來電辨識服務 Whoscall 在全球已突破 6,000 萬用戶，開發商 Gogolook 6 日宣布獲得台幣 3.45 億元投資，將利用龐大資料庫著手發展人工智慧與物聯網裝置。Gogolook 打造《Whoscall》應用程式，幫助 Android 與 iOS 用戶辨識未知來電並且封鎖騷擾電話，在全球突破 6,000 萬用戶，且其電話資料庫已擁有 10 億筆資料。根據 Google 統計，《Whoscall》連續 5 年蟬聯 Google Play 最受台灣人喜愛 App 排行榜前 5 名。Gogolook 宣布獲得台幣 3.45 億元投資，投資者均是在高科技與網路領域享有盛名的投資機構。新一輪資金將有助於 Gogolook 拓展台灣以及海外市場，並投入產品研發。Gogolook 致力於運用強大的資料庫發展人工智慧（Artificial Intelligence，AI），藉由用戶接收詐騙電話的大量數據分析、並模擬詐騙集團的手法來預防犯罪；此外，將會應用在物聯網（Internet of Things，IoT）裝置上，進而保護更多 Whoscall 用戶。Gogolook 共同創辦人暨執行長郭建甫表示，智慧型手機已相當普及，但手機最核心的通話功能，其相關的創新發展在近幾年並不多；社交軟體如《Facebook》、《LINE》、《WhatsApp》已大幅改變我們與親朋好友的溝通方式，但與陌生人的聯繫方式仍是電話。Whoscall 有能力以信賴為基礎，精準建立全球電話使用者與服務提供者之間的聯繫網路。Gogolook 將持續提供用戶最好的產品與使用者體驗，並在商業模式方面有更多嘗試。除了持續優化產品的使用者體驗，同時需要政府單位支持與電信產業共同協助，期許能為社會大眾創造一個「零詐騙環境」。（首圖來源：Gogolook）延伸閱讀： Whoscall 首推網購詐騙回報系統 一支電話就能宣傳生意！Whoscall Card 助商家抓住行動商機 Whoscall 全球突破 5 千萬下載，超過 2 倍台灣人口數...
在人工智慧（AI）技術持續進化之下，許多領域的發展都有了都有了長足的進步，面對無法人工檢查或處理的龐大資料，機器學習及深度學習便成了絕佳解決方法，Google 6 日特別分享了一些 Google Brain 在天文及生物醫學合作方面的成果，希望藉此讓大家體會到開源和數據的重要性。Google 台灣董事總經理簡立峰表示，在 NASA 的開放數據下，工程師也能夠對科學有所貢獻，基因組序列也是有著開放資料庫才能順利研究，而 Google 也在開發出運用深度學習的測序工具後便進行了開源，相信若許多科研領域若願意開放數據提供研究，各個產業的進步也將會更為快速。用機器學習辨識新行星美國太空總署（NASA）在 2009 年展開了克卜勒任務（Kepler mission），透過克卜勒太空望遠鏡的觀測及記錄，4 年期間總計蒐集逾 20 萬顆恆星、每顆恆星 7 萬次亮度的紀錄。在檢查超過 3 萬個望遠鏡收集的訊號後，科學家已經能夠認定其中約有 2,500 個是來自於行星，但這樣的人工檢查過程相當耗時，加上有些外在因素（如恆星上的斑點）導致訊號較弱的無法倚靠人工判讀，單以人力進行可說是相當吃力不討好。▲望遠鏡收集了許多訊號，無法全部都以人工檢查。（Source： Google ）而機器學習便在這時候派上用場，在與 NASA 的合作中，Google Brain 團隊將尋找行星的過程主要分成兩個階段，先是由電腦演算法找出潛在行星訊號後，再由天文學家判斷哪些訊號是來自真實的行星。