當做簡報都由AI代勞，簡報課還能教甚麼？

本文獲邀刊載於「香港01論壇」(2026.10.18)

今天，只要把一段文字交給AI，很快就能得到一份結構完整、配色得體，甚至附有講稿的簡報。過去要花上一個晚上排版、找圖、調字型的工作，現在幾乎可以交給工具處理。這讓我想到一個問題：如果「做簡報」已經可以交給機器協助完成，簡報課還在教甚麼？簡報技巧裏，哪些部分仍需要人親自學會？要回答這個問題，不妨回到一場幾乎沒有投影片，卻成為TEDx經典演講之一的演講。

資料來源：TED Talks

「黃金圈」將信念化為圖像

2009年，西蒙·斯涅克（Simon Sinek）在TEDxPuget Sound活動上演講。他沒有使用投影片，而是在畫架上畫出三個同心圓，由內而外寫上Why、How、What。這就是後來廣為人知的「黃金圈」。

他的論點很簡單：大多數機構介紹自己時，都是由外往內講，先說做甚麼，再說怎麼做，卻很少說為甚麼；而真正能打動人的機構和領袖，順序恰好相反，先說自己相信甚麼。他以Apple、萊特兄弟和馬丁路德金為例，說明人們追隨的往往不只是產品或計劃，也包括背後的信念。

TED官方介紹以黃金圈和「Why？」概括這場演講的核心，它後來成為TEDx的經典之一，憑藉的並不是精美的視覺設計，而是Sinek把抽象的信念化成一個簡單易懂的圖像，也讓聽眾開始思考：一個機構或領袖，為甚麼值得追隨？即使當年有一份精美的簡報，演講未必因此更好；沒有投影片，也沒有削弱它的感染力。

從黃金圈再思考簡報教育

借用Sinek的黃金圈，我們或許能重新思考AI時代的簡報教育。

過去的簡報課，常把不少時間花在最外層的What：版面怎麼排、圖表怎麼畫、字型怎麼選。中間一層的How，則是結構與技巧：開場怎麼抓住注意力、故事怎麼鋪陳、結尾怎麼收束。

AI首先降低了取得最外層技巧的門檻，排版、配色與圖表都不再需要從零開始摸索。接着，它也開始協助處理中間一層：給它一個主題，它可以整理出「問題、衝突、解決」的講稿架構，甚至建議在哪裏停頓、在哪裏加入故事。

但這不代表這些工作從此不必學，AI生成的版面仍可能不適合內容，講稿也可能流暢卻空泛。工具讓人更快得到一份簡報，卻不會自動保證它值得聽。

如果由外往內看，AI正在降低取得簡報技巧的門檻。於是，更重要的問題逐漸浮現：你為甚麼要講這件事？你相信甚麼？為甚麼聽眾應該在乎？

AI難以代替「現場感」

第一，是值得分享的想法。AI可以把內容整理得井井有條，也能幫忙提出不同角度，但「一份值得聽的簡報」仍需要講者判斷：甚麼問題值得討論，甚麼觀點值得提出。TED長期以「Ideas worth spreading」作為理念；重點不只在傳播技巧，也在於先有值得傳播的想法。Sinek的黃金圈之所以流傳，至少有一部份原因，是它提供了一個容易理解的新角度，而不只是因為他把圖畫得清楚。

第二，是講者與內容之間的關係。AI可以寫出第一人稱的故事，也能模擬真誠的語氣；但聽眾仍會在意，講者是否有經驗支撐自己所說的話，是否真的相信這個觀點，又是否願意為它負責。同一段話，由親身經歷過的人說出來，與由照稿念的人說出來，可能帶給聽眾不同的感受。這份「為甚麼是你來講」的正當性，不是把講稿寫得動人就能取得。

第三，是對現場的判斷與承擔。台下的眼神、笑聲或沉默，可能讓講者改變說明方式；被提問時，也可能需要補充、修正，甚至承認自己不知道。AI可以協助準備問答，卻不能替講者判斷眼前發生了甚麼，也不能代替講者承擔回答的後果。

簡報課應回到觀點教育

如果以上觀察成立，簡報教育的重心或許需要調整。與其把大量時間放在排版和套用結構，不如把更多力氣放回更根本的地方：教人形成自己的觀點，辨認證據是否足以支持觀點，並練習在他人面前清楚說明、接受提問。

對學生而言，這意味着在打開簡報軟件之前，先問自己一句：我真正想說的是甚麼？對老師而言，評分的重點也許可以從「做得漂不漂亮」，逐步轉向「問題看得清不清楚、論點站不站得住腳」。

AI讓製作簡報變得更容易，也讓一件事顯得更重要：上台的人是否知道自己為甚麼要講，並願意為所說的話負責。Sinek用一張圖說明了自己的想法；在AI時代，簡報的形式或許會愈來愈容易生成，但觀點的形成與承擔，仍需要人親自完成。

從電機到幽默社會學 大學真正該教什麼？

本文獲邀刊載於「信報教育」(2026.10.13)

資料來源：作者攝於小叮噹科學主題樂園

最近和幾位朋友聊天，話題不知怎麼從博士學位、出國進修，一路聊到科技巨擘的薪資待遇及福利。

其中一位管理學院博士朋友說，如果有機會，他也想再修讀一個跨領域學位；也有朋友開始認真盤算，是否應該再多一個資訊相關學位，甚至有人笑說：「現在有AI了！」

這種對話其實很熟悉。受過高等教育的人，很容易把「再學一種東西」理解成一種投資：這個學位可以換來什麼？能否增加薪酬？能否轉換賽道？能否進入另一個行業？

筆者本身是機械、電機背景。回頭看大學時代，課程充滿定理、數學與電路模型。那些課程固然重要，也訓練了筆者非常珍貴的能力：剖析複雜問題、找出當中的機制，再得到一個可以驗證的答案。

只是多年後，當筆者重新接觸其他學科，突然發現，世界上有另一類問題，並沒有那麼容易寫成公式。

最近筆者開始觀看台大開放式課程（NTU OCW）的「幽默社會學」。看着看着，竟然有一種很奇妙的感覺：以前在大學裏，我怎麼沒有修讀過這麼有趣的課？

這不是因為工程課程不好，而是因為筆者開始對另一類問題產生興趣。

為什麼一句話在某個場合很好笑，換一個場合卻可能完全笑不出來？為什麼有些人可以開某種玩笑，有些人卻不可以？為什麼我們會把某些行為視為「很自然」，卻很少追問它究竟是怎樣形成的？這些問題沒有標準答案，卻不代表它們比較簡單。

相反地，研究人的世界，往往比研究一個物理系統更難。工程系統的元件可以定義，參數可以測量；人卻會改變自己的行為，也會觀察別人、解讀情境，甚至因為知道自己正在被研究而改變。

這也讓筆者重新理解「通識教育」四個字。學生時代，筆者可能會把通識課視為專業課以外的調劑，學一些比較輕鬆、與未來工作沒有直接關係的東西。現在筆者反而覺得，真正重要的通識教育，可能恰恰不是教我們多一項可以寫進履歷的技能，而是讓我們暫時離開自己最熟悉的思考方式。

一個工程師習慣問：「這個系統怎樣運作？」

社會學可能會追問：「為什麼人們會形成這樣的行為模式？」

管理學會問：「組織為什麼會作出這樣的選擇？」

法律則會問：「這種行為在什麼制度下被允許、限制或規範？」

這些問題彼此並不衝突，反倒像是一層一層的鏡頭。當我們只習慣用一種鏡頭看世界，即使很擅長解決某一類問題，也可能因此錯過同一件事的其他面向。

筆者後來的學習路徑其實也是如此：從工程出發，走進產業研究，再接觸知識產權、法律與科技政策，最後開始對人與社會的互動產生興趣。回頭看，這似乎並不是離開原來的專業，而是把鏡頭慢慢拉遠。

筆者現在愈來愈相信，大學教育最珍貴的地方，可能不是讓我們在畢業時「多會一件事」，而是讓我們發現：原來世界還有很多面向，是我們過去根本沒有意識到自己看不見的。

如果一門課能做到這件事，那麼它究竟叫電機、管理，還是幽默社會學，也許反而不是最重要的事。

真正重要的是，完成大學教育之後，我們是否因此多了一種看世界的方法。

當 AI 訂閱費變成一種「香油錢」：你買的是答案，還是心安？

本文獲邀刊載於「經理人」(2026.09.15)

