AI已經翻出實驗室的圍籬，跳進各行各業，走入每個人的生活。現在的AI有如1990年代的網際網路，剛剛萌芽，處處是藍海。沒有大市場、沒有先進研究、沒有迸發的新創，台灣產業要如何在AI海嘯中求生？小國的利基是什麼？台灣能急起直追嗎？ 長庚醫院醫師黃奕修常常叮嚀病患，看手機要讓眼睛休息，他自己最近不論等交通車、看診空檔，卻總是盯著一台iPad瞧。

他不是用iPad打電玩或追劇，而是正在分類工研院合法收集網上的眼底攝影圖——原來，林口長庚正與工研院展開一個人工智慧的嶄新計劃，想運用台灣極佳的健保醫療影像庫，開發一套能及早診斷「糖尿病患者視網膜病變」的診療系統，讓糖尿病患者可以及早預防，降低失明的風險。

聽起來很時髦的系統，但一切得從苦功開始，「我和同事得先分類，」他說明。兩位醫生的工作是看照片，區分出糖尿病眼睛有病變與沒有病變的病人，並標注熱區（病變發生點）。分類完，才能運用工研院生醫所的眼底攝影機與晉弘科技的影像認知、深度學習系統，預計花四年真正開發出一套遠端糖尿病照護系統。

「這工作快不了，一定得專業醫師來做，因為只要有錯，就會影響未來人工智慧的精準度，」被問到可否請工讀生分類，黃奕修連連說「不」。

身兼長庚產學合作辦公室負責人，黃奕修的理想是，未來糖尿病患在家可以自己拍照，上傳雲端後，AI（人工智慧）眼科醫生可以診斷，一旦有病變跡象就通知早點就醫。他粗估，透過AI醫生輔助，一樣的醫護人員可以照顧五倍的病人。為了掌握病患狀況，「我們還可以做智慧化的衛教，在適當時機給正確的資訊，」他說。

AI降臨，翻天覆地

第四次工業革命 亞洲是要角

在物聯網、大數據的基礎上，人工智慧重強調做出判斷、產生行為。二○一六年世界經濟論壇（WEF），將人工智慧視為「第四次工業革命」的核心，預言這個技術將對全球產生翻天覆地的影響。

AI（人工智慧）
人工智慧（AI）是一個總括性的描述，由多種科技與技術所組成。當一套工具與程式，超越了以規則為運算基礎的傳統演算法，創造可以如人腦一樣判斷的系統，就稱之為人工智慧。常用的工具與程式，包括機器學習、認知運算、自然語言處理、類神經網絡等。

「現在AI的階段就很像一九九○年代初的網際網路，未來有無限大的應用，」宏碁雲端技術服務公司總經理施宣輝認為。

「AI已經從實驗室溢出來，要變成產業運用了，台灣經濟高度依賴科技，我們一定要趕快進去，」科技部長陳良基顯得著急。

「全世界已經進入AI+的時代，各行各業都會受到影響，」台灣機器人研究領域的師祖級人物、台大電機系終身特聘教授羅仁權解釋。

瑞士銀行四月最新研究預測，二○三○年人工智慧在亞洲可創造經濟價值，最高可達三兆美元（約九十．八兆台幣），受影響最大的將是金融、健康醫療、製造、零售與運輸業。「不像十八世紀的工業革命亞洲缺席，這次亞洲會扮演重要角色，」瑞銀最新研究認為。包括日本、中國都已發布自動化政策白皮書。

人工智慧（AI）被稱第四次工業革命的核心，對各行各業的影響可分為兩個層次——第一是產品與服務本身的轉變；第二是運用AI在製程、管理或商業流程上，可以大幅促成產業升級。

《天下》兩千大企業，不僅產品或服務必須有AI的功能，也可用AI拉高公司運作的效率與競爭力。

台灣IC設計業的出路

AI浪打半導體 記憶體首當其衝

三月，科技智庫顧能（Gartner）點名，十大受AI影響的硬體產業，從電子零組件、網通產業、半導體，大到汽車產業、機器人，全都上榜。

清華大學電子工程所教授張孟凡指出，目前的大數據與雲端服務背後都需要很大的資料中心，但未來，當所有人都同時做人工智慧運算，現有的晶片、雲端服務架構絕對無法負荷，「谷歌（Google）會變成龜速歌（Slowgle），」他形容。

