智慧醫療 雲象科技 葉肇元
圖片來源 : 雲象科技 Facebook

【2分鐘看AI大事】新護國神山恐成醫療代工/誰將是半導體業新盟主?

AI 趨勢新聞精選
【2020/11/26〜2020/12/02】

⏩⏩ 我們將在電子報提供您更深入數據處理洞察,點擊連結訂閱:https://ai-blog.flow.tw/register

簡立峰:不能直接把AI當作商業模式

圖片來源 : 知勢、 人工智慧科技基金會 Flickr

知勢重點摘錄:

Appier 及愛卡拉董事簡立峰表示,「像AI這樣的高級軟體,不能直接當做是一種商業模式,那沒有未來,而且不落地。」

展望未來,他認為科技產業B2C 的商業模式將逐步轉向B2B,而商業模式將不再以某種科技來區分,而是SaaS(Software as a service,軟體即服務),客戶只要連網就能使用某種技術服務來解決自己的問題。

「台灣最大的優勢就是世界兩大強國對我們都很有興趣,這個地方怎麼可能落後?」簡立峰從全球發展的視野分析,台灣若是在各種壓力環伺下,找到獨特的定位與優勢,一定能夠走出別具價值的路,「不必再比大小,獨特才是我們的選擇。」


錯過這次,新護國神山就成醫療代工了!

圖片來源 : 雲象科技 Facebook

未來城市重點摘錄:

雲象科技執行長葉肇元為文指出,軟體建設的缺乏,是台灣醫療AI發展緩慢最重要的原因之一。目前為止,台灣食藥署僅核可了兩項醫療影像AI醫材產品,美國則已經有幾十樣;而台灣核可的這兩樣,在美國都已有前例,並非創新的產品。

就醫療AI的發展而言,台灣並沒有方便業界使用的資料庫,仍仰賴美國的資料庫。目前為止,台灣建置的生醫資料庫都是程度不等的災難,幾乎沒一個有商用價值。

目前台灣智慧醫療的發展,仍停留「ICT和醫療產業強強聯手」「利用台灣健保資料庫」等打高空式的談論,缺乏實際作戰策略。如果錯了這次機會,就只能發展智慧醫療代工產業了。


Google用AI幫助視障者參加馬拉松

影片來源 : Google Youtube

科技新報重點摘錄:

Project Guideline 是早期研究計畫,嘗試給予這些人更多獨立性。他們不需要靠人類導盲或導盲犬幫忙跑完全程。據 VentureBeat 報導,使用此系統,跑者需將 Android 手機與 Google 設計的腰帶綁在腰上。

如果跑者離線太遠,應用程式就會透過骨傳導耳機傳送訊號,播放讓人不舒服的雜訊。聲音是哪邊耳朵發出及聲音多大,都能讓跑者知道需移動的方向及離終點有多遠。


誰將是半導體行業的新盟主?

圖片來源 : 日經中文網

日經中文網重點摘錄:

全球半導體行業掀起了擴大企業規模的浪潮。2020年半導體企業的併購(M&A)累計金額創下歷史新高,圍繞這一行業的主導權爭奪,業務模式開始從「專注型」轉向「複合型」。

以往的主流業務模式是將資源集中到特定的優勢領域。而如今,半導體的開發中心已轉向物聯網(IoT)、AI、5G等數據通信和處理。

在IT系統日漸複雜的背景下,要提供有競爭力的商品和服務,重要的是將不同功能的半導體組合在一起。一位業內人士指出「要在一項技術上達到極限,必須進行中長期投資。併購基本上是以資金換時間」。


AI推動記憶體互連「演化」

EET TAIWAN重點摘錄:

為了滿足人工智慧(AI)和機器學習(ML)應用的需求,位置(location)這個詞越來越常被用來討論資料儲存之處,以及所採用的記憶體。不過,解決資料存放位置挑戰的工作不只是記憶體供應商的任務,其他與AI相關的業者也在記憶體互連解決方案上扮演重要角色──就算記憶體與運算之間的距離越來越近。

該文指出,過去仰賴的許多技巧和技術都不再適用,或者正在被慢慢淘汰。有極佳的機會讓我們思考新的體系架構,並在搬移資料的方式上進行創新。

從記憶體的角度來看,對於那些構建無法匹配晶片的AI模型設計工程師來說,下一步應該就會考慮HBM或GDDR。但是也有很多轉向採用3D堆疊,以嘗試獲得更大的頻寬,因為在晶片邊緣能搬移的資料量就是這麼有限。

AI晶片 AI數據

【2分鐘看AI大事】AI模型訓練要多少數據/未來AI技術的7大挑戰

台積電 TSMC

【2分鐘看AI大事】世界上最重要的地方在哪裡/訓練AI,究竟需要多少數據