【2021 INSIDE 未來日】三專家重磅解說-如何抓住 AIoT 浪潮的機遇,展開行動

自製專題

評論
inside
評論

INSIDE 主編李柏鋒和台灣人工智慧技術發展處處長陳敦和、工研院資通所副所長花凱龍、SparkLabs Taipei 新創加速器共同創辦人邱彥錡,透過各自不同的專業與經驗,一起分享、探討 AIoT 的未來機會與挑戰。

AI 和 IoT 兩個技術都已經有了相當的技術積累,目前最重要的課題是,如何將這兩個技術融合為一體,產生綜效。舉個生活的例子,以電燈為例,物聯網以 App 控制,只能說方便,但不能叫智慧,但若讓電器以大數據和感應器收集資訊再做判斷與行動,人工智慧才會發揮作用,看到陰天、晴天就能自動調節室溫到最適合的溫度,讓生活更便利,而且這一波  AIoT 的浪潮,會讓台灣產業產生相當大的變化。

inside
INSIDE 未來日 專家會談,左起:邱彥錡、花凱龍、陳敦和

台灣在 AIoT 的發展上有人才成本優勢,但傳統企業思維的轉換是關鍵

這次三位產官學界的專家,都分享了在各自的機構與職位上,看到台灣在 AIoT 的發展中,有什麼機會與挑戰。陳敦和表示,台灣人工智慧技術發展處是專門培育 AI 人才的機構,企業派訓時,能將業界的經驗帶進學校,整合產學經驗,而且普遍對數據都很重視,在台灣來說,這是重要機會,但面臨的挑戰是 IoT 的產業變動性很大,如何銜接技術是重大關鍵。

花凱龍認為,在 AIoT 的發展上,跨域很重要,雖然門檻比較高,但政府會協助企業發展,而且,學校與產業的結合很重要,人才的培育再加上跨域合作就能創造機會,但也指出台灣企業的普遍問題,要發展 AIoT 需要長期投資的耐心,能堅持下去,才能看到豐收的果實。

邱彥錡則指出,SparkLabs Taipei 投資的 35 家公司中,超過一半關於 AI 產業 ,台灣有人才和經驗,不過挑戰在於,台灣熟悉製造業的生態,從 0 到 1 的創新卻是弱項,而且對於所收集的數據,如何運用、解讀和將數據轉為高價值的資源比較少著墨,以及過度強調客製化會抑制整體的發展。

AIoT 時代的創業趨勢,不論是 B2C 或 B2B,都需要面臨市場規模狹小的問題

邱彥錡認為,台灣做 B2C 將面臨腹地小,難自給自足的窘境,企業普遍名氣小,少有人關注,容易有侷限性、地域性的限制,如要做 B2C,必須結合海外市場。而且 B2C 容易產生贏者全拿的局面,顧客較關注最好的公司,但 B2B 就比較有差異化市場,共存度高,例如,透過訂閱制,就可以維持一定的營收,B2C 較受限於價格,容易流於削價競爭,不過,兩種方式各有優劣,B2C 或 B2B 雖然業態不同,但都須解決消費規模的問題。

花凱龍表示,選擇 B2C 或 B2B 還是要看自身的商業目標為何,在技術開發上,雙方邊界並不是太明顯。

陳敦和指出,台灣傳產代工大多是 B2B 的模式,對單一客戶相對單純,但 B2C 的複雜性較高,對創業者來說,就需看公司的發展強項是對於人的了解,還是技術的掌握。

說服台灣企業增加 AI 產業的投資,主要有三面向:信心、團隊、題目

陳敦和認為,要讓台灣的企業增加在人工智慧的投資有三個面向:

  • 信心。加強企業決策人的信心,是很有力的工具,可以利用試點專案,提高 AI 的注意程度,讓主管看到成本減少、有效率,能看到成效,就能增加信心。
  • 團隊。一個團隊最好能有領域專家提供專業知識、資料科學家建立分析模型,佈建彼此連結的網路,不過,如果一開始預算有限,也不需要組建完整的團隊,部分團隊可以外包或異業結合,而且,賦能領域專家資料處理的能力,也是一種解決方式。
  • 題目。選好發展的題目,最好能提升到公司發展策略的層次,提出困境、轉型,讓主管有急迫感,並試圖找到解決的方式,較有機會取得主管的同意。

花凱龍也表示, AI 發展成本高,尤其是人才的培育,工研院在這一塊會輔導、鼓勵,現今許多中小企業也已經跟學校建立聯合研發中心,讓研發成本下降,培養人才、甚至媒合人才與企業,讓產學界緊密結合。與此同時,學校與工研院也有合作,三方資源可產生綜效,尤其是前瞻科技的研發能快速落實到業界。

台灣在發展 AI 產業時,人力成本低、硬體製造、醫療產業都是優勢

花凱龍表示,AI 是目前全世界的趨勢,除了人力成本上,台灣的優勢也顯示在硬體廠、加工、醫療上,要在本質中看到未來的機會、增加跨域合作,門檻雖提高,但增加原有優勢,再加上異業合作,就有成功轉型的機會。

嘗試錯誤、借重數據、找到跨域夥伴、保持耐心、展開行動、做出改變,搭上 AIoT 的列車

邱彥錡認為,如果沒資金、資源,最好能組成一個團隊,嘗試錯誤、接受新事物,可以借重數據優化商業目標。此外,花凱龍指出,保持熱誠、勇於嘗試、找到跨域夥伴,AI 的門檻有不同程度,不需害怕,而且企業要保持耐心。陳敦和則表示,物聯網將改變未來,AI 對於軟體思維是個翻轉,將能發揮以往難以想像的綜效,他也指出企業高層並不需要太高深的 AI 知識,但要對資料、數據的重要性有所認知,對此,INSIDE 主編李柏鋒解釋道,展開測試,累積數據,產生經驗,也是快速建立自身資料庫的方式。

核稿編輯:Mia

延伸閱讀: