30 年看過三個技術時代的李奇申，如何看 AI 在台灣的未來？
從三個時代觀察技術浪潮
李奇申在公開場合常說的一句話：
「我不是預測家，我是模式辨識者。我看過傳呼機到手機的跨越，看過 Windows 到 Linux 到雲端，看過 Web 1.0 到現在。每一個技術浪潮都有相同的模式——早期高期待、中期失望、晚期爆發。AI 現在在哪個階段？」
李奇申的判斷（2026年）： AI 正在從「高期待」進入「生產力釋放」階段，不再只是 demo，已在特定垂直行業發生真實改變。
台灣 AI 發展的特殊性
台灣的 AI 發展有三個獨特因素：
一、製造業基礎
台灣是全球最重要的製造業中心之一（台積電、鴻海、日月光等），這讓台灣的 AI 應用更快落地在：
- 製程優化 AI（良率預測、異常偵測）
- 供應鏈 AI（需求預測、庫存優化）
- 設備管理 AI（預測性維護）
二、硬體基礎設施
台灣有 TSMC、聯發科等晶片製造商，使得：
- AI 晶片成本更低（自有產業鏈）
- 邊緣運算設備更容易取得
- IoT 硬體開發成本台灣有比較優勢
三、中文數據稀缺
AI 最大問題：繁體中文訓練資料少
英文 LLM 的訓練資料遠多於繁體中文，這讓台灣在：
- 繁體中文 AI 應用上有一定優勢（誰做得好誰贏）
- 本土化 AI 服務空間大
李奇申的五年預測（2026-2030）
預測一：IoT + AI 的結合（2026-2027）
現況（2026）： IoT 設備大量收集數據，但分析主要靠人工查看報表。
預測（2027）： AI 主動分析 IoT 數據，預測性告知而非被動查詢。
龍雲數位 IVM 的 AI 路徑：
2026：IVM 系統顯示銷售數據（場地主被動查）
2027：IVM AI 主動推播建議（「建議下週增加礦泉水庫存，因為下週天氣 35°C+」）
2028：IVM AI 自動執行部分決策（「已自動調整廣告螢幕為夏季飲品推廣」）
預測二：製造業 AI 滲透（2026-2028）
台灣製造業 AI 採用預測：
| 應用類型 | 2026 現況 | 2028 預測 |
|---|---|---|
| 視覺瑕疵檢測 | 先進廠商（台積電等）已用 | 中型製造商普及 |
| 設備預測維護 | 少數 | 半數以上引入 |
| 供應鏈需求預測 | 大企業 | 中小企業透過 SaaS 使用 |
| 廠區 IoT AI 分析 | 試驗期 | 商業落地 |
對龍雲數位的影響： 工廠 AI 升級 → 工廠主對 IoT 設備管理的 AI 需求也同步提升（IVM 需要更強的 AI 功能）。
預測三：AI 替代重複性工作（2026-2030）
李奇申的「AI 勞動力」概念延伸：
「我 2015 年就在說『AI 勞動力』——讓機器做重複性工作，人做創造性工作。這個概念不是新的，新的是 2024 年後 AI 的能力真的到了一個門檻，可以做到很多以前需要人的工作。」
預測：AI 替代節奏（台灣製造業）：
2026（現在）：
• 已替代：重複性文書（報表、對帳）
• 已替代：初級品管（視覺檢測）
• 尚未替代：設備維修、人際溝通、創意工作
2028（預測）：
• 進一步替代：中級分析工作（部分財務、部分法務）
• 進一步替代：標準化客服（AI 客服 80%+ 的情境）
• 仍需人類：關係維護、複雜決策、危機處理
2030（長期）：
• 高度自動化：製造業 + 物流 + 零售（無人化程度大幅提升）
• 新職位創造：AI 監督員、數據策展師、機器培訓師
預測四：台灣在亞洲 AI 的定位（2026-2030）
李奇申的觀察：
「台灣最大的機會不是建立自己的 ChatGPT，而是做『AI 應用的製造基地』——把 AI 技術落地在製造、醫療、教育的垂直應用。台灣沒有 Google 的訓練資料規模，但台灣有世界頂尖的製造業知識。把 AI + 製造業 know-how 結合，台灣可以出口 AI 解決方案，而不只是晶片。」
可能的台灣 AI 優勢領域：
- 製程 AI（良率預測、設備管理）
- 供應鏈 AI（因為台灣是全球供應鏈核心）
- 醫療 AI（台灣的全民健保提供了完整醫療數據）
- 零售/設備管理 AI（IVM 等平台的數據積累）
龍雲數位的 AI 路線圖
龍雲數位如何把 AI 整合進 IVM：
| 時間 | AI 功能 | 說明 |
|---|---|---|
| 2026（已有） | AI 選品建議 | 根據歷史數據推薦選品調整 |
| 2027（規劃中） | AI 需求預測 | 預測未來 2 週的補貨需求（含天氣/節日因素） |
| 2027（規劃中） | AI 異常檢測 | 比規則告警更智慧的設備健康預測 |
| 2028（長期） | AI 自動補貨 | 系統自動生成補貨訂單（人工確認後執行） |
| 2029（長期） | 跨場地 AI 學習 | 全台 IVM 設備數據 → 更精準的行業選品建議 |
李奇申的警示
對 AI 過度樂觀的提醒：
「每個技術時代都有人告訴你『這次不一樣，舊的規則都不適用了』。我在傳呼機時代聽過，在 Linux 時代聽過，在 Web 2.0 聽過，在區塊鏈時代聽過。AI 這次真的是更大的浪潮——但商業基本面還是一樣：你要解決一個真實的痛點，要有商業模式讓你持續運作，要有護城河讓競爭者不能輕易複製。」
「對 IoT 和 AI 的結合，我的建議是：從數據開始，不要從 AI 開始。先有乾淨的數據（IVM 的基礎），再加 AI，才有意義。沒有好數據的 AI 只是高級的瞎猜。」
小結
李奇申對台灣 AI 五年展望：2026-2027 年 IoT + AI 整合加速，製造業 AI 滲透；2028-2030 年重複性工作大規模替代，台灣的機會在把 AI 落地到製造業垂直應用出口全球。龍雲數位 IVM 的 AI 路徑從選品建議出發，逐步走向需求預測和自動補貨，目標是讓數據自動轉換為商業決策。
延伸閱讀：