# 2024 台灣人工智慧年會 — 重點摘要 > 本文橫向整理各場次筆記，並對照 [議程總覽.md](議程總覽.md)。整理時間為 2026 年 8 月，年會後已有新發展的議題以「年會當下」與「事後發展」分段標示；查證方法與限制見文末第 6 節。 --- ## 1. 一頁摘要（給只有 3 分鐘的人） 1. 主題「百工百業用 AI」：兩天議程、5 軌場地、55 位講者，官方統計逾千人報名；本文所本的 11 份場次筆記涵蓋開幕 Keynote、產業應用、平台服務、深度技術、AI 治理座談與資料工作坊。 2. **主權 AI 是全年會最大公約數**：從開幕 Keynote 的地緣政治史觀，到 TAIDE 計畫（72 片 H100 的「國家隊」）、晶創台灣十年 3000 億計畫、國網中心算力布局，「台灣不能沒有自己的語言模型」被反覆論證——但不同人講的「主權」其實不是同一件事，細節見第 2、4 節。 3. **真正卡住台灣做在地 AI 的不是模型也不是算力，是資料**：TAIDE 多模態計畫合法可用的台灣圖片一度只有 1,300 張，整場 D2 R4 工作坊都在辯論「好資料哪裡來」，連 iKala 都得拿國家考試題目權充評測集。 4. 企業導入 AI 的主流做法已經從「自己微調模型」轉向「地端部署＋RAG＋模型可抽換」，理由很現實：國際大模型迭代速度企業追不上，微調完舊模型新版就出了。 5. 資安是本屆技術密度最高、視角最完整的一條線：AI 已被現場demo證實可自動化滲透測試打穿 Linux 拿到 root，同時也被多位講者認為在「防禦端」（事件調查、log 分析）比在「攻擊端」更早成熟可用。 6. 硬體與 EDA／系統廠商全面轉向「用 AI 優化 AI 基礎建設本身」：Cadence 用強化學習做晶片 PPA 優化與 IR Drop 修正、群聯用 NAND Flash SSD 幫 GPU 擴充「記憶體」把 90B 模型訓練成本砍到十分之一以下。 7. 醫療是應用落地最深、案例最紮實的產業：臺中榮總連三年拿下 Newsweek 全球最佳智慧醫院台灣第一，加上工研院、Jubo 的案例，構成全年會最完整的一條垂直應用鏈。 8. RAG 已是 2024 年企業 AI 的預設答案，但也開始有人正視 RAG 框架本身的資安風險——一篇 Black Hat Asia 2024 研究測出 51 種 RAG 框架組合中 17 種有漏洞、16 種可達成遠端程式碼執行。 9. AI 治理座談把「地緣政治風險」講到了政策研究者的高度：簡立峰直言若全世界的 App 背後最終只收斂到兩三個模型做決策，「這是人類史上沒有這麼危險過的時刻」。 10. 政府單位不只是政策制定者，本身已經是實質 AI 落地案例：財政部用 AI 選案查稅，平均單一案件補稅超過 5,000 萬元；立法院資料被公民科技團隊做成開源 API。 11. 一個值得注意的落差：以「百工百業用 AI」為主題的產業年會裡，**AI 治理與主權 AI 的政策論述，實際走在比多數企業落地應用更前面、更成熟的位置**——這既是台灣政策社群的超前部署，某種程度上也反映企業端落地仍相對初階。 --- ## 2. 五個貫穿全場的主題 ### 主題一：主權 AI 是本屆最大公約數，但「主權」在不同人嘴裡不是同一件事 這條線幾乎貫穿所有五軌： - **敘事起點**：D1 R0 上午，童子賢主張台灣要建構「有防禦力的主權AI」，把它放進進出口依存度、半導體地緣政治、能源軍備競賽的大框架下（[notes/day1/R0-上午-開幕與Keynote.md](notes/day1/R0-上午-開幕與Keynote.md)）。 - **政府執行層**：D1 R0 下午，張朝亮（國網中心）明確講「AI Sovereignty」——涉及國家文化元素、機敏資料的 AI 開發不能完全依賴國際雲端，並揭露 TAIDE 現由國網中心維運、算力持續擴建（[notes/day1/R0-下午-智慧轉型.md](notes/day1/R0-下午-智慧轉型.md)）。 - **模型執行層（民間）**：D1 R3，陳宜昌介紹 MediaTek Research 的 Breeze 2.0——雖然講者本人並未使用「主權AI」一詞，但「開源繁體中文模型、鎖定繁中商業戰場」與 TAIDE 的目的高度重疊，是主權 AI 敘事在企業研究院端的實踐（[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)）。