首頁 / 名詞卡 / 資料工程與MLOps / 邊緣運算(Edge Computing)

iPAS AI中級🗄️ 資料工程與MLOps
🔑 名詞卡

邊緣運算(Edge Computing)

🎯 定義

在靠近資料來源端的裝置(IoT、手機、車載系統、攝影機、感測器)上進行模型推論,以減少延遲與頻寬消耗的部署方式。

優勢/適用/挑戰

面向內容
優勢即時反應、降低傳輸延遲、提升隱私保護(資料不必上傳)
適用情境工業設備監控、智慧城市、車聯網、邊緣 AI 智慧應用
挑戰運算資源有限、更新與同步需額外設計

記憶技巧

「邊緣=在現場算,不上雲」。考題問「邊緣運算架構中推論發生在哪裡」,答案固定是終端裝置本地端(不是雲端 GPU 伺服器)。

易混淆

  • vs 公有雲部署:公有雲彈性大但有延遲與資料主權疑慮;邊緣延遲低但運算資源受限。
  • vs 混合部署:實務上常「雲端訓練、邊緣推論」,即為混合部署。
  • 邊緣裝置資源有限,常需搭配模型剪枝、量化、知識蒸餾等模型輕量化技術。
📖 課文原文

「邊緣運算是在靠近資料來源端的裝置(如 IoT、手機、車載系統)上進行模型推論,以減少延遲與頻寬消耗。」