科技新創專欄

Figma，一個從 UI 設計工具進化成為全球設計協作平台的矽谷新星，近期再度登上新聞版面！因為它即將啟動 IPO，並重新點燃了設計與 SaaS 界對平台未來想像的火花。
今天這篇文章將帶你全面認識 Figma 的成長歷程、產品技術、商業模式與即將上市的市場意涵。即使你不是設計師，也能從 Figma 的演進中，看到一間科技公司如何利用技術與社群撐起平台規模效應，並逐步挑戰設計巨頭如 Adobe 的地位！

在過去幾年，自動駕駛技術從科幻電影走入現實，尤其以無人計程車（Robotaxi）的商業應用為代表，正在悄悄改變人們對交通的想像。從 Waymo 在鳳凰城開放一般民眾叫車，到 Tesla 在奧斯汀啟動 Robotaxi 測試，美國街頭已出現沒有司機的車輛在移動。
這是一場技術革命，也是一場制度、倫理、商業模式的全面考驗。今天這篇文章，將帶你整理目前全球自動駕駛的發展現況，拆解技術路線、主要玩家與關鍵挑戰，並探討它如何從實驗邁向落地，一起看下去吧！

在過去，提到 AI 的發展，大家常會聚焦在模型本身：GPT-4 有多強、Gemini 多厲害、Claude 多能言善道。但事實上，這些模型背後的資料，才是真正決定它們「學得多好、理解多深」的關鍵資產。而在這場資料競賽中，有一家公司扮演了無人取代的角色：Scale AI
Scale AI 成立於 2016 年，專注於幫企業「訓練 AI 模型所需的資料」。它的核心業務不是開發模型，而是提供大規模、高品質且精準標註的資料處理服務。這包含從圖像、語音、文字，到自駕車場景的資料標記。想像它是一個訓練場的教練：不是主角，卻決定主角成敗。許多頂尖 AI 模型，包括 OpenAI、Meta、Google 過去都使用過 Scale 的資料服務。
這樣一間低調但關鍵的公司，最近被 Meta 收購了大筆股份，引發整個產業地震級反應——Google 急撤合作，OpenAI 表示繼續觀望。今天這篇文章就要帶你拆解：為什麼 Meta 會重金併購 Scale AI？背後代表哪些市場訊號？又會怎麼影響未來 AI 戰局？

在過去，創業是一件要靠人脈、資金與長時間規劃的大事。但現在，你可能只需要一個想法、一杯咖啡，加上一套好用的 AI 工具，就能啟動一個小專案、建立一份商業簡報，甚至產出一個早期產品構想。這種門檻的變化，正在讓創業從「大膽的人做的事」變成「有好奇心的人也可以開始練習的事」。
今天這篇文章將帶你認識一間由 21 歲創辦人打造的 AI 招募新創 —— Mercor。在短短不到兩年內，他們募得 1 億美元、估值達 20 億美元，並已服務上千家企業。這不只是「AI + 人才媒合」的故事，也是一個結合技術敏感度、商業思維與用戶洞察的創業範例。今天會從創業背景、產品設計、技術亮點、市場策略與挑戰五個面向切入，試著回答一個問題：為什麼 Mercor 如此成功？

前言：為什麼「2027」會成為一個被放大的 AI 節點？
2023 年以來，生成式 AI 工具的進步速度震撼全球。從 ChatGPT 的爆紅到 GPTs、Claude、Gemini 的功能疊加，AI 已經從「寫文案」進化到「能幫你做決策」。許多人開始提出更激進的假設：會不會到了 2027，我們就能看到真正的 AGI？
AGI，Artificial General Intelligence，即人工通用智慧，意味著 AI 將不再只是回答問題，而能像人類一樣學習、推理、理解與規劃。Anthropic、OpenAI 等公司的創辦人近來公開表示，這樣的目標可能在 2027 年前後達成。這類言論既令人興奮，也蠻讓人害怕的…
身為 AI 的重度使用者，每天都與這些工具共處、觀察產業動態的同時，也深刻感受到需要多用更全面的研究去平衡不同觀點，不然真的會被每天新的 AI 研究搞得很焦慮！
因此，今天的文章不試圖預言未來，而是回到一個更理性客觀的角度：從支持 / 反對 AI 2027雙方的論點出發，理解為何「AI 2027」成為聚光燈焦點，以及我們到底該用什麼心態去看待它！一起看下去吧！

