工業技術研究院 產科國際所 研究經理 石立康

生成式AI帶來繪圖、影像、音樂、程式、寫作等應用商機，能有效輔助白領改變工作流程。

資訊革命第三波－生成式AI

近期全球在資訊革命方面有三波躍進：第一波發生在上世紀90年代，全球網路崛起，領導廠商以 Wintel 兩者聯盟為代表，透過PC與網路平台造就現有40億名全球用戶；第二波發生在千禧時代，由邊緣裝置接棒，領導廠商以 Apple 為代表，透過手機與物聯網造就現有217億台全球聯網裝置；第三波就是近期AI應用遍地開花，領導廠商以 OpenAI 與微軟兩者聯盟為代表，透過涵蓋每個人、每個裝置、每項內容的各式領域AI工具，影響和內容相關的所有職業，造就「會用AI的人，才有話語權」的新時代；此波大浪中，能掌握時機迅速發展出解決方案者，才能掌握這個市場。

生成式AI市場全貌

1. 市場規模

關於生成式AI的全球市場規模，幾個研究機構如 Markets and Markets Research、Market.us、Precedence Research的估計大致相近，在2023到2028年間，全球市場會從約100億美元迅速上升到約500億美元，五年間年複合成長率在30%以上，屬快速成長階段（請參考圖1所示）。目前生成式AI的最大區域市場為北美，佔全球1／3以上；次之為歐洲市場，略低於全球1／3；而亞洲市場在全球佔比雖僅22.1%，但長期將是全球成長最快的區域市場；這也代表若台灣在此波生成式AI大浪中缺席，未來失去的市場機會將很可觀。

而全球生成式AI市場規模消長，與以下四個動態因素息息相關：

• 驅力：雲端儲存創新讓資料更易存取，模型訓練更方便；AI跟深度學習的演進速度仍在快速推進；內容創作及具創意應用的市場需求興起
• 限制：訓練資料準備的成本越趨高昂，資料獲取也開始有版權問題；生成內容偏差及不正確的相關議題探討；個人／企業資料不當運用及上傳雲端後造成機敏資料外洩的風險
• 機會：大型語言模型在各類應用的部署明顯增加；企業（如電商）對商業合成影像的興趣及需求皆增加；通用機器學習所產生的能力，相比人類能力（如專業考試）已有明顯改善甚至超越
• 挑戰：對生成式AI誤用在非法行為的關切；生成式AI模型的輸出品質穩定度如何維持；生成式AI在資料中心／超級電腦上運算複雜度的解決方案發展

資料來源：Generative AI Market – Forecast to 2028（MarketsandMarkets, 2023/4）
圖1 全球生成式AI市場規模

2. 「產業別」與企業功能別

知名企管顧問公司 McKinsey 也在2023年6月出具一份關於生成式AI經濟潛力的研究報告；McKinsey 認為生成式AI將引領全球經濟營收增加，且可從「產業別」及「企業功能別」兩方面切入；其中從全球「產業別」來看受生成式AI影響，營收增加前三名的產業分別為「高科技」、「零售」、「銀行」；而從全球「企業功能別」來看，營收增加前三名的企業功能分別為「行銷銷售」、「軟體工程」、「供應鏈」；此外兩者間也存在著交互作用的特定熱區，如「銀行x客戶營運」、「銀行x軟體工程」、「高科技x軟體工程」、「教育x供應鏈管理」等（可參考圖2中紅色標註區塊所示）。

資料來源：The economic potential of generative AI, McKinsey，工研院整理（2023/6）
圖2 生成式AI對營收的衝擊差別

3. 「職業別」與「教育程度別」

McKinsey 報告也揭露另一項有趣事實：生成式AI對特定職業的自動化潛能提升有明顯助益，如「STEM專業」、「教育及職業訓練」、「創意/藝術管理」、「企業/法務專業」、「辦公室支援」等；平均各類職業自動化潛能提升可達8%。但不同於傳統資訊技術，目前觀察到生成式AI對教育程度越高的工作者，相對其自動化潛能可提升越高，具特別的「白領賦能」現象。

資料來源：The economic potential of generative AI, McKinsey（2023/6）
圖3 生成式AI對不同教育程度員工的自動化潛能提升亦不同

生成式AI對勞動市場影響

後續 McKinsey 在2023年7月再行發布一份生成式AI對美國未來勞動市場影響的研究報告。前一篇報告中已說明生成式AI對特定職業的自動化潛能提升有明顯助益，其中「STEM專業」、「教育及職業訓練」、「創意/藝術管理」、「企業/法務專業」為排名前四大類職業，其自動化潛能提升皆在10%以上；總體來說，平均所有職業自動化程度可以提升到30%（如圖4中所示）。 根據 McKinsey 的估計，單獨生成式AI一項技術，每年即可提升美國勞動生產力0.5% - 0.9%，一直延續到2030年；在搭配其他自動化技術後，每年更可提升美國勞動生產力3% - 4%（同樣延續至2030年）；效果可謂非常顯著。但在自動化程度及生產力提昇之後，是否可能會排擠到市場對特定職業的需求，造成特定白領工作的消失？

