當國外不少學者紛紛從政治哲學、人類學、溝通理論等不同角度，追問 AI 究竟扮演什麼角色、又將如何改變人類社會的此刻，台灣公共領域中的 AI 論述卻顯得出奇地整齊劃一。從媒體報導、政策規劃到產業論壇，討論多半圍繞著同一組問題打轉：如何培養產業競爭力、工作會不會被 AI 取代，以及最常被提起的「如何降本增效」。

這並不代表台灣沒有人提出不同的看法，而是這些看法鮮少進入公共討論的核心，也少有實質的對談或辯論，彷彿關於 AI 的未來發展，我們早已有了定見。但一個民主社會在面對如此重大的技術轉折時，論述若如此單一，未必代表成熟，反而可能是一種風險：當 AI 的公共討論窄化到只剩效率、競爭力與生存焦慮等少數面向，某些更根本的假設就可能在未經思索的狀況下，成為不被質疑的前提。而這些前提一旦有誤，影響的將不只是單一政策或單一產業，而是整個社會前進的方向。

2025年初，在由前教育部長、政治大學科技管理所教授吳思華等多位研究者共同參與的「人文講堂」中，政大傳播學院名譽教授鍾蔚文以「AI的尋人啟事」為題，指出這幾年台灣的 AI 發展存在著「無人」的假設。

所謂「無人」的假設，意指這幾年在討論產業 AI 化時，誰掌握發言權、誰會受影響、如何受影響，乃至「人的價值究竟是什麼」，這類不屬於技術應用與競爭力發展的問題，始終未曾進入媒體與社會關注的核心。值得注意的是，提出這項觀察的正是台灣的學者。

當前提取代了提問

「無人」的假設會產生哪些影響？不妨試著從哈伯瑪斯（Jürgen Habermas）的溝通行動理論，找出其中脈絡。

哈伯瑪斯將人與人之間的行動區分為兩種：一是策略行動，把對方當成達成目的的變數，重點在於自己的成功；二是溝通行動，試著透過尋求共同的理解，來協調彼此的行動。在他看來，後者才是語言最原初的用途，也是民主社會得以持續前行的關鍵。

但「共同的理解」能否成立，有其先備條件。說者提出的每一項主張，都隱含著三項有效性要求：陳述是否真實、是否正當、是否真誠；而聽者可以對每一項說「是」或「否」，也可以要求對方給出理由。換句話說，溝通之所以能形成共識，關鍵不在於主張本身完美無瑕，而在於它可以被提出來檢驗。一旦主張無法被質疑，溝通也就隨之失效。

溝通的失效，未必是沒有人說話或提出異議，也可能是關鍵的主張在被檢驗之前，就直接以「前提」的姿態存在。沒有人回應，甚至沒有人察覺需要思考，它就在媒體報導中被反覆陳述為理所當然的事實，進而成為政策規劃的起點。

這也可能是策略行動最不容易被察覺的形式。當以說服他人採用為目的的主張，被包裝成「大家都同意」的共識，策略行動便披上了溝通行動的外衣。

喪失充分溝通與選擇權的社會

這樣的「無人」論述，對民主社會至少可能產生兩種影響。

第一，前提一致，執行分散。不同的公部門在「導入 AI 就能提升效率」的共同前提下各自擬定政策、各自推動，卻少有機會回頭檢視：這個前提本身是否成立？各項政策加總起來，又會把社會帶往什麼方向？整個社會因此可能一路走向一條未經檢驗的路徑。

第二，責任隨之蒸發。既然這個前提從來不是由誰明確提出、也從未被要求給出理由，自然也就沒有人需要為它負責。即使某些決定對部分群體造成傷害，也難以究責，因為那些決定看起來是「大家的」共識。

這正是溝通風險之所在：牽動整個社會的技術與產業發展方向，可能在無人提問、也無人負責的情況下，就這樣定了下來。

一個社會如何談論 AI

目前許多關於「AI 與溝通」的討論，重點放在當我們的對話者變成一部會說話的機器，溝通會產生哪些改變。那是人與機器對話的問題，影響當然重大。但同樣需要追問的是：一個社會如何生產 AI 的論述？我們用什麼語言談 AI、預設了什麼、又漏掉了什麼？

台灣「無人」的 AI 論述，大致可以從三個面向觀察。

第一個面向，是論述幾乎只從生產與競爭的角度理解 AI。效率、成本、競爭力、產業轉型，這些字眼在台灣的 AI 論述中隨處可見，卻很少被定義，更少被質疑，彷彿 AI 理所當然就是為了提高產能、強化市場競爭力而存在。

這些未經檢驗的隱性假設，也就此成為「常識」。「導入 AI 就能提升效率」、「企業要積極用 AI 解決問題才有競爭力」、「學 AI 才不會被淘汰」，並未被當成需要驗證的假設，而是作為共通的前提，在公共領域中不斷被傳播。

一旦升格為前提，就彷彿被認定為真，也因此獲得免於被檢驗的特權。問題不再是「這是真的嗎？」，而只剩「我們怎麼做到？」

被擠到邊緣的「以人為本」

第二個面向，是人文關懷被擠到了邊緣。與效率前提相伴而來的，是技術與市場理所當然地成為討論重點。當然有人談倫理、談社會影響、談人文，只是這些討論多半發生在技術可行性與市場應用確定之後，扮演補充說明的角色。

也就是說，面對 AI 帶來的擠壓與挑戰，人文論述往往只剩下「以人為本」、「負責任的 AI」、「人在迴路」（human in the loop）等口號。這些口號的實質內容是什麼、要怎麼做、是否真正達成，卻少見深入的討論。

誰的前提變成了預設？

第三個面向，則要追問：到底是誰的前提，成了社會的預設？社會學家布赫迪厄（Pierre Bourdieu, 1982）提醒我們，每一次語言交換同時也是一種力量關係，而發言權的分配，和資本一樣並不均等；能讓自己的說法成為「前提」的，往往是已經握有話語權與資源分配權力的人。

回到台灣現場，AI 論述主要由幾個群體生產：科技大廠、政府部門、法人與智庫，以及媒體。這些群體的論述，決定了我們認為 AI「應該解決什麼問題」，也決定了哪些前提會被視為不需檢驗的預設。
但那些最可能受到 AI 影響的群體，例如為數眾多的中小企業、照護與服務業從業者、非技術工作者、資源相對匱乏的社群，卻往往最少有機會發言。

被忽略的風險

論述窄化的代價，並不只是理論上的思辨。更值得警惕的是，那些被效率論述忽略的議題，恰恰可能是國際專家眼中最嚴重的風險。

2026年6月，麻省理工學院未來科技實驗室（MIT FutureTech）與昆士蘭大學（University of Queensland）共同發布《人工智慧風險優先排序》研究報告，以德菲法（Delphi method，讓專家進行多輪匿名評估、逐步收斂意見的研究方法）調查272位國際 AI 專家，評估24項 AI 風險。結果顯示，在維持現狀的情境下，有18項風險被專家評估為在2030年前至少有10％的機率造成「災難性後果」，也就是導致逾100萬人死亡、逾1,000億美元經濟損失，或對民主規範等造成同等規模的文明性損害。

即使在採取務實緩解措施的情境下，仍有5項風險的機率高於10％，「權力集中化」（power centralization）就是其中之一。它指的是 AI 帶來的權力與資源，高度集中在少數擁有強大 AI 系統的組織手中，例如大型科技公司，導致利益分配極度不均。報告形容這或許是最頑固的一項風險：開發 AI 的一方，恰好也最有能力獨占其利益，形成自我強化的循環，僅靠技術手段恐怕難以扭轉。
這正是台灣以效率與競爭力為主軸的 AI 論述中，幾乎不曾出現的問題。當公共討論只問「如何導入」，便很少有人問「導入之後，利益流向誰」。

另外兩項風險則直接與溝通有關。其一是「錯誤資訊」：AI 可能無意間生成，或被惡意用來散播錯誤或欺騙性內容，使使用者形成錯誤的信念。其二是報告另列一項的「資訊生態污染與共識現實的喪失」（loss of consensus reality）：高度個人化的 AI 生成內容可能製造「過濾泡泡」，也就是我們慣稱的「同溫層」，讓人們只接觸符合既有信念的資訊。

這兩項風險談的是 AI 做為「說話者」如何影響溝通，與本文所談的社會論述可能彼此加乘：一個社會的 AI 論述若本已窄化，AI 生成內容所製造的同溫層，只會讓不同的聲音更難被聽見，讓未經檢驗的前提更加穩固。

從公共領域到更多元的發言場域

那麼，只能坐看 AI 沿著如此單一且充滿風險的路徑持續發展下去嗎？哈伯瑪斯提出的「公共領域」，或許是尋找出路的起點：依然相信理性溝通的必要與可能，藉由更多的對話與調整，找回數位時代中公共領域之所在，讓人們有機會接近事實、獨立思辨。

但這樣可能還不夠。政治哲學家弗雷澤（Nancy Fraser, 1990）曾指出，哈伯瑪斯所描繪的公共領域，實際上排除了許多弱勢群體的聲音；她主張，受排除的群體需要屬於自己的「弱勢反公眾」（subaltern counterpublics），在其中發展並流通自己的論述，再回到更大的公共領域，與主流觀點對話。放回台灣的 AI 論述，這意味著除了邀請更多人「參與討論」，更要讓中小企業、照護工作者、非技術工作者等群體，有機會以自己的語言、從自己的處境，提出他們關於 AI 的觀察與想法。

無可否認，這樣的想法可能過於樂觀，甚至有些天真。但面對未知的將來，我們似乎並沒有悲觀的權利。

參考文獻

• Bourdieu, P. (1982). Ce que parler veut dire: L'économie des échanges linguistiques. Fayard.
• Fraser, N. (1990). Rethinking the public sphere: A contribution to the critique of actually existing democracy. Social Text, 25/26, 56–80.
• Habermas, J. (1984). The Theory of Communicative Action, Vol. 1: Reason and the Rationalization of Society (T. McCarthy, Trans.). Beacon Press.
• Habermas, J. (1987). The Theory of Communicative Action, Vol. 2: Lifeworld and System (T. McCarthy, Trans.). Beacon Press.
• MIT FutureTech & University of Queensland. (2026). Prioritization of risks from artificial intelligence: A Delphi study of 272 international experts. arXiv:2606.04490.

