專訪：戴季全
撰稿：李昀蔚
「台灣能夠到今天這個樣子，其實不是理所當然的，是在很多關鍵的時刻，有一些人做了比較對的決定，」本集《全新一週》邀請近期出版新書《只有累積，才有奇蹟》的國立臺灣大學電機工程學系名譽教授、前科技部長、前教育部次長陳良基，回顧台灣過去十年的科技與人才布局，並從當時的關鍵決策出發，剖析今日產業榮景如何一步步累積而來。
從 2017 年力拚台積電 3 奈米先進製程留在台灣，到高教深耕、技職教育改革，陳良基形容，許多重大決定其實都沒有事後看來那麼理所當然，過程更像是一段「心智磨練的旅程」。站在 AI 正快速改寫全球科技產業與人才需求的此刻，這些過去的選擇，也成為重新思考台灣下一個十年的重要起點。沿著這些關鍵決策往回看，也更能看清台灣接下來必須回答的幾個問題：如果當年 3 奈米沒有留在台灣，今天台灣半導體還能否取得領先？當 AI 硬體開始走向價格競爭，台灣下一步的價值該往哪裡移動？同時，在出生人口持續下降、AI 又快速改寫工作內容的現在，人才教育又該如何重新布局？
台積電 3 奈米若沒留在台灣，就可能錯過 AI 需求爆發的關鍵時間
陳良基回憶，2017 年剛接任科技部任務時，面對的第一項重大挑戰，就是台積電當時最先進的 3 奈米製程，正在考慮赴海外設廠。如今，AI 帶動台灣半導體、伺服器與電子供應鏈站上全球舞台，回頭來看，3 奈米是否留在台灣，不只是單一晶圓廠設在哪裡的問題，更會直接影響後續幾個世代的技術布局。
陳良基指出，台積電當時把 3 奈米先進製程留在台灣後，後續製程布局也得以延續，以目前台積電的規劃來看，台灣可以維持約兩個世代的領先。「兩個世代以現在的摩爾定律來講，至少是五到七年以上的時間，」陳良基指出，也就是即使未來美國或日本開始量產 3 奈米，台灣本土的先進製程仍會早一步往下一代推進。
這項技術領先的意義，關鍵在於能不能在市場需求真正爆發時，及時提供最先進製程產能。陳良基分享，當時他與台積電創辦人張忠謀討論時就曾提出，如果 3 奈米改到其他地方設廠，至少可能因為建廠與學習曲線延遲一年以上；另一方面，他當時也判斷 AI 大約會在 2022 年開始興起，後來 ChatGPT 果然在 2022 年底推出。
這也凸顯 3 奈米的建廠進度與 AI 需求爆發，其實是兩條彼此緊密相連的時間線。如果先進製程因赴海外設廠而延後量產，等到 AI 公司開始大量採購先進晶片時，市場並不會停下來等待供應商準備完成，而會轉向其他可供應的來源。因此，在陳良基的判斷中，當時把 3 奈米製程留在台灣的重要性，不只在於製程領先，更在於守住了台灣及時接住 AI 浪潮、站穩下一波科技轉折的關鍵時間點。
AI 硬體走向削價競爭，台灣下一步要轉向「AI 能力」
然而，即使台灣順利吃下第一波 AI 硬體紅利，新的問題卻已經浮現。隨著 AI 伺服器市場快速成長，電子組裝廠一度擺脫過去低毛利結構，部分業者甚至曾出現兩位數的利潤率，但是當愈來愈多供應商具備相似能力後，價格競爭自然開始加劇，部分業者毛利率又逐漸回到 5%、6% 的水準。
陳良基認為，這並不是 AI 產業出了問題，而是產業生命週期本來就會如此演進。市場剛爆發時，率先準備好的企業可以取得供應缺口帶來的高毛利，但當技術成熟、競爭者增加之後，硬體價格一定會逐漸下降，因此真正重要的問題，是台灣能不能利用這段 AI 高成長期，提前為下一階段產業價值轉移做好準備。
「AI 的算力是個假議題，真正客戶要的是 AI 的能力，」陳良基強調，今天市場之所以高度關注 GPU、AI 伺服器與資料中心，是因為產業仍處在建置算力基礎設施的階段，但對真正使用 AI 的企業來說，最終想購買的並不是 GPU 本身，而是 AI 能替企業完成什麼工作。因此，未來誰能夠交付「AI 能力」，才是創造價值的關鍵，而台灣既有供應鏈其實已經具備往上走的基礎：從半導體代工、系統組裝，到依照客戶需求開發專屬 ASIC，當這些能力逐漸整合，台灣廠商未來可能不再只是交付一台 AI 伺服器，而是能直接交付客戶所需要的「AI 能力」。
