本文件概述了人工智能的发展趋势、现状以及各国政策，指出AI是第四次工业革命的核心，预计2030年将在亚洲创造巨大的经济价值。台湾在AI领域有机会超越软体弱项，但面临市场拓展的挑战。国际上，各国均重视AI的投资和政策制定，以推动医疗、制造、金融等行业的应用和发展。

1. 人工智慧產業發展趨勢
經濟部
龔明鑫 政務次長
107年9月29日

2. 大綱
• 壹、人工智慧發展浪潮
• 貳、人工智慧產業發展現況與各國政策
• 參、台灣發展人工智慧的機會與挑戰
• 肆、推動作法
• 伍、結語

3. 壹、人工智慧發展浪潮

4. 1970s 1980s 1990s 2000s 2015s 2025s
•聯網裝置數量(NumberofConnectedDevices)
•數據量(AmountofDataGenerated)
資料來源： MIC、工研院IEK(2017/06)
全球進入IoT世代並朝人工智慧世代邁進
4
電腦世代
網路世代
行動世代
物聯網世代
人工智慧世代
大型主機世代
•運算能力
•網路服務興起
•消費習慣改變
•行動優先
•App應用為主
•軟體銷售方式、
軟體開發時程縮短
•產品即服務
•由智慧系統代勞
的工作大幅增加
•資訊儲存與處理
•企業運算應用
運算導向(Computation ) 通訊與連結導向(Communication) 智慧與感知導向(Cognition)
 隨著資通訊新興科技快速進步，全球產業已進入IoT世代、並朝由智慧系統世代邁進，從供給端決
定產品功能之模式逐漸式微，轉為由應用端或使用者主導，產業運作模式將產生重大變革

5. 李開復：
50%的工作都將消失
跟不上AI則將被淘汰
AI大浪來襲~引爆第四次產業革命
人工智慧（AI）被稱第四次工業
革命的核心。瑞銀預測，2030年
AI在亞洲可創造90.8兆台幣經濟
價值，受影響最大的將是健康醫
療、製造、零售、金融與交通業。
比爾蓋茲：
AI早已不是任何人可以力
挽狂瀾而制止的
Google執行長：
Google 將策略由「行動優
先」轉向「AI優先」!
黃仁勳
在AI時代，台灣有機會和軟
體弱項說「再見」！
5
張忠謀
下個十年，台積電將在AI投
入相當大資源，預期AI也會
有很大貢獻。
郭台銘：
AI是台灣的未來
鴻海將砸百億投資
產業
衝擊
企業
佈局
5

6. 人工智慧歷史與現況
資料來源：MIC，2018年9月
2011 2011 2012 2014 2016
IBM
Watson
Apple Siri Google
Brain
百度大腦 Google
AlphaGo
人工智慧發展歷程
1940 1950 1960 1970 1980 1990 2000 2010
1943~1956
AI誕生
「圖靈測試」
文章發表，
1956年於達
特茅斯會議中
定義了「AI」
1956~1974
黃金年代
對AI前景樂觀，研
究經費擴大投入
1974~1980
第一次
AI低谷
認為人工
智慧不具
有思考能
力
1980~1987
重返繁榮
專 家
系 統
被 賞
識
1987~1993
第二次
低谷
專家系統
維護費用
高，不易
實用
演算法累積
及突破
各種數據
開放及分享
運算與儲存
技術提升
物聯
裝置興起
Now!!!

7. 貳、人工智慧產業發展現況與各國政策

8. 人工智慧發展目前的關鍵驅動力量
資料來源：Goldman Sachs，MIC整理，2017年3月
Data
Faster
Hardware
Better
Algorithms
當資料量越多，神經網路
的運作越有效率。行動應
用、IoT應用與儲存成本的
降低，促使資料大量成長。
0
10
20
30
40
50
2009 2010 2015 2020
Annual Data Generation
Globally (in ZB)
GPU的平行運算架構能提
供機器學習更佳的運算效
能。GPU的運算成本快速
降低，使人工智慧可進入
商品化階段。
前述資料與運算的進步驅
動更多研發人力投入深度
學習應用。而開源架構讓
開發者可以投入貢獻到平
台之中。
0.01
1
100
10000
1000000
100000000
1E+10
1E+12
1961
1975
1982
1996
2003
2013
2016
$ per GFLOPS
TensorFlow
by Google
Caffe
by Berkeley
Torch
by Facebook
AI Open Source

