当AI成为企业投资与产业升级的重要方向，台湾最受瞩目的优势仍是半导体与服务器制造。 从芯片到设备，相关产业站在全球供应链的关键位置。 但科技业订单增加，不代表一般企业的经营能力同步提升，更不代表劳工薪资自然成长。 台湾需要回答的问题，是如何把AI带来的产业收益，转成更多企业用得起、更多劳工接得住的发展机会。 ​国际货币基金的研究指出，生成式AI可能提高生产力，也可能通过资本报酬增加与工作重组，扩大所得及财富差距。 这是需要预先处理的风险，不能直接视为台湾已经发生的结果。 判断AI成长是否改善分配，必须观察不同产业的薪资、就业与生产力变化，不能只看出口金额或少数企业获利。 分配落差可能出现在3个环节。

掌握算力、数据与市场通路的企业，较容易取得技术收益。 能运用AI改善工作的专业人员，也可能提高议价能力。 缺乏资源的中小企业与需要转换职能的劳工，则可能承担调整成本。 若政策只支持供应端扩产，却忽略使用端的能力建设，制造优势就难以转成整体经济的生产力提升。 市场集中也需要精确判断。 先进芯片与大型云端服务需要庞大投资，规模经济确实有助于降低成本，企业规模大并不等于违法垄断。 真正需要关注的是，供应商是否通过绑定服务、限制数据移转或提高转换成本，让客户难以选择其他方案。 OECD的研究指出，AI基础设施的高集中与进入障碍，可能限制竞争及创新机会。

对台湾中小企业而言，困难往往不只是订阅费，而是数据尚未整理、流程不够清楚，也缺少能判断导入效果的人员。 政府补助若只计算购买多少软件、办理多少课程，容易把采购成果当成转型成果。 较有效的做法，是从接单、库存、品管与客服等具体需求出发，协助企业整理数据、调整流程，再检验工时是否减少、错误率是否下降，以及节省的成本能否持续。 公共资源可以优先支持共用服务，由公协会、学校与技术服务单位提供诊断、小规模试用及导入协助，降低每家企业各自摸索的成本。 补助方案也应要求费用透明、数据可导出，并在契约中交代服务终止后的移转方式。 企业能选择供应商，也能合理退出，才有条件形成持续竞争的AI市场。 劳工政策则要从培训人次转向就业结果。

AI通常先改变工作中的部分任务，是否造成职位缩减，仍取决于企业如何重组流程与分配成果。 培训应结合实际职务，让行政人员学习核对AI输出，让制造现场人员理解异常判读与数据纪录。 成效要追踪受训后的工作运用、留任与薪资变化，转职期间也需要收入支持及媒合服务。 数据共享同样不能等同全面公开。 个人数据、营业秘密与公共数据具有不同限制，应依用途、敏感程度与责任安排采取开放或受控访问。 政府支持数据合作时，需要明确订定使用范围、访问纪录与违规责任，让企业愿意参与，也让数据提供者有能力监督。 可信任的共享制度，才能降低创新成本而不牺牲权益。 台湾的AI政策需要同时衡量产业竞争力与收益扩散。

出口、投资与研发之外，也应追踪中小企业的实际采用成效、劳工转职结果及不同产业的薪资变化。 当生产力提高却未反映在薪资与公共收入，政府就应查看劳资协商、租税及社会保障安排。 守住制造优势，并让更多企业与劳工取得成长成果，才是台湾AI转型最值得投入的战略方向。 ＊作者为时事评论员，公督盟评审委员，ESG碳减量联盟理事长，任教于台湾师范大学