《 Taiwan Technology and AI Ecosystem 》

 

彙整了 2024 年與 2025 年 參與特定產業生態系的合作夥伴名單，顯示出參與成員顯著成長至 122 家 機構。
 
清單涵蓋了從 半導體代工、伺服器系統到邊緣運算等關鍵硬體領域，反映出產業硬體基礎的穩固。
 
除了技術導向的企業，名單中亦包含眾多 學術研究單位與醫療金融機構，顯示技術應用正深度滲透至社會各個垂直產業。
整體而言，這些數據勾勒出人工智慧與科技供應鏈在台灣及全球市場的擴張軌跡與組成變化。
 
透過對成員進行類別化管理，該來源清晰呈現了 技術創新與產學合作 緊密結合的策略布局。

--------------------------------

---

📌輝達（NVIDIA）在 2024 年與 2025 年 COMPUTEX 展示的合作夥伴名單

   （即「供應鏈牆」），反映了台灣科技產業在人工智慧生態系中的哪些核心

    產業組成？

 

輝達（NVIDIA）在 2024 年與 2025 年 COMPUTEX 展示的合作夥伴名單（即「供應鏈牆」），

反映出台灣科技產業已在人工智慧（AI）生態系中形成了極為完整且多元的組成。

這份名單不僅涵蓋了傳統的硬體製造，更擴張至軟體、垂直應用及學術研發，

展現了台灣作為全球 AI 基礎建設核心的地位。

根據來源內容，這些名單反映出的核心產業組成可歸納為以下幾大類：

1. 半導體、晶圓製造與封測（核心底層）

台灣在半導體供應鏈中擁有高度整合的優勢，名單中包含了從設計、製造到封裝測試的指標企業。

• 晶圓製造： 台積電（TSMC）聯電（UMC）。

• 封裝測試： 日月光/矽品（ASE/SPIL）京元電子（KYEC）。

• 核心功能： 這些企業負責 AI 晶片的生產，支撐了輝達如 Blackwell 等先進系統的製造基礎。

2. AI 伺服器、系統組裝與基礎設施（產業動能）

台灣是全球伺服器最重要的出口國之一（2024 年為全球第二大出口國），負責 AI 基礎建設的硬體整合。

• 關鍵企業： 包括鴻海（富士康）、緯創、廣達/雲達、英業達、仁寶、和碩等。

• 重要性： 這些公司不僅進行整機組裝，還參與 AI 超級電腦（如 GB200 NVL72）的設計與製造。

3. 關鍵電子零組件（中游生態系）

AI 算力的提升帶動了零組件規格的升級，這在名單中佔據了龐大比例。

• 散熱解決方案： 雙鴻、奇鋐（AVC）、酷碼（Cooler Master）。

• 電源與機殼： 台達電、全漢、勤誠。

• 記憶體與 PCB： 2025 年名單首度納入記憶體模組廠威剛與群聯；PCB 與載板則有欣興電子等。

• 連接器與傳輸： 嘉澤、貿聯-KY、波若威。

4. 邊緣 AI、工業電腦與機器視覺（應用擴展）

台灣在工業自動化與邊緣運算領域具備強大實力，這也是邁向「實體 AI」時代的關鍵。

• 工業電腦（IPC）： 研華、凌華、研揚、艾訊。

• 機器視覺與機器人： 圓剛、聰泰（專精於機器視覺技術）、所羅門（AI 3D 視覺定位）、達明機器人。

5. 垂直應用與軟體服務（新興領域）

2025 年的名單首次大幅納入非電子產業，顯示 AI 技術正深層滲入台灣的服務業與政府運作。

• 金融機構： 國泰金控、玉山銀行、中信金控，利用 AI 進行防詐、授信與智慧金融代理服務。

• 醫療機構： 榮總、台大醫院（北醫）、中國醫藥大學附設醫院，專注於 AI 醫療輔助診斷與技術開發。

• 政府與法人： 台北市政府、高雄市政府、工研院、國網中心。

6. 學術與研究機構（人才基礎）

名單中包含了 17 所公私立大學，如台大、清大、陽明交大、成功大學等。這些機構與輝達合作成立「AI University」，致力於 AI 人才培育、產學研究與新創孵化，確保了台灣 AI 生態系的長期競爭力。

總結來說，這些名單反映了台灣已從單純的硬體代工，轉型為涵蓋半導體製造、系統整合、關鍵零組件、跨領域軟體應用以及學研人才儲備的全方位 AI 工業體系。

---

📌從2024-2025年兩年間參與機構數量的增長，

     可以看出整體產業發展的哪些主要趨勢？

 

