台灣的人工智慧夢

NVIDIA 會將下游產業鏈放在台灣,是因為他們的企業核心競爭力不在這裡。如果我們又想要用人家留下的低毛利下游產業去玩AI運算架構,那台灣AI發展未來十年大計恐怕又走入了同樣短視近利的死胡同!
評論
REUTERS/Fabrizio Bensch
REUTERS/Fabrizio Bensch
評論

作者 蕭瑟寡人, 費德智庫 共同創辦人暨專欄作家。沒事看書充飢、有閒寫文聊聊時事。現專注於教育科技、社會企業、科技創業與創業輔導。

幾個禮拜前,科技部陳部長受訪討論台灣未來的 AI發展方向 。訪談內容中見陳部長對AI相關產業的見解頗深,也對台灣未來發展用心良苦。雖然部長已開始釐清筆者對於台灣政府的AI發展藍圖的 一些疑點 ,但台灣在發展AI上仍有嚴重的體質問題,現在是時候近一步鑽研討論。

甚麼是人工智慧(AI)產業?

這問題就是第一個弔詭的地方:AI並不是一個種產業別,而從大眾口語來看,甚至連一種技術都稱不上。

大眾口語中的人工智慧嚴格上來說,只是一種對於「自動化」的統稱,並不能與機器學習、雲端運算等畫上等號。

故此,「人工智慧產業」最終的產業價值並不是來自於技術專利,而是優勢產業自動化後的附加價值,比如說汽車透過視覺辨識技術來輔助自動駕駛、工廠透過資料分析來自動調整產能都是這類案例。

筆者個人在「人工智慧產業」服務將近十年,主要做的是自然語言處理技術以及學習認知模型,這些「人工智慧」方法,與其他產業使用的技術如視覺辨識、訊號分析,都是隔行如隔山。

因此,並沒有甚麼「人工智慧」技術投資在沒有產業環境的前提下是對台灣有利的。

當陳部長在訪談中提及「這個目的可以譬喻成如果要培養很多音樂家,首先要有好樂器一樣。」,筆者自然抱持反對的態度。好的音樂家剛起步時, 用的也是基本款的樂器。要培育好的音樂家最重要的是要有良好的學習環境、穩健的樂理基礎,以及足夠的練習機會。

人工智慧也一樣,台灣現在人工智慧發展不是純技術發展瓶頸,而是沒有學習環境、沒有產業基礎,就算技術出爐也沒有足夠練習機會。

最終原因還是出自於台灣許多產業的毛利和效率都已經不具有國際級競爭力了。

仿效 nVidia

陳部長為什麼要做這顆球給媒體接,筆者我能理解。

因為硬體向來是台灣的強項,而電子產業仍是台灣短期經濟發展的許願池。一位部長、一位行政院長、一位總統任期了不起就是八年,短的可能連四年都不到,誰想得到十年以後這些投資對於台灣究竟有沒有幫助?(當然,這也是台灣和許多先進國家差異最大的地方)

訪談中提及的「人工智慧軍火商」觀點,倒是挺耐人尋味:

「... 從整個世界分工體系下來看,台灣在 AI 產業鍊最大機會應就是發揮過去 ICT 產業累積下來的優勢,參考 NVIDIA 針對市場需求,走快速的「軍火商」路線。」

「的確,很多新點子、新商業模式是在矽谷發想、誕生的,不是說應用面不重要。但 舉個例子,如果未來我是個想專攻特定 niche 市場的業者,我想要用很獨特的 AI 模組,晶片我也不要用 NVIDIA 的 GPU,得要用自己的晶片打這場仗。怎麼做?找台灣供應鏈,而且直接在台灣組一個團隊可能是最快的方式 。」

說到這邊,不得不再深入了解 nVidia 是一家甚麼樣的公司。

nVidia 雖然是以繪圖晶片聞名於世,但是其公司在產業圈中向來不畏虎,時常勇敢挑戰衛冕者。除了繪圖晶片外,nVidia 的主機板晶片、行動處理器也都有一定的技術資本與產業實力。

在繪圖晶片市場,nVidia 與 ATI(今 AMD)是幾十年的競爭對手了。而 2006 後 AMD 併購 ATI、Intel 積極發展繪圖晶片,nVidia 面對兩強大陣營的競爭,就已經在思考如何跳脫純繪圖晶片的產業定位、進入一般運算和工業雲端運算市場,以保護自己的帝國版圖。

