算力、模型與人才 在地創新推動全球競爭力
AI 不單是技術競賽，更牽涉企業在「算力、模型與人才」之間的配置調整。聯發創新基地作為臺灣科技研究前哨，推動 AI 結合在地文化與產業優勢，並從導入、落地到主權 AI 布局提出觀察，呈現生成式 AI 的產業發展趨勢。
採訪／林振輝、施鑫澤‧文／鄭宜芬‧刊期／2026.5
創新是一場永無止境的接力賽，聯發科技近三年投入超過三千億台幣研發經費，連續五年榮登 LexisNexis「全球百大創新企業」。其中，聯發創新基地（MediaTek Research）作為前瞻技術研發據點，聚焦生成式 AI 與在地應用的結合，從技術研發延伸至產業落地與治理議題。
生成式 AI 的影響已不僅止於技術層面的突破，而是擴展至產業結構與企業治理層級。從模型能力與算力資源的快速演進，到產業價值鏈向少數關鍵技術供應者集中，再到企業在資料、系統與決策機制上的重新調整，牽動整體營運模式。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
AI 時代的企業挑戰與主導權
面對生成式 AI 的浪潮，企業除了導入技術，更應重視整體IT治理、投資決策與主導權的重新分配。
聯發創新基地負責人許大山表示，部分企業在基礎設施策略上，開始採購小型 AI 伺服器進行在地部署。對於研究單位而言，購置自有設備具備操作方便與資料安全的優勢，可進行各類測試而不影響外部系統，類似過去 IC 設計工程師普遍配置專屬工作站的做法。
在生成式 AI 帶動產業價值重分配的過程中，傳統軟體業者面臨市值蒸發危機，企業內部在決策層面也出現不同觀點的拉鋸。CFO 關注 ROI 與成本控管，CIO 則需因應市場競爭與同業壓力，推動 AI 導入與升級，形成短期效益與長期競爭力之間的平衡問題，既要因應當前導入壓力，也需避免過度依賴單一技術路線所帶來的長期風險。特別是在生成式 AI 逐漸平台化的趨勢下，主導權不僅關係到技術選擇，更影響未來產品發展方向與商業模式彈性。
許大山表示，軟體業的主要問題是失去了主導權，當關鍵 AI 能力集中於少數掌握基礎模型的企業手上時，其他業者在功能調整、服務設計甚至發展策略上將受制於上游技術供應商，影響自主性與差異化能力。企業能在軟體中加入哪些 AI 功能，並非自己能完全控制，這也成為當前面臨的重大風險。
由於 AI 演進速度極快，已超越企業組織調整的節奏，過往透過設立專責部門因應變革的方式，已難以及時因應持續變動的需求。企業領導者需要改變傳統的管理思維和組織架構，以因應快速變化的需求。
同時，相較於傳統 IT 系統強調穩定與低錯誤率，AI 技術本質上具備一定容錯空間與快速迭代特性，兩者在治理思維上存在明顯差異，企業亦需相應調整組織與管理方式。
[ 推薦閱讀：實體AI落地！實體AI與機器人跨越盧比孔河時刻已然降臨 ]
導入 AI 策略 低成本試錯與應用導向
從傳統 AI 邁向生成式 AI，許大山表示，多數竹科園區企業在 AI 導入相當積極，堪稱走在世界前沿。生成式 AI 的應用潛力非常龐大，如何應用皆取決於企業的想像力與探索能力。
許大山表示，AI 已逐漸導入多項日常與專業工作流程。在核心技術領域，AI 可輔助 IC 設計流程縮短研發時程。在非技術性領域，如銷售準備、市場研究與內部溝通，AI 能大幅提升效率，特別是在 Email、週報等文件處理上，可大幅減少人工作業時間。AI 推理（inference）在製造業能帶來的具體效益也令人期待。
對於中小企業導入 AI，他認為應鼓勵員工進行試錯。生成式 AI 的導入門檻與試驗成本相較於傳統 IT 專案已大幅降低，使企業能以較小成本快速驗證應用價值。
尤其過去大型企業採購伺服器多以數年為週期，但在 AI 訓練領域，硬體可能在短時間內即被新一代設備取代。對於企業是否自行開發模型，許大山認為，不同企業條件與著力點各異，從成本效益角度來看，半導體產業在自行開發模型或訓練上，可將底層大模型交由專業廠商建置；而中小企業與其從零建置完整 AI 基礎設施，不如善用別人已建好的強大模型去探索應用，無需自己從頭建造基礎設施，在可控成本下推動 AI 應用落地。
他也強調，技術的掌握最為重要，即使企業不從頭開發底層模型，也需要了解模型是如何運作的。若能掌握技術，透過實際操作積累經驗，知道它的能力與極限，並且透過產學合作培養人才，才能快速抓住市場機會。
中小企業的 AI 策略 共享資源與轉變觀念
隨著 AI 基礎設施門檻快速提高，中小企業難以負擔自建成本，AI 硬體如 GPU 多以機架或叢集形式銷售，投資金額動輒數百萬甚至更高，若不採用共享資源的模式，將被過時的物理限制拖垮，很快會被淘汰。
許大山建議，中小企業可採用資源共享模式，如由政府或產業園區推動共享算力平台，或建立物理性內網等具備安全控管的內網環境，讓中小企業也能使用高階運算資源。
過去企業導入 AI，往往需投入大量時間進行資料清理與結構化處理，成為導入門檻之一。許大山認為，隨著大型語言模型能力提升，即使面對雜亂或不完整的資料，也具備一定的理解與修正能力不再需要大量預處理或像過往依賴特定數據。
