韓國擬投入21.3兆韓元：AI預算倍增背後的半導體與製造業競賽

韓國把一筆原本就已提出的預算，再次推上國會議場。2026年11月2日，總統李在明在2027年度預算案施政演說中表示，政府擬在人工智慧及半導體、實體AI、AI資料中心等三大國家級計畫，投入21.3兆韓元。這個數字接近2026年相關規劃的兩倍，足以顯示政策優先順序；但它不是今天剛決定的新增支出，更不是已經全部核准、撥付的資金。

把標題中的「21.3兆」拆開後，這則新聞真正令人關注的地方才會浮現。韓國不是只想買更多GPU、訓練更大的模型，也不是把AI當成單一科技部門的工作。它正試圖把晶片產線、工業現場、能源與資料中心，以及可自主掌握的模型能力連成一條產業路徑。對台灣企業來說，這是一個值得追蹤的競爭訊號，卻還不能被解讀為韓國已經取得市場勝利。

新聞有兩個時間點：9月提出、11月再度爭取支持

韓國政府在2026年9月1日公布2027年度預算案時，便提出總支出820.9兆韓元、較2026年度增加12.8％的規劃。在「三大計畫＋AI」領域，官方提出由10.8兆韓元增至21.3兆韓元，增幅約97.2％。11月2日的關鍵新進展，是總統親自於國會演說，要求國會支持這份預算及相關政策，而非同一天臨時決定一個新的21.3兆項目。

此處的「年度」也不能省略。這是2027年度預算提案，而不是韓國在2026年已經花掉的金額。總統要求國會在12月2日前完成審議，但最終規模、項目內容與後續執行仍須看立法程序與實際撥款。新聞可以說「擬投入」「預計編列」「爭取通過」，不能在尚未核實國會決議的情況下說「已完成投資」。

更容易造成誤讀的是21.3兆韓元的統計範圍。官方韓文表述為「三大超大型專案與人工智慧領域」，含半導體、實體AI、AI資料中心，以及其他AI投入。因此，若將它全部稱為「AI模型研發經費」，就會錯估其政策結構。這些項目涉及設備、場域試驗、產業基礎設施與軟體技術；各自的預算屬性、執行期程及成果指標並不相同。

數字大，卻未必讓企業直接受惠。年度預算編列只是第一道門，接著還有部會分工、計畫公告、申請資格、採購規範、工程工期與成效稽核。若企業把國家投資規模直接轉成自己的預期訂單，就把政策訊號誤當成已實現的需求。

這筆錢想串起四種能力，而非只培養一種AI技術

官方11月2日披露的幾個支出項目相當具體：半導體生產基礎擴充規劃2兆韓元；在製造、智慧工廠及國防等公私部門領域進行實體AI現場驗證，提出5,000億韓元；電力、用水與產業園區等基礎設施規劃2.1兆韓元；建立具國際競爭力的自主前沿AI模型，規劃4.7兆韓元。這些數字有助理解方向，但不能在未確認預算科目是否交疊的情況下逕行相加，宣稱得到21.3兆的完整明細。

第一種能力是晶片製造與供應。韓國已具備成熟的記憶體與半導體產業基礎。AI系統的擴張，帶動記憶體、高效能運算及相關生產投資需求。韓國因此選擇擴大製造基礎，並以專門帳戶支持半導體產業競爭力。這不只是實驗室做出更好模型的問題，也關係能否在需求上升時提供零組件與產能。

第二種是實體AI的現場驗證。所謂Physical AI，不是機器人多了對話功能，而是AI模型的感知與判斷能夠連接到機械、設備、移動載具或現場作業流程。它必須面對物體重量、環境變化、故障停機與人員安全等限制。政府提出在多種公私部門場域進行測試，代表政策關切的不僅是功能展示，還包含產業能否真正使用。

第三種能力是算力與基礎設施。AI資料中心需要持續的電力、散熱、網路與土地配置；半導體產線同樣依賴電力、用水及產業聚落。政府把這些基礎條件列入產業政策，背後是一個務實判斷：當軟體與晶片投資跑得比能源及建設快，技術進展可能被現實環境拖住。反過來說，即使預算獲得支持，基礎設施也不能在短時間內無限制擴建。

第四種是模型與應用能力。自主前沿模型的政策目的，是減少國家在部分核心AI技術與服務上對外部供應的依賴，並建立可供產業及公共服務採用的能力。但「自主」不是完全不依賴海外供應鏈：模型訓練仍可能涉及晶片、設備、開源技術、資料、軟體與國際市場。是否達到全球一流水準，也需要以獨立測試、成本、可靠度及真實採用狀況驗證，不能只依預算承諾判定。

