iVOD / 160025

Field Value
IVOD_ID 160025
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/160025
日期 2025-04-09
會議資料.會議代碼 委員會-11-3-19-7
會議資料.會議代碼:str 第11屆第3會期經濟委員會第7次全體委員會議
會議資料.屆 11
會議資料.會期 3
會議資料.會次 7
會議資料.種類 委員會
會議資料.委員會代碼[0] 19
會議資料.委員會代碼:str[0] 經濟委員會
會議資料.標題 第11屆第3會期經濟委員會第7次全體委員會議
影片種類 Clip
開始時間 2025-04-09T12:45:58+08:00
結束時間 2025-04-09T12:52:19+08:00
影片長度 00:06:21
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/984603a5a250cdcebbfa93b0233385a4a0ce932bdb51234803873e74607c39c27778f5872ee59a395ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 牛煦庭
委員發言時間 12:45:58 - 12:52:19
會議時間 2025-04-09T09:00:00+08:00
會議名稱 立法院第11屆第3會期經濟委員會第7次全體委員會議(事由:邀請經濟部部長及國家發展委員會主任委員就「國際經貿情勢變化,提出協助國內傳統產業及中小企業因應之對策」進行報告,並備質詢。)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 3.16971875
transcript.pyannote[0].end 4.33409375
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 5.46471875
transcript.pyannote[1].end 5.88659375
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 13.15971875
transcript.pyannote[2].end 13.59846875
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 14.02034375
transcript.pyannote[3].end 14.57721875
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 14.98221875
transcript.pyannote[4].end 25.76534375
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 25.88346875
transcript.pyannote[5].end 27.25034375
transcript.pyannote[6].speaker SPEAKER_01
transcript.pyannote[6].start 27.40221875
transcript.pyannote[6].end 50.14971875
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 50.30159375
transcript.pyannote[7].end 52.88346875
transcript.pyannote[8].speaker SPEAKER_00
transcript.pyannote[8].start 53.98034375
transcript.pyannote[8].end 60.57846875
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 59.71784375
transcript.pyannote[9].end 60.17346875
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 60.71346875
transcript.pyannote[10].end 61.84409375
transcript.pyannote[11].speaker SPEAKER_01
transcript.pyannote[11].start 61.84409375
transcript.pyannote[11].end 62.56971875
transcript.pyannote[12].speaker SPEAKER_00
transcript.pyannote[12].start 62.51909375
transcript.pyannote[12].end 63.12659375
transcript.pyannote[13].speaker SPEAKER_01
transcript.pyannote[13].start 63.12659375
transcript.pyannote[13].end 69.99471875
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 70.18034375
transcript.pyannote[14].end 88.55721875
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 89.23221875
transcript.pyannote[15].end 96.52221875
transcript.pyannote[16].speaker SPEAKER_00
transcript.pyannote[16].start 97.68659375
transcript.pyannote[16].end 103.15409375
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 103.32284375
transcript.pyannote[17].end 103.39034375
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 103.39034375
transcript.pyannote[18].end 104.23409375
transcript.pyannote[19].speaker SPEAKER_00
transcript.pyannote[19].start 103.42409375
transcript.pyannote[19].end 109.93784375
