簡立峰：黃仁勳1人救台灣！AI PC、AI手機、機器人為何是台灣下一個重要機會？|數位時代 BusinessNext

「以前是一顆蘋果救台灣，現在是黃仁勳一個人救台灣。」前Google台灣董事總經理簡立峰在5月25日的「2024生成式AI年會」上笑著說。

剛落幕的Google I/O，展示了Google怎麼用Gemini打通所有產品環節；再早之前，OpenAI發布GPT4o，試圖先搶下語音助理的地位標竿。時間再近一點，是NVIDIA的財報，帶動全台灣相關概念股的股價，所以才有黃仁勳一人救台灣的比喻。

「大家擔心股價會不會泡沫？我沒有辦法回答，但如果AI沒人用、沒人付錢，泡沫就會破掉。」簡立峰說。

AI時代下，個人要大膽、企業要小心！

AI不會沒人使用，簡立峰提醒現在已經發生：「會用AI的人正在取代不用AI的人」、「會用AI的企業正在取代不用AI的企業」、「有能力開發AI的國家，正在讓沒有AI能力的國家（文化）消失」。

不管是個人或企業，現在開始一段時間，應該要試著理解「不完美是常態」，AI無法保證正確、不一定可以溯源，還有可能學壞，但在好好的教導下，可以成為很好的副駕。個人應該要大膽一點使用；企業考量到提供的服務必求正確，使用AI還是必要，只是要謹慎。

不過，簡立峰也表示，雖然雲端大廠都加上了AI功能，有能力的大型企業應該具備一些算力，才能確保效率與安全性；中小型企業則不用想太多，直接導入現有的AI。

焦點不再是LLM、新創

而AI世界有4個關鍵：算力、數據、資金跟人才。以新創公司來說，唯一有的就是人才，「所以新創要加入台灣優勢（硬體產業），不然來不及了。」簡立峰說。他也提出了4點趨勢觀察，後2點就是跟台灣企業發展的關鍵。

1. 模型兩極化

語言模型將是大者越大、小者越小。大語言模型是科技巨頭之間的比拼，關注點在於今年GPT-5的發布；小型語言模型則是在垂直領域發功，以及關注是能否在邊緣（edge）設備上順利運行。

2. 雲端服務＋AI

所有的軟體、雲端服務都將有AI。

3. Edge AI戰場

邊緣端指的是AI手機、AI PC與其他設備。「雲端AI我們想都不用想，但邊緣運算，我們有最強的工業電腦群、製造端，台灣有可能『由端上雲』。」簡立峰說，「這些概念過去大家都是用喊的，就看下周的Computex、蘋果未來的發表會，會不會讓這些概念成真。」

4. 機器人再起

「生成式AI可以大量產生機器人的訓練資料，以前大家說的通用機器人，很難用，現在可以用自然語言溝通去調整工作能力、工作項目，會是爆發點。」簡立峰說。

2023年與2024年的「變與不變」

簡立峰在2023年生成式AI風潮興起時，就提出了從個人到台灣的關注重點，2024年他也有新的版本，但並不是捨棄2023年的版本，而是「加上去」。

2023年
個人：Prompting
學生：80分及格、問問題比解題重要
企業：fine-tunning
新創：在巨人肩膀上疊積木
台灣：維護中文解釋權

2024年
個人：Prompting＋讓AI成為助理
學生：80分及格、問問題比解題重要＋努力成為π型人才
企業：fine-tunning＋開啟人機協作
新創：在巨人肩膀上疊積木＋台灣優勢（硬體）
台灣：維護中文解釋權＋鏟子是用來挖礦的

延伸閱讀：全球AI職缺報告！「懂AI」薪資漲25%起！揭曉4大危機職缺，哪些工作AI無法取代人？

責任編輯：林美欣

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/