本集節目，主持人哈麗透過白話方式解析近期重大的科技動態，核心議題聚焦於 AI 編程領域的新趨勢，詳細說明了 Loop Engineering 的概念，以及 SpaceX 收購 AI 公司 Cursor 對業界的重大影響。此外，文中分析了 Google 頂尖人才流失至 Anthropic 與 OpenAI 的背後原因，以及其對 AI 研發版圖的潛在衝擊。最後，主持人深入探討了中國 Zhipu AI 發佈的 GLM5.2 模型，從技術優化與成本效益的角度評估其如何縮小與西方頂尖技術的差距。本集節目主持人透過白話方式解析近期重大的科技動態，核心議題聚焦於 AI 編程領域的新趨勢，詳細說明了 Loop Engineering 的概念，以及 SpaceX 收購 AI 公司 Cursor 對業界的重大影響。此外，文中分析了 Google 頂尖人才流失至 Anthropic 與 OpenAI 的背後原因，以及其對 AI 研發版圖的潛在衝擊。最後，主持人深入探討了中國 Zhipu AI 發佈的 GLM5.2 模型，從技術優化與成本效益的角度評估其如何縮小與西方頂尖技術的差距。

本集重點：

1. Loop Engineering：軟體工程的新典範
Loop Engineering 是 AI 程式開發領域的新興趨勢，強調將工作核心從「撰寫指令（Prompting）」轉向「設計迴圈（Loops）」。根據這份來源，Loop 本質上是一個自動化執行系統，工程師只需定義最終目標（Goal）以及達成目標前的重複行為，讓 AI Agent 持續運作直到目標完成為止，例如自動偵錯直到所有單元測試通過。這象徵著軟體工程抽象層的再次提升，從組合語言、C 語言、Python 演進到 AI 指令，最終進入 Loop 層次。雖然目前因 Token 成本過高以及 AI Agent 容易陷入錯誤迴圈而顯得過於超前，但來源指出這絕對是軟體開發的未來。在這種趨勢下，開發者的價值將不再是撰寫語法，而是對問題本質的理解與架構設計的基本功。

2. Google 關鍵人才流失與企業文化挑戰
Google 近期面臨指標性 AI 研究員的流失，這對其競爭力造成顯著影響，其中以 Noam Shazeer 轉投 OpenAI 最為關鍵。Shazeer 是 Transformer 架構的共同發明人，曾被 Google 以 27 億美元的高價聘回，他具備極強的「模型直覺」，能快速優化 Gemini 模型的效能。此外，AlphaFold 的領導者 John Jumper 也離職前往 Anthropic。來源分析指出，這類人才流動反映了對企業使命與文化的選擇：Anthropic 以「AI 安全」的敘事吸引了許多不滿過度商業化的研究員，而 Google 內部則可能存在社會議題引起的文化衝突。由於頂尖研究員能一人決定產品成敗，這些人才的離去讓 Google 在追趕前沿技術的道路上增添了變數，也讓 OpenAI 與 Anthropic 獲得了關鍵的技術補強。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/

3. 中國 AI 的效率突圍：GLM5.2 的技術優化
智譜 AI（Z.ai）發表的 GLM5.2 模型顯示中國 AI 已大幅縮小與西方的差距，在程式開發能力上已接近 GPT-4o 與 Claude 3.5 Opus。根據這份來源，該模型最亮眼之處在於極高的推理效率與性價比，其 API 價格雖低，但在考量實際任務完成度的「有效成本（Effective Cost）」上亦具優勢。為了克服算力限制，GLM5.2 採用了多項技術優化：包括改良 DeepSeek 的稀疏注意力機制（Sparse Attention）來節省運算力，以及使用多 Token 預測（MTP）技術提升生成速度。此外，透過 KVCache 的分層管理與共享，模型能在不額外收費的情況下支援 100 萬長度的上下文。這證明了中方在模型架構與系統層優化的實力，讓其在開源社群中佔據了前三名的領先地位。

這篇文章 科技浪｜中國 AI 這次真的追上了？Loop Engineering爆紅、Google關鍵人才出走 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

短短一年內，「AI精神病」已成為網路世界廣泛討論的現象，儘管部分人士對其科學基礎仍有質疑，但與過度依賴AI相關的精神崩潰、妄想甚至致命事件報導持續出現。如今，科學家提出一項新假說，試圖解釋聊天機器人可能如何直接促成這些情況。記者許若茵／編譯

短短一年內，「AI精神病」已成為網路世界廣泛討論的現象，儘管部分人士對其科學基礎仍有質疑，但與過度依賴AI相關的精神崩潰、妄想甚至致命事件報導持續出現。如今，科學家提出一項新假說，試圖解釋聊天機器人可能如何直接促成這些情況。

[caption id="attachment_213853" align="aligncenter" width="1024"] 短短一年內，「AI精神病」已成為網路世界廣泛討論的現象，儘管部分人士對其科學基礎仍有質疑，但與過度依賴AI相關的精神崩潰、妄想甚至致命事件報導持續出現。（示意圖／AI生成）[/caption]

根據發表於Nature旗下《Digital Psychiatry and Neuroscience》期刊的新研究，來自英國與德國的研究團隊分析學術文獻及媒體報導中的AI精神病案例，尋找共同模式，研究人員發現，AI聊天機器人具備三項特徵，在長期使用下可能共同作用，協助使用者與AI一起建立高度個人化的妄想體系，研究指出，當這些想法缺乏朋友或專業人士提供現實檢驗時，聊天機器人的特性可能形成研究人員所稱的「放大螺旋」，持續強化錯誤信念。

第一項特徵是「語言對齊」，所謂語言對齊，是指AI會進一步根據特定使用者的說話方式調整回應模式，模仿其用詞、句子長度以及表達習慣，AI聊天機器人被設計成以自然對話方式與人互動，不僅模仿語法，也會模仿語氣、聲音風格及其他影響對話氛圍的細節，研究引用過去成果指出，當人類在對話中感受到這種細微的語言模仿時，往往會產生更高程度的信任感與連結感，研究推測，類似現象也會發生在人與AI聊天機器人的互動之中。

第二項特徵是高度個人化，AI系統擅長辨識模式，並透過每次互動累積對使用者的了解，建立詳細個人檔案，進而影響未來回應內容，高度個人化被視為AI的重要賣點之一，Meta執行長馬克·祖克柏近期便曾向投資人表示，公司正朝向打造真正「了解你」的AI發展，研究指出，當聊天機器人掌握大量個人資訊後，便能更容易說出使用者想聽的話，不僅迎合既有信念，也可能進一步擴大危險或錯誤的想法。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/

