過去，台灣靠半導體進入全球供應鏈核心；未來，Al 將重新決定誰在核心、誰在邊緣。
AI 讓台股衝上全球第十大股市，靠著台積電、伺服器、晶片、散熱，台灣幾乎讓全世界的 AI 都跑在我們的硬體上。但 Google 台灣前董事總經理簡立峰提醒，台積電一家公司的市值，已占台灣 GDP 的 30% 以上。當一個國家的命脈高度集中在某一家公司、一種產業時，只要全球局勢稍微轉彎，整個國家都會跟著搖動。
DIGITIMES 董事長黃欽勇則提到，如果我們知道 2026 年韓國中央政府的預算（約 5000 億美元）是台灣（1100 億美元）的 5 倍，我們怎麼可能期待半世紀前「造山者」堆起半導體奇蹟的模式，可以在 AI 時代重演呢？
更現實的是，台灣軟體與硬體長期各自發展，未能有效整合；只做硬體終將面臨低毛利循環，而忽視硬體場景的軟體創新，也錯失龐大商機。回顧過去數十年，台灣每一次產業轉型，幾乎都是在舊產業接近瓶頸時，剛好遇到新一波科技浪潮：PC 產業衰退時遇上手機，手機趨緩時又迎來 AI。這樣的「幸運循環」未必會永遠存在，而 AI 可能是重寫全球產業與國家地位的關鍵分水嶺。
AI 革命真正改變的是什麼？
要理解這場革命的本質，我們必須回答一個根本問題：為什麼我們叫電腦是「電腦」？
以往，人類與電腦的互動僅限於特定的命令與符號，它執行預設的邏輯判斷，更像是一台「計算機」。然而，「腦」這個字，暗示了學習能力和智慧的可能性。直到 2022 年 11 月大型語言模型（LLM）問世後，電腦開始能以自然語言溝通，這才漸漸有了「腦」的樣子。
這一切的典範轉移，源於 2017 年 Google 發表的一個革命性架構：Transformer。
Transformer 讓電腦第一次像「腦」
Transformer 是一種採用自注意力機制（self-attentionmechanism）的深度學習架構。這種機制徹底改變了機器學習的能力，使其能在處理序列數據時，同時考慮序列中的所有元素，並按各部分的重要性分配不同的權重。
過去，我們懷疑 AI 不過是在龐大資料中「用機率去猜下一個字」。但是，Transformer 的出現，史丹佛大學曾用電腦閱讀測驗 SQuAD 測試 AI 的理解能力，結果基於 Transformer 的生成式 AI 不僅直接完成測驗，成績還超越了人類。即使史丹佛大學增加難度推出 SQuAD 2.0，Transformer 的表現很快又再次超越人類。
使用者×數據×算力×資本，AI 資源正在極端集中
這種能力帶來了資源的空前集中。為什麼「科技七雄」能夠在 AI 賽道上遙遙領先？追根究柢，他們原本就有足夠的使用者、數據、資金和資源，能將硬體算力買到滿，軟體開發到最好。
這種資源集中與台灣的護國神山台積電邏輯相似：因為知道客戶會持續下單，所以敢持續投資，讓能力愈來愈強。這種集中趨勢，讓 AI 具有「剛性需求」，且短期內泡沫不太可能破裂（雖然現在狀況是大家買硬體，軟體有賺但賺不多），因為巨頭都有穩定的營收基礎。
AI 已經開始賺錢、即將顛覆的產業
AI 應用正持續落地，其中影響最天翻地覆的領域，包含 3 個：電商、自駕車與醫療。
電商：AI ROI 最先被驗證
凡是能透過網路銷售的部門，都可視為電商的一環。關鍵在於，電商的底層架構是「資料驅動」（Data-Driven），仰賴大量消費者行為數據來優化銷售策略。從資料驅動邁向AI賦能（AI-Enabled）只有一線之隔。
在國外電商平台，AI 的導入已經涵蓋產品內容、廣告、客服、銷售、供應鏈等領域。例如，2024 年中國的阿里巴巴在雙 11 購物節上，95% 的使用者詢問與行銷資訊都由生成式 AI 負責。
更具代表性的案例，是 Amazon 在大型購物季推出的「AI 店長」。這類 AI 系統不再只是被動回覆問題，而是能根據消費者過往購買紀錄、偏好與瀏覽行為，主動提供建議與決策輔助。消費者不需自行搜尋與比較，只需與 AI 對話，即可獲得高度個人化的推薦。這種互動模式大幅提升轉換率，並降低退貨率與客服成本。
