#Cloud周報第108期
根據PwC調查，美國大型企業74%高層參與雲端戰略，7成高管甚至參與與雲端相關人才和技能提升的決策。不過，53%企業尚未從雲端投資中實現預期的價值，因此，PwC建議，企業應提升整體內部的雲端技能和認知，包含高階主管在內，以確立運用雲端技術的方式，實現公司業務目標。

更多新聞
▶Datadog發布2021年無伺服器服務使用狀態調查報告，相比2019年，AWS Lambda函式今年呼叫頻率成長3.5倍
▶AWS正式推出應用程式部署管理新服務Proton，可自動化管容器應用和無伺服器應用
▶Google整合服務網格流量管理、憑證頒發服務，推出全託管零信任安全解決方案

打造智慧數據湖，Google Cloud 今天推出三項新服務讓資料在雲更聰明

2021/05/27 INSIDE 硬塞的網路趨勢觀察

Google Cloud 在今天舉辦的 Google Data Cloud Summit 上，發布三項全新解決方案：Dataplex、Datastream 和 Analytics Hub Beta 版，將涵蓋旗下的資料庫和資料分析產品組合，為企業提供一個整合式資料平台，協助企業打破資料孤島。

評論

Google Cloud 在今天舉辦的 Google Data Cloud Summit 上，發布三項全新解決方案：Dataplex、Datastream 和 Analytics Hub Beta 版，將涵蓋旗下的資料庫和資料分析產品組合，為企業提供一個整合式資料平台，協助企業打破資料孤島，安全地預測業務成果並賦予使用者能力，在現今不斷變化的數位環境中即時制定明智的決策。

「Gartner 近期的問卷調查結果顯示，企業預估每年在品質不甚理想的資料上平均花費 $1,280 萬美元。」 因為資料散布在多個雲端和地端部署環境中的資料庫、資料湖泊、資料倉儲和資料市集內，企業除了要設法集中控管及管理應用程式，更需要即時整合資料來改善決策，加快創新腳步及提升客戶體驗。

Google Cloud 資料庫、資料分析及 Looker 商業智慧平台總經理暨副總裁 Gerrit Kazmaier 說明，企業須把資料視為具備將所有相關業務面向整合為一的能力。如今所有產業紛紛轉換為以數位化為主的業務型態，因為他們明白資料不但是創造價值的要素，同時也是推動數位轉型的關鍵。

透過運用 Google Cloud 的資料平台，客戶現在將能採用全方位且涵蓋完整資料生命週期的資料雲端方案，從業務執行系統到可進行未來預測和自動化作業的 AI 與機器學習工具等均包含在內。

Datastream-為客戶提供即時資料複製功能：目前提供 Beta 版體驗的 Datastream 提供全新的無伺服器異動資料擷取 (CDC) 和複製服務，讓客戶可以從 Oracle 和 MySQL 資料庫將資料串流即時擷取至 Google Cloud 服務，例如 BigQuery、可於 PostgreSQL 上執行的 Cloud SQL、Google Cloud Storage 和 Cloud Spanner。

企業可運用這項解決方案強化即時性數據分析功能、資料庫的複製速度以及事件驅動架構等。率先採用此方案的客戶 Schnuck Markets, Inc.運用 Datastream 簡化了架構，而將 Oracle 資料複製到 BigQuery 和 Cloud SQL 也不再會延遲數小時之久。

Analytics Hub-提高資料共用安全與易用性：Analytics Hub 可為企業創造安全且即時的資料交換服務，借助 Analytics Hub，企業可以在不論組織的內外部，安全地共享數據和洞察，包括動態儀表板和機器學習模型。

Analytics Hub 協助企業整合其數據資產，如將 Google 獨有數據、產業數據和公開數據整合一起。Analytics Hub 建立於 BigQuery 現行且普及的共享功能基礎上，目前已經使數千家企業透過數據分析進行革新，並透過不僅是單純共享數據的方法，來加快洞察的取得。

Dataplex-協助企業簡化資料管理作業：目前提供 Beta 版體驗的 Dataplex 是一種智慧資料網路架構，可提供單一整合式的分析體驗，能將 Google Cloud 和開放原始碼結合在一起，使企業能夠快速整理、保護、整合及分析其數據。

