國發基金資產總額逼近新台幣2.1兆元，政府也把AI列為下一階段產業政策重心，規劃千億級資金投入AI技術與產業創新。表面上看，台灣似乎不是缺錢，而是站在一個資本與政策同時加速的時刻。

但如果國發基金的角色，不只是「投資會賺錢的公司」，而是替國家配置下一代產業基礎建設，那麼我們就必須問一個更尖銳的問題：這些資金，究竟有沒有流向台灣未來十年真正需要的AI基礎建設？

這裡所說的基礎建設，不只是資料中心、算力、晶片與伺服器。AI時代的基礎建設，也包括在地語言資料、身分與授權機制、支付與交易流程、資料治理、法遵工具，以及真正能進入醫療、教育、金融、公共服務與日常生活場景的AI應用層。

從事金融科技創業6年來，我見過台灣資本市場各種好天氣與壞天氣，但2025至2026年的早期創業生態，是我見過最詭異的一種。

一方面，政府部會匡列上千億元支持AI，新創年會上人人都在談「AI元年」、「人工智慧島」、「規模化獨角獸」。另一方面，我認識的、去年（2025）才成立的AI早期團隊──做國際大型語言模型（Large Language Model, LLM）應用的、做AI助理（agent） 的、做垂直AI （專注於特定專業領域的AI應用）的──他們共同回報的是：今年比去年更難拿到第一張「天使輪」投資的支票。

熱錢明明就在那裡，為什麼到不了該到的地方？

必須先說明立場：我已經不是早期創業者。我們已經走過「A輪」，這篇不是替自己討錢，而是以一個剛穿越早期死亡谷的創業者視角，回頭看後面那群人正在面對的、比我當年更深更乾的沙漠。

討論政策工具之前，必須先回答一個更根本的問題：為什麼一般人應該關心AI新創拿不拿得到錢？

答案是：因為AI時代的價值鏈，正在從硬體往上爬，而台灣很可能被永遠卡在最底層。

過去30年，台灣站穩了晶片、伺服器、零組件、組裝等全球資訊產業的硬體層。我們是全世界最會把矽變成電子產品的國家。但AI時代的價值分配，正在快速朝兩端集中：底層的基礎模型，例如OpenAI、Anthropic、Google、xAI；以及上層的應用體驗，例如ChatGPT、Cursor、Notion AI，還有各種垂直領域的AI agent。

中間的硬體層雖然不可或缺，卻愈來愈像1990年代代工PC主機板的角色：技術門檻高、毛利率持續被壓縮、客戶議價權強、地緣政治壓力大。

換句話說，當AI海嘯來襲時，台灣站在最會做漁網的位置；但抓魚的人不是我們，魚也不是我們的。

這對一般人意味著什麼？用幾個具體場景說明。

未來5到10年，當你要AI幫你訂便當、處理稅務、查健保紀錄、提醒水費繳款、辦理戶政、預約醫師，這些每天會跟生活密集互動的AI助理，很可能由美國或中國公司打造。你的個人資料、消費習慣、健康紀錄、語言偏好、家庭結構，會透過這些AI助理流向海外的雲端與訓練資料庫。

當你問AI「228事件是什麼？」、「健保為什麼會破產？」、「台灣的兵役制度合理嗎？」你得到的會是美國語料模型的詮釋，或更糟，是中國語料模型的詮釋。台語、客語、原住民族語在主流AI模型裡將永遠是「小眾語言」，因為訓練資料與產品優先序的決定權不在台灣手上。當長輩想用台語跟AI對話，AI可能聽不太懂；當孩子問AI中華隊棒球的歷史，AI可能用「中國台北」回答。

當孩子出社會，台灣產業能提供的高薪工作，可能繼續集中在「替別人組裝AI硬體」這個區段。AI產品經理、AI應用設計師、AI應用工程師、AI商業策略、AI法遵──這些更高附加價值的職位，會集中在舊金山、西雅圖、紐約、北京、上海、新加坡。台灣的年輕人不是不能去，而是只能去當別人的員工，不能在自己家裡蓋出別人想用的AI產品。

當半導體景氣循環不可避免地進入下行──歷史上從來沒有不下行的產業循環──台灣會發現，這座「護國神山」曾經養活的外圍產業、稅基、就業與技術人才，沒有「下一個層」可以承接。我們會回到依賴單一產業的脆弱結構，只是規模更大、震盪更深、復原更慢。

