林建甫/台大經濟系名譽教授
台灣政府近期提出「AI十大建設」，涵蓋晶片、算力、資料、人才、應用、安全、法規、倫理、治理與國際合作，試圖打造一個全方位的人工智慧發展架構。此一政策藍圖在願景層面具備前瞻性，展現對技術主權與制度創新的高度重視，但在執行層面卻暴露出技術落差、制度斷裂與治理模糊的多重挑戰。
AI十大建設搶占技術優勢
AI十大建設的核心在於技術自主，尤其在晶片與算力方面。政府強調要發展本土AI晶片設計能力與高效能運算平台，但台灣雖擁有晶圓代工優勢，在AI晶片架構、軟體堆疊與模型優化方面仍高度依賴美歐開源社群。若無法在基礎研究與開源生態上取得突破，晶片自主將淪為硬體複製而非技術創新。
算力建設亦面臨挑戰。政府雖投入資源建置AI雲端平台與國家級算力中心，但使用門檻高、資源分配不均、技術支援不足，使許多研究機構與新創團隊難以受益。算力不只是硬體堆疊，更是服務設計與社群治理的問題。若無法建立開放、可用、可持續的算力共享機制，AI算力建設將成為少數機構的特權，而非全民創新的基礎。
值得注意的是，政府對矽光子與量子電腦的著墨仍屬初步。矽光子技術可望突破傳統電晶體的頻寬限制，成為AI晶片的下一代通訊架構；量子電腦則可能重塑AI模型的運算邏輯與資料結構。若十大建設未能納入這些前沿技術的研發與試點，台灣將在未來十年失去技術跳躍的機會。技術自主不只是現有架構的強化，更是對下一代架構的制度性投資。
AI十大建設挑戰很大
AI十大建設中最具制度挑戰性的部分，莫過於法規、安全與倫理三者的交錯設計。政府強調要建立AI法規沙盒、資安防護機制與倫理審查架構，以確保技術發展不脫離社會控制。然而，目前的法規設計仍停留在原則宣示，缺乏具體執行機制與跨部門協調。AI技術的快速演化，使得傳統法規制定流程難以跟上技術變化，導致監管空窗與責任模糊。
倫理審查亦面臨制度化困境。政府雖設立AI倫理委員會，但其組成多為學界與官員，缺乏民間社群、技術開發者與使用者的參與。倫理不只是抽象原則，更是具體情境的判斷。若無法建立多元參與的倫理審查機制，AI應用將面臨「合法但不合理」的風險，尤其在教育、醫療、金融等高敏感領域。
資安防護亦非單一技術問題，而是制度協調的挑戰。目前政府強調資料去識別化與模型安全性，但對於資料治理、平台責任、使用者權益等面向仍缺乏整合性設計。AI系統的風險不只是技術漏洞，更是制度設計的缺口。若無法建立跨部門、跨領域的資安治理架構，AI安全將成為政策口號，而非實質防線。
國際合作與人才培育也是關鍵
AI十大建設的最後兩項——國際合作與人才培育——看似輔助性項目，實則是整體政策能否落地的關鍵支柱。政府強調要與美、日、歐等科技強國建立合作關係，並吸引國際人才來台發展AI。然而，在現行制度下，台灣的國際合作仍受限於外交困境與法規障礙。外籍研究人員在簽證、居留、稅務等方面面臨繁瑣程序，導致人才流動受阻。
人才培育方面，政府雖投入資源推動AI課程、研究補助與產學合作，但教育體系內部仍面臨結構性瓶頸。大學課程設計與業界需求脫節，研究資源集中於少數頂尖學校，新創團隊難以取得技術支援與資金挹注。AI人才不只是博士與工程師，更包括資料標註員、模型測試員、倫理審查員等多元角色。若人才政策仍以「高階技術菁英」為主軸，將忽略AI生態系的多層次需求。
國際合作亦需制度支撐。台灣若要在AI標準制定、技術協議、資料互認等方面取得話語權，必須建立制度化的合作平台，而非僅靠個別學者或企業的努力。目前政府對AI國際合作的支持多為短期計畫，缺乏長期策略與制度保障。若無法建立穩定的合作架構，台灣將難以在全球AI治理中取得制度位置。
※以上言論不代表梅花媒體集團立場※
