2017機器人當道(2017-01-03 10:57:35 理財周刊)

文．高志銘

堪稱全球消費性電子產品發展風向球的美國消費電子展(CES)，將於二○一七年一月五日～八日在美國拉斯維加斯舉行，市場預期由人工智慧(AI)技術為基礎所衍生出的各式應用，不僅將是各科技大廠的展出重點之一，也將成為股市資金追逐的熱門題材。

人工智慧被視為驅動第四次工業革命的全新運算平台，早已有不少大咖投入鉅資爭相研發相關晶片，英特爾(Intel)、高通(Qualcomm)、IBM及NVIDIA等均已推出產品，搶奪市場商機大餅。晶片龍頭廠英特爾近期更表示，未來將全力發展人工智慧，預告二○一七年將推出的新一代處理器全面支援人工智慧應用。

超微(AMD)則將在CES展發表，在設計架構中導入AMD SenseMI人工智慧技術的最新處理器「Ryzen」，其人工智慧神經網路能根據應用程式過去執行的軌跡，學習預測未來的執行路徑，並擁有智慧預取能力，可利用精密的學習演算法，能追蹤軟體行為以預測應用程式的需求，並預先準備好資料。

人工智慧大躍升 將成二○一七年科技新趨勢

資策會指出二○一七年的科技產業關鍵趨勢，人工智慧將是五大技術之一。人工智慧發展至今已六十年，直到近幾年大數據收集量大增、分析數據的運算能力提升及雲端的高度發展，才讓此議題逐漸被炒熱，近五、六年來的快速發展，已遠超越過去二十多年的技術演進。

另市調機構HIS所發表的二○一七年全球科技市場發表白皮書，也表示人工智慧為趨勢之一，目前包括蘋果(Apple)、微軟(Microsoft)、亞馬遜(Amazon)及Facebook等已分別推出個人的人工智慧助理Siri、CORTANA、Alexa及Facebook M，透過智慧型手機或其他設備，獲得數以億計的用戶使用。隨著手動操作往人工智慧發展，更大的改變即將到來，例如自駕車及機器人領域也將逐步導入人工智慧。

微軟、亞馬遜、Facebook、Google、IBM及百度等科技廠，利用過去累積的技術透過平台開放，讓需要人工智慧部分基礎技術的使用者容易地導入相關的分析技術，加速整體應用與發展。不僅可藉由開放平台累積用戶數，取得市場的話語權，用戶在使用平台時，也會把自身的資料匯入平台，進而優化其演算法，提高人工智慧的分析精準度。

消費端接受度提升 將加快市場發展速度

在消費者端的接受度似乎也逐漸提高，網通大廠愛立信(Ericsson)公布的二○一七年十大消費者趨勢報告，指出消費者認為人工智慧對社交及工作領域越來越重要，有四○％的人認為智慧型手機可了解他們的習慣，並自動代表他們執行活動，三五％的資深網際網路用戶希望能在工作中擁有人工智慧顧問，二五％的人則是希望由人工智慧擔任他們的管理人。

事實上，就連各國政府也開始重視人工智慧的發展，來解決人口結構老化的問題，例如陷入失落二十年的日本，已打算靠著人工智慧拚翻身。安倍政府為達成GDP六百兆日圓的目標，準備大力倚靠人工智慧、機器人及大數據來創造出三十兆日圓規模的尖端科技市場，並將針對致力研發資訊技術的企業，制定「研究開發稅制」，藉此制度培養出新的人工智慧產業。

美國白宮二○一六年十二月也發布「人工智慧、自動化和經濟」報告，探討人工智慧驅動的自動化對經濟的預期影響，並描述了可以增加人工智能益處並降低其成本的廣泛戰略，建議政府應該制定政策推動人工智慧發展，同時釋放企業和工人的創造潛力，確保美國在人工智慧的創造和使用中的領導地位。

在各路人馬積極投入資源發展帶動下，人工智慧市場產值將進入爆發成長期。根據市調機構Tractica預估，人工智慧產業規模在二○一六年～二○二四年的年複合成長率將達五八％，產業規模從二○一五年的二．○三億美元，增加至二○二四年的一一一億美元。

