海纳百川》跟风全球智慧趋势不是最佳解（徐作圣）

高科技产业最近有二个炒作或时尚，一个叫人工智能AI，另一个叫量子计算，都是台朝野关注的新兴产业；前者是运用资讯科技搞「演算法」(Algorithmic Manipulations) ，后者是用基础物理搞「算力」，本来两者互不相关隶属，但最近有收敛合併的机会，叫作量子机械学习 (Quantum Machine Learning, QML) 。

AI技术甚嚣尘上是全球高科技聚焦的重点，AI代表了「进步」、「现代」、「高科技」，是产业精致化、智能化的工具，也是分布式经济的主要趋动力。AI早期由美国硅谷一群技术狂热追随者，推动以「演算法」操作为基础的智能技术，近年来结合区块链技术，发展迅速、无所不在、蔚为风潮，己成为开创web3.0智能网路的关键元素，其未来发展潜力难以估计。

量子计算是量子技术三大领域之一 (其他二项是量子通讯及量子侦测) ，是利用量子物理中量子纠缠及量子迭加为基础，发展出高效率、超快速、超能量的平行运算技术，主要应用于「超高算力」需求的领域，如量子化学模拟、分子结构预测、功能性支援其他复杂产业体系运算需求等。在量子计算发展进程有两大技术门槛：计算能量Qbit数量提升以及「纠错」(Error Corrections) 功能强化，是量子计算技术迟迟未能广泛普及的主因。

从产业全面智能化的态势来看，算力与演算法的结含是必然的，目前比较看好的应用领域包括：奈米粒子及高等材料的结构模拟分析、新药开发及医学研究、深度瞭解人体结构、图案 (Pattern) 辨识、太空技术、数位安全维护等领域。虽然量子计算与人工智能技术互补性很强，但两项技术之间发展歷程不同、成熟度各异、人才需求也不同，如何最有效结合这两项新兴技术仍然是一个艰巨的挑战。

在资本主义的运作体系中，任何策略结盟必有「主从」之分，「主」是掌握全域的舵手，而「从」是配合运作的支援角色。用策略管理的角度来看，「主」就是 催生者 (Instrumental) 或主导者 (Syndicator)，而「从」就是致能者 (Enabler) 或促进者 (Facilitator)。在QML的「主从关系」中，角色扮演与分配端看供应端技术成熟度及需求端应用市场结构，在产业的分野上也影响竞争优势的发展方向。

举例来说，经典的AI应用缘自于网路科技的落实，也是资料科学 (Data Science) 的源头，其经营模式是透过资料的收集、整理、分析、解读等程式而落实在应用端，其中资料的共同认知 (Cognition) 是以运筹为基础的市场应用最大关键。而共同认知的获取在不同应用场景有截然不同的意义，技术供应端靠数据分析 (AI) 或科学理论与实验资料 (Positivism)，而需求端则是根据产业键结构及市场特性而得。以系统技术或数据优势整合整个产业链是催生主导者，利用关键技术或市场杠杆提升产业链效率是致能辅导者，前者是分散式寡断如元宇宙系统，而后者比较类似产业链垂直分工的架构如特殊光电材料或量子计算领域上量子侦测及纠错的功能上。

在AI落实成功的案例中，最具代表性的是：社群媒体及网路消费者市场、成熟的工程技术领域、以算力为主的黑科技等。AI催生、创造市场需求，其建立共同认知的手段包括：演算法及资料库操作 (如网路) 、工程专业系统及资料库数位化、标准化、模组化、统计模拟机制操作等。在这些共同认知「高」的产业中，AI业者多数是扮演催生及主导者的角色，是分布经济的雏形（Precursor）的驱动者，是智能服务经济形态的催生者 (Instrumental) ，是经验法则 (Empiricism) 营运最大化的实践者，其竞争优势主要来自于网路规模、经营效率、专业性、品牌优势等。

