立即訂閱
台版GPT玩家有限的最根本原因，是開發大語言模型很花錢，而且，有錢也不一定好辦事，因為要買得到GPU、要準備夠多高品質資料，還要擔心版權。
算力不夠、資料太少、版權路障，是台灣發展本土化LLM的三大挑戰。
不管是國科會的TAIDE、聯發科的BreeXe，台灣幾個在地LLM都不是憑空建造，而是在前人地基上，以持續預訓練（continued pre-training）方式加入繁中資料。「讓模型多讀一點中文書，」前Google台灣董事總經理簡立峰如此比喻。
挑戰1〉有錢未必能解決
為什麼不自己打地基，要站在Meta、Mistral等巨人肩膀上？「從零開始成本太高，我可以說，財力完全做不到。」國科會TAIDE計畫負責人李育杰強調，微軟投資OpenAI高達100億美元。但就算加上前瞻基礎建設經費，台灣政府的科技預算也不到新台幣1500億，等於是集國家之力，仍做不出GPT-3、4的同等級模型。
