這個問題的犀利之處，在於它預設了一個通常被忽略的悖論。古典經濟學告訴我們，市場是資源配置最有效率的機制——價格信號引導供需，競爭淘汰低效，均衡自然浮現。但如果市場真的這麼好用，那麼把幾十人、幾百人甚至幾萬人聚集在同一個屋簷下，賦予他們固定的職位與層級，用規章制度取代價格機制來協調彼此的行動——這整套複雜而昂貴的安排，究竟有什麼存在的必要？

Coase 的答案，是兩個字：交易成本。

市場上的每一筆合作，都附帶著一組隱形的代價——你需要搜尋合適的合作方，需要談判條件，需要監督對方是否確實履約，需要在出現爭議時執行合約。這些成本，在市場上是真實存在且無法迴避的。而公司存在的意義，正是將這些成本「內部化」：用雇傭關係取代每一次的市場交易，用管理層取代談判桌，用企業文化取代監督機制。只要內部協調的成本低於外部市場交易的成本，公司便有其存在的理由。

這個理論，在此後將近九十年間，幾乎無人能夠根本性地撼動它。它解釋了為什麼企業在市場經濟中無處不在，也解釋了為什麼某些產業的整合程度遠高於其他產業——本質上，都是交易成本結構不同所導致的組織形態差異。

直到 Agent 出現，這個近乎公理的命題，開始面對它有史以來最嚴肅的挑戰。

在試著回答 Agent 對公司意味著什麼之前，我們需要先對公司的功能做一次更仔細的解剖。

把表面的複雜性剝去，一家公司的核心功能，其實可以被壓縮成三件事：協調、記憶與控制。

協調，是讓不同的人在同一個目標下分工合作的能力。這需要會議、需要 Email、需要 Slack 頻道，需要無數個「讓所有人知道誰在做什麼、為什麼這樣做」的溝通行為。記憶，是讓組織的知識不隨個人的離去而消失的機制。這體現在文件系統、ERP、CRM，以及那些存在於老員工腦海中、從未被正式記錄下來的「不成文規定」。控制，是確保個人行為符合組織目標的手段。這需要管理層、需要 KPI，需要那套讓每個人知道什麼行為會被獎勵、什麼行為會被懲罰的流程體系。

在傳統的商業環境中，這三件事都極其昂貴。協調失敗的代價是資源浪費；記憶失效的代價是重複犯錯；控制失靈的代價是組織離心。公司存在的全部意義，不過是在一個摩擦無所不在的世界裡，提供一個讓這三件事得以相對有效率地運作的容器。

而 Agent 正在做的事，是把這個容器的必要性，一層一層地剝除。

先說協調。一個具備足夠能力的 Agent，可以接收一個高層次的目標，自主地將它分解成可執行的子任務，動態地調用所需的工具與資源，並在任務執行過程中根據即時反饋調整策略。這整套流程，過去需要一個項目經理、若干中層主管與大量溝通成本才能驅動；現在，它可以在幾分鐘內由一個系統完成，不需要會議，不需要對齊，不需要任何形式的人際協商。

再說記憶。向量資料庫、長期記憶層、即時檢索系統——這些技術的成熟，使得「組織記憶」不再需要依附於人類的載體。過去，一個資深員工離職意味著一部分組織知識的永久流失；未來，知識可以被系統性地外部化，以結構化的形式儲存，並在需要時以極低的延遲被任何被授權的主體調用。記憶，從一個需要靠「留住人才」才能維持的稀缺資源，變成了一個可被管理的技術問題。

最後是控制。當行為準則可以被編碼為策略（policy），當激勵結構可以被設計為獎勵函數（reward function），當邊界條件可以被設定為約束（constraint），控制這件事便從一個需要人來執行的管理行為，變成了一個可以被程式化的系統設計問題。

把這三個功能的演變放在一起看，你會得到一個相當清晰的結論：公司，正在被分解成一組可調用的模組。就像當年軟體產業被 API 化，使得原本需要整套系統才能實現的功能，可以透過介面被鬆散地組合一樣——組織，也正在經歷類似的解構過程。

如果我們接受這個方向，Coase 在 1937 年提出的問題便會發生一次根本性的反轉。他當年問的是：為什麼公司比市場更有效率？而 Agent 時代正在引逼我們回答的，是另一個問題：當市場的交易成本趨近於零，公司還有什麼不可取代的地方？

在這個問題的壓力下，一種新的組織形態開始浮現，雖然它目前還沒有一個被廣泛接受的名稱，但它的輪廓已經越來越清晰。我姑且稱它為「任務網路」——一種沒有固定組織邊界、沒有長期雇傭關係、圍繞具體任務動態聚合、任務完成後即告解散的協作結構。它的組成可能包括一個人類決策者、數個 Agent、若干第三方 API，在幾分鐘內完成一件過去需要一個部門花費數週才能處理的工作，然後不留痕跡地消散。

這不是科幻小說裡的情節。它的雛形，已經出現在那些最早採用 Agent 工作流的技術團隊之中。規模還不夠大，但方向已經足夠清晰。

如果你站在公司的內部向外看，會發現 Agent 的壓力並非均勻地分布在組織的每一個層次。

決策層——那些制定方向、承擔最終責任、掌握稀缺判斷力的人——目前仍然難以被取代。他們的價值不在於執行，而在於在不確定性極高的條件下，做出無法被演算法化的選擇。執行層——那些直接與實體世界接觸、需要處理非標準化情境的人——同樣有其不可取代的位置，尤其在 AI 的物理感知與行動能力尚未成熟的當下。

真正脆弱的，是中間那一層。

中層管理，本質上是組織協調機制的人格化體現——他們存在的意義，是確保資訊在決策層與執行層之間有效流通，確保任務被正確分解並分配，確保執行結果被監控並回報。這些功能，正好是 Agent 最擅長的事情。這也是為什麼服務於中層協調需求的 SaaS 工具——Atlassian 的專案管理系統、各種工作流自動化平台——正在承受最直接的商業模式壓力。它們服務的那個層次，正在被它們的潛在替代者悄悄掏空。

公司不會消失，但它將走向一種「中空化」的形態：管理層變薄，組織結構變扁，決策週期縮短，大量過去需要人力的協調工作將被系統接管。公司的邊界將變得更加模糊，它與外部市場之間的界線，將不再像過去那樣涇渭分明。

儘管如此，說公司將完全消失，是一種過於簡化的判斷。因為有三樣東西，是 Agent 在可預見的未來無法輕易取代的，而這三樣東西，恰好是公司作為一種制度形態最根本的存在理由。

第一是資本。誰出錢，誰承擔風險，誰在投資失敗時要面對損失——這些問題的答案，仍然需要一個有法律人格的主體來承載。這也是為什麼，無論 AI 基礎設施如何演變，Microsoft、Amazon、Alphabet 這些掌握大量資本且具備最低資金成本的公司，仍然是這場競賽中最不容忽視的玩家。資本的配置，是一個需要主體、需要責任歸屬的行為——它無法被去中心化到一個無人負責的任務網路之中。

第二是責任。Agent 不能被告，公司可以。在一個日益複雜的法律與監管環境中，品牌信任與法律責任的歸屬，需要一個有名有姓、有地址可查的組織來承擔。這個需求，在 AI 系統大量參與商業活動的未來，只會變得更加迫切，而非消失。

第三是權力。組織仍然是資源分配與規則制定的核心載體。誰控制了關鍵的數據資產、誰制定了行業標準、誰擁有與政府及監管機構對話的籌碼——這些問題的答案，仍然指向組織，而非鬆散的任務網路。權力，需要一個穩定的結構才能被有效地積累與運用。

這裡有一個更少被討論、但或許更值得深思的問題：如果公司作為一種組織形態正在被重新定義，那麼以投資公司為核心業務的風險資本，將面臨什麼樣的結構性衝擊？

傳統的 VC 投資邏輯，建立在三個假設之上：投資有才能的團隊、押注具有護城河的組織、等待規模化帶來的複利回報。但在 Agent 時代，這三個假設都開始動搖。團隊可以臨時組成，壁壘可以在幾個月內被蒸發，護城河的有效期從數年壓縮到數季。當投資標的本身的穩定性與可預測性都在下降，以十年為周期的基金結構，如何在一個以月計算變化週期的生態中找到對應的投資方法？

這個問題沒有現成的答案。但它暗示了一種可能的方向轉移：從投資公司，到投資網路；從押注成長故事，到押注資本效率；從尋找護城河，到識別在動態環境中持續適應的能力。這是一次投資方法論的根本性重寫，而它的輪廓，目前還沒有完全清晰。

回到 Coase 的問題。

他在 1937 年問的是：為什麼公司存在？而 Agent 時代真正在問的，是一個更深一層的問題：當公司賴以存在的那些摩擦——協調的成本、記憶的代價、控制的需要——被技術系統性地消除之後，組織作為一種人類的集體行動形式，還保有哪些不可被取代的意義？

答案，最終會收束在三件事上：資本的容器、法律的主體、權力的節點。公司不會死，但它將褪去大部分過去被視為理所當然的功能，退縮成一個更精簡、更核心的存在形式。它的邊界將更加模糊，它的規模將更加輕盈，它與外部市場之間的區隔，將不再像過去那樣壁壘分明。

至於那些被剝離出去的功能——協調、生產、大部分的日常決策——將流向一個更鬆散、更動態、更難以被單一主體掌控的系統之中。

工業時代的核心問題，是如何有效地組織人。這個問題，催生了現代管理學，催生了 MBA，催生了那套我們如此熟悉的企業運作邏輯。

而 Agent 時代正在提出的問題，與它的方向恰好相反：當人不再需要被組織，當協調可以被自動化，當記憶可以被外部化，當控制可以被程式化——在這一切都成立的世界裡，人類在這套系統中，究竟扮演什麼角色？

這個問題，目前還沒有令人安心的答案。

歷史最終給出的回答，是冷靜而殘酷的。布，確實變得不值錢了。但那些掌握棉花產地、擁有機器專利、控制運輸路線的人，卻在這個過程中積累了前所未有的財富。供給的爆炸，並沒有摧毀財富，只是將它重新分配——從製造布的人，轉移到控制製布條件的人。

二百年後，這個問題以另一種形式重現在我們面前。只是這一次，被無限生產的，不是布，而是能力本身。

在過去二十年裡，整個軟體產業的估值，建立在一個幾乎從未被認真質疑過的假設之上：能力是稀缺的。寫程式是稀缺的，分析資料是稀缺的，將重複性的業務流程自動化是稀缺的。正因為稀缺，企業才願意為「工具」付費——為 Salesforce 的 CRM 系統付費，為 Workday 的人資平台付費，為 Atlassian 的專案管理軟體付費。這些公司的商業模式，本質上是對「人類能力之稀缺性」的一種系統性套利。

但當 AI，尤其是具備自主執行能力的 Agent 進入這個體系之後，稀缺性的基礎開始鬆動。能力不再需要被培訓、被雇用、被管理，它可以即時生成，可以無限複製，可以近乎零成本地分發到任何需要它的地方。這不是效率的提升，而是供給曲線的根本位移。當一種過去需要大量人力、時間與工具才能實現的能力，突然可以被一個 API 呼叫所替代，這種能力的市場價格，終將趨向它的邊際成本——而邊際成本，正在快速逼近零。

這個過程有一個經濟學上準確但略顯枯燥的名稱：商品化（commoditization）。它不是毀滅，而是壓縮——將過去存在於軟體工具中的溢價，從市場上悄悄地抹去。

市場已經在用一個相當具有末日色彩的詞彙描述這件事：SaaS-pocalypse。這個詞的流行速度，本身就說明了某種集體焦慮的程度。但如果我們試著更精確地描述正在發生的事，「末日」或許不是最準確的框架。更準確的說法，是「吸收」。

SaaS 不會消失，但它正在被模型層從內部重新定義。

傳統的 SaaS 架構，有三個層次：介面（UI）、邏輯（Logic）、資料（Data）。這三個層次構成了一個封閉的價值迴路——用戶透過介面與系統互動，系統的邏輯處理用戶的需求，資料則是整個系統運作的燃料。軟體公司對這個迴路的掌控，是它們定價權的來源。

而在 Agent 架構下，這個迴路被打開了。介面變成對話，或者乾脆變成 API；邏輯被模型所接管；原本作為「產品」存在的 SaaS，退化成了一個「工具調用」（tool call）——一個 Agent 在完成任務過程中，可以選擇使用、也可以選擇不使用的插件。

這個轉變的實質，是 SaaS 公司從「能力的來源」，降格為「能力的接口」。它們仍然重要，就像電力插座仍然重要一樣；但插座本身，從來不是電力產業中最值錢的東西。

這也是為什麼 iShares 科技軟體 ETF 在 2026 年已經下跌逾兩成，Salesforce 跌幅超過四分之一，Palantir 回落近一成半，曾經被視為「AI 時代系統性受益者」的軟體龍頭，正在集體承受一場估值重估的壓力。這不是情緒性的市場過激反應，而是資本對一個更深層問題的遲來回應：這些公司的護城河，究竟有多寬？

當一個層次的價值被壓縮，資本並不會憑空消失，它只是轉移到下一個它認為更難被商品化的地方。在這一輪的轉移中，資本流向的第一站，是模型公司。

OpenAI 剛剛完成了一輪超過千億美元的融資，投資方包括 Amazon、SoftBank 與 Nvidia。Anthropic 的估值同樣節節攀升。從純粹的財務角度來看，這兩家公司所代表的，是一種對「能力生成權」的集中押注——誰控制了最強大的語言模型，誰便掌握了這個時代最核心的生產資料。

這個邏輯有其內在的說服力，尤其在能力仍然稀缺、模型性能差距仍然顯著的階段。但它面臨著一個幾乎無法迴避的長期壓力：模型本身，也正在快速商品化。

開源模型的能力追趕速度，超出了多數人的預期。推理成本每隔幾個月便以驚人的幅度下降。token 的價格，在過去兩年間已經壓縮了一個數量級。當「生成能力」本身也開始變得便宜——當呼叫一個頂尖模型的成本，降至與呼叫一個普通模型幾乎無異——模型公司的溢價空間，將面臨與 SaaS 公司同樣的結構性侵蝕。

能力的商品化，不會在 SaaS 層就停下來。它會繼續往上游走，直到遇見真正難以被複製的東西為止。

這便是為什麼，2026 年的市場輪動，呈現出一個乍看令人困惑、但細想之下相當合理的結果。

最強勢的 AI 相關股票，不是晶片公司，不是模型公司，甚至不是雲端服務巨頭，而是 Lumentum、Ciena 這樣的光通訊設備商，以及 Vertiv 這樣的資料中心基礎設施供應商。Lumentum 今年股價上漲逾九成，Vertiv 漲幅將近六成，Ciena 亦超過六成。這些公司沒有引人入勝的 AI 敘事，沒有登上科技媒體封面的明星 CEO，也沒有令人窒息的估值倍數。

但它們掌握的東西，是任何 AI 系統存在的物理前提。

當 GPU 的數量以指數增長，系統的真正瓶頸便從「運算節點」轉移到「節點之間的連結」——資料如何在 GPU 之間流動，如何跨越機櫃、跨越資料中心、跨越地理距離進行調度。銅纜的物理極限，在高密度、長距離的場景下已經開始顯露；而光的優勢，在於它對距離的某種漠然——延遲更低，能耗更少，且隨著技術演進，成本持續下降。

Nvidia 在 GTC 大會上給出的技術路線圖，其實已經相當誠實地描述了這條遷移曲線：短期內銅與光共存，長期由光學主導；他們的下一代晶片「Feynman」，預計 2028 年底推出，將從架構層面為光纖網路做出原生支援。這是一家晶片公司，在自己最重要的年度場合，用相當的篇幅解釋為什麼「傳輸介質」值得被認真對待。這個信號，並不難解讀。

