迎接人工智慧時代來臨，為提升台灣的全球競爭力，工研院產經中心(IEK)今(2/20)舉辦「2017十大ICT關鍵議題暨重點產業機會」記者會，提出年度ICT產業的十大關鍵議題，協助產業洞悉2017科技新趨勢。IEK指出，2017年ICT產業的主軸為「The AI X Era Begins 數位創新，AI加乘」，預期在後物聯網時代，AI 智慧裝置將逐漸進入我們的生活之中，產業焦點也由物聯網延伸至人工智慧。

IEK指出，2017年人工智慧產業已進入加速階段，如影像辨識、機器視覺、語音助理、醫學診斷等，因而驅使原本的相關產業鏈開始重組，從晶片設計、終端設備、基礎建置、解決方案至應用服務都發生變革，包含各類應用所需之深度學習演算法、適合神經運算的處理器、及感測器融合運用於機器視覺等。預期從今年起，相關的人工智慧終端裝置產品將開始蓬勃發展。

此外，人工智慧也將帶動物聯網新發展方向。龐大的人工智慧運算數據與通訊需求，驅使邊緣運算(Edge Computing)網路架構加速成形；低功耗廣域網路技術(LPWAN)與5G的持續進展，讓物聯網應用範圍將進一步擴大。此外，虛擬實境( Virtual Reality；VR )與擴增實境( Augmented Reality；AR) 在2017年將以內容與應用為重點，並與人工智慧結合形成「虛擬經濟｣生態體系；區塊鏈在非金融領域的發展如製造業供應鏈管理，將是今年的觀察重點。

展望2017年，人工智慧市場將大幅成長，除了成為電子產業的發展主軸外，應用效益也將擴散至其他產業，如製造業與服務業。IEK表示，2015年國內製造業平均每位勞工的生產力（產值/ 就業人數）為5.8百萬元，而服務業平均附加價值率（附加價值/ 產值）為65.9%，顯示台灣製造業具有高勞動生產力，而服務業則具高附加價值率。這樣的情況將可能在ICT與AI技術的導入之下形成正向改變。AI能夠減少人力負擔、提升效率、提高價值，因此台灣產業若能導入AI技術，則服務業每位員工的勞動生產力將明顯提升，並創造新型態服務模式；製造業則能提高附加價值的創造力，同時強化供應鏈管理與帶動新市場需求。而眾多應用產業中，醫療與機械產業將是AI應用的首波且重要之應用領域。

IEK 提出2017十大ICT產業關鍵議題為：

關鍵議題1：人工智慧促使人機互動加速發展，語音成為年度重點

關鍵議題2：人工智慧從通用到專用晶片，效率大幅提升

關鍵議題3：預測分析成機器學習新焦點，龐大資料為成功關鍵

關鍵議題4：智慧機器日新月異，大力拓展AI應用生態圈

關鍵議題5：物聯網趨勢加速Mobile Edge Computing技術標準化

關鍵議題6：低功耗廣域網路技術發展迅速，產品問世促使服務加速商用化

關鍵議題7：2017年pre-5G網路服務上路，帶動設備及系統解決方案需求

關鍵議題8：感測融合技術，實現智慧機器之全方位視覺

關鍵議題9：AR/VR內容應用大爆發，虛擬經濟生態漸成形

關鍵議題10：區塊鏈入多元產業，製造業管理驗證年

各項關鍵議題詳細內容分述如下：

關鍵議題1：人工智慧促使人機互動加速發展，語音成為年度重點

AI新時代來臨，以機器來完全或部份取代人力的商業模式正逐步落實於日常生活，例如：Amazon Go無人商店、居家陪伴型或功能型機器人等。為了讓科技自然地連結到人體的感知系統，人機互動技術將扮演關鍵性角色。其中，透過影像和語音為常見的人機互動模式，亦是廠商重要的發展項目，例如Amazon推出的三項人工智能服務Rekognition、Polly、Lex將機器學習技術導入影像和語音辨識，提升辨識的準確度，進而發展出不同的商業應用。Facebook收購語音辨識技術公司Wit.ai，新增人工智慧語音辨識能力等，均顯示語音辨識技術的快速普及化，AI語音辨識商機龐大。

