AI 夠不夠「台」，誰說了算？iKala 創繁中題庫，讓大家知道哪個 AI 最懂台灣

生成式 AI 競賽進入下半場。當模型能力快速拉近，真正的競爭正從「誰有最大的模型」，轉向「誰能讓 AI 真正落地」。

iKala 共同創辦人暨董事長程世嘉（首圖）認為，台灣談主權 AI，不能只停留在打造自己的 Foundation Model，而應重新思考：從算力、模型、資料到應用，我們究竟掌握了多少自主能力？

各國都在爭主權 AI，台灣的關鍵在哪裡？

程世嘉將主權 AI 拆成四個環節：算力、模型、資料、應用。算力決定 AI 能否運轉，模型決定能力邊界，資料決定 AI 如何理解我們，而應用則決定技術最終能否創造價值。

2023 年台灣產官學界紛紛投入 Foundation Model，程世嘉帶領 iKala 從另一個問題出發：如果每個人都在造模型，誰來定義模型究竟好不好？

這個問題在 AI 走向垂直化後更加重要。Gartner 預測，到 2030 年，高達 90% 的生成式 AI 解決方案，都將採用領域特定模型（Domain-Specific Models, DxM）。企業未來面對的，不再是少數大型模型，而是大量針對不同產業、任務與場景打造的 AI。

對程世嘉而言，這正是主權 AI 的關鍵：台灣不只要使用全球最先進的模型，更要有能力用自己的資料與標準，判斷模型懂不懂我們的語言？理解我們的產業嗎？能不能完成我們要它做的事？

這也是 TMMLU+ 出現的背景。

當市場競逐繁體中文模型，iKala 選擇「不做選手，先做量尺」。TMMLU+ v1 收錄 22,690 道題目、橫跨 66 個科目，規模是前代 TMMLU 的 6 倍，研究成果正式發表於 COLM 2024，後續也被 Google、Meta 等國際研究團隊納入繁體中文模型評測。

「我們把它開源，其實就是希望無私地開放給大家使用。」程世嘉說。

他認為，一個健全的 AI 生態系需要共同遵循的規則。TMMLU+ 因此不只服務 iKala，更希望讓產業與學界共同使用、驗證與改善，讓一套從台灣出發的評測標準成為生態系共享的基礎。

這也讓「原生資料」成為關鍵。TMMLU+ 並非單純搬運或重新包裝網路內容，而是投入時間理解在地情境、萃取內容、校正框架，並持續檢查資料品質。因為模型「會說中文」，不代表真正理解台灣的法律制度、文化脈絡與生活經驗。

尤其當 AI 逐漸成為搜尋、決策與資訊取得的新入口，繁體中文在全球 AI 生態中的相對弱勢，也不再只是語言問題，更關乎台灣的資料自主。唯有持續累積可信的在地原生資料，台灣才有能力建立自己的評測標準，定義什麼是適合台灣的 AI。

當 AI 從聊天走向 Agent，評測的問題也從「答得對不對」，變成「事情做不做得成」。

企業真正頭痛的不是沒有模型可用，而是投入時間與花費數百萬預算完成 PoC 後，才發現模型不理解繁中語境、不符合在地規範，或實際工作流程的表現與公開 Benchmark 高分存在落差。因此，iKala 也將評測從 LLM Evaluation 延伸至 Agent Evaluation。

下一階段 iKala 不只測 AI「會不會回答」，更要測它「會不會做事」——能否理解意圖、正確使用工具、處理文字、圖片、聲音等多模態資訊，並完成企業交付的任務。

這也讓評測從技術跑分走向企業決策。當市場從「一個通用模型」走向「多個垂直模型」，企業真正需要的，不見得是全球跑分最高的 AI，而是在自己的資料、場景與成本條件下，最適合自己的 AI。

程世嘉將 TMMLU+ 開源，希望讓產業與研究社群共享這把「尺」，在建立健全 AI 生態系的同時，也讓台灣的語言與文化得以在 AI 時代持續被理解與保存。

程世嘉更表示：「我們希望 TMMLU+ 成為台灣定義 AI 能力、建立產業信任的共同基礎。」TMMLU+ 也已推出 v1.1（Huggingface / Github），重新審視既有 66 個領域，更新具有時效性的法律、社會與政令題目，持續維持評測有效性。

當世界的模型不斷改變，台灣真正需要留在手上的，是自己的資料與標準，以及選擇、衡量與定義 AI 的能力。