Google 在 2024 年 8 月發表的報告指出，導入 AI 的電商平台在營收與效率上均出現明顯提升。部分企業營收成長達到 10% 至 15% 以上，解決了企業界長期以來對於 AI 投資報酬率（ROI）難以計算的困境。AI 不僅降本，還能顯著增收。
自駕車：AI 首次成為基礎建設
在交通領域，無人駕駛計程車已成為剛需。日本計程車司機平均年齡已達 60 歲，而美國幅員遼闊，推廣速度最快。
Waymo、Tesla、百度等公司利用 Gemini、Grok 等新一代多模態大型語言模型，大幅提升對複雜都市場景、極端天候的理解與應對能力，加上 AI 專用晶片、邊緣運算、光學雷達等感測硬體的高效融合，讓無人計程車快速推行。
Waymo 的駕駛安全報告顯示，與等同於 1000 名人類司機的駕駛里程數相比，它能降低 85% 的事故機率。無人計程車正採取城市試點模式，例如 Waymo 積極與日本合作，學習適應右駕通行方式，以爭取國際市場。
醫療：AlphaFold 與手術 AI
在醫療領域，AI 帶來的變革性影響早在生成式 AI 問世前就已開始。最大的突破是Google DeepMind 團隊的 AlphaFold。
AlphaFold 運用新技術，能讀懂蛋白質的「設計圖」（胺基酸序列），進而預測出蛋白質複雜的三維立體結構。傳統上需要花費數年才能完成的實驗，現在透過 AI 只需幾天甚至幾小時，這極大地加速了藥物和疫苗的開發，例如針對癌症、阿茲海默症等疾病。2020 年推出的 AlphaFold 2，更以更高準確度獲得 2024 年的諾貝爾化學獎。
同時，AI 也逐步進入臨床應用。從醫療影像判讀、手術路徑規畫到病歷生成，AI 正協助醫師與護理人員減輕大量行政與分析負擔。以 AI 輔助的 3D 手術導航系統為例，透過影像與模型分析，AI 可提供精準的手術建議，提升手術成功率與安全性。雖然最終決策仍由醫師掌握，但 AI 已成為重要輔助工具，改變醫療產業的工作模式。
綜合觀察這 3 個產業，可以得出一個關鍵結論：AI 最先改變的，往往是那些「本來就依賴決策與資料」的產業。隨著能力持續提升，AI 的影響正從效率與生產力，進一步延伸至人類最核心的需求：情感與陪伴。當 AI 開始進入這個領域，產業與社會所面臨的挑戰，也將變得更加複雜。
當 AI 開始進入「情感與陪伴」市場
在《哈佛商業評論》的〈2025 年百大生成式 AI 使用案例報告〉中，「心理治療、陪伴」高居榜首。人們開始向 AI 尋求情感連結。這背後的核心是存在已久的寂寞商機。
方舟投資（ARK）預估，到 2030 年，用戶與 AI 陪伴（AICompanionship）相處的時間，將從每年 12 億小時，暴增至 7000 億小時。相關平台的營收更將達到 1500 億美元。
AI 陪伴型產品，搭載了嶄新的技術，能聽懂人話、記得你的經歷、能 24 小時「說個不停」，這重新定義了「陪伴」這件事。年輕世代甚至不在意偶像是不是真人，只要有個性、能互動，便有滿足感。對於品牌來說，AI 偶像的誘因在於風險管理。真人網紅「翻車」風險太高，而 AI 偶像不會發胖、不會抱怨、不會發表爭議言論，可以長期維持和優化形象。
陪伴型 AI 若要真正打開市場，必須走向「虛實整合」。例如，英業達打造的虛擬歌手米拉蜜（MilaMii）已舉辦過實體演唱會。未來長者也可能抱著外型逼真的「虛擬寵物狗」，不需餵食但能回應，實現情感陪伴的功能。然而，這種快速成長的趨勢也帶來了複雜的倫理和法律問題。
在心理健康領域，法律明文規定治療必須由具證照的專業人士進行。當 AI 的功能隨著技術演進，逐漸接近、甚至觸及治療範疇時，潛在風險與不可逾越的紅線在哪裡？隨著未來出現以 AI 陪伴為核心功能的語言模型，涉及的社會、倫理與心理風險將更複雜，勢必要建立嚴格的規範與認證制度。
第二，市場上充斥著 AI 內容的版權問題仍處於模糊地帶。目前，美國對 AI 生成的內容沒有提供額外或特殊的著作權保護，除非製作者能舉證自己有獨特的創意使用。相較之下，中國的態度相對開放，只要證明自己「努力」創新過，就能取得版權。各國仍在尋找鼓勵創新與建立公平法律框架的平衡點。
