[書介]《他是玩真的！》伊隆・馬斯克的科幻旅程|數位時代 BusinessNext

若蘋果電腦賈伯斯過世的消息，曾讓你悵然若失，甚至覺得沒了賈伯斯的未來世界，不再會有讓人眼睛一亮的科技產物的話。那麼伊隆・馬斯克（Elon Musk）這個人的所作所為，絕對會讓你精神為之一振！

enter image description here

不過若只光提伊隆・馬斯克這個名字，我想很多人都不大知道他是誰吧！但是若提到他共同創辦過下列這些企業，並同時在之中身兼要職，我想你從今以後，就不會忘記這個名字：第三方支付服務商Paypal、電動車廠商Tesla、私人太空運輸企業SpaceX、家用太陽能板供應商SolarCity。這些企業全都已是該領域的領導品牌之一，並且將在可預見的未來裡為人類社會帶來鉅大的影響。尤其當太陽能與電動車的技術成熟之後，人類能大幅減少人類對化石燃料的依賴性；而SpaceX也讓人類移民外星球的遠大夢想，成為可能。

也因為馬斯克同時投身這幾間具科技前瞻性的產業，與《鋼鐵人》的主角東尼・史塔克十分相像，所以常有人會稱他為「現代世界的鋼鐵人」。而他還真的在拍攝《鋼鐵人》電影的時候，曾協助製作團隊構思史塔克這個角色，並在《鋼鐵人2》中客串一小片段。

而若你希望深入瞭解馬斯克這個人，那麼就別錯過《他是玩真的！》這本書。本書由三位台灣作者楊士範、鄭緯筌、吳居叡共同執筆而成，深入淺出地描寫在馬斯克的成長歷程中，他是如何開始對科技萌生興趣；以及他如何結合創新思考與對未來趨勢的洞察力，一連創立數間奠基未來發展基石的企業，將看似只會出現在科幻小說的事物付諸於現實，告訴世人：「他是玩真的」！

而有趣的是，書中也提到馬斯克對科技的啓蒙，很大一部份就是來自於科幻／奇幻作品。像是儒諾・凡爾納（Jules Vernes）的《海底兩萬里》、《環遊世界八十天》、《地心歷險記》；艾希莫夫的基地系列；海萊因的《怒月》等。這些科幻作品中的空想世界，在寫作當時看來只是天馬行空的產物，但經過未來的發明家如馬斯克的努力，他們將科幻／奇幻作品當成藍圖，一步步把這些天馬行空付諸現實，並且把人類社會帶向全然不同的境地。

「對大多數人而言，當他們賺了很多錢的時候就不想冒風險。但對我來說，從來沒有想過賺錢，而是為了人類的未來解決問題！」

我想這席話，也相當適合送給許多有志於創業的人們，或許也是馬斯克的這種「為了人類的未來解決問題」的志氣，讓他義無反顧地投身於這幾間打造未來的企業，並當企業面臨困境時，甚至投入自己的個人資產，以維持公司的運營。而《他是玩真的！》中也點出了馬斯克在一連串創業的過程中，各種讓他改變世界的能力，我想也非常值得想創業，或正在創業中的人們參考。

道格拉斯・亞當斯（Douglas Adams）的《銀河便車指南》，是伊隆・馬斯克最愛的一本書，他也從中得到一個啟發，就是要問對一個好問題很困難，但當你問對問題，答案就呼之欲出了。也因此人們必須拓展自己的視野與思想，讓自己能問出那個對的問題。當我看到馬斯克的這段話時，也是《銀河便車指南》書迷的我，也忍不住笑了，因為書中有一個經典橋段，可說是問錯問題的終極典範。

書中的這個問題是這樣問的：

「What is the answer to life, the universe and everything ? 」（什麼是生命、宇宙以及任何事情的終極答案？）

想知道這個問題的答案嗎？把這個問題直接拿去Google，它就會告訴你答案了！

《他是玩真的！》

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。