自動化的資料品質可讓數據資料學家和分析師利用自選工具確保資料的一致性，不須移動或複製資料即可統整並管理資料。Google 提供傑出的 AI 和機器學習功能，讓企業能夠利用內建的智慧資料來縮短處理繁複基礎架構的時間，並將更多心力轉而投入於發掘資料價值，以帶來更多業務成果。身為 Dataplex 早期客戶，Equifax 與 Google 合作致力將 Dataplex 納入自己的核心分析平台，不但簡化了工作負載，還建立了所有內部分析資料都適用的單一指令控管及管理平台。

在資料雲端高峰會舉辦期間，Google Cloud 也發表了資料庫和數據分析產品組合方面的其他最新消息：

基於對多雲端的策略性承諾，Google 陸續推出分別適用於 Microsoft Azure 的 BigQuery Omni Beta 版和 Looker 商業智慧平台正式版，藉此協助客戶取得跨雲端環境的關鍵資料深入分析結果。繼去年發表適用於 AWS 的 BigQuery Omni 後，這次發表的最新消息更延續了市場對此技術的展望。

BigQuery ML 異常偵測 可協助客戶透過使用 BigQuery 的內建機器學習功能，以更輕鬆的方式檢測異常資料模式。目前許多客戶將這項技術運用於多種用途，包括銀行詐欺偵測和生產製造不良原因分析。

Dataflow 為客戶提供了具備成本效益的快速串流分析解決方案。而預計於第三季推出的 Dataflow Prime 將提供業界領先的自動垂直擴充和數據管道正確配置技術，為客戶最大幅度地降低整體擁有成本。此外，Dataflow Prime 更內建了 AI 和機器學習技術，可以為客戶提供串流預測功能，例如時間序列分析、可主動識別瓶頸的智慧診斷功能，以及可提高使用率的自動微調功能。

Google 也將全代管關聯資料庫 Cloud Spanner 的入門價格降低 90%，連同即將推出的精細個體規模調整功能 (granular instance sizing) ，將同樣提供無限制的空間規模與99.999％的可用性，用以支援要求最苛刻的應用程式運作。BigQuery 與 Spanner 的整合功能也即將推出，可讓使用者透過 BigQuery 查詢 Spanner 中的交易資料，以便提供更豐富且即時的深入分析結果。而 Spanner 新增的 Key Visualizer 功能(目前為 Beta 版本)，可提供互動式監控功能，方便開發人員迅速識別使用模式。此外，Cloud Bigtable 更具備可達 99.999%(5 9s) SLA 的讀取和寫入可用性。

資料來源：https://www.inside.com.tw/article/23648-google-data-cloud-summit

邊緣AI 2026將成 IoT晶片發展核心

04:102021/05/02 工商時報 集邦科技資深分析師曾伯楷

隨著智慧工廠、城市等場景對數據分析越發需要精準、即時且大量處理的需求，AI與IoT結合已是現在進行式。在AI晶片助益下，IoT邊緣與終端裝置可透過機器學習或深度學習等技術加值，同時帶出無延遲、低成本、高隱私等優勢，顯示出AI晶片的重要性。預估全球AI晶片產值至2025年將達720億美元。

與此同時，邊緣運算透過AI使終端設備於運行上更加智慧，不僅保有邊緣運算於延遲性、隱私性、連接性、功耗、成本等優勢，並進一步使系統具有主動性與智慧性。若以場景角度切入，邊緣AI相較傳統邊緣運算，其主要帶來的效益包括數據處理過濾和邊緣智慧分析，此也將成為兩技術持續結合的動能。

一、MCU、連接晶片、AI晶片為IoT晶片產業鏈三大關鍵零組件。　物聯網在傳統上多以感知層、網路層、系統層與應用層作為架構堆疊，主要經濟效益雖來自應用層的智慧情境發展，然感知層所需的產業鏈之上游零組件仍是支撐終端場景運作重要核心，其中又以微控制器（MCU）、連接晶片與AI晶片最關鍵。

