人工智慧AI的興起與快速進展，使得世界開始逐漸分離，不但將國與國之間的距離拉開，產業之間也出現迥異的發展，這場價值競賽的贏家與輸家逐漸浮上檯面，人才的戰爭也正要開打，創業生態系自然產生劇烈轉變，全球即將面臨分裂的交叉路口，能否智慧運用AI成為關鍵的分歧點。英國的MMC創投公司自2000年開始投資早期的高成長科技公司，因此投資部門會針對高科技的發展動態進行分析，以發掘新興的投資機會，並催化新創企業的發展。英國巴克萊銀行的風險投資公司也同樣關注新興的投資機會，並孵育企業、協助企業擴大規模與轉型。因此本報告為兩家創業風險投資公司調查歐洲2,830家AI新創企業，並合作發表對於AI新創企業的分析與看法。

一、AI時代
自1956年創造出AI這個名詞後，被廣泛運用在各領域，但是隨著時代的演變與技術的發展，在意義上卻有很大的差別。早年的AI為透過大量規則(rules-based)來模擬專家的知識與判斷的專家系統，可解釋性很高。但是真實世界卻是非常複雜而難以套用單純的規則來詮釋測，因而90年代出現機器學習，透過軟體以及大量的資料集讓機器運算進而產生學習的效果。常用的演算法包括：隨機森林(Random Forest)、貝式程序(Bayesian Algorithms)、支持向量機(Support Vector Machine)等，各有其優缺點。但是無論如何，機器學習的程式對於特徵(feature)的判斷與標籤化是透過人為撰寫的演算法所界定，除了速度不夠快以外，對於語音或圖像的判斷也顯得相當困難。因而出現類神經網路的深度學習技術，透過人工神經元將神經網絡串聯在一起，在多層當中利用平行運算以進行更深度的學習，而得以快速解構圖像或影音資料。

二、AI現況
AI之所以在數位時代舉足輕重，主要是可以在許多領域發揮過去難以想像的威力與效率。在資產管理方面，可以發展給予投資策略、資產配置、風險管理、客戶服務；在健康照護方面可以輔助診斷、藥品開發、健康偵測以預防疾病；在保險方面可以協助風險評估、詐騙偵查、客戶調查等；法規與司法方面能應用於判例法、訴訟策略、提高遵從性等；在製造方面可以預測維修時間、資產效能預測、設施利用最佳化；在零售方面可以區隔客戶與市場、投放個人化宣傳內容、定價最佳化、退場預測等；在交通運輸方面可以開發無人駕駛自動車、基礎建設最適化、車隊管理、交通號誌控制等；在公共設施方面則可以進行供應鏈管理、消費需求最佳化、提高安全性、客戶體驗等。
過去4年來，由於AI演算法的精進、可用資料大量產生、硬體創新使得運算能力倍增速、雲端AI服務催化開發、開源軟體提供實驗環境等致能因素，促使AI相關新創與投資大量湧入，無論是投資人、高階管理人、創業家或公眾，對AI的意識都大為提升。如此一來，使得AI系統的開發更為容易且便宜，運算產出的品質也更為精良，延伸的應用更是倍增。同時也衍生出更多特定應用的硬體開發，各式雲端AI應用噴發，對早期AI的投資以15倍速成長，在2018年來到150億美元的水準。根據Gartner的調查，到2019年時企業採用AI的比率在一年之內從4%提升至14%，創下技術發展史上發展最快速的典範，而中國的崛起更喚醒國際間對於AI發展的競逐。
中國挾政策支持、資料量的優勢、老舊資產包袱的限制，以蛙跳式的成長領先國際。縱觀目前企業最普遍採用的AI應用場域為聊天機器人、流程自動化解決方案、詐欺偵測等，其餘盛行的還包括消費市場區隔、電腦輔助診斷、服務中心虛擬助理、文本情感分析或見解探勘(Sentiment analysis/opinion mining)、臉部辨識、人力資源履歷篩選等。但是產業之間的普及狀況差異頗大，目前以保險、軟體與資訊服務、電信、零售及健康等產業的應用最為興盛。
另一方面，技術發展的腳步未曾停歇，反而創造出更多過去難以達成的可能性，在硬體架構與軟體系統齊發之下，突破了許多人類的經驗限制。硬體發展由中央處理器(Central Processing Unit, CPU)進展到張量處理單元((Tensor Processing Unit, TPU)，再到圖形處理器(Graphics Processing Unit GPU)，引領AI進入新的紀元。量子運算又將帶領AI往更微型化、更低功耗的應用領域，發展出更多的新興機會。而在軟體方面也不遑多讓，增強學習(Reinforcement learning, RL)大大強化AI虛擬助理的功能，同時能讓層面的助理協同作用。遷移學習(Transfer learning)則讓AI突破語言的限制，可以用比較少的訓練資料，把訓練好的模型得以套用到其他影像辨識的數據上，讓複雜的系統與真實世界互動，得到更好的詮釋，因而帶動AI的轉型成真正的人工智慧。而生成對抗網絡(Generative Adversarial Network, GAN)則是以非監督式學習的方法，讓兩個神經網路相互博弈的方式進行學習，達到深偽(deep fake)的功能，除了可以創造影像，更能夠進行系統訓練、操縱資料，也可以偵查網路存取與活動的異常現象，足以顛覆現有的媒體與社會。
在此進展的背後，人才供需失衡引發全球人才的爭奪大戰正式開打。雖然人才供應正在增加，但AI相關的職缺在過去2年翻倍成長。人才取得成為AI戰爭中的贏家與輸家的關鍵點，雖然學界也以不少人才流往業界，但是產業對AI人才的吸引力有明顯差距，科技產業吸引40%AI人才，其次依序為金融服務業(14%)、廣告與行銷(9%)、顧問諮詢業(8%)、健康照護業(6%)、學術界(2%)。除了薪資不斷墊高，工作滿意度的高低也使得這場戰爭更加白熱化。而同屬AI人才在不同領域也有薪資待遇的差別，其中以工程管理人員、協調開發與營運的專家(DevOps specialist)、資料科學家或機器學習專家的待遇最為優渥。而同樣的AI工程師在不同企業之間的平均薪資待遇也各異，以Uber為最高，比起eBay，可以高出10萬美元左右。

