「對台灣社會重要，沒有人做但需要做、而且我們能做的事情，就要趕快做，」這是AIF多年堅持的主張。秉持推動台灣產業 AI 化的使命，整合產官學研能量，我們持續透過系統化調查與在地研究，致力於深入理解產業AI化的現況與挑戰，並且在許多企業的共同贊助下，進行多次量化及質化研究，以做為政府循政治理及企業掌握趨勢的重要依據。
2025年是人工智慧科技基金會（AIF）正式成立的第八年，若連同前身台灣資料科學協會兩年一併計入，我們已經整整走過十年歲月，也正好見證台灣從大數據、人工智慧萌芽，到如今繁花盛開、百家爭鳴的盛況。
AIF成立之初即以「推動台灣產業AI化」為使命，在已故陳昇瑋前董事長帶領下，成立台灣人工智慧學校，藉此教育培訓組織將學術界的AI知識快速引介給產業界，奠定台灣產業AI化的人才基礎工程，在短短二年內協助1500家企業培訓近7000位產業AI化種子。
而至2020年後，AIF從教學組織轉型為推動產業AI化的樞紐（Hub），一方面持續研究AI技術的快速發展，同時協助企業進行AI落地完整方案。從人才培訓、建立AI技術團隊、定義問題、協助部署……陪伴許多企業及組織探索AI轉型之路。
2025年是全球政經情勢變化莫測的一年，美國川普總統對等關稅、美元匯率的壓力未解、台灣內部政黨衝突不斷，再加上數次颱風豪雨帶來的天災。但在此同時，台灣卻由於無可取代的資通訊供應鏈關鍵位置，在全球AI投資熱潮中乘勢而起，2025 年經濟成長率高達8.63％，創下15年來新紀錄；第四季單季成長率衝上12.68％，更是38年來的最高點。而高成長紀錄背後最重要的推手，正是AI。
不僅整體出口成長35％，其中與AI相關的「電子零組件」與「資通訊產品」兩大類就占總出口的 74％；最直接受惠於AI 的伺服器與相關零件，出口金額從2024年的700 多億美元，在 2025 年直接衝破 1,300 億美元。同時，2025 年的民間投資成長近 10％，也是因於台積電與相關供應鏈為了滿足NVIDIA、AMD等客戶的需求，擴廠與採購設備。這顯示企業看好 AI 不是短期熱潮，而是長期趨勢。
的確，自 2022 年底生成式 AI 浪潮襲來，全球科技競局已從單純的模型效能比拚，進入以「治理、應用與制度」為核心的長期策略賽局 。這不僅是技術問題，更是重新定義國家韌性與主權的新基礎建設 。
「對台灣社會重要，沒有人做但需要做、而且我們能做的事情，就要趕快做，」這是AIF多年堅持的主張。秉持推動台灣產業 AI 化的使命，整合產官學研能量，我們持續透過系統化調查與在地研究，致力於深入理解產業AI化的現況與挑戰，並且在許多企業的共同贊助下，進行多次量化及質化研究，以做為政府循政治理及企業掌握趨勢的重要依據。
2025 年重點報告彙整：
2025 年，AIF共發布五本報告書與「AI 落地指引」，並在報告發佈後，邀請不同領域權威專家召開多次閉門會議，針對報告內容提出回應與建言。會議後同時整合專家意見、公開發佈，期待以第三方、公正非營利事業單位的客觀角度，累積更多數據與洞察，成為台灣產業的共同資產，及推動成長永續的重要動力。
1. 核心洞察：台灣產業 AI 化的現狀與挑戰——《2025 台灣產業 AI 化大調查》
AIF與高通（Qualcomm）共同合作發布《2025 台灣產業 AI 化大調查暨 AI 落地指引》，這項產業 AI 化調查今年首度與高通合作進行；調查結果顯示，約七成企業仍停留在Unknowing 與 Conscious 階段，代表多數企業尚未啟動 AI 導入計畫，或僅停留在初步認知階段。能夠進入實作並放大應用價值的企業，僅占三成。這樣的比例在過去三年中幾乎沒有變化，顯示企業在 AI 推動上的結構性瓶頸依然存在。
為了協助企業跨越從「知道重要」到「開始實作」的關鍵斷層，人工智慧科技基金會宣布將推出全新版本的《AI 應用指引》，持續結合多年在產業輔導與技術顧問的經驗，針對不同成熟度階段的企業。提供導入策略與實作建議。
