改過報告的人都知道

修改一篇亂寫的文章

倒不如自己重寫

讓AI 全面代寫報告還早

比較訝異的是

律師事務所用AI 代寫了一篇報告

交上去之前不用自己先看過一遍

錢這麼好賺？

上個月高中同學會時, 在台大當教授的同學分享親身經歷:

當他質詢報告中引用的數據來源的時候, 學生竟答不出來

同學說他知道AI很方便, 也知道學生們大量使用AI

但對學生連整理完自己都不先看一遍感到不可思議

第一學府的學生都淪落到這種地步, 真是令人憂心...

這次AI泡沫出現的說辭

在網路泡沫時都出現過

1. 當有人在爭論是否泡沫時

那就是高點了

因為在低點不會有這個爭議

2. AI 股應該享有較高本益比，

是新常態

這一詞在2000年也出現過

3. 點石成金群魔亂舞

在每次泡沫的高點都上演這齣戲

4. 股價貴的離譜，不確定性又大

還覺得持股不夠多

是完全沒有風險意識

5. 我不相信OpenAI賺得到錢，

上兆美金的投資最後會大打折扣

AI 不行，Coding還是得靠人來規劃
向Mike桑及Alex桑致上敬意
對於發想及維護盈再表

經理人

AI 寫程式神話破滅？Vibe Coding 發明者坦言「完全沒幫上忙！」

試圖使用 claude、codex agents（幫忙寫程式）幾次，但它們的表現完全不夠好，整體而言完全『沒有幫助』。」

這句話，出自發明「Vibe Coding」（氛圍編碼）一詞的 OpenAI 創始成員安德烈 · 卡帕斯（Andrej Karpathy）。

卡帕斯曾是將 AI 輔助 Coding 推向神壇的人。然而，當他著手打造自己最新的開源專案「nanochat」時，「Vibe Coding 神話」卻碎裂一地。他親口承認，AI 反而「幫倒忙」。

這個專案，包含了約 8,000 行程式碼。而卡帕斯放棄了 AI，選擇「親手」一一完成。

有興趣的人可以試一試

反過來

拿一段程式請AI用人類語言表示出來

你一定會聽得頭大霧颯颯

用AI來寫程式的困難點

不是AI寫不出來

而是人類講不完整

例如請AI寫一個還原股價的程式

其中配息除權減資的處理均不同

如何講清楚給AI聽？

AI妖魔鬼怪股已經在回檔了

漲的時候說泡沫股價太貴

沒人聽得進去，還覺得買太少

跌下來才後悔莫及

經濟日報 編譯劉忠勇／綜合外電

輝達（NVIDIA）周二（28日）首度在華府舉行GTC大會，執行長黃仁勳宣布多項新合作計畫，並駁斥外界對AI泡沫的疑慮，並預言最新晶片可望創造5,000億美元營收。

黃仁勳表示，輝達主力AI加速器晶片Blackwell和最新的Rubin系列，將帶動銷售成長一路延續至2026年，規模前所未見。

輝達公布展現和各產業建立的合作夥伴關係：與Uber、Palantir和CrowdStrike等企業合作，確保自家技術持續位居AI熱潮核心。同時，輝達也發表一套可讓量子電腦和AI晶片互相連結的新系統。

黃仁勳表示，這項名為NVQLink的新技術將為新一代超級電腦鋪路，並可降低量子運算核心單元「量子位元」（qubits）的錯誤率。

黃仁勳在主題演講中說：「這項技術不僅能修正現有量子位元的錯誤，也能修正未來規模的錯誤。我們將把量子電腦從目前的數百個量子位元，擴展到未來的數萬、甚至數十萬個量子位元。」

他並指出，輝達已和17家量子運算公司建立合作夥伴關係，支援新推出的NVQLink技術，但未具名是哪些廠商。

1.4兆美元！ 30GW算力 ！

這個餅劃很大

Coding 不大行

能有效輔助科研嗎？

工商時報

OpenAI在28日宣布完成資本重組，成立營利事業並讓微軟掌握27％股權後，OpenAI執行長奧特曼宣布未來投資1.4兆美元發展AI基礎建設。

OpenAI對營利事業OpenAI Group PBC持有價值約1,300億美元的股權，持股比重約26％，其餘47％股份由員工與投資人持有。

對OpenAI而言，資本重組象徵公司朝公開發行股票（IPO）邁進一步。奧特曼在28日表示IPO是未來「最有可能的發展方向」，但強調目前尚無具體計畫。

1.4兆美元發展全球AI資料中心與算力，總計約30GW的算力，相當於全球現有雲端運算規模的數倍。OpenAI還將建立「基礎建設工廠」，以每周增加100萬瓩的速度持續提升算力。

