EP037：AI時代的台灣戰略 從晶片層關鍵節點到應用層信任樞紐

台北小商人 冷眼看AI 近年談論 AI 產業競爭，輝達執行長黃仁勳提出的「AI 五層蛋糕模型」逐漸成為一個高度概括性的分析框架：由下而上依序是能源、晶片、基礎設施、模型與應用。這個模型的重要性不在於分類本身，而在於它進一步揭示了一個事實，即並非每一層都存在同等性質的競爭門檻，更不是每一層都會形成不可跨越的關鍵節點。 以第二層「晶片」為例，台灣之所以在全球 AI 供應鏈中占據極其關鍵的位置，並不只是因為「會做半導體」，而是因為在先進邏輯製程上，率先跨越了少數、極端昂貴且高度不可逆的技術節點。這一點，幾乎完全體現在台積電的發展路徑上。 所謂「關鍵節點」，至少同時具備三個特徵。第一，時間序列不可逆。在7奈米、5奈米、3奈米乃至未來2奈米等節點的競賽中，能夠率先穩定量產者，會吸引最關鍵的客戶（Apple、NVIDIA、AMD），而一旦這些客戶的產品設計、IP 與生態系被綁定，後進者即便技術追上，也很難撼動既有結構。第二，資本支出呈現非線性跳躍。一座28或40奈米晶圓廠的資本支出約在30–50億美元，但3奈米等級的先進製程動輒200–300億美元以上，且必須連續多年投入。這不是多數國家或企業可以長期承擔的賭局。第三，系統性耦合極深，從EUV設備、EDA軟體、材料、封裝到人才，形成高度封閉的技術網絡。 正因如此，晶片層的競爭呈現的是一種「贏者通吃、輸者出局」的狀態。這也是為什麼台灣的半導體優勢，嚴格說來並不是全面性的產業優勢，而是在極少數先進節點上取得了難以複製的時間與資本優勢。理解這一點，是後續討論AI其他層級時不可或缺的起點。 若將同樣的「關鍵節點」概念，直接套用到五層蛋糕的上三層，基礎設施、模型與應用，則會導致政策與投資上的誤判。因為這三層雖然門檻不低，但其競爭性質與晶片層存在本質差異。 首先是基礎設施層。近年各國動輒以GPU數量、AI工廠規模作為競逐指標，但從產業實務來看，真正的瓶頸並不在於「買得到多少顆 GPU」，而在於能否以長期、低單位成本穩定運營算力。這涉及電力結構、電網韌性、冷卻技術、網路架構與調度能力。這一層確實存在進入門檻，但它是工程與治理問題的疊加，而非不可逆的技術節點。只要資本、制度與時間到位，後進者仍有追趕空間。 其次是模型層。大型語言模型經常被賦予近乎「新神話」的地位，但事實上，模型能力的領先多半呈現短週期優勢。歷史經驗顯示，模型的性能...