雙11才剛過，這個本是單身人士對情人節反制的光棍節，卻在中國電商巨頭阿里巴巴的操作下，搖身一變成為全球購物狂歡的節日，今年交易額再創新高，更成為各項新零售模式的最佳實驗室。然而，這一切只是零售業再轉型的起手式，未來在「物聯網＋人工智慧（AI）」加持下，消費者習慣與喜好的輪廓將變得更加清晰，新零售更能精準瞄準消費者需求，為零售產業再寫下變革的新篇章。
回顧傳統零售走向新零售的趨勢，指的就是從B2B（企業到企業）、B2C（企業對消費者）到C2B（消費者對企業）的過程。
傳統零售指的是像賣場、百貨、商店等零售通路。新零售則是以消費者為主要核心，透過AI及大數據分析，讓製造業更服務化、客製化，預測消費者需求並量身打造商品，還能精準行銷及服務，使線上、線下及物流整合在一起，甚至與電商結合「虛實合一」，例如阿里巴巴、亞馬遜等電子商務龍頭接連買下中國大潤發、全食超市（Whole Foods Market），皆是新零售佈局逐漸成形的案例。
今年雙11，阿里巴巴旗下B2C商城天貓靠著從實體店面到線上互動，從城市到農村，讓全球用戶陷入雙11狂歡購物節的氛圍。阿里巴巴集團首席市場官董本洪指出，今年雙11將許多新零售科技帶到消費者身邊，許多品牌和商家已透過阿里巴巴技術將店面改造升級成為「智慧門店」。
董本洪指出，光是今年雙11就有10萬家智慧門店提供不一樣的線下品牌體驗。舉例來說，化妝品大廠雅詩蘭黛與天貓商城合作，讓美容顧問為線上消費者提供視覺化諮詢服務，以及透過虛擬現實技術為線上消費者提供動態彩妝體驗，兩大服務亦可在線下概念店使用，堪稱美容科技的新嘗試。
另外，還與52個商圈合作推出「智慧快閃店」，協助品牌在線下以有趣互動的方式與消費者交流，活化商圈。在在顯示這場雙11盛事，已成為阿里巴巴與業者開拓新零售模式的最佳實驗場所。阿里巴巴集團首席執行官張勇表示，展望明年，將從當前的移動互聯網走向萬物互聯（IoT），走向以語音為重要入口互聯網的明天。
不僅是中國，就連台灣也有這種線上、線下整合探索新零售的例子，百年歷史化妝品牌雅芳（AVON）與訊連科技合作，以虛擬彩妝App「玩美彩妝」打造完整的線上線下（O2O）全方位購物體驗，App線上體驗妝品後即可直接線上購物商品，同時也能在 App 中參加「好康活動」引導用戶到店上，入店後不僅能再度體驗玩美彩妝的店上試妝系統，也能直接觸及實體商品，並購入商品。
雅芳與訊連科技合作，推出彩妝App打造完整的線上線下全方位購物體驗(圖：雅芳提供)
為何AI對零售業這麼重要？不論傳統零售或新零售業者，以往最大挑戰之一，是如何恰當的引導趨勢以及衡量需求，更別說庫存管理及商店的數量和規模。
儘管電商可以靠著推薦引擎與消費者接觸，但背後是基於商品屬性，對使用者實際喜好所知甚少。AI加入後，可透過協同過濾（即查找大型數據集中的模式）的技術，讓店家能充分利用已知客戶喜好的相似性，為未知的偏好提供建議。
高盛研究報告指出，AI及機器學習能夠利用銷售、消費者和內容組成龐大的數據資料庫，來提升推薦引擎的功能，更能通過客戶資料和所接觸的內容屬性，預測使用者對新商品新風格的需求。
如今美國電商龍頭亞馬遜正朝這個方向前進，並在2013年獲得「預期出貨」（anticipatory shipping）專利。不僅要考慮季節性需求，還需要考慮天氣、人口統計和獨特的使用者購物模式所帶來的影響。
不光消費這一環，其實AI在電子商務中的應用相當多元，透過雲端運算與認知系統整合，可提供消費者更準確的服務，包括：視覺和語音搜尋產品發現工具、目標客戶行銷、使用者行為的個人化推薦、機器人分揀訂單，透過AI驅動的無人機交付貨物，以及虛擬助手或聊天機器人為客戶提供服務。
