i卡會員

Edge AI以需求端出發，從｢軟硬並進｣走向｢邊緣協同｣，國內外各種解決方案正如雨後春筍冒出來。台灣擁有硬體優勢、安全產品形象以及部分產業或應用領域具備有場域經驗、資料與在地特點，讓國內外產業非常看好台灣發展Edge AI領域。本文從Edge AI角度切入，試圖分析全球Edge AI消費者需求、全球Edge AI技術發展趨勢與未來方向 (包括裝置端學習、微型機器學習、聯邦學習、自監督學習、遷移學習、生成對抗網路、超自動化)、再回到台灣產業觀察並解構台灣AI產業鏈以及台灣AI新創現況分布等發展，最後提出台灣發展Edge AI建議方向，以提供給有興趣業者參考。

【內容大綱】

• 一、 Edge AI從需求端出發
• 二、 Edge AI從｢軟硬並進｣走向｢邊緣協同｣
  • (一)  裝置端學習(On-Device Learning)與微型機器學習(Tiny ML)
  • (二)  邊緣端學習(Edge ML)與雲端學習(Cloud ML)
• 三、 台灣人工智慧產業結構分析
• IEKView

【圖表大綱】

• 圖1、ARM調查一般使用者對於資料儲存方式
• 圖2、Edge AI發展趨勢方向
• 圖3、嵌入設備上｢微型人工智慧｣概覽圖與應用說明
• 圖4、少量資料訓練與學習之演算法說明
• 圖5、GAN運作架構分析圖
• 圖6、超自動化發展方向
• 圖7、台灣人工智慧產業結構圖
• 圖8、台灣人工智慧新創公司