今天要談的這本書是《台灣 AI 大未來》，作者是前 Google 台灣董事總經理簡立峰博士。
簡博士大約在 2020 年左右從 Google 退休，但退休不等於離開第一線。近幾年他仍持續在業界擔任顧問，也經常針對台灣政府與政策提出建議。再加上他本身的學術背景與長期在 Google 從事搜尋相關工作，等於是站在「技術、產品、產業」交界的位置來看 AI 的演進；而他也提到，身邊的新一代（包含家庭成員）同樣投入人工智慧領域，讓他能用更貼近現場的視角，去理解 AI 在近兩年的爆發式變化。這本書是在今年 9 月出版，我的感覺是：書裡的主體其實更像作者對 2023、2024，一直到 2025 年初這段期間 AI 發展的「整理與觀察」。也因此，書裡不一定能涵蓋近幾個月最新的變化，例如 Gemini 3 的一些更新。這部分我會建議搭配近期 YouTube 上的簡博士在知識長國威的訪談節目一起看，那集訪談等於把這本書的核心觀點做一次綜合呈現，也補上了更近期的發展訊息。
作者最想提醒我們的是：AI 不是多一個好用的工具而已，而是一場三個層次同時發生的革命。
第一個層次是國家競爭與主權議題：技術自主、資料安全、算力佈局，將變成國家級戰略問題。
第二個層次是企業流程再造與產業升級：從製造業到服務業，AI 會全面改寫商業模式與競爭優勢。
第三個層次是個人能力升級與職涯重構：工作技能與價值創造方式，正在被重新定義。
所以問題從來不是「AI 會不會來」，而是「你站在哪個位置被影響」。當你站得越接近流程、決策與整合的位置，就越可能成為使用 AI 的那一方；反之，如果你的工作高度可被流程化，就越容易被 AI 重新改寫。
書中提出一個令人憂心的現象：未來可能出現「懂得善用 AI 的 1% 超級人類」，掌握原本需要 99% 能力才能完成的工作成果與市場機會。這不只是技術落差，而是一場社會結構的重組。
中產階級與傳統組織結構會承受前所未有的壓力。關鍵也不是「會用 AI」這麼簡單，而是你能不能把 AI 深度整合進自己的工作流程，並且創造出「可衡量的成果」。
換句話說，AI 時代爭的不是你知不知道工具，而是你能不能讓 AI 變成你的工作系統，變成你能力的延伸。
作者把 AI 的演進整理得很清楚，大致可以分成三個階段：
1）預測式 AI（或鑑別式 AI）
這是比較早期、比較像統計模型的 AI：分類、預測、推薦系統。它是被動地回應既有模式，並不真正「理解」內容。
2）生成式 AI
從 2023 年開始，ChatGPT 讓大眾真正理解什麼叫生成式 AI：AI 不只做分類預測，它開始能產生文字、圖片、程式碼，能創造新的內容表達。
3）AI 代理（AI Agent）
更關鍵的下一步，是 AI 代理。AI 不只生成內容，而是能推理、規劃、執行多步驟任務，自主完成複雜流程。
我覺得用一句話就能理解這個差異：
- 生成式 AI 是幫你「寫出內容」
- AI 代理是幫你「做完整件事」（包含任務拆解、工具使用、排程協調、結果回報）
這也意味著：當「工作」被代理化，它會被重新定義為「流程」。一旦流程被 AI 吃掉，整個工作型態就會快速被改寫。未來幾年，中階管理的協調工作、行政整合流程、例行決策鏈，都可能被大幅簡化甚至被取代。關鍵就在於：你的工作內容，有多少比例是可以流程化的？
AI 的能力也從文字，快速擴展到影像與聲音，多模態讓人機互動變得更自然、更直覺：你可以用說的、用拍的，AI 就能理解並回應。
多模態的能力大概包含三塊：
- 視覺理解：辨識影像內容、理解場景、追蹤物體
