台灣AI發展策略之1：Vertical AI

人工智慧（AI）的發展逐漸朝向人人「不知而亦能用」，而不是人人都變成AI能手，就如同人人都有牛奶可喝，而不是人人都會養牛。茲回顧一下，近年來AI的蓬勃發展主要得力於深度學習（Deep Learning，DL）的表現，起初大家都專注於演算法的開發，其競爭力來自於更優秀的演算法，帶來更好的深度學習效果。

然而，隨著像Google的Tensorflow等開源平台的推出，以及更多科技巨頭們（如Amazon、百度等）逐漸將AI的深度學習環境加以標準化和商品化，讓眾人都可以利用這些AI技術來改善機器學習效果，讓機器學習的系統訓練能力的技術差異化越來越小了。因此，以演算法作為AI企業競爭優勢的時代已成為過去，讓當今的AI產業逐漸進入資料來源（data source）的競賽時代了。

在「資料來源」的競爭時代裡，有些中小規模企業逐漸轉向「垂直行業的AI應用（Vertical AI）」發展路線，並不再拿機器學習演算法的技術做為其公司的競爭優勢了。同時，許多某應用領域裡的大型專業公司，也開始利用AI技術來強化其競爭力，利用AI深度學習工具協助強化原有產業的服務內容。換句話說，AI領域的技術型公司已經逐漸轉換成為垂直領域的行業應用型公司。

台灣AI發展策略之2：AI + Vertical Platform

雖然垂直行業的AI應用是一條脫離科技巨頭網路效應的逃生之路，然而卻又面對該行業領域的大型公司挑戰，這些大公司也會建立自己的AI部門，或者直接收購這些中小型的垂直行業AI公司，於是這些新型的AI公司有可能消失了。因此，我提出另一條發展路線：「AI資料平台型企業」。

這種平台型企業將會建立其能掌握的資料平台系統，並提供API來銜接到某行業裡的各個資料來源，將一群資料來源整合成為行業的巨量資料（big data），成為一個垂直行業的AI資料平台（AI data platform）。

接著，基於這行業巨量資料，搭配優秀的AI訓練能力，成為自家的核心競爭力。一方面與科技巨頭合作互補，另一方面又成為行業領域內大型公司的機器智慧提供者。其中，各個資料來源猶如棉花田，科技巨頭提供紡織機，「AI資料平台型企業」則是紡織廠，而行業領域內大型公司就是成衣製造商。

由於在現階段的AI產業裡，AI技術尚在飛躍成長中，然而行業的巨量資料取得成本很昂貴，且花費大幅心力去耕耘用戶，是吃力不討好、既無豐富短利又無長尾效益的。所以在現階段裡，台灣不宜過度偏執於應用和用戶觀點、或以AI的效益掛帥，否則費盡心力爭逐微薄短利，又無長尾效益，用戶一夕變天而後知後覺。這個階段，台灣反而要更積極設計平台當成魚餌和魚鉤，讓各行業資料擁有者嘗到魚餌的甜頭，紛紛上鉤，成為台灣各行業AI資料平台企業的抬轎者。

無論是技術公司、應用公司或資料平台型企業，都是商業模式的重新定義。過去的AI技術公司面臨「巧婦難為無米之炊」的窘境；而大型企業AI部門則可能會面臨「為了喝一杯牛奶，自己去養一頭牛」，或「為了穿衣服，自己去種棉花田」商業效益的困境。此時，若將「Vertical AI」商業模式加以修正，成為「AI+ Vertical Data Platform」商業模式，則能成為中小型AI企業的贏家策略。茲做個比喻，如果各行業的企業自行找資料做AI，猶如自己想喝牛奶，自己找飼料養牛，而各行業的「AI資料平台型企業」就像牧場企業，有羊牧場、牛牧場等，於是人人天天有羊奶喝，也天天有牛奶喝。

如何開創台灣AI的產業聚落

如果將台灣的AI人才分散到各垂直領域的企業裡，一位AI人才只為特定的企業服務，可能會呈現大材小用的現象，因為一般企業大多希望透過AI來節省成本。事實上，AI的導入是需要企業配套的，就如同企業導入ERP或工業4.0系統一樣，需要很專業的顧問諮詢經驗和技能，他不僅僅是資料特徵註記、機器學習和Python編成的純技術而已。

一般領域裡的企業AI部門難以吸收這種高級人才，何況台灣普遍的低薪現象以及利用AI節省成本的心理，很可能會導致台灣高級AI人才的外流現象。那麼，該如何有效化解這種窘境呢?其實很簡單，依循ERP或工業4.0的模式，建立各領域的AI資料平台型企業，各自匯集一群熟悉該行業的AI專家們，組成非常專業的諮詢顧問團隊，對內建構及維護一個行業別的AI資料平台，匯集該行業的巨量資料，並進行AI機器學習來服務該行業的各個企業（如圖1）。

圖1 : 行業別的AI資料平台

這種AI資料平台型企業如同一個牧場，機器學習出來的AI智慧，就如同可以喝的鮮奶，各行各業只需要買牛奶來喝即可，不必自己學習養牛了，這樣可以避免各企業「為了喝一杯牛，卻要去養一頭牛」，AI反而可能給各企業帶來的不是利潤，而是成本。

