(Daily Issue)台湾AI发展「强硬」却「软弱」 如何挟硬件优势，突破软件资源匮乏？

全球的人工智能（AI）应用愈趋广泛，台湾能扮演何种角色？经常与台湾产学界合作的美国华盛顿大学教授黄正能指出，好的AI是软硬整合的成果，成功三大要素是数据搜得到、网络传输够快、并有强大运算资源支持；台湾挟硬件制造优势，若能多投注资源在AI发展，方能走出自己的路。

黄正能拥有台大电机系学士、硕士和美国南加大电机博士学位，目前于华盛顿大学电机与计算机工程系执教，专长为机器学习、电脑视觉与影像处理、智能城市及智能交通等领域。他在2022年12月底返台时接受DIGITIMES专访，分享与台湾产学界合作的经验及对AI发展的看法。

他指出，当物联网（IoT）发展愈趋成熟，以前搜集不到的数据，现今可靠各种传感器取得。5G被认为是物联网的时代，推进线上医疗、无人驾驶、车联网等相关研发和应用。例如Tesla车主可透过手机软件检视电动车上锁与否，或是车载镜头哨兵模式（Sentry Ｍode）的状况。哨兵模式指的是传感器侦测到威胁时，会启动录影和警报系统、传送通知给车主。

黄正能团队曾助美国军方和医院进行一项线上医疗计划，在手机上建立手术用的增实境（AR）模型，遇到士兵发生气胸或爆炸受伤等状况时，另一端的医师可透过手机下指令，让伤兵身边的同侪施予紧急处置，提高救援率，近年也协助美国海洋大气总署（NOAA），开发透过影像自动计算渔获量和渔获种类的模型。

他也与高尔夫球科技公司SportsboxAI合作，开发可捕捉挥杆动作的软件Sportsbox 3D Golf。透过手机拍摄运动员的动作，即可将影像转为3D模型，运动员和教练可重复观看以修正动作，毋需其他穿戴装置。

SportsboxAI于2020年创立，上述产品于2021年推出。他强调，团队在1年多内搜集约20万笔数据，有了数据才能进行后续标记和训练。

数据标记是基本功

国内一家晶圆厂2020年时，曾宣布委托黄正能及阳明交大团队，共同主持一项AI侦测晶圆表面瑕疵的计划。

被问到该计划进展，黄正能坦言，只执行1年就结束，主因是数据搜集的部分没能继续合作。数据标记相当花时间，前期需要许多人手协助、将晶圆瑕疵影像分类，然而投资者可能难在短时间内看到未来效益，因此计划未能延续。

他认为这也是台湾发展AI时常见的问题，愿意投入时间和成本搜集数据、进行标记和分析的公司为数不多。

虽然如此，团队仍利用长尾识别技术（Long-tailed Recognition；LTR），协助该晶圆公司解决数据不均的「长尾问题」，即某些类别的数据样本较多、某些类别较少的情形。若无特殊技术修正，长尾问题将导致AI模型在样本不足的类别识别度较差，在无人驾驶及医学领域尤为显着。

他举例，Tesla全自动辅助驾驶（Full Self-driving；FSD）团队就有1,500人专门在做影像标记，但仍发现能量远远不足。关键在于如何找到较少发生的样本，例如纸张飞过汽车前这样的情境。Tesla后来自动上传较少发生的样本数据，以建立触发事件（Triggering Events）的数据库。

台湾运算资源不足 软硬件发展不均

黄正能强调，现在从机械、医疗到化学，几乎所有领域都在运用AI。台湾教授做的计划不比他们在美国做得差，但因欠缺运算资源，研发规模难以开展。

台湾的公部门虽释出部分运算资源，然僧多粥少、仍需收费，且运算引擎往往并非最先进版本，对学术研发的帮助仍有限。

他认为，好的AI是系统整合、软硬件相互配合的结果。整体而言，台湾对软件领域投注的资源，较硬件制造领域来得少，所运用到的AI模型也多取自开源平台，而非自主开发。目前全世界最厉害的AI模型，通常是由Google、微软（Microsoft）、Meta、NVIDIA、OpenAI等科技公司所开发。

台湾能否开发自己的AI模型？催生出像Google、Meta这样的科技公司？黄正能认为，这些议题涉及政府预算分配、台湾产业和薪资结构、育才和留才等面向，非一人之力可破解。海外学生愿意回台工作通常出于返台依亲、发展环境或薪资具吸引力三种原因，但以台湾目前的情况，这些因素的效果并不明显。

他旗下指导的实验室博士毕业生，毕业后选择前往Google、亚马逊（Amazon）、Meta、苹果（Apple）以及小鹏汽车在美据点服务，第一年起薪可能就超越在学术界工作30年的薪资水准。要这些学生回台奉献，确实不易。

台湾数十年来全力扶植半导体产业，2002年并推动「芯片系统国家型科技计划」（简称矽导计划），政府购入电脑辅助设计软件，让教授和研究生可免费使用，陆续吸引许多人回台服务。但在AI领域，目前似乎未看到类似的大型计划。

政府预算有限，外商带来的资源是另一条路。黄正能指出，国内当年发展AI也并非完全靠自己，部分仰赖微软等外商在当地的研发中心。在中美贸易战延烧的背景下，国内也开始面临自美商进口芯片和运算资源的限制。