除了聲控趨勢當道，多元的互動模式亦有助於提高自然的互動體驗，因而未來相關載具（如：汽車中控系統、機器人）將更著重於全方位的人機互動發展。

關鍵議題2：人工智慧從通用到專用晶片，效率大幅提升

在未來，AI科技在各行各業帶來翻天覆地的變革，包括：安防、製造業、金融、交通、教育、法律、醫療等行業，也會改變每個人的生活。傳統加速人工智慧運算的神經網路硬體，主要包括使用中央處理器(CPU)、圖形處理器(GPU)、現場可編程陣列(FPGA)等。根據研究機構Tractica預估，由AI驅動的硬體營收，將從2015年的8億美元，成長到2025年的1,740億美元，年複合成長率達56%，商機十分驚人。

而「專用領域的智能化｣將是AI應用的主要方向。由於應用背景需求明確、領域知識積累深厚、模型建立計算簡單可行等多項因素，在局部的智慧水準單項測試中，AI已可超越人類智慧，並在多領域取得成功應用。然而，目前技術挑戰在於發展低能耗、高準確率的認知計算，包括運算架構電路設計、演算法等。

未來全新運算架構的晶片是特定的演算法加速器，加速包括卷積神經網路(Convolution Neural Network)、遞迴神經網路(Recursive Neural Network)在內的各種神經網路演算法，最大優勢在於其成本和功耗降低，大幅提升人工智慧演算法運行效率，甚至可能顛覆傳統的電腦架構。隨著Google自製機器學習專用晶片、微軟開始使用客製化晶片打造人工智慧電腦，其他廠商也無不積極搶進或展開探索。IEK預測，人工智慧戰場已經從軟體走向硬體，最底層的晶片技術將成為誰能在未來勝出的關鍵之一。

關鍵議題3：「預測分析｣成機器學習新焦點，以龐大資料分勝負

機器學習(Machine Learning）是透過演算法提供模式辨識、統計模式、資料探勘、知識發現、自我調適、自主組織與預測分析。其中模式辨識是最常見的應用，如影像辨識與語音辨識是2016年全球人工智慧主要研發重點；然而IEK預期2017年的焦點將轉向至「預測分析｣。

預測分析是一種資料分析技術，可透過歷史數據分析進行未來資料走向的預測，在機器學習的導入下，預測能力大幅提升，因而成為近年發展焦點。預測分析應用範圍非常廣泛，例如能預測行人走向、也能對人體病症提供預警；Google自動駕駛車所使用之自主駕駛系統能夠預測周遭行人與其他車輛的未來行走方向，進而避免車禍；政府單位透過公部門資料預測未來可能輟學的學生及預測犯人交保後的逃逸機率；HP利用預測分析工具預測員工的離職機率，進而節省3億美元的人資成本；醫學上，已可利用預測模型預測病人未來發生心臟衰竭的機率與時機，進而提高醫療效果。

目前許多國際大廠提供開放機器學習平台，可用來訓練預測模型。IBM Apache SystemML平台便能提供開發者建造各種預測分析的機器學習模型。根據Bain & Company研究顯示，導入機器學習的企業，其決策執行速度可加快為原來的3倍。因此在開放平台與企業導入驅動力下，預期2017年將有更多預測分析解決方案之需求。

此外，預測模型需有大量數據方能訓練預測模型，因此包含政府開放資料、企業內部資料或各種研究文獻等資料均有潛力發展預測分析。 其中企業應用因明顯經濟效益，因此預期企業預測分析應用為未來主要發展的重點項目，並以內部資料為訓練與預測基礎。IEK建議，台灣廠商應善用既有資料庫之可及性與豐富性為基礎，開發可能之預測應用，例如：利用ETC數據進行路況預測。

