AI and Big Data Expo为全球十大AI展会之一，每年分别于北美、欧洲各举办一场国际大规模展会，主要展示企业人工智能、机器学习、信息安全、可信任AI、深度学习以及自然语言处理等创新产品与技术。从2017年举办首届展会开始，累计250名以上业界专家到场演讲，每场次均吸引7,000名以上专业人士与会。

2024年北美地区的AI and Big Data Expo，已于6月5日至6月6日在美国圣克拉拉会议中心举办，在两天的展会时间里，展示来自Google Cloud、IBM、Oracle、Dell Technologies等250多家参展商最前沿的人工智能技术。今年展会关键议题包括企业生成式AI采用策略、负责任AI、生成式AI对劳动力影响、运用AI推动数字转型等范畴。

台湾地区资策会日前举办【MIC大展直击】国际主要AI展会重点观测在线研讨会，透过MIC分析师现场直击与分享，提供产业人士在AI创新与未来发展方向上的参考。

展望未来：下一个十年之生成式AI进展

企业数据多属于时间序列数据，不一定非要使用大型语言模型才能分析或预测，使用善于处理时间序列数据的知识图谱技术，也能有效提供企业决策所需的分析。美国新创公司Ikigai在麻省理工学院长年以来的AI研究基础上，研发出具专利的大型图像模型（Large Graphical Model，LGM），善于分析结构化的表格与时间序列数据，将不同数据之间的复杂关系可视化。

台湾地区资策会产业情报研究所产业分析师杨淳安指出，大型语言模型（LLM）是基于Transformer 模型，以线性方式分析高维度数据，需大量训练数据集才能提供高质量的答案；而LGM则是超越线性结构，能按顺时间、逆时间、最大金额到最小金额的顺序等进行分析，稀疏的数据集也能提供精确分析。举例来说，LGM可透过销售趋势、社群媒体、广告支出和失业率分析各种资料，协助零售商准确预估季节性的劳动力需求，根据AI预测结果做出最适当的人员配置决策，例如A、B、C 商店需要增加50%的季节性员工而X、Y、Z 商店只需增加10%的员工。

Ikigai于2024年3月成立AI道德委员会，汇集资料科学、AI和道德算法、法律和国家安全领域等具有不同背景和经验的学者和企业家，旨在解决当今最急迫的生成式AI安全问题并提供指导方针，AI道德委员会每季召开一次会议讨论AI治理、资料最小化、保密性、合法性、准确性等重要议题，于会后发布组织应考虑的行动和后续步骤建议。今年在AI and Big Data Expo中发表主题演讲的Ikigai总裁Kamal Ahluwalia也预测，下一个十年的人才将有1/3被生成式AI替代、1/3成为与生成式AI协作、1/3则是出现新型态的人才与工作类型，像是AI提示工程师（Prompt Engineer）。

而总部位于美国加州的大型跨国金融服务公司Visa，在过去十年投入大量资金发展AI相关服务，随着生成式AI崛起，Visa技术发展蓝图结合分析型AI与生成式AI，也是今年AI and Big Data Expo的代表性参展商。

图1. Visa公司的AI发展策略

数据源：Visa，MIC整理，2024年6月

Visa将分析型AI+生成式AI应用于六项金融服务，其中，实时侦测诈欺活动是生成式AI重点发展项目，使用生成式AI能输入更多数据、模型训练速度更快，而检索增强生成技术（Retrieval-Augmented Generation，简称RAG）有助于强化诈欺侦测能力。在人才培育方面，Visa致力于培育人才的Copilot能力（透过寻找信息建立原创内容，并快速完成工作），以发挥生成式AI的最大效用。

由于Visa是大型的跨国金融服务公司，虽然积极采用生成式AI等新兴技术，但同时也相当关注风险与挑战，透过研究各国法规政策，制定Visa内部的AI原则，减缓生成式AI导致的道德伦理议题。Visa认为，确保算法是否公平且没有歧视、强化资安防护避免受到生成式AI导致的黑客攻击、相同的问题或Prompt应得到相同的答案、落实数据治理与监管措施以保护数据隐私，将成为生成式AI所带来四大风险与挑战。因此，Visa的生成式AI发展策略紧扣三大核心理念，运用生成式AI提升生产力的同时，也必须注意伴随的风险，以建立可信任AI为核心原则，发展安全可靠的数字金融服务。

AI向量数据是生成式AI生态系的重要关键

AI 向量检索（AI Vector Search）是基于语意检索（Semantic Search）的新兴检索技术，Vector是一连串称为「Dimensions」的数字，用来获取数据的关键特征，透过ML Embedding Model生成，主要用于相似度检索，可以帮助大型语言模型透过检索RAG技术，提供更准确且与上下文相关的结果，且无需管理和整合多个数据库。

杨淳安指出，若采用传统的向量数据库汇集企业各种形式的数据内容，容易产生数据过时、架构复杂等痛点；大型科技软件公司甲骨文（Oracle）今年展出在数据库方面的强项，透过LLM结合AI向量检索，能有效解决此痛点，实时检索出具领域知识的企业数据内容。AI向量检索搭配数据检索与生成功能的RAG技术，可望有效回答用户问题。

Oracle日前宣布推出23ai数据库服务（Oracle Database 23ai），是Oracle融合式数据库的最新版本，包含Oracle AI Vector Search 和超过 300个主要功能，着重于简化AI与数据的使用、加速应用程序开发及执行关键任务工作负载。使用生成式AI让用户以自然语言查询储存于Oracle数据库中的企业数据，将AI算法带到数据所在的位置，而不是将数据移至AI算法所在的位置，可在Oracle数据库中实时执行AI，大幅提升AI的有效性、效率和安全性，不论是否具备程序开发的基础都能使用，有助于提升企业内部所有人才的数字转型能力[1]。

一站式生成式的AI开发平台，解决人才不足痛点

Lightning AI公司前身是Grid.ai，后来因为发明用于训练AI模型的深度学习框架PyTorch Lightning，在AI开发领域受到好评而改名Lightning AI。自2019年以来，Lightning AI致力于提供训练、微调以及部署AI模型的开发平台，让用户无需担心基础设施、成本管理和其他技术问题。Lightning AI提供一站式生成式AI开发平台，提升模型的开发效率并降低成本，为企业解决开发AI模型会面临的人才不足与缺乏好用工具的痛点。

图2. 发明AI模型的深度学习框架的Lightning AI公司

数据源：Lightning AI ，MIC整理，2024年6月

根据Lightning AI的调查发现，企业在开发AI模型时，主要面临的痛点是缺乏AI人才、预算不足以及缺乏好用的开发工具，加上开发AI模型必须先建立基础设施，由于基础设施的技术架构过于复杂，导致容易产生配置错误的情形，造成企业在资源上的损失，为了解决上述痛点，Lightning AI将所有AI开发工作流程整合至Lightning AI Studio，从基础设施的设定、模型框架到部署都能一站式完成，成功缩短AI模型的训练时间。Lightning AI认为新型态AI人才并非要具备艰深的技术能力，而是能善用新兴工具进行开发与维运，Lightning AI藉由优化操作接口，提供更好用的AI模型开发工具，协助企业培育新型态的AI人才。

資料來源：

1. 2024/7/4~2024/7/18，【MIC大展直击】国际主要AI展会重点观测在线研讨会，杨淳安简报。

备注：

好消息～北美智权报有微信公众号了！ 《北美智权报》内容涵盖世界各国的知识产权新闻、重要的侵权诉讼案例分析、法规解析，以及产业与技术新知等等。 立即关注北美智权微信公众号→ NAIP_IPServices ～欢迎读者分享与转发～