2019 年時，當討論到 AI 議題，還是一項艱深難懂的新興技術。
而如今，AI 已經從科幻世界的技術發展成「常態應用」，學界、產業、政府都已經多多少少在應用 AI技術，討論議題轉換成深入至自動駕駛、AIoT、工業 4.0 或是再生能源管理技術等等的實際應用領域。

其實 AI 技術帶來最大的便利和進步，就是過往只能透過如價格等純數字的數據去預測，而 AI 能抓取文件、影響等，甚至直接分析產業報告，讓產出的預測更加完善與全面。

而台灣有一陣子興起預測維修的需求，實際上做的時候有很多困難點，不只是技術導入的問題，尤其是要配合生產時程和機臺人員，例如良率預測，每條生產線的參數都設定一樣的，但是生產的效率、產能卻不同，可能需要長期追蹤和尋找才有辦法精準預測。

除了台灣很興旺的製造業之外，金融業對導入 AI 技術也十分有興趣，尤其是保險產業，導入比重最高，需求也最殷切。

生技醫療、醫療健康照護產業，也有很多AI的可能性，包含常聽到的影像類如 CT 判讀應用、訊號類的如心電圖、腦波和肢體動作的應用，還有比較特別的是用AI來了解人的偏見，應用於人文倫理如器官捐贈判斷、建議等等，協助大眾找到最適性的決策方向。

案例說明：顯微鏡底下細菌的判讀

益生菌於製程當中，需要去看細菌的繁殖狀況是否符合需求，目前仍是以人工判讀，耗時耗力，而 AI 導入可以以合格益生菌的特殊特徵，協助判斷進而加速整體製成並減少重複性高的人力。

此外，除了一般消費者所需要的益生菌之外，養殖業等需要水質控制的場域也需要益生菌，這個場域其實也可以去運用 AI 技術，首先運用在使用益生菌改善水質、讓水質、養殖業的需求能被達到，再結合 AI 技術的辨識軟體和輔助器材去驗證水質是否真正改善、或是養殖生物的生存、活動狀況的辨識、觀察。

大部分的企業在乎的點不外乎效率不高或是成本過大的狀況，所以簡化流程會是很普遍的一大應用需求，那學研團隊在與業界合作時，關鍵要去了解企業的痛點和實際上能應用的情境。

以下分享醫療健康類型的產學合作，需要注意的關鍵點，其實生技醫療健康等產業，想配合科研技術，實際落地到醫療場域，能令使用者安心、信服是非常重要的一點。

在醫療健康領域下，科技需要非常重視以人為本，科技是在這個架構下去輔佐，才能讓科技順利導入、落地，加上豐富的實驗、驗證場域驗證，配上真實世界的大數據，也才有辦法讓 AI 應用更安全安心，才有可能真正走路市場。

其實在 AI 生技醫療健康領域的產學合作十分耗時，不太可能一兩年就蹦出解方，而且最困難的點其實並不只是技術本位。

團隊其實要從真正有價值的需求去 shaping 、定義出研究方向，此外如何找策略合作夥伴去做 prove of concept 和 prototyping 、專利、法規申請等等的部分，其實也是學研團隊不太了解，很容易遇到瓶頸的階段，技術依然很重要，但是在若要跟企業合作，就必須要更接近真實市場，有許多超過技術本位所需要知道的事情，所以讓學研團隊有以上 mindset 是很關鍵的。

其實學研在和企業合作時，不只是學研團隊這方有不清楚的地方，常常產業、企業也不了解學研團隊能做到哪裡，加上通常企業有盈利需求，很在乎要投入多少資源、投入多久才能看到成效?這是學研團隊和企業接洽或是談合作時，可以事先考量的關鍵點。

此外，產業的需求常常也很廣大，不確定自己的問題能被用什麼方式解決，其實有的需求甚至不需要用到 AI 技術，用統計就夠解決。或是有的產業問題暫時還無法運用 AI 技術解決，例如最常見的就是企業資料不夠，沒有成熟的歷史數據訓練 AI 。

給學研團隊的建議﹔
學術上很厲害的技術或是model，不一定能提供最好的解法，而解得很好也不一定能夠完美落地，對於企業來說，需要基於成本等各種經營面的綜合考量，所以如果想與企業合作，需要非常清楚對方的需求，才有辦法對症下藥，而能治好病的就是最好的藥，部一定要是最高級的藥材。

除了創投之外，還有什麼渠道可以支持團隊一～兩年內所需要耗費的人力、製程等費用？
依照自己團隊和產品特性去挑選適合的資金取得方式，會是更適合的思考方向。

除了創投之外，資金還可以從親友投資、貸款、政府補助等管道來，其次要考量的點還有回收比率高低，創投投資通常最在意的就是回收比率和回收時間，例如創投願意投資，但是要求團隊在三年之內，能產生七倍的營收成長，這樣的性質是否適合 AI 研究計畫或是 AI 新創？這些都需要審慎考量！

