i卡會員

隨著AI技術的不斷演進，如何讓AI、LLM等技術從雲端分散至邊緣裝置，已成為嵌入式系統領域主要的課題。生成式AI 透過即時數據處理、預測性維護和流程優化來強化工業用嵌入式電腦。邊緣AI的興起帶來了更多的運算彈性與能效最佳化。在雲端與邊緣運算架構下，工作負載可以分散於雲端和邊緣裝置之間，使得設備能夠以更少的運算資源，實現更強大和高效的運算體驗。邊緣AI不僅帶來了更高的運算效能，還降低了能耗，使得AI技術可以在不影響環境的情況下持續擴展。透過異質運算架構，AI工作負載能夠動態分配至最適合的處理器上，實現了個性化與多樣化的AI應用。

【內容大綱】

• 一、EdgeTech+展示會沿革反映出嵌入式系統技術的生態變遷
  • (一)EdgeTech+展示會沿革
  • (二)EdgeTech+ 2024展示會依循著日本AI技術相關政策發展途徑
• 二、邊緣生成式AI裝置發展課題
  • (一)工業與邊緣運算整合提升生產效率
  • (二)生成式AI導入工業用邊緣運算裝置的優勢與挑戰
• 三、EdgeTech+ 2024所展示有關生成式AI結合嵌入式裝置的半導體技術
  • (一)STMicroelectronics- STM32MP2系列晶片
  • (二)NEC- LLM圖像分析技術
  • (三)新唐科技- Endpoint AI platform
  • (四)Nvidia：NVIDIA Jetson-嵌入式邊緣AI 應用平台
• 四、車用相關嵌入式系統技術發展
  • (一)Panasonic Automotive-與Arm共同開發的GPU分割技術：多螢幕顯示
  • (二)MAZDA-DV時代下，MBD(Model-Based Development)與AI的綜效
• IEKView

【圖表大綱】

• 圖一、EdgeTech+ 2024重要參展廠商示意圖
• 圖二、工業邊緣算市場規模預估
• 圖三、TM32MP25處理器與晶片組
• 圖四、NEC LLM圖像分析技術
• 圖五、新唐AI異常檢知的遠端監控系統
• 圖六、NVIDIA Jetson-嵌入式邊緣AI應用平台
• 圖七、Panasonic Automotive與Arm共同開發的GPU分割技術
• 圖八、Mazda MBD開發目標