聊天機器人與聲控機器人不是救國良藥
聊天機器人與聲控機器人不是救國良藥

聊天機器人(Chatbot)和聲控機器人(Voicebot)潮流大興,台灣方面自然也隨風起舞。

而這類機器人(Bot)的應用也被廣為報導,如Facebook的聊天機器人數量大增;語言學習平台Duolingo推出聊天機器人;而這些機器人相關公司與新創團隊也不斷擴增版圖。同時,大公司如亞馬遜、Facebook和Google也都與創投聯手,開始推出以聊天機器人為主題的創業加速計畫,如這個這個這個。當然,台灣也有不少新創團隊開始議論是否應該趁早切入聊天和聲控機器人領域,也有許多開發者已經動手開發產品。

但是,聊天和聲控機器人真的會翻轉科技業經濟嗎?讓我們一起看下去。

Bot不是一種產業

Bot究竟會不會顛覆現在的App經濟呢

答案是:言之過早。

首先,在討論Bot時,太多評論者犯了兩大謬誤:

第一謬誤就是將Bot與人工智慧搭上線。 事實上,不管是聊天機器人還是聲控機器人,所謂的Bot都只是一個接收訊息(輸入、輸出)的介面罷了,並不代表其真的運用了什麼足以掛齒的「人工智慧」技術。比如說,計算機聊天機器人縮短網址機器人翻譯機器人,都只是將一些稀鬆平常的API透過簡訊的形式呈現,跟人工智慧通常是兩條平行線,沒什麼必要地交集。

第二謬誤就是把Bot本身當作一種產業別來討論,過度神化Bot的價值。 Bot本身就好像是一台載具,這載具並沒有天生的社會和經濟價值,必須要為某種產業服務,才有商業上的意義。

重點來了,科技業其實沒有所謂的「Bot」公司,金融科技依然是金融科技、教育科技依然是教育科技、醫療科技依然是醫療科技,聊天機器人本身並沒有價值,新創公司也不會因為為自己打上「Bot」的標籤馬上就可以無中生有。

同時,聊天機器人疑雲尚未明朗,但是其警訊大部分科技人卻選擇充耳不聞:當許多美國知名創投與加速計畫都專注於產業化,積極與各種民生與傳統產業接軌的同時,亞馬遜和Google卻出手闊綽,合作協辦不少「專注於技術規格,卻沒有具體產業別與商業模式」的聲控機器人新創培育計畫。

在許多科技新創人眼裡,或許會以為為了新的技術規格和通訊介面,大手筆輔助相關新創公司是一件好棒棒的事情。

但事實而言?教育用聊天機器人、醫療用聲控機器人、金融用聊天機器人等新創公司之間除了都有「機器人」的介面以外,商業模式和營運模式都完全不同,把這些公司全部塞到同樣一家加速計畫中其實一點意義也沒有。

這顯示目前整體趨勢而言,聊天和聲控機器人還是相當茫然,而且在短期內恐怕不會得到紓解。

Bot在B2C與B2B的商機盲點

若要討論聊天與聲控機器人的產業應用,我們可以先從B2C(消費者用)與B2B(企業用)兩塊去探討。而不諱言,在兩大市場中,Bot前景的阻力仍多過助力。

先看看B2C。

B2C的Bot概念,一般都是透過Facebook、Twitter、LINE、WeChat、簡訊等訊息平台,以及Alexa、Google Home等聲控平台來與消費者互動。經過一番造神運動,許多人相信這些訊息和聲控平台將會取代現有的手機App,讓人只要用自然語言就可以完成現在呼叫Uber、簡易計算機、查看天氣、訂外賣等工作,一切都會更便利。

有夢是很美沒錯,但不要與現實脫節。B2C聊天與聲控機器人光從作用上就可以看到以下商業上的障礙:

首先,這些機器人所使用的通訊平台,原本就薄利多銷(甚至無利多銷)。 使用者對於付費的意願較低,先天市場條件就不理想。即便是Alexa、Google Home等家用聲控平台,其利潤也是來自於電子商務,而非軟體應用。

第二,聊天與聲控機器人的通訊平台本身設下了不小的商業化限制。 如Facebook對於聊天機器人在置入性行銷上的應用仍有諸多限制;而Alexa與Google Home上的聲控機器人必須透過其平台上的Skills商店才能上架。美其名是「商店」,但Skills商店上發行的Bots都是免費的。

除此之外,若要在金流和資訊上有更高的自由度,Bots仍需使用者在第三方開發者平台上先註冊(例如Nest的Alexa Skill就要求使用者必須要先上Nest網站上註冊才能夠使用Skill),因此不論在上架流程還是商業化過程上,聊天與聲控機器人都面臨極大的阻力。

最後, 聊天與聲控機器人最大的致命傷仍在於其介面。 雖然說自然語言是人類最自然的溝通方式,但大部分的溝通仍仰賴多維度(平面以上)互動,以及多媒體與文字的相輔相成。

目前許多聊天機器人的功能只能說是App的部分功能(如Amazon Alexa的購物功能只是Amazon Shopping App的一小部分),而當大部分的App本身都是免費下載並採用升級付款制度時,功能更蹩腳的聊天機器人,幾乎不可能突然突破各種網路服務平台的商業化困境、創造新產值。

再來,討論到B2B聊天機器人時,其面臨的商業化困境雖然沒有B2C嚴重,但是卻也面臨許多難題:許多B2B的產品對象都是高階使用者(Power User),大多數的B2B軟體不會使用自然語言,反而還會使用更多的圖表、試算表等量化分析工具來輔助提升工作效率。

由此可見,許多現在的聊天機器人新創,不管是金融科技的銀行餘額查詢和投資管理機器人,還是協助管理備忘錄和行事曆的機器人,很快地都將受限於其自然語言的溝通介面,並不適合高效率和高複雜度的企業工作環境。

在B2B環境中使用聊天機器人,只能說是輔助,而難以成為核心。

Bot的成敗關鍵不在Bot,而是在服務

聊天與聲控機器人至今輿論最大的盲點在於其過度專注於「機器人」,卻藐視了「服務」的核心。

說穿了,今天要學習語言,Duolingo的聊天機器人核心仍然是Duolingo;要叫車,其服務核心仍然是Uber和Lyft;若是要線上訂餐,利基仍然是由Seamless Grubhub掌握;論及個人金融管理,前提仍然是銀行與金融機構擁有多元且成熟的服務平台。

整個聊天機器人和聲控機器人的版圖,只能說是網路服務經濟的另一面向出口,而非什麼新產業的崛起。就好像過去的單機防毒軟體、單機繪圖軟體、單機通訊軟體,在2000年後紛紛被搬上雲端,而又在2010年後紛紛在App商店中上架。業務的模式和管道改變了,但是成功的前提還是要有服務的價值核心。

所以說,Bot不會是台灣新創環境的救星。

當大家看到Bot潮流不斷地跟風鼓譟時,請冷靜思考:台灣網路新創不論線上購物、線上訂餐、線上學習,還是線上通訊等領域,在亞洲都已經難以立足,更甭談到世界舞台競爭。服務的核心競爭力都已經疲軟,跟著做聊天機器人、聲控機器人,也改變不了現狀。

最終,聊天與聲控機器人的版圖,仍是世界級網路服務平台的舞台。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #Chatbot
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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