2020年,疫情迫使許多企業跟上數位化腳步,這些企業若能在數位化過程中將累積的數據進一步轉換價值,將帶動大數據與數位轉型的機會。面對人工智慧應用蓬勃發展,數位化成熟的企業則是開始思考如何借用新的工具帶領企業再創新的高峰。透過知名創業加速器AppWorks Accelerator以及社會企業若水國際的觀察,帶領讀者一覽當前台灣產業在AI應用的趨勢。

AppWorks Accelerator於2010 年成立,自 2018 年 8 月起限定招募 AI / IoT 與 Blockchain 新創團隊,目前為止已經招收五期 AI / Blockchain 共 150 組新創團隊,其中有 84 組 AI 新創,持續為台灣 AI 生態系挹注新能量。透過他們每半年更新的〈台灣 AI 生態系地圖〉,除了可以瞭解整體AI生態變化過程,也幫助AI新創掌握未來挑戰與趨勢。
Taiwan-s-AI-Ecosystem-Map-Second-Half-2020-2(圖片來源:AppWorks Accelerator提供)

AppWorks Accelerator觀點:

1.醫療 AI 新創獲投資人關注,是否能成功帶來正向循環?

由於新冠肺炎疫情增加了太多未來不可控的風險,2020 年投資人普遍對新創投資案趨於保守,但疫情也同時推升了投資機構與企業對醫療 (Healthcare) AI 新創的關注度。在籌資較為困難的今年,提供醫療影像 AI 開發平台服務,以及 AI 數位病理系統的 aetherAI 雲象科技,在上半年獲得由廣達電腦領投的 600 萬美元 A輪募資。到了 2020 下半年,協助醫療人員判讀電腦斷層掃描 (Computer Tomography,CT)、提供腦出血 AI 影像判讀系統的 Deep01,也成功獲華碩領投的新台幣 8,000 萬元 (約 270 萬美元) 種子輪募資。此外,打造 AI 智慧聽診器,並開發智慧呼吸監測系統的 Heroic-Faith 聿信醫療,也完成了 400 萬美元的 A 輪資。

下一步的觀察重點,將是台灣醫療 AI 新創如何邁向國際化。由於醫療 AI 相關產品,主要的銷售市場,仍以美國、日本、歐洲等已開發國家居多,台灣新創的國際能見度較低,再加上受到疫情影響,對各種國際化業務推展有一定的影響與限制,因此,這批已獲得投資人青睞,進入 Scale Up 階段的團隊,是否能成功出海規模化,為新創圈與投資人注下一劑強心針,帶來更多新創出海的能量,將成為日後值得關注的重點。

2.企業加速在新創圈尋找轉型、合作機會

企業利用大數據與 AI 數位轉型,或是尋找下個成長引擎,已成刻不容緩的問題。在 2020 年《天下》雜誌和 IMD 瑞士洛桑國際管理發展學院合作發布台灣與歐洲的第一份數位轉型調查中也指出,高達 52% 的台灣企業尚未數位轉型,僅有 4% 企業表示數位轉型達成或超越轉型設定的目標。因此,不論是內部自建 大數據以及 AI 專案團隊,或是向新創圈尋找合作夥伴,成了各企業積極佈局的戰場。

最直接的模式,當屬以企業創投 (CVC) 直接投資綁定具戰略價值的新創,但除了投資以外,台灣各個大企業,也在探尋其他合作模式。例如,研華科技即與 StarFab 合作成立加速器;在新創、AI 生態圈一向活躍的緯創資通,除積極推動本業升級外,更是積極佈局未來轉型,不放過任何下一個潛在的商業引擎,除了以企業創投投資 AI 新創外,今年下半年,緯創更是分別與交大合作成立嵌入式人工智慧研究中心,以及與嘉新兆福文化基金會和時代基金會共同規劃 Wistron Lab@ Garage+新創空間,以各種模式與 AI 新創合作,找尋下一個十年的成長機會。

