邊緣AI 2026將成 IoT晶片發展核心

04:102021/05/02 工商時報 集邦科技資深分析師曾伯楷

隨著智慧工廠、城市等場景對數據分析越發需要精準、即時且大量處理的需求，AI與IoT結合已是現在進行式。在AI晶片助益下，IoT邊緣與終端裝置可透過機器學習或深度學習等技術加值，同時帶出無延遲、低成本、高隱私等優勢，顯示出AI晶片的重要性。預估全球AI晶片產值至2025年將達720億美元。

與此同時，邊緣運算透過AI使終端設備於運行上更加智慧，不僅保有邊緣運算於延遲性、隱私性、連接性、功耗、成本等優勢，並進一步使系統具有主動性與智慧性。若以場景角度切入，邊緣AI相較傳統邊緣運算，其主要帶來的效益包括數據處理過濾和邊緣智慧分析，此也將成為兩技術持續結合的動能。

一、MCU、連接晶片、AI晶片為IoT晶片產業鏈三大關鍵零組件。　物聯網在傳統上多以感知層、網路層、系統層與應用層作為架構堆疊，主要經濟效益雖來自應用層的智慧情境發展，然感知層所需的產業鏈之上游零組件仍是支撐終端場景運作重要核心，其中又以微控制器（MCU）、連接晶片與AI晶片最關鍵。

MCU方面，建立在高效能、低功耗與高整合發展主軸下，IoT MCU現行從通用MCU演化成特定為IoT應用或場景所打造，如2021年3月STMicroelectronics推出新一代超低功耗微控制器STM32U5系列，可用於穿戴裝置與個人醫療設備；Silicon Labs同期推出PG22 32位元MCU，主打空間受限且須低功耗的工業應用、Renesas RA4M2 MCU著眼IoT邊緣運用等。

連接晶片方面，受物聯網設備連線技術與標準各異影響，通訊成物聯網晶片中相當重要的一環，從蜂巢式的4G、5G、LTE-M、NB-IoT，到非蜂巢式的LoRa、Sigfox、Wi-Fi、Wi-SUN等，從智慧城市、工廠、家庭至零售店面皆被廣泛運用，範圍擴及至太空，如2020年下旬聯發科與國際航海衛星通訊公司（Inmarsat）合作，成功以NB-IoT晶片完成全球首次5G物聯網高軌衛星資料傳輸測試。AI晶片方面，隨著智慧工廠、城市等場景對數據分析越發需要精準、即時且大量處理的需求，AI與IoT結合已是現在進行式。此外，Microsoft在其2021年3月舉辦的年度技術盛會Ignite 2021上指出，2022年邊緣運算市場規模將達到67.2億美元，與深度學習晶片市場相當吻合，亦提及市場預估至2025年全球深度學習晶片市場將有望達663億美元。同時，Microsoft認為至2026年全球AI晶片有3／4將為邊緣運算所用，顯示出IoT晶片於邊緣運算的發展將成未來廠商重要布局之一。

二、邊緣AI效益顯著，成長動能仰賴數據處理過濾、邊緣智慧分析。

首先，從邊緣運算定義來看，市場雖已談論數年但定義與類別始終未統一，原因是各廠商於邊緣託管工作的目的不盡相同。例如對電信商而言，初步處理數據的微型數據中心是其邊緣端，而對製造商來說邊緣裝置可能是生產線的感測器，此也造就邊緣運算的分類方式略有出入。另外，例如IBM有雲端邊緣、IoT邊緣與行動邊緣的類別，ARM多將邊緣視為雲端與終端間的伺服器等裝置，亦有個人邊緣、業務邊緣、多雲邊緣等類型。

