傑瑞大叔 
身為一個祈禱 AI 幫忙顧小孩的大叔，關注台灣軟體科技教父簡立峰博士分享 AI 最新趨勢，也是很正常的。
自從大叔我開始認真思考如何帶孩子在 AI 時代成長之後，就更加關注全球科技大神的觀點和 AI 發展現況。
前陣子我看到前 Google 台灣董事總經理簡立峰博士在一場名為 “AI 時代-台灣機會” 的論壇，分享他看見的 AI 發展趨勢和未來台灣人才養成關鍵，覺得對於孩子的育成很有幫助，所以決定與大家分享。
延伸閱讀：5個AI時代下的育兒建議｜讓孩子別輸在AI起跑點
內文目錄
誰是簡立峰博士
現年 61 歲的簡立峰博士，最為人所知的身份可能是 “台灣 Google 第一人”。
2006 年，Google 剛到台灣設立分公司，邀請了當時正在微軟亞洲研究院擔任技術顧問的簡博士加入，因此成為台灣 Google 早期團隊之一。
到了 2020 年，台灣 Google 公司茁壯成一個數千人的團隊，簡博士也帶著台灣分公司總經理的身份光榮退休離職。
之後，他加入了台灣知名科技新創公司 iKala、Appier 擔任董事，繼續協助推動台灣人工智慧及新創科技產業發展，因此可說是當代台灣軟體科技的教父級人物。
簡立峰博士演講摘要
大叔我知道大家都太忙，可能沒時間看完全長將近 30 分鐘的演講，所以直接幫忙提煉以下重點：
以全球角度來看
- 生成式 AI 將會影響 3 億個工作機會，尤其以知識型工作為主，因此新加坡、香港、以色列、北歐會是第一波受到衝擊的國家。台灣以製造業為主，因此相對影響較慢。
- 軟體工程師會是被嚴重影響的職業。因為在生成式 AI 的發展中，最重要的是 “數據”。而工程師已習慣在網路上分享程式碼，也因此AI可以輕易獲得大量的“程式數據“。也可以說，軟體工程師將自己高度自動化了。不過，這不代表軟體工程師會失業，而是說，以後軟體工程師會花更多時間來分析、解決問題，而非 “寫程式”。
- 依照每個國家中，使用 ChatGPT 的人口比例做排名，前三名依序是美國、印度、日本，菲律賓排第10，但即使是第一名的美國，也只有 17% 的人口比例。台灣則遠遠落後。
以台灣角度來看
- 台灣是世界上最早受惠於人工智慧的國家之一，大多數台灣人也覺得台灣與 AI 息息相關。然而，這只是一種假象。台灣真正在運用 AI 的人非常、非常少。因此，我們 “生產”世界上最多的 GPU，卻 “使用” 非常少的 GPU。
- 造成這假象的原因是，台灣產業政策一向比較重視”硬體”，而缺少對 “軟體、應用創新” 的關注。也因此，我們很會做 AI 伺服器，但卻無法做出像 ChatGPT 這樣的產品。這是急需解決的問題。
- 我們的護國神山 – 台積電，公司市值已進入全球前十名，對於台灣的重要性也已超過當年三星在南韓的地位，但是，世界前十大市值的公司裡，有七家是數據公司。這說明了，在 AI 時代中，真正的”石油” 是數據，而非半導體。
- 但台灣不用灰心，我們的強項是將硬體、軟體、服務做整合。過去有一個成功的例子是 GPS，而現在，有很大的機會是 AI 醫療科技 MedTech。台灣的醫學系跟電機系很強，但有將近三成的台大醫科畢業生不想當醫生，因此正好可以結合台灣的科技業優勢，發展出AI醫療科技新創公司。
- AI 軟體發展也可以解決台灣在少子化趨勢下的經濟成長危機，因為軟體產品不是靠 ”人數“ 取勝，和硬體製造業不同。以芬蘭為例，他們在30多年前的人口成長就已經停滯，但藉由遊戲產業的發展，依然能夠帶動國家經濟發展。
簡立峰博士演講逐字稿
