AI代理 (AI Agent) 應該是 2026 年初最重要的 AI 應用與話題了。其中 Claude Code 和 Claude Cowork 應該是近期 AI代理討論度最高的工具之一。

最近與許多企業主聊到「AI代理」如何實際應用，聽了很多頗具創意的使用方式，但也有令人擔憂的地方。

我結合客戶端的使用情況，與我自己長年B2B服務客戶的經驗，我會建議：特別注意你對 AI代理的授權。

什麼意思呢？先跟大家介紹 AI代理的基本運作機制。

AI代理的基本運作機制

在撰文的現在(2026年4月)，AI代理我們一般是指 Claude Code、Claude Cowork，或是龍蝦 (OpenClaw)。

基本上他們運作機制都是：用戶在電腦本機安裝 AI代理的 App (以下稱之 AI Agent)，然後授權這個 AI Agent 可以操作哪些檔案、哪些軟體，包含瀏覽器可以操作哪些網站。

授權好後，使用者就可以用自然語言的方式，指揮這個 AI Agent 去操作檔案、軟體、網站，以完成使用者的最終需求。

一切看起來很美好。但只要有軟體工程、或實際商業背景的人就會警覺，以上這個設定會有安全性的問題。

為什麼呢？因為 AI 有不確定性。

AI的不確定性

傳統軟體的運作機制是，使用者輸入 1, 2, 3 一定會得出「不會出錯」的答案。因為程式邏輯是固定的，沒有情緒、沒有錯誤，它只會固定的執行既定的步驟。

但 AI 接收的是「自然語言」，那這就有接收時的「理解」，和執行時的「推理」問題。也就是可能你說的是 A，但 AI 幫你做成 B 或 C，這是很有可能的。

AI 的不確定性包含、但不限於以下幾種：

邏輯鏈條 (Chain of Thought) 的理解錯誤

AI Agent 通常是透過多步推理來執行任務。即使每一小步的正確率是 95%，當任務需要 10 個步驟時，最終的正確率會是約 60%。

Agent 可能會因為解讀錯誤，而執行了與使用者初衷，好像符合又似是而非的指令。

如果 Agent 因為理解錯誤而執行了「不可逆」的動作，例如誤刪檔案、回覆客戶不恰當的語句、或是調用軟體 API 傳送錯誤或不當的資料，等。都是極其危險的動作。

Agent 難以像人類一樣有「隱形」的道德或工作規範

人類活在社會、職場中，都有一些「隱形」規範。以至於我們該做什麼、不該做什麼，基本上有一個社會共識在。

Agent 不會像人類一樣理解這些「隱形」的規範，它只會看到它的目的，與有什麼權限可以執行。所以 Agent 可能會為了達成目標，採取一些雖然技術上可行，但在商務邏輯上極其危險的手段。

例如：Agent 算出了公司產品的售價要怎樣調整，才是公司利益的最大化。於是 Agent 提供了一個遠高 (或遠低) 於一般行情的價格給客戶。

當然，在實際商業我們不會這樣做，因為有很多其他因素要考量。

對 AI 來說，達成目標的 100 分比什麼都重要，它並不知道有些行為的代價是 1000 分。

AI 可能產生「幻覺」，將不存在的邏輯視為理所當然

AI 的判斷基於數據訓練，所以它可能會受到過去案例的影響，而歸納出自己的一套邏輯，而這個邏輯根本不符合現實社會與當下情境。

我舉一個很實務的例子：AI 掃描了系統中客戶來往的數據，發現一個客戶所有數據都偏少，依照往例，AI 判定此客戶為低價值客戶。

但有B2B商業經驗的朋友就知道，很多有信用的大客戶，平常是不會隨便聯絡的。因為 AI 誤判而讓大客戶覺得被輕視，這對公司來講是多大的損失！

以上是 AI 不確定性的幾種情況，而且遠不只這些情況。

當你賦予 AI Agent 更大的執行權時，如果不加約束，它就像一個擁有最高權限、卻有不確定性的高階經理人，非常危險。

使用 AI Agent 的三大原則

撰文的現在(2026年4月)，Claude Code 和 Claude Cowork 應該是近期 AI代理討論度最高的工具之一。

AI 百家爭鳴，其他 AI 大廠看到 Claude 可以這樣玩，未來也一定會開發自己的 AI Agent 工具。

這裡我結合客戶端與我自己使用 AI代理的情況，歸納出使用 AI Agent 的三個重要原則。

軟體工具五花八門、推陳出新，但這些原則應該適用於所有 AI Agent 工具：

原則1，你不會希望：資料被誤刪或全部刪除

如果指令模糊或判斷邏輯出錯，AI可能在幾秒鐘內清空你累積數年的資料庫，或是檔案。

原則2，你不會希望：不應該被更改的資料被竄改

想像一下，如果 AI 為了優化流程，擅自修改了合約條款、報價單或官網的核心內容，而你毫不知情？

或是你的重要文件被 AI「自以為聰明」的擅自修改？

原則3，你不會希望：機密資料被公開

這是最現實的資安問題。AI 需要餵資料才能工作，但如果你沒有設定好邊界，它可能會在回答客戶問題或生成報告時，不小心「吐出」你的商業機密、客戶名單或內部財務數據。

結語

我完全同意「AI代理」是勢不可擋的時代潮流。它重新定義了生產力，更是企業數位轉型的下一個轉捩點。

然而，越是強大的 power，越需要精密的管理系統。

「權限」是 AI代理的核心命題。導入 AI代理不是「放任它去跑」，而是要精準地限制其工作範圍 (Scope) 與操作權限 (Permission)。

在設定權限時，因為有不同的軟體、不同的場景，有時候確實很難。此時可以想一下我上面分享的三原則，當作 checklist。

如果三原則都打勾，那沒問題。如果因為 Agent 要求授權而其中一個答案有疑慮，則要想想萬一出錯的風險，是你或公司能承受的嗎。

我們長期以來累積各行各業的客戶，大部分都是直接跟老闆或實際經營者來往，知道實際經營的需求。包含我本身就是從0創業，開發業務。

這麼長的時間，我知道很多中小企業或店家老闆，對網路或數位這一塊還是很陌生。即使在這個AI時代，仍然是這樣。

因此，我想推出一個30分鐘數位策略會談的活動，主要圍繞著兩個主題

1. 中小企業數位策略的聚焦與取捨
2. AI時代的網站SEO規劃

進行方式

進行方式是 1 對 1 實體談話 (如果貴單位有2個人同時來也沒關係)。我會依照您事業的類型與狀況，調整談話內容。

報名方式請來信 larry@yuyansoftware.com.tw
並附上您的公司、店家、或自媒體名稱且 google 搜尋的到。我們會稍作挑選，適合的朋友我們會主動跟您聯絡。

我們公司在忠孝東路/延吉街口。碰面地點可能是我們所在商辦的會議室，或是附近的咖啡廳 (如果有點飲料，各自結帳)。

以下是這兩個主題，我會看的角度。

中小企業數位策略的聚焦與取捨

對外行銷方面

檢視您事業在線上的整體狀態如何：社群、官網(有的行業不需要)、Google商家，有沒有下社群廣告或 Google 廣告，等。

Google 您的行號名稱，整體看起來是什麼感覺？

餐飲、服務、美業，街邊店類型的事業，FB / IG 粉專已經算是官網了，我個人認為不用另建官網。加上 Google 商家稍微優化一下，這樣有興趣的客人，已經可以充分搜尋到你們的資訊。

