摘要： 人工智慧科技基金會（AIF）與台智雲AI超算加速器合作，於11月25日共同發佈「2024台灣AI新創地圖」（Taiwan's AI Startup Map 2024）。本次地圖主要列入成立8年內新創，並依據企業導入AI所需的基礎建設及垂直產業應用進行分類。企業可依據自身需求，從中尋找合作夥伴。
自2023年起，生成式AI迅速席捲媒體版面，技術迭代與應用工具如雨後春筍般湧現，但這些是否真正加速產業AI化的腳步？是AIF過去一年持續關注的議題，也是眾多新創企業密切追蹤的技術趨勢。
累積十年的基礎建設，成果已在多個領域展現實用價值
全球AI生態系統正經歷前所未有的蓬勃發展。知名投資人Matt Turck在《The 2024 MAD（ML, AI & Data）Landscape》報告中指出，2024年機器學習、人工智慧和數據（MAD）領域已擴展至 2,011家企業，較往年增加578家，與2012年最初版本僅有139個家企業形成鮮明對比，充分展現了產業的快速擴張。而近幾年風聲水起的生成式AI，這股成長動能主要得益於過去十年對數據基礎建設的持續投資，其成果已在媒體、研究、金融、法律等多個領域展現出實質的應用價值。 國外調研機構如Gartner也認為，AI至今已經發展了幾年，今年是企業組織必須交付和執行AI的時刻。也就是說，AI應用不再只是實驗或小型專案，必須成為真正的產品或服務，讓過去幾年的投資可以開始回收，同時還能因應未來風險與可能變化。無論AI技術多麼吸睛、為新創堆疊出前所未見的估值，最終都要回到實際的變現問題——如何創造商業價值並且從中獲利，這才是任何生意發展的核心。 然而，觀察台灣現況，根據2023年台灣產業AI化大調查，僅有10.2%的企業能成熟運用AI於不同專案。2024年9月AIF與Google Cloud共同發布的調查更指出，台灣企業整體AI準備度指數平均為54.08。儘管多數企業已認知人工智慧與算力資源的重要性，但實際執行力度與方法都仍有待提升。
數據、技術還是垂直應用，新創如何為企業加值？
考量到台灣企業AI導入率約三成，且AI導入涉及組織多面向的整合與轉型，本次地圖特別從企業需求出發，結合AI準備度的五大面向：數據力、技術力、運算力、治理力及創新力，依新創服務特色與應用領域進行分類，為企業與新創搭建更有效的合作橋樑。 首先，在基礎建設區塊，主要由專注於數據、技術與運算服務的企業所構成。數據資源包含了專注於產業數據搜集與整合服務，以及提供雲端數據處理和分析能力的數據平台服務企業。企業的「數據力」不僅僅是指企業收集和管理數據的能力，更重要的是指企業應用數據的能力。數據是企業推動AI最重要的基礎，強大的數據力也是成功導入AI的關鍵要素。然而，許多企業在數據收集、管理和應用之間存在明顯落差，導致AI導入效果不佳。 尤其是製造業，例如汽車製造、設備製造業，過去以精密技術勝出，這幾年都希望快速趕上數位轉型與AI浪潮，但對於如何將數據與實體產品結合、並進一步創造新的價值，卻始終存在很大的挑戰。許多企業在開始動手導入AI時，很快發現資料不夠：有些是根本沒蒐集，有些蒐集了但沒有整理；有些是蒐集也整理了，但方向不對⋯⋯資料的問題怎麼解？不少新創便針對場景的資料進行搜集，並提供對應的分析與解決方案。 另一方面，零售服務也是高度依賴客戶數據的產業，尤其近年來，隨著各類社群媒體崛起，如何將整合多種來源資訊，形成有效的消費者洞察，不僅是企業的需求，也可以看到許多新創結合企圖結合AI技術，提供相應的解決方案。
企業如何與外部團隊合作，添增能量？
