方舟投資由美國女股神Catherine Wood所成立，管理數百億美元資產，每年皆會發布科技投資趨勢；該公司指出，2023年產業依舊面臨高度不確定性，需要新興科技來解決這些問題。

圖片來源 : shutterstock、達志影像

企業今年需在多變環境下尋找新投資機會

由有美國女股神之稱的Catherine Wood所成立的方舟投資(Ark Investment)在2023年1月發佈「2023年14大投資主題」（BIG IDEAS 2023），指出在破壞式創新的世界中，企業至少要注意5大面向，包含快速變革（RAPID PACE OF CHANGE）、高度不確定（UNCERTAINTY AND UNKNOWNS）、法規制衡（REGULATORY HURDLES）、政治變局（POLITICAL OR LEGAL PRESSURE）、以及競爭版圖挪移（COMPETITIVE LANDSCAPE），顯示當前企業面臨環境的變化與種類更加劇烈與多元，風險管理是當前所有業者皆會面臨到的議題，不論是守成或開拓，企業需一方面控制風險，一方面從這些變局中尋找新的投資機會，以在國際關係日益複雜下趨吉避凶。人工智慧、機器人、物流自動化、電動車、太空科技、區塊鏈等領域皆被方舟投資列為2023重點投資議題之一。

圖1. 方舟投資列出2023年數大投資趨勢

資料來源：方舟投資

生成式人工智慧為2023年技術發展亮點

生成式人工智慧（Generative AI）的熱潮從2022年底一路延伸至2023年。整體來說，生成式 AI 能運用在許多產業上，該技術的應用場景橫跨公司營運、客戶體驗、以及產品與服務的創新。譬如在汽車、航太、國防等產業開始嘗試以生成式 AI 來設計零組件即為一例。此外，生成式 AI 也能用於晶片製造，運用強化學習來優化半導體晶片設計，將產品開發生命週期時間從人類專家的數週縮短到生成式 AI 的數小時，其應用潛力遠超人類想像。生成式 AI 能夠在幾秒鐘內生成各種可閱讀文章，同時回應社群評論，使文章更具備說服力，這對各種產業皆造成影響；業者能使用 AI 模型生成的即時內容，除了文字生成圖像外，甚至連音檔、影片、3D 模型等都能生成，DALL-E、DALL-E 2、GLIDE 等模型都具備上述功能，這些模型稱為擴散型模型（Diffusion model）。

生成式 AI 能夠快速成長，主要是生成對抗網路（Generative Adversarial Network）、生成擴散模型（Diffusion Model）、基礎模型（Foundation Model）等深度學習技術的成熟，未來在元宇宙逐漸成熟後，企業能夠從使用者生成內容（User Generated Content，UGC）轉為人工智慧生成內容（AI Generated Content，AIGC）中尋找龐大商業行銷商機。

圖2. 人工智慧發展的訓練成本正逐漸下降

資料來源：方舟投資

部分科技業者已經利用這些模型強化自家產品服務，像是 Microsoft、AWS、Nvidia 推出軟體套件與開發框架，用以支援生成式 AI 模型開發和訓練；另外的做法是將這些模型套用到現有服務中，例如微軟投資 100 億美元在 Open AI 主要目的之一，就是將 Chat GPT-3 置入原有的 Azure，以及運用 DALL-E 2 來推出文字生成圖像軟體 Microsoft Designer。調研機構預測2013年會是Microsoft與Google在人工智慧上激烈競爭的一年，Google執行長計畫將旗下LaMDA技術建構自然語言模型，讓使用者能以更自然方式與其互動，同時將Google Lens、Google Shopping，以及Google翻譯整合至服務中，以抗衡Microsoft的Azure Open AI。人工智慧應用程式產品組合之戰正式開打。

機器人繼續在製造業引領風騷

方舟投資預計，製造機器人和3D列印在未來8年內將以每年約80%的速度成長，從2022年的 700億美元增至2030年的約 9 兆美元；同時根據國際調研機構Fortune Business Insights預測，全球機器人市場將從2020年的146億美元，到2028年將成長到311.3億美元。

製造業升級代表減員增效，在少子化趨勢發酵下，人工成本持續上升，相較之下，機器人價格越來越低。根據麥肯錫的調查，過去30年間，全球機器人的實際價格下降了50%。儘管對許多中小型企業而言，機器人的初始投資過高，且靈活性比不上人工，但對於規模化生產的企業，用工業機器人替代部分工人成爲現實的選擇。同時，協作型機器人在製造業的應用逐漸廣泛，與傳統工業機器人不同的是，協作型機器人能夠與員工直接近距離互動，經過安全評估後、無需額外設置安全護欄或改變現有的廠房佈局；即便缺乏程式設計經驗的操作人員，僅需透過稍微培訓便能透過直覺便捷的介面進行快速設置和操作，提升機器人的可用性(usability)。

