★ AI Box 怎麼選、怎麼用，最需要 AI Box 的場域有哪些

3S Market 整理

直接用實戰視角 + 產業邏輯講清楚。

一、先講白話：AI Box 是什麼？

👉 一句話版本：

AI Box = 把「普通攝影機」變成「會思考的攝影機」的中樞

它本質就是一台「邊緣 AI 電腦」，負責把影像變成可用數據（而不是只是錄影）

典型架構你應該很熟：

Camera → AI Box → VMS / 系統 / API

它做的事：

人 / 車 / 物辨識
行為分析（跌倒、徘徊、打架）
車牌辨識（LPR）
PPE / 安全檢測
人流 / 商業分析

👉 重點不是「看」，而是「判斷 + 產出事件」

二、AI Box 怎麼選（這才是重點）

整理成採購決策 5 大核心維度（比規格更重要）

1️⃣ 算力（TOPS）≠ 重點，關鍵是「每路算力」

很多人看 TOPS 會踩坑

👉 正確看法：

類型	TOPS	建議攝影機數
入門	4–8 TOPS	1–4 路
中階	8–16 TOPS	4–16 路
高階	32+ TOPS	32 路以上

👉 但更重要的是：

每路是否能跑多模型（人+車+行為）
是否支援多串流解析

👉 結論：

👉 ❌ 不要只看 TOPS

👉 ✅ 要看「實際可跑幾路 × 幾種 AI」

2️⃣ 晶片架構（這決定你未來生死）

目前市場 4 大派系：

A. NVIDIA（Jetson）

最強 AI 生態
適合：高階專案 / 複雜模型

B. Intel（OpenVINO）

IT / 工業系統最友善
適合：企業 / 工廠 / AOI

C. ARM / MediaTek / Rockchip

低成本 / 低功耗
適合：門禁 / retail / 分散部署

D. Hailo / ASIC NPU

高效率 / 低功耗
適合：大量部署場域

👉 結論一句話：

👉 選 AI Box，其實是在選「AI 生態系」

3️⃣ AI 能力（這才是真正的產品）

硬體只是殼

👉 真正價值在：

有沒有 現成模型
有沒有 可訓練能力
有沒有 場域方案

要問三件事：

能不能做人臉 + LPR + 行為同時跑？
模型可不可以客製？
有沒有實際案例？

👉 沒 AI 能力 = 工業電腦而已

4️⃣ 系統整合能力

👉 AI Box 一定要：

能整合 VMS（Milestone / Genetec / 自家）
能輸出 API
能串門禁 / POS / ERP

👉 否則只是「孤島 AI」

5️⃣ 工業規格（很多人忽略）

AI Box 很常放在：

戶外
工地
機房
車上

要看：

溫度（-20~60°C）
無風扇設計
抗震 / 防塵
PoE / IO

👉 這點 IPC 廠商會贏安控廠

三、AI Box 怎麼用（解決方案視角）

一個重要邏輯：

👉 AI Box =「AI 決策引擎」

基本三種用法

1️⃣ 補 AI（最主流）

👉 舊攝影機升級

既有 Camera → AI Box → AI 系統

✔ 成本最低 ✔ 市場最大

2️⃣ AI 中樞（你在做的解決方案）

Camera → AI Box → VMS → BI / API

👉 AI Box = 多系統橋樑

3️⃣ 邊緣決策（進階）

Camera → AI Box → 直接控制設備

例如：

偵測闖入 → 開燈 / 警報
偵測人流 → 調整人力

👉 這才是「營運智慧」

四、最需要 AI Box 的場域（這是關鍵）

用「為什麼需要 AI Box」來分類

🟥 第一類：大量既有攝影機（最大市場）

場域：社區、校園、工廠、商辦

原因：

👉 不可能全部換 AI Camera

👉 用 AI Box 最划算

🟧 第二類：需要「即時反應」

場域：交通、工地、製造產線

因為：

👉 雲端太慢（延遲問題）

🟨 第三類：隱私敏感場域

場域：醫院、辦公室、金融

因為：

👉 資料不能上雲（edge AI）

🟩 第四類：多攝影機集中分析

場域：機場、車站、商場、智慧城市

👉 AI Camera 不可能每支都很強

👉 AI Box 做集中推論

🟦 第五類：營運導向

場域：零售、物流、停車場

👉 AI Box 才能做：

人流分析
熱區分析
KPI 轉換

五、你這題最關鍵的一句話

👉 AI Box 不是設備，是「解決方案的起點」

如果用 SIQ 金字塔：

🧠 在 SIQ 裡的位置：

L1–L2：沒有 AI Box
