DIGITIMES Research菁英開講　精準剖析產業AI化機會與挑戰

2015年起陸續擊敗了全球職業圍棋高手的AlphaGo，再次掀起了AI熱潮，與前兩次快速發展期相較，這波AI挾高速運算力、大數據與深度學習演算法之威，並結合物聯網與5G等新科技，快速在各垂直產業普及，根據世界經濟論壇(WEF)的預測，2025年人類社會將有50%的工作被機器取代。

為協助各領域產業人士抓緊AI脈動，DIGITIMES Research於2021年7月15日舉辦了「從AI到AI+　洞察產業AI化的機遇與挑戰」線上論壇，論壇中除了由DIGITIMES Research分析師團隊深入剖析最新的AI發展趨勢外，更邀請台北榮總主任醫師郭萬祐，由醫學影像診斷觀點，分析AI在醫療場域的應用。

首先登場的DIGITIMES Research分析師翁書婷，以「雲端與終端人工智慧晶片趨勢　美中競合關係對AI晶片發展影響」發表精采演說。她表示，從連結、記憶體、運算等三個面向的AI晶片發展狀態來看，在異構架構發展下，雲端AI晶片中的CXL、NVLink、Infinity Fabric等高速互連技術的重要性與日俱增，而矽穿孔與混合鍵合等3D晶片互連技術，則將成終端AI晶片中影像感測運算發展的重要發展推進力。

記憶體方面，高頻寬記憶體(HBM)已是雲端訓練晶片主流配置，業界人士可以特別注意三星於2021年的HBM架構中的記憶體內運算創新。另外，仍舊緊張的中美關係，讓全球半導體產業出現分工模式反思，在此態勢下，整個RISC-V生態系雖有往高性能應用發展的機會，不過挑戰性仍高。

DIGITIMES Research分析師陳辰妃則剖析了2021年AI產業發展現況與趨勢，並從中點出AI產業的主要挑戰與關鍵解方。她指出反覆不定的疫情，加快了AI的應用速度，例如倉儲物流與醫療兩大產業，就利用影像辨識優化工作效率。

就整體AI產業現況來看，現在AI產業價值鏈的中上游輪廓已逐漸清晰，下游應用則正在起步。觀察AI產業發展重心，她表示目前首要之務是降低企業的應用門檻，企業可善用現在市場上已有的GAN、聯合學習、AutoML、GPT-3等技術，縮短AI的學習與使用曲線。

對於未來AI產業的觀察重點，她則認為AI已由學術走進產業，因此開發工具將成企業AI應用的發展關鍵，前面提到的四項技術，將可協助企業優化數據分析、簡化ML開發流程，未來產業也將循此方向發展，進而加速AI普及。

醫療是AI的重點應用場域之一，台北榮民總醫院放射線部主任郭萬祐醫師在「人工智慧在醫學影像診斷上面的應用：分散與集中式人工智慧學習的比較」演講中就指出，AI在醫療院所的應用多元，從病患進醫院的來診人數預估，到掛號、候診、各類儀器檢驗等流程，都可透過大數據與AI演算法應用提升整體效率。

而在醫療體系運作中，醫學影像診斷是目前醫療、科技兩界著力最深的AI應用場域之一，台北榮總近年就導入DeerMet-Plus AI輔助診斷模型，訓練AI判斷、標記腦轉移瘤的病灶位置與體積。

郭萬祐表示，台灣的醫療實力位居全球領先群，各大院所都有深厚的技術，有足夠的優勢發展AI醫學影像診斷，不過為顧及病患的隱私與自主權，各院所的相關資料無法彙整共用，對此他建議可採用資料不須離院的聯合學習法，以較低的行政依賴性，提升多國的合作可能性，加快AI在醫療領域的落地速度。

製造業是產業AI化的另一重點，DIGITIMES Research分析師黃耀漢在「AI+智慧製造應用觀察：智慧製造解析與案例分享」演講中指出，過去製造業的產業轉型，主要集中在數位化，不過現在數位化已不足以因應多樣少量的彈性生產需求，業者必須進一步導入AI系統，方能讓產線具備迅速變動能力。

目前智慧製造常用的AI應用，包括工業安全、設備維護、品質檢驗與製造優化等4大面向，透過軟硬體的整合，讓系統可以自行巡檢現場設備、管控人員、強化機台的可用性與生產品質，最終達到提升產能、降低成本等目標。

黃耀漢最後總結，AI雖可提升生產效益，但各公司及各場域狀況有所差異，因此效益評估成為重要的關鍵，目前台灣製造業導入AI的目標，大多為取代人力成本與提升產能，未來可設立階段性目標，循序漸進的落實智慧製造願景。