從新創企業現狀觀察AI發展熱度

作者 : 黃燁鋒，EE Times China
2021-07-12

從人工智慧(AI)新創企業市場，以及類似Nvidia新創加速計畫(NVIDIA Inception)的專案，都可觀察AI技術或產業如今的發展熱度...

現在的很多生態締造者對於潛在生態的開發都十分在意：比如說及早深入教育市場，生態建設「從娃娃抓起」(編按：指從小開始)；再或者對新創企業的扶持或孵化計畫。這裡所謂的「生態締造者」的範圍可以很廣，比如雲端供應商、作業系統供應商、針對應用開發解決方案的供應商，以及各種硬體廠商等。

這些其實是吸引更多開發者，潛移默化中造成開發習慣、黏性的關鍵。《電子工程專輯》中國版(EE Times China)先前拜訪過微軟(Microsoft) Azure一批又一批的孵化企業；還有華為HarmonyOS當下對眾多新創企業的扶持……這類新創企業扶持項目都有著相當易於理解的商業邏輯，亦屬常規操作手段。

而在AI生態建構上頗具代表性的應該就是Nvidia，畢竟筆者之前也一直在提Nvidia在AI生態打造上的完備程度多高，這種生態對新創企業的扶持當然也是必不可少的。Nvidia新創加速計畫(NVIDIA Inception)進入中國是在2016年，這個計畫本身就在加速AI創業公司發展。從AI新創企業市場，以及類似Nvidia新創加速計畫這樣的專案，都可觀察AI技術或產業如今的發展熱度。

AI市場這兩年的新機遇

截至去年底，這項計畫在全球範圍內覆蓋了超過7,000家AI新創公司，去年一年加入Nvidia新創加速計畫的公司數量較上一年多出了25%。從Nvidia的總結來看，新冠肺炎疫情可能很大程度推動了該計畫。之前Nvidia業務開發VP Jeff Herbst曾提過：「2020年一場全球性質的瘟疫攪動了經濟發展。但新創生態系統卻在此期間一度繁榮，這很可能不是巧合。」

這些AI新創企業，依照類別來看主要包括了IT服務、醫療健康、媒體與娛樂。看起來是完全符合預期，就如同疫情期間全球的PC和資料中心市場發展受到刺激一樣，這恰好也是Nvidia業務發展的重點。可以說，疫情雖然短時間內造成了停工停產，但Nvidia可能是這波行情下獲得最大發展機會的企業之一。

數位生活方式的轉變促成了很多領域的快速發展，包括在家辦公、遠端醫療、家庭娛樂等。隨Nvidia大趨勢本身的利多，以及大環境的影響，去年加入Nvidia新創加速計畫的新創企業的一大部分都在這些類別中。

在中國市場上，該計畫去年扶持的企業超過800家。這個數字也極大程度說明了AI在中國發展的繁榮。換句話說，全球25%的成長量也可間接表現出，新冠疫情的蔓延客觀上也推動了AI的發展，而且不止於醫療健康。

AI新創投資市場現狀

Nvidia新創加速計畫可認為是觀察AI新創企業，乃至整個AI產業發展的冰山一角。CB Insights先前公佈了一份AI 100榜單，列出100家AI新創企業——而且據說是從超過6,000家企業中選出來的。這份榜單涵蓋了跨18個核心產業的各種解決方案，這個數字其實已蠻驚人。這份榜單總結了這些年來AI新創公司獲得的融資金額、最具代表性的產業類別，以及有不少企業處在A輪融資階段。其中12家是獨角獸，而在地理位置分佈中，64%位於美國，8家位於英國，6家在中國和以色列等。

