台灣站在生成式AI革命的浪頭上，生成式AI的導入將重新定義百工百業，開創生成式AI的新未來。國科會今（2024）年1月啟動「推動各產業導入生成式AI先期計畫」，預計投入新台幣1億元，集結政府跨部會資源、產學公私部門能量。此計畫以需求調查及擴散計畫、垂直領域示範應用、競賽選拔深度輔導等「廣、深、快」三大重點，協助百工百業導入生成式AI，共創台灣GenAI新世代。

圖一、晶創台灣方案「推動各產業導入生成式AI先期計畫」正式啟動。

吳碧娥／攝影

2023年初ChatGPT引爆生成式AI趨勢浪潮，歷經一年多的發展，生成式AI技術快速演進，以前所未見的速度融入產業應用之中。國際研究機構Gartner在2024年《十大戰略性科技趨勢》指南中預測，隨著AI導入的門檻大幅降低，未來三年內，全球企業採用AI 技術的比例將由目前不到5%，急遽攀升至80%以上。

國科會主委吳政忠：生成式AI驅動台灣產業創新

有鑑於生成式AI對企業營運與產業發展的影響甚為深遠，2023年底國科會結合跨部會資源啟動「推動各產業導入生成式AI先期計畫」，投入調查各行業對GenAI需求的規劃，並在3月中舉辦「2024 GenAI產業高峰論壇」，邀請台灣產學研各界一起探索台灣如何運用生成式AI，驅動百工百業的科技創新與產業轉型。

行政院政務委員、國科會主委吳政忠在致詞時指出，作為國家推動科技創新與產業發展的重要部門，國科會一直緊密關注AI科技的最新發展趨勢，再以相對應的政策協助各產業運用AI科技，先前曾推動歷時四年的「台灣AI行動計畫」，培育超過3.3萬名AI應用人才、成就48.7％企業部署AI。如今「晶創台灣方案」及「推動各產業導入生成式AI先期計畫」，將進一步集結政府跨部會資源、產學公私部門能量，促進百工百業導入生成式AI，期能驅動台灣全產業以超高速推動創新。

【本文未完，完整內容請見《北美智權報》353期：生成式AI專題報導】

※如欲轉載本文，請與北美智權報聯絡

2024年在資本市場的推波助瀾下，各種生成式AI核彈級應用不斷推陳出新，將AI產業推向了另一波新高峰。AI正在進行一場資訊工業革命，以半導體製造聞名全球的台灣，雖是世界上首波受惠於AI的少數國家，但生成式AI帶來的機會很大、風險挑戰亦然。

KPMG顧問部營運長謝昀澤表示，企業投資生成式AI主要著重於三大面向：強化雲端基礎建設與運算效能、拓展業務規模，以及訓練生成式AI。2023年企業裡常見的AI應用，包括課程影片整理重點筆記、自動為會議錄影生成會議記錄、使用者上傳文件或圖片與AI對話、多語言翻譯內部重要文件；觀察2024年趨勢，和去年的生成式AI相比，今年可以生成更高質量的合成媒體，並以聽說讀寫多媒體融合，還可以圖作文、以文生片。2024年生成式AI從窄域AI進化成通用型的強AI，並能理解不同文化與價值，使用者對道德議題有控制權。在學習方面，過去仰賴網路大數據學習的生成式AI，今年可以零樣本自我學習與優化，各種Pro級加值付費方案也在2024年大爆發。

圖一、2023年與2024年生成式AI比一比

圖片來源：2024/3/14，KPMG安侯建業【2024第一季讀書會】謝昀澤簡報

國科會日前舉辦2024年生成式人工智慧（GenAI）產業高峰論壇，做為「晶創台灣」方案首波活動；簡立峰在會中發表演說時表示，AI正在進行一場資訊工業革命，機會很大、風險挑戰亦然。

「數據」是AI時代的石油

前Google台灣董事總經理簡立峰指出，台灣是少數首波就因為AI而受惠的國家，而在當前地緣政治情勢下，紅色供應鏈受限，成為台灣發展AI的優勢之一。台積電市值占台股逾30%，更重要的是台積電市值等於台灣一年的GDP（國內生產毛額），因為產業都有循環，高度集中在單一產業與公司，可能讓台灣身陷危險之中。「數據」是AI時代真正的石油，台灣很幸運有半導體基礎，台灣現在還有時間，但時間可能不多，如何將晶片優勢結合數據、應用在百工百業當中，是台灣必須思考的方向。

簡立峰也提醒，台灣缺乏國際級AI平台，被動接受外國服務將成隱憂，加上目前AI訓練資料七成來自英文，中文主導性弱，繁體中文占比又更少，生成式AI模式繼續發展下，會高度集中在少數幾家公司，可能引發「大腦外包」情況。同時，台灣企業缺乏數據與模型訓練經驗，將面臨更大的數位轉型壓力。