transcript.pyannote[20].speaker SPEAKER_01
transcript.pyannote[20].start 109.56659375
transcript.pyannote[20].end 140.51534375
transcript.pyannote[21].speaker SPEAKER_00
transcript.pyannote[21].start 114.22409375
transcript.pyannote[21].end 114.46034375
transcript.pyannote[22].speaker SPEAKER_01
transcript.pyannote[22].start 140.80221875
transcript.pyannote[22].end 146.25284375
transcript.pyannote[23].speaker SPEAKER_01
transcript.pyannote[23].start 146.37096875
transcript.pyannote[23].end 159.14534375
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 159.83721875
transcript.pyannote[24].end 161.55846875
transcript.pyannote[25].speaker SPEAKER_01
transcript.pyannote[25].start 161.67659375
transcript.pyannote[25].end 165.03471875
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 165.22034375
transcript.pyannote[26].end 168.15659375
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 168.84846875
transcript.pyannote[27].end 171.31221875
transcript.pyannote[28].speaker SPEAKER_00
transcript.pyannote[28].start 172.57784375
transcript.pyannote[28].end 177.94409375
transcript.pyannote[29].speaker SPEAKER_00
transcript.pyannote[29].start 178.39971875
transcript.pyannote[29].end 179.58096875
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 180.10409375
transcript.pyannote[30].end 182.43284375
transcript.pyannote[31].speaker SPEAKER_00
transcript.pyannote[31].start 182.68596875
transcript.pyannote[31].end 186.51659375
transcript.pyannote[32].speaker SPEAKER_00
transcript.pyannote[32].start 187.07346875
transcript.pyannote[32].end 189.70596875
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 190.65096875
transcript.pyannote[33].end 191.96721875
transcript.pyannote[34].speaker SPEAKER_01
transcript.pyannote[34].start 191.96721875
transcript.pyannote[34].end 214.81596875
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 213.75284375
transcript.pyannote[35].end 214.69784375
transcript.pyannote[36].speaker SPEAKER_00
transcript.pyannote[36].start 214.81596875
transcript.pyannote[36].end 223.96221875
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 218.81534375
transcript.pyannote[37].end 219.50721875
transcript.pyannote[38].speaker SPEAKER_01
transcript.pyannote[38].start 220.30034375
transcript.pyannote[38].end 222.35909375
transcript.pyannote[39].speaker SPEAKER_01
transcript.pyannote[39].start 223.50659375
transcript.pyannote[39].end 268.17471875
transcript.pyannote[40].speaker SPEAKER_01
transcript.pyannote[40].start 269.10284375
transcript.pyannote[40].end 273.43971875
transcript.pyannote[41].speaker SPEAKER_01
transcript.pyannote[41].start 273.64221875
transcript.pyannote[41].end 278.02971875
transcript.pyannote[42].speaker SPEAKER_00
transcript.pyannote[42].start 278.50221875
transcript.pyannote[42].end 284.64471875
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 284.96534375
transcript.pyannote[43].end 296.18721875
transcript.pyannote[44].speaker SPEAKER_00