張孟凡指出，歐巴馬執政後幾年，以當年發展太空計劃的計劃規格，在半導體等硬體研究撒下大筆資金。以半導體為例，大家都在探究繼輝達（Nvidia）圖形處理器（GPU）之後，處理器的下一步是什麼？從英特爾、Google到微軟，各家都在開發自己的處理器，成為兵家必爭的戰場。

他預測，中期，半導體的戰局會落在記憶體上。過去，記憶體不用運算，但未來，可能須承擔部份運算功能；長期，如何設計「仿生晶片」，更是大家競逐的聖杯。

「具有AI能力的晶片組，是台灣IC設計業的一條路，」台大與輝達合作的人工智慧實驗室負責人、台大資工系教授徐宏民認為。

三年多前，聯發科與台大商量研發主題，徐宏民建議納入「影像認知」功能。今年三月，巴塞隆納世界行動通訊大展（MWC），聯發科發表最新手機晶片組，就把AI功能列入。即使拍照的人不面對鏡頭，還是有九成的辨識率。聯發科技術長周漁君指出，這個技術是聯發科打入車用晶片市場的利器，透過識別駕駛人的臉部或動作，得以辨識出駕駛當時的生理狀態與疲憊程度，一旦危險駕駛就可發出警示。

【專訪】科技部長

陳良基：改變資源分配，讓年輕學者說話

他是史上最貼近業界的科技部長，也是最積極鼓動AI投資的中央政府官員。他要怎麼做？以下是專訪摘要：

AI在學術界已經發展20多年了，這幾年，因為計算能量的加快，發現電腦與人腦一樣的時機快要到了。

計算能量已經過了門檻。台灣是科技經濟，當AI已經從實驗室溢出來，已經要變成產業運用了，我們一定要趕快進去。我們要讓AI與既有強項結合，另外就是要讓它運用到各產業去。

而台灣的強項無庸置疑是半導體。未來，半導體會透到各種層面去，醫療、環境、智慧家庭等會愈來愈廣，當運用愈多，我們就愈會受惠。新興產業是另外一塊。

第二個重點，機器學習跟人一樣，必須透過反覆教學，這就涉及兩塊：一是要有足夠數據來教它，要有大數據；二是教的過程需要深度學習，就像人的神經去記憶——大數據與深度學習都需要長時間的運算能量。

台灣必須有計算工具，否則AI發展會比人家慢很多。我才喊出，國家必須建置高性能的主機，一半給學研用、一半給產業升級使用。大數據我會透過物聯網的計劃經費和政府開放資料去做，那塊我還要再處理。

建置中心是必須的。舉例來說，台積電用AI改善製程，但它不可能花幾十億去買一個超級電腦，畢竟這不是它研發的主力。不只是台積電，台灣所有產業都可以靠AI做產業升級。所以，我希望這個中心設備的產能，有一半供產業升級使用。

第三塊，就是人才。除了主機，我要建AI研究中心，去承載這些想法。AI如果對未來那麼重要，台灣必須要成為全球AI的中心之一。

要變成中心，人才、產業必須有一定的量（critical mass）。建置中心的目的，就是希望經費夠大到邀請國際上好的研究者。以台灣的薪資結構，我很難改變全部，只能先靠突顯「新興科技」的方式，把人找回來。

台灣必須有關鍵多數（critical mass），要讓這些國際人才在台灣停留時間長一點、多一點，台灣的研究者也能聚集過來，才能變成世界上認定可以交流的點。

我希望在台灣建立3到4個大型研究中心，這有點任務導向。例如，台北是數位醫療與金融科技相關；台中可以做智慧機械、輔具；南部做醫材、機器人相關。

其實，AI不是憑空跑出來的，它一定要與ICT（資通訊科技）結合。有些AI像金融科技是純軟體，台灣的確較弱，但在ICT方面，台灣就是強的、有優勢的。如智慧車有很多數據要傳導，需要軟硬整合，台灣就有機會。

動手做，蹲下來解決問題
不諱言，台灣AI研究的確比較落後。但為什麼落後？AI研究能越過藩籬，是因為ImageNet做影像辨識的人，用人工去把要辨識的上百萬圖片標籤完。所以，做科技研究還是要強調「動手做」。歐美因為動手做，遇到問題，蹲下來把問題給解決，所以找到真正的突破點。我們也必須翻轉台灣分配科技資源的機制。

