9,249 家企業導入 AI 之後：台灣拚 2028 年普及率 50%，真正的瓶頸不在工具
2026年9月8日
經濟部的輔導團一年多輔導了 9,249 家企業，製造業的 AI 採用率從 12.3% 拉到 38.5%。數字很漂亮，目標是 2028 年普及率過半。但走一趟中部的傳統產業工廠你會發現，導入和用起來之間，隔著的往往不是技術，是沒有人有空整理那些資料。
9,249 家企業導入 AI 之後：台灣拚 2028 年普及率 50%，真正的瓶頸不在工具
彰化一家做金屬扣件的二代廠長，去年參加了輔導團的課，聽完很興奮，回廠裡想導入 AI 做品檢。三個月後我再問他進度，他苦笑：「攝影機裝好了，但沒有人有空去標那幾千張不良品的照片。」
工廠只有四十幾個人，品管兩位，每天光是出貨檢驗就忙不完。AI 的模型要學會分辨刮痕和油污，得先有人把照片一張一張標好。這件事誰做？
這大概是台灣中小企業 AI 導入最真實的樣子——不是不想做，是卡在一個技術簡報上絕對不會提到的地方。
事件背景
經濟部產業發展署的「產業競爭力輔導團」自 2025 年 10 月成立以來，累計已輔導 9,249 家企業導入 AI 應用。依經濟部官方新聞稿（2026 年 7 月 9 日發布）揭露的數字：
- 整合 22 個法人與 42 個次產業輔導團隊
- 攜手 424 個地方產業公協會
- 截至 2026 年 6 月已培訓超過 2,000 位專業輔導員
- 導入 397 項 AI 工具
- 製造業 AI 採用率從 2023 年的 12.3% 提升至 2025 年的 38.5%
- 服務業 AI 採用率從 27.0% 提升至 38.7%
- 台灣全球 AI 排名從第 21 名進步到第 16 名
政策目標則訂在：2028 年 AI 普及率達 50%，帶動產業產值成長 3,230 億元、創造 5,000 億元價值。
供給端也有對應的資源。數位發展部依官方新聞稿（2026 年 3 月 4 日）揭露，其建置的 GPU 算力池截至 2025 年底已協助 186 家民間企業開發至少 266 項 AI 模型與服務；「臺灣主權 AI 訓練語料庫」上線後累積超過 11 億 token，累計瀏覽 86,717 人次，並吸引 TAIDE、Google DeepMind 等單位申請使用。
數發部長林宜敬並在 2026 數位政府高峰會說明，數產署目前已建置 40 片 GPU 的算力池供 AI 新創免費驗證，通過的擴充預算約可再添購 60 片，達到百片規模。
本次重點
- 採用率確實在動，但基期低。 製造業從 12.3% 到 38.5% 是三倍成長，這個進步幅度不能否認。但要注意「採用」的定義——導入一項 AI 工具就算採用，跟真正改變生產流程是兩回事。
- 服務業的成長反而較慢。 從 27.0% 到 38.7%，增幅明顯小於製造業，但它的起點原本較高。
- 輔導量能是這波政策的重點投入。 2,000 位專業輔導員、424 個公協會，這是把資源放在「有人可以問」而不是只發補助。
- 算力池規模仍小。 40 片 GPU 擴充到約百片，對比動輒數千片 GPU 的大型訓練需求，這個規模的定位很明確是「新創驗證用」而非產業級訓練。
- 語料庫是被低估的建設。 11 億 token 的繁中語料，對本土模型的訓練是基礎工程，這類投入的效益要幾年後才看得到。
市場影響分析
對台灣使用者
一般上班族最直接的影響，會是「你的公司開始要求你用 AI 了」。當老闆去上了輔導團的課回來，接下來就是要求各部門提 AI 應用計畫。
這裡有個很現實的建議：與其等公司指派，不如自己先摸熟一兩個工具。最容易上手且立刻有用的，通常是文書與整理類的任務——會議記錄、資料摘要、文案初稿。可以參考站上的 提示詞範本 直接套用，比從零開始摸索快得多。
對企業應用
我想誠實講一件輔導成果新聞稿不會寫的事：中小企業導入 AI 最大的瓶頸不是技術也不是預算，是資料。
AI 品檢要有標好的照片、AI 排程要有乾淨的工單紀錄、AI 客服要有整理過的問答資料。而多數台灣中小企業的現況是：資料散在 Excel、LINE 對話、老師傅的腦袋裡，而且沒有人有空整理。
輔導團能給的是方向、工具與人力支援，但沒有人能代替你整理自家的資料。這也是為什麼「導入了 397 項工具」和「AI 真的在產線上跑」之間會有落差。