從兩年間輝達（NVIDIA）供應鏈背板參與機構數量的增長（從 2024 年的 101 家 增加至 2025 年的 122 家），可以看出整體產業發展呈現出以下幾個主要趨勢：

1. AI 應用從「硬體製造」轉向「跨領域垂直整合」

產業發展已不再侷限於傳統的電子零組件與硬體組裝。

在 2024 年，醫療、金融與政府應用分類下的機構數為 0，但到了 2025 年則顯著增長至 10 家。

• 金融業首度入列：

國泰金控、玉山金控（玉山銀行）中信金控正式進入合作名單，標誌著 AI 正在深化至金融代理人、防詐模型與智慧理財等應用場域。

• 醫療與公共部門：

包括榮總、台北醫學大學、中國醫藥大學附設醫院以及台北市政府與高雄市政府都成為合作夥伴，顯示 AI 技術正加速滲透至公共服務與智慧醫療。

2. 產學合作與人才培育的深度擴張

學術與研究機構的數量從 2024 年的 18 所 大幅增長至 2025 年的 27 所。

• 輝達與台灣頂尖大學（如台大、清大、陽明交大、中原大學等）推動「AI University」計畫，將 AI 融入教學、研究與創業。

• 這種增長趨勢反映出產業對 AI 人才的極大渴求，並透過校園合作建立長期的人才供應鏈與技術研發中心。

3. 硬體供應鏈的全面細緻化與強化

隨着 AI 技術從雲端擴展至終端（邊緣運算），相關硬體環節的參與者也顯著增加：

• 記憶體與儲存：

隨著邊緣運算重要性提升，威剛與群聯等記憶體模組廠首度入列，這反映出終端 AI 應用需要更靈活的商業模式與更強大的數據處理能力。

• 散熱與零組件：

隨著 AI 算力提升，散熱、電源與零組件分類的廠商從 5 家暴增至 16 家。為了應對高階 AI 伺服器的需求，產業正致力於液冷散熱與電力管理技術的升級。

• 傳輸與網通：

此分類從 2024 年的 1 家大幅增長至 2025 年的 7 家，顯示在 AI 數據中心與超級電腦的建構中，高速傳輸技術（如 NVLink）的需求正快速釋放。

4. 台灣從「科技製造」轉型為「全球 AI 基礎建設核心」

輝達執行長黃仁勳強調，輝達已從晶片公司轉型為「全球 AI 基礎建設公司」。

在兩年間機構數量的增長中，台灣廠商在 AI 伺服器產業鏈（包含上游晶圓代工、中游電子元件及下游組裝代工）中占據了關鍵位置。

• 2024 年台灣已晉升為全球第二大伺服器出口國。

• 台灣具備高度整合的製造生態系，吸引國際廠商合作，並促使本土半導體設備及材料商（如萬潤、辛耘等）營運攀高，強化了台灣在 AI 供應鏈中的領導地位。

5.總結

這兩年參與機構數量的增長，代表了 AI 產業已從基礎設施的建設階段，邁入「全產業鏈參與」與「多元場域應用落地」的新發展階段。

---

📌在 AI 伺服器供應鏈中，台灣除了組裝外還有哪些關鍵零組件優勢？

在 AI 伺服器供應鏈中，台灣展現了極為強大的垂直整合能力，除了下游的整機組裝（EMS）外，

在半導體製造、電子零組件及關鍵機械零件等領域均擁有顯著的優勢。

根據這些來源，台灣在 AI 伺服器產業鏈中的關鍵組件優勢可歸納為以下幾個層次：

1. 上游：半導體製造與先進製程生態系

台灣在 AI 晶片的生產端擁有絕對領導地位，形成了一個高度整合的製造生態系。

• 先進製程與封裝：

