這頁是怎麼比的
這一頁把本站的 2025 筆記，對照另一份獨立整理的 2024 年會筆記來讀。兩份筆記對「什麼算是趨勢」採用同一個門檻：同一個主題要有至少兩位講者、跨至少兩個廳別提到，才會單獨成節。
這決定了「缺席」該怎麼讀：某個主題在某一年沒出現，代表它那年沒有成為主線，不代表現場完全沒有人提到。凡是 2024 只有零星帶過的，本頁都會明講。
一、兩屆規模對照
規模其實是收斂的：五廳平行變成三廳。這是整張表裡唯一可以直接比較的數字，而它與議程的走向一致 —— 廳別變少、主線拉長、講者之間互相回應的場次變多。
二、六條軸線後來怎麼了
2024 那份筆記把年會歸納成六條軸線。一年之後，沒有任何一條原封不動：三條主題還在但痛點換了位置、兩條結論整個翻轉、一條往上升了一層。另外還有四條主線，在 2024 完全找不到對應的源頭。
- 模型策略：RAG 還是微調？焦點位移三層垂直化架構兩派的對壘消失了。APMIC 的「主權／行業／企業」三層架構，把問題從「要不要微調」換成「微調哪一層、自己做還是買」。
- 在地化與主權 AI焦點位移還在，但瓶頸換成評測2024 缺的是可合法使用的資料；2025 缺的是能反映「商業上到底能不能用」的評測。
- 推論成本與硬體策略反轉算力回流地端2023–24 的預設答案「先上雲」，被成本、資安、主權三股獨立的力量同時鬆動。
- AI Agent：落地在望反轉Agentic AI 進入幻滅期從路線圖變成失敗模式清單。2024 筆記自評「AI agent 將成為主流」這項預測為未應驗。
- 資安攻防同步進化焦點位移風險重心從模型移到人台上點名的最大風險，不再是模型失控，而是員工把訂單價格貼進外部聊天機器人。
- 把 LLM 開發當工程管理升級從工程化上升到規模化問題往上升了一層 —— 從「怎麼做才對」變成「為什麼推不動」。
- 2024 無對應軸線全新Physical AI 與數位孿生2024 的六條軸線裡完全沒有實體世界，最接近的只有高通一句「裝置端 LLM 終將能驅動機器動作」帶過。
- 2024 無對應軸線全新評測危機2024 抱怨的是「沒有評測資料」；2025 主張的是「現有的評測本身已經測不出有用的東西」。
- 2024 無對應軸線全新缺工是台灣的第一驅動力不是降成本，是根本找不到人 —— 而這改變了哪些 AI 專案值得做。
- 2024 無對應軸線全新台灣路線之爭2024 談主權 AI 但沒有正面對撞；2025 有五位重量級講者，對同一個問題給出五種互相衝突的答案。
三、三個真正的反轉
焦點位移在相隔一年的兩場年會之間是常態。下面這三項不一樣 —— 2025 的結論與 2024 的結論互相牴觸。
AI Agent 的位置
2024各家都在畫路線圖。玉山把「AI Embedded → AI Copilot → AI Agent」列為三階段、以 agent 為終點；遠傳把 agent 平台當成核心能力基礎在建；聯發科形容 agent 之間會像藍牙配對一樣互相協作。工研院給了最具體的成效：直接把 X 光丟給多模態模型有 50–60% 的錯誤率，而拆成「判斷臨床情境 → 判斷影像類型 → 判斷發現」的鏈式流程後，正確率達 90% 以上。
2025幾乎所有講者改談它的難處。和碩用自家數據呈現 agent 使用高度破碎化（「試了就陣亡」），並引 Salesforce 研究指出 MCP 工具接得越多、準確率掉得越兇，部分場景僅剩 33%。91App 的電商上架流程演化了四版，最終答案是 Rule Engine 40% + AI 50% + 人工 10%。
地端與雲端的預設答案