其實對於學研團隊來說，政府單位的補助計畫是很好的資金來源，舉例生技醫療類型的補助方案，常見的有以下幾個計畫：

團隊若仍在研究計劃中，還沒成立公司之前，就可以拿到幾千萬的資金規模是不小的幫助，不過這個規模是否足夠讓團隊去開設公司或是營運，依然很看研究、投入性質，有的研究所需要的設備和資源非常昂貴。

而對於 AI 新創來說，產業也可以多找學校產學處合作，也會相對容易申請到以上的補助。

此外，無論是對於企業 AI 新創還是團隊來說，都可以考慮「企業創投」這個選項，相對會比較有機會成功。所謂企業創投就是，由擁有自己開發的 AI solutions 去迎合企業當前的痛點，協助有資金的大企業成功轉型，例如傳統染織業，面臨越來越少年輕學徒，難以傳承染布技術的困境，這時候新創團隊提出導入 AI 技術幫助染布去做精準染色，一方面提升營運效率，一方面又用技術解決了傳統產業在意的傳承問題，這時候企業當然願意投資你來為他提供解方。

如果綜合考量後，你的團隊最適合的方法是創投，也分享一些尋求創投挹注資金的觀察：
依據觀察，創投在考量投資時，比起 project-base 的新創，會更偏好投資 product-base 的新創，因爲產品開發到一個階段，更有利於在市場上銷售，但是 AI 領域的新創，通常很難變成完全標準化的產品，需要一些客製化，所以一開始更偏向以 project-base 模式經營事業體，在與傳統 VC 溝通時，就容易產生一些 gap 需要去互相理解彼此的思維和狀態。

其實創投非常好，但是太早期的計畫和新創，在台灣市場幾乎沒有機會，頂多爭取 A 輪，若是目標為國外市場，機會會更多！

希望創投能投資自己的團隊，一定要記得去發想應用場景，舉金融保險業為例，從保險公司的立場思考，客戶提出理賠申請時，保險公司內部的審核過程流程耗時又煩瑣冗長，但是基於各種考量又不得不層層把關，所以保險公司希望能有solutions提升效率又把關品質，這時候提出可以應用於「一鍵理賠」的技術，直接解決保險公司最在意的問題之一，保險公司就高機率會買單投資。

尋求投資本身其實有兩個面向，除了錢之外，另一部分就是資源的支持，非常推薦新創或是學研團隊尋找合適的策略合作夥伴，這對於成立初期會有很大的幫助。

不管研究人員、老師希望團隊未來是 spin-off 出去成立公司，還是 spin-in，抑或是完整產品技術轉移，一開始通常是以策略合作夥伴開啟新的合作關係和彼此熟悉、嘗試。
舉例來說，A單位可能是我們團隊的製造商、通路商等，合作一陣子之後，對方來投資我們團隊，希望我們可以有更緊密的連結關係，成為A單位的關鍵技術提供者等，這樣的合作關係比起純粹找創投，能有比較合理、平等的合作關係，通常也能更利於組織的發展。

最後，也希望給大家一個很重要的mindset，在創業之中，錢絕對是一個問題，但是錢也不會是唯一的問題。建議要根據自己的目標，選擇最適合自己的方式去尋求資金來源

用科技甚至回溯到運用工具，其實是人類的本能，新興科技會造成負面的狀態，同時也會帶來正面的影響，但是工具本身是中性的，關鍵在於我們怎麼去運用它。如同諾貝爾獎的起源，身為炸藥發明者的諾貝爾，取得眾多科研成果，卻沒有想到它在不同的使用方法下，為世界帶來了去大的傷害，帶著對世界的愧疚與抱歉，立下成立諾貝爾獎像的遺囑，希望能促進人類推進和回饋社會。
其實針對人工智慧的發展上， 推薦大家去參考科技部公布的 「人工智慧科研發展指引」，在科技發展的過程中，涉及層面十分廣闊，希望能提供經濟、社會和民眾在實際使用層面都有一個提醒，也不要忘記以人為本的初衷。

舉一個醫療開發上的案例， 只要實驗進到醫療場域，與人和動物有關係，都需要經過人體試驗倫理委員會（IRB） 這關，其實這一關與研究好不好沒有太大的關係，主要是要了解是否會牽扯到人的生命以及權益上的危害，但是這些有一定框架機制下的科研實驗，能同時保障人和動物的權益，也能讓科學有很大的進步，但相對地，人體試驗也可能牽扯利益，例如希特勒人體實驗。

使用者端一體兩面的部分，如近期熱們事件 AI Deepfake，我想真正要禁止的是人的行為，而不是中性的技術本身，我們認為在科技飛速發展的同時，其實要盡早做出符合人本、人文思考的長期教育以及宣導，包含批判性思考、判斷等內容，這並不是純然科技可以做到的。