今年3月在台舉辦新聞實驗室大型訓練活動之後，Google台灣再次與科技部、資策會等單位合力推動人工智慧創新中心專案計畫，並且邀請美國、英國人工智慧專家與台大、清大、交大、成大四所大專院校人工智慧創新研究中心超過百名師生交流，並且藉由量身打造的培訓內容推動台灣地區人工智慧學術、人才及產學間知識交流。
由於人工智慧將成為接下來的電腦運算趨勢，同時人工智慧技術發展也從過往藉由雲端運算持續擴展至裝置端的學習，使得人工智慧技術應用儼然成為市場趨勢，因此也讓越來越多產業應用更加重視人工智慧技術發展。
而從過往在硬體技術發展優勢，Google台灣董事總經理簡立峰表示，實際上台灣地區軟體人才資源也相當豐富，對於現行人工智慧技術除了藉由硬體效能提昇整體算力，更重要的是藉由軟體算式框架推動深度學習成效，而台灣雖然過去確實在軟硬體整合效益表現不高，但在近年持續著重軟體應用發展趨勢之下，對於未來推動人工智慧技術發展將有相當大的助力。
以目前人工智慧技術發展來看，將能應用在諸多領域，例如網路服務、物聯網應用、深度學習等新興發展機會，甚至結合雲端至裝置端的學習應用，其中又涵蓋如何運用巨量數據等資源，因此吸引許多傳產、新創，甚至國家等級發展資源投入人工智慧技術發展。
相比以前著重硬體技術發展模式，Google認為未來在人工智慧技術持續投入之下，將會進一步帶動更多軟硬體整合應用成長，其中更將推動軟體技術、數據取用等資源成長，同時也將帶動更多全新發展機會。
從Google人工智慧首席科學家紀懷新藉由推薦系統 (recommendations system)如何以人工智慧學習使用者喜好，藉此推薦更多合適內容的服務設計為例，其中便藉由軟體算式、學習框架，搭配硬體運算效能、龐大資訊量與複雜使用情境差異，如此即可建構適合特定服務領域的內容推薦功能，例如阿里巴巴目前用於掏寶的推薦系統，或是Netflix藉由使用者持續觀看推薦的影片內容，除了藉由軟、硬體整合，人工智慧技術發展更重要的部分還包含持續透過資料學習，並且由使用者持續操作，如此才能讓人工智慧技術表現更加精準。
不過，目前台灣地區目前在人工智慧技術發展困境還包含可用數據取得不易，導致可作為深度學習的數據量不足，同時受到台灣市場過去偏重硬體發展，使得軟體技術雖然持續受到重視，但整體在產業間的發展比重卻始終偏低，使得許多技術人才可能因此走向海外發展，使得台灣地區人工智慧技術發展多少受阻，甚至多半停留在理論推演，而未落實在產業應用。
過去之所以偏重硬體成長，有相當大因素與過往台灣以代工產業為主，到後來偏重硬體產品銷售獲取營收發展模式，因此反而讓軟體技術發展比重相對降低，但實際上硬體仍須軟體驅動才能發揮最大整合效益，只是在軟體技術投資往往遭人忽略，甚至認為僅只是硬體設計的附加產品。但在人工智慧技術持續成長之下，開始有越來越多人重視軟體技術發展，進而在硬體算力持續突破之餘，同時也讓軟體算式、學習框架持續成長，因此也將使台灣地區軟體技術人才有更多發展機會。
