在生成式人工智能掀起全球技術浪潮的同時，另一個更為“低調”卻同樣關鍵的技術方向正悄然崛起，那就是邊緣 AI，或者說有個今年更為流行的名字——端側 AI。如果說邊緣 AI 聚焦于計算資源的下沉，那么端側 AI 則主要涉及在設備端直接部署和運行人工智能模型、實現快速數據處理和智能決策，二者同屬“分布式智能計算(suan)”的不同層級，內(nei)涵方面有很大的重合。
過去一段時間，無論是 NXP 重金收購 Kinara，還是高通宣布收購 Edge Impulse，科技巨頭們的頻繁動作揭示了一個清晰信號：邊緣 AI/端側 AI 正在從“概念驗證”走向“戰略支柱”。這場技術遷徙的背后，不僅是算力重構的必然趨勢，更是圍繞數據主權、實時決策與能效平衡的新一輪全球競爭。因此，本(ben)文(wen)將(jiang)基于此，來聊聊科技巨頭不(bu)惜巨資(zi)拿(na)下邊緣 AI/端(duan)側 AI 領(ling)域明星企業，主要(yao)基于哪些戰略考(kao)量。
科技巨頭爭先布局邊緣 AI/端側 AI
2025 年 2 月 11 日，荷蘭芯片制造商恩智浦 (NXP) 宣布斥資 3.07 億美元收購美國加州邊緣 AI 芯片初創公司 Kinara Inc.，后者專注于為網絡邊緣的人工智能工作負載開發神經處理單元 (NPU)。
據悉，Kinara 的分立 NPU (包(bao)括 Ara-1 和 Ara-2) 在(zai)性能(neng)(neng)(neng)和能(neng)(neng)(neng)效(xiao)方(fang)面(mian)位居(ju)行(xing)業前(qian)列，因(yin)此非(fei)常適合用于視(shi)覺(jue)、語音、手勢(shi)等新興 AI 應用，以及其他各種由生成式(shi) AI 驅動的多模態(tai)實現。這兩(liang)款器件(jian)(jian)均(jun)采用創(chuang)新架構，能(neng)(neng)(neng)夠映(ying)射(she)推理圖，以便在(zai) Kinara 的可(ke)編(bian)程專有(you)神經處理單元上高效(xiao)執行(xing)，更大限(xian)度地提(ti)高邊緣(yuan) AI 性能(neng)(neng)(neng)。此外，Kinara 還(huan)提(ti)供(gong)豐富的軟件(jian)(jian)開發套(tao)件(jian)(jian)，便于客戶優化 AI 模型性能(neng)(neng)(neng)及簡化部(bu)署流程。
恩智浦表示，通過將 Kinara 的離散 NPU 與其自身的處理器、連接和安全軟件產品組合相結合，此次收購將幫助其提供“從 TinyML 到生成式 AI 的完整且可擴展的 AI 平臺”。
看重 TinyML 的不只恩智浦，2025 年 3 月 11 日，高通宣布收購邊緣 AI 技術公司 Edge Impulse，旨在整合 Edge Impulse 的邊緣 AI 開發平臺，增強高通在人工智能 (AI) 和物聯網 (IoT) 領域的能力。
Edge Impulse 是 TinyML (微型(xing)機(ji)器學(xue)習(xi)) 領域(yu)的(de)(de)明星(xing)公司，由 Zach Shelby 和 Jan Jongboom 于 2019 年創立(li)，彼(bi)時(shi)(shi)，他們意(yi)識到微控(kong)制(zhi)器的(de)(de)計算能力已經發展(zhan)到可以運(yun)行特(te)定領域(yu)的(de)(de) AI 模(mo)型(xing)，從(cong)而可以在設備(bei)上直(zhi)接執行這(zhe)些模(mo)型(xing)。盡(jin)管硬件條件成熟，但缺乏一個簡單的(de)(de)方法來構建(jian)、優化并將邊緣和領域(yu)特(te)定的(de)(de) AI 模(mo)型(xing)部署到這(zhe)些設備(bei)上。因此，Edge Impulse 應運(yun)而生，其(qi)構建(jian)的(de)(de) AIoT 平(ping)臺，可以大(da)大(da)縮短為傳感器、微控(kong)制(zhi)器和攝(she)像機(ji)等(deng)小型(xing)設備(bei)創建(jian)機(ji)器學(xue)習(xi)模(mo)型(xing)所(suo)需的(de)(de)時(shi)(shi)間。
