從鴻海日本生產戰略看AI供應鏈在地化與主權治理的轉向
2026.01.16
瀏覽數
1291
壹、前言
在地緣政治競逐與科技競爭同步升溫的背景下，半導體與人工智慧（AI）已不再僅是市場導向的產業議題，而是被多國政府明確納入國家安全與經濟安全的核心戰略資產。近年來，出口管制、投資審查、補貼競逐與供應鏈去風險化（de-risking）政策交織發展，使高科技產業的生產布局逐步脫離單純以成本與效率為導向的邏輯，轉而納入更為複雜的制度、政治與安全考量。
在此脈絡下，地緣經濟化的世界秩序正快速成形。國家並非以直接干預取代市場機制，而是透過法規、制裁、補貼與合規制度，將國家安全與經濟安全目標納入跨國經濟網絡之中。在這樣的結構下，國家與跨國企業之間的界線日益模糊，企業表面上仍以市場行為者之姿運作，實際上卻愈來愈成為國家經濟安全政策得以落實的重要執行主體，並在特定情境下扮演近似「前線行為者」的角色。[1]
正是在上述結構條件下，鴻海集團近期向日本政府爭取補貼，並以日本夏普龜山工廠為基地，生產標示為「日本製」的AI伺服器，同時由企業高層直接與NVIDIA溝通GPU配額安排，[2]成為近期最具代表性的產業事件之一。此一布局不僅牽動日本產業政策與 AI 發展路徑，也清楚反映跨國企業在新一輪地緣經濟秩序中，如何藉由在地化生產與政策體系對齊，主動回應並調適治理風險。
本文認為，鴻海的日本生產戰略，不能僅被視為產能調整或市場回應，而應理解為一種面向經濟安全治理的結構性選擇。透過在地化生產、制度對齊與關係網絡的經營，企業正逐步轉化為地緣經濟博弈中的關鍵行為者，其角色已明顯超越傳統自由貿易框架下的被動市場參與者。
貳、安全意涵
一、供應鏈韌性與「武器化相互依存」的再調整
在傳統的全球生產網絡中，效率、規模與成本最小化長期被視為企業決策的核心準則。然而，在「武器化相互依存」的分析框架下，隨著地緣政治風險升高與政策介入加深，當關鍵技術與戰略性資源高度集中於少數節點時，原本以效率為導向的網絡結構，可能在政治衝突或政策變動下，被轉化為施壓、限制甚至制裁的工具。[3]GPU作為AI運算的關鍵投入要素，其供給高度集中於少數美國企業，使得算力分配本身即具備潛在的安全與政治意涵。
在此背景下，鴻海選擇直接與NVIDIA溝通GPU配額，並將AI伺服器生產落地於日本，實質上是在既有高度集中且由美系雲端服務商主導的算力分配體系之外，嘗試建立一條相對可控的替代管道。對日本而言，此一布局不僅有助於提升AI產業的供應鏈韌性，也在一定程度上降低其在極端情境下因國際市場競逐而遭邊緣化的風險，進而強化「運算主權」的政策想像空間。
二、企業身分與非傳統安全風險的管控
長期以來，鴻海在日本政界與產業界面臨所謂的「鴻海過敏症」，其核心並非企業經營績效，而是對其高度依附中國生產體系所衍生之制度透明度、治理可預測性與地緣政治外溢風險的疑慮。在非傳統安全的視角下，這類疑慮往往被轉化為潛在的供應鏈斷裂風險或資訊安全風險，使企業在敏感科技領域的投資與合作，更容易被納入政治與安全框架下進行評估。
此次轉向日本生產，並結合未來與日本半導體國家隊的合作構想，可視為一種具有「政治防禦性」意涵的投資選擇。[4]透過在地化產線、制度對齊與政策敘事的調整，企業試圖重新界定自身在地主國安全治理架構中的身分，藉此降低在國際政治衝突升高時，因制裁、出口管制或政策排除而承受的制度性風險。
三、《經濟安全保障推進法》下的產業融入
日本《經濟安全保障推進法》透過建立「特定重要物資安定供給制度」等架構，將部分關鍵產品與基礎設施明確納入國家安全與經濟安全治理範疇，並為相關企業計畫之認定、補貼與政策支援提供制度基礎。[5]近年來，日本政府已在該制度下，將用於AI與生成式AI開發所需之雲端運算與計算資源（如Cloud Program）定位為供給確保對象，並透過供給確保計畫的認定與助成機制，支援高效能運算與雲端基礎設施之整備，以確保相關關鍵資源的中長期供給穩定。[6]
在此政策架構下，鴻海將夏普龜山工廠轉型為AI伺服器生產基地，不僅有助於補足日本在高階運算硬體上的結構性缺口，也使企業自身得以更深度融入日本經濟安全治理架構。此一布局顯示，在經濟安全政策日益制度化的情況下，企業透過在地化投資與制度接軌來取得政策支持與市場可及性，已逐漸成為跨國企業因應地緣經濟風險的重要策略選項。
四、GPU分配的「去中介化」效應
目前全球AI算力的發展，普遍呈現高度集中於少數大型雲端與資料中心體系的趨勢，其主要取得途徑仍以美系超大型雲端服務商為主。[7]在特定條件下，鴻海的介入，使日本在取得算力資源時，具備降低對既有中介結構依賴、直接接觸關鍵供應商的可能性。從安全治理角度看，這種相對的「去中介化」效應，有助於提升國家在危機情境下的調度彈性，也為政府在必要時介入或協調資源配置，保留實體與制度層面的操作空間。
參、趨勢研判
一、「主權AI」引發的供應鏈碎片化
未來科技硬體與AI相關產業將進一步朝向高度區域化與制度分化的方向發展。隨著日本、歐盟與印度相繼推動AI與半導體的國產化或主權化政策，部分關鍵技術與產能配置已開始呈現近似「一國一鏈」的趨勢。此一轉向並非完全否定全球分工，而是反映各國在經濟安全考量下，試圖將關鍵節點納入可控範圍之內。
