OpenAI、Google與各國政府接連宣布「實體 AI」推進計畫，從AI代理接管辦公例行任務，到具備推論能力的邊緣設備落地製造、醫療與國防場域，AI正快速跳離虛擬空間，進入物理世界。當全球進入「算力—應用—資料」三軸重整的臨界點，臺灣產業發展也來到關鍵時刻：如何從硬體王國，升級為輸出智慧與方法的AI生態系。
從阿爾巴尼亞任命全球首位AI部長Diella、到協助藥物研發，速度提升百倍的AI科學家、在工廠與人類協作的AI作業員、甚至具備自主判斷的國防AI奇兵，在在顯示，AI已實際參與人們的生活。
工研院產業科技國際策略發展所研究副總監徐富桂指出，全球AI的應用發展在2025年正經歷重大轉折。面對此浪潮，位於全球重要供應鏈上的臺灣產業如何從硬體提供者，轉型升級為「工藝智慧的解決方案提供者」，將老師傅的知識數位化，並訓練領域專家模型，進一步優化成為AI代理（AI Agent），現在正是臺灣產業打造可擴展至全球AI產業鏈的絕佳時刻。
AI市場爆炸性成長 臺灣轉化優勢是課題
全球各產業正經歷一場由生成式AI所驅動的爆炸性成長。2022年ChatGPT出現後，已從逐一對話式問答，進化為可自主執行的代理式AI（Agentic AI），它將問題拆解、運用規則和定理解決問題，記憶使用者行為偏好，並整合多個AI代理協同作業。以晶片設計業來說，電子設計自動化（EDA）軟體中已開始運用AI Agent，且預計到2030年將有逾90%的設計使用AI。
工研院產科國際所產業分析師林建良指出，全球AI市場整體在2024年至2029年，年均複合成長率達31.9%，其中生成式AI成長速度更驚人，預計到2029年將占據近一半的AI市場規模，年成長率高達約56%。面對這場科技淘金熱，以及企業對AI算力、AI基礎建設的需求，臺灣憑藉深厚的硬體製造優勢，迎來鞏固國際地位的歷史性機遇。「如何將硬體優勢轉化為高值軟體應用和完整的智慧生態系，是臺灣產業鏈必須正視的關鍵挑戰，」林建良強調。在全球AI產業鏈中，尤其是伺服器和晶片製造兩大領域，臺灣擁有難以取代的硬體優勢。
AI伺服器供應鏈 擁巨大營收增長空間
「以AI伺服器來說，臺灣的伺服器出貨量占全球近9成，在AI伺服器產業鏈中，不僅代工廠獲利豐厚，相關供應鏈同樣受益良多。」林建良一一列舉，AI伺服器對各元件規格的需求量遠高於傳統伺服器，包括AI伺服器的遠端控制晶片是一般傳統伺服器的3至5倍；GPU模組和記憶體新增載板的價值每台約1,000多美元，是一般伺服器的8到10倍；AI伺服器的被動元件使用量是一般伺服器的2倍，但價格高達5倍，營收可增加10倍；電源供應器千瓦以上，每台價格是一般伺服器的6倍；AI伺服器因散熱要求高，需使用液冷式系統，其價格比傳統風扇散熱高出10倍以上。
由此可見，臺灣在AI伺服器相關的零組件供應鏈中，有著巨大的營收增長潛力。為了進一步強化此優勢，林建良建議，臺廠可與國際大廠合作，往新型態的節能與散熱解決方案，如液冷系統的研發，也可朝智慧製造的軟硬體整合與邊緣AI系統發展，以滿足企業在地端（Local）儲存資料的需求。
AI晶片 建議朝推論、AI PC晶片發展
至於晶片領域，台積電7奈米以下產能占全球7成，且未來5年，AI加速器營收年複合成長率可達44%至46%，因此台積電的地位對臺灣AI發展至關重要。林建良認為，儘管臺灣在訓練晶片上難以與輝達（NVIDIA）或AMD等大廠競爭，但可以轉向推論AI晶片的發展，特別是著重於低能耗和先進異質封裝技術。
此外，也可吸引自主晶片與臺廠合作，例如輝達與聯發科等臺灣供應鏈合作研發製造的GB10晶片，應用於個人AI PC上，適合AI開發者、研究人員與中小企業。此類AI PC具有兩大優勢：首先是在地運算：可解決資料安全疑慮，不需將敏感數據上傳雲端；再來是效率提升：訓練完模型可即時驗證，省去傳統訓練過程中資料上傳與下載耗時流程。
軟體與落地應用的挑戰與機遇
儘管硬體實力雄厚，臺灣在AI應用落地與軟體平台的發展上，仍面臨不少挑戰，這關係到臺灣能否在微笑曲線中提升利潤率。首先，發展專屬模型或地端模型。目前主流的AI服務平台多是在雲端上，由Google、Facebook、亞馬遜等國際巨頭主導。然而，由於資料安全疑慮，許多公司不願意將敏感數據上傳至這些雲端平台。臺灣有機會發展地端的伺服器和軟體平台，滿足企業的資安需求，例如建立地端微型模型，一方面可降低成本，也可保護機密資料安全，或是整合公私資料庫，投入研發專屬領域模型，發展企業大腦及終端AI應用。
另一個則是產業應用的拓展與經驗傳承。臺灣擁有完整的電子製造和硬體產業生態系。輝達之所以選擇臺灣作為研發中心，正是看中臺灣豐富的電子生產資料，臺灣應利用這些資料優勢，進行模型應用拓展，如利用「老師傅的經驗」來訓練製造業相關模型，實現經驗的傳承和規模化。又如醫療領域，臺灣醫療水準全球名列前茅，具備發展醫療機器人等應用的潛力。
企業與員工使用AI認知差距大
現階段AI最大的挑戰並非技術，而是企業的導入與應用。根據麻省理工學院研究報告指出，僅有5%的生成式AI專案帶來明確營收增長。其中，約近90%的公司仍處於研究討論階段，約50%在測試階段，成功導入僅約40%。這項研究指出，企業沒有使用AI工具的原因，並非模型不夠強大或技術不好，而是企業本身還沒有準備好。由於生成式AI出現至今不到3年，要求企業在短時間內改變其文化並不容易。
一個有趣的現象是，90%的企業員工會自費使用AI工具來輔助工作，但只有40%的公司會為員工購買這些工具。這顯示員工普遍認知到AI工具的實用性，但企業層面卻尚未完全接受並大規模應用。
林建良認為，臺灣正處於將「硬體王國」升級為「智慧生態系」的關鍵節點。儘管面臨產業轉型、人才競逐和企業導入緩慢的挑戰，但基於硬體上的絕對優勢，以及巨大的未開發潛能，臺灣AI產業鏈的未來依舊充滿希望。臺灣必須積極發展推論晶片、新型節能伺服器、本土化軟體平台，並將老師傅的製造經驗轉化為AI數據資產，才能有效地在生成式AI這波高成長浪潮中，占據價值鏈的制高點，實現產業的永續發展。
（本文是由作者工業技術與資訊授權轉載）
