AI迅速崛起，運算分析已開始從云端邁向終端裝置，邊緣運算勢在必行，其發展備受半導體產業關注，且各領域業者也競相投入開發關鍵組件/技術，而Computex 2018更成為各技術陣營的火力展示場合。

人工智能(AI)發展愈加快速，并開始大舉進軍終端裝置，運算分析已開始從云端轉向終端節點，邊緣運算發展可說是目前半導體產業熱門議題，而2018臺北國際計算機展(Computex 2018)也成為各領域業者(如IP、芯片、儲存) 火力展示的絕佳場合，紛紛于展會期間發布新的解決方案或市場布局規畫。

搶攻邊緣運算市場 Arm動作頻頻

Arm IP產品事業群總裁Rene Haas(圖1)表示，隨著物聯網的蓬勃發展，Arm預測至2035年全球將會有超過1兆臺的聯網裝置，運用于醫療、汽車、燈具及道路等范疇， 而聯網裝置數量的大幅成長也將帶領終端及云端運算的持續發展。 智能運算將持續推動物聯網嶄新時代，帶領AI變革，促使物聯網智能運算無所不在。

圖1 Arm IP產品事業群總裁Rene Haas表示，物聯網蓬勃發展將使聯網裝置快速增加，智能運算未來將無所不在。

因應此一趨勢，且為整合生態系統的AI/機器學習(ML)應用、演算與框架，并結合軟件優化與硬件IP產品，讓各式裝置及平臺都能支持最常使用的機器學習框架，Arm近期宣布推出三款全新IP產品，分別為Cortex-A76 CPU、 Mali-G76 GPU，以及Mali-V76 VPU，以提升游戲與AR/VR體驗，AI和機器學習能力。 透過這三款新產品，Arm將持續強化該公司于行動領域的競爭優勢，也再度增強了智能手機、平板計算機、PC等行動終端裝置的運算效能。

Arm副總裁暨客戶事業部總經理Nandan Nayampally(圖2)表示，未來5G將推動整個行動產業創新，即將到來的5G聯網應用，包含VR、AI或是手機游戲等將會帶動更多運算量成長，未來將會有更多不同運算需求產生。

圖2 Arm副總裁暨客戶事業部總經理Nandan Nayampally指出，5G加AI將推動整個行動產業創新，Arm為此推出全新IP產品因應市場需求。

Nayampally進一步指出，游戲也是推動行動裝置運算持續攀升的關鍵因素之一。 游戲產業已成目前全球營收規模最大的市場之一，預計在2018年可達到1,379億美元的產值，這也驅動了消費者對于運算效能的需求。

據悉，Cortex-A76是基于Arm旗下的DynamIQ技術打造，和去年所發布的Cortex-A75相比，提升了35%的效能與40%的效率;可為終端裝置上的AI/ML提供4倍的運算效能， 于PC和智能手機上實現快速且安全的體驗。

Mali-G76則比前一代的Mali-G72 GPU提升30%運算效能，以及增加了30%的效能密度，不僅可滿足消費者隨時游玩高階游戲的需求，也為開發人員提供更多的效能空間，使他們能編寫更多新的應用程序， 為行動應用帶來更多高階游戲，或是將AR/VR整合至生活當中。

最后，隨著UHD 8K需求逐漸攀升，為確保IP能支持智能手機和其他裝置編碼譯碼運算，Arm便推出Mali-V76，可支持高達60fps的8K分辨率或四部60fps的4K串流影片，消費者能同時串流四部4K分辨率的電影、 在視頻會議中錄制影片，或者以4K觀看四場比賽;或在較低分辨率的狀況下，仍能呈現高分辨率畫質(Full HD)，并能支持多達16部串流影片組成4×4的電視墻。

Project Trillium亮相 加速建構ML生態系

與此同時，為提升終端裝置機器學習效能，Arm也于2018年初發表Project Trillium平臺，包含全新機器學習處理器(ML Processor)、對象偵測處理器(Objects Processor)， 以及Arm神經網絡軟件(Arm NN)。 相較于獨立CPU、GPU與加速器，Project Trillium平臺效能更遠遠超越傳統DSP的可編程邏輯。

Arm副總裁、院士暨機器學習事業群總經理Jem Davies(圖3)指出，邊緣運算發展潛力十分龐大，目前市面上的確有許多獨立的解決方案，像是ASIC加速器、CPU/GPU等。 終端業者當然可以選擇自己想要的方案，不過缺點在于須花費時間自行進行硬件與軟件(TensorFlow、Caffe)的整合。