為此 Google 特別運用通常用於圖像分類的卷積神經網路（CNN）建立了模型，再透過 15,000 個天文學家已人工標記的克卜勒訊號來訓練模型辨識。在經過訓練後，Google 的演算法在克卜勒資料庫中的 670 個恆星中，發現了新行星克卜勒「90 i」和克卜勒「80 g」。與人工判讀的不同，Google Brain 團隊提供給神經網路的主要是較弱的訊號，這些訊號由於較難判讀、存在行星的比例也較低，過去並不會將人工時間運用於此，但透過機器學習的模型大量篩選了訊號，天文學家只需要從少量訊號中進行判斷即可。▲ 上方為 Kepler-90 系統行星，下方則為太陽系行星。（Source：NASA）但機器學習在搜尋上仍有一些尚未能解決的問題。像是在有數個鄰近恆星的情況下，模型還無法辨別行星的訊號是來自何者，目前這點仍仰賴人工方式協助模型確認，團隊計畫未來將更新系統，加入位置資訊辨識，來達到下一個目標：運用模型辨識整個克卜勒資料庫中超過 20 萬顆恆星。深度學習與基因變體識別（Variant Calling）基因組測序技術在近幾年來相當火紅，透過捕獲遺傳密碼中的各項訊息，對於癌症標靶治療的療效、新生兒疾病的病因尋找都十分有幫助，而變體識別（Variant Calling）便是測序過程中相當重要的一環。雖然變體識別並無法預測變體是否會產生疾病，但透過找出「個體」和「參考基因組」間的差異，將能做為許多醫療及藥物開發的第一步，只是考量到人類基因組的龐大資料量，以及測序儀不完整且碎片化的讀取特性，變體識別仍在持續發展當中。▲ 變體識別。（Source： Google ）現有普遍的變體識別工具仍維持傳統的統計技術，仰賴大量人工參與，也因此需要花費專家多年時間進行，為了協助提高基因組測序準確性，Google Brain 團隊與 Verily Life Sciences 合作花了兩年多時間開發出 DeepVariant，透過深度學習大量省去了人工手調參數的時間。在將測序儀的數據編碼為圖像後，DeepVariant...
隨著人工智慧（AI）此波浪潮來襲，科技部已於去（106）年擬定 AI 科研戰略，全力布建 AI 研發的基礎環境，透過建構 AI 主機、AI 創新研究中心、半導體射月計畫、打造智慧機器人創新基地及科技大擂台 5 大推動方向，帶動產業投資與應用，以提升臺灣未來在 AI 領域的競爭力。 跨領域－強化跨域結合，激盪創新綜效 數位醫療（生命科學與工程技術結合，強化領先優勢）：建構在臺灣 ICT 產業的成熟與優勢技術基礎上，結合 AI 科技的醫學效能，跨域整合生技醫藥、前瞻醫材、半導體、電子工程及大數據等領域能量，發展 AI 臨床診斷與治療決策輔助系統、電子神經網絡訊號偵測與解譯、電子神經追蹤與治療裝置/藥物等醫療新科技產品，推動新一波創新數位醫療產業之浪潮。人文社會創新（人文連結科技，催生跨虛實火花）：人文的扎根源自對生活憧憬與文化創意，常常是從無到有的突破；而科技創新的力量則來自於科學研究與知識積累，是從一到無限的高速進展。科技部已與文化部攜手創造藝術家與科學家間的先期微型碰撞，獲得熱烈迴響，並透過實質的行動建立合作平台，期以漫畫科技競賽及文化科技論壇等活動，開展各項文化與科技的跨域無極限合作機會。