協助建置台灣超級電腦，和發展繁體大語言模型「福爾摩沙大語言模型」（Formosa Foundation Model，FFM）的公司，台智雲，已經申請登錄興櫃了。這邊就來簡單理解一下AI算力基建、AI模型訓練、AI算力租賃服務公司，台智雲。目前，台智雲主要聚焦在"主權AI(Sovereign AI)"領域，由華碩集團持股約74%。
台智雲，主要從事AI相關之算力基礎建設與整合服務(算力基建)、模型與應用加值服務(算力加值)、算力資源管理調度服務(算力調度)。公司核心定位為提供企業與機構客戶可長期運作之AI運算工程與營運服務。台智雲將AI系統導入政府、金融、醫療等高信任主權AI場域，此類場域對資料安全、法規遵循、倫理審查與系統可追溯性要求極高。
公司源自公私協力(Public-Private Partnership, PPP)架構之發展脈絡，係配合國家推動數位基礎建設與AI相關政策所衍生之產業實體，成立初衷即在於銜接國家級技術基礎建設與產業應用需求。此背景使公司之定位自始即與主權AI、在地運算及高信任場域需求密切相關。
台智雲競爭利基之一，在於長期累積之全棧(Full-Stack)工程能力與其所形成之系統性發展策略。所謂全棧(Full-Stack)，並非指單一技術堆疊，而係涵蓋AI運算環境之規劃、建置、整合、模型佈署、資源管理與營運支援等全生命週期工程能力。此類能力使公司得以在單一專案或單一技術之外，對整體AI系統之穩定運作與持續演進負責。
隨AI應用由試驗階段轉向長期營運階段，客戶需求已由單點技術導入，轉變為整體系統可長期運作、可擴充與可管理之能力。此類需求涉及硬體設備整合、模型佈署、資料治理、安全機制與營運監控等多面向技術，單一技術供應商或僅具專案導入能力之業者較難完整承擔。公司透過長期專案經驗，逐步建立跨硬體、軟體與應用層之整合能力，並形成標準化工程流程。
此外，公司發展策略採服務能力導向與輕資產模式，將核心資源集中於工程與系統設計能力，而非大量資本投入於設備持有。此策略有助公司在技術世代演進時保持彈性，並將技術升級轉化為服務升級機會。
綜合而言，全棧(Full-Stack)工程能力使公司在主權AI與AI工廠場域中，能提供跨領域整合與長期營運支援，形成較高進入門檻與客戶黏著度。
以下為台智雲的服務:
(1)算力基建:
公司之算力基建服務，係指針對企業與機構客戶之AI與高效能運算需求，提供從規劃、架構設計、環境建置、系統整合至後續營運支援之完整工程服務。
此項服務之核心並非單純提供硬體設備，而係協助客戶建構可長期穩定運作、具擴充性與可管理性的運算環境，使AI應用得以在符合法規、資安與營運需求之條件下執行。
(2)算力加值:
公司之算力加值服務係指在既有運算環境基礎上，透過模型工程與系統整合能力，將AI技術轉化為可實際支援客戶業務之應用能力。
此項服務之核心價值在於將快速演進之模型技術、框架與工具，與客戶特定業務場景、資料結構與流程進行整合，使AI由技術能力轉變為可持續運作之生產力工具。
算力加值服務範疇包括模型選型與評估、模型最佳化與微調、推論效能調校、模型佈署架構設計、MLOps流程導入、模型版本管理、效能監控與持續更新機制等。同時，公司亦協助客戶處理資料前處理流程、自動化管線設計、模型與既有資訊系統介接，以及相關安全與權限控管。
在高信任或高度規範場域中，算力加值服務亦須納入模型可追溯性、推論紀錄保存、權限管理與風險控管機制，以確保AI應用符合治理與法遵要求。公司之工程團隊持續關注先進模型技術與開源生態系之發展，透過工程化能力將新技術納入既有架構，協助客戶在控制風險前提下享受技術進步帶來之效益。
(3)算力調度:
公司之算力調度服務係以平台化與系統化方式，提供運算資源管理、配置與調度能力，使分散於不同場域、不同機構或不同合作單位之算力資源得以被有效整合與利用。本服務之核心不在於提供硬體本身，而係提供資源可視化、使用管理與跨環境協調之能力。
算力調度主要功能包括多叢集資源管理、工作負載排程、資源分配策略設定、使用量監控與統計、權限與租戶管理、資源使用最佳化建議，以及與既有運算環境與雲端平台之介接能力。透過此類平台化機制，客戶可在不同運算來源間彈性調度工作負載，提高整體資源使用效率並降低閒置比例。
在企業與機構場域中，算力調度服務亦需符合資安與治理要求，包括存取控管、操作紀錄、資源使用追蹤與審計功能。公司透過工程與系統整合能力，將調度平台與客戶既有環境整合，而非要求客戶全面更換基礎設施。
主權AI(Sovereign AI)
主權 AI 指的是政府或組織對 AI 技術及相關資料擁有控制權。控制範圍通常涵蓋 AI 技術的部署和運作方式，包括建構和操作 AI 技術所需的硬體和軟體基礎架構，以及用於操作 AI 技術和保護資料的政策和人員。
地緣政治競爭促使各國尋求技術自主，以避免對外國系統的依賴。AI 被視為一種戰略資產，與能源或國防基礎建設類似，而各國都在競相爭取對資料中心、晶片和雲端服務的控制權。對於國家安全與資料主權的疑慮，讓政府與企業擔心外國的 AI 系統可能會引入後門、實施監控或操縱公眾論述。Sovereign AI 可確保對敏感資料的本地控制，解決這些疑慮。
