過去台灣電子產業，包含桌上型、筆記型電腦等硬體的生產與輸出，非常發達，但是電腦軟體較進國家，顯然落後。現在台灣半導體及AI設備生產技術一樣先進，但是AI軟體一樣落後。顯然現在台灣的AI政策，與幾十年來的電子產業發展，同出一轍，硬體先進，軟體落後。於是：
我問：目前哪些國家，針對AI深度學習，而有整理公共財產供AI使用的政策？
ChatGPT回答：
目前全球已經有不少國家，開始把「公共資料（public data）」或「政府持有資料」視為國家級 AI 戰略資源，主動整理、開放、標準化，甚至建立專供生成式 AI 訓練的大型資料庫。其背後思維，已從早年的「政府資訊公開」進一步轉向「資料主權（data sovereignty）」與「主權 AI（sovereign AI）」。
大致而言，可分成五種模式：
1. 政府主導的公共資料開放
2. 國家級 AI 訓練資料庫建設
3. 公共文化資產數位化供 AI 學習
4. 官民合作的資料共享制度
5. 法律上明文允許 AI 訓練利用資料
其中以日本、法國、韓國、新加坡、歐盟、美國最具代表性。
一、日本：最完整的「AI 訓練合法化＋公共資料戰略」
（一）法律面：著作權法第30條之4
日本是全球最早明確立法允許 AI 深度學習使用著作的國家之一。
日本《著作權法》第30條之4，基本上允許：
只要不是「享受作品內容」為目的，而是資訊分析、機械學習、深度學習等利用，即可不經授權使用著作。
這使日本成為全球 AI 公司極重視的訓練基地。
相關政策主要由：
• 日本文部科学省
• 日本經濟產業省
• 日本數位廳
共同推動。
（二）公共資料戰略
日本並不只是開放資料，而是開始建立：
• 行政資料標準化
• 地理資料庫
• 醫療資料聯盟
• 國立圖書館數位典藏
• 學術論文資料平台
並與 AI 訓練整合。
日本《官民資料活用推進基本法》更明確要求：
國家應促進官民資料之機器可讀化與活用。
這已經接近「國家 AI 資料基礎建設」。
二、法國：把文化資產當 AI 國力
法國近年非常積極。
（一）Gallica 數位典藏
法國國家圖書館
長期推動：
• 古籍
• 報紙
• 文學
• 圖像
• 手稿
的大規模數位化。
其 Gallica 平台，實際上已成為法語 AI 訓練的重要來源。
（二）歐洲共同資料空間（Common European Data Spaces）
歐盟執行委員會
正在建立：
• 醫療資料空間
• 文化資料空間
• 農業資料空間
• 工業資料空間
目的就是：
避免歐洲 AI 完全依賴美國平台資料。
這是典型的「數位主權」思維。
三、韓國：政府主導 AI 學習資料建設
韓國近年政策非常積極。
主要由：
• 韓國科學技術情報通信部
• 韓國智慧資訊社會振興院（NIA）
主導。
（一）AI Hub
韓國建立大型國家 AI 訓練資料平台：
AI Hub
內容包括：
• 韓語語音
• 醫療影像
• 法律文件
• 自動駕駛資料
• 高齡照護資料
• 對話語料
許多資料由政府出資建置。
這已不只是 open data，而是：
「國家級 AI 訓練原料供應系統」。
（二）生成式 AI 指引
韓國政府 2024 年後更進一步討論：
• AI 訓練合理利用
• 公共資料再利用
• AI 學習資料合法化
方向與日本愈來愈接近。
四、新加坡：國家直接建立 AI Data Infrastructure
新加坡
是亞洲最早把 AI 視為國家治理工具的國家之一。
由：
• 新加坡智慧國家與數位政府署
• 新加坡資訊通信媒體發展局
推動。
特色
新加坡不是單純開放資料，而是：
• 政府統一資料標準
• 建立可信資料交換架構
• AI Sandbox
• 國家級資料治理
其 Smart Nation 計畫，實際上已形成：
「政府即 AI 資料平台」。
五、美國：聯邦較鬆散，但科技公司實力最強
美國
聯邦政府不像日本那樣集中立法。
但：
• NASA
• NIH
• 國會圖書館
• 美國政府 open data
長期提供大量公共資料。
例如：
• 氣象
• 醫療
• 科學
• 衛星影像
• 法律判決
都成為 AI 訓練的重要來源。
美國模式的特色
不是「中央規劃」。
而是：
公共資料＋私人平台＋市場競爭。
真正主導 AI 訓練資料的，其實是：
• OpenAI
• Google DeepMind
• Meta AI
• Anthropic
等公司。
六、中國：最強的「國家主導資料模式」
中國
近年其實已把：
• 政府資料
• 國企資料
• 城市監控資料
• 語言資料
視為 AI 戰略資產。
特徵
中國模式是：
• 強國家控制
• 大規模資料集中
• 政府與大型平台整合
例如：
• 百度文心
• 阿里通義
• 訊飛星火
背後都有龐大中文語料與公共治理資料支撐。
七、歐盟：從「開放資料」走向「資料主權」
歐盟現在最重要的方向是：
《Data Act》
《Data Governance Act》
《AI Act》
其核心思想是：
歐洲不能只有隱私保護，而沒有自己的 AI 訓練資料體系。
因此歐盟近年強調：
• 公共部門資料再利用
• 高價值資料集（High-value datasets）
• 機器可讀格式
• 跨境資料空間
八、台灣目前的問題
台灣其實仍停留在：
「政府資訊公開」思維。
尚未真正進入：
「AI 訓練資料國家戰略」。
目前缺點包括：
1. 缺乏 AI 訓練利用明文規範
不像日本第30條之4。
2. 公共資料碎片化
各部會：
• 格式不同
• API 不統一
• 品質不一
• 難機器讀取
3. 缺乏國家級 AI 資料平台
尚無：
• 台灣語料庫
• 法律語料庫
• 公共文化語料庫
• 政府 AI 訓練平台
的整體戰略。
4. 缺乏「主權 AI」概念
目前《促進資料創新利用發展條例草案》的討論，多半仍偏向：
• 開放資料
• 民間利用
• 行政效率
而非：
「建立台灣自己的 AI 基礎燃料」。
九、全球趨勢其實已非常明顯
未來 AI 國力競爭，很可能不只是：
• GPU
• 半導體
• 模型技術
更是：
「誰掌握可合法、大規模、高品質的訓練資料」
因此現在各國開始出現：
• 資料主權
• 國家語料庫
• 公共資料 AI 化
• 文化典藏 AI 化
• 國家級 AI Data Infrastructure
的政策。
而日本與韓國，已是亞洲走得最快的兩個國家之一。