本文初稿刊登於匯流研究電子報第二十五期，經作者更新改寫。

（2026.10.06/台北）隨著生成式 AI 為資訊生態系帶來全新的機遇，以及讀者接收資訊習慣的快速轉變，人工智慧科技基金會（AIF）與 Google 合作，宣布啟動 Google 台灣新聞AI實驗室計畫，以「深化媒體核心價值，拓展公共對話空間」為主軸，透過科技支援、新聞實驗專案，以及工具與轉型顧問服務，陪伴不同類型、不同規模的台灣媒體探索轉型之路。計畫即日起公開招募媒體夥伴，報名至10月20日止。

擁抱 AI 創新浪潮，以科技放大新聞專業價值

近年來，台灣媒體產業正面臨商業模式轉型與人力緊縮的雙重壓力；與此同時，生成式 AI 的崛起更徹底重塑了新聞產製流程。生成式 AI 的發展正為新聞產製流程帶來全新契機。人工智慧科技基金會指出，AI 工具能成為新聞室的得力助手，協助處理龐大的資料梳理與日常繁瑣庶務；當內容產製變得更加高效，媒體更應跳脫過往僅以「產量」與「點擊率」為導向的思維，將資源聚焦於建立深度讀者關係與可信賴的原創報導，進而促進多元且具建設性的公共討論。

「AI 時代的新聞媒體，該是什麼樣子？這是我們想和台灣媒體一起回答的問題。」人工智慧科技基金會執行長溫怡玲表示，「答案不在於單純追求產出速度，而是如何善用科技深化媒體的核心價值。在資訊豐沛的時代，新聞最珍貴的價值在於提供可信任、可追問、可究責的真實洞見。」

多元媒體是民主對話的基礎，關鍵在人

健全的民主社會需要一個讓不同意見能提出理由、彼此質疑、相互回應的對話空間，而多元的媒體正是撐起這個空間的力量。不同立場、不同規模、深入不同社群的新聞工作者，為社會守望、查證與解釋，並將最常缺席的聲音帶回公共對話。

「AI 能延伸新聞專業、為團隊賦能，而新聞工作者的專業判斷與在地關懷更是無可取代。」溫怡玲強調，真正守住媒體價值的，是願意堅持、也勇於嘗試的新聞工作者。因此這項計畫不提供單一的標準答案，而是希望與每一家媒體一起摸索適合自己的方向，讓科技成為新聞專業的工具，而不是取代判斷的機器。

以「與科技同行，開拓媒體轉型路」為號召，公開招募媒體夥伴

本計畫將提供專案參與夥伴系列 AI 課程、Google 工作與 AI 應用工具與轉型顧問服務。

• 官方網站：連結
• 招募對象：符合以下條件之媒體與個人
  • 設籍台灣、機構成立三年以上或第一篇作品發佈超過三年以上之機構或個人
  • 每月定期產出至少兩篇以上關於時事資訊之報導/評論/專題策展
• 計畫期程：2026.11~2028.03
• 報名方式：填寫報名連結
• 報名截止：即日起至2026.10.27
• 申請條件：
  • 需提交：新聞室應用 AI 現況問卷、應用 AI 至新聞產制流程之提案、組織同意書（個人不用）
  • 確保願意完成18個月的專案計畫，課程、輔導出席率至少8成

人工智慧科技基金會及Google誠摯邀請媒體夥伴與關心新聞未來的各界朋友加入，共同以科技深化媒體核心價值，守護台灣多元共榮的公共對話空間。

若您也想與我們一同探索新聞工作的新可能，歡迎報名參加線上說明會，進一步了解計畫內容。

演算法與生成式 AI 正重塑資訊的流向。在營收與人力的雙重焦慮下，台灣媒體疲於追逐流量與速度，卻逐漸偏離守護公共對話與信任的初衷。現任人工智慧科技基金會專案經理的謝汶均，曾參與 JournalismAI Skills Lab，在幾乎零程式基礎下，運用 AI 打造出監測中國熱搜的新聞工具。這次實戰讓她看清，工具能擴張記者的能力，但選題是否敏銳、能否看清工具的局限，依然取決於記者的專業判斷。

如今從實踐者轉為推動者，她深信，AI 時代的突圍之道從來不是追得更快，而是讓科技成為專業的延伸，由人守住新聞的核心價值。

從工作痛點出發，零程式基礎打造監測工具

參加計畫時，謝汶均擔任加拿大廣播公司（CBC）在台駐地製作人，主要協助資深亞洲特派記者報導台灣與中國新聞。她坦言，遠距報導中國，最棘手的莫過於青年失業、常民生活等軟性議題。因為這類故事通常需要記者身處當地、走入人群聊天，才能捕捉第一手氛圍。然而，團隊當時並無派駐中國的條件，缺乏現場感的具體痛點，成了她跨入工具開發的起點。

其實在加入計畫前，她曾嘗試數款標榜免寫程式的爬蟲工具，試圖抓取小紅書資料，卻礙於技術限制，加上身邊缺乏同儕討論與專業指引，幾度碰壁後只能作罷。直到入選由倫敦政經學院（LSE）新聞智庫 Polis 主辦、Google 新聞倡議支持的 JournalismAI Skills Lab，她才有機會重新挑戰。當年她從四百多名申請者中脫穎而出，是台灣僅有的兩名入選者之一。

重啟計畫後，她繞開小紅書嚴密的反爬蟲限制，轉向百度的免費 API，打造出中國輿情監測工具「What’s Trending in China」。系統每天早、午、晚三次自動抓取百度熱搜榜，存進資料庫並譯成英文；前端介面則由她以 AI 開發工具 Lovable 透過「vibe coding」完成。團隊只要打開網頁，便能一眼掌握中國社群的討論焦點，為跨境選題提供即時的靈感起點。

陪伴與同儕激勵，讓專案更容易成功

除了學員間的相互刺激，一對一的導師諮詢是推著她前進的重要推手。謝汶均坦言，有了專家可隨時請益，這才逼著自己全心投入。過去她可能得耗費數日摸索的技術盲點，導師往往兩、三分鐘便能點破癥結，不至於讓人在同一個關卡耗盡耐心與熱情。與此同時，身邊許多學員同樣沒有理工背景，看著大家每週都有新進度，也激起了她「不能落後太多」的好勝心。

謝汶均提到，在整個計畫中，讓她收穫最多的是一堂「拆解新聞 AI 專案產製過程」的實務課。講師帶領學員逆向剖析多個業界知名的 AI 新聞專案，一層層揭開背後的運作邏輯與技術架構。那時她才發現，這些專案外表看似厲害，技術層面其實沒有想像中複雜。這也才消除了她對技術的敬畏與恐懼，更讓她確信：只要方向對了，自己同樣能辦得到。

「現在任何人都能透過 vibe coding，在 AI 協助下開發專案，技術已經不是門檻。」她認為，真正的關鍵是卡關時有人引導、有同儕一起討論。這些支持系統對一個 AI 專案能否走下去、成為真正落地的工具的影響非常大。

當 AI 會寫程式，專業判斷仍是人的工作

謝汶均估計，自己開發的工具約有九成到九成五的程式碼是由 AI 生成，但她強調，基礎能力依然不可或缺。開課前，講師要求沒有 Python 背景的學員先完成 Google 的 Python 線上課程；這段自學當時令她吃足苦頭，卻在實作時派上大用場。因為有 Python 的基礎，才能看得懂錯誤訊息，才能知道問題出在哪裡、該如何修正。

這套工具也改變了她的選題方式。過去尋找中國軟性題材，她多半仰賴外媒的中國報導，但那些內容早已經過其他媒體篩選，呈現的中國並不完整。如今她能直接看見一般網友關心什麼，把原本難以觸及的日常聲音帶進報導。

但她也清楚工具的邊界，因為能登上百度熱搜的內容本身已經過審查，無法用來追蹤敏感議題。哪些訊號值得追、哪些需要存疑，仍得仰賴記者判斷。謝汶均認為，這正是 AI 時代新聞專業的核心，機器能擴大視野，但是查證與判斷始終屬於人。

開發新工具，懂技術的記者一起參與更有優勢

謝汶均認為，相較於直接找工程師或外包，懂一點技術的記者更有優勢，因為記者最了解新聞工作的實際痛點。他們在構思 AI 能用在哪些產製流程時，比較能提出可行的想法，知道哪種技術能解決哪種需求，也清楚技術的邊界在哪裡。「記者懂一點技術，和工程師討論時就有共同語言，雙方對專案的想像更容易對齊，成品也更能真正派上用場。」

從參與者到陪伴者：與科技同行的媒體轉型

如今，謝汶均在人工智慧科技基金會擔任專案經理，將自己走過的路，化為陪伴其他新聞人的力量。基金會預計於今年透過科技支援、新聞實驗專案，以及工具與轉型顧問服務，協助不同類型、不同規模的媒體探索新的可能。專案重點不在於提供單一的標準答案，而是與每一家媒體一起摸索適合自己的方向，讓科技成為延伸新聞專業的工具，而非取代判斷的機器。

「人」才是科技轉型核心。謝汶均建議，新聞機構派員參與培訓時不必拘泥年資，只要對新技術有興趣都適合：資深同仁熟悉產製流程，能打造真正融入工作的專案；年輕同仁勇於嘗試，可輕易跳脫固有框架，兩者搭配效果更好。這些人回到崗位後，便能成為新聞室裡的「AI 種子人才」；只要組織給予時間與空間，從內部分享與小規模試行做起，整個新聞室的 AI 探索就能走得更遠。

她提醒，AI 導入走得快的企業，都已在盤點各部門資料、建立 AI 治理機制；現在讓同仁累積實作經驗，就是在為組織的未來做準備。而台灣媒體的數位轉型不應只是導入新工具，而是讓第一線新聞人有機會親自動手，從自己的需求出發，找出 AI 真正幫得上忙的地方。

若您也想與我們一同探索新聞工作的新可能，歡迎報名參加線上說明會，進一步了解計畫內容。

上篇談到，愈來愈多研究顯示，用錯AI的代價不會出現在使用當下。使用AI練習數學的高中生，撤除AI後考試成績反而比從未使用的同學低17%；資深醫師在導入AI輔助後，沒有AI時的偵測率也出現下滑。這些研究同時提醒，問題不在AI本身，而在用法。

那麼，台灣的教育現場準備好了嗎？

願景寫在文件，真正考驗在執行

教育部自111年起連續四年投入200億元推動「生生用平板」，配發約61萬台學習載具。今年5月，教育部再提出「AI人才方舟計畫」，預計四年投入117.55億元，研發AI家教、AI助教等學習系統，讓AI真正進入教學現場。教育部長鄭英耀也表示，教育不只是教孩子會用AI，更要重新思考未來需要什麼樣的人才。

值得肯定的是，今年3月公布的《臺灣中小學教師與學生AI素養框架》，已經看見框架強調學生在與AI協作時，要保有學習方向與知識判斷的主導權，並在善用AI與避免「認知外包」之間取得平衡。
願景已經寫在文件上，但如同過去所有的政策一樣，接下來的考驗，在於教學與評量的實際執行方法，是否能和願景對齊。

看得到開機率，看不到學習

回到上篇爬樓梯的比喻。要知道腿力有沒有進步，可能會測驗爬到某個樓層需要多少時間，這個時間就是KPI（關鍵績效指標，也就是用來衡量目標是否達成的數字）。KPI原本只是觀察腿力的工具之一，但執行時很容易被誤認為目的本身。測驗只記錄抵達時間，沒有規定怎麼上樓，於是為了準時抵達，有人選擇搭電梯。表面上看來，大家都在時限內抵達了，但是卻沒有將腿力練出來。這個現象常被稱為「古德哈特定律」：當衡量指標本身變成追求的目標，就不再能準確反映真正想衡量的事。

中小學的平板電腦使用率，正是這個現象的縮影。2024年就有媒體報導，審計部發現六都之一有1000多台平板超過三個月未開機，於是教育局隨後將使用率列為軟體採購與載具調度的指標。接著毫不令人意外的，部分學校的使用率在幾個月內暴增三倍，甚至有老師反應，學校會要求老師讓每台平板開機跑一下，於是負責管理的老師就增加了「幫平板開機」的固定工作。使用率原本是為了了解平板有沒有被用在教學上，一旦成為考核指標，追求的就變成開機時數，而不是學生學到了什麼。

比較令人憂心的是，AI家教也可能落入同樣的陷阱。如果評量只看作業完成率或練習成績，直接給答案的AI家教會讓數字最好看，就像電梯讓每個人都準時抵達。

在上篇提到的Bastani研究中，另一組學生使用的AI家教被設定為只給提示、不給答案，比較像樓梯旁的扶手：學生爬累了可以扶一把，但每一步仍要自己走。這組學生練習時的成績比未使用AI的同學高出127％，撤除AI後的考試成績則與這些同學沒有顯著差異，並未出現退步。

