發展AI及半導體是台灣未來30年的重要關鍵
http://bit.ly/2AvkeZZ
一、前言
過去因為資料量不夠大，同時電腦CPU無法做大量及準確分析，如今各種結構與非結構性
資料量愈來愈大，全部被集中到雲端或者可藉由終端手機進行資料蒐集及分析，加上各式
演算法愈來愈精進及半導體的摩爾定律持續發威，使得人工智慧（Artificial
Intelligence, AI）的環境趨於成熟。
人工智慧會帶來技術變革，也會帶來文化、經濟的變革。從2016年10月美國白宮發佈一篇
有關人工智慧的報告Preparing for the Future of Artificial Intelligence，提及了
四個關鍵概念：機器學習、深度學習、自主和自動化、人機合作，而且認為，人機合作的
效率超過任何單純的人力或機器。
二、AI對國家GDP產生的貢獻
到底AI對國家GDP產生的貢獻是多少？答案是超乎想像，AI應用接受度越高的國家，將對
其GDP產生貢獻愈大。根據美國諮詢機構埃森哲（Accenture）最新報告How Artificial
Intelligence Can Drive China’s Growth，估計到了2035年，以智慧機器為主的AI產業
，因為AI周邊的智慧機器人和智慧機械產業將創造巨大的經濟前景，可望拉抬國家的經濟
成長率（GDP）成長貢獻，例如：美國2%、日本1.9%、中國1.6%。若以這八個國家為基準
算出AI對GDP平均貢獻率是1.6%，則我國2035年GDP可達3.6%。同時，AI創造經濟可能驅動
全球12個大經濟體之16個行業的企業盈利能力平均提高38％，且經濟成長達14兆美元的額
外總增加值（GVA）。
三、全球AI晶片市場預測2016-2022年成長率62.9%
人工智慧被視為第四次工業革命核心，預估到2020年，AI市場商機規模高達3,000億美元
。根據市調公司MarketsandMartets調研報告Artificial Intelligence (Chipsets)
Market by Technology (Deep Learning, Robotics, Digital Personal Assistant,
Querying Method, Natural Language Processing, Context Aware Processing),
Offering, End-User Industry, and Geography - Global Forecast to 2022，針對人工
智慧（晶片模組）技術市場，從深度學習、機器人、個人數位助理、搜尋方法、自然語言
處理、情境察覺處理等應用，預估人工智慧（AI）晶片總體市場產值從2016的8.6億美元
以年均複合成長率(CAGR)62.9%，到2022年將達到160.6億美元。在「得晶片者得天下」預
期心理驅動之下，因此吸引各大科技廠爭相加碼投資。
四、AI晶片發展之現況
AI晶片包含三大類市場，分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(
自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用GPU圖像處理，尤以
NVIDIA是此一領域龍頭，但是，有些業者認為GPU處理效率不夠快，而且因應眾多特定新
產品的不同需求，於是，推出NPU、VPU、TPU、NVPU...等等。目前還不清楚哪種架構的晶
片會在AI大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要
求，難度上比雲端數據晶片更高。為搶未來AI應用市場商機，科技巨鱷(如：Google、微
軟、蘋果)企圖建構AI平台生態模式吃下整個產業鏈。
五、AI發展八大趨勢
趨勢一：AI各行業垂直領域應用具有巨大的潛力
人工智慧市場在零售、交通運輸和自動化、製造業及農業等各行業垂直領域具有巨大的潛
力。而驅動市場的主要因素，是人工智慧技術在各種終端用戶垂直領域的應用數量不斷增
加，尤其是改善對終端消費者服務。
當然人工智慧市場要起來也受到IT基礎設施完善、智慧型手機及智能穿戴式裝置的普及。
其中，以自然語言處理（NLP）應用市場佔AI市場很大部分。隨著自然語言處理的技術不
斷精進而驅動消費者服務的成長，還有：汽車資通訊娛樂系統、AI機器人及支持AI的智慧
手機等領域。
趨勢二：AI導入醫療保健行業維持高速成長
首先，人工智慧導入醫療保健行業從2016年到2022年維持很高成長，預計從2016年的
6.671億美元達到2022年的79.888億美元年均複合增長率為52.68％。由於醫療保健行業大
量使用大數據及人工智慧，進而精準改善疾病診斷、醫療人員與患者之間人力的不平衡、
降低醫療成本、促進跨行業合作關係。此外AI還廣泛應用於臨床試驗、大型醫療計畫、醫
療諮詢與宣傳推廣和銷售開發。
趨勢三：AI取代螢幕成為新UI / UX介面
過去從PC到手機時代以來，使用者介面都是透過螢幕或鍵盤來互動。隨著智慧喇叭
(Smart Speaker)、虛擬/擴增實境(VR/AR)與自動駕駛車系統陸續進入人類生活環境，加
速在不需要螢幕的情況下，人們也能夠很輕鬆自在與運算系統溝通。這表示著人工智慧透