如果大家晚上照顧完小孩後有點空閒時光，歡迎來看看簡博士的完整演講逐字稿，相信會對於如何栽培孩子在 AI 時代下成長有所收穫！
(逐字稿內容是由 AI 軟體生成再人工修訂，如果有些許錯誤還請見諒)
大家剛剛聽到講說1700人來到這個會場。其實，台灣現在這個時間還有一個很熱鬧的地方。我不知道你們知不知道 — ETF募資。兩天內有一家募資叫台灣價值，超過千億，現在已經當機了。這兩件事情有沒有關聯性？它是有關聯性的。
因為台灣現在所有的股票族相信台灣是AI很強的國家。但我們要弄清楚，我們生產世界最多的GPU，可是我們在GPU使用也是少數、很低的。這就是我們要討論的問題，叫AI時代台灣的機會。如果這個機會我們沒有把握住，可能就是危機了。
所以我們現在為止，我們是非常，我用很精確的說法，現在為止我們是世界首波受惠AI的國家，除了美國之外，幾乎就是台灣。這個最重要原因是，AI正在進行一項資訊工業的革命。它的革命是來自，我們現有設計的CPU架構並不適用於神經網路架構，所以所有東西硬體要再翻一翻。
過去台灣叫Computer這件事情，有一段時間有20年的時間Computing大家不重視了，現在又重新回來。所以以PC產業為基礎的台灣，看到AI Server的機會。可是如果有一個聰明的科學家，在幾天之內改變了這個演算法結構，讓我們看到在幾天之內改變了這個演算法結構，讓很多的Neuron-Ray的計算方法，不要每一個神經元都要算到，它可能也改變了Computing的架構。這是在一個機會很大，風險也很大的地方。萬一這個需求改變了，很多問題就會出現。
所以我們要思考一個問題，就是我們都聽到台積電，我們很開心。我快速跟大家報告幾個數字，第一個，它佔我們GDP已經超過20幾%了，超過當年三星之南韓的重要性。但是它超過股市也超過35%了，更重要的是，台積電的市值等同於台灣一年的GDP。這是列為世界最危險的國家的危險因素，不是兩岸關係，因為是高度集中Single Industry、Single Company。
我們在思考機會的時候，我們要同時思考它的危機的可能性。產業都有循環，我們希望它長長久久，但這可能性是不可能的。產業都有循環，循環下來的時候，台灣的下一步會在哪裡？我們要思考。這是台積電最新的報告，就是看得出來會成長得非常快速，也許未來幾年內我們還不用擔心，所以我們要想得更遠。
但這一個數字又出現了。這個數字是世界十大市值的公司，有兩種計算方法，不過大體上，如果你用這樣的算法裡頭，台積電現在在前十大。可是這前十大有一家阿拉伯石油，意思就是這個時代的石油，二十一世紀是半導體，是嗎？不是，是現在。
為什麼？其他另外七家是數據公司。所以真正的AI時代，真正的石油是數據，半導體是過程。在這個過程中，我們如何把半導體銜接數據結合起來？我們現在還有時間，但這時間可能不多了。
那我們來思考，為什麼這個計畫我覺得非常重要，因為台灣的半導體優勢、晶片的優勢。晶片其實是拿來用的，不是拿來吃的。用的部分的AI跟應用，是我們現在百工百業需要關心的。所以我們來思考一下，快速講一下這個衝擊，這個衝擊的部分。
我們來看一下，重來一次，我們去年到現在短短的一年時間裡頭，我們認知中的電腦已經可以用講話的方式溝通。而且你連問ChatGPT怎麼樣跟他溝通最好，他就說：把我當一個人就好了，你怎麼樣講都可以。可是這一個人機界面的改變對未來影響有多大呢？這一個人機界面，你講的每一句話，每一個句子都要送到雲端去，一家特定的公司來回答你的答案。而這一家特定的公司，所有的訓練資料的70%來自英文，繁體中文是它的2%裡頭的1%，我就不想把它算清楚了。在這麼少的情形下，它決定了我們一切的人機界面。
