人工智慧

宸曜科技(Neousys Technology)於Computex 2019以整合強固寬溫與設計美學的嵌入式電腦專家的主軸，展出了GPU人工智慧邊緣運算、機器視覺解決方案、擁有專利的超級電容不斷電系統、強固級寬溫嵌入式系統、工業物聯網閘道器、I/O擴充模組以及車載與監控應用之嵌入式系統等，並有多達十五項新品一次性登場，更有業界首款搭載兩張GPU顯示卡之人工智慧平台首次亮相。 暨百度阿波羅(Apollo)開源自動駕駛計畫採用宸曜科技Nuvo-6108GC之後，宸曜科技強勢推出全球首款兼具工業電腦和車載應用設計並支援雙 GPU的人工智能平台─Nuvo-8208GC，專為搭載兩組高階 250W NVIDIA GPU圖像顯示卡的需求而設計，它在浮點運算(FP32)中可提供高達28 TFLOPS的超強GPU運算功率，特別適用於當代尖端的GPU加速邊緣運算科技，比如自動駕駛、視覺檢測、即時臉部辨識與移動監控等應用。 於人工智慧平台方面的新品尚有Nuvo-7164GC與Nuvo-7166GC，其為強固型嵌入式工業等級的AI推理人工智能平台，專為語音辨識、影像和圖形識別，以及電子商務推薦系統等高階推理運算應用而設計。Nuvo-7164GC與Nuvo-7166GC支援NVIDIA Tesla T4 GPU，適用於類神經網絡模型的深度學習以及即時推斷。並且得益於宸曜科技專利的機箱設計和氣流散熱技術，實現高效的GPU散熱功能。 宸曜科技長期專注於設計製造兼具強固及精巧小尺寸的無風扇工業電腦平台，擁有專利的機箱與散熱設計，使得嵌入式系統之CPU與GPU運算於100%負載之下，能夠通過攝氏零下25度~攝氏70度的寬溫環境下穩定運作。嵌入式系統相關新品包含：搭載AMD Ryzen Embedded V1000系列超精巧型嵌入式電腦POC-500、與採用專利 CAP智能電源管理及感測技術，具備9250瓦-秒超級電容的工業級不斷電系統智能管理模組PB-9250J-SA、以及滿足多種應用領域的全系列工業物聯網閘道器IGT系列。

預估全球傳輸、儲存、分析的數據量將於九年內成長十倍，至2023年時將達到103ZB。面對如此龐大的數據量，如何將其轉化為資訊並從中挖掘有用的洞見將是一項難題，而人工智慧(AI)在數據分析的過程扮演要角。美光於2019台北國際電腦展Computex上，表示將積極布局人工智慧領域，並讓運算更靠近邊緣。 美光運算與網路業務部門資深副總裁暨總經理Thomas T. Eby表示，美光本身就是人工智慧應用的最佳案例。透過導入人工智慧至生產廠區，美光得以增加生產良率、促進工作環境安全與提升整體效能。美光引入人工智慧打造智慧製造，所得到的成果包括達到成熟良率的時間縮短25%、提升晶圓產出10%以及不良率減少35%，效果顯著。 同時，Thomas T. Eby也提到，隨著運算越來越異質化，人工智慧在邊緣運算的重要性就更高。以前的資料中心以CPU為中心，現在則趨向異質化，有CPU、GPU、FPGA等等，在邊緣運算已經是大勢所趨。美光提供全面的解決方案，讓運算更靠近記憶體，甚至在記憶體中運算，以配合現在資料中心的需求。 Thomas T. Eby進一步指出，根據美光委託Forrester訪問建構人工智慧平台的工程師和IT專家的結果顯示，開發人工智慧系統時，首要考量並非運算，而是如何打造記憶體與儲存架構以滿足龐大運算需求。報告中有超過九成的受訪者表示，記憶體與儲存架構攸關開發人工智慧系統的成敗，儲存與記憶體吞吐量的重要性更勝於運算，且運算與記憶體間的距離越來越近。 在自駕車的記憶體需求方面，Thomas T. Eby也表示，未來每輛L5級自駕車，將會配置8~12個解析度高達4K~8K的顯示螢幕，而為了支援V2X 連結，記憶體每秒需處理0.5~1 TB的數據量，在車內娛樂系統方面，記憶體頻寬需求每秒也將達150~300 GB。未來自駕車將會像飛機一樣有黑盒子，以每30秒持續錄製片段，紀錄車內外狀況，因此記憶體頻寬需求每秒也達到1 GB。此外，在車輛生命週期中，會重複寫入的數據加起來將有150 PB(Petabyte)，所以對記憶體與儲存的效能與耐用性要求會特別高。

根據國際研究調查機構IDC預測，2019年全球物聯網(IoT)衍生的商機逼近1兆美元，其中，扮演關鍵角色的是人工智慧(AI)結合IoT所形成的AIoT新趨勢。2015~2017年，全球物聯網市場規模年均複合成長率為3.8%，但隨著AI興起，2017~2020年，估計全球物聯網商機每年將有24.2%的成長幅度，2019年市值逼近1兆美元，2020年則上看1.29兆美元。 AIoT商機蓬勃發展，加上AI技術逐漸成熟及相關應用服務持續興起，各大AI晶片國際大廠除了持續布局雲端運算之外，也致力發展AI邊緣運算，以實現智慧音箱、無人機、機器人、AR/VR與智慧監控等新興應用；AI邊緣運算晶片也因而開始走向分眾專用化，同時其架構也變得更加彈性、靈活，如此一來才可以滿足多元、少量多樣的AI應用市場。 應用場景陸續浮現　AI視覺占大宗 AI應用快速發展，賽靈思(Xilinx)工業、視覺、醫療與科學市場總監Chetan Khona表示，2019年人工智慧將會加速往邊緣(類比/數位邊界)應用轉移，讓AI能廣泛運用在各種低延遲且安全關鍵(Safety Critical)的應用。 CEVA客戶行銷及AI策略資深總監Yair Siegel則指出，AI結合視覺將會是2019年的主要應用。在2019年，可期待開始看到更多帶有AI功能的攝影機出現，它們的主要功能在於物體偵測和辨識，以降低當今產品的錯誤警報，並減少發送到雲端處理的數據(僅發送事件數據，不必發送所有數據)。 Siegel說明，這類應用的主要推動力是現有的產品逐步增進改良，例如門鈴攝影機、安全攝影機、邊境巡邏攝影機等產品，只要為它們增添更多一點智慧功能，就能在機器本身實現(On-device)偵測，提升設備的反應速度(在設備本身進行近端分析)，從而發送較少的數據到雲端處理，或是改善錯誤警報的情況；而此一改變也可提升用戶體驗。 