台灣擁有全球領先的 12 吋晶圓代工技術（如台積電），2024 年產值已逼近 3 兆元。

此外，在 CoWoS 等先進封裝與測試環節（如日月光、京元電），台灣廠商也是 Blackwell 等高效能 AI 晶片量產的關鍵夥伴。

• 半導體設備與化學材料：

隨著先進製程擴產，本土的半導體生產設備（如萬潤、辛耘）以及關鍵化學品（如光阻劑、電子工業用塑膠膜與 IC tray 盤）的產值均顯著增長。

2. 中游：電子零組件的規格升級與放量

AI 伺服器對算力的渴求帶動了零組件的用量增加與技術升級。

• 印刷電路板（PCB）與載板：

台灣在 IC 載板及高階 PCB 領域優勢明顯，受惠於高效能運算需求，IC 載板與相關材料（如玻璃纖維梭織布、銅箔基板 CCL）的產值大幅回升。

• 被動元件（電容器與電阻器）：

單台 AI 伺服器所需的被動元件數量是傳統伺服器的 3 至 5 倍。

台灣廠商如台達電、國巨等在電容器與電阻器的產量與規格提升上，直接受益於算力提升的需求。

• 高階板卡與介面卡：

因應 AI 高效能需求，主機板與介面卡的產值在 2024 年均創下新高，產值年增率分別高達 89.3% 與 27.2%。

3. 核心基礎設施零件：散熱、電源與機械結構

隨著 AI 晶片熱功耗提升，台灣廠商在基礎硬體解決方案上佔據核心地位。

• 電力與液冷散熱：

台灣廠商（如台達電、奇鋐、雙鴻）提供關鍵的電源管理與散熱方案。

特別是在「銅退光進」與液冷散熱技術的轉折點上，台廠供應鏈已被視為全球核心推手。

• 導軌（Guide Rails）：

導軌是組裝伺服器機台不可或缺的零件，能確保機台在機架中移動時保持穩定。

台灣在其他金屬製品（導軌）的產值表現穩健，是 AI 資料中心建設的隱形冠軍。

4. 新興領域：記憶體模組與邊緣視覺

2025 年的名單顯示，台灣的優勢正擴張至更靈活的終端應用。

• 記憶體模組：

威剛與群聯首度入列輝達供應鏈，顯示 AI 應用從雲端延伸至**邊緣運算（Edge AI）**時，記憶體模組在終端落地的關鍵性大幅提升。

• 機器視覺技術：

圓剛與聰泰等廠商在影像擷取與影像分析領域的技術，被視為 AI 系統（如機器人）的「眼睛」，這在實體 AI（Physical AI）時代具有極高的技術競爭力。

5. 總結

台灣在 AI 伺服器供應鏈中，已從單純的代工廠進化為提供晶圓製造、高規格電子元件、先進散熱方案及精密機械零件的全方位供應商。

---

📌產學合作與研究機構在推動台灣人工智慧技術轉型中扮演了什麼角色？

 產學合作與研究機構在推動台灣人工智慧（AI）技術轉型中，扮演了人才培育、前瞻技術研發以及產業生態系建構的核心角色。

透過輝達（NVIDIA）與台灣多所大學及研究機構的深度合作，台灣正從半導體核心向「全產業鏈與跨領域」的深度合作升級。

詳細說明其扮演的具體角色：

1. 人才培育與教育轉型

研究機構與大學是 AI 人才儲備的搖籃。輝達與台灣 17 所公私立大學合作推動 AI University 計畫，旨在將 AI 技術融入教學、研究與創業。

• 教學資源引進：

透過 NVIDIA Deep Learning Institute (DLI) 認證講師與教學套件（Teaching Kits），大學教師能獲得加速運算、深度學習及機器人等領域的教材，並培訓學生取得專業證書。

