ㄧ、前言
生成式 AI 不僅是當前熱門話題，其技術更已滲透至生活的各個層面。根據德勤洞察（Deloitte Insights）發布的《2025 年科技趨勢》(Tech Trends 2025)報告，AI 未來將如同電力或 HTTP（網際網路通訊協定）一般，成為社會運作的基礎技術，潛移默化地影響人類生活。

其中，空間運算（spatial computing）技術打破了資訊孤立的現象，吸引企業投入關注；大型語言模型（LLMs）將進一步深入企業組織，進一步提升工作效率；硬體需求提升，推動 AI 專用的運算資源發展，而內建 AI 的個人電腦將有助於降低雲端運算成本。此外，AI的整合應用正在重新塑造IT架構，並且推動基礎設施、工程及財務營運的創新。然而，隨著量子運算技術的發展，企業在未來更需強化數據加密與資安機制，以因應潛在的安全挑戰。

二、重要趨勢
(一) 空間運算（Spatial Computing）
空間運算是一種融合物理世界與數位虛擬技術的創新應用，能提升人類對周圍環境的感知與互動。透過感測器數據、物聯網（IoT）與3D 資訊的整合，空間運算提供更直覺且沉浸式的互動體驗，在醫療、製造、物流及娛樂等領域展現出巨大的應用潛力。空間運算突破了資訊孤立的限制，使跨領域專業人士能夠掌握並有效應用過去需要專業知識才能解讀的資訊。市場預測顯示，2022 至 2033 年間，空間運算的年均增長率（CAGR）將達 18.2%。

目前，空間運算的應用已逐步落實於各領域。在製造業方面，企業內各部門可透過3D 建模系統進行協作，以提升生產效率。在醫療領域，醫師可利用擴增實境（AR）模擬病情，協助醫護訓練與臨床決策。在能源產業，石油與天然氣公司能在地理資訊系統（GIS）上疊加工程模型，強化規劃與管理。而在體育產業，足球俱樂部則運用AI 與攝影技術模擬球員的數位分身，以優化訓練策略，並提升球隊價值。然而，隨著空間運算技術的普及，數據互操作性與數據流動的複雜性成為管理上的關鍵議題，確保數據的品質與真實性更顯重要。

隨著多模態 AI（Multimodal AI）的不斷進步，空間數據的整合將更加順暢。AI 也正在逐步成為主流的使用者介面，使企業能更輕鬆地整合用戶資訊，並根據使用者的行為模式與偏好，自動提供更具個人化的服務。

(二) 人工智慧的下一步
目前大型語言模型（LLMs）已被70%的組織採用。未來趨勢將是由多個小型專業模型協同運作，以取代單一通用模型。例如，專門分析財務數據、尋找潛在收入機會的 AI，將與聊天機器人模型產生市場區隔，使各專業模型發揮其獨特優勢，專注於各自的專業領域。

企業未來的兩大機會包括：「開源選項」，指的是使用者可自由使用與修改公開發布原始碼的 AI 模型；以及「多模態輸出」，即 AI 能夠根據使用者輸入的偏好與指令，生成文字、音訊、圖片、影像等多樣化內容。AI 的發展正從「強化知識力」轉向「強化執行力」，也就是從被動提供資訊，進一步發展為主動執行任務。

由於獨立開發 LLMs 需要龐大的運算資源與資金，大多數企業選擇與專業 AI 服務商合作，以降低成本。儘管 AI 應用已展現初步的商業收益，但數據從產生到銷毀（即數據生命週期）的管理複雜性，使企業仍對 AI 生成內容的準確性與適用性抱持審慎態度。即便如此，75% 的企業仍表示願意投資於數據管理。

隨著數據收集基礎設施的進步，AI 的潛能正逐步釋放，應用範圍從保險理賠、電信設備故障排除、消費明細分析等傳統民生領域，擴展至太空修復、原子模擬、材料設計等專業應用。

另外，儘管LLMs等通用AI雖然功能強大，但其龐大的運算資源需求，使其未必是執行特定任務的最佳選擇。因此，下列三項創新將可能成為LLMs的替代方案。首先，小型語言模型（SLMs）透過小規模且精心設計的數據進行訓練，具備快速反應與低成本的優勢，適合針對特定領域提供高效率解決方案。其次，多模態模型（Multimodal Models）可同時處理文字、語音、圖像等不同類型的資訊，進而實現更自然且多元的互動方式。最後，代理 AI（Agentic AI）則在人類監督下，能自主執行實際任務，如訂購航班、客服處理等日常應用，大幅提升自動化與決策效率。

(三) 硬體技術的革命
AI 的蓬勃發展，使科技焦點逐步從軟體創新轉向能源與硬體供應。隨著摩爾定律接近物理極限，AI 專用晶片（如 NVIDIA GPU）將成為推動 AI 發展的關鍵技術。AI晶片市場預計將於2025年突破500億美金。此外，內建 AI 的個人電腦與邊緣裝置將徹底改變企業運算模式，不僅提供離線 AI 能力，還能降低雲端運算成本，同時增強數據隱私。

然而，隨著AI需求增加，數據中心的電力消耗預計在未來十年內將增加三倍，促使包括核能在內的替代能源技術重新受到關注。AI的擴展與普及也推動了數據處理架構的轉變，使計算能力從IT 中央系統延伸至終端設備，加速物聯網（IoT）資源的整合，並改變人與機器的互動模式。

