引 言

雲端計算幾年前非常流行，但是當所有應用落地，海量資料湧入雲之後，相應的問題也隨之而來，處理速度慢、時延長，所以邊緣計算成為研究熱點。其實邊緣計算起源於物聯網應用，它的作用體現在物聯網應用中雲計算的優化設計，其初衷是為了將一些無需上傳到雲的計算留在遠端處理。那麼在嵌入式系統應用中，邊緣計算會起到哪些作用？嵌入式工程師又該如何利用好這一技術呢？為此，《微控制器與嵌入式系統應用》小編邀請到業內專家，談談自己的看法！

業界聲音

物聯網是邊緣計算的推手

嵌入式系統聯誼會祕書長 

何小慶

美國韋恩州立大學施巍崧教授在“Edge Computing:Vision and Challenges”一文中給了邊緣計算這樣的定義：“邊緣計算是指一種可以在網路邊緣完成的計算技術，這樣的技術和平臺在雲和IoT 裝置之間上傳和下載資料，以平衡系統計算、實時性、功耗和安全等方面的要求”。工業物聯網領域的巨頭GE公司指出：“邊緣”指的是靠近資料來源存在的計算基礎設施，例如工業控制器和來自各種裝置和感測器的資料集合，這些裝置通常遠離雲端計算中心。

國外的研究報告顯示，邊緣計算目前主要在以下兩個領域發展：第一是通訊和工業相關的專案，比如5G 虛擬化閘道器、無線訪問網路、5G-CORAL（結合了電信邊緣計算和霧計算的研究成果）。第二是智慧 IoT 閘道器，比如Bosch（Prosyst gateway software）、Siemens（IoT2000 gateways）、Microsoft（Azure IoT Edge）、Amazon（Greengrass 和Snowball Edge）。開源的邊緣計算專案也很活躍，比較著名的有EdgeX Foundry（IoT gateway）和ParaDrop（威斯康辛大學麥迪遜分校）。

嵌入式企業非常重視邊緣計算。NXP推出EdgeScale平臺和Edge-Box開發套件，為邊緣計算提供從高效能嵌入式處理器晶片、開源軟體作業系統到雲端和安全支援。arm推出了Mbed Edge，Mbed Edge與ARM mbed Cloud 和Mbed OS 組成支援邊緣計算的IoT整套解決方案。臺灣研華推出EIS智慧邊緣伺服器和WISE-PaaS/EdgeSenser的邊緣閘道器，後者集成了Mbed OS和Mbed Edge，以及NXP邊緣嵌入式處理器，EIS 內建了微軟的Aure IoT Edge 服務。

需要注意的是，邊緣計算裝置一般會安裝在系統感測和執行端，多數邊緣計算裝置是嵌入式系統。但從物聯網系統看，邊緣計算裝置是整個物聯網系統的一個組成部分，不能單獨存在，需要雲端計算和人工智慧技術的支撐和服務。

邊緣計算技術的研究和產品開發目前均處在初期階段，雲端計算、通訊裝置和嵌入式企業非常關注， 物聯網的高速發展是邊緣計算興起的最大推手。物聯網發展大致分成兩個時期，第一個時期是從互聯走向智慧，第二個時期從智慧走向自治。目前多數物聯網專案還處於第一個時期，進入第二個時期邊緣計算將發揮重要作用，預計未來幾年邊緣計算將迎來快速發展的新階段。

嵌入式系統和邊緣計算的價值和未來

日海智慧科技股份有限公司

首席技術官 鄒俊

邊緣計算是指在網路邊緣提供計算和分散式處理能力，使得資料處理和相關的應用靠近資料發生的地方，有低延時，快捷響應和節省流量等特點，和雲端計算形成互補。

邊緣計算起到的作用主要有如下幾個方面：第一就近處理資料實現快速響應。邊緣計算和邊緣計算應用分佈在網路邊緣，相對於雲端計算而言，靠近資料，甚至離資料僅有一跳的距離，其優勢是能夠就近對資料進行處理，從而降低延時；第二減少傳輸到雲端的資料量，降低對網路頻寬的要求。隨著物聯網的爆發，裝置產生的資料是海量的。據IDC等諮詢機構的預測，將來的資料有20%到40%會由邊緣計算處理。在邊緣側對資料進行處理，比如最簡單的資料過濾，就能很好的降低資料傳輸對頻寬的壓力，也能達到降低資料傳輸成本和儲存成本。第三避免單一瓶頸和單一故障。由於邊緣計算和邊緣計算應用是分散式的，這樣就降低甚至避免出現的業務瓶頸和單點故障。

