受訪者：黃彥男

時間：2025年10月31日 10：00-11：00

地點：中研院（視訊）

整理：張運宗

 

【編按】AI計畫發展四大校級計畫之初，羅文聰主任特邀中研院資訊創新科技研究中心主任黃彥男為大渡山學會榮譽講座，凡智慧製造、智慧建築蒙其情意相挺，出力甚多。　2024年黃彥男出任數位發展部部長，提出「數位三箭」，一年後提出「五大政策工具」。　任滿一年，請辭歸建中研院，其為臺灣數位發展奠定明確方向，深受肯定。^註一 我們特請他宏觀臺灣發展AI的困境與機會，並具體指出培育AI人才的新作為。　

 

 

AI的快速發展

 

　　DDS在六年前提出「AI計畫」，這具備前瞻的眼光，但嚴格說，GAI（Generative AI，生成式AI）在當時還不成熟，畢竟2017、2018年才發表論文。^註二一直到2022年，OpenAI推出 ChatGPT，才算是開始成熟發展。　簡單說，GAI讓AI的發展出現重大的突破。　

 

　　以前AI最擅長的是影像、語音、資料辨識，其任務是加快人類工作速度。　而現在的GAI已能處理更高層次的任務，大家發現太多事情他都可以做；做得對不對則是另外一個問題。　隨著GAI能力愈來愈強，大家對他的期望自然也就愈來愈高。　

 

　　接著興起的Agentic AI（代理式 AI）則更進一步。　我們不必真的懂AI，不必會寫程式，但要學習認識專業領域中的工具——Agentic AI，他能主動執行任務、協調多個工具完成一個流程；甚至，Agent AI已經開始具備行動與決策的能力。　這是新一輪的能力躍升，也標誌著下一個產業浪潮。　

 

　　這股技術成長帶來了巨大的投資熱潮，每個領域都在想辦法導入AI——因為能夠「降本增效」——特別是醫療、健康照護、金融、製造業、設計、教育等。　對企業來說，這是顛覆式的誘因；對社會來說，則是一場認知與結構的重新調整。　

 

 

「相信」的風險管控

 

　　隨著AI愈來愈強大，大家愈來愈信任他，我比較擔心的是風險管控的問題。　AI會錯，但我們不知道他錯了。　當企業開始把決策流程交給AI，甚至政府開始依賴AI進行相當程度的治理時，一次錯誤可能帶來系統性後果。　

 

　　這牽涉到一個更深的問題——信任。　AI的演算法像一個黑箱，即使是工程師，也未必能完全理解它是如何得出答案的。　當「可信度」難以被驗證，社會該如何建立治理框架？

 

　　美國選擇讓市場繼續推動創新，風險留待事後修正。　歐盟則在2021年開始研議「人工智慧法」（Artificial Intelligence Act），並於2024年8月1日正式生效，今（2025）年2月4日更發布「受禁止人工智慧行為指引」（Commission Guidelines on Prohibited Artificial Intelligence Practices），明確禁止在高風險領域使用AI。　

 

　　美國和歐盟關於風險管控的看法和作法凸顯一個問題：技術發展的速度遠快於治理體系；人們尚未建立足夠的倫理與制度準備，就已經開始全面相信，甚至依賴AI。　我想，面對AI的高速發展與強大能力，有一天「信任」的問題還是會被拉回來討論。　

 

 

臺灣發展AI的限制與困境

 

　　對台灣而言，AI發展的限制是結構性問題。　

 

　　第一個限制是電力。　AI是高度耗能的產業，從訓練模型到執行推理都要大量算力，而算力就需電力。　國際上有大多數的國家都在討論AI電力的問題，美國、日本甚至都要啟動核能。　

 

　　第二是資料的問題。　AI是用資料訓練，你用什麼資料，出來就是什麼結果；資料的完整性和品質本身也就是一個大問題。　擁有資料者就是最後贏家，OpenAI、Google的強大正在於擁有最多資料，然後愈來愈完整，模型運算能力愈來愈強。　

 

　　第三是人才。　我們有許多優秀的AI工程師，但大多被國際大型公司挖走。　Google、OpenAI 開出的條件，我們根本留不住。　結果是學界人才不足、產業導入困難，形成惡性循環。　AI人才的培育是一個很挑戰的工作。　