由於這種諮詢顧問團隊可以服務眾多的企業，又利於不斷創新來提煉更精緻的智慧和服務，而獲取更高的收入，將非常有利於留住台灣AI人才，甚至吸引全球AI高手來台灣共襄盛舉，開創台灣AI的產業聚落（如圖2），打造東方AI福爾摩沙。

圖2 : 台灣AI的產業聚落

如何經營AI平台型企業

本質上，AI的創新是一種數位化（digital）創新，其經營框架和邏輯仍然離不開數位化經濟的本質。這種數位化創新的特性就是要能規模化，其關鍵並不在於技術上的優勢，而在於能否有效掌握市場的需求方經濟。

數位化經濟會創造出一些像Google和阿里巴巴等科技強權，其除了技術之外，其特性在於發揮網路外部性（network externality）和邊際收益遞增（increasing marginal revenue）兩種經濟效應，這種經濟現象通稱為樞紐經濟（hub economy）。隨著（互聯）網路外部性的不斷增強，並藉由數位化知識和技術的開源與開放來促進網路效應，激發生態圈的迅速擴大和蓬勃發展，這種商業模式已經逐漸蔓延到各行各業了。

樞紐經濟是一種平台經濟，其幕後就是一個系統平台（platform），提供開放API，支撐（也掌控）蓬勃發展的生態體系（ecosystem），產生了需求方規模經濟。藉由平台來產生：跨邊際網路外部性。當平台的兩側都存在著「跨邊際網路外部性」，而且其效應是正向的和諧狀態下，就會引發「雞生蛋、蛋又生雞」的互相加乘效應，而讓平台經濟飛速成長了。

只要我們擅長運用數位化知識的資源分享性，能有效激發邊際效益遞增，同一項數位化知識可以讓許多人同時共用，其在使用過程中並不會消損效益，還會在利用的過程中不斷產生新的知識。因此，數位化知識資源在大量共用的重複使用過程中，其成本會持續遞減，也帶來了收益的遞增效果，而且會引發「雞生蛋、蛋又生雞」的互相加乘效應。

君不見，科技巨頭們會持續將最尖端技術不斷的開源、共用，就是因為這些開源的軟體代碼是數位化知識，可以持續強化「網路外部性」和「邊際效益遞增」的效益，創造企業的真正競爭優勢。這項加乘效益會形成數字經濟中的「大者恒大」現象，例如Facebook、Amazon和阿里巴巴等幾家公司不斷吸引頂尖的知識型人才，產出更多新科技產品，業績也持續成長，這就是前文所提到的樞紐經濟。

這種「大者恒大」的經濟現象，對於小規模企業的成長，反而是一種不利的經濟環境。例如一些新創團隊憑著技術的創新在市場上找到生存機會，但卻常常面臨科技巨頭企業龐大的網路效應，因而被邊緣化或被收購，此種情形在AI領域也不例外。於是，筆者提出另一條發展路線：以AI資料平台型企業來掌握資料平台系統，並提供API銜接到某行業裡的各個資料來源，成為行業的巨量資料，做為機器學習的基礎。

如何經營「平台」，創造外部性效益

平台就像花轎，必須用心設計利益給抬轎者，才會有商業價值，才會繁榮發展。反之，做平台如果只盯著客戶和平台上的貨品（或服務），都可能會徒勞無功!

打造平台就像建造一個菜市場很簡單，找一塊地就行了，但不能有了消費人流才做平台，反而應先有平台才彙集消費人流。所以，抬轎者是平台生命力的來源，然而抬轎者往往不是直接關係人，許多人都將之遺漏了。由於是把利益給抬轎者，如同做一個套餐給客人享用時，發現自己?有產品不一定充足（例如少了可樂），於是從協力廠商（如可口可樂）取材結合自己產品，組合成客人可享用的套餐；於是支援平台的供應商愈來愈多，提供的套餐也愈來愈完整、趨於多樣化了。

以上說明「AI平台型企業」透過平台的支撐，逐漸位居盟主地位，心胸要寬大、眼界要高遠，先設計卓越方案來幫抬轎者謀中利，幫協力廠商謀小利。於是，所有抬轎者、協力廠商都離不開這個共用平台，一起替整個產業謀共利。

蝦網大戰給台灣AI產業的啟示

從上述可知，台灣AI產業的成功之路，很可能不在於行業應用，而在於行業平台。從蝦網大戰，台灣PCHome毫無招架之力，可以給台灣AI產業發展一些贏家策略的啟示：沒有夠大的市場規模，專注於應用很容易引來外患或入侵。

那麼，沒有大規模腹地市場的台灣該如何避免遭受外來競爭者的入侵呢?古人想到了建立萬里長城、都市城牆、客家土樓、四合院圍牆等來避免遭受外患入侵。試想，台灣AI產業的萬里長城、四合院圍牆等又在哪裡呢?沒有堅固的城牆，只專注於打造自造機器人基地、以人工智慧學校培養行業AI人才，豈不是等待成為外來入侵者的魚肉呢?

《孫子兵法》有言：「守則不足，攻則有餘」。目前台灣推展AI產業的策略，很可能是一條沒有設防的戰線，隨時因外部入侵而全軍覆沒都未可知。至於解決之道，自古以來，都沒變過：建立城牆，重兵駐守，這其實很簡單，也就是打造系統平台（城牆）來保護各行業的AI應用。有了平台（城牆）保護，行業應用是有保障的，台灣AI的投入和辛苦耕耘，才是有保障的，前途也是光明的。

**刊頭圖 (source:http://s3.amazonaws.com)