五月中，台灣人工智慧學校的Claude Code Demo Showcase現場，開發者們帶著專案輪番上陣。多數人做的，是今年最熱門的AI代理與商業應用；輪到黃亮勳上台時，他的投影片上卻是一筆筆資料清單。
這是他花了十天，將超過五萬筆格式混亂的台灣政府開放資料，清洗成AI讀得懂的資料庫，取名「Twinkle hub」。
「Twinkle hub」是一個透過MCP（Model Context Protocol，模型上下文協定），讓Claude、ChatGPT等大型語言模型直接「插上」外部資料庫查詢的技術，就像早期電腦要「插上」網路孔才能連上網一樣。
「Twinkle Hub不是要做Agent，」他環顧全場近百位開發者，「我們要為所有夥伴做Foundation（地基）。」
一個MCP端點，接起五萬筆開放資料
這句話，戳中了台灣AI應用的痛點：開放資料雖有，但堪用的不多。例如，想查「醫美產業每年因醫療糾紛累積的判決金額」，得先猜資料是在法院判決書，還是醫療相關資料集，從五萬多筆資料集中一個一個翻找。
「這種Open Data不適合人類用，更不適合Agent用，」黃亮勳點出關鍵：AI Agent再聰明，讀不到乾淨的台灣資料，就變不出在地應用。
但有了Twinkle Hub，不必爬蟲、不必寫程式，只要一句話提問，AI就能自動查詢Twinkle Hub整理好的資料庫，幾秒內回傳答案。每天，Twinkle hub都會自動與政府開放資料同步更新，一般人也能運用最新資料，開發自己的小工具。
Twinkle Hub把五萬筆政府開放資料，變成AI能直接查詢的資料庫。圖片來源：取自Twinkle hub
開發十天上線，首月會員破三千
黃亮勳的正職是科技新創APMIC的AI工程總監，平時負責訓練大型語言模型、處理開放資料，對台灣開放資料的品質與介面並不滿意。今年四月，他終於決定要用Claude Code，做一個理想中的資料平台雛形。
「只要有想法，我就會在幾天內把它硬做出來，」黃亮勳是急性子，他原本給自己三天；但沒想到光是清洗五萬筆髒資料，再按19個領域分門別類，就花了八天。每一天，他都等到女兒熟睡才開工，獨自熬到凌晨兩、三點，卻一點也不累，「因為一旦陷入熱情，你會覺得時間像是靜止。」
十天後，週日凌晨三點半，Twinkle Hub終於上線。但黃亮勳沒有立刻公布，他聽朋友建議「臉書演算法在週一早上流量最好」，等到隔天上午十點才正式發文。「一發出去，讚數跳得比我人生任何一則貼文都快，」說話很快的他講的眉飛色舞。
一個月後，每日活躍使用者近500位，會員數突破3,000名，是原定目標的三倍。
上線三個多月以來，有人用它做出南投合法民宿查詢工具，有人拿它分析台中交通事故熱點；後來還有政府機關來電詢問收費計劃，連維基百科也來聯繫。因網友許願，又新增了國考題庫、觀光統計、無人機管制區域等資料。
黃亮勳沒想過，有人用Twinkle Hub做出南投合法民宿查詢工具，有人拿它分析台中交通事故熱點；還有政府機關來電詢問收費計劃，連維基百科也來聯繫。甚至他的高中同學主動聯繫，說只花半小時就做出實價登錄Agent；連去個廁所，也有陌生人稱讚資料好用。因網友許願，Twinkle Hub又新增了國考題庫、觀光統計、無人機管制區域等資料。
企業主動敲門搶曝光
這股熱度，很快從開發者社群蔓延到了企業界。
Computex那幾天，Twinkle Hub閃著黃色星星標幟的攤位，幾乎成了粉絲見面會；有家百貨公司資訊部門同仁甚至主動找上黃亮勳，希望把百貨櫃位資訊、活動消息，接上Twinkle Hub；這樣一來，當消費者問AI助手「附近有什麼保養品優惠」，AI就能直接查到、回答這家百貨的活動，不必自己上網一個個搜尋比較。
對企業來說，這正是一種新型態廣告：資料放進Twinkle Hub，就等於有了一個被AI優先看見的位置。
這個邏輯放大到整個台灣，就戳中了黃亮勳心裡更大的焦慮：資料不主動餵進AI，AI就不「認識」你。
差別在於，百貨公司不接資料，頂多是消費者少看到一次促銷；但台灣的文化、語言、社會經驗如果沒有進到主流AI模型，被排除在外的，會是下一代對「台灣是誰」的整個認知。
從模型訓練家到開源社群推手
這已經不是黃亮勳第一次為了同樣的焦慮，一個人衝上戰場。
很難想像，如今活躍開放社群的黃亮勳，一年多前還只是一位長期潛水的獨立開發者。
2025年初，他不服有人斷定「只有企業巨頭能做LLM」，借了六張NVIDIA H100顯卡，從預訓練做起、四處蒐集資料，憑著一己之力，打造出台灣最小的繁體中文底層模型「Llama-3.2-Taiwan」。
幾週後，Deepseek橫空出世，黃亮勳不想坐困台灣AI界的末日恐慌，又找上APMIC和國網中心支援算力，完成台灣第一個手機端深度推理模型「Formosa-1」，「我就是這樣，看不下去，就有一種要主持正義的感覺。」
