生成式 AI 怎麼處理辨識意圖（Intent）和深度思考（Deep Thinking）

螢幕截圖理解（Screen Understanding）是一個很重要的進展，因為現在的螢幕理解，進展已經幾近超乎人類的能力，如果這件事情更突飛猛進的爆發，AI Agent 就會進展到一個全代理、協助你處理一切人類工作的任務。從開發者 / 使用者視角，到營運經理的視角。Gemini 3 pro 已經可以在實際的模擬問題中，透過虛擬販賣機經營，處理採購、定價、庫存、客服，包含調度、決定產品策略、業務以及售後客服，這個進展從「理解 > 規劃 > 推理」能力的大幅提昇，在任務型的代理工作（Actions），已經成為可行，這將大幅影響人類未來的工作，雖然這並不代表 AI Agent 可以全代理人類任務，但現在針對重複性任務，相對於過往這個進展卻僅僅過了 3 年（2023-2025）是非常難以置信的。

語言邏輯居然某種程度上可以代表數學邏輯

語言模型（LLMs）在閱讀海量資料文獻後，已經進展到可以推理、代理的能力。而這個進程在研究背後，令人訝異的是透過語言邏輯的推理學習，竟然可以解決某種程度的數學邏輯問題。這個發現也許是前進 通用 AI 的道路，很可能未來會進展到創造、決策的代理。

現在許多人的關注點，都在「如何影響 AI 的看法」

過往的搜尋模式，轉換到現在的 AI Mode 搜尋代理模式，已經明顯出現許多人正在競逐如何影響 AI 對於某事物的看法，這種 AI Search 是一種全新的廣告模式。全新的 AI 應用和商業模式正前仆後繼的高速發展，超大型的模型仍然在優化，更快、更好、更準確的模型仍在推出，雲端 AI 的模式目前方便性足夠，尚未需要考慮到不連網場景上的關注；Edge AI 的邊緣運算，透過不連網的裝置使用 AI 的模式，目前還言之過早，但大規模的 AI 典範轉移正在發生。

從知識經濟到創新經濟

邁向 AI Agent 無所不在的時代，現在是基礎建設階段，這是確定的事情。過往我們透過知識經濟，利用販售知識、經營知識、轉換知識成功在不同的商業模式中轉型；而未來當知識經濟的模式將逐漸被取代，很可能的場景革命就會轉換到創新經濟的發展，會轉換成什麼樣式目前仍不明朗，但販售創新、經營創新、轉換創新模式獲取價值，也許會是一個方向。今年（2025）的季度，在電商場景中 AI 推薦模式已經成功推升購物轉換 20% 以上的轉換率，且還在成長，在過程中也發現人們更喜歡這樣的購物模式，且已經研擬出新的 AI Agent 商業模式，在電商場景的未來，數位廣告模式也許不是廣告費，而是企業主提供購物分潤（Commission）作為推薦交易報酬。

知識的界限 vs. 想像力的無限

過往人類花了非常多的努力在傳遞知識，而經由知識的傳遞所衍生出來的商業模式和機會，很可能在未來不那麼重要，人類的行為模式不是為了學習工具，而是獲得知識價值背後的實質意義。

愛因斯坦強調了創造性思維在科學與人生中的核心地位，意指知識是有限的（過去的累積），而想像力能超越界限、涵蓋一切並推動進步，是提出新問題、引導科學發現的源泉。他認為，提出問題比解決問題更重要，因為問題的提出需要想像力，標誌著真正的科學進步。

回到現在，生成式 AI 賦予人類的全新視角與能力，用彈性、靈活的方式將 AI Agent 應用於獨特的個人體驗，不被現有知識所束縛，培養獨立思考與創新的精神，也許是 AI 與人類深度互動並一同描繪未來的答案。人類與 AI 共同創造的超未來、構築而出的真正的飛躍，往往來自於超越已知、放飛想像的造夢能力。 

AI 時代最需要的能力：觀察力＆專注力

當我們開始問一個淺而易見的問題：『你覺得你會不會被騙？』或是說『你確信你都不會被騙？』

這個問題很值得討論。信任外包本身不是一個問題，我們當然可以信任 AI 且把任務交付給 AI 去執行。但是我們每天都被餵食大量的資訊，如果把時間拉長、大量但緩慢而穩定的輸出資訊到你的腦迴路，你將很難意識到自己正在被騙。詐騙這個議題，在 AI Agent 時代未來一定會發生很嚴重的問題，只是現在還沒有真正讓社會意識到，而「反詐的應用」將首先因應未來的時代，產生巨大的價值。

被 AI 騙的心甘情願的另一種思考

許多人現在很擔心被 AI 騙，擔心 AI 幻想、幻覺或是錯誤資訊，進而引導到錯誤的決策。但身在人類社會，我們不也每天被騙嗎？無論是職場、朋友、家人、學校，我們的世界存在許多謊言，而用新的角度來看資訊利用、資料分享以及可接受的 AI 謊言，習慣查證、反思、挑戰和持續與模型對話，應用 AI 與之成為可信的夥伴，將能更游刃有餘的發揮自己的 AI 創造力。

開始反台灣價值，用反工廠型用制造成本看 CP 值的思維

M 型化的 AI 遊戲場景正在開始，付費模型和免費模型是不是正在加速財富差距？

儘管現在許多人的生活應用已經開始大量採用 AI，但付費使用頂尖 LLMs 模型的用戶仍然非常少數，以台灣來說目前大概佔 17%，而這已經在用戶之間的 AI 軍備能力形成巨大的資訊能力落差。

『不要老想著省錢，要想著賺錢。』

台灣獨特的教育思考環境，創造了典型的生產線思維，也成就了世界工廠和眾多聽話的勞動者。『人無我有 >人有我優 > 人優我廉 > 人廉我轉』甚至成為了中小企業金句。但過度追求 CP 值的思維深入骨子的結果，我們往往只看 CP 值中的 C （成本）而下意識地忽略 P（價值），彷彿只要成本結構下達到物美價廉就是一切。如果用創造價值這件事情，來討論現在的生成式 AI 即將造成的產業衝擊，創造貴但價值性更高，同樣達到高 CP 值的產業價值，也許是台灣中小微企業因應未來 AI 產業衝擊的最終解答。