30 秒概覽： 2024 年 10 月 8 日，諾貝爾物理獎頒給寫出 Hopfield Network 的物理學家與寫出 backpropagation 的認知學家1。隔天 10 月 9 日，諾貝爾化學獎頒給三位用 AI 把五十年蛋白質摺疊難題解開的研究者2。同年 5 月 29 日，NVIDIA 執行長黃仁勳出現在台北寧夏夜市跟張忠謀、林百里、蔡力行吃蚵仔煎。台積電拿下全球晶圓代工市場 72% 的營收，鴻海、廣達、緯創合計生產全球九成的 AI 伺服器。但這場兩天連發、把四十二年神經網路歷史補上正當性的科學儀式裡，沒有一個名字來自台灣。從 PTT 創辦人杜奕瑾建立的台灣人工智慧實驗室，到政府押注的繁體中文大型語言模型 TAIDE，一場從「製造 AI」到「成為 AI」的賭注正在進行。
42 年的肯定：2024 諾貝爾兩天連發
2024 年 10 月 8 日上午，斯德哥爾摩。瑞典皇家科學院宣布，當年諾貝爾物理獎頒給兩位 AI 科學家：91 歲的普林斯頓榮譽教授 John J. Hopfield，以及 76 歲、五個月前剛從 Google 離職的 Geoffrey Hinton。獎金 1100 萬瑞典克朗，兩人平分1。
評審委員會給的得獎理由是「對於促成人工神經網路機器學習的基礎發現與發明」（for foundational discoveries and inventions that enable machine learning with artificial neural networks）1。這是諾貝爾物理獎史上第一次直接把獎座放到神經網路這個領域上。
隔天，10 月 9 日，化學獎。三位得主：華盛頓大學的 David Baker，加上 DeepMind 的兩個人，Demis Hassabis 跟 John Jumper。Baker 拿一半獎金，Hassabis 跟 Jumper 共享另一半2。得獎理由分成兩段，前段給 Baker 的「計算蛋白質設計」，後段給 Hassabis 跟 Jumper 的「蛋白質結構預測」。
兩天，兩個諾貝爾，全都跟 AI 有關。這在諾貝爾獎的歷史上沒有先例。
對照一下時間軸：Hopfield 1982 年在《美國國家科學院院刊》（PNAS）發表那篇叫做《Neural networks and physical systems with emergent collective computational abilities》的論文時，他剛從凝態物理跳進神經科學3。從 1982 到 2024，整整 42 年。Hinton 跟 Rumelhart 把 backpropagation 演算法寫成可用工具的那篇 1986 年論文4，從發表到拿獎也是 38 年。AlphaFold 從 2018 年 CASP13 第一次亮相到 2024 拿諾貝爾，只花了 6 年。
說到底，這兩天諾貝爾頒的對象不是 ChatGPT，而是三、四十年前那幾篇沒人看得懂的論文。基礎研究跟產業應用的時差，一直都是這樣。
Geoffrey Hinton，2024 諾貝爾物理獎得主，斯德哥爾摩諾貝爾週。Photo: Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons.
寧夏夜市裡的兆元飯局
2024 年 5 月 29 日傍晚，Computex 開展前夕的台北寧夏夜市出現了一群不尋常的食客。NVIDIA 執行長黃仁勳帶著台積電創辦人張忠謀、廣達董事長林百里、聯發科執行長蔡力行，擠在攤位前吃蚵仔煎5。路人認出黃仁勳，瞬間被粉絲和記者包圍，場面堪比追星。
這頓飯的市值加起來超過數兆美元。但真正的故事不在飯桌上，而在飯桌背後的產業鏈上：這幾個人代表的公司，撐起了全球 AI 運算的物理基礎。黃仁勳在那趟台灣行中公開說：「台灣是世界上最重要的國家之一。」6 這不是客套話。沒有台灣，AI 革命的硬體根基不存在。
黃仁勳 1963 年生於台北，童年在台南度過，九歲移民美國7。他 1993 年共同創辦的 NVIDIA，如今是 AI 晶片的代名詞。NVIDIA 設計的每一顆先進 GPU，從訓練 ChatGPT 的 A100、H100，到最新的 Blackwell 系列，全部交給台積電製造8。
四個月後在斯德哥爾摩公布的兩個諾貝爾獎名單，沒有任何一個名字跟這頓飯有關。這個落差不是巧合，是一個結構性的事實。
硬體：一座島撐起整場 AI 革命
