在人工智能(Artificial Intelligence, AI)的风潮方兴未艾之际，日趋成熟的互联网(IoT)亦朝向AI的应用靠拢，原本AI所强调的大数据(Big Date)已成基本配备，机器学习(Machine Learning, ML)也是必然的进程，而如何活用及有效精鍊这些大数据则成为新的重要议题。

    近期，我们观察到IoT或AI的未来发展脉络，都不约而同地往边缘运算(Edge Processing)聚焦，5G的崛起更是为边缘运算在全方位AI应用的布局上锦上添花。从2019下半年起，我们已明显感受到AI终端装置的商机正在酝酿，原本只需要简单运算的终端装置为了因应AI的市场需求，在成熟5G的相辅相成之下强制进阶为高效能边缘运算，预期这个趋势将在2020更为显著，引领新一波的半导体应用商机。

    透过广泛且大量的学习，并将其学习经验反馈到大数据中心是精进AI本体的必要条件，但是当每一个刺激与反应都是在动态变化的情况下，如何实时纪录及反馈有用的资料并快速运算完成更新成为AI应用中的关键。

    将每笔资料传回云端运算处理的方法显然过于费时耗功，而强化终端装置的运作及资料处理能力将资料作初步的运算，并配合快速的网络回传有效资料至云端大数据中心无疑是最有效率的解决方案。

    所谓的AI简单来说是就是藉由终端感测、网络连接和中心运算做一连串的数位转换，尽管云端中心运算能力已达难以想象的境界，高速发展的5G也不断地提升其能力、稳定度与降低迟延，但终端装置的边缘运算能力绝对是让AI应用更上层楼的重要因素。

    为了减轻云端运算的负荷，同时提高云端运算的效能，具备边缘运算能力的智能型终端装置已成必然的趋势，这一类型的智能型终端装置主要有三个考量的面向: 

    (1)待机与运作时的功耗

    (2)运算与回应的速度

    (3)资料传输的安全性与隐私。

    因应此趋势，已被广泛应用的力旺嵌入式存储器也同步升级，除了原本低功耗与高可靠度的特性，还加入了更多安全性相关的设计，在提高资料储存的安全性的同时还能提供芯片指纹的功能，以符合智能型终端装置对资料安全与隐私的需求。

    当终端元件必须负担更多的资料处理与运算，其反馈至云端中心的资料相对更形重要，对传输或资料本身的安全性要求也就更高。换言之，在新一代AI的应用中，安全性议题不能单靠云端中心用复杂的算法达到资料保护、身份认证、使用授权等等目的，势必得进一步延伸至终端元件，用更精简有效的方式达到资料与使用安全的目的。

    藉由芯片与生俱来的特征，也就是所谓的芯片指纹作为安全认证，甚至授权的基础无疑是个理想的解决方案。无论是各类型的SRAM PUF或力旺独有的NeoPUF，都是利用芯片生产过程中的微幅不一致性加以放大并得到芯片专属的随机数源，再以此随机数源作为芯片认证授权与资料加解密的信任根，以达到芯片安全的目的。

    此外，随着高效能终端元件的需求攀升，终端元件的相关设计势必走向高整合性，以非挥发性存储器为例，除了高可靠度与稳定度的基本要求，整合安全性相关的功能将成为新的趋势。深耕嵌入式非挥发性存储器多年的力旺电子不仅致力于非挥发性存储器的安全性升级，更进一步整合非挥发性存储器与芯片指纹(NeoFuse + NeoPUF)以因应各类终端元件在新一波AI应用的需求。