Siegel補充，臉部偵測和辨識由於受限於設備的處理能力，現今還有很多設備仍然是透過雲端處理或以NVR執行。OEM廠商因為成本和工作量方面的考量，升級硬體SoC對他們而言是一項挑戰。因此，只要更低成本的SoC出現，能協助他們以非常低的額外成本來實現更多的AI功能，這類型的應用很快就會發展起來。 資策會產業情報研究所(MIC)創新應用暨智慧服務研究中心資深產業分析師韓揚銘(圖1)則說明，在語音助理逐漸被消費者接受之後，已慢慢成為智慧家庭中樞，進而提升消費者對IoT+AI的使用體驗。如今，AI漸漸擴大至其他家電產品，像是冰箱、烤箱等，而除了消費者所熟悉的語音之外，也陸續有影像辨識方案，像是掃地機器人已開始搭載影像感測器，提升其對家庭環境的辨識能力，使其在清掃過程中不再遇到家具或是死角就「卡卡的」。 圖1　資策會MIC創新應用暨智慧服務研究中心資深產業分析師韓揚銘表示，在語音助理逐漸普及之後，AI應用開始朝向視覺化發展。 總結來說，AI在視覺相關的應用於2019年將持續成長。Khona認為，視覺應用加入AI後不僅能同時處理多部攝影機的輸入資料，還具備將其智慧化的功能。此外，2019年也將出現更多非視覺的AI應用，非視覺感測器產生的資料與視覺感測器的資料比例將逐漸走向40比60，不過目前的視覺感測器(如監控攝影機)仍然是資料的主要產生來源。 應用分眾化　AI晶片朝專用領域架構發展 AI應用如雨後春筍般冒出，邊緣運算的趨勢顯而易見，晶心科技總經理林志明(圖2)透露，AI+IoT兩者結合已是必然，且陸陸續續有許多應用已經實現，小從家庭生活中的智慧音箱、智慧家電、掃地機器人、門禁監控；大至無人機、自動駕駛車輛等，都是AIoT的概念，而這些應用都有著邊緣運算的概念。 圖2　晶心科技總經理林志明認為，AI+IoT已是大勢所趨，RISC-V需求也因而增加。 韓揚銘表示，硬體、軟體技術日新月異，在軟硬體效能持續提升之下，AI功能越來越容易在終端產品上實現；也因此，對於想要創造新應用，做出差異化的業者而言，會開始想方設法的將AI整合至現有和未來的系統與產品上。所以，AI的應用場景越來越分眾。 而AI分眾化的趨勢，也連帶影響運算晶片的發展。對此，工研院IEK曾指出，邊緣端運算晶片的發展將走向分眾專用化，未來不論是智慧音箱、無人機、機器人、AR/VR、智慧監控等新興應用，都將走向分眾專用晶片。例如在智慧手機市場，蘋果(Apple)所發表的A11 Bionic晶片、海思半導體的麒麟970晶片，三星及聯發科也預計推出相關Neural Engine SoC。 簡而言之，AI分眾化已然成為不可逆的趨勢，而AI晶片設計也有所變化，不再如過往一直探究的，究竟是CPU、GPU、FPGA或是ASIC哪種晶片適合AI應用，因應各種不同的應用場景，AI晶片的設計開始走向了所謂「領域專用架構(Domain Specific Architecture, DSA)」的概念。 DSA意指針對特定領域的需求屬性，打造客製化的運算架構。此一概念是由圖靈獎(Turing Award)得主John Hennessy與David Patterson提出。在摩爾定律(Moore's Law)逐漸面臨瓶頸的情況下，通用型處理器未來的效能發展，勢必會面臨困境。僅依靠製程的演進，越來越難大幅強化晶片的性能、功耗或面積。而未來晶片業者要如何提出效能更強的產品？John Hennessy與David Patterson認為要從架構上著手，而DSA將成為未來發展機會最大的方向。 例如RISC-V便是基於DSA概念而生，其發展在AI的推波助瀾之下持續攀升。林志明表示，RISC-V開放架構可以讓IC設計業者依照需要，進行「深入淺出」的設計。若要實現較複雜的應用，可以增加特用指令集，設計性能較高的模組；當然，也可以憑藉原有的指令集因應較為簡易的應用。簡單來說，RISC-V具備靈活、開放的特性，可讓設計者依照自身的需求，針對消費電子、IoT、工業、影像監控等應用，推出具AI運算的CPU；對於想要開發專有領域架構用CPU的廠商而言，也能縮短開發時程，並降低授權所需成本。 林志明透露，RISC-V的成長與AI息息相關，該公司旗下的RISC-V授權案件數也高速成長，包含中國、台灣等亞太市場及美國市場均廣為採用。從2018年到現在，RISC-V授權合約大約有30件，其中AI相關應用的案子約有13、14件(像是語音辨識、人臉辨識等)，將近一半的比例。由此可見，在過去幾年IC設計業者認為，即便無法像NVIDIA或其他大廠成為AI領先者，但也會盡量將些許的AI技術融入到原本的應用之中，RISC-V需求因而明顯上揚。 靈活/多變架構隨之興起 另外像FPGA供應商賽靈思，也在這波AI分眾化的浪潮中積極轉型，致力於提供更靈活、開放的平台，從原本的元件供應商轉變成平台化解決方案開發與供應商。 賽靈思總裁暨執行長Victor Peng也曾於2018年的北京開發者大會上表示，AI應用和AI模型的使用數量成長的速度非常快，未來已經沒有一個架構可以滿足所有的應用需求；為此，該公司積極轉型，朝靈活、彈性的平台架構發展，並提出自行調適運算加速平台(Adaptive Compute Acceleration Platform, ACAP)，運用FPGA彈性的特點滿足AI創新需求，期能打造靈活應變、萬物智慧的世界。 Khona則認為，AI晶片開發商未來面臨的主要難題在於適應AI領域的創新速度。業界於過去三年間累積可觀的創新成果，進步幅度超越之前五年的總和，而這五年間的進展更超過之前40年。由此能觀察出創新持續加速，但晶片的研發卻是個費時且耗費可觀資源的任務；因此，賽靈思藉由提供靈活應變的架構來解決此一挑戰。 韓揚銘進一步補充，簡單來說，現今AI晶片的規格發展主要由應用驅動。