台灣主權 AI 語料庫向民間徵集文本 首波書單仍有限

數位發展部 9啟動「臺灣主權 AI 訓練語料庫」民間語料徵集，首波鎖定作家、出版社與電子書平台，但目前實際提供書單仍有限，後續能否擴大授權規模，是語料庫能否補足台灣內容的重點。

數位發展部宣布啟動「臺灣主權 AI 訓練語料庫」民間語料徵集行動，部長林宜敬以作家身分捐出個人著作《幸福的鬼島》與《流寇與創新者》，並與作家、出版社及電子書平台簽署授權同意書，讓民間出版內容進入語料庫，供台灣主權 AI 模型訓練使用。

數發部表示，臺灣主權 AI 訓練語料庫自 2025 年底上線，初期以中央與地方政府語料為主，截至 2026 年 8 月底，規模約 22 億 Tokens，這次啟動民間語料徵集，是要把出版品、試閱內容、出版品簡介，以及已逾著作權保護期間的典籍與創作納入資料來源。

中文 AI 訓練資料仍缺台灣內容

林宜敬指出，AI 模型對民主、權力制衡等概念的理解，會受到訓練語料所含的社會與文化脈絡影響，目前國際大型語言模型的中文訓練資料仍多以簡體中文內容為主，因此台灣的語言、文化與價值，需要成為 AI 學習資料的一部分。

這次參與授權的民間來源包括秀威資訊、印刻文學、Readmoo 讀墨、食力、巨思文化等出版與電子書平台，作家端則包括林宜敬、藍弋丰、李魁賢家屬代表，以及陳明忠、連明偉、朱國珍、朱和之等人提供著作響應。

首波書單規模仍待擴大

不過，從附件列出的民間單位提供書單來看，目前實際內容仍屬起步階段，個別作家提供約 8 本著作，Readmoo 讀墨提供《犢月刊》共 157 冊及 7 項作品，秀威資訊提供《名流詩叢》58 本作品簡介，巨思文化提供 2 本書，食力提供 3 項刊物內容。

這代表民間語料徵集已開始建立授權樣板，但距離支撐大型 AI 模型理解台灣出版、思想、社會議題與日常語言，仍需要更多出版社、平台與內容權利人加入，尤其是完整文本、長期連載、專業媒體內容與不同世代的本土書寫。

授權採自願參與並可退出

數發部表示，現階段以具有豐富語料資源的出版業與電子書平台為合作對象，採無償授權方式推動，作者若有意提供個人著作，可由出版社協助上架至語料庫。

針對著作權人權益，數發部強調，語料徵集採「自願參與、明確授權、可退出」三項原則，除建立授權機制，也提供退出與下架申請管道，讓內容提供者可在授權後保留調整空間。

這次民間徵集的重點，不在記者會簽署本身，而是台灣若要建立更理解本地語言與社會脈絡的 AI 模型，政府資料之外，仍需要取得足夠多元且合法授權的民間內容，首波書單已經開始，但規模還需要繼續放大。

來源: Business Insider Taiwan · Webber Lo 羅弘旭 原文: https://www.businessinsider.tw/article/7177

參考資料

• https://www.businessinsider.tw/article/7177