研發人員逐漸發現靠近終端使用者，甚至在設備上進行運算和分析的好處，透過將資料處理遷移至更靠近終端使用者，能減少關鍵應用程式回應延遲的問題，也有助於管理數十億設備產生的大量資料，實現快速、智慧、近乎即時的程式回應。
人類目前仍無法在遙遠且環境惡劣的地區，如地表以下數百英里的地方、極端溫度地區或其他星球進行探索。或許有可能在這些地方找到進一步取得地球發展歷程與其他星球上生命的重要資料，但由於網際網路還無法觸達這些條件惡劣的地區，從中探索變得極具挑戰性更不實際。事實上，我們可以透過手機、智慧手錶以及地球上各個角落找到答案。這個答案就是物聯網（IoT）：透過連網設備，能觸及到更廣泛的地方，像是在火星上作業的機器人，或對油井的遠端監控。
這就是IoT振奮人心的未來，它遠比想像中來得更快，舉例來說，工廠的IoT感測器能夠監控和預測設備故障，以防事故發生；醫護人員能對患者健康狀況進行遠端監控，改善治療流程；透過即時通知，監控攝影機能夠更全面保障人們的安全。
這些IoT設備透過處理能力和記憶體有限的微處理器或微控制器驅動，因此十分依賴AWS和雲端運算來進行處理、分析、儲存和機器學習。但隨著IoT設備和用例數量增多，管理這些連網設備過程中出現了新的挑戰，有時網路連接很弱或根本無法連接，這在偏遠地區相當很常見。對於某些應用程式，也會造成需求延遲，例如，在自動駕駛汽車即時分辨環境的情況下，資料無法實現雲端往返。 在這篇文章中，我想談談能夠在靠近資料來源處來處理資料的邊緣運算。
邊緣設備用於何處？
研發人員逐漸發現靠近終端使用者，甚至在設備上進行運算和分析的好處，透過將資料處理遷移至更靠近終端使用者，能減少關鍵應用程式回應延遲的問題，也有助於管理數十億設備產生的大量資料，實現快速、智慧、近乎即時的程式回應。邊緣運算技術已實際運用在許多方面，包含：
‧遠端位置：當存取遠端位置的資料時，邊緣設備至關重要。這些資料可能位於地表以下幾英里的礦井或油井中、叢林裡，甚至另一個星球上。此時，搭載邊緣計算功能的機器人可以在不宜居住和危險的地方進行測試及操作，從而更好地保證工作人員的安全。例如，
InSitu（波音公司分部）在無人機上使用了邊緣技術，使其能夠在森林大火、露天煤礦和沙漠井口等環境惡劣又偏遠的地區工作數百萬小時，捕捉兆百萬位元組的高解析度圖像。
‧工廠：即時監控設備狀態，有助於辨識潛在故障，防止生產受影響。在工業環境中會見到這種預測性維護的解決方案，有利於延長設備壽命、進一步保障工人安全，優化供應鏈。更重要的是，透過對設備進行程式設計可以在本機裝置過濾資料，只將應用程式所需的資料傳輸到雲端，就能以更低的成本獲得豐富的成效。在亞馬遜物流中心，機器人能夠幫助工人揀貨和運送包裹，就是透過邊緣設備來簡化操作。
‧農場：農業公司透過IoT溫室和農場，改善作物健康狀況、提高產量和營養價值，更能降低食品生產成本。邊緣設備能夠辨識農作物的主要生長階段，自動調整營養、水和環境條件，以提高產量，還能監測土壤條件、記錄作物特性、收穫期間的產量、殼重和濕度等。
‧交通工具：越來越多的汽車和卡車具有環境辨識功能，甚至還能自動導航。透過攝影機鏡頭，它們能夠偵測其他車輛，從而提高駕駛員的警覺性；語音控制能管理汽車或家庭設備的設置，甚至實現自動駕駛。這類技術進步需要本機運算的支援，這樣車輛和駕駛才可以在瞬間做出反應。
‧家中：為保證持續穩定的服務，家庭監控設備須具備低延遲和本機運算資料的能力，以便在發生非法入侵或管道洩漏時能及時通知住戶。這些設備包括電子門鎖、視訊門鈴、安全攝影機、漏水探測器和恆溫器。
從雲擴展到邊緣設備
透過邊緣運算，可以利用雲端提供的部分功能，將其擴展到邊緣設備。大約兩年前，AWS推出了IoT Greengrass，這款軟體能夠讓企業以安全的方式執行本機運算，進行資訊傳遞和連接設備的儲存。
IoT和邊緣運算最令人振奮的成就之一，是實現在設備上本機裝置執行機器學習（ML）推論。在訓練期間，找出資料中的模式和關係可用於建立模型。該模型允許系統可以對以前沒有遇到過的資料做出智慧決策。優化模型會壓縮模型大小，使其能夠快速執行。訓練及優化ML模型需要大量的運算資源，因此非常適合在雲端進行。而推論一般需要很少的運算能力，通常會在有新的資料時即時進行。因此，以非常短的延遲時間獲得推論結果非常重要，確保IoT應用程式能夠快速回應本機事件。
例如，Vantage Power為重型車輛設計和製造電氣化動力系統和連接技術，透過使用AWS IoT Greengrass ML推論來獲得洞察和預測分析模型，然後將這些模型發送到車輛上，以便即時採取預防措施。在設備出現故障前採取行動，能夠節省金錢和時間，提高安全性。
透過邊緣運算，可以利用雲端提供的部分功能，將其擴展到邊緣設備。（Photo: nexusby／shutterstock.com）
AWS RoboMaker是一項易於大規模開發、測試和部署智慧型機器人應用程式的服務，並且建立在AWS IoT Greengrass系統上，所以企業的機器人可以對生成的資料進行本機操作，同時還可以使用雲端進行管理、分析和耐用性儲存。這也使得機群管理服務具備機器人登錄、安全性和容錯功能。企業可以進行部署、執行無線（OTA）更新，並在機器人的生命週期全程管理機器人應用程式。
加州理工學院目前正使用NASA噴射推進實驗室（JPL）的AWS RoboMaker服務來加速開發太空地形漫遊車的新功能，例如他們正在測試一種能夠模仿人類手臂動作的機械手臂。
展望未來
無論是探索偏遠地區、挽救生命、提高生產率，還是想做出完美的麵包，IoT和邊緣運算技術都能實現目標。這些設備將會出現在家中、辦公室、油田、太空、飛機、輪船等地方，使得雲端比以往任何時候更為重要：連接的設備需要一個安全平台來整合和分析所有的資料。這層視角使相關團體能夠做出更好的決策，改善終端使用者體驗，並發現新的契機。
＜本文作者：Werner Vogels現為亞馬遜技術長。＞