AI領域很年輕，剛去Google Cloud的史丹佛大學教授李飛飛不過40多歲。這些人如果在台灣，可能連講話的機會都沒有，我們要讓他們的意見被看到、被支持到。

我已經要求科技部各學門，審查機制依各學門特色來修正，不要光看論文，而是要看做的研究有什麼影響。很多新科技根本都是網上討論，2年多前的論文就沒人看了。獎勵也要改，不是看論文，而是看對社會的影響力。像人文學者就可以好好寫一本專書。

我也要求未來各學門審案子，不要再請前政務官、各校校長、研發長來審，因為他們已經有掌握資源的機會，不要再讓他們來掌控這些計劃。

分配資源的委員會，要有一半委員是50歲以下的年輕人，這是比較大的改變。（陳一姍採訪整理。英文版請見english.cw.com.tw）

選定題材、領域，瞄準痛點

AI的世界，現在是藍海

「在AI的世界，現在是個藍海，」剛剛從微軟西雅圖離職、回國籌備台灣AI實驗室，正招兵買馬的前微軟人工智能部門亞太區研究總監杜奕瑾認為。

▲宏碁自建雲與智慧產品事業群總經理施宣輝展示，運用宏碁設備的最新數位看板系統，未來影片識別AI將運用在數位看板服務上。

在微軟待了十年，負責微軟語音助理Cortana，杜奕瑾清楚認知，微軟、Google等大公司，不專門為十億美元以下、太小的垂直市場領域解決問題。利用大公司發展的平台，在特定領域解決適合的問題，這些都是台灣的機會。

「其實，AI多數問題都還沒被解決，體驗也沒有被定義，」他樂觀地說，大公司現在專注於建置AI平台，個別則期望與各領域合作，「AI技術普及，如同網路的普及，實際產品應用面大有﹃地方包圍中央﹄的機會。」

這位大學時期就創立批踢踢實業坊（PTT）、被鄉民暱稱為「創世神」的軟體人分析，AI的基礎建設與雲端不是台灣小公司的戰場。但從平台到應用，還可以分為七層，每一層在個別領域都有軟體創業的空間——因為每個領域需要解決的問題都不同。

「關鍵是挑核心主題，定義AI化之後的體驗與價值，」他認為，台灣科技業只要在自己擅長的領域，找到最好的解決方案、夠快解決問題，就可以成為該領域的專家，進軍國際市場。

負責宏碁自建雲與智慧產品事業群的施宣輝，選定的領域則是「影片識別」。他認為，現在切入照片與語音辨識比較沒有優勢，但影片則大有可為。

去年，宏碁併購了德國數位電子看板的領導企業Cittadino，是德國公共場所電子廣告看板市佔率最高的廠商。併購之後，新公司可以採用宏碁自建雲系統。未來，如果影片識別系統可以建立起來，廣告投放就可以更精準，這是宏碁新事業群AI研發的重點。

▲長庚醫院眼科醫師黃奕修希望能開發AI醫生，從眼底圖就能偵測糖尿病患的眼睛病變，降低失明機率。

「增強式學習」的無限可能

自動化產業，變身工業5.0

人工智慧也給了新進者無限的機會。

四十四年歷史的所羅門，第二代掌門人董事長陳政隆這兩年最大的挑戰，就是所羅門的新事業。

一直是奇異（GE）燃氣發電機代理商，曾經是台灣最大的電子元件通路商。創辦人陳健三還投資過晶片設計、記憶體、封裝廠。

▲3年，原本不是機械業者的所羅門董事長陳政隆，竟然運用AI開發出全球第一套穿鞋帶機。

如今，他們踏入工業4.0市場，取得美國洛克威爾、丹麥人機協作機器人UR代理權，還針對機器手臂的缺點，運用人工智慧、開發出3D機械視覺模組，幫機器人裝上大腦與眼睛。這套視覺模組，是曾任外資分析師十年的陳政 隆，一手打造出來，三十多人研發團隊所做。

傳統機械業多是寫電腦程式模擬動作，但所羅門利用3D視覺，「學習」對物件做完整的影像辨識、履歷及影像認知。即使物件亂擺或隨便移動，也可以即時偵測、抓取，讓盲眼俠的機器人手、腦、眼可以協調。

