(鄒志中特稿) 台灣談人工智慧，這幾年幾乎被同一套語言包圍：晶片、算力、出口、投資、資本支出。輝達、台積電、AI伺服器供應鏈讓台灣站在全球AI半導體產業鏈的關鍵位置，AI先進製程擴產與AI相關出口持續把GDP、企業獲利與股市推向新高。表面上看，這是一場成功的AI產業升級故事。然而當AI從「科技題目」逐漸變成「國家發展模式」，真正的問題已經不能只停留在「台灣能不能接到更多訂單？」。更深一層的問題是：AI需要多少耗電？AI需要多少記憶體？AI需要多少資本與公共基礎建設？這些成本將由誰來承擔？最後又有多少紅利能夠轉化成台灣一般家庭真正感受得到的所得與生產力？這才是AI時代真正的經濟帳本。
近期電價審議之所以值得被放大檢視，不只是因為家庭電費會不會調整，而是因為它觸及了台灣AI發展模式最核心的結構性問題：誰為AI所需要的能源付帳？AI資料中心與半導體產業不只是用電量大，對供電穩定性與品質的要求也遠高於一般產業。當AI持續擴張，台灣面對的已經不只是「有沒有足夠的電？ 」，而是「這些電力資源應該如何定價、由誰承擔成本？ 」。
如果政府為了穩定民生物價而承擔部分能源成本，這可以有社會政策上的正當理由；但民生保障與產業補貼一旦混為一談，電價作為經濟訊號的功能就會被扭曲。價格本來應該反映能源的稀缺程度，並引導企業投資方向。若AI與半導體大量使用能源資源，卻沒有充分反映其真實成本，那麼今天看起來是AI產業享受到的紅利，未來卻可能由台灣所有用電者共同承擔。真正值得追問的，因此不是「AI用了多少電？ 」，而是「每一度電究竟創造了多少生產力？ 」。
如果增加一度電能夠創造更多附加價值、更高薪資、更大出口與更高全要素生產力，那麼能源投入可以被視為生產性投資；反之，如果能源、土地、資本與公共基礎建設大量投入，卻沒有帶來相應的整體生產力提升，台灣就必須重新檢視這種成長模式。AI時代真正的競賽，不只是算力競賽，也不是單純的應用競賽，而是「一度電能創造多少價值」的生產力競賽。電價審議因此不再只是電價問題，而是台灣要用什麼方式發展AI的問題。
能源是AI向外擴張時遇到的物理瓶頸，記憶體則可能是AI系統內部正在形成的另一堵牆。台積電大舉擴充先進製程，邏輯晶片產能快速增加，但AI系統並不是只有CPU與GPU。它還需要記憶體。隨著AI從模型訓練進入推論，再進一步進入企業應用與Agentic AI，記憶體與儲存的需求可能不再只是附屬需求。第一階段的AI革命，市場目光集中在GPU與HBM，因為大型模型訓練需要巨大運算能力。第二階段開始不同：當AI真正進入企業日常工作，資料中心不只是要「算得快」，還要處理大量資料、推論與儲存。第三階段如果進一步走向Agentic AI，系統可能自主搜尋資料、執行任務、維持長上下文，DRAM、KV Cache與儲存資源的重要性就會更加突出。這意味著AI產業鏈可能正在發生一個重要轉變：瓶頸不再只是「算力不夠？」，而是「算力、記憶體、儲存、能源能不能同步擴張？」。
因此，單純看到中國新增記憶體產能就直接推導「2027年一定供過於求」，可能過度簡化了需求端的變化。如果AI使用量持續增加，甚至從大型雲端服務商進一步擴散到中小企業與地端AI，需求曲線本身就可能發生變化。真正值得觀察的，不只是「中國大陸多蓋了多少記憶體廠？ 」，而是「全球AI基礎建設需要多少記憶體，才能與算力擴張同步？ 」；甚至更進一步，「當AI遇到Memory Wall，Flash是否可能從傳統儲存設備，逐漸進入AI系統更核心的記憶體層級？ 」。如果答案都是肯定的，那麼AI下一輪瓶頸就可能不是市場原本熟悉的GPU短缺，而是整個「算力—記憶體—儲存—能源」系統的重新平衡。
