Computex首設開源臺灣館，向國際展現臺灣開源社群實力

當今年Computex展場充滿AI伺服器、資料中心基礎設施、大型語言模型、商業軟體解決方案相關展示時，在南港展覽2館中出現了一個與硬體產品截然不同的展區，首次設立的「開源臺灣館」（Open Source Team Taiwan）。

相較於各家廠商展示新一代GPU、AI伺服器或企業AI平臺，這個展區展示的並非單一產品，匯聚長年參與國際開源專案的開發者、社群組織與企業技術團隊。對許多臺灣開源社群成員而言，這是很不一樣的地方，Computex提供了國際舞臺，集合臺灣的開源社群，對外展現臺灣的軟實力。

臺灣擁有相當活躍的開源文化。從2000年代初期Linux社群興起，到2006年COSCUP開源人年會創立，臺灣逐漸形成完整的開源生態圈。多年來，不少臺灣工程師持續參與Linux Kernel、Apache、Kubernetes、OpenStack等國際專案，也有人擔任專案維護者（Maintainer）或核心貢獻者。

但是相較於臺灣半導體產業在全球供應鏈中的高能見度，國內開源社群的貢獻往往分散在不同專案之中，外界較少意識到許多全球開源技術背後其實有臺灣開發者參與其中。

因此，今年Computex首次出現開源臺灣館，某種程度上也象徵臺灣開源社群從幕後走向前臺。

值得注意的是，這樣的轉變與近年AI發展趨勢密切相關。

過去開源軟體經常被視為開發者文化的一部分，但是當雲端原生（Cloud Native）、Kubernetes、生成功能AI模型與AI開發框架快速普及，開源已經成為現代IT的重要基礎。從PyTorch、TensorFlow到近年的Llama、Mistral等開放模型，許多AI創新的基礎都建立在開源生態之上。

也因此，企業關注的焦點不再只是是否使用開源軟體，而是如何參與開源專案、建立開源治理能力，以及在供應鏈中維持軟體安全。

除了開源臺灣館，今年活動也邀請Apache Sofeware Foudation與Open SSF的開源社群領袖來臺演說、交流，涵蓋開源治理（Open Source Governance）、開源安全（Open Source Security）、軟硬體整合以及社群協作等議題。這些主題近年已逐漸成為企業IT部門關注的重點，尤其在《歐盟網路韌性法》（Cyber Resilience Act，CRA）等法規陸續上路後，企業對開源元件管理與軟體供應鏈安全的重視程度明顯提高。

開源臺灣館展示了幾個在地開源社群參與開源專案的成果，或是由在地社群主導的開源專案，例如在地化AI發展成果，雲端及私有雲平臺、資料處理。

熟悉臺灣在地文化、語境的AI

目前國際上開源的大語言模型，雖然理解中文語意內容，但是多採用中文簡體內容訓練而成，因此對於臺灣使用的正體中文、臺灣的觀點並不完成理解，因此由國科會主導，中研院推動的臺灣在地大語言模型TAIDE，在今年2月釋出Gemma-3-TAIDE-12b-Chat-2602模型，TAIDE模型累積下載已達到24萬次，除了展示教育、醫療等應用，還包括政府公部門專用的G-TAIDE。TAIDE未來將朝多模態發展。

另外，國內的資訊經理人協會(IMA)也展示Taiwan Tongues臺灣通用語料庫，目的在建立臺灣文化內容的資料集，目的在邀請文學作家提供作品內容授權，以建立可供國內外大型語言模型訓練使用的臺灣文學內容語料，提升國際大語言模型對臺灣用語文化的理解。

另外，致力於推廣正體中文開源語言模型的社群Twinkle AI，目標為打造適合臺灣語境的大型語言模型（LLM），並讓模型可在手機、桌機甚至各種終端設備上執行。Twinkle AI現場還展示將AI接上政府開放資料，讓AI代理人可協助查詢政府標案、房價登錄等資料。

社群成員Bobson Lin指出，過去一年團隊持續驗證大型語言模型能否在iPhone、Android等行動裝置執行，並推Littlestar的開源應用程式，作為模型部署與推論平臺。該專案已開源釋出，未來將會持續強化推論效能、多模型支援以及跨裝置運作能力。

