人気のタグ
おすすめのサイト
企業ニュース

「エッジコンピューティング」はなぜ必要なのか?

2021.03.02

「エッジコンピューティング」とは、AIソフトウェアを搭載したプロセッサを使用して、可能なる限りデータが生成される場所の近くでデータの取得と処理を行なうという考え方のこと。

エッジコンピューティングでは、データをローカルで、つまりクラウドやデータセンターではなくネットワークの「エッジ」で処理するため、レイテンシと必要な帯域幅が最小限に抑えられ、自律動作マシンによるリアルタイムのフィードバックや意思決定が可能になる。

今回はこの「エッジコンピューティング」について解説したNVIDIAブログを以下にて紹介していく。

エッジコンピューティングとは何か?

エッジコンピューティングとドーナツには共通点がひとつある。消費者に近ければ近いほど良いという点だ。角のドーナツ店まで行くには少し時間がかかるが、手の届くところにドーナツの箱があれば、すぐに満足感を得ることができる。

エッジコンピューティングにも同じことが言える。データをクラウドで実行中のAIアプリケーションに送信すると応答が得られるまでに時間がかかるが、そのデータをエッジデバイスで処理すると、まるであのピンクの箱からグレーズがかかったカラフルなスプリンクルがちりばめられたドーナツを直接手に取るようなものだ。

エッジコンピューティングでは、ドーナツと同じく、近くにあることが重要

エッジコンピューティングとは、数十年前からある言葉で、AIソフトウェアを搭載したプロセッサを使用して、可能なる限りデータが生成される場所の近くでデータの取得と処理を行うという考え方だ。

エッジコンピューティングでは、データをローカルで、つまりクラウドやデータセンターではなくネットワークの「エッジ」で処理するため、レイテンシと必要な帯域幅が最小限に抑えられ、自律動作マシンによるリアルタイムのフィードバックや意思決定が可能になる。

多くの場合、プロセッサはインテリジェントなセンサーの形でIoTデバイスに組み込まれる。これらのセンサーは工場の重機に取り付けられ、機械からのデータを処理して、異常が事故につながるような場合は管理者に通知がいくようにすることも可能だ。

企業では、エッジサーバーをセンサーのすぐ近くに設置することが多く、通常は店舗、病院や倉庫内のサーバールームや収納室に設置する。

エッジコンピューティングは常時稼働し、瞬時にフィードバックを返すので、自律走行車のような用途では特に重要だ。データ処理や応答の時間を数ミリ秒でも短縮することが事故回避の鍵となるから。エッジでの瞬時のフィードバックは、医師が患者の治療のために正確でリアルタイムなデータを必要とする病院でも重要だ。

エッジコンピューティングはいたるところにあり、小売店のスマートなセルフレジから、倉庫でのサプライチェーンロジスティクスや品質検査の支援まで、あらゆるものに使われている。

エッジコンピューティングはなぜ必要か?

2025年までに、1,500億個のマシンセンサーとIoTデバイスが、処理を必要とする連続的なデータをストリーミングするようになると推定されている。これらのセンサーは常時稼働しており、モニタリング、データ受信、認識しているものの推論を行い、アクションを起こす。

エッジコンピューティングはこのデータを発生源で処理するため、レイテンシ、つまりデータをクラウドやコアデータセンターでさらに処理するために、ネットワークでデータを送信するのを待つ時間が低減するので、企業はリアルタイムでより早く洞察力を得ることができる。

データの収集や分析に高い効率性と速度を要する、このような計算負荷の高いワークロードで使われるデータの急増により、AIを展開するための高性能なエッジコンピューティングが求められている。

さらに、4Gよりも10倍の速度が期待される5Gネットワークなどの新しいテクノロジによって可能性が広がるのはAI対応のサービスのみであるため、エッジコンピューティングのさらなる高速化が必要になる。

