AI工具 & 智慧製造

  挑選值得交給 Agent 的工作， 他先提出三個條件： 1》經常重複、 2〉耗時但判斷含量低、 3》輸入輸出都是數位的， 才值得交給Agent。 #用AI_Agent自動化節省時間，才能保有追求價值或熱情事物的餘裕 用各種科學方法追求高效、又最會鞭打自己的修修 Shosho Chang 開課了！ 還是用AI Agent 自動化工作流程的課，這堂課就是該由他來開，好期待！ 一直很喜歡修修那種理工腦。他研究運動、睡眠、營養、生產力，總是很認真地把各種研究和方法拆開來看，自己實驗，再整理成一般人也聽得懂、跟得上，還能自己驗證的步驟。 有趣的是，他這麼努力研究如何提高效率，追求的卻是可以少工作一點，有更多時間過自己想要的生活。 這次他花了五個月，把自己的研究、信件管理、內容創作等工作重新設計成 AI Agent 流程，還特地去考了 Anthropic 官方的 Claude 架構師認證。 讓我很好奇，他到底把自己的工作改造成什麼樣子？ 現在很多人都已經會用 AI 工具了。寫信、整理會議紀錄、分析資料、製作簡報，對不少職場工作者來說，應該已經是日常。 但想想你的一天。 早上打開 Email，看到主管交辦的工作，先到雲端硬碟找資料，丟進AI請它整理重點，再把結果複製到 Word。接著打開 Excel 更新進度，登入公司系統確認數字，最後回到 Email，向主管回報。 每個工具都很好用，AI 也確實幫上不少忙，但把這些介面串起來的，還是你自己。 我們以為自己在使用工具，其實每天都花了不少時間在「幫工具跑腿」、搬運結果。 我現在在做公司的數位發展計劃，教公司的數位大使用AI增進自己的效率，也自己找PM、帶PM，開發公司的系統與自動化流程，我一直在思考，做到怎麼樣大家才是真正「學會使用AI」？ 如果今天要我判斷一個人使用 AI 的能力，我想我會看三個層次。 #第一層是會問。有問題就問 AI，得到答案，再自己接著做。 #第二層是會交辦。把重複的工作整理成固定步驟，讓 AI 可以重複完成，不必每次重新交代。 #第三層是會設計跨工具流程。讓 AI 在不同工具與工作步驟之間協作，知道什麼可以自己完成、什麼需要人來確認。 第一層讓你做得更快，第二層讓工作不必每次從頭做，第三層則開始讓整個流程不必每一步都靠你親自推進。 越往上走，需要的能力也越不一樣。 當 AI 只是回答問題，錯了就叫...

  https://www.facebook.com/share/v/1CX6jMf5z8/?mibextid=wwXIfr

 

 台灣牽動 50 國產業脈動！ #全球半導體價值鏈 根據全球安全與創新高峰會一份引用國際戰略研究所、半導體產業協會和波士頓顧問集團數據的簡報指出，美國在半導體價值鏈的設計和智慧財產權層面占據主導地位，而東亞經濟體則在製造、材料和封裝方面處於領先地位。 根據報告內容分析，美國在全球晶片設計領域占 51%，在電子設計自動化（EDA）和智慧財產權領域占 68%。另外，在半導體製造設備方面也處於領先地位，占據全球 47% 的比重，但在晶圓製造和組裝、測試及封裝（ATP）產能方面僅占 10%和 3%，這凸顯了其在先進生產方面對亞洲合作夥伴的依賴。 歐盟在晶片設計領域占有 10% 的市占率，在 EDA/IP 領域占有 25% 的比重，在設備和工具領域占有 18% 的規模，在晶圓製造領域占有 8% 的比例，在 ATP 領域占有 3% 的比例，在高階工具和汽車級半導體領域保持領先地位。 日本在上游供應鏈中仍占優勢，擁有 26% 的設備和工具以及 12% 的材料市占率，但其晶圓製造比例僅為 17%。韓國則分別占晶圓製造的 17% 和材料的18%比例，這反映了其作為主要半導體製造中心的地位。 至於，台灣則是全球製造業的關鍵，晶圓製造占全球 18%，材料供應占 28%，先進技術應用（ATP）占 28%，使其成為先進封裝和終端整合不可或缺的一部分。而在中國部分，晶圓製造占 24% ，在先進技術應用（ATP）領域以 30%的占比領先，這反映出其在組裝和測試業務中日益重要的地位，儘管其在晶片設計（6%）和EDA/IP（僅 3%）方面的比重仍然有限。 整體來說，美國、歐盟、日本、韓國、台灣和中國這六大經濟體加起來，占據了半導體價值創造的絕大部分。資料還顯示，半導體瓶頸，尤其是在先進製造和封裝等領域仍然集中在東亞地區。分析師警告稱，這些地區任何環節的中斷都可能對依賴晶片的各行各業產生連鎖反應，從消費性電子產品到國防系統，無一倖免。至於，半導體供應鏈涉及 50 多個國家，涵蓋各個專業環節，因此，如果沒有大規模投資和多年的協調，完全將生產遷回本國幾乎是不可能的。平均來說，一顆晶片的供應鏈就直接關係到 25 個國家。 #半導體 #供應鏈 #semiconductor #supplychain #valuechain