9. 國際人工智慧產業發展現況
9
資料來源：IDC，MIC整理，2017年6月
全球AI垂直應用市場預測
• 根據IDC研究指出，至2020年、採購AI系統金額較高的前五大產業依序為銀行業(市場
規模93.2億美元)、零售業(65.9億美元)、分離製程製造業(62.6億美元)、醫療業(38.5億
美元)及證券投資業(25.8億美元)
• 就成長速度來看，除了中央政府及地方政府應用市場，各產業於2016-2020期間之
CAGR皆在40%以上，其中成長率最高的前五大產業依序為公用事業(複合成長率
66.8%)、分離製程製造業(年複合成長率64.1%)、運輸業(年複合成長率62.1%)、專業
服務業(年複合成長率61.9%)及連續製程製造業(年複合成長率59.0%)

10. CommunicationAIfor
Europe
15億歐元(2018-2020)
AI推進之三大策略：
•促進公共與私人企業的AI投
資
•為AI帶來之社會經濟變革做
好準備
•建立適當的道德和法律規範
•承諾在年底與會員國制定出
全面的AI計畫
主要國家人工智慧發展政策(1/2)
美、歐、英人工智慧發展政策
• 美、歐與英，人工智慧發展策略著重於政府端架構相關推進委員會、政策輔導
產業投資、消彌監管障礙與完善數位基礎建設
• 推動領域以醫療、交通、製造、金融為主
人工智慧產業協議
10億英鎊(2018-2030)
AI產業發展之五大策略：
•培養下一代人才所需技能
•完善數位基礎建設、發展公
私部門資料共享架構
•投資私部門與合作研發，發
展AI創新思維
•設立AI委員會，優化新興企
業商業環境
•AI應用成果擴散
推動領域：醫療、交通、農
業、機器人
推動領域：醫療、交通、金
融、
10
英國
2018美國白宮人工智慧
科技峰會
AI發展之四大目標：
•成立AI專職委員會，藉以加
強聯邦政府在人工智慧相關
工作的跨部門運作與協調
•利用AI優勢發展美國勞動
力，以滿足產業AI人才需求
•支持國家AI研發生態系統，
強化的公私合作夥伴關係
•消除AI創新的監管障礙
推動領域：食品、農業、能
源、製造、金融、醫療、交通

11. 主要國家人工智慧發展政策(2/2)
中、日、韓人工智慧發展政策
• 中、日與韓，人工智慧發展策略著重於軟硬體之技術發展與標準制定，強化促
進各垂直領域人工智慧的深化與運用
• 推動領域以機器人、製造、醫療、交通為主
科技創新綜合戰略、
人工智慧技術戰略會議
1,000億日圓/100億日圓
(2016-2026、2017)
AI發展之四大重點政策：
•開發先進AI技術與標準
•推動產業運用AI研發成果
•AI即戰力與長期人才培育
•AI產業化相關法規研擬及修
正
AI研發策略
2.2兆韓元(2018-2022)
推動AI之三大重點方向：
•培育AI人才、開辦獎學金，
鼓勵大學開設AI課程
•針對新藥開發與醫療服務進
行AI技術的大型計畫，同時
投資AI半導體技術
•成立5個AI研究中心，並鼓
勵教授與學生創業
推動領域：生命科學、醫療、
國防、公共安全、機器人
推動領域：製造、醫療、交
通 11
新一代人工智能發展
三年行動計劃
1,500億美元(2018~2030)
推動AI之四大發展方向：
•培育智慧產品，並推動其經
濟應用
•發展AI關鍵軟硬體基礎技術
•深化智能製造，鼓勵AI技術在
工業領域各環節的探索應用
•建立標準測試、知識產權服
務平台等，以完善AI產業發
展環境
推動領域：製造、汽車、機
器人、無人機、醫療

12. 人工智慧主要技術範疇實現智慧化想像
資料來源：MIC，2018年8月
感知-視覺
推論與推薦
自然語言
處理(NLP)
機器學習
移動及控制
年齡、臉部情緒、影
像主題..等
搜尋引擎、推薦系統、
專家系統…等
聊天機器人、情緒辨
讀、知識地圖…等
深度學習、模糊、遺
傳基因演算法…等
雙足機器人、工業機器
手臂、救災機器人…等
感知-聽覺
語音轉文字、口語情
緒..等

