這幾年依照往例我都會寫寫前一年的回顧或是對於新年度的感言。
最近也空了一兩個月沒寫文章了,還是藉由這文章給自己留下一個新年度的註記。
其實,我原本是有安排寫幾篇有稍微關於技術的分享經驗故事。
但寫技術文章,真的需要事先花一點時間整理一下內容才能言之有物。
但隨著科技技術時代的快速變遷,我們這一種老工程師到底還有那些底子,
可以拿出來講的?看看現在整個世界潮流就是往新世代所謂的AI 產業走。
不管你是科技業裡哪個領域裡,譬如搞IC 設計的,做軟體開發的,或處理器(或MCU)
、乃至於所謂的嵌入式系統開發,都很難脫離AI 技術所帶來的市場挑戰。
不一定說非得要做AI 相關的,但很明顯地為了整個潮流趨勢,你就得為這個 AI
趨勢產業做服務,才能趕得上科技時代的紅利機會。譬如:人家 tsmc 接所謂的
AI 晶圓代工不斷的擴廠,你就得想辦法協助這些擴廠需求的市場機會。讓產業的
火車頭帶著你學習成長,譬如我就有朋友他們就是做一些晶圓廠的設備支持服務,
他們就得快速地結合一些機電整合技術來提供晶圓廠的設備需求;沒有整天還有時間
跟你在那邊慢慢地探討甚麼技術鑽研,這個影片所說的內容的確是說明這一點:
另外,在系統開發觀念上,人家開始引進所謂的AI 相關技術,你就得要多少研究
探討一下,這些技術領域裡,有哪些以我們本身的技術還可以沾上邊的機會。
譬如人家現在所謂的微處理器或MCU 都慢慢結合所謂的AI 邊緣計算或是雲端資料
交換等技術,那是否可以逼迫我們從既有的技術領域裡向外拓展。
以我個人的經驗觀點,我們這個世代的人,總覺得會寫寫韌體,搞搞一些單晶片
,針對一些特定市場需求就夠了,但顯然這樣的想法也已經沒多少市場機會了。
譬如:我自己研究鑽研過所謂的引擎電子控制系統,雖然也學到不少所謂的
單晶片韌體架構設計,這個核心技術也讓我在其他許多單晶片系統能夠發揮的
淋漓盡致,也讓我能夠在系統市場中游刃有餘的賺取一些收入。但很明顯的是
現在是車用電子系統中,講求的已經不是這種小玩意兒了,就已經是所謂的
如何結合AI 完成自動駕駛技術了:
【CES 2026】挑戰 Tesla FSD!NVIDIA 攜手賓士亮自駕推理模型 「Alpamayo」
輝達攜手賓士 CLA 車型導入 DRIVE AV 駕駛輔助軟體,美國市場年底推出
很明顯的是:我以前那一種小打小鬧的東西,真的已經跟不上世界潮流趨勢了。
不是說學習那些基礎沒有用,而是該如何快速的融會貫通的趕上去....整個學習
態度與方法,真的要好好思考一下。
另外,我自己很慶幸的是:在學習應用完一些基本的單晶片韌體程式撰寫之外,
我後來也因為搞 USB 系統而接觸很多PC 平台的軟體開發工作,這也讓我更容易
接觸到比較接近軟體平台技術開發領域,像後來有接觸一下 OpenCV ,所以我就
更深刻的體會到那些所謂高階應用軟體趨勢。
不是說那些原來搞單晶片韌體不行或不好,但很明顯的市場趨勢與玩法,已經不是
我們這個世代的想法與做法了。其實這些在過去我許多文章裡也都有提過。
那最近以來就更清楚不過了。接下來我先舉幾個實際例子供大家思考一下:
1. 單晶片 MCU 市場:
最近有跟一位IC 代理通路商聊天時,提到我老東家所謂的多核心MCU 的市場。
他是跑兩岸三地的,他一句話就講明了:那個產品已經是鎖定超..超...超低價市場。
沒有人可以跟他這樣玩的...包括台灣那些老牌MCU大廠或是新興小廠(譬如九齊)
乃至於大陸新興廠商。已經把市場玩爛了,沒有人想跟他這樣玩的...那是他們的
市場定位,沒有人說不行。這的確跟我當初加入團隊時,所說的想用多核心架構
來創造一個高附加價值的應用市場的結果是迴然不同的。但我也不意外,這也是
我當初離開時就已經想到的結果:若沒辦法真的創造高附加價值機會時,你所能
用的市場策略也就那麼一招:殺價殺到別人都不想陪你玩,這也跟你所謂是否
是多核心架構?已經完全無關了。從頭到尾就這麼一招.....
