邊緣運算帶動新的市場商機，大量裝置如何管理、人工智能如何導入、安全防護如何實現等，讓市場對硬體有新的需求，但隨著開發難度上升，許多廠商著手升級開發工具的完整和便利性，讓開發者可以專注在自身業務的投入，造就了新一波開發風潮。
邊緣運算的觸角已涵蓋各領域并得到落實，但架構從集中式轉為多節點的分散式、邊緣端（如終端和閘道器等）的自主性提升，使得底層的裝置管理更復雜、網路技術的融合也更重要，而且安全防護的機制需要更加謹慎，因此開發過程需要考量的內容越來越多元，增加開發的難度。
也因此，越來越多上游廠商積極改善開發工具的實用和便利性，協助開發者專注于自身創新業務開發，而非工具的學習。以下分析上游IP廠商ARM、芯片廠商英特爾與云端廠商微軟等在開發工具和平臺的布局與進展。
ARM從多方切入積極布局邊緣運算，于2017～2018年推出各式相關IP，并協助開發者降低開發難度。除了三大芯片IP系列產品外，ARM先前已推出ARM Mbed平臺，包括Mbed Cloud和Mbed OS兩大部分，Mbed主要是基于ARM架構，針對IoT服務發展的基礎建設框架，并搭配自家Cortex-M芯片建立生態系。Mbed Edge則透過物聯網閘道器讓使用者能將Mbed Cloud裝置管理功能進一步拓展，如對裝置進行導入、控制與管理等。
Mbed Edge有三大特點：一、通訊協定轉譯：可將非IP協定的聯網裝置（如LoRa和Modbus）轉譯成IP based，共同在Mbed Cloud進行管理。二、閘道器管理：提高IoT閘道器的復原能力和降低停機時間，并新增如發送警報、程式、資源、診斷與介面管理。三、進行邊緣運算：使用者可依需求將復雜程度不同的運算資源或演算法置于閘道器中，就算與云端斷線仍能獨立運作。
ARM進行全方面IP擴增
讓物聯網閘道器具備運算資源有兩大好處，一是閘道器不必從云端接收指令就能做簡單的應用與判斷，例如監控生產線的壓力值，一旦系統自動判定預設門檻便會自動關閉生產線，過程不再需要經過云端，二是可節省網路流量，藉由閘道器或終端自行決定是否要傳送資料或舍棄。
2018年后ARM翻新Mbed Cloud，廠商可利用新版Mbed Cloud部署更有彈性的物聯網。雖然云端已為多數廠商採用，仍有廠商受限于安全和法律議題無法跟進，新版Mbed Cloud便是針對此而增加內部部署裝置管理，讓Mbed Cloud可支援多個公有、私有、混合云與內部部署等環境，并讓受限裝置得以連網。由于廠商得以使用、管理并整合新設備和既有設備，新版Mbed Cloud亦有助邊緣運算的推動。
在邊緣運算的布局上，ARM在2018年推出Project Trillium機器學習運算平臺，以因應大量人工智能應用導入終端裝置的趨勢。終端裝置在符合大量運算需求時，也要能維持同樣能源效率，該平臺除了提供使用者彈性和擴充性，也將更多人工智能應用帶進各類終端裝置。
在安全防護方面，ARM則推出PSA框架，與首款針對物理安全防竄改的處理器ARM Cortex-M35P，搭配如TrustZone、CryptoCell與CryptoIsland等技術和IP，讓終端裝置在面對網路、軟體與物理等多方面攻擊時，有更強防護能力。
從上述新產品和服務可以看出，ARM從邊緣端的安全、運算與擴充彈性等各方面升級，積極朝向2035年前達到全球1兆連網設備的目標前進。2018年5月中ARM與南韓電力廠商KEPCO合作儀表系統升級，利用Mbed Edge讓KEPCO部署各類智能閘道器，連結電網和公共事業服務，以及對各種家用電器進行資料即時分析，協助優化能源的使用。
身為全球最重要芯片廠商之一，英特爾積極布局物聯網、人工智能與邊緣運算相關策略和產品線。在2018年初CES展，英特爾便推出許多邊緣運算相關展示，例如與多家廠商合作智能家庭產品，包括京東新一代語音助理京東叮咚PLAY，內含英特爾Atom處理器，除了支援語音辨識外，亦可直接從裝置執行臉部辨識。
英特爾重視視覺應用
此外，英特爾也與宏碁、華碩、惠普與聯想等PC品牌廠商合作，推出搭載亞馬遜Alexa語音助理的電腦。英特爾參與協助改善Alexa使用體驗，使其支援語音控制，并透過智能音效強化音訊品質和語音喚醒，讓使用者可利用語音指令喚醒電腦。
CES展后，英特爾接著以2017年推出的英特爾Xeon可擴充平臺為基礎，推出新型Xeon D-2100系列處理器，將更多運算與智能能力結合在消費者和商用裝置上（如手機、物聯網感測器與自駕車等），直接在網路邊緣端搜集資料，并于當下做出回饋。