L3：AI Box 開始產生數據
L4：AI Box × VMS × BI（營運）
L5：AI Box × 自動化（自主決策）

六、產業判斷（重點）

這句很關鍵，你應該會認同：

👉 未來不是 AI Camera vs AI Box

而是：

👉 AI Camera（分散） + AI Box（集中） + VMS（平台）

🔷 AI Box × VMS × AI Camera

完整拓撲圖（專業版）

核心架構（文字拓撲圖）

【感知層 Perception Layer】

├─ AI Camera（內建AI）

├─ IP Camera（非AI）

├─ 多光譜攝影機（熱成像 / ToF / LiDAR）

└─ IoT Sensor（門禁 / PIR / 雷達）

↓（RTSP / ONVIF / SDK）

【邊緣AI層 Edge AI Layer】

├─ AI Box（核心）

│ ├─ 多路影像解碼

│ ├─ AI模型推論（人 / 車 / 行為）

│ ├─ 多模型協同（Re-ID / Tracking）

│ ├─ 事件判斷（Event Engine）

│ └─ 邊緣決策（即時反應）

│

├─ AI Camera（分散AI）

│ └─ 基礎辨識（人車分類 / motion）

↓（Metadata / Event）

【平台層 Platform Layer】

├─ VMS（核心中樞）

│ ├─ 影像管理（錄影 / 回放）

│ ├─ 事件管理（Event correlation）

│ ├─ 視覺化（E-map / Dashboard）

│ ├─ 多系統整合（門禁 / 警報）

│ └─ API / SDK

│

├─ AI平台（選配）

│ ├─ 模型管理（Model lifecycle）

│ ├─ AI訓練（Training）

│ └─ AI orchestration

↓（API / Data）

【應用層 Application Layer】

├─ 安防（入侵 / 徘徊 / 打架）

├─ 營運（人流 / 熱區 / KPI）

├─ 工業（安全帽 / PPE / AOI）

├─ 交通（LPR / 車流）

└─ 自動化（IoT 控制）

↓

【企業系統 Enterprise Layer】

├─ ERP / MES

├─ POS / CRM

├─ BI / Data Lake

└─ Cloud / VSaaS

七、台灣 AI Box 市場三大陣營

1. IPC / 工業電腦陣營：硬體平台供應者

代表類型：

類型	代表公司	核心能力	市場角色
工業電腦 / Edge AI Box	研華、凌華、威強電、樺漢、艾訊、Portwell、NEXCOM、Vecow	工規硬體、邊緣運算、散熱、擴充、長供貨	AI Box 底層平台
AI Server / Edge Server	廣達、緯創、鴻海、英業達等	高階 GPU / AI server 製造	大型場域、雲邊協同
儲存 / NVR / NAS	QNAP、Synology 等	影像儲存、AI NVR、監控平台整合	中小型智慧監控升級

這一派的優勢是硬體穩定、量產能力強、工業應用熟。例如凌華近年強調 Edge AI 解決方案，研華也被視為台灣工業電腦與邊緣 AI 代表廠商；2025 年台北國際自動化展相關活動也列出研華、凌華、NEXCOM、Vecow 等 IPC/Edge AI 相關公司。

但他們的弱點是：不一定懂安控場域，不一定有影像事件邏輯，不一定會包成安控解決方案。

2. 安控陣營：場域與影像系統掌握者

代表類型：

類型	代表公司	核心能力	市場角色
攝影機 / NVR / VMS	晶睿、奇偶、利凌、勝品、ACTi、聯發光電、迪維科 Spark 等	Camera、NVR、VMS、影像管理、通路	AI Box 應用封裝者
VMS / CMS / AI VMS	奇偶、利凌、晶睿、迪維科、ACTi 等	影像整合、事件管理、錄影回放、告警	AI Box 事件入口
安控 SI / 工程商	系統整合商、弱電工程、保全中控業者	場域施工、維運、客戶關係	AI Box 落地者

這一派的優勢是懂攝影機、懂場域、懂客戶問題，也握有通路與既有案場。例如 Spark 迪維科 2025 CES 展出的 AI VMS Mini 主打 16 路監控、人車物件偵測、密度、逗留、車牌、煙霧與火焰偵測等，定位就是中小型場域的 AI 監控一站式方案。

