近來人工智慧(AI)應用發展越趨廣泛，促使資料運算與傳輸需求不斷提升。傳統雲端架構採集中式處理，須將資料全數上傳至雲端進行運算，已漸無法滿足AI即時且龐大處理需求，且可能造成頻寬壅塞、資訊安全等問題，採分散式架構的邊緣運算因能克服上述問題，逐漸受到矚目。因應逐漸攀升的邊緣運算需求，半導體廠商也以低功耗、低成本為訴求，提出最新的解決方案。
隨著AIoT應用的發展，感測器類型與數量不斷增加，也意味須部署更多運算資源以進行即時資料處理。邊緣運算能在靠近資料來源的設備端進行處理，能降低延遲、提升處理效率，紓解大量資料上傳雲端所造成的頻寬壅塞問題；在雲端連線中斷時，邊緣運算則能提供線下處理機制，避免資料處理中斷；此外，較為機密、隱私的資料也能在邊緣端進行處理，防止資料上傳或儲存在雲端時遭擷取。上述優勢帶動邊緣運算的需求不斷提升，根據研究機構Semico Research預測，未來五年內，人工智慧的網路邊緣裝置數量將以年複合成長率110%爆發式增長。
萊迪思半導體亞太區資深事業發展經理陳英仁表示，AIoT的布建範圍相當廣泛，許多設備須透過電池、太陽能供電，因此功耗對於邊緣裝置格外重要。
萊迪思半導體(Lattice)亞太區資深事業發展經理陳英仁表示，AIoT的布建範圍相當廣泛，許多設備須透過電池、太陽能供電，因此功耗對於邊緣裝置格外重要；此外，AIoT所需的感測器種類繁多，邊緣裝置必須搭載靈活介面以適應不同的感測器接口，並具備可客製化的彈性來對應不同的應用場景，滿足聯網市場「少量多樣化」的需求。
綜合以上所述，對於AIoT在各類網路邊緣應用市場而言，低功耗、小尺寸、低成本且能夠實現感測器資料就地處理的晶片解決方案格外重要。因應此趨勢，萊迪思於近日推出低功耗FPGA解決方案Lattice sensAI，提供結合模組化硬體套件、神經網路IP核心、軟體工具、參考設計、客製化設計服務的完整技術堆疊，將機器學習推論加速整合至廣泛物聯網應用市場。
陳英仁進一步指出，在現有的可編程架構下，FPGA是公認有彈性、有效率且較易優化的產品。不過，目前市場上的FPGA多專攻高階的雲端運算，強調高效能運算因此功耗亦較高，若要將之導入邊緣端會面臨價格與功耗過高的問題。因此，萊迪思推出低量產價格(約1~10美元)的FPGA解決方案，希望能藉由低成本、低功耗的特性，加速FPGA打入邊緣運算市場。