研究認為，相較於社群媒體，聊天機器人的風險更高。雖然社群平台同樣高度個人化，但多數使用者知道內容是由演算法推薦，然而，AI聊天機器人努力呈現近似真人的互動方式，可能讓使用者忽略其本質仍是演算法產生的內容，這種認知落差可能使部分使用者不自覺賦予AI人類般的情感與智慧，對心理較脆弱者尤其具有風險，研究指出，若AI系統的主要目標是延長對話時間，即使這與使用者長期心理健康利益相衝突，也可能產生問題。

第三項特徵則是「諂媚性」，所謂諂媚性，是指AI系統傾向過度認同並肯定使用者觀點，即使這些觀點未必符合事實，這種回應方式能讓使用者感受到被理解，也讓聊天過程更具吸引力，因此能有效提高使用率。

但研究指出，這也可能強化危險信念，包括AI先前已經協助建立的錯誤認知，過去一年來，諂媚性已成為AI聊天機器人最廣為人知的問題之一，多項報告顯示，新一代聊天機器人在設計上愈來愈容易讓使用者沉迷，其中OpenAI的ChatGPT尤其受到關注，OpenAI去年曾承認，GPT-4o模型存在諂媚性問題。該模型因深受用戶喜愛，在停用時甚至引發部分使用者表達哀悼情緒。

OpenAI也面臨數起非正常死亡訴訟，指控聊天機器人的過度迎合行為與死亡事件有關，其中包括一名16歲青少年自殺案件以及美國康乃狄克州一起謀殺後自殺事件，面對外界批評，OpenAI去年底表示正持續強化安全防護機制，並指出每週活躍用戶中，僅有0.07%出現可能與精神病或躁症相關的心理健康警訊，然而研究人員指出，以當時ChatGPT超過8億名每週活躍用戶計算，這仍相當於每週約有50萬人出現相關徵兆。

今年3月，史丹佛大學研究團隊曾將AI聊天機器人的諂媚性形容為一項社會風險，在這項最新Nature研究中，研究人員也指出，諂媚性可能是放大妄想傾向最具影響力的因素，研究團隊表示，當語言對齊、高度個人化與諂媚性三項特徵同時出現時，聊天機器人可能不再挑戰錯誤信念，反而持續強化與擴展這些信念，這些特性之所以存在，是因為它們都能有效提升使用者參與度，但對於青少年，以及具有精神病家族病史、藥物使用問題、睡眠不足、社交孤立或將AI作為情緒依賴工具的人而言，這種提高參與度的設計可能以健康為代價。

研究建議，心理健康專業人士應定期了解患者使用AI聊天機器人的頻率與方式，包括是否向AI分享未曾告訴他人的想法，以及夜間使用AI是否影響睡眠狀況。

資料來源：gizmodo

這篇文章 AI精神病三大成因 聊天機器人「過度迎合用戶」恐加劇危險妄想 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集節目內容涵蓋了當前科技領域的數個重要動態。主持人首先介紹了中小企業轉型專用的 Odoo ERP 平台，強調其模組化設計與 AI 整合能有效提升流程管理效率。隨後深入解析 SpaceX 星艦 V3 的試飛進展，探討該次飛行在火箭回收與未來太空資料中心部署上的關鍵意義。針對 Google I/O 開發者大會，對 Gemini 3.5 模組的性能表現與其在 AI 代理（Agent）領域的佈局進行了詳盡評估。此外，主持人也分享了對 AI 軟體工程與世界模型的獨到見解，認為這些技術將是通往物理世界人工通用智能（AGI）的基石。整體而言，這篇文本透過專業視角剖析了自動化管理工具、航太科技發展以及 AI 產業競賽的最新趨勢。本集節目內容涵蓋了當前科技領域的數個重要動態。主持人首先介紹了中小企業轉型專用的 Odoo ERP 平台，強調其模組化設計與 AI 整合能有效提升流程管理效率。隨後深入解析 SpaceX 星艦 V3 的試飛進展，探討該次飛行在火箭回收與未來太空資料中心部署上的關鍵意義。針對 Google I/O 開發者大會，對 Gemini 3.5 模組的性能表現與其在 AI 代理（Agent）領域的佈局進行了詳盡評估。此外，主持人也分享了對 AI 軟體工程與世界模型的獨到見解，認為這些技術將是通往物理世界人工通用智能（AGI）的基石。整體而言，這篇文本透過專業視角剖析了自動化管理工具、航太科技發展以及 AI 產業競賽的最新趨勢。

本集三大重點：

1. SpaceX 星艦 V3 試飛成功，太空資料中心願景更近一步 ：本集深入解析星艦 V3 的第 12 次試飛，強調這是 V3 版本的首次飛行，代表星艦從實驗階段邁向能執行火星任務與開啟太空資料中心時代的「主力機型」。儘管起飛時有一個引擎故障，星艦仍展現驚人韌性，成功在印度洋預定地點完成困難的「翻身降落」（flip maneuver）與精準降落。此外，隔熱瓦技術取得重大進展，此次飛行完全沒有發生燒穿現象，象徵星艦距離「完整回收與重複利用」的里程碑已非常接近。主持人認為，這次成功不僅鞏固了 SpaceX 的估值，更讓太空資料中心的商業化運作不再是遙遠的夢想。

2. Gemini 3.5 Flash 實測驚艷，但在 Token 效率上仍具挑戰：針對 Google I/O 發表的 Gemini 3.5 Flash，節目討論了其在「自主 Agent 編碼」（Agentic Coding）上的突破。雖然在基準測試（GDP Val）中仍略遜於 GPT-4o 等模型，但在主持人實測複製《皇室戰爭》遊戲的任務中，Gemini 3.5 Flash 竟然能一次到位寫出完美無 bug 的版本，表現優於 GPT-4o。然而，這款模型也暴露出「Token 效率」不佳的問題，雖然 API 單價較低，但因執行任務時消耗的 Token 量過大，導致其實際總成本甚至高於之前的 Pro 模型。這顯示 Google 雖在模型智能上有顯著進步，但在效能優化與商業競爭力上仍有進步空間。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/

