新書搶先看》人工智慧浪潮來襲，成為AI浪潮中的領先者！

2019-07-06

陳昇瑋、溫怡玲

人工智慧產業化

人工智慧產業化中常見的技術包括跨產業的基礎需求：人臉識別、語音辨識、情緒偵測、語言理解、物件識別、行為識別、場景辨識、語音合成；特定產業的共通需求，包含製造業的瑕疵檢測、金融業的風險預估、零售業的銷售預測、物流業的路線規劃，以及農業的日照與灑水控制等。

這些技術有不同的輸出形式，其中最基礎廣泛應用的技術，如人流／車流計數、人臉辨識等，最終將以半導體晶片的形式輸出，在經濟效益及執行成本上最有優勢。

更複雜的技術，尤其是需要不斷累積資料的問題，例如語音辨識、語言理解及多數的特定產業需求，多以雲平台的方法提供；不過在高度管制的行業，如金融業等，同樣的技術可能會以私有雲的方式提供。

最後，有些需要高度客製化的情境及問題，需要在企業內部開發，這時的技術，通常以顧問或軟體客製化的形式輸出。

這些技術都具有相當大的發展空間，但我們不能什麼都做，還是得視台灣產業的環境與先天優勢，從最適合自己的面向切入，才能最快看見成效。

人工智慧晶片與公有雲平台最具可擴展性

以規模與產值來說，人工智慧晶片與公有雲平台將最具競爭力。人工智慧晶片，指的是可以進行深度學習運算的晶片，讓手機、汽車及家電等具備人工智慧運算能力，包括人臉辨識、人流／車流偵測等。人工智慧晶片是台灣半導體業，一定要積極把握住的市場。

如前所說，大部分的人工智慧運算，都會以半導體形式嵌入到所有的資通訊設備，這將是超越手機、前所未見的龐大市場，而且為時預期將橫跨數十年，直到下個人工智慧世代或資訊運算技術出現為止。

半導體設計在過去的數十年間是台灣的強項之一，尤其在MP3、DVD、電視、多媒體、通訊及手機晶片上，台灣的半導體設計公司佔有半邊天。但以目前來看，在人工智慧晶片的新創投資上，台灣顯然起步有點晚。目前全球的人工智慧晶片新創，根據2018 年的資料，美國有50 家、中國10 家、以色列12 家，但台灣一家都沒有，讓人憂心我們的半導體設計優勢在未來是否能夠持續。

因為人工智慧晶片是高投資、高風險，並伴隨可能取得高報酬的產業，投資環境健全與否與公共政策的支持影響極大。由於人工智慧晶片，通常使用12 奈米甚至更先進的製程，要投入新的製程，光是初期電子設計自動化（Electronic Design Automation, EDA）軟體及矽智財（Intellectual Property core, IP）的投入，就會在新台幣數億元以上。

順帶一提，矽智財是指在積體電路的可重用設計方法學中，指某一方所提供的晶片設計的可重用模組；若再計入研發費用及晶片下線（tape out）費用，人工智慧晶片新創所需的資金不可小覷。這裡所謂晶片下線，是積體電路或印刷電路板設計的最後步驟「送交製造」。

此外，晶片設計及人工智慧皆是最火紅的技術，因此懂得人工智慧的晶片設計師非常搶手，在分紅費用化及實價課稅制度上路後，新創公司更難以槓桿方式，來驅動最優秀的人才開創新局。

軟體比硬體彈性，因此無法放入晶片的人工智慧技術，通常以雲平台的方式來提供，尤其是公有雲平台。全球科技巨擘包括Microsoft、Google、Amazon、IBM 都積極發展人工智慧基礎設施公有雲，從底層的人工智慧程式庫，到各式可即插即用的人工智慧服務應用程式介面（Application Programming Interface, API）都有，方便快速組裝各式人工智慧應用。

可惜的是，基礎設施即服務（Infrastructure As A Service, IaaS）即提供消費者使用處理、儲存、網路以及各種基礎運算資源服務，以及平台即服務（Platform As A Service, PaaS）即提供運算平台與解決方案服務，這類雲服務並非台灣的強項。由於台灣產業缺乏具全球競爭力的公有雲服務，因此只能擔任雲服務提供者的硬體供應商，以物美價廉的伺服器，網路設備等資料中心設施來擔任火力支援。

軟體即服務為客戶量身打造解決方案

除了人工智慧基礎設施，還有許多特定的人工智慧解決方案，針對不同產業的通用問題提供特化的雲服務，通常以軟體即服務（Service As A Service, SaaS），也就是雲端集中式代管軟體及相關的資料軟體，僅須透過網路，不須安裝即可使用形式的公有雲、伴隨可能的私有雲服務提供。例如頗負盛名的美國市調公司CB Insights發佈的「人工智慧100」，羅列全球百家人工智慧新創工智慧新創公司分類為農業、汽車、生醫、公部門、零售、金融、資安、媒體、廣告、電信、製造、不動產、法規，及大數據等領域，這些人工智慧新創公司多以雲平台的形式，來提供產品及服務。

通常人工智慧晶片及雲平台，無法完全滿足各產業導入人工智慧的各種需求，仍有太多需求與產業及場域相關，且問題形式十分多元。因此，人工智慧顧問服務在各產業仍有極大的需求，也帶動不少人工智慧顧問新創公司的創立，以及現有顧問公司的服務延伸。

以雲平台ㄨ AI 顧問公司滿足全需求

若說雲平台打的是空中戰，人工智慧顧問公司打的就是地面戰，以長期深耕的產業知識、彈性的客製化及強大的軟硬體整合能力見長，綿密地覆蓋各產業中，未被雲平台支持的人工智慧需求。

或許是因為雲服務在台灣尚未變成主流的緣故，目前在台灣，人工智慧顧問新創公司是最常見的新創形式。特色是很容易就有初始營收，但其成長挑戰在於，人工智慧專案極難在事前預估成敗及績效，因很多時候成敗及績效，會決定在企業所提供的資料量及品質，而這些通常無法在專案執行前就能完全確認。

更困難的是，也沒有絕對客觀的方式，能評估一個人工智慧專案成敗的因素中，顧問公司技術及經驗所佔的比重：專案成功也許是題目簡單，也可能是顧問功力高強；專案失敗也許是題目太難，或是資料品質差，也可能是顧問技術未到位。這也造成人工智慧專案難以估價，市場價格紊亂，以品牌而非技術來訂價，但專案成效不見得與價格有正相關。

人工智慧顧問新創公司的瓶頸是，如同所有的顧問公司，有多少位顧問才能做多少個專案，難有規模效應。因此，由顧問服務上推為雲服務的形式，是常見的轉型路徑，但因為有維持現金流量的壓力，要做到成功轉型，必須得解決財務、人才及管理方面的諸多挑戰。

晶片、雲平台及顧問服務，是人工智慧產業化的三種常見形式，由前至後，技術及財務門檻愈低，但投資回報同樣也愈低（見表4.1）。目前台灣在前兩者的起步較晚，能量也小，期待有志有能的先進能關注此點，並有大破大立之舉。（本文節錄至《人工智慧在台灣》）