原相董事長黃森煌：感測器結合邊緣AI已成趨勢
在人工智慧的討論熱潮中，幾乎所有鎂光燈都聚焦在雲端算力與大型語言模型上。然而，在物理世界的邊緣，高速飛行的無人機、穿梭工廠的自主機器人身上，一場更為底層且殘酷的革命正在發生。然而這場革命的核心問題可能不在於算力有多強，而在於反應有多快。
過去，我們習慣將攝影機視為單純的影像採集者，將所有影像送往後端強大的處理器進行分析。但在原相科技董事長黃森煌眼中，這種傳統架構已經撞上了物理極限。隨著無人載具的速度越來越快，感測器不能再只是一個忠實的攝影師，它必須進化成具備判斷能力的大腦前哨。
這也是原相科技這家昔日的滑鼠霸主，在AI時代重新定義自我的關鍵戰役。感測器不能只當攝影師，必須進化成大腦前哨。
黃森煌指出，如果每一張影像都要傳回後端才能知道發生了什麼事，那不僅頻寬會被塞爆，系統的反應速度也永遠跟不上現實世界的變化。
數據海嘯來襲 馮諾依曼瓶頸浮現
要理解為什麼感測器需要長出大腦，我們必須先正視當前AI硬體面臨的最大痛點：資料搬運的代價。在傳統的電腦視覺架構中，感測器就像是一個勤奮但不懂思考的員工，它不分青紅皂白地將捕捉到的每一幀4K畫面、每一個畫素，透過傳輸介面全部倒給後端的中央處理器。
根據研究顯示，在現代AI系統中，將資料從感測器搬運到記憶體、再搬運到處理器的過程中，所消耗的電力往往遠高於運算本身。這就是著名的馮諾依曼瓶頸在邊緣端的體現。對於電池容量錙銖必較的無人機或微型機器人來說，這種架構是災難性的。
黃森煌指出，如果每一張影像都要傳回後端才能知道發生了什麼事，那不僅頻寬會被塞爆，系統的反應速度也永遠跟不上現實世界的變化。原相提出的解方是智慧型Sensor...
2026 年 01 月 14 日
