好的，我們準備開始了，首先要感謝各位與談人。我想 Emmanuel Bacry 幾分鐘後就會加入我們，但我們現在先正式開始。今天上午，我們探討了 AI 的實質內容，聽到了幕後運作的情況，也就是資料經濟的所有基礎設施，討論了資料中心、海底電纜、衛星，以及讓這個互聯世界運轉所需的一切。
在這一場座談中，我們希望能得出一些結論，或者至少就眼前局勢的地緣政治維度提出更尖銳的提問。為此，我們邀請了四位與談人，每位都能為討論帶來豐富的視角。我先從認識多年的 Kori Schake 開始。
很高興再次見到你，Kori。她在美國企業研究院（AEI）工作，多年來一直從事安全領域研究。回想我們初次相遇時，安全議題的樣貌與今日截然不同，如今確實發生了極為深刻的變化。
我想請教你，Kori，AI 對國際安全架構的顛覆程度有多大？它會進一步鞏固少數幾個 AI 超級大國的支配地位，還是會以不可預測的方式分散權力——無論是帶來正面還是負面的影響？
現在下結論還為時過早，因為最了解這項技術的人告訴我們，這將是一場比工業革命更巨大的經濟與社會劇變，而我們目前仍處於初期階段。工業革命花了大約一百年，其社會、政治與經濟影響才真正完全顯現。現在判斷確實言之過早。
同時，能與我極為欽佩的唐鳳同台 也非常榮幸，在這些問題上我更想聽她的見解。但我個人的感覺是，當前正在進行一場兩階段的博弈。第一條戰線是推動技術發展前沿的國家。
在那裡，誰先拔得頭籌確實至關重要，因為先發優勢似乎會推動前沿朝著潛在不同的方向發展，並帶來巨大的國家安全後果。我的意思是，即使你只看人工智慧如何透過評估龐大的資料庫來改變軍事行動和情報實務，讓戰場變得更加透明、更容易鎖定目標；但你也可以看到，這並不等於就能打贏戰爭。
因此，目前的發展仍處於早期階段。但第二條軌道——我認為這觸及了你剛才問題的後半部分，Jean-Marie——那就是目前尚不清楚前沿開拓者的先發優勢，是否能決定人工智慧在跨經濟體、跨國家、跨政治社群中的普及方式。在我看來，先發優勢甚至可能產生不利影響，因為較次級的模型可以利用前沿機構開發出的資料庫，針對該領域的需求創造出相當夠用的解決方案。
所以我覺得現在說還太早，但作為前沿的技術領導者顯然擁有巨大優勢；只是這些優勢是否能在廣泛普及的過程中延續下去，目前還不得而知。
那我們某種程度上將延續同一個問題，但把焦點放在美中兩國。Melanie Hart，你專注於美中之間實際上超越了 AI 範疇的科技競爭。你經常前往中國了解最新局勢。
你如何看待這場競爭？你認為中國如何將其技術與科技實力轉化為地緣政治優勢，抑或無法轉化？
這是一個非常棒的問題。華府及其他地方的許多人主要透過三種方式來衡量誰在 AI 能力上領先。第一，正如 Kori 提到的前沿模型。
誰在用 AI 做前所未有的事？例如，ChatGPT 曾有過這樣的亮眼時刻；來自中國的 DeepSeek 同樣也有過突破的時刻。
但總體而言，在談到前沿模型時，誰能拔得頭籌？美國往往是起跑最快的。但我認為我們對這點過度關注了。
我同意 Kori 的觀點，如果我理解正確的話。在美國，有時過度聚焦於此。認為誰先砸下數十億、數百億美元做出第一個模型就能保持領先，事實未必如此。
第二個需要觀察的指標是算力。你能處理多少資料來驅動這些模型？這在一定程度上與晶片有關。
美國及其盟友在最先進的 AI 晶片上處於領先地位。中國在先進 AI 晶片方面落後美國及其盟友大約五到七年。我們從中國企業和中國軍方那裡得知，這正限制著他們進行某些 AI 部署的能力。
但算力的另一個面向是電力和資料中心基礎設施。而這正是美國真正開始遭遇瓶頸的地方。我住在維吉尼亞州，當地的電費暴漲，因為據我了解，維吉尼亞州正在興建大約 1,500 座新的資料中心。
現在美國民眾已經開始抗議這些資料中心，因為它們造成水污染，推高了電費，大家不想住在資料中心旁邊。
因此我認為，我們將會看到算力與權力平衡發生某種轉變，因為中國推動核電專案的速度比我們快得多。他們並不在乎你是否想住在資料中心旁邊。在中國，北京想把資料中心建在哪裡，就能建在哪裡。
所以算力是第二點。但第三點，我認為將是最重要的，那就是部署與普及（deployment and distribution）。誰會真正使用你在實驗室裡做出來的 AI？
而這正是中國全力以赴的地方。中國有機會藉此真正塑造全球部署 AI 的方式。在美國，如你所知，ChatGPT 與 Claude 等各種模型在能力上處於前沿，但它們也相對昂貴。
中國的做法是部署 DeepSeek，並找到以低得多的成本實現幾乎相同能力的方法。你不需要那麼頂級的晶片，也不需要消耗那麼多電力。
他們正在做開放權重（open-weight）、本地部署的模型。這意味著你只要下載並安裝在自己的電腦上，就可以自行調整、改變模型的運作方式。你可以多擁有它一點，而在 ChatGPT 上，這有點像是做 Google 搜尋。
