| 支持 | 反對 |
| 提升經濟競爭力：人工智能已成為全球科技和產業競爭重點，金融、醫療、物流和專業服務都會受影響。當局若缺乏本地算力和基建，企業可能需要依賴外地平台，削弱發展速度。公共資源投入可為本地創科建立基礎，吸引企業和人才。 | 公共資源有限：當局面對房屋、醫療、教育和長者服務等迫切需要，公共財政亦需保持審慎。AI 基建雖有前景，但未必能即時改善市民生活。若投入過多公共資源，可能擠壓其他民生項目，令資源分配被質疑不夠貼近基層需要。 |
| 支援本地科研：大學、研究機構、初創和中小企未必有能力自行購買昂貴算力。若當局提供共享基建或資助平台，可降低研發門檻，讓更多團隊進行模型訓練、數據分析和產品測試。這有助把科研成果轉化為實際應用和商業機會。 | 能源消耗龐大：數據中心和高性能算力設施需要大量電力、冷卻系統和穩定供電，可能增加碳排放和電網壓力。城市土地和能源供應有限，若未有清晰綠色能源方案，大規模發展算力基建可能與減碳目標出現矛盾。 |
| 推動產業升級：AI 不只服務科技公司，也可提升傳統行業效率，例如醫療排程、金融風險管理、物流路線規劃、教育個人化和當局服務自動化。若當局有足夠算力基建，不同行業可更快試驗和應用 AI，推動經濟由勞力密集轉向高增值。 | 土地成本高昂：城市土地珍貴，數據中心通常需要較大空間和特定機電設施。若把土地用於算力基建，可能與房屋、社區設施、物流和其他產業用地競爭。當局需要證明相關土地使用能帶來足夠公共利益，否則容易引起爭議。 |
| 加強數據安全：若所有重要 AI 計算和資料處理都依賴外地雲端，企業和公共機構可能面對數據跨境、服務中斷和合規風險。發展本地算力基建可讓敏感資料在更可控環境中處理，對金融、醫療和公共服務尤其重要。 | 投資回報不確定：AI 技術發展很快，硬件規格、商業模式和市場需求都可能迅速改變。若當局投資方向錯誤，基建可能很快落後或使用率不足。公共資金承擔高風險科技投資時，必須有清晰評估機制，避免追逐潮流而浪費資源。 |
| 配合智慧城市發展：當局若要推動智慧交通、城市規劃、公共醫療、環境監測和數碼當局，背後都需要穩定數據處理和 AI 分析能力。算力基建可視為城市基礎設施的一部分，就像道路和電訊網絡一樣，長遠支援公共服務現代化。 | 私營市場可主導：AI 和雲端服務本身已有大量私人資本投入，當局未必需要直接大規模興建或資助算力設施。較合適的角色可能是制定標準、保障數據安全、培訓人才和促進公平競爭，而不是由公共財政承擔主要投資風險。 |
Leave a Reply
Want to join the discussion?Feel free to contribute!