台灣人工智慧發展與未來策略

30 秒概覽： 2025 年，台積電拿下全球晶圓代工市場 72% 的營收，幾乎壟斷所有先進 AI 晶片的製造。鴻海、廣達、緯創三家台灣公司合計生產了全球九成的 AI 伺服器，年營收各自突破一兆台幣。但這座硬體帝國的焦慮是：當 AI 的價值重心從晶片滑向模型與資料，台灣只當代工廠還夠嗎？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」的轉型正在進行。

寧夏夜市裡的兆元飯局

2024 年 6 月，Computex 開展前夜，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。路人認出黃仁勳，瞬間被粉絲和記者包圍，場面堪比追星。¹

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。」² 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。³ 他 1993 年共同創辦的 NVIDIA，如今是 AI 晶片的代名詞。而 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。⁴

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：2025 年，台積電拿下全球晶圓代工市場 72% 的營收份額。⁵ 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。⁶ 換句話說，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。

伺服器組裝：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。⁷ 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。⁸

先進封裝：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%。⁹

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。¹⁰ 台灣正從「製造 AI 晶片的地方」升級為「運行 AI 的地方」。

從 PTT 到 AI 實驗室：杜奕瑾的兩次創業

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——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，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）——亞洲第一個非營利、開放的 AI 研究機構。¹¹

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 AI。¹² 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。

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——Trustworthy AI Dialogue Engine，可信任生成式 AI 對話引擎。¹³

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 TAIDE。¹⁴

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。¹⁵ 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。¹⁶

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。¹⁷ 這些應用印證了一件事：語言模型不只是技術產品，更是文化載體。一個不理解「天穿日」和「媽祖遶境」的 AI，無法真正服務台灣人。

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。¹⁸ 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。¹⁹

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。

2017-2018：起步。 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）。²⁰

2022：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 至今：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，這些是台灣有資料、有場景、有競爭力的領域。

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——GPT、Claude、Gemini、LLaMA——沒有一個來自台灣。

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，不是在基礎模型上跟 OpenAI 或 Google 正面競爭，而是在垂直應用上找到不可替代的位置——半導體製程 AI、醫療影像 AI、資安 AI、繁體中文 NLP。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。台灣需要在硬體霸權的基礎上，長出軟體和資料的能力——不是取代硬體，而是在硬體之上疊加新的價值層。

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」。

這或許就是小國的 AI 智慧：不在每個戰場上跟巨人正面對決，而是在自己的地盤上，用自己的資料和場景，建立別人無法複製的優勢。

延伸閱讀：

• 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
• 台灣人工智慧實驗室 — 杜奕瑾從 PTT 到 AI Labs 的完整歷程，以及繁體中文 AI 的前線
• 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
• 台灣軟體產業發展 — 硬體帝國為什麼長不出軟體獨角獸，結構性原因分析