瞬變學會

2026年5月16日星期六

《 策略性模糊（Strategic Ambiguity） 》

策略性模糊（Strategic Ambiguity）是一種刻意保持立場模稜兩可、不把話說死的決策技巧，旨在為自己爭取最大的選擇彈性並威懾對手。

這種策略被廣泛應用於政治、外交、商業談判及企業管理中。

核心運作邏輯

策略性模糊的核心在於「創造不確定性」。透過不明確表態，讓對手無法精準預測你的底線與下一步行動，進而不敢輕舉妄動。與之相反的策略是「戰略清晰」（Strategic Clarity），即直接亮出底牌與明確的規則。

主要應用領域

國際外交與軍事：

最著名的案例是美國對台海問題的「策略模糊」政策。美國不點破中國若動武時是否會直接出兵，這在外交上同時達成了「雙重嚇阻」的效果：一方面警告中國不可輕易動武，另一方面也防止台灣單方面宣布獨立而引發戰爭。

商業談判與合約：

在談判初期，刻意不鎖定具體價格或合作細節。這種模糊能保留退路，隨著市場變化或新資訊的出現，隨時調整條件，避免過早陷入被動。

企業管理與組織溝通：

高階主管在傳達公司願景時，有時會使用較宏觀、模糊的措辭。這能提供基層員工詮釋與創新的空間，同時包容組織內部不同派系的利益，避免過早引發衝突。

策略的優缺點對比

優點（為什麼使用）

缺點（潛在風險）

極大化彈性：

保留隨時改變立場的權利。

誤判風險：

對手可能低估你的底線而冒險挑釁。

雙重嚇阻：

同時約束利益衝突的雙方。

信任危機：

長期不表態會降低盟友或合作夥伴的信任。

緩衝時間：

延後衝突發生的時間以凝聚實力。

執行混亂：

下屬因缺乏明確指令而無所適從。

2026年5月12日星期二

《 不確定時代的科技治理：當科技政策不再有最佳解 》

(台灣如何在變動中建立「可調整的」制度能力)

當前科技政策最根本的困境—

"當世界變動的速度，超過制度調整的速度，政策該如何做出有效決策？"

這不只是AI的問題。從半導體供應鏈重組，到淨零轉型的能源選擇及發展路徑，台灣正同時面對多個高度不確定的決策場域。

過去那種「找出最佳解、按圖施工」的政策模式，正在快速失效。

問題不在於我們不夠努力，而在於我們仍用過去的方法，處理已經改變的世界。

一、從「情境分類」看政策失靈：我們其實誤判了問題

多數科技政策隱含一個假設：問題是可以被分析清楚的。

只要蒐集足夠資訊、仰賴專家判斷，就能設計出最適制度。

但現實正在改變。

戴夫．斯諾登(Dave Snowden)提出的「肯尼芬框架」(Cynefin Framework )將世界分為五種情境，並強調不同情境需要不同決策邏輯。

簡單（Clear）、
繁雜（Complicated）、
複雜（Complex）、
混亂（Chaotic）與
失序（Disorder）

傳統科技政策往往假設世界是「繁雜的情境」：

只要投入足夠專家知識，就能找出最佳解。例如：過去的產業政策，多半依賴技術評估、成本效益分析與長期規劃。

然而，當前許多科技議題—例如：生成式AI的社會影響、資料治理、甚至碳捕獲、利用與封存(Carbon Capture Utilisation and Storage，CCUS）的商業模式—

