這一年來跟著 AI 發展的心得

xxxman 2026-06-30 16:13 1

各位大陸的朋友,大家好。
我來自台灣,我叫 Vin 。
我一直默默潛水,看著前輩們分享各種知識和經驗,真的很感謝大家。
所以,我也想分享一些,AI 發展後的淺見:



  1. 不追熱點


AI 圈的熱點新聞,我不花時間關注了,追項目很花時間。好的功能或框架,最後會被各家模型公司直接封裝進產品裡。再加上很多「新概念」只是舊東西包了一個新名詞,重新行銷而已。所以現在只看 Claude 的進展,其他新聞基本省略。



  1. ToC 的競爭激烈


AI 發展速度很快,寫程式幾乎不用錢,但大部分人的注意力,早就被社群媒體分散了。AI 本身,就能解決掉很多 ToC 的需求。願意下載一個 App 、甚至付費訂閱的人,其實比想像中少。當然,還是有人能做出爆款,但不是常態。未來 ToC 的新需求,會伴隨著新的載體(譬如智能眼鏡的產業鏈成熟,user 大量使用後),。不然,現在要搞 ToC , 就要走網紅路線,在網路上找到價值觀相近的同溫層,一起做大家都認同的事,才有機會成功。



  1. ToB 是真正的藍海


現在最有機會的,反而是 ToB 。很多公司的業務,根本沒有電子化,更談不上數字化轉型。


但要讓這些業務數字化,不是技術問題,而是牽涉到公司管理: 要面對很多公司的文化陋習、人際關係和利害關係。


很多公司,連庫存數字都對不上,MRP 跑出來都有問題,這些全都是人的問題、管理的問題,不是技術的問題。
台灣很多傳統產業,連最基本的「數據驅動」文化都還沒建立起來,又怎麼會有動力去做數字化轉型?更別說什麼 AI 了,都是騙補或緩解老闆的 AI 焦慮而已。


相對來說,大陸的公司,因為競爭壓力大(對內有內捲,對外有關稅壁壘),我認為大陸公司,嘗試轉型的意願和決心,可能是全世界數一數二強的。
雖然現在的環境,大陸的公司會辛苦一點,但產業轉型的速度,會遠超對手。



  1. 未來的自動化和 AI 的商機


這些 ToB 業務,將來會是自動化轉型和 AI 轉型,最重要的戰場。
即使單筆利潤不高,但因為寫程式的成本已經極低,大家反而更應該想辦法先搶下這些案子。
企業數字化做好之後,未來要走向 AI 化、自動化,企業會優先找維護這套系統的人來做。
這才是真正的大商機。


以製造業來說,我認為自動化會發生在 MES (我把 APS 、QMS 也一併算在裡面,一般公司不會分這麼細)。
這是真正有競爭力、有門檻、有壁壘的領域。


我猜想未來的製造業,會固定由幾家公司(或每家公司挑一兩條產線)投入很高的成本,裝上大量 sensor ,專門輸出製程資料讓 AI 學習。
(等於是 token 的生產線,或製造 生產 AI 的地方)
等 AI 訓練好了以後,這個 AI 就能"租"到其他產線,作為生產主管,監督和管理這些生產線。


至於文件自動化、企業流程自動化⋯⋯可能用 skills 這樣的東西就能搞定,沒啥壁壘。
而且,會直接封裝在 ERP 系統裡面,不是我們發明一個小工具,就能推到市場。
( ERP 也不是花一個月隨便做個東西就能取代的,除非直接拿別人的代碼,否則要經過很多業務邏輯的考驗,不像 MES 單純。而且企業換 ERP 都是雞飛狗跳。)




我本身是程序員,一開始是台灣半導體現場工程師出身,所以對工廠的業務流程很熟悉。
也希望,能多認識大陸的朋友,互相交流,歡迎留言或私訊聊聊。
就算沒有合作,我單純地幫助想進入 ToB 業務的朋友,用我的經驗回答一些問題,我也很開心的。
或者有人喜歡美劇(《 Rick and Morty 》、《 Breaking Bad 》⋯⋯等)、音樂(我大都聽老搖滾⋯⋯),我們也可以認識一下。


