帳號:
密碼:
CTIMES / 文章 /   
完善AIoT應用體驗 邊緣運算功不可沒
軟硬體與網路架構同步演進

【作者: 籃貫銘、王岫晨】   2020年04月24日 星期五

瀏覽人次:【1695】
  

要讓運行的效能與使用的體驗有所提升,邊緣運算是最關鍵的一環。


邊緣運算很清楚明瞭,就是要增加終端設備與服務的運行效能。


同時降低5G網路系統的負載,進而提升整體的運作效率。


業界普遍的看法,多認為5G是智慧物聯(AIoT)應用的最後一哩。然而5G是個大概念,涵蓋的內容十分寬廣多元,其中當然有很大的成分與AIoT有關聯,但若要讓運行的效能與使用的體驗有所提升,則邊緣運算(Edge Computing)就是最關鍵的一環。


不同於4G時代,5G所要實踐的願景是相當的「服務吃重(Service-heavy)」,例如智慧4K串流、智慧建築、無人駕駛等,都是以提供終端服務應用為導向。而既然是服務,最終的使用者體驗就是成敗的關鍵,而要達成優異的體驗,光靠5G本身的技術其實力有未逮,終端裝置本身也要有所應對才行,也因此邊緣運算的需求就開始被提出。


在這個基礎下,邊緣運算所要解決的問題也就清楚明瞭,就是要增加終端設備與服務的運行效能,進而改善使用者的體驗,同時也透過增加端點裝置的能力之後,降低5G網路系統的負載,進而提升整體的運作效率。


而一般的邊緣運算多屬於硬體解決方案,也就是在裝置中增加特定的運算晶片或模組,讓過往需要在雲端處理的功能,轉移到裝置端處理,一方面可以增加運行的效率,另一方面也可以降低雲端的負擔。


尤其目前是講求AI應用的時代,數據的收集與分析多是在終端發生,因此各個末端節點都必須要具備一定的運算效能,才能實現最佳的使用者體驗,所以邊緣運算的在目前的AIoT架構中的重要性也日益提升,同時更多的系統商在推出產品時,也都必須具備相關的功能。


邊緣運算不僅裝置端 網路架構也需考量

不過邊緣運算除了在裝置端的硬體上發生外,在網路布建上也須思考相關的作法,才能更全面的發揮效益。因為就網路應用流程來說,使用者仍須經過基地台(Base station)、骨幹網路(Backhaul),再到電信核心網路(EPC),若要提升體驗品質,如何增進這之間的效率就是必要的工作。


也因此,一個名為「多存取邊緣運算(Multi-access Edge Computing,MEC)」技術就漸漸被運用在未來的5G應用服務中。該技術的目標是讓電信服務與IT系統有更佳的協同運作效能。它是透過與行動核心網路整合的方式,讓其運行的環境能夠具備超低延遲與超高頻的效能,進而提升用戶的使用體驗。


不同於其它的虛擬雲端和行動邊緣技術,MEC具有更高的彈性與靈活性,電信運營商只要透過開放其無線接取網路(Radio Access Network,RAN)邊緣,就可以快速的布建先進的無線應用程序和服務。包含影像分析、區域型服務、物聯網、擴增實境、區域型內容配送與優化和資料庫快取等。


目前MEC仍再發展中,也持續進行各種實場的測試,例如英特爾就與中國聯通、Nokia 和騰訊雲合作,進行MEC技術的演唱會與體育賽事的高畫質轉播。而透過採MEC的架構,能讓這影片儲存在會場當地的雲端,避免經過網路骨幹(backhaul)進而造成延遲。


採用該應用程式能讓用戶觀看架設在會場各處的攝影機所串流的HD影像,不僅直播影片的延遲大幅降低,還能讓在現場的網紅透過社群媒體進行直播,直接結合來自會場攝影機的影像資料和自己裝置端所拍攝的視訊。


此外,該服務也提供地理位置功能,讓會場中的人能夠找到自己的朋友,或者與頻道關注的粉絲互傳訊息。而所有傳送至會場內手機的訊息都只在當地路由,因此減輕了雲端網路的負擔。


而台灣的工研院也正在研究MEC相關的解決方案,且其研究成果也獲得IEST協會的認可,收錄為其概念驗證(PoC)的範例。該範例為工研院資通所與Linker Network、遠傳電信所共同開發,一種專門針對RAN頻寬管理的服務感知MEC平台。



圖一 : MEC定位在RNA邊緣,是5G核心網路與區域終端使用者的切換點。(CTIMES製圖)
圖一 : MEC定位在RNA邊緣,是5G核心網路與區域終端使用者的切換點。(CTIMES製圖)