要分辨眼前的是扶手還是電梯，方法其實不難，但必須先理解並重視教學現場的流程、教師能力及使用意願，以及教材教案的重新設計，這才是真正讓AI能協助學習的當務之急。

拿掉AI後，是否比原來更強？

回到一開始的討論，用錯AI，比不用更糟糕嗎？從現有研究來看，答案初步是肯定的，但「用錯」二字究竟是什麼意思？上篇提到的研究有一個共同的設計，測量的都是沒有AI協助時的能力。無法引述自己文章的寫作者、撤除AI後考試退步的高中生、沒有AI時偵測率下滑的醫師，代價都是在這個時刻才顯露出來。也就是說，用錯AI的傷害不會出現在使用當下，而是出現在需要獨自判斷的時候。

對教育現場來說，首先是在評量中保留不靠AI的環節，讓「學到了什麼」與「用了多少」同樣被看見。其次，方舟計畫即將研發的AI家教，值得在設計階段就確認它是給提示還是給答案，因為研究顯示，這個選擇可能決定學生是進步還是退步。這個道理並不限於校園，醫師與工程師的案例同樣提醒企業，導入AI提升效率的同時，也需要為員工保留自己判斷的練習機會。

AI可以讓人更快抵達，但能否讓人走得更穩、更遠，取決人類想讓AI扮演什麼樣的角色？在導入之前、在還沒有決定技術規格時就必須想清楚，AI到底是幫助人才增加能力的扶手，或者只是快速達成KPI的電梯？

昨天在台北開了一場關於AI與教育的會議。現場有學校老師、教育行政人員、卸任後的政府代表的不同觀點探討。

大家談了很多很實際的事情。

老師有沒有使用AI的動力？AI工具的費用由誰負擔？AI課程會不會變成老師另一種工作壓力？政府還能提供多少資源，讓老師有更多能力面對AI？

這些都很重要，但是我更想表達的是「AI來了以後，我們到底還需要什麼樣的學校？」因為AI帶給孩子的學習情境，跟過去真的完全不同。首先，它24小時存在，孩子半夜突然想知道一件事情，可以問。今天學歷史，突然想知道經濟，可以問。對一個完全陌生的領域產生興趣，也可以立刻開始。它沒有學科的圍牆，也沒有老師下班的時間。孩子第一次面對一個可以隨時對話、跨領域回應的學習對象。

所以我認為，AI對教育最大的衝擊，可能不是「老師會不會使用AI」。而是：當孩子什麼都可以問AI的時候，學校更需要做什麼？這個問題如果沒有想清楚，我們只是努力把AI工具教給老師，卻沒有真正面對教育正在發生的改變。我反而覺得，未來老師最重要的工作，可能越來越不是提供答案。而是陪孩子判斷答案，因為AI告訴孩子的，可以是正確的，也可能是錯的。可以是有價值的，也可能是誤導的。甚至可能是孩子還沒有能力判斷好壞的資訊。

所以真正重要的事情，是孩子在AI世界裡得到一個答案之後，他願不願意再把這個答案帶回學校。「老師，AI跟我說這個。」、「可是我覺得好像怪怪的。」、「老師，你覺得呢？」或許是這樣學校教育現場是AI時代中，更重要學習信任關係的再建立。老師不一定要比AI知道得更多。但老師可以陪孩子一起查證、一起懷疑、一起討論，最後慢慢形成自己的判斷。這其實是一種很深的學習信任。孩子相信老師，所以願意把自己在AI世界裡看到的東西帶回來。老師也願意理解孩子，而不是只告訴他標準答案。

如此一來，學校就不只是「教知識的地方」。它會逐漸變成一個讓孩子學習如何理解資訊、如何與世界相處、如何做出自己的判斷的地方。這可能才是AI浪潮來襲下，學校的教育真正無法輕易取代的部分。我不認為積極討論「老師應該需要學哪種AI工具」是最重要的課題。但是真正更要關注的是「我們有沒有開始重新想像學校？」如果未來孩子擁有一個24小時、跨領域、永遠可以對話的AI，那麼老師、教室、學校的角色，就一定會改變。問題不是要不要改，而是我們能不能在改變發生之前，先想清楚我們希望它變成什麼樣子。

因為最後真正需要被教育的，也許不只是學校的孩子，還有我們自己。我們必須重新理解：當答案變得如此容易取得之後，教育真正珍貴的，究竟還剩下什麼？我想，也許就是那一段人與人之間，願意一起學習、一起懷疑、一起理解世界的信任關係。而這，可能正是AI趨勢浪潮下，學校教育現場最值得重新建立的地方。

近幾個月來，與 AI 相關的駭客事件接連發生，讓 AI 安全議題再度成為各界關注焦點。微軟（Microsoft）共同創辦人比爾．蓋茲（Bill Gates）日前受訪時也對 AI 技術可能遭到濫用表達憂心，主張應為 AI 建立防護機制。他認為，執法機關與政治人物應參與相關討論，釐清防護措施與監管機制應有的樣貌，並將其列為強制規範；此舉雖會為業界帶來一些額外負擔，但不至於大幅拖慢產業的發展進度。

台灣數位信任協會攜手數位部、調查局、刑事局 公私協力打造全民數位防線

當 AI 安全逐漸成為需要政府、執法單位與社會共同面對的公共課題，台灣也正以行動回應。台灣數位信任協會發起「台灣資安日」聯合倡議，由數位發展部資通安全署、法務部調查局及內政部警政署刑事警察局擔任指導單位，攜手數十家跨領域企業與產業協會共同推動，盼將資安防線從機房延伸到每位民眾的日常生活。

台灣面臨的威脅確實迫切。根據國家安全局統計，台灣每日遭受超過 260 萬次境外網路攻擊，頻率居亞太之首；今年以來，詐騙手法更已演變為結合 Deepfake 深偽視訊、假帳單與私訊誘導的「混合式攻擊」，目標從政府與企業擴及一般民眾。

協會選定 9 月 21 日「全民防災日」作為台灣資安日，希望將實體防災的觀念延伸至數位世界，從反詐騙、假訊息識讀、個人隱私與數位自主權等面向著手，以公私協力打造全社會的安全韌性。

資安不只是技術，更是全民防衛

台灣數位信任協會理事長詹婷怡指出，歐盟、美國、新加坡等許多國家都已將資安視為基礎建設。隨著 AI 時代來臨，深偽等各類新型態威脅接踵而至，再加上地緣政治等不確定因素，使得數位環境愈來愈複雜，也愈來愈難以防範。

她表示，資安已不再只是單純的技術問題，而是攸關國家與社會安全的全民防衛課題，更會直接影響社會運作。台灣目前雖已有「資安產業日」及備受矚目的台灣資安大會，但仍缺少從民眾視角出發的推動力量。

詹婷怡認為，建構全民資安意識與量能可從三個面向著手：首先是認知的轉變，讓每個人打破「事不關己」的心態，從旁觀者轉為第一線的防衛者；其次是在每個人身上建立核心能力，包括資訊素養與數位防禦力；最後則是建構安全防衛網，讓產官學研與社群之間能互相通報、即時建立安全機制，作為全民韌性的基石。

她強調，「人」往往是安全防線中最關鍵、卻也最脆弱的一環。唯有全民具備資訊素養與數位免疫力，並落實於日常防衛，社會面對網路威脅時才能真正具備韌性與反脆弱能力。

資安攻擊不僅是威脅，也是龐大商機

數位發展部部長林宜敬則以「Taiwan is the honeypot of the free world（台灣是自由世界的蜜罐）」形容台灣的處境。他解釋，資安專家常架設誘捕用的假伺服器吸引駭客攻擊，藉此研究攻擊手法並發展防禦工具；台灣長期承受各國駭客攻擊，也因此淬鍊出強大的資安產業。他認為，資安攻擊不僅是威脅，也是龐大商機，期盼台灣資安業者協助政府、關鍵基礎設施與民間企業解決資安問題，並將台灣經驗輸出海外。他也期許台灣資安日不只是一場活動，而能讓資安成為台灣社會共同的語言與日常習慣。

讓「資安即國安」真正落實為國民的日常素養

法務部調查局副局長顏成安指出，台灣身處亞太地緣政治與全球科技供應鏈的核心位置，是全球資安攻防的第一線。當駭客攻擊不只穿透系統防火牆，更直擊民眾的心理防線時，資安問題便直接牽動國家安全、經濟命脈與全民財產。

他說明，調查局的資安任務涵蓋守護核心、打擊犯罪與推動聯防三大面向：針對國家級 APT（進階持續性滲透攻擊）及關鍵基礎設施遭入侵事件，進行威脅獵捕、數位鑑識與跡證溯源；強化 AI 偵測技術，打擊假訊息操作、Deepfake 深偽影音及結合虛擬資產洗錢的跨國犯罪集團；並與高科技產業及關鍵基礎設施營運者建立通報與情資共享機制，從事後偵辦轉向事前預警，共同守護台灣「護國神山群」的營業秘密與數位資產。

顏成安坦言，面對無遠弗屆的數位威脅，單靠政府或執法機關無法單打獨鬥。他認為，台灣資安日由民間發起、結合公部門與產業界，格外具有意義；當公部門的執法量能與民間的技術創新無縫接軌，便能將被動防守轉為主動聯防，讓「資安即國安」真正落實為每位國民日常的數位素養與自我保護能力。

台灣資安日官方網站：https://www.cyberday.tw/

AI進入教學現場所帶來的挑戰，不只是技術應用的問題，更牽動著課程設計、教師專業發展、學習評量，乃至教育政策的整體走向。學校需要的不僅是設備與平台，還要有一套清晰的願景與完善的支持系統；教師也不能只仰賴一次性的研習，而需要能隨時代變化持續精進的在職培訓機制。

換言之，AI時代的教育改革，必須從教學現場出發，延伸至師資培育，進而擴及國家對未來教育的整體規劃。有鑑於此，AIF近期召開專家會議，邀集第一線教師、教育行政與學界專家，共同探討教育如何把握AI帶來的契機，解決教學現場正在面對的難題與限制，開創更多元的學習可能。

生成式人工智慧重塑了知識傳遞的方式，更深刻影響教師的專業角色與職責範疇。然而，綜合教學第一線的觀察，儘管AI工具日新月異，教育現場卻未能同步跟上。教師導入 AI 的阻礙並非單一因素，而是橫跨個人意願、教學習慣、教學體制、學生行為到基礎建設的多重結構性問題。若這些問題未能妥善處理，AI非但無法減輕教師負擔，反而可能成為另一份重擔。

在教學現場，老師運用 AI 時面臨的具體困難可歸納為以下幾個面向：

從設備到帳號，AI導入的層層門檻

首先，最現實的是硬體資源的不足。與會專家指出，不少學校在導入AI時，最先反映的其實是硬體問題：許多學校的電腦與平板設備老舊，校內Wi-Fi頻寬不足、連線品質不穩，經常出現「有設備卻跑不動」的窘境。資源分配方式也會加劇落差，如果教育補助多以競爭型計畫核發時，資源將大量集中於少數積極申請的學校，而蛋白區與偏鄉學校則因缺乏撰寫計畫的人力，或因學校人數少，根本沒有廠商願意投標，難以取得應有的資源，使城鄉數位落差持續擴大。

其次，在工具使用方面，絕大多數教師目前僅使用免費版AI工具，缺乏付費訂閱進階服務的意願。這除了受限於經費不足，更關鍵的原因在於，教師的應用多半停留在一次性生成文字、圖片、教案草稿或簡報等初階層次，缺乏將AI融入備課與教學整體工作流（Workflow）的經驗與想像，自然也難以感受到進階功能的價值。此外，部分教師對AI的認識仍停留在「容易產生偏見與幻覺」的印象，進一步限制了應用的可能。

