Computex 2025:NXP全力壓注邊緣AI運算,代理式智慧重新定義自主未來

Computex 2025:NXP全力壓注邊緣AI運算,代理式智慧重新定義自主未來

半導體巨擘NXP在COMPUTEX 2025發表重磅演說,執行副總裁暨類比與車用嵌入式系統總經理Yens Henrikson大膽宣告:「自主未來不再是科幻小說情節,而是即將成為現實的技術革命。」這場主題演講不僅展示了NXP對邊緣AI運算的全面投入,更揭示了一個從感知、互動到完全自主的技術演進藍圖。

Henrikson在演講中強調,當全球每年產生180 ZB(澤字節)的數據量——相當於過去三年創造的數據超越人類整個歷史時,傳統的雲端運算架構已經無法承載這個數據洪流。「我們需要的不是更多頻寬,而是智慧的數據處理方式,」他指出,就像人腦每天處理74 GB數據卻能極其節能地專注於重要資訊一樣,AI必須在數據產生的源頭——邊緣裝置上實現智慧處理。

這場在台北國際電腦展的演說,標誌著NXP從傳統半導體供應商轉型為邊緣AI解決方案提供者的戰略轉捩點。從工廠安全監控到智慧電網管理,從自駕車到精準農業,Henrikson描繪的自主世界正透過代理式AI(Agentic AI)技術逐步實現,而台灣在這個全球生態系統中扮演著關鍵的協作角色。

180 ZB數據洪流下,為何AI必須走向邊緣?

數據爆炸的時代已經來臨,而且速度超乎想像。Henrikson用一個令人震撼的事實開場:「全球預計今年將產生180 ZB的數據,這是一個1後面跟著21個零的數字,相當於一兆GB。」更驚人的是,人類在過去三年創造的數據量,已經超越了整個人類歷史的總和,而且這個趨勢並未放緩。

這些數據來自各個角落:工廠、車輛、家庭、可穿戴裝置、智慧城市基礎設施。以現代汽車為例,每天可產生高達4 TB的數據。然而,絕大部分的數據都被浪費了,沒有得到有效利用。「問題不在於我們缺乏數據,而在於我們缺乏在正確地點、正確時間處理數據的智慧,」Henrikson強調。

要理解解決方案,Henrikson邀請聽眾思考人腦的運作方式。人類大腦平均每天接收約74 GB的數據——聲音、視覺、動作感知等。經過數百萬年的演化,大腦已成為極其節能的智慧數據處理中心,能夠理解情境並優先處理真正重要的資訊。「當我走上台時,你們的大腦專注於我,過濾掉周圍的燈光、出口標示等一切雜訊,直到我提及它們,」他生動地解釋了情境式智慧數據處理的概念。

雲端運算雖然擁有強大的GPU和CPU運算能力,但面對邊緣設備每天產生的半兆GB數據,傳統架構顯得力不從心。將所有數據傳送至雲端進行即時決策,在延遲、成本和頻寬需求上都不可行。「我們需要比現有頻寬多1000倍的傳輸能力,才能將所有數據送上雲端,」Henrikson指出,「我們的物理世界太過龐大,無法完全上傳到雲端。」

邊緣AI提供了突破性的解決方案。它能大幅減少數據傳輸需求,因為處理在邊緣進行,只有關鍵的元數據需要上傳或與雲端往返。更重要的是,邊緣AI不需要持續的雲端連接,這對覆蓋率有限的偏遠地區特別重要。此外,邊緣硬體專為能源效率優化,在邊緣進行一千次浮點運算所消耗的能量,僅相當於向雲端傳送一個位元數據的能耗。

