科學人／簡立峰：臺灣擁有「看不見的AI」實力

圖／midjourney、shutterstock；設計合成／李婉琪

重點提要

在人工智慧（AI）浪潮席捲全球的今日，很難找到像簡立峰博士一樣，同時具備科學家的前瞻視野、企業家的實踐能力，以及對國家發展懷有濃厚情感的觀察者。他是臺灣第一位研究「語言模型」（language model）的博士，也曾擔任Google臺灣董事總經理長達14年。身處全球資訊科技巨擘的核心，他見證了AI從理論走向實踐的每一步。如今，退休後的簡立峰身兼數十家企業、法人機構的顧問，以一種前所未有的角色，試圖把他所預見的未來，傳達給國內有影響力的各界人士，轉化爲帶領檯灣前行的行動力。這一次的訪談，不是一位企業家的生涯回顧，或是經營一家科技公司的獨門心法，而是一場對臺灣的深刻預言，因此《科學人》特別把原訂的「我是企業家，也是科學人」專欄擴大篇幅爲「封面故事」，刊出完整的訪談內容，以期更多讀者可以從中獲得啓發與助益。

林大涵（以下稱林）：許多人認爲AI是近幾年纔開啓的熱潮，但早在40年前你就已投身其中。能否帶我們聊聊1980年代的臺灣，在這個領域的研究氛圍是什麼樣子？

簡立峰（以下稱簡）：說來或許令人驚訝，1985年我在臺灣大學念研究所時，臺灣學術界對AI的研究氛圍，甚至比現在還要狂熱。當時，AI被視爲下一個世代的重大科技，政府傾注了國家級資源，編列一億多元新臺幣的預算，準備發起一場由上而下的「造山運動」。臺大資工所特別針對AI的發展，派了八位教授前往美國史丹佛大學進修一年；暑期學校邀請來的講者，全都是國外的大學教授，講授最前沿的AI知識。那時候，整個臺大資工所的重心幾乎都轉向AI，從自然語言處理到電腦視覺，我們都懷抱着打造出人形機器人的美好理想。但是真正進入研究階段的時候就發現，理論與實際有落差，什麼研究方法都不懂，研究環境也沒有跟上國際水平，全部都得從無到有。

林：你是臺灣第一位研究語言模型的資訊博士，這個在ChatGPT時代人人皆知的名詞，在當時意味着什麼？

簡：在那個時代，「語言模型」還非常冷門，我的博士論文發表時，國際權威的電機電子工程師協會（IEEE）纔剛剛爲「自然語言處理」這領域創立專門的期刊，《IEEE音訊和語言處理學報》（IEEE Transactions on Audio and Speech Processing）。我的論文就刊登在它的1993年創刊第二期上，這足以說明當時這個領域有多麼新。畢業後我進入中央研究院，還有人問我，爲什麼要選擇這麼冷僻的題目？我的回答是：「就是因爲做不出來，才值得在中央研究院做。」這句話反映了當時的困境與挑戰，沒有現成的方法、沒有足夠的數據，一切都得自己摸索。如果當時有人告訴我，這個領域的突破要等上40年，我可能會選擇晚一點再投入。

林：你在Google的14年，正是AI從學術界走向產業界的關鍵時期。這段經歷如何形塑你對AI發展的核心觀點？

簡：加入Google是我職涯的關鍵轉捩點，它讓我從根本上理解「數據」的決定性力量。2006年我剛加入Google時，語言模型這個領域太新了，根本招聘不到人，所以我先從「Google翻譯」開始，我是這項專案的第四位科學家，也是唯一講中文的科學家，現在Google翻譯中文版的早期版本，就是我參與改進的。那時我的同事告訴我一個顛覆性的觀念：過去所有的理論，包含我們信以爲真的概念，都可能因爲數據量太少而無法驗證，等到哪天網際網路的資料足夠龐大的時候，一個相對簡單的方法就會應運而生，到時候只要餵給它足夠多的資料，其成效就能遠遠超越任何精巧的理論。這段話讓我領悟到，AI發展的瓶頸從來不是理論不夠好，而是資料量體不夠大。過去我們浪費了太多時間在沒有數據支持的理論上。從那一刻起我意識到，只要數據量持續增長，AI的進步將會越來越快，呈指數級成長。

