除了一再說「我講的事情，很可能跟大家的認知不太一樣」，我想《知勢》電子報應該能夠多做一些，讓大家對生成式 AI 的認知不再只有媒體上報導的無所不能，以及各大科技公司高超又快速的技術。因此特別邀請 AIF 技術顧問撰寫《從深度學習到大語言模型》一文，從原理、限制到目前正在進行的研究方向，深入淺出一次說清楚。同時搭配《生成式 AI 並非橫空出世，那些關鍵的技術突破與發展》一文，則適合技術人員補充複習。在準備報名坊間各種 AI 課程之前，希望本週電子報能夠讓大家了解基礎概念，選擇對自己和企業最有用的學習路徑。

AI 技術的確突飛猛進令人目炫神迷，但只有技術並無法成為創造企業獲利與新成長曲線的動力，原因何在？是否有解？本週和下週的電子報，會從策略、技術、模型、資料以及組織文化等不同層面進行分析。

AI 導入與應用很顯然不是企業真正目的，而是促成降本增效以及創新的手段之一。所以，在全球產業紛紛焦慮找尋生成式 AI 新商業模式的此刻，有沒有可能，可以先暫時放下開發 AI 技術應用的新產品或新服務，而是用來調整舊流程與整合不同系統？如果稍微轉變思考方向，會不會就發現過去未曾被挖掘的價值？與你分享本期電子報。

本期電子報特別參考 Vijay Govindarajan 和 Venkat Venkatraman 兩位學者在《哈佛商業評論》所提出的「融合策略」。其中有句話令我印象特別深刻，他們說企業要能成功融合現有實體產品和新的數位科技，必須從一開始就了解，「絕對不是在曳引機上裝台電腦那麼簡單」。

無論是到企業演講、媒體接受採訪，幾乎大家都問：那到底應該怎麼找出商業模式？也有人問：目前哪家企業的商業模式最厲害？偏偏這兩個問題，恐怕很難有人敢說自己擁有正確答案。商業模式、使用場域以及消費者的需求，如何找到與技術完美結合的方法？本期電子報與你分享。

上週三的「2024 國鼎論壇」聽眾則橫跨二十多歲到八十歲以上，不同世代、不同產業的人在週間下午齊聚一堂，想要理解的是，在這波浪潮中台灣究竟應該扮演什麼角色、如何在新的生態系中找到新定位？

台灣在半導體產業的成就無庸置疑，當然過去執政者的遠見、策略以及台灣人的專業與韌性至關緊要，但也不能否認，美中貿易戰與疫情造就了台灣成為「天選之國」。然而我們的下一步呢？應該如何善用既有優勢來佈局、造局？從經濟數據上看到的「一個人的武林」，或許也是我們要共同面對的挑戰。

「我們希望能夠建立起像台灣這樣的系統，」聽到其他國家有這樣的政策目標，心中難免有一絲悸動與引以為傲；不過也是一個重要提醒：台灣的下一步呢？如果蘋果以消費者體驗與功能整合做為主戰場，對於眾多以提供應用服務為主的台灣 AI 新創，會造成什麼樣的影響？如果硬體是台灣的核心能力，我們又該如何強化並擴大這樣的優勢，做為產業成長動力與韌性的定錨點？