針對這個市場有一些更細緻的資料可以列舉。以前不久微軟豪擲197億美元收購Nuance為代表，目前美國最大的5家科技公司中，有4家大量收購了AI新創企業。其中蘋果(Apple)最多，收購次數達到了29次——這也是CB Insights前不久才更新的資料。僅今年一季，全球與AI新創企業相關的交易(如收購、兼併等)次數就達到了626次，交易金額大約是177億美元。與去年相比，2020年整年的資料是354億，這其中的增量還是相當可觀的。有投資機構認為，預期今年針對AI相關的企業交易量會是去年的2~3倍，這種持續活躍和加速的趨勢仍相當明確。

很多機構針對企業所作的統計也顯示，企業對於AI產品的採用計畫正在增加，或者說更多的企業在數位化轉型過程中準備應用AI。Signal AI針對1,000位C級高層的統計顯示，92%認為自家企業需要依靠AI技術來提升決策制定流程。GTC 2021上，Nvidia共同創辦人暨執行長黃仁勳針對Nvidia發佈的AI for Enterprise特別提到：「我們將AI擴展到企業的邊緣。我們相信企業產業邊緣將會是AI產生巨大影響的地方，包括醫療健康、倉儲物流、生產製造、零售、農業、交通。AI還沒有觸達這些產業，但現在不同了。」

所以從投資方和需求方兩個方面來看，AI新創企業相關的投資都在持續擴大。不過這一現象可能與其他熱門領域的發展具有極高的相關性。比如推行SaaS的企業如今受到格外的關注——而這些企業普遍將AI作為企業產品的一部分。所以AI成為某些正在快速成長中的市場的組成部分受到追捧，本身也是AI成長的原因。達成全球AI交易金額的新記錄，可能會在今年持續發生；今年截至目前交易輪次也仍然表現出了熱度。

這其中有一點轉變，是近一年才發生。亦即去年很多企業對於AI的接受度仍然不高——AI之前的存在更像是一種行銷手法：即告訴客戶和投資人，產品中有AI技術才能獲得青睞；而現階段逐漸在轉變至用AI來更實際地解決現實問題的階段發展，或者不需要再去反覆解釋究竟為什麼要接受AI。AI也變得越來越平常，這也是大部分技術走向成熟的必由之路。雖然從投資風向來看，這個市場遠未及成熟，Nvidia在此時持續做針對AI新創企業的新創加速計畫投入，還是相當好的時機。

兩個新創加速計畫示例

與此同時，Nvidia新創加速計畫在客觀上也是降低產業進入門檻的一種方式，所以該計畫本身又在推動AI產業發展。從這個層面來看，這一市場行為與Nvidia本身在技術上進行生態建構還是一脈相承。

對於加入計畫的AI新創企業而言，該計畫提供的支援主要包括幾點：Nvidia的部分產品折扣、AI技術支援(包括Nvidia深度學習學院DLI線上自主培訓課程免費兌換200次)、Nvidia管道的市場推廣(如在GTC大會上給予展示、演講等的機會)、融資服務、業務推薦等，也就是從技術和市場兩方面提供一些基礎支援。除了免費加入的新創企業，計畫中另設有高階會員(設定要求包括至少完成A輪融資或已產生業務收入等)有更多的支援，比如開發者關係支持、更多市場推廣等。

這些服務和支援，基本也顯示了當代新創企業扶持計畫的常規，大方向上也符合AI新創風向的趨勢。這裡列舉兩個加入Nvidia新創加速計畫的新創企業的例子，大致可從中體會此類新創扶持計畫的價值。

中國有家名為心咚科技的企業，主要業務方向是將AI技術融入到時尚、服飾產業。這家公司產品的核心，包括了物理引擎和數位面料中心：設計師藉由心咚科技的產品，可以將現實中的實物面料和服飾，虛擬地呈現出來。這其實很類似於「原型產品」、「設計驗證」，虛擬產品因此能做到「零廢棄物製造」。市面上大多數現有的3D服裝設計軟體都只是視覺模擬，而沒有工業級高精準度物理模擬所需的運算結果。

