不是落後，是不同跑道：本機 AI 的取捨，以及一個藏在相機模組裡的布局# 「連 AI 都做不出來」是常見的評語。這一課的反駁不是「他其實做得很好」，而是兩邊在做的根本不是同一件事 ——一邊要大型開放的雲端 AI，一邊要能離線執行的私密小型 AI。他還用自己的真實工作情境說明為什麼後者有價值：有些東西你就是不敢上傳。 往下讀之前先問自己 你上次沒把某份文件丟給 AI，是因為它做不到，還是因為你不敢？
（預設關閉：點連結跳回原片體驗較好，也把流量還給原作者）
01
核心論點：兩邊走的是不同跑道，不能用同一把尺比
strong
機轉：為什麼會這樣
他把雙方的目標明確切開：一邊想做的是私密的、安全的、小型化的、即使離線也能運行的 AI；另一邊想做的是大型的、開放的、所有人都能連上去對話與工作的 AI。因為路線不同，不能期待前者忽然推出一個同樣強大的產品；他並補了一句——如果真做到那樣，那家公司的市值會大到可以直接把對手買下來。
實證查核
這個框架站得住，而且它糾正的是一個很普遍的比較錯誤 ：拿不同設計目標的產品用單一指標排名。裝置端推論與雲端推論在模型規模、延遲、隱私邊界與能耗上的限制完全不同，優化方向自然分歧。把「做不到別人做的事」與「沒有能力」分開，是合理的區分。
查證來源
裝置端與雲端推論在模型規模與能耗限制上不同 不同設計目標的產品不宜以單一指標排名 要補一句
但這個框架也可以被用來合理化任何延遲——只要說「我們走的是不同路線」，就永遠不必回答為什麼還沒交付 。要讓它保持可檢驗，該問的是那條路線自己的里程碑有沒有達成（本機模型的能力、離線可用範圍、實際落地的功能數），而不是拿它跟另一條路線比。他在後段其實有給出兩個具體障礙（見第 6、7 條），那才是這個論點的支撐點。
可帶走的做法
比較兩個產品前先問它們的設計目標一不一樣。不一樣的話，排名這件事本身就沒意義。
02
⭐⭐⭐ 為什麼本機執行有價值：有些東西你就是不敢上傳
moderate
機轉：為什麼會這樣
他說明雲端 AI 的實際障礙：你可以問它問題、叫它做報告，但當你想拿公司機密文件或個人日記去請它幫忙時，你是不敢的——因為那些內容上傳之後會進到對方的伺服器。他認為這正是本機執行要解決的問題。
實證查核
這個顧慮真實存在，而且是企業採用雲端 AI 時最常見的阻力。把「AI 好不好用」與「你敢不敢用」分開，是有價值的區分 ——一個你不敢餵資料的工具，對特定用途而言等於不能用，無論它多強。
查證來源
主要服務商提供不以客戶資料訓練的方案選項 本機執行使資料不離開裝置 要補一句
但「上傳就會成為模型的一部分」這個說法在 2025 年已經過度簡化：主要服務商的企業與 API 方案普遍提供不使用客戶資料訓練的選項與資料保留控制。所以真正的差異不在於「會不會被拿去訓練」，而在於資料離開你的裝置這件事本身 ——那涉及合約信任、法規遵循與傳輸風險，本機執行則從根本上不產生這個問題。他的結論方向對，但理由講得比實情絕對。
可帶走的做法
決定敢不敢用某個 AI 服務，去看它的資料保留與訓練條款，不要靠印象。多數企業方案跟免費版不一樣。
03
他給的兩個真實用例都來自自己的工作
strong
機轉：為什麼會這樣
他舉了兩個自己遇到的情境。其一是公司財務報表——細項極多，他很想用 AI 協助整理，但不可能把帳本丟到雲端。其二是寫信給代理商——初稿寫得太衝，想請 AI 幫忙把語氣順一順，但那封信的內容他也不想外流。兩個情境的共同點是：需求存在、能力也存在，卡住的只有信任。
實證查核
用自己真實的工作情境舉例，比抽象談隱私有說服力得多 ，因為它示範了這個限制在什麼時候真的會咬到人。而他選的兩個例子恰好涵蓋了兩種常見型態：結構化的敏感資料（財務），與非結構化的敏感內容（人際溝通）。前者受法規與商業機密約束，後者則是社交風險——兩者都不是靠「服務商承諾不看」就能解除的。
查證來源
開源模型可於本機執行 企業方案可透過資料處理協議約束用途 要補一句