另一方面，台灣教育長期以考試升學為唯一導向，學生的學習目標多半是應付測驗、追求高分，這樣的教育框架也限縮了AI的施展空間。考科教學普遍以傳統應試訓練與「刷題」為主，教師難以在有限的課時中找到融入AI的餘地，使得AI的教學應用多集中於非考科，始終難以走進核心學科的課堂。

AI進入課堂，同樣為學生的學習帶來新挑戰。專家們大多提到，不少學生拿到手機或平板後，容易分心瀏覽娛樂內容或玩手遊，增加了課堂管理的難度。更值得關注的是，部分學生、特別是偏鄉與弱勢學生，缺乏自主學習的目標，使用AI常只是直接複製貼上答案繳交作業，不僅導致獨立思考能力下降，也缺乏判斷AI答案正確與否的能力。這使得教師在將AI應用於教學、引導學生正確使用時，面臨更大的挑戰。

時間、動力與師資都不足

除了學生端的挑戰，教師本身同樣面臨不小的困境，首先便是時間的匱乏。教師除了日常教學，還必須花費大量時間照顧學生、應對家長與處理校務行政，這些事務已占據大部分的心力，課餘或假日幾乎難以再抽出時間自主學習新科技。

其次是學習新科技的動機不足。由於教科書廠商長期提供完善的教學配套與工具，老師自行設計教案、融入AI的迫切性並不高；也有部分教師傾向留在熟悉的教學模式中，缺乏轉變的誘因。

即使跨越了上述門檻，真正開始使用AI的教師，則面臨另一種矛盾。那就是當AI能快速協助草擬教案、生成學習單、出題、整理資料或製作簡報。特別是在教學範圍廣泛、沒有固定教科書的素養導向課程或多元選修課程中，AI能迅速提供框架與素材，成為教師得力的備課助手。

然而，省下的時間並未轉化為餘裕。因為備課是無止境的，當工具變得靈活，教師對教學的想像與要求也隨之提高，進而投入更多心力開發跨領域課程、精進課堂活動，整體備課時間反而不減反增，這樣的現象在非考科與彈性課程中尤為明顯。

核心問題：我們想培養什麼樣的人才？

上述困境顯示，AI能否真正成為教師的助力，關鍵不在工具本身，而是整體制度能否提供足夠的支持。教育的AI轉型不應讓第一線教師獨自承擔變革的成本，而應透過完善的政策與支持機制，協助教師順利融入轉型，同時守護其核心價值與專業自主性。

但是這些問題的關鍵，終究要回到核心提問：我們究竟想培養什麼樣的人才？當知識取得變得前所未有地容易，許多重複性的工作逐漸由機器取代，教育的目標勢必需要重新校準。唯有先釐清對未來人才的想像，AI在教學上的應用才能找到真正的方向，而不只是追逐新工具的熱潮；也唯有如此，AI才能真正幫老師備課，而不是讓老師備更多課。

2025年6月，麻省理工學院媒體實驗室（MIT Media Lab）發表的一項研究，很快成為討論「AI會不會讓人變笨」時常被引用的證據。研究者將54名受試者分成三組撰寫短文，一組使用ChatGPT，一組只能用搜尋引擎，一組完全不用工具。第一次寫作後，ChatGPT組有83.3％的人無法正確引述自己剛寫完的文章，另外兩組都只有11.1%。

這項研究更值得注意的，或許是它的評估方式：研究者觀察的不是使用AI當下寫得好不好，而是當AI不在身邊時，人還保留了什麼。在第四次實驗中，讓原本使用ChatGPT的人不能使用任何工具寫作，透過腦波儀（透過頭皮電極記錄大腦活動的儀器）顯示，他們大腦各區域之間的協同運作偏弱，研究者的解讀是「投入不足」。

不過，這項研究仍是尚未經同儕審查的預印本，第四次實驗只有18人完成。後續已有學者發表評論，指出樣本數有限、分析難以重現、腦波分析方法有疑義等問題，認為部分結論應更保守。這些質疑值得重視，但這個研究所提出的問題，後續已有設計更嚴謹的研究，得出方向近似的結果。

用AI時看似進步，拿掉AI反而能力倒退

華頓商學院Bastani等人在《美國國家科學院院刊》（PNAS）發表的隨機對照實驗，是目前方向一致的證據之一。研究中讓近千名高中生使用類似ChatGPT的AI家教練習數學，練習時的成績比未使用AI的同學高出48%；但撤除AI後，考試成績反而比這些同學低17%。另一個跨校研究團隊以1,222名受試者進行實驗，發現僅約10分鐘的AI協助，就讓受試者之後獨立解題的表現明顯變差，也更容易放棄。

為什麼會這樣？心理學家Bjork的「必要難度」理論是可能的解釋。這個理論指出，學習過程中感覺吃力的部份，例如自行寫出答案，雖然會降低當下表現，卻能強化長期記憶與應用能力。關鍵在於「表現」與「學習」不同：表現是當下看得見的成績，學習則是能持久保留、且能夠在新情境中應用的改變。

就像搭電梯比爬樓梯快，但腿力必須在爬樓梯時訓練出來。腦力也是如此，判斷力與直覺，只會在自己推敲、犯錯、修正的過程中慢慢累積。AI直接給出答案，就像替人按下電梯按鈕：人很快抵達目的地，成績看起來進步了，但那段讓腦力成長的路卻沒有走過。

對教育現場而言，這意味著真正需要在意的，不是作業寫得多快、練習分數多高，而是學生是否學到了自己需要的能力。

新手無法培養能力，老手會生鏽

類似的情況，不只出現在學生身上。

對新手來說，AI可能讓能力長不出來。AI公司Anthropic請52名較為資淺的工程師學習一套陌生的程式工具，使用AI的一組在事後測驗中平均50分，自己動手的一組則是67分，完成任務的速度也沒有明顯較快。兩組差距最大的，正是找出程式錯誤的除錯能力。研究者推測，自己動手的一組遇到較多錯誤，也正因為如此，而在這樣的過程中練出了除錯能力。

對老手同樣有影響。波蘭一項研究追蹤19位各做過超過2,000次大腸鏡檢查的資深醫師，發現導入AI輔助後，他們在沒有AI時的腺瘤（可能發展為癌症的大腸瘜肉）偵測率，從28.4％降到22.4％。這是觀察型研究，只能說明相關性，無法證明能下降就是AI造成的，但它呼應了航空業更早的發現。研究者Casner發現，美國航太總署長期依賴自動駕駛的機師，操控手感大致完好，退化的是判斷位置、辨識故障等思考能力。用他的話說，該擔心的不是機師「用手」做的事，而是「用腦」做的事；更嚴重的是，這些能力可能平常不太重要，卻往往是系統出狀況時千鈞一髮的能力。

問題在用法，而不在AI本身

所以「最好別用AI」嗎？上述研究其實不支持這樣的解讀。例如Anthropic的研究同時發現，同樣使用AI、得分較高的人會用AI追問概念、要求解釋，而不是直接索取程式碼。Bastani的研究中，另一組學生使用經過教學設計的AI家教，結果也截然不同。這些研究的任務、對象與評量時間都不相同，結論能夠如何延伸、適用在何種情境，仍有待更多研究逐漸發掘。可是至少目前已經可以看出，用AI來協助學習，究竟是好是壞，必須先看人究竟使用AI來完成了哪一部分的工作。

如果用法決定結果，那麼當台灣正把AI大規模帶進中小學課堂，下一個必須立刻探索的問題就是：要用什麼方式確認，學生的確是在學習培養能力、成為未來的人才，而不只是把學習外包出去，完成表面上的KPI？

資料來源：

• Kosmyna, N. et al., "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task," arXiv:2506.08872, 2025
• Stanković, M. et al., "Comment on: Your Brain on ChatGPT," arXiv:2601.00856, 2025
• Bastani, H. et al., "Generative AI without guardrails can harm learning: Evidence from high school mathematics," PNAS, 122(26), 2025
• Liu et al., "AI assistance reduces persistence and hurts independent performance," arXiv:2604.04721, 2026
• Shen, J. & Tamkin, A., "How AI assistance impacts the formation of coding skills," Anthropic, arXiv:2601.20245, 2026
• Budzyń, K. et al., "Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy," Lancet Gastroenterology & Hepatology, 10: 896–903, 2025
• Casner, S. M. et al., "The retention of manual flying skills in the automated cockpit," Human Factors, 2014

最近 AI 圈出現一個耐人尋味的現象：前沿 AI 業內人士開始公開呼籲放慢發展腳步。先是Anthropic 研究員在社群上發表辭職聲明，直指各大實驗室是在「gambling with our lives」；隨後，Anthropic 執行長 Dario Amodei 發表〈We Must Pace the Frontier〉，呼籲產業放慢前沿模型的能力提升速度。對此，NVIDIA 執行長黃仁勳的回應也相當直接：如果真覺得自家 AI 快要失控，那就自己先停下來。

各方背後自然各有盤算，而這場「暫緩派」與「加速派」之爭，短期內應該還會持續。值得注意的是，就在呼籲放慢的同時，各家新模型仍一款接一款推出。本週就從這兩條看似矛盾、實則並行的主線談起。

一、AI 安全議題升溫，從路線到模型能力蒸餾

(1)減速與加速的路線之爭：
Dario Amodei 等 AI 領袖主張放慢前沿 AI 的發展速度，核心論點是以更嚴格的安全評估與產業間協調，替社會與政府爭取建立治理機制的時間。這並非要求停止研發，而是希望前沿能力的推進速度不要遠遠甩開制度的應對能力。

不過，NVIDIA CEO黃仁勳則持相反立場。他認為，若一家公司真心相信自己的 AI 已危險到可能失控，最直接的做法是自行暫停；以尚未經科學證實的末日風險，要求整個產業一起減速，理由並不充分。

(2) Anthropic 威脅報告與美國政府的指控：
Anthropic 發布最新《威脅報告》，披露過去八個月 Claude 遭濫用的典型案例，包括涉及生物武器風險的警示、間諜活動、被要求扮演 4,700 個約會 App 用戶，以及中國 AI 實驗室以 Claude 代替自家模型對外提供服務等情況。

而美國政府也罕見地公開指控六家中國 AI 公司，透過 distillation（蒸餾）大規模擷取美國前沿模型的能力。這讓「AI 安全」的討論不再只停留在模型本身會不會失控，也延伸到能力外流與地緣競爭的層面。

二、前沿模型競賽並未停歇

(1)Anthropic 發布 Claude Fable 5.1
主要回應先前用戶的回饋。新版在長程式碼編寫與研究型任務上的表現明顯提升，觸發安全攔截的頻率也有所降低，在實用性與安全性之間做了進一步調整。

(2)OpenAI 推出備受期待的 GPT-6 Astra
，官方稱其為「最智慧、最符合人類價值觀」的模型，在科學、數學、電腦操作、程式設計與網路安全等領域的基準測試均創下新高。黃仁勳甚至表示，AGI 的時刻已經到來。不過，基準測試成績與「AGI」之間該如何界定，業界仍有不同看法。

(3) Meta 發布 Muse Spark 1.3
主打前沿等級效能與極低成本。加上 Google 不久前才推出 Gemini 3.7／3.8 Flash，輕量高效模型的競爭明顯升溫。這也顯示 Meta 正逐步走出 Llama 系列後期的低谷。

(4) 中國新創 Z.AI 推出 GLM-5.3-Flash，各指標數據為 DeepSeek 兩倍
中國新創 Z.AI 證實，先前在 OpenRouter 排行榜登上榜首的匿名免費模型「Ox Alpha」，正是其新款 GLM-5.3-Flash，各項指標數據約為第二名 DeepSeek 的兩倍。Z.AI 已公開模型權重，定價僅為頂尖競爭對手的一小部分。開源權重加上低價策略，對商用模型的定價空間將持續帶來壓力。

