Q：iPAS AI 應用規劃師初級考試難嗎？ A：科目一近三次及格率都在 25% 以下，但平均分數距及格線只差 5～6 題。準備方向正確的人，這個差距完全可以靠備考彌補。

Q：科目一和科目二哪個比較難？ A：科目一明顯更難。115 年第一次科目二及格率 67%，科目一只有 23%，同一批考生，兩科差了近 44 個百分點。

Q：iPAS 初級需要準備多久？ A：沒有固定答案，但數據顯示多數落榜者是科目一準備不足，而非總時數不夠。重心放對比時數更重要。

我把 114 年度四次加上 115 年度第一次、總共五場初級考試的官方統計全部拉出來，交叉比對後發現了幾件值得注意的事。這篇不賣焦慮，只拆數據，幫你在坐下來讀書之前，先搞清楚這場考試的真實面貌。

先看全貌：五次考試的關鍵數據

科目一是「人工智慧基礎概論」，科目二是「生成式 AI 應用與規劃」。兩科都是 100 分滿分、70 分及格。

看完這張表，我想從三個不同的角度拆解這些數字背後的意義。

一、考試已經長出固定的形狀

科目一比科目二難，而且差距在持續拉大。

115 年第一次是最清楚的例子。科目二的平均分數 72.87，及格率 67.1%，代表將近七成的到考者都通過了科目二。但同一批人考科目一，平均只拿到 59 分，及格率只剩 23%。

這不是單一梯次的偶然。從 114 年第三次開始，科目一的及格率就一路走低：38% → 25% → 23%，連續三個梯次壓在四成以下。唯一例外是 114 年第二次那場，科目一平均衝到 69 分、及格率 54%，但之後連續三次都沒有再出現類似的高及格率。(如下圖)

這告訴我們什麼？從數據趨勢來看，科目一在整體鑑定中扮演了較高的鑑別角色。這跟兩科的內容性質有關——科目二考的是生成式 AI 的應用情境、倫理規範與規劃能力，這些主題離日常經驗比較近，多數考生有一定的直覺和判斷基礎；但科目一考的是傳統 AI 的底層知識——機器學習的演算法分類、模型評估指標、資料前處理流程、深度學習的基礎架構——這些東西不會因為你天天用 AI 工具就自動學會。

不過要特別提醒：科目二並非每次都友善。114 年第三次和第四次的科目二及格率分別只有 50% 和 43%，說明命題方同樣有能力透過出題方式拉高科目二的難度。科目二不能不準備，只是從五次整體趨勢來看，科目一是更需要投入時間的那一科。

知道考試長什麼形狀，你才知道準備的重心該放哪裡。 很多考生把大量時間花在熟悉生成式 AI 的應用，覺得「科目二是新的、比較重要」，結果科目二順利通過，卻卡在以為比較簡單的科目一。從數據來看，這不是少數人的失誤，而是許多落榜者的共同路徑。

二：那條及格線，沒有你想的那麼遠

23% 的及格率聽起來嚇人，但多數人只差 5～6 題。

115 年第一次的科目一平均分數是 59.09，及格線是 70 分。中間的差距是 11 分。一份 100 分的考卷，假設每題 2 分，11 分大約就是 5～6 題的距離。換句話說，多數人不是「完全不會」，而是「差那幾題」。

再回頭看 114 年第二次——那次科目一平均 69.02 分，及格率衝到 54%。平均分數只比及格線低 1 分，就有超過一半的人通過了。這說明考生的分數分布是集中的，大家的程度沒有差很遠，勝負就在那個及格線附近的窄幅區間裡。

這種考試特性，其實對有準備的人非常有利。你不需要拿 90 分，不需要每個知識點都精通，你只需要穩穩地多對 5～6 題，就能跨過 70 分。

但問題來了：科目一考的那些傳統 AI 理論——監督式學習、模型評估指標、過擬合、特徵工程——對非本科的考生來說，光是把定義讀懂就很吃力了，更別說在考場上快速判斷選項的陷阱。

這也是我自己備考時最深的體會。我不是資工背景，第一次讀到「混淆矩陣」的時候，腦袋真的很混淆。後來我發現，這些概念本身不難，難的是沒有人用你聽得懂的方式講給你聽。一旦有人把「精確率」翻譯成「抓到的人裡面有多少是真的壞人」、把「過擬合」比喻成「考古題背太熟結果換一份考卷就傻了」，那些原本像天書的名詞瞬間就通了。

差距不在天分，在有沒有先把觀念搞通。 觀念通了，同一個知識點不管怎麼換題目包裝，你都能辨認出來。觀念沒通，就算把考古題刷三遍，換個情境描述你還是會選錯。

三：這場考試的遊戲規則，站在認真準備的人這邊

報考人數翻四倍，跟你能不能拿證無關。

這跟公務員考試、研究所考試完全不同。那些考試是「錄取率」的概念——名額固定，考生愈多你愈不利。但 iPAS 不是。報考人數從 114 年第一次的 1,349 人成長到 115 年第一次的 5,115 人，翻了快四倍，但這跟你能不能拿到證照完全無關。

那為什麼獲證率從 59% 掉到 43%？不是因為考試變成零和競爭，而是跟考生的準備策略有關。

從科目一和科目二的及格率對比就看得出來：115 年第一次科目二及格率 67%，科目一只有 23%。同一批考生，兩科表現落差這麼大，合理的解釋是——多數人把準備重心放在了科目二，而低估了科目一的份量。 畢竟生成式 AI 是當下最熱門的話題，很多考生直覺認為「科目二比較重要」，結果科目二順利通過，卻在科目一翻船。

這其實反映了考試設計的用心：命題方透過科目一來確認考生是否具備 AI 的基礎理論素養，而不只是會用工具。這個門檻是合理的，因為一個真正能規劃 AI 應用的人，確實需要理解背後的原理，才能做出正確的判斷。

對你來說，這反而是好消息：你不需要成為 AI 領域的專家，不需要跟五千人搶排名。你只需要在準備階段就認清科目一的重要性，把時間花對地方。當你做到這件事，你就已經避開了多數人踩過的坑。

回到最根本的問題：你該怎麼準備？

把三個觀察疊在一起，準備策略其實很清晰：

科目一是戰場的重心。 把至少七成的準備時間分配給科目一的傳統 AI 理論。科目二同樣需要準備，但從及格率來看，多數考生在科目二的表現相對穩定，真正拉開差距、決定你拿不拿得到證的是科目一。

觀念要通，不能只靠背。 科目一的命題愈來愈偏向情境判斷題，選項會用「看起來專業但場景不符」的敘述來製造陷阱。單純死背定義擋不住這種出題方式，你需要的是真正理解每個概念在解決什麼問題、適用在什麼情境。觀念通透了，不管題目怎麼包裝都能拆穿。

平均分數和及格線只差 5～6 題，這是完全可以靠準備彌補的差距。 不需要懷疑自己的能力，需要的是一套讓你「聽得懂、記得住、用得上」的學習路徑。

這也是我自己當初備考的體悟——與其地毯式地把所有教材讀一遍，不如先把每個單元的核心觀念用自己聽得懂的語言重新消化一次。搞懂「為什麼」，比記住「是什麼」更能幫你在考場上做出正確判斷。

如果你正在備考，希望這篇分析能幫你少走一些彎路。搞清楚考試的結構，比埋頭苦讀更重要。

本文數據來源：經濟部產業人才能力鑑定 iPAS 官方公告之各梯次考試統計

圖表整理：iPAS自學路