其實，更接近「複雜的情境」：

因果關係不清楚，結果無法預測，只能透過試錯與演化逐步形成。

當政府誤把「複雜問題」當成「繁雜問題」處理時，就容易出現政策失靈。

例如：試圖以一次性法規全面規範新興科技，或用固定補貼機制推動尚未成熟的技術，往往會導致制度僵化，甚至抑制創新。

當技術快速演進，應用場景與風險型態不斷變化時，任何試圖「一次訂好規則」的治理方式，都會很快過時。歐盟AI Act在生成式AI爆發後被迫調整，正是典型例子。

台灣也面臨相同挑戰。無論是AI基本法，或各類風險分類架構，其背後都隱含一個前提：風險是穩定且可分類的。但實際上，風險本身正在快速演化。

當我們把一個「會變的問題」，當成「可以解完的問題」，政策失靈幾乎是必然結果。

二、比「做對」更重要的，是「不出大錯」：策略的核心不是效率，而是存活

「風險說」提醒我們：

策略的本質，不在於最大化報酬，而在於管理不確定性、確保組織存活。

「風險說」強調三個核心觀點：

不確定性是常態，而非例外。
決策的重點在於控制下行風險，而非追求最佳解。
策略應保留彈性與選擇權。

如果問題無法被完全理解，那策略的目標也必須改變。

將這套思維放入科技政策，可以發現一個關鍵轉變：

政府不再只是「規劃者」，而是「風險配置者」。

在穩定環境中，我們追求的是「最好的選擇」；
但在高度不確定的情境下，更關鍵的是避免「致命錯誤」。

因此，產業政策的重點不再是「選贏家」，而是「避免輸得太重」。

在策略本質上，更接近「投資組合理論」。

這種思維轉變，已經出現在半導體政策中。過去，「集中」與「效率」帶來成功；但在地緣政治風險升高後，「分散」與「韌性」開始成為新的關鍵字。台積電赴美、赴日設廠，不只是產業布局，更是風險重新配置的結果。

以能源轉型為例。台灣一方面推動再生能源，另一方面面對供電穩定與產業需求的壓力。如果政策過度押注單一技術路徑，一旦預期落空，整體系統將承受高度風險。

同樣地，碳捕獲、利用與封存(Carbon Capture Utilisation and Storage，CCUS）與氫能仍處於成本與商業模式不確定的階段。若過早選定主流技術，可能導致資源被鎖定在錯誤方向。

三、科技政策需要「可以試錯的空間」

那麼，如果不能預測、也不該押注，政策該怎麼做？

答案不是更精準規劃，而是允許有限度的試錯。

在複雜情境中，有效的決策方式往往是「先小規模嘗試，再快速調整」。

政策不應追求一次到位，而應設計出可以學習的過程。

台灣的金融科技監理沙盒，就是一個具體例子。透過在可控範圍內開放實驗，政府得以同時觀察創新與風險，並將經驗回饋到制度設計。

但這樣的機制，尚未普遍存在於其他科技政策領域。

例如：

「生成式AI」是否可以建立跨部會的試驗場域？
「碳費制度」是否可以更制度化地進行滾動調整？

這些問題的關鍵，不在於答案本身，而在於制度是否允許「邊做邊修」。

政策的核心，不只是制定規則，而是設計一個能持續修正規則的機制。

四、從「控制風險」到「設計韌性」

當不確定性成為常態，我們重新思考科技政策目標：

「韌性」（resilience）逐漸取代「效率」(更低成本、更高產出)，成為新的政策核心。

在複雜系統中，風險無法完全消除，因此科技政策的重點應轉為：

建立冗餘（redundancy）：多元能源結構，而非單一依賴。 (效率往往建立在「去除冗餘」之上，也因此讓系統變得脆弱)
提升回復能力（recovery capacity）：數位基礎設施的備援設計。
強化早期訊號辨識（early signal detection）：透過資料監測與跨部門協作。

這意味著：

即使效率下降，也要分散風險；
即使成本較高，也要保留備援。

台灣在幾個領域已經開始轉向。

能源系統強調儲能與電網韌性，
數位基礎設施重視資安與備援架構，
半導體產業推動國際布局。

這些看似分散的科技政策，其實指向同一個目標：確保系統在出錯時仍能運作。

以半導體供應鏈為例，疫情期間的晶片短缺顯示，效率導向（just-in-time）反而削弱系統韌性。美國、日本與歐盟近年推動在地製造與供應鏈重組，某種程度上正是從「效率優先」轉向「韌性優先」。

五、關鍵不在預測，而在調整

對台灣而言，挑戰不在於技術或產業能力，而在於制度是否跟得上變化。

我們過去擅長在相對穩定的環境中做出正確選擇；但現在的問題是，未來越來越難預測。

在這樣的世界裡，真正重要的能力，不是「看得準」，而是「改得快」。

這意味著，科技政策必須具備三種特性：

可以調整，而不是一次定型；
可以回饋，而不是延後修正；
可以協作，而不是各自為政。

當制度具備這些能力時，政策就不再是一份靜態文件，而是一個持續演化的系統。

六、在不確定中，建立制度優勢

台灣作為全球科技供應鏈的關鍵節點，同時又面對地緣政治與產業轉型壓力，科技政策必須同時處理高複雜與高風險的問題。

政策的成功標準，不再是是否一次到位，而是是否能持續演化。

具體而言，可以思考三個方向：

政策設計「模組化」：避免一次性全面立法，改採可調整的制度架構。
建立跨域實驗機制：讓AI、能源、數據治理等政策，可以在受控環境中測試。
強化政策回饋循環：透過數據與利害關係人參與，快速修正政策。

