3場景下手，晶片強權變AI強國

文●管婺媛攝影●程思迪

你的每一次AI圖像生成背後，都有台灣的身ChatGPT對話、每一張影。從醫院AI判讀X光片，到線上刷卡時的風控系統，背後少不了台灣製造的晶片與伺服器。

決定AI國力不在算力，而是用AI能力
剩五年能拚！占比98％中小企超危險

台積電代工全球九成以上先進GPU，廣達、鴻海、緯創組裝八成AI伺服器，日月光、欣興、南電供應關鍵封裝與載板⋯⋯，台灣是這場AI浪潮的隱形推手。

但在國際AI國力評比上，台灣卻落在美中星日韓，甚至印度之後。台灣有全球最快的晶片，排名卻落後。為什麼？

英國《觀察家報》全球AI指數計畫主持人Joe White給了關鍵答案：「台灣在硬體方面非常、非常強，台灣對於AI晶片生產絕對至關重要。但特別的弱點是實際實施的水平⋯⋯，」他觀察，台灣在全球最大的線上程式碼雲端託管平台GitHub上，從事AI專案的開發者數量，全球只排第三十一位。

他也觀察到，台灣在人才方面存在結構性問題，「較弱的領域是排名第二十八名的人才（編按：為該評比中AI人才指標，台灣落在二十八名）」。

問題不在晶片算力，是使用AI的能力。

「台灣現在就是搭舞台的人，」前科技部長陳良基形容台灣在產業中的地位：我們提供伺服器、晶片，搭好硬體舞台。

這是台灣的既有優勢。但他認為，真正能決定AI國力的，不是一國有多少GPU、有多少算力，而是「會用AI的能力」。

可是，一齣戲要能演下去，除了舞台，還要有人控燈、調音、寫腳本——這就是落地應用與治理的能力。

更殘酷的是，時間已經在倒數。陳良基說：「我之前就提醒過：二○三○年前，是台灣的黃金十年，必須好好利用。」換句話說，在AI應用領域，我們只剩下關鍵五年。

五年要做什麼？

不是再買幾排GPU，而是把「會不會用AI」變成全民的能力。陳良基認為，守住基礎建設、培養代工生態系，讓年輕世代把AI當基本功，缺一不可。

尤其，台灣有超過九八％的企業是中小企業。這群人，是台灣能否穩固的關鍵。

Google台灣前董事總經理簡立峰，把焦點對準台灣最脆弱的一塊：中小企業。他警告：「未來在AI與自動化衝擊下，這三十萬家（中小企業）可能會進一步整併到二十萬家。」亦即，在AI衝擊下，將有十萬中小企業消失（編按：台灣中小企業統計上雖超過百萬家，但簡立峰認為實際活躍者僅三十萬家）。

他舉例，餐飲業導入中央廚房、機器炒菜、機器人送餐——連鎖品牌能把毛利拉上來，但小店更難撐下去。AI若不能向下扎根，中小企業將在大者恆大的浪潮裡被淘汰，產業會更M型化。

高盛研究也看到同樣的風險：中小企業普遍導入偏慢。更關鍵的是，AI普及後經濟會出現「短期替代、長期增效」的走勢——可能有六％至七％的工作被取代，但若導入AI得宜，未來十年內，也能把生產力往上推約一五％。

這是一場過渡期的陣痛。能不能熬過去？取決於誰先跨過那道門檻。

簡立峰更進一步解讀該份報告中的數據：「二百五十人以上、四人以下的公司，導入AI較快，但四人以上到二百五十人以下的公司，這類規模在台灣特別多，沒有政策或生態系支持，可能會死得很慘。」（見下圖）