通過此次收購，高通能夠將 Edge Impulse 的端到端邊緣 AI 開發平臺納入其物聯網生態系統。
除了最近幾個月這幾筆引發廣泛關注(zhu)的大(da)額收購(gou)案之外，再往前看——
2024 年 8 月，亞馬遜以 8000 萬美元現金收購芯片制造商和 AI 模型壓縮公司 Perceive ，Perceive 是(shi)一家開發突破性(xing)神(shen)經(jing)網絡(luo)推理解(jie)決(jue)方(fang)案的公司，專注(zhu)于在(zai)(zai)邊(bian)緣(yuan)設備上提供(gong)大型人(ren)工智能(neng)模(mo)型的技術(shu)，旗艦產品是(shi) Ergo AI 處理器，它可以在(zai)(zai)各種環境中(zhong)運行數據中(zhong)心級(ji)神(shen)經(jing)網絡(luo)，即使在(zai)(zai)電力受(shou)限的情況(kuang)下。
2023 年 7 月，英偉達已收購人工智能(neng)初創公司(si) OmniML，后者推出了一個名為 Omnimizer 的平臺，該(gai)平臺可以(yi)壓(ya)縮機器學習模型的大(da)小，以(yi)便大(da)模型在更小的設備上運行，而非依賴于云端算(suan)力(li)。
當未來趨勢愈發明顯，科(ke)技巨頭們的(de)動作也愈加迅速，通(tong)過收(shou)購和整合邊緣 AI/端(duan)側 AI 技術，持續鞏固自身在(zai)人(ren)工智能領域(yu)的(de)領導(dao)地(di)位，滿(man)足不斷增長(chang)的(de)市場需求，并推動技術創新(xin)和應(ying)用(yong)落地(di)。
出于哪些戰略考量？
通過分析上述(shu)的(de)幾起收購案，我們也能得到(dao)一些基本洞察(cha)：
①半導體巨頭們的行動最為積極
在諸多科技巨頭中，半導體巨頭們是對邊緣 AI/端側 AI 反應最為強烈和迅速的群體。半導(dao)體巨頭通過并購(gou)快速獲取(qu)核心技術，實現搶占(zhan)高增長市場的目標。
從戰略意義上來看，一方面，云端 AI 面臨算力成本高、延遲和隱私風險等挑戰，而邊緣 AI/端側 AI 通過本地化處理數據，顯著降低了帶寬需求和響應時間，增強數據隱私保護并降低成本。半導體企業通過提供邊緣端芯片和解決方案，幫助客戶突破云端限制。同時，在傳統 PC 與移動終端市場趨于飽和的背景下，邊緣 AI/端側 AI 為芯片廠商提供了全新的增量市場，包括工業自動化、智慧城市、智能駕駛、智能安防等高潛力場景。對于像高通、恩智浦、英特爾、AMD這類半導體廠商來說，布局邊緣 AI/端側 AI 不僅是搶占下一代 AI 算力入口，更是延長“摩爾定律”紅利的現實路徑。
比如，恩智浦巨(ju)資拿下(xia)的(de)(de) Kinara，其產品(pin)可在包括傳統 AI 和(he)(he)生(sheng)成式(shi) AI 等一系列神經網絡中(zhong)實現高(gao)能效(xiao)的(de)(de) AI 性能，滿足工業與汽車市場快速增長的(de)(de) AI 需求。同樣，高(gao)通收購的(de)(de) Edge Impulse，也(ye)將提高(gao)其為零售、安全(quan)、能源(yuan)和(he)(he)公用事(shi)業、供(gong)應鏈管理和(he)(he)資產管理等關鍵領域提供(gong)全(quan)面(mian)技術的(de)(de)能力。