一切都留在 OpenAI 和 ChatGPT 裡面。中國正在嘗試更小、更便宜、更容易部署的解決方案，這很可能正是「全球南方」國家特別想要的方案——因為他們希望將資料留在國內或企業內部，而不是交給 OpenAI。他們想知道：我該如何以最低的成本、使用最容易取得的低端晶片，且在不消耗太多電力的情況下部署 AI？
在美國，許多頂尖大學在實驗室裡根本拿不到最先進的晶片來做實驗，因為 OpenAI 和其他幾家公司把晶片全都買光了。部署能力很可能是決定誰能塑造全球格局的關鍵。我認為華府目前過度關注於「我們必須在前沿保持領先」。
正如 Kori 所說的「搶當第一」、保持晶片優勢。這兩點確實都很重要，但如果沒有人買你的產品，或者沒有人買得起你的產品，那麼我們就會在這場競爭中徹底輸給中國。
在美中競爭方面，我還會密切關注四個領域。第一，中國喜歡將成本優勢轉化為依賴性。我們在 5G 電信領域看到，華為永遠是最便宜的。
一旦你買了華為的 2G，3G 就只能繼續選華為，4G 也只能選華為。它們與其他系統不相容，因此往往會將客戶鎖定在中國的生態系中。
在 AI 領域也有很大的風險：你今天可能因為便宜而選擇 DeepSeek 或其他中國替代方案；隨後你發現，你唯一能用的晶片是華為晶片，唯一能用的資料中心是中國的資料中心。
這就會為你帶來風險。我密切關注的第二個因素是資訊形塑。我們大西洋理事會的團隊在中國的 AI 模型 DeepSeek 以及西方 AI 模型中進行了相同的搜尋，結果呈現的資訊截然不同。
中國政府塑造了你對世界的所見所知。我相信唐鳳比我更清楚這一點——例如，你肯定會得到關於台灣的不同資訊，關於人權以及中國政府治理表現的資訊也完全不同。如果全世界都透過 DeepSeek 獲取 AI 搜尋資訊，那將帶來巨大風險；因為回顧過去一般的基礎網路搜尋，中國對標 Google 的替代品是百度。
那真是糟糕透頂。從來沒有人想用百度，因為它太混亂、太難用了。
我們幾個月前在中國，我試著用百度查詢一家餐廳的地址，它莫名其妙地跳出了 2003 年的搜尋結果。總之非常混亂。中國在傳統網路搜尋上從未真正走向世界，但在 AI 驅動的網路搜尋上卻有可能做到。
這將真正形塑全球公眾所能接觸到的資訊。另外還有一點，我們確實在密切觀察中國：中國如何致力於輸出 AI 監控模式？
我們知道在過去幾年裡，中國輸出監控網路引發了許多問題，例如可以在整座城市部署的攝影機監控網。現在他們正在研究新模型，能夠提前預測哪種人、誰將來可能成為異議人士，誰將來可能成為政治煽動者——利用 AI 模型分析他們的朋友圈、監聽通話記錄、審查電子郵件，利用地理定位查看他們在城市中的行蹤，以及瀏覽了哪些網站。
中國正在嘗試利用 AI 進行前瞻性的預測式監控計畫，不僅追蹤人們現在或過去的行為，更評估你是哪一類人、未來是否值得擔憂。我非常擔心這種模式也會被輸出到其他國家。以上是我的看法。
我很快會請唐鳳發言，但在此之前我想先問 Emmanuel 幾個問題。今天早上他在簡報各種 AI 類型時，我們已經簡短討論過 DeepSeek。問題在於，Emmanuel 本身是 AI 科學家，你真的相信有所謂的捷徑，可以大幅減少資料使用量並大幅降低成本嗎？從你的專業角度來看，你如何看待這場競爭……
好的，在嚴格回答這個問題之前，我想先對剛才提到的一些內容發表看法。首先，我認為我們有點過度聚焦於大型語言模型（LLM）和聊天機器人了。AI 遠不止於此。
所以我們不能忘記這點。全世界現在都在熱議 LLM，但我們應該保持審慎，不要只是隨波逐流。這顯然是一件大事。
我不是在試圖貶低它。它確實非常重要，擁有豐富的應用場景，並且會改變相當多的事物。但 AI 還涵蓋許多其他領域。
因此，當我們說需要龐大資料量時，這實際上指的是 LLM；龐大算力指的也是 LLM。我們必須對此稍微保持清醒，也該談談其他同樣能產生巨大影響的 AI。例如在醫療領域——我對醫療非常熟悉——即便不依賴 LLM，AI 也能帶來巨大變革。這是我首先想說的。第二點，我接下來要說的可能政治不正確，但 Melanie，關於你提到中國在形塑資訊、搜尋資訊方面的看法……我想稍微唱點反調，但有一點在……
沒錯，你提到用 DeepSeek 搜尋資訊時顯然存在很多問題。但正因為我們很清楚中國的體制；然而我們從 ChatGPT、Claude、Gemini 等等獲取的內容同樣充滿偏見，只是其偏見更加隱蔽，而且沒人確切知道它們是如何訓練出來的。我不知道哪一種更危險。
對我來說這很難說。這是一個開放式問題。我沒有定論，但我認為兩者都帶有危險性，而不僅僅是那個偏見顯而易見、我們深知其偏見所在的模型。
所以我認為我們對此也該保持警惕。回到剛才的話題——抱歉，還有一點。我認為另一個巨大的挑戰是「部署」，剛才有人提到了這點。
在部署環節中，有一個極其重要且極其困難的挑戰，那就是「評估」（evaluation）。評估面臨著諸多難題，更遑論 LLM 了。對於 LLM 來說，評估簡直是一場噩夢。但即使談論一般常規的 AI，在現實生活中的評估也是個大問題。
