從跨域人才到多模態智慧：MAI開發者年會揭示Edge AI落地全貌

Posted By MakerPRO編輯部 on 12 月 8, 2025 in Edge AI開發地圖, 活動報導 | 0 comments

AI加速從雲端走向終端裝置，能即時決策、保護機密/隱私資料，也更接近使用者的Edge AI成為備受開發者與產業界關注的熱門議題；而隨著市場上有越來越多相關軟硬體技術解決方案，如何加速各種Edge AI創新應用的實際部署成為首要課題。

為此，MakerPRO在11月下旬舉辦的第二屆MAI開發者年會，以「打造Edge AI落地實戰力」為主題，聚焦AI如何從模型與概念，走向可部署、可維運、可量產的實際系統；全天活動結合大師論壇、技術講座與實作課程，以及來自領導廠商與創新團隊的展示攤位，讓現場超過200位與會者不僅從多方面了解到Edge AI領域最新趨勢，認識目前市場上先進的軟硬體解決方案與平台工具，也有相互切磋學習、交流經驗與拓展人脈的機會，收穫豐富！

大師論壇：從人才、平台到多模態智慧，勾勒 Edge AI 落地全貌

2025 MAI上午場大師論壇首先由成功大學電機系教授、敏求智慧運算學院副院長李順裕從Edge AI時代人才培養為題揭開序幕。李順裕指出，在大數據與 AI 快速發展的時代，真正的瓶頸往往不在單一技術，而在於能否培養具備系統整合能力的跨域人才。智慧運算不只是演算法或晶片設計，而是涵蓋資料蒐集、感測、邊緣運算、雲端協同與實際場域應用的完整系統工程。

成功大學電機系教授李順裕

他分享成大推動的智慧運算跨域教學計畫，透過密集課程與專題導向訓練，讓來自不同背景的學生以「解決場域痛點」為目標，實際動手整合硬體、韌體與軟體。這樣的人才培育模式，正是支持Edge AI長期發展不可或缺的基礎。

接續登場的Qualcomm資深工程總監Jim Hou則從產業視角出發，指出 AI 已正式進入「推論時代」（Inference Era）。隨著模型效率提升與尺寸快速縮小，AI 的價值正從雲端訓練轉向裝置端即時推論，並逐漸成為新的使用者介面。透過異質運算架構，讓 CPU、GPU 與 NPU 各司其職，Edge AI 才能在效能、功耗與可靠度之間取得實際可用的平衡。

Qualcomm資深工程總監Jim Hou

在運算架構層面，Arm首席應用工程師Blade Lin則說明邊緣裝置已不再只是感測與控制節點，而是具備承載生成式AI潛力的運算平台。從Cortex-M導入Helium（MVE），到Armv9架構下的SVE2與SME2，Arm持續強化CPU在向量與矩陣運算上的能力，使CPU成為最容易部署、也最具彈性的ML運算核心，並搭配Ethos-U系列NPU，讓生成式AI能逐步走向邊緣端。

Arm首席應用工程師Blade Lin

從高階架構回到實際場域，瑞薩電子資深經理李鴻林聚焦於Edge AI在工業與IoT應用中的落地條件。他指出，許多真實應用場景更重視即時性、低功耗與長時間穩定運作，而非極致算力。透過從MPU到MCU的產品布局，並導入具備AI加速能力的MCU 平台，讓影像、語音與即時分析能在微控制器等級的系統中運行，成為邊緣智能「輕量化革命」的重要關鍵。

瑞薩電子資深經理李鴻林

論壇最後由Intel平台研發協理王宗業帶來「多模態RAG與VLM應用的未來」。他指出，AI正邁向能同時理解影像、文字、語音與影片的認知(Cognitive) AI階段。透過多模態RAG架構，AI 能先從多元資料中精準檢索，再結合 VLM 或 LLM 進行推論，應用已逐步落地於維修支援、醫療影像、電商搜尋與影片理解等場景，也為 Edge AI 打開更高層次的決策與行動能力。

Intel平台研發協理王宗業

MAI上午場的大師論壇透過五場精彩演說，清楚呈現Edge AI的發展不只是單點技術突破，而是一場涵蓋人才、平台、架構與應用的系統工程。這樣的整體視角，也為接續登場的下午實作工作坊與技術講座，奠定了明確而務實的技術基礎。

從平台實作到企業落地：聚焦「動手做」的Edge AI實戰

延續上午主論壇對Edge AI發展路線的宏觀剖析，MAI開發者年會下午場正式進入「實作與落地」階段。活動同步展開多條主題軌道，透過工作坊與深度講座，讓不同背景的開發者能依需求選擇最適合的學習路徑，從晶片層、系統層到應用層，全面強化 Edge AI 的實戰能力。

以MCU實現高效能邊緣AI應用開發

下午首先登場的實作工作坊，聚焦於如何在MCU架構上實現高效能邊緣AI應用。由Renesas亞太區MCU應用工程部經理詹承彬主講，深入解析瑞薩首款32-bit AI 加速 MCU —— RA8P1，如何成為以MCU為基礎的Edge AI解決方案關鍵平台。

