:::
最新消息
2021年全球邊緣運算新興技術議題 [趨勢新知]
種類:其他公告 發布單位:技術處 發布日期:2021-04-21 09:00
作者:施柏榮/資策會
一、前言
展望2021年全球邊緣運算產業發展,可以歸納為:『雲端服務提供商介入5G產業』、『行動邊緣運算架構具現化到5G硬體產品系統』、『資訊設備從單一設備產品轉向硬體設備的系統整合』三個主要的發展趨勢,其中,雲端服務也包括機器學習(ML)等人工智慧服務項目,邊緣運算系統整合則包括分散式資料庫、數據交換與資訊安全等項目。依循上述邊緣運算產業趨勢展望,以下進一步提出2021年關鍵技術議題分析。
二、2021年邊緣運算新興技術議題
(一)分散式雲(Distributed Cloud)
「分散式雲」意指將公有雲(Public Cloud)服務的運算、儲存、應用程式等功能,放置其他營運服務提供商的IT設備、基礎建設進行執行。分散式雲的技術核心,與專用於特定商業、企業領域的「企業雲」(Enterprise Cloud)並不相同,分散式雲並非強調針對特定商業、企業領域,主要客戶對象為電信通訊、網路傳輸服務提供商,針對這些服務提供商的數據處理、儲存需求,提供更鄰近數據生成點的公有雲服務,因此,分散式雲也可以被視為是「公有雲」服務的變異型態,只是營運者出現變化。
(二)軟體定義廣域網路(SD-WAN)
「軟體定義廣域網路」意指採用軟體定義網路(SDN)技術來管理廣域網路(WAN)的技術解決方案,此一解決方案,主要是用來解決巨量物聯網時代,既有的雲端運算架構無法因應更為分散化、異質化的用戶服務,除了此一趨勢背景之外,傳統的電信網路配置與管理方法,也使得網路維運與管理成本提高,因此必須尋求更為彈性化的網路管理方法。軟體定義廣域網路,是在廣域網路的位置之上,藉由軟體應用程式來感知、確認最佳化路由,實現邊緣運算資源池(Edge Resource Pool)的關鍵技術。
(三)微型資料中心網路(Micro-Datacenter Network)
「微型資料中心網路」意指由大量的微型資料中心(Micro-Datacenter)所形成的新型態的儲存網路(Network)或網格(Grid)基礎建設,以及讓此一網路基礎建設可以加以運行、管理的解決方案。微型資料中心網路的整合,意味著大量散落的資料中心可以形成一個資料儲存的集體,而資料中心的連結拓樸(Topology)的型態,也會決定此一網路的效率與「可擴充性」。如果此微型資料中心網路是由單一營運商進行維運,也可以被視為是「高速封閉型網路」(High-Speed Closed Network)。
(四)數據分散式服務(Data Distribution Service, DDS)
「數據分散式服務」意指專用於「機器對機器」(M2M)與「即時性應用程式」的中介軟體(Middleware),它簡化既有複雜化的網路編程,並且實現一種新型態的「發布-訂閱模式」(Publish-subscribe Pattern)。在這樣的發布-訂閱模式之下,資訊的發布者不會針對資訊進行編程,而是直接發布到特定的接收者,而接收者只會提出對於特定的主題、內容具有接收興趣,但不會知道有哪些的發布者;在這種資訊傳送與分享的模式,建構一個擴充性、伸縮性更高,並且點對點傳輸的網路拓樸形態。
(五)微型化邊緣運算區塊鏈(Tiny Edge-Chain)
「微型化邊緣運算區塊鏈」意指以區塊鏈(Blockchain)為基礎的邊緣運算資料交換技術;更細部來探討,即是應用「分散式帳本」(Distributed Ledger Technology)、與微型化的「共識演算法」,建立可信任的分散式運算架構(Trustable Distributed Computing);並且藉由此一機制,來控制雲端、邊緣運算的資源池與物聯網設備,讓物聯網的行為與活動都可以在區塊鏈中被記錄與追蹤,達最佳化資源管理。如果以資料傳輸的安全性等即來看,邊緣運算區塊鏈是一種安全性更高的分散式運算架構。
(六)邊緣運算聯邦式學習(Federated Learning for Edge)
「邊緣運算聯邦式學習」意指以聯邦式學習模型(FL)為基礎,在非雲端的邊緣運算環境之中,進行數據訓練與學習的模型。邊緣運算聯邦式學習模型,主要相對於雲端中心型學習模型、邊緣封閉型學習模型而存在;更為具體而言,邊緣運算聯邦式學習模型,並不倚賴在特定端點匯聚大量的數據湖(Data Lake)之後,再執行數據訓練,而是強調在水平層級的邊緣運算伺服器等節點之上,採用類似「去中心化」數據情境進行特定機器學習訓練,數據、資料並不會因為訓練的需求,而匯聚到特定資料池。
(七)O-RAN邊緣運算伺服器(O-RAN Edge Server)
「O-RAN邊緣運算伺服器」意指以5G開放式無線電接取網路(O-RAN)為應用的邊緣運算伺服器(Edge Server)之硬體、設備與系統整合平台。傳統電信基站設備掌握在少數的電信設備提供商,O-RAN則嘗試打破這樣的生態系,將電信設備架構分成中央單元(Central Unit, CU)、分散單元(Distributed Unit, DU)以及無線電單元(Radio Unit, RU)等分層,而邊緣運算伺服器則主要應用在中央單元(CU)與分散單元(DU)的傳輸介面、路由、控制與管理,以滿足O-RAM開放化需求。
(八)邊緣運算人工智慧晶片組(Edge AI Chipsets)
「邊緣運算人工智慧晶片組」意指相對於雲端運算伺服器等設備,配置於非雲端環境的邊緣運算伺服器、設備,並且能夠執行機器學習模型、推論的晶片處理器、加速器與開發板。假設在邊緣端、物端設備配置邊緣運算人工智慧晶片,則可以在「無雲」或者「間歇雲」環境中,自動化執行機器學習(ML)、深度學習(Deep Learning),實現即時性、智慧化的數據分析與數據交換。然而,邊緣運算人工智慧的數據訓練、學習、部署的方法,可能會因為應用情境的網路架構、資訊安全需求,而出現不同。
三、結論
前瞻2021年,對於臺灣聚焦於雲端服務提供商以及相關產業的廠商而言,以「微型資料中心」為基礎,延伸出來之硬體、網路、儲存之維運服務(Maintenance Service)與託管服務(Colocation Services),將是廠商必須關注的產業戰略高地;臺灣擁有資料中心維運與託管能量的廠商,可以在雲端服務提供商、電信服務提供商之間扮演整合者的角色,以掌握潛力市場商機。對於臺灣聚焦於資訊硬體提供商以及相關產業的廠商而言,牽動硬體設備發展的因素,已然從單純的硬體效能,轉向更為高價值得數據、資料處理服務,藉由軟體定義網路等技術來強化設備的「可擴充性」,以及強化自身「分散式數據管理」能力,將會成為市場競爭、市場區隔的要素。如何準確掌握不同應用情境的數據需求,推動軟硬體整合,仍然是資訊硬體提供商所必須面對的課題。
點閱數:629