在每年的一月號，CTIMES的編輯群們針對自身所關注的領域，提出各自對於科技產業的觀察心得與看法。今年編輯們有志一同，均看好AI應用的蓬勃，看來今年的關鍵字，非AI莫屬了。

在蔓延三年的疫情後，CTIMES的編輯群們又再度深赴產業採訪各式不同科技議題。儘管各自主跑領域不同，然而殊途同歸，紛紛得出了今年的重要關鍵字：AI。

幸好有AI！讓2024年半導體發展有了樂觀的本錢

圖一 : 【副總編輯 籃貫銘】

必須得先說，現在還在推敲2024年景氣是不是會回溫，這實在是一件非常令人沮喪的事。只能說2023年的發展真的太低迷，種種的天災人禍把全球的經濟堵成了一灘死水，然後你不退，我也不退，於是局面陷得更深，更是難解…

幸好有AI，不然整個2023年真的乏善可陳，也真的幸好有AI，我們對於2024年的發展才有了樂觀的本錢。

而綜觀2024年半導體產業的發展，我想我十分認同台積電董事長劉德音的觀點，就是「將是健康成長年，請大家放心。」因為從需求面來看，半導體仍處於很強烈的成長態勢之中，尤其這波全面性的數位轉型浪潮，可以說才在2023年剛剛起了個頭，接下來才是重頭戲。

這對半導體產業有什麼影響？首先當然是「量」的提升。更多的數位應用，意味著更廣泛的數位化，這不僅需要邏輯IC與記憶體的支援，還需要有更多的感測器與電源IC的共襄盛舉，所以半導體晶圓的年出貨量將會持續的成長，無論是邏輯IC或者類比IC，預計在2024年應該都能雨露均霑。

以眼下最熱門的電動車為例，一部電動車現在預估需要2000顆到7000顆的晶片（各家提出的數據差異頗大），而2024年的電動車預計可銷售1490萬輛（經濟學人預測），若換成晶片量，就有約近千億顆，而這還不包含一般汽車的半導體用量，所以光是汽車這一個領域，就已經為今年的半導體發展奠下了基石，更遑論其他消費性與工業領域的數位化浪潮所帶來的半導體用量。

另一個則是「質」的提升。這不單單只是微縮製程的進步，更包含了設計架構的轉變，以及先進封裝應用的擴大，都會推升半導體整體的產值再往上一個層次。

先進封裝與小晶片設計是產業亮點

目前檯面上最受關注的，當然就是2奈米製程的發展，但這項技術的商用時間點應該是會落在2025年之後，所以不會是2024年的主角。2024年要看的，則是「先進封裝技術」的發展，以及其應用的多元化；另一個，則是「小晶片（Chiplet）」設計模式的落實程度。

在先進封裝方面，它除了是現在的當紅炸子雞AI晶片的關鍵技術外，更是漸趨成熟的矽光子與量子晶片不可或缺的製程，也因此台積電、英特爾和三星都紛紛擴大自身先進封裝的產能，其他如日月光和聯電等，也都枕戈待旦，準備迎接即將大爆發的先進封裝市場。

至於小晶片設計，則是IC設計業者能否搶佔高階應用的關鍵，這種透過3D堆疊與異質整合技術的新型晶片設計架構，已經在處理器市場展露絕佳的運算性能，未來也會逐步進入汽車與工業等應用領域。但小晶片最重要的影響並不是在晶片本身性能的提升上，反而是IC設計產業結構上的改變，它除了可以帶動IP產業的活化，甚至也能衍生出新的商業模式，進而刺激半導體產業的創新。

至於2024年會有哪些風險．只能說事在人為，偏偏人又是最難以預測的變數，我很看好新科技與新應用的發展，但我對人們的理性決策能力感到非常的無奈。

欲求AI先求「會哎」 製造業轉型追求有感升級

圖二 : 【資深編輯 陳念舜】

回顧2023年由於加上地緣政治衝突、戰爭不斷，造就國際通膨環境，與後續美、歐央行先後宣佈升息，進入高利率時代。因此，除了導致台灣製造業的出口主力，包括電動車、風力電機等新興應用市場，需要銀行大筆融資來擴產的動作受阻；甚至推升了美元匯率，也等於壓抑了包括日圓等亞洲貨幣貶值，造成「日本製造台灣價」不利於國際市場競爭。

此時，如何加速機械設備與製造業轉型升級的話題再被提起，除了在疫情期間，跨國商務活動中斷，更凸顯機械設備與製造業數位轉型的迫切性，包括（2022~2023）連續兩屆工具機展（TIMTOS/TMTS），皆可見數位分身（Digital Twins）模擬切削的具體應用；也讓業者利用疫後全球需求大幅反彈的時機，加強導人工智慧（AI）技術，來優化生產製程與提高產品附加價值。