3. Google 轉向 Agent 為核心的開發模式，並堅持投資「世界模型」：節目解析了 Google 最新的開發工具 Antigravity 2.0，其設計理念從以編輯器（IDE）為中心，徹底轉向以 AI Agent 協作為核心，雖然初期引發部分開發者反彈，但主持人認為這是進入「人類不碰程式碼」時代的必然趨勢。此外，Gemini Omni 展示了強大的影片生成與多模態理解能力，這代表 Google 在西方主要實驗室中，仍堅持開發「世界模型」。主持人強調，世界模型雖然短期商業價值不明顯，但長期對於實體 AGI（機器人技術）至關重要，它是機器人大腦的基礎技術，能協助大規模生成訓練資料，顯示了 Google 佈局未來的戰略高度。

這篇文章 科技浪｜太空資料中心不遠了？星艦關鍵試飛解析！Google I/O 亮點整理 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

OpenAI週二正式發表名為GPT-5.5 Instant的新一代基礎模型，將取代GPT-5.3 Instant成為ChatGPT的預設模型，該公司表示，新模型在法律、醫療與金融等敏感領域的幻覺（Hallucination）顯著降低，同時維持了前代模型的低延遲優勢。

記者鄧天心／綜合報導

OpenAI週二正式發表名為GPT-5.5 Instant的新一代基礎模型，將取代GPT-5.3 Instant成為ChatGPT的預設模型，該公司表示，新模型在法律、醫療與金融等敏感領域的幻覺（Hallucination）會大幅降低，同時維持了前代模型的低延遲優勢。

[caption id="attachment_201772" align="aligncenter" width="1024"] OpenAI強推GPT-5.5Instant加速舊模型退場。（圖／123RF）[/caption]

性能全面飆升 數學與多模態推理表現卓越

OpenAI於上個月甫發表GPT-5.5系列模型，在程式編寫的能力上有大幅提升，根據實測數據，新模型在AIME2025數學測試中取得81.2分的佳績，遠高於舊款模型的65.4分；在MMMU-Pro多模態推理基準測試中，也以76分的表現優於前代的69.2分。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

科技社群討論區：https://pei.com.tw/feed/c/tech-plus

個人化功能大升級 支援跨文件與郵件檢索

此次改版特別強調語境管理能力，GPT-5.5 Instant能用搜尋工具回溯過往對話、檔案與Gmail內容，提供更具個人化的答案，該功能目前優先提供給網頁版Plus與Pro用戶，預計近期推向行動裝置，OpenAI計畫在未來數週內，逐步對免費版、Go Business及企業版用戶開放此功能。

記憶透明化 強化隱私與開發者彈性

更新後的ChatGPT將在所有模型中「記憶來源」，幫助用戶理解答案的出處。用戶可自行刪除過時資訊或修正錯誤內容。OpenAI強調，分享聊天紀錄時，對方將無法看到記憶來源以確保隱私。

針對開發者，GPT-5.5將以「chat-latest」標籤透過API提供；至於舊款5.3模型，僅會對付費用戶額外保留三個月。

無視用戶聯署情結 舊模型退場勢在必行

OpenAI過去撤回模型時曾面臨反彈，例如GPT-4o退場時，因其頻繁肯定用戶選擇的「性格」，讓不少使用者產生情感連結，甚至發起聯署形容該模型為「最好的朋友」或「鏡子」。儘管輿論沸騰，GPT-4o仍已於2026年2月正式退場。

延伸閱讀：

華爾街恐面臨裁員潮？Anthropic推10款AI代理 能寫簡報、審財報

資料來源：techcrunch

這篇文章 舊模型5.3僅留三個月！OpenAI強推GPT-5.5 Instant 讀完你所有文件只需1秒鐘 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

根據APP情報平台Appfigures最新報告指出，影像模型的發布正成為AI行動應用程式成長的關鍵動力，其帶動的下載量比傳統的語言模型更新高出6.5倍。

記者鄧天心／綜合報導

根據APP情報平台Appfigures最新報告指出，影像模型的發布正成為AI行動應用程式成長的關鍵動力，其帶動的下載量比傳統的語言模型更新高出6.5倍。

[caption id="attachment_215880" align="aligncenter" width="1024"] 影像AI模型成APP增長主引擎，表現超越聊天機器人升級。（圖／AI生成）[/caption]

在早期，推動下載的主力多為提升對話體驗的新模型或語音聊天介面等功能；然而Appfigures發現，如ChatGPT與Gemini等軟體，在推出各自的影像模型後，皆成功獲數千萬次的下載。

數據顯示，Google的Gemini在去年8月推出Gemini 2.5 Flash影像模型（Nano Banana）後的28天內，額外創造超過2200萬次下載，帶動下載量成長逾4倍。相較之下，ChatGPT在去年3月推出GPT-4o影像模型後的28天內，也增加了超過1200萬次安裝，這比其發布GPT-4o、GPT-4.5及GPT-5等純模型更新時的表現高出約4.5倍。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

科技社群討論區：https://pei.com.tw/feed/c/tech-plus

其他平台也呈現類似趨勢，Meta AI在2025年9月推出名為「Vibes」的AI影片動態功能，發布後的28天內估計增加260萬次下載，視覺內容對使用者的吸引力顯然已超越單純的文字互動。

然而，報告也提到，下載量並不總能轉化為營收，影像模型給了使用者安裝並嘗試生成功能的動力，卻不一定能讓他們成為付費訂閱戶。

以Nano Banana為例，下載衝擊力超過ChatGPT，但在發布後的28天內僅帶來約18.1萬美元的總消費額；Meta AI的Vibes功能雖然拉抬了下載量，卻未產生顯著營收。在三大龍頭中，僅OpenAI成功將關注度變現。GPT-4o影像模型發布後的28天內，為OpenAI帶來約7000萬美元的成長。

Appfigures在分析中也提到了DeepSeek。雖然DeepSeek R1在2025年1月發布後創造了2800萬次下載，業界對其能以極低成本訓練AI模型的技術感到震驚，這類因強烈好奇心驅動的暴紅現象，與影像模型的成長模式又不太一樣。

延伸閱讀：

OpenAI共同創辦人持股曝光 布羅克曼坦承持股價值近300億美元

資料來源：TechCrunch

這篇文章 AI生圖讓下載量創新高 但大部分人仍不願訂閱 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

雖然Excel始終是企業運算財報、追蹤預算與管理庫存的核心工具，但對許多大學生或職場新人而言，光是搞懂嵌套IF函數或XLOOKUP的語法差異，就讓人覺得頭痛，還好現在AI已正式導入試算表，報表自動化不再是遙不可及的難事；《科技島》本文將帶你從零開始，掌握如何精準下指令與串接AI，輕鬆開啟高效辦公模式。

