嗨,我是養鴿,這是這次 20210420 五五好團結 改版懶人包及見解,我只講我覺得需要知道的地方。
【非戰場改動】
1. 螢幕邊緣提示附近敵方英雄位置
在設置的介面選項中可開啟提示功能,敵人出現在你螢幕外的視野會有提示。
● 這個無敵好用,必開。
2. 新增模式「冠軍賽」
排位 2 BAN
巔峰 3 BAN
冠軍賽 4 BAN
冠軍賽可單排可多排,但原則上這個是給五排玩的遊戲。單排魔人如我依舊左轉巔峰謝謝,除非冠軍賽獎勵神好。
【挑戰者技能改動】
1. 暈眩
暈眩周圍敵人0.75秒, 減少敵人20%移動速度,並降低28(每升一級+2)點物理防禦與14(每升一級+1)點魔法防禦,持續2.5秒。
● 這次改動會變的比較進攻性,雖說沒有減傷效果,取而代之的是減少很低的雙防+暈眩多0.25秒以及多給你 2.5 秒的緩速時間,但與其要為了這一點緩速出暈眩我不如出冰杖/冰袍,論實用性還是輸給瞬移這種進可攻退可守的挑戰者技能,改版後暈眩依舊冰箱技。
2. 狂熱
獲得25%韌性,獲得10%增傷率,每過1秒回復2%血量,持續6秒。
● 整體效果更加雞肋,再加上傳說對決的韌性上限為 60 ,所以呂布也不適用,如果今天傳說對決韌性上限調升至 90%UP 那也許呂布出這還有點搞頭,但今天只有 60 所以狂熱改版後還是冰箱技。
3. 封鎖
對敵方建築物使用:沉默建築物持續4秒,英雄每升3級提升0.5秒沉默效果的持續時長。
對己方建築物使用:使建築物免疫傷害,建築物攻擊單次可發射2顆子彈,持續4秒。若封鎖效果持續的時間內在對同一座建築物重複施放,封鎖的效果不疊加且不會返還冷卻時間。60秒內對同一機關再次施放封鎖,效果只有1秒的有效時間。
● 這是改版後最值得期待的召喚師技能,有望成為輔助主流召喚師技能或者扛邊可考慮,五排出的效果會更好,可以溝通好這波封鎖守,下波誰的大,下下一波又有封鎖,在逆風時封鎖守到的機率很高,期待期待。
【魔紋改動】
1. 爆裂樹甲
受到英雄傷害後疊層(每秒最多疊1層),疊滿4層產生半徑4m的圓形爆炸,造成自身2%最大生命值的魔法傷害,回復(7%+3%*爆炸命中敵方英雄數)的最大生命值,該回復效果有10秒的冷卻時間。
● 跌四層炸一次,炸完至少平均可以回到 10% 最大生命值,雖說冷卻有 10 秒,但這超級無敵香,沒意外的話坦克類角色必出。
【備戰改動】
1. 日光護符
合成價格:600 → 500
魔法攻擊:60 → 50
● 缺續航力可考慮出小法球。
2. 能量法球
合成價格:2010 → 1900
● 大法球少了110元,我原本判斷站樁類型的法師估計會人手一件,因為 CP 值真的很不錯,但是後面其他改動讓我立刻打消此念頭,雖說大法球少110元,但同時爆裂少 200、惡魔少 320 元,出其他裝備豈不是更快能有戰力XD,所以我估計改版後你有考慮要拉高血量防刺時再去考慮大法球就可。
3. 爆裂法杖 / 惡魔的微笑
爆裂法杖
合成價格:2000 → 1800
魔法攻擊:240 → 200
新增5%跑速
惡魔的微笑
合成價格:2120 → 1800
魔法攻擊:140 → 120
物理防禦:225 → 200
● 雖說屬性下降了一點,但裝備的價格少了不少,官方終於發現中路不好發育了XD,那麼這兩件裝備擇一出,原則上比較容易吃到物理傷害到的角色惡魔微笑>爆裂,如蘿兒、颯迦,手真的夠長的法角,如克里希、卡莉這種不太容易被摸到的角色再去用爆裂。
5. 巫妖皇冠
合成價格:2300 → 2400
● 不太影響
6. 凝霜寶珠
合成價格:2000 → 2200
魔法攻擊:220 → 240
● 改版後更把他歸類在後期裝。
【傳說英雄改動】
1. 司科德 (重製)
基礎屬性
最大生命:3563 → 3865
生命成長:345.5 → 356.5
物理攻擊:171 → 160
物攻成長:13.2 → 12
物防成長:26.4 → 22.5
