最近因為廣達、緯創、仁寶等公司都像是一路開掛連續漲停，所以整個朋友圈都在討論要不要進場 AI。在開始討論該不該衝 AI 股之前，我們來先研究一下「市場週期脈絡與邏輯思辨」。
市場供需的脈絡
首先，我們要先瞭解供需市場。雖說供或需有時候確實是因為看到了一個特別有趣或有幫助的產品，「感覺」像是先從供給出發，後來才吸引到需求的存在。
但實際上，是因為這些產品項目的發起人（下簡稱創業家），本身具備足夠對於「未來需求」的想像力，而在他們的想像力中的未來，你或是他們的客戶會在「那個未來」對這項目很有需求的。
只是這個未來，先從創業家本人最先看到而賭身家，再來看到的就是一級市場（創投、私募基金），最後看到的是公開市場（二級市場，如：台灣上市板、上櫃板、興櫃板）。
從創業家到二級市場的這段路中，大家所看到的需求慢慢的從夢變成實際的訂單並轉化成財報的整個過程。而整個過程的最核心，就是那個從夢開始的「需求」，供給只是在描述需求是如何被滿足的。
需求，以 Tesla 特斯拉為例
電動車在他的想像就是一個透過自動駕駛來提高人民的生活水準（牽車、停車費時費力）及車子的利用率，並同時對整個世界的環境有顯著貢獻（減少廢氣污染）。
一個有著美好空氣的地球以及不用開車就可以從家裡到目的地的工具，其實是一個很夢幻的「需求」，只是平時離我們太遠，我們老百姓連想都不敢想（沒辦法想像能被「供給」）。
所以這項目的起步，最初是沒什麼人相信會在這個20年內發生，然而馬斯克卻從 Roadster 跑車當作第一台電動車來進攻市場，讓這群有錢、對形象在乎或有理想的人來買單。
當然過程中解決了非常多困難的問題，例如鋰電池原無法有足夠大的容量來當作汽車的能源，透過馬斯克的第一性原理（First principle thinking）來解決了，簡單來說就是一大顆電池變成一堆小顆電池的組成，就不會有容量的問題。
再來就是自動駕駛，2014 年特斯拉發佈了第一台自動駕駛電動車 Model S，在當時已經有了影像辨識 AI、邊緣運算電腦，但尚未應用在行走中的汽車上，而特斯拉也是在這兩個技術上，不僅提高電腦的運算規格，更是招聘一堆 AI 工程師來優化行走中的影像辨識技術，雖說過程中有些自撞的意外消息，但最終也成為世界目前自動駕駛技術最領先的科技公司。
言而總之，就是夢幻的需求是未來、是先被產生的，再來跟上的才是供給，只是在供給慢慢的跟上同時，實際的需求才會慢慢被放大。
回顧生活中的 AI
最初我們老百姓感受到 AI 的存在，是在 Siri 問式的時候，而現在我們感受到的是聰明版的 ChatGPT ，我把這段過程攤出來看：
- 2011年 - Siri：生活助手，可以透過語音或文字，讓 iPhone 替你做一些簡單的事
- 2014年 - 智慧家庭（Smart Home）：如 Apple Homekit，可協助我們更方便的透過如 Siri 來管理家裡的裝置，這些裝置實際上只是智慧化並非 AI，只有 Siri 那段才是 AI，裝置頂多為智慧化
- 2014年 - 特斯拉自動駕駛：車子上的電腦會自己幫你開往目的地
- 2022年 - Midjourney：生成式 AI，透過文字描述可幫你產出創意的圖片或相片
- 2022年 - ChatGPT：生成式 AI，幫你回答問題、寫寫文案、翻譯文案，並可同時支援多國語言的辨識與生成，就像是你的大腦或是助理一樣，透過機器人來幫你「思考」
- 2022年 - Whisper：精準地將語音轉成文字，並可同時支援多國語言的辨識
AI 在各產業上的應用
從 2022年開始的這兩年間，有非常多是跟平民老百姓有關、或是比較近的應用問世，但其實還有更多是用在產業上的應用。
順序上也是先從產業本身開始，最終才會變成終端消費品供給至老百姓手上，其中包括：
- 工業領域：如常聽到的智慧工廠。像是台積電在製程或檢測晶圓上會用到影像及數據辨識；Amazon 在物流上會用搬運機器人來移貨；Tesla 在製造電動車的產線會用到具有影像及數據辨識的機械手臂等等都是
- 醫療領域：常用影像辨識來判讀如 X 光、核磁共振等醫療中所產出的影像檔，或是抽血後的血液成分，再用數據辨識來協助醫生判斷病兆
- 教育領域：如最近很紅的 Toko 英語學習 App，他用如 GPT 加 Whisper 的語音辨識整合功能，讓學生可以隨時隨地跟機器人練習對話
- 法律領域：常說法律是保障懂法律的人，現在透過如 GPT 法律版，就可以讓老百姓也可以用很低成本的方式取得服務
- 資安領域：常見的防毒軟體、作業系統廠商（Windows/MacOS/Android/iOS），為了保護系統安全，常使用數據辨識 AI 來判斷惡意軟體、勒索軟體、木馬、駭客等系統攻擊
- 交通領域：最融入老百姓的生活就是停車場的車牌辨識；再來就是從國道、一般道路的攝影機中，交通部（政府）透過影像辨識來判斷車流負載或是事故發生，進而提早進行分流管制；特斯拉也算是交通領域的 AI，未來汽車中的 AI 會跟 (1) 其他 AI 車、(2) 交通部 AI、(3) 停車場 AI 整合，以致於有更大躍進、更便利的服務問世
- 商業領域：最早還沒到 AI 領域都是使用商業智慧 BI（Business Intelligence），而商業基本上跟股票一樣，有太多的參數是無法辨識或是預測的，所以至今能結合的 AI，多半也都是為了減少工作流程的成本，提高產能或降低錯誤率而使用。像是廣告或設計公司透過 Midjourney 及 GPT 來製作商用圖文；企業在行政上所用到的公文用 GPT 來產製；在會議上所需要的會議記錄透過 Whisper 及 GPT 等語音辨識來自動撰寫
- 金融領域：線上開戶常會請你上傳身分證加拍照，而拍照的部分常透過影像辨識的 AI ，協助照會的工作人員判斷你是否為真人與本人
AI 扮演人的各種器官與交互整合
結論
從以前的一般人工智慧（AI）到現在的通用型人工智慧（AGI），兩者差異的白話就是 AGI 「比較像人」，所以老百姓有感；而 AI 就像是器官，例如扮演人類眼睛的影像辨識，服務單個功能需求。
所以跟我有什麼關係？
有的，因為老百姓有感，股市的情緒就會有感，更重要的是老百姓的量體之大，背後代表需求強勁下，哪些供給是匹配需求且有搞頭的，就是我們下篇要來分享的重點，本篇僅先幫大家 Recap AI 的供需脈絡。
