分類
亞洲動態

Pop Up Asia 300品牌搶攻億元商機

台灣首創、亞洲首個Pop Up Asia手創展19日在台開展,將有日、韓、泰等六國、十城、300個品牌聯合策展,並首度以工作室即展場線上線下同步開展。

亞洲手創展執委會主席顏瑋志表示,2020年將透過通路支援、市場鏈接、共同投資等方式,支援生態系品牌。

Pop Up Asia亞洲手創展自2016年開展以來,跨亞洲16國與30個城市,逾1,000位買家進場採購,交易額已累計破億元。

主辦的CAMPOBAG希嘉文化2020年4月將展會業務分拆出來成立豐亞創通公司,以投資人身份與小型品牌共同開發,同時與泰國百貨集團The Mall Group、日本百貨集團atre等實體通路合作,並攜手電商平台SHOPLINE衝刺跨境銷售,聯手開發亞洲手創百億市場。

亞洲手創展今年已邁入第 5 屆,是許多手創業者、專業職人發光發熱的舞台,更是品牌想要邁向海外銷售的重要展會,下半年疫情減緩,手創展仍吸引許多不想錯過台灣優質品牌的海外買家與採購參與!近年 「風格經濟」逐漸成為品牌是否能脫穎而出的重要關鍵,此次 SHOPLINE 展區也進駐多家以風格為名的知名品牌,期望透過展覽帶給消費者全新的面貌及體驗!

本次集結來自日本韓國、泰國、香港、澳門、馬來西亞等10個創意團隊共同策展,推薦具當地城市特色的品牌,將展覽作為載體,呈現出各自關注議題與策展觀點,歸納出5大展區。

線上線下同步開展 工作室就是創作展場

除了實體展區外,今年還新增線上主題館以及#HOMEWORK主題展,#HOMEWORK社群串連,邀請亞洲創作人將自己的工作室佈置成展場,分享最新創作計劃與生活中的點點滴滴,讓無法來到現場的品牌們,可以透過不同的方式彼此交流。

亞洲手創展自2016年首次舉辦,至今串連起來的手創品牌與平台累計已超過1000個、來自逾30個亞洲城市,進場人數則超過10萬人。主辦單位亞洲手創展執行委員會主席顏瑋志表示:「今年Pop Up Asia 亞洲手創展,會是一個串聯亞洲創意行動的開端,將透過通路支援、市場鏈接和共同投資等不同的方式去支援生態系的品牌夥伴們,共同面對接下來的變局與挑戰。」

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
亞洲動態

投入發展需先找出市場定位 博弈市場商機龐大

COVID-19疫情衝擊全球,博弈產業是影響最大的產業之一,歐美賭場紛紛暫停營業,正在興建中的澳門新賭場也因此延遲,不過疫情終究會結束,博弈產業仍會有重啟之日,台灣業者可緊盯市場發展,掌握未來龐大商機。

博弈產業商機龐大且競爭激烈,為了吸引賭客、強化安全機制,歐美賭場從早期就大量導入電子技術,台灣是全球科技產業重鎮,產品應用廣泛,在博弈產業也有多家廠商投入。要了解台灣廠商在博弈產業中的位置,可先從產業鏈開始談起,在博弈產業最上游為硬體供應商,中游是內容或系統供應商,往下走則為系統整合商,最後佔據終端位置的則是代理商或營運商,舉凡專業賭場、法規市場、其他一般性娛樂市場皆屬於此類。

「博弈產業真的不等於賭博。」

相關業者頗為無奈地說,在網路興起後,博弈產業就從過去單純的賭場,快速地形成結合軟硬體開發、設計、營運管理系統、客戶服務、行銷推廣、資訊技術服務等多層面的產業鏈,甚至因為網路不受人、時、地、物限制,無遠弗屆的特性,讓持有博弈執照的經營者,不需要自己經營所有的業務,同樣地,在專業分工的情況下,廠商也可以依據各國國情不同,選擇符合法令,又能夠與產業接軌的業務,進入龐大的博弈產業,分食那塊超過5,250億美元的大餅。

「博奕產業除了傳統賭場外,未來線上遊戲、app軟體、AR/VR技術應用是未來發展的重點,許多國家逐漸將線上博奕合法化,玩家可以透過互聯網隨時隨地體驗博弈娛樂。研究報導指出,未來5年全球博弈市場收入將突破5,250億美元,每年成長幅度超過4%。」這是台灣區電機電子工業同業公會徵召廠商參加2019年美國全球國際博彩展覽會(G2E)時,一段有關博弈產業的「市場介紹」內容。

