AI代理部署率升至17%，算力需求會先傳到誰？

 

AI Agent部署率升至17%，企業開始計算營運效益

人工智慧代理（AI Agent）能自主拆解任務、呼叫工具並完成多步驟工作。全球已有17%的企業開始部署，預估未來兩年內將有60%企業跟進。這組數字反映企業評估標準逐漸轉向流程改善、執行準確率與投入成本。

生成式AI早期由模型參數、訓練規模與回答能力主導話題。進入企業流程後，採購、研發、客服及設備維運都可能導入數位員工，使用量也會從單次問答擴大到持續執行。AI Agent進入企業工作流程，將同步增加推論運算、資料存取、網路傳輸及資安管理需求。

國發會規劃從算力、人才、應用與治理四個面向推進，並透過算力池與實作課程降低導入門檻。算力池可讓企業減少初期硬體建置壓力，實作課程則補足導入與維運能力。政策能否帶動海外布局，後續仍需觀察企業部署數量、使用頻率與實際營運效益。

 

中華電信用維運數據呈現AI代理價值

中華電信(2412)建構的人工智慧生態系，涵蓋底層網路、資料中心、算力及領域模型。這種垂直整合模式可把通訊資料、運算資源與特定產業知識放入同一套服務架構，也有利於管理資料權限與服務品質。

網路查修導入企業級數位員工後，處理時間由44分鐘縮短至8分鐘，準確率達98%。基地台選址所需時間則由10天降至20秒。查修時間縮短約82%，顯示AI代理在規則明確、資料充足的流程中，已能帶來可量化的效率改善。

這些案例也說明企業導入AI時，資料品質與既有系統整合會直接影響成效。模型需要取得網路狀態、設備紀錄及地理資訊，並依照企業規則完成判斷。從44分鐘降至8分鐘的價值，來自模型、資料、工作流程與執行權限共同運作。

中華電信也結合全光網路與海地星空韌性網路，將應用延伸至智慧城市、醫療、工安及無人機物流。應用場域愈靠近實體世界，對低延遲連線、不中斷服務與邊緣運算的要求愈高，網路及資料中心因此成為部署規模擴大的基礎。

 

算力需求向晶片、伺服器與資料中心傳導

數位員工逐步進入採購與研發流程，企業運算型態也會改變。傳統軟體多在使用者操作時啟動，AI代理可能持續監控資料、規劃任務並反覆呼叫模型。單一任務消耗的推論量與資料交換次數，因而高於一般查詢。

產業投入範圍從前端晶片設計延伸至伺服器、電力設備與終端應用。聯發科(2454)、鴻海(2317)及台達電(2308)分別位於晶片、系統製造與電源基礎設施環節，參與方式各有差異。運算需求會沿供應鏈傳導，受益程度仍取決於產品組合、訂單轉換與產能配置。

高效能資料中心建置加速，目的在承接未來數倍成長的運算量與平台需求。企業部署率從17%朝60%移動，只能確認潛在用戶基礎擴張；每家企業使用多少代理、每個代理呼叫多少次模型，才會進一步決定實際算力需求。這也是AI應用規模與基礎建設投資之間的重要傳導機制。

 

零信任與後量子密碼決定部署邊界

AI代理取得的執行權限高於一般聊天工具，可能接觸內部文件、客戶資料及營運系統。代理數量增加後，身分驗證、權限控管、操作紀錄與異常偵測都需要同步升級。效率提升與風險管理必須放在同一套部署規格內評估。

零信任網路會持續驗證使用者、設備及每次存取行為，降低單一帳號或節點遭入侵後的擴散風險。後量子密碼則因應量子運算可能削弱既有加密機制，影響企業長期資料保護策略。治理能力決定AI代理可取得的權限，也會影響金融、醫療與公共服務等敏感場域的採用速度。

台灣科技產業鏈已涵蓋網路、資料中心、晶片、伺服器、電源與應用服務。現階段數據支持AI代理部署加速，以及部分流程已產生明確效率改善。後續判斷需持續追蹤企業採用率能否轉成穩定使用量，以及算力擴張能否在資安與治理要求下持續推進。