編按：主權AI政策若忽略能源結構與封鎖台灣的地緣風險，高耗能算力反而可能成為弱點。從能源依賴到AI架構選擇，國家戰略必須正視封鎖情境下的韌性，以及長期承載能力等問題。
近年來，台灣政府高舉「主權AI」的大旗，宣示要大規模引進GPU、打造國家級算力中心，並將輝達（NVIDIA）視為全球AI浪潮中的關鍵盟友。從產業趨勢來看，這樣的判斷並不令人意外。GPU無疑仍是當前AI訓練與推論市場的一線王者，NVIDIA也確實站在這一波浪潮的中心。
但問題從來不在於GPU強不強，而在於：台灣是否具備長期承載GPU路線的能源、資源，以及地緣政治條件？
單一押注GPU，是高風險策略
GPU的成本不只體現在晶片價格上，更體現在長期營運。高功耗、高散熱需求，使得大型GPU超算中心必須仰賴穩定、低成本、長時間不中斷的電力供應，且高度依賴水冷系統。換言之，GPU路線天然與「高電力密度、高用水量、基礎建設集中化」綁在一起。
而這恰恰是台灣最脆弱的地方。
台灣先天缺水、缺電，能源高度依賴進口；政府政策又明確走向廢核、以綠電為主。綠能本身並非問題，但其間歇性與不穩定性，與 GPU 超算中心的需求結構存在根本張力。這也是為什麼，即便是台積電這樣的世界級企業，在台灣本地的水電配置早已逼近極限，出海設廠更成為不得不的選擇：其中固然有政治與地緣因素，但能源與基礎設施才是更長期、也更誠實的理由。
在這樣的背景下，政府若仍把主權AI的未來，單一押注在GPU架構上，本身就是一種高風險策略。
更值得警惕的是，AI 技術本身正在發生結構性轉換。
從技術演進來看，AI 計算的主流路徑，其實已呈現清楚的脈絡：CPU→GPU→類NPU架構（TPU、LPU）。
這不是政治口號，而是工程現實。
如果用消費科技來比喻，CPU像是錄影帶時代，GPU像是DVD，而今天逐漸成形的NPU、TPU、LPU，則更像是MP3與隨身碟。它們的共同特徵不是「更大」，而是「更專用、更高效率、更低功耗、更靠近資料本身」。
當年MP3剛出現時，市場上充滿各種變形：Apple有iPod，把MP3與隨身聽整合；華碩把它與錄音筆結合；記憶體廠商做成USB dongle。形式各異，但本質相同：都是同一個技術世代的跨越。
今天的NPU也是如此。
往雲端與訓練最佳化，NPU 會長得愈來愈像 TPU；往大語言模型與高記憶體頻寬整合，強化 SRAM、提升 token 數目效率，則會趨近 LPU；但本質上，它們都屬於同一個「後 GPU 時代」的架構轉向。
在這樣的時間點，如果政府仍重押DVD，卻忽視MP3世代已經到來，這不只是技術選擇問題，而是戰略視野的問題。
台灣若遭封鎖，經濟、能源、社會韌性將承受壓力
更現實的是，台灣面對的風險，不只來自產業競爭，還有地緣政治。
近期中共軍演的核心訊號，已經愈來愈清楚：以封鎖為主，而非立即全面戰爭。
俄烏戰爭已經持續超過三年。俄羅斯出兵的理由，表面上是語言與文化，但結果證明，文化接近不等於政治認同。戰爭反而強化了烏克蘭的國家意識，也讓歐洲更清楚看見一個現實：對某些政權而言，戰爭本身已成為治理工具。
但中共不是俄羅斯。
中共已經將近半個世紀沒有打過全面戰爭。從內戰、文革到改革開放，付出的代價極其高昂。正因如此，它比任何人都清楚，全面戰爭的成本有多巨大。
這也是為什麼，對台灣而言，「封鎖能力展示」比登陸作戰更具現實性。封鎖不需要犧牲大量兵力，卻能直接測試台灣的經濟、能源與社會韌性。
