2030 年技術趨勢：生成式 AI 的下個時代

釋放 AI 的潛能

數十年來，AI 已在各產業創造出龐大的價值。機器學習與神經網路的創新，催生了預測性維護或生成式設計等應用。然而，隨著近期生成式 AI 的突破，新的契機隨之浮現——撇開所有的炒作與熱潮不談——這些機會正為產業帶來真正的效益。從用以因應熟練勞動力短缺的 Industrial Copilots、加速 AI 驅動的人機協作，到作為工業應用中 API 之間「翻譯者」的大型語言模型 (LLM)，生成式 AI 在工業領域的潛力正持續擴張。

我們關注的重點趨勢

工業基礎模型

工業基礎模型以特定產業資料進行預訓練，可加快 AI 解決方案的部署速度並提升準確度。

代理型 AI

代理型 AI 是指在工業情境中，具備一定程度自主性與決策能力的 AI 系統。

多模態大型語言模型

多模態大型語言模型 (LLMs) 結合了語言理解與視覺感知，可同時處理文字、圖像、影片，以及產業特有的資料（如時間序列）。

邊緣模型

工業邊緣指的是將 AI 演算法與運算能力部署在工業網路的邊緣，更接近資料來源的位置。

專用硬體

專用硬體——例如圖形處理器 (GPU) 或語言處理器 (LPU) 驅動的邊緣裝置——能在邊緣提供高效能運算能力，實現 AI 演算法的即時處理。

掌握生成式 AI 的新時代：全方位策略

為確保能因應 2030 年工業 AI 的進展與挑戰，利害關係人必須採取一套完整的策略方針。

• 創新：在組織內部培養接納 AI 技術的創新文化。
• 工業環境：確保符合工業環境的各項要求與標準，包括資安、風險減低、法規遵循，以及訓練資料中偏誤的防制。
• AI 文化：採用以工業 AI 生態系統為核心的方法：以最佳方式與合作夥伴、客戶及專家共享資料，將有助於企業在 AI 新興時代中取得成功。