根據《2025 台灣產業 AI 化大調查》,仍有七成企業難以跨越 AI 落地應用門檻。人工智慧科技基金會今年啟動全台製造業 AI 導入媒合活動,聚焦實戰落地與技術對接。
閱讀專題連結:https://aif.tw/topics/taiwan-manufacturing-inventory/
根據《2025 台灣產業 AI 化大調查》,仍有七成企業難以跨越 AI 落地應用門檻。人工智慧科技基金會今年啟動全台製造業 AI 導入媒合活動,聚焦實戰落地與技術對接。
閱讀專題連結:https://aif.tw/topics/taiwan-manufacturing-inventory/
Midjourney、ChatGPT 等 AI 應用爆紅,其背後基礎模型的重要性也備受關注。基礎模型(Foundation model)指的是,透過大量數據訓練出能執行多種不同任務的模型(通常有規模的使用自監督式學習),例如 Google、Facebook 等大型科技公司,近幾年挹注龐大的資源訓練出大型模型,如 GPT-3、BERT 等,都屬於基礎模型。
閱讀專題連結:https://aif.tw/topics/hhri-20230303-next-forum/index.html
近幾年大為流行的Low Code、No Code AI平台,強調不用培養AI團隊與快速看到結果。由於主打「完全不需寫程式」或「寫少量程式」就能完成工作,也讓不少公司開始考慮是否導入相關系統。而這麼多的平台工具該怎麼選呢?
閱讀專題連結:https://aif.tw/topics/no-code-and-low-code/index.html
Anthropic 在 6 月底發布的最新一期經濟指數報告特別吸引我,因為主題正是《Cadences》(節奏)。報告裡首度用小時等級的顆粒度,描繪人們與 Claude 互動的生活節奏:幾點看新聞、幾點問食譜、報稅季節前後使用量的暴起暴落。有趣的是,報告發現,越習慣把整個任務放心交給 AI 處理的重度使用者,反而對自己未來的薪資、工作保障與工作意義,抱持更樂觀的看法。
這幾年 AI 賽場真正的轉折。過去比的是誰的模型更強、更快、參數更多,是一場技術競賽;但當 AI 開始以「通用個人代理」的形式,深度嵌入每個人的日常認知活動時,真正該被放上桌面討論的,變成了系統治理的問題——誰設計、誰把關,用什麼原則決定這套系統替我們做的每一個判斷。
最近看到 Brookings Institution 漢密爾頓計畫 (Hamilton Project) 在 2026 年 2 月發表的報告中,提出了如何設計出賦能人才的 AI 系統,提供企業發展 AI 的另一個重要面向,正好成為我備課的重要參考,也特別與各位朋友分享。