171 萬家的考題

每當談起台灣經濟，鎂光燈總是打在護國神山——台積電、AI、先進製程。但在山腳下，是另一個少被看見、卻撐起這座島大半就業與出口的世界：171 萬家中小企業 ^[1]。它們是工具機廠、零件供應商、食品加工、貿易商、在地服務業，是台灣經濟真正的下半身。

2026 年，這 171 萬家正同時面對三道題：AI 來了、人不夠了、電變貴了。這三股力量單獨任何一個，都足以讓一家中小企業夜不能寐；三者疊加，就是一場結構性的轉型壓力測試。本文站在台灣的視角，問一個樸素的問題：護國神山的紅利，要怎麼擴散到山腳下這 171 萬家？

171 萬家的份量

先理解這個數字的重量。台灣的經濟敘事常被半導體壟斷，但真正僱用最多人、分布最廣的，是中小企業。經濟部在 2026 年推出的政策裡，把目標明確指向這 171 萬家——因為它們既是就業與內需的基底，也是供應鏈韌性的毛細血管 ^[1]。

如本刊〈雙面台灣〉所談，台灣多數出口其實是非半導體的工業品，背後正是這些中小企業；它們對美國市場的依存度往往高達五到七成 ^[8]。換句話說，當關稅、AI、缺工、電價這些大浪打來，最先濕身的不是神山，而是山腳下這片密密麻麻的小聚落。它們的韌性，就是台灣經濟的韌性。

這 171 萬家還有一個常被忽略的角色：它們是台灣社會穩定的壓艙石。它們提供了多數的就業機會，分布在每一個鄉鎮、每一條街，撐起無數家庭的生計與內需消費。當人們擔心 AI 取代工作、擔心產業外移，這群中小企業能不能順利轉型、繼續僱用，直接關係到的不只是 GDP 數字，而是整個社會的安定感。

從結構上看，中小企業占台灣全體企業家數的絕大多數，是「接單—生產—出口」這條鏈上最綿密的毛細血管。它們不像台積電那樣登上國際頭條，卻是台灣製造業真正的底層作業系統。神山再高，也需要這片土壤；土壤若乾涸，神山亦難獨活。這就是為什麼，談台灣經濟的韌性，不能只仰望護國神山，更要低頭看清這 171 萬家的體質。

別忘了，這 171 萬家並非鐵板一塊。它們橫跨製造、服務、貿易、農漁加工，從台中的精密機械、彰化的螺絲扣件，到台南的食品、台北的設計服務——痛點各異、節奏不同。這種多樣性是台灣經濟的韌性來源，卻也讓「一招打天下」的政策注定失靈。要照顧好它們，需要的不是更大聲的口號，而是更細緻、更分眾的陪伴。

AI 的鴻溝，也在這裡

本刊〈前沿不是終點〉談過全球企業導入 AI 的「95% 鴻溝」——多數試點看不到回報。在台灣的中小企業身上，這道鴻溝更具體、也更殘酷。

數字會說話：台灣中小企業的 AI 導入率僅約 11.9%，而大型企業已達 40% ^[2]。更值得警惕的是，即使政府給了補助，效果也常落空——超過六成領取數位轉型補助的中小企業，在導入一年後回報「沒有可衡量的營收或效率改善」 ^[2]。這個數字，和 MIT 那份「95% 企業 AI 試點無損益貢獻」的研究，遙相呼應 ^[6]。

買了工具，不等於完成轉型。台灣中小企業缺的從來不是 AI，而是把 AI 接進生意的方法。

這道鴻溝的兩端，分別站著兩種公司：一種把 AI 嵌進報價、排程、客服的既有流程，餵以自家獨有的資料，把它變成損益；另一種買了工具卻沒改流程，做了展示卻沒接上營收。差別不在預算多寡，而在方法——這是第六節要回頭細談的關鍵。

為什麼補助常常打了水漂？關鍵往往不在企業不努力，而在資源錯配。許多中小企業在「同儕都在做 AI」的焦慮下，買了工具、上了系統，卻沒有人陪它們重新設計流程、釐清哪一個環節導入 AI 才真正省錢或賺錢。工具是現成的、補助是看得到的，但把 AI 接進特定生意的方法，既稀缺又難以複製。

更麻煩的是，這套方法很難「標準化發放」。每一家中小企業的痛點、流程與資料都不一樣；一套對工具機廠有效的 AI 導入劇本，搬到食品加工廠可能完全失靈。這意味著，真正有效的協助，必須是「貼身」而非「規模化」的——要派得出懂這個行業、能蹲進這家工廠的人。把補助從「發工具」轉向「配顧問、配方法」，才是讓那六成無感翻轉的關鍵。

「貼身輔導」具體長什麼樣子？它可能是一位懂產業的數位顧問，駐進工廠兩三個月，陪老闆把報價流程拆解一遍，找出哪一個環節最該、也最容易用 AI 切入；先做出一個省下工時、看得見成效的小案子，建立信心，再逐步擴大。這種「陪跑」遠比「發一筆錢、上一套系統」更慢、更貴，卻是讓轉型真正生根的唯一方式。

