黃仁勳「仁來瘋」高潮之後,主流AI業者及網路服務平台(GCP)積極卡位、各據山頭,操弄著AI網路生態系統。台灣有了「仁來瘋」,AI產業真的就水到渠成?兩者之間就能劃上「等號」嗎?

自黃仁勳訪台所帶動的AI風潮後,發展和大力投資AI產業似乎已成「國策」。當全球主要AI經營者陸續加碼投資台灣,給了賴政府極大的底氣,經濟部表示,將導入AI工具,預計2028年製造業AI應用普及率,將從目前的12.3%,提升至50%。

但數據是AI時代的核心通貨,規範化、格式化的數據是AI時代的黃金。電商平台上的購物和消費個人數據,社交平台上的互動、人際關係數據,行車記錄儀上的行駛、操作數據、供應鏈管理與製造流程記錄,乃至是一個專門的文學網站數據,都變得珍貴無比,因為它們能夠訓練AI,讓AI擁有更強的能力,但條件是流量規模及市場大小,這顯然這不是台灣的「強項」!

AI產業「數據的互聯網資源化發展」是一個台灣無解的問題,台灣在AI 炒作是 NVIDIA GPU 硬體供應鏈,歐美中炒作是AI軟體的落地,缺技術、缺市場、缺數據資源化,台灣發展AI何去何從?

發展AI技術/應用與發展AI產業是兩回事,台灣目前AI應用主要聚焦在日常生活、白領階級生產力提升、學術研究加碼等方面,但光憑這些應用難以獨力支撐AI產業的發展。雖然也有生技製藥、智能醫療、生產管理、供應鏈管理、智能電網管理等項目曾提上檯面上,但在客觀條件不具優勢,且海量數據難求的條件下,台灣戰略選擇必須另闢蹊徑。

發展AI產業策略,不但不能墨守成規,「狗尾續貂」矽谷大咖也不實際,必須創造台灣產業本身的獨特性,其中結合AI與既有製造業升級轉型是一個關鍵的策略思維,也就是以產業為核心、AI為智能工具,同時加入科學實證(Positivism)元素以提供整合的功能與效率。

在解析、跟風、仿效美矽谷AI大咖之後,朝野必須有另類想法。AI是數學運算及應用海量數據解析智能化,但單憑「中性」數學工具難以完成全面智能化的目標,對高端製造業也存在精準度及誤差調控的問題,其中最大的原因是AI系統中缺少了「科學論證系統」的元素。

黃仁勳和李家同教授都曾大聲疾呼,把科學論證系統納入,以強化規範化、格式化、系統性、科學性跨領域共同可操作性(Interoperability),若再能「異業跨行結合」含金量高的半導體製造、IC設計、供應鏈與產業鏈管理、能源、生醫等以規模、技術、效率為導向的產業,這些「另類」AI產業與應用應該更有落實的機會,賴政府與經濟部有朝這方向來思考嗎?(作者為產業分析培訓講師/退休教授)

#鏈管理 #管理 #AI產業 #應用 #台灣