iVOD / 151833

Field Value
IVOD_ID 151833
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/151833
日期 2024-04-29
會議資料.會議代碼 委員會-11-1-35-15
會議資料.會議代碼:str 第11屆第1會期外交及國防委員會第15次全體委員會議
會議資料.屆 11
會議資料.會期 1
會議資料.會次 15
會議資料.種類 委員會
會議資料.委員會代碼[0] 35
會議資料.委員會代碼:str[0] 外交及國防委員會
會議資料.標題 第11屆第1會期外交及國防委員會第15次全體委員會議
影片種類 Clip
開始時間 2024-04-29T10:31:34+08:00
結束時間 2024-04-29T10:42:20+08:00
影片長度 00:10:46
支援功能[0] ai-transcript
支援功能[1] gazette
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/e90f54132b1096e669711e9fdb38f250656dd8af69baafbe34e2527b10508eee1fefedc7491e725d5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 陳冠廷
委員發言時間 10:31:34 - 10:42:20
會議時間 2024-04-29T09:00:00+08:00
會議名稱 立法院第11屆第1會期外交及國防委員會第15次全體委員會議(事由:邀請國軍退除役官兵輔導委員會主任委員馮世寬報告「退輔會服務照顧及相關救補助精進作為」,並備質詢。)
gazette.lineno 340
gazette.blocks[0][0] 陳委員冠廷:(10時31分)你好,我們請主委。
gazette.blocks[1][0] 主席(馬委員文君):請馮主委。
gazette.blocks[2][0] 馮主任委員世寬:委員早安。
gazette.blocks[3][0] 陳委員冠廷:主委早安。主委,很多人都說退輔會相關的事業都是以欣字輩的為主,包含天然氣、瓦斯等等,以前比較多人說是比較偏向特許的產業,我今天想要請教一下,退伍軍人,我們以前都會說老榮民,現在其實青壯榮民更多,至少在我們的服務處、在嘉義的服務處,基本上百分之四十五是榮民,都是三十幾歲左右到四十多歲,這些退役下來的軍官、士官去尋找工作的時候,我想他們應該很少有機會能夠進入我們剛才提到的欣字輩的這些公司,媒體都有報導,欣字輩不管是水泥、天然氣、石油等等這些公司都是以將官作為比較高比例的部分,我這樣的理解是正確的嗎?
gazette.blocks[4][0] 馮主任委員世寬:是的,正確,我們現在也是這麼做。
gazette.blocks[5][0] 陳委員冠廷:對,我想請教,過去不管是陸、海、空這些很優秀的軍人,特別是曾經出國留學回國的,然後完成他們的服役期間,在他們離開之後,就您所瞭解大概有多少比例進入國防產業?不管是創新產業或者是新創產業,跟國防相關的,不知道有沒有這樣的比例?
gazette.blocks[6][0] 馮主任委員世寬:這樣的比例在中科院以及漢翔都有的,但是假如說您是運用美軍的資料,我們這個就比他們差多了,他是軍工工業跟國防跟國家政策相結合的,我們不一樣,漢翔是一個老百姓的公司,今天我們要請他做一件維修、研發的事情,都要經過中科院、國防部三方面來會合,因此要用軍中剛退伍的人的專長等等,都有重新訓練的必要。
gazette.blocks[7][0] 陳委員冠廷:謝謝主委,我講這件事情的原因是因為我們知道最近不管是在多個國外媒體都有提到,還有一些期刊雜誌,包含Political都有談到希望我們未來能夠有更多的軍事資產在臺灣生產,這些生產的過程當然由國防部主導也好,可是有些並不是只有武器,包含這些新創的、重要的零組件也好,或者是一些系統如軍民共用的系統也好。
gazette.blocks[7][1] 我會覺得比較可惜的是,其實有很多優秀的,特別是海軍,也訓練了很多人出國,我在這幾個月正式進入國防外交委員會,我也開始跟這些退役軍官討論,特別是在40到60歲之間的,他們有提到一個觀點,他們希望假設哪一天退輔會或者說我們國軍退下來的這些士官、軍官,他們在民間的企業不需要由退輔會主導進去這些欣字輩的,而是能夠進入一般的民間產業,不管是在新科技、電腦創新,這樣子我們退輔會的工程就能夠說是一個非常成功的走法,不知道主委你對這樣子的看法是怎麼樣?
gazette.blocks[8][0] 馮主任委員世寬:報告委員,我們的就學就業處就是在做這個工作,而且我們的榮服處是我們的觸點,對於外面的觸點,跟外面的公司都有接觸,而且他們都有績效報回來,介紹了我們很多退役的官兵去就業,可能我講不出來有百分之五十,但是我講得出來有百分之二十五以上。
gazette.blocks[9][0] 陳委員冠廷:謝謝主委,我希望未來統計的相關資料也能夠放在相關的報告裡面。
gazette.blocks[10][0] 馮主任委員世寬:好的。
gazette.blocks[11][0] 陳委員冠廷:我們就可以知道我們的基準點在哪邊,有沒有逐年往上提升,我還是希望未來……其實很多將官你說他的年資很高,但其實以現在臺灣人民的健康水平,他們能夠付出的還是可以很多,像主委也80了嘛?
