邊緣運算（Edge Computing）是一種分布式的運算架構(gòu)，允許在數(shù)據(jù)產(chǎn)生的源頭進行快速的分析和處理，以確保實時快速的響應(yīng)。這與過去數(shù)據(jù)完全依賴于云端或數(shù)據(jù)中心的集中式運算策略形成鮮明對比。隨著AI技術(shù)的興起和智能裝置的普及，數(shù)據(jù)的規(guī)模和復雜度都在急劇增加。尤其在智能倉儲、視覺導向的制造流程，或是智能城市的交通管理等領(lǐng)域中，數(shù)據(jù)傳輸?shù)男枨蠼?jīng)常超越網(wǎng)絡(luò)的傳輸能力。再加上工業(yè)電腦、攝影機、行動終端、傳感器，以及各式物聯(lián)網(wǎng)（IoT）裝置的技術(shù)日益進步，使得數(shù)據(jù)產(chǎn)生和收集的速率持續(xù)攀升。因此，僅依賴數(shù)據(jù)中心的策略已無法滿足現(xiàn)有需求，邊緣運算不僅成為了一種趨勢，更是優(yōu)選的解決方案。

邊緣運算架構(gòu)

典型的邊緣運算架構(gòu)可分為：數(shù)據(jù)搜集的（裝置層 Device Layer）、實時數(shù)據(jù)處理的（邊緣層Edge Layer）、負責安全儲存及深度分析的云端層（Cloud Layer）。

裝置層 Device Layer

「裝置層」涵蓋了各類型的IoT裝置，每個裝置都透過內(nèi)置的傳感器來收集、監(jiān)測數(shù)據(jù)。例如，醫(yī)院的儀器專注于監(jiān)測患者的生命征象，或是自動駕駛汽車搜集路況或是其他車輛的動態(tài)數(shù)據(jù)。

邊緣層 Edge Layer

作為邊緣運算的核心，「邊緣層」貼近數(shù)據(jù)產(chǎn)生的位置，且其分布比傳統(tǒng)云端服務(wù)器更廣泛。能夠執(zhí)行數(shù)據(jù)實時處理和分析，大幅降低延遲。若數(shù)據(jù)需要更深度的分析，則會將信息上傳到「云端層」進行進一步的分析。

云端層 Cloud Layer

雖然邊緣運算是在解決云端運算的瓶頸和延遲問題，但在完整的邊緣運算架構(gòu)中，云端運算和邊緣運算是相輔相成的。當「邊緣層」認為部分數(shù)據(jù)需要更詳盡的分析，則會將這些數(shù)據(jù)傳送至「云端層」，以進行更深層的運算與儲存。

邊緣運算的五大優(yōu)勢

快速響應(yīng)與效率提升

高度依賴自動化的產(chǎn)業(yè)如工廠生產(chǎn)線中，實時的數(shù)據(jù)傳輸和處理至關(guān)重要。當一臺機器出現(xiàn)異常時，能通過實時監(jiān)控并采取應(yīng)對措施，將大幅降低了生產(chǎn)中斷及潛在的風險。

強化數(shù)據(jù)安全性

邊緣運算使大部分數(shù)據(jù)都在現(xiàn)場端處理和儲存，必要的數(shù)據(jù)也會加密后傳回數(shù)據(jù)中心，以確保數(shù)據(jù)的安全性。

生產(chǎn)力的飛躍

企業(yè)透過實時數(shù)據(jù)回饋，將有提高營運效率。加上人工智能和機器學習的結(jié)合，邊緣運算可以深度分析業(yè)務(wù)數(shù)據(jù)，幫助企業(yè)找出需要改進的地方并做出快速決策。

遠端數(shù)據(jù)收集

在網(wǎng)絡(luò)聯(lián)機不穩(wěn)定或帶寬有限的偏僻地區(qū)，例如海上油田或船舶，傳統(tǒng)的數(shù)據(jù)收集方式經(jīng)常遇到困難。利用邊緣運算可直接在這些偏遠地點建立運算及儲存能力，確保數(shù)據(jù)的順利采集與傳輸。

成本優(yōu)化

傳輸大量數(shù)據(jù)不但消耗大量帶寬，且伴隨著相對較高的建置成本。而邊緣運算架構(gòu)，可選擇性的傳輸重要的核心資料，將降低整體建置支出。

邊緣層的核心 – Edge computer

作為「邊緣層」的關(guān)鍵核心之一，邊緣運算電腦主要負責處理、分析「裝置層」所搜集到的資料。為了更快速且穩(wěn)健的執(zhí)行任務(wù)，邊緣運算電腦通常需要具備以下特性：

高度耐用性

由于邊緣運算電腦的位置緊鄰「裝置層」，必須在變化多端的嚴苛環(huán)境下持續(xù)展現(xiàn)高度的可靠性。尤其當這些裝置處于極端氣候或嚴苛環(huán)境時，支持寬溫變得尤為重要。無風扇的設(shè)計確保了即使在污染、灰塵或潮濕的環(huán)境中，也能維持其運作的穩(wěn)定性。同時，面對高震動環(huán)境運作時，具有耐沖擊和震動能力也是必要條件。