圖3 Arm副總裁、院士暨機器學習事業群總經理Jem Davies認為，Project Trillium可望為終端裝置打造完整的機器學習生態系。

Davies說明，Project Trillium的優勢在于，是以平臺的架構呈現，硬件方面不僅有ML Processor和Objects Processor可供選擇，同時也能透過Arm NN軟件， 協助用戶簡化TensorFlow、Caffe與Android NN等神經網絡框架和Arm Cortex CPU、Arm Mali GPU與機器學習處理器之間的鏈接整合。

Davies進一步指出，軟件整合是發展機器學習其中一個關鍵要素，許多加速器業者或許有辦法提供相關硬件處理器(CPU、GPU)，但卻少有資源可以提供一個完善的平臺架構，協助客戶進行軟硬件整合或是提升ML模型運算， 而Project Trillium包含全新的Arm IP處理器及神經網絡軟件，從硬件和軟件面都能滿足現今市場需求，而這種方式也有助于Arm建構完善的邊緣運算生態系。

另外，Davies也觀察到，MCU對機器學習的需求也十分強勁。 他透露，在Project Trillium上線，Arm NN軟件開發工具包開放用戶下載的第一天，就有超過5,000名用戶開始使用CMSIS NN，嘗試以Cortex-M執行機器學習算法。

Davies說，這個結果其實出乎Arm的預料，也顯示MCU用戶群對機器學習的需求跟興趣，是不容忽視的。 這也促使Arm決定在未來推出的新版Cortex-M核心中，進一步強化這類核心執行ML算法的效率。

CMSIS NN是Arm神經網絡軟件開發工具包Arm NN SDK下的一個運算函式庫(Compute Library)，可以提升Cortex-M執行機器學習算法的效率。 即便是現有的Cortex-M核心，在CMSIS NN的幫助下，也可以執行一些很簡單的機器學習推論，例如判讀傳感器輸出數據所代表的意義。 當然，由于MCU的運算效能跟內存空間都不是很充裕，因此不可能執行非常復雜機器學習推論，但如果是對單一傳感器節點輸出的數據做簡單判讀，還是有機會實現的。

Davies指出，MCU如果無法支持某些基本的ML算法，AI應用無所不在的未來是難以實現的。 目前透過云端數據中心提供的人工智能應用服務，其實有很明顯的應用局限，只有把AI不斷往邊緣推進，才能讓AI應用更加普及。 而為了讓MCU能更有效率地執行ML算法，在Arm未來的產品發展路線圖里面，Cortex-M執行ML的效率將會進一步提升。

邊緣運算走入自動駕駛 高效能處理器不可或缺

另一方面，汽車產業未來也將是邊緣運算的重點應用領域之一。 根據Arm預測，至2020年平均一臺汽車中將會嵌入多達200多個傳感器，并經由100多個發動機控制器(ECU)或微控制器(MCU)處理，而如何快速處理如此龐大的數據、實時做出回應并同時維持系統的穩定性與安全性， 打造符合用戶需求的自動駕駛車，將成為未來汽車電子市場的一大挑戰。

對此，Arm副總裁暨嵌入式及車用事業部總經理John Ronco(圖4)指出，邊緣運算興起，使得終端裝置不用再回傳大量數據到云端處理，但這也代表一般的CPU或機器學習芯片需要更高的處理效能，而這也是Arm推出Project Trillium和Cortex-A76的原因，而這些產品也相當適合放在汽車電子組件之中。

圖4 Arm副總裁暨嵌入式及車用事業部總經理John Ronco表示，CPU、GPU等處理器須具備更高效能才可因應自動駕駛安全需求。

此外，為實現自動駕駛，一輛汽車上除了雷達、光達外，往往也會搭載視覺傳感器，也因此需要更高的GPU因應龐大的影像運算。

Ronco表示，自動駕駛的視覺運算需求，和一般IP網絡攝影機差別在于，IP網絡攝影機大多是單一的鏡頭，且不常移動，通常是安置在屋內/外某個角落監看。 但對汽車而言，會須要搭載數個攝影鏡頭，偵測路況和環境，所接收的影像信息十分龐大，且由于汽車一直在移動，周遭景物也會跟著不停變化，這會使得運算更加復雜，因此便需要完善的解決方案。

Ronco透露，像是Project Trillium內的對象偵測處理器主要是用于IP網絡攝影機，而要滿足汽車視覺運算需求，則是須靠如Mali-G76這類的高效GPU，具備更高的運算效能，才能因應汽車行駛時快速的環境變化， 避免事故發生。

