Frost & Sullivan在超過數百個技術中，依據智慧財產權、募資、市場潛力、主流趨勢影響、區域性的技術採用潛力、對經濟的衝擊、技術顛覆性與技術群集的演進等指標中，挑選出九大類領域中，最值得注意的50種科技。 
此報告論述九大領域發展趨勢，並依據2018-2019年的募資金額與2017-2019年的專利件數，自九大領域50種科技中，挑選出5項最具科技發展潛力的技術，本文將摘述相關內容，以及其中一項技術-深度神經網絡資料。此外，報告亦利用對產業的經濟衝擊與市場發展潛能選出4項最具市場吸引力的技術，相關內容請見下篇文章。

一、九大領域重要發展趨勢：

(一)資訊通訊科技(ICT)：此領域所挑選關鍵技術主要與B-A-S-I-C(區塊鏈Blockchain、分析Analytics、安全性Security、智慧Intelligence與雲端Cloud)技術相關，且須注意ICT產業的去中心化、自動化、多重體驗方面可能會有跳躍式進展。
(二)醫療裝置與成像：先進醫療科技(Advanced MedTech)產業正經歷重大轉型以符合病人與臨床醫師的需求，智慧醫療照護產業正朝向更智慧、精準、預測性與個人化發展，而如數位生物標記(biomarkers)、穿戴式器官、智慧影像分析技術，讓相關應用得以實現。這些技術目的在提供更智慧、更迅速的照護價值，如智慧影像則能夠提供更快且準確的胸部X光異常診斷，或是穿戴式腎臟能減少醫療中心的負擔。
(三)微電子(Microelectronics)：電路極小化為電子產業的核心趨勢，以矽為主的電子已達到操作上的極限，無法滿足電子產品對規格的需求，未來研究將以新半導體材料為主，如鎵(Gallium)電子已在許多電子產品應用中取代矽，並在LED市場中證明其價值。此外，如機器人等技術演進，創造了對神經形態(Neuromorphic)處理的需求，因其能加速人工智慧的核心-機器學習/神經網路發展。
(四)感測器與控制儀器(Sensors and Instrumentation)：對微/奈米系統的需求推動著感測器技術的改良，微電子系統的感測器整合不僅帶來顛覆性創新，亦為市場提供具成本效益的解決方案。醫療保健、汽車和軍事等應用領域對微型、多參數與無線感測越來越重視，其中具備高精準度與遠端監控功能的微型裝置為提高市場接受度的關鍵因素。
(五)化學與先進材料：材料發展著重於低能耗與碳排放、生產力提升與成本降低，碳材料、電池材料與奈米混合材料的進展促使傳統產業的多樣化與市場擴張，且讓傳統利害相關人能夠為客製化應用開發新材料，進而創造新的收益來源。
(六)先進製造與自動化：機器人以被廣為應用在許多產業，不過估計協作機器人(cobots)將對製造業產生最顯著的影響，研發重點在於建立自動化且安全的人機互動裝置。新型材料促進新的製造工藝，透過減少重量的輕型材料能藉此改善產品效能，並因此提高市場採用率。
(七)環境與永續性：全球氣候災難事件頻傳，警示政府與產業應採取行動以因應環境挑戰，在監管規範的壓力下，各國亦持續推動社會朝向永續且循環的經濟。永續商業模式能讓電池等關鍵產業，透過降低對資源豐富國家的依賴度，來降低供應鏈風險。此外，各國設定的環境目標亦促使產業須減少商品的碳足跡，產業透過轉型至清潔能源與減少化石能源等方式達到法令規範，而農業亦透過導入合適的科技以提高資源利用效率。
(八)能源與公用事業：全球正結合政策與市場力量邁入能源轉型，並朝向3D(脫碳decarbonisation、分散式decentralization、數位化digitization)目標。在政府經濟誘因、成本下降，以及汽車、電表後端(behind-the-meter, BTM)與電廠規模的儲能技術進展的推動下，更加速全球能源轉型。
(九)健康與保健：在新冠肺炎疫情衝擊下，健康與保健相關技術正引領全球轉型，促使創新蓬勃發展與具顛覆性的疫苗策略，並大量使用數位技術，如智慧藥物探索與智慧小分子平台，以開發新型預防性醫療與治療策略。

