# 2024 年會預測與後續發展查證（截至 2026/08）

> 查證日期：2026-08-25。年會舉行於 2024/09/27–28，距今近兩年。本檔逐項比對年會上的預測／判斷與後續實際發展，**如實記錄講對與講錯的地方，不做選擇性呈現**。查不到的一律標「查無公開資料，無法判定」，不做推測填空。
>
> 判定標準（保守原則）：只有證據明確時才寫「應驗」／「未應驗」，其餘一律「部分應驗」或「仍待觀察」。
>
> **查證限制說明**：本次查證後段（項目 5、6、7）因外部搜尋工具額度於查證過程中用盡，僅能以既有已知網址做有限度的直接查證，部分項目的外部產業數據不如前段完整，已在對應段落誠實註明，未以推測填補。

---

## 1. 《人工智慧基本法》與獨立資料治理法

**年會當下（2024/09）的說法**：
- 侯宜秀（台灣人工智慧學校基金會秘書長）於「以人為本的 AI 治理」專題中指出，台灣人工智慧基本法草案僅 18 條、聚焦政府部門使用 AI 的風險評估與法規檢討義務，規模遠小於歐盟 AI Act（她特別提醒「不要互相類比」），預計 10 月底送行政院。（場次筆記：[R0-上午-AI治理座談.md](day2/R0-上午-AI治理座談.md)）
- 邱文聰（中央研究院法律學研究所研究員）在工作坊場次主張，當時的人工智慧基本法草案僅處理「應用層」規範（風險管制、責任分配、權利救濟），缺乏最底層的資料治理法制，因此與劉靜怡等人共同提出獨立的「資料治理法草案」，訴求以「權利管理系統」讓資料主體動態行使同意權。（場次筆記：[R4-工作坊-好資料哪裡來.md](day2/R4-工作坊-好資料哪裡來.md)）
- 查士朝（台科大教授）則在資安治理場次示範用 GenAI 協助政府機關做管理審查資料彙整、風險評估與政策草擬，但強調機密外洩與正確性仍是兩大挑戰。（場次筆記：[R3-深度技術.md](day1/R3-深度技術.md)）

**後續實際發展（至 2026/08）**：
- 《人工智慧基本法》已於 **2025/12/23 三讀通過**，全文擴充為 **20 條**（草案階段為 18 條），明定國家科學及技術委員會為主管機關，並將「隱私保護與資料治理」列為 7 大推動原則之一，由數位發展部負責建立風險分級框架、協助各目的事業主管機關辨識高風險應用並推動資料治理機制。來源：[中央社報導](https://www.cna.com.tw/news/aipl/202512230036.aspx)、[法源法律網](https://www.lawbank.com.tw/news/NewsContent.aspx?NID=211670.00)、[未來城市＠天下解讀](https://futurecity.cw.com.tw/article/3909)。
- 官方懶人包與條文連結目前掛在國科會網站（更新日期 2026/02/10），確認此為現行有效法律。來源：[國科會官網人工智慧基本法專頁](https://www.nstc.gov.tw/)。
- 邱文聰主張的獨立「資料治理法」：**查無公開資料**顯示這部草案本身已進入正式立法院審議或三讀程序。其主張的精神（個資保護措施）部分被人工智慧基本法條文中「應納入個資保護相關措施」的規定吸收，另外行政院同時期推動「個人資料保護委員會組織法」草案與《個人資料保護法》部分條文修正草案，方向與邱文聰論述的「資料治理法制拼圖」一致，但這是**個資法修法＋新設監督機關**的路徑，並非邱文聰主張的統一「資料治理法」單獨立法。來源：[行政院新聞稿](https://www.ey.gov.tw/Page/9277F759E41CCD91/747cda78-926f-4205-99b3-1a735fc1b97b)。
- 有趣的關聯：侯宜秀本人已於本場年會之後獲任命為**數位發展部政務次長**——也就是說，她從民間倡議 AI 治理的角色，變成後來實際負責執行《人工智慧基本法》風險分級框架的主管機關官員之一。來源：[未來城市＠天下專訪](https://futurecity.cw.com.tw/article/3008)。

