每年《台灣產業AI化大調查》的問卷回覆，都有政府部門主動填答；行政院「政府服務獎」今年已經是第九屆，每年也都有許多不同組織單位以數位創新成果來爭取獎項。得獎是重要的肯定，而更重要的是，也可以從這裡看出公部門並非被動等待政策指令的觀望者，許多機關早已在各自的位置上摸索轉型的路徑。

公部門數位轉型、導入AI應用，與一般企業有什麼不同？

這個問題之所以重要，是因為政府與企業面對的是截然不同的任務性質。企業可以聚焦最有價值的客群、以效率與獲利作為優化方向，轉型成果最終反映在財務數字上。

然而，政府沒有這個選項。政府的服務對象是所有人，包括不會用智慧型手機的老人、看不懂表單的新住民、以及在數位化過程中最容易被遺忘的各種弱勢族群。所以，追求行政效率固然重要，但不能以犧牲普及性與公平性為代價；就算讓八成民眾覺得便利、卻讓兩成民眾更加無所適從的系統，並不算成功的轉型；若為轉型而讓公務員不堪負荷，也絕非良好的政策。

因此，公部門數位轉型的真正目標，不是系統汰換與技術升級，而是治理模式的根本轉變。目標是，必須從被動回應走向主動感知，讓每一位民眾，不論背景與能力，都能感受到服務是順暢的、資源是到位的、政府是值得信任的。把這個目標說清楚，才能決定資源配置的優先順序與技術選擇的判斷標準。

如果缺乏明確目標，轉型很容易變成採購案，IT工具一批批進來，真正需要被服務的人卻依然被擋在門外。

然而，即便目標明確，要真正推進，還必須先正視幾道幾乎所有機關都會碰到的結構性障礙。而這些障礙反覆出現的共同特徵是：卡關的地方，從來不是技術。

清理「資料債」是避無可避的關鍵

觀察近年推動數位轉型較有成效的公務機關，幾乎無一例外，都在某個時間點做了一件瑣碎、不起眼卻至關重要的事：清理資料。

嘉義縣稅務局花了五年進行地址清洗與座標化，才成為全國第一個完成房屋稅與地價稅全面座標化的機關。臺中榮總則依循「連線、收集、清理」三個步驟，逐步將院內資料轉換為國際標準格式。這些工程耗時、耗力，很難對外展示成果，甚至預算審查時也不容易說明價值。但少了這一步，後續導入的任何AI工具，都沒有足夠穩固的基礎，也無法擴散影響力。

問題的根源在於，台灣公部門的資料現狀是數十年累積下來的「數據債」。不同部會、局處因業務權責分立，各自找外包建立各自的系統，形成彼此無法互通的資料孤島；中央與地方政府之間的串接同樣困難，系統架構不同、主管機關不同，協調成本極高。許多機關至今仍是紙本與電子檔混雜，電子化的部分也因建置年代不同，格式眾多、欄位定義不一。即便是同一筆資料，在不同系統裡可能根本無法比對。

這不是換一套更好的技術就能解決的問題。資料要能流通、要能被AI有效使用，前提是有人決定「誰的資料、誰負責、誰可以用、用到什麼程度」。這需要的不是工程師，而是明確的資料治理框架：資料分類標準、跨機關授權機制、歷史資料清理的責任歸屬。框架不到位，採購再多工具也無濟於事。

支撐數位創新，須倚賴制度設計

資料問題之外，還有一道同樣棘手的障礙：法規與資安的現實夾縫。

政府機關核心資料多運行於封閉內網，而目前多數數位工具仰賴雲端運算，兩者之間存在本質上的衝突。更複雜的是，這不是單一法規的問題，而是個資法、政府資安規範、採購規定三層交疊，往往讓第一線承辦人員陷入兩難：做了可能違規，不做又跟不上需求。

所以政府機關很常遇到的問題，像是早期選用的工具因依賴雲端而無法處理機敏資料，最終必須轉換為地端方案，並重新建立資料管理機制。如果牽涉到更敏感的醫療資料時，採用聯邦式學習技術，也就是在不移動原始資料的前提下進行模型訓練，既解決了隱私疑慮，也避免因數據環境差異導致模型失準的問題。

技術持續進步，很多問題可以找到技術來解決，但必須透過資料分級管理與技術方案的選擇，才能在合規框架內，找尋到可以推進的空間。等待完美的法規環境建構完成，在AI應用發展仍在起步階段的此刻，絕對是不夠務實的期待。真正的突圍方法，來自願意在現有侷限中找尋、設計出解決方案的企圖心。

最難解的問題，藏在組織裡

然而，就算資料基礎到位、法規限制也找到了應對方案，還有一道最不容易具體描繪但最難突破的障礙：組織慣性。

這道障礙的面貌，往往不是明確的拒絕，而是各種形式的消耗：資料有，但不願意開放給其他單位；數據介接在技術上可行，但權責歸屬談不攏；試辦計畫啟動了，首長換屆之後推動力道就此消散。多次訪談公部門的資訊、統計與管考單位之後可以發現，在推動數位工具導入、整合資料時，最大的阻力來自公務體系普遍存在的「資料不願釋出」心態。

這樣的心態，不是個別公務員的問題，而是結構長期累積下來的工作心態與模式。在現行考核與激勵機制下，主動釋出資料、配合跨域協作，對個別機關或承辦人員幾乎沒有誘因，卻要承擔額外的協調成本與潛在的責任風險。謹慎保守，在目前的制度下是完全理性的自我保護。

因此，例如台南市的解法，是嘗試將「協作」納入工作常規中；針對資料問題，則建立三層式架構：首長會議凝聚整體共識、幕僚團隊與各局處進行年度業務訪談發掘需求，若局處之間無法就資料釋出達成共識，由秘書長層級的仲裁機制介入協調。首長共識、需求訪談與仲裁單位，將數位創新的核心邏輯，從原本全部依賴個人意願的協作，轉為有制度支撐的常態運作。

減法，為轉型找到價值的起點

釐清了公部門數位轉型障礙構成的幾個面向之後，就會理解為什麼公部門的數位轉型不能只靠技術採購來驅動。因為要面對的利害關係人眾多、對推動者缺乏誘因，甚至對使用者來說，都充滿障礙。

所以推動數位轉型的起點，不該是追求「加入」許多酷炫技術，而是先思考要為使用者「減去」什麼障礙。

有些數位創新必須面對的使用者眾多、需求差異極大。例如新北市教育局的「校園通APP」，使用者有小學到高中的學生、老師、行政人員、家長甚至還有學生的爺爺奶奶、其他親戚；有人住在偏鄉、有人住在人口稠密的都會區。不只需求不同，連基本的數位能力都有很大落差。

因此，這支原本評價不高的App，為了讓更多使用者願意下載，先做了一個小小調整：簡化登入方式。複雜的帳號密碼改成手機號碼加簡訊驗證，民眾立即可以上手，再加上持續聆聽不同利害關係人的需求，優化介面設計，APP評分從1.5提升到4.7，下載量從不到3萬突破90萬。

同樣的，內政部移民署推動入出境自動通關，之前還需要民眾事先到櫃台申請。後來發現其實可以將身分驗證整合進通關閘道，約七成旅客只要走入閘道就完成註冊，並同時通關，而移民署則減少了七成的人力需求。所以技術不只是加快速度，更重要的是重新拆解、定義「通關」的服務流程。

對內部的「減法」邏輯也相同。臺中榮總一開始就確定，目標並非打造最先進的AI系統，而是降低醫護人員的負擔。因此，光是將床頭卡以電子紙取代紙本之後，全院一天節省423小時護理人力，相當於釋放出53位護理師。中榮護理師離職率7％，遠低於全國平均的12％。

這些轉型成功的背後有共通的思惟：從使用者的角度出發，檢視流程中重複、冗餘的步驟，移除或整合，比新增功能更能產生實質效益。而技術的導入，則是實現減法的工具。

智慧治理，讓民眾感覺不到系統存在的狀態

數位轉型不是終點。當資料基礎逐步到位、協作機制開始運轉、使用者痛點被系統性回應，治理模式本身會開始發生質變：從事後處理走向事前預判，從民眾來找政府走向政府主動到位。

智慧治理的目標如何定義？民眾的日常感受是最直接也準確的檢驗。

10歲小女孩跟著家人一起出國，在桃園機場10秒完成通關，不會知道也不需要知道背後有超過70個單位的資料系統在同步運作。

偏鄉的阿公替孫子請假，不會知道一個APP串接了19年前就開始建置的校務系統和多少AI技術。

在醫院住院患者不必排隊苦等病床、隨時有護理師親切細心的專業照顧，不需要知道這是20多年來從電子病歷逐步優化改進的智慧系統。

這些「不需要知道」，正是智慧治理最理想的狀態：使用者不必理解系統如何運作，只需要感受到服務是順暢的、資源是到位的，而且是可信任的。

而能夠感受到這一切的，必須是每一個人，不因年齡、語言、數位能力或社會處境而有所差別。這正是政府與企業轉型目標的不同，也是公部門數位創新核心的價值。

1976 年 4 月 1 日，兩位同樣名為史帝夫的青年在車庫創立了蘋果（Apple），目標是將電腦的力量帶給每一個人。50年後的今天，蘋果從差點破產的危機中重生，發展成市值突破 4 兆美元的全球科技霸主。也留下許多傳奇歷史，例如至今無人可超越的創新巨人：賈伯斯。

沒有了賈伯斯之後的蘋果，其實已經在現任執行長庫克的帶領之下走過15年，也從行動時代走入AI時代。50歲的蘋果下一步要走向哪裡，是全球科技業關注的焦點之一。但與其猜測，不如回頭看看，蘋果如何成為今日的巨擘，當中的成功與失敗如何累積、造就它的今日。

《蘋果之道：重新定義世界的50年》一書作者，科技觀察家大衛．波格詳實梳理蘋果半世紀興衰，深度採訪超過 150 位橫跨各個時代的核心人物，包括共同創辦人沃茲尼克、與賈伯斯決裂的史考利，以及主導蘋果設計靈魂的強尼．艾夫。

蘋果開放多位高階主管與設計師接受專訪。波格藉此公開這間最具爭議、也最受愛戴的公司，如何從兩個人、一間車庫的魯莽創業，演變成觸及全球超過 22 億人的商業帝國。以下為本書精彩書摘內容：

真正讓蘋果稱霸全球、締造數十億台銷量、改變社會的發明，不是筆電，也不是音樂播放器，而是iPhone。2007 年，iPhone 橫空出世，它的設計成熟、精美絕倫、充滿自信，設計理念更是渾然天成。

但在光鮮亮麗的iPhone 背後，它能夠順利問世並非只靠大膽豪賭、對細節近乎瘋狂的執著、卓越的設計和遠見。蘋果也曾走過無數次的冤枉路，在最後關頭全部推翻重來，再加上幾分運氣的加持，才推出這個劃時代的產品。

首先，蘋果最初計劃打造的東西不是手機，而是平板電腦。

平板電腦

2005 年底，賈伯斯參加一場生日派對。壽星是個五十歲的微軟工程師，他太太是蘿琳的朋友。晚餐時，這個工程師滔滔不絕的向賈伯斯介紹，微軟已經用帶觸控筆的平板電腦掌握運算的未來，它便於攜帶、功能強大、無需連線。

「微軟根本是在亂搞，」賈伯斯後來說：「吃飯的時候他至少跟我講了十次。我快被煩死，回家後，我說：『去他的。我們給他看看什麼才是真正的平板電腦。』」

賈伯斯在週一早上的高層會議上激動表示：「我們得讓世界看看如何打造真正的平板電腦。」他的意思是不用觸控筆。「因為上帝已經給我們十枝觸控筆。」他一邊說一邊晃動手指。

FingerWorks 的展示突然變得非常有用。蘋果於是收購FingerWorks，把韋斯特曼、伊里亞斯和他們的專利全部帶到庫珀蒂諾。

艾夫的團隊用iBook 筆電的零件，組裝幾台能跑Mac OSX 的多點觸控平板原型機，但結果並不理想。2005 年的技術還有很多瓶頸，書頁尺寸的觸控顯示器需要高效能處理器；另一方面，高效能處理器則需大容量電池支援，原型機因而又重又厚。此外，Mac 作業系統本來就不是為手指觸控設計的。

FingerWorks iGesture 原本是為了幫助肌腱炎、筋膜受傷等重複性勞損病人而設計。

第一支手機

很多人都說是自己讓賈伯斯萌生開發手機的念頭。但其實，根本不需要其他人來啟發賈伯斯。2005 年，手機已經能播音樂。儘管功能粗糙，限制重重，但誰都看得出來：沒有人會想同時帶著兩個裝置出門。iPod 時日不多。

然而，蘋果完全沒有製造手機的經驗。他們沒有工程師、沒有設計師，在行動通訊產業也沒有人脈。於是賈伯斯在董事會的建議下，選擇與手機界老將摩托羅拉攜手合作。

這個選擇很合理。多年來，摩托羅拉的處理器一直是Mac電腦的心臟，更何況摩托羅拉那款輕薄、時尚的RAZR 摺疊手機正紅透半邊天。蘋果計劃在摩托羅拉既有的手機設計中加入iPod 軟體，這將成為第一支能播放iTunes Store 音樂的手機。要知道，當時全美八成的音樂下載用戶都是在iTunes Store 購買音樂。

蘋果正在開發手機的風聲傳開後，公司股價應聲上漲，網路上湧現種種P 圖做出的概念設計，果粉更是興奮莫名。大家紛紛猜測外型跟iPod 一樣酷炫嗎？操作介面會有經典轉盤嗎？能存放幾千首歌嗎？歌曲可直接下載到手機嗎？能自訂來電鈴聲嗎？另一半打來的時候，手機就會播放洛．史都華的〈你覺得我性感嗎？〉（Do Ya Think I´m Sexy?）？

遺憾的是，答案一概是「否」。這款名為摩托羅拉ROKR E1的產品，不過是支外型普通、介面雜亂的廉價塑膠手機。令人匪夷所思的是，不管記憶卡有多少剩餘空間，最多只能存一百首歌。

蘋果與摩托羅拉合作打造的第一支手機。

更糟的是，由於沒有FireWire 或USB 2.0 支援，歌曲傳輸慢得要命。雖然能連上網路，還是無法下載音樂。

「最令人難堪的是，大家一直說這就是『蘋果手機』或『iTunes手機』，」喬斯維亞克說：「我們當時心想：『說真的，這跟我們一點關係都沒有。我們做的是iTunes，手機是摩托羅拉做的啦。』」
2005 年9 月賈伯斯在產品發表會上介紹ROKR 時，不屑之情溢於言表。「這支手機……還算酷。」他硬擠出這句話，台下一片靜默，無人鼓掌。

