撰文‧陈子萱

ChatGPT、Gemini等AI模型几乎只靠简体资料来认识中文世界，让AI向中国价值观倾斜。台湾政府和民间都为此建立「繁体中文语料库」，但实务上进展有限，真正的制度卡关在哪？

乍看之下，Taiwan.md是个罗列台湾自然及人文历史的策展网站，但它主要服务对象，其实不是人类。

「这不只是介绍台湾的网站，更反向成为 ChatGPT、Gemini、Claude等大型语言模型的训练资料，让这些主流AI模型因为能抓到繁体中文的高品质内容，进而发展出台湾观点。」三十一岁的新媒体艺术家吴哲宇，将自己发起、社群开发者协作的Taiwan.md，定义为「替台湾在AI世界争取话语权的开源知识库」。

主流语言模型多用简中

繁中语料占比不到1％

吴哲宇解释，目前主流大语言模型训练用的中文语料，绝大多数是以简体中文书写，繁体中文语料占比不到一％。既然AI读的是「中国的书」、自然会形成中国的价值观，让包括台湾人在内的全球使用者，不自觉陷入中国框架。

相反地，具备台湾观点的AI模型，不会将台湾美食简化成只有「小笼包」、「珍珠奶茶」，还能说出「干面加醋」、「麻薏汤」等特色小吃；被问到「国家元首是谁」，不会回答「习近平」；更不会把「花生」讲成「土豆」，或以中国惯用词「视频链结」陈述「影片连结」。

而Taiwan.md依靠的，就是每天以AI工具从网路自动抓取资料、编辑文章，建立一个不断扩充的繁中书库，为主流AI模型敞开学习台湾观点之门。

但这项与各国竞相发展「主权AI」趋势高度契合的创举，却因为深怕踩到著作权红线，一路走得胆战心惊。

「我们极力避免版权问题，非常害怕。」吴哲宇指出，Taiwan.md目前已收录一一二三篇繁中文章，主要来源包括公开的学术论文、部落格、政府官方资料等，只要有一丝侵权疑虑，团队就宁可舍弃，以免违反《著作权法》、甚至衍生刑事责任。这样的「自我设限」，不免让繁中语料库的扩张进度不如预期。

吴哲宇的担忧，并非杞人忧天。

二○二五年七月，一位台大博士生为弥补AI的繁中语料缺口，从美国开源网站截取繁中资料、无偿对外分享，但因其中包括十四万笔来自中央社的「未经授权」新闻，遭中央社以违反《著作权法》为由，提起刑事告诉。

尽管双方后来达成和解，台大生则发表道歉声明，「提醒」研究人员务必确认资料来源的合法性，随后将语料库全数下架。但看在心系AI缺乏台湾观点的研发者眼里，此次事件已形成寒蝉效应。

现《著作权法》不合时宜

政府吁「无偿授权」陷僵局

律果法律事务所资深律师陈启桐解释，由于AI训练必须先复制一份语料才能进行，符合目前《著作权法》的「重制」定义，是最容易踩到的法律红线的状况；尤其法规明定不构成侵权的「合理使用」样态，也未纳入AI训练情境，让开发者不敢与法院对赌自己是否符合豁免资格。

「读书并不犯法，但现在的状况是，让AI读书却犯法了。」开放文化基金会董事长李柏锋指出，AI「训练」及「产出」的意义不同，训练模型时提供语料，是为了发展出台湾在地的价值观，并非要求AI直接抄袭、产出相似内容。

吴哲宇也说，台大博士生被告后，让许多个别AI研发者倍感压力，若违反《著作权法》，著作权人可轻易提起刑事告诉，因此容易先用刑责迫使民事和解，这让研发者几乎毫无谈判空间，只能妥协。

研发者被夹在「繁中语料匮乏」与「著作权侵犯」之间的两难，政府也有切身感受。

同样有感于国际大语言模型多以简体中文为主，数位发展部去年底建立「台湾主权AI训练语料库」，搜集台湾在地文本，供AI研发者使用，但至今语料库累计的七一六一笔资料当中，仅一一一笔为民间资料、占比约一％。

即使九月间数发部部长林宜敬向民间出版社、电子书平台业者喊话，邀请各界以「自愿参与、无偿授权」方式，提供内容给语料库，以扩大AI模型的台湾观点，回响仍极为有限。

「想要靠『无偿授权』获得语料，不会有人理你。」李柏锋直言，数发部建立语料库固然立意良善，但寄望出版社直接释出高品质资料，显然过于天真。

他举例，就连基金会曾协助的一项小型AI训练计划，也是主动找媒体业者、教学平台业者洽谈授权，提出给付一次性授权金、规定资料使用限期两年、基金会也愿优先将训练好的模型提供给对方使用等条件，才得以推展合作。

陈启桐分析，数发部显然想避开著作权深水区取得语料，但这样的做法并未面对根本性的问题：《著作权法》上次修法已是ChatGPT问世前的二二年六月，早就落后科技进展，「《著作权法》一定要重新讨论，建立主权AI、使用繁体中文语料才有法律依据。」他强调。

远流出版董事长王荣文也坦言，《著作权法》的刑事告诉若不解套，谈台湾主权AI就是缘木求鱼，因为不但商人怕坐牢，做官的更怕无来由被告，在畏惧刑责下恐无利于AI研发。

监察院去年六月公布的调查报告同样点出，AI发展刻不容缓，但过度保守的法制环境，未必有利于衡平《著作权法》的立法目的，且行政院已指定经济部智财局进行《著作权法》的法规调适，既然制度现况不足因应AI挑战，政府就必须积极研谋相关作业。

