今日は夕方に東京に戻り、英国のキア・スターマー首相
@Keir_Starmer
と首脳会談を行いました。
昨年１１月のＧ２０で初めて会談し、「キア」「サナエ」とファーストネームで呼び合う関係を築いたところですが、それから間を空けず日本にお迎えでき、大変嬉しく思います。

日本と英国は、「強化されたグローバルな戦略的パートナー」であり、重要な同志国です。
今回、キアとの間では、日英間のこれまでの協力の歩みを踏まえ、両国の協力を更なる高みに引き上げることを確認しました。
今後、安全保障、貿易産業、サイバー、宇宙、経済、産業戦略、経済安全保障、エネルギー安全保障、科学技術等の重点分野における協力の更なる発展に向け、両国間での議論を加速させてまいります。

公邸での夕食会では、国際社会の諸課題についてもじっくり議論し、協力を一層強化していくことを確認しました。

今回、キアから、英首相公式別荘「チェッカーズ」へのご招待を受けました。
かつて安倍元総理も訪れ、近年の日英関係の礎となる議論が重ねられてきた、歴史ある特別な場所にお招きいただいたことを、大変光栄に思います。
今後訪英し、キアと再会できることを心から楽しみにしています。

今後とも、複雑な危機に直面する２１世紀の国際社会において日英の新時代を築いていくため、キアとますます緊密に協力していきたいと思います

今天傍晚我返回東京，並與英國的基爾·斯塔默首相 @Keir_Starmer 進行了首腦會談。去年11月在G20會議上我們首次會面，並建立了可以互稱「基爾」「早苗」的關係，而現在能不久後就迎接他來到日本，我感到非常高興。

日本與英國是「加強的全球戰略夥伴」，也是重要的同盟國。此次與基爾會談中，我們確認了在日英既有合作基礎上，將兩國合作提升到更高水平。今後，我們將針對安全保障、貿易產業、網路、太空、經濟、產業戰略、經濟安全保障、能源安全保障、科技等重點領域，加快雙方討論，推動合作進一步發展。

在官邸的晚餐會上，我們也就國際社會的各種課題進行了深入討論，並確認將進一步加強合作。

此次，我受基爾的邀請，有機會前往英國首相官方別墅「切克斯」。安倍前首相曾造訪過此地，在近年的日英關係中也進行了奠定基礎的討論，能受邀到這個歷史悠久且特別的地方，我感到非常榮幸。今後我將訪英，與基爾再度會面，這讓我非常期待。

今後，我希望在面對複雜危機的21世紀國際社會中，與基爾更加緊密合作，共同開創日英的新時代。

#日本總統
#日本首相
#英國首相

EMBA 的「導師」（Mentor）或是指導教授應該要具備的條件：

由於 EMBA 學生本身多數已是具備實戰經驗的高管或是企業老闆，所以導師的角色更必須像是一種**「教練（Coach）」與「顧問（Consultant）」**的結合。