隨著AI觸角不斷蔓延，瑞銀證券（UBS）認為電商產業將會取得重大進展，AI還能使供應鏈管理、行銷和廣告、智慧助理和自動付款系統等領域變得更加有條理，連帶為這幾年被電商打得落花流水的傳統零售行業帶來新機會，找回谷底重生的機會。
舉例來說，服裝這種流行趨勢快速的行業，預測消費者的需求對零售商來說是一大挑戰，若能利用AI和機器學習，零售商可進行模式識別，做出更好的價格決策，並將其納入到行銷和生產過程中。
隨著購物衍生出的物流需求量不斷上衝，導入智慧機器人系統提升效率成為趨勢。舉例來說，阿里巴巴集團旗下的菜鳥物流運用大數據和AI，幫助行業從局部優化升級為端到端的全局優化，「預計未來幾年，大數據算法將為每一輛快遞車、每一位快遞員優化路徑。」24小時內就可將貨運到中國任何地區。而亞馬遜的物流中心也有機器人Kiva幫忙揀貨，可大幅節省人類員工走動時間，提升揀貨的速度與數量。
亞馬遜物流中心的機器人Kiva可幫忙揀貨(圖：亞馬遜官網)
新零售的這條路上，目前看來是以電商為主的東西方龍頭各自領風騷，也拚出未來零售業新趨勢。那麼，近來面對蝦皮購物等強敵入侵，電商面臨新一波洗牌的台灣，機會到底在哪裡？
台經院院長林建甫表示，台灣電商仍有發展的機會，畢竟目前尚未看到有一枝獨秀的巨頭出現，但是必須找到特色，比如說商品的多樣性、物流便利性（速度）等，將在地化的特色做大做好。「不用擔心大者恆大，台灣最需要重視的應該是『服務』！」
他強調，「服務」還可以與大數據及人工智慧（AI）結合，透過大數據分析使用者的喜好，做更精準的服務和行銷；其次則是品質，舉例來說，監管平台上販賣假貨的賣家，把消費者需求放在第一位。
雖然台灣發展新零售很有機會，挑戰卻也不小。對台灣電商＋AI有再多期待，也必須真正將產業鏈建構起來，還有法規的支持。林建甫認為，台灣發展電子商務，甚至是新零售最根本就是法規要鬆綁。
或許新零售產業特性是大者恆大，但關鍵還是在創業者如何使用電商平台，平台就是一個線上市集，具有價值的「外部性」，因此，是否能利用平台資源，做到「大眾創業、萬眾創新」？就是新創業者應該做的。而另一方面，政府應該做的是「平台的管控」，像是數據如何呈現、消費者隱私權如何管理等，才能讓台灣在新零售戰役中不立於弱勢的一方。
過去，引擎是汽車的心臟。隨著科技創新驅動產業升級，如今汽車產業已從以往的1.0（機電化），升級到汽車2.0（電子化），再進化到汽車3.0（軟體化與智慧化）。環顧當前汽車產業，最大創新推力當屬自動駕駛車，在人工智慧（AI）加入後，從車聯網連結到各領域應用與研發能量更蓄勢待發，預料將成為新世代汽車的主流，同步帶來巨大變革與商機。
工研院產業經濟與趨勢中心首席研究員陳清文指出，新世代汽車的價值，將主要由人工智慧為核心的軟體所決定，即軟體定義汽車（Software Defined Car，SDC），而它的終極目標就是無人駕駛的自駕車。
麥肯錫（McKinsey）報告指出，在樂觀情境下，2030年全球自駕車的市場規模將激增至6.7兆美元。自動駕駛成為汽車科技進化論的代名詞，也是因應消費者對汽車的需求：便利、安全和節能等三大明確訴求，也代表消費者對汽車的「智慧化」、「節能化」的渴望。
未來，自駕車勢必朝向超級電腦型態發展，其中，人工智慧（AI）、雲端系統、大數據分析、連網服務等軟體佔自駕車價值比重於2020年將達6成，是支撐起自駕車的重要幕後推手，也是汽車產業走向「軟體化與智慧化」的最佳寫照。至於自駕車硬體市場規模，預計從2015年的4億美元增加至2030年的400億美元。