普攻半徑:3m → 2.5m
被動 嗜血
司科德每下普攻會對最大生命值低於自己的敵人額外造成60~200(+2%最大生命加成)(+0.25魔法攻擊)點魔法傷害(額外部分不能暴擊)。 司科德的最大生命值提升10%。
一技能 狂暴衝擊
司科德朝指定方向衝刺,對沿途敵人造成200/240/280/320/360/400(+0.8物理攻擊)點物理傷害。擊中敵人還會獲得20/24/28/32/36/40%的攻速提升,並且被動以及二技能強化普攻的額外魔法傷害提升50%,持續5秒。
冷卻時間:8秒
位移距離:5.5m → 5m
二技能 血脈沸騰
司科德將沸騰的血脈注入拳套,持續5秒,期間跑速不斷提升,3秒達到40%後開始衰減,並且強化下次普攻(射程增加,施放同時移除加速效果):對敵人額外造成300/400/500/600/700/800(+8% 最大生命加成)(+1.0 魔法攻擊)點魔法傷害(額外部分不能暴擊)並減速30/36/42/48/54/60%,持續2秒。 強化普攻擊中敵人將會縮減二技能50%冷卻。
冷卻時間:10 秒
大絕 狂獸之怒
司科德蓄力0.8秒(期間可以移動,並且免疫控制)後迴旋揮拳,對周身敵人造成400/600/800(+1.2 物理攻擊)點物理傷害並擊退1.5秒。
被動:大招冷卻完畢期間,擊殺小兵或者野怪可以恢復自身 4/6/8% 的最大生命值。
冷卻時間:40/35/30 秒
● 看起來這波重製有搞頭,我把改版後司科德分為兩個流派,你們可以去試試看
第一個流派是普遍大眾比較能接受的戰士流
魔紋選擇帶絕地死鬥
裝備選擇 魔防鞋、火斗、板甲、德魯伊、岩盾、護衛軍、復活甲
如果順風的話可考慮把板甲及護衛軍換成冬日
第二個流派屬於比較偏向 one punch的一拳邪教流
魔紋選擇帶死亡詛咒
裝備選擇 大法球、魔防鞋、密咒、皇冠、賢者領域/混沌、綠書
有算了一下這套裝備滿裝後有多邪,一個二技能的強化普攻搭配一技能增傷效果再加被動跟密咒的傷害,扣除後排角的防禦後,一拳下去約莫 7,000 點傷害,如果再加上一技能撞到、大絕打到、死亡詛咒的傷害的話,後排角原則上就是被你秒,而且司科德會具有將近 12,500 的血量,缺點是前中期很廢,裝備起來之前你會幫人抓癢好一陣子,後期容錯率其實也滿低,只要進場吃到控直接甲賽,不過娛樂性十足。
改版後比較要注意的是司科德的二技能要使用後隔 3 秒才會有強化普攻,還有如果你是走邪教流,二技能強化普攻要盡量搭配一技能的增傷效果,改版前大絕暈眩 0.75 秒,改版後大絕擊退 1.5 秒,這個控場時間改版後大家也要留意一下,若沒有韌性效果 1.5 秒控場時間等同洛里昂大絕。
2. 小丑 (大改)
被動 強化子彈
強化子彈存儲機制調整成可以儲存,最多儲存5顆
強化子彈新增獲取途徑:
1技能-命中敵方英雄2顆,非英雄單位1顆
3技能-命中獲得3顆
強化子彈額外傷害:120(每級+12)(+0.6物理攻擊)→ 3%目標當前生命值(每2級+1%)(+0.4 物理攻擊)
移除強化子彈的減速效果
一技能
新增機制:命中附帶30%減速效果,持續2秒
大絕
減速效果:附帶強化子彈的減速效果(50%~90%)→ 固定50%
減速時間:1秒 → 2秒
● 改版前單排玩小丑最大的問題是不管出什麼樣的裝備,後期都很難切前排角,所以你們在看職業聯賽時會發現出小丑的隊伍相較於出傳統射手的隊伍,原則上都會補個能解決敵隊前排的角色。
這次改版後,如果大後期的勇切前排分數是 100 分,改版前的小丑 20 分,改版後的小丑 50 分,這次改動雖說很努力朝切前排這塊調,但我看這數字還是不及格,有小丑的隊伍依舊要搭配好切前排的角色,不然後期容易出事。
改版後的小丑最要注意的點舊是強化子彈可以變五顆但強化子彈沒有緩速這件事情,取而代之的是一技能射到會緩,還有大絕緩速有兩秒這點,而備戰奧義魔紋跟改版前一樣就可,不用出什麼攻速流或暴擊流,強化子彈的傷害不會暴擊。