例如：中原大學已有老師取得 DLI 證照，並投入 1,600 萬元優化 AI 設備與課程。

• 全方位學科整合：

如台灣大學推動 AI 融入各個學院的課程，不僅限於資訊工程，而是讓 AI 成為各領域的基礎工具。

2. 前瞻技術研發與應用開發

研究機構與聯合創新中心扮演了加速技術落地的推手。

• 聯合創新中心：

陽明交大、清華大學等校與輝達成立校級研究中心。

其中，陽明交大聯合創新中心專注於機器人、深度學習及電路設計等研究案。

• 跨領域研究應用：

學術界與研究機構將 AI 應用於多個專業領域，包括：

    ◦ 醫療與腦科學：如陽明交大的腦科學醫療聯邦式學習計畫、

                                清大專注的 AI 醫療領域。

    ◦ 運動科技：應用 AI 技術進行羽球戰情收集與戰術分析。

    ◦ 數位創作：陽明交大應用藝術研究所利用 NVIDIA Studio 平台進行數位藝術

                          創作。

• 研究機構的支持：

工業技術研究院（工研院）、國網中心、國家衛生研究院等法人機構，被列入輝達的合作夥伴名單中，提供技術開發與算力支持。

3. 算力共享與新創孵化

為了降低研發門檻，研究機構提供了關鍵的硬體資源與新創支持系統。

• 算力資源開放：

根據經濟部核定的計畫，輝達在台灣建置運算平台，並開放部分算力給國內的學研機構、合作夥伴及新創業者。

• 新創孵化：

透過 NVIDIA Inception 計畫，大學將內部的新創團隊導入此全球生態系，重點推動製造業、醫療保健及自動駕駛等領域的產學聯合研究。

4. 政策支持與本土供應鏈強化

研究機構與政府機關（如：台北市、高雄市政府、國科會）合作，透過補助計畫導引技術發展。

• 推動本土採購與研發：

政府持續透過計畫補助輔導本土業者開發產品，產業如台積電也積極與本土供應鏈合作，預計到 2030 年將大幅拉高間接原物料與零配件的在地採購比率。

• 打造 AI 基礎設施：

輝達宣布將與國科會、鴻海、台積電共同為台灣打造首座大型 AI 超級電腦「AI for Taiwan」，作為台灣 AI 生態系統的基石。

綜上所述，產學合作與研究機構不僅是 AI 技術的發源地，更是將 AI 技術與台灣強大的製造業、金融業（如國泰金、玉山銀）及醫療業緊密結合的關鍵橋樑。

---

📌目前台灣哪些大學設有 NVIDIA 聯合創新中心？

 

目前台灣已有多所頂尖大學與輝達（NVIDIA）合作設立特定的 AI 中心或聯合創新中心，具體名單與中心名稱如下：

該中心目標包含提升 AI 教育、加速技術研究、開發應用技術及促進新創發展。

• 國立臺灣大學 (NTU)：

與輝達成立「AI University 中心」，推動將 AI 融入教學、研究與創業三大面向。

•國立清華大學 (NTHU)：

成立「清華與 NVIDIA 聯合創新中心」，重點發展 AI 教育與 AI 醫療領域。

• 國立陽明交通大學 (NYCU)：

早於 2022 年底即與輝達合作成立校級研究中心「NVIDIA．陽明交大聯合創新中心」（NVIDIA-NYCU Innovation Center）。

• 中原大學 (CYCU)：

與輝達簽署合作備忘錄，成立「NVIDIA-中原大學 AI 應用發展聯合服務中心」，並投入 1,600 萬元建置相關硬體設備與優化空間。

這四所大學皆屬於輝達推動的「AI University」計畫成員，透過這些中心，學生與教師可獲得 NVIDIA Deep Learning Institute (DLI) 的教學資源、雲端 GPU 算力支持以及相關專業證照培訓。

此外，在 2025 年的輝達供應鏈名單中，合作範圍已進一步擴大至 17 所大學（包含政治大學、成功大學、中央大學、台北科技大學、台灣科技大學等），顯示 AI 生態圈正從核心技術研發朝向全產業鏈與跨領域合作轉型。

---

📌國泰金與玉山銀如何應用 NVIDIA 平台轉型？

 

國泰金控與玉山銀行作為首批進入輝達（NVIDIA）供應鏈牆的台灣金融機構，正利用 NVIDIA NeMo 平台與加速運算技術，推動金融轉型，目標是從傳統的「回應式工具」進化為具備自主規劃能力的「AI Agent（AI 智慧代理）」。

以下為兩家機構應用 NVIDIA 平台進行轉型的具體方式：

1. 國泰金控：建構本地端安全金融代理

國泰金控與輝達共同研究如何運用 NVIDIA NeMo 框架，在符合法規的前提下進行本地端（On-premise）的安全部署。

• 模型訓練與微調：

國泰金利用台灣本地金融授信知識、法規文獻與實務案例作為訓練語料，運用 NeMo 進行 70 至 80 億參數量的大型語言模型（LLM）預訓練與微調。

• 技術優化：

透過 NVIDIA NeMo Curator 框架將訓練資料擴增達 4 至 5 倍，大幅縮短準備時間，並利用 NVIDIA TensorRT 加速評估流程。

• 應用目標：

訓練出的模型具備精準回應進階金融問答的能力，甚至能通過進階授信人員證照考試。

其轉型策略為「AI 即服務（AIaaS）」，包含 AI Ready、AI Native 與 AI Empower 三大主軸，旨在將國泰轉型為提供 AI 金融服務的科技公司。