從 AEC 銅纜，到獨立光模組，再到共封裝光學（CPO）——這條技術遷移路徑的每一步，都是對「距離成本」的一次壓縮。在銅的世界裡，距離是工程代價；在光的世界裡，距離只是設計問題，而非物理障礙。當這個障礙被系統性地移除，AI 基礎設施的規模邊界將被重新定義——不以單一資料中心為單位，而以跨地域、跨機構的算力網路為單位。這個尺度的轉變，還沒有完整地反映在市場的定價之中。

但基礎設施，也只是這場價值轉移的中繼站，而非終點。

當 AI 演變成一場基建競賽，一個更古老、更根本的問題便浮出水面：誰來出錢？

四大超大型雲端業者——Alphabet、Amazon、Meta、Microsoft——在 2026 年的合計資本支出預估達到 6,450 億美元，較前一年成長 56%。這個數字的規模，幾乎相當於某些中型經濟體的 GDP。它意味著 AI 作為一個產業，已經完成了一次根本性的性質轉變：從一個技術密集型的科技產業，變成了一個資本密集型的基建產業。

而在資本密集型產業中，歷史一再證明，長期的競爭優勢往往不屬於技術最先進者，而屬於融資成本最低、現金流最穩定、在漫長的回報等待期內資產負債表最為健康的那些公司。這不是一個令人振奮的結論，但它或許比「誰的模型最強」更接近這場競賽真實的勝負邏輯。

這也帶出了整個 AI 投資敘事中最難被直視的一個隱患。當科技巨頭對 AI 新創的投資，有時以算力採購的形式回流，形成一種投資即訂單、訂單即營收的閉環，整個生態系統的財務結構便開始呈現出一種「自我強化但依賴持續擴張」的特徵。這個迴路在系統成長期看似健康，但它對外部資本信心的依賴，使得結構在某些條件下格外脆弱。這不是估值過高那麼簡單的問題——估值過高，可以等待基本面補上來；但如果脆弱性存在於結構本身，等待便沒有那麼確定的解法。

回到最初的問題。

當能力可以被即時生成、無限複製、近乎免費地分發，價值還會停在哪裡？

答案，其實並不浪漫，但它相當清晰。

價值，會流向那些無法被免費化的東西。電力不能免費，頻寬不能免費，資本不能免費，而真正難以複製的數據積累與用戶關係，也不能免費。AI 並沒有廢除稀缺性，它只是讓稀缺性的所在位置，發生了一次劇烈的移動——從「做事的能力」，轉向「讓做事成為可能的條件」。

這個轉移，還在進行中。它的速度，比多數人預期的更快；它的深度，也可能比現在看到的更深。

布，確實變得不值錢了。

但那些控制棉花、機器與運輸的人，在工業革命中從未真正輸過。

---

今日美股摘要（2026/3/25）

指數與期貨

┌──────────────────┬───────────┬────────┐

│ 指標 │ 數值 │ 漲跌 │

├──────────────────┼───────────┼────────┤

│ S&P 500 期貨 │ 6,664.75 │ +0.9% │

├──────────────────┼───────────┼────────┤

│ Nasdaq 100 期貨 │ 24,484.25 │ +1.1% │

├──────────────────┼───────────┼────────┤

│ 道瓊期貨 │ — │ +0.8% │

├──────────────────┼───────────┼────────┤

│ WTI 原油 │ $87.07 │ -5.7% │

├──────────────────┼───────────┼────────┤

│ 黃金 │ $4,553.50 │ +3.4% │

├──────────────────┼───────────┼────────┤

│ 10年期公債殖利率 │ 4.32% │ -3 bps │

└──────────────────┴───────────┴────────┘

---

主要驅動因素：美伊談判

- 美股早盤上漲，主因 Trump 宣稱伊朗願意談判停戰，透過巴基斯坦傳遞 15 點和平計畫

- 但伊朗方面否認談判意願，軍方仍繼續對以色列和海灣國家發動飛彈攻擊

- UBS 分析師警告：「市場在拚命往好的方向解讀，可能只是死貓反彈」

---

個股亮點

- ARM Holdings +11%（盤前）：CEO 宣布推出自製晶片，預計 5 年內年收入達 $150億

- Terns Pharmaceuticals +14%：傳 Merck 洽談收購

- 黃金礦商大漲：Newmont +5.4%、Barrick +4.8%、Kinross +6%

- Meta (META)：陪審團裁定對未成年人安全危害負有責任

- SpaceX：本週或下週可能申請 IPO，目標募資逾 $750億

- OpenAI：完成 $100億 融資，同時宣布停止 Sora 影片 App

- ASML：員工二度罷工，抗議裁員 1,700 人

---

市場隱憂

- 散戶出現疲態：Bloomberg 報導，週一散戶出現 2023 年來首次淨賣出（賣超 $2,060萬），顯示長達三年的「逢低買進」動能正在消退

- 私人信貸壓力：Ares、Apollo 限制投資人贖回，為 $1.8 兆市場敲響警鐘

- Fed 升息預期升溫：市場開始定價升息可能性，但多數經濟學家仍認為機率低

---

總結：美股今日在美伊和談消息帶動下反彈，但市場情緒仍脆弱，散戶買盤疲弱、地緣政治不確定性高，需持續觀察伊朗官方回應。

然而進入 2026 年，一件微妙的事正在發生。不是崩潰，不是反轉，而是一種更難被察覺的移位——投資人開始重新詢問一個更根本的問題：算力，究竟是 AI 經濟的「資源」，還是它的「瓶頸」？

這個問題的答案，正在重塑整個板塊的資金流向。

讓我們從一個技術細節開始說起，因為它比任何宏觀論述都更誠實。

Nvidia 在今年的 GTC 大會上給出了一個關於數據中心網路的預測：短期內，銅纜與光纖將會共存；但長期而言，光學技術終將主導。他們的下一代旗艦晶片「Feynman」，預計 2028 年底推出，將從架構層面為光纖網路做出優化。這是一家晶片公司，在自己最重要的年度場合，花時間解釋為什麼「傳輸介質」比「晶片本身」更值得關注。

這不是一個無意義的技術聲明。它意味著，連 Nvidia 自己都承認：AI 系統真正的限制，已經不在於能不能造出更強的 GPU，而在於這些 GPU 之間，資料究竟能以多快的速度流動。

當 GPU 的數量以指數增長，系統的瓶頸便從「計算節點」移向「節點之間的連結」。這是一個幾乎必然的工程結論，但它對資本市場的意涵，卻遠比多數人意識到的更為深遠。銅纜的物理極限，在高密度、長距離的數據中心場景下開始顯露；而光的優勢——低延遲、低能耗、對距離的漠然——使它成為這場基礎設施競賽下半場的主角。這便是為什麼 Lumentum 今年股價上漲超過九成，Ciena 緊隨其後，漲幅逾六成。它們不是被炒作的概念股，而是在一個重新定義基礎設施的技術轉移過程中，恰好站在正確位置的公司。

從 AEC 銅纜，到光模組，再到共封裝光學（CPO）——這條遷移曲線的每一步，都是一次對「距離成本」的壓縮。在銅的世界裡，距離是實實在在的工程代價；在光的世界裡，距離只是設計問題，而非物理障礙。當這個障礙被移除，AI 系統的規模經濟將被重新定義——不是以單一數據中心為單位，而是以跨地域、跨機構的算力網路為單位。這個尺度的轉變，還沒有被市場充分定價。

與此同時，軟體世界正在經歷一場性質截然不同的動盪。

硬體的故事是「瓶頸轉移」，是一種結構性的重新排序，有贏家，有輸家，但邏輯尚稱清晰。軟體的故事則更為殘酷，因為它動搖的不是某幾家公司的地位，而是整個商業模式存在的前提。

過去二十年，SaaS 的邏輯建立在一個隱含假設上：企業需要工具，人使用工具，軟體公司按使用人頭收費。這是一個優雅的模型——可預測、可擴展、毛利率驚人。Salesforce、Workday、ServiceNow，這些公司的估值，本質上是對這個模型長期可持續性的信念定價。

AI Agent 的出現，正在瓦解這個假設的根基。

當一個 AI 系統能夠自主完成過去需要人類操作軟體才能完成的任務，「人使用工具」這個環節便從流程中消失了。席位數量失去意義，按席位收費的模型隨之動搖。市場已經在用一個略帶末日色彩的詞彙描述這個轉變——「SaaS-pocalypse」——雖然語氣或許過於戲劇化，但它所指向的結構性問題是真實的。iShares 科技軟體 ETF 今年下跌逾兩成，Salesforce、Palantir、Atlassian 等公司股價的回調，並非純粹的情緒修正，而是市場開始對這個模型的長期存續打折扣。

有一種觀點認為，掌握大量企業數據的公司——Salesforce、ServiceNow——在 AI 時代反而更具優勢，因為數據本身就是護城河。這個論點有其道理，但它假設這些公司能夠成功地從「工具提供者」轉型為「結果交付者」，從按席位收費演進到按成果定價。這是一次商業模式的根本性重寫，歷史上鮮少有大型企業能在不失去核心客戶的前提下完成這種轉型。轉型能否成功，尚無定論；但轉型的壓力，已然到來。

如果把視角再拉高一層，會發現硬體的重構與軟體的動盪，其實都只是更大一個問題的局部表達——而這個問題，正是整個 AI 投資敘事中最難被直視的部分。

四大超大型雲端業者：Alphabet、Amazon、Meta、Microsoft，在 2026 年的合計資本支出預估達到 6,450 億美元，較前一年成長 56%。這個數字，幾乎相當於某些中型經濟體的 GDP。它的規模之大，使得任何關於「AI 商業化回報」的討論，都必須直面一個核心問題：這些投資，能在合理的時間窗口內，轉化為真實的現金流嗎？

目前的情況是：四家公司的股價，在 2026 年全數下跌，跌幅從 Google 的 4% 到 Microsoft 的 21% 不等。市場不是不相信 AI 的潛力，而是開始懷疑，這是否是一場資本密集程度遠超預期的長期基建競賽——在真正的獲利期到來之前，需要持續燒錢，且燒錢的速度還在加快。

這種擔憂並非空穴來風。AI 數據中心的建設周期長，資產折舊壓力顯著，能源需求龐大且日益引發監管關注。更深層的結構性隱患，在於這個生態系統內部已經出現一定程度的「循環性」——科技巨頭對 AI 新創的投資，有時直接以算力採購的形式回流，形成一種投資即訂單、訂單即營收的自我強化迴路。這個迴路在系統擴張時看似健康，但它對外部資本流入的依賴，使得整個結構在信心動搖時格外脆弱。

這不是估值過高那麼簡單的問題。估值過高，可以等待基本面補上來。但如果問題出在結構，等待便沒有那麼確定的終點。

2024 年，市場相信 GPU 是這個時代的「香料」——控制算力，便控制 AI 的未來。這個比喻曾經相當精準，因為它抓住了稀缺性的本質。

但 2026 年的現實，已經比這個比喻更複雜。

真正的香料，從來不只是晶片。它是整套讓算力得以被生產、傳輸、調度、最終轉化為商業價值的基礎設施——光纖網路、電力供應、數據積累、資本配置能力。GPU 是其中一個不可或缺的節點，但它只是節點，而非系統本身。

這意味著投資邏輯必須從「誰擁有最強的單點技術」，轉向「誰能在這個複雜系統中，以最有效的方式配置資本、管理折舊、在回報期到來之前維持足夠的財務韌性」。這是一種不那麼性感、但或許更接近真實競爭本質的問題框架。

最終要問的，不是誰能造出最強的模型，也不是誰的算力最雄厚。

而是——在這場昂貴的長跑裡，誰的資產負債表，撐得最久。

然而，這股生產力的飛躍卻暗藏隱患——OpenClaw 已成為駭客眼中的大禮。其中一個被命名為「ClawJacked」的重大漏洞，讓入侵者只需誘使用戶瀏覽一個惡意網站，便能完全掌控其 OpenClaw 代理程式。儘管該漏洞已修補，研究人員仍在軟體中發現了逾四萬個安全弱點。

對 OpenClaw 抱有最強烈期待與憂慮的地方，非中國莫屬。其迅速普及不僅引發國內大型科技企業股價劇烈波動，更促使中國官員向政府機關及國有企業——包括部分大型銀行——發出警示，禁止在辦公設備上安裝此應用程式。

Read more

在整個AI革命的背後，蘊藏著一個深刻的理念：模式預測可以引導智能。機器所感知或聽到的一切、它所執行的每個動作，甚至思想本身，都可以透過模式來理解。一旦機器學會預測這些模式，它便能創造出新的模式，進而模仿並常常超越人類的能力。

但「可以」和「真的做到」之間，隔著漫長的等待。

回頭看這二十年的AI發展，我認為有三件事必須同時成熟，GenAI才能引爆：夠深的模型架構、夠多的資料與算力、以及讓機器學會「人真正想要什麼」的對齊技術。這三件事，各自花了十年以上才找到正確的解法。而且每一個解法，都不是一個天才在某個夜晚靈光一現——而是一群人，在特定的機構、特定的時間節點，做出了看似平凡卻改變一切的選擇。

自然界在三個不同的層次上解決了學習問題。第一層是進化學習，它基於一個簡單的策略：嘗試隨機的變異，並保留那些能夠存活下來的變異。然而，這是一個極為緩慢的學習過程，跨越數代進行，難以適應生命中快速的環境變化。於是，自然界演化出了第二層學習，其速度快得多——利用大腦在個體的生命週期內適應行為。大腦使生物能夠進行隨機探索，並根據獎勵或痛苦的經驗，選擇更有效的行為，這便是所謂的強化學習。

早在 1960 年代，當時在 MIT 任職的 Donald Michie 就展示了他的第一台強化學習機器。這台機器利用火柴盒和彩色珠子來玩井字遊戲——機器贏了就在對應的火柴盒加入更多獲勝顏色的珠子，輸了就移除。透過這一簡單的基於獎勵的過程，機器逐漸發現了完美的遊戲策略。這些獲勝的策略並非透過編程預先設定，而是從經驗中自然湧現的。

這個原理，正是整個 AI 革命的哲學基石。它在 1960 年代就已成立——但接下來的五十年，我們缺的不是想法，而是讓想法得以實現的工具。

第一部分：地基——讓深度成為可能（2012–2017）

AlexNet：一個賭注，一張 GPU，一個翻轉

2012 年 9 月，多倫多大學的一個小團隊在 ImageNet 競賽上交出了一份成績單，讓整個電腦視覺領域沉默了幾秒鐘。

他們的錯誤率是 15.3%。第二名是 25.8%。

這不是小幅進步。這是斷崖式的跨越。

這個團隊由 Geoffrey Hinton 帶領，成員包括他的兩位博士生 Ilya Sutskever 和 Alex Krizhevsky。他們的模型叫 AlexNet，核心武器是：多層卷積神經網路，加上GPU運算，加上一個抑制過度擬合的技巧（Dropout）。

在此之前，電腦視覺的主流做法是手工設計特徵——工程師要明確告訴電腦「邊緣長這樣、紋理長那樣、耳朵的輪廓是這個形狀」。AlexNet 的做法是：給它看一千萬張圖，讓它自己找規律。

AlexNet 證明的不只是一個模型有多準確——它證明了「讓機器自己學特徵」這條路是對的。 這個消息讓整個產業的假設都需要重新來過。Ilya Sutskever 後來離開多倫多，成為 OpenAI 的共同創辦人；Hinton 在 2023 年離開 Google，公開表達對AI風險的憂慮——這個當年在多倫多相信神經網路的人，成為了後來最認真思考 AI 後果的人之一。

何愷明與 ResNet：讓深度變成超能力而非詛咒

AlexNet 打開了大門，但很快遇到了一堵牆：網路越深，訓練越難。

當你把神經網路疊到三十層、五十層，一個奇怪的現象出現了——網路變深，表現反而變差。這不是過度擬合，是更根本的問題：訓練時的梯度訊號在往回傳遞的過程中，逐層衰減，到了最前面幾層已經「聽不見」了。這個問題叫梯度消失，它讓「更深 = 更好」的假設在現實中碰壁。

