重點一：台積電（TSMC）獨力製造幾乎所有頂尖 AI 晶片，全球 AI 硬體供應鏈形成單點依賴風險。
重點二：美中 AI 模型性能差距在 2025 年內多次交替領先，截至 2026 年 3 月美國僅領先 2.7%。
重點三：全球 AI 企業投資 2025 年達 5,817 億美元、年增 130%，但資金高度集中於少數公司與國家。
2026 年 4 月，史丹佛大學人本人工智慧研究所（HAI）發布第九版《AI 指數報告》，這份超過 380 頁的年度體檢報告，追蹤了從技術性能到公共輿論的 AI 全貌。
但今年報告中最值得台灣讀者注意的，是一個不斷被重複提及的名字：台積電。
報告在第三大重點（Top Takeaway #3）開門見山指出：美國擁有全球最多的 5,427 座 AI 資料中心，是第二名德國（529 座）的十倍以上，消耗的能源也遠超任何國家。然而，驅動這些資料中心的晶片，幾乎全部由「一家台灣代工廠」製造。
報告的原文用了罕見的措辭：台積電是全球 AI 硬體供應鏈的「單點依賴」（single point of dependency），它製造了包括輝達 Blackwell GPU 和 AMD MI300X 在內的「幾乎每一顆頂尖 AI 晶片」。
這個依賴結構有多集中？報告提供了一組數據作為參照：2025 年全球 AI 算力以 H100 等效計算已達 1,710 萬單位，自 2022 年以來年增 3.3 倍，其中輝達佔總算力的 60% 以上，Google 和 Amazon 自研晶片分食其餘份額，華為則以小幅成長的姿態出現。
但無論晶片設計商是誰，最終製造環節幾乎都匯聚到台灣新竹。儘管台積電已於 2025 年啟用美國亞利桑那州廠區，但距離實質分散風險仍有相當距離。
美中 AI 軍備賽：性能差距從「代差」變「誤差」
報告的第二大重點直指地緣競爭核心：美中 AI 模型的性能差距已「實質消失」。
2025 年 2 月 DeepSeek-R1 短暫追平美國頂尖模型，此後兩國模型在排行榜上多次互換位置。截至 2026 年 3 月，Anthropic 的旗艦模型僅以 2.7% 的微幅差距領先中國最佳模型。
但數字的對稱背後是結構的不對稱。美國仍在頂尖模型數量（50 對 30）和高影響力專利上佔優，中國則在論文總量、引用數、專利申請數和工業機器人安裝量上領先。南韓則以每人均 AI 專利數居全球之冠，是這場雙極競賽中常被忽略的第三角。
資金面的落差更為驚人。2025 年美國 AI 私人投資達 2,859 億美元（約合新台幣 9.1 兆元），是中國 124 億美元（約合新台幣 3,943 億元）的 23.1 倍。
但報告特別提醒：這個比較可能嚴重低估中國的實際投入。中國政府透過「政府引導基金」在 2000 至 2023 年間部署了約 9,120 億美元，其中估計 1,840 億美元（約合新台幣 5.9 兆元）投向 AI 企業。若將政府引導基金納入計算，中美之間的資金差距將大幅縮小。
另一個值得關注的趨勢是美國的人才吸引力正在急劇下滑。移居美國的 AI 研究人員數量自 2017 年以來下降 89%，僅過去一年就銳減 80%。美國仍擁有全球最多的 AI 人才存量，但新增流入速度已降至十年來最低。
台灣的雙重角色：晶片命脈與機器人先鋒
報告的經濟章節提供了另一個台灣視角。在全球工業機器人安裝量整體持平的 2024 年，美國、德國、義大利等主要市場均出現下滑，台灣卻以 33% 的年增率成為全球成長最快的市場。
中國方面則仍以 54.4% 的全球佔比遙遙領先（高於 2023 年的 51.1%），但台灣在製造業自動化上的加速投入，反映的是半導體產業對精密製程持續擴張的需求。