由於邊緣計算分佈在網路邊緣，邊緣節點的計算、儲存資源和雲端計算／資料中心相比是有限的，所以邊緣計算和邊緣計算應用就天然的使用到了嵌入式計算和嵌入式硬體單元。嵌入式系統可以在邊緣計算上承擔以下幾個作用：

1.資料過濾

物體產生的資料是大量的，而這些資料中，有很多的資料是無用的，是資料中的雜音。一些簡單的計算處理，就能過濾到大量這樣的資料。比如，溫度感測器可以定時採集資料並上報。在最簡單的場景下，只需要關注異常情景就可以了。所以，在邊緣計算上，一個簡單的數值比較，就可以過濾掉絕大多數資料。這樣簡單的資料過濾功能，可以很好的應用嵌入式技術對資源要求低的特點，在邊緣進行處理。

2.資料統計分析

邊緣計算可以對在某個地理範圍的資料進行統計分析，把分析結果傳輸到雲端。類似的功能也可以利用嵌入式計算進行實現，從而使得分析結果貼近資料。

3.複雜事件處理(CEP)

CEP是相對成熟的技術。當CEP和嵌入式系統結合，可以作為邊緣應用對事件實現就近快速處理，從而大大提高對事件的反應速度。

4.人工智慧應用

雲端計算是催生人工智慧快速發展的重要推動力。但是，把所有人工智慧都放在雲端，很難達到對緊急事件的實時處理，比如自動駕駛場景。誠然，人工智慧的訓練需要大量的計算資源，邊緣計算很難承載。但是，越來越多的人工智慧的推理可以在邊緣實現，使得人工智慧應用作為邊緣計算應用，具備快速反應的能力。所以，如何將人工智慧推理和應用實現在嵌入式系統中，也是一個很重要的課題和發展方向。

基於以上技術，日海智慧科技股份有限公司（簡稱：日海智慧）在今年六月在上海世界行動通訊大會上釋出了全球首款AIoT移動智慧計算終端MICD (Mobile Intelligent Computing Device)產品，該產品是人工智慧、邊緣計算和移動計算的完美結合。關於該產品的詳情可參見如下相關報道（鳳凰網報道http://tech.ifeng.com/a/20180703/45047508_0.shtml等）。

日海智慧成立於2004年，致力於成為人工智慧物聯網領域的領軍者。日海智慧為國內外運營商、ICT裝置商、系統整合商以及各行業使用者提供行業領先的物聯網“雲+端”、雲視訊、資料中心、無線通訊、有線寬頻及新能源節能產品及解決方案。自2016年起著眼於全球戰略佈局，實施積極主動的外延式發展，通過先後併購模組廠商“龍尚科技”與“芯訊通”，一舉成為全球模組出貨量份額最高的人工智慧物聯網公司，同時引入全球物聯網安全級別最高的Ayla雲平臺（國內首例獲得SOC等級三級），賦予創新人工智慧技術，成為全球首傢俱備人工智慧的“雲+端”生態物聯網公司。

邊緣計算讓物聯網更加智慧

Imagination Technologies連線與智慧家庭總監 

Simon Forrest

在一個由無數智慧網聯裝置組成的世界中，人們普遍認為，可用的通訊通道將很快被這些裝置所能夠產生的大量資料撐滿。這顯然是不可持續的，並且需要採取不同的方法。通過採用邊緣計算，使人們認識到並不是所有資料都需要傳送到一箇中央伺服器基礎設施來通過雲進行處理。嵌入式邊緣技術本質上利用了本地計算能力，它們支援現場裝置在交付鏈中更早地主動將“資料”轉換為“資訊”，並且只有關鍵的資訊才被傳輸到雲來進行儲存和進一步處理。這顯著降低了整個網路的峰值頻寬要求，並且也縮短了雲中所需的總CPU週期。

更重要的是，能夠在裝置本身內快捷處理資料的能力提供了新的自主等級。今天，我們看到新一波的產品正在採用人工智慧，並依賴於嵌入到SoC內部的（邊緣）神經網路加速。 這些產品通常被視為“更加智慧”，它們能夠在本地根據輸入完成操作並獨立處理資料，尤其是在基於伺服器（雲）的基礎架構不適合或裝置離線的時候。