- 語音互動：自然對話、情緒辨識、多語言即時翻譯
- 跨模態整合：同時處理文字、影像、聲音的複合任務
但目前的限制也很清楚：AI 對真實世界的五感與物理世界理解仍有限，往往需要大量資料、精密感測器，以及與硬體與機器人的整合，才能真正突破。
而在推理能力上，書中也提到：現階段模型在「嚴密邏輯推理、多步驟驗證」的題型上，仍可能出現落差。這點我認同，也同時覺得近一年的推理模型確實進步很快，但不論模型怎麼進步，有一件事越來越明確：
人類的價值會往「鑑賞力、除錯力、判讀真偽」集中。
我們不是要贏過 AI，而是要能夠管理 AI、指揮 AI，對最終品質負責。
書中也強調全球 AI 的發展趨勢：高度集中、強者恆強。
因為 AI 訓練成本極高，能真正參與頂級模型競賽的，只有少數國家與少數科技巨頭。結果會導致四種集中：
- 技術與資本集中：少數企業掌握核心演算法與訓練能力
- 算力資源壟斷：高端 GPU、資料中心集中在特定區域
- 應用平台集中：使用者入口被少數平台掌握
- 語言與資料偏向：訓練資料偏英文與西方文化
這會帶來四種風險：
- 技術依賴風險：關鍵技術掌握在他國手中
- 文化價值輸出：AI 回應可能反映特定文化觀點
- 資料主權流失：敏感資料可能外流
- 經濟利益外流：應用價值被平台抽成
所以台灣必須思考：在這個高度集中的生態系中，我們要怎麼找到差異化定位，並建立不可替代的價值。
書中也談到美中 AI 角力，而近一年最具代表性的現象之一，就是「低成本、工程優化」路線的崛起（例如2025年初的DeepSeek 效應）。
簡單說，美國的路徑偏向：資本驅動、創新速度快、模型迭代快、平台化與生態系整合強。
中國的路徑則偏向：在資源受限下做工程效率突破、成本優化、蒸餾與推理效率提升、以及更快速的場景落地。
這會帶來一個重要影響：低成本路線可能改寫市場對「算力需求」與「硬體供應鏈」的想像。
對台灣來說，不能只押單一路徑、只做硬體供應鏈，而要往上延伸：
- 系統整合
- 軟體平台
- 垂直應用用「軟硬整合＋特殊場域」去建立差異化優勢。
為什麼需要主權 AI？書中提到至少三個理由：
- 文化價值自主：避免價值觀與法律觀點被外國模型稀釋
- 資料安全可控：金融、醫療、政府、軍工等敏感領域需要自主掌控
- 關鍵產業保護：避免核心技術與決策能力受制於人
而主權 AI 的重點不是「喊口號」，也不等於「只蓋算力中心」，它需要四大支柱同時建構：
- 算力（Compute）：資料中心、GPU/晶片供應、能源與散熱管理
- 資料（Data）：高品質本土語料庫、領域知識整理、資料治理
- 模型與平台（Model/Platform）：基礎模型能力、應用平台開發、生態系建構
- 法規與治理（Governance）：使用規範、隱私保護、責任歸屬、倫理框架
對台灣的產業策略，書中提出「Taiwan + N」的方向：台灣做研發與決策，海外做產能執行與在地交付；並透過數位孿生，在台灣先做模擬與管理，再遠端控制海外工廠，去因應缺工與成本壓力。
至於個人如何在 AI 時代保持競爭力，我覺得可以收斂成四件事：
- 練習提問力：把問題問對，才能把 AI 叫到正確的位置
- 培養驗證力：查核、抓錯、修正偏差，對品質負責
- 強化整合力：把 AI 產出放回情境，做決策與落地
- 投資軟實力：溝通、協調、領導、人際理解，將是難以取代的護城河
AI 會讓產出翻倍，但我們要對最終品質負責。你不需要成為 AI，而是要成為能指揮 AI 的人。