但相對的，請這類型的老闆 FB / IG 還是po點東西，不是說要多少讚，而是陌生客人搜尋到，會有信任感。

延伸閱讀：美容、美髮、美甲、按摩，街邊店類型的美業，要用什麼網站系統來加強經營？

如果是非服務業、非街邊店類型的公司，尤其是 B2B 類型的公司，一般我還是建議要有官網。讓潛在客戶可以完整了解你的公司資訊、商品或服務內容、價格方案、成功案例，等等。

經營管理方面

餐飲、服務、美業，街邊店類型的事業，我會建議 LINE 官方帳號串接 CRM (客戶關係管理)，或是口語上說「會員系統」，這部分一定要做。

讓客人可以查詢消費紀錄、預約記錄、累積點數 (換取贈品)。如果以上都有紀錄，就可以做「客戶分級」，這是經營事業很重要的一件事。

延伸閱讀：客戶關係管理 (CRM) 最重要的是什麼？建立會員系統，並用客戶終身價值 (CLV) 為客戶分級

除了 CRM(客戶關係管理)，如果你的事業是有實體商品或物料進出貨，有沒有使用進銷存系統？如果沒有的話，要找套裝軟體還是客製系統？導入系統時要考量什麼？

延伸閱讀：什麼是進銷存系統？台灣中小企業的需求是什麼？導入系統時要考量什麼？

當然，每家公司的營運模式千變萬化(即使是同一行業)，不會只有 CRM 與進銷存。

美業、按摩、諮詢服務業者可能需要預約排班，B2B公司可能需要訂單與進度管理，即使是行之有年的電商，每家的模式與需求也都不一樣。

AI時代的網站SEO規劃

除了公司經營者這個身份，我同時也是10幾年的部落客，就是本站。

大家應該同意，資深部落客是最了解 SEO 的一群人了。(SEO是搜尋引擎優化，也就是自然搜尋流量的來源)。

這個時代，社群跟短影片是顯學，部落格並不是顯學。部落格還有存在的意義嗎？什麼樣的內容適合擺在部落格或是官網？

現在AI會直接整理出答案，不需要點擊網站。因此，很多網站的流量都被大幅影響 (幾十趴的衰退)。

那現在 SEO 要怎麼做呢？經營 SEO 的心態跟方法又是什麼呢？

延伸閱讀：AI時代下SEO的全新遊戲規則：部落格還有存在的意義嗎？什麼是 E-E-A-T 原則？

可能很多中小企業主也不確定，要不要經營網站形式的自媒體。也有很多人是官網已經有部落格功能，但沒善加使用。

這部分我也會針對每個人狀況不同，做客製化的建議。

依據您事業的現況與需求，安排談話內容

主要就是以上兩個主題，我有長時間、非常豐富的實戰經驗。

這兩個主題並不是分開的兩個課程。30分鐘的時間，我會依據您的事業類型(已來信告知)，還有您有興趣的部分，做兩者比例上的調整。

如果您有想聊的問題，在會前聯絡時也煩請告知，我可以先做準備。

報名方式請參考上方「進行方式」段落，期待您的來信。

對於不太認識我的讀者，我是超過10年、自有網站(本站)，且仍然持續更新的部落客。

也建議先看一下我之前的文章 AI時代下SEO的全新遊戲規則，了解我對這個時代 SEO 與部落格的看法。

回到 num=100 這個事件，本來我想寫一篇 Threads 短文就好，結果越寫越發現這個題目不小，背後隱含的事情很多。

所以我決定將這個題目寫在部落格。

首先，什麼是 num=100？到底發生什麼事？

本來第三方SEO或流量評估工具，可以向 Google 發出 API 請求，得到 Google 對特定關鍵字詞的搜尋結果。

這些第三方工具再用撈回來的資料，做各種分析，提供服務給他們的用戶。

長期以來 (至少10幾年以上)，這些第三方工具發 API 請求時，加上 num=100 參數幾乎是一個標準做法。也就是一次可以撈特定關鍵字詞，搜尋結果的前100筆排名。

這裡一定要提一下，num 這個參數從未出現在 Google 正式文件。也就是這麼長的時間，Google 一直在「默許」外部使用 num 參數。

為什麼以前 Google 要默許外部使用 num 參數？

大家想事情一定要從商業的角度來分析。

Google 默許第三方工具使用 num=100。第三方工具每撈一次資料，這 100 筆網頁資料都會各增加一次「曝光」(impression)。

也就是網站主看到的「曝光」數據，會包含上述「撈資料」的次數。當然 Google 也知道這個情況，彼此哄抬，數據越多越好，大家都得利。

網站主看到曝光數據多 (高興)，第三方工具可以撈資料 (高興)，大家越來越依賴Google (高興)。所以為什麼 Google 過去要默許這件事。

大家要了解的是，很多數據是機器查詢所產生，並非真人查詢 (就是水份、泡沫的意思啦)。這部分我下方文章會再提及。

為什麼現在 Google 要拔除 num=100？

因為現在是 AI 時代，很多公司都在訓練大語言模型 (LLM)。要怎麼訓練？當然從 Google 一次拿100筆資料是最快的啊。

Google 當然也不可能一直讓別人白用：用自己的搜尋結果去養對手的 AI 模型。

於是終於移除了 num=100 這個參數，但仍然接受外部API請求，現在一次請求只能拿10筆資料 (也就是排名前10的連結)。

不能用 page=1, page=2 分批去拿資料嗎？

有工程背景的朋友，大概第一個問題是：不能用 page=1, page=2 分批去拿資料嗎？

確實可以分批拿資料，但不是用 page 參數，而是 start 參數。start=0 拿第1~10筆，start=10 拿第11~20筆，以此類推。

很明顯，100筆要 request 10 次，而且每一次拿到資料後，要分派給後端伺服器處理。整個運算量大概是倍數增加。

我們就以100筆要 request 10 次這個數量去評估，Google 當然也會偵測，某某主機一直發送這樣的 request pattern 過來。

當看到類似的 request pattern，Google當然會想辦法封鎖，它不會讓外部廠商一直免費撈資料吧 (而且很多是對手陣營的AI)。

即使分批去撈資料還是有問題

即使用 start=10 (第11~20筆), start=20 (第21~30筆) 這樣去撈資料，還有一個根本的問題：

Google 搜尋結果排名是隨時變動的。你時間點A 拿到第1~10筆資料，時間點B 拿到第11~20筆資料，這兩組資料「不是」直接可以銜接起來的。

(時間點B 的網站排名又重新排序了。)

也就是現在第三方 SEO 工具，對第10名以後的網頁，精準度是很低的。外部廠商頂多藉由自己的大數據和演算法，評估出第11~20名，但20名以後的網頁，就真的很難評估了。

