醫療、機器人、半導體，研華三佈局拚AI落地

全球AI產值將達到2000億美元，邊緣AI（Edge AI）正是驅動成長的引擎。研華嵌入式事業群總經理張家豪指出，在邊緣AI、物理AI時代，供應鏈競爭產生轉折，從傳統的硬體成本賽局，轉向系統化、生態系的競爭。而研華透過軟、硬體整合架構，與全球伙伴合作，在機器人、半導體與醫療領域，讓AI落地。

圖片來源：謝寬攝

🔥2026天下經濟論壇（CWEF）演講精華一次看 

全球AI產值估計到2034年，將達到2000億美元規模，年複合成長率高達23.8%。而驅動AI成長的引擎，就是AI落地到產業現場，邊緣AI（Edge AI）將發揮低延遲、資料隱私保全，以及即時性優勢。

在價值鏈上，其實有很多機會，也有很多挑戰。例如邊緣AI落地在不同場域，從醫療 、機器人到交通產業，缺乏標準化的軟硬體平台來啟動。

新供應鏈競爭關鍵：系統化、生態系

回到台灣，供應鏈有幾個機會，首先是規模化。台灣硬體製造的既有優勢，如何能夠持續向前一步，往軟硬整合、產業專注（domain focus）走，以及產業的解決方案，逐漸建立起產業競爭護城河，發展出更高的效率跟利潤。

再來，邊緣AI定義下一個十年發展，如何組成新的生態伙伴、系統，也對發展機會帶來許多突破方法。

供應鏈目前處於一個非常重大的轉折點。傳統的供應鏈競爭是硬體，比成本、製造優勢、速度、產品生產週期，台灣非常有優勢。但是下一步，邊緣AI、物理AI將重新定義競爭，從單純的零組件往系統化、生態系，是落地到各產業競爭。

從雲端到地端，邊緣運算扮演重要的角色，能讓產品發揮效用，運算、決策、判斷、 執行，都在邊緣端落地。再往下一層， 是物理AI。

感知、決策、執行，是物理AI的發展的三個重點。

例如自主移動機器人，大腦就是邊緣AI， 需要控制、語音辨識、語言模型、數位孿生、AI推論部署，實現即時的感知跟判斷。再來，機器人需要整合相當多模組，視覺模組、2D／3D鏡頭，需要有內外部的通訊系統，5G、Wi-Fi、藍芽，還需要有路徑導引系統 LiDAR、IMU、運動控制系統等。

如何將感知、決策跟執行，三個模組無縫串接，讓自主移動機器人在複雜又動態的環境下正常運作 ，相當複雜。 這也是邊緣AI落地到物理AI的最後一哩路。

機器人、半導體、醫療，研華邊緣AI佈局三重點

回到研華的邊緣AI發展藍圖，有三層架構。

第一層是AI加速模組，可以嵌入任何邊緣運算上，立即升級AI運算效能。第二層是產業應用的電腦，例如機器人、醫療、交通。第三層，是地端伺服器，把資料留在地端、企業內部運算，不用送到雲端。

不僅硬體，我們也提出一個能架構在研華硬體上，容器化的標準軟體套裝WEDA，以及提供給客戶一個隨時可用、並整合所有晶片廠商的AI SDK的套裝軟體。

有了軟、硬體，就形成邊緣平台協作架構，加速邊緣AI落地到各產業。

我們的產品也已跟著全球的主要伙伴落地，譬如將達明機器人既有的機器手臂加上邊緣 AI平台，再加上視覺與達明的AI原生引擎，形成一個協作型機器人。

在半導體產業，華景電通和研華合作，在半導體晶圓廠物料搬運跟瑕疵檢測，做了相當多邊緣AI應用， 避免人為搬運的風險跟污染。

邊緣AI運算也協助達文西手術機器人和精準醫療影像辨識，大大提高醫療產業的發展。

邊緣AI已經開始引領一個新的典範轉移。研華希望跟伙伴一起，將現在分散的邊緣AI，一起轉化成成長的中心。

資料來源:https://www.cw.com.tw/article/5139509