全球生成式AI技術發展趨向，牽動著許多產業環境的變遷，其中為不同產業創造新應用及新價值顯而易見。資策會產業情報研究所（MIC）第36屆MIC FORUM Spring《開擘》研討會，今（11）日發布生成式AI趨勢觀測，以資服產業應用為主軸，探討整體技術與台廠商機，也關注AI生成內容（AIGC）影響內容產業、生成式AI應用於智慧醫療等熱門議題。

大模型資料量倍增關鍵為採用生成式預訓練，此仰賴大量資料訓練模型。 （source：MIC）

觀察整體AI投資市場，2022年AI投資金額較2021年下滑34%，但生成式AI投資卻逆勢成長，隨著生成式AI應用逐漸普及，預期將會帶動2023年全球生成式AI投資突破百億美元。

生成式AI仰賴由資料與算力構成底層基礎架構，往上疊加深度學習演算法，建構出生成式AI模型。資策會MIC產業分析師楊淳安表示，生成式AI技術演進的兩大趨勢，一是「垂直領域專用模型將蓬勃發展」，現階段技術發展以通用大模型為主，然而僅有少數廠商有能力開發所需要的算力資源、後續模型推論營運，因此垂直領域適合發展小型專用模型，可觀察到已出現降低參數的專用模型；二是「多模態將成為通用與專用模型基本配備」，語言與圖像的模型皆朝向多模態技術發展，未來無論是通用（GPT-4、PaLM-E）或專用（Gen 2、DALL·E 2）模型，多模態都將成為基本配備之一。

楊淳安指出，生成式AI需要大量資料與算力，促進雲端服務、資料庫、晶片等軟硬體產品的需求與創新，為不同產業提供新興應用與商業模式，形成生成式AI生態系。台灣資通訊業者可發展生成式AI三大模式：一、使用開源資源開發通用模型，提供通用大型語言模型API串接或顧問服務；二、使用開源資源開發專用模型進行客製化設計，開發專用模型；三、可串接國際廠商API，微調模型後提供垂直領域應用服務。

對於台灣雲端產業在生成式AI的潮流下的發展機會，華碩雲端暨台智雲總經理吳漢章提及，生成式AI從運用在學術研究及軍用技術，已趨向商用，然而生成式AI需要以GPU為算力核心的AIHPC，在全球25座商用AIHPC中，台灣有一座台灣杉二號AI超級電腦，可見商用客戶真正能使用到的AIHPC算力有限。台灣杉二號是台灣自主技術的建力，現今台智雲團隊已在台灣杉二號實踐GPT3同級的大語言模型，他表示以次世代AI超算技術為基礎，更可信賴與更開放的AI Foundry模式，結合全球商用資源，以期讓運算門檻降低，使用更順暢，以建立更多應用落地的機會。

ChatGPT掀起AI 2.0浪潮，但不論哪種應用基本前提在於需要大運算資源、大AI 模型及大量數據，不論是智能客服與導購、金融投資理財或健康醫療等領域及場景的應用，他認為生成式AI將為眾多產業增加生產力，以及創造實際的商用新價值。