Twinkle AI目前採用GGUF格式模型與llama.cpp等開源推論框架，透過模型量化、記憶體優化與推論加速技術，使模型能在資源有限的終端設備運作。該團隊也正在開發新的推論架構與加速機制，希望能提升手機端的推論速度與使用體驗。

有鑑於AI向邊緣裝置發展的趨勢，Bobson Lin表示，許多個人資料原本就儲存在手機等終端設備中，若能直接在本地端完成推論，不僅可降低對雲端的依賴，也有助於提升隱私保護能力。

此外，Twinkle AI也持續投入臺灣本地化模型訓練，希望模型能更理解臺灣的用語、文化與使用情境。未來除文字模型外，也將朝向語音、多模態模型發展，並以Ambient Intelligence環境智慧為其長期願景，希望AI能更自然地融入使用者周遭環境與日常生活。

打造企業級雲原生基礎架構平臺

除了推動AI的在地化發展，擴展臺灣在AI時代的能見度，企業級工具也是展出的另一項重點。

例如Bigstack展示旗下開源專案CubeCOS，CubeCOS定位為企業級的雲原生基礎架構平臺，以協助企業簡化私有雲、邊緣運算與AI工作負載的部署與管理。

Bigstack表示，許多企業雖然希望採用Kubernetes等雲原生技術，但實際導入時往往需要處理身分管理、儲存、網路、監控、維運等大量整合工作，門檻相當高。因此，CubeCOS希望將這些基礎能力整合成標準化平臺，讓企業能更容易建置自己的雲端環境。

在技術架構上，CubeCOS建立於Kubernetes生態系上，扮演類似基礎作業平臺的角色，向上承載虛擬機、容器及各類應用服務，向下則整合不同硬體與基礎設施資源。

該公司對於CubeCOS採取開源模式開發，相關功能會優先回饋至上游開源專案，因此維持開源社群與商業服務並行模式。商業版本與開源版本差異在於企業維運管理、整合工具與技術支援服務。

該公司也提到，近年邊緣運算需求增加，加上企業對自主可控基礎架構的需求提升，使得開源雲原生平臺獲得更多關注。部分客戶已將CubeCOS應用於AI推論、醫療影像等需要在地部署的場景。

OpenSource4You把臺灣工程師帶進全球開源資料平臺生態系

而本地知名開源社群opensource4you也展示參與Apache Kafka、Airflow、Flyte、Ray等開源專案的成果，其中的分散式串流資料分析的Kafka為知名的開源專案，IBM曾以110億美元買下資料串流平臺台巨頭Confluent，Confluent創辦人即為Kafka開源專案原始共同創造者，該公司員工也是Kafka專案的核心與最大貢獻者，而opensource4you社群貢獻度約為Confluent的三分之一，為Kafka專案的主要工獻社群之一。

在BI商業智慧洞察分析方面，為突破AI通用語義缺乏對企業的商業情境上下文理解限制，易開科技開發商業情境AI的WrenAI。

易開科技軟體工程師、開源專案核心維護者陳品旭指出，企業導入AI Agent後，最大挑戰已不再是讓 AI 能夠存取資料庫，而是如何讓 AI 理解企業內部的商業語意與資料定義。他舉例，當使用者詢問「本季活躍客戶成長率」時，AI 雖然可以從資料表取得數據，卻未必知道企業如何定義活躍客戶、是否需排除試用帳號或內部帳號，以及季度計算方式等商業規則，因此容易產生看似合理卻不符合企業實際定義的答案。

為解決這類問題，WrenAI提出Context Layer，希望在AI Agent與資料庫間建立可供機器理解的企業知識層，將商業術語、指標定義、資料使用規範、團隊慣例與歷史分析經驗等資訊結構化管理，讓AI不僅能查詢資料，還能理解資料背後的商業情境。他認為，過去企業建立的Semantic Layer要解決資料模型與指標定義問題，而在Agent時代，還需要進一步納入企業知識與商業脈絡，才能提升AI回答商業問題的準確度與可信度。