近來，各國政府也積極推展自動駕駛的法規與政策，新加坡去（2016）年就讓全球首輛無人計程車上路，日本將於2020年允許無人車上路，美國也將在2020年前訂立自動駕駛汽車政策指南。在在顯示，發展自駕車已是全球趨勢。
那汽車3.0（軟體化與智慧化）趨勢最主要的原因是什麼呢？主要就是資訊與通信產業（ICT）科技的進步，成為驅動汽車產業顛覆性變革的關鍵要素。當前最流行的自駕車核心技術為AI CPU、高精度地圖定位、環境感知、多元感測器融合、電腦視覺辨識、行車規劃決策、自駕車整體運算控制系統、汽車作業系統（Car OS）、汽車共享平台等，都是以軟體為核心基礎的。因此，汽車3.0新世代下，軟體定義汽車已經是大勢所趨。
自駕車的智慧化、電子化也改變了傳統車廠生態，不僅傳統車廠如福特、奧迪、通用、豐田、Volvo、BMW及賓士等相繼投入自駕車領域，資通及科技公司如谷歌、Lyft、優步（Uber）和中國百度等，也紛紛成立自駕車研發團隊。
根據數據顯示，2015年汽車業的軟硬體與服務市場總體規模高達5兆美元，高於資通產業的總規模約3.5兆美元。但是，資通大廠市值卻遙遙領先汽車大廠，資通科技創新元素的價值遠高於傳統汽車元素。
5月3日，新興車廠特斯拉（Tesla）市值超越通用汽車，成為美國市值最高的「科技汽車」大廠，這也是傳統汽車廠第一次被新興科技汽車廠超越，創下汽車產業新里程碑。
6月7日，特斯拉市值突破620億美元，首度超越德國寶馬，僅次於日本豐田、德國戴姆勒和大眾。另一方面，谷歌（Google）旗下的自駕車研發公司Waymo，估值達700億美元，遠高於Tesla市值。由此觀察，工研院產經中心（IEK）認為汽車ICT科技與軟體平台的創新，在汽車軟體的應用下擁有巨大的商機。
大廠相繼切入車用供應鏈，破口也應運而生。未來破口將加大，想像車聯網是一個點，連結智慧家庭、智慧城市等各方面，未來只會有更多合作機會，主導權在誰手上就不一定了。
誠如輝達（NVIDIA）創辦人暨執行長黃仁勳所言，終端人工智慧的商機是很在地的，每個人的終端產品都不一樣，美國公司很難控制台灣的終端服務。而在終端領域，需要各式各樣的人工智慧晶片，這是台灣的機會。
簡單來說，車輛在行進中時，車輛與外在環境的連結，就需要靠無數感測器，透過方向盤和剎車的操控以及加速感應器感測車身移動狀況，偵測出路面異狀。這時，車聯網會將車輛、行人和道路環境三方的靜態和動態訊息進行有效辨識及傳遞，並透過網路將資料彙整於後端平台，進行智慧化管理和服務，讓AI進行判斷，警示駕駛注意，同時會將訊息傳達給附近車輛，讓附近駕駛知道前方路況。
由於自動駕駛汽車的資料量相當龐大，往往取決於瞬息之間。因此，人工智慧在自駕車的角色，必須要能自行學習、判斷，不是等雲（資料庫）搜尋，做出判斷才回傳到端（車內），這樣一來一往沒辦法即時反應瞬息萬變的路況，更可能攸關車主與行人的安全與性命。
國研院科技政策研究與資訊中心（STPI）政策研究中心副研究員樊晉源表示，現階段最重要的關鍵技術，不再僅是受限於車輛本體，而是將車輛視作為一個能夠集中資料與發散平台，這個平台針對各類型生活狀況及交通狀況進行連結，做到預測與及時判斷。
儘管大廠爭相投入研發，但距離完全自動駕駛，還有一段路要走。樊晉源認為，汽車要做到真正智慧化，就是要做到完全自動化並可以感知周遭一切，還需要考量到整體外在環境，包含人、事、物的完整聯結，才有可能做到完全「智慧」。
市調機構Tirias Research指出，由於自動駕駛汽車的資料量是巨大的，使用者無法把所有的資料都發送到雲端處理。這也顯示，設備內建AI晶片的時代將會逐漸來到。預計到2025年，與人們互動的每一款設備中都將內置人工智慧。