SEO的可操作空間降低

過去，一些 SEO 顧問宣稱可以讓「第3頁以後」(第20名以後) 的網頁，通過技術手段讓排名往前。

但隨著數據難以追蹤，要去操作第10名或20名以後的網頁，可行性變得極為困難。因此所謂「SEO顧問」要去操作和報價的動機，將會大幅減少。

換句話說，現在SEO的策略應該是一開始就寫一篇對讀者有用、Google也樂於推薦的文章，而不是用「技術手段」將網頁操作到前20名。

其實我是滿高興的

我創業超過10年，因為公司業務是幫客戶建置網站系統，這麼長的時間我看過太多「SEO顧問」了。

(特別括號「SEO顧問」大家應該知道是什麼意思。尤其我本身是10幾年的部落客，有沒有一種可能，長時間經營的部落客比這些「顧問」還懂 SEO。)

這些SEO顧問提供很多「技術手段」給網站主(客戶)，用三寸不爛之舌給網站主很多想像空間，然後將品牌方和網站工程方翻天覆地一頓。

最後成效不佳或成效難以評估，這些顧問拍拍屁股走了。這樣的案例我真的看過太多了。

移除 num=100 對網站經營者有什麼影響？

聊完了第三方SEO工具和所謂的 SEO顧問。移除 num=100 對網站經營者有什麼影響？

如本文上方提到，移除 num=100 降低了第10名之後、第20名之後網頁曝光的「水份」(機器查詢的次數)。

所以網站主看一下你的 Google Search Console (以下簡稱GSC)，2025年9月中之後曝光量是不是有下降。

(台灣9月底到10月連續假期很多，網站主評估時自行決定是否要排除這些日子。)

一般來說曝光量會下降，重點是下降多少？如果你降的少，恭喜，在這次重新洗牌中，你仍然屹立不搖。證明你過去的路線可能是對的。

再來是 GSC 後台的平均排名。因為第10名之後、第20名之後的網頁曝光降低，也就是排名在後的選手減少了。你的平均排名應該要上升才對。

再來是點擊次數。第三方工具撈第10名之後資料變得困難，應該對網站的點擊次數沒有直接關係。當然，現在等於是重新洗牌，點擊數還是會被影響。

我覺得不用追根究底。一樣，直接看你的 GSC 後台，點擊數有沒有降？如果有，降多還是降少？

(再次提醒，如果有連續假期的日子，評估時自行決定是否排除。)

排名在後的網頁現在難以被 AI 引用

請讀者回顧一下上方「為什麼現在 Google 要拔除 num=100？」段落。

Google 移除 num=100 就是為了要擋 AI 爬蟲。

對網站經營者來說，第10名之後、第20名之後的網頁現在難以被 AI 收錄了 (ex: ChatGPT, Perplexity AI, 等)。

AI時代有一個新名詞 GEO (Generative Engine Optimization)，指的是網站現在的目標是如何讓生成式AI引用。

也就是現在第10名之後、第20名之後的網頁難以被 AI 引用了。這個影響不只是曝光的降低，被 AI 引用減少也會影響 Google 排名。沒錯，這是一個迴圈。

排名在前的網頁 → AI 容易收錄 → AI 引用 → 再影響 Google 認為你是好的網頁 → 排名往前。

講白話就是現在是：強者越強，弱者越弱。或是強者不動，弱者越弱。

也符合我之前文章提到：AI時代的SEO，淘汰了很多「專門」用 SEO 技術獲取流量的網站。

移除數據水份是健康的

上方「為什麼以前 Google 要默許外部使用 num 參數？」段落提到：很多數據是機器查詢所產生，並非真人查詢 (就是水份、泡沫的意思啦)

更別忘了各家 AI 模型訓練的過程，都會撈取大量的 Google 搜尋資料。每一次撈取都算一次曝光。

可想而知從生成式AI開始風行，網站曝光數據的「水份」有多少。

移除 num 參數，除了網站主和品牌方可以更了解「真人」的數據，減低機器爬蟲帶來的水份。

有「水份」就代表有可操作空間，現在排名的可操作空間也大幅降低了。

結語

本文開頭提到，建議讀者先看一下我之前的文章 AI時代下SEO的全新遊戲規則，了解我對這個時代 SEO 與部落格的看法。

包含 E-E-A-T 原則，包含一些心法與觀念，很高興在這次 num=100 事件後仍然成立。很多時候如何驗證你的心法與觀念是否正確，就是經由一次一次的事件來驗證。

這次 num=100 的事件之後，如果你的網站曝光量沒有大幅減少，那恭喜你，也許你的路線是正確的。

我之前文章提到：AI時代的SEO，淘汰了很多「專門」用 SEO 技術獲取流量的網站。

這次 num=100 的事件讓網站排名的可操作空間大幅降低了，對用「技術手段」爭取 SEO 的網站又是一次打擊，也證明了我當初的觀察與想法。

對網站經營者來說，尤其對長期經營又懂 SEO 的作者來說，請仔細想想，現在這個大環境反而是有利的。

最近聽聞好多人在用 n8n 創業，也有滿多老闆展現出對 n8n 的喜愛與想像。

這裡附註一下，我這裡說用 n8n 創業，是指把 n8n 服務包裝起來，做B2B服務。或是幫企業架設 n8n 伺服器，以及企業需求的模組功能。

我還在觀察他們的商業模式是什麼。截至撰文的現在(2025年9月)，好像還沒有一個確定的商業模式，或是獲利模式。

我開公司接近10年 (到撰文的現在)，做的是客製化網站系統。這篇文章是想跟大家分享，我看 n8n 這套工具，與客製系統的差異在哪？

首先，n8n 是什麼？

n8n 是一個平台，把一些使用者常用的功能模組化，以區塊顯示，讓使用者可以拖拉區塊，並且連接區塊 (就是我們俗稱的：串接)。

也就是如果你的需求包含三步：step1, step2, step3。在 n8n 會顯示成三個區塊，讓使用者自己連連看。

如果我們不看那炫炮的視覺介面，n8n 本質上也是完成使用者需求的功能，與客製系統相同。

n8n 跟 AI 是什麼關係？n8n 的起源？

n8n 創辦人是德國人 Jan Oberhauser，在2019年上傳了第一版 n8n 到 GitHub。當時 n8n 只是他的 side project，他想開發一個能輕鬆串接多個服務的工具。

n8n 專案受到開發者社群的廣大迴響，接著他就全職投入 n8n、成立公司，並開始募資。

隨著生成式 AI 崛起，n8n 新增 AI 節點，原生支援多家大語言模型 (OpenAI, Claude, Google, 等)。就在此時，n8n 迎來爆發式成長。

