東京在線EP33_ 日本政府自主AI平台「GENNAI」公開！Perplexity吃上官司居然是日本企業開的第一槍?

日本政府正在大規模部署自己打造的AI平台，同時，一場由日本媒體發起、針對Perplexity AI的版權訴訟正在東京地院激烈攻防。這兩件事，幾乎同步定義了2025到2026年日本AI發展的兩條主軸：國家主導的AI戰略布局，以及AI時代的內容版權邊界。本集由主持人柯誠單獨主講，以日本政府AI平台Gennai的誕生為核心，串起近三年日本AI領域的關鍵事件，帶你看清楚日本怎麼從混亂中走出自己的AI路徑，以及這對想進入日本市場的台灣企業意味著什麼。本集亮點｜🔹 Gennai是什麼，為什麼日本政府要自己做AI平台？🔹 「日本七武士」是誰，背後代表什麼戰略意義？🔹 日本企業如何用AI重新定義人才招募？🔹 讀賣新聞為何告Perplexity，這場官司為何重要？🔹 台灣AI企業進軍日本市場，要先解決哪些在地化課題？【節目資訊】 主持人：柯誠🎧 Production Team：Meet 創業小聚 🎬 Editing and Post-Production：聲歷其境 All Around You Powered by Firstory Hosting