13. AI產業技術生態體系構成
訓練及推論硬體
GPU/FPGA
資料擷取及
整理
基礎資源
ASIC
伺服器
資料擷取、標記
大數據儲存傳輸
資料匯整及整理
開源
社群/平台
大廠
開源
AI-as-a-Service
語音處理
移動控制
電腦視覺
自然語言處
理
機器學習 推論推薦
機器學習原始碼
學研
開源
人臉辨識
商業支援
應用
垂直領域
應用
智慧裝置
顧問及系統
整合服務
應用端
醫療 工業
交通 綠能
…
ERP
SCM
CRM
PLM
路燈 攝影機
汽車 看版
…
…
語音辨識
語音生成情緒辨識
語意理解
知識拓樸
訓練平台
工具平台
推薦引擎
模型比對
機械控制
機械模擬
資料來源：資策會MIC，2018年8月
TensorFlow、Caffe/Caffe2、
torch、 CNTK、theano等

14. 人工智慧技術能量提升將由各垂直領域
展現價值
領域
數位廣告
農業
辦公室協助
教育
娛樂
財務
健康照護
家庭
製造
媒體
石油&天然氣
銷售
安全
通用型
資料來源：MIC，2018年9月
推論
及推薦
機器
學習
電腦視覺
自然語言處理
移動及控制
情境分析
數據推理
自主演化
協作互動
多因子判讀
主題辨識
開放原始碼及平台化
小資料學習
情緒頻譜
聊天回答
核心技術 趨勢走向
特定分析
理論推理
文章正負評
一問一答
不開放
大數據學習
單一判讀
物件辨識
程式設定
單獨個體

15. 國際大廠由垂直應用切入人工智慧布局
15
IoT、Cloud Computing, Big Data, Artificial Intelligence, …
智慧交通 智慧醫療/健康 金融科技 …
智慧衣
照護機器人
醫療診斷
輔助系統
智慧客服助理
自駕車
無人機
遞送機器人
智慧財富
管理
… … …
行動
支付
Apple與IBM合作以
HealthKit平台，利用穿戴
裝置收集健康資訊，並建
立數據開放平台，提供開
發者打造健康創新服務
SF express投入3-5公里
中長途無人機研發，可
負載5公斤，滿足快遞最
後一哩需求
星展銀行與IBM合作建立人
工智慧Watson
Engagement Advisor，
提供財務管理分析
智慧製造
…
無人
工廠
人機協作
智慧倉儲
工業機器人製造大廠
Fanuc之無人工廠，以遠
端控制生產線，每月可
出貨約5,000台
國
際
投
入
 人工智慧系統服務模式的特點：有效管理龐大且多樣化的物聯網數據，達到從硬體到軟體到整個
服務自動化為目標
 國際大廠紛紛聚焦利基市場商機，相繼從垂直領域，例如智慧製造、智慧交通及智慧醫療與健康
等應用切入智慧系統服務，布局整合物聯網、雲端運算、巨量資料，甚至嘗試AI人工智慧等技術，
驅動創新產品服務發展

16. 叁、台灣發展人工智慧的機會與挑戰

17. 台灣產業機會與轉型
新技術
新應用
跨領域應用
智慧家庭
智慧金融
智慧醫療 智慧能源
智慧製造
智慧汽車
智慧校園
智慧城市
智慧交通
技術研
發
•人工智慧
•先進半導體製程
•下世代通訊
•感測技術
•大數據分析技術
•…
智慧化科技
創新經營模式
•O2O
•大量客製化（哈雷機車）
•社群媒體行銷（Facebook）
•群眾募資（Kickstarter）
•平台經濟（UBER）
•共享經濟
•…
資料來源：MIC，2018年8月

18. 台灣發展人工智慧挑戰-市場面：
從國內市場出發，跨越國際化障礙
 內需市場
資料來源：IMD、經濟部，資策會MIC整理
• 台灣屬淺碟型經濟，先天內需市場小、規
模有限，對外貿易依存度高
• 過去產業代工模式，未以國內市場為考量
 強化國際化能量
內需
高齡少子化
國內投資國內消費
人口紅利減少
勞動力下降
• 強化人才國際化、與國際人才在地連結
• 中小企業與全球市場連結度不高：台灣中小企業家
數約佔全體企業97%，國際連結多建構於代工模式，
具實質意涵的跨國企業與全球品牌較少，且內銷營
業額佔八成以上
國際化能量提升
全球
市場
全球
資金
全球
人才

