AI 來了...

AI 來了，這是一個不可規避的事實，AI 就像一匹潛力無窮的待馴服的良駒，能讓 AI 發揮到什麼程度、幫助 IT 人員多少、幫助企業多少，完全看騎在馬上的您：平常如何馴服她。

還記得 薛平貴 與 紅鬃烈馬 吧，普通人騎普通馬，紅鬃烈馬 這種厲害的馬則是要有厲害的人才馴服得了、才騎得動。不然，可是會摔得四腳朝天的...

所幸，AI 這匹良駒會惦量主人您的力氣，你跟她小打小鬧：問個早安、Hello 之類的，他也跟您 Hello 恭維您一番，這時您會覺得 AI 好像就是這樣而已；但如果您很認真學習、認真馴服，則 AI 則會變成超強的 紅鬃烈馬，目前在大家努力開發下，看起來她是潛力無窮。

💡 AI 是良駒，也是烈馬 —— 關鍵在於駕馭的人。

要馴服 AI ，得好好的了解她，AI 組件很多、容易混淆，網路社群上，有人比喻 模型 (Model) 是引擎；Agent (代理程式) 是組裝後的一部車；提示詞 (Prompt) 則像是 油門/方向盤；車上還有很多配件，AI 也有很多擴充功能...

👉 PS：引擎/車/方向盤/油門/配件...的比喻，是 GPT 幫我找的，GPT 說出處很多，一時也辨識不出誰是先這樣比喻的。「良駒/紅鬃烈馬」是本文自創的呼應比喻。

接下來這兩天，讓筆者先幫大家把一些基本知識打個基礎，不會講太理論的東西 (那些筆者也講不出來 😄 )。這些基本知識有利我們爾後運用 AI 。

AI 簡史

記得三十幾年前，筆者就聽過「人工智慧」了，學校有開這樣名稱的課。

AI 發展早期著重方法探索與基礎累積，近年因運算力、資料與模型架構的成熟而快速普及，出現大規模應用潮。

• 早期發展：從符號主義到機器學習，AI 經歷多次寒冬與復甦；深度學習在 2012 年 ImageNet 突破後，進入快速累積期。
• 關鍵轉折：運算力、資料量與模型架構三件事同時成熟，催生了「通用生成式 AI」的實用時代。

💡 AI 的歷史不是直線，而是一場「冬天與春天的輪替」。

近幾年生成式 AI 興起的：

• 2020 年：OpenAI 發布 GPT-3，百億等級參數帶來更流暢的自然語言生成，引發產業對「大模型能力」的關注。
• 2022 年底：ChatGPT 上線，對話式體驗突破門檻，AI 從專業工具走向全民使用，掀起企業「用 AI」的決策潮，這時候才開始有人注意到 AI 時代即將到臨。
• 2023 年：GPT-4 與多模態能力落地，閱讀圖片、表格與長文的實用性提升，企業內部自動化與知識助理開始普及。
• 2025 年 8 月：GPT-5 發表，以前的 AI 模型被比喻為高中生程度，而 GPT-5 則是被比喻為博士生程度
• 這幾年：Claude、Llama、Gemini、GPT 等多家模型百家爭鳴，開源與商用雙軌發展，企業開始討論如何導入企業內應用，更有號稱 AI Native (AI 原生) 的企業。

產業趨勢：未來是「有使用 AI」vs「沒使用 AI」的競爭

如果把企業比作一支球隊，AI 就像體能與情報的加乘工具：不用不會馬上輸，但在拉長賽局後，落差會被幾何級放大。

• 為何 AI 成為關鍵差異化？
  • 它同時影響「速度、品質、成本、體驗」四個面向，一次拉動多條 KPI。
  • 讓人力專注高價值環節，把重複性工作交給機器；流程從「人工驅動」轉為「人機協作」。