其次，從邊緣運算類別來看，現行分類趨勢和研究方式尚有以數據產生源為核心，藉由設備與數據源的物理距離作為分類參考，並將其分為厚邊緣（Thick Edge）、薄邊緣（Thin Edge）與微邊緣（Micro Edge）。厚邊緣多用以表示處理高數據流量的計算資源，並配有高階CPU、GPU等，例如數據中心的數據儲存與分析；薄邊緣則包含網路設備、工業電腦等以整合數據為主要目的，除了配有中間處理器外，也不乏GPU、ASIC等AI晶片；微邊源因與數據源幾無距離，故常被歸類為生成數據的設備或感測器，計算資源雖較為匱乏，但也可因AI晶片發揮更大效益。

整體而言，邊緣運算透過AI使終端設備於運行上更加智慧，不僅保有邊緣運算於延遲性、隱私性、連接性、功耗、成本等優勢，並進一步使系統具有主動性與智慧性，在平台管理、工作量合併與分布式應用也更有彈性。若以場景角度切入，邊緣AI相較傳統邊緣運算，其主要帶來的效益提升包括數據處理過濾和邊緣智慧分析，此也將成為兩技術持續結合的動能。

數據處理與邊緣分析於過往邊緣運算時已可做到，並在AI加值下進一步提升效益。以前者而言，數據透過智慧邊緣計算資源可在邊緣處預先處理數據，且僅將相關資訊發送至雲端，從而減少數據傳輸和儲存成本；從邊緣分析效能來看，過往多數邊緣運算資源處理能力有限，運行功能時往往較為單一，而邊緣智慧分析透過AI晶片賦能，進而能執行更為繁複、低延遲與高數據吞吐量的作業。

三、全球大廠搶攻IoT晶片市場，中國加重AI晶片發展力道。

IoT晶片於邊緣運算所產生的效益，使其成為廠商重要策略布局領域，雲端大廠如Google、AWS等紛紛投身晶片自製；傳統晶片大廠如ARM最新產品即鎖定邊緣AI於攝影機和火車的辨識應用、Intel亦投資1.3億美元於十餘家新創AI晶片設計廠商，NXP Semiconductors、Silicon Labs、ST則陸續在其MCU或SoC添加邊緣AI功能。此外，新創企業Halio、EdgeQ、Graphcore皆以AI晶片為主打。整體而言，若以區域來看，歐美大廠聚焦加速AI運算效能，但最積極發展AI晶片產業的則屬產官學三方皆支持的?心，代表性廠商包含地平線、華為旗下海思等代表；台灣則由產業聯盟領頭與聯發科和耐能等重要廠商。

（一）中國產官學助力，2023年AI晶片產值估將逼近35億美元。

AI產業是中國發展重點之一，其輔助政策如2017年《新一代人工智能發展規劃》、《2019年促進人工智能和實體經濟深度融合》，至「十四五」與「新基建」，都將AI視為未來關鍵國家競爭力。各大廠也因此陸續跟進，如百度發布AI新基建版圖著眼智慧雲伺服器；阿里宣布未來至2023年將圍繞作業系統、晶片、網路等研發和建設，騰訊則聚焦區塊鏈、超算中心等領域。

產官學研加重AI的發展力道也反映於AI晶片上，ASIC（特殊應用基體電路）廠商比比皆是。其中，AI晶片布局物聯網領域的廠商眾多，包含瑞芯微、雲天勵飛、平頭哥半導體、全志科技等，主要面向雲端運算、行動通訊、物聯網與自動駕駛四大領域。其中，物聯網領域進一步聚焦於智慧家庭、智慧交通、智慧零售與智慧安防部分，執行語音、圖像、人臉與行為辨識等應用。若進一步聚焦於邊緣運算領域，則以地平線、寒武紀、華為海思、比特大陸、鯤雲科技等最為積極。整體而言，TrendForce預估，中國AI晶片市場有望從2019年13億美元增長至2023年近35億美元。