19. 台灣發展人工智慧挑戰-技術面
重塑產業價值系統(15個需要)
•感測器佈局相對
落後
•需發展物聯網感
測及數據分析解
決方案
•需佈局下世代記
憶體
•需要智慧化訓
練及推理論運
算平台資源
•需要資料擷取、
儲存及匯整平
台
•需要多元資料
開放及流通機
制
零組件廠
產品製
造商
平台業者 APP/服務
Sensor 晶片 產品 平台 智慧化分析 整合服務ODM
供應鏈
台
灣
面
臨
議
題
IC設計 IC製造 IC封測
聯發科、群聯、
聯詠、威盛、
旺玖、揚智…
台積電、聯電、
華邦、力晶…
日月光 (矽品)、
力成、華泰…
•需要溝通共通規格
與模組化之平台
•需要彈性製造小量
下單併單機制
•需要加速異質
元件整合能力
•需要次系統整
合平台
•需要變樣變量
製造經營能力
•需要不同領
域在資料智
慧化分析及
設計經驗
•需要研發先
進演算法之
資源
•需要快速
發展各類
智慧化應
用的能力
•需要將產
品推入國
際的最佳
化能力
資料來源：IMD、經濟部，資策會MIC整理

20. 台灣發展人工智慧挑戰-法規面：
建置法令適用環境
• 智慧型自動化機器人若具備經驗學習之能力並能夠獨立作出決定，則在概念上
將更趨近於一種「代理人」(agent)，而不僅僅是一種工具或機器。
• 損害賠償責任的認定，例如在有預見可能性並有義務避免損害發生之情況下，
是否應歸責於製造商或機器人之所有人或使用人，便成為重要的法律問題。
智慧型自動化機器人(smart autonomous robots)
• 我國目前針對自動駕駛與無人載具，已規劃運用指定實驗場域(Test bed)測試創
新技術產品與服務，並於場域導入各部會推動的物聯網方案及測試彼此相容性。
• 作為配套的場域試驗規範仍然欠缺，後續進入實際應用與商業化的應備規範亦
付之闕如。
自動駕駛與無人載具
資料來源：資策會

21. 台灣發展人工智慧挑戰-人才面
強化產業所需人才
• 尖端AI技術人才缺乏
• 國際對AI人才競爭激烈，
提供優異薪資及發展環
境，對人才磁吸效果大
• 台灣現行較僵固之學制
使得跨域人才培養困難
• 產學落差大，博士人才難
以為產業界所用
• 產業對AI需求與應用各不
相同，需求尚需釐清與盤
點
• AI技術門檻較高，職業培
訓不易且資源不足
• 缺乏AI人才發展舞台，不利國內留才
及對外引才
• 缺乏在演算法、程式設計等AI基礎知
識之師資資源，影響高中小(K12)之普
及教育
環境與
舞台
資料來源：行政院科技會報，2018
核心
科技人才
智慧
應用人才

22. 肆、推動作法

23. 台灣人工智慧整體推動架構
創新體驗為先、軟硬攜手發展、激發產業最大動能願
景
23
綠能
科技
國防
產業
生醫
產業
亞洲‧矽谷 新農業
循環
經濟
策
略
行
動
計
畫
智慧
機械
開放 投資鬆綁
場域與法規開放
建構國際AI創新樞紐AI人才衝刺
AI領航推動
產業 AI 化
1 3
2 4
…… ……
5
資料來源：行政院科技會報，2018

24. 人工智慧產業推動作法
24
作法二：AI
領航推動
作法一：AI
人才衝刺
作法三：建構國
際AI創新樞紐
作法五：產
業AI化
作法四：場域
與法規開放

25. 推動作法一：AI人才衝刺
以5+2產業創新需求為基礎，培育帶動產業AI化之轉型人才
企業出題
人才解題
人才培訓
國際鏈結
建立系統解決方案機制
解題團隊提案 解題團隊輔導 解題團隊成果
配合萬人智慧應用先鋒政策（配合人工智慧學校等培訓團隊）
107年350人 108-109年3200人 110-111年3200人
引進國際培訓資源 培育AI種子師資 擔任AI技術培育推手
鏈結國際大廠學習資源培育人才（引入Google、Microsoft等國際師資）