更重要的是，政府角色需從「解決問題的人」，轉為「設計問題解決機制的人」。

七、結語：科技治理應從追求「最佳解」到建立「適應性治理」

科技正在重塑世界，但制度的角色，仍然是提供穩定。兩者之間的落差，正是當代治理最艱難的課題。當問題無法被完全理解，策略無法一次到位，「最佳解」本身就不再存在。

科技政策邏輯的根本轉變：

從追求「最佳解」（optimal solution），轉向建立「適應性治理」（adaptive governance）。

在「複雜情境」下，政策不應該一開始就追求完美設計，

而是應採取「試探—感知—回應」（probe–sense–respond）的方式。

在動態複雜的時代，科技政策的治理價值：

不在於預測未來，而在於面對不確定仍能前進；
不在於避免錯誤，而在於能否在錯誤中快速調整。

而當代科技治理最關鍵的能力：

「在未知中行動，在錯誤中學習，在變動中維持穩定」。

政策不再是藍圖，而是一個持續調整的過程；
治理不再是控制，而是引導與適應。

當科技不斷改變未來的輪廓，真正的產業競爭力，不只是技術本身，而是我們是否擁有一套能與不確定共存的治理思維。

在高度不確定的時代下，台灣科技政策應如何從追求「最佳解」轉向建立「適應性治理」。

傳統仰賴專家規劃與一次性立法的方法，在面對AI與能源轉型等複雜情境時，已逐漸失靈，因此治理核心應優先考量系統韌性，而非單純的效率。

政策制定者應具備投資組合思維，透過建立容錯空間與監理沙盒，容許小規模試錯並快速滾動修正。

最終目標是讓政府從「單純的規劃者」轉變為「風險配置者」，藉由建立一套能隨技術變動，而持續進化的制度機制，確保在未知挑戰中仍能維持運作。

《 台灣在人工智慧浪潮中的競爭策略 之芻議》

一、台灣AI產業機會在哪裡？

全球 AI 浪潮正以超乎預期的速度席捲各個產業，而站在這場防禦技術革命核心的，正是面積僅三萬六千平方公里的台灣。這座島嶼，卻掌握著全球最精密晶片的製造命脈。

當輝達單季營收在三年間(2023年到2026年)，從 71.9 億美元飆升至 680 億美元，全球供應鏈幾乎已來不及重組。速度快到一個程度，時間本身，已成為企業最大的風險。這樣的現實，一方面構成台灣難以取代的護城河；另一方面，也逼迫我們思考：除了硬體製造之外，台灣下一個能定義自身價值的位置，究竟在哪裡？

二、硬體：台灣真正的護城河

電子時報社長黃欽勇提出了一個大膽的命題：「硬體會吃掉 AI」。

軟體的事業模式很難複製，但複製的成本很低；
硬件的事業模式很容易複製，但複製的成本極高。

這是兩個截然不同的世界。

當算力需求從雲端下沉到邊緣設備，台灣這五十年來累積的硬體底蘊和產業密度，正成為全球 AI 最不可繞過的至高點。鴻海、廣達、緯創，AI服務器的供應鏈從筆電製造一路延伸而來，二三十年的製造進程信任與管理效率，根本沒有人能瞬間在複製。這不是誇口，而是結構性的競爭優勢。

黃欽勇指出，台積電 2026 年的資本支出預估將達到 520 億至 540 億美元，幾乎與獲利一比一對等。這種「無人敢替代」的地位，讓台灣在全球 AI 供應鏈中穩居 C 位。

當 NVIDIA 在三年內成長 9.5 倍時，背後的供應鏈根本不敢輕易更換夥伴，因為台灣人建構生態系的效能與彈性是全世界最好的。這種由「地小人稠」轉化而來的「供應鏈權威」，讓台灣在新竹、台中、大南方形成了一個無可複製的 DNA。

台灣7級地震，半夜新竹塞車，工程師回公司，20分鐘就到了。台灣可能20分鐘可以到，對手要40分鐘，40分鐘就會造成很多人的心理障礙。「地團結人稠，是祝福，不是預言。」這個密度，才是台灣真正的產業護城河。

台灣在 AI 浪潮帶動下，經濟成長動能明顯升溫。2025 年 GDP 成長率達 8.63%，創下近 15 年新高；2026 年官方預估仍可維持約 7.7% 的高成長，顯示 AI 已深度牽動台灣整體經濟。