在過去，創業是一件要靠人脈、資金與長時間規劃的大事。但現在你可能只需要一個想法、一杯咖啡，加上一套好用的 AI 工具，就能啟動一個小專案、建立一份商業簡報，甚至產出一個早期產品構想。這種門檻的變化，正在讓創業從「大膽的人做的事」變成「有好奇心的人也可以開始練習的事」。
今天這篇文章從一份彙整 83 篇學術研究的論文出發，系統性整理 GenAI 在創業過程中的實際角色與可能風險，並嘗試回到最貼近人的視角：如果你是對創業感興趣但還沒踏出第一步的人，這場 AI 革命對你意味著什麼？這篇文章會從工具、行為、教育、風險與未來建議五個角度切入，陪你想清楚——AI 讓事情變快了，但也讓我們更需要慢慢想。

2024 年後，AI 工具已經滲透進我們生活的各個角落。從在 LINE 上自動回覆訊息的小機器人，到企業用來生成報告、編寫程式的智慧助手，AI 彷彿成了我們工作和生活的一部分夥伴。作為一個每天至少使用五種不同 AI 工具的使用者，我常常驚訝於它們的流暢與聰明，甚至在某些時刻，感覺它們懂我勝過我自己！

但也正因如此，不安感開始浮現——我們真的了解這些 AI 是如何得出結論的嗎？每當看到 AI 完成一篇幾乎無懈可擊的報告時，心中不免都會浮現一個疑問：這些結果，是它真正理解了，還是只是湊巧猜對？

如果要用一個畫面來形容現在的 AI，那大概就是：它像是一棵會自己長大的奇異植物。我們看到它開出美麗的花，結出誘人的果，但當我們拿起放大鏡，卻發現自己完全不知道它的根、莖、葉是如何交互作用。

Anthropic 近日發表的研究，正是試圖打開這個黑盒子。他們用近乎生物學家的方式，解析 Claude 3.5 這種大型語言模型內部的運作機制。不是只看輸入與輸出，而是像觀察細胞、追蹤神經元一樣，試著回答：「這棵奇異植物的每一個細胞 到底在做什麼？」

如果未來 AI 真的進入醫療、法律、金融等敏感領域，我們不能只看結果表現，而必須真正了解它的推理過程是否可靠、安全、可控，今天就來透過 Anthropic 的研究來一探 AI 大腦的運作方式吧！

當你第一次使用 ChatGPT，你可能會驚訝於它的反應速度、語言能力和資料量。它就像一位全知全能的線上百科助理，能寫文章、改履歷、生成行銷文案、甚至寫出一段程式碼。對許多人來說，這樣的工具已經足以改變工作習慣與生活方式。
但如果你是一位創業者、PM 或是自由接案者，很快你就會發現：ChatGPT 雖然能幫你「做出東西」，但無法「完成任務」。你得親自指揮每一步，像在跟一位很聰明但沒有主動性的助理工作。這時，AI Agent 的概念就浮現了。
AI Agent（AI 代理人）不是單純的聊天機器人，而是能主動理解目標、規劃任務流程、執行多步驟行動的智能系統。你只需要告訴它「我想讓網站轉換率提升」，它會自動幫你從分析網站問題、提出文案建議、執行 A/B 測試，到最後回報結果。這樣的能力不僅顛覆我們對 AI 的期待，也開啟了下一波 AI 革命的起點。
今天這篇文章，將帶你從最基礎的定義出發，深入了解 AI Agent 究竟是什麼、能做什麼、有哪些代表性工具與框架，又為什麼它是 ChatGPT 之後最值得你關注的新趨勢，一起看下去吧！

當一家中小企業開始擴張，第一個難題通常不是市場或產品，而是人手不夠。想像今天你就是這間企業的負責人，你可能需要身兼三職：回覆客戶、寫文案、同時處理顧客評論。
而在這些繁瑣但重要的任務中，你開始聽到一種可能改變你工作方式的新幫手：AI 人工智慧，或更具體地說：大型語言模型（Large Language Model, LLM）。