說實話，ROKR 不算特別差，因為那時候所有手機都差不多糟。

「那些手機真的無藥可救，用起來糟透了，」賈伯斯指出，手機市場規模龐大，年銷量達十億支，是個人電腦銷量的四倍。他又說：「這是一個絕佳機會，我們要打造一款讓自己也會著迷的手機。我們有技術。iPod 讓我們掌握微型工藝的訣竅，我們還有Mac 厲害的作業系統。」

不用說，蘋果做音樂手機等於是拿槍指著自家iPod 的腦袋。但賈伯斯的想法是寧可自己扣扳機，也不要被對手幹掉。

P1 和 P2

研發音樂手機最短的路徑，就是在iPod 增加電話功能。賈伯斯要求當時負責 iPod 業務的費德爾試著製作原型機。

費戴爾的小團隊想出幾個方案。一個是全螢幕的影音iPod，費德爾形容就像是「iPad 問世前的迷你iPad」。這款設計採虛擬轉盤介面，滾動清單時會出現在螢幕上，播放影片時則會自動隱藏。

另一個原型則是在標準iPod 裡塞進手機零件。

但兩種方案都遇到同樣的問題，那就是轉盤。轉盤用來滾動瀏覽電話簿的話，很棒，但要輸入文字，簡直是一場惡夢。你得一個字母、一個字母慢慢轉。即使有字詞預測功能來輔助，依舊令人抓狂。「我們試了好幾個禮拜，想要解決這個問題，但始終無法突破。」費德爾說。

接著，有人想起設計工作室團隊幾年前做的多點觸控實驗。說不定那個技術縮小能用在手機上！說不定可以做成全多點觸控螢幕，如此一來就沒有討厭的小鍵盤！正面除了螢幕，什麼都沒有！
「平板電腦計畫暫停，」賈伯斯下令：「先做手機。」

此時，包括克爾、歐汀和邱德利的多點觸控團隊已經不需要投影機。他們做出真正的硬體原型，這是一台具備多點觸控功能的12 吋iBook 螢幕，但是仍需連接Power Mac。為了呈現手機螢幕的效果，他們把螢幕的「可用」區域設定成手機大小的長方形。

歐汀自1998 年就在蘋果擔任介面設計師，專長是設計炫目的動畫效果。他用Macromedia Director 動畫軟體做出一個通訊錄應用的展示原型，裡頭有兩百個聯絡人。手指一掃，就能捲動清單；點選某個人的名字，就能打開此人的「名片」；再點電話號碼，就會跳出模擬的撥號畫面。

最棒的功能是慣性滾動。你只要在網頁上輕輕一撥，畫面就像被你推了一把，帶著慣性持續滾動。你可以一直撥，讓它滑得更快；手一停，它就慢慢停下來，就跟真實世界的物理現象一樣。

歐汀說，你滑到頁面盡頭時，「它不會突然停住，而是會輕輕彈回來。這樣不但更有趣，也很實用。」那個輕微的彈跳就像在說：「嘿，到底了喔！」這是個令人驚艷、充滿樂趣、符合直覺的科技魔術。

當時有兩個團隊各自研發手機。費德爾帶領「iPod 加手機」專案，代號P1。賈伯斯則將全螢幕手機專案P2 指派給資深軟體設計師佛斯托爾，他在1997 年從史丹佛畢業後就進入NeXT 工作，之後跟著賈伯斯到蘋果，曾經主導Mac OS X 的Aqua 介面和Safari 瀏覽器的設計。

賈伯斯鼓勵這兩個團隊在六個月內全力衝刺。這兩個專案之間的競爭究竟是良性還是惡性，就看你問的是誰。

最後，總要從中選出一個。蘋果會把所有籌碼押在最有潛力的那一個。

看完兩組人馬的最新展示，賈伯斯已有定案。P2 做出一支多點觸控、全玻璃的手機，難度高、風險大、複雜得要命，但是……太酷了！「我們都知道，這才是我們想要的，所以我們把它做出來吧。」賈伯斯說。

費德爾負責硬體，福斯托負責開發軟體。現在整併一個手機專案，代號是Purple（紫色）。

但問題來了，而且是個大問題。全螢幕手機這個構想，打從一開始就面臨一項可能無法克服的技術挑戰：沒有實體鍵盤，你要怎麼打字？

當時智慧型手機的霸主是黑莓機（Blackberry）。這是一款商務手機，一半是螢幕，一半是小小的塑膠鍵盤。「黑莓迷」熱愛那設計巧妙的鍵盤，打起來快又精準。一支沒有鍵盤的手機怎麼可能贏？更何況每個螢幕按鍵的寬度只有指尖的三分之一。打字肯定錯字連篇，讓人抓狂。

但賈伯斯堅持，虛擬鍵盤才是革命性的創新。你要打字時，鍵盤才會跳出來，不用的時候就隱藏起來。按鍵會隨著使用情境改變：當你打開計算機就顯示數字，輸密碼就顯示符號。語言和輸入法也能隨意切換。這些黑莓機都做不到。

作業系統

這支手機該用什麼作業系統？研發初期，費德爾主張把iPod 的Pixo 軟體拿來改一改，就可以用了。盧賓斯坦則偏好Linux，這是類似Unix 的系統，而且已有低功耗的手機版本。但佛斯托爾和邰凡尼恩支持用Mac OS X。雖然這個系統需要大幅瘦身（Mac 版本對手機而言太過龐大），但OS X 穩定、完善、成熟，而且能防止當機和病毒入侵。

「以前根本沒有人想過要把像OS X 這麼複雜的作業系統放進手機，」賈伯斯後來說：「我們為此激烈辯論，討論到底行不行。這是少數需要我親自出來拍板定案的問題。我說：『就這麼做，試試看吧。』」

保密

賈伯斯向來認為，保密是產品成功的關鍵。但Purple 專案的保密程度根本史無前例。

賈伯斯對費德爾和佛斯托爾說，他們可以在公司內部拉任何人進團隊，但不准從外面找人，而且面試時，不得對應徵者透露要做什麼案子。於是，佛斯托爾對應徵者說：「你必須拚命工作好幾年，每週七天全力衝刺。但加入這個團隊，你這輩子不只是能驕傲的告訴子女『老爸當年做出這個東西』—名字我現在不能講—你將來甚至可以對孫子炫耀。」

賈伯斯安排軟體團隊在總部外的一棟建築裡工作。不久，那裡就被叫做「紫色宿舍」，裡面到處都是門禁刷卡點和監視器。

艾夫在總部二號大樓的工作室原本就是個戒備森嚴的聖殿，有門禁、監視器，對外窗戶使用磨砂玻璃以防窺探。但現在，連內部的玻璃門也用磨砂玻璃。所有原型機都蓋著黑布，測試使用者介面的區域則圍起簾幕。為了讓硬體設計師知道螢幕長什麼樣子，於是給他們一張3.5 英寸的紙片，上面還印假的圖示。

為了不讓工程師發現大家在做同一個案子，蘋果刻意用好幾個代號。知道整個Purple 專案全貌（包括軟、硬體設計）的人，一隻手就數得出來。

蘋果對三星（處理器）、Marvell（Wi-Fi 晶片）和 CSR（藍牙晶片）等供應商說，這批零件要用在新款iPod 上，就連給他們看的設計圖和技術文件都是假的。蘋果代表有時會冒用其他公司名義前往拜訪，以免接待櫃檯上出現一疊印有「蘋果」的訪客證。

大多數參與iPhone 開發的人員，直到賈伯斯在麥金塔世界博覽會舞台上舉起這支手機的那一刻，才真正看到這項產品的廬山真面目。

iPhone team (席勒、費德爾、艾夫、賈伯斯、佛斯托爾與庫依合影)

本文節錄自《蘋果之道：重新定義世界的50年》由天下文化授權提供。

4月初，兩則來自美國科技產業的新聞引發社群媒體上熱烈討論。一則是洛杉磯新創業者Matthew Gallagher以二人團隊、不到2萬美元的資本，讓旗下遠距醫療平台Medvi在2025年達到4億美元年營收，並預估2026年上看18億美元；另一則是Oracle宣布大規模裁員，估計影響2至3萬名員工，裁員比例高達18％。裁員的原因與績效、業績沒有直接關係，但對象包括資深工程師、架構師與技術主管。

兩則新聞放在一起，很快形成看似合理的直觀推論：AI 時代的企業邏輯正在劇烈重組，小公司透過科技槓桿、可以快速擴張、獲利，而大科技公司也選擇以算力取代人力。因此，台灣有不少企業深受鼓舞、摩拳擦掌想快速跟上。

但在跟上之前，有一個更基本的問題需要先問清楚：這兩個案例，成立的條件是什麼？台灣究竟該跟上什麼？

Medvi實現一人公司獨角獸預言？

Medvi的出現，像是讓OpenAI執行長Sam Altman之前所說，「AI 將讓一人建立10億美元公司」的預言成真。據《紐約時報》4月2日報導，記者取得並驗證Medvi的財務數據：2025年營收4.01億美元，淨利率16.2％，全職員工只有創辦人與弟弟兩個人。

若與同業比較，如Hims & Hers是美國最大的線上處方藥平台之一，2025年營收24億美元，員工約2400人，淨利率5.5％。簡單換算，Medvi用兩個人做到Hims六分之一的營收，淨利率則是Hims的三倍。

然而，仔細看Medvi的商業架構，會發現它的核心邏輯恐怕不在於「兩個人取代了2000人」，而是「兩個人只做2000人工作中最值錢的那一塊」，其他全部外包出去。

在《紐約時報》同篇報導指出，Gallagher自己負責品牌、行銷、客戶關係與AI工具整合；至於所有受法令規範監管的醫療環節，全數外包給 CareValidate 與 OpenLoop Health。報導中稱這類平台提供的是「telehealth-in-a-box」，也就把醫師網絡、處方合規、藥局出貨等環節，全部整合成一套可直接租用的服務，讓品牌方只需專注在行銷與客戶關係上。Medvi在自家服務條款中甚至明確聲明，它本身不是醫療服務提供者。

值得注意的是，Medvi 並非沒有風險。多家媒體報導指出，美國食品藥物管理局（FDA）已在2026年2月針對網站用詞違規，發函警告Medvi；3月還有逾30家性質類似的遠距醫療公司收到FDA警告。顯然，這樣的營運模式目前處於爭議的灰色地帶，Medvi高速成長仍需面對未來監管風險。

Oracle裁員 轉移為資料中心建設資金

Oracle的故事同樣需要重新理解。根據CNBC與多家財經媒體報導，Oracle 上季淨利成長近95％，達61億美元。所以，就財報來看，Oracle並不是陷入困境的公司，而這波裁員最可能的動機，是為了籌措AI資料中心建設所需的現金流。據投資銀行TD Cowen估計，裁員之後每年可釋出80至100億美元。也就是說，Oracle是為了打造一個算力擴張的未來，將人力轉換成資本支出。

進一步思考，被裁的資深工程師和架構師，帶走的不只是薪資成本，也帶走了系統知識。更值得長期觀察的是，當資本大規模從人力移向機器設備，中產階級的消失與貧富差距的擴大，可能才是這波AI革命最深遠、也最少被討論的代價。

了解這兩個案例背後脈絡之後，再回頭思考台灣在AI時代的定位，可能會更加清晰。因為，了解做出決定時所處的情境，和決定本身一樣重要。

產業情境不同 無法越級打怪

首先，產業結構的差異，是無法一步跨越的關卡。美國軟體產業發展蓬勃，台灣的強項則在於AI相關硬體，到目前為止，還沒有發展出「基礎設施即服務」生態，而這才是讓Medvi得以發展出商業模式的基礎。這樣的生態系，是美國網路、雲端、零售……甚至遠距醫療產業發展多年累積的成果，不是工具或技術到位就能跳過的發展階段。

但這個落差本身，也點出台灣可以著力的方向。在之前解讀AI產業分層框架的文章中（見〈解讀三種 AI 分析框架，找尋台灣產業定位〉上、下篇），梁伯嵩的七層模型將「代理層」與「協調層」獨立出來。這兩層的核心能力，不是訓練大模型，而是對特定產業場域的深度理解：什麼業務流程適合讓AI Agent處理、多個 Agent 如何分工合作、什麼情境必須保留人類介入。

這恰好對應了台灣產業數十年累積的核心能力。台灣在硬體供應鏈累積的複雜系統整合能力，極有可能正是從硬體出發、串接產業AI落地經驗的關鍵條件，也是台灣獨有的發展路徑。不需要與全球巨頭在算力或基礎模型上正面競爭，而是立足於台灣最深厚的優勢，向上發展。根據《產業AI化大調查》結果，有超過三成的台灣企業已進入落地部署階段，正在形成「把AI串接營運策略」的場域知識，這是最實質、也最有發展潛力的基礎。

當然，必須誠實面對從「擁有系統整合能力」到「能夠轉化為AI核心競爭力」之間，仍然存在不小的認知與能力落差，仍需要更多時間與資源來找出正確發展路徑。

問對自己的問題，才能找到新定位

進一步來看，對美國大科技公司而言，「生產力」的定義，已經被AI徹底改寫。如果再加上3月份時《路透社》披露，Meta將進行一波大規模裁員，受影響人數可能高達20％，同樣是為了將資金用來填補AI基礎設施的需求。很明顯，這是大科技公司布局未來的共識，將帶動AI相關產業發展藍圖的巨大變化。

但台灣呢？大算力、大數據都不是我們的強項，加上產業結構天生的差異，AI轉型路徑，不太可能像 Medvi這樣的新創，也沒有能力學習美國大科技公司的大資本投資。我們所需要的是，更誠實面對自己的現況，仔細盤點哪些是台灣的優勢，哪些是現在需要迎頭趕上的。以及，有哪些問題根本還沒被問到。

「有時候一通電話就能解決的事，新一代經營者往往找不到敲門磚。」

MISA智享會理事長曾國棟觀察到，許多資深企業家退休後賦閒在家，腦中豐富的經營智慧與人生歷練因缺乏分享平台而被閒置；與此同時，新一代創業者在開展事業時，明明亟需前輩的指引與點撥，卻常常只能自己摸索。「他們不是不努力，而是不知道該問誰，甚至連門在哪裡都找不到。」