如果未來模式繼續這樣發展下去，其實它是高度集中在少數幾家公司，在我們百工百業的每一個動作裡頭。這是這些公司的市值之所以那麼高的最主要原因。你再回去看一下剛剛這市值，所以它其實是有道理的。
大家知道過去在2008年世界金融危機的時候，美國印鈔票印出了一個中國。但這一波的金融危機，印鈔票印了七家公司出來，而這七家公司佔的市值，整個加起來剛好一個中國。這個數據已經在說明未來的發展。在這樣一個發展下，我們來看看ChatGPT的影響裡頭，如果我們用科學的角度來看它。
這是一個研究報告。這個研究報告，你看，水平線的地方代表人的基本能力，在水平線以上是贏過人的能力，水平以下-1就是完全沒有能力。橫軸 — 時間軸，每一項技術在那麼短的時間內突破，最可怕的地方是右邊，垂直上來。自然語言理解這個技術是從閱讀理解之後，直接自然語言理解，非常的迅速。如果我們今天來了解AI，並不是它突破我們所有一切像人一樣，不是。是過去我們給它的benchmark，顯然現在看起來太簡單了，而我們必須要重新設計這個benchmark。
那就剛剛署長講說，我們要AI評測，那我們評測一個是防止，我們希望它安全，可是學術界的評測是希望引導它往一個能力的提升跟正確的方向在走。而學術的評測裡頭，沒有任何一個專屬於繁體中文的評測。在這種情形下，我們要引導繁體中文往我們要的科技方向走，它是困難的。可是這個部分，世界各國也做得非常少，所以你知道全世界都在幫美國優化，因為不管你用什麼technology，你的benchmark是英文，你的benchmark optimization是為了英文的使用者。
我剛剛快速查一下，我們覺得百工百業用AI很棒，我們要談這個議題。可是台灣用ChatGPT有多少人，我們可能都沒去查過，排名在非常後頭的國家。第一是美國，只有17%，也只有17%。那你要去猜第二名是哪一國呢？印度。第四名是日本，所以我們沒有想到，雖然日本人口比我們多很多，可是日本卻有那麼高的使用者，很驚訝的。我剛剛講錯，第三是日本，第四是印尼。菲律賓在前十，在這種情形下，它其實已經告訴我們一個訊號，這個訊號就是生成式AI的使用，我們其實是慢的。而我們的感覺很好，是因為晶片的輸出。所以在這種情形下，我們必須要加快我們的應用。
我們來看我們能什麼不能什麼，這大概都知道的。我們從去年這個時候來看各行各業受影響。可是我們講一個例子。這個例子就是說，我們在做AI裡面，到底生成式AI最厲害的地方是哪裡，它其實原來是設計來做語言閱讀的，就是閱讀測驗的。所以它最厲害的地方是，你大量丟資料給它之後，把問題提好之後，它讀完之後把答案給你，它幫你讀書。
這件事情是百工百業今天開始，如果你沒做趕快去做。如果你的行銷部門或者各個部門有訂閱很多的數位資料，你就灌給它幫你寫報告、分析，這就是第一步。這第一步影響了McKinsey，影響了華爾街，所有的分析師的報告，現在都加上了生成式AI，並不叫抄襲，而是它閱讀的快速驚訝的速度非常快。有一個報告統計，一個分析師平均過去一天讀20篇文章，現在是200篇文章。那麼如果這個能力提升，他就有競爭力，但如果在台灣，我們的分析師都沒有這樣做，其實去年一年已經輸掉了。