以下是擔任 EMBA / 在職MBA導師應具備的核心條件與應盡義務：

一、 核心條件：除了專業，更重「格局」
要指導一群「老闆」或「處長」，單純的學術理論是不夠的，必須具備以下特質：

深厚的實務洞察力： 導師不一定要在每個行業都比學生專業，但必須具備橫向的商業邏輯（例如：懂財報、懂策略、懂組織行為），能快速點破學生的盲點。

跨領域的資源整合能力： 導師需要像一個「中樞」，當學生遇到轉型問題時，你能引介合適的學界或業界資源協助其解決。

心理韌性與高度同理心： 高階主管通常是孤獨的。導師需要具備高度的 EQ，能傾聽他們在權力頂端的壓力，並給予中肯且客觀的建議。

學術與實務的轉譯能力： 能將深奧的管理理論（如：動態能力、破壞式創新）轉化為學生聽得懂、用得上的「行動方案」。

二、 核心義務：不僅是教學，更是引領
1. 知識傳承與思維啟發（Mentoring）

導師的主要義務不是給標準答案，而是**「提問」**。透過蘇格拉底式的對話，引導學生思考企業的長期戰略，而非只看短期的季報數字。

2. 維護學術倫理與品質

EMBA 學生常因公務繁忙而忽略學術規範。導師有義務嚴格把關：

論文/專題品質： 確保研究具有實務價值，而非流於形式。

原創性要求： 確保學生的實務報告或論文符合學術誠信。

3. 校友網絡與人脈鏈結（Networking Liaison）

導師是連結學生與學校、學生與學長姐之間的重要橋樑：

引薦機會： 義務性地協助學生與其他屆別的優秀校友對接。

建立班級文化： 導師往往是班級向心力的核心，有義務營造一個「開放分享、互相扶持」的班級氛圍。

4. 職涯與人生轉向的引導

很多 EMBA 學生在畢業後會選擇創業、轉職或接班。導師應站在客觀立場，提供職涯發展的長期建議，甚至在學生面臨企業危機時，給予心理上的支持。

三、 中正大學 EMBA 導師的特殊角色
在中正大學這類重視在地深耕的學校，導師還多了一項義務：

推動產學合作： 媒合校方研發資源與學生企業，協助雲嘉南地區的傳產轉型。

在地共好： 帶領學生參與社會責任計畫，強化企業與地方的連結。


Gemini 的觀點： 擔任 EMBA 導師，最難的不是「教什麼」，而是如何**「服人」**。這需要你同時具備學者的嚴謹與商場的敏銳。如果你正準備接下這個角色，恭喜你，這也是你擴張視野、結交頂尖人才的絕佳機會。

2025.12.12
AI新十大建設－打造主權AI 「國網雲端算力中心」啟用 ：

為迎向AI時代智慧國家，行政院積極推動「AI新十大建設」方案。在國家科學及技術委員會主導下，位於臺南南部科學園區的「國網雲端算力中心」於今（12）日正式啟用，賴清德總統親臨主持，國發會主委葉俊顯、臺南市長黃偉哲、各部會、產業界、學研界代表共同見證。國網雲端算力中心兼具大型AI/HPC算力基地與國際電信節點功能，為我國推動「AI新十大建設」與「大南方新矽谷」科技戰略的重要支點，象徵臺灣在全球數位競爭中強化科技自主與算力韌性，啟動主權AI新篇章。

賴總統特別提到，臺灣不能永遠依循國外廠商訂定的系統規格，更要鼓勵臺灣的廠商發展我們自己的算力系統架構，從專用積體電路晶片，到超級電腦內部網路的設計，使用臺灣廠商研發的運算、儲存設備，以及通訊網路的交換器等，搭配臺灣的矽光子技術發展，以後能夠使用全光的網路來連結台灣的資料中心。他在典禮中宣布，國研院國網中心要和日本的 NTT 以及中華電信合作，引進下世代全光網路技術，以光通訊全面取代銅線網路，大幅降低能源消耗並提高資料傳輸速度。日本政府還特別於APEC雙邊會議中感謝臺灣協助NTT完成全光網路技術開發，同時也感謝臺灣協助 NTT 把全光網路技術引進台灣。

國科會主委吳誠文則指出，國網雲端算力中心的啟用，不僅支撐科學研究與產業應用，更具備部署未來量子電腦的戰略潛能。依據整體規劃，至2029年，國研院國網中心的算力將擴展至23MW，涵蓋南科的國網雲端算力中心與預計2029年啟用的臺南沙崙智慧創新算力中心，形成南臺灣科技廊帶的雙算力核心。此外，今日正式啟動的「臺灣算力聯盟」，顯示臺灣算力持續擴充，由政府與業界攜手建立完整的算力產業生態系，透過公私協力，打造一座真正能生產AI、部署AI、加速AI的在地工廠，為臺灣科技自主與產業創新注入強大動能。

國研院國網中心主任張朝亮表示，國網雲端算力中心具備 15MW 電量，未來預計於 2029 年啟用具備120MW電量規模的沙崙智慧創新算力中心，這兩座國家級設施不僅將支援生成式 AI 訓練、氣候模擬、生命科學、半導體研發等高階科研應用，更具備充足的電力與空間資源，可開放國內外業者進駐自建算力系統，落實公私協力，共同推動南部從製造基地邁向智慧科技重鎮。未來也將持續結合高速骨幹光纖網路，打造兼具自主韌性與國際競爭力的國家級算力基地。