2015年，一位在微軟亞洲研究院工作的中國研究員提出了一個看似簡單的解法。他叫何愷明，2003年廣東省高考第一名，清華大學本科，香港中文大學博士。他的解法叫做殘差連接（residual connection），又稱「捷徑連接（skip connection）」：在神經網路的每幾層之間，加一條「抄捷徑」的通道，讓原始輸入可以直接跳過那幾層傳到後面。

這樣一來，網路只需要學習「差異」（殘差）而不是完整的映射。梯度訊號可以沿著捷徑順暢流回最前面的層。結果：152 層的網路，可以被穩定訓練，而且越深越好。

何愷明與張翔宇、任少卿、孫劍共同署名的 ResNet 論文，在 2016 年的 CVPR 上獲得最佳論文獎，在 2020 和 2021 年連續成為 Google Scholar 全球引用量最高的論文。何愷明後來加入 FAIR，再轉往 MIT 擔任教授，現兼任 Google DeepMind 的傑出科學家。

Read more

在交大攻讀研究所期間，我曾對當時流行的類神經網路抱有偏見，因而未加入那位教授的研究室，反而選擇了偏向數理統計的研究方向。我的論文探討時間序列，涉及股價與總體經濟的關係。當時，我認定類神經網路是「偽科學」，認為學好線性代數、機率與統計才是正統之道。殊不知，當時的神經網路研究正處於隧道深處，距離曙光僅咫尺之遙。那個實驗室的同學們，日後成為微軟台灣總經理、鉅亨網總經理、Google副總經理、富邦銀行香港財富管理總經理，還有交大傑出校友及交大資工傑出系友等。多年後，我才意識到這個實驗室真是人才輩出。

三年前，我投入時間深入了解機器學習，並順利取得IBM Professional Data Scientist證照。當時我自以為深度學習不過是機器學習的延伸，卻未料到這是截然不同的知識領域。後來重返台大進修，終於有機會坐在課堂上系統地學習。

秉持著向Elon Musk學習的精神，堅持追求知識的第一性原理，我深信GenAI（生成式AI）將徹底顛覆未來的工作模式並重塑世界。GenAI如此強大，其知識積累的過程究竟經歷了哪些重要的里程碑？我花了兩週時間仔細梳理，試圖整理出這段歷程。如果你也想探究這段精彩的知識之旅，歡迎跟隨本文一同探索。

在整個AI革命的背後，蘊藏著一個深刻的理念：模式預測可以引導智能。機器所感知或聽到的一切、它所執行的每個動作，甚至思想本身，都可以透過模式來理解。一旦機器學會預測這些模式，它便能創造出新的模式，進而模仿並常常超越人類的能力。

可以說，自然界在三個不同的層次上解決了學習問題。第一層是進化學習，它基於一個簡單的策略：嘗試隨機的變異，並保留那些能夠存活下來的變異。然而，這是一個極為緩慢的學習過程，跨越數代進行，難以適應生命中快速的環境變化。於是，自然界演化出了第二層學習，其速度快得多——利用大腦在個體的生命週期內適應行為。大腦使生物能夠進行隨機探索，並根據獎勵或痛苦的經驗，選擇更有效的行為，這便是所謂的強化學習。這一機制構成了AI範式——機器學習的基礎。我們不再試圖透過指令來編程機器，而是讓它從零開始，通過學習信號來掌握一切。

早在1960年代，當時在MIT任職的Donald Michie展示了他的第一台強化學習機器。這台機器利用火柴盒和彩色珠子來玩井字遊戲（Tic-Tac-Toe）：每個火柴盒代表一個特定的棋盤狀態，內含的彩色珠子則對應於從該狀態出發的各種可能移動。遊戲的玩法十分簡單：當你走完一步後，操作員（當時尚無電腦）會找到對應當前棋盤狀態的火柴盒，隨機抽出一顆珠子，珠子的顏色決定機器的下一步移動。如果機器贏得比賽，便會在該場遊戲中所有移動對應的火柴盒中，添加更多獲勝顏色的珠子，以強化這些動作；反之，若輸掉比賽，則移除相應的珠子。透過這一簡單的基於獎勵的過程，機器逐漸發現了完美的遊戲策略。這些獲勝的策略並非透過編程預先設定，而是從經驗中自然湧現的。
（關於這個遊戲 MENACE（Matchbox Educable Noughts and Crosses Engine）的介紹，Youtube連結在此）

雖然這表明機器可以學習，但它有一個關鍵限制：每種可能的情況或棋盤狀態都需要一個單獨的盒子，由人類選擇。要真正模擬大腦，機器需要自己的感知能力，也就是自行識別模式的能力，這就是我們所說的抽象（abstraction）。形成抽象是你自動進行的行為，忽略瑣碎的差異，專注於潛在的相似性。抽象讓你能夠忽略無關緊要的差異，關注事物背後的共同模式。

為了打造一台能學習抽象的機器，研究人員從自然界尋找靈感。在19世紀末，腦科學家發現，大腦是一個由神經元組成的龐大網路。來自五官接受到的信息，深入大腦層次進行處理，神經元分層次發射，形成連鎖反應，構成一連串的活動模式。當看到一隻貓或一隻狗時，如果觀察大腦第一層的神經元，依這些模式，起初很難區分是貓是狗，但隨著信號穿過更深層的大腦，它們開始分離成不同的激活模式1。到最深層時，貓和狗觸發的是完全不同的神經元群。事實上，你所有的思想都以深層腦中的獨特激活模式存在。一個思想就是一大群神經元中的活動模式。事實上，科學家現在可以透過觀察人的大腦活動，知道實驗者正在想什麼圖像。

上圖是Frank Rosenblatt在1958年試圖打造的——由電子元件組成的人工腦組織。他使用電晶體（一種微型的電子開關）作為人工神經元，並將其連接成一個三層網絡。第一層連接到一個人工視網膜，負責讀取圖像中的像素點；隨後的層次則採用隨機連接，並通過學習過程逐步演化。網絡的輸出極為簡單：僅有兩個燈泡，其中一個代表「正方形」，另一個代表「圓形」。Rosenblatt的網絡依賴於試錯學習法，每個神經元之間的連接強度由一個調光旋鈕控制，該旋鈕調節電流的大小，模擬大腦中神經連接的增強或減弱。

起初，當網絡接收到一張圖像時，它無法準確判斷圖像的形狀，會同時激活代表圓形和正方形的輸出。為了訓練網絡，Rosenblatt會微調每個連接的旋鈕，觀察輸出的變化，並保留那些有助於正確識別的調整。經過足夠多的訓練樣本後，網絡便能獨立識別模式，無需再進行手動調整。這種通過調整權重並保留有益變化的方法，正是當今所有AI學習算法的基礎。在這個網絡中，某些神經元學會了對曲線產生敏感反應，而其他神經元則專注於檢測邊緣，這與人類大腦的運作方式類似。

關於 Rosenblatt 的感知網路介紹，連結在此。

到1980年代末，Yann LeCun 展示了大型神經網絡的潛力，成功解決了業界面臨的一項實際問題——快速識別信封上的手寫地址。他訓練了一個網絡，透過數千個樣本學習識別手寫數字。與 Rosenblatt 的網絡類似，其早期層次負責檢測基本的曲線和邊緣，而更深層次則構建了一個層次結構，將這些簡單的模式組合成更複雜的特徵，例如環形檢測器，最終形成數字檢測器。這個過程將無數的手寫變體轉化為九種可能的數字輸出。

為了深入理解這些網絡內部的工作機制，我們可以可視化它們如何在空間上組織信息。在網絡的第一層，相似的對象（例如不同的手寫數字「2」）是隨機分散的。然而，隨著信號穿過各個層次，網絡學會了轉換這個空間，逐漸將相似的樣本聚集在一起。到了最後一層，所有的「2」會聚集在一個區域，所有的「3」則聚集在另一個區域，形成我們所謂的「概念區域」。這一現象為我們提供了一個深刻的洞見：一個概念在本質上就是空間中的一個區域。

然而，這種方法直到2012年的ImageNet比賽才迎來了真正的突破。ImageNet是一個年度競賽，旨在挑戰研究人員創建能自動識別圖像內容的電腦程序。來自多倫多大學的團隊2將Yann LeCun的技術擴展到前所未有的規模，他們利用數百萬張標記圖像訓練自己的神經網絡，並發現了一些令人驚嘆的現象：儘管網絡的早期層次仍專注於檢測邊緣、曲線和基本形狀，但更深層次卻能識別出越來越複雜的模式——如紋理，甚至是面部特徵。這一發現解釋了為何兩張像素完全不同的狗的圖像，在第一層會激活截然不同的神經元，但在更深層次卻能觸發相同的「狗」神經元。

這個神經網絡完全依靠自身學習，無需人類編程，最終在圖像識別任務上超越了人類的表現。這一成就，在比賽前夕，幾乎無人預料。該方法被稱為深度學習，其核心論點無可辯駁：只要神經網絡足夠深且規模足夠大，它就能被訓練來解決極其困難的任務。關鍵在於「深度」和「規模」。起初，學界並未重視大型神經網絡的潛力，然而，正是這種對模式識別的深入探索，帶來了革命性的突破。

下一個重大進展源於一個關鍵的轉變：訓練神經網絡的目標從識別轉向了預測。1992年，Gerald Tesauro 在這一理念的基礎上，開發了一個能夠玩雙陸棋的神經網絡。與傳統方法不同，這個網絡並未依賴人類設計的規則，而是被訓練來根據給定的棋盤狀態，輸出勝利的概率。透過無數次自我對弈和基於勝負的獎勵信號，網絡學會了識別出能夠帶來勝利的棋盤模式。它甚至發現了一些連專業玩家都感到驚訝的策略。從預測勝率到生成行動的轉變自然而然：網絡開始輸出所有可能下一步動作的概率，並將最高概率的動作視為最佳選擇。很快，神經網絡在各類遊戲中——如西洋棋、圍棋、電子遊戲乃至策略遊戲——逐漸擊敗了人類。

然而，這些成就僅限於相對簡化的環境。真正的挑戰始終在於應對現實世界的複雜性，例如物理機器人技術。OpenAI（當時還是一個影響力有限的小型研究實驗室）提供了一個極佳的例證。他們堅信，模式學習的原則同樣適用於現實世界的問題。為驗證這一觀點，他們訓練了一隻機器手來操作一個立方體。與傳統方法不同，他們並未編寫任何具體的動作指令，而是採用了一個大型神經網絡：該網絡以圖像作為輸入，學習輸出動作的概率——具體而言，是各種馬達動作的下一步選擇。通過數百萬次的嘗試和模擬，系統獨立發現了成功的操作模式，其最終展現的行為驚人地類似於人類。

在更為複雜的任務中，如機器人足球，網絡從零開始學會了走路、踢球，甚至能預測對手的射門並及時攔截。所有這些複雜的行為皆源自同一個學習過程。這正是行為抽象的體現：儘管每次足球射門的細節各異，網絡卻能捕捉到導致成功的潛在動作模式。然而，這些網絡的抽象能力仍相當有限——每個網絡僅針對特定任務進行訓練，導致它們只能在單一領域內表現出色。

2016年，非監督式學習（Unsupervised Learning） 仍是機器學習領域中一個尚未解決的難題，當時無人確知如何有效實現這一目標。最終的突破源於AI達到了自然界學習的第三層次——語言。語言之所以成為AI進化的下一階段關鍵，是因為它賦予了AI從他人經驗中學習的能力。有了語言，AI擁有了通用的想像力，能夠構想任何可以用文字表達的事物。相較之下，遊戲AI僅能設想棋盤上的走法，而語言則開啟了無限的可能性。

要實現這一突破，必須追求一個宏大的目標：理解語言本身。這一挑戰的關鍵洞見來自信息論之父克勞德·香農（Claude Shannon）。早在1940年代，香農提出將語言視為一系列預測過程——每個詞的出現都是基於前文從多個可能詞語中選出的結果。基於這一理念，1980年代，研究人員開始訓練小型神經網絡來預測文本中的下一個詞，類似於讓網絡學習預測遊戲中的下一步動作。這些網絡不僅學會了預測下一個字母，還展現出驚人的能力：它們能自動將相似的詞彙聚集在一起，例如動詞與動詞、名詞與名詞，甚至是意義相近的詞語。

2015年，Andre Karpathy 證明了這一方法的潛力。他發現，當在大量文本數據上訓練時，這些網絡不僅能預測模式，還能生成模式。他透過輸入一個起始短語，並將輸出循環回輸入，讓網絡延續所學模式，進而生成連貫且風格多樣的文本——從莎士比亞式的文學到數學論述，成果令人震撼。次年，OpenAI的Alex Radford 將這一實驗推向新高度，訓練了一個更大的網絡，基於數百萬條亞馬遜網站的評論數據。他們發現，網絡能從簡單的語法結構逐步構建出複雜的語義概念，例如一個著名的「情感神經元」，能夠比當時的專業系統更精確地檢測評論中的正面或負面情感。

這一發現直接促成了 GPT（Generative Pre-trained Transformer）系列 的誕生。GPT模型完全依靠自身學習理解了語言的奧秘。OpenAI意識到這一技術的深遠影響，隨即探索更大規模模型的潛力。他們採用了一種名為「Transformers」的新架構，這種架構能以前所未有的效率處理模式。其特點在於，當數據通過每一層時，網絡能動態形成神經元之間的連接，使單一層次完成過去需要多層才能實現的工作。這一創新最終促成了 GPT-1 的誕生——當時規模最大的語言模型，其訓練目標是預測數千本書中的下一個詞，這是迄今為止最具通用性的訓練設計。結果令人驚歎：GPT-1不僅能連貫地延續任何給定的文本片段，還能回答訓練文本中未曾出現的問題。這一現象進一步證實，簡單的預測任務正逐步引導模型走向真正的語言理解。

隨著GPT的每次新版本，神經網絡的規模不斷擴大，訓練數據也日益豐富，從書籍到互聯網，最終涵蓋了人類知識的廣泛領域。GPT-3展現了一些令人驚嘆的能力，例如著名的「wug測試」（一種用於兒童的語言測試）。只需向模型描述一個新概念，它就能立即自然地加以運用，這種能力被稱為上下文學習。這種從新例子中學習的能力適用於任何指定的任務，類似於人類快速掌握新概念的方式。這意味著，只要加以描述，你就能從神經網絡中獲得所需的任何行為。

ChatGPT的公開亮相標誌著一個重大的突破。它在GPT-3的基礎上進一步訓練，採用強化學習來評估其輸出，判斷其是否準確遵循指令或進行合理推理。這使得ChatGPT在指令遵循和推理能力上表現更為出色。與人類相似，這些系統在被允許「大聲思考」並逐步推理時，能夠產生更優質的結果。實驗表明，與其一味追求建造更大的模型，簡單地延長系統的思考時間，就能顯著提升其表現。這標誌著我們進入了一個全新的計算時代，機器開始在概念和詞語層面進行運作。

這種方法迅速超越了語言領域的限制。研究人員發現，幾乎所有信息都可以被視為某種序列：歌曲分解為音符，視頻分解為幀，動作分解為移動。例如，Transformer網絡透過預測下一個音符來生成音樂，每個注意力頭負責識別音樂中的不同模式。注意力頭數量越多，網絡的能力就越強大。這種架構能夠同時關注所有元素。如今，一個模型不僅能理解用詞語給出的指令，還能生成相應的圖像和視頻，並指導機器人執行對應的動作。這意味著機器人能夠透過想像，練習用詞語描述的物理動作。