AI 會改變所有人的工作，這句話講久了像背景音樂，但職場上正默默出現兩種人：一種把 AI 當威脅，一種已經悄悄用 AI 把每天最煩的事拿掉。後者，國外稱為 Builder（打造者）。數位時代創新長黃亮崢 James 邀請 USPACE AI長曾明賢（小海），從他工程師、總經理到 AI長的歷程，聊聊打造者思維、AI長在企業裡的實際任務，以及企業導入 AI 最常卡住的地方。打造者是一種習慣，不是技能小海從第一份工作開始，白天寫 PHP、晚上做 side project。Twitter 時代他寫過 TweetThis 解決分享網頁的問題，部落格時代做出串聯貼紙 Sticker Action，2009 年更做出 Podcast 託管平台 MyAudioCast，當年中國 iTunes 前三名 Podcast 都託管在他這。這種「看到問題就動手」的習慣一路延續。當他 2023 年從 StreetVoice 總經理裸辭、2024 年中被 GenAI 年會震撼到之後，他的第一反應不是焦慮，而是趕快買 ChatGPT、付費用 API、一邊寫文章一邊寫程式讓自己 involve 進去。James 觀察，Builder 不是一個 skill 而是一種習慣，看到每件事都想動手試試看。從三個月到一週：一個月一個產品的 Build in Public小海 2024 下半年開始做 AI 摘要產品：把 Podcast、YouTube 轉成文字再摘出重點，讓忙碌的人能用最短時間掌握最多資訊。第一個產品花了 3 個月，第二個 1 個多月，第三個一週，第四個一週。他笑說現在回頭看前面都「超級慢」。這段時間正好是 Cursor、Windsurf 陸續出現，到 2025 年 5 月 Claude Code 問世、Vibe Coding 成為關鍵字的演進期。AI 工具從一段段複製貼上，進化到能看整個專案、甚至能把幾年累積的大型專案翻寫成新版並順利運作。他強調，即便是工程師，現在還有很多人停留在複製貼上問 ChatGPT，資訊落差依舊嚴重。AI長在 USPACE 做什麼？從影響客服、PM 到全公司小海的三大任務，第一是客服。停車客服永遠是最緊急的場景：車牌辨識失敗、扣款爭議，使用者被卡在閘門前急著要出去。小海先 survey 可以串 AI 的廠商，讓 AI 依 SOP 接聽電話、遠端開閘門，最終目標是讓 AI 主動 monitor 攝影機，有人卡住就介入。第二是產品開發團隊。他先從 PM 開始潛移默化：PM 過去憑空想像寫 spec 再交設計師做 wireframe，現在可以直接讓 AI 做出 prototype，思考更快、更 solid。後來 PM 主動提議自己改東西，團隊逐步統一用 Claude Code。第三是教全公司。他在日曆開出「AI 1on1」讓同仁預約，帶著他們把手上最煩的工作拿給 AI 解；部門定調「支援不超過 50%」，讓同仁自己動手，每週三公告本週案例，慢慢累積全公司對 AI 的正確想像。工程師分兩派，但軟體工程紀律沒變小海觀察工程師現在很兩極。一派不會跟 AI 溝通，把 spec 全丟給 AI 就放飛，最後自己也沒辦法檢查；另一派擅長先想清楚要什麼、再給 AI 足夠上下文；溝通品質決定 AI 產出品質。但即便 AI 寫 code 很快，軟體工程紀律沒有消失：Code Review、自動化測試、QA 都還是要做，因為相信的從來不是誰寫的，而是測試結果對不對。近期流行的 Harness Engineering 把開發切成 9 個 phase，每個階段都回頭驗證 AI 產出，本質還是軟體工程。自然語言 Dashboard 與「每週拿掉 4 小時」不同職能上手 AI 的方式不同。客服是被安排使用已 setup 好的 AI 系統，不需要太多駕馭 AI 的技能；財務、PM、資料部門則有更大發揮空間。小海替 USPACE 財務與資料部門接上 Claude、串 MCP，讓同仁用自然語言說出想看的指標，直接產出 Dashboard；資料太大跑不出來時，AI 還能幫忙重寫 SQL，幾秒完成過去資深資料庫工程師才做得來的優化。USPACE 內部也有主管因為現成管理工具不符需求，自己寫一套管理系統；停車場業務則用 AI 寫自動派工系統。他有個企劃叫做「解決你手上每週最繁雜的 4 個小時」，因為買了 Copilot、Claude、ChatGPT、Gemini 卻不用的企業太多，問題不在工具，而在於同仁不知道 AI 可以幫自己做什麼。每家公司都需要 AI長嗎？做以前做不到的事小海認為 AI長應該是內部人、但要有外部視角，因為完全內生會被既有認知限制。但每家公司是否真的需要這個職位，要看體質。例如電商若只是要自動化，該做的做完就不需要專職 AI長；大公司反而有機會透過 AI 做以前做不到的事：過去因人力成本太高而放棄的生意、PM 過去寫不出程式而做不了的原型，現在都有機會重啟，創造新的收入來源。另一個實用觀察是，大公司做 AI 降本增效的收益，目前仍比創造新事物更大、更明顯。對於一個做過總經理的人回頭寫程式，他以 DCard CEO 林裕欽的 FDE 為例，認為主事者懂 AI 並親自動手，能撬動很多前線同仁才知道的隱性 know-how。小海留給聽眾的一句話是：拋棄既有的認知與想像。過去因為自己懂技術，常會先預設 AI「應該這樣做、那樣做」，反而被自己的經驗限制住。AI 時代的正確姿勢是，講清楚目的、補充手上的資訊，讓 AI 判斷最好的作法是什麼。他舉例自己想搞清楚客服夜間需不需要補人，原本只打算要一張圖表，改成只說目的後，AI 拉出 6 張不同維度的圖、甚至直接告訴他「不需要補」。但他也提醒：不要忘記自己要思考。AI 給你六張圖不代表六張都重要，最後仍要自己一張張判斷、取捨，才會走到真正的解答。 Powered by Firstory Hosting

馬斯克的Terafab晶圓廠計畫持續推進，聯手英特爾攏絡三星，同時到台灣來挖人，科技專家吳金榮解讀為對台積電以戰逼和，為接下來上談判桌爭取籌碼。同一時間，台積電北美技術論壇強勢宣告，一路到2029年的1.2奈米製程量產時間表排定，所有客戶和供應商都放心，讓對手繃緊神經。 而跟著AI需求而來的另一大衝擊，是AI客製化晶片持續擴大，亞馬遜、微軟、Google和Meta都來台灣下單委託設計，一波又一波，讓世芯、創意和聯發科這三家公司倍受關注。 AI ASIC的合作邏輯、營運模式和下一步發展，將如何改寫本土晶片設計業的成長空間和國際競爭力？ Powered by Firstory Hosting