**判定：部分應驗**——侯宜秀對基本法「規模小、聚焦政府部門」的定性與時程（原訂 10 月底送行政院，最終於隔年底三讀）大方向吻合，法案從 18 條擴充到 20 條、規模仍遠小於歐盟 AI Act，與她的預期一致。但邱文聰主張的獨立「資料治理法」並未成為獨立法案，只有部分精神被基本法與個資法修正吸收，這部分**未如邱文聰所願獨立成法**。

---

## 2. 加州 SB 1047

**年會當下（2024/09）的說法**：
- 侯宜秀（台灣人工智慧學校基金會秘書長）在「以人為本的 AI 治理 — 目標、現實與想像 2024」專題中指出，加州 SB 1047（要求前沿大模型開發者承擔一定安全責任）因 OpenAI、Meta 及開源陣營（提及李飛飛、Yann LeCun 等學者）反對，立法過程中責任已被大幅削弱，被部分人稱為「沒有牙齒的法律」。本場演講於 2024/9/28 進行，該法案已知於隔日 9/29 遭加州州長 Newsom 否決，屬時間點巧合，講者當時尚未及提及此後續發展。（場次筆記：[R0-上午-AI治理座談.md](day2/R0-上午-AI治理座談.md) 第 3 節）
- 查士朝（台科大資管系教授）在資安治理場次也提到此案，稱其「預計 9/30 決定」，並以「沒有資安就沒有 AI」的玩笑話預設該法案會通過；本場演講於 2024/9/27 進行，比侯宜秀那場早一天，是年會現場最早提及本案的場次。（場次筆記：[R3-深度技術.md](day1/R3-深度技術.md)）

**後續實際發展（至 2026/08）**：
- SB 1047 確認於 **2024/9/29 遭 Newsom 否決**。否決後，Newsom 成立「Joint California AI Policy Working Group」研議後續方向。來源：[Wikipedia: California SB 1047](https://en.wikipedia.org/wiki/California_SB_1047)。
- 加州轉而推動範圍窄得多的 **SB 53（《前沿人工智慧透明法案》，Transparency in Frontier Artificial Intelligence Act）**：2025/1/7 提出，2025/9/13 州議會表決通過（29 比 8），2025/9/25 州長簽署，**2026/1/1 正式生效**。內容僅要求年營收 5 億美元以上、訓練算力超過 10²⁶ FLOPS 的前沿模型開發商公開安全框架文件、揭露「災難性風險」（造成 50 人以上死傷或 10 億美元以上經濟損失的事件）評估報告，並建立吹哨人保護機制——**沒有 SB 1047 原本要求的開發者安全責任與究責機制**。來源：[Wikipedia: SB-53 (California, 2025)](https://en.wikipedia.org/wiki/Transparency_in_Frontier_Artificial_Intelligence_Act)。
- 聯邦層級：川普政府 2025/1 撤銷拜登時期的 AI 行政命令、改發布行政命令 14179；2025/12 再發布行政命令 14365，試圖「先發制人」壓制各州的 AI 監管立法權；2026/6 發布行政命令 14409，強調 AI 創新與安全並重。國會於 2025 年通過《TAKE IT DOWN Act》，但僅針對非合意 AI 生成親密影像，不是通用 AI 安全立法。美國商務部於 2025/6 設立「AI 標準與創新中心（CAISI）」做為聯邦與產業協調樞紐。來源：[Wikipedia: Regulation of artificial intelligence in the United States](https://en.wikipedia.org/wiki/Regulation_of_artificial_intelligence_in_the_United_States)。

