(Daily Issue)台灣AI發展「強硬」卻「軟弱」　如何挾硬體優勢，突破軟體資源匱乏？

全球的人工智慧（AI）應用愈趨廣泛，台灣能扮演何種角色？經常與台灣產學界合作的美國華盛頓大學教授黃正能指出，好的AI是軟硬整合的成果，成功三大要素是資料蒐得到、網路傳輸夠快、並有強大運算資源支援；台灣挾硬體製造優勢，若能多投注資源在AI發展，方能走出自己的路。

黃正能擁有台大電機系學士、碩士和美國南加大電機博士學位，目前於華盛頓大學電機與計算機工程系執教，專長為機器學習、電腦視覺與影像處理、智慧城市及智慧交通等領域。他在2022年12月底返台時接受DIGITIMES專訪，分享與台灣產學界合作的經驗及對AI發展的看法。

他指出，當物聯網（IoT）發展愈趨成熟，以前蒐集不到的數據，現今可靠各種感測器取得。5G被認為是物聯網的時代，推進遠距醫療、無人駕駛、車聯網等相關研發和應用。例如Tesla車主可透過手機軟體檢視電動車上鎖與否，或是車載鏡頭哨兵模式（Sentry Ｍode）的狀況。哨兵模式指的是感測器偵測到威脅時，會啟動錄影和警報系統、傳送通知給車主。

黃正能團隊曾助美國軍方和醫院進行一項遠距醫療計畫，在手機上建立手術用的擴增實境（AR）模型，遇到士兵發生氣胸或爆炸受傷等狀況時，另一端的醫師可透過手機下指令，讓傷兵身邊的同儕施予緊急處置，提高救援率，近年也協助美國海洋大氣總署（NOAA），開發透過影像自動計算漁獲量和漁獲種類的模型。

他也與高爾夫球科技公司Sportsbox AI合作，開發可捕捉揮桿動作的軟體Sportsbox 3D Golf。透過手機拍攝運動員的動作，即可將影像轉為3D模型，運動員和教練可重複觀看以修正動作，毋需其他穿戴裝置。

Sportsbox AI於2020年創立，上述產品於2021年推出。他強調，團隊在1年多內蒐集約20萬筆資料，有了資料才能進行後續標記和訓練。

資料標記是基本功

國內一家晶圓廠2020年時，曾宣布委託黃正能及陽明交大團隊，共同主持一項AI偵測晶圓表面瑕疵的計畫。

被問到該計畫進展，黃正能坦言，只執行1年就結束，主因是資料蒐集的部分沒能繼續合作。資料標記相當花時間，前期需要許多人手協助、將晶圓瑕疵影像分類，然而投資者可能難在短時間內看到未來效益，因此計畫未能延續。

他認為這也是台灣發展AI時常見的問題，願意投入時間和成本蒐集資料、進行標記和分析的公司為數不多。

雖然如此，團隊仍利用長尾辨識技術（Long-tailed Recognition；LTR），協助該晶圓公司解決資料不均的「長尾問題」，即某些類別的資料樣本較多、某些類別較少的情形。若無特殊技術修正，長尾問題將導致AI模型在樣本不足的類別辨識度較差，在無人駕駛及醫學領域尤為顯著。

他舉例，Tesla全自動輔助駕駛（Full Self-driving；FSD）團隊就有1,500人專門在做影像標記，但仍發現能量遠遠不足。關鍵在於如何找到較少發生的樣本，例如紙張飛過汽車前這樣的情境。Tesla後來自動上傳較少發生的樣本資料，以建立觸發事件（Triggering Events）的資料庫。

台灣運算資源不足  軟硬體發展不均

黃正能強調，現在從機械、醫療到化學，幾乎所有領域都在運用AI。台灣教授做的計畫不比他們在美國做得差，但因欠缺運算資源，研發規模難以開展。

台灣的公部門雖釋出部分運算資源，然僧多粥少、仍需收費，且運算引擎往往並非最先進版本，對學術研發的幫助仍有限。

他認為，好的AI是系統整合、軟硬體相互配合的結果。整體而言，台灣對軟體領域投注的資源，較硬體製造領域來得少，所運用到的AI模型也多取自開源平台，而非自主開發。目前全世界最厲害的AI模型，通常是由Google、微軟（Microsoft）、Meta、NVIDIA、OpenAI等科技公司所開發。

台灣能否開發自己的AI模型？催生出像Google、Meta這樣的科技公司？黃正能認為，這些議題涉及政府預算分配、台灣產業和薪資結構、育才和留才等面向，非一人之力可破解。海外學生願意回台工作通常出於返台依親、發展環境或薪資具吸引力三種原因，但以台灣目前的情況，這些因素的效果並不明顯。

他旗下指導的實驗室博士畢業生，畢業後選擇前往Google、亞馬遜（Amazon）、Meta、蘋果（Apple）以及小鵬汽車在美據點服務，第一年起薪可能就超越在學術界工作30年的薪資水準。要這些學生回台奉獻，確實不易。

台灣數十年來全力扶植半導體產業，2002年並推動「晶片系統國家型科技計畫」（簡稱矽導計畫），政府購入電腦輔助設計軟體，讓教授和研究生可免費使用，陸續吸引許多人回台服務。但在AI領域，目前似乎未看到類似的大型計畫。

政府預算有限，外商帶來的資源是另一條路。黃正能指出，中國當年發展AI也並非完全靠自己，部分仰賴微軟等外商在當地的研發中心。在中美貿易戰延燒的背景下，中國也開始面臨自美商進口晶片和運算資源的限制。