終端應用業者會依照自身應用場景開出所需的晶片規格。例如，目前智慧手機幾乎都有美肌功能，但要「美到何種程度」，各大手機製造商標準大不相同，因此對所需晶片的運算效能、規格也不一樣。所以，終端業者在AI晶片的選擇上，開始朝向「適合、適用」，而非一定要「最好、最強」。 總結來說，AI應用已朝分眾化發展，其晶片設計也不能依循過往思維，也就是一顆晶片適用所有應用場景的方式進行。AI處理器需保有彈性、靈活性與開放性架構，以滿足不同應用場景與終端產品；而處理器開發商跟軟體業者必須針對其鎖定的應用發展出最佳化的架構。 讓大眾買單AI　結合領域知識為當務之急 上述提到，AI應用開始走向多元化，各式創新應用逐漸興起，對於晶片設計製造商而言，除了要保持其產品靈活性、開放性之外，尋求各式合作夥伴，獲取更多領域知識(Domain Know-how)也成當務之急。 林志明說明，AI應用領域繁多，像是漁業、農業、金融、照護等。然而，要打造出符合市場需求的產品，硬體、軟體的技術發展固然重要，但同時也需這些應用領域的Domain Know-how協助，才能將獲得的資訊、數據資料發揮最大效用，研發出符合應用市場的產品/解決方案。晶片製造商或系統業者若只懂AI技術，沒有結合領域知識，自然無法讓所收集到的數據產生意義，也解決不了客戶的問題，其所設計、研發的產品當然沒辦法獲得市場青睞。 韓揚銘也認為，終端設備製造商導入AI不外乎是想做出市場差異化和提升消費者使用體驗。不過，現在販售AI產品，不能一昧強調其具有的「AI功能」，而是要結合「使用場景」。每個消費者的購買需求是很難用言語去描述的，與其不斷強調AI功能，不如從使用場景著手，好讓消費者感受到這是他們真正「會有需求」的產品或是應用，增加購買意願。 資策會MIC資訊電子產業研究中心資深產業分析師兼產品經理葉貞秀(圖3)則指出，不論是軟體業者、硬體供應商，或是新創廠商，都開始嘗試將AI結合各種不同的應用領域中。然而，這些業者無可避免的都會遇到系統、元件和應用場景該如何結合的挑戰，因為AI應用情景不斷推陳出新，且需求各不相同。可能不再像以往寫個程式，挑選通用的硬體元件(MCU、DSP等)，簡單整合後就能滿足多數應用。因此，對於想要發展AI的業者而言，需找許多合作夥伴，經過不斷的溝通後，才可將產品AI化，提供客戶加值概念。 圖3　資策會MIC資深產業分析師兼產品經理葉貞秀說明，應用情景不斷推陳出新，系統/晶片業者需更多合作。 總歸來說，終端設備業者和系統業者開始將AI整合至旗下產品之中。然而，要實現AI應用，並非軟硬體技術齊備就行，結合領域知識也是其中一項關鍵，要想辦法「挖出」各領域的Domain Know-how，將這些知識收攏到AI科技當中，才不至於打造出「知其然，不知其所以然」的AI解決方案。 AI分眾態勢成台灣IC設計產業新契機 AI熱潮發展席捲全球，在AI應用呈現分散化的時代，台灣該如何搶搭此波AI浪潮？對此，資策會MIC副所長洪春暉指出，建議產業以點、線、面的方式進行布局，發展AI首重「資料」，而台灣科技產業聚落密集的特性正是台灣發展AI的優勢，應建立涵蓋不同領域的高品質、標籤化資料聚落，加速產業內人才、技術與資金流動。另外，可以運用「平台」或「開題解題」方式，匯集不同技術利基的成果，並以解決方案產品發展為目標，避免研發成果停留在實驗室或專案化階段。 葉貞秀則表示，AI已經擴散至消費性產品，包括家電、家用物聯網產品、通訊產品等，而未來的AI消費產品，必須聽得懂人類更複雜的語言與語意、看得懂更複雜的影像辨識，最後還要會判斷人類提出的需求。為此，AI晶片的規格也隨著各種應用不斷推陳出新，「異質多核架構(Heterogeneous...

人工智慧(AI)產業已經成為全球科技巨擘的下一個兵家必爭之地，令人驕傲的是，台灣在這一波浪潮中並沒有缺席，不到四十歲、生於台灣的劉峻誠創辦了AI公司耐能智慧(Kneron)，並獲得奇景光電、阿里巴巴創業者基金、中華開發、李嘉誠旗下維港投資、高通等頂尖投資者支持，推出一款震撼業界的3D人工智慧解決方案。 耐能發表首款名為KL520的AI晶片系列，將神經網路處理器的功耗降至數百mW等級，為各種終端硬件提供高效靈活的AI功能，其中一項高精準度的3D人臉辨識功能，可達到高解析圖片、影像、3D列印模型、蠟像均無法破解的技術水平。 KL520 晶片甫投入市場，即獲得全球知名企業青睞，包括世界級記憶體IC設計廠商鈺創及其專精3D深度圖之夥伴公司鈺立微電子、納斯達克上市企業奇景光電、工業電腦大廠研揚科技、專業通訊元件設計及通路商全科科技、國際知名ODM廠商和碩聯合科技、以及大唐半導體、奧比中光等。透過KL520的AI運算能力，將各類產品效能全面提升。 率先與耐能合作的奇景光電，執行長吳炳昌表示，耐能先進的人臉辨識算法，與奇景開發的SLiM 3D感測解決方案整合，提供給安防領域最佳的3D人工智慧方案，兩強聯手必定能讓3D人工智慧在安防領域發揮更大的作用和價值。 耐能的獨特技術，在於研發出一款高效率、低功耗的AI晶片，把AI運算的場域從雲端轉移至終端設備，不僅能達到即時辨識與判斷，同時還提供軟硬體結合的解決方案。 另外，KL520晶片的可重組式人工智慧神經網路技術，會根據不同任務進行重組，減少運算複雜度，保證在不同的卷積神經網路(CNN)模型上的使用，無論是模型內核(kernel)大小的變化、模型規模的變化，還是影像輸入大小的變化，耐能AI晶片都能保持高效率使用運算(MAC)單元。 耐能的AI晶片成功實現高效運算，數據格式按運算需求靈活調整，致使在計算過程中實現極高的「數據計算vs. 數據讀寫」比例，減少記憶體數據搬運的能量耗損；同時，耐能模型壓縮技術可有效減小模型大小，大幅降低在終端部署時的儲存成本，也大幅降低了記憶體頻寬的需求，並可提供較為通用，可同時支持語音及2D、3D影像的AI需求。 這堪稱是AI發展上的一個大躍進。Kneron成功實現人工智慧在雲端及離線終端上的互補，完成從提供IP到AI晶片的新里程碑，也開啟了人工智慧應用於不同層面的無限可能。