**判定：應驗**——侯宜秀「開發者陣營成功削弱監管力度、法案有名無實」的判斷完全吻合後續發展：SB 1047 被否決後，加州確實改推更弱的「僅要求透明揭露、不含究責機制」的 SB 53 取代原本的問責制方案；聯邦層級也走向鬆綁監管、甚至試圖用行政命令壓制州級 AI 立法權的方向，與講者預判的大方向一致。

---

## 3. TAIDE 計畫（多模態發展與資料困境）

**年會當下（2024/09）的說法**：
- 黃瀚萱（中研院資訊所副研究員／TAIDE 模型鑄造組顧問）說明 TAIDE 只用合法授權資料訓練主權 LLM：2024/04 已釋出以 Llama 3 為基礎的版本，2024 下半年目標推進到多模態（至少要能理解影像），但台灣本土、CC 授權的可用影像資料極度稀缺——Wikipedia 上僅約 1,300 張，政府部會資料常有版權問題無法使用。（場次筆記：[R3-深度技術.md](day1/R3-深度技術.md)）
- 李育杰在同場年會的 Sovereign AI 演講中，談到 TAIDE 面對的算力困境：9 台 H100 伺服器共 72 片 GPU、預算不到 2 億台幣，資源遠不及國際大廠。（場次筆記：[R0-上午-AI治理座談.md](day2/R0-上午-AI治理座談.md)）

**後續實際發展（至 2026/08）**：
- 依 TAIDE 官方網站（由國家實驗研究院執行、國科會指導）資訊，文字模型持續迭代：**Llama 3.1-TAIDE-LX-8B-Chat**（2025/2，上下文長度擴展至 131K）→ **Gemma-3-TAIDE-12b-Chat**（2025/8，改用 Gemma 3 為基礎）→ **Gemma-3-TAIDE-12b-Chat-2602**（2026/2，採中期訓練技術強化台灣在地知識與用語）→ **Embeddinggemma-GTAIDE-300m-2605**（2026/6，導入台灣法規知識強化檢索表現）。來源：[TAIDE 官方網站](https://taide.tw/)。
- **多模態進度**：官方網站目前**未提及任何多模態（影像理解）模型的正式釋出**；2023 年的計畫規劃文件雖提到「增加多模態的模型訓練」為未來方向，但截至查證時點（已超過黃瀚萱原訂「2024 下半年」目標近兩年），仍未見公開釋出的 TAIDE 多模態版本。來源：[TAIDE 官方網站](https://taide.tw/)。

**判定：部分應驗**——文字模型持續迭代、基礎模型與時俱進（從 Llama 系列切換到最新 Gemma 3、上下文長度大幅提升），方向正確且進度扎實；但黃瀚萱當時設定的「2024 下半年推進到多模態」具體目標，截至查證時點**仍未見公開釋出**，可能反映當時提到的影像資料稀缺困境比預期更難解決，這部分**未如預期時程應驗**。

---

## 4. Breeze 系列（聯發創新基地 MediaTek Research）

**年會當下（2024/09）的說法**：
陳宜昌（聯發創新基地／MediaTek Research）介紹 Breeze 2.0 的開發者導向新功能：語言模型（RAG、Long Context、Function Calling、Vision/Chart）、語音辨識（GFD）、語音合成（BreezyVoice TTS），並提到團隊即將發表含 Vision 與 Function Calling 的「Breeze 2 Herd of Models」（3B/8B）論文。（場次筆記：[R3-深度技術.md](day1/R3-深度技術.md)）