綜觀中國AI晶片發展，雖有中美貿易摩擦導致設計工具、製造封測等環節較受限制，且開發成本始終居高不下，然而，藉由產官合作以及中國內需市場需求動能，仍能有效支撐該產業成長。若以邊緣運算來看，鑒於AIoT市場持續茁壯，特定應用的ASIC將是重要發展趨勢，尤以汽車、城市與製造業來看，相關場景應用如人身語音行為辨識、人車流量辨識、機器視覺等需求皆相當明朗，預期也將成廠商中長期發展主軸。

（二）台灣人工智慧晶片聯盟積極整合，監控與機器人為邊緣AI應用兩大方向。

台灣廠商聯發科和耐能同樣結合邊緣運算與AI兩技術作策略布局，就整體產業而言，2019年由聯發科、聯詠、聯電、日月光、華碩、研揚等廠商共同組成的台灣人工智慧晶片聯盟（AITA）發展迄今已越趨成形，各關鍵技術委員會（SIG）亦訂定短中長期發展目標。

邊緣AI發展則由AI系統應用SIG推動，其第一階段至2020年著眼半通用AI晶片發展與智慧監控系統應用平台的裝置端推論，2021年則聚焦以裝置端學習系統參考設計，以及軟硬體發展平台的裝置端學習為主，並規劃在2023年能以多功能機器人為主體，發展多感知人工智慧和智慧機器人AI晶片發展平台。

換言之，藉由業界在智慧裝置、系統應用與AI晶片的串聯，短期至2022年都將是台灣邊緣AI大力發展階段，並朝智慧監控、多功能機器人深化，預期此也將帶動系統整合的凌群、博遠，終端設備的奇偶、晶睿碩，以及晶片設計的聯發科、瑞昱等邊緣AI商機；但相較中國廣大內需市場，台灣仍需藉由打造讓晶片廠和系統商充分整合的互補平台，以利降低晶片開發成本，並從其中尋求更多可供切入的大廠產業鏈。

附圖：2019～2023年中國AI晶片市場推估
AI於IOT流程主要著眼數據處理與分析之效
台灣人工智慧晶片聯盟系統應用SIG發展架構

資料來源：https://www.chinatimes.com/newspapers/20210502000153-260511?fbclid=IwAR0zlvUv8MKpcHrbgpa3xRAFaQXaxZuep9TCeZ-75myILNjuDV4SWEIdKZ8&chdtv

讓物聯網應用開發全面提速，巨頭們用了“大”招【物女心經】

作者：物女王（彭昭）
物聯網智庫 整理發佈

導 讀

物聯網時代，工具的選擇尤為重要。當大部分人還拿著大刀長矛以原始姿勢赤身肉搏時，率先發明火炮步槍，並掌握狙擊方法的人想輸都難。既然IoT低代碼程式設計工具已經出現，我們有必要將它仔細審視一番，掂量一下是否趁手。

在各種IoT平臺你爭我奪的“大戰”中，平臺型企業或者初創物聯網公司紛紛都在打磨著自己的IoT程式設計工具，前沿的一些已經初具雛形，尤其值得關注：
• 本周，阿里雲IoT更新了IoT Studio，這是一套針對物聯網應用的開發工具。IoT Studio可以提供視覺化的應用開發和服務開發能力，説明使用者改善在實際專案交付中，經常面臨的應用開發成本高、需求定制化程度高、投入產出比低等問題。

• 西門子收購的低代碼平臺Mendix在去年實現了150%的高增長。今年4月，西門子將Mendix與工業互聯網平臺MindSphere進行了集成，這意味著沒有很強IT程式設計經驗的OT工程師們，也可以利用Mendix快速構建物聯網服務。Mendix已經培育的60,000名開發者，也將為MindSphere快速構建應用程式。

