受到5G、物聯網（IoT）等議題推動，近幾年，邊緣運算（Edge Computing）聲浪逐漸加溫，成為工業4.0以及數位轉型推動的重要關鍵。除了關鍵資料與超級關鍵資料大量增長，引發低延遲需求之外，安全因素以及個人隱私都是推動邊緣運算的因素之一。
受到5G、物聯網（IoT）等議題推動，近幾年，邊緣運算（Edge Computing）聲浪逐漸加溫，成為工業4.0以及數位轉型推動的重要關鍵。根據Tech Pro Research調查，超過5成的受訪者計劃在未來12個月內採用邊緣運算，而另一份來自Futurum Research針對北美地區所發布的「2018 Edge Computing Index, From Edge to Enterprise」的調查數據更高，7成以上的受訪企業已經或正在施行邊緣運算策略，超過9成的受訪者打算在未來的12月內進行相關投資。這些調查數據也顯示出邊緣運算在企業心目中的吸引力。
在各界持續看好之下，許多名詞包含霧運算（Fog Computing）、行動邊緣運算（Mobile Edge Computing）、智慧邊緣（Intelligent Edge）不斷在市場出現，多位專家認為，邊緣運算至今仍僅算是早期發展，一如雲端運算發展初期，邊緣運算正處於各自表述的階段。
邊緣運算定義各自表述
不少機構與解決方案供應商，正試圖提供一個更清晰的說法，美國工業網際網路聯盟（Industrial Internet Consortium，IIC）認為，邊緣運算是一種去中心化的運算基礎架構，其中運算資源和應用服務可以沿著資料源到雲端的通訊路徑進行分配，亦即可以在資料被收集或是使用者執行特定動作之處滿足運算需求。而近期，OpenFog聯盟也特別定義「邊緣運算又稱為網格運算，這個概念是將應用程式、資料以及處理，放在網路的邏輯終端，而不是中心。在邊緣放置資料和資料密集型的應用程式可以減少資料移動的量和距離。」
IDC認定的邊緣運算包含OT Edge、IT Edge以及Fog。
IDC台灣區終端系統部研究副總監嚴蘭欣坦承，現今不同的方案供應商對於邊緣運算都有自已的定義，市場還在早期階段，但邊緣運算已開始在各個產業中應用。IDC認為邊緣是多層次（Multitiered）的一組位置，舉凡能夠讓業務執行資料收集與分析功能的地方都能被視為邊緣。而邊緣基礎架構本質上是中間層，介於核心（雲端及／或傳統資料中心）與相連接的邊緣設備之間。因此，IDC認定的邊緣運算包含OT Edge、IT Edge以及Fog。簡單舉例，Azure Stack算是IT Edge，而感測器則算是OT Edge的範疇。
視訊內容傳遞潛在商機大
近期，市調機構IHS Market發表的一份邊緣運算相關調查指出，有92%的受訪者認為，視訊內容傳遞（Video Content Delivery）是邊緣運算的主要驅動因素，而AR/VR、自駕車以及工業物聯網（IIoT）則位列第二。
這樣的調查結果與工研院資通所所長闕志克的觀察非常接近。他提到，在5G的應用中，低延遲會是一個很重要的概念，也是推動邊緣運算的一大推手。「以現今的應用來看，以影像應用為主的場景會是邊緣運算很好的著力點。舉例而言，工研院資通所現正與餐廳業者合作，運用邊緣運算，在不增加人力成本、不降低服務品質的前提下來提高服務人員的效率。」
這類型解決方案可以利用攝影機來代替服務人員察言觀色，一旦客人舉手或有需要服務的動作，服務人員就獲得通知並且立即前往服務。諸如此類利用視覺導向的人工智慧加上邊緣運算的應用，將會是台灣廠商能夠從中獲益的機會，包含如何將各式各樣的影像辨識功能部署在邊緣運算位置、如何提供硬體與軟體系統來支援視覺導向的邊緣處理等等，都是可以投入的面向。
闕志克認為，邊緣運算並不見得要花費高昂的成本預算，以上述的餐廳合作為例，理想中的預算是在1萬美元上下，並且軟硬系統整合功能也不能太差，例如至少要支援到10支攝影機等等，台灣有不少廠商已經鎖定這類應用需求。
另外，在智慧零售、無人商店以及智慧醫療上也常見邊緣運算應用。近期，工研院開發出一套無人便利商店「易取」辦公室智慧貨架，即是一例。透過電腦視覺商品辨識技術，員工只要先感應識別證，拿取想要的商品，不用等候結帳，部署在貨架上的攝影機就會辨識出商品，然後將消費紀錄傳送給購買者，更關鍵的是成本只有傳統販賣機的五分之一。「台廠的機會在於如何提供一個高性價比的方案，硬體原本就是台灣製造業者的強項，再結合軟體與AI技術，只要好好地運用，便能有機會佔得利基。」他說。
邊緣運算結合AI成應用關鍵
IDC台灣區終端系統部研究副總監嚴蘭欣則觀察到，除了關鍵資料與超級關鍵資料大量增長，引發低延遲需求之外，安全因素，以及個人隱私都是推動邊緣運算的因素之一。尤其是個人裝置上的隱私，由於不確認雲端能不能提供非常安全的保障，因此，部份資料就會選擇在邊緣端進行運算與處理，舉例而言，iPhone X提供的人臉辨識，便是在iPhone內建晶片中進行比對與運算，而非上傳到雲端。這便是邊緣運算的應用之一。
工研院資通所所長闕志克認為，台廠的機會在於如何提供一個高性價比的方案，硬體原本就是台灣製造業者的強項，再結合軟體與AI技術，只要好好地運用，便能有機會佔得利基。
「就我們的觀察，自駕車將是邊緣運算的終極應用。」她解釋，一台自駕車要具備自駕的能力，首要就是須要能自我反應，因此，必須對前方的物體進行辨識，若是等到資料傳送到雲端運算、回饋再煞車，很容易就發生車禍，勢必要在車內就處理，因此，車子本身就可以視為邊緣運算節點。現今的自駕車正在運用AI技術來辨識物體是行人、樹葉或是其他的障礙物，挑戰在於AI沒有辦法判斷物體是硬或軟，例如一片樹葉飄下來，人類可以很輕鬆地確認不會有危害而穿越過去，但是自駕車沒有辦法判別，只知道有個物件，需要煞車。未來如何藉由攝影機來確認某個物體不會造成傷害可以穿越過去，將是技術發展的關鍵。
除此之外，低功耗需求也會促使邊緣運算發展，尤其是在裝置端，能耗是一大問題，若是裝置經常電力不足，維護與管理都是一大負擔。而從企業角度來看，數位轉型將帶動邊緣運算的需求，並且從中取得靈活度與更有效率的好處。