|
| 這裏寫的是與著作權法有關的札記和文章，也貼過去在報章雜誌發表過的舊文。你要看文章先看分類，會比較清楚。
因為平時閱報、開會、讀書、辦案，對著作權法有一些感想，不寫下來就忘記，所以開了這個部落格，以後自己要找資料時，較為方便。另對舊時發表的文章和書籍，可能對一些特定人有用，所以也在這個網站張貼。 網路城邦的部落格功能，對我這個電腦很笨的人，十分適合。我的部落格，將是最陽春的。因為會來的，多是我的朋友、學生、同好，他們都知道我不會打扮。而這些文章，絕大部分是我的學生，目前在台北大學唸博士班的黃絜和在事務所工作的張雅君律師幫我貼的，要感謝她們。 這是我的一個私人筆記本，但是也歡迎您來參觀。不過我可能沒有時間互動，也無法回答個案的問題，如果您有個案問題，請您找經濟部智慧財產局網站詢問。如果您在看部落格文章，發現標題或內容文字有亂碼，這可能是新版的程式問題，您把它切換到舊版，亂碼就消失了。 如果您是初學者，我建議你先看出版著作權小百科和一般著作權法文章。如果您是專業人士，我建議您先看分類中的書籍目錄區，以及分類中您比較的興趣的議題。 本部落格文章，歡迎鏈結、下載及以e-mail轉傳，但須註明作者姓名。網路轉貼文章須經作者同意 |
|
文章數：1186 |
 為什麼台灣只能發展AI硬體，不能發展主權AI？ |
| 時事評論｜教育文化 2026/05/25 18:04:34 |
我問chatGPT：
台灣過去數十年，有關桌上型、筆記型電腦及其邊硬體投備，在全世界市場占有率非常高，但是電腦軟體並不發達。同樣的，台灣半導體及AI硬體在全世界先進，但是台灣自己的AI，尤其是主權AI一直弄不出來，原因何在？
ChatGPT回答：
這其實是台灣過去四十年產業結構的「成功陷阱」。
台灣不是沒有技術能力，而是長期形成了一種「硬體最容易成功、最容易賺錢、風險最低」的國家發展路徑。結果，硬體愈強，軟體與主權AI反而愈弱。這是一種典型的產業鎖定（lock-in）。
可以從幾個層次來看。
一、台灣產業成功模式，本質上是「代工文明」
台灣從1980年代開始，真正成功的是：
• 主機板
• PC組裝
• 筆電ODM/OEM
• 半導體製造
• IC設計
• AI伺服器
• GPU供應鏈
例如：
• 台積電
• 鴻海
• 廣達
• 緯創
• 華碩
• 宏碁
這些企業共同特徵是：
「替全世界做東西」，而不是「替全世界建立平台」。
代工產業的核心能力是：
• 製造效率
• 成本控制
• 良率
• 供應鏈整合
• 工程紀律
• 大規模量產
但軟體與AI需要的文化卻完全不同：
• 長期燒錢
• 建立生態系
• 平台壟斷
• 數據累積
• 高風險試錯
• 全球語言與內容優勢
換句話說：
台灣最強的是「工程製造文化」，不是「平台文明」。
這是第一個根本原因。
二、台灣企業太容易在硬體賺錢，因此不願投入長期軟體戰爭
硬體代工有一個巨大誘惑：
現金流非常穩定。
例如一個ODM廠：
• 接到訂單
• 生產
• 出貨
• 收款
這是B2B模式。
但軟體與AI不是。
像：
• Microsoft
• Google
• OpenAI
• Meta
都曾經：
• 長年虧損
• 不斷燒錢
• 投資失敗率極高
• 必須建立全球市場
而台灣企業習慣：
「三年內看不到獲利，就停止投資。」
所以：
• 軟體做不起來
• AI平台做不起來
• 大模型做不起來
因為這些都需要：
• 十年以上投入
• 超大型資本
• 全球市場規模
台灣企業的DNA比較像：
「精密工廠經營者」
不是：
「全球數位帝國經營者」
三、台灣市場太小，缺乏「資料規模」
AI最核心的是：
資料（Data）
而主權AI最重要的是：
• 本土語言
• 本土法律
• 本土文化
• 本土歷史
• 本土公共資料
問題是：
台灣只有2300萬人口。
相較之下：
• 美國：3.4億
• 中國：14億
• 歐盟：4億以上
大型語言模型（LLM）背後，需要：
• 超大量語料
• 超大量使用者
• 超大型平台
美國有：
• Google Search
• YouTube
• Facebook
• Instagram
• X
• Reddit
中國有：
• 微信
• 百度
• 抖音
• 淘寶
台灣沒有全球級平台。
因此：
台灣缺乏AI時代最重要的「資料主權」。
這點其實比GPU更重要。
四、台灣長期忽視「軟體國力」
台灣政府過去數十年，真正重視的是：
• 科學園區
• 晶圓廠
• 出口製造
• 半導體
但對：
• 作業系統
• 雲端平台
• 搜尋引擎
• 大型資料庫
• AI基礎模型
幾乎沒有長期國家戰略。
例如：
日本曾推：
• 第五代電腦計畫
中國現在推：
• 國家大模型
• 主權資料庫
• 算力國家隊
法國、德國、歐盟也在談：
• Sovereign AI
• AI Act
• European Data Space
但台灣長期思維是：
「硬體出口賺得到錢即可。」
因此形成：
「有晶片，沒靈魂。」
五、台灣的教育制度，也偏向工程代工，而非原創平台
台灣教育強項：
• 考試
• 解題
• 工程執行
• 半導體人才
但弱項是：
• 原創軟體架構
• 平台產品思維
• 全球品牌
• 大規模產品經營
所以台灣能培養：
• 很強工程師
但較少培養：
• Steve Jobs型人物
• Sam Altman型人物
• Larry Page型人物
也因此：
很多台灣最優秀AI人才，
最後都去了：
• Google
• NVIDIA
• OpenAI
• 美國矽谷
因為：
台灣沒有足夠大的AI生態系。
六、「主權AI」真正缺的是國家級資料戰略
這是最核心問題。
主權AI不是只有：
• GPU
• 算力
• 模型
而是：
誰掌握本國文明的資料。
例如：
如果台灣自己的：
• 法律資料
• 判決資料
• 台語語料
• 客語語料
• 原住民語料
• 歷史檔案
• 政府資料
• 學術資料
都沒有系統化整理、開放、標註、授權，
那台灣永遠只能：
使用美國或中國的大模型。
這也是您長期關注的：
《促進資料創新利用發展條例草案》
真正的重要性。
因為：
未來國力競爭，
可能不只是：
• 石油
• 鋼鐵
• 晶片
而是：
「誰擁有可供AI學習的國家知識庫」。
七、最諷刺的是：台灣其實最有條件發展主權AI
因為台灣同時具備：
• 世界最強半導體
• AI伺服器供應鏈
• 高品質繁體中文
• 自由社會資料
• 民主法治資料
• 高教育程度
• 完整健保資料（若合法匿名化）
• 強大ICT產業
問題不在「技術做不到」。
而在：
國家是否有長期文明戰略。
也就是：
台灣過去是：
「硬體出口國」
但AI時代需要的是：
「知識主權國」。
這是兩種完全不同的國家思維。
|
| 最新創作 |
|
||||
|
||||
|
||||
|
||||
|
||||
| 精選創作 |
|
||||
|
||||
|
||||
|
||||
|
||||
| 最新影像 | 2 本 4 張 |
|
|||