比「AI是不是泡沫」更重要的問題，是資源投入與生產力轉化之間的落差。假設AI需要大量晶片、大量電力、大量資料中心、大量土地、大量資本與大量高階人才，社會就必須問：這些投入最後換回多少生產力？如果AI讓一家公司用更少的人完成更多工作，讓製造業提高良率，讓物流降低成本，讓醫療提高效率，讓中小企業用較低成本獲得過去只有大型企業才用得起的資訊能力，那麼AI投資就可能形成廣泛的生產力紅利。問題是，如果AI主要形成另一種資產價格循環——資本支出增加、AI企業估值提高、股市上升、資產持有人財富增加、更多資本追逐AI——卻沒有同步提高多數企業與勞工的生產力，那麼AI就可能出現另一種結構性風險。不是科技失敗，而是AI科技成功了，卻沒有充分轉化成社會共同的生產力。這才是台灣真正應該警惕的地方。
台灣目前的高成長，很大程度由半導體與AI供應鏈推動。這條鏈非常清楚：AI需求增加 → 半導體出口增加 → 企業獲利增加 → 股市上升 → 資產增值 → 高技能人才薪資提高。但另一條鏈卻沒有同樣強：GDP成長 → 中小企業生產力提升 → 服務業附加價值增加 → 基層薪資提升 → 家庭可支配所得增加。兩條鏈如果越走越遠，K型經濟就會出現。這不是因為AI本身有問題，真正的問題是：AI紅利能不能穿透少數高科技企業，進入台灣廣大的中小企業與服務業？如果AI紅利只集中在晶圓廠、IC設計、伺服器與大型資料中心，那麼AI越成功，台灣產業所得差距反而可能越明顯。
反過來說，如果AI能進入傳統製造、零售、餐飲、物流、醫療、長照、農業與一般中小企業，提高每一位工作者的產出，那麼AI才真正成為全民生產力工具。因此，AI政策真正的成功指標，不應只有出口多少、投資多少、GDP增加多少，還應該包括：多少中小企業導入AI？多少服務業因此提高附加價值？多少勞工因此提高生產力與薪資？多少家庭因此增加可支配所得？這才是AI紅利能不能擴散的真正測驗。
這就回到台灣現在另一個敏感的問題：為什麼官方公布的平均薪資已經超過七萬元，很多台灣人卻仍然覺得自己沒有變富？答案其實不難理解。平均數從來不等於典型值。一位年薪四百萬元的AI工程師可以大幅拉高平均薪資，但並不代表數十名月薪三、四萬元的工作者都同步增加到相同程度。因此至少要把三把尺放在一起看：第一把尺是平均薪資，第二把尺是薪資中位數與分布，第三把尺是生活成本。平均薪資告訴我們整體所得增加多少；中位數告訴我們典型工作者大約處於什麼位置；生活成本則告訴我們這些錢究竟夠不夠生活。房租、房貸、食物、交通、托育、教育與醫療，不會因為平均薪資突破某個數字就自動下降。所以真正值得追蹤的，不應只有平均薪資，而應包括:經常性薪資中位數、全年總薪資中位數、實質薪資、不同產業與年齡層的薪資分布，以及勞動生產力與勞動報酬之間的關係。平均數可以慶祝，分布才能診斷。
「低薪」的爭議也是如此。如果改變低薪定義，低薪人口的比例當然可能發生變化，但統計定義改變，不等於勞工的購買力改變。一個人某個月份的收入可能超過某項門檻，但如果全年工作月份、工時、獎金、加班、非固定收入與就業穩定性不同，全年真正拿到手的收入可能完全不同。因此真正重要的不是宣布「低薪消失了」，而是：低薪工作者是否真的變少？薪資中位數是否持續提高？實質所得是否增加？年輕人是否能透過工作累積資產與改善生活？統計的任務是把問題照亮，而不是讓問題消失。如果換一把尺就宣布問題不存在，那麼統計就不再是診斷工具，而變成了政治語言。
能源、記憶體與薪資分配之外，AI還有另一個更深的問題：當人工智慧能力越來越強，人類究竟如何維持控制？這也是從《魔鬼終結者》、《銀翼殺手》到《五星物語》等科幻作品長期反覆追問的問題。過去這些問題看起來像是哲學與科幻，今天卻逐漸進入真實的科技治理。一方面，有AI企業與研究者主張加強安全評估、建立護欄、推動alignment，甚至認為尖端模型的研發速度需要更加審慎；另一方面，也有人擔心如果監管過度，可能降低創新速度，讓本國企業在全球AI競爭中落後。這兩者其實不是簡單的「支持AI」與「反對AI」。真正的問題是：如何在AI創新速度與AI安全控制之間建立可以運作的管理制度。