請容我再次以醫療為例，因為醫療是許多問題的核心，與每個人息息相關。當我們在醫院部署包含 AI 的醫療器材時，它當然經過了認證——通過了美國 FDA 核准或歐洲認證，每個國家都有這類認證機制。
但認證仍處於一種封閉測試特定項目的理想世界中。當你將其部署到真實世界、部署到人類與 AI 互動的整個流程鏈條中時，即使 AI 本身非常優秀，任何環節仍可能出錯。你必須評估整個流程鏈條的變化，因為你用 AI 模型替換了其中的一個積木、一個步驟。
醫院裡曾有過這樣的案例：部署了水準非常高的 AI 系統後，病患死亡人數反而大幅上升。因此這方面存在許多挑戰。抱歉，Jean-Marie，我現在回到你的問題。
你剛才的問題是關於我們是否真的需要大量資料，還是可以……是的，正如我今天上午所說，沒有人能完全確定。
這場座談中的某些人可能會說，DeepSeek 和千問（Qwen）很可能採用了對美國大型模型的「知識蒸餾」（distillation）。因此，他們自然不需要那麼多資料，成本也更低，因為他們基本上是利用大型模型來汲取其中的所有知識。那麼，如果 ChatGPT、Claude 和 Gemini 不存在，真的有可能做出 DeepSeek 或千問嗎？
這很難說。我沒有明確的答案。但我想……
關於資料量，對於 LLM 來說這確實是不可或缺的，這很明確。但對於許多其他類型的 AI 而言，完全不需要相同規模的資料。
我可以提個問題嗎？我認為這是一個重要關鍵。例如，如果你造訪 DeepSeek 的網站去研究他們的定價，那是非常耐人尋味的。
他們直接參照 OpenAI 來描述自己的定價。他們提到，不同於其他要求每月最低訂閱費用的模型，他們僅按搜尋次數或 token 計費。所以 OpenAI……
我是否有切中這個追問的核心？對終端用戶來說，使用 OpenAI 成本較高。舉例而言，一家位於南非、哥倫比亞或世界上任何地方的企業，如果在 DeepSeek、Claude 和 OpenAI 之間評估企業級方案，據我所見，DeepSeek 目前對他們來說便宜得多。
我認為這是我們必須正視並設法解決的問題。
是的，但這與 Jean-Marie 剛才問的「使用大量資料進行訓練」是兩碼子事。但我完全同意，他們似乎找到了一種成本更低的運作方式。觀察當今的 AI 研究人員，大家都在尋找更簡潔的模型，希望以更簡便的方式達到與現今 LLM 相同的高效率，從而大幅減少運作所需的能源。
而且幾乎每個月都會有這類重大突破的公告發布。
我想請教唐鳳。你曾任台灣首任數位發展部部長，現任台灣數位治理無任所大使（cyber ambassador），一直致力於推動 AI 的正面應用。正如 Emmanuel 提醒我們的，大型語言模型只是 AI 的一個分支。
AI 有許多用途。如果我們超越美中競爭的視角來看待 AI，而不僅僅聚焦於安全防衛層面，你認為 AI 在連結公民、提升解決社會問題能力方面帶來了哪些正面機遇？其潛力何在？
我認為這對現場的這群外交官非常重要。他們來自富裕國家、發展中國家，來自世界各地。AI 在重新分配權力方面有何潛力——無論是轉向善用，還是可能轉向惡用？
當然。我想延續剛才關於評估的討論。我目前在牛津大學進行學術研究，投入 AI 對齊（AI alignment）領域，但我們不是將其對齊於產出效用，而是對齊於參與式流程。我想分享一個我們如何將 AI 系統與參與式流程對齊的故事。
這件事實際上發生在我的家中。我父親是一位政治學者兼記者，1989 年天安門事件時他一直在現場採訪報導，直到 6 月 1 日才離開。幾個月前，他的身體出現了一些狀況。
他發現無論跟哪款聊天機器人對話，機器人總是提出各種天馬行空的想法、腦力激盪等等。這讓他陷入了一種焦慮螺旋。但身為記者，他立刻看出破綻：這些機器人只是為了賺取訂閱費，根本不忠誠於家庭關係。
我們很快為他的困境找到了解決方案。在取得我父母明確同意的情況下，我們建立了一個完全在 Mac 電腦上運行的本地模型。因此它完全不需要資料中心。
這是一個語言模型加上幾個專門的窄領域模型，全部裝在一台 Mac 電腦中。它只加入我們的家庭 Signal 群組，當然，我父親也可以直接私訊機器人。
評估指標是我母親制定的：她要求機器人每次發言時，都應該減少我父親對螢幕的依賴，並讓他重拾內心平靜、回歸身邊的現實生活。這有點像在台灣，我們確保教室裡的孩子只使用大螢幕，每兩名孩童共用一台筆電或平板，始終保持親社會（pro-social）而非反社會的互動。
每當機器人給出稍微讓人感到孤立的回答時，我們就可以利用所謂的「方向引導」（directional steering）——只需極少量的資料，大約十個句子，在一分鐘內就能訓練神經網路朝我們期望的方向調整。而且因為它完全在本地運行，不會把資料傳送到雲端，既不去北京，也不去矽谷。