資料來源：作者攝於誠屋拉麵

像一場預算審查會議上，面對主管對市場預測的質疑。提案者不疾不徐打開筆電：「我已經請AI跑過3種情境模擬，這是優缺點分析。」

這句話可能代表他確實完成了更多準備，也可能為了讓在場的人稍微放心。至於AI根據哪些資料、遺漏哪些條件，分析是否經得起查證，未必有人繼續追問。

「有AI幫我把關。」於是成了一種安心的理由。

當我們談論AI訂閱，通常會比較功能、速度與使用額度。但使用者願意持續付費的理由，也可能包括一件更難說出口的事：遇到不確定時，隨時有個對象可以問；做出決策前，可以再得到一次確認。

從這個角度看，AI訂閱有時像一筆新的香油錢。花錢未必保證結果，卻讓人覺得，自己已經為未知多做了一層準備。

當然，這個比喻有其界線。宗教涉及倫理與生命意義，AI則具備實際的資料處理能力。兩者唯一相似的，是人在面對未知時，試圖透過一套程序來安頓心情。

求職者可以請AI檢查履歷，追問錄取機率；轉職者反覆權衡留下與離開的利弊；提案者則不斷追問，直到分析看起來「足夠完整」。

這些過程或許能幫助釐清問題，但如果沒有加入新資料，也沒有檢查原先假設，反覆得到回答，是否真的增加了判斷依據？

有時候，改變最多的可能是我們的感受。

輸入問題、等待生成、閱讀分析、再次追問，逐漸形成一套熟悉的程序。每完成一輪，就像又多做了一次確認。然而，「已經問了很多次」與「已經掌握足夠證據」，中間仍有一段距離。

當信心取代查證

根據2025年微軟研究院（Microsoft Research）與卡內基美隆大學（Carnegie Mellon University）的一項初步研究顯示，對生成式AI愈有信心的人，愈傾向於減少自我檢視與批判性思考。這項研究僅是問卷調查的相關性發現，不能直接推論AI會讓人失去思考能力。但它提醒我們：對工具的信任愈高，愈該問自己查核了多少。

AI的回答也不必斬釘截鐵，才會產生權威感。一份列出優點、風險與注意事項的分析，即使附帶許多條件，仍可能讓使用者覺得：「它已經替我想得很周全。」

保留條件本身是必要的審慎，更值得留意的是，使用者是否只記住支持自己選擇的部分，卻忽略那些還未被驗證的前提。當一段有條件的建議，被理解成對既定方向的背書，AI便在這次互動中取得了近似神諭的地位。

AI給了決策依據，但有人來確認品質嗎？

當我們花錢購買服務，會不自覺地增加對其建議的信任度。

更高價的方案如果提供適合任務的能力，當然可能值得購買。但從「這個方案功能更完整」，跳到「它對這件事的判斷應該更可靠」，仍然需要證據。付款證明我們取得了服務，答案是否適用，還要回到資料、推論與具體情境。

當使用者續訂的理由，逐漸從「它替我完成了哪些工作」，變成「如果沒有它，我會不會少一層保障」，AI消費就可能出現一種『安心經濟』：工具效益之外，持續獲得確認的感覺，也成了付費價值的一部分。

安心本身並沒有錯。能夠整理混亂的想法、減輕猶豫，原本就有價值。問題出在我們把情緒上的安定，當成風險已經降低的證據。

這種混淆一旦進入組織，影響可能更大。當「經過AI分析」成為送審的必要條件，卻沒有人確認品質，AI便可能被用來證明程序已完成。文件增加了，決策依據是否改善，反而不容易看清楚。

提案者覺得自己已經查核，主管覺得多了一道把關，團隊也更放心地往前走。但模型不知道的內部限制、不完整的輸入資料，以及沒有被提出的反對理由，並不會因為多了一份分析而消失。

AI分析後的 4 個必問問題

因此，個人與組織都需要更具體的使用標準。請AI分析之後，應該能說明：

1. 它補上了哪些資訊？
2. 哪些關鍵主張已查證？
3. 還有哪些假設沒有證據？
4. 如果出現什麼新情況，我們會改變決定？

訂閱是否值得，也可以用相同方式衡量：它節省了多少時間、發現哪些遺漏、改善哪些成果。這些都比「有它比較放心」更能支持續訂或升級的選擇。

AI可以幫助我們承受不確定，但使用它的程序，必須保留質疑與修正的空間。

「有AI幫我看過」之後，還應該接得上另一句話：「這是我查證過的依據，也是我願意改變判斷的條件。」

當這句話說不出來，再完整的分析、再昂貴的訂閱，都可能只是在替原本的決定，添上一筆香油錢。

誰還願意寫一本中文版教科書？

本文獲邀刊載於「信報教育」(2026.09.02)

資料來源：作者攝於紀伊國屋書店梅田本店

偶然間因為公務，拜訪一位大學電機系教授。談話間，他忽然話鋒一轉，把話題導向一個看似普通的問題：大學上課使用的教科書，究竟是誰寫的？

以筆者的求學經驗來看，多半是國外學者，其中不乏該領域的權威。

這原本不是壞事，理工科知識具有高度國際性，使用英文原版教科書，可以及早接觸通用的專業語彙、理論與研究脈絡。許多經典教科書歷經多次改版，內容通常較一般教師自行整理的講義完整。

不過，教授真正想了解的，不是大學生為什麼要讀原文書，而是當本地學界與產業已累積大量研究及實務經驗，為什麼仍然很少有人把這些知識整理成一本書，交給下一代？

這番話使筆者想起自己的求學經驗。當年系上的必修課，幾乎都使用厚重的英文原版教科書。各科書名如今已記不清楚，唯獨有一本《機械材料》是中文書，作者還是系上的名譽教授。

年輕時的筆者並沒有覺得這本書特別珍貴，反而很自然地猜想，系上採用它，多少帶有「支持自己人」的意味。這只是當時身為學生的揣測，未必符合實際情況。不過，從大學一路念到博士，筆者幾乎未再見過必修課選擇本地學者撰寫的中文教科書。

一本中文版教科書的價值，不只是讓學生少查幾次字典。寫教科書也不等於把英文翻譯成中文，而是要重新決定一門學問的入口、次序與邊界：哪些觀念不能省略，哪些名詞應該如何解釋，該引用哪個本地的合適案例，幫助學生理解生硬的內容。

一篇論文通常把一個問題往前推進；一本教科書卻要把許多零散的研究成果與教學經驗，整理成讓初學者得以進入這門學問的知識體系。前者追求研究創新，後者處理知識傳承。

問題是，在現行的學術制度中，相較於可量化的論文、研究計劃金額與引用次數，寫教科書需要投入大量時間，成果卻不容易立即被看見。一本書寫完後還要持續修訂，否則很快便可能跟不上技術變化。能夠寫的人，往往也是研究、教學與行政工作最繁重的人。

於是，最懂的人不一定有時間寫；等到有時間，可能又缺少體力、編輯支援，以及「有人需要這本書」的感覺。許多知識最後留在教授的記憶、研究成果與個人經驗之中，隨着退休逐漸消逝。

這不代表大學應該全面改用中文教材，專業學習本來就需要跨越語言藩籬，學生也不宜失去直接閱讀國際文獻的能力。真正的問題是：除了採用風行全球的原文經典，我們有沒有能力把自己的經驗，也整理成下一代可以學習的形式？

多年後重新想起那本《機械材料》，筆者反而覺得，即使當年的選書確實帶有支持系內前輩的意味，也未必全然是壞事。因為這至少表示，當時還有人願意停下來，把自己理解的學問重新整理一次，替後來的學生鋪出一條路。

如果大學只獎勵走到最前面的人，卻很少獎勵願意回頭鋪路的人，那些在專家眼中不言而喻、對初學者卻無從得知的普通常識，便很難轉化為共同知識。長遠而言，流失的恐怕不只是幾本中文版教科書，而是一個社會讓專業經驗得以代代累積的能力。

AI教育下一課：學校還保有多少選擇？

本文獲邀刊載於「信報教育」(2026.08.12)

資料來源：作者攝於新玉堂書局

近年來各地學校都在加速導入人工智能(AI)，教師利用生成式AI製作教案、簡報，行政人員以AI處理會議紀錄，更有學校甚至把AI應用延伸到校務分析、課程規畫及學生自主學習。