未來科技部將更積極推動AI與人文社會相關議題的對話，除有關法律、心理、語言、哲學及管理等領域已經進行對談，並將以開放思維，納入文學、藝術、考古等多元面向的不同題材，透過豐富的人文社會素材汲取，發揮觸媒趨動的效果，與 AI 科技交流激盪出不同的火花，發展衍生改變未來的任何可能性。 跨部會－運用AI技術，推波轉型契機 科技部+農委會：合作推動「智慧農業」，將 AI 相關創新技術應用於農漁畜業，透過引導學研界扣合農業需求，使創新科研成果與 AI 實際應用於解決環境、耕種及保鮮的問題，建立安全便利農耕及漁、畜飼養環境，讓農業邁向智慧化，翻轉臺灣農業成為具國際競爭力之輸出產業。科技部+文化部+經濟部：共同推動「跨虛實科技人文計算平台」，以推進國內文化元素的科技應用研發，建置虛實混合 GPU 算圖平台基盤及提供服務，加速注入文化元素的科技應用研發。未來將建置全新跨虛實算圖平台，可支應多元高速運算，動畫特效、VR/AR、即時算圖等功能，期能達到「激勵產業導入數位創新」、「加速內容創新及數位創意產業發展」及「促進先進數位科技、文化科技與內容創新應用研發」等效益，未來除能滿足國內文化產業發展所需，並發展符合國際水準之標竿技術。科技部+經濟部：刻正規劃推動「AI 101計畫」，鼓勵廠商提出實際遇到且可藉由 AI 解決的問題，也同步將培訓之 AI 人才媒合至產業界，將學界 AI 相關研發成果導入業界，尋求具體解決方案。計畫除希望提供企業解決方案外，也能僱用蹲點之 AI 人才，達到人才培育和增進就業的目標。除了與上述部會合作外，科技部亦積極與其他部會結合，如與金管會共同推動「金融科技創新創業」，與交通部及環保署共同合作「民生公共物聯網計畫」，發展自製 AQI 氣體感測元件，以扶植相關新創產業。 跨產業－透過 AI 加值，啟動智慧生活 為打通 AI 軟、硬體的任督二脈，協助臺灣全新升級 AI 研發環境，科技部推動「建構雲端服務及大數據運算平台」，發展前瞻智能應用之軟硬體技術與服務，橋接產業應用。未來 AI 運算資源服務除了原有政府與學研界使用的 50% 外，另 50% 將提供創新產業應用推動，涵蓋面向從硬體的核心裝置（如晶片、雲端運算系統及終端硬體），加上演算法技術（如深度學習/機器學習、開發平台架構、語音或影像辨識，及大數據趨勢預測分析），最終將人工智慧應用到金融科技、智慧製造、智慧醫療/健康及智慧交通等，透過AI之加值讓產業及民眾生活具體改變。又如「國際產學聯盟」計畫，亦橫跨生技、綠能、材料、半導體、金融科技、智慧照顧、農業科技、航太科技、智慧製造等前瞻領域，未來更將籌組...
人工智慧正席捲整個醫療保健領域，許多新創公司的落地場景包括重大疾病預測、放射學和藥物開發等領域，美國 Paige.AI 則選擇從癌症診斷入手。癌症診斷技術研發商 Paige.AI 近日完成 2,500 萬美元 A 輪融資，曾投資過 Facebook、被譽為美國風投第一人的吉姆‧布雷耶（Jim Breyer）領投，數位匿名投資者跟投，包括一家位於加州門羅帕克的投資機構。儘管 Paige.AI 宣布融資時才同時宣布公司成立，但據華爾街日報報導，知情人士稱其 2017 年就已註冊。病理學是癌症診斷的基礎學科，然而大部分病理診斷仍靠傳統人工判斷。這種診斷方式用時長，且容易出現誤診。比如乳腺活檢，病理學家通常需要審查約 60 張病理影像，才能確定患者有無患病，每張影像都超過 2,000 萬畫素，資訊量極大，但只有幾張影像與患病區域真正相關。儘管病理影像數位化已有十餘年，但醫療機構並未形成一套完善的數位化診斷流程，這些數位化影像較難派上用場。▲ 病理影像示意圖。