物聯(lián)網(wǎng)（IoT）和人工智慧（AI）正在改變產(chǎn)業(yè)和社會。它們將自動化在日常生活中變?yōu)榭赡埽瑫r解鎖過去難以做到的洞察力和功能。邊緣運算—可以在產(chǎn)生數(shù)據(jù)的地方即時處理數(shù)據(jù)，而不須在遠端的數(shù)據(jù)中心處理，這提供了一個更環(huán)保、更智慧的解決方案。

將AI移至邊緣

圖一 : 邊緣運算可以在產(chǎn)生數(shù)據(jù)的地方即時處理數(shù)據(jù)，提供一個更環(huán)保、更智慧的解決方案。

自21世紀初以來，感測器經(jīng)歷了非比尋常的發(fā)展。受益於物聯(lián)網(wǎng)的誕生，可以連線通訊的智慧感測器無所不在。預計到2030年，因5G的廣泛部署，物聯(lián)網(wǎng)裝置上數(shù)十億感測器將負責30%的物聯(lián)網(wǎng)數(shù)據(jù)流量。這將顯著增加AI對於碳的影響。而由於其需要數(shù)據(jù)中心的運算資源來將數(shù)據(jù)轉(zhuǎn)化為洞察力和行動力，因此IoT和AI應用程式過去通常都部署在雲(yún)端。但隨著應用程式數(shù)量增加，我們需要減低依賴耗電的雲(yún)端運算。

邊緣運算提供了一個解決方案。它涉及將部分儲存和運算資源從數(shù)據(jù)中心移出，使其更靠近數(shù)據(jù)產(chǎn)生的地方。如此一來，應用程式和裝置就能自行收集和分析數(shù)據(jù)。這種方法為消費性產(chǎn)品、建築管理、工業(yè)預測性維護、自駕車等應用提供進一步的創(chuàng)新，因此更為蓬勃發(fā)展。此外，邊緣運算還能降低能源消耗、保護個人資料、減少延遲，並能在使用時做自主決策以及學習。

「邊緣AI」促進產(chǎn)業(yè)發(fā)展更聰明、更環(huán)保

邊緣運算正以多種方式幫助不同產(chǎn)業(yè)變得更為聰明和更環(huán)保。舉例來說：

● 在工廠中的狀態(tài)監(jiān)控和預測性維護可以使操作更聰明、更節(jié)能。感測器定期更新機器的運作狀態(tài)，以確定何時需要維修或更換某些零件。這降低了停機時間，確保機器能在最佳狀態(tài)下運作。

● 邊緣AI對於下一代協(xié)作機器人（cobots）也是至關(guān)重要的，這些機器人可與人類在同一空間運作以提升效率和確保安全。

● 智慧城市可以利用數(shù)百萬個智慧感測器和物聯(lián)網(wǎng)節(jié)點所組成的網(wǎng)路來改善監(jiān)控、管理資源、協(xié)助市民，並利用自駕無人機和車輛改善物流。

● 讓開車變得更安全、更環(huán)保和更多連結(jié)。安裝在下一代汽車上的眾多感測器需要本地AI來讓車輛可以在潛在危及生命的情況迅速做出反應。此外，邊緣AI可以用於優(yōu)化電池管理系統(tǒng)，並調(diào)整車輛狀態(tài)以適應駕駛者的習慣，確保能以節(jié)能的方式駕駛車輛。

● 將自動化導入農(nóng)業(yè)可以協(xié)助提升生產(chǎn)力並降低環(huán)境影響。智慧農(nóng)業(yè)的農(nóng)耕車和機器將使用更少量的水、肥料和農(nóng)藥來促進永續(xù)策略。感測器結(jié)合邊緣AI，可為不同植物分配適量的水或化學物質(zhì)。

● 隨著醫(yī)療和保健邁向個人化的方向發(fā)展，全天候監(jiān)測和在家中享有醫(yī)療服務將是未來趨勢。感測器和邊緣AI在資訊隱私管理亦扮演著關(guān)鍵角色。

上述範例都會產(chǎn)生大量來自感測器的數(shù)據(jù)，如果這些數(shù)據(jù)傳送到雲(yún)端處理將會消耗大量能源和佔用頻寬，同時還會產(chǎn)生數(shù)據(jù)保護和延遲的相關(guān)問題。採用邊緣運算與人工智慧提供了一種透過永續(xù)方式達到這些目標的方法。

圖二 : 邊緣AI對於下一代協(xié)作機器人至關(guān)重要，這些機器人可與人類在同一空間運作以提升效率和確保安全。

加速追蹤邊緣運算

將AI的數(shù)據(jù)處理從雲(yún)端移轉(zhuǎn)至邊緣需要部署一系列半導體創(chuàng)新技術(shù)，包括超低功耗技術(shù)和系統(tǒng)方法，以及在神經(jīng)處理單元（NPU）和記憶體內(nèi)運算（IMC）解決方案中導入特定的硬體加速器。這些支援AI和機器學習的高效運算硬體技術(shù)，正在轉(zhuǎn)變邊緣數(shù)據(jù)處理，並推動智慧功能和物聯(lián)網(wǎng)網(wǎng)路的可擴充性。這些技術(shù)的結(jié)合降低了系統(tǒng)功耗和頻寬需求，還能進一步提升針對邊緣裝置所打造之新一代微控制器的運算效率。

意法半導體（ST）致力於優(yōu)化運算效率，同時採用低功耗和嵌入式安全技術(shù)來保護所收集的數(shù)據(jù)、數(shù)據(jù)處理和因此產(chǎn)生的行動。這些發(fā)展是為了保有競爭力和獲得客戶廣泛之接受度的必要條件。

ST已經(jīng)在汽車、智慧工業(yè)和物聯(lián)網(wǎng)等應用領(lǐng)域大力部署邊緣AI。STM32系列的32位元Arm Cortex微控制器已將適合邊緣運算的低功耗版本涵蓋其中。為了讓不熟悉AI的人更容易上手，NanoEdge AI Studio整合了機器學習函式庫，可以為任何指定的應用自動搜尋和配置最適合的解決方案。對於熟悉AI模型的人，STM32Cube.AI可協(xié)助機器學習工程師快速導入和優(yōu)化其AI解決方案，並使用進階功能，如自定義層和深度量化神經(jīng)網(wǎng)路解決方案。而建立的韌體函式庫還可以加載到微控制器上，進而處理推理工作。

ST於2019年推出具有機器學習核心的LSM6DSOX，開始在感測器中應用人工智慧。接著推出智慧感測器處理單元（ISPU），強化感測器在AI領(lǐng)域的靈活性。

ISPU將訊號處理和AI算法結(jié)合到感測器上，使產(chǎn)品能夠感知、處理和執(zhí)行後續(xù)操作，同時大幅節(jié)省空間，功耗最高可降低80%。

能夠感知、處理和採取行動的連網(wǎng)微型化物件和系統(tǒng)的數(shù)量正在快速成長。ST透過提供感測器、智慧嵌入式致動器、連接性、安全性和嵌入式AI上的創(chuàng)新來推動此一轉(zhuǎn)型。這些解決方案旨在為工業(yè)、汽車、健康、農(nóng)業(yè)和其他許多產(chǎn)業(yè)提供工具集，使其能夠繼續(xù)創(chuàng)新，同時努力為減碳而做出貢獻。