【國際政經瞭望】在AI時代，創新為何離不開資料？
林佳靜（台灣經濟研究院研究三所所長） (2026/04/09) 《台經月刊第49卷第4期》
資料已是AI創新進步的根本，由分析工具轉化為模型訓練與新知識生成的基礎設施，當資料能在不同組織間流通、整合與再利用，其性質則轉變為具外部性與網路效應的基礎設施。各國亦透過制度設計，在確保隱私與治理前提下促進資料共享及交易，降低合作成本並催生新商業模式。對企業而言，跨域整合外部資料可創造新產品與服務，並支撐供應鏈協作與產業轉型。未來透過建立資料生態系與平台化應用，將有助於提升產業競爭力並驅動創新發展。
AI時代的創新：資料正成為新的基礎設施
2010年代「大數據」(Big Data)是數位轉型時期的熱門關鍵字，當時企業、新創與政府普遍關注的是如何蒐集與分析大量資料，期望藉著大量的數據資料加上決策樹、大數法則、機器學習等模型，找到過去數據分析未能觸及的「弦外之音」，幫助組織提升營運效率與決策品質，例如透過資料分析優化供應鏈管理、精準行銷或金融風險評估。也因此，對組織營運來說，「大數據」時期資料價值主要來自效率改善、機會發現、品質提升等。
當時序來到近年的AI快速發展時期，我們會發現資料的地位已經不再是「被用來服務分析或模型」，而是模型訓練、演算法優化、新知識生成不可或缺的資源。更直接地說，就是資料已經是AI創新進步的根本，不是被用來帶入模型，算出決策答案。例如，深度學習在2010年代的重大突破，很大程度建立在大規模標註資料集的基礎上，ImageNet資料庫提供超過1,000萬張經人工標註的影像資料，使研究者能在標準化的大型資料集上訓練、調整模型，這也促成了2012年AlexNet在影像辨識領域的突破(Krizhevsky et al., 2012)。在生命科學領域，DeepMind則開發出AlphaFold系統，用來預測蛋白質三維結構，也是因為全球科學家數十年持續累積並共享的Protein Data Bank生物資料庫(Jumper et al., 2021)。這些案例顯示，AI的重要突破得要建立在可被研究社群共同使用的大規模資料基礎之上。
當資料能夠被持續蒐集、整理並在研究社群或產業之間使用與整合時，其價值就不再侷限於單一企業內部的營運資源，而變成支持經濟體技術發展與產業創新的共同基礎。所謂的基礎設施往往是可被多方共同使用的資源，像是你我所熟知的道路、電力或通訊網路，能夠同時讓大量企業與使用者在這些基礎設施上進行經濟活動；其次，基礎設施能支撐不同產業在其上發展新的產品與服務；更重要的是，基礎設施通常具有外部性與網路效應，隨著參與者增加，其整體價值也會持續擴大。
我們可以想像，當資料在不同組織之間被使用、流通與共享用來訓練模型、開發AI應用方案、整合出跨域服務甚至全新的行業時，其經濟特性便逐漸呈現出類似的基礎設施特徵。相信近年各國開始重新思考資料制度，也是觀察到資料成為基礎設施後，所可能帶來的對產業競爭力、對技術創新的長遠影響。
資料生態系、 資料市場、 垂直產業資料、 創新、 AI、 資料流通
分享：