如果幾年前的問題是「學校要不要使用AI」，那麼在AI進入教育現場後，這個問題已逐漸失去討論的意義。真正值得討論的反而是：當AI從偶爾使用的工具，逐步成為學校日常運作的一部分，我們是否也陷入另一種新的依賴？

問題未必出在AI本身，許多學校往往在工具快速增加之後，才開始思考系統之間是否互通、學生資料能否轉移，以及若未來想更換系統，究竟要付出多少成本。

AI教育下一階段需要處理的，或許不是工具的軍備競賽，而是建立一套更清楚的導入原則。

先診後藥(Problem before Product)

教育科技很容易陷入一種迷思，一套系統可以生成教案、整理簡報、批改作業、帶來學習洞察；另一套又增加行政管理、親師溝通或個人化學習。功能愈來愈多，學校也很容易從「我們有什麼問題」轉向「這套AI還可以幫我們做什麼」。

如果先從產品出發，學校可能不斷尋找使用場景；如果先從教育問題出發，則必須先回答：目前哪一個工作流程真的出了問題？AI介入之後，希望改善的是時間、品質、學習效果，還是教師負擔？要用什麼證據判斷改善真的發生？

AI教育應優先遵循Problem before Product，不是因為一項工作可以使用AI，就代表它必須使用AI。工具選擇之前，應該先完成問題定義。

可攜為先(Portability before Personalization)

AI教育另一個常見願景，是「個人化學習」。

理論上，學生累積的資料愈多，AI便愈能理解其學習歷程、能力差異與需要。不過，這個願景有一個經常被忽略的前提：資料必須能夠持續累積，而且不同系統之間至少要有一定程度的互通。

問題是當不同科目、年級與學校採用不同AI系統，每一套系統都可能使用不同賬戶、資料格式與儲存方式。學校看似累積了大量數位資料，實際上卻可能形成一座又一座彼此分離的資料孤島。

這會產生一個弔詭：AI用得愈多，資料可能愈多；但資料愈多，卻未必愈能拼湊出完整的學習歷程。

換言之，在談個人化之前，應該先處理可攜性的問題。學生轉校時，資料能否帶走？學校更換系統時，過去數年的紀錄是否仍可使用？系統停止服務時，資料能否以通用格式保存？如果這些問題沒有答案，所謂「個人化學習」很可能只是特定系統內部的個人化，而不是學生真正可以持續擁有的學習歷程。

未思退 勿輕進(Exit before Entry)

AI系統真正的成本，往往不是第一年的採購價格。一套系統使用愈久，學校投入的便不只是授權費，還包括教師培訓、學生使用習慣、行政流程，以及多年累積的資料。當這些投入逐漸形成慣性，即使後來出現更合適的系統，更換系統也可能變得愈來愈困難，這即是教育科技最昂貴的「退出成本」。

這意味着，學校採購AI時，不應只問它今天具備什麼功能，也應該及早思考一些更重要的問題：資料可以完整匯出嗎？採用什麼格式？轉移到其他系統需要多少成本？停止服務後資料如何處理？不用這套工具之後，原有教學與行政流程還能不能運作？

換句話說，AI教育需要第三個原則：Exit before Entry。如果一套系統連如何退出也說不清楚，學校或許還沒有準備好讓它進入核心流程。這並不是反對長期使用某套系統，而是要求學校保留改變決策的能力。

AI成熟度也可用「選擇權」衡量

我們很容易用AI工具的數量衡量一所學校是否創新：教師用了多少工具、學生完成多少AI作品、有多少行政流程開始自動化。另一種AI成熟度可能更值得注意：學校在導入科技之後，還剩下多少選擇？

今天可以採用，明天也可以更換；資料可以累積，也可以帶走；科技可以改變工作流程，但學校不必因此永久依賴特定系統。

所以，AI教育真正需要建立的，未必只是更快的採用能力，而是更好的判斷與修正能力。教育界正在快速學習如何使用AI，真正的考驗也許不是再學一套新工具，而在於確保使用科技之後，我們仍然有能力改變方向。

5年不間斷的《金剛經》：有些思念不會因為相隔兩界而中斷

本文獲邀刊載於「琅琅悅讀」(2026.06.14)

資料來源：作者攝於淺草寺

自從五年前媽媽離開後，我養成了一個固定習慣。每天起床，喝完水，便拿起桌上的《金剛經》開始念，從第一品一路念到第三十二品。

日復一日，年復一年，原本嶄新的經書，邊角都翻得泛黃磨損。其實，我也說不清楚念經的實際效果為何，剛開始只是想讓自己安心點，也總覺得應該為媽媽做些什麼。念誦的習慣，就這樣一天一天地持續下來。

每次到位於鶯歌的塔位看媽媽，都會先向地藏王菩薩合掌，感謝祂照顧媽媽，也向媽媽報告近況，同時告訴她，我們帶著豐盛佳餚來看她了。這些熟悉的味道，總讓我們覺得彼此仍有共通連結，也在想以媽媽的好客個性，應該會跟好朋友一起共享吧。

讓我印象最深刻的，是媽媽離開後第一個中元節的一場夢。

那天凌晨，我夢到媽媽在家中的廚房做家事，氣色變得很好，並不像生病後那般虛弱。我感到又驚又喜，問她：「媽媽，妳怎麼好了！」

她很自然地回答：「運氣很好，遇到那個誰，把我的病全都治好了。」夢中的一切是那麼真實，好像她真的回來了。我還想多陪她一會兒，卻突然醒了過來。

睜開眼的瞬間，我才發現那只是一場夢，眼淚不受控制地流下來。

我已經不記得，上一次見到她完全沒病痛的模樣，是多久以前的事了。

當天早上，我們依原定計畫前往鶯歌，不忘帶著她最愛的永樂市場芋粿。

對於凌晨那場夢，自己其實在懷疑是不是思念太深，還是真的有所感應，我忍不住拿起筊杯向媽媽確認。然後，得到明確的聖筊。

那一刻，我整個安心許多，也願意相信，她真的過得比較好了。

那個夢距今已接近五年，而念誦《金剛經》的習慣仍在持續，有時因生活忙碌，只能在通勤的路上念，有時則中午飯後，趁著辦公室短暫安靜的片刻完成當天的功課。

我不確定經文能否真的傳遞到另一個世界，但這五年來，我慢慢明白一件事，有些思念，不會因為時間流逝而消失，更不會因為相隔兩界而中斷。

後來我覺得，念經這件事，比較像是一種陪伴 ，陪伴媽媽，也陪伴自己。

它未必是為了改變什麼，而是在日復一日的念誦之中，讓思念有所安住。那些來不及說出口的話，以及始終放在心裡的牽掛，都在一聲聲經文裡，慢慢沉澱下來。

馬斯克太空資料中心狂想曲—當敘事速度超越工程成熟度

本文獲邀刊載於「香港01論壇」(2026.05.17)

當太空探索技術公司(SpaceX)執行長馬斯克拋出「太空資料中心」的構想時，這個想法幾乎具備了一切吸引資本與政策動員的元素：在軌道上利用穩定日照解決能源問題，以太空低溫環境解決散熱瓶頸，讓AI訓練與超大型運算擺脫地面電網與土地限制。這種構想同時承諾解決多重挑戰，聽來令人振奮。但歷史告訴我們，越能動員人心的敘事，越值得仔細追問它的工程地基。

資料來源：由NotebookLm繪製

創新討論或遠超工程能力

這正是太空資料中心討論中值得警惕的模式，姑且稱為「敘事升級迴路」。太空資料中心需要與地表溝通，於是6G成為必要條件；6G需要綿密的衛星網路，進而推動軌道製造，然後延伸出太空經濟。每一個節點都合情合理，都可動員資本與政策支持，但整體卻可能遠超當前工程成熟度。當這個鏈條開始自我延伸，技術計劃就悄悄變成了史詩級宏觀敘事。

從能源角度看，太空太陽能確實比地面更穩定，沒有大氣衰減，也不受晝夜與氣候影響。然而能源並非「免費」，太陽能板效率、軌道維持、維修與發射成本都仍是高昂現實，散熱問題亦然。太空雖然環境低溫，但沒有空氣，更沒有對流。資料中心的熱量只能倚賴輻射散熱。根據熱輻射原理，散熱能力取決於輻射面積與絕對溫度，這意味着若要有效散熱，需要配備面積可觀的散熱板。因此，太空低溫並不等於自然冷卻，工程現實遠比敘事簡單的「低溫環境」來得複雜。

