人工智慧，是指由人造機器所表現出來的智慧，本質上，人們可以將人工智慧看作類似於正常的人腦，具備常識推理、形成意見或社會行為等能力。
但是，人工智慧是個總括概念，其中匯聚多種技術，譬如機器學習（包括深度學習）、 認知計算、自然語言處理、神經網路等。要讓機器像人類一樣具有學習和判斷能力，必須利用大量數據進行訓練，也就是所謂的「深度學習」，讓機器透過學習，擁有判斷並預測的能力。
自2012年起，企業不約而同開始運用深度運算，取得許多重要資訊，更在短短數年內累積出超乎想像的海量資料庫。這些看似雜亂無章的數據，卻在一點一滴記錄著我們各項使用行為、數據，逐漸拼湊出一個人類從未觸及的新未來。
也是在這短短數年光景，大量累積的數據資料庫與推陳出新的運算方法，反過來化被動為主動，成為推進企業往AI發展的重要動力。例如Google執行長皮采（Sundar Pichai）今年就在開發者大會上登高一呼，喊出修改核心策略，要從過去全力投注的「行動優先」大舉轉向「AI優先」。這個全球科技龍頭戰略方向的大轉彎，更是揭示AI正式崛起的重要象徵。
不過，AI的觀念誕生至今超過六十個年頭，始終只聞樓梯響、不見人下來，關鍵就出在相關理論、技術與設備還未跟上，加上人們對人工智慧的期望過高，也難怪幾十年下來，AI曾多次被批評是騙人的！
到底是什麼原因，讓一路走來跌跌撞撞的AI在近年來突然進入快速成長期？這一切，靠的是「天時、地利、人和」齊備。
一方面，發展AI的軟硬體條件逐漸成熟，包含晶片、網路、大數據、雲端計算、演算法等硬體越趨完備，另一方面，物聯網（IoT，Internet of Things）開始走入生活，實體物品（智能物品）像是車控系統、家中監控裝置等，只要裝上感測器就能透過無線遙控與終端聯結，透過網路傳輸資料與控制。
同時，各個應用場域（包含金融、製造、服務業等）所產生的巨量數據，其形成的處理分析問題，也推動人工智慧技術向前進一步邁進；加上行動網路時代造就中美科技業七大巨頭Google、Facebook、Microsoft、亞馬遜、騰訊、百度和阿里巴巴崛起，不僅牢牢掌握住數據、技術，還網羅了全球最頂尖的科技人才，一齊把人工智慧硬是推向你我生活中。
眼看各項元素發展漸趨成熟，為AI發展提供肥沃的土壤，包括大數據、演算法（海量數據、高速運算）都已萬事俱備，目前只欠「設備」必須追上軟體，才能讓AI真正突破過往瓶頸，快速茁壯。
這裡指的「設備」，就是執行高速運算所需要的處理器，目前又以GPU（圖形處理器）蔚為主流。有趣的是，GPU在個人電腦當道的時代，原先是設計用來配合計算機的CPU（中央處理器），承擔圖像的計算任務，到了大數據時代，卻從配角變主角，取代當年打遍市場無敵手的CPU。
箇中原因，得從GPU的產品特色說起。不像CPU通常有單核、雙核、四核或八核，每個核心每次只能執行一個執行緒；GPU光是一張卡裡面有數百至上千核，能完成龐大的並行計算任務，計算時間更比CPU快上百倍。
靠著高度並行計算的優勢，GPU在需要海量運算的大數據時代一舉蔚為主流，也讓2007年率先推出GPU的輝達（NVIDIA）看準商機，不再局限於圖形處理，積極轉型為機器學習應用硬體廠商，在執行分析、深度學習和機器學習演算法下足功夫，成為研發人員及網路業者進入AI市場的重要途徑。
不過，當年在CPU市場叱吒風雲的英特爾也不是省油的燈，這幾年砸重金發展FPGA作為GPU的替代產品，加入硬體市場角逐，近來更宣布成立新部門，致力開發可直接與輝達競爭的獨立顯示卡。其他業者也陸續推出特殊應用積體電路（ASIC；亦稱客製化晶片），可依產品需求不同而客製化，一路緊追在後。
儘管如此，當前人工智慧主流晶片依舊以搶得先機的GPU遙遙領先，《華爾街日報》報導，若以銷售額來計算，輝達目前擁有近八成的GPU市場率，今年來股價更水漲船高，上漲了99.81%。
