在政府大力支持下，整合人工智慧（AI）與物聯網（IoT）形成的AIoT（智慧物聯），已成為零售、製造、醫療、交通等產業轉型的重要方向。為了降低採用新技術的門檻，研華科技日前發布最新的邊緣智慧伺服器（Edge Intelligence Server，EIS），內建2017年8月正式上線的AWS Greengrass技術，介接Lambda無伺服器（Serverless）運算服務，從雲端派送函數（Function）到地端，並且已通過AWS美國總部認證，確保用戶整合運行效能與可用性。
研華科技IoT嵌入式事業群產品經理高信揚說明，AWS Greengrass主要是由Core、IoT Device SDK、Greengrass SDK所組成。EIS邊緣智慧伺服器搭載Linux系統環境，內建Greengrass運行Lambda，同時也介接到雲端Lambda服務。由雲端的Lambda採用Python、Node.JS、Java語言撰寫運算與建模，完成後派送到地端執行，在應用情境較單純的環境下，學習能力可完全交給雲端服務來執行。
此外，由於Greengrass Core本身具有從屬概念，亦可設計為區域整合架構，例如指定POS機器為Core，成為該區域的智慧中樞，進而統合電子播放菜單、廣告看板、顧客訂購明細等資訊，再遞交給地端的Greengrass實作。
他進一步說明，EIS邊緣智慧伺服器硬體中包含研華科技基於MQTT自主開發的Protocol Connector元件，不論應用環境產生的資料是EtherCAT（乙太網控制自動化技術）、CANbus（控制器區域網路）等協定格式，皆可協助轉換。若企業考量商業的機密性，或設備的複雜度，在實際應用場景中採用專屬通訊協定執行溝通，亦可透過研華科技開放的SDK與原始碼，重新定義資料串接模式，進而簡化介接Greengrass的溝通模式。
邊緣智慧伺服器介接 突破新興應用瓶頸
 |
| ▲研華科技IoT嵌入式事業群產品經理高信揚指出，應用場域資料進與出的保護，除了Greengrass已內建加密傳輸確保安全性，現階段最難防的惡意入侵，透過研華科技發展多年的白名單機制即可發揮效益。 |
負責研華科技EIS邊緣智慧伺服器與AWS Greengrass整合專案的高信揚指出，研華科技大約從2017年年初開始接觸AWS Greengrass技術，經過內部實際測試之後發現該技術的重要價值。
他舉例，以往整合雲端服務應用，經常碰到的瓶頸即是所有資料都必須要上傳到雲端平台執行運算，結果再拋回到地端，但如此一來，首當其衝是網路傳輸勢必面臨延遲性的問題，須要快速回應的應用場景往往因此受限。典型的案例即為人臉辨識機制，照片必須要先在伺服器端執行壓縮，再上傳到雲端平台，完成後執行解壓縮才開始辨識，計算結果再回傳到地端伺服器。假設網路監控攝影機只有10台，整體架構或許還可因應，一旦成長到上千台，每分鐘發送大約10次，如此運算量光是要支付的雲端平台費用，就會以驚人的幾何級數激增。
早期建置物聯網應用場域，多數認知是資料直接上傳到雲端存放即可，省去自建與維運硬體的複雜度。當初之所以適用，主要因素在於應用環境所產生的檔案較小，伺服器部署在雲端的確較地端更具成本優勢。問題是隨著檔案數量增多或逐漸變大，會出現死亡交叉，反而要支付更多費用來執行運算。此外，零售正夯的「刷臉」機制，勢必得解決網路原生的延遲性問題，才能確保用戶體驗。
「AWS Greengrass確實可解決客戶遭遇到的困境。單純就Lambda無伺服器技術來看，能從雲端派送程式到地端Greengrass運行即可得到結果，就已經可解決過去的障礙。」高信揚說。由於研華科技屬於早期採用者，可參考的使用經驗少之又少，甚至是內部研發人員也未必清楚Greengrass運作邏輯，透過AWS台灣協助，才得以讓研華科技在兩個星期內，在既有的系統平台上整合Greengrass運行，並且整機寄送到AWS美國總部驗證通過。
演算分析馬達震動數據 避免停機造成損失
之後研華科技須解決的是連網裝置產生的資料遞送問題。於是研發團隊開始整合智慧型手機、感知器、PLC等客戶端常見的前端連網裝置，測試每種通訊協定的整合性與資料轉移，在AWS台灣團隊協助下，花費近三個月時間，在2017年年底時已確認可掌握Greengrass技術。因此在2018年2月，研華科技與AWS共同發布正式提供支援Greengrass的EIS邊緣智慧伺服器。
儘管Greemgrass即可執行輕量分析、資料預先處理等工作，現階段的問題是，企業用戶不見得有足夠的資源及時跟進並學習最新技術架構，此時研華科技即可發揮強項，先行研究與實作各種環境介接方法，例如特定應用環境的室溫資料設定每五分鐘上傳資料，其他區域的資料則是超過數量才執行。室溫平時可能固定在28度，若上傳過於頻繁，資料庫中存放的都是相同數值，根本毫無意義；但若是28度變成32度，就必須得上傳。諸如此類可彈性調整的空間，研華科技將規則模式轉換為可預先處理的框架，進而計算平均值後觸發執行上傳或保留在地端。
在以往的物聯網應用架構中，終端電腦通常被視為閘道器，只負責執行資料的進與出，大多是以ARM嵌入式平台為基礎設計。發展到邊緣運算之後，隨著應用場景增多會發現，原來閘道器還可進一步實現許多以往無法達成的事。例如已導入建置EIS邊緣智慧伺服器的客戶應用情境，亦有針對工廠設備中最重要的馬達進行震動分析。
高信揚說明，「研華科技本就已自主設計可蒐集馬達震動狀態的方案，可掌握的資料相當精細，包含馬達加速的數據，在底層系統環境中，把時間、強度為底的圖，變成是頻率、強度為底的圖，轉換完成之後，再運用合作夥伴提供的技術，依照馬達的特性擷取部分資料，遞送到資料庫執行比對，震動分析的原始資料則儲存在本機資料庫。產生的頻率圖大多以波形呈現，若比對完成後還是有疑慮，或想要更精細的數據，可撈取原始資料進行機器學習演算分析，預先避免因故障而停機，造成產線重大損失。」
研華科技擅長製造硬體，最大的合作夥伴即為Intel，先解決主板、用料、系統架構，甚至是散熱、機械構造等方面，接下來搭載的作業環境，則可由客戶選擇。以台灣的應用環境來看，高信揚指出，Windows與Linux比例大約為9.5比0.5，實用程度相當高的Greengrass，現階段則只能運行在Linux環境，或許正可藉由研華科技整合式系統來降低應用上的負擔。