日前資策會MIC舉辦2021趨勢論壇，其中針對新興雲端服務與邊緣運算的影像辨識提出趨勢分析。受到新冠疫情影響，業者大力推出娛樂串流與遠距會議軟體，同時資料中心架構也走向多元。另一方面，採用邊緣運算的影像辨識技術，將會朝向以軟體及演算法增加附加價值的商業模式。
隨著資料中心業者不斷提供各式雲端服務，在雲端即服務的情勢下，高運算、高穩定且高即時成為三大重要需求。資策會MIC產業分析師龔存宇(圖1)指出，為了滿足使用需求，資料中心的硬體架構呈現多元化趨勢，並以加速運算層來提升整體的效能表現。資料中心的四大類處理器：CPU、GPU、ASIC及FPGA在這樣的趨勢下各面臨不同的機會與困境。其中CPU遇到資料與製程兩大挑戰，促使其他伺服器晶片重要性竄升。GPU因為Nvidia擴大其架構而成為GPU主流。比起GPU，在成本考量下ASIC更具優勢，同時大廠為了減少對外部廠商的依賴，如英特爾(Intel)、Google、亞馬遜(Amazon)等廠商皆自行設計晶片。FPGA更具彈性與客製化特性，適合邊緣運算應用。該市場以賽靈思(Xilinx)與英特爾為代表廠商，由近日AMD併購賽靈思的消息可以看出AMD看好FPGA市場，也為半導體產業帶來新的競合關係。
整體而言，近期Nvidia收購Arm、AMD併購賽靈思，可見資料中心大廠跨領域整合並拓展市場，為產業帶來新的競爭關係，同時彼此間的合作關係也逐漸減弱。
而邊緣運算在影像辨識方面，在講求低延遲、高可靠的自駕車及智慧工廠的應用興起，以及大幅低於雲端運算的成本，共同推動邊緣運算的市場成長，全球以中國及美國為首，不斷投入資金。資策會MIC資深產業分析師兼專案經理施柏榮(圖2)提及，2019年統計全球176個國家中，已有75個國家部署人工智慧(AI)智慧辨識系統，最多國家推動的技術應用前三名分別是臉部辨識、智慧城市與智慧警政。
邊緣運算的應用場景可分為雲端中心型、邊緣臨場型與聯幫分散型。在資料中心的情境中，終端設備將資料上傳雲端行程資料湖，經雲端部署驗證、訓練後的推論或模型，回到終端由邊緣運算執行。臨場型應用則在Edge Center進行大量本地學習，並採用分散式運算架構，在終端執行AI推論。聯邦分散型則適用於各領域資料四散的情況，可由分散式的Edge Server形成分散式系統進行資料交換，並以聯邦學習模型執行數據的學習、訓練。
就商業模式而言，客戶在乎演算法大於算力的情況下，軟體分析與演算法便成為關鍵角色，使得目前的邊緣運算的產品主要以軟體及演算法為附加價值，廠商則由產品提供者轉為數位資產顧問。數位資產包含特徵提取、演算法及使用邊緣運算的流程與步驟。未來邊緣運算將會結合硬體設備及軟體技術，成為軟體導向的產業型態。同時超越人眼的光源辨識，如X光、超音波成像，或者巨型/微型尺度的影像辨識，巨有利基市場潛力。部分的利基市場則將導入聯邦式學習模型，在維護個人隱私的前提下，進行跨領域、跨機構的數據學習。
