有法拉利沒賽車手！台灣 AI 轉型路上算力充足，但缺軟體與人才

隨著數千張 NVIDIA 高階晶片運抵台灣，政府與企業界正積極推動「主權 AI」願景，期待複製半導體代工的成功模式，打造「AI 代工」產業。然而，資深產業專家與智庫學者卻發出警訊：若僅專注硬體建置而忽略軟體生態與國際合規標準，台灣恐將淪為「數位二房東」，只能賺取微薄的電費價差，無法真正掌握 AI 價值鏈核心。

科技、民主與社會研究中心 (DSET) 民主治理組組長黃凱紳以生動比喻點出關鍵：「有錢買法拉利，但不會因此就變成舒馬克。」硬體算力是強大載具，但駕馭它需要頂尖的軟體人才與產品化能力。台灣面臨兩大結構性挑戰：軟體產業長期缺乏產品化基因，多習慣承接客製化專案；同時在缺乏歐盟 GDPR 適足性認定與美國 NIST 資安標準合規下，國際高價值數據難以落地台灣。這些現實門檻若無法跨越，台灣的算力中心可能僅能處理低價值公開數據，錯失 AI 產業最豐厚的利潤空間。

商業模式檢驗：算力租賃非護城河

市場普遍期待台灣藉由硬體製造優勢延伸發展 AI 代工服務，甚至將其比擬為軟體界的台積電模式。然而深入分析商業本質，兩者存在根本差異。台積電的護城河源於物理製程的獨佔技術與良率優勢，這是競爭者難以跨越的技術壁壘。

「其實它跟台積電的模式的類比可能不是太貼切，還是要區分代工跟租賃這兩個差別，」黃凱紳指出。算力託管本質上更接近房地產的二房東模式，「算力託管其實比較像是二房東，比較不會是一個技術的護城河。你只要有資本，就可以買到 Nvidia 的 H100 等高階晶片。」

在算力租賃賽道上，只要擁有足夠資本，任何國家或企業都能向 NVIDIA 採購高階晶片並建立機房。目前中東產油國、新加坡主權基金以及美國雲端巨頭皆挾鉅資投入此領域。黃凱紳直言：「如果你這邊提到的商業模式是買機器來租給別人，那它本質上就會變成是一個資本競賽。」

若台灣僅停留在提供硬體算力層次，缺乏軟體技術差異化，最終將陷入全球算力的價格紅海戰。「到最後又會重演硬體代工低毛利的困境，」黃凱紳警告，台灣可能僅賺取微薄的管理費與電費價差。

至於被視為高附加價值的模型精煉服務，技術特性仍高度依賴資料科學家的直覺與領域知識。「模型精煉其實算是一個手工業，不是一個流水線，也就是說其實不太容易標準化。它是勞力密集的高級顧問服務，不容易像晶片製造那樣大規模的複製，進而規模化，」黃凱紳解釋。期待以模型精煉作為標準化代工產品，在現階段仍面臨規模化的實務挑戰。

軟體體質診斷：法拉利缺賽車手

台灣科技產業長期存在「重硬輕軟」的結構性失衡。雖然擁有世界級硬體設施，卻缺乏能駕馭算力的核心人才。黃凱紳以生動比喻說明：「有算力不見得就有軟體... 你把它想成說你有錢買法拉利，但是你不會這樣就變成舒馬克。」

「晶片的優勢跟算力假設有堆疊起來，它相當然就是你有一台很厲害的跑車嘛，但是你還是需要一個靈魂人物來當一個駕駛，」黃凱紳強調。這裡的人才缺口並非基層程式撰寫員，「而是能設計模型架構（Model Architecture）的架構師，以及深諳產業領域知識（Domain Know-how）的專家。」

這些決定 AI 模型能否解決實際問題、產生商業價值的關鍵人才，無法單靠購買晶片就能出現。

台灣軟體業者的營運模式多半習慣承接一次性客製化專案，而非開發可重複授權、規模化販售的標準化產品。「台灣的軟體產業的弱勢，其實不是缺機器，也不是缺硬體。比較大的問題是缺乏定義一個問題跟產品化，」黃凱紳分析，台灣長期的老問題是太習慣做專案，沒有做商品或產品的 DNA。

缺乏產品化 DNA 使台灣軟體業難以累積長期數據資產與技術疊代。同時，由於國內缺乏擁有巨量用戶的大型網路服務商，「即便說你現在有算力，可是台灣缺乏大規模的網路服務，像 Google 這樣子來提供訓練數據跟驗證場景。所以假設你沒有應用情境驅動，儘管有算力，到最後會是閒置，」黃凱紳指出應用情境缺失的嚴重性。

若無法解決人才與數據生態問題，台灣新建置的算力中心極可能淪為國外大型語言模型的海外訓練基地。「如果沒有解決人才跟數據生態的問題，其實這些昂貴的 GPU 它其實很高的可能性就會變成國外大模型的海外訓練基地，」黃凱紳警告。這代表台灣消耗大量能源與水資源運作機器，但核心模型的智慧財產權與高額軟體授權費仍掌握在外商手中，「所以說賺到的其實是電費的價差，而不會是那種高價值的軟體授權費。」

