由于傳感器將產生太多數(shù)據，難以都傳到云端處理，因此邊緣運算正在成為主流趨勢。

根據Semiconductor Engineering報導，物聯(lián)網(IoT)設備的最初構想是，簡單的傳感器會將原始數(shù)據傳送到云端，透過1個或多個閘道器進行處理。這些閘道器可能位于公司、住宅、工廠，甚至連網車內。但日益明顯的是要處理的數(shù)據太多，這種方法實不可行。

三星電子(Samsung Electronics)負責HBM行銷的Tien Shiah表示，1臺PC每天將產生90MB的數(shù)據。1輛自駕車每天產生4TB，連網飛機則為50TB。其中大部分為無用數(shù)據。

預處理若在本地完成，則僅需在云端處理更少數(shù)據，就能以更低成本和更少功率實現(xiàn)更好的效能，從而實現(xiàn)自駕車、無人機甚至機器人所需的快速反應。這些都是邊緣運算突然獲得如此多關注的原因。它讓運算任務更接近數(shù)據源，就自駕車來說，最終運算可能在會傳感器本身進行。

這對人工智能(AI)、機器學習(ML)和深度學習(DL)應用也很重要。AI/ML/DL的關鍵是能在本地設備上進行推論，從而提高安全性和性能。然而，推論的更大問題是存儲器吞吐量。Rambus產品管理高級總監(jiān)Frank Ferro表示，存儲器再次成為瓶頸。許多正在出現(xiàn)的應用，無論是AI或ADAS，都需要更高的存儲器頻寬。

此外，這些應用大多是由電池供電，或須在高度受限的電源預算內生存，而開發(fā)這類設備的難度開始變得更具挑戰(zhàn)性。

邊緣運算最大問題之一是它是一種轉型技術，會隨著發(fā)展而被定義。目前實際上仍無法訂購能支援特定IoT設備、基礎設施和運算要求組合的專用邊緣運算產品。

NVIDIA于3月底宣布與安謀(ARM)合作，將NVIDIA Deep Learning加速器架構與ARM的Project Trillium機器學習平臺整合，讓芯片制造商可輕易將機器學習功能添加到IoT設備。英特爾在2月亦推出14款新的Xeon處理器。

英特爾(Intel)和NVIDIA/ARM產品都能在靠近端點的地方增加更多處理能力，但這兩種產品都不是將數(shù)據傳回云端的理想選擇。ZK Research首席分析師Zeus Kerravala表示，NVIDIA與ARM的伙伴關系，以及英特爾宣布的邊緣處理器都是為需要增加處理能力的設備、閘道器等而設計的基礎產品。

家庭IoT市場最終可能會超過IIoT，但IIoT正在設定步伐和議程。市場研調機構IHS Markit分析師Julian Watson表示，對具有邊緣運算能力的IoT閘道器的需求正在成長。需求主要來自3個特定領域：為未直接連到網路的低功耗節(jié)點，如基于低功耗藍牙(BLE)或Zigbee的傳感器提供橋接；過濾流量，決定應在邊緣處理哪些數(shù)據以及需將哪些數(shù)據發(fā)送到云端；管理這些邊緣設備的安全性。

IHS Markit執(zhí)行董事Michael Howard則認為，IoT/邊緣閘道器至少應能做到以下幾點：1.透過對重復數(shù)據進行整合，縮小來自IoT設備的原始數(shù)據量。2.將數(shù)據轉換為上游應用程式可讀取的格式。3.具備能判斷將獲得何種數(shù)據及來自哪種設備的上游應用程式。4.包含如何組織數(shù)據并對其進行優(yōu)化的相關資訊。

Howard表示，閘道器若無法將原始數(shù)據細化為緊湊且實用的數(shù)據就向上游推送，只會浪費時間和頻寬。處理必須在數(shù)據發(fā)生的地方完成，最好不止一次。

所有主要系統(tǒng)供應商都渴望進入市場，但對閘道器的需求正在成長。此問題比從幾個傳感器收集溫度數(shù)據更復雜。特別是在IIoT中，每個垂直市場傳統(tǒng)的SCADA和其他自動化系統(tǒng)通常都是封閉、專有的，對新通訊技術不友好，并且不可能快速擺脫。

ARM執(zhí)行長Simon Segars表示，現(xiàn)在有這么多的下一件大事(Next Big Thing)將發(fā)生，很難判斷要從哪里著手。新的通訊協(xié)議，無論是5G、LoRA、NBIoT等新技術，都需要半導體設備的大量創(chuàng)新。目前AI正在驅動云端芯片。在邊緣則是推論正在推動設計的創(chuàng)新。