行政院六月底才拍板教育、醫療、金融、司法四個主權 AI 示範場景，「AI 新十大建設」未來幾年要投入一千多億元。國家在談主權，企業也在談主權，這兩件事是同一件事嗎？數位時代創新長黃亮崢 James 邀請亞太智能機器 APMIC 創辦人暨執行長吳柏翰 Jerry，從國際三條路線一路談到台灣的金融、法務大語言模型，拆解主權 AI 究竟是政策口號，還是企業真正該面對的必修課。
聽完這集你可以學到
主權 AI 這兩年的質變：從黃仁勳「資料是自己的礦產」的號召，走到 2026 年的務實盤點。CNAS 追蹤全球 130 多個政府主導專案，約七成有外國夥伴參與、其中八成涉及美國企業，主權從來不是完全獨立，而是在依賴與自主之間找平衡點。
國際三條路線與台灣的位置：法國養 Mistral 走全端自主、美國主張「戰略自主不是孤立」、Brookings 則提出「管理式互賴」。台灣走的是管理式互賴的變體，但多了一件別人沒有的事——把整套方法論打包輸出。
主權 AI 的同心圓架構：最外圈是國家主權（語言、歷史敘事、民主價值），中間是產業主權（金融、法律的在地合規），最內圈是企業主權（資料不外洩、成本可預測、不被供應商綁定），三層層層嵌套而非互斥。
雲端 Token 的三層計價陷阱：長文本會讓輸入計價翻上一到兩倍，輸出價格又比輸入貴好幾倍，最難掌握的是推理模型的隱形 token——模型不會告訴你這一題會思考掉多少，使用者看不見、無法預估，但帳單照算。
地端小模型的成本對照：以每個 AI 代理每日一億 token 計算，GPT-5.5 每百萬 token 約 450 元台幣，改用 ACE-1 搭配 NVFP4 精度做地端部署、攤提軟硬體成本後約 83 元，省下超過八成，AI 客服這類場景差距更明顯。
供應商說變就變的營運風險：模型下架、SDK 停止支援，企業花半年做完需求訪談、導入、驗測，連提示詞都調到堪用，一紙公告就得整個重來。這就是所謂的財務主權——資料絕對權、模型自主權與流程控制權。
知識分層、成本分流的混合架構：核心的、高敏感、需要精確合規的工作交給地端小模型，通用非敏感的工作繼續用雲端大模型。Jerry 就遇過客戶查出將近六成的 token 消耗，是員工在問今天中午要吃什麼。
小模型如何打贏大模型：ACE-1 只有 24B 參數，在數發部 AIEC 評測拿到全球第五、台灣價值觀滿分。關鍵是把 Gemma 基座知識蒸餾後再微調，搭配 NVFP4 量化把記憶體需求降五成、精準度損失控制在 2% 以內。
金融與法務兩塊試金石：金融由二十家銀行集資、每家約七百萬元共建產業公版模型，讓模型去找資料而非資料出銀行；法務則由法務部出資、月費約千元開放律師使用，是商業聯盟與公共建設兩種模式的對照。
Jerry 給企業決策者三個具體建議：第一，先盤點，算清楚目前花在雲端 API 的費用、開發維護與人力成本，很多企業其實不知道自己每個月燒了多少 AI token，因為這些錢散落在不同部門與專案裡。第二，辨識紅線，哪些資料與流程絕對不能交給外部？競爭力資料、公司知識資產、金融交易資料、醫療紀錄、法律文件，如果這些還在雲端跑來跑去，風險就不只是成本，還有合規。第三，選一個場景做前期導入，不要想一步到位，先挑痛點最大、資料最敏感的場景，用地端小模型跑跑看；過去企業從建置到上線大約要五到七個月，透過 PrivStation 2 大約三十天就能完成。
他最後留給聽眾一句話：「主權 AI 不是大企業的專利，也不是政府的事。每一家企業，只要你在用 AI，就應該開始思考，你對 AI 的自主權在哪裡。」
延伸閱讀
• 最懂台灣的 AI 模型！APMIC 模型 ACE-1 奪 AIEC 評測全球前五，台灣價值觀指標位居第一
• 數位關鍵字 EP204｜為什麼地端 AI 元年來了！GPT OSS、Gemma 3 讓企業自建不再是夢想
Powered by Firstory Hosting
