我的投資筆記 (四十七) 五年的教訓，一堂零成本的課？

兩個月前，我曾寫下〈終於要擺脫傻B稱號了嗎？〉來反省自己當年投資群創的行為，在我們出清大部分的持股後，留下了兩張準備吃魚尾。

但沒想到的是，這魚尾還挺大一根的，在莫名其妙的情況下，群創的股價竟然一舉突破 30 元，這也更進一步地提高我想離開台股的決心，連這種高資本額的股票都能炒作，那還有甚麼不可能發生的事呢？

未來我們在台股的布局，可能只會持有部分特定的金融股，再來就是以市值型的 ETF 為主力；投資個股遲早會被玩死，股價跟基本面完全脫鉤，沒有基本面、至少也要有個未來性，但是都沒有的情況下竟然也能暴漲一波，這點我完全無法接受。

話雖如此，也是因為這波不理性的上漲，讓我們順利在波段高點出清最後兩張，整體結算下來，這趟橫跨五年的投資旅程竟然沒有虧損，反倒小賺一點。

這次的順利出清，過程也是很神奇，因為當時我人在澳洲旅遊，其實沒怎麼看盤，但剛好那天早上因為要退房，我只好窩在飯店大廳上傳影片，等待的時間順便打開下單軟體，剛好看到群創飆漲上去，突破我原本設定的價位、就直接賣了。

誰知道，這一賣就剛好賣在這波的高點，不是我特意盯盤，就是剛好碰上了。

由於這個魚尾的助攻，不僅讓我們完全出清對群創的投資，也是經歷了五年的折磨後，在不損及本金的情況下，被市場上了一堂零成本的課。

雖然沒有造成永久性的本金損失，但這段期間的煎熬，真的讓我印象深刻，夜深人靜時都在問自己當初怎麼會做出這麼愚蠢的投資決策。

往好處想，這也造成我後來的投資行為越來越謹慎，不是看書或聽講座學來的，是自己透過犯錯、懊悔與反思，然後才學到這一課。

這堂課雖然不用錢，也沒有學分或學位，但卻是我在投資路上重要的一次學習，過程很難受，但回頭看才發現這一路走來的種種錯誤，才形塑了我目前的投資風格與思維，這也是個意料外的收穫。

澳洲，再見!

今天就是澳洲之旅的最後一天了，本來在旅途中間我也想留下文字記錄，但無奈開車的疲勞、行程的安排，再加上飯店網路的不穩定，直到今天我才有機會坐下來寫這篇文章。

為了維持旅行期間持續更新 YouTube 的影片，耗盡了我多數的休息時間，坦白說也不知道值不值得，但既然開始了就想辦法去做到。

對於這次的澳洲之旅，我有太多太多的感想，這可能要等到後續寫遊記時再來慢慢分享。

但值得慶幸的是當初堅持要自駕，從墨爾本一路開到雪梨，雖然五天開了 1,500 公里，對我來說是個相當大的體力挑戰，但能夠自由地在澳洲的鄉間穿梭，近距離地瞭解當地人的生活模式，這也是旅行中的樂趣之一。

跟預期最大的差異就是開車的里程數，原先規劃的路線大約是五天開 1,000 公里，想不到我們在過程中臨時起意新增的點太多了，想去就去的結果就是「累爆了」。

只不過，讓我印象最深刻的依舊是這段自駕的旅程，探索未知才是最好玩的地方。

當然，這次的旅行有些沒考慮到的點，算是瑕不掩瑜，例如我沒在飛機上好好休息，導致抵達墨爾本的前幾天，身體一直處於不太舒服的狀態，雖然後續調整過來，但也錯過深度體驗墨爾本的機會。

順帶一提，墨爾本真是適合生活的好地方，我很喜歡這個城市，希望未來有機會可以再來一趟。

另一個沒料到的點是，抵達雪梨後我就累爆了，當開車趕路的緊繃感解除後，我瞬間從戰鬥模式變成鬆懈模式，這個落差讓我一時間無法適應過來，昏昏沉沉想睡覺。

考慮到留在雪梨的時間寶貴，又不得不硬著頭皮把一些值得去的景點走完，這點才是最折磨人的，沒有太多時間調整自己的狀態，就很難有好的體驗。

沒有比較就沒有傷害，因為我們才剛從墨爾本離開沒多久，抵達雪梨時就會不自覺比較兩邊的差異。

我一開始對於雪梨的新舊建築混雜頗感不適，再加上大城市特有的混亂感，都讓我有點嫌棄這個地方。

可是昨天從雪梨歌劇院一路走回飯店的路上，卻讓我感受到雪梨獨特的迷人風采，只能說還是要有足夠的時間才能夠好好地體會一個城市的美，走馬看花留下的印象都會有所偏頗。

好了，我得先收行李準備退房了，就先說到這邊，其他部分就等寫遊記時再來分享吧!

忙到最後一刻

待會就要去搭飛機了，想不到我竟然會忙到現在才有空收拾行李，順便整理一下心情，到了這一刻才認知到自己要去旅遊了。

本以為昨天就可以休息，想不到竟然一路扛到晚上十點多才結束；但又因為旅行期間不好掌握時間點，於是今天一早起來我只能趕緊製作後面幾天的影片，以防開天窗。

直到剛剛終於上傳完影片，才鬆了一口氣，總算是在搭機前把該處理的事都做完了。

雖然長時間的旅遊很讓人興奮，但因此需要考慮的因素也更多了，為了不在這兩週內造成別人的困擾，也只能提早做準備。

很難想像如果以後要出國更長的時間，該怎麼安排，這應該會更令人傷透腦筋吧!

