【全國科技發展策略規劃-人工智慧篇】率先推動優勢產業持續培育AI人才
- 賴威霖
-
人工智慧(AI)被視為第四次工業革命核心，全球包含美國、中國大陸、日本、法國皆積極掌握AI關鍵技術，帶動產業升級。從金融、醫療、零售、製造、生技、機器人到自動駕駛，皆屬AI應用領域衍生龐大商機。為提升台灣AI大數據科研創新及產業應用躍升，科技部特別邀集產學專家提供策略建言。
因應全國科技發展策略規劃會議，同時帶動整體產業躍升，科技部舉辦一系列專家意見徵集座談會。本次座談會由科技部指導，國研院科政中心和DIGITIMES主辦，為奠基台灣在AI大數據科研創新實力，邀請AI大數據智慧應用促進會會長暨程曦資訊整合總經理張榮貴、台灣微軟營運暨行銷事業群AI事業開發部副總經理李元淦、NVIDIA業務副總經理林敬祖、台大資訊工程系教授徐宏民、雲守護安控人工智慧裝置端軟體總監黃炫輔、軟領科技創辦人暨執行長翟海文、天奕科技創辦人暨總經理陳宗逸、鼎峰智能創辦人暨執行長陳忠偉、開必拓數據創辦人暨執行長孫逢佑等，集結產業、學界、公協會等多位專家先進共同商討。
2030年掌握AI大數據競爭力 整體政策願景聚焦4大構面
根據統計因應AI應用市場規模，全球經濟至2030年將受惠AI技術創新帶動16%經濟成長。台灣目標2030年在AI、大數據、物聯網領域確保國際競爭力，針對政府整體產業發展策略及推動重點，座談會歸納4大關鍵議題。
第一，建立更高層級部會延續政策長遠性。林敬祖指出，目前AI相關計畫以科技部主導，帶動一系列如台灣半導體射月計畫、台南沙崙自駕車測試場域、台灣首座超級電腦台灣杉二號等研發能量實例，期望強化政策延續力道，避免創新方案多頭馬車或停留概念性驗證(Proof of Concept)，而是真正達到商用運轉、應用落地。陳宗逸表示，目前隨不同執政黨轉換容易使政策無法延續，建議成立跨黨派且不受限行政部會指導的更高階部會，針對長期政策規劃落實一致化願景。
第二點建議是擴大資料釋出、資料使用法規明確定義。張榮貴表示，大數據、AI應用最需龐大資料以訓練機器學習模型，目前產業情況是場域業者握有資料；資服業者具備技術，但雙邊未能串接商用價值。鼓勵政府、法人單位釋出、公開更多可使用資料，讓整體AI應用自然長成。陳忠偉也提及，像是人臉資料、生理數據等，哪些項目可蒐集、儲存、再使用，相關法規希望政府能明訂規範，在鼓勵創新立場上，讓更多資料轉化成商業價值。黃炫輔表示，新創企業普遍面臨不易招募人才和不易取得AI訓練所需數據，若政府和法人能將公家數據公開並有條件取得，將會加速創新研發，同時台灣人才理論很強但實作能力不夠，除了課程教學，可安排更多產學合作機會，著重業界實習幫助接軌。
第三點建議，聚焦跨界整合建構平台生態圈。由於AI生態圈涉及軟體演算、硬體載具、場域平台等龐大產業鏈，張榮貴觀察，台灣資服業者大多屬中小企業規模，許多專案合作後僅留下經驗，但數據模型、技術資料因業主限制無法延續價值。建議由政策推動，鼓勵產業鏈不同型態業者彼此整合，甚至垂直領域有大型資料處理平台，提供資料轉換、通訊協定等底層建設，以利中上層應用的整合方案，形成AI生態系。
第四點建議，打造場域促進Total Solution輸出。翟海文和張榮貴建議透過政府預算，針對各垂直產業打造服務平台，讓產業鏈上中下游等業者可在平台達到媒合功能，形成技術供給端、場域需求端、系統整合商共同打造的試驗場域，形成整體解決方案。未來方案不僅台灣可複製，同時輸出海外，創造商機不侷限系統服務，還包含Know-How、顧問費用，多元化AI服務商業模式。
台灣AI產業化重點科研項目 專注重點技術、優勢產業先行
第二項討論議題為2030年確保國際競爭力概念下，最應該把有限資源投入哪些重點科研項目、產業扶植。李元淦認為科研項目，應站在台灣科技島的利基點，期待AI、大數據、物聯網領域更著重與社會情境，也就是一般大眾最有感的項目。例如少子化、老年化議題，如何藉由AI、大數據協助改善社會問題，較能讓人民感受政策作為。
徐宏民觀察，AI核心技術在智能系統，即是達到預測、感知、推理等應用，預測未來十年科學演進，勢必有更成熟、更前瞻的演算技術持續推出。所以政府應鼓勵產學多嘗試部分的前瞻創新方案，透過政策評估風險，慢慢挑出可行方案。從政策角度，政府應鼓勵產學形成生態系，讓學界、產業投入多元化嘗試，先搭建開放環境，讓願意創新、嘗試的風氣存在科研單位。
至於盤點AI產業，陳宗逸點出，過去AI相關法規較多集中金融科技、無人車相關產業，但這兩項是否為台灣產業強項值得深思，建議政策先從台灣擅長的產業發展，例如製造、醫療產業等。林敬祖則回應，雖然台灣汽車產業未有一級車廠，但伴隨電動車、自駕車的世代轉變，反而藉由台灣ICT優勢，掌握像是防撞運算輔助系統這類最有價值的技術，是車用AI帶動ICT產業升級另一形式。
