iVOD / 168277

Field Value
IVOD_ID 168277
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/168277
日期 2026-04-08
會議資料.會議代碼 委員會-11-5-23-5
會議資料.會議代碼:str 第11屆第5會期交通委員會第5次全體委員會議
會議資料.屆 11
會議資料.會期 5
會議資料.會次 5
會議資料.種類 委員會
會議資料.委員會代碼[0] 23
會議資料.委員會代碼:str[0] 交通委員會
會議資料.標題 第11屆第5會期交通委員會第5次全體委員會議
影片種類 Clip
開始時間 2026-04-08T11:18:09+08:00
結束時間 2026-04-08T11:32:12+08:00
影片長度 00:14:03
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/70d8fc05dcd8abb09b8ab3a5369f6b52f747912251df08273efd812baa63ee58d6989c2027b9690b5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 許智傑
委員發言時間 11:18:09 - 11:32:12
會議時間 2026-04-08T09:00:00+08:00
會議名稱 立法院第11屆第5會期交通委員會第5次全體委員會議(事由:邀請數位發展部部長林宜敬列席報告業務概況,並備質詢。【4月8日及9日二天一次會】)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 6.12284375
transcript.pyannote[0].end 8.99159375
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 15.70784375
transcript.pyannote[1].end 16.88909375
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 17.61471875
transcript.pyannote[2].end 19.89284375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 20.36534375
transcript.pyannote[3].end 23.41971875
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 23.62221875
transcript.pyannote[4].end 23.80784375
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 24.44909375
transcript.pyannote[5].end 27.03096875
transcript.pyannote[6].speaker SPEAKER_01
transcript.pyannote[6].start 27.35159375
transcript.pyannote[6].end 35.85659375
transcript.pyannote[7].speaker SPEAKER_02
transcript.pyannote[7].start 35.45159375
transcript.pyannote[7].end 36.85221875
transcript.pyannote[8].speaker SPEAKER_01
transcript.pyannote[8].start 36.16034375
transcript.pyannote[8].end 36.44721875
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 37.56096875
transcript.pyannote[9].end 45.69471875
transcript.pyannote[10].speaker SPEAKER_01
transcript.pyannote[10].start 45.82971875
transcript.pyannote[10].end 45.84659375
transcript.pyannote[11].speaker SPEAKER_02
transcript.pyannote[11].start 45.84659375
transcript.pyannote[11].end 46.21784375
transcript.pyannote[12].speaker SPEAKER_01
transcript.pyannote[12].start 45.91409375
transcript.pyannote[12].end 57.15284375
transcript.pyannote[13].speaker SPEAKER_02
transcript.pyannote[13].start 51.75284375
transcript.pyannote[13].end 52.09034375
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 57.37221875
transcript.pyannote[14].end 84.65909375
transcript.pyannote[15].speaker SPEAKER_01
transcript.pyannote[15].start 84.77721875
transcript.pyannote[15].end 103.60971875
transcript.pyannote[16].speaker SPEAKER_01
transcript.pyannote[16].start 104.01471875
transcript.pyannote[16].end 106.30971875
transcript.pyannote[17].speaker SPEAKER_01
transcript.pyannote[17].start 106.68096875
transcript.pyannote[17].end 115.11846875
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 115.69221875
transcript.pyannote[18].end 116.82284375
transcript.pyannote[19].speaker SPEAKER_01
transcript.pyannote[19].start 117.05909375
transcript.pyannote[19].end 130.50846875
transcript.pyannote[20].speaker SPEAKER_00
transcript.pyannote[20].start 130.72784375
transcript.pyannote[20].end 175.53096875
transcript.pyannote[21].speaker SPEAKER_02
transcript.pyannote[21].start 139.45221875