所以我這裡要強調的其實是治理觀點：我們究竟是在思考「居上的 AI（AI on top）」還是「隨選的 AI（AI on tap）」？如果它是「隨選的 AI（AI on tap）」，那麼受 AI 影響的人就可以即時引導它；但如果它是「居上的 AI（AI on top）」，那麼這種掠奪式關係，無論是在北京還是矽谷，我們都像是浮游生物，人類的資料被抽取進這座巨大的鑽油平台。
但如果資料留在在地社群內部，大家就能共同掌握。這就是為什麼我稱之為「資料土壤」（data soil）而非「資料石油」（data oil）——它是純粹再生性的。
順帶一提，它的速度比雲端模型更快，品質也更高。所以我真的看不出有什麼理由不採用這種本地模型。
針對唐鳳剛才說的，我看見 Emmanuel，你剛才……抱歉？
我以為你有反應——不，不，是非常正面的反應。我完全同意。比起大型 GPT 模型，我更相信小型模型；現在根本沒人在那些龐大模型中看到可行的商業模式。
每個人都在這些模型上虧錢。而且它們太過通用了，妄圖無所不知，這本身就很愚蠢。
它永遠無法達成這個目標，這是顯而易見的。所以他們不斷在上面疊加一層又一層的補丁，修補了這裡看到的問題，又去修補別處。
但我們應該從架構設計上徹底改變這些做法。我絕對相信專門針對特定資料、本地資料、針對特定小群體並帶有明確目標、旨在回答具體問題的小型模型。這顯然具有廣泛的應用前景和巨大的價值。
所以我完全贊同唐鳳的觀點。
謝謝。我想回頭請教 Kori。你一開始提到，要回答我提出的那種存在性問題還為時過早。
但就你當前所見——不作未來的預測——你是否看到 AI 已經應用於我們眼前的既有衝突和實戰中？你是否認為 AI 正在發揮作用，重新平衡各方力量？例如烏克蘭戰爭。
還有伊朗、以色列與美國之間的衝突。這些都是當前正在發生的戰爭，雙方都廣泛運用了人工智慧和資料。你如何看待 AI 在這些既有衝突中的影響？
我認為人工智慧正在改變國家安全領域的某些專業手法，例如間諜越來越難進行無人監控的接觸，對吧？它提高了戰場的透明度，也增強了搜尋分析能力。如果情報機構錄下了每一通境外通話，瓶頸不在於錄音本身，而在於資訊處理——需要有人去聽並找出其中的模式。
人工智慧在這類工作上表現確實極為出色。舉個小例子，我曾任職於美國國務院歷史文獻諮詢委員會，我們曾進行過一項測試，看看利用 AI 評估資訊自由法案（FOIA）解密文件是否有所助益。這會增加還是減少對人工審查的需求？
結果我們發現，AI 處理掉了大部分依循既定規則即可解決的常規案件。這讓真正有專業能力的人員得以專注於棘手案例。
因此，它與其說是減少了對人力的需求，不如說是將人力集中在問題中最具智力挑戰的部分。我認為這是一個非常有價值的測試案例。正如 Emmanuel 所說，在醫療領域同樣能看到上千種此類應用，例如辨識新疫苗、新療法，或是解決規則足以應對的難題；但它無法取代人類的判斷。
在戰爭中，無論是為了掌握戰場態勢還是鎖定目標，辨識戰場物體的位置都具有巨大優勢。如果那些目標是不需要人類複雜判斷的目標——戰場上移動的每一輛敵方坦克都應該被鎖定打擊。
這不需要人類判斷，除非你擔心彈藥庫存不足，在這種情況下你也可以設定演算法來排定特定類型目標或地點的優先順序。但它無法替你回答：『我究竟該不該這樣做？』這本質上是人類的決策過程。
在戰爭中，這是至關重要的決策。早在 1990 年代，美國海軍陸戰隊司令 Charles Krulak 將軍就曾詳盡闡述過所謂的「戰略下士」（strategic corporal）概念——戰場上階級最低的士兵所做的抉擇，也可能產生戰略層面的重大影響。任何自動化技術都無法阻止衝突環境中糟糕的人類抉擇，也無法複製優秀的人類決策。
因此正在發生的轉變是：依靠通訊網路或自主鎖定目標的低成本無人機帶來了持續性監控。這降低了戰場上的機動能力，增強了防守方相對於進攻方的優勢。
這是實質的轉變。由 AI 帶來的第二個實質轉變是製造低成本無人機變得極其容易。如果你不在乎一千架無人機當中有 947 架被摧毀，你就能產生巨大的打擊效果。
因此在成本效益方面，過去只有大國才能負擔得起戰場上的持續性監控，如今已非如此。這給了叛亂團體優勢。
這也給了恐怖組織優勢，給了全球南方國家在抵禦高軍事能力對手時的防衛優勢。我認為 AI 改變了這些層面；但它沒有改變的是社會拒絕接受惡果的堅韌意志，以及戰爭勝負所繫的其他本質上屬於人類的判斷。
非常感謝。你剛才所說的，我認為對全球許多國家都至關重要。但現在讓我們跳脫戰爭視角，思考 AI 的正面用途。
唐鳳剛才向我們展示了一個絕佳範例：小型模型如何以相對較低的成本產出極佳成果。因此我想向大家提出這個問題。當我們展望 AI 的未來發展時——Melanie，你剛才提到人們過於執著於誰要爭第一。
當我們比較美中兩國的動態時，由於每家公司都有自己的商業策略，外界無法完全理解其內部運作，缺乏高度透明度。大家如何看待 AI 潛在的正面發展？我想把這個問題拋給 Melanie、Emmanuel、唐鳳和 Kori。