我最近在寫劇本,希望能做出華語版的《 Rick and Morty 》:)

最新回复 (33)
  • woxihejinghao 06-30 16:19
    1
    每个阶段 ToB 都被认为是蓝海,我认为是 ToB 是很难推进,导致根本进不去,让人错觉以为是蓝海.
    不是 AI,在互联网/移动互联网阶段/物联网阶段,都很多人想杀进去,但是实业的推进是很难的,特别在中国,由于成本的压缩问题,实业/制造业都不想引入的成本.
  • FIllerFooo 06-30 16:21
    2
    鲜活的的文字👍
  • yidinghe 06-30 16:23
    3
    台湾要不要 java 开发?
  • wero 06-30 16:24
    4
    大陆的 ToB 是这样的: 小公司没钱, 大公司倾向于自研, 中间的标准化低, 存在大量定制.
  • lujiaosama 06-30 16:28
    5
    TOB 业务沾点公家的太费劲了,难搞得很,有实际项目业务经验的都知道。
    AI 在制造新的需求点目前来说还没有什么非要不可的场景,大多是改造流程,扩展能力,不是必需品。尤其是传统行业,能先把数字化整明白就不错了。
  • xxxman 楼主 06-30 16:39
    6
    @woxihejinghao 但導系統進去,反而成本更低,主要是看負責專案的人,用什麼方法。 舉個例子:很多品牌方,要求要安東系統 即時警報...其實做一個 pwa ,op 用手機刷機台上的二維碼就好...這等於只花印二維碼的錢而已。 但外面偏偏很多人要裝實體警報燈, 每條產線用個大屏幕提醒修機的,當然很貴了。 然後系統可以做 SaaS 的方式, 養 IT 養服務器的人都能省下來了... 我跟幾個工廠談過, 他們都很喜歡。而且我報價也是偏低的, 我只希望系統做進去先搶地盤, 以後發展自動化 ai 。 還有另一個方法, 可以跟認證公司談合作, 或者找一間工廠合作也行...譬如航太工業,需要 AS9100 認證, 你做一個系統, 讓工廠使用後, 即能通過認證(認證文件系統自動生成) 做到工廠方便,可以接價錢更好的訂單, 工廠沒理由不合作.. 大陸應該也有類似的東西, 可以專挑認證合作, 碳排認證 品質認證都行。
  • xxxman 楼主 06-30 16:46
    7
    @wero 小公司跟他們談 saas 寫 mes 這些程序真的不難, 遠比 erp 簡單太多太多了。 收一點錢就好, 現在這些系統, 外面報巨款的還是很多(很多公司養了一大票程序員 只能高報)...您可以自己算一下成本, 真不用花多少錢,報價自然也能便宜。 現在是兩個人 三個人的公司, 靠 ai 賦能搶到訂單的時代。 像日本這樣, 我覺得現在很多日本動畫公司,都會被這種幾個人的公司搞倒。
  • xxxman 楼主 06-30 16:52
    8
    @lujiaosama 沒錯...一堆公司連數字化都搞不明白。 所以可以賴著不轉型,影響也不大。 但美國現在正砸大錢發展自動化產業, 我估計自動化產業,也跟之前的手機產業一樣, 被美國的錢砸出來(以前一個簡單的觸摸屏,都是非常昂貴), 到最後供應鏈成熟, 爛大街後, 這些公司就就非轉型不可了。 但那時候要進市場也來不及了。 現在先經營 tob 系統是好的切入點.... 我覺得不是錢的問題, 是很多老闆, 根本不想面對數字化後的管理問題。一定會有很多人,每天吵來吵去的...老闆要花心思去盯這些流程,一個一個梳理。 很多老闆都是得過且過的心態,不想搞這些東西。 但這些管理上的東西, 也不是程序員能搞定的。
  • hueralin 06-30 16:55
    9
    瑞克和莫蒂!
  • sentinelK 06-30 16:59
    10
    我个人判断,AI 的 toB 落地比之前 SaaS 要难得多。

