工研院29日舉辦AI人工智慧產業論壇，廣邀官、產、學界專家以全球趨勢、台灣優勢以及技術進程為題，進行系列演講及對談。

人工智慧(AI)自2016年電腦圍棋程式AlphaGo問世後，發展至今已逾5年。前Google台灣總經理、現任Appier及iKala獨立董事簡立峰於演講中提及，過去沒有一項技術可於5年之內暴風成長，以跳躍式的發展席捲資本市場。

2021年30隻市值超過100億美元的十角獸(Decacorn)公司當中，便有4~5家為純AI企業，顯示AI及深度學習技術商轉應用潛力無窮，除了成為產業領先的代表，近年來亦為國家角逐政治力的指標。

工研院電子與光電系統研究所所長吳志毅指出，台灣機會在於將AI嫁接於半導體、晶片優勢上，以現有籌碼擴大台灣於AI領域的競爭力，舉例而言，當未來電動車發展急需仰賴耐高壓、高電流，且擁有高功率、低耗能優勢的化合物半導體，第三類半導體必成汽車產業掌上明珠，台灣若能掌握這波需求，便可為下世代半導體產業的重要利基。

相較於NVIDIA、Google等大企業聚焦於高效運算，台灣應把握邊緣運算商機，透過異質整合將多種功能整合至一AI邊緣晶片上，在可達到基礎運算能力如訊號感測、動作感知、設備警訊等前提之下，降低晶片功耗，便可達到AIoT普及化目的。

台灣除了有完整半導體聚落與供應鏈之外，在資安保障上也具高度可信度，同時擁有多樣化產業型態與試煉場域，亦為AI應用於智慧醫療、智慧製造、智慧及自動駕駛的絕佳優勢。工研院近年成立「AI on Chip」終端智慧發展計畫、台灣AI晶片聯盟(AITA)，網羅超過100家半導體業者共組四大技術委員會，協助台灣業者成為全球AI應用產業的領頭羊。

另一方面，工研院機械與機電系統研究所所長胡竹生提到，AI導入不外乎協助人類進行決策，以解決未來產線缺工、物流人力短缺等問題。以電動車發展進程來看，台灣優勢在於具備完整產業鍊，即便整車製造仍有相對較高的門檻，未來人有可能透過掌握關鍵零組件、模組來取一席之地。

汽車從電氣化到智慧畫的過程中，可將關鍵應用分為兩塊：一為乘用車、二為服務型車輛，前者目前已有MIH率先突圍，在各種結盟之下台灣將更有機會成為全球電動車、自駕車有利的生產製造夥伴；後者則是最有可能於短期內商業化的自駕車輛。

目前全球因物流所導致的碳排以遠超過水泥生產碳排，未來因應各國淨零碳排目標，勢必得在物流車轉型上大動干戈，而該特殊用途自駕車亦會是台灣企業的機會之一。從自駕巴士開始，目前各產、官、學、研單位已與地方政府展開合作，開始於信義區、桃園青埔、台中水楠等地推動自駕車示範區。

當應用場域沒辦法解決實際問題時，大多數人會認為該技術沒有實際作用，然事實上，將AI技術導入場域需克服相當多決策難題，牽涉到的不只是數據分析，同時還包含資料分析後的執行及目標決策，牽涉到環境的複雜性、人為干涉程度等。因此，要做到完全的自動化，最核心的問題便是如何因應干擾。

假設未來所有汽車都可「自駕」，實踐V2V的溝通，整個城市交通可以透過5G聯網、車載及交通號誌互通來達成智慧城市願景，然而一個城市自然演進，勢必經歷過渡時期，如何讓自駕車、非自駕車同於城市行駛，將會是一大難題。

自駕技術有賴感測、分析及決策，然而機器的分析能力相較人腦落後許多，交通的多變性、無可預測性使得自駕車在「決策」上相當困難，如當駕駛人看見一顆籃球從路邊彈跳出來，下意識便會減速或停車，然而要自駕車在「人」或「物體」進入感測範圍之前就做出這樣的判斷，近乎是不可能的任務。

胡竹生坦言，自駕車要能達到此境界，模擬情境非常重要，目前工研院機械所正在進行相當多模擬系統，引大量不同情境實測自駕車反應，試圖提升自駕車面對複雜環境的決策能力。