边缘运算带动新的市场商机，大量装置如何管理、人工智能如何导入、安全防护如何实现等，让市场对硬体有新的需求，但随着开发难度上升，许多厂商着手升级开发工具的完整和便利性，让开发者可以专注在自身业务的投入，造就了新一波开发风潮。

边缘运算的触角已涵盖各领域并得到落实，但架构从集中式转为多节点的分散式、边缘端（如终端和闸道器等）的自主性提升，使得底层的装置管理更复杂、网路技术的融合也更重要，而且安全防护的机制需要更加谨慎，因此开发过程需要考量的内容越来越多元，增加开发的难度。

也因此，越来越多上游厂商积极改善开发工具的实用和便利性，协助开发者专注于自身创新业务开发，而非工具的学习。以下分析上游IP厂商ARM、芯片厂商英特尔与云端厂商微软等在开发工具和平台的布局与进展。

ARM从多方切入积极布局边缘运算，于2017～2018年推出各式相关IP，并协助开发者降低开发难度。除了三大芯片IP系列產品外，ARM先前已推出ARM Mbed平台，包括Mbed Cloud和Mbed OS两大部分，Mbed主要是基于ARM架构，针对IoT服务发展的基础建设框架，并搭配自家Cortex-M芯片建立生态系。Mbed Edge则透过物联网闸道器让使用者能将Mbed Cloud装置管理功能进一步拓展，如对装置进行导入、控制与管理等。

Mbed Edge有三大特点：一、通讯协定转译：可将非IP协定的联网装置（如LoRa和Modbus）转译成IP based，共同在Mbed Cloud进行管理。二、闸道器管理：提高IoT闸道器的復原能力和降低停机时间，并新增如发送警报、程式、资源、诊断与介面管理。三、进行边缘运算：使用者可依需求将复杂程度不同的运算资源或演算法置于闸道器中，就算与云端断线仍能独立运作。

ARM进行全方面IP扩增

让物联网闸道器具备运算资源有两大好处，一是闸道器不必从云端接收指令就能做简单的应用与判断，例如监控生產线的压力值，一旦系统自动判定预设门槛便会自动关闭生產线，过程不再需要经过云端，二是可节省网路流量，藉由闸道器或终端自行决定是否要传送资料或舍弃。

2018年后ARM翻新Mbed Cloud，厂商可利用新版Mbed Cloud部署更有弹性的物联网。虽然云端已为多数厂商採用，仍有厂商受限于安全和法律议题无法跟进，新版Mbed Cloud便是针对此而增加内部部署装置管理，让Mbed Cloud可支援多个公有、私有、混合云与内部部署等环境，并让受限装置得以连网。由于厂商得以使用、管理并整合新设备和既有设备，新版Mbed Cloud亦有助边缘运算的推动。

在边缘运算的布局上，ARM在2018年推出Project Trillium机器学习运算平台，以因应大量人工智能应用导入终端装置的趋势。终端装置在符合大量运算需求时，也要能维持同样能源效率，该平台除了提供使用者弹性和扩充性，也将更多人工智能应用带进各类终端装置。

在安全防护方面，ARM则推出PSA框架，与首款针对物理安全防窜改的处理器ARM Cortex-M35P，搭配如TrustZone、CryptoCell与CryptoIsland等技术和IP，让终端装置在面对网路、软体与物理等多方面攻击时，有更强防护能力。

从上述新產品和服务可以看出，ARM从边缘端的安全、运算与扩充弹性等各方面升级，积极朝向2035年前达到全球1兆连网设备的目标前进。2018年5月中ARM与南韩电力厂商KEPCO合作仪表系统升级，利用Mbed Edge让KEPCO部署各类智能闸道器，连结电网和公共事业服务，以及对各种家用电器进行资料即时分析，协助优化能源的使用。

身为全球最重要芯片厂商之一，英特尔积极布局物联网、人工智能与边缘运算相关策略和產品线。在2018年初CES展，英特尔便推出许多边缘运算相关展示，例如与多家厂商合作智能家庭產品，包括京东新一代语音助理京东叮咚PLAY，内含英特尔Atom处理器，除了支援语音辨识外，亦可直接从装置执行脸部辨识。

英特尔重视视觉应用

此外，英特尔也与宏碁、华硕、惠普与联想等PC品牌厂商合作，推出搭载亚马逊Alexa语音助理的电脑。英特尔参与协助改善Alexa使用体验，使其支援语音控制，并透过智能音效强化音讯品质和语音唤醒，让使用者可利用语音指令唤醒电脑。