你們認為有哪些正向發展的可能？針對 Emmanuel，我想額外請教：你如何看待歐洲在其中扮演的角色？因為歐洲某種程度上錯過了第一波資料革命，大型科技巨頭不是美國的就是中國的。
但歐洲坐擁高品質資料的寶庫，這對許多 AI 應用來說具有巨大價值。因此這裡也涉及一個問題：正在發展 AI 的各國如何攜手合作以發揮正面效益？誰想先發言？
我可以就「社會許可」（social license）這一點插話嗎？我想我們剛才聽到的是，AI 賦予了人們態勢感知與共同知識；但它並未剝奪人們共同做出判斷的能力。
在台灣，我們十多年來一直將 AI 系統應用於公民決策。舉一個簡短的例子：幾年前在台灣的社群媒體上滑動時，總會看到像黃仁勳這樣的名人向你推薦加密貨幣或投資建議的廣告。
這種情況發生在北京控制和美國控制的各類社群媒體平台上。我們擁有全亞洲最自由的網路，因此不能採取審查手段。身為部長，我向全台灣 20 萬組隨機號碼發送了簡訊，邀請大家以抽籤民主（lottocracy / sortition）的方式，來決定社群媒體廣告公司的營運社會許可。
數千名志願者報名，我們隨機選出 447 位能反映全體人口結構的民眾。每十人一桌，受到仁工智慧（civic AI）的輔助。我必須說，因為我們清楚自己在做什麼，AI 僅用於逐字記錄、摘要、社會轉譯、具備禮貌機制的計時發言鐘（chess clock with manners），基本上是鼓勵安靜的人多發言。
在處理這類任務上，它比前沿模型做得更好。就像我們為我父親打造的小型模型一樣，只要我們目標明確，它的表現甚至優於前沿模型。在這類仁工智慧系統的協助下，每桌十個人實質上都提出了自己的想法，讓每個人都稍微滿意一點，且沒有人感到強烈不滿。
有一桌提議：乾脆把社群媒體上的所有廣告都標註為「疑似詐騙」（probably scam），就像香菸的警語標籤一樣。如果黃仁勳或本人簽名具名認領，當然可以撤除標籤，否則一律標記。另一桌提議：未經標註的廣告如果推播給未訂閱的用戶並導致其損失 700 萬，那麼社群媒體公司必須對這 700 萬的損失承擔連帶賠償責任——這也是個好點子。
還有一桌說：外國公司若無視我們的法律責任規定，每無視一天，就將其短影音的連線速度調降 1%——這同樣是個極佳的構想。到了當天結束時，我們對這些方案進行了投票。
如果換成 44 位人類引導員，需要好幾天才能凝聚出這樣的罕見共識（uncommon ground）。但透過小型語言模型，我們當場就能完成對齊；投票結果顯示超過 85% 的人贊同，其餘 15% 也能接受。那是兩年前的事，隨後在幾個月內就順利立法通過。
因此在過去這一年裡，幾乎不再有深偽廣告（deepfake ads）了。根據路透社引述數位發展部統計資料的報導，冒名詐騙降低了 94% 以上。所以這在台灣幾乎已獲解決。
我的觀點是：與其要求每個人都去考一張使用社群媒體的「駕照」，或者被迫放棄使用，不如讓全體國民共同參與，制定出營運的社會許可。如此一來，無論推薦系統採用何種 AI，都必須遵循這套共同規則。因此，它被馴化了——不再是掠奪性的鑽油平台，而是轉化為可再生的土壤。
我認為這是將 AI 用於良善目的的極佳範例。此外，這也有助於我們訓練所謂的可信任 AI 對話引擎（TAIDE），這是台灣的主權模型。同樣地，這只是一層可以套用在 Gemma 或 Nemotron 等現有開放模型上的架構；順帶一提，它現在比 DeepSeek Flash 更快也更好。
對此有何看法？對唐鳳的發言大家有何評論？當你在監測科技發展、比較美中兩國時，除了看到國家權力的強化之外，是否也看到了類似唐鳳在台灣所描述的這類發展？
首先，聽到這個範例我感到非常興奮。我認為美國在這方面需要向台灣學習。在資料保護方面，美國落後於歐洲；在協助民眾應對來自各方勢力的宣傳灌輸方面，我認為美國也落後於台灣。
我有兩點評論。第一，我同意 Emmanuel 先前所說的：模型背後的透明度至關重要，因為如果你不確定模型依據哪些因素做決策，你就無法信任它的決策。我強烈推薦《AI 帝國》（Empire of AI）這本書，它深入探討了模型設計過程中所涉及的人類決策細節，以及面臨的各項挑戰。
美國在透明度以及提供開放、清晰的模型方面仍需加把勁，這樣民眾才能更加信任它們。再舉個例子，我住在維吉尼亞州，維吉尼亞是美國少數正為如何劃分選區展開激烈政治爭奪的州之一。在一個州內，你該如何劃定界線，決定哪些區域合併選出一名參議員或眾議員？
大家都在爭相劃出奇形怪狀的選區界線，試圖讓共和黨人或民主黨人席次最大化。身為維吉尼亞人，我很希望能有一個中立的 AI 版本，給出一個大家都能檢視的客觀中立方案；但如果你不知道模型背後的假設前提是什麼，這就很難實現。再舉一個 AI 用於良善目的的例子：我在生技領域做了很多工作，許多用於治療過往不治之症的新藥，不僅來自人類基因體定序，也來自對其他物種基因體的測序。
