AIoT的投資聯想力（AI+AIoT 概論：寫給大學生看的AI通識學習）

本書介紹了人工智慧、機器學習及深度學習，可以讓門外漢在不需要任何數學基礎的情況下，得以一窺AI的歷史、技術原理、應用、侷限等重要議題，並介紹在各個領域的典型應用（人文與法律、醫療、金融、行銷零售、工業、農業等）。本篇只介紹「AIoT的投資聯想力」。

真正賣得好的產品或服務，通常需要考慮三大構面，技術、商業模式，以及客戶體驗：技術要能做得到，商業模式要能讓公司賺到錢，客戶體驗好才會買單，三者缺一不可。

所以，要在AI上有成功的產品或服務，不是只要有好的技術就好，要以領域專業知識出發，結合數據，選出適合的組合，才能用人工智慧建立適合的模型，以針對客戶的痛點及需求提供好的價值主張，然後提供好的服務，讓客戶擁有好的體驗。

提到技術，在AI時代，數據為王。而在應用時就要考慮到使用什麼樣數據建模？這些數據的來源是什麼？怎麼得到？特別在各種產業中，需要使用感測器來獲取真實世界的數據，例如我們常見的數位監視器的攝影數據、所在空間的溫濕度、智慧手錶量測到的生理數據、智慧工廠的機器震動狀況數據…等等。而使用到感測層的感測器獲取數據，然後在雲端平台層的伺服器使用AI分析，這就是AIoT的系統做法。

而數據需要實體設備內的感測器收集，數據分析後決定採取的行動也需要實體設備真正作用，實體層就是用來表示終端的實體設備；而實體層與平台層中間的網路數據傳輸透過網路層；而應用方式則在應用層設定。如下：

1. 應用層：智慧綠建築、智慧車載、智慧教育、智慧生活、智慧節能、智彗物流…。
2. 平台層：雲端計算、網路管理、大數據分析、機器學習…。
3. 網路層：無線接收器、基地台、交換器、路由器…。
4. 感知層：感知技術（溫度、氣體、壓力…）、辨識技術（圖片、文字、條碼…）、多媒體技術（影像、聲音、人物…）。
5. 實體層：家庭用品、生活用品、交通載具、醫療器材、學習介面、基礎設施…。

以上就是代表AIoT的五層架構，也是參與AI生態系廠商的合作架構。換句話說，這不是一家公司可以全部只靠自己做完的，必須要整個生態系的相關價值鏈的公司一起跨領域的協作來提供。而企業如何跟其他生態系的成員一起合作，發揮自己在生態系中的價值，則是其中成功的要素。

例如，亞馬遜的Amazon Go：客戶進零售商店的門口，首先要打開智慧型手機App，此App呈現了Prime會員的QR Code，刷此QR Code進入店鋪。然後選購物品則是在店中把東西從架上拿下來，這時虛擬系統就會把此物品新增到購物籃內清單上。

而放回去這物品到原架上，就會從購物籃清單移除。當最後消費者離開實體店時，系統會直接就購物籃清單上有哪些購買物品來進行扣款，這就像在網路上對購物籃結帳扣款一樣。其整個AIoT流程架構表，如下：

Amazon Go的系統目的在提高客戶體驗：透過讓消費者快速通過結帳區的結帳流程，以及消費者在店內行為被感測器（主要是數位攝影機）收集到的數據，結合其他的數據做分析，以協助消費者的精準行銷，促使消費者買更多的產品或服務。

結語

我記得在投資課堂上，曾有學員問過我，是否需要瞭解一些產業知識？我回答是：「以前我覺得學會評估股票就夠用了，但後來發覺還是有必要。」

為什麼呢？因為我曾在廣播節目受訪時提到，2022年我剛好有看到一則韓媒的新聞：當時三星旗下的先進封裝部門，提出擴廠計畫的需求，卻被總公司回絕。原因是旗下的晶圖代工部門，目前3奈米只有一家中國大陸的客戶。

反觀，我們的台積電，3奈米製程卻有一堆客戶等著排隊。所以，我猜想將來的先進封裝商機，應該都會落入台廠手中。於是我在2022年就先佈局買進日月光、京元電、台星科、閎康。而我會選擇那些股票，也是我對半導體產業有一些的瞭解。

再加上，每家公司總會遇到低潮，我之前就是對產業瞭解不多的情況下，常將不錯的股票給換掉了。

而我今天會截錄這篇文章，主要是想告訴大家：將來AI應用會很廣，且受惠的往往不只有單一廠商，而是所有參與AI生態系的廠商。所以多瞭解AIoT的產業生態發展，對將來的選股會很有幫助。

剛好今年2024年的投資研討會，我會跟大家聊聊「AIoT的應用與商機」，並分享我觀察到的洞見。而目前投資研討會還未額滿，所以想參加的，還可報名。謝謝！

有關書籍的介紹，請參考：作者、出版社、內容簡介

更多的理財書目，請參考：汪汪書架的書–理財書籍