gazette.blocks[12][0] 馮主任委員世寬:80歲。
gazette.blocks[13][0] 陳委員冠廷:還是持續的在崗位上,我想很多退役的國防軍官,特別是美國的,我看他們不管是退役的將領其實都還是很活躍的,不管是在智庫上面、不管是在軍工產業方面,或者就只是在NGO單純的為他們軍民發聲,或者是在重要的期刊來去發聲,我想這些都是我們可以努力的方向。我希望大家不要認為已經退休的將領完全沒有他的實際效益,或者只是去這些欣字輩的地方,我認為他們是有很多能夠發揮的,我剛剛講的是將領,包含校級軍官也好,包含士官、軍官也好,不要讓他們一出來的選項相對較少,我認為可以試著去開拓他的可能性,比方說我們的辦事處除了服務民眾之外,我們也會定期向他們諮詢一些國防相關的看法,請他們給我們看法,有些是過去跟情報相關的,後來退休也到我們這邊來,我覺得都很好,我們就可以得到更多的資訊。
gazette.blocks[13][1] 其實今天助理們有給我們退輔會相關單位的安置情形,裡面就有持股率跟安置率,比方說欣欣水泥、遠榮氣體公司的持股率是40%,安置率是50%,有些持股率39%,安置率是31%,本來我們是想說持股率應該要跟安置率一樣高,最好是越高越好,這樣安置的更多,可是後來想一想那不見得是正確的,不見得只想著要怎麼安置,或許他們有很多潛力,我們還沒有去探索到,是我們可以去努力的方向。
gazette.blocks[14][0] 馮主任委員世寬:是的。
gazette.blocks[15][0] 陳委員冠廷:再來,剛才主委有提到AI科技、智能相關的,希望未來能夠多來照顧、照養這些榮民朋友,除了這個部分,我還是想要再強調國防創新管道(pipeline),美國在近四、五年有不斷地提到這個部分,意思就是說在國防創新當中,退伍軍官他們退役進入這些科技產業,他們能夠扮演的角色其實是很大的,因為大家都知道我們現在面臨的挑戰也不是只有軍購,買自己的軍備而已,國防不是就是陸、海、空而已,還有金融戰、科技戰、法律戰,其實國防部還有包含專精法律的這些軍事、軍方,跟一般民間的律師又不同,因為他們不知道這裡面的……
gazette.blocks[16][0] 馮主任委員世寬:是。
gazette.blocks[17][0] 陳委員冠廷:所以未來如果這些小型創新的產業……剛才幾位委員都有提到你們有出國、去美國交流,我們說實質內容是什麼?我們不問這麼空泛的問題,我們甚至可以說,這一些過去退役的軍官、這些在美國退役的軍官、將領他們現在在做什麼?我們這些退役將領現在能做什麼?那這些產業是不是能夠連結在一起?我們是不是能夠把我們的產業鏈打入美國的市場?這些都是可以的。主委要說什麼?
gazette.blocks[18][0] 馮主任委員世寬:沒有要說什麼。
gazette.blocks[19][0] 陳委員冠廷:那我繼續。
gazette.blocks[20][0] 馮主任委員世寬:我覺得您講的方向都是正確的。
gazette.blocks[21][0] 陳委員冠廷:謝謝主委。比方說以臺中地區來講,其實有很多精密機械產業,這些產業他們做得很好,他們甚至跨入一些航太的市場,比方說嘉義有一些產業是直接進入特斯拉的產業,可是這些產業其實跟軍事上是有相關的,這一些我們剛才講到將官也好,你們曾經有派駐到國外去的,他們可以當這些純民營企業公司很好的顧問,他們就不必在欣字輩,他們也不必被立法委員們質詢說是肥貓什麼的,不必啊!因為他們有能力。
gazette.blocks[22][0] 馮主任委員世寬:是。
gazette.blocks[23][0] 陳委員冠廷:過去不管是國防部送出去,海軍、陸軍這些官校的,我看到有些還進入到最好的,甚至去哈佛大學拿到電腦碩士的都有,過去當然更不用說什麼西點軍校這些都是很好的軍人,在進入體制之後,有些可能適應、有些可能不適應,那些不適應的真的退休之後,或者是退伍或者是根本就不想要進入國防產業,但是他們過去還是由國家栽培,至少他們可以在商業部分來替國家的經濟做一分努力。今天大概是想要請教主委,未來這個方向不知道可不可以納入國防創新產業,跟國防工業相關的會納入你們的統計標準裡面及績效的指標嗎?
