江偉儀表示，Hitachi Vantara目前正積極與供應商協調供貨，雖然交期較去年同期明顯拉長，但目前尚未出現買不到關鍵零組件的情況。他也提到，目前全球AI供應鏈仍相當吃緊，甚至出現「有錢也買不到貨」的現象。
他指出，目前多數台灣企業並不傾向重新訓練大型模型，而是以既有成熟模型為基礎，再導入企業內部資料，進入RAG（檢索增強生成）應用階段。
江偉儀認為，企業內部大量PDF、影像等非結構化資料，必須先轉換成AI可讀取的向量資料庫（Vector Database），再透過AI搜尋與生成答案，因此Data Lakehouse（數據湖倉）重要性正快速提升，未來一至兩年將成為AI基礎架構的重要核心。
AI應用架構方面，Hitachi Vantara台灣區首席技術顧問林祈禎表示，目前AI發展已逐漸從模型訓練（Training）階段，轉向推論（Inference）階段，而推論最核心的需求，就是高吞吐量（High Throughput）能力。
他指出，在AI推論過程中，I/O瞬間需求量相當大，因此企業如何在既有基礎架構內快速導入相關能力，對台灣大量中小型企業而言尤其重要。為了滿足AI推論需求，Hitachi Vantara旗下VSP One的Block與Object儲存方案，也已針對高速吞吐需求進行最佳化調整。
談到目前AI應用發展最快的產業，江偉儀認為，政府、金融與醫療是目前進展最快的三大領域。他指出，政府部門已將AI視為國安等級議題，包括軍方在內皆投入大量預算建置伺服器、算力與儲存架構；金融業則廣泛將AI導入客戶分析、防詐與洗錢偵測等場景；醫療產業則利用AI進行輔助診斷，例如透過眼底攝影分析，即可預測糖尿病等多達45種疾病，準確率超過九成。
不過，林祈禎認為，目前真正最容易將AI落地的仍是製造業。他指出，製造業在產線良率分析、設備監測等場景中，本來就累積大量資料，因此從模型訓練到推論應用都較容易實際導入。
相較之下，其他產業與部分公部門則較難找到明確應用方向。他坦言，很多企業其實根本不知道怎麼用，顯示不少企業目前仍停留在設備先行、應用仍待摸索的階段。
針對企業AI投資報酬率（ROI）問題，江偉儀指出，目前雖然已有高達99%的台灣企業投入AI，但真正認為具備長期獲利能力的比例仍偏低，主因與企業文化、人才與學習心態有關。
他表示，許多企業目前是基於KPI或管理層要求而先行採購AI設備，但真正要落實AI應用，仍需要時間整合資料、算力與演算法能力。此外，也有部分員工擔憂AI導入後可能影響自身工作，導致企業內部採用速度偏慢。
林祈禎表示，針對台灣製造業IT與OT整合需求，Hitachi集團近年持續推動「One Hitachi」策略，整合集團內不同子公司與專家資源，協助客戶處理智慧工廠與產線規劃需求。他指出，目前企業資料分散於地端、邊緣與雲端等不同環境，因此關鍵在於透過混合雲架構與單一控制平面（Control Plane），讓資料能夠無縫串接與集中管理。
他強調，企業不可能將所有資料全部集中回資料中心，因為成本過高且效率不足，因此現在AI架構更重視「讓算力靠近資料」，而非將資料全數拉回後再進行運算。
點擊閱讀下一則新聞