務實的建議是：別從最難的地方開始。品檢、排程這類需要大量標註資料的應用門檻高，但客服問答、報價文件生成、會議記錄整理這些「文字進、文字出」的任務，資料門檻低很多，而且立刻能省時間。先在低風險的地方建立團隊對 AI 的信心與使用習慣，再往深水區走。
對開發者
對台灣的 AI 服務業者，這波政策等於是政府幫忙做了市場教育——9,249 家企業至少知道 AI 是什麼、也有輔導員可以問。但也意味著競爭會變激烈，因為需求被打開了。
真正的差異化不會在模型，而在產業 know-how 與資料工程。誰能幫客戶把散亂的資料整理成可用的形態，誰就能拿到案子。這是苦工，但也是護城河。
未來發展趨勢
2028 年 50% 的目標，關鍵在深度而非家數。 如果「採用」的定義維持在導入一項工具，那 50% 並不難達成；但如果要看到產值成長 3,230 億元的效果，需要的是真正改變流程的深度導入。這兩者的難度差很多。
資料工程的需求會先於 AI 應用爆發。 我的判斷是接下來幾年台灣企業真正缺的人不是「會調模型的人」，而是「會把工廠三十年的紙本紀錄變成結構化資料的人」。
算力政策需要持續加碼。 百片 GPU 的規模適合新創驗證，但若要支撐本土模型的持續訓練與產業級應用，投入強度還需要往上走。
TheAI學院 總結與評語
我對這波政策的評價是：方向對、投入實在，但敘事要更誠實一點。
把輔導員派到中南部的產業公協會、培訓 2,000 位輔導員、建語料庫，這些都是紮實的基礎工程，比單純發補助有意義得多。採用率從 12.3% 到 38.5% 也是真實的進展。
但「導入 AI」這四個字掩蓋了太多細節。裝了攝影機不等於有 AI 品檢，買了工具不等於流程改變。如果政策的成效指標停留在家數，很容易出現「輔導完了、報告寫完了、產線沒變」的狀況。
評語：台灣中小企業卡的從來不是買不到 AI，是沒有人有空把資料整理出來——這件事沒有補助款能代勞。
給台灣讀者的具體建議：如果你是中小企業主，先做一次資料盤點再談導入。花一個下午列出三件事：公司目前哪些流程有留下紀錄、紀錄存在哪裡、格式是否一致。這張清單會直接告訴你哪些 AI 應用現在做得起來、哪些還早。
如果你想先嚐到甜頭，建議從文字類任務下手——客服問答、報價信、會議記錄。這類應用資料門檻低、風險低、見效快，用 ChatGPT 或 Claude 這類通用工具就能開始，不需要等輔導團排隊。等團隊習慣了，再處理品檢、排程這些硬骨頭。
免責聲明：本文為政策與產業分析，所引數字均出自政府官方新聞稿，不構成投資建議。
資料來源
依公開資訊整理、以官方為準。
常見問題
台灣企業的 AI 採用率現在是多少？
依經濟部官方新聞稿（2026 年 7 月發布），製造業 AI 採用率從 2023 年的 12.3% 提升至 2025 年的 38.5%，服務業則從 27.0% 提升至 38.7%。政策目標是 2028 年達到 50% 的普及率。要留意的是「採用」的定義相對寬鬆，導入一項 AI 工具即計入，與流程被真正改變是兩回事。
中小企業導入 AI 最常卡在哪裡？
實務上最大的瓶頸是資料，不是技術或預算。AI 品檢需要標註好的照片、AI 排程需要乾淨的工單紀錄，但多數中小企業的資料散在 Excel、LINE 對話與資深員工的經驗裡，而且沒有人力整理。輔導團能提供方向與工具，但沒有人能代替企業整理自家資料，這是導入前必須自己面對的功課。
中小企業該從哪種 AI 應用開始比較好？
建議從「文字進、文字出」的任務開始——客服問答、報價文件生成、會議記錄整理。這類應用的資料門檻低、風險低、見效快，用通用的 AI 助理就能上手。品檢、排程這類需要大量標註資料的應用門檻高很多，適合等團隊建立起使用習慣與資料基礎之後再做。
政府提供哪些 AI 資源可以申請？
依數發部官方資訊，數產署建置了 GPU 算力池供台灣 AI 新創免費驗證使用，目前規模為 40 片 GPU、擴充後約達百片；另有「臺灣主權 AI 訓練語料庫」提供逾 11 億 token 的繁中語料。企業端則有經濟部產業發展署的產業競爭力輔導團，透過地方產業公協會與專業輔導員提供導入諮詢。實際申請條件請以各主管機關公告為準。
資料來源：TheAI學院編輯團隊原創