「缺乏資料」跟「缺乏人才」向來是台灣企業導入AI最大的關卡，不分產業、不分企業規模大小，幾乎沒有例外。如果企業沒有能量組建技術團隊，藉由外部團隊協助就是個好方法，由於各AI技術領域擅長解決的問題不一樣，企業可依自身需求匹配最適合的技術合作夥伴。 但在這幾年製作AI生態系地圖的經驗中，我們也發現到，不少台灣新創企業雖然擁有技術能力與服務體系，甚至累積了不少實務案例，但往往缺乏實際的產品。專案導向與產品思維是兩種不同的商業模式：前者重視客製化解決方案，後者則著重於建立可複製、具延展性的商業模式，建議團隊在聚焦技術與服務的同時，應該更明確地將專案成果轉化為具備市場潛力的產品，從而實現長期價值與規模化發展。 在這樣的產業脈絡下，SaaS（軟體即服務）企業預期將扮演更加關鍵的角色。這類企業提供即用即取的AI解決方案，大幅降低企業導入AI的技術門檻與初期投資成本。此次獲選未來之星的慧穩科技，其所開發出的「WinHub.AI」，便是一個提供客戶大語言模型、電腦視覺、數據分析 (AutoML)、專家系統與傳統演算法之融合式AI SaaS平台解決方案 (Fusion AI SaaS Solutions)，為客戶開發與使用所需之AI模型，讓使用者能依據產業知識直接運用AI工具，減少對軟體工程師與資料科學家的需求。這種降低使用門檻的方向，為人才短缺的問題提供了一個可行的解方。 在治理力方面，除了AI應用上需考量的風險管理，還包括了組織管理等議題，企業必須要能整合技術、運算、資料才能完成AI的基礎設施，AutoML、NoCode、MLOps等平台皆是作為輔助功能，企業仍須仰賴自身的治理能力。 在補齊企業的基礎能力後，企業如何將競爭者無法複製的核心能力和獨特資源，透過AI來改善與鞏固這些優勢，持續強化企業競爭力，便是創新力所注重的事。在這次的地圖中，也有部分新創從原本的領域知識中出發，結合AI技術開發出產業特定解決方案。如提供產業解決水質不穩定，增加水回收率與節能減碳問題的臥龍智慧環境、協助水產養殖業者進行魚蝦監控的海盛科技。 我們也發現，除了製造、醫療這種場域較為固定的產業之外，找不到最佳的AI應用場景，是新創一直需要面對的挑戰。 為什麼台灣的產業AI化發展速度不如預期？Google前台灣董事總經理簡立峰認為，除了市場規模不足，多數企業數位化程度不足之外，缺乏想像力是亟待解決的問題。例如，作為全世界少數可以做無人機的地方，且身處地震頻繁的地區，台灣在地震發生時，卻需要土耳其協助用無人機做3D模型給我們，很顯然就是對於應用缺乏想像。 除此之外，在主權AI的應用上，除了算力問題，還有許多事情需要努力，包括如何確保繁中模型的品質，是否可以鼓勵企業透過合作交流彼此的訓練資料，一起變強。而在算力面，若能加上節能技術，搞不好能保有優勢。在人才面上除了培養基礎模型人才，能否加強海外合作？最後，則是如何運用晶片優勢獲取關鍵技術，透過跨國平台合作，提升繁中模型品質。這些都是政府可以施力之處。 同時，我們也觀察到幾個重點與趨勢，值得與大家分享：
一、生成式AI技術應用，資安挑戰仍是企業在意的點
生成式AI的出現，幫助我們能快速學習各個領域的知識。讓過去被視為「專業」的知識，變得更容易理解和應用。 此次生態系地圖調查中，我們再次詢問提供AI服務或產品的新創企業：「生成式AI熱潮，是否對企業造成影響？」多數企業表示，這波AI熱潮為新創企業帶來顯著效益：不僅大幅提升了曝光度和服務機會，更重要的是，社會大眾對人工智慧的認知逐漸深入，有效降低了企業與客戶間的溝通成本。 越來越多生成式AI應用服務被開發，這些服務有些是從原有的產品延伸，企圖降低使用者使用產品的門檻；但也有些僅是利用Prompt技術，串接API功能打造對話型機器人，提供問答服務或是不同的介面，而這類服務若缺乏核心競爭優勢，往往需注意被ChatGPT等大型平台取代的風險。 值得提醒的是，資安問題更是企業在採用AI時的首要考量。根據AIF在2024年初發佈的台灣產業AI化調查，高達27.1%的企業在評估AI應用時，最為憂心的是可能的資料外洩風險。這不僅凸顯了技術人才的缺乏，也反映出企業對AI應用的審慎態度。
