GovTech月報第58期：國網中心擬擴充TAIWAN AI RAP模型微調服務；歐洲央行將在2027年試點驗證數位歐元的實境支付能力

重點新聞(10/13~11/13)

AI 算力

國網中心擴充TAIWAN AI RAP模型微調服務，強化AI應用開發算力支援

生成式AI應用快速發展，AI模型訓練、微調與驗證都需要大量運算資源。國研院國網中心持續擴充TAIWAN AI RAP平臺能力，除了提供AI運算資源與開發環境，也將新增模型微調（Fine-tuning）服務，讓使用者可導入自身資料調整模型，加速AI應用開發與驗證。

國網中心主任張朝亮表示，大型模型能力提升後，AI應用發展需要更充足的算力支援，因此國網中心希望透過國家級AI基礎設施，提供企業、資服業者、新創、學研及其他使用者進行模型訓練、推論與應用開發。未來使用者可利用平臺資源進行模型微調，讓模型更符合特定領域需求，也降低自行建置AI運算環境的門檻。

TAIWAN AI RAP自2025年啟動試營運，定位為支援AI開發與應用驗證的算力服務平臺。國網中心後續也規畫提供更完整的概念驗證（POC）環境，協助開發團隊測試AI應用，再進一步推向實際場域。透過算力、模型調校與開發環境的整合，國網中心希望補足臺灣AI應用落地過程中的基礎設施需求。

數位歐元 數位貨幣

歐洲央行布局數位歐元，2027年試點驗證在實際情境下的數位支付能力

隨著支付服務快速數位化，歐洲央行正推動數位歐元計畫，希望建立由公共機構支撐的新型數位支付基礎設施。歐洲央行執行委員 Piero Cipollone近期表示，目前數位歐元相關立法程序持續推進，技術準備也同步展開，目標是在2027年下半年啟動為期12個月的試點，以驗證數位歐元在實際支付情境中的運作能力。

數位歐元試點將由支付服務提供者、商家及歐元體系相關機構參與，測試包含日常消費、點對點轉帳等使用情境，並評估系統的技術穩定性、擴充能力與使用體驗。歐洲央行表示，試點目的不只是測試支付技術，而是建立涵蓋支付服務商、商家、中央銀行與使用者的完整生態系，為未來可能推出的數位歐元做好準備。

除了數位支付，歐洲央行也同步探索代幣化金融市場與分散式帳本技術（DLT）的應用，希望讓未來金融交易能透過新的數位基礎設施完成結算。歐洲央行指出，若相關法規在2026年底前完成，將以2029年作為準備首次發行數位歐元的目標時間點；這項計畫反映歐洲希望在數位金融時代建立自主的公共支付能力。

AI 智慧城市

高雄導入多模態AI分析城市影像，打造主動發現問題的智慧治理機制

過去城市治理多仰賴民眾通報或人工巡查發現問題，高雄市政府近年導入人工智慧技術，嘗試讓政府從「接獲問題後處理」轉向「主動發現異常」。市政府透過「智慧高雄AI燈塔計畫」，整合城市影像資料與AI分析能力，應用於淹水、交通壅塞、道路環境等治理場景，協助相關單位早一步掌握事件，儘早應變處理。

這套系統不只是利用AI辨識影像中的物件，而是進一步朝多模態理解發展。高雄市導入視覺語言模型（VLM），讓AI能理解影像內容，再透過Nvidia Cosmos Reason 2等推理模型，結合多張影像與情境資訊分析可能原因，例如判斷交通異常是否與事故、積水或其他因素相關。透過AI從「看見」進一步走向「理解」，提升城市事件判讀能力。

為讓AI分析結果能進入實際行政流程，高雄市也透過Smart Governance City（SGC）智慧治理平臺串接局處作業。當系統偵測到異常事件後，可將資訊通知相關單位確認與處理，讓AI分析不只是停留在模型展示，而成為支援市政管理的工具。未來市府也將持續擴大AI在不同治理場景的應用，累積城市資料與模型能力。

AI 自動化

美國政府探索AI Agent導入行政流程，從試驗生成式AI走向任務自動化

美國政府正積極擴大在公部門運用AI，包括公共部門正在加速探索生成式AI在政府業務中的應用，從過去以問答、文件摘要為主的試驗階段，逐步轉向能協助完成具體任務的AI Agent。Google近期在其公共部門活動上指出，從公部門導入的案例來看，政府導入AI的下一階段重點，已從模型能力競爭轉向如何整合既有資料、系統與工作流程，讓AI真正支援行政任務。

在政府實際應用場景中，AI Agent主要被用於處理大量重複性、規則明確的行政工作，例如文件整理、資料驗證、公共服務案件處理與政策資料分析等。Google指出，美國政府機關目前面臨的重要挑戰，不是缺乏AI工具，而是既有系統分散、資料孤島與跨系統整合困難，因此未來政府AI應用必須建立在可控管的資料存取、權限管理與流程整合機制上，才能從單點試驗擴展至大規模使用。

除了提升行政效率，美國政府也將AI應用延伸至國防、情報與其他敏感場域。Google也分享，部分政府單位需要在隔離網路環境中分析大量資料，因此發展能在受控環境運作的AI能力，讓機關在不將敏感資訊移出內部環境的情況下，仍可利用AI協助搜尋、整理與分析資料。這也顯示政府AI發展的核心課題，正從「是否導入AI」轉向「如何在安全治理框架下，讓AI參與公共任務」。

