人工智能+物联网=？

物联网的高速发展带来许多社会各方面的关注。 这几年产业界一直在谈物联网，其实在今年非常重要的改变，就是已经看到从物联网把很多东西跟人做一些结合，进入到要透过人工智能(AI)来加值的时代。 很多人认为所谓的「加值」，可能就是在做软硬整合;但其实闻名全球的竞争力大师麦可. 波特曾提醒台湾，不要忘记自由优势，也不要马上谈「效率驱动」进入到「创新驱动」，而要把效率驱动「加乘」创新驱动。

也就是把台湾特别是跟效率有关的硬件制造、甚至其他科技产业能够整合在一起。 因为全世界有太多国家都在做创新、都朝AI发展，所以AI时代来临，可让各界重新去思考软硬整合定义，并不是一定就是软件加硬件，而是要以「软实力乘于硬实力」。

所谓的「软实力」，从AI的角度来看，是既有「人」的智能，未来也有「机器」的智能。 但是什么是机器智能? 例如Google开发人工智能软件AlphaGo，慢慢走出围棋棋士所不能够下(或不曾想到)的方法。 在未来，机器甚至可能也可教机器人，更可教新进人员。

从AI加乘角度，来看AI又是如何影响民众的生活? 曾有一部老电影，描述加州理工学院的上课场景。 观众先透过镜头，从教室外听到有老师在对学生讲课的声音，然而当镜头转入到教室内，却发现到讲桌上只摆录音机，但老师人不在教室。 原来老师是透过录音机传送在对学生讲课，有趣的是，每个学生的课桌上也都放置一台录音机在录音。

当时这部电影已经预示现今在线教学方式及未来情报分析的情境：前端的作业可能是由AI的协助。

其实现在也开始有一些AI的机器在写新闻稿的媒体报导出现，其对于知识的研究者和知识的传播者都是一项挑战，也代表人的智能加上机器的智能，在AI加值之下将会更为重要。 从产业面向来看，AI加值在台湾产业、在制造业及服务业都是很大的面向。 从AI的本质来看，基本上是仿真人，所以在服务业上，希望透过AI加值后，在工作效率上有更大价值;在制造业也希望提高生产力。

去年世界经济论坛(有提到几个重要对于全球经济的议题，其中一个就是AI，大家比较认同的方向都是在于提升生产力，希望朝两个方向走：第一、是让过去可能需要有十个人做的事情，未来可透过AI让机器做助手以提高生产力;另外一个是要发展很多AI创新应用。

人工智能不是新领域，六、七十年前就有人工智能的领域在开展，过去也历经过多次起伏，但现在却可以进到实际的产业化;从观察整个产业开展的角度可以发现，有两个非常不同产业环境。 第一个是数据：现在有愈来愈多数据让机器可以有更多经验;还有运算，不管是运算能力芯片，或整个运算环境都跟过去大不相同。

另外，是经验整合，去年下半年很多国际业者将平台开放，希望能把Data computation的能力放进去后，让更多人把数据放上来做一些应用，促使更多实际的经验来做整合。 因此可预料的是，2017年接下来在Data、Computation及Experience三个面向会形成整合战。

在AI产业生态会有三个发展方向：

第一、是「产业AI化路径」，即使有很多产业需要可以来应用，但本身AI是否为一个产业? 是否有够好的芯片及终端设备及相关解决方案来实现?

第二、是「AI 产业化路径」，像医疗、金融业等不同产业面向，都希望能提高生产力，能有创新的价值。 另今年有一条路径是会持续进行，就是在物联网环境中，预料今年会有很多低成本的联网及设备将持续出现。

人机互动密切 语音助理聚焦

有人说，2017年CES展最大赢家是没参展亚马逊(Amazon)，其研发人工智能语音助理已广泛运用在许多装置。

亚马逊采用开放式架构，核心软件放在云端，其他厂商可以跟亚马逊介接其Alexa语音助理服务，让自己的产品也具有语音助理的功能。

最好的人机语音接口并非触控屏幕或鼠标，而是以语音、直接讲话的方式最为直觉与方便。 预期2017年类似亚马逊的语音助理会更普及运用在许多终端装置，因此将衍生音频传感器的需求，预料今年MEMS麦克风市场会加速成长。

推AI专用芯片 降低运算成本

工研院IEK预测，人工智能趋势开始改变最底层的运算芯片技术方向。 今年初有个网络账号在国际网络围棋连胜60场零败纪录，后来揭晓是Google人工智能程序AlphaGo。 因此许多人开始思考，更难问题是否也可透过此方式解决。

但AlphaGo最大问题是在现有硬件架构上，下一盘棋需动用数十台服务器与数百颗处理器，消耗电量需要数千美元，非常昂贵。 目前计算机是通用型运算架构，不适合人工智能运算，预料会有更多针对人工智能专用运算开发设计芯片。 Intel、IBM或NVidia已朝此方向开发，未来运算成本会逐渐降低。

