根據《2025 台灣產業 AI 化大調查》，仍有七成企業難以跨越 AI 落地應用門檻。人工智慧科技基金會今年啟動全台製造業 AI 導入媒合活動，聚焦實戰落地與技術對接。
閱讀專題連結：https://aif.tw/topics/taiwan-manufacturing-inventory/
專題精選
-
製造業 AI 導入現況觀察
-
ChatGPT 正夯，多模態基礎模型的挑戰與機會
Midjourney、ChatGPT 等 AI 應用爆紅，其背後基礎模型的重要性也備受關注。基礎模型（Foundation model）指的是，透過大量數據訓練出能執行多種不同任務的模型（通常有規模的使用自監督式學習），例如 Google、Facebook 等大型科技公司，近幾年挹注龐大的資源訓練出大型模型，如 GPT-3、BERT 等，都屬於基礎模型。
閱讀專題連結：https://aif.tw/topics/hhri-20230303-next-forum/index.html
-
No-Code AI平台這麼多，企業該選哪一家？
近幾年大為流行的Low Code、No Code AI平台，強調不用培養AI團隊與快速看到結果。由於主打「完全不需寫程式」或「寫少量程式」就能完成工作，也讓不少公司開始考慮是否導入相關系統。而這麼多的平台工具該怎麼選呢？
閱讀專題連結：https://aif.tw/topics/no-code-and-low-code/index.html
知勢電子報
-
當技術變成產品，ISV/SI 業者如何卡位生態系？
在高通上週舉辦的生態共創論壇上，很榮幸應邀主持一場對談。幾位對談專家的觀察頗為一致：面對持續快速發展、全新的 AI 生態系，沒有任何一家企業能夠完全掌握一切；特別對資源有限的國家如台灣而言，必然需要在全新生態系中找到自己的位子；甚至應該借力使力，創造出屬於本土產業的微型生態系。
-
告別一人制霸的時代，AI正在放大跨域整合的力量
除了與產業專家合作之外，AIF 也持續與不同學術單位合作，並且得到相當令人振奮的成果，例如「AI 算得越準，通常也越昂貴」的限制，似乎已經開始有些改變。還有，由於 AI 的影響，行銷界紛紛嘗試以 GEO 代替 SEO；GEO 的成敗關鍵，也是看誰能快速改變思維，整合最多的資源、串聯最多的人才。
-
AI 預算超支？算力花去哪，其實看得清楚
上週我們介紹零售業詠鑠生活自行開發的多種 AI 工具，本週，台灣德國北德技術監護永續長黃國寶分享，如何借助 AI，做出一套 CBAM（碳邊境調整機制，俗稱碳邊境稅）的快速估算工具，解決中小企業出口歐盟最常卡關的三件事。