這段旅程讓黃亮勳在社群竄紅，也結識許多關心台灣在地AI、熱衷模型訓練的開發者，成立了開源社群Twinkle AI，如今已在Discord社群累積超過1,800位成員。
凝聚眾人的，是AI浪潮下的文化流失危機。
資料是模型訓練的核心原料，黃亮勳擔心，如果台灣的資料集無法進入ChatGPT、Gemini等主流AI模型，下一代接收的資訊將會被中、美兩大強勢文化體吞沒，「這是文化侵略。我們現在做的不是訓練AI，而是文化保存。」
不同於企業內部AI專案，Twinkle AI希望集合開發者與各領域專家，從資料、模型到應用，一起補足台灣AI發展需要的基礎。
從事進口建材業的顏大非就是其中一員。他的工作原與AI無關，但接觸生成式AI後，也開始憂心台灣的語言、文化與產業經驗會被忽略。
去年七月，他參加數位發展部的AI技術小聚，首次聽到黃亮勳分享Twinkle AI與在地模型的開發理念，引發深刻共鳴；會後他向黃亮勳毛遂自薦，用自己的行銷溝通專長，一起挨家挨戶尋找資料授權，成為Twinkle AI拓展外部合作、尋找文化語料的重要推手。
因此，Twinkle AI的目標，是從資料基礎建設做起，建立台灣的主權資料集，打造出台灣道地的專屬繁體中文模型。成軍一年多，Twinkle AI已開發出台灣專屬的AI評測工具、多模態資料集、語音模型等在地化應用，是少數擁有自創產品服務的開源社群。
這樣的成績，也使黃亮勳拿下2025年IT Matters Awards開源社群貢獻獎。
Twinkle AI成立滿一年，已開源多項模型與資料集，首場社聚湧入滿場開發者。圖片來源：黃亮勳提供
AI地基成為國安命脈
得獎不代表他能鬆一口氣，台灣與其他國家的AI發展落差，仍是他心中更大的焦慮。
「我非常認同中國的一個行為，就是『一定要打造自己的東西』，」看見中國因對智財權的漠視，反而形成資料唾手可得、人人自研模型的生態，使黃亮勳陷入糾結。他不是要台灣無視著作權，只是不甘心：「我不知道為什麼台灣會落入一個產晶片，卻缺晶片、缺資料，什麼都做不了的境地？」
在他眼中，AI已是新一代的電源和網路，是戰略層級的民生必需品，「假設發生戰爭，人家只要切掉資訊網，不給你語言模型，你的命脈就像電源一樣，拔掉就沒了！」
六月，美國政府以國安理由，一度禁止非美籍人士存取Anthropic最新模型Fable 5，Anthropic因此暫停全體用戶的存取權限。儘管管制已在數週後解除，這起事件仍使黃亮勳心有餘悸。
他相信，只有自研模型和地端模型，才會永遠留在身邊，「大家都在釋出新一代模型，我們還在吵開放資料法條，等到授權都通過，我們已經離西方和中國太遙遠。」
台灣的自研模型該由誰做？黃亮勳早有答案：政府做不來、企業不敢做，只有社群能扛起。
他舉例，國科會推動的繁中大型語言模型TAIDE，正因為是公家模型，凡事都得謹慎合法，還得接受立法院放大檢視——光要談成一批乾淨的訓練資料，就得層層協調，速度遠遠跟不上模型迭代。
科技業則普遍保守，小公司缺乏資源，大公司又綁手綁腳，擔心牽動股價和商譽。即便有企業推出自研模型，卻在下載點設審核關卡，稱不上真正開源，也鮮少對外公開更新進度。
但社群不一樣——不受利害衝突與商業算計牽制，成員全靠熱情凝聚，自發投入的時間常超過正職工時。「這就是社群的魅力所在！」黃亮勳說，不過「資金」也是社群的罩門，只能一家一家談贊助換算力。
Twinkle Hub的下一步
眼前，Twinkle hub正準備上架Anthropic官方應用市集，讓全球用戶一鍵安裝，直通台灣的開放資料；但時至今日，黃亮勳仍在一家一家搜羅還沒被整理的開放資料，持續與企業談授權——這一切，都是為了一個更大的台灣資料宇宙。
黃亮勳想串接私有資料，讓百貨櫃位活動、地方社群等資訊，都能透過Twinkle Hub即時推送給AI助手，進而建立起完整的生態系；也想讓Twinkle Hub能串接法國、美國、日本、韓國等國的開放資料，成為跨國資料的查詢起點。
長遠一點，他甚至想過讓Twinkle AI發展成「Twinkle AI Enterprise」，成為社群的長期靠山，讓大家無後顧之憂地研發台灣繁中模型。
採訪當天，黃亮勳身上別著開源社群Twinkle AI的小星星徽章。圖片來源：詹湘淇攝
「Twinkle」這名字，原是黃亮勳某天哄女兒睡覺，唱著〈小星星〉隨口取的。後來，他才想清楚這個名字更深的意義：「每個人都像一個小星星。集結社群很多高手，大家共事，每個人都像星星一樣，台灣就亮起來了，就是一個銀河系，」採訪最後，黃亮勳感性地說起「Twinkle」命名的由來。
這個獨自扛起十天工程的人，念念不忘的，始終是一整片星空。
