AI技术持续神速突破，正贯穿软硬件并跨各行产业应用，由数字化升级到AI化，带来人类生活与产业的各种变革。AI技术持续神速突破中，已然成为全球数字化的主流，也正贯穿软硬件并跨产业应用，从关键零组件、智能装置、软件、平台、应用服务等，正在形成人工智能产业生态。
AI技术持续进步，融合各种新旧技术如云端、物联网、大数据、VR／AR／XR等成为各种AIoT新应用，AI成为各行各业的数字化升级到AI化，带来人类生活与产业的各种变革。
AI整体趋势方向：市场规模预测与重点投资项目
全球市场规模软件占大宗，亚太市场正崛起中。根据IDC分析，全球人工智能整体市场营收（涵盖软件、硬件、服务），2022年达3,169亿美元，2023年达4,328 亿美元，年成长率近20％，也预估2025年将破7,000亿美元。
软件仍占大宗，涵盖四个次软件领域，以2023年为例，各自市场占比优先级为： AI应用占近49％位居第一、其次AI系统架构软件占35％、第三是AI应用开发与部署软件占12％、第四是AI平台约4％。
全球投入人工智能重点项目与优先级
根据调查全球私部门投资在人工智能项目中的前五大依序为：医疗和保健类、数据管理、处理和云端运算、金融科技、零售、影音视讯，如图2所示。
值得注意的是，多数企业体认到数据在发展人工智能的重要性，将相对过去更愿意投资在资料领域，不论是大数据、小数据（Small>
AI未来四大发展方向：分布式AI、生成式AI、可信任AI、永续AI
归纳AI市场趋势与长期AI技术发展观测，预估AI未来二至三年将朝向四个发展方向：分布式AI、生成式AI、可信任AI、永续AI，以下个别分析如下。
分布式AI：Edge AI 2.0 是边缘协作的关键
边缘AI由于不用上云端，达到实时回馈、隐私保护、弹性客制化等。目前Edge AI发展已从AI芯片层次迈向AI算法在边缘端、装置端处理分析终端或网络上所产生或收集的数据，因此企业可以在边缘端做不同等级的AI运算、分析和模型。
因永续议题兴起，也开始追求减少AI模型训练时间及资源需求（如算力、时间、数据等），达到低资源需求的分布式运作，此建议两种思维作法：
（1）追求最适化算法：随着数据量持续成长下，深度学习DL擅长处理巨量且非结构数据，传统机器学习ML仍然比DL更为实用，ML更透明、具可解释性、较节能，ML 和 DL 各有优点互补，因此需考虑应用场域中的数据特性和限制、算力需求等，结合并用；
（2）减少训练AI之消耗：如现况数字装置的普遍问题是App支持跨装置，缺乏弹性，造成部分能耗，如从高阶到低阶手机，不同硬件资源适合的最佳AI神经网络架构差异很大，为因应各种装置情况须从零开始重新训练，加上大数据处理及AI模型训练建置等成本，多导致过度能源消耗。
因此可以建置一个训练支持多场景配置架构（Once-For-All，OFA），设计一次性网络，直接部署在不同架构配置下，分摊训练AI成本与能耗，让AI模型架构须能依据状况进行弹性调整达低能耗。
归纳未来AI分布式运作系统架构软件开发三面向
（1）分布式系统架构：增强AI系统韧性与安全、顾及隐私保护、异地备援等，将朝向去中心化部署；
（2）边云协作：目前多运用联邦式学习的特点在于不同边缘装置可以在不分享本端数据的条件下，也能在云端上共同参与AI模型训练与学习，并持续追求AI模型优化，在各地边缘装置也能同步从云端下载最新、最好的AI模型。同时依据数据运作的层次来决定联邦式学习的运作层次，例如在终端（On-Device）、边缘（Edge-Based）、云端（Cloud-Based）这三种层次上，都可以进行AI模型训练与学习，达到边云协作的境界。
（3）虚实整合：能运用AI软件快速进行各种传感器与智能装置的AIoT化等布建，并能依据各种情境设计出实体与数字同步运作的人机协作之AIoT系统，以因应未来数字分身（Digital Twin）及元宇宙等应用。
生成式AI：正在快速衍生新应用市场