gazette.blocks[24][0] 馮主任委員世寬:報告委員,這幾年在你提醒我們的這些事項中間,我們已經有很大的進步,譬如說國機國造、國艦國造,造就了很多我們軍方的人才能夠進去幫忙,再加上我們有了國防供應鏈、供應商,這些都是跟國防有關的。
gazette.blocks[25][0] 陳委員冠廷:主委,我完全同意,我現在講的不是……
gazette.blocks[26][0] 馮主任委員世寬:對,完全同意。
gazette.blocks[27][0] 陳委員冠廷:我說的不是幹大事,我現在是說幹小事……
gazette.blocks[28][0] 馮主任委員世寬:這個小事是最重要的。
gazette.blocks[29][0] 陳委員冠廷:就是你們在產業鏈裡的中小企業裡面的小事,跟這些中小型的投資,這些校級軍官剛退役的,怎麼樣輔導他們可以進入這項產業鏈裡面?怎麼樣可以讓他們不只是在臺灣的產業,甚至可以到美國的產業鏈裡面?我覺得這是一個我們可以努力的方向,所以這個還是希望能夠借助,因為這個東西就不是只有退輔會而已,這可能跟國防部都有一些關聯,還是希望主委有機會的話,未來不管你接下來在哪裡,有機會參加研討會,或者以後真的退休之後可以作為一個退役的將軍,其實你講的話、投稿的文書都對國家是有很大的幫助……
gazette.blocks[30][0] 馮主任委員世寬:好的,是。
gazette.blocks[31][0] 陳委員冠廷:特別是在產業鏈的部分,還是希望能夠有機會看到主委在這部分盡一分力。
gazette.blocks[32][0] 馮主任委員世寬:很難得見到有委員這麼關心國防事務跟我們退伍人員的未來發展,謝謝你。
gazette.blocks[33][0] 陳委員冠廷:謝謝你,因為我們辦事處好像已經變成退輔會了,四十幾位都是憲兵的,謝謝主委。
gazette.blocks[34][0] 馮主任委員世寬:謝謝。
gazette.blocks[35][0] 主席:接下來請洪申翰委員上臺質詢。不好意思,我先宣告一下,目前收到臨時提案一案,待會徐巧芯委員質詢完畢後休息10分鐘,休息過後處理臨時提案。
gazette.agenda.page_end 308
gazette.agenda.meet_id 委員會-11-1-35-15
gazette.agenda.speakers[0] 馬文君
gazette.agenda.speakers[1] 羅美玲
gazette.agenda.speakers[2] 王定宇
gazette.agenda.speakers[3] 黃仁
gazette.agenda.speakers[4] 陳永康
gazette.agenda.speakers[5] 林楚茵
gazette.agenda.speakers[6] 沈伯洋
gazette.agenda.speakers[7] 陳冠廷
gazette.agenda.speakers[8] 洪申翰
gazette.agenda.speakers[9] 徐巧芯
gazette.agenda.speakers[10] 邱志偉
gazette.agenda.speakers[11] 林憶君
gazette.agenda.speakers[12] 賴士葆
gazette.agenda.speakers[13] 羅智強
gazette.agenda.page_start 267
gazette.agenda.meetingDate[0] 2024-04-29
gazette.agenda.gazette_id 1133501
gazette.agenda.agenda_lcidc_ids[0] 1133501_00008
gazette.agenda.meet_name 立法院第11屆第1會期外交及國防委員會第15次全體委員會議紀錄
gazette.agenda.content 邀請國軍退除役官兵輔導委員會主任委員馮世寬報告「退輔會服務照顧及相關救補助精進作 為」,並備質詢
gazette.agenda.agenda_id 1133501_00015
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 0.03096875
transcript.pyannote[0].end 1.00971875
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 1.26284375
transcript.pyannote[1].end 2.35971875
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 9.31221875
transcript.pyannote[2].end 10.07159375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 10.42596875
transcript.pyannote[3].end 11.33721875
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 11.35409375
transcript.pyannote[4].end 11.37096875
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 11.38784375
transcript.pyannote[5].end 31.26659375
transcript.pyannote[6].speaker SPEAKER_01
transcript.pyannote[6].start 31.43534375
transcript.pyannote[6].end 43.51784375
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 44.09159375
transcript.pyannote[7].end 56.32596875
transcript.pyannote[8].speaker SPEAKER_01
transcript.pyannote[8].start 56.71409375
transcript.pyannote[8].end 57.82784375
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 58.26659375
transcript.pyannote[9].end 63.88596875
transcript.pyannote[10].speaker SPEAKER_01
transcript.pyannote[10].start 63.90284375
transcript.pyannote[10].end 67.21034375
transcript.pyannote[11].speaker SPEAKER_00
transcript.pyannote[11].start 65.43846875
transcript.pyannote[11].end 65.94471875
transcript.pyannote[12].speaker SPEAKER_01
transcript.pyannote[12].start 67.81784375
transcript.pyannote[12].end 68.35784375
transcript.pyannote[13].speaker SPEAKER_00
transcript.pyannote[13].start 69.16784375
transcript.pyannote[13].end 69.18471875
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 69.18471875
transcript.pyannote[14].end 69.20159375
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 69.20159375
transcript.pyannote[15].end 69.21846875
transcript.pyannote[16].speaker SPEAKER_01
