人工智慧（AI）這兩年成為全球科技產業最熱門的議題，根據工研院IEK的報告指出，目前的AI應用多以雲端運算為主，原因在於深度學習所需的運算資源非常龐大，造成需要大型資料與運算中心才能支應這些運算需求。

然而，AI的普及最終仍需滲透到行動與終端裝置上，而這種邊緣運算架構，仍有「低功耗的運算晶片」、以及「適用於終端的輕量化演算法」等二項技術挑戰待解。

低功耗AI運算晶片已是全球半導體產業的發展焦點，各種解決方案不斷浮出，各自擁有適用情境與優劣勢，演算法的輕量化，則需使用壓縮技術將龐大的演算法模型精簡化，以供終端使用。這些技術與服務，是目前國際領導大廠與新創企業所積極發展的目標。

至於未來AI的發展，IEK認為將會走向人工智慧即服務（AI-as-A-Service）與物聯網平台（IoT Platform）的結合，AI應用平台、AI演算法與AI感測晶片會是三位一體，台灣業者則可從AI應用系統與平台架構出發，並掌握該應用相關之AI演算法發展，再由AIoT終端零組件及聯網設備的產業優勢切入，如感測晶片、光學模組、觸控面板、匣道器等，建議提升這些關鍵元件的功能，整合人工智慧技術發展硬體上的軟體模組，推出高附加價值的AIoT機器元件，增加台灣在AIoT的核心競爭能力。

目前來看AI與IoT的結合，進化為AIoT已是大勢所趨，由AI所引領的第4波科技創新正在發生，不論是既有產業的轉型升級，或是新創企業的突破創新，AI都將是發展關鍵，如果能有效運用，產業就能提升競爭力。

製造業AI化IT與OT並進

製造業的AI應用可分為兩部份，在IT端，台灣的AI優勢在於製造業的終端資料、各類型資料庫（先進製造、健康醫療等）及半導體核心運算技術等，應運用優勢扮演垂直整合或生態系領導者的關鍵伙伴，同時透過智慧系統與服務，可望提升製造業附加價值創造，強化供應鏈管理與帶動新需求，也能提高服務業勞動生產力，創造新型態科技服務模式。例如，從生產過程中擷取的各種資料，分析問題所在或可改善的地方，達到提升良率、優化製程、縮短生產週期等效果。

圖1 : 台灣的AI優勢在於製造業的終端資料、各類型資料庫等，應運用優勢扮演垂直整合或生態系領導者的關鍵伙伴。（Source: Redline）

在OT端則以工業物聯網的應用為主，未來製造業將以工業物聯網作為運作骨幹，智慧製造要求系統設備從接單、生產、出貨均可以100%自主化生產，工業物聯網建置的主要目標，是透過感測技術擷取設備數據，傳輸到最上層的管控平台，用以掌握現場設備狀態，並制定出最佳生產策略。

AI與工業物聯網結合後，最上層的應用與第一層的設備端都會有運算能力，上層平台主要讓AI計算大量製造數據後，建立出最佳化的製程模型，終端設備則是在即時性需求較高的製程中，讓AI可以經由深度學習做出精準動作，例如視覺檢測中，就可將AI與視覺感測元件結合，讓設備可以自行判斷產品品質是否合格，再結合機器手臂，就可讓腦、眼、手合一，達到設備智慧化的願景。

AI協助醫療加快智慧腳步

AI在醫療的應用可分為醫療與醫護兩大部分，醫療方面目前主要是透過AI分析龐大的醫療數據，協助醫師的診斷，例如透過大數據與AI，判斷醫療數位影像，目前的醫學影像主要作為醫師的診療判斷，這兩年漸受IT產業矚目的機器學習技術，也開始被嘗試應用在此一領域。

透過機器學習，將可分類病患和健康身體狀態的連結程度，目前已有醫學機構積極將AI應用於醫療影像的判斷，例如以功能性造影確認腦部的活化狀態與療程能否改善腦部的功能，另外結構性造影則可確認特定腦區的體積大小，便於相關疾病的萎縮程度判斷。

圖2 : 透過AI分析龐大的醫療數據，可協助醫師診斷。（Source:HOB）

在醫護方面，則可透過具備機器學習能力的聊天機器人，能提供醫療照護者正確、及時的資訊及建議，改善臨床醫師與專科醫師的互動模式，創造無縫的醫療資訊分享環境，將是協助指導病患照護並提高效率的利器。隨著涵蓋的醫療照護層面更廣，有極大潛力落實提高病患照護品質的目標。

善用AI技術 舒緩交通壅塞

交通系統應用AI已有一段時間，目前主要用於分析車流，舒緩塞車現象，這類型應用是分析運算道路上監控系統影像中的車流狀況後，再控制紅綠燈、匝道管制燈號紓解交通，未來則會結合深度學習、影像偵測及自動駕駛等資訊科技，讓交通監控系統變得更有智慧。

公路總局為配合高速公路部分易壅塞路段，規劃替代道路，早已在省道公路建置各種路側設施，包括車輛偵測器（VD）、閉路式電視攝影機（CCTV）、資訊可變標誌（CMS）、氣候偵測器、自動車牌辨識（AVI）、影像事件偵測系統（IID）等，並且在所屬的養護工程處成立交控中心，負責路況資訊的蒐集、發布、反應。

目前省道公路VD的佈建距離平約達5～10公里，且僅能收集「定點」的行車數量及行駛速率，無法提供更完整的「線段」資訊，過去也曾利用公路客運上的GPS所回傳的資訊，但由於客運有班次及路線的限制，還是無法達到全面性的資訊收集，未來希望能透過e-Tag Reader裝置，提供更全方位的交通資訊。

AI打造新物流願景

AI技術在物流領域的應用包括集貨線路優化、貨物配裝及送貨線路優化等，是配送系統優化的關鍵，國外將配送車輛調度問題歸納為車輛路徑規劃、車輛調度等部分，應用AI的運算能力，解決上述問題。

此外具有AI功能的硬體機器人，也逐漸應用在物流的倉儲和裝卸流程，這些機器人具備感知、判斷和自行解決物流問題的能力，例如透過內建視覺識別技術給機器人，讓機器人可以在貨架上快速揀貨，在多品項、不同外觀形狀的揀貨流程中，具有圖象識別系統和多功能機械手臂的機器人，每到一種物品托盤就可根據圖象識別系統判斷的物品形狀，採用與之相應的機械手臂抓取，再放置到搭配托盤上。

隨著網際網路、電子商務的發展，消費者的需求逐漸轉為多樣化和個性化，企業的訂單處理也呈現出「多品種、小批量、多批次、高時效」的特點，特別是「新零售」概念的推出，對倉儲系統的智慧化、彈性化提出了更高的要求，AI的發展，將加快倉儲物流業的智慧化升級。

**刊頭圖（Source: FactorDaily）