台灣資通訊產業為全球建構AI數位轉型供應鏈

為延續COMPUTEX展覽能量，積極面對AI新工業時代，台灣資通訊產業可能遇到的機會與挑戰，由台北市電腦公會(TCA)主辦，台灣玉山科技協會協辦，於7月23日下午辦理「迎向AI新時代 - 從COMPUTEX看台灣資通訊產業的下一步」產業座談記者會，雖碰到凱米颱風進逼，仍吸引了多家中外媒體與貴賓到場。

座談會由資策會產業情報研究所(MIC)資深產業顧問兼所長洪春暉，以「從COMPUTEX看台灣資通訊產業的下一步」為主題進行專題演講，分析台灣資通訊產業未來優勢，探討生成式AI趨勢及資通訊產業生態系演進，並邀請TCA榮譽理事長暨台灣玉山科技協會理事長童子賢、宏碁營運長高樹國、神通資訊董事長蘇亮、台智雲策略長李立國、所羅門董事長陳政隆與耐能智慧董事長劉峻誠進行座談。

台北市電腦公會理事長彭双浪在致詞時表示，今年的COMPUTEX非常成功，所有的AI大咖都在台灣聚集，可說是場「AI武林大會」，如果沒有來的廠商就不在AI武林裡面。而且看到展覽當中來自世界各國的貴賓、買主與專業人士數量非常多，連在會場辦理的數百場採購媒合會也很熱絡。

從今年COMPUTEX展出的內容，讓許多人知道，算力就是國力，算力也需要電力，所以賴總統在開幕典禮就承諾，台灣一定會有足夠的電力，當然我們也期待，除了足夠的電力之外，也希望有足夠的綠電與更好的能源配比，政府更承諾在未來會有更多的低碳能源，而另外一個關注重點就是人才培育。

彭双浪指出，「算力」、「電力」、「人才」這三力，能促進台灣資通訊產業，在AI新時代更進一步發展；透過大家共同討論台灣資通訊產業下一步發展，一起提升台灣三力，進一步提升台灣地位，提升台灣產業競爭力，並把今年COMPUTEX展會創造出來的氣勢，能夠繼續延續下去，更希望能變成台灣產業的氣勢。

資策會MIC資深產業顧問兼所長洪春暉，在「從COMPUTEX看台灣資通訊產業的下一步」為主題的專題演講中表示，今年的COMPUTEX台灣廠商AI PC、AI伺服器、AI相關設備產品大量曝光，並且各大科技巨頭紛紛現身台北，若是以研究機構來看，有不少都是屬於「固樁」的動作。

洪春暉指出，現在看到的AI浪潮，已經確定不是Bubble，尤其是生成式AI。資料、算力、算法是構成生成式AI應用的三大基石，生成式AI已朝向多模態的應用發展，包括文字、圖片、語音、影片等資料都成為模型，可以執行問答、文本生成、圖像生成、資料提取等多種任務，而且未來的AI會朝向AI Agent發展，讓AI從工具轉變成為工作代理，而這些AI產業變化是台灣AI生態系相關產業要持續關注的方向。

AI技術帶動資通訊產業生態系演進，不僅讓使用者、模型開發商、雲端運算業者所架構的產業生態系逐漸成形，帶來全新格局，而大量訓練模型和算力需求更帶來許多機會與挑戰，生成式 AI 的發展透過跨域共創及創新協作，將能為各行業帶來許多發展機會。以AI生態系來看，台灣在AI算力方面的基礎架構，扮演全球重要角色，而且台灣也有AI模型建置的單位。

針對AI算力議題，洪春暉認為AI算力不只是國力，甚至是國家競爭力的重點，因為未來食衣住行都會用到AI，一旦AI運算出現異常，也會影響企業運作。近來熱門的AI PC支援AI混合、協作的需求，在未來，無論是從雲、從地端，相關的運算整合需求只會更多。