關鍵議題4：智慧機器日新月異，大力拓展AI應用生態圈

Gartner預估，至2021年每日每小時將有100萬台的IoT裝置被購買、加上AI技術陸續導入，將促使IoT終端裝置升級為各種AIoT智慧機器。美國研究機構BCC Research亦預測，全球人工智慧相關產品已經進入起飛成長的階段，智慧機器市場於2019-2024年成長率排名前三大依序為：自主機器(31%)、智慧助理(30%)、深度神經運算電腦(22%)；其中，自主機器之智慧機器人、無人車、無人機在未來5年將是發展關鍵期、而服務型機器人成為AIoT新戰場。

IEK認為，2017年將是居家機器人與娛樂休閒機器人百家爭鳴的一年。居家服務機器人將扮演智慧家庭中樞，如：Amazon Echo 、華碩Zenbo、豐田Kirobo Mini、夏普COCOROBO及美國Jibo、法國Buddy等。而娛樂休閒型機器人也開始進入商用場域，例如：軟銀Pepper於銀行、店家等，日立EMIEW3於機場導覽、台灣金寶電子機器人於銀行、百貨零售業等。

由於AI 成熟的技術導入，促使IoE(Internet of Everything) 架構將更為複雜，促使機器學習不斷進化，而能做到軟硬整合、自主決策、互動如人且流暢驅動相關軟硬體的智慧機器人將成為全球產業與市場的新寵。

更值得注意的是，AIoT技術正重新塑造消費性電子產品之關鍵零組件、系統組裝、軟體介面、服務設計之產業價值鏈。促使全球產業正運用開放架構或軟硬體資源(Open-Source HW/SDK/Open APIs)， 整合所有成員一同擴展生態體系，強化所有價值鏈上所有成員價值，共創B2B2C的商業模式。如IBM提供AI平台與Watson APIs，支援各種智慧機器，以擴展各種跨產業AI應用。

建議台灣業者製造或研發智慧機器，以使用者應用情境與需求為主，來展開深度學習技術架構、異質性系統整合以及互動介面設計，發展具人性直覺且流暢的人工智慧終端裝置。

由於全球服務型機器人產業鏈尚未成形，成為全球產業積極投入的新興市場。而服務型機器人除了需要AI技術之外，更需要高度軟硬體整合能力，台灣業者可以運用過去PC/NB/Phone等各種消費性電子的軟硬體組裝能力，取得全球服務型機器人研發與製造之地位。

關鍵議題5：物聯網趨勢加速Mobile Edge Computing技術標準化

在物聯網趨勢帶動下，電信業者面對龐大的物聯網資料處理需求，同時隨著行動影音(如視訊直播)使用行為趨於普及，頻寬壓力倍增，未來5G網路環境下AR/VR業務的興起，單純提高頻寬也無法滿足低延遲服務的需求，MEC技術因應而生。

MEC(Mobile Edge Computing)技術是指應用鄰近行動用戶的無線通訊網路設備提供IT與雲端運算資源供使用的一種技術，藉由將部分內容和儲存下移到靠近網路邊緣，可藉此降低頻寬佔用及網路延遲性，提高用戶體驗，如博物館多媒體AR講解，體育場大型賽事的多角度視野寬看，且電信業者可藉由與第三方業者創新應用服務佈署的合作，提供反應快速且高品質的行動應用服務。根據預估，全球物聯網連結邊緣設備數量將於2020年達56億台；至於MEC全球市場規模，則將於2021年達800億美元，其中包含相關設備、平台、軟體、API以及服務等。

展望2017年，預計隨著MEC標準制定的漸趨成熟，以及有更多電信業者及設備業者投入MEC技術測試，MEC會由概念進展到實踐階段，將帶動無線通訊基地台設備在邊緣運算硬體設備上的需求隨著MEC技術的成熟而浮現。我國網通與資訊硬體設備廠商應關注MEC技術之最新發展，如藉由參與國際標準組織尋求與國際通訊設備、電信業者大廠先期合作之可能，並思考針對端點設備數據量龐大、低延遲需求高之應用(如車聯網等)等對MEC需求較快之物聯網應用優先布局，強化網通產品之計算能力，並透過場域測試進行解決方案驗證解決方案可行性，搶佔電信業者轉進物聯網市場商機。