那麼我們再討論一個問題，最重要的問題是，生成式AI到底影響到誰，誰失業了。如果一個國家沒有因為生成式AI在這個時間失業，就代表你的應用還沒開始。誰失業？我常常笑稱Google的Sales先失業了，為什麼？因為它要做騰籠換鳥，它覺得AI已經可以讓很多MarTech的技術做得更好，而很多Account Manager的需求不大了，客戶直接用AI Tour就好了。如果是這樣，我把人員調整在AI方向。所以我們再注意，矽谷20萬個工程師被裁掉這件事情，我們用裁員的觀點是錯的，它是騰籠換鳥轉向，敢轉向的有競爭機會。我不是要主委今天趕快去裁員，不是這樣子，你要有本事裁，這個時候是對的。如果你不敢裁，一直等都不敢裁，那就代表你的方向走錯了。
好，我們來看，它不是萬能，但是它到底能在哪裡。我用一個溝通的語言讓大家容易記得，因為GPT-4是用40T的Data，我把它換算一下，相當於一億本書，一本書十萬字，這樣子，你就容易懂。一億本書有多大？大學圖書館是叫百萬藏書，所以就是一百萬本的邏輯，那就是一百座大學圖書館。可是它不是重複的內容，它是平衡的內容。
在這個地球上，各個語言、各個族群、各個內容的內容，這樣的是篩選過的內容。所以一億本High quality的Data。這一億本High quality的Data屬於繁體中文量是非常非常之少，這是我們現在最擔心的地方。但是這一億本讀完之後，量變質變，它可以回答很多問題。你如果不懂它的方法沒關係，你就把它想成搜尋2.0。
什麼叫搜尋2.0？就是你過去搜尋的前面一兩頁的資料，你可能沒有仔細去看，它現在它幫你看完之後寫摘要要給你，你就是這樣想就好了。如果想成這樣子，它也就是這樣而已。可是因為它看了，所以我們要請它回答的事情，多數它可以回答，因為我們的答案本來早就在網路上。可是你會想說：它可以推理嗎？它其實是不能推理，它也不是設計來推理的。可是這是它的弱項，但未必未來這只是它的弱項。就像數學一樣，你用別的數學模型，它進展很快，純粹的生成式AI也許沒那麼強，可是兩個加在一起，就可以用自然語言的方式產生解數學的過程。
所以我們把現在的大語言模型解釋成是，它是一個講話的引擎。但是它透過講話的引擎串接所有我們可能的科技。用這個邏輯來推理它，我們就不用去想一個大語言模型到底是不是人，而是它是一個最好的人機介面。好，用這個概念下，我們要知道它的不能。
它的不能就是資料不保證正確，因為它是機率模型，它是跟著它讀的資料有關。當它不保證正確，不是不保證不能用。剛好倒過來。你今天開車也會有車禍，但是你需要開車到一個地方，你必須要接受它。所以，我們現在要學習一件事情，那就是它不保證正確，可是，我們如何正確使用。因為它是一個問跟答的過程，它的答案來自於你的問題。所以，如果它不保證正確，那就是因為你給它的問題機率分布太混亂，讓它不知道哪一個是好答案。
所以，當你把問題描述得越仔細、越清楚時，讓最有可能的答案幾乎就是百分之百。那這樣就是所謂的好問題、好答案。這一個學習過程，整個台灣社會還沒開始學。但是，這在世界上已經開始了。它會影響三億個工作機會。但是，影響最大的國家，目前台灣還沒有排上去。沒有排上去，最主要的原因是，我們是以製造業為基礎的國家。以製造業為基礎的國家，在這一波的影響中是最慢的。但是，知識型工作的國家現在的衝擊最大。你可以看到，它把香港列在這裡，新加坡其實也在這裡，以色列也在這裡，北歐國家也在這裡。這些都是第一波受衝擊的國家。
我們再來看受衝擊的行業。我特別寫了這幾個行業，它們已經受到影響。大家都會想，軟體工程師會不會失業？其實不是的。軟體工程師爲什麼影響那麼大的最主要原因是，在整個生成式AI的發展中，最重要的是數據。哪一個行業的數據最完整，在網路上最容易取得？是寫程式。因為寫程式有open source community，大家把程式問題丟出去，有人將程式碼丟出來，之後大家會討論。這是最完整的訓練資料。所以，寫程式的工程師，在某種程度上，將自己高度自動化。你的各行各業，如果有這樣的數據型態，該行業的AI化速度就會加快。