Paige.AI 則針對這過程研發相關人工智慧技術，讓癌症診斷能流程化，幫助醫生縮小影像範圍，提高診斷效率和準確度，並降低診斷成本。電腦科學家將利用人工智慧和臨床工作流程結合，分析已有的病理影像，對治療的機率模型、醫療方案和圖形辨識等問題進行計算。因此，病理學家可將大部分時間用於解讀已有資料並制定詳細的診療計畫，而不是看著影像一個個數細胞。Paige.AI 表示，目標是讓基礎醫學人工智慧化，讓病理學和診斷原則從定性轉向量化。短期內開發一系列癌症診療模組；長期來看，將人工智慧引入整個診療及治療模型。不過，人工智慧的訓練離不開大型資料庫。據 Paige.AI 近日發表的新聞稿，已和美國紀念史隆‧凱特琳癌症中心（Memorial Sloan Kettering Cancer）簽訂全面許可協定，獲得其計算病理學資料的獨家使用權。凱特琳癌症中心資料庫是世界上最大的腫瘤病理檔案庫之一，過去 5 年致力於將病理影像數位化，擁有 60 年份數百萬張病理影像。華爾街日報指出，目前凱特琳癌症中心是 Paige.AI 的唯一用戶，但公司之後會繼續尋求與其他癌症中心合作。現階段 Paige.AI 將專注乳腺癌、前列腺癌及其他主要癌症研究，並於 2018 年推出首個產品──病理影像瀏覽應用。這一應用獨立於裝置，除了提供病理學家應用模組，還能整合到實驗室資訊系統，進而在臨床工作流程達到無縫應用。團隊方面，Paige.AI 目前有 5 名員工，此後計劃利用部分融資擴充團隊。創始人及首席執行長 Thomas Fuch 為凱特琳癌症中心數位和計算病理中心主任、康奈爾大學威爾醫學院教授，曾任職葛蘭素史克藥廠和 NASA；病理學研究負責人 David Klimstra 有 30 年外科病理學診斷經驗；電腦科學家 Peter Schüffler 為瑞士蘇黎世聯邦理工學院博士，有十年機器學習、病理學、放射學相關經驗。總地來說，人工智慧在醫療方面的應用有 3 部分：輔助診斷、決策支援系統、手術支援系統，Paige.AI 專注前兩個部分。中國有騰訊投資的「覓影」主攻癌症早期診斷，阿里和萬里雲的「Doctor You」AI 系統和一脈陽光等主攻醫學影像診斷，雲知聲、科大訊飛、惠醫惠影等主攻語音病例診斷；國外還有 Grail、Freenome、沃森腫瘤（Watson for Oncology）等公司關注癌症診斷。（本文由 36Kr 授權轉載；圖片來源：Paige.AI）延伸閱讀： DeepMind 再強化醫療 AI 功能，可同時診斷 3 種常見眼部疾病 IBM 研究團隊用人工智慧預測精神疾病，準確率高達 83% 病理「數位化」，Proscia 用 AI 提升病理診斷精確度 每年消化 5 萬篇新研究，「華生」幫人類打贏抗癌戰
Google 官方部落格週三透露，智慧家居品牌 Nest 將重新加入 Google ，與 Google 的硬體團隊合作。此次回歸與 Google 近年不斷加碼智慧硬體有很大關係。Nest 聲明指，Google 2017 年對硬體的投資組合增加了一倍，2017 年銷售的智慧裝置比前兩年總和還多。越來越多人開始在生活中使用 Google Asistant。透過合作，Nest 與 Google 可將硬體、軟體和服務結合。據了解，Nest 現任 CEO Marwan Fawaz 將向 Google 硬體主管 Rick Osterloh 匯報，此次合併意味著 Google 的人工智慧技術，比如 Google Asistant，會更融入 Nest 的智慧家居產品。