邊緣AI應用仍集中於消費性市場，未來發展在邊緣與雲端之結合
https://bit.ly/2xk21l0
數據驅動的體驗是豐富，沉浸式也具備即時的特性，但是卻不能滿足低延遲的要求，尤其
是需要快速反應的應用（例如：自動駕駛）。畢竟，往返於雲端中的數據，來回時間太長
，一旦需要即使反應數據所帶來的價值時，其無法承受幾秒甚至十分之一秒的處理時間，
這時候在硬體設備的邊緣運算就變得相當重要。
現今許多裝置具備邊緣運算能力，包含：智慧型手機，相機，無人機等，都因為內建AI晶
片而能夠迅速處理即時事務。
根據Deloitte預估，幾年前還處於＂零＂營收的邊緣AI晶片，於2020年將超越25億美元，
而且未來幾年的成長率將達20%。其中，消費性市場將佔據邊緣AI晶片市場比例達90%，至
於採用邊緣AI產品的企業，包含：工業物聯網、零售、醫療保健與製造業等。
如果以出貨量來看，2020年內建邊緣AI晶片的智慧型手機出貨量可達5億支，平板電腦達
7500萬台，智慧音箱達7500萬台，穿戴式裝置達5000萬台，企業用邊緣產品也達5000萬台
。預計2024年全球內建邊緣AI晶片的智慧型手機將達10億支，平板電腦達1億台內，智慧
音箱可達1.5億台，穿戴式裝置達1億台，企業用邊緣產品更可達2.5億台。
麥肯錫的報告指出，隨著AI技術的不斷成長，前幾年企業將焦點都放在軟體的投資上，可
是隨著邊緣AI的崛起，硬體又將重新成為流行的焦點。也由於內建邊緣AI的硬體崛起，使
得去中心化運算架構又重新流行，畢竟，集中式架構涉及延遲和數據安全性問題。
不過，許多專家認為，即使發展趨勢往邊緣運算前進，但是未來的發展趨勢應該是邊緣AI
成為現有雲端運算架構的補充架構。也就是說，雲端中的AI可以與邊緣的AI協同工作。例
如：像特斯拉製造的AI電動車。雖然在車輛行駛時，是依賴邊緣AI對即時行車路況進行即
時決策，例如煞車，轉向和換車道等。但是當電動車回到家中，並連接到Wi-Fi網路時，
會將數據將上傳到雲端中，進一步訓練機器演算法。這就是一種正面循環的模式。
未來可以看到的發展是，AI邊緣晶片市場仍會不斷進步，進而強化硬體產品的功能。再配
合著與雲端AI以及機器學習的技術，未來無論是消費與企業市場都將因為這些變化而受惠
。