撰稿：Alrin，日期：2023-12-08
Edge AI 中文叫「邊緣 AI」，是由「邊緣運算」和「AI 運算」兩種相關但不同的計算模型所組成。
一項由 IBM 發布的研究指出，近 94%的高階主管認為他們的企業將在未來五年內運用邊緣 AI 運算進行即時管理。
邊緣 AI 在未來幾年將在智慧醫院、智慧城市和無人商店等領域持續發展。這種新型態的運算模式將成為人與機器之間的橋樑，改良了預測、員工分配、產品設計和物流流程。
邊緣運算（Edge Computing）是一種新興的計算模型，其主要特點是在資料的產生源頭或靠近使用者的地方進行數據處理和分析，而不是將所有數據傳送到遠端的中央伺服器進行處理。這種分散的計算方式有助於降低數據傳輸延遲，提高即時性，同時減少對中央伺服器的依賴。
雲運算模型會將數據集中儲存在雲端伺服器中進行處理，但這樣的方法可能會面臨一些挑戰，例如數據傳輸的延遲、頻寬壓力、隱私和安全問題。而邊緣運算的出現解決了這些問題，使得計算資源能夠更靠近數據源頭。
在邊緣運算中，數據處理可以發生在各種設備上，包括物聯網（IoT）設備、感測器、閘道器和其他終端裝置。這些設備能夠即時處理數據，並僅將必要的結果或摘要傳送到中央伺服器或雲端，以減輕網路壓力並提高效能。
邊緣運算的應用領域非常廣泛，包括但不限於智慧城市、智慧交通、工業自動化、醫療保健和零售。這種模型使得設備和系統更能適應現場需求，同時提供更快速、更靈活的解決方案。
邊緣運算代表了一種更加分散、靈活和即時的計算模型，有助於滿足日益增長的數據處理需求。
邊緣運算的概念源自於將計算資源靠近數據產生源頭或使用者的理念。與現今 AI 所使用的雲運算模型不同，邊緣運算將數據處理的能力下放到靠近數據源的地方，例如物聯網設備、感測器、閘道器等。這種分散的計算方式旨在降低數據傳輸的延遲，提高即時性，同時減輕中央伺服器的負擔。
邊緣運算的優勢體現在多個層面。首先，它提供了更快速的數據處理能力，因為數據不需要長距離傳輸到遠端伺服器，而是在本地進行處理。這對於需要即時反饋的應用非常重要，例如自動駕駛汽車、智能監控等。
其次，邊緣運算增加了系統的可靠性。由於數據處理發生在本地，即使在網路連接不穩定或中斷的情況下，設備仍能夠繼續執行部分計算任務。這對於關鍵應用，如工業自動化或醫療設備，具有顯著的優勢。
此外，邊緣運算有助於減少數據傳輸和存儲的成本，因為僅有必要的結果或摘要被傳送到中央伺服器，減輕了網路壓力。同時，它提高了隱私和安全性，因為一些敏感性的數據可以在本地處理，無需傳輸到遠端。
隨著 5G 基礎建設普及以及晶片效能躍進，大眾對於智慧生活有了更多的追求，如果仔細觀察生活周遭，能夠發現邊緣運算的應用相當廣泛，從常見的智慧手機、電動車，延伸到製造業、能源或 醫療保健 等各產業領域。