這些舉措對於物聯網來說具有深遠影響，他們都指向同一個方向：改進程式設計工具、簡化程式設計環節、降低開發成本，是加速物聯網專案落地的一條捷徑。

由於在物聯網時代，工具的選擇尤為重要。當大部分人還拿著大刀長矛以原始姿勢赤身肉搏時，率先發明火炮步槍，並掌握狙擊方法的人想輸都難。

既然IoT低代碼程式設計工具已經出現，我們有必要將它仔細審視一番，掂量一下是否趁手。

因此在本文中你將看到：

• 什麼是IoT程式設計工具？
• 為什麼需要低代碼？
• IoT低代碼程式設計工具之間有什麼差異？

01

什麼是IoT程式設計工具？

在互聯網時代的IT軟體世界中，有4個最核心的成員：

作業系統、程式設計語言、編譯器和資料庫。

1970年，貝爾實驗室的肯•湯普遜和鄧尼斯•利奇開發出了世界第一個通用型電腦作業系統：Unix。

1985年，微軟推出了第一版Windows作業系統。

Linux是一類Unix電腦作業系統的統稱，公認在1991 年誕生。

目前在移動設備上廣泛使用的Android作業系統，也是創建在Linux內核之上。

而程式設計語言的出現，在作業系統之前。

1952年，組合語言Flow-Matic出現。組合語言本質上是使用助記符來代替機器語言01010101，但這種語言對電腦硬體依賴很大。不同的電腦，組合語言不相通。

1957年，世界上第一個高級程式設計語言FORTRAN問世，它使電腦語言從原始的低級組合語言走到人人易懂的境界。

從此，電腦不再是科學家的專利。可以說FORTRAN的誕生，孕育了軟體產業。此後，電腦高級程式設計語言進入蓬勃發展的時代。

由此，可以看出作業系統和程式設計語言的重要性不相伯仲。

到了物聯網時代，作業系統發生了變化。

互聯網時代，作業系統調度的是PC或者手機中的計算和存儲資源。

物聯網時代，作業系統進化為物聯網平臺，它對“物體”的調度過程，由調度“雲、管、邊、端”不同層級中不同設備的計算資源而實現。

比如RT-thread、Mindsphere、WISE-PaaS…都是物聯網時代的作業系統。

下圖是在微軟眼中，物聯網時代作業系統應當具備的能力：

相比於PC作業系統，物聯網作業系統或者平臺具有以下幾個明顯特性：

• 無縫更新：系統更新通過後臺完成，無需中斷
• 更加安全：具備防止惡意攻擊能力
• 長期連接：保持 5G、WiFi等連接能力，保證設備間能一直相互連接
• 可持續的性能
• 雲端接入能力：支援設備與設備間進行無縫訪問資料
• 具備AI能力
• 支持各種交互：兼顧觸控、手寫、語音、鍵鼠等方式，以及能夠通過感測器和姿勢感知
• 多樣產品形態：支援雲、邊、端的應用

最近一系列基於微內核的IoT OS推出，比如阿里AliOS Things、華為鴻蒙OS、GoogleFuchisa，進一步詮釋了物聯網作業系統的特徵。

微內核並非新鮮事物，最早可以追溯到卡內基梅隆大學在1985年推出的微內核作業系統 MACH。新一代的微內核IoT OS可以支援從小到大的各種智慧設備，包括從煙感感測器、到攝像頭、再到計算閘道等；提供各種本地外掛程式、羽量級GUI、以及豐富的連結協定，滿足碎片化的設備開發的需求；還有豐富的雲端一體化的外掛程式，包括連雲套件、OTA、視頻語音連雲套件，確保設備和雲端的設備影子即時同步。

總而言之，基於微內核的物聯網作業系統，有能力適配高度碎片化的硬體與晶片生態，有豐富的本機群組件來支援不同的設備，又能夠充分和雲端的大資料計算能力形成協同，奠定了數位化物理世界的基礎。

在互聯網時代，作業系統幾乎只需要支援PC和手機就可以完成任務。但是到了物聯網時代，IoT作業系統或者IoT平臺的複雜性急劇上升，為了令其更加易用，程式設計語言也需隨之進化，IoT程式設計工具由此產生。