transcript.pyannote[21].end 139.82346875
transcript.pyannote[22].speaker SPEAKER_01
transcript.pyannote[22].start 147.99096875
transcript.pyannote[22].end 148.31159375
transcript.pyannote[23].speaker SPEAKER_01
transcript.pyannote[23].start 154.79159375
transcript.pyannote[23].end 155.17971875
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 174.07971875
transcript.pyannote[24].end 177.69096875
transcript.pyannote[25].speaker SPEAKER_00
transcript.pyannote[25].start 177.69096875
transcript.pyannote[25].end 195.05534375
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 192.72659375
transcript.pyannote[26].end 193.03034375
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 195.05534375
transcript.pyannote[27].end 197.01284375
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 197.53596875
transcript.pyannote[28].end 201.28221875
transcript.pyannote[29].speaker SPEAKER_01
transcript.pyannote[29].start 201.40034375
transcript.pyannote[29].end 204.20159375
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 204.55596875
transcript.pyannote[30].end 207.05346875
transcript.pyannote[31].speaker SPEAKER_01
transcript.pyannote[31].start 207.05346875
transcript.pyannote[31].end 207.13784375
transcript.pyannote[32].speaker SPEAKER_00
transcript.pyannote[32].start 207.13784375
transcript.pyannote[32].end 207.22221875
transcript.pyannote[33].speaker SPEAKER_01
transcript.pyannote[33].start 207.22221875
transcript.pyannote[33].end 207.45846875
transcript.pyannote[34].speaker SPEAKER_03
transcript.pyannote[34].start 208.01534375
transcript.pyannote[34].end 220.55346875
transcript.pyannote[35].speaker SPEAKER_01
transcript.pyannote[35].start 220.55346875
transcript.pyannote[35].end 221.73471875
transcript.pyannote[36].speaker SPEAKER_01
transcript.pyannote[36].start 222.20721875
transcript.pyannote[36].end 227.59034375
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 227.79284375
transcript.pyannote[37].end 232.68659375
transcript.pyannote[38].speaker SPEAKER_02
transcript.pyannote[38].start 232.68659375
transcript.pyannote[38].end 233.02409375
transcript.pyannote[39].speaker SPEAKER_01
transcript.pyannote[39].start 232.73721875
transcript.pyannote[39].end 232.75409375
transcript.pyannote[40].speaker SPEAKER_01
transcript.pyannote[40].start 232.82159375
transcript.pyannote[40].end 236.04471875
transcript.pyannote[41].speaker SPEAKER_01
transcript.pyannote[41].start 236.44971875
transcript.pyannote[41].end 241.81596875
transcript.pyannote[42].speaker SPEAKER_02
transcript.pyannote[42].start 241.81596875
transcript.pyannote[42].end 242.06909375
transcript.pyannote[43].speaker SPEAKER_01
transcript.pyannote[43].start 241.84971875
transcript.pyannote[43].end 262.69034375
transcript.pyannote[44].speaker SPEAKER_02
transcript.pyannote[44].start 244.12784375
transcript.pyannote[44].end 244.14471875
transcript.pyannote[45].speaker SPEAKER_01
transcript.pyannote[45].start 263.77034375
transcript.pyannote[45].end 267.14534375
transcript.pyannote[46].speaker SPEAKER_01
transcript.pyannote[46].start 267.73596875
transcript.pyannote[46].end 275.39721875
transcript.pyannote[47].speaker SPEAKER_02
transcript.pyannote[47].start 272.62971875
transcript.pyannote[47].end 272.84909375
transcript.pyannote[48].speaker SPEAKER_01