重點內容：
- 「認知已提升，應用未普及」：高達七成企業仍停留在初步探索或觀望階段 。
- 結構性瓶頸：產業面臨算力分佈不均、數據品質待加強、人才斷層，以及法規與治理機制亟待建立等四大核心挑戰 。
- 軟硬失衡與務實自覺：儘管擁有全球半導體供應鏈優勢，台灣產業多仍處於「觀望」階段 。然而，這也意味著台灣產業已脫離不切實際的想像，進入真實理解、務實評估的階段 。
- 地緣風險下的新常態：面對川普關稅旋風引發的全球供應鏈洗牌，企業更體認到唯有壯大自身 AI 能力，方能建立靈活應變的韌性資本 。
>>>下載《2025 台灣產業 AI 化大調查》
2.AI 時代的核心基礎設施：可信任與韌性——《台灣可信任與韌性 AI 白皮書》
與美商思科（Cisco） 合作發布的《台灣可信任與韌性 AI 白皮書》，深入訪談台灣AI政策擬定與組織經營者，進行質化研究，輔以前期量化問卷調查為基礎，結合AIF與思科專業與國際治理趨勢，聚焦生成式 AI 對全球「信任」與「韌性」體系的衝擊與轉變，並以在地觀點提出台灣產業適用的行動方針與 AI 治理藍圖。
在白皮書中，我們呼籲台灣產業必須從戰略層面出發，以「可信任 AI」與「韌性」為核心，建構全新的「AI-Ready」基礎設施與治理模式，以確保台灣在全球 AI 競爭中的核心競爭力與穩健發展。
白皮書建議，台灣應以「信任」為基礎、「韌性」為核心，並從三大面向建構 AI 時代發展藍圖：
- 從傳統資料中心到支援 AI（AI-Ready）基礎設施的新架構：隨著 AI 對算力、儲存與網路的需求急速攀升，傳統資料中心架構已難以負荷。企業必須朝可支援 AI（AI Ready）基礎設施演進，打造能支撐高強度 AI 應用的技術基礎建設。
- 建構可信任 AI 框架的新治理模式：一個可信任的 AI 治理模式，確保 AI 系統在其整個生命週期中，都能夠以理性、透明、公平、可解釋、安全和可靠的方式運行，而可信任 AI 的根基在於資料來源的安全、合規與透明，若缺乏此基礎，再強大的算力與模型都難以支撐長期發展。
- IT 部門角色的轉變與人才培養：AI 不僅是技術議題，更是組織文化與人力資源的挑戰。企業需重新定義 IT 部門角色，並積極培養符合 AI 時代需求的人才。
>>>下載《台灣可信任與韌性 AI 白皮書》
3.2025 製造業AI普及度調查報告
由經濟部產發署、人工智慧科技基金會與資策會數轉院共同研究的《2025 製造業 AI 普及度調查報告》，主要基於今年所公佈的《2025 產業 AI 化大調查》結果，繼續深入討論。
本研究報告數據呈現出一個令人警醒的現實——45.2% 的傳統製造產業仍處於 AI 未知階段，對 AI 的認知與應用能力嚴重不足。但更深層的問題不是「不知道 AI」，而是不知道從哪裡開始。當 AI 已經被全球產業視為驅動轉型的關鍵能力時，台灣資通訊業 AI 普及度 39.1%，傳統製造業僅 22.7%；巨型企業達 73%，中小企業只有 12.6%。這不是暫時的進度差距，而是正在固化的雙峰結構。
重點內容：
- 困住企業的不是技術而是思維：AI 需要持續餵養數據、不斷訓練模型、根據場景調整，它更像是「養一個會學習的系統」，而不是「買一套固定的軟體」。
- 成功企業都從小勝利開始：本次研究報告中的成功案例揭示了一件事情：轉型不是從完美的準備開始，而是從單一痛點的小勝利開始。
- 從效率工具到競爭武器：當 AI 從製程輔助走向產品核心，企業就不再只是拼效率，而是在開創新的價值空間。這個躍遷不會自動發生，它需要企業在累積了幾個小勝利之後，重新思考 AI 在商業模式中的位置。
- 不要等所有條件都具備才開始：透過行動逐步建立條件；不要想著一次全面改造，而是從單一痛點切入；不要只想著購買技術，而是在實踐中培養能力。
