資策會軟體技術研究院與產業情報研究所，參考國際標竿機構及arXiv等研究資料庫，並結合台灣政策主軸與產業需求，提出十大關鍵軟體技術，勾勒出一張從模型、工具、平台、治理到基礎設施與實體落地的完整AI版圖。
在AI帶動的下一輪數位變革中，軟體技術不再只是工具，而是決定產業競爭力的核心引擎。資策會軟體技術研究院與產業情報研究所，2025年參考國際標竿機構(如Stanford、MIT、WEF、Gartner等)及arXiv等研究資料庫，並結合台灣政策主軸與產業需求，建立了295項新興技術母體清單。
在此基礎上，透過技術準備度(TRL)、商業準備度(CRI)、研發可行性與預期效益四大構面，搭配多輪專家評估與排序，最終萃取出對台灣未來5~10年產業發展具有關鍵影響力的十大軟體技術趨勢。
圖1 十大關鍵軟體技術
資料來源：資策會 軟體院
這十大技術不只是單點創新，而是構成下一代AI生態系的系統性拼圖，涵蓋從模型、開發流程、倫理治理，到基礎設施與實體世界落地。對台灣產業來說，這也是一份技術投資與策略布局的關鍵：
1.代理型AI(Agentic AI)
主動感知環境、設定目標、進行推理與採取行動的自主智慧系統，不只是回答問題的助手，而是能主動行動、規劃與協作的智慧代理。
2.AI輔助開發平台(AI-Augmented Development)
在需求分析、設計、程式撰寫、測試、維運等各階段提供協助，成為開發者的共創夥伴。
3.不實資訊安全(Disinformation Security)
結合NLP、機器學習、多媒體鑑識以及社群網路分析，建構多層次的防禦機制，應對文本、影像、聲音與擴散路徑上的攻擊。
4.多模態大語言模型(Multimodal LLM)
可同時理解文字、圖片、語音與影片，透過特徵抽取、模態對齊與融合生成，具備更全面的理解力與表達力。
5.領域專屬模型(Domain-Specific GenAI models)
透過特定產業語料蒐集、微調與合規機制，使模型真正理解專業語境與法規邏輯。
6.小型語言模型(Small Language Model)
透過知識蒸餾、剪枝、量化等技術，將LLM的核心能力濃縮在參數量較小的模型中，得以部署於邊緣節點。
7.大語言模型營運平台(LLM-Oriented Ops)
針對大語言模型在訓練、微調、部署、監控與版本管理的整套工具與流程。
8.負責任的AI(Responsible AI)
在開發、評估和部署AI系統時，確保公正、可靠、透明，並尊重隱私及包容性的技術。
9.實體AI(Physical AI)
將感知、推理、規劃與行動整合在能與真實世界互動的系統中，具備在物理世界中感知、推理與自主行動的能力，是人自主移動載具等的核心技術。
10.高能效AI基礎設施(Energy-Efficient AI Infrastructure)
在資料中心、邊緣節點與網路架構中提升能效，實踐綠色AI永續發展目標。
最後，綜合以上十項技術，可以清楚看到三個值得台灣產業優先思考與布局的策略方向，同時也浮現出幾項關鍵觀察：
從單點技術導入 走向系統化AI能力建設
未來真正有競爭力的企業，不一定是擁有最多模型的企業，而是能最有效把AI與流程、組織及治理深度整合在一起的企業。
具一定規模的大型企業，在邁向AI轉型過程中，不應只追逐模型、技術或工具，而應同時布局Agentic AI、AI-Augmented Development、SLM與LLM-Oriented Ops等關鍵能力，將AI視為一項長期競爭力，而非一次性的專案投入，進一步升級為建構可持續演進的AI平台與人才體系。
更重要的是，沒有治理，就不可能有大規模導入。若缺乏清楚的Responsible AI準則、資料與模型治理機制，再強大的模型也難以在企業層級全面落地。
從單一企業專案 走向產業級共用平台
Domain-Specific GenAI models、Disinformation Security、Responsible AI、Multimodal LLM等技術，需要長期累積大量在地語料、法規知識與產業know-how。以單一企業之力往往難以負擔完整的資料建置與模型開發成本；若能由產業協會、公部門與龍頭企業共同投資，形成產業共享的模型底座與治理框架，將大幅提升整體產業AI化的速度與品質。
台灣在半導體、製造、醫療、金融與電信等領域具高度專業與資料密度，本身就形成不易被複製的知識壁壘。若能以「產業」為單位打造專屬生成式模型與標準框架，將有機會把這些在地優勢轉化為可輸出的國際級AI服務與解決方案。
從數位轉型 升級為智慧＋永續
Physical AI與Energy-Efficient AI Infrastructure連結台灣既有的製造能量與日益升高的ESG壓力，讓AI不只是提升效率的工具，更成為同時帶動生產力提升與減碳降耗的關鍵引擎，形塑下一階段的競爭優勢。
AI發展已不再只是提升效率，而是與實體世界與永續發展高度相關，Physical AI讓AI走出螢幕，進入工廠產線、物流倉儲、長照醫療與公共空間，推動新一波智慧製造與智慧服務；Energy-Efficient AI Infrastructure則回應資料中心與算力需求暴增所帶來的能源與碳排壓力，要求在AI發展的同時兼顧能效與ESG目標。
未來AI方案若無法同時回應效率提升與節能減碳，將愈來愈難獲得政策支持與國際客戶青睞，綠色AI基礎設施將是台灣在全球供應鏈中的關鍵。
整體而言，這十大關鍵軟體技術，勾勒出一張從模型、工具、平台、治理到基礎設施與實體落地的完整AI版圖。對台灣產業來說，更重要的已不只是選哪一個技術，而是如何根據自身產業定位與核心能力，擬定清晰的技術路線與投資節奏：從企業內部AI能力體系的打造，到跨企業、跨領域的產業級共同平台建構，再到智慧與永續兼具的雙軸轉型。台灣才有機會在下一輪AI競賽中，不只是追隨者，而是能在特定領域與場域中，提出具有國際影響力的AI解決方案，成為全球價值鏈中不可或缺的關鍵節點。
(本文作者為資策會軟體院資深總監)