而市場則是針對產(chǎn)業(yè)AI進展分析指出，數(shù)碼化程度越高的產(chǎn)業(yè)，其AI發(fā)展進程相對更快也更容易，而醫(yī)療與制造業(yè)則是因數(shù)碼化程度不及而在AI發(fā)展上產(chǎn)生隱憂。

研調(diào)機構(gòu)Gartner資深研究總監(jiān)呂俊寬表示，AI的發(fā)展與基本上與數(shù)據(jù)息息相關(guān)，因此從企業(yè)的數(shù)碼化程度就可以略知該產(chǎn)業(yè)是否具備產(chǎn)業(yè)AI化的潛力，基本上數(shù)碼化程度越高的產(chǎn)業(yè)，AI進展越快。

他舉例，象是電商、金融都是具備大量數(shù)據(jù)資產(chǎn)的產(chǎn)業(yè)。而金融業(yè)近年則是大開大門愿意開放數(shù)據(jù)信息共享，但像教育及醫(yī)療產(chǎn)業(yè)，前者幾乎沒有數(shù)碼化，而醫(yī)療則由于信息牽涉到個資問題，屬于醫(yī)療單位的封閉資產(chǎn)，并非開放性信息，因此醫(yī)療要發(fā)展產(chǎn)業(yè)AI化也得先打破信息孤島的阻礙。

而與醫(yī)療產(chǎn)業(yè)面臨相同問題的包括制造業(yè)。根據(jù)市場預(yù)估，時至2020年，每個工廠每天將從智能裝置收集超過14.4億個資料點(data point)。這個數(shù)字代表制造業(yè)的前景備受看好，是所有產(chǎn)業(yè)中擁有數(shù)據(jù)資產(chǎn)最多的產(chǎn)業(yè)，理應(yīng)來說也應(yīng)是最有本錢發(fā)展產(chǎn)業(yè)AI化的產(chǎn)業(yè)。

不過回歸產(chǎn)業(yè)數(shù)碼化與AI發(fā)展的關(guān)系，根據(jù)業(yè)者指出，雖然制造業(yè)現(xiàn)已導(dǎo)入MES或ERP等E化系統(tǒng)，但回歸最底層的設(shè)備端，由于現(xiàn)有機臺的智能化程度不高，現(xiàn)階段仍面臨許多生產(chǎn)數(shù)據(jù)還是以非數(shù)碼訊號呈現(xiàn)，靠的是人工讀表，再利用紙本抄寫或事后輸入。

例如制鞋業(yè)要求生產(chǎn)線派員定時巡檢，并手寫記錄異常狀況，之后再將資料輸入計算機制成報表，此種透過繁復(fù)的人工抄寫與資料輸入，首先在時間上就已產(chǎn)生落差，更別說人工抄寫隱含失誤問題，在要求掌握實時生產(chǎn)狀況的需求下，這樣的數(shù)據(jù)格式與產(chǎn)出根本幫不上忙，更別談要利用AI優(yōu)化制程。

著眼于此問題，因此現(xiàn)階段市場上各式解決方案也大顯神通，試圖協(xié)助制造業(yè)者透過在設(shè)備層建立網(wǎng)絡(luò)通訊，先將最底層的生產(chǎn)數(shù)據(jù)以數(shù)碼訊號格式萃取出來，并透過異質(zhì)資料平臺的轉(zhuǎn)換與集成，成為可供制造業(yè)者利用的關(guān)鍵數(shù)據(jù)。

所謂的設(shè)備聯(lián)網(wǎng)其實并非狹義的僅擷取機臺本身的信息，凡是與制程相關(guān)的數(shù)據(jù)資料只要能轉(zhuǎn)換成數(shù)碼訊號者都能納入成為被收集的標(biāo)的。像部分生產(chǎn)在線的傳統(tǒng)型量表過去是靠人工目視取得數(shù)據(jù)，而現(xiàn)經(jīng)由加裝傳感器則可透過通訊模塊直接將數(shù)據(jù)以數(shù)碼訊號格式往上傳輸，從而實現(xiàn)數(shù)據(jù)擷取的最后一哩路