Anduril 和 Palantir 都在做：為什麼離線 AI 正在成為下一個關鍵戰場？
當企業談 AI 基礎架構，過去幾年主流想像幾乎都圍繞著同一套前提：穩定網路、充足電力，以及靠近資料中心的雲端環境。但這套假設，正越來越難支撐 AI 進入真實世界後的需求。
從軍事、航運到能源產業，愈來愈多高風險場景都在提醒一件事：當延遲、斷線與基礎設施不穩定成為常態，AI 如果仍仰賴雲端往返運算，就可能在最需要它的時刻失效。這也是為什麼，Palantir、Anduril 與新一代邊緣 AI 業者，正把可離線運行的智慧系統（離線 AI）視為下一階段的核心戰場。
問題不在 AI 夠不夠聰明，而是能否在現場運作
《Forbes》點出一個被主流討論忽略的現實：全球超過 80% 的貨運量靠海運移動，離岸油井位於數百英里外的海上，礦場座落在缺乏穩定連線的沙漠地帶，軍事單位則必須在通訊受干擾、甚至刻意被切斷的環境中做決策。這些場景都有一個共同點，就是它們無法把「資料先送回雲端，再等待模型回應」視為理所當然的流程。
如果 AI 離開資料中心就失去效能，那它在辦公室裡看起來再強，都不代表它能進入下一波產業現場。也因此，離線 AI 的關鍵不只是沒有網路也能用，而是讓智慧系統真正靠近決策發生的地方。
Palantir 與 Saildrone：把決策等級的智慧放上船
這種轉向最明顯的先行者，首先出現在國防與海事場景。根據《Forbes》，Palantir 與無人船公司 Saildrone 近期宣布合作，將 Palantir 的 AI 基礎設施整合到 Saildrone 的自主水面載具上，用於海事安全、海域監控與防務應用。這項合作的關鍵，不只是把感測器裝上船，而是把足以支撐決策的智慧直接部署到海上。
對海事與國防單位來說，這代表他們不必再依賴有人船艦，也不必等衛星在數小時後傳回資料，而是能讓智慧系統持續待在海面上、即時理解環境、回報風險，甚至在沒有船員的情況下執行長時間監控任務。這種部署方式改變的不只是效率，還包含整個海域監控的成本結構與反應速度。
Anduril 更進一步：在預設斷線的戰場上，AI 不能停在「讀取中」
如果說 Palantir 與 Saildrone 展示的是海上場景中的邊緣智慧，那 Anduril 想解決的，則是更極端的問題：戰場上的 AI，這類系統往往必須預設處於斷線狀態下運作。
根據《Forbes》，Anduril 的 Lattice AI 平台就是為這類環境而生。這套系統用於陸、海、空不同自主系統的協同與決策支援，核心特徵是它從一開始就不是為了網路順暢的環境而設計，而是為網路本來就不可靠所打造。對軍方來說，雲端 AI 與邊緣 AI 的差別，幾乎等同於「有情報」與「只剩讀取中的空白畫面」之間的差別。
這也說明了離線 AI 為何正在成為下一個關鍵戰場。因為在高風險場景中，延遲不是使用體驗問題，而是生存問題；連線中斷也不是例外，而是基本條件。
同樣的問題，存在於所有進入實體世界的 AI
不過，離線 AI 並不是只屬於國防工業。《Forbes》也指出，軍事只是最早、也最明顯看見問題的一群人，類似的結構性限制其實正擴散到幾乎所有實體產業。
舉例來說，海事 AI 公司 Pollentia 最近推出的船舶智慧平台，就把 AI 助理、預測維護、風險辨識與決策支援直接部署到船上，並搭配雲端生命周期管理系統，處理船隊更新與資料同步。該公司執行長 Tyler Temple 說得直接：「一艘在離岸 200 英里的船，無法等待資料往返雲端後，才做出關鍵決策。」
同樣的邏輯也出現在能源產業。西班牙公司 Barbara 所打造的邊緣 AI 協調平台，便是為離岸平台、煉油廠與偏遠地區管線站而設計，讓營運單位能在現場地端直接收集與處理資料，運行 AI 模型，而非把所有資訊都先送回雲端。對這類產業來說，一個延遲過久的洞察，不只是效率下降，而可能直接演變為安全事故。這不只是邊緣 AI 應用的單純擴張，更是整體 AI 基礎架構的戰略轉向，也就是從「雲端優先（Cloud-first）」走向「邊緣原生（Edge-native）」。
不只是企業端，這種離線運行的需求也開始進入消費端市場。例如，Google 近期也悄悄推出了一款名為「Google AI Edge Eloquent」的離線語音聽寫應用程式。使用者只要下載模型，即可在手機上進行地端的語音轉文字處理，無需依賴雲端連線，展現了離線 AI 應用的多元潛力。
AI 正從雲端為中心，走向現場即時運作
《Forbes》引用 Accenture 調查指出，83% 的企業高層認為，邊緣運算將成為維持競爭力的必要條件。這個數字的意義，不只是大家都想把運算搬到現場，而是企業已經開始意識到：只要 AI 要進入倉儲、物流、能源、醫療救援、建築工地與自動化設備，它就不能繼續建立在網路永遠穩定的幻想上。
這也是為什麼，離線 AI 是下一波 AI 基礎架構的核心競爭。過去十年，AI 產業競爭主要圍繞資料中心、雲端算力與模型規模；接下來的競爭，則會開始延伸到誰能把智慧穩定地放進現場、在沒有網路的地方仍保持判斷能力、並且在電力與設備條件受限時照常運作。
【推薦閱讀】
◆ OpenAI 發表 AI 政策藍圖：從機器人稅到 4 天工作制
＊本文開放合作夥伴轉載，資料來源：《Forbes》、《TechCrunch》，首圖來源：Unsplash