AWS 台灣董事總經理王定愷今 (15) 表示，隨著基礎模型能力跨越臨界點，加上雲端基礎建設規模與成熟度持續提升，2026 年迎來「AI Agent 元年」，也點出企業推動 AI 的策略應有四步驟，第一就是要「先找到金礦，再去買鏟子」。
王定愷於 AWS Summit Taipei 致詞時指出，目前許多基礎模型已具備處理複雜業務的能力，雲端環境也足以讓企業在安全條件下部署 AI，兩者帶來的效益並非單純相加，而是彼此相乘，將加速 AI Agent 從概念走向實際應用。
談及企業 AI 策略，王定愷提出四項建議。首先，企業應優先確認自身的「金礦」在哪裡，也就是哪些資料、流程或業務場景能創造實際價值。台灣在半導體與伺服器供應鏈具備優勢，但硬體仍只是工具，企業不應在尚未釐清需求前，就投入大量資源建置基礎設施。
其次，AI 轉型能否成功，關鍵在企業領導者。他表示，推動數位轉型與新技術導入，最有效的方式往往是由上而下，企業負責人若能親自使用及測試 AI 工具，將成為組織導入 AI 的重要驅動力。
第三，企業應採取「小步快跑」策略，不必等到所有系統與資料都準備完善才開始。透過快速實驗、累積經驗及持續迭代，可逐步找出適合自身的 AI 應用模式，並降低一次性投入過大的風險。
最後，企業必須建立清楚的 AI 使用邊界及治理護欄，在讓員工自由使用 AI、提升創新效率的同時，也要確保資料安全、權限控管及企業知識得以留存，避免員工離職後，相關資料與成果也隨之流失。
王定愷也強調，半導體是 AI 發展不可或缺的基礎，不論模型訓練、推論或一般運算，都需要大量算力支援，而台灣在全球高階晶片製造供應鏈中扮演關鍵角色，而 AWS 與半導體產業關係密切，除大量採用 Intel、AMD 及 NVIDIA 等業者的晶片建構全球雲端平台，也透過旗下 Annapurna Labs 投入自研晶片逾十年，並將相關產品交由台積電生產。
目前 AWS 自研晶片涵蓋通用運算處理器 Graviton、AI 訓練晶片 Trainium 及 AI 推論晶片 Inferentia。其中，Graviton 自 2018 年推出第一代後，今年第五代也已正式問世。
王定愷指出，AWS 每天服務全球大量企業客戶，因此能掌握不同應用場景、工作負載及記憶體搭配需求，並據此設計更符合雲端環境的晶片，以改善效能、成本及能源效率。
除自研晶片外，AWS 也推動 EDA 工具上雲，協助半導體業者加速晶片設計、驗證及生產流程，並與台積電合作推動人才培育，讓高中生提早接觸半導體科技。
AWS 自 2006 年推出 Amazon S3 以來，至今已滿 20 年。王定愷表示，AWS 過去 20 年的發展並非朝預先設定好的終點前進，而是與客戶共同探索的長期旅程，未來也將持續透過雲端、自研晶片、生成式 AI 平台及合作夥伴生態系，深化與台灣企業及半導體供應鏈的合作。
AWS 也在活動現場展示結合 Amazon Bedrock、AWS 雲端及安全機制打造的 AI 互動產品「巧虎伴伴」，可依兒童的年齡、學習歷程、興趣及偏好提供個人化互動，顯示生成式 AI 已逐步從企業應用延伸至消費性產品。
王定愷表示，自 2017 年至今，AWS 已在台灣培育超過 26 萬名雲端人才，涵蓋學生及在職人士，在台合作夥伴則已超過 1,500 家，未來將持續擴大雲端及 AI 生態系布局。