[電影的未來]侯孝賢x張鐵志Part1：現在很多年輕人還在模仿以前的拍法|數位時代 BusinessNext

從台灣新電影30年出發

張鐵志：最近又有不少關於台灣新電影30年的討論，你曾經說過，新電影是一個特定時代的產物，是那時候的壓抑氣氛形成了那個特定的形式與內容。跳到現在來看，這是一個數位時代，是不是也有屬於這個時代特定的電影美學？你怎麼看電影與時代的關係？

侯孝賢：二戰之後，從歐洲開始出現法國新浪潮、義大利新寫實、德國新電影，影響到亞洲，所以香港也有80年代的新浪潮，以及台灣的新電影，這彼此間有一個渲染。電影拍的方式跟以前不一樣，是因為技術不一樣了，例如燈光或者底片的變革，幾乎是眼睛可以看到的，影片就可以拍到，這就是很大的變革。寫實風格因此開始。

一直到數位時代，又是一個載體的變革，然後又是一個全球化的衝擊。網路世代其實就是影像時代，網路時代既然來了，表現方式應該要改變，其實現在也有改變，但沒那麼厲害。我們在2000千年拍《千禧曼波》時，我本來想的是有一群女孩子在台北的狀態，網路可以像細胞一樣，追蹤每個人的狀態，把他們呈現在網路上，然後可以自己去連接、剪接，但後來發現我想的太天真了、太早了。

張鐵志：你看到這個網路世代的年輕創作者，他們對影像的想法，或是對電影生產和流通的想法，跟以前有什麼不一樣？

侯孝賢：其實我剛開始跟這些年輕人接觸的時候，發現他們沒有想太多，因為他們還是受了以前的影響，在表達上沒有什麼改變。我就跟他們說，網路時代的意思就是你不用底片，各種拍法都有可能，例如用手機什麼都可以拍了，而且體積也越來越小，所以捕捉影像的方式應該要改變。

以前的拍攝方式是，例如當演員在家的劇情結束，要拍出門，我們會看他劇情是搭公車還是開車，事先定一條好的路線方便拍攝。現在就不必，只要找好家的定點，接下來在每個地方捕捉一部分就好了，因為可以連接，不必先安排好全部的路線。

給這一代年輕人的建議

張鐵志：所以你同意科技對於電影的創作來說是解放的力量嗎？尤其對年輕人、對獨立製作來說，科技讓一切變得更容易了。

侯孝賢：解放的力量是指形式或表達的方式變得多樣，或者變得更容易。雖然這不包括內容，但形式通常會改變內容。就像繪畫最早是工筆畫、肖像畫，是寫實的，後來變成法國的印象畫派，專注在陽光和客體之間的變化，捕捉光和顏色。

每次當載體、技術或是觀念變化，就會帶動新的創作形式。網路也是，只是現在很多年輕人還在模仿以前的拍法。

我帶金馬學院的學生坐火車去花蓮、宜蘭勘景的時候，建議他們在火車上可以用小的器材拍攝。因為現在每個人都拿手機或小器材在拍，其他人被拍也不會有感覺。結果我看了影像覺得奇怪，問：「為什麼兩邊的人都在看你們？你們是用什麼機器在拍的？」原來講半天，他們還是扛了一台大的Alexa攝影機。因為他們很少機會碰到好機器，當有機會拍的時候，就想回到傳統的方式。

這意謂著表達的能力沒有被訓練好，而且在學校的時候沒有人討論這件事。現在因為器材越來越普遍，數位相機拍的作品也越來越多，才逐漸產生變化，但其實早就該被天翻地覆地改變了。

（《數位時代》2015年9月號文章精選，尊重智慧財產權，如需轉載請來信洽詢：web@bnext.com.tw）
其他精彩內容》》
訂閱數位時代》》

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。