白話科技|邊緣運算是什麼?概念股有哪些?「邊緣運算+AI」商機起飛
白話科技|邊緣運算是什麼?概念股有哪些?「邊緣運算+AI」商機起飛

邊緣運算在近期討論度不斷提升,關鍵原因除了AI產業爆發性成長,促進產業需求之外,更確切的說,與中國DeepSeek崛起也有密切關連。

邊緣運算是什麼?

顧名思義,邊緣運算(Edge Computing)就是把資料處理、分析和儲存,從雲端資料中心轉移到更靠近資料產生的源頭,如物聯網裝置(IoT)、智慧型手機、感測器、工廠機台和交通號誌等。這樣做的好處,是可以降低延遲、提升運算效率、保障資料安全,並減少對雲端的依賴與頻寬成本。

舉例來說,工廠內有很多自動化設備,這些設備必須要即時反應,如果把數據傳到雲端分析再傳回來,可能就會造成延遲,影響安全和效率。

這一切跟AI、DeepSeek有什麼關係?

邊緣運算+AI=邊緣AI

傳統的邊緣運算,只能處理簡單的資料分析任務,但是當類似DeepSeek這種成本相對較低的AI開源模型逐漸問世,就有辦法在邊緣運算設備中導入AI,讓設備變成「邊緣AI」。

舉個例子,很多企業不希望將敏感數據上傳到OpenAI或Google的伺服器,而希望AI可以直接在本地端處理,確保數據不會離開內部系統,這時候「開源AI+邊緣運算」就成為解決方案。

摩爾投顧分析師陳冠廷表示,當AI變得更便宜,使用AI的需求越多,邊緣運算的需求也會更多,包含智慧城市、自動駕駛、工業自動化等領域;而兆豐投顧則分析,隨著使用AI的成本下降,預期美國巨頭的大語言模型會掀起價格戰,也讓邊緣裝置的AI應用加速普及。

實際應用可以像是企業內部AI助理,讓AI直接處理機密文件,就不用擔心數據外流到第三方AI供應商;或是同樣以工廠機台的應用,機台可以自備有簡單的分析AI,抓出運行中可能遇到的問題。

實現AIoT的關鍵!台廠投入邊緣運算有哪些挑戰?

總結來說,邊緣運算能提供運行的環境、開源AI提供可用的模型,兩者結合後讓企業有更多自主運行AI的機會。而若再放大到消費者的面相,可以預見10年前一度非常熱門的詞彙「AIoT」,將真正走入消費者的日常生活中。

不過,儘管邊緣運算在減少延遲、提高效率、保護數據安全等方面有明顯優勢,甚至加上AI之後讓每個設備都像是一個小AI助理,但是普及化仍有一定的限制和挑戰,例如要投入大量的設備、分散式架構的管理、標準化問題等。

再以工廠機台來舉例,一家工廠可能擁有多家不同廠牌的機台。但如果要導入邊緣運算,還需要架設標準化的平台讓數據可以流通、設備間可以交流,對於工廠來說仍是一大挑戰。

邊緣運算、邊緣AI概念股,要從哪個方向下手?

在邊緣運算和邊緣AI的趨勢中,先撇除直接的半導體產業鏈(如台積電)和未上市的NPU公司,可以看見幾個受惠的族群,包含工業電腦、AI PC和AI手機,以及特殊應用的類別。

其中的核心概念是「終端」,簡單來說就是「把AI放入終端設備,讓設備變聰明」,只要符合這個方向,都有機會在「邊緣+AI」的趨勢中起飛,像是工業電腦是企業的終端、AI PC和AI手機是消費者的終端。

此外,ASIC晶片業者,是讓終端設備更聰明、耗能更少的關鍵,也有望被劃入受惠的族群。

工業電腦:研華、樺漢等人領跑

首先,工業電腦本身就在服務垂直產業,如醫院、半導體廠、零售應用等,當這些設備都可以加上AI,就讓工業電腦成為熱門的邊緣AI概念股,包含研華、樺漢都在這個名單中。

工業電腦龍頭研華過去就向《數位時代》表示,研華未來的邊緣運算的發展將會呈現「5、3、3」的趨勢,也就是 邊緣運算的營收在5年內成長3倍,而每年至少30%的成長 。而過去研華董事長劉克振,在2024年自家的活動上就指出,研華將轉型為「Edge Computing & Edge AI」(邊緣運算和邊緣AI)的全球領導者。

另一家工業電腦廠樺漢,也喊出集團將在2025年聚焦AI邊緣運算、雲地整合服務與AI智慧零售等核心技術。樺漢在近年非常強調「ESaaS產品(Ennoconn Solution as a Service)」,也就是「樺漢即服務」,不只要做硬體,也要投入軟體做軟硬整合,給智慧製造、智慧零售、智慧建築等垂直市場客戶更完善的服務。

延伸閱讀:研華佈局L11機櫃組裝!一場兆元等級「群雄亂舞」之戰怎麼打?

AI PC:華碩等台廠受惠;AI手機:聯發科被多次點名

能運行AI功能的PC,也被視為邊緣AI。雖然AI PC在2024年沒有想像中爆紅,但未來AI PC將會成為基礎,每一台PC都是AI PC——就像5G手機一樣,漸漸不會有人特別點出5G的存在。研調機構Gartner指出,2025年全球AI PC出貨量預計來到1.14億台、年成長為165.5%。

因此,擁有AI PC的廠商也有望受惠,如華碩、宏碁等。舉例來說,元大投顧2月4日發布的「DeepSeek產業概況分析」中表示,由於PC作為主要生產力工具,若要能順暢在地端部署的AI模型運作仍然需要獨立顯卡,也因此帶動獨立顯卡和配備獨立顯卡的AI PC需求上升,華碩在邊緣裝置的營收佔比高達85~90%(包含PC 64%及板卡23%),有利於顯卡和PC價格競爭力和出貨量的成長動能。

既然AI PC可行,AI手機自然也是受惠者。這邊最重要的玩家大概就是聯發科,天璣系列的晶片組預計持續加大在AI手機中的市佔率。

ASIC:特殊規格晶片需求高

除了企業和消費者的終端之外,ASIC也是另外一個被看好的領域。由於邊緣AI設備要在資源有限的環境下執行(AI)任務,就需要跟對特定AI演算法高度優化,提供更強大的運算效能、更低的功耗。ASIC方面的主要玩家包含世芯-KY、創意,但也不要忽略鎖定少量多樣的神盾和巨有等。

延伸閱讀:
蝦皮什麼都賣,就是沒「糖果」!一紙電子煙禁令,如何引爆網路平台史上最嚴裁處風暴?

工程師生態大轉變!老鳥怨新人:被AI慣壞,連程式都不會寫了⋯掀兩派論戰

責任編輯:李先泰

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