    1 、和 SaaS 完全不同,企业 AI 化的本质就是企业数据的再加工分析。相当于他是对既有数据的挖掘和诊断。一个公司,既有数据里边不光包含业务的演进,必然还包含一些非股东的私人利益以及一些人为的反效率结构。这就导致估计除了 AI 改造领头人(你的内线)以外,剩下的人全部都反对,最起码也是被动不合作状态。

    2 、SaaS 还可以理解为是自上而下的“定向医美”,是有人对流程负责的。AI 化是彻头彻尾的数据统计诊断。整个改造有可能是完全失去控制的,这个责任谁来负。这就导致,AI 改造要么割到大动脉企业直接原地爆炸,要么不疼不痒。乙方里外不是人。

    3 、企业肯定不会让数据上云,所以 AI 化绝大多数情况都是本地的,这样下来对于乙方来讲,风险就非常大了。你如何证明你的硬件方案和甲方的 AI 需求是契合的? prefill 和 decode 性能多少叫够用?并发多少人算可用?采纳度多少算有效?这些全都是主观答案,没有任何客观标准。更别提模型体量对于硬件需求的巨大差异性。
  • kaivbv 06-30 17:04
    11
    如果是那些追求稳定的工业级,涉及软硬件产品,用 AI 是很难替代的,需要做大量的验证。
  • Stargaze 06-30 17:25
    12
    好文
  • xxxman 楼主 06-30 18:17
    13
    @sentinelK
    感謝 sentinelk 兄的交流, 以下是小弟的淺見, 請參考:

    1. 其實 SAP 也是 SaaS,但人的管理問題,這跟是不是 SaaS 無關。舉個例子,某人因為利益做假帳,無論系統在雲端或者本地,他都會做假帳。管理的問題,只能靠老闆(或充分授權的專案主導人)做好管理,這期間一定有很多衝突。

    我自己有導入 SAP 的經驗,導這種大型 ERP 系統,都要一兩年的時間,這些時間並不是寫 ABAP 、做教育訓練,而是全在做流程 review 、再造和管理問題。人的管理問題是無法避免的,導系統的過程,老闆也經常遇到跨部門的爭吵,兩邊都會用自己熟悉的業務語言,爭取自己的利益,老闆要有能力做判斷。

    2. 負責的人,就是業務負責人或業務主管。
    導系統的時候,業務主管提供業務流程,顧問只是負責幫忙按照這個流程,把報表和系統欄位兜出來而已。

    照理說,系統顧問不應該只是這樣,這樣只是人體的系統說明書而已,但顧問大都是交差了事,全聽客戶的,才不用負責;
    或者很多顧問也只是去受訓而已,實務上沒經驗。

    但以上說的都是 ERP,業務交雜、流程複雜,責任本來就容易模糊。MES 沒有這麼難(當然 MES 也要有生產經驗的人才能知道生產是怎麼回事),MES 沒有這麼多業務交雜,目標明確簡單,工件要好的進到製程(進料檢驗)、好的走出製程(QMS)、提高產能、減少 cost 。在這些基礎上收集數據,方便做管理(每條線的 WIP 、產出、不良品分析等)就是如此而已。第一步是讓現場,把他們正在使用的手寫報表都拿出來,一步一步和他們檢討,他們收集的這些數據,對他們管理和工作流上有什麼意義。換句話說,責任清不清楚,跟系統本身的複雜度和業務交雜程度有關,不是 AI 才有的問題。

    3. 各家企業的直覺,都是企業數據很重要,不能外洩,所以不能放雲,但其實大部分的 MIS 做的數據安全,都遠不如雲管理,一堆人的電腦中毒、被駭都是常有的事情。我覺得這是思維問題,不是真實的,如果放雲就是外洩,那 Google 怎麼做這麼多大公司的雲服務

