文／黄清照

生成式AI第一波投资，焦点集中在云端资料中心、GPU与高速网路。随著AI逐渐进入实际应用，下一阶段的重点开始转向AI如何真正走进工厂、医院、车站、商店与各类终端设备。

这也带动边缘运算需求快速升温。透过将部分运算与AI推论能力部署在资料产生地附近，企业可以降低资料传输延迟、减少网路频宽需求，同时提高系统反应速度与资料隐私。IPC也因此由传统的设备控制与资料收集平台，逐步升级为支援AI推论、机器视觉与智慧决策的边缘运算核心。

IPC与边缘运算：让AI在资料产生的地方即时工作

从集中云端走向云边协作

边缘运算的概念，是把部分运算、分析与储存功能搬到资料产生地附近。

工厂摄影机发现产品瑕疵后，若先将整段影像传送至远端资料中心，再等待辨识结果回传，可能增加延迟，也会占用大量网路频宽。部署在产线旁的边缘电脑，可以直接完成影像辨识，并在毫秒至秒级时间内发出剔除指令。

这种架构可降低延迟、节省频宽，也能在网路连线不稳时维持现场运作。智慧制造、自动驾驶、医疗设备及交通控制等应用，都需要设备在资料产生后立即做出判断。

云端适合处理大型模型训练、跨据点资料整合、模型版本管理及集中式运算；边缘端负责即时推论、设备控制与资料筛选。未来主流架构将是「云端训练、边缘推论、终端执行」，三个层级依照任务需求分工。

IPC为什么是边缘AI的重要载体

IPC即工业电脑。它与一般商用电脑最大的差异，是使用环境、可靠度要求与产品生命周期。

工业现场可能存在粉尘、震动、高低温、油污及电磁干扰，设备还经常需要全年无休运转。IPC因此强调无风扇、宽温、抗震、长期供货，以及丰富的工业I／O与通讯介面。医疗、铁道、车载及能源设备，还要通过各自的安全与可靠度认证。

一般消费型电脑可能两三年就进行世代更新，工业客户却可能要求同一套平台供货五年、七年，甚至十年以上。工厂设备完成认证与产线验证后，每一次硬体更换，都可能带来重新测试、重新认证及停机成本。

AI加入之后，IPC的功能也从收集资料、控制设备，升级为现场决策平台。硬体除了CPU，逐渐加入GPU、NPU或专用AI加速器，使设备可以处理影像辨识、异常侦测、语音分析及小型语言模型。

一套完整的边缘AI平台，大致可以拆成五个层级：运算、记忆体、储存、感测与通讯，以及最上层的软体。真正困难之处是让模型在有限功耗下稳定运作，同时处理远端更新、资讯安全、故障复原与多年维护。

工厂设备若在生产途中当机，可能造成整条产线停摆。工业客户关心的重点包括系统稳定性、故障率、维修效率，以及供应商能否提供长期技术支援。2026年最新工业边缘平台，也持续把无风扇、宽温、抗震及长供货周期列为基本设计条件。

TOPS只是判断AI效能的第一个指标

市场常用TOPS（Tera Operations Per Second，每秒兆次运算）衡量AI晶片每秒可完成多少兆次运算。不过，设备实际效能还会受到记忆体频宽、影像输入数量、模型大小、资料格式、散热能力及软体最佳化程度影响。

两台标示相同TOPS的设备，一台可能同时分析十六路摄影机，另一台可能因记忆体容量或散热限制而降低运作频率。晶片标示的理论算力，只代表整套系统能力的一部分。

工业场域通常会透过INT8量化、模型剪枝、知识蒸馏或缩小任务范围，把辨识速度、准确率与功耗调整至适合长时间运作的平衡点。TOPS接近汽车的引擎马力，记忆体、散热、软体及资料传输能力则会共同决定实际速度。

此外，工业设备的资料来源相当零碎。既有PLC、相机、感测器及旧型机台，可能使用不同的通讯协定。IPC除了执行AI模型，也要扮演资料闸道，先将设备讯号、影像及感测资料整理后，再交由模型分析。

企业通常会保留仍可使用的生产设备，因此新导入的AI算力必须与多年累积的旧机台协同工作。供应商能否串接既有设备、通讯协定与资料库，是专案能否从展示走向量产的重要条件。

