搶下新加坡智慧路燈標案,凌華成台灣唯一Google AI晶片Edge TPU合作廠
搶下新加坡智慧路燈標案,凌華成台灣唯一Google AI晶片Edge TPU合作廠
2018.09.04 | Google

一家去年營收才剛剛突破百億元的工業電腦業者,竟然連續6年研發費用占比都超過13%,凌華科技究竟打什麼算盤?

工業電腦二哥凌華科技兩年前就把營運重心,從傳統的嵌入式電腦,轉型朝邊緣智慧解決方案轉型,凌華也是今年Google宣布推出專屬物聯網AI晶片Edge TPU後,在台灣唯一的合作業者。

ADLINK_董事長劉鈞_1.jpg
凌華董事長劉鈞2年多前決轉型布局邊緣智慧解決方案,看好分散式運算IoT趨勢。
圖/ adlink

凌華創辦人劉鈞說,看好邊緣運算趨勢,凌華也跟英特爾及輝達合作緊密,「凌華絕對是世界上、全台灣最專注邊緣智慧的業者。」

最高研發投資,產品賣到坦克、飛彈系統裡

凌華前面還有許多國際級大廠,為何劉鈞敢說出這種豪語?

如果攤開財報看,凌華連續6年研發費用占比都在13%以上,今年上半年更來到15%以上,如果對這個百分比沒有感覺,對照老大哥研華的研發費用支出約占營收8~9%,鴻海子公司樺漢在10~11%來說,比例實在高的多,凌華更是最早喊霧運算的工業電腦業者。

劉鈞說,AIoT就是在裝置裡頭加入智慧,智慧就是「作對的事情」,還必須在「對的時間」,所以也需要「對的數據」,而AIoT的兩大關鍵就是分散式運算及數據東西向連結(Peer to Peer)。

凌華科技_DXS服務方案.JPG
凌華科技宣布推出創新的DXS物聯網數位技術服務(IoT Digital eXperiments as-a-Service)。
圖/ adlink

凌華在AIoT有不少成果,劉鈞指出,凌華剛在新加坡智慧城市標案中拿下訂單,負責在街燈下方加裝成為資料收集裝置,可以辨識車牌或任何資料,他表示未來不管車子或機器人,互連互通會是重點,因為要每一個裝置要變聰明,就需要有即時的數據。

2.4億元私募對象受矚目

凌華計劃辦理2400萬股私募,以引進新策略投資人,近年產業中傳出不少合作大案子,單是今年研揚跟廣積就宣布換股結盟。對於私募股邀請對象,劉鈞在股東常會上對此解釋,將邀請異業合作,尋求能幫助凌華擴大業績,衝高海外市場的伙伴。

劉鈞表示,邊緣智慧及AIoT是今年電腦產業主題,但架構角度來看,過去五年產業很愛談雲端,把很多資料上傳放在雲上,用來做數據分析,但當AI落地到IoT上,很多任務在雲這方無法解決,但在Field(場域)端,決策必須要「快」,這時講究是「互動」,因為雲的距離太遠,此時就希望把資料放在裝置端。

shutterstock_393988039_iot.jpg
劉鈞認為IoT趨勢是朝分散式運算及東西向傳輸為特點。
圖/ shutterstock

凌華成立20年,去年營收突破106億元,創下歷年新高,目前在工業電腦產業排名第二,劉鈞身為創辦人,也大力帶領公司朝先進技術發展。

他表示,兩年前凌華就決定將公司定位從嵌入式運算轉為邊緣運算解決方案提供商,這是因為凌華發現,未來趨勢將從「集中式運算朝分散式運算」發展,不管是運算或連結性,都是「從雲往端」走。

專注邊緣智慧,CTO獲選全球TOP5領導者

劉鈞自豪地說,在全世界裡,凌華是非常專注定位在邊緣智慧的公司,技術長Angelo Corsaro在法國,更剛於8月獲得Data Economy Magazine評選為全球前5位邊緣運算界領導人。

凌華今(4)日也宣布與工商業物聯網解決方案軟體開發商FogHorn Systems合作,整合其邊緣智慧平台與凌華的DXS物聯網(IoT)數位技術,凌華說,FogHorn平台除了提供機器學習(ML)與人工智慧的功能外,還可以提供最低延遲的現場數據處理與分析。

FOGHORN.jpg
凌華宣布跟工商業物聯網解決方案軟體開發商FogHorn Systems合作。
圖/ adlink

劉鈞說,邊緣運算裝置跟商用電腦不同,要面對很多苛刻的環境,比方工業用IP攝影機,在車上必須支援IP65及IP69,過去凌華專注單點的智慧化,但當進入IoT領域,最困難是不能只從單一個點去考慮問題,而必須思考當所有點串連起來時,如何發揮另一種智慧化效益,也就是「智慧化變成無人化」。

沒有一家企業能包辦IoT所有技術

從Alpha Go變成顯學,各行各業都不再只是思考自動化或如何讓電腦放入系統內,而是開始思考如何讓整個系統做到無人化。劉鈞說,工業物聯網中要解決裝置問題,過去都是用IT(資訊技術)手段去解決OT(營運技術)端,沒有效率問題。

但由於現在還沒有任何IoT的模式是已經發展成熟的,劉鈞坦言,要把IoT問題解決,就要把OT問題及CT(通訊技術)及IT技術整合起來,目前還沒有一家公司可以把這三件事都搞清楚並解決。

google
Google看好邊緣智慧,今年也首度推出AI晶片Edge TPU,而台灣合作伙伴只有凌華一家。
圖/ shutterstock

劉鈞說,最難的是如何讓IT技術與OT需求做整合,過去這兩件事情是分開運作的,其次,行進中的車子要做決策,最大關鍵不是數據,而是時間。如果OT端要考慮時間因素,就要把通訊技術(CT)加入。

然而,一家公司要發展IoT,劉鈞坦言不可能全部都自己包辦,一定要仰仗生態系統,這時就必須建立平台,才能把生態系統拉入。

關鍵字: #邊緣運算
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