記者鄧天心／綜合報導

雖然Excel始終是企業運算財報、追蹤預算與管理庫存的核心工具，但對許多大學生或職場新人而言，光是搞懂嵌套IF函數或XLOOKUP的語法差異，就讓人覺得頭痛，還好現在AI已正式導入試算表，報表自動化不再是遙不可及的難事；《科技島》本文將帶你從零開始，掌握如何精準下指令與串接AI，輕鬆開啟高效辦公模式。

[caption id="attachment_214191" align="aligncenter" width="1024"] 大學生必讀Excel自動化教學：ChatGPT一鍵生成專業模型。（圖／AI生成）[/caption]

AI進入Excel的三大路徑

要利用ChatGPT提升工作效率，目前主要有三種管道，可根據任務需求選擇最適合的方式：

1. Microsoft 365 Copilot（內建側邊欄）

微軟將GPT-4技術直接整合進Excel介面，使用者只要點擊「常用」索引標籤下的Copilot按鈕，就能透過自然語言對話框直接操作活頁簿。

• 主要功能： 直接在儲存格插入公式、詢問數據趨勢、一鍵生成樞紐分析表或圖表。

• 使用前提： 需訂閱包含Copilot的Microsoft 365方案。

2. ChatGPT網頁版（進階數據分析）

若無Copilot權限，ChatGPT Plus以上的用戶可直接上傳.xlsx或.csv檔案，系統會在後台運行Python代碼來處理資料。

• 主要功能： 適合處理大規模數據清洗、複雜統計分析與生成可下載的視覺化圖表。

• 特點： 處理能力通常比內建側邊欄強大，但需要下載結果再回傳Excel。

3. AppSource第三方增益集

在Excel的增益集商店中，有許多串接OpenAI API的工具，這些工具允許使用者直接在儲存格內輸入如=AI.ASK("分類此項支出", A2)等自定義函數，適合處理數千列資料的批量分類或摘要。

更多科技工作請上科技專區：https://techplus.1111.com.tw/

科技社群討論區：https://pei.com.tw/feed/c/tech-plus

實戰教學：如何建構報表模型？

快速生成預算範本

與其從空白表格開始，不如直接描述需求，例如：「建立一份營運預算表，包含薪資、軟體、行銷、差旅及辦公支出。需有預算、實際支出與差異欄位，並設定格式：當實際支出超過預算時，差異欄位自動標示為紅色。」

撰寫與解釋複雜公式

當你面對長串公式卻看不懂時，ChatGPT是最好的導師。你可以貼上公式並要求：「解釋這段公式的邏輯」，或者要求它：「將這段VLOOKUP改寫為更穩定的XLOOKUP，並在找不到值時回傳空白。」

數據清洗與轉換

面對格式混亂的原始資料，如日期格式不一（01/03/2024、Jan 3等）或姓名欄位未拆分，只要將檔案上傳至ChatGPT網頁版，下達指令：「統整所有日期格式為YYYY-MM-DD，並將全名拆分為姓氏與名字兩欄」，AI便能秒速完成手動操作需耗費數小時的工作。

提升精準度的四個祕訣

1. 明確告知資料結構： 在提問前先說明：「我有一張表格，A欄是日期、B欄是地區、C欄是營收。」

2. 將資料轉為「表格」（Ctrl+T）： AI處理經過格式化為「表格」的資料時，辨識成功率顯著提升。

3. 持續迭代而非追求一次到位： 若AI生成的公式報錯，直接回饋：「這產生了#VALUE!錯誤，可能是因為日期欄位被視為文字，請重新修正。」

4. 人工覆核驗證： AI偶爾會出現幻覺，尤其是處理複雜邏輯時，正式提交報告前務必抽樣檢查數據準確性。

掌握這些技巧，能讓你從繁瑣的語法糾錯中抽身，將精力投注於數據背後的洞察與決策。

延伸閱讀：

還在手打Excel？微軟產品正式上線「氛圍式工作」 傳統辦公軟體將走入歷史

參考資料：

Microsoft Support - Excel中的Copilot入門指南

Reddit - 25個讓Excel效率翻倍的ChatGPT指令集

MIT News -A “ChatGPT for spreadsheets” helps solve difficult engineering challenges faster

這篇文章 大學生必學AI報表自動化！ChatGPT一鍵生成Excel模型 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

前陣子在一場金融業的企業內訓結束後，某位資深副理攔住我。他猶豫了一下，然後問：「顧問，如果 AI 什麼都能做，那我們還能做什麼？」作者：鄭緯筌（專欄作家，「臺灣電子商務暨創業聯誼會」共同創辦人，前「APP01」網站總監、《風傳媒》產品總監和《數位時代》雜誌主編）

前陣子在一場金融業的企業內訓結束後，某位資深副理攔住我。他猶豫了一下，然後問：「顧問，如果 AI 什麼都能做，那我們還能做什麼？」

[caption id="attachment_214942" align="aligncenter" width="1672"] 如果 AI 什麼都能做，那我們還能做什麼？（圖／鄭緯筌提供）[/caption]

我沉默了幾秒。不是想不到答案，是因為這個問題我在過去半年聽到不下二十次了——包括在政治大學 EMA 的課堂上、在中山大學的演講後、在各種產業的工作坊裡。每一次問的人不同，但他們的眼神都一樣，顯露出真正的焦慮。

那位副理告訴我，他的團隊剛導入 AI 工具不到三個月，已經有兩個初階職位被重新定義——說得直白一點，就是那兩個人的日常工作被 AI 接管了大半。

想當然耳，這種焦慮不是個案。根據世界經濟論壇（WEF）2025 年的《未來就業報告》，到 2030 年之前，全球約有 9,200 萬個職位會被 AI 和自動化淘汰。McKinsey 在 2025 年的調查更顯示，88% 的企業已經在至少一個業務功能中導入 AI。

但同一份 WEF 報告，也指出了另一個數字：AI 會創造約 1.7 億個新職位，淨增 7,800 萬個。

換句話說，問題從來不是 AI 會不會搶走你的工作？問題是：你準備好接住那 1.7 億個新機會了嗎？

LinkedIn CEO Ryan Roslansky 和首席經濟機會長 Aneesh Raman 在 2026 年 3 月底出版了一本新書《Open to Work: How to Get Ahead in the Age of AI》，給了一個很清楚的答案。他們訪談了神經科學家、組織心理學家、行為經濟學家和人才領導者之後，歸納出五項 AI 無法取代的人類能力——他們稱之為 5C 框架：

