只靠雲端 AI，會遇到什麼問題
把所有感測資料都送上雲端再判斷，是最直覺的做法，但放到實際產品上，通常會碰到三件事：
- 延遲：需要即時回應的動作，例如手一碰就要反應，等資料往返雲端會太慢。
- 頻寬與成本：連續、高頻的感測資料，全部上傳會佔用大量傳輸與儲存資源。
- 隱私：與人體接觸、與睡眠或生理有關的資料，在設備端先處理，能減少需要離開設備的資料量。
什麼是 EI（邊緣智慧）
EI 的做法是把感測與初步判斷放在設備端或場域端完成，只有需要時才把結果，而不是原始資料，送往雲端。它不是取代雲端 AI，而是和雲端分工：邊緣處理即時、貼近現場的判斷，雲端處理需要大量資料的學習與整合。
感測器，是邊緣智慧的地基
邊緣端的運算資源有限，演算法再好，也無法從品質不佳的資料中判斷出正確結果。因此感測器的特性直接決定了 EI 能做到什麼程度：能不能貼合曲面、夠不夠薄、能不能多點同時量測、反應夠不夠快。
璟群科技的感測方案從這個角度切入，分成兩條線：
- 柔性壓力智能感測：用柔性、薄型的壓敏薄膜，並以陣列方式量測壓力分布，把「接觸」與「施力」轉成可以被演算法使用的數據。
- 光學智能感應：以 ToF 飛行時間等光學技術偵測距離與手勢，在不接觸的情況下感知動作與靠近。
一個感知「碰到」，一個感知「靠近」，兩者可依產品情境各自使用，或搭配運用。
TAIPEI：我們怎麼看技術落地
官網首頁的 TAIPEI，是我們對技術落地的四個要素的拆解：
| 字母 | 代表 | 在方案中的角色 |
|---|---|---|
| T | Technology 前瞻科技 | 選對感測原理與材料，例如柔性壓力與光學感應 |
| AI | Artificial Intelligence 人工智慧 | 用演算法把感測訊號判讀成有意義的結果 |
| P | Platform 整合平台 | 把感測、韌體與應用整合成可打樣、可量產的完整方案 |
| EI | Edge Intelligence 邊緣智慧 | 讓判斷在設備與場域端完成，真正走進使用情境 |
四個值得關注的應用方向
以下是以柔性壓力與光學感測為基礎的應用方向，用來說明 EI 在產品上的樣子，並非特定客戶案例。
- 電子皮膚：讓機器、假肢或穿戴產品具備類似皮膚的壓力感知，能感受接觸的位置與力道。
- 智慧寢具與穿戴：量測身體的壓力分布，並進一步做心律與呼吸等生理訊號的感測。
- 柔性加熱：感測與薄膜加熱整合在同一片柔性材料上，依使用者的接觸與壓力調整加熱。
- 非接觸互動：以 ToF 與手勢感測偵測距離和動作，結合投影，讓家電、商用顯示或車載介面不必碰觸就能操作。
從 AI 到 EI
從 AI 到 EI，璟群科技讓智慧走進場域，賦能台北新未來。如果你正在評估讓產品具備感知能力，歡迎和我們聊聊你的應用情境與需求。