文化和語言代表是另一個重要因素，因為全球 AI 模型通常會反映西方的偏見，而且主要是以英文資料來訓練。台灣、新加坡、和沙烏地阿拉伯等國家正在建立反映當地語言和文化價值觀的模型，以確保其人工智慧系統能代表當地人口，並與他們息息相關。
經濟競爭驅使主權 AI 的需求，因為它能刺激國內創新、創造高價值的工作機會，並建立彈性的科技生態系統。為了支持這些目標，各國政府正大力投資於主權基礎設施。
台智雲目前營運重點所對應為主權AI與AI工廠市場，為產業中對系統整合、治理與長期營運能力要求較高之區段。
雲端AI平台 -- TWAI Sovereign AI Platform
台智雲近五年聚焦於「主權AI(Sovereign AI)」之核心能力建構，發展完整之雲端AI平台—TWAI Sovereign AI Platform，採三層式架構：基礎層(TWAI Foundation)、控制層(TWAI Control)及應用層(TWAI Studio)，形成自底向上整合之AI基礎設施、營運治理及應用開發體系，已成功應用於政府、企業及產業場域。
A.TWAI Foundation：高效能AI基礎設施平台
TWAI Foundation為公司AI算力基建之核心，整合高效能運算(HPC)與 AI專用架構，提供穩定、可擴展之AI訓練與推論環境。近年已成功開發以下關鍵技術與產品：
1. Foundation Compute：
建置支援 GPU/CPU 異質運算之算力池，結合高密度伺服器架構與彈性資源配置技術，可支援大型語言模型(LLM)及生成式 AI 訓練需求。
2. Foundation Fabric：
開發低延遲高速網路互連技術（如 InfiniBand/高速 Ethernet 整合），優化節點間通訊效率，提升分散式訓練效能。
3. Foundation Storage：
建構高吞吐量 AI 資料存儲系統，支援海量資料存取與模型訓練 I/O 需求。
4. Foundation Deploy & Validate：
提供自動化佈署與驗證機制，縮短 AI 基礎設施建置時間，並確保系統穩定性與效能達標。
5. Foundation Thermal：
整合液冷與節能散熱設計，提升資料中心能源效率（PUE），符合永續發展趨勢。
上述技術已成功支撐多項AI訓練平台與雲端服務，形成可商品化之「AI基礎設施套件（Foundation Suite）」。
B.TWAI Control：AI營運與治理平台
TWAI Control為公司AI營運中樞，負責資源調度、租戶管理與治理機制，確保AI系統在多租戶與高安全需求環境下穩定運行。主要成果包括：
1. Control Orchestrator：
開發跨叢集資源調度系統，支援 AI 工作負載 (training/inference)之排程與優化，並可與 Slurm、Kubernetes 等系統整合。
2. Control Tenancy：
建立多租戶隔離與資源分配機制，支援政府與企業之主權資料隔離需求。
3. Control Policy：
發展 AI 治理與合規管理機制，涵蓋存取控制、資料安全與模型使用規範，強化可信任AI(Trustworthy AI)能力。
4. Control OSS/BSS：
建置營運支援系統(OSS)與商務支援系統(BSS)，提供計費、資源監控與服務管理功能。
5. Control Portal：
提供統一管理介面，使使用者可視化管理算力資源與 AI 服務。
透過上述技術，公司已形成完整「AI營運與治理套件(Control Suite)」，可支援大型AI雲服務與國家級基礎設施之運營需求。
C.TWAI Studio：AI應用開發與產業實踐平台
TWAI Studio為公司面向應用端之AI平台，將底層算力轉化為可實踐之產業解決方案，已成功開發以下產品模組：
1. Studio Portal/Builder/Agents：
提供 AI 應用開發入口與低程式化工具，支援企業快速建置 AI 應用及 Agent 系統。
2. Studio Models / Foundry：
建立模型開發與管理平台，支援基礎模型 (Foundation Models)訓練、微調及佈署，形成「AI Foundry」能力。
3. Studio Packs/Hub：
發展模組化解決方案與應用市集，涵蓋醫療、金融、製造、政府等場域，加速 AI 商業化。
TWAI Studio已成功應用於多個實際場景，包括智慧醫療輔助決策、企業知識管理AI、智慧製造優化及政府數位治理等，展現AI應用轉化之能力。
整體成果與商業化價值：
透過上述三層架構之整合，公司已完成從「算力基建」、「算力調度 」到「算力加值」之完整產品佈局，並形成三大商業模式：
1. 算力基建事業(Foundation)：提供 AI 資料中心與基礎設施建置服務。
2. 算力調度事業(Control)：提供 AI 資源管理與雲平台營運服務。
3. 算力加值事業(Studio)：提供 AI 應用平台與產業解決方案。