在軟、硬體加持下，人工智慧究竟會以什麼形式呈現在世人眼前？目前來看，外界多半認為AI是軟體密集式（Software-intensive）。對此，輝達（NVIDIA）創辦人暨執行長黃仁勳卻認為，這看法並不正確，強調在人工智慧時代，最重要的是使用者需求洞察與產品願景。
上述說法的實踐，正是目前業界積極投入的「人工智慧＋物聯網」，預料這兩者共同創造的創新應用服務，將大舉顛覆現有產業。
統一證券自營部投資經理邱怡婷認為，要了解AI＋IoT（物聯網）的關鍵價值，要先將「雲」和「端」分開看。
邱怡婷指出，上述相關應用分為「產業＋AI」、「AI＋新產業」兩大塊來看。所謂「產業＋AI」，是指現有產業藉由AI來優化，可從得到的數據結果改善生產效率、節省開支，或作為行銷時的參考依據等。例如零售業透過人工智慧分析得到的數據，可從中挖掘出使用者需求，提供更切合所需的服務，並作為行銷策略。
至於「AI＋新產業」，是指藉由AI衍伸出的全新型態產業，例如自駕車等，屬於全新產業鏈。尤其擁有許多使用者資料的科技龍頭，更容易從中爬梳出別人沒看過的趨勢，進而發產出顛覆型的新產業。
展望2018年，工研院產經中心預期，AI與物聯網將快速匯流，進化為AIoT，驅動智慧應用大鳴大放。然而，在AI關鍵技術不斷突破之際，台灣產業也面臨技術選擇、尋找潛力應用等數位轉型等重要議題。
眼看AI趨勢迅速襲來，台灣跟上了嗎？「台灣在人工智慧領域發展的確有點慢，但現在開始並不算太晚！」黃仁勳在GTC 2017年度大會中提到，台灣雖然在軟體領域不強，只要找到利基點，還是有很好的發展機會，這也是為什麼新加坡、韓國與德國等，都傾全力發展人工智慧。
他呼籲台灣不要認為自己在軟體領域發展不強就遲疑不前，相反地，要趕快跳進來，政府更得趕緊建置好基礎設施與各類工具，讓各行各業參與其中。
既然猶未晚也，那台灣在「人工智慧＋物聯網」的新趨勢下，究竟站在哪個風口？多數市場分析師認為，台灣在AI發展上最具優勢的是終端AI，也就是硬體製造，而非雲端AI。
對此，黃仁勳不全然贊同。他坦言，在雲端AI領域，的確具有龐大資料中心、人工智慧專家與使用者數據網際網路服務商佔有優勢，如Google。但他認為，人工智慧不會結束在雲端而已，這僅是開始，下一個階段的人工智慧會移往產業人工智慧，滲透交通、物流與製造等各種產業，像是台積電就使用深度學習做智慧製造、鴻海利用深度學習做視覺檢測與品質管理。
不過，黃仁勳認同台灣在「終端AI」有很好的發展機會，終端意指「在地」，而「雲端」意指全球，終端人工智慧的商機是很在地的，例如美國公司很難控制台灣的終端服務。另外，在終端領域，需要各式各樣的人工智慧晶片，這也是台灣的機會。
工研院IEK主任蘇孟宗更進一步分析，台灣的優勢在於製造業的終端資料、各類型資料庫（先進製造、健康醫療等）、及半導體核心運算技術等。這些都是人工智慧的在地應用，各產業可透過垂直整合或生態系領導者，扮演全球人工智慧的關鍵伙伴。
瑞士銀行（UBS）研究報告預估，2015至2020年，全球人工智慧產業的年均複合成長率有望高達20%，到2020年將實現125億美元的規模，並在下個十年末達到數百億美元的營收規模，預估金融服務、醫療保健、製造業、零售及交通運輸等將是受影響最大的行業。鉅亨網將在下一期專題報導，帶您深入探討AI掀起的這波動盪，將為上述產業帶來哪些翻天覆地的變動。
這場AI帶來的產業新革命，台灣已經無法置身事外。不跟著起義，難保不會成為下一個被它革命的對象。與其頑強抵抗，倒不如與AI攜手同行，不再用走得慢或規模小做為畫地自限的理由。
邱怡婷舉例說道，電腦剛推出時，電腦的使用普及嗎？但現在大眾普遍都會使用電腦，重點是誰利用電腦來做更好的產品。由此推想，AI未來肯定也是如此，即使台灣不是走得最快的，只要加緊趕上浪頭，就有辦法站得跟它一樣高，看到別人未曾見過的新風景，擘劃出台灣產業的新機會。