而在主機板晶片市場,將近二十年前 nVidia 推出了 nForce 晶片組,挑戰台灣威盛和 Intel 兩大霸主的地位。直到 2007 年,威盛因為與 Intel 的專利授權糾紛而決定退出主機晶片組事業,同期 nVidia 也停止發展 nForce 晶片組,尋找更高毛利事業。

在行動運算市場,nVidia 的 Tegra 系列處理器雖然市佔率不及 Qualcomm、蘋果與聯發科,但仍是此市場的重要競爭對手之一。2017 年,任天堂推出的 Switch 遊戲平台便是使用 Tegra 系列處理器。

由此可見,nVidia 不是一家繪圖晶片商而已,而是數十年來不斷發展各類運算晶片設計實力、數度威脅各領域世界霸主的重量級玩家。

但是,訪談中討論到台灣如何向 nVidia 學習,竟然是因為 nVidia 使用的產業鏈都在台灣,因此台灣善用這產業鏈自己組隊去跟國際競爭?

想想過去二十年,當初威盛主機板晶片組事業的命脈在 Intel 手上,而台灣記憶體事業的命脈則在美光手上。最後,不管是自己被 Intel 搞死,還是美光被三星整死,當下游廠商的下場就是任人宰割。

如果要學習 nVidia,我們應該學習 nVidia 長期投資、勇敢挑戰 Intel、Qualcomm、AMD/ATI 等食物鏈龍頭的戰略,結果到了 2017 年的今天,台灣卻還在想要用 nVidia 輔助建立的下游產業鏈去自組團隊、去仿效別人打造自己的晶片?

nVidia 會將下游產業鏈放在台灣,是因為他們的企業核心競爭力不在這裡。如果我們又想要用人家留下的低毛利下游產業去玩AI運算架構,那台灣AI發展未來十年大計恐怕又走入了同樣短視近利的死胡同。

官產學的合作方針不明確

說到創業和產業發展,筆者個人最擔憂的就是產業領袖跳出來以「成立公司」為 KPI。

在美國創業圈待過的朋友都知道,要發展成為全國性、國際性公司,最後大家仍舊必須到矽谷和紐約。

為什麼?因為人力、產業專業、管理、研發、技術轉移等相關資源充沛,新創公司在矽谷和紐約相較起美國其他地方的體質就會有所不同。

並不是一堆人搶著去註冊公司來閉門造車就是好事。

但如果今天討論的是學術研究,那事情簡單許多。學術研究只要願意砸錢挖人、買設備,只要把學術人的「腦力」挖來,就有機會發表新學術成果。

但是,這恐怕不是台灣的AI產業所期許的吧?

從筆者自身觀點看來,學術研究和產業應用之間的隔閡至少都是十年以上,而筆者自己從事過的自然語言和教育應用,學術與產業之間的落差恐怕逼近二十年。除此外,最近炒得火熱的深度學習,其理論基礎「神經網路」,其實在學術界早在 1943 年就提出,但是直到過去十年的運算硬體突破,才使神經網路的成果明顯超越支持向量機(Support Vector Machines)和貝斯網路(Bayesian Networks)。

而至此,台灣的整體AI發展方向到底是衝著甚麼而來,筆者個人尚未看到一明確的答案。

若台灣政府希望扶植學術研究,那未來二十年的成果恐怕是以論文數和引用數計算,而非經濟產值。

若台灣政府希望扶植AI相關研發與新創,那前提是要建立一良好的產業和經濟環境,否則不會有企業主願意掏錢出來發展AI,畢竟研發最終還是要能夠提升企業獲利。

目前科技部的口徑似乎有意使AI發展和經濟產業環境脫鉤,希望可以將投資全部砸在硬體上而不去理會企業和民生應用。

很遺憾的是,今天我們已經不是 1980 年代的台灣了。

台灣已經不是一中低收入的開發中國家,我們的薪資水準在中低製造業已不具優勢;但同時,台灣的廉價人才卻又不具先進國家高階人才的創意產值和效率,因此許多高階知識產業亦不具國際競爭力。

前者的毛利在AI發展蓬勃的年代只會越來越低、工作機會越來越少;但後者卻會繼續成長,而且薪資會大幅成長,但前提是台灣的AI人才以及公司要有能力解決國際市場的企業和民生問題。

現在提出的「AI軍火商」概念,基本上意思就是「nVidia 一把自動步槍賣一千,台灣一把三連發卡賓槍賣你五百」,不要說現在有多少國際廠商有比我們更強的晶片和硬體設計能力,台灣隔壁的中國在AI和雲端運算發展已大幅領先台灣,再這樣玩下去我們可能連菜渣都分不到。