戰爭、網攻都算進去：印度管理學院用 AI 幫半導體供應鏈找更安全的路
印度管理學院印多爾分校參與的研究把機器學習、生成式 AI 與數學最佳化結合，用來評估衝突與資安風險、模擬斷鏈情境，並推薦更有韌性的物流據點與運輸路線。
半導體供應鏈最怕的不是單一工廠出問題，而是戰爭、地緣政治、貿易限制與網路攻擊同時夾擊，讓整條鏈路一起失靈。印度管理學院印多爾分校（IIM Indore）教授 Tanmoy Kundu 參與的一項研究，試圖把這種複雜風險變成可以計算、可以比較的決策工具，並於 10 月 26 日受到報導。
研究想解決什麼問題？
晶片遍布手機、電腦、汽車與工業設備，但它的生產與運輸橫跨多個國家，任何一個環節中斷都可能外溢。疫情期間的全球晶片短缺，曾迫使多家車廠停產，就是最典型的例子。如今再加上地緣衝突、貿易管制與資安威脅，企業只靠經驗判斷哪條路線安全，顯然不夠用。
這項刊登於《IEEE Transactions on Engineering Management》的研究，提出一套協調式框架：由多個運算代理人分工，先評估風險、再生成各種斷鏈情境，最後推薦合適的物流據點與運輸路線。目標不是預測未來一定會發生什麼，而是讓企業在不確定性升高時，仍有比較具體的備案可以選擇。
三種技術怎麼分工？
這套框架結合了三種工具，各自負責不同的工作。機器學習負責從歷史資料與多項指標中評估衝突相關風險；生成式 AI 負責描繪不同的中斷情境，讓決策者看到「如果某個港口或路線出事，會發生什麼」；數學最佳化則負責在眾多選項中，找出成本、風險與可行性相對平衡的路線組合。
研究指出，在衝突風險的預測因子中，影響最大的包括人口規模、距離發電廠的遠近，以及與國際邊界的鄰近程度。此外，資安弱點、所得水準與對石油出口的依賴程度，也會左右風險評估的結果。換句話說，供應鏈韌性不只是物流問題，還牽涉能源、地緣與數位安全等多層因素。
對企業有什麼實際意義？
對晶片相關企業來說，這類工具的價值在於「事前演練」。過去，企業往往等到斷鏈發生才緊急找替代路線，成本高、選擇少；如果能事先模擬不同情境，就可以在平時就把備用據點與路線排進計畫，危機發生時直接切換，而不是從零開始找路。
不過，研究本身也留下了限制。報導指出，自然災害、貿易限制變化、財務成本與利害關係人協調等面向，仍需要進一步納入考量。也就是說，這套框架比較像是一張風險地圖，而不是一張保證安全的通行證，企業仍需結合自身產能、合約與地緣判斷來做最後決策。
為什麼現在受到關注？
半導體已經是 AI 時代的基礎建設，任何供應中斷都會迅速擴散到 AI 伺服器、手機與汽車產業。與此同時，各國都在推動本土製造與供應鏈多元化，企業對「哪裡設點、走哪條路」的決策需求只會越來越高。把戰爭與網攻風險納入同一套模型，正好反映了這個現實：供應鏈韌性已經不能只看成本與速度，還要看風險。
這也是看店勢把資料與權限安全放在產品設計核心的原因之一：當外部環境越不穩定，企業越需要一套可驗證、可追蹤的數據基礎來做決策，而不是憑感覺下判斷。
資料來源
- Free Press Journal：IIM Indore Develops AI Framework To Safeguard Semiconductor Supply Chains From Wars, Cyberattacks And Geopolitical Disruptions（2026 年 10 月 26 日）
- IEEE Transactions on Engineering Management：相關研究論文（經 Free Press Journal 報導）