從作業系統到物聯網平臺，從程式設計語言到IoT程式設計工具，這是一個自然而然的推進過程。

可以預見，編譯器和資料庫在物聯網時代也將產生更新或者變異。比如華為在8月31日剛剛開源的方舟編譯器，以及濤思資料推出的時序資料庫，都更加適合物聯網時代的應用。

在物聯網時代，上述這些工具都會進化，有些可能會徹底變成新的物種。IoT平臺與PC作業系統有本質不同，IoT程式設計工具也與程式設計語言有著天壤之別。

因此，在物聯網時代我們需要一個更加立體、分層和全域的視角，來看待關鍵領域。不管是作業系統，還是程式設計語言，都應建立一個全新的理解，從而發現新的機會，更好的利用工具，實現物聯網業務的拓展。

02

什麼是低代碼？

既然與PC作業系統相比，IoT平臺的複雜性急劇上升，需要調度“雲、管、邊、端”各方資源、兼顧傳感、姿勢、語音等各種對話模式，又要保持5G、WiFi、BLE等連接隨時線上…

那麼，IoT程式設計工具的重要使命就是降低這種複雜度，讓開發者可以輕鬆上手。因此“低代碼”是大勢所趨。

簡單來說，“低代碼開發”被用來描述一種快速設計和開發的軟體系統，無需編碼或通過少量代碼，就可以快速生成應用程式。它是研究機構Forrester Research在2014年最先使用的一個術語。

其實低代碼並不是最近才出現的新事物，它可以追溯到上個世紀90年代。

在1991年誕生的快速應用程式開發（Rapid Application Development，縮寫：RAD），目標是在60到90天的短時間內，建立符合使用者要求的業務軟體。RAD的出現掀起了一場程式設計方式的革命，它帶來了視覺化程式設計，使得程式設計的門檻變低了。

根據Forrester的分析預測，低代碼平臺有可能使軟體發展速度比傳統方法快上10倍。到2022年，低代碼平臺市場將從現有的40億美元，增長到220億美元。

如果將“低代碼開發”和汽車製造做類比，“低代碼”之于IoT開發者就像自動化生產線對於汽車行業的作用。

過去汽車的裝配需要手工完成，現在都是通過自動化生產線實現。雖然早期自動化進程中使用的生產線，對汽車複雜多變的配置無能為力，但它們確實加快了裝配和交付的進程。

作為對比，現在的程式設計工作大部分還處於手工作業階段，生產效率在很大程度上取決於編碼者個人的專業技術水準，“低代碼”儘量用少量的代碼開發出企業級的應用，最大限度的提高應用開發的效率。

眾所周知的低代碼實例是WordPress，它是一款開源CMS（Content Management System，內容管理系統），特性是易上手，開發速度尤其快，甚至無需代碼，直接安裝範本和外掛程式就可以達到要求。

使用WordPress，中小型企業只需雇傭一名不懂程式設計的員工，便可以借助網上發佈的各種主題和外掛程式，在完全不需要程式設計代碼的情況下進行基本網站編輯。目前WordPress已經支持了世界上超過70%的網站。

至此，可以看到低代碼具有如下優勢：

• 降低程式設計門檻，不需要大量的程式設計知識
• 大大加快應用程式的開發和部署時間
• 節省成本，節省專案規劃或員工培訓的時間
• 使用者可自訂模組，應用程式可以靈活調整
• 開發者可以將精力更好的分配於核心任務

任何事物都有兩面，必須說明，低代碼也存在使用風險：

• 供應商被鎖定：目前低代碼程式設計工具並不通用，選擇其中一種便意味著鎖定了供應商。
• 維護成本較高：由於低代碼及其供應商存在較強的耦合性，也就意味著供應商擁有較強的議價能力。
• 存在監管隱患：因為減少了代碼編寫的工作量，開發者很難知道API調用的背後隱藏著什麼秘密。
• 功能可能有限：任何低代碼的供應商都不可能預測到所有的應用細節，如果開發者希望更加靈活地適應企業的需求，就需要使用自己編寫的代碼來滿足。
• 應用千篇一律：低代碼程式設計專案可能最終看起來彼此都非常相似，因為開發者使用的是相同的模組。