2.無刷馬達應用市場:
我先分享幾張照片:
這是國內一家IC 設計公司的產品說明圖,這家公司目前總經理是我以前在 IC 設計公司
做MP3 SOC 的PM (產品企劃經理)。他的富爸爸是國內一家做驅動IC 的晶圓廠,也算是
幫富爸爸的驅動IC (MOFET)找應用市場出海口吧。所以這也說明我一直強調的:
就算你馬達控制技術好,沒有適時的市場資源整合,還是沒有任何市場競爭力的。
話又說回來,你說這種技術很難嗎?我以前說過:只要市場應用規格明確,其實都可以
IC 硬體設計幫你搞定的,而且還可以直接達到產品市場的性價比。
好,你說:這種想法或作法,大家也知道啊,那你又如何在競爭市場中勝出呢?
答案又回到我之前一直強調的:不是核心技術做完,吹噓完就可以出貨收錢的。
因為他們這個產品的主要應用市場就是冷氣空調室外機的無刷風扇控制....
有沒有很熟悉的應用市場啊?是啊,大家都知道是個大市場啊,但你要如何切入?
據了解他們主要就只有兩大客戶:大陸的格力(Gree)與海爾(Haiar) 。主要條件就
只有一項很重要的訴求:產品交貨的不良率必須達到 50 ppm 以下才行。
又回到我之前強調的:做技術開發不難,難的是你要如何做到生產交貨的流程?
所以當別人在社群媒體貼文吹噓他的技術有多好?聽聽就好,人家真正厲害的是:
已經默默的出貨攻占各主要品牌大廠了,你還在那邊吹?你還想從他們學到以後
還可以為你自己創造市場機會的技術嗎?你學技術目的的思維是甚麼?
3. 技術授課或出書:
這個在新世代網路媒體環境之下,更是百般艱辛困難,來看一下最近的產業年終獎金
訊息:
最新年終排行榜!半導體業稱霸,長榮海運年終10個月、長榮航空6.5個月|年終獎金懶人包
節錄一下統計數字:
---
最慘的就是出版業。這還是平均值,若真的細分到各種出版類別來說:你覺得哪一類的
出版品會更慘?哪個出版社的老闆還在想出幾本冷門技術書來賺錢的?現在許多
技術分享的文章或教學影片在各大影音平台多如牛毛啊。像我過去這幾年從Youtube
或大陸的Bilibili 網站,也看了不少....如果覺得還不夠,你還可以花個不到一千元台幣
在淘寶買個學習版或開發版,人家就會把所有文件,原始碼甚至專屬的教學影片連結
都贈送給你。學一些基礎技術有很難嗎?還是我強調的:你想做甚麼產品?哪個市場
應用?真的不需要這麼辛苦,去找個有薪水領的工作職務,真正的從市場應用切入學習
最快。
===================================
最近幾年我在工作夥伴上,他們都提供了一些大陸各個網站的資源給我,那怕是需要
付一點年費的,或是需要從淘寶或哪個購物平台,乃至於跟在地供應商索取樣品或
套件的,他們都可以快速提供這些資源給我,也讓我深刻的體會到:大陸製造這幾年
真的"捲"到不行啊。像以下這個所謂的AMC3330 差動是電壓隔離模塊:
也只需台幣幾百塊就有,還有附上一大堆說明文件資料:
若你有需要的就參考看看吧,這種東西就是個工具,就真的不用還要自己畫電路板,
買零件,還備料打件加工....你自己做也不會賺多少錢,錢就給別人賺吧。
---
我想闡述的是:隨著時代的變遷,其實網路上充斥著許多資源可以供你參考使用,
不管是學習新技術,或研究別人產品企劃或市場調查,或行銷理財等等。都已經
足夠你省下許多沒必要的冤枉路。就看你自己懂不懂利用。
隨著年紀的增長,每個人的歲月與資源都很有限的,真的沒必要整天就只想搞那些
想比甚麼出色或誰比較厲害這種事或想法,重要的還是你自己本身想過怎樣的日子?
就如同我現在看到新一代年輕工程師在玩 ChatGPT、Gemini 等,我就知道我自己
往後的技術日子該何去何從了。
人外有人、天外有天...真的不要把人家當作笨蛋,你想想看:你們還在想搞無人機
機群(群蜂)戰術,但人家老美那種大格局的整合協同作戰,就花個兩小時就把事情搞定。
是不是有些格局與想法限制了你的作為與發展?或者新年度你也可以再想想吧。
最後也祝各位新年度有新氣象,也有新作為,有個愉快自處的工程師歲月日子。











農業時代:一般人=農人,高階=育種/草藥師
回覆刪除工業時代:一般人=作業員/工人,高階=研發/工程師
資訊時代:一般人=碼農,高階=演算法/程式設計師
AI時代?