• Curiosity（好奇心）
• Courage（勇氣）
• Creativity（創造力）
• Compassion（同理心）
• Communication（溝通力）

Aneesh Raman 在書中說了一句話，我覺得值得細細咀嚼：「害怕是完全可以理解的，但害怕是完全沒有幫助的。」

今天我想逐一拆解這五個 C，並且告訴各位讀者：這不是五個空泛的口號，而是五種你今天就能開始練習的具體能力。

第一個 C：好奇心——AI 能分析答案，但你決定問什麼問題

大家都知道，AI 擅長在現有數據中找到模式。你給它一百萬筆銷售紀錄，它能在幾秒內告訴你哪個產品在哪一季賣得最好？

但是，它不會追問：「為什麼我們只販售這些產品？」

這就是好奇心的本質——不是找答案，是問對的問題。

Greg Dyke 是 BBC 的第 13 任總裁。他在走馬上任之前，做了一件讓所有人感到意外的事：他花了五個月的時間，走訪了全英國的 BBC 辦公室，直接跟基層員工聊天。不是巡視，也不是考核，而是真的在問問題。「你覺得 BBC 最大的問題是什麼？」「如果你是老闆，你會先改什麼？」結果，他上任第一年，BBC1 和 BBC2 的收視率雙雙上升。

老實說，即便是現在，也沒有任何企業顧問或數據分析工具，會建議一位新任執行長花五個月去跟員工聊天。但，人類的好奇心會。

Deloitte 在 2025 年的一項調查中發現，高績效團隊成員願意探索不熟悉的想法、持續學習新技能的比例，是低績效團隊的 2.5 倍。WEF 2025 年的報告也指出，50% 的雇主已將好奇心和終身學習列為核心職場能力。

你可以怎麼練習？養成第二層提問的習慣。當你拿到一份 AI 生成的分析報告時，不要只看結論。先問自己：

• 這份報告的前提假設是什麼？如果前提錯了呢？
• 它沒有分析到的面向是什麼？
• 如果我是客戶，我會問什麼不一樣的問題？

好奇心不是天賦，是習慣。它是一種你可以刻意訓練的肌肉。

第二個 C：勇氣——AI 能計算風險，但你決定要不要跳

AI 可以告訴你一項投資有 63% 的成功機率和 37% 的失敗機率，但它不會替你決定要不要投。

因為值不值得是一個人類判斷，從來不是一道數學題。

2006 年，黃仁勳做了一個當時幾乎所有人認為很蠢的決定：推出 CUDA，一個讓 GPU 可以做通用運算的平臺。這個決策讓 NVIDIA 的成本增加了 50%，市值從 120 億美元跌到 20 到 30 億。投資人質疑，媒體看衰。

但他看到的是一個 AI 還不存在的世界裡，GPU 運算可能成為基礎設施的未來。十八年後，ChatGPT 運行在大約 30,000 張 NVIDIA GPU 上。NVIDIA 的市值超過 3 兆美元。

另一個例子是 Satya Nadella。2014 年接任微軟 CEO 時，他面對的是一家文化僵化、手機策略失敗、市場信心低落的公司。他做了一個大膽的決定：放棄手機，全押雲端和 AI，後來更投資了 OpenAI。他說過一句話：「We needed courage in the face of opportunity.」如今，微軟市值從約 3,000 億成長到超過 3 兆美元。

McKinsey 的分析指出，超過 70% 雇主看重的技能，同時適用於可自動化和不可自動化的工作。差別不在技能本身，而在於人類何時判斷該冒險走一條新路。

你可以怎麼練習？從安全的冒險開始。

• 在下一次會議中，提出那個你一直想說但不敢說的觀點
• 主動爭取一個你還沒有百分之百準備好的專案
• 當 AI 給你三個安全的方案時，問自己：有沒有第四個更大膽的可能？

勇氣不是不害怕，是害怕了還能行動。就像 Raman 說的——害怕是可以理解的，但害怕是沒有幫助的。

第三個 C：創造力——AI 重組舊素材，你想像新世界

嗯，這可能是五個 C 裡面被誤解最深的一個。很多人看到 AI 能畫圖、寫詩和作曲時，就覺得連創造力都被取代了。

其實並沒有。

2023 年發表在《Nature》期刊的某項研究顯示：在發散性思考測試中，AI 的平均表現確實優於一般人——但最有創意的人類，仍然超越最先進的 AI。

為什麼？因為 AI 的「創造」，在本質上是一種重組，它不過是從訓練資料中提取模式，然後以新的方式排列組合。但人類的創造力包含直覺、文化脈絡、情感共鳴，以及想像從未存在過的東西的能力。

2025 年 Frontiers 期刊的研究也發現了一個有趣的現象：在人機協作的設計專案中，資深設計師始終保持對創意流程的主導權。AI 最擅長的是後期的執行和精修，而不是前期的概念發想。

我常在課堂上打一個比方：AI 是一個超強的廚房助手，備料、調味、按照食譜炒菜，它都行。但如果要發明一道從來沒有人做過的菜，那需要主廚的直覺、經驗和膽量。

Deloitte 的調查也呼應了這一點：高績效團隊從失敗中學習而非追究責任的比例是 50%，低績效團隊只有 21%。創造力需要容錯的空間，而這個空間是人類的文化建構，不是演算法能提供的。

你可以怎麼練習？刻意進行跨領域連結。

• 每個月讀一本你專業之外的書
• 當你面對一個行銷問題，問自己：如果一個醫生來看這個問題，他會怎麼想？
• 把 AI 當作你的創意研究助理，讓它幫你蒐集素材，但你來決定如何連結這些素材

創造力的核心不是產出的量，而是連結的品質。

第四個 C：同理心——AI 模擬關心，你真的在乎

這可能是五個 C 中最被低估的一個。

很多人覺得「同理心」聽起來很心靈雞湯，跟職場競爭力無關。但數據告訴我們完全相反的故事。

根據 CCL（Center for Creative Leadership）的研究：

• 擁有同理心主管的員工，敬業度高出 76%
• 員工感到被理解時，留任意願提升 4.5 倍
• 同理心環境中的團隊，創造力提升 2.5 倍
• 95% 的員工表示更願意留在展現同理心的組織