任何技術都有利弊，越容易被創建，往往也意味著，越容易被複製。

而我們需要做的，就是權衡利弊，想好自己是否要用這個工具。

03

IoT低代碼程式設計工具之間有什麼差異？

總體而言，有兩類公司在提供IoT低代碼程式設計工具，分別是物聯網平臺型企業和應用服務初創型公司。

除了文初提到的阿里和微軟，AWS、Google、Salesforce等巨頭都有提供IoT低代碼程式設計工具。

典型的低代碼平臺初創公司，除了被西門子收購的Mendix，比較知名的還有OutSystems、ServiceNow、Kony等。

市場研究機構Gartner和Forrester分別繪製了低代碼平臺的格局版圖。

這兩類公司由於各自目標不同，所提供的IoT低代碼程式設計工具其側重點也有所區別。

物聯網平臺型企業：這類企業的目標是降低物聯網平臺的應用門檻，彙聚開發者生態，因此往往提供的是端到端的IoT低代碼程式設計工具或者開發環境。

以阿里雲最近更新的IoT Studio為例，它是一套專為物聯網應用所設計的整合式開發環境IDE，功能包括：

• 設備資料無縫集成：設備相關的屬性、服務、事件等資料均可從阿里雲物聯網平臺設備接入和管理模組中直接獲取，大大降低物聯網開發工作量。
• 面向各個行業提供場景化範本：開發者可以直接利用現有的（包含設備，應用和服務的）解決方案模版來開發自己的業務，將原有需要幾周的開發過程縮短到幾天。
• 視覺化應用開發：使用者通過簡單的視覺化拖拽的方式，即可將各種元件、圖表與設備相關的資料來源進行關聯，幾乎無需任何程式設計經驗，整個過程就像使用PPT一樣簡單。
• 提供服務開發的功能：使用者可以很方便的實現設備之間的聯動、設備與服務之間的資料流程轉。IoT Studio打通了阿里雲API市場，用戶還可利用各種人工智慧及資料分析的API。

應用服務初創型公司：這類企業將低代碼平臺本身作為核心產品，探索與之相應的新型行業模式，因此他們的程式設計工具一般並非針對物聯網應用所創建，或者並不具備對於物聯網異構設備的支援能力。

以被西門子並購的Mendix為例，它本身是一個加速企業敏捷開發流程的PaaS平臺，並自稱是全球唯一一個真正的雲原生低代碼平臺。

它由3個無縫集成的產品組成：Sprintr，AppFactory和Mendix Platform-as-a-Service，分別實現的功能如下：

• Sprintr：採用羽量級的社交方法進行企業專案協作。通過在整個企業中提供協作平臺，Sprintr打破了不同部門和專業之間的隔閡，所有員工都是同一個私有社交網路的一部分。
 AppFactory：讓使用者能夠使用高級視覺化的模型開發應用程式。這可以實現業務和IT之間的協作，還可縮短回饋週期。AppFactory又由3個元素組成：
-Mendix Business Modeler：使用視覺化模型設計和開發應用程式的建模環境。
-Mendix Team Server：基於雲的模型存儲庫，用於團隊成員協作並進行版本控制。
-Mendix AppStore：應用市場，用於共用和下載業務範本、主題和技術元件。
• MendixPlatform-as-a-Service：使用者只需按一下一下，即可從Mendix Business Modeler中將應用程式模型上傳到Mendix PaaS，從而輕鬆部署應用程式。

被西門子收購之後，Mendix在最新的19版中增加了對於物聯網設備的支援，並升級了AI引擎，提供對於物聯網資料的分析服務。

----寫在最後----

借助IoT低代碼程式設計工具，讓企業有機會嘗試用更少的資源更快更好的實現應用。如果將其承載在工業大腦或者智慧城市的管理平臺之上，勢必將會激發各類應用開發者的創意和想法，讓各類應用快速集成落地。

