本次專欄要和大家分享近期最火熱的 AI 界新聞，也就是 Nvidia 執行長黃仁勳Jenson在今年 6 月 1 日 GTC 大會前發布的重磅演講。Jenson 在演講中提出了「代理式AI」以及圍繞其打造的相關基礎建設和生態系，隨著相關產品及應用的出現，2026下半年無疑又將驚喜滿滿、熱鬧滾滾。
　至於什麼是「代理式AI」( Agentic AI )呢？簡單來說，我們將擁有一群專業幹練的「助手」，我們提出專案構想後，助手會調度現有資源，並自行規劃、決策、完成任務，其本身就是一個專案團隊。但這和我們現今日常使用的 AI 有什麼不一樣呢？它也在幫助我們搜尋資訊、完成任務，甚至也會製圖、做簡報、寫程式啊？但兩者最大的不同點在於，現今的「AI代理」( AI Agent )，在工作的每個節點都需要人工檢查，但代理式AI則相當於有一整個AI團隊替你從頭到尾打理事情。在理想狀況下，人類幾乎可以完全放手讓AI去做，我們只需要偶爾關心，看看工作是否如預期中進行即可。
　「代理式AI」強大之處在於，更多的溝通與協作是在 AI 與 AI之間發生，人類遠遠達不到這樣的平行資訊交換與工作效率，並且 Jenson 發表的 Vera Rubin 架構更是把雲端和本地端間的協作推到了驚人的極速，而且成本更低。讀到這裡，不知您是不是被一大堆名詞搞得暈頭轉向，甚至要請 AI 出馬幫忙整理了？別擔心，以下我就用個小例子，和大家分享「AI代理」和「代理式AI」的不同。
　今年新一代設計展金點新秀的「數位互動類年度設計獎得主」，頒給了以臺灣愛情文學為主題發想的《臺文RE:AI共讀計畫》。主創團隊沒有選擇單一文本，而是彙整了30部臺灣愛情經典文本，博採書中金句作為「提示詞」( prompts )，並透過 AI 將抽象的情感意象轉譯為精緻的當代物件與動態影像，在其建立的共讀網站「臺文RE:AI共讀計畫」上，利用碎片化、陌生化的離異效果吸引有興趣的觀者，並推薦相對應的書籍，為現代人提供了一條認識臺灣文學的新路徑。
　我們不妨盤點一下製作這樣的一部作品需要動員多少AI與人類工作。首先，我們需要運用大語言模型抓取「情感關鍵字」，乍看之下，這是 AI 擅長的領域，再容易不過了。但我們要考慮一件事，假設透過 AI 搜尋，我們發現文本中「失戀」和「痛不欲生」這組詞語共同出現的頻率，與「失戀」和「悲痛欲絕」這組詞語共同出現的頻率幾乎一致，難道我們能就此定論，所以「痛不欲生」就是「悲痛欲絕」，兩者有個等號的關係嗎？我相信文學愛好者絕對會反對這種冷冰冰且無機的詞頻分類法，文字的美妙就在於語意的擴散、重疊、曖昧之處。因此，我們得依靠人類與AI溝通，慢慢作出細緻的分別，當觀眾打下關鍵字時，這兩組詞可能會呈現出類似，但不完全相同的情境。接下來，我們還要與AI協作，將這些情感建模、渲染，並寫程式將文字轉化為隨機場景的投影。
　即使全程有 AI 輔助，面對如此細膩繁複的工作流程，相信沒有人會覺得「啊，不過就是打幾個提示詞的功夫嘛。」但假使真的有個小精靈團隊，能替你完成上述的所有工作呢？即使你只有一個人，只要你有好點子，在不久的未來，這都不再是問題。只有想不到，沒有做不到。這就是「代理式AI」將會帶來的革命，而我們即將在今年下半年，迎來這樣的 AI 浪潮。
　當然，雖然「代理式AI」乍看全面、萬能，但已有一些難題可見端倪，例如創作倫理、監督管理，以及資源分配問題等等。這些問題其實從 AI 普及以來就存在著，隨著「代理式AI」風行，問題只會變得越來越複雜、越來越難解。這也是 AI 發展並然面臨的困境：人類的制度改變需要很長時間，但 AI 的迭代速度太快了，在它面前，我們似乎像是永遠追不上阿基里斯的烏龜。但即便前景充滿挑戰，我還是樂觀以對，如同Jenson 在演講中提到，他說我們面對的，是堪比工業革命的大事件。我們可能會暫時像是當年那群面臨遭到機器取代，憤怒又不解的紡織工人，但無論如何，我相信我們始終保有身而為人的最大餽贈———與時俱進的智慧與勇氣。