利用邊緣運算節約能源和提升永續性

自21世紀初以來，感測器經歷了非比尋常的發展。受益於物聯網的誕生，可以連線通訊的智慧感測器無所不在。預計到2030年，因5G的廣泛部署，物聯網裝置上數十億感測器將負責30%的物聯網資料流量。這將顯著增加AI對於碳的影響。而由於其需要資料中心的運算資源來將資料轉化為洞察力和行動力，因此IoT和AI應用程式過去通常都部署在雲端。但隨著應用程式數量增加，我們需要減低依賴耗電的雲端運算。

邊緣運算提供了一個解決方案。它涉及將部分儲存和運算資源從資料中心移出，使其更靠近資料產生的地方。如此一來，應用程式和裝置就能自行收集和分析資料。這種方法為消費性產品、建築管理、工業預測性維護、自駕車等應用提供了進一步的創新，因此更為蓬勃發展。此外，邊緣運算還能降低能源消耗、保護個人資料、減少延遲，並能在使用時做自主決策以及學習。

邊緣運算正以多種方式幫助不同產業變得更為聰明和更環保。舉例來說：在工廠中的狀態監控和預測性維護可以使操作更聰明、更節能。感測器定期更新機器的運作狀態，以確定何時需要維修或更換某些零件。這降低了停機時間，確保機器能在最佳狀態下運作。

邊緣AI對於下一代協作機器人(Cobots)也是至關重要的，這些機器人可與人類在同一空間運作以提升效率和確保安全。智慧城市則可以利用數百萬個智慧感測器和物聯網節點所組成的網路來改善監控、管理資源、協助市民，並利用自駕無人機和車輛改善物流。

邊緣AI也讓開車變得更安全、更環保和更多連結。安裝在下一代汽車上的眾多感測器需要本地AI來讓車輛可以在潛在危及生命的情況迅速做出反應。此外，邊緣AI可以用於優化電池管理系統，並調整車輛狀態以適應駕駛者的習慣，確保能以節能的方式駕駛車輛。

感測器結合邊緣AI，可為不同植物分配適量的水或化學物質，將自動化導入農業可以協助提升生產力並降低環境影響。智慧農業的農耕車和機器將使用更少量的水、肥料和農藥來促進永續策略。

隨著醫療和保健邁向個人化的方向發展，全天候監測和在家中享有醫療服務將是未來趨勢。感測器和邊緣AI在資訊隱私管理亦扮演著關鍵角色。上述範例都會產生大量來自感測器的資料，如果這些資料傳送到雲端處理將會消耗大量能源和占用頻寬，同時還會產生資料保護和延遲的相關問題。採用邊緣運算與人工智慧提供了一種透過永續方式達到這些目標的方法。

將AI的資料處理從雲端移轉至邊緣需要部署一系列半導體創新技術，包括超低功耗技術和系統方法，以及在神經處理單元(NPU)和記憶體內運算(IMC)解決方案中導入特定的硬體加速器。這些支援AI和機器學習的高效運算硬體技術，正在轉變邊緣資料處理，並推動智慧功能和物聯網網路的可擴充性。這些技術的結合降低了系統功耗和頻寬需求，還能進一步提升針對邊緣裝置所打造之新一代微控制器的運算效率。

意法半導體(ST)致力於優化運算效率，同時採用低功耗和嵌入式安全技術來保護所收集的資料、資料處理和因此產生的行動。這些發展是為了保有競爭力和獲得客戶廣泛之接受度的必要條件。

ST已經在汽車、智慧工業和物聯網等應用領域大力部署邊緣AI。STM32系列的32位元Arm Cortex微控制器已將適合邊緣運算的低功耗版本涵蓋其中。為了讓不熟悉AI的人更容易上手，NanoEdge AI Studio整合了機器學習函式庫，可以為任何指定的應用自動搜尋和配置最適合的解決方案。

對於熟悉AI模型的人，STM32Cube.AI可協助機器學習工程師快速導入和優化其AI解決方案，並使用進階功能，如自定義層和深度量化神經網路解決方案。而建立的韌體函式庫還可以加載到微控制器上，進而處理推理工作。

ST於2019年推出具有機器學習核心的LSM6DSOX，開始在感測器中應用人工智慧。接著推出智慧感測器處理單元(ISPU)，強化感測器在AI領域的靈活性。ISPU將訊號處理和AI算法結合到感測器上，使產品能夠感知、處理和執行後續操作，同時大幅節省空間，功耗最高可降低80%。

能夠感知、處裡和採取行動的連網微型化物件和系統的數量正在快速成長。ST透過提供感測器、智慧嵌入式致動器、連接性、安全性和嵌入式AI上的創新來推動此一轉型。這些解決方案旨在為工業、汽車、健康、農業和其他許多產業提供工具集，使其能夠繼續創新，同時努力為減碳而做出貢獻。