楊聰榮／ESG碳減量聯盟理事長，中台灣教授協會理事長，任教於台灣師範大學
當人工智慧從研發工具轉變為普遍性基礎設施，算力已不再只是科技產業議題，而是與能源安全、產業韌性與國家治理高度交織的公共政策問題。台灣近年在AI發展上的討論，多半集中於資料中心投資與高效能運算部署，卻相對忽略算力配置本身所隱含的能源結構與系統風險。隨著用電需求持續攀升，集中式算力架構正在成為能源轉型下的新壓力源。
在這樣的政策背景中，分散式AI架構提供了一條值得納入國家層級思考的替代路徑。由超微半導體公司（AMD）的董事長和執行長蘇姿丰所提出的去中心化算力方向，並非單一產品策略，而是一種重新定義算力位置的系統觀點。透過讓大量AI運算在終端設備與邊緣節點完成，國家不必把算力成長等同於資料中心規模的線性擴張，能源治理的彈性也隨之提高。
從政策設計角度來看，分散式AI應被視為「算力基礎建設的多層配置」，而非雲端的對立面。國家層級可將算力區分為核心雲端算力、區域邊緣算力與終端裝置算力三個層次，分別對應不同的能源需求、即時性與安全等級。這樣的架構，有助於避免所有AI應用都擠向高耗能節點，讓電力系統承擔不必要的尖峰負載。
在能源治理層面，分散式算力為電力系統提供結構性緩衝。終端與邊緣裝置的功耗較為穩定，可與再生能源、儲能設備與區域微電網更有效整合。這使AI發展不再必然推升大型集中電源的依賴，也有助於降低為因應極端需求而過度投資發電與輸電設施的風險。對能源轉型中的台灣而言，這是一種能同時兼顧科技成長與電力韌性的制度選項。
在產業政策上，分散式AI架構也為台灣創造差異化競爭空間。台灣長期在終端設備、系統整合與關鍵零組件領域具備完整產業鏈，若國家政策能明確支持邊緣運算與本地推論的應用場景，將有助於引導產業從單純製造角色，升級為算力系統與解決方案的提供者。這不僅強化產業附加價值，也降低對單一雲端平台的結構性依賴。
從治理角度來看，分散式AI也有助於提升數位主權與資安韌性。當大量資料與推論在本地完成，跨境資料流動與集中式平台風險自然下降，政府與關鍵產業在面對地緣政治與資安威脅時，擁有更高的自主調度能力。這樣的算力治理思維，與台灣強調的韌性國家與供應鏈安全方向高度一致。
整體而言，台灣的AI與能源政策已進入必須「選擇架構」的階段。持續以集中式資料中心作為唯一解方，將使算力成長與能源焦慮彼此綁定。將分散式AI納入國家白皮書層級的戰略思考，則能把算力視為可被治理、可被配置的公共資源。AMD所提出的去中心化路線，為台灣提供了一個從系統設計出發的政策參考，也為台灣在AI、能源與ESG治理之間，開啟一條更具韌性與自主性的發展方向。
