一、RAISE計畫的緣起

人工智慧(AI)從文獻回顧到自動化實驗，正在顛覆科學創新的模式。近年來，美國、中國、日本等國家大力投資AI，促使歐盟必須積極發展專屬的AI策略，以強化歐洲的競爭力。歐盟執委會(European Commission, EC)遂於2025年發布「AI科研應用策略」(AI in Science Strategy)，旨在藉AI技術帶動科研創新，重建歐洲在科學創新領域的領先地位。該策略以「歐洲人工智慧科學資源中心」(Resource for AI Science in Europe, RAISE)計畫為核心，整合與協調分散於歐洲各地的AI資源，並致力於兩大目標：促進AI領域的前沿研究(science for AI)以及AI技術在各科研領域中的應用(AI in science)。

RAISE是一個由科學家發起並為科學家服務的虛擬機構，核心任務是串聯AI相關卓越主題網路和前沿AI實驗室網路，藉此匯集各領域傑出的研究與頂尖研究人員，進而打造歐洲各學科卓越中心。RAISE不僅提供長期的資金，並能在歐盟層級協調與整合運算力和資料集，以減少研究的碎片化。在人才方面，RAISE透過培訓活動、獎學金、博士生網路和人才流動計畫促進各種科學交流；同時也積極與AI工廠、AI超級工廠以及產業夥伴緊密合作，協助將科研成果轉化為產業應用，奠定產業的競爭力。RAISE初期在「展望歐洲」和「數位歐洲」計畫下以試辦形式啟動，並於未來分階段以多年期財務架構，與會員國、研究及高教等利害關係人以及私部門展開合作。


二、AI科研應用策略的4大核心主軸與合作協調

1. 卓越與人才
(1) 卓越：卓越的AI研究必須是以人為本、可解釋、公正且安全的解決方案。但據調查發現，8成多研究人員對AI模型存在倫理、準確、安全、隱私的隱憂，超過6成認為缺乏規範，會阻礙AI的發展。EC長期關注倫理議題，將持續推動「設計時即包含倫理」(ethics by design)的方法，並與科學界共同發展培訓、工具等各種資源；對於生成式AI應用，也定期更新操作指南，以負責任地使用生成式AI。
(2) 人才：歐盟的繁榮取決於高技能、跨領域應用的混合型人力資本，亦即具備行業專業知識的AI人才。一如EC發布的技能聯盟策略所言，不但要培育次世代AI人才，還要能吸引與留住全球的跨領域AI人才。各種措施包括：已通過數位教育行動計畫、AI技能學院、STEM教育策略計畫，積極培育AI高級技能；在「2030年數位教育和技能未來發展藍圖」中推動相關工作；同時也將更新歐洲研究人員能力架構(ResearchComp)，將AI納入新的自我評估工具；透過「選擇歐洲」計畫的改善研究人員職涯發展，以及改善簽證政策來吸引並留住國際優秀人才。RAISE計畫將資助博士生網路以及卓越主題網路，以培養次世代人才與科學研究；同時也定期更新「負責任地使用生成式AI的動態指南」以及其他倫理相關的指引。

2. 運算
是推動AI發展的主要助力，也是關鍵瓶頸，學界在這方面的基礎建設較稀缺。在需求大增之後，多轉向私人供應商尋求解決，因而導致鎖定某些特定的供應商，或依賴特定的模型。為防患於未然，歐盟自2018年便開始利用歐洲高效能運算聯合計畫(EuroHPC JU)和歐洲區域發展基金(ERDF)投資先進運算；2025年至2026年更以升級後的EuroHPC超級電腦為基礎建置AI工廠，可提升歐洲研究人員的AI運算能力3倍以上，以支援高算力需求的研究與創新生態系統。歐洲高效能運算中心採取新的存取模式，針對歐盟贊助的科學應用AI計畫，無須再經額外或同儕審查而可優先提出申請。EC進一步整合區域、私部門的資源，擴大成為AI超級工廠，將強大的運算能力結合節能型資料中心及自動化AI，以訓練AI模型的最佳化。RAISE將與高效能運算中心合作，以確保歐盟資助計畫的資源調度與使用優先權。

