大智若魚

今年即將到尾聲，回望今年的節目內容，我們不看熱鬧，直看門道：企業把錢花在哪，哪裡就有生產力。2025年，創意型AI工具（文字、圖像、影音）高速成長，但「高流量≠高付費」。會被採購的，多半能接上流程、資料庫與安全權限，真正把專案推得動、把產出交得出。AI落地路徑改寫了：不是老闆拍板、而是同仁先用、部門見效，最後公司團購。從文書處理到剪輯、配音工具，先解決個人任務，才放大為組織能力。你我手邊的微改造，正是企業級升級的起點。而工具門檻下降，創作不再是1%的特權。護城河開始轉向「品味、觀點、審美與敘事力」。同一首素材，因為你的取景與剪接，就能長出完全不同的靈魂 —— 技術是底，想法決勝。工作方式正位移：從「我親自做」到「我會拆解、給背景、驗成果、提洞察」。最值錢的是任務定義與品質控管，而非單一執行。會問對問題、餵對脈絡，就能把AI變成可靠拍檔。會議摘要、銷售助理、客服協作等場景百花齊放，不再是「贏者通吃」。技術門檻降低，專業門檻長存——越懂產業語境、客戶痛點與合規細節，越能在垂直縫隙打穿一條增長曲線。AI能生成答案，唯有人能給意義；AI能整理數據，唯有人能承擔抉擇。我們從親子與AI素養出發，走到生產力工具，再抵達智慧製造、智慧醫療、車用創新與XR/智能眼鏡的落地案例——由「知AI」到「用AI」；由個人到組織，最後是產業的系統化升級。未來，讓我們繼續一起「秒懂AI」。 

本集邀請墨匠科技執行長 王銓彰Kevin，帶我們走進XR、AI與人形機器人融合的前線。從早期蘋果動新聞的動畫革命，到機器人穿上動補衣學會「做家事」，這是墨匠科技所創造，科技與創意交會的一場跨域冒險。還記得當年的《動新聞》嗎？那支支動畫在一小時內完成的魔法，其實來自Kevin帶領的多媒體實驗室。他們不用現成軟體，而是打造自己的3D引擎，開啟了「用遊戲技術做新聞」的新時代，也讓「即時渲染」從傳說變成現實。動新聞時代的「光學式」動補，如今進化為「慣性式」動補衣，靠感測器捕捉人體姿態。而這樣的數據，正是訓練人形機器人的關鍵：未來的機器人，不只是模仿，而能「看懂、理解、再動作」，從你的一舉一動中學會洗碗、摺衣服。未來數年內，電腦「鋼鐵擂台」般的場景可能走進家庭。穿上動補衣，你可以教機器人完成家事——因為它能透過Vision Token「看見」環境，再透過AI語言模型轉化為行動指令。AI不再只是螢幕上的助手，而是能與你一同工作的「夥伴」。而從學界到業界，Kevin給年輕人的建議是：1. 別被單一科系限制。2. 要理解機器人的動作，就得懂圖學、AI與XR，也要能與設計、音樂、人機互動領域合作。3. 跨界學習，才能做出真正能「動起來」的智慧系統。對企業來說，導入AI不該是恐懼，而是加速創意與效率。AI可以替你節省繁瑣流程，卻無法取代創意的核心。AI什麼都懂，卻不懂意義。意義，永遠來自人。這一集，讓你重新理解「科技的想像力」，也看見AI如何讓世界動起來。 

