資策會數位轉型研究院─FIND中心

隨著第六代行動通訊技術（6G）的蓬勃發展，我們正站在一個技術革命的十字路口，不同於過去僅專注於高速數據傳輸的行動網路，6G將融合感測、人工智慧與通訊三大核心功能，開創一個全新的「智慧感知」時代。本文分為上下兩篇，將深入探討一項革命性的技術典範—整合感測與邊緣AI（Integrated Sensing and Edge AI, ISEA），這項技術將徹底改變我們與數位世界互動的方式。

在當今社會，我們身邊充滿了各種感測設備：智慧手機的相機、汽車的雷達系統、智慧城市的監控攝影機等。這些設備每天產生海量的感測資料，但傳統的處理方式往往存在延遲高、效率低的問題，ISEA技術的出現，將徹底解決這些挑戰，實現真正的即時智慧感知。

從通訊演進看智慧感知的興起

通訊技術的發展歷程可以追溯到19世紀，從摩斯電報系統開始，經歷了無線電、類比行動電話，到今日的5G網路。如圖1所示，這是ISEA技術的完整架構藍圖，採用由淺入深的邏輯安排：首先從上方的「ISEA背景」開始，介紹技術發展歷程、基礎知識和應用案例，讓讀者建立基本認知；接著進入中間的「ISEA概述」，說明系統設計原則和架構模式；然後深入下方的「ISEA技術」核心部分，詳細闡述數位空中介面、AirComp無線運算和先進訊號處理等三大技術類別的具體實現方法；最後以「展望」作結，探討與其他6G技術的整合和未來發展方向。

行動通訊技術從1G到5G的演進歷程，主要聚焦於提升數據傳輸速率和連接能力。1G時代實現了基本的語音通話功能，2G引入了數位訊號處理和簡訊服務，3G開啟了行動網際網路的新時代，4G帶來了真正的高速寬頻體驗，而5G則在超低延遲和大規模連接方面取得重大突破。

圖1： ISEA與ISAC、語意通訊的範圍差異比較

資料來源：https://arxiv.org/abs/2501.06726

感測與AI技術的融合

現代感測技術的發展令人矚目。微機電系統(MEMS)的出現使得感測器可以集成到晶片中，大幅降低了成本和體積。人工智慧技術的加入，更是讓感測器從單純的「數據收集器」進化為「智慧判斷者」。深度學習算法能夠從複雜的感測資料中提取有意義的資訊，實現自動化的環境理解和決策制定。

ISEA的核心技術基礎

ISEA系統的核心在於整合多感測模態，每種技術都有其獨特的優勢和應用場景。相機感測作為最普遍的感測方式，提供豐富的視覺資訊，從基本的單眼RGB相機到複雜的雙目立體視覺系統，再到先進的結構光深度相機，不同技術滿足著不同層次的應用需求。如圖2所展示的都市交通場景中，各種感測設備協同工作，包括RGB相機、光達、事件相機和雷達等，透過設備間直接通訊和行動網路連接實現真正的多模態融合。

圖2： ISEA與ISAC、語意通訊的範圍差異比較

資料來源：https://arxiv.org/abs/2501.06726

光達（LiDAR）感測技術利用雷射光的反射來測量距離和建構三維環境模型，在自動駕駛和無人機領域得到廣泛應用，Google的自駕車Waymo和大疆的專業無人機都大量採用這項技術，LiDAR的最大優勢在於高空間解析度和對環境光線條件的強健性，即使在夜間或惡劣天氣條件下也能正常工作。

射頻感測技術透過無線電波的傳播和反射來收集物理世界的資訊，與光學感測相比，射頻感測的獨特優勢在於能夠穿透障礙物，實現非視線感測，同時功耗相對較低。事件感測技術則代表了另一種創新思路，不同於傳統的幀式相機，事件相機只在光強度發生變化時才產生資料，具有超高時間解析度、極低功耗和寬動態範圍的特點。

邊緣AI技術的革新

邊緣AI技術包含兩個相互關聯的核心概念：邊緣學習和邊緣推論。邊緣學習讓分散在網路邊緣的設備能夠就地學習和訓練AI模型，避免將敏感的原始資料傳輸到遠端雲端伺服器，這種方式不僅保護了用戶隱私，還大幅減少了通訊頻寬需求。聯邦學習作為這方面的典型代表，允許多個設備在不共享原始資料的情況下協同訓練全域模型。

邊緣推論則專注於將訓練好的AI模型有效部署到資源受限的邊緣設備上，提供超低延遲的智慧服務，根據運算負載分配的不同策略，可以採用設備端推論、伺服器端推論、分割推論或分散式推論等多種模式，每種模式都有其適用的場景和優缺點，需要根據具體的應用需求和硬體條件進行選擇。

新型通訊技術的突破

ISEA需要專門設計的通訊技術來支援感測任務：

聯合來源通道編碼（JSCC）：打破傳統的來源編碼和通道編碼分離設計，針對特定任務進行端到端優化，提升傳輸效率。
空中運算（AirComp）：利用無線多址通道的波形疊加特性，實現分散式資料的同步聚合，大幅降低延遲。

ISEA的應用場景與架構設計

ISEA技術在自動駕駛領域展現出巨大的應用潛力，現代自動駕駛車輛需要即時處理來自相機、雷達、光達等多種感測器的海量資料，進行複雜的環境感知、路況分析和駕駛決策，透過車間通訊（V2V）和車路協同（V2I）技術，多輛車輛可以即時共享感測資訊，有效解決單車感測範圍受限、視野遮蔽、極端天氣條件等傳統挑戰。

智慧城市的建設為ISEA技術提供了廣闊的應用舞台。在現代智慧城市中，數百萬個感測器分布在城市的各個角落，持續監控交通流量、空氣品質、噪音水平、公共安全等多維度資訊。阿里巴巴提出的「城市大腦」概念正是ISEA技術大規模部署的典型範例，透過邊緣AI技術實現城市資料的即時分析和智慧決策，從而提升城市管理效率和市民生活品質。

在機器人控制領域，ISEA技術正推動著機器人從簡單的自動化工具向智慧助手的轉變，現代機器人需要具備理解自然語言、感知複雜環境、做出智慧決策並與環境進行自然互動的能力。由於大型語言模型和複雜感測模型的運算需求極為龐大，機器人往往需要將感測資料和控制指令傳送到附近的邊緣伺服器進行低延遲的協同處理。

醫療保健領域的智慧化轉型也深度依賴ISEA技術，現代智慧醫療系統整合了來自穿戴設備、病患監護設備、環境監控攝影機等多種感測器的資料流。這些多模態資料透過先進的AI模型進行即時分析，能夠持續監控病患的健康狀況、及時識別異常生理指標、預測潛在健康風險並觸發緊急醫療回應。

封面圖片來源：本文作者以AI生成

參考資料來源：

結合感測與邊緣AI：打造6G智慧感知新時代（上）