# 無線網路概論 - 邊緣運算

:::info
- 封面
- 組員
- 目錄
- 本文
- 結論
- 參考資料
:::

# 目錄
[TOC]

# 邊緣運算

邊緣計算（英語：Edge computing）
是一種分散式運算的架構，將應用程式、數據資料與服務的運算，由網絡中心節點，移往網絡邏輯上的邊緣節點來處理

這裡提到很多艱澀的專業名詞，例如是“分散式運算”、“節點”等，其實只是描述: 邊緣技術是一種技術將大型應用程式的一部分轉移到(i.e. 分散式運算)日常設備中處理(i.e. 邊緣節點中)。

在雲計算的典型結構中(如上圖)，通常可分為“雲(cloud layer)-網(fog layet)-端(edge later)”三層。“端”這一層覆蓋所有終端的應用程式，亦通常是被管理的角色。當雲計算一計算出結果，就會到透過“網”層，將指令發送到“端”層的應用程式執行，而應用程式收到數據後，則會發送到“雲”層作計算。

而邊緣計算則可以想像為給予“端”層一定程度的“自治”。在邊緣計算的架構中，終點被賦予簡單的存儲和計算能力(與霧計算不同，這裡重點是“簡單”的功能)，令它能偶爾脫離雲的管理，並根據環境數據作出回應。

# 邊緣計算有什麼優勢?

1. 低延遲: 數據由近場產生，能快速回應
2. 獨立性: 在沒有網絡連接下，系統亦能運作
3. 合規性: 無需傳送用戶資料，保護個人數據
4. 簡化數據: 終端先處理部份數據，數據簡化後才向雲服務器傳輸
5. 安全性: 數據傳輸減少，減少網絡安全風險


# 邊緣計算的應用
1.自動駕駛汽車
為了使用自動駕駛技術代替人類駕駛員，汽車必須能夠實時對道路事故做出反應。平均而言，車輛傳感器與後端雲數據中心之間的數據傳輸可能需要100毫秒。就駕駛決策而言，這種延遲可能會對自動駕駛車輛的反應產生重大影響。豐田汽車預測，到2025年，車輛與雲之間傳輸的數據量每月將達到10艾字節。如果網絡容量無法容納必要的網絡流量，則自動駕駛技術供應商可能會被迫限制汽車的自動駕駛能力。汽車。
除了數據增長和現有網絡局限性之外，諸如5G連接和人工智能等技術也在為邊緣計算鋪平道路。5G將以分佈式蜂窩塔的形式幫助將計算功能部署到更靠近網絡邏輯邊緣的位置。該技術將能夠進行更大的數據聚合和處理，同時保持車輛和通訊塔之間的高速數據傳輸。人工智能將進一步促進實時智能決策能力，使汽車對交通流量的突然變化做出比人類更快的反應。

2.車隊管理
物流服務提供商利用IoT遠程信息處理數據來實現有效的車隊管理操作。駕駛員依靠車輛與車輛之間的通信以及來自後端控制塔的信息來做出更好的決策。在車輛和後端云網絡之間可以傳輸的數據的速度和數據量方面，連接性和信號強度較低的位置受到限制。隨著依賴實時計算和數據分析功能的無人駕駛汽車技術的出現，車隊供應商將尋求有效的網絡傳輸手段，以最大化車隊遠程信息處理數據的價值潛力，以供遠距離行駛的車輛使用。

通過在艦隊車輛附近使用計算功能，供應商可以減少通信盲區的影響，因為不需要數據將所有方式發送回集中式雲數據中心。有效的車對車通信將使車隊排之間的交通流量協調一致，因為部署在網絡邊緣的支持AI的傳感器系統將傳達有見地的分析信息，而不是需要的原始數據。

3.預測性維護
製造業嚴重依賴自動化機器的性能和正常運行時間。2006年，汽車行業的製造停機成本估計為每小時130萬美元。十年後，對車輛技術的不斷增長的金融投資和不斷增長的市場獲利能力使意外的服務中斷在多個數量級上變得更加昂貴。

借助Edge Computing，IoT傳感器可以監控機器運行狀況並實時識別對時間敏感的維護問題的跡象。在製造場所對數據進行分析，並將分析結果上傳到集中式雲數據中心以進行報告或進一步分析。分析異常可以使工作人員在問題升級並影響生產線之前更早地執行糾正措施或預測性維護。分析影響最大的機器運行狀況指標可以使組織延長製造機器的使用壽命。結果，製造組織可以降低維護成本，提高機器的運行效率並實現更高的資產回報率。

4.語音協助
語音輔助技術，例如Amazon Echo，Google Home和Apple Siri等，正在推動AI的發展。據估計，2018年全球智能語音助手設備的出貨量將達到5630萬。Gartner 預測，到2020年，將有30％的消費者與該技術進行語音交互。快速增長的消費者技術領域需要先進的AI處理技術和延遲響應時間，以與最終用戶進行有效的交互。

特別是對於涉及AI語音輔助功能的用例，技術需求超出了計算能力和數據傳輸速度。語音協助的長期成功取決於該技術的消費者隱私和數據安全能力。敏感的個人信息是地下網絡犯罪分子的寶庫，語音幫助系統中潛在的網絡漏洞可能給最終用戶帶來前所未有的安全和隱私風險。為了應對這一挑戰，亞馬遜等供應商正在增強其AI功能，並在邊緣附近部署該技術，從而無需在網絡上移動語音數據。據報導，亞馬遜正在努力為亞馬遜Echo設備開發自己的AI芯片。

語音協助領域中邊緣計算的普及對於企業用戶而言同樣重要，因為在現場或生產線上工作的員工將能夠訪問和分析有用的信息而不會中斷手動工作。

根據2017年Gartner炒作週期的數據，邊緣計算正在逼近虛假預期的高峰，並有可能在兩到五年內達到生產力的高原。考慮到AI和5G連接技術的持續研發以及智能工業物聯網應用的不斷增長的需求，邊緣計算的成熟度可能會比預期的更快。

# 參考資料
- [維基百科](https://zh.wikipedia.org/wiki/邊緣運算)
- [邊緣計算(Edge computing)的用例和物聯網 (IoT)](https://medium.com/it-digital-%E4%BA%92%E8%81%AF%E7%B6%B2/%E9%9B%B2%E8%A8%88%E7%AE%97%E4%B9%8B%E4%B8%8A%E9%82%84%E6%9C%89%E9%9C%A7%E8%A8%88%E7%AE%972-%E9%82%8A%E7%B7%A3%E8%A8%88%E7%AE%97-edge-computing-%E7%9A%84%E7%94%A8%E4%BE%8B%E5%92%8C%E7%89%A9%E8%81%AF%E7%B6%B2-iot-98193ef4add1)
- [邊緣運算七種定義](https://zhuanlan.zhihu.com/p/61898986)
- [邊緣運算的應用](https://www.zhihu.com/question/287162946)