transcript.pyannote[48].start 275.58284375
transcript.pyannote[48].end 280.86471875
transcript.pyannote[49].speaker SPEAKER_01
transcript.pyannote[49].start 280.96596875
transcript.pyannote[49].end 292.60971875
transcript.pyannote[50].speaker SPEAKER_01
transcript.pyannote[50].start 293.26784375
transcript.pyannote[50].end 307.18971875
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 298.78596875
transcript.pyannote[51].end 298.95471875
transcript.pyannote[52].speaker SPEAKER_00
transcript.pyannote[52].start 307.78034375
transcript.pyannote[52].end 344.29784375
transcript.pyannote[53].speaker SPEAKER_01
transcript.pyannote[53].start 340.53471875
transcript.pyannote[53].end 340.77096875
transcript.pyannote[54].speaker SPEAKER_00
transcript.pyannote[54].start 344.56784375
transcript.pyannote[54].end 381.77721875
transcript.pyannote[55].speaker SPEAKER_01
transcript.pyannote[55].start 381.96284375
transcript.pyannote[55].end 383.71784375
transcript.pyannote[56].speaker SPEAKER_01
transcript.pyannote[56].start 384.22409375
transcript.pyannote[56].end 396.66096875
transcript.pyannote[57].speaker SPEAKER_02
transcript.pyannote[57].start 388.88159375
transcript.pyannote[57].end 388.91534375
transcript.pyannote[58].speaker SPEAKER_00
transcript.pyannote[58].start 388.91534375
transcript.pyannote[58].end 389.11784375
transcript.pyannote[59].speaker SPEAKER_02
transcript.pyannote[59].start 389.11784375
transcript.pyannote[59].end 389.15159375
transcript.pyannote[60].speaker SPEAKER_02
transcript.pyannote[60].start 396.66096875
transcript.pyannote[60].end 396.96471875
transcript.pyannote[61].speaker SPEAKER_01
transcript.pyannote[61].start 396.96471875
transcript.pyannote[61].end 398.58471875
transcript.pyannote[62].speaker SPEAKER_01
transcript.pyannote[62].start 399.19221875
transcript.pyannote[62].end 415.47659375
transcript.pyannote[63].speaker SPEAKER_02
transcript.pyannote[63].start 415.47659375
transcript.pyannote[63].end 415.79721875
transcript.pyannote[64].speaker SPEAKER_01
transcript.pyannote[64].start 415.79721875
transcript.pyannote[64].end 420.04971875
transcript.pyannote[65].speaker SPEAKER_01
transcript.pyannote[65].start 420.10034375
transcript.pyannote[65].end 420.15096875
transcript.pyannote[66].speaker SPEAKER_02
transcript.pyannote[66].start 420.15096875
transcript.pyannote[66].end 420.43784375
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 420.43784375
transcript.pyannote[67].end 430.05659375
transcript.pyannote[68].speaker SPEAKER_01
transcript.pyannote[68].start 430.24221875
transcript.pyannote[68].end 430.25909375
transcript.pyannote[69].speaker SPEAKER_00
transcript.pyannote[69].start 430.25909375
transcript.pyannote[69].end 430.74846875
transcript.pyannote[70].speaker SPEAKER_01
transcript.pyannote[70].start 430.30971875
transcript.pyannote[70].end 433.80284375
transcript.pyannote[71].speaker SPEAKER_00
transcript.pyannote[71].start 433.88721875
transcript.pyannote[71].end 453.85034375
transcript.pyannote[72].speaker SPEAKER_01
transcript.pyannote[72].start 452.77034375
transcript.pyannote[72].end 455.01471875
transcript.pyannote[73].speaker SPEAKER_01
transcript.pyannote[73].start 455.13284375
transcript.pyannote[73].end 466.00034375
transcript.pyannote[74].speaker SPEAKER_01