在美國，許多人都在討論 GLP-1 藥物，它最初正是透過對美國毒蜥（Gila monster）這種蜥蜴的基因體進行測序而發現的。地球上有如此繁多的魚類、哺乳類、兩棲類和各種生物，我們尚未完全測繪所有基因體，而 AI 賦能的科學正在協助我們大幅加速這一進程。我們現在越來越有能力以空前的速度和規模繪製基因體圖譜，並測試其如何轉化為人體藥物。
中國也有像晶泰科技（XtalPi）這樣的公司正在建造龐大的實驗工廠，全由機器人進行生物測試，以獲取資料輸入 AI 模型進行圖譜繪製，試圖為疾病開發新療法。身為美國人，如果我罹患了罕見疾病或疑難雜症，而一家中國公司利用這些模型研發出了對我有療效、且在其他地方買不到的藥物，對我來說這非常好，絕對是一件好事。我一定會希望能夠獲得這種治療。
因此我認為，我們越能賦能全球科學界以更快的速度發現新知識，就越是一件大好事。
Emmanuel 和 Kori，在開放現場提問之前，請你們說幾句總結。
請容我接續罕見疾病的話題。罕見疾病很有意思，因為我們剛才好幾位都提到需要本地系統——因為本地系統可能更中立；我不知道自己是否相信有所謂中立的 AI，就像世上不存在完全中立的人類一樣。但無論如何，我們需要本地模型來減少偏見等等。
但在罕見疾病方面我們遇到了問題：如果你只使用本地資料，資料量根本不夠。所以你必須設法處理。這時資料就變得極為重要，互通性與資料品質成為核心議題。
正如我今天上午所說，每當我們談論 AI 革命時，AI 革命本質上首先是一場資料革命。而推動資料革命並不容易——這意味著要在具備敏捷治理的同時建立高品質資料，若涉及個人資料還必須保障隱私並具備互通性。這在實務運作上極端困難。
歐洲目前有一項獨特的倡議，說實話我不知道它最終能否成功，但它顯然是一項開創性的健康資料倡議。不知道大家是否聽說過《歐洲健康資料空間》（EHDS）。這是一項與《人工智慧法案》（AI Act）同時通過的新法規，旨在統一有關治理、存取和資料品質的所有規則。
在未來幾年內，所有健康資料的生產者都將被強制要求為了公共利益研究而共享資料，否則將面臨罰款。這涵蓋了民間和公立的資料生產者。
這是一個重大變革，確實是重大變革。我在名為 Health Data Hub 的法國國家健康資料平台工作，我們在這個架構中扮演著重要角色。
我認為這是一項真正獨特的倡議。我希望它能成功，因為據我所知，至今沒有任何國家真正解決了這場資料革命。你可能擁有在資料處理上表現優異的個別企業，但在國家層面上，還沒有人徹底解決這個資料問題。
當然，也可能是我對某些國家不夠了解。有趣的是，自從這項法規公布以來，許多國家開始關注歐洲，認為這是一種全新的健康資料模式，值得借鑑。
在這項法規出台之前，我必須奔走世界各地尋求建立合作夥伴關係；而現在大家都主動找上門來。例如唐鳳，台灣的衛福部有 28 位代表來法國訪問我們，我們即將簽署合作夥伴關係。我們也與日本、南韓、以色列、美國、魁北克以及越來越多的國家和地區展開了類似合作。
我想特別提一個相當具有原創性的合作關係——這始終圍繞著資料展開。在醫療領域推動 AI、推動國際合作夥伴關係時，最核心的瓶頸——遠超過其他任何問題——就是資料本身，以及如何找到相容匹配並能協同運作的資料。一旦解決了這點，剩下的就容易了。
除了跨國合作時會面臨的治理和存取問題之外，其他環節都很直接。我們目前與印度進行的合作非常棒，我非常喜歡，這是莫迪和馬克宏在最近兩次新德里峰會上宣布的。印度開發了一種安全空間架構，其隱私防護非常嚴密，可以部署在任何地方，他們對其隱私保護能力充滿信心。
作為概念驗證，它是開源的，稱為 DIPA（Data Empowerment Protection Architecture，資料賦權與保護架構）。印度向法國提出：如果能建立這樣的基礎設施與安全空間，他們願意向我們傳輸來自印度民眾的個人健康資料。我們正在搭建這個系統，並準備執行五個應用案例。
我們將獲取來自印度的個人健康資料，傳輸至法國與當地的資料結合，並在此基礎上運行 AI。我認為這是一個極其重要的專案，因為圍繞著資料，治理始終是最關鍵的核心問題。
我沒有要補充的了，Jean-Marie。
好的，那我們現在開放現場提問，因為我們剛才聽不到聲音。
不知道我們有沒有…… 非常感謝各位精彩的發表，內容十分引人入勝。我想請教各位對整個支撐 AI 及相關技術發展的供應鏈流程有何看法。
這對全球地緣政治 產生了怎樣的影響？例如，我們看到圍繞稀有礦產正在形成不同的聯盟，權力基礎也隨之重新定義。特別是將中國視為涉及巴西、剛果民主共和國（DRC）、烏克蘭等國的主要供應鏈樞紐時。
各位如何看待這對底層支撐 AI 發展的基礎結構所產生的影響？
好的，請繼續。
非常感謝各位，這場座談非常精采。比起今天早上，我現在反而感到更加困惑，因為我對這個領域完全是個新手。
所以如果我的問題不夠合理，請多包涵。抱歉，我有兩個問題想請教。第一，除了存取權限之外，我很想了解 AI 如何加劇國家之間的貧富差距與不平等？