TWAI Sovereign AI Platform平台已具備Reference Implementation、Demo及Managed Service能力，可快速複製至不同產業與國家場域，支援主權AI發展。
產業概況
全球AI產業已由早期技術驗證階段，逐步邁入以算力基礎設施、資料平台及長期營運服務為核心之發展階段。依Gartner『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，2026年全球AI支出將超過2.5兆美元，其中AI基礎設施(AI Infrastructure)佔比約54%，顯示產業發展重心已由模型與應用，延伸至算力與運算環境之長期建設。另依同報告預估，2024年至2029年間全球AI支出年複合成長率約32.7%，顯著高於整體資訊科技支出，顯示AI已成為帶動全球科技投資之主要動能。
在需求面，AI應用已由研發導入快速擴展至商業營運場景。Gartner於『 Winning in the AI Cloud Service Market』引用2025 CIO Survey指出，AI／機器學習(AI/ML)與生成式AI(Generative AI)於三年內導入比例分別達97%與 95%，顯示企業已將AI由實驗性工具轉為核心營運能力。中技社『我國算力產業發展及其對經濟影響之探討』亦指出，AI需求已由單純算力規模轉向重視「可用性、可負擔性與可調度性」，反映企業對穩定算力供應與長期營運能力之需求持續提升。
從供給面觀察，AI與雲端服務呈現高度整合發展。Gartner於『Winning in the AI Cloud Service Market』指出，AI服務多以AI雲服務(AI Cloud Services) 形式提供，涵蓋AI基礎設施、資料服務(Data Services)、模型(Models)、工程平台 (Engineering Platforms)、應用服務 (Applications) 及代理平台 (Agent Platform)等完整技術堆疊，顯示產業競爭已由單一產品轉向整體平台與服務能 力。同時，雲端供應商亦朝向整合、安全、治理及產業應用延伸，帶動系統整合與營運服務需求同步成長。
在基礎設施發展方面，GPU與AI伺服器已成為核心運算資源。Gartner於『 Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，2024年至2029年間AI優化伺服器累計支出將達2.7兆美元，並已超越傳統伺服器。另AI 運算需求亦由模型訓練逐步轉向推論及日常營運應用場景，顯示算力需求具備長期性與持續成長特性。
在佈署模式上，市場呈現多元並行結構。依Gartner『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，AI基礎設施供應涵蓋大型雲端服務(Hyperscale Cloud)、新型雲服務(Neocloud)、垂直專業雲(Vertical / Specialty Cloud)以及終端佈署(On-Premises Deployment)等多元模式，並同時支援集中式與分散式應用場景。該報告亦指出，主權AI(Sovereign AI)需求可區分為資料主權、營運主權及技術主權三層面，反映政府及企業對資料可控性與在地佈署之需求持續提升。
在台灣市場方面，中技社『我國算力產業發展及其對經濟影響之探討』指出 ，2024年台灣伺服器產值達新台幣8,119億元，年成長率超過100%，並佔出口比重約4.52%，顯示算力產業已成為重要經濟支柱。另『我國主要算力盤點與產業生態系之探討』指出，台灣已形成涵蓋晶片設計、關鍵零組件及伺服器製造之完整產業鏈，並掌握全球約九成AI伺服器供應能力，顯示其於全球算力基礎設施供應鏈中具關鍵地位。
綜上所述，AI產業已由「技術導入」階段，轉向「基礎設施、平台與服務整合」之發展模式。國際市場持續擴大AI投資規模，而台灣則憑藉硬體供應鏈優勢，逐步延伸至算力服務與系統整合能力。在此趨勢下，主權AI與AI工廠等高信任應用場域需求持續成長，帶動具備整合能力、資源調度能力及長期營運支援之服務模式發展。
產業上、中、下游之關聯性
AI運算產業之價值鏈，可概分為上游系統產品供應層、中游系統整合與運算管理服務層，以及下游AI應用需求層。
隨人工智慧由技術導入邁向大規模商業化應用，各層級分工已由過往以設備供應為主，逐步轉向由AI基礎設施、平台整合與應用服務共同驅動之產業結構，並呈現高度互動與相互依存之發展關係。
依 Gartner『Winning in the AI Cloud Service Market』指出，AI產業競爭已由單一產品，轉向涵蓋基礎設施、資料服務(Data Services)、模型(Models)、工程平台 (Engineering Platforms)、應用服務(Applications)及代理平台(Agent Platform)之完整堆疊。
A.上游：AI運算系統產品供應層
上游主要為提供AI運算所需硬體設備與基礎設施產品之供應商，涵蓋AI 伺服器、GPU加速器、高速網路交換設備、高速儲存系統，以及支撐高密度運算環境之機電與冷卻系統。此層級之技術發展，直接影響單位機櫃算力密度、能源效率與系統穩定性，為整體AI產業之基礎。
