歲月的容顏 YingChu Chen

文章

六月的第一天，我去聽NVIDIA執行長演講

因為種種原因，今年6月1日開始，我從原單位全職轉為兼任員工，放下長期擔任的全職工作。就在做出這個決定後不久，NVIDIA GTC 大會的通知跟著到來，我候補到黃仁勳執行長 Keynote 演講的入場名額。計程車上的台灣故事六月的第一天早上雖然是個不太熱的陰天，我在咖啡店外攔到計程車，表示要前往台北流行音樂中心，司機大哥很敏感的說：「要去聽黃執行長演講啊？那裡排好多人。可以去買紀念品哦！」基於十多年的工作經驗，辦會、與會，我只留對我有意義會議的Badge，其他都是身外物，然而這位司機大哥的熱情稍微感染了我。熱情的司機大哥一路上不停講述家裡親人在相關供應鏈工作的忙碌，每天都當空中飛人，落地沒多久就又要到另一個國家的工廠監督。台灣的電子製造業供應鏈養活許多家庭，這是很棒的一件事，這些家庭又帶動其他消費需求，帶動創造經濟效益。人潮與恐慌當我下車看到會場的人山人海時，倒抽一口氣。因為疫情前的密集出差經驗，我得了機場恐懼症，只要看到人群、機場相關場景或班機表，全身就開始冒冷汗。平常去送機接機，或路過北門站，都要努力克制自己的恐慌。人多的場合也會觸發類似反應。好在現場的流程管控得當，幾千人入場，一切準時開始。排隊時偶爾有人因為天氣悶熱不耐等候而抱怨，但多數人都能控制自己，沒有不愉快的事發生。每位與會者除通行證外，還收到一個漫畫版黃執行長擁抱龍蝦的小吊飾（代表NVIDIA 的 NemoClaw），是當天與會的小紀念品。帳篷裡的 AI 人才問題在會場外的帳篷裡，還有幾場專家訪談直播，與會者一邊排隊等候，一邊可以聽訪談。其中一場的主持人問：「我們還需要什麼樣的AI人才？或我們還需要再訓練AI人才嗎？」這個問題讓我想起多年前「數位經濟」這四個字很熱門時，同樣的問題，只是把「數位經濟」換成「AI」，所以我只是靜靜的繼續排隊。就像種植蔬果，不管專家怎麼呼籲，市場往往還是一窩蜂種高麗菜，搶著賺高麗菜的利潤，結果菜價崩盤。人才培育也有類似的慣性，大家一窩蜂往電子或相關領域擠，真正重要的人文領域反而乏人問津，最後又要政府砸幾千億去呼籲、鼓勵產出「內容」。與 Windows 重逢，心情複雜領到通行證，進入會場後，一般與會者只能遠距離觀看，所以如果沒有要再去看 Computex或是參與NVIDIA GTC其他活動的話，看轉播或是之後再看錄影就可以，而且會更清楚。一如以往，黃...

歐盟 AI Act 2026 年 5 月進度整理

台灣有不少企業直接在歐盟市場做生意，或是與歐盟企業有供應鏈往來。只要產品或服務觸及歐盟，AI Act 的規範就可能適用，這件事與台灣企業的距離很近，而今年5月是AI Act進度發展密集的一個月，值得整理一下發生什麼事。 AI Omnibus 修正案：從提案到5月協議 AI Omnibus 修正案 (一攬子修正案，以下簡稱Omnibus )是指把多項修正打包成一個法案同步處理的立法方式。這次的 AI Omnibus，是《AI Act》2024年正式生效以來的首次實質修正。它的起點在2025年11月。當時歐盟執委會(European Commission)提出修正提案，認為《AI Act》中的高風險 AI 的法遵負擔過重，有必要調整期限並減輕中小企業壓力。歐盟理事會(Council of the European Union)與歐洲議會在2026年3月分別通過各自的談判立場，三方協商正式展開。歐盟理事會與歐洲議會在5月7日凌晨達成暫定協議，打包以下2項修正：時程延後：就業審查、執法、信用評分等領域的AI系統( Annex III )，遵法的截止日從2026年8月延到2027年12月；嵌入醫療器材、機械等產品的AI( Annex I )，則延到2028年8 月。新增禁令： AI生成非自願性親密影像(俗稱AI裸化應用)，以及生成兒童性剝削內容的AI系統，2項均在2026年12月生效。這份協議目前仍是暫定協議，需要歐洲議會全體投票與理事會正式採納，預計2026年6至7月完成。行程緊湊的歐盟AI Office Omnibus 協議簽完，歐盟AI Office在5月做2件事：透明度義務指引草案(5月8日)：歐盟執委會就《AI Act》第 50 條的透明度義務公開徵求意見至6月3日。這份指引將規範「互動式 AI 系統必須主動告知使用者正在與 AI 互動，生成式 AI 的內容也必須植入機器可讀的浮水印」，這項義務沒有延後，依然在2026年8月2日生效，距現在只剩10週。高風險AI分類指引草案(5月19日）： 148 頁的草案出爐，涵括生物辨識、教育、就業、基本服務、執法、移民、司法等7大領域，逐一說明什麼樣的AI系統會被認定為高風險。「高風險AI分類指引草案」公開徵詢意見至6月23日。這份指引原定2月發布，實際延遲整整3個月才出來。但歐盟 AI Of...

