那一手讓人們第一次真正意識到：AI不只是在學人類，它可能正在走一條人類從未走過的路。這不是速度的問題，不是記憶量的問題——而是一種全新的思維方式，悄悄地，從棋盤上浮現。 那是第37手。一個轉折點。

很多業主以為，申請SBIR或CITD只要展示技術創新就夠了。但如果你認真研究近幾年的審查趨勢，會發現計劃書裡只談技術或產品本身，已經越來越難打動委員了。 台灣的2050淨零排放政策、企業ESG資訊揭露的逐步強制化、製造業與服務業的數位轉型補助體系，都在傳遞同一個訊號：補助資源，會優先流向走在對的方向上的企業。 這不是壓力，而是一個非常具體的發想起點。我在輔導時會直接告訴業主：如果你的構想本來就能自然地對應ESG永續或數位轉型，請你一定要把這件事說清楚。委員不會替你連結，你需要自己說出來。

這些年，我在輔導企業主爭取政府資源的過程中，累積了一些很難在課堂上學到的觀察。 其中最讓我印象深刻的，不是某家公司最終拿到了多少補助，而是那些失敗的計劃書背後，往往都藏著同一個問題——不是業主不夠努力，而是業主在寫計劃之前，從來沒有認真問過自己：我真正想做的，是一件什麼事？ 我常常遇到一種情況：業主坐在我面前，說他想申請SBIR，問我要準備什麼文件、格式怎麼填、有哪些注意事項。這些問題我都可以回答，但我通常會先打斷他，問一個更根本的問題：「你想用這筆錢做什麼？」 有時候，對面的人會沉默好一陣子…

台灣政府每年透過經濟部中小及新創企業署、國發基金等機構，提供大量研發補助資源，金額動輒以數十億元計。從SBIR（小型企業創新研發計畫）、SIIR（服務業創新研發計畫）到CITD（協助傳統產業技術開發計畫），多數計畫的補助比例通常可達計畫總經費約50%左右，是企業降低研發風險、加速成長的重要槓桿。 AI工具的出現，正在改變這個局面。本文將系統整理台灣政府目前提供的主要補助資源（以新創圓夢網 startup.sme.gov.tw 為核心），並示範如何善用Claude、ChatGPT等AI助手，大幅提升計畫書撰寫的效率與品質——讓原本需要數週的工作，有機會壓縮到約4至8小時即可完成初稿。

當 AI 已逐漸融入現代人的工作與生活，我在講授數位轉型課程時，也愈來愈常收到企業主的提問：「永續報告書每年都要花大量時間整理數據、撰寫章節、對應 GRI 條文——這件事，AI 能幫上忙嗎？」 這個問題問得很實際。永續報告書的撰寫流程向來繁瑣：跨部門數據得一一彙整、框架條文需逐項對應、揭露語言要兼顧專業與可讀性，稍有疏漏便可能在第三方確信時被退回修改。對許多中小企業而言，光是一份報告就可能耗掉永續專員數個月的心力。 而我的答案是：可以，而且效果比多數人想像的更顯著。

偶然看到一張「AI六級能力地圖」的金字塔圖片,這張圖引起了我莫大的興趣。圖中將AI學習的歷程清楚地劃分為六個階段,從最底層的「吃瓜群眾」到最頂端的「前沿探索者」,每個階段都有明確的定位和學習重點。 這張圖讓我開始仔細地探討這六個階段,回想自己的學習歷程,對照每個階段的特徵。這陣子我也花了不少時間廣泛閱讀各種AI相關的資料,關注網路上許多專家學者的論述,慢慢地對AI能力的發展路徑有了一些自己的理解和體會。雖然談不上什麼專業見解,但我試著將這些心得彙整成一個比較系統化的框架,希望能對同樣在AI學習路上摸索的朋友們有所幫助。

你知道嗎?在物理學裡有一個叫做「費米能階」（Fermi level）的概念。簡單來說,它就像是材料世界裡的一條分界線——在這條線以上的電子,可以自由移動、導電;而在這條線以下的電子,則被束縛住,無法自由活動。 這個概念聽起來很抽象,但卻完美地描述了AI時代正在發生的事情。在職場上,也正在形成一條看不見的「費米能級」,把人才分成兩個截然不同的世界。 費米能級以下:被AI取代的危險區 想像一下你在做功課時的情況。有些作業是「照著公式套就好」的類型——老師教你一個解題步驟,你只要重複操作就能得到答案。這種工作模式,就像費米能級以下被束縛的電子,只能在固定的軌道上運行。

觀察台灣目前的AI應用狀況,多數企業和個人仍停留在「嘗鮮」階段。ChatGPT、Gemini等工具雖然普及,但使用深度有限。有中國觀察者提出,判斷AI是否真正融入工作的標準很直接:若AI明天消失,你的工作流程會崩潰嗎? 對台灣大多數工作者而言,答案恐怕是否定的。我們使用AI更像是「有就用,沒有也無妨」的輔助工具,而非不可或缺的工作夥伴。這正是台灣企業面臨的關鍵挑戰——如何從「偶爾用用AI」進化到「AI深度嵌入工作流程」。 有觀點認為,真正的AI深水區可能在一到一年半後到來。屆時AI將從「你叫它才動」進化到「它主動盯著你的需求」,從單點工具變成無感的基礎設施,從效率助手升級為決策夥伴。

我喜歡預看趨勢發展,在企業講授數位轉型的AI基礎課程時,我會試著去思考哪一個工具可以具體的協助企業優化現有生產,或是提升服務能量。這讓我會大量的閱讀訊息,每天都會花上好幾小時去前瞻數位未來,並思考可以如何永續的發展。 不同於2025年的試點和實驗階段,2026年企業正從測試AI代理轉向讓它們運行整個工作流程、執行決策並觸發真實世界的行動。OpenAI應用執行長Fidji Simo表示,一年後,回答問題將是AI最不實用的功能,相反地,我們將擁有主動的AI助理持續在背景運行,為我們在網路和現實世界中完成任務。

賈伯斯曾說過一句深具哲理的話:「你無法展望未來時就把點連起來,只有回顧過去時才能看清脈絡。」這句話精準地描述了當前AI發展的關鍵轉折點。當我們回望過去十年的AI演進軌跡,從深度學習的突破、Transformer架構的誕生、大語言模型(LLM)的崛起,到強化學習(RL)與推理能力的結合——所有看似獨立的「點」正在連成一條線,指向一個出乎意料的方向。

作為一位AI趨勢觀察者,2025年我在企業數位轉型課程中講授AI工具運用時,遇到了一個有趣的現象。Manus AI團隊有大陸背景,在公開場合不太方便大力推薦,但從工具本身的能力來看,它確實在幾個關鍵面向展現出值得關注的特性。 這篇文章將從實際應用的角度,剖析Manus AI的技術特色,以及它為何能在短短9個月內成為Meta眼中價值數十億美元的標的。

作為長期關注AI應用、ESG治理與企業策略的實務工作者，我認為這場演講揭示的不只是技術趨勢，而是一個系統性轉型的治理挑戰——如何在AI浪潮中，建構可理解、可決策、可執行的策略框架。「AI不是工具，AI是夥伴。這個定位的轉變，對企業治理與制度設計有深遠影響」