<>眼看2024年人工智慧（AI）即将成为驱动全球经济成长的动力之一，除了所需与算力相关的硬/软体，与演算法、语言模型等先进科技，就连传产中小制造业未来也有机会从中切入，提供独有垂直领域和高品质的资料协作，以提高AI生成效率与准确性，同时优化生产制程与增加产品价值，加速AI平民化。

在工研院2023年两度召开的「生成式AI产业高峰论坛」上指出，现今盛行的「人工智慧」（AI）名词问世已逾60年，惟当时（1956年）仅诉求可让电脑具备逻辑推论能力，执行接近人脑智慧的工作；直到1970年代推出的专家系统，才诉求能将人类智慧萃取出来教导电脑。并在1980年代的机器学习（Machine Learning）时期，开始让电脑具备自主学习、改善能力，并延伸至特定领域，包含语音辨识、翻译，或是医疗影像病变、产品瑕疵检测等，较倾向学术研究课题。

进入1980~1990年代开始有企业加入相关研究，并先後发表AI语言模型、类神经网路等学术主题论文，却也因为企业发现投资效益不如预期，而导致AI话题曾在1990~2010年进入寒冬，包括学研界纷纷改以「深度学习」（Deep Learning）为名，投稿发表论文。

随着2016年AlphaGo横空出世，击败围棋界棋王，而被视为近期AI发展最大突破。虽然近几年来声势略减，即因为棋类终究只是展现AI能力的娱乐工具之一，必须跨界投入商业化等更有生产力效益的场域，并驱动最新生成式人工智慧（Generative AI；GAI）技术发展。

图一 : 工研院在2023年两度召开「生成式AI产业高峰论坛」，号召各领域专家分别从GAI风潮下的领袖、产业发展思维，以及GAI产业应用发展机会与落地作法4大面向献策，引领产业「乘风破浪」。（source：工研院）

监别式AI持续扩大应用生成式AI接力猛进

其中包括利用既有深度/机器学习等AI技术，可让电脑进行大量有标注资料学习训练，归纳出输入资料特徵进行辨识、分类，而称为「监别式AI（Discriminative AI；DAI）」，包括产品瑕疵、人员及场域环境安全等，已大量为企业导入使用。

图二 : 除了目前热门的GAI之外，另有让电脑进行大量有标注资料学习训练，进行辨识、分类，而称为「监别式AI」，已大量为企业导入使用。（source：aiamigos.org）

加上目前吸收了来自网路、社交媒体时代的巨量数据资料，经过量变产生质变，再利用大语言模型（LLM），而造就更多自主创新GAI内容的能力，包括文字、图像、影音、程式码、3D模型数据等，目前较先导入於办公室应用，将有助於提升工作效率，对产业影响巨大。

根据市场调研机构预测，2023~2028年将是GAI的快速成长期，全球应用市场规模将从2023年的62亿美元成长至2028年的585亿美元，年复合成长率达56%。工研院预估，2025年将有30%企业导入GAI技术，应用於文件生成、程式设计及对外营销，包含制造、媒体、工程、国防、医疗和能源等领域将会第一波遭遇冲击。

图三 : 依工研院预估，2025年将有30%企业导入GAI技术，应用於文件生成、程式设计及对外营销。（source：工研院）

面对GAI能与不能 协作以确保AI资料准确度

然而，尽管目前各界普遍看好由ChatGPT、Midjourney等各式各样GAI带来不同的技术创新，以及其中蕴含的潜在商机。预计2024年将开始涌现大量的AI软硬体和商业模式等创造性革新，但对於GAI的定义及其作用限制也开始进入发展关键的「深水区」。

由於目前GAI仍无法从根本上解决至今其他类型AI所面临的市场挑战，LLM产出内容被定义为「创造」而出；又主要根据公共资料所训练，输出内容难免具有偏见、隐私、幻觉（hallucinations）、一致性和可解释性（Interpretability），甚至在很大程度上加剧了这些问题，此都显示人们不能完全信任AI，企业也必须在提升效率同时，做好风险管理。