26. 推動作法二：AI領航推動
發展國家級AI前瞻研究網絡，鏈結整合產學界與法人之研
究能量，帶動國內AI核心技術研發
AI基礎
核心技術 電腦視覺 語音辨識分析 對話引擎
增強式學習 深層學習 語意分析
AI先進
應用技術
瑕疵檢測 智慧排程 停機預測
進/銷/存管控 市場研究/輿情分析設備效益優化
財富管理
信用評分
健康管理
醫療輔助診斷評估
跨場域 跨產業 跨部會 跨國際
• 經濟部
• 科技部
• 教育部
• 資安處
• 半導體
• 醫療照護
• 數位金融
• 無人機/自
駕車
• 電腦商業
同業公會
• 資訊軟體
協會
• 縣市政府
• 實證場域
• 企業場域
AI研發平台
智慧機器人
創新基地
AI創新
研究中心
半導體
射月計畫
科技大擂台

27. 推動作法三：建構國際AI創新樞紐
扶植百家AI新創事業，
發展國際級AI創新聚落
以大帶小，跨域合作
1.結合在地產學單位，及創業園
區資源，輔導在地數據團隊
2.導引各領域大企業(如IoT、電
子商務)釋出對應產業資源，協
助新創團隊與企業合作
輔導企業投資團隊
Spin-in成立AI的BU
1.鼓勵新創與企業深入合作，
加速跨界AI應用
2.促成投資新創團隊，進入
企業內部，成立AI相關應
用的事業單位
1.輔導AI新創團隊，媒合海內
外 大 廠 既 有 資 源 ， 例 如
Google AI、Amazon Echo
等，發展多元AI應用服務
2.邀請專家或業師提供新創團
隊開發支援和技術指導服務。
國際創投媒合
1.透過「亞洲．矽谷」等計
畫為橋樑，結合創業園區
場域資源，媒合國際創投
2.透過自媒體、群眾募資等
手段，提升AI新創團隊國
內外曝光，增進合作機會
新創數據團隊轉型AI公司
發展台灣品牌的國際級
AI 標竿企業

28. 推動作法四：場域與法規開放
• 「亞洲．矽谷」運用主題式實證場域建立應用實證資料集，形塑活躍的
資料流通生態，建立高資安防護及親善介面之資料開放與介接平台
• 「亞洲．矽谷」以在地需求與地方特色產業為基礎，透過中央協調各部
會資源及產學研成果導入，協助業者與政府、民間合作，以實證場域淬
鍊優化AI應用解決方案，並透過主題式補助機制，協助產業轉型升級
28
• 以地方需求為主，地方出
題，廠商解題
• 解決在地問題，深耕在地
服務
• 配合國發會、「亞洲．矽
谷」、數位經濟政策，由中
央開題，地方場域
• 政策帶動創新應用產業發展
場
域
實
證
基
礎
環
境
國
際
輸
出 垂直領域軟硬整合解決方案輸出吸引來台體驗引動投資商機
1. AI相關法規開放研議
完成創新實證條例及相關法規的調適…
2.建構數據交流媒合機制
建立跨領域資料開放與介接平台…
地方創新類
(Bottom-up)
創新服務類
(Top-down)
服務輸出
(Inside-Out)
商機引進
(Outside-In)
場域試煉

29. 推動作法五：產業AI化
29
• 建構 AI 研發基礎環境開放式服務平台與創新媒合平台，結合物聯網整
合服務中心 (IISC) ，提供中小企業從晶片研發、物聯網 、 大數據、
到 AI 應用發展的完善支援環境，帶動中小企業AI創新。
產業
AI化
場域與資料開放
• AI 研發基礎環境開放式服務平台
• 開放場域與資料
IISC
• 物聯網整合服務中心 (IISC)
• 提供中小企業AI晶片研發支援環境
產業出題
• 發掘產業AI應用需求
• AI 創新媒合平台
• 發展產業AI 應用解決方案
政策工具
• 業界科技研發計畫
• 投資融資機制
• 人才培育與創業育成
AI研發中心
• 推動國際旗艦公司設立AI研發中心
萬物皆聯網的時代
再大頻寬也無法乘載萬物聯網
引發「端」上AI及資安需求
透過IISC協助中小企業晶片研發
達成「端」上的AI實現