三、數學與醫學難題

(1) OpenAI 宣稱解決七大「千禧年大獎難題」之一，引發優先權爭議
OpenAI 表示，其未公開的內部模型完成了數學證明，解決七大「千禧年大獎難題」之一的 Navier-Stokes 方程式問題。然而，紐約大學的 Tristan Buckmaster 質疑，OpenAI 是否利用了他存放在 Codex 中的草稿搶先完成。OpenAI 最新回應否認受到草稿影響，但承認確實是聽聞該研究方向的進展後才投入。

撇開證明本身仍待數學界驗證，這起事件點出一個新問題：當研究者把未發表的工作放在 AI 工具中，資料邊界與學術優先權該如何保障，未來恐怕會越來越常被討論。

(2)AI 設計藥物出現延緩衰老的早期訊號
Insilico Medicine 公布的小樣本試驗數據顯示，其 AI 針對肺病設計的藥物 rentosertib，使患者在全部六項「衰老時鐘」指標上呈現較年輕的生物學特徵。這仍屬早期訊號，樣本數有限，但若後續得到驗證，意味著藥物效果可能不只限於肺病。比起各種行銷式宣傳，這類具體的醫學成果，或許更能改變大眾對 AI 的觀感。

四、學術前瞻

(1) IBM：STAIR，讓檢索學會「翻目錄」
《STAIR: A novel dataset and LLM based retriever for document structure augmentation》這篇論文指出，傳統檢索與 RAG 常因片段化切分（chunk）而遺失上下文的語義關聯。STAIR 將文件的目錄結構納入檢索流程，模擬人類先看目錄、再定位內容的方式，以提升精確度並降低幻覺。研究團隊同步發表跨領域的 SearchTome 基準測試集，實驗顯示其召回率明顯優於 BM25 與微調後的 DSI 等基準方法。

(2) Google DeepMind、MIT、Stanford：設計文件才是系統的唯一真理
《Design Docs Are All You Need: An AI-native Machine-Learning Performance Tool》這篇論文則提出名為 SMART 的效能建模工具，核心理念是把自然語言設計文件當作系統的唯一依據，而非程式碼。由於 ML 領域的硬體與模型架構更迭極快，傳統程式碼容易累積技術債，SMART 因此由 AI Agent 依據設計文件重新生成整個函式庫，並以有向無環圖管理模組依賴、以符號式中間表示法計算效能成本。這種做法同時處理了程式碼生成的上下文限制，也透過逐步範例維持輸出的一致性。

(3.) AIST、牛津大學等：視覺通用智慧白皮書
AIST、牛津大學等單位在《Visual General Intelligence: A White Paper》這份白皮書中主張，智慧不應只局限於語言，而應從視覺經驗中學習物理規律、空間結構與因果關係。透過大規模影片生成、自監督預測與 3D 重建，模型可望展現創意想像、科學發現與機器人體感互動等能力。與目前把視覺當作語言模型附屬功能的做法不同，VGI 強調建立視覺原生、具備持續學習與主動感知特性的系統。

結語：一邊呼籲減速，一邊持續衝刺

本週的訊號看起來有些矛盾：呼籲放慢前沿發展的聲音變得更響亮，新模型卻照樣密集推出，而且推出者往往正是同一批公司。

這未必是虛偽，更可能反映出產業的真實處境：沒有任何一家公司能單方面停下，因此才有人希望透過協調與規範，讓大家一起放慢。加速派則認為，在風險尚未被證實之前，減速本身也有代價。

對企業與一般使用者而言，這場辯論短期內不會有結論。比較務實的做法，是持續關注各方論點如何轉化為具體政策，同時留意那些真正落地的成果，例如醫藥與科學研究上的進展，因為它們最終會比口號更能說明 AI 帶來了什麼。

全球正進入一個高成本、低成長的時代，環顧四周，僅台灣與韓國仍維持相對亮眼的成長動能，這股動能，幾乎全數來自 AI 伺服器相關產業。但對台灣企業而言，即便擁有扎實的產業底子，也不代表就此高枕無憂，而企業競爭力的關鍵已不再只是資源多寡，而在於能否做出更快速、更精準的決策。

人工智慧科技基金會執行長長溫怡玲日前在「鄧白氏中小企業菁英獎」頒獎典禮分享相關調查內容時表示，當人人都能使用生成式 AI，且完成相同任務所花費的時間也大致相近時，真正決勝負的關鍵，便不再是「能否使用 AI」，而是企業如何在AI的基礎上，善用策略與資源脫穎而出。她指出，目前許多企業雖已導入 AI，但無論在商業效益或價值創造上，都尚未產生任何實質成效。

「有用 AI」不代表「AI 有用」

根據人工智慧科技基金會2026年所發佈的台灣產業AI化調查報告顯示，企業導入 AI 的比例明顯提升，「Ready AI」與「Scaling AI」合計達 47.8%，這意味著台灣產業 AI 化正式邁入主流擴散的臨界點，企業已不再仰賴政府開課，而是能自主展開行動。

當產業對 AI 的應用已從觀望逐步邁向落地，如何將工具導入真正轉化為營運決策，仍是多數企業共同面臨的課題。為了解答這個問題，美商鄧白氏與人工智慧科技基金會（AIF）合作進行「Top 1000 中小企業 AI 決策力調查」，觀察中小企業如何從 AI 工具導入，逐步邁向營運與決策應用。

調查顯示，目前約有 63.1％的中小企業，仍停留在 AI 導入的前兩個階段；此外，高達 86.7％的中小企業，其投資決策尚未正式落地執行。針對此結果，溫怡玲認為，多數企業在 AI 投資決策上，仍停留在評估投資報酬率（ROI）的階段，但 AI 應用往往需要經歷大量失敗與反覆迭代，才能累積出真正可用的成果。這樣的過程，對資金運用必須錙銖必較的中小企業而言，形成了績效評估上相當嚴峻的關卡。

這正凸顯了「治理決策」的重要，因為治理包含了「要不要用 AI？」「怎麼用？」「要交給哪個部門負責？」「定義成功與失敗的標準？」「在什麼情況下該判斷放棄？」這些屬於決策的課題，最終都必須回到經營者身上，每一項都是經營者的挑戰。

而當企業真正進入「應用」階段時，所需要的則是「執行」層面的能力，其中最關鍵的兩項要素，就是數據與流程。

AI Ready已經不夠， AI-Agent Ready才是關鍵

從導入目的來看，「降本增效」仍是多數企業導入 AI 的首要目標。但溫怡玲提醒，降本增效多數企業都能做到，並不足以構成真正的競爭優勢；真正能決定勝負的關鍵，在於企業對自身數據的掌握程度，以及組織文化是否具備快速整合新資料、落實人機協作的能力。尤其組織文化與營運策略的建立，都不是 AI 或任何技術能夠代勞的課題。

在相關技術快速發展的影響之下，算力有很多種不同的配置，模型也有各式各樣可供選擇，唯有「數據」是企業發展 AI 時始終無法迴避的關鍵要素。溫怡玲說，數據分成很多種，其中一種是龐大資料的堆疊，看似規模驚人，卻尚未整理成可供 AI 有效運用的狀態。資料量龐大，不等於準備就緒；唯有「AI Ready」的數據，才能真正發揮效益。

她觀察到，企業目前面臨的挑戰，在於如何定義並整合真正關鍵的數據。當企業的數據，以及 ERP、CRM 等跨部門資料與系統的整合程度越完整，AI 導入的進展就會越快。當企業著手導入 AI、開始整理數據時，勢必也需同步梳理內部流程；而在這個過程中，往往會發現企業內部存在許多過去未曾察覺的業務斷點。她表示，只要能將這些斷點重新串接起來，即便不採用高深的 AI 技術，也能看見明確的成長。

另一方面，「AI 人才」的定義，與 2017 年相比也已出現顯著轉變。溫怡玲建議，企業可善用數位發展部發布的人才指引作為參考，並透過內部重新賦能（reskill）現有員工，以彌補招募工程師的成本缺口。

她強調，企業內部真正解決問題的關鍵，往往不是工程師，而是第一線實際面對業務的人員，他們最清楚哪些問題適合交由 AI 處理、哪些則否。

生成式 AI 熱潮下的兩極化產業落差

調查也呈現出各產業 AI 化現況的明顯落差，部分產業 AI 化比例特別偏低。溫怡玲解釋，這波 AI 進展主要由生成式 AI 帶動，而部分產業本身在生成式 AI 的應用上相對有限，它們所需要的，可能是邊緣 AI 或端對端的應用，而非網路服務型態的應用，因此生成式 AI 在這些產業中的應用率相對較低。

而不同產業前面臨的具體困難也都不同。以傳統製造業為例，最大的挑戰在於過去許多資訊系統採外包模式，導致數據並未掌握在企業自己手中；如何取回數據所有權、如何與原有資訊廠商協調合作，成為關鍵課題。同時也發現，全台約有五成企業在導入 AI 時，第一個尋求合作的對象，正是原本既有的資訊系統廠商。

除了數據治理與人才缺口之外，企業普遍表示，導入過程中真正需要的，是經過驗證的成功應用案例。對此，溫怡玲認為，重點並非直接複製他人做法，因為每家企業的目標與數據條件都不相同；真正的價值，在於理解他人從零到一的完整歷程，再依據自身情況調整出適合的路徑。她也提到，企業在導入過程中普遍需要導入顧問或技術顧問的協助，以應對過程中必然出現的種種問題。

而AIF 因較早投入此領域，已觀察過數百個失敗案例，期望能協助企業站在他人的失敗經驗上，提高自身成功的機率。她也強調，單純觀望或聆聽課程，並不足以真正推動導入，唯有實際動手，才能看見成果。

潛藏風險： Shadow AI 與 AI Slop

另一方面，隨著內部員工使用AI的比例提高，企業目前需要注意的另一項隱憂則是「Shadow AI（影子 AI）」。溫怡玲引用國外調查數據指出，目前已有約八成員工在工作中私下使用 AI 工具，但企業對於員工究竟傳出了哪些資料、又帶回了什麼樣的生成內容，幾乎毫無掌握。

她建議，企業可從兩個方向著手：首先，應針對內部資料進行機密程度分級；其次，再依據分級結果，建立相對應的使用授權機制。

伴隨員工使用AI產生的負面影響還包括了「AI Slop」（可暫譯為「AI 垃圾內容」）的出現，這個去年的年度關鍵字之一，指的正是 AI 生成後未經把關、品質低落的內容。這樣的現象目前已大量出現在工作場域中，對組織整體競爭力恐帶來負面影響。

因此，溫怡玲建議，企業在導入 AI 的同時，應同步檢視員工的技能是否真正因此轉化，能否承接更具價值的新任務，並創造出因 AI 而生的新價值。

她特別提醒，多數企業目前仍停留在「將重複的工作交由 AI 取代」階段，但下一個關鍵問題是：當這些工作被取代之後，員工該投入哪些更具價值、更有發展潛力的工作？這是每一位經營者都必須共同思考的課題。

數位發展部部長林宜敬近年大力倡導資服業者從「專案化」轉向「產品化」，降低營收對人力的依賴。根據人工智慧科技基金會（AIF）的研究，不少積極的業者已意識到 AI 帶來的產品化機會，但「市場在哪裡」與「如何收費」仍是發展產品時最關鍵的兩大難題。

為協助業者跨過這道門檻，AIF 攜手資策會推動《2026 資訊服務業者經營賦能計畫》，日前舉辦產品化經營核心課程，由人工智慧科技基金會執行長溫怡玲主講首場課程，透過創新用途理論，引導業者從思維轉換出發，走向實際應用，提供從專案型服務邁向產品化經營的方法論，讓技術能力轉化為具市場價值的創新產品。