台灣軟體業雖較不受重視，仍有一路默默堅持的奮鬥者。黃正能舉例，訊連科技董事長黃肇雄是他在台大電機系的同學，其Power DVD當初搭著NB品牌一起賣，打出知名度，而訊連子公司、發展AR/AI試妝程式的玩美移動，2022年已於美國紐約證交所上市，就是AI發展的好例子。

談到AI發展的新趨勢，黃正能認為，美國OpenAI公司訓練出的Transformer模型CLIP和DALL·E，可從文字和圖片資料抽取出特徵值，相互對比學習，最終可讓圖片自動生成物體類別的文字（CLIP），文字可也自動生成圖片（DALL·E），近年相當受矚。

近期OpenAI釋出的AI對話機器人ChatGPT也是基於Transformer模型的方法，GPT即生成式預訓練變換模型（Generative Pre-trained Transformer）。而生成式AI可以走到什麼地步、是否取代人類的創造力，也是近期熱門話題。

巨人肩膀上堆積木

ChatGPT一出掀起全球熱烈討論，前Google台灣董事總經理簡立峰表示，2022年AI發展呈現大躍進趨勢，像ChatGPT這樣的模型是人類的「共同腦袋」，接下來數年應有更多語言模型陸續問世，但多屬大國競逐的場域。

他認為對新創團隊來說，不必總是從頭開始發展新技術、新模型，而應學習在巨人肩膀上堆積木，設法開發可商轉的應用產品。新創團隊除了開源的語言模型，也應善用台灣既有的硬體製造和設計優勢。

談到台灣軟硬體業的差別，簡立峰指出，硬體業者可生產不同價格區間的產品，任由荷包實力不同的消費者選擇；雖得面對庫存管理的壓力，但產業供應鏈完整，他國難以複製。

台灣半導體業成功有另一關鍵，就是銀行借貸業者的鼎力支持。業者一年150億~200億美元的資本支出，所須支付的利息可能不到1%，在美國則約4%。他國對手自然望塵莫及。

相較之下，軟體無國界，也無庫存去化問題，但軟體開發要做，就得做到「最好中的最好」，且須不斷創新迭代，以維持領先，「成功者只有少數」。

他認為，從事軟體業的人最好能到國際大公司歷練，接觸世界一流人才，並學會掌握市場脈動。例如在紐約街頭，迎面走來的就是各色人種，因此在當地開發的軟體自然得符合不同族群的多元需求，台灣的環境則較欠缺這樣的多元性。

但他也提到，IC設計人才最適合創業，這是台灣的另一強項。因IC設計是軟硬體交會口、也會處理到產品應用面，因此IC設計人才出來創業3個有2個會成功，特別是有專案管理經驗者。

觀察台灣近年崛起的軟體新創，許多創辦人便是在外商公司歷練過，或有長期異地求學經驗。

AI軟體公司愛卡拉（iKala）共同創辦人程世嘉、Foundi房地資訊站共同創辦人鄭依桓，都曾是Google軟體工程師；發展AI語音技術的犀動智能（Aiello）共同創辦人沈書緯，則曾在高通（Qualcomm）和Google任職。被譽為台灣首家軟體獨角獸公司的沛星互動科技（Appier），其共同創辦人游直翰則在史丹佛大學和哈佛大學分別取得碩士和博士學位，在學術界深耕多年後才開啟創業之旅。

沈書緯日前表示，在Google工作期間，曾參與許多現今已停擺的計畫，包括用氣球發展空中無線網路的Project Loon；計畫喊卡在美國總部乃常事，並不會特別覺得挫折。當然他也曾參與Google Home、Google Assistant等持續發展的計畫。

他強調，重點不是在哪家大公司工作，而是能否接觸到來自不同背景、擁有不同專長的人。過去擔任大公司專案經理時，找供應商相當容易、也有許多廠商主動接觸，創業後則得從頭開始。

外商研發中心增  有助台灣留才？

經濟部2022年9月在行政院報告「吸引國際大廠來台設立研發中心現況與推動做法」，其資料顯示，國際大廠在台設立研發中心約30家，其中包括美光（Micron）、默克（Merck）、恩智浦（NXP）等9家為近2年首次在台設立。同時，外商在台總研發金額從2018年新台幣31億元增至2022年243億元，寫下歷史新高。

外商公司一般不對外透露在台員工數，不過據了解，以Google而言，其台灣員工數近年快速成長，2019~2020年約3,000人，現已增至近5,000人，且在台設有伺服器設計和IC設計團隊。對此，Google台灣官方表示，「該消息並不正確，我們不對外公布員工人數。」

Google於2006年進入台灣，2010年撤出中國市場，2013年啟用位於彰濱的資料中心，2018年收購宏達電約2,000人的手機工程團隊，2021年在台灣啟用位於新北市遠東通訊園區的全新辦公室，美國總部以外最大硬體研發基地就在台灣，且全新海底電纜將通過台灣、而非香港。上述事件雖不必然有因果關係，但顯示Google總部相當看重台灣。

台灣市場規模受限，但台灣產業生態系的優勢，其他地區短時間內難以複製。

台灣產業談軟硬整合談了數十年，目前仍呈現硬體業遠大於軟體業的態勢。當AI軟硬體技術日新月異，正橫掃IC設計、車聯網、雲端運算、智慧製造、智慧醫療等眾多領域，業者或許可思考如何善用資源、掌握新興趨勢，帶領供應鏈夥伴走出新局。

 

責任編輯：游允彤