從智慧電網到安全防護,邊緣AI解決真實挑戰

邊緣AI的價值不僅是技術突破,更在於解決現實世界的迫切挑戰。Henrikson重點闡述了兩個關鍵領域的應用前景。

首先是智慧能源管理。全球能源消耗正以驚人速度增長,從現在到2025年,電力消耗預計將翻倍,甚至可能達到三倍。除了傳統的建築和工業用電,電動車的普及和智慧系統的部署都在加劇能源需求。「當75%的汽車都電動化時會發生什麼?當家庭、工廠、汽車、雲端都從同一個電網取電時會如何?」Henrikson提出這個關鍵問題。

最大的挑戰是尖峰負載需求——當所有設備同時需要能源時。傳統做法是建設足以應付尖峰負載的電網基礎設施,但這既不經濟也不永續。AI可以幫助控制這個不斷增長的挑戰,透過智慧負載平衡系統,在城市街區、甚至跨州級別進行動態調配。「電網不需要為尖峰負載而建,而是為平衡負載而建,」這種方法能夠大幅提升能源使用效率。

另一個重要應用是預防性安全系統。全球每年面臨數百萬起可預防的死亡事故:110萬人死於交通事故,超過600萬人死於可治癒疾病,約230萬人死於工作場所意外。「每一個數字都代表一個人,也代表一個未能及時干預的系統,」Henrikson沉重地指出。

這些並非罕見的不可預測事件,而是具有已知模式的結果——無論是交通、健康還是工業環境。問題不在於缺乏數據,而是在需要的時點缺乏智慧分析能力。邊緣AI能夠重新定義「零願景」(Vision Zero)概念,透過即時識別風險並預防事故發生。當系統能夠看見風險來臨,並透過邊緣AI即時防範,就能夠大幅降低意外發生率。

Henrikson總結道:「這些只是AI在邊緣、在真實世界中能夠產生重大影響的兩個大領域。AI正在成為我們日常生活的一部分,而邊緣正是一切匯聚的地方,是AI與真實世界相遇的交匯點。」

25年演進路:從Deep Blue到代理式AI的躍進

為了理解當前AI發展的驚人速度,Henrikson帶領聽眾回顧了一段歷史。1997年,IBM的Deep Blue在六局制馬拉松比賽中擊败西洋棋世界冠軍Gary Kasparov,運用符號AI和超級運算能力創造了歷史。「沒有機器曾經做到過這件事,這是AI潛力的首次出現和展示,我永遠不會忘記那一刻,」Henrikson回憶道。

然而,真正令人驚嘆的是自那時以來AI演進的加速度。人工智慧從純粹的感知AI——具備物體檢測、電腦視覺、語音識別能力,演進到生成式AI——能夠創造圖像、程式碼、文字等內容,再發展到代理式AI——像人類一樣感知、思考、行動和學習。

Henrikson詳細解析了AI在邊緣的演進階段。感知AI創造了「感知邊緣」(Aware Edge),能夠即時感知和解釋來自真實世界的信號,準確檢測和識別物體或人員。這項突破得益於卷積神經網路(CNN)和循環神經網路(RNN)等神經網路的巨大進步。雖然這些神經網路在雲端開發,但演算法經過最佳化後能在資源受限的邊緣設備上運行,且不損失關鍵精確度。「將感知AI帶入邊緣,創造感知邊緣,實際上花了10年時間。」

接著,邊緣變得具有互動性。這項互動能力來自Transformer架構的突破,這正是當今生成式AI模型的基礎。生成式AI賦予了透過文字、視覺或兩者結合,以非常自然的方式與人類互動的能力。「你可能記得,生成式AI出現的時間並不長。事實上,OpenAI的大型語言模型首次公開發布是在2021年。」

生成式AI模型的爆炸性進展雖然讓雲端受益,但更大的受益者是邊緣。這些大型語言模型、視覺模型和多模態模型都變得越來越小、越來越節能,正適合邊緣應用。「透過生成式AI,我們讓邊緣具有互動性——一個不僅能感知,還能思考的邊緣。」

