30 秒概覽： 台灣憑藉台積電製造NVIDIA AI晶片，在全球AI硬體供應鏈佔據關鍵地位。2023年生成式AI爆發後，台灣從「幫別人做晶片」開始思考「如何用AI」，政府推動AI四大策略，但仍有七成企業未跨過AI化門檻。台灣正在從硬體代工轉向AI應用創新。
當ChatGPT在2022年底橫空出世時，很多台灣人可能沒想到，支撐這場AI革命的硬體基礎，很多都是「台灣製造」。
台積電的AI晶片帝國
故事要從台積電說起。當NVIDIA在2020年推出RTX 30系列GPU時，台積電的7奈米製程技術功不可沒。當NVIDIA在2023年因為ChatGPT暴紅，H100 AI晶片供不應求時，台積電再次成為幕後推手。
這不是偶然。台積電從2016年就開始與NVIDIA深度合作，投資最先進的製程技術。當時很多人覺得AI還太遙遠，但台積電押對了寶。
2024年，台積電的AI相關營收占總營收超過50%。不只NVIDIA，AMD、Broadcom、Marvell等AI晶片大廠，都離不開台積電的製造技術。可以說，沒有台積電，就沒有今天的AI熱潮。
但這也讓台灣陷入思考：我們只是幫別人做晶片，還是要發展自己的AI能力？
從代工思維到應用創新
2023年ChatGPT引發全球AI狂潮後，台灣政府和企業開始認真思考AI戰略。
行政院在2024年推出「AI四大策略」：擴算力、鏈場域、引人才、展應用。白話文就是：建設AI運算中心、找到AI應用場景、培養AI人才、推動各行各業用AI。
但實際執行起來，發現挑戰很大。根據2025年的企業調查，仍有七成台灣企業沒有真正導入AI。主要原因很現實：不知道怎麼用、沒有資料、沒有人才、成本太高。
這反映了台灣產業的一個特質：硬體很強，軟體相對弱勢。我們會做世界最先進的晶片，但不一定會用AI解決商業問題。
醫療AI的台灣故事
不過，也有成功的例子。台灣的醫療AI算是發展比較好的領域。
雲象科技開發的病理影像AI系統，能自動判讀癌症病理切片，準確率媲美資深醫師。這套系統已經用在台大醫院等頂級醫學中心，也獲得美國FDA認證。
為什麼醫療AI在台灣做得起來？幾個關鍵因素：
首先，台灣有世界級的醫療體系。健保制度讓台灣累積大量病歷資料，而且品質很高。其次，台灣的醫師訓練嚴格，AI系統的標準答案比較可靠。最後，台灣醫師相對開放，願意嘗試新技術。
宏碁智醫也在糖尿病視網膜病變檢測上有所突破。他們的AI系統可以在30秒內判讀眼底照片，準確率超過90%。這對偏鄉醫療特別有幫助——不需要專科醫師，一般診所就能提供專業級診斷。
製造業的AI實驗
台灣製造業也在嘗試AI轉型，但進展參差不齊。
台達電算是做得比較好的例子。他們在泰達電子廠導入AI品質檢測系統，用機器視覺檢查電路板瑕疵。過去需要人工目視檢查，現在AI可以24小時不休息，而且比人眼更準確。
鴻海也在推動AI工廠，用AI預測設備故障、最佳化生產排程。但鴻海的規模太大，各工廠導入進度不一，效果還在評估中。
相對來說，中小企業的AI導入更困難。缺乏資源、沒有專業人才、不知道從何開始，是普遍的問題。政府雖然有補助計畫，但申請手續複雜，中小企業往往望而卻步。
金融業的AI保守派
台灣金融業對AI的態度比較保守，主要是擔心風險管控。
不過還是有一些嘗試。玉山銀行開發了AI客服系統，可以回答一般的銀行業務問題。中信銀行用AI分析信用風險，提升放貸決策的準確性。
但整體來說，台灣金融業的AI應用還是比較表面化，多半停留在客服聊天機器人階段。真正的AI核心應用，如演算法交易、風險建模等，還沒有大規模普及。
這可能跟金融業的保守文化有關，也跟監管環境比較嚴格有關。AI決策的可解釋性、公平性等問題，在金融業特別敏感。
人才爭奪戰
AI人才是目前台灣最大的瓶頸。
根據人力銀行統計，2024年AI相關職缺的平均薪資從41,000元跳到57,000元，漲幅超過30%。資深AI工程師的薪資更可能破百萬。
但即使錢給得多，人才還是不夠。台灣大學雖然開設了很多AI相關課程，但訓練出來的學生還是比較偏理論，實務經驗不足。
企業界開始自己培養人才。台積電、鴻海等大企業都有內部AI訓練計畫。一些AI新創公司也開始與學校合作，提供實習機會。
國外AI人才的競爭更激烈。NVIDIA、Google、Microsoft等公司紛紛在台設立研發中心，高薪搶人才。台灣公司要留住人才，壓力很大。
新創生態的掙扎
台灣的AI新創環境還在起步階段。
相比美國矽谷或中國深圳，台灣的AI新創公司比較少，規模也比較小。主要原因是市場太小、資金不足、人才有限。
不過也有一些亮點。AppWorks、之初創投等創投公司開始專注AI領域，提供資金和輔導。政府的「AI創新研究中心」也提供技術支援。
有趣的是，台灣的AI新創往往選擇垂直領域深耕，而不是做平台型產品。比如專做農業AI、紡織業AI、或特定醫療AI。這可能更符合台灣產業的特質。
中美科技戰的影響
中美科技戰對台灣AI產業影響很大。
一方面，美國對中國的AI晶片禁運，讓台積電等台灣公司受益。NVIDIA等美國公司需要更多台灣製造的晶片，來滿足全球（除中國外）的AI需求。
但另一方面，台灣也面臨選邊站的壓力。一些AI技術被列為管制項目，台灣公司在技術合作上需要更加謹慎。
更複雜的是，很多台灣公司在中國有重要業務。如何在遵守美國法規的同時，維持與中國的商業關係，成為企業的難題。
AI的台灣特色
經過這幾年的發展，台灣AI產業開始有自己的特色。
首先是「硬軟整合」。台灣有強大的硬體製造能力，加上軟體應用，可以提供完整的AI解決方案。這是台灣相對於純軟體公司的優勢。
其次是「垂直應用」。台灣在特定領域（如醫療、製造）有深厚的產業know-how，AI+領域專業可能是台灣的獨特路線。
還有「成本效益」。台灣的AI解決方案通常比歐美便宜，但比中國可靠，在國際市場有一定競爭力。
未來的機會與挑戰
台灣AI產業的未來，關鍵在於找到自己的定位。
我們不太可能跟美國競爭基礎模型，也不太可能跟中國競爭市場規模。但我們可能在特定應用領域、硬軟整合、或成本效益型解決方案上找到機會。
邊緣AI可能是一個方向。台灣在IoT、嵌入式系統方面有優勢，加上AI晶片製造能力，邊緣AI設備的完整供應鏈可能是台灣的強項。
綠色AI也是機會。台灣正在推動淨零碳排，AI技術在節能、最佳化等方面的應用需求很大。
但挑戰也很現實：人才不足、市場太小、國際競爝激烈。台灣AI產業要成功，需要政府、企業、學界的通力合作，也需要更多的耐心和長期投資。
畢竟，AI不是一蹴可幾的技術，而是需要長期累積的能力。台灣有機會，但路還很長。