由于传感器将产生太多数据，难以都传到云端处理，因此边缘运算正在成为主流趋势。 根据Semiconductor Engineering报导，物联网(IoT)设备的最初构想是，简单的传感器会将原始数据传送到云端，透过1个或多个闸道器进行处理。这些闸道器可能位于公司、住宅、工厂，甚至连网车内。但日益明显的是要处理的数据太多，这种方法实不可行。 三星电子(Samsung Electronics)负责HBM行销的Tien Shiah表示，1台PC每天将产生90MB的数据。1辆自驾车每天产生4TB，连网飞机则为50TB。其中大部分为无用数据。 预处理若在本地完成，则仅需在云端处理更少数据，就能以更低成本和更少功率实现更好的效能，从而实现自驾车、无人机甚至机器人所需的快速反应。这些都是边缘运算突然获得如此多关注的原因。它让运算任务更接近数据源，就自驾车来说，最终运算可能在会传感器本身进行。 这对人工智能(AI)、机器学习(ML)和深度学习(DL)应用也很重要。AI/ML/DL的关键是能在本地设备上进行推论，从而提高安全性和性能。然而，推论的更大问题是存储器吞吐量。Rambus产品管理高级总监Frank Ferro表示，存储器再次成为瓶颈。许多正在出现的应用，无论是AI或ADAS，都需要更高的存储器频宽。 此外，这些应用大多是由电池供电，或须在高度受限的电源预算内生存，而开发这类设备的难度开始变得更具挑战性。 边缘运算最大问题之一是它是一种转型技术，会随着发展而被定义。目前实际上仍无法订购能支援特定IoT设备、基础设施和运算要求组合的专用边缘运算产品。 NVIDIA于3月底宣布与安谋(ARM)合作，将NVIDIA Deep Learning加速器架构与ARM的Project Trillium机器学习平台整合，让芯片制造商可轻易将机器学习功能添加到IoT设备。英特尔在2月亦推出14款新的Xeon处理器。 英特尔(Intel)和NVIDIA/ARM产品都能在靠近端点的地方增加更多处理能力，但这两种产品都不是将数据传回云端的理想选择。ZK Research首席分析师Zeus Kerravala表示，NVIDIA与ARM的伙伴关系，以及英特尔宣布的边缘处理器都是为需要增加处理能力的设备、闸道器等而设计的基础产品。 家庭IoT市场最终可能会超过IIoT，但IIoT正在设定步伐和议程。市场研调机构IHS Markit分析师Julian Watson表示，对具有边缘运算能力的IoT闸道器的需求正在成长。需求主要来自3个特定领域：为未直接连到网路的低功耗节点，如基于低功耗蓝牙(BLE)或Zigbee的传感器提供桥接；过滤流量，决定应在边缘处理哪些数据以及需将哪些数据发送到云端；管理这些边缘设备的安全性。 IHS Markit执行董事Michael Howard则认为，IoT/边缘闸道器至少应能做到以下几点：1.透过对重复数据进行整合，缩小来自IoT设备的原始数据量。2.将数据转换为上游应用程式可读取的格式。3.具备能判断将获得何种数据及来自哪种设备的上游应用程式。4.包含如何组织数据并对其进行优化的相关资讯。 Howard表示，闸道器若无法将原始数据细化为紧凑且实用的数据就向上游推送，只会浪费时间和频宽。处理必须在数据发生的地方完成，最好不止一次。 所有主要系统供应商都渴望进入市场，但对闸道器的需求正在成长。此问题比从几个传感器收集温度数据更复杂。特别是在IIoT中，每个垂直市场传统的SCADA和其他自动化系统通常都是封闭、专有的，对新通讯技术不友好，并且不可能快速摆脱。 ARM执行长Simon Segars表示，现在有这么多的下一件大事(Next Big Thing)将发生，很难判断要从哪里着手。新的通讯协议，无论是5G、LoRA、NBIoT等新技术，都需要半导体设备的大量创新。目前AI正在驱动云端芯片。在边缘则是推论正在推动设计的创新。 | 