先搞懂客戶「為何要用 AI」？以用途理論拆解資服業產品化關鍵

溫怡玲回顧，創新的焦點從早期的技術創新，走向產品創新，再到以 iPhone 為代表的顧客體驗創新。過去企業看顧客，多半著眼於性別、學歷、居住地、收入等個人資料，但用途理論關注的是另一件事：顧客拿產品來做什麼？換言之，關鍵在於真正理解使用者

同樣的道理也適用於客戶的 AI 導入需求。客戶為什麼需要 AI？最淺層的理由，往往只是「朋友都在用」。但如果客戶並不清楚自己為何要用 AI，即使協助導入，後續仍容易累積許多不滿。這些不滿並非誰的過錯，而是因為客戶才剛開始思考：究竟要拿 AI 來做什麼？
「客戶的任務與用途，才是決定產品前途的關鍵，」溫怡玲建議，當客戶自己也說不清楚時，業者一開始就必須協助共同釐清：要用 AI 完成什麼任務？我們對於顧客的了解，以及對「顧客的顧客」的了解，會決定產品開發能否成功。

AI 產品業者如果只想賣產品，就會落入陷阱

用途理論的核心在於，人們購買的並非產品或服務本身，而是希望讓生活變得更好。若無法讓顧客感受到「變得更好」，他們就不會購買，即使買了也難以持續使用。
溫怡玲以線上課程為例，人們購買網課，多半出於「想成長、想變聰明」的心理需求，但買完之後，因為沒看完也不會怎樣、工作又忙、課程可以無限期觀看，完課率因此偏低。對賣課的人來說，交易完成就已達成目的，使用者有沒有看完並不重要。但是，AI 產品業者若只想著把產品賣進去，就會落入「AI無用」的陷阱。

溫怡玲建議，AI產品業者要在意的真正問題是，當使用者導入後是否真的感受到有價值？這還要進一步針對不同情境進行拆解，包括對主管、對人資、對第一線使用者等不同利害關係人，「有用」各自代表什麼，才會清楚知道產品對使用者真正的價值。

但當我們想針對消費者進行市場調查，期待能更了解消費者時，溫怡玲提醒，許多人誤以為消費者在調查中說出口的，就是他們真正想要的，但事實並不盡然。

有一個廣為流傳的案例。某音響廠商召集受訪者，詢問新款喇叭該用什麼顏色。受訪者以「品牌要有年輕活力」為由，一致選擇以亮黃色取代經典的黑色。但研究真正的關鍵在結束時：廠商說要感謝參與，讓每人自由挑選一台喇叭，結果不約而同都挑選黑色。

因此，她提醒，不能只聽消費者怎麼說，還需要細膩的觀察，並盡可能搭配實際行為的第一手資料加以驗證。

AI技術複雜變化快，企業別「等發展成熟」

評估如何協助企業客戶導入 AI，溫怡玲建議，可從兩個面向切入。第一是需求：對企業是否高度需要，也就是「有沒有用」。但老闆覺得有用，與員工覺得有用，可能並不一致。第二是技術是否成熟穩定。最理想的情況，是技術成熟穩定、又是客戶高度需要的項目，能快速看到成效。

至於有時候會聽到企業說：「等 AI 技術成熟再決定」。溫怡玲也建議，業者應先與客戶溝通，AI實質上 只是一個籠統的概念，其中包括的技術種類繁多，實際上並不存在整體「成熟」的可能。

面對企業客戶，溫怡玲建議先釐清三件事：想達成什麼效益、有沒有能力做到（例如連一位工程師都沒有，就很難自建地端伺服器）、準備度如何。而不同規模的企業，卡關點也不同，例如中小企業多半覺得缺人、缺資料；大型企業常是組織受限於穀倉效應（silo effect），對於新創企業來說是不小的挑戰。

Shadow AI與workslop，是隱憂也是商機

溫怡玲提醒，不少企業以為只要先讓員工購買 AI 帳號，再導入專屬模型，最後導入 AI agent，就能一步步完成AI轉型，但這套做法在現在的環境已不適用。資服業者必須先正視以下兩大隱憂。

其一是影子 AI（Shadow AI）。根據國外資料，今年初約有八成專業工作者坦承在工作中使用生成式 AI，但僅約一成企業有實際的管理與治理機制。溫怡玲透露，台灣的數據差距可能更大。因此，她提醒企業，務必掌握員工將哪些資料上傳至 AI，並及早建立治理機制，以降低後續風險。

其二是「workslop」，這是去年的全球年度關鍵字，意指員工借助 AI 大量產出、看似完整卻品質低落的工作成果。《哈佛商業評論》（HBR）也曾針對此現象進行研究。

在研究中發現，收到workslop的人往往陷入兩難。要不要幫忙修改？一旦幫了，對方往後每次都會丟給你，但平均修改時間是兩小時。若不改，最終品質管理出現問題，該由誰負責？是否有能力負責？這是企業在快速導入AI的此刻，就必須正視「品質防線該畫在哪裡」的課題。

溫怡玲表示，這兩大問題既是隱憂，也是業者的機會。

此外，她發現，多數企業導入 AI 的第一步是建立內部知識管理。因此也建議業者可以此為切入點，協助企業打好基礎，並建立驗證與品質把關的機制。而品質管理做法十分多元，可從前端把關，也可從後端檢核，端看業者可著力之處。

從專案到產品，資服業的下一步升級

面對 AI 對商業模式的結構性衝擊，如何系統化地將領域知識與客戶經驗，轉譯為可規模化的產品？

後續AIF也將產品開發工作坊，讓學員在工作坊中產出四張畫布，組合起來就是完整的一套產品開發標準流程。後續參與工作坊的學員還可提出申請，由實戰經驗豐富的企業資深顧問，針對產品開發流程進行一對一輔導，協助把產品校正、調整到位。

上一輩科技創業家如Steve Jobs或許受到西岸嬉皮文化很大的影響，所以原來的矽谷文化是反主流文化與資本主義結合的「加州意識形態」。然而，現代科技自由主義者們不再崇拜嬉皮、社群、東方思想，而是科幻小說和動畫等次文化的子民，他們想依靠科技的力量實現兒時憧憬的世界。

由於無法與社會產生真正的認同與融合，於是逐漸轉向信奉「科技自由意志主義」（Techno-Libertarianism），他們試圖透過科技創新，來實現自由意志主義的理想。本書即是書寫伊隆．馬斯克（Elon Musk）、彼得．提爾（Peter Thiel）、山姆．奧特曼，以及維塔利克．布特林這些擁有億萬財富的天才，探討所渴望的「終極自由」究竟是什麼？

《科技右派的崛起，會把世界帶往何處？》一書Part 1闡述了伊隆·馬斯克（Elon Musk）與彼得·提爾（Peter Thiel）的淵源與早期歷史，實在很精彩。

1999 年 3 月，伊隆．馬斯克（Elon Musk）在加州帕羅奧圖創立了 X.com，當時他的願景是將其打造成一個集共同基金、股票經紀和保險於一體的「一站式金融服務平台」 。在 X.com 的街對面，是由彼得·提爾（Peter Thiel）和馬克斯·列夫琴（Max Levchin）創立的 Confinity，該公司開發了一款名為「PayPal」的掌上電腦（Palm Pilot）及電子郵件匯款工具。為了避免惡性競爭，兩家公司於 2000 年 3 月宣布合併，並保留了 X.com 的公司名稱。

2000 年 9 月，因為諸多原因，趁著馬斯克赴海外度蜜月時，提爾與列夫琴發動了董事會政變，罷免了馬斯克的 CEO 職位，並由提爾接任。

提爾接掌後，於 2001 年正式將公司全面重組並更名為 PayPal，放棄了馬斯克龐大的網銀計畫，全力專注於伴隨 eBay 電商生態急速成長的第三方支付業務。2002 年 2 月 PayPal 成功上市，同年 10 月，電商巨頭 eBay 以 15 億美元的股票大舉收購 PayPal。

雖然馬斯克被罷免，但他仍是公司最大的個人股東（持有約 11.7% 股份）。這次收購讓提爾賺得數千萬美元，而馬斯克則分到了約 1.65 億至 1.8 億美元，為他日後創辦 SpaceX 和投資  Tesla 提供了不可或缺的初始資本。而且由於他被罷免時是接受了被免職，沒有撕破臉，2008 SpaceX 急需資金時獲得了來自老戰友的關鍵資助。

這段歷史實在是矽谷歷史上最具傳奇色彩的金融與技術變革史，不僅奠定了當代數位支付的基石，更直接催生了如今左右全球科技格局的技術精英網絡。後續相關的發展大家就比較熟悉，包括「PayPal黑手黨」的誕生等。

《科技右派的崛起，會把世界帶往何處？》書中所謂科技右派／現代科技自由主義思潮的核心人物伊隆．馬斯克（技術威權與多行星有效加速主義）、彼得．提爾（Peter Thiel）（反民主的科技壟斷與自由意志主義）、山姆．奧特曼（Sam Altman）（技術決定論與「AI 救世主」資本主義）、維塔利克．布特林（Vitalik Buterin）（去中心化治理與「網路國家」實驗），雖更偏向自由意志主義，但其去中心化思想常被技術右翼吸納），正透過控制 AI、太空、能源與加密貨幣等核心底層技術，全面重塑人類的政治與經濟秩序。

作者橘玲在本書中指出，這群在矽谷大放異彩的科技天才，多數屬於極端系統化思考的「超級系統化者」（Hyper-systemizer）。特質是他們擁有無與倫比的數學與邏輯能力，但普遍在「認知同理心」上相對薄弱。因為不擅長解讀複雜、感性的人際關係，他們從小難以融入傳統社會，甚至覺得外在世界充滿敵意。也因此，他們不認同由「人情、妥協與利益分配」堆疊出的民主體制，轉而將安全感寄託於「完全可預測、冷酷但絕對正確的程式碼與數學規律」。

所帶來真正的影響是從「民主政治」轉向「數學治理」，這股力量對人類未來的重塑，體現在三個徹底顛覆傳統秩序的層面上：1. 繞過民主：用演算法取代官僚、2. 追求「終極自由」與技術壟斷、3. 缺乏同理心的反烏托邦。

當大腦連上網路、融合有意識的 AI，這不再是科幻小說的狂想，而是科技右派精英們正試圖強行落實的「人類演化終局」。當人類的肉體與靈魂徹底被演算法與機械重組，這個「數學上完美」的新人類世界，究竟是一場集體進化的天堂，還是一座徹底剝奪了人性、再也沒有同理心的科技矩陣？這場由矽谷精英以數兆美元資金強行加速的「黑客帝國」式未來，已經在我們眼前拉開序幕。

書名：科技右派的崛起，會把世界帶往何處？

作者：橘玲 Tachibana Akira

譯者：陳嫻若

對每日穿梭於螢幕前的數十億人及萬物相連的物聯網世界，網際網路是一個無形且自由同時也無所不在的數位空間，因為太過於像水與空氣一般的自然存在，大多數人並不真的清楚，要維持這個龐大系統的穩定與互通，底層必須仰賴一套極致精準的「導航與定位系統」。這套系統的核心由兩大要素構成：一是由數字組成的號碼（Number）資源（包含 IP 地址與自治系統號 ASN），二是由文字組成的域名（Domain Name，簡稱 DN）。這兩者不僅僅是技術規格，更是全球網絡治理中的兩大核心權力支柱。

隨著網際網路的全球環境、生態、及全景已然有所改變，當前全球網絡號碼社群正迎來一場歷史性的變革 — 沿用了二十多年的號碼體系憲法「ICP-2」(Internet Coordination Policy 2)即將退場，取而代之的是全新的《區域網際網路註冊管理機構治理文件》（RIR Governance Document）。這場大翻修不僅改寫了全球網絡資源的遊戲規則，更在無形中為台灣築起了一道極具韌性的數位防禦堡壘。