該處理器將智能功能內嵌于功耗更低的系統單芯片，支援各種過往因空間和功耗限制而無法導入智能應用的邊緣環境，如此一來有機會將芯片尺寸縮小，并優化邊緣端瞵體裝置的安全、網路、加速與功耗等，未來可因應5G、網路虛擬化與串聯云端資源等應用。
在邊緣運算相關范疇中，英特爾特別著重視覺應用技術，近期併購了Nervana、Movidius、MobilEye與Altera。在Computex 2018前，英特爾更針對機器視覺應用，開放視覺推論和類神經網路工具套件OpenVINO，協助開發者快速將邊緣裝置和物聯網裝置收集到的影像資料，轉換成有價值的資訊。
OpenVINO可讓開發者結合搭配CPU、GPU、FPGA與VPU等硬體，并搭配套件中三組主要API，分別是Deep Learning Deployment Toolkit（深度學習部署工具）、OpenCV（開源電腦視覺及影像處理工具）與OpenVX（電腦視覺API標準），再利用英特爾旗下深度學習編譯器nGraph做開發。該開發套件亦與市場間主流框架如TensorFlow、MXNet與Caffe等相容，讓開發者得以更多元工具進行開發。
目前該開發套件已與工業電腦廠商凌華合作辨識條碼，來追蹤產品，亦與神基ALPR系統合作開發自動擷取車牌影像，并與威聯通和威強電合作進行醫療影像收集，利用影像強化AI推論能力，協助診治老年性黃斑部病變。
微軟提升研發便利性
微軟近年積極發展邊緣運算，微軟執行長于2018年開發者大會上表示英特爾ligent Cloud和英特爾ligent Edge時代已來臨，將大力投入AI技術、產品與服務開發，并以社會公益角度出發，除了之前啟動的AI for Earth，另一個針對殘疾人士AI for Accessibility的5年計畫也跟著開啟，預計將投入2,500萬美元。
微軟最初以物聯網相關業務切入，推出Azure IoT套件，協助廠商做IoT業務轉型，其中，與邊緣運算較有關系的為Azure IoT Hub和2017年推出的Azure IoT Edge。Azure IoT Hub主要處理云端和裝置間的溝通，包括通訊模式和協定支援、裝置安全性與裝置狀態監控，Azure IoT Edge則是導入在Azure IoT Hub之前，主要是將云端分析結果或自定義邏輯演算置入裝置中，讓裝置不再只是收集資料或資料管理的管道，而是可確實將AI應用落地的解決方案。
微軟對英特爾ligent Edge的認知在于，未來智能裝置并不需時刻處于連網狀態，就能讓使用者觀看、傾聽、理解與進行預測，亦即智能裝置需擁有更多運算和自行處理的能力。
微軟也于2018年升級Azure IoT Edge，若從開發端來看，首先是將Azure IoT Edge進行開源，讓客戶可自行修改Edge端應用，提高掌控度，第二為既有Azure認知服務中的Custom Vision服務，已得以部署至Azure IoT Edge中，讓無人機和工業設備等邊緣端裝置不需連網就能進行關鍵決策。預計未來微軟將會在Azure IoT Edge上開放更多認知服務。
第三便是容器化解決方案的簡化，微軟的Azure Kubernetes Service（AKS）大幅整合開發工具、工作空間、DevOps功能、網路與監控工具等功能，讓開發者可專注于開發而非工具的學習和轉換，也讓開發者能迅速上手Kubernetes，微軟預計也會讓Azure IoT Edge設備支援Kubernetes服務，從微軟對AKS的重視，也可看出Kubernetes對開發者社群的重要性日增。
由上述微軟各項發展可知，從Azure IoT Edge進行業務擴展和生態圈布建已是未來策略主軸，除了簡化與強化Edge端的開發過程和功能外，也會將既有的認知服務逐步與Azure IoT Edge結合，讓人工智能得以在邊緣端落實，達到英特爾ligent Edge目標。
隨著運算能力提升加上人工智能導入，邊緣端將能實現更多智能化和自動化的應用，其中視覺應用將會成為邊緣運算主流之一，例如物件辨識、人臉辨識、行為辨識、即時偵錯與即時警示等，都會開始應用于各場域中，涵蓋制造業、智能城市、自駕車、智能家庭與智能零售等，成為邊緣運算興起的第一波亮點。
邊緣運算不同于過往連上云端時，需時時保持連網狀態，加上邊緣端的運算和執行能力提升，可以加入更多安全防護措施，但邊緣運算將云端架構分層處理，在數據的篩選、傳遞、儲存與應用上差異極大，整體架構將更復雜，便利性高的開發工具將日漸增加。（本文作者為拓墣產業研究院研究員劉耕睿）。