台灣人工智慧學校 蔡明順校務長
中小網大
本課程帶領學員從產業宏觀脈絡、技術演進到實務應用，系統性理解資服（IT Service）業正由「販售資訊不對稱」走向「提供 AI 增能」的關鍵轉折。
課程將拆解 AI 生態系—from GPU 算力、開源模型到 Agent 工作流—並結合台灣資服業案例，協助學員掌握下一波商機與人才布局
課程將拆解 AI 生態系—from GPU 算力、開源模型到 Agent 工作流—並結合台灣資服業案例，協助學員掌握下一波商機與人才布局
1. 科技革命 30 年週期與資服業轉型：從電腦化→網路化→AI 化的三階段
2. AI 生態系與硬體‑軟體板塊位移：GPU／半導體優勢、CSP 與軟體服務新分工，台灣資服業的機會點
3. 生成式 AI 與語言模型趨勢：Scaling Law、開源浪潮、Small Language Model 與垂直模型應用
4. AI Agent 與 Agentic Workflow：從 RPA → Agent
5. Physical AI 與 Edge AI 商機：居家／服務型機器人與邊緣算力
6. 人才賦能與組織 AI 化策略：「用 AI／做 AI／管 AI」三層能力、職能分級
●趨勢洞察：判讀生成式 AI、SLM、Agent 與 Physical AI 的發展節奏，找出資服業切入點。
●商機評估：運用「硬體‑軟體‑服務」板塊分析，規劃自家或客戶的 AI 投資與產品化路徑。
●技術選型：比較大模型 vs. 小模型／雲端 vs. 邊緣部署方案，做出成本‑效益最佳化決策。
●流程重設：設計 Agentic Workflow，將 AI 嵌入 ITSM、BPM、RPA 等既有流程，提高自動化與決策效率。
●人才布局：建立「GenAI‑數據分析‑深度學習」的團隊技能矩陣，擬定組織 AI 賦能與治理策略。
●商機評估：運用「硬體‑軟體‑服務」板塊分析，規劃自家或客戶的 AI 投資與產品化路徑。
●技術選型：比較大模型 vs. 小模型／雲端 vs. 邊緣部署方案，做出成本‑效益最佳化決策。
●流程重設：設計 Agentic Workflow，將 AI 嵌入 ITSM、BPM、RPA 等既有流程，提高自動化與決策效率。
●人才布局：建立「GenAI‑數據分析‑深度學習」的團隊技能矩陣，擬定組織 AI 賦能與治理策略。
猜你喜歡
活動詳情：https://www.smelearning.org.tw/news.php?node=840