我們今天講的AI，其實有兩種智慧：

第一種，叫做程式邏輯智慧：輸入 X，必定輸出 Y。沒情緒，沒猶豫，跟機械手臂一樣。我稱之為舊AI，一個指令一個動作，這種智慧，很適合用來做機器與程序精準的控制。

第二種，叫做類神經智慧：輸入 X，可能得到好多種 Y的機率，我稱之為新AI。就像你問ChatGPT三次同樣的問題，它會給你三種版本，答得都對，但角度不同。這種智慧，不再只是照表操課，而是像人一樣學習、推論、適應、創造。發展出來的智慧也稱為大語言多模態模型，可以了解客戶自然語言中的隱藏意圖與多重意圖，也可用於客戶服務、資料庫的口語化查詢、與任務的拆解。

舉例來說，當你跟AI說: 請幫我安排馬來西亞的行程。第一種智慧，因為你的指令不清楚，如果沒有事先告知這句話後面的意思與邏輯，它就無法確實執行。而第二種智慧，能從上下文中瞭解這句話背後的隱含意圖是旅遊還是商務行程？ 也瞭解這句話的多重意圖包含了訂機票，訂旅館，訂餐廳，訂細節等等的工作項目，還要彼此銜接。
第一種智慧相當成熟，而第二種智慧，在2025年有了新的變革，開源模型（LLM的Deepseek與World model的Groot n1)有可能讓企業專屬語言模型與人型機器人遍地開花。

當我們談到開源模型的時候，第一種智慧給你的是程式碼，企業可以更改程式碼滿足自身的需求。第二種智慧，主要給你的是神經網路上參數值的權重，企業必須要用自身的數據，進一步微調開源模型參數值的權重，來滿足自身專屬的需求。

這種用專屬數據來微調開源模型的做法，目前在台灣非常成功的個案並不多，卻發現一個殘酷現象：許多 AI 專案不是誇張喊停，就是悄然無聲的暫緩。在經過多年努力之後，似乎沒有看到台灣企業在專屬大語言模型應用上的代表作。

企業成功的原因不一樣，但是失敗的理由卻很類似。這不是個案，而是常態。到底是哪裡出了問題？是……