以下是關於食物的幾個重要事實：全世界有四分之三的食物僅來自於十二種植物和五種動物。我們已經種植了足以餵飽100億人口的糧食，但仍有九分之一的人口營養不良。同時，這可能也是歷史上首次，有更多的人是因為飲食失衡而死亡，而不是因為飢餓。現在，請思索一下這些內容。 全球食品產業是一個非常龐大而且複雜，規模高達數兆美元的產業。從農場、牧場和果園、漁場、溫室和屠宰場到超市和便利商店，各類業者種植、採收、加工食材、運輸、包裝，並將它們配送至橫跨全球五大洲的綿密通路之中。 現今，數位科技已經在食物供應鏈中的每個環節扮演著重要角色。也就是說，如果數據是產業數位化的主要驅動力，那麼用來收集、傳輸、儲存和處理數據的技術則是關鍵的促成因素。所謂數位化，其實就是擷取數據、在邊緣或雲端進行分析、以及利用數據來最佳化開發工作。數據品質的提升，以及用來收集、傳輸和分析數據的技術通常會帶來更佳的流程，或是全新的應用。 雖然我們可能須要花幾年時間才能獲得食品產業完全數位化的成果，但其成果將是豐碩的，包括：以較低的環境成本提高農業生產力、以更高的食品安全建立更透明的供應鏈，並減少欺詐。更智慧的包裝可改善物流、延長保存期限、減少浪費，而新的配送系統可以提升便利性。到2050年時，全球人口將逼近100億大關，我們建構的「食聯網」(Internet of Food)對於支撐如此龐大的人口將至關重要。 挑戰傳統與未來 1798年，英國人口學家Thomas Malthus便大膽預言，人類的持續繁衍最終將超過地球的負荷。從20世紀初的工業革命，到本世紀中葉，更新、更強韌的植物品種、人工肥料和農用化學品，以及近年來的基因改造生物，雖然不斷在增加全球糧食的產量，但是，人口成長一直以來都是全球食品科技突破的一大挑戰。 但這次可能會有所不同嗎？到本世紀中葉，全球糧食需求預計將增加約60%。隨著中產階級的人口越來越多，他們對飲食的要求更高，需要更多樣化、更營養的食品，特別是對肉、蛋和乳製品等能量和營養密集的畜牧產品的需求會更高。 隨著氣候變遷，人口成長也對糧食系統帶來了難以預測的後果。例如，土壤的營養成分日益枯竭，影響了全球的農產收成。由於缺水地區的地下含水層日漸乾涸，也使地下水資源受到威脅。而全球糧食系統本身，由於占全球溫室氣體排放量達到驚人的20~30%以及消耗70%的淡水用量，使得問題更加嚴峻。 這種情況是前所未見的，但因應現在所面臨的挑戰，我們所擁有的科技能力也是前所未有的。根據世界經濟論壇的報告，已有十多種新興技術被視為具備重塑食品產業的潛力，其中至少有六項─包括精準農業、即時供應鏈監測以及食品感測等，都與數位科技息息相關。 在大量的低價感測器、雲端上幾乎免費的分析和儲存容量、以及新興無線通訊和定位技術的帶動下，數位化可望把農業生產力推升至全新的境界。 以最新一代的高精準度定位技術u-blox F9為例，透過利用多頻全球導航衛星系統(GNSS)，並與GNSS校正數據結合，可大幅降低技術的擁有成本。此技術不僅將應用擴大至更寬廣的市場，還能為開發新的自主化解決方案奠定基礎，例如自動駕駛農用車或無人運送機等。 數據與分析提升效率/產量 從一開始，農業就是依靠經驗，隨著季節更迭，世代交替，經過艱苦的試錯過程才發展至今。但是隨著農業發展為科學，並成為一門生意，透過最佳化的機械採收並因應人們的消費需求，農業進步的速度越來越快，產量越來越高，品質也越來越趨穩定。 農業的施作方式不斷地進化推展。以農曆時程為基礎，傳統的農民曆已被更合理的科學方法所取代。在可能的範圍內，播種、耕種、施肥和噴灑農藥等所需的體力勞動也都可由機械設備代勞。現今，分散式感測器、高光譜相機和衛星定位的結合，可使所需的農業勞動投入降至最低。它們還有助於保護環境，節約用水，並使消費者更少接觸到具毒性的農藥。 感測器、數據和自動化也改變了畜牧業。今天，有些連網乳牛已配備了計步器和牛隻行為追蹤項圈來監控放牧時間，還有其他的感測器可安裝在它們的乳房、尾巴，甚至胃裡。數位科技和精準畜牧不僅可以提高牧場的效率，還可以更輕鬆地達到高品質標準。 透過配備可捕捉窄頻帶光線(Light Narrow Frequency Bands)的高光譜相機，農民可利用無人機在田野上飛行來遠端監控農作物。由瑞士的Gamaya等新創業者提出的解決方案能讓農民繪製各類地圖(圖1)，包括農作物類型、壓力因素，用水量和生化品數量等。有了這些資訊，農民可以進一步最佳化農業投入的利用率，同時，也能透過幾近手術精準度的無人機來進行噴灑肥料或農藥。 圖1　由瑞士公司Gamaya等新創業者提出的高光譜影像數據，可讓農民繪製各類地圖，包括農作物類型、壓力因素、用水量以及生化品數量等。 改造食物供應鏈 供應鏈的發展歷史與貿易一樣地古老。最早的貿易商品特點是它們不易腐壞。例如，鹽和乾燥香料，它們能夠穿越撒哈拉沙漠或絲路不會變質。今天，我們對於商店所提供的商品有著更高的期望。易腐壞的商品通常必須在幾天內設法通過食品通路到達最終消費者(圖2)。如果未能如此，全世界所生產的糧食中，大約有三分之一都可能面臨風險，也就是說，會有高達13億噸的食物可能被丟棄。在食物供應的過程中，它們被運輸、加工、測試品質、儲存，包裝並運送至全球各地，最後到達消費者附近的超市或餐廳。 圖2　當一顆草莓被摘下、一條魚從水裡被撈出來，或者母雞下了一顆蛋的那一刻，一場對抗時間的比賽就開始了。 數位技術可使供應鏈達到前所未有的資訊透明度。無線資產追踪裝置、智慧包裝和射頻辨識(Radio-Frequency Identification, RFID)標籤都可用來確保商品能準時、完整無缺地透過食物鏈來運送，而且低溫供應鏈不會中斷。蜂巢式數據傳輸和硬體的成本，長期以來一直是廣泛部署無線感測器網路的瓶頸。