他解釋，因為大企業有資源，導入能形成規模效應；小型新創人少反而靈活，能用新方法快速轉身。最危險的，就是不上不下的中間這群人。

但他不是全然悲觀。

他分析，台灣的產業量體仍以製造業為主，第一波受到生成式AI衝擊的，是以金融、法律等白領服務為主的經濟體。這意味著，台灣直接面臨的壓力，反而比美國或歐洲小一些。

更重要的是，台灣的問題不是「人太多」，而是「缺人」。中國因為勞動力過剩陷入「內捲」，美國則面臨大批裁員；台灣卻剛好相反，AI反而能補上勞動力缺口。

機會與危機總是並存，也形成分水嶺。「懂AI的留下來，不懂的慢慢退出，」簡立峰說。真正危險的，是資源最薄、轉身最慢的那一群。

新加坡把顧問送進企業，推動應用
台灣端新十大建設計畫但缺落地方案

同樣是小國，台灣最常被拿來對照的，是新加坡。他們在國際評比中排名前段，台灣則被硬體優勢掩蓋了落差。甚至，新加坡在商業應用上也名列前茅。

為什麼？「政府一聲令下，應用集中落地。」陳良基觀察。

新加坡的做法，是把手直接伸進企業場內——例如100E計畫，讓工程師進廠、進辦公室，和企業一起解題；即便過程困難、甚至失敗，也能從中歸納出企業的成熟度，再找到對應的解法。

台灣呢？政府端出AI新十大建設，從量子電腦、矽光子到機器人，投資千億，聲勢浩大。計畫喊得宏大：要協助百工百業導入AI，並打造全民智慧生活圈，讓二十萬家企業導入AI。

同時，人才培育也是重點。政府預估，要在二○四○年前，培養百萬AI人才，創造五十萬個高薪職缺。數字亮眼，但挑戰在於落地方式。到底會只是補助？還是能像新加坡一樣，把顧問送到廠、辦公室裡？

幸好，台灣不是從零開始。邁入第八年的「總統盃黑客松」，就是基礎，包括遠距醫療、口罩地圖等應用，都從這裡誕生。

前數位發展部部長唐鳳說：「AI公共治理的關鍵是closing the loop（封閉循環）：民間創意到政府承諾，再落實到公共建設或服務。沒有承諾，民間就不會持續試誤。」

重點不是蓋硬體，而是形成良性循環
專家揭台灣最有機會AI落地三場景

換句話說，重點不是蓋多少硬體，而是能不能形成良性循環：政府說到做到，做完還要回頭驗證，把有效的做大、做快。沒有這個循環，再多硬體，也只是曇花一現。

不只是人才要動起來，場景也要落地。

新加坡國立大學傑出講座教授陳祖翰建議，台灣應該喊出「AI for Manufacturing（AI智慧製造）」。他說：「manufacturing跟AI怎麼做有效的結合，我覺得是台灣的機會。」在他看來，製造、終端裝置、伺服器，是台灣最有機會快速落地的三個場景。

這與陳良基「AI代工」的概念相近。陳良基解釋，台灣供應鏈長期擅長客製化，能快速拆解、整合，再量產。這種能力，不只是製造晶片和伺服器，也能轉移到AI應用上。

在他看來，台灣應該用供應鏈的整合力，幫全球企業把AI做成可量產、可導入的產品，這才是最大優勢。換句話說，當美國或歐洲研發出新的AI模型，台灣有機會成為把它「落地」成實際解決方案的最佳合作夥伴。

接下來，台灣要怎麼走出自己的AI國力？

政府不能再只撒補助，要把人送到產業現場，可仿照新加坡，成立有制度化的AI顧問團，懂技術的人走進工廠和辦公室，陪企業把流程拆開、把模型上線。數發部則要把規範寫清楚：資安、資料治理、AI使用準則，什麼能做，什麼不能做，讓企業有清楚的遊戲規則可遵循。

企業也要改變。龍頭若只顧自己，AI國力就會淪為少數巨星的光環。大企業必須把經驗模組化，往供應鏈擴散。在製造流程、智慧裝置、伺服器效率這三個場景，先落地，先做深。中型企業更沒有時間可以浪費，因為，AI已經是生死線。

個人呢？對工程師和新創來說，價值不在追逐最大模型，而在解決真實題目：農業、醫療、製造。對一般上班族來說，AI必然取代掉重複性任務，新的價值會落在懂得駕馭AI的人身上。

台灣的黃金五年，要成為誰的五年？只屬於少數大型企業，還是屬於每個願意上台的人？

若AI無法普惠，舞台再亮，也只有少數人能發光。把使用變成能力，把能力變成競爭力，台灣才能在AI時代，不只是晶片強國，而是真正的AI強國。 閱讀完整內容