台灣在 AI 硬體供應鏈中的地位，用「關鍵」來形容都太輕描淡寫。
晶片製造這一環，2025 年台積電拿下全球晶圓代工市場 72% 的營收份額9。在最先進的 7 奈米以下製程，台積電的市佔率超過九成。NVIDIA 在 AI GPU 市場的份額約 86%，而這些 GPU 幾乎全數由台積電代工10。全世界用來訓練和運行 AI 模型的算力，絕大多數誕生在台灣的無塵室裡。
晶片做出來之後，還要組裝成伺服器才能進資料中心。這一環同樣由台灣主導。鴻海、廣達、緯創三大 ODM 廠合計生產了全球約九成的 AI 伺服器11。2025 年，這三家公司的年營收各自突破新台幣一兆元（約 320 億美元），其中 AI 伺服器營收在第二季首度超越消費電子產品12。
AI 晶片的效能不只取決於製程微縮，還取決於封裝技術。台積電的 CoWoS（Chip on Wafer on Substrate）先進封裝技術，是 NVIDIA 高階 GPU 達到效能目標的關鍵。2026 年，光是 NVIDIA 一家對 CoWoS 晶圓的需求就預估達 59.5 萬片，佔全球總需求的 60%13。
鴻海更與 NVIDIA 和台灣政府合作，在高雄興建一座 100 百萬瓦（MW）等級的 AI 工廠超級電腦，採用最新的 NVIDIA Blackwell 架構14。台灣正從「製造 AI 晶片的地方」升級為「運行 AI 的地方」。
台積電新竹 Fab 5 廠房，AI 晶片代工的物理現場。Photo: Wikimedia Commons via TSMC Fab 5 file.
問題在於：硬體拿到入場券，下一場仗會在哪裡。
📝 策展人筆記
通行的講法是「台灣護國神山撐起 AI 革命」。這個說法在敘事上順手，但它把因果搞反了一半。是 AI 革命需要 GPU 才挑上台積電，不是台積電靠 AI 革命長出來的。真正的張力在於：當 GPU 是商品，下一階段的價值會滑去哪裡？2024 兩個諾貝爾給出的答案是模型本身——Hopfield 寫的那 12 頁紙，Hinton 跟學生 Krizhevsky 在 2012 年讓 AlexNet 把 ImageNet 影像辨識錯誤率從 26.2% 拉到 15.3% 的那個夜晚15，以及 Hassabis 那群人讓 AlphaFold 在 CASP14 拿到中位數 GDT 92.4 的那個下午。
Hopfield 1982：物理學家寫的記憶模型
1982 年，普林斯頓的凝態物理學家 John Hopfield 寫了一篇只有 12 頁的論文，標題很長：《Neural networks and physical systems with emergent collective computational abilities》，發表在《美國國家科學院院刊》3。
他做的事情，本質上是把「記憶」翻譯成物理。
物理學裡有一個東西叫做 spin glass（自旋玻璃）：一堆磁原子各自有自旋方向，彼此之間有相互作用，整個系統會自發找到一個能量最低點。Hopfield 把這個概念搬到神經元上：把神經元想像成 spin，把連接強度想像成相互作用，整個網路會自發收斂到某個「能量最小值」（energy minimum）的穩定狀態3。每一個 energy minimum 就是一個被儲存的記憶。
這個模型的優雅在於，它讓記憶變成可以用物理語言描述的東西。給定不完整的線索，網路會自己找到最接近的那個能量最低點，把整段記憶補完。這就是後來生成式 AI 在做的事情的數學祖先。
1982 那一年，台灣的事情是電子業剛起步、台積電還沒成立。張忠謀要等到 1987 才創辦那家會在 42 年後變成「護國神山」的公司。Hopfield 的論文在 Google Scholar 上的引用次數，到 2026 年已經累積到 兩萬七千次以上16。
更有趣的是 Hopfield 後來說的一句話。他在普林斯頓做了一輩子凝態物理，跨進神經科學被當時的同行視為「玩票」。直到 2024 諾貝爾名單公布，他 91 歲，瑞典皇家科學院在電話訪問裡問他得獎感想，他說自己對「沒有人理解或控制 AI 的方向」感到不安17。
寫出整個現代 AI 數學基礎的人，在拿到獎座的那天提醒大家小心一點。
John J. Hopfield，2024 諾貝爾物理獎得主，斯德哥爾摩諾貝爾週。Photo: Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons.