但僅有互動還不夠。要實現安全的自主性,需要能夠感知、思考並在行動前改善自身思考的AI。這個躍進透過代理式AI實現,代理式AI讓邊緣變得自主。「代理式AI最接近人類的運作方式,」Henrikson解釋,「它將過去所有AI演進整合在一起,創造出從反應式轉向主動式的邊緣。」

時間軸的加速令人印象深刻:從1990年代中期Deep Blue擊敗西洋棋冠軍至今超過25年,感知AI進入邊緣花了不到10年,生成式AI約5年,而代理式AI僅用了不到一年。「這種加速並非偶然,而是因為人們認識到邊緣AI在日常生活中的真正價值。」

為了展示生成式AI在邊緣的實際應用,Henrikson播放了一段演示影片。影片展示一個多模態生成式AI模型運行在合作夥伴Kinara製造的離散NPU上,使用開源多模態生成式AI模型Lava,經過移植和最佳化後在邊緣設備上運行。系統分析了一段工廠意外影片——一名工人滑倒的事故,AI模型準確描述了情況並理解了發生的狀況。

「在這個案例中,你可以清楚看到在邊緣擁有AI是可能的,」Henrikson指出,「這個系統理解並詮釋情況的能力非常好。目前這類工作都由人類在監控室中完成,但機器可以7天24小時不間斷地執行這項任務。如果再加上回應功能,這就會從生成式AI轉變為代理式AI。」

代理式AI:讓機器像人類一樣思考、學習、協作

代理式AI代表了一個新的典範轉移——從我們使用的AI工具,轉變為與我們並肩工作的AI夥伴。「當我們談論代理式AI時,我們談論的不僅僅是一個模型,而是一個為自主性而建構的軟體工作流程架構,就像大腦一樣,」Henrikson深入解釋。

代理式AI的核心是AI代理——可以是單一或多重代理,每個代理都由AI模型(感知、生成式或兩者)驅動,專門建構來執行特定任務。一個代理可能解釋影片,另一個評估聲音,還有一個為機器人規劃安全路徑。但AI代理不僅僅是執行任務的模型,它們還能從經驗中學習和演進。「這正是代理式AI工作流程的真正突破——增加結構,讓AI代理成為適應性的自主學習者。」

代理式AI的運作機制始於AI模型感知周圍環境,這在圖表中以「感知」表示,產生需要執行的行動計畫。然後,代理式AI使用強化學習透過探索和收集額外數據來改善自身。最終,它將行動與結果連結——這種「回饋映射」機制會為成功完成的任務給予獎勵,或從失敗中學習。「這種持續學習機制讓代理式AI具有革命性。這些AI代理從真實生活經驗中學習,它們在工作中學習,不再受限於最初訓練的數據集。」

當多個AI代理協作時,能夠實現更宏大的目標。這需要某種協調機制來編排合作,這就是AI編排代理的角色。它是專門建構來監督、規劃和協調的特殊代理,「你可以說它像是智慧系統的專案經理,將眾多代理轉化為一個統一的力量。」

Henrikson提供了一個工廠應用的實際案例。在這個場景中,代理式AI系統被賦予一個目標:監控並回應任何異常情況,以保護人員和財產免受損害。當水管破裂時,濕度感測器和攝影機(本身就是AI代理)檢測到洩漏並通知編排者。編排者立即採取行動,觸發其他代理執行相應措施:關閉洩漏管線的供水、封閉該區域通道等。編排代理還會觸發清理工作並通知所有相關人員。

「它執行這些步驟,因為它規劃並行動以實現我們給它的目標。但它也從對錯中學習,使用回饋映射和強化學習技術,」Henrikson說明,「這裡你有一個像人類在類似情況下一樣思考、適應和行動的系統。」

代理式AI還具有巨大的可擴展性優勢。從工程角度來看,代理式AI工作流程是一個高度可擴展的原型架構,底層軟體架構可以擴展到無數應用程式和使用案例,具有極大的可擴展性和重用潛力。