30. AI產業技術生態體系構成
訓練及推論硬體
GPU/FPGA
資料擷取及
整理
基礎資源
ASIC
伺服器
資料擷取、標記
大數據儲存傳輸
資料匯整及整理
開源
社群/平台
大廠
開源
AI-as-a-Service
語音處理
移動控制
電腦視覺
自然語言處
理
機器學習 推論推薦
機器學習原始碼
學研
開源
人臉辨識
商業支援
應用
垂直領域
應用
智慧裝置
顧問及系統
整合服務
應用端
醫療 工業
交通 綠能
…
ERP
SCM
CRM
PLM
路燈 攝影機
汽車 看版
…
…
語音辨識
語音生成情緒辨識
語意理解
知識拓樸
訓練平台
工具平台
推薦引擎
模型比對
機械控制
機械模擬
資料來源：資策會MIC，2018年8月
TensorFlow、Caffe/Caffe2、
torch、 CNTK、theano等
AI on chip
AI領航推動
跨領域資
料連結與
運用
建構國際AI創新樞紐
AI on device
產業AI化
場域與法
規開放

31. 台灣發展人工智慧挑戰-技術面
重塑產業價值系統(15個需要)
•感測器佈局相對
落後
•需發展物聯網感
測及數據分析解
決方案
•需佈局下世代記
憶體
•需要智慧化訓
練及推理論運
算平台資源
•需要資料擷取、
儲存及匯整平
台
•需要多元資料
開放及流通機
制
零組件廠
產品製
造商
平台業者 APP/服務
Sensor 晶片 產品 平台 智慧化分析 整合服務ODM
供應鏈
台
灣
面
臨
議
題
IC設計 IC製造 IC封測
聯發科、群聯、
聯詠、威盛、
旺玖、揚智…
台積電、聯電、
華邦、力晶…
日月光 (矽品)、
力成、華泰…
•需要溝通共通規格
與模組化之平台
•需要彈性製造小量
下單併單機制
•需要加速異質
元件整合能力
•需要次系統整
合平台
•需要變樣變量
製造經營能力
•需要不同領
域在資料智
慧化分析及
設計經驗
•需要研發先
進演算法之
資源
•需要快速
發展各類
智慧化應
用的能力
•需要將產
品推入國
際的最佳
化能力
資料來源：IMD、經濟部
半通用 AI 晶片 異質整合 AI 晶片 新興運算架構 AI 晶片 AI 晶片軟體編譯環境
開發
AI on chip

32. 伍、結語與討論題綱

33. 結 語
• 應用人工智慧於各垂直應用領域及生活領域已為趨勢，亦為
各國政策重點投入的方向，我國產業更可藉此取得新成長動
力
• 從國內市場出發，跨越國際化障礙，可透過人工智慧創新應
用，建構完整生態系，強化與國際市場的連結，並帶動我國
業者站上國際舞台
• 在人工智慧應用創新的過程中，勢將面臨法規相關限制，透
過提供更具彈性的創新試煉環境，以加速孕育人工智慧創新
應用
• 在智慧科技發展趨勢下，我國仍需從應用需求的角度出發，
思考開放資料平台之建置與人工智慧相關軟硬體技術的開發，
特別在萬物連網世代，「端」的AI與資安將成為未來發展關
鍵
• 人才為創新應用的關鍵，宜持續檢討相關法令規範，提供更
開放、更彈性的攬才、留才環境。長期育才應從產業需求為
依歸，以完善人才佈局

34. 簡報結束
敬請指導
34

35. 35
附錄、國際人工智慧標竿應用案例

36. 36
人工智慧醫療案例(1/2)
獨角獸HeartFlow的冠狀心臟病影像分析
• HeartFlow，2007年成立於美國加州，2010年迄今已完成5輪的募資，總共募得超過15億
美元資金
• 產品技術：開發的心血管血液動力模擬輔助診斷軟體，以AI分析電腦斷層掃描採集之3D主
動脈和心臟模型計算出血流儲備分數（FFR），是冠狀動脈心臟病診斷技術上的突破。
• 2011年取得歐盟 CE 認證，2014年獲美國FDA核准。2018年6月取得全球最大健保公司
UnitedHealthcare 的保險給付。
• 產品優點：
 不需要其他侵入性檢測，也沒有額外的風險
 可以用來評估哪些患者需要接受侵入性的手術
 60%的患者不再需要血管造影，從而將醫療保健系統的成本降低25%。
 將冠狀動脈疾病的檢查成本從5,000美元大幅降低至不到2,000美元
資料來源：HearFlow，MIC，2018年7月

