AI • 物聯網 • 網路邊緣

物聯網邊緣運算是各產業人士眾所皆知的技術，因為此技術能夠讓運算更接近資料生成位置。這能實現即時的洞察力、高效能與低延遲，讓企業能夠在現今環境中獲得成功。有哪間企業不想要獲得這些致勝關鍵？但對於部分產業，如製造業而言，可能面臨到更加棘手的數位轉型過程，因為這些產業多使用舊式基礎架構，而且很少或完全沒有停機時間可以進行任何轉型與改變。部分組織雖已具備多項優勢與複雜性，仍不確定該如何以最佳方式進行轉型。

為了幫助我們更加瞭解這趟旅程，我們邀請了兩位在物聯網邊緣運算領域背景深厚，且有豐富知識的專家：CCS Insight 物聯網研究負責人 Martin Garner，以及 Intel 網路與邊緣解決方案部門副總裁兼總經理 Dan Rodriguez。他們會和我們介紹此領域相關的挑戰與機會，並且提醒我們，沒有人必須或應獨自面對這些挑戰（影片 1）。此外，CCS Insight 也提供了 insight.tech 訂閱者最新的工業邊緣運算擴充物聯網計畫報告。立即查看，掌握數位轉型的入場券。

能不能和我們談談邊緣運算的優勢？

Dan Rodriguez：邊緣運算正在驅動著各行各業，投入進行大量變革。而且這有助於推動數位轉型，因為企業的目標是希望能實現基礎架構自動化以及提升營運效率。AI 和 5G 的問世，只會加速這個趨勢發展。

公司希望擁有更多的控制權。他們正面臨供應鏈挑戰、能源生產不穩定，有時甚至是勞動力短缺。他們希望能找到將營運、成本與資料最佳化的方法。邊緣 AI 能帶來豐富機會。還能提供新的獲利機會。因為公司希望能節省資金和管理其總體擁有成本，當然也是要賺錢。

試想一下在「製造」這個產業中，我們已經看到客戶開始他們的 AI 旅程。最初他們利用 AI 進行簡單的工作，例如供應鏈管理，讓自主機器人處理庫存進出貨。接著快速推進採用電腦視覺和 AI 進行缺陷偵測等工作。

邊緣運算的現狀如何，仍存在哪些挑戰？

Martin Garner：所有產業都已大量實作邊緣運算，甚至包括很多您可能不會視為邊緣運算的實作方式。這可以告訴我們關於此領域的幾項重點。

第一點是它的範圍非常廣。包含在感應器中的應用，到甚至是區域的資料中心皆能實作邊緣運算。同時也相當深入。從最底層的基礎架構到網路、應用程式、AI，皆可實作。因為有這兩項特點，讓邊緣運算的領域變得相當複雜。

就邊緣運算的普及而言，我們認為有幾項主要的驅動因素。一個是物聯網。其中會產生大量資料，而這些資料需要使用機器學習或 AI 進行近乎即時的分析和處理。此外，電信產業作為擁有多接取邊緣運算與私人網路供應商，最近也對這個主題非常感興趣。最後，是經濟環境。許多公司都在審查雲端支出，有助於在邊緣運算方面成就更多。

可否請您告訴我們，各產業在邊緣運算領域所能獲取的各項機會？

Dan Rodriguez：我們來談談零售業。零售商最大的成本之一來自於偷竊。信不信由你，這是一個每年需要花上 5000 億美元來處理的問題。利用電腦視覺與 AI 結合即可解決這個問題，有助於防止在商店門口（即結帳區）發生偷竊行為；在商店內，有時小偷會在走道間行竊；甚至在商店後方，也可能在倉庫和配送中心發生偷竊行為。

當您想像零售商如何賺錢時，可以發現他們能以各種新穎有趣的方式利用 AI。以購物體驗為例：AI 可以就不同的商品展示策略提供意見回饋。可以快速識別貨架上的商品何時缺貨。有時非常簡單的事情，確實可以帶來更好的成效。

接著談談製造業與工業邊緣運算；此領域中部署的基礎架構類型正在經歷重大轉型。普遍來說，製造商正逐漸放棄我所謂的固定功能裝置，也就是可以非常出色地完成單一工作的裝置，轉向更易於管理及升級的軟體定義系統。