隨大型語言模型(LLM)與生成式AI(Generative AI)發展，上游設備呈現以下技術趨勢：
1. 高功率密度與模組化設計之 AI 伺服器架構
2. 高速低延遲網路互連(High-speed Interconnect)，以支援分散式訓練與推論
3. 高吞吐量儲存系統(High-throughput Storage)，因應資料密集型工作負載
4. 冷卻系統由氣冷轉向液冷(Liquid Cooling)，以支撐高功率 GPU 穩定運作
依Gartner『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，AI優化伺服器支出已逐步超越傳統伺服器，並於未來數年持續成長，顯示算力設備需求具備結構性擴張趨勢。然而，上游設備多屬通用型技術平台，仍需透過後續整合與管理，方能轉化為可長期運作之AI環境。
B.中游：系統整合與運算管理服務層
中游層級主要負責將上游硬體設備整合為具備可用性、穩定性與可擴充性之AI運算平台，並提供持續性營運與管理服務。其核心工作包括整體架構設計、軟硬體整合、資源管理與調度機制建置、監控系統導入、權限與安全控管，以及跨系統整合等。
隨AI運算環境由單一機房轉向多機房、多場域及異質算力(Heterogeneous Computing)並存之架構，中游角色之重要性顯著提升。Gartner於『Winning in the AI Cloud Service Market』指出，AI服務多以AI雲服務(AI Cloud Services) 形式提供，產業競爭核心已由單一產品轉向整體平台與服務能力。在此趨勢下，中游不僅負責技術整合，更需將不同層級資源轉化為可持續營運之服務 體系。
此外，隨運算規模擴大與資源成本上升，企業關注重點已由「取得算力」轉向「提升算力使用效率與營運穩定性」，帶動資源調度(Resource Orchestration)、容量管理 (Capacity Management)、成本最佳化 (Cost Optimization)及系統治理(Governance)等需求，使中游服務由一次性專案導入，轉為長期營運服務模式，並形成持續性收入來源。
在此架構下，台智雲定位為中游之整合與運算管理服務提供者，並發展全棧AI代工(Full-Stack AI Foundry)能力，涵蓋AI基礎建設整合、模型與應用加值服務，以及算力資源調度與營運管理。透過此一整合架構，台智雲得以將上游通用型設備轉化為可供下游實際應用之運算服務，並於主權 AI 與 AI 工廠等高信任場域中提供整合與營運服務。。
相較於僅提供單一設備或雲端資源之業者，中游整合服務具備連結上游技術與下游應用之關鍵地位，並透過資源配置與系統治理能力，提升整體運算環境之使用效率與穩定性，進而創造附加價值
C.下游：AI應用需求層
下游為實際產生AI運算需求之客戶群體，主要包括政府機構及大型企業。其應用涵蓋資料分析、模型訓練、推論服務、智慧製造、金融科技、醫療應用及數位內容等多元場景。
隨AI應用由試點導入轉為營運核心，下游客戶對運算環境之需求亦出現結構性變化，包括：
1. 系統穩定性與高可用性要求提升
2. 可擴充性與彈性配置能力需求增加
3. 與既有資訊系統整合需求加深
4. 資料安全、法規遵循與治理要求提高
其中，台智雲主要服務之主權AI(Sovereign AI)與AI工廠(AI Factory)客戶，屬高信任與高整合需求場域。依Gartner『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，此類需求涵蓋資料主權、營運主權及技術主權，客戶通常偏好具在地佈署能力與長期營運支援之服務模式，以確保資料與營運之可控性。
產製流程
台智雲採行輕資產之營運模式，產品產製重心在於系統設計、工程整合與長期維運。其產製流程如下：
A.需求分析與架構設計
場域定義：
深入分析客戶所在的垂直領域（如智慧醫療、智慧政府），定義實體生產力系統之需求與安全規範。
系統架構規劃：
依據工作負載需求進行運算資源與異質晶片之架構設計，並規劃符合法遵與治理要求的資安架構。
B.技術整合與開發建置
全棧工程整合：
將運算、網路、儲存與公司研發之調度軟體進行系統整合。
模型工程作業：
進行模型選型、評估及效能調校，並設計自動化MLOps管線，確保AI應用能穩定介接客戶既有資訊系統。
信任技術導入：
在高責任場域中，建置操作紀錄、權限控管與審計監控功能。
C.佈署驗證與穩定營運
現場交付與驗收：
於客戶場域或合作基礎設施中完成環境佈署，並進行嚴格的效能壓力測試與穩定性驗證。
代建代維與演進：
透過長期工程服務，提供持續的監控、故障轉移、以及隨技術進步而進行的模型更新與系統升級
台智雲，是一家AI算力基建、AI模型訓練、AI算力租賃服務公司，2025年營收25.8億，ROE為47%，毛利率10%，負債佔資產比率78%。營收以算力基建佔92.23%，算力加值佔5.58%，算力調度佔2.19%。以毛利率來看，算力基建毛利率為10%，算力加值毛利率為23%，算力調度毛利率為19%。公司銷售以台灣佔100%。台智雲研發費用佔營收比例為2.17%。
