支持度只剩3%,日本左派勢力為何淪為「萬年在野黨」?
我們想讓你知道的是
「民主王國」用語,主要是用來對抗自民黨鐵票區「保守王國」,但對於民主黨而言,特別是農村、中型都市的選區,整體上來說,民主黨系候選人的票源尚待開拓。
本屆日本眾議員任期將在10月21日結束,新任首相岸田文雄決定在10月14日解散國會,大選將在任期結束後的10月31日舉行,創下日本憲政史上首例。
值得注意的是,《時事通信》民調發現,最大在野黨「立憲民主黨」的支持率只有3%,而且已經連續下降三個月;另一個民主黨體系出身的「國民民主黨」,更創下支持率為0%的「奇景」。自民黨長年宰制日本政治已不是新聞,要找出究竟是什麼原因,使得日本選民對在野黨的態度幾近「不屑一顧」,才是分析上最困難的部分。
換首相沒有差別?日本萬年在野黨不變
日本民主黨系政黨和非自民黨系的聯合,並不是沒有成功的例子,2009年至2012年曾短暫執政,不同於現在「一強多弱」的政治格局,當時民主黨單獨過半,自民黨成為第二大黨,偏向兩黨制運作,不過民主黨的政權基礎迅速鬆動,執政3年首相換了3人,黨內深陷權力鬥爭,外加政策連續失利,2012年失去政權後,開啟長達8年的重組期。
舊民主黨陣營無法整合的原因是什麼?究竟是意識形態、黨產,或對美中路線根本上的分歧,各種說法都有,絕非單一因素,不過即便眾議員選舉在即,這次在野黨無法形成新聯盟,共同對抗自民黨,也是大多數日本政治評論家的共識。
回到地方選舉,或許更能了解實質整合的困難。
7月的東京都議會選舉,被解讀是眾院選舉前哨戰,立憲民主黨和共產黨在23個選區成功整合,並在12個選區贏得席次,數字上看似勝選,但立憲民主黨在東京也不過是「第五大黨」。兩黨所謂的「勝選區」,多半是既有票倉,或是靠著國會議員拉抬都議員「母雞帶小雞」,才有辦法擠進當選名單;令人不解的是,立憲民主黨黨魁枝野幸男親自出馬輔選的選區,竟大多以落選收場,今後面對全國性選舉,立憲民主黨有多少吸票能力,終究是問號。
敵人的敵人也不是朋友,日本在野黨想贏嗎?
在野陣營在東京都議會選舉的合作,非但無法邁向為更大聯盟,反倒提前為眾院選舉的合作增添變數,國民民主黨幹事長榛葉賀津也痛批,立憲民主黨和共產黨的合作,嚇跑了不想投給自民、公明聯合政權的選民,讓小池百合子領軍的都民優先會坐收漁翁之利,獨攬中間選民的選票。即便到了選前一個月,國民民主黨黨魁玉木雄一郎仍堅持要更為「中道保守」,傾向跟日本維新會和小池百合子合作。
榛葉多次批判,國民民主黨的政治理念與立憲、共產兩黨不同,未來在政策溝通上,將會劃清界線。「國民」陣營和「立憲」陣營至今在比例代表票、選區提名、政見上都無法整合,即便系出同源,對納入左派勢力的合作,存有相當大的戒心。
2012年民主黨失去政權後,經歷黨幹部、前內閣閣員、幹事長等多重身分的小澤一郎,不停地在各個流派上演團結、拆夥、再合作的戲碼,從最初的「國民生活第一黨」、「新黨紐帶」、「民進黨」三黨開始細胞分裂,又結合舊社會黨和小池百合子班底,組成「自由黨」、「希望黨」、「生活黨」「未來黨」等政黨。
2020年,民主黨譜系的議員朝向二分化發展���分別匯流到「國民民主黨」和「立憲民主黨」兩陣營,多人帶槍投靠後,立憲民主黨頓時在參眾兩院囊括「現成」的議員,號稱國會最大在野黨。
![AP_18127253386740](http://178.128.105.246/content-https-image1.thenewslens.com/2021/10/qofjtlpo2g7vxxog5wuzlgjqnnxcsr.jpg?auto=compress&q=80&w=150)
日本人只支持自民黨?其他政黨在哪裡?
