當前人類在人工智慧技術應用方面，尚處於感知能力階段的中期，離終極的認知能力階段，仍有段距離。
從產業價值鏈的角度，可將人工智慧應用產業區分為三個層次─
應用1.資源基礎支持商：旨在提供基礎的資料擷取、儲存與處理運算服務。
應用2.核心技術商：以各式數量方法、統計模型與仿生物模擬等演算法為基礎發展技術（諸如自然語言處理、機器學習、文字／語音／影像辨識、電腦視覺），提供演算法調校、模型建構等服務。
應用3.服務應用層：廠商利用人工智慧技術，基於特定應用領域所開發的產品或服務。
台灣身為資訊製造大國，但在人工智慧技術應用方面，還有5個挑戰需克服─
挑戰1.資料量能缺乏：人工智慧核心技術的發展，使用資料的質與量皆為關鍵，台灣於商業應用與網路服務方面少有規模廠商，在缺乏足以支持的資料量能下，無法形成正向資料回饋，造成模型養成不易。
挑戰2.業界應用匱乏：人工智慧技術應用資料角色至關重要，具有足夠資料量能的業者，諸如電信、金融業者，對於人工智慧技術的導入，未見積極態度；在人工智慧技術應用建置上，也欠缺關鍵橋接能力。
挑戰3.國內學產落差明顯，在核心技術基於演算法、統計與數學模型，其能量多存於學、科研單位，國內資服業多以系統整合為主，難以有效承接與釋放相關能量。
挑戰4.廠商偏求速效，國內廠商多存有短打、速效的心態，偏偏人工智慧核心技術發展需要時間，如此將難以在國內產業紮根。
挑戰5.專利佈局落後，衡諸美國人工智慧技術專利佈局，領先者皆為美、日廠商，隨人工智慧產業蓬勃發展，專利戰火遲早蔓延至國內業者。
人工智慧領域應用涵蓋廣泛，幾乎無所不包，台灣資源有限，在發展人工智慧技術應用方面，應審酌己身產業優勢與應用需求切入─
契機1.朝工業應用發展：台灣為產品製造大國，適逢國際普遍邁向工業4.0發展，縱使商業應用有本地規模不大的問題，但工業場域應用的人工智慧技術卻有優勢。
契機2.以公領域應用為始：人工智慧核心技術發展，使用資料的質與量為關鍵，惟若國內商業應用規模不大，資料量能應用難具效益，可思考以公用領域開放資料為始發展人工智慧技術。
契機3.強化特定技術能力：國內在特定人工智慧技術具有優勢，諸如漢語文領域自然語言處理、電腦視覺或影像辨識等，應持續加大發展力道，保持該領域領先優勢。
契機4.從運算效能切入：在人工智慧技術產品化過程中，準確率以外，便是效能，在強化運算效能的手段上，透過選定特定演算功能予以產品化、晶片化，將是國內產業發展可供參考之道。
（本文作者為資策會MIC ITIS計畫資深產業分析師）
| 