專案案例
台智雲曾協助建置國網中心超級電腦。協助建置長庚醫院AI推論雲平台，提供12種醫療AI模型及LLM生成式AI小助手，涵蓋醫療影像X光、超音波、EKG心電圖等協助診斷應用。協助正崴與優必達合資的友崴超級運算中心，建置旗下第一座超級運算中心「Ubilink」。協助建置鴻海「Honhai Super AI Computing Center 1」。協助中研院建置私有混合雲平台。與客委會合作建置台灣客語語音資料庫。協助台南市政府建置城市動態影像AI感知平台。協助台南市建立「5G智慧水情資訊雲平台」，透過AIoT、5G、區塊鏈和生成式AI四大科技創新方案為台南市永康水資源回收中心智慧升級。
競爭
AI產業之競爭情形，已由過往單一產品或服務供應，轉向多層次產業結構之競合關係，涵蓋大型雲端服務、算力服務、系統整合與應用服務等多元參與者。
大型雲端服務(Hyperscale Cloud)仍為AI算力供應之主要來源，具備大規模資料中心、標準化服務及全球佈署能力。依Gartner『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，AI基礎設施市場由多種供應模式組成，包括大型雲端服務(Hyperscale Cloud)、新型雲服務(Neocloud)、垂直專業雲(Vertical / Specialty Cloud)及終端佈署(On-Premises Deployment)等。
然而，隨主權AI(Sovereign AI)需求興起，市場逐漸由單一集中式雲端模式，轉向多元佈署架構。OECD於『OECD AI Principles』指出，各國政府積極推動在地AI基礎設施建設，以確保資料主權與數位治理能力。此趨勢使在地佈署與混合雲(Hybrid Cloud)架構需求增加，並帶動區域性算力服務與整合服務之發展。
B.系統整合與平台服務市場之競爭結構
在中游市場方面，系統整合與平台服務之競爭，已由傳統資訊系統整合，轉向AI導向之整合與營運服務。
傳統系統整合(System Integration, SI)業者，多以專案導入與系統建置為主要業務模式；而隨AI應用複雜度提升，市場逐步出現結合算力管理、模型佈署與營運服務之整合型服務模式。此類服務強調長期運營、持續優化與跨場域管理能力，使中游市場由專案導向轉為服務導向。
在台灣市場方面，中技社『我國算力產業發展及其對經濟影響之探討』指出，隨AI產業發展，系統整合與算力服務需求同步成長，並逐步形成結合硬體供應鏈與應用服務之產業結構。此顯示中游整合服務於台灣AI產業中扮演重要角色。
C.新型算力服務(Neocloud)與專業雲市場之發展
新型雲服務(Neocloud)業者係近年興起之算力服務提供者，主要以GPU 資源為核心，提供AI訓練與推論之雲端算力服務。依Gartner『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，此類業者多以高密度算力與彈性資源為主要競爭基礎，並透過規模化佈署提升資源利用率。
同時，垂直專業雲(Vertical / Specialty Cloud)亦逐漸發展，針對特定產業（如金融、醫療或政府）提供符合合規要求之AI服務。Deloitte於『State of AI in the Enterprise』指出，產業專用AI平台將成為企業導入AI之重要形式之一。
整體而言，新型算力服務與專業雲之發展，使AI市場由通用型服務，逐步分化為不同場域與需求之專業化市場，進一步提升產業多元競爭程度。
D.台灣市場競爭環境與產業特性
在台灣市場方面，AI產業競爭具備「硬體供應鏈強、服務整合成長中」之特性。中技社『我國主要算力盤點與產業生態系之探討』指出，台灣已建立完整AI伺服器與關鍵零組件供應鏈，並掌握全球主要算力設備供應能力。
然而，在服務層面，隨AI應用由導入走向營運，算力整合、資源調度與應用服務需求逐步提升，使產業由硬體導向延伸至服務與平台導向。此趨勢促使本地市場逐漸形成結合國際雲服務、本地算力資源與系統整合能力之多元競爭結構。
此外，政府政策亦推動主權AI與在地算力建設，如數位發展部相關政策方向，進一步帶動本地AI基礎設施與服務市場之發展。
綜合而言，AI 產業競爭已呈現以下趨勢：
由單一產品競爭，轉向平台與服務整體能力競爭；
由集中式雲端架構，轉向多元佈署（公有雲、混合雲、在地佈署）並行；
由短期專案導入，轉向長期營運與持續服務模式；
由通用型服務，轉向場域導向與專業化服務。
市場佔有率
台智雲目前主要營運地區為台灣。考量公司業務性質以AI基礎設施建置、系統整合及長期營運服務為主，與一般標準化雲端服務之銷售模式有所不同，市場佔有率之衡量方式不宜直接以整體雲服務或AI應用市場為母體計算。
依中技社『我國算力產業發展及其對經濟影響之探討』及『我國主要算力盤點與產業生態系之探討』，台灣算力市場目前仍以大型高效能運算(HPC)系統及 AI算力基礎設施建置為主要發展型態，市場需求多以政府主權AI建設、研究機構及大型企業專案為主，具備專案金額高、建置規模大及技術整合度高之特性。因此，公司認為，以台灣境內已公開揭露之大型AI / HPC建置案總量作為市場母體，並以公司參與之相關專案佔比進行估算，較能合理反映公司於該市場 之參與程度與相對地位。