去年中，所羅門發表了全球第一台專利自動穿鞋帶機，引起市場注意。3D視覺搭配機器人，可被用在自動取放系統、快速掃描、量測、品檢、辨識、履歷等。

一個機械業後進者，花三年能開發出全球第一台穿鞋帶機，關鍵在於一四年開始，「增強式學習」有了重大突破，得以顛覆既有的自動化產業。

今年三月，雙月刊《麻省理工科技評論》將「增強式學習」選為十大突破性科技。工業機器人的製造商，都在鑽研用增強式學習去訓練機器人，不再需要人工寫模擬程式，而是透過學習來學新的動作。

「開創了無法想像的可能性，」工業4.0大廠西門子內部刊物，去年四月以封面故事「全自動系統」表示，AI可將讓機器人的運用更普及。

「截至目前為止，工業4.0只做到互聯網＋，加上人工智慧，精準度、效率、速度會更提升，可以提升到工業5.0，」身兼友嘉實業集團技術長的羅仁權認為，他正協助傳統機械業評估融入AI技術，自己的實驗室已採用新方式訓練機器人。

一旦AI與自動化普及，「台灣硬體機器人產業最能受惠，」麥肯錫全球董事暨台北分公司總經理章錦華認為。在自動化大浪中，台灣最能受惠的還是硬體，因為擁有僅次於德國、日本、美國的完整機器人供應鏈。

台灣機器人產業鏈，搶1.1兆大餅

AI 科技大突破，讓智慧機器人產業如虎添翼，2018 年，全球工業機器人市場預估可達1.1 兆台幣。全球唯一機器人ETF 指數股票型基金（ROBO），台灣有6 家企業入榜，數量僅次美、日、德，位居全球第四。台灣機器人產值，2015 年已達570 億台幣，其中九成發展工業機器人。透過AI，機器人學更快、應用更廣。逾百家相關企業，讓台灣組成全球最完整的工業機器人產業鏈！

【整機組裝】

整合組裝所有機器人零組件。台灣工業機器人主要分4 大類，其中以直角座標型機器人在國內產業鏈最完整、也最具國際競爭力，上銀排名全球第二，市佔率4 成。

機器人類別
【直線型與直角座標型機器人】上銀、台灣精銳、天行自動化、銀泰、直得、亞德客、哈鏌、東佑達、潤達精密、均豪、廣運機械、福裕、易立威、上研機電、永聯邦、賜福、東台、台灣瀧澤、陽程
【SCARA 機器人】上銀、台達電、廣運機械、廣明、東佑達、鴻海、和椿、台灣氣立、勝宏達
【Delta 機器人】上銀、台達電、廣運機械、長毅技研、鴻海、力浦電子、友上科技
【多關節機器人】上銀、台達電、廣運機械、和椿、勵德自動化、勤堃、鴻海、迅得機械、健昇科技

管理財AI化

關鍵製程智慧化 推高競爭障礙

從半導體、軟體到工業4.0，台灣必須看準AI趨勢，推出產品。但看在清大工業工程與工程管理系講座教授簡禎富眼中，台灣更迫切需要的，是各行各業趕快用AI，把關鍵製程管理的know-how（訣竅）人工智慧化，維持競爭 優勢。簡禎富是一手協助台積電，打造大數據、AI以改善製程的推手。去年，他因此獲得行政院科技貢獻獎。

「IBM、Google這些平台大廠已經開始鎖定工業這一塊，一一年起開始申請相關專利，台灣這塊如果不做，未來就會沒飯吃，」他憂心地說。

從大數據到AI，台積電製造技術中心副處長牟忠一分享，目前，台積電無人晶圓運輸系統，每天開出八千台車、要停一千五百個站。六廠區軌道總計兩百公里，比台北捷運一三七公里還長，複雜度遠超過東京地鐵。工程師已不需像早期要進無塵室顧機台。台積電每天做八千個產品，六千多個機台均用ＡＩ偵錯，快速排除機台障礙。

「其實台積電一開始的資料也不多，」簡禎富回想當年。他大力鼓吹，不論是紡織、製鞋、個人電腦廠商的龍頭廠商，都應該從一些關鍵know-how開始，不要想一步做到工業4.0，先做工業3.5。他務實地建議，人工智慧中，比較成熟的決策支援、專家系統與大數據蒐集，企業可以先做。

