发展AI及半导体是台湾未来30年的重要关键
http://bit.ly/2AvkeZZ
一、前言
过去因为资料量不够大，同时电脑CPU无法做大量及准确分析，如今各种结构与非结构性
资料量愈来愈大，全部被集中到云端或者可借由终端手机进行资料蒐集及分析，加上各式
算法愈来愈精进及半导体的摩尔定律持续发威，使得人工智能（Artificial
Intelligence, AI）的环境趋于成熟。
人工智能会带来技术变革，也会带来文化、经济的变革。从2016年10月美国白宫发布一篇
有关人工智能的报告Preparing for the Future of Artificial Intelligence，提及了
四个关键概念：机器学习、深度学习、自主和自动化、人机合作，而且认为，人机合作的
效率超过任何单纯的人力或机器。
二、AI对国家GDP产生的贡献
到底AI对国家GDP产生的贡献是多少？答案是超乎想像，AI应用接受度越高的国家，将对
其GDP产生贡献愈大。根据美国咨询机构埃森哲（Accenture）最新报告How Artificial
Intelligence Can Drive China’s Growth，估计到了2035年，以智慧机器为主的AI产业
，因为AI周边的智慧机器人和智慧机械产业将创造巨大的经济前景，可望拉抬国家的经济
成长率（GDP）成长贡献，例如：美国2%、日本1.9%、中国1.6%。若以这八个国家为基准
算出AI对GDP平均贡献率是1.6%，则我国2035年GDP可达3.6%。同时，AI创造经济可能驱动
全球12个大经济体之16个行业的企业盈利能力平均提高38％，且经济成长达14兆美元的额
外总增加值（GVA）。
三、全球AI芯片市场预测2016-2022年成长率62.9%
人工智能被视为第四次工业革命核心，预估到2020年，AI市场商机规模高达3,000亿美元
。根据市调公司MarketsandMartets调研报告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，针对人工
智慧（芯片模组）技术市场，从深度学习、机器人、个人数位助理、搜寻方法、自然语言
处理、情境察觉处理等应用，预估人工智能（AI）芯片总体市场产值从2016的8.6亿美元
以年均复合成长率(CAGR)62.9%，到2022年将达到160.6亿美元。在“得芯片者得天下”预
期心理驱动之下，因此吸引各大科技厂争相加码投资。
四、AI芯片发展之现况
AI芯片包含三大类市场，分别是数据中心(云端)、通信终端产品(手机)、特定应用产品(
自驾车、头戴式AR/VR、无人机、机器人...)。当前机器学习多采用GPU图像处理，尤以
NVIDIA是此一领域龙头，但是，有些业者认为GPU处理效率不够快，而且因应众多特定新
产品的不同需求，于是，推出NPU、VPU、TPU、NVPU...等等。目前还不清楚哪种架构的晶
片会在AI大战获胜。但(手机)终端市场对于AI芯片的功耗、尺寸、价格都有极为严格的要
求，难度上比云端数据芯片更高。为抢未来AI应用市场商机，科技巨鳄(如：Google、微
软、苹果)企图建构AI平台生态模式吃下整个产业链。
五、AI发展八大趋势
趋势一：AI各行业垂直领域应用具有巨大的潜力
人工智能市场在零售、交通运输和自动化、制造业及农业等各行业垂直领域具有巨大的潜
力。而驱动市场的主要因素，是人工智能技术在各种终端用户垂直领域的应用数量不断增
加，尤其是改善对终端消费者服务。
当然人工智能市场要起来也受到IT基础设施完善、智慧型手机及智能穿戴式装置的普及。
其中，以自然语言处理（NLP）应用市场占AI市场很大部分。随着自然语言处理的技术不
断精进而驱动消费者服务的成长，还有：汽车资通讯娱乐系统、AI机器人及支持AI的智慧
手机等领域。
趋势二：AI导入医疗保健行业维持高速成长
首先，人工智能导入医疗保健行业从2016年到2022年维持很高成长，预计从2016年的
6.671亿美元达到2022年的79.888亿美元年均复合增长率为52.68％。由于医疗保健行业大
量使用大数据及人工智能，进而精准改善疾病诊断、医疗人员与患者之间人力的不平衡、
降低医疗成本、促进跨行业合作关系。此外AI还广泛应用于临床试验、大型医疗计画、医
疗咨询与宣传推广和销售开发。
趋势三：AI取代萤幕成为新UI / UX接口
过去从PC到手机时代以来，使用者接口都是透过萤幕或键盘来互动。随着智慧喇叭
(Smart Speaker)、虚拟/扩增实境(VR/AR)与自动驾驶车系统陆续进入人类生活环境，加
速在不需要萤幕的情况下，人们也能够很轻松自在与运算系统沟通。这表示着人工智能透
过自然语言处理与机器学习让技术变得更为直观，也变得较易操控，未来将可以取代萤幕
在使用者接口与使用者体验的地位。人工智能除了在企业后端扮演重要角色外，在技术介
面也可承担更复杂角色。例如：使用视觉图形的自动驾驶车，透过人工神经网络以实现即
时翻译，也就是说，人工智能让接口变得更为简单且更有智慧，也因此设定了未来互动的
