19 世紀末，當第一輛現代汽車駛上倫敦街頭時，當時的社會沒有紅綠燈、沒有駕照制度，更沒有安全帶的概念。結果，驚慌失措的馬車、四處亂竄的行人與時速不超過二十公里的汽車撞成一團。人類每一次迎來顛覆性的科技，總是在驚慌與混亂中，才開始學習如何為這頭巨獸套上韁繩。
&nbsp;
今天的生成式 AI，正像一輛高速狂飆的超級跑車。聯合國雖然在 2024 年通過《把握安全、可靠、可信賴的人工智慧系統帶來的機遇，促進永續發展》（Seizing the Opportunities of Safe, Secure and Trustworthy Artificial Intelligence Systems for Sustainable Development），試圖為這項顛覆性科技建立共同準則；然而，現實卻是真正願意受其約束的國家寥寥可數。那些站在科技與地緣政治賽局核心的世界強權，更傾向於關起門來打造一套屬於「自己」的 AI 法律。他們真的是為了保護人民，還是另有盤算？背後真正的立法目的，又究竟是什麼？
&nbsp;
為什麼要立法？
國立政治大學法學院劉定基教授指出，立法的目的是為了同時在科技發展上「踩煞車」與「踩油門」。法律最基本的功能，是把紅線清楚畫上，使市場遊戲規則具有一定程度的確定性，當規則明確時，研發業者才能知道創新的安全邊界在哪裡，民眾也能明白自身權益受損時該向誰問責。有了這層確定性，法律才能進一步延伸出促進產業發展的條款。例如，各國 AI 法案中常見的「監理沙盒」（regulatory sandbox），允許新創公司在政府監督下，測試還沒成熟的 AI 產品，即便在實驗中不慎「跑壞了」，業者也不會立刻面臨巨額處罰，讓科技創新與經濟動能得以在安全的軌道上並行繼續往前。
&nbsp;
然而，立法的急迫性，不僅是為了規範商業行為。中央研究院歐美所副研究員何之行從另一個心理學與社會學的角度切入指出：AI 風險的源頭，是人類面對 AI 時的一種心理反應，帶來「信任錯置」（misplaced trust）。我們往往會直覺認為，機器算出來的東西比人腦判斷的結果更客觀、更公平，因此習慣性地把決定權與道德判斷交給 AI。
&nbsp;
「但是訓練 AI 的資料來源，本質上從來都不是中立的。」何之行副研究員提醒。看似無所不知的模型背後，其實隱藏著過濾答案的「資料三重偏誤」：
&nbsp;
1. 歐美觀點的文化壟斷：網路文本以歐美觀點為主，少數族群、非主流語言、非西方文化的資料量相對稀少。
2. 人工標註的主觀滲透：資料的清洗與標註過程高度仰賴人工，標註者個人的價值判斷會不知不覺被一起寫進模型裡。
3. 歷史偏見的數位複製：歷史資料原本就承載了人類社會長年累積的階級、種族或性別等偏見。另外，再加上模型內部對不同變項的權重設計，讓演算法在計算時針對特定特徵產生不同的分數比重，權重設計本身可能也帶著開發者的主觀選擇。
&nbsp;
這些因素疊加起來，容易讓模型產出帶有結構性偏見的結果。當這個錯誤答案被更多人盲目相信並套用於法庭判決、醫療診斷或金融核貸時，AI 反而成了把人類社會原有的偏見放大、再傳播出去的擴音器。
&nbsp;
除了心理上的信任錯置，其他技術層面的實質風險也日益層出不窮。像是深偽（deepfake）詐騙，詐騙集團只需要幾十秒的錄音，就能複製一個人的聲音，騙過家人或同事。更深層的隱憂，則在於資訊安全。過去談資安，重點在防範系統入侵、資料外洩與網路攻擊；但是，當企業開始導入 AI Agent 技術，來取代人工讀報表、做分析和執行決策時，駭客的攻擊重心也就跟著移轉了。駭客不需要正面攻破防火牆，他們只需要污染 AI 的學習資料庫，灌入錯誤資訊，進行提示詞操弄（prompt injection），在輸入端設下文字陷阱來誤導模型的判斷。如此一來，只要讓一份看似完美的錯誤分析報告送到高層手上，就能徹底左右某些重要決策的走向。因此，立法的首要作用，就是讓這些風險現身，讓 AI 的決定可以受檢視與受規範。
&nbsp;
當微觀的資安漏洞與數據污染，從小規模的科技犯罪擴張至國家級的集體決策時，資訊安全就悄然質變為國家主權的防線。因此，何之行副研究員也提醒，AI 立法的動機，其實不只限於保護人民。當你把 AI 法律放在地緣政治的脈絡裡審視，會發現另一個不同的主權邏輯。就文化主權而言，強調大語言模型的訓練要靠資料，使用在地資料才能避免在地歷史文化詮釋消失；就國家安全而言，則是強調模型運轉要靠龐大的電力與水資源，能源調配與穩定，直接連動國家安全的防護能力；而在供應鏈角力方面，晶片與算力的供應，則是牽動著全球 AI 科技發展的生殺大權。
&nbsp;
從劉定基教授的觀察來看，目前全球的 AI 治理大致可以分成兩條路線。
&nbsp;
路線一是歐盟的「全面、水平式」立法（嚴格分級，照章行事）