Hinton：那篇 1986 年論文，跟 2023 年離開 Google 的警告
1947 年出生於倫敦溫布頓的 Geoffrey Hinton，是另一個被歷史晚到 38 年才肯認的人18。
1986 年，Hinton 跟 David Rumelhart、Ronald Williams 一起在《Nature》發表了一篇關於 backpropagation 的論文4。這個演算法的意思是：當神經網路犯錯時，可以把錯誤訊號逆向傳回每一層，逐層調整連接權重。這就是今天所有深度學習模型訓練自己的方式。
這個演算法 1986 年寫出來，但要等到三件事齊備才會引爆：足夠便宜的算力、足夠大量的資料、跟願意相信這條路的人。前兩件事在 2010 年代初準備好了，第三件事的代表人物就是 Hinton 跟他兩個學生 Alex Krizhevsky 跟 Ilya Sutskever。2012 年，他們用 GPU 訓練的卷積神經網路 AlexNet 在 ImageNet 影像辨識比賽拿下 top-5 錯誤率 15.3%，把第二名的 26.2% 遠遠甩開15。那一刻整個產業才相信 backpropagation 真的可以工作。
2013 年 3 月，Google 用 4400 萬美元收購 Hinton 的小公司 DNNresearch，把 65 歲的他納進旗下18。接下來十年，他是矽谷最有威望的 AI 學者。
然後 2023 年 5 月 1 日，《紐約時報》登出一則訪問：Hinton 離開了 Google。
他離職的理由不是退休。他在訪問裡說，他想要「能夠自由地談論 AI 風險，而不必考慮這對 Google 的影響」19。他預警的事情包括：AI 系統可能很快比人類更聰明，可能被壞人利用做壞事，而要阻止這件事「很難看出有什麼辦法」19。他甚至說自己對自己一輩子的工作「有一部分感到後悔」19。
2024 年諾貝爾物理頒給他的時候，他在電話訪問裡又重複了一次警告：要小心 AI 失控的可能性20。
寫出深度學習訓練演算法的人，跟寫出記憶模型的人，在 2024 年 10 月那一天同時站上瑞典皇家科學院的講台，同時提醒大家小心這件東西可能比想像中還危險。這個畫面跟 1945 年新墨西哥沙漠裡奧本海默看著蕈狀雲冒起時的表情，有種對位的味道。
兩個月後，2024 年 12 月 8 日，Hinton 在 Stockholm 大學 Aula Magna 講堂發表諾貝爾獎演說。題目是〈Boltzmann Machines〉——那是他跟 Hopfield 一脈相承的、把熱力學機率分布寫進神經網路的早期工作。聽完才知道，1986 年那篇 backpropagation 論文不是孤立的洞見，是 80 年代物理跟認知科學交會處長出來的一整套思路：
Royal Swedish Academy of Sciences 官方頻道：Geoffrey Hinton 2024 年 12 月 8 日的諾貝爾物理獎演說「Boltzmann Machines」。從 1980 年代他跟 Sejnowski 一起寫 Boltzmann machine、到 backpropagation、到今天的 LLM——整整四十年。最後 5 分鐘他重新講了一次他對 AI 風險的擔憂，這次站在諾貝爾講台上。
從 PTT 到 AI 實驗室：杜奕瑾的兩次創業
回到台灣這座島。Hopfield 寫出記憶模型的同一段時間，台灣才剛開始有計算機系。
1995 年，台大資工系大二學生杜奕瑾用一台 486 電腦和開源軟體，在宿舍裡架起了 PTT，後來成為台灣最大的電子布告欄。三十年後，PTT 依然每天有數十萬人上線，是台灣網路文化的活化石。
杜奕瑾後來去了微軟，參與 Cortana 語音助理的開發。2017 年 4 月，他放棄矽谷的高薪回到台灣，創辦了「台灣人工智慧實驗室」（Taiwan AI Labs），這是亞洲第一個非營利、開放的 AI 研究機構21。
他的動機很直白：台灣有世界級的軟體人才，但這些人才都跑去矽谷了。他想建一個平台，讓想回來或想留下的人有地方做 AI 研究。
Taiwan AI Labs 最知名的產品是「雅婷逐字稿」，一套針對繁體中文和台灣口音優化的語音辨識系統。在 COVID-19 疫情期間，實驗室還開發了假訊息偵測工具和聯邦式學習醫療 AI22。這些專案的共同點是：它們解決的都是台灣在地的問題，用的是台灣在地的資料，而不是把美國的模型翻譯過來用。