Generative AI目前几乎是AI创造力的代名词，其原理是透过生成网络（GenerativeNetwork）与鉴别网络（Discriminating Network）进行博弈竞赛，AI藉此过程中创造出各种虚实多元的可能性，如图5。
目前生成式AI可以处理文字、语音、声音、图像、音乐、视讯、生理感测等，可以写文章、编故事、虚拟人物、影音创作、数字设计、数据扩增、程序设计等，也可以发展各种数字工具，正快速衍生各种新应用市场，如智能医疗影像、新药开发、实体商品虚拟化、机器人仿真器以及现在很热门的元宇宙。
在AI元宇宙生态系架构中，可协助元宇宙发展软硬整合的平台，AI在跨软硬件可同时发力，AI芯片负责支持不同的算力需求，而AI算法从感测数据、认知学习、模型建立与运维，连结具体应用场景，特别是能依据不同终端设备入口与接口来设计人机互动方式并且创造新服务如图7。
AI是元宇宙的大脑，会成为元宇宙的管理者，但关键在于是否能发展出可交换或协作的AI工具或标准，同时在虚实整合的世界里必须要以人类使用者体验为中心，达到AI个人化体验。
可信任AI：将促使AI新解决方案或验测工具兴起
人工智能的黑盒子是AI发展的痛点之一，随着AI应用百花齐放，企业也开始评估导入AI所带来的问题如网络安全、人身安全、合法性、可解释性、隐私保护、数据偏误、公平性、多元性、对环境所带来的负面影响等，这些皆属于可信任人工智能（TrustedAI/Trustworthy AI）范围，国际上从2018年迄今从可解释AI（Explainable AI）、负责任AI （Responsible AI）、可信任AI等相关议题持续演化，欧美等及国际组织等已研拟AI规范或标准，加上随着AI应用遍地开花，也伴随着AI风险随之升高，因此导致企业导入AI时会产生疑虑或技术障碍。
故从2020年开始迄今，可信任人工智能议题也从伦理道德层次朝向工具化、技术化落实。如此一来，一方面为了提升AI被导入的意愿，也许会间接加速AI应用市场扩展，另一方面成为AI新商机，也观察到国际大厂或新创发展出各种可信任AI工具或解决方案，也是AI新应用市场。但每个应用所需要可信任AI的需求程度不同，如图7所示。简言之，目前全球产官学研积极布局可信任AI，未来将左右AI技术发展与应用市场，台湾业者宜及早布局。
永续AI：全球需要AI-based 工具协助有效全面净零减碳
前三项AI都必须与永续AI扣合，全球需要AI-based 工具协助有效全面减碳，并进行绿色与数字双轴转型。但若要运用AI需要有数字化的设备及大数据基础等，因此先进国家和开发中国家才有机会充分利用AI，如欧、美与东亚具有大量高科技人力、数据与技术，可以导入AI来协助。目前这方面的AI较多运用在协助精准生产、提升企业营运效率以及自动化方面。
值得注意的是，AI双轴转型哲学在于先掌握AI发展的一体两面，即能评估运用AI带来的正负影响，方能善用AI融合ESG驱动双轴创新转型策略。根据联合国调查分析AI在 SDGs 134个指标之中，有近80％可以带来正面影响，特别是在智能制造、智能农业、卫星影像辨识、环境感测、智能城市等五个应用，而另一方面，AI也会带来一些负面影响，例如数字落差加剧、数据偏差带来歧视、取代劳力威胁、先进AI需大量运算资源、模型缺陷与滥用、操控舆论、对民主与人权造成威胁等。
此以发展AI技术三大要素－算力、算法、数据为核心，并从供给面、需求面、制造面、环境面切入AI可以协助净零永续的面向，如图8所示。
结论与建议
AI跨域多元，从芯片、算法、大数据、基础架构及商业模式等，AI都面临着不同层次的问题与挑战，如在装置端或边缘端，在不牺牲算力的条件下达到低功耗、发展出可以追踪或监督数据所导致监督模型偏误的工具或平台、善用生成式AI产生合成数据以解决数据不足的问题、运用分布式架构避免运算或传输资源的浪费等。
AI技术本身仍在发展中，所遇到各种挑战中也隐藏着AI技术创新机会和潜力商机。
原文链接：