「再怎麼補課，還是有追不上的感覺。」八月十八日，副總統蕭美琴在台灣人工智慧年會上的感嘆，點出台灣這座矽島的集體困境：當全球九成AI伺服器都由台灣製造，我們若拿不出本土算力、又缺乏軟體主導權，終究只是全球巨頭的算力工人。

焦慮早已在檯面下發酵，八月中，一場閉門會議登場，超過十九位產官學研代表齊聚，研擬出一份向政府喊話的《國家AI基礎建設倡議》，急著為台灣尋找AI自主的破局點，其中一個關鍵是發展領域專用模型。

這個方向，早在官方打造第一個主權AI戰略：TAIDE模型時，就已顯露。

二○二三年，為避免台灣價值觀被簡體中文優勢淹沒，TAIDE成了主權AI的先鋒隊。然而，它最初僅有約新台幣一億二千萬元預算、採購七十二片GPU，對比韓國政府高達兩萬片GPU的公共算力池，規模相差近三百倍。

TAIDE計畫發起人李育杰坦言，「台灣要從頭打造自己的通用大模型，是不切實際的，」但必須讓台灣人在中國大型語言模型（LLM）以外，有中文模型的選擇。

因此，TAIDE將戰線收攏在公務體系的運用，行政院也在六月拍板建構「主權AI」，並選定教育、醫療、金融、司法四大示範場域。

這種不拚通用大模型，改深耕產業大腦的思維，也正走向民間產業。

商周採訪十位以上產官學專家，結論幾乎一致：發展領域專用AI是最佳解。而結合台灣硬體優勢，打信任牌幫全球做「主權AI」生意，是一條兼具商業潛力與國際連結的道路。

金融大腦》20家銀行打群架
教AI像「台灣金融人」一樣思考

「美國的模型非常聰明，但就像一個哈佛畢業的ABC，會講流暢中文，卻不懂台灣在地的金融實務與自律規範，」金融大語言模型專案的召集人、中國信託金控資訊長賈景光比喻。

繁體中文在全球主流模型的訓練資料中不到一％，若讓AI直接面對客戶，一旦引用美國規範講出不合台灣法規的內容，「那已經不是科技議題，而是我們企業品牌與客戶關係的代價，」賈景光直言。

為了解開這個死結，台灣金融業罕見的打群架，由金融科技產業聯盟推動，中信金領頭，與國泰金、富邦金等二十家金融機構打造「金融大語言模型（FinLLM）」，教AI像台灣金融人一樣思考。

中國信託銀行數位科技處處長王俊權解釋，團隊不只是單純注入制式化的法規條文，而是由一百二十位銀行專業行員標註、校對，並用數萬組銀行員思維邏輯，訓練這AI大腦，具備在地化的金融專業。

但金融業競爭激烈，憑什麼說服大家派出最精銳的人才，打造這顆共用大腦？

「因為這件事單一機構要做，時間在AI賽道上不允許，」中國信託銀行數位規劃部部長吳展榮說道。人工清洗與標註邏輯極耗時，如果各自燒錢造輪子，多數銀行跑不完這場馬拉松。

其實，以中信的實力，大可關起門來自己練功，但賈景光認為，「如果我們自己做，台灣最後可能只有三到四家領先銀行能跨過門檻；但透過聯盟整合的力量，二十家銀行的AI能力有機會一起提升。」

IC設計大腦》築半導體防線
「設計下一代晶片能不依賴別人」

當各國在搶做主權AI，對台灣而言，另一個核心戰場是晶片設計。中研院士孔祥重、台大資工系教授洪士灝帶領，陳牧祈、梁正等人組成師生團隊，從中研院與國科會計畫，孵育新創SiliconMind，要為台灣拿下這塊陣地。

受惠AI資本支出擴張，IC設計需求大增，台灣業者面臨人才缺口，就連龍頭大廠都叫缺。若無法化解人才危機、提升研發效率，台灣在先進晶片市場的優勢將被侵蝕。

如今AI能加速IC設計，但企業卻面臨伸頭、縮頭都是一刀的困境：把資料上傳給OpenAI等外國雲端平台，機密形同外流；想在自家架一套大型AI系統，光是算力成本，中小型設計廠就吃不消。

洪士灝更指出，現今的通用模型，對晶片設計的知識根本不夠。但IC設計大廠，難道沒有自己造模型的能力嗎？洪士灝分析，IC設計廠主要投入的軟體領域是要讓晶片動起來、發揮算力，但這跟開發一個「能自主思考、甚至幫忙設計晶片」的模型，是兩個世界。

