在電視新聞看到亞馬遜晶片仰賴台積電，並介紹亞馬遜的安納普納實驗室（Annapurna Labs）展示自家研發AI晶片。這則新聞值得台灣注意的不是誰的晶片跑得比較快，而是AI產業正在形成用AI協助設計AI晶片，再用更便宜、更強大AI晶片，訓練下一代AI的新循環。代表AI已不是單一產品競爭，而是應用AI讓自己的基礎設施加速成長。
亞馬遜早在2015年就收購安納普納實驗室，之後陸續發展出多種自研晶片，包括支撐雲端服務的Graviton，以及專門為AI訓練與推論設計的Trainium。亞馬遜強調這些晶片的目標不是只追求性能，而是降低AI成本。換句話說，雲端巨頭不再只向輝達買GPU、蓋資料中心，而是把晶片變成自己的服務核心。
誰掌握晶片，誰就能掌握成本、客戶和下一代AI發展節奏。這股趨勢並非亞馬遜獨有。Google有TPU（Tensor Processing Unit），Meta一方面大量採購GPU，一方面也使用亞馬遜的Graviton晶片支撐AI工作。Anthropic這類前沿AI公司，也和亞馬遜建立長期合作關係。說明AI模型公司不只租用雲端空間，而是把自己的未來，綁進雲端公司的晶片發展路線。
台灣必須看清AI晶片競爭已不只是「誰做出一顆更快晶片」。真正的競爭早已是模型、晶片、雲端、封裝、客戶服務和產業資料全部整合在一起。台灣如果只把自己定位成製造與封裝供應者，雖然仍然重要，卻可能不夠。未來更關鍵的是誰能掌握晶片設計流程、測試方法、資料回饋，以及製造經驗所形成的軟體「大腦」而不是硬體設備。
近期美國以國安理由要求Anthropic限制外國人存取Fable 5與Mythos 5模型，迫使公司下架相關模型。對台灣半導體的警訊是過去我們擔心先進設備、EDA軟體、製程技術被管制；未來，能寫程式、找漏洞、協助晶片設計與製造的AI模型，也可能被美國的國安管制命令所切斷。
因此，中研院與台大及成大所組成研究團隊，開發出SiliconMind-V1模型，意義不只是開源模型。它瞄準晶片設計核心工作，讓AI生成、測試、除錯Verilog RTL。從他們所聯名發表論文指出SiliconMind-V1以多代理蒸餾與除錯推理流程，使本地微調模型能反覆產生、驗證與修正暫存器傳輸層級（RTL）設計，並降低對商用模型與外部工具依賴；這才是台灣主權AI最務實的方向。
主權AI不應只被理解成會講繁體中文的聊天機器人，也不只是把高算力伺服器放在台灣。對台灣來說，更關鍵的是能不能把AI部署進半導體現場，保護客戶IP、製程資料、PDK、封裝與測試資料，並讓工程師在安全環境使用AI加速設計與驗證。
SiliconMind團隊更成立新創公司把研究成果帶進產業，若能建立可私有部署並持續學習、懂晶片流程的AI工具鏈，就能補上台灣IC設計人才不足與驗證成本高昂缺口。同時，半導體製造也正在被AI改寫。
台積電CoWoS封裝支撐AI與高效能運算晶片所需異質整合與高頻寬記憶體；輝達cuLitho則把GPU導入運算微影演算調整，三星也與輝達合作，規劃以超過5萬顆GPU打造AI工廠，將設計、製程、設備、營運與品質控制串接成為智慧網絡。未來在半導體產業的勝負不只看誰有EUV機台，而是誰能把資料、模型、控制與良率回饋串連成閉環系統。
台灣的風險在於我們太習慣扮演全球AI硬體供應鏈關鍵角色，卻可能忽略設計與製造大腦也會成為他人可掌控的戰略資產。若先進封裝、測試資料、EDA流程與工程know-how，在海外設廠、雲端協作、跨國客戶專案中失去主導權，台灣失去的就不只是某項技術，而是多年累積的良率改善與製造智慧領域知識。
所以，台灣談主權AI，不該變成算力軍備競賽，更不能只停留在口號式蓋資料中心。政府應從產業痛點出發：IC設計缺什麼人才？驗證流程卡在哪裡？中小型設計公司如何負擔工具？AI代理生成的RTL若出錯，責任如何界定？客戶IP與製程資料如何分級保護？能解決這些問題，遠比喊出宏大願景更為重要。
護國神山的下一道防線，不只在二奈米、A16與A14埃米製程或CoWoS產能，更在於台灣能否把半導體知識安全地軟體化、模型化、代理化。AI時代的主權是關鍵能力不能任何國家或任何人任意中斷供應；不是拒絕國際合作，而是在合作中保有自己的技術大腦。
台灣若能用AI設計AI晶片，再以台灣晶片支撐台灣主權AI，就不再只是全球AI供應者，而會成為AI時代新科技秩序中，真正有底氣與實力的參與者。
作者：廖明輝（中華經濟研究院輔佐研究員）
資料來源：關鍵評論 2026/06/18
責任編輯：翁世航
核稿編輯：馮冠維