實際計算改版後殺後排一套 2A31A 兩顆強化子彈的傷害跟改版前同樣一套但只配一顆強化子彈只多了約 100 的傷害吧,不過戰鬥時間拉長,持續傷害是真的會高不少,強化子彈撇除當前生命值不算的話最少也會有0.4AD的傷害加成,改版後的小丑滿值得期待。
3. 安奈特 (大改)
被動 風語
每20秒獲得【風語】效果(未消耗時提升自身15%跑速),周圍有英雄施放技能或安奈特普攻命中敵人時加快1秒獲取,並在血條下方透過能量條展示獲取進度。
友方或自身血量低於70%觸發,為3m範圍內所有英雄回復275(每升一級+25)(+0.3魔法攻擊)點生命 → 友方或自身血量低於85%觸發,為4m範圍內生命最低的兩個英雄(可包含自身)回復225(每升一級+20)(+0.6魔法攻擊)點生命
一技能 風起雲湧
手感調整:技能前搖和僵直縮短
新增機制:中心區域命中敵人時加快1秒【風語】獲取,最多生效4次
中心區域額外傷害:目標2%最大生命值 → 目標1%最大生命值
二技能 風之束縛
移除被動雙防加成
被動護盾:300/360/420/480/540/600(+0.5魔法攻擊)→ 750/900/1050/1200/1350/1500(+1.0魔法攻擊)
大絕 煦風屏障
新增機制:如果召喚煦風時範圍內有友方英雄,則可再次施放(2秒間隔時間);如果未觸發第二段則返還30%冷卻;自身在煦風內時【風語】的自然獲取速度變為5倍
移除機制:解除控制效果
範圍內友方英雄增加40%跑速和30/40/50%攻速 → 範圍內自身和友方英雄增加20%跑速和50/75/100點雙防。
施放範圍:6m → 4.5m
煦風範圍:半徑3.5m → 半徑4.25m
煦風持續時間:2.5秒 → 2秒
控制時長:1秒 → 0.75秒
技能傷害:400/600/800(+0.5魔法攻擊)→ 300/450/600(+0.5魔法攻擊)
● 改版後安奈特在保排角地位會非常高,只要大絕開啟時裡面有隊友,兩秒後就可以再使用一次大絕,而且在大絕範圍裡面會增加些微雙防跟跑速,所以要打架就在安奈特的圈圈裡打,不過要注意的是大絕施放的距離變滿短的XD
雖然被砍了一點傷害跟自保能力,但是安奈特在改版後除了大絕可以施放兩次外,他的被動補血也被改得很強,觸發頻率變很高,如果說改版前平均一分鐘只能觸發一次被動,改版後一分鐘就可以觸發至少約四到五次的被動,續航力將會大幅提升。
估計改版後安奈特會從冷凍角變成五排的 T1 輔助,這保排跟續航力太六,五排保排陣是絕對沒問題,單排還需觀望看看就是。
4. 筱清
基礎屬性
普攻僵直增加0.066秒。
普攻射程減少0.5m,強化普攻射程不變。
強化普攻最多可儲存4次,血條下方增加印記條提示。
1、2、3技能的尋敵範圍改善,使得智慧施法結果更加準確。
被動 護體真氣
強化普攻的額外物理傷害:0.4 物理攻擊 → 30(每級+5)(+0.25物理攻擊)
強化普攻的回血:120(每級+30) → 100(每級+25)
施法技能增加自身物理防禦:50(每級+10)→ 30(每級+5)
一技能 流星趕月
移動速度:17m/s → 15m/s
物理傷害:240/290/340/390/440/490(+0.85物理攻擊) → 300/375/450/525/600/675(+0.55物理攻擊)
二技能 氣震山河
新增機制:最後一段傷害對目標造成1秒50%的減速效果。
新增頭頂指示條顯示,提示第五段的傷害和減速的生效時間點。
每段物理傷害:90/108/126/144/162/180(+0.4物理攻擊)→ 120/150/180/210/240/270(+0.25物理攻擊)
每段減少目標的物理防禦:20/28/36/44/52/60 → 15/20/25/30/35/40
大絕 浩然一炁
二段觸發機制:命中單位且使其成功觸碰地形 → 命中單位即可在3秒後施放2段技能,如果目標觸碰地形,則立即刷新2段技能冷卻時間。
