楊聰榮觀點：欠缺本土大型語言模型，台灣應該找出自己的方案

這種情況不僅在數據安全、語言與文化適用性、技術自主性等方面產生隱憂，也影響台灣在全球 AI 產業鏈中的競爭地位。因此台灣必須找出自己的發展方案，建立符合台灣語言、文化與產業需求的大型語言模型，才能在 AI 競爭格局中不被邊緣化，並創造新的產業價值。

目前國際主流 AI 語言模型（如 ChatGPT、Gemini、Claude）皆由歐美企業主導，而中國則發展了如文心一言（百度）、通義千問（阿里巴巴）、悟道 2.0（清華大學）等本土 AI 模型。相比之下台灣並未發展出具代表性的本土 LLM，這對於技術自主性與產業應用發展造成影響。語言與文化適配性不足，繁體中文的數據在全球語言數據庫中的占比極少，國際 AI 模型對於台灣用語、社會文化、法律體系、產業需求的理解有限。現有國際 AI 模型對於台灣專有名詞、歷史背景、政府法規等內容的理解能力較低，可能導致錯誤回應或不適合台灣市場的應用。

數據主權與安全風險也存在，台灣政府機構、金融機構及企業在使用國際 AI 模型時，可能會將敏感數據傳輸至國外伺服器，產生資訊安全與隱私保護問題。若國際 AI 模型的服務政策變動，例如 API 費用調漲、功能限制、審查機制變動，台灣企業將缺乏替代方案，影響 AI 應用發展。在產業應用方面，許多國際 AI 模型設計主要針對英語市場或中國市場，在醫療、法律、電子商務等台灣特色產業中的適用性有限，企業無法完全控制 AI 模型的運作方式，導致在法規遵循、模型微調、企業內部部署等方面受到限制。

綜合這些問題台灣若要在 AI 產業發展中占有一席之地，必須打造適合自身需求的 LLM，確保技術自主權，並推動 AI 產業化應用。台灣應該透過政府、學術機構、企業合作，逐步建構適合本土需求的 AI 語言模型。由政府主導，聯合學術單位（如中研院、台大 AI 研究中心）與企業（如聯發科、台積電、廣達、鴻海等），共同開發 LLM。透過政府 AI 補助計畫，鼓勵企業與新創公司投入 LLM 研發。成立「台灣 LLM 研發中心」，提供產業與學術界開發 AI 模型的算力支持，並建立開放數據庫，釋出政府資料（法律、交通、醫療等）供 AI 訓練使用。

此外台灣應該聚焦於產業 AI 應用，打造「台灣專屬 AI 模型」，在以下領域建立競爭力，如法律 AI 判決書撰寫、智慧法律諮詢，醫療 AI 醫療診斷輔助、病患資料分析，製造業 AI 生產流程優化、智慧品管，金融 AI 風險評估、詐欺偵測，碳管理 AI 減碳策略規劃、碳足跡計算。透過政府支持，推動企業採用本土 AI 模型，提高市場占有率，這不僅能夠促進 AI 技術的應用，也能使台灣在全球競爭中占據一席之地。

目前國際間已有許多開源 LLM，如 Meta 的 Llama、Mistral AI、Bloom 等。台灣可以基於開源技術，進行本土化調整與優化，加速 LLM 發展，同時降低算力成本。參與國際 AI 開源社群，如 Hugging Face、EleutherAI，並開發「台灣開源 LLM」，透過 AI 技術移轉，讓台灣企業能夠自主訓練與部署 AI 模型。

LLM 訓練需要強大的 GPU 算力，而目前台灣的 AI 計算資源相對不足。因此應該建立「AI 計算中心（AI Supercomputing Hub）」，提供本土企業與研究機構使用。由政府投資，與台積電、聯發科等企業合作，建立台灣 AI 超級計算中心，提供企業 AI 訓練補助，降低 LLM 訓練與微調成本。

台灣若要在 AI 競爭格局中占有一席之地，必須解決本土 LLM 的缺乏問題，並採取「聚焦產業、開源合作、政府支持」的策略，逐步打造適合台灣需求的 AI 模型。建立台灣 AI 語言模型聯盟，整合政府、學術與企業資源，發展產業專用 AI 模型，聚焦法律、醫療、金融、製造等領域，採用開源技術，降低 AI 模型訓練與部署成本，並建構 AI 計算基礎設施，確保算力自主性。台灣擁有強大的科技產業基礎，只要能夠善用優勢，推動本土 AI 研發，就有機會在全球 AI 市場中建立獨特定位，確保未來科技競爭力！