另一方面，生成式AI帶動生產效率提升，將影響全球3億個工作機會，如果一個國家沒有一個人因為生成式AI失業，代表相關應用還沒開始。台灣以製造業為主，而非知識型國家，受到AI取代工作的影響較慢。AI不只能改變產業，發展軟體產業的商業模式和形態，10個人當中只要靠2個人就能養活其他8個人，還能解決台灣少子化問題。簡立峰以芬蘭為例，過去芬蘭股市只有一個Nokia，手機賣不動後，遊戲產業成為接班產業，讓芬蘭在人口少的情況下仍能維持自給自足，台灣資本市場已開始重視軟體新創，台灣科技大廠也競相投入軟硬整合領域，軟體將是台灣在少子化時代裡最好的機會。

【本文未完，完整內容請見《北美智權報》353期：生成式AI專題報導】

※如欲轉載本文，請與北美智權報聯絡

人工智慧(AI)技術的突破與應用正在經歷爆炸式成長。從自然語言處理、電腦視覺到自動駕駛，AI正在改變我們生活的各個面向。而推動AI發展的關鍵之一，正是專為AI運算打造的晶片。隨著AI應用的熱潮席捲全球，AI晶片的需求也急遽上升，成為半導體產業的新戰場。

AI之所以能夠如此盛行，背後有幾個重要原因。首先，機器學習與深度學習演算法的重大進步，讓AI系統能夠從大量資料中自主學習、提煉出有價值的見解。這些算法的突破，例如卷積神經網路(CNN)在影像識別方面的卓越表現，大幅提升了AI的感知和理解能力。其次，網際網路時代累積的大量資料，為AI提供了豐富的"養分"。

據估計，全球每天產生的數據量高達2.5艾位元組(EB)，這為AI模型的訓練提供了龐大的資料基礎。再者，運算能力的持續提升，尤其是GPU的廣泛應用，讓複雜的AI模型得以訓練與執行。

以Nvidia的H100 GPU為例，其單精度浮點運算能力高達14 TFLOPS，是前代A100的3倍之多。最後，AI在各行各業的應用情境不斷擴展，從智慧製造、自動駕駛到醫療診斷等，AI正在創造巨大的商業價值。據麥肯錫全球研究院估計，到2030年，AI可為全球經濟貢獻13兆美元的產出。

然而傳統的晶片架構已經難以滿足AI運算的特殊需求。與傳統的程式設計模式不同，AI模型通常需要大量的平行運算和資料傳輸。這就催生了一系列專為AI設計的晶片，例如Nvidia的GPU、Google的TPU等。

這些AI晶片在矩陣運算、記憶體頻寬等方面進行了最佳化，大幅提升了AI運算的速度和效率。以Google的TPU為例，其第一代產品就實現了在機器學習推論任務上，比現有的GPU和CPU快15到30倍。隨著AI應用的爆發，AI晶片市場也迎來了爆發式成長。

目前，Nvidia憑藉在GPU領域的多年積累，在AI晶片市場佔據領先地位。Nvidia的GPU不僅為AI模型訓練提供了強大的運算能力，也為AI開發者提供了完整的軟體工具與生態系統，例如CUDA平台和cuDNN函式庫。而Nvidia最新推出的GH200超級晶片，單精度浮點運算能力高達150 TFLOPS，更將進一步鞏固其在AI晶片領域的優勢。據Nvidia預估，到2024年，其資料中心業務每季收入有望突破150億美元，AI晶片功不可沒。

【本文未完，完整內容請見《北美智權報》353期：生成式AI專題報導】

※如欲轉載本文，請與北美智權報聯絡

科技進展迅速的同時亦帶來更多更複雜的網路駭客攻擊，使企業對資訊安全的重視大幅提升，積極投入資安科技以建立面對各式資安威脅的企業韌性，帶動2024年企業導入持續性威脅暴露管理及將資安措施融入企業網路設施之兩大趨勢。

數位化加速及新科技崛起帶動企業資安發展的兩大趨勢

隨著技術發展，各企業數位化的腳步加快，且人工智慧與機器學習等新興科技的快速崛起，企業對網路及雲端平台的採用越來越普及，在開發業務、儲存資料及人際溝通等面向高度仰賴網路。根據IDC分析，由於市場需求提升，促使企業必須發展數位化的商業模式及增強數位力，預估2024年企業在數位化技術的支出將成長七倍。