衛星 國防

英國建立太空監測能力，運用衛星與感測網防護關鍵基礎設施

衛星已成為現代政府與民生服務的重要基礎設施，從氣象預報、金融交易、衛星導航到通訊服務，都依賴穩定的太空環境。英國國防部近期宣布，英國自製的軍用衛星 Titania 已成功進入軌道，將提升英國對地球表面活動的觀測能力，同時搭配地面感測系統，強化對衛星資產與太空環境的監測。

Titania是英國ISTARI太空情報、監視與偵察計畫的一環，英國希望透過衛星與地面系統建立更完整的太空態勢感知能力。除了衛星觀測能力外，英國國防部也啟動Project Inaros，測試由多個地點組成的地面感測網路，用於監測太空中的異常活動，協助提早發現可能影響英國衛星運作的威脅。

英國政府表示，太空基礎設施已不只是國防資產，也與日常生活服務密切相關，因此需要建立自主的監測與防護能力。透過衛星、地面感測器與分析系統整合，政府希望從被動依賴太空服務，進一步提升對關鍵太空資產的管理能力，確保通訊、導航與其他公共服務的穩定運作。

臉部辨識 移民管理

英國擴大臉部辨識應用，強化移民管理

英國政府正擴大即時臉部辨識（Live Facial Recognition, LFR）技術在移民管理領域的應用，從過去於港口進行測試，進一步進入正式部署階段。英國內政部規畫在交通樞紐與特定大型活動場所使用臉部辨識系統，協助尋找列入執法名單的人員，提升移民管理效率。

即時臉部辨識系統的運作方式，是透過攝影設備擷取影像，將臉部特徵轉換為數位特徵值，再與預先建立的名單進行比對。若系統產生可能符合結果，後續仍由執法人員確認身分與決定是否採取行動。這類應用顯示政府正在探索如何利用AI協助大量資料比對與公共管理流程，但也要求建立資料使用範圍、權限控管與人工覆核機制。

不過，臉部辨識進入公共治理也引發隱私與監管討論。外界擔心，若政府將此類技術擴大至公共場所，可能增加大規模監控風險，並需關注演算法誤判與不同族群間的辨識差異。英國案例反映，政府導入高風險AI技術時，除了追求行政效率，還必須同步建立透明度、監督機制與責任界線，才能降低科技遭濫用，降低侵犯民眾隱私的風險。

數位身分 生物辨識

美國重整移民數位身分系統，結合AI與生物辨識提升政府服務驗證能力

美國公民及移民服務局（USCIS）正推動新的身分管理基礎建設，透過整合生物辨識、機器學習、資料分析與雲端應用能力，重新整理移民申請流程中的身分驗證機制。這項名為Immigration Biometrics and Identity Services（IBIS）的計畫，預計整合現有多項身分管理服務，建立更完整的移民身分資料管理能力。

IBIS的重點並非單純新增生物辨識資料庫，而是將過去分散於不同系統中的身分驗證、資料比對與案件管理能力整合。透過機器學習與身分解析技術，系統可協助判斷不同資料紀錄是否屬於同一人，減少因姓名拼寫差異、資料錯誤或多系統資料不一致造成的人工比對負擔，提升政府處理大量申請案件的效率。

美國政府近年持續推動移民流程數位化管理，並同步強化生物辨識資料使用規範。USCIS表示，未來相關技術將支援身分管理、資料分析與公共服務流程，但涉及身分判定或行政決策時，仍需依循既有程序與人工審查機制。

無人機 AI

交通部公路局將擴大推動無人機AI巡檢，結合3D建模提升橋梁與邊坡養護效率

交通部公路局擬擴大推動無人機巡檢應用，除了利用空拍取代人工進入橋梁底部、橋墩及邊坡等高風險區域巡查，也將結合3D建模與AI影像辨識，逐步建立橋梁與邊坡的數位監測能力。公路局表示，無人機未來除了用於平時巡檢，也將協助災後快速掌握崩塌、河道變化等現場資訊，作為道路搶修與復建決策依據。

公路局已利用超過2萬張橋梁影像訓練AI模型，可自動辨識橋梁裂縫、混凝土剝落、鋼筋裸露及保護層劣化等缺失，目前辨識準確率已超過8成，並已在台1線西螺大橋、台19線自強大橋等橋梁進行示範驗證。此外，公路局也將不同時間拍攝的空拍影像建立3D模型，藉由模型比對持續監測橋梁與邊坡變化，協助工程人員及早發現異常，再安排後續檢修。

公路局表示，目前AI巡檢仍處於示範階段，預計明年起逐步推廣至其他養護工程分局，並持續累積各地橋梁巡檢與維修資料，提升AI模型辨識能力。同時，公路局也規畫在2026年至2028年間投入約1,170萬元，採購無人機設備及培訓飛手，將無人機巡檢由委外模式逐步轉為自主常態化執行，作為橋梁、邊坡及道路設施數位化管理的重要基礎。

圖片來源／UK、公路局

更多GovTech動態

1.韓國個資保護委員會計畫成立「AI 隱私團隊」，強化公私部門運用生物辨識與AI的個資合規審查

2.中研院結合國家算力資源展示多模態AI技術

資料來源：iThome整理，2026年10月