在硬體市場中，GPU 供不應求除了讓供應商獲利顯著，也使高效能且低功耗的神經處理單元（NPU）成為處理小型 AI 工作負載的重要選擇。NPU 允許終端用戶在其終端設備上運算，無需將數據傳輸至雲端，從而有效提升數據安全。根據研究，72% 的受訪者認為生成式 AI 將對其所處產業產生重大影響，且隨著硬體技術的普及，這一比例可能進一步接近 100%。

曾經被視為「無限」的雲端運算黃金時代已經結束，取而代之的，是AI 驅動的數位轉型時代。未來，邊緣運算、硬體基礎設施與機器人技術將成為 AI 產業競爭的三大核心戰略領域。NPU 的普及，使得無須連上網路的設備也能具備 AI 運算能力，並且促進混合運算架構成為主流。

企業在導入 AI 時，應優先考量需求順位，而非全面性導入，並審慎評估自建與租賃方案，在 GPU 短缺的情況下尋找合適的替代選擇，以平衡成本與效益。此外，隨著資料中心的高能耗問題浮現，再生能源、永續應用及硬體技術改進將成為未來 AI 發展的重要解決方案。

在未來十年，人口老化與勞動力短缺將推動 AI 機器人與自動化技術的發展。人形機器人將能夠執行更複雜的作業，而智慧工廠也將進一步透過 AI 實現自動化協作。未來在 AI 與人類協作的環境下，人類將能更專注於創造性與高價值的工作，重新定義人機共存的未來。

(四) AI轉型下IT職能進化
AI 轉型正在改變 IT 部門的角色與職責。過去，IT 部門主要負責企業設備維護與資訊安全管理，被視為成本支出單位，然而，隨著 AI 技術的發展，IT 部門正逐步轉型為價值創造單位。具前瞻視野的 IT 主管應優先規劃 AI 部署策略，推動技術創新，提升企業競爭力。IT 職能的升級將成為企業差異化競爭的重要戰略。過去 IT 部門長期面臨預算精簡，但隨著 AI 需求的攀升，全球 IT 支出已出現顯著增長。

目前，IT 部門正經歷五項關鍵的改變：(1)工程：程式開發人員利用AI輔助程式碼生成將使工作更有效率，如Google 內部的 AI 開發工具已經能夠輔助開發人員撰寫約 25% 的新程式碼，讓開發人員能夠將更多時間投入架構設計與程式碼審查。開發人員有更多的時間專注於架構設計和審查。(2)人才：AI提供個人化學習路徑解決技能缺口，技術人才將從操作轉向監督和創新。(3)雲端財務：實現更精確的成本預測和控制，在資源需求增加時降低成本。(4)基礎設施運維：AI 驅動的自主系統將持續發展，未來僅在必要時才需人為干預，提升運作效率。(5)網路安全強化：AI 雖提升了企業的數據處理能力，但同時也帶來新的資安風險，企業需積極發展 AI 驅動的防禦機制，以應對日益複雜的網路攻擊。

未來十年，IT 部門可能進一步成為創新推動者，提供模組化程式碼與開放平台，讓業務單位能夠更靈活地開發自身的 AI 解決方案。因此，各部門的員工將需具備 AI 的基本技術素養，而 IT 領袖不僅需掌握技術專業，更需具備管理與業務拓展的綜合能力，以引領企業在 AI 時代的競爭與發展。

(五) 量子運算下的資安挑戰
量子運算的發展對現有加密技術構成重大威脅，可能影響線上交易與身份驗證的安全性。企業應及早採取下列行動建議，包括：全面評估加密風險，以制定量子安全策略；應升級加密演算法，採用美國國家標準技術研究院（NIST）發布的抗量子加密標準，以抵禦未來可能出現的量子攻擊；強化網路安全防禦機制，防範「現在收割，待未來技術成熟時解密」的攻擊模式，即惡意攻擊者提前竊取加密數據，待量子運算成熟後再進行解密；建立密碼彈性（Cryptographic Agility），應對未來新興威脅。由於這類資安升級過程可能耗時數年，全球企業與政府間的協同合作至關重要，唯有共同推動標準化與技術發展，才能在量子時代維持數據安全與數位信任。

(六) AI重塑企業資源規劃
企業資源管理（ERP）仍是組織營運數據的核心，但隨著 AI 賦能數據分析與自動化系統，ERP 正逐步進化，不僅提升管理效率，更賦予企業資源規劃的新可能性。
在 AI 驅動的環境下，企業內各部門的機敏資訊必須透過數據治理框架來確保數據的準確性、安全性與合規性，同時透過政策透明化來建立對 AI 系統的信任。企業可根據自身對數據開放的需求，選擇第三方供應商的 AI 模組，或自行開發專屬解決方案，以確保 AI 能夠與企業營運策略緊密結合。
此外，評估資源管理核心系統將從傳統 ERP 轉型為AI平台，透過自主代理（Autonomous Agents）執行任務，提升企業的自動化程度與決策效率。此轉型不僅改變企業的運作模式，也意味著員工需同步學習跨領域技能，涵蓋數據分析、AI 模型開發與管理，以適應 AI 時代的新工作方式。