MCU方面，建立在高效能、低功耗與高整合發展主軸下，IoT MCU現行從通用MCU演化成特定為IoT應用或場景所打造，如2021年3月STMicroelectronics推出新一代超低功耗微控制器STM32U5系列，可用於穿戴裝置與個人醫療設備；Silicon Labs同期推出PG22 32位元MCU，主打空間受限且須低功耗的工業應用、Renesas RA4M2 MCU著眼IoT邊緣運用等。

連接晶片方面，受物聯網設備連線技術與標準各異影響，通訊成物聯網晶片中相當重要的一環，從蜂巢式的4G、5G、LTE-M、NB-IoT，到非蜂巢式的LoRa、Sigfox、Wi-Fi、Wi-SUN等，從智慧城市、工廠、家庭至零售店面皆被廣泛運用，範圍擴及至太空，如2020年下旬聯發科與國際航海衛星通訊公司（Inmarsat）合作，成功以NB-IoT晶片完成全球首次5G物聯網高軌衛星資料傳輸測試。AI晶片方面，隨著智慧工廠、城市等場景對數據分析越發需要精準、即時且大量處理的需求，AI與IoT結合已是現在進行式。此外，Microsoft在其2021年3月舉辦的年度技術盛會Ignite 2021上指出，2022年邊緣運算市場規模將達到67.2億美元，與深度學習晶片市場相當吻合，亦提及市場預估至2025年全球深度學習晶片市場將有望達663億美元。同時，Microsoft認為至2026年全球AI晶片有3／4將為邊緣運算所用，顯示出IoT晶片於邊緣運算的發展將成未來廠商重要布局之一。

二、邊緣AI效益顯著，成長動能仰賴數據處理過濾、邊緣智慧分析。

首先，從邊緣運算定義來看，市場雖已談論數年但定義與類別始終未統一，原因是各廠商於邊緣託管工作的目的不盡相同。例如對電信商而言，初步處理數據的微型數據中心是其邊緣端，而對製造商來說邊緣裝置可能是生產線的感測器，此也造就邊緣運算的分類方式略有出入。另外，例如IBM有雲端邊緣、IoT邊緣與行動邊緣的類別，ARM多將邊緣視為雲端與終端間的伺服器等裝置，亦有個人邊緣、業務邊緣、多雲邊緣等類型。

其次，從邊緣運算類別來看，現行分類趨勢和研究方式尚有以數據產生源為核心，藉由設備與數據源的物理距離作為分類參考，並將其分為厚邊緣（Thick Edge）、薄邊緣（Thin Edge）與微邊緣（Micro Edge）。厚邊緣多用以表示處理高數據流量的計算資源，並配有高階CPU、GPU等，例如數據中心的數據儲存與分析；薄邊緣則包含網路設備、工業電腦等以整合數據為主要目的，除了配有中間處理器外，也不乏GPU、ASIC等AI晶片；微邊源因與數據源幾無距離，故常被歸類為生成數據的設備或感測器，計算資源雖較為匱乏，但也可因AI晶片發揮更大效益。

整體而言，邊緣運算透過AI使終端設備於運行上更加智慧，不僅保有邊緣運算於延遲性、隱私性、連接性、功耗、成本等優勢，並進一步使系統具有主動性與智慧性，在平台管理、工作量合併與分布式應用也更有彈性。若以場景角度切入，邊緣AI相較傳統邊緣運算，其主要帶來的效益提升包括數據處理過濾和邊緣智慧分析，此也將成為兩技術持續結合的動能。

數據處理與邊緣分析於過往邊緣運算時已可做到，並在AI加值下進一步提升效益。以前者而言，數據透過智慧邊緣計算資源可在邊緣處預先處理數據，且僅將相關資訊發送至雲端，從而減少數據傳輸和儲存成本；從邊緣分析效能來看，過往多數邊緣運算資源處理能力有限，運行功能時往往較為單一，而邊緣智慧分析透過AI晶片賦能，進而能執行更為繁複、低延遲與高數據吞吐量的作業。