新增機制:大招擊退的單位,在被擊退過程中,還會對其他敵方單位造成相同的物理傷害和0.5秒擊飛。
第一段物理傷害:240/360/480(+0.6物理攻擊)→ 300/450/600(+0.45物理攻擊)
觸碰地形的物理傷害:80/120/160(+0.2物理攻擊)→ 100/150/200(+0.1物理攻擊)
第二段物理傷害:160/240/320(+0.4物理攻擊)→ 200/300/400(+0.25物理攻擊)
● 是 BUFF,傷害部分把系數降低、基礎數字調高,計算完的結果是改版前後出全輸出裝的傷害是差不多的,但如果出半坦效益會比改版前高。
最重要的是筱清改版後大絕變簡單不少!
第一個是大絕把人擊飛後會有個撞球效果,若被你擊飛的人撞到其他人,會造成同樣的傷害跟 0.5 秒擊飛
第二個是改版前必須要壁咚才可以觸發大絕第二段,但改版後只要大絕有碰到人,不用壁咚,就可以有大絕第二段效果,如果成功把敵方單位壁咚還可以立刻刷新二技能。
改版後二技能的第五段也會多一個緩速效果。
整體而言改版後的筱清強度是提升不少,容錯率也變高,但還需要實測一下改版後的團戰狀況才能判斷強度。
5. 狄拉克
二技能 元-星隕
以散射形式發射時,對手最多受到一次散射的傷害和控制。
散射的單次傷害:100/120/140/160/180/200(+0.125魔法攻擊)→ 200/240/280/320/360/400(+0.25魔法攻擊)
散射的單次控制:0.4秒 → 0.5秒
● 散射只剩下一次傷害跟控制,散射就是二技能不要丟在牆上都叫是散射,改版前狄拉克二技能散射通常能打到2~3次敵方單位,所以這樣改肯定是下修,但我估計狄拉克地位依舊不錯,依舊 T1 角。
6. 圖倫
一技能 雷電光束
單次傷害:450/510/570/630/690/750(+0.78魔法攻擊)→ 500/570/640/710/780/850(+0.75魔法攻擊)
● OK 知道了 小小小BUFF,前期多 50 貼臉多 80;後期多 100 貼臉多 160
7. 維羅
被動 212奧義
移除了被動觸發期間的降防效果
大絕 狂斧·山崩式
冷卻時間:60/55/50 秒 → 50/45/40 秒
● 改版後蹲在地板時不會被降 10% 雙防跟大絕冷卻減少 10 秒,但我估計這角色還是比較適合待在冰箱。
8. 諾可西
二技能
護盾:200/280/360/440/520/600(+10%最大生命值)→ 100/160/220/280/340/400(+8%最大生命值)
● 諾可西崛起跟愛里崛起有不少關係,現在愛里猖獗,最好拿來對付愛里的角色就是諾可西,雖然護盾被砍不少,但依舊 T1,只要對方出了愛里,就把諾可西跟呂布拿出來鞭她就對了。
9. 薇菈
一技能 夜魅鬼蝠
冷卻時間:7秒 → 6秒
二技能 色誘之術
冷卻時間:10/9.4/8.8/8.2/7.6/7 秒 → 12/11.4/10.8/10.2/9.6/9 秒
● 我這季最愛玩的角色之一就是薇菈,這改動綜合下來是 NERF,二技能多兩秒真的會很久...,一技能少一秒沒啥差,反正你大部分接技能都是 2311 為主,安全起見下一波都是要等到二技能冷卻好,多等兩秒會差挺多,再加上薇菈是一隻主點一技能的角色,等於改版後薇菈會有很長一段時間的二技能秒數都要等 12 秒。
這 nerf 算偏重,以我這季巔峰薇菈 90% 勝率以上的判斷,估計薇菈強度會從 T0.5 -> T1~T1.5
10. 愛里
被動 斬
真實傷害:150% → 136%(每升一級+1%)
大招 龍
冷卻時間:40秒 → 60/50/40 秒
● 如果沒有呂布、沒有諾可西,這角色改版後依舊無法無天,這是高端場的部分。非高端場的愛里完全不用想,就是移動大便,這角色目前不是強到要 BAN 就是弱到要 BAN,沒有中間值可言。
