台灣觀察：台灣發展AI偏於一端，陷入戰略盲區！ 文：陳國祥

AI革命對台灣最大的好處，是把原本已經形成的半導體與ICT產業優勢進一步放大。進入AI時代後，高效能運算晶片、先進封裝、伺服器、網通設備、散熱系統、電源管理以及大量零組件都成為AI基礎建設不可缺少的一環。

台灣已成為AI製造基地

這意味着台灣不只是「搭上AI列車」，而是在相當程度上成為這列火車的重要製造基地。

然而，真正成熟的AI國家和地區，不是擁有最多GPU（圖形處理器）的國家和地區，而是能夠讓算力、能源、資本、人才、自然資源與社會財富形成良性循環的國家和地區。

AI可能帶動台灣製造業數位化。生成式AI、AI代理人與智慧製造可以降低企業導入高階資訊系統的門檻，讓中小企業也能使用過去只有大型企業才能負擔的分析、設計、客服、行銷與管理工具。

AI也可能提升醫療、教育、金融、交通與公共治理效率。如果使用得當，它不是單純取代人力，而是讓有限的人力創造更高價值。

只掌握「製造AI」，沒有掌握「定義AI」

台灣真正需要警惕的是：不能把AI帶來的產業紅利，誤認為台灣已經取得AI革命的主導權。台灣最大的戰略盲區：只掌握「製造AI」，卻沒有掌握「定義AI」。矽谷與中國大陸正在販售的不只是AI產品，更是一套關於未來的想像與創造。

從AGI、AI Agent、Physical AI到巨型資料中心與AI for Science，美國科技巨頭不斷提出新的技術敘事，再透過資本市場將未來轉換成股票估值、融資能力與龐大資本支出。

這套模式形成一個強大的正循環：技術故事吸引資本，資本建設算力，算力催生新模型，新模型再創造更大的市場預期。中國大陸不遑多讓，甚至在應用上多所超越。

台灣則位於這場資本支出狂潮的製造端。其中存在一個危險的認知錯誤：全球需要台灣製造，不等於全球AI由台灣定義。

AI競爭的重心正在由單純的硬體算力，逐漸向模型、數據、軟體、知識生產與系統控制轉移。Google DeepMind的AlphaFold之所以具有革命性，不只是因為它用了多少GPU，而是AI開始直接介入科學研究；AI for Science進一步將假設生成、模擬、實驗、分析與知識回寫連結起來。自主實驗室甚至可能讓「提出問題—進行實驗—取得結果—修正假設」形成自動化循環。這才是AI革命更深層的意義。

台灣需要建設「AI基礎建設」

如果未來全球競爭的核心從「誰製造更多晶片」轉向「誰能更快產生新知識」，台灣若仍以晶片出口額、伺服器出貨量來衡量AI實力，恐怕會出現嚴重的戰略錯覺。

AI時代的競爭力，不只是算力，更是資源配置能力。未來十年，全球企業與金融市場對ESG的關注也可能由單純的氣候風險，逐步擴大到生物多樣性、水資源與自然資本。

世界經濟論壇過去估計，全球約44萬億美元經濟價值高度或中度依賴自然及其生態系服務。當自然風險逐漸進入金融機構的授信、投資與風險管理體系，台灣企業不能再認為「生態」只是環保團體關心的問題。它將逐漸成為企業成本與競爭力問題。

能源與碳排管理目前已逐漸建立制度，但台灣在生物多樣性與自然資本方面仍缺乏完整、統一、即時的資料系統。結果是企業要進行自然相關風險評估時，常常不是沒有意願，而是「沒有資料」。因此，台灣真正需要建設的「AI基礎建設」，不只是資料中心，也包括一套自然資本資料庫。

一項產業政策究竟創造多少經濟價值，又消耗多少自然資本？這將是未來治理的重要能力。

文：陳國祥
政治大學 新聞系、新聞研究所碩士，台灣資深媒體人，曾任「中央通訊社」董事長、「中央選舉委員會」委員、《自立晚報》總編輯、《中國時報》總編輯、《中時晚報》社長、台北市政府客家事務委員會委員、《中國時報》特約主筆、時報育才董事長。現為傳媒顧問。

＊作者文章觀點，不代表堅料網立場