杜奕瑾的故事，從 PTT 到 AI Labs，某種程度上就是台灣軟體發展的縮影：不缺技術能力，缺的是讓人才留下來的生態系。
💡 你知道嗎
1986 年 Hinton 發表 backpropagation 那一年，台灣 GDP 約 779 億美元、人均 GDP 約 4,007 美元、新竹科學園區剛運作六年23。三件事在同一個地球上同時發生，但要 26 年後在 ImageNet 數據集上，這條歷史線才會交會。基礎研究的時間尺度，總是比產業敘事感受到的長。
AlphaFold：50 年蛋白質摺疊難題的另一半諾貝爾
2024 諾貝爾化學的故事，要從一個 1972 年的問題講起。
那一年，美國生化學家 Christian Anfinsen 拿諾貝爾化學獎時的得獎演說提出一個假設：蛋白質的三維摺疊結構，完全由它的胺基酸序列決定24。如果這個假設成立，那理論上我們只要看到一條胺基酸序列，就應該能算出對應的 3D 結構。但這個「應該」維持了半個世紀都沒做到。蛋白質摺疊被稱為 grand challenge。學界每兩年辦一次 CASP 比賽，所有人交出來的預測結果跟實驗結構比對，從 1994 年開始辦了 13 屆，沒有人能突破25。
直到 2018 年 CASP13，DeepMind 派出第一代 AlphaFold 參賽奪冠，但精度還不到實用。真正的轉捩點是 2020 年 11 月 30 日的 CASP14：AlphaFold 2 拿出中位數 GDT 92.4 的成績25。GDT 92.4 的意思是，超過一半的預測結果，原子位置跟實驗值的偏差小於一個埃米，達到實驗解析度等級。CASP 主辦人 John Moult 當天的講法是「在很大程度上，這個問題已經解決了」25。
50 年沒解開的問題，在六年裡被一個倫敦的研究團隊解掉了。
接下來事情走得更快。2021 年 7 月，AlphaFold 2 原始碼開源；同一年 DeepMind 跟歐洲分子生物學實驗室（EMBL-EBI）合作把 AlphaFold 預測的蛋白質結構做成公開資料庫。2022 年 7 月，這個資料庫覆蓋了 100 萬個物種、約 兩億個蛋白質結構，等於把地球上幾乎所有已知蛋白質的 3D 模型免費釋出26。
2024 年 5 月 8 日，DeepMind 在《Nature》上發表 AlphaFold 3，把預測能力從單一蛋白質擴展到蛋白質與 DNA、RNA、配體（ligand）跟離子的交互作用27。從新藥開發、疫苗設計到酵素工程，所有需要知道分子怎麼鎖在一起的領域，都被這套工具改寫了底層。
寫出 AlphaFold 的 Demis Hassabis 不是傳統生化學家。他四歲開始下西洋棋，13 歲就拿到大師頭銜；17 歲那年跟 Peter Molyneux 共同開發了模擬遊戲《Theme Park》，賣出幾百萬份28。2010 年他跟 Shane Legg、Mustafa Suleyman 在倫敦創辦 DeepMind，2014 年被 Google 用 4 億英鎊收購28。2016 年 DeepMind 的 AlphaGo 擊敗李世乭，2020 年是 AlphaFold 2，2024 年諾貝爾，三件事間隔不到十年。
中間那條線是同一個賭注：用神經網路去解人類過去用人腦解不開的問題。圍棋是規則閉合的，蛋白質摺疊是規則開放但物理約束強烈的。這兩件事 Hassabis 都選對了戰場。
台灣這邊，中研院翁啟惠院長任內（2006-2016）建立的醣分子蛋白質研究，是台灣最接近這條前線的學術投資29。中研院生物醫學研究所、生化所也有團隊在用 AlphaFold 的開源權重做下游研究。但 AlphaFold 級別的核心模型開發，台灣目前沒有對應建制。
⚠️ 爭議觀點
AlphaFold 拿諾貝爾化學在學界有過爭論：一部分結構生物學家認為，這個獎應該頒給做出最早關鍵實驗的 X 光晶體繞射或核磁共振學者，而不是把計算工具升上化學殿堂30。另一部分則認為這個爭論本身就過時——當演算法能在五年內幫人類補完地球上幾乎所有蛋白質的 3D 結構，這就是化學。兩種立場的爭論在 2024 年 10 月之後逐漸轉向後者，但它代表的張力沒消失：當 AI 能做的事擴張，傳統學科的邊界要不要重畫？
TAIDE：台灣為什麼需要自己的語言模型