現在的問題在於：我們的AI是否具備足夠的結構和世界建模能力？我個人認為完全足夠。例如，Runway（一個AI模型）在內部表徵方面已達到當前的先進水平。這種跨越視覺、聲音和動作的統一理解，反映了人類大腦的工作方式，因為它們的核心都是基於可預測和生成的模式。從進化的簡單原則「嘗試並保留有效的方法」，到從直接經驗中學習，再到通過語言學習，AI已經實現了自然界的第三層智能——靈活的想像力。這一進展的速度遠超所有人的預期。

然而，奇點（Singular，即AI超越人類智能的時刻）或許不會以戲劇性的接管形式突然發生，而是可能悄無聲息地滲入我們的生活，隨著AI逐漸重塑世界，一個模式接著一個模式。領先AI實驗室的創始人，包括OpenAI的成員，現在表示，我們比以往任何時候都能更清晰地看到通往人工通用智能（AGI）的道路。關鍵問題不在於我們是否能實現AGI，而在於我們將如何部署它。這些AI代理就像數位勞動力，與你的員工並肩工作。你向它們展示工作成果的範例，它們會嘗試生成相應內容，並由你提供反饋和限制。我們正步入一個充滿巨大不確定性的時代，當我們開始與比我們更智能的實體互動時，未來將變得難以預測。

最終，智能的未來——無論是人工的還是人類的——可能並不取決於機器是否真正理解世界，而是取決於我們選擇接受的模式，以及更重要的，我們賦予它們的自主權。

“I had selected his features as beautiful. Beautiful!—Great God!
…but these luxuriances only formed a more horrid contrast with his watery eyes.”
—— Mary Shelley，《Frankenstein》（1818）

雪萊在《科學怪人》中，並未將筆墨集中於創造生命的過程，而是落在創造完成後的瞬間。
維多．法蘭肯斯坦所拼湊出的生命體，在技術層面幾近完善；然而，當那雙眼睛睜開時，他第一時間意識到的，並非成就，而是不安。

這種不安，並非來自失敗，而是來自成功本身。

《科學怪人》真正探問的，從來不是「人是否應該創造生命」，而是：
當創造完成，創造者是否仍願意承擔其後果。

維多賦予了能力，卻未賦予秩序；給了行動力，卻未給責任的邊界。於是，這個生命體最終成為一個無法被制度吸納、也無法被倫理約束的存在，其後果，不僅回到社會，也回到創造者本身。

這並非十九世紀的寓言，而是一個現代社會反覆出現的結構性問題。

Anthropic 的技術指控

2 月 23 日，Anthropic 發布技術聲明，指控三家中國 AI 公司—— DeepSeek、月之暗面（Moonshot AI）與 MiniMax ——對其 Claude 模型進行長期、系統性的「模型蒸餾」。

根據該聲明，相關行為並非零星 API 調用，而是透過大規模代理帳戶，長時間誘導模型輸出推理結構、任務分解邏輯與代理協作方式，並用於自家模型訓練。此類架構被稱為「九頭蛇（Hydra）」——其特徵不在於單一請求的強度，而在於數量、分散性與持續性。

三家公司各有側重：MiniMax 側重規模與任務編排；Moonshot 聚焦於推理與工具使用；DeepSeek 則被認為技術最為精細，專門蒐集「思維鏈」資料，甚至觸及模型安全邊界。

Anthropic 的判斷相當直接：
部分實驗室的快速進展，並非建立在原創研究之上，而是高度依賴對既有模型能力的系統性提取。

Read more

AI 模型的智力水準等同於一整個國家的頂尖人才，全部塞進一座資料中心裡運作。不只會寫程式碼、做數學，還能設定技術方向、理解問題的脈絡、做出需要判斷力的決策。

AI 權力大洗牌

Anthropic 創辦人兼執行長 Dario Amodei 近日作客 Dwarkesh Patel 的播客訪談，拋出了震撼業界的預測 。他指出，我們正處於「指數增長的尾聲」，AI 技術即將從量變走向質變的臨界點 。

Dario Amodei — “We are near the end of the exponential”

「數據中心的天才國度」：重新定義 2026

Amodei 回顧過去三年的演進，模型已從「聰明的高中生」進化至具備「博士級專業能力」的專業人士 。他大膽提出「數據中心裡的天才國度」（A Country of Geniuses in a Datacenter）概念，預測到 2026 或 2027 年，AI 將不僅展現單一諾貝爾獎得主的智力，更是數萬名頂尖天才協同工作的集合體 。

對於此願景的時間表，Amodei 展現出極強的信心 ：

• 10 年內實現： 90% 的把握 。

• 1 至 2 年內發生： 50/50 的可能性 。

他認為，唯二的變數僅來自地緣政治災難（如晶片供應鏈中斷）或極端的社會動盪。

營收狂飆：從 1 億到 100 億美元的「恐怖」曲線

在財務方面，Amodei 披露了 Anthropic 令人咋舌的「每年 10 倍怪異增長」（bizarre 10x per year growth）：

• 2023 年： 從 0 成長至 1 億美元 。

• 2024 年： 成長至 10 億美元 。

• 2025 年： 預計衝擊 90 億至 100 億美元 大關 。

即便面臨法律審核與合規檢查等「經濟擴散」的滯後效應，技術本身的強大推動力仍讓 Anthropic 營收在今年第一個月份就再度激增數十億美元 。

算力豪賭與破產風險：CEO 的財務平衡術

面對確定的技術前景，為何不舉債萬億美元提前囤積晶片？Amodei 解析了極具現實意義的風險邏輯：算力擴容必須與需求預測精準掛鉤，否則將面臨毀滅性災難 。

「如果我預測 2027 年會有萬億級需求而提前囤貨，只要需求爆發晚了一年，或者增長率從 10 倍微降至 5 倍，沒有任何避險作為能阻止公司破產 。」Amodei 選擇「負責任地激進」，確保投入的規模足以捕捉上行空間，同時憑藉企業級業務的高毛利維持生存韌性 。他預計 Anthropic 有望在 2028 年左右實現盈利 。

軟體工程的終局：AI 將接管端到端任務

Amodei 將編程視為 AI 最先攻克的堡壘，並將進化分為三個階段 ：

1. 第一階段： AI 編寫 90% 的代碼行（Anthropic 內部已實現）。

2. 第二階段： AI 處理 90% 的端到端任務（如修復 Bug、配置集群、撰寫文檔）。

3. 第三階段： AI 具備「職場經驗」，能理解複雜代碼庫並設定技術方向 。

他預測在 1 至 3 年內，AI 將能勝任高級軟體工程師的所有職責 。這並非意味著工程師失業，而是生產力的極致爆發，讓人類能從單純寫代碼轉向更高層次的系統管理 。

Read more

以下是這兩週的爆紅關鍵時點：

1. 爆發點：GitHub 星數的「垂直起飛」

在 2026 年 1 月 26 日左右，Clawdbot 在 GitHub 上正式釋出。由於它解決了 AI 只能「聊天」不能「幹活」的痛點，其 GitHub 星數在 24 小時內突破 9,000 顆，並在短短一周內衝破 10 萬星大關，成為 GitHub 史上成長最快的開源 AI 專案之一。

2. 硬體奇觀：全台與全球的「Mac mini 搶購潮」

Clawdbot 被稱為「住在硬碟裡的 Jarvis」，因為它需要高權限操作電腦，最安全的做法是跑在獨立設備上。這直接引爆了 Mac mini 的銷量。

• 社群媒體（X、Reddit）上充斥著「為了 Clawdbot 買台 Mac mini」的貼文。

• 許多技術愛好者將其視為打造「家庭 AI 中心」的標準配備，導致各地零售通路甚至外送平台的 Mac mini 一度宣告缺貨。

3. 名稱之爭：從 Clawdbot 到 Moltbot 的「蛻皮」

爆紅不到 48 小時，Anthropic 公司（Claude 的開發者）因商標相似性（Clawd vs Claude）向 Peter 發出通知。

• 1 月 27 日： Peter 幽默地回應「龍蝦成長必須蛻皮」，宣布更名為 Moltbot（Molt 意為蛻皮）。

• 混亂與重生： 更名過程中，舊的 GitHub 與 X 帳號短暫被加密貨幣詐騙者搶註，引發一場虛擬貨幣騙局風波。Peter 隨後迅速奪回主導權，並將專案進一步推向 OpenClaw 的開源社群化，強調安全與去中心化。

  

4. 實戰神話：從「對話框」走進「生活」

這兩週內，各種演示影片（Viral Demos）瘋傳：

• AI 透過 WhatsApp 主動發送早安簡報（整合 Notion 待辦與當天天氣）。

• 使用者在手機上傳一張帳單照片，家裡的 Clawdbot 自動打開電腦瀏覽器完成轉帳。

• 開發者在飛機上透過簡訊命令家中的電腦完成代碼修復與 PR 提交。

總結這兩週： Clawdbot 的爆紅標誌著 「個人代理（Personal Agent）」 時代的正式降臨。它不再是科技巨頭給你的「受限版助理」，而是一個由資深工程師 Peter 用 20 年積澱打造、運行在你家客廳、完全聽命於你的數位執事。

OpenClaw：個人 AI 助理的未來

1. 從「對話框」到「作業系統」：AI Agent 的典範轉移

傳統 AI 如 ChatGPT 像是受困於瀏覽器分頁的顧問，你問它答。但 OpenClaw 的精髓在於它是直接運行在你的硬體上（如 Mac mini 或 VPS）。它不只是個聊天機器人，而是一個擁有「手腳」的作業系統代理。它具備最高權限，能執行終端機指令（Shell scripts）、自動編寫並安裝新技能、操作你的 Spotify、管理檔案與郵件。它不再只是「給建議」，而是「直接把事做完」。

Read more

OpenAI 正式推出 Chrome 的競爭對手——ChatGPT Atlas。初步評價普遍平平，而在產品介紹影片中，Sam Altman 的神情也顯得心不在焉。值得注意的是，OpenAI 的市場估值如今已逼近 5,000 億美元，這是 Google 在推出 Transformer 模型、營收突破千億美元後才達成的里程碑。

10 月上旬，Altman 在 X 平台上公開宣示將「取消道德限制」，以「treat adult users like adults」為口號，準備全力衝刺營收。這一舉動揭露了所謂「AI 泡沫」的真相——真正的泡沫並非在股市，而是在私募市場。

外界盛傳 OpenAI 將開放「成人內容」的使用，這正是最具代表性的訊號。允許情色內容上線，並非長遠的產品策略，而是一種典型的哨兵式求生行為：為了填補營收缺口，不惜在道德邊界上試探，只為尋找任何能讓 LLM 商業化的出路。此次推出的 AI Browser，也延續了這樣的思維路線——在估值壓力下，不斷尋找新的變現邊界。

核心悖論：AI 泡沫與 Mag7 的共生危機

OpenAI 的商業模式正走向一個無法逃避的命題——

要支撐數千億美元級的資本支出 (Capex)，它最終必須搶奪「Mag7 七大科技巨頭」之一的核心業務。

以推出新瀏覽器 ATLAS 為例，OpenAI 正在直接進攻 Mag7 的應用層入口。

• 巨額成本現實：OpenAI 需要達到 Mag7 級別的營收，才能覆蓋龐大的數據中心與 GPU 基礎建設支出。

• 邏輯矛盾：

  • 若 Mag7 的護城河牢不可破，OpenAI 將永遠無法取得足夠收入，AI 泡沫終將破裂。

  • 但一旦泡沫破裂，整體科技股——尤其是 Mag7——也會同步暴跌。

➡️ 結論：
「持續看多科技股」與「相信 Mag7 不會被 OpenAI 撼動」這兩個假設無法同時成立。

必然推論：OpenAI 必須擊穿一座護城河

OpenAI 唯一的出路，是成功搶奪 Mag7 至少一家 的核心市場份額。否則，無論估值多高，AI 泡沫都將因現金流枯竭而崩解。

逐一排除：誰最安全？

作者採取「排除法」，評估各家企業的防禦力：

✅ 絕對安全：NVIDIA、Microsoft

• Nvidia 是算力供應商，與台積電一樣都無可取代；但 OpenAI 正在利用黃仁勳的FOMO 情緒讓 Nvidia 失去理性判斷力。

• Microsoft 365 CoPilot 高牆，原地升級行銷策略，已先成功穩住客戶，易守難攻。

✅ 實體護城河：Tesla、Amazon

• OpenAI 不會造車，也不會自建物流。

• 想透過第三方合作滲透這兩個領域，幾乎不可能。

✅ 硬體入口壁壘：Apple

• 只要手機仍是主要入口，App Store 的分潤機制就牢不可破。

• 即使入口轉向 AR/VR，Apple 早已提前布局；
  OpenAI 不可能再同時承擔硬體研發的高成本。

高危險區：Meta、Google

排除上述五家後，剩下的兩家——Meta 與 Google，成為最脆弱的標的。

共同弱點：

• 主要收入來源皆為 廣告。

• 而廣告是 OpenAI 最容易進攻、又不需額外 Capex 的收入來源。

威脅路徑：ChatGPT 的「超級入口化」

對 Meta 的威脅（社交）

• 演化方向：ChatGPT 若成為「AI 版微信」，藉由 SDK 開放與小程式生態構築閉環，將從聊天工具進化為「超級入口」。

• 脆弱點：Meta 的 Facebook、Instagram、WhatsApp 更像單純社交工具（類似 QQ），一旦 ChatGPT 建立生態效應，Meta 的護城河將被穿透。

➡️ 推論：ChatGPT 可能成為下一個「微信」，擊潰 Meta 的社交壟斷地位。

對 Google 的威脅（搜尋）

• Google Reseach 仍無發攻破：過去因 Google 廣告收入持續成長，來自 ChatGPT 的威脅已被證明過度。

• 現在的 ChatGPT 還只是個 Chatbot，OpenAI 希望打造一個「超級入口」，使用者行為將轉移到 ChatGPT 內完成資訊檢索與商業互動，扭轉搜尋廣告模式，滿足投資人的敘事邏輯。

➡️ 結論：Google 的廣告帝國，或有可能被 OpenAI 撕開裂縫。但直到目前仍看不出跡象，且 Gemini 也逐漸反超 ChatGPT，若無法快速攻破，那麼估值將承壓。

OpenAI 的未來不是靠「更好的模型」決勝，而是要在 Mag7 的疆界內創造新的入口與收入模式。

這是一場從 GPU 到入口層的全面戰爭。AI 泡沫的延續，取決於 OpenAI 是否能成功搶奪一個「現金流核心」。

• Fairwater Wisconsin：微軟在威斯康辛州 Mt Pleasant 啟用其最大、最先進的 AI 數據中心，佔地 315 英畝，建築面積 120 萬平方英尺，配置數十萬顆 NVIDIA GB200 GPU。

• 性能定位：單一集群即相當於全球最快超級電腦的 10 倍效能，專為 前沿 AI 模型訓練與推理打造。

• 全球佈局：Fairwater 只是起點，英國 Loughton、挪威 Narvik 等地也有同規模的 Fairwater 數據中心在建，將與超過 400 座既有 Azure 數據中心互聯，形成分散式超級電腦。

• 基礎創新：

  • 單機架 72 顆 GB200，1.8 TB/s GPU 互聯帶寬、14 TB 池化記憶體。

  • 液冷系統取代空冷，閉環循環，零耗水，支撐更高密度。

  • 重新設計 Azure Blob Storage，可達 每帳號 200 萬次讀寫/秒，並支撐百萬帳號並行。

  • AI WAN 將全球 Fairwater 連結成一體，支援跨區域分散式訓練。

Fairwater 的戰略定位：AI 時代的新工廠

傳統雲端數據中心主要服務於網頁託管、電郵、企業應用等「碎片化工作負載」。這些應用強調分散、多租戶與靈活調度。但 Fairwater 不一樣，它是一個「為 AI 訓練與推理而生的單一超級電腦」。

微軟官方說明中，Fairwater 的設計理念是將數十萬顆 GPU 視為「一台機器」，透過單一扁平網路讓它們協同運作，從而支撐 OpenAI、Copilot，以及更多前沿 AI 模型。這是一種從 **「數據中心集合體」轉變為「AI 超級電腦」**的架構哲學。

