黃仁勳激推的「生命科學」在學什麼?未來出路有哪些?一張表看全台生命科學系
黃仁勳激推的「生命科學」在學什麼?未來出路有哪些?一張表看全台生命科學系

輝達(Nvidia)執行長黃仁勳近期出席在杜拜舉辦的世界政府峰會,期間他與阿聯酋人工智慧部長Omar Bin Sultan Al Olama的對談中,除了談論AI的未來前景之外,也談到了教育問題,黃仁勳在會中指出,學習電腦科學(computer science)的時代已經過了,如果要給建議,他認為應該要學習生命科學(life science)。

這番發言引起許多台灣網友的關注,尤其近期正值學測準備放榜、學子們即將面臨大學科系抉擇,在各大論壇上都有相關討論。

「生命科學才是未來!」黃仁勳為何這麼認為?

在世界政府峰會中,阿聯酋AI部長Omar Bin Sultan Al Olama詢問黃仁勳,「若是想要如你一般,但在科技界的最尖端,人們應該聚焦在哪些領域,應該讓他們的孩子學什麼?」

對此黃仁勳回答道,「我的答案可能聽起來和大家的想像完全相反,過去 10~15 年裡,幾乎人人都會說『你的孩子應該攻讀電腦科學,因為它非常重要,人人都應該學習如何做程式設計』,但實際上在這個領域是完全相反的,我們的工作是創造運算技術,讓所有人都不需要學程式設計。」

他指出,現在任何人都可以是程式設計師,程式設計的語言就是人類的語言,這都是因為有了AI,是「AI的奇蹟」,我們消弭了程式設計的技術鴻溝,這也是為什麼有這麼多人、這麼多公司都在談論AI的原因。「也可以換句話說,未來領導科技界的強國版圖,可能重新改寫。」

那麼,如果要選一個科系主修,黃仁勳的建議會是什麼?

他回答,「如果讓我重來一次,我會認知到,人類生物學才是科學中最複雜的領域之—它不僅複雜且難以理解,同時也具有巨大影響力」。

黃仁勳點出,我們首次將這一領域稱為「生命科學」(life science),把醫藥相關學科稱為「藥物發現」。每年我們的電腦科學、軟體都勝過前一年,晶片、基礎設施也勝過前一年,但生命科學上的進展寥寥。如果給我一次重新選擇的機會,我會意識到,將生命科學工程化的學科 —— 生命工程即將到來。它將是一個工程領域,而非科學領域。當然它將繼續擁有科學,但未來不僅僅是科學領域。

▲ 黃仁勳與阿聯酋AI部長對談片段。

生命科學在學什麼?未來出路有哪些?

那麼實際上,「生命科學」在學的內容是什麼呢?

根據維基百科解釋,「生命科學」包括所有對生物(微生物、動物、植物等)進行研究的科學領域,也包括對相關領域的考量,比如生物倫理學。

生命科學的某些子學科對特定類型的生物進行研究。比如動物學研究動物,植物學研究植物。也有一些生命科學的子學科研究生物體在某些方面的共性,比如解剖學和遺傳學。

另外,像生物工程這樣的學科則更專注於利用生物體研究出尖端技術。而生命科學的另一分支,神經科學則想要探明意識、思想、情感、記憶、語言等人類大腦的生化、基因以至演化上的本質。

(以上摘自維基百科)

可以看得出來,生命科學事實上包含的範圍非常廣泛,旗下更有許多不同的垂直專精領域,黃仁勳對談中提到的內容,則更聚焦在「人類生物學」這一塊。

若是對應到大學科系的分類,則可以細看「生命科學學群」這一塊,而這個學群下又有多個科系:

根據《公職王》網站介紹,最具代表性的是「生命科學系」,生命科學系整合各學門,從微觀到宏觀研究生命現象,學習內容包含細胞學、生物學、化學、遺傳學、生態學、生理學、解剖實驗等,衍生出許多應用科學如生物技術、生物醫學、生技製藥。 本科系學習範圍廣泛,領域包括生態、演化、細胞、分子、醫學等,常運用於保育、生醫研究、教學、生技產業。

「生命科學」相關學系和課程有哪些?

科系 學系與課程
生物學系 生命科學、分子與細胞生物學、生物化學、遺傳學、生物資訊、生物統計、植物生理學、動物生理學、微生物學等
生物科技學系 生物科技概論、生物學、生物統計、遺傳學、有機化學、分析化學、 微生物學、分子生物學、細胞生物學、生物技術等
生物醫學工程系 醫學工程、基礎物理/化學/生物、微積分、解剖學、生理學、 工程力學、材料科學、生物統計學、醫學儀表與測量、臨床醫療、 醫療專利器材與法規等
生化科技學系 生化科技概論、生物學、有機化學、分析化學、生物化學、遺傳學、 分子生物學、生物技術、營養生化學、臨床生化學、微生物學等
生命科學系 基礎物理/化學/生物、微積分、生物化學、細胞生物學、 生物統計學、生態學、遺傳學、動物生理學、植物生理學等
植物病理學系 有機化學、植物學、微生物學、生物化學、遺傳學、植物病理學、 植物線蟲學、細菌學、植物病毒學、植物生理學、真菌學、 害物藥劑學、植病防治等
食品科學系 微積分、普通生物、食品科學、有機化學、微生物學、管理學、 生物統計學、分析化學、食品衛生安全與法規、食品工程、 食品加工、生物化學、食品微生物、食品分析、營養學等

「生命科學」未來出路有哪些?