林：ChatGPT讓世界爲之震撼，但你曾說它是「果」而非「因」。能否爲我們解析，是哪些關鍵的技術種子，促成這顆巨大的果實？

簡：的確，ChatGPT是過去十幾年技術積累的成果。其中最關鍵、但較不爲大衆所知的技術突破，第一項是在2013年前後成熟的「詞嵌入」（word embedding）技術。這個技術讓機器能夠理解詞彙的「語意」，而不僅是字面符號。例如，它能知道「大學」和「university」的語意幾乎一樣，即使它們本來出現在兩種完全不同的語言裡。這是分析地球上所有資料，找出詞彙共同出現的前後文（context）關係來實現的。

這裡有個關鍵，由於是從地球上的文本中尋找詞彙的相關程度，語意相近的文本組成的詞彙大同小異，因此可以把詞彙當做某種特徵，再利用一個七、八百維度的向量描繪這個特徵，經過「分羣」之後，利用神經網路訓練每一個特徵。

這種做法可以清楚地看到，在不同語言裡的某些詞彙向量幾乎共用相似的特徵，比對兩者就可以進行所謂的翻譯。今天的ChatGPT因爲把不同的語言優化在同一個向量空間裡，所以我們用繁體中文輸入訊息，經過它轉譯成向量，再從向量空間比對語意，就能獲取其他語言在網路上能找到的文字訊息。這項方便的技術，是非常傑出的成就。

第二項更關鍵的突破，是2017年Google在深度學習轉換模型（transformer）中提出的「注意力」（attention）。「詞嵌入」處理了「詞彙」層級的語意，「注意力」則解決了「句子和篇章」層級的長距離依賴關係，讓AI模型能理解文章開頭的某個詞彙如何影響結尾。這兩項技術的結合，賦予AI具備深度理解和生成語言的能力，最終催生了大型語言模型（LLM），而ChatGPT只是其中的一例。

林：可以爲我們說明通用人工智慧（AGI）的五個階段，以及我們目前處在什麼階段嗎？

簡：這是OpenAI提出的框架，我認爲它非常清晰地勾勒出AI的演進路徑。

第一階段：聊天機器人（chatbot）。在這個階段的AI能與人流暢地對話，目前已經能實現。

第二階段：推理者（reasoner）。AI不僅是給出即時反應，而是開始具備「思考」和規劃的能力。它會「想一想再回答」，讓回答的品質大幅提升。

第三階段：代理人（agent）。這是當前的階段。能夠推理的AI已經很優秀了，但是還不夠好，原因是大多數使用者雖然會問問題，AI會給你幾個參考，但需要人類自己去執行。ChatGPT全球風行的這幾年，因ChatGPT而付諸行動、最終實際受益的用戶，大約只有兩億人。在代理的層級，AI從「提供答案」（answer）進化到「採取行動」（action），例如「幫我訂一張去東京最便宜的機票」，它就會自主完成所有查詢、比價、甚至下訂。

第四階段：創新者（innovator）。在這個階段，AI將能解決頂尖專家都無法解決的問題，例如AlphaFold預測蛋白質結構，加速新藥研發，這已經是人類無法達成的創新。還有一個自動化研究助理叫AlphaEvolve，它是透過基因演算法（genetic algorithm, GA），你給它一個要解決的題目之後，它會「想盡辦法」解開它。「想盡辦法」的概念非常關鍵，當想法越來越深入，一次比一次更好，一旦突破了某個臨界點，人類最終會望塵莫及。

第五階段：組織層級決策者（organizational decision-maker）。這是最高階段的人工智慧，這時的AI具備運籌帷幄、進行復雜戰略決策的能力，足以影響組織甚至國家的走向。