然而，比能源與散熱更核心的議題，是資料如何可靠地回傳地表並送達終端用戶，這才是太空資料中心具備實用價值的關鍵。此一環節在宏大敘事中經常被忽略。太空資料中心若位於近地軌道(LEO)，雖然傳輸延遲尚可接受，但地面接收站需高密度部署，衛星高速移動導致頻繁換手(handover)，通訊穩定性與動態頻寬配置壓力極高。若移至更高軌道，延遲問題將更為嚴峻。此外，大氣衰減、地面接收站的佈局方式，也會成為現實運作的瓶頸。

制度與資源或已被鎖定

更關鍵的是大型AI訓練的現實需求。當前分散式模型訓練涉及數Tbps級資料吞吐，模型checkpoint傳輸與多節點同步極為頻繁。如核心運算在軌道上進行，海量資料回傳與即時同步將成為決定性工程難題。太空資料中心若無法達成高速、低延遲、穩定的雙向通訊，其商業優勢將大幅減損。

問題或許不是太空資料中心能否實現，而是當工程瓶頸尚未清晰、技術成熟度仍在探索階段時，敘事是否已開始制度化與資本化。歷史上，許多突破性技術都經歷過狂熱炒作與後續修正。真正需要警惕的，不是遠景本身，而是當敘事強度遠大於技術確定性時，制度與資源是否被事先鎖定。

當太空資料中心的概念已在資本市場深植人心、政策補貼已在排隊，工程師還在討論散熱板要多大，這個順序，我們是否在別的地方見過？

為什麼孩子害怕跟別人不一樣？

本文獲邀刊載於「信報教育」(2026.05.14)

資料來源：作者攝於澎湖機場

有一天，大兒子因為找不到原本的聯絡簿，只好拿了本新的去學校，但他不敢拿出來用。不是因為不好看，也不是用不習慣，而是它跟同學的「不一樣」。

他抗拒把那本聯絡簿交給老師批閱，原因很簡單：他怕被注意到，怕被同學當成怪人。這件日常小事令筆者不盡反思：為什麼我們會那麼害怕跟別人不一樣？

直覺上，我們會將之歸因於從眾心理，但筆者覺得真正的關鍵，未必是想跟別人一樣，而是不知不覺中，挑選了一條自以為風險最低的路。我們小心翼翼避免犯錯，只為了不被質疑；以為自己在融入群體，不過是在交換心理的安全感。

更有意思的是，後來他在家中找到了那本弄丟的聯絡簿。也就是說，整起使他焦慮又抗拒的事，僅僅是個「暫時」的狀態。可當下對他而言，卻像非解決不可的緊急問題。

這背後有一個更深層的機制：我們不是在回應現實，而是在回應「當下的不確定」。當不確定感出現時，大腦就會選擇最不會被質疑的路，也就是「跟大家一樣」。

不過，這邊有個常見的誤解，有些人會反過來推論：既然跟大家一樣，容易停在平均，那只要不一樣，就有機會成功。

多數行為，不等於錯誤；少數行為，也不等於有效。如果純粹為了「不要一樣」而做選擇，基本上仍然是被他人定義，只是從跟隨多數變成反對多數，但決策的主體始終不在自己身上。

真正拉開差距的，不是你有多不一樣，而是在不確定之下，怎麼做決定。

財富與機會之所以往往會集中，不是因為少數人比較敢與眾不同，而是他們在關鍵時刻作出了更高品質的判斷。同樣的道理，即使把成功者語錄都背起來，也難以如法炮製。因為差距不在於「知道什麼」，而在於「怎麼判斷」。

這件事不只發生在孩子身上，在投資上也是。很多人不是不知道何謂好資產，而是選擇買「大家都在買的東西」，因為那樣比較安心；也有人刻意反市場，只為了證明自己與眾不同。這兩種行為，其實沒有本質的區別，都是在用外界當依據，而不是以判斷在做決策。

所以問題的根本，從來不是要不要跟別人一樣。而是：你是在做判斷，還是在回應壓力？當你跟別人一樣，是因為你判斷過這是最好的路，還是因為不想被質疑？當你選擇不一樣，是因為看到了不同的可能，還是想逃離「看起來普通」的自己？

回到那本聯絡簿，它真正使人害怕的，不是不同，而是那個當下「可能被看見」的不確定，但很多時候，這些令我們急着修正的問題，其實只是暫時的。如果時間拉長一點，它們甚至會自己消失。

我沒有跟孩子說什麼大道理，只簡單問一個問題：「如果沒有人會質疑你，你還會覺得這件事很嚴重嗎？」

真正拉開差距的，不是你跟別人一不一樣，而是在不確定之中，能否作出屬於自己的判斷。

我們為何把焦慮「外判」給神明？

本文獲邀刊載於「香港01論壇」(2026.03.26)

在華人社會中，面對不確定性時，我們並非全然仰賴理性計算。香港上環的文武廟長年香火鼎盛，考生拜文昌，商人拜關帝，這些看似傳統的行為，其實反映出一種熟悉的決策邏輯：當結果不可控時，人們傾向為自身行動尋找一個可依附的外部結構。在當代，大家逐漸把決策外包給模型與演算法；而在更久遠的年代，則是將不確定性託付給神明。兩者形式迥異，核心卻一致，都是在結果無法掌控時，為行動建立一個可依循的依據。

資料來源：作者攝於湯島天滿宮

將焦慮託付給神明

近年走訪日本福岡太宰府天滿宮、大阪天滿宮和東京湯島天滿宮，我逐漸意識到，這些場所不僅是宗教空間，更是一種處理不確定性的制度裝置。

天滿宮帶給人的印象，是被完整保存的秩序感。從表參道一路到本殿，延伸至菅公歷史館，信仰已轉化為制度、儀式與教育的一部分。天滿宮的主神菅原道真，祂不只是祈願的對象，更是文化敘事的核心。

這種安排形成一種「錨定」力量：在考試成敗、前途未卜的焦慮中，個人情緒被嵌入長期穩定的敘事。菅原道真象徵學問與努力，而努力本身即被賦予價值。這種敘事未必保證結果，卻為不確定的人生帶來一個穩定參照，使焦慮得以被安放。

願意在未知中前行

位於商業中心的大阪天滿宮，與太宰府呈現截然不同的面貌。懸掛成排的燈籠、奉納的酒樽與企業名錄，讓信仰不再只是個人祈願，而是公共參與的場域。無論名字被寫上燈籠，還是企業被列入奉納榜單，個人與組織都透過儀式嵌入共同體。

這裏處理不確定的方式，不在於給出明確答案，而在於創造共識。當眾人共同投入、共同相信，風險被分攤，焦慮被共享。這是一種動員型的敘事結構：它讓人願意在未知中行動，而不是在猶豫中停滯。

至於湯島天滿宮，作為東京文京區的信仰中心，承載着考生與家長的殷切期盼。繪馬架上掛滿各式願望，從升學考試、教師甄試、國家考試到就職祈願不一而足；籤詩則在抽取後被重新繫回枝頭，形成一種反覆安放焦慮的儀式循環。

信仰功能是恢復行動

這些行為或許無法改變客觀結果，卻完成一個關鍵的心理轉換：不確定的未來被暫時外包，焦慮被儀式吸收，個體因此重新獲得行動的穩定感。神明沒有替人做出決定，但儀式讓人相信自己已經準備充足，可以面對接下來的未知。

這正是三座天滿宮最值得觀察之處：不確定性並未消失，只是被暫時安放。

信仰的真正功能，不在於預測未來，而在於恢復行動能力。當結果不可控時，人需要一個能夠承載焦慮的結構，有時是神社，有時是儀式，有時則是演算法與儀表板。差別不在形式，而在於我們能否保有修正與反思的能力。

學術論文可以Revision 專利申請為何不能「補料」？

本文獲邀刊載於「信報教育」(2026.03.09)

對於身處大學環境的教授與研究人員而言，「投稿」是最熟悉不過的工作。從初稿送出、回應審查意見，到依審稿建議進行大修(Major Revision)或小修(Minor Revision)，這種「邊走邊修」的模式，早已是學術常態。

資料來源：作者攝於大觀書社

在學術界，Revision是一種使研究品質更周延的過程。補做實驗、增加數據、重寫段落，都是為了強化研究的嚴謹度。

然而，這種在學術界理所當然的修訂機制，到了專利申請卻成了高度敏感的禁區，甚至可能導致無法獲批。許多教授把研究成果轉化為專利時，最常感到困惑的是：為什麼寫論文可以不斷補強，專利申請卻幾乎不能「補料」？