至於其他產業優勢，座談會中還提到AI結合醫療、製造、農業等。其中的醫療包含具備頂尖醫療人才、健保病歷數據，同時台灣因應人口老齡化、長照2.0場域需求，相關軟硬體技術與大數據應用整合，發展多元化AIoT應用，是台灣非常適合項目。所以在科研發展方向，建議軟體廠商若具備技術，不妨尋找最佳化硬體平台，透過強強聯手過程，政府積極在中間扮演角色，透過資源整合促進應用落地。
優化科研創新環境機制 鼓勵國發基金投入學界、新創企業
觀察全球AI大數據領域，學術研究到商業化的速度更為縮短，對於學研與產業之間的運作機制，如何調整、優化，促進創新研究結果早日商轉、輸出。張榮貴觀察，目前學術機構、法人單位、產業的供給端、需求端彼此屬於「斷鏈」狀態，新研究在研究階段形成報告後，缺乏橫向溝通未能讓成果商業化。另一方面，政府各部會未能整合，學術單位歸屬教育部、法人屬經濟部管轄，產業推動則是工業局，但學術到產業需要跨部會協作，希望政府單位權職能重新定位。目前科研創新環境，最大問題是法人單位往往取代產業供給端(資服業者)功能，建議法人單位應花時間擬定政策，再送給業界執行，或透過法人輔導技轉，促進形成合作生態鏈。
徐宏民建議由學術機構做基礎研發，法人單位將學術研究銜接給產業應用；或是產業出題給學界解題；以及在產業整合供給端與需求端，中間環節可透過公協會擔任學界、法人、企業(供給、需求端)的溝通橋樑，落實產業建言、媒合功能。也指出國外許多案例是企業投資高教體系，甚至鼓勵教授到業界創業，企業投資學術研究、學校帶動AI前瞻應用是重要能量。不過目前台灣學術環境，長期受限教育部較保守態度規範，甚至早年對教授擔任新創的共同創辦人或董監事的限制，導致產學無法廣泛互動。建議教育部對大專院校的科研延伸到產業時，回歸市場機制，又或是建議教育部與科技部形成政策共識，擬定一套成熟且開放的管制標準。
至於企業投資學界研究，陳忠偉建議可透過國發基金搭配創投VC一起挑選、投資適合的科研項目，鼓勵VC挑選高風險但高獲益價值的AI創業項目。又或是撥款部分國發基金預算，補助AI新創公司與大型企業合作，雙邊在POC過程，由政府計畫協助新創AI研發過程的一部分預算，方案落地再轉交市場使用者付費，可縮短POC驗證時間提升科研創新能量。
創造AI產業內需市場 業界關注稅制抵減、場域搭建、供需媒合
內需市場的創造，在場域、機制、法規面向，座談會先是提到稅制問題。孫逢佑表示，AI大數據產業多屬軟體研發，本身未有製造、運輸成本，大多集中在研發成本，張榮貴也建議為了提升內需市場，在租稅方面可透過政策針對企業營所稅、人才所得稅、研發折抵等，在鼓勵企業投入研發，同時不影響EPS數據而造成借貸問題。營業稅方面，軟體成本多在人力無法抵減營業稅，企業建議5%營業稅作為產業公基金專款，回饋產業研發。
另一建議是從政策要求，陳宗逸舉例，可讓台灣一級企業每年與新創或AI方案提供企業合作，相關費用由科技部計畫、科專計畫支出，形成實際場域導入新技術，應用供給端不需再耗費心力申請科專，讓場域業者承擔一定程度成本，同時擔起社會責任帶動新技術內需，借助政府背書讓AI＋跨產業的「實場域」成功落地。第二種是建構「虛場域」，透過建造示範建築，展示一系列AI科技導入的方案作為長期曝光，甚至可組成參訪團強化與國外一級企業合作，逐漸培養出台灣20大AI、IoT公司。
林敬祖提出觀察，台灣高達90%是中小企業，大多是規模小、資源有限，往往無法從內部培養AI專家人才。建議政府成立專職負責做AI、大數據領域的媒合機關，有專門團隊研究市場趨勢及場域需求，哪些議題最亟需AI技術，從新創或資服企業名單中找到適合的技術提供者，一方面促進中小企業獲得AI方案，另一方面也助於系統服務業者，將成功案例後續行銷到全球市場。
培育AI大數據人才 舉辦國際競賽、深化產學合作、創造優質就業環境
關於AI人才的吸納、培育，座談會提出四大建議。第一，除了培育技術人才，更該從各行各業領導階層引進AI思維，張榮貴表示目前公協會持續透過領袖營、工作坊，協助資服產業的業主具備AI思維、了解AI特質，以利未來與AI團隊溝通無礙。
第二點建議，李元淦發現，台灣畢業人才多熟知AI理論，但欠缺實作能力。所以建議政府政策，在台灣舉辦長期性、國際級的AI競賽，除了吸引全球好手及技術方案在台灣示範，透過競賽讓國外企業想在台灣找人才，或是增加台灣人才在實務學習的場域。
第三點，法人單位長期培養大量人才，建議除借調學術單位、法人機構之外，也能放寬規範釋放到民營企業。徐宏民提到，透過借調模式，可將人才及技術一同達到成果移轉，當兩三年專案結束後，讓人才選擇回到法人或續留企業，儘可能鬆綁人才流動而非過度限制。
第四，翟海文表示，吸引國外AI人才到台灣，包含研發、技術領域，必須透過政策改變就業環境，包含最直接的稅務問題、金融環境、募資條件等，增加誘因吸引創業者、白領人才願意續留台灣。
（賴威霖整理報導）