Nest 與 Google 的關係也經歷一番不小折騰。2014 年初，Google 以 32 億美元高價收購 Nest，當時引起智慧家居市場巨大的反應。Nest 旗下主要產品包括恆溫器和智慧煙霧探測器等。Google 當初出高價也是看中這家新創公司在智慧家居領域較早且成熟的專利布局。但一年後，Google 架構性重組。除了保留搜尋、地圖、YouTube、Android、廣告和應用業務，其餘業務改歸在母公司 Alphabet 旗下。Nest 隨後經過了產品爭鬥和 CEO 離職，同時 Google 更關注智慧家居產品，推出語音助手 Google Asistant 及智慧喇叭 Google Home，與亞馬遜 Echo 正面競爭。把 Nest 找回來是為了「超越 Nest 的使命」，聲明如此寫道，「透過合作，我們將繼續結合硬體、軟體和服務，創造更安全、更友好、更聰明的家。」Google CEO 桑德爾·皮蔡（Sundar Pichai）在第四季財報電話會議時也暗示了這點：自從我們的團隊緊密合作，已有良好的開端，今天我們很高興讓 Nest 成為 Google 投注硬體的重大組成部分。（本文由 36Kr 授權轉載；首圖來源：Nest）延伸閱讀： 快被人遺忘的 Nest，發表了一款高「智商」家用監控鏡頭 Cam IQ Nest 之亂：對 Google 的智慧家居、物聯網以及智慧硬體意味著什麼？
Apple 的 HomePod 產品開賣，將促使智慧音箱進入戰國時代，根據 TrendForce 旗下拓墣產業研究院指出，2018 年各智慧音箱產品的市占率排名，Amazon 儘管較 2017 年市占率 69.1% 下滑，仍獨占鰲頭，市占率達 50.8%，接續則為 Google Home 系列的 21.6%。Apple HomePod 今年的市占率預計將達 8.9%，此外，阿里巴巴與小米的智慧音箱產品市占率則分別為 6.3% 與 5.1% 。拓墣產業研究院分析師田智弘指出，智慧音箱市場除了既有的 Amazon、Google，Apple 加入之後， 智慧音箱市場預期將受到更多消費者的關注，加上包含小米、 阿里巴巴也都推出相關產品，進而帶動整體市場蓬勃發展。觀察智慧音箱市場發展趨勢，由於智慧音箱的本質是智慧家庭的接口，儘管有更多品牌廠商進入智慧音箱市場，但 Amazon 仍屹立不搖的關鍵在於生態圈已相當完備，就以美國市場來說，接入 Alexa 的應用服務超過 25, 000 個，加上多樣化產品與低廉的價格，讓消費者願意購買 Amazon Echo。另一方面，目前國際品牌推出的智慧音箱在語音辨識基礎上仍以英文為主，面對中國龐大的市場商機卻不得其門而入，雖然阿里巴巴與小米在 2017 年才進入這市場，但在語言屏障之下，阿里巴巴透過自主研發的人工智慧和雲端技術切入市場，小米則擁有廣大的硬體生態圈優勢，使他們能急起直追。此外，針對 Apple 推出智慧音箱 HomePod， 田智弘認為，儘管 HomePod 備受市場期待，仍面臨龍頭廠商的競爭和中國廠商急起直追，且 HomePod 存在以下 3 項不利因素：一為產品定位落差，HomePod 定位為家中的音樂家，與市場認知的智慧家庭接口並不相同；二是生態圈不夠開放，要跨入 Apple 生態圈的門檻相當高，使 HomePod 能對接的產品相當少，無法發揮原本智慧音箱的功用；最後則是功能與手機雷同，消費者同樣能用 Apple...