台灣大概是2025年春天有人開始討論吧，夏天開始更多人討論，然後有人開始用 n8n 這套工具創業。

(如文章開頭所述，「用 n8n 創業」指的是把 n8n 服務包裝起來，做B2B服務。或是幫企業架設 n8n 伺服器，以及企業需求的模組功能。)

n8n 與客製系統的差異在哪？

回到我這篇文章的主題：n8n 與客製系統的差異在哪？

賣點：n8n 模組化的區塊，會輪流亮起來，看起來很炫炮

n8n 當很多模組區塊連接好，要執行的時候，執行到哪裡，哪個區塊就會亮起來。

所以當你點執行，依照程式執行的順序，不同的區塊會輪流亮起來。

我覺得這點是很多非程式背景的工作者，甚至是老闆們喜歡的。即使同樣的功能完全可以用客製系統達成。

很多老闆覺得會輪流亮起來才是「高科技」，才是「AI」。

沒辦法，人類就是視覺的動物。

系統大小與可管理性方面

n8n 是模組化區塊的架構，我不認為大型、複雜度高的專案適合 n8n。

可想而知，幾10個以上的模組區塊，靠 n8n 平台互動。實務上也不可能真正知道，他們的運作機制是什麼。

如果你的是中大型系統，要管理這些模組區塊，每個區塊又可以輕易拖拉、大量設定，管理起來難度很高啊。

什麼樣的需求與功能比較適合 n8n？

如果你的需求是單純邏輯，或是很常見、可輕易模組化的功能，比較適合 n8n。

相對的，如果你的需求是特殊邏輯，需要高度客製的，還是客製系統比較好。

可想而知，需要特殊邏輯或高度客製的，套用在 n8n 的模組架構和視覺介面上，整個會變多複雜。

n8n 可以自架和自己管理伺服器

我看到有人說 n8n 的優點是可以：自架和自己管理伺服器。

我覺得「是也不是」。原因：不管是非程式背景的工作者，還是小型公司，請把時間放在你賺錢的專業上，而不是去搞這些 IT 伺服器。

這讓我想到早年很多人喜歡自架 WordPress。裝了很多外掛，最後網站掛了，或是外掛之間，或外掛與皮膚主題衝突了，還是要找外包工程師。

(更甭論我常在講：你敢點升級嗎？所以市面上一堆 WordPress 網站在超舊版。)

如果你是非程式背景的工作者，或本身是老闆，花了大把時間弄了一個 n8n 伺服器。你確定真的有把這個伺服器「搞好嗎？」，你真的有「搞懂嗎？」

如果你需要的是每秒都在線上，絕對不能出錯的系統…

n8n 很多模組看起來好像很炫炮，你可以用「積木」或「拼裝車」來形容這些模組，在 n8n 這個平台上串接。

不是說不行，一些小工具是適合的。

但如果你的需求是每秒都要在線上、絕對不能出錯的系統。應該很明顯，還是客製系統比較穩當。

為什麼很多老闆對 n8n 有興趣？

根據我開公司做生意這麼久的時間，對人性的了解，可能我上述第1點 (模組會輪流亮起來的效果)，這點還是最重要的

即使同樣的功能完全可以用客製系統達成，而且可能還穩定、精準的多。

沒辦法，人類就是視覺的動物。

結語

n8n 的故事還在進行中。

使用情境上，偶爾跑一次的小工具也許適合。但如果你的需求是每秒都要在線上、絕對不能出錯的系統，還是客製系統比較穩當。

另外，n8n 可以自架和自己管理伺服器，這個題目真的非常有趣。

劇情一，你老闆要花大把時間自己架嗎？請參考我上文「n8n 可以自架和自己管理伺服器」段落，這裡就不再重複。

劇情二，如果你要請人來架。n8n 是一個地端系統(相對於雲端)，你要找外包工程師來架？那就回到外包工程師的邏輯。

講白了，外包工程師的目的是快速結案、領錢閃人，誰想再去你公司搞那些電腦。然後你的系統大概率會變成孤兒，然後再找外包工程師二號，劇情重演。

劇情三，如果你要找長期經營的資訊公司來架，那就是幫客戶架地端系統的邏輯。資訊公司要養工程師、讓工程師到客戶地點出差。

這樣甲乙雙方的成本是多麼巨大。n8n 的目標客戶通常是小企業，或是小微商家，這樣的模式能通嗎？

回到我本文最初的題目：最近聽聞好多人用 n8n 創業。我同意炫炮的畫面可以吸引老闆的目光。

但實際的商業模式和獲利模式，我還在觀察。

首先我想直接切入我想寫這篇文章的動機。

大家應該都同意，這個時代社群跟短影片是顯學，部落格並不是顯學：回收慢、不確定性高、需要長時間的付出。

但我要表達的是，不是全部的內容都適合擺在社群。例如：有的內容本來就沒有漂亮的圖片或影片，有的內容本來就不需要立即得到網友的共鳴。

例如，這篇文章就是這樣的內容。而且我希望這篇文章是長久而穩定的流量，不像社群的時間軸概念，兩天後就好像不曾po過一樣。

所以這篇文章我決定擺在部落格，然後貼連結到社群。

AI Overviews (AI摘要) 對網站流量是一記重錘

AI Overviews (AI摘要) 大幅影響網站的流量，這應該是不爭的事實。

例如你 google「東京拉麵10選」。你的搜尋結果頁就會出現一個區塊「AI摘要」，直接將 Google 整理好的10家拉麵顯示出來。

而且這個「AI摘要」是在大部分的搜尋結果上方。可想而知，大部分使用者看到結果了，不會再往下拉。

同理，google「台北最新開幕」「台南一日遊」等 (讀者可以自己發想)，太多的搜尋字詞都會帶出AI摘要。

因此，很多網站的流量都被大幅影響 (幾十趴的衰退)。特別是「專門」用 SEO 技術獲取流量的網站，大概衰退最多，甚至已經消失了很多。

這類「專門」用 SEO 技術獲取流量的網站，不只受AI摘要影響，Google搜尋核心演算法的公開文件，也都明確指出不鼓勵這類網站。 

大家應該也發覺，201x年很多的「內容農場」，消失了很多，因為現在無利可圖了。

那傳統 SEO 還要不要做？

我把關鍵字的設定、文章 title 的文案、meta description、<h1> <h2> tag 的檢查等，暫時稱之「傳統SEO」。

傳統 SEO 還要不要做？當然要。而且現在競爭這麼激烈，傳統 SEO 已是一個基本。

但以這個時代來說，傳統 SEO 只是你基本功的一小部分，並不是目的。

我不建議太糾結在「傳統SEO」，我反而建議你創作保持品質、真誠，過程保持輕快，這樣比較好。至少心情愉快，長期的文章寫作才進行的下去。

寫文章的根本目的是產生高品質、對讀者有用的內容，而且兼顧易讀性。如果你寫文章的目的是快速回收、快速變現，這個時代可能不是這樣。

Google 的 E-E-A-T 原則

Google近幾年一再提到 E-E-A-T 原則，到撰文的現在 (2025年7月) 仍然是。

甚至在AI大量生成內容的今天，Google比以往任何時候都更重視 E-E-A-T。

先說明什麼是 E-E-A-T 原則：Experience (經驗)，Expertise (專業)，Authoritativeness (權威)，Trustworthiness (可信度)。

• 「經驗」就是你的內容是你親自體驗、第一手的經驗。
• 你的文章是不是在某些領域，有「專業」的內容，有個人獨特的洞見。
• 作者本身在某個領域是不是有「權威性」。
• 這個網站與作者是不是夠真實，有「可信度」。

