文：張恭銘當全球高品質人類語料逼近枯竭臨界點，合成數據正從AI訓練的技術替代方案，迅速升格為國家級戰略資源。本文以2026年全球主要經濟體的政策實踐為分析對象，論證「主權合成數據」的興起源於雙重壓力：數據稀缺的物理約束與數據主權的地緣政治焦慮。文章分析韓國、台灣、印度、薩爾瓦多等經濟體如何將本國文化、歷史與法規編碼進合成數據集，並指出合成數據治理正面臨「品質驗證」與「國際標準分裂」兩大挑戰，最終提出各國正陷入「合成數據主權悖論」——越想自主，越需跨境協作。
關鍵詞：主權AI；合成數據；數據主權；國家戰略資源；AI治理
一、從算力競賽到數據競賽
2026年全球AI競爭的敘事正在發生一次靜默的轉向。當各國政府仍在為GPU算力與先進製程晶片展開激烈角力時，一個更深層的瓶頸已經浮現：人類可用的高品質訓練數據正在耗盡。與此同時，各國開始意識到，真正決定AI系統「價值觀」與「世界觀」的，不是算力規模，而是訓練數據的文化基因與法規框架。合成數據——由AI系統人工生成的、模仿真實數據統計特徵的數據集——正是在這一背景下，從純技術工具躍升為國家戰略博弈的核心籌碼。
二、數據稀缺：合成數據興起的物理約束
主流大型語言模型的訓練已逼近互聯網可用人類數據的上限。合成數據因此成為替代性核心材料，在保護隱私、擴充稀缺數據集、減少偏見等方面展現出重要價值。麥肯錫預測，合成數據生成與數據隱私保護平台將形成三個百億級軟體細分賽道。
然而，合成數據的戰略意義遠不止於「補量」。當一個國家使用他國數據訓練本國AI模型時，模型不僅繼承了數據中的語言模式，更內嵌了數據生產者的文化預設與價值判斷。正如一項研究所指出的，過去AI訓練多依賴西方主流語料，導致非主流文化在演算法中被標籤化或忽視。這正是各國啟動「主權AI」計畫的深層動因。
三、國家級行動：誰在生產什麼樣的合成數據
3.1 東亞：文化語境的編碼競賽
台灣數位發展部啟動「台灣主權AI訓練語料庫」計畫，釋出逾兩千筆高品質在地化資料集，力求解決國際模型因缺乏正體中文語料而產生的文化偏誤。目前主流LLM常出現「土豆」語意誤用或史實偏差等問題，這使語料庫建設成為數位主權的核心基礎設施。行政院更進一步規劃建構「AI-Ready Data」，優先盤點無涉個資的高品質在地價值內涵資料，為台灣主權AI提供充足語料。
韓國政府則將合成數據提升至「物理AI」國家戰略的高度，計畫在未來三年內開發世界最高水準的物理AI模型，並透過數位孿生技術生產大規模合成數據。韓國確立了從2026年至2028年完成公共與國防雲國產化、推動數據主權審查制度的目標，顯示合成數據已被納入國家安全框架。
3.2 南亞與拉美：人口規模的合成化
印度在2026年AI影響力峰會上展示了Nvidia的Nemotron Personas India數據集，包含2.1億個全合成印度人物誌，用於支持人口規模的AI開發。印度本土模型Sarvam AI以1,200億參數、17兆tokens訓練，其中15%至20%的訓練數據來自印度本土，相較於當前開源模型中印度數據佔比不足1%，實現了質的飛躍。
薩爾瓦多則推出了Nemotron-Personas-El Salvador，包含約一百萬個合成人物誌，用於訓練和評估適應薩爾瓦多現實的AI系統。其方法論參照了巴西於2026年1月推出的數據集，顯示新興經濟體正在形成一套可複製的「主權數據集」生產範式。
3.3 歐洲：法規驅動的合成數據路徑
歐盟的切入點截然不同。歐盟委員會正在制定可信合成數據使用的指南與標準，包括自願性歐洲認證計畫，並探索相關法律問題。歐洲研究指出，全球合成數據治理正在形成四種模式：權利驅動（歐盟GDPR）、市場驅動（美國創新）、國家驅動（中國主權）和共識驅動（日本混合模式）。
烏克蘭則計畫在2026年春季發布以獨特烏克蘭數據集訓練的國家級LLM，數據來源涵蓋政府機構檔案、法院登記紀錄、教育出版品及地區檔案館資料，並將克里米亞韃靼語等少數民族語言納入訓練語料。
四、安全維度：合成數據的雙面刃
合成數據在軍事與國防領域的應用，使其戰略敏感性進一步升級。聯合國裁軍研究所指出，合成數據正成為解決軍事AI訓練數據稀缺困境的關鍵工具，從生成高多樣性訓練數據集到模擬罕見場景，軍事AI的訓練範式正在被重塑。但UNIDIR同時警告，合成數據可能創造對外部第三方的依賴，尤其是在數據集生產和品質保證環節。
更深層的風險在於「合成鏡像」效應：合成數據易形成與現實存在偏差的鏡像，而在當前缺乏統一標準與專項監管的情況下，這種偏差可能被系統性放大。正如戰略視野研究所的警示：當你用虛構的數據構建算法時，你得到的並非虛構的結果——你得到的是乍看令人信服、實則脫離現實的系統。
五、治理困境與戰略悖論
當前合成數據治理面臨兩個核心挑戰。其一是品質驗證機制的缺失。英國、新加坡和韓國監管機構已形成共識：合成數據僅在殘餘披露風險可證明極低時，才可被視為非個人數據。但「極低風險」的技術標準尚未統一。其二是國際標準的分裂趨勢。Gartner預測，到2027年，35%的國家將被鎖定在使用專屬情境數據的區域AI平台上，平台鎖定率將從5%攀升至35%。
由此產生一個深層悖論：各國越是追求合成數據的主權化，越可能陷入技術標準和數據品質驗證的孤島。布魯金斯學會的研究指出，主權AI雖可增強國家安全與經濟競爭力，但也可能成為保護主義的載體，導致市場與標準的碎片化。托尼·布萊爾研究所提出的「控制、引導、依賴」框架，正是各國政府試圖平衡自主權與創新效率的縮影。
主權合成數據的爭奪，本質上是AI時代「數據民族主義」的具象化。各國正在用合成技術將本國的文化基因、法律框架和歷史敘事「編碼」進數據集，試圖在演算法的底層邏輯中確立自身的存在。但這一戰略的成功與否，最終取決於一個根本問題：誰能建立可信的合成數據品質標準，並在尊重數據主權的同時維持跨境協作？這個問題的答案，將決定未來十年全球AI格局的基本面貌。