💡 企業競爭的本質：同樣的隊伍，有 AI 加持，跑得更快、更久。

AI 對產業影響甚鉅，這裡就不詳細展開，我們先把重心拉回來：IT 職人，因為在台灣中小企業，唯有先增進 IT 職人 AI 素養，才能更好的帶進到企業應用。

影響 AI 表現的四大關鍵

• 1. 模型（Model）：能力的「引擎」。
• 2. 代理程式（Agent）：把引擎裝上車、能跑業務的「整車」。
• 3. 提示詞工程（Prompting）：油門與方向盤 (下回談)。
• 4. 擴充功能（Tools/Plugins/MCP）：車上豐富的配件，增進汽車效能 (下回談)。

💡 AI 的力量，不在單點，而在組合。

關鍵一：AI 模型（Model）

AI 模型 (Model) 不是一個 APP，而是能理解、推理與生成的「能力本體」。

模型是什麼？

模型，是各家 AI 廠商費心訓練出來的，據筆者所知： AI 模型是遍覽群書，好像讀了古今中外的書、及 Internet 上所有公開的資料，這些加起來，其文字量相當於數千萬到上億本書。也就是說：在模型被訓練的截止日之前的書、Internet 公開資料，她都看過了。

模型也像是一個「知識怪獸」。想像一下，有人把世界各地的圖書館打包，再加上網路上公開的資料，全丟進它的腦袋裡。結果，它一口氣讀了數千萬、甚至上億本書。

不過，這個「怪獸」也有缺點：

• 它的記憶是有「截止日期」的，就像有人在 2023 年畢業後，就再也沒讀過新書一樣。

• 它雖然讀很多，但不代表每一行都能背得滾瓜爛熟；有時候它還會「張冠李戴」，一本正經的亂說。

💡 AI 模型像一個博學的朋友 —— 會聊天，但偶爾也會亂吹牛。

所以，跟 AI 模型相處，就像跟一個博覽群書、但偶爾會吹牛的朋友聊天 —— 有趣、聰明，但不能完全照單全收。

關於模型的四件事

對於我們使用 AI 的人來說，關心 AI 模型主要有四件事：

1. 聰明程度（推理、工具使用、穩定性）
2. 專長領域：有的專長於文字，有的則是 圖形，我們這裡先探討 文字處理專長的模型。
3. 上下文窗口 (Context window)：就是你一次可以塞給 AI 模型的資料量的大小，輸入、與輸出的 Context 大小，各模型各有不同。這種上下文窗口的大小，是以 token 為計量單位。

👉 概略是：英文 100 tokens ≈ 75 個英文單字；中文 100 tokens ≈ 100 個字，但不絕對。端視各家 AI 模型自己的計算而定。

4. 費用問題

• 計量制：各模型有制定 input / output 每百萬 tokens 的費用。
• 方案制：各 AI 廠商有制定每月比如 USD20, USD100, USD200 的使用方案，這些方案也會跟你使用什麼模型與 tokens 有關。
• 免費方案：各 AI 廠商為吸引大家使用，通常有免費方案，使用 tokens 數、或使用次數在某個數量以下免費，超過數量，她就叫您等幾個小時後再來用，或付費升級之。

💡 選模型不只是看聰明程度，而是看會不會「帳單爆表」 (帳單爆表可是會被 老闆 或 財務 約談的...)。

常見的主流模型

• 主流的通用型模型系列：
  • GPT 系列（廠商：OpenAI）：綜合表現強、工具使用與推理力突出，商務生產力場景滲透度高。
  • Claude（廠商：Anthropic）：對齊與安全性著稱，長文本處理穩定，適合政策/法遵/長文件理解。
  • Gemini（廠商：Google）：多模態與搜尋優勢，適合需要影像/表格/程式碼並用的場景。
  • Llama（廠商：Meta，開源）：適合私有化、邊緣與成本敏感場景，自訂可控但需 MLOps 能力。