Fairwater 的規模也令人咋舌：

• 佔地 315 英畝

• 建築面積 120 萬平方英尺

• 採用 數十萬顆 NVIDIA GB200 GPU

• 整體效能是目前最快超級電腦的 10 倍

更重要的是，這並非孤立項目。微軟同時在英國 Loughton、挪威 Narvik 與美國多地建設同級別「Fairwater 系列」數據中心，並透過 Azure 的 AI WAN 把它們互聯，形成分散式全球 AI 超級電腦。

硬體堆疊：GPU、液冷與 NVLink 超級機櫃

1. GPU 集群：NVIDIA GB200 NVL72

Fairwater 的核心就是 NVIDIA GB200 NVL72 機櫃。

• 每櫃配置：72 顆 Blackwell GPU + 36 顆 Grace CPU

• 單櫃功率：~132 kW（125–135 kW 區間）

• 單櫃效能：透過 NVLink 與 NVSwitch，整櫃被視為一個「巨型加速器」，具備 1.8 TB/s GPU-GPU 帶寬、14 TB 池化記憶體。

• 吞吐能力：單櫃可處理 86.5 萬 tokens/sec，刷新雲端平台紀錄。

這意味著，Fairwater 的每一排機櫃不是在堆砌零散 GPU，而是組成可線性擴張的「超級節點」。

2. 液冷系統：閉環直通液冷

傳統風冷已無法應對每櫃 132 kW 的熱密度。Fairwater 採用：

• 直通液冷（Direct-to-Chip Liquid Cooling）：冷卻液直接流經 GPU/CPU 封裝。

• 閉環循環：只在建造時注水一次，之後反覆使用，零蒸發損耗。

• 外部冷卻鰭片 + 巨型風扇：172 台 20 呎風扇將熱水降溫後再送回循環。

微軟宣稱，Fairwater 擁有 全球第二大水冷冷卻廠，足以支撐 AI 負載長時間高功率運行。

3. 網路拓樸：NVLink + InfiniBand

• 機櫃內：靠 NVSwitch 讓 72 顆 GPU 高速通信。

• 機櫃間：透過 InfiniBand 與 800GbE 形成 Fat Tree 非阻塞架構，確保每顆 GPU 都能與其他 GPU 全速對話。

• 建築設計：採 雙層機廳，減少機櫃間物理距離，進一步降低延遲。

4. 儲存與數據基礎設施

AI 訓練需要海量數據。Fairwater 的儲存中心被形容為「五個美式足球場長度」。

• Azure Blob Storage：單帳號可處理超過 200 萬次讀寫/秒，並支援百萬帳號並行。

• BlobFuse2 技術：保證 GPU 訓練過程中不因數據供應不足而閒置。

• 彈性擴展：支撐 exabyte 級別數據池。

能耗挑戰：一座電力怪獸

1. 功率需求

• 第一期負載：官方資料與當地公共廣播指出，Fairwater 第一期 IT 負載約 450 MW，相當於 30 萬戶家庭用電。

• 變電容量：We Energies 與 ATC 建設的專屬變電站，容量 ≥752 MW，意味著園區最終可能衝到此級距。

• 滿展情境：若未來兩期合計，園區總負載可能在 750–1000 MW 區間。

2. 電力來源

• 天然氣新機組：

  • Oak Creek 1,100 MW

  • Paris（Kenosha County）128 MW
    → PSC 已在 2025 年 5 月核准，明言是為應對資料中心需求。

• 再生能源：微軟已承諾投資 250 MW 太陽能場，並透過購電協議抵消化石電力。

• 專屬費率：We Energies 擬定「資料中心專用費率」，由微軟預付電網升級成本，避免影響居民電價。

3. 用水策略

• 全園區滿展後，年用水量上限 840 萬加侖，僅傳統數據中心的十分之一。

成本估算：GPU 是最大成本鯨魚

1. NVL72 機櫃成本

• 市場定價：每櫃 US$3.0M（低估 US$1.9M，高估 US$3.5M）。

• 功率換算：每櫃 132 kW。

• 情境試算（只算 GPU 櫃）：

  • IT 250 MW → 約 1,894 櫃 → US$36–66 億，中位 US$56.8 億

  • IT 300 MW → 約 2,273 櫃 → US$43–79 億，中位 US$68.2 億

  • IT 375 MW → 約 2,841 櫃 → US$54–99 億，中位 US$85.2 億

2. 非 IT 基建（電力、液冷、土建）

行業平均：US$8–12M/IT-MW。

• IT 300 MW → US$24–36 億，Fairwater 高密度液冷取上限 → US$30–40 億。

3. 網路與儲存

• 跨櫃網路：GPU 櫃 CAPEX 的 10–20%。

• 儲存系統：數十億美元等級，依 SSD/HDD 比例而定。

4. 總體 CAPEX 概算（IT 300 MW 基準）

• GPU 櫃：US$68 億

• 基建：US$30–40 億

• 網路 + 儲存：US$10–20 億

• 合計：約 US$110–130 億

這與微軟官方宣稱「單一 Fairwater 投資規模達數十億美元」相符。

對產業的影響

1. GPU 供應鏈的黃金時代

• NVIDIA：最大受惠，Fairwater 需要數十萬顆 GB200，且未來英國與挪威項目將使用 GB300。

• Broadcom / Marvell：高效能網路晶片需求大增。

• Supermicro / Dell / HPE：伺服器整合與交付訂單爆量。

• Vertiv / Schneider：液冷與電力基建核心供應商。

2. 能源與公用事業

• Constellation / NRG / GE Vernova：長期電力合約與新建天然氣／可再生能源機組。

• 電網投資：ATC 與 We Energies 的數億美元基建將直接受惠。

3. 租賃 GPU 業者的風險

過去微軟因算力不足而依賴外部租賃（CoreWeave、NebuIs、Crusoe）。但 Fairwater 上線後：

• CoreWeave：營收高度依賴微軟，風險最大。

• NebuIs / Crusoe：短期需求仍強，但中期可能被擠壓。

• AWS / Google Cloud：不依賴單一客戶，但 Azure 自建擴張加劇競爭壓力。

未來展望與挑戰

1. 碳中和與能源轉型：
   雖然微軟承諾抵消化石電力，但短期仍需依賴天然氣。如何在 2030 年達成碳中和，將是社會與政策的壓力來源。

2. 供應鏈瓶頸：
   NVIDIA GPU、液冷 CDU、光模組等仍面臨短缺風險。若產能未能匹配，建設節奏可能放緩。

3. 租賃市場洗牌：
   Fairwater 等巨型數據中心會削弱「GPU 雲租賃」的護城河，逼迫 CoreWeave 等新創尋找新客戶。

4. 資本回報問題：
   單一基地 CAPEX 高達百億美元級，微軟必須透過 Azure Copilot、OpenAI API、AI SaaS 應用加速變現，否則難以獲得合理 ROI。

潛在受惠股

1. GPU 與核心晶片供應鏈

• NVIDIA (NVDA)：最大受惠者，GB200/GB300 大規模採購，確保 GPU 市場主導地位。

• Broadcom (AVGO)、Marvell (MRVL)：提供高效能網路晶片（InfiniBand / Ethernet 800 Gbps）。

• AMD (AMD)：雖然 Fairwater採用 NVIDIA，但長期 AI GPU 市場需求有溢出效應。

2. 伺服器與系統整合

• Supermicro (SMCI)、Dell (DELL)、HPE：伺服器組裝、GPU 集群整合。

• Arista Networks (ANET)、Cisco (CSCO)：數據中心網路交換器。

3. 能源與基建

• Vertiv (VRT)、Schneider Electric (SU)：液冷與電力解決方案。

• Constellation Energy (CEG)、NRG Energy (NRG)：長期電力合約受惠。

• GE Vernova (GEV)：燃氣渦輪與再生能源支撐 AI 用電需求。

4. 儲存與數據基礎設施

• Seagate (STX)、Western Digital (WDC)：高容量儲存。

• Pure Storage (PSTG)：AI 訓練所需高效能 Flash 儲存。

5. 軟體與應用層

• Palantir (PLTR)、Snowflake (SNOW)、Databricks（未上市）：AI 模型與大數據分析平台，Azure 基建擴張可直接帶動。

• ServiceNow (NOW)、Adobe (ADBE)：將更深度整合 Copilot 與 AI 服務。

租賃 GPU 業者的風險

微軟過去因自建不足而依賴外租算力：

• CoreWeave（私人公司）：依賴 Microsoft 與 OpenAI 大客戶，若 Fairwater 完全上線，租賃需求將下降，影響營收增速。

• NebuIs、Crusoe、Lambda Labs：同樣面臨需求被微軟「內部化」的風險，長期市場將轉向 中小 AI 新創與科研機構。

• AWS、Google Cloud：雖不依賴單一客戶，但微軟自建加速，意味著 Azure 競爭力增強，市場份額壓力提升。

結論：

• 短期內，GPU 租賃業者仍受惠於需求過熱，但 中期開始將遭遇微軟自給自足的衝擊。

• 這些公司必須拓展 多元客戶（金融機構、政府、學術 AI 實驗室），否則估值與成長性將受挑戰。

投資觀點

1. 長線主軸：

   • NVIDIA、Vertiv、Supermicro 為最直接受惠。

   • 能源與液冷供應鏈成為新焦點。

2. 短線機會：

   • CoreWeave 等租賃業者仍有需求紅利，但需警惕 2026–2027 轉折點。

3. 策略建議：

   • 聚焦「硬體基建供應鏈」+「能源基建股」，視為長期高確定性標的。

   • 對「GPU 雲租賃」公司保持審慎，因其成長曲線可能提前見頂。

Fairwater 是一座數據中心，更精確地說就是一個完整定義的 AI factory，這項建設與運營背後，是 GPU、液冷、電網、能源、儲存 等完整產業鏈的巨額再分配。讀者可與

對投資人而言：

• 長期確定性受惠：NVIDIA、Vertiv、Supermicro、Broadcom。

• 能源端新機遇：GE Vernova、Constellation。

• 中期風險：GPU 雲租賃新創。

Fairwater 只是開端。當微軟與其他科技巨頭在全球複製這一模式，AI 工廠化將真正改寫產業與投資版圖。

• Google 宣布先前在 crowdsourced 評測平台 LMArena 中以「nano‑banana」匿名出現的影像模型，實際上正是其 Gemini 2.5 Flash Image 的最新升級版本。

• Gemini 2.5 Flash Image 已於 2025 年 8 月 26 日正式向 Gemini App 用戶推出，並開放給開發者透過 Gemini API、Google AI Studio 與 Vertex AI 使用。

核心功能：AI 圖像生成＋精準編輯

Gemini 2.5 Flash Image 的特色包括：

• 自然語言驅動的精細編輯：只需一句指令，就能修改背景、模糊背景、去除汙漬、改姿勢、上色黑白照等。

• 物件與角色一致性處理能力突出：能在多張圖之間保持角色或物件一致、不失真，適合多視角展示或品牌素材製作。

• 多影像融合與世界知識理解：能融合不同圖片或色板與場景，創造統一視覺作品。

• 內建透明浮水印（SynthID）：生成的影像會自動添加隱形浮水印，提升內容可追蹤性與負責任創作。

LMArena 上的「nano-banana」示例

BGR 報導蒐集了許多社群分享的實例，展現了模型的高水準生成能力，包括：

• 複製物品：「Add a third bag of dog food… it's disturbingly good.」

• 插入與調整臉部方向：「Google’s new image model, nano‑banana, is the best… the beach wasn’t altered… kept the prompt faithfully.」

• 結合多張照片生成自拍場景：「Take those two photos and make it look like they're taking a selfie in a park」

• 更換物件與服裝：即使圖中元素複雜，也能精準匹配；只需幾次嘗試就能得到理想結果

• 其他亮點如廣告風格轉換、四格拼貼（b-roll）等應用也多次被讚爆：

“AMAZING RESULTS… handled pretty much any prompt…”

請自行點選連結以下文章，今天就來好好玩一玩，極限測試 Google 的算力！

Mysterious Nano-Banana AI Image Generator Goes Viral - Here Are 10 Wild Examples

操作心得

透過 Google AI Studio 呼叫 Gemini 2.5 Flash Image Preview（nano‑banana）進行操作時，有以下實際體驗：

• 可以依照提示完成角色換裝、動作姿勢指令設計、角色變身公仔、構圖設定等，呈現力與精準度非常高。

• 個人認為其在動漫角色生成方面表現尤佳，真人仍有細微差異，但稍調提示詞即可改善，整體體驗十分上癮。

模型小結

OpenAI的四月中興：GPT-4o 的「吉卜力」迷因

• 4 月初 GPT-4o 影像生成功能開放後，「把照片變成吉卜力風格」迅速洗版，媒體記錄到 ChatGPT 週活創今年新高、伺服資源吃緊與臨時限流——這些都是需求失控的典型跡象，而非預告式行銷。

• Sam Altman 當時連發文請大家「先冷靜、我們團隊需要睡覺」，更像在滅火而不是放火。

• 爆紅同時也引出版權與倫理爭議（「風格」通常難以受著作權直接保護），各大媒體與學者都有討論，並非一面倒的宣傳敘事。

Google 有「後來居上」的勢頭嗎？

把「能力、分發、基建、商業化」放在一起看：

1️⃣ 能力與產品節奏（多模態即時助理 + 影像編輯）

• 影像編輯的「一致性」確實形成差異化敘事（品牌/人物素材處理很吃這點）。同時，Google 正把 I/O 以來的 Project Astra 研究線，實裝到 Gemini Live（即時視覺與語音互動），並宣布 8/28 隨 Pixel 10 推出更視覺導引的能力。這是對標 GPT-4o Realtime 的關鍵拼圖。

2️⃣ Google 生態圈

• AI Overviews 月活已達 20 億（7/23 公開），Gemini App 也到 4.5 億 MAU。這代表 Google 能把新模型快速「推進日常入口」（搜尋、Android、YouTube/Workspace）。

3️⃣ 基礎設施與成本曲線

• Google 在 Q2 財報後把 2025 年資本支出上修到 850 億美元，明確對準 AI/資料中心／自研晶片（TPU v6e Trillium、Inference 向的 Ironwood）。這會影響延遲、吞吐與單位成本，進而影響產品體驗與毛利。

4️⃣ 資本市場溫度計

• Q2 財報後，市場對 Google「AI 雲 + 搜尋 AI 化」的敘事轉趨正面，股價也在 8 月下旬創高區間徘徊；但分析師同時提醒：高資本開支與監管風險仍可能壓抑估值。

小結：nano-banana對Germini模型的效應分析

✅ 不是單點爆紅，而是體系成形。 「nano-banana」的病毒傳播，配上 Gemini Live/AI Overviews 的龐大分發、以及雲端/TPU 的重資本投入，確實讓 Google 在體驗深度 + 觸達廣度 + 交付能力三線同時推進。

✅ OpenAI 仍強在開發者心智與創新敘事（例如 4o 的即時多模態、風格擬真度、API 生態），但 Google 的「端到端硬體＋入口級分發」是不同型的護城河。

✅ 「後來居上」的機率：在影像編輯/消費級創作與行動端助理兩個戰場，Google 已出現「追上甚至局部超車」的信號；但在開發者平台活性、第三方應用滲透、品牌創作者偏好等層面，勝負仍未定。接下來 1–2 個季度，要看：

