边缘AI应用仍集中于消费性市场，未来发展在边缘与云端之结合
https://bit.ly/2xk21l0
数据驱动的体验是丰富，沉浸式也具备即时的特性，但是却不能满足低延迟的要求，尤其
是需要快速反应的应用（例如：自动驾驶）。毕竟，往返于云端中的数据，来回时间太长
，一旦需要即使反应数据所带来的价值时，其无法承受几秒甚至十分之一秒的处理时间，
这时候在硬件设备的边缘运算就变得相当重要。
现今许多装置具备边缘运算能力，包含：智慧型手机，相机，无人机等，都因为内建AI晶
片而能够迅速处理即时事务。
根据Deloitte预估，几年前还处于＂零＂营收的边缘AI芯片，于2020年将超越25亿美元，
而且未来几年的成长率将达20%。其中，消费性市场将占据边缘AI芯片市场比例达90%，至
于采用边缘AI产品的企业，包含：工业物联网、零售、医疗保健与制造业等。
如果以出货量来看，2020年内建边缘AI芯片的智慧型手机出货量可达5亿支，平板电脑达
7500万台，智慧音箱达7500万台，穿戴式装置达5000万台，企业用边缘产品也达5000万台
。预计2024年全球内建边缘AI芯片的智慧型手机将达10亿支，平板电脑达1亿台内，智慧
音箱可达1.5亿台，穿戴式装置达1亿台，企业用边缘产品更可达2.5亿台。
麦肯锡的报告指出，随着AI技术的不断成长，前几年企业将焦点都放在软件的投资上，可
是随着边缘AI的崛起，硬件又将重新成为流行的焦点。也由于内建边缘AI的硬件崛起，使
得去中心化运算架构又重新流行，毕竟，集中式架构涉及延迟和数据安全性问题。
不过，许多专家认为，即使发展趋势往边缘运算前进，但是未来的发展趋势应该是边缘AI
成为现有云端运算架构的补充架构。也就是说，云端中的AI可以与边缘的AI协同工作。例
如：像特斯拉制造的AI电动车。虽然在车辆行驶时，是依赖边缘AI对即时行车路况进行即
时决策，例如煞车，转向和换车道等。但是当电动车回到家中，并连接到Wi-Fi网络时，
会将数据将上传到云端中，进一步训练机器算法。这就是一种正面循环的模式。
未来可以看到的发展是，AI边缘芯片市场仍会不断进步，进而强化硬件产品的功能。再配
合著与云端AI以及机器学习的技术，未来无论是消费与企业市场都将因为这些变化而受惠
。