所以心咚科技採用Nvidia的GPU及互連等方案，實現了高效能運算(HPC)應用，完成對複雜光線追蹤、視覺化運算工作負載的處理，以虛擬的方式完成從選擇面料、成衣設計、審稿、打版到生產過程。心咚科技本身是Nvidia新創加速計畫會員，這個例子也顯示AI相關技術新創企業借助Nvidia的資源、支援和平台，能夠加速應用實踐和延展。

再舉個例子，美國有家新創企業Zippin，他們的產品針對零售店購物可實現自動結帳，這個過程主要是對消費者購買的零食、飲料等進行影像辨識。顧客在支援Zippin系統的店內買東西之後就可以離開，app會保留收據，追蹤消費記錄後收費(app或信用卡支付)。這個專案的市場契機，主要來自國外很多體育館、娛樂場所重開，Zippin自動結帳無人商店不需要排隊就能買東西。

Zippin如今的業務擴展似乎還頗順利，其商店數量在穩步增加，包括一些大型體育場館和零售連鎖店；而且擴展到了美國以外，包括巴西、俄羅斯、日本。這套「自動結帳」系統相關AI的核心部分，應該是商品的影像辨識，並且結合更多感測器實現位置、重量辨識等。不僅是顧客買了什麼，也在於商店本身的庫存管理自動化，Zippin用的是Nvidia Jetson在終端進行模型推理。

Zippin聯合創始人兼首席科學家Motilal Agrawal在談加入新創加速計畫時提到，「Nvidia新創加速計畫團隊與我們見面、借給Zippin第一個NVIDIA GPU並針對我們的應用提供關於Nvidia SDK的指導。」
這兩個例子都是在Nvidia新創加速計畫扶持下，業務得以擴大影響力或開展落地的典型。Nvidia在其官網列舉的實例還有不少，本身也算是對這些企業的市場宣傳途徑之一，可能不同參與者受惠於新創加速計畫的體驗是不同的：Nvidia自己列舉的案例中，有家AI醫療影像手術導航機器人相關新創企業，相當推崇Nvidia深度學習學院DLI 的培訓課程，包括部分課程後Nvidia頒發的一些認證證書。如前面所述，Nvidia深度學習學院DLI線上自主培訓課程也是Nvidia新創加速計畫的重要組成部分，這類課程對於AI新創企業的養成具備相當的價值。

無論是免費的自主培訓課程，還是Nvidia GPU產品折扣、AI技術支援、市場推廣、融資服務、業務推薦，這些Nvidia新創加速計畫的組成部分。對AI新創企業快速入門和進階AI開發、加速產品上市，以及對於Nvidia本身培養AI生態有其價值。

正如本文一開頭所述，這種潛在開發生態與習慣的培養，是大部分生態締造者佈局生態時的必要行為。AI新創企業市場如此火熱，是Nvidia開展新創加速計畫的契機。與此同時，這類計畫本身又在促進AI整個產業往前發展，也是推動AI產業現階段百花齊放、迸發AI創意的起點。

資料來源：https://www.eettaiwan.com/20210712nt61-ai-development-from-the-dynamics-of-new-venture/?fbclid=IwAR1AVhpCZaFFqeTnmgvW7ZoTBBv48gtKEMsxZa4u4i_BDryyVfKnQcYLQ40

【513停電啟示】強化電網韌性與風險管理是關鍵（張簡樂仁／成功大學電機系教授）（05/15/2021 蘋果日報）

論者表示，我們更需要重新以「電網韌性」與「風險管理機制」的角度，來彌補電網因應事故能力的不足。

作者：張簡樂仁／成功大學電機系教授

513停電事故，波及全台逾400萬戶，從居家用戶、大賣場、店家等都深刻體會到停電的不便，更有不少地方因停電導致交通大打結。經濟部15日公布調查結果，初判原因是台電人員操作失誤所此停電過程中，亦可看出電力系統遭逢片段的外力干擾，就造成全台大範圍的停電，凸顯我國「電網韌性」與「風險管理機制」不足。