2023 年 4 月，ChatGPT 席捲全球半年後，台灣國家科學及技術委員會（國科會）啟動了「TAIDE」計畫，全名為 Trustworthy AI Dialogue Engine（可信任生成式 AI 對話引擎）31。
為什麼一個兩千三百萬人的島國要自己做大型語言模型？
原因不只是技術自主。繁體中文在全球 AI 訓練資料中佔比極低，大部分中文資料來自簡體中文網站。當台灣人使用 ChatGPT 或其他模型時，得到的回答往往帶有中國大陸的用語習慣和觀點預設。「視頻」而非「影片」、「質量」而非「品質」，這些看似細微的差異，背後是文化主體性的問題。天下雜誌直接以「防止中國 AI 文化侵略」為標題報導 TAIDE32。
2024 年 4 月，TAIDE 團隊釋出了商用版 TAIDE-LX-7B 和學研版 TAIDE-LX-13B 模型，在寫作、翻譯、摘要等任務上表現不錯33。到了 2026 年，TAIDE 2.0 發布，加上聯發科支持的 Breeze-8B 模型，台灣的 LLM 生態系從「追趕」階段進入了「可用」階段34。
更有趣的是應用端的開花。中興大學用 TAIDE 打造了農業知識檢索系統「神農 TAIDE」；台南大學開發了台英語對話機器人用於台語教學；陽明交大則訓練出台語和客語版本的 TAIDE 模型35。這些應用印證了一件事：語言模型同時是技術產品與文化載體。一個不理解「天穿日」和「媽祖遶境」的 AI，無法真正服務台灣人。
不過 TAIDE 規模仍小：商用 8B 跟學研 13B 參數量，跟 OpenAI 的 GPT-4 等級（推測超過 1 兆參數）相差兩個量級以上。這條差距背後是 GPU 預算問題而非能力問題。訓練一個前沿等級的 LLM，需要的算力以億美元計，跟一個國家級科研機構的年度預算同個量級。
被駭出來的 AI 資安
台灣是全世界受網路攻擊最頻繁的國家之一。這個不幸的現實，意外催生了一個強悍的 AI 資安產業。
2017 年底成立的奧義智慧（CyCraft），是台灣第一家結合 AI 與端點監控的資安公司。它的技術七度被全球研調機構 Gartner 收錄在報告中，是台灣唯一三度通過美國 MITRE ATT&CK 權威評測的廠商36。2026 年 2 月，奧義智慧在台灣證交所創新板掛牌上市，成為台灣資本市場第一家具國際級自主研發能力的 AI 資安軟體原廠37。
奧義智慧的客戶涵蓋台灣政府機關、國防單位、銀行和半導體公司，這些正是最常被國家級駭客鎖定的目標。公司在日本和新加坡設有子公司，正在將「被駭出來的實戰經驗」輸出到整個亞太地區。
這個案例說明了一件事：台灣的 AI 優勢不只來自半導體，也來自特殊的地緣政治處境所磨練出的實戰能力。
政策：從「AI 元年」到數位發展部
台灣的 AI 政策發展可以用三個節點來理解。
2017 至 2018 是起步階段。行政院將 2017 年定為「AI 元年」，提出「AI 小國大戰略」概念，承認台灣市場小，但強調半導體製造、ICT 供應鏈、理工人才這三張牌。2018 年啟動第一期「台灣 AI 行動計畫」，四年投入超過新台幣 400 億元，重點建設 AI 運算基礎設施「台灣 AI 雲」（TWCC）38。
2022 年走向制度化。數位發展部（moda）成立，整合原本散落在科技部、經濟部、交通部的數位業務。這一步的意義在於：AI 政策從「科技部的專案」升格為「跨部會的國家戰略」。同年，政府發布「人工智慧科研發展指引」，強調以人為本、透明可解釋、公平無歧視等原則。
2023 年至今則是生成式 AI 轉向。ChatGPT 的衝擊讓政策急轉彎。TAIDE 計畫啟動、AI 基本法草案推動、公部門 AI 導入加速。台灣的策略很務實：不跟美中比拼基礎研究的論文數量，而是把 AI 跟既有的製造業優勢嫁接。智慧製造、醫療影像、半導體良率預測，這些都是台灣有資料、有場景、有競爭力的領域。
問題是，2024 年 10 月那兩天諾貝爾的領獎名單，沒有一個來自「智慧製造」這條路徑。
焦慮：硬體帝國的軟體缺口
光鮮的數字背後，台灣 AI 發展有一個結構性的問題：硬體與軟體的嚴重失衡。
台灣生產了全球九成的 AI 伺服器和大部分的 AI 晶片，但在 AI 模型開發、資料生態、平台軟體這些「軟」的環節，存在感很低。全球前二十大 AI 模型，包括 GPT、Claude、Gemini、LLaMA 在內，沒有一個來自台灣。把 2024 雙諾貝爾的得獎工作對照下來，從 Hopfield Network、backpropagation 到 AlphaFold，這三條線跟台灣產業的距離都很遠。