エッジコンピューティングの仕組み

エッジコンピューティングは、データの発生源またはエンドユーザーにできる限り近くでデータ処理を行うことにより機能し、データ、アプリケーション、コンピューティングパワーを、集中型ネットワークやデータセンターから離れた場所に保つ。

データセンターは集中型サーバーであり、多くの場合、不動産や電力が安価な場所に置かれる。最速の光ファイバーネットワークであっても、データは光の速度より速くは移動できない。このような、データとデータセンター間の物理的な距離がレイテンシの原因となる。コンピューティングをエッジに、つまりデータの発生源のより近くに持ってくることで、エッジコンピューティングはレイテンシをめぐる問題を軽減する。

エッジコンピューティングは、多数のネットワークノードで実行することで、データを収集する場所と処理する場所の距離を実際に近づけることができ、ボトルネックを削減してアプリケーションを高速化することができる。

ネットワークの周辺部では、数十億個ものIoTデバイスやモバイルデバイスが、小さな組み込みプロセッサ上で動作しており、これはビデオのような基本的なアプリケーションには理想的。

いまの世界の産業や自治体がIoTデバイスからのデータにAIを適用していなければ、これで何の問題もない。しかし、実際は適用している。

エッジAIを使うことで、デバイスはインターネットに常時接続していなくてもよくなる。それどころか、デバイスは接続なしに独立してデータを処理し、意思決定を行うことができる。

たとえば、ロボットのマイクロプロセッサ上のエッジAIアプリケーションは、ロボットからのデータをリアルタイムで処理し、結果をデバイスのローカルに保存することが可能だ。

その後、ロボットはインターネットに接続して特定のデータをクラウドに送信し、保管やさらなる処理を行うことができる。もしエッジで動作していなければ、ロボットはデータをクラウドにストリーミングし続け(バッテリーに負荷をかけながら)、データ処理にもっと時間がかかり、インターネットへの常時接続が必要になるだろう。

エッジコンピューティングのメリット

エッジコンピューティングに移行することで、企業は所有する大量のデータセットから洞察を探り出す新たな機会を得られる。エッジコンピューティングの主なメリットは次の4つ。

・レイテンシの低減:データを収集して集中型データセンターやクラウドにアップロードするのではなく、AIコンピューティングをデータの生成場所に持ってくることで、レイテンシが低減される。

・セキュリティの向上:エッジコンピューティングではローカルでデータを処理できるため、機密データをパブリッククラウドに送信する必要が減る。

・費用の削減:データが作成されるほど帯域幅とデータ保管のコストは増えるが、エッジコンピューティングを使ってローカルでデータを処理すると、クラウドに送信する必要のあるデータが減る。

・範囲の拡大:従来のクラウドコンピューティングではインターネットへのアクセスが必要だったが、エッジコンピューティングはインターネットを利用することなくデータを処理するため、以前は対象外となっていた遠隔地にも範囲が広がる。

エッジコンピューティングvsクラウドコンピューティングvsフォグコンピューティング

これらのコンピューティング手法は、コンピューティング性能を強化するために使用され、よく一緒に言及されることがある。しかし、それぞれに明確な違いがある。

・クラウドコンピューティングは、インターネット上にホストされたリモートサーバーのネットワークを使用する。

・エッジコンピューティングは、デバイスやサーバーのエッジを使用する。

・フォグコンピューティングは、ネットワークアーキテクチャのローカルエリアネットワーク(LAN)を使用する。

近年、処理手法として好まれてきたのは、容量と弾力性に優れ、物理的なハードウェアなしにデータを保管し、処理できるクラウドコンピューティングだった。

しかし、クラウドコンピューティングは光の速度とインターネット帯域幅の制限を受ける。多くの企業がそれぞれの製品にAIを導入するほど、より速く、より信頼できるデータへの要求が増え、クラウドコンピューティングのネットワーク帯域幅に負担がかかる。