11. 摩恩
被動
修復技能描述中吸血時間的顯示錯誤(持續時間1秒 → 1.5秒)
一技能 戰術裝填
物理傷害:25(+0.95物理攻擊)→ 50/55/60/65/70/75(+0.7物理攻擊)
二技能 衝擊彈幕
減速效果:30% → 50%
減速時間:2秒 → 1秒
● 改版前滿裝一技能一顆子彈暴擊傷害約為 1,650,改版後暴擊剩下 1,330,兩顆子彈會少 640 傷害,約莫少了 20% 傷害。
改版前摩恩勝率霸榜滿久了,這波會從神壇上跌落~~不過估計還是有個 T1。
12. 查戈納爾
大招 水域結界
修復了開啟時使友方提升20%跑速,持續1秒的效果失效的問題。
● OK
13. 洛里昂
被動 永續
修復了電磁球在體外放電偏快的問題(0.5秒攻擊一次 → 0.75秒攻擊一次)
● 小 nerf,依然堪用。
14. 卡莉
大絕 靈魂脈衝
調整了大招的指示器,使得其與實際傷害範圍更加相符
● 白話文就是改版後卡莉大絕會短一點點點點點點點點點點點點點,朕知道了。
15. 納克羅斯
二技能 幽冥鬼步
調整了指示器半徑(4m)和實際位移距離(6m)不相符的問題
大絕 幽冥亂舞
修復大招結束後免控還短暫存在的問題
修復身後存在過大判定範圍的問題
修復最後轉身時判定也會跟隨轉動的問題
判定寬度:+1.5m
● 白話文:改版後二技能少了 1/3 的位移距離,大絕看起來會改掉刷的到身後 1.5 個身位這部分。
16. 潘因
大絕 謝幕
修復了在落地位置會多造成50%魔法傷害的問題。
修復了沿途傷害比例略高於50%魔法傷害的問題。
● 依舊是可以用的 T1 打野角。
17. 緋淚
一技能 刺骨
減速比例:30/34/38/42/46/50% → 50%
二技能 纏魂
減速比例:30/34/38/42/46/50% → 50%
大絕 奪命
位移速度:37.5m/s → 25m/s
後搖時間:-0.2 秒
命中判定時間提前 0.133秒
● 大絕改動的白話文為:
落地速度變慢
落地後的僵直時間少了 0.2 秒
大絕的傷害會更快出來 (話說 原本不是就很快了嗎??
18. 莫拉
被動 裂隙
滿層前的印記持續時間:3秒 → 5秒
一技能 破空之刺
修復殘影特效和實際位置存在小幅偏差的問題。
魔力消耗:80/90/100/110/120/130 → 60/70/80/90/100/110
● 一技能殘影的那部分沒啥差,被動印記持續時間變長到 5 秒可以更好疊四層,但我估計目前在打野位依舊稍弱 T2 。
19. 亥犽
一技能 驟雨
修復了受到控制時子彈沒有被正常中斷的問題。
● 這個問題從亥犽剛出就存在了,大概存在了三年有了吧,你不說我還以為是你官方就是想要這樣子的設定XD
20. 蘿兒
一技能 聖光之痕
僵直時間:-0.066 秒
● 蘿兒這角色的僵直時間動之毫釐,差之千里。改版後需要實測看看一技能少這 0.066 秒會差多少。
21. 齊爾
一技能 風刃
修復了技能最遠處只能造成一段傷害的問題。
調整了技能指示器的範圍,使其與實際射程更加相符。
● OK
22. 蘇離
一技能 血.瞬隱
強化普攻:位移至敵人身後 → 位移至敵人身前
● 追擊能力下降,這是 Neil 惹的禍,請寄他刀片。
23. 科里納卡
一技能 恐怖蟲災
僵直時間:-0.066秒
二技能 邪惡觸角
僵直時間:-0.133秒
位移速度:15m/s → 20m/s
大絕 暴怒飛蝗
二段位移:增加0.2秒前搖
● 一二技能變順了,二技能還變快了,但大絕第二段會卡一下才跳出去,呃....不明所以的改動。
24. 史蘭茲
二技能 活力之躍
位移速度:10m/s → 15m/s
僵直時間:-0.133秒
調整機制:無法再透過緩存施放移除一技能的前搖
● 乍看之下裸丟二是 BUFF 但 一接二 或 二接一 時會卡一技能的前搖一下,總結算 nerf,沒想到兔子還會被 nerf。
25. 弗洛倫
