零售業將是最願砸錢給邊緣運算的產業！Google 揭部署邊緣 AI 硬體 6 大決策點
根據調研機構 IDC 預測，全球邊緣運算支出將從 2025 年的 2,610 億美元成長至 2028 年的近 3,800 億美元，年複合成長率達 13.8%。其中，零售產業最積極投資，佔 2025 年全球支出的近 28%，製造與能源產業則緊隨其後，佔約 25%。在各種應用中，AI 是成長最快的領域之一。
對零售業者而言，零售不僅是販售產品，更關乎即時、個人化的顧客體驗創造。IDC 指出，零售業的邊緣支出主要集中在影像分析、即時物流監控與營運優化等場景。
IDC 數據與分析經理 Alexandra Rotaru 表示，多數產業都會受益於邊緣運算在資料源頭運算的能力，進而加速決策、強化資安並降低成本，因此零售、製造與醫療等產業，都需要對邊緣的部署有深入了解。據 IDC 統計，邊緣運算最主要的初期投資將是硬體，那麼零售業者，該如何選擇合適的硬體呢？
何時應該部署邊緣 AI？6 大面向一次看
如要在邊緣端進行推論，光是處理器選項就至少有 CPU（中央處理器）、 GPU（圖形處理器）以及專用加速器，Google 分散式雲端技術主管 Mike Ensor 提醒，並不是所有 AI 和機器學習技術都需要高成本硬體，他提出 6 個面向提供決策者，根據具體應用場景、效能需求、延遲容忍度與預算等因素綜合判斷：
第一，AI 模型複雜度：簡單的影像辨識或物件偵測模型，通常在 CPU 上就可執行；若涉及即時處理大量影像、影片或進行個人化推薦等大型資料分析，則需 GPU 的平行運算能力。
第二，資料量與資料速度：若零售業者須高速處理大量資料，像是運行複雜的 AI、視訊分析、高解析度影像處理、機器學習模型訓練，GPU 通常不可或缺。舉例來說，對於快速移動的物件，5FPS 的解析度可能不足，此時需使用 GPU 才能達成即時高精度推論，而資料量小、運算密度低的應用則可用 CPU 應對。
第三，延遲要求。針對超低延遲的需求，例如即時詐欺偵測，Ensor 表示部署 GPU 至邊緣更能降低回應時間；但若 GPU 放在區域型資料中心，可能會因兩者之間的網路延遲，抵銷掉硬體效能優勢。
第四，成本。GPU 價格通常高於 CPU，Ensor 建議，在做出決定之前須仔細考慮預算，以及整體 ROI（投資報酬率）。
第五，耗電量。GPU 通常比 CPU 消耗更多電量，Ensor 表示這對於邊緣 AI 部署是重要考量因素，不過如果 GPU 部署在地端伺服器內，由於有集中供電與冷卻設施，耗電壓力相對較小。
第六，部署地點。Ensor 指出，在部署邊緣 AI 系統時，硬體（像是伺服器或運算裝置）處理與資料來源之間的距離，會直接影響系統回應的速度，需要即時反應的技術應用，適合部署在邊緣端，而某些需要大量計算但不要求低延遲的任務，例如夜間庫存分析，可能更適合可以集中管理資源的資料中心。
Ensor 也分享，在 CPU 與 GPU 之間，其實還存在一種「中間選項」：專用加速器（speciality accelerators），這類加速器可以是系統的外接裝置，也可以是內建於 CPU 的特殊指令集。
零售業的未來：整合資料洞察，提升效率
隨著邊緣運算和 AI 成為零售營運的核心基礎，Toshiba 全球商務創新和孵化資深副總裁 Yevgeni Tsirulnik 表示，下一步是將各個資料點串聯起來，形成一個資料即時互通的整合系統。舉例來說，顧客動線、商品互動、庫存狀態，甚至環境條件等每一筆數據，都能同步分析，並根據相互關聯的資料洞察做出決策。
Tsirulnik 認為，這樣的基礎架構能讓零售商不再只是被動處理問題，而是主動創造營運與顧客體驗的雙贏成果，從個人化優惠、智慧推薦到精準補貨，未來的零售業將走向一個自我調節、持續學習與優化的整合型生態系。
立即報名 5/28 宏庭科技【零售 AI 轉型戰略研討會】，一探如何借力 AI 與數據開創智慧零售新局
【推薦閱讀】
◆ 從 SEO 邁向 AAO：品牌行銷內容如何讓 AI 看得懂、推得動？
＊本文開放合作夥伴轉載，資料來源：IDC、Google Cloud、《Forbes》，圖片來源：AI 工具 ideogram 生成。