自從2017年的AI元年至今，各公司都大力佈局AI技術。到了2019年，AI的應用需求更是明確，許多原先由雲端運算的產品都紛紛轉向終端運算處理。而連網設備現在為了解決網路頻寬有限、通訊延遲、缺乏網路覆蓋、資料隱私與機密等需求，對終端AI運算能力的需求已經多過於雲端運算。除了演算法和大數據之外，作為AI的三大要素之一，運算能力也變得非常重要。目前各大晶片廠商都在開發各自的AI邊緣運算晶片，將AI運算從雲端逐漸向終端轉移。

根據工研院預測，邊緣端與裝置端的AI晶片市場規模，估計2025年，前三大的Edge AI產品分別為智慧手機、智慧音箱、抬頭顯示設備（如AR、VR、MR等）。而成長最快速的產品則是消費型與企業用機器人及安全監控攝影機。

特定應用推動記憶體成長

在特定領域的專用人工智慧系統，由於應用背景需求明確、深厚之領域知識、模型建立計算簡單可行，在單項測試之智慧水準已可超越人類智慧，目前在許多領域已取得具體成效。但其技術挑戰則在於發展低能耗、高準確率的認知計算，包括新型運算架構電路設計、演算法等。未來人工智慧晶片是特定的演算法加速器，來加速包括卷積神經網路（Convolution Neural Network）、遞迴神經網路（Recursive Neural Network）在內的各種神經網路演算法。專用晶片的最大優勢在於其成本和功耗降低，可以大幅提升人工智慧演算法運行效率。

事實上，AI技術所衍生的邊緣應用，持續在汽車電子、人工智慧、影音串流、智慧物聯等領域發酵，也逐漸成為備受矚目的趨勢。而強大的運算與儲存需求也將同步推升全球記憶體市場，隨著新興應用產能的排擠效應，加上供給面的持續短缺，都將成全球 DRAM繼續上漲的重要推手。

工研院產科國際所分析師范哲豪觀察分析，記憶體是裝置端AI晶片設計的關鍵，台灣具完整的記憶體產業鏈，及豐富的生產製造經驗。若在發展AI晶片時能有密切的整合關係，將具強大的優勢。台灣半導體業者擅長IC硬體設計，已有多起與國外AI新創公司合作開發電腦視覺或3D感測之案例。隨著台灣AI晶片聯盟（AITA）的成立，將會產生更大的綜效。預期未來IoT裝置所使用的控制晶片，皆將內含AI加速晶片。台灣過去具有豐富的IoT裝置製造經驗，未來若結合AI晶片共同發展，將在國際競爭上更具優勢。

AI全面啟動智慧感測商機

AI技術所衍生的邊緣應用，持續在不同領域發酵。強大的運算與儲存需求也同步推升記憶體市場，成全球 DRAM上漲的重要推手。

2019年亞馬遜、谷歌、微軟相繼推出智慧眼鏡、智慧戒指、智慧無線路由器語音助理、智慧耳機、高階二合一筆電、混合實境頭盔、先進手機等新興智慧載具，不僅逐步整合機器學習加速晶片與神經網路計算AI技術，也導入更多雷達感測、顎骨振動感測、超音波測距、降噪指向麥克風、眼球偵測、存在感知、近場遠端語音搜尋識別、自然語言處理、文字語音轉換等創新感測辨識技術。搭配了AI晶片的感測器導入IoT裝置後，有如讓冰冷的硬體設備擁有了聰明的大腦與靈敏的五官知覺，可隨時隨地了解用戶的行為、習慣、情感，進而在需要之時提供即時協助。

圖一 : 台灣開始產業化佈局AI相關晶片，重點在於落實AI晶片產業鏈。

工研院產科國際所分析師謝孟玹認為，目前在前端感測器搭配後端On Device AI進行感知學習已成為市場顯學，展望未來，前端感測器也可望持續進化，整合更多機器學習與運算智慧，形成神經型態的類腦/仿生感知方案，因應事件變化驅動感知作動，跳脫過往時時刻刻採集資訊導致資料過多能耗過高之瓶頸，而達到真正接近人類感知的應用效果，進而驅動更龐大的市場潛在商機。