四種能力彼此拉動。半導體提供運算基礎，資料中心承接運算需求，模型形成技術服務，而實體AI及企業應用試圖把這些投入變成現場效率與產業價值。這才是韓國選擇打包成國家級政策組合的核心邏輯。若任何一端成為瓶頸，其餘投入的效益就可能打折。

一張表看懂已公布的預算數字及其邊界

資料依據：韓國政府2026年9月1日預算案、11月2日政策新聞及科技部相關說明。表格按用途重新整理；並非完整預算科目表，不能作為會計加總使用。

從2026到2027，政策焦點不再只是「全民學會AI」

觀察韓國的政策轉向，不能只截取單一年度。韓國科學技術情報通信部公布的2027年度預算案，部會預算規模約29.6兆韓元，較2026年追加預算基準增加24.5％；其中「AI大轉型」相關預算規劃約9.4兆韓元。這與中央政府跨部會的21.3兆韓元並非可互相替代、相加的同一指標。

較早的政策討論強調讓更多公共部門、企業及個人使用AI。到了2027年提案，政府將重點延伸至晶片產業、資料中心、實體AI示範以及自主模型。這不是說人才或普及化不再重要，而是政府同時面對供給端與需求端：有能力建造與運行AI系統，也要有產業願意採用，才能產生可持續的價值。

韓國有其自身條件。大型電子與半導體企業、成熟製造聚落，以及高度集中的產業鏈，讓部分政策得以從既有供應與研發能力延伸。然而，這也意味政府可能更需要避免資源過度集中於少數大型業者，並證明中小企業、地區產業與一般勞動者能否分享效益。大型預算不能自動回答分配是否公平，更不能證明中小型廠商已經具備轉型能力。

政策宣示與經濟成果之間始終有時間差。工廠擴產需要廠房、設備與客戶；資料中心需要土地、許可及穩定能源；製造場域要把AI放進既有系統，也可能碰上資料品質不足、異質機台整合、資安與勞安要求。政府可以提高投資速度，卻無法用預算消除所有工程與管理難題。

實體AI最有想像力，也最容易被高估

對製造主管而言，實體AI與生成式AI最大的差別，在於錯誤的成本。報告摘要寫錯，通常可以修改；機械手臂若在工作現場做錯動作，可能影響產品、設備甚至人員安全。因此，實體AI是否商業化，不能只看影片中的機器能做出多少種動作，而應衡量在穩定運轉時的失敗次數、人工介入、停機與維護費用。

假設一家工廠考慮用AI視覺與機械手臂進行零件分揀。第一步不是採購人形機器人，而是記錄每小時處理量、不同物料比例、人工複檢時間、不良品處理、停機率及安全要求。接著比較三條路：維持現有人工流程、導入既有工業自動化、或採用能適應更多變動的實體AI。只有在相同的任務條件與完整成本下，第三條路才可能證明其價值。

AI在工廠裡還會牽涉權責。品質部門判定良率，工程部門處理控制邏輯，現場主管負責作業安全，資訊部門管理資料及權限。若模型預測與設備控制無法留下紀錄，出了問題便很難回溯是資料、模型、系統整合還是操作流程造成。因此，國家示範計畫能否建立可複製的驗收方法，可能比單次展示更具有長遠價值。

2026年9月的預算報導曾提到較大範圍的實體AI支持規劃；11月2日政府演說特別列出5,000億韓元現場實證支出。這兩個數字所指的計畫範圍未必相同，不能直接稱為政策縮水。要比較增減，必須取得部會預算書、項目代碼及用途定義，再判斷是否屬同一科目。

韓國和台灣的競爭，並非只有「誰投資比較多」

台灣企業看到韓國的21.3兆韓元，容易先問台灣有沒有同樣大的預算。這可以作為公共政策的討論起點，卻不是產業競爭力的充分指標。兩地產業結構、政府支出分類、貨幣與經濟規模不同。只用名目金額比較，很容易忽略私人投資、國際訂單、技術分工與人才條件。

在半導體領域，台灣與韓國既有競爭也有供應鏈上的互補。不同企業分別聚焦晶圓代工、記憶體、晶片設計、先進封裝、設備及系統整合等環節，不能把任何一個國家的投資計畫，直接視為另一國企業的訂單損失。真正值得追蹤的是新產能投入後，客戶採購、良率、供應可靠性與成本結構如何改變。