3. 數據資料
為建構強大的歐洲數據生態系統，歐盟針對不同領域提出許多倡議，包括：歐洲開放科學雲、歐洲健康資料空間、文化遺產雲、材料共享平台、生物資料資源等開放空間以及開放資料指令、資料治理法、資料法等法案，以解決研究基礎設施分散、資料缺乏互通以及隱私等問題。接踵而來的資料聯盟策略更將強調開放高品質、大量的新來源資料，供企業及公共行政部門共享。在此脈絡下，EC將在AI工廠設置資料實驗室，用來整合不同來源的數據資料。該實驗室還可支援其他相關服務，並串聯EuroHPC的基礎設施，透過這些基礎建設策略，強化歐洲在資料上的應用能力。RAISE將與各資料空間串聯，協助辨識科學資料的缺口，並整合與梳理各來源資料，以促進開放科學。

4. 研究經費
歐盟透過展望歐洲計畫經費以及歐洲區域發展基金等的凝聚政策資金，資助AI應用計畫，包括：F‑IMAGE(AI分析地震訊號並分類)、AI‑PREVENT(預測疾病風險與個人化的醫療保健)、BioMonitor4CAP(生物多樣性監測)等。RAISE計畫透過跨領域的協調與優先資助策略，解決研究碎片化的窘境，同時於工業環境中測試科學基礎模型，以利於未來的產業應用。

5. 合作與協調
為有效調度資源，歐盟採取的三個策略，包括：
(1) 與私部門合作：為打造具活力的創業生態系統，透過「新創企業與成長期新創企業策略」，利用科學發現、創新模型、工具開發或創新服務，協助建構獨特商業模式與競爭優勢，解決新創的資金與法規監管等障礙。以人工智慧法案為主，通用AI模型提供者指南、通用AI實踐準則、AI法案服務台以及AI監理沙盒等措施為輔。EC也將召開AI應用峰會，匯集利害關係人共商AI法案對科學界的影響，如評估對衍生公司的研究豁免等。
(2) 歐盟會員國的政策協調：歐盟約9成公共研究經費來自國家層級，因此該層級的行動和投資至關重要。協調工作將在歐洲研究區(ERA)的治理架構下運作，作為2025年至2027年ERA政策議程的一部分，並扣合即將推出的ERA法案與ERA相關戰略目標，同時支持RAISE的設計和發展。亦開發指標和衡量標準來監測AI在科學領域的應用效益。
(3) 與國際的聯盟與合作：歐盟推動AI應用政策架構，除了保有戰略自主性以外，更有塑造全球標準的野心，因此在國際間尋求合作，意在成為全球AI領域的領跑者。在既有的框架下，歐盟國際數位戰略、全球研發創新方針、展望歐洲計畫以及與第三國簽署的科技協議等，進行互惠的國際合作。


三、AI在科學的應用

1. 先進材料設計應用：應用於電子、能源、生物醫學或航太等尖端領域的先進材料，為確保歐盟經濟安全的關鍵技術。全球先進材料市場約5兆歐元，其中歐盟佔25%。AI在創新材料的辨識與驗證速度方面，可以比傳統方法快1000倍以上。EC將於2026年提出「先進材料法案」，為研發到應用提供完整生命週期框架。

2. 生物科技應用：歐盟的生技產業規模接近650億歐元，創造了30萬個就業機會。生物AI模型可預測生物分子的立體結構，省略冗長的實驗過程，得以從零開始開發新的生物製劑。歐盟雖然有優秀的生技研究生態系，但領先的生物AI模型多半掌握在歐洲以外的私人機構手上，除了要克服數據的互通性，也必須處理不同生物、地理來源等不同類型的生物數據問題，同時還有倫理議題。為此，歐盟將啟動生命科學策略、歐洲資料策略以及生命科學AI工廠等倡議，以加強其安全性、可靠性和可信度。