transcript.pyannote[74].start 466.11846875
transcript.pyannote[74].end 469.39221875
transcript.pyannote[75].speaker SPEAKER_01
transcript.pyannote[75].start 469.62846875
transcript.pyannote[75].end 474.79221875
transcript.pyannote[76].speaker SPEAKER_01
transcript.pyannote[76].start 474.87659375
transcript.pyannote[76].end 474.91034375
transcript.pyannote[77].speaker SPEAKER_02
transcript.pyannote[77].start 474.91034375
transcript.pyannote[77].end 476.41221875
transcript.pyannote[78].speaker SPEAKER_01
transcript.pyannote[78].start 475.23096875
transcript.pyannote[78].end 478.26846875
transcript.pyannote[79].speaker SPEAKER_01
transcript.pyannote[79].start 478.74096875
transcript.pyannote[79].end 481.86284375
transcript.pyannote[80].speaker SPEAKER_01
transcript.pyannote[80].start 482.36909375
transcript.pyannote[80].end 486.82409375
transcript.pyannote[81].speaker SPEAKER_01
transcript.pyannote[81].start 487.16159375
transcript.pyannote[81].end 489.74346875
transcript.pyannote[82].speaker SPEAKER_01
transcript.pyannote[82].start 490.40159375
transcript.pyannote[82].end 495.07596875
transcript.pyannote[83].speaker SPEAKER_02
transcript.pyannote[83].start 495.71721875
transcript.pyannote[83].end 495.98721875
transcript.pyannote[84].speaker SPEAKER_01
transcript.pyannote[84].start 496.44284375
transcript.pyannote[84].end 499.05846875
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 499.39596875
transcript.pyannote[85].end 503.00721875
transcript.pyannote[86].speaker SPEAKER_01
transcript.pyannote[86].start 503.56409375
transcript.pyannote[86].end 508.15409375
transcript.pyannote[87].speaker SPEAKER_01
transcript.pyannote[87].start 508.25534375
transcript.pyannote[87].end 508.27221875
transcript.pyannote[88].speaker SPEAKER_02
transcript.pyannote[88].start 508.27221875
transcript.pyannote[88].end 508.59284375
transcript.pyannote[89].speaker SPEAKER_01
transcript.pyannote[89].start 508.59284375
transcript.pyannote[89].end 510.51659375
transcript.pyannote[90].speaker SPEAKER_02
transcript.pyannote[90].start 510.82034375
transcript.pyannote[90].end 511.09034375
transcript.pyannote[91].speaker SPEAKER_01
transcript.pyannote[91].start 511.36034375
transcript.pyannote[91].end 512.33909375
transcript.pyannote[92].speaker SPEAKER_01
transcript.pyannote[92].start 513.62159375
transcript.pyannote[92].end 519.12284375
transcript.pyannote[93].speaker SPEAKER_01
transcript.pyannote[93].start 519.81471875
transcript.pyannote[93].end 528.01596875
transcript.pyannote[94].speaker SPEAKER_02
transcript.pyannote[94].start 527.81346875
transcript.pyannote[94].end 527.98221875
transcript.pyannote[95].speaker SPEAKER_02
transcript.pyannote[95].start 528.01596875
transcript.pyannote[95].end 528.03284375
transcript.pyannote[96].speaker SPEAKER_01
transcript.pyannote[96].start 528.03284375
transcript.pyannote[96].end 540.19971875
transcript.pyannote[97].speaker SPEAKER_02
transcript.pyannote[97].start 539.32221875
transcript.pyannote[97].end 540.26721875
transcript.pyannote[98].speaker SPEAKER_01
transcript.pyannote[98].start 540.21659375
transcript.pyannote[98].end 540.25034375
transcript.pyannote[99].speaker SPEAKER_01
transcript.pyannote[99].start 540.26721875
transcript.pyannote[99].end 549.36284375