**後續實際發展（至 2026/08）**：
- 「The Breeze 2 Herd of Models」論文確實於 **2025/1** 正式發表（arXiv:2501.13921），如講者預告，內容涵蓋 3B/8B 含 Vision + Function Calling 的模型家族。（此為 2024 年會演講內容延伸，來源已見於場次筆記查證註記。）
- 依 Hugging Face 官方組織頁面（MediaTek-Research），團隊持續往「部署優化」與「語音」方向擴展產品線：**Breeze2-3B-8W16A-Instruct-mobile-npu**（2025/8，針對手機 NPU 最佳化的量化版本）、**Breeze-ASR-25**（2025/7）、**Breeze-ASR-26**（2026/4）等語音辨識模型持續更新。來源：[Hugging Face: MediaTek-Research](https://huggingface.co/MediaTek-Research)。
- 截至查證時點，**未查得**「Breeze 3」或更大規模旗艦 LLM 版本的公開發布，近期重心明顯轉向手機端部署優化與語音辨識產品線，而非持續推出更大的旗艦語言模型。

**判定：應驗**——陳宜昌預告的「Breeze 2 Herd of Models（含 Vision）」確實於 2025/1 如期發表，團隊也延續「開發者導向」路線（手機 NPU 量化版、擴展 ASR 產品線），方向與 2024 年演講描述一致。

---

## 5. AI Agent 是否成為近期主流應用方向

**年會當下（2024/09）的說法**：
- 需要先誠實澄清一點：黃志芳（外貿協會董事長）Keynote 中提到 AI agent 的段落，其實是**哲學／社會層次的長期推測**——他以新創公司 Altera 在 Minecraft 中打造的 AI 文明實驗為例，推測未來具備長期記憶的 AI agent 可能被人類社會視為「移民」而引發排斥心理，並非針對近期企業應用的產業預測。（場次筆記：[R0-上午-開幕與Keynote.md](day1/R0-上午-開幕與Keynote.md)）
- 真正對「近期應用走向 AI Agent」做出具體規劃／預測的，是多位企業講者：
  - 黃仕鎮（玉山銀行）提出「AI Embedded → AI Copilot → AI Agent」三階段演進架構，Agent 是終點。（[R1-產業應用.md](day1/R1-產業應用.md)）
  - 胡德民（遠傳電信）提到正在建構「遠傳智靈」AI Agent 平台做為四大核心能力底座之一。（同上）
  - 蔡祈岩（台灣大哥大資訊長）規劃 AI Agent（「懂公司流程的 ChatGPT」，可接內部系統辦請假、約會議）。（[R2-平台服務.md](day1/R2-平台服務.md)）
  - 葉家順（聯發科技）展望裝置與雲端未來走向 agent-to-agent 協作。（[R0-下午-智慧轉型.md](day1/R0-下午-智慧轉型.md)）

**後續實際發展（至 2026/08）**：
- 截至 2025 年中，AI Agent 的企業採用仍處於早期階段：2025/4 美聯社報導「現實世界中 AI Agent 應用甚少」；2025/11《華爾街日報》報導「少數已部署 AI Agent 的公司獲得了投資回報」；卡內基美隆大學研究測試顯示「沒有任何 AI Agent 能完成大多數分配的任務」；Salesforce 研究發現 LLM Agent 在客戶關係管理（CRM）測試中表現不佳；2025/10 有報導指出企業對 AI 能力的期望出現下降。
- 代表性應用領域集中在：軟體開發（被認為是最明確的應用場景）、客服支援、影片遊戲開發（近 90% 遊戲開發者已使用）、加密貨幣交易、政府服務（城市 311 服務、稅務機關、警察部門）。
- 來源：[Wikipedia: Agentic AI](https://en.wikipedia.org/wiki/Agentic_AI)（彙整美聯社、華爾街日報、卡內基美隆大學、Salesforce 等第三方報導與研究）。