對於開發者數量有限的傳統行業，IoT低代碼程式設計工具還有可能加速IT和OT的融合。

當然，各種IoT低代碼程式設計工具是否被宣傳得恰如其分，是否在實踐中方便使用，還需要經過驗證。

本文小結：

1.在物聯網時代我們需要一個更加立體、分層和全域的視角，來看待關鍵領域。不管是作業系統，還是程式設計語言，都應建立一個全新的理解，從而發現新的機會，更好的利用工具，實現物聯網業務的拓展。
2.與PC作業系統相比，IoT平臺的複雜性急劇上升，IoT程式設計工具的重要使命就是降低這種複雜度，讓開發者可以輕鬆上手，因此“低代碼”是大勢所趨。
3.現階段有兩類公司在提供IoT低代碼程式設計工具，分別是物聯網平臺型企業和應用服務初創型公司。

資料來源：https://mp.weixin.qq.com/s?__biz=MjM5MTM5ODQyMA==&mid=2651216898&idx=1&sn=b08fe67b565b6c82dadd4468ac21c791&chksm=bd44d3798a335a6fdb7bbb7aa838ebd4d98a2409990dd97fb56ad85d33d3a95d7fe7bb5d418c&scene=21#wechat_redirect

全球市場研究機構TrendForce今（29）日舉辦2018集邦拓墣大預測研討會。本次研討會精彩內容節錄如下，提供參考：

半導體

AI (人工智慧)對半導體產業的影響，已從銷售機會與生產方式升級兩項指標逐步顯現，包括OS廠商、EDA、IP廠商、IC晶片廠商都在2017年針對AI應用推出新一代的架構與產品規劃，AI帶來的影響將在2018年持續擴大，預期2018年至2022年半導體年複合成長率將為3.1%，AI將扮演半導體主要成長動能。此外，AI正從兩種不同的路徑影響半導體產業，一個是銷售機會，包含新的應用帶來新產品與新技術，像是更多的感測器、數學加速器、儲存單元與通訊能力，落實服務、建設通訊骨幹、並同步升級資料中心與伺服器，並且帶來半導體產業生產方式的升級。

通訊

相較於4G行動通訊技術，5G提供更快資料傳輸速率、擴大無線通訊覆蓋面積和降低網路時延，在消費類以外的應用，如工業、交通、醫療等垂直行業擴展。隨著韓國計畫透過2018年2月平昌冬季奧運展示5G技術，2018年將成為5G元年，預期各國行動運營商將以更積極態度採用5G技術，實現營收的多樣化，以挽救傳統語音和數據服務ARPU(Average Revenue Per User)下滑困境，而5G正式商業化預計將於2020年之後展開，目前以日、韓兩國在5G的布局上最為積極。

面板

面板產業趨勢跟消費性電子產品市場可說是牽一髮而動全身，像是OLED面板就受到電視和智慧型手機產業的青睞而需求日增。在小尺寸面板市場首要關注的就是OLED對液晶份額的蠶食鯨吞，其中最近剛發表的iPhone X系列產品將是OLED比重攀高的最大功臣，預估OLED在整體智慧型手機的搭載率，將從2017年的28%穩健成長至2018年的33%。相對於柔性OLED面板仍屬於少數品牌的稀缺資源，18:9全螢幕的推廣就顯得更加全面而迅速，預估18:9全螢幕在智慧型手機市場的滲透率，將從2017年的9.6%大幅攀升至2018年的36.2%，涵蓋高階、中階、甚或是入門產品。