根據新創公司 Cardiogram 創辦人 Brandon Ballinger 最新的臨床研究發現，在確診之前，使用 Apple Watch 檢測罹患糖尿病的準確率可達 85%。在 2015 年，著名的佛萊明罕心臟研究（Framingham Heart Study）即發現，靜止心率與心率變化可用來預測糖尿病與高血壓；這也使得 Cardiogram 嘗試使用 Apple Watch 的心率感測器，看它是否能夠準確地檢測民眾是否罹患糖尿病。這項研究是 Cardiogram 與加州大學舊金山分校所合作的 DeepHeart 計畫的一部份，利用 14,000 名配戴 Apple Watch 的使用者所產生的心率數據進行 AI 分析，並且檢測出其中 462 名罹患糖尿病，研究結果已在本週由美國人工智慧協會（Association for the Advancement of Artificial Intelligence）所舉行的 AAAI 2018 大會上發表。根據國民健康署統計，台灣約有 200 多萬名糖尿病病友，而且以平均每年 25,000 名的速度持續增加，而且有年輕化的現象；糖尿病成為國人十大死因之一，每年有近萬人因糖尿病死亡，所以糖尿病及其所引發的併發症對於國人的健康不容小覷，在其他國家也有相同情況。如能透過日常檢測及早預防，將能幫助降低罹病的機會。過去 Cardiogram 的研究就使用 Apple Watch 來訓練該公司研發的類神經網路演算法，用以檢測多種病症，例如檢測出異常心率的準確率高達 97%、睡眠呼吸中止症（Sleep Apnea）達 90%、以及高血壓達 82%。 The...
中科管理局配合科技部計劃以 4 年（106-109年）10 億元打造國際旗艦型的智慧型機器人自造者基地，繼 106 年 10 月 25 日辦理「中科智慧機器人自造基地揭牌剪綵典禮」，於 107 年 2 月 9 日辦理「中科智慧機器人自造基地展示中心開幕活動」，基地展示空間正式啟用，該基地未來將擔任智慧機器人產業創新平台重任。今日參加開幕活動之貴賓，包括科技部陳良基部長、立法院蔡其昌副院長、張廖萬堅委員、科學工業園區公會沈國榮理事長、台中市經發局呂曜志局長、中科管理局陳銘煌局長、財團法人工業技術研究院胡竹生所長等貴賓與會，現場嘉賓雲集。會場並集結國內外優秀廠商展示 12 套機器人，包括：Nvidia 深度學習工作站、上銀公司六軸關節機器人、台達電公司插件作業機器人、勤堃公司六軸機械手臂、安川公司人機協作機器人、工研院安全皮膚機器手臂、鐿鈦科技 3D 脊椎手術導航系統、智高公司智能互動機器人及勵德機器人自動咖啡販賣機等多軸或人機協作機器人產品，展示中心未來將不定期更換展出智慧機器人相關產品，預計結合基地之 maker 及 co-working 空間功能，以及國內外新創團隊陸續進駐，將成為台灣重要之國際級智慧機器人產官學研交流平台。 科技部陳良基部長表示台中為智慧機械之都，大肚山沿線 60 公里範圍為精密機械產業聚集，結合年輕人無限創意，以中科「中科智慧機器人自造基地」為平台，將符合未來智慧機器人產業趨勢及年輕人與世界接軌之期待。「前瞻基礎建設計畫─數位建設」在中科、南科建置機器人基地，預期將成功培育 50 家新創公司、600 組團隊進駐使用、培育 4,000 名員工、產出 45 個機器人應用計畫及 30 組以上的關鍵技術或產品並創造 1,450 個就業機會等達成 6 大 KPI 指標。未來服務對象鎖定智慧型機器人製造者、新創團隊、園區廠商及工程師、高中職、大學院校研究中心等，透過中科、南科精密機械的產業優勢，再結合園區廠商及周邊科研機構，可望打造國際級的智慧型機器人基地，並吸引國際 AI大師前來參觀。 中科管理局陳銘煌局長表示管理局將全力達成部長所揭示之 6 大 KPI 指標。此外，基地自開幕以來，已展開國中小、高中職及大學系列訓練與競賽活動，今年將持續辦理各項訓練及競賽活動，並爭取辦理世界盃 FIRA 比賽。基地係開放式創新平台，結合智慧機械相關廠商共同注入研發能量，將能提供產業整體解決方案，成為強大智慧機械產業鏈並建立 AI 產業生態系。立法院蔡其昌副院長亦親自蒞臨現場，代表立法院全力支持中科之...
