《晶片戰爭》作者:張忠謀是百年來最被低估的企業家!示警美國低估台灣風險
《晶片戰爭》作者:張忠謀是百年來最被低估的企業家!示警美國低估台灣風險

《晶片戰爭——全球最關鍵技術的爭奪戰》(Chip War:The Fight for the World"s Most Critical Technology) 作者米勒 (Chris Miller) 週三 (23 日) 受訪時表示,世界上幾乎所有最先進製程晶片都是在台灣製造的,美國政府仍低估台灣可能出現災難性後果的重大風險。

美國塔夫茨大學 (Tufts University) 國際歷史教授米勒 (Chris Miller) 週三表示,台灣製造全球 90% 的最先進製程晶片,若台灣晶片製造產能停擺,將波及個人電腦 (PC)、智慧型手機和資料中心,以及所有需要先進晶片的產品,這可能比新冠疫情對全球經濟造成的影響更可怕。

中國政府正試圖加大對台灣的壓力,推動台灣向北京屈服,米勒指出,中國政府以所謂的「非和平手段」威脅要完成統一的做法越來越令人擔憂,美國官員必須更加認真對待。

米勒稱,中國對台灣進行封鎖、隔離、佔領台灣的離島都是可能的選項,這些都將對國家安全和半導體供應鏈產生重大影響。

米勒說,美國政府仍未就整個世界經濟對台灣晶片生產安全供應的依賴程度達成共識,台灣晶片產能停擺,世界任何地方將難以生產高階智慧型手機,而電腦產量估計將下滑一半,這絕對是毀滅性的影響。

TSMC
世界上幾乎所有最先進製程晶片都是在台灣製造的。
圖/ AFP

再者,米勒呼籲美國政府須對先進電腦運算能力與軍事能力之間的關係考慮周全,確保美國軍事領先優勢。

以「矽谷之父」英特爾前總裁 Andy Grove、輝達 (NVDA-US) 執行長黃仁勳和 AMD (AMD-US) 執行長蘇姿丰等半導體優秀人才為例,美國移民政策牽動美國半導體業創新發展歷史。

米勒提到,美國政府可以把所有錢都投入晶片發展,但仍需要最優秀的人才,美國在移民政策,吸引世界頂尖的人才做得非常好,而現在比以往需要做更多的工作。

米勒還盛讚台積電 (TSM-US) 的創始人張忠謀是過去百年來最被低估的企業家。

他提到:「如果不是因為張忠謀具有效製造半導體方面的技能,以及他開拓新商業模式的能力,使得製造晶片具有成本效益,我們就不會擁有這麼多我們所依賴的技術。」

本文授權轉載自:鉅亨網

責任編輯:何汶、林美欣

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
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」(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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

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Vibe Coding
© 2025 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