transcript.pyannote[44].start 296.60909375
transcript.pyannote[44].end 297.70596875
transcript.pyannote[45].speaker SPEAKER_01
transcript.pyannote[45].start 297.97596875
transcript.pyannote[45].end 315.27284375
transcript.pyannote[46].speaker SPEAKER_01
transcript.pyannote[46].start 315.37409375
transcript.pyannote[46].end 320.13284375
transcript.pyannote[47].speaker SPEAKER_01
transcript.pyannote[47].start 320.57159375
transcript.pyannote[47].end 341.46284375
transcript.pyannote[48].speaker SPEAKER_01
transcript.pyannote[48].start 342.27284375
transcript.pyannote[48].end 353.86596875
transcript.pyannote[49].speaker SPEAKER_00
transcript.pyannote[49].start 342.40784375
transcript.pyannote[49].end 342.64409375
transcript.pyannote[50].speaker SPEAKER_00
transcript.pyannote[50].start 351.28409375
transcript.pyannote[50].end 355.24971875
transcript.pyannote[51].speaker SPEAKER_01
transcript.pyannote[51].start 356.44784375
transcript.pyannote[51].end 357.15659375
transcript.pyannote[52].speaker SPEAKER_00
transcript.pyannote[52].start 357.15659375
transcript.pyannote[52].end 361.96596875
transcript.pyannote[53].speaker SPEAKER_01
transcript.pyannote[53].start 357.17346875
transcript.pyannote[53].end 358.28721875
transcript.pyannote[54].speaker SPEAKER_01
transcript.pyannote[54].start 358.75971875
transcript.pyannote[54].end 365.00346875
transcript.pyannote[55].speaker SPEAKER_00
transcript.pyannote[55].start 361.98284375
transcript.pyannote[55].end 368.37846875
transcript.pyannote[56].speaker SPEAKER_01
transcript.pyannote[56].start 367.90596875
transcript.pyannote[56].end 379.98846875
transcript.pyannote[57].speaker SPEAKER_00
transcript.pyannote[57].start 369.52596875
transcript.pyannote[57].end 369.81284375
transcript.pyannote[58].speaker SPEAKER_00
transcript.pyannote[58].start 373.74471875
transcript.pyannote[58].end 373.98096875
transcript.pyannote[59].speaker SPEAKER_00
transcript.pyannote[59].start 380.56221875
transcript.pyannote[59].end 380.95034375
transcript.pyannote[60].speaker SPEAKER_01
transcript.pyannote[60].start 380.95034375
transcript.pyannote[60].end 381.08534375
transcript.whisperx[0].start 3.391
transcript.whisperx[0].end 28.259
transcript.whisperx[0].text 謝謝主席 郭部長有請郭部長委員好 部長午安這個大家都關心這個美國關稅大刀一下來造成的一個衝擊剛剛那個奇奇怪怪的公式講白那就是美國用他的貿易逆差去算嘛對不對 其實部長心裡清楚啦也不用踩著明白裝糊塗但我今天要問的是
transcript.whisperx[1].start 28.799
transcript.whisperx[1].end 52.236
transcript.whisperx[1].text 今天大家都問範論也就是說比如說881夠不夠以及等等但是我想大部分的中小企業也好甚至再往下到各個勞工也好最焦慮最擔心的還是跟自己的關係是什麼所以今天我們花一點點時間我們就挑一個產業來跟部長做深入的討論我想先請問部長現在我們的賴總統講說我們要以零關稅為基礎重新去談判這個零關稅有沒有包含汽車產業
transcript.whisperx[2].start 54.005
transcript.whisperx[2].end 74.353
transcript.whisperx[2].text 我想所有的關稅總統既然宣布是由零關稅開始談起這通通包含嘛這通通包含所以包含對不對通通包含好現在我想部長你也很清楚啦現在普遍台灣的消費者我們從消費者的角度來講其實對於汽車關稅他們也是反對的嘛他們也覺得說保護國內產業幾十年好像也弄不出像樣的東西以及等等
transcript.whisperx[3].start 74.773
transcript.whisperx[3].end 102.788
transcript.whisperx[3].text 不如讓大家有機會買便宜的進口車這樣的聲音其實你做個民調其實就知道搞不好是壓倒性的多數這是從消費者的立場來看但我請問部長那為什麼過去我們要維持對汽車產業的保護課相對比較高的關稅報告委員齁我們國內還是有國內的這個汽車產業啦那大概就業的人口有十幾萬就是一個很急速的降稅那他們可能就馬上沒有工作