一、 身分證與姓名：號碼與域名的本質關係

理解網路的權力結構，必須先釐清號碼與域名互為表裡的共生關係。簡單來說：「號碼」是給電腦看的物理地址，而「域名」則是給人類看的邏輯標籤。

(一)號碼（Number）：如同「身分證字號」與「GPS 經緯度」
1.IP 地址（IPv4 / IPv6）：是每一台連接到網路上的電腦、伺服器或手機 的 唯一物理地址。電腦在進行數據封包傳輸時，只看得懂 192.0.2.1 或 2001:db8::1等這種數字編碼。

2.自治系統號（ASN）：則是各大電信商（如中華電信）或大型企業網路 的 「郵遞區號」，用來在國際網路間開拓數據傳輸的「骨幹路由」。

(二)域名（DN）：如同「人名」與「實體門牌」
人類的記憶力無法記住上萬個由數字組成的 IP 地址。為了讓網路走向大眾化，技術專家們發明了域名（如 google.com 或 twnic.tw），用具有語意、好記的英文字母或文字來代替冰冷的數字。

號碼與域名雖然本質不同，在技術上則是透過域名系統（DNS） 進行即時的翻譯與綁定。當使用者發起請求輸入網址時，DNS 系統進行「正向解析」，將文字翻譯為數字（IP）；而當資安系統為了確認某個連線是否安全、防範垃圾郵件或網路詐騙時，則會拿著號碼進行「反向解析」，追溯其登記的域名；更進一步來說，號碼確保了網路的「可達性」與技術安全，而域名則實現了網路的「實用性」與人性化，兩者相輔相成，無法分離。

二、 ICANN 的治理角色

號碼與域名的物理本質與社會屬性截然不同，負責協調全球網際網路核心資源的機構 — ICANN（網際網路名稱與數字地址分配機構），在面對這兩大功能時，展現出了完全不同的治理邏輯與權力邊界：

(一)在域名系統管理上：ICANN是「最高立法者與商業監管者」
相較於號碼的純技術中立，域名（DNS 根區域）是 ICANN 展現強大行政權力、法律實權與商業統治力的主戰場。ICANN 直接掌握全球域名的生死大權。它透過簽署具有高度法律約束力的合約，直接管理全球所有的註冊（Registry）與註冊商（Registrar）。ICANN 制定市場規則、收取特許權費、並有權對違規的網域商進行罰款甚至吊銷執照。同時，ICANN 也是網域空間的「造物主」，負責審查並批准新通用頂級域名New gTLD的誕生。此外，當跨國企業遭遇惡意搶注商標域名時，ICANN 制定的《統一網域名稱爭議處理政策》（UDRP）實質上扮演了全球網域糾紛的最高法院。

(二)在號碼資源管理上：ICANN 並非核心
在 IP 地址與 ASN 的分配上，ICANN 則透過附屬機構 PTI 履行 IANA 職能(IANA功能的移轉另為文介紹)，但它的定位只是一個「遵照社群共識執行登錄」的角色。 IP 地址怎麼分配、如何回收、如何因應枯竭，這些核心政策完全是由全球五大區域網際網路註冊管理機構（RIRs，如亞太區的 APNIC）各自的技術社群，透過「由下而上（Bottom-Up）」的流程討論出來的。ICANN 內部則設有位址支持組織（ASO），本質是五大 RIRs 的協調組織（NRO）。

當社群達成全球政策共識後，提報給 ICANN 董事會，董事會此時的角色僅是「合規審查」 — — 確認流程符合多方利益共識，然後依法簽字，交由技術團隊執行。在號碼領域，社群的權力遠大於 ICANN 組織本身。

三、區域網際網路註冊管理機構RIR 的重要性

從前述說明就可以了解全球五大區域網際網路註冊管理機構（RIRs）的重要性，區域網際網路註冊管理機構是負責管理一個地理區域內的網際網路號碼資源的非營利組織，執掌包括：
· IPv4 / IPv6 地址分配
· 自治系統號（ASNs）分配
· 資源登記與公開資料（WHOIS / RDAP）
· 推動區域內政策制定與執行等

四、號碼體系憲法的大翻修：從 ICP-2 到 RIR Governance Document

為了解決全球 IP 號碼資源的分配政策，並確認號碼與域名的權力邊界、避免將域名的政治與商業博弈外溢到基礎網絡路由上，全球技術社群建立了一套防禦性的剛性規範，過去這套規範即是所謂的 ICP-2（Internet Coordination Policy 2）。 然而 ICP-2 制定於 2001 年，當時的網路環境遠未如今天這般充滿地緣政治衝突、主權勢力干預以及區域網際網路註冊管理機構（RIR）自身面臨的法律訴訟與治理危機（例如近年非洲區 AFRINIC 所遭遇的治理與司法衝擊）。

為了當代網際網路發展治理的需求、同時也為了應對現代網路戰、政治滲透以及網路碎片化的風險，號碼資源組織號碼委員會（NRO NC，即 ICANN 體系中的 ASO AC）主導並啟動了歷史性的修訂，草案最終版即將正式定案，其官方名稱正式確定為 《區域網際網路註冊管理機構治理文件》（RIR Governance Document）。

這份新憲法是一份百分之百僅限於「號碼功能」的政策文件，與域名功能完全劃清界線。它對號碼功能的全新定位主要體現在以下四大面向：

(一)涵蓋 RIR 的全生命週期管理（全流程法制化）
舊版 ICP-2 僅著重於「如何成立並認可一個新的 RIR」。全新定案的 RIR Governance Document 則將規範擴展至 RIR 的全生命週期，明確劃分為「認可（建立）」、「維護（營運義務）」與「去認可（撤銷資格）」三大階段。這意味著，如果任何一個區域的 RIR 未來因政治滲透、財務崩潰或偏離了技術中立原則，全球社群將有法可依，能直接依法啟動撤銷程序，剝奪其管理全球 IP 資源的資格。

(二)確立技術中立與「去政治化」的防火牆
新文件在「營運義務」中，以極高規格重申了 RIR 必須保持「獨立性（Independence）」、「非營利性（Not-for-Profit）」與「由社群驅動（Community-Driven）」。這道防火牆的確立，旨在向全球宣告：IP 位址與 ASN 的分配是純粹的技術與路由安全問題，任何單邊政府或官方多邊組織（如聯合國）都無權將其收歸國有或作為政治制裁的工具。這保護了台灣等在國際外交上面臨打壓的經濟體，能繼續在 RIR 體系中享有平等的實質治理權。

(三)引入常態化外部審計與爭議解決機制
新草案最終版特別增設了嚴格的合規審查與爭議解決機制（Dispute Resolution），要求各區域 RIR 必須建立公平、有效的裁決程序，確保成員能夠依法維護自身權益。同時，ICANN 與各 RIR 之間也必須基於「誠實信用與公平交易（Good Faith and Fair Dealing）」原則共同履職，徹底杜絕黑箱作業或地緣政治偏見。

(四)將「緊急持續性（Emergency Continuity）」提升至最高憲法層級
這項修訂是號碼社群近年凝聚出的最重要共識，文件明文規定，當某個區域面臨極端危機（如戰爭、法律衝擊、地緣政治衝突或毀滅性網攻）導致當地的 RIR 或國家級註冊機構（NIR）無法履行職能時，必須有一套法制化的服務持續性（Service Continuity）標準作業程序，由全球其他社群與母機構進行技術接管與跨境數據備援，確保該區域的網路絕不會與世界斷聯，而這項規範更是對於台灣網際網路韌性的維護具有絕對的重要性。

五、台灣的防禦堡壘：極端地緣政治下的資料庫備援機制

在 RIR Governance Document 全新確立的框架下，台灣（透過台灣網路資訊中心 TWNIC，作為獲得 APNIC 認可的國家級註冊機構 NIR）築起了一道與國際技術社群聯防的「國際政治安全網」。當地緣政治衝突走向極端 — 例如台灣海峽遭遇軍事封鎖、海底電纜被大範圍切斷，或是遭受國家級的毀滅性網路戰時 — TWNIC 管理的號碼資源數據庫（包含記錄台灣 IP 歸屬權的 WHOIS 數據庫、反向 DNS 帳本、以及 RPKI 路由安全密鑰），有一套極具韌性的數位防禦運作機制：

(一)數據的跨境雙向鏡像與同步
在日常狀態下，TWNIC 管理的台灣 IP 歸屬與密鑰數據，本質上是全球網際網路號碼總帳本的一個分支。透過與亞太區 RIR（APNIC）的緊密技術合作，台灣的數據早已即時、加密地同步存儲在位於澳洲布里斯本的 APNIC 總部，以及全球多個安全的雲端節點中。即便台灣本地的實體資料中心在物理上受損，這份「數位資產大帳本」在全球技術社群的託管下依舊完好無損。

(二)海纜中斷時的「島內自主運作」
若極端衝突導致對外海纜全數中斷，台灣在物理上形成「網路孤島」。此時在新文件的技術韌性框架下，TWNIC 與台灣本地各大電信商會自動啟動「路由在地化」機制，將台灣內部的網路流量鎖在島內。由於本地擁有根域名鏡像節點以及 TWNIC 的反向 DNS 備援，台灣島內的電腦彼此通訊、連線政府救災體系、醫療與關鍵基礎設施時，IP 與域名的解析完全不需要依賴國外連線，在孤島狀態下依然能維持本地網路的正常續航。

(三)技術失能時的國際社群代管與去認可過渡
若戰事導致台灣本地的伺服器與管理功能完全失能，根據新文件中關乎「服務持續性」與「Remediation Paths（補救路徑）」的嚴格定義，APNIC 將會自動啟動技術移交與緊急接管程序。APNIC 會直接利用其在海外備份的台灣 WHOIS 數據庫與反向 DNS 代替 TWNIC 面對全球網路。全球其他國家的路由器將直接向 APNIC 查詢台灣的路由許可，確保台灣在國際網路上的「數位身分證」合法性不被中斷，更防止了因技術癱瘓而被國際網路社群「去認可」的風險。

(四)數位密鑰盾牌：防範 BGP 路由劫持
在衝突中，境外勢力最可能採取的手段是發動「BGP 路由劫持」，在國際骨幹網上假冒台灣的 IP 地址，藉此攔截、監聽或切斷台灣的對外通訊。此時，新文件框架下全力保護的 RPKI（資源公鑰基礎設施） 將發揮剛性防禦作用。台灣的 IP 分配與路由宣告完全由數位密鑰進行加密簽章。任何非法的境外節點若試圖在國際上宣稱自己擁有台灣的某段 IP，全球其他國家的骨幹路由器在自動翻閱海外備份的 RPKI 加密帳本時，會立刻判定該假冒宣告為「無效（Invalid）」並拒絕連線。境外勢力除非獲得技術社群依法授與的數位密鑰，否則無法透過武力或政治施壓在網絡上「強佔」台灣的 IP 資源。

五、 台灣代表在網路憲法翻修中的角色

這場將 ICP-2 升級為 RIR Governance Document 的歷史性修訂，是由全球五大區域的技術社群歷經數年、多輪的公開諮詢與博弈凝聚而來的共識。在這場國際網路治理的棋局中，筆者本人作為代表亞太區社群選出的三位網際網路號碼資源組織委員會（NRO NC / ASO AC）委員之一(並曾任ASO AC共同副主席)，有機會扮演關鍵的政策導航與把關角色及善盡社群責任，全程深度參與了這份新憲法的起草與審議工作。在修訂進程中由於具有法律與資通訊監管的跨領域背景，從「堅守技術中立」、「防範外部主權干預」、「維持韌性維運」與「強化組織問責」的視角切入，相信這個過程，不僅提升了台灣的數位外交能見度，也是在歷史機遇下將台灣對於極端狀況下「數據安全與業務不中斷」的實質技術需求，深刻地寫進了這本正在精煉定案的國際網路新憲法之中。