Henrikson列舉了幾個激發想像力的真實世界例子,都可以基於相同的底層軟體架構實現:在汽車領域,可以想像一個自癒的車載網路,能檢測故障(如扭曲或斷裂的電纜)並即時修復;在農業方面,精準農業可透過空中和地面代理檢查作物,最佳化灌溉和施肥,並派遣地面機器人處理特定區域,最大程度減少資源浪費;在智慧建築中,系統能即時解讀佔用模式,動態調整氣候控制、電動車充電和照明,以實現舒適、能源效率和節約。

「這意味著我們可以更快地建構智慧自主系統,並將它們部署到幾乎所有我們能想到的使用案例中,因為具有可擴展性和重用性,」Henrikson總結,「我們將進一步加速AI在邊緣的部署——一個具有可擴展性和重用性的智慧平台。」

非黑即白的選擇?邊緣、近邊緣、雲端的最佳配置

面對代理式AI的複雜性,一個關鍵問題浮現:代理式AI是否過於複雜而無法在邊緣設備上運行?是否更適合部署在擁有龐大運算資源的雲端?Henrikson的答案是:「這取決於具體情況,因為邊緣不僅僅是一個邊緣設備。」

現實中,我們將看到越來越多「近邊緣」(Near Edge)的實現——這是一種本地網路邊緣,可能是本地邊緣AI中樞或本地推理伺服器,相當於「本地雲端」。這種架構具備運算能力來運行更複雜的代理式AI系統,而較小、更最佳化的AI代理則運行在邊緣設備上。

「在現實中,我們總是會看到雲端和邊緣共存,並由本地網路邊緣來增強,」Henrikson說明。邊緣還是雲端的選擇並非二元對立,而是需要權衡多個參數的最佳化決策。這些參數包括頻寬、延遲、能源效率與強大運算能力的對比,同時系統數量和使用案例的生命週期也是決策矩陣中的重要因素。

這種靈活的架構設計理念反映了NXP對技術部署現實的深刻理解:不同應用場景需要不同的解決方案,而最佳實踐往往是混合式的部署策略。

從理想到現實:邊緣AI面臨的三大工程難題

儘管前景光明,建構自主邊緣並非易事。Henrikson從工程角度深入探討了實現這一願景所面臨的根本挑戰。

第一個挑戰是邊緣AI系統需要複雜的整合,無法孤立運作。「我們需要完整的硬體和軟體解決方案來涵蓋感知、思考和行動,」他指出,「大多數矽解決方案只專注於運算,但我們需要的是完整系統。」這些系統需要整合處理、連接、電源管理、安全性和功能安全等多個面向,同時還需要量身訂製的軟體基礎來讓硬體發揮作用。邊緣系統實際上是「系統的系統」,需要複雜的整合能力。

第二個挑戰是AI必須適配邊緣環境。為雲端開發的模型往往過大、過耗電、對邊緣應用來說過於複雜,必須經過適當調整。更重要的是,新的模型、框架和工具鏈不斷出現,邊緣解決方案需要持續跟上這些發展,不能因為在邊緣就與外界隔離。

第三個挑戰是自主性提高了對信任的要求。信任包含安全性、保全性和數據隱私等多個層面。一旦在系統中引入自主決策功能,就必須確保這些行動能安全執行,或至少在出現問題時能安全失效。此外,還需要最高等級的資訊安全保護,防範網路安全攻擊,因為任何數據漏洞或安全破口都極其嚴重。

「要讓自主邊緣成為現實,我們需要解決方案來克服所有這些根本的工程挑戰,」Henrikson總結道。

NXP的完整解決方案:從晶片到生態系統

面對這些挑戰,NXP提出了全方位的解決方案架構。Henrikson詳細展示了這個系統的組成要素,從底層硬體基礎開始說明。

任何自主系統的基礎都是矽晶片。連接到物理世界的系統需要運算平台、連接能力、數據網路以及電源和能源網路。為了建構這些邊緣系統,需要高度可擴展的硬體建構模組,就像樂高積木一樣,能夠針對每個特定邊緣情況的個別使用案例需求來客製化系統。

