观念平台－产业AI化到AI产业化 台湾的机会与挑战

根据全球AI人工智慧相关市场发展趋势预测，至2030年，全球AI人工智慧营收将达到15.7兆美元的规模，是蒸蒸日上的新兴市场；而AI产业的发展趋也逐渐收敛出「ML（Machine Learning）自动化服务」、「边缘运算（Edge AI）」及「可信任的AI （Trustworthy AI）」三大主要方向。

首先是「ML自动化服务」，正朝向低技术门槛、少量资料学习及快速建模等特性发展，以追求AI人工智慧普及化，成为百家争鸣的市场，预估2020年全球机器学习、自然语言处理、RPA等AI人工智慧软体营收，将达到226亿美元的规模。Google、Amazon、微软等多家大企业，或是H2O ai、Data Robot等新创公司都已插旗「大众化AI（Democratizing AI）」市场。由于大厂与新创公司积极投入，使边缘运算需求高涨，发展更加畅旺。

近年来，因低延迟应用需求扩增，加上云端传输成本过高及使用者隐私考量，刺激了「边缘运算」的发展，如今已广泛应用于平台、系统及晶片业者、应用于零组件、IoT设备厂、系统整合业、新创产业等；其中有弹性高、可扩展与即时回应的「无伺服器运算」及「机器学习运算」，更被视为边缘运算的热门应用。

而「可信任的AI」也是AI人工智慧产业发展关键。AI人工智慧黑盒子的运作问题与解法向来是AI人工智慧发展的罩门，常因建模及资料提供不全面，当AI人工智慧做出重大决策，人类却不敢引用。像自驾车对路况的判断，及医疗应用时AI人工智慧决定动刀、治疗依据为何，都会衍伸出对AI人工智慧分析结果的疑虑。因此美国国防高等研究计划署（Defense Advanced Research Projects Agency，DARPA）建立Glass Box模型，打造出可解释的AI人工智慧架构，让输入的数据与输出的结果都受到监控，人类能监管机器行为，凭此决定信任AI的程度。

资诚联合会计师事务所调查了美国1000家企业，分析出不同产业的AI人工智慧需求，前三名分别是：「透过验证、监测与认证，提升AI人工智慧安全」、「建构透明，可解释、可证明的AI人工智慧模型」及「建立具伦理、可理解、合法的AI系统」，以窥探出企业对「可信任的AI」存在着需求。

综上所述，「产业AI化」须掌握解决企业个别痛点与需求，并发展客制化解决方案两大关键，毕竟现阶段从传产、零售、制造业、服务业到电商平台等，都有AI化的个别需求。而「AI产业化」则须解决共通性问题，并尽可能具备市场规模化的潜力，可将之视为一种新型态的「AI科技服务业」，举凡建置科技平台、研发测试、科技顾问、系统整合或软体开发等都能应用，如同「AI人工智慧即时服务（AIaaS）」。

然而，在这波新浪潮中，台湾如何稳占先机？建议可从AI人工智慧跨软硬体的多元创新概念，进行超前部署。

台湾可发展「自动化AI人工智慧」，将AI人工智慧结合IOT应用于智慧制造、自驾车或无人机等，达到全面自动化，这也是台湾产业最擅长的一块。再来是「分散式AI」，达成即时、可靠、稳定又安全的AI人工智慧运算处理与分析技术，能在边缘端就完成所有任务，满足企业需求如提高效率、分散风险等。接着才是「可信任AI」，优化AI人工智慧数据，使演算法、系统与商业模式皆具可解释性、可追溯性及安全性。

此外，台湾可从透过AI人工智慧协助企业转型、强化产业韧性为切入点，以分散式、超自动化及具安全隐私的产品及服务，来抢攻AI人工智慧市场，像是提供优质、具洞见及能共享的「数据服务」，或是低成本、高通用性及能自动感测的「边缘终端」；也可规划超自动化、可解释性及边缘学习的「算法服务」，或发展低功耗、高效能及高扩展性的「算力」，都是台湾在AI人工智慧产业发展中可发挥的强项。