基於Qualcomm APQ8053實現邊緣運算(Edge Computing)

關鍵字 :Qualcomm APQ8053 邊緣運算 Edge Computing

在萬物聯網的時代，聯網的終端裝置大幅的增加，造成雲端資料中心需要處理海量的原始數據，而大數據海量的傳輸，是指大量的終端使用者和Cloud 之間的傳輸。所以思科(Cisco)提出霧運算(Fog Computing)的概念，各界對於用語定義有不同的解讀，但市場傾向稱呼為邊緣運算(Edge Computing)，邊緣運算可以減緩雲端運算(Cloud Computing)的負擔，例如大數據增加的網路流量，還有網路信號不穩造成的延遲(Latency)。

圖片來源[1]拓墣產業研究院

邊緣運算的主軸概念是把計算、存取資源的能力分佈給地域性的裝置(Devices)，如用戶端的手機，或是物聯網(IOT)的裝置，只把最重要的數據資料傳送到Cloud處理，既能把工作效率提高，也能節省大量的成本。

大型科技公司(如微軟、思科、英特爾)成立開放霧聯盟(OpenFog Consortium)制定協定與規範，意在加速霧運算的普及和物聯網發展。邊緣運算延伸雲端運算的範圍到網路末端，可用來解決不適合雲端運算的應用。譬如需要下列2點的關鍵特性:

極低的網路傳輸延遲(Low latency)。
廣闊地域的地理分佈(Geo-distributed)，如分佈各學校的PM2.5空氣品質感測器。

以智慧交通說明邊緣運算架構的關鍵特性，在城市中的交通號誌系統裝設感測器，量測每個汽車速度與行人的距離，當預測會跟行人碰撞時，系統必須在毫秒內向接近的車輛發出緊急警報，這說明邊緣運算必須支援低延遲應用。

配備照相機的移動裝置在互聯網的智能監控安全的應用，如巡邏員警的手機智能監控程式，可以偵測街道上的可疑人士或車牌。

APQ8053具有強大運算能力的聯網終端裝置[2]，主要可以把Machine Learning交由 Qualcomm GPU或DSP加速運算，執行AI相關應用，如人臉辨識，數據資料能在邊緣設備進行快速的分類與分析，實現邊緣運算的概念，詳細說明如下:

APQ8053為高度整合的系統單晶片(SoC)，具備64-bit 8核心 CPU、Adreno 506 GPU與 Hexagon 546 DSP，同時整合GPS、802.11ac、BLE 4.1。

作業系統除了Android 外，還增加對Linux的支援，目的是加快製造商上市的時程。

Qualcomm APQ8053最高可支持到2400萬像素，整合下述SDK軟體開發套件後(例如Qualcomm Connected Camera SDK)，高效能的相機即可進行人臉偵測辨識、移動偵測與物體追蹤等分析功能，偵測事件發生，才會進行資料傳送，因此APQ8053平台可降低網路傳輸頻寬的需求，客戶也可節省雲端運算進行影片分析與儲存的成本。