隨著2026年台北市長選舉的戰鼓逐漸響起，選情動態備受各界關注。本次調查由TPOC台灣議題研究中心主辦，採用創新的「矽基樣本（Silicon Sampling）」，針對台北市約209萬合格選民結構，建構了包含17,550個具代表性的AI虛擬認知代理人（Synthetic Personas）進行全數普查模擬。在假定由現任市長蔣萬安（國民黨）對決立法委員沈伯洋（民進黨）的對戰組合下，這份模擬數據不僅反映了當前台北市民的政黨版圖，更透過細膩的交叉分析，勾勒出選民結構的潛在板塊位移。
政治2026.09.30 15:20 臺北時間
AI民意模擬台北市選戰／「洋流」襲擊首都？蔣萬安46.1%領先沈伯洋36.7% 20、30世代支持度差距縮小
- 記者｜鏡新聞
好感度與支持度的拉鋸
1.個人好感度與淨差分析
在第一題的好感度調查中，全體受眾對蔣萬安表示「比較有好感」者佔33.5%，沈伯洋則為28.1%，好感淨差（蔣減沈）為+5.4個百分點。然而，若進一步觀察「兩位都沒有好感／都不喜歡」（15.4%）以及「沒意見／無感／都差不多」（18.7%）的比例，兩者相加高達三成四，顯示首都選民中存在著顯著的政治冷感與觀望族群。
從行政區來看，蔣萬安在大安區（淨差+10.0）與文山區（淨差+9.7）維持傳統藍營優勢；相對地，大同區則由沈伯洋以32.1%的好感度超越蔣萬安的28.7%（淨差-3.4），顯示綠營在特定綠營優勢區仍具備堅實底氣。
2.投票支持度（含傾向）攻防
在Q2的投票對決中，經過追問隱性與觀望選民後，蔣萬安的支持度達到46.1%，沈伯洋則為36.7%，支持度淨差為+9.4個百分點。雖然蔣萬安保持領先，但沈伯洋在年輕族群（20-29歲、30-39歲）展現了強勁的競爭力：
•20-29歲族群：蔣萬安支持度37.4%，沈伯洋36.8%，雙方差距僅剩0.6個百分點。 •30-39歲族群：蔣萬安39.0%對上沈伯洋37.3%。
這項數據傳遞出強烈警訊：在青年世代中，藍綠兩黨的吸票能力幾乎不相上下，傳統的政黨優勢在年輕選民身上正逐漸融化。
深度交叉分析：年齡、學歷與政黨動態的黃金交叉
- 高學歷與青年選民的「信任赤字」
從學歷與年齡交叉分析中，可以發現一個有趣的現象：學歷越高、年齡越輕，對蔣萬安的施政滿意度與支持度相對越低。
•在20-29歲與30-39歲年齡層中，蔣萬安的施政淨滿意度分別呈現-15.1與-13.1的逆勢。 •在大學及碩士以上學歷的受眾中，蔣萬安的施政淨滿意度分別為-2.0與-4.1。
這顯示出高學歷及年輕選民對於現政權的監督力道更強，對施政瑕疵或爭議的容忍度較低，是未來選戰中變數最大的族群。
- 中間選民與台灣民眾黨的動向
在關鍵的「中間選民」板塊（樣本數高達4,975人）：
•在Q2的投票對決中，中間選民支持蔣萬安者佔36.2%，支持沈伯洋者佔36.1%，支持度幾乎呈現平盤（淨差+0.1）。 •對於「沈伯洋現象」的本質認定，中間選民與民眾黨支持者多數認為屬於「社群網路時代的KOL式聲量與非典型政治人物崛起」（分別佔29.1%與33.1%），其次則是「兩者兼具」（政黨動員與網路自發並存）。
這意味著沈伯洋的政治能量並非單純依賴傳統綠營組織固票，而是成功搭上了新媒體時代的聲量紅利，對厭惡傳統政治口水的群體產生了吸引力。
施政滿意度與選民對現任者的期待
在Q5現任市長蔣萬安的施政滿意度調查中，全體受眾有45.0%表示滿意（非常滿意7.8%、還算滿意37.2%），40.2%表示不滿意（不太滿意23.1%、非常不滿意17.1%），淨滿意度為+4.8個百分點。
然而，當非藍綠陣營（民眾黨、其他政黨及中間選民）被問到「蔣萬安必須採取何種行動才能提升信任度」時（Q7）：
•有26.3%認為應「全面公開透明，並接受第三方或議會的獨立調查與檢視」。 •有22.6%認為「以上皆是（公開道歉、配合調查、政策澄清缺一不可）」。
這顯示選民對地方首長的高標準要求，不僅要口頭辯護，更需要實際的制度性檢視與危機處理能力。
綜觀本次2026年台北市長選舉的AI模擬民調數據，蔣萬安雖在整體支持度（46.1%）與看好度（39.5%）上保持領先，並擁有深厚的高齡與傳統基層支持，但沈伯洋所帶動的非典型政治風潮，已在年輕族群、高學歷選民及中間選民中撕開防線。
對於藍營而言，如何鞏固核心價值並修補青年選民的信任缺口，將是連任之路的勝負關鍵；而綠營若能持續擴大空戰聲量並深耕中間選民，這場首都之戰絕非一面倒，勢必將演變成一場高張力的選戰對決。
【研究方法與調查說明】
•調查單位與主持人：TPOC台灣議題研究中心／計畫主持人：陳丕舒創辦人。 •出資者：影響力數據股份有限公司。 •辦理時間：2026年9月29日（模型執行日）。 •研究母體：台北市符合投票資格之選舉人總數，約209萬人。 •抽樣與樣本規模：非傳統隨機抽樣。本系統採用獨家「Silicon Sampling矽樣本技術」，透過大型語言模型（LLM），依台北市人口之性別、年齡、12個行政區及教育程度等人口結構特徵按比例生成AI虛擬受眾代理人（AI Agent），有效模擬樣本為17,550個代理人，進行全受眾普查模擬。 •誤差說明：本調查為全體17,550個AI代理人之全受眾模擬調查，不適用傳統機率隨機抽樣之抽樣誤差與信賴區間計算；結果仍可能受到模型演算法、提示設計、情境設定、資料校準及代理人模擬等因素影響。 •特別聲明：本結果係由AI虛擬受眾模擬產生，旨在呈現特定模型、人口結構與情境設定下之虛擬人口意向趨勢，作為選情觀察與情境模擬參考，非針對真實選民進行之電話、網路或實體抽樣民意調查，亦不應直接等同實際選舉結果。
（本文表格圖片由TPOC台灣議題研究中心提供）