尤其是工具機產業向來被譽為「機械之母」，無論是傳產或高科技製造業的根本。未來甚至可運用既有台灣機械業既有萬機聯網上雲為基礎，取得大量數據進行分析、模擬；串聯工具機產業共通標準，開發所需App小程式應用服務，投入研發提升機台性能；進而提供終端加工業者，開始應用數據與智慧來優化生產製程、創新商務模式並提高產品附加價值，協助終端加工業共同邁向高階製造。

放眼2024年即將開始湧現大量的AI軟硬體、訂製化模型和商業模式等創造性革新。台灣在開發通才大語言模型（LLM）生成式AI所需的資料量、算力和財力方面，恐難與國際大廠競爭。建議或可從專才型生成式AI著手，開發特定領域專用小語言（SLM）模型加值應用，或透過開源碼用特定領域資料訓練模型，投入發展微型化、特定領域解決方案，發揮台灣產業群聚優勢，可望能加速開創AI創新應用利基與新局。

此外，製造業導入AI轉型還須留意3大重點：首先是完成能夠實踐數位分身的資料數位化，讓研發、管理到製造流程同步並進，加速產品上市；其次是善用雲端平台，降低對於AI高速算力和儲存空間等硬體建構的昂貴成本，打造團隊協作基地；最後是挑選具備AI和機械學習的訓練工具和模型，透過軟體自主學習使用者的設計習慣和喜好不斷進化，進而具備自動設計的效能，把產品生命週期的時間留給前期創新，也有助於製造業吸引、培訓留才。

在數位轉型框架中，賦能員工是重要的一環，企業領袖應鼓勵員工擁抱新工具多多嘗試，或選擇耗時、重複性高、低風險的工作，藉AI提升效能、增進營運效率。企業亦可成立跨部門團隊，蒐集數據、優化流程、自建模型等，發展出自己的企業大腦，進而加速數位轉型，邁向AI轉型目標。

生成式AI及服務機器人改變醫療產業前景

圖三 : 【編輯 陳復霞】

根據Stratistics MRC預測，至2030年全球醫療診斷領域人工智慧（AI）市場規模將達到105億美元，預測期內年複合成長率為34.2%。雖然醫療AI市場發展面臨成本高、數據隱私和監管等限制緩步，但AI在醫療診斷中的應用已經證明能夠提供準確的診斷、支持臨床判斷、提高醫療保健專業人員的判斷力。

Google、微軟及亞馬遜旗下AWS（Amazon Web Services）都利用生成式AI結合雲端服務，搶占醫療AI市場大餅。Google認為未來更多醫療醫療新服務轉移由生成式AI模型處理。Google近期發表針對醫療產業進行微調的MedLM系列模型，以Med-PaLM 2為基礎，目前提供給列入Vertex AI許可名單的美國Google Cloud用戶使用，也為其他市場提供預覽版。Med-PaLM 2為Google針對醫療保健領域所開發的模型，能夠執行回答醫療問題，以及彙整醫療文件、整理大量健康數據等需求。MedLM共有2種可使用，一個較大的模型專為複雜任務所設計，另一個中型模型可微調且適合跨任務擴展。

Google Cloud與美國明尼蘇達州的Mayo Clinic合作，利用生成式AI強化患者資訊搜索；微軟於2022年收購健康AI公司Nuance，在2023年3月份宣布自動生成臨床記錄應用程式DAX Express，並可結合現有AI和OpenAI模型GPT-4記錄，微軟並與電子健康記錄（EHR）供應商Epic Systems合作，將微軟的生成式AI與Epic的EHR軟體整合；亞馬遜推出AWS HealthScribe使用生成式AI和語音識別可自動創建醫療記錄及建立資訊摘要，然後將相關數據輸入到EHR系統。在常見的普通醫學和骨科專業使用，將不再需要管理底層機器學習（ML）基礎設施或訓練自己的醫療專屬大語言模型（LLM），AWS開發多項新功能以降低生成式AI的使用門檻，並計劃與客戶密切合作擴大應用範圍。

近年來台灣的醫療器材廠商也積極投入開發醫療AI產品，例如醫揚開發影像分析、醫療電腦、行動護理等；商之器以新一代醫療影像系統結合行動醫療及AI應用平台；長佳智能推出多科別醫療AI輔助診斷與開發骨齡輔助診斷、心電圖分析軟體等產品；宏碁智醫將AI運用到醫療照護領域，推出台灣第一個獲准上市的眼科AI軟體醫材；晉弘的眼底攝影機透過AI視網膜影像分析軟體能夠判讀眼部病變等，高階醫材著重AI建立特色及開拓格局已成趨勢。

生成式AI深入醫療應用服務

醫療領域對於AI軟體及時提供準確診斷的需求持續增加，未來生成式AI整合的新軟體產品和應用服務也因應而生，透過醫療AI應用程式，可望整合資源支援管理及執行任務，以減少複雜性和錯誤，節省金錢和時間，有效減輕醫護人員的負擔，使其專注於核心任務。值得注意的是，生成式AI的回答未必全部準確或可靠，畢竟它們是通過大量資訊及案例訓練，而非通過實況驗證，有可能導致生成的內容包含了錯誤或誤導性資訊。至於大型生成式AI模型通常需要大量的運算資源來訓練和推斷，因此在資源受限的環境中難以應用形成進展的阻力。因此，在實際應用中需要謹慎使用，結合其他方法進行驗證和校正。