十年前買車，我們關心的是馬力、油耗與引擎聲浪；如今，關鍵字換成「自動駕駛」、「螢幕大小」、「OTA 更新」。汽車正從機械產品，轉變成一台「會跑的電腦」。從 Gogoro 到 Tesla，從訂閱制服務到線上更新功能，出行方式與汽車定義都被徹底改寫。這樣的變化不只是使用習慣的轉換，更牽動整個車用產業鏈的思維。當汽車開始能透過軟體不斷進化，我們也面臨新的挑戰：在技術快速創新的同時，如何確保安全與法規遵循？AI，正是這場轉型的關鍵角色。PTC 的核心優勢在於整合 PLM（產品全生命週期管理）與 ALM（軟體生命週期管理）兩大平台，把「需求→設計→測試→製造→維運」的過程整合成一個完整生態。過去資料散落在不同系統、部門之間，版本不一致、溝通困難，如今透過雲端平台統一管理，所有研發人員都能在同一套架構下協作。這樣的數位轉型，不僅讓產品更新更快，也確保法規、技術與設計能同時被追蹤、核對，真正做到透明、可追溯的研發管理。在 PTC 實際協助的客戶案例中，一家開發車用安全系統（ADAS）的公司，便運用 AI 讓系統自動生成測試案例。AI 能從需求文件中分析出潛在的情境與條件，補齊測試邊界。過去需要工程師反覆撰寫、修改的測試流程，現在能以更快速度完成，並自動檢查是否符合相關法規條款。結果不僅測試效率提升，測試品質也更穩定。工程團隊笑稱：「以前周五趕報告像打仗，現在 AI 幫我先批改完了。」導入新平台往往伴隨抗拒，但 PTC 透過使用者介面優化與流程簡化，把培訓時間從 4.5 天降到 45 分鐘即可上手，使用人數更從 1,000 擴增至近 7,000 人。如何有效應用? 請收聽本集《大智若魚》。________________  製作 | 孫聖峰 

醫療最在意的是「安全與合規」，AI卻偏偏最需要「大量且敏感的資料」。本集邀請 AWS解決方案架構師 林明億 Len，直球對決三大痛點：資料隱私、資料主權與合規落地。隨著台灣 Region 上線，本地醫療資料可在合規的雲端環境內保存與運算，減少外流風險，同時把合規責任清晰拆分：基礎設施由雲端把關，機構專注在產品與流程的實際合規。談到「資料自主」，Len 指出：競爭力不在通用大模型，而在機構累積的專有資料。從資料湖到 Lakehouse 的演進，結合自動化清洗、綱要與目錄治理，才能把舊資料活化成新價值。臨床場景從此更敏捷：以 自動化機器學習 (AutoML) 先做可行性驗證，少走許多冤枉路，節省更多時間。AI 在醫療不僅是輔助診斷，更是「共同工作夥伴」：從藥物研發到精準治療、院內流程優化，皆可在確保隱私與合規前提下加速落地。歡迎留言你的情境問題，讓我們繼續陪你深入解析！________________  製作 | 孫聖峰

生成式 AI讓「智慧製造」進入加速期。緯謙科技智慧製造處技術經理 吳政舉指出，過去十年我們從「數位化」到「數位轉型」，如今正跨向「AI 轉型」：不只是把紙本變電子，更要用 AI 把流程優化、把決策前移。許多工廠感測器早已佈建、資料也在流動，但停在預警與保養不足以稱為轉型。關鍵在於：資料如何變洞察、流程如何因科技改寫，以及決策層能否與一線對齊共同願景，否則只會「點狀」解痛不成「面狀」升級。台灣中小企業的「老師傅 know-how」常在世代交接時斷層。生成式 AI 與大語言模型能把口述經驗結構化，從 SOP 到語意知識庫，把不可複製的手感變成可傳承的數位資產，讓二代、三代更快上手、少走冤枉路。未來三年，Agent 將走向協作分工：有人負責監控與告警、有人生成解法、有人處理通報與權限。像「博士級助理」的多代理編隊，並行辦事、同步協作，將人力從重複性工作解放到高價值決策。所有 AI 價值都繫於資料工程：標準化、權限與品質治理缺一不可。從產線到營運端的一體化數據底座，才能支撐模型持續迭代、策略快速驗證。________________  製作 | 孫聖峰