話說回來，我有些朋友都頻繁地出差，真不知道他們是怎麼處理好工作以外的事務，長時間不待在國內，其實也滿麻煩的。

在等待的時間，順便看一下 WBC 的日韓大戰，說起來也很倒楣，每次遇到國際大賽，我都有事，不能去公開的轉播地點跟人群一起觀賽，這也是個遺憾。

儘管如此，我由衷地希望中華隊明天能夠贏韓國，雖然目前看來韓國也是強到爆炸，一開局就打爆日本的投手、拿下三分。

但比起跟日本對決，台灣的選手還是比較不怕韓國隊，這應該是心理因素大於實力吧。

中華隊，加油!

有驚無險地闖過這一關

上週撰寫〈有完沒完，又有新花樣!〉時，其實內心忐忑不安，主因是過沒幾天就要去澳洲旅遊了，不確定自己能否在短時間內解決所有問題，並在客戶端完成驗證。

過去的這一週內，每天都發現新的問題，解決一個又來一個、沒完沒了，一度懷疑我真的能夠順利解決嗎？

幸好，當我們解決蜂湧而出的問題後，這巨大難題的解法也慢慢地收斂，終於在昨天初步驗證成功，克服工廠端多變的條件，這也帶給我們莫大的鼓舞。

總算趕在我出國前初步驗證成功，終於可以放下心中的大石頭、安心旅遊，畢竟耽誤自己的事小、如果影響到客戶的訂單就大條了。

實際做之前我也不知道自己能否挺過這一關，當下就只能用盡全力解決問題，把一天當好幾天用，回頭看才發現已經默默走到最後一步了。

雖然我知道後續還有諸多挑戰，但至少眼前這一關是闖過去了，接下來就可以好好享受期待已久的假期啦!

衷心期盼歸國後能聽到更多的好消息，讓我們的每一步都穩健地向前走；走得慢沒關係，但要記得中途別停下來，走久了總是會有到達目的地的那一天。

澳洲，我們來了!

記得不久前還在搶機票〈提早安排才有機會成行〉，想不到一轉眼就要出發去澳洲了，時間真的過好快阿!

這次是為期十四天的長時間旅行，考驗著我們時間上的安排，為了不影響到工作進度，過完農曆年後就火力全開，死命地趕工，幸好都有順利完成預期目標，不會影響到客戶的訂單，甚至還略有超前。

這兩週就為了這次的澳洲之旅、提早把後續的工作完成，不斷地燃燒小宇宙，也是拚了!

但也因為一直在趕工的關係，還沒有時間停下來好好想想旅行的事，絲毫沒有要去長時間旅行的喜悅，這感覺也太奇妙了點。

原本老婆安排要從墨爾本直接飛到雪梨，經過討論後，我們決定租車自駕遊，直接從墨爾本一路開到雪梨去，沿途邊開邊玩。

對於不熟悉的國家，再加上又是右駕，說不擔心絕對是騙人的，但也因為有不確定性，這才更有挑戰，內心充滿著期待 → 未知帶來無限的想像空間。

至於為什麼我要到處自駕遊呢？ 主要是想著趁自己還有體力跟勇氣探索未知的旅程，能玩多少地方是多少，盡力而為。

總之，讓我們迎接這個睽違已久的長途旅行吧!

蛇年執行成效總檢討

農曆年都過了整整一週，我終於騰出手來寫這篇年度檢討文，這是跟往年完全不同的節奏，蛇年一開頭就油門催到底。

一開始當然是先把去年設定的目標列出來，讓我們先回顧〈蛇年要全力衝刺〉，然後再來檢討執行成效。

以下是原先預期的目標跟實際完成的內容：

1. 新產品的量產；

算不上量產，但絕對超出原先的預期，說起來真是一把鼻涕一把眼淚啊! 

也因為這樣，蛇年寫了一堆工作上的心得文，如〈什麼才是值得解決的問題？〉、〈終於看到隧道盡頭的光〉、〈產品規格終於達標了!〉、〈新產品的契機〉、〈出乎意料之外的新產品進展〉、〈充滿挑戰的一週〉、〈久違的喜悅〉、〈「說」比「做」簡單多了〉、〈低效率的時間安排〉、〈再一次天亮說晚安？〉、〈是能力不夠，還是時機未到？〉、〈產品快速迭代，真的好累〉、〈鬼剃頭來襲!〉、〈沒有終點的產品開發之路〉、〈暫時用不到，不代表它沒有用!〉、〈批量訂單真的要下來了嗎？〉、〈產品測試所引起的大腦運作機制探討〉、〈有完沒完，又有新花樣!〉。

整理完這些文章，連我自己都嚇到，怎麼寫了這麼多篇跟工作有關的內容，去年是花多少時間在上面阿？

在〈突然驚覺今年已經過了快一半!〉中有提到，去年上半年花太多時間在工作上了，結果下半年更慘，根本就是一頭栽進去了，人算真的不如天算。

幸好累歸累，總算還是有些成果產出，也不算沒有收穫，這點是比較值得慶幸的；更重要的是，在這個過程中，我自己是開心愉悅的，果然要挑有興趣的事下手，才有機會撐過失落之谷。