同一軌，黃瀚萱講 TAIDE 多模態，直接點出「只是要輸出繁體中文，其實沒有什麼技術含量」——她把主權 AI 的重點定義為「理解台灣用語、知識、價值觀」，而非單純語言輸出。 - **政策原點考據**：D2 R0 上午，李育杰用第一手經歷追溯「Sovereign AI」一詞的流行時間點（他向黃仁勳介紹 TAIDE 之後，黃在杜拜世界政府峰會公開談「每個國家都要有自己的 AI infrastructure」），並揭露 TAIDE 的真實資源規模：預算不到 2 億台幣、72 片 H100，對比 Meta 訓練 Llama 3.2 用約 2.4 萬片 GPU（[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)）。 - **產業投資層**：D2 R0 下午，廖弘源介紹晶創台灣方案——十年 3,000 億元的國家級計畫，最大單一項目正是交由國網中心建置算力（[notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md)）。 **內部矛盾（值得注意）**：這條線看似一致，實際上對「台灣要不要自己 train 一個 from-scratch 大模型」存在明顯分歧。童子賢的 Keynote 語氣是防禦性、國族性的「要能掌控自己的 AI 主權」；但真正主導 TAIDE 的李育杰在 D2 座談上明確說「不」——理由是資料量不夠、算力不夠，且他本人「不完全相信 Transformer 這種暴力美學式堆算力會是終局」；許永真原本主張「不要 miss the train」，但座談中途自己修正說法為「自己的大型語言模型不一定要自己建，而是希望全世界來幫我們建，但『資料』要自己捐出來」。也就是說，開幕 Keynote 的主權 AI 論述比較像「國族敘事」，而實際執行 TAIDE 的兩位學者更像是務實地在「敘事」與「資源現實」之間找妥協——這個落差本身就是年會很值得記住的一點。 ### 主題二：真正的瓶頸是資料，不是模型也不是算力 這是全年會證據最一致、最沒有反例的一條線： - 李育杰的收尾金句「模型是一時的，資料才是永久的」（[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)），與他提出的優先序「算力 > 資料 > 人才」看似矛盾，實則是講「基礎建設要先有，但真正持久的價值在資料」。 - 黃瀚萱（TAIDE 多模態）具體到令人印象深刻的程度：合法授權、與台灣相關的圖片，Wikipedia 上只有約 1,300 張；向政府部會要資料常被要求「自己爬」；中研院生命大百科 70 萬張動植物照片是演講當月才拿到手，還沒來得及用（[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)）。 - 楊政霖（CyCraft）指出開源 LLM 訓練語料中繁體中文比例極低（BLOOM 訓練資料統計約僅百萬分之四），這是「在地化」淪為技術債的根本原因（[notes/day1/R1-產業應用.md](notes/day1/R1-產業應用.md)）。 - 蔡宗翰直接把這條線講成方法論：「任務資料評估是 LLM 發展的關鍵」，並引用慕尼黑大學 Barbara Plank 的 ACL Keynote 觀點——LLM 的關鍵已從「Modeling」轉移到「Data 與 Evaluation」（[notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md)）。 - 整場 D2 R4 工作坊「好資料哪裡來」就是這個問題的政策層級延伸：游家牧講隱私強化技術如何在保護資料前提下釋出高價值資料、卞中佩講社科資料共享、王向榮示範把立法院資料開源成 API、邱文聰則從法律面反駁「技術可以解決一切」（[notes/day2/R4-工作坊-好資料哪裡來.md](notes/day2/R4-工作坊-好資料哪裡來.md)）。座談中甚至爆出一個具體案例：iKala 苦等不到官方評測資料，最後直接拿「國家考試題目」權充 benchmark。 - 許永真在座談中的自嘲最傳神：「連 wiki 的 traditional Chinese 版本都算很小，真的是很小」（[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)）。 **沒有找到反例**：這條線幾乎是唯一一個沒有講者出面反駁的共識——甚至連立場迥異的邱文聰（法律面）與游家牧（技術面）也都同意「資料是關鍵」，只是對「該怎麼解決」的看法南轅北轍（見第 4 節觀點交鋒）。 ### 主題三：企業落地正從「微調模型」轉向「地端 RAG＋模型可抽換」，成敗關鍵是環境設計與資料治理，不是模型能力 跨 D1 R1、D1 R2、D2 R1、D2 R2 的企業案例，可以歸納出清楚的共同 pattern： **成功的共通點**： - **RAG 取代 fine-tuning 成為主流架構**：楊立偉（意藍資訊）直接點名原因——模型版本更新太快（客戶剛微調完 LLaMA 就出 LLaMA 2、3、3.1、3.2），企業資料也常態變動，fine-tune 反應不及，因此趨勢是「model-agnostic 架構＋RAG」（[notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md)）。林縣城（叡揚資訊）也強調 RAG 場景中「檢索品質比生成品質更關鍵」，功能佔比約五分之四在前處理與檢索（[notes/day2/R1-產業應用.md](notes/day2/R1-產業應用.md)）。 - **地端部署是資安/合規/成本三重驅動的必然選擇**：群聯（NAND Flash 幫 GPU 擴充記憶體，[notes/day1/R2-平台服務.md](notes/day1/R2-平台服務.md)）、MSI（電競筆電變 AIPC，[notes/day1/R1-產業應用.md](notes/day1/R1-產業應用.md)）、新漢智能（NextData 接生成式 AI 做地端戰情室）、Jubo（mobile-first、比照銀行 App 資安等級）都是同一個邏輯：機敏資料不上雲、法規要求、雲端模型會因政策/敏感詞拒答（群聯現場舉例：警局筆錄系統涉及兒少性剝削案件時 ChatGPT 會直接刪除敏感字詞拒答，警方只能手動規避審查）。 - **「環境設計」比「演算法選型」更決定成敗**：中鋼許朝詠提出的「AI 落地三層次」（純用 AI 技術易失準 → 限定環境用 AI 有改善但仍受干擾 → 精確設計環境條件才能達到 99% 以上準確率）幾乎可以套用到本屆所有製造業案例（[notes/day1/R0-下午-智慧轉型.md](notes/day1/R0-下午-智慧轉型.md)）——先知科技用生成式影像擴增解決「多樣少量」缺樣本問題、東捷科技做多模態瑕疵檢測，本質上都是在做環境/資料層面的工程，而非單純套用更強的模型（[notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md)）。 **失敗/踩坑的共通點**： - **只有單一技術目標、沒有效益指標**：中鋼許朝詠直言早期 AI 專案「做出無人天車」本身即是目標，缺乏可量化的最終效益指標，導致難以呈現在公司整體績效上；2023 年起才轉向「以效益指標驅動」的數位轉型。 - **為買而買**：楊政霖（CyCraft）點名這是資安產業常見現象——設備買了卻不知道怎麼用，只是為了消化預算做業績。 - **RAG 框架本身的資安漏洞被低估**：見第 1 節第 8 條、第 3 節事實第 2 條。 - **no-code 平台的定位其實是在補「缺 AI/IT 人才」的缺口，而非取代專業人員**：廣達 QOCA aim（醫療影像 no-code 建模）與先知科技「天然通好」（製造業瑕疵檢測 no-code 平台）都明確把目標客群定義為「缺乏 AI/IT 人才的中小企業/醫院」，而非要取代資料科學家。 ### 主題四：資安橫跨攻防兩種角色，且防禦端明顯比攻擊端更早成熟可用 - **攻擊端**：翁浩正（DEVCORE）系統性盤點 GenAI 對紅隊/駭客工具鏈的影響（WormGPT/FraudGPT 越獄服務、PentestGPT/BurpGPT 輔助工具、聲紋複製攻擊智慧家電），但他的結論相對保守——AI 目前還做不到「精準的一擊必殺」與 zero-day 挖掘，仍是「很棒的 Copilot」而非取代者（[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)）。隔天，沈宜婷（中華資安國際）現場 demo 用本地部署、去除安全限制的 Ollama 模型自動化滲透測試，成功打穿 Linux 拿到 root 密碼（[notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md)）——兩者評估的落差本身值得記住（詳見第 4 節）。 - **防禦端**：楊政霖（CyCraft）從資安產品公司視角講「LLM in Cybersecurity Products」的三個面向——效益（惡意指令解讀從 40 分鐘縮到 3 秒）、四大顧慮（隱私/對齊/領域知識/在地化）、以及自架 RAG 框架的資安風險（[notes/day1/R1-產業應用.md](notes/day1/R1-產業應用.md)）；翁浩正也明確提到「AI 對防禦方的幫助其實比較多」，分享自己用 AI 分析 web log 抓出人眼難發現的異常行為的親身經驗。 - **理論與治理層**：邱銘彰用複雜系統科學解釋 DNN 為何難以被完全理解與信任（[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)）；鄭振牟系統性講解 TEE／FHE／MPC／ZKP 四種在互不信任前提下仍能安全推論的密碼學技術（[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)）；查士朝則從資安治理框架（ISO 27014、管理審查會議）講 GenAI 如何協助資安治理工作，但同樣點出機密外洩與正確性兩大未解課題。 這條線的完整度和層次感（從理論物理式的解釋、到密碼學工具、到攻防雙方實戰、到企業治理框架）是本屆年會技術含量最紮實的一條主線。 ### 主題五：地緣政治敘事貫穿全程，AI 被反覆嵌入國際政治經濟史框架，而非單純技術敘事 - **起點**：D1 R0 上午開幕 Keynote，童子賢用台灣進出口依存度（曾達 GDP 115%）、黃金與比特幣財富對比、北斗衛星系統、AI「強者恆強」現象講半導體是新戰略物資；黃志芳緊接著用全球化撕裂、《絕望者之歌》鐵鏽帶敘事、美中對抗、特里芬結構講「AI 只會讓這場完美風暴更複雜」，並引用季辛吉「AI 比核子彈在地緣政治上更具威力」（[notes/day1/R0-上午-開幕與Keynote.md](notes/day1/R0-上午-開幕與Keynote.md)）。 - **呼應點一（國防）**：D2 R0 上午，李育杰講 AI 與國安、國防創新單位 DIU、台灣國防創新辦公室（DIO），鼓勵「軍民兩用」思考——這是童子賢 Keynote 裡「無人機戰場實例」「機械狗背重機槍」的政策延伸版（[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)）。 - **呼應點二（治理座談的「危險時刻」論）**：簡立峰在座談中把地緣政治框架講到最尖銳——若全世界的 App 背後最終收斂到兩三個模型做決策，「這是人類史上沒有這麼危險過的時刻」；他認為各國喊「主權AI」某種程度是在向美國喊話「請注意到我們」，因為「全世界的法院能否管得到這些模型，取決於美國法院管不管」。 - **呼應點三（產業投資）**：廖弘源的晶創台灣方案本質上就是地緣政治敘事的資源配置版本——十年 3,000 億元，目標是「奠基未來十年科技國力」。 **這條線與主題一的關係**：地緣政治敘事是「為什麼要做主權AI」的情緒與正當性來源（國族存續、不被忽略、不被邊緣化），主題一則是「具體怎麼做」的執行層。兩者疊在一起看才完整——但也正因如此，才會出現主題一提到的落差：開幕 Keynote 的地緣政治語氣（防禦、對抗、國族）與實際執行者（李育杰、許永真）的務實語氣（資源有限、要協力、不奢望自建frontier model）明顯不在同一個音量上。 --- ## 3. 值得單獨記住的 15 個具體事實 1. 群聯 aiDAPTIV+：HBM 每 GB 約 200 美元、NAND Flash 每 GB 約 0.1 美元（約 2,000 倍價差），用 SSD 幫 GPU 擴充記憶體，可把 LLaMA 3.2 90B 模型地端訓練成本從 3,000 萬台幣砍到 100 萬以下（甚至有客戶用約 10 萬元桌機完成 90B 全參數訓練）。——[notes/day1/R2-平台服務.md](notes/day1/R2-平台服務.md) 2. 一篇 2024 年初 Black Hat Asia 研究，針對 51 種「RAG 框架＋LLM 供應商」組合做滲透測試，17 種存在漏洞，其中 16 種可達成遠端程式碼執行（RCE）、4 種可直接取得 reverse shell。——[notes/day1/R1-產業應用.md](notes/day1/R1-產業應用.md) 3. 