為什麼要提 E-E-A-T？

因為這就是現在 Google 評價一個網站的標準：你的內容有獨特的經驗，你在某些領域是專家、很專業，你和你的網站很真實、可信賴。

SEO 的遊戲規則已經徹底改變。早已不是在文章中塞多少關鍵字，或是跟他站建立多少反向連結 (早年有一個說法是「交換連結」)。

什麼是GEO？要如何看待GEO？

AI時代來臨，出現了一個新名詞 GEO (Generative Engine Optimization)，指的是網站現在的目標是如何讓生成式AI引用。

我先提供一個專家的公開談話。2025年8月底的 WordCamp US 大會上，Google搜尋的主管 Danny Sullivan 說「Good SEO is good GEO.」

他的意思是，照著你原本好的觀念與習慣，寫對讀者有用、友善的內容，把握住 E-E-A-T 原則，這就是一個好的 GEO。

對讀者有用的本質沒變，並不需要做一些特別的事(也沒有這樣的事)，去達成 GEO。

這跟我的理解相符，現在Google搜尋的主管，公開直白地講出來了。

把握 E-E-A-T 原則，寫出真實、專業、對別人有用的內容，自然你的 GEO 就會好。

請善用AI輔助你寫作

請正確使用AI，例如 ChatGPT 或 Google Gemini 等工具協助你寫作。

我直接講重點：AI輔助，真人寫作。

你可以使用 AI 工具發想新文章要寫的主題，生成文章大綱，或是做一些市場或社群調研，等。

善用 AI 工具已經幫了大忙，但絕對不能將 AI 的產出直接複製貼上。把自己經營成內容農場，沒有任何意義。

結語

SEO 的遊戲規則已經徹底改變。請再想一遍上面的 E-E-A-T 原則：你是誰？你的風格與專業是什麼？你和你的網站是否可信任？

最後想給有心經營部落格的朋友們一些信心。

如果你喜歡文字寫作，但沒有很想每天去迎合社群演算法：社群式的語言、漂亮的圖片、吸睛的影音。

部落格類型的自媒體，是可以讓你好好靜下來，寫一篇自己喜歡的文章。而且如我文章開頭提到，很多內容本來就不需要社群式的語言，立即的吸睛。

就如同這篇文章，我選擇擺在部落格。我希望這篇文章是長久而穩定的流量，我沒有要立即在社群上吸引眼球、得到共鳴。

還有一點值得高興的是，我文章中也有提到：AI時代的SEO，淘汰了很多「專門」用 SEO 技術獲取流量的網站。

對一些部落格作者來說，現在這個大環境反而是有利的。

接續閱讀：Google 拔掉 num=100 造成SEO數據大地震！不只對AI爬蟲築起高牆，更是SEO生態的再次洗牌

以下是我對這次演講的重點摘錄。旨在了解 NVIDIA 主力產品的狀況，以及他們全產品線的佈局與想法。

尤其是有做台股、美股的朋友，更要了解一下 NVIDIA 目前的狀況。

主力產品，AI伺服器的時程

去年(2024)有點延後出貨的 GB200，目前已全面量產 (full production)。

公布 Dynamo：AI工廠的作業系統。協調資料中心巨量的GPU，將AI推論的任務適當的分配給每個GPU，大幅加速 AI 推論的速度。

2025下半年，Blackwell Ultra NVL72，也就是 GB300 會開始生產。

2026下半年，推出新架構 Vera Rubin NVL144

2027下半年，Rubin Ultra NVL576

整合矽光子技術的交換器 NVIDIA Photonics

相較於電子訊號，矽光子通訊可以大幅省電，以及更快速的通訊。尤其是現在大型資料中心，有巨量的GPU，所耗電量已經是整個資料中心的 bottleneck。

黃仁勳並現場演示了傳統的「外接式」電訊/光訊轉換器 (電訊轉成光訊，再經由光纖網路線傳輸)。可以想像如果有巨量的GPU，要如何插這些轉換器，耗電量會多大。

NVIDIA 將會推出「共同封裝光學元件」(Co-Packaged Optics) 將原本的電子訊號處理器，和電訊/光訊轉換器共同封裝起來。就不需要這些「外接式」電訊/光訊轉換器了。

2025下半年，Quantum-X Photonics

2026下半年，Spectrum-X Photonics

DGX 系列

個人用的AI超級電腦 DGX Spark

個人用的AI超級電腦 DGX Spark，核心是 GB10 Grace Blackwell。體積小小的，適合擺在桌上，或是擺在背包攜帶都方便。

企業級工作站 DGX Station

企業級工作站 DGX Station，核心是 GB300 Grace Blackwell Ultra。本文上方有提到 GB300 就是 NVIDIA 的主力產品了。

DGX Station 應該會隨著 GB300 在2025下半年推出。

NVIDIA 將統包從企業到個人的全部需求

NVIDIA 也與合作夥伴共同開發新的「儲存系統」，從以前的檢索式轉向語義式。

綜合以上，NVIDIA 將統包從主機 (Blackwell、Rubin)、網路交換器 (Photonics)、儲存、企業工作站、小型工作站、個人電腦。

機器人

建構真實世界的雙生系統 Omniverse with Cosmos

Cosmos 可以建構出一個物理場景，讓 Omniverse 去訓練機器人。當然 Omniverse 也同時反饋訓練 Cosmos。

新的物理引擎 Newton

與 Google DeepMind 和 Disney Research 合作開發。Newton 引擎目的在模擬真實世界的物理法則：包含物體碰撞、砂石粒子、軟物、液體，等。

而且設計時就是 AI 訓練與 GPU 加速，所以未來如果建置足夠的算力，這個物理引擎的反應可以超級即時。

現場展示可愛的機器人 Blue

黃仁勳在現場與機器人(名為Blue)有一些簡單的互動，並宣布人形機器人的基礎模型 Isaac GR00T N1，開源給大家。

我的結語

這次演講 / 發佈會，投資人關注的應該是 GB200 的出貨狀況，GB300 的時程，以及下一代架構是什麼 (Rubin)。

2025年初 CES 黃仁勳的演講 (我的文章) 提出對機器人和自駕車的「3電腦架構」。基本上核心的處理器和作業系統、AI硬體和軟體，NVIDIA 統包了。

這次演講並公布了矽光子技術的交換器 NVIDIA Photonics，企業級工作站 DGX Station，個人用的AI超級電腦 DGX Spark，並與合作夥伴共同開發新的「儲存系統」。

