知名投資分析師公開指責 IC 設計龍頭聯發科嚴重限制內部工程師使用 AI 工具的資源，並揚言若不改善將出清持股。對此，聯發科官方發布聲明澄清，強調公司持續鼓勵員工運用 AI 工具提升生產力，並透過智慧自動調度機制優化模型使用效益。
傳工程師額度大幅縮減 企業 AI 政策對比引發關注
此波爭議源於網路流傳的科技業內部訊息。分析師指出，半導體巨頭輝達（Nvidia）為每位員工提供每月高達 2 萬美元（折合新台幣約 60 萬元）的 AI Token 資源，讓工程師能無後顧之憂地利用大型語言模型（LLM）協助編寫與優化程式碼。
相較之下，網路消息指稱聯發科近期大幅削減內部 AI 資源，每位員工每月僅分配到約 10 美元（相當於每天 2.2 美元）的額度，導致工程師不得不重新採用手動撰寫程式的方式。此外，也有訊息傳出該公司轉而採用自架的開源模型，卻遭遇伺服器負載不足與內部網路不穩等狀況，引發外界對其研發效率與人才留駐的疑慮。
聯發科緊急澄清：透過智慧調度兼顧模型效益與成本
針對外界質疑，聯發科隨即發布聲明進行澄清。聯發科表示，公司自始至終皆積極鼓勵員工廣泛運用 AI 工具來增進日常工作與研發生產力，並未採取一味打壓或限制政策。
聯發科說明，內部目前已建立一套智慧自動調度機制。這套系統會依據個別任務的複雜程度，自動幫工程師匹配最適合的內部專屬模型或外部頂尖模型。官方強調，這種做法機能夠建立更具效益的算力使用模式，確保企業在持續擴大 AI 應用的同時，也能實現永續且長遠的資源管理。
這代表什麼
這起爭議折射出企業在推動 AI 數位轉型時普遍面臨的「成本與效率擺盪」困境。對於以晶片設計與軟體開發為核心的台灣科技產業而言，AI 賦能已是不可逆的趨勢，但算力費用的暴增同樣是管理層必須面對的現實。
首先，對於一般企業與中小企業主而言，這說明了「算力資源管理」正在成為企業 IT 營運的新課題。單純開放吃到飽式的 AI 工具使用，可能會帶來難以控制的軟體訂閱與 API 呼叫費用；但如果限制過於嚴苛，又可能抑制員工的創新意願與工作效率。
其次，這代表企業管理 AI 工具的方式正在從「粗放式使用」轉向「精細化營運」。聯發科採用的自動分流機制，代表未來的趨勢是將簡單任務交給成本較低的開源模型或內部小模型，僅在處理高複雜度邏輯時才呼叫昂貴的高階模型，這種做法將會是台灣企業未來導入 AI 系統時的重要參考範本。
背景補充
為了讓讀者更容易理解本次爭議的背景，以下針對相關技術名詞與產業脈絡進行說明：
- 大型語言模型（LLM）與 Token：在人工智慧領域中，Token 是 AI 模型處理文本與程式碼的基本計量單位。簡單來說，一頁英文或一段程式碼會被拆解成數個 Token，AI 服務廠商（如 OpenAI 等）多半會根據使用者呼叫與產生的 Token 數量來進行扣款或計費。因此，Token 額度就代表了工程師能讓 AI 幫忙撰寫或檢查程式碼的「算力配額」。
- IC 設計中的 AI 工具運用： IC 設計公司（如聯發科）的核心資產是工程師的智慧。在晶片開發過程中，工程師需要撰寫大量的硬體描述語言與軟體驅動程式。引進 AI 輔助寫碼軟體，能顯著降低錯誤率並縮短產品開發週期，是目前全球半導體與科技巨頭爭相布局的重點能力。
常見問題
什麼是 AI Token？為什麼對工程師很重要？
AI Token 是大型語言模型計算文字與程式碼的基本單位。工程師依靠 Token 配額來請 AI 輔助撰寫、檢查或優化程式，額度越高代表能運用的 AI 計算資源越多。
聯發科如何回應大砍 AI 額度的傳聞？
聯發科澄清公司持續鼓勵員工使用 AI，並透過智慧自動調度機制，根據任務複雜度自動切換內部或外部模型，以達到更永續且高效的算力利用。
企業在管理 AI 工具時面臨什麼挑戰？
企業需要在提升員工生產力與控制龐大的 AI API 呼叫費用之間取得平衡，過度限制會影響效率，而毫無限制則可能造成龐大的營運成本負擔。