AI技术继续神速打破，正贯通软配件并跨各行产业运行，由数字化更新到AI化，带来人类生存与产业的各种改革。AI技术继续神速打破中，未然成为环球数字化的干流，也正贯通软配件并跨产业运行，从关键零组件、智能装置、软件、平台、运行服务等，正在构成人工智能产业生态。
AI技术继续提高，融合各种新旧技术如云端、物联网、大数据、VR／AR／XR等成为各种AIoT新运行，AI成为各行各业的数字化更新到AI化，带来人类生存与产业的各种改革。
AI全体趋向方向：市场规模预测与重点投资名目
环球市场规模软件占大宗，亚太市场正崛起中。依据IDC剖析，环球人工智能全体市场营收（涵盖软件、配件、服务），2022年达3,169亿美元，2023年达4,328 亿美元，年生长率近20％，也预估2025年将破7,000亿美元。
软件仍占大宗，涵盖四个次软件畛域，以2023年为例，各自市场占比优先级为： AI运行占近49％位居第一、其次AI系统架构软件占35％、第三是AI运行开发与部署软件占12％、第四是AI平台约4％。
环球投入人工智能重点名目与优先级
依据考查环球私部门投资在人工智能名目中的前五大依序为：医疗和保健类、数据治理、处置和云端运算、金融科技、批发、影音视讯，如图2所示。
值得留意的是，少数企业体认到数据在开展人工智能的关键性，将相对过去更情愿投资在资料畛域，不论是大数据、小数据（Small>
AI未来四大开展方向：散布式AI、生成式AI、可信赖AI、永续AI
演绎AI市场趋向与常年AI技术开展观测，预估AI未来二至三年将朝向四个开展方向：散布式AI、生成式AI、可信赖AI、永续AI，以下一般剖析如下。
散布式AI：Edge AI 2.0 是边缘单干的关键
边缘AI因为不用上云端，到达实时回馈、隐衷包全、弹性客制化等。目前Edge AI开展已从AI芯片档次迈向AI算法在边缘端、装置端处置剖析终端或网络上所发生或搜集的数据，因此企业可以在边缘端做不等同级的AI运算、剖析和模型。
因永续议题兴起，也开局谋求缩小AI模型训练期间及资源需求（如算力、期间、数据等），到达低资源需求的散布式运作，此倡导两种思想作法：
（1）谋求最适化算法：随着数据量继续生长下，深度学习DL长于处置巨量且非结构数据，传统机器学习ML依然比DL更为适用，ML更透明、具可解释性、较节能，ML 和 DL 各有好处互补，因此需思考运行场域中的数据个性和限度、算力需求等，结兼并用；
（2）缩小训练AI之消耗：如现况数字装置的广泛疑问是App允许跨装置，缺乏弹性，形成局部能耗，如从高阶到低阶手机，不同配件资源适宜的最佳AI神经网络架构差异很大，为因应各种装置状况须从零开局从新训练，加上大数据处置及AI模型训练建置等老本，多造成适度动力消耗。
因此可以建置一个训练允许多场景性能架构（Once-For-All，OFA），设计一次性性网络，直接部署在不同架构性能下，摊派训练AI老本与能耗，让AI模型架构须能依据状况启动弹性调整达低能耗。
演绎未来AI散布式运作系统架构软件开发三面向
（1）散布式系统架构：增强AI系统韧性与安保、顾及隐衷包全、他乡备援等，将朝向去中心化部署；
（2）边云单干：目前多运用联邦式学习的特点在于不同边缘装置可以在不分享本端数据的条件下，也能在云端上独特介入AI模型训练与学习，并继续谋求AI模型优化，在各地边缘装置也能同步从云端下载最新、最好的AI模型。同时依据数据运作的档次来选择联邦式学习的运作档次，例如在终端（On-Device）、边缘（Edge-Based）、云端（Cloud-Based）这三种档次上，都可以启动AI模型训练与学习，到达边云单干的境界。
（3）真假整合：能运用AI软件极速启动各种传感器与智能装置的AIoT化等布建，并能依据各种情境设计出实体与数字同步运作的人机单干之AIoT系统，以因应未来数字分身（Digital Twin）及元宇宙等运行。
生成式AI：正在极速衍生新运行市场