「傳產有很多know-how的水很深，」國內知名的大數據專家、中研院資訊科學研究所研究員陳昇瑋也採取行動。他正在籌組聯盟，計劃協助紡織、印刷電路板、農業等傳統產業的隱形冠軍，將關鍵製程人工智慧化。「因為台灣的命脈是中小企業，」他說。

陳昇偉以染整為例，調色有很多祕訣，過往老師傅將配方記錄在本子上。這些經驗數據經過整理後，可以建成一套知識系統。未來，當客戶要求染出某個顏色，透過光譜分析儀分析顏色，再運用人工智慧系統去調整參數，可以得出新配方。

「過往很多顯色流程要花很多天，沒辦法確定做不做得到，客戶就走了，」他解釋，透過AI可盡快確定訂單。

在接觸這些隱形冠軍的過程中，陳昇瑋發現，中小企業非常歡迎AI與大數據的專家，只是苦無相關人才。

ＡＩ到底行不行？

最大關鍵：CEO決心與職場潛規則

徐宏民認為，不論做製程改善或研發AI相關產品，人才的確是台灣的瓶頸。「這考驗CEO的決心，」他直言。

▲科技部長陳良基（左）、政務委員唐鳳（中）協同正在籌備AI實驗室的杜奕瑾（右）宣布，政府將花50億在AI研究。（黃明堂攝）

台灣培養出來的AI碩博士生，人才外流的比例很高。除了薪資，一位不願具名的AI學者直言，相對中國大陸，台灣AI發展慢，真正的問題是，很多想做AI的人，不知道自己沒跟上最新進展。

常常與科技大老開會，這位學者發現，台灣科技界研發產品，習慣先把產品規格開好，然後大家才去做。但AI研發必須一步步改善其精準度，有點像是做實驗，一步步排除問題，被市場接受了，就可以成為規格制定者。

「很多基礎技術在網路上都是開源資訊，關鍵在要有真實的數據去玩，非常動態地從頭到尾調整，來找到AI產品的被使用者喜愛的關鍵點，」他直言，台灣也缺少有經驗的AI專案經理。

加上，台灣的環境長幼有序，年輕學者在台灣話語權很小。

「國際很多知名AI專家，都很年輕，」他舉例，剛被Google延攬的史丹佛大學教授李飛飛，今年才四十一歲；曾幫百度建立一千人AI團隊的吳恩達，今年才四十四歲。

即使在美國、英國，目前產業界AI應用，仍必須大量倚賴學界。徐宏民認為，台灣學界的制度仍不夠開放。

在AI領域，兩年前的技術可能早已過時。AI的研究主戰場不是審核程序緩慢的期刊論文，而是最新、最競爭的頂尖國際會議，比的是誰能最早在網上，發布具有突破性的技術論文、甚至是程式碼。但迄今仍有不少學校，電機系、資訊系教授升等只看期刊論文，導致年輕教授的創意被老制度扼殺。「台灣工程師普遍的數理能力很強，是可以重新訓練的，」做過不少產學合作案、協助產業界設立人工智慧團隊的徐宏民觀察。

不論是製程改善、產品研發，簡禎富認為，企業一開始沒有相關的人才沒有關係，但在產學研究的過程中，企業一定要派人協同作業，效果會最好。

「台灣在AI領域的發展太慢了，」幾乎是所有受訪者的一致共識。但與其抱怨，不如起而行動，AI是一門累積學習方有成果的科技，也是台灣不能錯過的新時代。（英文版請見english.cw.com.tw）

麥肯錫：迎向人機合作的時代

機器人與AI將搶走人類工作，已成為近兩年的科幻職場驚悚劇。但包括麥肯錫在內的愈來愈多研究顯示，只有1％的職位，會完全被取代。職場上每個職位都有部份工作內容可以自動化，人機合作才是未來職場趨勢。

麥肯錫分析了800個職位，細分2000多項工作內容指出，每個職位包含7類工作內容：管理、專業判斷、溝通、無法預測的現場工作、資料蒐集、資料處理、可預測的重複性現場工作。而後3種工作內容，有超過6成以上的工時，可以透過自動化節省下來——因為有些工作被自動化了，就會減少相關職位的雇用，得以節省巨額人事費。

19個產業中，旅館與餐飲服務的自動化潛力最高，高達73％，因這行業花最多時間在鋪床、清掃等重複性現場工作。自動化潛力最低的是教育服務業，因為老師花最多時間在管理與專家判斷，目前幾乎無法自動化…返回商管雜誌網頁