【人工智慧】邊緣運算是什麼?

更新於 發佈於 閱讀時間約 2 分鐘
邊緣運算(Edge Computing)是什麼呢?

邊緣運算(Edge Computing)就是把運算從很高的雲端推送到前緣,在接近使用者的地方進行運算。

為什麼要使用邊緣運算?

當你走進廁所想要開燈並且說出開燈時,電燈就要把你的聲音路起來送到雲端分析你的聲音,再把開燈的指令送回來,如果遇上網路塞車,可能要等到兩三秒電燈才會開,那還不如直接用手開。所以需要邊緣運算,讓電燈收到聲音,並自行分析,然後直接下命令,電燈馬上就會打開。

邊緣運算應用情境

一、縮短資料運輸時間

比如說自動駕駛車,如果有小孩從馬路上衝出來,自動駕駛車就應該必須要立刻停下來,而如果把影像資料送到雲端,然後分析、再從雲端把命令送回來,運輸的時間太長就可能會發生車禍。所以把這個決策放到離現場最近的車子上,來進行分析判斷,速度就快很多。

二、針對現場環境做出判斷

例如智能化無人商店,當人們從貨架上拿取物品,店裡的攝影機就會自動判斷你拿的商品,然後統計價錢。因為每間商店的貨物擺放與攝影機的位置都不同,所以需要先從前緣進行運算整合,不需要再到後端再進行分析。

三、只需運算特定的資料

例如美國的金門大橋,如果要維修整座金門大橋,政府必須要花費一大筆錢。所以現在用無人機來看哪裡有生鏽需要維修。但是要拍完整座大橋也要不少的時間,如果將所有影像丟到雲端計算,會耗費大量時間成本,所以只要將有需要修理的地方保留下來,交由無人機做判斷哪些資料需要保留哪些不用,就可以減少時間成本。

留言
avatar-img
留言分享你的想法!
avatar-img
Jim的沙龍
0會員
30內容數
Jim的沙龍的其他內容
2025/08/11
人工智慧物聯網(AIoT)是什麼呢? 人工智慧物聯網(AIoT)由兩個單字組合而成,一個是人工智慧(AI),另一個是物聯網(IoT)。兩種功能加在一起,就是人工智慧物聯網。 什麼是物聯網(IoT)? 物聯網就是把所有的設備都連接上網際網路,不管是你的電燈、冰箱、各種家電,都連上網路,接受網路平
2025/08/11
人工智慧物聯網(AIoT)是什麼呢? 人工智慧物聯網(AIoT)由兩個單字組合而成,一個是人工智慧(AI),另一個是物聯網(IoT)。兩種功能加在一起,就是人工智慧物聯網。 什麼是物聯網(IoT)? 物聯網就是把所有的設備都連接上網際網路,不管是你的電燈、冰箱、各種家電,都連上網路,接受網路平
2025/08/08
對話式人工智慧是什麼?如何運作? 對話式人工智慧(Conversational AI)指的是讓人跟機器用對話的方式進行溝通。通常應用在智慧家電,例如當你說開燈,燈就會自動打開。另外還有對話機器人,例如Line的對話機器人或是一些公司的客服,可以用打字的方式進行對話,處理問題。 如何讓機器與人對話
2025/08/08
對話式人工智慧是什麼?如何運作? 對話式人工智慧(Conversational AI)指的是讓人跟機器用對話的方式進行溝通。通常應用在智慧家電,例如當你說開燈,燈就會自動打開。另外還有對話機器人,例如Line的對話機器人或是一些公司的客服,可以用打字的方式進行對話,處理問題。 如何讓機器與人對話
2025/08/07
影像辨識(Object Recognition)是什麼? 影像辨識也就是在一張照片裡辨識出裡面的物件。電腦的識別比人類還要優秀可以一眼看出車子的類型,甚至是出廠年份。 影像辨識可應用在很多地方,例如美國的大型機場,有著24小時的全面監控,如果有人的行李或包裹離開身邊太久,就會請清潔人員或者警衛清
2025/08/07
影像辨識(Object Recognition)是什麼? 影像辨識也就是在一張照片裡辨識出裡面的物件。電腦的識別比人類還要優秀可以一眼看出車子的類型,甚至是出廠年份。 影像辨識可應用在很多地方,例如美國的大型機場,有著24小時的全面監控,如果有人的行李或包裹離開身邊太久,就會請清潔人員或者警衛清
看更多
你可能也想看
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 我們已經在 AI說書 - 從0開始 - 114 建立了 Transformer 模型,並在 AI說書 - 從0開始 - 115 載入權重並執行 Tokenizing,現
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 我們已經在 AI說書 - 從0開始 - 114 建立了 Transformer 模型,並在 AI說書 - 從0開始 - 115 載入權重並執行 Tokenizing,現
Thumbnail
這篇內容,將會講解什麼是運算子,以及與運算子相關的知識。包括運算子的簡介、賦值運算子、算術運算子、遞增/遞減、比較運算子、邏輯運算子。
Thumbnail
這篇內容,將會講解什麼是運算子,以及與運算子相關的知識。包括運算子的簡介、賦值運算子、算術運算子、遞增/遞減、比較運算子、邏輯運算子。
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 仔細看 AI說書 - 從0開始 - 66 中,Decoder 的 Multi-Head Attention 框框,會發現有一條線空接,其實它是有意義的,之所以空接,是因
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 仔細看 AI說書 - 從0開始 - 66 中,Decoder 的 Multi-Head Attention 框框,會發現有一條線空接,其實它是有意義的,之所以空接,是因
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 先做個總回顧: Transformer 架構總覽:AI說書 - 從0開始 - 39 Attention 意圖說明:AI說書 - 從0開始 - 40 Transfo
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 先做個總回顧: Transformer 架構總覽:AI說書 - 從0開始 - 39 Attention 意圖說明:AI說書 - 從0開始 - 40 Transfo
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 接著來談 Transformer 架構中的 Feedforward Network (FFN): 其為全連接的神經網路架構 回顧 AI說書 - 從0開始 - 64
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 接著來談 Transformer 架構中的 Feedforward Network (FFN): 其為全連接的神經網路架構 回顧 AI說書 - 從0開始 - 64
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 延續AI說書 - 從0開始 - 45,我們介紹了 Google 於2017 年提出的 Transformer 架構的 Positional Encoding (PE)
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 延續AI說書 - 從0開始 - 45,我們介紹了 Google 於2017 年提出的 Transformer 架構的 Positional Encoding (PE)
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 延續AI說書 - 從0開始 - 44說完 Embedding ,下一步就是闡述 Positional Embedding,其於原始 Transformer 架構中的角色
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 延續AI說書 - 從0開始 - 44說完 Embedding ,下一步就是闡述 Positional Embedding,其於原始 Transformer 架構中的角色
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News