要補的是這兩個用例其實已有中間解：可在自己的機器上運行開源模型，或使用具備資料處理協議的企業方案。所以卡住的未必是技術可得性，而是設定門檻與使用習慣 ——對一般使用者而言，「內建在手機裡、不必設定」確實是本機路線最實際的優勢，但那是易用性優勢而非獨佔能力。
可帶走的做法
有不敢上傳的需求，先試試在自己電腦上跑開源模型。現在的門檻比想像中低很多。
04
⭐ 用發表會當天的股價判斷公司好壞，是不懂市場
strong
機轉：為什麼會這樣
面對「發表會當天股價跌了所以這家公司不行」的說法，他的回應相當直接：如果你這樣判斷，他強烈建議你這輩子不要做投資。理由是你不了解市場、也不了解投資人心理。他並用小型股連續跌停又連續漲停的例子說明短期價格波動的幅度與公司體質無關。
實證查核
論點正確。發表會當日的股價變動主要反映預期與實際的落差 ，而非公司的絕對價值——即使消息本身是正面的，只要低於市場已經定價的預期，股價依然會下跌。用單日波動推論企業體質，等於把雜訊當訊號。他用波動更大的小型股作對照，也有效說明了「跌」這個字本身承載的資訊極少。
查證來源
發表會當日股價反映預期與實際的落差 單日價格波動與企業基本面關聯薄弱 要補一句
要補的是他的另一個論證（「你覺得自己比執行長厲害，那為什麼公司請的是他」）強度就弱得多——那是訴諸權威，而且與職位相關的資訊優勢並不能推導出決策正確。事實上大型公司做出錯誤策略判斷的例子並不罕見。股價那段的推理是對的，執行長那段只是修辭。
可帶走的做法
看到「某消息一出股價就跌」，先查市場原本預期什麼。跌的通常是預期落差不是公司。
05
相機模組的真正布局：那不是手機相機，是小型專業攝影機
moderate
機轉：為什麼會這樣
他用一部賽車電影作為例證：該公司把手機的相機模組改造成類似運動攝影機的裝置，裝在賽車上拍出全新視角。他的推論是——當大家還以為那些鏡頭升級只是為了讓使用者拍照更好看時，對方其實在布局專業影視用的小型攝影機市場。他並引用一份市場報告指出台灣一年的影視市場規模就達到相當可觀的量級，遑論全球。
實證查核
這是一個有意思的解讀，而且有實際事件支撐——把消費性相機模組改造成專業拍攝工具確實發生了，不是臆測。而「同一組硬體投資可以同時服務兩個市場」的商業邏輯也成立：手機的量能攤提研發成本，專業應用則提供高毛利與品牌效益。
查證來源
消費性相機模組曾改造用於專業拍攝 共用硬體平台可同時服務消費與專業市場 要補一句
但要區分事件 與推論 。事件是真的；「這代表他們在布局專業攝影機市場」則是他的解讀，也可能只是一次行銷合作或技術展示。要驗證這個推論，該看的是後續有沒有推出獨立的專業攝影產品線、或針對影視工作流的軟硬體支援——而非單一部電影。另外他引用的市場規模數字來自轉述的社群貼文，沒有直接查證來源。
可帶走的做法
看到「這代表他在布局某市場」，先問後續有沒有獨立產品線。只有一次示範的多半是行銷。
06
本機 AI 的根本兩難：算得動就會耗電
strong
機轉：為什麼會這樣
他指出本機路線最難的地方：要在裝置上運行 AI，必然增加功耗，於是效能與續航之間必須取捨。他認為這正是為什麼每年都要強調新晶片更強、同時更省電——那些看似「效能已經過剩還一直提」的宣傳，其實是在為 AI 鋪路。
實證查核
這是全片最扎實的一條，因為它是物理限制而非策略選擇。 推論需要大量的記憶體頻寬與運算，兩者都直接轉換為電力消耗與發熱；而手機的散熱與電池容量受體積硬限制。這也正確解釋了一個表面矛盾——為什麼在多數人已感覺不到效能差異的時候，晶片能效仍被當成核心賣點。他把宣傳訊息與底層限制連起來，判斷是準的。
查證來源
模型推論的記憶體頻寬與運算需求轉換為功耗與發熱 手機散熱與電池容量受體積限制 量化與蒸餾可降低本機推論的運算需求 要補一句
要補的是解法不只有「等晶片變強」：模型量化與蒸餾能大幅降低運算需求，而混合架構（簡單任務在本機、複雜任務有條件送雲端）則是業界普遍採用的折衷。所以這個兩難是可以逐步緩解的工程問題，而非死結——只是每一種緩解都伴隨自己的取捨（精度下降，或部分放棄純本機的隱私保證）。
