避開大模型競賽陷阱，台灣產業 AI 化應從「問題」與「強項」著手

4 月 17 日，台灣人工智慧科技基金會發布《2025台灣產業AI化大調查暨AI落地指引》，報告指出，從供應鏈的韌性與資安角度來看，「多元算力佈署」將是未來的關鍵方向。特別在地緣政治風險升高的情勢下，台灣更應積極推動「分散式算力」策略，以降低對集中式雲端運算的過度依賴，強化自主性與韌性。在美中科技競爭升溫與關稅戰的現況中，台灣位處戰略要地，AI 發展所牽動的不僅是技術佈局，更關係到國家在全球供應鏈中的定位與價值。一旦在關鍵決策上失誤，恐將失去本已有限的戰略主導權。因此，辨識台灣在 AI 發展上的優勢與挑戰，成為當前最迫切的課題。

避免陷入「大模型競賽」迷思，應深化強項領域應用

投入動輒數億元的大型模型訓練成本，並非長遠之計。國立中央大學資工系教授蔡宗翰指出，一開始從技術角度切入，大家會直覺地想與國際大廠一較高下，投入資源訓練自有大型模型。然而現實是，台灣的資本規模與計算資源遠遠不及他國，即便成功打造一顆表現亮眼的模型，也可能僅在社群媒體上短暫曝光，後續影響有限。蔡宗翰直言，與其捲入全球大模型競賽，台灣更應鞏固自身在全球供應鏈中的關鍵優勢產業，從根本推動營運模式的轉型。

他強調，藉由AI，企業應建立屬於自己的「企業大腦」，以AI時代的邏輯重新設計組織內部流程與資料流通機制，而不是只停留在表層的數位化操作。「如果我們今天還停留在本位主義的邏輯，每個部門都只想在原本的基礎上小修小補，這是非常危險的。」蔡宗翰強調，企業的 AI 素養必須全面提升，不僅是技術單位的任務，而應由上而下、全員參與。

蔡宗翰提醒，不少企業主會擔心：「現在 AI 進步這麼快，我現在導入會不會太早？」但他直言：「如果沒有 50 分的 AI，就永遠不會有 55 分；沒有 60 分，也不會有 65 分。一直等『最好』，就會永遠等不到。」

產業應思考：如何應用  AI 提升產品競爭力

事實上，許多企業在面對新科技時，要考量的因素非常多，不只是技術需求而已。因為市場競爭十分激烈，一個小失誤就有可能失去訂單，如何在穩住核心業務的同時，適度導入創新技術，是企業經營者最關心的事。這也是在推動AI落地時，必須面對的真實挑戰。

高通副總裁暨台灣、東南亞與紐澳區總裁劉思泰建議，企業的 AI 導入策略，應該從自身最具競爭力的產品開始進行AI轉型，逐步帶動整體變革。例如台灣擅長的 PC 產業，為什麼不先從這裡下手？但不只是把「PC」升級為「AI PC」，與其只是單純在 PC 上加個 AI 功能，更應該思考的是如何讓整體生態系統可以支撐起這場轉型。

他解釋，一台 AI PC 的能力從使用第一天開始，隨著使用時間拉長，透過 AI 的持續學習與應用擴展，AI PC 的能力應該越來越強，且不斷優化。這同時得仰賴 AI 持續學習及強大的應用開發能力，才能讓更多應用不斷被加進去。

同樣的概念也適用於網路通訊產品。劉思泰指出，許多聯網裝置都可透過 AI 技術持續進行最佳化，進而提升產品附加價值。他表示，很多國外公司也在思考，怎麼透過AI來優化產品功能、改善使用者介面。如果台灣企業能從擅長的硬體出發，加入AI設計思維，就能在既有優勢基礎上創造差異化競爭力。

組織內轉型：從可賺錢的場景啟動，再推動整體升級

AI轉型不只是在產品端的創新，更關乎組織內部的變革與文化重塑。然而這並不容易。

劉思泰直言，大企業內部的改組、組織調整速度通常很慢，最務實的做法，是從「能賺錢的地方開始。」劉思泰指出，企業可先在已有出口或銷售產品中加入 AI 功能，讓市場看到具體成果，進而推動企業內部對 AI 的接受與轉型，並同步提升員工對於 AI 的認知。

他提醒，企業導入 AI 時，應先釐清核心問題：「老闆要問自己：我想解決什麼問題？」

另一方面，許多企業常將「缺乏資料」視為導入 AI 的阻力。對此，劉思泰指出，現在已有許多中小企業透過不同的方式來收集資料，加快數據的累積。例如一個賣炒麵的小販，如果想導入 AI 優化生產流程與效率，卻缺乏資料的話，現在有許多終端設備都有鏡頭，利用這些設備記錄下操作動作，拍攝一百天的炒麵動作影片，就有可用的資料；再 AI 去分析這些共同特徵，就可以找出最佳化的空間，你就等於開始開發了自己的應用。

「這就是百花齊放的時代。資料不一定要從雲端大數據中心來，終端裝置就是最即時的資料入口。」他強調，AI 應用不再是大型企業的專利，只要具備問題意識與創新思維，中小企業同樣能夠從具體場景出發，逐步建立 AI 能力。

《2025 台灣產業 AI 化大調查暨 AI 落地指引》點此下載