顯然，邊緣(yuan) AI 發展正推動硬件生態變革，成為芯片企業(ye)的“增長跳板(ban)”。
另一方面，邊緣 AI/端側 AI 對高性能芯片、低延遲處理和安全性的要求，直接依賴于半導體制程進步和硬件創新。當 AI 從云端(duan)向邊緣(yuan)滲透，半(ban)導(dao)體(ti)企業通過技術(shu)投(tou)資(zi)和(he)生態合作，不僅鞏(gong)固了自身在產(chan)業鏈的(de)(de)核心地(di)位，也推(tui)動了整個行業的(de)(de)轉(zhuan)型升級。未來，隨著邊緣(yuan) AI 設備（如(ru)智能手機、具(ju)身機器人）的(de)(de)普及，半(ban)導(dao)體(ti)行業將(jiang)進(jin)一(yi)步(bu)受益于這一(yi)技術(shu)浪潮。
②TinyML 是巨頭眼中端側 AI 的重要實現路徑
上述的幾起收購案中，都涉及一項(xiang)重要技(ji)術—— TinyML。所謂 TinyML，是指將(jiang)機器(qi)學習模(mo)型部署在資源受限(xian)的嵌入式(shi)設備(bei)(如(ru)微(wei)控制(zhi)器(qi)、傳感器(qi)模(mo)塊等)上，實(shi)現本地化、低(di)功耗(hao)、低(di)延遲(chi)的智能推理的技(ji)術。
從巨頭們的動作可以看出，隨著技術的不斷成熟，TinyML 將成為邊緣 AI/端側 AI 的重要實現路徑，未來會廣泛應用于智能家居、可(ke)穿戴設(she)備、工業物(wu)聯網等對成(cheng)本、功耗與(yu)響應速度高(gao)度敏感的場景中。
TinyML 的核心目標是在毫瓦 (mW) 級功耗的微控制器 (MCU) 上運行機器學習模型，是目前唯一能夠在毫瓦級能耗+KB 級存儲+極低成本硬件上穩定運行 AI 模型的技術路徑，天然適配邊緣 AI/端側 AI 最典型的部署需求。
隨著 AI 應用從“集中式云推理”向“邊緣智能、端(duan)側智(zhi)能(neng)”遷移(yi)，智(zhi)能(neng)的(de)部(bu)署重心發生(sheng)遷移(yi)，而 TinyML 所支持的(de)部(bu)署平臺(tai)（如 Cortex-M 系列、RISC-V MCU、DSP 核等(deng)），正是(shi)分布式智(zhi)能(neng)計算網絡中的(de)最末端(duan)節(jie)點，TinyML 使這些極小(xiao)節(jie)點也具(ju)備基本 AI 感知與判斷能(neng)力，實現真(zhen)正的(de)“泛在智(zhi)能(neng)”。
而且，以往(wang)的(de) AI 往(wang)往(wang)局限于云(yun)端大模(mo)型和高性能算力中心，技術門檻高、開發(fa)成(cheng)本大，而 TinyML 生態(tai)正(zheng)在推動：①低代碼/可(ke)視(shi)化建模(mo)工具(ju)：非 AI 專業人(ren)員也可(ke)訓(xun)練部署(shu)模(mo)型；②硬件(jian)平臺通用化：模(mo)型一鍵(jian)遷(qian)移；③訓(xun)練推理分(fen)離(li)：模(mo)型可(ke)在云(yun)上訓(xun)練、設備端獨立(li)推理，降(jiang)低設備成(cheng)本。這都(dou)讓 AI 真(zhen)正(zheng)具(ju)備了“像嵌入式(shi)軟件(jian)一樣開發(fa)和部署(shu)”的(de)可(ke)能性，極大加速了邊緣(yuan)智能的(de)普(pu)及。
基于在低功耗、實時性、隱私保護、硬件適配性以及廣泛的應用場景等方面的獨特優勢，可以說 TinyML 是邊緣/端側 AI 的最核心技術支撐之一。沒有 TinyML，就沒有真正意義上的“邊緣泛智能”與“端側普適 AI”。
③看重大小模型互補+邊云協同
