Skip to main content

AI • 物聯網 • 網路邊緣

物聯網邊緣運算:邁向成功之路

物聯網邊緣運算

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。

影片 1。CCS Insight 的 Martin Garner 和 Intel 的 Dan Rodriguez 探討邊緣運算的現狀、如何克服挑戰,以及值得期待的關鍵機會。(資料來源:insight.tech

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@intel,以及在 LinkedIn 上關注 CCS-InsightIntel Corporation
 

本文由Erin Noble編審

作者簡介

Christina Cardoza is an Editorial Director for insight.tech. Previously, she was the News Editor of the software development magazine SD Times and IT operations online publication ITOps Times. She received her bachelor’s degree in journalism from Stony Brook University, and has been writing about software development and technology throughout her entire career.

Profile Photo of Christina Cardoza