この負担を軽減し、データ処理と応答時間を速くするために、エッジコンピューティングは多くのIoTデバイスに取り入れられるようになった。

フォグコンピューティングはエッジコンピューティングと似ている。違いは、エッジコンピューティングがネットワークのエッジでデータを処理するのに対し、フォグコンピューティングはデバイスのローカルエリアネットワーク上でデータを処理することだ。

エッジコンピューティングよりも多くのデータを処理できる点が強みだが、フォグコンピューティングはLAN内のデバイスとの物理的な接続に制限される。

エッジコンピューティング:IoTと5G

エッジコンピューティングは、5GネットワークやIoTアプリケーションなど、最近の技術の進歩に重要な役割を果たしている、

■エッジとIoT

IoTデバイスから来る洪水のようなデータが送られてくるので、メーカーはデータをエッジで処理すると、経済的にも運用面でもメリットがあることに気づいた。エッジコンピューティングを使えば、レイテンシを抑え、データの保管と処理のための費用がかかるクラウドへの依存を減らして、IoTデバイスやセンサーを運用できる。

たとえば、インテリジェントビデオ分析のためのNVIDIA Metropolisプラットフォームを使うと、何兆個ものセンサーやIoTデバイスからのデータをリアルタイムで分析できる。これにより、異常検出や災害対応向けの公共サービス、供給予測のためのロジスティクス、事故検出や交通信号最適化のための交通管理などのアプリケーションに役立つ実践的な洞察が得られる。

効果的に災害対応を行うためには、適切なタイミングで行動することが欠かせない。NVIDIA Metropolisのようなエッジプラットフォームを導入すると、ファーストレスポンダー対応に必要な人員、車両、設備の位置に関するデータが瞬時に、また継続的に得られるようになり、市民の安全確保に役立つ。

さらに、セルラーネットワークやインターネット接続経由ではなくIoTセンサーやIoTデバイスからデータを収集するエッジコンピューティングの導入は、より信頼できる効率的な災害対応計画を可能にし、人々の命を救うことにつながる。

■エッジと5G

エッジで生成されるデータの量は指数関数的に増えており、5Gインフラストラクチャの展開とともに、新しい種類のアプリケーションが登場している。

AIによって大量のデータから洞察を得られるようになるが、これらのアプリケーションは、そのデータへのアクセスを提供する5Gの高速帯域幅、低レイテンシ、信頼性に依存する。

5Gの展開とともに、AIのワークロードをエッジで実行し、リアルタイムの分析を可能にする幅広いサービスのポートフォリオが登場している。これらは、カメラその他のセンサーで設備や機械を遠隔制御するものから、カメラを使って現場のセキュリティや作業の安全性を向上させるものまでさまざま。

そしてそのすべてが、全体でゼタバイト単位のデータを消費し生成するであろう、メディアを豊富に使う数十億個ものデバイスに対応している。

エッジコンピューティングはこのような技術革新に不可欠であり、5Gの稼働に必要なレイテンシ要件を満たす唯一の方法。また、5Gのようなマルチテナントの5Gエッジノードを安全かつ効率的に仮想化するのにも役立つ。

エッジコンピューティング4つの例

エッジコンピューティングは、レイテンシを低減するだけでなく、エンドユーザーにより良いシームレスな体験を提供する。多数の産業の中から、エッジアプリケーションの例をいくつか紹介する。

■小売業者のためのエッジコンピューティング

世界最大の小売業者が、スマートな小売業者になるためにエッジAIを活用している。インテリジェントなビデオ分析、AIを使った在庫管理、顧客分析と店舗分析を組み合わせることで、利幅を上げ、より良い顧客体験を提供する機会が得られる。

たとえば、NVIDIA EGXプラットフォームを使用することで、Walmartは生成される毎秒1.6テラバイトを超えるデータをリアルタイムに処理できる。AIを幅広い種類のタスクに使うことができ、棚を補充する、ショッピングカートを回収する、追加でレジを開けるなどを自動的にスタッフに通知することができる。