最新一代授權的低功耗廣域網路，包括LTE-M和NB-IoT，如u-blox SARA-N3 NB-IoT模組，透過提供增強的地理覆蓋範圍、低成本硬體和數據資費方案，以及在某些使用案例中超過10年的電池使用壽命，正迅速地掃除這些限制，包括農作物監測、牲畜監測和車隊追踪等，將會是首波獲益於此技術的應用。 此外，透過利用區塊鏈(一種分散式分類帳Distributed Ledger)，遵循性報告(Compliance Reporting)可以大規模地自動產生，以確保供應鏈中每個步驟的資料準確度。 食物供應鏈智慧化流程革新 雖然食品供應鏈對消費者來說是不透明的，但超市和其他賣場的變化卻很難不被注意到。Amazon Go超市是第一個完全取消人工結賬的超市，沃爾瑪首創的貨架掃描機器人也是自動化的新概念。在不久的將來，物聯網、人工智慧和虛擬實境的結合將提供全面改造和強化購物體驗，並使用互動式表格為消費者提供有關食品出處、營養價值和廢物處理說明的訊息。 透過讓網路中的各個節點傳遞資訊，網狀網路(Mesh Network)技術提供了一種可有效擴展無線感測器網路的新方法，使其能擴展覆蓋範圍，並實現包括連網超市在內的廣泛應用。藍牙網狀網路這類的標準化平台可確保裝置保持互通性，即使它們來自不同的供應商。此外，透過能夠利用行動通訊網路傳輸訊息的節點─形成所謂的毛細管網路網狀網路還能進一步擴展，以實現雲端應用。 然而，若決定在舒適的家中購買生鮮雜貨，那麼，消費者可能會錯過這些發展。據Tetra Pak的研究，有14%的消費者會在網上購買生鮮雜貨，而且有59%的消費者打算這樣做。到2021年，預估電子商務將占所有食品購買量的10%。 不過，購買的產品仍然可以識別，但包裝方式會有所革新。屆時，智慧包裝將告知消費者食物何時過期，以減少被丟棄的過期食物數量。此外，了解顧客在用餐後的體驗也一樣重要，具備特定數位程式碼的個性化智慧包裝將能與顧客互動、提供學習和娛樂特性。而且，生產廠商也可藉此更深入了解他們的消費者。 食聯網將帶動破壞式創新 食物最初是一種生存的手段。當衣食無虞時，它成為身分地位的表徵、情感安慰的來源、全球暖化的貢獻者，甚至有時是有害的成癮物質。社會趨勢都指向了更加豐富的食物多樣性。根據Accenture的報告，對健康的期望已成為消費者的最高目標，他們願意為更健康的食品花更多的錢，同樣地，他們希望食用具備透明資訊和永續來源食材的食品。 那麼十年後，我們會在餐盤上看到什麼呢？或多或少，會與今天吃的東西相同嗎？或者，我們可能會從基於微生物的高營養和可持續食物中獲取主要營養素？還有很多問題尚待解答。未來，人們是否會像過去渴望節慶家庭聚餐一樣地渴望明天的Food X.0？或者，是否會堅持烹飪傳統，只是使用更有效率的種植、加工和運送食材？有一點似乎是肯定的：食物鏈中每個一步驟的量化、數位化和整合都只會加速進行。與此同時，營養基因學和個人化營養、實驗室培養的「肉類」和食用昆蟲等新趨勢也都即將出現。從農園到餐盤─以及在食品工廠、實驗室和商店中─「食聯網」已經推翻了許多習以為常的做法。我們可以深具信心地說，未來，將會出現更多的革命式創新！ (本文作者為u-blox台灣區總經理)

由於組織過於龐大，自2012年開始，騰訊根據管理顧問公司麥肯錫的建議，將組織梳理重組成了7個事業群，現有業務劃分成企業發展事業群、互動娛樂事業群、移動網際網路事業群、網絡媒體事業群、社交網絡事業群，技術工程事業群、微信事業群，後續因應組織調整，將移動網路、網絡媒體、社教網絡三個事業體合併成平台與內容事業體，統整騰訊業務資源。 為因應未來的人工智慧以及5G的發展，騰訊進行組織架構的調整，整合平台與內容事業群，並在2016年於技術工程事業群下成立人工智慧研究團隊AI Lab，成為騰訊各事業相關AI技術的發展團隊，透過平台與內容的整合，讓AI的應用更加多元；騰訊的組織也在不斷的擴大，現階段的騰訊不僅擁有平台(內容)、微信(社交)、互動娛樂(遊戲)等大數據以及AI可應用場域，並且透過異業合作發展至零售、醫療、教育等產業。 騰訊建立AI生態圈　壯大陣營影響力 騰訊在AI的技術團隊主要有三個，分別為「Tencent AI Lab」、「優圖實驗室」、「微信AI」，皆為騰訊重要的AI技術團隊，其中「Tencent AI Lab」較偏學術領域的研究團隊，「優圖實驗室」則是專注在圖像處理、人臉辨識等技術，「微信AI」則是語音識別、翻譯等與微信通訊軟體相關的應用。 為實現AI無所不在的戰略，騰訊欲建立AI的生態圈，透過AI開放平台，讓各業者皆能夠加入騰訊AI的生態體系中，開放技術、市場、資金、空間、人才等資源吸引合作夥伴加入，壯大騰訊陣營的影響力。 騰訊要讓AI無所不在，因此積極建構生態圈，拓展各式應用。 圖片來源：騰訊 技術共享為生態系發展基石 騰訊AI生態系強調技術共享的概念，AI開放平台上提供包含視覺、翻譯、圖片辨識、語意語言判讀等技術，讓騰訊的產品、合作業者能夠透過此平台產生新的技術應用，進入騰訊的AI生態體系內，而平台內技術的提供大多是由AI Lab所研發，在圖片識別相關的應用則是透過騰訊「優圖實驗室」提供，騰訊以這兩個AI技術單位作為整體AI生態體系發展的基石。 騰訊AI開放平台成為騰訊與眾多業者建立生態體系的串接橋梁，透過技術合作發展出跨領域的產品，目前的應用在於硬體以及人事系統上，推出多種場景應用的智慧硬體及智慧招聘系統。 智慧硬體拓展應用 騰訊具備有技術團隊以及大量的客戶數據等資源，各業者透過與騰訊的技術介接，以拓展各種場景的應用，並共同推出軟硬整合的實體產品，其合作對象包括香格里拉飯店、中國光大銀行、BMW等知名業者。 智慧招募更省時 在人才招募上，騰訊與新創公司倍羅(Bello)合作，透過語意解析的應用進行履歷的篩選，將人才分別歸類，並進行自動標籤，將不同來源的履歷自動標籤化，降低人工歸納整理的時程，並建立排名模型，能進行偏好設定；目前的合作夥伴包含創新工廠、Career Executive等。 