一方面，作為全球 AI 供應鏈核心，台灣資訊與半導體相關產業的整體產值已突破 1 兆美元規模。

另一方面，一座 2 奈米晶圓廠從建置到量產，往往需要 2 至 3 年；而高階晶片設計與驗證，同樣需要長時間投入與技術累積。這也意味著，在技術門檻、製程經驗與供應鏈整合優勢之下，未來 5 至 10 年，台灣半導體產業仍將持續領先全球。面對台積電赴美設廠所帶來的地緣政治壓力，

黃欽勇曾算過一筆帳：即使台灣對美國半導體政策全面開放，完全不限制台積電赴美投資，他仍認為台灣至少還擁有約十年的領先優勢。因為真正難以複製的，從來不只是單一工廠，而是整個半導體生態系長年累積的製程經驗、供應鏈協作與產業效率。

過去二十年，矽谷的神話告訴世界：「軟體正在吃掉全世界。」但到了 AI 時代，真正決定競爭門檻的，開始重新回到硬體能力本身。當 AI 算力需求以爆炸性速度成長，晶片製造、先進封裝、伺服器供應鏈與量產能力，反而成為最難被取代的核心實力。台灣的價值，也因此不再只是「代工」，而是全球 AI 基礎設施不可或缺的關鍵樞紐。

未來，台灣不應只是接訂單，而應運用硬體優勢與東南亞、印度甚至中東國家合創共榮。例如：透過協助菲律賓建立手機產業，或是與澳洲在矽光子領域合作，將台灣的影響力從工廠延伸至標準與服務。

三、AI應用版圖：機會的開發

然而，硬體的護城河並不等於應用的全面勝利。

麻省理工學院（MIT）集體智慧中心的一份最新研究，揭示了 AI 市場的「極度偏食」：全球企業投入 AI 的預算中，最頂端僅 1.6% 的任務，竟然吸納了超過 60% 的市場價值。

當資金與技術瘋狂壟斷在數位內容生成、問題解答等「資訊處理」領域時，台灣——這個掌握全球 93% AI 伺服器產能的硬體巨人，究竟該如何在那 1.6% 之外的遼闊藍海中，定義自己的下一個黃金十年？

AI的投資高度集中，但是真正涉及物理操作、人際深度交流與最終決策的市場的應用領域仍為空白，AI在許多「思考」與「互動」任務的滲透率幾乎為零。例如：給予指示、授權、分派任務，以及接收。這些任務往往涉及決策與責任歸屬，也必須牽扯到人與人的溝通，目前企業仍普遍傾向由人類承擔最終決策責任。

麻省理工學院的研究也同樣指出，「EPOCH」人類五大核心能力架構強調，人類在同理心、現場感、觀點、創造力與希望等五個維度，有著人工智慧難以取代的優勢。

對台灣創業者而言，這些尚未被充分開發的 AI 應用領域，並非技術上的障礙，而是下一波值得搶進的藍海市場。真正的關鍵，在於誰能率先打造出理解複雜社會脈絡、掌握人類行為與統計機制的 AI 系統。唯有如此，才有機會開啟這塊仍待深耕的巨大市場。

四、從雲端到地端：台灣軟硬整合的新機遇

中華電信董事簡立峰曾任Google台灣主要董事總經理，指出了台灣AI產業的三大機會。

第一，美中新冷戰下的AI軍備競賽活動下，紅色供應鏈受阻，美系市場以台灣為主；

第二，從雲端AI走向邊緣AI，軟硬一體化的大時代正在到來；

第三，台灣即將成為超高齡社會，這是一個黃金十年的創新窗口。

尤其是邊緣AI（Edge AI）的機會，值得台灣企業深入佈局。

當 AI 進入智慧手機、PC 與各式 IoT 裝置，場景變得多元且零碎，這並非雲端巨頭（CSP）的強項。

邊緣AI的應用場景多元，雲端大廠難以主導；技術上需要高度軟硬整合，可開源運用AI模型，硬體大廠因此有機會擴展智慧服務。

無人機、智慧醫療設備、智慧工廠、智慧安控及智慧自行車，這些都是台灣可以在「硬體當載體」的策略下，將軟體能力嫁接到其上的絕佳領域。

台灣硬體大廠若能以硬體為載體，發展具備「物件辨識」與「推理能力」的智慧服務——例如：能溫馨提醒長者東西放哪裡的 AI 相機，或是智慧醫療與安控設備，就能避開與矽谷巨頭在通用型模型上的正面衝突。