台灣的整個教育體系必需做顛覆性的轉型
這次參加 NVIDIA GTC 2026， 不只是技術震撼，更是一種視野轉變。AI不再只是實驗室課題，而是一股正在重塑產業與社會的力量。對個人的職能和從業競爭而言，持續跟蹤產業動態、調整方向，已經不是選擇，而是必須。台灣未來在AI 的使用、職場研究、人才培育和國際合作上，都需要積極利用各種AI 工具，才有能力參與這波全球AI競賽，尤其是針對教育的顛覆性轉型。
它不只是技術會議，更是一個重新校準職能方向的機會。尤其是身處教育界的朋友們，大家已深感今年電腦系畢業生很難找到工作，一般在AI 的學習多關注模型的創新和理論突破，但最新的感受是明顯的個人職能的轉型：AI的重心正在從「模型」轉向「系統」與「應用」。
最震撼的是 黃仁勳的 Agentic AI。過去我們優化的是單個模型的準確率或效率，未來的AI則像自主規劃、分解任務並執行的「代理人」。這讓我思考，學術研究是不是也該轉向多代理系統、長期推理，以及AI與人類協作的設計。
另一個亮點是 AI工廠（AI Factory）。會場展示已不只是單點技術，而是一整套端到端解決方案：資料蒐集、模型訓練到部署與推論，形成可持續運作的系統。對學界來說，提醒我們研究成果若無法落地和擴展，影響力很有限。
Physical AI 的應用也很醒目，從機器人、自動化系統到數位孿生，顯示AI正快速從虛擬世界走向實體世界。對台灣尤其重要：製造和硬體整合基礎深厚，如果與AI結合，有機會在智慧製造和自動化領域取得領先。
從教育角度來看，有兩個啟示：一是跨領域合作更關鍵，創新往往涉及電機、資工、機械甚至醫學和材料科學；二是學界需要更貼近生活及產業工作所需、，企業已在大規模部署AI，研究若脫節，很容易被邊緣化。
最後的幾點感想：
1. 學校不能還是教科書的單向教育模式。傳道、授業已是GPT所能做到的，是學生的責任。老師的最佳功能是在解惑。學校不是來上課的，而是來學習如何發現、整理並解決問題。
2. 教科書只能是參考用，這些知識在GPT 都分析的很清楚，學生要學的是如何問問題，整理出自己的一套推理與說法。
3. 學生要訓練的是能講解給他人聽得懂，講得出一套道理才是真正學到，不是過去的囫圇吞式的學習。
4. 學習評量的方式也要改變。過去點名上課的老學究要被淘，取而代之的是提出創新挑戰的問題，來和大家討論，腦力激盪。