依公開資訊（包含全球超級電腦排名機構TOP500官方網站之sublist統計資料，以及公司官網揭露），台智雲曾參與或提供相關建置、整合或維運服務之大型AI / HPC專案，包括台灣杉二號(Taiwania 2)、創進一號(Forerunner 1)、晶創 AI超級電腦Nano 4、晶創主機Nano 5、友崴超級運算中心(Ubilink)，以及鴻海超級AI電腦(Honhai Super AI Computing Center 1)等。
依據上述系統於TOP500名單所揭露之高效能運算能力(Rmax, PFLOPS)數值計算，相關已入榜系統之算力規模約為：
9.00 PFLOPS(Taiwania 2)＋3.53 PFLOPS(Forerunner 1)＋81.55 PFLOPS(Nano 4)＋13.06 PFLOPS(Nano 5)＋45.82 PFLOPS(Ubilink)＋6.12 PFLOPS(Honhai Super AI Computing Center 1)＝約159.08 PFLOPS
另一方面，依據TOP500官方網站sublist（統計條件：Country = Taiwan）資料顯示，台灣目前共有10套大型超級電腦系統入榜全球前500強，其整體高效能運算能力(Rmax)合計約為208.60 PFLOPS。
綜合上述資料，台智雲所參與之相關系統，其算力規模佔台灣已入榜超級電腦總算力之比重約為76%，顯示公司於台灣AI與高效能運算基礎建設領域具備相當程度之參與度與產業影響力。
另考量部分新建AI算力設施（包含尚未納入TOP500統計之系統或持續擴充中之算力資源）尚未完全反映於上述統計數據中，整體市場算力規模仍可能高於目前已揭露之數值。
綜合而言，台智雲於台灣AI基礎設施建置市場之地位，係建立於大型算力專案之參與經驗、系統整合能力及長期營運服務能力。相較於以標準化產品或服務衡量之市場，公司之競爭力主要體現在專案規模、技術整合深度及客戶長期合作關係，並隨主權AI與大型算力建設需求成長而持續提升。
在此基礎上，公司未來發展策略，將持續深化台灣市場佈局，並以政府主權AI建設及大型企業AI導入為主要應用場域，強化既有專案經驗與長期營運服務能力，以穩固本地市場基礎。
同時，隨各國對主權AI與在地算力基礎設施需求提升，公司將配合募資計畫，逐步拓展海外市場，並以日本、東南亞等具成長潛力之區域為優先發展方向。透過結合台灣供應鏈優勢與公司整合能力，將既有AI基礎設施建置與全棧 (Full-Stack)服務模式延伸至海外市場，以掌握AI產業成長所帶動之國際發展機會 。
至於推論算力及海外市場，由於其佈署型態具分散性、應用場域多元且缺乏一致統計標準，尚難以單一量化指標呈現市場佔有率，故主要以市場發展趨勢及公司業務策略進行說明。依IDC『Worldwide Artificial Intelligence Spending Guide』及Gartner相關報告指出，企業AI應用已由試點導入轉向規模化佈署與長期營運，推論算力與在地化AI服務需求持續成長。
實體AI
AI技術正由數位世界之應用，逐步延伸至與實體系統結合之場景，形成所謂「實體AI」或「類比智慧」之發展趨勢。AI不再僅用於資訊搜尋或數位內容生成，而逐步進入製造、醫療、交通、能源及公共服務等領域，直接參與實體流程與決策。此趨勢提升AI對各產業之實際利用價值，使運算需求由短期專案性質轉為長期基礎設施需求。
長、短期業務發展計畫
(1)短期業務發展計畫
台智雲短期業務發展將聚焦於深化「主權AI」市場需求，並加速AI應用之實踐與商業化，核心策略為結合TWAI Foundation、Control與Studio三層平台能力，推動智慧城市與企業推論(Inference)市場之快速成長。
在政府與公共領域方面，公司將以主權AI為核心，積極參與智慧城市建設，發展包含城市治理、交通管理、公共安全、醫療照護及能源管理等應用場景，提供在地化佈署（on-premise或專屬雲）之AI解決方案，以滿足資料主權與資安合規需求。同時，透過TWAI Control之多租戶與治理機制，協助政府單位建立可控且可信任之AI運作環境。
在企業市場方面，公司將重點發展AI推論服務，鎖定金融、製造、醫療及高科技產業，提供低延遲、高可用之AI推論平台。透過TWAI Studio之Agent化應用與模型服務能力，協助企業導入生成式AI、知識管理、自動化決策等應用，提升營運效率與數據價值轉化。此外，公司亦將強化「AI Foundry Service」能力，提供模型微調(fine-tuning)、推論優化及應用佈署等一站式服務。
整體而言，短期發展重點在於由需求端出發，強化主權AI應用實踐與推論服務規模，建立穩定營收來源並累積市場實績。
(2)長期業務發展計畫
公司長期業務發展將以「主權AI平台輸出」為核心，推動算力基建、算力調度與算力加值三大事業之國際化佈局，並建立跨區域之AI算力與服務網路。