社會企業若水國際這些年專注於AI數據處理服務,由受過培訓的身障者所組成標註團隊,結合自家打造的數據標註平臺協助企業進行導入AI前最重要的數據標註工作,若水AI數據處理團隊的負責人簡季婕從若水上百個經手過的AI數據處理專案中,整理出AI產業的趨勢演變,帶領讀者從這些經驗中看見台灣AI產業發展趨勢。

若水國際觀察:

1.AI產業趨勢:精準數據需求大幅增加、離落地應用更進一步

從2018年到2019上半年,企業的AI數據處理需求,主要集中在簡單的拉框標註(Bounding Box)、下標籤( Data Tagging)以及數據快判(Classification)。
---700x542-1(圖片來源:若水國際提供)

但是從2019年下半年開始,我們發現快判的需求大幅減少。取而代之的是更複雜、更精細的Mask遮罩數據處理需求,包含多邊形描邊標註(Polygon)、描線標註(Polyline),甚至是逐像素標註(Pixel-wise)。

以最常見的智慧交通來說,客戶過去的機器學習主要是針對框(bounding box)做物件偵測,現在已經開始走向更精確的應用,不僅要識別物體,還要進一步辨識汽車、行人等輪廓形體。

不只自駕車產業,像工廠產線或電子元件等智慧製造AI,以及蔬果、動物等智慧農業AI的數據標註專案,都朝向「高複雜、高精準」的需求方向走。

目前市場最大宗的標註需求,仍以拉框 (Bounding Box) 為主,但難度也有所進階。除了基本的拉框,需要下的AI數據標籤種類,變得非常多。

以智慧零售為例,AI模型不再只是統計人數和區域範圍示警,還需要進一步了解人身上更多的資訊,包括年齡範圍、性別等特徵,而人物身上的穿戴物、衣服種類、顏色,甚至是表情也開始需要出現AI數據的標註需求,常常一個專案,需要超過十幾種以上的標籤(Data Tag)。如果是著重開發人類行為的 Posture Estimation AI 應用,也會提出關鍵點標註 (Key Point) 的需求。

當數據標註需求越來越複雜,我們是否可以說,台灣的AI應用正在逐漸從POC,走近Production的落地階段?

2.哪些產業的AI應用,正在冒出水面?

若水作為全台最大規模的AI數據服務團隊,從上百個AI數據專案中觀察到,台灣的AI數據處理需求,仍然以「智慧交通」和「安防監控」為主,特別是自駕車和車流辨識以及人流監測。

不只在陸地上跑的自駕車、在天空中飛的無人機AI應用,包括船隻、船舶等海上漂的標註需求,也隨之而生。同時,2019年在智慧交通和安防監控領域,「跨境追蹤」數據處理需求的客戶變多了,不只要辨識出目標物件,還要能夠推測出目標物件的移動路徑。

除此之外,「智慧醫療」相關的AI數據處理需求,也正逐漸冒出水面。

早期因為個資隱私方面的考量,還有病症和病灶的專業判斷知識,醫療相關單位較少將數據處理外包。但從2019年底,我們開始陸續接到業界客戶的詢問,進行醫療數據標註的專業分工,由若水AI團隊負責處理胸部X光、內視鏡等特定種類數據的清圖及AI數據標註。

當AI成為企業轉型的工具選項時,除了對內深化人才的培育,對外則可以尋找資源的連結,例如研究合作。或是透過新創的技術與服務為企業轉型提供新的工具,而新創的蓬勃發展將有助於成熟企業轉型。掌握AI生態系地圖中的組織及分佈位置,將有助企業尋找合適資源。例如被劃入community builders的人工智慧科技基金會,透過企業內訓課程、學習資源分享、產官學資源連結、導入 AI 專案評估與轉型策略建議,對於想要培育企業相關人才,瞭解人工智慧趨勢建立團隊的企業來說,是尋求資源連結的重要夥伴。