海納百川》臺灣AI產業只能靠「仁來瘋」和跟風矽谷嗎？（徐作聖）

臺灣主流媒體在解析這些大咖領航者的策略謀劃之際，除了感受到震撼、高潮、模仿、跟風之外，有沒有設身處地的想想自己？（本報資料照片）

黃仁勳「仁來瘋」高潮之後，主流AI業者及網路服務平臺（GCP）積極卡位、各據山頭，操弄着AI網路生態系統。臺灣有了「仁來瘋」，AI產業真的就水到渠成？兩者之間就能劃上「等號」嗎？

OpenAI、Google/Gemini、MS/Copilot、亞馬遜/Anthropic、Meta/AI、高通等AI主流大咖，再加上Google、MS、AWS等GCP業者，不但享有獨特操作平臺優勢以及海量數據，正各自積極推動「左右逢源、策略結盟、前後押寶」的策略，目標是系統性「虛實共治、軟硬兼施」等標準化、規格化、普及化、整合性優勢。

不論是Web1.0錢德勒寡佔型經濟、Godzilla平臺式的Web2.0架構、還是Web3.0分佈式通用智能體系，每個大咖都有獨領風騷的機會，AI產業寡佔情勢已然逐漸形成。但臺灣主流媒體在解析這些大咖領航者的策略謀劃之際，除了感受到震撼、高潮、模仿、跟風之外，有沒有設身處地的想想自己？

自黃仁勳訪臺所帶動的AI風潮後，發展和大力投資AI產業似乎已成「國策」。當全球主要AI經營者陸續加碼投資臺灣，給了賴政府極大的底氣，經濟部表示，將導入AI工具，預計2028年製造業AI應用普及率，將從目前的12.3%，提升至50%。

但從現實面來看，數據是AI時代的核心通貨，規範化、格式化的數據是AI時代的黃金。電商平臺上的購物和消費個人數據，社交平臺上的互動、人際關係數據，行車記錄儀上的行駛、操作數據、供應鏈管理與製造流程記錄，乃至是一個專門的文學網站數據，都變得珍貴無比，因爲它們能夠訓練AI，讓AI擁有更強的能力，但條件是流量規模及市場大小，這顯然這不是臺灣的「強項」！

另外，蘋果電腦推出智能電腦（AI PC），其市值瞬間榮登全球第一，靠的就是「先聲奪人」的品牌優勢。蘋果電腦可以選擇把ChatGPT基礎的整合成智能電腦（AI PC），Google或其他智能產業巨擘也可以把搜尋引擎與智能技術整合，用的就是海量數據資源化、智能化的操作模式，但這種商業操作模式在臺灣窒礙難行。

AI產業「數據的互聯網資源化發展」是一個臺灣無解的問題，臺灣在AI 炒作是 NVIDIA GPU 硬體供應鏈，歐美中炒作是AI軟體的落地，缺技術、缺市場、缺數據資源化，臺灣發展AI何去何從？

發展AI技術/應用與發展AI產業是兩回事，臺灣目前AI應用主要聚焦在日常生活、白領階級生產力提升、學術研究加碼等方面，但光憑這些應用難以獨力支撐AI產業的發展。雖然也有生技製藥、智能醫療、生產管理、供應鏈管理、智能電網管理等項目曾被提上臺面上，但在客觀條件不具優勢，且海量數據難求的條件下，臺灣戰略選擇必須另闢蹊徑。

發展AI產業策略，不但不能墨守成規，「狗尾續貂」矽谷大咖也不實際，必須創造臺灣產業本身的獨特性，其中結合AI與既有製造業升級轉型是一個關鍵的策略思維，也就是以產業爲核心、AI爲智能工具，同時加入科學實證（Positivism）元素以提供整合的功能與效率。

在解析、跟風、仿效美矽谷AI大咖之後，朝野必須有另類想法。AI是數學運算及應用海量數據解析智能化，但單憑「中性」數學工具難以完成全面智能化的目標，對高端製造業也存在精準度及誤差調控的問題，其中最大的原因是AI系統中缺少了「科學論證系統」的元素。

黃仁勳和李家同教授都曾大聲疾呼，把科學論證系統納入，以強化規範化、格式化、系統性、科學性跨領域共同可操作性（Interoperability），若再能「異業跨行結合」含金量高的半導體制造、IC設計、供應鏈與產業鏈管理、能源、生醫等以規模、技術、效率爲導向的產業，這些「另類」AI產業與應用應該更有落實的機會，賴政府與經濟部有朝這方向來思考嗎？

（作者爲產業分析培訓講師/退休教授）

※以上言論不代表旺中媒體集團立場※