AIoT將會是未來IT產(chǎn)業(yè)的重要商機(jī)，臺灣業(yè)者過去在終端設(shè)備的優(yōu)勢，將會延伸到此一領(lǐng)域，不過在資源有限的狀況下，臺商投入特定領(lǐng)域的IC研發(fā)，應(yīng)先做足功課，并以專利取得競爭優(yōu)勢。

自從AlphaGo在2016年底開始與職業(yè)圍棋棋士對弈，并接連取得勝利后，AI再次受到全球矚目，事實(shí)上連同這次，AI有三次大型發(fā)展，DIGITIMES助理分析師胡明杰指出，1940年就有學(xué)者研究類神經(jīng)網(wǎng)絡(luò)，并提出多篇論文，不過當(dāng)時(shí)的算法并不成熟，因此熱潮隨之消退。1980年代AI浪潮再起，這次的AI算法加進(jìn)多層感知器與反向傳播算法，這次的算法相對成熟，與現(xiàn)在的CNN、DNN、RNN等算法已相當(dāng)接近，不過由于當(dāng)時(shí)的資料不易取得，難以形成龐大資料庫以供服務(wù)器分析；另一個(gè)原因則在于硬件，要處理多層類神經(jīng)網(wǎng)絡(luò)，裝置的存儲器容量和運(yùn)算能力也必須相對提升，不過由于硬件技術(shù)有限，模型的建立往往曠日廢時(shí)，因此AI的第二次發(fā)展并未能成功商業(yè)化，最后又重回學(xué)術(shù)單位繼續(xù)研究。

而這次的AI發(fā)展之所以會受到產(chǎn)官學(xué)界的高度重視，胡明杰認(rèn)為包括算法、硬件、資料量等三大元素都已然齊備。算法部分延續(xù)之前的類神經(jīng)網(wǎng)絡(luò)，尤其是2006年，多倫多大學(xué)的Geoffrey Hinton教授解決了類神經(jīng)網(wǎng)絡(luò)的問題，讓類神經(jīng)網(wǎng)絡(luò)重新?lián)Q上「深度學(xué)習(xí)」的名字卷土重來，成為現(xiàn)在AI領(lǐng)域廣為人知的算法。硬件方面則是處理器運(yùn)算能力的大幅提升，現(xiàn)在的GPU已可在短時(shí)間內(nèi)處理大量數(shù)據(jù)并建出模型，加速AI系統(tǒng)的效能。最后則是資料量的增加，從通用概念性的資料如人臉模型，到產(chǎn)業(yè)別特定領(lǐng)域的資料如醫(yī)療數(shù)據(jù)，龐大的數(shù)據(jù)量為AI算法提供了充足的支持。

卷土重來的AI聲勢驚人，并被IT業(yè)者視為物聯(lián)網(wǎng)智能化的最后一塊拼圖，胡明杰指出，AI在物聯(lián)網(wǎng)的應(yīng)用，將會是云加端的結(jié)構(gòu)，以運(yùn)算芯片而言，云端業(yè)者競逐GPU、ASIC、FPGA等方案，且云服務(wù)業(yè)者如亞馬遜、阿里巴巴等亦為潛在進(jìn)入者，競爭激烈，臺灣業(yè)者可借力使力，搭著產(chǎn)業(yè)巨人發(fā)展云加端的生態(tài)往終端設(shè)備的創(chuàng)新應(yīng)用發(fā)展。

在邊緣運(yùn)算趨勢下，物聯(lián)網(wǎng)的終端設(shè)備將具備一定程度的運(yùn)算能力，其運(yùn)算芯片除了運(yùn)算能力外，也會有低功耗、小體積等要求，是臺灣IC業(yè)者擅長領(lǐng)域，不過胡明杰也表示，要進(jìn)軍此一市場，臺灣IC設(shè)計(jì)業(yè)者必須做足功課。

不管是AI或物聯(lián)網(wǎng)，未來都會走向垂直市場，垂直市場的設(shè)備都需要該領(lǐng)域的專業(yè)知識，而且這部分市場屬于少量多樣，IC初期的開發(fā)成本攤提時(shí)間較長，若投入發(fā)展的成果不佳，開發(fā)成本將有可能無法回收，這對同為競爭對手的大陸業(yè)者來說或許尚可容忍，但對資源有限的臺灣業(yè)者來說，就會是難以承受之重。

不過終端設(shè)備市場仍是臺灣業(yè)者的重要利基處，因此胡明杰建議臺灣業(yè)者，除了在投入前要做足功課外，也應(yīng)該改變產(chǎn)品策略，將自身的產(chǎn)品由IC設(shè)計(jì)延伸至上層開發(fā)設(shè)計(jì)軟件、應(yīng)用軟件或與其它特定用途芯片產(chǎn)品集成等，并以專利確保本身的優(yōu)勢，臺灣業(yè)者將有機(jī)會在競爭激烈的物聯(lián)網(wǎng)產(chǎn)業(yè)中站穩(wěn)腳步，并同步提升自己的產(chǎn)品價(jià)值。