什麼是邊緣人工智慧？

邊緣人工智慧（有時稱為「邊緣AI」）指的是在本地裝置（感測器、攝影機、智慧型手機、工業閘道器等）上執行人工智慧與機器學習模型，而非在遠端資料中心運算。換句話說，網路的「邊緣」—資料產生的地方—負責運算。這讓裝置能即時分析收集到的資料，而不必持續將原始資料傳送到雲端。

邊緣人工智慧實現了無需依賴中央伺服器的即時本地處理。例如，具備邊緣AI的攝影機能即時偵測並分類物體，提供即時回饋。透過本地處理，邊緣AI即使在網路連線不穩或斷線時也能運作。

— IBM 研究

總結來說，邊緣人工智慧將運算更接近資料來源—在裝置或鄰近節點部署智慧，加快反應速度並減少將所有資料傳送至雲端的需求。

邊緣AI與雲端AI：主要差異

與傳統的雲端AI（將所有資料傳送至集中伺服器）不同，邊緣AI將運算分散到現場硬體。下圖展示了簡單的邊緣運算模型：終端裝置（底層）將資料傳送至邊緣伺服器或閘道器（中層），而非僅傳送至遠端雲端（頂層）。

邊緣AI與雲端AI架構比較

在此架構中，AI推論可在裝置或本地邊緣節點執行，大幅降低通訊延遲。

邊緣AI的優勢

邊緣AI為使用者與組織帶來多項實際好處：

邊緣AI實施的主要優勢

邊緣AI將高效能運算帶到邊緣，實現即時分析與提升效率。

— Red Hat 與 IBM 聯合報告

邊緣AI的挑戰

儘管有優勢，邊緣AI仍面臨重大挑戰：

邊緣AI實施的主要挑戰

邊緣AI的應用案例

邊緣AI已在多個產業中實際應用，帶來顯著影響：

跨產業的邊緣AI實際應用

促進技術與趨勢

邊緣AI的成長受益於硬體與軟體的雙重進步：

推動邊緣AI發展的關鍵技術

這些技術持續推動邊緣AI的可能性，共同促成「AI推論時代」—將智慧更接近使用者與感測器。

結論

邊緣AI透過將運算移至資料來源，改變我們使用人工智慧的方式。它與雲端AI互補，提供在本地裝置上更快速、更高效且更具隱私的分析。

此方法解決了雲端架構固有的即時性與頻寬挑戰。實務上，邊緣AI驅動從智慧感測器、工廠到無人機與自駕車等多種現代技術，實現現場智慧。

隨著物聯網裝置普及與網路改善，邊緣AI將持續成長。硬體（強大微晶片、TinyML）與技術（聯邦學習、模型優化）進步使AI無處不在更容易實現。