趨勢的認知在台灣現有環境下，資訊流算是暢通的。例如ESG，AI，綠能，精準醫療，智慧製造，AIOT等等。當然還有更超越一般企業現有營運所必需的量子科技，低軌衛星，氫能源等。
科技可以改變人類生活，企業終究必須追隨任何創新議題，在生產技能與設備上不斷的投資與升級，這樣才能確保供應鏈結構下的市場地位，也才談得上如何強化競爭力。
AI這個夯實的議題，對台灣企業而言，知與行之間的企業連結動能，將深深影響未來幾年的行業競爭力。也就是如何運用AI的工具協助企業在數據蒐集、分析、運用上起到精準與速度的決策成效？
筆者進一步研究，一家企業要讓營運與AI連結，不管是資訊專業人員或決策者通常可以運用一些線上平台先進行認知，這些平台有 Google Colab、 Kaggle 或AWS SageMaker，從這些平台裡面去建立屬於公司的資料群與AI工作環境。當然也可以運用公開資訊平台如 TensorFlow、PyTorch或 Scikit-learn去建立與訓練自己的的演算法、參數與營運模式。所以知道跟運用之間存在很大的距離，企業在追逐科技成長的背景下，必須以投資的觀點厚植自己的競爭能耐。
許多非資訊科技領域的企業，為了AI趨勢來臨，要叫他重新摸索跨領域的技能，也確實為難。因為一來曠日廢時，二來確實趕不上目前市場競爭的速度。所以，也不必為了要喝一杯牛奶就在要他去經營一座農場。在這裡我就提出台灣AI產業結構的現況，也許這種資訊有助於讓企業根據自己產業特性，可以更容易尋找到適當的、現成的具有AI條件的工具，直接導入，可能更務實一點。
TSMC成為台灣的護國神山，這是累積30年以上產業群聚的經驗才能成就的事實。這些高科技產業的發展，無形中也產生類神經網絡系統般的效應，讓IC、資通訊與AI產業群聚形成。台灣AI產業的結構分成上游軟體~~涵蓋機器學習、電腦視覺、自然語言、移動控制。中游運算平台~~分成本地運算平台與雲端運算平台。下游是服務系統~~分成顧問諮詢與系統整合。在每一項次的結構中已經有許多企業擁有相關的AI產品，適合其他要跨入AI領域的企業進一步整合。