一次定江山 嚴禁「附加事項」

有別於學術論文能在Revision階段補強，香港《專利條例》設有一條相當嚴格的紅線，申請文件的修訂不得包括「附加事項」(Added Matter)，亦即不能在提交日之後，把原本未披露的新內容加進去。

簡單來說，學術論文的Revision可以是「加法」，但專利申請文件的修訂，只能接受「減法」或「重組」，也就是在原本已披露的內容中進行限縮、重新編排或解釋，絕不能把後來得到的新實驗數據直接補進去，卻主張原先的提交日期。

對習慣學術邏輯的研究人員來說，這套制度設計似乎有些僵化，但其背後其實有個清楚的制度考量。

關鍵︰時間基準的公平性

專利制度採納「先到先得」(先申請)原則，誰先向知識產權署提交專利申請，誰就佔據了時間優勢，而這往往決定了何者能獲批專利。

如果允許提交專利申請後，繼續補充新的技術內容，卻依然享有較早的提交日期，那麼在這段期間也研發出相同技術的競爭者，因較晚的提交日期而失去時間優勢。原本先到先得的競爭秩序將被事後改寫，使制度的可預測性整個亂了套。

專利制度真正要保護的，並非個別申請人的方便，而是整體產業競爭的公平性。提交日期一旦押上，申請文件的披露範圍即被「時間鎖定」。事後補充，縱然能使披露更加完整，但也不能穿越時空回到過去，改變既定的競爭基礎。

換個角度想：學術論文的Revision是為了「追求研究結論的完備」，而專利制度要求的，則是劃定「產業競爭的起跑線」。

有新突破該怎麼辦？

假設提交專利申請後，實驗室又取得重大突破，而原申請文件並未披露這些內容，實務上會另行提交一件新的專利申請。這些突破成果，將會獲得新的提交日期，而無法回溯至舊案。

論文與專利並不存孰優孰劣的問題，兩者只是服務於不同目的、遵循不同邏輯的遊戲規則。專利申請文件的披露，攸關法律上權利要求的楚河漢界，在時間基準的確定上自然會錙銖必較。

400日圓測謊機—是在追求真相，還是在購買「確定性」？

本文獲邀刊載於「香港01論壇」(2026.03.04)

在街頭的扭蛋機裏，偶爾會看到一種充滿戲謔感的塑膠玩具：玩具測謊機。投下400日圓，轉動旋鈕，就會掉出一個附有按鈕與紅綠燈號的小盒子。按下按鈕，機器會發出一陣嗶嗶聲，然後隨機亮起紅燈(說謊)或綠燈(誠實)。

資料來源：作者攝於台北玩具地下街

大家都心知肚明，這只不過是簡單的隨機電路設計，與真正的測謊技術(依據生理指標進行推論)毫無關聯。有趣的是，在派對或聚會上，人們依然樂於將手指按上去，屏氣凝神地等待燈號揭曉。

為何明知是隨機的，我們還是忍不住按下去？因為在燈號亮起的瞬間，原本模糊、曖昧、難以判讀的情境，被壓縮成一個簡單明確的二元訊號：紅或綠？真或假？。此刻我們得到的不是真相，而是一種「非黑即白」的確定幻覺。

從塑膠玩具到儀表板

如果把視角從街頭扭蛋機，拉回到各類決策現場，你會發現，類似的心理機制正以更昂貴也更精緻的形式反覆上演。在AI逐漸滲透金融市場、政策制定與組織管理的今天，這種傾向尤其明顯。

面對高度變動的環境、龐雜的資訊與難以預測的後果，心理認知會本能地感到焦慮。為了降低壓力，人類開始發展出各種量化指標、預測模型，乃至當紅的AI演算法，逐步形成一套模型與演算法系統。

我們凝視著精美的儀表板(Dashboard)，某種程度上，就像盯着那台塑膠測謊機。我們渴望系統給出明確的訊號：綠燈代表安全或可控，紅燈則意味着風險或警示。即便許多人心裏清楚，任何模型都有其假設，甚至忽略了難以量化的脈絡與變數。但在講求效率、高度問責與績效導向的制度環境下，依循系統行事，往往比承認不確定性來得安全。

機器負責吸收「決策焦慮」

為什麼企業與組織會如此依賴這些系統？從認知風險(Epistemic risk)的角度來看，機器的首要功能並非提供真相，而是吸收焦慮與轉移責任。

在未知環境下做決策，必須獨自承擔失敗的風險。這種心理壓力是巨大的。但如果今天是由「演算法」給出建議，決策的重擔就被巧妙地「外包」(Outsourcing)出去。一旦結果不如預期，決策者便有了一個完美的免責聲明：「我是根據AI做出的合理判斷。」

這正是最危險的認知盲區，我們誤以為導入了AI演算法，就能消除不確定性；但實際上，紅綠燈訊號無法消除真實世界的複雜度，它只是幫我們消化了做決定的焦慮。

勿把訊號當成「免責聲明」

當我們過度迷信系統給的答案，而放棄對脈絡的主動判斷時，無異於把命運交給一台昂貴的扭蛋機。真正的風險，不在模型是否精準，而在於我們開始讓它取代思考。

成熟的決策，不是盯着綠燈前進，也不是看到紅燈就退卻，而是在訊號出現之後，仍保留質疑與修正的空間。真正值得警惕的，不是模型本身，而是我們誤以為不確定性已經被消化，因而過早鬆懈。

為何最危險的決策失誤—往往來自「太早確定自己是對的」？

本文獲邀刊載於「香港01論壇」(2026.02.17)

在專業工作中，我們習慣將「做對的事」視為一種正向特質。只要方向看起來合理、有價值，且曾經奏效，便容易被快速鎖定，成為持續投入的路徑。這種傾向，在政策制定、組織轉型、科技投資與各類大型決策過程中，並不罕見。

資料來源：由Grok繪製

當「正確」不再需要被說明

許多判斷並非一開始就出錯，而是在成功經驗累積後逐漸失去彈性。某些做法在特定情境下奏效，獲得正面回饋與組織支持，便會被反覆引用。久而久之，仍有討論與修正空間的判斷，便逐漸被各種「理所當然」所取代。

此時，決策討論的性質悄然改變。原先探討「是否仍然適合」的問題，被扭曲為「是否認同這樣的方向」。當質疑被視為立場問題，而非資訊回饋時，判斷便開始失去自我校準的能力。

常見卻容易忽略的誤判機制

上述轉變並非偶然，而是經由幾個常被忽略、且經常出現在組織與制度層級決策流程中的誤判機制逐步累積而成。

第一，情境成功被誤認為普遍成功。忽略成功是建立在特定的組織規模、分工或權力結構之上，盲目地複製成功經驗，反而可能在情境改變後延遲問題浮現。

第二，價值被誤判為需求。「這件事有意義」與「市場願意為此付出成本」之間，往往存在落差。當價值直接被視為需求，行動速度凌駕於理解速度，回饋機制便失靈。

第三，正當性逐步凌駕於現實回饋之上。當某個方向被賦予高度正當性，原本用來修正判斷的負面訊號，容易被重新解釋為短期雜訊。行動在持續推進的同時，修正錯誤的空間卻不斷萎縮。

為何「專業者」特別容易陷入此境？

我曾在一個高度重視分析能力的產業研究機構，經歷過一種具有不對稱特性的測試設計。任務的規模與複雜度，已超出新人在短時間內可掌握的範圍。當時某位前輩的提醒頗令人玩味：這類測試的目的不全在於篩選頂尖人才，而是確認人與工作型態之間的「適配程度」，避免過早將某條路視為唯一選項。

在高度不確定的環境中，降低長期風險的關鍵，不見得是更強烈的使命感，而是保留重新檢視判斷的空間。理解「值得做」與「適合現在做」之間的差異，本身就是高度的專業修養。

當「做對的事」依然容許被重新討論，它才具備真正的韌性。一旦確定得太早，風險往往早已在不知不覺中累積。對任何握有決策權力的個人或組織而言，這都是一個需要反覆檢視的治理課題。

從台灣高中師資荒 看高等教育體系職涯出口

本文獲邀刊載於「信報教育」(2026.01.28) 

