賈伯斯曾視為災難的觸控螢幕，蘋果想在Mac讓它死而復生！原因是要你「無痛」？|數位時代 BusinessNext

賈伯斯曾視為災難的觸控螢幕，蘋果想在Mac讓它死而復生！原因是要你「無痛」？

還在等待有螢幕觸控功能的Mac嗎？2025首款搭載觸控螢幕的Mac可能問世，成為整合蘋果生態系的一大利器。

蘋果想推有觸控式螢幕的MacBook Pro，就是為了整合生態系

現今蘋果的目標是統一所有設備上的軟體和服務，以達成旗下產品生態系的統一、不同設備間的無痛轉移。同時還希望在成功過渡到自家的M1晶片後，在個人電腦上占據更大的市場。

2018年開始，蘋果開始逐步整合不同設備上的應用程式，將iPad的app引入Mac。2020年，iPhone的App也能在Mac上運行。還有跟隨MacOS 12.3和iPadOS 15.4推出的「通用控制」功能，可以在相容的Mac和iPad之間共用同一副鍵盤與滑鼠，同時將iPad當作第二螢幕使用。但是這種整合還是讓人們意識到Mac缺乏觸控輔助。

由於操控介面的差異，在Mac上使用專為iPhone與iPad設計的App，是一種「災難般」的使用者體驗，因為那些app是為了觸控螢幕而設計，難以與滑鼠和觸控板無縫接軌。

觸控式Mac指日可待？還是又與既有產品衝突？

蘋果為iPad提供的各種輸入配件，也可窺見他們在整合Mac與行動設備生態上的努力。iPad一推出就能與鍵盤一同使用；2020年蘋果更推出滑鼠與觸控板搭配，讓iPad能夠如同一台筆記型電腦般使用。 然而Mac卻至今沒有導入觸控螢幕，在跨平台的整合上可說落後iPad一步。

至於Mac遲遲不推出觸控螢幕的原因，不光是認為觸控不適合電腦，《彭博社》指出， 蘋果內部還擔心未來配備觸控式螢幕的Mac可能將蠶食iPad的銷量，造成產品間的定位衝突 。蘋果內部知情人士表示，第一批的觸控式螢幕Mac可能依然會使用macOS，但要配合觸控使用的話，可能還需要大量的更新支援。

蘋果經歷Touch Bar的失敗，為何再度捲土重來？

蘋果執行長提姆．庫克（Tim Cook）多年來都表示微軟的surface筆電，像是把烤麵包機與冰箱結合在一起。十多年來，蘋果也一直認為觸控式螢幕在筆記型電腦上不好用。蘋果2016年推出的Touch Bar，是一種能在鍵盤上控制功能的虛擬條，推出至今不僅讓消費者感到困惑，也從未獲得相關應用程式的足夠支持，在2021年時終止。

但隨著越來越多家競爭對手在電腦上加入觸控式螢幕，包括戴爾（Dell）、惠普（HP）、聯想（Lenovo），甚至是原生觸控的surface等，都在觸控式螢幕方面取得大進步，這給蘋果帶來了同樣的壓力。而近年來Mac的復甦也讓該部門成為比iPad更賺錢的部門，所以蘋果希望盡可能保持其電腦產品陣容的吸引力。

從長遠來看，為Mac新增觸控式螢幕對吸引下一代消費者也很重要。《彭博社》指出，α世代（2010年）後出生的人在觸控式設備上長大，從iPhone到iPad，甚至各種智慧型家電。他們想透過觸碰的方式瀏覽所有的內容，觸摸互動已經成為年輕人的第二天性，而蘋果必須為了保持市場龍頭地位做好準備。

責任編輯：陳建鈞、林美欣

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。