2030 年全球生成式 AI 市場規模上看 1.5 兆美元，帶動各界投入生成式 AI 領域。目前 AI 創新業者數量達到 850 家以上，市值最高莫過於 OpenAI 的 1,570 億美元，2-4 名分別為 XI、ANTHROP\C、SCALE 等。
文／林裕洋
過去 10 年 AI 正以驚人速度推動各行各業的改變，而被譽為 AI 技術革命的生成式 AI，更重新定義每家企業運作模式，扮演數位轉型的重要核心。根據 MIC 調查報告指出，2024 年臺灣五大行業有採用生成式 AI 意願或相關行動的比例已達 19%，其中金融保險業高達 25%、製造業（22%）居次。面對生成式 AI 正在快速改變每間公司的流程、產品創新、商業模式與生態，企業除需即時掌握最新技術狀況之外，也應思考如何導入來提高效益，並快速識別導入的手段與目的，並進一步思考新興產品與服務。
生成式 AI 發展過程中仰賴資料（Data）、算力（Computing）和算法（Algorithm）等三大基石，打造滿足企業發展的 AI 模型。為提升生成式 AI 的精準度與威力，大語言模型參數已從 2018 年的 GPT-1 （110M 參數）到 2024 年的 GPT-4（1 兆參數），也使得生成式 AI 模型規模和能力迅速增長，目前在文字生成、圖像生成和程式設計等領域都有非常亮眼成果，也已廣泛被應用於不同情境之中。
財團法人資訊工業策進會產業情報研究所資深產業顧問兼副所長楊中傑說，隨著市場對個性化、智慧化服務需求的提升，多數企業已將生成式 AI 作為技術升級的重要戰略，也帶動大語言模型參數量愈來愈大，並朝向通用性多模態發展。企業僅需下載基礎模型，結合自身的文字、圖像、語音及影片等不同形式資料進行優化，即能執行問答對話、文本生成、圖像生成、程式生成、資料提取及情感分析等任務。如此一來，自然有助於拓展應用的深度與廣度，滿足多元應用需求。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
舉例來說，目前在問答對話部分，聊天機器人、AI 客戶服務等能提供自然流暢的對話和智慧化服務，使客服更加人性化。在文本生成部分，在自動生成新聞、廣告、文章方面，可自動化生成符合要求的文本內容，並在短時間內完成大量的文本生成並提取資料。在圖像生成部分，也能透過學習圖像的特徵和結構，自動生成圖像、影像等高品質作品，提高獨特性與增加場景應用。在程式生成方面，能藉由自動生成程式碼、協助編碼等功能，透過大量程式碼資料庫學習分析，生成符合描述的高品質程式碼，降低開發人員的負擔與提升工作效率。
AI產值上看1.5兆美元，創新團隊投入！
前面提到，目前生成式 AI 可概分為 7 大應用領域，如文字、圖像、影片、程式碼、語音、3D 模型及其他等。而根據「AI Special Report」報告指出，2024 年全球生成式 AI 市場規模達到 400 億美元，預估 2030 年將成長至 1.5 兆美元，2022 年至 2030 年複合成長率（CAGR）達到 83%。
楊中傑指出，此龐大商機也帶動各界投入生成式 AI 領域，其中以文字和圖像生成的新創業者數量最多。在文字領域的新創業者有 Copy.AI、Jasper，圖像部分則有 OpenArt、Diagram，影片部分有 runway、tavus。程式碼部分有 Github Copilot、tobnine，語音則有 Wellsaid、3D 模型有 mirage、csm 等總計業者數量已達 850 間以上，值得關注之處，在 850 家生成式 AI 新創中，多數屬於未募資或募資早期階段，僅有 355 家以上進入新創募資階段，估值超過 10 億美元之獨角獸達 52 間以上。其中，OpenAI 以 1,570 億美元的大幅領先其他競爭者，第二名 XI 市值約達 240 億美元、第三名 ANTHROP\C 市值約 184 億美元、第四名 SCALE 則有 138 億美元。
生成式AI快速成長 三大產業攜手合作
生成式 AI 迅速發展促使全球產業生態系加速成形，目前國際 AI 生態系大致上可分為應用服務業者、模型開發商與雲端運算業者等三大部分，在彼此之間合作逐漸緊密下，為企業與消費者帶來全新商業模式與市場機遇。如 OpenAI、Stability.ai 等模型開發商，專注於開發生成式 AI 的通用與專用模型，Jasper 等應用服務業者則可提供 API 或微調服務。而 OpenAI、Microsoft、Google 等應用服務業者則能提供多元應用服務，AWS、NVIDIA、Microsoft、Google 等雲端運算業者，則負責提供資料中心與雲端運算資源，以支持模型的訓練與推論。至於 NVIDIA、AMD 等處理器廠商，則提供模型訓練、推論所需算力資源。
[ 推薦文章：解讀 AI 曼哈頓計劃 ]
看準生成式 AI 市場的龐大商機，台灣也有非常完整的 AI 生態系，應用服務業者有零壹、明泰、邁達特、訊達等。模型開發業者則有台智雲、聯發科、中研院詞庫小組、國教院等。在基礎架構業者方面， 中華電信、台灣大哥大、遠傳、台智雲是國產雲的代表，晶圓代工則是台積電、聯電等為代表，伺服器則有廣達、緯穎、英業達、鴻海等品牌，聯發科、瑞昱等則是 IC 設計產業的代表。
