人工智慧（AI）近年來逐漸深入人們的生活之中，國際顧問研究公司麥肯錫預估，未來10 年內，AI 技術將會產生13 兆美元的經濟效益。
工研院產業科技國際策略發展所也指出，2030 年AI 將為全球GDP 帶來14％的成長，貢獻15.7 兆美元，不難看出AI 已成為備受全球各大產業矚目的熱門議題。未來，無論是製造業、電商、零售、客服中心、醫療、媒體等各行各業，都將透過AI推動數位轉型，而Edge AI、AI推論等技術發展，以及「AI ＋ IoT」應用在全球遍地開花，都將創造可期的AI 商機，不容台灣產業忽視。
AI 技術發展 三大趨勢值得關注
根據國際調查機構顧能（Gartner）發布的《數據與分析領域的十大技術趨勢》報告中，可以預期AI 技術的發展有三大趨勢值得關注。
趨勢1》更智能、更高速、更負責的AI
「到了2024 年底，75％的企業機構將從AI 試點轉為AI 運營，基於數據分析的基礎架構數量將因此增加5 倍。」Gartner 指出，疫情當前，機器學習（Machine Learning；ML）、優化和自然語言處理（NLP）等AI 技術，正就病毒傳播、應對效果及影響提供重要的洞察和預測。而強化學習和分布式學習等其他更智能的AI 技術，正在創建更具適應性和靈活性的系統，用於處理複雜的業務情況，例如，基於代理的系統可對複雜系統進行建模和仿真。
趨勢2》AI 引爆「X 分析」現象
Gartner 另外提到，新冠肺炎（COVID-19）疫情期間，AI 發揮了關鍵作用，梳理成千上萬份研究論文、新聞資料、社交媒體內容和臨床試驗數據，幫助醫療和公共衛生專家預測疾病傳播，制定能力規劃，尋找新的治療方法並確定易感染人群。對此，Gartner 提出「X 分析」概念，X意味著各種結構化和非結構化的內容，如文本分析、視頻分析、音頻分析等，未來這些資料將與AI、圖譜分析等其他技術結合起來，將對未來自然災害和其他危機的識別、預測和規劃發揮關鍵作用。
趨勢3》以AI 技術發展增強型數據管理
Gartner 同時指出，未來企業也將透過機器學習和AI技術進行增強型數據管理（Augmented data Management），達到各項功能的優化並改進營運的目標，Gartner 說明，增強型數據管理產品能夠審查大量運營數據樣本，包括實際查詢、性能數據和方案；且增強型數據管理能夠對營運模式進行調整，並優化產能配置、安全性和性能。
Edge AI 議題 持續發酵
除了三大技術趨勢之外，2019 年才開始興起的「Edge ＋ AI」議題，仍將是未來AI 發展的關鍵方向。資策會MIC 表示，Edge 結合AI 的解決方案代表客戶已出現越來越多需要即時分析、智慧決策的需求，其中又以影像辨識成為最明確的案例。
「Edge AI 影像辨識應用解決方案的出現，反映出當影像數據總量龐大，若採用雲端服務既有模式將面臨運算成本過高的問題，且部分影像也有個資、隱私疑慮。」資策會MIC 資深產業分析師施柏榮表示，隨著Edge AI 於影像辨識應用愈來愈複雜化，Edge AI 服務提供商必須留意兩大課題：第一，影像標記、訓練過程涉及不同「知識系統」時，須採用異業合作模式；第二，服務提供商最核心的價值在於扮演好「數據資產顧問」，協助客戶建立演算法等數位資產。
AI 賦能 物聯網進化為智聯網
在AI 賦能及邊緣運算（Edge computing）的加持下， 物聯網應用將朝向智聯網（Intelligence of Things） 的方向邁進。市場研究機構TrendForce 指出，2021 年物聯網（Internet of Things；IoT）將以深度結合AI 作為提升價值的主要核心，促使IoT 演化為智聯網，即透過深度學習與電腦視覺等工具的附加，讓IoT 軟硬體應用全面升級，而綜合考量產業動態，以及經濟振興與遠端操作等需求，將具體呈現於智慧製造與智慧醫療兩大垂直應用領域。