    至於硬件方案要跟甲方的 AI 需求契合,這我確實無法百分之百保證,但這不是 AI 獨有的問題,傳統 IT 專案簽約時一樣會遇到——伺服器選型、SLA 訂定本來就沒有絕對客觀的標準。業內的做法是用壓力測試先抓基準值、分階段驗收降低一次性押注的風險、合約裡保留擴容條款,來對沖模型體量和需求變化帶來的不確定性。如果甲方之前只做 RAG,突然要做 YOLO,算力當然會不夠,但這跟不搞 AI 、只是用 ERP/MES 用了兩年後硬碟不夠、記憶體不夠要升級硬件,本質上是同一類工程問題,是項目生命週期裡本來就會發生的事,我覺得這不是什麼大問題。
  • nofishing 06-30 18:23
    14
    老哥说的很对,我也这个想法。很多程序员都互联网那波热潮进来的,挣钱多又快,与之相比,制造业、产业差别太大了,互联网思维要不得。
    制造业、传统行业很 low ,也没钱,但潜在需求惊人,并且不是那么复杂劝退,深入懂得业务帮他们梳理后,会发现技术上没啥东西,程序员习以为常的在他们眼里惊为天人,问题是,帮他们省钱才有钱赚,帮他们赚钱才有钱赚,赚钱了也远比不上以前的互联网。
    丢下技术,去线下学业务,才能发掘价值。
  • nofishing 06-30 18:33
    15
    @nofishing 还有一点观察,v 站老哥看不起的外包,也就是欧美所谓技术咨询服务,这些也是纯 toB 业务。以前欧美咨询公司背靠欧美工业大赚特赚,现在工业不行,标准也要换了,云厂商也在做一部分替代。咨询行业国内在换供应商,企业出海也都是需求,工业品出口 + 服贸出口两条腿走路,都是血淋淋地夺食。
  • zhuawadao 06-30 18:48
    16
    谢谢分享,很真诚
  • kalarita 06-30 18:55
    17
    感谢分享, 顺便关注了一下, 希望你能做出来华语版的 R&M !
  • xxxman 楼主 06-30 19:22
    18
    @nofishing 其實不只製造業,農業也可以, 服務也可以。各種行業都能用差不多的管理方式, 用數據驅動才是現代化的管理。只是有些行業, 在自動化產業還未成熟前, 做數字化, 效益不大而已。 其實也不需要全部數字化...可以評估效益...有效益才做, 不用刻意反市場... 即使這樣,也有很多領域,可以挖掘。譬如現在點菜系統, 用表單寫一下也沒什麼, 但現在都掃碼點餐, 因為掃碼點餐,也就是花打印二維碼的錢而已, 當效益越過了成本, 事情就發生了。 反正我認為, 用 mvp 那套, 最小成本先試一個單點, 優化單點, 而不是一上來就大手大腳的做成驚天動地, 機會很多的...反正失敗了也沒什麼, 我們只是寫寫程序, 那些做餐點的, 花幾十萬裝潢一家店, 才發現不可行, 我們比他們的處境好太多了
  • xxxman 楼主 06-30 19:38
    19
    @nofishing 前陣子,亞馬遜的老闆 Bezos 要搞一千億美金收購製造業...連這麼厲害的公司, 都在布局製造業了, 以後自動化, 生產數據訓練出來的 ai, 都是未來的藍海。 程序員真的要懂真實世界的業務流程, 以後才能跟著幫助各行各業做轉型... 會什麼框架 用什麼 function 那些都沒意義了 ai 等於在程序世界又做一次封裝 那些雜務不需要人類了. 人類越來越接近 jobs 說的 Ultimately, it comes down to taste.
  • taifu 06-30 21:43
    20
    感谢分享👍
  • Felldeadbird 06-30 22:49
    21
    > 但要讓這些業務數字化,不是技術問題,而是牽涉到公司管理: 要面對很多公司的文化陋習、人際關係和利害關係。

    深有体会,我司问题就是人的问题。技术纯背锅。这个提个需求插一个字段,那个提需求又插一个字段。后面系统乱七八糟,就怪技术不行。和竞争对手技术完全不行。天天挨批。
  • WilliamZuo 06-30 23:07
    22
    不太认同,或者说我的认同与否不太重要。你提到你是台灣半導體現場工程師,我不知道你们是在做非标设备还是标准设备,规模多大。第一个问题是,其实大陆做非标的设备工程师很惨的,你去 NGA 可以看到比亚迪这种企业,他们的工人是上十四休一,等于说月休息两天,这种情况下人力成本非常低,产线改造动力不足,政府为了保就业也可能默许这种情况;电池巨头宁德时代的软件工程师,晚上基本 9 点 10 点下班,欧洲那边对此睁一只眼闭一只眼。第二个问题是,假设数字化和 AI 赋能是低成本可操作的,那必然会快速在行业内扩散,大家都有等于大家都没有,无助于普通人相对获得感的改善。

