為什麼台灣做不出 GPT-4 或 DeepSeek？

最近看到中國的 DeepSeek 做出了類似 GPT-4 的 AI 語言模型，不禁讓人想問：「為什麼台灣業界和學術界做不出來？」

近年來，人工智慧（AI）快速發展，中國的 DeepSeek 甚至開始挑戰 OpenAI，但台灣業界與學術界卻遲遲無法打造出類似的大型語言模型（LLM）。這篇文章將探討台灣在 AI 研發上的瓶頸，包括算力不足、數據匱乏、投資有限、人才外流及市場需求小等問題。

其實，台灣不是沒有研發技術，業界與學術界目前難以打造出類似 DeepSeek 或 OpenAI 的大型語言模型（LLM），主要受資金、算力、數據、人才、產業政策等多重因素影響。

訓練 AI 需要大量算力

台積電雖然是全球最大的晶片製造商，但台灣並沒有大型 AI 超算中心可供訓練 LLM。DeepSeek 可以使用阿里雲，OpenAI 可以用微軟 Azure，但台灣業界缺乏這種基礎設施。

缺少大量語料

中國可以用自己的網路數據（知乎、微博、百度百科），美國有開源資料，而台灣的數據量根本不夠，且政府、企業、學術界之間的數據共享機制不完善。

AI 研發成本超高

訓練一款與 GPT-4 級別接近的模型需要數億美元級別的算力和數據資源，但台灣的企業和政府不願投入數億美元訓練 LLM。即使是 DeepSeek，也依賴中國資本的巨額投資，台灣目前沒有類似的 AI 初創公司生態。

人才外流嚴重

台灣確實有 AI 相關的學術研究，但大部分人才最終都被美國科技巨頭、台灣半導體產業吸走，頂尖 AI 研究者往往選擇前往 OpenAI、Google、Meta、Amazon 等公司工作，而不是留在國內做大模型。

產業需求小

台灣本地市場主要是中小企業，預算主要投入在 半導體、製造業、電動車，對 AI 產業的支持相對較少。對 大型 AI 模型的需求不如中國、美國那麼高，台灣的 AI 主要用在晶片、影像辨識，沒有大市場來支撐像 GPT-4 這樣的大型模型。

結論：台灣做不出 LLM，短期內也不太可能

台灣難以打造像 DeepSeek 或 GPT-4 級別的大型語言模型，總結原因：

• 訓練 LLM 需要巨額算力與基礎設施，台灣欠缺相關投資與 AI 超算中心。
• 缺乏大規模語料數據，無法與中國、美國的 AI 訓練數據量競爭。
• AI 產業投資不足，沒有足夠的資金支持長期研發。
• AI 人才外流，優秀工程師與研究者大多選擇加入國際企業。
• 市場規模小，企業 AI 需求較低，變現困難。
• 政策支持不足，政府資源主要聚焦於半導體，而非 AI 軟體研發。

如果台灣未來想要在 大型語言模型（LLM）領域有所突破，可能需要：

• 政府投入更多 AI 產業補助
• 建立 AI 超算中心
• 鼓勵企業投資 AI 研發
• 加強台灣 AI 人才留任
• 擴展 AI 國際合作，提升市場規模

要改變這個現狀，台灣可能需要 政府大力投資、企業願意砸錢、學界願意合作，才能有機會做出自己的 AI 大模型。但以目前的條件來看，短期內台灣很難挑戰 OpenAI 或 DeepSeek，甚至難以打造 GPT-3 級別的模型。