2. 玉山銀行：驅動理財與防詐創新

玉山銀行透過導入 NVIDIA H100 GPU、NeMo 與 Rapids 平台，推動兩大核心轉型計畫：

• AI 代理（AI Agent）平台：

打造單一對話介面來整合多元專業代理人，利用標準化架構加速開發與安全測試，導入 H100 GPU 與 NeMo 後，不僅提升運算效能，更有效降低開發成本。

• 智慧防詐創新：

將圖分析（Graph Analysis）技術嵌入現有防詐金流模型，並透過 NVIDIA Rapids 及 H100 GPU 加速運算。

• 轉型成效：

這種應用使玉山銀行的偵測準確度提升了 2 倍，且端到端詐欺偵測模型的訓練流程比以往快上約 880 倍。

3.轉型的共同趨勢

兩家機構的轉型皆展現了金融業從「生成式 AI」邁向「實體 AI/代理式 AI」的跨界整合。

他們不僅關注硬體效能，更致力於解決台灣在地金融專業術語與產業實務掌握不足的問題，利用輝達平台將 AI 轉化為能主動推論、規劃並執行任務的「主動型代理」。

---

📌中信金在 AI 基礎建置上與 NVIDIA 有哪些技術交流？

 

中國信託金控（中信金）在人工智慧（AI）基礎建置上與 NVIDIA 的技術交流與合作主要集中在以下幾個面向：

• 基礎設施建置：

中信金積極布局 AI 相關基礎建設，包含引進 NVIDIA GPU、數據平台以及 AI 平台，以此作為推動智慧化轉型的引擎。

• 提升運算效能：

雙方持續進行技術交流，核心目標之一是提升大型語言模型（LLM）的運算效能。

• 加速應用落地：

透過與 NVIDIA 的合作，中信金致力於加速研發並落實金融場景中的生成式 AI 應用。

• 強化內部效率與風控：

目前中信金已大量運用 AI 科技於內部效率提升與風險控管，例如研發防詐科技以大幅提升阻詐效能。

中信金的轉型策略是以 AI 為核心，推動「客戶體驗」、「流程效率」及「科技守護」三大領域的突破，並透過建置 NVIDIA 驅動的基礎設施，朝向「Intelligent anytime」的目標邁進。

此外，中信金也與國泰金、玉山銀行一同列入 2025 年輝達供應鏈名單，象徵金融業正式進入 AI 基礎建設的核心圈。

 

---

產業與企業體系 (85家)＋ 

金融 (3 家)＋ 

醫療 (4 家)＋ 

政府及應用 ( 3家)＋ 

學術 (23家)＋

研究機構(4家)

=總數：122 家

	(2024年)	2025年
1. 晶片與半導體 (Chips & Semiconductors)	(10家)	9家
2. 伺服器、系統組裝與品牌 (Server Systems & Brands)	(22家)	21家
3. 記憶體與存儲 (Memory & Storage)	(1家)	2家
4. PCB 印刷電路板 (PCB & Carrier Boards)	(1家)	1家
5. 傳輸、連接與網通 (Connectivity & Networking)	(1家)	7家
6. 散熱、電源與機殼 (Thermal & Power Management)	(8家)	11家
7. 邊緣 AI 與工業電腦 (Industrial PC & Edge AI)	(17家)	14家
8. 軟體與 AI 技術服務 (AI Software & Solutions)	(23家)	20家
9. 醫療、金融與政府應用 (Vertical Applications)	(0家)	10家
10. 學術與研究機構 (Research & Academia)	(18家)	27家
=	(101家)	122家

2024年和2025年完整名單比較

晶片 → 伺服器 → 記憶體 → PCB → 傳輸 → 散熱電源

① AI 晶片    （GPU／TPU／ASIC）＝算力核心
② AI 伺服器（ODM）                       ＝AI 主機
③ 記憶體（HBM／DRAM／SSD） ＝AI 的容量
④ PCB／載板（ABF）                      ＝AI 線路
⑤ CPO／光通訊                                  ＝GPU 的高速公路
⑥ 散熱／電源                                      ＝AI 生命維持系統

2025年(122家)

• 2024年(101家)

生態系統演化的策略路徑

NVIDIA的生態系統演化軌跡：

階段1（1990s-2000s）：圖形處理專家

→ 核心能力：3D圖形晶片。

→ 生態系統：遊戲開發者、PC製造商。

------------------------------------------------------------

階段2（2006-2015）：通用GPU運算平台

→ 關鍵轉折：CUDA平台發布。

→ 生態系統擴展：科學運算、深度學習研究。

 ------------------------------------------------------------

階段3（2016-2023）：AI運算基礎設施

→ 爆發點：深度學習革命。

→ 生態系統重構：雲端服務、企業AI、自動駕駛。

 ------------------------------------------------------------

階段4（2024-）：AI工廠與代理經濟

→ 新願景：AI生成與推理基礎設施。

→ 生態系統深化：生成式AI應用、機器人、數位孿生。