transcript.whisperx[4].start 103.407
transcript.whisperx[4].end 119.727
transcript.whisperx[4].text 沒錯嘛我想過去在這個關稅上面其實基於保護這些從業的人所以其實你是照顧國內產業跟國內就業甚至保護國內勞工的角度來做這樣的規範對不對所以跟什麼哪個品牌怎麼樣其實沒有什麼直接的關係對不對好那我今天就問這個問題
transcript.whisperx[5].start 121.289
transcript.whisperx[5].end 136.673
transcript.whisperx[5].text 現在剛剛已經講因為賴總統的宣示基本上是所有的產業都包含在內剛剛黃國昌委員等等其實也都有提到如果你一旦降了汽車關稅其他可能要求你准用WTO的最惠國待遇也就是說他當然就一去就不回頭了那我想請問針對汽車產業的調節跟衝擊的影響評估這個
transcript.whisperx[6].start 140.894
transcript.whisperx[6].end 157.015
transcript.whisperx[6].text 包含汽車不是只有大家都講裕隆、納智捷嘛然後都說他們很爛對不對這我們今天不做評論但是也不只啦還有中華汽車有國瑞等等他其實都是國產車的代表好或不好今天不在這裡做論斷但是這樣子的叫做汽車的整車製造就本席的了解啦這樣子的這個產業的從業人數5.2萬人
transcript.whisperx[7].start 160.078
transcript.whisperx[7].end 171.153
transcript.whisperx[7].text 還不只是有整車製造嘛那請問部長或者是你後面下面的這些這個幕僚知不知道啊零組件的產業大概有幾家從業的人數有多少
transcript.whisperx[8].start 172.805
transcript.whisperx[8].end 189.068
transcript.whisperx[8].text 零組件的廠商其實跟委員報告這個就是你如果是primary market可能我們有的廠商受的傷害不會很大但是我們有一個after market的廠商其實蠻強的
transcript.whisperx[9].start 190.711
transcript.whisperx[9].end 219.478
transcript.whisperx[9].text 就有些他競爭力強有些競爭力但總體來講因為我們今天如果要討論880億處理全台灣的產業那一定是不清楚的嘛但有幾個有兩千多億的這個產值產值兩千多億至少有一點數據做基礎因為現在大家討論如果關稅降下來汽車產業會被衝擊農業會被衝擊今天應該針對這些特別被點名的產業的產業鏈的衝擊影響評估要有更詳細的報告這是我今天希望看到的我們是有報告齁如果這個需要的話我們今天下午就可以送給今天下午OK
transcript.whisperx[10].start 219.958
transcript.whisperx[10].end 240.03
transcript.whisperx[10].text 就本席目前的了解啦好 目前的了解全台灣的這樣子的國內的汽車產業鏈喔這個整車製造我剛剛講過了從業人數5.2萬人佔整體汽車產業就業人口17.3%零組件供應有超過2000家的各式各樣零組件的廠商它當然有些強勢 有些弱勢但他們的共同身份是什麼中小企業嘛
transcript.whisperx[11].start 240.41
transcript.whisperx[11].end 257.121
transcript.whisperx[11].text 你今天討論我們難道不需要針對特定的業別做更多的調查嗎這樣子的一些從業人你剛剛講產值2000億從業人數就本行現有的資料啦你官方有更精準的資料沒有關係從業人數24.8萬人佔整體汽車產業直接佔就業人口82.7%加起來整車製造跟零組件上下游加起來大概總共有30萬的就業人口可能會因為汽車關稅的鬆綁受到一定的衝擊我現在請問經濟部
transcript.whisperx[12].start 269.581
transcript.whisperx[12].end 291.346
transcript.whisperx[12].text 詳細的數據比如說這兩千多家或八萬整車製造他們會掉多少單有沒有哪些產業被衝擊到會直接有裁員或者是無薪假的狀況你們現在有沒有掌握報告委員我想我們現在就是說有做一些這個情境的分析那台灣也不會因為說這個零關稅以後進口車大家都來買進口車然後這個國內車我想我們會幫助國內這些廠商來做轉型
transcript.whisperx[13].start 298.055
transcript.whisperx[13].end 320.06
transcript.whisperx[13].text 即使今天因為時間有限啊但因為沒關係後面還有專案報告我們都還有總諮詢但我希望經濟部做好準備啦特別針對幾個已經被擺上檯面的產業你總要有詳細的數據嘛我們才會知道說這881要怎麼下它是單純的補貼還是怎麼樣因為你881只是講大方向沒有意思嘛我本席最關心的不外乎就是掉多少單有沒有人會失業啊
transcript.whisperx[14].start 320.66
transcript.whisperx[14].end 340.993
transcript.whisperx[14].text 我們有多少人因為這樣失去工作或是要放無薪假請問你政府的錢有沒有到這些人的口袋裡去減輕衝擊嘛你如果對各產業鏈的分析不夠了解的時候你當然就我們就無從知道這881下的有沒有價值或者是需不需要增加所以我至少我們今天很有意義因為部長講這個今天下午我們就會拿到汽車產業鏈的相關的衝擊分析報告對不對我再確認一次
transcript.whisperx[15].start 342.352
transcript.whisperx[15].end 353.682
transcript.whisperx[15].text 好不好 那就麻煩經濟部提供資料不只是汽車啦 我也提醒其他相關的 電子零組件 農產品等等都要有分門別類的報告而且盡量要讓立法委員來參考要公開透明好不好
transcript.whisperx[16].start 356.713
transcript.whisperx[16].end 379.428
transcript.whisperx[16].text 好 農業部獨立啦 沒關係但你經濟部所有的對 各條產業鏈好不好農業部也應該要有啦但沒關係今天這個就不為難你就是今天的這個我們有做了一份報告你就把相關的報告就送交而且這位知道其實在你禮拜五的這個說明的時候他其實越詳細越好這樣大家在未來在審查這個預算要不要放行的時候你也會有更多的說明的依據可以嗎謝謝委員好 謝謝部長好