transcript.pyannote[100].speaker SPEAKER_00
transcript.pyannote[100].start 549.56534375
transcript.pyannote[100].end 572.07659375
transcript.pyannote[101].speaker SPEAKER_01
transcript.pyannote[101].start 570.06846875
transcript.pyannote[101].end 570.35534375
transcript.pyannote[102].speaker SPEAKER_01
transcript.pyannote[102].start 571.28346875
transcript.pyannote[102].end 581.61096875
transcript.pyannote[103].speaker SPEAKER_00
transcript.pyannote[103].start 575.29971875
transcript.pyannote[103].end 575.82284375
transcript.pyannote[104].speaker SPEAKER_01
transcript.pyannote[104].start 581.88096875
transcript.pyannote[104].end 583.36596875
transcript.pyannote[105].speaker SPEAKER_00
transcript.pyannote[105].start 583.34909375
transcript.pyannote[105].end 602.13096875
transcript.pyannote[106].speaker SPEAKER_01
transcript.pyannote[106].start 601.52346875
transcript.pyannote[106].end 602.92409375
transcript.pyannote[107].speaker SPEAKER_00
transcript.pyannote[107].start 602.67096875
transcript.pyannote[107].end 615.34409375
transcript.pyannote[108].speaker SPEAKER_00
transcript.pyannote[108].start 615.58034375
transcript.pyannote[108].end 629.16471875
transcript.pyannote[109].speaker SPEAKER_01
transcript.pyannote[109].start 626.02596875
transcript.pyannote[109].end 626.46471875
transcript.pyannote[110].speaker SPEAKER_01
transcript.pyannote[110].start 629.16471875
transcript.pyannote[110].end 632.48909375
transcript.pyannote[111].speaker SPEAKER_00
transcript.pyannote[111].start 630.04221875
transcript.pyannote[111].end 630.27846875
transcript.pyannote[112].speaker SPEAKER_01
transcript.pyannote[112].start 633.13034375
transcript.pyannote[112].end 647.96346875
transcript.pyannote[113].speaker SPEAKER_02
transcript.pyannote[113].start 638.56409375
transcript.pyannote[113].end 638.63159375
transcript.pyannote[114].speaker SPEAKER_02
transcript.pyannote[114].start 647.96346875
transcript.pyannote[114].end 648.03096875
transcript.pyannote[115].speaker SPEAKER_01
transcript.pyannote[115].start 648.03096875
transcript.pyannote[115].end 680.32971875
transcript.pyannote[116].speaker SPEAKER_02
transcript.pyannote[116].start 648.18284375
transcript.pyannote[116].end 649.09409375
transcript.pyannote[117].speaker SPEAKER_02
transcript.pyannote[117].start 676.43159375
transcript.pyannote[117].end 676.65096875
transcript.pyannote[118].speaker SPEAKER_02
transcript.pyannote[118].start 679.67159375
transcript.pyannote[118].end 679.82346875
transcript.pyannote[119].speaker SPEAKER_01
transcript.pyannote[119].start 680.56596875
transcript.pyannote[119].end 707.07659375
transcript.pyannote[120].speaker SPEAKER_02
transcript.pyannote[120].start 707.05971875
transcript.pyannote[120].end 707.31284375
transcript.pyannote[121].speaker SPEAKER_01
transcript.pyannote[121].start 707.31284375
transcript.pyannote[121].end 718.92284375
transcript.pyannote[122].speaker SPEAKER_01
transcript.pyannote[122].start 719.22659375
transcript.pyannote[122].end 721.65659375
transcript.pyannote[123].speaker SPEAKER_02
transcript.pyannote[123].start 721.65659375
transcript.pyannote[123].end 721.94346875
transcript.pyannote[124].speaker SPEAKER_01
transcript.pyannote[124].start 721.89284375
transcript.pyannote[124].end 730.38096875
