0件商品
AI產業聚焦優化開發方案 有助技術普及 加速企業智慧化進程
DIGITIMES Research觀察，人工智慧已由學界走進產業界，開發方案的選擇將為企業AI應用發展的關鍵。近期AI產業發展重心為優化各式開發方案，訴求降低企業發展AI應用的門檻，利用生成對抗網路(Generative Adversarial Network；GAN)、聯合學習(Federated Learning；FL)、自動機器學習(AutoML)等技術與AI新創跨域方案，分別改善數據短缺、數據隱私疑慮、ML模型繁瑣開發過程，以及大廠方案客製化程度不足等企業發展AI應用時所面臨的挑戰。<br> GAN藉由生成模型與判別模型在相互對抗後生成新數據，有助於解決數據短缺的問題，也能強化AI自主學習的能力。聯合學習又稱聯邦、聯盟學習，藉由分散式邊緣運算架構、數據去中心化等特性，緩解數據隱私疑慮。<br> AutoML解決了過去ML訓練模型費時的問題，也緩解AI人才不足困境。由於各產業對AI應用的客製化需求較高，目前AI產業鏈中上游科技大廠所推出的解決方案無法逐一滿足企業需求，如何銜接落差造就AI新創業者商機。AI新創業者鎖定特定垂直領域落地驗證市場並累積實力，近來已朝提供跨領域解決方案發展，漸於AI產業鏈中上游與既有科技大廠產生競爭關係。<br> DIGITIMES Research認為，現階段AI發展將以人機協作為主軸，接下來AI產業發展將圍繞在生成技術、分散式架構及自動化流程等趨勢，並隨各式相關開發方案持續精進成熟，將推動AI技術普及，以協助企業加速發展各種智慧應用。而伴隨而來的AI道德隱憂、AI可解釋性疑慮，以及新創業者與科技大廠間的競合，值得後續追蹤觀察。
目錄
- AI產業鏈技術範疇廣 企業發展AI應用面臨各式挑戰 相應技術或方案成產業發展重心
- GAN藉模型間對抗生成 以擴充數據與實現AI自主學習
- 聯合學習採分散式架構 讓用戶共同參與模型優化 可解決數據隱私問題且加速AIoT邊緣運算發展
- AutoML簡化典型ML軟體開發流程 將緩解AI人才困境 可望成AI軟體要角 惟須注意可解釋性
- AutoML方案傾巢而出 齊力降低企業發展AI應用門檻
- AI新創填補大廠方案落地缺口 單一垂直領域累積實力 近來逐漸發展成跨領域通用方案
- AI新創方案跨域業者比例逐年提升 有助加速AI技術普及
- AI新創往產業中上游發展跨域方案 聚焦ML開發工具 與科技大廠齊力補強產業鏈根基
- AI技術聚焦改善數據缺口及ML模型開發工具、AI新創跨域方案補強中上游根基 助企業發展智慧化應用
相關報告
關鍵字
加入已選取到「關鍵字追蹤」
使用者登入
服務加入辦法
若想立刻加入付費"Research"會員，請洽詢
客服專線：
+886-02-87125398。(週一至週五工作日9:00~18:00)
客服信箱：
member@digitimes.com (一個工作日內將回覆您的來信)
- 追溯至2000年，洞察產業脈動
- 優質報告，助攻精準決策
- 八大主題，23產業頻道涵蓋
- 七大全球數據庫，掌握市場趨勢