台湾软件业虽较不受重视，仍有一路默默坚持的奋斗者。黄正能举例，讯连科技董事长黄肇雄是他在台大电机系的同学，其Power DVD当初搭着NB品牌一起卖，打出知名度，而讯连子公司、发展AR/AI试妆程序的玩美移动，2022年已于美国纽约证交所上市，就是AI发展的好例子。

谈到AI发展的新趋势，黄正能认为，美国OpenAI公司训练出的Transformer模型CLIP和DALL·E，可从文字和图片数据抽取出特征值，相互对比学习，最终可让图片自动生成物体类别的文字（CLIP），文字可也自动生成图片（DALL·E），近年相当受瞩。

近期OpenAI释出的AI对话机器人ChatGPT也是基于Transformer模型的方法，GPT即生成式预训练变换模型（Generative Pre-trained Transformer）。而生成式AI可以走到什么地步、是否取代人类的创造力，也是近期热门话题。

巨人肩膀上堆积木

ChatGPT一出掀起全球热烈讨论，前Google台湾董事总经理简立峰表示，2022年AI发展呈现大跃进趋势，像ChatGPT这样的模型是人类的「共同脑袋」，接下来数年应有更多语言模型陆续问世，但多属大国竞逐的场域。

他认为对新创团队来说，不必总是从头开始发展新技术、新模型，而应学习在巨人肩膀上堆积木，设法开发可商转的应用产品。新创团队除了开源的语言模型，也应善用台湾既有的硬件制造和设计优势。

谈到台湾软硬件业的差别，简立峰指出，硬件业者可生产不同价格区间的产品，任由荷包实力不同的消费者选择；虽得面对库存管理的压力，但产业供应链完整，他国难以复制。

台湾半导体业成功有另一关键，就是银行借贷业者的鼎力支持。业者一年150亿~200亿美元的资本支出，所须支付的利息可能不到1%，在美国则约4%。他国对手自然望尘莫及。

相较之下，软件无国界，也无库存去化问题，但软件开发要做，就得做到「最好中的最好」，且须不断创新迭代，以维持领先，「成功者只有少数」。

他认为，从事软件业的人最好能到国际大公司历练，接触世界一流人才，并学会掌握市场脉动。例如在纽约街头，迎面走来的就是各色人种，因此在当地开发的软件自然得符合不同族群的多元需求，台湾的环境则较欠缺这样的多元性。

但他也提到，IC设计人才最适合创业，这是台湾的另一强项。因IC设计是软硬件交会口、也会处理到产品应用面，因此IC设计人才出来创业3个有2个会成功，特别是有专案管理经验者。

观察台湾近年崛起的软件新创，许多创始人便是在外商公司历练过，或有长期异地求学经验。

AI软件公司爱卡拉（iKala）共同创始人程世嘉、Foundi房地信息站共同创始人郑依桓，都曾是Google软件工程师；发展AI语音技术的犀动智能（Aiello）共同创始人沈书纬，则曾在高通（Qualcomm）和Google任职。被誉为台湾首家软件独角兽公司的沛星互动科技（Appier），其共同创始人游直翰则在史丹佛大学和哈佛大学分别取得硕士和博士学位，在学术界深耕多年后才开启创业之旅。

沈书纬日前表示，在Google工作期间，曾参与许多现今已停摆的计划，包括用气球发展空中无线网络的Project Loon；计划喊卡在美国总部乃常事，并不会特别觉得挫折。当然他也曾参与Google Home、Google Assistant等持续发展的计划。

他强调，重点不是在哪家大公司工作，而是能否接触到来自不同背景、拥有不同专长的人。过去担任大公司专案经理时，找供应商相当容易、也有许多厂商主动接触，创业后则得从头开始。

外商研发中心增 有助台湾留才？

经济部2022年9月在行政院报告「吸引国际大厂来台设立研发中心现况与推动做法」，其数据显示，国际大厂在台设立研发中心约30家，其中包括美光（Micron）、默克（Merck）、恩智浦（NXP）等9家为近2年首次在台设立。同时，外商在台总研发金额从2018年新台币31亿元增至2022年243亿元，写下历史新高。

外商公司一般不对外透露在台员工数，不过据了解，以Google而言，其台湾员工数近年快速成长，2019~2020年约3,000人，现已增至近5,000人，且在台设有服务器设计和IC设计团队。对此，Google台湾官方表示，「该消息并不正确，我们不对外公布员工人数。」

Google于2006年进入台湾，2010年撤出国内市场，2013年启用位于彰滨的数据中心，2018年收购宏达电约2,000人的手机工程团队，2021年在台湾启用位于新北市远东通讯园区的全新办公室，美国总部以外最大硬件研发基地就在台湾，且全新海底电缆将通过台湾、而非香港。上述事件虽不必然有因果关系，但显示Google总部相当看重台湾。

台湾市场规模受限，但台湾产业生态系的优势，其他地区短时间内难以复制。

台湾产业谈软硬整合谈了数十年，目前仍呈现硬件业远大于软件业的态势。当AI软硬件技术日新月异，正横扫IC设计、车联网、云端运算、智能制造、智能医疗等众多领域，业者或许可思考如何善用资源、掌握新兴趋势，带领供应链伙伴走出新局。

责任编辑：游允彤