以AI賦能企業為號召，軟體新創iKala創辦人程世嘉曾說：「AI應該像水電，打開就能用。」近2年，生成式AI的快速發展，掀起一波產業革命。許多企業開始感受到危機意識，想將AI導入營運，變成「AI公司」。但是每種產業和企業的適用情境各異，如何善用AI，成了一大難題。
在台灣人工智慧學校，他們首先為具有決策權的經理人開班，讓經理人和工程師可以共享AI相關的溝通語言。他們的願景，是讓這些「種子部隊」把AI基本概念及產業知識帶回公司，激盪屬於自家的用法。「我們鼓勵學員上課時，帶問題和data過來，一同激盪，做出企業專屬的AI產品，」台灣人工智慧學校校務長蔡明順說明。
蔡明順觀察，近年來上課的學員，從醫療、製造、金融等產業，到法律、廣告業都有，關注議題更延伸到「連續製造」、「邊緣運算」（Edge AI）、「AI加速器」等面向。有些企業甚至延請校方為其開設專班，專注於該產業的AI應用。
蔡明順認為，未來每個產業都可能會開發專屬的中小型語言模型和人工智慧代理人（AI Agent），有如資深專業人士，可助力管理行業知識、加速研發效率。比如在傳統製造業，有水泥商運用AI來設計，不同樓層所使用的預拌混凝土最佳配方。
台灣首見、加入產業知識訓練的大型語言模型Project TAME的開發團隊成員林彥廷則觀察，業界導入TAME的應用第一步，應該是「加速內部效率」，作為ChatGPT的平行替代品；接著…有些企業會對模型進行訓練，特化成內部知識管理和傳承用的產業模型。比如產線作業的電子紀錄和操作手冊的問答，當產線負責人休假時，其他職員可以透過模型得到初步解答，有助於改善勞動條件，在各行各業普遍苦於缺工之際，相信這是製造業非常有興趣的AI應用方向。
台灣的AI新創該如何突圍，找到競爭優勢？
台灣產業的優勢在於硬體製造，頂尖人才集中於台積電等公司。找不到充足人才，軟體業就不能發展AI應用了嗎？蔡明順提出另一種觀點。
「我覺得還是有個機會，是你有沒有辦法做到半導體行業裡面需要軟體的地方？」蔡明順點出，在每個產業都有需要商業級軟體輔助運作的地方，這就是台灣可以切入軟體商機的機會。比如在半導體行業，從IC設計到製造端都會用上的EDA（電子設計自動化Electronic Design Automation）。「因為它可以在產業的這個巨人的肩膀上去推動，」他說明。這也與台灣人工智慧學校，選擇從產業界培養AI人才的概念相符。
蔡明順認為，人工智慧發展的下一步，將是針對特定產業需求量身打造的專門模型。這些模型能更有效地瞭解特定需求，並有效率地執行任務。企業可運用AI，專注於識別和開發新的商業模式，利用人工智慧創造新的價值，並確保長期獲利。
企業要找AI幫忙，一定要花大錢投資算力嗎？
有些企業想到應用AI，就想到花大錢買GPU、組建團隊來研究，便打退堂鼓。林彥廷認為，公司在有本職要運營的情況下，並不會整天都在訓練模型，因此租賃肯定更划算。「就算有大量的資料要訓練，因為不是每天都在用，所以用租的還是更有效率，」他點出。
蔡明順鼓勵企業，優先採用外部的算力。「你的資料如果大到一個級別，要去訓練大語言模型，也是可以拿到其他地方去訓練，」他認為透過簽約約束，即可杜絕資料外洩疑慮。
然而，對現在想導入AI的企業來說，最缺的不是算力，而是數據。
資料中心等基礎建設遠遠不足，模型訓練來不及
蔡明順認為，人工智慧的導入與大規模應用，缺在訓練用的數據量不足、缺乏台灣自主的雲端服務和適當的資料保護措施。其中，數據是個大問題，比起仰賴政府意識到重要性，協助建立基礎建設，他認為行業應可以共通性的標準提供、共享數據，並透過半官方的組織來整合。重點是去隱私化，以避免爭議。 這個難題，適合從行業公協會來推廣，「尤其是那一些具備有競爭力的行業，它是應該要來做這個事情，」蔡明順認為，如果連基礎的數據都沒有，縱使算力夠用，也訓練不出語言模型。
從今年台北國際電腦展（COMPUTEX 2024），AI應用成為台灣企業的關注議題。從先行採用AI的經驗分享出發，到越來越多企業買入AI運算級GPU。在導入、驗證、分享、傳承的過程中，各界將逐漸摸索出導入AI的必備條件。 （相關報導： 台灣能成「AI智慧島」？李鴻源籲檢討能源政策：若缺電，產業就不會來 ｜ 更多文章 ）
責任編輯/周岐原