資料來源：Generative AI and the future of work in America, McKinsey （2023/7）
圖4 生成式AI對不同教育程度員工的自動化潛能提升亦不同

由於生成式AI僅是影響因素中的一項，很難就此單一因素來下判斷。但 McKinsey 最終推估出到2030年時，美勞動市場各類職業消長情形如圖5所示。McKinsey 將工作依先前受疫情影響分成三類：具韌性且持續成長、暫時停滯但逐漸上升、受衝擊並減少－

• 具韌性且持續成長：「健康專業」、「健康協助」兩類職業受惠於美國人口老化問題，工作需求將大幅增加三成；「STEM專業」及「企業／法務專業」雖受惠於生成式AI大幅提升自動化，但絲毫不影響其工作需求成長
• 暫時停滯但逐漸上升：「營建工」目前在美已嚴重短缺，未來受惠於美對基礎建設的大量投資，工作需求仍將大幅提升，缺工將更多；「創意／藝術管理」、「教育及職業訓練」雖受惠於生成式AI大幅提升自動化，但工作需求成長仍表現不錯
• 受衝擊並減少：「辦公室支援」、「客服銷售」、「食品服務」、「製造業」則是四類雖受惠於生成式AI大幅提升工作自動化程度，但工作需求也呈現大幅或少量漸少的特定職業。經統計美勞動市場到2030年，此四類職業將減少1,000萬個工作機會，影響甚大。

整體來說美國勞動市場到2030年，「具韌性且持續成長」型將增加990萬個工作機會，「暫時停滯但逐漸上升」型將增加280萬個工作機會，「受衝擊並減少」型將減少600萬個工作機會。另有其他因素造成美國勞動市場的工作需求轉移，例如對「淨零碳排」的政府/企業鉅額投資，將使大量工作需求從石油、能源領域轉移至綠電相關領域。

資料來源：Generative AI and the future of work in America, McKinsey（2023/7）
圖5 到2030年美勞動市場各類職業消長情形一覽

台灣勞動市場跟美國勞動市場狀況雖不盡相同，但主流趨勢如「人口老化」、「營建缺工」、「高科技人才不足」皆非常相似，McKinsey 對美國勞動市場的預測亦很合適用於台灣勞動市場，這代表生成式AI可協助提升台灣勞動市場的工作需求，特別是「STEM專業」、「企業／法務專業」、「創意／藝術管理」、「教育及職業訓練」四類重點職業；而由於本地勞動市場的「健康專業」、「健康協助」工作需求將增加，也應考慮發展相關生成式AI協助未來從業者。

我國生成式AI產業概況

據研究機構 Statista 估算2022年全球軟體市場約6,255億美元，而該年台灣軟體市場約175億美元；可知台灣軟體市場約占全球軟體市場2.8%。依據前述 Markets and Markets 報告估算全球生成式AI市場到2028年規模約519億美金；推估2028年台灣市場規模可達到14.5億美元。國內與內容有關的職業預計都會受生成式AI影響；如程式撰寫、文案生成、靈感啟發、藝術教學、動畫創作等工作，皆已受益在導入 ChatGPT 進行人機協作。競爭力也被重新定義－「AI雖不會取代你，但，善用AI的人會」；因人人都能輕易達到80分，80分已變成合格低標，個人／企業將看如何再由80分往上突出競爭優勢所在。 將生成式AI的整個軟硬體分成四個層面探討，將如圖6所示；在晶片與伺服器硬體層面，國內已有如晶創計畫輔導中或已有相當穩固的市占地位；在軟體平台層面因美系廠商已主導，切入機會不大，但可藉台美互補合作方式顯現效益；在垂直應用方面則台灣具有相當發揮空間，但如何接受、了解、善用、加值生成式AI是重點所在。

資料來源：工業技術研究院整理 （2023/9）
圖6 全球生成式AI市場中的台灣現況

因生成式AI在對話問答表現優異，使台灣本地在金融、電信、客服等服務業都有業者已率先導入；如玉山金以 ChatGPT 取代原有客服機器人，也用其進行 KYC（Know Your Customer）工作。部分企業因為希望能直接掌握優化過的大型模型，避免未來被外商壟斷；另部分企業認為機敏資料不適合上雲端處理，必須採用本土地端方案：

