3S Market 整理
Edge AI（邊緣人工智慧）這幾年會突然爆發，核心原因其實很簡單：
以前 AI 幾乎都在雲端跑。現在很多場域發現：
- 網路延遲太慢
- 雲端費用太高
- 隱私不能上傳
- 即時反應不夠
- 大量影像/感測資料傳不上去
所以 AI 開始往「設備端」移動。
這也是為什麼現在很多產業會從：Cloud AI 走向 Edge AI + Cloud AI 混合架構。
Edge AI 是什麼？
簡單說：把 AI 推論能力（Inference）直接放到：攝影機、AI Box、IPC(工業用電腦)、機器人、車輛（或說車載）、IoT Gateway、工控設備。
讓設備本身就能即時判斷與決策。
例如：不是把監視器畫面全部傳回雲端辨識。而是攝影機自己就知道：有人跌倒、有煙火、有入侵、有車牌、有異常行為、有設備故障，只回傳「事件」。這就是 Edge AI。
Edge AI 主要應用領域
1. 智慧安控（目前最大市場）
這是最成熟也最普及的場域。
應用：
- 人流分析
- 車牌辨識（LPR）
- 周界防護
- 入侵偵測
- 異常行為分析
- PPE 辨識
- 火焰煙霧辨識
- 無人值守
- 黑白名單
- 事件搜尋
- Metadata 搜尋
典型架構：IP Camera → Edge AI → VMS → Dashboard
代表設備：AI Camera、AI NVR、AI Box、Edge VMS
2. 智慧製造
現在工廠導入速度非常快。因為：缺工 + 品質要求 + ESG + 生產追溯。
主要應用：
- AOI 瑕疵檢測
- 機械手臂視覺
- 生產異常分析
- 設備預測維護
- 危險區域警報
- AGV/AMR 導航
- 作業流程監控
這類需求非常依賴：低延遲（Low Latency），所以很多 AI 必須在 Edge 端完成。
3. 智慧交通
Edge AI 在交通幾乎是必要技術，因為車流資料量太大。
主要應用：
- 車牌辨識
- 違停偵測
- 車流分析
- 事故偵測
- 智慧號誌
- 高速公路事件分析
- 路口 AI 執法
- 車道偏移
- 軌道異常
典型場域：
- 高速公路
- 車站
- 機場
- 港口
- 智慧停車場
4. 零售與商業空間
AI 已開始從 Security 變成：ESG Operation。
主要應用：
- People Counting
- 熱區分析
- 顧客動線
- 排隊管理
- 商品缺貨
- 冷櫃監控
- 無人商店
- VIP 辨識
- 防竊分析
很多大型零售已經：Edge AI + POS + BI Dashboard 整合。
5. 醫院與長照
這塊成長很快，因為高齡化。
主要應用：
- 跌倒偵測
- 離床警示
- 病患追蹤
- RTLS
- 感控監測
- 危險行為
- 急診暴力預警
- 無接觸照護
醫療很重視：隱私與低延遲，所以很多 AI 不適合全部上雲。
6. 智慧城市
城市等級會整合：AI、IoT、Edge、Cloud、GIS、大數據 ……
主要應用：
- 路口事件
- 環境監測
- 淹水
- 垃圾滿溢
- 公安事件
- 能源管理
- 智慧路燈
- 空污分析
7. 自動化物流與倉儲
Edge AI 幾乎是核心。
主要應用：
- AMR 導航
- 棧板辨識
- 包裹追蹤
- 車牌辨識
- 危險區警示
- 無人倉
- 自動盤點
8. 車載與移動設備
這是未來超大市場。包括：ADAS、自駕車、車內監控、駕駛疲勞、車隊管理、行車安全。
因為：車輛不能等雲端回應，所以 AI 必須 Edge 化。
Edge AI 系統基本組成
典型會分成七層。
第一層：感測層（Data Capture）
負責蒐集資料。
包括：IP Camera、Thermal Camera、LiDAR、Radar、Microphone、IoT Sensor、PLC、RFID、GPS ……
這是資料來源。
第二層：Edge Device（核心）
這是 Edge AI 最重要部分。
設備：
- AI Camera
- AI Box
- IPC
- GPU Box
- Edge Server
- Jetson 平台
- ARM SoC
功能：
- AI 推論
- Metadata 生成
- 即時事件判斷
- 本地分析
常見平台：NVIDIA Jetson、Hailo、Qualcomm、Intel OpenVINO、Ambarella、Rockchip、MediaTek，在這兩年的 computex 上還可以看到 Keron(耐能)、DeepX、Realtek、SiMa ……
第三層：AI Model Layer
AI 模型本身。包括：YOLO、CNN、Transformer、OCR、LPR、Face Recognition、Pose Estimation
流程：Training（雲端）→ Deployment（Edge）
現在很多公司：雲端訓練、Edge 推論。
第四層：Edge Middleware
這層很多人忽略，但非常重要。其功能類似 IoT Gateway + 小型邊緣伺服器+邊緣運算作業平台。
功能：
- Device Management
- Message Queue
- Container
- OTA 更新
- API 整合
- Event Bus
- Protocol Conversion
常見：
- Docker
- Kubernetes K3s
- MQTT
- Kafka
- Node-RED
第五層：Network Layer，即連線層。
包括：
- Ethernet
- PoE
- Wi-Fi
- 5G
- LPWAN
- Fiber
現在 5G + Edge AI 是重要組合。
第六層：Platform / VMS / Dashboard 管理平台。
包括：
- VMS
- PSIM
- AI Dashboard
- BI
- GIS
- Event Center
功能：視覺化、事件管理、搜尋、報表、ESG Dashboard
第七層：Cloud / Data Center
不是消失，而是角色改變。
現在雲端更偏向：
- 模型訓練
- 大數據分析
- 多站管理
- 長期儲存
- SaaS
- AI 再訓練
所以未來不是：Cloud vs. Edge，而是 Cloud + Edge 協同架構。
未來 Edge AI 的幾個大方向
1. AI Camera 化
很多 AI 開始直接進攝影機，不再需要大型 Server。
2. Small Language Model（SLM）
小型 AI 模型開始跑在 Edge，未來本地 AI Agent 可能直接在設備端運作。
3. AI + IoT + Robotics 整合
Edge AI 會成為：機器人與自動化的大腦。
4. ESG Operation Center
未來 AI 不只是安控，而是整個營運管理平台。
包括：能源、人流、安全、環境、碳排、維運
一句話總結
Edge AI 真正的本質：不是「把 AI 放到設備」，而是讓場域具備「即時理解與即時反應能力」。
這也是下一代：智慧空間、智慧工廠、智慧城市、智慧交通、智慧營運中心最核心的底層架構。
Cloud ＋ Edge AI + Surveillance 連結、融合與整合，將是未來 AI 產業的主要商業行為。
0 comments:
張貼留言