2026/09/30
若無法閱讀完整頁面，請點選 線上瀏覽
資策會 MIC 產業顧問兼組長 潘建光
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。其邏輯折疊（Logic Folding）核心技術擬建構貫穿元件、電路、晶片到系統等各層面的多層級協同最佳化體系，並以系統性降低時間常數τ為目標，驅動各層級性能、能效、電晶體密度的持續提升，因此蔚為一時熱門議題。
隨後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，希望提供最高10倍的每瓦推論效能並將詞元（Token）成本降低10倍。
乍看之下，韜定律與Vera Rubin並無相關，但實則殊途同歸。Vera Rubin GPU除採用台積電N3製程來承襲Moore's Law微縮電晶體以外，亦採用Chiplets技術和CoWoS-L封裝達到元件、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；此外，NVLink和矽光子、CPO等先進傳輸技術，亦提升晶片到系統甚至於跨系統等各層級性能及能效。從上述來看，NVIDIA從晶片到系統都呼應時間微縮概念。
華為受美國科技管制而訴諸從電晶體元件直至系統的整體性能最佳化；NVIDIA則在AI算力的激烈競爭與殷切需求下，同樣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。尤其在代理型AI（Agentic AI）快速擴展時代，Token成本已成為關鍵考量因素。
圖一、AI加速晶片與伺服器系統
資料來源：各業者，2026年9月
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；但當代理型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來生產產品或服務才是關鍵。新AI時代的Token概念，無異於以往工業革命的馬力或瓦特等功率單位，亦是AI算力的計價單位。然而不論AI Token是功率單位或計價單位，如何運用AI Token創造價值才是關鍵，才是AI新世代的本質。
圖二、在AI需求與Token成本之間取得平衡
資料來源：MIC，2026年9月
煤炭結合瓦特蒸汽機推動第一波工業革命，而石油與電力在1900年前後推動第二波工業革命，並將商業模式擴展到以跨國貿易為主的全球共同體，第三波工業革命則由資訊科技帶動。究其重點，不在於蒸汽機馬力或發電廠電力，而是將這些科技力應用在生產、服務及創造價值才是關鍵；同理可證，AI Token就是新世代科技力，關鍵在於如何運用新科技的生產力來創造價值。
AI Token所推動的是新一波科技革命或新質生產力，一如當初燃煤蒸氣機或石油內燃機一樣，都是生產用工具或是動能，而非產品或服務本身，如何運用AI Token才是關鍵的策略選擇。從此來看，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，就是收入；然而借貸不分家，對AI使用者來說，AI Token就是支出或是成本的計價單位，如何透過成本來生產產品、提供服務並從中創造價值才是關鍵。
文出處：資策會產業情報研究所 (MIC)
