解決方案、視覺增強型機械生產線,以及先進的智慧城市交通管制系統等數十億分散式裝置,卻導致這個模式無以為繼,對於新使用案例的需求應運而生。

此外,為在資料來源加速獲得接近即時且可據以行動的深入洞見,邊緣裝置(例如智慧攝影機、行動銷售點自助服務機、醫療感測器、工業電腦、閘道和運算基礎結構這類物聯網(IoT)裝置)的使用日益普及,因此所產生與收集的資料量隨之呈爆炸性增長。

據估計,屆 2025 年時,75% 資料將會在中央資料中心以外的位置產生,而目前多半於中央資料中心進行處理。1 進一步來說,現今企業收集的所有資料中,有 90% 的資料將再也派不上用場。2 邊緣運算處理效能高、連線低延遲,而且平台安全,能夠讓從裝置收集資料的優勢發揮得淋漓盡致。

據估計,屆 2025 年時,75% 資料將會在中央資料中心以外的位置產生,而目前多半於中央資料中心進行處理。1

邊緣運算推動因素

雲端運算支援之服務與應用(包括資料儲存與處理及系統回應)的需求,使得雲端運算逼近極限。在許多情況下,光是增加頻寬或提高運算能力不足以達成需求,無法加速處理連線裝置的資料,也無法以接近即時的方式立即帶來深入見解與行動。這類落差是促成採用邊緣運算的推手。

雲端面臨挑戰的主要因素包括:

  • 延遲。執行需要快速分析與回應之應用程式的產業愈來愈多。光靠雲端運算無法跟上這類需求的腳步,因為與資料來源之間的網路距離導致延遲,造成效率低落、延遲以及客戶體驗不佳。
  • 頻寬。增加傳輸頻寬或提高處理能力確實可以克服延遲問題。然而,公司網路的邊緣裝置數量愈來愈多,產生的資料數量持續增加,將資料傳送至雲端的成本可能高得不切實際,相形之下,如果可以在邊緣處理、儲存與分析資料,這類成本重擔便可大幅減輕。
  • 安全性與隱私。在邊緣保護私人醫療記錄這類敏感資料,減少在網路傳輸的資料量,有助於降低攔截風險,提高安全性。此外,部分政府或客戶可能要求資料留在資料產生的管轄區。以醫療保健為例,這個產業甚至有限制個人資料儲存或傳輸的當地或區域規定。
  • 連線能力。缺乏持續網路連線能力是雲端運算的絆腳石,但各式各樣的網路連線選項則成了實現邊緣至雲端運算的推手。舉例來説,5G 提供的連線頻寬高、延遲低,可從邊緣快速傳輸資料和提供服務。
  • AI。企業需要以近乎即時的速度獲得可據以行動的智慧,因此資料來源需要 AI,才能加快處理速度,並且讓過去未開發的資料潛力發揮得淋漓盡致。

邊緣運算的優勢

將儲存、處理與分析這類資料功能,從雲端移至邊緣,拉近與資料產生位置的距離,能夠提供多個主要優勢:

  • 提高速度並減少延遲。將資料處理與分析移至邊緣有助於加快系統回應速度,為自動車操作這類接近即時的應用,締造更快的交易與更優異的體驗。
  • 改善網路流量管理。儘量減少透過網路傳送至雲端的資料量,有助於減少傳輸與儲存大量資料所耗用的頻寬與成本。
  • 可靠性更高。網路一次能傳輸的資料量有限。若為網路連線能力欠佳的地區,雲端連線中斷時,在邊緣儲存與處理資料的功能讓可靠性獲得提升。
  • 安全性提高。邊緣運算解決方案若實作得宜,能夠透過限制網路傳輸資料量的方式,協助提高資料安全性。

從邊緣到雲端

雖然邊緣運算為組織提供了前所未有的機會,能夠釋放資料的價值,但雲端依舊是中央資料儲存庫與處理中心不可或缺的一環。下圖顯示收集資料、運算、儲存與建立網路用的各種邊緣裝置如何搭配,協助組織充分利用每個點的資料。

物聯網與邊緣運算裝置收集資料與管理裝置資料的主要方式分兩種。智慧邊緣運算裝置內建處理器,可提供內建分析或 AI 這類進階功能,而未搭載處理器的裝置,則必須將產生的資料傳送至部署於內部部署邊緣的伺服器儲存與分析。接著內部部署的邊緣伺服器便可處理從邊緣運算裝置傳來的資料,然後回傳接近即時應用程式所需的關鍵資訊,或是僅將資料的相關部分傳送至雲端。來自多個邊緣運算裝置的資料可於雲端整合,進行更廣泛的處理與分析。

邊緣運算使用案例

Intel 持續與許多產業合作夥伴和終端客戶合作,部署成千上萬個邊緣運算解決方案。以下四個邊緣運算使用案例顯示,Intel 如何協助公司實現全新體驗,以及締造更高效率的作業。