靈活思考 深度學習 人工智慧人性化

人工智慧是由機器展現的智能，目的在於讓機器擁有靈活的邏輯思考能力，可依據周遭環境採取行動，成功完成各種任務，其方法就是讓機器在學習及解決問題等方面模仿人類思考。深度學習(Deep Learning)是近年來人工智慧研究領域最大的突破，是一種演算法則，也是透過逐步分析資料，教導機器辨識模式的方法。

深度是指神經網路的層數，每增加一層，意味著增加了一個人工智慧分析維度。利用深度學習，神經網絡可以學會辨識抽象事物的多種層次，涵蓋從簡單到複雜的概念。機器在每個層次都會歸納出某些資訊，並在細部處理後納入下一個層次，透過深度學習的程序，可以做到以階層方式解讀資訊。如今已應用於執行各種工作，包括醫療診斷系統、信用評分、程式交易、偵錯、產品推薦、圖形分類、語音辨識、語言翻譯及自駕車等。

深度學習用來建立可模擬人腦進行分析學習的神經網路及模仿人腦機制來解釋資料，如圖像、聲音及文字，創造了一種從資料出發，經過一個端到端(end-to-end)最後得到結果的新模式。深度學習與傳統電腦軟體不同，並不要人為提取所需解決問題的特徵或總結規律，能夠從輸入的大量資料中自發的總結出規律，自適應調整自身結構從而舉一反三，延伸至從未見過的案例中，即能自動從資料中學習。

深度學習將演算法問題轉變為資料問題，人類多數靠經驗積累的工作本質上都是資料訓練的過程。Google的AlphaGo可以打敗棋王李世石，並非更深諳棋理，而是擁有更豐富且不斷增加的棋譜資料，以及超大規模資料處理能力。AlphaGo的深度學習系統的多層人工神經網路多達七十～八十層，為了讓AlphaGo具有一流的圍棋水平，Google科研人員輸入了二千萬局棋譜，相當於人類不眠不休下棋五七○年的經驗值(假設每局棋耗時十五分鐘)。

人工智慧應用 GPU更勝CPU

人工智慧的技術發展，對付負責運算的晶片要求不再僅是執行通用指令的能力，而是高度平行運算的能力。由於深度學習涉及極多筆數的資料與多工且須同時處理，有別於中央處理器(CPU)的線性及通用運算，圖形處理器(GPU)的平行架構包含數千個核心，更適合用於深度學習，因此讓GPU的高度平行運算能力在人工智慧應用獲得很大關注。

GPU領導廠NVIDIA所推出的人工智慧晶片，因性能較佳，平台程式編寫自由度高，廣受教育機構、新創公司，及超大型資料中心用於深度學習。在二○一三～二○一五年間，與NVIDIA合作進行深度學習計畫的公司數目已成長近三十五倍。NVIDIA憑藉其完整的產品組合、穩健的售後服務及健全的產業生態鏈，建立一個極高的進入門檻，在人工智慧GPU已具有領導地位。

隨著GPU在深度學習應用的滲透率逐步提高，投資人對於NVIDIA的虛擬實境(VR)、深度學習、影音娛樂、自駕車等業務成長潛力也更為樂觀，資金買盤大舉擁進NVIDIA，推升股價持續改寫新高，今年來(截至十二月二十三日)已大漲二三九％。相較於近期因利率上升而出現本益比修正的美股科技股，更加突顯市場對NVIDIA的營運成長動能賦予高度期待，若按此趨勢發展，不排除未來股價會再向上挑戰二○○○年網路泡沫時的歷史高點。

NVIDIA股價帶頭衝 有助提高供應鏈身價

在NVIDIA股價領漲帶動下，相關供應鏈自然也有望吸引資金的目光，台廠中負責晶圓代工的台積電(2330)、負責晶圓測試的京元電(2449)、供應IC測試版的精測(6510)、供應IC載板的景碩(3189)及獨家供應系統級測試機台的致茂(2360)，均是可逢低佈局的個股。

不僅如此，預期隨著市場對於人工智慧的投資熱度漸增，資金買盤將有機會開始擴散至整個人工智慧族群，像是生產人工智慧機器人的華碩(2357)、微星(2377)、鴻海(2317)及金寶(2312)；其他人工智慧應用的聯發科(2454)、台達電(2308)及鈺創(5351)等，也是投資人可以留意的方向。

回列表頁