倍羅為騰訊AI加速器所培育的業者，騰訊透過加速器讓更多具有潛力的新創業者也能進入AI生態系內，倍羅透過騰訊協助，不僅獲得資金與資源，也獲得更多資料/數據訓練其AI模型。 騰訊近年積極地進行AI領域的投資布局，主要分為騰訊AI加速器以及騰訊投資部門兩種資金類別，針對新創業者由騰訊AI開放平台底下的AI加速器，負責尋找具有潛力的新創業者，而騰訊投資部門則是針對業務合作對象投資，透過跨領域的合作讓騰訊的AI版圖更加龐大。 騰訊AI加速器的投資範圍相當廣泛，從醫療影像判斷、無人駕駛、語音辨識等，到各領域別的應用，如零售、藝術、能源，以及人像機器人等，騰訊皆有投資。在醫療領域中，主要朝向兩個方向，其一為提升準確度的AI醫療影像處理，其二為AI輔助醫生進行判斷，提高醫療品質。 騰訊AI的投資在機器人領域的比重相當高，大多應用在小型服務以及娛樂性質的應用上，而智慧交通則是選擇在美國以及中國大陸市場為主的成車業者，跨足高價以及中低價位的智慧汽車；智慧醫療領域上，應用在醫療圖像辨識以及新藥開放配比；而智慧生活則與騰訊的內容服務以及微信結合，增加其附加價值。 自2016年起，騰訊成立人工智慧技術團隊Tencent AI Lab，目的為從集團本身業務出發，增加人工智慧應用，如微信、QQ上增加智慧助理及客服機器人，在騰訊遊戲上增加圍棋AI應用等；而以AI技術而言，Tencent AI Lab透過與學術機構合作、學術論壇等機會，發展在AI領域的專利與技術，結合騰訊的平台與內容，讓AI應用更加多元。 而騰訊在微信的AI應用最為多元，在語音、音頻、自然語言、圖像、文件內容理解及分布式機器學習平台等，皆嘗試AI的應用，並成立微信AI團隊專門負責在行動裝置、即時通訊領域的AI專利及技術。 技術合作讓AI無所不在 騰訊建立AI生態系的概念，是以技術合作為基礎，透過AI技術串接為實現騰訊「讓AI無所不在」願景的重要環節，騰訊透過開源的方式，讓許多業者能夠介接騰訊在AI技術領域的研究成果，達到互利互惠。 而騰訊的AI技術是以「AI Lab」、「優圖實驗室」、「微信AI」三大實驗室為核心，其共享平台上提供程式碼、API文檔等，讓開發者能夠進行介接，開發者能選擇騰訊雲、AI開放平台、騰訊加速器上選擇不同的方案，目前主要方案為圖像辨識(光學字元辨識、人臉、圖像特效、圖像識別)、文意判讀(敏感訊息審核、智慧助理、翻譯)和語音等。 騰訊AI的合作方式大致可以粗分為兩種，一種為與騰訊目前既有的服務結合，達到跨領域的應用，另一種則是與騰訊AI技術以及各種資源結合，提供加值的服務。以真實科技以及新樂視智家而言，分別能在其硬體裝置上獲得騰訊所提供的服務，而以倍羅而言，該公司則是透過騰訊所提供的API訓練其履歷解析的精準度，騰訊透過釋放其資源，讓其服務範圍不斷的增加，建立起騰訊的AI生態體系。騰訊近年積極投資AI領域，綜合騰訊投資部門以及新創加速器的投資內容，主要的應用方向為機器人、智慧交通、智慧醫療等領域，此外也有投資少量的智慧電視以及穿戴式裝置、數據分析以及資訊安全等領域。 機器人領域投資多 以騰訊在AI領域的投資家數而言，以機器人的比例最多，將機器人的型態分成人型以及非人型的兩種類型，其中以非人型的機器人應用較為多元，以人型機器人而言，著重在於移動平衡以及完成人類的動作。 非人型機器人中，目前有競技比賽型的機器人，主要應用在娛樂的競技比賽中，如工匠社、Marble等。另一種應用則是在移動運輸裝置，通常用於取代外送人力、店內物流運輸上，外型大多類似推車的樣式，搭配密碼解完成交易流程，如雲跡科技。而人型機器人的發展方向主要有兩種，一種為模擬人類的動作，達到平衡穩定，如優必選，專注在完成人型機器人的各種動作，而另一種則是透過人型的樣式再加上語音助理等功能，達到陪伴、互動的效果，如Wonder Workshop。 騰訊也投資多種智慧交通領域的業者，目前投資了三家品牌電動汽車成車，從中低價位的蔚來及威馬汽車，以及特斯拉皆有投資，而在無人車方面的投資在低速清潔車中，如庫哇機器人，目前已經獲得首張商用自動駕駛的牌照。 騰訊所投資的醫療領域應用相當多元，有透過影像判別進行檢測的業者，如匯醫慧影應用在胸片、肺癌篩檢、骨折診斷，以及胸部斷層掃描、心臟冠狀動脈掃描的體速科技。也有應用在新藥比例成分配比，如Atomwise，目的為降低新藥配方的配置時間及成本。而醫療照護方面，透過數據分析提供使用者個人營養素攝取建議的碳雲智科技。以及學術研究方面，能夠將醫學相關文獻翻譯的艾特曼科技。 資策會MIC資深產業分析師童啟晟  

根據產業研究機構Strategy Analytics的最新研究，截至2018年底，全球聯網設備數量達到220億。企業物聯網仍然是領先的市場，占據一半以上的市場比重，行動/PC占據四分之一以上。然而，該報告預測，在智慧家庭採用率進一步快速成長的推動下，家庭將成為未來幾年成長最快的領域，特別是在尚未開發的地區。該報告得出的結論是，物聯網收入機會仍然不確定，特別是對於服務供應商而言，希望從物聯網中受益的公司最重視他們應該優先考慮哪些項目、活動和營收模式。 Strategy Analytics預測到2025年將有386億台設備聯網，到2030年將進一步成長至500億台。某些部門(如聯接的運算設備)將出現低成長或下降，而其他部門(如媒體設備)將繼續穩步成長。可穿戴設備和聯網汽車將維持高度成長動能，但相對於其他細分市場，也會維持一定的成長性。 服務供應商可能會關注物聯網的大規模，並假設收入會自動流向他們的方向。Strategy Analytics認為，哪些應用和服務將推動營收成長，以及增加多少。此外，還需要進行更多的研究，以了解此生態系統將如何發展以滿足未來消費者的需求。到2025年，隨著全球連網裝置的安裝量接近400億，半導體顯示器製造商、相機、記憶體、電池和其他支援技術供應商將面臨巨大的商機。人工智慧將在行動、家庭、汽車和運算平台上普及。優化跨多個設備、作業系統和使用者界面的用戶體驗將是一個關鍵的戰場。  