37. 人工智慧醫療案例(2/2)
MedyMatch運用深度學習快速進行病情識別
以色列MedyMatch公司即將推出顱內出血診斷輔助雲端服
務，以期增加放射科或急診室醫師判斷中風病患情況的正確
率；該醫療影像分析平台運用Deep Learning技術，可快速
識別人眼忽視的訊息
資料來源：MedyMatch，MIC整理，2018年9月
•該系統在數分鐘之內，
即可將病患醫療影像可
能的出血區域標註出來，
協助醫師診斷，以利病
患得到及時治療
•MedMatch與以色列
和美國醫學中心合作，
運用其龐大的病歷影像
資料進行深度學習，建
置顱內出血辨識平台
• 腦中風相關的顱內出
血，較難以直接觀察
醫療影像來診斷，據
統計急診室醫師診斷
顱內出血之誤差率約
20-30％
圖片來自MedCity News

38. 人工智慧製造案例(1/2)
扣件產業導入AI應用
38
智慧型量測
與調機技術
扣件快速成
形設計技術
智慧扣件品
質預檢技術
首創三合一 簡單操作
以智慧型量測
與調機技術顛
覆傳承數十年
的老師傅傳承
機制
以AI智慧整合
CAE達到快速
成形設計/效
率提升
以智慧感測整
合技術確保品
質/取代傳統
人工抽檢作業
 我國扣件產業外銷比例達93.2%，達產量全球第二，傳統生產模式多人工作業、低數位化程度，
高度仰賴師徒傳承，面對中低階產品的削價競爭與高階產品的技術要求的雙面夾擊，扣件產業透
國導入AI技術達智慧化與數位化能力，以提高附加價值強化國際競爭力

39. 人工智慧製造案例(1/2)
和大運用人工智慧導入汽車軸件生產
39
• 汽車零組件產值超越整車產值，台灣在供應鏈位置從簡單零件轉變為精度、單價皆較高的產品
• AI應用於汽車產業的Top 3挑戰：
少量多樣產品生產模式的差異；待測物3D特徵的差異；環境油水汙染、鋼材種類差異
頂心汙染或
中心孔缺陷
工件表面
汙染
ＡＩ學習記憶
導入後
• 重複精準度高出１倍
• 檢索時間縮短50%，
隨經驗值越多，減少
時間越顯著
• 保護稼動率延長3週
以上
導入後
• 學習系統自動修訂
檢測原則
• 運用大數據輔助發
覺加工機差異及加
工能力差異
規劃起始檢測
位置和搜尋模式
邊緣上移
修訂下一個檢索位置
局部隆起
表示汙染
進行
檢測
比對基礎
缺陷特徵
出現
例外特徵
修訂
辨別特徵
AI學習記憶
 導入AI的智慧化效益明顯，除了抽驗之外，產線現場可無人化操作，人員可
在研發中心監看數據，判別問題原因，加速生產效率
 機械產業所面臨的巨大挑戰之一即工件汙染問題，透過AI判定，協助過濾瑕
疵工件，及早進行預防措施，大幅降低停機風險

40. 人工智慧交通案例(1/2)
以AI為基礎的自駕服務新平台Olli
 3D 列印汽車公司 Local Motors 和 IBM 合作推出搭載了 IBM Watson的自駕巴士Olli，成為
全球第一輛採用AI與乘客溝通的交通工具，也提供個人化推薦服務以提升顧客體驗
 Olli利用AI技術，在收到乘客指令後，經過「語音到文字」、「自然語言分類」、「實體存取
」和「文字到語音」四個階段，即可回應乘客需求
 Olli的車體安裝了逾30個感測器，並利用其所搜集的大量交通資料展開學習；除了透過雷達
、攝影機和 GPS ，在設定的路線行駛到指定目的地外，還可根據乘客需求和路況即時調整行
駛路線、分析乘客個人偏好，並根據目的地推薦熱門餐廳或歷史古蹟
 2016年起開始在美國華盛頓、馬里蘭州的國家港區（National Harbor）、德國柏林等地進
行測試，並在2018年的CES展出
資料來源： Olli，2018年8月

