人工智能風(fēng)潮席卷全球，而為了加速AI應(yīng)用普及，并降低云端運(yùn)算工作負(fù)載，實(shí)現(xiàn)更多的創(chuàng)新應(yīng)用，邊緣運(yùn)算需求與日俱增，AI開(kāi)始從「云端」走向「終端」，也因而推升ASIC需求；

　　根據(jù)市調(diào)機(jī)構(gòu)Ovum預(yù)估，2018——2025年，ASIC的市占率將從11%大幅增加至48%。Ovum調(diào)查報(bào)告指出，在2016年，云端（包含企業(yè)、數(shù)據(jù)中心等）為深度學(xué)習(xí)晶片的主要營(yíng)收領(lǐng)域，占了80%。不過(guò)，到了2025年，此一比例將會(huì)改變，轉(zhuǎn)變成邊緣（Edge）占了80%，而云端的比例則降為20%。這邊所指的邊緣意指終端設(shè)備，且以消費(fèi)性產(chǎn)品為中心（而非小型伺服器或是路由器），包括移動(dòng)裝置（手機(jī)、平板）、頭戴式顯示器（HMD），如AR/VR /MR、智能音箱、機(jī)器人、無(wú)人機(jī)、汽車(chē)、安全攝影鏡頭等。

　　Tractica/Ovum研究總監(jiān)Aditya Kaul表示，現(xiàn)今大多數(shù)的AI處理器，如GPU，多用于云端伺服器、資料中心，以在云端上進(jìn)行AI訓(xùn)練和推論。不過(guò)，隨著隱私、安全性需求增加，加上為了降低成本、延遲及打破頻寬限制等因素，分散式AI隨之興起，越來(lái)越多AI邊緣應(yīng)用案例出現(xiàn)。例如蘋(píng)果的A12仿生芯片，其具備新一代「神經(jīng)網(wǎng)路引擎」，以即時(shí)機(jī)器學(xué)習(xí)技術(shù)，改變智能手機(jī)的使用體驗(yàn)。

　　Kaul指出，簡(jiǎn)而言之，AI從云端轉(zhuǎn)向邊緣是現(xiàn)在進(jìn)行式，當(dāng)然目前AI在邊緣設(shè)備上多還是以推論為主，而非訓(xùn)練。不過(guò)隨著AI創(chuàng)新應(yīng)用增加，有越來(lái)越對(duì)芯片商嘗試提升終端裝置處理器的運(yùn)算效能，為的就是不用再傳送資料至云端進(jìn)行資料運(yùn)算、推理和訓(xùn)練。也因此，各式的處理器紛紛問(wèn)世，像是CPU、FPGA、GPU、ASIC、NPU或SoC Accelerator等。

　　其中，ASIC的市占率可望隨著邊緣運(yùn)算的需求增加而明顯攀升，從2018年的11%增加至2025年的52%。Kaul進(jìn)一步解釋?zhuān)珹SIC之所以受到青睞，原因在于新興的深度學(xué)習(xí)處理器架構(gòu)多以圖形（Graph）或Tensorflow為基礎(chǔ)架構(gòu)；且上述提到AI邊緣運(yùn)算受限于功耗和運(yùn)算效能，因此多以推論為主，而非訓(xùn)練。然而，若假設(shè)到2021年時(shí)，終端設(shè)備將導(dǎo)入大量AI芯片，所需要的便是能在同一個(gè)芯片上進(jìn)行推理和訓(xùn)練，可因應(yīng)分散式運(yùn)算且又具低功耗的IC，因此ASIC需求將持續(xù)上揚(yáng)，實(shí)現(xiàn)更多AI邊緣應(yīng)用案例。