宜鼎國際近日於中國上海西郊賓館盛大舉辦AIoT研討會。繼2018年十月在台灣發表AIoT策略聯盟佈局後，宜鼎今年再度攜手旗下轉投資公司安提(Aetina)、巽晨(Millitronic)、安捷科(Antzer)，並聯合合作夥伴三星(Samsung)、微軟(Microsoft)、美超微(Supermicro)、立普思(Lips)等國際大廠與軟體新創，以探討AIoT落地應用為主題，針對5G、智慧車聯網、人工智慧及邊緣運算等各領域，提出人工智慧物聯網(AIoT)對應到不同工業應用的解決方案，加速工控應用從雲端到落地整合。 宜鼎本次上海AIoT研討會將聚焦四大關鍵智慧物聯應用領域，並於會中發表不同專業技術與利基應用，包含智慧製造、智慧監控、智慧車載，以及智慧醫療等B2B物聯網領域。宜鼎透過與合作夥伴的長期合作與對接，無論在產品面、系統面都已完成深入整合，有信心協助工業應用市場加速落地。 宜鼎由工控記憶體市場出發，多年來持續投注研發能量，不斷推進軟硬體整合技術，而近幾年則透過轉投資擴大市場版圖，並在工業儲存領域導入人工智慧思維，在超高速網路傳輸、汽車電子及車聯網、嵌入式系統、伺服器及資料中心等市場已慢慢站穩腳步。隨著全球AIoT大勢來臨，宜鼎自資料智能化角度出發，將AI科技整合到嵌入式系統中，從資料收集、資料分析、模型訓練、到邊緣運算系統的布建，都與合作夥伴緊密整合，為應用市場提供快速完整的雲到端解決方案。 宜鼎國際董事長簡川勝表示，宜鼎自2018年開始首度整合集團資源，並偕同策略夥伴發表AIoT解決方案，而今年則將更積極串聯全球技術夥伴網絡，並加速與系統整合廠商的合作。4月18日於上海舉辦的研討會，延續去年AIoT議題，並邀請三星、微軟、美超微等國際大廠一同發表演說站台力挺。宜鼎十分看好中國發展AIoT的未來市場力道，透過此次研討會，在當地研發和銷售上也將與策略合作夥伴更加緊密結合，爭取市場領先優勢。

產業研究機構Yole Développement(Yole)最新研究指出，2018年獨立記憶體市場規模超過1650億美元的，其中超過1600億美元為DRAM和NAND Flash。而經過連續十季的成長後，DRAM市場在2018年第四季度突然下跌。在行動、雲端運算、人工智慧和物聯網等重要趨勢的推動下，DRAM和NAND記憶體市場在過去幾年中經歷了一段大幅成長期。這些大趨勢對半導體產業，特別是記憶體市場產生了重大影響。 Yole預期，受這些大趨勢驅動的長期需求將導致記憶體繼續增加其在整個半導體市場中的比重。除了不斷成長的需求之外，過去兩年來產業領導者(例如三星、美光等)的謹慎供應管理使得DRAM和NAND Flash的總收入成長了107%，高於2016年的780億美元。 由於行動和數據中心的需求相對較弱，第四季通常是DRAM需求季節性強勁的時段，但2018年第四季度突破了歷史趨勢，儘管2018年的表現令人意外地微弱，但人們樂觀地看到NAND市場接近轉折點，因為彈性正在推動包括客戶端固態硬碟和智慧手機在內的多種應用的NAND儲存內容上升。價格環境在2019年初保持疲軟，但隨著需求開始復甦，情況正在改善，下半年市場可能會出現供貨緊俏的情況，與季節性需求復甦和數據中心需求的預期反彈相吻合。 雖然DRAM和NAND市場在經歷了前所未有的成長期後大幅放緩，但兩個市場的長期前景仍然光明。由於供應商在等待需求復甦的同時管理庫存增加，隨著記憶體市場的不斷發展，該行業面臨許多重要問題，包括：DRAM和NAND市場什麼時候會從供過於求轉向供應不足，反之亦然？供應商的盈利能力將如何受到影響？DRAM和NAND縮放的限制是什麼？隨著縮放和3D堆疊限制的臨近，內存供應商將如何做出反應？來自中國的新進入者對記憶體市場有哪些潛在影響？新供應商可能出現的時機是什麼時候？記憶體資本支出是否會持續上升？資本密集度上升是否會過高並威脅到供應商的穩定性？與DRAM類似，NAND市場最終會整合嗎？需求的價格彈性如何影響記憶體市場？DRAM和NAND之間的這些影響有何不同？    

依據目前國際上自駕車場域規劃類型，以及財團法人車輛中心的研究分類，考量其功能與定位，自駕車實行的場域可分為四大類，包含有：第一，產品測試場域(Test-bed)提供業者產品開發所需之封閉式場域。第二，法規驗證場域(Validation site)可執行政府主管機關相關法規要求，封閉式驗證場域。第三，展示場域(Demo site)：提供業者產品展示、可兼具民眾體驗、社會大眾教育功能之封閉式或開放式場域。第四，示範運行場域(Pilot Zone)：提供業者商轉及政府推動之考量，尋求社會大眾推廣。 台灣各地方政府推動自駕車場域之進度不一，但約可基於四大型態之定義進行初步分類，下列舉例說明。 產品測試場域 桃園虎頭山物聯創新基地 展望自駕車產業未來，桃園市政府將規劃自動駕駛車輛的研發、生產、營運在地化，並建立自駕車測試平台，提供相關零組件、人工智慧應用、整車廠商進行技術測試及驗證。園區預計2019年5月落成，位址在桃園南崁溪畔，基地面積4.7公頃，第1期基地約1.3公頃，打造為自駕車測試場域及資安物聯網實證平台。第二期，將剩餘的3.4公頃土地，規劃打造創新基地公園，成為具有「桃園矽谷」風格的園區。 園區設施規劃包含有：第一，「自駕車測試場域」：基地中的智慧車輛實證平台，提供自駕車相關零組件廠商可於場中實地驗證；第二，「模擬系統先行驗證自駕方案」：採用NVIDIA電腦架構，設置模擬與驗證系統，提供廠商驗證駕駛決策系統；第三，「建置資安物聯網實證平台」：資安團隊可建立符合ISO17025標準的檢測實驗室，強化企業供應鏈的資安管理。 桃園市政府規劃先在虎頭山基地設置封閉式車聯網基地，未來還會擴大在中壢青埔地區推動開放式基地。桃園長期以來是車用電子和汽車零件製造的重鎮，若再結合物聯網、AI等新興技術，可提高驗證測試能力並發展車聯網與自駕車產業。 