物聯網(IoT)相關技術不斷向前演進，加上節能減碳意識抬頭，使得人工智慧(AI)也從雲端走向邊緣端，僅需mW等級的超低功耗就能進行機器學習(Machine Learning，ML)的「微型機器學習」(tinyML)概念應運而生，近年相關技術發展飛快，擠身熱門前瞻技術之列。運用微控制器(MCU)為邊緣裝置(Edge Device)裝上大腦，將有機會讓電子貨架標籤、感測器等邊緣裝置上，也能增添智慧應用。

新冠肺炎疫情刺激各產業加速數位轉型；導入AI進行智慧化升級，已然成為各企業的重要發展主軸。一般常見的作法，是透過感測器等裝置進行資料收集，再傳到雲端分析和運算；但隨著資料量愈加龐大，運算力的要求也越來越高，雲端為提供高運算力衍生出高能耗的問題；大量資料不斷在雲端和邊緣端傳輸，亦使資安風險相對提高。tinyML概念的出現，就成了以上問題的解方之一。

市場研究機構Gartner於2018年發出關於邊緣運算(Edge Computing)的報告中，即提到2025年將有75%的資料，會在傳統所認知的資料中心或雲端以外的管道被創造與處理，當資料量越來越大，透過傳統方式處理資料也顯得缺乏效率。Gartner甚至斷言，2025年在商務、科技等領域，都將往邊緣運算靠攏，「AI at the edge」將成為主流。




本文列點如下:
● tinyML商機強勁　RISC-V、Arm IP各顯神通
● 低功耗、高性能 MCU應用場域更多元
● tinyML發展飛快強化生態圈為業界共識