Muuu

這一集 podcast 蠻精彩的，順手找了一下報導，大致把重點和自己的想法彙整如下：

AI 強在既有資料的統整，等於整個網路和各種資料庫，都是來源，但欠缺田野一線的能力。所以客服、行銷、程式開發和知識庫，是目前個人和組織內比較常用到的。

Google 有其從搜尋引擎起家的優勢，在地的差異化也做得比較好，加上既有的 Workspace 等服務的整合和滲透，都是優勢。

Google 旗下有 DeepMind 光是靠著 Gemini 就能打通所有服務，但微軟得仰仗 OpenAI 的模型才能前進，「如果不整併，對微軟是大大的不利。」（簡立峰為何同意黃仁勳觀點：AI強國，正讓沒能力開發AI國家消失？ | 遠見雜誌）

.

黃仁勳曾高喊，企業應擁抱「主權式AI」（Sovereign AI），具體實現方式就是建置國家級的資料中心，而這正是支撐輝達（NVIDIA）財報的重要營收來源。簡立峰引述黃仁勳說法，強調「有能力開發AI的國家，正在讓沒有能力開發AI的國家消失。」台灣政府如國科會已宣示持續編列經費投資GPU，日本也見到相似需求，各國都在推進，由此可見，生成式AI已成為國家等級之戰。（簡立峰為何同意黃仁勳觀點）

AI 的多元性、開放性不足：台灣的繁體中文作為語料，使用人口和量體都不夠大，但我們仍應發展並維護自己的資料庫，供他人使用，避免在資料上被邊緣化。LLM 模型雖然很燒錢，AI 還在前期英語世界的訓練中（同時英文仍是主要的學術資料來源），但等未來有餘裕，可能多元的語料和觀點，慢慢就會補上。

.

AI 世界有 4 個關鍵：算力、數據、資金跟人才。以新創公司來說，唯一有的就是人才，「所以新創要加入台灣優勢（硬體產業），不然來不及了。」簡立峰說。他也提出了4點趨勢觀察，後 2 點就是跟台灣企業發展的關鍵。（簡立峰：黃仁勳1人救台灣！AI PC、AI手機、機器人為何是台灣下一個重要機會？|數位時代 BusinessNext）

1. 模型兩極化

語言模型將是大者越大、小者越小。大語言模型是科技巨頭之間的比拼，關注點在於今年GPT-5的發布；小型語言模型則是在垂直領域發功，以及關注是能否在邊緣（edge）設備上順利運行。

2. 雲端服務＋AI：所有的軟體、雲端服務都將有 AI。

3. AI 邊緣運算（Edge AI Chips）

就產業來說，簡立峰直言，台灣很難在雲端 AI 上找到出路，因為缺資料、沒有 Google 等級的雲端服務業者，自然無法在雲端上一戰（AI 透過既有雲端服務滲透到使用者的生活裡）。然而，因為硬體供應鏈優勢，例如全世界數一數二龐大的工業電腦群，當LLM開始變小，逐漸可以放進筆電（AI PC）、手機（AI phone）和其他邊緣裝置，「從端反饋到雲，也就是由端上雲的新的概念，那台灣就有新的機會。」（簡立峰為何同意黃仁勳觀點）

4. 機器人再起

「生成式AI可以大量產生機器人的訓練資料，以前大家說的通用機器人，很難用，現在可以用自然語言溝通去調整工作能力、工作項目，會是爆發點。」簡立峰說。

.

最後，要來推一下陸子均提到的「議題陣地」：

最有殺傷力的不是假新聞，而是搶走注意力及左右情緒的訊息。任何能引起立場兩端的人在社群上罵戰、或者讓同溫層緊緊擁抱的資訊，都可以減少人們去關注更重要的資訊。這是為什麼我說資訊是社群網路上的砲火，一旦你的注意力（HP）被砲火打到0%就陣亡了。

如果在乎政治、在乎戰爭，每個人應該要經營屬於自己的議題陣地，無論是氣候議題、能源問題、國際關係、政治極化、媒體、經濟、科技、社會……，是在地的、區域性的、全球性的都好，不要什麼議題都沾又談不深，或跟著整體氣氛焦慮/高潮。然後鍛鍊如何分配注意力（提高防禦力），避免被無意義的雜訊干擾。

不管是實體世界的影響力或資料文本上的輸出，每一份用力過的觀點自有其價值，同時也在競逐他人的觀看。重點是，有自己的方向感也就會有意義感，而不是在輿論之間，載浮載沉。