地緣風險的商業成本

在討論吸引國際數據落地時，台灣常強調民主、法治、資安作為可信賴 AI 的品牌優勢。然而對講求實效的跨國企業而言，商業決策核心依據是風險控管與營運成本。

「這些公司的考量基本上還是風險大於意識形態跟價值，這一定是這個第一，」黃凱紳明確指出商業邏輯的優先順序。

台灣位處地緣政治熱區，對外商而言將核心數據存放台灣意味著承擔更高不確定性。這直接反映在商業成本上：「比方說現在地緣政治比較緊張的話其實對這些跨國企業來講來台灣是有表示的，就是他有更高的保險費的問題，他有更複雜擔任備援成本，」黃凱紳說明企業面臨的實際財務負擔。

相較之下，新加坡與日本在物理安全性、地緣穩定度以及國際企業信賴度上更具優勢。「比起強調民主價值，像新加坡、日本可能在物理的避險上或是營運連續性上，對這些公司可能會比選台灣還有利，」黃凱紳坦言。若台灣無法在法規對接與資安認證上提出超越競爭對手的具體保證，單靠民主價值難以說服國際資本將最核心的數據資產移轉至台灣處理。

歐盟法規壁壘：GDPR 適足性的關鍵

數據主權的落實體現在跨境資料傳輸的法規接軌，這是檢驗台灣是否具備國際資料處理能力的試金石。以歐盟為例，GDPR 設有嚴格的跨境傳輸限制，若要吸引歐洲企業將敏感數據傳輸至台灣，首要關卡即是取得 GDPR 第 45 條的「適足性認定」（Adequacy Decision）。

「歐盟的資料假設要進來，台灣首先就是要先處理認證，就是對資安對數據的保障要符合到 GDPR 45 條，」黃凱紳說明法規門檻。

目前日本與韓國皆已成功取得認定，歐洲企業資可合法且自由地傳輸至日韓。反觀台灣目前尚未取得，導致歐洲客戶必須透過簽署繁補的「標準契約條款」（SCCs）並進行額外的風險評估（TIA），這些額外的法律遵循成本、行政摩擦以及潛在合規風險，大幅降低歐洲企業選擇台灣作為亞太數據處理中心的意願，成為台灣發展 AI 代工服務的一大隱形壁壘。

美國資安高標：NIST 與出口管制

針對全球最大軟體市場美國，企業關注焦點在於出口管制與高規格聯邦資安標準。涉及國防設計圖、金融交易演算法、生技藥物配方等高敏感度數據，美商採用的資安標準並非一般 ISO 認證，而是美國國家標準技術研究所制定的嚴格框架，例如 NIST SP 800-171 或 CMMC 網路安全成熟度模型認證。

此外，為防止先進 AI 技術外流至受制裁國家，美方對合作夥伴的出口管制合規性有極高要求。台灣資料中心與軟體服務商若無法通過如 FedRAMP 等聯邦等級認證，或無法落實嚴格的客戶身分查核機制，將難以取得美商信任。

結果是台灣算力中心只能承接公開型錄、網紅繪圖、一般文書處理等低毛利、低機密性的次級數據處理業務，而無法觸及核心商業機密、具備高利潤空間的關鍵運算市場。黃凱紳總結：「整體來講，台灣如果沒有升級資安規格，那即便花大錢買了這些 H100，到最後也只能夠拿來跑一些公開數據或是算圖作行銷，不太能夠碰到高毛利的商業核心。」

這將導致台灣空有先進算力，卻只能做低階加工的產業窘境。

產業轉型，合規與人才是關鍵

台灣發展主權 AI 的終局之戰，不在於囤積多少算力卡，而在於能否建立與國際接軌的軟體合規體系與產品化能力。政府與產業界需認清，算力僅是基礎設施，如同水電一般，雖然必要但非決勝關鍵。

台灣必須加速推動法規工程，首要之務是取得歐盟 GDPR 適足性認定，並協助國內廠商對接美國 NIST 資安標準，消除國際數據落地的法規障礙。同時，產業發展策略應從硬體思維轉向軟體深耕，培養能定義產品、精煉模型、並具備國際運維能力的頂尖人才。

黃凱紳強調數據與算力的關係：「原則上算力是跟著數據走，不會因為晶片在台灣，資料就過來。除非台灣自己有獨步全球的數據處理技術，不然不太容易說服國際大廠把 AI 的數據放過來。」

唯有穿越合規與人才的窄門，台灣才能擺脫出租算力的數位水電行宿命，轉型為真正能處理高價值數據、具備核心技術輸出的 AI 精煉廠。這需要政府與產業界共同正視軟體產業的結構性問題，投資長期人才培育，同時積極與國際法規標準接軌，才能在全球 AI 競賽中佔據真正有價值的位置。

核稿編輯：Claire

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 為什麼台灣需要 MIT 本土 AI 算力？
• 台灣 AI 算力大點兵：硬體故鄉的算力現況