2. 理工科系碩專班的演講；

這次的演講內容我也有寫成感想文〈2025 碩專班專題演講感想『Edge AI for Machine Vision』〉，算是有符合當初設定的目標，把 MCU 應用在機器視覺領域的內容好好整理了一遍。

3. 理工科系碩士班的業界課程；

因為跟碩專班演講的時間很近，基本上也是沿用同一套內容，但因為是課程，因此有把基礎知識重新談過一遍。

我覺得在 AI 可以協助學習的時代，講者更重要的應該是帶出具體應用的情境，讓人明白「為什麼」要去用到這些技術、它們的重要性在哪？ 至於技術細節問 AI 還更清楚一些。

4. 商管科系大學部的業師；

課程內容依然有趣，但我只寫下了兩篇文章〈甚麼是人生中的重大決定？〉及〈時候到了，就該選擇離開!〉

當新鮮感退去，自己覺得這個旅程該告一段落的時候，就該果斷地放手；但我很感激這兩年參與教學的機會，這等於是也幫我自己多上了兩次課，收穫滿滿。

5. 碩專班整學期的課程；

本來有一些新想法要導入課程，但因為一些突發狀況，我們後來決定這學期不開課；雖說有點可惜，但也幸好沒開課，不然我就真的蠟燭兩頭燒了，去年下半年的那個開發強度，如果還要煩惱授課的事情，應該會兩邊都做不好。

當我回想這個過程，冥冥之中是不是都安排好了？ 我內心不禁有種奇妙的感受。

6. 新課程的設計；

這個目標再度失敗，但衍生出另外一個成果，那就是創立 YouTube 頻道，這完全不在我的年度計劃內，可是進度推進卻非常快。

我在〈2025年回顧與感想〉有提到創立頻道的心路歷程，當時才剛上傳第 1 部影片而已，但現在已經累積到 58 部影片了，

但隨之而來的是疲倦感，剛開始覺得有趣，可是想要持之以恆地做下去卻不容易，這也讓我領悟到「興趣跟工作」是兩件完全不一樣的事情。

在思考影片內容的同時，也啟發我新課程的呈現方式，誰說一定要在實體的教室才能上課，透過教學影片也是可行的 → 這或許才是我該走的方向。

7. 遵循景氣循環投資；

去年的收穫滿滿，除了迎來市場大多頭之外，我們似乎也漸漸形成自己的投資風格，有時候看著自己的判斷能否成真，就跟看樂透開獎一樣，內心充滿了期待，這也為「投資行為」增添不少樂趣。

這一年來我也寫了很多篇投資筆記，全數收錄在《我的投資筆記》這個系列文中，有時候回頭看以前寫得文章，都會有種「這是我寫的嗎」的感覺，滿奇妙的。

比較特別的事，我同步在 YouTube 上面製作了《我的投資筆記系列影片》，這應該是這個頻道中最受歡迎，也是瀏覽量最高的系列影片，這絕對不是當初我寫投資系列文時可以想到的成果。

只能說人生真是太神奇了，除了做投資決策很有趣之外，寫投資心得跟製作相關影片，竟然也有人願意看，一魚三吃啊!

8. 國外旅遊；

除了關島自駕遊被改成新加坡自助旅行外，其他兩個行程均按照原先的規劃走，讓我印象比較深刻的還是北海道的自駕遊，雖然說萬國博覽會也不差，但北海道之旅更值得回憶。

幸好我有寫部落格的習慣，有時候回憶會失真，但當下記錄的心情感受卻是實實在在地存在著，詳見《海外旅遊》系列文。

隨著年紀的增長，我突然感覺到自己的時間越來越有限了，能否在自己還走得動的情況下，多看看這個世界的模樣，就變成了未來十年最重要的功課之一。

9. 國內旅遊；

如預期的規劃，我們在上半年就安排了一次宜花東自駕遊，我對於東部的景色依然讚不絕口，台東的生活步調也讓人眷戀。

除了早有規劃的長天期旅行外，我們也有一日行程，也為日常生活中增添不少樂趣，詳見《國內旅遊》系列文。

比較特別的是，去年底我們去高雄慶祝大學同學入新厝，老婆跟我順便當成一次國內旅遊，這次的經驗讓我領悟到「花錢買體驗這種說法是對的」，這個感想也寫在〈請把國旅當成出國旅遊〉中。

10. 每天持續寫作、閱讀與運動；

我在〈2025年回顧與感想〉提到寫了近 200 篇的文章，這幾年看下來，「持續寫作」這件事的完成度非常高。

但我的運動量卻明顯地下滑了，雖然還是持續在打球及踩交叉機，但因為工作忙碌的緣故，運動頻率真的變低很多，這對我來說也是個很大的警訊。

自從開立 YouTube 頻道後，我的閱讀時間也被壓縮，人的一天就這麼多時間，等頻道的瀏覽量穩定後，就可以重返大量閱讀的行列。

11. 將授課內容寫成線上教學教材；

表面上我沒完成這個目標，但默默地私底下划水，因為《博士涼茶攤》這個 YouTube 頻道某種程度上已經代表我對很多議題的見解與感想，連我自己有時候重聽都有額外收穫。

12. 構思專書的大綱及內容；

這部份真的有難度，我重新思考了一下，專書的內容還是必須跟我工作上的研發方向一致才行，不然很難再額外擠出時間處理這件事。

坦白說，蛇年的年度目標完成度比龍年還差，但我卻覺得精采程度絲毫不輸，甚至還有超越的態勢。

因為有一些事先無法預料的突發狀況以及工作上的機會，在充滿不確定性的情況下前進，往往會伴隨著較低的完成率。

但也因為未知的事物比較多，挑戰的過程中充滿了樂趣，當我自己都不知道下一步會怎麼發展的時候，跟開盲盒一樣，內心就會充滿了期待。

不管怎麼說，蛇年已過，接下來就讓我們一起迎接馬年的到來，接下來就要列出馬年的目標，也希望能藉由去年的執行經驗，設定能推動自己前進的目標，再一次地挑戰自己!