在製造現場，台灣有大量零組件、設備與中小型供應商。若韓國加速實體AI場域測試，台灣設備商、感測器業者、工業電腦廠、系統整合商可能面對新的合作與競爭機會。哪一種影響較大，取決於具體產品、採購規格、供應商資格與客戶關係；現在不宜預言特定公司必然得標或失單。

在資料中心與算力領域，資本支出、能源效率、機房建造、運維人才及資安治理都可能成為商機或瓶頸。但政府在國內擴建資料中心，並不代表各種軟體服務就能立即取得足夠客戶；企業仍要確認需求是否持續、採用障礙是否降低，以及計價與營運模式是否可持續。

這些競爭並不都發生在大型科技公司。中小企業接到的變化可能更加具體：國際客戶要求供應鏈品質可追溯、交期數據更即時、設備故障可預測，或希望供應商能交換標準化的生產資訊。這些要求不見得直接寫著「AI」，但背後可能和AI導入及供應鏈數位化有關。企業若只問要採購哪種聊天機器人，便可能錯過真正的產業變化。

決策者不需要追逐整筆預算，應先看自己的供應鏈位置

對經營者來說，第一個有價值的動作，是把公司與韓國這份政策的關係分成三類：可能供貨的產品或服務、可能受到競爭的產品或流程，以及目前與本公司關聯薄弱的政策領域。若公司主力是醫療服務或一般零售，不必因政府提到「實體AI」就急著購買機器人；若是設備、半導體材料或資料中心供應商，就需要研究更精確的產業標案與客戶投資時程。

第二個動作，是把新聞關鍵字轉為可追蹤的商業訊號。政府預算一旦通過，先追蹤各部會的計畫公告、示範場域資格、採購標案、產業合作門檻及實際核准名單。對台灣廠商，還應觀察韓國企業財報、資本支出、設備供應契約與海外採購需求。這比每天只記錄總預算數字，更能幫助業務團隊判斷市場機會。

第三個動作，是檢查內部資料與流程是否準備好。假設公司希望提供智慧製造方案，至少要說清楚感測資訊如何採集、設備介面能否連線、品質指標如何定義、故障時誰介入、資料是否可合法使用，以及現場效益如何驗收。如果連這些基礎問題都無法回答，再大的AI市場預算也不會自然變成可交付的專案。

第四個動作，是區分技術採用和營運改善。導入成功不能只用購買模型授權、員工上過課、完成一個展示影片來定義。企業可針對一項任務，先建立導入前基準，再於固定期間觀察品質、交期、工時、能源或報廢率，扣除部署和維護成本後評估效益。這套方法既可用在AI文件流程，也可用在製造現場的AI設備。

這些建議不意味台灣企業必須立即增加資本支出。相反地，在政策仍屬預算提案、供應商成本與客戶採用尚未確定時，先完成機會辨識與低成本驗證，比基於新聞熱度簽訂長期合約更有紀律。

同樣面對AI投資，台灣企業可以建立自己的決策儀表板

新聞發布後最常見的管理錯誤，是把宏觀投資直接變成內部專案優先級。假設一家公司有三種可能的選項：升級既有ERP報表、替產線建置異常偵測、以及購置可自主移動的機器人。韓國政府投資Physical AI，並不能單獨證明第三種選項最有價值。管理者應先將三項方案放在同一張決策表，以任務頻率、目前損失、可取得的資料、設備整合難度、資安及人員安全要求、導入總成本、預計回收時間與營運中斷風險逐一比較。

例如，既有報表若每天都需要人工對帳，而資料已經存在企業系統內，先做數據清理、異常提示與審核流程，可能比購買昂貴機械設備更快驗證成效。相反地，如果主要損失來自設備停機或高度重複的危險作業，投資智慧製造設備可能更合適。這是任務與經濟條件的差異，不是對某種技術的偏好。

AI投資報酬不應只算「節省了多少分鐘」。假設每月可節省的工時確實減少，也要問同仁是否把時間轉去產生價值的工作、品質有沒有改善、錯誤是否移到另一個部門、是否增加維護與監管支出。有效益的計算方式，是以相同期間的導入前後績效比較，納入軟硬體、整合、訓練、資安、維修及例外處理成本；對於尚未有合理基準的專案，先設小規模試驗和停止條件。