    目前核心的问题在于需求和分配。
  • xxxman 楼主 07-01 00:29
    23
    @Felldeadbird 人的問題、管理的問題無解,所以我才說,數字轉型的重點是老闆有多少決心,並不是真要花多少錢。 即便把軟件界面,做到跟他們手寫表單一模一樣,使用者不需要花額外的時間維護資料,甚至更省時間,他們還是有各種藉口不用,或者故意維護假資料。 很多公司,就是在這些管理問題上消耗太多了,看起來大家都很忙,其實都在瞎忙、演戲…
  • xxxman 楼主 07-01 00:48
    24
    @WilliamZuo 我是半導體產業出身,但這些產業有錢、系統早都很完善了,所以我做系統,大部分是找傳統產業做…你說的嚴重剝削,我知道一點,大陸的公司對內內卷,對外有不公平的關稅,各國都在堤防、圍堵大陸製造業,這就是我說的,大陸的公司過的很辛苦。 但大陸公司,也是最敢投資新機台、新產線、新技術,所以我才說大陸公司會轉型的很快(但得撐過產能過剩這波寒流)。 現在做系統,確實是低成本,幾天就能把前端、後端、數據庫搭建好了,不用收多少費用。但我還是要強調效益,客戶要的也是效益,所以一開始就得本著省成本、有效益的方式去設計。 譬如,就不能讓客戶多雇用更多員工,專門維護這個系統。效益包含很多層面,用系統,讓客戶通過某個認證,接到更好的訂單價格,也是效益。 台灣化妝品產業,現在要求工廠比照歐盟,提供一些制式文件,我花了近一週的時間就能把系統做好,非常快…反正這些東西,都需要花時間去挖掘,寫系統對我們來說,也不用什麼試錯成本.
  • xxxman 楼主 07-01 00:56
    25
    @Felldeadbird 對了 小弟對這個有點建議…如果你是公司的 IT 部門,自建公司系統的,通常 user 會有一大堆不合理的需求,因為他們認為 IT 是公司自己的,需求都能免費實現,系統就是多多益善,這時候你得想辦法守住…因為不守好,後面就是一片災難。守的方法很多,首先你要知道 user 提需求,背後都有一個真正的意圖,你得了解或聽出來 user 要求這個需求,他的目的是什麼…也許應該是用其他方法,那你就要告訴他們更好的方案,通常 user 會接受…如果真有很倔強,或者為了討老闆歡心, 做秀的功能,你可以嘗試拖延看看…說你在做其他 xxxx 的案子, 不做你會有什麼很慘的後果,說真誠一點….如果拖過去了,代表他們只是說的很急,其實沒做也不會怎樣.
  • 123128xyz 07-01 08:08
    26
    我没有理解这个逻辑
    [供-(程序员/AI)-需],中间只是路径。
    1 、需求端悖论:原本的高价值需求程序员/外包早就可以实现,嫌成本太高那就是利益有限,利益有限那就代表教育/获客成本不对等。AI 出来是缩短了程序周期。但这些待开发的需求,又往往是并不急切的,跟 AI 提升代码速度正好相反!
    2 、供应端悖论:tob 这我一直在思考,行业需求确实存在。更多的是需要扎进去,扎得越深理解越深,角色变成工人+程序员。我想问:我一个程序员如何扎到一个陌生产业,并且快速发现需求,发现需求之后,我又换一个新行业发现需求。