在此結構下，跨國企業若欲同時進入多個市場，勢必需具備高度的「政治彈性」，在不同國家建立相對獨立、制度相容的生產與供應據點，以換取補貼、政府採購資格與市場准入。鴻海於日本推動的「Japan-for-Japan」生產模式，顯示大型ODM廠正依循既有制度性誘因調整其海外布局，未來亦可能成為其他業者（如廣達、緯穎）調整海外布局時的重要參考範本。
二、GPU與算力資源的「關係化」分配趨勢
在AI晶片供給高度受限、且關鍵技術集中於少數企業的背景下，GPU與算力資源的分配邏輯，正逐步從單純的價格與需求導向，轉向更為關係化與制度化的配置模式。企業是否具備與關鍵供應商及政府部門建立穩定合作關係的能力，愈來愈成為影響其取得關鍵資源的重要變數。
鴻海高層與NVIDIA長期累積的產業合作關係，使其在GPU配額協調上具備相對優勢，這類企業層級的政治與制度互動，已逐漸成為影響國家AI發展條件的重要因素。此一現象顯示，企業政治行為與跨國產業關係，正日益介入原本被視為市場機制主導的資源分配過程，並可能在未來引發既有貿易與競爭規則的調整壓力。
三、台日經濟安全合作的結構性深化
鴻海與日本政府之間的合作，象徵台日關係正逐步從傳統的經貿互補，轉向更具安全意涵的產業合作模式。隨著日本推動先進製程自主化，以及台灣企業在系統整合與後段製造上的既有優勢，雙方在半導體與AI供應鏈中，已逐漸形成具高度互補性的分工結構。
若未來日本先進製程量產進度如期推進，並能與台灣企業的封裝與系統整合能力有效銜接，台日有機會進一步形塑以民主陣營為核心的供應鏈合作架構，提升整體體系在面對外部地緣政治衝擊時的韌性。然而，此一合作仍高度仰賴政策協調、制度互信與長期投資承諾，其穩定性仍有待後續發展觀察。
四、對台灣經濟安全與AI產業戰略的政策啟示
綜合上述分析，鴻海案例對台灣推動「經濟安全」與「AI產業戰略」亦具有高度啟發性。首先，我國在推動台日供應鏈合作時，除持續深化技術與產業層面的分工互補外，亦可借鏡日本《經濟安全保障推進法》的制度設計，思考如何協助台灣企業爭取納入日本國家級「特定重要物資」支援體系，以取得較為穩定且可預期的制度保障。此一作法不僅有助於降低企業在敏感科技領域投資所面臨的地緣經濟風險，也有助於強化台日合作的制度基礎。
其次，政府亦可輔導台灣ODM廠商結合「生產韌性」與「主權AI」的政策思維，善用其在算力硬體、系統整合與後段製造上的既有優勢，作為與日本、歐洲等理念相近國家深化研發合作或協調關鍵資源配置之可能籌碼（如GPU優先取得權）。透過此一方式，企業原本以市場導向為主的海外布局，有助於轉化為提升台灣整體供應鏈地位與國家議價能力的制度性資源。
[1] Roberts, Abraham L., Henry Choer Moraes, and Victor Ferguson, “The Geoeconomic World Order,” Lawfare, November 19, 2018, https://www.lawfaremedia.org/article/geoeconomic-world-order。
[2]雷光涵、吳凱中、國際中心，〈鴻海將打造日本製伺服器 直接要求輝達分配 GPU 配額生產〉，《經濟日報》，2025 年 12 月 27 日， https://money.udn.com/money/story/5612/9228482?from=ednappsharing。
[3] Farrell, Henry, and Abraham L. Newman, “Weaponized Interdependence: How Global Economic Networks Shape State Coercion,” International Security, Vol. 44, No. 1, Summer 2019, pp. 42–79。
[4]同註3。
[5日本內閣府，〈経済施策を一体的に講ずることによる安全保障の確保の推進に関する法律（経済安全保障推進法）〉（令和4年法律第43號），《內閣府》，2022年， https://www.cao.go.jp/keizai_anzen_hosho/suishinhou/suishinhou.html。]
[6] 經濟產業省，〈経済安全保障推進法に基づくクラウドプログラムの安定供給確保に係る供給確保計画の認定等について〉，《經濟產業省》，2024 年 4 月 19 日， https://www.meti.go.jp/press/2024/04/20240419002/20240419002.html。
[7] Sastry, G., Heim, L., Belfield, H., Anderljung, M., Brundage, M., Hazell, J., O'Keefe, C., Hadfield, G. K., Ngo, R., Pilz, K., Gor, G., Bluemke, E., Shoker, S., Egan, J., Trager, R. F., Avin, S., Weller, A., Bengio, Y., and Coyle, D., “Computing Power and the Governance of Artificial Intelligence,” arXiv, 2024, https://doi.org/10.48550/arXiv.2402.08797。