Xamns
6 位追蹤者
Xamns
6 位追蹤者
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。
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。
全部內容
由新到舊
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
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
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)
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
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
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
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
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