總而言之，AI時代為各項應用領域帶來新商機，而邊緣運算也勢將會走入汽車產業當中，但若要將邊緣運算建構于汽車中，必須嵌入更高階的技術才能達到更優異的性能表現，使汽車能夠更智能、安全、有效率。

帶動儲存需求 WDC具一條龍生產優勢

邊緣運算興起，不僅促使處理器效能須跟著增加，就連儲存需求也跟著攀升，儲存業者因而加速產品布局腳步。 Western Digital嵌入式應用解決方案事業部副總裁Christopher Bergey(圖5)指出，邊緣運算、機器學習等技術，皆讓儲存和運算變得相當復雜。

圖5 Western Digital嵌入式應用解決方案事業部副總裁Christopher Bergey表示，因應邊緣運算市場，該公司一條龍的生產模式為市場競爭優勢。

Bergey進一步說明，邊緣運算會隨著不同的應用情境，對儲存產品有不同要求，像是在汽車上特別重視溫度、可靠性，在近年來又添加了成本和穩定供貨5年的考慮因素;另外在行動裝置應用上，以智能手機為例， 像是現在消費者對拍照越來越要求，照片的畫素提高，也連帶使得手機儲存容量須跟著變大，邊緣儲存的需求將跟著變大，因此相關的嵌入式閃存(EFD)產品性能也隨之提升。

因應此一趨勢，像是Western Digital便推出新款iNAND產品系列--iNAND8521/iNAND7550，采用該公司64層3D NAND技術以及先進的UFS與e.MMC接口，提供較佳的數據效能與龐大的儲存容量。 用于智能型手機與輕薄運算裝置時，這兩款產品能加速實現以數據為中心的各式應用，包括擴增實境(AR)、高解析視訊的擷取、社群媒體體驗，以及近期崛起的AI與物聯網邊緣體驗。

Bergey透露，未來行動裝置的發展趨勢無庸置疑會朝更高性能邁進，因為5G世代到來后，傳輸數據越來越快，創新應用會愈來愈多，加上AI興起，兩者若相結合后，對工作負載的要求也會隨之提升，儲存容量勢將會因而大增。 該公司也會持續跟手機業者密切合作，好針對需求提供合適的產品。

Bergey也指出，因應邊緣運算發展，該公司其實具備很好的戰略優勢。 原因在于，WDC具備完整的產品線(從低階產品到高性能產品)，另外，WDC是采用一條龍的生產策略，從晶圓、控制器、韌體和軟件等，都是自行負責，因此可以快速的針對市場變化推出產品，或是滿足設備商客制化需求， 這是WDC在競爭激烈的邊緣運算市場中所擁有的優勢。

NXP攜手合作伙伴 加速開發安全邊緣方案

至于NXP，則是從安全著手，攜手生態系合作伙伴，如新漢、IMAGO、智邦科技、神準科技等，共同投入邊緣運算安全基礎架構的部署工作，支持在邊緣進行連接的新興AI和機器學習，以及部署于云端的安全邊緣處理。

協力合作的系統供貨商將以NXP的Layerscape與i.MX應用處理器系列為基礎，進行產品開發，以符合需要本機處理能力與云端聯機功能的各種應用上。 開發出的平臺提供運算能力、聯機功能及儲存容量之間的完善平衡，適合同時在企業及工業環境運作。

透過NXP的EdgeScale技術及Docker與Kubernetes的開放原始碼軟件，可在常見云端架構上執行各種邊緣應用，包括Amazon Web Services(AWS)、Greengrass、Google Cloud IoT、微軟Azure IoT、阿里巴巴及私有云端架構。

NXP指出，EdgeScale是包含裝置和云端服務的套件，透過該產品可以簡化安全運算資源在網絡邊緣的布建;而NXP將會與這些伙伴共同合作，為物聯網與企業內部部署(On-Premises)的運算平臺提供具擴展性、安全性， 以及部署方便性，以實現安全部署與管理。

恩智浦數字網絡事業部資深副總裁暨總經理Tareq Bustami表示，建立安全的邊緣解決方案對于物聯網及工業4.0的成功發展極為重要，因此，該公司致力于與眾多設備制造商合作，提供容易使用且支持云端鏈接的安全邊緣運算解決方案。 透過合作，該公司將協助推出更智能、更多功能的邊緣解決方案，加入可進行大規模部署及管理的強大安全功能。

綜上所述，可看出不論是IP商、儲存業者或是芯片供貨商，皆積極布局邊緣運算市場，各自開發開放平臺與硬件架構，期能讓AI走入各種終端裝置中，并且建構完善的生態圈。