憂川普上台後變調?拜登政府加速「晶片法」撥款:台積電將獲近3700億元銀彈奧援
憂川普上台後變調?拜登政府加速「晶片法」撥款:台積電將獲近3700億元銀彈奧援

據《彭博》報導, 台積電(TSMC)與格羅方德(GlobalFoundries)已完成美國工廠建設的資金協議,總額包括數十億美元的補助與貸款。

這些協議是《美國晶片與科學法案》(Chips and Science Act)的一部分,拜登政府希望在任期結束前,推動資金發放。

據最新的約束力協議顯示, 台積電的資金方案包括66億美元補助(約新台幣2,113億元),以及高達50億美元的貸款(約新台幣1600億元),主要用於在亞利桑那州鳳凰城建設三座半導體工廠。

這三座晶圓廠中的第一座已開始小量生產處理器。據《MacRumors》報導,這些處理器包括A16仿生晶片,可能會出現在新款iPad或在下一代iPhone SE中。

格羅方德美國2廠區也獲資金挹注

至於格羅方德則從2月份開始談定,將獲得15億美元的補助以及高達16億美元的貸款,這些資金將用於支持紐約州新廠的建設及擴建,以及佛蒙特州的既有設施。

在紐約,格羅方德將安裝車用晶片製造設備以升級現有的晶圓廠。此外,該公司計劃在附近建設第二座工廠,不僅生產車用晶片,也將支援其他產業需求。

格羅方德在佛蒙特州的投資則旨在擴大現有晶圓廠的產能,該廠目前擁有約2,000名員工。此次升級的目標之一,是加快該設施生產氮化鎵(GaN)晶片的速度。氮化鎵晶片能夠承受比標準處理器更高的溫度和電壓,非常適合用於電動車充電設備等應用場景。

資金分配前景未明:川普政府能否順利推進?

美國《晶片與科學法案》於2022年8月拜登簽署生效,旨在強化美國半導體產業的競爭力,一方面提供超過520億美元資金,用於支持美國境內的半導體研究、開發和製造;另方面,獲得補助的企業在未來十年內不得在中國或其他被視為對美國不友善的國家,建設或擴充先進製程的半導體生產設施,旨在防止技術外流。

據《彭博》報導,迄今已有超過20家公司等待美國政府資金支持,目前還有近30億美元尚未分配,有望進一步簽訂初步協議。然而,這些協議的最終落實很有可能在明年1月川普就任後完成。因此,業界普遍希望資金能盡早到位。

目前不清楚共和黨在國會的主導地位將為晶片法案帶來何種影響。眾議院議長強生曾表示希望對此法案進行「簡化」,甚至一度提及有可能整體廢除該法案,儘管他隨後馬上改口。

業界領袖擔憂,川普曾對公開批評晶片法案「糟透了」,因此未來資金能否順利到位,成為整體行業焦慮的源頭。

延伸閱讀:川普跨越270票門檻,當選美國總統!對台灣有什麼影響?圖解AI及半導體關鍵政策

資料來源:彭博社siliconangleMacRumors

本文初稿為AI編撰,整理.編輯/ 李先泰

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