這不是軟實力，這是硬數據。

最好的案例可能還是 Satya Nadella。他接任微軟 CEO 之後做的第一件事，不是調整產品策略，而是改變文化。他要求所有高階主管讀一本書——《非暴力溝通》——然後在公司內推動「成長心態」，取代 Steve Ballmer 時代那種內部競爭、互相攻擊的文化。

很多商業分析師認為，微軟從失落的十年重返巔峰，核心因素不是雲端策略，而是文化轉型。而文化轉型的起點，是一位 CEO 的同理心。

AI 可以用禮貌的語氣寫一封安慰信，但它不會在你加班到凌晨三點時，真的擔心你的身體健康。它可以分析員工滿意度數據，但它不會在一對一面談中感受到你話語背後的疲憊。

這種真的在乎的能力，是建立信任的基礎。而信任，是所有商業關係的核心。

你可以怎麼練習？在每一次重要對話前，花三十秒問自己：「對方現在最需要的是什麼？」

• 不是你想說什麼——是對方需要聽什麼
• 不是急著給建議——是先理解他為什麼焦慮
• 不是用 AI 分析他的績效數據——是坐下來問他「最近還好嗎？」

同理心不是討好，是理解。而理解，是所有有效行動的前提。

第五個 C：溝通力——AI 翻譯文字，你傳達意義

我把溝通力放在最後，不是因為它最不重要，而是因為它是放大器。

你的好奇心、勇氣、創造力、同理心⋯⋯如果說不清楚，就只存在你的腦子裡。說穿了，沒有被傳達出去的想法，等於不存在。

有一個數據我覺得非常有說服力：用統計數據溝通，聽眾只記住 5-10% 的內容；用故事溝通，記憶率躍升到 65-70%。

AI 可以幫你把一份中文的報告翻譯成英文，它可以幫你整理出結構清晰的簡報大綱。但它無法幫你在董事會上說故事，讓所有人理解為什麼這個專案值得投資？它也無法幫你在一對一面談中，找到那個讓部屬眼睛亮起來的關鍵字。

LinkedIn 2026 年的技能趨勢報告，也印證了這一點：跨部門協調、領導溝通、利害關係人管理、公開演講，全部都是快速成長的技能。而且，45% 的職缺現在優先看技能而非學歷。換句話說，溝通力就是那個最容易被看見、也最快產生差異的技能。

你可以怎麼練習？練習用一句話說清楚。

• 每次發出郵件之前，先用一句話寫出核心訊息，然後問自己：刪掉其他所有內容，這句話夠不夠？
• 開會前準備電梯簡報——如果你只有三十秒，你會怎麼說？
• 把 AI 當作你的初稿產生器，但最後的潤飾和故事化，永遠由你來做

溝通力的本質不是文字能力，是讓想法產生行動的能力。

Harvard 和 BCG 在 2023 年的聯合研究，已經證明了這個差距：使用 GPT-4 的顧問，工作品質提升了 40%，速度快了 25%。但盲目依賴 AI 的人，在需要判斷力的複雜任務中，表現反而下降了 23%。

這就是為什麼會用 AI 是基本門檻，但具備 5C 才是競爭優勢。

話說回來，那位在金融業內訓後攔住我的資深副理，他的問題其實問錯了方向。

他問「AI 什麼都能做，我們還能做什麼？」但真正的問題應該是：「AI 什麼都能做，我們更應該做什麼？」答案就是這五件事。好奇地提問、勇敢地決策、創造性地思考、同理地理解他人、清楚地傳達想法。

Anthropic 的 CEO Dario Amodei 說過一句我很喜歡的話：「AI 最強大的用途不是取代人類，而是賦予人類超能力。」

但超能力需要一個前提，也就是你得先知道自己的超能力是什麼？

這五個 C，就是你的起點。不需要等到完美才開始。明天上班時，多問一個「為什麼」。

是的，一切就從那裡開始。

這篇文章 AI 做不到的五件事：LinkedIn CEO 教你在人工智慧時代脫穎而出｜專家論點【鄭緯筌 Vista】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

AI更新越來越快，你是否也對層出不窮的新名詞感到焦慮？《科技島》特別盤點近期最具影響力的科技關鍵字，將艱澀的行話轉化為易懂的科普指南，助您輕鬆跟上這波科技浪潮。

記者鄧天心／綜合報導

AI更新越來越快，你是否也對層出不窮的新名詞感到焦慮？《科技島》特別盤點近期最具影響力的科技關鍵字，將艱澀的行話轉化為易懂的科普指南，助您輕鬆跟上這波科技浪潮。

[caption id="attachment_212548" align="aligncenter" width="1024"] 從LLM到幻覺，科技圈常見熱門關鍵字全都告訴你。（圖／AI生成）[/caption]

更多科技工作請上科技專區：https://techplus.1111.com.tw/
科技社群討論區：https://pei.com.tw/feed/c/tech-plus

AGI（通用人工智慧）

Artificial General Intelligence (AGI)算是定義仍然比較模糊的詞彙，通常指在多數任務中表現優於人類的AI，OpenAI執行長Sam Altman最近將AGI描述為「你可以雇用作為同事的機器人」，OpenAI的則將其定義為「在多數運作中表現超越人類的高度自主系統」。

Google DeepMind的定義略有不同，認為AGI是「在多數認知任務上至少與人類一樣出色的AI」，還是感到困惑嗎？別擔心，AI研究最前線的專家們也同樣困惑。

AI Agent（AI代理人）

AI Agent指的是利用AI技術代表你執行一系列任務的工具，其功能超越了基礎的AI聊天機器人（chatbot）。例如：報支費用、訂票、訂餐廳，甚至編寫與維護程式碼。由於這個領域仍在起步階段，不同的人對「AI代理人」有不同的理解，基礎設施也還在建設中，但基本概念是指，一個可以調動多個AI系統來執行多步驟任務的系統。

Chain of Thought（思考鏈）

回答簡單問題譬如：長頸鹿和貓誰比較高？不需思考就能回答，但在許多情況下，我們需要紙筆紀錄中間步驟，例如：農場有雞和牛共40顆頭、120條腿，你需要列出方程式才能算出答案（20隻雞與20頭牛）。

在AI語境中，大型語言模型（LLM）的chain-of-thought reasoning是指將問題分解為較小的中間步驟，以提高結果品質，這通常需要較長的時間生成答案，但在邏輯或程式設計的情境下，答案更有可能正確，推理模型（Reasoning models）是由傳統LLM發展而來，並透過強化學習（reinforcement learning）優化思考鏈能力。