例如，採用邊緣技術用於在本地處理視訊幀的物聯網家用安防系統，可以在雲中佔用最少的處理開銷。安防系統不是將所有視訊幀都低效率地傳送到雲，因為它們中的大多數都是相同的，取而代之的是安防系統使用嵌入式AI邊緣技術來僅識別那些顯示了可疑活動的視訊幀。一旦處理完畢後，系統可能會選擇只發送有用的視訊摘錄到雲端，或者只是向你的智慧手機發送提醒。使用之前的類比，我們現在已經將幾千兆位元組的多餘視訊資料轉換為少量含有有用資訊的位元組，這隻需使用邊緣技術即可實現。

裝置的可擴充套件性也大幅度得到改善，這是因為邊緣技術可以確保分散式計算資源在整個系統中按比例擴充套件，並且每臺額外的裝置都增加了更多的能力。另一個關鍵方面是延遲，在雲和裝置之間的資料轉發需要的是與資料傳輸相關聯的往返時間。如果嵌入式邊緣技術被用於在裝置中只處理資料，那麼延遲可以被縮短到最短時間，或者在某些情況下可以完全避免延遲。 這對於需要絕對保證響應時間的嵌入式系統尤為重要。

物聯網產品中對增加計算能力和“智慧”的需求始終存在，在推出諸如用於語音控制的自然語言處理、手勢控制介面、先進影象分類和視覺認知系統等新技術的時候，都將意味著邊緣技術已在大範圍內變得更加重要。對於Imagination來說，這意味著更高的效能和更低能耗帶來的效率，這是因為我們為自己的SoC合作伙伴開發了先進的神經網路加速和GPU計算技術。這些SoC將具有超越現有效能指標的能力，不再是簡單地將物聯網資料傳送到雲，而是能夠從多個輸入中獲取有價值的資訊，並且所有的輸入都在矽晶片內處理。

eFPGA技術為邊緣計算環境提供安全保證

Achronix半導體公司高階產品營銷經理  

Alok Sanghavi

下一代嵌入式應用正將處理任務推出雲端並走向網路邊緣。同時，通過圍繞可程式設計邏輯構建處理結構，提供了新的能力使得計算更加以資料為中心。可程式設計邏輯使得構建資料處理流水線（pipeline）成為可能；相反，傳統處理器則需要通過複雜的記憶體快取層級結構才將資料推送到其處理流水線。

在採用可程式設計邏輯來構建的計算解決方案支援下，資料可以在節點之間無縫流動，並在它們通過時藉助定製邏輯電路和DSP引擎的組合對資料單元進行調控。每個單元在被處理完之後，會轉發到下一個節點。隨著需求的變化，可程式設計邏輯陣列可以被重新連線配置，為以資料為中心的應用提供更好的支援。

獨立的FPGA晶片因為資料需要頻繁和更專用的ASIC之間互動，通常會導致額外的功耗和效能損失。嵌入式FPGA（eFPGA）技術通過在ASIC內部整合可程式設計邏輯陣列，為其提供了一種可滿足能效、效能和尺寸限制因素的方法。利用eFPGA技術，硬體加速功能可以被帶入到晶片中。這些功能的一個很好的例子便是可重新配置處理單元陣列，這些陣列被用於機器學習應用所需的卷積核心或最大池計算，通過將這些功能實現在ASIC內部的嵌入式可程式設計邏輯陣列中，就可以使整個晶片達到更高的效能等級，同時也降低了系統成本和功耗。

eFPGA技術在邊緣計算環境中還有另外一個優勢—容器和虛擬化為核心雲中的安全操作提供了有效支援，這是因為這些系統可以利用良好的物理安全性。網路邊緣的裝置需要更高級別的硬體保護，因為攻擊者更容易闖入機箱並篡改路邊機櫃或服務室裡的系統設定。由於邊緣計算系統從管理員那裡得到的支援較少，因此物理安全性至關重要。

將安全功能整合到圍繞eFPGA核心的硬連線邏輯之中，使其能夠支援虛擬電路加密上傳到邏輯陣列，並且持續監控它們是否存在潛在漏洞。硬連線邏輯可以確保由不同使用者上傳的可程式設計功能實現分離，並防止它們相互竊聽。

通過將安全性電路和可程式設計邏輯都整合在晶片上，使得攻擊者要竊聽通訊時的物理訪問很難實現，甚至不可能。藉助整合的CPU，整個服務的計算功能可以與外界隔離而直接到eFPGA，從而限制從晶片中外發的資訊量。 在執行與其他服務的通訊時，可以使用面向eFPGA的硬連線邏輯中強大的加密單元，從而去支援適合邊緣計算需求的強大的安全架構。

嵌友們又是如何看待邊緣計算的呢？歡迎留言探討！