陳牧祈說明，SiliconMind的核心技術是為企業打造地端專屬AI模型，並串接晶片廠既有的電子設計自動化（EDA）工具；同時由團隊成員黃恩明研發GPU大規模平行加速技術，縮短過去數天、甚至數週的修改與重新驗證流程。

但SiliconMind不只想幫企業加快研發，更想為台灣半導體畫出一條安全防線。「我們現在雖然硬體強，但軟體超級弱。看中國那邊狂衝硬體跟軟體，總有一天會變成我們最大的威脅，」SiliconMind共同創辦人梁正說。

無任所大使唐鳳分析，「SiliconMind是為了台灣在設計下一代晶片上能夠不依賴別人。」這個模型開源，晶片公司可以下載回去，在自己公司關起門來跑，機密不外傳；當世界各地的半導體公司都來用，台灣就是標準制定者。

輸出主權AI》成為國際選擇
台灣「不與客戶競爭」哲學變優勢

台灣除了拚專業領域的知識深度，減少被主流模型綁定，有另一個機會，是整合軟硬體，做全球主權AI的生意。

數發部部長林宜敬觀察，這種「既要安全、又要在地治理」的跨國需求，正是台灣軟體產業幾十年來尋求海外突破的最佳契機。

但同樣具備硬體製造優勢的韓國也能參戰，台灣憑什麼勝出？

林宜敬認為，「台灣幾十年來做生意，我們的概念是水平分工、有錢大家賺，就像台積電絕不做手機跟客戶競爭。但在中國跟韓國，三星或華為的企業文化是『凡事全拿』，會往上、往下吃掉供應商的所有利潤。」

他指出，台灣不與客戶競爭的供應鏈哲學，遇到主權AI的強烈需求，給台灣一個很好的機會，「中等的民主國家，要訓練AI模型時，通常會希望扶植當地的產業，又需要其他國家的幫忙。台灣是一個自由民主法治的國家，而且台灣做生意的思維是有錢大家賺，形成一個供應網，當你要發展主權AI，找誰合作最好？找台灣！」

例如，緯創與趨勢科技合資的Magna AI，就從伊斯蘭世界對去美中化的需求下手，將伺服器搭配地端資安平台，與巴基斯坦、沙烏地阿拉伯簽下合作備忘錄，協助該國推動AI轉型。

鴻海在高雄建置亞灣超算中心做全台算力後盾，也做算力租賃的生意；另一邊與法國大廠布爾（Bull）合資，在捷克生產、法國組裝伺服器，發揮量產強項，卡位去美中化的歐洲主權算力市場。

回頭看，台灣這場主權AI之役，繞著同一個詞：選擇。

官方打造TAIDE是為了讓台灣人在美中模型之外有選擇；SiliconMind給本土晶片廠一個兼顧速度及安全的選擇；二十家銀行共建FinLLM，是為了不被任何一顆國外大腦綁架。

當Magna AI與鴻海帶著「不與客戶競爭」的供應鏈哲學出海，台灣自己，也成了各國在美中之外的另一個選擇。

但這些選擇能否奏效並延續，關鍵不只有算力，還有人。

台灣除了爭取算力，還需要會運用算力的人才。

洪士灝點出，十年前建置算力時，官方抱著先建球場自然會有人來打球的思維。然而，球場不會長出職業隊，人才培育所要投入的時間，遠比蓋資料中心漫長。

更現實的是，台灣頂尖人才長期向半導體與硬體供應鏈傾斜，軟體生態本就相對弱勢。

李育杰直言，台灣發展AI主權面臨的困局，並非缺乏資料，而是人才培育與算力投資規模的失配。他觀察到不論學界或業界，多數人只願投入門檻較低、容易賺錢的下游應用層，「基礎人才不足，就算把寶貴的資料奉上，也只是守著米缸餓死。」

打造主權AI生態系的突破口，正是從微小的種子開始。

TAIDE模型鑄造組顧問、中研院副研究員黃瀚萱指出，TAIDE現有團隊，正職僅七至八人，但開發過程，經歷過大模型訓練的人才大概也有數十個。

受過大模型洗禮的人才，就像是播下去的種子，能將高階大模型的訓練，與資料蒐集經驗，擴散到台灣產業界，帶動整體發展。

打造主權AI生態系，是一場人才與技術互相養成的正向循環，這對長年重硬輕軟的台灣來說，是無法迴避的考驗。