叶仪晧指出，目前影像辨识仍以 CNN 为核心，相较高功耗的 Edge AI 与云端架构，On-Device AI 能在极低功耗下即时完成推论，更适合电池受限、需快速反应的无人机应用。义隆已将系统功耗自过去 70 多瓦，大幅降低至约 5 瓦，反应时间也从 1 秒以上缩短至约 0.05 秒，显著提升即时避障与目标追踪能力。
他强调，AI 成效关键在于资料集（Data Set）。义隆早年在智慧交通场域，透过生成式 AI 补足夜间、雨天与多角度等极端情境；无人机因拍摄视角高度自由、三维变化大，资料建构难度更高，更需仰赖生成式 AI 与自动标注技术，加速模型训练与落地。
在应用层面，义隆已完成物件侦测、分类、追踪与行为预测等核心技术，并可直接移植至无人机，聚焦物件辨识、即时追踪与避障三大能力，透过多镜头配置与深度估测，在有限算力下完成自主飞行判断。叶仪晧也指出，无人机与车用 ADAS 在感知层高度相通，皆需结合影像与雷达进行 Sensor Fusion，以弥补单一感测器在距离与遮蔽情境下的限制。
针对外界质疑无人机布局「突然出现」，叶仪晧强调，公司研究AI技术已经七年时间，技术累积的自然延伸，且无人机因视角变化剧烈、资料集更复杂，是目前难度最高的应用场域。义隆先前技术已通过第三方评测与验证，智慧交通测试可达 99 分，ADAS 约 97.4 分，显示演算法具延续性与可靠度。他透露，无人机相关方案明年可望开始量产，并朝 MIT 供应链整合，以因应地缘政治带来的供应风险。
谈及台湾无人机晶片发展，叶仪晧认为 SOC 制造本身并非瓶颈，真正挑战在于晶片到应用的落地能力，包括小算力下可用的演算法与具备 Domain Knowledge 的资料集。义隆策略并非自行开发晶片，而是选用既有 SoC，搭配自家小型化演算法与资料库优势，切入最具成本效益的应用市场。
在智慧交通方面，他认为明年有机会重启放量，关键在于装置端即时判断可有效解决云端延迟问题，提升事故预防成效。
至于美国联邦传播委员会（FCC）宣布中国无人机大厂大疆（DJI）将无法在美国销售新型无人机，对于国际市场非红供应链趋势，叶仪晧指出，义隆方案主打全 MIT 供应链，过去即未仰赖红色供应来源，相较部分海外方案在成本与功耗上的劣势，MIT 架构在军用与敏感应用市场具备高度吸引力。随著部分市场对特定品牌设限，非红供应链的重要性提升，义隆也有望从中受惠。
點擊閱讀下一則新聞