一技能 落英
修復提前打斷施法可能導致花朵位置錯誤的問題
二技能 拂花/拂塵/拂心
修復一段減速比例會隨等級成長的問題
● 差異不大。
26. 趙雲
一技能 龍血啟動
加速比例:80% → 50%
加速時間:2秒 → 3秒
二技能 龍戰於野
攻速加成:100/120/140/160/180/200 % → 200%
大絕 龍王之怒
僵直時間:-0.133秒
落點位置:目標身前 → 目標位置
● 身為塔哥麻吉,我對趙雲目前的理解度肯定高,容我分析一下。
首先一技能的改動對很會抓進場時間的老趙來講是 nerf,速度越快越能出奇不意的貼上,但講究進場時機的掌握度,對進場掌握度不好的人會是 buff。
二技能攻速加成影響最大的是前期吃野速度以及前期碰撞強度,趙雲在打野角裡前期算吃野慢的一隻角色,而這次改動後趙雲前期吃野速度估計從慢->偏慢,跟其他打野角比起來,前期的碰撞能力仍偏弱。
大絕改成目標位置等同於位移距離變遠、追擊能力變強。
很遺憾,對於這次的改動,我判斷趙雲依舊是虐菜角,要打 SS 場或巔峰前百還是有點勉強,S以下的場出趙雲完全可以唷。
27. 塔拉
大招 鋼筋鐵骨
持續時長:6/7/8 秒 → 5/6/7 秒
每秒生命恢復:6% → 8%
● 些微改強,塔拉依舊是一隻要看陣容出的角色,平常 T2,陣容對了可以 T0。
28. 依夏
一技能 夢中菇
移除:強化1技能的蘑菇在2.5秒後爆炸造成範圍魔法傷害
新增:強化1技能造成額外20%的魔法傷害(相比於普通一技能而言)
二技能 夢中引
移除:2技能擊飛落地後0.5秒的30%減速效果
大絕 夢裡尋花
新增:觸碰結界邊緣時,會受到持續2秒50%的減速效果
● 一技能蘑菇要等 2.5 秒爆炸後才有傷害,在實戰中不容易觸發到這個爆炸傷害,改版後改成額外 20% 算滿不錯的改動,讓傷害量穩定。
改版前大絕最大的問題是太容易逃脫,很難真的關到人,改版後大絕一樣很好逃脫,但是容易觸發到兩秒的 50% 緩速效果。
改版後依夏估計還是偏弱,但當對方機動性極差的時候可以拿來玩玩。
29. 卡瑞茲
調整了2技能的施法手感,現在開啟2技能瞬間,不再有短暫的卡頓。
● 這隻我也滿期待的,二技能沒有前搖會變得好開戰非常多,估計從冰凍青蛙變 T1 青蛙。
30. 朗博
普攻射程增加 0.5m
● 不好意思 所以 呃...你是想當 AD 嗎
【其他機制優化】
1. 能量機制調整
對於施放技能消耗能量,且能量自動回復的英雄,我們改善了基底的能量回復運算機制,讓能量回復的時機更合理。將影響到的英雄有:亥犽,潘因,拉茲,弗洛倫
改動前:
隨時都在回復能量,每隔一段時間回復一定的能量。
改動後:
能量不滿時才開始回復能量,每隔一段時間回復一定的能量。
● 簡單來講就是小小小下修,少了有機率突然多回一點點點點點點能量的小確幸,這些能量角主要回能量的手段還是靠技能組為主,改版後少的那個根本沒差喇,那個一點點真的是只有一點點點點點點點點點。
-
#養鴿 #傳說對決 #改版懶人包
#20210420改版懶人包
#五五好團結
#大廳音樂終於換了
#屏幕邊緣指示附近敵方英雄位置必開
#五排封塔很有戲
#司科德重製後要點智力
#小丑有五發強化子彈
#安奈特大絕撞兩次
#卡瑞茲估計會解凍到T1
-
【斂財區】
五五好團結 (下) 四隻重點英雄改動篇 http://180yog.piee.pw/3dz37a
五五好團結 (上) 非英雄改動篇 http://180yog.piee.pw/3etzav
每周一晚上八點準時發佈傳說片
「邊緣運算缺點」的推薦目錄:
- 關於邊緣運算缺點 在 養鴿 180YoG Facebook 的最佳貼文
- 關於邊緣運算缺點 在 iThome Facebook 的精選貼文
- 關於邊緣運算缺點 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於邊緣運算缺點 在 霧運算所採取的架構更為分散式,更接近網路邊緣 - Facebook 的評價
