為何製造、交通、醫療等傳統產業，在轉型時將部署邊緣AI軟硬體的優先性置於雲端AI之上？

為何傳統產業優先部署邊緣 AI 而非雲端 AI？

製造、交通、醫療等傳統產業在轉型時，優先考慮部署邊緣 AI 軟硬體而非雲端 AI，主要是因為邊緣 AI 更能直接應對轉型過程中的實際需求，包括資金效益和技術人員的運用。在美國 EWNA 展會上，邊緣 AI 的應用成為焦點，突顯了這種趨勢。

邊緣 AI 的具體應用與優勢

邊緣 AI 的應用範圍廣泛，涵蓋半導體製造產線的 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，以及智慧農業與環境偵測等。邊緣 AI 解決方案因其高效、低成本和可客製化的特性，受到市場的青睞。例如，擷發科技的 AIVO 平台採用 GPU/NPU 動態排程引擎，能根據工作負載自動分配算力，平均提升 30% 的每瓦效能，並降低 25% 的功耗。此外，該平台相容多種主流 AI 模型格式，能快速部署於不同的硬體平台，提供更高的配置靈活性。

台灣廠商在邊緣 AI 產業鏈的角色

在這次的邊緣 AI 趨勢中，台灣廠商扮演著關鍵角色。為了滿足北美市場的需求，台灣廠商紛紛推出最新的邊緣 AI 應用。例如，擷發科技宣布成立北美業務團隊，旨在解決產業轉型痛點，深化台美合作夥伴關係，協助客戶實現低成本、高效率的 AI 轉型。