三、歐洲AI新創企業
這樣的生態變化使得創業家的樣態也在轉變中，本研究調查佔歐盟90%GDP的13個歐洲國家，共計2,830家活躍於AI領域的新創企業，發現歐洲有1,600家AI的早期新創軟體相關企業逐漸成熟，並且正在建構嶄新的產業，蓄勢創造無限的機會。調查發現新創企業中有56%處於天使輪及種子輪的階段，28%為早期階段，只有16%為成長期。但是大型的生態系中有較多的成熟企業，例如德國、英國、法國等。尤其是英國，新創企業家數(479家)是其他國家的2倍以上，其次是法國(217家) 、德國(196家)。主要歸功於英國擁有G20最大的網路經濟、25所世界頂尖的大學、AI新創被收購(如DeepMind、SwiftKey、MagicPony)讓資本與人才快速回流投入更多新創、政府政策對AI的支持、全球金融中心的歷史地位等因素。因此報告依據企業想解決的問題、客戶為企業或消費者(B2B或B2C)、資金需求規模來建構出英國的AI企業地圖。而德國與法國也不遑多讓，逐漸擴張其影響力，在過去6年所佔的份額迭有成長，反而始西班牙的影響力在下降中。義大利、瑞典、德國將重心放在核心技術的建構，相較於其他國家約有1/8的新創企業是提供核心技術的企業，這3個國家約有1/5是提供核心技術起家的新創企業，因而成為技術重鎮。核心技術公司更是吸引較大的投資金額，核心技術公司約占整體新創企業12%，共吸引的資金高達全部投資總額的19%。歐洲AI新創有9成為B2B，使得個人交易等資料的取得更形不易，B2C成為更冷門的領域。健康照護是歐洲AI新創聚焦的產業，占21%，其中又以英國重點，所獲投資金額最高且新創企業最多。報告中共列舉出14家新創企業的詳細介紹。

四、AI應用與建議
總之，AI創造的價值包括：新產品與服務的創新、功能與效率的提升、使複雜的任務更快速完成、讓市場參與者得以擴大規模。對於市場的意涵在於：開創市場讓新的參與者加入、產業價值鏈的轉移、創新商業模式的開發、創造新的商業成功典範、改變企業競爭定位、改變技能與組織的設計、加速創新循環等。對於社會的意涵在於：自動化可能取代原有的工作但同時亦創造出新的工作、數位落差使得社會不平等問題擴大、人為操縱的媒體不再具有公信力、AI使得隱私與安全的取捨更難兼顧、自動化武器發展可能造成更多的國與國衝突。因此建議決策者應該注意的事項包括：
1. 廣邀AI專家對於AI產生的偏差進行廣泛討論，特別是在偏見系統產生的風險，如何建立最佳操作規範以及強調不遵循的後果。
2. 邀請公眾參與隱私及AI安全權衡、取捨的辯證。
3. 積極參與新興的媒體，結合技術專家與媒體公司共同創造值得信賴的系統。