• 聯發科、中研院與國教院使用開源 BLOOM 模型進行繁體語料再訓練與優化；比現今已有的開源繁體模型大1,000倍，未來可用於問答、文字編修、文案生成、華語教學、客服回覆等特定應用
• 台智雲以開源 BLOOM 模型訓練出「福爾摩沙大模型」，用於本土企業大腦培育
• 國科會的 7B 模型已可用在自動摘要、翻譯文本、寫信及文章等；2023年底將推出阻絕「不適當回應」的 13B 模型；另預定開發 35B 的可信任模型，提供給政府和業界運用

國內研發法人龍頭工業技術研究院自2021年開始即有先期實驗技術開發，例如對抗式生成網路相關的「基於 3D 人體樣板與 GANs 之 2D 虛擬服飾試穿技術」、「應用 GAN 技術於提升 5G 盲孔量測技術開發」；近期工研院亦提出跨入特定垂直領域（IC設計、照護、教育）的應用技術開發，如「探索生成式AI對數位IC設計的影響」、「GenAI 新世代 - 樂齡銀伴無界服務系統」、「GAI 應用於服務領域之互動式教育訓練」等。
台灣生成式AI技術目前發展還在相當先期；若從大語言模型角度切入，因小國的算力、資料、財力限制，目前尚無從頭自行開發的大型語言預訓練模型，主要著墨在「國際開源模型上進行繁中在地化微調」，也僅有 TAIDE-Chat 進行過如 GPT-3.5 的強化式學習 RLHF（請參考圖7所示）。在政府管理方面，2023年8月行政院已提出「行政院及所屬機關（構）使用生成式AI參考指引（草案）」，促進政府機關對生成式AI有一致認知及正確的使用；所屬公營事業機構、公立學校、行政法人及政府捐助之財團法人可以使用該參考指引；行政院以外之機關可參考訂定規範；同時間金管會也提出「金融業運用AI的六大原則」，預計於年底訂出指引。

資料來源：工業技術研究院整理 （2023/9）
圖7 台灣大語言模型先期發展一覽

我國生成式AI發展分析

環境掃描分析 （PEST）

環境掃描分析策略工具也能有效的了解市場的成長或衰退、企業所處的情況、潛力與營運方向。
1. 政治／政策：AI成科技競爭核心，國內外皆有產業推動指引

• 美自川普時代發布「美國AI倡議」，確保AI領導地位；隨後推出「國家人工智慧安全委員會報告」，強調須贏得此技術競爭；近期更積極增加對中相關技術出口管制
• 行政院近期推出「台灣AI行動方案2.0」，希望提升台灣AI發展，使軟硬體產值增加超過2500億元；也喊出要打造台灣成為全球AI新銳

2. 經濟：AI已證明在許多應用產生效益，且未見其極限所在

• 國內在 AI1.0 時代，企業已將專用AI普遍用於智慧製造、智慧醫療、智慧商務、智慧服務，並獲良好投資回報
• 創投界正積極尋找下一波大規模生產力提升技術，作為主要投資標的
• 資料存取及運算的單位成本迅速下降，企業對各類合成資料的需求也迅速增加

3. 社會：AI應用進入一般民眾生活中，成為必需品

• 數位原住民世代興起，對於AI工具應用如魚得水，也認同透過AI獲取資訊方便性
• 人機混合的工作型態，已被專業者普遍接受
• 過去AI針對「失敗代價高昂的問題」，現亦用於「偶爾失敗但代價低廉可接受的任務」
• 教育界希望能提供客製化工具，聚焦「因材施教」

4. 技術：雲端平台服務普遍，大型模型進步神速

• 近期國內雲端服務發展快速，企業易獲所需算力及資料快速存取技術，搭配領域知識即可讓應用快速落地
• 超級電腦擁有者如國網中心及台智雲，對模型、資料、運算節點的切分調校技術，皆有長足進步
• 先進演算法如大型模型快速發展，且已有許多開源資源可供開發者使用

結論

1. 台灣產業未來發展的機會：(1)生成式AI帶來繪圖、影像、音樂、程式、寫作等應用商機，能有效輔助白領改變工作流程 (2)現有國際大型開源模型（如 Bloom）和雲端服務平台來源多，利於本地創新應用快速發展
2. 台灣產業未來可能的威脅：(1)生成式AI有機會大幅提升研發及工作效率，全球都在探索使用它提升競爭力，故國際產業競爭態勢因此升溫 (2)生成結果可能有正確性的疑慮，建立相關驗證措施