管理面：導入持續性威脅暴露管理，隨時應對網路攻擊

近年來，網路攻擊對企業造成的損失逐漸擴大，世界經濟論壇(WEF)於2023年初將網路安全列為當前及未來的全球十大風險之一，且多項機構研究報告發現，2023年企業遭受網路攻擊的事件增加，根據Cybersecurity Ventures，網路攻擊對企業造成的損失逐年成長15%，預計2025年達到10.5兆美元，為2015年的三倍。

而隨著新興科技的發展，網路攻擊者開始採用人工智慧與機器學習等更先進的工具，對企業展開更複雜的攻擊，例如偽造更逼真的詐騙訊息和釣魚郵件，甚至運用自動化工具加速攻擊流程及提高攻擊頻率，因此企業應建立系統性的資安管理制度，以增強企業面對網路攻擊的韌性。

持續性威脅暴露管理(Continuous Threat Exposure Management, CTEM)是一種系統化的網路威脅管理方法，以持續識別和評估當前或潛在威脅，並列出企業優先須解決之最大威脅，此法可協助企業制定面對外部威脅的主動防禦策略。

【本文未完，完整內容請見《北美智權報》353期：生成式AI專題報導】

※如欲轉載本文，請與北美智權報聯絡

近年來，隨著汽車電子系統日益複雜，對處理器效能和安全性的要求不斷提高。加上軟體定義汽車(SDV)和人工智慧(AI)技術的興起，車用軟體的複雜度也大幅提升。傳統的車用晶片開發流程，已經越來越難以應對這些挑戰。

汽車產業正在經歷一場前所未有的變革。電動化、智慧化、網聯化等技術浪潮正在顛覆傳統汽車的設計、製造和使用模式。在這場變革中，車用半導體扮演著至關重要的角色。

隨著汽車電子系統的日益複雜，對車載計算平台的要求也在不斷提高。先進駕駛輔助系統（ADAS）、自動駕駛、車載資訊娛樂、車聯網等新興應用，對處理器的效能、功耗、安全性、可靠性等方面提出了更高的挑戰。

而Arm也希望藉此趨勢，推動他們自有方案的進一步侵蝕市場空間，除了增加更廣的市場空間以外，也是為了防堵其他IP業者吃掉Arm尚未完全關注到的市場而進行佈局。

Arm推出新一代車用處理器IP

1. Neoverse V3AE：伺服器技術首次導入車用領域

在這樣的背景下，IP廠商Arm最近宣布推出全新的車用處理器產品線，以及相應的開發平台和解決方案，試圖為車用半導體產業注入新的動能。其中最受矚目的，莫過於首次將旗下伺服器等級的Neoverse技術導入車用領域的Neoverse V3AE處理器。

這顆處理器採用Arm最新的Armv9架構，支援Scalable Vector Extension 2 (SVE2)指令集，可提供更高的單執行緒效能和更豐富的SIMD運算能力，特別適合AI和機器學習的高強度運算負載。同時，Neoverse V3AE還導入了Arm的Transactional Memory Extension (TME)技術，可實現更高效的多執行緒同步和併發控制，提高系統的可擴充性和實時性能。

Neoverse V3AE鎖定高階自動駕駛和ADAS應用，標榜可提供之前Arm車用IP所不及的運算效能。不過，伺服器晶片與車用晶片在功耗、散熱、可靠性等方面的要求差異甚大，Neoverse V3AE能否真正滿足車規級的嚴苛標準，還有待市場進一步檢驗。

2. Cortex-A720AE/A520AE：首次導入Armv9架構

除了Neoverse V3AE之外，Arm還推出了多款基於Armv9架構的全新Cortex-A系列處理器，包括鎖定中高階車用應用的Cortex-A720AE，以及強調高能效比的Cortex-A520AE。

Cortex-A720AE基於Arm最新的大核心設計，採用八級流水線架構，支援Arm的DynamIQ共享單元技術，最多可實現14個核心的叢集配置。同時還導入了Arm的Memory Tagging Extension (MTE)和Pointer Authentication (PAC)等安全特性，大幅提升系統的防護能力。

而Cortex-A520AE則是基於新一代的小核心設計，採用雙發射流水線架構，可實現極高的能效比。它同樣支援DynamIQ技術和Armv9的各項安全擴充，但更強調對Area和功耗的最佳化，非常適合對能效比要求較高的車用場景。

這也是Cortex-A系列首次導入Armv9架構，帶來了更強的AI運算和安全防護特性。但畢竟Armv9是一個嶄新的架構，其在複雜車用環境中的實際效能表現，還需要經過更多的測試與驗證。

【本文未完，完整內容請見《北美智權報》353期：生成式AI專題報導】

※如欲轉載本文，請與北美智權報聯絡