沒有AI算力主權 台灣護國神山只是幻覺

牛津大學研究團隊近期發布「AI算力主權」報告，強調AI時代真正的戰略資源，不再僅是製造晶片的能力，而是能否掌握3大關鍵要素：大型訓練級AI資料中心、雲端服務的自主性，以及AI加速器的設計與供應鏈主導權。表面看來台灣似乎具備這三項條件，實則在核心實力上明顯不足。

首先，台灣目前僅有「推論級」的AI運算設施，尚欠缺支援大型語言模型所需的「訓練級」高階算力。其次，雖有本地雲端服務供應商，但全球AI訓練型公有雲市場仍由亞馬遜、微軟、谷歌等美國巨頭所主導。最後，雖然台積電AI晶片製造仍處領先，台灣卻未能掌握AI加速器的設計與架構主導權，仍僅處於這方面的全球價值鏈生產端，而非決策核心。

根據該報告的比較框架，台灣在AI算力主權的整體實力，不僅落後於日本、南韓、新加坡，甚至也不如印度與阿聯酋。換言之，台灣雖擁有先進的晶片製造能力，卻尚未建構出自主可控的超級AI算力，更難在全球AI基礎建設的發展方向上發揮主導作用。值得警惕的是，晶片製造技術雖然目前領先，長期來看卻並非無可取代，若忽視其他關鍵基礎能力的培養，所謂「護國神山」的優勢終將難以為繼。

近年台灣雖有國網中心「晶創超級電腦」等AI超算平台陸續啟用，搭載輝達高階晶片，且已能支援產學研界進行大型AI模型訓練，但在全球AI訓練型公有雲資料中心的規模化、普及化與商業化程度上，仍與前述這些領先國家有些差距。

更值得警惕的是，AI資料中心的建設與運作，高度仰賴穩定且充足的能源供應。國際能源署預估，2030年前全球的AI資料中心用電量將倍增；台灣長年面臨缺電、缺水問題，若無法建構低碳、穩定且具韌性的能源體系，將難以支撐AI產業長期發展。

要讓AI成為未來台灣的發展引擎，光靠「會做晶片」遠遠不夠；我們還需打造自己的AI工廠，也就是能在本地訓練與部署前沿AI模型的雲端基礎設施。這些關鍵平台如今多掌握在美中兩大強權手中。台灣若持續仰賴他國，不僅受限於他國技術標準與法規，還將暴露於地緣政治風險之中。

AI算力主權不只是科技競賽，更牽涉國安、經濟韌性與國際話語權；若無法自主掌握關鍵算力，台灣將被迫在全球AI發展中扮演次要角色。如果說晶片製造是台灣的護國神山，那麼AI算力主權，就是我們在未來AI時代的國運命脈。

（本文取自7月11日聯合報民意論壇，作者為佛光大學社會科學院長）