提供洞察力

物聯網裝置正在爆炸性的成長,這些裝置的運算能力不斷增加,已產生出前所未見的資料量。而隨著5G網路使得行動式裝置的連結數量暴增,未來的數據資料量也將持續成長。


在過去,雲端與人工智慧(AI)意義在於透過資料來提出可行的洞察,以進行自動化並加速創新。然而,連接的裝置所建立的資料規模與複雜性,已超越網路與基礎架構的能力。


將所有裝置產生的資料傳送至集中式資料中心,或傳送至雲端,將導致頻寬及延遲問題。對此,邊緣運算可提供更有效率的替代方案,資料的處理及分析將更接近建立資料的位置。因為不會透過網路將數據資料傳輸到雲端或資料中心進行處理,所以大幅減少延遲問題。邊緣運算,以及逐漸成型的5G網路行動式邊緣運算,將提供更快更全面的資料分析、產生更深入的洞察、具有更快的回應時間,以及改善客戶體驗。


發揮機器潛力

從IBM的調查資料可以發現,從連接的車輛,到工廠的智慧型機器人,世界從裝置中產生的資料量比以往任何時候都要高,然而這些龐大的物聯網資料卻沒有被充分開發利用或使用。例如,麥肯錫公司的研究發現,一個離岸石油鑽機從3萬個感測器產生資料,但目前只使用不到1%的資料來制定決策。


邊緣運算利用裝置內運算能力,近乎即時地提供深度洞察與預測分析。在邊緣裝置中提高分析能力,可以驅動創新來提升品質並提升價值。它還提出了重要的策略問題,在增加運算容量的情況下,決策者如何管理執行這些類型之行動工作負載部署?如何使用裝置中內嵌的智慧能力,以更快應對影響員工、客戶及企業的作業流程?為了從所有這些裝置中擷取最有價值的資訊,必須將大量的計算移動到邊緣。


行動裝置邊緣運算

Nvidia認為,邊緣運算就跟甜甜圈一樣,擺放在愈靠近消費者的地方愈是理想。想吃點的時候,不必再走到街角的甜甜圈店,要是甜甜圈在桌子上,一伸手就能拿到,馬上就能心滿意足。邊緣運算就是這樣的道理。如果在處理資料的過程中,還要再把資料傳到雲端的人工智慧應用程式來執行,勢必會慢一點才能拿到答案。但要是傳到鄰近的邊緣伺服器,就像是直接從桌上的盒中拿起一個甜甜圈一樣簡單方便。



圖二 : 邊緣運算就跟甜甜圈一樣,擺放在愈靠近消費者的地方愈是理想。
圖二 : 邊緣運算就跟甜甜圈一樣,擺放在愈靠近消費者的地方愈是理想。

在這個當下,就能享受到邊緣運算帶來的便捷,而這種體驗就自來於口袋裡的智慧手機。存在於電信網路「邊緣」的款智慧手機,能夠以更聰明的方式處理語音應答內容,並拍攝出更好看的照片。邊緣運算概念就是在盡量靠近來源處,取得並處理資料。邊緣運算會收集到幾GB甚至是幾TB的巨量串流資料來進行處理,像是自駕車、工廠機器人、醫院的醫療影像機器、零售商店的收銀台攝影機等應用領域,都需要仰賴邊緣運算技術。


結語


圖三 : 最好的邊緣運算體驗就來自口袋裡的智慧手機。
圖三 : 最好的邊緣運算體驗就來自口袋裡的智慧手機。

估計到2025年時,會有1500億台機器感應器及物聯網裝置源源不絕傳輸各項資料,而這些資料都需要加以處理。屆時5G網路已經成熟,其速度較4G網路快上百倍,將開啟更多人工智慧服務數量的可能性,而這也進一步推動對於邊緣運算的需求。


相關文章
邊緣持續發酵 AI邁出應用新步調
AIoT架構複雜 混合雲成為入手最佳解
技術生態兩極化趨勢確立 台灣IC產業擴大全球佈局
一日購足!台灣打造完整AI產業供應鏈
邊緣運算四大核心 實現海量資料處理的最佳佈局
comments powered by Disqus
相關討論
  相關新聞
» 後疫時代產業須數位轉型 工研院倡議轉向智慧價值思維
» 科技部創新創業激勵計畫 五團隊獲百萬獎勵金
» NVIDIA與賓士攜手開發自動駕駛軟體定義運算架構
» NVIDIA發表新款AI平台 將HPC資料中心停機時間降到最低
» AI+5G技術交流南台灣 打造醫療物聯網新趨勢
  相關產品
» 宸曜推出新款IGT-30系列工業等級物聯網閘道器
» NVIDIA推出尺寸最小的邊緣AI超級電腦Jetson Xavier NX
» Amazon採用NVIDIA T4 GPU 將人工智慧效能搬上雲端
» Digi-Key宣佈推出供應商主導的KiCad資料庫
» Canon全方位智慧商務解決方案聚焦企業轉型未來

AD


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2020 遠播資訊股份有限公司版權所有 Powered by O3
地址:台北市中山北路三段29號11樓 / 電話 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw