隨著生成式 AI 技術持續突破，以 DeepSeek 為代表的新一代開源模型快速崛起，加速推動全球產業重新檢視其對算力的需求與佈局策略。過往產業對算力的關注，往往聚焦於晶片效能、伺服器規模等硬體層面的建設；然而，DeepSeek 等開源模型的出現，揭示了驅動產業 AI 化的核心關鍵，更在於技術能力的強化與商業模式的創新。

算力只是能力落地的載體，具備能力的模型才能帶來價值

「AI 最終扣連的是能力，而算力只是取得能力的過程，或是能力落地的載體。」台智雲總經理吳漢章指出，DeepSeek 的誕生讓產業意識到，開源模型（Open Source Model）在效能上已趨近於前沿模型（Frontier Model），且訓練成本更為低廉，這不僅降低了進入門檻，更促使整體產業對「AI 能力」的定義與價值出現結構性改變。

他進一步說明，AI 能力的發展可從三個層面來理解：第一是模型能力本身的突破，包括效能、可擴展性與開源社群的共同演進。第二是承載這些能力的算力載體日趨多元，從資料中心延伸至 Edge 裝置與個人電腦，將使部署更加靈活；第三則是訓練技術的平民化：各式開源模型的崛起，不僅開放模型本體，更釋出許多訓練與推論優化工具，讓更多企業得以投入於自主能力的建構。

當上述條件逐步成形，企業下一步便需要思考：在哪些垂直領域（Vertical）能夠真正讓 AI 能力落地？隨著更多垂直場域的應用被打開，AI 不再只是「能不能訓練」，而是「能不能即時應用」。這意味著，推論階段的算力需求將快速升高，並帶動整體算力從建設型邁向營運型、從集中式走向分散式，帶動全新商業模式的出現。

「真正能夠帶來實際應用價值的，是具備能力的模型，」吳漢章強調，這些模型必須同時具備「低成本、安全性與可落地性」三大要素。隨著能力應用範疇擴展，勢必將牽動更多過去被忽略的議題重新浮上檯面，例如模型的「評測標準」、「合規規範」與「風險治理」等，都將成為 AI 能力落地不可迴避的挑戰。

主權 AI 的核心：建立在地可控的能力

AI 能力的強化，也使「主權 AI」的討論再次浮上檯面。不少國家從過去質疑「我們有沒有資格做？」轉向「我們應該做、而且必須做」。吳漢章認為，儘管主權 AI 仍是一個相對模糊的概念，但最重要的目的，並不是國家主導模型開發，而是打造出一個在地可控、能自主調整與優化的能力體系。

開源模型的崛起正是這樣一個轉捩點，它讓每一家企業都有機會參與訓練、自行部署，建立屬於自己的 AI 能力。也讓台灣更有機會在這場全球技術重構中，結合原本的優勢，創造在AI生態系中不可或缺的定位與價值。

吳漢章認為，主權 AI 至少包含四個層次，第一是「自主算力」，這是最早期也是最基礎的議題。沒有足夠的算力基礎，就無法支撐高效的模型訓練與推論。第二為「自主模型」，並非由政府自己研發模型，而是鼓勵民間產業投入模型開發。正如中國並非僅由政府主導模型，美國更從未讓政府直接跳下來做模型，台灣亦應鼓勵多方參與、多元並進。

第三則是「建立創新機制」，這是最為重要的一環。由於 AI 是一種創新應用，必須有配套的創新支持制度。社會氛圍是否友善於創新，會直接影響投資者與企業的投入意願。台灣目前已有諸多創新機制的範例，如數位部的公認計畫、基金會推動的加速器方案等，這些累積起來，正是台灣 AI 創新的制度資本。

第四個層次則是 AI 政策的落實，例如AI基本法的制定、風險分類，還有算力資源的分配方式等。這些政策層面的東西同樣可以參考其他國家做法。例如日本與新加坡都已著手補助企業採購算力，認為不能再等待市場自行消化。台灣也可參考國際作法，擬定適合本地的發展策略。若能將這四個層次整合起來，便能構成一套完整且可執行的台灣主權 AI 發展策略。

自主算力只是起點，誰來用算力才是新挑戰

但從現況來看，台灣的優勢仍集中於高性價比的 GPU Server 提供能力，並延伸至整合服務。我們提供的不是單一工具，而是 Total Solution（全方位解決方案） ——從系統規劃到實際部署，全程協助客戶落地。如果企業希望導入新的 AI 機制，只要預算充足，我們就能主動協助完成。即便只是委託一個子系統或部門試行，我們也能彈性接手，靈活應對。

自主算力雖然是起點，但創新機制才是讓應用落地的關鍵。硬體建設只要有錢就能做到，但困難的是：「誰來用這些算力？」

吳漢章指出，許多企業仍面臨從技術整合、創新應用到商業落地（POC、POS、POD）的一連串困難。AI 的投資門檻遠高於 IoT 或雲端服務，投入資金後若無法迅速展現成效，壓力將倍增。也因此，主權 AI 的實現，不能只是「擁有」，而是能夠落地、能夠被用好、能創造價值。

AI 導入的真正挑戰：不只缺人才也缺服務

伴隨 AI 能力的提升，企業不僅面臨技術轉型，更碰上組織與人力上的落差。吳漢章指出：「現在客戶缺的根本不是算力，而是服務。」企業在短時間內難以培養出具備完整 know-how 的內部人才，導致實際推動 AI 導入時常陷入停滯。這正是一個商機：懂得設計服務模式的顧問公司，反而能以較少人力服務更多客戶，創造高附加價值。

然而，目前台灣多數資服業者仍停留在串接 API、使用外部模型的表層階段。過去兩年，只依賴 OpenAI 的廠商如今必須面對「技術債」的償還壓力，反倒是那些默默深耕自建模型技術的團隊，成為這波能力轉型的最大受益者。

新顧問時代來臨 企業需要有人帶著走

吳漢章觀察到，企業需要的是「有人帶著一起走」的服務模式。大多數企業既無技術 know-how，也無人力籌組研發團隊。即便買得起工具，也不知如何使用與判斷好壞。真正需要的，是能轉譯需求、提供落地策略的專業顧問。

從多年協助企業代建算力、模型的經驗來看，企業真正的需求在於具體的導入策略，而非套裝產品。固定規格的工具難以貼合企業實際場景，反而可能造成AI導入卡關。因此，台智雲在兩年前就成立了內部顧問團隊，並與顧問公司合作，為彼此能力加值。

吳漢章認為，多數企業仍在建立找顧問的意識，且無法判斷工具好壞的狀況下，更需要在是可信賴的合作夥伴（trusted partner），而非單純賣工具的廠商。

從模型突破到能力落地：新一代產業挑戰

而模型能力大幅提升，算力載體也日益多元，一台AIPC即可執行過往無法執行的任務，代表 AI 正邁向真正的落地應用。開源模型的能力幾乎與 Frontier Model 持平，甚至出現「黃金交叉」，市場不再質疑開源模型的效能。除了技術突破，產業邏輯也正從「供應鏈思維」轉向「生態系思維」，因為企業無法單打獨鬥地完成所有事，唯有打造多元角色互補的合作生態，才能真正讓 AI 應用擴散落地。

但是，算力的生態系涉及節能、新能源、水冷等基礎建設，雖然是台灣可以立即獲利的區塊。但從能力發展的角度來看，台灣該如何定位？

吳漢章拋出關鍵提問：「我們究竟是要成為能力輸出的國家，還是要承認技術不足、就接受成為能力的殖民地？」這不只是資源分配的問題，更是產業戰略的抉擇。若企業選擇不自行開發模型，而是聚焦在應用整合。那麼，在缺乏自主可控的模型基礎下，整體應用架構就容易受到外部變動影響，穩定性不足。

更多精彩內容，請參考《2025 台灣產業 AI 化大調查暨 AI 落地指引》點此下載