林超琪2013年的研究指出,日本參議院全國選區採取「利益團體推薦、政黨提名」的模式,可做為政黨組織動員的指標。換言之,參院選舉的政黨比例名單,較能體現日本政黨與友好利益團體的真實關係。
距今最近的2019年參院選舉,立憲民主黨在比例名單當選8席,成員屬性包括日本教職員組合(日教組)、郵政工會、情報產業工會、民營鐵路總工會,甚至一向被視為較支持自民黨的日本醫師會前成員,也被立憲民主黨提名為參院候選人,可見勞工工會、職業團體等公會,是民主黨系候選人重要的支持者。
此外,在岩手縣、神奈川縣、愛知縣、三重縣、宮城縣中的特定選區,民主黨系或非自民黨系的候選人,較容易成功整合出人選,當選次數高於自民黨,日本媒體有時以「民主王國」稱之,但所謂民主黨的鐵票區,也少有出自單一政黨或單一地區者,仍需觀察友好團體或其他陣營的支持傾向,才能斷定在該選區中,民主黨是不是「穩贏的」。
「民主王國」用語,主要是用來對抗自民黨鐵票區「保守王國」,但對於民主黨而言,特別是農村、中型都市的選區,整體上來說,民主黨系候選人的票源尚待開拓。
有趣的地方在於,《時事通信》的民調數字表示,就算是第一大黨自民黨,支持率也有26.5%,這說明了日本大多數選民,並不是「非自民黨不可」,NHK的長期調查顯示,最大在野黨「立憲民主黨」的支持率一直處在自民黨的六分之一,除非自民黨的友好團體一夜之間全部倒戈民主黨,或是自公聯合政權出現極端分裂,要說民主黨系、非自民黨體系有「鐵票」或「王國」,恐怕是過於片面的猜想。
選民會找政黨「復仇」?自民黨最惹人厭?
「在野黨積弱、自民黨恆大」,難道就是日本政治的「杜瓦傑定律」?吾人談論日本政治,只顧著把自民黨神格化,是一種思考上的怠惰和偷懶,要探究足以扳倒自民黨的動能,終究還是要回歸大多數的「中間選民」,畢竟長久以來有四成以上日本選民表態,「不願支持特定政黨」,加上無論何時改選,自民黨的「保底」基本盤,至多三成。
不管新首相岸田文雄是不是吸票機,民主黨系或非自民黨陣營想要搶下眾議院的席次,除了主觀上好好合作搶票,無黨派的日本選民,願不願意出門投票,或是乾脆放棄投票,或是採取其他「報復」自民黨的投票行為,將決定非自民黨系的候選人,在開票當日有沒有機會高喊「萬歲」。
延伸閱讀
- 2021日本大選看關鍵:自民黨政權崩壞?
- 官僚之國:日本文官太聰明,為保利益隨時可以搞垮政權
- 民眾不關心、外交部也不經營的日本在野黨,真的那麼沒用嗎?
- 曾經的東亞罷工國日本,現在談罷工卻有種「任性」的感覺
責任編輯:羅元祺
核稿編輯:翁世航
“2021日本大選”的相關議題
- 2021-10-14 2021日本大選看關鍵:自民黨國會過半,岸田時代急展開
- 2021-10-12 殊途不同歸:左派「祖師爺」在沖繩吹起反攻的號角,日本共產黨如何走出自己的路?
- 2021-10-11 支持度只剩3%,日本左派勢力為何淪為「萬年在野黨」?
- 2021-09-17 日本自民黨總裁選舉開跑:2男2女競逐,誰將接替菅義偉成為新首相?
- 2021-08-06 再度延長到8月底的緊急事態宣言,是維繫菅義偉政權的「最後生命線」
《台灣產業 AI 準備度調查》凸顯「數據力、運算力」重要性,Google Cloud 提供 10 個步驟建議實現生成式 AI 應用
![《台灣產業 AI 準備度調查》凸顯「數據力、運算力」重要性,Google Cloud 提供 10 個步驟建議實現生成式 AI 應用](https://image1.thenewslens.com/2024/8/xpdsin9szzqis56cvpxqinkkwrhlvf.jpg?auto=compress&h=90&q=80&w=150)
我們想讓你知道的是
過去兩年生成式 AI 的快速崛起,讓我們見證到 AI 如何以驚人速度影響著世界!不少企業對 AI 懷抱美好想像,但當實際著手導入 AI 專案,才驚覺內部 IT 基礎架構與資料策略存在許多缺漏。對此,Google Cloud 與人工智慧科技基金會(AIF)公布《台灣產業 AI 準備度調查》,作為企業經營者擘劃 AI 藍圖的參考,同時也為資訊長、IT 主管提供內部資源盤點指引。
前瞻技術能否發揮影響力,可藉助其應用產值加以觀察。根據麥肯錫 2023 年發布《生成式人工智慧的經濟潛力》報告,指出生成式 AI 每年可為全球經濟增加數兆美元的價值。另外,PwC 的 2023《全球人工智慧研究:發掘 AI 革命》預測到 2030 年,AI 將為全球 GDP 創造高達 15.7 兆美元價值。
AI 紅利大家都想分一杯羹,而究竟台灣企業普遍在擁抱 AI 機會的準備度現況又是如何? Google Cloud 攜手 AIF 製作《台灣產業 AI 準備度調查》,評估的面向涵蓋:數據力、創新力、技術力、治理力、運算力,結果發現,2024 年台灣企業整體 AI 準備度指數平均 54.08。其中,「數據力、運算力」與 IT、資訊工作最相關的指標,在這份報告提供深具價值的關鍵洞察。
![AI指數五大能力-2](https://image1.thenewslens.com/2024/8/oyq0shxjt4bkf4kbogs87f90kf42ii.jpeg?auto=compress&q=80&w=150)
