當大家還在看雲端AI燒幾千張GPU的時候,台灣興櫃公司擷發科技(7796)已經在邊緣AI這個戰場上找到突破口了。最近董事長楊健盟宣布跟美國神經形態晶片廠BrainChip合作,目標很明確:智慧車載、安防監控、工業物聯網。

這次不是單純的IP授權那麼簡單。從合作內容來看,是要把NPU矽智財跟系統級軟硬體設計能力整合起來,直接提供可以量產的邊緣AI模組解決方案。換句話說,就是要做到拿去就能用的程度。

功耗才是真正的戰場

雲端大型模型可以慢慢燒電,但邊緣AI設備面對的限制完全不同——電池容量有限、不能隨時連雲端、反應速度不能等。自駕車的光達感測器、工廠產線的瑕疵檢測相機、你家門口的智慧攝影機,全都需要在終端直接運算,而不是把資料傳回雲端處理。

這時候功耗比就比絕對算力重要了。楊健盟直接點出產業痛點:「功耗限制與軟硬體整合的流程碎片化,是產業目前面臨的最大痛點。」BrainChip的神經形態NPU IP功耗低於一瓦,對電池供電的邊緣設備來說,這個數字很有意義。

從晶片到整套方案

過去AI晶片廠常遇到「技術很強但落地困難」的問題。這次擷發科技的做法不太一樣:透過自家的零程式碼視覺平台跟跨平台部署服務,把BrainChip的NPU IP整合成完整的邊緣AI模組,提供系統級架構整合、硬體模組設計驗證跟軟體堆疊等一站式服務。

BrainChip行銷長Steven Brightfield說得更直接:「我們將提供一條高度簡化且經過驗證的途徑,讓客戶直接應對最嚴苛的邊緣AI專案挑戰。」翻成白話就是——不用從零開始摸索,拿去就能量產。

鎖定三大應用場景

這次合作的目標市場很明確:

  • 智慧車載:雷達與光達感測、車內語音控制、駕駛行為分析
  • 安防監控:即時人臉辨識、異常行為偵測、雜訊抑制
  • 工業物聯網:產線瑕疵檢測、聲學異常診斷、預測性維護

這些場景的共同點是——都需要極低延遲、高隱私性,而且不能依賴穩定的網路連線。神經形態晶片的超低功耗特性,正好能在這些電池供電的設備上發揮最大價值。

技術互補還是生態轉換?

從產業角度看,這次合作確實為台灣ASIC設計服務廠提供了走出代工思維的新路徑,在邊緣AI正要起飛的時間點切入,時機算是精準。

不過技術社群也有些務實的疑慮。神經形態運算雖然省電,但開發者生態系統相較主流GPU平台還在早期階段,軟體工具鏈的成熟度跟開發者轉換成本,可能是實際商業化過程中需要克服的挑戰。從PoC到真正量產放量,還有多長的路要走?

楊健盟對此倒是很有信心:「軟體帶動硬體。」邏輯很清楚——只要軟體開發工具夠友善、整合流程夠順暢,硬體銷售就會跟著來。根據合作規劃,雙方會透過整合機器學習工具鏈跟系統級架構,簡化開發流程,降低客戶導入門檻。最後能不能成,還是要看執行面能不能把這些承諾兌現。