路線一的核心邏輯是：把規則明確寫死在法律裡，將 AI 應用劃分出不同的「風險等級」（從不可接受、高風險到低風險），要求業者必須嚴格通過審查才能上市。而優點是價值觀清晰、防護框架明確；缺點則是行政運行成本極高。面對光速迭代的技術，法律往往趕不上科技的變化，容易綑綁住本土新創的雙翼。
&nbsp;
路線二是美、臺的「框架式」立法（彈性分散，自律引導）

路線二的核心邏輯是：不急著訂出一部統包所有產業的終極大法，而是先訂定基本原則，讓醫療、交通、金融等不同部會與產業，根據各自的痛點去彈性發展專屬的行業規範。而優點是立法成本較低、能敏捷跟上技術變化；其缺點則是法規的落實強度，高度取決於產業巨頭與企業的自律程度。
&nbsp;
這兩條路線的差別，不只是法律條文寫法的不同，它同時反映出一個國家究竟想用 AI 做什麼，以及它在這場全球競爭裡，把自己定位在什麼角色。
&nbsp;
歐盟：用法律當競爭武器
歐盟在 2024 年通過的《人工智慧法案》（AI Act，簡稱 EU AIA）是全球第一部完整規範 AI 的法律。它採取的是「水平式」立法，不分產業、不分領域，只要技術涉及 AI，就在這部法律的監管範圍之內。法案以《歐洲人權憲章》為核心精神，把 AI 可能造成的風險分成四級：不可接受的風險，直接禁止，像是政府用 AI 做社會評分；高風險需通過上市前審查，例如：醫療、司法、招聘的 AI 應用；有限風險必須揭露 AI 身分，例如：聊天機器人；最低風險則幾乎不管制。劉定基教授認為，當前全球的 AI 治理趨勢，正在往「以風險為基礎」（Risk-based Approach）的方向靠攏，足以看出 EU AIA 的前瞻性。
&nbsp;
同時，何之行副研究員指出，EU AIA 這套設計是延續歐盟 2018 年推動《一般資料保護規則》（GDPR）的邏輯。當年 GDPR 帶來所謂的「布魯塞爾效應」（Brussels effect），歐盟把規則訂出來，加上高額罰責，全世界的企業為了進入歐盟市場，只能把自己的個資保護標準提升到歐盟所要求的保護水準。接著，歐盟企圖複製同樣的成功經驗，將法律當成競爭利器，從 AI 技術的後進者，搖身變成全球 AI 規範標準的制定者。但是，在當前的 AI 時代裡，歐盟並非產業的領頭羊，過於嚴苛的法規反而可能會綑綁科技創新的手腳，包括歐盟自己的科技公司在內，使其合規成本沉重。所以，時序發展到 2026 年的今天，歐盟內部也開始傳出修法放寬的聲音。
&nbsp;
美國：用行政命令與行業自律守住領頭羊地位
與歐盟恰恰相反的是，美國至今沒有一部統包式的 AI 法律，因為美國政府傾向給業者最大的研發空間。為了守住全球 AI 領導者的地位，盡可能消除不必要的官僚阻礙。但是，這並不代表美國沒有制度，只是制度設計的形貌不同。
&nbsp;
在政府層面，靠的是總統行政命令（Executive Order），像《維持美國人工智慧領導地位行政命令》（EO 13859）、《確立人工智慧國家政策架構》（EO 14365），宣示加速聯邦使用 AI、提升公眾信任的方向，但是不直接規定企業的義務。
&nbsp;
在業界層面，則是仰賴「行業自律」（Industry Self-Regulation），主要包含幾種不同的形式：一種是技術標準與軟性建議，例如美國電機電子工程師學會（IEEE）制定的技術標準與「社會技術建議」（Social Technique Recommendations），交由業界自行遵循。另一種則是企業內部的「行為準則」（Code of Conduct），由公司或產業聯盟訂出自身的倫理守則，例如 2026 年 Anthropic 發表的新模型 Claude Mythos Preview，能找出主流作業系統與瀏覽器的漏洞，於是 Anthropic 選擇不對外發行。
&nbsp;
何之行副研究員也提醒，這套看似美好的模式，背後承載著巨大的社會代價。美國 AI 產業越是強盛，資料中心所消耗的電力與水資源就越驚人。最諷刺的是，這些環境代價與基礎建設的耗損，並非僅由 Anthropic 或 Google 等巨頭百分之百承擔，而是以「外部成本轉嫁」的方式，由全球生態與各國供應鏈共同承受。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/06/12-4內文圖：670x460-1.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">AI 時代的法律，表面寫的是人民權利，骨子裡卻不乏國家利益、地緣競爭與全球供應鏈等考量的痕跡。</div>
</div>
</div>
</div>
</div>
&nbsp;
亞洲：用法律算計地緣政治
劉定基教授指出，亞洲的日本、中國、臺灣的 AI 立法路線雖然各自不同，但皆深刻反映出各國對自身產業地位與國家戰略的盤算。
&nbsp;
日本：為了「文化生存」而鬆綁的逆向戰略