從中美雙方的AI討論，可以看到一個非常有意思的矛盾。中國方面並非不知道AI風險，相關安全治理文件已經討論AI可能出現自主取得外部資源、自我複製、自我意識以及與人類爭奪控制權等風險。但中國同時認為AI是新一輪科技革命的核心引擎，也是中美競爭的重要戰場。因此中美雙方的AI競爭邏輯變成：AI可能危險，但不能因為危險而讓自己落後。美國同樣面臨這個矛盾。部分AI企業與研究者要求更嚴格的安全治理；另一方面，美國政府又擔心監管過度會削弱美國在全球AI競爭中的領先地位。於是就形成一個典型的安全困境：如果一方放慢，可能擔心另一方繼續加速；如果雙方都加速，安全風險與資源消耗就可能同步增加。這與傳統軍備競賽有某種結構上的相似性。問題已經不再只是「AI會不會失控」，而是「如果所有人都害怕別人先做到，誰敢先停下來」。這才是AI治理最棘手的問題。
從能源到記憶體，從薪資到安全，這些看似不同的議題，其實可以被一條主線串起來：AI正在重新分配資源，也正在重新分配決策權。誰掌握能源？誰掌握算力？誰掌握記憶體？誰掌握資料？誰掌握模型？誰掌握資本？誰掌握AI產生的收益？最後，又是誰決定AI應該做到什麼程度？這才是AI時代真正的權力結構。台灣如果只看到晶片，就只看到供應鏈；如果再看到能源，就開始看到基礎建設；如果再看到薪資分配，就開始看到社會結構；如果最後看到AI治理與人類控制，才真正看到這場AI革命的政治經濟學。
台灣已經擁有世界級的AI半導體製造能力。問題因此不再只是「台灣能不能再多蓋幾座廠？」，而是「每增加一座廠、每增加一座資料中心、每增加一度電、每投入一元資本，能不能創造更高的整體生產力？」。這需要一套新的AI國家帳本。第一本帳是出口帳：AI增加多少出口？第二本帳是能源帳：AI消耗多少電、多少水、多少土地與公共基礎建設？第三本帳是生產力帳：每一度電、每一元資本、每一位高技能人才，究竟創造多少新增價值？第四本帳是分配帳：企業獲利增加之後，有多少轉化為薪資、中小企業生產力與家庭可支配所得？第五本帳則是治理帳：誰掌握模型、資料與決策權？AI出錯時誰負責？高風險系統由誰監督？只有五本帳全部算清楚，台灣才真正知道自己得到的是「AI紅利？ 」，還是單純成為AI時代最重要的生產基地之一？
AI時代最容易犯的錯誤，就是把「規模」誤認為「成功」。AI資料中心蓋越多，不一定代表國家越富；GPU越多，不一定代表AI的生產力越高；AI相關高科技產品出口越多，也不一定代表一般家庭越富裕；GDP越高，更不等於所有人都分享到成長。真正值得台灣追求的，是另一個更難、卻更重要的指標：每一度電創造多少價值？每一元資本創造多少生產力？每一次AI升級，究竟有多少紅利進入一般人的生活？因此，AI紅利不能只算出口，還要算能源成本；不能只看晶片，還要看記憶體；不能只看GDP，還要看薪資分布；不能只看企業獲利，還要看家庭可支配所得；更不能只問AI能不能超越人類，還必須回答：當AI越來越強，人類還能不能掌握自己的決策權？這或許才是台灣AI時代真正的大考題。
因為一個國家的AI競爭力，最後不是看它消耗了多少算力，而是看它能不能把算力轉化成能源效率、產業升級、生產力提升、薪資成長與社會韌性。AI可以把國家的GDP推得更高，卻不能自動保證人民變得更富有。真正的「AI紅利」，不是「AI替台灣賺了多少錢？」，而是台灣能不能讓AI創造的價值，最終變成更多人的生產力？更多家庭的所得？以及一個仍然由人類自己可以完全掌握發展方向的美好未來？