如果我們要修改圖片長寬比例，比方說把 4：3 的圖片拉寬成 16：9，最常遇到的問題就是比例失真讓圖片看了不太舒服（人物變得矮胖），然而 Seam Carving 圖像演算法可透過分析，剔除圖像中不重要的部分，讓主要人物或物品比例不受影響。變形或裁切的兩難筆者直接以下列範例，來說明改變圖片長寬比例會造成的問題。假設我們將原始比例為 4：3 的圖片，直接放到 16：9 的螢幕，就會發現左右兩側空間沒有內容。但將畫面拉伸至滿版的話，就會產生建築物比例失真；然而照比例放大的話，則會遇到建築物被裁切、無法顯示完整圖片。三菱電子研究實驗室（Mitsubishi Electric Research Labs）的 Shai Avidan、以色列 Interdisciplinary Center 學院的 Ariel Shamir 研發的 Seam Carving 圖像演算法，就能解決這個兩難問題。▲ 將 4：3 的圖片放到 16：9 螢幕，會讓左右兩側沒有內容。▲ 直接拉伸至滿版會讓比例錯誤。▲ 如果強制放大，則會讓圖中物件被裁切。▲ Seam Carving 可在改變圖片比例的過程中，避免影響物件比例。調整不明顯的區域來改變比例Seam Carving 圖像演算法的概念，是辨識圖片中哪些區域是重要物件，哪些區域改變比例後失真較輕微，程式就會透過拉伸或壓縮不明顯的區域，來達到改變比例的效果。實際應用時，程式會先邊緣偵測，產生圖片的能量分布圖（Energy Map），並分析這些數據，找出代表不重要的能量最低區域。接下來程式會根據改變比例為垂直或水平方向，由上到下或由左至右，透過演算法計算出每條「縫合線」權值，權值越高代表該縫合線上的像素越重要。有了這些數據後，程式會估算各種連接各縫合線的可能方式，找出累積最少能量的連接方式，並反覆計算，找出改變比例後，影響視覺最少的區域，最後就能透過「犧牲」這些區域，改變圖片的比例。Seam Carving 除了能調整比例，還能應用於其他圖像處理領域，舉例來說，要移除圖中物件，也能透過 Seam Carving 維持圖片視覺的一致性。▲ 左方為待處理的原始圖片，右方 3 格是演算法計算的能量分布。（Source：Seam Carving for Content-Aware Image Resizing）▲ 上方為利用 Seam Carving 處理，與下方一般方式處理相比，能降低許多改變比例造成的違和感。（Source：Seam Carving for Content-Aware Image Resizing）▲ 開發團隊也利用 Seam...
「鴻海集團已經 ready（準備好），我們要真正往智慧製造、大數據、人工智慧（AI）來做結合。」2 月 2 日，鴻海集團總裁郭台銘大動作開記者會，宣布 5 年內將投資新台幣 100 億元，成立 AI 應用實驗室，網羅全球人才。依照往例，郭台銘總習慣在農曆年前，對外揭示新年度發展重點。2017 年，他暢談美國製造，今年則定調鴻海轉型主軸：工業互聯網。「這是集團現在最重要的計畫，（鴻海）談大數據、AI 已經談很久了，但究竟該怎麼用？看起來工業互聯網是一個比較明確的方向。」一位鴻海內部人士透露。工業互聯網真的能讓鴻海再創高峰嗎？拚擺脫蘋果依賴症 轉型工程浩大，外資偏觀望當 AI 與大數據的趨勢越趨成熟，台積電董事長張忠謀已經定位未來 10 年公司成長動能就來自 AI，台積電股價因此從 2017 年 5 月上旬突破 200 元後，至今漲幅最高超過 31%。