DIGITIMES Research观察，人工智能已由学界走进产业界，开发方案的选择将为企业AI应用发展的关键。近期AI产业发展重心为优化各式开发方案，诉求降低企业发展AI应用的门槛，利用生成对抗網絡(Generative Adversarial Network；GAN)、联合学习(Federated Learning；FL)、自动机器学习(AutoML)等技术与AI新创跨域方案，分别改善数据短缺、数据隐私疑虑、ML模型繁琐开发过程，以及大厂方案定制化程度不足等企业发展AI应用时所面临的挑战。
GAN借由生成模型与判别模型在相互对抗后生成新数据，有助于解决数据短缺的问题，也能强化AI自主学习的能力。联合学习又称联邦、联盟学习，借由分散式边缘运算架构、数据去中心化等特性，缓解数据隐私疑虑。
AutoML解决了过去ML训练模型费时的问题，也缓解AI人才不足困境。由于各产业对AI应用的定制化需求较高，目前AI产业链中上游科技大厂所推出的解决方案无法逐一满足企业需求，如何衔接落差造就AI新创业者商机。AI新创业者锁定特定垂直领域落地验证市场并累积实力，近来已朝提供跨领域解决方案发展，渐于AI产业链中上游与既有科技大厂产生竞争关系。
DIGITIMES Research认为，现阶段AI发展将以人机协作为主轴，接下来AI产业发展将围绕在生成技术、分散式架构及自动化流程等趋势，并随各式相关开发方案持续精进成熟，将推动AI技术普及，以协助企业加速发展各种智能应用。而伴随而来的AI道德隐忧、AI可解释性疑虑，以及新创业者与科技大厂间的竞合，值得后续追踪观察。