CES展后，英特尔接着以2017年推出的英特尔Xeon可扩充平台为基础，推出新型Xeon D-2100系列处理器，将更多运算与智能能力结合在消费者和商用装置上（如手机、物联网感测器与自驾车等），直接在网路边缘端搜集资料，并于当下做出回馈。

该处理器将智能功能内嵌于功耗更低的系统单芯片，支援各种过往因空间和功耗限制而无法导入智能应用的边缘环境，如此一来有机会将芯片尺寸缩小，并优化边缘端瞵体装置的安全、网路、加速与功耗等，未来可因应5G、网路虚拟化与串联云端资源等应用。

在边缘运算相关范畴中，英特尔特别着重视觉应用技术，近期併购了Nervana、Movidius、MobilEye与Altera。在Computex 2018前，英特尔更针对机器视觉应用，开放视觉推论和类神经网路工具套件OpenVINO，协助开发者快速将边缘装置和物联网装置收集到的影像资料，转换成有价值的资讯。

OpenVINO可让开发者结合搭配CPU、GPU、FPGA与VPU等硬体，并搭配套件中三组主要API，分别是Deep Learning Deployment Toolkit（深度学习部署工具）、OpenCV（开源电脑视觉及影像处理工具）与OpenVX（电脑视觉API标准），再利用英特尔旗下深度学习编译器nGraph做开发。该开发套件亦与市场间主流框架如TensorFlow、MXNet与Caffe等相容，让开发者得以更多元工具进行开发。

目前该开发套件已与工业电脑厂商凌华合作辨识条码，来追踪產品，亦与神基ALPR系统合作开发自动撷取车牌影像，并与威联通和威强电合作进行医疗影像收集，利用影像强化AI推论能力，协助诊治老年性黄斑部病变。

微软提升研发便利性

微软近年积极发展边缘运算，微软执行长于2018年开发者大会上表示英特尔ligent Cloud和英特尔ligent Edge时代已来临，将大力投入AI技术、產品与服务开发，并以社会公益角度出发，除了之前启动的AI for Earth，另一个针对残疾人士AI for Accessibility的5年计画也跟着开启，预计将投入2,500万美元。

微软最初以物联网相关业务切入，推出Azure IoT套件，协助厂商做IoT业务转型，其中，与边缘运算较有关系的为Azure IoT Hub和2017年推出的Azure IoT Edge。Azure IoT Hub主要处理云端和装置间的沟通，包括通讯模式和协定支援、装置安全性与装置状态监控，Azure IoT Edge则是导入在Azure IoT Hub之前，主要是将云端分析结果或自定义逻辑演算置入装置中，让装置不再只是收集资料或资料管理的管道，而是可确实将AI应用落地的解决方案。

微软对英特尔ligent Edge的认知在于，未来智能装置并不需时刻处于连网状态，就能让使用者观看、倾听、理解与进行预测，亦即智能装置需拥有更多运算和自行处理的能力。

微软也于2018年升级Azure IoT Edge，若从开发端来看，首先是将Azure IoT Edge进行开源，让客户可自行修改Edge端应用，提高掌控度，第二为既有Azure认知服务中的Custom Vision服务，已得以部署至Azure IoT Edge中，让无人机和工业设备等边缘端装置不需连网就能进行关键决策。预计未来微软将会在Azure IoT Edge上开放更多认知服务。

第三便是容器化解决方案的简化，微软的Azure Kubernetes Service（AKS）大幅整合开发工具、工作空间、DevOps功能、网路与监控工具等功能，让开发者可专注于开发而非工具的学习和转换，也让开发者能迅速上手Kubernetes，微软预计也会让Azure IoT Edge设备支援Kubernetes服务，从微软对AKS的重视，也可看出Kubernetes对开发者社群的重要性日增。

由上述微软各项发展可知，从Azure IoT Edge进行业务扩展和生態圈布建已是未来策略主轴，除了简化与强化Edge端的开发过程和功能外，也会将既有的认知服务逐步与Azure IoT Edge结合，让人工智能得以在边缘端落实，达到英特尔ligent Edge目标。

随着运算能力提升加上人工智能导入，边缘端将能实现更多智能化和自动化的应用，其中视觉应用将会成为边缘运算主流之一，例如物件辨识、人脸辨识、行为辨识、即时侦错与即时警示等，都会开始应用于各场域中，涵盖制造业、智能城市、自驾车、智能家庭与智能零售等，成为边缘运算兴起的第一波亮点。

边缘运算不同于过往连上云端时，需时时保持连网状态，加上边缘端的运算和执行能力提升，可以加入更多安全防护措施，但边缘运算将云端架构分层处理，在数据的筛选、传递、储存与应用上差异极大，整体架构将更复杂，便利性高的开发工具将日渐增加。（本文作者为拓墣產业研究院研究员刘耕睿）。