這些在地化資料就像 AI 的教材，幫助 AI 模型更了解台灣，學會更自然、更貼近台灣社會的語言表達能力。
數發部指出，先中央機關協作，將過去資料及新增資料納入以文字為主的語料庫。例如文化部上架的公共藝術與文化資產類型資料集，展現台灣豐富、多元的藝文風貌，可作為訓練 AI 模型認識台灣文化內容的重要素材；教育部提供的語言辭典資料涵蓋台語、客語等，有助於強化 AI 模型的用詞精準度與語意理解能力。明年起將與地方政府、民間單位合作擴充語料庫，並與國內外廠商對接、投入訓練與應用。
為了擴大政府資料開放與共享，並促進產業與民間資料運作，數發部推動的《促進資料創新利用發展條例》草案已送至行政院審議，後續將送立法院。數發部更與經濟部智財局推出 《臺灣主權 AI 訓練語料授權條款－第 1 版》，讓語料釋出有明確的授權依據，降低個別著作權商議所要付出的龐大行政成本，減少 AI 訓練資料可能產生的著作權爭議，藉由授權條款先行機制，全力加速主權 AI 的發展與應用。
資料與人才將是 AI 發展的護城河，數發部積極推動正體中文語料庫，未來也會朝多媒體如影像、圖像等資料形式發展，並在合作框架下，引導地方政府與民間單位參與起中。