Abstract
人工智慧正邁入「可付諸行動之智慧」（Actionable Intelligence）的新紀元。儘管推理模型持續演進，AI 對現實世界的影響力將愈發取決於能否獲取即時、可信且具備豐富情境脈絡的資訊。因此，AI 的下一個前沿或許不在於打造更聰明的模型，而在於建立能支撐明智決策與實質行動的資料基礎。
本演講將探討建構此類資料基礎為何如此艱鉅，以及這些挑戰如何長期制約了資料經濟的發展。我們認為關鍵在於現代資料所具備的「七大本質特徵」，這些特性使資料天生難以共享、難以詮釋且難以建立信任。這七大特質催生了「資料共享陷阱」（Data Sharing Trap），並呈現為三個反覆出現的悖論：資料交換僵局（Data Exchange Deadlock）、資料估值悖論（Data Valuation Paradox），以及信任與控制悖論（Trust and Control Paradox），持續阻礙著資料驅動的創新。
為克服上述障礙，本演講提出了一個兼具 AI-Ready、AI-Interpretable 與 AI-Trusted 的資料架構，並輔以四大市場條件：資料價值意識、最低必要資料消費、可追溯且具可責性的資料共享，以及垂直專業分工的健全價值網路。這些條件共同為去中心化 AI 生態系以及資料經濟中的海耶克式「自發性秩序」（Spontaneous Order）奠定了基石。
本演講將探討建構此類資料基礎為何如此艱鉅，以及這些挑戰如何長期制約了資料經濟的發展。我們認為關鍵在於現代資料所具備的「七大本質特徵」，這些特性使資料天生難以共享、難以詮釋且難以建立信任。這七大特質催生了「資料共享陷阱」（Data Sharing Trap），並呈現為三個反覆出現的悖論：資料交換僵局（Data Exchange Deadlock）、資料估值悖論（Data Valuation Paradox），以及信任與控制悖論（Trust and Control Paradox），持續阻礙著資料驅動的創新。
為克服上述障礙，本演講提出了一個兼具 AI-Ready、AI-Interpretable 與 AI-Trusted 的資料架構，並輔以四大市場條件：資料價值意識、最低必要資料消費、可追溯且具可責性的資料共享，以及垂直專業分工的健全價值網路。這些條件共同為去中心化 AI 生態系以及資料經濟中的海耶克式「自發性秩序」（Spontaneous Order）奠定了基石。
Bio
薛文蔚博士是一位資深連續創業家，現任 BigObject 執行長。BigObject 為一家資料技術公司，致力於開拓在串流、去中心化與邊緣運算環境下的資料共享與高效能運算新典範。自 1995 年以來，他曾先後創立多家科技公司，包括 Timecruiser Computing、網際優勢 (eBizprise) 及 BigObject。
薛博士的專業領域涵蓋資料密集型運算、時間序列資料庫、邊緣運算、時空人工智慧（Spatiotemporal AI）以及代理人工智慧（Agentic AI）。他亦積極投入「資料促進公共利益」（Data for Public Goods）運動，倡導下一代資料共享典範，並高度關注永續發展議題。薛博士擁有國立臺灣大學學士學位，以及美國哥倫比亞大學電腦科學博士學位。
薛博士的專業領域涵蓋資料密集型運算、時間序列資料庫、邊緣運算、時空人工智慧（Spatiotemporal AI）以及代理人工智慧（Agentic AI）。他亦積極投入「資料促進公共利益」（Data for Public Goods）運動，倡導下一代資料共享典範，並高度關注永續發展議題。薛博士擁有國立臺灣大學學士學位，以及美國哥倫比亞大學電腦科學博士學位。