在究責的同時，更重要是要痛定思痛，加強我國電網可機動因應外在環境變化的韌性，才有利於供電穩定。

電力系統是一個動態的系統，隨著用電趨勢及供電機組狀態而變化，從發電、輸電、配電的每個環節都不能出問題，才能確保供電穩定，用戶才能享受電為生活帶來的舒適及便捷。

但要確保一個擁有千萬具設備的電力系統能穩定運轉何其不易，電力設備的故障，外力的侵擾，都可能讓供電出現問題，為了把損害降到最低，電力系統自有一套保護機制。在電源側透過備轉容量，電網側倚賴特殊保護系統，都可應付內在及外在環境帶來的挑戰。

然而，當電網遭受的衝擊太大，上述的保護機制不足以及時舒緩其衝擊，只好暫時犧牲部分用電戶的用電權益，以計畫性輪流停電的方式減低電力系統的負荷以穩定系統，爭取時間盡力排除障礙，逐步讓電網運作恢復正常。過去2017年發生的大潭電廠因天然氣源中斷而造成整廠跳機（815事件），乃至於前日因路北超高壓變電所的匯流排因人員操作失誤造成興達電廠跳機事故（513事件），都有著類似的情況。

這些案例告訴我們，電網中存在著隱藏性的系統風險，而這風險可能大到整個系統的前衛保護不足以應付。過去815事件時政府曾邀集電力專家學者為台灣的電力系統作全盤性的檢視，也看出了許多台電系統現在及未來可能遭遇的問題，根據總體檢報告顯示，電網韌性不足是未來可能造成大停電的隱憂。

所謂「電網韌性」，指的是電網可因應內外變化仍能穩定地供電給用戶的能力。為了因應發電、輸電、配電等不同層面可能帶來的衝擊，在發電端就要增加電源運用的彈性，如擴增可快速啟停、快速變化出力的天然氣機組，增加儲能設備的建置，在輸電端要有能及時了解電網狀態的監視系統、自動化投切保護設備、以及因應設備故障的備援系統，在配電端要能掌握用電戶的即時資訊，強化需求面管理，引進先進的資通訊系統來擴大需量反應，以迅速平衡發電及輸電短缺的量能。

從過去大規模的停電經驗中，我們可以發現這些事故決不是單一事件可以引發，皆是在許多不利的環境及條件下碰巧一起發生，這些條件的共通性都與大環境有關。不管是近日的513事件，還是今年年初美國德州因冰風暴所發生的大規模停電事故，皆可看到極端氣候所帶來的影響。

要電網能抵禦大型天災的衝擊而完好無缺是不可能的，即使勉強做得到也要付出龐大的代價，因此先進國家的做法是為電網可能遭受天災衝擊時預作準備，當非預期事故發生時能盡力維持關鍵基礎設施正常運作，而讓被迫切離系統的負載盡速復電，這也是增強電網韌性的一環。強化電網韌性及可靠度已是國際間電業的顯學，亦被世界各國列為未來電網建設重要的政策方向，這樣的思維確實值得臺灣主管機關借鏡參考。

除了增強電網韌性及可靠度外，事前的未雨綢繆也相當重要，孫子兵法所謂： 「無恃其不來，恃吾有以待也。」即是做好電網風險管理的最佳註腳。電力公司可以透過大數據分析預測結果，歸納出各種災害對電網發生衝擊的嚴重程度，找出隱藏的弱點，以提前進行相對應的電力設備投資。

例如因應未來運轉環境可能的變化，以風險或然率彈性調整重要設施維修排程，並根據電力關鍵設施的健康程度，滾動式檢討相關零組件更新的必要性。另外，可明確訂出風險控制的標準作業流程（SOP），於災害發生造成斷電時，讓運轉人員立即反應，照預先所設定的程序確實執行，明確公布停電與復電的優先順序，優先將民眾的恐慌與生活不便降到最低，並縮短斷電時間。

