NVIDIA創辦人黃仁勳：在AI時代，台灣有機會和軟體弱項說「再見」！|數位時代 BusinessNext

NVIDIA GTC Taiwan大會今(26)日登場，NVIDIA創辦人暨執行長黃仁勳發表演說後也與台灣媒體見面。黃仁勳指出，在全球的競爭中，台灣在人工智慧領域發展的確有點慢，但現在開始並不算太晚，他還指出，台灣雖然在軟體領域不強，還是有很好的發展機會。這是什麼意思呢？

人工智慧的時代，將不用再寫程式

黃仁勳形容人工智慧是一種「自動化的自動化」（automation of automation），大量降低人力需求與成本，帶來更好的生活品質。

「人工智慧不是讓電腦工程更複雜，而是更簡單。」懂軟體的人並不多，但每個人幾乎都懂得如何教導他人或小孩一樣學習新事物，這和教導人工智慧如何寫程式的本質是雷同的。

在人工智慧的時代，將不用再寫程式了，因為人類會訓練電腦寫程式，也因此台灣有機會和軟體這個弱項說「再見了」！

黃仁勳說，「外界一直認為人工智慧是軟體密集式（Software-intensive），這看法並不正確。」

在人工智慧時代，最重要的是使用者需求洞察與產品願景，台灣不要認為自己在軟體領域發展不強就遲疑不前，相反地，台灣要趕快跳進來，政府需趕緊建置好基礎設施與各類工具，讓各行各業參與其中。

黃仁勳指出，美國和中國是人工智慧強國沒錯，但台灣的科技發展潛能和加拿大與英國等國比較之下，也還有不錯表現，雖然台灣小，但只要找到利基點，還是有貢獻的機會。這也是為什麼新加坡、韓國與德國等國，傾全國之力發展人工智慧。

台灣在Edge AI與Industry AI都有發展機會

此外，也有不少專家認為，台灣在AI發展上最具優勢的是終端AI（Edge AI）而非雲端AI(Cloud AI)。另外，在NVIDIA與台灣的多項合作中，有一項即為科技部投入40億資金推動為期4年的「AI半導體射月計畫」，該計畫的重心也是在終端AI。

那麼黃仁勳是否也認為台灣在Edge AI 比 Cloud AI 有更多的發展機會呢？對此黃仁勳表示不認同。

黃仁勳指出，在Cloud AI領域，的確具有規模巨大的資料中心、人工智慧專家與使用者數據的網際網路服務商佔有優勢。

但「人工智慧不會結束在這裡（Cloud AI），僅是由此開始」。下一個階段的人工智慧會移往產業人工智慧(industry AI)，滲透交通、物流與製造等各種產業。

舉例來說，台灣的公司如台積電使用深度學習做智慧製造、鴻海利用深度學習做視覺檢測與品質管理。

黃仁勳也認同台灣在終端AI有很好的發展機會，終端意指在地，而雲端意指全球，終端人工智慧的商機是很在地的（local）。每個人的終端產品都不一樣，美國公司很難控制台灣的終端服務。而在終端領域，需要各式各樣的人工智慧晶片，這是台灣的機會。

攜手科技部培育人才，推展深度學習應用

黃仁勳強調科技部與NVIDIA深度學習機構將在未來4年培訓3000位開發人員，協助他們將深度學習技術運用在智慧製造、物聯網、智慧城市以及醫療等領域。

去年成立的深度學習機構為開發人員、資料科學家和研究人員提供實作的訓練課程，包括網路實驗室與講師帶領實作的研討課程，教導如何使用開放原始碼框架與NVIDIA GPU 加速深度學習平台。

NVIDIA在國內推動Inception計畫，協助科技部建立青年科技創新創業基地，全力幫助本地AI新創公司成長。NVIDIA 的 Inception計畫是一個集結 AI 與深度學習新創公司的重要據點，除了提供硬體設備與行銷的協助，同時也引領他們進入範疇更大的NVIDIA 深度學習產業體系。

NVIDIA 將支持由科技部主導的海外人才培訓計畫，為博士後研究生提供高階實習生計畫。

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。