高标准模式。
趋势四：未来手机芯片一定内建AI运算核心
现阶段主流的ARM架构处理器速度不够快，若要进行大量的图像运算仍嫌不足，所以未来
的手机芯片一定会内建AI运算核心。正如，苹果将3D传感技术带入iPhone之后，Android
阵营目前仅华为推出AI智慧型手机，其他竞争业者预估也将在明年(2018)跟进导入3D传感
技术，并布局终端相关商业应用。例如：利用Siri、Alexa等虚拟语音助理变得更加智慧
化，进而根据个人化的需求为每个用户提供独特的服务。
趋势五：AI芯片关键在于成功整合软硬件
AI芯片的核心是半导体及算法。AI硬件主要是要求更快运算速度与低功耗，包括GPU、
DSP、ASIC、FPGA和神经元芯片，且须与深度学习算法相结合，而成功相结合的关键在
于先进的封装技术。总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件
选择就看产品供应商的需求考量而定。例如：苹果的Face ID脸部辨识就是3D深度传感晶
片加上神经引擎运算功能，整合高达8个元件进行分析，分别是红外线镜头、泛光感应元
件、距离感应器、环境光传感器、前端相机、点阵投影器、喇叭与麦克风。苹果强调用户
的生物识别数据，包含：指纹或脸部辨识都以加密形式储存在iPhone内部，所以不易被窃
取。
趋势六：AI自主学习是终极目标
AI“大脑”变聪明是分阶段进行，从机器学习进化到深度学习，再进化至自主学习。目前
，仍处于机器学习及深度学习的阶段，若要达到自主学习需要解决四大关键问题。首先，
是为自主机器打造一个AI平台；还要提供一个能够让自主机器进行自主学习的虚拟环境，
必须符合物理法则，碰撞，压力，效果都要与现实世界一样；然后再将AI的“大脑”放到
自主机器的框架中；最后建立虚拟世界入口(VR)。目前，NVIDIA推出自主机器处理器
Xavier，就在为自主机器的商用和普及做准备工作。
趋势七：最完美的架构是把CPU和GPU(或其他处理器)结合起来
未来，还会推出许多专门的领域所需的超强性能的处理器，但是CPU是通用于各种设备，
什么场景都可以适用。所以，最完美的架构是把CPU和GPU(或其他处理器)结合起来。例如
，NVIDIA推出CUDA计算架构，将专用功能ASIC与通用编程模型相结合，使开发人员实现多
种算法。
趋势八：AI和AR两者是互补的，互相不可或缺
未来的AI需要AR，未来的AR也需要AI，可以将AR比喻成AI的眼睛。为了机器人学习而创造
的在虚拟世界，本身就是虚拟现实。还有，如果要让人进入到虚拟环境去对机器人进行训
练，还需要更多其它的技术。总体而言，AI和AR两者是互补的，互相不可或缺。
六、AI科研战略就是“AI小国大战略”
基于AI是全球科技发展的关键，且关系著未来30年的国家竞争力。我国从既有的领先全球
的半导体及ICT产业优势切入，打造由人才、技术、场域及产业构筑而成的AI创新生态圈
，引导台湾成为AI发展重镇，进而孕育AI新兴产业应用。
科技部长陈良基提出AI科研战略就是“AI小国大战略”，预计5年投入160亿建构我国AI创
新生态环境。推出5大策略：“研发服务-建构AI主机”、“创新加值-设立AI创新研究中
心”、“创意实践-打造智慧机器人创新基地”、“产业领航-半导体射月计画”及“社会
参与-科技大擂台”等。由科技部、教育部及经济部等机关协力合作，引导学、研及业界
投入，一边培育AI软硬件人才，一边产生产业群聚效应，协助产业转型升级，使台湾成为
AI发展重镇，再创台湾未来30年荣景。
七、结语
至于CPU是否会被TPU、NPU、VPU…等之类新类型处理器取代，答案应该不会。因为，新出
现的处理器只是为了处理新发现或尚未解决的问题，而且未来倾向将CPU整合。同时，晶
片市场期望能有更多竞争及选择，不要英特尔、高通独大。科技企业抢人工智能应用商机
，AI芯片成为兵家必争之地。
AI芯片是一个新兴的产品，等待更多“杀手级”应用出现，目前看来，苹果及华为选择先
从手机内建AI芯片切入，然后等待明年(2018)AR内容及技术成熟，之后再等待至2019年5G
下世代网络设备完成布建。
迎接物联网时代来临，以往大家认为摩尔定律最后会走到极限，答案尚未可知，但仅知可
能拉长时间从现有18个月到36个月，且在新先进晶圆厂建置成本不断叠高之下(3奈米厂约
2000亿美金)，使芯片成本减半将不再可能维持，况且未来硅世代是异质性及跨界的整合
，将提高封装的困难度。NVIDIA执行长黄仁勋也同意这观点，认为摩尔定律已经是旧时代
的法则，新加入GPU的计算速率和神经网络复杂性都在过去2到5年内呈现出爆发性成长，
这类AI需求不断出现将拉长半导体制程及增加困难度及成本。
因此，展望未来，随着AI、物联网、VR/AR、5G等技术成熟，将带动新一波半导体产业的
30年荣景，包括：内存、中央处理器、通讯与传感器四大芯片，各种新产品应用芯片需
求不断增加，以台湾在半导体的竞争力绝对在全球可扮演关键的角色。