Edge AI加值物聯網　2025萬物智慧落地開花

歷經2023年大語言模型(Large language model, LLM)陸續問世後，2024年產業發展仍圍繞AI，但相較於2023年模型迭代更新，2024年發展重點則轉向如何落地應用，諸如結合AI手機、AI PC，以及小語言模型(Small Language Models, SLM)如何結合邊緣裝置等。

而物聯網產業經過幾年的發展，已經成為裝置數量龐大且穩定成長的產業，TrendForce分析師曾柏楷(圖1)表示，從物聯網技術架構而論，感測層、網路層和應用層在2024年發展皆以導入AI技術為趨勢，進一步推動製造、城市、交通等領域應用快速發展。此外，5G Advanced提供低延遲與大範圍連網等特性，並結合非地面網路(Non-Terrestrial Networks, NTN)進一步拓展通訊覆蓋範圍，使物聯網應用更加廣泛，為農業、交通運輸、採礦等產業提供連接基礎。

綜合而言，曾柏楷指出，2024年經濟逐漸復甦，但在區域市場上對物聯網之需求則各異，如歐美地區持續強化能源、電網、交通等基礎建設，而中國消費市場則陷入通貨緊縮，進而影響製造需求，另一方面，在地緣政治的影響下，供應鏈分散化呈穩定發展，進而帶動東南亞、印度、南美等區域製造需求與基礎建設擴展。

Counterpoint Research產業分析師Hanumant Pawar(圖2)則認為，在經歷了充滿挑戰的2023年後，物聯網市場在2024年出現反彈，主要受到中國強勁需求的推動。這一復甦的標誌是高階應用中越來越多地採用5G，提供強化的連接性並減少延遲。智慧物聯網AIoT更廣泛採用也獲得了關注，實現了自動化、即時決策和數據分析。以5G作為基礎元件，AIoT應用可望大幅成長。

從萬物聯網到萬物智慧

在萬物聯網的狀態下，若需再進一步使萬物智慧，則AI所需算力將會造成營運商更大負擔。曾柏楷強調，於此前提下，由於小語言模型SLM可於有限的運算資源下，提供即時運算服務，相對於上傳雲端效率更高，並免於數據上傳占用頻寬與潛在的資安風險，因此物聯網終端產品結合Edge AI技術，將是2025年重要發展。

以製造業而言，曾柏楷分析，缺工或轉型將產生具Edge AI能力的工業機器人需求，此將進一步產生更多資料，並運用資料與機器學習等。基於製造相關資料持續增加，產業將會產生資料分析、邊緣運算、機器學習等運算需求，並延伸出M2M傳輸、資料儲存與管理、內控資安等挑戰。

Edge AI將在工業、城市交通與自駕車等應用領域有更大規模採用，加上AI PC、AI手機的趨勢進一步推廣Edge AI，CSP也正在加快部署，並逐漸成為AI領域的發展重點。惟整體產業鏈仍得仰賴CSP廠商提供的應用程式與價值型服務，且在推展產品、服務時，亦須考量邊雲整合、內部機房的軟硬體基礎設施等。

Pawar說明，到2025年，邊緣人工智慧和物聯網融合將推動邊緣運算的重大進步，實現跨產業更快、低延遲的數據處理和即時決策。根據Counterpoint Reserach的研究，人工智慧嵌入式蜂窩模組預計將從2023年占物聯網出貨量的6%成長到2030年的25%，年複合成長率為35%。先進的邊緣處理器和人工智慧晶片將以優化的效率提升即時在地處理。聯網設備的興起使物聯網安全成為一項嚴峻的挑戰，需要強大的安全協定。高昂的初始部署成本阻礙了採用，但分階段實施可以減輕開支。

邊緣AI應用多種多樣　智慧化商機全面啟動

2025年物聯網發展將延續2024年路徑，曾柏楷認為，AI發展將逐漸轉向小模型應用，並與終端裝置深度融合，邊緣運算亦將持續發酵。基於LLM、SLM的AI Agent具備更多自主性，藉由AI Agent與物聯網設備整合，將使AI Agent成為重要的邊緣AI應用形式，以實現更多自動化應用。

到2025年，從物聯網的角度來看，能源和公用事業、零售和資產追蹤等產業將受到極大關注。Pawar指出，能源網將大幅採用物聯網來管理再生能源，而智慧電表將使公用事業公司能夠有效優化資源分配。在零售業，智慧追蹤系統和支援物聯網的支付終端將繼續增強客戶體驗，資產追蹤將透過物聯網驅動的車隊管理取得進展。

在AI應用蔚為主流的趨勢下，物聯網的效益可望透過大量、低成本、簡易部署來實現自動化，因而讓大規模設備的連接與管理成為發展重點，使物聯網平台持續走向開放性發展。然而，物聯網的拓展也為資料安全與管理等帶來挑戰，並隨著連接數量增加、法規上路在即，使物聯網廠商持續強化資安防護。

另一方面，衛星通訊以關鍵型物聯網(Critical IOT, cIoT)為優先，諸如遠距醫療、災害救援、交通等，關乎安全與生命的應用場景為NTN提供了必要性。此外，對於規模農業、採礦、海運等產業，也能夠透過NTN來增強連接性。

印度等發展中市場將推動智慧計量的發展。此外，在政府法規的支持下，全球各產業的數位轉型將繼續推動這項發展。物聯網與人工智慧、5G和邊緣運算的整合將強化即時處理和自動化，推動產業進入效率和創新的新時代。

低耗能/低頻寬/低延遲　邊緣AI種類多樣

相較於雲端AI，邊緣AI無法進行大規模參數量的訓練，但是大型模型耗費許多運算資源，不僅設備投資門檻高，運算耗費電力更是驚人。相反的，低耗能、低頻寬、低延遲的邊緣AI種類多樣，與SLM結合，於邊緣裝置執行推論，可以大幅提升裝置的智慧化功能，且應用領域多種多樣，影響範圍更為廣泛。

2025年，物聯網廠商的發展將持續在技術與應用上尋求AI落地的可能，在大幅提升裝置智慧化能力之餘，若能同時符合消費者的需求，就有可能開創全新的AIoT藍海。比如：即時、雙向、多語言翻譯，智慧影像辨識控制各式家電的功能，個人生理資訊蒐集與健身、飲食、生活作息調整建議，家中老人、嬰幼兒影像偵測，避免摔倒、跌落並能即時告警等。另外，邊緣運算由於將大部分的資料留在終端裝置，也大幅降低資安與隱私的風險，2025年可以高度期待是邊緣AI物聯網百花齊放的最佳時機。