教堂山這場會議最值得注意的，並不是推出了哪一個新模型，也不是各國已經敲定一份完整的監管條約，而是一個更具戰略性的判斷：AI 基礎設施正逐漸成為國家經濟能力的一部分。

輝達（Nvidia）執行長黃仁勳呼籲各國建立支撐本土 AI 經濟所需的資料中心與配套系統；OpenAI 執行長薩姆・阿特曼的參與，則讓 AI 採用、投資與部署的重要性更加突出。

這項產業界主張，與美國政府推動較寬鬆的 AI 治理方向同時出現。會議因此聚焦在一個尚未解決的政策取捨：政府如何取得 AI 帶來的經濟利益，同時避免快速部署的速度超越安全防護、能源供應與公共機構的應對能力？

核心主張：每個國家都需要自己的 AI 能力

黃仁勳的論點是，各國不能把 AI 永遠視為可以從海外採購的服務。政府必須決定，希望在 AI 價值鏈中建立哪些本土能力，範圍從運算基礎設施，到使用 AI 的人才、企業與產業生態系。

資料中心是這項主張的關鍵。黃仁勳將資料中心形容為本土 AI 經濟的基礎；會議相關報導也把資料中心與就業、投資及更廣泛的經濟活動連結起來。

阿特曼的出席則強化了「部署」這一面。第二天的討論涵蓋 AI 採用、經濟成長、勞動力需求、網路安全，以及這項技術不斷上升的能源需求。

實際上，建立 AI 經濟不只是讓民眾能使用聊天機器人，或讓企業取得模型 API。它還需要足夠的運算能力、穩定電力、技術人才，以及能夠開發並商業化 AI 應用的產業生態。

「卡羅來納原則」想改變什麼？

特朗普政府在這場部長級會議上推動「新興科技卡羅來納原則」（Carolina Principles for Emerging Technology）。這套框架重視創新與部署，並不主張對 AI 施加全面、針對單一技術的限制。14

其方向大致包括三項：

• 投資基礎研究，加快新知與技術發現；
• 強化技術開發與商業化的途徑；
• 在適當情況下套用現有的產業別規範，推動值得信賴的採用與部署；只有遇到真正新型的問題時，才考慮新增監管。4

這套原則也反對建立廣泛的新 AI 監督機構。13

因此，「輕度監管」並不等於 AI 完全不受規範。它的前提是：能夠使用現有法律處理的問題，就不必另立一套全面制度；只有當現有監管無法應對新問題時，政府才增設措施。

黃仁勳區分「實際傷害」與「假設風險」

黃仁勳訊息的另一個重點，是區分可以證明的現實傷害與假設性的未來情境。根據有關他在教堂山發言的報導，他敦促政府針對具體、已在現實世界出現的傷害進行監管，並警告若政策主要建立在想像中的風險上，各國可能錯過 AI 帶來的機會。

這正是 AI 政策爭論的核心。支持較寬鬆規範的人認為，過度超前的監管可能在利益尚未被充分理解前，就先拖慢投資與部署；批評者則指出，若等到傷害大規模發生才採取行動，監管機構可能只能在損害形成後被動補救。

這場部長級會議沒有化解兩種立場的衝突，而是把它們並列呈現：一方面要加快建設，針對具體傷害制定規則；另一方面，當技術後果仍不明確時，政府是否應該採取更審慎的步伐。

就業問題也是基礎設施議題的一部分

勞動力需求在教堂山的討論中佔有重要位置。政策制定者與科技產業領袖探討如何支持 AI 成長，同時處理勞動力短缺，以及技術擴大部署後帶來的人才需求。

黃仁勳一貫的說法，是把 AI 視為改變員工與企業能力的工具，而不是簡化成「機器會取代所有工作」的單一故事。不過，目前可取得的報導並未提供他在這場部長級會議談論就業問題的完整逐字紀錄。因此，較有充分依據的結論是：會議把人才與勞動力準備視為國家 AI 建設的一環，與資料中心、能源及技能培訓同等重要。