OpenAI首席科學家帕邱吉（Jakub Pachocki）為公司設下兩大目標，第一階段是在明年9月前打造「AI研究實習生」，能透過大量算力協助人類科學家加速研發；第二階段是在2028年3月前打造「全自動AI研究員」，獨立執行大型研發計畫。

全自動AI 研究員？

獨立執行大型研發計畫？

2028？

越講越扯

如果AI 可以獨立執行大型研究計劃

AI 就能統治全世界

所有人類都失業不用工作

三年之後就到來

可能嗎？

同意mikeon桑的說法，

AI要三年內取代人類的可能性不高，

應該要定位於助手，

目前vibe coding個人覺得

如果是應用在快速產出prototype原型

效果是不錯的，但是要應用在大型專案

利用SDD 規格驅動開發，目前已經

有人開始在討論這一塊。

希望三年之後openAI這家公司還存在

虧損累累的公司

拿著股東的錢大肆揮霍

根本無法回收

花1.4兆美金擴充算力

GPU的迭代又很快

每年都有更快的產品推出

折舊料不超過5年

等於每年光折舊就3千億元

2025年營收估才130億

怎麼可能賺得回來

ChatGPT： 

SDD 是什麼：把需求以結構化、可執行的「spec（規格）」先寫好，規格可以被工具或 AI 直接執行或檢驗，然後再由 AI/工程師產出程式碼與測試。

跟 Vibe coding 的關係：Vibe coding 偏向用自然語言直接向 LLM 要成品，快速但品質不穩；SDD 則把需求具體化、可驗證，能把 Vibe coding 產出「規格化」，降低不確定性與技術債。

熱門工具 / 生態：GitHub 的 spec-kit / Spec Kit、Kiro 生態與各種社群教學正在快速發展，很多教學、實作範例、討論貼文在台灣社群（iT 邦、Medium、Dev.to）也可以找到。

........

能夠把規格講清楚是軟體工程師才辦得到

不是一般人

工程師會覺得自己寫程式比較快

Vibe coding用人類語言寫程式

應該只是Excel巨集的進階版

所有的成長動能
都建立在算力擴張
而非創造價值

目前的AI 應用有限

卻又需求無限算力

投入的成本無法反應

應用價值 ÷ 算力投入 < 1

長此以往OpenAI 如何續存？

ChatGPT： 

AI / 雲端 / 資料中心（如 NVIDIA 客戶、OpenAI、AWS）折舊年限：2～4 年

理由：

1. GPU 技術更新快（新一代效能提升數倍）。

2. 大規模運算伺服器負載重、設備壽命較短。

3. 稅務與財報上多視為「伺服器設備（server hardware）」而非一般電腦。

範例（根據公開財報）：

Google / Alphabet：伺服器折舊年限 3～4 年。

Meta（Facebook）：2024 年起 GPU 與伺服器折舊期延長至 5 年（原 4 年），反映維護與壽命改善。Microsoft Azure / AWS：大多採 3 或 4 年。

OpenAI（依據 Sam Altman 訪談內容）：AI 訓練 GPU 群組通常在 2～3 年內汰換。

小弟是 ERP 相關的開發人員，個人認為："規格講清楚" 這件事，本身就很含糊。

需求單位需要仔細思考自身的商業規格 => 架構師要"翻譯"成程式開發人員能理解的技術規格 => 程式開發人員還要根據自身經驗寫出易維護、執行效率高的程式。

就算 AI 想要取代程式開發人員，正如各位先進說的：概念驗證或雛形，還可以透過 AI 來快速產生。但要寫出大型且高效率的程式，AI 還是很難取代一般開發人員。但要 AI 協助資深開發人員，還是有一些效果的。

再講一個笑話：乙方程式開發完畢，要交付甲方時。甲方要求文件或程式碼的註解要"寫清楚"。我一貫的回答是："清楚"的定義是啥？有經驗的人看初學者的程式？初學者互看程式碼？有經驗但不同思維的人互看程式碼？怎樣的註解/文件才是雙方都能接受的"清楚"？？

甚至自己看半年前自己寫的程式碼，都會懷疑自己當時是怎麼想的。

另外，光是相同規格，資深跟資淺寫出來的執行效率，至少可以差到5倍以上，甚至自己有看過差異50倍到100倍的。

（講師，就是把聽講的人，當成完全沒經驗的聽眾，ㄧ五一十說明。 註明也可以照辦）