Google的年度技术盛会是每年5月的Google I/O，不过Google I/O是整个Google的技术盛会，除此之外Google针对其云端技术另有一个盛会，称为Google Cloud Next。
18年的Google Cloud Next上Google提出Cloud IoTEdge技术，这属于物联网领域，且与端缘运算、边缘运算关连。本文就探索一下到底Google Cloud IoT Edge内容为何？
物联网网关操作系统
Google提出的Cloud IoT Edge，简单而言即是Google对于物联网网关的系统设计想法，Google没有强制限定要使用何种硬件架构与规格，只要能支持与执行Google提出的软件即可。
首先是网关的操作系统要求，Google提出二择一方案，即Android Things或Linux，Android Things即是Google针对物联网应用，以Android操作系统为基础，进行减肥、轻量化工程的嵌入式操作系统，过去的研发代号为Brillo。Android Things以系统开发板而言多是采ARM架构硬件（照例的，创客可用最熟悉的树莓派，可以参考上周的文章）。
若是使用Linux，则各种硬件架构的系统均可，但多数人会选择x86，毕竟相关技术资源最广泛，且价格效能比（Cost Performance Ratio/CP值/性能价格比/性价比）佳。
最左侧为物联网传感器，往右则是Edge Device（边缘装置），Google提出的Cloud IoT Edge技术即属于此层，更右侧的两层则位于云端，为Google的公有云服务。（图片来源：Google）
Edge IoT Core
接着是Edge IoT Core，这是Google开发并提出的，是一个物联网网关必然要能执行的软件，这软件能够替物联网的联机通讯加密，能够更新网关上的韧体、软件，同时也用来管理与交换数据等。
Edge ML
Edge ML亦是Google提出的软件，顾名思义是用来执行机器学习（Machine Learning），用在人工智能的推论执行，而不是人工智能的训练，训练需要耗用大量的运算力，通常已事先在云端或其他强悍运算力的设备上训练好，训练好的模型再交由Edge ML推论执行。
Edge ML目前支持TensorFlow Lite的人工智能框架，是简化版、轻量版的TensorFlow，比较适合用于硬件资源有限、电能或运算力有限的系统上。
Edge TPU
最后是Google还推出了自家的人工智能运算加速芯片Edge TPU，在此之前Google已连续三年在Google I/O盛会上介绍其自家设计开发与使用的Cloud TPU芯片，但Cloud TPU芯片只用在云端上的人工智能加速，这次Google第一次针对电力、运算力有限的网关提出对应的人工智能加速芯片。Edge TPU可加速TensorFlow Lite的推论执行，另也支持神经网络应用程序编程接口（NN API）。
Edge TPU开发工具包 — SOM (上) 及base board (下)（图片来源：Google）
小评
由上述可知，Google针对物联网网关提出两软一硬方案，两软即Edge IoT Core、Edge ML，一硬则是Edge TPU。若这个技术主张要打折扣的话，至少一个网关要能执行Edge IoT Core，而Edge ML、Edge TPU等则为选择性运用，视是否有需要在网关内执行人工智能运算而定。
即便有人工智能、机器学习的需求，也可以只使用Edge ML，而不使用Edge TPU，差别在于用一般CPU来执行Edge ML会较为耗用电能且速度较慢，或者采用GPU虽可比CPU快速省电，但仍不若Google自家的Edge TPU来的密切运作。
Google强调Edge TPU芯片极为娇小，比一美分铜板还要小（图片来源：Google）
虽然Edge TPU是此次技术主张中需求必要性最低的，但因为与其他科技大厂如Amazon、Microsoft的Edge技术主张相较，独家芯片依然让人比较印象深刻，估计未来Google将销售Edge TPU芯片，供系统业者植入、整合到网关系统内。
值得注意的是，Google提出的Edge技术并未限定只能用于网关，如果电子工程技术够精进的话，也可放入比网关更小的物联网装置、物联网传感器节点内，但初期的技术尝试估计仍是以网关为主。Google整套Edge技术主张到底有多少技术合作伙伴与终端用户愿意买单，让人拭目以待。
作者：陆向阳
更多精彩文章请关注微信公众号易心Microbit编程