透過產官學研醫的跨界跨域合作、逐漸擴散專業知識與推動數據資料互通，擴大創新醫療健康場域的加值應用服務，將醫療健康數據互通與加值應用效益相乘擴散，預計未來將有更多廠商持續投入進行模型與軟體最佳化建構新一代AI服務模式，以期為大眾提供更精準、更高效的醫療服務。

此外，除了生成式AI重塑個人與世界的互動方式，機器人則是醫療照護產業的另一要角，下一階段機器人將變得更智慧、更精確、對環境的反應更敏捷，甚至能夠與人類更密切的協作，這不僅在智慧工廠或物流倉儲有所需求，醫療照護領域也逐漸倚重機器人分憂解勞，例如手術機器人已經能精準的移動毫米距離，在微創手術應用；醫療照護智能助手機器人支援優化醫病協作；服務機器人與AI技術整合，可以自然對話與人溝通，並以大語言模型技術開發智慧知識庫（KM），使openAI可使用現行資源摘要與歸納回覆訊息。新型機器人應用的核心為創新半導體，未來機器人還必須掌握多種模式的感測器、安全性、準確感知能力、快速移動力、電源及馬達控制等要素整合成效加值，才能夠以技術優勢切入醫療照護產業供應鏈搶攻商機。

AI持續蟬聯2024年科技關鍵字

圖四 : 【資深編輯 王岫晨】

隨著科技的飛速發展，AI已成為全球各行業的重要驅動力。特別是在2024年，隨著技術進步、政策環境和市場需求等多重因素的推動，全球AI產業的發展前景十分廣闊。

2024年的全球AI產業發展，將受到多種因素的影響，包括技術進步、政策環境、市場需求等。隨著人工智慧技術的不斷進步，特別是在深度學習、自然語言處理、電腦視覺等領域的技術突破，AI產業將會持續快速發展。這些技術將進一步滲透到各個行業和領域，推動智慧化、自動化和高效化的進程。

政策環境也將對AI產業發展產生影響。各國政府對AI產業的重視程度和政策支持力度將直接影響AI產業的發展。如果各國政府能夠制定出有利於AI產業發展的政策，提供良好的創新環境和市場環境，那麼AI產業將會得到更快速的發展。而市場應用需求正加速推動AI產業發展。隨著消費者對智慧化、個性化產品的需求不斷增加，以及企業對於提高生產效率、降低成本的需求，AI產業的市場需求將會持續成長。這將為AI產業的發展提供廣闊的市場空間和機遇。

在未來的AI市場，將呈現出全球合作與競爭並存的狀態：在全球範圍內，各國在AI領域的合作將不斷加強，共同推動AI技術的發展和應用。同時，各國之間的競爭也將加劇，尤其是在關鍵技術和核心資源方面。這種合作與競爭的態勢將促進AI產業的健康發展。

中美競爭下的AI新頁

目前，中美同為AI賽道上的主要選手，近年來也不斷有相關合作。根據美國喬治城大學科技政策小組發佈的報告，2015年至2021年，共有167名美國投資者參與對中國AI企業的投資，金額約為402億美元，占同期中國AI企業融資總額的37%。另據史丹佛大學發佈的報告，過去12年，中美不僅在AI科研領域合作研究數量全球最多，中美企業在涉及新能源汽車及無人駕駛等AI產業領域也展開了廣泛合作。

近幾年，美國政府一心打造科技小院，築起AI高牆，執意切斷中美正常經貿往來和科技交流，擾亂了全球市場秩序，也使美國自身正在推進的產學研專案效果大打折扣。據國際資料中心統計，中國AI市場規模2023年將超過147億美元，到2026年將超過263億美元，成為全球AI產業的主要市場之一。

儘管美國對中國的科技制裁給中國發展AI帶來了一定的挑戰，但中國也擁有自己的優勢。首先，中國在AI領域的研究和應用已經取得了顯著進展，政府和企業都在積極推動AI發展。其次，中國擁有龐大的市場和資料資源，這為AI的創新提供了廣闊的空間。此外，中國還在不斷加強與國際社會的合作，共同推動AI的應用。最後，中國的人工智慧技術人才儲備豐富，這也是中國發展人工智慧的重要優勢之一。

儘管面臨美國的科技制裁等不利因素，但中國仍持續透過自主創新、開放合作的發展戰略，繼續推進AI的應用和創新。總而言之，2024年的全球AI產業發展前景廣闊，但也面臨一些挑戰和不確定性。需要持續關注技術進步、政策環境、市場需求等方面的變化，以更精準掌握AI產業的發展趨勢和機遇。而AI也肯定將會持續蟬聯今年最為火熱的科技關鍵字。