「20＋N」關稅怎麼談的？有談判黑箱嗎？鄭麗君曝「300場會議」努力爭取更好稅率、不疊加！|數位時代 BusinessNext

「20＋N」關稅怎麼談的？有談判黑箱嗎？鄭麗君曝「300場會議」努力爭取更好稅率、不疊加！

行政院副院長鄭麗君親上火線，不過由於最終談判結果尚未確定，本次說明並沒有過多的新資訊揭露。確定的事情是，稅率會是原稅率+20%。

政院釋疑一：對等關稅有談判黑箱嗎？

而鄭麗君也提到社會最關注的「談判黑箱說」，「絕對沒有黑箱談判問題，國際經貿談判的慣例，就是在細節確定前，都有保密協議不能對外說明。」至於已經對外有完整說明的國家，大多已經完成協議。

同時，台灣也向美國表達非常清楚的訴求，達成協議後需要把協議交給國會審議，後續行政院與談判團隊只要跟美方達成協議，會立即向國會、社會說明協議內容，並提供衝擊影響評估。

「大家都希望我們說明相關的條件，但是談判還在進行中，所有的細節還沒有確定。我們沒有辦法逐項報告。背後有一個原因是，我們希望可以達成最好的談判結果，如果過度揭露底線或是我們想達成的目標，可能會影響到談判結果。」鄭麗君說。

政院釋疑二：232條款與關稅重疊，仍在協議中

在真的達成最終的協議前，台灣的關稅就是20%＋原有稅率，最簡單的計算方式就是原本的最惠國稅率加上20%。至於關稅跟232條款目前還是有重疊，細節尚未出爐。

什麼是232條款？
232條款就是美國總統可用「國家安全」為由，對進口商品祭出關稅等貿易限制。只要美國商務部工業暨安全局調查認定，進口產品構成國安威脅，美國總統具有對相關產品進口採取調整措施的裁量權，包括提高關稅、設定配額或採取其他非貿易舉措。

台灣是全球對美國貿易逆差第6名，其中更有9成是半導體、ICT產業，這都涉及了232條款，提高了談判的複雜度，而美國相關的計算方式也還在研擬當中。

談判挑戰：時間壓縮、不確定性、議題複雜性

鄭麗君也說明了關稅談判的3個挑戰：時間被高度壓縮、議題的複雜性，以及隨時變動的不確定性。

「對全球來說，這都是一場非傳統的經貿談判。這一次在極短的幾個月時間，美方要跟許多國家進行談判，時間被高度壓縮。我們必須在極短的時間內進行大量內部的協商。2月到現在已經開了超過300場會議準備。」鄭麗君說。

除了時間之外，美方並沒有維持完全一致的標準，也提高了談判的難度，「隨著各國有不同的進展，美方期待跟議題也會擴增跟升高。」鄭麗君說，「談判在進行中，我們沒辦法說明所有的細節，我們基本的態度原則就是：維護國家及產業利益、國民健康、糧食安全等原則來進行協商。」

而行政院和談判團隊也表示，未來會將把細部資訊都放在網路上，讓民眾和產業能夠更方便地進行查詢。

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。」

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。