transcript.pyannote[125].speaker SPEAKER_01
transcript.pyannote[125].start 731.12346875
transcript.pyannote[125].end 749.17971875
transcript.pyannote[126].speaker SPEAKER_02
transcript.pyannote[126].start 737.90721875
transcript.pyannote[126].end 737.97471875
transcript.pyannote[127].speaker SPEAKER_00
transcript.pyannote[127].start 747.88034375
transcript.pyannote[127].end 766.32471875
transcript.pyannote[128].speaker SPEAKER_01
transcript.pyannote[128].start 765.19409375
transcript.pyannote[128].end 814.09784375
transcript.pyannote[129].speaker SPEAKER_02
transcript.pyannote[129].start 811.90409375
transcript.pyannote[129].end 812.25846875
transcript.pyannote[130].speaker SPEAKER_01
transcript.pyannote[130].start 814.13159375
transcript.pyannote[130].end 814.28346875
transcript.pyannote[131].speaker SPEAKER_02
transcript.pyannote[131].start 814.28346875
transcript.pyannote[131].end 814.31721875
transcript.pyannote[132].speaker SPEAKER_01
transcript.pyannote[132].start 814.31721875
transcript.pyannote[132].end 817.65846875
transcript.pyannote[133].speaker SPEAKER_02
transcript.pyannote[133].start 814.35096875
transcript.pyannote[133].end 814.45221875
transcript.pyannote[134].speaker SPEAKER_00
transcript.pyannote[134].start 814.45221875
transcript.pyannote[134].end 814.48596875
transcript.pyannote[135].speaker SPEAKER_02
transcript.pyannote[135].start 814.48596875
transcript.pyannote[135].end 814.50284375
transcript.pyannote[136].speaker SPEAKER_00
transcript.pyannote[136].start 817.84409375
transcript.pyannote[136].end 832.22159375
transcript.pyannote[137].speaker SPEAKER_01
transcript.pyannote[137].start 831.42846875
transcript.pyannote[137].end 838.85346875
transcript.pyannote[138].speaker SPEAKER_00
transcript.pyannote[138].start 837.36846875
transcript.pyannote[138].end 838.16159375
transcript.pyannote[139].speaker SPEAKER_01
transcript.pyannote[139].start 839.14034375
transcript.pyannote[139].end 842.24534375
transcript.pyannote[140].speaker SPEAKER_01
transcript.pyannote[140].start 842.61659375
transcript.pyannote[140].end 844.16909375
transcript.pyannote[141].speaker SPEAKER_00
transcript.pyannote[141].start 842.63346875
transcript.pyannote[141].end 844.16909375
transcript.whisperx[0].start 6.362
transcript.whisperx[0].end 8.186
transcript.whisperx[0].text 謝謝主席 我們請部長部長辛苦
transcript.whisperx[1].start 17.639
transcript.whisperx[1].end 36.658
transcript.whisperx[1].text 我知道有一些媒體都會斷章取義所以以後我們在講話都要特別小心事實上我自己在回答媒體也是一樣有時候就簡短不要講太長不然他會截他要的你的解釋他都不截所以這個稍微我們互相提醒一下謝謝委員提醒
transcript.whisperx[2].start 37.594
transcript.whisperx[2].end 53.237
transcript.whisperx[2].text 是好謝謝部長那我們其實高雄這兩天正好抬杠直棒然後還有那個我們的恐龍展是那來的人數相當多是所以我們高雄其實應用AI應用的蠻好的包括整個人流的統計
transcript.whisperx[3].start 54.538
transcript.whisperx[3].end 80.837
transcript.whisperx[3].text 整個交通的疏導啦包括我們演唱會經濟這些都有用到我們高雄的AI的部分所以高雄現在其實也有個智慧燈塔計畫那一直在推動我們高雄的主權AI那包括我們交通事件的監測淹水、災防、道路坑洞等等有很多我們高雄目前都在發展那我知道部長也很努力就是我們台灣主權AI
transcript.whisperx[4].start 81.738
transcript.whisperx[4].end 105.404
transcript.whisperx[4].text 是就是說包括那個語料規模已經用已經進了12億token了是所以這個也算是我們對於台灣主權也有一個相當努力的方向這個部分也先予以肯定是不要老是再查都查到簡體字繁體字都查不到所以這個也謝謝我們事務發布的努力那當然就是說如果
transcript.whisperx[5].start 106.792
transcript.whisperx[5].end 130.048
transcript.whisperx[5].text 就是我們現在在設定台灣主權AI的時候可以把我們的城市治理包括高雄的主權AI可以納入我們這個Token它慢慢的就是說我們由中央在做中央的工作但是把所有地方的工作也能整合進來是不是對於台灣在世界上的發聲會更有利那這個部分我們有做嗎
