VIP 專屬文章 張瑞雄觀點：讓主權AI成為台灣AI建設的基礎設施

全球大型語言模型的訓練語料，英文佔了將近一半，而中文語料雖約有百分之五，絕大多數卻是簡體中文。這意味著當台灣人向ChatGPT或其他國際模型詢問問題時，得到的回答往往夾帶著不屬於台灣語境的詞彙、觀點，甚至是對岸的文化邏輯。這不只是語言習慣的落差，更是一種認知主體的替換。一旦台灣人習慣透過別人訓練的AI來認識世界、做出決策，詮釋歷史、理解法律，那麼所謂「台灣觀點」究竟在哪裡，恐怕是個值得認真思考的問題。

正是在這樣的背景下，「主權AI」的概念在台灣逐漸從口號走向政策實踐。TAIDE（Trustworthy AI Dialog Engine）計畫、G-TAIDE（Government TAIDE）公部門應用模型、TAME（TAiwan Mixture of Experts）模型等，構成了台灣試圖在全球AI浪潮中建立自主陣地的初步嘗試。這些努力當然值得肯定，但必須誠實面對的是，距離真正的語言與文化自主，台灣還有相當長的路要走。

一個常被引用的對比令人警醒，TAIDE計畫一整年的預算，包含GPU採購在內，甚至不及先進模型單次訓練的成本。這並不是要台灣跟大型科技公司拚軍備競賽，而是要提醒我們，資源結構的落差直接影響模型能力的上限。更棘手的是，台灣繁體中文的語料庫規模始終是個瓶頸。現有的訓練資料偏重新聞與官方文本，對於台灣社會真實語境中的俚語、俗諺、地方文化語彙，乃至各種生活情境的細膩用語，覆蓋率嚴重不足。一個無法理解「484」（是不是）這個網路詞彙，也搞不清楚「囝仔人有耳無嘴」背後社會文化邏輯的語言模型，是否真的了解「台灣心」，還是只是貼上台灣標籤的模型，答案不言而喻。

有些人可能認為，既然國際大廠的模型能力更強，台灣何必費心自己做？這個問題的答案，並不只是情感層面的「文化自尊」，而是具有高度現實意義的戰略判斷。新加坡的SEA-LION系列、瑞士的Apertus、阿聯酋的Falcon，這些國家選擇建立本土模型，並非因為它們能在效能測試上打敗OpenAI，而是因為它們清楚知道模型背後嵌入的是價值觀、議題框架與敏感議題的詮釋邏輯，這些東西不能也不應該外包。尤其對台灣而言，在兩岸政治的特殊結構下，讓外國模型主導台灣公部門的資訊處理，潛在的風險更是不可輕視。

強調自主不代表閉門造車，主權AI的路徑從來就不是非此即彼的選題，現實世界中，幾乎沒有國家選擇全面自建而完全拒絕外部能力。更常見的做法是兼而有之。對敏感性高、具戰略意義的應用場景優先建立自主能力，其餘則視效益選擇商業模型，甚至透過開源基礎模型加上本土語料進行在地調校，兼顧成本與效能。

不過台灣目前最需要正視的，可能不是要不要做，而是怎麼做才不會原地打轉。訓練資料的法制問題、公部門語料的開放機制、跨部會協作的制度基礎，這些基礎建設若持續缺位，再多的算力投資也難以轉化成真正有用的模型能力。數位部雖已研擬促進資料創新利用的相關條例草案，方向正確，但立法進度與實際需求之間的落差，仍是一道待解的難題。

更根本的問題在於，台灣對「主權AI」的期待，究竟是要成為AI建設的基礎設施，還是政策宣示的符號工具？這兩者的路徑與資源配置方式截然不同，若不釐清，恐怕最後只是做了一個宣稱台灣特色、卻缺乏真正語境理解能力的模型，既無法取信於國際，也無法真正服務於本地使用者。

鴻海宣布2026年上半年將在台灣部署規模龐大的AI超算中心，NVIDIA等全球算力巨頭也在積極協助各國建立主權AI基礎設施，硬體層面的機會之窗正在開啟。台灣擁有全球無可取代的半導體製造能力，卻至今仍難以替本土AI模型注入屬於自己的文化靈魂。這個弔詭的處境，正是我們在這波AI浪潮中最需要認真面對的核心課題。

造晶片，台灣是世界第一。但讓AI理解台灣人真正的想法，我們還在學習的路上。

​＊作者為台北商業大學前校長暨榮譽講座教授/鑫友會前瞻政策顧問。本文由鑫友會提供，授權刋載。 （相關報導： 張瑞雄觀點：伊朗政權更迭真能成功嗎？歷史殷鑑是災難性的 ｜ 更多文章 ）