**判定：未應驗**——這是講者判斷明顯過於樂觀的案例。多位企業講者在 2024 年會上普遍規劃「近期就要／正在打造」AI Agent 產品，但截至 2025–2026 年，第三方研究機構與主流財經媒體的報導一致指出：企業實際部署少、Agent 效能不穩定、投資回報有限，AI Agent 整體仍處於早期摸索階段，**尚未如講者們預期般成為主流應用**。但需誠實說明查證的局限：本項判定是把多位企業講者「自家產品規劃」匯總後，對照「整體產業趨勢」的第三方報導，而非逐一查證黃仕鎮、胡德民、蔡祈岩等人提到的自家 Agent 產品（Genie、遠傳智靈等）目前實際上線狀況與成效——那屬於個別企業自身進度，與「整體產業是否邁向 Agent 主流」是兩個不同層次的問題，本次未逐一查證各家企業產品現況。

---

## 6. 企業「不再微調、改用 RAG」的判斷

**年會當下（2024/09）的說法**：
需要先誠實澄清任務描述的前提：2024 年會現場**本身就有三方意見分歧**，並非全體企業講者的共識：
- 楊立偉（意藍資訊董事總經理）明確主張：多數企業不再做 Fine-tuning，因為模型版本更新太快（例如客戶剛微調完 LLaMA 就出 LLaMA 2，接著 3、3.1、3.2 陸續推出），加上企業資料常態變動、Fine-tune 反應不及，因此趨勢改為採用可抽換式模型（Model-agnostic）架構搭配 RAG。（[R0-下午-智慧轉型與紀念講座.md](day2/R0-下午-智慧轉型與紀念講座.md)）
- 同場的蔡宗翰主張相反立場：「訓練小模型優於通用大模型＋RAG」。（同上）
- Day 2 R3 Flash Talk 場次的李明達則主張第三種立場：full-parameter fine-tuning 優於 RAG／LoRA（他認為 RAG 易搜尋錯誤造成誤差、LoRA 會降低模型基礎能力）。（[R3-深度技術-FlashTalk.md](day2/R3-深度技術-FlashTalk.md)）

**後續實際發展（至 2026/08）**：
**查無公開產業調查資料，無法完整判定**。本項查證後段因外部搜尋工具額度用盡，僅能以既有已知網址（如 Wikipedia RAG 條目）做有限度查證；Wikipedia 上關於 Retrieval-Augmented Generation 的條目未涵蓋 2025–2026 年 RAG 與微調的產業採用比例、Gartner／IDC 等分析機構的調查數據，也沒有主流模型廠商建議演變的具體記錄。未能找到足以佐證「業界主流做法」倒向哪一方的外部證據，故不做推測性判定。

**判定：仍待觀察**——一來 2024 年會現場本身就是三方意見分歧、並非普遍共識「微調過時」，因此任務描述中的前提本身需要修正認知；二來截至查證時點，缺乏足夠的外部產業調查數據可判斷 2025–2026 年業界主流做法究竟如何演變，故無法给出「應驗」或「未應驗」的結論。

---

## 7. 晶創臺灣方案（十年 3000 億）

**年會當下（2024/09）的說法**：
廖弘源（中研院資訊所所長／晶創計畫副執行長）說明：原規劃每年 300 億、連續 10 年共 3000 億，但**講者本人在演講中就已坦言**，113 年（2024，方案第一年）實際預算僅約 113–117 億，114 年（2025）將增至約 180 幾億——換算下來第一年僅達原訂年度目標的約 37–39%。四大佈局預算分配（113 年→114 年）：佈局一（AI+晶片驅動產業創新）25.3 億→近 70 億；佈局二（強化研發環境、延攬人才）39.3 億→約 50 億；佈局三（加速技術整合）17.9 億→18.4 億；佈局四（吸引國際新創投資）35.1 億→45.2 億。最大單一計畫是交由國網中心建置算力，114 年度預算約 41.5 億（其中 40 億專用於算力建置）。（場次筆記：[R0-下午-智慧轉型與紀念講座.md](day2/R0-下午-智慧轉型與紀念講座.md)）