曾國棟本身就是台灣資通訊產業高速成長年代的親歷者。他於1980年創辦友尚集團，2000年帶領友尚成為台灣第一家上市的電子零組件通路公司，2010年加入大聯大控股並擔任副董事長。大聯大控股為台灣設立產業控股公司之先驅，創造出「前端分、後端合」的營運模式，2025年營業額已接近台幣1兆元，是全球領先、亞太區最大的半導體零組件通路商。

這樣的歷練，讓曾國棟深切體會到「傳承」的重要性。年輕時他曾立下「無私分享」的宏願，因此很早就開始親筆寫下各種決策與思考，做為企業內部員工訓練教材。然而，他更想做的是把這件事從企業內部擴大到整個台灣產業。

2019年，曾國棟振臂一呼，由30多位上市櫃公司老闆及資深企業領袖共同發起，成立中華經營智慧分享協會，簡稱MISA智享會（Management Intelligence Sharing Association）。更匯聚多位科技、法律、財金、媒體、零售等跨界領袖，建立「企業院士」制度，針對創業者與經營者開設課程。同時還與多所大學如台灣科技大學、中山大學、淡江大學等校EMBA合作，彌補過去產學之間的落差，創造管理實務與理論深入對話的機制。

如同馬克．吐溫所說：「歷史不會重複，但會押韻。」曾國棟創業40多年，本身擁有創業成功、上市成功、整併成功等豐富經驗，也看過多次產業起落與環境劇變。他觀察到，雖然新型態創新產業不斷湧現，但企業策略、商業模式、品牌塑造、資本運用、智權法律、投資併購、股權設計、薪酬激勵等核心經營要素，並沒有本質上的改變。曾國棟在MISA不只是發起人，至今仍然親自授課、持續更新教材。對他而言，這不是退休後的志業，而是幾十年來從未停歇的使命。

也許有人會疑惑：在AI浪潮與地緣政治衝擊之下，前輩的經驗還管用嗎？

曾國棟認為，目前許多具體的產業情境確實已大不相同，但關鍵在於如何將過去的經驗整理為「系統化知識」，從個人的直覺與故事，淬煉為可傳遞、可重複使用的架構，讓後進者不必重頭摸索，而是站在前人肩膀上往前走。

這份堅持背後，是數十年不變的初衷。曾國棟從不認為自己累積的經驗只屬於自己。多年來，他自費投入大量時間與資源，長期記錄實戰案例與管理對話，早在20多年前就彙整成三大本工具書，並持續更新至今，相關文稿已累積逾150萬字。

在這些書中詳列了不同部門、職能員工與主管可能遇到的錯誤與解法，例如針對簡報溝通，他提出「73」與「532」原則：簡報中應有7分滿足聽眾需求、3分表達自己訴求；在個人品牌日益重要的今天，進階版「532模式」則是5分滿足聽眾、3分表達訴求、2分展現個人特色。又如談話技巧，曾國棟認為最有效的業務對話，往往發生在非正式的閒聊之中，透過輕鬆的對話，讓對方在放鬆的狀態下說出真實想法與需求，才是最深層的管理技術。

隨著科技演進，這套知識系統也有了全新樣貌。近期，曾國棟藉助生成式AI技術，將過去累積的原始文稿、12本專業著作與大量影片匯入資料庫，建立專屬的「對話助理」。學員只需透過提問，就能迅速獲得管理重點，讓智慧的傳承以更直覺的方式延續。

不過，如果只是將MISA定位為「另一種管理課程」，其實低估了最核心的本質差異。

一般管理課程的知識來源，多數是學者、顧問或講師，從理論研究或觀察他人的角度出發加以整理；MISA的企業院士，則是在台灣產業高速成長的年代裡，親身主導過企業策略、資本運作、品牌建立、跨國布局的實際經營者。他們傳授的，不是「應該怎麼做」或「別人怎麼做」的二手資料，而是「當時我為什麼這樣決定、後來證明對了什麼、錯了什麼」的真實判斷歷程。這種從四十年實務中淬煉出來的系統化知識，貼近經營者日常面對的決策情境，是一般理論案例、外國個案研究很難複製的真實厚度。

而在課程之外，MISA更讓本身的社群成為資源。理論課程或許能傳遞知識與框架，卻難以複製幾十年累積的人脈信任。曾國棟說得直接：有些問題，不是讀書或上課能解決的，而是「你認不認識那個人」。院士們手中握有的供應鏈關係、法律與財務顧問網絡、早期投資人連結，是新一代創業者很難用其他方式取得的稀缺資源。透過院士班、企經班、私董會及一對一輔導等形式，MISA試圖做的，是讓這些關係有機會在信任的基礎上流動、創造新價值。

這種資源流動，在家族企業的接班場景中更顯可貴。但曾國棟對接班議題有不同於一般人的觀察：二代接班之所以失敗，問題往往不在二代身上，而在一代。

「很多一代創辦人，嘴巴說要交棒，但心理上從來沒有準備好。」他觀察到，一代創辦人因為長期主導企業，常常在無意識中壓縮了二代的決策空間；而二代即使有能力，在缺乏授權與信任的環境下，也難以真正成長。因此，真正決定接班成敗的核心，往往是一代願不願意放手、能不能建立起讓二代接棒的土壤。

這也是MISA選擇同時服務一代與二代的原因。在這個場域中，一代創辦人能藉由與同輩資深企業家的對話，重新檢視自己對於傳承的心理準備，以及如何授權的具體步驟；二代則透過跨產業的共學，建立超越單一家族的視野與人脈，勇敢探索創新的可能。

曾國棟以「故事—行動—產出」的架構，讓學員透過場景化學習真正產生行動。在一次大師班的課堂上，一位母親企業家對於是否成立新部門猶豫了兩年，聽完課堂故事後，深刻理解到「恐懼源於未知」的人性弱點，當場掃除疑慮，成立新部門並授權女兒管理。這個案例的關鍵，不僅二代獲得機會，更重要的是一代終於做好準備。

「企業最懂自己的本業與技術，但真正的挑戰往往在於管理，也就是處理人的問題，」曾國棟說：「我希望提供那些『如果當時有人跟我說就好了』的實戰經驗。」這是曾國棟幾十年來做這件事最簡單的理由。

在產業加速變動的當下，新一代經營者面對的不確定性只會更多。前輩的經驗未必能給出所有答案，但MISA所提供由真實商戰中磨練出來的決策判斷與人脈信任，或許正是新世代在摸索中最需要、卻往往最難找到的那盞燈。

想要成功，你必須在一切發生之前研究結局，你必須質疑你的構想，從零開始重新思考。《從0到1》作者彼得‧提爾（Peter Thiel）是PayPal和Palantir共同創辦人，臉書第一位外部投資人，率先注資Yelp、LinkedIn、SpaceX等新創企業。他念哲學與法律，卻在科技、創投世界大放異彩；成立提爾獎學金，鼓勵年輕人休學創業，激發自己的潛力。

提爾認為成功者身上最強而有力的共同模式，就是能在意想不到之處發現價值，他們的成功是因為從基本原則思考商業，而不是用成功方程式來思考。《從0到1》這本書談的是如何建立一個可以創新的企業。書中的內容都是作者從歷來的經歷中學到的創新經驗。儘管作者提到許多創新模式，但這本書並不會提供成功方程式。教導創業困難的地方在於原本就沒有成功方程式，因為每個創新都是全新與獨特，沒有任何權威專家能開立明確的創新配方。

以下為本書重點節錄：

為什麼大家要彼此競爭？馬克思（Karl Marx）和莎士比亞（Shakespeare）提供兩種模型，可以讓我們理解所有形式的衝突。

根據馬克思的說法，人們會打架是因為他們不一樣。無產階級與資產階級鬥爭，因為他們有完全不同的理念和目標（對馬克思來講， 起因是他們有非常不同的物質環境）。差異愈大，衝突愈大。

對莎士比亞來說則恰恰相反，所有戰士多少都有相似之處。他們爭戰不休的理由並不清楚，因為根本沒什麼好爭的。想想《羅密歐和茱麗葉》（Romeo and Juliet） 一開始就說：「這是兩個同樣尊貴的家族。」兩家人很像，但他們彼此憎恨。隨著仇恨升高，他們甚至變得更相像，到最後，已經沒有人記得最早他們為什麼鬥爭。

至少在商場，莎士比亞的說法比較貼切。在公司， 員工為了升遷，全心注意競爭對手動態，公司也留心市場競爭者。在所有人類衝突的劇碼中，大家都會忽略重點，只注意對手。

讓我們把莎士比亞的模型拿到真實世界測試一下。想像有齣叫《蓋茲與施密特》（Gates and Schmidt）的戲，改編自《羅密歐與茱麗葉》。羅密歐的蒙太古家族（Montague） 是微軟， 茱麗葉的卡普雷特家族（Capulet）是Google。兩個偉大家族都由古板的菁英領袖掌權，講他們很像鐵定會發生衝突。和所有悲劇一樣，回顧來看，衝突似乎無可避免， 可是事實上完全可以避開。這兩個家族來自非常不一樣的地方。蒙太古家族建立軟體作業系統和辦公室應用軟體，卡普雷特家族寫搜尋引擎程式，有什麼好爭的呢？

顯然有不少東西要爭。身為新創事業，兩家人各自尋求發展，都不想惹事生非。但隨著事業日漸茁壯，他們開始在意對方。蒙太古在意卡普雷特，而卡普雷特在意蒙太古，結果Windows 大戰Chrome OS，Bing 對上Google Search，Explorer 力抗Chrome，Office 打Docs， Surface 則與Nexus 纏鬥。

爭戰不休讓蒙太古和卡普雷特失去羅密歐與茱麗葉，也讓微軟和Google 失去獨占地位，結果蘋果公司後來居上，超越兩大家族。2013 年1 月，蘋果的市值5000 億美元，超過Google 和微軟加總的4670 億美元。回想3 年前，不管微軟還是Google 的市值都比蘋果高， 打仗其實是件花錢的事。

對抗讓我們過份強調舊有的機會，大肆複製過去的成功經驗。想一想最近流行的信用卡行動讀卡機。2年10 月，一家名為 Square 的新創公司推出一款嬌小的白色方形產品，可以讓iPhone 成為信用卡刷卡機，一刷就付款，是第一個手持行動裝置的付款解決方案。模仿者迅速跟進，一家叫NetSecure 的加拿大公司推出半月形讀卡機，而Intuit 用圓柱形讀卡機加入這場幾何圖形戰役。2012 年3 月，eBay 旗下的PayPal 部門也發表自己的模仿版本，三角形的外觀顯然是衝著Square 而來，因為三邊比四邊更簡單。大家都感受到，在這些學戲的猴子用光所有幾何圖形前，這篇莎士比亞的長篇小說不會結束。

用模仿當作競爭手段有些危險，這可以部分解釋為什麼像亞斯伯格症這種拙於社交的人在目前的矽谷占有優勢，這些人對社會線索（social cues）沒那麼敏感， 比較不可能和身邊的人做一樣的事。如果你對發明東西和撰寫電腦程式感興趣，你就比較不害怕全心投入，最後你就會對這些事情變得超級厲害。施展技能的時候， 就比較不可能像別人一樣放棄信念，這使你免於被那群爭搶無聊獎項的人迎頭趕上。

競爭會讓大家在毫無機會的時候幻想機會存在。1990 年代出現網路寵物市場的慘烈競爭，包括Pets. com、PetStore.com、Petopia.com 與其他大同小異的網站都加入戰局。因為他們沒有什麼顯著差別，所以他們把經營重點放在擊敗對手，問的戰術問題都是誰最願意調降電子寵物狗的玩具價格？誰在超級盃打的廣告最好？這些公司完全忽略更重要的問題，到底該不該踏進網路寵物用品市場。贏比輸要好，但如果這場仗不值得打，那每個人都是輸家。Pets.com 在網路泡沫破滅後倒閉，3 億美元的投資跟著灰飛煙滅。

有的時候， 競爭只是奇怪與分心的事。甲骨文（Oracle）共同創辦人兼執行長賴瑞．艾利森（Larry Ellison） 和甲骨文的超級業務員湯姆． 西伯（Tom Siebel）就出現莎士比亞式的衝突，湯姆．西伯是賴瑞．艾利森的得意門生，但卻在1993 年出走創辦Siebel System。賴瑞．艾利森對湯姆．西伯的背叛非常火大， 湯姆．西伯則痛恨活在前老闆的陰影下。這兩個人基本上都是活力充沛、熱愛銷售且痛恨失敗的芝加哥人，所以結怨極深。賴瑞．艾利森和湯姆．西伯在1990 年代後期都在彼此攻訐。有一次賴瑞．艾利森送了好幾卡車的冰淇淋三明治到湯姆．西伯的公司總部，希望湯姆． 西伯的員工跳槽。紙袋上寫著：「夏天近了，甲骨文來這裡照亮你的一天和職業生涯。」

怪的是，甲骨文刻意持續樹敵。賴瑞．艾利森的理論是，有敵人總是好事，最好敵人可以強大到產生威脅（因此對員工有激勵效果），但又不會威脅公司生存。所以1996 年當一家叫作Informix 的小型資料庫公司在紅木岸（Redwood Shores）甲骨文總部附近豎立起反甲骨文的巨型看板，上面寫著「警告：恐龍經過」時，賴瑞．艾利森可能挺興奮的。另一個在101 號南北向高速公路的Informix 巨型看板則寫著：你剛超越紅木岸，我們也是。

甲骨文也決定立看板回擊，暗示Informix 軟體速度慢如蝸牛。Informix 執行長菲爾．懷特（Phil White）決定展開人身攻擊。他知道賴瑞．艾利森喜歡日本武士文化，所以在新看板廣告畫上甲骨文企業標誌加上一把斷掉的武士刀。這個廣告沒針對甲骨文公司，當然也不是針對消費大眾，而是衝著賴瑞．艾利森而來。但也許菲爾．懷特花在擔心競爭的時間多了些，他忙著設立廣告看板的時候，Informix 爆發會計醜聞，菲爾．懷特很快因為證券詐欺罪入獄。

如果無法打敗對手，併購也許是比較好的選擇。1998 年，我和馬克斯．雷夫金（Max Levchin）共同創辦Confinity。當我們在1999 年下半年推出PayPal 的產品時， 伊隆． 馬斯克（Elon Musk） 的X.com 緊追在後，兩家公司在帕羅奧圖市的大學路上相距僅四條街， X.com 的產品和我們的產品特色一模一樣。到1999 年末，我們都全力迎戰。許多人每週工作超過100 小時。這無疑是沒有生產力的事，但重點不在客觀的生產力， 重點在擊敗X.com。我們有位工程師真的為此設計一個炸彈，他開會時提出計劃概要，幸好頭腦較冷靜的人占了上風，把這項建議歸咎於極端缺乏睡眠產出的提案。

