随着人工智慧渗透至生活与产业的每一个角落，运算架构正迎来剧烈转型。Arm 资深??总裁暨物联网事业部总经理 Paul Williamson 在 Arm Unlocked Taipei 2025 上指出，「我们正经历一场由 AI 引领的运算革命。」 未来三年内，Edge AI将不再是少数应用的加值功能，而是推动物联网、智慧制造、车载系统与消费电子全面升级的核心驱动力。

Arm 资深??总裁暨物联网事业部总经理 Paul Williamson(中)来台叁与 Arm Unlocked Taipei 2025 。

Paul Williamson 分析，AI 从云端下沉至边缘的主因，来自四项关键需求。

首先是 延迟。在自动化机械、互动式装置或安全监控等情境中，运算必须在毫秒内完成回应，等待云端伺服器回传的模式将无法满足实时性要求。其次是 隐私。感测器与影像资料越趋丰富，用户更希??个资在本地处理，而非上传至远端云端。第三是 能效。AI 模型在边缘端执行需要极致的功耗控制与架构优化，才能在有限的能源中运行复杂推论。最後则是 成本与韧性。唯有让部分 AI 运算分散至终端装置，才能降低云端成本并确保在离线环境下仍能运作。

这四大因素共同推动了 Arm 在边缘 AI 的技术策略：以能效导向的架构设计支援更智慧、更分散的 AI 生态。

在技术层面上，Arm 今年推出首款采用第九代架构的 IoT 处理器 Cortex-A320，专为低功耗 AI 推论设计，具备「Always-on」能力，能即时处理感测器输入并执行 Transformer 等语言模型。此外，Arm OSNAI 运算子系统 进一步结合 Cortex-A320 与 NPU 加速器，能在终端装置上执行更高阶 AI 模型，如 PyTorch 或 Vision Transformer，为机器人、智慧家庭与工业自动化带来即时运算效能。

Paul Williamson 强调：「AI 已不再局限於云端，而是渗透到每一个能够感知环境、理解情境并做出反应的装置中。」他举例，如智慧安防系统可在边缘端完成影像辨识与事件判断，工业机器人则能透过本地 AI 即时规划动作，展现更高自主性。

为了让开发者与新创更快速导入 AI，Arm 宣布将前述技术整合进 Arm Flex for XLA 计画，开放更多夥伴采用最新 Arm 架构，甚至让部分新创公司能以「零成本」取得授权。此举象徵 Arm 正将边缘 AI 从晶片层延伸至生态层，透过软硬体协同与开源合作，加速创新应用落地。

Arm 台湾总裁黄晓刚指出，台湾拥有完整的资通讯与半导体产业链，是 Arm AI 生态的重要枢纽。随着 AI 运算平台持续演进，从晶片设计、模组制造到系统整合，台湾夥伴将在全球边缘 AI 扩展中扮演关键角色。