進一步檢視自駕車所需的車用AI晶片的研發，又以輝達（NVIDIA）跑得最快，就是看準自駕車也需要安裝高階的車用晶片，並搭配雲端做深度學習計算，更在今年10月初發表了最新無人駕駛處理器「Drive PX Pegasus」，號稱可達到完全不需人為介入的Level 5等級，堪稱目前汽車「從雲到端」最積極的AI一體化平台廠商。
當然，商機人人爭搶，現階段該領域投入廠商眾多，近來特斯拉也將和AMD合作開發自駕車晶片。至於不願重蹈在行動裝置把商機拱手讓人的英特爾，不僅大舉投資超過2.5億美元研發自動駕駛，更在今年3月砸重金併購自駕車技術公司 Mobileye。
從雙腳釋放（feet-off）、雙手釋放（hand-off），再到身心釋放（mind-off），汽車的操作與價值將全面顛覆。不遠的未來，自駕車進化為自動共享車，更已成汽車大廠共同發展目標。
眼看汽車3.0（軟體化與智慧化）的產業整體的輪廓越來越明顯，台灣可以發揮的強項在哪呢？
張仙平認為，台灣的機會還是在汽車電子，國內2016年整車廠呈現衰退，但汽車零組件產業仍維持成長。未來發展系統廠未必具有影響力，加上廠商又很分散，因此投資人不妨留意車用周邊的產業，舉例來說像是車內光學應用鏡頭，以及影像辨識系統相關零組件等，發揮台灣自身優勢，從系統廠到自動化的轉變過程，只要能夠洞察客戶需求，跟緊客戶的角度，就能搶得先機。
不過，發展自駕車產業最大的阻力還是在法規。這個問題不僅台灣尚待突破，放眼全球皆然。張仙平直指，雖然國外大廠發展無人車的進度比台灣還快，但仍需要突破各國交通法規的認證與開放，還有全球消費者的認同與買單。
此外，長期的規劃相當重要，需要政府的整合能力，包括牌照、上路帶來的影響等法規配套，更應該將資源集中，比如說自駕車的示範運行區，目前包括高雄哈瑪星生態交通示範區（短期）、台北北投士林科技園區、沙崙智慧園區等都正在開放或規劃自駕測試場域，要真正運用到大眾運輸系統，找到應用場域／環境，自駕車產業才能真正落地。
此外，如何確保「安全性」是最重要的，不光是車體本身設計，還有周遭環境的感測等。過去，傳統汽車零組件要經過反覆測試和驗證，才能被組裝成一台汽車，當車用技術轉向人工智慧、車聯網和物聯網之時，需要更多測試和驗證才有辦法確保自駕車的安全性。
樊晉源進一步解釋，目前研發中的各項自駕車技術及性能，其實已然超越市場想像，自駕車上路將不再是夢想。而現階段技術方向，已逐漸由車用技術轉為IOT（物聯網）及通訊市場，未來資訊相關的資安問題，將是下一個必須重視的重點。舉例來說，汽車的防駭問題，這或許是台廠（如趨勢科技）具有競爭優勢的地方，成為台灣切入的契機。
台灣雖然很難與國際大廠競爭，正因如此，更應善用小廠靈活應變的優勢，思考將自身資源放在哪些有機會成功的項目，才是決定台灣能夠站在車用AI浪頭上，或是死在沙灘上的關鍵點！
你或許不知道，AI在生技醫療各領域市場已漸成趨勢，其中以「風險分析」佔比第一，其次是「住院護理與醫院管理」，「醫療影像診斷」則是成長最快的項目。
至於AI應用於「藥物開發」方面，工研院產業分析師游佩芬指出，主要聚焦在標的探索、藥物開發以及臨床試驗管理，但當前挑戰仍非常大，包括個資隱私與資料安全考量、不同AI解決方案間缺乏互通性等問題。
科睿唯安顧問趙宇薇指出，目前人工智慧在藥物開發方面，主要聚焦在標的探索。標靶驗證是藥品成功上市的重要因素，使用AI幫忙過濾靶點，可以有效縮短上市時間、降低臨床失敗率、並提高疾病靶點的命中率。