👉 如果要拿開源模型自己架設 AI ，通常需要昂貴的 GPU ，常見的是 NVIDIA H100 一張卡要價一百多萬台幣，通常需要兩張以上比較合適，還有 伺服器硬體...的費用。

👉 只是要玩一玩的話，Mac M4 Pro 128G 統一記憶體 的機器可以試一些小一點的模型，但 token 吐得很慢，還不是很實用。

👉 通常需要 GPU 記憶體 80G 以上，也有小一點的模型，GPU 32G 記憶體就可以開始跑。

• 各主流廠商模型 聰明程度模型名稱：

💡 大多數情境，用「主力/旗艦」就夠用。 💬 ChatGPT 5 會依任務難度自動選模型，降低選擇負擔。

• 除了以上「通用型模型」外，還有專門功能的模型，以 Google 家為例：Imagen 模型用於 圖像生成、Veo 用於 影片生成、Lyria 用於 音樂生成...。最近很熱門的 Nano Banana 則是 Gemini 2.5 Flash Image 模型。

怎麼選？

很多人會問：「模型這麼多，我到底該用哪一個？」
其實，選模型就像選車，不是看誰最貴、誰馬力最大，而是看你要拿來做什麼。

1. 依需求匹配

• 長文匯整 / 政策檢核 → 選 Claude / Gemini，就像請一位耐心細讀公文的秘書。
• 日常辦公 / 自動化 → 選 GPT 系列，它像一個萬用的助理，寫文件、寫程式、腦力激盪都能勝任。
• 私有化 / 成本控管 → 選 Llama 等開源模型，這比較像自己組裝一台車：便宜、可客製，但維修得靠自己。

👉 重點不是「最強」，而是「最合拍」。

💡 模型選型，不是比誰大，而是比誰懂你。

2. 評估維度

挑模型時，可以問自己這幾個問題：

• 穩不穩定？（會不會常常答非所問）
• 會不會用工具？（能不能幫我接資料庫、翻文件、調 API）
• 能不能多模態？（文字、圖片、表格一起處理）
• 延遲與成本？（速度能接受嗎？會不會一跑帳單就爆炸）
• 合不合規？（有沒有資料外洩的風險）

👉 這幾個問題，比「參數大小」重要得多。就像買車時，你會問油耗、維修、保固，而不是只看馬力。

3. 避雷提醒

不要被「最強模型」的廣告詞帶著走。再強的車，開在你家巷子裡，也開不快。模型選型，重點是 「合適」與「跟你合作的默契」，而不是選最貴。

4. 新手建議

一開始，其實不用太糾結。先從 ChatGPT 開始，等你真的踩過油門、轉過方向盤，再去比較 Claude、Gemini、Llama，就會知道自己和哪一台車最適合您。

關鍵二：AI 代理程式（Agent）

有了引擎，還需要變成能辦事的「車」。AI 代理程式（Agent）不是指一個品牌，而是一種系統設計：讓模型能看資料、用工具、記住上下文、分步完成任務。

這個 AI 代理程式是一個人機介面，人是跟 Agent 互動，再由 Agent 與後端的 模型 溝通。這些關係要講清楚，可能得畫一張圖，今天的資料已經有點多了。這部分就明天繼續囉......

小結

今天我們先談了 AI 模型（Model）。它就像一匹潛力無窮的良駒，或者是一顆強大的引擎 —— 決定了能跑多快、多穩、多省油。模型是基礎，但光有這顆引擎，還不足以真正幫 IT 職人衝鋒陷陣。

真正能派上用場的，是 AI 代理程式（Agent）。它就像一輛能上路的整車：不只裝上引擎，還能握住方向盤、踩下油門、幫你帶上工具箱，甚至能記住上次你跑到哪裡。

明天我們就來看看，這些 AI 代理程式如何讓 IT 職人不只是駕駛，而能升級成一支 人機協作的專業隊伍。這會是未來 IT 人真正的核心戰力。

💡 AI 模型是力量的來源，Agent 才是讓力量落地的關鍵。