從人工智慧晶片自製熱潮 看AI商用應用發展起伏

現在人工智慧的開發越來越廣泛，許多公司為了訓練新的人工智慧模型，必須提供大量的運算資源以供計算。有的公司無法滿足於現有的運算資源，於是便興起了開發適合自己的運算硬體的念頭。像生產電動車的特斯拉，一直致力於開發自動駕駛軟體。為了訓練用於自駕車的人工智慧模型，日前就替自己的公司總部開發了用於訓練的D1晶片。

　這陣子許多大公司不約而同地開發自家用晶片，一方面是不想受制於人，另一方面是要為自己的特殊需求來量身訂做開發晶片，以便更符合自身需要，同時也能讓產品和競爭對手做出差異區隔。像Google為旗艦手機研製處理器，蘋果也為Mac開發自己的處理器。這些公司在剛開始都是採用現有供應商的產品，用久之後，也許覺得受人把持不合己意，或是覺得花了太多錢在這些供應商上面，所以乾脆自己跳下來做，以便完全掌控開發方向，同時獨享開發成果。

　聯發科兩年前開發出5GAI晶片，推出後得到廣大的採用，業績與股價大幅成長。NVIDIA與AMD也因持續採用台積電最先進製程來開發人工智慧繪圖計算晶片，業績與市佔大幅提高。自發現委託台積電來生產HPC晶片變成了讓業績成長的萬靈丹後，大家便爭先恐後的搶用。

　相對於在硬體投資上不吝千金的意氣風發，大公司幾年前競相成立的人工智慧應用的機構卻悄悄地關門或重整。像日前新聞報導的Google宣佈解散健康部門Google Health，Open AI解散機器人研究團隊，IBM縮減Watson Health團隊等。不過才短短5、6年，當時重金禮聘的重量級人才與開發團體，如今業務無法推展，在不敵現實壓力下，只好黯然縮編裁撤。

　不知道是否看到硬體的廠商生產IC，好像印鈔機在那重複轉動，就可以不斷地印出鈔票，而提供雲端硬體服務的大公司，一個大案就可以拿到十數億美金的合約來。但做軟體應用服務的，每個需求都不同，好像要一小單一小單慢慢地談，費許多心力後才能有一個案子的一次性些許收入。

　同時這種最新科技的應用，也並不是廣大群眾一時之間就會張開雙手欣然接受的。像手機在上市之後，也是經過了2G，3G，4G，5G等不同世代的改善後，才被廣泛接受為日常生活的一份子。加上人工智慧實際案例應用的準確性，也不如原先宣傳的那麼樂觀，於是推展起來自然阻礙重重。

　著名的IT研究與顧問諮詢公司Gartner對於新興科技的發展歷程，有一套稱為Hype Cycle的理論。所有新興科技議題聲量在經過觸發期，攀頂期之後，經過大量供應商增殖，聲望將達到峰頂。之後便開始急遽下墜。其間有供應商倒閉合併，聲量墜落到谷底。存活下來的公司在得到二三輪資金的挹注後，才能夠繼續開發第二代，跟第三代的產品。之後才能通往成熟的高原期，開始得到百分之二十到三十的消費者採用，變成一個成熟商品。

　人工智慧產品也一樣，唯有在Edge AI與5G AI手機都廣泛地散佈在人們身旁，各類可靠準確的應用模型被訓練出來後，最後再仰仗加值經銷商VAR的螞蟻雄兵，來將各式人工智慧應用嵌入我們的日常生活中，自然到都不覺得它們的存在。到那時，人工智慧才是真正開花結果了。