在高等教育體系中，能取得終身教職(tenure)的人，向來並非絕對多數，這是當代制度設計上的既定現實。終身教職本質上是一種競爭激烈、資源高度集中的稀缺配置，不可能涵蓋所有學術工作者。真正值得關注的，反而是制度能否正視這一點，為無法走上終身教職軌道的學術工作者，開闢一條合理、可預期且具尊嚴的職涯出口。

資料來源：由Grok繪製

在這樣的背景下，台灣教育部近期放寬「專業與技術教師」制度，允許符合資格的大專教師或產業人士，透過甄選轉任高中自然、科技等STEM領域教師。表面上，這項政策主要回應高中STEM領域師資長期人手不足的問題，也反映高等教育體系的內部結構中，擁有深厚學術專業的教師未必享有穩定而長遠的發展位置。

職涯風險的配置與容錯性問題

若從高等教育治理的角度觀察，亟需正面處理的，不是個別學術工作者的去留選擇，而是整個體系對職涯風險的配置方式。現行制度下，完成長期的專業訓練後，學術工作者被迫面對近乎「非此即彼」的結果：要麼持續投入高度競逐的學術賽道，要麼逐漸離開核心體系。這種把高度不確定性集中於個人的設計，正反映職涯容錯性上的不足。

在全球高等教育體系中，能長期站穩學術競逐的核心位置者本就屬少數，這並非努力程度的差異，而是研究活動競爭下的結構性結果。問題不在於是否接受此一現實，而在於制度是否仍以固定標準，要求所有學術工作者承擔相同的職涯風險，並把研究表現視為唯一正統的專業路徑。

教育專業作為正當的職涯路徑

在此脈絡下，教育專業應被看作研究之外的另一條重要職涯路徑，而非「次等」選項。教學、課程設計與學生引導，是與研究導向截然不同的專業領域；若僅把研究成果當作核心價值，勢必使許多具備教學潛力的師資，長期被安排於不適合的職位上。真正的適才適所，不在於要求所有人持續參與學術競逐，而是讓各種能力在合適的階段與場域中得到發揮。

此次台灣放寬「專業及技術教師」制度，其關鍵意涵不在於政策成效本身，而在於明確承認學術職涯不是單一路徑。這樣的安排並未否定研究的價值，而是讓教學專業得以成為被制度認可的方向，使學術工作者不必承擔零和的職涯風險。

人口結構變化下的制度責任

放眼人口高齡化與勞動力結構持續收縮的趨勢，如何避免把長期養成的學術人力，全數鎖在高度競逐、低容錯的職涯路徑，已不僅是教育政策的問題，更是整體勞動力治理的課題。當人力資源愈發珍貴，制度能否容納多元能力、降低不必要的耗損，將直接影響社會面對結構轉變時的韌性。建立一個具備容錯性的職涯出口設計，或許才是高等教育體系長期穩定的真正基礎。

五角大樓薄餅指數：為何好懂的線索，反而有風險？

本文獲邀刊載於「香港01論壇」(2026.01.28)

近年來，一個被戲稱「薄餅指標」(Pizza Index)的觀察法，在網路上屢屢引發熱議。其邏輯簡單到近乎直覺，當美國國防部所在地「五角大樓」陷入高度緊張或是徹夜運作時，外送薄餅的訂單往往被認為會異常飆升。於是，每當國際局勢動盪，總有人關注五角大樓周邊薄餅店的生意，藉此「偷看」是否有重大決策正在醞釀。

資料來源：由Grok繪製

在資訊不對稱的迷霧中，人們傾向透過微小的蛛絲馬跡尋找真相。Pizza Index之所以引人入勝，正因它像是一扇能窺探決策核心的後門。即便無法踏入層層管制的戰情室，深夜湧入的薄餅訂單，遂被視為一種旁敲側擊的替代指標。這類指標未必與事實劃上等號，而是用來推測那些隱匿且無法觸及的變數，卻足以在高度不確定性的環境中，帶來一種彷彿「掌握全局」的主觀感受。

當複雜決策被過度濃縮

戰爭、外交與軍事決策，本質上涉及多層級組織、跨部門協調，以及長短期博弈，但Pizza Index把極其複雜的決策，濃縮成一個直觀問題：今晚薄餅多不多？

但問題在於，當一個指標太方便、太直觀、太好說故事，就會被誤認成答案。而背後的假設、限制與不確定性，反倒被忽略。

簡化敘事錯把馮京當馬涼

五角大廈曾對「薄餅指標」進行澄清，內部食堂原本就供應壽司、三明治等多元餐飲。更重要的是，薄餅訂單的異常增加並不專屬於戰爭或軍事危機，事實上，每逢體育賽事、節慶活動、國會預算審查、跨部門聽證，甚至行政業務高峰，都可能推升周邊外送需求。

替代指標看似出現變動，實際上卻同時對應許多平凡甚至無關緊要的情境。換言之，薄餅訂單即便出現異常，也不足以單憑這個訊號推論背後必然存在重大事件。若再搭配刻意的斷章取義(Cherry Picking)、忽視樣本規模或混淆因果關係，判斷便極易在資訊洪流中失真，錯把馮京當馬涼。

不是「準不準」而是「怎麼用」

實際上，Pizza Index並非全無參考價值。它是一種經驗累積的觀察法，如同其他替代指標一樣，在某些歷史情境中確實呈現相關性。在資訊不透明的情境下，它或許能幫助人們快速感知某種趨勢，但關鍵仍在於應用的邊界；一旦忽略脈絡與其他變數，或試圖用它支撐一個「已成定局」的結論，就會落入典型的判斷誤區。

Pizza Index的魅力不在於揭露了什麼秘密，主要是它讓人誤以為，某些替代指標能省略對複雜現實的深入理解。在資訊快速流動的時代，問題通常不是我們知道得太少，而是太快相信某個看起來「剛好很好懂」的解釋。

英偉達一句話，為何嚇趴台灣投資人？

本文獲邀刊載於「香港01論壇」(2026.01.13)

剛剛美國拉斯維加斯舉行的消費電子展(CES, Consumer Electronics Show)上，英偉達(nVIDIA)執行長黃仁勳表示，新一代Rubin平台將不再採用冷水機組(Chiller)。短短一句話，卻迅速在市場上發酵，引發對散熱產業的疑慮，使得台灣散熱族群如奇鋐、雙鴻當日股價也同步「降溫」。事後，兩家公司雙雙出面澄清，強調液冷(Liquid cooling)長期趨勢並未改變。乍看之下，事件像是市場對「新技術方向」的預先反應，但若冷靜觀察，其實更接近一場理解錯位所引發的集體恐慌。

資料來源：由Nano-Banana繪製

不用冷水機組，不是不要液冷

問題的核心，在於一個被過度簡化的技術名詞。

「冷水機組」本質上是一種製冷設備，負責為資料中心所用的循環水降溫，屬於「液冷技術」的其中一環。但「液冷」實際涵蓋的範圍更廣，包括直接冷卻(Direct cooling)、浸沒式冷卻(Immersion cooling)等多種路徑。

英偉達的Rubin平台允許以常溫水實現散熱功能，降低對傳統冷水機組的依賴，但這並非宣告液冷需求下降，或是散熱不再重要。

然而，市場在極短時間內，將「不採用冷水機組」直接解讀為「液冷需求下降」，再進一步推論為「散熱產業前景反轉」。真正的癥結，在於這樣的推論在技術層面並不成立。

不是資訊不足，而是理解錯位

這類事件並非首次出現。市場的非理性，往往不是因為資訊不足，而是發生在資訊尚未被正確消化前，就急於妄下定論。

當專業的技術語言，被快速壓縮成易於傳播的簡化敘事時，原本只屬於「系統層級的調整」，就容易被曲解為「產業方向的重大轉彎」。這種錯誤不見得是假消息，而常來自於對真實資訊的錯誤詮釋與過度延伸。最終，投資人所承擔的風險，往往不是企業的基本面變化，而是自身認知偏誤所導致的判斷風險。

消息面投資最大的挑戰，在於它迫使投資人在資訊尚未充份釐清的情況下，迅速做出方向性判斷。一旦市場過早將這些高度複雜的資訊，簡化並定錨為單一敘事方向，集體共識與情緒預期的共振便會立刻「價格化」，形成波動，甚至引發踩踏式反應。