詠鋐智能（Chimes AI）用預測型＋生成式 AI 幫高雄某化工廠電熱爐節能，實測年省 32% 用電；平台「Tookie」已落地 50 間工廠、部署 2,500 個 AI 應用，累積每年節省逾 4 萬噸碳排。——[notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md) 4. 台灣 AI 人才缺口截至 2024 年 6 月已達每月約 2.9 萬人，較 2017–2018 年約 1.7 萬人逐年攀升，年增幅約 7%；政府規劃四年內培育 20 萬人才。——[notes/day1/R0-上午-開幕與Keynote.md](notes/day1/R0-上午-開幕與Keynote.md) 5. TAIDE 整個計畫預算不到 2 億台幣、只有 72 片 H100 GPU，對比 Meta 訓練 Llama 3.2 動用約 2.4 萬片 GPU、法國新創 Mistral 約 1,500 片——而且全球主要語言模型版圖（智譜 AI、百度、阿里、華為……）裡「找不到台灣」。——[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md) 6. TAIDE 多模態計畫合法授權、與台灣相關的圖片，Wikipedia 上僅約 1,300 張；中研院「台灣生命大百科」70 萬張動植物照片是演講當月才剛拿到，還沒來得及用進模型。——[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md) 7. GPT-4o 意外答對兩題刁鑽的台灣本土知識測驗題（台北到台南的火車票 OCR＋是否經過基隆的鐵路地理知識；廟宇神像「千里眼」站在媽祖哪一側），連台灣本地研發團隊自己都感到意外與「鬱悶」。——[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md) 8. Cadence 用強化學習引擎 Cerebrus 把一顆 CPU 可跑頻率從人工調校的 3.41GHz 推到 3.72GHz；生成式 AI 工具 Voltus InsightAI 把某晶片設計的 IR Drop 違規數從數萬筆降到約 700–1,000 筆。——[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md) 9. 財政部用 AI 選案查稅：營業稅選案命中率約 90% 為需補稅案件，平均單一案件補稅超過 5,000 萬元，累計已逾 40–50 億元。——[notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md) 10. Jubo（智齡科技）的 time study 發現照服員僅約 40% 時間在做 direct care、60% 時間花在寫記錄與行政作業；台灣「老福比」推估約 2044 年達 1:2、2060 年達 1:1。——[notes/day2/R2-平台服務-智慧醫療.md](notes/day2/R2-平台服務-智慧醫療.md) 11. 意藍資訊每天用數百萬支爬蟲、光台灣地區就收集 60–70 億字資料，若直接全部丟給 GPT 等級模型處理，估算一天要燒 300 萬元台幣——這是企業必須自研檢索/RAG 技術而非硬上大模型的直接經濟原因。——[notes/day2/R1-產業應用.md](notes/day2/R1-產業應用.md) 12. 加州 SB 1047（前沿 AI 模型安全法案）在年會期間成了跨兩天、兩個場次的「懸案」：D1 R3 查士朝說預計 9/30 決定，D2 R0 上午侯宜秀提到立法過程責任已被大幅削弱、被稱為「沒有牙齒的法律」——結果法案已在 2024/9/29（會議期間）遭加州州長 Newsom 否決，講者們演講當下都還不知道最終結果。此為年會之外的真實世界事件，外部來源：[SF Standard 報導](https://sfstandard.com/2024/09/29/gavin-newsom-vetoes-controversial-ai-safety-bill/)、[Wikipedia：Safe and Secure Innovation for Frontier Artificial Intelligence Models Act](https://en.wikipedia.org/wiki/Safe_and_Secure_Innovation_for_Frontier_Artificial_Intelligence_Models_Act)。