但軟體工程師不會因為這樣就失業，而是你的軟體開發過程的流程的比重會改變。你原來是問題分析之後，可能是寫程式，可能是測試。寫程式這部分的時間以後可能會縮短，但你問題分析的部分會處理更大的問題，所以，軟體工程師必須變成是architecter，必須變成project manager。而且，工程師自己要變成QA，因為已經可以自動進行測試了。在這種情形下，教學的模式要進行改變。我們不應該簡化成說，大家都不要去學軟體。剛好倒過來，因為你學了軟體之後，你可以做的事情變得更多。因為你不需要花太多時間將你的想法轉換成程式碼。
同樣的事情，它也出現在語言問題上。比如說，學語言，有人認為外文系的學生就不需要再學語言了。但剛好倒過來。最近有一個報告呈現，矽谷的很多工程師學世界各國語言都變快了，因為生成式AI提供一個叫做情境式學習的方法。比如說，一個印度人想學中文，他來到一個中餐館後，立刻叫生成式AI客製問題給你，我當場練習。那我跟老闆對話。如果講不通，我就客製要生成式AI說：我現在遇到這個情境，你幫我想辦法。這樣的學習模式是我們渴望的。你家裡有一位家教可以帶著走的。可是如果我們今天號稱是雙語國家，但我們在日常生活中沒有這樣的使用習慣，那麼問題就出在我們的知識落差，而不是工具落差。工具已經存在那裡了。
所以，對於百工百業來說，邏輯不是去發明工具，再去發明輪子。輪子早就存在那裡了。但為什麼輪子沒有被拿來放在車子上去開呢？這才是問題所在。是因為有一種慣性，讓我們不習慣用任何所謂的英語系統。但今天，整個界面都可以用中文與它溝通，而訓練資料卻沒有中文的情形下，如果我們再找藉口，那就是因為我們生活在自己的泡泡裡。那個泡泡才是我們最大的慣性。
去年這個時候，我有一張投影片。今年再把它review一次，它的答案幾乎還是一致的。我們個人在這個生成社會AI中要學會prompting問問題。今年是人機協同年，第一次人和機器互相合作，在過去，人只會機器，今年開始，人和機器互相協作，之後，企業開始要懂得怎麼訓練資料。你叫做養小鬼也好，叫企業大腦也好，軟體工程師全部要加上AI。如果你是新創，你必須站在巨人的肩膀上，在剛才提到的AI七大企業之上，去尋找你的創新。之後，學生要80分才能及格，因為當什麼事情都可以問AI的時候，學生及格的標準就被提高了。而社會有很多挑戰，這是從去年觀察，到現在還是一樣。
那麼，接下來，台灣的機會在哪裡呢？我們來看一下。其實，我已經跟大家報告過了。世界七大AI領先的企業裡頭，台積電其實被計算在內了。台積電被算進去，是因為Tesla被拿走了。但是，兩個算法，有時候七家裡頭沒有台積電，有時候七家裡頭有台積電。但整體來講，我們可以這麼看。我剛剛也講過，這七家企業的市值已經相當於一個中國的GDP。
但我要跟大家報告的是，為什麼這是七家企業會領先，為什麼是它們？它們最主要的原因是，我們要發展AI需要數據和算力。這兩件事情的一個前提是，你必須是雲端業者，你必須原來就是網路的領頭羊，你才有數據，你才有預先已經有的算力來處理全球的資料。算力不是可以增加去買的，增加去買是買不到的，因為NVIDIA的量就不夠。而是你原來就要一定的量，之後你才有足夠的資金給你。而現在的資金，是怎麼冒出來的？我跟大家快速報告一下。在2010年，全世界最大的公司的市值是200個billion，14年後的現在是3個trillion，是15倍成長。而這15倍的公司有七、八家。那麼，代表如果它不是泡沫，就是集中，兩個都是有可能的。
