智能硬件扩张为生态系

硬件产业如何扩张？怎样跨足到毛利相对高的软件或是新兴产业？这是台湾许多资通讯业所关心的议题。似乎不少人选择跨足到与本业不同的全新领域，但这是唯一做法吗？

人脸辨识—从理论到产品

似乎一夕爆发，最近许多国内外的企业都将「人脸辨识」列为主要的产品。这些公司横跨各种类型，包括芯片、软件、系统 、金融、交通、安全、服务等。显然目前人脸辨识的学术突破，已经可以落地为实际应用，并成为很多跨领域的公司极度看好的核心技术。前阵子在硅谷举办NVIDIA GTC 2019，我们也分享了如何产品化人脸辨识技术，之后收到很多工业界与会者非常正面而且热烈的评价。显然硅谷的产业链也十分在乎这项关键技术。

智能技术可以具有人类的视觉美感吗？

我们看到了智能技术在影像辨识、侦测上的突破，甚至落地为产品。很多人问，这些深度学习为核心的计算机视觉技术也可以具有人类的美感—具有评判、编修、甚至美学创作的能力吗？

智能生成模型的产业机会

智能技术长久以来大多专注在分析(如辨识、分类、侦测等)，但快速进展的深度学习技术，能因著使用情境而产生适切的内容，也在各方面产生令人惊艳的结果。如显示器、摄影的影像质量强化、自动内容制作、照片视讯编修、AR/VR内容生成、对话机器人等。这些生成内容横跨文字、影像(视讯)、音乐、语音，对于娱乐、安全、自动服务等产业，已经产生极大的变革，也预计会大大影响电子信息产品的技术走向。

AI + X：智能技术翻转产业生态系

近来看到某家硬件上市公司的股价起伏，肇因于市场猜测主要客户可能因为精进的影像智能技术让产品的镜头数量降低。此主要的核心技术为计算摄影（computational photography，计算机视觉技术的次领域），可以利用多颗镜头来提升拍照质量：如提高分辨率、低光拍摄、或是模拟出景深效果等。多颗镜头提供多样性的讯号来源，数量的多寡，取决于成本以及最终产品将展现的功能。

人工智能技术的下一波研发核心

人工智能(AI)技术发展陆续带来技术瓶颈的突破：如语音、视觉辨识、自驾车、机器人、自动影像生成等。同时也在这些新兴领域激发许多新的商业需求，如运算平台、传感器、大量存储器、储存设备等。我们更好奇，未来的技术发展会往哪里个脉络前进？

人脸辨识—深度卷积网络带来的突破

人脸辨识中，取出强健的有效特征值，即使在不一样的光源、拍摄时间、些微的表情、视角变化，仍能正确判断，是数十年来研究的挑战工作。而近来人脸辨识的稳定度可以提升到满足产业应用，在于两个主要因素：深度卷积网络的发展以及大量的人脸训练资料。

人脸辨识的技术环节

人脸辨识的核心问题，不管是人脸确认(face verification)或是人脸识别(face identification)，都必须在人脸上取出具有「辨别度」的特征值。

人脸辨识的核心问题与商机

随著摄影镜头的普及以及安全防护的需求，近来人脸辨识相关技术成为产业界关心的对象。搭配运算速度的提升、深度学习技术的突破、以及许多使用者端、企业端、政府端各种实质应用情境，也触发除了指纹、虹膜等生物特征辨识之外的产业机会。

对于技术革新，该是焦虑还是拥抱？

回顾人类科技的发展历史，每次的技术变革，都引起巨变、焦虑。但是1971年代开始的资通技术革命，其实台湾的产业界是很大的受益者。为什么？因为产业以及政策的配合，让我们可以快速的「拥抱」资通技术革命之后所带来的庞大商机。