非常期待聽聽各位的見解。第二個問題，剛才聽到唐鳳分享在地語言模型，這似乎是各國處理此類問題的絕佳範例。但我很好奇，AI 模型之間是否存在某種階層體系——來自小國的模型與來自大國的模型是否有別？
以及這些在地語言如何反過來為特別是涉及治理與倫理考量的全球架構提供指引？謝謝。
非常感謝各位與談人。你們明確指出治理與監管是重中之重。我的問題是關於這類監管在確保模型底層假設透明度方面的前景。
你們認為這可行嗎？應該在國家、區域還是國際層面來推動？謝謝。
我的問題稍微有些不同。為大家提供一些背景：在座的許多人要麼在聯合國工作，要麼是協助聯合國維持影響力的外交官。聯合國目前正試圖在 AI 領域跟上時代腳步。
它正在客製化 AI 工具，為員工提供培訓以跟上全球發展，最近也開始招募數位長（chief digital officers）等新職位。
從各位的專業視角與工作經驗出發，如果您被聘為聯合國顧問，您會如何建議聯合國在這個領域保持影響力並發揮實質作用？我知道很多人鑑於聯合國的運作模式和合作對象，將聯合國視為獲取資料的賦能者；但我很想聽聽各位自身的觀點。
謝謝。
請與談人回答，大家可以挑選自己覺得最適合的問題作答。
不好意思，我想我這次可以先略過。
我覺得剛才沒有針對我的具體問題，所以我把時間讓給其他與談人。
好的，誰想先開始？
我可以針對幾個問題發表意見。我可能無法回答所有提問，因為有些我也不知道答案。但我想先就第一個問題談談看法。
我不會給出定論，我相信 Melanie 或唐鳳會有更好的見解與解答。我沒有標準答案。
但我只想提出一個提醒，因為在談論稀有礦物與 AI 供應鏈的整體成本時，我太常看到一個普遍的誤解。我們今天必須非常謹慎——至少在談論當前的現狀時——我們必須嚴格區分「AI 的衝擊」與「數位轉型的衝擊」。
因為我們每個人都擁有智慧型手機，這是數位轉型，而非 AI 帶來的直接影響。同樣地，電動車配備了電池。
這不是 AI，這是數位化。而這確實對生態、能源以及氣候產生了巨大衝擊。
這是數位轉型帶來的影響。在當前這場數位轉型中，AI 所占的衝擊比例其實非常小，只是一小部分。
雖然這個比例正在呈指數級增長，我並不是說這沒關係或我們不必在乎；但我認為釐清這一點非常重要，因為現在大家把所有事情都混為一談了。
如今每當談論人工智慧時，它成了一個無所不包的流行詞。當你串流觀看影片時，那不是 AI；AI 僅僅用於推薦系統。
但在此之後，為此你需要雲端運算等基礎設施。這是我對第一個問題的看法。至於第二個關於國與國之間不平等的問題：
沒錯，資料在其中扮演著舉足輕重的角色。正如我今天上午所說，我們最大的擔憂是我們基本上正在建立一套「西方 AI」，而最糟糕的莫過於將其直接推廣部署到全世界。那將帶來極其惡劣的後果。
這會加劇諸多不平等。因此我們必須高度警惕。各國之間確實存在不平等，即使在資料層面上也是如此，因為許多國家甚至還沒有開始收集資料。
而我認為資料才是核心資產。我目前協助一家法國公共機構在撒哈拉以南非洲國家規劃 AI 部署，協助他們建立自己的 AI。因此，核心瓶頸依然在於資料。
我常說，在歐洲，只要我們擁有高品質的資料集，即便不使用 AI，也能對公共衛生產生巨大影響。在沒有 AI 的情況下就有許多工作可做；接著是利用現成可用的 AI 工具；
最後才是運用最先進的 AI 模型。但我認為這非常關鍵。最後非常迅速地回應關於聯合國的問題：
大家知道我是做資料出身的，所以我會建議聯合國聚焦於資料、存取權限與資料治理等面向。我認為這是重中之重。我知道聯合國會有其他同仁負責常規的遊說工作；
因此我會專注於資料層面。謝謝。
我也想補充幾句。謝謝大家提出這麼棒的問題。我也想談談不平等這項議題。
正如 Emmanuel 所說，這主要關乎價值的流向。如果資料流出了社群，價值就會累積到擁有模型的人手中；而流回社群的，不過是租賃來的、無法自行修正的所謂智慧。
因此，「資料作為石油」的方向只會讓承受傷害最深的人處於更不利的地位，一旦出錯，人們根本無從修正。所以我認為這種循環經濟模式、這種「資料作為土壤」的模式，不僅僅是可有可無的加分項；
對於身處遭受認知不平等（epistemic inequality）衝擊的社群而言，這實際上是不可或缺的必備機制。就像我阿嬤的第一語言是台語（Tâi-gí）／臺灣福佬話，而不是華語。如果她使用未針對她的台語進行微調的最先進前沿大型語言模型，
她當然會處於劣勢。因此在台灣，當我們訓練所謂的主權 AI 模型時，因為我們擁有 20 種國家語言、16 個原住民族群以及 42 種語言變體，主權實質上是屬於各個社群共有的。每個社群都可以與 Mozilla、Common Voice、Data Collective 等組織合作，進行自己的資料策展。
這實際上關乎共同創作，因為每種語言都蘊含著化解歧見（dissolve disagreements）以及理解外部世界的方式。而且社群擁有這些資料。運用知識器物管理智慧（Knowledge Artefact Management Intelligence，我稱之為 Kami），他們能夠在不同的知識立場之間進行協商，甚至展開社會轉譯。