本集重點：新光三越殺出掀抓馬⋯微風上訴有理？「30億天花板」卡卡！台鐵拋誘因衝業績車站財怎麼發？JR東日本×環球很懂玩延伸閱讀》新光三越搶下北車經營權！專家點出2大關鍵，有機會捅破微風20年做不到的「30億天花板」 https://www.bnext.com.tw/article/89804/taipei-metro-perfume-vending-machine-trend-----------🤩歡迎訂閱數位時代YouTube 》https://www.youtube.com/@bnext_official-----------🤩有合作需求請洽：[email protected] Powered by Firstory Hosting

半導體製造回流美國，這幾年在台灣一直是兩極話題：有人視為歷史轉折，也有人認為只是政治口號。這一集我們邀請到具備投資銀行與美國半導體政策研究機構背景的 xMEMS Labs 企業策略總監 孫杰安（Jillian Sun），從第一線訪談產業與政策制定者，帶我們看這場「晶片復興計畫」走到哪一步。本集重點：晶片法案怎麼發錢？稅額抵免＋里程碑式撥款設廠難題不在資金：環評、能源、用水與法規門檻聯邦 vs 州 vs 城市：政策執行現況供應鏈邏輯轉變：從「成本最優」走向「去風險、地緣分散」矽光子（Silicon Photonics）為何成為下一個關鍵戰場台灣科學園區模式，為何難以在美國複製了解更多國際新創圈大小事 👉🏼 https://meetstartup.pse.is/4jhd5u📍鏈結矽谷創新動態，關注Startup Island TAIWAN 矽谷 Hub：https://sv.startupisland.tw/ Powered by Firstory Hosting

去年 OpenAI 共同創辦人 Andrej Karpathy 創造了 Vibe Coding 一詞而爆紅，但蜜月期極短，一連串資料庫被刪、安全漏洞、隱私外洩事件讓業界陷入「Vibe Coding 宿醉」。直到今年 2 月，OpenAI 公布 3 個工程師、5 個月、寫出 100 萬行程式碼的內部實驗，並提出 Harness Engineering 駕馭工程 這個新方法論。數位時代創新長黃亮崢 James，再次邀請 AWS 社群英雄蔣鐙緯 Ernest，深入拆解 2026 年 AI 工程界最重要的關鍵字，以及它對台灣企業與工作者的意義。聽完這集你可以學到：Harness 字源與駕馭工程的核心精神：Harness 是馬具的意思，韁繩、馬鞍、馬鐙的總稱。重點不是控制、不是放任，而是借力引導合作。中文翻成「駕馭」精準傳達了人類與 AI 模型協同工作的關係。OpenAI 100 萬行程式碼的震撼實驗：2025 年 8 月 OpenAI 一個三人小組從零開始，規定所有程式碼都由 AI 寫、人類一行都不准手打，5 個月後完成 100 萬行程式碼、1500 次提交，只花了傳統開發約 1% 的時間。Harness Engineering 三大支柱：Context Engineering 提供球探報告與戰術手冊、架構約束強制執行作為球場規則與裁判機制、Garbage Collection 熵管理對應賽後檢討與體能恢復，三者迭代形成完整體系。AGENTS.md 已成業界開放標準：由 Linux Foundation 推動，GitHub 上已有超過 6 萬個專案使用。建議檔案簡潔在 60 到 100 行內，要由人類撰寫，讓 AI 員工一進公司就能讀懂業務邏輯。Sub-agent 作為情境防火牆：把任務切成小塊指派給子代理執行，不是用前鋒中場後衛的角色分工，而是讓主 AI 只看到最後結果，中間嘗試與失敗都不灌進主 AI 的工作記憶。孔安迴圈 Ralph Wiggum Loop：取自辛普森家庭裡反應慢但極度執著的角色孔安。AI 反覆嘗試、失敗、再試，直到滿足條件為止，不追求一次完美而是建立持續迭代的系統。模型是大宗商品、Harness 才是護城河：GPT、Claude、Gemini 差距越來越小，你買得到的，競爭對手也買得到。換 Harness 的效果比換模型大得多，真正的競爭力在組織內部累積、別人偷不走的駕馭體系。認知債的警訊：技術債躲在程式碼裡看得到，認知債躲在人腦袋裡看不到。團隊越用 AI 越快，但真正理解系統的人越來越少，等到出問題就沒人知道怎麼修。李宏毅老師在台大課程提到，他自己養了一個 AI 助手「小金」，合作兩個月幫他做 YouTube 影片，並認為未來 AI 可能會跟人類「組一輩子的樂團」。如果這是真的，台灣企業面對的就不只是「要不要用 AI」，而是「要設計什麼樣的教練團才能跟 AI 一輩子合作」。Ernest 與 James 留下三個問題給聽眾：・你的公司有沒有一份 AGENTS.md？如果今天來了一個 AI 新員工，它能看懂你們的業務嗎？・你的組織基礎設施夠好嗎？還是你一直在期待換一個更強的 AI 就能解決問題？・在你的團隊裡，真正理解系統運作的人還有幾個？