上了年紀的悲歌，慘被年輕人一步過

昨天去打球，直到現在還是渾身痠痛，雖然每次打完都覺得少了半條命，但還是很享受在場上奔馳的感覺，尤其是帶球突破半場快攻的爽感。

但也是因為這樣，才會讓我的大腿跟肩膀都不堪負荷，兩次的折返跑後，再加上搶籃板的跳躍動作，我就覺得身體似乎快支撐不住了。

只不過在比賽中，總不能看著隊友回防，而自己還在後場散步吧？ 於是，我只能咬緊牙根，努力地跑起來，真是苦了這台老爺車阿!

這還不是最慘的，這次有位朋友帶了他兒子一起來打球，看著瘦瘦高高的，身體感覺還沒長開，結果竟然在我想快攻的時候，狠狠地在半場時抄了我的球反快攻。

當我被抄球時，已經沒體力再追上去了，只能看著他進球，直接被打臉。

更糟糕的是，後來我在後場防守他運球推進的時候，他一個運球推進，竟然一步就過掉我，而我的橫移速度已經完全跟不上了。

上年紀後，最先衰退的就是防守能力，身體完全反應不過來，有想法、但完全指揮不了身體的行動。

這次還不是最慘的，記得上一次有另外的朋友帶小孩來，他有參加國中還高中的籃球校隊，真的是跑死我了。

記得有次他帶球快攻，我在後面追，結果他帶球前進的速度竟然比我無球跑還快，我只能看著背影越來越遠，當下有夠傻眼。

接著，在陣地戰的時候，我直接被一個運球加速就過掉，全身上下只有眼神有跟上，就算想犯規都來不及。

以前曾經用來懲罰對手的武器，現在被人教訓回來，感覺真不是滋味，但也只能承認身體的機能確實大不如前了。

撇開被年輕人慘電的震撼，還能在場上自由奔跑的感覺真的很棒，這也是我繼續打球的原因，享受這種衝刺的感覺，一瞬間什麼煩惱都暫時消失了。

有完沒完，又有新花樣!

幾個月前寫下〈沒有終點的產品開發之路〉後，我以為塵埃落定了，年初還興高彩烈地發表〈批量訂單真的要下來了嗎？〉這篇文章。

誰知道考驗才正要開始，設備導入工廠生產後，陸續發生一些客戶沒提到的狀況，跟原本的預期天差地遠。

這也讓我們原先的產品設計架構，無法應對大量生產的需求，或者是說需要有人一直去調整參數，導致客戶提出異議。

當我收到這個訊息時，已經是農曆過年前兩週了，在這之前我一直以為萬事順利，客戶也都陸續下訂單過來了，想不到竟然還潛藏著這個隱患。

幸好我們在去年的休整期間，為了新產品的硬體架構，先行開發了一套相對應的軟體框架，剛好就能直接應對當前遇到的問題。

這時真的感謝自己在去年空閒時沒有偷懶，還是持續在為尚未存在的問題進行測試，想不到就真的遇上了。

但剛好卡到過年，雖然我們年前已經初步驗證相關功能，也只好拖到年後才能請 FAE 進廠更新，確認新的解法是否能夠順利落地。

我們年後開工就全力衝刺，忙到昨天終於有點把握，應該可以順利解決生產上所遭遇到的問題，這一連串下來，也讓我明白一個道理 → 未雨綢繆很重要，請在晴天時就準備好雨具。

如果接下來真能批量出貨，我一定要好好地回顧一下這段過程，到底是怎麼從混亂中殺出一條可行的路。

最後，我想說的是，想要好好地開發一款新產品，真的不容易，這中間的波折超乎我的想像；但當我們直面問題時，也沒時間想太多，只能跟玩 RPG 遊戲一樣，一關一關地闖過去。

當教育撞上 AI，我們該有甚麼新思維？

過年期間，偶然跟親戚聊起我最近正在瘋狂測試 AI 工具，興高彩烈地描述我是怎麼用它來生成一些有趣的影片時，突然間被問了一句：「AI 發展的速度這麼快，那小孩未來的學習方向到底是什麼？」

這真是個靈魂拷問，我只能回他說：「雖然 AI 發展得很快，但體制內的變革很慢，等於是兩邊都要兼顧。」

回到家後，我找出庫存的文章，以下都是跟 AI 時代教育相關的內容：

• 〈「選學科不重要了，去好的環境更重要！」AI先驅孔祥重給工作者的建議〉
• 〈當 AI 什麼都會做，人類該培養什麼能力？中研院院士孔祥重：專注這 2 件事〉
• 〈葉日武觀點：AI 的兩面刃─學習神器與教師輓歌〉
• 〈當 AI 成為知識預設值，學術權威正被「模型共識」悄悄取代〉

孔院士的觀點其實跟我先前上傳的影片〈AI 時代下的升學十字路口，一份給國中生父母的未來教育指南〉相似，但他的建議更明確，這可能是因為他還在頂尖學府的第一線教育現場戰鬥有關。