在AI搭配5G的助力之下，也可望帶動更多具備AI特性感測方案的市場成長動能，台灣產學研可思考順應這波AI創新感知風潮通力合作，共同致力進行產業升級，形塑下一波的全球市場競爭力。

打造Trustale AI

有鑑於使用AI支援人類決策的機會越來越多，由於人工智慧演算法接收資料即產出結果的黑箱特性，使人們對它產生了信任危機，近年來歐、美、亞等地區的先進國家對於AI發展都提出法案規範。此外，包括Google、Microsoft、Amazon、Facebook、IBM等國際科技大廠也共同成立研究AI科技最佳行為準則的非營利組織「The Partnership on Artificial Intelligence to Benefit People and Society 」。

歸納它們的訴求共同之處，即是要求AI必須具備透明性、公正性、穩健性，才算是擁有「可信任的人工智慧」（Trustable AI）的基礎。這三要素也衍生出各自不同的議題，包括：AI的透明性被試圖從建立演算法的可解釋性加以強化、公正性則從改善資料品質消除偏見的角度加以調整，穩健性則從資料安全和管理機制加以改善。

工研院觀察，目前雖尚未有一套整合性的Trustable AI解決方案或技術，但對於AI透明性、公正性、穩健性等三原則的建立，皆有研發技術工具輔助。演算法方面，Google與美國知名大學皆投入分析模型可視化的研究且已有初步的解決方案；資料品質方面，Google、Facebook、Twitter利用AI辨識假資訊且已見初步成效；資料管理和保護方面，則由Facebook、Apple、Microsoft、Google、Amazon等科技大廠，大力投入匿名化和同態加密技術的研發，且併購相關新創技術，以回應隱私安全的資料保護合規要求。

工研院產科國際所分析師楊玉奇分析，台灣的人工智慧產業發展呈現應用導向，追求AI解決各垂直領域問題的效能，這也使得AI是否可信任的議題加倍重要。除了法規與道德的要求，從技術面切入是最貼近實務的著力點，要建立演算法的透明性、資料內容的公正性、資料安全的穩健性並實現Trustable AI，需儘快整合學研單位、AI廠商、資安廠商的專業能量。

AI終端發展更多元

圖二 : AI運算與儲存需求將推升全球記憶體市場。

當許多消費電子市場步入停滯或衰退之際，廠商開始加強新產品的開發，以更細分的市場和功能來推動產品的成長動能。例如遊戲機經歷數年終於將迎來次代產品的推出，但雲端服務廠商也會趁機推出雲端串流遊戲以及相對應的硬體來搶食這塊市場，至於Oculus、Valve等VR廠商將透過遊戲和內容服務來競爭。

根據拓墣產業研究所的預測，智慧手錶受惠於入門款產品售價降低，以及更多品牌和產品加入，市場將加速成長，預計2020年出貨量將達到8,055萬支。而語音功能成為藍牙無線耳機、智慧音箱等產品的成長關鍵，在低價與機海策略下市場將快速擴張。此外，增加智慧音箱的搭載功能也成為廠商吸引消費者的手段，包含顯示螢幕、相機模組等，預估2020年智慧音箱的出貨量將竄升到1.7億台。

結語

面對AI的多元應用，台灣也開始產業化佈局AI相關晶片，重點在於落實AI晶片產業鏈，並發展多元產品應用。由於台灣本身半導體產業鏈完整，從IC設計到系統軟體、半導體製造，以及IC封測產業等，並針對應用包括智慧警政、智慧製造、商場安控、無人機巡檢等。

面對未來，台灣的AI產業化任務包括了建立AI生態系、發展AI關鍵任務，並加速AI產業的開發。細節任務包括了透過AI晶片聯盟與公協會來建立完整產業鏈，吸引更多相關業者投入。此外，由業界帶頭成立SIG，發展核心前瞻技術，促進台灣AI產業升級。並產出共通介面規格，串連AI晶片與系統應用，引領下世代的AI商機。