//延伸資料》李宏毅老師相關影片： https：//youtu.be/R6fZR_9kmIw》OpenAI Harness Engineering 原文： https：//openai.com/zh-Hant/index/harness-engineering/》Linux Foundation 成立 Agentic AI Foundation 公告： https：//www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation//上集回顧 數位關鍵字 EP206：從提示工程到上下文工程!學會 TPMR 框架重塑 AI 互動模式 https：//www.bnext.com.tw/podcast/1007/bn-sound-20250919103531-j45kwdxy Powered by Firstory Hosting

擔任CEO滿15年，庫克將蘋果市值從2000億成長到4兆美元，並在公司成立50週年時刻宣布交棒。 新任CEO特納斯(John Ternus)的能力和風格如何？接手後可能帶來哪些改變？科技專家吳金榮提出以下觀察： 1.特納斯從蘋果的核心硬體產品出身，有設計和製造經驗，從iMac, iPhone到Apple Watch和Vision Pro等產品，皆曾參與帶領團隊攻克難題。比起賈伯斯，特納斯更懂營運和供應鏈; 比起庫克，特納斯更懂設計和產品，等於具備前兩任CEO特質。 2.協助蘋果的電腦從英特爾的CPU順利轉換為蘋果自己開發的CPU，讓Apple Silicon成為蘋果掌握自身晶片發展的重心，擺脫依賴外界走向自主。 3.特納斯今年才50歲，年富力強，接手後可以有10-15年任期，可長期規畫公司未來，也符合蘋果穩定發展的目標。 4.在AI方面的落後，從語言模型到工具，是特納斯上台後需盡快解決的難題。和其他業者合作導入到蘋果各線產品，是務實解決問題的方法。當邊緣運算更進步，AI PC和AI手機直接受惠，蘋果仍站在有利位置。 5.對台廠供應鏈業者來說，對特納斯都熟識，也期待蘋果能盡快推出新技術和新產品，如折疊機和裸眼3D手機。 Powered by Firstory Hosting