奇鋐與雙鴻事後急忙澄清，某種程度上是在為市場「消毒」，試圖修正已經發生的理解錯位，避免敘事錯誤持續蔓延，進一步造成價格扭曲。

面對科技動態，投資三思後行

這起事件帶來了一個值得反覆思考的觀察，每當市場出現重大科技動態時，投資人不妨先從三個問題切入：

1. 關鍵技術或名詞，是否在傳播過程中被過度簡化，甚至產生語意錯置？

2. 我所判斷的依據，是來自第一手資訊，還是經過多層轉述後的版本？

3. 在情況仍處於混沌不明時，我是否已形成過於明確的結論？

若其中有任何一題的答案是肯定的，那麼真正該警惕的，可能不是公司基本面，而是自己的理解方式。

學術上這種由認知偏誤所引發的決策風險，被稱為「知識風險」(Epistemic Risk)。它提醒我們，風險不只存在於企業經營或技術演進，也存在於投資人如何理解資訊的過程中。

這次股價的震盪，與其說是技術路線的改變，不如說是市場對一句話的過度反應。對投資人而言，最昂貴的錯誤，通常不是資訊不足，而是把理解當成事實。

眾安搶先發表基於生成式AI的保險行業應用白皮書

本文獲邀刊載於「北美智權報」(2023.07.12)

隨著ChatGPT的興起，生成式AI (AI-Generated Content，AIGC) 的技術應用逐漸受到各行業關注。AIGC具備自然語言識別及寫作能力，可根據對話脈絡理解意圖，快速適應場景需求，發展出多面向的應用。中國大陸純網路保險公司眾安保險(ZA Life Limited)與其子公司眾安科技(ZA Tech)，積極探索AIGC在保險領域的應用，並於2023年5月發布《AIGC / ChatGPT保險行業應用白皮書》(以下稱《白皮書》)，期望藉此推廣AIGC在保險業的應用價值。本文將以眾安保險的例子探討AIGC在保險業的應用與限制。

眾安保險嘗試用AIGC改善保險價值鏈的各環節

《白皮書》中臚列了AIGC在保險價值鏈的各環節。首先在商品研發上，AIGC經由適當的提示 (prompt)，能進行資料的收集和預處理任務 (例如非結構化資料的轉換)，有利於理解客戶的需求及風險特徵，設計出符合實際需要的保險商品，並增加定價的精準性。在通路行銷上，AIGC透過自然語言互動，為銷售人員推薦適合客戶的保險商品，並根據客戶的偏好或情緒狀態，擬定對應的保險商品推薦方案；同時亦能與其他AI工具結合，自動產生宣傳海報、宣傳影片等廣告素材。

至於在核保理賠方面，AIGC能學習一般保險公司的核保理賠規則，自動且快速地處理大量保單 (像是團險等大批量保單)，對於缺件或重複投保等異常情況進行把關，也能夠自動審核理賠申請，藉由影像特徵等資訊評估理賠金額，有效提升效率和降低作業成本。

而在客戶服務部份，AIGC可以在客服人員與客戶談話過程中，由對話上下文即時引導客服人員接下來溝通的方向，從而滿足客戶的需求，同時自動針對整體談話內容加入註記與進行總結，作為保險公司維持高品質客戶服務的重要參考。

就內部事務而言，AIGC也可用來建置保險公司內部知識庫，以聊天機器人的方式，嵌入在企業內部網站的對話視窗，實現更便捷的知識傳承與共享。此外，在整理會議紀錄的摘要，以及設計客製化面試問題時，AIGC的自然語言處理能力也可望有所發揮。

在系統開發時，AIGC能輔助開發人員編寫、生成及優化程式碼，還可用來實現自動化系統測試，使開發人員及早發現問題，增加系統的可靠性。另外在系統維運過程中，AIGC也能在提示之下自動生成腳本文件，減輕維運人員的工作負擔。

AIGC可望能強化保險科技之應用價值

以眾安科技為例，已思考將AIGC應用在自家研發的產品中，諸如能夠從與客戶對話的智能行銷平台掌握客戶的興趣偏好，進而產生對應的商品推薦；自動按需要配置方案的保險核心業務系統，以滿足客戶個性化的保險需求；可識別各式醫療單據的智能理賠系統，不僅節省人力還能增進客戶的服務體驗。

除了眾安保險，2015年創立於美國的Lemonade也是一家純網路保險公司，同樣運用AIGC技術打造輔銷機器人Maya，只需與客戶在App上進行簡單的交談，便能立即推薦適當的保險商品，並提供「90秒內完成投保，3分鐘內完成理賠」的高效體驗。

此外，美國Allstate保險也研發了名為ABIe的AIGC智能客服系統，可自動回答客戶或保險代理人問題，也具備了個性化風險評估、保險報價及自動核保等功能，用以紓解客服人員的龐大負擔。

而瑞士蘇黎世保險 (Zurich Insurance) 則聚焦於AIGC於理賠上的應用，從統計理賠歷史資料出發，改善承保程序及優化理賠效率。該公司還計畫以專利保護前述的研發成果，相關內容已於歐洲專利局 (EPO) 專利資料庫公開[1]。

圖1. 眾安保險於保險價值鏈的各環節中運用AIGC

資料來源：眾安保險 / 眾安科技

AIGC垂直領域應用方案的建置考量

關於AIGC垂直領域應用方案的落地實施，主要有兩種方式：一種是使用開源的基礎模型(如LLaMA、BLOOM等)，直接客製化調整；另一種則依自身需求串接API，針對ChatGPT的基礎模型進行微調(Fine-Tuning)。

前者的優點在於原始碼係對外公開，修改彈性高，且可支援本地部署，惟須注意並非所有基礎模型在開源協議上都允許商用。因ChatGPT的資料全儲存在境外的機房，根據我國個人資料保護法之規範，原則上不允許將客戶資料傳輸至境外，所以後者較適合運用在自動生成廣告宣傳文案，新聞資料彙整與統計等作業。

若要將AIGC應用在保險業務，如商品開發、通路行銷、核保理賠甚至是客戶服務，除非客戶資料限於公司內部使用，否則會碰觸到委外處理的議題[2]。要是能以本地或私有雲的方式，部署AIGC垂直領域應用方案，較能妥善控制個人資料管理的風險。

小結

AIGC強大的創造力，能幫助保險公司精進作業流程，打造創新商品和智能化服務，開拓更廣闊的業務型態。基於個人資料保護的考量，採取由內而外的策略，先以非機敏資料發展AIGC處理內部事務的應用方案，確保資料安全滿足監管要求後，再逐步往外擴展至保險價值鏈的其他環節，會是比較安全保險的做法。

參考資料：

2023年5月，《AIGC/ChatGPT保險行業應用白皮書》

備註：

1. 以申請人(Assignee)為Zurich Insurance檢索後，近10年內申請的案件，包括兩件歐洲專利公開案EP4191607A1、EP4191609A1。

2. 我國金融監督管理委員會所訂立《保險業作業委託他人處理應注意事項》，對保險公司將資料導入外部雲端進行規範。

智慧家庭的發展及挑戰

本文獲邀刊載於「北美智權報」(2021.02.24)

有時出門在外，才猛然想到暖氣似乎忘了關，假如透過手機連網，就能遠端操控家電運作，豈不是方便多了呢？

大廠陸續投入連網家電的研發

其實以上的情境並非空談，像是三星電子在美國專利US 9,978,260 B2便揭露以遠端連線控制家電的構想。如果想要家中的洗衣機開始運轉，可先於手機上點擊螢幕或以語音輸入的方式，將「開始洗衣」之類的控制指令經過網路傳送到家庭路由器(HGW)，再由HGW統一指揮轄下家電的運作 (洗衣 / 脫水 / 烘乾)，並將即時狀態回傳至手機。

美國專利US 9,978,260 B2圖示；資料來源：美國專利商標局

同樣的，中國大陸的空調大廠格力電器亦在中國專利CN 109167711 B揭露自動控制家電的方法，其中服務器 (伺服器) 與使用者的移動設備 (手機) 連線，取得使用者的定位資訊或其通常返家的時間，儘早讓空調、熱水器等家電開始運作，以滿足實際應用上的需求。

中國專利CN 109167711 B圖示；資料來源：中國國家知識產權局

智慧家庭由理想進入現實

上述皆是利用網路連接屋內的家電的例子，手機藉由主動或被動的模式執行遠端操控，構成智慧家庭 (Smart Home) 的應用型態。邁向萬物互連的時代，智慧家庭的前景似乎一片光明。