41. 人工智慧交通案例(2/2)
結合自駕技術打造物流服務新革命
京東
無人重卡實現智慧物
流，高速公路上長途
運輸將進行全程無人
駕駛，下高速進入城
區道路則改有人駕駛，
可疏解長途貨運司機
人力、降低物流成本。
預計2020年在全大陸
完成商業化試營運
Starship
Starship 2016年起致
力建立一個機器人隊
伍，實現 60 分鐘內完
成送貨的目標，從而
顯著降低物流成本並
提高配送效率。迄今
Starship機器人已經在
20個國家，100多個城
市行駛了超過10萬英
里
Kroger
美國知名連鎖超市
Kroger與矽谷自駕車
公司Nuro宣布合作，
將以自家ClickList訂購
系統整合Nuro的小型
自駕車，顧客可藉由
Nuro的App來購物，
自駕車收到商品訂單
後就會能自動將物品
送到顧客家門前，預
計2018年秋天展開測
試
資料來源：各公司，MIC整理，2018年8月

42. 人工智慧農業案例(1/2)
BlueRiver運用視覺辨識達到精緻農業
資料來源：Blue River，MIC整理，2018年9月
• 發展情況
• 已於美國加州等地實地測試，並在2017年正式商用化
• 初期以萵苣為主，目前逐步擴展至棉花及大豆
• 2017年美國最大的農業機械業者以3.05億美元收購Blue River
• Blue River在農機上加裝攝影機，並運用電腦視覺的
辬識技術，在第一時間進行雜草或農作物的分辨，進
而做出噴灑不同藥劑的判斷。
• 對此將自動化噴灑農藥或肥料的無差別模式，升級為
對農地裡每一株植物個別處理，並節省90%農藥用量
及助益生態保護
掃描 判讀 噴灑藥劑

43. 人工智慧農業案例(2/2)
Climate Corporation打造農業決策分析平台
• 2006成立於美國加州，綜整龐大農業資料，結合資料分析、人工智慧與建立機器學
習模型等先進技術，協助農民進行耕種的決策支援，提高田間生產量
• 打造「Climate FieldView」決策分析平台，目前已在美國、加拿大、巴西等超過10
萬名農戶與1.2億英畝的農地採用
• 2013年，被知名種子農藥商Monsanto以11億美金併購。2017年，又被美國農業設
備商AGCO收購 Climate Corporation旗下的Precision Planting LLC（精準種植）
設備業務
43
衛星
影像
土壤
資料
即時與歷史的
天氣資料(美國
國家氣象局、
私人天氣公司)
Climate Corporation蒐集超過2,500萬個感測器蒐
集天氣資料、植物根部的土壤特質等資訊
決策支援
• 病蟲害診斷：對玉米、大豆與小麥
進行病理診斷與預防
• 預測作物產量：追蹤農作物成長，
進行預測
• 判斷栽種管理：掌握最有效施肥、
栽種時間
農業保險
• 線上自動化保單：線上申請，即可
自動計算保單的保險費用
• 自動理賠：直接透過數據（如天氣
異常資料）判斷保戶符合理賠條件
完成理賠作業，
資料來源
資料來源: Climate Corporation ,MIC整理，2018/5

44. IBM／情資分析
Symantec／行為分析
44
人工智慧資安案例
透過AI強化情資與行為分析能量
將訊息去蕪存菁，
準確找出該事件相
關的關鍵洞察
認知資安監控維運（Cognitive SOC）平台
QRadar Security
Analytics
Watson認知技術
查看資料庫，從數十萬
筆網站、安全性論壇、
佈告欄等，協助了解安
全事件。並推論與原始
事件相關的額外洞察
當偵測到安全事件，
系統首先探勘並收集
本地端資料
解決傳統威脅分
析之耗時問題
端點安全解決方案SEP14
強化產品效能
•~100%偵測威脅
•~零誤報
巨量資料/數據集
• 透過157 個國家中的 1.75
億個端點及 5,700 萬個攻
擊偵測器蒐集大量且即時
資料
• 建置巨量且豐富的數據集
基於機器學習的預測模型
• 從三個面向辨識：（檔
案）靜態屬性、（程式）
動態行為及（檔案、程
式及URL等）相互關係
• 模型自動且持續演進
資料來源：各公司，MIC整理，2018年8月