不僅讓黃仁勳後悔太晚投資，更讓亞馬遜加碼 250 億美元重押！大語言模型 Claude 的母公司 Anthropic 近期正以驚人的速度席捲 AI 圈，市場更預估其 IPO 估值將衝上 3,800 億美元大關。究竟 Anthropic 有哪些特點、憑什麼與 Google、OpenAI 兩間巨頭打得不分上下？今天的記者茶水間我們一起來聊聊～本集重點：Anthropic 的新模型 Mythos 為何會引起全球資安界關注？Google、Amazon 為何爭相投資 Anthropic？Claude 究竟有哪些強項？為何在社群掀起熱潮？延伸閱讀》亞馬遜再砸250億美元押Anthropic！綁十年1,000億算力大單，雲端「兩手押寶」策略成形 https://www.bnext.com.tw/article/90725/amazon-anthropic-25b-investment-100b-aws-trainium-decade-deal全球狂下載，Claude多好用？一次收藏使用密技https://www.bnext.com.tw/topic/view/952不走霸道總裁路線！解密 Anthropic「蜂巢思維」，如何在10天內催生Cowork？ https://www.bnext.com.tw/article/90073/anthropic-hive-mind//2026 全球100＋台灣20 AI實戰玩家名單正式揭曉！即刻解鎖：https://edm.bnext.com.tw/2026AI/-----------🤩歡迎訂閱數位時代YouTube 》https://www.youtube.com/@bnext_official-----------🤩有合作需求請洽：[email protected] Powered by Firstory Hosting

日本展會市場每年將近千場、規模突破3兆日幣，對想進入日本的台灣企業而言，展會是最直接也最真實的市場試煉場。但參展從來不只是訂個攤位、印好名片這麼簡單，從選對展會、準備商材、現場應對到展後跟進，每一個環節都藏著影響成敗的細節。本集由主持人柯誠以八年日本展會實戰經驗出發，從顧問視角完整拆解台灣企業在日本參展最需要搞清楚的事，幫助你在踏上展場之前，就已經做好最關鍵的準備。｜本集重點✅ 如何判斷自己適合哪種展會？✅ PMF與在地化成熟度，如何決定你的展會策略？✅ 現場應對的關鍵細節：從偷看入場證開始！✅ 攤位選位、商材準備、現場人員應對的優先順序✅ 展後感謝信怎麼寫才有下一步？｜節目資訊主持人：柯誠 🎧 Production Team：Meet 創業小聚 🎬 Editing and Post-Production：聲歷其境 All Around You Powered by Firstory Hosting

