「2017年6月，Google的8位AI研發團隊提出了語言模型Transformer後，揭開了生成式AI的雛形，」台灣大學名譽教授、前科技部長陳良基在「2025台灣AI產業年會」上表示，「而直到2022年ChatGPT問市後，才算是有第一個實際應用。換句話說，生成式AI發展才剛開始。」
ChatGPT問世2年，全球企業無不發展AI。而NVIDIA執行長黃仁勳認為，2025年將會是Agentic AI（AI代理）爆發的年份。
在這個背景下，台灣該如何在半導體發展的基礎下，更加趕上AI的時代？
台灣人工智慧實驗室（Taiwan AI Labs）於1月22日舉辦「2025台灣AI產業年會」，邀請陳良基、臺北醫學大學董事長陳瑞杰、中華民國資訊軟體協會理事長沈柏延與台灣人工智慧實驗室創辦人杜奕瑾，共同討論AI的最新發展和台灣的機會。
2025年，生成式AI的目標是「謹言慎行」
杜奕瑾表示，綜觀2024年的生成式AI發展，可以發現AI面臨耗能、訓練（投資）成本高，以及數據隱私挑戰等3大困境。
舉例來說，微軟OpenAI的ChatGPT-4最新版訓練成本約為4,100～7,800萬美元之間，Meta則使用超過1.6萬張H100 GPU訓練其新模型。
此外《歐盟人工智慧法案》在2024年8月正式生效，強化對生成式AI的透明度要求、內容標識義務，違反法案的企業可能面臨高達數千萬歐元、或企業全球營收至高7%的罰款，2024年底義大利資料保護管理署（Garante）就認為Open AI在蒐集、儲存個人資料的方式違反《一般資料保護規定》（GDPR）的隱私原則，對OpenAI祭出超過1,500萬歐元的罰金。
「現在慢慢從Gen AI（生成式AI）進入到AGI（通用AI）時代，AI要做到的就是謹言慎行。」杜奕瑾說，從上面3個挑戰可以看出，2025年的AI發展必須邁向更永續的方向前進，包含能源效率最佳化、可解釋可追蹤，以及學會主動修正並用於專業領域，台灣人工智慧實驗室也為此在2024年推出運用台灣語料訓練而成的生成式AI產品FedGPT，並且已經引入醫療、金融、教育及多媒體娛樂等領域使用。
半導體只是基礎建設，台灣更需要創新AI應用
陳瑞杰就以醫療產業的實際落地舉例，自從疫情後，台灣就發現了護理人力不足的現象，像是臺北醫學大學就關閉了20%的病床，AI就是關鍵的解決辦法。
「我們去年7月就做了護理交班，以前交待一個病人要5分鐘，現在用生成式AI只要5秒鐘，還有像是醫生寫一個病例要30分鐘，現在只要3分鐘。」陳瑞杰說，過去醫療界是比較保守的，但是現在能夠讓AI全面落地的關鍵就是資訊的整合，而且必須讓AI產出的過程是可解釋的、能負責任的，才能為使用者帶來價值。
沈柏延補充，台灣在英國媒體《Tortoise Media》 的2024年AI 指數評比中僅排名第83個國家中的第21名，細究其原因，主要是軟體技術創新的評比項目研究發展（Research）和產業發展（Development），分別僅僅僅排名第27和第15，因此哪怕硬體評比排上了前5名，總體排名也算不上靠前。
陳良基表示，現在不只是Gen AI，還有Agentic AI（AI代理）、Physical AI（物理AI），「從AI的快速發展可以看到大家要的是AI的能力，而不是AI的算力。」換句話說，台灣只靠半導體是無法在AI時代撐太久的，應該從半導體代工（IC Foundry）的硬體思維轉型成為AI模型輸出國（AI Foundry），才能成為AI工業革命的中心。
AI也要採取「垂直分工模式」
「我舉個例子，台積電毛利59%，但是NVIDIA毛利是75%，代表甚麼？軟體可以帶來很多加值的空間。」陳良基認為，台灣在AI軟硬體的發展上，應該參考過去個人電腦代工的垂直分工模式。
台灣過去將個人電腦的產製模組化，垂直分工的好處就是不同規模的企業可以在產業鏈中找到合適定位，而且也不會出現投入重複資源的競爭狀況。以AI產業來說，可以有人負責硬體、有人負責模型、有人負責雲服務、也有人專門負責打造最具創新價值的應用，各司其職才能讓台灣打群架。
杜奕瑾也表示，目前許多企業都想一個人做完全部，從硬體基礎設施一直到產品應用都投入，一來可能造成資源浪費，二來對企業的發展來說也不是長久之計。
法規監管、刻不容緩
杜奕瑾也提醒，不論是產業鏈哪一環的企業，都必須注意發展AI的監管問題，而這也是台灣政府今年在AI發展上必須著力的重點，例如《歐盟人工智慧法案》就對全球AI企業產生深遠影響，但也帶來了一個統一管理的標準。
沈柏延提到，台灣現在有11個基本法，基本上各部會都有，但是數發部現在卻還沒有可以依循適用的《數位基本法》，這會造成不只是AI，還有各項數位服務的亂象，例如在電商平台上數據該歸屬平台還是商家？如果發生資料外洩或濫用，責任又屬於誰等等問題，因此發展軟體應用的同時，也該加強AI的監管力道。
陳瑞杰最後從產業實務面的角度建議，許多監管不該是武斷的「一刀切」，而是依照輕重緩急進行分級，像是美國的醫療認證FDA就會依照風險程度決定放行的標準，「AI也應該是這樣的，否則一刀切很容易卡死整個產業的發展。」
延伸閱讀
歐盟《人工智慧法案》驗證合規要求有哪些？本文一次看懂
大賺AI財的不只硬體商！簡立峰：邊緣運算、小語言模型是台灣絕佳良機
史上最難、機會也最多的創業時代！簡立峰：試著讓AI成為「共同創辦人」
未來台灣AI和新創發展方向？創新經濟顧問會議聚焦兩大議題