黃仁勳談中國開源AI模型：台灣AI主權的機會與挑戰
發布時間:
黃仁勳近日在接受Axios專訪時明確表示，美國公司「絕對應該」被允許使用中國開源AI模型。他指出「這些中國模型非常優秀，優秀的開源模型就該被使用」，並認為封殺反而可能削弱美國自身競爭力。這番言論出爐之際，正值中國Moonshot AI推出參數規模達2.8兆的Kimi K3等新一代開源模型，再次引發市場對中國AI進展的討論。(參考: 輝達執行長黃仁勳：支持美國公司使用中國開源AI模型 https://www.hot3c.com/read.asp?class=22&id=27708 )
這些發展對台灣具有直接且深刻的意涵。台灣在面臨這樣的世紀甚至人類有史以來最大的變局，應該在 AI主權議題上應有一些立即且有效作為:
一、現實已改變：開源與主權並行的新格局
黃仁勳的表態反映產業現實——優質開源模型會擴大整體AI使用量，進而推升對輝達GPU與伺服器的需求。對他而言，短期商業利益優先於地緣政治顧慮。然而，對台灣而言，這同時暴露出結構性風險：當中國模型在效能與成本上持續追趕，並搭配本土晶片與雲端服務形成閉環時，全球AI生態可能加速分裂成「美國主導」與「中國主權」兩套體系。
台灣身處供應鏈核心，卻在模型與軟體層高度依賴外部。若不及早建立可替換的主權能力，未來無論選擇哪一邊，議價空間與韌性都將受限。
二、台灣AI主權的核心定義
台灣不需要、也不可能追求完全自給自足的「閉環帝國」。務實的AI主權應包含四個層次：
- 資料與模型可控：關鍵領域（政府、國防、金融、醫療）使用的AI，必須能在地審計、微調與替換。
- 基礎設施韌性：算力、能源、網路在極端情況下仍能維持基本運作。
- 價值自主：AI對齊與治理標準符合台灣民主與法治，而非被外部單方面決定。
- 產業不可替代性：在全球供應鏈中持續保有「別人離不開」的關鍵位置。
1. 硬體層：守住優勢並分散風險
持續深化與美、日、歐的半導體合作，但同步建立備援產能與區域分散。重點發展邊緣AI與高效小型模型所需的晶片與系統，避免只押注超大型資料中心。國家級算力必須與能源規劃（再生能源、核電、智慧電網）同步推進。
2. 模型與軟體層：建立「可信任、可替換」能力
加速迭代TAIDE等本土模型，目標不是全球最大，而是「繁體中文最準、價值對齊最高、安全性最好」。擴大高品質、可追溯的台灣語料庫，並嚴格控管敏感資料。同時建立獨立的模型評估與紅隊測試能量，讓台灣成為亞太可信AI驗證中心。企業應普遍採用「開源模型＋在地微調」策略，降低對單一外國閉源或中國模型的依賴。
3. 應用與產業層：從硬體代工走向軟硬整合
鎖定半導體、精密製造、醫療、農業、金融等優勢領域，發展垂直AI解決方案。以政府採購與示範場域帶動本土AI服務商，並協助中小企業降低導入門檻。最終目標是輸出「台灣製造的可信AI系統」到同樣重視資料主權的國家。
4. 人才、法規與國際合作
強化AI與資安跨域人才培養，設計誘因吸引海外人才回流。以《人工智慧基本法》為基礎，快速補齊高風險應用的監管。在國際上積極參與可信AI標準制定，並與民主國家建立協調機制，明確區分「商業開源使用」與「關鍵基礎設施採用」。
四、優先順序與時間規劃
- 短期（1-2年）：完成國家算力與能源規劃、擴大語料庫、關鍵部門導入主權模型、建立評估標準。
- 中期（3-5年）：形成可商業化的垂直解決方案，並開始有意義的國際輸出。
- 長期：成為全球可信AI基礎設施與驗證中心，在價值鏈中佔據高議價與高韌性位置。