實體瓶頸：電力從哪裡來？

大力建設 AI 基礎設施，眼前就有一個難以迴避的瓶頸：電力。AI 資料中心需要大量電力，與會科技領袖也強調，若要增加運算容量，所需能源規模將持續上升。

這使 AI 政策同時成為能源與城市規劃問題。一個國家即使希望擴大本土算力，也必須具備發電能力、電網接入、合適的建設地點，以及快速興建設施的能力。換句話說，晶片與模型只是整體能力方程式的一部分。

AI 基礎設施也是地緣政治基礎設施

教堂山的討論，正值美中科技競爭升溫之際。其中一個重要背景，是開放權重模型日益受到重視。這類模型的底層系統可以下載、執行與客製化；有關中國開放權重模型的報導，正說明模型的取得方式與控制權，已不只是產品選擇，也逐漸成為戰略問題。18

因此，「本土基礎設施」有兩層含義。從經濟角度看，它能幫助各國保留更多 AI 創造的價值；從戰略角度看，它則可能降低對外國運算資源、模型與科技供應商的依賴。美國試圖在 G20 夥伴之間推動一套共同、重視創新的框架，也是更廣泛的科技生態與陣營競爭的一部分。11

為什麼教堂山會議重要？

這場於 9 月 1 至 2 日舉行的部長級會議，是美國主辦、旨在為 2026 年稍後於邁阿密舉行的 G20 領袖峰會預先塑造議題方向的早期會議之一。68

它的意義不在於提出一個已經定案的答案，而在於設定辯論的起點。美國提出的願景是：各國快速建立 AI 能力，在可行時沿用現有規範，並避免以推測性傷害作為主要依據來制定監管。黃仁勳與阿特曼則從產業角度，提供了加大投資與部署的理由。

但未解問題仍然很多：每個國家究竟需要多少本土算力？資料中心與電力成本由誰負擔？勞工如何轉型？什麼時候一項風險已經具體到足以支持新增監管？

這些問題，將決定「基礎設施優先」究竟會成為 G20 的共同方向，還是停留在一項仍具爭議的美國政策主張。

教堂山這場會議最值得注意的，並不是推出了哪一個新模型，也不是各國已經敲定一份完整的監管條約，而是一個更具戰略性的判斷：AI 基礎設施正逐漸成為國家經濟能力的一部分。

輝達（Nvidia）執行長黃仁勳呼籲各國建立支撐本土 AI 經濟所需的資料中心與配套系統；OpenAI 執行長薩姆・阿特曼的參與，則讓 AI 採用、投資與部署的重要性更加突出。

這項產業界主張，與美國政府推動較寬鬆的 AI 治理方向同時出現。會議因此聚焦在一個尚未解決的政策取捨：政府如何取得 AI 帶來的經濟利益，同時避免快速部署的速度超越安全防護、能源供應與公共機構的應對能力？

核心主張：每個國家都需要自己的 AI 能力

黃仁勳的論點是，各國不能把 AI 永遠視為可以從海外採購的服務。政府必須決定，希望在 AI 價值鏈中建立哪些本土能力，範圍從運算基礎設施，到使用 AI 的人才、企業與產業生態系。

資料中心是這項主張的關鍵。黃仁勳將資料中心形容為本土 AI 經濟的基礎；會議相關報導也把資料中心與就業、投資及更廣泛的經濟活動連結起來。

阿特曼的出席則強化了「部署」這一面。第二天的討論涵蓋 AI 採用、經濟成長、勞動力需求、網路安全，以及這項技術不斷上升的能源需求。

實際上，建立 AI 經濟不只是讓民眾能使用聊天機器人，或讓企業取得模型 API。它還需要足夠的運算能力、穩定電力、技術人才，以及能夠開發並商業化 AI 應用的產業生態。

「卡羅來納原則」想改變什麼？

特朗普政府在這場部長級會議上推動「新興科技卡羅來納原則」（Carolina Principles for Emerging Technology）。這套框架重視創新與部署，並不主張對 AI 施加全面、針對單一技術的限制。14