但是，反過來，其他的國家怎麼跟他們競爭？答案是非常、非常困難的。但台灣很幸運，有一個半導體的基礎。所以我們必須要思考，這個半導體如何銜接晶片，而晶片如何銜接應用。在這種情況下，才是台灣的優勢。我去找了一個AI受惠國排名的報告，這個報告是Bloomberg在二月份出來的報告。台灣的排名是在中國之前。好不容易找到這樣的排名。長官在這裡，一定要讓長官看到。
它最主要的原因不是中國不強，而是在生成式AI裡頭，打到它的阿基里斯腱。那為什麼叫打到阿基里斯腱呢？事實上是這樣，在網路的時代裡頭，你要查一個網頁，如果它要屏蔽，它只要一個URL做一個Firewall就好了。但是生成式AI是一個問與答、內容生成，它不能在生成的時候再去過濾所謂的維尼熊，因為這樣都不用問了。
所以，最好的辦法，它是發執照的概念。發執照的概念是，只有少數幾家公司做的，我是相信的，其他的我就不發了。所以現在整個發展就變成說，政府過度介入、選擇會成功的公司，這是它最大的風險。反過來，我們在這個排名裡頭，你看美國是排到最上方最右邊，你去看，它有三項指標都是幾乎驚人地領先。三項指標除了創新之外，它有兩個指標，一個叫做擴散，就是應用；另外一個叫調適，就是產業衝擊的調適。它每個都是最好的。所以美國在AI時代看起來是會遙遙領先。
台灣很奇怪，就是排名都不錯，可是有兩項指標非常的差，一個叫應用，一個叫創新。沒有應用，沒有創新，台灣為什麼排在前面呢？它說台灣非常堅韌，非常Resilience。我們自己會調適。好，主委，我們其實自己要鼓鼓掌。我們非常會調適，人家對我們的信心那麼高，我們要信心更強烈一點。但是我們要努力一下創新，好不好？
中國在這場AI裡頭的風險在哪呢？我們先看上方，我們回想2000年到現在發生的事情。2000年是素人創業，在Internet有2000萬個網站，在手機應用APP有800萬個APP，都是素人創業成功的。在這個AI時代裡頭，七家巨人在那裡之後，別人還能玩什麼呢？都在巨人的肩膀上能做的事情就不多了。在這種情況下，中國大陸也遇到相同的問題。那麼，它有它的挑戰，細節我就不講了。
但是，我另外的看法是，加速它的全面國際化。它的Shein，它的TIMU都走出去了，它的TikTok也走出去了，而且非常、非常的成功。它把中國生產外溢出去，把Amazon已經開始打得很慘的，南韓的Coupang來到台灣了。可是，南韓的Coupang在南韓遇到驚人的挑戰，因為Shein打進去了。在這種情況下，台灣要思考的也是，要去思考別人怎麼做。我們的競爭對手，他有困難，可是他把困難轉成機會的可能性也很高、很高，而且那可能是我們更不想看到的結果。好，我們看比亞迪就知道。
我們來看一下，台灣的新創正好在這個時候可以接起來，那等一下直翰要來報告Appier的發展。深層式AI我們可以看到，我覺得這是一個天意。什麼樣的天意？就是我們有一條軟體非常艱難的路。大約在2010年，台灣的軟體新創開始，在那個時代裡頭有點爹不親娘不愛。為什麼？因為大膽西進，台灣的錢都去了中國大陸，可是在那個時代，台灣開始培養很多軟體創業出來，經過十幾年的歷練，大約二、三十家公司都可以往海外去部署，同樣的，有在海外變成獨角獸，而也有一些已經在台灣上市，而且現在台灣的上市也給他比較好的multiple。