transcript.whisperx[6].start 130.768
transcript.whisperx[6].end 154.461
transcript.whisperx[6].text 有 跟委員報告就是說在智慧城市方面其實通常各個計畫都是由各個縣市政府地方政府它自己提的但是我們速發部在中央的話我們有兩件很重要的事情第一個是要設定資料交換的標準然後另外一個是資料儲存的架構那資料儲存的架構就牽涉到以AI來講就是算力中心
transcript.whisperx[7].start 154.821
transcript.whisperx[7].end 177.288
transcript.whisperx[7].text 我們希望說在這個AI算力中心裡面有足夠的算力而且這個算力都是提供好的那個API還有就是這些那個AI的算力它是不是那個有符合我們台灣主權AI的這種標準就是有台灣的價值觀然後是對繁體中文有足夠的了解對台灣社會有足夠的了解所以加入城市的已經有動作了嗎
transcript.whisperx[8].start 177.768
transcript.whisperx[8].end 203.877
transcript.whisperx[8].text 是 我們現在跟那個台南市政府跟還有高雄市政府還有跟台北市政府等等我們都有各種不同的合作事實上我應該是明天就是我就會再到那個台南市就談一些智慧政府的一些合作所以就是說你這個已經加進去台灣主權這12億token裡面有包含這些城市的東西進去了嗎
transcript.whisperx[9].start 205.091
transcript.whisperx[9].end 226.896
transcript.whisperx[9].text 這個可能要請我們副市長說明一下是 委員好 針對地方政府的部分我們在今年初也已經開過三場的這個說明會那接下來現在地方政府正在盤點所以預計大概在第三季的時候就會有地方政府的資料可以上線 以上所以第三季 也是今年的第三季才會一起進去我們台灣的主權AI裡面
transcript.whisperx[10].start 227.896
transcript.whisperx[10].end 250.885
transcript.whisperx[10].text 好 這個希望能夠盡快啦 然後跟各縣市聯合我想台灣的聲音 就是尤其是黃文勳我講過一直誇獎我們是世界智慧暖身城市的典範嘛那這些東西應該都要進去所以也讓台灣 讓高雄我們所做的成績可以讓世界看到
transcript.whisperx[11].start 251.685
transcript.whisperx[11].end 265.877
transcript.whisperx[11].text 也可以讓我們每次查資料真的是查到我們繁體制屬於台灣 屬於高雄 屬於各城市所組成的AI希望這個能夠盡快進去好 那我想整個AI未來的世界典範
transcript.whisperx[12].start 267.776
transcript.whisperx[12].end 292.37
transcript.whisperx[12].text 我看韓國砸千億韓元推動AI校園計畫目的在10年之內培育1萬名人工智慧專家這個差不多台幣差不多30億左右然後日本他們也大概有1900億日元差不多7千億左右的預算就是在我們培養AI基本人才
transcript.whisperx[13].start 293.385
transcript.whisperx[13].end 306.805
transcript.whisperx[13].text 那我們速發部當然也有做 速發基金差不多一百億左右嘛是是是普發會也差不多一百億左右嘛是但是這個針對人才培育有沒有特定出來
transcript.whisperx[14].start 307.87
transcript.whisperx[14].end 326.375
transcript.whisperx[14].text OK 關於那個人才培育因為現在AI的人才到底是怎麼定義這個是一個關鍵因為之前我們就是有提出一些AI人才的那個培訓的那個計畫那我那些業界的朋友都跟我開玩笑講說如果會用Chad GPT就叫AI人才的話那三分鐘就可以訓練一個所以我們聽到這種
transcript.whisperx[15].start 328.316
transcript.whisperx[15].end 343.515
transcript.whisperx[15].text 這種講法以後我們速發部就訂定了AI產業人才認定指引明確的就是訂出各種人才譬如說那個AI那個應用AI來改善生產力的人才這是最基礎的然後中層是說利用現有的工具去
transcript.whisperx[16].start 344.736
transcript.whisperx[16].end 361.517
transcript.whisperx[16].text 去建立那個AI應用的人才這是中等然後再來是AI基礎研究的人才那基礎研究的人才是那個國科會跟教育部的職責然後中間跟那個下面這個都是我們速發部的職責那我們就利用這個人才認定指引希望建立一個
transcript.whisperx[17].start 362.378
transcript.whisperx[17].end 383.413
transcript.whisperx[17].text 那個好的人才AI人才訓練的生態系就是說你訓練的人認證的人他在做這些事情的時候他還可以賺到錢他一旦民間的這個產業賺到錢這個就像一個輪子一樣就會一直的滾動那我們希望用這種方法來大量來就是來訓練出台灣的人才我想提一個建議是
transcript.whisperx[18].start 384.318
transcript.whisperx[18].end 405.231
transcript.whisperx[18].text 就是現在世界各國都在努力當中 也都在開始當中所以你要說等我們教育部 我們塑化部各司其職有時候其實可能這邊跟那邊互相不見得跟得上所以我覺得部會的整合非常的重要
transcript.whisperx[19].start 406.232
transcript.whisperx[19].end 429.235
transcript.whisperx[19].text 那像韓國他有一個AI戰略十年計畫那就是由一個國家AI戰略委員會那對AI創新學院整體有一個長遠的佈局那這個部分速發部跟教育部有沒有這樣子一個AI戰略指導委員會或者是AI戰略十年計畫
transcript.whisperx[20].start 430.476
transcript.whisperx[20].end 454.478
transcript.whisperx[20].text 就是說這個必須要兩個部會去合作思考是 關於那個國家整體的AI的戰略這個是在台灣是由國科會負責的那國科會那邊就是經常都會找我們就包含抒發部 包含教育部包含衛福部等等 我們都會一起來討論就是要如何進行我們AI的發展我舉個例子 就是說
transcript.whisperx[21].start 455.92
transcript.whisperx[21].end 475.053
transcript.whisperx[21].text 國發會有100億的基金對不對是從去年3月到今年2月是一年的時間是它100億是打算10年嘛是從去年3月到今年2月已經一年了是總共合約訂了6個案子是投資了7556萬是 這個金額非常低還不到1億對這個速度事實上是相當慢是