這也說明國家級政策與企業經營最重要的差異。政府可以投資一個具有外部效益、短期未必有利潤的技術生態；個別企業卻必須面對現金流、交期、員工熟練度和既有客戶承諾。用國家預算替企業投資背書，是把兩種完全不同的責任混為一談。

針對韓國的後續訊號，市場情報團隊可分成三層追蹤。最上層是制度：國會核定、年度修正與部會規則。中層是供應：採購、建廠、能源與人才計畫實際啟動。最下層才是市場：商用產品、客戶合約、訂閱或使用量，以及能持續的企業效益。上層發生變化，是觀察理由；只有中下層出現可信證據，才適合上調業務預測。

對跨境供應商還要多加一道檢查：公告上的供應商資格、驗證場域和實際採購主體可能與日常企業採購不同。政府補助計畫的申請條件不等於開放性商業訂單；大型集團的技術合作公告也不等於所有二、三級供應商都能參與。先建立可核實的客戶清單與技術資格差距，再分配業務、研發與海外開發資源，才有機會把產業趨勢轉成真實收益。

三項尚待證明的成果，比「21.3兆」更值得長期追蹤

第一是議會與執行程序。2027年度預算最後核定了哪些科目？有哪些項目調整或延後？行政機關發布的計畫條件是否能吸引民間參與？政府意向若沒有轉化為契約、設施與實際採用，新聞中的金額仍只是政策承諾。

第二是技術與市場採用。韓國自主模型能否在可重複、可信的測試下展現競爭力？資料中心是否如期建置並維持商業使用率？實體AI的試驗是否能從單一場域複製到不同工廠？相關成效應用獨立測試、營運數據及用戶付費情況評估，而非由宣布投資的一方單獨定義成功。

第三是收益擴散。如果新增生產力主要集中在少數大型企業，國家整體投資仍可能面臨人才供需、地區落差與資源集中問題。政府提及產業投資和全民受益，但兩者之間需要可檢驗的機制。企業端則應觀察，產業鏈是否出現新的供應需求與技術標準，而不是把政策資金當成必然流入自己的市場。

這份預算案已經傳達一個清楚訊息：韓國政府認為AI競爭不能只靠模型發布或使用者數量，而要同時布局運算、硬體、工業應用與支援設施。可是，從國家政策到企業獲利，仍隔著執行能力、需求驗證與時間。

對台灣企業最有用的結論，並不是立刻跟著投入同樣大的資金，而是找出自己的產品或流程，究竟位於這條AI產業鏈的哪個環節，並用可量測成果來決定是否加碼。 韓國預算能夠示範政策方向，企業真正要做的，仍是把方向轉成可驗證的訂單、效率與競爭力。

讀者常問

21.3兆韓元是韓國2026年的AI投資嗎？

不是。它是韓國政府提出的2027年度「三大計畫＋AI」預算規劃，2026年9月已公布，總統在11月2日的國會演說再次提出並爭取審議通過。

這筆錢全部投入AI模型嗎？

不是。政策涵蓋半導體、實體AI、AI資料中心以及AI模型等領域，還涉及工業園區、電力與用水等基礎建設。不能把總額誤稱為純模型研發基金。

預算增加97.2％，是否代表韓國AI能力也會成長97.2％？

不能如此推論。預算增幅是金錢配置變化，技術效能、產業生產力與商業收入必須用不同數據衡量，且通常有執行時間差。

台灣中小企業要採取什麼行動？

優先盤點供應鏈、客戶需求、既有設備與資料能力，確認是否與半導體、資料中心或工業AI投資有直接關聯。選擇一項可量測的流程進行驗證，並持續追蹤韓國國會結果與後續採購公告，不把政策新聞當成補助或訂單保證。

相關閱讀

機器人會走路，不代表會工作：Physical AI 的技術真相與企業導入指南

原始資料與報導來源

1. 韓國政府政策簡報：總統2027年度預算案施政演說，2026年11月2日。
2. 韓國政府政策簡報：2027年度預算案，2026年9月1日。
3. 韓國政府政策週刊：2027年度預算重點與年度對照，2026年9月。
4. 韓國科學技術情報通信部：2027年部會預算提案。
5. 韓聯社：2027年預算提案報導，2026年9月1日。
6. Reuters：李在明呼籲通過2027年度預算，2026年11月2日。
7. The Korea Times：國會演說與朝野預算審議分歧，2026年11月2日。

圖片資訊

封面為AI生成之概念插畫，並非新聞現場照片。資料整理與分析截至2026年11月2日；預算尚待國會審議，後續可能變動。