這不是新創業者的問題，是全體納稅人的問題，是每一個會跟AI互動的台灣人的問題。

而AI應用層在哪裡長出來？答案無聊但直白：在早期那些做LLM應用、做垂直AI助理、做AI工具的新創團隊手上。

這就是為什麼，國發基金對AI的政策性股權投資，不應只被理解成「多投幾家公司」。它其實是在決定：台灣要不要投資自己的下一代數位基礎建設？

依照政府公開的政策方向，「AI新十大建設推動方案」匡列大規模預算，國發基金也規劃加強投資AI技術與產業創新。其中「加強投資AI新創」相關專案，採取的核心邏輯，是由政府資金搭配民間投資人共同出資；搭配對象包括金融機構、創投、企業創投與加速器等不同類型。

這樣的設計並不奇怪，也不是錯的。政府不直接取代市場判斷，而是透過民間投資人協助盡職調查、分散風險、共同承擔投資結果。這套模式在過去十多年確實有它的功能。

問題是，2025年之後，市場結構已經變了。

實際走訪一輪早期AI創業者，會發現他們普遍卡在同一個結構性節點：政府的錢需要「搭配創投」才能核發，但台灣本土創投本身正在面臨募資困境。國發基金的水龍頭看似打開了，水管另一端——民間基金管理人——卻正在乾涸。

這不是單純的預算執行問題，也不是錢花得夠不夠快的問題，而是政策性股權投資的機制，卡在資本市場現實與國家戰略需求之間。

若民間創投本身募不到基金，政府的「搭配投資」就找不到合適的對手方。於是出現一個外人難以察覺的悖論：國庫坐擁龐大資產，政府也想加碼AI，但真正處在早期階段、最需要第一張支票的AI應用層團隊，仍然拿不到錢。

錢看得到、領不到、用不出去。這才是今天台灣AI創業最關鍵的水管問題。

這個現象，與台灣最值得驕傲的成就有直接關係。

在創投基金裡，出錢的通常是有限合夥人（Limited Partner, LP），管理基金、挑選投資標的的則是基金管理人（General Partner, GP）。要讓一檔創投基金成立，必須先有足夠的LP承諾出資；GP募得到基金，才有錢去投新創。

但台灣LP端的資本配置，已經高度集中在以台積電為首的半導體與AI硬體供應鏈。許多家族辦公室與企業金主，長期持有晶圓代工、IC設計、設備鏈、AI伺服器與加速運算供應鏈相關部位。對他們而言，這些部位不只熟悉，而且在過去一段時間已經創造極高報酬。

當一個資產配置人長期持有的半導體部位，報酬率遠高於多數早期創投基金，要說服他把資金轉進管理費2%加上超額績效分成（carried interest, carry）20%、出場週期7至10年、內部報酬率（Internal Rate of Return, IRR）高度不確定的台灣早期AI基金，邏輯上非常困難。

LP不願承諾出資，GP就募不到基金；GP募不到基金，國發基金的搭配投資就找不到足夠的對手方。

於是，半導體成功創造的稅基與資本累積，反過來把AI應用層創業的早期水源吸乾。這不是因為半導體不好，而是因為它太成功，成功到讓其他產業的風險資本看起來都不夠有吸引力。

這就是「AI熱錢吸光AI創業」真正的意思：不是沒有錢，而是錢集中在最能被金融市場理解、最接近既有成功路徑、最容易說服LP的地方；但下一代AI基礎建設，往往長在還沒有財報、還沒有規模、還沒有被市場證明的早期應用層團隊手上。

要強調的是，「搭配投資人」這套機制本身並不是錯誤設計。它在2010年代曾經發揮過很好的作用：政府當跟投者、創投當領投者，由民間做盡職調查，國發基金以較低成本參與生態並分散風險。

但2025年之後，至少有兩個外部變化，讓這套工具走到設計極限。

第一個落差，是台灣LP端的結構變化。

2010年代，台灣家族辦公室與企業資金仍有相當一部分願意投入創投基金。那時半導體紅利尚未膨脹到一支獨秀，早期科技基金仍有一定吸引力。但今天，本土GP募資週期明顯拉長，募不滿最低資金門檻的基金愈來愈多。

當民間GP端結構性短缺，國發基金的搭配模式就會變成單軌：除非搭配到少數仍有資金的大型創投，但它們投案件數有限、決策週期長，或者根本找不到合適對手方。

第二個落差，是AI時代資本市場的全球性「啞鈴化」（barbell）。

近年的全球創投統計顯示，AI資金高度集中在少數基礎模型公司與超級輪融資上。資本不是灌進鉅額投資（mega round），就是流向極早期的天使與種子團隊；中間段，也就是A輪、B輪、單案數千萬到上億元新台幣的區間，反而在全球範圍同步萎縮。