- 關於邊緣運算缺點 在 雲端運算缺點的推薦,PTT、DCARD和網路上有這些評價 的評價
- 關於邊緣運算缺點 在 雲端運算缺點的推薦,PTT、DCARD和網路上有這些評價 的評價
- 關於邊緣運算缺點 在 邊緣計算應用 :: 全台大學開課課程資訊網 的評價
- 關於邊緣運算缺點 在 60秒看懂邊緣運算Edge Computing - YouTube 的評價
- 關於邊緣運算缺點 在 2023手機推薦ptt》9款萬元以下平價android手機推薦看這篇! 的評價
邊緣運算缺點 在 iThome Facebook 的精選貼文
搶搭新技術或新架構浪潮,雖然可以更快感受到新技術的好處,但也可能很容易就會跌一跤。例如,愛料理採用微服務架構之後,技術長李致緯發現不同的微服務雖然可以各自擴充,各自有自己的部署周期,但缺點是服務復原(Service Recovery)難度很高,以及內部API控管不易
https://www.ithome.com.tw/people/143598
-------------------------------------------------------
◤ 最具指標年度盛事.CYBERSEC 2021 臺灣資安大會 ◢
2,300+ 家企業指定造訪、臺灣唯一超規格資安展會
掌握趨勢、諮詢專家,尋求資安解方的第一首選!
🔴 馬上報名 https://r.itho.me/register
🟢 邀請好友抽 AirPods Pro https://r.itho.me/share
★ 全方位主題論壇 200+ 場專業演說 👑
★ 破 200+ 品牌參展 歷年最大資安展覽 ⛹
★ 佳評如潮 CyberLAB 實機攻防演練 🏆
★ 獨門 CYBERSEC Playground 資安體驗區 🃏
★ 臺灣資安館 看見 MIT 自主研發實力 👊
★ CyberTalent Connect 資安新鮮人才專區 🙋
★ 票選最受歡迎 Tech Demo Award 拿大獎 📣
… and more!
🔵 鎖定大會動態 https://r.itho.me/CYBERSEC_2021
🔴 免費參加 https://r.itho.me/signup
________________________________
CYBERSEC 2021 臺灣資安大會
時間:5 月 4 - 6 日
地點:臺北南港展覽二館
#TRUST_redefined #信任重構
#CYBERSEC2021 #2021臺灣資安大會
#CYBERSECEXPO #臺灣資安大展 #資安 #iThomeSecurity
邊緣運算缺點 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
邊緣運算缺點 在 邊緣計算應用 :: 全台大學開課課程資訊網 的推薦與評價
全台大學開課課程資訊網,邊緣運算實例,邊緣計算實作,邊緣運算優點,邊緣運算雲端運算比較,edge computing應用,邊緣運算產品,邊緣運算缺點,邊緣運算公司. ... <看更多>
邊緣運算缺點 在 60秒看懂邊緣運算Edge Computing - YouTube 的推薦與評價
邊緣運算 (Edge Computing)是一種網路運算架構,運算過程盡可能靠近資料來源以減少延遲和頻寬使用,減少集中遠端位置(資料中心)中執行的運算量。 ... <看更多>
邊緣運算缺點 在 霧運算所採取的架構更為分散式,更接近網路邊緣 - Facebook 的推薦與評價
霧運算》 「霧運算」(Fog Computing)這個概念由思科(Cisco)首創,到了2015 年11 月,ARM、戴爾、 ... 要理解霧運算的意義,我們首先要知道雲端運算的優勢與缺點。 ... <看更多>