 最近跟  天下雜誌 總主筆陳良榕（阿榕伯）有了一場對談，過程中阿榕伯突然下了一個震撼的論斷：「（科技）記者這個行業 ，as we know it，大概結束了啦。」這句話來自一個在這行幹了二十多年、建立起無數高價值人脈、寫出過世界級獨家報導的頂尖記者。 ​ 這句話也讓我開始重新思考：在一個 AI 可以瞬間整理全球公開資訊、產生流暢文章、甚至翻譯專業內容的時代，記者（特別是科技記者）還剩下什麼價值？ ​ 在開始長篇大論以前，還是要力推一下阿榕伯的電子報《胡說科技》，現在3 個月體驗價只要 $790（原價 $900）：https://bit.ly/4oNSYNw ​ -- ​ 首先，我得先承認自己的限制。嚴格來說，我的工作流程是 Google、翻譯、整理，最後加些自己的主觀意見後打包出來給大家。我經常有個半開玩笑的座右銘：「絕對不要寫任何跟台灣有關的東西」，除了因為蠻多領域都有認識的朋友、所以避免捲入紛爭以外，更因為台灣當前主流的科技製造業和半導體產業水太深，需要極深的專業知識和人脈網絡，這是我完全無法觸及的領域。 ​ 阿榕伯的電子報《胡說科技》恰恰就在做這件最難的事。我不是在謙虛，而是清楚認知到在資訊取得的能力上，我和真正的資深記者之間，存在著一道難以跨越的鴻溝。這道鴻溝叫做「隱藏知識」。 ​ -- ​ 什麼是隱藏知識？阿榕伯給了一個清晰的定義： 隱藏知識就是那些不存在於網路上、無法透過 AI 抓取、只能透過深度人脈和信任關係才能獲得的資訊 。這些資訊往往就是商業決策的關鍵，是市場轉折的前兆，是真正能讓讀者「賺到認知差」的東西。 ​ 他舉了一個經典例子。十多年前，張忠謀剛宣布台積電要做 CoWoS（當時稱為 3DIC）技術，但沒人知道那到底是什麼。阿榕伯的做法很有意思：他跑去用 IEEE Explorer 資料庫，用寫碩士論文的方式去找最好的 review 文章，然後直接 Email 給那位學者。 ​ 該名學者非常高興有人認真研究他的工作，並在之後的層層引薦下，最後的關鍵線人向阿榕伯透露了一個當時幾乎沒人知道的觀點：「 真正的競爭關鍵是在封裝技術，而不是在先進製程。 」 ​ 這個案例完美展現了專業記者的方法論： 從公開資料建立框架 → 找到領域專家 → 獲得深度洞察 → 提前看到產業轉折。 而最關鍵的是最後一步：這些洞察在當時「不存在於任何公開資料中...

  這兩天半導體板塊中表現最好的，當屬AMD和Intel，兩者有甚麼共通點？答案就是CPU。 ​ 這兩天，有家機構KeyBanc發表了研報，表示AMD與Intel在2026年的伺服器CPU產能，已基本售罄。 ​ 這意味著市場需求之強勁，已經遠遠超出了兩大巨頭的供應能力。更關鍵的是，當商品供不應求時，賣方就掌握了絕對的話語權。報告指出，AMD與Intel正考慮在2026年第一季度將伺服器CPU的價格上調10%至15%。 ​ 過去，AMD的增長主要依靠提升市佔率、賣出更多的晶片，是一種「以量取勝」的策略。而這次，它終於有了「定價權」。這也是華爾街最樂於見到的劇本：銷量與利潤率的雙重擴張。 ​ 你可能會問，AI時代的主角不是GPU嗎？為何伺服器CPU會如此短缺？ ​ 關於這點，我在半年前的電子報中曾經詳細分析過，我將部份內容和大家分享一下。 ​ ▋被忽略的「推論」需求大爆炸 ​ 許多人簡單地認為CPU在AI中不那麼重要，但這是一個危險的誤解。 ​ 事實上，CPU的角色會根據戰場的不同：「訓練」（Training）或「推論」（Inference），而發生根本性的轉變。 ​ 而理解這個轉變，對於建構一個高效、不浪費資源的AI系統至關重要。 ​ ▋訓練階段的CPU：機場的總設計師與建造總監 ​ 你可以把 AI模型的「訓練」過程，想像成一項從零開始、規模宏大的基礎建設工程：建造一座全新的國際機場。 ​ 這是一個一次性的、目標明確的龐大專案，旨在打造一個能處理巨量流量的基礎設施。 ​ 在這個建案中，GPU是核心施工團隊： ​ 它們是那些擁有巨型起重機、鋪路機、航站樓鋼結構團隊的重型機具與專業人員。它們負責實際的跑道鋪設、航廈興建等核心建造工作。 ​ 機場多久能建成啟用，根本上取決於這些施工團隊的效率和力量。 ​ CPU則是建造總監，它的工作不是親自去鋪跑道，而是作為整個專案的大腦，確保數千個環節無縫銜接。它負責： ​ - 物料調度：確保源源不絕的建材（數據）經過預處理後，能準時送達施工現場（GPU），避免工班因缺料而停擺。 ​ - 進度管理：在每個關鍵施工階段（如地基完成、主體封頂）設立「里程碑」（檢查點），詳細記錄工程進度，以防意外導致前功盡棄。 ​ - 跨團隊協作：如果這是一個涉及多個工區（多節點訓練）的超大型機場，CPU就負責確保電力、水利、通訊等不同施工隊之間的工作...