AI教AI的時代來了？李開復看好「免費開源AI」：閉源模式的路，未來會愈走愈窄|數位時代 BusinessNext

AI發展趨勢：大模型瘦身、AI教AI時代來臨

一改由科學家或工程師訓練AI的型態，李開復預告未來將出現「AI教AI」的自我演進新典範，透過模型蒸餾、標注和與合成數據，由數萬億參數的超大模型教小的模型；由思考時間較長的思維鏈模型，教思考時間較短的模型，「模型迭代速度會更快。」

他也指出，大模型正加速「瘦身上端」，許多問題都可以用電腦、手機等終端設備解決，「未來更好的架構是把大模型壓縮下來，簡單的問題在地端解決。」

而中國開源模型DeepSeek（深度求索）問世，加快了AI落地的速度，李開復認為DeepSeek成功破解推理模型的思考訓練過程，除了縮小中國和美國在AI發展上的差距、提高模型開發的工程效率，也走出開源模式的新局， 「當開源可以做出跟閉源一樣好的效果，又是免費的，閉源未來的路就會愈走愈窄。」

「雖然DeepSeek本身很強，但更像一個實驗室。」李開復提醒，DeepSeek雖然提供良好的技術和基礎模型，但真的要落地部署還要經過購買硬體設備、資安防範、數據對接和模型微調等挑戰。

3層級打造企業AI落地軟體工具箱

同樣看好邊緣運算的發展，研華創辦人暨董事長劉克振決定從公司擅長的工用自動化切入，打造工業用AI。

在軟體方面，研華推出「WISE-Edge」AIoT軟體平台，WISE-Edge軟體中心首席軟體架構師黃思瑋表示，WISE-Edge的第1層級提供容器化（Container）作業系統、AI程式集和封裝好的即用模組等，確保AI模型能在不同品牌的硬體平台上順利運行，第2層級提供設備和物聯網管理所需的API，第3層級則是實際運行的各種工業軟體與垂直領域應用。

黃思瑋舉例，透過WISE-Edge系統，能讓研華的AI智能工業攝影機iCAM，收集足夠的影像後，重新訓練像是PCB板的缺陷檢測的功能，再送到前端去執行，讓系統自主調整、升級，「這樣的循環是可以自動化的，系統剛上線一個月可能沒有那麼聰明，但是過了兩個月之後，它的檢測率就越來越高。」

看好垂直領域新商模，縮小模型至邊緣應用

台灣微軟商務事業群總經理李光耀觀察，企業對邊緣端管理沒有一致性、缺乏雲端部署到地端的資源，「包含一但有資料或模型飄移，怎麼樣警示和重新訓練、訓練完如何把模型壓縮到邊緣端？」

劉克振則表示，考量無論醫院或工廠的內部數據都牽涉隱私機密，同時許多產業生態的專業知識需要在場域內累積，工業AI應用格外需要在地伺服器，「工業AI代理的小模型要在場內跑，但也要連接大語言模型能量才夠，私有雲的伺服器是必要的。」

因此，劉克振特別看好垂直領域類別的模型，他認為B2B的垂類模型和B2C的AI有完全不同的生意模式，但目前真正成熟的產品服務還不多，很多商機存在。

最後，劉克振表示，研華在AI的發展模式是「組合積木的提供者」，他歡迎更多下游專注垂直領域的系統整合商和獨立軟體公司，帶著更多現場經驗，共同合作適合各領域的AI解決方案。

責任編輯：李先泰

在台灣，多數人的第一份保障來得很早，可能來自父母，或是出社會後自行投保。然而，直到今天仍有許多人即使手握數張保單，仍說不清自己到底保了什麼。條款繁複、名詞艱澀，導致投保當下似懂非懂，過一陣子就全忘了。保險資訊的不透明，讓風險管理變成了一場全憑印象、依賴業務員的信任遊戲。

自從國泰人壽推出 App 3.0，以「陪伴」重塑保戶與保險的關係，下一步，更要讓資訊變得透明、易讀、好上手。於是，「保險視圖」誕生了—由國泰人壽戰情室 diLab（Digital Insurance Lab）領軍打造的這個平台，試圖翻轉保單難懂的問題，將散落於規範、條款與系統的資訊重新整理、轉譯與可視化，讓保戶終於能「一圖看懂」保障全貌。

「我們希望做到的不只是查詢工具，而是讓保戶真正理解風險、開始做決定。」diLab 經理林蔚安說，這項專案從發想到上線歷時多年，可說是完成了連同業都不敢想像的艱鉅任務。這場透明革命如何開始？國泰人壽又如何讓這個看似困難的挑戰落地？

資訊透明：讓保險回到能被理解的語言

「保險商品本身就很複雜，很多人買了保險，打開保單還是看不懂。」林蔚安指出，國泰人壽累積 800 萬保戶，團隊在梳理客戶旅程時發現，即使擁有多年的資歷與服務經驗，卻未能讓保戶更清楚自己的保障；大多僅在與業務員討論時略有概念，事後又陷入陌生感。因此，「保險視圖」的構想，就是要讓保戶能在同一平台掌握所有保障與資產資訊。

