台灣只能跟著仁來瘋？

黃仁勳「仁來瘋」高潮之後，主流AI業者及網路服務平台（GCP）積極卡位、各據山頭，操弄著AI網路生態系統。台灣有了「仁來瘋」，AI產業真的就水到渠成？兩者之間就能劃上「等號」嗎？

自黃仁勳訪台所帶動的AI風潮後，發展和大力投資AI產業似乎已成「國策」。當全球主要AI經營者陸續加碼投資台灣，給了賴政府極大的底氣，經濟部表示，將導入AI工具，預計2028年製造業AI應用普及率，將從目前的12.3%，提升至50%。

但數據是AI時代的核心通貨，規範化、格式化的數據是AI時代的黃金。電商平台上的購物和消費個人數據，社交平台上的互動、人際關係數據，行車記錄儀上的行駛、操作數據、供應鏈管理與製造流程記錄，乃至是一個專門的文學網站數據，都變得珍貴無比，因為它們能夠訓練AI，讓AI擁有更強的能力，但條件是流量規模及市場大小，這顯然這不是台灣的「強項」！

AI產業「數據的互聯網資源化發展」是一個台灣無解的問題，台灣在AI 炒作是 NVIDIA GPU 硬體供應鏈，歐美中炒作是AI軟體的落地，缺技術、缺市場、缺數據資源化，台灣發展AI何去何從？

發展AI技術/應用與發展AI產業是兩回事，台灣目前AI應用主要聚焦在日常生活、白領階級生產力提升、學術研究加碼等方面，但光憑這些應用難以獨力支撐AI產業的發展。雖然也有生技製藥、智能醫療、生產管理、供應鏈管理、智能電網管理等項目曾提上檯面上，但在客觀條件不具優勢，且海量數據難求的條件下，台灣戰略選擇必須另闢蹊徑。

發展AI產業策略，不但不能墨守成規，「狗尾續貂」矽谷大咖也不實際，必須創造台灣產業本身的獨特性，其中結合AI與既有製造業升級轉型是一個關鍵的策略思維，也就是以產業為核心、AI為智能工具，同時加入科學實證（Positivism）元素以提供整合的功能與效率。

在解析、跟風、仿效美矽谷AI大咖之後，朝野必須有另類想法。AI是數學運算及應用海量數據解析智能化，但單憑「中性」數學工具難以完成全面智能化的目標，對高端製造業也存在精準度及誤差調控的問題，其中最大的原因是AI系統中缺少了「科學論證系統」的元素。

黃仁勳和李家同教授都曾大聲疾呼，把科學論證系統納入，以強化規範化、格式化、系統性、科學性跨領域共同可操作性（Interoperability），若再能「異業跨行結合」含金量高的半導體製造、IC設計、供應鏈與產業鏈管理、能源、生醫等以規模、技術、效率為導向的產業，這些「另類」AI產業與應用應該更有落實的機會，賴政府與經濟部有朝這方向來思考嗎？（作者為產業分析培訓講師/退休教授）