三个最先落地的应用方向

智慧制造是目前最明确的边缘AI应用，包括瑕疵检测、预测性维护、机器人视觉与工安监控。

传统视觉检测多半依赖固定规则，例如产品表面颜色超过特定范围就判定为异常。AI影像辨识可以学习刮痕、裂纹、变形及脏污等复杂特征，并因应不同产品调整模型。

预测性维护则会搜集马达震动、声音、温度与电流变化，提早判断设备是否可能故障。企业可在停机前安排维修，降低产线突然中断造成的损失。

医疗端重视资料隐私与即时性，影像可以先在院内完成辨识，再将必要结果上传。零售与交通场域则可利用本地影像分析人流、车流、商品陈列与设备状态。安勤近年的产品布局，便同时涵盖医疗影像、智慧零售、交通、工业自动化与Edge HPC。

概念验证成功后，专案还要经过现场测试、资讯安全审查、认证及小量试运转，最后才会复制到其他据点。判断产业需求是否进入实质成长，可观察量产客户数、平均专案规模、软体与服务收入，以及同一套方案是否开始跨厂区、跨医院或跨门市复制。

台湾IPC产业：从硬体平台走向完整方案

研华（2395）的优势在于产品线、全球通路与合作生态系完整，产品由嵌入式板卡、无风扇系统延伸至Edge AI、工业云端与垂直应用平台。

2026年第二季研华营收261.26亿元，年增46%，营业利益年增64%，税后净利年增127%，EPS达5.20元。上半年美元营收年增33%，第二季订单出货比达1.44，公司表示客户加速部署AI，带动边缘运算相关需求。

桦汉（6414）更接近大型工业数位化集团，业务涵盖工业物联网、软体、资安、系统整合及智慧厂务，2026年Q2营收483亿创历史新高、年增率39%，营业利益46.77亿元，年增273.18%。桦汉未来将持续整合旗下工业电脑、Kontron平台、系统工程与智慧工厂资源。

安勤（3479）较擅长医疗、零售、交通及工业场域的客制化系统。2026年陆续推出搭载Intel Xeon 6的Edge HPC平台、AI医疗平板及多款嵌入式系统，可应用于医疗影像、智慧手术、AOI检测与工业推论。安勤的发展重点是运用医疗认证与客制化能力，提高垂直市场专案的供应内容。

艾讯（3088）的产品涵盖嵌入式系统、工业平板，以及交通与医疗边缘设备。2026年Q2营业利益年增58.57%，税后净利年增91%，EPS由1.24元提高至2.25元。公司新推出的IP67无风扇Edge AI系统，搭载NVIDIA Jetson Orin平台，最高可提供157 TOPS，锁定智慧交通、停车管理、公共安全及户外监控。

宜鼎（5289）：从工业记忆体走向五层边缘AI架构

宜鼎原以工业级SSD与记忆体模组为核心，长期服务工业电脑、交通、医疗及自动化设备客户，并透过子公司安提国际及自有软体，将产品延伸至边缘运算平台、工业相机、通讯模组、远端管理与AI工具。

2026 第二季宜鼎合并营收224.43亿，年增641%，毛利率达65%，营业利益率达58.6%，EPS为108.93元。现阶段主要成长动能仍来自工业记忆体与储存本业，强劲获利也提供公司扩大Edge AI研发与生态系布局的资源。

宜鼎目前已形成「运算、记忆体、储存、感测与通讯、软体」五层架构，并布局Intel、NVIDIA及Qualcomm等不同运算平台，应用涵盖企业地端大型语言模型、工安监控、AMR自主移动机器人与文字辨识。透过记忆体、SSD、相机、运算平台与管理软体的整合，宜鼎可降低客户自行整合多家供应商的时间，并逐步由工业记忆体供应商延伸为边缘AI平台业者。

其他台湾业者也在加速产品升级。友通于2026年推出支援机器人、工业安全与智慧视觉的Edge AI平台；凌华聚焦Physical AI、医疗影像与人形机器人；研扬发展多镜头推论系统；立端强化企业、电信与工业现场的AI推论；新汉则结合机器人控制、功能安全及智慧产线。

边缘AI下一阶段的竞争重点，将落在强固硬体、感测器、模型工具、资讯安全与远端维运的整合能力。能够缩短概念验证到量产部署时间的供应商，较有机会取得后续跨厂区、跨门市及跨国复制的订单。

本公司所推荐分析之个别有价证券

无不当之财务利益关系 以往之绩效不保证未来获利

投资人应独立判断 审慎评估并自负投资风险