transcript.pyannote[16].start 69.21846875
transcript.pyannote[16].end 69.30284375
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 69.30284375
transcript.pyannote[17].end 69.48846875
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 69.48846875
transcript.pyannote[18].end 69.53909375
transcript.pyannote[19].speaker SPEAKER_00
transcript.pyannote[19].start 69.53909375
transcript.pyannote[19].end 70.70346875
transcript.pyannote[20].speaker SPEAKER_01
transcript.pyannote[20].start 70.70346875
transcript.pyannote[20].end 92.99534375
transcript.pyannote[21].speaker SPEAKER_00
transcript.pyannote[21].start 93.83909375
transcript.pyannote[21].end 95.91471875
transcript.pyannote[22].speaker SPEAKER_00
transcript.pyannote[22].start 96.23534375
transcript.pyannote[22].end 98.31096875
transcript.pyannote[23].speaker SPEAKER_00
transcript.pyannote[23].start 98.85096875
transcript.pyannote[23].end 99.82971875
transcript.pyannote[24].speaker SPEAKER_00
transcript.pyannote[24].start 100.53846875
transcript.pyannote[24].end 104.80784375
transcript.pyannote[25].speaker SPEAKER_00
transcript.pyannote[25].start 105.26346875
transcript.pyannote[25].end 106.98471875
transcript.pyannote[26].speaker SPEAKER_00
transcript.pyannote[26].start 107.67659375
transcript.pyannote[26].end 108.58784375
transcript.pyannote[27].speaker SPEAKER_00
transcript.pyannote[27].start 108.94221875
transcript.pyannote[27].end 109.65096875
transcript.pyannote[28].speaker SPEAKER_00
transcript.pyannote[28].start 110.39346875
transcript.pyannote[28].end 113.38034375
transcript.pyannote[29].speaker SPEAKER_00
transcript.pyannote[29].start 113.65034375
transcript.pyannote[29].end 114.64596875
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 115.15221875
transcript.pyannote[30].end 117.78471875
transcript.pyannote[31].speaker SPEAKER_00
transcript.pyannote[31].start 118.66221875
transcript.pyannote[31].end 120.53534375
transcript.pyannote[32].speaker SPEAKER_00
transcript.pyannote[32].start 120.97409375
transcript.pyannote[32].end 123.06659375
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 123.60659375
transcript.pyannote[33].end 127.87596875
transcript.pyannote[34].speaker SPEAKER_00
transcript.pyannote[34].start 128.12909375
transcript.pyannote[34].end 132.16221875
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 132.68534375
transcript.pyannote[35].end 134.57534375
transcript.pyannote[36].speaker SPEAKER_01
transcript.pyannote[36].start 135.72284375
transcript.pyannote[36].end 153.07034375
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 153.55971875
transcript.pyannote[37].end 190.65096875
transcript.pyannote[38].speaker SPEAKER_01
transcript.pyannote[38].start 190.73534375
transcript.pyannote[38].end 211.37346875
transcript.pyannote[39].speaker SPEAKER_00
transcript.pyannote[39].start 211.66034375
transcript.pyannote[39].end 214.05659375
transcript.pyannote[40].speaker SPEAKER_00
transcript.pyannote[40].start 214.68096875
transcript.pyannote[40].end 216.30096875
transcript.pyannote[41].speaker SPEAKER_00
transcript.pyannote[41].start 216.79034375
transcript.pyannote[41].end 219.22034375
transcript.pyannote[42].speaker SPEAKER_01
transcript.pyannote[42].start 216.97596875
transcript.pyannote[42].end 217.22909375
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 219.76034375
transcript.pyannote[43].end 220.41846875
transcript.pyannote[44].speaker SPEAKER_00
transcript.pyannote[44].start 220.99221875
transcript.pyannote[44].end 224.70471875
transcript.pyannote[45].speaker SPEAKER_00
transcript.pyannote[45].start 225.46409375
