2026年標誌著一個重要的轉折點:生成式人工智能(AI)已不再停留於實驗階段,而是演變為一場圍繞基礎設施展開的軍備競賽。英偉達提出的萬億美元級“AI工廠”願景,將半導體制造、數據中心與主權AI模型整合為相互關聯的戰略資產。如今,各個國家和地區政府與企業必須同步投資這些領域,才能在新一輪競爭中占據有利位置。
東亞科技供應鏈中的三個關鍵參與者——台灣地區、日本與韓國——均已卷入這場AI生態系統的重組。台灣依托台積電(TSMC)的先進制程技術,以及成熟的服務器原始設計制造商(ODM)產業生態;日本試圖通過國家級企業聯盟重建先進邏輯芯片制造能力;韓國則進一步鞏固其在存儲芯片領域的優勢,並借助國家支持推動半導體初創企業的發展。
盡管三個經濟體采取的路徑各不相同,但它們最終爭奪的是同一個戰略目標:掌握AI價值鏈中不可或缺的關鍵環節。
從現有硬件能力與國際地位來看,台灣地區仍是這一生態系統的核心參與者,也是目前綜合實力最強的一方。然而,日本與韓國正推動規模龐大、由國家統籌協調的產業計劃,台灣的領先優勢因此面臨越來越大的壓力。
一、台灣:硬件強者,軟件短板
評估台灣地區在AI領域的地位,首先必須區分兩個經常被混為一談的領域:半導體制造與AI基礎設施。台積電的先進制程技術使其具備制造先進芯片的能力,這屬於半導體制造的範疇。另一方面,廣達與緯創等企業將英偉達GPU集成到AI服務器中,並構建數據中心系統,使芯片轉化為可實際使用的AI基礎設施。
這兩個領域都是台灣地區已經建立的優勢。這也有助於解釋,為什麼台灣在英國智庫Tortoise Media編制的《全球AI指數》(Global AI Index)中,基礎設施排名全球第七,政策戰略排名第八。這些排名在一定程度上反映了台灣當局推動的“晶片驅動台灣”(Chip-Powered Taiwan)計劃,以及該計劃吸引英偉達與超威半導體(AMD)在台灣島內設立研發機構和數據中心業務的成果。
第二個同樣重要的區分,是AI基礎設施與AI應用之間的差異。AI基礎設施關注的是一個經濟體是否擁有充足的計算能力(算力);AI應用則決定這些算力能否轉化為具有商業價值的產品與服務。換言之,一個經濟體能否自主開發大型語言模型(LLM)、AI軟件平台,或面向特定行業的AI應用?這正是台灣表現最弱的環節。
台灣在AI開發能力方面排名第27,該指標衡量自主開發大型語言模型與核心算法的能力;在商業生態系統方面排名第30,涵蓋AI初創企業的融資能力與盈利表現;在人才方面排名第33,反映出台灣資深AI軟件工程師與世界級研究人員儲備不足。
雖然台灣在公眾對新技術的接受程度方面表現相對良好,排名第15;在半導體與計算機科學領域的學術研究產出方面也排名第18,但這些優勢尚未轉化為突破性的AI軟件平台,或具有全球競爭力的獨角獸企業。台灣島內至今仍未誕生一家在規模上足以媲美OpenAI或Anthropic的AI企業。
造成這一弱勢的結構性因素包括:可用於模型訓練的繁體中文語料規模有限;風險投資市場僅為美國市場的一小部分,而全球約90%的AI初創企業融資集中於美國;以及長期以來偏重硬件、相對忽視軟件的產業結構。這種失衡也促使資深軟件人才流向薪酬更高的集成電路(IC)設計行業,進一步限制了台灣地區AI軟件生態系統的發展。
綜合來看,台灣地區的AI排名呈現出一個典型特征:硬件強,軟件弱。這也解釋了為什麼台灣選擇將資源集中於算力自主、TAIDE等AI模型,以及法律與監管體系建設,包括制定《人工智能基本法》、強化數據安全監管和建立反深度偽造機制,而不是效仿韓國,大舉投資存儲芯片制造廠,參與資本密集型擴張競賽。
二、日本:從頭重建——Rapidus與Noetra
日本采取的策略遵循一套明確的模式:政府提供資金支持,企業聯盟負責執行,制造業負責將相關技術投入實際應用。
