# 影片筆記：AI時代に生き残る会社と社員とは！？／中国・ムーンショットAI「Kimi K3」の実力を検証！／緊急取材！AIで激変する世界と日本 第2弾


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為前 2 項待處理問題，建議播放原片確認。

- 待修正：字幕時間軸待檢（已保留來源字幕並照常發布；未取得足夠可靠錨點。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

AI 正從單純的對話工具演變為能自主執行任務的「AI Agent」，全球競爭格局中美國優勢動搖，中國 K3 模型帶來衝擊；日本企業與員工需透過結合獨有數據的「循環學習」與領域知識判斷，在「Token 資本」與「人的資本」雙重投資下適應劇變。

## 核心重點

*   **AI Agent 的崛起與應用**：AI 不再僅是回應對話的工具，而是具備自主思考與執行能力的「數位員工」。案例顯示，員工可使用多達 17 個 AI Agent 協作，將人類工作重心從後台研究轉向人際溝通、策略思考與結果驗證。
*   **全球 AI 競爭格局重組**：美國（OpenAI, Anthropic, Google）雖技術領先但面臨監管與安全問題（如 Claude 被禁）；中國（Moonshot AI, DeepSeek, Huawei）透過高性價比、開源（Open Weight）的 K3 模型對市場造成衝擊，顯示美國絕對優勢已動搖。
*   **日本的優勢領域**：儘管軟體模型落後，日本在半導體製造設備、材料、檢查裝置等硬體領域，以及安川電機等公司的「物理 AI（Physical AI）」與控制技術上具備世界頂級市佔率與優勢。
*   **企業與個人的生存策略**：
    *   **領域知識（Domain Knowledge）**：企業價值取決於如何運用 AI 及持有的獨有數據（顧客對應經驗等）；員工需具備判斷 AI 結果正確與否的能力，以及提出「為什麼」的質疑能力。
    *   **循環學習（Loop Learning）**：透過 AI 處理普通智識工作，釋放人類進行高價值溝通，並將溝通中獲得的知識回饋給 AI，形成組織變強的循環。具備此能力的企業被稱為「Frontier Company」。
    *   **雙重資本投資**：未來競爭力取決於「Token 資本」（投入 AI 的金錢）與「人的資本」（人類能力成長與判斷軸線）的雙重投資。
*   **案例實證**：
    *   **33 公司**：導入 17 體 AI Agent 優化工作流程，縮短分析時間並提升員工策略思考能力。
    *   **四國電力**：導入「Linn Power」系統，將發電計劃立案時間從 5 小時縮短至 20 分鐘，年營收改善約 10 億日元，並促使員工從執行者轉變為具備判斷力的決策輔助者。

## 詳細大綱

### I. AI 生態系的劇變：從工具到 Agent

*   **背景與現狀**：
    *   6 月 Instagram 上爆紅的 AI 生成影片（700 萬次播放），顯示 AI 已超越工具範疇，開始影響人類情感與生活。
    *   韓國現代汽車工會反對導入 AI 機器人，擔憂就業影響。
    *   美國 Anthropic 發布 Claude，因發現程式碼漏洞能力過強而被禁用（稱為「Mistake Shock」或「ミトスショック」）。
*   **AI Agent 的定義與應用**：
    *   **定義**：不同於僅回應對話的生成式 AI，AI Agent 能自主思考並執行行動。
    *   **案例：33 公司（川瀨先生）**：
        *   使用 17 體 AI Agent（13 體專業 Agent、3 體例行公事 Agent、1 體指揮官 Agent）。
        *   **工作流程**：
            1.  早晨收到 AI 生成的日程摘要與任務建議。
            2.  針對「語音輸入心理門檻」問題，指揮官 AI 啟動 3 個專業 Agent 進行分析（顧客聲音、數據、案例）。
            3.  AI 在 1 分鐘內完成需數週的人類分析工作，提出社會性與信任度等課題。
            4.  每日結束時，AI 根據全球經營者行為模式對員工進行反饋與評價。
        *   **工作內容轉變**：從電腦前工作轉向面對面溝通、營業與策略思考；AI 負責後台研究，人類負責驗證與互動。
    *   **中山高史觀點**：
        *   日常使用約 20 體 AI。
        *   AI 演進路徑：聊天/搜尋工具 -> 深度思考 AI -> 具備手足的自主 AI（Agent）。
        *   未來中小企業也可能標準化使用 AI 處理業務。

### II. 全球 AI 競爭格局：美中之戰

*   **美國現狀**：
    *   主要玩家：OpenAI, Anthropic (Claude), Google (Gemini)。
    *   特點：技術領先，但面臨監管與安全問題（如 Claude 被禁）。
*   **中國現狀**：
    *   **上海世界 AI 大會**：
        *   展出 20 國 1100 家企業，習近平主席出席。
        *   展示內容：人形機器人（拳擊）、奢侈品鑑定 AI、腦波控制遊戲、華為新型 AI 伺服器系統（支援 8192 個晶片）。
    *   **Moonshot AI 與 K3 模型**：
        *   發布 K3 模型，參數達 2.8 兆，性能逼近 OpenAI 與 Anthropic。
        *   **特點**：開源（Open Weight），價格低廉，讓開發者可自行部署。
        *   **市場反應**：被視為「國產之光」，對美國優勢構成挑戰。
*   **競爭分析**：
    *   中山高史指出，美國絕對優勢已動搖。
    *   中國模型雖有數據安全疑慮，但美國自身也面臨監管問題（如 Claude 事件）。
    *   關鍵在於誰能提供便利性的同時解決數據與信任問題。