可以看出 NVIDIA 從資料中心、企業用工作站、個人用電腦，全產品線也要統包了。

這些領域很明顯的踏入了英特爾 (Intel) 的版圖，也說明了為什麼 Intel 這幾年過得比較辛苦。

如果有一天，NVIDIA 推一出款完全是自行開發的 CPU＋GPU 的個人電腦或是筆電，甚至開機是自有的作業系統，我也不會覺得意外。

我認為這場演講是十分精彩的。NVIDIA 大概算是這個 AI 時代，科技股的龍頭。有做投資的朋友，更要了解一下 NVIDIA 的最新狀況以及未來發展如何。

我試著將這場演講的重點摘錄起來，不會牽扯到艱深的工程問題，旨在了解 NVIDIA 的最新技術以及佈局。

黃仁勳的演講分為以下幾個部分：

發布 RTX 50xx 系列顯示卡

包含 RTX 5090, RTX 5080, RTX 5070 Ti, RTX 5070 (價格由高至低)。

這系列顯卡皆為 Blackwell 架構，是 2024年3月的 GTC 大會發布的新架構。

這系列產品是 to C (consumer)，電玩或電腦圖學專用，與 AI 相關不大，我們快速帶過即可。

再次介紹 GB200 NVLink72

本次演講有一個段子，黃仁勳拿了一塊圓形的晶圓，當作盾牌，現場超級英雄的電影配樂響起，做了一個「美國隊長」的橋段。

這塊圓形的晶圓，上面就是全部，分切前/封裝前的 GB200 NVLink72 的所有晶片。

這片晶圓上有 72 個小長方形 (分成4個區塊)，就是 72 個 Blackwell GPU。

什麼是 GB200 與 NVLink72？

GB200 是在2024年3月的 GTC 大會發布的 (上文提到，與 Blackwell 架構同時發布)。

後來市場上有一些延後出貨的傳聞，直到 2024 年底才開始出貨。

那什麼是 NVLink72？NVLink72 的意思就是有 72 個 Blackwell GPU，用獨家的技術連結在一起 (這是多麼複雜的一件事啊！)

上面提到的 GB200，一個 GB200 包含兩顆 Blackwell GPU，和一顆 Grace CPU。

那這樣 NVLink72 有幾個 GB200？ 36個 GB200，加上超級複雜的連接技術，以整個機櫃出貨。

沒錯，一套 NVLink72 就是一個機櫃。

Agentic AI (AI代理)

台灣是翻譯「AI代理」，是為了完成特定任務，設計而成的AI。

一般的AI代理概念，每個大小公司，甚至每個工作者，都有自己專屬的AI代理。每個人或組織要有幾個AI代理？就看你定義了哪些任務。

NVIDIA 的AI代理方案中，包含 NIM、NeMo、Blueprints。

NIM 的全稱是 Nvidia Inference Microservices (推理微服務)，同樣也是2024年3月的 GTC 大會發布的。當時只是發布，整個 2024 年做了很多完善。

什麼是 NIM？簡單來講就是一組 API 函式庫，客戶端可以直接使用這些 API，來達成客戶的需求。

NVIDIA 建構 API 平台，有點投入 B2B 軟體服務這個市場的味道。

至於 NeMo、Blueprints 都是屬於幫助客戶整合、部署AI的功能。這裡就不深究，因為太工程了。

NVIDIA Cosmos 世界基礎模型

Cosmos 著重於建構真實世界的 Physical AI，也就是物理模型。例如物體碰撞、人怎麼行走、手怎麼拿東西，也就是讓AI理解真實世界的物理法則。

Cosmos 的應用尤其對機器人、自駕車的開發有幫助。

很容易理解的例子是，當機器人或自駕車，不論是用鏡頭、雷達，或是各種感測器，感應到週遭的路況、物體、或是行人，此時只是一連串的數據和影像。

Cosmos 可以訓練機器人或自駕車，從這一大堆數據和影像，辨認出哪些是物體並且避免碰撞。對週遭的環境建模後，也可以快速找到最適當的路線。

換句話說，Cosmos 可以建構出一個物理場景，這個產生出來的場景可用於訓練機器人或自駕車。

機器人或自駕車的 3 電腦架構

在提出 Cosmos＋Omniverse 後，黃仁勳提出了3電腦架構：

1. NVIDIA DGX (可以想成主機或伺服器)
2. 裝在機器人或自駕車中的 AGX (Autonomous GPU Accelerator)
3. Cosmos＋Omniverse (真實世界的模擬器)

更多機器人和自駕車

NVIDIA 推出新一代機器人和自駕車的處理器 Thor。它可以將一大堆影像、雷達、各種感測器的數據，轉化成 tokens，輸入 Transformer，算出的結果就是機器人的動作，或是自駕車的行駛。

以上面那個「3電腦架構」來看，Thor 就是裝在機器人或自駕車中的處理器。也就是3電腦架構，NVIDIA 123 通包了啦。

NVIDIA Drive OS

黃仁勳公布，他們的 Drive OS 獲得了 ASIL D，自駕車行業最高的安全認證。

Drive OS 是在他們的 Drive AGX 上運行 (請見上方的「3電腦架構」)。上方提到的處理器 Thor 加上 Drive OS，也就是他們處理器＋作業系統，統包了啦。

任何自駕車廠商，只要專注在車殼、機械、電池、感測器這些，AI核心可能都是使用 NVIDIA 的。

我的結語

我這篇文章主要是整理黃仁勳在 2025 CES 演講的重點，尤其是主力產品 (GB200 NVLink72)、AI的佈局，機器人和自駕車。

GB200 NVLink72 勢必是 2025 的主力產品(以及營收)，也將是AI訓練，新一代的伺服器標準。投資人在看，也牽動著美股與台股。

Agentic AI (AI代理) 已經是 2025 的進行式，想要投資並嘗試「AI代理」的公司 (包含台灣的中小企業)，要開始行動了。

再來就是 NVIDIA 對機器人和自駕車廣而深的佈局。提出「3電腦架構」，基本上 NVIDIA 統包了。包含物理模擬的軟體，機器人和自駕車中的處理器和作業系統。

所有的機器人和自駕車廠商，將來核心的處理器和作業系統、AI硬體和軟體，可能都是要用 NVIDIA 的了。

後記

我認為黃仁勳這次演講是非常精彩，除了展現 NVIDIA 的商業企圖心，也展現了他們對未來的想像。

演講是 2025/1/7 (當地時間上午)，有趣的是，NVIDIA股價從 1/7 到 1/14 都是走弱。

很多投資機構對此現象有一些評論，股價結果隨人解釋，這部分我覺得看看就好。有一個分析師說得很好：CES 講的是未來科技，華爾街看的是已經、或確定會發生的銷售數字，兩者本質就不同。

背景補充，整個美股大盤 1/7 開始走弱，這跟預期降息的失望，美債殖利率飆高有關。

首先看你的 Chrome 版本，要在 124.0.6367.119 這個版本以上才能使用此功能。不是的話請升級至最新版本。

在 Chrome 登入你的 Google 帳號 (gmail 帳號，youtube 帳號皆相通)。

Google 的 AI 引擎叫做 Gemini，可以先到 Gemini 官網登入一下，待會使用才不會卡在這。登入時大概就是同意隱私權條款之類，完成登入後 Gemini 頁面先擺在那，或是關掉都沒關係。

「先到 Gemini 官網登入一下」這個動作只要第一次打通即可，未來不用再做。

以上都走過了，將來只要你 Chrome 有登入 Google 帳號，在網址列輸入@，就會看到「與 Gemini 對話」的提示，點它。

撰文的現在是2024年5月10日，目前「與 Gemini 對話」後面只能輸入英文，輸入中文轉到 Gemini 網頁時會顯示亂碼。

你可以在「與 Gemini 對話」後面 (網址列) 先隨便輸入簡單的問題，例如：what is the weather in Taipei?