在這種情形下，兩個看似平行線的產業最好的交集點可能是在AI。你知道台灣AI的新創現在最多、最多的實際上是醫學院跟電機系的結合，原因就是，也不知道好不好，醫療產業蠻辛苦的我們都知道，所以台大醫科，我們現在是在台大醫學院，台大醫科現在畢業生有20%到三分之一是不當醫生。這是另外一個角度，就是台灣創新的機會，因為你可以看到台灣AI新創智慧醫療比例是最高的。
好，那我們再來看一下真正的走向AI，你就看這個顏色就好了。那你大概知道半導體未來發展是怎樣的。半導體是指下方的硬體，其實它最大的part是淺藍色，是服務，是軟體，給大家做參考。
那麼，最後的時間，我想要跟大家報告就是，這是一個契機，但也是一個很重要、很重要、對台灣非常非常重要。我們現在的資本市場對台灣已經開始有利，剛剛講的，大家去買ETF，事實上是間接在可能對台灣受惠。我們今年超額儲蓄會到達3.8兆，這是史上新高。這個超額儲蓄，很不幸的是來自企業的超額儲蓄，就代表企業沒拿錢出來投資。我們不希望它只是去買房地產，我們希望它投資AI。
我們來看一下，大企業其實都動起來了。我們等一下聯發科主管也來跟我們報告，我覺得這是最好的機會，因為我們大企業都跟AI有關係。
最後的一個部分就是，怎麼樣的合作？
另外一個角度，我想跟大家報告AI對台灣的重要性，不是改變產業，不是，是解決少子化的問題。在日本過去30年的失落裡頭，很不幸的，當時沒有AI科技，所以高齡化、少子化的問題，整體出現很多問題。
今天，我們重新思考AI對台灣，不只是一個半導體產業未來的下一個產業。最重要的地方，我們去思考，Nokia之於芬蘭，用這個來跟大家做一個結束。
Nokia在芬蘭，在10年前跟台積電很像，整個芬蘭的股市就只有一個Nokia，而整個Nokia手機賣不動之後，它就掉下去了。但芬蘭出現了很多的遊戲產業，很多的軟體產業，它就轉型了。而芬蘭整個的狀況，就跟台灣一樣，它有30年的人口出生沒有高於8萬人，可是這樣的維持30年，它還是一個經濟上自給自足。台灣要去思考，為什麼他們可以這樣？軟體是人口少的時候最好的產業，因為如果有10個人，1到2個人做軟體，可以養活另外8個人。硬體是倒過來，是要8個人一起努力去養活另外2個人。所以我們在面對少子化時代裡頭，這是一個最好的機會。
最後，因為時間關係，Edge AI是一個非常好的銜接點，細節我不多說，大家可以去看這張slide。如果你喜歡，把它copy下來，你把它copy下來，是因為我目前看到AI科技是大則恆大，小則恆小，已經來到可用性了。小的模型再搬到台灣擅長的裝置裡頭。
我們曾經做過一個最好的軟體整合，叫做什麼？GPS。GPS有硬體、有軟體、有服務，Garmin的研發機構，高民環先生其實也被是台灣背景的，這是一個很好的組合。我們希望在一個Edge AI時代，能夠再創一次台灣過去在GPS這樣的概念，這是一個影響全世界的概念。那麼，中小企業在這個時候，你有很多很多機會，因為你可以去學習別人怎麼用，而因為他是low code、no code，你可以自己企業主自己下去使用。
我們最後再去重新思考一下，這大概是一個今年，如果說AI是什麼年，它是人機協同年，希望大家記住，叫做collaboration。就是，你很多事情會習慣問AI意見，從現在開始。如果你不習慣問AI意見，你就會跟當年手機的時代，當年企業上網的時代，可能會錯過。
那我們想想過去，我們展望未來，謝謝大家，謝謝。
好了就這樣，掰！
內文演講內容相關圖片，來源皆為數位時代 [2024 GenAI 產業高峰論壇] 活動影片截圖，版權屬於數位時代所有