数百台以上にのぼる接続されたカメラからのデータが、NVIDIAEGXが現場で処理するAI画像認識モデルに送られる。一方、遠隔地にある小規模なビデオフィードのネットワークは、Jetson Nanoによって処理することができ、EGXやクラウド上のNVIDIA AIと連携している。

店舗の通路は、完全自律型の有能な対話型AIロボットによる監視が可能。このロボットには、Jetson AGX Xavierが搭載され、SLAMナビゲーション用のためにNVIDIA Isaacが実行されている。

このすべては、EGXやクラウド上のNVIDIAAIと互換性がある。アプリケーションを問わず、エッジでのNVIDIAT4とJetson GPUは、インテリジェントなビデオ分析と機械学習アプリケーションのための強力な組み合わせだ。

エッジAIによって、通信事業者は顧客に勧める次世代のサービスを開発し、新たな収入源を提供することができる。NVIDIA EGXを使用すれば、通信事業者は画像認識モデルを使ってビデオカメラのフィードを分析し、客足から商品棚の監視、配送まで、あらゆる分析に役立てられる。

たとえば、セブン-イレブンで、陳列棚のドーナツが土曜日の朝早くに品切れになった場合、コンビニエンスストアの店⾧は、補充が必要であるとの通知を受け取ることができる。

■都市のためのエッジコンピューティング

Fortune 500企業もスタートアップ企業も、自治体のためにエッジAIを採用している。たとえば、さまざまな都市が、交通渋滞を緩和して安全性を向上させるために、AIアプリケーションを開発している。

Verizonは、IoTアプリケーションフレームワークであるNVIDIA MetropolisをJetsonのディープラニング機能と組み合わせて使用しており、多数のビデオデータのストリームを分析して交通の流れの改善、歩行者の安全強化、市街地の駐車場所の最適化などの方法を探すことができている。

カナダのオンタリオ州に拠点を置くスタートアップ企業のMiovision Technologiesは、ディープニューラルネットワークを使って自社のカメラや都市インフラからのデータを分析し、交通信号機を最適化して、車両が動き続けるようにしている。

この領域でのMiovisionやその他の企業の作業は、NVIDIA Jetsonコンパクトスーパーコンピューティングモジュールのエッジコンピューティングと、NVIDIA Metropolisからの洞察によって高速化できる。エネルギー効率に優れたJetsonは、AI処理のために複数のビデオフィードを同時に扱うことができ、この組み合わせにより、ネットワークのボトルネックや混雑に代わるものが実現する。

エッジコンピューティングは拡張も可能。NVIDIA Metropolisのような産業アプリケーションフレームワークやサードパーティ製のAIアプリケーションは、最適なパフォーマンスのためにNVIDIAEGXプラットフォーム上で稼働する。

■自動車メーカーと製造業者のためのエッジコンピューティング

工場、小売業者、製造業者、自動車メーカーが生み出すセンサーデータは、相互に参照して使えばサービスを向上させることができる。

このセンサーフュージョンによって、小売業者は新しいサービスを実現できる。ロボットは、対話によるやりとりのために、音声や自然言語処理モデル以上のものを使うことが可能になり、同じロボットで、ビデオフィードを使って姿勢推定モデルを実行することもできる。

音声センサーとジェスチャーセンサーの情報を結び付けることで、ロボットは、お客様がどのような品物や案内を必要としているのかをより良く理解できるようになる。

センサーフュージョンは、自動車メーカーが競争で優位に立つために採用できる新しいユーザー体験も作り出せる。自動車メーカーは、姿勢推定モデルを使って、ドライバーがどこを見ているかを理解するとともに、自然言語モデルを使って、車のGPSマップに表示されているレストランの位置との関連でリクエストの内容を理解することができる。

■ゲームのためのエッジコンピューティング

ゲーマーは、高パフォーマンス、低レイテンシのコンピューティング能力を要求することで知られている。エッジでの高品質クラウドゲーミングでは、その要求の水準が上がる。バーチャルリアリティ、拡張現実、AIを含む次世代のゲームアプリケーションは、さらに大きな挑戦となる。

