AI正從國防情報、雲端運算到廢棄物回收全面滲透，Palantir(PLTR)挑戰政府自建系統、AMD(AMD)砸逾百億美元布局台灣先進封裝、Kenvue導入AI廢棄物辨識優化包材循環，卻在校園掀起對「被取代」的世代焦慮。

在全球瘋談人工智慧的此刻，AI不再只是矽谷實驗室裡的技術名詞，而是實實在在重塑國防、半導體製造與消費品供應鏈的新權力工具。然而，當各產業積極擁抱AI，剛走出校園的年輕世代卻開始用噓聲表達反感，科技樂觀敘事與就業焦慮正正面衝撞。

在國防情報領域，數據掌控等同戰略優勢。資料分析公司 Palantir(PLTR)近期在提交給美國政府的文件中，直接點名美國國防情報局(DIA)耗時八年自建的 Machine-assisted Analytic Rapid-repository System（MARS）效率不彰、花費龐大，呼籲 DIA 重新評估，改由民間成熟解決方案協助現代化。DIA 負責蒐整與分析國外政府及非國家行為者情報，資訊系統一旦落後，影響的不只是行政效率，而是美軍在複雜地緣政治局勢中的判斷速度與準確度。Palantir 的挑戰，凸顯出「政府自建」與「採用商用AI平台」之間的拉鋸：前者擁有較高主權與保密性，後者則可能在成本與技術成熟度上勝出。

轉向硬體基礎建設，AI熱潮帶動的是前所未有的算力軍備競賽。超微 AMD(AMD)宣布，未來將在台灣生態系投入超過100億美元，擴大與在地供應鏈夥伴合作，從先進封裝製造到下一代 AI 基礎設施全面布局。AMD 表示，隨著 AI 應用加速落地，全球客戶正快速擴張運算基礎建設需求，因此必須強化在晶圓、封裝與系統整合上的產能與技術。多家原始設計代工廠如 Sanmina、Wiwynn、Wistron 與 Inventec，正協助打造採用 AMD Instinct MI450X GPU 與第六代 AMD EPYC CPU 的 Helios 平台，並結合開源 ROCm 軟體堆疊，從設計一路放大到量產。

在更關鍵的封裝技術層面，AMD 也攜手台灣封測大廠 ASE（日月光）與 SPIL（矽品），開發新一代以晶圓為基礎的 2.5D 橋接互連技術。這類先進封裝架構可以提高晶片間的互連頻寬，同時改善能效，為未來代號「Venice」的處理器鋪路。公司預期 Helios 機櫃級平台將在2026年下半年開始部署，意味未來兩年 AI 伺服器相關資本支出將持續集中在少數具先進製程與封裝能力的供應鏈。這一波投資，也讓台灣在 AI 晶片基礎建設中的戰略地位更加穩固，與競爭對手 Nvidia(NVDA)及美光(Micron Technology, MU)形成高度競合的全球版圖。

在消費品牌與永續領域，AI則悄悄改寫了「包材設計」的遊戲規則。消費健康產品公司 Kenvue 與專攻 AI 廢棄物智能的 Greyparrot 合作，導入後者的 Deepnest 系統，將過去紙上談兵的「可回收設計」變成可量測、可優化的實際數據。面對歐盟即將上路的《包裝與包裝廢棄物規章》(PPWR)與擴大生產者責任(EPR)制度，企業若只在實驗室假設包材可回收，卻在實際回收鏈條中被誤判、錯分或無法處理，未來恐得付出更高費用與合規成本。

Kenvue 計畫在英國與美國的商業化回收場實際追蹤自家產品，分析不同瓶身、幫浦、標籤材質與透明度，如何影響機器辨識與回收率。透過 Deepnest 的「What-If」模擬，公司可在尚未做出實體樣品前，預估更換材料、改變顏色或結構，對 EPR 費率與整體成本的影響。Kenvue 全球包裝創新與永續負責人 David Lickstein 指出，AI 廢棄物情報讓企業得以超越單純追蹤，進入情境建模與即時優化階段，真正把循環經濟從口號變成財務與營運決策的一部分。包括 L’Oréal Groupe、Unilever 與 McDonald’s 等跨國企業也陸續採用 Greyparrot 技術，顯示「用AI看垃圾」正成為新興標配。

然而，當企業與政府爭相導入AI，走在變革最前端的科技領袖，卻在校園內遭遇前所未見的抵制。前 Google 執行長 Eric Schmidt 近日在 University of Arizona 演講時，一提到 AI 將「形塑未來世界」，台下就爆出一陣噓聲。他停下來承認自己聽見了現場的不滿，顯示這並非零星噪音，而是一股情緒集體浮上檯面。類似場景也出現在 University of Central Florida 與 Middle Tennessee State University，當講者將 AI 稱為「下一場工業革命」或強調其在音樂與商業的角色時，同樣遭到學生反彈。

對這一屆畢業生來說，AI 代表的不僅是工具，更是實質的職涯威脅。過去兩年，各大科技與傳產企業不斷強調，將透過 AI 自動化處理會議紀錄、行銷文案、試算表分析、程式撰寫與客服應答等工作，而這些正是過往由新人與基層白領承擔的職務。當勞動市場本就疲弱，AI 又被定位為「優先用來替代 junior 人力」的解方，年輕人對 AI 的情緒自然從好奇轉為戒慎甚至排斥。

民調數據也呼應這股氛圍。Pew Research Center 的調查顯示，約半數美國民眾對 AI 的普及「更憂心勝於期待」，只有約一成表達相反情緒。Gallup 與 Lumina 的研究則指，雖然有 57% 大學生每週甚至每天使用 AI 工具完成課業，卻有約半數受訪者表示學校對 AI 採取限制甚至禁止態度。一方面被要求不要仰賴 AI 作業，一方面又被企業領袖告誡「不懂 AI 就會被淘汰」，這種混亂訊號，使得AI在校園被視為威脅而非純粹機會。

支持 AI 的經濟學者強調，歷史上多數技術革命最終都創造出更多新職缺，AI 也可能藉由提升生產力與壓低營運成本，開啟尚未想像的新產業與角色。但對眼前就要找工作的畢業生而言，這些長期推演很難抵消短期的不確定，更何況近年多起 AI 失誤案例，從招聘歧視、錯誤決策到在畢業典禮上念錯學生姓名，都讓民眾對「演算法掌權」缺乏信任。

從 Palantir 對 DIA 的施壓，到 AMD 在台灣大手筆建構 AI 算力供應鏈，再到 Kenvue 用 AI 檢驗回收現場，以及校園對 AI 演說的噓聲，有一個共通脈絡逐步浮現：AI 的戰場已經不只在科技公司之間，而是延伸到國家安全、產業分工、環保法規與世代權益的多重角力。未來幾年，關鍵不再只是「AI 能做什麼」，而是「我們要讓 AI 在什麼邊界內運作」。

這也意味著，無論是華府的官員、矽谷的工程師，還是剛畢業的年輕人，都將被迫參與一場關於 AI 規則訂定的大辯論：政府是要繼續昂貴地自建系統，還是把關鍵任務交給商業平台？企業擴產 AI 晶片與伺服器時，要如何兼顧勞工權益與環境衝擊？AI 導入工作現場後，是否應搭配再培訓與社會安全網，避免一整代人淪為技術進步的代價？這些問題，遠比任何單一產品或演算法更決定 AI 時代的真正面貌。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。