進一步探究發展健康醫療人工智慧的關鍵，就是「核心演算法」和「有效健康醫療數據」，核心演算法能突破提升非結構化資料的處理能力，加上有效健康醫療數據的取得，讓健康醫療人工智慧發展加速。
目前醫療這塊最有價值的就是大數據，但拓墣產業研究院產業分析師蔡尚燐指出，要將雜亂無章的數據「結構化」是最難的。不過，唯有數據經過結構化後，才能分析取得有價值的部分。
只不過，要將大數據運用在健康醫療領域，困難度比其他領域更高。麥肯錫研究報告曾提過，醫療產業相較於其他產業，實踐大數據應用的速度相對較慢。原因在於，專業醫療人士對於資料收集，多半只相信自己問診、理學檢查或是自家醫院的檢驗報告。甚至有些醫師連其他醫師，或其他醫院的紀錄、報告都不太相信。
另一方面，發展醫療相關海量資料分析還有個關鍵障礙，就是醫療專業與資訊專業的溝通問題，隔行如隔山，如何跨領域整合資料也是一項挑戰。舉例來說，科學學術界最權威的期刊《Nature》曾有文章討論，生物醫學界十多年來，有許多將全世界實驗室數據整合進行雲端運算的嘗試，但是多半失敗收場。
另外，利用人工智慧進行精準醫療，也是下個發展重點。 精準醫療是一種考量不同人在基因、環境及生活型態上的差異，對個人在特定疾病採取不同預防或治療策略的新興方法。
一般來說，精準醫療又分為「預防」、「診斷」、「治療」和「後續追蹤」幾個部分。拓墣產業研究院產業分析師劉適寧指出，著重健康管理的「預防」和「後續追蹤」這兩部分，已有不少公司正在發展AI相關應用。反而是「治療」領域目前尚無稱霸一方的公司出現，這也和法規及健康醫療領域大數據應用最困難的原因有關。
在「診斷」方面，IBM的華生（Watson）是在醫療領域最早佈局的AI系統之一，是以人工智慧為核心的醫療專家系統。它能快速與大量閱讀醫學書籍、論文與臨床數據，再對應病人目前的身體狀況、以往病歷甚至基因圖譜等資料，分析比對，歸納最合宜的治療方式，更被視為未來可協助甚至取代醫生問診的一大幫手。
目前華生已經和世界各地的不少知名醫院進行合作。儘管該系統已經過大量醫學期刊、書籍、論文與臨床實踐等數據的訓練，但在實際應用中，這些數據並不足夠。
加上華生在學習已有診斷病例的過程中，也會遇到診斷病歷缺失的問題，例如數據未以正確的格式記錄，或者根本不存在，或是裡面少了患者DNA檢測結果；又或是數據來自於幾十個不同的系統，很難被用於華生的訓練，這就是上述所謂未結構化數據本質的問題。
不過，劉適寧認為，實際上也沒有這麼悲觀，預料最少再過5年左右，讓華生經過機器學習，還是有辦法慢慢克服障礙，未來機器人協助問診不是夢。
由於生技醫療產業的規範繁多，新產品不管是藥或是醫材，申請上市往往至少好幾個月，甚至是更長時間，也阻礙了數位科技在健康醫療領域的創新發展進程。
觀察數位醫療走在全球之首的美國，日前食品藥品監督管理局（FDA）宣布啟動名為FDA Pre-cert的先導計畫，希望訂定更適切的規範，以加快健康科技的創新和進入市場的時程。包括蘋果（Apple）、Fitbit、嬌生（Johnson & Johnson）、羅氏（Roche）和三星，以及新創公司如Pear Therapeutics、Phosphorus、Tidepool，和Verily都是座上賓。
FDA召集科技巨頭，就是要先了解數位醫療的商業模式，未來討論之後將會有新的規定公告，可想見FDA啟動改革，勢必加速醫療創新。
環視全球五大科技大廠中，蘋果、谷歌和微軟這三家正在爭奪醫療保健的未來。微軟過去九年來擁有最多的專利，共120多個應用程序。自2009年以來，蘋果和谷歌每年都有約40個專利申請。值得注意的是，蘋果為進攻移動（行動裝置）醫療領域提供了巨大的市場機會，僅僅在美國，蘋果就擁有超過8000萬的iPhone用戶。
