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。