![AI準備度指數-2](https://image1.thenewslens.com/2024/8/vsmal6lalxd7m4us0a5vz33fnm6a3t.jpeg?auto=compress&q=80&w=150)
企業 IT 部門最該關注「數據力、運算力」兩大指標,關鍵仍在企業策略
首先是「數據力」,對於計畫導入 AI的企業,數據的準備度至關重要。企業必須能快速蒐集、處理多個數據來源的資料庫,例如要跨部門合作打通ERP、CRM系統資訊,以整合不同來源的資料餵養企業 AI 模型、幫助企業各部門同仁從日常工作更輕鬆從資料獲取價值。
不過《台灣產業 AI 準備度調查》點出,目前僅 17.8% 的台灣企業有能力整合並快速處理不同來源資料。多數企業尚未打造一個資料存取的整合平台(如資料湖、資料倉儲),內部各類數據散落在不同單位,導致數據孤島 (Data Silos)情況普遍存在。除了業務單位無法快速、自主運用資料,當然也無法訓練 AI 模型洞察營運全貌,找出企業第二成長曲線的可能性。
至於該如何解此困境?根據《Google Cloud 如何協助機構運用生成式 AI 實現創新》白皮書,提出策略建議:善用雲端平台整合企業資料,同時在雲端環境訓練 AI 模型來深入分析營運資訊。像是 BigQuery、Cloud Spanner、Looker、乃至於 Vertex AI 相關解決方案,都已涵蓋在雲端的整合式智慧資料平台,不僅解決數據孤島還有效管理資料生命週期各個階段。
《台灣產業 AI 準備度調查》另一個值得科技人注意的是「運算力」,因深度學習訓練、圖像生成、自然語言處理等任務,皆需大量而複雜的計算,算力架構的規劃更應納入 IT 決策進行整體評估。從報告可以發現,目前 AI 模型所仰賴的 GPU 運算環境部署,混和雲、公有雲及私有雲,各有約 2 成的企業支持。
![運算環境-2](https://image1.thenewslens.com/2024/8/adkrqn63ob2npa6debwfdmfs0p55b6.jpeg?auto=compress&q=80&w=150)
![運算資源規劃-2](https://image1.thenewslens.com/2024/8/bsrve6b5mx8n4uwe9nhw9b91qi913r.jpeg?auto=compress&q=80&w=150)
不過,進一步調查企業的運算資源策略,發現達 51.5% 企業仍處於不清楚規劃或沒有需求的狀況,若想要充分發揮生成式 AI 的潛力,構建兼具性能、敏捷和可擴展的基礎設施及運算資源是至關重要的。Google Cloud 台灣技術總監安玟宇提到,「當企業在評估運算資源,可先考量是否需要發展自己的大型語言模型,或是把 AI 視為驅動企業成長的工具之一,借助第三方 AI 方案對應企業的使用場景。」
評估算力資源的方式,目前有兩大模式為主流。其一是企業準備投入人力撰寫程式碼,希望部署專為 AI 訓練優化的特殊加速器,如 Google 提供的 Tensor Processing Unit(TPU),利用更進階的硬體進行更高效益的訓練運算;另一則是使用通用型 GPU 執行,把資源投資在其他優先處理相關業務場景。
從 0 到 1 打造生成式 AI,Google Cloud 分享 10 大步驟
有鑒於眼下 AI 的快速發展,企業資訊長或 IT 主管往往肩負起高層的期望:在公司內部快速導入生成式 AI 工具,幫助各部門成員提高生產力。至於該如何從實驗階段進展到加速階段,最終走向規模化?Google Cloud 在《給高階主管的生成式 AI 指南》白皮書當中,分享「30 天內推出第一個應用實例的 10 個步驟」,幫助企業快速展開 AI 旅程。
![Screenshot_2024-08-23_at_12_53_59 PM](https://image1.thenewslens.com/2024/8/pprq0mpx5plkntvegum5p9oy90dfzh.png?auto=compress&q=80&w=150)
這 10 個步驟參考上圖所示,可粗略區分為幾大環節,第一階段是準備期(步驟 1 ~步驟 3),確認 AI 要解決哪個業務領域,或關注哪項需要 AI 輔助的工作職務。並且決定資料來源,減少幻覺回應並改善 AI 的可解釋性。
到了第二階段(步驟4~步驟7)則是展開期,包含選定專門團隊人才;確定意圖、目標和期望達到的成果;與專門團隊攜手設計提示;打造容易使用的操作體驗與介面。有了上述累積的基礎之後,到了第三階段(步驟8~步驟 10)則是擴展期,包含向團隊其他人員開放模型的使用;擬訂計畫監管 AI 模型輸出內容;以及將應用範疇拓展至其他應用實例。
當企業期待透過生成式 AI 來加快業務流程,甚至進一步為組織帶動成長,從《台灣產業 AI 準備度調查》發現,企業掌握資料搜集與應用能力的下一步,想要持續發揮 AI 價值綜效,必須在數據整合及運算工具資源繼續耕耘,尋找合適的雲端合作夥伴,AI 才會成為推動企業轉型的真正驅力。
本文章內容由「Google Cloud」提供。