transcript.pyannote[45].end 227.94471875
transcript.pyannote[46].speaker SPEAKER_00
transcript.pyannote[46].start 228.75471875
transcript.pyannote[46].end 231.31971875
transcript.pyannote[47].speaker SPEAKER_00
transcript.pyannote[47].start 231.75846875
transcript.pyannote[47].end 232.45034375
transcript.pyannote[48].speaker SPEAKER_00
transcript.pyannote[48].start 232.97346875
transcript.pyannote[48].end 233.73284375
transcript.pyannote[49].speaker SPEAKER_00
transcript.pyannote[49].start 234.18846875
transcript.pyannote[49].end 236.39909375
transcript.pyannote[50].speaker SPEAKER_00
transcript.pyannote[50].start 236.92221875
transcript.pyannote[50].end 239.58846875
transcript.pyannote[51].speaker SPEAKER_01
transcript.pyannote[51].start 240.24659375
transcript.pyannote[51].end 282.23159375
transcript.pyannote[52].speaker SPEAKER_00
transcript.pyannote[52].start 246.30471875
transcript.pyannote[52].end 246.74346875
transcript.pyannote[53].speaker SPEAKER_00
transcript.pyannote[53].start 251.50221875
transcript.pyannote[53].end 251.92409375
transcript.pyannote[54].speaker SPEAKER_01
transcript.pyannote[54].start 282.29909375
transcript.pyannote[54].end 319.17096875
transcript.pyannote[55].speaker SPEAKER_01
transcript.pyannote[55].start 320.08221875
transcript.pyannote[55].end 339.80909375
transcript.pyannote[56].speaker SPEAKER_00
transcript.pyannote[56].start 336.60284375
transcript.pyannote[56].end 336.65346875
transcript.pyannote[57].speaker SPEAKER_01
transcript.pyannote[57].start 339.99471875
transcript.pyannote[57].end 343.82534375
transcript.pyannote[58].speaker SPEAKER_01
transcript.pyannote[58].start 344.16284375
transcript.pyannote[58].end 369.27284375
transcript.pyannote[59].speaker SPEAKER_01
transcript.pyannote[59].start 369.39096875
transcript.pyannote[59].end 371.39909375
transcript.pyannote[60].speaker SPEAKER_01
transcript.pyannote[60].start 372.05721875
transcript.pyannote[60].end 375.68534375
transcript.pyannote[61].speaker SPEAKER_01
transcript.pyannote[61].start 376.17471875
transcript.pyannote[61].end 378.23346875
transcript.pyannote[62].speaker SPEAKER_00
transcript.pyannote[62].start 376.64721875
transcript.pyannote[62].end 377.10284375
transcript.pyannote[63].speaker SPEAKER_01
transcript.pyannote[63].start 378.60471875
transcript.pyannote[63].end 388.83096875
transcript.pyannote[64].speaker SPEAKER_01
transcript.pyannote[64].start 389.06721875
transcript.pyannote[64].end 395.56409375
transcript.pyannote[65].speaker SPEAKER_01
transcript.pyannote[65].start 396.23909375
transcript.pyannote[65].end 414.14346875
transcript.pyannote[66].speaker SPEAKER_01
transcript.pyannote[66].start 414.63284375
transcript.pyannote[66].end 424.65659375
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 425.33159375
transcript.pyannote[67].end 443.15159375
transcript.pyannote[68].speaker SPEAKER_00
transcript.pyannote[68].start 429.56721875
transcript.pyannote[68].end 430.20846875
transcript.pyannote[69].speaker SPEAKER_00
transcript.pyannote[69].start 431.03534375
transcript.pyannote[69].end 431.32221875
transcript.pyannote[70].speaker SPEAKER_01
transcript.pyannote[70].start 443.50596875
transcript.pyannote[70].end 448.95659375
transcript.pyannote[71].speaker SPEAKER_01
transcript.pyannote[71].start 449.49659375
transcript.pyannote[71].end 458.55846875
transcript.pyannote[72].speaker SPEAKER_01
transcript.pyannote[72].start 459.25034375
transcript.pyannote[72].end 461.62971875
transcript.pyannote[73].speaker SPEAKER_00
transcript.pyannote[73].start 460.78596875
transcript.pyannote[73].end 461.42721875
