加入AI更帶勁！IPC助益邊緣運算新動能

[作者 木言]

隨著AIoT架構不斷的擴展，再加上AI技術的持續成熟，邊緣運算結合人工智慧技術的「邊緣AI」開始成為市場的新寵，為邊緣運算技術帶來新一波的動能，而IPC更扮演著至關重要的角色。

對工業與商業的應用場景來說，能夠在「邊緣」執行即時與自動化的動作，不僅有助於提升整體的運作流程、降低中央與雲端單元處理的壓力，同時也有助於提升第一線人員的使用體驗，也因此「邊緣運算」在這幾年持續在多個垂直市場中展露頭角，尤其是在疫情之後，無人化的自動控制更成為顯學，更讓邊緣運算成為自動控制的主流技術。

而隨著AIoT架構不斷的擴展，再加上AI技術的持續成熟，邊緣運算結合人工智慧技術的「邊緣AI」開始成為市場的新寵，為邊緣運算技術帶來新一波的動能，而IPC更扮演著至關重要的角色。

邊緣AI的關鍵技術與特色

顧名思義，邊緣AI是指在邊緣計算環境中導入人工智慧技術。而邊緣AI使用的AI技術主要包括以下幾種：

●機器學習：機器學習是AI的核心技術，它可以讓計算機從數據中學習並做出預測。邊緣AI使用機器學習技術來訓練模型，以便能夠在邊緣設備上進行實時推理和決策。

●深度學習：深度學習是機器學習的一個子集，它使用人工神經網路來學習數據中的複雜模式，尤其是在圖片的辨識方面。邊緣AI使用深度學習技術來提高模型的準確性和性能。

●電腦視覺：電腦視覺是AI的一個應用，它可以讓電腦理解和分析圖像和影片。通常邊緣AI會使用電腦視覺技術來識別物體、追蹤運動和檢測異常。

●自然語言處理：自生成式AI崛起後，自然語言處理就變成是AI應用必須具備的一個技術，它可以讓電腦理解和生成人類語言。而邊緣AI使用自然語言處理技術來進行語音識別、機器翻譯和文本分析。

智慧化可說是自動控制的最終完成式，因此目前的邊緣運算幾乎都已開始支援AI技術。相較於傳統的邊緣運算，具備人工智慧技術的邊緣AI，能在邊緣設備上實現實時推理和決策的能力，進而讓邊緣設備更加智慧。

傳統的邊緣運算主要側重於數據的收集、處理和傳輸，並沒有進行智慧化分析。因此，傳統的邊緣運算只能完成一些簡單的任務，例如數據過濾、壓縮和轉發等。

但邊緣AI在傳統邊緣運算的基礎上，導入了機器學習、深度學習等AI技術，使邊緣設備能夠從數據中學習，並做出分析判斷。因此，邊緣AI可以完成一些更複雜的任務，例如實時推理、本地決策、降低延遲、與提高安全性等優勢。

【欲閱讀更豐富的內容，請參閱2024.4月(第101期)IPC增智慧保安全智動化Smart Auto雜誌】