人工智慧在台灣的發展大約自2017年開始蔚為風潮，此刻邁入第五年，已經有許多大型企業正在積極佈局；中小型企業雖然沒有豐厚的資源，但是從小規模試驗性專案開始，提升其數位能力。2021年AI要走向哪裡？Gartner提出值得關注的十大技術趨勢。
2020年突如其來的新冠肺炎，迫使各個產業面對前所未有的挑戰。然而，這場危機雖然帶來巨大的變動，例如全球化優勢不再、產業鏈面臨斷鏈與短鏈，卻也意外地加速企業和產業數位轉型的腳步。尤其當跨國移動不再如同以往方便，以機器取代人力也成趨勢，因此以大數據和人工智慧驅動的轉型，被視為企業與組織生存的關鍵。
人工智慧在台灣的發展大約自2017年開始蔚為風潮，此刻邁入第五年，已經有許多大型企業正在積極佈局，不論是導入AI工具，或是啟動內部AI人才培育計劃，皆嶄露強大企圖心；中小型企業雖然沒有豐厚的資源大規模投入人工智慧轉型，但是從小規模試驗性專案開始，提升其數位能力。
面對充滿不確定的未來，不論企業規模大小，人工智慧與數據分析的能力將會是決勝點。數據分析與人工智慧技術的結合，將對於精準預測、提前做好預備，以及如何加速應對全球危機及其造成的結果扮演關鍵角色。面對前所未有的市場變化，數據分析領導者需要不斷提高分析的速度和規模，以加速創新並開闢進入疫後世界的新途徑。
在AI衝擊下，疫情之後的新世界輪廓會是什麼樣？對此，Gartner提出值得關注的十大技術趨勢：
趨勢一：更聰明、更快速、更負責任的AI
趨勢二：儀表板（Dashboard）不再是必要
趨勢三：決策智能（Decision Intelligence）
趨勢四：X 分析
趨勢五：擴增數據管理（Augmented Data Management）
趨勢六：「雲端」是創新不可或缺的條件
趨勢七：數據和分析的碰撞
趨勢八：數據市場與數據交換
趨勢九：數據分析中的區塊鏈技術
趨勢十：關聯性（Relationship）奠定了數據與分析的價值基礎
從Piloting AI到Operationalizing AI 晶片運算力是決勝點
至2024年底，預計有75%的企業將從試水溫的測試型人工智慧（Piloting AI），轉為深度導入的可操作型人工智慧（Operationalizing AI），企業對於AI的重視與倚賴程度大幅提升，將帶動串流數據分析基礎設施建置，其成長幅度超過五倍。
可以預見的是，企業所面臨的未來是紛繁且充滿不確定，強化式學習（Reinforcement Learning）與分散式學習（Collaborative Learning）正在打造適應性更強、更靈活的系統來處理複雜的業務，尤其當新冠疫情以前的歷史數據都不再有效的時候，AI可以感知環境的變化，並做出與之對應的自主行動達成使用者的預期效果。
為了擁有更高效能的運算能力，晶片將是決勝點。科技大廠開始大量投資可佈署在邊緣設備（Edge Devices）上的新晶片架構（例如仿神經形態硬體），此舉大幅提升了機器學習的計算和負載能力，並且降低對需要高頻寬的集中式系統的依賴。
全球晶圓代工龍頭、台灣的護國神山台積電，正以驚人的速度與先進製程開發更具能源效率的晶片，例如台積電代工的7奈米5G手機晶片，運算效能是12奈米4G手機晶片的2倍，資料下載的速度更以前的8倍。此外，台積電正在著手進行專屬超級電腦的AI晶片生產計劃，若未來兩年投入商業應用，將會大幅降低AI訓練所消耗的時間，從以月為單位計算的資料處理時間，縮短至幾分鐘內就可以完成。
國際公有雲佈局台灣 加速AI創新落地
Gartner 指出，到2022年，公有雲服務將會對90%的數據分析產生重要影響。隨著數據分析逐漸遷往雲端，數據和分析領導者仍然很難實現服務與用例的協調一致（編按：用例是一種在開發新系統或者軟體改造時補獲潛在需求的技術），但這往往會限制創新，並且增加了不必要的管理與整合成本。
然而，數據分析師所關注的，正在從守住既有的服務成本，變為如何創造超乎價格的工作績效要求，也就是說，價格不再是最重要的，重要的是價值。資料分析主管需要去安排在雲服務上執行的任務，充分使用雲服務提供的資源，以專注於成本的最佳化和其他益處，例如移往雲端後產生的加速變革與創新。
2020年下半年，微軟與Google不約而同宣佈在台灣加碼投資雲端基礎建設，微軟將在台灣設立首座Azure資料中心，Google則將於雲林佈局繼台南、彰化，在台灣的第三座資料中心。可以預見的是，未來台灣雲端基礎架構更趨完備，台灣的企業、組織或團隊將不需要透過海外資料中心建置服務，讓在地的團隊更快速且直接使用雲端服務，加速AI創新與應用。
AI市場規模持續成長
根據科技諮詢與研究調查公司IDC提出的報告顯示，2020年全球AI整體市場規模1,565億美元，成長率達12.3%，軟體比重達80%。IDC認為，不久的將來，AI市場規模將以年複合成長率17%的幅度成長，有望在2024年突破3,000億美元。
但各種 AI 應用要能蓬勃發展，負責儲存數據、訓練模型，只有技術是不夠的，甚至有些時候並不需要太高深的技術，而是主其事者要有明確的目標、對於企業有價值的命題，再加上發展完備的 IaaS、 PaaS 雲端服務和資料中心，滿足 AI 對雲端服務所需的效能需求後，才能更有效率運用各領域的數據，成為企業營運最有價值的助力。