transcript.pyannote[74].speaker SPEAKER_00
transcript.pyannote[74].start 461.62971875
transcript.pyannote[74].end 462.25409375
transcript.pyannote[75].speaker SPEAKER_01
transcript.pyannote[75].start 462.25409375
transcript.pyannote[75].end 462.81096875
transcript.pyannote[76].speaker SPEAKER_00
transcript.pyannote[76].start 462.33846875
transcript.pyannote[76].end 465.44346875
transcript.pyannote[77].speaker SPEAKER_01
transcript.pyannote[77].start 465.44346875
transcript.pyannote[77].end 498.58596875
transcript.pyannote[78].speaker SPEAKER_00
transcript.pyannote[78].start 465.47721875
transcript.pyannote[78].end 466.23659375
transcript.pyannote[79].speaker SPEAKER_01
transcript.pyannote[79].start 498.88971875
transcript.pyannote[79].end 500.42534375
transcript.pyannote[80].speaker SPEAKER_00
transcript.pyannote[80].start 499.61534375
transcript.pyannote[80].end 500.13846875
transcript.pyannote[81].speaker SPEAKER_01
transcript.pyannote[81].start 500.45909375
transcript.pyannote[81].end 504.22221875
transcript.pyannote[82].speaker SPEAKER_01
transcript.pyannote[82].start 504.84659375
transcript.pyannote[82].end 518.51534375
transcript.pyannote[83].speaker SPEAKER_01
transcript.pyannote[83].start 518.93721875
transcript.pyannote[83].end 520.75971875
transcript.pyannote[84].speaker SPEAKER_01
transcript.pyannote[84].start 521.77221875
transcript.pyannote[84].end 536.99346875
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 537.12846875
transcript.pyannote[85].end 550.18971875
transcript.pyannote[86].speaker SPEAKER_00
transcript.pyannote[86].start 550.56096875
transcript.pyannote[86].end 552.45096875
transcript.pyannote[87].speaker SPEAKER_00
transcript.pyannote[87].start 552.75471875
transcript.pyannote[87].end 553.83471875
transcript.pyannote[88].speaker SPEAKER_00
transcript.pyannote[88].start 554.15534375
transcript.pyannote[88].end 556.50096875
transcript.pyannote[89].speaker SPEAKER_00
transcript.pyannote[89].start 557.09159375
transcript.pyannote[89].end 559.36971875
transcript.pyannote[90].speaker SPEAKER_00
transcript.pyannote[90].start 559.99409375
transcript.pyannote[90].end 562.28909375
transcript.pyannote[91].speaker SPEAKER_00
transcript.pyannote[91].start 563.03159375
transcript.pyannote[91].end 564.63471875
transcript.pyannote[92].speaker SPEAKER_00
transcript.pyannote[92].start 564.98909375
transcript.pyannote[92].end 567.16596875
transcript.pyannote[93].speaker SPEAKER_00
transcript.pyannote[93].start 567.45284375
transcript.pyannote[93].end 568.06034375
transcript.pyannote[94].speaker SPEAKER_00
transcript.pyannote[94].start 568.56659375
transcript.pyannote[94].end 571.09784375
transcript.pyannote[95].speaker SPEAKER_00
transcript.pyannote[95].start 571.60409375
transcript.pyannote[95].end 574.21971875
transcript.pyannote[96].speaker SPEAKER_01
transcript.pyannote[96].start 574.21971875
transcript.pyannote[96].end 574.25346875
transcript.pyannote[97].speaker SPEAKER_00
transcript.pyannote[97].start 574.25346875
transcript.pyannote[97].end 574.27034375
transcript.pyannote[98].speaker SPEAKER_01
transcript.pyannote[98].start 574.27034375
transcript.pyannote[98].end 598.13159375
transcript.pyannote[99].speaker SPEAKER_00
transcript.pyannote[99].start 575.29971875
transcript.pyannote[99].end 575.50221875
transcript.pyannote[100].speaker SPEAKER_00
transcript.pyannote[100].start 579.02909375
transcript.pyannote[100].end 579.43409375
transcript.pyannote[101].speaker SPEAKER_00
transcript.pyannote[101].start 580.00784375
transcript.pyannote[101].end 581.64471875