奇偶近期也持續推 AI 雲端安防與 SI 合作，降低中小企業導入門檻，並延伸到保全中控服務。

但安控陣營的弱點是：硬體算力平台不一定強，AI 模型泛化能力也不一定足夠。

3. AI 公司陣營：演算法與模型供應者

代表類型：

類型	核心能力	適合切入
影像辨識 AI 公司	人車物偵測、行為分析、PPE、跌倒、火煙、LPR	安控、工安、交通、零售
交通 AI 公司	車流、車牌、違規、事件偵測	智慧交通、停車場、公共工程
工業 AI 公司	AOI、瑕疵檢測、PPE、危險區域偵測	工廠、倉儲、半導體、物流
生成式 AI / 多模態 AI 公司	影像語意搜尋、事件摘要、自然語言查詢	VMS 升級、智慧營運平台

這一派的價值在於把影像變成資料、事件、判斷與 KPI。有媒體報導 2025 年安控市場趨勢也指出，AI 技術正從客製化走向標準化，IP Camera、AI Box 等輕量載體會承載更大運算能力，新的供應鏈可能在近一兩年形成，而這些也在 Computex 2026 得到印證。

但 AI 公司最大問題是：沒有通路、沒有場域施工能力、沒有 VMS 入口，單賣模型很難規模化。

八、台灣 AI Box 市場結構圖

【晶片 / 模組層】

NVIDIA / Intel / Qualcomm / Hailo / Ambarella

│

▼

【IPC 硬體平台層】

研華 / 凌華 / 威強電 / 艾訊 / Portwell / NEXCOM / Vecow

│

提供：Edge AI Box / 工業電腦 / GPU Box

│

┌─────────────────┼─────────────────┐

▼ ▼ ▼

【安控系統層】【AI 演算法層】【SI 工程層】

Camera / VMS / NVR 人車物 / LPR / PPE 弱電 / 保全 / 系統整合

晶睿 / 奇偶 / 利凌 AI 公司 / 交通AI SI / 工程商 / 保全公司

勝品 / ACTi / Spark 工業AI / 影像AI

│ │ │

└─────────────────┼─────────────────┘

▼

【場域解決方案層】

工地 / 工廠 / 校園 / 社區 / 零售 / 交通 / 醫院 / 物流

│

▼

【營運平台層】

VMS / BI / API / 雲端 / VSaaS / 保全中控

九、AI Box 選型核心決策矩陣（最重要）

決策面向	評估重點	選型指標	建議等級
🎯 場域類型	安控 / 營運 / 工業 / 交通	決定 AI 類型	⭐⭐⭐⭐⭐
📷 攝影機數量	幾路影像	直接決定算力	⭐⭐⭐⭐⭐
🧠 AI 任務類型	偵測 / 辨識 / 行為 / LPR	決定模型複雜度	⭐⭐⭐⭐⭐
⚡ 即時性需求	是否要即時反應	Edge 必要性	⭐⭐⭐⭐
🔗 系統整合	VMS / 門禁 / ERP	API / SDK	⭐⭐⭐⭐⭐
🌡️ 環境條件	室內 / 戶外 / 高溫	工規需求	⭐⭐⭐
🔒 資安需求	NDAA / on-prem	避免上雲	⭐⭐⭐⭐
💰 預算模式	CAPEX / OPEX	決定架構	⭐⭐⭐

算力與攝影機數量對照（最實用）

👉 這張是採購最常用

AI Box 等級	TOPS	攝影機數	AI 任務能力
🟢 入門型	4–8	1–4 路	人 / 車 / motion
🟡 中階型	8–16	4–16 路	人車 + 基本行為
🟠 進階型	16–32	16–32 路	行為分析 / LPR
🔴 高階型	32–100+	32–100 路	複雜AI / 多模型
🟣 超高階	100	100+ 路	城市級 / 中央分析

⚠️ 重點提醒：

👉 不是看 TOPS，而是看「每路能跑幾種 AI」

AI 任務 × 選型對照表（關鍵）

AI 任務	複雜度	建議 AI Box
人 / 車偵測	⭐	入門即可
人臉辨識	⭐⭐⭐	中階以上
車牌辨識（LPR）	⭐⭐⭐	中高階
跌倒 / 打架 / 徘徊	⭐⭐⭐⭐	高階
PPE（安全帽）	⭐⭐⭐	中階
AOI / 瑕疵檢測	⭐⭐⭐⭐	高階 / IPC
人流 / 熱區分析	⭐⭐	中階
跨鏡頭追蹤（Re-ID）	⭐⭐⭐⭐⭐	高階以上

