經濟社論／AI晶片賽局下　台灣應掌握系統定義權

網路科技巨頭Meta最近傳出將在9月量產自研AI晶片「Iris」。這顆晶片由Meta定義架構、Broadcom協助設計、台積電（2330）負責製造，並納入Meta未來四代AI處理器藍圖。

幾乎同一時間，中國AI新創DeepSeek也被揭露正在招募晶片設計人才、接洽晶圓代工與記憶體業者，準備開發自有推論晶片；NVIDIA則反向跨入CPU市場，以Vera搶攻AI Agent長時間、不間斷的運算需求。

表面上看，這些發展對台灣都是好消息。模型公司自己設計晶片，仍需要最先進的製程、封裝、載板、伺服器與散熱，台灣供應鏈自然有機會接到更多訂單。但值得警惕的是，訂單增加，不等於主導權提高。當模型公司開始決定晶片架構、記憶體配置、互連方式與系統軟體，台灣企業若只負責把設計圖做成晶片、把零件組成伺服器，掌握的仍是製造效率，而不是下一代AI系統的定義權。

過去半導體產業的分工相對清楚：軟體公司開發應用，晶片公司設計處理器，晶圓廠負責製造，系統廠完成組裝。如今這條界線正快速消失。AI模型的參數規模、推論方式、Agent工作流程與資料移動模式，會直接決定需要什麼CPU、加速器、記憶體、網路與封裝。競爭單位已不再是一顆晶片，而是模型、編譯器、晶片、封裝、伺服器、資料中心與應用場景組成的完整技術堆疊。

這也改變了產業的權力關係。誰能掌握工作負載，誰就能定義晶片，若能主導軟體生態，就能決定供應商；而誰能把模型、硬體與服務綁在一起，誰就能取得長期客戶與較高利潤。

台灣擁有全球最完整的半導體與ICT製造聚落，台積電也早已藉由開放創新平台及先進封裝生態，協助客戶縮短設計與量產時間。然而，我國的弱點仍在系統架構、模型、編譯器、核心IP與終端場景。會做晶片，不等於能決定晶片該怎麼做；擁有產能，也不代表擁有產業規則的制定權。

面對這場變局，我們要思索是否能從接單製造走向前期共創。晶圓代工、封裝、IC設計與伺服器業者，應在客戶的模型與產品尚未定型前就加入，針對效能、功耗、記憶體、散熱與成本共同設計。協助客戶縮短開發時間、降低總持有成本，甚至少走一年彎路。

其次，政府與大學要重建跨域人才培育。現在缺的不是更多只懂單一製程，或只會使用生成式AI工具的人，而是能橫跨AI演算法、晶片架構、系統軟體、封裝、網路與能源的系統工程師。

再者，台灣要把場域變成規格來源。製造、醫療、交通、能源、照護與國防，是台灣最有條件形成差異化AI需求的領域。政府採購與法人計畫建議應支持企業從場域資料、工作流程、安全規範與使用者需求出發，發展專用晶片、邊緣設備與系統平台。掌握真實問題，才能定義產品，也才有資格參與國際標準及供應鏈分工。

最後，資金配置也應跟著改變。國發基金與產業創投不宜只投資應用軟體或短期可見營收的服務業者，也要支持晶片IP、編譯工具、系統軟體及實體AI平台。而國科會與法人研發計畫也應選擇工業控制、機器人、醫療、車用、資安與低功耗邊緣AI等優勢領域，集中人才、資金與市場，建立可輸出的參考架構與完整解決方案。

AI時代，台灣半導體產業的風險之一不是沒有訂單，而是訂單很多，卻始終由別人決定做什麼、怎麼做，以及利潤如何分配。若能從製造能力進一步掌握系統定義、軟體整合與場域規格，則不但能守住半導體優勢，也能創造更多高附加價值的工作與所得。

當模型公司開始造晶片，台灣能否從全球最可靠的製造基地，升級為下一代AI系統不可或缺的共同設計者，將決定台灣下一個十年的產業高度與國家競爭力。