關鍵議題6：低功耗廣域網路技術發展迅速，產品問世促使服務加速商用化

在2016年，全球採用非授權頻段的低功耗廣域網路(LPWAN)陣營Ingenu、LoRa、Sigfox等推出廣覆蓋、低功耗、低成本解決方案在市場上崛起，包含：韓國SKT、荷蘭KPN、Senet與Comcast等都進行大規模的佈署，造成3GPP陣營晶片、模組、設備業者及部分的營運商的競爭壓力。去年6月3GPP終於完成標準制定，LTE-cat M1與LTE-NB1晶片與模組業者更是於下半年積極推出解決方案供營運商測試，預期Vodafone、DT與中國地區將優先於2017年推出商用化LTE-NB1網路，同時Verizon與AT&T則選擇優先完成LTE-cat M1商轉。在2016年標準底定下，預期將帶動2017年全球各地營運商的服務布局。

2017年隨著3GPP NB-IoT硬體平台及產品問市及電信營運商加入服務，3GPP NB-IoT將實現更多智慧城市應用，進一步擴大IoT應用範疇與潛在商機。預期在2017年發展初期，將以環境監測、停車、交通、資產管理、照明、電網、水資源等智慧城市應用為主。中長期來說，電信運營商主導的公網(Public Network)建置競爭將成為下一階段LPWAN發展的主要驅動力，Unlicensed band則以私網等利基市場發展為主軸。

IEK建議台灣模組商與網通設備業者可採多點佈局(Hybrid Approach) ，可效法歐洲u-blox模組業者除了NB-IoT佈局外，也將Ingenu納入產品組合的方式，整合物聯網異質網路整合平台、並進一步整合軟體業者建立混合雲環境下的平台介接能力，以此利基切入LPWAN解決方案供應鏈，降低押寶單一技術的市場風險，爭取市場商機。

關鍵議題7：pre-5G網路服務上路，帶動設備及系統解決方案需求

日、韓、俄等國電信業者在近兩年開始藉由舉辦國際重要體育賽事，積極備戰即將來臨的5G行動通訊大戰，並於活動上以高畫質影像直播等方式來展示最新5G行動通訊技術及服務，目前以NTT DoCoMo(2020東京奧運)、SKT(2018冬季奧運)最為積極；另外，美電信業者包括Verizon Wireless、AT&T也積極加入5G網路試驗建置，預估pre-5G網路最快於2017年推出。市場預期西歐、北美、日本、南韓、中國將為5G終端的第一波需求國家，整體5G商業運營時程預估於2020年陸續實現，將帶動Pre-5G終端需求如Pre 5G Router、智慧型手機等小量產品需求於2017年陸續展開。隨著高畫質影像服務需求成為5G第一波服務需求，2017年Pre-5G終端剛上市時將面臨耗電問題，將帶動終端軟硬體省電優化相關解決方案之需求及技術發展。

在終端產品之外，Pre-5G網路的展開也將在2017年帶來5G網路與應用垂直行業整合的新應用試煉機會。根據歐盟調查報告，工業、醫療、能源、媒體和汽車為未來5G五大應用領域，惟每個垂直應用領域對於各技術需求程度將有很大差異，例如在製造業的即時流程控制，對於通訊網路的定位精確度、可靠度、密度及低延遲相對要求較高。電信大廠如Ericsson、Orange及標緻雪鐵龍集團也在2017年1月宣布跨界合作，正式展開5G車聯網服務試點，預料這將促使更多電信設備業者在2017年投入應用引領的專網端到端系統解決方案。

IEK建議，我國通訊產業若能整合感知載具、Small cell及輕核網，提供從開發端到端的解決方案，並藉由場域驗證進一步垂直服務市場需求，將有助於提升我國業者在特定應用場域的影響力，開創5G在垂直應用市場商機。