年會內容出處：[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)、[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md) 13. Accucrazy 用自家行銷數據 fine-tune 出的「Moana」模型，寫出的 Dcard 業配文創下逾 1,300 則留言、無人識破是 AI，甚至被 Dcard 官方收錄進精選版；成本從一篇三四萬元的業配行情壓到約 60 元。——[notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md) 14. 臺中榮民總醫院 2023 年服務量（1,632 床、近 6,000 名員工、逾 300 萬服務人次）較 2019 年成長逾 20%，但床數與人力未增加；連三年（2023–2025）拿下 Newsweek 全球最佳智慧醫院台灣第一，並於 2024/8/9 由總統賴清德親自到院參觀。Newsweek 排名為年會之外可獨立查證的外部事實，外部來源：[GeneOnline 報導](https://geneonline.news/20240919-tcvgh-newsweek-smart-hospitals/)、[健康醫療網報導](https://www.healthnews.com.tw/article/59284)。年會內容出處：[notes/day2/R2-平台服務-智慧醫療.md](notes/day2/R2-平台服務-智慧醫療.md) 15. 中鋼把「無人天車」練成外銷產品，是該公司除本業鋼鐵外銷售第三好的產品（前兩名是月餅與水餃），已外銷十幾部到中國大陸。——[notes/day1/R0-下午-智慧轉型.md](notes/day1/R0-下午-智慧轉型.md) --- ## 4. 觀點交鋒（刻意不調和成共識） ### 交鋒一：主權 AI 該優先解決什麼問題？（D2 R0 上午座談） - **簡立峰**：主權 AI 的本質是「國族問題」，優先要做的是先釐清「風險」（國家安全、法律管轄權、健康、教育、文化權），而非急著談策略；根本解方是修法（仿日本著作權法修訂，讓 AI 訓練用途不構成侵權）。 - **李育杰**：資源有限的國家「優先序很重要」——算力（要建但不要一次全押）> 資料（「模型是一時的，資料才是永久的」）> 人才；明確反對台灣 train from scratch，理由是資料/算力都不夠，且他本人不完全相信 Transformer 式暴力堆算力會是終局。 - **許永真**：強調「想像力」與「協力」——不要被貧窮限制想像力，也不要台灣多個語言模型計畫互相較勁；座談中途自我修正說法，從「要有自己的大型語言模型」修正為「不一定要自己建，而是全世界來幫我們建，但資料要自己捐出來」。 三人對「資料哪裡來」也給出三種不同解方：簡立峰主張修法、許永真主張遊戲化眾包＋降低貢獻門檻、李育杰主張建立「資料使用權」作為有別於既有智慧財產權的新一層權利。三種解方並不互斥，但反映三人對「根本問題出在哪」的診斷並不相同（法律障礙 vs. 社會文化害羞 vs. 缺乏所有權框架）。——[notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md) ### 交鋒二：Fine-tune 還是 RAG？（同一場次內的正面交鋒，D2 R0 下午） - **蔡宗翰**（TAIDE 核心模型訓練與 RLHF 召集人）：主張「訓練小模型」優於「通用大模型＋RAG」——通用大模型像「剛畢業的聰明大學生」，什麼都能答但正確率不穩；具體數字：EduTAIDE（微調模型）合格率 76% vs. GPT-4o 51%；用 LLaMA 3.1 405B 做通用大模型＋RAG 需要 11 張 H100，一般團隊難以負擔。 - **楊立偉**（意藍資訊，同一場次稍後登場）：直接給出相反結論——現在多數企業不再做 fine-tuning，因為模型版本更新太快（客戶剛微調完 LLaMA 就出 LLaMA 2、3、3.1、3.2），企業資料也常態變動，fine-tune 反應不及，趨勢是「model-agnostic 架構＋RAG」。 - 第三種立場來自 D2 R3 的李明達（宮廟 AI）：明確反對 RAG（「易搜尋錯誤造成誤差」）也反對 LoRA（「會降低模型基礎能力」），堅持用 70B 以上模型做 full-parameter fine-tuning。 三人分屬 TAIDE 學術陣營、企業知識管理陣營、垂直利基應用陣營，同一個技術選型問題給出三種互斥答案，年會現場也沒有人出面調和。——[notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md)、[notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md) ### 交鋒三：AI 對紅隊攻擊力的成熟度評估（D1 R3 vs. D2 R3，相隔一天） - **翁浩正**（DEVCORE CEO，D1 R3）：評估相對保守——AI 目前還做不到「精準的一擊必殺」、無法判斷哪個漏洞可以一擊必殺，zero-day 挖掘仍需要人類創造力；現階段 AI 對紅隊來說是「很棒的 Copilot」，尚不足以取代精準滲透。 - **沈宜婷**（中華資安國際，D2 R3，隔天登場）：現場 demo 用本地部署、去除安全限制的 Ollama 模型自動化攻擊 Linux 主機，成功以一般權限打穿系統、取得 root 密碼與權限，並持續自動挖掘 `/etc/passwd`、shadow 檔等機敏資訊。 兩者並非直接對話、目標情境也不同（翁浩正談的是真實企業紅隊演練的「精準隱匿」要求，沈宜婷的 demo 是針對刻意設置的練習環境），但把兩場並列來看，「AI 現在能不能自動化打穿系統」這個問題在同一場年會裡得到了兩種截然不同的示範——一個說「還不行」，一個當場示範「行」。這個落差本身，比任何單一場次的結論都更值得記住。——[notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)、[notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md) ### 交鋒四：資料開放，技術能不能解決法律問題？（D2 R4 工作坊，明確互相「踢館」） - **游家牧**（隱私強化技術／PET）：主張差分隱私、合成資料等技術可以「先強（隱私強化）後串」，讓高價值敏感資料在保護個資前提下仍可釋出訓練模型。 - **邱文聰**（中研院法律所，開場自稱「來踢館的法律人」）：正面反駁——依個資法定義，只要事後仍可透過 hash ID 或代號「串聯」，即便經過去識別化處理，法律上仍是個資；不論「先強後串」或「先串後強」，只要仍可串聯，本質上都還是個資。他也點名批評數位發展部「數據公益」概念模糊了個資／非個資的界線。差分隱私因為有 Curator 中介角色，是少數「有機會」讓個資轉化為非個資的例外，但脫離 Curator 直接開放給大眾查詢就不成立。 - 交叉討論環節更進一步爆出具體分歧：**卞中佩**個人立場傾向支持「先串後強、完全去識別化」對企業資料是可以接受的；**邱文聰**則舉德國為例——「德國是嚴格禁止跨部門資料串接的」，並質疑台灣「即使串接後立即機敏化，只要日後仍可串，法律上就仍是個資」，「先串後強是否合法仍存有爭議」。 這場交鋒的意義在於：本屆年會多數場次預設「技術（PET/差分隱私）可以解決資料開放的難題」，但邱文聰這一場明確指出技術方案繞不開法律定義本身——兩派對「資料到底能不能開放」給出了不同答案。——[notes/day2/R4-工作坊-好資料哪裡來.md](notes/day2/R4-工作坊-好資料哪裡來.md) --- ## 5. 導讀路徑 **想了解台灣 AI 政策與主權 AI** 1. [notes/day1/R0-上午-開幕與Keynote.md](notes/day1/R0-上午-開幕與Keynote.md)（童子賢／黃志芳的地緣政治框架，主權 AI 敘事起點） 2. [notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)（李育杰 Sovereign AI 專講＋簡立峰／許永真／李育杰座談，本屆最重要的一場） 3. [notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md)（廖弘源晶創台灣方案、郭秉宸閉幕呼籲） 4. [notes/day2/R4-工作坊-好資料哪裡來.md](notes/day2/R4-工作坊-好資料哪裡來.md)（邱文聰資料治理法草案，政策討論的法律縱深） 