後面世代的職業對前一個世代的衝擊都是一種降維打擊。
反正AI,對所有人都是重新起跑,放下身段去學,再思考自己的優勢在那裡。
我寫碼農是不對的,應該是"電腦操作員",一時沒想好。
回覆刪除看到文章我都會重新分析,有時抓字不準。
"碼農" 也沒有不對的地方,若以降維打擊的角度來說,
刪除也蠻貼切的。因為在那個時代裡,很多人會寫程式,
所謂的程式設計師來說:也都未必都算高階工程師啊。
以前我也說過:寫程式用十根手指頭想法與算法,
應該也可以稱為碼農吧。
應該分為:
資訊時代:一般人=碼農,高階=演算法/系統架構師。
這樣子可能比較貼切一點吧。
至於AI ,你說得更好了。
丟去AI問,回答很好玩:
回覆刪除你這個分類方式其實很精準:每個時代都有「普及技能」與「高階技能」的分野,而 AI 時代也正在形成同樣的結構。讓我用同樣的格式,延續你的邏輯,把 AI 時代的角色清楚地描繪出來。
🌐 AI 時代:一般人 vs. 高階人才
🧑💻 一般人(普及技能)= AI 操作員 / AI 協作員
就像資訊時代的「電腦操作員」,AI 時代的基本技能是:
能熟練使用 AI 工具(ChatGPT、Copilot、Midjourney、Claude…)
能把需求轉成有效的 prompt
能用 AI 做文書、資料整理、簡報、客服、行銷、企劃等日常工作
能理解 AI 的輸出、判斷其可信度、做基本修正
能把 AI 整合進自己的工作流程
這群人不需要會寫程式,但需要懂得「如何與 AI 合作」。
這就像工業時代的「會操作機器的人」。
🧠 高階人才(稀缺技能)= AI 系統設計者 / 模型工程師 / AI 產品架構師
這些人不是「用 AI」,而是「打造 AI、整合 AI、讓 AI 能被使用」。
包含:
🔧 1. AI 模型工程師(Model Engineer / ML Engineer)
訓練模型、微調模型、壓縮模型、部署模型
理解 Transformer、RLHF、蒸餾、向量資料庫等技術
🏗️ 2. AI 產品架構師(AI Product Architect)
設計 AI 如何融入產品
決定資料流、模型選型、推論架構、成本優化
🧩 3. AI 工作流程設計師(AI Workflow Designer)
設計 prompt pipeline、agent system、RAG 系統
把 AI 變成可重複、可擴展的流程
🧪 4. AI 安全 / 對齊 / 評估專家
負責模型安全、偏誤、對齊、評估
這是 AI 時代最稀缺的領域之一
🧬 5. AI 與領域專家結合的跨界人才
例如:
AI × 醫療
AI × 法律
AI × 金融
AI × 製造
AI × 影像 / 聲音 / 創作
這些人懂 AI,也懂產業,能把 AI 變成真正的生產力。
🧭 用一句話總結四個時代的技能分層
時代 一般人 高階人才
農業時代 農人 育種師、草藥師
工業時代 作業員 工程師、研發
資訊時代 電腦操作員 程式設計師、演算法工程師
AI 時代 AI 操作員 / AI 協作員 AI 系統設計者 / 模型工程師 / AI 架構師
🔥 更深一層的觀察:AI 時代的「高階技能」其實不是寫程式
AI 時代真正稀缺的不是「會寫程式的人」,而是:
能把 AI 變成產品的人
能把 AI 整合進流程的人
能讓 AI 更安全、更可靠的人
能把 AI 與產業知識結合的人
程式能力仍然重要,但它不再是唯一的門檻。
看完,我先試試成為AI操作員,它的關鍵=能把需求轉成有效的 prompt
回覆刪除這個在和人溝通也要,但和AI要多精準或以什麼方式,再查查。
從這篇留言來看:我發現好像也可以用AI 來幫我寫部落格了。
刪除而且還可以定期每段時間就會自動幫我撰文及貼文了喔。
聰明的人會用AI 來訓練及提升自己,當然AI 本身也會從
這些聰明的人的身上學到更聰明的邏輯思考與經驗累積。
當這樣的循環互動之下,這個AI 時代會進步得越來越快的。
就像我們現在看到的:短短幾年就已經覆蓋許多領域了。
今天看到一個影片:
"RQ-170 真正可怕的不是隱身,而是它已不再需要 GPS"
https://www.youtube.com/watch?v=FH6r3JclRlU
最後提到的利用AI 做地形地貌的學習與判斷...
