美國EWNA直擊|北美邊緣運算市場商機湧現,台廠角色受青睞
美國EWNA直擊|北美邊緣運算市場商機湧現,台廠角色受青睞

展示最新嵌入式系統、AI 以及物聯網應用技術的美國EWNA(Embedded World North America)展會中,一大關鍵字仍是邊緣AI(edge AI),許多傳統製造業、交通運輸業(如物流)、醫療相關產業,以及美國當地畜牧業、安防等,在進行過去所謂「智慧轉型」過程中,發現雲端AI、工業物聯網固然重要,但需要直接面對的就是龐大的轉型資金跟相關技術人員跟進,因此在進程上 edge AI 軟硬體的部署的優先性更高,在這當中,台灣廠商扮演的角色至關重要,為了因應北美市場需求,台廠也紛紛搶進,展示最新的 edge AI 應用。

看好美國市場的需求,擷發科技(MICROIP Inc.,7796-TW)宣布成立北美業務團隊(MICROIP North America Team),目標是解決產業轉型痛點,深化台美的合作夥伴關係,協助客戶實現低成本、高效率的AI轉型,因其過去在業界的好口碑,展覽現場可謂人潮滿滿。

透過軟硬體整合,擷發科希望協助客戶能以 No-Code AIVO 平台快速建立模型,再透過 CATS ASIC 平台將其高效晶片化,實現 6 個月內從概念到量產。而在實際操作與客製化方面,擷發科發表 AIVO 平台以大幅降低導入門檻並將開發,只需 2 個月的時間就可完成系統建置包括 AI 模組串接,開發時程至少縮短 30%,減少人力成本與資金的損耗。

EWNA_1.jpg
圖/ 壹哥的科技生活

擷發科指出,AIVO 平台採用 GPU/NPU 動態排程引擎 (Dynamic Compute Scheduler),能依據工作負載自動分配算力。此機制平均可提升 30% 每瓦效能, 並降低 25% 功耗。此外,該平台相容 ONNX、TensorRT、TFLite 等主流 AI 模型格式,能快速部署於 MediaTek Genio、Axelera Metis、NVIDIA Jetson 等異質硬體平台,配置的靈活性更高。更重要的是,AIVO 整合高精度影像辨識核心與可編輯腳本架構,支援多腳本平行運算 (Multi-Script Parallel Execution),該平台更突破性的解決魚眼相機辨識失敗問題,在監控範圍內起肢體衝突,也可以精準辨識誰先動手的。

EWNA_2.jpg
圖/ 壹哥的科技生活

此外,物流人員在開車過程打哈欠,可以精準辨識、並送出警告,其車牌辨識與物件偵測也支援空拍機,可被應用在農業、森林等領域,又好比說雞隻感冒,透過熱像儀與肢體辨識,加上數據模型,可以精準判別雞牛羊豬感冒、並提出警報。

EWNA_3.jpg
圖/ 壹哥的科技生活

擷發科表示,AIVO 平台已成功應用於多項高價值垂直場景,包含半導體製造產線的 AOI 視覺檢測、工業自動化製程監控、交通運輸的即時車流分析、以及結合多光譜監測的智慧農業與環境偵測。由於高效率、低成本、可客製化的佈建能力,已有許多美國當地客戶聞名而來。

此外,該公司也具備ASIC 客製化服務,藉由全新的 CATS (Custom ASIC Technology Solutions) 平台,提供從架構設計、IP 選擇、驗證到量產導入的完整客製化服務。 目前,MICROIP 的全球布局已橫跨北美、歐洲與亞洲等多個地區,涵蓋智慧城市、工業控制、AI 安防與邊緣運算應用,展現台灣科技產業在 AI 與嵌入式創 新領域的領先實力。

EWNA_4.jpg
圖/ 壹哥的科技生活

擷發科技董事長楊健盟透露,此次北美展有空拍機的廠商與美國畜牧業的廠商特地找上門要談合作事宜,為了因應龐大的業務量,這是該公司成立北美業務團隊(MICROIP North America Team)的主要原因。

楊健盟認為,AI應用不是單一的領域,百工百業都需要AI,而即使是相同產業,每間公司的要求也不相同,很多AI公司只懂AI辨識,要真正找到好的AI 軟體公司更是難上加難,他是AI又要各種不同領域的KNOW HOW 去綁定在一起,所以AI軟體要做得強,是需要有不同領域去配合,因此 2026年擷發科技更要持續招兵買馬,將重兵放在研發與業務部門,與北美團隊共同提升整體競爭力。