Appier/ikala独立董事简立峰认为，当「机器学习服务平民化（Machine Learning as a Service ,MLaaS），语言模型逐渐缩小时，除了阅读之外的其他能力都下降。」即因除了透过以自然语言和机器沟通之外，人机互动方式改变也开始透过问答方式学习「下咒语」，以提问代替解题，人人都可以是工程师，提高劳动生产力，也就是企业竞争力，让微软2023年Q3财报的云端服务营收提高28%。并估计在程式开发产业中，2022~2032年GAI市场规模年均复合成长率22.1%，将达到9,810万美元。

同时该注意的是GAI的「能与不能」，虽然对广泛性问题的回答能力较为强大，却对较狭隘领域的知识理解有限。一旦面对如企业较少上网的资料时，就连LLM也无法完成企业内的小事。且其答案内容只是比起大多数答案较隹，而无法保证即时、正确或可溯源，还不如个别垂直领域专家；甚至还有偏见与寡占等疑虑，容易在无形中流失国家竞争力与文化代表性。

简立峰认为：「现今会跨部门编写程式者，未必都是IT人员的责任，须加入测评比标准才能真正优化。还要赋能员工拥抱AI新工具多多尝试，以提升效能、增进营运效率，并留意资安的重要性，加速从数位迈向AI转型目标。」

因此，他建议企业领袖，应对此数位转型框架新赛局，选定适合项目，包含客服、行销、程式开发、知识管理等，进而成立跨部门团队搜集数据、优化流程、自建模型等，最後发展各自需要的「企业大脑」（Language model for enterprise）。

GAI生态系风起云涌 加速AI产业平民化

工研院执行??总暨总营运长兼AI策略长余孝先表示，随着全球GAI生态系风起云涌，可概分为4类：文字、图片、影音及程式码，强大之处来自於其估计拥有超过1,700亿笔叁数和3,750亿字训练资料的庞大数量，使之算力远超过以往的AI模型。许多国际大厂都已投入建立GAI模型或相关应用，正在重塑各行各业的面貌。

虽然目前台湾尚未拥有真正可用的LLM，但企业可考虑从以下资料、算力、算法、可信任等面向着手，强化自身优势：

1. 资料是AI的灵魂，台湾产业可藉导入高品质的私有资料库和特有产业资料，奠定在特定垂直应用快速落地的能力；再利用演算法来选择适用於产业资料特性的模型及发展微调技术，并透过整合国家或云服务商的资源来支持提高算力，提升企业效率；

2. 考量台湾在资料量、算力、和财力方面，恐难与国际大厂在开发通才型GAI竞争，而可考虑从专才型GAI着手，透过相对较低成本，订制开发微型化、特定领域专用的小语言模型（SLM）加值应用着手。包括提供通才型GAI付费、或是开源码使用资料训练模型，并投入发展微型化、特定领域解决方案，发挥台湾产业群聚优势。

3. 基於各国目前都十分重视GAI的输出品质，建议台湾可从国际法规和标准的角度，建立相关AI评测机制来提高可信任度；进而利用工研院的技术成果，来加速产业GAI应用与创新转型、接轨国际AI规范。未来将有机会能共同扩大竞争利基，在国际大企业的布局下开辟新局。

图四 : 虽然目前台湾尚未拥有真正可用的LLM，但企业可考虑从资料、算力、算法、可信任等面向着手，强化自身优势。（source：工研院）

工研院也利用累积多年研究成果，积极发展AI科技服务平台，提供系统整合、研发测试、软体开发等服务，助攻企业布局营运及供应链、产品研发、行销、客户管理等4大企业应用领域，加速GAI产业应用落地。并在2015年提出台湾发展AI的3大面向：

1. 产业AI化：不只将AI模型视为单一产品，而能协助产业提升总体竞争能力；

2. AI产业化：当有越来越多企业导入AI之後，将形成一定规模产业；

3. AI平民化：降低门槛，让中小企业和一般大众都能使用

除了前述两者已被纳入台湾科技政策，并迎合2022年底Chat GPT趋势被应用。工研院也强调，GAI不只是与资通讯（ICT）技术有关，还涉及人才、法律问题与不同领域科学，所以在近年来成立全院GAI小组，探讨其对於特定产业和未来技术的演进方向，以及社会法制、伦理等影响；并培育更多GAI人才来迎接挑战，期许成为未来生活的基本能力、提高人民AI素养，以持续推进「AI平民化」。