消費性電子

在效能提升、影像品質改善等方面的競賽之下，消費電子產品成長的動能越來越疲乏，尤其是近年來智慧手機的市場幾乎只是微幅成長的情況下，廠商開始嘗試更多不同的設計與可能性。全螢幕、新機殼材料以及更多鏡頭的應用，開始改變智慧手機產品的設計；智慧TV攜手OTT業者、VR廠商布局應用平台，都是為了提供消費者更多元的應用服務；而生理數據的收集、AI帶來的機器學習與資料分析，也提供消費者量身訂做的應用服務。這些嘗試與改變，皆使得廠商必須思考，未來AI應用導入與硬體支援、AR/VR互動介面的兼容，以及多樣化應用服務的提供等領域的相關布局。

AI 人工智慧

AI議題熱度在2017年快速竄升，不僅相繼投入的廠商數目持續增加，既有參與廠商也積極擴大產品服務布局範圍，欲搶奪各應用領域的領導者寶座。今年因應自駕車、無人機、製造業工廠應用等低延遲率與數據隱私等問題，AI快速從Cloud Computing走入Edge Computing時代，成為相關雲端服務廠商、晶片與矽智財廠商的布局重點，再加上各國對AI的重視與相關政策的推出，預計都將催化2018年AI在製造業、自駕車、智慧醫療照護服務、IoT等領域的發展與落實。

生物科技

導入大數據與AI人工智慧的機器學習技術，全面強化電腦輔助的藥物篩選與設計，縮短新藥開發時程與提高成功機率，新藥開發邁入3.0時代。傳統電腦輔助藥物篩選與設計，著重於結構及潛在藥物活性分子與受體之間的原子層級的交互作用；有別於新藥開發2.0時代的高通量篩選以及傳統電腦輔助藥物篩選與設計，新藥開發進入3.0時代，在大數據的輔助下，將分子層級例如基因體（genome）、轉錄體（transcriptome）、蛋白質體（proteome）、以及巨觀層級電子醫療數據、臨床文獻等龐大的資訊匯入，並導入機器學習技術，進行藥物潛在作用標的與疾病關係的驗證，以及各類藥物如化學小分子藥、蛋白質藥、雙標靶藥物等開發。

自駕車與車聯網

2017年全球前三大區域市場依序分別為中國、歐洲及美國，全球車市銷售量估計將來到9千3百萬輛，2018年估計有機會接近億輛大關。另外2017年全球電動車市場估計將達120萬輛，其中主要市場中國因受補貼下降與騙補事件影響，上半年銷售表現不如預期，但年中開始慢慢回溫，預期全年銷售量有機會超越60萬輛，而第二大區域市場美國在2017年估計將接近20萬輛銷售量。此外，全球車輛產業發展趨勢中，自動駕駛快速發展的態勢相當顯著，隨著部分國家如美國、英國等積極推展自動駕駛法規的發展，致力於讓自動駕駛車輛早日合法上路，間接加速了車輛產業的蓬勃，陸續出現了像是自動駕駛電動巴士的試運行計畫，在全球各地展開。

物聯網

2017年物聯網市場依舊呈現快速成長，各垂直領域也持續深化，其中「智慧互動與互連」是2017年物聯網市場的亮點，而「智慧管理」則是2018年物聯網市場的發展重點。在消費性物聯網的部分，語音助理開拓人與裝置之間的互動性，也讓人對於裝置的控制更加直覺，而裝置之間更協同的運作方式也成為必要，隨著語音助理技術的持續推進，消費者對於消費性物聯網裝置的接受度將持續攀升，預計2018年將會有更多基於語音助理的產品服務推出。在非消費性物聯網的部分，邊緣運算的導入讓底層硬體更具運算能力，可協助如工業領域現場設備端有更快的回饋與反應機制，也進一步降低資料傳輸與使用雲端相關的成本，邊緣運算預計將成為各行各業積極布局的技術之一。當相連裝置數持續增加、智慧功能越來越多、系統效能也不斷上升的同時，如何進 行有效率且有智慧的管理將成為關鍵，複雜的物聯網架構將朝向易開發、易擴充以及易維護的方向邁進，整合式的智慧管理將成為物聯網市場邁向下一里程碑的重要關鍵。