在將邊緣運算技術推至終端產品時，系統耗電量往往是重要課題。日前資策會智慧系統研究所與系統單晶片(System-on-Chip, SoC)開發商Socionext展開合作，推出一影像物件辨識深度學習解決方案，解決了GPU高功耗的問題。在未來，該技術將積極導入智慧交通應用場景中。
資策會智慧系統研究所副主任林啓盛表示，在發展物件辨識功能時，多數方案會以200W高功耗的GPU基礎；而該解決方案的功耗則能降低至30W左右。超低功耗的特性，能夠使該解決方案導入更多智慧路燈、智慧交通的應用場域中。該解決方案目前已在與交通部洽談合作中，期盼能夠使其成為一通用招標標準。
在2017年，Socionext即針對監控攝影機市場推出了M11S影像處理器。該產品配備了3D降噪(3DNR)、寬動態範圍(WDR)和感興趣區域(ROI)等多種先進功能，在低光度環境下也可拍出高畫質拍攝，支援現代安全監控市場的多元需求。在COMPUTEX 2018展期間，更進一步展示與資策會智慧系統研究所合作的深度學習環境監控解決方案。林啓盛表示，M11S 影像處理器的強項在於光線變換時，能夠瞬間將攝影機切換成最佳的顯示模式，並且能做到即時的壓縮，將影像回傳伺服器，做到物件辨識。
在未來，環境監控領域的機器視覺技術將持續往4K邁進，以滿足遠距離與小物件偵測的環境監控需求。當今的攝影機以Full HD為大宗規格，然而隨著通訊技術與運算技術逐漸進步，待基礎建設條件到位時，環境監視攝影機提升至4K解析度是必然的趨勢。
目前在全球環境監控市場能夠做到4K解析度的區域市場寥寥可數，目前看來，澳洲礦場將有望成為第一個將4K技術導入環境監控的應用場域。林啓盛說明，由於澳洲礦廠的搬運車非常龐大，大約是貨櫃車的20倍，並且時常採用遙控駕駛，然而廠區內卻依然會有工作人員走動，工作環境非常危險。因此，這時若是能夠導入4K攝影機，便能將鏡頭架設在6公尺高處，在不影響車輛行走的前提之下，依然能夠清晰的辨識移動人物與物件。
然而，由於4K影像資料所帶來的資料傳輸量非常龐大，目前的無線網路基礎建設並不能滿足該資料量的傳輸需求。在此狀況下邊緣運算技術的導入便更顯重要。因此，接下來資策會智慧系統研究所將持續與Socionext合作，期盼能開發整合一可負擔的系統方案。
