Page 6 - 智慧邊緣運算實現更環保、更安全與高效的社會

4
SPOTLIGHT
封面故事
智慧邊緣運算實現更環保、 更安全與高效的社會
Ron Martino，恩智浦半導體執行副總裁暨邊緣處理事業部總經理 Robert Oshana，恩智浦半導體邊緣處理事業部軟體研發副總裁
Natraj Ekambaram，恩智浦半導體人工智慧和機器學習支持部門總監 Ali Osman Örs，恩智浦半導體人工智慧和機器學習戰略與技術部門總監 Laurent Pilati，恩智浦半導體機器學習和語音工程部門總監
構成家庭、辦公場所、工廠和車輛萬物邊緣的智慧物品數量，將出現巨幅成長，預計到 2025 年，影響個人、社 區和整個產業的互動、學習和營運方式的智慧連接裝置，將達 500 億台。這些裝置將會預測我們的需求，並 在應用環境中實現自動化。而整體產業都有責任確保這些裝置皆符合社會發展的最終目標，亦即實現一個更 環保、更安全、更高效的社會。這不是任何一家企業能夠獨自做到的，而是需要半導體供應商、軟體合作夥伴 和設備與裝置製造商組成的整個生態系統的專業力量，大家共同努力達成此目標。
這些智慧互聯裝置的普及將 會產生大量的資料，因此邊緣技 術正快速成為下一個物聯網時代 的必要條件。邊緣技術把處理功能 設置在產生資料的地方，其核心是 晶片，但邊緣裝置的端到端架構比 晶片本身更為複雜。晶片中內建的 軟體帶來了安全、低功耗、機器學
習和連接等方面的優勢。
機器學習是人工智慧(AI)的一 個子集，支援演算法透過經驗自動 改進。機器學習可以分為有監督機 器學習和無監督機器學習兩類。在 有監督機器學習中，使用先前從一
個或多個感測器收集和標記的大 量資料集來「訓練」演算法。在無 監督機器學習中，演算法隨著時間 的推移不斷學習，以識別遇到的感 測器資料中的異常值和差異。
邊緣機器學習(ML)
www.eettaiwan.com | 2022年5月
機器學習曾經主要在雲端進 行，有伺服器、強大運算力和儲存 空間。然而，隨著機器學習模型和