缺工：被高科技吸走的人力

第二道題，是人。台灣的高科技與資本密集產業近年快速擴張，把有限的技術人力大量吸走，留給傳統中小企業的，是日益嚴重的技術工、專業技師與工程相關職缺短缺 ^[4]。

顧問機構的觀察是：勞動力短缺已經「深到」企業必須把「人力風險」正式納入策略規劃，而不再只是人資部門的日常煩惱 ^[4]。對一家工具機廠或零件廠而言，這意味著就算手上有訂單、有技術，也可能因為招不到、留不住人而接不下、做不完。缺工，正在從「成本問題」升級為「存續問題」。

諷刺的是，AI 既是壓力，也可能是解方。當人請不到，把重複性、可標準化的工序交給自動化與 AI，反而成了中小企業不得不走的路。但這條路要走通，又繞回了第二節那個問題：方法。

缺工還有一個更深的層次：世代與技能的斷層。許多傳統聚落的老師傅累積了數十年的手藝，卻找不到願意接棒的年輕人；而年輕世代嚮往的，是科技業與服務業。這道斷層若不補上，台灣引以為傲的「隱形冠軍」供應鏈，會隨著師傅退休而一段段失傳。

在這個意義上，AI 對中小企業的價值，遠不只是「省人力」。它更是把老師傅腦中那套難以言傳的隱性知識——什麼料配什麼參數、機台什麼聲音代表要保養——記錄下來、數位化、傳承下去的最後機會。當人請不到、老師傅留不住，把經驗變成資料、把資料變成模型，可能是台灣製造業守住競爭力的關鍵一步。缺工的壓力，反而逼出了數位轉型的真正理由。

這也呼應了本刊〈前沿不是終點〉的核心洞見：對不做模型的企業，最強的護城河是「別人搬不走的專屬資料」。每一家中小工廠數十年累積的加工參數、客戶偏好、品質紀錄，正是任何通用大模型都沒有的獨家資產。把這些資料整理好、餵給 AI，中小企業就能做出大廠也複製不來的應用。轉型的起點，往往不是買新工具，而是先盤點自己手上那座沉睡的資料金礦。

缺電與電價：被 AI 排擠的那一度電

第三道題，是電。AI 資料中心的胃口驚人，正在重塑台灣的電力版圖——而排擠效應，最終會壓到中小企業頭上。

政策已經動起來。經濟部自 2025 年 11 月起，對超大規模資料中心實施 PUE 1.5 的能效門檻；2026 年 1 月更推出分級電價，對能效不佳的設施加收最高 20% 的附加費 ^[5]。這套機制的用意，是把有限的電力導向高效率的使用。但對許多設備老舊、能效不高的中小工廠來說，電價上漲與供電穩定度的不確定，是實打實的競爭力侵蝕 ^[5]。

當神山與 AI 資料中心成為用電大戶，山腳下的中小企業，正面對一個它們無力獨自解決的結構問題：在一座電力日益吃緊的島上，怎麼搶到、又用好那一度電。

電的問題，也把台灣經濟的內部矛盾攤了開來：同一座島上，AI 資料中心與半導體大廠是用電與成長的引擎，但它們的擴張，也排擠了其他產業的電力空間與成本。如何在「扶植神山」與「不壓垮山腳」之間取得平衡，是能源政策的兩難。

對中小企業而言，這道兩難有一個務實的解讀：節能提效，已經從 ESG 的道德口號，變成赤裸裸的成本競爭力。在分級電價的新規則下，誰能把每一度電用得更有效率，誰就在電價上漲的浪潮裡活得更穩。這也讓「數位轉型」與「能源轉型」變成同一件事——用 AI 與感測器把生產流程的能耗壓下來，既省了電費，也守住了競爭力。

面對電價，部分中小企業已經開始反守為攻：在廠房屋頂裝太陽能、導入儲能與能源管理系統，把被動的成本壓力，轉成主動的能源布局。當「用電大戶」的責任與分級電價成為新常態，誰能把能源管理也納入數位轉型的一環，誰就能在這場效率戰裡，把劣勢扳成優勢。電，於是從一道難題，變成另一個值得投資的戰場。

政府的牌，與它的破口

面對這三道題，政府並非沒有動作。經濟部端出了一套針對中小企業 AI 轉型的四部曲計畫，並編列超過新台幣 460 億元（約 14 億美元）的預算，要驅動產業數位與 AI 轉型 ^[3]；另有專門的中小企業多元振興與發展方案 ^[7]，以及各類 AI 導入補助 ^[9]。

但牌再多，也有破口。前面那個「六成補助無效」的數字，正是最大的警訊：把錢發下去，不等於把轉型做起來。如果補助只補了「買工具」，卻沒補上「改流程、配方法、養人才」，那麼這 460 億，很可能複製全球那道 95% 的鴻溝——熱鬧地花完，安靜地無感。

