為什麼疫苗買不到?政府錯在哪?了解過去一年國際各國在疫苗開發與採購上的困境
為什麼疫苗買不到?政府錯在哪?了解過去一年國際各國在疫苗開發與採購上的困境

疫苗採購這議題能吵到這種地步也是令人吃驚,一堆人好像都上禮拜才開始了解全球疫苗的產能與配送狀況及各國採購情況,在一知半解的情況下就開始砲轟政府,要批評政府當然沒問題,但要確定問題點到底在哪裡,而不是靠自己腦補的資訊與邏輯去罵,這樣批評與反駁方只會互相鬼打牆,對於釐清問題一點幫助也沒有,更遑論去解決問題。

剛好從去年疫情爆發開始就有固定在關注疫苗發展進程,幫大家回顧一下過去一年疫苗發展的歷程,至於在這樣的背景下台灣做得好不好,自己判斷吧。

去年歐美疫情爆發後,美國、歐盟、英國等先進國家政府都投入大筆預算給藥廠發展疫苗,並協助藥廠擴充產能,因這些國家都有共識以當時的情況幾乎不可能靠任何限制措施來有效控制病毒的擴散,只有大量施打疫苗達成群體免疫才能真正的對抗疫情,其中又以美國的operation warp speed最積極,一出手就是180億美元。美國、歐盟、英國等先進國家當時與有實力開發疫苗的廠商簽訂雙邊合約,用提前預購的方式來為藥商提供經費,優點就是疫苗成功可以優先使用,但相對的疫苗失敗錢就等於丟水裡了。

當時最被寄予厚望的不是現在大放異彩的輝瑞/BioNTech(Pfizer/BioNTech,指的是德國生技公司BioNTech與美國輝瑞藥廠合作研發的疫苗)的BNT162b2或莫德納(Moderna)的mRNA-1273這兩款疫苗,而是牛津大學與AstraZeneca合作開發的AZD1222(俗稱AZ疫苗)。

疫苗_shutterstock_1852683142.jpg
莫德納疫苗mRNA技術,不確定性高、開發成本昂貴。
圖/ ShutterStock

mRNA技術在這次疫情才第一次被用來做疫苗開發,不確定性很高,製造成本昂貴,再加上mRNA非常不穩定,對運輸跟儲存的要求非常高。而Oxford/AstraZeneca疫苗(AZ疫苗)採用的腺病毒載體技術相對成熟,製造成本低廉,對運輸跟儲存環境的要求也沒那麼高,當然更受偏愛。

但去年11月中Phase III數據出來後兩款mRNA疫苗跟AstraZeneca疫苗黃金交叉,臨床實驗數據顯示兩款mRNA疫苗保護力更強,還可以快速針對變種病毒做調整,超乎大家的預期(可以看莫德納跟AstraZeneca的股價走勢對比,莫德納到Phase III數據出來後才開始暴漲)。

之後疫苗開始進入量產並配送,這時候mRNA疫苗易於量產的優勢開始嶄露,配合operation warp speed的支持產能一路暴衝,3月的時候兩家藥廠就蠻有信心可以在上半年完成各自對美國政府2億劑疫苗的出貨,而AstraZeneca歐洲產能出包,原本預計在第一季交貨9,000萬劑疫苗給歐盟,結果最後只出貨了3,000萬劑,歐盟跟英國還就這事吵了起來,叫英國要分享不要自己先用,歐盟甚至直接禁止歐盟生產的疫苗出口

AstraZeneca
AstraZeneca歐洲產能出包,原本預計在第一季交貨9,000萬劑疫苗給歐盟,最後只交了3,000萬劑。
圖/ AstraZeneca

結果就是,美國跟英國施打進度順利,歐盟問題連連。同時,AstraZeneca疫苗出現血栓疑慮,雖然只是零星個案,但也增加對此疫苗的安全顧慮,很多國家暫緩AstraZeneca疫苗的施打,或只開放給老年人施打,因血栓案例主要發生在年輕人身上

