エッジAIとは
エッジAIとは、カメラやロボット、センサーの「すぐ横」にある機器の上でAIの推論を動かす方式のこと。クラウドにデータを送って返事を待つ代わりに、現場の装置内でモデルを実行し、その場で判断を返す。
クラウド推論との違いは三点に集約される。応答がネットワーク往復の遅延に左右されない、回線が切れても止まらない、映像や音声を外部に出さずに済む。トレードオフも明確で、機器に載る演算能力とメモリの範囲でしかモデルを動かせない。大きなモデルをそのまま持ち込めないため、量子化や蒸留で軽量化する工程が事実上の前提になる。
何に使えるのか
中心はAIビジョンだ。製造ラインの外観検査、構内や店舗の映像解析、車両・搬送機の周辺認識など、「カメラの映像を見て即座に何かを判断する」用途が主戦場になる。複数台のカメラを同期させて同じ瞬間を多角度で撮る構成も一般的で、アドバンテックが産業用途で検証した構成では最大8チャネルの4K映像が対象になっている。
もう一つの出口がロボットだ。ユニバーサルロボットは第7世代の協働ロボット「Gen 7」をフィジカルAI対応としてIMTS 2026（米シカゴ）で発表し、コントローラの演算性能を従来比40%向上させながら設置面積を30%削減した。判断のための演算をロボット本体側に寄せる、というのがこの領域の方向性を示している。
使い方（開発の流れ）
実装は「ハード選定 → SDK導入 → モデル軽量化 → 現場チューニング」の順に進む。ハードはJetson系モジュールを載せた産業用PCや組込みボード、たとえばアドバンテックのMIC-AIシリーズ／MIBシリーズのような製品が候補になる。その上にNVIDIA JetPackのような、OS・ドライバ・推論ランタイムを束ねた開発環境を入れる。
エンジニアにとって実務のボトルネックはモデルの精度ではなく、カメラ・ドライバ・OSバージョンの組み合わせ検証であることが多い。アドバンテックがカメラエコシステムパートナー各社と実施したJetPack 7.2の共同検証も、カメラドライバーの互換性、イメージングパイプラインの安定性、マルチカメラ同期といったエンドツーエンドのワークフローが対象だった。検証済みの組み合わせを選ぶほど、この工数を削れる。
料金はどう決まるのか
エッジAIに定価表はない。構成で大きく変わるため、ここでは内訳の構造だけ示す（本稿で確認できた価格情報はないため、具体的な金額は記載しない）。
初期費用はエッジ機器本体、カメラ・センサー、筐体と設置工事。次に開発費として、モデルの学習・軽量化・現場での調整が乗る。実務上はこの開発費が最大項目になりやすい。運用費は、クラウドAPIのような推論ごとの従量課金が原則不要になる代わりに、電力・保守と、モデルを配信・更新するデバイス管理の仕組みが継続コストになる。
判断軸はシンプルで、推論の回数と台数が多いほどクラウド従量課金に対して有利になる。逆に台数が少なく推論頻度も低ければ、クラウドに投げたほうが安い。
誰が作っているのか
土台のプラットフォームはNVIDIAが握っている。Jetsonと開発環境JetPackの組み合わせが事実上の基準になっており、周辺ベンダーはその対応可否で足並みを揃える構図だ。Qualcomm、Intel、各種Arm系SoCベンダーも推論向けチップを出しており、競合は主にここにいる。
その上に、アドバンテックのような産業用PC／組込みベンダーが実機をボード化し、さらに上でユニバーサルロボットのような機器メーカーが最終製品に組み込む、という三層構造になっている。投資家として見るなら、差別化の重心がチップ単体の性能よりも、SDKと「検証済みエコシステム」の厚みに移りつつある点が要注目だ。これは推測ではなく、カメラベンダーとの共同検証を成果として発表する動き自体がその表れといえる。