可帶走的做法
看手機的 AI 功能宣傳時，注意它是本機跑還是連雲端。兩者的隱私與耗電完全不同。
07
AI 其實已經在用了，只是不長那個樣子
strong
機轉：為什麼會這樣
他提醒很多人忽略的一點：手機上把照片裡的人或物件移除、再自動補上背景，本身就是 AI 的應用，只是沒有被貼上 AI 的標籤。而且用不同世代的手機執行同一個動作，效能差異相當明顯——他表示自己那台前一代的機種跑起來仍嫌吃力。
實證查核
這個提醒很有價值，因為它戳破了「AI 就是聊天機器人」這個狹窄的認知 。影像修補、物件辨識、語音轉文字、照片分類這些功能都建立在生成式或判別式模型上，只是被包裝成一般功能。而他用「同一功能在不同世代上的執行速度」作為觀察指標也很聰明——那是一般人真的能感受到運算需求差異的地方。
查證來源
影像修補與物件辨識建立在機器學習模型上 同一功能在不同世代硬體上的執行效能差異明顯 要補一句
要補的是這也說明了行銷標籤的隨意性：同一批技術在被稱為 AI 之前就已經存在多年，改名之後才變成賣點。所以「有沒有 AI」這個問題本身就問錯了 ，該問的是它具體能做什麼、在哪裡運算、以及舊機型還跑不跑得動——最後這一點直接影響你要不要換機。
可帶走的做法
想知道你的手機 AI 夠不夠力，去試照片移除物件。跑得慢就是運算資源不足的實證。
08
他指出真正的難點在跨部門協作——而且直說對方最愛內鬥
moderate
機轉：為什麼會這樣
他列出要端出成品需要同時到位的環節：硬體要做出足夠的效能、軟體要跟上、伺服器部門要能做好加密，而這些必須協作且不能內鬥——接著他補了一句，那家公司最喜歡內鬥。他也提到有傳聞說對方把 AI 團隊整個重組。
實證查核
在一支整體傾向為該公司辯護的影片裡，插入一句對它的直接批評，這讓整段論述更平衡。 而他指出的組織協作問題也是真實的難點：本機 AI 橫跨晶片、作業系統、應用與伺服器基礎設施，任一環節落後都會拖住整體，這種跨部門依賴確實比單點技術突破更難管理。
查證來源
本機 AI 橫跨晶片、系統、應用與伺服器基礎設施 跨部門依賴增加交付難度 要補一句
但「最喜歡內鬥」與「團隊被重組」都屬於未具名的傳聞，他自己也用了「小道消息說」來標示。這類組織內部的說法無從查證，讀者宜當成產業傳言而非事實。這條真正可用的部分是那個結構性觀察——跨部門依賴是本機 AI 的隱形瓶頸 ，而不是特定公司的內部八卦。
可帶走的做法
評估一項技術會不會準時落地，看它要幾個部門同時到位。要三個以上的，通常會延。
09
他的預測留了時間標記，可以回頭對答案
moderate
機轉：為什麼會這樣
片中他做了幾個帶時間標記的判斷：會不會端出成品——他認為絕對會，但很可能不是當年；官方說當年會推出繁體中文版本，而他錄影時距離年底還有三個月。他也引用了台灣影視市場一年約千億台幣的規模估計，作為判斷相機布局價值的依據。
實證查核
把預測講清楚並附上時間點，是可被檢驗的表述方式 ——這比模糊的「未來會很好」有價值得多，因為讀者日後可以回頭對答案。他也誠實區分了自己的判斷（絕對會做出來）與官方說法（當年推出中文版），沒有混為一談。
查證來源
要補一句
但引用的市場規模數字來源是「某位業內人士轉貼的市場報告」，屬於二手轉述，沒有直接查證原始報告與統計口徑——影視市場的定義範圍差異極大（是否含串流、廣告、遊戲影像），數字可以差好幾倍。本站建議把這個數字當成量級參考而非精確值 ，若要引用請自行查原始報告。而他的預測本身，讀者可以拿現在的實際情況回頭驗證。
可帶走的做法
看預測時記下日期，過半年回頭看一次。會標時間的預測才有辦法檢驗，也才值得聽。
本單元引用 1 支公開影片（2025-10-11），有官方字幕可查證時間碼。⚠️ 開場即導購自家商城的蘋果周邊與音響；內容為 2025 年 10 月當時的產業判斷與預測，AI 領域變動極快，引用前請重新查證後續發展。引句均在 15 字以內，僅作定位使用。