NXP提供所有這些硬體建構模組的一站式服務。該公司擁有從非常簡單的微控制器到真正高階強大的MPU的高度可擴展處理平台,主要聚焦於汽車和工業平台。同時,NXP還提供這些處理器的緊密整合電源管理,專為最大能源效率而設計,以及安全和安全的網路連接能力,滿足不同使用案例的多樣化需求,包括各種數據速率。

然而,僅有硬體是不夠的。還需要完整的軟體基礎來讓系統發揮作用。這包括針對硬體客製化的程式庫、工具、驅動程式、中介軟體,並橋接到應用軟體。NXP為中介軟體提供廣泛的解決方案集合,客戶可以根據特定使用案例進行選擇,包括語音、圖形、視覺、低功耗觸控、感測、馬達控制等功能。

為了解決AI適配邊緣的挑戰,NXP提供名為eIQ的工具包,用於模型開發和部署。這個工具包從模型定義和適配開始,客戶可以帶來自己的模型和數據,然後NXP可以為特定邊緣環境進行適配和最佳化。系統通常會配備本地數據庫進行改善,以及大量與物理世界進行輸入輸出數據處理的工具。「透過這個工具包,我們擁有完美的工具來為邊緣進行適配和最佳化,同時保持邊緣始終更新。」

在安全性和功能安全方面,NXP運用其在汽車和工業領域的專業知識——這些都是需要最高等級功能安全的行業。公司在系統、硬體、軟體甚至應用層面端到端定義功能安全,並擁有多個元素來實現系統功能安全。

類似地,安全性也需要在系統層面定義,需要端到端的多重措施。沒有單一措施能確保安全性,總是需要針對系統和使用案例的多重措施組合。安全性深深植入NXP的DNA中,特別是運用該公司在護照、信用卡和行動錢包業務中的專業知識,將這些最高等級的功能安全部署到邊緣設備中。

為了保持領先地位,NXP已經開始在產品中建構後量子密碼學技術。為了保持安全性的更新,公司還提供豐富的生命週期管理機會和安全的無線更新功能。

策略擴張:收購三家關鍵公司強化AI實力

為了實現戰略願景,NXP最近宣布有意收購三家公司:Kinara、Aviva Links和TTTech Auto。這些收購將進一步幫助該公司增強將AI帶到邊緣的工具集。

Kinara提供業界領先的生成式AI能力,其離散MPU非常適合在邊緣實現代理式AI。Aviva Links提供高頻寬非同步數據傳輸能力。TTTech Auto是一家軟體公司,提供安全關鍵中介軟體平台。

目前這些收購案正在等待監管批准,一旦完成,將顯著增強NXP的自主邊緣能力。結合所有這些能力,NXP能夠在一個屋簷下提供所有建構模組和工具包,有效解決先前outlined的工程挑戰,使該公司能夠成為真正的解決方案提供者,與合作夥伴和客戶一起開發和部署邊緣AI解決方案。

作為解決方案提供者,NXP旨在減少客戶面臨的複雜性負擔。基於深厚的應用專業知識,該公司將解決方案聚焦在軟體定義車輛、工廠自動化、能源管理、AI視覺等領域。這種做法真正推動了創新、加快上市時間,並為行業最佳化總體擁有成本。

台灣生態圈的關鍵角色與Honeywell合作案例

Henrikson強調,實現自主邊緣需要的不僅僅是單一公司的努力,而是集體合作的結果。因此,NXP培育了一個廣泛的合作夥伴、開發者和創新者生態系統——包括OEM、系統整合商、雲端供應商、半導體廠商等的網路。「我們共同讓自主性變得真實、可擴展且值得信賴,不僅在實驗室中,更在真實世界中。」

