葉儀晧指出，目前影像辨識仍以 CNN 為核心，相較高功耗的 Edge AI 與雲端架構，On-Device AI 能在極低功耗下即時完成推論，更適合電池受限、需快速反應的無人機應用。義隆已將系統功耗自過去 70 多瓦，大幅降低至約 5 瓦，反應時間也從 1 秒以上縮短至約 0.05 秒，顯著提升即時避障與目標追蹤能力。
他強調，AI 成效關鍵在於資料集（Data Set）。義隆早年在智慧交通場域，透過生成式 AI 補足夜間、雨天與多角度等極端情境；無人機因拍攝視角高度自由、三維變化大，資料建構難度更高，更需仰賴生成式 AI 與自動標註技術，加速模型訓練與落地。
在應用層面，義隆已完成物件偵測、分類、追蹤與行為預測等核心技術，並可直接移植至無人機，聚焦物件辨識、即時追蹤與避障三大能力，透過多鏡頭配置與深度估測，在有限算力下完成自主飛行判斷。葉儀晧也指出，無人機與車用 ADAS 在感知層高度相通，皆需結合影像與雷達進行 Sensor Fusion，以彌補單一感測器在距離與遮蔽情境下的限制。
針對外界質疑無人機布局「突然出現」，葉儀晧強調，公司研究AI技術已經七年時間，技術累積的自然延伸，且無人機因視角變化劇烈、資料集更複雜，是目前難度最高的應用場域。義隆先前技術已通過第三方評測與驗證，智慧交通測試可達 99 分，ADAS 約 97.4 分，顯示演算法具延續性與可靠度。他透露，無人機相關方案明年可望開始量產，並朝 MIT 供應鏈整合，以因應地緣政治帶來的供應風險。
談及台灣無人機晶片發展，葉儀晧認為 SOC 製造本身並非瓶頸，真正挑戰在於晶片到應用的落地能力，包括小算力下可用的演算法與具備 Domain Knowledge 的資料集。義隆策略並非自行開發晶片，而是選用既有 SoC，搭配自家小型化演算法與資料庫優勢，切入最具成本效益的應用市場。
在智慧交通方面，他認為明年有機會重啟放量，關鍵在於裝置端即時判斷可有效解決雲端延遲問題，提升事故預防成效。
至於美國聯邦傳播委員會（FCC）宣布中國無人機大廠大疆（DJI）將無法在美國銷售新型無人機，對於國際市場非紅供應鏈趨勢，葉儀晧指出，義隆方案主打全 MIT 供應鏈，過去即未仰賴紅色供應來源，相較部分海外方案在成本與功耗上的劣勢，MIT 架構在軍用與敏感應用市場具備高度吸引力。隨著部分市場對特定品牌設限，非紅供應鏈的重要性提升，義隆也有望從中受惠。
點擊閱讀下一則新聞