訂閱「一天一 AI」電子報（免費）：https://bit.ly/4cicFtu更多「一天一 AI」內容：https://www.bnext.com.tw/tags/一天一AI當一個人可以做到過去一整個團隊的產出量，這不是口號，而是正在發生的事。數位時代創新長黃亮崢 James 邀請巨思文化新商業發展副總監、「一天一 AI」電子報創辦人韋惟珊（珊珊），從她自己用 AI 打造電子報工作流的實戰經驗出發，深入探討什麼是「超級工作者」（Super Worker）、怎麼做到、又有什麼代價。從複製貼上地獄到 AI 小團隊珊珊坦言，一開始用 AI 做電子報的過程其實很「搬運」：每個段落用不同的 prompt 產出，寫完文案貼去生圖，生完圖再貼去排版，整天最常按的按鍵是 Ctrl+C 跟 Ctrl+V。她甚至試過號稱能串接 Canva 的 MCP，結果超級難用。轉折點是有一天她不再限定做法，直接跟 AI 描述想要的商業結果，AI 反而提出用 Python 腳本把圖文合成的方案。雖然她完全看不懂程式碼，但就像跟美編討論版面一樣，把元素的位置和規格告訴 AI，最後就真的做出來了。這次經驗讓她意識到：只要清楚自己要什麼，AI 已經能解決中間所有流程。用 Skill 讓 AI 像團隊一樣協作嚐到甜頭後，珊珊進一步用 Claude 的 Skill 功能設計了一套完整的電子報生產系統。運作方式像一個小團隊：一個「大主管」接收今天的題目和參考檔案，分派給負責思考內容定位的員工、負責撰稿的員工、負責製作圖卡的員工，層層接力自動完成。中間有一個關鍵的人類審核環節：所有產出會匯入 Google表單，珊珊在上面標注修改意見，AI 確認後不只執行修正，還會把學到的規則寫回 Skill，下次不再犯同樣的錯。她形容 Skill 就像交給新人的 SOP，裡面放的是自己想事情的方式、討厭什麼樣的內容、貓咪配圖不能被裁掉耳朵等各種細節。正因為這些標準沒有絕對的對錯，如果不主動告訴 AI，它就會隨便做。超級工作者不只是做得快什麼是超級工作者：國際知名人力資源分析師 Josh Bersin 提出的概念，定義為透過 AI 大幅提升生產力、績效與創造力的工作者。關鍵在於「大幅」！不是用 AI 回一封信，而是有系統地重新設計工作，讓 AI 成為基礎架構。這不是菁英專屬，任何職能都適用。
珊珊認為超級工作者的核心不在於速度，而是一個人能 cover 的職能比以前多更多。過去在專業分工的時代，編輯只能當編輯；現在有了 AI，編輯可以往前做使用者研究、往後做設計排版，甚至寫出過去需要工程師才能完成的試算工具。珊珊也分享了 Josh Bersin 提出的四個階段：從單純跟 AI 對話、到給它公司與部門的 context、到建立多個 Agent 協作的工作流、最後到完全自主代理。她認為自己目前在第二到第三階段之間，而對內容工作來說，完全自主未必是該追求的目標——需求的判斷和品質的把關，目前還是得由人來做。AI 讓你更強，也可能讓你更累珊珊坦承，用 AI 加速工作後反而更累、更焦慮。因為知道有一個不休息的數位員工隨時待命，就會忍不住一直下指令，完全失去離線時間。更深層的問題是，AI 把所有簡單的搬運工作都做完後，留給人類的全是需要深度思考的高強度認知工作。她也分享了一個反直覺的觀察：過去那些看似無聊的複製貼上，其實是讓大腦喘息的緩衝。如果人整天只做困難的事，真的做得下去嗎？這是每個開始深度使用 AI 的人都會面臨的課題。但珊珊的選擇很明確：她沒有因為做得快就多發電子報，而是把省下的時間拿去做 AI 做不到的事：跟更多不同領域的人交流，採集只有人能帶回來的故事與洞察。給個人與主管的行動建議對於想開始善用 AI 的個人，珊珊建議直接開啟任何一個 AI，把自己的工作角色、主要任務、KPI 告訴它，然後問「我的工作如果要請 AI 幫忙，可以怎麼開始？」跟 AI 學習如何用 AI，是目前最好的起步方式。對於企業主管，珊珊則強調「一定要自己下場玩」，不能只在旁邊喊加油。只有親身體驗 AI 能做什麼，才能重新設計團隊的工作流程。更重要的是，主管需要想清楚：當員工都被 AI 加速之後，有沒有準備好更多有價值的事情給他們做？當超級工作者開始 burn out 的時候，誰來關注他們的身心狀態？這些才是 AI 時代管理者真正該面對的課題。---AI 導入後，主管反而更忙在協調與收尾？能把團隊的好方法變標準流程才是關鍵！【5/7 降本增效團隊工作流】超過百位主管都在學第一堂 AI 管理課✨學好 AI 管理方法的5大優勢✨❶ 團隊總體產能提升，品質更穩定❷ 好方法可複製，擴散內部成功模式❸ 有工作流程與檢核點，能控制成果❹ 依循策略與行動邏輯，有評估標準❺ 有具體規範可把關隱藏風險❍ ┄ ┄ ┄【限時優惠】┄ ┄ ┄ ┄ ❍報名即享 78 折起！團隊共學更優惠即將開課⏰搶先報名➤ https://reurl.cc/X2LVAg---2026 全球100＋台灣20 AI實戰玩家名單正式揭曉！即刻解鎖：https://edm.bnext.com.tw/2026AI/ Powered by Firstory Hosting