transcript.pyannote[102].speaker SPEAKER_00
transcript.pyannote[102].start 582.70784375
transcript.pyannote[102].end 583.09596875
transcript.pyannote[103].speaker SPEAKER_01
transcript.pyannote[103].start 598.73909375
transcript.pyannote[103].end 609.52221875
transcript.pyannote[104].speaker SPEAKER_01
transcript.pyannote[104].start 609.99471875
transcript.pyannote[104].end 627.19034375
transcript.pyannote[105].speaker SPEAKER_00
transcript.pyannote[105].start 624.03471875
transcript.pyannote[105].end 624.57471875
transcript.pyannote[106].speaker SPEAKER_00
transcript.pyannote[106].start 626.32971875
transcript.pyannote[106].end 626.78534375
transcript.pyannote[107].speaker SPEAKER_01
transcript.pyannote[107].start 627.76409375
transcript.pyannote[107].end 631.29096875
transcript.pyannote[108].speaker SPEAKER_00
transcript.pyannote[108].start 631.07159375
transcript.pyannote[108].end 634.07534375
transcript.pyannote[109].speaker SPEAKER_00
transcript.pyannote[109].start 634.76721875
transcript.pyannote[109].end 638.98596875
transcript.pyannote[110].speaker SPEAKER_01
transcript.pyannote[110].start 638.53034375
transcript.pyannote[110].end 642.96846875
transcript.pyannote[111].speaker SPEAKER_00
transcript.pyannote[111].start 643.00221875
transcript.pyannote[111].end 643.03596875
transcript.pyannote[112].speaker SPEAKER_00
transcript.pyannote[112].start 643.37346875
transcript.pyannote[112].end 644.57159375
transcript.pyannote[113].speaker SPEAKER_00
transcript.pyannote[113].start 644.60534375
transcript.pyannote[113].end 645.98909375
transcript.pyannote[114].speaker SPEAKER_01
transcript.pyannote[114].start 644.97659375
transcript.pyannote[114].end 645.97221875
transcript.whisperx[0].start 0.069
transcript.whisperx[0].end 0.771
transcript.whisperx[0].text 大家好我們請主委請鳳主委
transcript.whisperx[1].start 9.346
transcript.whisperx[1].end 30.846
transcript.whisperx[1].text 委員早安主委早安所以我看我們的這一個主要的很多人都說我們退輔會相關的事業那都是以新自備的為主那新自備為主的話包含這個天然氣啊瓦斯啊等等那以前大概是比較多人說是比較偏向特許的產業那我今天想要請教一下說退伍軍人
transcript.whisperx[2].start 31.587
transcript.whisperx[2].end 42.473
transcript.whisperx[2].text 我們以前都說老農民那現在其實青壯農民更多至少在我們的服務處在家業的服務處基本上45%是農民那都是在30幾歲左右到40多歲的
transcript.whisperx[3].start 44.178
transcript.whisperx[3].end 67.912
transcript.whisperx[3].text 那這些退役下來的這些軍官士官那他們在去尋找工作的時候我想他們應該是很少有機會能夠進入我們剛才提到的新自備的這些公司那其實有多項媒體都有報導新自備不管是水泥啊天然氣啊石油等等這些公司都是以降官作為比較高比例的部份我這樣的理解是正確的嗎正確
transcript.whisperx[4].start 69.255
transcript.whisperx[4].end 92.844
transcript.whisperx[4].text 我們現在也是這麼做的那最後我的意思是說我想請教那過去不管是陸海空這些很優秀的軍人那特別是有曾經出過國那留學過回國然後完成他們在服役的期間他們離開之後大概有多少比例就您所了解有沒有進入國防產業不管是創新產業或者是新創產業跟國防相關的這樣的比例不知道有沒有
transcript.whisperx[5].start 94.091
transcript.whisperx[5].end 117.542
transcript.whisperx[5].text 這樣的比例在我們的這個中科院以及漢翔都有的但是假如說您運用美軍的資料我們這個就比他們差多了他是軍工工業跟國防跟國家政策相結合的我們不是一樣今天漢翔是一個老百姓的公司
transcript.whisperx[6].start 118.703
transcript.whisperx[6].end 134.333
transcript.whisperx[6].text 今天我們要請他做一件維修研發的事情都要經過中科院國防部三方面來會合因此要用軍中剛退伍的他的專長等等的都有重新訓練的必要
transcript.whisperx[7].start 135.965
transcript.whisperx[7].end 152.513
transcript.whisperx[7].text 謝謝主委所以我在講這件事情的原因是因為我想我們知道最近不管是在多個國外媒體都有提到還有一些期刊雜誌包括Politico都有在談到說希望說我們未來能夠有更多的軍事資產在台灣生產那這些生產的過程當然
transcript.whisperx[8].start 153.733
transcript.whisperx[8].end 179.387
transcript.whisperx[8].text 有國防部主導的也好可是有些並不是只有武器喔那包含這些新創創新的這些重要的零組件也好或者是一些系統軍民共用的系統也好那我會覺得比較可惜就是說其實有很多優秀的你們特別是海軍也是訓練了很多人出國那在這幾個月那我們正式進入國防外交委員會那我也開始跟這些
transcript.whisperx[9].start 180.327
transcript.whisperx[9].end 194.705
transcript.whisperx[9].text 退役的軍官特別是在40到60歲之間的在討論那他們有提到一個觀點他們是說希望說假設哪一天我們退輔會或者說我們國軍退下來的這些士官軍官
transcript.whisperx[10].start 195.846
transcript.whisperx[10].end 211.043