洪春暉表示，對於各行各業來說，利用生成式AI提升效率是趨勢，包括智慧工廠、智慧醫療等場域都已經在使用中，但如何選擇適合模型則是困難點，並且確保生成式AI所提供的結果是否正確，則是需要領域專家進行確認。此外，人才與預算不足是產業導入AI 面臨的最大挑戰，畢竟企業首重成本考量與人才儲備，而在成本考量同時，另一個關鍵則是導入AI的成效不易衡量，將很大程度影響企業導入意願。

洪春暉認為，台灣資通訊產業要利用AI掌握轉型契機與下一波成長曲線，充分運用新興科技創造優勢，識別「數位優化」及「數位轉型」帶來的不同變革，並提早思考轉型，避免市場反轉時變革帶來的高風險，因為「時間」是企業最貴的成本。

TCA榮譽理事長暨台灣玉山科技協會理事長童子賢座談時提到，AI不是一個單一產品，AI會像是網路一樣，是一個重要科技趨勢，會瀰漫、浸潤並影響所有硬體，小到感應晶片、攝影鏡頭，甚至是機櫃運算設備產品，都會充滿AI的概念。而且不只是硬體，軟體也會具備AI概念，包括智慧手機內建AI軟體、辦公室用軟體也開始陸續加入AI功能連結。接下來是所有的服務平台，也都會受到AI影響，導入AI服務概念。

針對如GPT-4o之類的各家廠商推出的AI模型，在英文相關語系很好使用，但是在台灣的繁體中文環境實際使用上需要經過fine tune，因為有不同腔調，會造成在使用上的不順暢。

所以如果台灣想要在AI領域領先，可以在兩方面有所成就，一個是在晶片製造到產品生產能力，如機櫃、電路板、系統、AI PC、AI手機等，目前在台灣在硬體製造上有不錯的位置。另外一個就是應用。台灣向來「重硬輕軟」，重生產輕應用，如果台灣要把AI應用在生產力、製造、生活周遭等，誰來fine tune模式會是重點，因為fine tune的品質與速度，會影響AI使用的生產力與品質。

面對未來的AI應用，童子賢認為未來兩年把AI從雲端下放到每個人身邊的裝置進行邊緣運算是非常重要的事情，首先邊緣運算可以尊重個人隱私，可以把AI民主化，變成每個人唾手可得的AI計算能力，會讓全民運用AI的人非常有感。

另外在AI專業領域，很多的AI模型更新速度變快，也就是說，AI會是實驗室裡面，或者是辦公桌上的好幫手，而且是由人來駕馭。像Google最新推出的AlphaFold 3的版本，可以進行更多的蛋白質折疊模擬與人體、藥物、疾病的互相作用，而前一個版本AlphaFold 2已經模擬過2億個蛋白質分子，這對於人類開發藥品醫治絕症或不好醫治的疾病有很大幫助。AI對巨量影像資料的分析處理，會比人要厲害許多，而這也是AI的好用之處，就跟瓦特發明蒸氣機一樣，帶給人們很多動力。

針對電力議題，童子賢指出，由於產業結構關係，先進國家只有美國的人均用電與台灣差不多或更多，其他如日本、德國等國家，由於服務業用電占比較大，人均用電大概是台灣的二分之一或更少。由於台灣工作型態關係，台灣的生活用電其實只占整體用電的18%，目前工業用電占56%，服務業占19%，其他是由農業用電跟其他產業用電。

台灣2023年全年用電度數2821.4億度，按照2%到2.5%的成長，在3、4年之後就會超過3000億度，到時候，如果一度發電成本差0.5元，一年就會差1500億元；如果一度發電成本差1元，一年就會差3000億元。由於台灣有很多地方需要用錢，例如高等教育、研究 AI、建構主權AI、建置足夠算的AI機房等都需要錢，如果能源方面可以搭配優質能源且經濟效率比較高的排列組合，省下的經費就可以彌補健保的缺口、高等教育跟研究的需求，這樣更有意義。

