領全球AI 大熱的霸主，非輝達（NVIDIA）和台積電莫屬，前者製造 AI 剛需的 GPU 晶片拚算力，後者憑世界第一的代工技術推動半導體迭代，但因應地緣政治、商業競爭發展等外部變因，2 大巨頭是否能一直保持領先地位？成為多數人心中的疑惑。
這個問題，於今（8）日舉辦的〈天下經濟論壇冬季場〉，請到《晶片戰爭》作者、同時也是國際戰略專家的克里斯．米勒（Chris Miller）來解答，他點出，2025 年將是全球半導體產業的關鍵轉折點，多重力量正在重塑產業格局。
新一波晶片戰爭掀起，大者恆大的現象加劇
為了理解這 2 大科技巨頭的未來發展，我們必須先審視 AI 浪潮為產業帶來的結構性改變。
新一波的晶片戰爭在 ChatGPT 問世那刻，吹響號角。AI 的突飛猛進，也加劇國際間圍繞先進製程技術的競爭態勢。米勒的研究指出，在深度學習（deep learning）時代，AI 系統對運算能力的需求呈現指數級增長。
每一代 AI 模型的突破，都建立在更強大的運算能力之上。而這種需求催化晶片產業的集中化趨勢，也就是全球AI發展的速度與關鍵，高度集中於輝達與台積電身上。
目前，輝達在 AI 處理器設計領域有近 90% 市占，而台積電更掌握 99% 的 AI 加速器生產能力。這使得獲取先進晶片的能力，成為決定企業和國家在 AI 競賽中勝負的關鍵。
「訓練全球領先的 AI 系統所需的 AI 加速器，從 OpenAI 的 GPT 到 Google、Meta 或Microsoft 正在開發的系統，只有極少數供應商（輝達）能夠生產這些超專業的GPU，而且只有一家公司（台積電）能夠以所需的精確度，大規模製造它們。」
米勒強調，這種市場集中度不僅創造巨額經濟價值，也帶來風險。由於台積電和輝達的主導地位幾乎已經形成了寡占局面，而這也已經引發監管機構的高度關注。反壟斷審查壓力將在未來的政治場域中更常被討論，米勒預測。
台灣的關鍵戰場：台積電維穩技術優勢
米勒也特別指出台灣在這場 AI 與半導體的全球競逐中，扮演著獨特的角色。
「台灣處於全球AI生態系統的中心，這使它在技術和經濟上以前所未有的方式受到關注。」米勒說，「當然也造成了政治上的脆弱性。」
面對這樣的情勢，米勒認為台灣必須審慎應對兩大挑戰。
首先，是貿易政策的不確定性。雖然他認為美國對台灣實施關稅的可能性較低，「因為台灣有愈來愈多向美國出口的商品，只在台灣生產」，但在唐納．川普（Donald Trump）重返白宮的背景下，整體貿易政策走向仍存在諸多變數。
其次，台灣必須積極布局未來。米勒建議，台灣應該把握當前的技術優勢，加速推進 3 個層面的轉型：包括持續確保在 2 奈米等先進製程的領先地位、加大在 AI 應用領域的創新投入，以及建立更具韌性的多元產業生態系統。
「台灣的技術優勢賦予我們重要的戰略地位，」米勒總結道，「但維持這個優勢需要持續創新與審慎的戰略規畫。在 AI 時代，沒有永遠的贏家，只有不斷進化的競爭者。」
美中晶片戰爭進行式：兩強角力下的產業新態勢
值得關注的，尚有美國與中國在這場AI戰爭中會扮演的角色與拉扯。
早在生成式 AI 掀起革命性浪潮前，半導體產業就已成為全球地緣政治的焦點。2018 年，川普政府發起針對中國的貿易戰，首波打擊目標就是中國的半導體產業。隨後，美國更聯合荷蘭、日本等盟友，收緊對中國的技術出口管制，這場晶片戰爭重塑了全球半導體產業的版圖。
美國：AI 成為經濟增長關鍵
米勒指出：「AI 不僅僅是對矽谷重要的技術，它是未來經濟成功或失敗的核心技術。」這種認知正推動各國政府將 AI 視為提升生產力和促進 GDP 成長的驅動力。
以美國為例，新任美國財政部長斯科特・貝桑特（Scott Bessent）談到要將美國 GDP 增長加速到每年 3%。「就算成真，美國也僅能依靠 AI 帶來的經濟效益、生產力躍進。」米勒認為，當前產業狀況盤點起來，能讓美國有強勁成長的本錢，就是 AI。
換言之，川普的整個經濟計畫都建立在「AI 必然有大好前景」的前提上，如果AI沒有如預期發展，川普恐怕跳票。
這也造就一個弔詭的現象：儘管川普可能在貿易議題上對台灣施加壓力，但在涉及 AI 晶片供應鏈時，必須更為謹慎。
中國：嘗試技術突圍、低成本開發
相較之下，中國面臨的挑戰更為嚴峻。「中國雖然在 7 奈米製程上取得突破，但這是台積電 5 年前就已經做到的事情。」米勒指出，「所以中國能做到的和台灣能做到的之間的差距仍然很大，而且可能比沒有出口管制時還要更大。」
這促使中國企業不得不另闢蹊徑，轉向算法創新，試圖在較少算力投入的情況下提升 AI 模型效能。
最新案例是中國新創公司 DeepSeek，聲稱開發出一個使用較少運算資源（更少的數據、GPU訓練），卻能媲美 OpenAI、Meta、Anthropic 等知名大公司等級的AI模型。
然而，這種繞道超車的策略能否成功，仍前途未卜。但米勒認為，2025 年的一個重要觀察指標，將是像 DeepSeek 這樣的研發團隊，能否持續以較少的數據和運算資源，達到高品質的 AI 模型開發。換言之，AI 未來可能會更普及、更便宜。
核稿編輯：陳書榕