transcript.whisperx[10].text 他們在民間的企業不需要由退輔會主導進去這些新自備的而是能夠進入一般的民間產業不管是在新科技、電腦、創新那這樣子的話我們的退輔的工程就能夠說是一個非常成功的一個走法不知道主委你對這樣子的看法是怎麼樣
transcript.whisperx[11].start 211.844
transcript.whisperx[11].end 236.138
transcript.whisperx[11].text 報告委員我們的就學就業處就是在做這個工作而且我們的容服處是我們處點對於外面的處點跟這個外面的公司都有接觸而且他們都有績效報回來介紹了很多我們退役的官兵去就業當然這個可能我講不出來有50%但是我卻講得出來有25%以上
transcript.whisperx[12].start 240.667
transcript.whisperx[12].end 262.157
transcript.whisperx[12].text 謝謝主委我是希望說這個以後未來的統計相關的資料能夠也放在相關的報告裡面那我們就可以知道說我們的基礎點在哪邊那有沒有逐年的往上提升那這樣的話我還是希望說未來其實很多將官你說他的這個年資很高但其實以現在台灣人民的這個健康的水平其實他們能夠
transcript.whisperx[13].start 263.477
transcript.whisperx[13].end 263.597
transcript.whisperx[13].text 陳冠廷
transcript.whisperx[14].start 292.259
transcript.whisperx[14].end 318.646
transcript.whisperx[14].text 不要把說已經退休的這個將領就當成是就完全沒有他的實際效益或者是只是作為去這些新自備的地方我認為是有很多能夠發揮的我剛剛講的是將領包含校局軍官也好包含這個士官軍官也好那不要讓他們一出來就是士官那出來的這個選項那相對較少我是認為說可以試著去開拓他的可能性比方說
transcript.whisperx[15].start 320.106
transcript.whisperx[15].end 342.74
transcript.whisperx[15].text 我們的這個辦事處那他除了是服務民眾之外我們也會把一些相關的國防的一些看法來定期的請他們來諮詢請他們給我們看法那有些是在過去有在跟情報相關的那後來退休也到我們這邊來那我覺得都很好那我們就可以得到更多的資訊所以我希望說其實我們今天我們的這些助理們有沒有給我們說說轉
transcript.whisperx[16].start 344.261
transcript.whisperx[16].end 370.275
transcript.whisperx[16].text 退輔會相關單位安置情形如果我們可以把它轉到那一個PowerPoint沒關係沒有沒關係那裡面就有保持股率跟安置率那比方說新興水泥新興遠隆氣體公司那持股率是40%安置率是50%有些持股率是39%那安置率是31%那本來我們是想說那我們持股率應該要跟安置率一樣高啊那最好是越高越好這樣安置的更多可是我後來想一想不見得是正確的這個
transcript.whisperx[17].start 372.156
transcript.whisperx[17].end 391.969
transcript.whisperx[17].text 不見得要只想著什麼安置或許他們有很多潛力我們還沒有去探索到的我們是可以去努力的方向那再來我想提到剛才主委有提到AI科技智能相關的希望未來更多來去照顧照養我們的這些農民朋友我除了這個部分還是想要再強調這個國防創新管道這個Pipeline這個是
transcript.whisperx[18].start 396.772
transcript.whisperx[18].end 424.402
transcript.whisperx[18].text 這個在美國的近四五年不斷的有在提到這個部分那意思就是說在國防創新的這個部分當中退伍的軍官他們一退役之後進入這些科技產業他們能夠扮演的角色其實是很大的因為大家知道我們現在面臨的挑戰也不是只有只有軍購買自己軍備而已不是國防就是入海空而已金融戰科技戰法律戰那其實國防部還要包含這個法律專精的這些
transcript.whisperx[19].start 425.622
transcript.whisperx[19].end 448.691
transcript.whisperx[19].text 軍事軍方那跟一般民間的律師又不同嘛因為他不知道這裡面的提那所以說未來如果說這些小型創新的產業剛才提到剛才幾位委員都有提到你們有出出國嗎去美國來交友我們說實質內容是什麼我們不問這麼空泛的問題我們甚至可以說這一些過去退役的軍官這些將領在美國的退役的軍官將領他們現在在做什麼
transcript.whisperx[20].start 449.551
transcript.whisperx[20].end 458.174
transcript.whisperx[20].text 我們這些退換交易我們現在能做什麼那這些產業是不是能夠連結在一起我們是不是能夠把我們的產業鏈打入美國的市場這些都是可以的
transcript.whisperx[21].start 459.726
transcript.whisperx[21].end 481.811
transcript.whisperx[21].text 主委要說什麼?沒有說什麼。我覺得您講的方向都是正確的。謝謝主委。以台中地區來講,其實有很多機密機械產業,這些產業他們做得很好,他們甚至跨入一些航太的市場。比如說嘉義有一些產業是直接進入特斯拉的產業,可是這些產業其實跟軍事相關是有相關的。
transcript.whisperx[22].start 482.791
transcript.whisperx[22].end 503.903
transcript.whisperx[22].text 那這一些我們剛才講到將官也好你們曾經有派駐到國外去的他們可以作為這些民營純民營企業很好的公司顧問他們就不必再心自備他們也不必說就會被立法委員們諮詢說你們是什麼肥貓嗎什麼的不必啊因為他們有能力啊那這些過去我看不管是我們
transcript.whisperx[23].start 505.384
transcript.whisperx[23].end 520.549
transcript.whisperx[23].text 國防部送出去海軍陸軍這些官校的我看到有些還進入到最好的甚至去哈佛大學拿到電腦做事的都有那過去當然就不用什麼西點軍像這些都是很好的這些軍人那進入體制之後有些可能是有些可能不是我們不管
transcript.whisperx[24].start 521.8
transcript.whisperx[24].end 525.141
transcript.whisperx[24].text 今天大概是想要請教這個主委未來這個方向不知道可不可以納入國防創新產業這些跟這些國防工業相關的可以納入你們的這個統計標準裡面還有一個績效的指標
transcript.whisperx[25].start 550.749
transcript.whisperx[25].end 566.54
transcript.whisperx[25].text 報告委員,這幾年我們在您提醒我們的思想中間,我們已經有很大的進步,比如說國機國造、國艦國造,造就了很多我們軍方的人才能夠進去幫忙。
transcript.whisperx[26].start 568.581
transcript.whisperx[26].end 568.621
transcript.whisperx[26].text 陳冠廷
transcript.whisperx[27].start 598.581
transcript.whisperx[27].end 598.621
transcript.whisperx[27].text 陳冠廷
transcript.whisperx[28].start 627.688
transcript.whisperx[28].end 627.748
transcript.whisperx[28].text 主席