台灣產業AI化的問題12〉傾全國之力拚AI？產業轉型需要更全面思考

AI 似乎成為台灣產業轉型與創新的救贖，不只產業界全力投入，政府也不遺餘力透過各種方式鼓勵企業朝這個方向發展。在本系列課程的最後一堂課，深入檢視政府應該扮演的角色，以及企業是否都應該以導入 AI 做為轉型重要指標。

許多公司已習慣依賴政府補助來做技術升級，有補助就做，沒有補助就不做，這種態度對於產業轉型十分致命，同時也增加人工智慧新創公司存活及成長的困難度。

這堂課是這系列課程的最後一堂，延續上一堂課的討論，我們要談的是台灣發展人工智慧的空間究竟在哪裡？除了企業本身的投入之外，政府又應該扮演什麼角色？

四種應用方向 台灣產業優劣勢不同

首先，台灣發展人工智慧的空間究竟在哪裡？我們可將人工智慧的應用方向可略分為四種，分別是互聯網AI (Internet AI)、商業AI (Business AI)、感知AI (Perception AI)，以及自主AI (Autonmous AI)。

互聯網AI 造就 Google、Amazon、Facebook、阿里巴巴等超大集團，他們實力如此強大的主因是由使用者貢獻各種資料。在這一個領域，台灣由於內需市場小，也已習慣使用海外平台，除了透過電子商務做為出海口，將互聯網AI做到極致的機會並不大。

在商業AI 方面，如同上堂課所談，我們雖然起步較晚，但因為擁有一些優勢及利基產業，是有機會利用人工智慧強上加強的特性來迎頭趕上。

至於感知AI 及自主AI，例如安控系統、智慧家庭、自駕車、機器人等等應用，不論在半導體或電子產品的設計及生產，這些牽涉到邊緣運算的系統，都算是台灣的優勢產業。只是我們的困境在於過去多年來我們的產業早已習慣代工模式，與消費者距離太遠，一來不擅長經營品牌，二來蒐集不到消費者的資料，受制於品牌廠商，要建立能提供好的使用者體驗的人工智慧應用，有極大的挑戰。

當然，感知AI 及自主AI 也有很廣泛的應用，將會出現在工廠、農田、電廠、水庫，在任何有人工設施的場域。我相信，台灣的半導體及電子業只要能快速掌握，如何在邊緣及雲端巧妙使用人工智慧技術，這將會是乘著我們原有的優勢發光發熱的領域。

應解決 AI 新創公司面對困境

談人工智慧應用，除了既有的產業，也不能漏掉新創公司。科技部公布的「2017 年台灣十家最酷科技新創」名單中，以人工智慧為核心技術的新創公司就占了五家，顯見大家都相當積極投入這個新興產業。台灣有一百三十萬家中小企業，不可能每一家都能從零開始建立自己的人工智慧團隊，這些企業勢必需要新創公司的協助，所以雖然我們通常將新創公司歸類於AI產業化（相關定義請見：台灣產業AI化的問題1〉人工智慧產業化的定義？），他們同時也是產業 AI 化生態系統中不可或缺的重要角色。

不可否認的是，台灣的新創環境一直不算好，一方面是創投的態度相當保守，跟中國橫衝直撞的「風投」氛圍相差很大。現實面的問題當然也不能忽略，雖然既有產業都已認知到人工智慧的重要性，但投入速度及力度並不大，因此光靠台灣市場，很難支撐多家規模夠大的人工智慧新創公司生存，相信這也是令創投偏向保守的原因之一。

更何況，人工智慧應用目前仍然無法即插即用，通常需要客製化工作，更需要企業的內部資源配合。例如人臉辨識系統在示範場域表現都很好，可是要導入實際場域時，門口、櫃台、攝影機的位置以及臉上的光線及陰影，往往會是人臉打卡系統是否快速可靠的關鍵。語音辨識系統技術發展也已相對成熟，但至今還是無法克服中英語或中台語混雜的情況，若有特別的使用情境，例如客服、行銷、催帳等等，往往也需要花上大把人力處理過去的錄音檔，才能讓語音辨識更準確。

這些挑戰，讓許多人工智慧新創公司疲於在每個客戶的應用場域解決千奇百怪的問題，而無法簡單快速地進行大量銷售，達到規模經濟。

政府補助方式應改變以促進效益

更殘酷的事實是，許多企業似乎比較無感，危機感並不強，原因也很簡單，就算現在不導入人工智慧並不會怎樣，只是像溫水煮青蛙，在不知不覺中慢慢流失競爭力而已。而且，在台灣，許多公司已習慣依賴政府補助來做技術升級，有補助就做，沒有補助就不做，這種態度對於產業轉型十分致命，同時也增加人工智慧新創公司存活及成長的困難度。

那麼，政府在這個產業轉型的關鍵時刻，可以扮演什麼角色呢？

從早期發展製造代工開始，政府就會以各種獎勵優惠方案提供企業補助，以扶持重點產業的發展。實際上，政府從科技政策、產業升級、農林漁牧安定輔導、保險年金制度幾乎無役不與，在推動人工智慧方面當然也積極投入。

資源應花在刀口上 事後補助可避免流於形式

不過最現實的問題是，台灣政府的稅收約占 GDP 的 12%，美國約占 24%，重視社會福利的國家，例如德國和北歐國家，稅收高達 GDP 四成以上。從這樣的比例來看，台灣政府並沒有足夠的財力來做為一個大政府，什麼都管，什麼都做。必須將資源花在刀口上，精密計算投資效益。

