人工智慧( AI)技术的快速发展，尤其是生成式AI的崛起，正在重塑全球科技产业格局。作为全球科技产业的重要关系者，中国大陆和台湾在AI发展策略上呈现不同的思维和路径。本文将从发展策略、重点领域、法规框架、伦理考量、产业生态、创新模式等多个角度，分析两岸在面对AI技术全面发展时不同应对方式与未来挑战。

大陆以应用为先　台湾以产业生态为重

中国大陆将AI发展视为国家战略，投入大量资源推动AI技术的研发和应用。在生成式AI领域，强调快速落地和大规模应用，主要体现在以下几个方面：首先，在政府主导方面，中国大陆透过政策支持和资金投入，大力推动AI技术的快速发展和应用。例如，2017年中共国务院发布「新一代人工智慧发展规划」，明确提出到2030年中国大陆成为世界主要AI创新中心的目标，自上而下的战略规划为其产业与科研发展起到带头作用。其次，中国大陆拥有超过9亿网际网路用户的庞大基数，海量数据成为训练和修正AI模型的关键要素，使某些AI应用领域具备独特优势。第三，中国大陆特别强调大语言模型的实际应用和商业化，例如百度的文心一言、阿里巴巴的通义千问等模型的快速发展和应用。2023年8月，中国大陆提出「生成式人工智慧服务管理暂行办法」，以规范生成式AI的发展和应用，强调内容管控和数据安全，要求AI系统必须遵守中国大陆的法律法规，并明确规定AI生成的内容不得危害国家安全、破坏社会稳定。同时，对AI公司和平台实施严格监管，包括算法审核和内容审查，要求生成式AI服务提供者建立健全的数据安全管理制度。

相比之下，台湾AI发展策略更注重技术创新和产业生态的建设。台湾充分发挥在半导体和电子制造业优势，专注发展AI晶片和边缘计算技术。「台积电」等公司在AI晶片制造领域的领先地位，为台湾的AI发展提供坚实硬体基础。同时，台湾也积极与美国、欧洲顶尖研究机构保持密切合作。在应用领域选择上，台湾采取聚焦战略，重点发展医疗、智慧制造等具优势的相关领域。台湾在AI法规制定上采取更为谨慎的态度，特别注重与国际标准接轨，如欧盟的「人工智慧法案」(AI Act)，希望透过与国际标准接轨提高全球竞争力。

大型科技主导VS.中小企业创新

中国大陆的AI产业生态主要由百度、阿里巴巴、腾讯等大型科技公司主导，凭藉强大研发能力和丰富的数据资源，快速开发和部署大规模AI模型。同时，政府透过设立多个AI产业基金，大力支持AI企业发展，积极推动产学研合作，加速AI技术的转化和应用。例如，2018年11月14日，北京智源人工智慧研究院揭牌成立，在中共科技部和北京市委市政府支持下，依托北京大学、清华大学、中国科学院、百度、小米、位元组跳动、美团点评、旷视科技等，算是具有代表性的案例之一。其庞大的市场为AI技术提供丰富的应用场景，加速技术的反复运算和优化。然而，这种模式也面临技术垄断风险、中小企业创新空间受限等挑战。

台湾的AI产业生态以中小企业和创新创业为主要驱动力，充分利用在半导体和电子制造业的优势，打造AI硬体和软体结合的完整生态系统。国科会积极推动「晶创台湾方案」，透过跨部会合作，聚焦发展7nm先进晶片、小晶片及矽光子、AI、HPC等领域的技术研发。在产业支持方面，政府透过「亚洲．矽谷3.0推动方案」等计划，为中小企业提供技术支援和创新转型咨询。在国际合作层面，企业积极与全球科技巨头建立策略伙伴关系，如英特尔已与华硕、宏碁等11家台湾供应链伙伴在AI PC领域展开深度合作。另外在智慧医疗领域，已有包括宏碁智医在内的24家合作伙伴共同开发创新解决方案。

AI技术加剧美中科技竞争

半导体和晶片设计的复杂度不断提升，但无论设计多么复杂，其根本仍始于架构的设计。在积体电路设计领域，电子设计自动化 (Electronic Design Automation, EDA)工具扮演著奠定晶片基础的关键角色。随著半导体和AI晶片制程要求更高效率地完成功能设计及效能分析，EDA工具的重要性与日俱增。这些工具改变了过往晶片设计需耗费大量人力打造繁杂工作流程的局面，有效找出功耗、效能及面积三项综合指标的最佳化条件。面对未来高速运算需求的GAA (Gate-All-Around)结构等先进制程，都需要制造类EDA工具协助验证结构性能。伴随线宽不断微缩，当线宽尺寸接近并小于光源波长时，会出现严重的绕射效应，导致影像失真，此现象称为光学邻近效应 (Optical Proximity Effect, OPE)。为解决此问题，需要在考量光学效应的情况下，修正光罩的图样以符合所需的曝光结果。过程中，光学邻近修正 (Optical Proximity Correction, OPC)工具在设计和制造过程中的作用变得越来越关键。

AI技术意外为OPC工具带来意想不到的加乘效果，显著提升半导体制造过程的效率和精确度，大幅提高OPC的计算效率并缩短迭代时间。同时，AI能够分析大量历史数据，识别复杂的光学效应模式并提出更精确的修正方案。在当前美中贸易战和技术竞争的背景下，AI驱动的OPC技术为中国大陆提供突破半导体封锁的可能方向。政府已将半导体产业自主化列为国家战略重点，投入大量资金支持本土企业的研发和生产。

具体而言，AI技术的自适应学习和修正能力可帮助半导体企业更快克服技术障碍，提高制程良率，在没有最先进EUV情况下，推进制程技术向更先进的节点发展。例如，中国大陆企业或可在现有的DUV技术基础上，实现更精细的微影制作，从而部分弥补无法使用EUV技术的劣势。包括利用AI进行IC最适化设计、制程参数调整、缺陷检测和良率管理等，这种全方位的AI应用策略恐使中国大陆在某些特定领域取得突破进展。

从更广泛的角度来看，AI技术在半导体产业的应用或可重塑产业格局。如果中国大陆持续成功利用AI技术实现半导体制造的突破，将减弱美国技术优势，加剧两国在高科技领域的竞争，导致全球半导体供应链进一步分化，甚至引发新一轮的技术封锁和反制措施。

强化国际合作　因应全球供应链重组

中国大陆在AI发展中具有庞大市场、丰富数据资源和强大政策支持等优势，但也面临国际技术合作受限、AI伦理和隐私保护等挑战。台湾凭藉强大的硬体基础、灵活的创新能力和国际化的产业生态占据优势，但同时面临人才流失、市场规模有限等挑战。

展望未来，生成式AI与半导体技术的结合将持续重塑全球科技格局。中国大陆需要在保持快速发展势头的同时，平衡技术突破与国际合作关系。台湾则需充分发挥在半导体和电子制造业优势，开发差异化的AI技术应用，并强化国际合作网络。在全球供应链重组的大趋势下，除须审慎评估各自的策略定位，也要维护自身利益，这种动态平衡将决定未来在全球科技版图中的重要地位。