新聞說明
        物物相連的智慧化生活趨勢之下，蒐集、傳送及運算的資料量日漸龐大，為減輕雲端伺服器之資料處理負擔，位於終端的邊緣運算將扮演重要角色。

影響分析
        當各種大量IoT Data上傳雲端進行AI運算、訓練與分析，此多半延遲整體運算分析、資料回應與機器運作的效率，因此將部分的機器學習機制從雲端下放到終端設備上，邊緣運算技術將原本要送到雲端伺服器或大數據中心進行資料訓練、分析與預測的工作，移往各個網絡邏輯架構上的邊緣節點處理，因而必須提高這些邊緣節點處理數據的能力。    
        根據IDC統計，預估2020年將有超過500億元的終端和設備聯網，其中50%以上的數據需要在網絡邊緣進行分析、處理與存儲，因此On-Line Training 雖然仍相當重要，但On-Device Training 將更逐漸成為顯學，也就是終端設備不需隨時連網，當處於離線狀態時，終端設備也必須具備部分的決策能力與即時反應能力。
        從邊緣運算興起及設備硬體的需求看來，未來更多終端將具備AI晶片及演算法，可從Amazon併購晶片商Annapurna Labs、Microsoft結合聯發科合作推出支援Azure Sphere的系統單晶片、Google也自行開發 Edge TPU晶片…等看出晶片與演算法將是定義未來邊緣運算軟硬體的發展方向。因此，AI晶片所需更細線寬、更多層數、更大面積的載板需求也愈來愈多，ABF材料為主體之載板也成為載板廠商競相投資擴產的熱門產品。