零售:邊緣運算可利用感測器與攝影機提高零售庫存準確度,協助改善供應鏈與產品開發效率。此外,邊緣運算可支援接近即時的客戶行為分析,打造增強且可能更安全的購物體驗。舉例來說,Sensormatic 視訊型 AI 解決方案可協助零售商追蹤使用率及監測社交距離,在 COVID-19 全球大流行期間安全開店。
工業:邊緣運算整合了數位與實體技術,讓製造過程更彈性且回應速度更快,為工業 4.0 奠定了堅實的基礎。舉例來説,Intel 與 Nebbiolo Technologies 聯手 Audi 汽車製造工程師,打造了一個採用預測性分析與機器學習演算法的可擴充彈性平台,不僅強化焊接檢查,同時更加強了關鍵品管程序。3
教育:部分軟體型教育解決方案將裝置內建 AI 融入個人化虛擬協助、自然語言互動,甚至是擴增實境體驗。舉例來説,ViewSonic 數位白板體驗利用邊緣與視覺技術,為投入遠距學習的學生與教師重新打造了教室體驗。
醫療保健:邊緣運算可利用住院與門診監測及遠距醫療服務徹底改變結果,並且在影像設備使用機器與深度學習推論,協助加快偵測健康問題的速度。Philips 針對現有的電腦斷層掃描設備,將醫療影像的 AI 推論改善達 188%,而且無須昂貴的新硬體。4

應用中的邊緣運算技術

「內部邊緣」的第 5 集,Intel 物聯網總經理 Steen Graham 檢視了邊緣運算的各種實際應用,領域涵蓋醫療保健、製造與零售,說明採用 Intel 技術的邊緣運算解決方案如何為客戶締造新體驗,並且顛覆整個產業。

改善成果始於邊緣

邊緣運算為企業與服務供應商提供了前所未有的機會,讓資料的價值充分發揮。有了合適的合作夥伴,公司便可充分利用每個點的資料。Intel 擁有成千上萬個產生真正價值的邊緣部署、龐大的現成可用解決方案、標準型技術,以及全球最成熟的開發人員生態系統,可協助您實現智慧型邊緣。

探索更多邊緣運算主題

Intel 開發解決方案的經驗豐富,弭平了資料儲存、傳輸、處理與分析之間的落差,締造出成千上萬個採用 Intel 技術的邊緣部署。使用下列資源即可進一步了解。

Intel® 邊緣運算技術與解決方案

探索 Intel® 邊緣技術與解決方案,了解您的應用存在哪些可能性。

進一步了解

Intel 物聯網 (IoT) 的智慧決策

瞭解 Intel 如何推動更智慧化的物聯網(IoT),協助組織將資料轉化為可據以行動的深入洞見。

進一步了解

Intel® AI:作業環境成功案例

瞭解 Intel 及其合作夥伴如何在作業環境推動邊緣 AI。

進一步了解

5G 與邊緣運算

瞭解 5G 與邊緣運算如何為企業應用提高速度、可靠性和彈性。

進一步了解

常見問題集 (FAQ)

常見問題集

邊緣運算是指拉近網路中資料處理、分析與儲存的位置,以及資料產生的位置,以締造快速即時的分析與回應、創造利用資料獲利的潛力、提供全新的服務,以及縮短作業時間並節省作業成本。推動邊緣運算的五大因素是延遲、頻寬、安全性、連線能力與 AI。

網路邊緣位於網路核心外的網路,包括區域資料中心、次世代中央辦公室(NGCO)、固定式有線線路存取點、無線存取基地台,以及無線電存取網路(RAN)這類融合點。

邊緣雲端運算利用特定工作負載類型適用的邊緣運算增強了雲端運算。有了邊緣雲端運算,擔任微觀資料中心的邊緣伺服器託管邊緣雲端,可以將智慧型邊緣節點置於更靠近本機裝置、設備與資料的位置,以便收集資料、儲存及加速資料處理,讓雲端至邊緣網路的便利性更上層樓,進而縮短仰賴接近即時資料之邊緣應用的延遲。

產品與效能資訊

1

2

Tom Taulli,「關於暗數據您不可不知的幾件事,」Forbes,2019 年 10 月 27 日,https://www.forbes.com/sites/tomtaulli/2019/10/27/what-you-need-to-know-about-dark-data/?sh=62b9d4be2c79

4

「Intel 與 Philips 在重要的醫療成像用途方面,加速 CPU 的深度學習推論,」Intel News Byte,2018 年 8 月 14 日,https://newsroom.intel.com/news/intel-philips-accelerate-deep-learning-inference-cpus-key-medical-imaging-uses/#gs.kx7zmx。Intel 可隨時未經事先通知變更產品與支援之提供。如需額外資訊,請聯絡您的 Intel 客戶代表。