不知道真的?還是假的?但理論上好像可行耶。
反正啦~老美那個國家集天下英才,有甚麼做不到的,
就只有搞製造真的不行,這樣也很好,錢就分一點給別人賺吧。
我發現回答改用網頁link開啟時,竟然有標題:AI時代的技能分層與職涯發展
回覆刪除所以我說嘛!或許可以請AI 幫我們寫部落格啊。
刪除你看都可以幫我們下標題了啊。
安裝openCode然後叫它去改我的STM32程式,新增功能。才來回問沒幾句就完成了。完全體會什麼是降維打擊。人類還是人類,那個寫碼的根本是閃電俠。
回覆刪除許多AI 輔助程式撰寫,的確會改變許多人的工作模式。
刪除甚至也會徹底改變學習曲線的。
我一直認為:也會帶來那些很傳統的授課教學方式衝擊。
所以為什麼出版業的年終是各行各業中敬陪末座?
不是沒道理的~
當然我們也看到許多傳統科技書商,也得被迫改名不叫出版社,
改稱為某某科技股份有限公司,也開始推出所謂的:
相關的創客產品,我說了:在台灣賣軟體,真的不如賣硬體啊。
以賣硬體為主,書與軟體為輔...甚至有雲端,這部分也可能被省了。
只不過:要賣怎樣的硬體才行?但基本上:越通俗越好...
因為女人與小孩子的錢最好賺。
那些過於專業的技術叢書會慢慢被網路雲端與AI 所取代的。
找一下openCode的運行原理,它是將使用者給的任務去規劃解決程序,然後分段去執行,遇到問題,再將問題轉去子AI問,再生成子程序去生成小段程式,看看有沒有解決分段的需求。和程式運行很像,主程式會呼叫子函式,沒解決再往下呼叫,直到全解決,或是無法再做下去。openCode的原始碼寫起來像是遞迴,沒有解決就再開一個子AI問它要如何解。資訊處理的世界觀並沒有變,AI做事和人做事都一樣。
刪除所以電腦語言=變數+程式 組合做事。現在改成 任務AI = 任務表單 + 子AI 組合成樹狀的務任分支。
刪除這下可以理解為何AI解決事情是用token計價。只要去計算生成多少任務表單,就可以知道要調用AI多少次,複雜的任務,任務表單一定會很多也可能很深。當年AI圍棋就是想得比人類要深就可以打敗人類。要是任務深度超過人可以控制的,表現就會比人強。但它都是遞迴的結構,除了一開始的規劃。全局規劃只有一次,要是錯了全局錯誤。這是AI仍要人類的關鍵點。全局理解的能力,這個AI可能還不太行。
刪除但也是可以看出來:我們透過AI 幫我們處理解決事情,
刪除其實我們也同時在幫忙訓練AI ...重點還不是一對一;
而是世界上同步有很多人都在做同樣的事情,問類似的問題。
所以AI 不用用很深的思考來打敗人類,他們都可以被訓練出
用簡單快速的方式來解決我們所提出的問題。
這種方式其實我們自己本身很早就在使用了。
以前我在用單晶片MCU 做系統時,我們都會用我們
學校教我們的那一套:利用公式來縮短解題步驟。
那怕一些很複雜的運算,我們還會去推導一些演算法。
但後來我去做MCU (多核心)開發時,發現:那些搞硬體
設計的人,用邏輯電路設計時,根本就是建構式數學方式:
哪裡有用甚麼公式啊?就是利用MCU 核心的時脈(Clock),
一路加出來的啊:譬如 2+2+2+2 =8。我們看到這種題目
直覺就是 2x4 =8。寫程式也會是如此邏輯想法。
但他們就不是如此。而是用簡單的加法器:連加四次就好,
頂多聰明一點組譯器還會幫你拆成 2+2 =4; 2+2=4; 然後 4+4=8。
你一定會說:怎麼那麼笨?
但設計加法器簡單,只要提高運算能力,這一種作法未必比你慢啊。
重點是不容易出錯啊。
同樣的道理:AI 核心運算思考能力也不用太複雜,只要有基礎的
運算邏輯,一樣可以快速找出你要的答案。或許這個就是你所說的
用基礎的 Token 方式來解析。當然也比較容易計價啊。😂😄😅
所以我才一直強調說:做技術開發,真的不要老是把別人想成
笨蛋,好像只有你努力就會比較厲害?還是得多看看外面的世界吧。
我是很早就有這一種認知了,所以我現在只挑符合我能做的
技術服務工作做就好。就不要老是幻想:整天拿技術出來
想嘴別人,或吹自己多努力、多厲害...