關鍵議題8：感測融合技術，實現智慧機器之全方位視覺

車輛自動駕駛功能需要即時取得車輛週邊的所有資訊，這需要仰賴車上配置的所有感測器，如：攝影機、短距雷達、長距雷達、超音波雷達、光達(Lidar)、衛星定位…等感測器的資料，以建構出車輛週邊環境的360度現場資訊，經由分析與高速運算後，下達執行車輛控制的指令，以讓車輛可以自動駕駛。

由於每一感測器都具有其優、缺點，如攝影機在低光源或天候不佳時的影像品質較差。雷達感測器較不受到天候影響；但是，雷達的解析度不如攝影機的高。光達感測器提供較佳立體影像，但是在天候不佳，如下雨、風雪或冰雹時，光達感測器的感測能力會降低。衛星定位精度較差，無法取得較短距離（1公尺以下）的即時資訊。

感測器融合(Sensor Fusion) 的創新概念就是同時間匯集『多顆』、『同類型』或『不同種類』感測器的資訊，整合所有高精度的感測數據，以更加準確地感知車輛週邊環境。相對於現有獨立感測系統，感測器融合技術可以做出更好、更安全的車輛控制的指令。

國際市調機構IHS分析，在2015年，只有4%的新車內建感測器融合技術的電子控制單元(ECU)，以執行環周影像停車輔助與車輛安全功能；預測在2025年，感測器融合技術的滲透率將提高到21%，在2015～2025年，感測器融合技術的ECU市場的年複合成長率(CAGR)高達20%，為汽車產業中成長動能強勁的關鍵電子元件。

預估2017年將有更多具機器視覺需求之智慧機器發表，驅使產業蓬勃發展Sensor Fusion解決方案。Intel、Mobileye、BMW於2017年CES合作發表Intel Go自駕車平台，結合Intel處理器/FPGA/SSD/人工智慧平台技術、Mobileye 360度環景視覺感測器/演算法、BMW自駕車開發技術，能執行感測器融合、環境建模、路徑規劃、駕駛策略、決策制定等自動駕駛功能。

除了自駕車外，無人載具、機器人、AR/VR都需要Sensor Fusion技術之機器視覺。如何更順暢結合各種不同感測器之數據進行整合分析，進而勾勒出機器視覺樣貌，並以高效率、低成本、甚至低功耗之運算系統實現，將是產業界於2017年發展之焦點。台灣在機器人、無人載具、AR/VR頭盔都有廠商投入，但Sensor Fusion相關技術發展較為欠缺，建議未來應補強此缺口，以因應未來龐大之市場需求。

關鍵議題9：AR/VR內容應用爆發，虛擬經濟生態漸成形

2016年被外界喻為VR元年，四大主流頭盔產品均正式出貨，至年底累積了約8百萬套出貨量。2017年在Google Daydream平台及Sony供貨短缺問題解決下，預計出貨將進一步提升，估計VR年出貨量將可達1500萬套，成長達88%。此外，由2017年CES/CEATEC等世界級大展可看出VR將結合視覺、聽覺、嗅覺、味覺、觸覺，創造全新五感體驗之商業應用發展。因而IEK觀察2016年是硬體裝置發展年，而2017年在應用開發平台與開發者努力下，將會是內容與應用發展的衝刺年。

在四大主流平台中，以HTC建構應用生態圈最為積極，包含成立投資新創、開發工具及應用商城，也成功吸引許多開發者，開發許多應用與Vive配件。Samsung則是仰賴旗艦手機搭配VR頭盔方式銷售，累積龐大出貨量，並透過獨佔內容方式，吸引消費者目光，如2016里約奧運的VR轉播僅限Gear VR用戶觀看。微軟HoloLens則開放合作廠商製造不同版本的HoloLens來建構完整的Windows Holographic生態系統，這也將刺激更多開發者開發AR應用內容。