這些科技大廠與其他國際大藥廠相比，還有另一個優勢：這些科技巨頭不像醫藥公司和醫院集團，無須追求醫療保險公司的報銷。相反地，他們可以更專注於病人的經驗和病人的結果，看來科技大廠跨入AI生醫領域，似乎比起傳統醫藥公司更具優勢。
台灣方面，近年有不少科技廠轉進醫療人工智慧產業的例子。例如華碩（2357）旗下醫揚（6569）轉進智慧醫院，開發的智慧行動醫護平台可用於遠距醫療及臨床管理應用，優化繁瑣的工作流程與減少錯誤機率，在北部已與怡仁醫院合作，現階段正與南部某大型醫療院所集團洽談業務，預計明年業績可望超過15%的成長。
同為雙A的宏碁（2353）也投入資源成立AI團隊，並與彰化基督教醫院遠距健康諮詢中心攜手合作，導入aBeing Wellness宏碁智慧健康平台，為慢性病患者提供長期追蹤管理的雲端照護服務。受照顧者可使用血壓計、血糖機與智慧穿戴等量測裝置，檢測自己的生理量測數值，持續記錄並觀察監測，未來雙方將合作開發更多AI和大數據相關應用。
去年成立健康部門的宏達電（2498），主要提供精準醫療的產品和服務，以深度學習及轉換學習來創造微型醫藥級自我診斷工具，讓民眾能更快速掌握疾病的定義、症狀、病因、診斷及治療和藥物參考等內容。同時也和多家醫院產學合作，利用VR（虛擬實境）、AR（擴增實境）結合AI的技術開發智慧醫療產品。
明碁近年將觸角跨入醫院，陸續成立了南京明基醫院、蘇州明基醫院。並藉與母公司友達集團的事業垂直整合，跨入醫療事業、智慧解決方案，自公司還包括明基三豐醫材（4116）、明基口腔醫材、明基材料等等，布局專業醫療設備、個人健康照護和醫療服務等三大領域。
不過，劉適寧特別提到，台灣與美國又很大的不同，美國幅員廣大，遠距醫療和數據蒐集很被重視，線上保險服務也相當發達；反觀台灣採全民健保，加上對於新創醫療採高管制，法規不開放，例如個資法等，在現有規範下沒有辦法讓AI進行深度學習，也沒有辦法有所突破。
還有，台灣醫院集團受限於法規，不同於一般商業公司的特色，使得非營利性健康醫療服務組織的代理問題比一般商業公司組織更為模糊，不能以營利為導向，某種程度也阻礙了創新發展；種種因素都讓台灣推行AI導入醫療難度增加。
雖然國內政府官員，甚至PTT之父、台灣AI實驗室創辦人杜奕瑾，都認為健保資料庫是很好的醫療大數據基礎。拓墣產業研究院特別提醒，許多人以為全民健保資料是大數據（即海量資料），但如果以大數據的多樣性（Variety）、資料量（Volume）、資料流（Velocity），以及真實性（Veracity）4V特色來檢視，全民健保申報資料根本不算是大數據。
拓墣進一步解釋，健保資料庫雖然讓病人病歷電子化程度優於美國，但由於資訊不對稱，並非所有人都可以取得健保資料庫所有的資料，能夠真正公開取得的只有一小部分，可近性相當低。
所謂可近性，就是一般人很難真正取得有用的資料，再進階的資料需要學術界才可能拿得到，不僅申請有難度，加上專業人士看懂數據後還需要結構化，因為全民健保資料中，包括許多過度申報與登錄錯誤等不正確訊息，僅看健保資料庫的數據有不少歪斜和雜訊干擾，想使用還需要克服重重關卡。
可以發現，從生技醫療產業的角度，或從人工智慧、ICT產業看待台灣擁有健保資料大數據是很好的基礎，在這件事上仍有分歧，或許這就是跨領域整合最先面臨的挑戰！
了解人工智慧對於上述產業的影響後，對廣大的投資人來說，最關注的莫過於有哪些領域和標的可以及早布局，掌握投資趨勢。鉅亨網將在下一波專題報導，為您剖析台灣在人工智慧有哪些領域具備優勢？利基點在哪裡？又有哪些個股特別有潛力，可做為長線投資標的？