針對台灣能源政策，童子賢在媒體聯訪時候指出，台灣要使用優質、經濟效益較高的發電組合，提高供電穩定性與能源韌性，並能面對國際緊張情勢做出應對，同步思考各類能源選擇對國土、農業、環境、生態與景觀的影響。他引用義大利7月宣布重啟停用 35 年核電廠案例來說明，因為義大利政府認為沒有足夠大的國土空間部署太陽能板，義大利國民及觀光客也無法忍受湖光山色之中有太陽能板干擾，為了追趕減碳進度，並擺脫對太陽能過度依賴，所以義大利政府計劃重新採用核電。

針對核能技術進步與核廢料處理，童子賢指出，從科學或商業角度來看，核廢料就是放射線還沒充分燃燒掉就不再使用，就跟燒烤店店家的木炭用到剩下還有五分之一就不使用，是商業機制問題。天然鈾所含鈾 235 的濃度只有 0.7%，經過提煉成濃度 3％ 的鈾 235 燃料棒就可做為核電廠發電的低濃縮鈾，所以是原本核電廠設計沒能將燃料棒用到百分之百，但是在科學上有機會辦到，但現實卻因商業制度形成現在的結果。並不是科學家沒有持續研究核能科技與核廢料處理方法。

至於反核人士質疑核廢料存放問題，在他觀察中目前台灣的核廢料被置放在佔地有限的管制區中，在有限空間中受嚴密管理，因此並未曾構成危害。而且新科技的進步，使得可以燃燒核廢料的第四代反應爐可能成功，包括「快中子反應爐」與「行波反應爐」在內都是發展中的新核能技術，包括中國大陸、加拿大、英國、美國都競相投入資金研發，技術若研發成功，包括目前被嫌惡的核廢料、以及製造濃縮鈾過程的殘渣貧鈾，都可以轉化成新一代反應爐的核燃料，而這就是解決當前核廢料問題的聖杯。也點出如果台灣綠能裝置量還要發展十倍規模的話，可以想像未來20幾年後，廢棄的綠能裝置，將會是好幾個台北市大小的垃圾規模，對台灣環境影響衝擊不小。

宏碁營運長高樹國表示，接下來真正會讓台灣在AI趨勢站到好的位置，其實是在商用市場應用，古人說，「吃飽穿暖了，才會顧面子問題。」西方則是說「馬斯洛需求理論」。因為對企業與消費者來說，AI在消費市場是「錦上添花」，有AI更好，沒有AI不影響；AI在商用市場是「雪中送炭」的炭，企業沒有AI而被競爭對手比下去，問題就大了。

高樹國提到，台灣企業大多數為AI硬體製造商，主要收入來自於硬體，接下來怎麼樣讓台灣資通訊產業不只是賺取來自硬體的短期收入，真正可長可久的競爭優勢還是應用、軟體與Killer Application。如果要給政府建議，會希望政府確認企業AI應用的Killer Application，並且整合相關資源來做運用，如此一來，不只是軟體業者可以得利，相關硬體製造商也會獲利，進而創造雙贏局面。

針對今年熱門的AI PC議題，高樹國認為AI PC情況完全不一樣，因為2009年智慧型手機的推出，只有取代錄音筆、相機、MP3隨身聽之類的體積比它小或一樣大的產品，並無法取代PC，很多工作還是要在PC上面完成，這一點可以在COVID疫情期間的PC需求反彈獲得證實。AI PC的出現，就像是Internet或WiFi推出的時候一樣，會有更多AI新應用出來，讓許多對AI有興趣的人去用，一旦當出現殺手級的AI PC應用，需求就會明顯上升。