其方向大致包括三項：

• 投資基礎研究，加快新知與技術發現；
• 強化技術開發與商業化的途徑；
• 在適當情況下套用現有的產業別規範，推動值得信賴的採用與部署；只有遇到真正新型的問題時，才考慮新增監管。4

這套原則也反對建立廣泛的新 AI 監督機構。13

因此，「輕度監管」並不等於 AI 完全不受規範。它的前提是：能夠使用現有法律處理的問題，就不必另立一套全面制度；只有當現有監管無法應對新問題時，政府才增設措施。

黃仁勳區分「實際傷害」與「假設風險」

黃仁勳訊息的另一個重點，是區分可以證明的現實傷害與假設性的未來情境。根據有關他在教堂山發言的報導，他敦促政府針對具體、已在現實世界出現的傷害進行監管，並警告若政策主要建立在想像中的風險上，各國可能錯過 AI 帶來的機會。

這正是 AI 政策爭論的核心。支持較寬鬆規範的人認為，過度超前的監管可能在利益尚未被充分理解前，就先拖慢投資與部署；批評者則指出，若等到傷害大規模發生才採取行動，監管機構可能只能在損害形成後被動補救。

這場部長級會議沒有化解兩種立場的衝突，而是把它們並列呈現：一方面要加快建設，針對具體傷害制定規則；另一方面，當技術後果仍不明確時，政府是否應該採取更審慎的步伐。

就業問題也是基礎設施議題的一部分

勞動力需求在教堂山的討論中佔有重要位置。政策制定者與科技產業領袖探討如何支持 AI 成長，同時處理勞動力短缺，以及技術擴大部署後帶來的人才需求。

黃仁勳一貫的說法，是把 AI 視為改變員工與企業能力的工具，而不是簡化成「機器會取代所有工作」的單一故事。不過，目前可取得的報導並未提供他在這場部長級會議談論就業問題的完整逐字紀錄。因此，較有充分依據的結論是：會議把人才與勞動力準備視為國家 AI 建設的一環，與資料中心、能源及技能培訓同等重要。

實體瓶頸：電力從哪裡來？

大力建設 AI 基礎設施，眼前就有一個難以迴避的瓶頸：電力。AI 資料中心需要大量電力，與會科技領袖也強調，若要增加運算容量，所需能源規模將持續上升。

這使 AI 政策同時成為能源與城市規劃問題。一個國家即使希望擴大本土算力，也必須具備發電能力、電網接入、合適的建設地點，以及快速興建設施的能力。換句話說，晶片與模型只是整體能力方程式的一部分。

AI 基礎設施也是地緣政治基礎設施

教堂山的討論，正值美中科技競爭升溫之際。其中一個重要背景，是開放權重模型日益受到重視。這類模型的底層系統可以下載、執行與客製化；有關中國開放權重模型的報導，正說明模型的取得方式與控制權，已不只是產品選擇，也逐漸成為戰略問題。18

因此，「本土基礎設施」有兩層含義。從經濟角度看，它能幫助各國保留更多 AI 創造的價值；從戰略角度看，它則可能降低對外國運算資源、模型與科技供應商的依賴。美國試圖在 G20 夥伴之間推動一套共同、重視創新的框架，也是更廣泛的科技生態與陣營競爭的一部分。11

為什麼教堂山會議重要？

這場於 9 月 1 至 2 日舉行的部長級會議，是美國主辦、旨在為 2026 年稍後於邁阿密舉行的 G20 領袖峰會預先塑造議題方向的早期會議之一。68

它的意義不在於提出一個已經定案的答案，而在於設定辯論的起點。美國提出的願景是：各國快速建立 AI 能力，在可行時沿用現有規範，並避免以推測性傷害作為主要依據來制定監管。黃仁勳與阿特曼則從產業角度，提供了加大投資與部署的理由。

但未解問題仍然很多：每個國家究竟需要多少本土算力？資料中心與電力成本由誰負擔？勞工如何轉型？什麼時候一項風險已經具體到足以支持新增監管？

這些問題，將決定「基礎設施優先」究竟會成為 G20 的共同方向，還是停留在一項仍具爭議的美國政策主張。