觀念平臺－產業AI化到AI產業化 臺灣的機會與挑戰

根據全球AI人工智慧相關市場發展趨勢預測，至2030年，全球AI人工智慧營收將達到15.7兆美元的規模，是蒸蒸日上的新興市場；而AI產業的發展趨也逐漸收斂出「ML（Machine Learning）自動化服務」、「邊緣運算（Edge AI）」及「可信任的AI （Trustworthy AI）」三大主要方向。

首先是「ML自動化服務」，正朝向低技術門檻、少量資料學習及快速建模等特性發展，以追求AI人工智慧普及化，成爲百家爭鳴的市場，預估2020年全球機器學習、自然語言處理、RPA等AI人工智慧軟體營收，將達到226億美元的規模。Google、Amazon、微軟等多家大企業，或是H2O ai、Data Robot等新創公司都已插旗「大衆化AI（Democratizing AI）」市場。由於大廠與新創公司積極投入，使邊緣運算需求高漲，發展更加暢旺。

近年來，因低延遲應用需求擴增，加上雲端傳輸成本過高及使用者隱私考量，刺激了「邊緣運算」的發展，如今已廣泛應用於平臺、系統及晶片業者、應用於零組件、IoT設備廠、系統整合業、新創產業等；其中有彈性高、可擴展與即時迴應的「無伺服器運算」及「機器學習運算」，更被視爲邊緣運算的熱門應用。

而「可信任的AI」也是AI人工智慧產業發展關鍵。AI人工智慧黑盒子的運作問題與解法向來是AI人工智慧發展的罩門，常因建模及資料提供不全面，當AI人工智慧做出重大決策，人類卻不敢引用。像自駕車對路況的判斷，及醫療應用時AI人工智慧決定動刀、治療依據爲何，都會衍伸出對AI人工智慧分析結果的疑慮。因此美國國防高等研究計劃署（Defense Advanced Research Projects Agency，DARPA）建立Glass Box模型，打造出可解釋的AI人工智慧架構，讓輸入的數據與輸出的結果都受到監控，人類能監管機器行爲，憑此決定信任AI的程度。

資誠聯合會計師事務所調查了美國1000家企業，分析出不同產業的AI人工智慧需求，前三名分別是：「透過驗證、監測與認證，提升AI人工智慧安全」、「建構透明，可解釋、可證明的AI人工智慧模型」及「建立具倫理、可理解、合法的AI系統」，以窺探出企業對「可信任的AI」存在着需求。

綜上所述，「產業AI化」須掌握解決企業個別痛點與需求，並發展客製化解決方案兩大關鍵，畢竟現階段從傳產、零售、製造業、服務業到電商平臺等，都有AI化的個別需求。而「AI產業化」則須解決共通性問題，並儘可能具備市場規模化的潛力，可將之視爲一種新型態的「AI科技服務業」，舉凡建置科技平臺、研發測試、科技顧問、系統整合或軟體開發等都能應用，如同「AI人工智慧即時服務（AIaaS）」。

然而，在這波新浪潮中，臺灣如何穩佔先機？建議可從AI人工智慧跨軟硬體的多元創新概念，進行超前部署。

臺灣可發展「自動化AI人工智慧」，將AI人工智慧結合IOT應用於智慧製造、自駕車或無人機等，達到全面自動化，這也是臺灣產業最擅長的一塊。再來是「分散式AI」，達成即時、可靠、穩定又安全的AI人工智慧運算處理與分析技術，能在邊緣端就完成所有任務，滿足企業需求如提高效率、分散風險等。接着纔是「可信任AI」，優化AI人工智慧數據，使演算法、系統與商業模式皆具可解釋性、可追溯性及安全性。

此外，臺灣可從透過AI人工智慧協助企業轉型、強化產業韌性爲切入點，以分散式、超自動化及具安全隱私的產品及服務，來搶攻AI人工智慧市場，像是提供優質、具洞見及能共享的「數據服務」，或是低成本、高通用性及能自動感測的「邊緣終端」；也可規劃超自動化、可解釋性及邊緣學習的「算法服務」，或發展低功耗、高效能及高擴展性的「算力」，都是臺灣在AI人工智慧產業發展中可發揮的強項。