但到了2000 年2 月，比起相互競爭，伊隆．馬斯克和我更憂慮快速膨脹的科技泡沫，金融風暴有可能在我們分出勝負前就會先毀掉我們。所以3 月初我們在兩家公司中間的咖啡店碰面，討論以50/50 的股權比例合併。合併後要降低對抗並不容易，但只要問題解決了， 就會是一個優秀的團隊。合併讓我們得以熬過網路泡沫，並建立一個成功的事業。

有時確實必須奮戰，遇到那種時候，你必須力抗到底並贏得勝利。沒有中庸之道，你要不就不要出拳，要不就猛力進攻，快速結束戰局。

這個建議也許很難做到，因為自尊和榮譽可能擋住去路。因此哈姆雷特才會

拚著血肉之軀，沒把握
也向命運、死亡和危險挑戰
即使只為了彈丸之地。真正的偉大
並非輕舉妄動，而是關係到榮譽時
為了一根稻桿也要慷慨力爭

對哈姆雷特而言，偉大意味連小事也要據理力爭， 任何人都會為事關緊要的事奮鬥。真正的英雄嚴肅看待自己的榮譽，即使事情不重要也要力爭到底。這種扭曲的邏輯是人性的一部分，但對企業來說卻是個大災難。如果你能看出競爭是一個破壞的力量，而不代表價值， 你的頭腦已經比大多數的人清楚。

本文節錄自《從0到1（經典印簽版）：打開世界運作的未知祕密，在意想不到之處發現價值》由天下雜誌授權提供。

• 閱讀《解讀三種AI分析框架，找尋台灣產業定位（上）》

用《日經》的四層架構來檢視，台灣的位置很清楚也很侷限。台積電在最底層的半導體環節扮演關鍵角色，但往上看，不管在雲端服務、基礎模型、應用方案，幾乎看不到台灣企業的名字。全球雲端市場由美中企業主導，基礎模型的參賽者名單上沒有台灣，應用層也尚未出現具國際影響力的平台型產品。

日經的框架呈現了一個必須面對的現實：台灣在AI產業生態系中很重要，但目前的重要性高度集中在單一環節。這也跟國際間的AI國力評比結果類似：當產業的價值重心持續往上層移動時，只守住底層必然有其風險存在。

如果說《日經》的分析指出台灣AI發展的瓶頸，那麼黃仁勳的五層蛋糕則點出台灣發展AI實際的限制：能源。黃仁勳的五層蛋糕分析之所以把「能源」從半導體中獨立出來，正是因為電力是AI基礎設施擴張難以跨越的限制，這個限制在台灣目前大環境的脈絡下很顯尖銳。

台灣的電力系統本就面臨供需緊張的挑戰，半導體用電量不容覷，而大規模AI資料中心的用電需求將進一步加劇壓力。資料中心選址、電力配比、再生能源配套，都已成為各方角力的議題。在台灣最有優勢的硬體領域，能源也可能成為發展的天花板。所以台灣不得不考慮的重點在於，AI全球賽局重點不只在晶片設計，更在能源政策。

從另一種框架 看見發展機會

如果只看前兩種框架，台灣的處境似乎相當被動。但梁伯嵩的七層模型打開了不同的視角。

代理架構與多代理協調，目前全球競爭格局相對開放，還沒有被少數巨頭壟斷。而且需要的核心能力不是訓練更大的模型，而是對特定產業場域的深度理解：什麼業務流程適合用AI Agent處理、多個Agent如何分工、什麼情境需要人類介入。

更值得注意的是，台灣還有一個獨特的可能切入角度。從硬體出發，透過硬軟體協同設計，將晶片設計的基礎與產業 AI 落地經驗串接起來，而台灣在硬體供應鏈累積數十年的複雜系統整合能力，可能正是實現串接的關鍵條件。根據《產業 AI 化大調查》，2025年時台灣已有三成企業已進入AI實作階段，這些企業正在累積「把 AI 接上真實業務」的場域知識，而這種知識恰恰是中間層競爭所需要的能力基礎。

梁伯嵩的框架指出了一條不需要跟全球巨頭正面對撞的路徑。但也必須誠實面對：從「有能力製造硬體」到「理解 AI 如何在真實場域運作」之間，仍然存在不小的認知與能力落差，這不是短期內可以跨越的。方向值得探索，但路途比想像中遠。

從分析到行動：政策與企業的下一步

而在這段探索的路程中，政府和企業需要做什麼呢？

首先，建議政府將代理與協調層納入國家 AI 戰略的視野。台灣目前的 AI 政策大量聚焦在兩端，也就是底層的算力基礎設施和上層的產業AI化，但對代理架構、多代理協調這些讓AI真正運作起來的系統層，關注相對不足，而這恰恰是全球AI賽局中台灣有發展、也有優勢的空間。建議將Agentic AI的系統整合能力列為重點培育方向，及早建立技術社群與人才管道。

其次，思考建立屬於台灣自己的AI產業發展願景以及框架。不是為了競爭話語權，而是拿回定義未來發展的能力。過去幾年台灣一直在大算力、大模型、大數據集的賽局中競逐，也從硬體建置的需求中獲利。但下一步必須有更完整的AI政策目標，據以從台灣自身的產業條件出發，重新思考整體產業結構，也許能夠看到更獨特的發展利基。

這三種框架也可以轉化為企業的策略自我檢視工具，其中關鍵的問題是：代理與協調層有沒有機會？用梁伯嵩的框架來檢視，企業目前的領域知識能否在這個範疇中，創造出獨特價值？對擁有豐富產業知識的台灣企業來說，這或許是可以避開AI天文數字投資的差異化路徑。

但在探索這個機會之前得先確認：企業目前在AI價值鏈的定位是否清楚？資料治理、跨系統整合等基礎條件是否已準備好？

生成式AI的出現帶起產業轉型大浪，台灣政府和產業也在過去二、三年間投入為數可觀的資源，比對三種不同的分析框架，正好提供了一個重新思考的機會：過去我們習慣用來理解 AI 產業的那些框架，並不是中立的地圖或標準答案，更不是台灣未來發展的侷限。

看清這一點之後，台灣才有可能從「在別人的框架裡找位置」，走向「為自己畫一張更準確的地圖」。

資料來源：

• Jensen Huang, "AI Is a 5-Layer Cake," NVIDIA Blog, 2026/3 https://blogs.nvidia.com/blog/ai-5-layer-cake/

• Bor-Sung Liang, "AI Compute Architecture and Evolution Trends," arXiv:2508.21394, 2025/8
  https://arxiv.org/abs/2508.21394

• 日經新聞「沸騰AI、米国が寡占する未来」經濟安保專題, 2024/3
  https://vdata.nikkei.com/newsgraphics/economic-security-in-data_vol3/

在全球地緣政治高度不穩定的今日，城市如何在變動局勢中掌握數據自主權、建構具備安全性的主權 AI (Sovereign AI)，已成為各國城市首長的核心課題。由華碩主辦的「AI CITY 國際論壇」，日前邀請捷克與波蘭的城市代表進行深度對談，探討如何將科技願景轉化為具體的都市進化力。

碎片化治理與孤立轉型帶來的隱形成本

從城市治理的角度來看，技術導入往往不是最大的挑戰，治理結構才是關鍵。捷克貿工部智慧城市特使 Miroslav Scheiner 直言，若無法解決行政體系末端的執行斷層，再宏大的 AI 願景都將淪為空談。

由於捷克乃至於鄰近的中、東歐國家，多半擁有數量極其龐大的基層自治體系，這種細碎的行政劃分在面對日新月異的科技浪潮時，極易讓城市陷入「轉型孤島」的困局。此外，基層公務人員在面對快速演進的技術環境時，往往因為繁瑣的行政事務而分身乏術，無力吸收前瞻資訊。這種知識的匱乏與資訊不對稱，使得地方層級難以跟上全球科技趨勢。

Miroslav 點出，捷克雖擁有海量的戰略構想，但往往缺乏將新方案推向地方、轉化為市民有感應用的「落實」機制 。一套完美的智慧城市方案，必須兼具宏觀戰略與底層執行力，否則終究無法在現實中產生真正的社會效益 。

由於地方政府往往對高風險、缺乏大規模驗證的新方案持保留態度。為此，捷克透過「敏捷試點」（Agile Piloting）這套以實踐為導向的實驗方法，解決了新創進入公共部門市場的高門檻 。捷克貿工部建立「公共風險投資（Public Venture Capital）」機制，提供小額啟動資金並導入大學與創新中心資源，全程輔導試點落地 。

這項計畫讓 AI 監測漏水、模擬太陽能建設點、預防校園霸凌等應用進入街道與學校 。目前成功經驗正透過歐盟資助的「多瑙河區域跨國合作計畫」延伸試行至德國、斯洛伐克等六國，希望實務經驗提煉為一套可供全球套用的智慧轉型藍圖 。

安全防線與能源韌性務實結合的波茲南經驗

緊鄰捷克的波蘭，其轉型力道同樣驚人。古城波茲南市（Poznan）展現了與高科技結合的成果，並將治安與資安視為首要防線 。波蘭波茲南市市長Jacek Jaskowiak 強調，在地緣政治挑戰下，強大的經濟、創新與國防是城市生存的必然。為此，波茲南借鏡以色列的解決方案，建立現代化的安全系統與防禦機制 。

波茲南市不僅擁有量子電腦等基礎設施與先進 AI 研發潛力，在能源效率上更展現了務實思維 。該市目前利用福斯汽車（Volkswagen）工廠的廢熱為 6,000 套公寓供暖 。展望未來，波茲南計畫回收數據中心產生的 80 兆瓦（MW）熱能投入供暖系統，並積極爭取成為歐洲第五座「AI 超級工廠」（Giga AI Factory），將運算力轉化為城市動能 。

弗羅茨瓦夫獨特的「亞歐合作模式」

在波蘭數位轉型的浪潮中，弗羅茨瓦夫（Wrocław）透過與華碩等台灣企業深度對接，將強大的技術實力轉化為實質的經濟增長與治理效能。

弗羅茨瓦夫副市長 Jakub Mazur 認為，這座城市的核心競爭力在於城市管理階層、頂尖大學與研發中心（R&D）三方構成的緊密共同體。憑藉著蓬勃的新創活力，弗羅茨瓦夫不僅扮演新興企業的孵化器，更積極對接全球科技生態系，熱切歡迎如華碩、台達電（Delta）等具備系統性變革能力的領導廠商進駐，共同形塑未來。

Mazur 強調，市政工作的核心在於「正確運用所收集的大數據」。儘管現有的行政法律框架仍顯過時，但弗羅茨瓦夫已率先掌握塑造未來的關鍵技術，開發出精準度超過 95％ 的在地化波蘭語 AI 預測模型，使市政決策得以擺脫傳統經驗的侷限，邁向數據驅動的精準治理。

這套誕生於本土的 AI 模型已展現顯著的公共效益。以城市基礎設施為例，透過 AI 預測模型優化供水系統後，該市漏水率成功降至 10％ 以下，遠優於全球 20～-25% 的平均值。對管理者而言，這不僅是技術的勝利，更是精準財政的展現。

面對預算壓力，Mazur 坦言，弗羅茨瓦夫約 25 億至 30 億美元的預算，對現代城市需求而言仍顯不足。然而他認為，在 AI 時代，問題關鍵不在於資金多寡，而在於能否找到「正確的解決方案」來極大化公共資金價值。

「老實說，我不喜歡『智慧城市』這個過時的標籤，它應該被定義為『AI 城市』；單純的智慧化已不足以應對當前變局。」Mazur認為，城市首長必須具備「躍過既有體制」的雄心，直接與未來接軌。

更多城市 AI 賦能資訊，請點選《AI City》網站，了解更多。

自 2025 年起，全球政經局勢因關稅戰、地緣政治角力及戰爭情勢而動盪不安。然而，台灣憑藉 AI 晶片與伺服器供應鏈的核心優勢，經濟成長率拉出亮眼長紅，成為全球高度矚目的焦點。儘管擁有極佳的轉型資本與戰略機會，台灣產業卻也同時深陷 AI 焦慮，不知如何將這股強大的能量，轉化為驅動整體產業升級的實質動力。

儘管政府近年已積極推動多項政策與輔導措施，試圖彌平數位落差，但如何讓 AI 真正轉化為每一家企業的升級引擎，仍是產業轉型的核心課題。

人工智慧科技基金會執行長溫怡玲指出，在紛雜的 AI 技術與市場資訊中，但是企業的核心問題始終環繞在「想透過 AI 解決什麼問題？」以及「在導入 AI 的過程中，遇到了什麼樣的困難？」這兩大關鍵提問，也是今年《產業 AI 化大調查》所關注的核心價值。

《產業 AI 化大調查》是人工智慧科技基金會年度固定進行的指標性研究，藉此長期追蹤台灣產業在 AI 轉型路徑上的進程，也做為產業和政府推動AI的重要參考依據。該調查主要由經營策略（Strategy）、人才培育（Talent）及技術應用（Technology）三大核心維度切入，全面剖析企業AI轉型的現況與挑戰。

根據2026年的調查顯示，多數企業主最迫切希望透過 AI 解決的是「成本與人力瓶頸」問題， 例如減少重複性勞動、降低出錯率、或緩解人力短缺壓力。調查也揭露部分企業仍處於「無法準確定義痛點」階段，甚至已成為企業無法落實 AI 應用、跨越轉型門檻的最大阻礙。

溫怡玲說，這樣的困境是基金會近幾年協助企業轉型時常見的狀態。部分企業即便已投入 AI 研發逾一年卻頻頻碰壁，往往是因為最初認定的「痛點」僅是表象，而非問題核心。她認為，這是轉型必經的認知轉換歷程，企業無法僅憑想像就找準方向，必須在實際落地、真槍實彈運行後，才能看清真正的問題。

買了帳號設備，卻買不到轉型

即使是擁有明確問題的企業，也可能面對資源錯置的挑戰。

根據調查，許多希望導入 AI 解決「成本」與「勞動力缺口」的企業，在資源配置上往往不知不覺出現錯置。例如為了應對人才荒，多數企業的第一步是投入「資料收集與儲存設備」，其次則是「購買現成的生成式 AI 帳號」。