上了年紀,這樣的日子會比較輕鬆自在啊。
---
感謝你的經驗分享。大家有機會也不妨參考看看。
AI處理事情?不如說AI會用對的處理方式做事。一般人搞不好對於大事情都不會處理。再加上不會忘,超級深度思考,就比大部分人會做事。我只是從邏輯上去分析它如何做事,再反思人如何做事。
刪除這個結構和寫一本書一樣。標題展開成大綱,大綱展開成章節,再下去就是很小的主題。本來是自己動手,現在變成寫描述,要寫出整個軟體的規格。AI是coder寫出實際上可以運作的程式。
刪除所以...會寫出對的規格描述才是最重要的技能。
所以要記住:上帝老天爺在創造人類的大腦是
刪除給你邏輯思考能力;而非是"記憶能力"。
如果以透過AI 在既有記憶庫裡可以找到的答案,那肯定:
AI 會比你厲害的。
所以我說:那些想透過看書、上課來學習技術的方式,
那些授課老師都會被AI 給取代的。
我只要上網搜尋(CSDN、Github 等)、或請AI 幫忙就好啊。
---
你之前提到的:"全局理解的能力,這個AI可能還不太行。"
這是甚麼?當然就是策略的運籌帷幄啊。
做系統技術開發若只是想從別人既有的模式方法學,
那是不夠切實與有效的方式...當然也可以學到,然後呢?
你要怎麼運用這些技術成果,來接觸市場客戶,創造實質營收?
所以我現在就儘量不要去做跟AI (或開源平台) 能做一樣的事。
教大家寫一段甚麼程式?弄個專業的引擎控制、馬達控制等。
那要做甚麼?這些只要是成熟的玩意兒,只要你花點時間
多跟AI 平台多來回互動幾次就可以了。幹嘛還要去買書、上課呢?
但還是我說的:你的學習的資源是由誰幫你買單?
你又想期待學成之後,你要做甚麼?
我想這些所謂的邏輯推理,AI 應該還是無法從你的角度來全盤
理解解析。或許為未來也有可能吧。等大家都問了同樣的問題,
然後也願意把後續的結果,也重新回饋給AI 吧。
最後你說的:會寫出對的規格才是最重要的技能。
對啊~你要如何累積出你經驗法則?去幫你寫出對的規格?
那還是從許多技術以外的觀察思考來累積,太醉心於技術開發,
反而會讓你浪費太多時間在許多未來AI 都可以輕易取代你的事上了。
非常感謝你不斷的提出觀點與互動,也可以讓大家看到在我們這些
技術老工程師身上所將面臨的困境與挑戰,也讓彼此可以集思廣益的
思考與因應未來對策。
Great !! 加油!!
再去找其他電子相關的AI,電路設計及模擬有AI,Layout也有AI。軟體混不下去,那回電子也行,結果看來也不行。
回覆刪除對近我們工作上與夥伴也碰到類似的場景。
刪除負責硬體的夥伴也是透過AI 給予許多參考意見。
當然啊~夥伴的硬體功力底子不錯,
AI 就成了討論對策的另一個潛在技術夥伴。
所以就看每個人如何善用AI ?重點還是在於:
你要從事怎樣的工作目標重點內容?你想做甚麼?
要不然,就算AI 可以教你很多,最後可以也只變成:純聊天。
畢竟:策略規劃,決策仲裁等,目前還掌握在我們手裡,
是有更多專業技術以外的東西值得大家觀察學習的。
所以我才一直強調:
真的不要過度的強調吹捧本身的技術與經驗。
這些都已經慢慢開始給AI 取代了.....
以往教科書教大家C compiler->assembly->machine code,未來C語言會變成assembly的角色,自然語言就是程式語言,這不是臆測,因為我現在天天都這麼做
回覆刪除老大,好久沒看到你來留言了。
刪除我還以為你已經遁入空門了,連部落格也懶得更新了。
😂😄😅
或許就如你所說的這些:當我們發現寫程式慢會被自然語言給取代,
就會覺得:我幹嘛還要整天拿這些老掉牙,趕不上時代潮流的東西
寫寫文章呢?
真的~或許當我們有一些想表達的想法,也可以請AI 幫我們轉換成
文字表達,甚至以後寫書出版也可以比照辦理。
這樣子就如同:C語言會變成assembly的角色...
真實世界裡,老師、師傅或作家會成為甚麼角色呢?
這或許也是我們該思考的議題吧。