日本的立法路徑幾乎和歐盟背道而馳。日本法律原本極度重視著作權，但政府意識到在全球大型語言模型的訓練資料裡，日語只佔極小比例，若是再不放手，日文可能會在 AI 競爭下淪為弱勢語言。於是日本反過來大刀闊斧地鬆綁著作權，以強制授權的模式讓受保護的文本在合乎一定條件下即可用以訓練 AI，以便搶下主權 AI 的基本盤。
&nbsp;
中國：將科技徹底動員的「國家導向」模式

中國則是走向學界所稱的「國家導向」（State-Oriented）模式。他們有規範 AI 發展的法律，但這部法律實質約束的對象是企業，而非國家本身。當私部門企業手上擁有國家需要的關鍵資料、模型和算力時，行政機關便能以國家力量為後盾，隨時伸手調度資源。在中國的治理邏輯之下，AI 不是純粹的市場產品，而是隨時可以為國家戰略服務的動員工具。
&nbsp;
臺灣的抉擇：在彈性中尋找「信任的錨點」

最後，將目光拉回到臺灣。2026 年 1 月 14 日，臺灣正式公布施行《人工智慧基本法》。這是一部典型的「框架式立法」，整部法律只訂出大原則，將實質的監管細節幾乎完全保留給各產業的主管部會。例如：衛福部主管醫療 AI、交通部因應自駕車技術、金管會規範金融 AI 的授信與風控。
&nbsp;
在風險防禦的設計上，臺灣也展現與歐盟不同的處理彈性，臺灣用的是「風險分類」，不是「風險分級」，並由數位發展部訂分類指引，再由各部會依據各自的產業場域去訂定和落實風險規範。
&nbsp;
這種「大原則歸中央、細部執行歸各部會」的分散式治理，雖給予產業相當的彈性，卻也為行政體制埋下了權責多頭的摩擦係數。何之行副研究員指出，AI 基本法將主管機關設在國科會，但 AI 的應用早已跨越衛福、交通、金融等不同領域，未來如何在行政體系內整合各方資源、進行跨部會協調，將是這部法律能否順利運作的關鍵。
&nbsp;
不過，劉定基教授則是從另一個角度提供其觀點：目前的技術更迭速度往往已經快到法規難以企及的地步，所以，先定下基本原則和價值，讓產業界獲得一個清晰且確定的研發邊界，進而靠自己的創新能力去回應並落實 these 社會原則，是臺灣這部基本法的初衷。
&nbsp;
對大眾而言，這部立法最核心的公共價值，應該在於「賦權」與「安全感」。唯有當公民清晰地看見這個國家對於新技術畫有明確的倫理底線時，面對生成式 AI 的巨浪，社會才能建立起健康的「信任」。
&nbsp;
（客座總編輯｜國立臺灣大學國家發展研究所劉靜怡特聘教授；研究顧問團隊｜國立政治大學法學院劉定基教授、中央研究院歐美研究所研究員何之行；責任編輯｜王喆宣、洪孟樊）