強弱危機分析 （SWOT）

台灣要順利發展生成式AI技術，在 SWOT 方面建議須做到「接受它、了解它、善用它、加值它」

資料來源：工業技術研究院整理 （2023/9）
圖8 台灣生成式AI發展SWOT分析結果一覽

我國生成式AI發展之應用規劃

台灣生成式AI發展實與四項議題息息相關：「算力」、「可信任」、「演算法」、「資料」

• 「算力」本身能决定生成式AI模型的訓練速度、模型規模和生成效果；生成式AI模型通常所需算力不小，一般企業能力有限，需整合國家或雲服務商的資源支持；但全球主要雲服務商已能提供所需開發算力，且訓練主流皆為 GPU 運算，台廠能差異化的機會不大
• 「可信任」代表對訊息真實性與AI治理的重視，須加強AI治理全球倡議與國際標準需求；此部分各國都將注重與國際法規、標準的鏈結，也將建立相關AI評測機制；國際上雖開始重視生成式AI輸出品質，可信任僅是與國際接軌的基本要求，台廠差異化機會亦不大
• 「演算法」方面可透過挑選適合的模型及專業微調技術，可快速優化生成式AI的效能。提高生成速度、多樣性、減少錯誤等，目前全球仍在不斷探索新的演算法；在此部份台廠有機會依不同需求，採微型化模型+私有雲或大型專才模型，讓我國應用迅速落地
• 「資料」提供生成式AI模型訓練基礎，並影響其產生的內容質量、多樣性和準確性；整合並導入優質的私有資料庫，是達到最佳生成式AI應用的起點；台灣廠商可利用特有產業資料如IC設計及精密製造等，可透過發展生成式AI，延續既有競爭優勢。
  
  

關於台灣適合發展的生成式AI應用項目，先以「企業功能別」方式將目前找到的潛力應用項目，區分為「營運及供應鏈」、「行銷銷售」、「客戶管理」、「產品研發」四大區塊。前面已提到台廠主要差異化因子將在「資料」跟「演算法」（技術可行性）兩方面，再考慮國際競爭狀況、國內既有基礎、國內特定需求三方面，最終可整理出來如圖9所示之「六大評估要素」：應用與 GAI關聯性、國際發展現況、國內可掌握應用項目、國內潛在產業需求、技術可行性及優勢、資料掌握度；以此「六大評估要素」透過專家法等方式進行加權評分，可選出最具潛力的前數項應用，優先推動應用落地。

資料來源：工業技術研究院整理 （2023/9）
圖9 六大評估要素用於加權評分

若考慮目前找到的潛力應用項目不盡完備，可再行參酌先前圖2所示的特定熱點區域（如「銀行x客戶營運」及「教育x供應鏈管理」），以及圖5所示未來特定職業需求增加較多者（如「健康專業」、「健康協助」兩類職業），補足潛力應用項目提案所需。最終希望以構建「企業客製AI」與「個人客製AI」的工具與應用服務，結合領域知識和數據，訓練出AI專才模型，推動商業應用落地，協助台灣廠商解決痛點創造價值為推動目標。

在應用項目的實際專案執行階段，如前所述台廠將站在國際開源模型的巨人肩膀上，利用本身垂直領域知識和數據，訓練因應特定需求的模型；以下初步有三類解決方案方向可參考(如圖10所示)－

• 大模型+ Adaptor：可保存大模型原有能力，進而開發多種任務；因為只調整外部 Adaptor，故訓練效率更高，企業導入成本更低，可迅速實現企業目標導入生成式AI
• 聯盟雲：介於「大模型+ Adaptor」跟「模型微型化+私有雲建置」兩類佈署方式之間，可用在同機構內多個部門、多種行業間共享特定生成式AI模型，且仍具備一定資安要求
• 模型微型化+私有雲建置：能降低訓練成本且防範洩密；常見可用模型有 LLaMA、Alpaca、Vicuna 等系列，訓練費用僅需數百美元，實際上表現如 Vicuna 13B 執行對話機器人任務時其正確率僅比 ChatGPT 少1~2%

資料來源：工業技術研究院整理 （2023/9）
圖10 選擇適合的解決方案指引

台灣在生成式人工智慧（AI）發展上，正面臨前面所述四大核心議題，而算力對於模型訓練速度和效果至關重要，但建置成本極高，需仰賴國家政策支持；在可信任則強調對訊息真實性和AI治理的關注進而更需要對演算法的創新和選擇，是促進AI效能的快速優化；而資料是訓練AI快速進步的推進燃料更是基石，影響生成內容的質量和多樣性，台灣企業可利用特有的產業資料來發揮競爭優勢。結合「六大評估要素」的策略性評分，將有助於識別並優先推動最具潛力的應用領域，加速生成式AI在台灣的產業應用落地，特別是在企業營運及供應鏈、行銷銷售、客戶管理及產品研發，透過客製化專屬的應用領域模型開發，台灣能在國際生成式AI發展競爭中占有一席之地。