值得注意的是，大陸淘寶正在建構VR商城，並提供VR電子支付平台，預估2017年全球將有1/5大型零售商導入VR。未來使用者將在AR/VR虛擬世界裡接受各種專業服務，產生各種經濟活動，這將形成全新的經濟體系－「虛擬經濟」。在虛擬經濟，人們將透過AR/VR與體感科技，在虛擬世界裡消費、家教、學習外語、進行法律諮詢、理財規劃，甚至醫療診斷等。

因此IEK認為，2017年的觀察重點在於AR/VR將成為互動介面之載具，而後端連結的應用才是產業重點。建議台灣產業的發展策略將著重在跨域合作，需整合AR/VR產業、AI產業與各種第三方服務業，推出虛擬經濟版本之應用服務，以建立台灣虛擬經濟之服務產業。

關鍵議題10：區塊鏈入多元產業，製造業管理驗證年

根據世界經濟論壇(WEF)調查報告指出，至2025 年將有73%的稅透過區塊鏈收集而來、有近六成受訪者認為未來全球GDP 10%將存儲在區塊鏈上；在2027年前區塊鏈將被廣泛應用。在金融方面，區塊鏈降低的信任成本預計每年可替全球金融機構省下200億美金；在非金融方面，區塊鏈亦存在多種應用，可執行複雜多方協議、重塑商業流程、跨越界限進行價值交換等。

2017年區塊鏈的發展，預料將擴及金融外的其他產業進行概念驗證(Proof of Concept)，採用共享式的資料與協議底層，而上層應用情境可以依個別產業需求而異，亦可加速個別產業的變革。以金融業而言，近期應用重點為利用其安全和不可竄改的特性，配合生物辨識、大數據分析等新興技術進行身分認證。而非金融領域的近期應用重點為利用其「共享帳本」概念，開發防偽、自動交易驗證、資安保護等功能；目前可預見的首波新開發應用將以｢製造業供應鏈管理｣為主，例如：金流、物流、資訊流管控及產銷履歷追溯等，將有效提升供應鏈的安全性及成本效益。

另外，IEK由全球比特幣及區塊鏈創投市場觀察發現，創新服務類別以金融相關服務、交易及基礎技術為主要三大應用領域；在投資金額方面，以2015年創歷年新高，但公司數目卻自2014年起下降，顯見部分市場區隔已經趨近飽和。

對於台灣企業未來在區塊鏈技術市場的切入點，IEK建議應鎖定目標客戶群的核心能力作為出發點。例如，針對連鎖量販店、超市與便利商店客戶可從協助其食品安全管控入手，提升消費者信心；協助半導體與零組件客戶可針對其來料品質與付款程序，使用供應鏈透明化與智慧合約等技術降低管控成本。而政府單位則建議在近期內研擬國家級的產業政策，確保2017到2027年黃金十年間，將研發等資源投注在適合台灣企業發展的利基市場。

ICT技術驅動之相關產業應用機會：醫療產業及機械產業

醫療產業：人工智慧實現精準醫療，診斷與治療效率將大幅攀升

全球醫療支出持續高漲，佔GDP比重持續攀升，包含老化後衍生的生理功能退化與慢性疾病盛行率持續增加。罹病後的相關照護經濟支出影響沉重，思考有效降低非必要醫療支出的策略是當務之急。從提升治療效率的觀點來看，提供更快速、更及時、更準確的診斷與治療服務，以提升醫院的診斷與治療效率是未來重點。透過精準醫療(Precision Medicine)之精準診斷與準確用藥，避免無效治療而提升醫療效率的作法，來達成降低醫療支出的目的。精準醫療主要的訴求在於：基於個體間基因差異性、社會環境和生活型態等不同，提供最適合的預防與治療措施。IEK預估2015年全球精準醫療市場規模約389億美元，預估至2020年可達695億美元，2015-2020年複合成長率為12.3%。

