讀前科技部長陳良基新書的3個感想:台灣要走向軟硬整合,打磨「交付AI能力」
讀前科技部長陳良基新書的3個感想:台灣要走向軟硬整合,打磨「交付AI能力」

日前參加前科技部長陳良基的新書《只有累積,才有奇蹟》發表會,回來後我很快地把書讀完,除了佩服陳部長任內推動多件影響深遠的政策外,也對書中提到的3件事特別有感。

陳良基從台大副校長卸任後,歷任教育部次長及科技部長。他不只10多年前就已提出AI的小國大戰略,也曾跟前總統蔡英文建議廢掉科技部、另立數發部,對《科學園區設置管理條例》、《產業創新條例》等修法更盡了不少力。

這當中,最讓我有感的一件事是,如何讓台積電將3奈米投資留在台灣。多數人只記得台積電2017年宣布落腳台南,但不知背後發生什麼事。書中透露他如何解決法規、環評等問題,一邊完成對張忠謀的承諾,一邊顧及政治人物的感受,先把原本要給台積電的高雄路竹用地讓給有建廠需求的華邦,再為台積電在南部科學園區另覓更大用地。

陳良基說,他是書生報國,從一名素人走上政治協商之路,期間遇到各種非他所能預期的困難,但依然以跑馬拉松精神,一步步完成。

陳良基新書
前科技部長陳良基的新書《只有累積,才有奇蹟》

從書中描述,也可以看出台灣要推動產業政策,最大困境在基礎資源(五缺)調配、繁複的行政與環評法規,還有跨部會與社會溝通成本等。要跨越這些限制,需要不厭其煩、排除萬難,陳良基以熱情與付出完成任務。

張忠謀在自傳中,曾講述當年創辦台積電,許多官員瞧不起,甚至多所掣肘的過程,也可以理解台灣官場文化的普遍現象與公務系統的複雜。陳良基的親身見證,更突顯專業治理、勇於承擔的價值。

其次,陳良基也重視人才養成及文化建立。他的核心理念是「農田哲學」,重點在養土壤,而不只是種單一作物,基礎研究是人才與技術的根本,不能為短期績效犧牲。其次是要培育找問題的創新人才,而非只會解問題的人。最後則是「以賽代訓」,用競賽和實戰培養人才。

以賽代訓源自陳良基任教台大時,帶領學生5度在國際固態電路研討會(ISSCC)晶片設計競賽獲獎,讓台灣學生能與柏克萊、MIT等名校學生同台競技,台灣也從「ISSCC零論文」,幾年內躍為「全球前3大論文發表國」。

近來我在採訪時也遇到多名50歲左右的IC設計業主管,他們都是2000年總統府國策顧問張俊彥校長推動國家矽導計畫時,因擴大人才培育方案,進研究所念書的一群人。20多年後,當年學子都已成為產業中堅人才。

人脈 人才培育 網路
圖/ Freepik

人才培育需要時間,成果也要數十年才看到,台灣半導體根基在50年前美國無線電公司(RCA)授權就已種下,培育出許多70到80歲的「造山者」。如今產業再度蓬勃發展,20多年前矽島計畫,也培養一批接棒的中生代設計人才。現在我們更應該思考,20年後要種什麼因、得什麼果?現在台灣有什麼重大計畫,可以培養再20年後的人才?

延伸閱讀:《造山者》說了什麼故事?拆解「護國群山」的前後今生:英雄,不一定都披著披風

台灣軟體要奮起,打磨「交付AI能力」

第3個則是發展軟體產業及台灣軟硬整合策略。他講到以色列發展資安,要讓軍方研發人才就近科學園區產業旁邊,可快速進行驗證並找尋人才。

台灣軟體發展一直明顯落後硬體,大家常談軟硬整合一起進軍國際,因為台灣半導體與AI伺服器廠都是兆元企業,應該以大帶小,讓軟體業也能走上國際。不過,這種想法實際上面臨很多挑戰。

陳良基曾提出「AI Foundry(AI代工)」的概念,認為大多數企業不是需要「一整套複雜的AI伺服器或大模型」,而是「解決自己特定問題的AI能力」。但目前市面上的AI,不管是通用型工具如ChatGPT或Claude,還是雲端大廠的封閉型服務,都有其限制。

因此,AI Foundry的機會出現,台灣可以扮演AI代工廠,企業客戶從金融業、製造業、醫療、教育等,開出他們對AI能力的需求規格,台灣則幫忙把AI模型與晶片、軟硬體最佳化整合,這種AI解決方案正是秉持台積電不跟客戶搶單競爭的精神,所以稱為AI Foundry。

日前陳良基又提出,AI硬體(伺服器、算力)必然走向削價競爭,擁有「交付AI能力」是創造價值的關鍵。台灣要從「生產AI伺服器硬體」升級到「直接交付客戶所需的AI能力」,這是AI Foundry的終極形態。

值得關注的是,近期AI模型3巨頭雖示警要減緩AI投資,但雲端服務供應商在資料中心等基礎建設上的資本支出仍在持續加碼,目前也已看到更多國家的主權AI建設將跟進,而這正是AI Foundry的大機會所在。台灣能否抓緊這個軟硬整合大商機,會是下一個最重要的決戰場。

延伸閱讀:台灣軟體業失敗了嗎?SaaS時代的「客製化包袱」,為何成為企業AI新護城河?

責任編輯:陳祈安

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 2026 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