例如，2018 年科技部宣布以 5 年為期投入 50 億元，以四個方向推動台灣的人工智慧發展，包含成立四大 AI 創新研究中心、建立國家級 AI 運算平台、機器人 Maker Space 及射月計畫。

這樣的立意相當良好，只是必須留意的是人工智慧與過去的雲端運算、大數據、社群運算不太一樣，它是個成效可以「一翻兩瞪眼」的技術。簡單地說，無人車能跑就能跑，撞到人就是撞到人；車牌辨識、人臉辨識、語音辨識、翻譯夠不夠準以及醫療診斷等，都是可以立刻量化的結果，沒有任何灰色空間。

因此，政府的補助和獎勵，或許可以換個做法，不一定要用行之有年的事前補助制度，將一定比例更改為事後補助，以避免補助款永遠流向最知名及看起來最有資格的公司或學者，失去幫助沒沒無名但有潛力團隊的機會。

同時，在全球競相投入的人工智慧軍備賽中，像國家級 AI 運算平台如此重要的基礎建設，也可以做適當的分散投資，不但可以分散建置風險，更可以藉此扶植多家人工智慧雲端服務新創公司，發展台灣自有的人工智慧雲端服務。

簡單地說，補助當然是政府推動創新及扶植新創的有效工具。但補助的執行方式應該與時俱進，根據要補助標的時時調整，才能將納稅人的錢真的花在刀口上。

應採「政策性投資」觀點 解決 AI 發展痛點

除了補助，政府還可以更積極解決台灣人工智慧發展的關鍵痛點。例如，台灣推動健保制度多年，在醫療技術方面又居全球前幾位，若政府能夠出面整合各大醫療中心的病歷及各種診查資料，將能幫助台灣最具潛力的智慧醫療快速進展。

同樣是牽涉個人隱私與信任的金融資料，也是適合政府出手的領域。台灣的市場不大，銀行卻有將近四十家，因此沒有一家銀行擁有足夠多的資料來做到極度可靠的洗錢、帳號盜用、信用卡盜刷防治及融資風險預測，帶來無數的隱性社會成本。這類問題唯有政府才能介入。當然，政府做莊必須在尊重市場機制前提下，透過適當法規開放, 達到產業發展、社會福祉及個人尊嚴的平衡。

而人工智慧新創公司所面臨的資金不足困境，也適合政府來提供協助。可以針對台灣獨特或有利基的切入點，例如 B 型肝炎防治、交通、治水、地震、颱風、空污問題等，這些也是很多國家正試圖解決的共通問題，政府不妨透過政策性投資，培育出世界級的解決方案。

另外，台灣內需市場的規模限制，政府也不妨考慮透過將英文列為官方語言之一加以解決。不可否認，美國學術與科技發展能夠成為全球動見觀瞻的標準，與英文長期做為全球通用語言有密不可分的關係；全球具有強大產業競爭力的國家或地區，例如新加坡、以色列、荷蘭、香港，人民普遍也都具備良好英文溝通能力。

台灣內需市場小沒有關係，如果能夠藉由良好的英語力打入英語系市場，擴大市場版圖，我們會更有機會突破代工模式，將優秀的文化、軟體或品牌輸出到世界各地，並達到全球等級的規模經濟。

引入新科技與否 關鍵在能否為企業帶來價值

我向來服膺《從 A 到 A+》書中所說，以科技為加速器的論點。書中寫到：「從優秀到卓越的公司從來都不是始於開創性的科技，原因很簡單，除非你知道與公司發展密切相關的是哪些科技，否則你沒有辦法好好運用它。」換句話說，若一個新科技與公司本身的熱情、經濟成長來源以及能成為世界頂尖的領域無關，那其實這個新科技也跟你無關，不需要沒事找事做，以為引入新科技一定可以幫企業帶來價值，這是過度 IT 本位的心態。

因此，雖然現在看起來我們似乎是傾全國之力推動 AI，但平心而論，並不是每個公司在這個時間點都一定要引入 AI。

AI 並非一切答案 資源技術與文化都要做好準備

以新創事業來說，除非它的本業本來就與資料或人工智慧高度相關，否則沒有必要在此時引入人工智慧。例如，若新創公司經營的是咖啡店、線上零售、國際貿易、或是遊戲開發，人工智慧都不是需要優先考慮的技術。應該做的是把事業的基本盤打好，能夠蒐集到的資料就好好保留下來。等到有一天，可以心無旁鶩、不用擔心公司生存，準備加速起飛時，就可以使用經年累積的資料做為燃料，以人工智慧為引擎來加速

反過來說，許多已經營運多年、平穩成長的大型企業，營運的資料只是流過卻不存下、日常作業由員工手動處理，太多大大小小的決策都是主管們憑著經驗來討論，雖然年年有盈餘，但欠了一堆 IT 技術債，這些才是需要儘快導入大數據分析及人工智慧的企業。

歷史告訴我們，企業文化與既定的組織結構、行政作業流程，絕不是任何單一員工可以抗衡，或者組個獨立的任務團隊就能改變的。因此，任何企業在做數位轉型時，沒有從上而下的強大支持，以及在資源、技術與文化上做好充足準備，轉得成功漂亮的例子，可說是鳳毛麟角。

轉型永遠都不是容易的事，但是台灣的產業走到今天，似乎不得不轉，我們並沒有選擇戰場的權利。數位轉型加上人工智慧，不只是全球的趨勢，也是台灣徹底改變產業體質的絕佳機會，這是產業 AI 化如此重要的原因，也是藉由這系列課程希望跟各位分享的初衷及期待。