看懂邊緣運算！超前部署 資安產業將大展拳腳

【文／方亞申】

隨著物聯網和5G技術的興起，幾乎所有裝置都能夠連接網路，並實時產生和傳輸數據，應對這一巨大的數據流，邊緣運算這一新型計算模式應運而生。

邊緣運算（Edge Computing）是一種分散式計算架構，核心概念是將處理數據的任務從資料中心轉移到靠近數據源頭的裝置或節點上，這些裝置或節點被稱為邊緣裝置（Edge Points）。邊緣運算是在靠近數據源的地方處理和計算客戶數據，而不是在集中式伺服器或基於雲端的位置。

而邊緣運算的主要目標是在提高處理數據的效率，以減少延遲，並使得裝置能夠更加迅速和高效地運行。對於需要即時反應的應用裝置，例如自動駕駛特別有用。

簡短來說，邊緣運算是在數據源的附近進行的，而雲端計算則在遠端的大型數據中心進行。這個差別提供邊緣運算更低的延遲和即時性，但可能在儲存和計算能力上受到限制，而雲端計算在儲存和計算上更強大，但相對將資料傳輸到數據中心可能有更高的延遲。

根據國外網站Statista研究報告指出，隨著物聯網（IoT）、移動裝置和５Ｇ技術的快速發展，到二○二五年，全球將安裝超過七五○億個IoT裝置，而為了支援所有這些裝置，必須將大量運算移到邊緣裝置。而邊緣運算的應用主要被分為兩大部分，分別為即時性及安全性。

即時性的部分，隨著各種裝置數量的增加，中心化的數據中心處理可能會成為瓶頸，而邊緣運算可以在數據生成的地方立即進行處理，大大減少了延遲時間，而在這方面上邊緣運算讓自動駕駛這種需要「即時」反應的技術更為可行，這也是本文聚焦的產業。

自動駕駛需靠邊緣運算

安全性的部分邊緣運算則能夠在數據首次生成的地方進行加密，確保數據在傳輸過程中的安全。此外，通過在本地處理數據，也能夠減少因中心服務器被破解而導致的大範圍數據洩露風險，應用產業如：資安領域。

憑藉邊緣運算，自動駕駛汽車可以根據實時數據做出更快速且更準確的決策，也減少了雲端計算相關的延遲，這允許自動駕駛能更精確的導航、更好的障礙物檢測和改善的交通流量管理。此外，邊緣運算還可以使自動駕駛汽車與其他汽車和基礎設施進行通訊，提高安全性並減少事故。

並且邊緣運算在延遲、頻寬使用和數據儲存需求上都大大減少，使自動駕駛汽車能夠更高效地運作。因此，自動駕駛汽車和邊緣運算的結合預示著一個更安全、更易於使用和可持續的未來，在這一背景下，邊緣運算很明顯的有潛力徹底改變現在的自動駕駛，使其成為自動駕駛汽車未來的關鍵技術。

哪些車廠正研發邊緣運算

邊緣運算在自動駕駛汽車中的一個例子是特斯拉的Autopilot系統。Autopilot系統使用相機、超聲波感測器和雷達來收集數據，並決定汽車應如何在道路上導航。數據是由車上的電腦處理，而不是被發送到集中式的數據中心，使得特斯拉的電動車能夠實時感應其周圍的環境，提高其決策的準確性和速度。

除了特斯拉這種新興車廠以外，福特（Ford）這種成立超過百年的老牌車廠也正積極發展他們自家的自動駕駛技術，其中邊緣運算就是他們自動駕駛的核心項目。

但根據福特自身的技術背景還無法自行發展獨家的自動駕駛技術，所以在二○二一年與Google合作來幫助福特能夠利用 Google的ＡＩ、機器學習和數據分析技術來提升從製造到客戶體驗的各個環節。其中實時數據處理成為了一個關鍵因素，車輛必須能夠快速地分析從感測器、雷達和攝影機收集到的數據，以做出駕駛決策。而邊緣運算允許這些數據在車輛上即時處理，而不是發送到遠程數據中心，從而極大地減少了延遲時間。福特認識到這一點，因此在其自動駕駛技術的研發中，邊緣運算成為了一個核心技術。

【全文詳情及圖表請見《先探投資週刊》2270期；訂閱先探投資週刊電子版】