人工智慧的全球競爭，正由企業競賽升高為國家戰略競爭。美國強在平台與資本，歐盟重在治理與規範，部分大型亞洲市場則著重規模化落地與供應鏈整合。台灣若要在這場競逐中持續提升地位，不能只停留在製造端，而應進一步思考如何成為AI協作與整合的樞紐。

台灣長期以來在全球科技供應鏈中扮演關鍵角色，特別是在半導體、伺服器與ICT系統整合領域，已是AI發展不可或缺的基礎。「AI Made in Taiwan」不僅是事實，也是優勢。然而，AI競爭的重心正在改變，從「誰能製造AI」，轉向「誰能整合並放大AI的價值」。

這個轉變，從兩個國際案例看得最清楚。OpenAI在2026年初推出ChatGPT Health，讓使用者可在授權下連結醫療紀錄與健康App，協助理解檢驗報告、整理看診重點、追蹤飲食與運動等日常健康管理，這代表AI不再只是回答者，而開始把醫療、穿戴裝置、飲食與運動等不同產業的資料串起來，形成一個以個人為中心的健康協作「整合者」。

Google也在2026年初推出Universal Commerce Protocol（UCP），讓AI代理可在Search、Gemini等介面中串接商品、庫存、付款與配送流程，使用者甚至可以在對話中完成交易，不必再切換到不同平台。Google同時把UCP定位成一種開放標準，並已與多家零售與電商平台合作，這顯示AI的競爭焦點，已從內容與搜尋，延伸到商務流程編排。

換言之，AI真正的價值，不只是模型有多強，而是能否把分散在醫療、健康、購物、支付、物流與服務之間的資料與流程搭橋接起來。未來的競爭，不只是單一AI能力之爭，更是跨系統、跨產業、跨場景的協作能力之爭。

目前多數企業的AI應用，仍停留在客服、助理、知識管理等單點優化階段。這些應用雖可提升局部效率，卻難以串接完整流程，更難跨企業創造新價值。其瓶頸不在模型本身，而在資料、系統與流程之間缺乏有效連結。

回顧過去數位轉型經驗，ERP、CRM、MES與SCM等系統雖提升營運效率，卻也形成資訊孤島。若AI仍建立在這些彼此分離的架構之上，再先進的模型也難以發揮整體效益。因此，AI時代的關鍵基礎建設，除了算力，更在於連結能力。

這種連結能力，正是台灣下一階段最需要補上的一座「看不見的橋」。

政府推動AI新十大建設，方向值得肯定。若要讓政策真正轉化為產業動能，重點不應只放在硬體投資，更要著眼於制度與機制建設，以降低協作成本並提升跨域互通性。具體而言，可從三方面著手。

第一，推動重點場景跨系統互通標準，並與國際標準接軌。包括AI代理人之間的通訊協定、API介面規範、身分驗證與授權管理機制，使不同企業與平台的AI系統能在安全前提下互通操作。

第二，建構可信任的資料治理環境，提升企業參與資料共享與跨域合作的意願。資料是AI的核心資源，但其價值取決於能否在安全、合規與可追溯的前提下流通，強化隱私保護、資安機制、智慧財產權界定與責任歸屬。

第三，推動跨產業應用場域。AI的高附加價值，多來自跨域整合，例如製造結合物流、金融結合醫療、零售結合支付與數據分析。相較於單一主體主導，透過產業聯盟、公私協力與示範場域，較有助於累積實證案例，降低導入風險。

整體而言，在全球AI競爭持續深化之際，台灣不必也不可能在平台戰場上與美國全面競逐，但若能在健康、製造、物流、金融等關鍵場景中，持續強化資料互通、系統整合與流程編排能力，就有機會成為可信任的AI協作節點。屆時，「AI Made in Taiwan」將是重要基石，而「AI Orchestrated by Taiwan」也可從願景，逐步轉化為台灣在特定產業中的實際定位。

延伸閱讀

盧希鵬／搭橋：AI 真正的殺手級應用

Palantir 執行長 Alex Karp 最近公開說，他接觸的每一家大型企業客戶都在抱怨：「我花了很多錢買 Token，可是根本沒有為企業創造價值。」

這句話很重要。

不是因為 Token 太貴，而是因為它問了一個更本質的問題：AI 的價值，到底是什麼？

很多人以為，AI 越厲害就越有價值。其實不是，經濟學告訴我們，價值不是來自供給，而是來自需求。你在公司值多少薪水，不是因為你多厲害，而是因為公司需要你的厲害。

AI 也是一樣。

模型能力再厲害，如果沒有人需要，它的價值就是零。今天很多企業導入 AI，只是在分析報表、整理會議紀錄、寫 Email、做簡報、寫程式。這些當然有價值，但本質上都是在分析既有需求、優化既有流程。

如果 AI 每半年能力就翻倍，人類的工作方式會每半年翻倍改變嗎？當然不會。這就是Karp所抱怨的，AI 的進步是指數的，人類組織的改變卻是線性的。這就是今天大家覺得花了很多Token買AI算力，但是對企業的價值卻沒有等比例增加。

換句話說，我們拼命把 AI 做得越來越強，但企業卻沒有足夠的新需求可以承接這些能力。於是開始有人覺得：「AI 很厲害，可是我不知道拿來做什麼。」

所以，今天真正稀缺的，不是模型能力，而是創造需求的能力。歷史上，每一次科技革命，都不是因為技術本身成功，而是因為出現了能為「新技術」和「新市場」搭橋的殺手級應用，。

舉例來說，網際網路真正爆發，不是因為 TCP/IP，而是因為 Google 讓普通人能找到資訊。智慧手機改變世界，不是因為 iPhone 本身，而是 App Store 讓開發者能為各種需求寫 App。這些都是把原本沒連結的兩端搭起橋來。

這也是為什麼 Google 推出 UCP，讓Gemini與資訊、金流、物流不同商業系統搭橋。OpenAI 推出 ChatGPT Health，為ChatGPT與個人醫療、穿戴裝置、飲食與運動等不同產業搭橋 。這些橋，將平台經濟轉型為AI 代理人經濟，徹底改變現有商業模式。

不過，並非所有 AI 公司都在開創新市場。

Anthropic 的策略很有意思，它先觀察哪一家新創開始賺錢，然後自己跳進去。舉例來說，Claude Code 本來是 Cursor 的市場；Claude Legal 本來是法律 AI 公司的地盤；Claude Security、Claude Science每一個都是別人辛苦教育市場、找到需求之後，Anthropic 再利用底層模型優勢直接切入，也是另類的殺手級應用。

但，這讓很多新創開始害怕，最大的風險，不是沒有市場，而是你教會市場之後，模型公司自己下來做。

但這個現象值得我們多想一層，如果 AI 一直在吃掉昨天的需求，那誰來創造明天的需求？

除了Google、OpenAI與Anthropic，最近 SAP 也做了一個大膽的轉向。兩年前，它因為 AI 裁掉近萬人；現在，它反而新增三千五百個職位。這些新職位不在寫程式，而是深入客戶現場，陪客戶一起設計 AI 解決方案，建立 AI Agent、打造企業 AI 大腦。這些顧問不再賣軟體，而是陪客戶走一遍營運流程，找出哪些決策點可以交給 AI Agent，哪些需要人類判斷與溫度，可以重新設計哪些服務流程，從而設計全新的協作模式。

因為 SAP 發現，真正有價值的已經不是軟體本身，而是幫客戶看見他們自己沒看見的需求。

AI 的能力正在指數成長，但人類真正需要指數成長的，從來不是模型，而是想像力。
 

（節取自盧希鵬老師臉書）