這個月密集參加了兩場 AI 智慧工廠的活動 — 3/11 DIGITIMES AI EXPO 和 3/26 AI 智慧工廠部署策略論壇。

第一場看完很興奮，覺得 AI 要落地了。第二場聽完結果被踩煞車。

興奮 → 踩煞車

一開始在3/11 那場很炫。力積電秀 AI Agent 四階段路線圖，清

職場

音樂藝文

政治與評論

以行動支持創作者！付費即可解鎖

科技

在科技業做研發多年了，從晶片韌體寫到 AI 系統架構。把工作中遇到的 AI 導入踩坑、法規紅線、和研討會現場觀察寫下來，希望對正在評估 AI 怎麼落地的人有幫助，也想認識志同道合的朋友。

律博坊

智慧工廠

TIME

台灣製造

論壇

資安

煞車

治理

力積電

製造業

NVIDIA

今年三月跑了兩場 AI 工廠論壇，我發現台灣製造業卡在八塊拼圖沒有同時拼


NVIDIA 在 GTC 2026（3/16）正式開源 NemoClaw — 企業級 AI Agent 安全框架。官方文件只寫了 DGX Spark 的安裝流程。我拿一台 NT$3,000~NT$4000多 的 Raspberry Pi 5 試，踩了 11 個坑，最後成功讓 Nemotron 3 S

學習

投資理財

安裝

啟動

OpenClaw

成功

企業

文件

NemoClaw 發布不到 24 小時，我在 Raspberry Pi 5 上跑起來了



一、趨勢觀察：當 AI 開始幫我們寫 Code

身為一名在軟硬整合領域長期打滾的軟硬體整合架構師，最近我密切觀察團隊與業界的一個變化：AI Coding Agent（如 Cursor, Windsurf）的興起。

這確實是一個技術紅利期。年輕工程師發現，只要把需求寫成詳細的規格 (Spec)

開發

授權

著作權法

工程師

程式

整合

觀察

產品

法律

當 AI 讓「規格驅動開發 (SDD)」成為主流，產品的潛在風險在哪裡？—論「律法驅動開發 (LDD)」的必要時刻

近期Google 推出 Gemini 3 的那一刻，我有一種奇妙的感覺：

這可能是一個新的起點，但還不能下定論。

不是因為效能跑贏誰、推理更強、上下文更長，

而是因為—— 這次 Google 從模型、產品、生態，到生活各層面，都出現了「三」的結構感。



而這讓我想起《道德經》裡那句：

道

Google

Gmail

Android

Chrome

模型

OpenAI

搜尋

資訊

結構

作業系統

Google Gemini 3 的發表感覺看到:道生一、一生二、二生三、三生萬物

最近AI趨勢從一般的AI到現在的Agent, 那麼在做多代理（Multi-Agent）與大模型應用時，由於訊息傳遞會用到JSON但是也會相對的消耗大量的token。

主要因為在大模型裡，每一句話、每個字、每個欄位名都是成本—— 不只是「花錢」，也是「能源、碳排、算力」的消耗。 所以最近剛好看到出了

衣服

抽屜

JSON格式也有收納為TOON

最近因為AI的熱門程度，相繼有很多方便的工具被開發出來，尤其像最近熱門的n8n, 還有dify, 剛好之前有在用node-red就在相這些差在那裡，研究了一下之後有些心得在此分享一下。

一、三者主要用途：

Dify：做 AI 應用的積木，幫你快速組出 Chatbot、問答系統。

n8n：做自動

軟體開發

控制

n8n、dify、Node-RED 到底差在哪？

最近數位發展部對 AI 人才提出了明確定義，將 AI 產業人才分為研究、開發、應用三大類。

 素養類認證:像是經濟部 2025 年要推的「AI應用規劃師」初級、台灣人工智慧學校（AIA）的素養級認證。這個就是讓大家先有基本概念，知道 AI 是什麼、能做什麼、不能做什麼。

工具類認證:Google

台灣人工智慧學校

認證

人才

專案

數位發展部

中文

搭上台灣 AI 人才順風車：我的 IBM AI Engineering Professional Certificate

想像一位廚師，最初只能依靠一本厚重的食譜，逐字逐行地按步驟烹飪；而隨著技術與經驗的累積，他終於能自由搭配食材，依據情境即興創作。

AI的演化過程，正像這位廚師的成長。

一開始的AI發展受限於算力不足，加上學術研究尚未如今日豐富。



那時的AI主要基於簡單的專家規則系統。隨著半導體技術的進步帶