三、全球大廠搶攻IoT晶片市場，中國加重AI晶片發展力道。

IoT晶片於邊緣運算所產生的效益，使其成為廠商重要策略布局領域，雲端大廠如Google、AWS等紛紛投身晶片自製；傳統晶片大廠如ARM最新產品即鎖定邊緣AI於攝影機和火車的辨識應用、Intel亦投資1.3億美元於十餘家新創AI晶片設計廠商，NXP Semiconductors、Silicon Labs、ST則陸續在其MCU或SoC添加邊緣AI功能。此外，新創企業Halio、EdgeQ、Graphcore皆以AI晶片為主打。整體而言，若以區域來看，歐美大廠聚焦加速AI運算效能，但最積極發展AI晶片產業的則屬產官學三方皆支持的?心，代表性廠商包含地平線、華為旗下海思等代表；台灣則由產業聯盟領頭與聯發科和耐能等重要廠商。

（一）中國產官學助力，2023年AI晶片產值估將逼近35億美元。

AI產業是中國發展重點之一，其輔助政策如2017年《新一代人工智能發展規劃》、《2019年促進人工智能和實體經濟深度融合》，至「十四五」與「新基建」，都將AI視為未來關鍵國家競爭力。各大廠也因此陸續跟進，如百度發布AI新基建版圖著眼智慧雲伺服器；阿里宣布未來至2023年將圍繞作業系統、晶片、網路等研發和建設，騰訊則聚焦區塊鏈、超算中心等領域。

產官學研加重AI的發展力道也反映於AI晶片上，ASIC（特殊應用基體電路）廠商比比皆是。其中，AI晶片布局物聯網領域的廠商眾多，包含瑞芯微、雲天勵飛、平頭哥半導體、全志科技等，主要面向雲端運算、行動通訊、物聯網與自動駕駛四大領域。其中，物聯網領域進一步聚焦於智慧家庭、智慧交通、智慧零售與智慧安防部分，執行語音、圖像、人臉與行為辨識等應用。若進一步聚焦於邊緣運算領域，則以地平線、寒武紀、華為海思、比特大陸、鯤雲科技等最為積極。整體而言，TrendForce預估，中國AI晶片市場有望從2019年13億美元增長至2023年近35億美元。

綜觀中國AI晶片發展，雖有中美貿易摩擦導致設計工具、製造封測等環節較受限制，且開發成本始終居高不下，然而，藉由產官合作以及中國內需市場需求動能，仍能有效支撐該產業成長。若以邊緣運算來看，鑒於AIoT市場持續茁壯，特定應用的ASIC將是重要發展趨勢，尤以汽車、城市與製造業來看，相關場景應用如人身語音行為辨識、人車流量辨識、機器視覺等需求皆相當明朗，預期也將成廠商中長期發展主軸。

（二）台灣人工智慧晶片聯盟積極整合，監控與機器人為邊緣AI應用兩大方向。

台灣廠商聯發科和耐能同樣結合邊緣運算與AI兩技術作策略布局，就整體產業而言，2019年由聯發科、聯詠、聯電、日月光、華碩、研揚等廠商共同組成的台灣人工智慧晶片聯盟（AITA）發展迄今已越趨成形，各關鍵技術委員會（SIG）亦訂定短中長期發展目標。

邊緣AI發展則由AI系統應用SIG推動，其第一階段至2020年著眼半通用AI晶片發展與智慧監控系統應用平台的裝置端推論，2021年則聚焦以裝置端學習系統參考設計，以及軟硬體發展平台的裝置端學習為主，並規劃在2023年能以多功能機器人為主體，發展多感知人工智慧和智慧機器人AI晶片發展平台。

換言之，藉由業界在智慧裝置、系統應用與AI晶片的串聯，短期至2022年都將是台灣邊緣AI大力發展階段，並朝智慧監控、多功能機器人深化，預期此也將帶動系統整合的凌群、博遠，終端設備的奇偶、晶睿碩，以及晶片設計的聯發科、瑞昱等邊緣AI商機；但相較中國廣大內需市場，台灣仍需藉由打造讓晶片廠和系統商充分整合的互補平台，以利降低晶片開發成本，並從其中尋求更多可供切入的大廠產業鏈。

附圖：2019～2023年中國AI晶片市場推估
AI於IOT流程主要著眼數據處理與分析之效
台灣人工智慧晶片聯盟系統應用SIG發展架構

資料來源：https://www.chinatimes.com/newspapers/20210502000153-260511?fbclid=IwAR0zlvUv8MKpcHrbgpa3xRAFaQXaxZuep9TCeZ-75myILNjuDV4SWEIdKZ8&chdtv