文／潘建光、洪春暉 MIC資策會 圖／Shutterstock
過去AI算力基礎建設常用GW或MW當作算力評估基準，但當代理型AI推動應用普及後，如何以最經濟且有效率的方式來生產AI Token，並應用AI Token來發展產品或服務成為企業競爭的關鍵。新AI時代下的Token，一方面類似於過去工業革命時所探討的馬力或瓦特等功率單位，另一方面也是AI算力的計價單位。然而，不論AIToken所推動的是新一波科技革命還是中國大陸所謂的新質生產力，如何有效運用AI Token將成為企業營運的策略主軸之一。
韜定律與NVIDIA Vera Rubin異曲同工
IEEE於2026年5月在上海舉辦國際電路系統研討會ISCAS 2026，華為於會中發表韜（τ）定律（Tau Scaling Law），提出以「時間（τ）微縮」取代「幾何微縮」作為半導體與電子系統演進原則，即透過邏輯折疊等創新技術持續壓縮訊號傳播時延，不斷提升電晶體密度，從而實現半導體與電子系統的持續演進。
隨後在Computex 2026期間，NVIDIA執行長黃仁勳發布Vera Rubin NVL72機架級AI超級電腦系統，可連接36顆NVIDIA Vera CPU與72顆NVIDIA Rubin GPU，整合第六代NVIDIA NVLink交換器以支援垂直擴展，亦搭配ConnectX-9SuperNIC與Spectrum-X乙太網路光子技術共同封裝光學（CPO）交換器，以實現水平擴展與跨系統擴展。
乍看之下，韜定律與Vera Rubin似乎並無相關，但實則殊途同歸。Vera Rubin GPU或CPU除採用先進製程來承襲Moore’s Law電晶體的微縮以外，亦採用Chiplets技術和CoWoS-L封裝整合「堆疊12層DRAM晶粒」HBM4記憶體，達到元件、電路直至晶片等各層級在傳輸性能、能效和電晶體密度的提升。也利用NVLink和矽光子、CPO等先進傳輸技術，提升晶片到系統甚至於跨系統等各層級的性能及能效。因此，不論是晶片或是系統，NVIDIA Vera Rubin與韜定律的時間微縮概念，其實有異曲同工之妙。
同時，無論是華為還是NVIDIA，在AI算力的激烈競爭下，都在推動從電晶體到系統的整體最佳化，進而讓提升每瓦效能來減輕電力負擔，並協助客戶大幅降低Token生產成本。
在Agentic AI快速擴展所帶來的算力需求下，Token成本已成為AI Factory的關鍵考量因素。
Token，AI新時代計量單位
AI Token是AI訓練或推論模型處理文字、圖片或語音的「最小基本單位」，NVIDIA 執行長黃仁勳在2026年3月GTC即指出資料中心正轉型為以Token為單位持續產出的「AI Factory」，推動生成式AI大規模導入企業營運流程，可望重構能源效率、系統架構與IT投資策略。同年在6月GTC Taipei亦指出，代理式AI與「有用的AI」到來，Token已成為可以創造營收的單位。
當AI開始帶來實質生產力，企業關注焦點也從擁有多少算力，轉向算力是否真正轉化為價值。
換言之，以往AI算力基礎建設常用GW或MW
當作算力評估基準；但當代理式AI推動應用普及以後，如何以最經濟且有效率的方式來生產AI Token，並用AI Token來生產產品或服務，進而藉此運用新科技的生產力來創造價值，成為影響企業競爭力的關鍵。
AI Token是AI供應商的收入，卻是AI使用者的支出／成本
AI Token對AI算力基礎建設的關係產業或有意提供AI算力的投資者來說，從AI Factory的角度而言，就是收入的創造；但相反地，對AI使用者來說，AI Token是支出或成本的計價單位。
因此，AI使用者如何透過最有效地運用AI Token來生產產品、提供服務，進而從中創造價值，成為企業競爭的關鍵。
雖然當下已經進入AI時代，但從AI Token即為AI使用者的成本觀之，過去傳統在企業的競爭策略中，常被大量引用的Michael Porter的「差異化」和「成本」等策略，仍然可為新AI時代下AI Token的競爭策略規劃提供思考的方向。
差異化策略－結合AI科技力來創新產品或服務
在「開拓尚未被滿足的潛在客戶需求」目標上，企業仍應思考如何透過AI科技力來創造新產品或服務，以滿足目標客戶需求並創造新的市場區隔。例如，從Alphabet獨立出來的新創業者SandboxAQ，即專注於以AI＋Quantum結合推動新興科技應用，以開發商用級AI結合量子技術的解決方案，來因應各種高計算密集型產業的需求。
成本領先策略－結合AI科技力來加速產出或降低成本
在「以更低成本來滿足客戶需求」的目標上，如何透過AI科技加速開發或是降低生產，或服務成本將是主要的關鍵考量。這部分的AI應用更是顯而易見，如Anthropic Claude Code或OpenAI Codex即可協助軟體工程師加速開發或降低開發成本。
如同AI算力供應商當前大力招聘的前線部署工程師（Forward Deployed Engineer, FDE），實際就是用來協助客戶把AI算力或AI Token真正轉換成具有生產力並能創造價值的客製化解決方案。
整體而言，不論是中國大陸的韜定律或NVIDIA的AI Factory，在AI時代的競爭中其實是殊途同歸，皆期望透過科技力的提升來創造新的價值。在AI邁入Token經濟的時代下，企業競爭力的關鍵仍在於如何運用AI發揮創新的能力，協助企業進行營運流程的改善或開發新服務、新產品、甚至是新商業模式。我國產業正處於AI Token浪潮的風口之上，除了迎接AI Factory所帶來的供應鏈契機外，如何掌握AIToken經濟下的創新契機，進而提升產業長期競爭力，值得各界進一步深入探討。