在硬件方面,日本將重建先進邏輯半導體制造能力的任務交給了Rapidus。Rapidus成立於2022年,由豐田、索尼、NTT、軟銀、NEC、電裝、鎧俠與三菱UFJ銀行八家公司共同創立,各家公司持有相同份額的股權。Rapidus正與IBM合作,在北海道千歲市的新建晶圓廠開發2納米環繞柵極(GAA)晶體管制程技術。該公司計劃於2027財年下半年開始實現2納米制程量產。截至2026年,日本政府累計向Rapidus提供的研發支持資金已達到約2.354萬億日元,參與投資的企業數量也已從最初的八家增加至32家。
在軟件方面,日本將此前較為分散的GENIAC補貼計劃整合為Noetra,並於2026年啟動該計劃。Noetra由索尼、軟銀、NEC與本田四家核心企業發起,目前已吸引超過44家日本企業參與投資,涵蓋半導體、機器人、汽車、鋼鐵、金融、保險與建築等行業。該計劃的目標是開發日本自主的多模態基礎模型,以及實體AI(Physical AI)技術體系。
日本經濟產業省(METI)將在2026至2030財年間為該計劃提供約1萬億日元的支持,目標是在2028財年之前訓練出參數規模約為1萬億的基礎模型。日本進入AI基礎設施競賽時,其半導體制造能力落後於台灣地區與韓國。因此,日本選擇集中資源,重建一個國家級先進晶圓代工平台,同時將AI應用重點放在日本原本就具有競爭優勢的行業,尤其是制造業、汽車與機器人領域。
本質上,日本的策略是先縮小半導體技術差距,再利用既有的制造業優勢推動AI應用落地。這未必是實現AI競爭力的最快路徑,但其背後擁有一個覆蓋範圍相當廣泛的產業聯盟作為支撐。
三、韓國:將存儲芯片優勢轉化為談判籌碼
韓國的核心策略,是將其在存儲半導體領域的既有優勢,轉化為AI時代的戰略談判籌碼。英偉達日益重視韓國,正是因為看到了這一優勢。在英偉達與韓國政府、三星、SK集團及現代汽車集團的合作框架下,四方各自獲得了超過5萬顆英偉達Blackwell GPU的配置額度。韓國政府通過科學技術信息通信部,利用獲得的GPU資源建設國家級AI計算中心,並支持主權基礎模型計劃。
三星電子正運用英偉達Omniverse平台,為其半導體生產線建立數字孿生系統,以加速2納米與1.4納米制程的開發,並開展新材料應用的仿真測試。SK集團則正在建設工業AI雲,並已建立亞洲首個基於英偉達Blackwell架構的實體AI驗證平台。
與此同時,現代汽車集團正結合政府的監管支持、英偉達的計算能力,以及自身在汽車領域的應用能力,加速無人化智能工廠與智能出行解決方案的商業化。
SK集團的角色尤其值得關注。旗下子公司SK海力士(SK hynix)是全球高帶寬存儲器(HBM)供應鏈中的關鍵企業。僅在2026年,該公司便承諾額外投資約21.6萬億韓元,用於其龍仁晶圓廠,目標是在2030至2031年間,將整體動態隨機存取存儲器(DRAM)月產能從約55萬片晶圓提高至100萬片。這一戰略地位有助於解釋,為什麼英偉達持續擴大在韓國的布局,並將韓國視為優先合作夥伴。韓國的雄心還體現在總統李在明於2026年6月公布的“三大超級項目”中。
這些計劃預計總投資約2000萬億韓元。其中包括:在韓國西南部建設四座新型先進存儲芯片工廠,投資規模達800萬億韓元;以及在2035年前投入超過1000萬億韓元,建設總供電容量達18.4吉瓦(GW)的AI數據中心。第三項計劃聚焦實體AI,目標是在2030年前使韓國躋身全球前三大AI機器人強國之列。
四、三種AI戰略,三種不同的選擇
盡管三個經濟體都在推動AI,但由於各自的產業結構不同,采取的策略也存在顯著差異。
日本的主權AI戰略沿著硬件與軟件兩條路線並行推進。Rapidus負責恢復國內先進半導體制造能力,Noetra企業聯盟則負責開發日本自主的大規模基礎模型與實體AI技術體系。最終,這兩條路線預計將在制造業、汽車與機器人等應用領域匯合。
