自2017年陳良基接任科技部長之後，人工智慧（AI）技術就被提升為國家級的政策，將整合政府的資源和民間企業的力量，期望把台灣打造為AI技術供應鏈強國。

圖一 : 很多人都會將它放得太高太大，但台灣目前的AI政策是一個相當務實的計畫，並沒有太多好高騖遠和不切實際的目標。

這個政策大家是知道的，但許多人並不清楚具體執行的方案和目標，特別是目標，很多人都會將它放得太高太大，甚至對比到其它半導體大廠的策略，因此就顯得荒唐。事實上，台灣目前的AI政策是一個相當務實的計畫，並沒有太多好高騖遠和不切實際的目標。

因此，與其把它當作一個由政府帶頭的科技政策，還不如說它是一個培植與引導的計畫，讓台灣的科技業可以在當前這波AI趨勢下，站穩並找到屬於台灣自己的AI優勢。

小國的觀點

大家都知道，台灣在政治上一直是屬於產學分立的，也就是凡企業界相關的，都屬於經濟部的範圍；而與科學園區和高教研究相關的，則是科技部的執掌，若遇到需要跨領域（也就是同時涉及經濟部和科技部），則有另一個更高層級的整合組織，而AI這個事務就是在行政院科技會報辦公室之下。

圖二 : 科技部的「AI小國大戰略」策略。(source:科技部)

而台灣的AI政策其實是由科技部所提出，所以它一開始就是以教研為主的策略方案，畢竟科技部並不能「直接」涉及民間企業的活動，只能用鼓勵學研界與企業合作的方式來進行。

學界出身的陳良基部長非常清楚這些規定與限制，換句話說，他也相當了解台灣產學界各自的優勢與可施力之處。因此，他一開始就提出了所謂「小國大戰略」的方針，而這個策略最有意思的地方，就是這個「小國」的觀點，它跳脫了過去那種太大、太自我中心的產業思考。

就如《道德經》所說的：「小國以下大國，則取大國。」所以能夠先認清自己所處的位置，用正確的觀點來規劃策略，這個AI策略其實就已經站在一個很好的基礎上了。

雖然是小國，但科技部選了台灣最有力量、最強大的產業來當作策略核心，就是半導體產業，並環繞著「人才」、「技術」、「場域」及「產業」四個部分，來打造台灣自己的AI生態圈。其中技術與產業的部分，多集中在「半導體射月計畫」之中。

圖三 : 台灣的AI策略執掌架構。(CTIMES製圖)

至於為什麼取名「射月」而不是射日？科技部並沒有太多解釋，只說是一個類似挑戰困難和瞄準未來的概念。但無論如何，它聽起來就是一個可以打中的目標。

邊緣運算先行 建立台灣AI晶片產業鏈

然而很多人對於半導體射月計畫其實有些誤解，因為就科技部的計畫內容，的確是朝要研發台灣自己的「AI晶片」作為具體的方向，但重點在於「系統整合」與「環境建置」。

首先，科技部初期的AI晶片是以邊緣運算（Edge computing）應用為主，並不是要傾國家之力開發出類似Nivida或英特爾那種超高性能的邏輯運算晶片。它是屬於終端產品應用的領域，也就是在目前所謂AIoT架構下的應用範疇，能夠為智慧聯網裝置帶來立即且高效率的AI功能。

依據負責執行的工研院的說法，預計今年底就會推出第一顆AI晶片，而這個晶片將會採28奈米製程，並以邊緣運算應用為主要領域，強調在影像智慧辨識方面的AI功能。

然而多數人聽到28奈米製程都會有些質疑，畢竟目前台灣最先進的商用製程已達到7奈米，而且又屬於AI應用，難免會讓人擔心是不是會有效能不足，或者無法與國外競爭的疑慮。

不過工研院電子與光電系統研究所所長吳志毅解釋，這個晶片主要是邊緣運算裝置的需求來設計，而且以展示整體的AI應用情境，起到示範AI架構和軟硬體整合的目標，並不是要就單一晶片的運算性能來打轉。重點是讓終端裝置訓練有AI模型的能力。

他強調，英特爾和NVIDIA這些邏輯晶片大廠在運算上的技術已十分領先，台灣沒有必要去跟他們競爭，而是應該要依據自身硬體製造的優勢來發展AI晶片，而重點則在推動台灣的AI產業化。

吳志毅也提到，這顆晶片是屬於經濟部旗下「AI on Chip示範計畫」的成果，目前約有20多家業者參與，包括上游的IC設計公司與中下游的半導體製造商，目標是建立台灣AI晶片產業鏈。

開發AI軟體工具 加速產業落地

而吳志毅所說的這個「AI on Chip示範計畫」就是一個跨部會組織，由行政院科技會報辦公室統籌，經濟部次長龔明鑫及科技部次長許有進擔任共同召集人，並以「半通用AI晶片」、「異質整合AI晶片」、「新興運算架構AI晶片」與「AI晶片軟體編譯環境開發」為四大主題。

圖四 : 邊緣運算的影像辨識應用會是初期的AI晶片發展重點。(Source: vox.com)

支持的業者則包含：鈺創、Google、義隆電、新唐、聯發科、力旺、聯詠、台積電、神盾、旺宏與台灣新思科等。

吳志毅更強調，這個為期四年的計畫中，每年都會發表新的成果，並持續推進技術的發展。

「這不是單純學術研究，我們每年都會有產出。」吳志毅說。

另一位負責演算法開發的工研院資通所所長闕志克，也同樣呼籲要以務實的態度和作為來發展台灣的AI產業。

他指出，在晶片設計和製造上，業界的能量遠遠高出學研界，去指導或者帶領他們開發AI晶片並不合理，反而是用成立平台的形式，讓業界可以來共同參與，並讓成果可以發揮在業界。

至於AI軟體的部分，他表示，台灣已經錯過了發展軟體的時機，此時若仍抱持著要成為AI軟體大國，打算輸出AI軟體產品的想法，就顯得不切實際了。但台灣現在可以做的是朝研發軟體工具的方向發展，並配合實際應用的需求來客製化。

闕志克指出，目前工研院就在進行AI晶片軟體編譯器的研發，也要透過其編譯器，把AI模型轉譯成晶片內可執行的程式，藉以加速AI產業化的落地時間。而除了編譯器的研發外，工研院也在進行AI晶片分析工具和系統模擬平台的研發，讓台灣的AI晶片設計的生態系統可以更加完整。

結語

整個來說，台灣的AI晶片計畫其實更著重在IC設計端的改變上。因為在晶片製造端，台灣在台積電壓倒性的領先優勢之下，仍會持續的受益，幾乎完全不需要擔心，但IC設計端，卻是挑戰重重。

特別是當特斯拉、臉書和亞馬遜這類業者，都紛紛開始開發自己的AI晶片時，就意味著傳統的IC設計公司已漸漸不符合市場的需求。尤其AI應用非常強調客製化，其實際的應用需要與規格，都不是一般IC設計業者所能掌握。因此，唯有打造一個能快速反應客戶客製化需求的AI晶片設計平台，才有可能搶占未來的商機，而這幾乎就是台灣AI晶片技術的精神所在。

至於應用端，台灣也沒有龐大的內部市場能夠創建出國際級的AI服務或者應用，但在某些特定的領域，如醫療或者資通方面，卻有相當深厚的實力，是可以作為初期的AI發展的基礎。

另外，台灣的人才水準是足以媲美國際市場，而科技部積極培育AI人才的策略，更是十分值得稱許。