而台灣，是一個能源高度依賴進口的島國。
天然氣安全存量，只能支撐極短時間。一旦海上運輸長期受干擾，能源問題會在幾天內轉化為經濟問題，再迅速放大成社會問題。但現實是，每次軍演結束，社會很快回到日常節奏，彷彿什麼都沒發生。
真正該被反覆追問的問題卻始終存在：
如果壓力不是兩天，而是兩個月？
如果封鎖不是演習，而是常態化灰色地帶？
在那之前，外部支援來得及嗎？台灣撐得住嗎？
這正是 AI 與能源政策無法切割的原因。
一個高度集中、極度耗能、依賴進口能源與水冷的GPU超算體系，在封鎖情境下，反而可能成為脆弱點。而更分散、更節能、更邊緣化，能在有限資源下持續運作的AI架構，才更符合台灣的現實條件。
這不是否定GPU，也不是反對NVIDIA，而是呼籲：國家級戰略，不能只看今天的明星技術，而必須對齊明天的風險結構。
最不想打仗的，或許正是中共；但最不能假設「不會出事」的，應該是台灣。
冷靜思考，不是悲觀，而是負責。
AI發展來到拐點，台灣如何抉擇
當世界科技發展的主線已經愈來愈清楚，就是從CPU 到GPU，再走向NPU與各種「類NPU架構」（包括TPU、LPU）；台灣，其實正站在一個極其關鍵的歷史節點上。
這並不是第一次。回顧半導體產業史，台灣真正抓住機會的時刻，並非是在產品品牌或終端市場競爭，而是在產業結構尚未定型時，選對了技術路線與分工位置。當年全球仍在NMOS、PMOS與各式設計整合模式中摸索，台灣選擇全面押注 CMOS製程，並率先建立「專業代工」這種當時並不被看好的商業模式。這個選擇，使台灣避開了與美日IDMs的正面競爭，卻在全球化分工確立後，成為整個產業不可或缺的樞紐。這不是偶然，而是一種對技術趨勢與經濟結構變化的精準判斷。
今天的AI發展，正處於相似的拐點。
GPU在當前世代無疑是王者，但從經濟學角度來看，任何通用型計算架構，在需求爆發後，必然會走向「專用化」與「效率最大化」。這正是過去半個世紀計算產業反覆出現的規律：大型主機讓位給個人電腦，通用CPU讓位給GPU加速，而當 AI成為長期、基礎性的生產力工具後，計算架構自然會進一步演化為以NPU為核心的專用設計。
TPU、LPU看似分歧，實際上只是同一世代下的不同最佳化路徑。如同MP3時代初期的各種裝置形態，看似百花齊放，實則都指向同一個方向：更低功耗、更高效率、更貼近資料與應用本身。
從經濟史來看，真正決定國家競爭力的，從來不是短期的明星產品，而是能否在技術世代轉換時，提早卡位關鍵節點。19世紀的英國錯過了電氣化，20世紀的歐洲錯過了半導體，美國則在網際網路與軟體平台建立了長期優勢。
台灣之所以能在全球製造業中占有今日的位置，正是因為在半導體世代轉換時，沒有只是「跟上」，而是「提早站好位置」。AI的這一次轉換，規模與影響力，甚至可能超過半導體本身。如果台灣的主權AI想像，仍然停留在大量引進高耗能GPU、複製他國集中式算力模式，而忽略NPU世代所代表的能源效率、系統分散化與長期可持續性，那麼這不只是技術選擇的問題，而是可能錯失下一個30年的產業根基。
歷史不會重複，但會押韻。問題不在於我們要不要使用GPU，而在於當世界已經開始為「後GPU時代」鋪路時，台灣是否還能像當年抓住CMOS與代工那樣，看懂浪潮真正來的方向，並在國家層級，做出與自身條件相符，而非與他國複製的選擇。
本文章反映作者意見，不代表《遠見》立場