所羅門董事長陳政隆指出，做了十年左右的機器人相關應用，最大的感觸就是，「人類真的很厲害」，因為人與生俱來非常靈巧，且多功能性。早期機器人手臂工作很單純，所以只是A點到B點的固定工作，當有了視覺技術之後，就可以做比較多的事。但是，傳統Rule-based的視覺系統有許多極限，包括環境光改變、物件變得比較複雜，相關辨識率就下降了。這幾年開始有AI搭配在視覺上使用，就可以解決過去比較難解決的問題。以科技業來說，過往都是用AOI光學檢測設備，但是經常造成過殺率(overkill rate)過高問題，但是導入AI之後，就可以解決。

陳政隆表示，當客戶詢問到要使用3D視覺進行檢查AOI檢查或監測時，都詢問到需要多少圖片才能產生AI模型，當我們回答需要收集成千上萬個資料時，客戶聽完之後就不太想做。所以所羅門團隊就思考如何透過軟體平台，讓客戶可以用最少量的樣本去建置客製化的AI模型，以提高客戶導入意願。目前所羅門平台已經可以串聯20、30個不同品牌的機器人，並且包括多種2D、3D影像格式與各種品牌網路攝影機，並且平台上面會放上優化過的AI模型，才能在實際場景中使用。

陳政隆觀察到，歸納目前客戶抗拒使用AI機器人的原因，主要是仍需要足夠數量的資料庫來訓練AI模型，以品質檢測來說，理論上產線的良率接近九成甚至是超過九成，反之就是不良品的瑕疵樣本數過少，可能會無法訓練，但這已經跟傳統AI模型需要上千張的樣本才能訓練的情況，改善不少了。

針對現在最熱門的AI機器人解決人員短缺問題，陳政隆認為，必須要做到幾乎像人一樣聰明，而且具備多功能性。現在輝達已經在開發一些基礎AI模型，如合作開發的Motion Panning(運動平移)，就可以納到平台裡面去使用。如果未來有機器可以幫忙剪頭髮，而且人也很放心，這就會是機器人無所不在的時代來臨。

針對人才短缺問題，陳政隆表示，所羅門長期仰賴國際人才，光是視覺部門就有來自15個國家的員工，有些是來台灣念碩博士畢業的，有些是外國員工介紹他們朋友，例如越南或印度等國家，而這是不得不走的一條路，畢竟很難跟科技大廠競爭。

神通資訊董事長蘇亮表示，AI應該無所不在，但是真正想要去做，好像甚麼都不對，缺少了一點東西。過去在推動各類AI應用中，發現有兩點是很重要的。第一個是要有足夠的數據庫，這個數據不完全是一般的資料，包括從物聯網、從大數據雲端、從開放資料等等取得的數據，所以神通要去做的，就是幫業者打造一個資訊共通平台，有了平台才有辦法進行用數據進行AI分析。

蘇亮指出，有了共通平台之後，又發現另外一個問題，就是AI的應用都是跨領域，有些還跨多個領域，所以需要透過多領域的協作，搭配上平台的創新，才有辦法創造出新的AI應用。現在有很多AI工具，對於工科的人來說，或許不難使用，但是碰到跨領域的情況，使用上還是有困難，所以神通又去打造了一個不需要撰寫程式的No code工具軟體，各行各業的人透過No Code的工具軟體，搭配共通平台上面的數據，就可以開發出更多創新應用，而且可以落地應用。

談到智慧城市，對政府來說，最重要的就是怎麼樣做的事可以讓市民有感，而最容易做的方式就是UI的改善，而利用AI做UI的設計、效率改善與市民安全的應用，都可以開發出來。也就是說，AI是百花齊放，只要想得到，應該都可以做到。

針對台灣AI人才的養成，蘇亮提到1970年代Intel微處理器的推出，透過教育的推廣，讓大家知道微處理器能怎麼用，但是主要培養的會是專業領域人才。現在在AI人才的培養上，由於是跨領域，所以很多人並不需要知道AI，只要有創新的點子、適合的工具就可以做到，跟過去不太一樣。至於要如何落實AI人才的培育，目前神通資訊內部有做部分規劃，也提供AI實驗室給高中，希望透過高中學生的培養，讓他們有創新的理念，將來可以在各行各業都能夠發光發熱。