因應此趨勢，許多科技大廠開始投入此領域，例如IBM Watson和醫療機構合作，針對癌症與腫瘤病患做出診斷建議。Watson能每秒閱讀8億頁醫學論文，並在3秒內分析完100萬冊圖書後提供診斷建議，大幅提升醫師的診斷準確率。Watson Health可分析醫療機構Medtronic的數據資料，能夠提前3小時預測到患者有低血糖的狀況，並進而提早進行治療。Watson整合和分析結構和非結構化資料，透過自然語言處理技術，可分析以往被忽略的資料，例如學術文獻、手寫紀錄、NCCN資料等。另一個業界知名的案例是，2016年NVidia宣布和麻省總醫院臨床資料科學中心(MGH Clinical Data Science Center)合作，推動人工智慧技術於臨床醫學的應用，運用大量的臨床表徵、基因、圖像等建立深度學習演算法，初期將著重於「放射線醫學」和「病理學」兩項擁有豐富影像和資料的領域。

雖然人工智慧技術發展處於萌芽階段，但預期應用在輔助醫師進行疾病診斷與治療，以提升診斷正確率，將是未來重要趨勢。預期的應用包括：透過AI系統分析病患口述、歷年病歷、族群特徵、各種檢驗數據進行綜合分析，並可比對數百萬類似病歷後進行診斷。此外，以AI分析最完整的病例文獻，進而提供疾病診斷，例如罕見病患者可運用AI系統協助判斷致病因素，並找到過去100年間類似病例與治療方人工智慧解決方案廠商提供深度學習平台，針對醫療文獻資料產業、或醫療機構所提供之各種影像、文字、非結構化等資料進行蒐集、分析與訓練演算法。

機械產業：智慧機械價值驅動力 人工智慧技術扮演關鍵角色

IEK預估2019年全球人工智慧應用領域的市場規模將為153億美元，至2024年將可達到412億美元以上，人工智慧應用在製造產業將陸續出現具體案例與創新的生態系統。

隨著科學技術的不斷精進，人工智慧的發展可望有突破性的變革。大廠在人工智慧技術的競逐上，持續將各式人工智慧技術(語音辨識、圖像辨識、自動控制、語意分析、環境感知、路徑規劃)導入在人類的食衣住行等日常應用，且在巨量資料、雲端運算的發展下，具有機器學習與思考能力的技術將會被廣而應用在製造產業上，可預期的是許多創新的應用生態體系將油然而生。

例如：通用電氣公司（General Electric Co., GE）積極推動”Industrial Internet”概念，透過人工智慧技術的發展提出預測能力(Predictivity)解決方案，運用在風力發電、航空、鐵道運輸、天然氣發電等領域，已有增加能源輸出、節省燃料費用、增加渦輪機可靠性的效應。GE所開發的Predix平台是目前全球第一個專為工業數據與分析而開發的作業系統，實現了人、機、數據之間的互聯，能快速獲取、分析巨量高速運行的工業數據，讓生產製造業者在機器運作環境下進行數據分析處理，持續優化製程設備；其利用感測器蒐集資料並運用人工智慧做預測分析，提供主動式維護功能，降低非預期停機時間。GE在製造業邁向新世代的時刻透過人工智慧技術的發展對機器運行狀況進行分析和預判，進而避免重大機械故障、避免意外停機，在生產效率提升上獲得提高運作效能的效果。

半導體巨頭Intel，在晶片製程上投入巨量資料分析與物聯網相關技術，以大數據應用為核心導入人工智慧進行晶片製造的概念性驗證(Proof of Concept,POC)。應用在生產過程中已有減少品質檢測次數與減短除錯時間的效應，以AI技術做智慧影像分析取代人工檢測作業，已較人工判別方式快10倍的速度。這是在製造領域中，結合知識與巨量資料分析的技術，縮短資料判讀和問題解決時程的極佳展現。

台灣是製造大國，亦開始大力推動智慧機械政策，在產業智慧機械化方面需要包括機器人、無人載具、先進製造規劃排程等前瞻技術。IEK建議台灣必須發展工業場域應用的人工智慧技術，搭配優勢產業，例如半導體製造、精密機械、光學產業，利用人工智慧技術的加值，以創造出特定應用的產品與服務或系統整合解決方案，成為智慧機械價值的關鍵驅動力。