>>>下載《2025 製造業AI普及度調查報告》
4.從硬體技術轉向治理整合：2026 台灣重點產業 AI 化政策建言
在全球 AI 競賽中，台灣正處於關鍵轉折點。未來台灣應以「可信任 AI」與「主權 AI」為雙核心，建構明確的國家治理戰略，將產業優勢轉化為 AI 時代的整體領導力。由於完善的治理機制是產業創新與社會信任的根基。台灣當前亟需建立具包容性與前瞻性的資料治理架構，兼顧創新應用與個資保護，為可信任 AI 的長期發展奠定制度根基。
基金會彙整《2025 台灣產業 AI 化大調查》、《製造業產業AI化大調查》......等多項研究報告，及多場專家會議與大型論壇業界意見，同時，再加入國內外專家對於技術發展、產業應用趨勢、數據治理、風險管理等，與AI發展密切相關面向的重要分析。並針對過去幾年來台灣產業AI化發展的重點產業：智慧醫療、智慧製造，以及智慧金融，訪談產業重要推手。藉由他們的觀察與經驗，提供相關產業未來導入AI的具體參考；同時，也期待做為政府推動AI政策的重要參考。
AIF觀察指出，儘管台灣擁有全球最完整的半導體與 ICT 供應鏈優勢，但產業多仍停留在「觀望」與「初階導入」階段，並且面臨四大結構性挑戰，分別是1.算力集中與部署缺乏完整佈局、2.數據品質與資料治理亟待加強、3.人才斷層與組織轉型困難、4.法規滯後造成企業信任缺口。
重點內容：
- AI 是橫跨資料治理、產業轉型與知識體系重構的國家級基礎建設。政策應從算力與模型的部署，轉向資料、制度與應用的整合發展，建立兼具創新與安全的治理體系。
- 「主權 AI」不僅涵蓋在地語言模型的發展，更延伸至自主算力、資料治理、人才培育與創新生態的完整體系。
- 若忽略完整佈局，仍然偏重於硬體投資，台灣恐在應用與內容層面過度依賴國際供應鏈。
5.生態系建構：台灣 AI 新創地圖
人工智慧科技基金會（AIF）與台智雲 AI 超算加速器合作，發佈「2025 台灣 AI 新創地圖」（Taiwan's AI Startup Map 2025），並盤點《台灣 AI 生態地圖》，為讀者呈現出一幅立體的生態系現況圖。
2025年出現不少僅是串接大模型 API 並優化介面的應用，儘管能讓企業主快速體驗 AI 工具的方便，但這類缺乏領域知識（Domain Know-how）的產品，往往無法與企業工作流深度整合，也就難以解決實際痛點。如何在熱潮中去偽存真，辨識出具備真實落地能力的技術，將是未來一年市場關注的焦點。
我們同時也觀察到兩大關鍵趨勢：
- 領域專家的優勢：
擁有深厚產業背景的創業者，往往更能精準掌握痛點。他們在工作流程的梳理上更為細膩，能清楚識別出哪些環節最適合 AI 介入，從而開發出更符合產業需求的產品。 - 既有資產的加乘：
過往已有累積技術底蘊與數據資源的新創，在面對新的生成式技術浪潮時，展現了更強的適應力。可以更快將 GenAI 技術融入既有的成熟產品架構中，利用長年累積的產業數據強化產品優勢，打造出競爭對手難以複製的技術護城河。
>>>閱讀《台灣AI生態系地圖》
結論與 2026 行動焦點：
AI 發展的終極目標不在於技術炫目，而在於能否提升社會生產力並創造公共價值 。面對全球產業板塊劇烈變化，唯有從「硬體製造」走向「治理整合」，台灣才能在全球AI新生態系中確立無可取代的位置 。
我們深信，透過公私協力與持續投入，台灣定能將既有的「製造優勢」轉化為新時代的「治理優勢」。2026年，AIF將與政府部門、公協會，以及企業夥伴共同努力，深入探索「主權AI建構」「產業共通知識LLM」，以及「AI城市產業生態系」三大面向，分別從技術應用與策略治理兩個維度切入，讓台灣在既有的硬體優勢上，發展出全新的科技生態與產業競爭力。
>>>2026年將有更多研究成果與產業趨勢報導，歡迎訂閱《知勢》電子報：訂閱連結