Compute（算力）

雖然這是一個多義詞，但compute通常指讓AI模型運作所需的關鍵運算能力（computational power），這種處理能力驅動著AI產業，使其能訓練（train）與部署（deploy）強大的模型，該術語常被當作硬體的簡稱，例如GPUs、CPUs、TPUs以及構成現代AI產業基石的各種基礎設施。

Deep Learning（深度學習）

Deep learning是機器學習（machine learning）中有自我改進能力的子集，其演算法設計採用多層的神經網絡（artificial neural network, ANN）結構，與簡單的線性模型或決策樹相比，這讓它們能處理更複雜的關聯。深度學習的結構靈感來自於人類大腦中神經元的互連路徑。

深度學習模型能自行識別數據中的重要特徵，不需要工程師定義。它還支持從錯誤中學習，透過重複調整來改進輸出，然而，深度學習需要海量數據點（數百萬計）才能獲得好結果，訓練時間也較長，因此開發成本較高。

Diffusion（擴擴散）

Diffusion是許多生成藝術、音樂與文本AI模型的核心技術。靈感來自物理學，擴散系統透過增加噪訊（noise）慢慢「破壞」數據結構（如照片或歌曲），直到什麼都不剩。在物理學中，擴散是自發且不可逆的（糖溶於咖啡無法還原成方糖），但AI的擴散系統旨在學習「逆擴散」（reverse diffusion）過程，從噪訊中恢復並重建數據。

Distillation（蒸餾）

Distillation是一種透過「教師-學生」模型從大型AI模型中提取知識的技術，開發者向教師模型發送請求並記錄輸出，有時會與數據集對比準確性。這些輸出接著被用來訓練學生模型，使其行為接近教師模型。

蒸餾可以用來創建更小、更高效的模型，同時將損失降到最低。OpenAI開發GPT-4 Turbo（GPT-4的快速版本）很可能就採用了此技術。雖然各家AI公司內部都使用蒸餾，但有些公司會藉此追趕前沿模型（frontier models），不過從競爭對手那裡進行蒸餾通常會違反API或聊天助理的使用條款。

Fine-tuning（微調）

Fine-tuning指對AI模型進行進一步訓練，以優化其在特定任務或領域的表現。這通常是透過餵入新的、專業的（即任務導向）數據來完成，許多AI新創公司以大型語言模型為起點，透過微調自身領域的專業知識，強化模型在特定產業的實用性。

延伸閱讀：

日企組國家隊！軟銀、NEC、Honda、Sony合資成立AI公司 力抗美中霸權

資料來源：techcrunch

這篇文章 看懂科技新聞必備術語！從AGI到蒸餾 熱門關鍵字一次看懂（上） 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集針對馬斯克宣布自行興建晶圓廠 (Terafab) 的深度分析。內容探討了馬斯克企圖整合邏輯晶片、記憶體與先進封裝的宏大願景，並將其視為解決其商業帝國未來晶片供應瓶頸的關鍵。主持人哈麗從需求量、技術難度、組織執行力與資本規模四個維度評估其成功機率，認為技術門檻與太空資料中心的連動性是最大的挑戰。此外，節目中也分享了個人在 ChatGPT-4o (GPT-5.4) 與 Claude 等 AI 模型間的實際轉換使用心得。本集針對馬斯克宣布自行興建晶圓廠 (Terafab) 的深度分析。內容探討了馬斯克企圖整合邏輯晶片、記憶體與先進封裝的宏大願景，並將其視為解決其商業帝國未來晶片供應瓶頸的關鍵。主持人從需求量、技術難度、組織執行力與資本規模四個維度評估其成功機率，認為技術門檻與太空資料中心的連動性是最大的挑戰。此外，節目中也分享了個人在 ChatGPT-4o (GPT-5.4) 與 Claude 等 AI 模型間的實際轉換使用心得。

本集節目重點：

一、馬斯克「Terafab」晶圓廠的野心與垂直整合願景 馬斯克宣佈將建立名為「Terafab」的晶圓廠，旨在解決未來三到四年內可能面臨的晶片供應限制,。這項計畫極具野心，目標是同時整合邏輯晶片、記憶體（如 HBM）以及先進封裝（類似台積電的 CoWoS）三大技術領域。對馬斯克而言，這並非為了挑戰台積電或三星的代工地位，而是為了追求垂直整合，確保其 AI 帝國（包含 Tesla 車用、Optimus 機器人及資料中心）能擁有穩定的晶片供應,,。他甚至提出重新定義無塵室運作的構想，反映出他試圖以顛覆傳統的方式解決其願景中最核心的硬體瓶頸,,。

二、 成功的四大關鍵點：需求量與技術的「地獄級」挑戰 晶圓廠的成敗取決於需求量、技術、組織與資本四大要素，其中需求量與技術被視為最高難度的門檻,。在需求方面，單靠電動車與機器人可能不足以支撐一座巨大的晶圓廠，必須依賴如「太空資料中心」等野心計畫的成功，方能創造每月百萬片等級的晶圓產能需求,。而在技術上，半導體製造存在大量依賴工程師經驗與手感的「隱性知識」（No-how），難以透過文件傳承,。馬斯克除需大規模挖角外，可能嘗試利用 AI 的模式辨識能力來加速製程疊代，這對從零開始的計畫來說是極大的技術挑戰,。

三、 與 Intel 的區別及「滿足內需」的生存策略 馬斯克的 IDM 模式與 Intel 的失敗案例不同，關鍵在於他擁有強大的終端應用場景，而非單純對外銷售晶片,。他的策略是優先向台積電與三星購買產能，自建廠房僅是填補其供應缺口，因此初期對良率與成本的容忍度較高，並願意為 AI 應用的長遠價值承擔虧損,,。這體現了馬斯克「解決瓶頸」的經營哲學：將資源投注在能源與晶片這兩大帝國擴張的核心阻礙上。他試圖將開發火箭與電動車的快速疊代經驗轉移至精密的半導體製造領域，逐步克服障礙以實現其 AI 願景,。

這篇文章 科技浪｜馬斯克要蓋晶圓廠！要挑戰台積電嗎？他會成功嗎？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