網際網路的治理體系，在「號碼」與「域名」的雙軌分流中展現了深度的智慧及宏大的遠見。域名體系處理了繁復的商業利益與主權邊界，而號碼體系則透過即將定案的 RIR Governance Document 這樣剛性的技術憲法，將網路的基礎控制權牢牢保留在技術社群手中。

這種「技術獨立於主權之外」的特性，恰好在動盪的地緣政治局勢中，為台灣構築了一道最堅固的數位防線；展望未來，將利用跨國技術社群的聯防機制將幫助台灣實現關鍵網路的強大韌性，默默守護著國內與全球數據的自由流通與安全。

原文詳見

在AI技術快速成熟、市場變化加速的時代，企業競爭力的關鍵已不再只是資源多寡，而在於能否做出更快速、更精準的決策。

AI決策力需要「主動培養」

《2026台灣產業AI化大調查》中清楚看出，產業界對AI的應用已從觀望逐步邁向落地，然而如何將工具導入真正轉化為營運決策，仍是多數企業共同面臨的課題。為進一步釐清企業從「導入工具」躍升至「營運決策」的關鍵，美商鄧白氏（Dun & Bradstreet）與人工智慧科技基金會（AIF）合作發起《Top 1000 中小企業 AI 決策力調查》，系統性盤點企業在AI導入與決策上的成熟度與發展現況。調查結果發現：AI 決策力無法隨企業獲利自然生成，必須依賴企業的主動投資與獨立培養。

《Top 1000 中小企業 AI 決策力調查》以本屆鄧白氏Top 1000得獎企業為核心樣本，觀察中小企業如何從導入AI工具，逐步邁向營運與決策應用。調查結果發現，多數企業將成本上升與市場競爭列為未來最大挑戰，也將降低成本、提升效率視為最期待AI帶來的效益。同時，也可以看到已經有不少企業排定了啟動時間表。對於仍在觀望的企業來說，代價不是原地踏步，是被拉開差距。

研究團隊指出，台灣中小企業的落差不在技術，而是在決策。可以發現，調查樣本中的得獎企業，皆已具備健全的經營體質，但調查結果顯示，AI決策力仍是一門需要獨立累積的能力，並不會隨企業獲利而自然具備。關鍵的發現是，台灣中小企業面對的並非單純的技術問題，而是幾個具體、可以逐一拆解的關卡。例如數據或系統未準備好，是製造業與服務業共同面臨的最大阻礙；而在人才缺口上，製造業的情況又比服務業更為明顯；無法評估ROI，則是兩個產業共通的痛點。

9月16日頒獎典禮暨論壇 分享AI決策落地實踐

詳細調查結果將於2026年9月16日發布，同時也將舉辦「鄧白氏中小企業菁英獎」頒獎典禮暨論壇，一同見證台灣中小企業在AI時代展現的韌性與創新力。人工智慧科技基金會執行長溫怡玲也將於論壇中分享調查洞見，以及企業如何從課程學習到AI決策落地的實踐經驗。

鄧白氏表示，期待透過頒獎典禮暨論壇這場產業趨勢交流聚會，讓多位企業代表齊聚對話，激盪跨產業的創新契機，攜手擘劃台灣企業邁向智慧決策與永續發展的新未來。

深耕台灣34年 鄧白氏協助中小企業走過不同發展階段

鄧白氏深耕台灣逾34年，憑藉國際影響力，長期陪伴並協助中小企業走過不同發展階段。「鄧白氏中小企業菁英獎」自2014年創設以來，運用全球商業資料與專業分析模型，從全台超過170萬家中小企業中，遴選具備成長潛力、營運穩健度與國際競爭力的Top 1000企業。評選標準涵蓋財務壓力指數、付款指數、出口級距、ESG表現等關鍵指標，並要求企業營收連續三年成長或持平，且無退票記錄及負面訴訟紀錄，門檻相當嚴謹。獎項內容也持續因應全球市場與產業趨勢調整觀察面向。

根據幾年來《台灣產業 AI 化調查》數據顯示，企業仰賴外部採購或委託系統整合商（SI）進行客製化開發，一直占最高比例。這項數據凸顯出，SI 業者的技術量能，已成為企業 AI 轉型的關鍵節點。

此外，當政策端正積極推動資服業者從「專案」走向「產品化」的商業模式轉型時，緯創集團旗下的緯謙科技，無疑是觀察這波浪潮極具代表性的指標樣本。

緯謙是緯創集團旗下創新雲端服務公司，2021 年獲中華電信策略投資，以 Cloud、AI、Data 為核心提供一站式服務，涵蓋雲端搬遷、混合雲架構、AI 應用導入與託管服務，為全台首家取得微軟 Azure AI 應用專長認證的合作夥伴，近年並積極布局主權 AI 基礎設施與東南亞市場，同時串連新創與製造業推動 AI 落地。

橫向基礎建設 × 縱向產業應用，構築雙軸服務版圖

緯謙科技總經理夏志豪表示，緯謙的服務包括橫向基礎建設與縱向的產業應用，在橫向基礎的部分，緯謙長期擔任微軟 LSP（授權服務夥伴）與 Oracle 台灣總代理，提供企業基礎 IT 服務。例如在金融產業，緯謙便以深厚的 Oracle 相關技術，為金融業者提供企業級解決方案。

在縱向產業應用上，緯謙則全面切入智慧製造、智慧醫療，以及服務業與政府公部門相關業務。針對智慧製造，緯謙提供企業知識管理（KM）、人因工程與數據收集等進階應用；在智慧醫療領域，除了協助醫療機構建置 IT 服務與商業智慧（BI）系統，緯謙更進一步跨足硬體設備，代理飛利浦（Philips）心導管、電腦斷層掃描（CT）等大型高階醫療儀器，並與英國廠商展開藥物作用相關技術的合作。

夏志豪提到，緯謙在 AI 應用工具的佈局上，也發展出自有的 WiKMS 知識管理平台及 WiRouter AI模型與算力平台等產品，作為企業導入 AI 的基礎架構。例如 WiRouter 平台可彈性串接不同大型語言模型（LLM），包括緯謙採購的微軟 Azure OpenAI，或是客戶可根據需求，選擇串接不同的 LLM，甚至自行部署模型。同時，緯謙目前也在台南的國網中心（國家高速網路與計算中心）建置自有伺服器設備，展現其在算力基礎建設上的在地佈局。更與 APMIC（亞太智能機器）等AI服務業者保持密切合作，共同開發多項 AI Agent 應用，持續擴大其在企業級 AI 導入服務的能量。

深耕垂直產業，B2B 雲端經驗成核心優勢

談及緯謙的核心能力，夏志豪認為，關鍵在於長期代理國際雲端服務商產品的經驗，使緯謙深刻掌握企業從地端架構轉向雲端的完整歷程；加上與製造業、服務業及政府單位的長期合作，也讓緯謙累積出更貼近產業實務的應用知識。尤其是投入最深的醫療產業，合作範圍涵蓋門診、急診、加護病房、放射科與物理治療等多個科別場域，展現其在垂直產業應用上的全面布局。

他進一步強調，由於微軟雲端服務本質上偏向 B2B，涵蓋企業、政府與醫療院所等場域，使緯謙得以在 B2B 雲端市場站穩腳步。隨著市場焦點轉向 AI 應用，緯謙也將重心放在協助客戶釐清 AI 應用與需求，並透過算力服務降低導入門檻。

在算力資源的佈局上，緯謙與母公司緯創長期合作捐贈算力，過去已累積捐出高達 100 萬小時的 GPU 運算資源，近期更宣布將加碼捐贈 240 萬小時。夏志豪指出，目前高達九成的 GPU 算力需求皆聚焦於 AI 與代理（Agent）應用。這也讓長期經手龐大 GPU 算力服務的緯謙，能精準掌握客戶導入 AI 與大型語言模型（LLM）時的真實痛點與第一手需求。他強調，這項豐沛的算力優勢雖植根於緯創集團，但緯謙則更進一步深化並延伸至終端的產業應用層。

「產品化」是比例問題，而非有無？

談及近期熱議的「產品化」議題，夏志豪認為，光是「產品化」定義就備受討論，所謂產品究竟是指 ERP、SAP 等系統，抑或是一種服務型態？各家資服業者的見解各有不同。以緯謙來說，公司提供算力服務時， WiRouterAI 平台對緯謙而言就是產品的一部分，並不會在客戶端進行客製化開發。

但他也直言，多數企業級客戶的需求多半需要經過一定程度的客製化才能導入系統，即便是市場上標榜標準化的 SaaS 產品，例如企業普遍使用的 Microsoft ERP 或 Salesforce CRM，實務上仍存在大量客製化調整，只在比例高低的差異。

他認為，B2C 產品或許能做到零客製化，但只要涉及客製，便進入「產品或專案」的灰色地帶。夏志豪指出，隨著雲端與 AI 工具的演進，越來越多業者在提供基礎模型後，讓客戶自行疊加所需功能，但這種分工模式也讓產品與服務的界線越難劃分。

打造 AI 服務「軍火庫」，緯謙鎖定共通性需求

儘管產品與服務的界線難以劃清，但夏志豪仍嘗試在共通性需求上，摸索出一套可規模化的服務模式。他期許能讓從事 AI 服務的業者，更快速、更簡單地滿足客戶需求。他認為，資訊安全、地端部署等議題具有高度共通性，未來希望能打造一座「軍火庫」，供 SI 夥伴取用工具。

夏志豪指出，目前落地的服務主要以技術架構與知識管理為核心。緯謙提供的技術架構服務涵蓋算力與模型，再疊加知識管理應用層，讓規模較小的 SI 業者無需自行處理問答與資料庫串接，只需專注於流程（flow）設計。

「我們很像是做產品，但其實是服務。」他進一步說明，由於每個政府單位、局處、醫院或銀行的內部使用情境皆不相同，這類高度客製化的工作，正是本地 SI 的價值所在。

夏志豪預期，算力基礎建設將持續擴大，資訊安全與資料治理能量也將同步提升。在模型佈局上，夏志豪透露目前提供約10種模型供客戶選擇，未來規模可望擴增至50至百種左右。他解釋，這樣的佈局呼應當前 AI Agent 應用趨勢。

除了模型數量，夏志豪也點出幾項關鍵發展方向，包括模型與 GPU 服務之間的媒合效率與成本、API 串接的簡化程度，以及多模型之間的協作複雜度，都將是接下來的重點課題，同時也須整合台灣在地標準化配套。

與 SI 為合作夥伴，分潤模式因地制宜

談及與 SI 的關係，夏志豪明確定位為合作而非競爭。他坦言，緯謙自身產品客製化程度較低，但合作夥伴端則普遍存在客製化需求。未來，緯謙也將持續投入 KM 在地化，並透過與本地夥伴合作補足能量，例如在語意學領域尋求合作。透過此類合作，客戶與 SI 夥伴便可運用相關工具進行本地語意化與台灣價值的落地應用。

「你買兩台 GPU server 就可以做這個生意啦。」夏志豪坦言，這門生意的技術門檻並不高。

隨著越來越多業者購入 GPU 伺服器並在台灣建置機房，市場參與者持續增加。儘管如此，夏志豪並未將此視為威脅，反而以「百花齊放」形容當前市場態勢。他坦言，合作夥伴本就可能同時與多方業者合作，並非緯謙獨家。