俗話說「理想很豐滿，現實很骨感」，智慧家庭的概念存在多年，但仍未真正落實到日常生活中。探究其原因，家電產品的「互通性」及「資安風險」應該是箇中關鍵。

「互通性」與「差異化」之間的兩難

相信多數人都曾動念想買具有連網功能的家電，但要是不同品牌的家電規格各自為政，無法在同一個App上實現互連操作，使用體驗就會大打折扣。但正常情況下，除非是新入厝有整套家電換新的需求，一般使用者鮮少只購買單一品牌的家電。科技大廠Apple、Amazon、Google及Zigbee聯盟注意到這個窘境，決定坐下來談，攜手共推「Project Connected Home over IP」智慧家庭通用規格，希望讓跨品牌的家電彼此間能互通有無。

然而，企業要掌握競爭優勢，追求產品或服務的「差異化」也是很重要的一環，總會有大廠想在自家產品中置入特有功能，來吸引消費者的注意。如此一來，想只憑一個App就能完整支援各品牌的家電操作，似乎充滿挑戰。

「資安風險」也是不容忽視的一塊

再者，由於智慧家庭的運作架構以網路連接為核心，無論使用WiFi、Zigbee、藍牙、4G/5G哪一種網路技術，多少都存在資安漏洞，讓不法分子有可趁之機，駭入家電截取控制權，把安控攝影機變成窺探他人隱私的工具，甚至偷竊個人資料。所以在智慧家庭發展的道路上，防堵資安漏洞、強化防護檢測機制，都變得日益重要。

小結

雖然有人看好5G有助於推動智慧家庭的發展，但礙於普及率與屋內覆蓋效果等問題，短期間較難成為網路連接的主流方案。真正的發展關鍵，應在於能否建構出跨品牌的整合平台，及資安威脅的有效防護。

為何一案兩請中的新型專利被判無效， 對應的發明專利還能被核准？

本文與楊家興先生合著，獲邀刊載於「北美智權報」(2020.07.22)

我國在專利申請實務上有所謂的「一案兩請」制度，同一申請人可就相同創作同時申請發明專利及新型專利。因為新型專利只採形式審查，正常情況下會先獲得核准，但一樣的創作僅能授予一項專利，在對應的發明專利即將被核准前，申請人必須選擇保留其中一者。然而在對應的發明專利審定前，新型專利已當然消滅(如未繳年費)或被撤銷者，由於新型專利的排他權已失其效力，專利行政機關自然不應再核准對應的發明專利，否則便從公眾手中剝奪自由使用技術的權利[1]。

有位獨立發明人(以下統稱發明人Y)為了保護自行開發的玻璃尖鋼筆，採取了「一案兩請」的專利申請策略。因緣際會下，發明人Y從網站上購得某家業者(以下統稱L公司)公開販售的精品玻璃筆，認為這款產品已經侵害了甫獲核准公告的新型專利(以下統稱系爭專利A)，因此向智慧財產法院提起民事訴訟[2]，控告L公司的販售行為構成專利侵害。

系爭專利A權利範圍

系爭專利A主要保護標的為可持續供墨的筆具結構，其獨立請求項內容如下： 

一種玻璃筆尖可持續供墨的筆具，其係包括：一外筆管(1)、一儲墨管(2)、一連通座(3)及一玻璃筆尖(4)所組成，而其特徵在於：

外筆管(1)，係一可適配容設儲墨管(2)、連通座(3)及玻璃筆尖(4)的筆管；

儲墨管(2)，係一可供儲納墨液(21)的容納元件；

連通座(3)，係一可密合銜接連通儲墨管(2)與玻璃筆尖(4)的中空座體，該連通座(3)與儲墨管(2)的銜接端係具有一內通孔(31)，以供密合銜接於儲墨管(2)，連通座(3)與玻璃筆尖(4)的銜接端係一容置空間(32)，以供植入玻璃筆尖(4)；

玻璃筆尖(4)，係一實心本體，為由複數股細條玻璃以麻花捲繞成型，而於本體外表面形成複數個相鄰分佈的渦旋槽道(41)，且該玻璃筆尖(4)一端係捲縮形成一複數槽道匯集收縮的筆尖頭部(42)，另一端則延伸抽拉為一細長的筆尖尾部(43)，並使該細長的筆尖尾部(43)係匹配貫穿連通座(3)的內通孔(31)；

依上述外筆管(1)、儲墨管(2)、連通座(3)及玻璃筆尖(4)所組成玻璃筆尖可持續供墨的筆具，係於細長的玻璃筆尖(4)匹配植入連通座(3)並貫穿內通孔(31)，且接觸頂破儲墨管(2)內墨液(21)的表面張力時，將墨液(21)引入複數渦旋槽道(41)，再匯聚至筆尖頭部(42)，以產生自動持續供墨的書寫。 

資料來源：中華民國專利資訊檢索系統，作者整理

系爭專利A的核心主要在於玻璃筆尖的部份，當筆尖尾部貫穿銜接儲墨管的連通座時，便會突破儲墨管內的墨液表面張力，使墨液能順暢流入玻璃筆尖，達成持續供墨的效果。

 

法院審定系爭專利Ａ無效之理由

在法院審理的過程中，L公司提出了許多用以佐證系爭專利A不具進步性的證據資料，像是發明人Y先前獲得的改良式沾水筆專利(以下統稱文獻1)、發明人Y的雜誌專訪(以下統稱文獻2)、他人獲得的玻璃沾水筆結構專利(以下統稱文獻3)等等。

L公司主張，文獻1已揭露系爭專利A的外部結構(外筆管、儲墨管、連通座及玻璃筆尖)，文獻3亦揭露系爭專利A中連通座的內通孔，關鍵的是文獻2更包含發明人Y對於送墨機制的簡述(利用突破表面張力的原理)，因此該等相同技術領域之文獻組合可據以認定系爭專利A不具進步性。 

法院接受了L公司的主張，認為系爭專利A的請求項不具進步性，應屬無效。根據智慧財產案件審理法第16條第2項[3]的規定，發明人A在本訴訟中無法再對L公司主張專利侵權。 

就在判決出爐後沒多久，系爭專利A對應的發明專利悄悄地獲得核准公告。這時也許會有讀者感到納悶，既然系爭專利A都已經被法院認定無效，為什麼專利行政機關還會核准對應的發明專利呢？ 

智財法院民事訴訟中專利有效性之認定僅具有相對效力

雖然於民事訴訟中，智慧財產法院基於智慧財產案件審理法第16條第1項[4]規定可自行對專利要件(適格性、產業利用性、新穎性、進步性等等)進行判斷，但其判斷結果僅有個案拘束力，也就是對於專利無效的認定僅限於「同一當事人、同一基礎事實」訴訟個案中(專利權被暫時封印的概念)，而無法適用在他案，僅有相對效力而無「對世效」[5]，所以實際上並未產生撤銷專利的效力。即使民事訴訟中系爭專利A被認定無效，只要該付的年費都有繳，專利本身的案件狀態還是有效的。 

結論

以發明人Y立場

發明人Y於本案訴訟過程中，如可預見系爭專利A於民事訴訟過程中被判無效的機率高時，建議應主動在對應的發明專利提出修正（審查中）或更正（核准後）專利權範圍，且注意修正或更正限制之事項，以維持其發明專利之有效性。

以L公司立場

L公司於訴訟攻防時，可另向專利行政機關提起舉發，請求撤銷系爭專利A。假使最終的審查結果認為有撤銷理由，專利行政機關的舉發審定將產生撤銷專利的效力，系爭專利A的技術內容自此成為公共財。在這種情況下，系爭專利A對應的發明專利就受到專利法第32條第3項「發明專利審定前，新型專利權已當然消滅或撤銷確定者，不予專利」的影響而無法取得專利權，進而保障公眾使用公共財的權益。 

省思

發明人Y於申請專利前，即已接受採訪並以公開展示說明技術特徵，成為系爭專利A被認定無效的關鍵文獻。由此可瞭解，「申請專利前應格外留意技術內容之公開行為，除了避免著墨過多關鍵技術特徵外，更應善用優惠期相關規定來排除不准專利之情事發生」[6]。 

備註： 

1. 專利法(民國108年05月01日)第32條 

2. 智慧財產法院108年民專訴字第61號民事判決 

3. 智慧財產案件審理法第16條第2項 

4. 智慧財產案件審理法第16條第1項 

5. 智財法院專利有效性判決只有個案效力？比較美國1971年Blonder-Tongue vs. University of Illinois Foundation案 

6. 專利法(民國108年05月01日)第22條第3項