圖：阿波羅11號太空船
image source wikipedia
「利用台灣在半導體設計能力的優勢，針對需要利基型的人工智慧與物聯網客戶，提供符合所需的特製硬體。」
在人工智慧上的應用，這樣的設計可能是物聯網 FPGA（Field Programmable Gate Array，場域可程式化閘陣列）或 ASIC（Application-Specific Integrated Circuit，特殊應用積體電路），像 Google 開發的 TPU（Tensorflow Processing Unit），就是一種 ASIC。
就如 Google 為了強化本身學習後的邏輯運算能力，提出了 TPU 這種專門針對 Tensorflow 架構最佳化的 IC 設計，讓 Google 在 AlphaGo 的第二代 Master 在跟柯潔對戰的時候，不再像跟李世乭對戰時需要透過網路連上背後的龐大機器群才能運作。當然，如果要運用大量數據、透過深度學習強化模型的參數，還是得用龐大機器群搭配 nVidia 的 GPU 架構。
但是，我們該問的是：世界上有多少企業能有 Google 這麼龐大的資源可以開發專屬於自己企業、最佳化的硬體？如果是沒有像 Google 有自製 ASIC 能力的人工智慧廠商，台灣的半導體設計廠商，其實就有相當大的優勢可以成為這些廠商的合作夥伴，從前期的 IC 設計，到之後的封裝、IC 製作、台灣的半導體、硬體產業鏈就可以加入協助這家廠商，完成整個人工智慧的系統。
這樣的系統，就很適合應用在物聯網前端具有感測器的智慧設備，特別是機器人。而這種設備中的參數設定，還是得運用雲端系統，以深度學習的方式先找出神經網路的各層參數。這個部分，目前是 nVidia GPU 的強項。因此，我也不認為台灣廠商在這個領域會跟 nVidia 等大廠起正面衝突，而是各自找到自己的市場，有機會的話還可以一起合作。
不過要做到支援全球發展人工智慧技術的企業們，就必須放棄過去的追求大量產品的思維。畢竟，很多新創一開始很難會有大量訂單。據我所知，之前有很多矽谷新創廠商找上台灣的製造大廠，結果這些大廠因為沒有夠大的量，不肯接這樣的需求，結果這些矽谷新創就轉去跟中國深圳的華強北的廠商合作。
現在當年的矽谷新創廠商有些慢慢的成了氣候，但他們已經習慣了中國的合作廠商，而不想跟台灣拒絕它們的系統廠商合作了。台灣廠商其實一直都有彈性上的優勢，只是過去習慣於大規模代工，卻沒有把高度彈性的能力運用在小規模而更特製化的服務上，這是比較可惜的。
畢竟，現在需要大規模系統的，可以直接找 Google、 nVidia，而台灣企業如果沒有抓住大廠無法服務的潛在顧客，機會一過去就再也不會回來了。
這樣的作法，必須要跟發展人工智慧的客戶做深度合作，一起共創整個系統，這已經不只是單純的 ODM（Original Design Manufacture，原廠委託設計代工），而是與客戶深度結合，一起合作找出最佳的客製化做法。這樣，才有可能達成最佳效率且符合客戶需求的產品。
這其實也是台灣原有硬體強項的衍生，可以繼續在人工智慧與物聯網時代發揮台灣硬體的優勢，如果再培養出相對的人工智慧軟體廠商及物聯網前端產品廠商，整合成幾個不錯的利基領域的生態系，台灣的未來就非常有希望了。