而葉日武教授的觀點則比較接近〈再定義大學教授：AI 時代的學術職涯新賽局〉，看來大家都有同樣的感觸。

至於「模型共識」的問題，我也曾在〈迷霧中的領航者：AI 時代的認知導航與盲區〉探討過，平庸化的陷阱就是集體採用 AI 的隱憂之一。

那我們對於未來 AI 時代的教育跟自我學習該有甚麼新思維呢？ 總結上述所有的參考資料，給出以下四大核心建議：

一、 核心能力轉向：從「解題者」轉為「出題者」

在 AI 輕易就能達到 90 分水準的時代，單純的知識儲備已不再稀缺。

• 問題架構能力： 這是孔祥重院士強調的最重要能力。未來人類的價值不在於給出答案，而在於能精準定義問題，將模糊的需求拆解成 AI 可以執行的系統路徑。
  
  
• 系統設計能力： 不再只專注於單一功能的執行，而是要理解整體的運作邏輯，具備「大局觀」與「跨領域整合」的能力，判斷系統的安全性、風險與長期影響。
  
  
• 賦予意義與說故事： AI 可以產生資訊，但只有人類能賦予資訊「意義」。培養孩子解釋數據背後的價值、連結人性需求、講述動人故事的能力，是 AI 無法取代的智慧。

二、 累積四種「昂貴」的人性資產

資料指出，家長應刻意引導孩子投資那些 AI 難以模擬、且獲取成本極高的資產：

• 體感資產： 包含實作手感、運動肌肉記憶、藝術工藝。這些是透過肉身與物理世界真實交互產生的智慧。
  
  
• 情感資產 ： 如同理心、領導力、解決人際衝突。鼓勵孩子參加校隊、樂團或社團，在真實的人際互動中磨練。
  
  
• 信用資產： 在群體中建立的信任感與聲譽。在 AI 生成內容氾濫的時代，「人的信用」將成為最保值的資產。
  
  
• 抗壓與韌性： 在極大不確定性與挫敗感下（如博士班的試煉），依然能堅持定義問題並走下去的意志力，這是未來高端人才的分水嶺。

三、 學習策略的典範轉移

面對現行制度與 AI 浪潮的拉扯，應採取更具戰略性的學習方式：

環境優先於學科： 孔院士認為「去好的環境比較重要」。

選擇具備「高人才密度」與「創新氛圍」的環境，讓同儕激發靈感，遠比死守一個特定的熱門科系更重要，因為 AI 會讓各學科界線模糊化。

• 善用 AI 工具，保持批判思考：  學習神器： 將 AI 視為加速器，用來處理重複、低啟發性的練習，爭取時間紅利。
  
  
• 對抗「模型共識」： 當 AI 提供預設答案時，要具備追根究底的精神，避免陷入平庸的共識，學習查驗原始脈絡。
  
  
• 投資「純體驗」： 越是體制內不考的東西（如體育、冒險、社交），在 AI 時代反而越具有稀缺價值。

四、 家長思維的重塑：重新定義成功

從「找工作」到「解決問題」： 過去的成功是「名校 → 好工作」，但在 AI 時代，這條路可能通向平庸。新的成功圖像是：一個情緒穩定、具備信任感、能與人協作並能利用 AI 解決真實問題的個體。

戰略性脫鉤： 幫助孩子在應對舊有篩選機制（考試）的同時，保持「精神上的獨立」。明白學歷只是「入場券」，而真正的核心競爭力來自於上述的人性資產與系統觀。

總結建議：

未來的教育不應是「與 AI 競爭」，而是「以人為本，以 AI 為槓桿」。家長應放手讓孩子去經歷那些「耗時、費力、有體感」的活動，因為在 AI 效率極大化的世界裡，這些「慢功夫」才是孩子未來最堅實的護城河。

但對於小孩正在面對升學壓力的父母來說，上述的建議好像有點太遙遠了；如果現在告訴一位正為了小孩下週段考而焦慮的家長「要培養系統設計能力」，這聽起來就像是在火災現場討論「熱力學原理」一樣，顯得遙遠且不切實際。

我們得承認一個現實：「窄門」確實存在，而且短期內鑰匙還是握在舊體制手裡。

為了讓建議更具備「可操作性」，我們得把戰場拆解成「體制內生存（拿門票）」與「體制外增值（練肌肉）」。

具體可操作的建議如下：

1. 體制內的「降本增效」：把 AI 當成家教而非作弊工具

既然必須通過考試，目標就是用最短的時間達到目標分數，把省下的時間拿來發展核心能力。

• 操作方法： 教孩子利用 AI 進行「費曼學習法」對話。
  
  
• 動作： 讓孩子對 AI 說：「我現在要解釋『氧化還原』給你聽，請你扮演一個嚴格的老師，聽完後指出我理解錯誤的地方，並用一個生活中的例子考我。」
  
  
• 目的： 這比死背參考書快 ，且能訓練孔院士提到的「定義問題」與「邏輯架構」。

2. 採取「邊際效用」策略：拒絕無謂的滿分焦慮

• 操作方法： 重新定義「好環境」的錄取線。
  
  
• 動作： 如果 90 分就能進那道窄門，就不要逼小孩花額外 10 小時去拼那其實沒什麼意義的 99 分。
  
  
• 目的： 在 AI 時代，最後那 5% 的精準度是 AI 的強項，人類的競爭力在於那省下的 10 小時拿去做了什麼「有體感」的事。

3. 每週一次的「真實問題解決」實驗

孔院士說的「定義問題」可以從家裡開始，這不需要額外補習。

• 操作方法： 週末的「AI 專案官」。
  
  
• 動作： 這週家裡的家庭旅遊或晚餐去哪吃，交給小孩規劃。要求他使用 AI 工具（如 ChatGPT 或 Gemini），但孩子必須負責：
  

1. 設定條件（Prompt）： 考慮預算、長輩口味、交通時間。
2. 驗證真偽： AI 給的餐廳可能倒了，小孩必須打電話或查 Google Map 確認。
3. 目的： 這就是最真實的「系統設計」與「問題架構」。