而台灣現行的搭配創投政策工具，剛好多半設計給這個中間段。當全球趨勢把中間段抽空，台灣的政策工具就會打在最不熱、也最難運作的位置。

這不是誰偷懶，也不是哪個單位不努力，而是市場結構已經變了，政策工具還停留在上一個週期。

因此，這篇文章不是主張廢除搭配創投模式。這套機制服務了過去一段時間的台灣新創，未來在規模化階段仍然會有角色。

真正需要的是補完，而不是替換。

台灣可以考慮在現行架構旁邊，另開一條「不以創投搭配為前提」的政府早期直投試點。它不是補助款，也不是傳統專案補助，而是一種小額、快速、具風險承擔能力的政策性股權投資。

具體設計可以有3個重點：

這類設計的國際參考點，不一定在矽谷，而在兩個更接近台灣產業結構與政府角色的案例。

新加坡的經濟發展局投資公司（EDBI）在部分階段選擇直接出手，不必然要求標準的LP-GP結構搭配，重點是縮短政府資本與創業者之間的距離。以色列1990年代的Yozma計畫，則以政府資本、母基金與民間創投並行的方式，啟動了當地創投生態。

這些案例的共通點是：政府願意承擔早期市場尚未形成時的風險，而不是永遠等民間創投先做出判斷。這正是早期創業生態回血的關鍵動作。

如果台灣能在現行架構之外，開出這樣的補完通道，國發基金不必放棄風險控管，也不必取代民間市場。但它可以讓30家、50家、100家正被資本沙漠晾乾的AI早期團隊，活到下一輪。

其中可能只有2、3家，會在2030年成為台灣的AI應用層代表。但如果那2、3家公司能長出來，台灣就不只是AI硬體供應鏈的一環，而有機會擁有自己的AI產品、AI服務、AI標準與AI生活入口。

這裡也必須釐清一件事：補助不是壞事，投資也不是萬靈丹。

補助計畫適合支持短期試驗、場域驗證、研發探索與公共利益明確但商業模式尚未成熟的專案。它的功能是降低試錯成本。

政策性股權投資則不同。它應該承擔的是長期風險，也應該分享長期成果。它不只是把錢發出去，而是把資金變成股權、治理、投後陪跑、產業網絡與可回收再投入的資本循環。

如果把補助當投資，就會要求短期成果卻缺乏長期治理；如果把投資做成補助，就會只重視執行率與核銷，而忽略資本配置的真正目的。

國發基金真正該處理的問題，不是再多設計一個漂亮的專案名稱，而是問清楚：AI 時代的國家基礎建設在哪裡？哪些能力是市場短期不願投，但國家十年後一定需要？如果答案包括在地AI應用層、資料治理、身分與授權、法遵與交易基礎設施，那麼國家資本就不能只等待民間創投先舉手。

台積電與整個半導體產業，是台灣30年來最了不起的集體成就，也是這個國家面對地緣政治風險時最重要的戰略資產。

但正因為它太重要，我們才更需要思考：當一個國家把所有資本、人才與政策注意力都壓在一座神山上時，那座山再高，也擋不住下一個十年的風從另一個方向吹過來。

AI不是半導體的自然延伸，而是另一張地形圖。在這張地形圖上，台灣的位置還沒有長出來。長出位置的關鍵，不只在硬體、不只在算力，也不只在政策口號，而在於資本是否能流到那些尚未證明自己、但正在嘗試建立應用層基礎建設的早期團隊手上。

而最後付代價的，不會只有新創業者。

當你的台語不被AI理解，你的歷史被外國語料模型重新詮釋，你的孩子只能去別人家蓋的AI公司打工，那時候我們才會明白：今天卡在政策設計與資本現實縫隙裡的那筆錢，原來不是創業者的錢，是我們所有人的錢。

台灣花了30年長出第一座護國神山。下一座，留給我們的時間，不會有30年。

在這段更短的時間裡，國發基金最該做的，或許不是再設計更精巧的跟投條件，而是承認：AI時代的基礎建設，不會只從既有創投基金的投資名單裡自然長出來。

如果國家資本要投資未來，就必須有一小部分資金，敢在市場還看不清楚的時候，直接投向那些正在長出下一代AI應用層的早期團隊。