[作者 木言]

随著AIoT架构不断的扩展，再加上AI技术的持续成熟，边缘运算结合人工智慧技术的「边缘AI」开始成为市场的新宠，为边缘运算技术带来新一波的动能，而IPC更扮演著至关重要的角色。

对工业与商业的应用场景来说，能够在「边缘」执行即时与自动化的动作，不仅有助于提升整体的运作流程、降低中央与云端单元处理的压力，同时也有助于提升第一线人员的使用体验，也因此「边缘运算」在这几年持续在多个垂直市场中展露头角，尤其是在疫情之后，无人化的自动控制更成为显学，更让边缘运算成为自动控制的主流技术。

而随著AIoT架构不断的扩展，再加上AI技术的持续成熟，边缘运算结合人工智慧技术的「边缘AI」开始成为市场的新宠，为边缘运算技术带来新一波的动能，而IPC更扮演著至关重要的角色。

边缘AI的关键技术与特色

顾名思义，边缘AI是指在边缘计算环境中导入人工智慧技术。而边缘AI使用的AI技术主要包括以下几种：

●机器学习：机器学习是AI的核心技术，它可以让计算机从数据中学习并做出预测。边缘AI使用机器学习技术来训练模型，以便能够在边缘设备上进行实时推理和决策。

●深度学习：深度学习是机器学习的一个子集，它使用人工神经网路来学习数据中的复杂模式，尤其是在图片的辨识方面。边缘AI使用深度学习技术来提高模型的准确性和性能。

●电脑视觉：电脑视觉是AI的一个应用，它可以让电脑理解和分析图像和影片。通常边缘AI会使用电脑视觉技术来识别物体、追踪运动和检测异常。

●自然语言处理：自生成式AI崛起后，自然语言处理就变成是AI应用必须具备的一个技术，它可以让电脑理解和生成人类语言。而边缘AI使用自然语言处理技术来进行语音识别、机器翻译和文本分析。

智慧化可说是自动控制的最终完成式，因此目前的边缘运算几乎都已开始支援AI技术。相较于传统的边缘运算，具备人工智慧技术的边缘AI，能在边缘设备上实现实时推理和决策的能力，进而让边缘设备更加智慧。

传统的边缘运算主要侧重于数据的收集、处理和传输，并没有进行智慧化分析。因此，传统的边缘运算只能完成一些简单的任务，例如数据过滤、压缩和转发等。

但边缘AI在传统边缘运算的基础上，导入了机器学习、深度学习等AI技术，使边缘设备能够从数据中学习，并做出分析判断。因此，边缘AI可以完成一些更复杂的任务，例如实时推理、本地决策、降低延迟、与提高安全性等优势。

【欲阅读更丰富的内容，请参阅2024.4月(第101期)IPC增智慧保安全智动化Smart Auto杂志】