1. Flash Image 體驗是否不降反升（避免「上線後保守化」），以及 Web/API 與企業版的全面可用性；

2. Gemini Live/「Gemini for Home」的留存與使用深度；

3. 雲端推論成本/延遲是否因 TPU 代際更迭明顯下降，帶動大規模產品化（不只是 Demo）。

✅ OpenAI：依然是「創新敘事」的領頭羊（社群迷因、爆紅功能、開發者第一站）。

✅ Google：憑藉龐大分發渠道（搜尋＋Android），加上 TPU 的成本曲線優勢，有「後來居上」的現實條件。

✅ 若從投資角度看，OpenAI 像是「產品驅動的爆點」，Google 更像「基建驅動的持續推進」。

但 Google 在推廣 Gemini 上面少了Sam Altman 這樣的超級業務員

• OpenAI GPT-4o → 藍色箭頭往右上：若能突破分發限制（手機端、更深的 API 生態整合），有機會進入「Leaders」區。

• Google Gemini → 綠色箭頭往右：若能持續在模型創新（如 Flash Image、Live 即時助理）保持進化，就能補齊創新短板，挑戰領導者地位。

從瀏覽器到「入口」的歷史演進

瀏覽器自 1990 年代初期誕生以來，一直是數位世界的基礎入口。Netscape Navigator 開啟了圖形化網路的時代，隨後 Internet Explorer 在微軟 Windows 生態系統的綁定下成為主流。進入 2008 年，Google Chrome 憑藉速度、穩定性與開發者工具的優勢，快速奠定了超過六成的市佔率。這段歷史顯示：瀏覽器的勝負，往往取決於能否順應新一代使用者需求的轉變。

然而，近十多年來，瀏覽器本質功能並無顯著創新。即便加入分頁管理、擴充插件、跨裝置同步，瀏覽器仍然是被動的「顯示器」，等待使用者輸入 URL 或關鍵字，再跳轉至內容頁。這種模式在資訊爆炸與廣告商主導的商業邏輯下，已逐漸顯露疲態。

AI 崛起與搜尋流量下滑

ChatGPT 的出現，徹底改變了使用者與資訊互動的模式。隨著 OpenAI、Anthropic、Google、Perplexity 等推動生成式 AI 普及化，越來越多人直接透過對話式介面獲得答案，而非傳統的「點擊連結—篩選內容—再找答案」流程。

這對傳統搜尋引擎與依賴流量變現的媒體，帶來深遠衝擊：

• 大型出版商回報流量下滑幅度達 20–40%；

• 廣告收入模式受到威脅；

• 使用者逐漸期待「一次到位」的答案，而非瀏覽數十個分頁。

在這樣的背景下，AI 瀏覽器的誕生既是技術創新，也是商業必然。它們承諾不再只是「網頁顯示器」，而是能理解上下文、執行多步驟任務的代理人（Agent）。

AI Browser 的集體爆發

2025 年被視為 AI 瀏覽器元年。短短數月內，產業出現三股明顯潮流：

1. Claude for Chrome

   • 以插件形式進駐 Chrome，讓 Claude 能直接在網頁上操作、填寫表單、讀取內容。

   • 特徵：降低切換成本，直接把 AI 能力疊加到全球最主流的瀏覽器上。

   

2. Perplexity Comet

   • 第一款「AI 原生」的瀏覽器，徹底拋棄傳統搜尋列，強調自然語言對話與多步驟任務執行。

   • 商業模式：高價訂閱（Max 每月 200 美元），挑戰用戶付費意願。

   

3. Microsoft Edge Copilot Mode

   • 借助 Windows 與 Microsoft 365 的龐大使用者基礎，直接內建 AI 助手，從摘要、比對到語音指令，一體化融入。

   • 特徵：不單是功能，而是體驗上的全面改造。

   

同時，Google 傳出正內部測試自有 AI 瀏覽器版本，OpenAI 也在秘密研發全新 Agentic Browser。這些跡象顯示，AI 瀏覽器已成為科技巨頭與新創競逐的新戰場。

投資與風險視角

雖然市場對 AI 瀏覽器寄予厚望，但其發展仍面臨多重挑戰：

• 隱私與安全：AI 助手需要深度讀取瀏覽內容與表單，如何避免洩露敏感數據？

• 內容版權：媒體與出版商已對 AI 擷取內容提出抗議與法律挑戰。

• 採用成本：部分產品訂閱價格過高，難以形成規模普及。

• 監管壓力：隨著 AI 瀏覽器在數據蒐集上愈發深入，監管機構可能介入。

投資人需理解，這不僅是單一產品的問世，而是一場 生態轉移。瀏覽器市場過去十餘年由 Chrome、Safari、Edge 主導，但 AI 的滲透，可能再次顛覆現有格局。

👉 總結來看，AI 瀏覽器不只是「加 AI 的 Chrome」，而是下一代人機交互的操作系統候選人。這場競賽的勝出者，將掌握使用者的入口、數據與習慣，進而重塑網路經濟。

1️⃣ 初學者友善的解釋與測驗

Prompt: 「請用簡單易懂的中文，向一個完全沒有背景知識的人解釋『區塊鏈』是什麼。請提供兩個真實世界的例子來說明它的應用，例如在供應鏈管理或數位版權領域。最後，請設計一個包含三題選擇題的測驗，附上正確答案，來幫助我確認是否理解了。」

2️⃣ 專家級摘要與資源指南

Prompt: 「請扮演一位研究人工智慧倫理的專家。針對『生成式AI對社會的倫理挑戰』這個主題，提供一份全面的摘要。摘要應包含： (a) 對『生成式AI倫理』的關鍵定義。 (b) 目前討論最熱烈的幾個主要倫理原則或理論，例如偏見問題、透明度與當責性。 (c) 近期關於AI倫理的最新發展或爭議事件。 (d) 推薦3個最值得深入學習的資源（可以是一本書、一部紀錄片或一個權威網站）。

3️⃣ 四週的結構化學習計畫

Prompt: 「我想從零開始學習Python程式設計。請為我設計一份為期四周的學習計畫。計畫需具體說明：

• 第一週到第四週：每週的學習目標（例如：第一週掌握基本語法、第二週學習函式與模組）。

• 每日活動：建議每天花1-2小時進行的學習活動（例如：觀看教學影片、完成線上練習題）。

• 推薦資源：提供免費的線上課程、互動式教學網站或YouTube頻道。

• 自我評估：在四周結束時，我該如何評估自己的學習成果？（例如：完成一個小型個人專案）。」

4️⃣ 主題分解與實踐活動

Prompt: 「請將『光合作用』這個複雜的生物學概念，拆解成至少5個更小的子主題。針對每一個子主題（例如：光反應、碳反應、葉綠素的角色等），請提供： (a) 一段簡潔的中文解釋。 (b) 一個實際的例子或比喻來幫助理解。 (c) 一個建議的簡單活動或小實驗，讓我可以親手操作來加深印象。

5️⃣ 專案式學習活動藍圖

Prompt: 「請為國中生設計一個關於『永續城市』的專案式學習活動藍圖。內容應包含： (a) 明確的學習目標（例如：了解永續發展目標SDGs、培養解決問題的能力）。 (b) 專案所需的材料清單（例如：回收材料、繪圖工具、網路資源）。 (c) 詳細的步驟說明，引導學生從研究、設計到製作出一個永續城市的模型或藍圖。 (d) 一份評分標準，用來評估學生的研究深度、創意和團隊合作。 (e) 兩個可以延伸的活動建議，例如採訪社區居民或向校方提案。」

思維與深化

6️⃣ 批判性思維的蘇格拉底式提問清單

Prompt: 「針對『社群媒體對青少年心理健康的影響』這個議題，請生成一份包含10個開放式的蘇格拉底式問題清單，以激發深入的批判性思考。對於每個問題，請簡要解釋它旨在引導我們思考哪個層面的問題，例如是挑戰假設、探討後果還是尋找證據。」

7️⃣ 給年輕學習者的概念故事化

Prompt: 「請將物理學中的『牛頓第三運動定律（作用力與反作用力）』，改編成一個適合國小中年級學生閱讀的短篇故事。故事需要有一個主角（例如一個喜歡玩滑板的小朋友），透過他遇到的某個情境，清楚地解釋作用力與反作用力的概念。」

8️⃣ 個人化學習路線圖

Prompt: 「我是一名對『資料科學』感興趣的大學生，未來想從事相關工作。請為我規劃一張個人化的學習路線圖。路線圖應包括： (a) 學習的關鍵里程碑（例如：從統計學基礎到機器學習模型）。 (b) 每個階段需要掌握的核心技能（例如：Python程式設計、SQL資料庫查詢、Pandas資料處理）。 (c) 推薦的線上課程平台（例如Coursera、edX）和必讀的經典書籍。 (d) 我該如何衡量自己的學習進度？（例如：參加Kaggle競賽、建立個人作品集）。」

9️⃣ 惡魔代言人反方論證練習

Prompt: 「我的主要論點是：『遠距工作模式應該成為未來企業的標準配備，因為它能提升員工滿意度和生產力。』

現在，請你扮演『惡魔代言人』，針對我的論點提出至少三個強而有力的反方觀點或潛在的負面影響。然後，再提示我該如何反駁這些反方觀點，以強化我最初的立場。」

1️⃣0️⃣ 給教育者的詳細教案

Prompt: 「請為一堂45分鐘的高中歷史課，設計一份關於『文藝復興』的詳細教案。教案應包含： (a) 學習目標（例如：學生能說出三位文藝復興時期的代表人物及其貢獻）。 (b) 一個引人入勝的開場活動，例如展示《蒙娜麗莎的微笑》並提問。 (c) 主要的教學活動，例如分組討論比較中世紀與文藝復興時期藝術風格的差異。 (d) 評量方式，例如一個簡短的課堂寫作練習。 (e) 回家作業建議，例如讓學生選擇一位藝術家進行更深入的研究。」

應用與創造

1️⃣1️⃣ 遊戲化學習體驗設計

Prompt: 「我想讓學習英文單字變得更有趣。請為『背誦100個核心英文動詞』這個目標，設計一個遊戲化的學習體驗。請概述： (a) 核心的遊戲機制，例如一個『動詞王國冒險』的故事背景。 (b) 遊戲的關卡或挑戰類型，例如單字配對、句子填空。 (c) 成就系統，例如每學會10個單字就獲得一個『文法騎士』徽章。 (d) 如何追蹤學習進度，並在達成目標時給予慶祝。」

1️⃣2️⃣ 附帶解釋的比較分析表

Prompt: 「請建立一個比較表格，用來分析『社會主義』與『資本主義』這兩種經濟體系。表格需要突顯它們之間至少5個主要的不同點（例如在所有權、資源分配、政府角色等方面）。對於每一點不同之處，請提供簡潔的解釋，並各舉一個真實世界的國家作為例子。」

1️⃣3️⃣ 困難概念的多領域類比

Prompt: 「請扮演一位類比大師。為電腦科學中『遞迴 (Recursion)』這個抽象概念，從以下三個不同領域各創造一個生動的類比：

1. 自然界：例如植物的生長模式。

2. 日常生活：例如俄羅斯娃娃。

3. 藝術：例如碎形藝術 (Fractal Art)。 對於每一個類比，請解釋它如何幫助理解遞迴的核心思想。」

1️⃣4️⃣ 記憶法與練習活動

Prompt: 「請為太陽系的八大行星順序（水星、金星、地球、火星、木星、土星、天王星、海王星），發明一個有趣又好記的中文助記詞或口訣。解釋完這個口訣後，請設計一個簡短的填空練習來幫助我鞏固記憶。」

1️⃣5️⃣ 作業或專案的評分標準表

Prompt: 「請為一份『人物傳記讀書心得報告』的作業，制定一份詳細的評分標準表。標準表應包含至少4個評分項目（例如：內容理解、結構組織、批判性分析、文筆流暢度），並為每個項目設定四個表現等級（優秀、良好、尚可、待加強），並附上清晰的描述。」

1️⃣6️⃣ 教育影片腳本

Prompt: 「請為一個5分鐘的YouTube教育短片撰寫腳本，主題是『如何辨識假新聞』。腳本需要包含： (a) 一個引人注目的開場白，點出現今資訊爆炸時代的問題。 (b) 3到4個實用的辨識技巧，例如『檢查消息來源』、『反向搜尋圖片』，並提示此處可以搭配什麼樣的畫面或動畫來呈現。 (c) 一段簡潔有力的總結。 (d) 最後呼籲觀眾分享影片，並在留言區討論他們自己的經驗。」

整合與前瞻 (Integration & Foresight)

1️⃣7️⃣ 概念圖建構

Prompt: 「請為『氣候變遷』這個複雜議題，建構一個概念圖。圖中需包含至少7個關鍵概念節點，例如：溫室氣體、全球暖化、海平面上升、極端氣候、再生能源、碳足跡、國際協議。請用文字描述這些節點之間的因果或關聯性。」

1️⃣8️⃣ 跨課程專案設計

Prompt: 「請設計一個能整合『數學』與『美術』兩個學科的高中跨課程專案。請描述： (a) 專案的主要目標，例如讓學生理解『黃金比例』在藝術創作中的應用。 (b) 數學和美術的知識將如何在這個專案中被結合運用。 (c) 一個按步驟的執行計畫，從研究黃金比例的數學原理到創作出一幅應用該比例的藝術作品。 (d) 評估標準，需同時考量數學計算的準確性與藝術表達的創意。 (e) 這個專案在現實世界中有什麼樣的應用，例如建築設計或平面設計。」

1️⃣9️⃣ 多學科問題分析

Prompt: 「請扮演一位城市發展顧問，分析『都會區交通壅塞』這個問題。請從以下三個不同的學科視角提供見解：

1. 經濟學：分析塞車造成的經濟成本和可能的定價策略（如壅塞費）。

2. 社會學：探討通勤文化、社會階層與交通工具選擇之間的關係。

3. 環境科學：評估交通壅塞對空氣品質和碳排放的影響。 最後，請總結這三個視角如何共同幫助我們更全面地理解並解決這個問題。」

2️⃣0️⃣ 未來趨勢與技能預測

Prompt: 「請預測『醫療保健』領域在未來10年、30年和50年的可能發展趨勢。針對每一個時間階段，請討論： (a) 可能出現的關鍵技術突破，例如10年內的AI輔助診斷、30年內的基因編輯普及。 (b) 這些技術可能帶來的社會影響與倫理挑戰。 (c) 未來的醫療專業人員（醫生、護理師）應該提前培養哪些新技能（例如數據分析、遠距醫療溝通能力）來應對這些變化。」

上圖清晰地定義了AI Agent領域中十個最關鍵的概念，它們共同構成了理解和構建現代AI Agent的基礎。

1. 人工智能代理 (AI Agent)

• 定義： AI Agent是一種能夠「觀察 (observe)」、「推理 (reason)」、並「行動 (act)」的系統，其核心特徵在於無需人類提供逐步、手把手的指令。它具備一定的自主性，可以根據環境輸入和內部狀態，自行決策下一步該怎麼做。

• 重點： 強調的是自主決策能力，而非單純地執行預設好的腳本。

• 舉例： 傳統程式是「如果使用者點擊按鈕，就執行函數X」，而AI Agent則是「觀察到使用者似乎想預訂機票，便自主啟動機票查詢的流程」。

2. 自主人工智能 (Agentic AI)

• 定義： 這個術語強調的是AI Agent超越簡單「自動化」的層面。它不僅能執行任務，還能「設定目標 (set goals)」、「動態調整計畫 (adapt plans)」並「自主做出決策 (make decisions on the fly)」。這是一種具有主動性 (initiative) 的AI。

• 重點： 體現的是AI的目標導向與靈活性。

• 舉例： 自動化系統可能只會按照計畫路線開車；而自主AI汽車則會設定「到達目的地」的目標，即使遇到修路，也能自行規劃新的路線。

3. 反應式推理 (REACT = 推理 + 行動)

• 定義： REACT是一個重要的Agent框架。它代表了「推理 (Reason)」和「行動 (Act)」的循環。代理不會盲目地給出答案，而是會先進行推理，然後根據推理結果採取行動（例如，使用工具），再根據行動結果進行下一步推理，直到得出最終答案。

• 重點： 強調思考與行動的交替，避免直接猜測，確保答案的準確性。

• 舉例： 當被問及「2023年法國的GDP是多少？」時，一個採用REACT框架的代理會先推理出「我需要查詢最新的GDP數據」，然後行動（調用搜索引擎工具），再根據工具返回的結果，進行最終的回答。