 

　　第四是資金。　在AI競賽上，相較於國際各國拼命發展，臺灣比較不積極，包括政府和民間，相對投入的資源相對少。　政府投入的資金分配又是「大鍋飯心態」，過於分散，每個部門都分一點，缺乏整合， 就比較難完成重大的目標。　

 

　　第五是體制問題。　數位發展部能定方向，但沒有「蘿蔔和棍子」——沒有預算統籌權，也就無法要求其他政府單位配合，使得臺灣的AI發展成為多頭馬車。　我覺得，如果能成立「AI發展委員會」，掌握預算統籌權，就比較有機會落實國家級AI政策。　

 

 

建立特定領域的優勢

 

　　臺灣發展AI的機會應該是「特定領域 AI」（Domain-specific AI）。　目前的趨勢是公司各自找一個open model LLM，然後加一些技術及資料，做內部訓練。　這也須要投資，並非容易的事。　每一個公司的特性不同，就有不同的工作要做，訓練的過程要建立資料的正確與完整性，也就是所謂的「資料治理」，而這方面須要專業人才的投入；但，資金不足、人才欠缺恰恰又是臺灣發展AI面臨的問題。　

 

　　整體來說，我認為臺灣有三個領域很具潛力。　

 

　　第一是醫療與健康照護，這方面的需求很大。　台灣的健保資料完整、數位化早，這是很大的優勢。　如果能在這個基礎上建構安全的資料治理體系，例如在生技、藥品等根據需求發展解方，就有很大的機會。　

 

　　第二是製造業，如何有有效應用AI協助增加競爭能力，可能還有一段路要走，但製造業在臺灣的產業中占比很大，應該值得政府提供實際輔導與補助，建立幾轉型成功的標竿，其他公司就有參考的依據，增加參與轉型的機會。　

 

　　第三是金融與資安。　隨著全球資產虛擬化，如穩定幣（Stablecoin）、RWA（Real World Assets，現實世界資產）成為趨勢，防詐防弊、防洗錢、風險管理方面的角色越來越重要。　資安產業在臺灣的發展不大，但AI加上金融虛擬化，這個新興市場應該很有機會。　

 

 

以戰代訓

 

　　欠缺人才是臺灣發展AI的大問題，針對專業領域發展AI是臺灣機會，所以培育專業領域的人才是一個值得發展的重點。　

 

　　數位發展部推動「以戰代訓（Learning by Doing）」計畫，針對發展「數位科技」、「文化科技」、「虛擬製作」等應用領域，培育數位與特殊人才，簡單說，學生要在實戰中學。　政府徵選AI應用的企業作為培訓單位，訓練學生掌握AI工具與流程，然後讓他們直接進企業，以實際專案淬煉人才，進而建立長期供應鏈夥伴及生態系關係。　政府補助薪水，企業獲得助力，學生得到實戰，三方受益。　

 

　　在AI時代，不同的產業或公司有不同的需求，學生不必懂得寫程式，更不必理解模型的數學原理，但現在AI的工具發展愈來愈多，要懂得怎麼用，探索如何組合不同的工具，解決問題和需求。　

 

　　臺灣過去學校的學習始終難以對接產業，或許，DDS THU AI中心可以擔負「以戰代訓」中教育的角色，挑選有興趣參與的大四學生，學習AI相關的基本概念和應用，由「以戰代訓」媒合適當的企業，若能延伸到研究所或第一年職場培育，就能形成完整的「學用合一」人才鏈。　

 

 

註一，黃彥男上任之初即規劃數位發展三支箭，「推動打詐工作」、「強化數位韌性」及「發展數位經濟」。　一年後提出「算力池、資料、人才、行銷、資金」5大政策工具，發展AI產業。　參見，「黃部長上任100天 射出數位發展三支箭 防弊興利促進國家數位轉型」2024.8；「數位發展部黃彥男部長就任週年　揭示施政成果與未來藍圖：打造韌性、安全、繁榮的數位臺灣」，2025.6；「數發部長黃彥男請辭　將歸建中研院」。

 

註二，2017年Google的8位科學家聯合發表論文「Attention Is All You Need」，提出新型的深度學習架構「Transformer」，被學界普遍認為是機器學習的里程碑。　

 

 

 

 

 

---