未來出路部分,除了在學術界繼續研究之外,也可以進入醫療器材、生物科技、醫藥、實驗、化驗、食品、材料、畜牧等業界公司負責研發及研究,或擔任醫藥業務、醫療設備控制人員、其他醫院從業人員、環境工程人員等。

台灣目前生命科學發展為何?為何引起社群熱議?

黃仁勳一番建議攻讀「生命科學」的話題上,在PTT、Dcard等論壇引起討論,不過有許多網友抱持著跟黃仁勳不同的意見,「他看的是美國的趨勢」、「15年前就這麼說了,結果呢?」、「不太可能,好幾年前的陷阱題了」、「生科醫工生計等等,本科的知識在台灣賺不到錢,台灣企業也沒那個本錢投入這個領域」、「世界趨勢和臺灣趨勢是不同的,除非你有把握能到國外工作」。

也有生科系的「過來人」PO文分享,畢業後就去當業務,很多同學都轉行,有的當起房仲,有的賣保險、賣車子,真正在該領域發展的人不多。更有人認為,生科系學的東西範圍廣,但不專精,入學門檻也很高,畢業後的工作薪資實際上不如預期。

從數字上來看,根據勞動部2023年6月公布的資料,前一年(即2022年)社會新鮮人薪資平均為新台幣3.4萬元,較去年增加2,000元,從就讀科系分, 醫藥衛生的大學畢業生薪資達3.8萬為最高,其次為教育學科的3.6萬,以及物理、化學及地球科學的3.4萬 。薪資最低的科系則為藝術和餐旅,皆僅2.8萬元。

但根據104人力銀行的調查,在生命科學系中,薪水最高的職缺為「醫藥研發人員」,年薪中位數約為72.8萬,最低為「行政人員」,年薪中位數為38.4萬,落差頗大,也可印證網友所指「不夠專精」的現象。雖然比起整體薪資來說已經是相當不錯,但若與年薪最高產業的中位數相比——如半導體業、電腦及消費性電子製造業的90萬,以及投資理財相關業83.9萬,仍然有差距。

1111人力銀行公關經理曾仲葳就表示,長久以來科技業以及半導體一直扮演產業領頭羊角色,但近幾年政府有在推動生技醫療相關的產業,所以確實在這方面是在萌芽階段,生技產業還有很大的成長空間。

他指出,再分析薪資結構,生命科學學群的碩士畢業生進入職場,擔任生物科技研發人員跟醫藥研發人員,即使工作多年,其平均年薪仍不到百萬元,與科技業研發工程師,動輒百萬年薪起跳的行情相較,有著明顯差異,也難怪網友意見一面倒。

不過,薪資並非工作定義的全部,在黃仁勳的談話中,也未提到跟薪資、金錢有關的內容。

台灣有哪些大學有生命科學系?

若單就「生命科學系」的話,則有以下的大學:

  • 國立臺灣大學 生命科學系
  • 國立臺灣師範大學 生命科學系
  • 國立中興大學 生命科學系
  • 國立成功大學 生命科學系
  • 國立清華大學 生命科學系、生命科學院學士班
  • 國立中央大學 生命科學系
  • 國立臺灣海洋大學 生命科學系
  • 國立彰化師範大學 生物學系
  • 國立陽明大學 生命科學系暨基因體科學研究所
  • 國立中山大學 生物科學系
  • 國立東華大學 生命科學系
  • 國立臺東大學 生命科學系
  • 國立中正大學 生命科學系
  • 國立嘉義大學 水生生物科學系、生物資源學系、微生物免疫與生物藥學系
  • 國立高雄大學 生命科學系
  • 東吳大學 微生物學系
  • 高雄醫學大學 生物醫學暨環境生物學系
  • 東海大學 生命科學系生態暨生物多樣性組、生命科學系生物醫學組
  • 中國文化大學 生命科學系
  • 輔仁大學 生命科學系
  • 中山醫學大學 生物醫學科學學系
  • 長庚大學 生物醫學系
  • 大葉大學 生物資源學系(生態旅遊與保育組)、生物資源學系(自然資源利用組)
  • 慈濟大學 生命科學系、分子生物暨人類遺傳學系

延伸閱讀:學電腦的時代已過!黃仁勳建議攻讀「生命科學」,他為何這麼說?

責任編輯:錢玉紘

本文不授權合作夥伴轉載

關鍵字: #黃仁勳
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