瀏覽器就會轉到 Gemini 頁面，回覆你答案。以上就是在 Chrome 網址列使用 Gemini 的方式。

輸入與回覆中英文的問題

上面提到網址列目前 (2024年5月10日) 只能輸入英文，但很好玩的是，你如果在 Gemini 網頁直接輸入中文是可以的。

如果你用網址列(目前只能輸入英文)，Gemini 預設會回覆你英文。你可以在(英文)問句後面接 respond in traditional chinese，這樣 Gemini 就會回覆你繁體中文。

larry 實際測試，有時候在 Gemini 網頁直接輸入中文，它也會回覆你英文。如果發生此情況，你可以在問句後面接「回覆中文」字樣，Gemini 就會回覆中文。

文字部分的應用

基本上什麼事情都可以問 Gemini。例如什麼人、事、物，旅遊景點與行程。也可以產生文案的範本，你可以藉此找出 idea。或是查詢什麼教學或指引，以上都可以由 AI 協助。

AI 會快速給你一個「導引」(introduction)，讓你至少有起點可以開始搜尋，我覺得這是 AI 最大的功用。

可否產生圖片？

中文目前 (2024年5月10日) 無法產生圖片。用英文測試，larry 有看到兩種結果：有的時候可以產生圖片，有時候 Gemini 會回覆一個連結和縮圖，讓你導到其他網頁 (有你要的圖片)。

即時的新聞與事件，直接Google會比較準

這種生成式AI，還是需要機器學習的時間。當下發生的新聞與事件，只是它學習素材的一部分。

也就是當下發生的新聞與事件，它還來不及學習與整理，沒辦法回覆，或是回覆的是「舊聞」。

我覺得遲疑的點

這種生成式AI，等於是你問它一個問題，它整理出一個短的圖文文章給你。但是我會覺得第一，內容的真實性，真的是這樣嗎？

對比直接 Google 搜尋，是整理出網站列表，可能有官方網站，可能有大媒體公司的網站，可能有點進去圖文真的很詳盡的部落格。

以上這些網站都有或高或低的「權威性」(當然以你喜歡的為主)。但是 AI 直接回覆的圖文，我會覺得：真的是這樣嗎？

再來，深入度 (也跟真實性有關)。例如問AI：台南最好玩的景點。它肯定可以回覆你最「知名」的一些景點。但這些真的是台南在地人會推薦的嗎？或是最新最熱門的嗎？

問事情、問教學也是一樣。larry 覺得這種生成式AI 只能提供你一個「導引」(introduction)，如果你要真正的解答，還是要 google / youtube 每個網站或影片去看。

工具使用之外，我的觀察

英文很重要，機器學習一定是從全世界的「英文」文件、影音開始學習，才會擴展到其他語言。不同的語言又有不同的文法與語意，機器要能理解，沒那麼簡單。

也就是等繁體中文完整上線，已經是英文版上線之後很久的事。所以 larry 會覺得英文還是非常重要，甚至你用英文跟 Gemini 聊天，藉此練習英文也很好。

另外 larry 講一下商業的東西，包含很多知名商業評論與雜誌，多數認為 Google 在 AI 領域落後微軟。但我覺得 Google 用 Chrome 當入口工具，這招很高啊。

網路服務，入口非常重要，包含早年的Yahoo首頁，Google搜尋結果頁，LINE，微信，任何服務搭在這些入口軟體，都很容易成功。

Chrome 瀏覽器壓倒性的市佔，這是事實。Google 用一個絕對優勢的位置，與新的服務 (Gemini) 產生綜效，這是完全正確的決定。

70、80 元的股票漲到兩百多塊，使得廣達成了各界吹捧的對象。當然，內外資用鈔票表示喜愛，一家股票才能數倍的漲。資金喜愛與各界吹捧，互為因果，讓廣達股價扶搖直上。

先說明，這篇文章「並不是」廣達的股價分析。

「工程師 vs 業務員」的比喻

larry 前幾天看到一篇主流商業媒體的報導，當然也是要吹捧廣達。該篇報導將廣達與另一家同業公司 (簡稱 A公司) 做對比，形容成「工程師 vs 業務員」，廣達是工程師，A公司是業務員。

那篇報導說，廣達因為林百里董事長工程師的基因和思維，眼光很遠，早就在「AI伺服器」領域耕耘，所以如今開花結果。

A公司的老闆是業務員出身，總是追求眼前利益的最大化，總是不捨眼前利益，佈局未來總是慢了一步，所以 A公司的股價到今天還是原地打轉。

坦白說，「工程師 vs 業務員」的比喻，我不是很認同。

larry 開業這麼多年累積的經驗和看法，如果你只是單純的工程師，40歲前沒有業務經驗，不知道人與人之間的利害關係，也不懂得應對進退，那這輩子大概就這樣了。 

年紀大了之後，沒有這些積累，你不在這個思維跟環境，更不會有這方面的經驗，要改變幾乎不可能。

延伸閱讀：人到了中、老年最有價值的是「實戰經驗」？來聊聊我的經驗和看法

那篇報導中「工程師 vs 業務員」的比喻，明顯「業務員」是貶義。如上文所述，以 larry 的經驗來說，我鼓勵「非業務」的人去接觸業務環境，這樣你才會實打實的知道這世間的遊戲規則是什麼，人與人之間的關係是什麼。

甚至，你到一定的層級之後，不管你的專業是什麼，比的就是業務能力。例如，一間有規模公司的「工程副總」，他負責的就是工程方面的整體業務啊。或是「總經理」，他本身就是公司的最大業務啊。

「工程師 vs 業務員」的比喻，同時過度簡化了工程師與業務員。

與其說是工程師，倒不如說…

廣達在 AI伺服器的成功，林百里董事長的眼光，與其說是工程師，倒不如說人家總是看的是自己的優勢，清楚自己要走什麼路。對一個自己沒有競爭優勢的產業，或是已經競爭到沒有利潤的產業，人家該斷即斷。

也就是他們一路走來，總是能認清自己要走什麼路，不被當下市場的訂單牽著鼻子走。即使不是當下利益的最大化，即使損失了眼前利益。

「短期利益」跟「長期利益」是衝突的

larry 常說「短期利益」跟「長期利益」是衝突的，你只能取其一，在這裡也是一個體現。

大多數人汲汲營營於眼前利益，沒有不對。但每個人的時間都有限，當你全身心配合眼前的利益環境，自然你整個人只為這個利益環境而「訂做」。只能巴著這個利益環境，只能巴著這個人。

換句話說，當環境或人一變，上面這種人並無自己獨立而長期的價值。

有在看本站 商業思維文章 的讀者應該知道，如果你真正理解的話，做人、做公司、甚至做自媒體的道理都是一樣：找到自己的定位，知道自己在社會上的位置，知道自己與別人是什麼關係，盡量去夯實底層競爭力。

