事件
2026 年台北國際電腦展（COMPUTEX 2026）以「AI 協作」為主軸開幕，集結來自 33 個國家、1,500 家企業、6,000 個攤位。展會主辦單位在新聞稿中明確指出，今年的焦點不再是「算力競賽」，而是「AI 從雲端走入真實世界」——具體指向製造自動化、高齡照護、勞動力轉型等實體應用場景。
高通、邁威爾、英特爾、恩智浦等晶片巨頭參與，同時展會新設「AI 機器人區」與「科技應用暨體驗館」，標誌著產業敘事從工程極限轉向商業可行性。
觀察
第一波（2018-2023）：能力軍備競賽 - OpenAI 的 GPT-3、GPT-4、Anthropic 的 Claude、Google 的 Gemini 互相較勁 - 競爭指標：參數量、訓練資料規模、推理速度、benchmark 分數 - 參與者：科技巨頭（OpenAI、Google、Meta）與專業型新創 - 定價邏輯：按 token 計費、規模經濟驅動價格下降 - 贏家畫像：資本最多、算力最強、工程師最優秀
第二波（2025-2030）：應用落地競賽 - 從「模型能做什麼」轉向「模型在哪個領域最有用」 - 競爭指標：解決問題的深度（ROI、使用者轉換率、保留率）、而不是模型分數 - 參與者：垂直領域廠商（醫療設備廠、自動化系統商、老年照護營運方）與晶片製造商結盟 - 定價邏輯：按成果計費（outcome-based）、按企業客戶年度 IT 預算割百分比 - 贏家畫像：最懂該領域痛點、能整合軟硬體的系統整合商
歷史類比
1990 年代軟體產業的類似轉折： - 第一波（1980-1990）：作業系統與資料庫軟體的「技術競賽」（DOS vs OS/2 vs Mac） - 第二波（1995-2005）：應用軟體的「產業破壞」（Excel 顛覆財務部、Salesforce 改造業務流程） - 結果：能做最多功能的軟體反而被專用軟體打敗；微軟靠「Office 套餐+企業支援服務」反轉局面
智慧手機的類似轉折： - 第一波（2007-2012）：硬體規格競賽（處理器、螢幕、電池、攝像頭像素） - 第二波（2012-2020）：應用生態與使用者體驗（iPhone 靠 App Store 與設計勝出、安卓的開放性反而成累贅） - 結果：規格最強的手機（當時是三星、HTC）反而邊緣化；蘋果靠「生態整合」與「服務營收」重新定義競爭
核心原則（Mental Model）
技術成熟度的 S 曲線雙層結構：
第一層（工程 S 曲線）： ``` 性能 ↑ ▲ | ╱╲ | ╱ ╲ | ╱ ╲___(飽和期：邊際收益遞減) | ╱ |╱___(導入期) └─────────→ 時間 ``` 競爭指標：性能、成本、速度。贏家通吃。這就是 2018-2024 年 AI 的狀況。
第二層（商業應用 S 曲線）： ``` 企業採用率 ↑ | ▲ | ╱╲ | ╱ ╲___ | ╱ | ╱ |____╱_____(從工程優化過渡到應用優化的臨界點) └──────────→ 時間 ``` 競爭指標：成本效益、整合深度、客戶滿意度、保留率。多贏家並存。
Geoffrey Moore 的「跨越鴻溝」(Crossing the Chasm) 理論： - 第一段用戶（13%）：技術愛好者與先知夢想家——他們只在乎「能做什麼」 - 鴻溝：兩類用戶之間的巨大需求差異 - 第二段用戶（68%）：實用主義者與保守派——他們只在乎「怎麼解決我的問題」
AI 現在正在跨越這條鴻溝。
為什麼這個轉折對台灣很關鍵
1. 台灣的硬體製造優勢在應用層仍有用 - 第一波：晶片規格競賽（台積電、聯發科贏），但利潤被 OpenAI、Google 搶走 - 第二波：邊緣運算晶片、客製化推理加速卡、嵌入式 AI 晶片，台灣製造廠有機會重新定價權
2. 台灣的小型系統整合商有機會 - 第二波不需要全球最強的模型，只需要最適配特定領域的模型 + 整合方案 - 台灣 500+ 家中小型自動化、醫療設備廠商可成為「垂直AI化」的主角
3. 智慧製造 / 高齡照護是台灣的實際痛點 - 台灣人口老化速度全球第二（僅次日本） - 台灣製造業缺工問題最急迫 - 這些場景天然是「AI 落地試驗場」