    个人感觉 AI 未来,不在程序。而在于无限部署,边际成本趋近于 0 ,比如原本 10 万社区监控员,覆盖不了一个省,人力不能及,而换成 Ai 可以 24 小时监控,无限部署。
  • VersionGod1 07-01 09:04
    27
    @Felldeadbird 我也遇到同样的问题,在制造业业务为主导,信息化天天被迫接各个部门单一维度的需求,最后系统乱七八糟。
    对于购买系统/成套解决方案,制造业的老板非常看重眼前利益,能不花的就不花,花了钱立马就要看到效果。
  • VersionGod1 07-01 09:09
    28
    @xxxman 我很同意这种看法,很多时候是被动开发,应该主动了解用户需求由数字化部门来出解决方案。就像是已经规划好一个大版图,由数字化部门根据用户需求一步步点亮地图,现在的需求零散、重复、维度单一,而我们的领导及业务人员没有规划这方面的想法。
  • Felldeadbird 07-01 09:17
    29
    @xxxman 真实,我现在就是能拖就拖。一段时间后他们就改变了想法了。

    @VersionGod1 目前我执行和 op 一样的手法,他们提的需求再急我都拖延去做,确实有奇效。做得越快,需求越容易翻供。不管你邮件还是微信上有留底,要翻真的随时进行的。
  • xxxman 楼主 07-01 09:20
    30
    @123128xyz 1. 因為我說的效益,是需要挖掘的。我舉個例子,以前的需要 10 個人,手算報表,現在一個人用 excel 就能解決,那就是直接效率 10 倍,根本不用挖掘。。但現在,這種級別的生產力躍升,早就沒了,下一次再發生就是 ai 、自動化了,所以我們應該現在先佔位,去做那些需要挖掘、經營的項目。 也就是程序員要真正深入行業、扎根,了解業務流程、挖掘需求,而不是像 excel 這樣,微軟根本不用管某個特定公司要怎麼用它,這級別的工具拿出來,大家就搶著要。 2. 程序員如何扎根? 其實可以靠 ai 幫程序員快速了解這個行業,跟 ai 做問答, 測試,驗證…假設有個種田的農夫,對數位化很有興趣,我不懂農業,肯定問先他工作流程是什麼,或者問 ai 後再跟農夫確認比對工作流,看看這個工作流在哪個部分需要收集數據、收集的數據能幫農夫做什麼 action 帶來什麼效益,同時比較維護數據的 cost (手輸就算時間 sensor 、esp32 就算硬件的錢,腦袋中大概想一下就行)反正就是挖掘效益,自己評估一下,其實,都不需要半天就能搞定… 至於未來的場景,我認為就像我說的, 會有一條高成本(更多 sensor)的生產線(或其他東西 譬如農田) 收集各種數據訓練 ai….再由這個針對特定場景訓練出來對強大 ai ,去管理指揮其他生產線,指揮,包含對機械指揮(自動化)和對人類指揮(還沒被機器取代的低成本工人) 而訓練這個 ai 以後就是大商機 比以前發明 excel 對行業的影響還大幾個量級
  • xxxman 楼主 07-01 09:36
    31
    @VersionGod1 你說的這個方法是對的,要有一個數字化的部門,統一評估,不是 user 要啥,改啥…公司應該要趁推動數字化,重新檢視、梳理工作流,否則數字化就沒意義。 一般 user ,覺得系統就是記帳、查帳軟件,需求隨便提也無所謂,反正公司程序員做也不用錢,多多益善… 但其實,系統是工作流和管理軟件,亂做系統就是工作流混亂..一般 user ,沒有這種認知,而且覺得程序員不懂業務流程,沒有決定權。 馬斯克有分享過做系統、做自動化的流程,大致上就是檢視、剔除需求,如果沒有刪到忍不住加回去,代表刪的不夠多…最後才是流程優化、搞系統、自動化。一聽就知道,馬斯克是有長年實戰、實務經驗,不像一般大老闆,空口白話,談什麼數字化、工業 4.0…難怪馬斯克這麼成功
  • Leeeeex 07-01 11:47
    32
    有点好奇台湾的开发行业如何?
    有没有 35 岁裁员,岗位多吗,有没有那种刚毕业就能进大厂拿高工资的体验
  • Barhe 07-01 11:49
    33
    关于制造业信息化、关于 AI 、关于传统企业 IT 需求,这些都是很大的话题,可以搞个群啥的专门来吐槽。
* 帖子来源V2EX
返回