**後續實際發展（至 2026/08）**：
**查無公開資料，無法判定**。本項查證因外部搜尋工具額度已於查證過程中用盡，僅能嘗試以既有已知網址做有限度查證（包含猜測晶創臺灣可能的官方網站網域），但未能找到有效的官方頁面或 2025–2026 年最新執行進度、預算調整、成果報告的公開資訊。僅能依講者本人於 2024 年會上揭露的 113→114 年度數字做初步比較：113 年度預算（113–117 億）僅約達原訂 300 億／年目標的 37–39%，114 年度雖成長至 180 幾億，年增約六成，但仍未達到原訂 300 億／年的規劃步調。2025－2026 年（115、116 年度）是否有加速追上原訂規模、總體十年 3000 億的目標是否已調整，**均未能查證**。

**判定：仍待觀察，資料不足**——從講者自己揭露的第一、二年度數字看，方案執行進度從一開始就落後於原始「每年 300 億」的規劃步調（第一年僅約四成），但這屬於方案剛啟動階段的正常爬坡現象或實質落後，截至查證時點缺乏 2025–2026 年官方最新數字或成果報告可供判定，無法給出明確結論。

---

## 8. 群聯 aiDAPTIV+（NAND Flash 擴充 GPU 記憶體）

**年會當下（2024/09）的說法**：
林緯（群聯電子技術長）介紹 aiDAPTIV+：利用群聯 NAND 專業技術設計的 SSD，透過 aiDAPTIVlink 控制，將資料切割並傳輸至 GPU 處理，用以突破 GPU 記憶體容量限制，讓生成式 AI 部署得以在有限硬體資源下進行。（場次筆記：[R2-平台服務.md](day1/R2-平台服務.md)）

**後續實際發展（至 2026/08）**：
群聯已將此技術路線進一步升級為「**aiDAPTIV 多層級記憶體架構**」，並推出專用的 **Pascari SSD**，應用範圍從資料中心 GPU 擴展至 **iGPU PC 平台**，屬本場演講之後的後續產品迭代。來源：[經濟日報](https://money.udn.com/money/story/5612/8618848)、[群聯官網新聞稿](https://www.phison.com/zh-tw/category/article/press-releases/%E7%BE%A4%E8%81%AF%E6%93%B4%E5%B1%95-aidaptiv-gpu-%E8%A8%98%E6%86%B6%E9%AB%94%E6%93%B4%E5%85%85%E8%83%BD%E5%8A%9B-%E6%94%AF%E6%8F%B4%E6%9B%B4%E5%A4%9A%E5%B9%B3%E5%8F%B0-%E6%8F%90%E5%8D%87%E9%82%8A%E7%B7%A3-llm-%E8%A8%93%E7%B7%B4%E8%88%87%E6%8E%A8%E8%AB%96%E6%95%88%E8%83%BD)、[TechNews](https://technews.tw/2026/03/17/phison-announces-aidaptiv-multi-level-memory-architecture-technology/)。

**判定：應驗**——技術路線（用 NAND Flash 幫 GPU 擴充記憶體）持續發展並進一步商用化，應用場景從資料中心擴展到 PC 端（iGPU），方向與 2024 年演講描述一致，且已有具體後續產品（Pascari SSD）與官方新聞稿佐證，屬本次查證中證據最扎實的一項。

---

## 判定分布總覽

| 項目 | 判定 |
|---|---|
| 1. 人工智慧基本法／獨立資料治理法 | 部分應驗 |
| 2. 加州 SB 1047 | 應驗 |
| 3. TAIDE 計畫（多模態） | 部分應驗 |
| 4. Breeze 系列 | 應驗 |
| 5. AI Agent 主流化 | 未應驗 |
| 6. 微調 vs. RAG | 仍待觀察（資料不足） |
| 7. 晶創臺灣方案 | 仍待觀察（資料不足） |
| 8. 群聯 aiDAPTIV+ | 應驗 |

**應驗 3 項、部分應驗 2 項、未應驗 1 項、仍待觀察（資料不足）2 項。**