AI產業現況與變革階段
袁立本指出，2022年11月的ChatGPT moment標誌著大語言模型（LLM）首度進入廣泛被人類使用的階段，成為AI產業的里程碑。2025年以前，AI產業多處於創新週期，重心在模型研發與算法探索，以及AI agent的初步驗證。資料中心多為傳統與AI混合運作模式。但自今年起，AI產業已正式進入「產業化規模週期 (industrial scale cycle)」，不再是實驗室階段，而是大規模部署階段，涉及基礎設施建設、企業級AI應用、超大規模AI專用資料中心的建置，及AI實體機器人研發應用。袁立本強調，這波產業爆發帶來資本支出及採用成長的爆炸性提升。
產業鏈面臨前所未有的挑戰
袁立本回顧過去伺服器時代，從晶片初期開發到系統驗證及資料中心部署需1至2年，但今天AI時代產業鏈節奏大幅加快。以NVIDIA為例，其NVL8到NVL72算力增長約100倍，產品上市周期從2年縮短至1年，量產時間最快約3個月。 這意味著產業鏈必須具備高度執行力，達成「first-pass success」，無暇再進行長時間反覆調整，供應鏈各環節必須即時精準配合。
🔗 延伸閱讀《從IC設計、晶圓代工到封測！半導體密集財報周登場 法人關注4大焦點》
🔗 延伸閱讀《首度因颱風喊卡！台積電取消運動會 魏哲家發信宣布每人加碼發3萬特別獎金》
🔗 延伸閱讀《雙贏交易！台積電砸388億取得友達台中二期廠 友達估進帳185億大補丸》
AI伺服器架構的指數型成長
袁立本說明，目前AI機櫃包含三層細緻整合：1. Baseboard層：包含最新矽晶片、ABF載板、多層PCB與銅箔基板等關鍵元件。2. Compute tray層：面臨供電、散熱挑戰，需導入新型元件如DDB、RFA、UQD及液冷板等。3. Rack層：涵蓋高效能交換機與高速光纖連接。 任何一個被動元件、連接器、散熱模組出現瓶頸，皆可能導致機櫃無法量產與出貨。
袁立本以NVIDIA三代機櫃設計做案例，解析算力頻寬與功耗成指數成長，並由氣冷轉向液冷散熱，以解決高功耗挑戰。這種快速成長帶來系統設計極限挑戰，零件短缺及高功率測試困難需要業界共同突破。
台灣產業鏈的獨特優勢與整合生態系
袁立本強調，台灣是全球少數具備完整且密集產業聚落的地區。晶片封測：台積電、聯發科、日月光、京元電等龍頭企業。PCB載板：欣興、南電、台光電、金像電。電源散熱：台達、光寶、雙鴻、奇鋐、健策。ODM廠：廣達、緯穎、鴻海、緯創、英業達、勤誠。
此外，台灣AI軟體及演算法新創公司蓬勃發展，形成完整end-to-end生態系。袁立本強調，「我們是全球AI系統整合的solution provider」，除了領先製造與封測能力，從晶圓製造、先進封裝 (SoIC、CoWoS、3D封裝)、記憶體、載板、散熱材料、測試介面、OSAT，直到ODM打包出貨，皆是生產嚴謹且經生產驗證的整合能量。此優勢形成全球難以短時間複製的護城河，推動台灣從代工龍頭向全球AI系統整合核心邁進。
產業面臨的挑戰與未來方向
然而袁立本也提醒產業要居安思危，需正視以下挑戰：系統級瓶頸的即時解決能力，從硬體製造到AI數據中心與應用端創造更多軟體與服務價值。突破國內市場規模限制，擴大AI與實體AI應用規模。培養本土人才並吸引國際專業人才。確保AI數據中心建設和晶片產能快速擴充所需電力資源。土地取得與法規調適的支持。地緣政治影響下的海外布局與供應鏈地域化對策。
建議的行動方案：攜手共創AI新未來
袁立本提出多項具體建議：協同創新：從被動代工轉型，實施晶片、光學、散熱等新技術端的共同設計與創新平台，共同突破技術瓶頸。打造實驗場域與試點：推動開源工具與試點方案，加速研發效率。數據基礎建設與治理：制定數據標準格式，建立安全跨產業數據平台，推動數據共享與安全管控。
人才培育升級：擴大AI專業培訓，建構國家級AI人才庫，強化產業人力競爭力。完善法規與標準：加速AI產品認證，強化智財權保護。提供資金與稅務誘因：激勵產業投入與創新。深化供應鏈本土化：包括關鍵化學品、材料及零組件的自研與韌性建設。期望透過這些行動，讓台灣從全球AI的「enabler」，進一步躍升為全球AI產業的「神經樞紐 (hub)」。