Generative AI目前简直是AI发明力的代名词，其原理是透过生成网络（GenerativeNetwork）与甄别网络（Discriminating Network）启动博弈比赛，AI藉此环节中发明出各种真假多元的或者性，如图5。
目前生成式AI可以处置文字、语音、声响、图像、音乐、视讯、生理感测等，可以写文章、编故事、虚构人物、影音创作、数字设计、数据扩增、程序设计等，也可以开展各种数字工具，正极速衍生各种新运行市场，如智能医疗影像、新药开发、实体商品虚构化、机器人仿真器以及如今很抢手的元宇宙。
在AI元宇宙生态系架构中，可帮忙元宇宙开展软硬整合的平台，AI在跨软配件可同时发力，AI芯片担任允许不同的算力需求，而AI算法从感测数据、认知学习、模型建设与运维，连结详细运行场景，特意是能依据不同终端设施入口与接口来设计人机互动形式并且发明新服务如图7。
AI是元宇宙的大脑，会成为元宇宙的治理者，但关键在于能否能开展出可替换或单干的AI工具或规范，同时在真假整合的环球里必定要以人类经常使用者体验为中心，到达AI团体化体验。
可信赖AI：将促使AI新处置打算或验测工具兴起
人工智能的黑盒子是AI开展的痛点之一，随着AI运行百花齐放，企业也开局评价导入AI所带来的疑问如网络安保、人身安保、非法性、可解释性、隐衷包全、数据偏误、偏心性、多元性、对环境所带来的负面影响等，这些皆属于可信赖人工智能（TrustedAI/Trustworthy AI）范围，国内上从2018年迄今从可解释AI（Explainable AI）、担任任AI （Responsible AI）、可信赖AI等关系议题继续演变，欧美等及国内组织等已研拟AI规范或规范，加上随着AI运行遍地开花，也随同着AI危险随之升高，因此造成企业导入AI时会发生疑虑或技术阻碍。
故从2020年开局迄今，可信赖人工智能议题也从伦理品德档次朝向工具化、技术化落实。如此一来，一方面为了优化AI被导入的志愿，兴许会直接减速AI运行市场裁减，另一方面成为AI新商机，也观察到国内大厂或新创开展出各种可信赖AI工具或处置打算，也是AI新运行市场。但每个运行所要求可信赖AI的需求水平不同，如图7所示。简言之，目前环球产官学研踊跃规划可信赖AI，未来将左右AI技术开展与运行市场，台湾业者宜及早规划。
永续AI：环球要求AI-based 工具帮忙有效片面净零减碳
前三项AI都必定与永续AI扣合，环球要求AI-based 工具帮忙有效片面减碳，并启动绿色与数字双轴转型。但若要运用AI要求有数字化的设施及大数据基础等，因此先进国度和开发中国度才无时机充沛应用AI，如欧、美与东亚具备少量高科技人力、数据与技术，可以导入AI来帮忙。目前这方面的AI较多运用在帮忙精准消费、优化企业营运效率以及智能化方面。
值得留意的是，AI双轴转型哲学在于先把握AI开展的一体两面，即能评价运用AI带来的正负影响，方能善用AI融合ESG驱动双轴翻新转型战略。依据联结国考查剖析AI在 SDGs 134个目的之中，有近80％可以带来侧面影响，特意是在智能制作、智能农业、卫星影像辨识、环境感测、智能市区等五个运行，而另一方面，AI也会带来一些负面影响，例如数字落差加剧、数据偏向带来歧视、取代劳力要挟、先进AI需少量运算资源、模型毛病与滥用、操控言论、对独裁与人权形成要挟等。
此以开展AI技术三大因素－算力、算法、数据为**，并从供应面、需求面、制作面、环境面切入AI可以帮忙净零永续的面向，如图8所示。
论断与倡导
AI跨域多元，从芯片、算法、大数据、基础架构及商业形式等，AI都面临着不同档次的疑问与应战，如在装置端或边缘端，在不就义算力的条件下到达低功耗、开展出可以追踪或监视数据所造成监视模型偏误的工具或平台、善用生成式AI发生分解数据以处置数据无余的疑问、运用散布式架构防止运算或传输资源的糜费等。
AI技术自身仍在开展中，所遇到各种应战中也暗藏着AI技术翻新时机和后劲商机。
原文链接：