中國是機器人運用最密集的國家之一，也是全球最大的機器人市場之一。根據國際機器人聯合會（International Federation of Robotics，IFR）調查指出，2021年工業機器人安裝密度最高的國家是南韓、新加坡和日本。中國儘管總量上仍有差距，但過去幾年成長相當快速，2018-2021年均裝機增速超過30%，2021年，中國工業機器人的新安裝量達26.8萬臺，爲全球最高，中國大陸安裝的新機械人數量與全球其他國家之和幾乎相當，並幾乎是整個歐洲及美洲工廠的兩倍。背後的原因是中國勞動力老化，而自動化是中國提高現有工人生產率的最可靠方式。在中國持續投資智慧製造的趨勢下，即便面臨外部環境衝擊與西方國家封鎖，機器人應該是達到「內循環」政策的關鍵因子。

物流自動化持續帶動全球產業智慧轉型

當前建立數位供應鏈已經是全球製造業管理階層積極開展的策略，希望企業在面對重大突發事件衝擊時，能夠藉由快速資源整合、供應鏈上中下游夥伴協作並彈性應對衝擊，促使企業能在短時間內迅速轉向其他替代方案；如移轉生產基地或尋找替代市場，將突發事件造成之風險降至最低，甚至快速恢復原先的營運狀態。在建立韌性供應鏈的過程中，「備援能力」更顯重要，所謂備援能力指企業透過即時反應機制，在遭遇衝擊時能夠自主分散生產、部署倉儲據點或預先尋找其他替代料源，同能夠快速計畫第二、第三個替代生產基地，透過智慧系統來整合物流、人流、資訊流、金流等項目，提升預測與反應能力。針對備援能力的條件而言，企業面對風險的回應速度應愈快愈好，例如建立供應鏈資訊串連機制，一旦風險發生，即可透過資訊共享在最短時間掌握風險，同時啟動相關避險措施。

圖3. 智慧物流能夠大幅降低運輸成本

資料來源：Business Insider

這樣的趨勢帶動了智慧物流需求，由於供應鏈的數位化與資訊交換的便利性，使得物流效率進一步提升，透過中上游的貨品掌握，物流業者能提前規劃運輸路線，因此，送貨無人機應是下個智慧物流的熱點。像是亞馬遜的 Prime Air 送貨無人機能夠在30 分鐘或更短時間內以低至 1.00 美元的價格將包裹從倉庫直接運送給客戶，採用無人機的物流業者將大幅減少卡車資本支出與衍生的費用，如維護成本、燃料、保險。在這樣的需求驅動下，如Deutsche Post DHL Group、Drone Delivery Canada、 DroneScan、 FedEx Corporation、 Flytrex Inc.、 Hardis Group、 Infinium Robotics、 Matternet、 PINC Solutions、 Amazon.com、以及 United Parcel Service of America等企業皆可能是受惠者。

當然，與無人機相關的資安問題和飛行續航力弱是目前送貨無人機的劣勢，此外，在「蜂群」無人機出現下，資安驗證必不可少，未來無人機可能都需要先送至資安聯合檢測實驗室檢測，從採購到使用，到後端資搜集處理皆須符合嚴格標準。

資料中心或成為科技業IT投資的創新來源

AI系統需要龐大的運算資源，而 AI 專用運算硬體可能主導模型的訓練與操作，同時促使業者投入下一代資料中心的建立。資料中心通常由數千台伺服器組成，需隨時冷卻才能高效運轉，加上當前晶片運算效率提升，須更強的冷卻方式。

事實上，資料中心的容量取決於伺服器的冷卻效果 — 伺服器堆疊得越緊密，佔地面積就越大，因此，高效冷卻是資料中心盈利能力的關鍵要素，冷卻約佔資料中心能耗的40%。傳統上多數資料中心都是使用「高架地板輸送加壓空氣」冷卻，雖然穩定，但能耗極高；當前較常見的是「機櫃式空調」，透過將變速風扇整合至同排機櫃中，使操作員能夠更精密的控制溫度與能耗。當前，許多企業正在嘗試沈浸式冷卻技術，將伺服器浸泡於冷卻率高的非導電液體，使液體降溫回流後再繼續吸收熱能，以提高能源效率。部分資料中心業者也善用機器學習來加速減碳流程，以Google為例，公司透過演算法，搭配Google Cloud的碳智慧運算平台彈性轉移運作負載，執行跨區域與時段的運算轉換，讓再生能源協助運算工作，資料中心的創新成為今年IT投資的亮點。

【本文僅反映專家作者意見，不代表本報立場。】

Facebook 在北美智權報粉絲團上追踪我們