「產業AI化」到「AI產業化」台灣的機會與挑戰

台灣可發展「自動化AI」,將AI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。圖/本報資料照片

文/陳右怡 工研院產業科技國際策略發展所研究經理

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,成為百家爭鳴的市場,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「大眾化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台、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、可擴展與即時回應的「無伺服器運算」及「機器學習運算」,更被視為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、治療依據為何,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,人類能監管機器行為,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」存在著需求。

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、服務業到電商平台等,都有AI化的個別需求。而「AI產業化」則須解決共通性問題,並盡可能具備市場規模化的潛力,可將之視為一種新型態的「AI科技服務業」,舉凡建置科技平台、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。接著才是「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、強化產業韌性為切入點,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。

>>訂閱名家評論周報,關心全球財經大小事

延伸閱讀