全球開源模型雖然能力強大，但普遍面臨的挑戰是中文資料大多來自簡體中文，導致在繁體中文的理解、社會語境及在地敏感性上存在不足。
在全球 AI 浪潮席捲之下，台灣的 AI 發展方向備受矚目。台智雲策略長李立國今（9）日在 2025 INSIDE Future Day 上，以「如何打造 100% 符合台灣本土的 AI Agent」為題發表專題演講。李立國強調，台灣在 AI 領域不應僅專注於硬體製造的優勢，更必須從底層的超級電腦算力、核心的繁體中文大語言模型，到任務導向的 AI Agent 應用，全面建立屬於台灣的「主權 AI」生態系。
李立國指出，AI 應用已從 2022 年底 ChatGPT 問世時的單純「聊天」，進入到當前更具侵略性（aggressive）、以任務導向（task-oriented）為核心的 Agentic AI 時代。要實現這一目標，強大且易取得的本土算力資源是根本。
台灣算力藍圖：政府與民間的積極投入
台灣的 AI 算力發展可追溯至 2018 年，由政府政策推動的首座 AI HPC（高效能運算）超級電腦「台灣杉二號」的建立。台智雲正是在此背景下，於 2021 年 3 月成立，整合了華碩與國網中心的技術，承接了「台灣杉二號」一半的產能，成為台灣最早以 GPU 算力為服務主軸的企業。
不同於 Amazon 或 Google 等傳統雲端巨頭（CSP），台智雲將自身定位為「Next Generation Cloud Service Provider」（NEC），宗旨是實現「算力平權」——讓超級電腦資源不再僅限於學術殿堂，而是產業界隨手可得的工具。目前，透過數位發展部數位產業署的軟體算力計畫，這股力量已成功協助近 160 家台灣軟體業者將 AI 產品化，加速產業轉型。
本土 AI 核心：福爾摩沙大模型的授權與落地
不過，光有算力還不夠。李立國強調，要實現 100% 符合本土需求的 AI Agent，核心在於模型的建立。
全球開源模型雖然能力強大，但普遍面臨的挑戰是中文資料大多來自簡體中文，導致在繁體中文的理解、社會語境及在地敏感性上存在不足。
基於此，台智雲自研了「福爾摩沙大模型」（Formosa Foundation Model），從開源模型（如 BLOOM 176B 體系）開始，利用其超級電腦算力資源進行後續的微調（post-finetuning）。
福爾摩沙模型專注於優化繁體中文文本，並特別針對政治正確與在地性進行調校，例如確保能正確回答中華民國相關的國家問題。
福爾摩沙模型涵蓋 8B、13B 到 70B 等多種規模，證明台灣有能力改變模型權重、進行有效訓練。但李立國強調，產業應用不該盲目追求大模型，而應基於任務效率和成本選擇。在金融、醫療或製造業產線等場景中、小型模型(如 7B 或 8B)執行特定任務時往往更精準高效，避免大型模型「想太多」而浪費算力。
而 AI Agent 則是將模型智慧轉化為企業實際產值的關鍵。李立國將其導入視為一個完整流程：從需求顧問、模型訓練、Agent 執行到最終的 KPI 檢驗，缺一不可。
從底層算力的自主化，到繁體中文模型的在地深耕，台灣正試圖走出只有硬體代工的舊路。唯有將算力轉化為腦力，再透過 AI Agent 落地為實際生產力，台灣產業才能在這波 AI 競賽中，掌握真正屬於自己的話語權與競爭優勢。
延伸閱讀
原始報導｜INSIDE《從超級電腦到 AI Agent：台智雲談台灣發展在地模型經驗》
了解更多｜台智雲AI模型代工服務