Honeywell是NXP在工業和物聯網領域的重要合作夥伴,正在其解決方案中實現領先的AI技術,既為客戶服務,也用於自己的工廠。Honeywell CTO Suresh在影片中分享了深刻見解:「Honeywell在過去135年中一直是控制系統公司,我們經歷了三個演進階段。」

首先,該公司在過去100多年中運用確定性AI,因為他們提供關鍵任務、安全關鍵系統。過去10年,他們將雲端擴展到安裝基礎,提供增值服務。最近2-3年,透過與NXP等半導體供應商的合作夥伴關係,他們正在推動邊緣AI,在邊緣帶來智慧,解決客戶要求轉型的環境中最複雜的問題。

Suresh強調,工業部門影響每個人,Honeywell專注於三個基本面向:第一是建築、工業和航空器子系統內的資產效能,任何停機時間都會影響整體生產量,因此他們致力於延長這些資產的壽命;第二是人員、勞動力短缺和技能差距,這是他們大力推動人員和生產力轉型的領域;第三是影響營運通量和效率的任何因素,他們協助最佳化和改善整體效果。

「對我們來說,從自動化到自主化有三個基本要素:第一是資產,第二是人員,第三是營運通量,」Suresh總結了Honeywell的策略重點。

特別是在台灣,Henrikson看到生態系統以非常強大的方式結合在一起。他們看到生態系統在汽車、智慧家庭、智慧建築和智慧工業領域的塑造。「這是深度協作的故事,強大的可信賴合作夥伴,我看到今天在這裡有許多熟悉的面孔,在這個強大的協作網路中聚集在一起。我看到供應商、共同發明者、客戶、競爭者。非常感謝你們的合作夥伴關係。」

自主未來的實現路徑與持續創新

回顧這場45分鐘的深度演講,Henrikson總結了幾個關鍵洞察:AI為邊緣帶來了具有影響力的智慧;AI在邊緣的發展速度比以往任何時候都快;自主邊緣是下一步發展,而代理式AI指明了方向,它受人類啟發,能夠思考、行動和學習;但自主性只有在我們能夠信任它時才能擴展,因此必須以安全性和保全性為基礎來建構;這需要一個生態系統來建構它。

「這基本上就是我們如何讓自主未來成為現實——一個預期和自動化的環境,我們周圍的技術成為日常生活中的智慧夥伴,」Henrikson描繪了這個願景。

然而,創新永不停歇。代理式AI是當今的技術,但AI將繼續進步和演進。「我們不知道未來會出現什麼,今天在座的許多人可能正在研究下一個演進階段,」Henrikson展望未來,「當那個時候到來時,我們NXP和我們的合作夥伴將在這裡,準備將它變為現實。但那是下一屆COMPUTEX的話題了。」

這場演講不僅展示了NXP在邊緣AI領域的技術實力和戰略願景,更重要的是勾勒出一個完整的產業轉型藍圖。從數據處理的根本挑戰到AI技術的演進軌跡,從工程實現的具體困難到生態系統合作的重要性,Henrikson的演說為邊緣AI的未來發展提供了清晰的方向指引。

在這個技術快速變遷的時代,NXP選擇全力壓注邊緣AI運算,不僅是對技術趨勢的精準判斷,更是對自主未來的堅定承諾。透過完整的硬體軟體解決方案、策略性的收購擴張,以及與全球合作夥伴的深度協作,NXP正在構建一個讓AI真正融入現實世界的技術基礎設施。

這場在台北舉行的演講,也象徵著台灣在全球邊緣AI生態系統中日益重要的地位。從半導體製造到系統整合,從軟體開發到應用創新,台灣的技術實力和合作精神正在成為推動自主未來實現的重要力量。正如Henrikson所言,這不僅是技術的演進,更是人類社會邁向更智慧、更安全、更永續未來的重要里程碑。