最後，當市場上充斥著大量 AI 產出的「同質化」內容時，觀眾會不會反撲，重新尋找人類？物極必反的情緒可能產生，但未來人類與 AI 的關係肯定是「共同存在」。
從效率工具、情感互動，再到文化與內容產業，AI 的影響範圍正迅速擴大。然而，真正可能顛覆既有商業模式與流量結構的下一個階段，是 AI 開始替人類「行動」。
當 AI 從回答問題，進一步進化為能自主規畫與執行任務的代理（Agent），整個網路與商業世界的運作方式，將迎來下一次更劇烈的轉變。
AI 代理重塑商業模式：零點擊時代來臨
AI 代理不僅僅是理解和回答，它必須具備推理、制定計畫和執行的能力。例如，你要求AI幫你買車票、規畫行程，它在理解後，還得推理、思考這件事合不合理，制定計畫，並向你確認完畢後才會去執行。
要實現 AI 代理的大規模互聯互通，底層協議是關鍵。其中的關鍵推手之一，是 Anthropic 提出的「模型上下文協定」（ModelContextProtocol，MCP）。MCP 是一套標準協定，讓外部資料庫、網站、服務都能註冊成為「可被 AI 代理使用的服務」。MCP 的地位，就像當年 HTML 促成了全球資訊網的互聯互通，MCP 有機會成為未來「AI 代理的基礎網路協定」。
當 AI 代理具備這些能力，並且服務商將售票系統透過 MCP 包裝，AI 代理就能直接串接，協助使用者完成購票、比價，甚至安排最佳時間與車廂。AI 代理如同當年的網頁瀏覽器，開始接上各種服務、資料庫和應用程式介面（API），為新 AI 時代奠定基礎。
這將促使、加速「零點擊時代」（Zero-Click Era）的來臨。零點擊意指使用者不再點擊進入網站，原本依賴流量變現的內容提供者，流量獲利將不再。大型平台如 Google、ChatGPT，將從單純提供資訊和導流，轉型成直接參與買賣的「交易平台」（Transaction Business）。例如 ChatGPT 的 Operator 已推出購物功能，讓使用者直接從對話中取得商品建議，甚至可以直接下單、完成交易。
當 Google、ChatGPT 轉型為 AI 代理後，它們不再是資訊入口，而是主動整合內容、提供建議、協助決策的智慧助理，成為消費者決策與行動的終點。消費者不用再逐一造訪各個購物網站，因為答案早已在 AI 的回應中完成。
不過，AI 代理想快速推展，還存在一個重大的變數，必須解決「AI 幻覺」問題，並確保執行任務的穩定性。如果有一千個人要求 AI 代理買高鐵票，結果它只能幫 450 個人達成任務，這將是一場災難。這就像 Google 地圖花了 20 年才獲得人們的信任，在 AI 幻覺與穩定性問題未能有效解決之前，我們難以完全信賴代理人，畢竟一旦出了問題，責任還是得自己扛。
全球 AI 正在集中：權力重新分配的起點
全球 AI 發展的高度集中現象，讓前義大利教育部長 Stefania Giannini 直言：「AI 發展是集中的」（AI development is concentrated），絕大多數的大型語言模型來自美國巨頭。
2025 年 1 月，來自中國的深度求索公司推出 DeepSeek 模型，引發了對 AI 世界的「再平衡」。DeepSeek 宣布其推理能力和效能可匹敵主流美國模型，但訓練成本僅需 OpenAI 旗艦產品的 3% 至 5%，證明了透過模型精簡、架構優化等軟體層面的改進，讓「小算力也能運轉好腦袋」，被視為 AI 世界的「窮人的原子彈」。
成本結構重寫競爭規則：算力依然是核心
DeepSeek 的出現迫使美國巨頭調整策略。Google 隨後推出的開源模型 Gemma，效能驚人，一個 GPU 便能達成 DeepSeek 需要 30 個 GPU 的運算水準。
