陈玉娟 台北 2026/06/01 12:28 NVIDIA GTC Taipei首日登场，一早会场外听众大排长龙，显见NVIDIA执行长黄仁勳及AI 趋势热潮不减。 此次演讲同样延续2026年3月在美国的GTC模式，安排台积电共同营运长米玉杰、联发科副 董事长蔡力行、华硕董事长施崇棠、纬创董事长林宪铭、广达董事长林百里及和硕董事长 童子贤，以及台大电机工程系教授李宏毅等暖场开讲。 其中，生成式AI（Generative AI）快速发展，AI正在改变产业对人才的定义。 李宏毅表示，未来最有价值的AI人才，未必是会训练模型的人，因为连模型开发与优化工 作，都可能逐渐由AI接手。真正关键的人才，将是能够理解需求、定义问题、判断价值并 持续监督AI发展方向的人。 他指出，过去谈到AI人才，往往聚焦於模型训练、演算法开发等技术能力，但这样的认知 可能很快会被颠覆。 近年来已有愈来愈多案例显示，AI不仅能协助研究工作，甚至开始参与AI本身的开发流程 。如OpenAI等机构陆续展示AI在数学推理、科学研究及程式设计的突破，相关成果几乎每 天都是全球科技圈焦点。 李宏毅也分享实验室的实际案例，有博士生发现一项既有演算法的理论证明存在问题，於 是将相关内容交给大型语言模型（LLM）分析。结果AI不仅指出原始证明的漏洞，还提出 新的推导方向与证明方法，最终协助团队完成研究成果并顺利发表论文。 再过数年，AI模型的开发方式可能已不再是研究人员逐行撰写程式码，而是透过自然语言 向AI下达需求，如要求系统协助打造新的语音模型、优化既有演算法，甚至自行设计更有 效率的模型架构。 因此，在这样的发展趋势，人才需求也将出现根本性的改变。 李宏毅表示，「未来最重要的人」不一定是负责训练模型的人，而是知道「为什麽要做这 个模型」的人。AI可以协助优化模型，但无法取代人类决定需求与价值的角色。 以语言模型为例，人们需要先思考为什麽要打造特定能力的模型、这个模型要解决什麽问 题，以及它是否符合社会需求与使用者期待。这些问题都需要由人类进行判断。 此外，即使AI能够持续自我优化，仍需要有人在训练过程中进行测试、评估与监督，确认 模型是否朝正确方向发展，并衡量其实际价值。「未来5年後最需要的人才，可能是那些 知道需求是什麽、懂得如何监督模型发展、判断模型是否真的变得更好的人。」 李宏毅指出，AI人才培育不能只局限於技术能力，而必须与各领域专业知识结合。因为不 同产业面临的问题与需求截然不同，若不了解产业背景，即使拥有再强的AI技术，也难以 打造真正有价值的应用。 无论医疗、金融、制造、生技或商业领域，都需要兼具产业知识与AI能力的复合型人才， 才能判断模型应优化到什麽程度，并确保AI真正解决实际问题。 未来的竞争力将不再只是「懂AI」，而是「懂产业且懂AI」。唯有深入理解各行各业的需 求，再结合AI工具，才能在AI时代保持优势。 谈及未来人才培养方向时，李宏毅认为，在AI快速进步的世界里，「你想做什麽」将比「 你会做什麽」更重要。 因为当AI逐渐具备执行各种技术工作的能力後，人类真正稀缺的价值将来自於洞察力、创 造力以及对问题的理解能力。能够发现需求、定义目标、提出正确问题的人，将成为未来 最重要的人才。 李宏毅另也谈到AI基础建设的重要性。 全球各国积极投入算力中心与AI资料中心建设，但背後牵涉土地取得、变电站建设、能源 供应及相关法规等复杂问题。相关团队过去半年曾深入研究美国AI基础设施建设经验，从 土地、电力到能源法规全面了解，希望能将国际经验带回台湾，协助建立更完善的AI算力 环境。 李宏毅强调，算力本身并非最终目的。如何让珍贵且昂贵的算力资源被有效运用，进一步 转化为模型能力、产业创新与商业价值，才是台湾发展AI最重要的课题。 责任编辑：许经仪 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 42.73.42.212 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Tech_Job/M.1780307413.A.D54.html ※ 编辑: foxmoulder (42.73.42.212 台湾), 06/01/2026 17:51:22