游運營廠商,就是公司對客戶,一般所謂的B to C,因為涉及金錢「往來」和「兌換」,往往就容易觸犯法,也就是一般所謂的涉及賭博,但並不是所有下游廠商都是涉及賭博。總體來說,協會目前希望讓政府執法的檢警調單位及大眾瞭解的是,所謂博弈產業,只要不涉及運營部分,就沒有「賭博」的問題。

當然有人會說,很多上游業者藉著「客服」的名義,針對線上個人客戶進行所謂的「攬客」動作,透過合法來掩護非法。協會人士坦承,不保證沒有不肖業者利用「售後維護、技術層面的諮詢、解說的客服」,遊走在合法與非法的模糊地帶,但這畢竟是少數的不肖業者,協會現階段只能要求會員自律,但不認為「一棒子打翻一船人」就是正確的做法,除了業者自律外,協會也請政府不妨就實體遊樂場的管理方式,經由「行政命令」約束業者。唯有認清博弈產業不是賭博,才能正確的對龐大的博弈產業市場進行管理。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
人工智慧

要多少數據才能訓練AI模型?拆解企業人工智慧專案為何難落地

訓練一個AI數據模型,需要多少數據?

訓練AI數據模型時,其實有三個要素,彼此互相影響。分別是: 商業問題的複雜度 、 AI模型複雜度 (Model Complexity),以及 數據複雜度 (Data Complexity)。

因此,如果想知道需要多少訓練數據(Training Data),建議先釐清:這個AI專案到底要處理什麼問題,以及這個問題有多複雜?確定之後,再來判斷應該選用哪種程度的模型來做訓練。根據不同的商業命題複雜度,用不同複雜度的模型和精準數據彼此搭配,找出最佳平衡,才能讓AI專案順利落地。

但光憑想像,很難評估實際的AI數據量和成效,所以開始AI的第一步,需要先透過POC概念驗證(Proof of Concept)實驗來找答案。

數據哪裡來?發展AI人工智慧之前,先建立數據流

很多企業會急著開發AI模型,但AI專案落地經驗的三大關鍵之一,其實是先確認:是否已經準備好數據了?如果沒有這樣的能力,談AI落地其實有點好高騖遠。

AI數據收集(Data Collection)最大的挑戰,在於針對不同型態的命題,會產生不同的AI數據需求,因此需要建立的「數據流」(Data Pipeline),AI數據處理 (Data Processing)和數據標註(Data Annotation)的模式及流程也會有所不同。

發展AI之前,如果能建立起從數據收集(Data Collection)、數據處理(Data Processing)到AI模型學習的數據流(Data Pipeline),並確保可以順暢運行,實際訓練AI模型時才會省力很多。

AI模型訓練,記得校準商業目標

企業發展AI人工智慧的最終目的,還是希望能 達到商業目標,創造價值 。

所以,訓練AI模型時,團隊如果不知道如何判斷哪個指標,對AI模型學習來說比較重要,建議回歸初心,重新釐清「 這個專案想達到的商業目標是什麼 」。

比方,趨勢科技(Trend Micro)要開發一個能夠判斷電腦病毒的AI,但是勒索病毒(denial-of-access attack)和廣告病毒對客戶的傷害程度大不相同。這時候,工程師就會針對這個命題,餵給AI模型不同病毒種類的數據,讓它學會判斷不同病毒的重要性,分辨出哪些病毒比較嚴重不能有判斷錯誤,而哪些病毒比較無害,不一定要做到一百分。

加快學術研究的人工智慧投入商業與政府應用

而為了協助更多學術研究的人工智慧技術能快速進入市場應用,NVIDIA此次提出的應用研究加速器計畫,則是可讓透過NVIDIA旗下GPU建置平台打造的人工智慧技術,能在更短時間內投入商業或政府應用環境。

在此項計畫中,將讓研究人員及合作組織能取得NVIDIA技術指導、硬體贊助、獎助金、應用支援、人工智慧訓練計畫,甚至包含各項建立人脈網路及行銷機會。同時,此項計畫初期會先聚焦在機器人與無人機應用領域,未來幾個月後則會接續加入資料科學應用、自然語言處理,以及包含語音識別與對話式人工智慧技術發展。

目前包含佛羅里達大學已經藉由Jetson平台,並且與Chemical Containers合作打可用於農業的造智慧噴灑器,而德國埃爾朗根紐倫堡大學則以Jetson平台打造倉庫自動化管理應用的無人機設備,另外麻省理工學院也同樣透過Jetson平台打造能以UV-C紫外線對物體表面進行消毒的應用設計。

※本文章屬於TNZE天擇集團所有嚴禁轉載※