但這裡必須區分兩種成本結構：訓練（Training）與推論（Inference）。DeepSeek 確實降低了推論成本，使模型更容易部署與使用，但訓練成本仍以每年數倍速度增長。若以 5 倍年增率估算，2 年後需求將成長至 25 倍。換言之，全球算力依舊短缺，DeepSeek 並未顛覆算力邏輯，而是改寫了「如何在限制下競爭」的方式。
美國的禁運策略，短期內確實打擊了中國的算力。但從中長期來看，軟體與硬體行業的生態規律是：中國會在資源受限下，被迫培養出自己的生態。就像中國封鎖 Google、Facebook 後，長出自己的微信、微博一樣。
中國本來就能設計、生產晶片，只是無法生產最先進的晶片。中國國產晶片效能確實不如Nvidia，但可以採取「拿十片當一片用」的模式。DeepSeek 就是運用非高階晶片打造出能力不錯的模型。
DeepSeek 的案例再次印證了美中 2 國的 AI 發展模式：重要的創新通常來自美國（0 到 1），而擴大應用則來自中國（1 到 100）（開源是中國被封鎖限制算力、不得不的策略，可以快速部署擴散國產生態系）。
主權 AI 崛起：從科技競賽轉向地緣政治
中國深知硬體受到禁運，因此決定繞路，從「主權 AI」切入，打造「AI 版一帶一路」戰略。OpenAI 曾公開點名中國新創公司 Z.ai（前稱「智譜 AI」），直指其擴張帶來的衝擊更勝 DeepSeek，因為 Z.ai 踩到了 OpenAI 相當在意的主權AI業務。Z.ai 積極在中東、東南亞等地設辦事處和聯合創新中心。Z.ai 更像是雲端服務商，有明確的全球擴張野心。
這是中國善用「性價比」特色搶市的策略。OpenAI 打造主權 AI 的開價不低，如果中國能提供效能相近的模型，價格又僅有十分之一，誘惑自然高。這與當年 LINE 率先進軍台灣市場，奠定規格與秩序的做法類似。
但中國的出海策略有其弱勢：雲端生態系的封閉與不成熟。全球使用者多依賴 Amazon AWS、Microsoft Azure 等美系雲端服務，工具鏈完整。Z.ai 的雲端掛在阿里雲上，開發流程、語言環境、支援社群都不如美系主流，讓客戶從美系雲端服務遷移到中國雲端服務，成本高、風險大、維護吃人力。
因此，低價與政治整合力是中國向海外輸出 AI 的優勢，而其最終成功取決於雲端與數位服務的「國際化」能力。
至於美國，最大的瓶頸在於電力，缺乏興建 AI 資料中心的能源。因此，美國陸續放寬對阿聯、沙烏地阿拉伯等國的先進 AI 晶片銷售限制。美國希望中東能趕緊蓋出資料中心供美國使用，中東等於幫美國「承接」全球訓練的算力需求。
未來，中東很可能扮演全球 AI 「訓練中心」的要角，這顛覆了中東過往的發展戰略，從過去的對外投資轉向回防自家、建立基礎建設。
不只是硬體強國：台灣結構性風險與「軟硬整合」解方
台灣在 AI 時代的第一階段，確實搶得先機、賺到錢，這些成就多來自於硬體供應鏈在全球 AI 伺服器、晶片需求中的關鍵角色。
然而，護國神山的角色已經超過當年三星之於南韓的重要性。我們不能只當很會挖礦的鏟子，只賣 GPU、AI 伺服器，而應該去做應用、去挖礦，創造硬體以外的附加價值。
小市場中的大戰略：台灣的機會，在於 EdgeAI
既然我們不能跟中美去競爭 1% 的人所掌握的 99% 財富，無法與美國競爭模型、與中國競爭市場規模的台灣，其中最具潛力的方向，就是 Edge AI（邊緣人工智慧）。
Edge AI 能滿足日漸重要的資安需求，因為個資不用送回雲端運算。同時，Edge AI 能為雲端業者分擔成本，Google 就能省掉數十億支手機的運算成本。
當 AI 走向終端硬體，從 AI 個人電腦、AI 手機到工業電腦，能夠參與的玩家會大幅增加。軟體是附加在硬體裡頭才能活下來的。消費者最終會購買硬體產品，往往是看中捆綁、內建的軟體服務。
再者，台灣是全世界工業電腦的大國。工業電腦、機械手臂等硬體本來多數沒有「腦袋」，只要加上 AI 應用，有辨識、生成能力，它就有腦袋了，這其中蘊含著龐大的AI應用需求，也就是軟硬整合，而且是硬體整合軟體。
軟硬整合：從供應鏈轉為解決方案角色
台灣硬體廠規模龐大，具備全球化的運營能力，更了解科技巨頭的需求，能掌握軟體發展的脈絡與應用方向。