同時在另一個角落,以色列正開始大規模接種Pfizer/BNT疫苗(俗稱輝瑞疫苗),二月初就有將近3成的國民完成第一劑接種。以色列在Pfizer/BNT疫苗三期中期報告快出來前才與輝瑞(Pfizer)簽訂供貨合約,但透過提出誘人但條件讓Pfizer優先出貨給以色列,包括承諾快速施打及協助蒐集數據為條件,大幅提高採購單價,並免除疫苗相關的法律責任,以色列開始大規模接種後,並沒有出現嚴重副作用,也證實群體免疫能讓疫情得到良好控制,死亡率與重症率大幅下降,經濟重啟,讓大家對輝瑞-BNT(Pfizer/BNT)疫苗更有信心。

AstraZeneca產能出包且有安全疑慮,而輝瑞-BNT(Pfizer/BNT)表現出色,有錢買得起輝瑞-BNT(Pfizer/BNT)疫苗的國家就開始搶輝瑞-BNT(Pfizer/BNT)的產能了,免得自己到年底都沒疫苗打。只是輝瑞-BNT(Pfizer/BNT)的產能都被買光了,至少都要等到5、6月歐美打得差不多後才能出貨。今年輝瑞-BNT(Pfizer/BNT)疫苗能出貨30億劑(如公司承諾),而AstraZeneca目前趨勢看來只能完成15億劑的出貨(公司宣稱能出貨30億劑)。

AstraZeneca雖然實際產能遠不如預期,但起碼還是有持續完成疫苗供貨,公司也簽了很多外包合約,印度SII是主要用來交貨COVAX的主力(沒錯,印度也在搞疫苗外交),結果印度前陣子又爆了,疫苗沒辦法出口,又引起了新一波的疫苗採購潮,這時候莫德納(Moderna)在美國也證明了自己,更多國家購買莫德納的疫苗。

回到台灣這邊,台灣第一批採購合約是跟COVAX簽的,於去年9月加入COVAX並在10月初付訂金,採購量476萬劑,當時的時間點疫苗的研發進度還不明朗,在沒有要採用砸大錢分散風險的策略下選擇先跟COVAX簽約確保一線抗疫人員的疫苗供給相當合理(你多買COVAX也不會先給你,COVAX要確保參與國家第一線抗疫人員都盡早獲得疫苗)。之後11月跟AstraZeneca完成1000萬劑疫苗的簽約,這應該是三期中期數據公布前就已經開始談的合約,那個時間點AstraZeneca的疫苗看起來確實是最好的選擇。

然後就出現BNT疫苗採購的問題,衛福部採購團隊11月開始了解疫苗的技術細節,應該等到之後數據出來決定採購,並在12月底完成簽約準備,但到1月BNT更改決定暫緩簽約。11月時衛福部購買Pfizer/BNT疫苗的意願跟優先度應該是大於Moderna疫苗的。12底的新聞又透漏台灣已經購買了約2000萬劑疫苗,476萬劑來自COVAX,1000萬劑來自AstraZeneca,500萬劑洽談中暫不公布,之後也證實當時不公布的500萬劑疫苗指的就是Pfizer/BNT疫苗,然後就是今年2月公布購買Moderna疫苗505萬劑了。之後就一路快進到本月跟高端疫苗簽下500萬劑購買合約加500萬劑開口合約。

所以對比起來,台灣買疫苗策略就跟大部分不想砸大錢亂買的國家一樣,先加入COVAX,再買AstraZeneca,然後等mRNA疫苗測試結果出來再買mRNA疫苗,但想買表現得到更好證實的BNT疫苗時不成功。如果今年1月順利跟BNT完成簽約,而且2月數據更完整後有可以進一步加購的選項,或許就不會走到今天這一步了。

寫文至此,大概梳理出台灣疫苗採購策略的問題。問題其實很單純,即在2月跟3月時在買不到BNT疫苗跟知道AstraZeneca產能有問題的前提下,為什麼沒有加買Moderna疫苗做保險?或許當時國產疫苗廠商給出很多樂觀的消息,高端也掛保證今年出貨1000萬劑沒有問題,反正都是等,那就等國產疫苗出來吧。但另外的問題就是,這樣會不會過度押注國產疫苗的成功,畢竟Phase II數據都還沒公佈,變數相當大,怎麼不先確保今年能夠大致施打?

看到最後,希望讀者對政府疫苗採購策略有了較完整的看法。我認為,政府的採購策略肯定有需要檢討的地方,但在切入問題時得先了解問題為何,討論起來才會聚焦,而不是無的放矢。政策議題應該是越辯越明,而不是互抹泥巴。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:蕭閔云

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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