這就是在追求「長期利益」，當你這麼做，通常意味著你要犧牲短期利益，因為你不是在迎合特定環境或人。

「短期利益」跟「長期利益」是衝突的，你只能取其一。larry 長年來的觀察，多數人追求的還是前者：當下獲利、當下滿足。

當然，廣達到目前還是林董親自領軍，要走什麼路，他說了算。不像其他經理人上面還有人要報告，只能汲汲營營於業績的最大化。

公司是老闆意志的延伸，公司要走什麼路，老闆自己要清楚。個人也是一樣，人生是一張單程車票，你要走什麼路，你追求的是短期利益還是長期利益，要問你自己。

結語

本篇文章 larry 從一篇報導中「工程師 vs 業務員」的比喻，聊到「短期利益 vs 長期利益」的概念。 

「短期利益 vs 長期戰略」本來就是兩難，大多數人為了眼前利益而活，天經地義，沒有不對。

但如文中提到這兩者是衝突的，你只能取其一。個人或公司都一樣，當你的思維與身心都投入在眼前利益時，自然就犧牲了自己的長期價值，包含你的信用、人品與風評。

反之，走自己的戰略也要小心，需要持續且反覆的確認，是否自己的認知與市場有落差。而且任何人或公司都需要實際收益，做人做事太「出世」只會困難重重。

「短期利益 vs 長期戰略」如同天秤的兩端，兩者總是在拉鋸，取得平衡。如何生長於街頭，懂得生存與戰略，走的是正道，同時心懷理想，很值得每個人思考。

因為 larry 的部落格已經經營非常久 (第一篇文章是 2012 年)，與 Google 搜尋強相關的人一定是部落客或媒體網站的經營者，因為我們每天都在看流量。再來，larry 公司的業務有包含 Google 廣告，當然這也是 Google 的主要營收。

基於以上兩點，我滿好奇 ChatGPT 的崛起到底是怎麼一回事，以及未來整個產業會怎麼變化。

延伸閱讀：Alphabet (Google) 財報 2021~2022，從 YouTube 的營收變化，來看自媒體環境與廠商的選擇

larry 會從商業的角度分析，本篇幾乎不會提及工程的概念，只會帶到幾個名詞，目的是為了敘述整件事的前後脈絡。

ChatGPT 的來源

ChatGPT 全名是 Chat Generative Pre-trained Transformer，注意到 Generative 這個字，中文是翻「生成式」，就是它理解你的問題與需求後，會產生一段文字、音樂、圖片，甚至是一段程式碼。這類型的應用歸為 生成式AI (Generative AI)。

ChatGPT 是由美國 OpenAI 公司開發的，底層是 GPT-3 語言模型。GPT 這一系列引擎都是 OpenAI 開發的，GPT 2018/06 發布，GPT-2 2019/02 發布，GPT-3 2020/05 發布。

2018/06 第一代 GPT 發布，2018 年底 Google BERT 語言模型也發布，當然 Google 牌子大，第一代 GPT 鋒頭馬上被 BERT 搶過去。

2019/02 發布的 GPT-2 改善了 BERT 的一些缺點，鋒頭又回到 GPT-2。GPT-3 則是基於 GPT-2，進而使用海量的資料做預訓練。

2018 到現在 (2023年3月)，世界上雖然沒有大的軟體應用板塊變化，但人工智能、自然語言這領域的競爭是暗潮洶湧的啊！

引入微軟的投資

還記得上方提到 2019 發布了 GPT-2，已經需要超大量的運算資源 (這都是錢啊)。所以此時就開始引入微軟投資，微軟並提供自家平台 Azure 的雲端運算支援，代價是 OpenAI 要授權 GPT 的研發成果給微軟商業使用。

在 2019、2021、以及前陣子 (2023年1月) OpenAI 都接受了微軟的投資 (微軟的公告)。對新創公司而言，微軟這個數量級的投資，想必已經是最大股東，擁有高度的控制權。

微軟現任由 Satya Nadella 領導的團隊很厲害，公司策略都想得很清楚，尤其是跟其他科技巨頭的競合策略，這幾年公司營收也蒸蒸日上。微軟現任領導班子的思維與能力，以及實際擁有了 OpenAI，這是第一個考量點。

Google 可以看出來也急了。2023年2月初急急忙忙推出了人工智能 Bard，但在官方貼出來的 demo 影片，被專家發現 Bard 回答有錯誤。2/7 Alphabet (也就是 Google) 收盤價 107.64 美元，2/8 收盤價 99.37 美元，跌了 7.68%。

除了股價跌，larry 滿好奇的是 Google 官方的推廣影片 (不是 Live demo 喔)，怎麼沒找專家反覆確認後再發布？是不是這間公司的企業文化已經改變？

微軟＋OpenAI 的組合確實已經讓 Google 響起了警鐘，尤其搜尋廣告是整個 Google 的主要營收。試想，如果 ChatGPT 交談式搜尋發展出自有的商業模式，只要佔據現有市場 10% 的用戶就好，對 Google 搜尋廣告以及營收影響會多大。

微軟的機會

在很多媒體訪談，你可以看到微軟 CEO Satya Nadella 的語言多興奮，侃侃而談對新搜尋事業的展望。Satya Nadella 當然是大生意人，看來是聞到機會，眼睛都亮了。

美國主流媒體 CNBC的報導

“I have not seen something like this since I would say 2007-2008, when the cloud was just first coming out.”

Satya Nadella 說自從 2007~2008 雲端事業的機會後，就沒看過一個機會像現在 ChatGPT 的機會這麼好。

對 Google 而言，搜尋事業是他們的主要營收，Google 搜尋對轉型有不可承受之重。你能跟投資人說：嘿、給我半年的時間，我們試試看新的 AI 智慧搜尋，期間營收可能會衰退，但我們是為公司的長遠發展好。可能這樣說嗎？不可能。

Satya Nadella 頭腦太清楚，搜尋大餅本來是 Google 獨佔，微軟只要拿到一些搜尋用戶，就已經是大賺了。這筆投資賠錢我都要做，因為這筆投資可能造成 game changing。更何況我還有 Azure 雲端運算平台，我本來有的資源可以全部投下去。

根據 路透社的報導，Alphabet 董事會主席 John Hennessy 說

“having an exchange with AI known as a large language model likely cost 10 times more than a standard keyword search, though fine-tuning will help reduce the expense quickly.”

儘管微調可以降低運算量，AI 參與搜尋的運算量 (這些都是錢啊) 是傳統搜尋的 10 倍之多。也就是再怎麼調整，搜尋業務的毛利率將大幅下降，永遠下降，遊戲規則將來會完全改變。

結論

ChatGPT 帶來的技術革命，這次看來是真的了。也許我們不敢說看得準，但我尊敬微軟 CEO Satya Nadella 的看法，人家明顯是聞到機會了。

ChatGPT 的背後是微軟與 Google 兩大巨頭的鬥爭。尤其搜尋引擎是 Google 的核心業務，從 2000 年主宰到現在，可能第一次覺得「毛在燒」(台語)。

AI 交談式搜尋的時代開始後，不知道現在的搜尋結果頁還會不會存在。即使存在，用戶在 AI 給出回答後，也不會再往下點了。現在搜尋的機制，無數「內容農場式」的網站，和所謂 SEO 的一大盤遊戲，可能真的會被顛覆掉。