近年来AI虽然光环不断，但仍遭受连续挫败，主要是在健康医疗领域，或其他高复杂系统中(如新兴材料、生物技术等)。自从2015年以来，智能医疗曾经是一个万方瞩目的投资标的，几乎所有全球资通讯大厂均有涉入，但自2020年起问题逐渐浮现，包括IBM Watson Health投入多年但面临重组，Google Alphabet面临撤资解散的命运，虽2022年春微软大张旗鼓投入智能医疗的行业，但目前尚看不出实质绩效。

这些高科技巨鱷的主要失败原因有二个方面：虽然技术狂热分子相信技术万能，但AI机械学习与深度学习并非万能，无法达成医疗健康领域严苛的要求，甚至在比较简单的影像判读上也无法提供确切精准的答案；另外，在临床医疗数据跨领域可操作性 (Interoperability) 及数据共同认知也存在整合的问题，使得以黑技术创新为主要商业经营的高科技厂商羽而归。

事实上，健康医疗技术是自然科学的一支，必须依靠科学实证主义 (Positivism) 的实践。但因为系统性极强且庞大复杂，再加上医疗体系实证主义中不同医学领域存在差异极大的认知，是一门「实验科学」，与传统物理学所描绘的「看得到、量测得到」的实证主义有相当程度的差异。另外，几乎所有医疗领域的参数及临床数据都是基于物理或化学量测所得的，加深了体系中共同认知的障碍。

另外，健康医疗产业知识池水极深、专业分工很细、管制严格，跨部门共同认知基础薄弱，故临床运用、数据分析、诊断医疗都必须仰赖医事人员 (医师及医学研发人员)的专业判断，套一句通俗的话来说就是：医事专业知识 (Domain Knowledge) 及其应用才是健康医疗产业的本质，医疗工作者是真正医疗健康产业的催生主导者，而资料智能处理工具 (如AI) 只是系统中的致能辅助者而非催生者，角色异位胜败立见。

现回头来看现阶段量子计算与AI谋合及应用的问题。QML的角色在于提供「催生」加「致能」双重功能，致能者是在既有产业中提供系统升级的功能，而催生者则是掌握供需端专业知识的全局主导者。在智能网路中，QML的主要功能是催生者，如Web3.0智能网路系统 、新消费主义 (Consumerism)、元宇宙体系、分布经济体系建设等。在硬体制造业中，QML提供了催生加致能的双重功能，如「催生」实证主义挂帅的新健康医疗技术、推动「致能+催生」的功能如新材料研发、分子结构模拟、新医材研发、新药开发等领域。若未来经营有成或科技手段有所突破 (以电脑模拟代替实验数据) ，QML有可能真正成为完全的主导者，全盘落实实证主义挂帅的目标。

对于台湾来说，虽然量子计算及人工智能都是重点投资项目，但两项技术的整合似乎尚未开始启动。台商过去几十年都是以代工(服务) 为主要经营模式，也就是产业链「致能」的角色，对市场需求端知识未能有足够的掌握故未能有效发展自有品牌。在QML的整合进程中，「催生者」需要具备掌控产业链的管理能力，而「致能者」则必须具备独特专业化的 (Specialization) 或客制化的技术或管理能力，在新兴产业的跨业系统整合上，落实实证主义的精神也是经营努力的重要目标，如何选择未来发展方向就必须看本身的客观条件、产业动态及经济趋势的发展方向了。

产业转型是台湾重要的产业政策， AI及区块链合体的元宇宙系统改变了全球的产业结构使得分布式经济已逐渐成形，但QML能碰出什么另类火花呢？在分合更迭的过程中，如何在分布经济体系中由全球「致能者」的辅助角色，转变成为区块链中「催生者」的主导位置，才应该是台湾产业转型的真正意义，是古谚「寧为鷄首、不为牛后」的发展策略，更是朝野应该认真思考的问题。（作者为阳明交通大学退休教授）

※以上言论不代表旺中媒体集团立场※