原因是老問題的新版本。當台積電工程師年薪可以超過兩百萬台幣，軟體新創很難搶到頂尖人才。Google、Microsoft、NVIDIA 在台灣設研發中心，薪資和福利形成強大的虹吸效應。一個台大資工系畢業生的首選，往往是外商或台積電 IT，而不是加入一家本土 AI 新創。
更根本的挑戰是資料。AI 模型的價值來自訓練資料，而繁體中文的高品質資料量，跟英文或簡體中文相比微乎其微。台灣兩千三百萬人口產出的文本量，天然就比不上英語世界或中國大陸。TAIDE 計畫試圖解決這個問題，但資料的規模劣勢是結構性的。
台灣 AI 的真正賭注，落在垂直應用而非基礎模型：與其在通用模型上跟 OpenAI 或 Google 正面對決，台灣選擇在半導體製程 AI、醫療影像 AI、資安 AI、繁體中文 NLP 找到不可替代的位置。這些領域台灣有獨特的資料和場景優勢，別人很難複製。
一座島的 AI 選擇
2026 年的台灣站在一個獨特的位置：它在 AI 硬體供應鏈中從未如此不可或缺，卻在 AI 軟體生態中依然邊緣。
這不完全是壞事。歷史上，台灣的成功模式一直是「不當品牌，當品牌背後的品牌」。張忠謀 1987 年發明的純代工模式，讓台積電成為全球市值前十大企業。今天，同樣的邏輯正在 AI 伺服器產業重演：鴻海不做 AI 模型，但全世界的 AI 模型都跑在鴻海組裝的伺服器上。
但 AI 時代的遊戲規則可能不同。當價值重心從硬體滑向軟體和資料，只做代工的利潤空間會被壓縮。2024 那兩天諾貝爾頒出去的對象，全部是軟體層的人。Hopfield 寫的是數學模型，Hinton 寫的是訓練演算法，Hassabis 寫的是生物學的解答方法。這些工作都跑在台灣製造的硬體上，但獎座不是頒給硬體。
台灣需要在硬體霸權的基礎上長出軟體和資料的能力：硬體仍是底盤，新的價值層疊加在它之上。TAIDE 是一個嘗試，CyCraft 是一個嘗試，Taiwan AI Labs 是一個嘗試。它們的共同點是：不追求做「全世界最大的 AI」，而是做「最懂台灣的 AI」。
42 年前，Hopfield 在普林斯頓寫下那 12 頁紙的時候，沒人知道這會變成今天人類記憶模型的數學基礎。50 年前，Anfinsen 在諾貝爾演說裡提出蛋白質摺疊假設的時候，沒人預料到要等到 2020 那個下午才會被一群倫敦人解開。基礎研究的時間尺度，比每一場 Computex 都長。
寧夏夜市那頓飯，是台灣這 42 年累積的位置。下一場仗在哪——不在蚵仔煎攤前，在台灣有沒有勇氣讓某個正在台大宿舍裡寫程式的學生，二、三十年後拿到屬於這座島的諾貝爾。
延伸閱讀：
- AI 島國的崛起：台灣人工智慧發展與未來策略 — 早期版本的政策架構敘事，AI 行動計畫、五大戰略領域、半導體護國神山如何嫁接 AI 革命的全景。
- 台灣人工智慧實驗室 — 杜奕瑾從 PTT 到 AI Labs 的完整歷程，TAIDE / TAME / FedGPT 開源語言模型生態。
- 台灣人工智慧學校 — 那通沒打完的電話，跟陳昇瑋 1.8 億民間募資建立的 AI 軍校：八年校友破萬的人才養成史。
- 台灣 AI 日常 — 生成式 AI 進入台灣日常生活的紀實，從便利商店點餐到健保署批次審查的場景級觀察。
- 台灣企業：台積電 — 全球晶圓代工龍頭，AI 晶片製造的核心，從張忠謀的純代工模式到先進封裝的故事。
- 半導體產業 — 從 IC 設計到封測，台灣半導體生態系全貌。
- 台灣資安產業發展 — 地緣政治壓力如何催生出亞太級的 AI 資安產業。
圖片來源
本文使用 4 張公有領域 / CC 授權圖片，全部 cache 於 public/article-images/technology/ 避免熱連結來源伺服器：
- Estructura tridimensional de la proteïna CBLN1 per AlphaFold amb codificació rainbow — hero，CBLN1 蛋白質 AlphaFold 預測結構，rainbow 色彩編碼 N→C 端。Photo: BQUB25-UPoch (own work, AlphaFold + PyMOL), 2025-11-15, CC BY 4.0.