一國的電力穩定攸關民生福祉與社會經濟發展，不應該一昧的要求供給端，更不要去誤導「缺電」的錯誤觀念。513大停電事故，曝露出我國電網隱藏性的脆弱，顯示我國電網韌性的不足。在事件發生後的一片撻伐聲中，不應該只是單純檢討肇事者的責任。我們更需要重新以「電網韌性」與「風險管理機制」的角度，來彌補電網因應事故能力的不足，如此才是真正「以不變應萬變」達到電力穩定及永續發展的關鍵。

完整內容請見：
https://tw.appledaily.com/forum/20210515/SHQQ4YHLWBFPDJ6S3F6X2PIJII

♡

在空間系統中使用人工智能：任務改善的機會

2020年3月4日
由柏拉圖重新發布

從分析火星上的地形到增強衛星之間的通信 在地面通信中，人工智能（AI）在太空作戰和探索中發揮著越來越重要的作用。 它具有眾多應用程序的功能，並有望為數據豐富且複雜的空間環境提供廣闊的前景。

例如，許多開展太空業務的組織都認識到AI能夠快速，準確地執行複雜任務並增強決策能力。 在整個太空領域採用AI可以幫助提高任務效率和應變能力。

此外，當今的太空環境擁擠，複雜且充滿爭議，而戰鬥領域已不再是美國或相關太空資產的庇護所。 人工智能有潛力顯著提高領域意識，指揮和控制決策，並提高衛星及其連接網絡的彈性。

但是，為了使這些潛在的進步發揮其全部潛力，我們必須加強AI技術的安全性並信任AI技術。 考慮由AI生成的有助於人類決策的分析。 指揮官和操作員可以相信這些分析背後的算法是 客觀地制定，有適當的數據，沒有偏見？ 他們是否可以確定所使用的數據沒有被破壞或操縱？ 對手？ 這些是需要回答的重要問題，以確保 當生命和關鍵任務資產面臨風險時。

以下是使用AI加強關鍵太空任務的方法的示例，以及用戶信任此技術所需的內容。

利用人工智能提高對空間領域的認識

空間變得越來越擁擠。 今天繞地球運轉的行星超過2,600個 衛星超過 34,000對象 10厘米或更大的空間，以及超過900,000塊1到10厘米之間的空間碎片。 它們都以不同的軌道，不同的平面和不同的速度運動。 清楚地了解這種複雜的環境是在太空中安全運行和保護太空資產的重要第一步。

是物體空間碎片還是機動衛星？ 它的p是多少路徑，它的功能是什麼？” 人工智能在多個層面上運作，以幫助運營商回答此類問題並做出適當回應.

首先，組織可以使用可用數據和AI系統生成已知和觀測到的地球軌道物體的綜合目錄。 相同的AI系統可以連續監視和評估碰撞的可能性，並在風險增加的情況下警告衛星和航天器操作員。

這樣的情況可能會發生。 一旦運營商借助其“空間目錄”確定了一顆處於危險之中的衛星，人工智能就可以幫助他們確定保護該衛星的最佳行動方案。 這樣的AI /機器學習系統會將傳統的建模和仿真與深度學習網絡和碰撞避免算法相結合，以快速生成一系列避開空間物體的潛在動作。

在像地球一樣的太空中，每種潛在的迴避策略都帶有各種利弊，以及相互關聯的影響。 例如，一種行動方針可以減少燃料支出以及運營影響。 另一種可能是幫助運營商“向前看”，以最大程度地減少下游干擾或碰撞。

組織可以對AI /機器學習系統進行編程，以根據與當前任務最相關的標準提出最合適的迴避策略。 然後，用戶（“圈中的人”）可以使用他們的判斷力和任務知識在選項中進行選擇，並執行最適當的操作，以使寶貴的太空資產免受傷害。

