分散式Edge-Cloud架构推动AI边缘运算发展，台厂积极布局

据业者透露，随着分散式Edge-Cloud架构逐步成熟，多样化的应用创新将不断涌现，为移动设备、信息装置以及穿戴设备带来新的换机需求。与此同时，生成式AI应用在终端设备中的普及，也促使AI运算架构中的数据处理方式发生显著调整。

虽然多数AI模型仍在云端完成训练后部署至终端设备，但为了提升效率并降低延迟，越来越多的设备开始在本地端进行推论运算。这一过程通常依赖嵌入式运算架构，如CPU、NPU以及微控制器等完成AI处理任务。对此，中国台湾地区业者已做好充分准备，积极布局相关领域。

业者指出，分散式Edge-Cloud架构的成型，将使地端与云端的分工更加明确且协同。例如，在穿戴设备领域，手势识别与情境感知等对延迟敏感的功能，预计将逐步转移至边缘端处理；而健康监测等对延迟要求较低的功能，则可继续由云端完成。类似地，在自动驾驶和智能制造领域，实时性要求较高的功能，如障碍物避让、生产线视觉检测等，也将更多依赖边缘端运算，以避免云端延迟带来的影响。

市场研究机构Counterpoint Research预测，到2032年，消费性穿戴设备的年复合增长率将达到近10%，而支持Edge AI运算的穿戴设备增长率更将高达21%左右。这一趋势不仅推动了新应用的百花齐放，也促使供应链端加速布局。

在芯片领域，高通与联发科已推出整合NPU的平台方案，专注于Edge AI应用；奇景光电则推出影像处理专用AI芯片，希望抢占边缘端市场。此外，联咏与瑞昱的影像与音讯芯片也已加入AI推论功能。MCU厂商也不甘落后，纷纷导入轻量化AI推论功能，结合低功耗设计，支持边缘端的简单AI应用。

随着CSP业者逐步完善分散式Edge-Cloud架构，芯片、传感、低功耗等解决方案日益成熟，中国台湾地区厂商在边缘端设备的生产与开发上已占据有利位置。一旦品牌商推出新品并带动市场需求，台厂将能够迅速响应，抓住这一庞大商机，为下一波营运增长奠定基础。