2024討論集中在「不管跑在哪，先把算力成本壓下來」。群聯用 NAND SSD 擴充 GPU 記憶體，把 90B 模型的地端訓練從 3,000 萬元降到 100 萬元以下；國網中心則主張跨供應商採購（H100、A100、MI300、Gaudi 3），不把賭注押在單一選項上。
2025思科直接給出損益兩平點：以每分鐘約 250 個推理請求估算，地端建置成本約 1.5–2 年即可打平雲端 token 費用。同場並指出每個 agentic engine 平均對語言模型有 8–14 次重複確認請求 —— agent 架構本身就是 token 放大器。LINE Taiwan 則因商城搜尋量體太大、商用 API 成本不堪負荷，改用地端可控的開源模型。
benchmark 還有沒有說服力
2024數字就是論據。TAIDE 以 EduTAIDE 的 76% 通過率對比 GPT-4o 的 51%；聯發創新基地為 Breeze 2.0 建立繁體中文 BFCL 評測集。排行榜名次是模型能力的通用貨幣。
2025貨幣本身被質疑。APMIC 逐篇分析 Gemma 3 官方引用的 34 篇評測，發現 80% 是選擇題，而商業實務幾乎都是問答題；篩出問答題型的評測後，正確率普遍不到 80 分（多在 70 分左右），11 項中僅 4 項及格。「我的模型在某某榜上第幾名」不再是一個有說服力的商業論證。
水的深度不能用磅秤來秤。APMIC 吳柏翰，談評測有效性 · 2025
四、2025 才出現的四條主線
Physical AI 與數位孿生
今年最大的新增主線，而且是從四個完全不同的產業位置同時逼近。核心命題由瑞昱講得最白：即便 ChatGPT 可以告訴你怎麼騎腳踏車，事實上它是不知道什麼是騎腳踏車的。
數位孿生今年被大量提及的原因是成本，不是「看起來像」。廣運提煉出三大障礙：實際可用的真實數據僅約 10%、懂訓練的工程師稀缺且昂貴、實體測試昂貴 —— 單台人形機器人約 400 多萬元，訓練 20 台恐達數億元。台達則給了最反直覺的判斷：
量產的時候數位孿生能夠做的事情其實不太多 —— 如果你要看很像的，你就看實體就好了嘛；數位孿生真正派上用場的，其實是試生產的階段。台達陳聖華 · 2025
另有一個 2024 完全沒有的產業訊號：廣運提到台積電今年已在部分管路案要求廠商交付 USD 資產，機器人供應商交易也開始要求交付 URDF。數位孿生正在從「內部工具」變成交付規格。
評測危機
2024 說的是台灣缺評測資料 —— 評測題必須由領域專家出，工程師出的題目讓模型止步於 70 分左右，而 iKala 在缺乏官方評測資料時改用國家考試題庫替代。2025 提出的是更強也更奇怪的主張：現有的評測，已經和商業可用性脫鉤了。
這條線的建設面是「刻意自建在地評測」：Twinkle AI 建了含台灣國考題庫的 TMMLU+，正因為通用英文評測測不出繁中場景到底能不能用。APMIC 的結論則是企業與產業必須共同建立專屬評測標準，不能依賴廠商拿通用評測宣稱「這模型很強」。
缺工作為第一驅動力
這是台灣現場與國際論述差最多的一點，而且在 2024 完全沒有對應的軸線。歐美論述的主軸常是「AI 會取代工作」；台灣現場的主軸是「沒有人可以被取代，因為根本找不到人」。
- 政策論壇 —— 25–35 歲 AI 人才結構性短缺，出生人口從 40 萬降到 20 萬。
- 雄獅旅遊 —— 導入大量 AI 之後公司仍缺 500 人，目標是用同樣 2,000 多名員工，把 300 億營收做到 600 億。
- 陳昇瑋紀念講座 —— 農業案例幾乎全部源於缺工，而農民的標準很殘酷：機器分級單線每分鐘 600 顆，人工每分鐘 2,800 顆。AI 還沒贏。
