趨勢觀察／安謀台灣總裁黃曉剛 智慧運算新紀元 開步走

全球運算技術的格局正發生影響深遠的變革，安謀（Arm）台灣總裁黃曉剛表示，運算模式正從集中式雲端架構，向涵蓋各類裝置、終端及系統的分散式智慧架構演進。2026年將邁入智慧運算新紀元，運算將具備更高的模組化特性與能源效率表現，實現雲端、實體終端及邊緣AI環境的無縫互聯。

晶片多元創新

根據上述趨勢，黃曉剛提到，Arm發布了20項技術預測，這些技術將引領2026年的下一波創新浪潮。首先，在晶片創新方面，單片式晶片朝向模組化小晶片架構的轉型將全面加速。透過將運算單元、記憶體與I／O拆分為可重複使用的建構模組，晶片設計人員可靈活搭配不同製程節點，降低研發成本的同時又加快產品規模化，也確保不同廠商的小晶片產品能進行可靠、安全的整合。

其次是晶片創新將更多來自新型材料應用與先進封裝技術，如3D堆疊及小晶片整合等，這種路徑有助於在高效能晶片中實現更高的整合密度與能源效率表現。而這種「超越摩爾定律」的演進強調垂直創新，透過功能分層整合、最佳化散熱效率以及提升每瓦算力來突破。

第三為「以資安為核心」的晶片設計將成為基本要求。當前攻擊者已開始探測AI系統的可利用漏洞，並將硬體本身做為攻擊目標，因此晶片內建的硬體級信任機制變得相當重要。

第四點是產業正朝著系統級協同設計的客製化晶片方向演進。這類晶片將從系統層面與軟體堆疊協同設計，並針對特定AI框架、資料類型及工作負載完成深度最佳化。雲端服務提供者正在引領此轉變，此趨勢將推動次世代基礎設施AI資料中心加速落實。

從AI發展來說，黃曉剛指出，第五點是分散式AI運算將更多智慧延伸至邊緣端。雖然雲端仍將是大模型運行的核心陣地，但AI推論任務將持續從雲端向終端裝置遷移，進而實現更快速的回應與決策。本地推論與裝置端學習將成為標準配置，邊緣裝置與系統會重塑為具備自主運行能力的運算節點。

第六點是雲端、邊緣以及實體AI加速融合，AI系統將加速形成以協同智慧為核心的一體化協作體系。企業不再把雲端、邊緣與實體終端分別看待，而是根據各技術層級的優勢，來設計AI任務與工作分配方案。

而第七點是世界模型將重塑實體AI開發，成為建構和驗證實體AI系統的關鍵基礎工具。世界模型的模擬技術可能成為企業競爭的必要能力，並成為推動下一波實體AI技術突破的重要催化劑。

第八點是AI將從輔助工具進化為自主代理，系統能夠在有限的人工干預下感知、推論及行動。多個代理的編排技術將在機器人、汽車及物流領域被更廣泛應用，消費電子裝置也將原生整合AI代理功能。

預判使用需求

接著，第九點是裝置端AI的真正突破點在於情境感知能力，它能讓終端裝置理解並解讀所處環境、使用者意圖及本地資料。此外，情境感知AI系統還能預判使用者需求，以前所未有的精準度與個人化程度客製專屬體驗。

第十點，「單一巨型模型」的時代將逐步落幕，取而代之的是眾多輕量化的專用模型。第11點則是小型語言模型（SLM）更強大，企業應用門檻不斷降低。當下複雜的推論模型正在大幅縮減，轉化為小型語言模型，同時不會犧牲運算能力，更易於在邊緣部署。

黃曉剛說，第12點是下一個數兆美元規模的AI平台將屬於實體世界，智慧將被內建於新一代的自主機器與機器人之中。實體AI系統將實現規模化部署，催生全新品類的自主裝置。這些裝置將可顯著提升生產效率，還能在對人類存在風險的環境中運行。

第13點，企業的雲端策略將不再侷限多雲端架構，而是邁向更成熟的智慧化混合雲端運算階段。

這需要憑藉開放標準與高能源效率運算平台協同支援，讓AI模型、資料管線及應用程式，能在多雲端平台、資料中心與邊緣環境中無縫運行。

第14點則是隨著AI強化的汽車功能成為產業標準配備，AI技術將深度普及到汽車供應鏈的各個部分，從車用晶片到工廠的工業機器人均涵蓋。AI定義汽車將搭載先進的車用AI系統，協助環境感知、行為預測、駕駛輔助及更高階的自動駕駛功能。

同時，黃曉剛表示，第15點是智慧手機將繼續深度依賴AI功能，進化為集數位助理、相機與個人管家於一體的多功能裝置。

第16點是邊緣裝置的算力邊界逐漸消融。他並強調，PC、行動裝置、物聯網與邊緣AI之間存在的壁壘將逐漸消融，邁向一個打破裝置邊界的裝置端智慧新時代。

無論是手機、可穿戴裝置、PC及汽車，或音箱和保全系統等智慧家庭裝置，所有邊緣裝置都將原生支援AI工作負載運行，能即時共用情境資訊與學習成果，預判使用者在不同螢幕與感測器場景下的需求，並提供無縫且高度個人化的體驗。

黃曉剛提出的第17點，是AI體驗將突破單一裝置的限制，形成一套連貫的個人智慧型網路。

隨著外形尺寸不斷縮小、AI能力不斷增加、連接體驗愈來愈流暢，AR與VR穿戴運算裝置將從嘗鮮品轉變為必需品。因此，第18點是擴增實境（AR）與虛擬實境（VR）穿戴裝置將在物流、維護、醫療和零售等更多工作場景中實地應用。

此外，第19點是物聯網將進化為智慧物聯網。邊緣物聯網裝置將轉為具備理解意義能力，能自主完成資料解讀、趨勢預測與行動執行。此一變革將物聯網重新定義為具備上下文感知決策能力的動態基礎設施。

最後，黃曉剛認為，穿戴式醫療保健裝置也將邁向臨床應用。次世代穿戴式醫療保健裝置將從健身夥伴升級為醫療級診斷工具。這些穿戴裝置將搭載AI模型，能在本地即時分析心率變異、呼吸模式等生物特徵資料。