大話智慧製造 #2 優勢更在算力外

李開復教授在人工智慧領域地位崇高，對於產業發展趨勢乃至於政府政策方向的影響力更是一言萬鈞，他的建言直擊關鍵，需要細細解讀，不然一時不察、隨意解讀，錯讀善意提醒還是小事，因爲領導者誤判方向，使得相關產業在當前產業高速碰撞、生死瞬間決定的毫秒時代裡落敗，那才是大事。

李教授是這樣說的，如果要從數據、模型與算力切入，「台灣有很多企業在半導體、晶片、傳感器方面都擁有很好的技術，台灣擁有多年基礎，算力應該是最有希望的領域。」落到具體執行方案上，會是什麼模樣？

這要從本質談起，如果將AI企業當成一輛火箭，那麼數據的角色像燃料，推動整個產業前進；模型則是方向機，帶動企業朝預訂的任務方向前進；算力就像引擎，算力不足，別說上火星，離開發射台都是問題。反過來，大力就能出奇跡？那也未必，還是需要整體搭配，不然，力氣再大，也只是另外一個胸口碎大石的傻力士，賺的錢還不夠買運功散跟醫藥費。

至於算力，意思是單位時間裏可以實現的運算量，最初只有虛擬貨幣業界中用來表達有多少計算能力投入計算雜湊值（Hash value），因爲同樣涉及巨大運算能力及需求，後來也被AI產業拿來描述關鍵資源。在過去，算力由中央處理單元（CPU）完成，後來有了GPU協力，在AI時代， GPU的角色更形關鍵。但，不管CPU或GPU都是硬體，要先有前面的數據與模型，算力才能發揮作用，說到底，所謂算力，基本建築在硬體上。台灣確實在在這個領域居於全球領導地位，但也只專屬少數公司，門檻極高。因此，在「台灣應該繼續朝算力發展」的定言前面還得加上一個前提，「在創造AI產業發展機會的同時」。

數據、模型、算力確實是AI產業三要素沒錯，但這並不代表可以分開對待、各自發展，每一個AI服務運作時都必須同時掌握這三個要素，三者互爲支持。也因此，把算力單獨拎出來說，並說台灣應該朝這個方向發展，無異於倡議台灣應該繼續朝硬體方向發展，資源也應該快步跟上。如果未來這成為主流，那麼這就意味着包括傳統產業與新創企業在內的台灣絕大部分勞動力與知識將被排除於主流之外，若只朝此單獨發展，未來場景AI的應用場景與最大的價值也將與台灣多數人無關。

更別說，歐美日德都已經看見晶圓產能的可能性，明年底之前，地表上會新出現 29座晶圓廠，其中21座不在台灣，台灣在半導體產業的絕對優勢還可以維持到我們的小孩長大進入晶圓廠工作嗎？

大師說的完全正確，「台灣有很多企業在半導體、晶片、傳感器方面都擁有很好的技術，擁有多年基礎。」不僅如此，台灣在工作機、金屬表面處理、五金零配件等領域也都有很多隱形冠軍，這樣的基礎讓台灣在智能製造領域積累了很多處理經驗，和AI公司相結合，甚至建立完整而標準化的作業方式，從台灣製造（MIT）進一步提升台灣建模（Model in Taiwan），將投入支持大型製造業的龐大預算轉為支持隱形冠軍模型化、AI化的能量，對於台灣未來可能還比較有機會，更重要的是，就算是集結隱形冠軍搭配AI新創這麼簡單的事情，也需要政策長期設計與系統化的推進，如果還是三月衝刺、半年結案，緊接發表會，會上掌聲不斷，會後水波不興，恐怕就不太好談什麼未來了。

歐陽修說，「平蕪盡處是春山，行人更在春山外」，套進大師預見的場景，就該是「征途盡處是算力，優勢更在算力外」了。