Microchip解密從雲端到邊緣的硬體未來

隨AI技術席捲全球，半導體技術架構也面臨新一波的質變。Microchip Technology Edge AI事業部資深行銷經理Dean Leo在採訪中指出，AI的發展已不再侷限於雲端，邊緣AI與實體AI正以驚人速度崛起，而軟硬體緊密整合將是半導體廠未來勝出的關鍵。

Dean Leo表示，雲端AI與邊緣AI各具優勢，本質上是運算效能、功耗、隱私與成本之間的取捨。雲端藉強大算力，在模型訓練與高難度應用中持續扮演主導角色，媒體聲量也最高；然而，邊緣AI能在本地端即時進行推論，並可依應用需求精準調整功耗與尺寸。

他預測，就如過去所有技術的演進，AI推論能力正逐步從網路核心延伸至終端節點，未來每一種應用都會找到最適合的雲端與邊緣組合，而Microchip的目標即是協助客戶建立最合適的「混合式AI架構」。

針對2026年AI資料中心的發展態勢，Dean Leo直言，將由「效能需求提升」與「電力限制」兩大因素主導。大型雲端業者（Hyperscalers）大規模建置的據點，動輒需要數GW等級的電力與高密度液冷系統。這為Microchip帶來了龐大的類比與數位雙重機會，除了用於高效率電源管理與液冷監測的類比解決方案外，在數位領域也推出業界首款3nm PCIe Gen 6交換器、META-DX2 800 GbE PHY與各式高精度網路時間同步解決方案，全方位支援高效能運算與儲存需求。

面對多元的處理器產品線，Microchip透過嚴謹的市場分析與客戶交流來規劃長期藍圖。隨著生成式AI從雲端走向工業IoT、智慧手機與車用等邊緣設備，模型壓縮技術（如量化、剪枝）成為維持精準度與縮小模型尺寸的關鍵。

Dean Leo認為，這對晶片設計既是挑戰也是巨大機會，Microchip的產品策略將採取雙軌並進：部分應用將推出具備NPU的新產品，另一部分則透過軟體優化技術，讓既有的低成本MCU或MPU也能流暢執行AI功能。

「在邊緣AI應用中，軟體開發者對平台選擇的影響力，已與硬體工程師同等重要。」Dean Leo表示，Microchip在軟體工具的投入絕不亞於硬體。目前Microchip已建構完整的軟體生態系，包含在MPLAB X IDE中整合機器學習開發套件，並支援「自帶模型」（Bring-Your-Own-Model）流程，允許開發者將主流平台上的模型以LiteRT格式匯入MCU與MPU。針對FPGA開發者則提供VectorBlox工具套件，並推出MPLAB Extensions for VS Code，讓工程師能在熟悉的環境中無縫開發。

最後，談及最具發展潛力的「實體AI」（Physical AI，如機器人、無人機與自動駕駛），Microchip除了提供從FPGA、運算核心到電源管理的一站式完整產品組合外，Microchip多款產品已達「Functional Safety Ready」並提供認證編譯器，同時秉持「Secure by Design」理念，透過硬體信任根機制與安全元件保護加密金鑰。

Dean Leo強調，Microchip具備完整的技術與專業團隊，已準備好成為企業實踐Physical AI設計目標的最佳合作夥伴。

圖一 : Microchip Technology Edge AI事業部資深行銷經理Dean Leo