今年 4 月 30 日，在產業 AI 化大調查發表會的最後，有一場將近一小時的對談。政大陳宜秀教授從使用者研究、設計思維的角度切入、AXON 勤工林少顗執行長著重傳統產業現場、真實的策略與執行方式。而高通江昆霖總監則分享從技術端與平台的觀察。
坦白說，事前我也很好奇會談出什麼。結果是，那場對談中每個人都表達了自己所觀察與關注的重點，交流匯集成完整且真實的論述。這些，都不是任何一份簡報、任何一份研究報告事先設計得出來的。
這個週末在大雨滂沱中重看兩則國外的討論，重新喚起那場對談的記憶。
一是未來學者 Amy Webb 在 3 月的 SXSW 上，為自己做了 19 年的年度科技趨勢報告舉行「告別式」。原因是，年度趨勢報告已不符合此刻的需求。她舉例 ，單一趨勢就像氣溫、濕度、風速這些氣象數據，都是真的，但氣象學家不會只憑著單一數字就發布預報。真正需要判讀的是風暴系統，也就是所有條件互動之後、任何單項都無法製造出來的東西。她把這種交會稱為「匯流」（convergence），並且提醒，在這個時代中，匯流橫跨多個產業與體系，如果不知道自己要找什麼，就看不見。
另一則，則是這兩天李飛飛接受彭博專訪時回望 2012 年。那一年 ImageNet 的海量資料、多倫多大學團隊的神經網路演算法，加上 NVIDIA 的繪圖晶片算力，三條原本各自發展的軌跡交會，成為她口中現代 AI 的「黃金配方」，造成這一波 AI 的躍升。而如今她投入的「世界模型」，她聚焦的仍然是同一件事，世界模型並不是要取代 LLM，而是因為「光靠語言，無法獨力完成」。
2026 年未來學家提出的方法論以及 14 年前發生的歷史，兩者的交會正好告訴我們，真正啟動新局的力量，往往不是來自單一技術的突破，而是不同領域發展軌跡交會時迸發的能量。
因此，除了與產業專家合作之外，AIF 也持續與不同學術單位合作，並且得到相當令人振奮的成果，例如「AI 算得越準，通常也越昂貴」的限制，似乎已經開始有些改變。
還有，由於 AI 的影響，行銷界紛紛嘗試以 GEO 代替 SEO；GEO 的成敗關鍵，也是看誰能快速改變思維，整合最多的資源、串聯最多的人才。
暑假進入尾聲，是覆盤 2026 年前半的好時機。
AIF 從今年元月至今，幾乎每個月都舉辦專家會議，聚焦在變化極為快速 AI 發展重點議題，希望能讓不同領域專家匯流的能量發揮最大影響力。同時，下半年持續走訪不同政府單位、不同產業現場，分別從不同垂直產業切入，例如教育、媒體、資訊服務業….等。
相信各位應該也注意到，這幾期開始出現台灣產業 AI 化的各種不同應用。接下來在電子報中會持續與大家分享，我們所看到的台灣 AI 發展，百花齊放、欣欣向榮；更期待的是匯流之後，開創出屬於台灣獨特的格局與價值。
