在AI時代，技術技能不再重要，能管理AI的軟實力才是王道
現在比的不是你會不會寫code，而是你能不能用英文、在100輪對話中，帶著明確商業場景，逼AI幫你把事情做完，還能驗證它沒搞錯。
【NYCU 校級博雅講座】講題：AI時代 未來人才｜主講人：簡立峰教授（Google台灣分公司前總經理）
https://www.youtube.com/watch?v=LZc6heAtXwo
另外附上逐字稿給有需要的朋友：
條列式重點筆記
AI技術進展
- Gemini 3完勝ChatGPT（72:3.5分、多模態、100萬token、成本僅1%）
- 意圖辨識、深度推理（M-Best）、可解釋推理鏈
- 從問答→行動代理（自動販賣機賺5000美元）
- 已達博士級跨領域知識、IMO金牌、ACM世界冠軍
AI取代與影響
- 可數位化語言知識全面被取代
- 初階知識工作者大失業，資深者+AI更強
- 三大產業巨變：電商（95%客服AI）、行銷（流量向LLM集中）、軟體工程（程式設計師變編輯）
- AI吃軟體（2025）取代「軟體吃世界」（2011）
全球AI格局
- 99%頂級模型來自美國+中國
- 7-10家企業主導一切（市值＞國家GDP）
- Web內容2025年超50%、2026年90%為AI生成
台灣現況與機會
- 優勢：半導體、無人機供應鏈、高齡化前10年黃金期
- 劣勢：軟體人才極缺、少子化、內需弱、台幣低估
- 出路：Go Global、一日生活圈、硬體+AI（車/機器人/醫療設備）
個人應對策略
- 永遠兩個AI互查
- 百問百答＝創造（中國判例認IP）
- 先自己想→再問AI（避免大腦外包）
- π型人才（廣度優先）、軟實力最重要
- 提問技巧：給角色、給上下文、請AI先改問題
AI時代已來，無人倖免
從語言模型博士到Google搜尋負責人，見證兩大時代
前Google台灣總經理簡立峰教授12月於陽明交通大學發表《AI時代 未來人才》校級博雅講座。他1991年即以Language Modeling完成博士論文，後負責Google全球搜尋，如今見證兩大技術奇點合而為一：搜尋被語言模型「治癒」。
我們都是AI移民，真正的原住民還沒出生
簡立峰強調：無論老少，我們都是AI時代的「移民」，真正的「原住民」尚未出生。6歲小孩第一次接觸Gemini就能自然對話1小時，顯示語音介面已徹底改變人機關係。未來孩子將終身擁有「AI牛頓+AI愛因斯坦」陪伴。
Gemini 3完勝，戰爭已結束
最新Gemini 3（YM3）以壓倒性優勢擊敗ChatGPT：在多模態、100萬token上下文、意圖辨識、深度推理全面領先，訓練成本僅OpenAI的1%。簡立峰宣稱：「模型訓練的戰爭已經結束。」
從問答到行動：AI開始賺錢
AI已從「回答問題」進化到「執行任務」。在虛擬自動販賣機競賽中，Gemini用8小時（模擬1年）賺5000美元，證明AI能處理真實經濟問題。50%美國人、70%Z世代已用AI購物，AI開始代理找工作、買票、電商推薦。
人類最後考試崩潰，知識工作全面重組
AI在「人類最後考試」解開37%-45%超難題，在IMO、ACM程式設計世界冠軍全勝。簡立峰預言：電商、行銷、軟體工程正被顛覆，程式設計師從「作家」變「編輯」，廣告費轉向付給LLM，初階知識工作者大規模失業。
全球AI霸權：僅剩美中兩強
全球頂級AI模型99%來自美國與中國，7-10家企業市值超越國家。Web內容2025年已超一半為AI生成。台灣只能加入美國隊，發揮硬體與無人機供應鏈優勢。
台灣的危機與黃金10年
台灣因AI股暴漲成為世界第8大股市，但財富分配嚴重。少子化、軟體人才斷層、內需弱、台幣長期低估構成危機。但高齡化前10年將迎「黃金期」，關鍵在於Go Global、一日生活圈、擁抱外籍人才。
個人存活指南：π型人才與百問百答
簡立峰給出終極建議： ・一問一答＝抄襲，百問百答＝創造 ・永遠先自己想再問AI，避免大腦外包 ・未來需要π型人才（廣度優先） ・軟實力＞硬技能，合作與提問能力決定未來
他最後總結：
在AI時代，技術技能不再重要，能管理AI的軟實力才是王道
我學到了什麼
身為想在AI時代吃飯、甚至領先的人，從簡立峰老師這場演講，抓出「必須馬上開始練」的10個核心課題
- 百問百答的對話力（Prompt Engineering 2.0） 一問一答＝抄襲，十問十答＝學習，百問百答＝創造。 立刻開始每天跟Gemini/Claude/ChatGPT做100+輪深度對話，練到能「逼出好答案」為止。
- 用兩個AI互查的驗證習慣 一個AI永遠不能信，養成「A說了什麼 → B去double check」的肌肉記憶。
- 英文優先 + 指定情境 答案不夠好就先翻成英文問，再翻回來；人文社科問題先說「我是台灣人，我的偏好是…」。
- π型人才思維（廣度優先於深度） 未來兩條腿走路：基礎知識要橫跨多領域（別再只精一個小眾技術），才能問出跨領域好問題。
- 從「寫程式」轉「編輯程式 + 定義問題」 25-35%程式碼已由AI生成，工程師角色變成審稿人 + 問題定義者（PM思維）。
- 行動代理思維（Agentic Workflow） 學會把任務整個丟給AI執行（買票、經營自動販賣機、跑專案），而不是只問答案。
- 硬體+AI的應用場景敏感度 台灣真正的機會在AI車、AI機器人、AI醫療設備、AI無人機 → 學會把AI模型塞進邊緣裝置（Edge AI）。
- 軟實力四件套 提問力、協作力、引導AI的能力、跨領域溝通 → 這四樣AI永遠學不會。
- 避免大腦外包 永遠「先自己想10分鐘 → 再問AI」，否則你會變成沒頭的騎士。
- 全球視野與出海準備 台灣內需太小，AI應用必須一開始就想東南亞、日本、美國市場；學會用英文寫spec、做簡報、找國際合作。
看完影片，你們是怎麼想的呢？歡迎在下面討論
我是凱文馬拉穆，我們下次見