TrendForce 進一步指出，以製造端來看，非接觸技術將加速工業4.0 的導入。在智慧工廠追求韌性、彈性及效率下，AI 將致力使聊天機器人、無人機等邊緣端裝置具更高精度及檢測能量，由自動化步入自主化；在醫療產業方面，AI 將數據分析加值應用在流程優化與醫療場域延伸，更快的影像辨識支援臨床決策、乃至遠端問診與手術輔助，皆是AI 醫聯網未來整合技術至智慧院所、遠距醫療的重要方向。
半導體廠商積極布局
加速技術演進
進一步就科技產業的布局來看，AI 全面引爆的商機，正吸引各類型廠商積極搶進，進而帶動AI 技術的持續往前推進，台灣廠商也應掌握此一趨勢，找到自己的布局重點。工研院副院長張培仁指出，當今全球AI 應用呈現爆炸性成長，ICT大廠持續投資AIoT 多元應用載具，AI 能夠幫助人類的各式應用，需整合認知、邏輯、判斷甚至情感的功能，並將其放在一塊晶片上。
DNN 推論技術 從雲端推向終端「深度神經網路（Deep Neural Network；DNN） 推論技術的發展， 無疑將是未來最受矚目的關鍵之一。」科技研究機構DIGITIMES Research 分析指出，隨著微控制器（Microcontroller Unit；MCU） 設計業者在MCU 內增加數位訊號處理器（Digital Signal Processor；DSP）或DNN 加速單元，促使DNN推論技術逐漸被嵌入應用於以MCU 為核心的終端裝置產品。
DIGITIMES Research 說明，MCU 因價格低廉、晶片面積小且功耗低等優點，大量應用於物聯網裝置中，然採用MCU 執行DNN 推論任務時，除記憶體空間有限外，亦常囿於MCU 運算效能弱，故瑞薩（Renesas Electronics）、恩智浦（NXP）、意法半導體（STMicroelectronics）與微晶片科技（Microchip）等MCU 設計商多在不大幅增加功耗與晶片面積的前提下，在MCU中另增DSP 或DNN 加速單元，提升運算效能，使其具備DNN 推論能力。
晶片業者加速擴張策略 迎向AIoT 市場大餅
除MCU 設計商之外， 隨著IoT、AI、Cloud、Edge Computing 等技術快速發展，晶片業者的布局已經從點、線到面，構築成完整且綿密的生態系統，包括高通（Qualcomm）、聯發科（MediaTek）與蘋果（Apple）等具智慧型手機應用處理器設計能力的業者，都欲進軍終端運算晶片市場。
聯發科為協助產業快速導入AI，迎向智慧世代，攜手台灣人工智慧學校，開設終端人工智慧（Edge AI）課程，分享該公司深耕於5G 手機單晶片、8K 智慧電視、智聯網等各類尖端智慧裝置的AI 核心技術；另捐贈20 套最新終端AI 開發平台i500 給校方作為教材，讓來自各產業的學員開展創新智慧應用，滿足台灣產業數位化轉型的需求，提升競爭力。
「聯發科致力於AI 技術發展及跨領域應用，藉由AI 人才的培育，擴大AI 落地應用的普及並累積各領域AI 能量，讓台灣產業在AI 世代更具競爭力。」聯發科計算與人工智慧技術本部總經理陳志成表示，聯發科多年來積極布署AI 研發實力，將最新AI 技術導入終端產品，如AI 人臉偵測、物件追蹤、畫質強化等功能運用在全球最先進的5G 單晶片天璣系列；AI 超解析度用在8K高端智慧電視；AI 語音助手用在智慧音箱、智慧顯示器、平板裝置，以及更多整合使用情境的AI功能應用於物聯網設備和汽車電子等多種先進產品中，提供邊緣裝置更強大且安全的即時AI 功能，成為終端人工智慧的重要推手。
毫無疑問，AI 浪潮正全面席捲而來，並且深入融合於人們的生活之中，相關技術的加速演進，正加速AI 在更多的領域落地應用，為人類生活的智慧化發展，創造更令人難以想像的樣貌。