溫怡玲分析，雖然企業已普遍意識到「資料」是 AI 的根基，但在未釐清核心痛點前盲目採購，風險極高。單靠購買設備或帳號就想克服人力問題是長期目標，但短期內若企業內部缺乏具備資料治理能力的專業人才，即便購入再多設備，最終資料也只會亂成一團，後續得花費更大的代價收拾殘局。

此外，調查也指出，許多尚未找到適用場景的企業，傾向於先招聘 AI 工程師，期待技術人員能主動指引轉型方向。溫怡玲直言，這只是企業一廂情願的幻覺，現實中鮮少發生。真正能理解並精準定義企業痛點的，是具備產業知識的資深領域專家（Domain Expert），而非 AI 工程師。這種將技術開發者誤當作轉型策劃者的期待，正是許多 AI 專案無疾而終的根本原因。

企業 AI 化的關鍵不在算力，而在於「人」

溫怡玲指出，從企業的實際需求來看，真正迫切需要解決的是「人」與「數據」的問題，而非算力缺乏的問題。 根據與企業合作的實際觀察，台灣目前的算力資源甚至已出現過剩現象。企業在規劃投資策略時，應回歸本質，避免陷入軍備競賽的迷思。

至於企業所需的「AI 人才」如何定義？溫怡玲說，這沒有統一的標準答案，真正的解答要回歸各企業的具體需要解決的問題，才能精準定義自己所需的人才。

她提醒，國際局勢瞬息萬變，地緣政治與能源政策的影響力漸升。無論是川普（Donald Trump）或是習近平的長期政策走向，都持續牽動全球神經；而在國內，核二、核三的能源政策轉向，也將直接影響產業布局。

這當中有許多是迫切的實際需求，也有些屬於政策辯論。但她認為，發展 AI 永遠是在「環境限制」之下找出最佳解法。 轉型沒有標準答案，企業內部必須高度關注「技術」與「人才」的媒合；而整體產業則需從總體經濟與全球供應鏈的角度，重新審視定位。

為協助企業跨越轉型門檻，溫怡玲預告，基金會將於下月正式發布完整的《產業 AI 化大調查》報告與實務指引；同時，近期也將首度公開過去七、八年來累積的 AI 培訓教材。這份涵蓋核心教學架構與精華簡報的珍貴資源，旨在重新定義產業界所需的 AI 實戰力，引領台灣產業從焦慮轉向精準的落地應用。

在今年3月的GTC大會，黃仁勳將AI產業拆解為「五層蛋糕」，從最底部的能源，一路往上堆疊到晶片、基礎設施、模型，最後是應用。當然，這樣的拆解很快成為各界討論AI產業生態與結構時的依據。

但這不是唯一的分法。早在2024年，《日經新聞》日經新聞在其經濟安保專題報導中就用倒三角形的四層結構來描述生成式 AI生態系組成：由下而上分別是半導體、雲端服務、大型基礎模型、應用方案，愈下方企業家數愈少、進入障礙愈高。而聯發科前瞻技術平台資深處長、台大客座教授梁伯嵩在2025年8月也提出了更細緻的七層模型，從實體層、連結層、神經網路層，一路往上到情境層、代理層、協調層、應用層。

三種分法，似乎只是分類選擇的差異。但不妨回頭看看1984年的OSI（Open Systems Interconnection Model）七層模型。表面上這只是一個網路通訊的開放系統架構，其實把「網路通訊」這個原本模糊的產業概念，切成了七個邊界清晰的範疇。分類後產生的連鎖反應在於，一旦業界接受了這種分法，做網路卡的廠商就只需要專注在實體層，做路由器的專注在網路層，做瀏覽器的只管應用層，只要在某一層做到最好就能參與這個產業。於是每一層逐漸長出供應商、標準、競爭生態。

也就是說，黃仁勳、《日經》和梁伯嵩各自提出的分層方式，在描述現狀的背後，更是在提議一種產業分類方式，藉此區分分工的邊界，以及生態系的組成。當然，每一種提議背後，必然和提議者所處產業的策略位置有直接關連。

三種框架，三種提問角度

三種不同框架的差異，正好反映三種不同的提問方式。以下依照分層的數量依序分析。

《日經新聞》在兩年前問的是：誰控制了這個產業？實際上日經的這個專題重點之一，主要用來論述美國如何穩占生成式AI的制高點，使得其他國家發展AI產業時幾乎都要「繳租金給數位房東」。所以，四層架構對應的是市場集中度與競爭格局，分層的邏輯來自「誰在賺錢」，這是產業經濟學的視角。

黃仁勳問的則比較像是：建造 AI 需要什麼資源？他比日經多拆出一層，把半導體分成「能源」和「晶片」。這反應出目前AI發展面對的真實瓶頸：電力供應已成為持續擴張的物理限制。黃仁勳把能源獨立出來，是在對投資人和政策制定者清楚說明，若能源問題不解決，上面也就無從發展。

而梁伯嵩的提問更偏向「要讓AI真正運作，需要解決哪些技術問題」？他把黃仁勳用一層「模型」概括的部分，拆成了神經網路層（模型本身的運算）與情境層（上下文與 token 管理）；更關鍵的是，他把黃仁勳用一層「應用」帶過的部分，拆成了代理層（單一AI Agent的行為邏輯）、協調層（多Agent之間的任務分配）和應用層。這是系統架構師的角度：把AI部署到複雜流程和任務中，光有模型和應用不夠，中間還有一整套技術與工程問題需要解決。

上層的細緻差異，透露重要訊息

三個模型在底層和中間層的切法各有不同，日經用「雲端服務」對應特定的市場參與者，黃仁勳用範圍更大的「基礎設施」涵蓋從資料中心到雲端平台的整條供應鏈。但三者最根本的分歧，出現在上半部。

黃仁勳用「模型」和「應用」兩層就概括了AI的上半部。梁伯嵩卻把同樣的範圍拆成了五層。黃仁勳的「模型」被拆成神經網路層與情境層，前者處理模型運算，後者處理上下文管理。黃仁勳的「應用」在梁伯嵩的框架中中拆成代理層、協調層和應用層，從單一 Agent 的行為邏輯，到多Agent之間的任務分配，再到面向使用者的應用。在梁伯嵩的框架裡，黃仁勳兩步就跨過去的環節，其實是一條有待發掘、充滿可能性的路。

而這個差異對於台灣AI相關產業的發展是極有意義的，因為AI賽局的趨勢可能正在從「底層的算力競賽」轉向「上層的系統整合競賽」。如果這個趨勢成立，那麼只關注晶片和模型，可能會錯過正在成形的新戰場。

更值得注意的是，分層方式本身就是一種策略選擇。把哪裡切得細，就是在告訴業界「這裡值得獨立投資」；你把哪裡只用一層帶過，就是在暗示「這裡不是焦點」。黃仁勳不細分上層，是因為那不是 NVIDIA 的戰場；梁伯嵩把上層拆成五塊，是因為他看到了那裡正在發生的複雜度和可能性。兩種選擇都是有理有據的，但引導出的產業佈局方向截然不同。

那麼，對台灣來說，選擇用哪種框架來理解 AI 產業，會看到什麼不同的風景？這是下篇要探討的問題。

資料來源：

Jensen Huang, "AI Is a 5-Layer Cake," NVIDIA Blog, 2026/3 https://blogs.nvidia.com/blog/ai-5-layer-cake/

Bor-Sung Liang, "AI Compute Architecture and Evolution Trends," arXiv:2508.21394, 2025/8
https://arxiv.org/abs/2508.21394

日經新聞「沸騰AI、米国が寡占する未来」經濟安保專題, 2024/3
https://vdata.nikkei.com/newsgraphics/economic-security-in-data_vol3/

從烏俄戰爭的啟示到台海局勢的連動，全球地緣政治正經歷前所未有的劇變。當軍事科技、國防預算與軍工產業成為全民熱議的話題，專業門檻卻常讓想深入了解的民眾望而卻步。因此，《國防產業地緣政治學》以平易近人的視角，系統性地補充了必要的專業背景。

國際衝突不只是前線的交火，更牽動著背後支撐局勢的國防產業鏈。《國防產業地緣政治學》從全球視野出發，分別從全球與各別國家的角度，解讀國防產業發展趨勢、供應鏈變化，更分別介紹各國重要相關企業與它們之間的「競爭與合作」，解析「國防產業」跟「地緣政治」的密切關連。

歐洲防衛產業的國際共同研製趨勢

即使統稱「北約」，其實美國的存在感仍然相當巨大。透過表1-1的歐洲北約國家國防支出統計也能看出，歐洲各國全部加起來，都還不到美國的三分之一。這樣的數據，直接顯現出兩者在防衛產業規模上的大幅差距。

再看表1-5的主要防衛相關企業營業額，歐洲北約國家的總合，不過是美國的四成左右。相對於美國有四十一家公司，歐洲北約國家則有二十六家公司上榜，若以平均來看，歐洲每家公司的營業額約為美國的六成。雖然同屬北約成員國，美國對於歐洲而言仍然難以望其項背。

其實在冷戰剛開始時，美國與歐洲的經濟實力差距便已顯露無遺。若以北約成立翌年的一九五○年數值為例，英國的GNP（國民生產毛額）可換算為三百七十三億美元，法國為兩百九十三億美元，義大利則是一百五十九億美元。至於西德是在一九五五年才加入北約，其在一九五○年的GNP則為兩百零五億美元^[1]。

相對於此，美國在一九五○年時的GNP卻達到兩千八百四十八億美元。就算將歐洲主要四國的GNP加總起來，也只不過是美國的三分之一。附帶一提，當時日本的GNP僅有八十七億美元^[2]。

就軍事技術而言，第二次世界大戰充分體現了「需求為發明之母」。戰爭期間，雷達、計算機、噴射機、飛彈等新型裝備不斷問世與改良，武器性能日益提升，而這同時意味著價格愈來愈貴。

戰爭結束後，西方陣營轉而與蘇聯對峙，開啟冷戰時代，因此對高性能、高價格武器的需求依舊有增無減。這時，因戰爭而陷入疲弊的西歐諸國，就只有兩種辦法可以因應。

其一，是放棄各國自行研發與採購裝備，轉向共同引進「標準裝備」。如此一來可以增加武器的採購與生產數量，即使研發費用高漲，仍有可能回收。

義大利的飛雅特G.91攻擊機，就是依據一九五三年北約軍事委員會提出的構型進行研發，並且贏得競標。然而，當時北約的十五個成員國當中，採用該型機的只有研發國義大利以及西德與葡萄牙而已。美、英、法為了培植自家的航空器產業，決定自行研發性能與G.91相近的攻擊機。

看來，這種將特定國家開發的武器視為「標準」並且共同採購，藉此振興各國防衛產業的思路是行不通了。這可說是一個「總論贊成，各論反對」的絕佳範例。

另一個方法則是國際共同研發。其嚆矢就是英法共同研製的美洲豹式攻擊教練機（表3-1），由英國BAC（現貝宜系統公司）與法國布雷蓋（現達梭航太）共同參與。在此之後，又有阿爾法噴射攻擊教練機（法、德）、龍捲風式攻擊戰鬥機（英、德、義）、歐洲戰機（英、德、義、西）等國際共同研發專案。此外，國際合資企業空中巴士公司也從事軍用運輸機與軍用直升機的研製^[3]。

歐洲雖然在航空器領域廣泛進行國際共同研發，但在艦艇方面，即使偶爾進行國際合作，建造上仍是由各採購國自行承擔，以確保本國防衛產業的工作量。

合作與競爭並存：國際共同研製的現實挑戰

在歐洲，尤其是研發費用不斷高漲的航空器領域，國際共同研發的趨勢仍將持續。然而，這也不是完美的解決策略，其中可以舉出以下兩個問題。

第一，協調上太花時間。各國軍隊皆有自己的運用構想，這跟該國的地理條件關係匪淺。四面環海的英國，與位處大陸的法國及德國，對戰鬥機與攻擊機的運用構想顯然存在差異。

當這些國家進行共同研發時，不免會在構型設計上出現摩擦，因此陷入困局。有時，這種困局甚至會導致共同研發計畫中止，例如英法的可變翼軍用機研發計畫（一九六七年計畫中止）；或是部分國家最終脫離計畫，例如龍捲風研發計畫中，加拿大與比利時在一九六八年退出，荷蘭則於一九六九年抽手；至於歐洲戰機，法國則在一九八五年計畫進行中決定退出，轉為獨自發展飆風式戰機。

除此之外，各國為了維護本國的防衛產業，有時還會擺出強硬的姿態。例如，法國經常在航空器共同研發案中，堅持使用己自國家製造的發動機。阿爾法噴射機就是配備法製發動機，美洲豹則使用英法共同研發的發動機^[4]法國脫離歐洲戰機研發計畫的理由之一，就是因為該計畫不打算採用法製發動機。

國際共同研發在協調性能需求與製造分工上很花時間，而這也直接導致研發費用高漲。一如表3-1所示，國際共同研發的軍用機，從首飛到服役所花費的時間，約為單獨研發的一．五到三倍。

不過，其實歐洲戰機與飆風式之間的狀況又稍有不同。法國在脫離歐洲戰機計畫後，自行著手研製飆風式。相比之下，歐洲戰機花費較多時間協調才完成首飛，而飆風式則是受限於法國不擅長的發動機研發，首飛原型機甚至是使用美國奇異製的發動機。即便如此，法國單獨研發的飆風式戰鬥機，還是比歐洲戰機提早三年投入服役。

另一個問題則是外銷競爭。以美洲豹式為例，除了研發國英法之外，美洲豹式還出口至印度、奈及利亞、阿曼與厄瓜多四國，且印度還獲得授權生產。然而，儘管美洲豹式是由英法共同研製，實際推動外銷的卻只有英國。這是因為，法國當時比較熱中於推銷同時期自家單獨研發的幻象F1，與美洲豹之間為競爭關係。

最後，相對於美洲豹外銷四個國家，賣出九十四架，幻象F1卻出口至十個國家，賣出將近四百七十架。
這些案例顯示出，各國共同研發時雖是攜手合作，但到了市場行銷，往往淪為「自掃門前雪」的景況。

從援烏戰事看歐洲武器供應鏈的瓶頸

第一章也曾提過，二○二三年三月，歐盟決定在一年之內向烏克蘭提供一百萬發一五五毫米砲彈。歐盟的軍隊即使在平時訓練中也會消耗砲彈，而當俄羅斯的威脅顯露無遺後，各國更是趕緊加強軍隊訓練。即使如此，在這場危機當中，歐盟仍決定優先支援烏克蘭。