要讓 460 億花得有效，關鍵是把補助的「驗收標準」從「有沒有導入」改成「有沒有變好」。如果補助綁定的是可衡量的營收成長、成本下降或良率提升，而不只是「買了哪套系統」，那麼企業與輔導單位的力氣，自然會從「把錢花掉」轉向「把問題解掉」。

除了補助設計，中小企業轉型還缺一種東西：有耐心的資本。AI 與自動化的投資，回收往往要好幾年，但中小企業的現金流經得起這種等待的並不多。如果金融體系能提供更貼近轉型節奏的融資與信用擔保——讓企業敢投、撐得過陣痛期——那麼這 171 萬家邁過鴻溝的速度，會快得多。錢要發，但更要發得有方法、配得上耐心。

人才這道題，最終要回到教育與留才。當自動化把重複勞動接走，留給人的會是更需要判斷、更有價值的工作——前提是，台灣的技職教育與產學合作，能及時把年輕人帶到這些新職位上。把「黑手」變成「會操作 AI 與機器人的技術專家」，不只解了缺工，也讓年輕世代願意回到這些聚落。缺工的解方，最終是讓這些工作變得值得做。

方法，而非工具

把三道題收攏，會發現它們其實指向同一個答案：方法，比工具更稀缺。

研究一再指出，成功導入 AI 的少數企業，靠的不是買最貴的工具，而是把 AI 深深嵌進既有工作流程、餵以自家獨有的資料、並為每個應用設定可衡量的損益門檻 ^[10]。對台灣中小企業，這意味著轉型的真正槓桿，不在「要不要買 AI」，而在「有沒有人陪它把 AI 接進生意」。缺工，逼它自動化；電價，逼它提效率；而這兩者，恰恰都要靠「方法對」的數位轉型來解。三道題，其實是一道題。

這也是台灣最有機會的地方。台灣有綿密的產業公會、法人機構與輔導體系，比任何國家都更貼近這 171 萬家的真實處境。如果補助的重點，能從「發工具」轉向「陪方法」——派得出懂產業、懂流程、懂 ROI 的人，手把手把中小企業從鴻溝的左岸帶到右岸——那麼這道考題，台灣有條件考得比別人好。

台灣其實有一個別國羨慕的條件：產業聚落的綿密與信任。同一個聚落裡的廠商，彼此是供應商、是客戶、也是鄰居；一家標竿企業的成功經驗，可以透過公會、透過口碑，很快擴散到一整條供應鏈。

如果輔導體系能善用這種「聚落擴散」的特性——讓走在前面的企業帶後面的、讓懂方法的人手把手教、讓一個成功案例變成整個聚落的範本——那麼台灣把 AI 紅利從少數標竿擴散到中小供應鏈的速度，有機會比任何一個大而鬆散的經濟體都快。這正是台灣的產業公會、法人機構與在地輔導體系最不可被取代的價值：它們是那座把紅利從山頂送到山腳的橋。

把這六道環節——分眾輔導、貼身陪跑、資料盤點、能源布局、技職留才、聚落擴散——串起來，就是一套讓 171 萬家撐過這場壓力測試的完整劇本。它不性感、不上頭條，卻是台灣經濟下半身能不能站穩的真功夫。

三種站位：把紅利擴散到山腳下

站在台灣的視角，這 171 萬家的考題，落到三種角色身上。

對國家，課題是把補助從「補工具」升級為「補方法」：把 460 億的成效，綁定在可衡量的營收與效率改善上，而非花費本身；同時，把缺工（人才培育、技術移民）與缺電（供電穩定、分級導引）當成中小企業競爭力的基礎工程來辦。

對產業中介，課題是當好那座橋：用最貼近聚落的方式，把「方法對」的導入經驗，從少數標竿企業擴散到一整片中小供應鏈——這正是公會與法人不可被取代的價值。

對中小企業自己，最務實的一句話是：別問「要不要做 AI」，要問「先做哪一段、在哪裡設停損」。從一個真正會痛的流程切入（報價、排程、客服、品檢），設定可衡量的目標，做出第一個有感的成果，再擴大。把有限的資源，押在自己最獨特、別人搬不走的那段 know-how 上。

護國神山的光芒太亮，常讓人忘了：台灣經濟真正的韌性，藏在山腳下這 171 萬家能不能順利轉身。把紅利擴散到這裡，不只是公平問題，更是台灣經濟下半身能不能站穩的關鍵。

說到底，171 萬家的考題，考的不只是企業，更是整個支持體系：政府的補助設計、公會的擴散能力、金融的耐心資本、教育的人才供給。任何一環只顧著追逐神山的光芒，山腳下的轉型就會慢一步。

把這 171 萬家當成「台灣經濟的根」來經營，而不是當成神山的背景板，才是讓這座島站得久、站得穩的長久之計。站在台灣的視角，護國神山的高度固然值得驕傲，但一個國家經濟的韌性，終究取決於它最普通的那群企業能不能活得好、轉得動。把紅利擴散到山腳下這 171 萬家，不只是公平，更是台灣經濟下半身能不能站穩的關鍵。

護國神山決定台灣飛多高，171 萬家中小企業決定台灣站多穩。