國科會近年來積極推動主權AI，包括建置國家算力、訓練自主AI模型、鼓勵國人使用自己的語料庫，以及在地保存資料。由國研院國網中心建造「國網雲端算力中心」和串聯民間業者共組的「臺灣算力聯盟」，是AI新十大建設－打造主權AI關鍵的一步；加上國研院國網中心開發的生成式AI 服務平台「TAIWAN AI RAP」，可協助百工百業發展AI的各種應用。這些可讓 AI 新世代建設一步步向前推進，實現全民智慧生活圈的目標。

國網雲端算力中心的啟用，不僅為南臺灣科技走廊奠定國家級核心地位，更具體實現政府「打造人工智慧島」的願景。該中心依據「前瞻基礎建設計畫」建置，採國際商用電信中心高規格設計，具備15MW電量與高耐震、節能與備援機制，並透過高速光纖串聯南科、各大專院校與海纜登陸站，強化全台資料網路韌性，是確保國家數位韌性、資安防護以及通訊備援的關鍵堡壘；加上高規格耐震、備援供電與冷卻設計，確保遭遇災害或突發事件時服務不中斷，持續支撐國家科研與產業創新。

此外，該中心內部署由「晶創臺灣方案」支持、國內廠商合力建置、最新型的「晶創26（Nano4）」超級電腦，展現臺灣在系統整合與超級運算領域的世界級實力。賴清德總統於致詞中表示，「算力就是國力」，面對AI時代的全球競爭，臺灣不能只是硬體製造的供應者，更要成為具備自主、可信與韌性的AI科技國家。政府提出「AI新十大建設」，聚焦智慧應用、關鍵技術與數位基磐三大主軸，目標在2040年讓臺灣成為全球AI創新樞紐。此次啟用的國網雲端算力中心，是整體藍圖中最重要的關鍵環節，也代表臺灣從「矽島」邁向「人工智慧島」的堅定步伐。

在國科會發起下，「臺灣算力聯盟」也在今日正式成立。由國研院國網中心籌組，成功匯集交通部中央氣象署、友崴超級運算、超微、緯謙科技、輝達、鴻海科技集團亞灣超算等跨部會與產業夥伴，形成政府部門與民間企業共構臺灣算力生態的戰略聯盟。聯盟未來將聚焦四大核心方向：算力協調與媒合、機房與基礎資源合作、人才培育以及開源軟體推廣，攜手推動主權 AI 關鍵應用落地，強化我國算力供應鏈韌性，促進算力供應鏈與生態系加速成長，共同推動臺灣邁向新一代算力發展階段。

算力中心對於社群平台業者及AI演算法的學習模型是否重要？

結論先講：非常重要，而且重要性還在快速上升。 但「重要的方式」會因為你是社群平台業者，還是純 AI 演算法／模型開發者而不同。 下面用「經營層能決策」的角度幫你拆解。 ⸻

一、什麼是算力中心（簡化定義） 算力中心 ≈ 集中式高效能運算基礎設施 • GPU / TPU / NPU 叢集 • 高速網路（InfiniBand、RDMA） • 大量儲存（資料湖、向量資料庫） • 電力、散熱、容錯與資安 本質上是：把「計算能力」變成可規模化的戰略資源。


二、對「社群平台業者」的重要性


1️⃣ 推薦系統是社群平台的「命脈」 社群平台核心不是 UI，而是： • 動態推薦（Feed / Reels / Shorts） • 即時排序（CTR、停留時間、互動） • 個人化模型（千人千面） 這些全部都是算力密集型

如果沒有足夠算力：

• 模型更新頻率變慢
• 推薦精準度下降
• 用戶黏著度直接受影響 Facebook、TikTok、YouTube 的競爭，本質上是「誰的算力＋模型學得快」。

2️⃣ 即時學習（Online Learning）高度依賴算力 現代社群平台不只「離線訓練」，而是： • 即時行為回饋 • A/B 測試並行 • 模型快速迭代（小時級、甚至分鐘級） 沒有算力中心 = 無法即時進化