在時間敏感的情況下，這種AI /機器學習系統將在幾分鐘內提供推薦的解決方案，而傳統方法則需要數小時或數天。 在當今日益擁擠的太空環境中，這就是AI增強領域意識並減少代價高昂的碰撞的力量。

利用AI加速命令和控制決策

人工智能具有巨大潛力的另一個領域是指揮與控制決策，尤其是在資產受到威脅而反應時間很短的情況下。

考慮一個場景，運營商必須保護太空資產免受直接上升的反衛星（ASAT）攻擊。 在這種情況下，操作員可能只有幾分鐘的時間來決定要做什麼。 人工智能和數據分析將以前不可能完成的任務付諸實現：幫助決策者有效分析大量數據並迅速採取一系列可能的行動。

AI系統吸收ASAT軌跡數據以識別可能的目標。 然後，它迅速制定了多種行動方案，其中可能包括機動，對策或參與進攻或防禦活動。 該系統使用機器學習，在考慮到相互關聯的後果和下游影響的情況下，篩選了許多可能的行動方案。 然後，操作員和指揮官會及時獲得優化選擇的菜單，從而加快指揮和控制決策的製定速度，並在關鍵任務情況下加強太空防禦能力。

通過機器學習增強彈性 和自動化

為了響應全球通信和數據傳輸的商業需求，衛星星座和連接它們的網絡正在變得越來越大，越來越複雜。 這些網絡也越來越容易受到日益複雜的動力學和非動力學威脅的攻擊。

通過將AI應用於太空系統，運營商可以減輕這些威脅，並使太空網絡和星座更具有彈性。 組織可以使用AI快速掃描數據以識別網絡漏洞。 然後，他們可以應用AI算法來“修復”或自適應，以確保網絡中的所有節點都重新連接。 組織還可以將自我學習算法嵌入到衛星本身中，以使它們在失去與地面運營商之間的上行鏈路和下行鏈路通信時，更加自給自足並具有更大的彈性。

此外，人工智能可以自動監視衛星的“健康狀況”，解決異常情況以及執行針對威脅的防禦措施。 在衛星本身上自動執行此類任務可以加快這些動作的速度，並使操作員自由地專注於更複雜，關鍵任務的工作。

通過算法開發和操作員培訓建立信任

與在太空或其他地方應用新技術一樣，安全性和信任對於採用和有效性至關重要。 人工智能的安全性始於人工智能算法的發展。 組織必須確保用於訓練算法的數據的譜系，確保在盡可能少的偏差的情況下開發算法，並在整個軟件開發過程和數據存儲中保持安全性。

此外，擁有太空資產和系統的組織將需要對操作員進行AI和機器學習方面的培訓，其中包括對AI系統的構建和設計的理解。 運營商還必須全面了解其AI驅動解決方案的功能和局限性。 只有通過全面的培訓和教育，以及實施安全的流程，操作員和決策者才能充分信任AI系統，以使用它們來增強其任務。

總之

隨著空間環境的迅速發展和新用戶，新功能以及日益複雜的威脅的擴散，阻止和捍衛我們的空間資產已成為國家安全的當務之急，也是一項更為複雜的任務。 通過提高空間領域意識，加快指揮和控制決策，使衛星及其網絡更具彈性，以及更多，人工智能解決方案為保護，改進和增強太空任務並幫助美國維持太空主導地位提供了變革性的機會。 但是，要實現AI的巨大希望，我們還必須確保安全開發和維護AI系統，並確保指揮官和操作員具有接受這種變革性技術所需的培訓和知識。

資料來源：https://zephyrnet.com/zh-TW/%E9%81%B8%E6%93%87%E5%9C%A8%E7%A9%BA%E9%96%93%E7%B3%BB%E7%B5%B1%E4%B8%AD%E4%BD%BF%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BE%86%E6%94%B9%E5%96%84%E4%BB%BB%E5%8B%99/