以科技業來説，沒有雄厚的研發成果（其能掌控其產業的所有核心知識），就不可能建立起美日歐等各大公司，其事業範圍涵蓋所有領域。農業有孟山都、歐美各大藥廠、德國日本的汽車業及精密械業、歐美的飛機產業、以及重中之重的軍事工業（陸海空及太空武器）。每一事業都需投入大量的研發經費，而其背後都有政府在大力支持。基本上，研發團隊及成果（專利及特殊營業密秘）才是其公司的核心價值之所在。當然這些公司大都是經歴百年以上的經驗所累積出來（日本是1870年明治維新以後，所建立的各大財團公司）。
台灣的代工事業想要切入以研發為核心，品牌產品為主力的全球貿易事業，政府的產業政策之思維必須大大的調整。所以現階段台灣產業的挑戰，是如何由工業 2．0 跳到工業 3．0，而非妄想直接就跳到工業 4．0。以最近台灣各大都市想要興建的捷運系統，及政府要推動風力發電而言，全部由歐美外商來承包，就代表我們國內系統整合商的能力嚴重不足。
現今台灣想要發展研發事業，就必先廣召科技界的博士級人力，再加上超級電腦結合軟體的前瞻性研究，累積豐富的研發成果專利，才有機會，當然這些專利成果必須達到領先全球同行的水準。最近韓國三星公司在美國建立的晶片廠，已聘請原在英特爾工作的超級電腦專家，來領導建構三星公司自己的超級電腦及雲端管理系統。這代表韓國的大公司，其視野已跟上國際大廠的腳步，而台灣各大公司，若還只想憑代工賺二岸貿易順差的紅利，請問這種政經予盾情境還能維持多久？
工業 4．0 大數據及人工智慧的挑戰
大約在公元2000年起，歐美日各大公司，都面臨網路事業的衝擊，如今電影產業已大部分改到影音平台上播放。至於各科技大廠，因其產品是行銷全球。所以從研發成果到尋求代工生產，及最後的行銷，都需要用大數據做管理與服務。
以賓士汽車公司為例，各國的用戶只要將待修的汽車開入其維修中心，開動引擎所發生的聲響，其人工智慧軟體就能研判出，汽車可能故障機件何在。而波音及空中巴士所賣出的每一台飛機，其飛行情境及機件維修，都有大數據及人工智慧軟體在控管。也就是所有國際大廠從研發源頭到產品服務管控，都需要升級到利用自己的雲端中心，來提昇公司的數位化服務能力。而這些公司營運大數據的累積，日後就成為公司最核心的營業秘密。凡是不會用大數據及人工智慧來控管公司營運過程，終會在全球的商業競爭中敗下陣來。當然仍處在工業 1·0 及 2．0 的公司，對這種大系統整合商的困擾，就很難有深刻的體會。
最近美國拜登政府，禁止美國尖端的晶片輸入中國，當中輝達 A100GPU 加速晶片最為敏感。汽車專家都説中國的自動駕駛車的發展會受影響。為什麼？因現今大數據人工智慧之現況，若是單一項目的目標，如車牌辨識、語音辨識及人臉辨識，大約需要十萬筆被簽注資料的訓練，才能達到九成九以上的準確率。而自動駕駛車之訓練，涉及氣候、路況、交通規則、及其他車況或人為的突發事故。其所涉及的數據範圍，可能需上億筆資料訓練，以及相應多元目標的抉擇。各汽車大廠，無不以成千上萬片的的 GPU 在做大量神經網路學習運算。最後只剩少數的神經網路權重值存留下來，由此就可寫入一片 GPU 中來運作自動駕駛。
每一個汽車大廠，都將此自動駕駛的成果，當成公司的營業機密。但先決條件，其必須聘僱足夠多的電腦硬體人才，及相搭配的軟體研發人才，更需要耗費十年以上的時間，經由不斷來來回回測試修正，才能有先端的技術做全球性競爭的利器。而現在大家在觀注的無人機及無人戰艦的課題，日後也都會面臨此挑戰。由此可知，各國際性大公司的大數據與人工智慧的挑戰到底有多大，問題是台灣的政府與民間真的準備好了嗎？
＊作者為成大講座教授
