📢程世嘉本集金句：
✨「知識管理是跨行業，在越大的組織越重要，但是找資料和資訊管制而層層簽核，都是企業無效率的地方。對話式界面可以改變這件事情！用自然語言，用問的、用查找，機器人或 AI 可以指引幾個方向，當我們有一個對話式的界面可以先做引導，他不是要完全取代，而是說，至少把一開始的摩擦力先去掉，也把外掛的簽核流程或精準資訊外掛上去，不要讓 AI 產生幻覺或安全性漏洞，他還是可以符合企業內部的組織規範，提升生產力非常多！」
✨「『降本增效』已被確定是在創造新的應用之外，AI 最能發揮效益的地方。當你的良率或生產效率已經達到 99 分，AI 再幫你加 0.5 分的效益很小，但如果 AI 能幫你整個組織的流程改善，提高員工生產力，你的利潤又可以再提升，你的毛利就可以再榨出來！所以要從降本增效來想，而不要去想說是不是要改變整個商業模式或是生產線，不用！台灣的大環境就是被動生產、被動接單。」
✨「台灣人是不擅長行銷的，我們只擅長在供應鏈裡面玩事情而已。作為一個個人在台灣，不要期待說會突然出現一個超級強大的 AI 經濟，沒有！因為我們就是被動生產的一個國家；那如果你想要發展自己的品牌、自己的新經濟，你就必須著眼國際，就跳脫台灣國家討論的範圍。」
📢本集來賓：
✨程世嘉 Sega／iKala 愛卡拉共同創辦人暨執行長，新書《AI 世界的底層邏輯與生存法則》作者
📢關於 AI 助理與 AI 技術最新進展：
✨AI 助理在哪些應用領域會很快產生明顯差異或衝擊？
✨不管是 Siri 還是 Google 助理到去年為止都還是很笨，為什麼今年會突然變聰明？
✨語音助理為何能力大躍進，變成具有視覺能力、時序記憶、空間推理能力的全方位助理？
✨具有圖像記憶及時空概念的空間智慧（Spatial intelligence），下一步將會如何發展？
✨OpenAI 在今年 3 月推出短影片生成 AI 模型 Sora，讓 AI 從語言推理進展到空間推理，類似遊戲產業開發過程的物理引擎，它可以拿來幹嘛？
📢關於 AI 模型、雲地混合部署：
✨AI 模型落地的發展趨勢為何？邊緣 AI 是否已經徹底成形？
✨為何 AI 模型已經開始雲地混合部署？都放在雲端不好嗎？為什麼也要地端自建呢？如何在成本最佳化與資料安全性之間取得平衡？
✨如果企業要在地端自建，如何評估要用幾顆 GPU 的算力資源並有效採購？
✨"GPU as a service" 開始成為主流了嗎？
📢關於繁中大型語言模型：
✨台灣是否需要建立自己的繁中模型？
✨跟大型科技公司所做的繁中模型相比，台灣自建的繁中模型日後會被輾壓嗎？會有競爭或消長問題嗎？是否需要及早思考如何行銷？
📢關於 AI 導入各產業應用：
✨為什麼 Sega 會說各行各業面對 AI ，與其過早投入，不如先躺平一下？過早投入會怎樣？
（金融業）
✨現在打電話到銀行客服可以用自然語言跟系統對話，取代原有的聆聽選單後按數字鍵，為什麼 AI 語音助理能在金融業率先落地？有什麼既有優勢？數據多、語料純？
✨AI 語音客服的好處是什麼？能提升服務品質與數量嗎？會取代真人客服嗎？AI 客服亂講話怎麼辦？
（製造業）
✨民間神速、企業牛步，為何大多數的製造業對於 AI 應用還是在摸索當中？
✨製造業對 AI 焦慮，應該如何部署 AI？如何先把資料的水管線路建置好？
✨台灣是否繼續走硬體製造、被動生產的路線？或有什麼新的 AI 應用策略？
✨台灣宿命論是什麼？為什麼想要跳脫既有模式就會有產