Garmin 的轉型是一個案例。當智慧型手機內建 GPS 功能後，Garmin 若繼續停留在單一硬體製造，很可能被市場淘汰。但它選擇將導航、運動數據與專業應用整合進特定場景，例如戶外運動與航海領域，打造高度整合的軟硬體產品。這種策略讓 Garmin 避開與手機品牌的正面競爭，反而在垂直市場建立長期優勢。
對台灣而言，未來的機會不在於與美國科技巨頭競爭通用型 AI，而在於將 AI 深度嵌入既有硬體與產業場景中。從智慧製造到智慧醫療，從工業電腦到機器人設備，台灣若能將 AI 模型、資料與服務整合進硬體產品，就能從單純供應鏈角色，轉型為提供整體解決方案的關鍵參與者。
「老創帶新創」：整合硬體與人才庫
要完成這種轉型，單靠新創公司並不足夠。台灣真正的優勢，在於成熟硬體企業累積的技術與市場經驗。透過「老創帶新創」模式，能將既有產業基礎與新創創意結合，形成新的 AI 生態系。
大型企業具備全球客戶基礎與製造能力，能提供應用場景與市場通路；新創公司則具備靈活開發與創新能力，能快速導入 AI 技術。當兩者合作，AI 不再只是實驗性專案，而能真正落地於製造、醫療與服務等領域。
這樣的模式同時能擴大人才來源。AI 時代需要的不只是軟體工程師，也包括機械工程師、醫師與各領域專業人才。當不同專業與 AI 結合，才能產生真正具價值的應用場景。對面臨少子化與人才短缺的台灣而言，軟硬整合與跨領域合作，將是產業升級的必要條件。
新全球化模式：在台研發、全球部署
即使是台積電，也將自己定義為「軟體驅動」的公司。台積電對內的口號是 "FAB Runs on Code"（軟體定義半導體生產製造）。台積電透過導入數位孿生技術（Digital Twin）與 AI，實現彈性製造和遠距管理。這讓台灣工程師能夠在台灣研發、遠距操作海外工廠，降低了海外人力需求，並能以最快速度、最低成本在海外複製另一座工廠。
面對地緣政治變局，簡立峰認為最適合台灣的「新全球化」模式，是「海外生產、在台研發」。美超微電腦（Supermicro）、Garmin 等品牌都採在台研發、海外生產的模式，有效降低研發成本，並利用台灣現有成熟的人才庫，同時透過海外生產據點擴大產能，降低單一市場風險。
AI 時代真正分水嶺：不是年齡，而是經驗密度
很多人認為 AI 會優先淘汰資深世代，但簡立峰認為這次技術浪潮，反而放大了老一世代的優勢。具備專業基礎的資深人才，往往是學習 AI 最快的一群人。因為他們知道自己在做什麼，也知道 AI 能幫助什麼。愈有經驗的人，愈清楚該如何提問，如何描述問題，如何拆解任務。當別人只是得到答案，他們已經在優化答案。
更重要的是判斷力。AI 可以產出報告，但是否合理、是否有漏洞、是否忽略關鍵脈絡，仍然需要人類長期累積的專業知識去辨識。AI 擅長整理已存在的資訊，但無法替代產業關係、第一線經驗與關鍵人物觀點。
相較之下，若年輕世代過度依賴 AI，習慣全盤接收答案，最終可能將思考外包給機器。當思考能力退化，AI 就不再是工具，而變成替代者。
當 AI 全面提高工作的品質基準線，過去 60 分叫及格，現在 80 分才算基本要求。若不使用 AI，會被淘汰；若只依賴 AI，會被同質化。
這就是 AI 時代最現實的生存邏輯。當 1% 的人拿走 99% 的資源時，我們未必能成為那 1%，但可以思考如何在新的分配規則下，找到自己的獲利空間。
對台灣而言，解方不在於與美中正面競爭基礎模型，而在於把 AI 應用能力與軟硬整合優勢輸出到全球市場。當台灣能將硬體製造能力與 AI 驅動的軟體服務緊密結合，並在產業場景中創造不可取代的價值，我們就不會只是算力供應者，而是新秩序中的關鍵節點。
🤖 怪獸科技公司旗下五大版圖
最懂你的 #科技入門：一起培養在快速變化社會的超強適應力！
🗣️ 節目｜怪獸科技公司 Podcast（每週日晚上 9 點各大平台首播）
✍️ 專欄｜怪獸科技公司 vocus 沙龍
🎥 影音｜怪獸科技公司 YouTube：來賓焦點訪談✖️重點短影音