4. 反思機制 (REFLECT)

• 定義： 反思機制賦予Agent自我評估和學習的能力。它允許Agent在完成任務後，回顧自己的行動和結果，找出其中的不足之處。這種機制使得Agent能夠在未來相似的任務中調整策略，從而持續地提升表現。

• 重點： 體現了自我改進的學習循環。

• 舉例： 一個編程代理在幾次代碼生成失敗後，會反思「我之前的代碼邏輯有漏洞，可能需要更詳細地分解需求」，並在下一次生成時應用這個新的策略。

5. 工具調用 (TOOL USE)

• 定義： 工具調用是指AI Agent能夠像人類使用工具一樣，調用外部的API、運行程式碼、查詢資料庫等，來擴充其能力。這使得Agent不再受限於其訓練數據，能夠處理即時資訊或執行特定任務。

• 重點： 外部工具是Agent能力的擴展介面。

• 舉例： 處理天氣查詢時，Agent會調用天氣API；需要執行複雜計算時，會運行Python程式碼。

6. 記憶系統 (MEMORY)

• 定義： 記憶系統是Agent維持連貫性和學習能力的關鍵。

  • 短期記憶 (Short-term memory)： 類似於對話中的上下文，幫助Agent在單次交互中保持邏輯連貫。

  • 長期記憶 (Long-term memory)： 記錄了過往的交互經驗和學習到的知識，幫助Agent理解用戶的偏好，並從中學習。

• 重點： 記憶是Agent個性和學習的基礎。

• 舉例： 短期記憶讓Agent能理解「請幫我預訂機票」後的「從台北到東京」，而長期記憶則讓Agent能記得「這位用戶偏好靠窗的座位」。

7. 規劃與拆解 (PLANNING & DECOMPOSITION)

• 定義： 這是Agent處理複雜任務的能力。它能夠將一個宏大的目標（例如「規劃一次日本旅行」），拆解為一系列更小、更易於執行的子任務（例如「查詢機票」、「尋找酒店」、「規劃每日行程」）。

• 重點： 將複雜問題化繁為簡，逐一擊破。

• 舉例： 當用戶提出「幫我整理2025年AI Agent的市場報告」，Agent會自行拆解成：1. 搜索相關資料；2. 提取核心數據；3. 分析數據趨勢；4. 撰寫總結報告。

8. 多代理系統 (MULTI-AGENT SYSTEM)

• 定義： 多代理系統由多個AI Agent組成，它們像一個虛擬團隊一樣協同工作，共同解決問題。每個代理可能專注於特定任務，並通過交換任務、共享上下文來加速問題解決。

• 重點： 強調分工與協作，解決單一代理無法處理的複雜問題。

• 舉例： 一個電商客服系統可能包含：一個「顧客意圖理解」代理、一個「產品查詢」代理和一個「訂單處理」代理，它們協同工作來回應顧客的複雜問題。

9. 代理維運 (AGENTOPS)

• 定義： AgentOps是專為AI Agent設計的基礎設施與流程。它涵蓋了Agent的部署、即時監控、效能除錯和持續迭代。由於Agent的自主性，其行為難以預測，因此AgentOps的複雜度遠高於傳統軟體的DevOps。

• 重點： 強調對Agent生命週期管理的專業化。

• 舉例： 傳統軟體監控只需檢查程式是否出錯，而AgentOps則需要追蹤Agent的決策過程，例如它為什麼選擇調用這個工具，而不是另一個。

10. 防護機制 (GUARDRAILS)

• 定義： 防護機制是一套規則體系，其目的是確保AI Agent的行為是「有用、安全且符合目標」的。這些規則設定了Agent的行為邊界，防止它做出有害、不道德或與用戶意圖相悖的行為。

• 重點： 確保AI可控性與安全性。

• 舉例： 一個客服Agent會被設定防護規則，禁止它透露客戶的個人隱私資訊；一個行銷代理則被禁止在未經使用者同意的情況下發送推銷郵件。

2025年AI Agent六大發展趨勢深度解析

上圖概述了2025年AI Agent領域的六大核心發展方向，從單一代理的進化到多代理系統的協同作業，預示著AI Agent將從實驗室概念走向各行各業的實際應用。

1. 語音代理（Voice Agents）的普及

• 核心理念： 語音代理的普及，標誌著人機互動介面將從傳統的鍵盤、滑鼠或觸控，進化為最自然、最直覺的語音對話。

• 技術深度： 語音代理的運作流程涵蓋了多個關鍵技術環節：

  • 語音轉文本（STT, Speech-to-Text）： 將使用者的語音指令精準地轉換為可處理的文字。這一步驟的準確性直接影響後續任務的執行。

  • Agent核心處理： 核心的AI Agent會接收STT轉換後的文字，並透過自然語言處理（NLP）理解其意圖，然後調用相關的工具或資料庫進行處理。

  • 文本轉語音（TTS, Text-to-Speech）： 將Agent產生的回應文字，以自然、流暢的語音方式回饋給使用者，實現完整的雙向對話。

• 應用前景： 語音代理不僅僅是語音助理的升級版，它將被應用於各種場景，如客服中心自動化、智慧家居控制、車載系統、甚至是專業領域的語音輸入與任務執行，讓使用者能透過語音完成複雜的任務委託。

2. 編程代理（Coding Agents）的崛起

• 核心理念： 編程代理的目標是將軟體開發從手工編碼，轉變為由AI協助或主導的自動化流程，極大提升開發效率。

• 技術深度： 一個完整的編程代理系統通常包含：

  • 代碼生成器（Code Generator）： 根據使用者的自然語言需求（例如「生成一個能連接資料庫並顯示使用者列表的Python函數」），自動生成相應的代碼。

  • 代碼調試器（Code Debugger）： 不僅能找出代碼中的錯誤，還能解釋錯誤原因，甚至提出修改建議。

  • 測試運行器（Test Runner）： 自動編寫並執行單元測試或整合測試，確保新生成的代碼能正常運作。

• 應用前景： 編程代理將成為軟體工程師不可或缺的工具，從而將開發者的時間從繁瑣的編寫與調試中解放出來，專注於更高層次的系統設計與創新。「應用程式開發速度提升10倍以上」並非誇大，而是未來AI輔助編程的必然結果。

3. 電腦使用代理（CUA, Computer Using Agents）的突破

• 核心理念： CUA的突破在於，AI不再僅限於特定的應用程式介面（API）或文字指令，而是能像人類一樣，直接操作電腦的圖形使用者介面（GUI）。

• 技術深度： 實現CUA的關鍵在於：

  • 視覺理解： Agent必須能「看懂」電腦螢幕上的內容，識別出按鈕、文字框、選單等UI元素。

  • 操作執行： 能夠模擬滑鼠點擊、鍵盤輸入、拖曳等操作，在桌面環境中執行一系列的複雜任務。

  • 規劃與決策： 結合語言模型和工具調用，Agent能夠理解使用者的意圖，並自主規劃一連串的操作步驟來完成任務，例如「幫我把這個Excel文件裡的數據複製到Google Sheets裡，並生成一個圖表」。

• 應用前景：CUA將賦予AI代理極大的靈活性，使其能夠處理各種需要人工操作的任務，如自動化辦公流程、資料整理、甚至是跨應用程式的複雜任務，將徹底改變我們與電腦互動的方式。

4. 深度研究代理（Deep Research Agents）的發展

• 核心理念： 深度研究代理的核心在於「協作」。它是一個多代理系統，通過不同職能的子代理協同工作，來完成單一代理無法勝任的複雜研究任務。

• 技術深度： 圖中描繪的結構非常具代表性：

  • Aggregator（聚合器）： 負責協調和整合來自不同子代理的資訊，確保研究的連貫性。

  • Citation Agent（引用代理）： 專門負責檢索和整理學術文獻、報告等，並提供準確的引用。

  • Memory & Tools： 每個子代理都擁有獨立的記憶體和工具集，使其能夠專注於特定領域的任務。

  • Sub-Agent Network： 整個系統由多個專業化的子代理（S-Agent）組成，例如一個代理負責資料分析，另一個負責文獻回顧。

• 應用前景： 這種多代理協作系統將極大地加速科學研究、市場分析、知識發現等領域的進程，能夠自動生成結構嚴謹、引用準確的深度研究報告，甚至能夠從海量資訊中發掘新的洞見。

5. 代理化檢索增強生成（Agentic RAG）的成熟

• 核心理念： Agentic RAG是傳統RAG（Retrieval-Augmented Generation）的升級版。它不僅僅是從外部知識庫中檢索資訊，更重要的是加入了「代理」的思維，使其能進行推理、規劃和使用工具。

• 技術深度： Agentic RAG的運作機制超越了簡單的「檢索-生成」：

  • Memory & Planning（記憶與規劃）： Agent會記住對話上下文，並根據任務需求進行規劃，決定需要檢索哪些資訊、使用哪些工具。

  • Tools（工具）： Agent能夠調用各種外部工具，例如搜索引擎（Google）、資料庫（Vector Db）等，以獲取即時的、準確的資訊。

  • Agent Core： 核心的Agent會根據規劃，向外部系統發出查詢（Query），接收結果（Output），並結合自身知識進行推理與生成。

• 應用前景： Agentic RAG將解決傳統RAG容易產生「幻覺」和資訊過時的問題，使其在需要高度準確性和即時性的場景中大放異彩，如法律諮詢、金融分析、即時新聞摘要等。

6. 多代理通信協議（AI Agent Protocols）的標準化

• 核心理念： 隨著AI Agent的數量與種類爆炸式增長，一個統一的通信協議將是實現「代理生態系統」的基石。這就像網路上的 TCP/IP 協議一樣，讓不同系統之間能夠無障礙地溝通。

• 技術深度： 標準化的通信協議（如MCP, A2A）將提供：

  • 跨平台互操作性： 允許運行在不同平台（如Google ADK、Slack）上的Agent能夠互相發現、溝通並協作。

  • 任務分發與協調： 實現一個主代理能夠將複雜任務拆解，並分發給多個專業化的子代理，最終整合結果。

  • 安全與驗證： 確保代理之間的通信是安全可靠的，並能驗證彼此的身分。

• 應用前景： 協議的標準化將開啟「多代理協作」的新紀元。一個複雜的任務，例如「規劃一次旅行」，可以由一個代理負責訂機票，另一個代理負責訂酒店，第三個代理負責規劃行程，所有這些代理都能在統一的協議下無縫協同工作，為使用者提供一站式的解決方案。

12個最強的MCP AI Agent框架

MCP (Model Context Protocol) AI Agent。它讓AI不再只是一個聊天機器人，而是真正能夠「動手」去完成任務、調用工具和執行流程。以下是12個主流的MCP AI Agent開發框架，每個都有其獨特的定位和優勢，幫助你快速找到適合自己的工具。

1. OpenAI SDK

• 介紹：直接支援 MCP 的 OpenAI 官方 SDK。

• 優勢：為構建 AI Agent 應用提供了開箱即用的便利性，適合希望利用 GPT 能力快速實現專案的開發者。

2. Composio

• 介紹：一個將 OpenAI Agent 無縫整合到其託管的 MCP 伺服器的 SDK。

• 優勢：有助於減少部署和管理成本，特別適合不想自行維護後端的團隊。

3. MCP Python SDK

• 介紹：官方的 Python SDK。

• 優勢：專為 Python 開發者設計，可用於根據 MCP 規範自訂 MCP 伺服器，靈活度高，能夠深度客製化業務邏輯。

4. LastMile MCP Agent

• 介紹：支援 MCP 並內建工作流模式的框架。

• 優勢：能夠處理複雜的任務編排，例如多步驟審批或跨系統的資料流轉。

5. MCP TypeScript SDK

• 介紹：一個用於根據規範建立 MCP 伺服器的 TypeScript SDK。

• 優勢：是前端或全端開發者的理想選擇，使用 TypeScript 編寫 MCP 伺服器會非常順手。

6. Google ADK (Agent Development Kit)

• 介紹：Google 的開源 Agent 開發工具包，支援 MCP。

• 優勢：擁有成熟的生態系統和文件，適合大型專案的開發。

7. LangChain MCP Adapter

• 介紹：一個輕量級的包裝器。

• 優勢：讓 MCP 工具可以直接在 LangChain 和 LangGraph 中使用，省去了二次開發的麻煩。

8. CopilotKit MCP Support

• 介紹：內建整合，讓前端可以直接與任何 MCP 伺服器進行對話。

• 優勢：是製作網頁端智慧助手的強大工具。

9. Strands Agents

• 介紹：一個採用模型驅動方法來建構和運行 AI Agent 的 SDK。

• 優勢：結構清晰且易於維護。

10. Semantic Kernel

• 介紹：微軟的開源 AI 編排 SDK。

• 優勢：原生支援 MCP，特別適合進行多工具協同和跨平台的整合。

11. Vercel AI SDK

• 介紹：一個支援 MCP 整合的 SDK。

• 優勢：可以快速將應用程式連接到各種工具和整合，對於開發線上產品原型非常高效。

12. Praison AI

• 介紹：一個基於 Python 的多 Agent 框架。

• 優勢：可以自訂 MCP 伺服器，適合進行多角色、多場景的 AI 協作實驗。

結論：MCP AI Agent 就像是為 AI 裝上了「手和腳」，讓它能夠執行任務、調用外部工具並與其他系統協同工作。

總結

2025年AI Agent將從單點突破走向系統化、生態化的關鍵轉變。從單一的語音或編程助手，到能夠像人類一樣操作電腦、進行深度研究，甚至是多個代理之間無縫協作，這些趨勢共同描繪了一個未來世界：AI Agent將不再是孤立的工具，而是成為我們工作與生活中的智慧夥伴，為各行各業帶來革命性的效率提升與創新。

詞元（Token）主宰了大型語言模型的世界。你向模型傳送詞元，按詞元計費，而模型則閱讀、理解並依賴詞元運作。

什麼是 Token？

詞元（Token）是大型語言模型（LLMs）處理文字的基本單位。然而，toekn 並不總是等同於單詞（word）。根據使用的分詞方法，詞元可能代表：

• 單個字符（a single character）

• 子詞（單詞的一部分）（a subword）

• 完整單詞（a complete word）

• 標點符號

• 特殊符號

• 空白字符

例如，句子「I love machine learning!」可能被分詞為：
["I", "love", "machine", "learning", "!"]
或
["I", " love", " machine", " learn", "ing", "!"]，具體取決於分詞方法。

為什麼分詞很重要？

分詞在多個方面至關重要：

1. 詞彙管理：
   大型語言模型的詞彙量有限（通常為 3 萬至 10 萬個詞元）。分詞通過將罕見或複雜單詞拆分為可重用的子詞單位（例如「extraordinary」→「extra」+「ordinary」），使有限的詞彙能夠表達無限的語言空間，從而無需為每種語言的每個可能單詞分配獨立詞元。

2. 處理未知單詞：
   優秀的分詞策略能將陌生單詞分解為熟悉的子詞單位，使模型能夠處理從未見過的單詞。例如，模型可能從未見過「biocatalyst」，但能識別「bio」和「catalyst」作為獨立詞元，並從中提取有用的含義。

3. 效率：
   文字序列的長度直接影響計算需求。高效的分詞能減少表示文字所需的詞元數量，從而提升計算效率。

4. 模型性能：
   分詞的質量影響模型對文字的理解和生成能力，特別是在非英語語言或專業領域中。分詞不當可能導致語義碎片化或結構扭曲。

詞元如何被大型語言模型處理？

文字經過分詞後，還需進一步轉化為神經網絡能夠處理的數值形式，這一過程稱為數值表示。每個詞彙中的詞元被分配一個獨特的整數ID（稱為詞元ID）。例如：

• 「Hello」 → token ID 15496

• 「 world」 → token ID 995

這些token ID 隨後通過嵌入層（embedding layer）轉換為高維數值向量，稱為嵌入向量（embeddings）。每個 token ID 對應一個由實數組成的密集向量（通常為512、1024或更高維度）。例如，「Hello」可能被表示為一個向量，如 [0.23, -0.45, 0.78, ...]。