然而，歐盟境內砲彈生產力不足的問題也隨之浮現。儘管歐盟誇下海口承諾支援一百萬發砲彈，但在烏克蘭遭到入侵時，歐盟的一五五毫米砲彈年產量卻只有六十萬發左右。雖然能從庫存調度補足，但歐洲各國仍必須持續訓練，加上俄羅斯的威脅與日俱增，歐盟國家還得設法增加庫存才行。

對此，歐盟宣布已擬訂計畫，要在二○二四年底時增加砲彈年產量至一百四十萬發，並在二○二五年底達到年產量兩百萬發的目標。

不過，據估計俄羅斯在二○二四年時砲彈年產量達三百萬發。此外，二○二四年初以來，烏克蘭軍前線指揮官透露，烏軍所獲得的砲彈供應量僅相當於俄軍的一成多。透過烏克蘭這面鏡子，歐盟防衛產業及武器彈藥供應鏈的真實樣貌可謂一覽無遺。

《歐洲防衛產業戰略》的目標

在這樣的局勢下，歐盟也重新認識到必須強化防衛工業基礎，並於二○二四年三月五日發表「歐洲防衛產業戰略」^[5]。

這份戰略將當前的危機形容為「防衛產業的空洞化」。在俄羅斯入侵烏克蘭前，歐盟各國就已表示要增強防衛能力。再加上美國的強力敦促，使歐盟各國紛紛將國防支出達到GDP的二％視為目標。然而，從烏克蘭遭入侵到二○二三年六月為止的這一年四個月期間，歐盟成員國所採購的防衛裝備，卻有七十八％是從歐盟境外進口，且從美國進口的比例就高達到六十三％。結果顯示，歐盟各國增加國防經費，受惠的卻是美國的防衛產業。

同時，歐盟的防衛裝備市場也被指摘受成員國影響而過度細分化。各國雖然心知肚明，但是在參與「國際共同研發」時，仍難以割捨扶植本國防衛產業的政策。

各國至少會設法多承攬一些工作，或是要求多使用一些自國製造的零件，這也是人之常情。一如前面所述，國際共同研發的結果，最終仍走向自掃門前雪，以自家利益為重，因而無法避免「總論贊成，各論反對」的局面。

「歐洲防衛產業戰略」中提到，在二○三○年之前，歐盟境內採購的防衛裝備必須有四成以上來自國際共同研發。值得矚目的是，這個目標同時也提醒各國不要「過度堅持各自的使用需求」，以免影響共同發展。

過去在國際共同研發中，各國經常基於保護自家產業的立場堅持己見，造成計畫受阻，這個現象已經屢次遭到指摘。畢竟是防衛裝備，軍方的「使用需求」將是「不可侵犯的聖域」。然而，如果各國軍方「過度堅持各自的使用需求」，導致好不容易促成的共同研發案，被迫兼顧各國需求而產生細節差異，這除了會拉高研發費用，零件互通性等方面也會受到限制。由此可見，歐盟面臨維持防衛工業基礎的嚴峻困境，甚至已經到了不惜要求各國軍方克制不可侵犯的「使用需求」這一聖域的地步了。

美國的「國家防衛產業戰略」，同樣呼籲「抑制過度的規格要求」。由於各國的財政與防衛產業已經陷入「燃眉之急」的狀況，軍方也只能不得不妥協了。

在這個脈絡下，「歐洲防衛產業戰略」將培育防衛相關中小與中堅企業列為重要項目。主要原因在於，中小與中堅企業都是維繫防衛裝備供應鏈的重要構成要素，並且有望成為新創技術的泉源，因此備受重視。

【註】^[6]

本文節錄自《國防產業地緣政治學》由野人文化授權提供。

隨著人工智慧技術席捲全球，如何在創新與資料安全間取得平衡，已成為各國政府的首要課題，卻也因安全憂慮而收緊管控。然而，過度的限制也可能成為 AI 發展的阻礙，與其採取封閉策略，如何透過完善的治理機制，將資料為企業主動賦能，已成為數位時代的關鍵。

針對此一議題，人工智慧科技基金會（AIF）董事長詹婷怡與鄧白氏全球市場首席營運長暨台灣分公司總經理鮑文安（Julian Prower）結合台灣的 AI 科技脈絡與鄧白氏百年的數據洞察經驗共同剖析如何透過治理機制，釋放資料真正的商業價值。

在談及企業如何建構 AI 戰略時，鄧白氏國際市場首席營運長暨台灣分公司總經理鮑文安（Julian Prower）提出了一個深刻的觀察：當前企業 IT 架構的轉型，核心已不再僅是硬體的升級，而是如何定義資料的「中間層」（Middleware）。

IT 架構需重新定義，資料治理將是AI時代的關鍵賦能者

鮑文安提出了一個深刻的見解：資料治理並非開發的枷鎖，而是驅動創新運行的關鍵賦能者。 審視 IT 戰略與 AI 發展的本質，資料始終是底層的核心；而 IT 的價值，則在於轉化數據為精準洞察。

因此，談到 AI 時，企業必須創建一個「中介層」（Middleware），作為資料與應用間的樞紐，且應被視為企業的核心資產進行管理，方能確保資料流動的價值與安全性。

詹婷怡則從台灣數位轉型的演進脈絡出發，提針對資料治理提出深刻洞察。她直言，若數位轉型僅停留在「IT 化」，缺乏資料治理與架構支撐，IT 設施甚至可能成為轉型的阻礙，反而形成資料及數據的孤島。她呼應鮑文安提到的「架構（Architecture）」與「中介層（Middleware）」概念，強調唯有建立清晰的架構，數位轉型的流程優化、資料蒐集乃至決策落地，才能具備真正的實踐基礎。

「AI 所需的高品質數據，則源自於數位轉型過程中的累積。」詹婷怡強調，從數位轉型跨越到 AI 轉型，關鍵在於建構健全的架構讓數據持續充實。這象徵著數據的角色已從過往的輔助工具，正式躍升為企業決策與政府制定政策的核心資產。建立順暢流動的治理機制，將是支持 AI 運作、實現精準判斷的關鍵。

資料權限即是 AI 時代的「經商貨幣」

針對企業如何建立具備「信任層級」的資料環境，鮑文安認為，這種信任不僅存在於組織內部的基礎設施與資料運用，更取決於外部因素。企業所關注的是，資料是否被正確使用？是否僅限授權人員訪問？

隨著全球 AI 法案與監管要求的激增，精準的資料存取控制（Access Control）已成為企業運作的基礎。鮑文安強調，這種權限與權利的管控，已演變成我們常說的經商貨幣（Currency to do business），是企業進入市場所必須具備的信用憑證。

以英國業務為例，特定類型的數據資產僅限特定客戶使用。企業必須建立一套完善的機制，防止資料外洩，同時確保授權者獲得流暢體驗，這是遵循國際隱私法規（如英國特定規定）的硬性要求。

鮑文安提醒，「法治」始終位於資料驅動世界的前線。遵循隱私法規與訪問控制規則是企業開啟生意往來的先決條件。企業若能透過治理將合規壓力轉化為商業信任，便能在全球市場中加速擴張。

對於正在摸索「資料生意」的台灣產業而言，鄧白氏在全球跨國業務中的資料應用經驗至關重要。面對全球市場截然不同的法規環境，各國資訊管理法規各異，特別是在 AI 浪潮下，台灣也正積極審議《人工智慧基本法》(訪談過後該法已正式於立法院三讀通)，針對數據建立與風險評估展開討論。鄧白氏如何對龐雜的資料進行分類？在跨市場的多樣來源中，又是如何建立一套嚴謹的風險辨識與控制機制？

鮑文安分享了鄧白氏如何在全球規模下維持一致的治理標準。他指出，鄧白氏設有專業的「全球合規組織」，其職責不僅是制定規範，更是與各業務部門深度協作，將資料分類與合規程序內化為組織的核心基因。

5R 機制與四大管理原則確保資訊高度一致

隨著全球資料量呈現爆炸性成長，企業多半深陷「資訊過載」困境。不僅對龐大的資料感到力不從心，更在如何提取有效洞察、以及各國日益嚴苛的隱私政策間感到迷惘。

鮑文安強調，如何在複雜的政策環境下確保完全合規，已成為企業的核心挑戰。這不單是內部管理問題，更涉及如何將治理機制延伸至合作夥伴與供應商的生態系中。唯有建構一套整合性的治理架構，才能使企業與其供應鏈共同達成從資料隱私到 AI 規範的法律要求。

為了精準管理資料，鄧白氏嚴格遵循準確性（Accuracy）、完整性（Completeness）、及時性（Timeliness）與跨國一致性（Cross border Consistency）四大原則。同時運用超過 850 億個「可觀測性指標」（Observability Measures）以監控全球資料，確保資訊高度一致。

面對全球超過 30,000 個外部資料源，以及客戶導入的驗證數據，鄧白氏在數據收錄與時效驗證上扮演著關鍵樞紐。完善的資料治理框架是建立「信任層級」的基石。「在一個失去信任的世界裡，資料存取權隨時會被收回；唯有透過透明且嚴謹的治理，才能維持與客戶及供應商間的長久合作。」鮑文安總結道。

另外，鄧白氏更落實了名為「5R」的合規機制，包括風險 (Risk)、法規 (Regulatory)、責任 (Responsibility)、聲譽 (Reputation)、韌性 (Resilience)

透過此機制，企業能精準識別數據在「數據宇宙」中的分類與管控等級。一旦完成初步的數據攝入（Intake）與合規分析，數據便能以授權且一致的方式在全球範疇內流動，達成將「受信任數據」轉化為「受信任洞察」的核心目標。這套流程不僅是審核機制，更是貫穿組織層級的技術工具。鮑文安強調：「合規並非為了放慢速度，而是為了確保在守法的前提下，依然保有業務的敏捷性。」

資料開放已從「全面公開」到「精準信任」

談及近年熱議的「開放資料」（Open Data），鮑文安強調，資料價值的關鍵不在於無條件開放，而在於原則落實，也就是如何確保正確的數據，以正確的方式，提供給正確的人。

他以英國實務為例，揭示了政策的動態演變。英國曾在 2015 年前後大力推行「開放資料」（Open Data）理念，試圖極大化資料的公共價值。然而，隨之而來的網路犯罪與資料洩漏風險，迫使監管機構迅速調整策略。

尤其當銀行被要求共享商業帳戶的關鍵資訊時，保護企業的「絕對機密」成為首要課題。因此，資料治理的趨勢已從「盲目開放」轉向「受控的透明度」，即透過嚴謹的身份驗證與安全實踐，確保資料僅在特定的、受信任的組織間流動，防止不具權限者窺探核心資產。

「這是一場關於信任的競賽，」鮑文安表示，對於像鄧白氏這樣致力於整合全球數據的組織，遵循法規並滿足信任要求是營運的根本。他警告，一旦企業越過合規底線、破壞了信任機制，資料資產將會迅速枯竭，進而對 AI 的發展產生衝擊。因為 AI 的巨大能量，必須建立在正確的原則、控制措施與治理框架之上，才能安全地釋放資產的全部價值。

詹婷怡則針對台灣現況提出反思，雖然政府積極透過總統府黑客松等活動，鼓勵新創企業利用開放資料（如地理位置資訊）開發相關服務，但目前的開放範疇仍顯侷限。她認為，資料治理的核心不應僅停留在政府資訊公開，更應涉及如何透過法律框架釋放高價值的數據流，並重新審視其與「智慧財產權（Intellectual Property）」之間的緊密關聯。

台灣在資料定義的「混疊」現象

針對全球資料治理趨勢，詹婷怡觀察到，儘管歐盟 GDPR 以嚴謹著稱，但其複雜度已難以徹底遵循並對 AI 發展形成某種程度的困境，促使歐盟研議「綜合簡化方案」以尋求平衡。她也特別提醒資料治理必須區分「個人資料保護」與「非個人資料（Non-personal Data）」的治理，既維護權益並重視產業發展。

詹婷怡指出，台灣目前存在「資料混疊」現象，常將資料治理與《個資法》混為一談，因而忽略了非個人資料的高價值應用。她期許台灣借鑑歐盟《資料治理法》（Data Governance Act），在隱私框架之外，為數據交換建構更靈活且具前瞻性的治理原則。她強調，個資保護僅是治理的底線而非終點；當務之急是在遵循法規的前提下，發展資料治理政策與策略框架，主動發掘高品質資料的商業與政策價值，將資料從「防守性管控」轉化為真正的「資料賦能」。

台灣企業必須理解，資料治理不僅是法律合規，更是一套保護智慧財產權、防禦網路威脅，並在信任基礎上創造商業價值的完整戰略。尤其台灣在全球出口版圖中擁有關鍵且基礎性的地位，這使得資料治理在台灣顯得尤為重要。

針對監管環境的變遷，鮑文安指出企業常犯的錯誤是僅考慮「特定時間點」的合規。事實上，法規變化極其迅速，鄧白氏透過合規組織即時追蹤全球視覺化地圖上的政策變動，確保治理策略能隨時擴展與調整，以應對各國不斷更新的隱私法與 AI 法案。

「當我們走上 AI 與資料治理這條路時，重點不僅在於滿足台灣本地的法規要求。」鮑文安期許，台灣應建立與國際接軌的治理標準，這將有助於台灣在 AI 時代中，繼續在全球出口版圖中扮演不可取代的角色，讓高品質的資料成為推動出口貿易的隱形翅膀。

行動指南：給台灣企業的三大全球化戰略建議

面對法規與配套制度尚未明朗的焦慮，許多台灣企業因擔心「動輒得咎」而裹足不前。對此，鮑文安給出了具備全球視野的戰略建議。他強調，面對變遷劇烈的數位環境，企業不應「閉門造車」，而應採取更靈活、標準化的三大策略：

一、 建構具備彈性的開放數據架構

鮑文安建議，企業應回歸資料本質。在設計 IT 架構時，不應僅侷限於符合單一國家的現行法規，而應採用「開放數據架構」。其核心價值在於內建的靈活性，確保當全球監管環境變革時，架構能具備隨時調整的彈性，避免因法規更迭而面臨砍掉重練的風險。

二、 擁抱全球行業標準，縮短合規路徑

針對「無從下手」的轉型焦慮，鮑文安鼓勵企業積極擁抱主流工具：

• 雲端靈活性：善用全球化雲端環境，不僅能獲得頂尖的安全防護，更能自動對接各國合規要求。
• 接軌國際分類法：參考全球通行的資料治理工具與分類標準。鮑文安直言，即便是鄧白氏也會採用現成的領先技術，以確保與全球數據宇宙無縫對接。