相比之下,韓國采取的是由政府主導、通過競爭性遴選確定參與團隊的模式。2025年8月,韓國政府從15個申請團隊中選出五支隊伍,參與“主權AI基礎模型”計劃,分別為Naver Cloud、Upstage、SK Telecom、NC AI與LG AI Research。這些團隊每六個月接受一次評估,預計到2027年,最終參與競爭的隊伍將縮減至兩家國家級領軍企業。該計劃預算約為5300億韓元,目標是使韓國自主基礎模型的性能達到全球領先模型的約95%。
此外,SK Telecom旗下的Haein Cluster已部署超過1000顆英偉達B200 GPU,重點開發電信領域專用大型語言模型,以及支持低延遲第六代移動通信(6G)與人工智能無線接入網(AI-RAN)的邊緣計算技術。
台灣的AI戰略則相對輕量化。其核心是發展TAIDE等自主大型語言模型,並建設公共算力基礎設施,確保關鍵數據,以及繁體中文所承載的語言與文化語境,不會完全依賴外國科技巨頭。台灣同樣重視法律與監管體系建設,包括《人工智能基本法》、數據安全與反深度偽造法規,目標是在推動各行業采用AI之前,先建立可信賴的制度基礎。
五、重資產、追趕型與輕資產:三條分化的戰略路徑
比較三個經濟體,可以發現它們的戰略方向正出現明顯分化。
韓國采取的是“重資產、全垂直整合”策略。從上遊的高帶寬存儲器生產,到中遊配備數萬顆GPU的AI數據中心,再到下遊的機器人與現代汽車相關業務,韓國正推動整個硬件生態系統朝著更高程度的自主化發展。
這項策略的潛在優勢在於能夠形成龐大的生產能力。三星與SK海力士合計掌握全球AI存儲器市場近乎主導性的地位。然而,這項策略也伴隨著相當大的風險。如果AI硬件需求轉弱,新建晶圓廠所產生的折舊成本,加上潛在的產能過剩問題,可能成為沈重的財務負擔。
日本則采取“通過企業聯盟縮小技術差距”的策略。政府為Rapidus提供資金,將其打造為國家級先進制造平台;與此同時,日本依靠由眾多成熟制造企業組成的廣泛聯盟,將AI整合進各類工業應用。這種模式能夠覆蓋廣泛的產業領域,但商業化進程可能相對緩慢。
台灣地區則采取“輕資產、軟件治理”策略。台灣沒有加入資本密集型的硬件擴張競賽,而是利用其在晶圓代工、先進封裝與半導體測試領域的既有優勢,進一步向AI價值鏈的更高層次發展。其資源主要投向算力自主、主權基礎模型與法律監管體系建設。
在三種策略中,台灣地區所需承擔的新增財務負擔最輕。然而,台灣在AI基礎設施方面的投資規模仍遠低於韓國,同時也缺乏能夠拓展國際市場、具有全球競爭力的AI軟件品牌。
六、台灣地區最強勁的競爭對手,可能就在隔壁
展望未來,韓國很可能成為台灣地區最直接、也可能最具威脅性的競爭對手。原因很簡單:AI與半導體是同一枚硬幣的兩面。如果缺乏先進芯片與充足的存儲器產能,大型AI模型就無法得到有效訓練或部署。
台灣地區與韓國是目前僅有的兩個同時具備先進邏輯芯片制造能力,並擁有大規模存儲芯片生產能力的經濟體。日本正通過Rapidus奮力追趕,但其先進制造能力仍處於重建階段。
韓國選擇直接將其在存儲半導體領域的優勢,轉化為對AI基礎設施的影響力。近年來,英偉達也明顯增加了對三星與SK集團的資源投入。如果韓國的“三大超級項目”能夠按計劃推進,台灣在AI基礎設施領域的相對優勢可能面臨顯著壓力。
與此同時,台灣也面臨自身的地緣政治風險。
美國持續施壓、要求半導體供應鏈逐步降低對台灣地區依賴的可能性依然存在。這一趨勢通常被稱為“去台灣化”。
台積電在美國擴建晶圓廠的規模與速度,也日益成為華盛頓在談判中使用的籌碼。可以預見,台積電可能面臨更大的壓力,被要求將最先進的制程技術進一步轉移至美國本土。這可能削弱台灣地區長期以來賴以維系安全的“矽盾”效應。
在這樣的背景下,台灣地區若要維持現有的領先地位,不能僅僅繼續投資算力自主與AI模型。台灣還必須正視自身在AI應用與商業化方面的短板,並在地緣政治不確定性持續升高的情況下,建立更加明確的戰略。
這或許正是台灣地區能夠從韓國的舉國動員模式,以及日本的企業聯盟模式中汲取的最重要教訓。
轉載自《觀察者》
















