（文章來源：人工智能網）

第五波計算技術的融合——人工智能（AI）、5G與物聯網（IoT）——正持續加速令人驚訝的變化，并驅動全新的數據消費模型。在僅考慮IoT的情況：盡管還在發展初期，我們看到它已經褪去全球微型傳感器網絡的原始面貌，進一步擴展至包含更多高性能設備，包括從智能影像傳感器到自駕汽車。

隨著IoT持續成長并帶動全球數字化轉型，通往上游云端的數據海嘯，讓長期以來針對下游分配優化的網絡基礎設施遭受打擊。它也促生了一個迫切的需求，即在全球互聯網架構內實現更分散的算力分布，而這也導致對Arm Neoverse計算解決方案的需求與日俱增。整個生態系統已經對這個挑戰作出響應，而縱觀Arm過去一年內的進展， Neoverse正在將其初始愿景轉換成今日之現實。

由于大型數據集與專屬的算力相當集中的緣故，今日大負荷的AI計算多數在云端完成，特別是機器學習（ML）模型的訓練。但若把這些模型應用到真實世界中靠近決策點的推論時，以云端為中心的AI模型就會捉襟見肘。數據傳輸數千英里來到數據中心進行模型比較時，可能會碰到不少延時的問題，因此，沒有人能保證當結果返回時仍然對決策有用。時間至關重要，因此把“智能”從云端分配到邊緣，就顯得合情合理。

隨著對決策的要求朝邊緣移動，AI將扮演雙重角色。除了依據數據本身包含的信息作出及時決定之外，當大量的數據需要被導引至正確的位置時，AI需要在從流量管理到封包檢驗等方面都發揮作用。這是一個訓練與推論兼顧的問題，而傳統的計算系統無法與之相適應。過去，互聯網邊緣傳統上只是一個網橋，現在正快速變成智能計算平臺，并最終將促成我們稱之為AI Edge的浮現，并在2025年形成一個高達300億美元的計算芯片潛在市場規模（TAM）。

在邊緣執行AI有幾個好處：它可顯著減少到云端的回程，降低延遲，并提升可靠性、效率與安全性。有鑒于當今來自全球設備部署的洞見來得極快，模型必須需要實時進化，這點已經顯現出至關重要性。利用AI邊緣的應用程序的成功部署，關鍵在于提供能夠覆蓋各種功耗與性能需求的多元解決方案。單一廠商的解決方案，并無法滿足所有需求。除了變成以AI為中心，AI邊緣必須是云端原生的、虛擬化（VM或containers）的，同時支持多用戶。最重要的是，它必須是安全無虞。

目前構成基礎架構邊緣的解決方案來自一個極度多元化的生態系統，而這個生態系統也在迅速變革，以滿足這些新產生的需求。為了協助大家面對這一AI邊緣的變革，Arm宣布推出Project Cassini：這是一個專注于在多元與安全的邊緣生態系統內，確保云端原生體驗的業界提案。

通過與Arm生態合作伙伴的協同努力，Project Cassini將專注于基礎設施邊緣，開發平臺標準與參考系統，并以它們為基礎，在目前已延展到基礎設施邊緣的標準化平臺安全架構（PSA）框架內，無縫部署云端原生的軟件堆棧。值得一提的是， Arm與其生態系統合作伙伴針對安全性做出了大量努力。兩年前Arm推出PSA，讓企業得以依據一套通用的需求設計安全功能，以降低打造產品級IoT安全性相關的成本、時間與風險。今天，Project Cassini將PSA延展至基礎設施邊緣，可謂更上層樓，目標是讓所有最基本的安全需求標準化。

Arm預計，到2035年全球將有一萬億個IoT設備，這將帶來全新規模的基礎設施與架構上的挑戰，技術也需要與時俱進才足以應對。在邊緣計算方面，這意味著Arm將持續大量投資硬件、軟件與工具的開發，以便為基礎設施堆棧的每一個點都賦予智能決策能力。另一方面，這也意味著在處理器層級，以及從云端到邊緣到終端設備的整個網絡內，都將廣泛使用異構計算。