《數位經濟基本法》將一讀,許毓仁:不能讓法律一刀砍下去,傷了台灣新創!
《數位經濟基本法》將一讀,許毓仁:不能讓法律一刀砍下去,傷了台灣新創!

《數位經濟基本法》可望於明(7)日立法院一讀,立法委員許毓仁指出,草案已經過跨黨派約30位立委簽署,希望今年可以三讀通過,讓台灣的數位經濟發展能有一個「上位法」給予原則規範,各部會的法規和政策可以架在這部基本法之下。影響最大的是用「負面表列」的思維看待新興科技,以及把「創新沙盒」機制擴大到各種新興網路科技領域。

Uber事件凸顯台灣舊有法規面對數位經濟無法反應的問題,2016年底修改《公路法》通過2500萬的高額罰款,除了Uber的罰款高達11億元,暫時宣布停止在台灣的叫車服務之外,許毓仁指出,來台灣發展的香港新創Lalamove啦啦快送,在五天內就被罰了8,100萬元!

許毓仁說,「法律就像一把刀,這一刀砍下去,傷了外國公司,同時也傷了台灣新創。」政府不能用舊有法規看新的數位經濟浪潮。「我們一直修舊的法,無法回應未來的挑戰。」

《數位經濟基本法》從2016年10月開始蒐集意見,並舉辦多場修法討論、行政部會協調會及兩場公聽會。目前《數位經濟基本法》草案內容可在公共政策參與平台下載,表達意見。

公聽會報導:
許毓仁推數位經濟基本法,解決政府「見一個新創打一個」現況!
「數位經濟基本法」公聽會,詹宏志、蔡玉玲等人提出八大意見

原先提出的是「作用法」,但考量可能會把各部會規範成「四不像」,也會與現有政策及法規衝突,導致疊床架屋。許毓仁便決定推出「上位法」的《數位經濟基本法》。所謂的上位法,指的是在法律的效力上位階比較高,其他的作用法不能跟這個法律抵觸。但也代表這部法只能做簡單的原則規範,以免規範太細,反而讓其他法律很難作用。

許毓仁_數位經濟基本法3。郭芝榕攝影.JPG
《數位經濟基本法》想達成的四大目的,定義數位經濟、界定政府角色、制定企業責任和發展數位項目。
圖/ 攝影/郭芝榕

目前與數位經濟相關部會,包括經濟部、科技部、數位政委、科技政委等等,但都沒有實權。此法規定行政院為主責單位,許毓仁說,如同韓國有未來科學部、泰國有數位經濟部、澳洲有數位創新部長,把決定層級提高到國家層次,才能用國家力量來推動數位經濟,其下希望設置數位經濟發展委員會。

讓創新先長大再管制!

至於,《數位經濟基本法》通過之後,對台灣新興科技和新創公司會有什麼影響呢?

許毓仁說,「業者大到一定程度,政府才會決定是否管制!」由於採取「負面表列」的方式,各部會列出不能踩的紅線,其餘灰色地帶和模糊空間,應讓業者去嘗試。

創新往往會衝擊既有傳統業者,先看創新業者做的業務是否違法,如果違反現行法律,可比照沙盒機制,讓業者進入創新實驗場,有「6+6個月」的試驗時間。不過,許毓仁說,有些領域可能一開始就要納入,例如「遠端醫療機器人」,若有爭議的話,會牽涉是機器人業者還是醫生要負責的問題。

許毓仁說,基本的繳稅、公司登記業務是否符合等等還是要符合法規規定,「不能打著創新旗幟,就不配合!Uber是單一案例,其他共享經濟公司沒有不願意配合這麼嚴重。」如果業者不願配合進入創新實驗場的話怎麼辦?就只能用現有的法律手段來解決了。

至於,由Uber、Airbnb在台灣襲捲的共享經濟浪潮,問題怎麼解?許毓仁說,目前正在擬定「平台經濟專章」,專門處理網路媒合平台業者遇到的問題。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