這意味著台灣在全球 AI 供應鏈中扮演的不只是「製造者」，更是「製造工具的投資者」。
這個地位也正在被制度化。2025 年 12 月，美國國務院召集多國簽署「Pax Silicatitle 宣言」，承諾強化可信半導體與 AI 硬體供應鏈合作。宣言涵蓋晶片、資料基礎設施與 AI 硬體協作，實質上是將台積電所代表的供應鏈安全，從產業議題升格為國際安全框架。
報告的政策章節同時指出，「AI 主權」已成為各國 AI 政策的核心組織原則，各國正從基礎設施、數據、模型、應用到人才五個層面，重新盤點自身的 AI 自主能力。
5,800 億美元的賭注與看不見的帳單
2025 年是全球 AI 投資最狂熱的一年。企業投資總額達 5,817 億美元，年增 130%；私人投資 3,447 億美元，年增 127.5%；生成式 AI 獨佔私人投資的近半，達 1,709 億美元，較前一年成長超過 200%。
十億美元級的融資事件更從 2024 年的 15 件倍增至 28 件，OpenAI 的 400 億美元（約合新台幣 1.27 兆元）融資和 Anysphere（Cursor 開發商）以 293 億美元估值募集的 23 億美元（約合新台幣 731 億元）融資，將資金集中度推上新高。
但報告同時揭示了這場投資狂潮的隱性成本。訓練 Grok 4 模型產生的碳排放達 72,816 噸 CO2 當量，相當於 17,000 輛汽車開一年；GPT-4o 一年的推論用水量可能超過 1,200 萬人的飲用水需求。
但另方面，AI 產業最透明的模型反而愈來愈少：基礎模型透明度指數的平均分數從去年的 58 分跌至 40 分，最強大的模型揭露的資訊最少。
透明度下降的同時，安全問題也正在惡化。HAI 官方重點摘要（Inside the AI Index: 12 Takeaways）將「負責任 AI 跟不上能力發展」列為今年的核心發現之一。
報告指出，AI 事故資料庫的記錄事件從 2024 年的 233 件增至 2025 年的 362 件；在 AA-Omniscience 準確性基準測試中，26 個頂尖模型的幻覺率從 22% 到 94% 不等。
而在另一項區分「知識」與「信念」的 KaBLE 測試中，GPT-4o 處理真實信念的準確率為 98.2%，但面對第一人稱虛假信念時驟降至 64.4%；DeepSeek-R1 更從超過 90% 跌至 14.4%。
更根本的困境在於：近期研究發現，提升安全性會降低準確性，強化隱私會損害公平性，而目前沒有任何框架能引導業者在這些維度之間做出取捨。
能力突破、治理落後：報告留下的問題
報告呈現的全景是一個充滿張力的產業。AI 已能在國際數學奧林匹亞獲得金牌，但讀不準類比時鐘；在 Terminal-Bench 基準測試中，自動化代理的成功率從 20% 躍升至 77.3%，但機器人完成折衣服或洗碗等家務的成功率僅 12%。
同時，22 至 25 歲的美國軟體開發者就業人數自 2024 年下滑近 20%，而年長同事的職位數量仍在成長。生成式 AI 三年內達到 53% 的人口採用率，比個人電腦和網際網路都快，但美國的採用率僅排第 24 名（28.3%），落後於新加坡（61%）和阿拉伯聯合大公國（54%）。
對台灣而言，這份報告傳遞的訊號清晰而矛盾：全球 AI 發展的速度不斷加快，台灣因台積電而處於供應鏈的絕對核心，但這個核心位置帶來的不只是紅利，更是愈來愈集中的風險。
資料來源：Stanford HAI AI Index 2026、Inside the AI Index: 12 Takeaways from the 2026 Report
本文初稿為AI編撰，整理．編輯/ 李先泰
