研華 Edge AI 平台選型指南：從入門推論到
高階 AI 運算

x86 和 Arm 並不是誰一定比較好，而是適合的任務不同。x86 工業電腦通常適合需要高 CPU 運算、既有 Windows / Linux 軟體環境、資料處理、設備連線、HMI、SCADA、MES 串接或傳統工業控制的應用；Arm-based Edge AI 平台則更適合低功耗、高 AI 推論效率、多 Camera 影像分析、機器人感知與邊緣即時 AI 推論。若應用重點是 AI 影像辨識、多模型推論、VLM、多模態 AI、AMR / 機器人感知，或希望在現場端完成 AI 判斷，可優先評估 Arm-based Edge AI 平台。若應用仍以既有 x86 軟體、設備控制、資料整合或工業系統串接為主，則可持續採用 x86 工業電腦，或採用 x86 + Arm-based Edge AI 平台的混合架構。

當原本的 x86 工業電腦開始承載 AI 影像辨識、多路 Camera、即時推論、深度學習模型或多模態 AI 任務時，就可以評估是否導入 Arm-based Edge AI 平台。特別是當系統遇到功耗過高、散熱壓力大、GPU 擴充空間有限、AI 推論效率不足，或需要在設備端直接執行 AI 模型時，Arm-based Edge AI 平台會更適合。不過，x86 轉 Arm 不一定代表完全取代既有系統。實務上常見做法是保留原本 x86 IPC 負責設備通訊、資料整理、HMI、控制邏輯或系統串接，再由 Arm-based Edge AI 平台負責影像推論、模型運算與 AI 判斷。這種架構可以降低系統改造風險，也能讓 AI 功能更快導入現場。

需要。Edge AI 系統不只執行模型推論，還需要處理影像輸入、資料前處理、模型載入、多任務併行、應用程式運行、設備通訊與資料儲存。因此除了 TOPS，也需要同步評估 CPU、GPU、Memory、I/O、儲存空間與散熱設計。例如，固定場景的單一影像辨識通常更重視 Camera 數量、模型大小與推論速度；多路 AOI 或多模型任務則需要更高 GPU 算力與記憶體配置；Edge LLM / VLM 應用則會更明顯受到 Memory 容量、模型大小、量化方式與推論框架影響。選型時應同時考慮整體系統需求，而不是只看單一算力規格。

若是固定場景、1–2 路 Camera、單一模型辨識，可優先評估 MIC-711-ON / MIC-713-ON。這類平台適合入門 Edge AI 應用，例如設備狀態辨識、料件有無檢查、包裝完整性檢查、車牌辨識、人流計數、儀表讀值或簡易異常偵測。這類應用通常重點不在最高算力，而在於是否能穩定接收影像、執行模型推論，並與現場設備或後台系統串接。若 PoC 階段以單一任務驗證為主，MIC-711-ON / MIC-713-ON 可作為入門選型起點；若後續可能增加 Camera 數量、模型複雜度或多任務需求，則可進一步評估 Orin NX 等級平台。

多路 Camera、多角度檢測、AOI 瑕疵檢測或多模型推論，可優先評估 MIC-713-OX / MIC-715-OX。這類平台適合需要同時處理多個影像來源，或在同一條產線上執行瑕疵分類、物件辨識、尺寸檢查、異物偵測、包裝檢查與設備狀態判斷等任務。若應用需要更高解析度、更高 FPS、更低延遲，或需要整合更多感測器與資料來源，則可進一步評估 MIC-733-AO。選型時建議同步確認 Camera 數量、影像解析度、推論模型數量、FPS 需求、I/O 介面、資料儲存與現場散熱條件，避免 PoC 可行但量產部署時效能不足。

AMR、巡檢車或移動式機器人通常需要同時處理 Camera、感測器、導航、環境感知與任務判斷，可優先評估 MIC-733-AO。這類平台適合自主移動、物件辨識、路徑環境感知、巡檢影像分析、異常回報與多感測器資料整合。若應用進一步發展到 Robotics / Physical AI，例如多相機感知、語音互動、機器人動作理解、GMSL Camera、CANbus、即時資料融合或更複雜的機器人控制整合，則可評估 MIC-742-AT。簡單來說，MIC-733-AO 較適合成熟 AMR、巡檢車與移動平台應用；MIC-742-AT 則更適合下一代機器人與高階 Physical AI 應用。

Edge LLM、VLM 或 AI Assistant 應用可優先評估 MIC-743-AT。這類應用不只需要 AI 加速能力，也會受到記憶體容量、模型大小、多模態輸入、推論框架與資料存取方式影響。若應用包含影像問答、現場知識查詢、設備維修助手、作業指引、語音互動、本地 RAG 或多模態理解，MIC-743-AT 會比一般影像辨識平台更適合。需要注意的是，Edge LLM / VLM 不代表所有大型模型都能完整搬到邊緣端執行。實際選型仍需評估模型參數量、量化方式、回應速度、同時使用人數、是否需要連接企業資料庫，以及哪些任務要在本機端完成、哪些任務可與雲端或伺服器協作。

當 AI 應用涉及高可靠、低延遲、功能安全、醫療輔助、工業安全，或 AI 判斷結果會進入設備控制鏈、影響機器動作與現場人員安全時，可評估 IGX 或 Safety-focused Edge AI 平台，例如 MIC-735M-IO / MIC-735。這類平台適合 Safety-critical AI 應用，例如醫療輔助判斷、機器人安全控制、人機協作區域監控、設備異常停機判斷或高可靠工業自動化場景。若 AI 只是做一般辨識、告警或資料輔助，通常不一定需要 IGX；但若 AI 判斷錯誤可能造成設備誤動作、停線風險或人員安全疑慮，就應在選型階段納入功能安全、系統可靠性與安全控制架構。