人工智慧轉折點
2022 年，隨著 ChatGPT 的推出，生成式人工智慧（AI）正式走向主流。而今年，這趨勢更加迅猛，智能體 AI 迅速融入日常工作流程，推動詞元需求呈指數級成長。整個產業都在全力以赴地擴充資料中心容量，供應鏈上的所有環節都面臨資源緊張的局面，尤其是消費性產品的記憶體和 CPU——後者正經歷著復興，因為智能體 AI 需要它們來進行程式編排。
塑造下一波人工智慧浪潮的問題
對我公司而言，最迫切的問題是供應鏈成本和短缺會如何影響業務。除此之外，最重要的問題還有：智能體人工智慧將如何改變消費性設備格局？它將如何影響現有設備？會出現哪些新型設備？如何在雲端和邊緣之間平衡工作負載？以及需要開發或改進哪些技術？
智慧型手機會繼續成為人工智慧的中心嗎？
一切的起點是史上最成功的消費性電子產品：智慧型手機。手機會進化成智慧型設備，繼續成為你生活中不可或缺的主要設備嗎？還是最終會被更貼近感官體驗的穿戴產品（例如智慧眼鏡）顛覆？又或者，它們會共存，眼鏡成為手機的配件或延伸？
事實上，智慧眼鏡和擴增實境眼鏡的構想早在人工智慧時代到來之前就已經出現了。人工智慧能否成為將它們變成日常必備品的關鍵推動力？我相信答案是肯定的，但如何實現以及何時實現才是真正值得關注的地方。
智能體人工智慧何時會往邊緣運算遷移？
深度學習之前的 AI 技術已在消費性產品中應用多年，支援感測器融合、語音辨識、影像增強、電源管理和連接優化等應用。然而，隨著智能體 AI 推動 Tokens 使用量成長百倍，以及小型化模型和更高效能硬體的不斷進步，將基於 LLM 的 AI 技術應用於邊緣運算既有動力也有機遇。我與所有交流過的人都一致認為，這不再是「是否實現」的問題，而是「何時實現」和「如何實現」的問題。
為什麼物理人工智慧有所不同
物理人工智慧展現出更清晰的發展路徑。自動駕駛汽車和機器人需要處理大量的真實世界感測器數據，尤其是視覺訊息，並且對延遲的要求極高，因此本地處理至關重要。此外，它們的體積、功耗和成本預算也足以支援比智慧型手機或人工智慧眼鏡強大的運算能力。
建構下一代人工智慧硬體
未來需要哪些新技術？消費性設備是否需要更高效能的 CPU？ CPU、GPU、NPU 和記憶體之間的平衡將如何演進？現有的系統架構是否足夠，還是需要根本性的重新設計？隨著人工智慧不斷重塑運算領域，這些問題正在我們公司內部以及整個產業內積極討論。
(作者：Adam King，聯發科個人設備事業部副總裁兼總經理)
更多COMPUTEX 2026最新資訊就在 ioioTIME 專區中
現在就加入 ioioTIMES 臉書粉絲團 更多互動、更多好康攏抵加!!
我們有LINE TODAY頻道了，快來追踪我們吧!!--最新科技新聞 盡在你手