我在不會寫 code 的情況下做出一個桌面工具

當各種AI工具迅速發展的情況下，大家也開始製作自己常用的工具，更進一步公開分享給大家使用，例如 Jimmy Su 就分享自製的沉浸式翻譯工具，滿足一般人平時上網閱讀外文頁面的需求；進一步像是 Justin Lee 開發的 ccxray ，讓Claude Code的使用者可以監看Claude Code與Anthropic API之間的互動，使 AI Token 的消耗變成視覺化的儀表板。為什麼做這個工具 AI 幫助許多一般網路使用者做出適合自己使用的工具，我自己也曾分享自己的經驗，現在做出一個應用程式的門檻已經降低許多，AI不會讓程式設計工作消失，反而讓更多人投入這樣的工作，從這個角度看應該是好事。我自己也用AI打造一些工作上會使用的工具，包括後來做的這個「 AI-Doc-Translator 」，這是獨立自我日常工作使用的工具的其中一個功能，做成一支桌面程式。由於每天都會接觸到外文論文、期刊，很多PDF檔下載後，只會放在儲存空間裡，或是丟到電子書應用程式裡，但什麼時候再打開？打開還要再閱讀外文的摘要、從頭理解？這些都會消耗掉耐心，於是我讓AI先幫我摘要重點，讓我大致了解檔案內容、記錄後，再做關聯成為自己的知識庫。這個工具主要的功能是翻譯、摘要，它不是通篇翻譯，也不是改寫作者的內容，只做摘要，長期累積起來的文件會相當可觀，就可以做成知識庫應用。人們通常在下載文件時，自己已經先篩選過資料了，也不是隨便下載，所以使用者自己就是守門員。為什麼不用 Notebook LM 就好當然也有很多人習慣把檔案抓下來後丟進各種AI工具，Notebook LM、各種AI Chatbot或是翻譯軟體，但我自己在使用後的心得是，因為資料量太多，Notebook LM的效能會很差，而各種AI Chatbot 在對話結束後，使用者要再找回對話記錄可能還要花時間找尋。那為什麼不平時就開始做知識庫呢？所以在翻譯、摘要的過程中，也是在建立自己的知識庫，存在某個資料夾，可以再利用各種工具來搭建。我自己是使用 Obsidian 配合 Claudian Plugin 一起使用。在閱讀由LLM產出的摘要時，我一定會遇到無法理解的內容，就可以再使用Claudian進一步「討論」內容，或請它解釋。於是文件就不是只有文件，而是可互動性的內容，也不會只在電腦裡積灰塵。製作「AI...

當「會用 AI」變成基本能力之後

在經歷一些浪潮後，開始看到歷史不斷重複，只是每次更換不同的工具或名字。記得自己學習 Microsoft Office 的時候，很多人排斥辦公室軟體，認為沒必要特別去學。那時候的Office在市場上還有競爭對手，選擇不只一種。但慢慢地，「會用 Office」變成找工作的加分項，許多公司願意花錢讓員工上課、請講師來開班。等到我大學畢業，會用 Word、Excel與Power Point 已是基本職能要求。網際網路也是一樣。先不談基礎的域名與IP資源分配，在應用上，網路發展初期會架設網站是專業，是可以收費的能力。後來出現架站工具、有現成的模板服務、內容管理工具，慢慢降低架站的門檻。現在，一個使用者只要懂得使用 AI，幾分鐘就能生出一個網站，還可以快速切換版型和配色。疫情之後，許多公司急著招募「會用 AI」的員工，但因為沒有清楚的標準，招進來的人良莠不齊，之後又陸續裁員。這個過程，跟當年搶招「會用電腦」的員工，幾乎如出一轍。我自己也在摸索 AI 工具，做一些每天都會使用的應用程式，但我不會說自己是開發者。我也很清楚，有些人對 AI 的認識，還停留在聊天機器人的階段。進一步，可能會用用排程功能，但要做出自己的應用，感覺還是有一段距離。即使工具已經很努力在降低門檻，面對一個空白的輸入框，很多人還是不知道要從哪裡開始。這讓我想到一件事：每一次新工具出現，都會有一門生意是幫人跨過那道門檻。教人用 Office 是生意，教人架站是生意，出版相關書籍是生意。不是每個人都需要成為專家，但每個人都需要有人扶一把。最近常聽到有人說，AI 時代最後比的是品味、是判斷力，但品味是「用」出來的，判斷力是撞牆幾次之後長出來的，都是累積下來的經驗。回頭看那些被工具的浪潮淹沒的人，多是因為太晚決定要不要踏進去，多數人只需要工具夠用，夠用來解決自己的問題、完成自己的工作就好。那 AI 這一波呢？工具每天都在更新，資訊不對稱的差距愈來愈小。當「會用 AI」也變成基本能力之後，真正稀缺的東西會是什麼？人類真正需要的，又是什麼？