林：你特別強調「代理人」（agent）是下一波顛覆的開始，這將會如何重塑商業世界與日常生活？

簡：「代理人」的崛起，意味着所有以「中介服務」爲核心的商業模式都面臨存亡危機。過去，我們透過房仲平臺、旅遊或電子商務網站完成交易，而這些平臺賺取流量帶來的廣告費或佣金。未來，你的AI代理人將直接跳過這些平臺，爲你找到最佳方案並完成交易。例如，它會直接跟航空公司或飯店系統對接，爲你拿到最好的價格。意味着商業模式將從點擊廣告轉變爲由代理人完成後的「交易抽成」。這會導致網路交易結構性改變，從由人類瀏覽的「Web」，變成由AI代理人相互溝通的「agentic Web」。所有交易模式都會改變，寫程式的軟體產業、做研究的研發部門或是學術界都會改變。講白一點，所有的白領階級都會經歷改變。

林：若AI能理解語言，還能自主行動成爲固定流程的代理人，AI在國際局勢中將扮演什麼樣的角色？

簡：AI，特別是AGI，已經成爲當今美中科技冷戰中的政治籌碼，如同過去冷戰時期的「核子武器」。這是一場動搖國本的國家級競賽。誰先掌握能夠進行自主創新和戰略決策的AGI，誰就取得了戰略上的絕對優勢。而且，我們可以預見，一旦某個國家達到了這個階段，這項頂尖技術就不可能再開源（open source），而會成爲嚴格管制的國家級戰略資產，就像核技術一樣。這也是爲什麼我們看到美國對中國的晶片禁令如此嚴厲，因爲這場賽局，賭的是未來數十年的全球領導地位。

林：在這場全球AI競賽中，你認爲臺灣最獨特、最關鍵的優勢是什麼？

簡：臺灣擁有「看不見的AI」（invisible AI）實力。全世界都在談論演算法及其應用，但所有AI運算都必須運行在硬體之上。臺灣掌握了這個金字塔最底層、卻也最堅實的基礎，那就是全球最先進的半導體制造能力。輝達（Nvidia）的黃仁勳、超微半導體（AMD）的蘇姿豐都需要臺灣，全世界AI的發展都依賴臺灣的晶片，而這個看不見的AI實力正是美國缺少的，不是中國缺的！中國從來不缺晶片，只是他們的晶片製造技術慢臺積電幾個世代。然而對美國而言，美國有設計能力，但是缺乏製造生態系，美國喊中國缺晶片，是在掩飾自己缺晶片的事實。因此，臺灣在這場賽局中，扮演了無可取代的關鍵角色。

林：臺積電從「臺灣製造」走向「世界製造」，這對臺灣的未來是危機還是轉機？

簡：絕對是轉機。我認爲這是臺灣解決自身發展困境的唯一出路。臺灣面臨水、電、土地、人才、勞工的「五缺」問題，單靠島內資源已無法支撐產業的持續擴張。臺積電的全球佈局，能讓臺灣產業升級，實現「研發在臺，遠距管理，世界製造」。我們可以把高耗能、高耗水的製造環節移往海外，而價值最高的研發、設計與管理中樞留在臺灣。透過AI和軟體工具的配合，工程師可以在臺灣遠端操控美國亞利桑那或德國德勒斯登的工廠。這將澈底改變臺灣的製造業，讓臺灣從一個硬體的生產基地，轉型爲全球高科技製造的「大腦」和「管理者」。

我認爲，唯獨臺積電變成世界的臺積電，纔可以救自己，也纔可能救臺灣。全球前500大企業沒有一家企業能堅持只用自己國家的人才。日本曾經有高達200家企業進入全球前500大企業，現在剩32家；前100大隻剩豐田汽車（Toyota），等到美日關稅簽下去，豐田汽車賣不動，日本可能就一家也沒有了。五年前，臺灣沒有一家公司位列全球市值500大企業，現在有臺積電、聯發科、鴻海三家。所以說，臺灣在無形中變大了，但無形之中變大的這些企業，如果只用臺灣人，隨着出生率下降，你可想見20年後這些企業的員工只能從10萬人裡頭去挑，最後勉勉強強只能挑出100人，那這些企業的未來在哪裡？

我曾經非常擔心臺積電，我跟高層建議過要向韓國三星學習，三星有50%的員工不是韓國人。而現在是多麼好的年代，只要戴着藍牙耳機，就算所有人都講各自的母語，透過AI即時翻譯也可以溝通。這是30年前日本沒遇上的機緣，所以現在大可放心讓企業好好的往外走。