4. 守住「非學科」的最後防線

當升學壓力大時，家長最常砍掉的是體育課或社團 → 這在 AI 時代是戰略錯誤。

• 操作方法： 堅持一項「有挫折感」的長期嗜好。
  
  
• 動作： 無論是籃球校隊、樂團或是童軍團，絕對不要因為段考就輕易請假。
  
  
• 目的： 資料中提到的「體感資產」與「信用資產」只能在這裡累積。在團隊中處理衝突、面對輸球的韌性，是 AI 永遠學不會、而未來頂尖企業最看重的「高價值資產」。

5. 學習歷程檔案的「降維打擊」

現在的升學制度（如台灣的 108 課綱）其實已經開始納入「多元表現」。

• 操作方法： 累積「作品集」而非「成績單」。
  
  
• 動作： 鼓勵孩子把上述解決家裡問題、參加社團的過程，用 AI 輔助整理成有邏輯的專案報告。
  
  
• 目的： 當大家都在曬滿分成績單時，一份能說清楚「我如何定義問題、如何協作 AI、如何驗證結果」的檔案，才是進入「好環境」的真正門票。

我們不需要小孩「對抗」體制的窄門，但要教他在擠窄門的過程中，不要把大腦磨成只會填鴨的形狀。

初探 MicroLED 光通訊的未來展望

自從上次發布了〈光通訊的矛盾對決：MicroLED 是物理極限還是新解方〉後，我就密切注意相關的新聞，看 MicroLED 的未來展望以及技術演進到底是怎麼一回事。

果不其然，相關的產業新聞陸續出爐：

• 〈Google 高速互連架構帶動，今年 800G 以上光收發模組占比將破 60%〉
• 〈別只看矽光子！聯發科 MicroLED AOC 技術亮相 大幅縮減 AI 傳輸功耗與成本〉
• 〈卡位 AI  聯發科秀 MicroLED〉
• 〈瞄準 Micro LED CPO、低軌衛星天線、AR 眼鏡，友達發射 AI 四箭〉

從這些新聞中我們可以確認一件事 → 高速光通訊的時代真的來臨了!

特別是 800G/1.6T 的光通訊模組，需求量正以驚人的速度攀升，在這股浪潮的推動下，很多黑科技陸續都浮上檯面，在這種快速變動下，正是切入的產業的新機會。

舉例來說，要不是提到 MicroLED，我們都想像不到面板廠也會有切入光通訊的一天，更何況還是扮演核心的角色。

接著，在聯發科與台積電陸續加入戰場的情況下，讓 MicroLED 光通訊的解決方案看起來更加有商業化的機會，而非只是實驗室內的展示品。

基於上述的原因，我透過跟 Gemini 的深度討論後，整理了微軟跟 Google 當前的兩大發展路徑，順便了解一下有哪些廠商會是可能的受益者。

Google 的解決方案是系統優化，因此算是現在進行式，它們今年接近 1,800 億美元的資本支出，就是推動技術前進的燃料。

而微軟提出的是新的光通訊方案，驗證及落地時間會比較漫長，沒走到最後也不知道是否可行，這一切有待時間來告訴我們答案。

以下針對 MicroLED 在光通訊領域應用、產業布局及未來技術展望的深度綜整報告。本報告將從技術底層邏輯、巨頭策略差異、產業鏈角色到未來五年的發展趨勢進行全面分析。

一、 前言：AI 算力時代的「傳輸牆」與「功耗牆」

隨著生成式 AI 進入大規模推論階段，資料中心面臨前所未有的挑戰：「傳輸牆（Memory Wall）」與「功耗牆（Power Wall）」。傳統的電互連（銅纜）在傳輸頻寬達到 800G 甚至 1.6T 以上時，面臨嚴重的訊號損耗與散熱瓶頸。

為了實現「光進銅退」，矽光子技術成為顯學，但在這條賽道上，微軟（Microsoft）與台廠聯發科、友達、台積電正另闢蹊徑，試圖利用 MicroLED 這種原本屬於顯示技術的元件，解決傳統雷射（Laser）方案在短距離傳輸中的高功耗與熱靈敏度痛點。

---

二、 技術核心：為何 MicroLED 能成為光通訊的「新解方」？

1. 物理學的對決：Wide-and-Slow vs. Fast-and-Narrow

在傳統光通訊專家的眼中，LED 用於通訊幾乎是「異端」。這源於基本的物理差異：

• 雷射 (Laser)：受激輻射，光束集中，頻寬極高（單道可達 100Gbps 以上），適合「Fast-and-Narrow」模式。

• MicroLED：自發輻射，光束發散，響應速度慢（通常極限在 2GHz 以內），看起來完全無法勝任高速傳輸。

微軟的 Project Mosaic 則提出了工程學上的反轉思考： 既然單道跑不快，那我們就「以量取勝」。

透過並行開啟數百、甚至數千個 MicroLED 通道，每個通道僅運行 2Gbps 到 16Gbps 的低速訊號。這種 「Wide-and-Slow」 架構在總頻寬（Aggregate Bandwidth）上能輕易超越傳統雷射，且因為單道速率低，不需要昂貴的數位訊號處理器（DSP）進行複雜調變，大幅降低了功耗與延遲。