因此，多樣化類型的製造流程正在簡化使用越來越少的軟體定義平台，從而提高整體效率，並降低基礎架構的複雜性。一旦有了軟體定義的基礎架構，便可以開始將其與機器人的使用、感測、5G 和 AI 結合。那麼您就可以在一個廠房內變出所有把戲，從庫存管理到缺陷偵測都能一併完成。

製造商在工業邊緣運算領域會面臨哪些挑戰？

Martin Garner：遇到挑戰的機會很多，但老實說，有部分挑戰是使用邊緣運算的任何人都會面臨到的挑戰。

第一個挑戰是規模。工業邊緣運算是可以輕鬆進行實作及完成一些零碎工作的技術之一，但一旦擴充規模，一切就會變得更為棘手。規模較大的玩家會在多個地理區域中數十個地點，擁有數千台電腦。而且這些電腦必須像單一系統一樣，保持更新、安全及同步，以確保擁有者能從中獲得預期的利潤。

與此相關，由於邊緣運算需使用龐大資源，最終會變成一個非常大型的分散式運算系統，其功能包括將時脈訊號、機器、資料發佈且同步至資料庫等。最重要的是，系統中有不同類型的資料，以及應用程式軟體的不同組合，包括部分雲端、部分多雲端、部分本機資料。上述這些都需要複雜的架構。

另外，還有幾個挑戰可能是製造業與生產產業特有的。第一種是即時工作，這是 IT 領域總體來說沒有的特殊要求。意見回饋循環是以微秒為單位；化學混合物是以百萬分之一計。時效性與準確度極其重要。且真正重要的是，這是系統級的東西，不只是一個元件，而是整個系統必須應付處理。

接著是系統的耐用性。許多工廠每天輪三班工作，一年 365 天不間斷。意外停工是一件所費不眥的事情，在許多案例中，若發生意外停工，每天都要花費數百萬美元。所有的運算都必須支援如系統冗餘、熱待機與自動容錯移轉等狀況。這樣一來，如果發生錯誤，也不會讓系統停止。這表示完全不需要中斷或重新啟動系統，就可以實施軟體修補程式和安全性升級。這也意味著，如果您需要擴充硬體，例如想要實作一個新的 AI，那麼您能夠在不停止生產線的情況下完成實作。

因此，軟硬體必須能自我設定，不能影響到其他部分。再次強調，這些都是 IT 領域所沒有的限制，但在工業領域卻是必須加以配合的一些特點。

製造商要怎麼做才能成功應對這些挑戰？

Martin Garner：首先我們會建議，不要自行建立基礎架構。這麼做太慢、會花費太多資源、隨著時間長期而言太昂貴，而且這是一個專業領域。

第二個建議是，請圍繞著現代 IT 與雲端運算實務的概念來設計系統。這之間應該幾乎無縫接軌。此外，還有許多優秀的技術架構可供選擇，因此大部分客戶設計工作都能專注維持在應用程式層級。

第三，在作業技術領域，設備和軟體的使用壽命通常是 10 至 20 年。我們認為實作邊緣運算後，最好規劃將壽命縮短至 5 至 10 年。資料量會不斷增加，您獲得的資料越多，就越想利用它，而且越能利用它。因此，您會需要更多 AI、更多邊緣運算能力，且必須快速為您擴充。

您認為製造商如何善用這類技術？

Dan Rodriguez：正如我先前提到的，這個旅程首先是從固定功能裝置轉向更為軟體定義的基礎架構開始。想像一下，如果您必須根據不同應用程式使用不同手機，那麼管理起來將會非常困難。廠房也是如此。想想看，如果將更多的應用程式載入至更少的軟體定義基礎架構，那麼複雜性會降低多少。

在未來，伺服器會承載大部分或許多此類軟體工作負載。接著，您便能夠以控制程度更高的方式提供自動化更新，在操作及維護上也會更加容易且效率更高。您也可以在其上使用各種新功能。

請提供使用這些方法的具體範例。

Martin Garner：我可以用一個例子來特別說明規模問題。一間規模龐大的大學醫院正在安裝網狀網路，用來追蹤呼吸器和其他關鍵設備，以及從感應器收集資訊。他們使用運作良好的電池供電節點進行了試驗，他們非常滿意。但他們發現，一旦將使用規模擴大至整個醫院，就會有數以千計的電池供電裝置需要監控。他們必須不斷在各處更換電池，且如果沒有徹底實行，就會有風險將造成危險後果。因此，他們要求供應商製造主（電網）供電的版本。