我最近在整理一個「1：99」的概念，AI會極大化地放大領先者的優勢。前1%掌握頂尖AI技術的國家、企業與個人，其生產力與創造力將遠遠甩開其他99%。這不僅體現在個人財富上，更體現在國家實力上。未來可能不再有「500大企業」，而是隻剩下「100大」或「10大」企業。同樣地，全球200個國家中，可能只有少數幾個國家能在AI賽局中勝出，其餘將淪爲「平庸國家」。這將加劇全球的不平等，是我們必須嚴肅面對的課題。

林：你退休後擔任超過數十家企業與法人機構的顧問，橫跨新創到產業龍頭。是什麼樣的觀察與情懷，驅使你從一個全球科技人的高度，重新投入並剖析臺灣在全球變局中的處境與未來？

簡：退休時我發現，在世界的科技新創地圖上，竟然沒有臺灣。我們自稱「科技島」，但2010 ~ 2020年間，當全世界都在談論創新時，臺灣卻是缺席的。我在Google內部提案的時候切身感受到這種處境，當時我想把臺灣列爲一個有新創潛力的據點，但幾乎沒有人願意相信。那個時代的趨勢是「大膽西進」，大量的資金與人才都流向了中國。我看着國際上的獨角獸（unicorn，指成立不到10年，但估值超過10億美元，且股票尚未上市的科技新創公司）名單，越南、菲律賓都有好幾家，而臺灣是零。我那時的想法就是，臺灣不能只是零，一定要有一隻獨角獸，但是直到目前還是沒有，因爲沛星互動科技（Appier）這家公司後來選擇在日本上市，被算在日本的獨角獸名單裡。

但是臺灣真的沒有一家獨角獸企業嗎？這背後有一些結構性的因素，真正的問題在於「素人創業」的艱難。臺灣的創新模式很特別，我們的獨角獸來自於大企業的內部孵化（spin-off），例如聯發科旗下的達發、緯創集團的緯穎。這些由大集團支持的新創，一上市就有千億市值。但這也凸顯了一個困境：當一個產業由一家獨大時，就很難有新創公司出頭。這是在小國必然會發生的現象。

我在Google工作的經驗，讓我習慣用「國與國的尺度」來思考問題。我曾讀過一本書，分析小國如何成爲科技大國，結論是：小國必須依附大國，將其做爲自己的市場。例如以色列依附美國、愛爾蘭依附英國、芬蘭依附俄羅斯。過去臺灣依附中國市場，這就帶來了最根本的戰略難題：當中國不能當成市場時，我們幾乎一無所有。 更麻煩的是，我們不像韓國，進去中國之後還能全身而退；因爲文化的親近，導致臺灣的產業一旦深入中國，就很難抽離。

然而，一個意想不到的轉捩點出現了，那就是「川普1.0」救了臺灣。他發動的貿易戰，一刀切斷「紅色供應鏈」，我們被迫從紅色供應鏈中脫離，轉而成爲「美系供應鏈」不可或缺的一環，這對臺灣而言是個意外的轉機。

一個事實是，臺灣在中國製造的產品，並不是爲了中國的內需，主要客戶其實是美國。所以當供應鏈必須選邊站時，我們是有能力「拔開」的。這個外部的巨大推力，加上COVID-19疫情，促成一波巨大的臺資回臺浪潮。以這幾年臺灣股市的榮景來說，臺北股市現在是世界前十大股市，大約是德國股市的大小，國民所得也超越日本，跟韓國在伯仲之間，都與這個全球供應鏈的重組有直接關係，如果往回看三、四年前，這是完全無法想像的局面。

但故事還沒結束。當我們以爲一切都走向美好時，新的挑戰又來了。美國幫你把敵人「劃清界線」之後，下一步可能就是瞄準你的核心優勢。我們現在面臨「臺積電變美積電」的壓力，這不是產業問題，而是國家層級的賽局。

林：你如何定位自己現在的角色？

簡：我很幸運同時受過科學及產業的訓練。我有地球尺度的軟體經驗，Google 讓我的能力變深、變大，在臺灣的跨領域經驗讓我的能力變寬。我也算是研究語言模型的老一輩，對於AI能力的預測，可以看得更長遠也更精準，因此經常受邀參與政府決策、企業決策，也投身社會公益。

