AI是新的一波的工業革命。現在微軟、Meta、Google這些巨頭的競爭，還在所謂IDM的競爭，也就是半導體產業中，由英特爾代表的「垂直整合製造」（Integrated Device Manufacturer），相對於當前由台積主導的開放、分工的晶圓代工模式。
台灣因為適當的分工，把半導體變得如此強大，硬體整合能力愈來愈強，很多功能都被整合到晶片裡面。到了AI時代，當所有人都要用AI的時候，誰是AI的提供者？現在提供AI、看起來不可一世的公司，就類似早期半導體晶片的提供者，如40年前的英特爾。
真正能夠創造AI功能的其實是數據（data），也就是用來訓練AI的資料。如果這些數據都必須交到微軟、Google、亞馬遜AWS等大公司手中的話，那它們本身就是一個IDM（垂直整合供應商），因為你只能用它們提供的AI模型。
AI Foundry被黃仁勳捷足先登？
其實我兩年前就講過AI Foundry（AI代工）這個概念。完了，台灣沒有用，倒是黃仁勳現在到處講，他要當AI的Foundry。
Foundry的意思很清楚交代，不管使用者介面在哪裡，大家都可以信賴我的介面。因為AI時代，大家最擔心的不是算力，其實是你要用的數據。我只要算好的東西、用已經調教好的模型，因為有些算力對我來講是不必要的。
未來如果是這樣的型態，那誰能夠提供一個可信賴的AI模型的代工呢？它就會變成整個AI產業裡最重要的供應者。
以我們熟悉的半導體產業來比喻的話，半導體晶片跟伺服器是核心，第二圈就是做雲端服務跟運算的提供者，第三圈就是AI模型的服務提供者，如OpenAI。
那台灣的機會在於AI模型服務這一塊，對全世界提供一個開放式的環境，想要用這個模型的人，不需要把數據交給一個IDM，訓練或調教可以找代工，就跟晶片代工一樣，代工的人必須備受信賴，不會把數據洩漏出去。
台灣代工已做到淋漓盡致
台灣產業這幾年建立了名聲，對代工已做到淋漓盡致，全世界都信賴，東西給台灣就沒有問題。所以將來客戶把數據交給台灣的模型服務，也沒有問題，他可以自己掌握數據，也可以隨時去調教，不一定要遷就現在的IDM，他提供給你GPT4.0，你就只能用GPT4.0，他改版你就要跟著改。
現在若一家企業要導入AI，把數據交給OpenAI做訓練，等於所有東西掌握在OpenAI手中，但OpenAI的營運模式可被信任嗎？
台積電之所以被信任，是因為它不跟客戶競爭，但OpenAI會不會跟客戶競爭？現在還不知道。OpenAI怎麼去調教數據？老實講也不知道，因為我們沒辦法改它。這跟晶片代工很不一樣。
晶片代工就是說，我現在給台積電代工，我知道它不跟我競爭之外，我還可以跟它談要怎麼設計、怎麼改，而且我跟它談的東西，基本上是機密，不會讓所有人都知道。
但現在當我使用OpenAI的模型時，我的數據其實自動就在幫它做新的調教，所以數據都進到它裡面去了。因此現在很多大公司都下令，不可以使用OpenAI的服務。
企業痛點：需要自己掌控數據的AI模型
因此，企業現在的痛點是，有沒有一個自己可掌握的、開放式的AI系統來使用？這是台灣可以把握的優勢和機會。因為我們本來就有硬體規模，代工也得到大家信任，可以運用這樣的信任，讓企業把數據資料交給台灣，一起合作出一個讓對方使用的模型。
其實，半導體產業鏈花了快20年才真正讓全世界認可台灣的優勢，因此AI大概也需要10年，整個產業鏈會接近比較成形，這也會同步看台灣對半導體技術演進的掌握度。
假定將來所有的行業都需要用到AI，AI提供者絕對要讓使用者更緊密掌握數據資料，而且要讓人家放心。像OpenAI是一個封閉式的系統，但使用者可能只需要一個比較小的模型，例如要聘一個做美工的人，不一定要他也會寫詩，但現在的觀念就是要一個完整的超人模型，所以運算量當然都非常大。
如果將來的能力跟知識，能讓我們愈來愈清楚知道，其實我只需要一個小模型就夠了，就可以節省很多的運算量，某種程度，蘋果現在朝這方向在走。台灣掌握整個晶片跟硬體的核心，若知道客戶需要什麼模型，就可以簡化，甚至可以提供一個很簡單的硬體架構就夠了。
所以這個AI模型服務，是一種軟硬體整合的服務，全世界講到軟硬體整合，沒有一個地方做得比台灣還厲害。
誰掌握數據，誰就可以賺錢
到時候，各行各業都需要一個比較獨立的AI模型，現在的IDM，將來就一定會跟英特爾要走代工的模式一樣，面臨很多挑戰，因為它本來是用一個暴力式的模型訓練出來，現在要轉型做一個比較小的模型，可以把它想像成早期的超級電腦跟個人電腦的競爭，事實上不太容易做到。
重點還是在於誰掌握數據，因為誰掌握數據，誰就可以賺錢。現在三星也號令所有員工不可以上ChatGPT去問某些問題，因為它擔心教會了這個模型之後，自己就失去核心競爭力了。
舉例來說，台積電的生產效能之所以那麼好，跟它很早就導入智慧製造有很大的關係。智慧製造已變成現在式，台灣可能已超過30家無人工廠，就是把數據收集以後，直接用數據去控制整個廠，整個製造的know-how就是在這些數據上面，這就是掌握數據的重要性，是競爭力之所在。
台灣可投入開放式AI模型
台灣可以找全世界的開源模型來訓練，就像現在我們跟Lama3合作，這是對的。就像台灣在個人電腦時代稱霸全球，那時候我們也不是自己做一個OS，而是跟OS公司合作。
所以以AI模型來講，台灣可以跟全世界願意提供開放式模型的人合作，我們就拱這個市場，讓台灣來助陣，這樣才有本錢去跟這些IDM搶市場。
現在這些IDM家大業大，如果它們願意砸大錢去對應使用者痛點，那可能還是由它們繼續主導市場。如果台灣傾國家力量，像當時半導體也是國家力量才撐起來，我們的產業政策能夠仔細去規劃台灣在全世界AI Foundry的供應鏈角色，那台灣就有機會。
所有學生都該念「AI概論」
人才其實還是最重要。如果對人才沒有一個國家的號召力，年輕人其實會看不到太多機會。我們需要一些新知識的能力，政府應該要喊出來，讓年輕人可以跟。
比如數據很重要，但不是什麼數據都可以收，所以數據清理就非常重要。就像早期大家都要念計算機概論一樣，政府至少要有一門課叫AI概論，讓所有的人都知道AI是怎麼一回事。
而且跟人性相關的，如心理學，可能都非常重要。我在台大副校長任內，還想把心理學變成所有學生的必修，你要更知道人性，更知道人這些需求，才會知道痛點在哪裡。（口述整理／責任編輯：洪家寧）
【完整內容請聽《聽天下》Podcast：決策者聽天下】
天下總主筆陳良榕專欄。半導體狂熱、科技巨頭謀略的最犀利解讀
看懂科技大勢，獨家解讀
請查看您的信箱，我們將寄送驗證信給您，確保未來信件會送到您的信箱