通信事業者は、世界中のゲーマーのために、レイトレーシングとAIによって強化された映画品質のグラフィックスを実現するNVIDIA RTXサーバーを使っている。これらのサーバーは、NVIDIAのクラウドゲーミングサービスであるGeForce NOWの動力となっており、性能の足りないハードウェアや互換性のないハードウェアをエッジで強力なGeForceゲーミングPCに変身させる。

Taiwan Mobile、韓国のLGU+、日本のソフトバンク、KDDI、ロシアのRostelecomはすべて、各社のクラウドゲーミングの顧客向けにサービスを展開する計画を発表している。

NVIDIAのエッジソリューション

NVIDIAでは、EGXプラットフォームによってエッジコンピューティングを次のレベルに引き上げ、企業はスケーラブルなソフトウェア、IoTセンサー、エッジサーバーを組み合わせたエッジソリューションを導入しやすくなっている。

何ラックものCPUが稼働する従来のエッジサーバーの代わりに、より省スペースのNVIDIA EGXは、スーパーコンピューティングモジュールのJetsonシリーズから、NVIDIA T4GPUや先日発表されたNVIDIA EGXA100を搭載したフルラックのサーバーまで、NVIDIA AI全般との互換性を提供する。

AI用のエッジコンピューティングを運用している企業には、小型のNVIDIA Jetson Nano上で低レイテンシのAIアプリケーションを展開するという柔軟性が提供されている。このコンパクトなスーパーコンピューターは、画像認識などのタスクにて、わずか数ワットで毎秒5,000億回の演算を実現する。

1ラックのNVIDIA T4サーバーは、毎秒10,000兆回以上の演算を実現し、最高の処理能力が求められるリアルタイムの音声認識アルゴリズムや、その他大量の計算を要するAIタスクに適している。

NVIDIA EGXにより、エッジアプリケーションはリモートでの展開と管理が可能になり、NVIDIAのNGCソフトウェアハブを使えば、AIチームやITチームは幅広い種類の事前学習済みAIモデルやKubernetes対応のHelmチャートを利用してすぐに利用を開始して、自社のエッジAIソリューションへの組み込みができるようになる。

また、AI主導のエッジネットワークの周辺部では、アップデートも簡単。EGXソフトウェアスタックはLinuxとKubernetes上で実行されており、クラウドまたはエッジサーバーからのリモートアップデートができるため、アプリケーションは継続的に改良される。NVIDIA EGXサーバーは、NGCで入手できるCUDA高速化コンテナーに合わせて調整されている。

エッジコンピューティングの未来

市場調査会社IDCによれば、エッジコンピューティングの市場は2023年までに340億ドル相当になると予想されている。5Gの登場により、集中型データセンターでのコンピューティングからエッジコンピューティングへの移行が可能になり、以前は利用できなかった潜在的な機会が開かれるだろう。

ビデオ分析から自律走行車、ゲームまで、エッジコンピューティングは、低レイテンシと接続性の要件を満たし、没入感の高いリアルタイムの体験を実現する可能性をさらに創出している。

出典元:NVIDIAブログ

構成/こじへい

新型コロナウイルス対策、在宅ライフを改善するヒントはこちら

@DIMEのSNSアカウントをフォローしよう!

DIME最新号

最新号
2021年4月15日(木) 発売

DIME最新号の特別付録は「スマホLIVEスタンド」! 特集は「投資の新常識」&「輸入食材スーパーの極上グルメ」

人気のタグ

おすすめのサイト

ページトップへ

ABJマークは、この電子書店・電子書籍配信サービスが、著作権者からコンテンツ使用許諾を得た正規版配信サービスであることを示す登録商標(登録番号 10401024号)です。詳しくは[ABJマーク]または[電子出版制作・流通協議会]で検索してください。