為來潛在參與的業者廣泛涵蓋以下產業，如車用附件系統(如瑞智精密、葳天科技)、車用儲能系統與電源管理系統(如明基材料)、系統整合(如華城電機)、驅動馬達與控制模組(如瑞智精密)、自動駕駛(如研華、宏碁)，還有汽車製造廠(如國瑞、福特、中華汽車)。桃園市政府冀望以此基地為基礎，可望帶動車聯網與自駕車產業發展。 法規驗證場域　北投士林/台南沙崙 台北市政府早在2017年8月，透過台北市智慧城市產業場域實驗試辦計畫，完成信義路雙向公車專用道自駕小巴夜間測試後，更進一步自2017年11月開始籌畫，因應產業於自駕技術發展之完整應用情境之需求，擬於北投士林科技園區約10公頃的實證場域，透過產官學研的公私協力合作，推動北士科自駕車實證場域計畫。 北士科技園區內的場域規劃完整的道路基礎設施，並開放業者及研究單位以真實道路情境模擬場域，提供車聯網、自動駕駛及基礎設施智慧化之技術測試。測試項目涵蓋以下功能：固定站點停靠載客、車輛與號誌溝通、依照指示路徑方向行駛、依據速限行駛、夜間行駛情境、行車周遭環境判讀、依據指定路徑行駛，以期可作為上路實測之準備，將創造自駕車產業發展利基，加速智慧交通服務於台北落地的時程。 為了讓無人自駕車能安全在道路上行駛，必須先驗證自駕車是否與交通號誌精準整合，台北市政府規劃業者先行在北士科自駕車實證場域進行測試，並在中央政府相關法令支持下，取得試車車牌後，在確保安全性與可靠性的前提下，未來有望鼓勵業者在台北規劃打造自駕小巴的商業服務。 行政院於2017年4月核定通過，推動台南沙崙為自駕車示範場域，基地東側為核心區Ｃ區，西北側為高鐵台南站、台鐵沙崙站，面積2.223公頃。自駕車試驗場域的定位，將結合沙崙科學城推動低碳智慧城市概念，成為智慧交通系統，進一步協助國內自駕車產業發展。 基於以上政策依據，台南市政府與科技部結合前瞻基礎建設計畫，規劃自駕車試驗場域暨智慧綠能行控中心計畫。該計畫重要的推動策略有，第一，封閉型測試場與開放式固定自動輔助駕駛服務路線之規劃及建置；第二，建造具創能、儲能、節能與系統整合概念之智慧綠能行控中心；第三，評估與架設車聯網路系統(如5G)；第四，輔助設備與後臺管理系統之建置。 台南沙崙自駕車試驗場域暨智慧綠能行控中心工程，可分為自駕車試驗場域、行控中心(含整備間)及系統及設備工程等三部分，興建費用2.72億元。場域工程進度，在2018年11月時，已完成智慧安全路口完成車機R2V以及CMS安全警示測試，以及號誌架設，目前正進行景觀植栽工程；至於行控中心已完成內部裝修，正進行周遭環境整建。 台南沙崙封閉式測試場域面積約2.5公頃，包括沙礫道路、模擬隧道、鐵路平交道等常見各種道路狀況。涵蓋了包含四種市區道路、三種郊區道路、六種特殊路況等十三種情境，四橫五縱的棋盤式規劃，進行中型巴士以下與時速30公里以下的自駕車測試，還有展示之用。營運規劃的型態上，有產品測試場域、法規驗證、展示場域、示範運行等，協助政府推動綠能科技產業，營造適合國內自動駕駛相關技術研發環境。 台南沙崙自駕車試驗場域2018年下半年完工，預計2019年一月對外開放測試。計畫第一階段目標為完成封閉式自駕車測試場域，第二階段為完成開放式固定自動輔助駕駛服務路線。第三階段則期盼能在三年內完成開放式測試場域，但因牽涉範圍較廣，還需中央政府相關法規的支持方可克服。 透過台南沙崙自駕車試驗場域的投入，冀望可達到經濟部宣示在2020年實現3個旗艦團隊：自駕電動小型巴士、自駕商用物流車及電動自駕中型巴士，於開放場域進行美國SAE Leval 4測試(特定道路與環境下進行全自動駕駛運行)之目標。 展示場域　桃園農業博覽會園區 桃園市政府依據桃園國產自動駕駛電動車計畫，結合美國科技廠商LINKAY Technology、社團法人中華智慧運輸協會攜手合作，於2018年4月桃園農業博覽會試運行，採用4.6米電動小巴為載具，打造國產化自駕小巴接駁。 無人小巴在農博展覽期間的行駛路線全程800公尺，路程約10分鐘，時速在8~10公里。沿途包括了4次左彎、1次右彎和一個S型彎道，還有面臨各式天候人潮下，需要遇障煞停以及重新起步的駕駛情境。 目前規劃的自駕車電動巴士類型涵蓋兩種產品策略，瞄準目標企業客戶，推出相關商業模式應用。第一為封閉區域如樂園、學校、機場航廈等接駁工具的4.6米自駕小巴；第二為開放區域中，作為如捷運最後一哩(last mile)接駁工具的6米自駕中巴。清楚的產品策略勾勒出新創公司積極搶進自駕車市場的願景與企圖。 示範運行場域　臺中水湳智慧城 臺中水湳經貿園區半封閉式固定路線場域，今年(2018年)先配合臺中世界花卉博覽會的活動，進行自駕車示範運行。水湳園區將規劃兩項重要基礎設施，第一。整合自駕車測試監控管理平台：包含智慧自駕車管理、路側交控設施整合、車聯網及路側通訊網路。第二，建立模擬環境訓練平台：建構花博場域模擬環境與高清地圖，並利用模擬平台，訓練自駕車進行決策推論與邏輯推論。 台灣各地方縣市政府呼應生態永續、低碳宜居與智慧交通的全球趨勢，協同中央政府資源挹注協同產學研各單位，持續引進多元、綠能與科技的新型運具，其中自駕車、自駕巴士，正是可作為公共運輸的新型態延伸運具。 自駕車科技創新，需要實際道路與場域進行測試驗證，在台灣各地方政府紛紛積極推動自駕車測試驗證場域的規劃，可望創造後續龐大效益，包含： 帶動國內產業發展 可帶動國內自駕車關鍵零組件與關聯產業發展，掌握關鍵技術自主性，培養在地化核心人才與團隊。(如桃園虎頭山、臺中水湳) 成為法規試行標竿 配合中央法規鬆綁，以安全性與穩定性取得試車牌，並逐步在半封閉場域與一般車輛混合行駛，滿足商業化服務應用之可行性。(如北投士林、台南沙崙) 拓展國際市場潛力 展望國際市場，基於台灣特有應用環境下所發展之自駕車技術，針對具類似複雜交通環境的國家為潛在客戶，成為技術輸出領先國家。(如新北士林口、桃園虎頭山、臺中水湳)。 資策會MIC產業分析師涂家瑋