台智雲策略長李立國指出，生成式AI帶動很多產業想像的空間，包括金融業、如何透過大語言模型自動化櫃台前端業務，處理to B或To C業務，法金服務的金融分析。在醫療業部分，一個是透過傳統的與音轉文字(Speech to Text)，可以在看診的時候把醫生說明轉換成文字，並且透過大語言模型做摘要。摘要內容甚至可以分專科進行處理；長期來說，很多大量的醫療資料來說，透過生成式AI做Insight探討與分析。

其實台灣最多在製造業導入生成式AI，包括透過大語言模型分析資料，下指令，甚至調度傳統ML模型，也在生產的參數與品保預測獲得不錯的成果。針對繁中環境，台智雲也將Llama3模型增加繁中訓練進行fine tune，也在製造業做了不少專業領域的fine tune，包括70B的模型，或8B的模型，fine tune給企業內部使用，解決特定任務，去做生產製程預測。

李立國認為，從商用角度，AI對企業的影響會越來越大，GPU算力也會越來越便宜，所以企業是可以擁有AI企業腦，不僅懂得繁中資料，而且懂得企業內部垂直場域資料。所以對於企業來說，如果想要建立自己的AI企業腦，要回過頭來看看企業所擁有的資料集，而且要是有用的資料，再加上盤點算力與可用模型，設定解決問題，透過外部資服團隊給的建議，才有辦法在企業內部導入AI，千萬不能為了AI而AI。

李立國也提到，台智雲已經幫不少企業在內部落地70B的模型，包括金融業、製造業、醫療業、IC設計、重工領域等等，而且獲得不錯效果。針對Meta最新推出的Llama 3.1，包括405B模型，以及更新版的70B模型與8B模型。由於405B模型對標GPT-4o，看起來是有機會可以落地。

耐能智慧董事長劉峻誠表示，由於訓練模型與GPU伺服器成本因素，現階段很多生成式AI應用都是在雲端執行，也就是透過雲端執行GPT(Generative Pre-trained Transformer，生成式預先訓練轉換器)運算，除了使用者會面臨資料需要上傳雲端的資安問題外，也會碰到每次詢問答案都不太一樣的情況，這也造成企業導入AI所面臨的問題。

由於台灣廠商最有機會的是To B的生成式AI應用，再加上耐能是NPU的開發者和商標持有人，具備NPU加速器、AI晶片、AI演算法等關鍵技術，因此有辦法將 NPU 嵌入到設備中，讓產品具備AI功能。

劉峻誠指出，由於台灣廠商最有機會的是To B的生成式AI應用，因此耐能推出基於NPU技術的地端AI軟硬整合方案，內建Local RAG(檢索增強生成，Retrieval-Augmented Generation，簡稱RAG)功能，輕量級大語言模型甚至可以直接部署，運算速度快且低耗能，可應用於各種企業 GPT 方案。也就是企業可以在地端訓練/推論自己的資料，不需要上到雲端，確保資料安全性，更不用擔心模型被他人資料汙染的問題。目前已經在教育業、製造業、醫療業、法律業有應用案例。

針對AI趨勢，劉峻誠認為完整的系統應該是CPU+GPU+NPU，包括現在的AI PC、AI手機已經是這個架構，如果未來想要在低功耗的環境下導入生成式AI應用，NPU會是最佳幫手。

針對台灣AI人才的養成，劉峻誠是認為可以從兩個層面來補足人才缺口，第一個是教育，耐能有推出AI教科書，有科大版、國中版甚至是國小版。第二個就是直接在產業裡面導入AI技術，以耐能為例，很早就在IC設計當中的back end、routing導入AI技術，所以才能用12奈米製程量產晶片。