製造業對於Edge AI應用落地的考量，一直不外乎是成本、效能與安全三大議題。目前的解決方案大多難以同時兼顧這三個面向。比方說，如果需要AI運作的聰明、精準，效能良好，勢必要昂貴的地端設備，或考量較難兼顧安全性的邊雲混合端方案。若採用簡易的SLM，則變成應用場合有限，難以兼顧效能。然而，在2026年，新技術的突破，讓Edge AI的普及又看到更多的希望。
首先，邊雲偕同的架構相關的協定、互通性和安全性已在歐盟有深入的研究。在實務部署上，第一線的Edge端部署經過蒸餾與量化的輕量化模型，約負責處理 80% 高頻率、需要高速反應、且涉及機敏數據的日常任務（如機台異常檢測）。而雲端大模型則處理剩下的 20% 跨廠區、長週期的大數據策略分析。過去，這種SLM用在執行如讀取大量感測器資料，以及厚重的SOP手冊時，需要大量的記憶體空間與運算資源，使得Edge設備的成本居高不下，降低製造業佈署的意願。
近期，在中東的阿拉伯聯合大公國技術創新研究所（TII）所發展的Falcon-H1 系列模型，Mamba 的全新狀態空間模型（SSLM）架構，可以僅用7B的參數，在低記憶體的成本下，可以將幾百頁的 SOP 手冊融會貫通，又不需要具備大量記憶體的推論終端設備。另外，各家的SLM也開始支援Function Call功能，讓SLM能夠變成Agentic Al封裝Skill。當現場 SLM 遇到突發狀況時，它會自主思考、臨場調度對應的 Skill，並觸發底層的 Function Call 去調整產線參數或發送工單。AI 從此從被動問答走向自主代理。
圖片來源: 本研究整理，AI生成圖片，2026
隨著新一代 Edge AI 架構逐漸成熟，AI將具備更清晰的落地路徑。例如，透過 Mamba 架構提供記憶力，降低設備成本；再結合 Agentic AI 的思維，將老師傅的經驗進行 Skill 封裝，並以 SLM 與 Function Call 提供執行力，進一步提升產業AI自動化的價值。在嚴謹的安全邊界與 SOP 約束下，一種同時能兼顧成本、效能與安全架構的終極型態，或許即將問世。
本文作者為資策會數位轉型研究院智造科技中心副主任謝沛宏