三、 將治理納入產品設計，實現數據「全球可獲取性」

資料必須在受控的前提下自由流動。鮑文安建議企業在設計階段就納入「資料分類」與「隱私管理」的雙重思考，將治理視為產品功能的「內建屬性」，而非事後的補救措施。這不僅讓資料具備全球流動的潛力，更使治理成為企業的競爭優勢。

「2026 智慧城市暨淨零城市展」以 AI 驅動數位與綠色雙軸轉型為主軸，其中由華碩及台灣智慧城市產業聯盟夥伴建構的「AI City 主題館」，首度展現可複製的「整城輸出」模式，強調提供兼具安全與可擴充性的次世代城市藍圖，致力透過主權 AI 賦能每一座以人為本、高效韌性的 AI City。

那麼，這座 AI City該如何運行？

台智雲總經理吳漢章與華碩全球副總裁張權德分別從「主權 AI」與「永續韌性」兩大核心，分析如何利用 AI 2.0 技術重新定義城市運作。

台智雲總經理吳漢章回顧，智慧城市已從早期的雲端、物聯網，跨越到具備影像辨識能力的 AI 1.0 階段；隨著 ChatGPT 開啟 AI 2.0 時代，透過語言模型重新定義了醫療、交通與市民服務。在這場技術迭代中，「主權 AI（Sovereign AI）」的概念也隨之興起。

觀察國際局勢，從各國競逐 GPU 算力資源的動作可以看出，AI 基礎設施已成為國家級戰略物資。吳漢章指出，在現代城市治理中，交通或醫療數據不再只是被動存放，而是被 AI 深度讀取、理解並創造價值。

當 AI 介入決策核心，「誰來控制 AI」便成為關鍵考量。主權 AI 的核心價值在於「戰略掌控力」，意即國家與城市管理者必須精準掌握關鍵控制點，確保 AI 基礎設施的自主與安全。

五大層級驅動AI City發展

為了釐清 AI 與城市發展，他將 AI 驅動城市發展的路徑拆解為五大層級：基礎設施、模型、平台、應用及創新。其中，基礎設施被視為重中之重。他指出，隨著 AI 需求從訓練延伸至大規模的生成與處理，城市治理正面臨多樣化的算力挑戰。

目前，台灣已建立了一座大型超級電腦，用以支援各種訓練與推論工作流，強化政府營運。這座超級電腦採用了最先進的硬體，包括 NVIDIA NVL72 機架以及 H200 伺服器。但 AI 城市的基礎設施不僅止於此。還包括了 AIPC（AI 個人電腦）等邊緣運算的發展，以驅動支援的相關服務。

算力之後則是模型層的發展，吳漢章指出，無論是交通優化或風險預測，都需要多元模型提供不同維度的智慧支援，單一模型已不足以應付複雜情境。但在語言模型， 2023 年面臨的主要問題是本地語言能力。Google 等大廠雖支援多數語言，但對於像「客家話」這類的少數語言（Minority Language）支持不足。

為了打破此困境，台智雲投入大量數據與 AI 科學家，蒐集並標註數千小時的語音數據，成功開發出具備台灣文化基因的主權AI模型。

這項技術已在台灣長照體系中展現價值。由於台灣長者常在對話中混用國語、台語、客語甚至英語，主權 AI 模型透過強化的語言理解能力，讓醫護系統能精準判讀複雜的醫病對話內容。這項突破不僅提升了照護品質，更成功帶動了產業生態系，吸引眾多新創團隊與學術單位基於此自主模型開發更多創新應用。

吳漢章強調，平台層是AI 城市最重要的一層，因為涉及「治理（Governance）」問題。隨著政府與市民間的數據交換愈趨頻繁，建立「數據信任」已成為首要任務。而這份信任不僅止於資訊安全防禦，更涵蓋了對數據輸入與輸出過程的全方位審計（Audit）。唯有確保 AI 運作透明且可被檢驗，才能真正獲得社會大眾的信賴。

而在AI City中，應用已從從被動反應轉向預測性自動化。吳漢章說，過去十年的發展多聚焦於建設各式儀表板（Dashboards），但在 AI 2.0 時代，只是「看數據」已不足以因應現代治理需求。唯有將精準預測與自動化執行深度連結，才能真正解決交通、安防等層面的真實痛點。

他以台智雲過去四年與台南市政府合作為例，不僅建構了「邊緣運算＋雲端超算」的混合雲基礎設施。透過整合跨局處的影像數據，成功將 AI 運用於無人機巡檢，實現即時管理與問題預警，展現了算力下沉至城市第一線的實戰價值。同時結合 AI 2.0 技術，推動「預測性健康管理（Predictive Healthcare Management）」。

不只可掌控更需要永續發展

在確保了 AI 基礎設施的戰略掌控力後，另一個考驗城市管理者的核心命題，則是科技如何轉化為「永續發展」的動力。華碩全球副總裁暨智慧物聯網事業群共同總經理張權德指出，過去在談論智慧城市時，往往聚焦於技術。但智慧不只是提升效率，真正的挑戰在於永續與韌性的實現。

他直言，現行城市治理最大的障礙在於系統碎片化。過去的交通、水務、電力與建築系統多為各自獨立運作，導致珍貴的數據被困在孤島（Silos）中。這種數據斷連的現狀，不僅導致洞察延遲，更讓管理端往往在設備發生故障後才被動發現問題，難以防患於未然。

「永續性不能是事後補貼，」張權德說，它必須從一開始就嵌入智慧架構中。而華碩的淨零架構建立在 Visibility（可視化）、Intelligence（智慧化）、Scalability（可擴展性） 三大支柱下。透過「數據 + AI」的公式，讓城市從過去的「被動報告」轉向「預測未來」，實現真正的減碳匯流。

不需大規模改建，華碩強化既有基礎設施找回效能

張權德藉由以下兩大實戰案例，強調華碩的解決方案並不依賴耗資巨大的新建設，而是透過強化既有的基礎設施，在不干擾城市日常運作的前提下精準減少浪費。

地下污水站：從「故障維修」進化為「預測維護」

• 藉由部署 ASUS 智慧振動感測器與 AISPK 監控平台，城市能即時偵測泵浦異常振動。此舉將傳統的「故障後被動維修」轉向「主動預測性維護」，不僅大幅縮短停機時間，更有效減少能源浪費與備件損耗，將隱形成本轉化為具體的碳匯資產。

捷運系統：聲學 AI 守護軌道安全與節能

• 針對肉眼難以察覺的軌道風險，華碩利用既有的聲學感測器搭配 AI 演算法，將火車行進間的「聲音訊號」轉化為「視覺化健康指標」，成功將營運安全與節能目標完美結合。

張權德指出，華碩目前在全球有超過 20 個 AI 專案同步進行，從日本的神社入侵偵測、台灣的智慧交通優化，到印度與烏茲別克的水資源管理，皆秉持「不干擾日常運作、強化既有基礎設施」的原則，落實可擴展的永續發展。

將台灣經驗帶向世界 以「主權 AI」打造典範

吳漢章表示，AI 城市最令人振奮之處，在於它不僅是單純的技術疊加，更是結合了「主權 AI」核心理念、實質解決社會問題的綜合體。台灣正致力於開發一個具備高度包容性的開放平台，也邀請國際夥伴加入這場數位變革。

他強調，過去台灣在半導體與硬體製造領域已奠定全球領先優勢，而現在將透過AI 城市聯盟將這份豐富的轉型經驗輸出國際。除了提供硬體支撐，更能協助全球客戶學習如何落實 AI 治理與應用，共同定義下一代智慧城市的未來。

2026 年 2 月，美國勞工部（DOL）發布「AI素養框架」（AI Literacy Framework）。其中不常被提及的是，從網路上公開檔案中可以看到，這份文件的收件人洋洋灑灑，包括州政府勞動機構、社區大學、職業學校、學徒制訓練機構、就業服務中心……幾乎涵蓋美國整個人才培育體系。也就是說，這份框架為美國了建立跨系統的AI人才能力共同基準。

美國勞工部這分人才素養框架，開宗明義說：「在由AI驅動的經濟中，無論從事哪個行業，每一位工作者都需要基礎的AI素養技能才能成功。」

AI素養在台灣並不是新鮮的詞，但大家對AI素養的定義與內容大不相同；上過AI素養課之後能擁有哪些能力，同樣南轅北轍各說各話。

而現在美國將AI素養拆解為兩大區塊：第一是五項核心內容領域，第二是七個推動組織落實的交付原則。這樣的雙層結構，正好對應了台灣AI人才培育系統中較少同時兼顧的「教什麼」與「怎麼推動」。

台灣的現況：使用者素養落後於工具普及速度

先看第一個區塊。五項核心內容領域依序是：理解AI原理、探索AI應用、有效引導AI、評估AI產出，以及負責任地使用AI。觀察這五個領域，會發現其中沒有任何一項要求工作者具備訓練模型或設計技術架構的能力。「理解」與「探索」AI是起步，在此基礎上，進一步熟悉如何「引導」AI，接著是「評估」AI產出是否符合需求，最後是如何「負責任」使用——這五項，是工作者與AI協作時必須擁有的基礎能力。

這五項內容，在台灣AI人才培育相關討論中，往往是模糊的。這幾年我們大量投資AI工程師的培育，當然是必要的人才基礎工程；但若將「AI人才」的定義侷限於此，則往往忽略更龐大、影響更深遠的族群：也就是正在、即將在工作中使用AI工具的每一個人。

根據AIF過去幾年的調查，台灣有超過六成企業表示已在導入或評估AI應用，但根據觀察，真正能夠系統性規劃AI導入、並有效評估成效的企業，比例恐怕不到兩成。中間的落差，有一部分固然來自技術層面，也有部分來自組織因素，但不可忽略的，恐怕是使用者素養的問題。

企業導入AI工具，員工不知道怎麼用，甚至是排斥不想用；會用了，卻不懂得評估產出的可信度；或者反過來，太過信任AI的輸出，不知道潛藏其中的風險，隨意使用現成AI工具，而省略關鍵的人工判斷環節。因此美國勞工部的框架中，特別列出一個細項：「幻覺與準確性限制」，AI可能產出自信但錯誤的回應，因此如何驗證結果、避免過度依賴，至關重要。

如何評估、驗證，需要的不只是技術，而是AI素養加上專業領域的知識和經驗；更重要的是，一開始對問題與目標的設定是否清晰、可衡量。而這些能力，無法靠短期的工具操作訓練培養出來。

七個推動原則，台灣的AI培訓忽視了哪些？

美國AI素養框架的第二部分，是七個「有效交付原則」，也就是如何在組織內推動AI素養。這是特別值得參考的提醒，因為台灣許多企業、公部門組織仍然停留在「只要上過課就是人才」的迷思中，忽略組織必須創造環境，才能夠讓AI落實在營運場域中，

對照台灣目前的AI培訓現況，特別針對企業與公部門組織，以下幾點值得特別關注。

首先，框架中指出「體驗式學習」（Experiential Learning）是最核心的推動原則，意思是讓工作者在真實任務中使用AI工具，而不是坐在教室裡聽講或看簡報。這個道理人人都懂，但台灣許多企業的AI教育訓練，仍以講授式課程為主，缺乏真正動手做、犯錯、修正的學習機會。

其次，則是建議「將學習嵌入脈絡」（Embed Learning in Context）的原則，強調AI素養訓練最有效的方式，是結合工作者熟悉的產業情境、實際工作流程來設計，不是外加的、與工作無關的課程。台灣的AI培訓目前提供大量「AI概論」、「生成式AI入門」類型的通識課程，這是重要的起點，但若始終停留在通識層次，無法轉化為特定產業、特定職務的實際能力，訓練的效果就相當有限。

最後，框架中也提出了最容易被忽略的「賦能者」，這是一個在台灣長期被誤解的角色。從過去幾年台灣的調查數據中可以清楚看見，主管是否具備正確的AI認知，直接決定組織中AI工具能否被有效推廣與使用。在台灣的AI導入困境中，「主管不理解AI、無法給予方向」是企業反映最普遍的障礙之一。

台灣雖然有針對主管開設的AI課程，但大部分教的仍只是AI工具操作或概念介紹，而不是「企業AI導入過程中主管應如何賦能」、「主管應該如何設定合適的導入目標」、「主管如何定義AI人才」這類決定AI導入成敗的關鍵知識。

美國勞工部的AI素養框架，並非完美的答案，文件中明確表示將持續更新演進，而且其中也有許多方式不適用台灣社會。但我們必須留意的是，當全球最大經濟體、AI第一強國開始系統性定義「每一位工作者都需要的AI能力」時，這兩年以大規模經費支出來培育「AI人才」的政府各部門，如何定義誰才是「AI人才」？

近幾年科技浪潮洶湧而至，城市管理者正面臨前所未有的考驗，必須在數位轉型與舊有體制的磨合中尋求突破。過去數十年城市擴張所遺留的交通、能耗與行政效能等結構性痛點，已難以單靠傳統經驗應對。

台灣智慧雲端總經理吳漢章認為，AI City 不僅是技術創新，更應被視為一場「工業革命」。在城市治理的範疇中提供了將智慧化解決方案轉化為具體落地應用的絕佳機會。

透過 AI 落實韌性防災城市

吳漢章強調，面對永續發展、低碳轉型及人口高齡化等時代命題，導入 AI 已是必然選擇。唯有透過 AI 賦能，我們才能精準應對少子化與高齡化帶來的勞動力缺口；也唯有透過 AI 的深度參與，才能將理想中的「韌性防災城市」落實為現實。簡言之，AI City 的核心價值，在於將智慧自動化與機器人技術，轉化為解決城市治理難題、提升居民生活品質的關鍵利器。

去年底，台南市政府正式攜手華碩與台智雲，簽署「AI City 示範城市」合作備忘錄。計畫以「AI 驅動永續城市：以算力連結治理與社群（From Compute to Community）」為核心，鎖定「智慧治理深化」、「產業數位賦能」與「在地人才培育」三大面向。關鍵在於從市民需求出發，驅動城市治理與產業創新的永續藍圖。

做為擁有 400 年歷史的台灣首邑，台南除了擁有深厚的文化底蘊，近年來也全力加速 AI 產業布局。例如在基礎設施憑藉豐沛的太陽能光電，為高耗能的 AI 運算提供穩健的綠電保障；同時，隨著太空中心、半導體中心及機器人中心等國家級研究單位進駐沙崙，該地區已然轉化為具備頂尖研發動能的「算力中心」。在策略執行上，則積極對接中央「擴算力、鏈場域、引人才、展應用」四大方針，致力將防災、交通等市政經驗萃取為具備高度複製性的「台南模式」。