transcript.whisperx[22].start 482.578
transcript.whisperx[22].end 494.866
transcript.whisperx[22].text 所以我是覺得我們把錢擺在那裡結果使用力很低所以我在這邊有具體建立兩個方向一個方向就是說我今天是不是有可能吸收國外的
transcript.whisperx[23].start 496.514
transcript.whisperx[23].end 518.526
transcript.whisperx[23].text 新創的表現良好的公司進來比如說新加坡他有吸收一個那個AI相機這個其實是台灣人創辦的結果因為他表現的很好所以新加坡就去吸引他們來吸引我們台灣人
transcript.whisperx[24].start 521.039
transcript.whisperx[24].end 549.137
transcript.whisperx[24].text 創辦的公司到新加坡去設亞洲總部這個他現在在英國啦類似這樣子的案件就是說我們把很強的新創公司拉進來就跟我們現在世界各國都要拉我們的台積電去設廠一樣的道理那這個部分是不是在我們的國發基金或者是我們自己蘇發部的百億基金有沒有可能去做這件事
transcript.whisperx[25].start 549.825
transcript.whisperx[25].end 574.625
transcript.whisperx[25].text 是 謝謝委員的提醒現在其實台灣有個特性就是台灣的人才常常是在台灣跟加州矽谷事實上是兩邊住的尤其AI這方面的人才那我們現在非常希望說能吸引一些這種就是在台灣跟加州矽谷之間這樣經常來往的這些AI人才我們要具體的成果比如說我AI的人才
transcript.whisperx[26].start 575.345
transcript.whisperx[26].end 601.967
transcript.whisperx[26].text 或者是我AI的新創公司都屬於泰斗型的那我們把它吸收到台灣來 現在有嗎有 事實上有一些公司譬如說那個TX-1還有那個他們那個就業系列還有VIC-1等等這個都是一些大公司下面成立的一個新創公司那這個都是一些台美人他們在經營的那我們現在在想辦法在吸引他們回台還在努力當中
transcript.whisperx[27].start 603.028
transcript.whisperx[27].end 631.227
transcript.whisperx[27].text 因為他們研發總部通常都是在台灣因為台灣有很好的人才但是他上市往往會選擇在國外上市所以在認定上有時候人家就講說你在國外上市就不能算是台灣公司其實這些公司老闆是台灣人然後裡面的研發人員大部分都是台灣的AI人才那我們現在非常努力在勸說這些公司至少他把他的研發總部留在台灣那如果他能選擇在台灣上市的話那當然會更好這是一個方向
transcript.whisperx[28].start 633.189
transcript.whisperx[28].end 650.326
transcript.whisperx[28].text 我現在看到的是兩百億他發揮的效果不高啦那我們要怎麼樣讓他發揮更大的效果然後有個整體的專業佈局讓台灣可以走到AI軟體的前頭啦硬體的前頭我們已經有台積電了嘛
transcript.whisperx[29].start 651.507
transcript.whisperx[29].end 679.752
transcript.whisperx[29].text 軟體的前途是不是有機會用這樣子投資的方式去吸收國外的新創公司優秀或突出的新創公司到台灣來這是第一第二就是人才的培育你如果先拔10億或是先拔20億你要先因為我這裡不知道看說高進用不一億啦這個當然我一起就是事務發布一起來思考就是部會之間的溝通一起來思考那比如說
transcript.whisperx[30].start 680.712
transcript.whisperx[30].end 695.088
transcript.whisperx[30].text 高雄我希望說現在藝學的雇傭其實現在電也好 台積電也好這些都是比較足夠那有沒有可能設一個AI人才培育基地是
transcript.whisperx[31].start 696.13
transcript.whisperx[31].end 712.727
transcript.whisperx[31].text 比如說高科大現在是全台灣最大的綜合性的科技大學它裡面的各方面的互相的資源的科系也比較充沛因為每個大學都會做人才培育基地但是有一個頭來帶動那個效果會比較好
transcript.whisperx[32].start 715.99
transcript.whisperx[32].end 729.98
transcript.whisperx[32].text 那我們是不是有可能就是說讓這一個案子比如說在高科大或者是中山大學等等的我只是舉個例子但是我是認為說有一個頭比如說高科大當作我們
transcript.whisperx[33].start 731.181
transcript.whisperx[33].end 746.629
transcript.whisperx[33].text AI人才培育基地這樣子一個概念那速發部或國發會就可以多投入一些資源那你把它做成這一個AI的態度的學校那其他的各個學校就可以互相再做更多的交流至少有人在整合
transcript.whisperx[34].start 747.809
transcript.whisperx[34].end 775.445
transcript.whisperx[34].text 這個可能性高嗎原本那個國科會就有這方面的想法就希望把一些那個頂尖的科技大學做為那個AI人才訓練的中心甚至於直接就開發產品去上市那這個我們會密切的跟國科會一起合作簡單的講就是說各個大學都會說我在培養AI人才這個都沒有問題但是你把資源或者是把注意力或者是要看到有具體的成果
transcript.whisperx[35].start 775.985
transcript.whisperx[35].end 798.852
transcript.whisperx[35].text 在某一所或某幾所大學身上那你看到那個成果會比較具體所以我就具體建議就是說我們這200億啦包括國發會包括我們速發部那甚至速發部也主動主要是你的肉的最重嘛那能夠跟教育部那大家彼此做一個聯繫有一個AI的戰略的概念
transcript.whisperx[36].start 799.392
transcript.whisperx[36].end 816.609
transcript.whisperx[36].text 所以在吸收國外人才吸收國外優良的新創公司這是其一其二就是我們國內的人才培育基地能夠focus在幾所大學比如說我們高雄至少一所類似這樣子的概念是不是會比較能夠發揮效果
transcript.whisperx[37].start 817.93
transcript.whisperx[37].end 842.931
transcript.whisperx[37].text 是 這個事情我們會跟國科會密切的討論跟合作因為這些預算的這方面的預算是國科會那邊在分配的那我們當然是希望朝這個方向發展謝謝委員的提醒這個就拜託部長整合一下相關的部會你們自己互相聯繫都沒問題嘛把它整合得更好剛剛這兩點我希望能夠看到成果沒問題 謝謝委員