我們已經看到其他國家開始採用這種社會轉譯，因為極化在各地都是嚴重的問題。透過社會轉譯，例如將氣候正義的觀點與聖經中守護造物的觀點相互轉譯，可以緩解雙方的衝突，進而就罕見共識（uncommon ground）達成一致。我很高興向大家報告，這類推動和平的工作——也是聯合國的核心職責——目前正在許多地方展開。
大家可以查詢 Democracy R&D 這個網絡。這是我建議聯合國可以深入了解的方向。它同時也能解決關於 AI 營運社會許可（包括透明度規則）的州級或國家級監管問題。
事實上，如果你是加州居民，還有三天時間可以造訪 engaged.ca.gov（參與加州），我們正運用這套源自台灣的模式，詢問每位加州居民其工作如何受到 AI 的影響。這可能涵蓋學徒制、歸屬感、社群、尊嚴、倫理、隱私等 ABCDE 各項議題。同樣地，透過這種社會轉譯，我們希望能找到跨黨派、跨文化的罕見共識；隨後加州政府就能像我們對待深偽社群媒體那樣，直接向前沿實驗室表明：這不是州長或議員個人的想法，
這無關黨派立場，而是每位加州人都認為你們至少應該做到這一步。
Melanie？
好的，我簡短回應幾點。關於供應鏈問題，依據不同的衡量指標，美中兩國目前無疑是 AI 領域的領頭羊。
我認為它們就是兩大 AI 領導者。有趣的是，雙方既有可以合作的領域，也有完全無法合作的領域。在關鍵礦物與稀土方面，中國已明確表示將切斷對我們的供應，以此作為制約美國決策的手段。因此，大家將會看到美中在關鍵礦物領域的脫鉤日益加深。我們必須擁有替代供應鏈，絕不能在此方面依賴中國。
而在高階晶片方面，有明確證據顯示中國軍方正試圖獲取這些晶片來運行 AI，在我們看來這損害了美國的國家安全，因此我們必須實施出口管制。我覺得真正有趣的是，雙方仍有可以合作的空間，但要安全地推進合作，需要建立全新的機制。
我完全同意 Emmanuel 的觀點：在資料層面，以安全、有保障且互利共贏的方式實現資料跨境流動，將是解鎖 AI 實際應用潛力的關鍵鑰匙。與中國在這方面有著巨大的合作潛力，但同時也伴隨著巨大風險。因此，聽到法印合作架構時我感到非常振奮。
我認為這或許可以成為美、歐、中及其他國家借鑑的模式，對吧？因為我們必須擁有一套獨立的標準與機制來進行資料交換，資料不能單方面留存在任何一個國家境內。
我對聯合國能否成為解方持懷疑態度，但很樂意聽聽各方在這方面的想法。關於 AI 是否會加劇國家間不平等的提問，我完全贊同 Kori 的看法：這將是工業革命以來最巨大的劇變，而我們至今尚未完全理解它。
但我認為，未部署 AI 的國家所面臨的經濟損失將是真實且嚴重的。舉個例子，去年秋天我們參觀了中國的一家汽車製造廠——小米工廠，他們結合 AI 與機器人技術，每 76 秒就能生產一輛電動車。下週我們將前往加州參觀一家福特工廠，他們也正運用類似的 AI 與機器人創新技術，以媲美中國企業的價格迅速生產福特皮卡。
所以你看美中兩國都在這條賽道上競逐：如何利用廠內 AI 模型結合機器人技術，以更少的人力、更快的速度生產出更高品質的產品？如果你沒有部署同等水準的模型，你就無法參與競爭。
你在規模、成本或品質上都將無法競爭。這對墨西哥或其他汽車製造國意味著什麼？世界最終可能會分裂成兩個截然不同的階層，如果不具備昂貴的最先進 AI 與機器人技術，你就無法進入高階競爭層次。
因此我認為包括美國和中國在內的許多國家，都必須重新思考我們新的經濟規劃，因為過去行之有效的某些做法未來可能不再適用。最後關於政府如何推動模型提高透明度的問題：審視美國的政治體制，身處華府的我認為華府很難有效達成這一點，因為我們的政治領袖在理解 AI 運作方面總是遠遠落後於企業，更遑論去監管模型了。我認為這很大程度上——至少在美國體系內，甚至在全球範圍內——將取決於市場選擇。企業和民眾自然會傾向於選擇更透明的方案。
只要他們擁有選擇權，透明度最終必將在競爭中勝出。
在這個樂觀積極的基調下，我想這是一個很好的結尾。我要感謝所有的與談人：先行離席的 Kori、Melanie、唐鳳以及 Emmanuel。這是一場非常精彩深刻的討論。
對我而言，最核心的收穫在於：某種程度上，資料是未來的石油，每個國家都坐擁一座資料寶庫；只要能確保資料可靠、可存取、具備互通性並嚴密保護隱私，這些資料就極具價值。這伴隨著諸多需要深思與努力的「如果」。但在某種意義上，全世界無論貧富國家，我們都在不斷產出資料。
如果我們能善加生產與治理這些資料，那麼國際合作將擁有無比廣闊的空間，也蘊含著巨大的進步潛力。在當下我們普遍感到少數幾家大企業正試圖透過資料控制我們的時刻，這是一個相當令人鼓舞的想法。正如唐鳳所勾勒的意象：這究竟是掠奪性的，還是非掠奪性的？
如果我們能從掠奪式經濟走向非掠奪式經濟，未來就充滿真正的希望。謝謝大家，非常感謝。
謝謝。
