簡立峰還強調,AI 模型的推理能力能夠解決許多實際問題,如老人照護和工廠監控,這需要更高效的數據處理和模型優化。因此,為了適應不同的應用場景,開發者需要縮小 AI 模型的參數,這可以透過多種技術實現,如數位表達、減字和知識提煉等。
簡立峰最後強調,在台灣,AI 技術的發展潛力巨大,尤其是在與 PC 和手機產業的整合方面。未來的應用場景將更加多樣化,從學生學習到老年人照護,AI 的推理能力和邊緣計算的應用將成為關鍵。開發者需要在本地端優化模型,降低成本並提高數據隱私,這將促進創新和市場的發展。隨著硬體性能的提升和模型縮小技術的進步,台灣在 AI 領域的競爭力將持續增強。