這解釋了為什麼台灣的 AI 導入案例普遍是擴增而非自動化取代，也解釋了為什麼人機協作在台灣不是折衷方案，而是唯一可行解。
台灣路線之爭
2024 確實談了主權 AI，主權 AI 場次甚至已經主張「模型是暫時的，資料是永久的」，反對以不到 2 億元預算、72 張 H100 去對打 Meta 約 24,000 張 GPU 的規模、從零訓練前沿模型。但那只是單一立場，沒有形成對撞。
2025 有五位重量級講者對同一題給出互不相容的答案，分歧點在於「台灣要不要碰模型」：華碩說要（算力 × 模型 × 應用三角優勢）；瑞昱說不要（做可硬體化的 System 1 反射迴路，不做雲端大腦）；政策論壇與 AIA 閉幕說繞過去（做應用）。政策論壇上有一句把資源配置講得最白：
只有兩個人可以救台灣：機器人跟外國人。陳正然，政策論壇 · 2025
五、2024 講、2025 不再講的
退場的主題和熱門的主題一樣能說明產業的位置。下表每一列在 2024 筆記裡都佔有份量，在 2025 筆記裡則不是消失、就是被降級。
| 退場的主題 | 2024 的樣子 | 2025 的去向 |
|---|---|---|
| RAG 與微調的二元對立 | 兩派橫跨整份議程對壘 —— 意藍資訊、精誠、新漢站 RAG，TAIDE、Temple AI、群聯堅持微調，雙方都拿得出量化結果。 | 二元對立解消。微調變成「哪一層」的問題（主權／行業／企業），檢索則轉為 Agentic RAG，不再於設計期寫死流程。 |
| 資料授權與語料瓶頸 | 自成一條軸線：維基百科上合法授權的台灣相關圖片僅約 1,300 張、繁體中文約佔開源 LLM 語料的百萬分之四，向政府要資料得到的回覆是「自己爬」。 | 問題仍在，但退為背景。檯面上的痛點換成評測，而不是語料規模。 |
| No-code／低程式碼平台 | 2024 明顯的一波 —— 廣達 QOCA 把醫療影像模型建置從兩週壓到兩小時、先知科技的製造瑕疵檢測、微星 AI Artist，全都瞄準沒有 AI 人才的中小企業與醫院。 | 不再是獨立主線，只以「技術門檻大幅降低」的註腳之一存活，與 vibe coding、開源模型並列。 |
| 模型排行榜比較 | 分數就是論據，在各廳被自由引用作為能力證明。 | 被「這些評測到底測不測得出商業意義」的質疑取代。 |
| AI 治理獨立成塊的議程份量 | 配置了大量時段：Day 2 上午整場治理論壇、一個獨立的工作坊廳別（Day 2 下午整個下午做資料治理），以及把 ISO 27014 管理審查機制直接套用到 AI 導入的演講。 | 併入 AI 安全論壇，不再獨立成塊。《人工智慧基本法》在年會期間仍在立法院審議，2025/12/23 才三讀通過。 |
六、2024 的預測，在 2025 現場驗證了什麼
2024 那份筆記做了一件少見的事：把該屆現場提出的十一項前瞻主張列出來，逐項對照後來的證據評分。大約一半站得住腳，而規律是 —— 方向對的次數，多於時間點與規模對的次數。
- 應驗 · 4
- 部分應驗 · 3
- 未應驗 · 2
- 待觀察 · 2
- 未應驗AI Agent 將在企業端成為主流2025 年會就是現場印證：和碩自家數據顯示使用高度破碎、試了就陣亡，91App 實際出貨的架構最後是 Rule 40% + AI 50% + 人工 10%。
- 待觀察企業將不再微調，全面改用 RAG2025 給了反方向的證據：APMIC 引 UBS 研究稱 86.6% 企業表示需要微調、NVIDIA 研究稱 70% 的 AI agent 需要 SLM 優化。趨勢不是「不再微調」，而是微調得更小、更垂直。
