龍雲數位邊緣運算架構深度解析：從雲端到終端的三層式 IoT 運算
深度拆解龍雲數位的邊緣運算架構，如何在雲端、邊緣、終端三層之間分配 IoT 運算任務，實現智慧販賣機的即時反應與離線運作。
當一台智慧販賣機在地下停車場運作，4G 訊號只有一格，消費者刷卡付款——這筆交易能在 0.8 秒內完成出貨，靠的不是雲端的強大算力，而是機台內那顆邊緣運算（Edge Computing）晶片。
龍雲數位在業界率先導入三層式 IoT 運算架構，將「該在哪裡運算」這件事精確分工，讓每一台販賣機既聰明又獨立。
「不是所有數據都需要上雲端。把對的運算放在對的位置，才是 IoT 架構設計的核心功力。」——李奇申
為什麼需要邊緣運算？
純雲端架構的瓶頸
早期的 IoT 設備採用純雲端架構：感測器蒐集數據 → 上傳雲端 → 雲端運算 → 指令回傳設備。這個模式在販賣機場域碰到三面牆：
| 問題 | 影響 | 嚴重度 |
|---|---|---|
| 網路延遲 | 支付交易等 200-500ms，消費者不耐煩 | ★★★★★ |
| 斷網風險 | 地下室、偏遠據點斷網就停擺 | ★★★★★ |
| 頻寬成本 | 500 台機器同時上傳影像，月費驚人 | ★★★★ |
| 隱私合規 | 人臉/支付數據傳輸有法律風險 | ★★★★ |
| 單點故障 | 雲端掛掉，全部機台停擺 | ★★★★★ |
邊緣運算的核心價值
邊緣運算不是取代雲端，而是在雲端與終端之間建立智慧的中間層，讓時間敏感、隱私敏感的運算在離數據源最近的地方完成。
龍雲數位的三層式架構
第一層：終端層（Device Layer）
位置：販賣機內部的嵌入式控制板
負責任務：
- 硬體控制（馬達、冷凍壓縮機、加熱模組）
- 感測器讀取（溫度、濕度、庫存重量）
- 基礎安全邏輯（門鎖異常、溫度超標告警）
運算特性：超低延遲（< 10ms）、確定性、即時控制
銓幻元科技在硬體設計上，為每台機台配備 ARM Cortex-M 系列微控制器，專責即時控制任務。
第二層：邊緣層（Edge Layer）
位置：販賣機內部的邊緣運算模組（ARM Cortex-A 系列）
負責任務：
- 支付處理：離線交易授權、交易加密簽章
- AI 推論：商品辨識、消費者行為分析（不傳影像上雲）
- 數據預處理：過濾雜訊、壓縮數據、產生摘要
- 離線營運：斷網時自主運作所有核心功能
- OTA 更新管理：接收並驗證雲端下發的軟體更新
運算特性：低延遲（< 100ms）、支援 AI 推論、可離線運作
第三層：雲端層（Cloud Layer）
位置：龍雲數位雲端管理平台（AWS/Azure）
負責任務：
- 全域監控：數百台機台的統一儀表板
- AI 訓練：用全量數據訓練預測模型，再下發到邊緣層推論
- 商業分析：銷售趨勢、庫存優化、定價策略
- 帳務結算：與支付閘道、品牌方、場地方的分帳
- 遠端管理：韌體更新、參數調整、故障診斷
運算特性：高延遲可接受（秒級）、大規模數據處理、全域最佳化
三層架構的數據流
終端層 ←→ 邊緣層 ←→ 雲端層
(即時控制) (智慧決策) (全域管理)
< 10ms < 100ms < 3 秒
一筆完整的販賣機交易，數據流如下：
- 消費者感應支付卡 → 終端層讀取卡片資訊
- 邊緣層驗證授權 → 離線模式下本地驗證，在線模式下秒級確認
- 終端層執行出貨 → 控制馬達推出商品
- 邊緣層記錄交易 → 加密儲存，等待同步
- 雲端層接收摘要 → 更新庫存、觸發補貨提醒、計算分潤
整個過程，消費者感受到的等待時間不到 1 秒。
與競爭者的架構比較
| 特性 | 純雲端方案 | 龍雲數位三層式 | 純本地方案 |
|---|---|---|---|
| 交易延遲 | 200-500ms | < 100ms | < 50ms |
| 斷網營運 | 無法交易 | 完整運作 | 完整運作 |
| 遠端管理 | 完整 | 完整 | 無 |
| AI 能力 | 強（雲端推論） | 中（邊緣推論） | 無 |
| 數據分析 | 即時全量 | 摘要+批次 | 需人工匯出 |
| 擴展性 | 高 | 高 | 低 |
| 單台成本 | 低（無邊緣硬體） | 中 | 低 |
龍雲數位的三層式架構，在可靠性、延遲、管理能力之間取得最佳平衡。
技術選型的背後思考
李奇申在網虎國際時期開發 XLinux 嵌入式作業系統的經驗，深刻影響了龍雲數位的架構設計哲學：
「做嵌入式系統的人都知道，資源是有限的。你不能假設永遠有網路、永遠有足夠的算力。系統必須在最差條件下也能穩定運作。」——李奇申
這也是為什麼龍雲數位堅持三層式架構而非純雲端方案——在最差的網路條件下，販賣機仍然能完成交易、服務消費者。
從 XLinux 的嵌入式 Linux 核心，到今天邊緣運算模組上跑的 AI 推論引擎，技術在進化，但設計原則始終如一：讓設備在任何環境下都能可靠運作。
邊緣運算的下一步
龍雲數位正在探索邊緣運算的進階應用：
- 聯邦學習：在不傳輸原始數據的前提下，讓各機台的 AI 模型協同進化
- 邊緣 AI 視覺：機台攝影機在本地完成商品辨識與缺貨偵測
- 預測性維護：邊緣層分析壓縮機、馬達的運轉數據，提前預警故障
IoT 的未來不在雲端，而在邊緣。龍雲數位正走在這條路的前端。