「在產業蓬勃發展下，正帶動應用服務商、模型開發商及雲端運算業者的合作，加速生成式 AI 產業生態系逐漸成形。」楊中傑解釋：「生成式 AI 發展逐漸改變多個產業下，正引爆大量訓練模型和算力需求，背後也帶來許多機會與挑戰，透過跨域共創及創新協作，可望為各行業帶來許多發展機會。」
生成式 AI 技術驅動 智慧工廠再進化
前面提到，製造業是引進生成式 AI 比例第二高的產業，重點自然是想要加速實現智慧製造願景。事實上，製造業很早就透過電腦化方式，打到自動化產線，開啟數位化的第一步。而 2013 年德國政府提出的智慧工廠概念精髓在於管理統一化，主要透過 ERP、MES 資訊系統搭配 IIoT （工業物聯網）等數位化技術，利用 OPC UA、MQTT、 Modbus 、RESTful 等通訊協定傳輸設備資訊，實踐廠務作業透明的目的。
在 AI 技術發展逐漸成熟並應用於智慧工廠後，其重點轉為利用資料作決策，發展以資料作思考、預測的能力。鑑別式 AI 與生成式 AI 對於智慧工廠的影響面向不同，前者著重於處理特定任務，例如瑕疵檢測、需求 預估、庫存管理等，後者則利用 LLM 對於文本理解的優勢，讓使用者簡易了解問題狀況與後續作法。簡單來說，鑑別式 AI 是利用 AI/ML 算法分析設備振動、溫度、壓力等資料是否超出正常模式，作為異常檢測 、 故障預測 、壽命估計等用途。若企業從早期鑑別式 AI 改為生成式 AI 時，利用 LLM 將複雜技術問題轉化為易讀的故障原因，和建議解決方案。
楊中傑指出，過往基於 AI/ML 算法的供應鏈應用已有相當成熟度，結合 LLM 後更能以使用者角度思考問題，提供建議方案與數據見解，而非僅是視覺化圖表。為求生產可靠性，製造業者設備可能採半客製化，避免資淺工程師誤判設備狀況導致難以修復。結合生成式 AI 的透過調閱文件與紀錄，提供待修設備狀況以及維修建議，縮短培育工程師的時間。
落實 ESG 願景 以 AI 強化分析力
在人類濫用天然資源下，過去 10 多年來在地球平均溫度持續攀升下，全球氣候變化的加劇，許多地方都出現極端氣候，如美國大雨、野火頻傳、歐洲溫度持續創下新高等。前述種種事件將促使各國政府更重視永續發展，繼京都議定書、巴黎協定等之後，聯合國成員更於 2021 年 COP26 重新設定「1.5°C 的生命線」。只是 2022 年全球已升溫達 1.18°C，未來若升溫速度超過前述該生命線目標，人類可能須面對不可逆轉的全球氣候與生態系統的變化 ，所以在 2023 年的 COP28 大會中，已有強化淘汰化石燃料共識。
ESG 作為企業永續發展的全球標準，要求企業在環境（E）、社會（S）和治理（G）三大領域實現全面提升。隨著社會環境不同，ESG 重點也有極大差異，1980s 年代關注環境與員工健康、1990s 年代為提升品牌形象，推動永續標準。2000s 年代加入社會責任議題、2010s 年代起至今全面納入 ESG，從自願轉向強制。企業和政府對永續發展的重視。在此背景下，生成式 AI 等新興技術的應用成為實現 ESG （環境、社會、治理）目標的重要手段，為能源效率優化、動態識別管理和減碳創新提供了強有力的支持。
「永續發展中運用 AI 技術能做到能源效率優化與動態識別管理。在能源效率優化部分，AI 技術應用於能源資源的動態分配與優化，如虛擬化 GPU 技術能將資源自由調度，最大化計算效率並減少能耗與碳排放。」楊中傑解釋：「在動態識別管理方面，AI 流量監測工具可以即時分析內部 AI 工具的使用情況，防範影子 AI （Shadow AI）帶來的資安風險，同時提升企業的管理透明度。」
享受創今技術成果 需克服三大發展隱憂
在智慧工廠之外，在數位經濟也是運用生成式 AI 的重點產業。近幾年全球經濟結構已進入以人為本的數位經濟時代，即是以「軟體思維為主、著重情感溫度」，藉由打造量子電腦、AI、5G 等創新科技，引導組織變革。在此時代中，生成式 AI 將推動數位媒體的創新發展，例如自動生成廣告內容、精準行銷和互動式消費體驗。根據統計，2024 年全球數位廣告支出預計將達 7,400 億美元，生成式 AI 在其中發揮關鍵作用，提升創意內容生成效率並賦能個性化行銷。
只是在生成式 AI 快速發展過程中，也伴隨著不容忽視的諸多挑戰，最常見問題莫過於「模型幻覺」，即語言模型生成的內容可能超出預期，容易對用戶產生誤導性結果。 其次則是「資料隱私」，即在 AI 模型訓練過程中，妥善保護敏感資料已成為企業關注的核心問題。最後則是「法律與合規」，在智慧財產權、模型透明性和合規性方面，也成為不容忽視的重點。
楊中傑表示，生成式 AI 未來發展將朝向三大方向發展，在企業生態系統形成方面，基礎架構供應商、模型開發者和應用服務業者之間合作將日益密切，為跨域創新提供多元可能性。 其次在專用模型與開源方案部分，隨著企業需求的增加，專用模型的開發與開源模型的應用逐漸成為主流，滿足垂直應用場景的定制化需求。 最後在數位永續與 ESG，生成式 AI 在能源效率提升與資料分析中的應用，可望為企業永續發展提供更多解決方案。
生成式 AI 正以多樣化的應用場景和無限潛力，重塑產業格局與全球經濟模式。不過，企業在運用生成式 AI 過程中，也應該妥善解決模型幻覺、資料隱私及法律合規等三大問題，才能妥善運用此技術因應對未知挑戰與風險。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