回顧生成式AI發展初期，大眾對其應用多停留在簡易問答或趣味創作，然而邁入2026年，AI技術已顯著躍升，轉型為具備視覺、聽覺、程式撰寫及生活管理能力的智慧助理。記者鄧天心／綜合報導

回顧生成式AI發展初期，大眾對其應用多停留在簡易問答或趣味創作，然而邁入2026年，AI技術已顯著躍升，轉型為具備視覺、聽覺、程式撰寫及生活管理能力的智慧助理。

面對OpenAI、Google、Anthropic等科技大廠競相推出新功能，市場上的AI工具琳瑯滿目，為了釐清各平台的優勢與適用情境，《科技島》綜合各家分析帶你一次看ChatGPT、Google Gemini、Claude、Perplexity以及新興模型DeepSeek到底好用在哪裡？

[caption id="attachment_206225" align="aligncenter" width="1024"] 盤點5大AI助理挑對工具讓工作效率翻倍。（圖／AI生成）[/caption]

更多科技工作請上科技專區：https://techplus.1111.com.tw/

一、功能全面的通用助理：OpenAI ChatGPT (GPT-4o)

ChatGPT目前在市場上仍保有領先地位，其優勢在於均衡的綜合能力與日益成熟的擬人化體驗，

1. 多模態功能

GPT-4o模型強調流暢的互動性，除了文字輸入，用戶可直接進行語音對話，其反應速度已接近真人對談；同時具備視覺辨識能力，能透過鏡頭理解用戶當下的環境，例如在駕駛途中，用戶可直接透過語音查詢地圖或規劃路線，無需手動操作。

2. 個性化記憶

這是ChatGPT顯著的差異化功能，它能記憶用戶過往提供的資訊與偏好（如家庭成員、職業、飲食禁忌等），無需在每次對話中重複設定，在實測中，ChatGPT能依據用戶過往習慣自動過濾不喜歡的食材，並主動提供符合用戶背景的建議。

ChatGPT在處理突發狀況與生活雜務上表現優異，能迅速歸納通訊軟體中的對話重點，或在行程變更時提供即時協助，適合做為全方位的個人助理，適合重視語音互動、需要處理多元生活雜務、追求個人化體驗的用戶。

[caption id="attachment_206440" align="aligncenter" width="1024"] （圖／擷取自ChatGPT）[/caption]

二、Google生態系深度整合：Gemini (Gemini 2.5 Pro)

Google的策略在於發揮其龐大的軟體生態系優勢，Gemini 2.5 Pro不僅是聊天機器人，更深度整合至Gmail、Google Drive與Maps等服務中。

1. 跨平台超方便

Gemini能直接讀取用戶授權的Email與雲端文件，解決了「資訊分散」的問題。用戶可直接指令搜尋特定的會議紀錄或行程資訊，這是其他獨立AI平台較難以企及的功能。

2. 結合即時搜尋數據

依託Google搜尋引擎，Gemini對即時資訊的掌握度極高。實測中，它能掃描冰箱食材並結合即時資訊判斷是否過期，或搜尋當下的育兒建議。它能將數位資料與現實生活場景有效連結。

儘管在創意生成的表現上較為中規中矩，但在整理雲端資料與查詢即時生活資訊（如公車動態、食譜）方面，具備不可替代性，適合Android用戶、Google服務重度使用者、不想一直查找雲端檔案的人。

[caption id="attachment_206443" align="aligncenter" width="1024"] （圖／Google Gemini）[/caption]

三、邏輯與文字的專家：Claude (Claude 4 Sonnet)

由Anthropic開發的Claude，在市場定位上更側重於文字生成的細膩度與邏輯推理的深度。

1. 擬真的文案撰寫能力

相較於其他模型可能產出較為制式的回應，Claude生成的文本在語氣拿捏、同理心展現上更為精準。特別適合撰寫需要細膩情感或正式禮儀的信件與文章。

2. 程式輔助與長文閱讀

Claude的「Artifacts」介面能即時預覽程式碼或網頁效果，大幅提升開發效率。此外，其長文本處理能力優異，能閱讀並分析長篇合約或小說，且邏輯保持連貫。

實測發現，Claude在即時導航等生活功能上支援較弱，但在處理職場郵件摘要、擬稿及專業文書工作上表現出色，更適合在桌機環境下進行深度工作，適合文字工作者、行銷企劃、程式開發者、重視文筆流暢度之用戶。

[caption id="attachment_206448" align="aligncenter" width="550"] （圖／擷取自claude官方網站）[/caption]

四、對話式搜尋引擎：Perplexity AI

Perplexity的定位介於聊天機器人與搜尋引擎之間，主要解決生成式AI容易產生「幻覺」（提供錯誤資訊）的問題。

1. 標註引用來源

針對用戶提問，Perplexity提供的答案皆會附上註腳與原始連結，確保資訊的可追溯性與正確性。這對於需要精確數據的查找任務至關重要。

2.高效的資訊整合

它能自動閱讀多個網頁並彙整成表格或摘要，例如進行產品規格比價或新聞事件整理，大幅節省用戶自行瀏覽多個分頁的時間。

雖然缺乏像聊天機器人的個性化互動，但在資料查詢、新聞檢索與比價等任務上，其效率與準確度最高，適合研究人員、學生、記者、需快速彙整客觀資訊者。

[caption id="attachment_206452" align="aligncenter" width="1024"] （圖／擷取自Perperlexity官方網站）[/caption]

五、高性價比的推理工具：DeepSeek (深度求索)

DeepSeek為近期備受關注的新興模型，以高性價比的運算能力在數理邏輯與程式開發領域展現競爭力。

1. 優異的視覺辨識與分類

實測中，DeepSeek能精準辨識手寫且污損的購物清單，並自動將項目依購買通路分類及估算價格，展現了強大的視覺推理能力。

2. 結構化的邏輯分析

在面對如寵物健康諮詢等問題時，它能提供結構完整、條理分明的分析建議，風格偏向理性的技術分析，而非感性的安慰。

在一般閒聊上可能顯得較為生硬，但在解決具體技術問題、數學運算或邏輯分析任務時，表現相當可靠，適合程式開發者、理工科系學生、需處理結構化數據分析者。

[caption id="attachment_206453" align="aligncenter" width="1024"] （圖／擷取自DeepSeek官方網站）[/caption]

延伸閱讀：

【AI工具】產品設計師的新超能力！三款 AI 工具改寫設計流程

這篇文章 【懶人包】ChatGPT、Gemini、Claude誰最強？5款最夯AI工具優缺點一次看 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。