- 應驗群聯 aiDAPTIV+ 以儲存擴充記憶體、降低地端訓練成本2025 把這個想法推成獨立主線：算力回流地端，思科並給出約 1.5–2 年的損益兩平點。
- 應驗Breeze 系列將持續發表2025 現場可見：在 50 個原本出錯的護照 OCR 案例上，量級小很多的 Breeze 2 表現優於 Gemini；旅遊 Chatbot 以 3,000 筆問答比對，與專家回答相似度達 90% 的可用標準。
- 部分應驗《人工智慧基本法》與資料治理專法基本法於 2025/12/23 三讀通過、共 20 條，主管機關為國科會；資料治理專法則未單獨立法。
- 部分應驗TAIDE 將推出多模態模型文字模型持續迭代，但多模態版本並未推出。2025 現場的在地模型討論重心，已明顯移向 Breeze 2 以及 TMMLU+ 這類刻意自建的在地評測。
- 未應驗前沿模型將收斂到兩三家，那是最危險的時刻市場上仍有十家以上前沿模型供應者。2025 的小模型與垂直化主線走的正是相反方向 —— 分散，而不是收斂。
七、主題涵蓋對照
整個對照的一張總表。這裡評的是每個主題在該年「趨勢綜整」裡的份量，不是它在會場上被說了幾次。
| 主題 | 2024 | 2025 |
|---|---|---|
| RAG 與微調的路線之爭 | 主線：獨立成軸或成節 | 有記錄，但附屬於其他主線 |
| 主權 AI 與在地模型 | 主線：獨立成軸或成節 | 主線：獨立成軸或成節 |
| 資料授權與語料瓶頸 | 主線：獨立成軸或成節 | 有記錄，但附屬於其他主線 |
| 評測有效性 | 有記錄，但附屬於其他主線 | 主線：獨立成軸或成節 |
| 推論成本與硬體策略 | 主線：獨立成軸或成節 | 主線：獨立成軸或成節 |
| 地端與雲端部署 | 有記錄，但附屬於其他主線 | 主線：獨立成軸或成節 |
| AI Agent | 主線：獨立成軸或成節 | 主線：獨立成軸或成節 |
| 小模型與垂直化 | 有記錄，但附屬於其他主線 | 主線：獨立成軸或成節 |
| 機器人與具身智慧 | 有記錄，但附屬於其他主線 | 主線：獨立成軸或成節 |
| 數位孿生／OpenUSD／URDF | 未出現在該年的趨勢綜整 | 主線：獨立成軸或成節 |
| 資安攻防 | 主線：獨立成軸或成節 | 主線：獨立成軸或成節 |
| AI 治理與法規 | 主線：獨立成軸或成節 | 有記錄，但附屬於其他主線 |
| 工程方法論與成熟度模型 | 主線：獨立成軸或成節 | 有記錄，但附屬於其他主線 |
| 組織規模化 | 未出現在該年的趨勢綜整 | 主線：獨立成軸或成節 |
| No-code／低程式碼平台 | 主線：獨立成軸或成節 | 未出現在該年的趨勢綜整 |
| 人機協作 hybrid | 有記錄，但附屬於其他主線 | 主線：獨立成軸或成節 |
| 缺工作為驅動力 | 未出現在該年的趨勢綜整 | 主線：獨立成軸或成節 |
| Context Engineering | 未出現在該年的趨勢綜整 | 主線：獨立成軸或成節 |
- 主線：獨立成軸或成節
- 有記錄，但附屬於其他主線
- 未出現在該年的趨勢綜整
一句話版本
2024 的年會在問「AI 能不能用在我的產業」；2025 的年會在問「用了為什麼還是推不動」。
六條 2024 軸線沒有一條原封不動 —— 三條痛點位移、兩條整個反轉、一條往上升級。而真正全新的東西全部指向同一個方向：離開螢幕裡的文字，走向工廠、機台，以及那個怎麼樣都找不到人來上的班。