羅世宏專欄》台灣的AI痛點：硬體大國，應用小國
丹尼爾·比約克格倫（Daniel Björkegren）是美國布朗大學的發展經濟學家，他最近發表了一篇文章，題目叫〈智識豐沛，工作者稀缺〉（The Intelligence is Plenty but the Workers Are Few），讀來讓人坐立難安。
他的核心論點如下：多數低中收入國家正在準備因應AI帶來的「資訊豐富」時代，但全球前沿已經快速推進到另一個層次——富裕國家正在準備迎接「智識豐沛」的新現實。兩者之間的落差，將決定哪些國家能夠從這波AI浪潮中真正受益，哪些國家只是繼續扮演原料供應者的角色。
比約克格倫把這個問題的核心定位在「知識工作者的比例」：高收入國家約有41%的勞動力從事管理、技術、專業等知識工作，低收入國家這個比率低於10%。他認為，現階段的AI工具需要大量人工引導，主要策略是讓現有的知識工作者把AI嫁接進自己的工作流程。知識工作者愈多，嫁接的起點就愈多，AI帶來的生產力紅利也就愈大。這個邏輯本身很難反駁。
台灣在哪裡？
表面上，台灣的數字非常亮眼：由AI相關出口與半導體狂潮帶動，台積電等科技巨頭獲利屢創新高，輝達執行長黃仁勳更公開稱台灣是「全球電腦生態系的中心」。然而就在同一時期，台灣經濟卻呈現顯著的「K型復甦」——傳統產業與內需服務業出口與成長相對低迷，無薪假風波在傳產與製造業中下游時有所聞。根據勞動與薪資統計，台灣高達近七成的受薪工作者，其月薪始終低於整體平均值。財富高度集中在科技供應鏈的特定環節，拉高了宏觀的經濟平均值，卻掩蓋了廣大基層內需市場的停滯。
台灣現在的問題，剛好就是比約克格倫所描述的那種「AI帶來的獲益高度不對稱」的鮮明案例：做晶片、做伺服器、做硬體的產業鏈賺得盆滿缽滿，但這些財富的滲透率有限：它沒有大量進入服務業、製造業中下游，或任何一個需要「知識工作嫁接AI」的廣大軟體應用部門。
台灣絕非缺乏知識份子的低收入國家，但我們正陷入一種「知識偏食」的狀態。台灣每百萬人口擁有極高密度的工程師，但這群頂尖人才高度集中在半導體和電子硬體製造，而非AI軟體與應用服務業。這讓台灣陷入一種奇特的處境：我們是全球AI基礎設施的建造者，卻未必是AI智識紅利的主要受益者。台灣的比較優勢至今仍然深深刻印在硬體供應鏈，而非在知識生產與知識服務。
嫁接，還是跨越？
比約克格倫在文章中提出一個有意思的對照：對富裕國家來說，AI主要是把新工具嫁接到既有的知識工作者身上；但對知識工作者稀缺的低收入國家，或許真正的機會在於「自動化知識工作」本身，讓原本沒有受過高等教育的創業者能夠直接呼叫AI完成複雜決策，而非只是把試算表格式化。換句話說，知識工作者少，不一定是絕對的劣勢。如果AI能夠真正自動化某些層次的知識決策，那麼缺乏既有工作流程的束縛，反而可能是一種後發優勢。
但這裡有一個比約克格倫本人也沒有完全解答的問題：自動化的知識工作，終究還是需要懂得提問、懂得判斷、懂得驗證結果的人。他在文章中坦承，即便是高度自動化的系統，仍然「可能需要具備深度專業知識的企業家和科學家來進行監督，而這類人才也許只在較富裕的國家才有足夠的供應」。
夾在中間的台灣，處境最為尷尬。我們既無法像歐美富裕國家那樣，在各行各業都有充足且多樣化的知識型白領來全面「嫁接」AI；也無法像低收入國家那樣，毫無歷史包袱地進行蛙跳般的「跨越式發展」。當政府雄心勃勃地宣示要將台灣打造為「人工智慧島」，並砸下重金升級數位基礎建設與算力時，我們必須承認：建構硬體基礎設施，和培養全社會的知識應用能力之間，有著極為巨大的鴻溝。
數位可判讀性是隱形痛點
比約克格倫在文章中也提出一個容易被忽視的概念：數位可判讀性（digital legibility）。他說，AI要能夠理解並介入某個市場、診所、學校、或農場，前提是這些場域已經用結構化的方式記錄資料。如果沒有，AI就像一個語言天才，卻被要求閱讀一份從未被謄寫出來的手稿。
台灣在很多政府公共基礎設施上的數位化程度相當高，但整體經濟結構的數位可判讀性是否足以讓AI廣泛發揮作用，還是一大問號。
中小企業佔台灣企業總數超過98%，許多傳統製造業、內需服務業、批發零售業的技術訣竅（know-how）與運作邏輯，至今仍然依賴老闆的「腦袋」、非正式的口頭協議，或者是通訊軟體裡碎片化的對話。這些場域的數位紀錄缺乏結構化與系統化，其「數位可判讀性」極為薄弱。當真實世界的運作無法被轉譯為AI讀得懂的語言，智識豐沛的紅利自然就無法嵌入這些廣大的民間部門。