晶片法案只差拜登簽名，專家：有助台廠減輕在美成本壓力|數位時代 BusinessNext

晶片法案只差拜登簽名，專家：有助台廠減輕在美成本壓力

美國聯邦眾議院通過補貼半導體產業的「晶片法案」。產業專家表示，將有助減輕台廠在美國投資的成本壓力。

就要業者選邊站，美國欲藉法案鞏固半導體地位

針對法案添加附加條款，限制接受補貼的業者未來10年不得到中國建立新廠或先進製程產能，劉佩真說，這主要是希望廠商選邊站，慎防中國半導體供應鏈崛起，鞏固美國在全球半導體的領導地位。

劉佩真認為，韓國業者會受比較大的影響，特別是三星（Samsung）。三星自2012年起到中國投資總金額達258億美元，位於西安的儲存型快閃記憶體（NAND Flash）廠，占整個三星NAND Flash總產能的42.3%。

劉佩真表示，三星未來若無法持續擴充西安廠產能或導入更先進的製程，對NAND Flash事業勢必會造成一定程度的影響。日本鎧俠（Kioxia）及美國威騰（WD）受惠機會較大，此外，中國長江儲存未來也會極力擴充NAND Flash產能，三星未來NAND Flash事業變化值得關注。

至於台廠，劉佩真說，目前宣布到美國投資的有台積電（2330）和環球晶（6488）。由於過去幾年兩岸政經情勢比較緊張，台廠並沒有到中國新建廠房的狀況，只有台積電去年加碼南京廠28.9億美元，擴增28奈米產能。

劉佩真表示，未來幾年在兩岸關係可能持續緊俏下，台廠在中國廠房的布建可能會處於比較停滯的狀況。台廠在中國產能建置，在整體營收或獲利的占比也都是極低比例，即便美國設下限制，預期短期對台廠影響不大。

劉佩真說，台灣半導體廠生產重鎮還是在台灣，占比高達9成，即便未來沒有持續到中國繼續擴產，並不會影響台灣在先進製程或矽晶圓的高度競爭力。

法案補貼將帶動多家半導體廠積極擴產，引發未來半導體產能可能供過於求的隱憂，劉佩真表示，隨著需求趨緩，半導體產業將從前兩年的供需非常緊俏，逐步趨向於平衡，明、後年新產能陸續開出，有可能出現供過於求情況，不過預期時間不會太久。

劉佩真說，半導體中長期結構性需求已經浮現，很多新興應用市場如電動車需求量倍增，加上傳統消費、通訊及電腦需求在庫存調整過後，未來伴隨全球經濟回到復甦軌道上，預期半導體的需求可望回升。

劉佩真表示，包括美國在內，各國紛紛大力扶植半導體產業，未來勢必會帶來半導體通膨效應，隨著生產成本變高，晶片價格可能上漲，連帶帶動終端產品售價上升，不是消費者能夠長久忍受。

半導體產業發展無法一直立基於國家安全的論調上，而忽略專業分工產生全球化的效益，劉佩真預期，未來各國政策可能會進行修正，在效率與國家安全之間取得平衡。

本文授權轉載自：中央社

責任編輯：傅珮晴、侯品如

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。