這也是陳良基近年持續提出「AI Foundry」的概念。過去沒有晶圓代工時，IC 設計業者只能拿既有晶片組合自己需要的電路；台積電出現後，企業只需要提出想要的規格，就可以委託晶圓代工製造。未來，AI 產業也可能出現類似分工，因為一套 AI 能力背後往往同時牽涉晶片、算力、模型，以及訓練、推論、雲端或 Edge 等不同架構，甚至還包括資安、數據治理與 Agent 等問題，因此未來企業不必再自行把 Google、Anthropic 等不同模型與系統逐一拼裝，而是可以直接提出需要的 AI 功能，由服務商完成整套系統整合。陳良基也預期，未來可能逐漸形成「特定用途的 AI 能力」服務市場，客戶只需要描述需求，供應商就能組合最適合的晶片、模型與系統。
這對台灣 IC 設計業同樣可能帶來新的角色轉換。陳良基以台積電過去創造高通、博通、NVIDIA 等無晶圓廠公司的發展環境為例，說明如果台灣 IC 設計業者能逐步轉向 AI 系統與服務，也可能催生出現在市場上還不存在的新公司，甚至 Google 這一類大型科技公司未來也不一定要自己處理所有 IC 設計，而是直接提出需要的 AI 能力，再交由供應商最佳化整套系統。
陳良基預估，AI 市場「大概還有10 年以上的好光景」，因為 AI 對各行各業的影響仍在發生，這也代表台灣應該要利用硬體產業仍高速成長的這十年，把部分人才與價值逐漸槓桿到服務端，因為硬體毛利率往下走或許難以避免，但如果能同步長出新的 AI 服務供應商，台灣產業取得的價值就不會跟著硬體價格一起下降。
少子化下人才不能再被稀釋，AI 時代應強化思考、動手與人機協作能力
如果台灣下一步要從 AI 硬體走向 AI 能力，「人才」就是轉型過程中的關鍵之一。然而，台灣出生人口持續下降，當未來勞動人口愈來愈少，在這樣的情況下，台灣人才策略究竟應該繼續擴充招生名額，還是重新思考有限人才要如何配置？
陳良基認為，人口變少並不代表產業一定沒有解方，真正要做的是提高每一個人的能力。他指出，過去每當某個新領域出現人才需求，政策常見做法就是增加招生名額與教師數量，甚至再開一個新科系，但問題是學生來源已經在減少，如果所有領域都用「外加」處理需求，最後反而會讓有限的人才被分散。
不過，AI 時代反而提供重新設計教育系統的機會。過去跨領域學習的門檻較高，但現在大量知識性的內容可以透過 AI 協助，因此教育前段真正應該強化的，是學生的基礎心智、動手、思考問題與提出問題的能力，而不是過早把學生切割到單一專業。
因此，陳良基強調，未來教育應該先教學生如何學習、如何思考，以及如何與 AI 協作，等到後期再依照產業需求與個人選擇發展專業。專業中大量知識性的部分可以由 AI 輔助，學習者本身則把更多能力放在判斷、整合與解決問題，如此一來，即使總人口減少，只要單一人才的能力提高，一個人仍可能完成過去需要多人處理的工作。
國際學生不只是補缺工，更要替台灣人才市場創造鯰魚效應
除了提高本地人才生產力，陳良基認為，台灣還需要同步擴大國際人才來源。他回憶自己在教育部時，曾向當時的總統蔡英文承諾外籍學生每年要成長 20%，背後想法並不只是因為少子化、需要補充人力，而是希望讓更多優秀學生進入台灣教育體系後，對既有學生與學校形成「鯰魚效應」。
尤其部分東南亞學生把到台灣學習產業技術視為難得的機會，投入程度與企圖心反而可能刺激本地學生重新認識自己所擁有的環境。因此，陳良基認為，這種互動也可能改變老師對教學的使命感，當一群真正重視學習機會的學生進入課堂，教育本身的價值感也會重新被凸顯。
然而，無論是引進國際學生，還是重新調整國內人才培育方式，大學最終仍然必須回答自己的社會責任是什麼。陳良基回顧規劃高教深耕計畫時，就要求大學申請經費時必須提出自身社會責任，思考學校希望培養什麼樣的學生、資源又要如何真正支援學習，而不是讓所有學生都追著當下最熱門的科系與職業移動。
回想一路走來的科技布局、教育改革與人才政策，陳良基認為，真正能讓事情發生的，從來不是一次到位的選擇，而是在目標確立之後，願不願意持續累積、走過各種困難與不確定。「真的把目標定好，然後就用心的累積，是可以創造人生的奇蹟，真的可以做得到，」對陳良基來說，許多當年看似難以跨越的問題，最終都是靠著一股傻勁一步一步走過來，而台灣下一個十年的科技與人才競爭，同樣不會憑空出現，仍要仰賴今天開始做出的選擇與長期累積。