陳品旭認為，隨著越來越多企業開始導入AI Agent查詢資料與產生分析結果，資料治理也從資料表管理延伸到知識治理（Knowledge Governance）。WrenAI透過開源方式發展 Context Layer 架構，讓企業能將原本散落在文件、會議紀錄、SQL腳本與員工經驗中的知識，轉換成可供AI存取與重複利用的上下文資訊，降低因AI錯誤理解的判斷風險。

中研院長期投入YOLO物件偵測技術研發

另外，中研院長期投入電腦視覺與深度學習應用領域長期，其中在YOLO物件偵測架構專案上，中研院是YOLOv4、v7、v9 的核心研發團隊之一。目前著重於模型輕量化、推論效率優化，以及在邊緣裝置上的部署可行性。

中研院現場展示即時影像分析場景，例如監控、交通辨識等智慧城市應用，或是在室內物件偵測的成果。中研院持續將YOLO相關技術與本地產業及開源生態接軌，推動從研究模型走向實際應用系統的轉譯，例如結合嵌入式運算平台與AI推論加速框架，使即時物件偵測能在低功耗設備上穩定運行。

全球首個5G核網開源專案free5GC

陽明交大資工系教授陳健介紹全球第一套開源的5G核網專案free5GC，其原本的核心目標是建立一套開源5G核心網路實驗平臺，讓研究與產業不再只能依賴昂貴且封閉的商用系統。free5GC是以3GPP Release 15標準為基礎，提供完整的5G Core（5GC核網）實作，讓研究人員能直接在平台上進行網路功能驗證、協定測試與PoC開發，縮短從學術研究到實際應用的距離。

在產業與應用驗證方面，free5GC成為企業建立5G專網或進行PoC測試的重要工具。企業可利用開源架構來模擬真實電信網路環境，進行如智慧工廠、車聯網、邊緣運算等應用測試，以降低導入前的試錯成本。同時，由於其開放特性，也便於與SDN、雲原生平臺整合，加速網路功能虛擬化（NFV）與雲端化部署。

在生態系價值上，free5GC透過開源社群，累積大量來自學界與產業的修補與功能擴充，使其不只是單一研究成果，而逐漸成為5G核心網路開源基礎設施。這也讓使用者能在一致的平台上進行標準對齊、互通性測試與創新實驗，提升整體5G技術發展的協作效率與速度。

陳健強調free5GC的價值不僅在於可用的開源核心網路，更是打造一個可持續演進的研究與產業協作基礎。透過開放原始碼與社群共創，目前free5GC已被用於智慧工廠、智慧醫療、車聯網與專網（private 5G）等場景驗證，並且也朝向下一代行網路6G研究的重要基礎設施之一，使臺灣在核心網路技術上從過去較少著力的領域，轉向具全球影響力的開源平臺貢獻者。

Ai輔助IC設計，縮短迭代設計時間

台大團隊的陳祈介紹SiliconMind-V1，主軸聚焦於將AI導入IC設計流程中的自動化與推理能力，特別針對晶片設計週期長、驗證成本高的痛點提出解法。他指出，傳統 IC 設計流程有高達6至7成時間耗費在設計驗證與除錯，而SiliconMind-V1透過多代理蒸餾（multi-agent distillation）與debug推理流程，讓模型能同時具備「生成設計」與「自我測試與修正」能力，縮短設計迭代時間。

SiliconMind-V1採取開源策略，強調可在本地端或企業內部環境部署，降低對雲端AI與敏感設計資料外流的依賴。在實測結果上，該模型在使用更少訓練資料與顯著較低的算力情況下，仍能在特定IC設計任務上超越部分的既有模型表現，並透過與多模態工具鏈整合，進一步強化從規格理解到RTL生成的完整流程，展現AI在半導體設計自動化上的潛力。

相較於過去電腦展展示產品，今年Computex電腦展中設立開源臺灣館，集合15件臺灣的開源社群參與及主導的開源專案成果，透過電腦展的國際舞臺，讓外界也能看到默默付出的臺灣開源社群活力及貢獻，此外，也在AI時代基礎技術建設，從模型、資料內容到雲原生基礎架構，都能看到臺灣開發者的身影。