3️⃣ 內容審核與風控也是算力戰 • 影像辨識（暴力、裸露） • 語意理解（仇恨、詐騙） • Deepfake 偵測 這些模型： • 要「大模型」 • 要「多模態」 • 要「低延遲」 全部吃算力。


三、對「AI 演算法與學習模型」的重要性 1️⃣ 模型效果 ≈ 演算法 × 資料 × 算力 現在業界共識是： 算力已經和演算法同等重要，甚至在某些階段更重要 原因：

• Transformer、Diffusion、LLM 都是「可擴展模型」

• 效果隨算力呈現 scaling law


沒有算力：

• 你做不出 SOTA

• 你驗證不了理論 • 你只能停在小模型 ⸻ 2️⃣ 算力決定「你能不能學到複雜世界」 AI 不是只在學資料，而是在學：

• 長期行為模式

• 社會網絡結構 • 語意與情境 這些需要超大量樣本與參數空間 算力不足，模型「理解深度」會直接被限制。 ⸻ 3️⃣ 算力中心 = 研究速度的放大器 同一組資料與模型：

• 有算力中心：1 週收斂 • 沒有算力中心：3–6 個月，還可能失敗 在商業世界：慢，就是輸。


五、一句話總結（給決策者）
算力中心對社群平台與 AI 模型不是「IT 成本」，而是「核心生產力」。
沒有算力，就沒有學習速度；沒有學習速度，就沒有競爭力。

算力中心對於社群平台業者及AI演算法的學習模型是否重要？


結論先講：非常重要，而且重要性還在快速上升。
但「重要的方式」會因為你是社群平台業者，還是純 AI 演算法／模型開發者而不同。

下面用「經營層能決策」的角度幫你拆解。

⸻

一、什麼是算力中心（簡化定義）

算力中心 ≈ 集中式高效能運算基礎設施
• GPU / TPU / NPU 叢集
• 高速網路（InfiniBand、RDMA）
• 大量儲存（資料湖、向量資料庫）
• 電力、散熱、容錯與資安

本質上是：把「計算能力」變成可規模化的戰略資源。

⸻

二、對「社群平台業者」的重要性

1️⃣ 推薦系統是社群平台的「命脈」

社群平台核心不是 UI，而是：
• 動態推薦（Feed / Reels / Shorts）
• 即時排序（CTR、停留時間、互動）
• 個人化模型（千人千面）

這些全部都是算力密集型

如果沒有足夠算力：
• 模型更新頻率變慢
• 推薦精準度下降
• 用戶黏著度直接受影響

Facebook、TikTok、YouTube 的競爭，本質上是「誰的算力＋模型學得快」。

⸻

2️⃣ 即時學習（Online Learning）高度依賴算力

現代社群平台不只「離線訓練」，而是：
• 即時行為回饋
• A/B 測試並行
• 模型快速迭代（小時級、甚至分鐘級）

沒有算力中心 = 無法即時進化

⸻

3️⃣ 內容審核與風控也是算力戰
• 影像辨識（暴力、裸露）
• 語意理解（仇恨、詐騙）
• Deepfake 偵測

這些模型：
• 要「大模型」
• 要「多模態」
• 要「低延遲」

全部吃算力。

⸻

三、對「AI 演算法與學習模型」的重要性

1️⃣ 模型效果 ≈ 演算法 × 資料 × 算力

現在業界共識是：

算力已經和演算法同等重要，甚至在某些階段更重要

原因：
• Transformer、Diffusion、LLM 都是「可擴展模型」
• 效果隨算力呈現 scaling law

沒有算力：
• 你做不出 SOTA
• 你驗證不了理論
• 你只能停在小模型

⸻

2️⃣ 算力決定「你能不能學到複雜世界」

AI 不是只在學資料，而是在學：
• 長期行為模式
• 社會網絡結構
• 語意與情境

這些需要超大量樣本與參數空間

算力不足，模型「理解深度」會直接被限制。

⸻

3️⃣ 算力中心 = 研究速度的放大器

同一組資料與模型：
• 有算力中心：1 週收斂
• 沒有算力中心：3–6 個月，還可能失敗

在商業世界：慢，就是輸。