論資金、論資料量，台灣或許很難和中國、美國等大國比拚，但台北醫學大學管理學院院長暨大數據研究中心主任謝邦昌相當有信心，認為台灣在醫學人工智慧這塊領域絕對有後發先至的機會，更指健保資料庫未來若能獨立成上市公司，市值將會更勝過「好幾個台積電」。而他的自信不只來自於台灣醫療水準與人才，「我們的數據好太多。」是他最看好的優勢。
台灣數據量不大，但品質佳
謝邦昌不否認，如果要看投資金額，台灣科技部未來五年預計投資在人工智慧的總預算160億元，還遠不及北京大學一年人民幣100億元(約合新台幣460億元 )的研發經費；而台灣2300萬人口的數據量，自然也比不上中國的13億人。但他提醒，以醫療領域來看，中國數據量雖大，卻多沒有經過清理，說得直接一點，那只是龐大的垃圾；對比之下，台灣健保資料庫早於1995年開始做資料清理，質量絕對更勝中國。他相信這會是台灣很大的優勢。
而且2300萬人口這個絕對數字雖然不高，從這個健康資料庫為基礎發展出來的AI解決方案或許不能適用於全世界人類，但謝邦昌相信，以此研發出的解決方案也不會只適用於台灣，而是能更進一步推展至中國、東南亞和華人市場。在他看來，台灣在醫療AI這個領域缺少的其實不是數據量，而是人才的培育和對數據的應用。
不比資金大小，要比內容優劣
對於這個缺口，謝邦昌直言：「我們有時候不能期待政府。」他解釋這是為什麼北醫先是和IBM的華生合作，今日又宣布和微軟啟動人工智慧人才培養計畫，決定先自己動起來。「我們不要跟人家比錢，要比內容（指資料的質和訓練的方式）。」他說。
而也如同前行政院院長，同時也是臺北醫學大學管理學院諮詢委員張善政所說的，在AI的領域裡，台灣不應該重頭開始，應該站在巨人的肩膀上出發；同理，謝邦昌認為在AI人才培育上也應該如此。
他指的不只是在教學上應該善用既有平台，他提到，今天如果是要重新設立一個人工智慧學系或課程，與教育部來來回回加上訓練師資的時間，至少就要耗掉兩年，緩不濟急，所以現在他的作法是，將微軟的線上人工智慧課程與北醫既有的線下課程做結合，舉例來說，原本的統計課就可以升級成智慧統計課。而他也目標未來三到五年內，要為台灣培養出二至三萬名AI人才。
滾動式修法，避免法規成阻礙
不過醫療或許是台灣的機會，卻也不能不考慮個資法的問題，畢竟資料若受限於法規無法有效流通利用，就很難發揮價值。雖說張善政認為短期而言，即便資料不能在各醫療機構交換流通，還是可以做到某程度的研究成果，他卻也舉例，若是罕見病例，就不太可能只靠單一醫療院所累積的資料，而這時候個資法就可能會成為進一步突破的阻礙。因此他呼籲，包括個資法在內，任何與科技相關的法規都應該採取滾動式修正，不能訂了就不動。
對此謝邦昌也強調，倫理、道德、法律是未來AI發展很重要的課題，不能讓法規成為緊箍咒，但也要一步一步小心對待。
