邊緣運算將是 5G 網路基礎設施的關鍵技術元件，因為 5G 設備生成的資料量對於傳統的雲端運算網路架構來說過於龐大，處理過程中會產生過多的延遲。 除這些外，人們發現，若等所有資訊都上傳至雲端，才進行監督、控制、分析，有時緩不濟急，因此期望增強閘道器的運算力，使閘道器發揮即時監督、即時分析與反應的功效。 為此，除了要提升閘道器的運算效能與運算資源外，甚至要配置人工智慧的專門運算晶片，以加速人工智慧推論演算（推算）的速度，例如 Google 於今（2018）年 8 月提出的 Edge TPU（由原本 Cloud TPU 衍生而成）、AWS 於 11 月提出的 Inferentia，此前亦有 edgecomputing Intel 的 Movidius 系列等。 Edge Computing 只是個形容詞，過去昇陽電腦 Sun Microsystems（2010 年由甲骨文 Oracle 購併）尚存的時代就已提出過這個詞，昇陽電腦的 UNIX 伺服器是過去網際資料中心（Internet Data Center, IDC）內常用的核心系統，核心系統多半執行資料庫相關交易，例如電子商務的訂單等。
- 除這些外，人們發現，若等所有資訊都上傳至雲端，才進行監督、控制、分析，有時緩不濟急，因此期望增強閘道器的運算力，使閘道器發揮即時監督、即時分析與反應的功效。
- Edge Computing 只是個形容詞，過去昇陽電腦 Sun Microsystems（2010 年由甲骨文 Oracle 購併）尚存的時代就已提出過這個詞，昇陽電腦的 UNIX 伺服器是過去網際資料中心（Internet Data Center, IDC）內常用的核心系統，核心系統多半執行資料庫相關交易，例如電子商務的訂單等。
- 因此，邊緣運算將計算和儲存能力帶到網路邊緣，在實體或地理位置上盡可能接近終端設備，減少網路頻寬使用和延遲，縮短回應時間。
- 閘道器原本的工作極單純，只有匯集與後送感測數據，但之後被人們賦予愈來愈多工作，例如必須偵測哪個感測器節點電量過低而發出通報、哪個感測器節點久未回應可能故障，若感測器節點需要更新韌體，則由閘道器自雲端接收新版韌體，而後派送到各感測器上進行更新。
- 另外還有一個詞稱為 Sensor Fusion，意思是當某一個感測器節點運算力若薄弱時，可以把運算工作轉嫁給其他運算力較強的節點代為分勞解憂，或各感測器節點間的運算力、運算資源可以相互調度挪用借用。
- 邊緣運算將是 5G 網路基礎設施的關鍵技術元件，因為 5G 設備生成的資料量對於傳統的雲端運算網路架構來說過於龐大，處理過程中會產生過多的延遲。
因此，邊緣運算將計算和儲存能力帶到網路邊緣，在實體或地理位置上盡可能接近終端設備，減少網路頻寬使用和延遲，縮短回應時間。 數位化已是當今企業不落人後的第一步技術策略，企業發展核心業務、進行日常營運，皆需要資訊系統和運算能力來儲存、處理、管理和分析每天產生與收集的大量數據。 從了解資料中心相關定義，到現代熱門技術高效能運算（HPC）、第五代行動通訊技術（5G）、人工智慧（AI）常部署的伺服器運算類型，來認識六個打造企業運算力不可不知的專業詞彙。 GIGABYTE 還開發了MEC(多接取邊緣運算)解決方案，這是一種適用於 edgecomputing 5G 網路的邊緣運算，將網路功能虛擬化與泛用型伺服器整合在一起，以實現虛擬化電信核心網路 技術。
edgecomputing: 關鍵搜尋，從你輸入的第一個字開始
網路邊緣的線上設備數量迅速增加，這些設備產生大量數據資料(例如智慧工廠或城市的IoT設備)，也消耗大量資料頻寬(例如使用5G手機查看 4K 影像或VR 遊戲裝置)，或兩者同時使用(如自動駕駛車輛)。 使用傳統的「雲端運算」模型要求所有這些資料被傳輸回中央的資料中心進行處理，然後再傳輸回使用者設備，使得對網路頻寬的需求必須推到極限。 儘管網路技術有所改進，但資料中心無法保證過程中傳輸速率和回應時間是可接受的，這可能是許多應用的關鍵需求。
GIGABYTE edgecomputing 發佈了專為邊緣運算設計的新伺服器 H242 系列 (H242-Z10/H242-Z11)此伺服器具有四個Single socket AMD EPYC 7002 系列「Rome」節點，每個節點最多擁有 64 個核心數和 128 個執行緒，採用緊湊的 2U 半深度機殼，專為部屬空間受限的場域如電信機櫃或邊緣運算小型資料中心而設計。 目的是減少集中遠端位置（例如「雲」）中執行的運算量，從而最大限度地減少異地用戶端和伺服器之間必須發生的通信量。 近年來，技術的快速發展使硬體趨向小型化、高密度以及軟體的虛擬化，讓邊緣運算的實用度更加可行。
edgecomputing: Edge Computing | 邊緣運算
由於對於感測一線現場（Field）而言，閘道器算是一個後方支援角色，所以也被稱為 Edge，今日所談的 Edge Computing，指的是相對於感測器現場的邊緣，而不是前述的資料中心核心的邊緣。 此概念很新穎，但現階段仍有一些技術挑戰，特別是感測器節點都在苛求盡可能長的待機時間、電池時間，再導入此一調度機制，在尚未得到調度的好處前，已先行增加此機制所需的運算負荷。 閘道器原本的工作極單純，只有匯集與後送感測數據，但之後被人們賦予愈來愈多工作，例如必須偵測哪個感測器節點電量過低而發出通報、哪個感測器節點久未回應可能故障，若感測器節點需要更新韌體，則由閘道器自雲端接收新版韌體，而後派送到各感測器上進行更新。 edgecomputing 除了 Edge Computing 一詞外，也有其他類似的詞語，例如 Cisco edgecomputing 提出的 Fog Computing（霧運算），也同樣在訴求「加強現場端」的運算工作與角色，而非一味往雲端送，不過 Fog Computing 一詞沒有 Edge Computing 普遍使用，且兩者定位相近，雖然有一些人提出仍可明確區分兩者的差異，但多數人並不在意。 每個感測器都會有誤差範圍，Sensor fusion 技術指的是如何運用多個感測器一起偵測目標環境，透過誤差模型，運算，達到一加一大於二的精準效果。
另外還有一個詞稱為 Sensor Fusion，意思是當某一個感測器節點運算力若薄弱時，可以把運算工作轉嫁給其他運算力較強的節點代為分勞解憂，或各感測器節點間的運算力、運算資源可以相互調度挪用借用。 從去年（2017）到今年，筆者碰到許多朋友的詢問：什麼是邊緣運算（Edge edgecomputing Computing）？ 由於要一直口頭回答，因此筆者嘗試以文字方式描述，往後若再有人詢問，或許可以看看這篇文章。 這是一個推展科技創新媒體及社群平台，我們和PRO Maker共同攜手，打造一個共同學習、交流、創作及分享資源的承上啟下社群。
edgecomputing: Edge Computing | 邊緣運算