課程內容從RA8P1 MCU的Edge AI功能特色切入，說明其在效能、功耗與即時性之間的設計取捨，並延伸至實際開發環境與軟體框架的操作方式，協助開發者快速理解如何在 MCU 平台上部署 AI 模型。透過實際產業應用案例與開發生態系介紹，這場工作坊為有志於工業控制、IoT 裝置與嵌入式系統的開發者，提供一條可落地的實務路線。

智慧穿戴生醫晶片系統的實作體驗

另一場工作坊則帶領與會者進入智慧穿戴與生醫應用場域。由裕晶醫學科技處長黃芃瑋主講的「智慧穿戴物聯網生醫晶片系統開發模組」，以實際穿戴設備為核心，示範從感測到資料分析的完整流程。

課程以心電訊號（ECG）為例，首先介紹TriAnswer試穿戴平台的模組安裝與線材配置，並透過手機介面進行即時訊號觀察與錄製；接著進入生理訊號分析實作，說明ECG訊號的基本特性，並引導學員使用Google Colab執行分析程式。透過這樣的實作流程，參與者得以實際體驗 Edge AI 在醫療與穿戴應用中的系統整合挑戰。

掌握企業落地AI Agent關鍵能力

在企業AI落地進修課場次，首先則有CAVEDU教育團隊的曾吉弘博士帶來「掌握企業落地 AI Agent 的關鍵能力：用RAG強化你的 LLM」專題。他指出，企業對AI的期待已不再只是回答問題，而是能主動規劃、決策與執行任務的AI Agent。

由於 LLM 本身存在知識截止與幻覺風險，RAG（Retrieval-Augmented Generation）成為企業導入 AI Agent 的核心技術。曾吉弘帶領現場學員深入解析RAG的運作原理、資料來源設計與檢索效能優化策略，並說明多模態 AI 如何與主流代理框架結合，協助企業打造可控、可信且可擴充的AI 系統。

第二場企業AI落地進修課則是由嵐奕科技執行長莊志偉主講的「全方位打造AI交談機器人」進修課，從實際開發流程出發，完整拆解AI交談機器人的系統架構。

內容涵蓋Arduino IDE與Edge裝置開發、Gemini API／ChatGPT API的整合，以及透過Node-RED建構AI交談機器人主機，並深入剖析STT、LLM API、TTS、記憶模組與MCP等關鍵技術，為企業與開發者提供一套可實際部署的解決方案。

Edge AI前瞻技術講座：掌握下一步關鍵技術

在前瞻技術講座場次，則聚焦Edge AI與實體智慧的下一步發展。首先由僑光科技大學資科系助理教授陳紀翰助理分享 VLM、MLLM 如何導入產業應用，說明多模態模型在實務場景中的設計考量。

接續由UAV無人機任務規劃與安全討論群站長林永仁，以自主飛行為例，探討高效能 AI 模組在無人機任務規劃與安全機制中的關鍵角色。隨後，Robotic.ai 創辦人Neil Tan分享生成式 Physical AI 與機器人的發展趨勢，點出 AI 與實體系統深度結合所帶來的產業變革。

壓軸則由 Arm首席方案架構師沈綸銘分享Edge LLM端到端優化策略；他以llama.cpp為例，剖析如何在資源受限的邊緣平台上，透過軟體與架構優化實現高效率的大型語言模型推論。

Edge AI開發實務講座：剖析邊緣系統效能與TinyML生態

在開發實務講座，則由 iCShop淩耀電子經理林士允分享低功耗高效能推論邊緣系統的設計思維，並由英飛凌首席應用工程師Rodolfo Lossio介紹該公司的DEEPCRAFT AI Suite與 PSOC Edge微控制器如何簡化Edge AI開發流程。

後段議程中，台灣樹莓派創辦人Sosorry帶來樹莓派AI加速方案分享，而Edge AI Taiwan社群版主 Jack Hsu 博士則介紹打造台版Edge Impulse TinyML開發平台的經驗，展現社群力量在Edge AI 生態系中的關鍵角色。

結語：Edge AI正在成為開發者手中的現實

除了議程中的講座與工作坊，MAI 開發者年會現場的展示攤位同樣成為開發者交流的重要節點。多家技術供應商與社群團隊在攤位中展示Edge AI平台、開發工具與實際應用成果，吸引與會者駐足交流，從硬體選型、開發流程到效能與功耗取捨，現場討論往往延伸成一對一的技術交流與經驗分享。這樣的互動，讓原本存在於簡報中的技術概念，轉化為可實際觸摸、可即時提問的具體實例，也進一步拉近開發者與產業之間的距離。

在攤位與會場之間穿梭的，不只是產品與解決方案，更是一個正在成形的Edge AI 開發者生態。透過面對面的交流，開發者得以直接回饋實務需求，企業與社群也能更貼近第一線的開發挑戰，促成後續合作與技術串聯的可能。

從上午的大師論壇、下午的實作工作坊與技術講座，到全天候不間斷的攤位互動，MAI 開發者年會完整呈現 Edge AI 從趨勢、技術到落地實踐的全貌。對 MakerPRO 而言，第二度舉辦 MAI，不只是延續一場活動，而是持續打造一個能讓開發者彼此連結、與產業對話的實體社群平台。當 Edge AI 正快速走向場域與產品，MAI 也正讓這股技術浪潮，真正走進開發者手中。