這種數值轉換是必要的，因為神經網絡只能對數字進行數學運算，而無法直接處理文字符號。嵌入向量（embedded vectors）捕捉了詞元之間的語義關係，相似的 tokens 在高維空間中具有相似的向量表示。這使得模型能夠「理解」「king」和「queen」的關聯，或「run」和「running」的語義相似性。

常見 Tokenization 方法

1. 字節對編碼（Byte Pair Encoding, BPE）
   BPE是現代大型語言模型（LLMs）中最常用的 tokenization 方法之一，應用於GPT-2、GPT-3、GPT-4等模型。

   工作原理：

   • 從包含單個 chatacter 的基本詞彙（vocabulary）開始。

   • 統計訓練語料（corpus）中相鄰 character pairs 的頻率。

   • 迭代地將最常見的字符對合併為新的 token。

   • 重複此過程，直到達到預定的詞彙（vocabulary）量大小。

   

   BPE生成靈活的子詞詞彙（sub vocabulary），能高效表示常見字（word），同時也能分解罕見單詞。這有助於模型處理拼寫錯誤（misspellings）、複合詞（compound word）和未知詞，而無需依賴「未知詞元」（unknown token）。

   byte-level BPE是一種重要變體，直接操作 UTF-8 bytes 而非 Unicode characters，確保任何可能的 character（即使訓練時未見過）都能被表示，從而避免「未知詞元（unknown token）」問題。

   

2. WordPiece
   WordPiece 由 Google 提出，應用於 BERT、DistilBERT 和 Electra 等模型。

   工作原理：

   • 與 BPE 類似，從字符級詞彙（character-level vocabulary）開始。

   • 不同於僅基於頻率合併，WordPiece 選擇能最大化訓練數據似然值（maximize the likelihood of the training data）的字符（character）對進行配對（paring）。

   • 使用特殊前綴（通常為「##」）標記非單詞開頭的子詞詞元（subword tokens）。

   例如，「unhappy」可能被分詞為["un", "##happy"]。

3. SentencePiece
   SentencePiece 是 Google 開發的分詞器（tokernizer），直接處理原始文本（raw text），無需語言特定的預分詞（language-specific pre-tokenization），應用於 T5、XLNet 和 ALBERT 等模型。

   工作原理：

   • 將輸入文本視為 a raw stream of Unicode characters，包括空格。

   • 將空格作為特殊符號（通常為「_」）保留。

   • 可採用 BPE 或 Unigram 語言模型算法。

   • 無需語言特定的預分詞（pre-tokenization）處理。

   • 特別適用於無明確詞邊界的語言（如日語或中文）。

   例如，短語「Hello world」可能被分詞為["_Hello", "_world"]，其中「_」表示詞邊界。

4. Unigram
   Unigram 常與 SentencePiece 結合使用，採用概率方法而非基於合併的分詞方式。

   工作原理：

   • 從大量可能的子詞候選詞彙開始（a large vocabulary of possible subword candidates）。

   • 迭代地移除對訓練數據表示能力影響最小的 token。

   • 使用概率模型尋找最可能的單詞分割方式。

   與 BPE 或 WordPiece 的「自下而上」合併方式不同，Unigram像雕塑般「自上而下」修剪詞彙，保留更多分詞選項，從而在推理階段更靈活。

詞元與上下文窗口

大型語言模型的「上下文窗口（context window）」是其一次能處理的最大 token 數量，這個限制直接影響：

• 輸入長度：模型在生成回應前能考慮的文本量。

• 輸出長度：模型在單次生成中能輸出的內容量。

• 連貫性：模型在較長對話或文檔中保持主題一致性的能力。

早期模型如 GPT-2 的上下文窗口約為 1,024 個 token，GPT-3 增加到 2,048 個token。當前領先模型（如Gemini 2.5 Pro）可達 100 萬個 token 以上。

關於分詞的關鍵知識

Token 計數

了解 token 計數的重要性在於：

• 估算API成本：許多大型語言模型的API按 token 計費。

• 遵守上下文窗口限制：確保輸入和輸出不超過模型上限。

• 優化提示設計：減少不必要的 token 以提升效率。

對英語文本的粗略估計（具體因語言和分詞器而異）：

• 1個詞元 ≈ 4個字符

• 1個詞元 ≈ 0.75個單詞

• 100個詞元 ≈ 75個單詞，約等於1段文字

分詞的特殊行為

分詞可能導致一些意外行為：

• 非英語語言：許多分詞器對非英語文本的分詞效率較低，單詞需要更多 tokens 表示。

• 特殊字符：不常見的字符、表情符號或特定格式可能消耗更多詞元。例如，單個表情符號「🧠」可能被拆為多個 tokens，導致語義失真或 token 數量意外增加。

• 數字與程式碼：某些分詞器對數字和程式碼的處理方式不符合直覺，可能將其拆分為多個 tokens，影響模型的數值推理或程式碼生成能力。

Tokenization 如何影響大型語言模型的性能

許多大型語言模型的挑戰和特殊行為並非來自模型本身，而是來自 Tokenization 分詞方法。以下是分詞對不同性能方面的影響：

1. 拼寫與錯字：
   當用戶拼錯單詞時，分詞器常將其拆為不熟悉或罕見的 token 組合。由於模型依賴常見 token 序列的模式，陌生 token 會干擾其理解或糾正輸入的能力。

2. 跨語言性能：
   為英語設計的分詞器對其他語言（特別是不同字體或形態的語言）通常拆分出更多詞元。這導致更高的 token 數量、更差的上下文壓縮，以及非英語文本的流暢度和準確度下降。

3. 數值與數學推理：
   數字常被拆為多個 tokens（例如「123.45」可能變為["123", ".", "45"]）。這破壞了數值的整體性，影響模型的數學運算能力，因為模型看到的不是完整的數字，而是分段的符號。

4. 程式碼生成與理解：
   程式語言依賴精確的語法和結構。若分詞器對運算符、標識符或縮進的拆分不一致，可能影響模型生成或解析程式碼的準確性。良好的程式碼分詞能提升模型在程式碼補全、格式化及錯誤檢測方面的表現。

尷尬的「3.11 vs 3.9」問題

大型語言模型常在簡單的數值比較（如「3.11和3.9哪個更大？」）上失敗，分詞為此提供了洞察。

以數字 3.11 和 3.9 為例，分詞器可能將其拆分為：

• 「3.11」→ ["3", ".", "11"]

• 「3.9」→ ["3", ".", "9"]

對模型而言，這些不是浮點數，而是符號片段。模型並非以數值方式比較 3.11 和 3.9，而是基於訓練數據中 token 序列的統計概率進行模式匹配。

模型可能通過以下方式正確回答：

• 隨機性：由於模型的非確定性，有時答案正確，有時錯誤。

• 特定訓練：透過監督微調（Supervised Fine-Tune, SFT）或系統提示，針對常見測試問題硬編碼正確答案。

• 外部工具：當前模型常結合數學、數據分析或網頁搜索工具，幫助正確比較數字。

• 提示框架：提示中若包含量化推理的暗示，可能比通用提示表現更好。

6月5日，一篇由史丹佛大學團隊發表在 arXiv 的論文，題為「未來工作與 AI 代理：審視勞動力的自動化潛力」（Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce）。

這篇論文首先建立了名為 WORKBank 的資料庫，它從第一線工作者和 AI 專家的雙重視角出發，審視了哪些任務適合由 AI 代理自動化，而哪些則更適合由人類主導。其中一個結論讓我印象深刻：在矽谷頂尖創業加速器 Y Combinator 的投資組合中，有相當高的比例竟然落在「低優先級區」和「紅燈區」。

Y Combinator 是矽谷首屈一指的創投公司，OpenAI、Dropbox、Stripe 等知名公司都發跡於此。它的投資方向往往代表著早期投資界的趨勢。然而，這篇論文發現，在 84 家 YC 支持的 AI Agent 新創公司中，高達 41% 的專案落於前述的兩個區域：低優先級區與紅燈區。

何謂「低優先級區」呢？它指的是工作者對任務自動化的需求不高，同時 AI 技術實現起來也缺乏顯著優勢的任務。換言之，使用者本身不希望 AI 來執行這項任務，且即使 AI 介入也無法帶來顯著效益。

而「紅燈區」則更為複雜。雖然 AI 技術確實有能力執行這些任務，但工作者卻強烈不希望其被自動化。舉例來說，醫療診斷、心理諮詢、教育輔導等類型的任務，便經常出現在紅燈區。從商業角度來看，這些領域的「信任成本」極高；即使技術上可行，也並不意味著投入資源去自動化是值得的。

這種「錯位」現象的背後，其實反映了一個普遍存在的盲點：技術開發者和投資人往往容易高估「技術可實現性」，卻低估了「市場接受度」。也就是說，我們經常過度興奮於 AI 能做什麼，卻忽略了人類是否願意讓它去做。

反觀之，論文也指出真正值得優先投入的領域是「綠燈區」和「研發機會區」。前者是技術可行且使用者樂於接受自動化的任務；後者則是使用者強烈希望自動化，但目前技術尚未達到預期的任務。這些才是真正兼具商業可行性與技術挑戰性的發展方向。

作為創投 VC，我對 AI Agent 的未來充滿期待。然而，從投資角度出發，我也越來越體會到：關於自動化這件事，絕非僅僅考量「能否做到」，更應深思熟慮「值不值得做」。

特別是在當前 AI 創業高度泡沫化的階段，判斷一個專案是否屬於「紅燈」或「綠燈」，其重要性甚至可能超越對模型參數的評估。未來真正龐大的商機，應該潛藏在人類願意「交出去」、而 AI 又恰好能「接得住」的交會點上。這也是我近期在進行投資判斷時，會特別著重去關注的面向。

1. 研究框架（Auditing Framework）

論文的核心是一個新穎的檢視框架（Auditing Framework），它結合了人類對 AI 應用的期望和當前的 AI 技術能力。這個框架將任務劃分為四個區域，為理解 AI 的潛在影響提供了一個清晰的藍圖：

• 人類代理量表（Human Agency Scale, HAS）：為了量化人類對 AI 參與的偏好，論文引入了 HAS。這個量表是一個共享的語言，用於描述和評估人類在任務執行中所需的控制程度和參與水平。它為後續的訪談和數據收集提供了標準化的衡量工具。

2. 資料庫建構：WORKBank

論文的核心貢獻之一是構建了一個名為 WORKBank 的大型資料庫，它基於美國勞工部的 O*NET 資料庫，並進行了擴展。WORKBank 包含了兩個主要的數據來源：

• 從業者偏好數據 (Worker Preferences Data)：

  • 資料來源： 論文從 O*NET 資料庫中選取了 104 個代表性的職業，並從這些職業中提取了 844 項任務。

  • 數據收集方法：

    • 音頻增強的迷你訪談 (Audio-Enhanced Mini-Interviews)： 這是一個關鍵的創新點。研究人員招募了來自不同職業的 1,500 名領域工作者。每個工作者被要求就其職業中的特定任務，通過音頻訪談的形式表達他們對於 AI 代理是自動化（完全由 AI 完成）還是輔助（AI 幫助人類完成）的偏好。這種迷你訪談的方式旨在捕捉從業者對 AI 應用更細微、更豐富的意願和顧慮。

    • HAS 應用： 在訪談中，研究人員會引導工作者使用 HAS 來量化他們對人類參與水平的偏好。例如，他們可能被問到，對於某項任務，他們希望 AI 是完全自動化，還是作為一個輔助工具，或者完全不需要 AI 介入。

  • 數據類型： 每個任務都有對應的從業者偏好分數，反映了他們對 AI 自動化或輔助的期望。

• AI 專家能力評估數據 (AI Expert Capability Assessments Data)：

  • 資料來源： 針對 WORKBank 中的 104 個職業，研究人員招募了 AI 領域的專家。

  • 數據收集方法：

    • 專家評估： AI 專家被要求評估 AI 代理在執行這些職業的特定任務方面的技術能力。評估的維度可能包括 AI 完成任務的效率、準確性、複雜性等方面。

    • 現有技術考量： 評估通常基於當前最先進的 AI 技術水平，以確保評估的實用性和可行性。

  • 數據類型： 每個任務都有對應的 AI 技術能力分數，反映了 AI 目前能夠在多大程度上完成該任務。

Human Agency Scale（HAS）

當我們思考 AI agents 如何進入職場，我們不能只問「這個工作能不能被 AI 完全取代」，而更應該問：「這個任務適合讓 AI 參與到什麼程度？」這就是 Human Agency Scale（人機協作量表） 的核心目的──建立一個量化人類參與程度的共通語言，進一步劃分哪些任務應該自動化，哪些則應強化人機協作。

HAS 模型背後的關鍵理念

• 補足「自動化 vs. 非自動化」的二分思維
  現實世界的任務多半落在灰色地帶，例如：AI 可生成初稿，但仍需人編輯潤飾（H3H4）；或 AI 可快速提出分析建議，但關鍵決策仍需人把關（H4H5）。

• 從人類角度出發，而非技術可行性本位
  不同於 SAE 自駕車分級（L0–L5）由機器主體定義，HAS 以「人類在任務中想扮演什麼角色」為中心，反映工作者價值觀與自主性。

• 為開發者與政策制定者提供指引
  不同的 HAS 級別，對應不同的 AI agent 設計目標與部署風險。例如：

  • H1-H2 適合追求效能、成本與一致性的自動化應用

  • H3 強調人機協同設計（如共同編輯、流程建構）

  • H4-H5 需設計具備回饋機制與人類決策支援的 AI

為什麼 HAS 比「能不能取代人類」更重要？

因為未來工作的問題，不是單純地問「這工作會不會被 AI 搶走？」，而是：

「我願意讓 AI 協助我多少？在哪些部分？」

HAS 為企業、從業者與技術開發者提供了一個共享的判準，幫助我們設計出真正符合人類價值、增進工作品質的 AI agent。

Desire–Capability Landscape 四象限

每個任務根據：工作者希望自動化意願、目前AI 技術的可行性，劃分成四個象限：

R&D Opportunity 區域（高願望 × 低技術可行性）

• 從業者非常希望 AI 來完成該任務，但目前 AI 技術尚無法勝任

• 這些任務存在潛在市場需求，但技術尚未突破

• 對 AI startup、學術界與技術研究團隊來說，是創新研發的優先候選任務

• 若能攻克，將能快速獲得從業者採納與市場認可

根據論文 WORKBank 資料庫與圖表內容，以下是屬於 R&D Opportunity 區域的典型任務類型與職業代表：

• R&D Opportunity 區域約占總任務數量的 13–15%

• 任務集中在「中等技術門檻但人類希望高」的區域，並非極端冷門或超高難任務

• 常見於「規劃」「說明」「撰寫」「整理」類任務，而非純動作型

AI Agent時代：未來的職場價值變化

這張圖表是本論文中極具洞見：它揭示了在 AI agents 快速演進的背景下，薪資水平與「人類主導需求」（Human Agency）之間的潛在斷裂，並指出一個正在成形的未來職場趨勢警訊：未來的職場價值將不再只是由市場報酬決定，而是由「人是否不可取代」來主導。

紅色線：高薪但可自動化任務，未來可能貶值

這些任務目前高薪，但 AI 技術已能執行，未來存在「人類價值稀釋」風險：

📌 這些任務過去被認為「需技能、高薪」，但未來可能快速失去勞動市場價值。

綠色線：低薪但人主導任務，未來具升值潛力

這些任務目前報酬不高，但因為具有高人際互動性、情境不確定性或倫理責任，難以被 AI 替代：

📌 這些任務會因「無法輕易自動化」而變得稀缺與有價值，潛在薪資有上升空間。