國內較早投入在地語言模型發展的台灣智慧雲端服務（簡稱台智雲），曾與國網中心合作，以超級電腦台灣杉二號算力資源，建置TWCC臺灣計算雲，在大型算力支援下，台智雲從2022年開始研究訓練LLM模型的平行運算技術，2023年發表福爾摩沙模型，在當時與國科會TAIDE計畫為少數較早投入在地化LLM模型開發的團隊。

對於各國發展主權AI，台智雲總經理吳漢章分享他的觀察，各國推動主權AI常見4個作法，第一個是建立國內自有的算力資源，第二個是建立自主、可控的模型，第三個是政府與民間公私合作，第四個是建立創新機制，「AI發展必須可長可久，沒有創新就沒有應用，沒有落地，就是空談」，他認為建立創新機制相當重要，才能讓AI長期發展，應用能夠落地。

吳漢章認為，主權AI除了運用當地的語言資料建立反映在地價值觀點、文化的語言模型之外，更重要的目的是建立自主可控的AI技術，在DeepSeek模型出現，帶來新的模型塑造方式，即使資源不如跨國大型科技公司，仍可以較低的門檻來建立具有一定能力的語言模型。

建立自主可控技術以配合本地需求調整

吳漢章指出，主權AI可從兩個角度來看，第一個是政府主導建立符合在地語言、文化價值的AI技術，第二個角度則是建構基礎架構環境，提供資源協助民間發展AI自主技術及應用。

他認為，所謂主權AI不一定是政府自己發展AI技術，由民間產業來做也是一種主權AI，第二個角度是政府擴建公共算力基礎建設，建構環境鼓勵民間發展自主可控的AI。

吳漢章指出，雖然使用國際公有雲的算力服務相當方便，但長期租用的成本相當可觀，而企業採購GPU建置私有算力，一臺AI主機可能要價上千萬，不論是租用公雲算力服務或自建私有算力，都不是一般企業或新創公司所能夠負擔，所以需要政府出面建置算力，作為發展AI的數位公共基礎建設。

主權AI重要的是掌握自主可控的AI模型或技術，如果只依賴國外開源模型，開源模型通常僅針對全球市場開發，不會針對在地需求作調整，而公雲上的模型更新也不會通知企業，使用較好的模型通常收費也會比較高，國家或企業難以發展自主可控技術。

不只要建大型公共算力，還要易於被企業使用

但是，政府推動主權AI建立自主算力，支援在地化模型的開發，只要花錢建置超級電腦提升算力，這樣就夠了嗎？

吳漢章表示，過去的超級電腦是一種共用的概念，一群老師帶領研究團隊共用超級電腦算力，這些團隊有深厚的技術背景，能夠自己寫程式調用超級電腦的算力，現在開發大型語言模型需要更多算力，可能需要調度多片GPU加速運算，政府投資擴建超級電腦提高算力之外，也應該降低使用算力資源的門檻，讓新創或企業容易使用算力資源。

「提供算力並非直接提供給企業，企業就會自己使用，需要有人從旁協助及輔導他們使用超級電腦的算力」，吳漢章說。

台智雲過去曾協助國網中心維運管理超級電腦的算力資源，對外服務學研及產業，現在也協助數發部數產署維運管理算力池，這個算力池開放新創及軟體資服業者申請，提供免費的算力資源供他們開發測試AI產品服務。

政府目前正積極建置超級電腦擴建算力，每年分期建置，以採用最新GPU，預估2029年公共算力將提高至480PF，吳漢章表示，很難評論政府建置的算力夠不夠，更重要的是如何分配這些算力資源，過去很少有工作負載需要使用大量GPU算力資源，現在大型語言模型需要大量GPU算力，就需要妥善的分配。

由於GPU相當昂貴，購買更多GPU組成大型算力的成本，遠非一般企業能夠負擔，不能單靠自由市場機制提供的商業服務，他認為，政府必需建置公共算力幫助新創或企業，尤其是研發階段，要經過不斷測試找出最好的方法，新創業者可能空有想法或技術，但是缺少足夠的算力資源，讓他們去測試驗證，眾所皆知，「發展語言模型就是需要實驗」，愈早擁有算力，愈早進行實驗，就能不斷優化模型，早一步推出服務搶占市場商機。

目前各國發展主權AI，積極投入經費擴建算力，例如韓國通過AI法規立法，要建置國家級算力中心，日本計畫投入10兆日元，補助企業購買GPU，降低企業建構算力的資本支出。吳漢章指出，臺灣的優勢在於較早發展在地的語言模型，因此臺灣的服務模式、實驗經驗，吸引其他國家來臺取經。

不過，他的觀察是儘管臺灣現在約有5支團隊發展繁中大語言模型，但是大多數團隊僅在社群釋出模型，提供給外界使用，他認為只有提供開源模型還不夠，還要有商業化服務協助企業實際使用，如同企業使用開源軟體，開源軟體就像黑盒子，如果實際使用上發生問題，該由誰提供支援，紅帽就提供Linux的商業服務，負責解決企業遭遇的問題。「如同Linux有紅帽一樣，開源模型也要有商業服務支援，企業才敢放心使用」。