台南市副市長趙卿惠指出，透過「城市治理」與「產業創新」的雙螺旋策略，啟動城市進化。而這一切努力的終極目的，便是掌握「城市主權 AI」。

為何我們需要「城市主權 AI」？

趙卿惠指出，當前城市治理的核心瓶頸，在於「資料孤島」引發的資源浪費與生態系整合困局。行政系統若無法互通，不僅會造成行政冗贅，更直接削弱了治理效率。因此，建立主權 AI 的關鍵首在跨局處系統的資料串接。

以災防管理為例，過去市民申請災後補助時，常因各局處資料不連通，必須在不同窗口重複填寫表單，流程繁瑣且效率低下。若能打破孤島，透過資料中心進行高速運算，結合強大的 AI 算力與標準化資料治理，這正是建構「城市主權」最堅實的基礎工程。

城市主權 AI 具備資料主權、算力自主、平台可控三大核心價值。資料主權是確保關鍵數據留在本地，保障安全與隱私；算力自主是擁有在地算力，確保技術發展不被特定廠商鎖定；平台可控則是建立標準化平台，有效整合政府、企業與民眾的需求。

趙卿惠強調，建構主權 AI 的目標，是為了在 AI 時代牢牢守住數據治理的主動權。科技不應只是被動引進的外來工具，而應成為深耕地方文化、驅動經濟轉型，並精準服務市民生活的核心發動機。

然而，單憑算力基礎並不足以完成轉型，真正的關鍵，在於能否由城市需求出發，發展出解決實際問題的創新應用。

以需求驅動創新 四大方向打造「以人為本」的 AI 實踐據點

台南落實 AI City的核心理念在於「以人為本」。趙卿惠強調，打造市民有感的服務是最重要的事，每一項決策都必須以此為出發點。她直言：「如果科技建設無法讓人民有感，那麼所有的資源投入都將失去意義。」

在實踐層面上，趙卿惠說，他們將涵蓋基礎建設（IaaS）、平台服務（PaaS）到軟體應用（SaaS）的完整架構。除了技術面的建置，最重要的是建立「共通的資料治理機制」，並要求各局處根據實際需求，提出具體的 AI 應用方案。

一、智慧交通：化解古都空間限制的「移動即服務（MaaS）」

台南作為擁有 400 年歷史的古都，街廓紋理複雜、巷弄狹小，隨著多次獲評為國際必訪城市，觀光人潮帶來的壅塞與停車缺口成為市政首要考驗。為了解決這項痛點，政府推動了以下方案：

• 智慧停車 2.0：提升停車周轉率。
• AI 動態號誌中心：優化車流效率。
• 緊急車輛優先通行：這是一項為了「救護人命」而發展的解決方案，讓救護車能順暢通過紅綠燈。

二、 智慧健康：迎戰超高齡社會

台南 65 歲以上人口比例已突破 20%，正式邁入超高齡社會。市府正推動醫療轉型，從傳統「治療」轉向「預防」，深度呼應「健康台灣」願景：

• 長照 3.0 與在宅醫療：整合智慧監測與遠距平台，將醫療照護資源延伸至市民家中。
• 雲端與 AI 協作：升級疫後累積的「共照雲」能量，推動「社區 AI 公造健康」及據點數位化，建立完善的在地照護網。
• 多樣化機器人賦能：攜手華碩導入各類型機器人，從社區陪伴到行政輔助，全方位填補高齡社會的勞動力缺口。

三、 韌性防災：跨系統的「情資共享、指揮一體」

過去救災面臨情資分散、通報冗長，且中央與地方系統步調難以同步。台南發展出一套「可複製、可擴散」的防災模組：

• 全流程數位指揮：落實災前精準預警、災中即時應變、災後快速恢復，確保災害來臨時，決策者具備清晰的全域視角。
• 模組化外溢：這套成熟的防災平台已具備向其他縣市或中央推廣的潛力。

四、 智慧治理：公私協力（3P 模式）驅動效能革命

在行政服務方面，市府致力優化 1999 客服系統，透過 AI 助理輔助，精準理解市民訴求，並解決過去轉介局處錯誤的痛點，大幅提升行政運作效率。

在實踐路徑上，台南採用 3P 模式（Public-Private Partnership，公私協力）：

• 政府端（Public）：開放實驗場域、制定嚴謹的資料治理規範與資安標準，守護市民隱私。
• 產業端（Private）：由華碩與台智雲提供核心算力基礎與開發工具，並同步培育在地技術人才，形成產業生態系。

「台南模式」的核心價值在於啟動「由需求端驅動供給端」的良性循環。 這不僅是市政服務的升級，更是一場經濟範式的轉型。將過去無法服務到的領域，轉化為具體的應用需求，進而精準對接產業技術，形成強而有力的市場供給。

透過這種方式帶動百工百業的轉型與發展。不僅是為了達成解決市民痛點與市政難題的目標，更重要的是主動「創造市場需求」。從智慧治理到數位轉型，台南正以實際行動證明：最精準的城市治理，就是催生新經濟價值、引領台灣走向國際的最強動力。

人工智慧的發展，毫無疑問是全球科技與經濟競逐的核心動能，而AI 治理（AI Governance）的重要性也隨著技術應用的普遍深化，更加動見觀瞻。而台灣的人工智慧基本法在2025年底正式通過，跨出了台灣AI發展法制化的第一步，更加突顯AI治理的重要性。

人工智慧在最近三、四年呈現猛爆式發展，影響的不僅是科技研發能力、經濟競爭力、國家安全，還牽涉到國家主權與文化認同等重要面向。因此，世界各國一方面積極鼓勵進行相關投資，一方面，更加速盤點各自的產業優勢，期待藉由AI創造獨特的核心能力。

貳、台灣為世界AI硬體強權

數位發展部部長林宜敬分析，目前全世界有三個 AI 強權：美國是 AI 軟體的強權、歐洲是 AI 法規的強權，而台灣，則是 AI 硬體的強權。這點，台灣的經濟成長率提供了最佳數據證明。

2025年台灣GDP（國民生產毛額）成長8.63％，創下15年來新高；第四季單季成長12.68％，則是38年單季最高紀錄。主要原因來自於全球AI熱潮帶動科技出口強勁增長。 同時，去年人均GDP 達到39,477 美元，超越日本、韓國。預測2026年經濟成長率仍將保持強勁，瑞銀等機構上修預測至6.9％或以上。

不過，硬體出口成長只是短期效益，對台灣而言，以現有的優勢帶動產業AI化的普及，創造更多應用價值，更是當務之急。而政府如何透過政策與資源調配以扮演有力的「推手」，將是重中之重。

參、人工智慧基本法 獨特三層立法

將時間軸線拉遠，從科技產業的發展歷史來看，AI帶動的這波產業革命尚在早期階段，不少國家選擇透過業者自律、風險管理與實驗沙盒，在推動創新同時兼顧安全與責任。歐盟的AI 法案（AI Act）率先確立「風險分級」架構，逐步建立透明、監管與責任機制，確保高風險應用能在規範下落地。

而台灣則在「人工智慧基本法」中確立七大治理原則，分別是永續、自主、隱私、資安、透明、公平、問責，並由國科會擔任主管機關。在法案中也規定，「數位發展部應參考國際標準或規範，推動與國際介接之人工智慧風險分類框架，並應協助各目的事業主管機關訂定以風險為基礎之管理規範。」

對此，林宜敬表示，台灣對於AI發展的規範共有三層，第一層是AI基本法，建立政府推動人工智慧發展的基本原則；數發部負責的AI風險框架指引則是第二層，做為政府各部會於實際應用領域如醫療、交通等第三層規範的參考。

三層立法的方式不同於歐盟的高度管制，也和美國幾乎不立法的路線不同，而是以「AI基本法」做為上位原則，透過數發部落實這些原則之後，由各主管機關按照應用場域的差異，制定不同規範。這種方式的好處是，讓不同產業都能有專責法規來處理責任規屬與風險控管，因為，AI帶來的便利跟可能的危害始終是一體兩面，且和產業特質密切相關，不同產業有不同的管理重點。這種分層管理的方式，才能夠讓創新與治理並行。

肆、「可信任」AI的三大問題

站在科技與規範發展競逐的十字路口，台灣除了擁有 ICT 技術優勢與完整的製造供應鏈，更重要的是在國際間長期累積的「可信任」形象。從製造品質、合作模式到人才素質，台灣的供應鏈在全球廣受信任；如何將這樣的信任順利轉移到AI產業及服務，甚至延伸到生態系共構，是目前產官學界共同努力的目標。

相較於其他資訊技術與軟體系統，要建立對於AI的信任難度更高。原因是AI牽涉到數據、模型訓練等技術問題，而數據則直接與個人資料保護、隱私權，甚至生命財產安全相關，往往牽一髮動全身，形成資訊安全和企業風險管理極大的挑戰。

例如，為什麼中國的AI大型語言模型不被信任？因為從資訊安全層面，至少涉及三種類型的問題。第一類是過去大眾熟知的傳統資安風險，例如是否存在病毒或蠕蟲等惡意程式；第二類是個人資料風險，中國的大語言模型DeepSeek 之所以讓外界有所疑慮，主要就出在這一層。因為在當前環境下，資料就是資產，若不能確定個人資料受到完善保護，等於直接衝擊企業與用戶的核心利益。這兩類問題，大多能透過技術手段加以處理。

但第三類屬於價值層次的問題，更加棘手。

由於技術的原理使然，AI的價值觀並非中立，而是由訓練資料所形塑。「我們用什麼資料訓練 AI，AI說出來的就是什麼，」林宜敬指出，這也是為何國際間開始討論「民主 AI」的概念，試圖在晶片、軟體與制度治理之間，建立符合民主價值的技術體系。對台灣而言，這不只是科技問題，更是價值與主權的課題。

伍、「主權AI」建構台灣特色語料集

由於目前的大型語言模型多半存在以下問題，一是對於繁體中文的理解與表達能力仍顯不足；二是對台灣的在地知識掌握不夠深入，許多地名與文化脈絡往往無法準確辨識；第三點則是，模型普遍缺乏「台灣觀點」，在回應或建構內容時，難以展現屬於台灣的價值立場與共識。而這些都和台灣本身資料較少有直接關係。

因此，台灣亟需發展屬於自己的「主權 AI」。主權AI牽涉層面甚廣，其中大型語言模型研發不僅要補足繁體中文在語言與知識層面的不足，更必須在價值觀與觀點表達上，建構出能代表台灣文化特色的體系。林宜敬表示，如何在技術設計中體現多元價值觀，仍是極具挑戰性的課題，必須先從建立足夠的台灣特色資料集。

目前數發部已提出促進資料創新利用發展條例草案，讓公務員可依法規釋出不涉機敏或個資的政府資料，解決因害怕違法而不敢釋出資料的問題，促進資料再利用。同時，推動「臺灣主權 AI 訓練語料庫」整合公部門資料，並鼓勵民間捐贈資料，協助國內 AI 團隊取得充足且具在地語境的訓練資料，以訓練出具台灣觀點的 AI 模型，方便產業界快速上手使用。

陸、從Project到 Product，提升軟體產業競爭力

台灣另一個要解決的問題是，軟體產業長期不受重視，因為在企業規模、人才數量以及市場影響力方面，都遠遠比不上硬體的實力。這也是數發部施政的重點之一。

林宜敬表示，過去政府的推動模式主要仰賴專案補助機制。以醫療照護產業為例，往往直接補助終端看護、日照中心，這些單位規模有限，且大部份缺乏軟體自主開發能力；另一種做法則是補助大型醫院，讓其資訊室各自開發系統。類似這樣的補助方式，很容易造成「各自開發、功能雷同」的結果，資源分散，難以形成規模效益。

林宜敬表示，因此數發部目前推動產業轉型的重點不在於支持一次性的 Project（專案），而希望引導業者建立標準化的 Product（產品）。解決過去專案模式通常依個別需求進行高度客製化，每一次都需重新開發的資源浪費；而產品模式則能透過統一設計，搭配參數設定（Configuration） 滿足不同需求，避免重複性開發，並提升效率與可擴展性。

對台灣這種規模的國家而言，這樣的思維轉變尤為重要。透過與許多法人組織及產業界的討論，已逐漸凝聚共識。他直言，公部門的採購思維必須轉變，過去過度依賴客製專案，就像進入吃到飽餐廳，總想「多吃才划算」，要求廠商做了許多小型技術開發，但並沒有從產業宏觀角度找出真正的問題，專案結束後就結束，無法擴大應用範 圍，影響力有限。

未來數位產業發展的方向，要重新思考如何推動通用解決方案，讓台灣軟體公司能夠在這些通用解決方案的基礎上；再加入企業過去累積的不同產業知識及經驗，進一步培養出持續研發成長的競爭力，進而走向國際市場。

柒、政策方向轉變 推動產業創新

因此，政府從過去補助專案調整為鼓勵產品研發，藉由政策工具的調整，帶動產業經營思維的革新。過去像是「單點式的IT工程」，完成後便封存；未來則轉向為持續優化的AI平台建構，以產品為核心，不斷延展與深化商業模式。唯有讓這樣的轉變成為制度常態，台灣的 AI 發展才能真正突破規模限制，擁有跨產業、跨市場、跨國界的成長動能。

在各國加速將 AI 視為經濟翻轉與戰略競爭重要資本的此刻，選對方向、聚焦投資，對台灣這種量體的國家而言更是重要。若仍然依循大算力、大模型、大數據的AI大國發展邏輯，很可能陷入「大者恆大」、甚至贏者全拿的局面，不利於中小產業與社會多元面向的受益。台灣立足於「可信任」與「硬體」的獨特優勢上，是無可取代的獨特價值。因此，逐步建構出能同時獲得國際認可與人民信任的AI治理架構，是政府重要的使命。

在這個關鍵時期，林宜敬表示，為了能夠有效協助產業，數發部首先希望讓大家清楚事情的全貌，包括台灣當下面對的挑戰和優勢，都必須公開透明。接著再與社會大眾討論因應方式並進行風險評估。他強調，政策「由上而下」，也就是政府需要先把政策方向釐清、定義清楚，然後再層層推進、有效分工執行，這樣才能避免資源分散，以台灣產業的既有優勢，發展出新世代的競爭力。

本文轉載自《循證決策集刊》第四期：數位發展部部長林宜敬：人工智慧基本法與主權AI