导入GAI先学趋吉避凶 要求会用又会管

工研院资深??总暨协理兼AI办公室主任苏孟宗进一步指出，现今国际生成式AI趋势虽会赋予个人创造能力，但最终要展现资料的正确性、权威，不仅「眼见为凭」，还要找出背後赋予的意义。「由人类在开发流程中将藉此实现职能翻转，即从执行导向代理系统发展，担任审核者，并由AI扮演生产者角色而控管风险，台湾产业须能掌握这波变革机会。」

苏孟宗建议企业应透过内部从上而下的系统性培育，针对不同阶层规划课程，从观念启迪、实战到产业应用三部曲，为企业储备GAI关键人才及建立自身需求模型。并从CEO角度看待对於未来市场的影响，而不是只交由内部IT人员、技术长负责，完整落实GAI治理。

加速导入产业落地应用

依工研院资通所??所长暨AI办公室??主任黄维中估计，2025年将有30%企业导入生成式AI，未来台湾势必要与世界竞争。现今GAI生态系在台湾企业可发展的定位，由下而上依序分为：晶片、伺服器、软体平台与垂直应用，可针对具备台湾特色与优势的垂直领域深入规划，加速释放GAI潜力，提升产业竞争力。进而透过AI产业化/产业AI化，来提升各行各业竞争力，带动资讯服务与新创商机。

图五 : 现今GAI生态系在台湾企业可发展的定位，由下而上依序分为：晶片、伺服器、软体平台与垂直应用。（source：工研院）

在台湾当前GAI应用中，最常见的就是内容创作，像是制作2D文稿及图片、3D影音等；还有用於商业服务，如行销、客服，已有不少企业藉此积极将GAI导入内部工作，或是扩展至整个供应链提升效能。即使在要求较为专业的研发与制造，也能建立规格与流程、程式代码，用於模拟、编程、设计、维修工作；以及营运与供应链面向，提供所需谘询、训练等扩充资料，都有很多值得投入与导入的应用。

工研院就尝试将GAI应用在不同功能需求的晶片设计开发上，特别是辅助程式撰写，使得晶片设计能够更快速有效率；或者是因应药物、材料等创新的配方及组合，也可先透过GAI推演出各种可能或想法，以有助於後续的实验，并且更快找出最隹结果。

然而，GAI投入研发制造的难度相当高，必须仰赖高品质的精准资料才有可用性。但GitHub Copilot对於Python、C、Java等普遍性程式效果表现优异，对於IC制造与工业CAM编程等低资源程式语言如RTL Code，难以在网路上找到合适范本，且品质难以管控。

图六 : 工研院也尝试将GAI应用在不同功能需求的晶片设计开发上，或者是CAD/CAM辅助程式撰写，先行推演出各种可能或想法，以有助於後续更快找出最隹结果。（source：images.interestingengineering.com）

由於数位IC负责撰写RTL Code所需丰富经验工程人才缺乏，又招募困难，约占IC产业人才缺囗16%；工业编程人员也难以养成，包含制程工法、刀具与治具选用皆须仰赖现场经验，一旦刀具路径和加工叁数选用不合理时，容易导致加工品质与效率不隹。

如今可利用共创的RTL Code设计辅助，透过汇集有经验的RTL工程师回??，可在工程师发展RTL code过程中给予适当提示，弥补工程师经验不足问题；高效与精确G-code设计，透过生成式AI辅助工程师提升效率，以解决人才与经验短缺问题。

所以须针对台湾不同产业需求，由各领域专家搜集优质编程资料，利用领域客制化模型以达到效果。如工业CAM便是目前工研院正积极投入精密制造领域，将能大幅提高效率和产业竞争力。SpructCAM是容易学习和使用的强大CAD/CAM软体，现已整合AI虚拟助理GPT模型，帮助用户处理各方面CAM工作流程，包含CNC规格及限制、解释G-code、程式码注解等。

黄维中认为，由此可见在当前产业应用中，若要创造GAI价值的较实务做法，应是将GAI作为工具，并与人类充分互动协作。因此，如何让GAI与人类更好地连结、整合各自专长，将是企业要仔细思考规划的方向。