2. 能效比的極致追求 (pJ/bit)

在 AI 機櫃內，每一瓦的功耗都極其珍貴。MicroLED 方案的能效比可達到 0.5 到 1 pJ/bit，遠優於現有的可插拔光收發模組。這對於需要連結數萬顆 GPU 的超級集群來說，節省下來的電費與冷卻成本將是天文數字。

---

三、 巨頭分野：微軟的「破壞式創新」vs. Google 的「穩健演進」

在追逐光通訊效率的道路上，兩大科技巨頭選擇了完全不同的哲學路徑：

1. 微軟（Microsoft）：重塑物理連結層

微軟是 MicroLED 光通訊最堅定的倡議者。其 Project Mosaic 不僅僅是更換光源，而是設計了一套完整的生態系：

• Imaging Fiber (多芯成像光纖)：為了解決 MicroLED 光束發散問題，微軟採用了類似「複眼」結構的多芯光纖，能精準捕捉並傳輸海量的 MicroLED 並行訊號。

• 冗餘設計：MicroLED 陣列允許部分元件失效（Redundancy），這讓系統的可靠性比依賴單一精密雷射的系統高出數倍。

2. Google：全光交換機與傳統光學的極致

Google 的策略則更專注於「系統架構優化」而非「光源更換」：

• Apollo OCS (Optical Circuit Switch)：Google 發展全光網路架構，利用 MEMS（微型反射鏡） 直接在光層進行交換，減少光電轉換次數。

• 標準化依賴：Google 目前仍傾向於使用 800G 以上的高速矽光收發模組，並預期到 2026 年其占比將突破 60%。對 Google 而言，短距離仍以高速銅纜與傳統 VCSEL/矽光子為主。

---

四、 現有 ELS 架構 vs. MicroLED 方案之對比

目前矽光子 CPO（共同封裝光學）的主流是採用 ELS (External Laser Source)。

項目	ELS 矽光子方案 (主流)	MicroLED 互連方案 (前瞻)
熱耐受度	差。雷射極怕熱，必須放在封裝外部（故名 External）。	強。耐熱性佳，可直接封裝於 GPU/HBM 旁。
功耗來源	雷射器本身功耗高，且光纖耦合損耗大。	單道功耗極低，不需 DSP，能源效率極高。
整合難度	高。需要複雜的光波導設計與精密調變器。	中。主要挑戰在於「巨量移轉」至矽基底板。
傳輸距離	中長距離 (2m ~ 10km)。	超短距離 (< 2m)，專攻機櫃內與晶片間。

---

五、 產業鏈廠商角色與商用化努力

目前這項技術正由「實驗室概念」轉入「產業量產化」，台灣廠商在其中扮演了全方位的關鍵角色：

1. 聯發科 (MediaTek)：系統集成與光電晶片 (OEIC)

聯發科透過其強大的 ASIC 設計能力，正開發基於 MicroLED 的 AOC（主動式光纜）。其角色是將微軟的理論轉化為標準的硬體產品，讓 AI 客戶能直接以更低的功耗實現機櫃間連結。

2. 友達 (AUO) 與富采 (Ennostar)：光源與巨量移轉

友達揭示的「AI 四箭」中，MicroLED CPO 是重中之重。

• 友達：利用其在顯示器領域累積的「巨量移轉」技術，將數千顆 MicroLED 精準植入通訊模組。

• 富采：負責開發高效率的紅、綠、藍或單色 MicroLED 發光晶粒，作為通訊光源。

3. 台積電 (TSMC)：先進封裝與矽光平台

台積電是所有 CPO 技術的最終匯聚點。其 COUPE (Compact Universal Photonic Engine) 封裝技術，能將矽光子、MicroLED 接收器與運算晶片（如 GPU）整合在一起。台積電也與新創公司 Avicena 合作，生產基於 MicroLED 的光學互連感測器。

---

六、 當前技術展望：MicroLED 光通訊的未來趨勢

展望 2026 年至 2030 年，MicroLED 在光通訊領域將呈現以下三大趨勢：

1. 從機櫃間走向「封裝內」 (In-Package Interconnect)

初期 MicroLED 會先以 AOC (主動式光纜) 的型態取代傳統昂貴的雷射光纜。但最終目標是將 MicroLED 直接嵌入 CoWoS 封裝中，作為 GPU 與 HBM 之間、或兩顆大晶片（Chiplets）之間的通訊媒介。這將打破現有的電路板布局限制，實現真正的「矽光一體化」。

2. 「混合架構」的崛起

未來的資料中心將不會只有一種技術。我們將看到：

• MicroLED：負責「最後 1 公尺」的晶片間與機櫃內連結（極致低功耗）。

• 矽光子 (SiPh) + ELS：負責跨機櫃或資料中心內的「中長距離」傳輸（極致高速）。

3. 標準化與生態系的成熟

目前 MicroLED 光通訊面臨最大的障礙是「標準化」。微軟的 Project Mosaic 使用的是非標準的多芯光纖，這需要整個產業鏈（如光纖廠、連接器廠）共同建立規範。隨著聯發科與友達等具備產業影響力的公司加入，相關標準有望在 2026 年後逐漸成形。