廣達也靠旗下轉投資雲達搭上雲端運算題材，轉型成品牌服務商。相較之下，鴻海 2017 年營收雖然創新高，未來性仍與蘋果緊密扣連。打從 2017 年 9 月 iPhone X 發表，傳出生產良率不佳、市場反應冷淡等消息後，導致鴻海股價近 5 個月下跌約兩成。今年 1 月下旬，外資甚至連續 6 天賣超鴻海股票。工業互聯網是什麼？為什麼外資對於郭董喊出的新動能，態度普遍保守？鴻海目前是全球最大的電子代工廠，擁有大量生產數據，這些數據經由處理、分析，便能讓機器自動學習，藉此提升良率與效率。等練兵完成，鴻海還能把整套解決方案賣給其他企業，改賺顧問財。國外如西門子（Siemens）、奇異（GE）都往此路線轉型。然而，工業互聯網因為是服務生意，和鴻海本業差異大，前景較難想像，「外界很難看清楚，他實際到底想怎麼做。」一位長期關注鴻海的法人直言。此外，國外案例已證明，這條路需要長期鋪陳。以德國西門子為例，為了從賣硬體變成智慧製造服務商，前後預計至少花 10 年，成果才逐漸顯現。過去 5 年，西門子股價大漲逾 47%，從 2013 年到 2017 年稅後淨利也增加了 40%。一位曾與郭台銘接觸、參與鴻海智慧製造專案的業者便觀察：「他很有危機感，常一下飛機就 call 廠商開會。對他來說，如果不趁鴻海有資源的時候轉，那還要等到什麼時候？」最大挑戰在內部 各自爬山文化，難互相整合長期而言，「由硬到軟」轉型，是大勢所趨，而且鴻海也是少數具備先天優勢的大廠。2 月 2 日記者會上，名列鴻海 AI 合作夥伴的新創公司 Synergies Intelligent System 創辦人張宗堯說，鴻海從零組件到組裝，連供應鏈金融（指提供供應鏈中的廠商金融服務）、物流都涉獵，累積的數據既多又全面，這些都是布局工業互聯網最好的基礎。然而，一位熟悉鴻海工業互聯網布局的業界人士則指出，鴻海要靠工業互聯網再創高峰，最大挑戰反而是鼓勵競爭的企業文化。「爭權奪利是好漢，開疆闢土真英雄。」2007 年，鴻海前一年營收剛破兆元大關，郭台銘為激勵員工士氣，在尾牙的舞台上掛起這幅對聯。長期以來，鴻海採行利潤中心制，各事業單位自負盈虧，員工獎金直接和業績表現連動，賞罰分明。如此做法，成功打造年營收逾 4 兆 7 千萬元的製造王國，每個次集團獨立出去，幾乎都是營收達數千億的大型企業。只是，工業互聯網要能發揮效益，跨部門得先互通，唯有整合各項生產數據，軟體和硬體製造的單位才可能合作。放眼全球，成功轉型的先例極少，何況鴻海未來是 12 個次集團要一起攜手，挑戰自然更大。例行動員大會因此延期 大規模組織再造年後明朗化「對鴻海來說，錢和技術都不是問題，最難的其實是整合，也就是該怎麼『落地』的問題。」該位業界人士說。現在，鴻海為全力轉型，除了將旗下負責雲端、網通業務的次集團切割出去，整合成「富士康工業互聯網」（簡稱 FII），準備到中國掛牌上市，剩下的 12 個次集團，也正展開組織改造。往年總是在尾牙前召開的 3 天動員大會，今年也因轉型牽涉事廣，至今尚未舉辦，將延到 2 月下旬舉行，各次集團的整併規畫，屆時才會逐漸明朗。鴻海沿襲 40 年的企業文化能否改變，將決定郭董這一仗的結果。但若最後仗打贏了，當這麼「硬」且龐大的集團都能轉身，對台灣電子製造業而言，無疑是極佳的激勵典範。（作者：康育萍；本文由 商業周刊 授權轉載；首圖為鴻海與華人界 AI 新創代表簽署合作協議。）