借镜国际资料探勘豁免

推动修法除罪化与规范责任

不过时至今日，相关部门仍未有积极行动。经济部智财局向本刊表示，针对AI与著作权议题，尚须研究国际发展，我国是否进行法规调适，目前仍在研议阶段。数发部则直接把皮球踢开，强调语料涉及的著作权议题，「由智财局主责办理」。

相较之下，民间专家则已明确指出，若要兼顾主权AI发展并保障著作权，势必得在「豁免机制」及「有偿授权」两大关卡力求突破。

在「豁免机制」上，欧盟、日本、新加坡等地，都已制定各自的「资料探勘豁免」条款。原则上，AI研发者只要透过合法途径，如公开网页、使用者已付费订阅等进入网站，即可爬取相关内容作为训练语料；相反地，AI研发者若从盗版网站，或者出版业者已设定阻挡爬虫技术的网站取得资料，就属侵权行为。

借镜各国做法，陈启桐认为，台湾《著作权法》可研拟AI专章，除了订定豁免条款，让资料探勘除罪化，回归民事诉讼，也能同时规范AI研发者的责任义务，例如公开揭露语料的资料来源。

具体而言，他认为法律应明定AI「训练端」及「生成端」的差别情境。例如AI研发者在训练阶段，运用小说《天桥上的魔术师》作为语料，原则上不构成侵权；但若到了生成阶段，要求AI仿效《天桥上的魔术师》产出与原著高度相似的内容，就可能属于侵权。

考虑短期内未必能完成修法，李柏锋建议，主管机关可先以行政命令正面表列AI训练的合理使用情境，「智财局和数发部应该共同出面说明，著作可以拿给AI训练，其中哪些是合理范畴、哪些是侵权行为。」

李柏锋举例，日本法规原则上开放资料探勘豁免，但日本文化厅也在二四年公告〈人工智慧著作权检核清单和指引〉，以负面表列方式，来保护创作者。例如「明知是盗版网站却仍使用其资料」、「用AI训练出与原著作高度相似的结果」等，都属明确侵权。

「主管机关本来就能藉行政解释，扩大或限制适用范围，尽量画出一条各界可依循的界线，而著作权人不满，还是可以提告，到法院解决争端。」李柏锋说。

即使法律开放资料探勘豁免，内容业者仍可选择关闭网站、禁止爬虫技术，因此，建立「有偿授权」机制，鼓励AI研发者对著作权人释出善意，就将是下一步关键。

学者主张使用者付费

寻求AI发展与版权平衡

「数发部要作家出版界捐出著作权是无济于事。」王荣文指出，不论是政府或企业，要发展台湾主权AI，都少不了花钱取得授权，当研发者投资购买著作内容，才能真正让双方展开合作。

陈启桐建议可参考音乐界的「集体授权」机制，例如有店家希望播放音乐，就可找中华音乐著作权协会（MÜST）这样的「著作权集体管理团体」，一次性取得大量合法授权的音乐，协会后续再将授权分润给著作权人，达到双赢。

AI语料授权，也可比照类似作法，让利用人无须逐一向成千上百个著作权人谈授权费，只须找到几个对应的团体，一次对接。

事实上，欧洲议会在今年十月刚通过一项决议，就是建议欧盟执委会透过制度，鼓励各个内容产业建立「集体许可协议」，例如行业组成协会与AI业者集体谈判，同时确保著作权人拥有公平报酬、AI研发者能获得高品质训练语料。

但面对新科技浪潮，也有学者认为应坚守内容业者的版权。

台北科技大学智慧财产权研究所兼任助理教授章忠信就主张，要解决AI语料的侵权问题，并不需要修正《著作权法》，而是落实既有的使用者付费原则，既然过去的资料库业者，也是自行向各大出版社一一洽谈授权分润，AI开发者也该如此。

「AI研发者自己知道，网路上充斥很多低品质、低可信度的文章，而高价值内容都是来自出版社、杂志社、新闻社等。既然那是属于『高价值』的文字内容，为什么还不需要付费取得授权？」章忠信提醒，AI研发者不能便宜行事，政府更不该带头喊「无偿授权」，反而应拿钱向出版业者购买版权，做出示范效果。

政府想要打造具有台湾观点的AI、建立繁体中文语料库，不能只靠喊话呼吁，更必须进入《著作权法》的关键战场，启动相关讨论，寻找AI研发及内容业者的共识，才可能在AI时代奠定台湾的话语权。

※本文由今周刊授权刊载，未经同意禁止转载。

你可能也会感兴趣》

一辈子没出过国，临终留巨额遗产、好几间房代表什么？律师看尽人生百态叹：多数人都算错了这笔帐

张忠谋唯一一次大笑！从错过英特尔到开创FinFET，胡正明如何「拿出办法来」助攻台积电登上世界第一

0056配1.72元、股价58元还能买？他抱448张爽领77万股息！每月扣2万滚出2千万，靠高股息养退休金的秘诀

以为退休要先存1500万？35岁工程师算完，竟发现261万就够了：不一定离职，也能不委屈自己

2026九合一大选》六都13位市长候选人签署永续承诺！沈伯洋提台北都市林、柯志恩推凉感城市...还有哪些韧性城市政见？