撰文：陳浩誠

輝達（NVIDIA）執行長黃仁勳來台，再度化身為最強AI推銷員，掀起市場高度對AI應用前景的期待，並喊出「3兆美元產值的IT產業，未來有望催出高達100兆美元的產業革命」；剛落幕的台北國際電腦展（COMPUTEX）、蘋果（Apple）發表會，也讓接下來的AI應用如何落地成為全球注目的焦點，尤其是邊緣AI（EdgeAI）的發展潛力。

根據安聯環球投資研究，生成式AI運算發展正從集中式資料中心逐漸轉向邊緣AI；這意味著此創新科技的發展有望為使用者帶來更快、更個人化的體驗，引領下世代AI技術應用革新的到來，並為投資人帶來潛在具吸引力的投資機會。

2025年企業生成數據
將超過5成與邊緣AI相關

生成式AI在2023年成為一股變革力量，吸引全世界目光並吸引了大量投資。但生成式AI仍處於早期階段，目前受惠標的集中在價值鏈中少數部分。隨著生成式AI在未來幾年有望被更廣泛採用、商機擴大後，這種情況可能會改變，而邊緣AI的範疇有望逐步轉變成一個關鍵性的成長領域。 

根據估計到2025年，所有企業生成數據中將有超過5成會與邊緣AI有關。在這種情況下，包括智慧手機、汽車、PC和邊緣伺服器都有望承擔更多計算負載，從而實現更快速、更低延遲的體驗。

對於像我們這樣的終端用戶來說，這可能是什麼樣子？想像一下，AI驅動的智慧手機可在出國旅行時提供即時、準確的對話翻譯，或配備個人化人工智慧助手的自動駕駛汽車。

換言之，眼前的創新趨勢正朝向邊緣AI的方向擴展，可以在邊緣AI設備、服務和AI基礎設施方面創造投資機會。利用邊緣AI的公司將有機會脫穎而出，提供更加個人化和高效的服務，進而從中獲得更多競爭優勢。

要理解為何邊緣AI與集中型模式相比可以產生如此大的差異，要先了解兩種AI運算類型：訓練和推理。

「訓練」涉及在人工智慧模型中發展智能，類似於人類在進入勞動市場之前花費數年時間進行教育和培訓的方式。像ChatGPT這樣的生成式AI模型，在訓練過程中涉及分析來自網站、書籍和維基百科文章的大量文本。數以千計相互連結的圖形處理單元（GPU）讓這種訓練得以有效進行，這些圖形處理單元最適合執行此階段所需的處理。

一旦AI模型經過充分訓練，它就會被更廣泛地應用在稱為「推理」的過程。在推理過程中，AI模型會根據使用者請求執行任務，例如生成照片、提供餐廳推薦或摘要最近發生的事件。推理計算可以超越訓練需求，尤其是當數百萬用戶積極參與生成式AI應用程式時。

然而，僅在數據中心進行AI推理可能成本高昂，並可能導致用戶體驗不佳。解決這個問題的最佳方法，就是將推理計算分布在整個網路中，包括數據中心、邊緣伺服器和離使用者最近的設備。以手機遊戲和社交媒體照片濾鏡為例，就是採用這個概念，其中推理計算分布在邊緣，如此一來將可以增強用戶體驗。生成式AI可能會遵循類似的發展。

新的設備和服務
將加速應用程式的成長

最近，幾家公司宣布即將推出的邊緣AI產品：像是一些主要半導體公司已經推出新的神經處理單元（NPU），這是專門為運行人工智慧演算法而設計的晶片；其中一家公司甚至預測，AI驅動的PC在2025年底可能會達到驚人的1億台。

另一家著名的半導體公司推出了一個行動運算平台，該平台預期提供應用在裝置上的生成式AI功能。根據一家全球最大智慧手機製造商的說法，他們打算將AI整合到生產的每台智能設備中。

新的邊緣AI設備和服務的引入，具有重大的投資意涵。首先，隨著用戶愈來愈期待升級他們的設備，邊緣AI有可能重振PC和智慧手機的銷售。此外邊緣AI設備的採用，有機會成為加速下一個「殺手級應用程式」出現的重要推手，類似於智慧型手機第1波浪潮之後，行動應用程式的爆炸式成長。最後，我們認為，邊緣AI的成功可能會推動進一步的研究工作，尋求新AI模型的突破，從而要求公司在AI基礎設施上投入更多資金。

預期邊緣AI將持續發展進步，AI應用範圍也將持續擴大，包括在醫療保健、金融和交通等領域的使用。此外更友善的使用介面及工具，將有助廣大的使用者更容易接觸到生成式AI技術，也代表更廣泛的商機。（本文作者為安聯投信產品投資諮詢部副總裁）