二、最具科技發展潛力的五項技術

(一) 先進抗體(Advanced Antibodies)：藥物與新興生物科技新創機構近年來獲得可觀的資金挹注與專利，Roche、Sanofi、Novartis與Amgen獲得的專利數最多。德國生物技術公司BioNTech的雙特異性單株抗體(Bispecific Antibody)計畫，在2019年B輪融資與首次公開募股(IPO)獲得產業重視，報告認為數年內，下一代抗體平台將成為重要的治療途徑。
(二)深度神經網絡(Deep Neural Networks, DNNs):演算法中的資料集更複雜且更要求精準度，驅動著DNN的研究發展，不過多數資金是挹注於學術領域，使得專利多為學術機構持有，特別是中國。
(三)數位水資源(Digital Water)：為因應人口老化、過度負載的基礎設施與都市化趨勢，對水資源與廢水處理的投資著重於數位水資源技術，此領域的專利則圍繞在物聯網、機器學習、AI、智慧感測器與5G的進展。
(四)更智慧的小分子(Smarter Small Molecules, SSM)：根據專利數量與投資金額顯示，RNA小分子(RNA-targeted small molecule, rSM)平台的發展越來越受重視，Arrakis Therapeutics、Expansion Therapeutics與Skyhawk Therapeutics等新創企業近期獲得巨額資金挹注，且大型藥廠如Novartis、Roche、Janssen與Bristol-Myers Squibb亦發布多個SSM領域的專利。
(五)L4先進駕駛輔助系統(ADAS):自駕車系統的進展使技術領導者能夠開發出，在部分預設情況下(如明確界定的地理區域)，不需人為干預的車輛。全球多個投入ADAS相關技術的企業，正積極測試與探索L4 ADAS車輛的應用潛能。

三、深度神經網絡(DNN)

Frost & Sullivan認為DNN能利用大量非結構性資料提供自動化功能，主要優勢在於能使用非結構性資料、不須人為手動標籤、有效率運用GPU能力。資料更複雜的數量更為龐大，使得傳統演算法面臨在大量非結構性資料中，維持模型準確性的困境，且傳統機器學習在設計上是不適合且無法妥善處理具高度自主性與決策擬定的應用。
(一)主要發展機會：
1.    自主決策：在國防、製造與自駕車等方面，需要具備完整的自主性系統，且演算法要能在短時間能快速做出準確決策，DNN因能消化與分析複雜的非結構性資料輸入，同時加速預測流程的處理，使其相當適合應用在上述領域。
2.    問題解決：傳統的機器學習演算法依賴人力以清除與組織輸入的資料，並建構機器學習模型，然而深度學習(deep learning, DL))模型不需經歷資料清除步驟，就能直接分析資料，可節省使用者的時間與成本。
3.    更廣泛的應用：在DNN領域中，有相當廣泛的途徑與學習方式，如增強學習(reinforcement learning)與遷移學習(transfer learning)能以DNN作為基礎，並透過有效利用硬體系統的優勢帶來效益。

(三)2018-2019年全球募資金額概況：超過20國家政府提出AI策略、政策與預算於AI研發，DNN為學術研究機構的研究重點，且政府補助對DNN基礎研究有重大貢獻，雖然各界承諾將DNN導入商業應用，不過對運算的基礎研究仍為為其主要募資項目。
(四)2017-2019年專利：DNN因AI演算法能處理更複雜的工作與更大量的資料集，使其變得更受歡迎，主要應用於機器人、電腦視覺(Computer Vision)與非結構化的資料處理，2017-2019年專利數量已超過3.5萬件，如圖2。

(五)各地區概況：
1.    北美：美國一直是AI與DL的創新領導者，主要機構包含孕育此領域相關人才的學術機構Stanford University與MIT，以及持續建立有利於資料共享與合作生態系的私人企業，包含Microsoft、NVIDIA、Amazon與Google。美國政府在2019年宣布將投資10億美元於非國防用途的AI研發。
2.    歐洲：雖然歐洲在AI領域落後美國與中國，不過歐盟正利用開放邊界的方式促進更廣泛的AI開發的協作生態系統，英國、法國與德國正積極推動AI新創企業。
3.    亞太地區：印度因為低廉勞動成本與大量受教勞動力，使其受到全球許多AI開發企業重視；中國政府規劃在2030年在17個相關領域成為領導者，包含智慧汽車、智慧服務機器人、智慧無人機、神經網絡晶片與智慧製造。