例如過去企業常因 Excel 資料不規則、錯誤多而難以導入 AI 應用，現今可逐步調整觀念，在妥善控管機密資料的前提下，即使資料尚未完整，也可開始嘗試導入 AI。
AI 導入風險 生產力落差與高階研發挑戰
在 AI 投資持續升溫的背景下，許大山表示，目前看不到 AI 發展放緩的跡象。巨頭們燒錢是為了追求最終的市場寡佔地位，這是典型的商業策略，他們有能力控制虧損規模。至於挑戰者想要擠進寡佔的位置，若投資的不夠多仍難以匹敵。相較於技術與商業因素，他認為，未來更大的不確定性較可能是監管政策，監管可以凌駕技術或商業，影響甚至可能直接改變技術發展方向，這是產業須關注的方面。
儘管 AI 帶來便利，但在應用層面也造成「生產力幻覺」的現象。研究顯示，雖然使用者感覺使用 AI 可節省約 24% 時間，但實際上在處理高階程式開發（Advanced Coding）時，處理 AI 產出的錯誤反而增加 19% 的總開發時間。這導因於 AI 與人類的邏輯不同，工程師在最後 5% 的除錯階段，往往要花更多力氣去理解 AI 產出內容，導致整體流程未必如預期縮短。這顯示 AI 目前在低階重複性工作上具備明顯效益，但在創新與高難度研發上，人機磨合仍需一段時間。
許大山認為，AI 能提升效率，但也可能因使用方式不當，導致品質下降。善用 AI 的關鍵在於使用者「會不會用」，例如理解AI的限制、調整使用方式，學習如何與 AI 協作，當團隊經過磨合，少數成功的人就可以教導其他人，讓整個團隊善用強大的工具。
許大山也提醒，企業若完全依賴外部模型，未來在功能調整與商業模式上，可能受制於少數國際供應商，影響長期自主性與策略彈性。建議企業仍應具備一定程度的技術掌握能力。
[ 推薦閱讀：以「人本設計」重塑企業遊戲化策略與 AI 教練實戰指南 ]
主權 AI 落地 多語混用辨識模型
在企業應用與風險之外，AI 發展已延伸至更高層次的主權與治理層面。
許大山表示，主權 AI 的核心特色之一在於對本土語種的掌握與理解。聯發科近期發表全新 MediaTek Research Breeze 3 系列，包含臺語語音辨識模型 Breeze ASR 26、臺語語音合成模型 BreezyVoice 26，以及專為臺灣設計的 AI 內容安全防護模型 Breeze Guard 26，深耕繁體中文與臺灣文化，並在 AI 應用領域上建立在地化的安全防線。
他表示，聯發創新基地的定位，不只是單純與國際大型企業競逐大規模工業化AI（Industrialized AI），而是聚焦特定技術突破與在地應用。MediaTek Research Breeze 3系列不僅具備金融服務場景的應用潛力，更兼顧社會貢獻與鞏固AI主權的意義。
為防範濫用風險，團隊在模型釋出策略上將 Breeze ASR 26 及 Breeze Guard 26 經由導入浮水印機制後，開源分享給大眾使用，商業應用則另行洽談。目前已知企業導入後獲得正面效果，聯發創新基地也將持續收集外界對模型的回饋，持續提升技術。
臺灣 AI 佈局 Edge AI 與雲邊協同的機會
從產業發展角度來看，臺灣在全球 AI 生態系中的定位，逐漸聚焦於硬體優勢與雲邊協同架構。目前雲端 AI 勢頭強勁，有觀察指出，隨著 AGI（通用人工智慧）在 2027 年可能趨於平緩，Edge AI 將有機會追趕上來。
許大山表示，臺灣在 Edge AI 與硬體／韌體整合上具有全球領先優勢。現在雲端 AI 進步極快，Edge AI要追趕，必須展現出相對於雲端AI的獨特價值，例如即時性、隱私性或特定場域的在地運算能力。發展 Edge AI 的賣點很多，其中之一就是降低成本，企業在布局 AI 時，可從實際需求出發，思考雲端與邊緣如何分工與合作，以達到最佳效益。
[ 推薦閱讀：【簡報包】AIF《2026 台灣產業 AI 化大調查》：台灣產業 AI 化躍升、治理成轉型關鍵 ]
AI 重塑人才結構 推升資深價值
隨著 AI 發展，人才結構亦出現變化。2025 年矽谷裁減了大量初階工程師，但同時也新增數十萬個 AI 相關工作。顯示就業市場正在重組，長期可能造成資深人才不足的斷層風險，包括知識傳承中斷、專案經驗累積不足，以及團隊在關鍵技術領域的接續能力下降，進一步影響研發效率與創新動能。
許大山指出，在初階人才成熟前的這段過渡期，資深工程師的經驗與判斷能力仍具關鍵價值，有助於團隊建立正確的 AI 使用方式與流程。特別是在高階研發與實體應用（Physical AI）領域，AI 雖可協助生成初步方案，但在關鍵環節，仍高度依賴資深工程師的專業能力與經驗。
另一方面，隨著產業數位化程度提高，硬體公司也需要強大的軟體團隊來維持運作，硬體與軟體的界線逐漸模糊。企業需重新思考培育與用人策略，以因應AI帶來的長期變化。
生成式 AI 的發展仍處於快速演進階段，技術、商業模式與監管環境皆充滿不確定性。企業從導入策略、應用場景到主權 AI 與產業定位，應持續理解與調整方向，並建立具備自主性的技術能力，才能夠在快速變動的AI浪潮中，站穩產業重組的關鍵位置。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
