邊緣運算將成為物聯(lián)網(wǎng)架構(gòu)的重要設計趨勢，交大資工系教授林盈達指出，臺灣閘道器廠商可透過AI的加值，提升產(chǎn)品價值，擺脫過去大量生產(chǎn)標準品的低利潤宿命。

從2016年底開始，全球掀起新一波AI浪潮，過去AI有兩次較明顯的發(fā)展，不過因受限于當時的軟硬件技術(shù)水平，均無法商業(yè)化，最后都回到學術(shù)領(lǐng)域；與過去兩次相較，這次卷土重來的AI，乘藉科技產(chǎn)業(yè)這十幾年來所研發(fā)的軟硬件技術(shù)，將可望具體落實應用。

交通大學信息工程學系特聘教授林盈達指出，就目前發(fā)展來看，AI將會與物聯(lián)網(wǎng)緊密結(jié)合。物聯(lián)網(wǎng)結(jié)構(gòu)包括底層的感測、中層的傳輸、上層的云端，其架構(gòu)的運行方式是由底層傳感器擷取設備資料，以有線或無線的傳輸方式，將信息傳送到中間的閘道器，閘道器匯整資料后，再將數(shù)據(jù)送往云端平臺儲存、分析、應用。這類做法在傳感器節(jié)點數(shù)不多或?qū)崟r性需求不高的物聯(lián)網(wǎng)系統(tǒng)來說已然足夠，不過如果節(jié)點數(shù)量龐大的系統(tǒng)，后端運算平臺的負擔會過高，而且數(shù)據(jù)傳輸費用也會是沉重的負荷；若是對實時性需求極高的制造、醫(yī)療等系統(tǒng)，這種集中式運算方式更將無法因應終端設備的回應速度需求。

因此后期IT產(chǎn)業(yè)提出邊緣運算概念，也就是賦予物聯(lián)網(wǎng)的第一層的感測控制或第二層的通訊傳輸設備一定程度的運算功能，邊緣運算一來可以避免將所有的數(shù)據(jù)都往上傳送到云端，降低云端處理平臺的工作負擔與數(shù)據(jù)傳輸費用，二來也可以實時反應處理底層設備的需求，讓整體系統(tǒng)的運行更快速。

林盈達表示，邊緣運算會是物聯(lián)網(wǎng)架構(gòu)未來的重要趨勢，終端設備與閘道器的角色也會隨之改變，而這也會是臺灣廠商的挑戰(zhàn)。以閘道器來說，未來物聯(lián)網(wǎng)的閘道器會有三種，第一種是只有傳輸功能，這種標準型閘道器量大但是價格也低；第二種是具備運算功能的閘道器，這類型產(chǎn)品需要針對應用領(lǐng)域進行設計，價格會比只有傳輸功能的更高；至于最后一種則是具有AI功能的閘道器。

如果說邊緣運算是物聯(lián)網(wǎng)的設計趨勢，AI就是物聯(lián)網(wǎng)的靈魂，有了AI的加持，物聯(lián)網(wǎng)才能真正冠上「智能化」這三個字，而在物聯(lián)網(wǎng)的未來架構(gòu)中，不僅云端平臺的大腦需要AI，部分終端或網(wǎng)絡層的設備，也會需要AI。

具有學習能力的AI，可以全面提升物聯(lián)網(wǎng)效益，以制造系統(tǒng)為例，一般物聯(lián)網(wǎng)架構(gòu)的制造系統(tǒng)，會將所擷取的制造設備數(shù)據(jù)傳送到后端，由后端系統(tǒng)集中累積為大數(shù)據(jù)，從而制定出最佳生產(chǎn)策略；但具邊緣運算設計的物聯(lián)網(wǎng)，則會在閘道器先行處理數(shù)據(jù)，除了將數(shù)據(jù)傳送到后端外，也會在前端進行簡單控制。AI功能閘道器，除了傳送與運算數(shù)據(jù)外，還會分析取得的數(shù)據(jù)，從中加以學習，不斷調(diào)整設備運行程序，使其最佳化，同時也能因應現(xiàn)場狀況，對操作人員提供最直覺的處理建議。

林盈達指出，AI在物聯(lián)網(wǎng)的應用已成既定趨勢，臺灣廠商過去在IT領(lǐng)域雖然有龐大出貨量，不過市場價值都相對較低，從過去的PC到現(xiàn)在的手機，主要利潤都為歐美大廠所取得；此狀況一度也有可能重現(xiàn)在物聯(lián)網(wǎng)市場，因為在物聯(lián)網(wǎng)架構(gòu)最上層云端平臺的AI市場，仍由歐美等全球性大廠所據(jù)，這部分臺灣廠商難有機會；所幸邊緣運算趨勢啟動，閘道器這類型的中、底端設備，向來是臺灣的強項，臺灣廠商可藉由過去在這類型終端設備的成績?nèi)〉檬袌鰞?yōu)勢，透過AI設計提升產(chǎn)品價值，借以擺脫過去低利潤的制造宿命。