5. [notes/day1/R0-下午-智慧轉型.md](notes/day1/R0-下午-智慧轉型.md)（張朝亮／國網中心的算力主權執行細節） **企業要導入 AI 找案例** 1. [notes/day1/R1-產業應用.md](notes/day1/R1-產業應用.md)（CyCraft 資安、Deloitte 顧問方法論、MSI、新漢智能） 2. [notes/day1/R2-平台服務.md](notes/day1/R2-平台服務.md)（台灣大哥大、廣達醫療 no-code、群聯 GPU 記憶體擴充） 3. [notes/day2/R1-產業應用.md](notes/day2/R1-產業應用.md)（資拓宏宇、KKBOX、91APP、叡揚資訊，橫跨零售/串流/企業知識管理） 4. [notes/day2/R2-平台服務-智慧醫療.md](notes/day2/R2-平台服務-智慧醫療.md)（工研院、臺中榮總、Jubo，最完整的垂直產業案例鏈） 5. [notes/day1/R0-下午-智慧轉型.md](notes/day1/R0-下午-智慧轉型.md)（中鋼數位轉型方法論、聯發科「達哥」企業助理平台） **技術人想看模型與架構細節** 1. [notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)（Breeze 2.0 的 Function Calling/GFD/TTS 技術細節、TAIDE 多模態架構、Cadence AI-EDA） 2. [notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)（鄭振牟：TEE／FHE／MPC／ZKP 四種安全推論技術的系統性教學） 3. [notes/day2/R0-下午-智慧轉型與紀念講座.md](notes/day2/R0-下午-智慧轉型與紀念講座.md)（蔡宗翰的 Task Design/Dataset/Evaluation 方法論、陳維超陳昇瑋紀念講座的可信任 AI 工程框架） 4. [notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md)（Eval-Driven-Development 五級成熟度模型、多模態邊緣運算醫療案例） **資安 / 治理 / 法遵** 1. [notes/day1/R3-深度技術.md](notes/day1/R3-深度技術.md)（邱銘彰的 DNN 理論思辨、翁浩正的紅隊實務盤點、查士朝的資安治理框架） 2. [notes/day1/R1-產業應用.md](notes/day1/R1-產業應用.md)（楊政霖：資安產品導入 LLM 的效益與風險） 3. [notes/day2/R0-上午-AI治理座談.md](notes/day2/R0-上午-AI治理座談.md)（侯宜秀的著作權判例比較與全球監理現況、座談的資料協力機制辯論） 4. [notes/day2/R3-深度技術-FlashTalk.md](notes/day2/R3-深度技術-FlashTalk.md)（沈宜婷：LLM 當駭客武器的實測 demo） 5. [notes/day2/R4-工作坊-好資料哪裡來.md](notes/day2/R4-工作坊-好資料哪裡來.md)（隱私強化技術與資料治理法的正面交鋒） --- ## 6. 這份筆記的限制 - **人名與專有名詞已對照官方議程校正**，本文引用時一律採用官方寫法。部分專有名詞、產品代號（如 Breeze 2.0 內部 TTS 代號、群聯太空計畫細節）因發音不清或查無公開資料，各場筆記已標註「未能查證」，本文不重複展開。 - **完全沒有投影片畫面**：講者口頭提及的圖表、曲線圖、精確數字（尤其是財報、市佔率、效能對比圖）很可能遺漏細節或被講者口語化簡化，本文引用的所有數字均為講者口頭陳述，不代表投影片上的精確版本；部分數字經 WebSearch 查證與官方公開資料吻合，已在各場筆記的「查證註記」中註明來源，未查證者則照實記錄為講者口述。 - **本文的綜合判斷本身也有侷限**：第 2、4 節的「主題」與「觀點交鋒」是筆者對 11 份場次筆記的歸納與詮釋，並非年會官方定調；同一份現場紀錄在不同人解讀下可能得出不同的重點取捨，建議把本文當作「橫著看」的一種讀法，而非唯一權威版本。