特出的效能需求

邊緣運算電腦需能分析且儲存來自「裝置層」的數(shù)據(jù)，效能是關(guān)鍵因素。隨著AI技術(shù)的快速演進，我們面臨到更復雜的數(shù)據(jù)分析挑戰(zhàn)。為了滿足如此需求，邊緣AI運算電腦應(yīng)運而生。除了可支持多核心的CPU外，還特別搭載了專為大量實時圖像處理而設(shè)計的GPU。

豐富的I/O、傳輸及儲存

為了確保與各式裝置的緊密連接，邊緣運算電腦配備了多元化的I/O接口。在傳輸方面，除了有線傳輸外，也提供了多款無線傳輸選項，如WIFI、4G、5G、GNSS、藍牙等，以確保在各場域下的順暢連接。同時，面對「裝置層」所收集的龐大數(shù)據(jù)量，邊緣運算電腦也支持大容量或高速的儲存。

完善的工業(yè)級防護

邊緣運算電腦往往被設(shè)置在多種特定場域中，例如偏遠或環(huán)境苛刻的地方。因此，具備工業(yè)級的防護功能變得至關(guān)重要。如寬壓、靜電防護、浪涌保護及EMC保護，確保在多種條件下都能高效、穩(wěn)定的運作。

靈活的安裝選項

考慮到邊緣運算電腦經(jīng)常部署于空間受限或特定地點，提供多樣化的安裝選項是必須的。無論是壁掛安裝、VSEA安裝、導軌安裝或平面安裝，都為用戶提供了多重部署的選擇，滿足不同的應(yīng)用需求。

邊緣運算應(yīng)用案例分享

制造

X光檢測系統(tǒng)

X光檢測成為非破壞性、高精度和高效率的選擇。在汽車、航天、電子等工業(yè)領(lǐng)域中，扮演著關(guān)鍵的質(zhì)量檢測角色。歐洲X光檢測制造商，選擇德承DS-1302工業(yè)電腦，作為其 X光自動化質(zhì)量管理檢測系統(tǒng)的核心平臺。

蔬果分檢系統(tǒng)

透過自動化流程，能夠取代人工判斷，對于降低錯誤率與加速工作效率有顯著效果。歐洲食品機器制造商，選擇使用德承 DS-1002工業(yè)電腦并結(jié)合影像識別技術(shù)，進一步提升蔬果的分揀質(zhì)量與效率。

智能紡紗系統(tǒng)

智能自動化的紡紗系統(tǒng)融合了傳感器技術(shù)和邊緣數(shù)據(jù)采集能力，并通過云端控制中心來統(tǒng)一管理生產(chǎn)流程以實現(xiàn)了智能監(jiān)控、能源管理，還具備預測性維護的功能。歐洲知名紡紗制造商，整合德承 P2102E于機器設(shè)備中，配合自研軟件，達成遠程自動化管理和高效生產(chǎn)。

交通

自動化軌道檢測車

軌道的安全性對于列車運行至關(guān)重要。唯有定期的檢測和監(jiān)控，才能確保列車的安全運行。歐洲鐵路系統(tǒng)工程公司在自動化軌道檢測車上安裝德承 GP-3000，來識別和評估軌道上的任何缺陷。

無人采礦車

環(huán)境嚴苛且具高度危險性的礦業(yè)，唯有導入智能化的自動駕駛采礦車，能連續(xù) 24/7運行以提高生產(chǎn)力。美國無人駕駛采礦車制造商選擇德承DI-1000嵌入式電腦，確保車輛的自主運作和遠程監(jiān)測。

智慧警車

智慧警車是智慧城市中維護安全的重要力量。連接城市數(shù)據(jù)中心，為交通管理和緊急應(yīng)對提供支持。透過車牌識別則可快速察覺贓車或有問題的車輛，以打擊犯罪行為。歐洲軍事設(shè)備商在警車中安裝德承 DX-1100工業(yè)電腦，進行車牌辨識和監(jiān)控，增強警方效率。

能源

海上自動鉆油機

在海上或偏遠地域的石油和天然氣開采站，實時數(shù)據(jù)監(jiān)控和遠程管理成為營運的關(guān)鍵。為了確保準確獲取實時數(shù)據(jù)和設(shè)備監(jiān)控，德承的東歐客戶選用了高亮度且高效能的CS-115/P2102E工業(yè)平板電腦，讓其成為海上鉆油邊緣運算的核心力量。

物聯(lián)網(wǎng)網(wǎng)關(guān)

能源互聯(lián)網(wǎng)整合可再生能源節(jié)點與電網(wǎng)，達到更高的能源效益和管理。不僅收集分散各地的能源數(shù)據(jù)，透過大數(shù)據(jù)分析，調(diào)整電力分配。為了落實這一目標，歐洲的能源公司選擇使用德承DC-1200作為物聯(lián)網(wǎng)網(wǎng)關(guān)，監(jiān)控其太陽能系統(tǒng)，深入分析數(shù)據(jù)并進行預測性維護。

油田監(jiān)控系統(tǒng)

為了防范石油遭竊或蓄意設(shè)備破壞，為偏遠的油田建立監(jiān)控系統(tǒng)至關(guān)重要。德承的美國客戶專為多種產(chǎn)業(yè)提供太陽能監(jiān)控方案，運用無線傳輸執(zhí)行實時監(jiān)控和快速警示。選用德承DI-1000作為邊緣運算核心，保障了遠程監(jiān)控的流暢與穩(wěn)定性。

審核編輯 黃宇