從政策研究到 AI 實踐：在技術社群中找到同行者 -- 第三次AI取暖會之後的補充

轉變的開始我在2023年開始使用 AI 工具協助處理工作後，逐漸把心思轉向可以使用 AI 開發的應用。最直接的是建置一個整合多國政府開放資料庫的研究平台，目的預測全球科技發展趨勢，同時我也開發一個半自動化工作流程，讓例行性的法遵工作由AI自己執行。這樣的經驗讓我看見一個現象：從電腦、通訊、網路到人工智慧，每一波科技進步都在做同一件事—降低資訊門檻，讓人無法利用資訊不對稱剝削他人。因為完全沒有工程師的相關背景，我在2025年底到現在開發的平台，其實一直讓我有許多挫折，可能是硬體資源不足，也有可能是軟體資源不足，還有自2023年就被引發的焦慮與挫折，非常需要與「真實的人」交流，而很感謝有一個「AI取暖會」的社群活動可以讓工程師與非工程師的人可以實際面對面交流。孤獨與挫折這一年多來，我也經歷很多挫折。沒有工程師背景，我在開發過程中遇到硬體資源、軟體資源的瓶頸，還有從2024年就開始累積的焦慮。最難的是一個人做決定時的無力感—我需要的不是更多教學或是引發焦慮的文章，而是有人說「我也遇過這個問題」。直到我發現「AI取暖會」。技術社群的力量第一次參與時，主辦人 Jeremy Lu 分享他的個人經驗與工作方法。我學到把單一 Agent 拆成5、6個 Agents，避免不同領域知識交叉污染。第2次聚會，一位工程師分享怎麼用 AI 與 Figma 與客戶一起製作網站，讓 AI 成為工作坊的一員，這些是真正的實務。這場分享也讓我想起去年在鴻海科技展看到的案例：他們開發可以在診間與醫生共用的生成式 AI平臺（用於乳癌患者諮詢用），患者與醫生間多一個提供意見的第三方角色。這才是 AI 應該被使用的一種方式。我的分享與未完的對話參與2次後，我決定主動分享自己的經驗。站上台前我很害怕，畢竟我離開網路治理社群已經有一段時間，很久沒公開分享自己的經驗，而昨天的分享定位只有實務經驗，沒有複雜的技術或是實務展示。現場工程師問我的問題很有意思：不是「你怎麼做到的」，而是「責任歸屬是誰」、「使用資料的規定與限制是什麼」。這說明了一件事：技術問題的背後涵蓋公司治理問題。但我也意識到有些重要的東西沒有回答完整，特別是安全性。沒完的答案：安全前幾天發生的 Axios供應鏈安全事件讓我很憂慮。我的平台串接開放政府資料，但我看不出來哪個API裡有什麼後門。AI 會執行使用者...

不是公司設在哪裡，是公司的服務對象是誰：臺灣中小企業的跨境法遵現實

歐洲資料保護委員會（EDPB）在2026年2月發布的刪除權調查報告，給我一個很難忽視的數字：他們聯合調查了將近8,000家企業，回應率不足一成。這個數字不只是個資法遵落差的指標，它更像是一個訊號：當監管機關開始大規模橫向調查，沒有回應不代表豁免，代表的是還沒輪到你。更讓我在意的，是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍，這意味著企業不能再把「刪除」當成一個資料庫指令的問題，而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題，但它實際上開始觸碰AI系統設計的核心：一個以個人資料訓練的模型，要怎麼「刪除」某一筆資料的影響？這正是我想在這篇文章討論的事：三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間，已經開始彼此滲透，形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。競爭法：從行為合謀到架構審查全球反壟斷執法在過去一年發生了一個根本性的轉變，而它的影響遠比多數企業意識到的更廣。過去的競爭法問題大多有一個清楚的前提：企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後，正式將「競爭對手共同使用同一定價演算法」納入審查範圍，即使業者之間沒有任何直接溝通，只要共享了同一套系統的輸出結果，就可能被認定為形成協同定價的制度環境。這個轉變的理論基礎來自稍早的RealPage租金案：多家房東將非公開的即時租金資訊提交給同一平臺，平臺以演算法生成建議租金。法院的判斷是，不需要租東彼此達成共識，這個「共同使用同一個資訊中介」的架構本身，已經可能構成協同定價的條件。紐約州對Instacart演算法定價機制的調查，和歐盟對Google AI內容抓取的反壟斷調查，都在同一個方向上進一步延伸。歐盟這個案子格外值得注意：Google被指控在未取得授權的情況下，以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度，不是從著作權法。對臺灣企業的直接影響在這裡：如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務，你需要知道這些服務是否同時服務你的競爭對手，以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策，而是一個具有競爭法風險的經營選擇。歐盟《數位市場法》（DMA）和英國《數位...