- Geoffrey E. Hinton, 2024 Nobel Prize Laureate in Physics (3x4 cropped) — inline，2024 諾貝爾週 Hinton 官方人像。Photo: Arthur Petron, 2024-12-08, CC BY-SA 4.0.
- John J. Hopfield, 2024 Nobel Prize Laureate in Physics 1 (cropped) — inline，2024 諾貝爾週 Hopfield 官方人像。Photo: Arthur Petron, 2024-12-08, CC BY-SA 4.0.
- TSMC Fab 5 — inline，台積電新竹 Fab 5 廠房，AI 晶片代工物理現場。Photo: Wikimedia Commons (existing cache).
參考資料
- The Nobel Prize in Physics 2024 press release — 2024 年 10 月 8 日瑞典皇家科學院正式公告。原文：「The Royal Swedish Academy of Sciences has decided to award the Nobel Prize in Physics 2024 to John J. Hopfield and Geoffrey Hinton 'for foundational discoveries and inventions that enable machine learning with artificial neural networks.'」獎金 1100 萬瑞典克朗，兩人平分。↩
- The Nobel Prize in Chemistry 2024 press release — 2024 年 10 月 9 日公告。獎金 1100 萬瑞典克朗，David Baker 拿一半「for computational protein design」，Demis Hassabis 與 John Jumper 共享另一半「for protein structure prediction」。↩
- Hopfield, J. J. (1982). "Neural networks and physical systems with emergent collective computational abilities." PNAS, 79(8), 2554-2558 — Hopfield Network 原始論文，把神經網路類比為 spin glass 系統，提出 energy minimum 對應記憶儲存。1982 年 4 月發表。↩
- Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). "Learning representations by back-propagating errors." Nature, 323, 533-536 — backpropagation 演算法經典論文，神經網路訓練法的奠基性工作。↩
- Tom's Hardware: Semiconductor legends take a stroll in a Taiwanese night market — 2024 年 5 月 29 日寧夏夜市場景報導，記錄黃仁勳、張忠謀、林百里、蔡力行同桌用餐畫面。↩
- Taiwan News: Nvidia CEO calls Taiwan 'one of the most important countries in the world' — 2024-05-30 黃仁勳訪台公開言論。↩
- Wikipedia: Jensen Huang — 黃仁勳 1963 年生於台北、童年在台南、九歲移民美國的傳記資料。↩
- NVIDIA 所有先進 GPU（A100、H100、Blackwell 系列）均由台積電代工製造。參見 Klover.ai: TSMC AI Fabricating Dominance — 涵蓋 NVIDIA AI GPU 全系列代工關係的產業分析。↩
- SQ Magazine: AI Chip Statistics 2025 — 2025 年台積電晶圓代工營收市佔率 72% 數據來源；另見 Motley Fool 同期報導。↩
- PatentPC: The AI Chip Market Explosion — NVIDIA AI GPU 市場份額 86% 數據出處。↩
- Tech-Now: Taiwan Leads Global AI Server Shift, Surpassing iPhones in 2025 — 鴻海、廣達、緯創全球 AI 伺服器 90% 出貨數據。↩
- DigiTimes: Foxconn, Wistron, Quanta to sustain trillion-dollar revenue on AI server in 2026 — 三家 ODM 年營收破兆、AI 伺服器超越消費電子的數據報導。↩
- 36Kr: Who Will Divide Up the CoWoS Production Capacity in 2026? — NVIDIA 對 CoWoS 晶圓需求 59.5 萬片、佔全球 60% 數據。↩
- NVIDIA Newsroom: Foxconn Builds AI Factory in Partnership With Taiwan and NVIDIA — 高雄 100MW AI 工廠合作案；另見 CNBC 報導 100MW 電力容量。↩
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). "ImageNet Classification with Deep Convolutional Neural Networks." NeurIPS 2012 / NIPS Proceedings — AlexNet 原始論文，ImageNet ILSVRC-2012 top-5 錯誤率 15.3%（第二名 26.2%），深度學習產業化的關鍵轉折點。↩