我把自己定位爲一個「B2B的影響者」。我的目標不是對大衆（B2C）宣傳，而是把我從全球視角觀察到的趨勢與洞察，直接傳達給那些真正能影響臺灣未來的決策者，包括上市櫃公司的董事長、政府高層等。我覺得AI是動搖國本、撼動企業的事情，對於臺灣現在的處境，身處高位的領導者最有感、也最焦慮。我的工作就是把複雜的未來情勢，用他們能理解的語言，轉化爲具體的思考策略，讓他們先做好準備。我保持中立，不帶色彩，純粹傳播知識，希望能幫助他們在變局中做出正確的判斷。

林：你不斷強調，你的角色是幫助他人，這似乎是你的動力與熱情源源不絕的來源？

簡：我想是的。我發現，唯一能讓人長久保持熱情的方式，就是去幫助別人。如果你只是在做自己的事，很快就會感到無聊。當我投入每一場會議，我都是全心全意地去理解對方的問題，並貢獻我的想法。這個過程本身就充滿了學習與回饋。反過來說，那些有影響力的人也影響了我，他們提出的問題，讓我看到了我原本不知道的世界。這是一種相互成就的過程。

林：你的一天是什麼樣子？你如何管理如此龐雜的資訊與橫跨多領域的顧問工作？

簡：我的核心策略是將自己的時間「極大化」。因此我幾乎所有的會議都在線上進行，因爲一場實體會議的時間成本，相當於三至四場線上會議。線上的方式讓我在一天之內，可以參與八場不同的會議。我的行程都不是由我主動安排的，而是由外部的需求來決定。我的模式是「別人出題，我幫忙想」，我提供我的觀點與分析，但不干涉後續的執行。這讓我能持續接觸到不同領域，最多元、最前沿的問題，我就像一個不斷被訓練的ChatGPT，再將學習到的洞察，回饋給下一個需要的人，形成一個知識的正向循環。

林：AI的學習能力如此強大，但它是否有其根本的限制？人類還剩下哪些無法被輕易取代的價值？

簡：AI有其根本性的限制，目前它掌握的所有知識都來自於被語言或符號編碼過的數位資料。也就是說，它缺乏對「物理世界」的直觀理解。一個兩歲的小孩知道斜坡上的球可能會滾下來，知道沸水會燙傷，知道玻璃會刺人，這些是透過與物理世界互動而學到的知識，但AI沒有這些經驗。

更深一層來說，AI缺乏那些無法言傳的「視覺知識」。一位經驗老到的水電師傅看一眼就能判斷管線哪裡出問題，這種透過視覺經驗而來的知識，是無法寫成書或文字讓AI學習的。我們還不知道要怎麼把非語言的知識教給AI，如今最需要突破的是「視覺學習」，現在全世界的人形機器人，可能都在看YouTube！

許多人面對AI的發展，會產生很多擔憂，但我不覺得這一次AI浪潮比工業革命更嚴重。現在所有人都看得到世界正在改變，而工業革命只有少數人知道當時的世界發生什麼事，很多人並不知道正要經歷一場世紀大變。此外，我們必須小心「大腦外包」的風險。當答案能輕易從AI取得時，人類可能會停止獨立思考。未來世界所需要的人才，除了專業深度，還具備跨領域整合、溝通協作與解決複雜問題的能力。單一技能很容易被AI取代，如何整合不同領域的知識，併發揮創造力，是人類的核心競爭力。

最後，也是最重要的一點，是「人的陪伴」。AI可以提供無盡的知識與解答，但它無法在一個人生命中最脆弱的時刻，給予真實的溫暖與慰藉。就像法鼓山的法師在信徒臨終時的陪伴，那種人與人之間真實的情感連結、心理上的安定感，是AI永遠無法取代的。所以爲什麼宗教界會需要蓋教堂或是廟宇，因爲這些空間能夠營造出一種沉浸感（immersion）。AI時代下，人與人之間的關係將會重新定義，人類與AI的關係會找到新的平衡，人還有很多價值，沒那麼容易取代。

精采訪談，請上《科學人》官網 「影音專區」

（本文出自2025.09.01《科學人》網站，未經同意禁止轉載。）