世界投資台灣的AI ? 南柯一「夢」
世界投資台灣的AI ? 南柯一「夢」

最近台灣沸沸揚揚許多美國科技企業來台灣「投資AI」一事。此事一出,身邊有很多不同聲音。有一票人高興疾呼「世界終於看到台灣科技人多麼俗擱大碗了」,另一票則是抱持質疑的態度,不懂台灣為什麼會突然冒出這麼多的AI產業機會。

看到這種新聞,感覺台灣真是個寶島。世界上很少有像台灣島一樣什麼產業都有的地方,五年前喊手機app、四年前喊跨境電商、三年前喊生技、兩年喊金融科技、去年喊物聯網,而今年則喊人工智慧。

台灣,一個彈丸之地,其他泱泱大國培養十幾年才有成果的產業,台灣卻號稱要每年打一個,如此千變萬化,不是寶島是什麼?

台灣官員與業界人士也不乏魔術師,昨天還是電商、物聯網,今年通通冠上了ICO和人工智慧,名目瞬間轉換、產業潮流每年變。從上到下,每人都是哆啦A夢。

美商來台整頓產品部門,卻被吹捧成為救國良藥

講到AI一事,其實微軟來台投資的「AI」只是其中文語音科技的產品開發部門。而Google來台灣買HTC,跟AI根本沒什麼必要性邏輯關係。

這些美商來台整頓產品部門,在台灣被吹捧成「救國良藥」。

其實也見怪不怪了。台灣軟體業以及整體科技業落後中國不是新聞了。自2007年左右到現在,十年過去,不但沒有深耕新興產業,反而越來越急功近利、付諸於表面功夫。講到2018年,突然說台灣是全世界AI投資的新興標的,你信嗎?

用養石斑的思維養AI

說來說去,台灣最大的問題就是不管老一輩、中生代還是青年世代,思維都還相當傳統,對產業的觀點還是傳統製造業、電子業和農業的「物」的生產經濟。

然而,「物」的生產經濟固然重要,但因軟體和網路技術的發達,「物」的製程科技化自然成了一種產業別,也就是各類以「服務」導向的經濟。

講到石斑魚,那曾經是台灣人的驕傲,從龍膽石斑到青斑,肥美的石斑魚是台灣宴席上不可缺少的菜色。照理來說是台灣農業和飲食文化的核心,大肆西進淘金後。錢部分台商賺到了,但長期而言,從魚隻孵育、養殖到魚業用水的控管技術全都外流,生產線外流後,中國農業雜交出肉質更好、成長速度更快的龍虎班,左手坑殺在中台商,右手又再利用數量優勢和ECFA傾銷台灣,讓台灣幾十年來的石斑霸業在十年內猝死。台灣農業和飲食文化焦點的鮑魚,也遭遇同樣的命運,在短短十多年內從技術外流,到被中國同業大量傾銷,霸業毀於一旦。

台灣人的思維一向都是技術外流後,只要再跟美國、日本授權更新的技術就可以再撈一筆,可惜的是,我們現在處於「物」的經濟之末,自動化帶來的代表未來的戰場一定是「服務」導向。

而AI就是這類新產業,光是模仿外國的流程、技術是沒有用的。我們需要的是能夠在服務程序上創新的人才,以及對於服務效率有無止盡需求的市場,而台灣的各類產業中,這兩因素不是不成立,就是已經大幅流失了。

台灣發展AI的瓶頸

台灣發展AI第一個小瓶頸,就是台灣的人才斷層。發展AI是需要深厚的產業資料,而不是攬一群工程師就可成事。台灣人才問題是工程能力很強,但除了部分製造業和電子業外,許多產業的知識和技術都已經過時,並不具備有培養和聘僱高素質AI人才的產業環境。

而更大的瓶頸,在於台灣整體的資料化進程。

AI跟其他領域一樣,都需要深耕產業環境。先前說到微軟來台設語音科技的相關部門,意思並非「語言科技不算AI」,而是純粹開發單一的「AI產品」並不會幫助提升產業鏈。

以AI與機器學習的一大應用領域中的金融業演算法交易與高頻交易為例,大部分的人只會注重實際機器學習模型訓練,認為只要懂演算法、拿點資料丟進去就是「AI」了。

事實上,這之間有很多環節相扣。以金融業的彭博終端機(Bloomberg Terminal)為例,其提供的資料除了股票、期貨的價格與各類指數以外,還有很多即時的數據如當天的貨運量、人口流量等相當寶貴的資料。這些資料取得不易,彭博終端機一年的授權金每機台要60萬新台幣。這些寶貴的資料不是只要從證卷交易所提資料就可以了,而是許多產業的各層級廠商都必須要達到自動化和資料化,才有可能及時提供這些資料給彭博。

產業不升級、不投資,禮物就會從天上掉下來?

不管在醫療科技、智慧工廠,還是智慧能源,有沒有AI技術還算其次,最重要的是底下的工業、服務業是否有資料提供給AI做最佳化。說穿了,AI本身並不是工業,而是工業和服務業的最佳化技巧罷了。

因此如果底下的工業、服務業本身就沒有競爭力也沒有效率,基本上是不可能發展人工智慧。

現在世界上的AI強勢產業、強國,早在十年、二十年前就已經大規模在各產業進行資料化和自動化了,現在用AI進行整條產業鏈的結合,也只是剛好而已。

並不是我們想的那樣什麼產業都不升級、不投資,禮物就會突然從天上掉下來。

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