在海外市場拓展方面，公司將優先鎖定日本、東南亞及中東等具備主權 AI需求之國家與區域，複製既有成功模式，輸出「TWAI Sovereign AI Platform」整體解決方案。透過TWAI Foundation提供在地化AI資料中心與基礎設施建置能力，結合TWAI Studio之應用平台，協助當地政府與企業快速建立自主AI能力，並符合其資料主權與法規要求。同時，公司將透過策略合作（如在地電信商、系統整合商及政府機構），降低市場進入門檻並加速實踐。
在算力調度事業方面，公司將發展TWAI Control為核心之跨算力中心調度平台，整合不同地區之AI算力資源，形成「跨區域算力服務網路（Compute Network）」。該平台將支援多雲（multi-cloud）、混合雲（hybrid cloud）及異質算力環境，提供彈性調度、負載平衡與成本優化能力，使客戶可依需求動態使用全球算力資源，提升整體運算效率。
此外，公司亦將持續強化AI Foundry與應用生態系，發展模型市場（Model Marketplace）與應用平台，促進合作夥伴與開發者共同參與，形成可擴展之AI產業鏈。透過平台化與生態系經營，公司將由單一服務提供者轉型為區域性AI基礎設施與應用平台營運商。
整體而言，長期發展目標在於建立具國際競爭力之主權AI平台品牌，透過跨區域算力整合與在地化服務能力，成為亞洲及新興市場AI基礎設施與應用服務之關鍵供應者。
銷貨集中
台智雲成立之初以銷售GPU算力為主要營收來源，客戶以國內AI新創為大宗，迄今有超過500個以上客戶。
隨著大型語言模型(LLM)、AI運算中心崛起，公司陸續新增了LLM在企業垂直應用、算力基建…等專案型業務，營收高速成長，惟算力基建係金額高、數量少的專案型業務，113~114年公司的前三大客戶營收佔比為84.62%及91.73%，反應了這個趨勢。
觀察網路從1990年代迄今的發展，可知革命性的技術導入市場，大抵會經過基礎建設期、應用期兩個階段。AI正處於基礎建設投資期，從世界級的HyperScaler（如Google、微軟、Meta、xAI…等）到各國家地區乃至跨國大型企業，在3~5年內大量投資AI運算中心，建立模型訓練的算力基礎。而同時AI推論應用也開始百花齊放，同樣也需要龐大的算力，在3~5年內成為AI主要的收入來源。
公司是國內少數同時擁有算力基建及算力加值的公司，得以在AI基礎建設、應用階段都能提供解決方案，創造營收。
在基礎建設方面，結合多年AI算力基建的營運實績，積極將AI運算中心落實到企業級用戶，同時往海外擴展生意。
在企業AI導入整合方面，公司已有超過3年的LLM垂直應用實績，在百工百業導入AI的趨勢及政策引導下，勢必為重要的營收來源。
發展趨勢
A.下游客戶之AI技術發展趨勢
在主權AI(Sovereign AI)與AI工廠(AI Factory)等應用場域中，AI技術使用型態已由早期以模型訓練與驗證為主，逐步轉向以大規模推論(Inference)與持續性運作為核心之應用模式。
首先，大型語言模型（LLM）逐漸成為基礎能力。企業與政府機構多以通用大型模型為基礎，進行客製化調整與應用整合，使模型佈署由一次性專案轉為長期維運之服務架構。IDC於『Worldwide Artificial Intelligence Spending Guide』指出，企業AI投資正由試點導入轉向營運導向，成為主要發展趨勢。
其次，推論工作負載呈現規模化與分散化。AI運算不再集中於單一資料中心，而需依據資料來源、延遲需求與法規限制，分散佈署於多個場域，形成分散式推論(Distributed Inference)架構。Gartner於『Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，AI應用正由集中式模型開發，轉向跨場域佈署與運算調度。
此外，AI代理(AI Agent)技術逐步與企業流程、資訊系統及資料平台整合，使AI由輔助工具轉為可參與決策之系統元件。McKinsey於『The State of AI 』報告指出，生成式AI與代理型系統已逐步成為企業決策流程之一部分，進一步提升對系統穩定性、可監督性及權限控管之要求。
再者，下游客戶對資料治理與安全要求持續提升。Deloitte於『State of AI in the Enterprise』指出，隨AI應用擴展，企業對資料治理(Data Governance)、法規遵循(Compliance)及可追溯性(Traceability)之需求顯著增加。OECD於『 OECD AI Principles』亦指出，各國政府積極推動在地AI能力建設，以確保資料主權與數位治理能力，使運算環境需具備審計與權限管理能力，並影響整體系統架構設計。
B.上游系統產品技術演進趨勢
為支撐上述應用需求，上游AI運算系統產品亦呈現多項技術演進。
首先，隨GPU功率與運算密度持續提升，資料中心逐步由傳統氣冷架構轉向液冷(Liquid Cooling)解決方案。NVIDIA於『Data Center Cooling and Infrastructure』指出，液冷已成為支撐高功率GPU長時間穩定運作之關鍵基礎，有助於提升散熱效率並降低能耗。