晶片選型（實戰版）

架構	特性	適用
NVIDIA Jetson	AI最強、生態完整	高階 / 城市 / 研發
Intel（OpenVINO）	工業整合佳	工廠 / AOI
ARM / Rockchip	低成本	門禁 / 零售
Hailo / ASIC	高效率	大量部署

一句話：

👉 選 AI Box = 選 AI 生態系

VMS / 系統整合能力

能力	必要性
ONVIF / RTSP	必備
VMS 整合（Milestone / Genetec 等）	必備
API / SDK	必備
門禁 / IoT 串接	高建議
BI / Dashboard	加分

👉 ❌ 沒 API = 不可用

👉 ❌ 不支援 VMS = 直接淘汰

工規與部署條件

條件	建議
戶外	-20~60°C
工地	無風扇 / 防塵
車載	抗震
PoE	建議支援
DIN Rail	工業場域

場域快速選型（這張最實用🔥）

場域	核心問題	AI任務	攝影機規模	建議算力（TOPS）	AI Box 等級	架構建議	系統整合	關鍵效益（KPI）
🟥 工地	工安事故 / 違規	PPE / 安全帽 / 跌倒 / 危險區	8–32	16–32	🟠 進階型	Edge AI（即時反應）	警報 / 廣播 / IoT	降低事故率、保險成本
🟧 工廠	工安 + 產線異常	PPE / 區域入侵 / AOI	16–64	32	🔴 高階型	Edge + 系統整合	MES / SCADA	提升良率、降低停機
🟨 校園	安全事件	陌生人 / 打架 / 夜間入侵	16–64	8–16	🟡 中階型	AI Box + VMS	校安中心 / 門禁	降低事件反應時間
🟩 社區	既有監控升級	人車辨識 / 基本行為	4–16	4–8	🟢 入門型	AI Box 升級舊系統	門禁 / 對講機	提升安全感、減少誤報
🟦 零售	營運效率	人流 / 熱區 / 排隊	8–32	8–16	🟡 中階型	Edge + BI	POS / CRM	提升轉換率、客單價
🟪 停車場	車流管理	LPR / 車位 / 逆向	8–32	16–32	🟠 進階型	Edge AI	收費 / 柵欄機	提升周轉率、收益
⬛ 交通	即時事件	車流 / 事故 / 違規	32–100	32–100+	🔴 高階型	Edge + Cloud	交通中心	降低事故、提升效率
🟫 醫院 / 長照	人員安全	跌倒 / 徘徊 / 禁區	16–64	16–32	🟠 進階型	Edge AI	HIS / 門禁	降低醫療風險
🟨 物流倉儲	人車混流	叉車 / 區域安全	16–64	16–32	🟠 進階型	Edge AI	WMS / AMR	降低事故、提升效率
🟩 政府 / 商辦	多系統整合	入侵 / 人流 / 行為	32–100	16–32	🟠 進階型	AI Box + VMS	PSIM / 門禁	提升管理效率

用場域來理解（最實用）

TOPS 等級	AI 能力層級	適用場域	微場景（關鍵應用）	建議攝影機數	AI 任務組合	架構建議
🟢 4–8 TOPS	基礎辨識	社區 / 小型店面	出入口人車辨識、簡易防盜、夜間監控	1–4 路	人 / 車 / motion	Camera → AI Box → NVR
🟡 8–16 TOPS	多點分析	校園 / 辦公室 / 零售	校門陌生人、走廊徘徊、店內人流統計、櫃位熱區	4–16 路	人車 + 人流 + 基本行為	Camera → AI Box → VMS
🟠 16–32 TOPS	複合分析	停車場 / 中型商場 / 社區大型案	車牌辨識、違停、排隊分析、跨區人流	16–32 路	LPR + 行為 + 人流	AI Box → VMS → 系統
🔴 32–100 TOPS	高階決策	工地 / 工廠 / 醫院	安全帽、跌倒、危險區入侵、病患離床、禁區管制	16–64 路	行為分析 + PPE + 多模型	AI Box → VMS → IoT
🟣 100+ TOPS	系統級 AI	交通 / 機場 / 城市	車流分析、事故偵測、群聚事件、跨區追蹤	64–200+ 路	多模型 + Re-ID + 事件關聯	Edge + Cloud + 中控