发展机器学习 强化预测分析

机器学习(Machine Learning)算法能提供模式辨识、统计模式、数据探勘、知识发现、自我调适、自主组织与预测分析等各种应用。

其中，模式辨识是最常见的应用，如影像辨识与语音识别是去年全球人工智能主要研发重点。

预期今年焦点将转向至「预测分析」。

透过个人资料数据运算，医学上已可预测未来得到心脏病机率、甚至得心肌梗塞的时机点。

预测分析是一种数据分析技术，在机器学习的导入下，预测能力大幅提升。

价值链再升级 扩展生态体系

Garnter预估，至2021年每日每小时将有100万台IoT装置被购买，加上AI技术陆续导入，将促使IoT终端装置升级为各种AIoT智能机器。 能做到软硬整合、自主决策、互动如人且流畅驱动相关软硬件的智能机器人，将成为全球产业与市场的新宠。 居家服务机器人将扮演智能家庭中枢，娱乐休闲型机器人也开始进入商用场域。

AIoT技术正重新塑造消费性电子产品之关键零组件、系统组装、软件接口、服务设计之产业价值链。 促使全球产业正运用开放架构或软硬件资源，整合所有成员扩展生态体系，强化价值链上所有成员。

MEC技术崛起 改善用户体验

在物联网趋势带动下，今年通讯领域用户行为会有些变化，视讯使用频率提高，不管是Facebook的多人在线直播或是「网红经济」，今年趋势会朝满足实时传递要求。

另AR/VR应用兴起，电信运营商针对基础建设不只提高带宽，也需考虑并满足低延迟服务需求，Mobile Edge Computing (MEC)技术因应而生。

MEC技术是指应用邻近行动用户的无线通信网络设备，提供IT与云端运算资源供使用的一种技术，藉由将部分内容和储存下移到靠近网络边缘，可降低带宽占用及网络等待时间性，提高用户体验。

低功耗广域网 将加速商业化

低功耗广域网技术发展迅速，产品问世促使服务加速商用化。 3GPP NB-IoT去年底开始有相关的硬件平台问世，预计今年有更多产品及电信营运商加入，以提供智能城市应用，电信营运商主导公网建置竞争，将成下阶段LPWAN发展主要驱动力。 发展初期面临低功耗技术网络异质整合议题，中长期可采整合布局，效法欧洲u-blox模块，将Ingenu纳入产品组合方式，整合物联网异质网络整合平台，并整合混合云环境的平台介接能力，以此切入LPWAN解决方案供应链。

5G网络先暖身 带动设备需求

去年4G基础建设有些迟滞，预计今年相关需求会浮现。 日、韩、俄等国在2018年有重要体育赛事的试验服务推出。

市场预期，西欧、北美、日本、南韩、中国将为5G终端第一波需求国家，整体5G商业运营时程预估2020年实现。

今年pre-5G准备商用时程更为接近，将带动终端需求如Pre 5G Router、智能型手机等产品需求展开，加上pre-5G与5G环境需整合许多频段，预期在天线或RF等均有相对应更多数采用。

感测融合技术 增加自驾安全

近年来无人车及无人机等载具兴起，传感器融合将是后续发展最重要的关键。 传感器融合的创新概念就是同时间汇集「多颗」、「同类型」或「不同种类」传感器信息，整合所有高精度的感测数据，以更准确感知车辆外围环境。 相对于现有独立感测系统，传感器融合技术可以做出更好、更安全的车辆控制的指令。

Intel、Mobileye、BMW今年合作发表Intel Go自驾车平台，可为车辆争取到2.5秒的关键时间，发生交通事故时可提高生存率。

双R应用爆发 虚拟经济成形

AR/VR内容应用爆发，虚拟经济生态渐成形。

去年是硬件装置发展年，在应用开发平台与开发者努力下，今年将是内容与应用发展的冲刺年。 例如HTC开始建构应用生态圈，成立投资新创、开发工具及应用商城，吸引许多开发者开发许多应用与Vive配件。 此外，AR/VR与人工智能的结合，也被看好是新世代的虚拟世界雏型浮现。 而AR/VR的发展也逐渐像真人，两者结合将更模糊真实与虚拟世界的界线，形成全新的「虚拟经济」体系。

区块链成趋势 扩大使用范围

今年区块链的技术，包括在食品安全与产业供应链等应用上，预期将有很好的发展。 世界经济论坛调查指出，2027年前区块链将被广泛应用。 美国Walmart已利用区块链技术管理包装食品及中国大陆的肉品市场等。

至于台湾在区块链技术市场切入点，由于具有制造业强项及食安需求，新进厂商可在应用面进一步发酵。 区块链技术若与AI结合应用，AI将快速运算大量数据，区块链也可辅助AI技术，确保每笔数据的真实性，帮助企业做正确的判断。