對我來說，從這個例子得到的教訓是，供應商從一開始就必須根據最終會達到的規模進行設計。客戶也同樣需要在設計階段考慮周到。正如 Dan 所說，這將是一趟旅程，且您可以在過程中學到很多。

請談談合作夥伴對實現這些目標的重要性。

Dan Rodriguez：Intel 建立使用開放和標準平台的多元化生態系統。這樣的生態系統，對市場的整體健康狀況至關重要；如此一來，整個社群不僅可有許多供應商選擇，而且還可以增強整體創新螺旋。

Martin Garner：邊緣運算如我先前所述，既廣泛、有深度又複雜。極少客戶能完全駕馭它。同樣的，極少供應商能夠駕馭它，因為他們往往會傾向於專業化。事實上，我們所討論的大多數系統都必須由三至五名玩家參與設計。我認為我們都應該可以預期得到，這是需要團隊努力才能完成的。

您如何看待物聯網邊緣運算在工業環境中的角色轉變？

Dan Rodriguez：第一階段是移轉至使用軟體定義的基礎架構，其工作負載整合可在越來越少的伺服器或裝置上支援多個應用程式。

當然，生成式 AI 現在已成為熱門話題，而且也將隨著時間推移納入應用至此策略。我們將看到生產量增加、缺陷減少，以及未來工廠使用新的模擬與建模技術，令人非常興奮。

Martin Garner：我們的報告中也有透露出一些端睨，雖然目前還不是熱門話題，但您可以期待這些趨勢。

第一點是關於關鍵任務製造流程，如我先前所說，任何意外停機時間都是所費不眥的事情。關鍵問題在於，如何從錯誤中學習。航空業一直都十分擅長這方面。目的在於確保能理解故障模式並緩解，讓系統越來越具恢復能力。接著，我們會建立新情境，讓我們能更完善應對故障的各種情況。在我們看來，這是製造業中更廣泛使用的重要領域。

另一點則是與工業耐用性息息相關。如果應用程式可以在某台機器上執行，並且一旦發生故障就會自動切換至另一台機器，那麼問題就是，哪台機器是能正常執行的最佳機器？您會發現，「最佳」可能代表速度最快、延遲最低、運作時間最長、資本成本最低，或是營運成本最低。關鍵在於，為了達到不同成果，必須以不同方式將系統最佳化。我們目前還沒任何正在探索這個答案的人，但我們確實希望能在邊緣運算領域很快找到這個解答。

最後，您是否有任何想法或關鍵重點想要和我們分享的呢？

Martin Garner：分析師常說一句老話：「哦當然，但講起來很複雜。」但實際上邊緣運算是很複雜沒錯，我想許多公司都已經發現並知道，但我仍感覺到前方還有很長的路要走。從我們 CCS Insight 的觀點來看，我們認為對客戶而言最關鍵的就是要立刻開始，找一些合作機會，並且慎選夥伴。

您在一開始就應該展現出野心，包含您如何看待這項技術，以及這項技術可以達到的規模，並且要明白這一切沒有辦法一氣呵成。然而，您可能會發現，造成限制的因素不是技術，可能是組織。就如同您必須確認要使用什麼技術，以及使用的程度，您至少需要投入相同的時間和努力，讓組織順利運作。

Dan Rodriguez：首先，邊緣運算正在從根本上改變幾乎每個產業。再者，將邊緣運算與 AI 和 5G 結合，就會帶動大量轉型，真正創造出大量機會，包含從精準農業到感官機器人，再到智慧調度車輛、人、及道路。

第三，我堅信產業合作與開放的生態系統是這一切的根本。正如 Martin 所說，這將是一項團隊運動，需要多名玩家來推動這些解決方案，並以讓客戶可以輕鬆使用並擴充技術的方式來實作。Intel 為了推動這個整合性的生態系統，投注大量心血。

相關內容

若要進一步瞭解採用邊緣運算的情況，請閱讀工業邊緣運算擴充物聯網計畫報告，以及收聽《工業邊緣運算：擴充策略》。如要進一步瞭解 CCS Insight 與 Intel 的最新創新技術，請在 Twitter 上跟隨 @ccsinsight 和 @intel，以及在 LinkedIn 上關注 CCS-Insight 和 Intel Corporation。
 

本文由Erin Noble編審。