[蘇麗媚]「憤青」與「知青」的界限
[蘇麗媚]「憤青」與「知青」的界限

最近跟一位台灣年輕創業家對談時,他問了一個問題:「許多評論文章提出的觀點是『真心這麼認為』,還是『為了誘導閱讀的以為』?」這兩者間的差別在於後者帶有強烈目的性。

我回答他:「我寧願相信,是真心這麼認為」,因為每個評論文章不管內容是否盡如人意、是否完美無瑕,我都願意相信,筆者起心動念是希望能夠透過文字,帶給社會一些正向與反思的力量,透過觀點分析,讓正、反面的情緒都不至於過度偏執,進而從中找到社會共利的前進方向。

但我想問的是,那些文章底下留言的內容,抑或是部分片段的訊息,用過於強烈和譴責字眼,渲洩一種主觀情緒的意見,這些「非真相片段」越是「知青」所言,就越引起人注意和相信。但是仔細看又很片段,甚至威脅到「真正的事實」時,就變成「非真相事實」。這個原本想當個知青的留言者,也意外成為「憤青」的跑龍套角色,而片段也往往離真相有一大段距離,甚至是背道而馳。

若非真相事實形成某種「社會公評」,就會變成一種大災難!例如近期許多片段訊息,像是連勝文的「流浪動物遷移」被刻意解讀、柯文哲參與TED×Taipei演講〈生死的智慧〉,被片段擷取、童子賢的〈中韓簽訂FTA,台灣最需要什麼〉文章,也被片段解讀,忽略文章起初鼓勵人心的美意。

這些非真相的片段撕裂著彼此,讓傷害的言論無止盡地在社群間蔓延,這個社會也正在慢慢地受傷。很嚴重吧?但我真正想說的「嚴重」,並不僅止於此,而是反省一下我們自己,是不是不自覺地也成為憤青之一?因為少數人有心操弄,利用我們無感無知的過錯,嚴重地用非真相事實引導我們,成為傷害這個社會的共犯。

其實回頭省思,是否我們在看事情時缺乏了一種「距離」?是否因為太進入某些事情而少了思考的空間和角度,用自己片段理解的標準,替內容下定義,助長非真相事實的形成?

台灣近期許多事情大家都太快、太近,所以衝撞變得特別多。加上數位環境過度渲染失序,資訊失真紛亂,造成「數位傷害」。也許如果能夠練習維持「距離」,試著把自己從事件中抽離,先整理好自己,並分成不同的角度去想像,辨別事情的方式就多了好幾個。不管是用在社會、職場、家庭,甚至男女關係之間,替自己爭取時間去做判斷、解讀與想像,也重新整理當個好知青!

每年到了年終都有許多媒體在報導年度關鍵字,今年我提出一個很冷門的「整」字,因為真的想好好地從「整」的角度,重新思考人與人、人與產業、社會,以至於人與思想、環境、生命間的價值,從整理間思辨初衷並回頭省思。台灣最可貴的是知青,遺憾的是憤青,這兩者間的比例消長,也關係著台灣未來的樣貌。

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