EWNA_5.jpg
圖/ 壹哥的科技生活

華碩在今年的EWNA同樣也展出了最新的AIoT、嵌入式系統和邊緣運算產品組合,用意就是在加速各行業的轉型,並強化雙方致力於塑造嵌入式技術未來的承諾,他們在北美市場搶進的就是自動化、智慧零售、機器人、醫療和監控領域等行業,目標要協助這些廠商們提供更智慧、更互聯、更節能的解決方案,這包括邊緣AI系統、邊緣運算、工業邊緣伺服器、工業解決方案和AI物聯網等等。

另一方面,研華ADANTECH攜手聯發科、高通、NVIDIA 展示出一系列 edge AI解決方案,以今年北美展來說,他們就與高通合作展示研華edge AI平台AIR-055和ASR-A503與高通Dragonwing IQ-9075處理器和Edge Impulse開發者平台,可提供高達100 TOPS的AI運算效能,並主打「10年工業級可靠性維護」。

EWNA_7.jpg
圖/ 壹哥的科技生活

華擎則攜手 intel 展示最新工業級物聯網控制器iEP-7030E,它結合了intel最新公開的edge AI系統、套件和開放式 edge AI 平台,強調的是硬體堅固耐用好維修,該控制器工作溫度範圍為-25°C至50°C,採用無風扇設計,可承受100G衝擊和5 Grms震動,具備寬範圍直流電源輸入、多種支援PoE供電的LAN介面以及隔離式數位I/O,而在效能上又可以提供具備快速分析、糾錯能力的電腦視覺、自動化的 edge AI 能力,主打 5G、WiFi、ECC 、TPM 2.0,是其面向智慧工廠、智慧製造業需求所設計的最新工業及產品。

EWNA_8.jpg
圖/ 壹哥的科技生活

這次還有看到同樣與 intel、NVIDIA 合作的像是美超微SUPERMICRO,該公司同樣面向的就是產業的基礎設施,提供支援edge AI與物聯網應用的解決方案,包括 SYS-E403-14B、3U SYS-322GA-NR 等緊湊型無風扇平台系列產品。而映泰BIOSTAR也同樣面向工業處理器(IPC)和邊緣人工智慧(AI)運算解決方案,其中主打的就是 EdgeComp系列產品,該系列產品包含與MemryX和NVIDIA合作開發的創新AI和工業運算平台,強調耐用性與平台的擴充性。在 edge AI 方面,映泰的AI-NONXS和ERX93-AXP平台分別搭載NVIDIA Jetson Orin NX/Nano和NXP i.MX 93處理器,為自動化、機器人和物聯網應用提供高效率的AI 運算能力。

EWNA_9.jpg
圖/ 壹哥的科技生活

迎向所謂的「AI世代」,在這所謂的「智慧轉型」過程中,產業發生策略上的轉變,許多中小企業發現,採用過去的雲端解決方案,除了資金要到位,還要面對最基礎的區網建設維護問題,如果發生問題或者延遲,通常都是得不償失。另外也有相關客製化成本過高、可信賴的AI伺服器等問題需要解決等問題,為了快速回應客戶需求,這也是為什麼這兩年 edge AI 的解決方案相當熱門的主要原因。

關於edge AI,台灣廠商可以說是深受世界廠商喜愛的,一方面台廠提供優異的IC設計、良率相對更可信任的產品,一方面可客製化的程度高,更重要的是台灣長年累月與國際大廠合作,擁有豐富的合作經驗與默契。不僅如此,產業合作的模式也都發生變化。

以擷發科為例,結合各種領域與技術開發出更適合客戶的 AI 產品,是該公司受到大廠青睞的優勢之一。楊健盟指出,正如同 intel、NVIDIA 提出的解決方案一般,他們提供很好的技術平台與運算能力,背後也有相對龐大的團隊支持一般,因此甚至國防單位的AI轉型也都採用他們的方案,而擷發科瞄準的提供相對小而美的解決方案,對於傳統產業,好比說農牧漁業畜牧業來說,不需要龐大的資金與維護規模,就能做到符合經濟效益的 edge AI,甚至許多國際大廠過去可能是競爭對手的,現在也都成為合作對象,這也是為什麼台廠在 AI 競爭中,得以被國際買主青睞、具有舉足輕重地位的主要原因。

本文授權轉載自壹哥的科技生活

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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