【深度專題】避免資料殖民！解決資料荒的下一步？來自日本的新創 APTO
生成式 AI 正在爆發成長，但背後最關鍵的燃料──高品質資料──卻正面臨全球枯竭。研究指出，現有語料可能在 2026 年前耗盡，讓模型面臨「吃不飽、吃不對」的雙重危機。 更嚴重的是，當前主流 AI 訓練大多仰賴英語世界的資料，讓模型在處理非西方語境時失準，也讓全球多數地區陷入「資料殖民」——只能使用別人定義的語言與知識。 在這場資料競賽中，日本新創 APTO 推出社群標註平台 harBest，讓資料不再專屬於少數科技巨頭，而能由全民參與、在地生產、專業分工。對台灣而言，這樣的平台不是「可以有」，而是「應該有」。
AI 正在快速進化，但真正能餵飽它的「高品質資料」卻正在快速枯竭。
根據 Epoch AI 的預估，我們可能在 2026–2032 年間，耗盡現有的高品質公開文字資料庫；美國公共電視主播 PBS 也指出，AI 系統可能在 2026 年前「吃光」人類書寫的資料 。這不是某家公司的問題，而是整個 AI 產業面臨的全球性挑戰。
OpenAI 更在技術報告中坦言：「高品質人類標註資料」是模型性能提升的關鍵，也是一切最難的來源。傳統的資料收集與清洗流程，如今正面臨「量不夠、速度慢、成本高」的三重壓力。
但資料問題不只是「不夠」，還可能是「不對」。
目前主流訓練多依賴英語世界的資料，導致模型在其他文化、語言或地區使用時往往失準。這促使各國政府和企業提出「主權 AI」概念：資料的蒐集、訓練與使用應該在地化，以確保 AI 符合在地語言習慣與倫理標準。
延伸閱讀: 台灣也能打造自己的「主權 AI」？
這也讓「共享 AI 標註」成為未來的可能解方之一：如果資料無法複製，能否動員社群共同生產？
