Futuresource Consulting Ltd. 核心技術主管 Simon Forrest 指出,這並非憑空臆測,而是晶片設計趨勢發展的必然結果。邊緣 AI(Edge AI)在速度、隱私和成本方面具有實質優勢,且機器學習演算法正逐步取代傳統編碼版本,藉以提升效率並擴展功能。他強調,對於消費電子品牌而言,理解 AI 運算發展方向及所需的「矽晶片賦能」(silicon enablement)已成為一項根本的戰略需求。
這股分散式 AI 處理的趨勢,能有效降低對雲端服務的依賴,改善反應時間並強化數據隱私。儘管市場行銷常側重於 TOPS 數字,但晶片架構設計、記憶體頻寬和軟體最佳化對於實際效能而言同樣重要。Futuresource Consulting Ltd. 的預測模型顯示,若一位使用者同時攜帶智慧型手機、筆記型電腦、智慧手錶、智慧眼鏡及其他穿戴式裝置,其合計 AI 運算能力在 2030 年將達到 450 至 550 TOPS。雖然每位使用者合計突破 1,000 TOPS 的情況可能不普遍,但這仍代表個人週邊裝置將具備龐大的分散式 AI 運算能力。
面對這股個人裝置 AI 運算能力大幅躍升的浪潮,包括高通(Qualcomm)、聯發科(MediaTek)、三星(Samsung)、蘋果(Apple)等領先晶片與裝置製造商,都扮演了關鍵角色。特別是對於台灣的 AI 晶片和軟體產業而言,這項趨勢預示著巨大的發展潛力。隨著各類個人裝置對 NPU 需求日增,台灣的晶片設計與製造實力,尤其以聯發科為代表,將在提供高效能、低功耗的 AI 運算解決方案上,持續在全球供應鏈中佔據重要地位。同時,邊緣 AI 普及也將刺激相關軟體與應用開發,為台灣軟體產業帶來新的市場機會。