邊緣/端側 AI 雖好，我們也需認識到其理解能力有限，難以處理復雜推理、語義理解等高級任務；大模型能力強，但算力開銷巨大，難以在邊緣或終端部署，也不適合實時響應。因此，大模型主導認知推理、復雜生成任務，邊緣輕量模型主導實時感知、本地響應，兩者協同恰好互補。
在未來的泛在智能架構中，邊緣輕模型是響應之“快”，大模型是理解之“深”，兩者協同才能構建一個既高效又可靠的 AI 系統。科技巨頭正是看中這一演進趨勢，才加快了對邊緣部署能力與模型管理平臺的全面布局。
舉例而言，就在高通收購 Edge Impulse 過去沒多久的 4 月 2 日，其又通過官網宣布收購越南人工智能（AI）新創企業——MovianAI。該公司前身是(shi) VinAI 應用與研究股份(fen)公司 (VinAI) 的(de)生(sheng)成式(shi)人(ren)工智(zhi)能(neng)部門，作為一家領先的(de)人(ren)工智(zhi)能(neng)研究公司，VinAI 以其在生(sheng)成式(shi)人(ren)工智(zhi)能(neng)、機(ji)器學習(xi)、計算機(ji)視(shi)覺和自然語言處理方(fang)面的(de)專業知識而聞名。
這起交易將和高通此前收購 Edge Impulse 形成協同效應：MovianAI 專注于智(zhi)(zhi)能(neng)(neng)(neng)手機和汽車(che)的大規模(mo)人(ren)工智(zhi)(zhi)能(neng)(neng)(neng)模(mo)型，而 Edge Impulse 則針(zhen)對資源受限的小型設備優化人(ren)工智(zhi)(zhi)能(neng)(neng)(neng)，這為高通提(ti)供了(le)整個(ge)人(ren)工智(zhi)(zhi)能(neng)(neng)(neng)價值(zhi)鏈的全(quan)新“端到端”專業知識(shi)。
寫在最后
根(gen)據 Future Market Insights 的(de)新研究，到(dao) 2032 年底，邊緣人工智能市(shi)場(chang)將達到(dao) 396 億美元，在(zai)預測期(qi)內(nei)，市(shi)場(chang)將以 20.8% 的(de) CAGR 擴張。
隨著市場的(de)(de)增長，邊(bian)緣/端側 AI 的(de)(de)發展正邁(mai)向更(geng)(geng)高層次的(de)(de)智(zhi)能(neng)協同(tong)(tong)階段，而芯片架構優化、TinyML技術成(cheng)熟及云(yun)邊(bian)協同(tong)(tong)機(ji)(ji)制的(de)(de)不(bu)斷演進，將促成(cheng)形成(cheng)“本地即智(zhi)能(neng)、云(yun)端更(geng)(geng)智(zhi)能(neng)”的(de)(de)泛(fan)在 AI 格局(ju)。對(dui)于希(xi)望在 AIoT 時代搶占先機(ji)(ji)的(de)(de)企(qi)業而言，提早布局(ju)邊(bian)緣智(zhi)能(neng)與(yu)模型協同(tong)(tong)架構，已成(cheng)為不(bu)可或缺的(de)(de)戰略(lve)選擇。
參考資料：
高通收(shou)購邊緣(yuan) AI 開發(fa)平臺 Edge Impulse強化AIoT，電子(zi)工程專輯
恩智(zhi)(zhi)浦擬收購邊緣AI先鋒(feng)企業Kinara，重新定義智(zhi)(zhi)能邊緣，NXP
NXP 以 3.07 億(yi)美元收購 Kinara，布局邊緣網(wang)絡 AI 計算業(ye)務，至頂網(wang)
Qualcomm buys MovianAI to boost generative AI capabilities，RCRWirelessNews
巨頭入局TinyML,端側與邊緣AI迎來新拐點，物聯網智庫