---

七、 結論：工程師對物理學的優雅繞道

MicroLED 在光通訊的應用，是一場「工程思維」對「物理限制」的勝利。它不強求在單一道路上跑贏雷射，而是透過建立一條「超級多線道」的低速公路，實現了更高能效、更低成本、且更具散熱優勢的傳輸方案。

對於 AI 產業而言，這不僅僅是技術的演進，更是維持算力成長曲線持續向上的關鍵動能。

上述的報告寫得好像真有那麼一回事，MicroLED 即將在光通訊領域大殺四方了，但其實這中間還有很多變數，讓我們以批判性的思維來論述潛在的問題：

雖然該技術在「理論架構」與「實驗室成果」上非常吸引人，但在邁向「大規模商用現狀」與「產業現實」之間，仍存在幾個顯著的落差與過度樂觀的誤區。

1. 商業化進程的過度樂觀：從「亮相」到「量產」的距離

• 文章觀點：提到聯發科、友達已「揭露」技術或「瞄準」CPO，給人一種商用在即的印象。

• 現實挑戰：目前 MicroLED 光通訊（如 MicroLED AOC）大多仍處於 原型展示（Prototyping）或技術論證（POC）階段。

• 在現有的 AI 資料中心內，800G 與 1.6T 的主流依然是矽光子（SiPh）與傳統雷射（VCSEL/EML）。

• MicroLED 方案要進入實際的供應鏈（如 NVIDIA 或 Google 的機櫃），需要極長的安全驗證與可靠性測試。文章中將「技術亮相」與「商用解決方案」的界線模糊化了。

2. 「Wide and Slow」架構對光纖設施的破壞性挑戰

• 文章觀點：強調微軟的「多通道並行」能繞過物理極限。

• 現實挑戰：這種架構與目前的資料中心基礎設施完全不相容。

• 現有的光纖網絡是基於單芯或少數多模光纖設計的。微軟 Mosaic 方案若要商用，必須搭配極其特殊的「成像光纖」或「多芯光纖（MCF）」。

• 這意味著資料中心必須從線纜、連接器到配線架全部更換。這種非標準化的成本極高，目前除了極少數頂尖巨頭可能有能力自建實驗性機櫃外，完全不符合現行通訊產業的標準化現狀。

3. MicroLED 真的比雷射更「省錢」嗎？

• 文章觀點：宣稱 MicroLED 具備成熟製造與低成本優勢，優於雷射。

• 現實挑戰：MicroLED 的成本優勢目前僅存在於「理論預期」。在現狀下，MicroLED 最大的痛點是「巨量移轉（Mass Transfer）」的良率與修補成本。

• 要將數千顆 MicroLED 精準且無瑕疵地移轉到通訊晶片上，其製程成本目前遠高於高度標準化的 VCSEL 雷射。

• 在 MicroLED 顯示器（如大尺寸電視）都尚未實現平價化的今天，斷言其在光通訊中具備成本優勢，稍嫌超前。

4. 忽略了矽光子（SiPh）的演進速度

• 文章觀點：將矽光子雷射（ELS）描述為功耗與溫度的「痛點」，而 MicroLED 是其「新解方」。

• 現實挑戰：矽光子領域並非止步不前。目前產業正透過**「梳狀雷射（Comb Laser）」**技術，實現單一雷射光源驅動多個波長通道，這同樣能達到低功耗與高頻寬。

• 矽光子與 CPO 的整合已有多年的標準化積累。MicroLED 作為「挑戰者」，其優勢被文章放大，卻忽略了矽光子技術在克服自身缺點（如散熱管理、雷射效率改善）上的快速進展。

5. Google 的角色定位可能被誤讀

• 文章觀點：認為 Google 專注於 OCS 而忽略 MicroLED 光通訊。

• 現實挑戰：雖然 Google 的 Ironwood 確實是以 OCS 為核心，但 Google 也是極早期投資 MicroLED 技術的公司之一（如併購 Raxium）。

• Google 對 MicroLED 的研究並非只在 AR 眼鏡，其對於晶片內（On-chip）光通訊亦有深度研究。文章將兩者劃分為「光源路徑」與「架構路徑」，可能過於簡化了這些巨頭在多線技術布局上的交疊。

6. 能效比數據（pJ/bit）的實驗室特徵

• 文章觀點：引用 0.5 至 1 pJ/bit 的超低能效。

• 現實挑戰：這類數據通常是在實驗室環境下、去除周邊電路（如驅動電路、接收端前級放大器）後的理想數值。

• 在實際系統層級，一旦考慮到驅動海量通道的電路開銷與接收端的熱雜訊處理，能效優勢會被稀釋。目前尚無證據顯示 MicroLED 系統在「整機層次」已優於最尖端的矽光子 CPO 系統。

總結建議：

在檢視這類文章時，我們應將其視為一種「前瞻技術的路徑探索」，而非「即將發生的產業更迭」。

MicroLED 在光通訊的現狀是：

• 概念領先於實踐：技術路徑非常天才，但供應鏈與標準化極度缺乏。

• 特種應用而非普適應用：它最有機會先出現在「極短距離」的特製封裝（如 HBM 與 CPU 之間），而非取代傳統的資料中心長途光模組。

• 台廠角色：台廠（聯發科、友達）目前更多是為了分散技術風險並尋找 MicroLED 顯示器以外的出路，而非該技術已成為其主要的獲利貢獻來源。