2019-04-12

AI產業3種形式　台灣的3種難題

陳昇瑋

2019-04-08

人工智慧產業化能更快幫助產業用AI來轉型，3種常見形式——晶片、雲平台及顧問服務，台灣該如何切入？有哪些機會與風險？

運用人工智慧在產業中的方式，通常可分為「人工智慧產業化」與「產業人工智慧化」。

簡單地說，後者指的是產業運用人工智慧來進行轉型，而前者則是將人工智慧的技術元件化及服務化後，以產業形式輸出，輔助各行各業做產業人工智慧化。

〝這兩者環環相扣：人工智慧產業化，可加速與擴大產業人工智慧化的進展，而產業人工智慧化的成功，也能夠滋養人工智慧產業化。〞

人工智慧產業化中，常見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、語音合成等；以及特定產業的共通需求：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，其中最基礎並廣泛應用的，例如人流／車流計數、人臉辨識等，將以半導體晶片的形式輸出，在經濟上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、語言理解及多數特定產業的需求，多以雲端平台的方法提供；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或混合雲的方式提供。

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

以規模與產值來說，AI晶片與公有雲最具競爭力。

AI晶片　投入資金高昂

人工智慧晶片是指能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。未來大部份的人工智慧運算都會以半導體形式，嵌入所有的資通訊設備。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。目前來看，在人工智慧晶片的新創投資上，台灣顯然起步較晚。

全球的AI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AI晶片是高投資、高風險，伴隨可能高報酬的產業，投資環境是否健全跟公共政策的支持與否，有相當大的關係。

由於AI晶片通常使用12奈米甚至更先進的製程，要投入新的製程，光是期初設計自動化（EDA）軟體及矽智財（SIP）的投入，就會在數億台幣以上；若再計入研發費用及晶片下線（tape out）費用，AI晶片新創所需的資金不可小覷。

此外，晶片設計及人工智慧皆是最火紅的技術，懂得AI的晶片設計師非常搶手，在分紅費用化及員工獎籌股票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。

雲服務　台灣僅能支援硬體

軟體比硬體彈性，無法放入晶片的AI技術會以雲端平台的方式提供，尤其是公有雲。全球科技巨擘包括微軟、Google、亞馬遜都積極發展AI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AI基礎服務API（應用程式介面）都有，方便快速組裝各式人工智慧應用。

可惜的是，雲服務並非台灣的強項，缺乏具全球競爭力的公有雲服務，只能擔任雲服務的硬體供應商，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。

人工智慧晶片及雲服務，基本上無法完全滿足產業的各種需求，仍有太多需求與個別產業及使用場域相關。

因此，人工智慧顧問服務在各產業仍有極大需求，也帶動不少AI顧問新創的創立，與現有顧問服務的延伸。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，綿密地覆蓋各產業未被雲端平台支持的AI需求。

顧問服務　低門檻也低回報

或許是雲端服務在台灣尚未變成主流的緣故，AI顧問新創仍是目前台灣最常見的AI新創形式。

特色是很容易有初始營收，但其成長挑戰在於，AI專案極難在事前預估成敗及績效，很多時候企業所提供的資料量及品質，是決定成敗的關鍵因素，而這些通常無法在專案執行前就能完全確認。

更困難的是，沒有絕對客觀的方式能夠評估出，顧問公司的技術和經驗佔專案成敗因素的比重。

專案成功也許是題目簡單，也可能是顧問功力高強；專案失敗也許是資料品質差，也可能是顧問技術未到位。這也造成AI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。

〝晶片、雲端平台及顧問服務，是人工智慧產業化的3種常見形式，由前至後，技術門檻愈低，財務門檻愈低，但投資回報同樣也愈低。〞

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。