過自然語言處理與機器學習讓技術變得更為直觀，也變得較易操控，未來將可以取代螢幕
在使用者介面與使用者體驗的地位。人工智慧除了在企業後端扮演重要角色外，在技術介
面也可承擔更複雜角色。例如：使用視覺圖形的自動駕駛車，透過人工神經網路以實現即
時翻譯，也就是說，人工智慧讓介面變得更為簡單且更有智慧，也因此設定了未來互動的
高標準模式。
趨勢四：未來手機晶片一定內建AI運算核心
現階段主流的ARM架構處理器速度不夠快，若要進行大量的圖像運算仍嫌不足，所以未來
的手機晶片一定會內建AI運算核心。正如，蘋果將3D感測技術帶入iPhone之後，Android
陣營目前僅華為推出AI智慧型手機，其他競爭業者預估也將在明年(2018)跟進導入3D感測
技術，並佈局終端相關商業應用。例如：利用Siri、Alexa等虛擬語音助理變得更加智慧
化，進而根據個人化的需求為每個用戶提供獨特的服務。
趨勢五：AI晶片關鍵在於成功整合軟硬體
AI晶片的核心是半導體及演算法。AI硬體主要是要求更快運算速度與低功耗，包括GPU、
DSP、ASIC、FPGA和神經元晶片，且須與深度學習演算法相結合，而成功相結合的關鍵在
於先進的封裝技術。總體來說GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬體
選擇就看產品供應商的需求考量而定。例如：蘋果的Face ID臉部辨識就是3D深度感測晶
片加上神經引擎運算功能，整合高達8個元件進行分析，分別是紅外線鏡頭、泛光感應元
件、距離感應器、環境光感測器、前端相機、點陣投影器、喇叭與麥克風。蘋果強調用戶
的生物識別數據，包含：指紋或臉部辨識都以加密形式儲存在iPhone內部，所以不易被竊
取。
趨勢六：AI自主學習是終極目標
AI“大腦”變聰明是分階段進行，從機器學習進化到深度學習，再進化至自主學習。目前
，仍處於機器學習及深度學習的階段，若要達到自主學習需要解決四大關鍵問題。首先，
是為自主機器打造一個AI平台；還要提供一個能夠讓自主機器進行自主學習的虛擬環境，
必須符合物理法則，碰撞，壓力，效果都要與現實世界一樣；然後再將AI的“大腦”放到
自主機器的框架中；最後建立虛擬世界入口(VR)。目前，NVIDIA推出自主機器處理器
Xavier，就在為自主機器的商用和普及做準備工作。
趨勢七：最完美的架構是把CPU和GPU(或其他處理器)結合起來
未來，還會推出許多專門的領域所需的超強性能的處理器，但是CPU是通用於各種設備，
什麼場景都可以適用。所以，最完美的架構是把CPU和GPU(或其他處理器)結合起來。例如
，NVIDIA推出CUDA計算架構，將專用功能ASIC與通用編程模型相結合，使開發人員實現多
種算法。
趨勢八：AI和AR兩者是互補的，互相不可或缺
未來的AI需要AR，未來的AR也需要AI，可以將AR比喻成AI的眼睛。為了機器人學習而創造
的在虛擬世界，本身就是虛擬現實。還有，如果要讓人進入到虛擬環境去對機器人進行訓
練，還需要更多其它的技術。總體而言，AI和AR兩者是互補的，互相不可或缺。
六、AI科研戰略就是「AI小國大戰略」
基於AI是全球科技發展的關鍵，且關係著未來30年的國家競爭力。我國從既有的領先全球
的半導體及ICT產業優勢切入，打造由人才、技術、場域及產業構築而成的AI創新生態圈
，引導台灣成為AI發展重鎮，進而孕育AI新興產業應用。
科技部長陳良基提出AI科研戰略就是「AI小國大戰略」，預計5年投入160億建構我國AI創
新生態環境。推出5大策略：「研發服務-建構AI主機」、「創新加值-設立AI創新研究中
心」、「創意實踐-打造智慧機器人創新基地」、「產業領航-半導體射月計畫」及「社會
參與-科技大擂台」等。由科技部、教育部及經濟部等機關協力合作，引導學、研及業界
投入，一邊培育AI軟硬體人才，一邊產生產業群聚效應，協助產業轉型升級，使台灣成為
AI發展重鎮，再創台灣未來30年榮景。
七、結語
至於CPU是否會被TPU、NPU、VPU…等之類新類型處理器取代，答案應該不會。因為，新出
現的處理器只是為了處理新發現或尚未解決的問題，而且未來傾向將CPU整合。同時，晶
片市場期望能有更多競爭及選擇，不要英特爾、高通獨大。科技企業搶人工智慧應用商機
，AI晶片成為兵家必爭之地。
AI晶片是一個新興的產品，等待更多「殺手級」應用出現，目前看來，蘋果及華為選擇先
從手機內建AI晶片切入，然後等待明年(2018)AR內容及技術成熟，之後再等待至2019年5G
下世代網絡設備完成佈建。
迎接物聯網時代來臨，以往大家認為摩爾定律最後會走到極限，答案尚未可知，但僅知可
能拉長時間從現有18個月到36個月，且在新先進晶圓廠建置成本不斷疊高之下(3奈米廠約
2000億美金)，使晶片成本減半將不再可能維持，況且未來矽世代是異質性及跨界的整合
，將提高封裝的困難度。NVIDIA執行長黃仁勳也同意這觀點，認為摩爾定律已經是舊時代
的法則，新加入GPU的計算速率和神經網路複雜性都在過去2到5年內呈現出爆發性成長，
這類AI需求不斷出現將拉長半導體製程及增加困難度及成本。
因此，展望未來，隨著AI、物聯網、VR/AR、5G等技術成熟，將帶動新一波半導體產業的
30年榮景，包括：記憶體、中央處理器、通訊與感測器四大晶片，各種新產品應用晶片需
求不斷增加，以台灣在半導體的競爭力絕對在全球可扮演關鍵的角色。