二、軟體如何結合硬體優勢，找出獨家應用
在今年6月26日的《2024國鼎論壇》中，簡立峰也提到，未來需要注意的四大科技技術發展方向，包括模型兩極化、雲端服務+AI、Edge AI新戰場，及機器人再起，後兩者將是台灣的機會。因為當終端有一個AI的使用環境，那麼相關的應用就能被開發出來。 他提醒，台灣現在擅長硬體，但也要花一點資源去想想看怎麼應用AI，特別是Edge AI出來後，台灣可以做什麼？例如機械手臂、腳踏車或是任何硬體加了AI，會不會不一樣？簡立峰認為，台灣目前的腳步雖然晚了一點，但還不算太晚，因為全世界不過才「挖礦」1年多，可以分出一些賣鏟子的獲利來挖礦，否則產業將過於單一集中，最後可能會出現自己打自己的狀況。
三、讓AI學會感知世界的空間智慧
史丹佛大學教授李飛飛博士2024年4月在溫哥華舉辦的TED大會中，介紹新創公司World Labs所開展的AI發展方向：「空間智慧」（Spatial Intelligence），不僅是電腦視覺技術的進階發展，更代表AI與現實世界互動的重大躍進。 李飛飛表示，「空間智慧賦予機器不僅能彼此互動，更能與人類及三維世界展開深度對話，無論是在現實還是虛擬空間。」她藉由一張貓咪將要打翻牛奶的照片解釋空間智慧概念。人類可以藉由照片中的視覺資訊，如貓咪、桌子、杯子的位置，彼此的相對關係等，立刻知道即將發生什麼事，以及該採取什麼行動。 史丹佛大學的研究成果也展現了空間智慧的實際應用潛力，例如，AI能從平面照片生成立體的3D模型，及在醫療人員是否遵照清潔措施、患者是否有跌倒風險等，這些應用提供了空間智慧在各領域的廣闊前景，例如，AI能從平面照片生成立體的3D模型，以及與醫學院合作測試AI感測器能否感知醫療人員是否遵照清潔措施、患者是否有跌倒風險等。
四、AI Agent會是未來嗎？
Landing AI創辦人吳恩達多次提及AI代理（AI Agent）是2024年最值得關注的AI趨勢之一，無論是面向消費者（2C）或者面向企業（2B），AI代理服務已見雛形。 AI代理（AI Agent）目前並無統一且明確的定義。常見的定義是，一個能理解其周遭環境，從中學習且能聰明地與之互動以便解決問題的系統。AI Agent技術的重要性，在於能自主執行複雜的任務，減少人類介入，可以明顯減少人為錯誤同時提升工作效率。這些代理能按照預定目標進行決策，並在變動環境中學習與適應。可應用的地方包括自動客服、推薦系統、智慧家庭等。但也伴隨著挑戰，特別是在倫理與隱私領域，包括自主決策可能會導致預期外的結果，甚至引發安全問題。如何確保其透明性、公平性和可控性將是未來關鍵。 面對快速變動的產業環境，在新創團隊與人才能量累積之餘，如何對接產業的需求將是新創的機會與挑戰。AIF以推動產業AI化為使命，多年來積極推動多項計劃，深入了解企業的需求，以期賦予企業AI能力，積極搭建產官學研的交流平台，以提升台灣產業競爭優勢。 台智雲AI超算加速器專注聚焦為AI新創夥伴提供完善的商業發展資源和技術支持，台智雲搶先全球市場推出AI Foundry Service（AFS）生成式AI代工服務，提供給新創夥伴最新的AI模型應用、福爾摩沙大模型（Formosa Foundation Model）和AI算力部署服務，打造高安全、高效能的一站式AI解決方案。協助新創夥伴發展AI技術、商品和市場應用，期望成為AI新創推動商業加速的關鍵平台。
轉貼自： bnnext.com
若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance
留下你的回應
以訪客張貼回應