其次，高速互連需求帶動先進封裝與光學互連(Optical Interconnect)技術發展。大型模型訓練與分散式推論需進行大量資料交換，傳統電氣互連逐漸成為瓶頸。Gartner於『Emerging Technologies in Data Center Infrastructure』指出，光學互連可顯著提升頻寬並降低延遲，為未來AI資料中心重要技術之一 。
此外，異質算力(Heterogeneous Computing)架構逐步普及。CPU、GPU及各類專用加速器並存，使不同工作負載可於最適設備上運行。Gartner於『 Winning in the Sovereign AI & AI Infrastructure/IaaS Market』指出，異質運算已成為AI基礎設施發展重要方向，雖可提升整體效能，亦同步增加資源管理與系統整合之複雜度。
風險
(1)AI模型具有不確定性與決策不可完全解釋性，若發生模型偏誤、資料治理缺失、資安事件或系統穩定性問題，可能影響客戶對AI系統之信任，進而影響專案推動及合約延續。
(2)全球AI監管環境持續演進，可能提高合規成本與制度要求。台灣於2025年底通過之AI相關法規，即著重於AI利用過程之責任與治理要求。此類制度發展可能提高系統建置與營運之合規成本，並增加專案執行之複雜度。
(3)AI運算高度依賴GPU等高效能運算硬體，技術演進速度快，新世代產品在效能與成本結構上可能出現顯著變化。若主流算力架構轉移過快，既有技術最佳化與整合模式可能需調整，增加工程轉換成本。
(4)AI模型、開源框架與工具鏈持續快速演進，部分技術功能加速商品化，可能造成價格競爭加劇。同時，新技術出現亦可能改變既有最佳實務，使先前投入需調整。
(5)大型科技公司整合算力、模型與平台之能力，亦可能影響競爭結構。若無法持續提升技術深度與整合能力，可能面臨差異縮小及利潤受壓。
(6)量子電腦目前仍處早期階段，短期尚未對主流AI運算造成實質衝擊，惟其在特定運算問題上具潛在突破可能。若未來量子運算成熟並形成新計算典範，現行GPU為主之架構、生態系與最佳化策略可能需重大調整，亦可能影響加密與資料安全設計邏輯。
成長性
隨生成式AI(Generative AI)及大型模型技術快速發展，AI算力需求持續提升，並由早期以模型訓練為主之階段，逐步擴展至涵蓋推論與長期營運之完整運算需求。此一發展趨勢，使AI基礎設施由一次性建置，轉為支撐長期運作之核心環境，並成為企業與政府導入AI應用之重要基礎。
在台灣市場，AI算力需求成長主要來自以下因素：
1. 政府推動主權 AI(Sovereign AI)與在地算力基礎設施建設；
2. 大型企業導入 AI 應用，帶動長期運算與系統整合需求；
3. 醫療、金融與製造等產業逐步將 AI 模型導入實際營運場域；
4. 資料治理與法規遵循需求提升，促使在地佈署與混合架構需求增加。
在此趨勢下，AI基礎設施不僅支撐模型訓練，亦成為推論服務與應用實踐之核心環境，使算力需求由專案型逐步轉為長期化與營運化。預期未來三年，台灣AI算力相關市場規模將持續成長，市場規模約為新台幣300億元至500億元，並呈穩定擴張趨勢。
從市場結構觀察，AI相關需求可區分為標準化應用與高整合需求之大型案場。後者通常涉及AI基礎設施建置、模型佈署、資料治理、安全控管及長期營運管理，具較高工程門檻與整合複雜度。台智雲主要聚焦於此類高整合需求之應用場域，該區段推估約佔整體市場之30%~40%。此類市場雖客戶數量相對有限，惟單案規模較大且具持續服務需求，有助於提升營運穩定性並形成長期合作關係。
海外市場未來三年之重點區域：
海外AI算力市場目前主要由大型雲端服務業者（Hyperscale Cloud Service Providers）及新型算力服務業者（Neocloud）主導，具備大規模資料中心投資能力與全球資源調度優勢。惟近年隨資料主權（Data Sovereignty）及在地AI發展需求提升，各國逐步強化本地AI基礎設施建設，使在地佈署與混合架構需求增加。
依OECD《OECD AI Principles》及相關產業研究，各國政府正積極推動在地算力建設，以提升資料治理能力與數位自主性。在此趨勢下，主權AI（Sovereign AI）已成為海外市場重要發展方向。
台智雲規劃於募集資金後，逐步拓展海外市場，並以日本、東南亞及海灣五國地區為主要發展區域。
上述區域在AI基礎設施發展階段與應用需求上各具特性：
1. 東南亞市場：
正處於數位經濟發展與產業升級階段，政府與企業對資料中心與 AI 應用之投資逐步增加，在地算力與資料主權需求提升，帶動 AI 基礎設施建置及整合服務需求。
2. 日本市場：
具成熟產業基礎，於製造業、醫療及公共服務等領域對 AI 應用之導入需求穩定，並對系統可靠度與長期營運品質要求較高，與公司工程整合與服務導向模式具一定契合度。
3. 海灣地區市場：
近年積極推動數位轉型及智慧城市建設，政府主導之 AI 基礎設施投資增加，屬典型主權 AI 應用場域，單一專案規模較大，對整合與營運能力需求較高。
0 意見:
張貼留言