第一步，是處理「看不懂」這件事。diLab 從資料盤點開始，依照生涯階段與保障屬性，將保單內容重新分為「我的健康照護」、「我的保險資產」、與「我的壽險傳承」三大方向，讓保戶以更貼近日常的邏輯理解保障結構，例如「住院時有哪些保障？」。

「調研時發現，國內幾乎沒有成熟案例可參考，國外雖有概念但差異極大。」林蔚安表示，圖表複雜，反而增加理解負擔，因此團隊反覆推敲呈現方式，「要放什麼、怎麼放、放到什麼程度，光這個架構就討論了數個月！」每一個看似微小的改變，背後都是無數次的反覆測試與訪談，「我們帶著不同版本的草稿詢問保戶，在沒有業務員引導下是否看得懂。」最終，團隊定調以金字塔結構建構視圖基礎，從保戶自己的健康保障，到未來可運用的累積資產，最終到照顧家人的壽險傳承。沒有看似花俏的圖表，只希望讓多數保戶好理解的簡單呈現。

但挑戰不只在前端設計，還有保險條款轉譯。傳統保單以商品邏輯分類，與使用者思考「何時會用到」的方式完全不同。為了讓資訊更貼近生活情境，「保險視圖」不再以條款分類，而以場景情境作為基準。例如保戶生病住院時，介面會按照基礎醫療、意外、癌症、重大疾病、長照與壽險等六大結構分層呈現，先呈現核心，再逐層深化，視覺化整體保障全貌，並同步提供現金價值與現金流資訊，形成一套完整的理解脈絡。

風險洞察：AI協助人們看清保障缺口

當保險資訊透過直覺式的設計變得透明，下一個挑戰就是讓保戶理解「自己目前的保障夠不夠」。

因此「保險視圖」也導入保障目標試算功能，保戶只需回答幾題簡單問題，如：住院希望住單人房或雙人房、對疾病治療的費用承受度等，系統即可推算個人的保障目標。接著，AI 會即時計算保障達成率與缺口比例，將複雜的理賠與條款結構轉換成直覺的百分比。「醫療保障達成率 60％」、「癌症保障達成率 45％」，藉由直觀的數字圖表呈現，讓保戶能一眼看出自己保障的完整程度。

此外，平台不只呈現差距，還會以情境推估可能的支出。例如住院五天、手術一次的費用與實際理賠差異，讓保戶真正感受到風險的具體樣貌。「保戶不再是聽到『癌症住院很貴』這種抽象說法，而是看得到具體數字。」透過以場景為基礎的推算，使保戶終於能對模糊的風險概念有畫面，並對理賠內容有更直觀的理解。

平台也提供「熱門推薦」與「 AI 推薦」兩種建議模式。前者以性別、年齡作為分析基礎，後者則依個人資料與既有保單做更客製化的配置。保戶可在平台初步理解現況後，再與業務員討論，透過數位賦能、與有溫度的人性服務建立互補機制，也讓業務溝通更聚焦、更有效率。

領航轉型：戰情室以創新實踐「以人為本」

保險視圖歷經多次迭代上線，雖仍在推廣階段，但初步成效已浮現。以今年 4 月關稅議題為例，資產型保單查詢需求明顯攀升，保戶登入次數從每週平均 4 萬次提升到 5 萬 6 千次，大幅成長40%。以往查詢保單價值需透過業務員協助或臨櫃辦理，如今登入平台即可取得資訊。

此外，視覺化呈現保障缺口後，有保戶回饋「看到達成率 70％，就想補到 100％」，顯示視覺化真正促進了主動管理的行為轉換。

能完成一份視覺化介面不難，但能把 60 多年累積的保險商品結構、條款邏輯與資料系統重新整合再轉譯，背後極度仰賴組織文化。尤其，保險視圖的誕生，從構想到落地，專案歷時 4 年，期間國泰以「區塊化堆疊」的方式逐步發展服務功能，包括資產總覽、健康與壽險視圖、缺口試算與 AI 推薦，每一步都需要長時間協作與反覆推敲。

林蔚安形容：「戰情室就像加速器。」其角色是串聯商品、數據、數位、UI與UX設計、開發工程與行銷等多個團隊，以使用者中心作為共通語言，讓跨部門能在同一個目標下推進。「大家的專業不同，但只要目標一致，就能共同前進！」

展望未來，透明化只是起點。林蔚安指出，下一步是讓更多保戶願意使用平台，使行為軌跡形成數據基礎，再透過個人化推播與 App 串接，發展國泰人壽保戶更完整的數位體驗。「這條路很難，但值得做。」他分享，有一次泰國人壽數位團隊來台交流，第一眼看到保險視圖就說：「這真的很不容易。」但也因此，更突顯國泰人壽勇於創新、以人為本的服務精神。同時，保險視圖也不會是終點，卻會是打開未來保險模式的一把關鍵鑰匙。國泰人壽以具體行動落實「Better Together 共創更好」，在每一項細節中重塑保險服務的日常價值。

保險視圖：https://cathaylife.tw/VoeoOdb