- PanSci 泛科學：2024 諾貝爾物理獎—— Hopfield 與 Hinton 開啟了人工神經網路機器學習時代 — Content Curation Partner per MOU 2026-05-05。涵蓋 Hopfield Network 提出背景、spin glass 類比、論文引用次數累積、與當代深度學習的數學連結。↩
- The Guardian: Nobel physics prize 2024 winner John Hopfield warns of AI dangers — 2024-10-08 諾貝爾物理獎電話訪問報導，Hopfield 與 Hinton 同日提出 AI 風險警告。↩
- Wikipedia: Geoffrey Hinton — Hinton 1947 年 12 月 6 日生於倫敦溫布頓，2013 年 3 月 Google 以 4400 萬美元收購 DNNresearch 後加入 Google。↩
- BBC News: AI 'godfather' Geoffrey Hinton warns of dangers as he quits Google — 2023-05-01 Hinton 離開 Google 後對 BBC 表達 AI 風險擔憂。原文「I left so that I could talk about the dangers of AI without considering how this impacts Google」、「a part of me now regrets my life's work」。同期 NYT 採訪細節亦見此報導引述。↩
- Nature: AI scientist Geoffrey Hinton wins Nobel prize for physics — Nature 對 2024 諾貝爾物理頒獎現場與 Hinton 電話訪問的詳述。↩
- 台灣人工智慧實驗室官網 關於我們 — 杜奕瑾 1995 年於台大創立 PTT、2017 年 4 月返台創辦 Taiwan AI Labs 的官方簡介。↩
- TechNews 科技新報：AI 人才在台灣，該走該留？專訪台灣人工智慧實驗室創辦人杜奕瑾 — 雅婷逐字稿、聯邦式學習醫療 AI 等核心專案介紹。↩
- Wikipedia: Economic history of Taiwan — 1986 年台灣 GDP 數據；新竹科學園區成立於 1980 年 12 月。↩
- Anfinsen, C. B. (1973). "Principles that govern the folding of protein chains." Science, 181(4096), 223-230 — 1972 諾貝爾化學獎得獎工作之一，提出蛋白質摺疊由胺基酸序列決定的假設。↩
- Nature: 'It will change everything': DeepMind's AI makes gigantic leap in solving protein structures — 2020 年 11 月 30 日 CASP14 公布結果報導，AlphaFold 2 中位數 GDT 92.4，CASP 主辦人 John Moult 評論「in some sense the problem is solved」。↩
- DeepMind: AlphaFold reveals the structure of the protein universe — 2022 年 7 月 28 日宣布 AlphaFold Protein Structure Database 覆蓋 100 萬物種、約 2 億蛋白質結構。↩
- Abramson, J., Adler, J., Dunger, J. et al. (2024). Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature 630, 493-500 — 2024 年 5 月 8 日 AlphaFold 3 發表，擴展到蛋白質與 DNA / RNA / ligand / 離子複合物預測。↩
- Wikipedia: Demis Hassabis — Hassabis 4 歲開始下西洋棋、17 歲（1994）跟 Peter Molyneux 共同開發《Theme Park》、2010 年於倫敦創辦 DeepMind、2014 年 Google 以約 4 億英鎊收購。↩
- 中央研究院基因體研究中心 — 翁啟惠院長任內（2006-2016）建立的醣分子蛋白質結構研究中心。↩
- PanSci 泛科學：2024 諾貝爾化學獎—— David Baker、Demis Hassabis、John Jumper 解開蛋白質摺疊難題 — Content Curation Partner per MOU 2026-05-05。涵蓋 AlphaFold 諾貝爾化學爭議、結構生物學 vs 計算化學的學科邊界討論。↩
- 行政院：完善臺灣 AI 基礎建設——打造可信任 AI 對話引擎 TAIDE — 2023 年 4 月 TAIDE 計畫啟動官方說明。↩
- 天下雜誌：「防止中國 AI 文化侵略」台灣第一個繁體中文大語言模型 TAIDE，能做什麼？ — TAIDE 主題報導，繁中 LLM 文化主體性論述出處。↩
- 國科會新聞稿：TAIDE 一年有成 公私協力共同推進具臺灣特色之大型語言模型 — 2024 年 4 月 TAIDE-LX-7B 商用版、13B 學研版釋出。↩
- CloudInsight: Taiwan LLM Development Status 2026 — TAIDE 2.0、Breeze-8B 等台灣 LLM 生態系完整盤點。↩
- 同上 CloudInsight 報告。中興大學「神農 TAIDE」、台南大學台英語對話機器人、陽明交大台客語 TAIDE 模型等應用案例詳述。↩
- CIO Taiwan：台灣資安業者巡禮——奧義智慧科技 — 奧義智慧七度入列 Gartner、三度通過 MITRE ATT&CK 評測的詳述。↩
- 奧義智慧官網：創新板首發 AI 資安王者！奧義賽博今日掛牌 — 2026 年 2 月 5 日創新板掛牌新聞稿。↩
- 國科會：AI 科研戰略 — 第一期台灣 AI 行動計畫 400 億預算、TWCC 建置等政策架構。↩