### III. 日本的機會與未來工作形態

*   **日本的優勢領域**：
    *   雖軟體模型落後，但在「反動體（半導體）製造裝置」、「材料」、「檢查裝置」等硬體領域擁有世界頂級市佔率。
    *   **物理 AI（Physical AI）**：安川電機等公司在機器人開發上的優勢。
    *   **控制技術**：日本在控制穩定性與數據處理上具備強項，是未來物理 AI 的關鍵。
*   **企業與個人的生存策略**：
    *   **Microsoft CEO Satya Nadella 觀點**：任務可交給 AI，但「學習」不能交給 AI。
    *   **領域知識（Domain Knowledge）的重要性**：
        *   企業價值取決於如何運用 AI、持有的知識與數據。
        *   員工需具備判斷 AI 結果正確與否的能力，以及提出「為什麼」的質疑能力。
        *   AI 可能提供人類未想到的模式，成為員工學習的契機。
*   **案例：四國電力（香川縣酒井發電廠）**：
    *   **系統**：引入「Linn Power」電力受給計劃立案系統。
    *   **成效**：
        *   傳統需熟練員工 5 小時手工作業，現縮短至 20 分鐘。
        *   減少無效發電，年營收改善約 10 億日元。
    *   **人員轉變**：
        *   員工不再單純執行計算，而是討論 AI 結果的合理性。
        *   透過辯論與驗證，提升員工的基礎知識與判斷力。
        *   最終決策仍由人類負責，AI 作為輔助工具提升整體能力。

### IV. 企業差異化與循環學習機制

*   **三大要素缺一不可**：
    1.  員工個人能力提升（AI 應用層）。
    2.  組織知識貢獻與數據累積。
    3.  企業文化建構。
*   **差異化來源**：
    *   僅靠底層 AI 應用無法創造附加價值或進行差別化。
    *   關鍵在於「紅區」：企業獨有的顧客對應經驗、顧客數據及特有資訊。
*   **循環學習（Loop Learning）模型**：
    *   透過 AI 處理普通智識工作，釋放人類進行高價值的「溝通」。
    *   從溝通中獲得的知識（Knowledge）回饋給 AI（從粉紅區回到灰區/底層）。
    *   形成「粉紅 -> 灰」的循環，組織因此變強。
    *   具備此循環能力的企業被稱為「Frontier Company」（前沿公司），能持續生存與獲勝。

### V. 新資本論：Token 資本 vs. 人的資本

*   **全球 IT 頂層觀點**：
    *   未來人類所需的是「Token 資本」與「人的資本」。
*   **Token 資本**：
    *   指投入 AI 的金錢成本。
    *   AI 使用越多，所需的 Token 越多，此為必要投入。
*   **人的資本**：
    *   指人類能力的成長、判斷軸線與視野的提升。
    *   隨著 AI 應用，人的能力與版本升級。
*   **強者定義**：能同時對「人」與「AI」進行資本投入的公司才具備競爭力。
*   **案例應用**：
    *   四國電力透過 AI 活用，提升現場發電調整職人（職人）的能力。
    *   員工從單純執行轉向更嚴肅地思考判斷方式，能力與判斷層次提升。

### VI. 未來預測與個人適應策略

*   **不可預測性**：
    *   詢問矽谷頂尖 AI 專家關於 3 年後 AI 狀況，答案為「不知道」。
    *   矽谷頂尖專家亦無法預測短期內變化，顯示技術日進月步。
    *   節目內容每年皆不同，甚至可能未來由 AI 參與製作。
*   **AI 的本質變化**：
    *   AI 已超越「革命」，成為人類以來首次迎來的「超越人類的存在」。
    *   AI 每日自我更新，3 年後將與現在完全不同。
    *   個人需透過每日對話、使用 Agent 製作，不斷被啟發與更新自我。
*   **個人心態轉變**：
    *   經歷 1 年後，對 AI 的苦手意識與不安感消除。
    *   社會人若無法驅使 AI 將面臨艱難處境（感到「ヒヤヒヤ」/提心吊膽）。
*   **核心提問**：
    *   在 AI 時代，必須持續自問：「只有自己能做的事是什麼？」（What can only you do?）。

## 工具 / 模型 / 名詞整理

*   **AI 模型/產品**：
    *   **Claude** (Anthropic 發布)
    *   **K3** (Moonshot AI 發布的模型，參數 2.8 兆，Open Weight)
    *   **DeepSeek** (中國 AI 模型)
    *   **Gemini** (Google 的 AI 模型)
    *   **ChatGPT** (OpenAI 的產品)
    *   **Codex** (用於生成網頁的 AI 工具/應用)
    *   **Linn Power** (四國電力使用的電力受給計劃立案系統)
    *   **AI Agent** (自主思考與執行的 AI)
*   **公司/組織**：
    *   **OpenAI** (美國 AI 企業)
    *   **Anthropic** (美國 AI 企業)
    *   **Google** (美國科技巨頭)
    *   **Moonshot AI** (中國 AI 初創公司)
    *   **Huawei** (華為，中國通信設備巨頭)
    *   **Instagram** (社群平台)
    *   **Hyundai Motor Group** (現代汽車集團，韓國)
    *   **NVIDIA** (輝達，晶片供應商)
    *   **33** (日本 IT 企業，川瀨先生任職處)
    *   **LINE** (日本通訊軟體)
    *   **日本 Business Systems** (日本 Business Systems，支援企業 AI 導入)
    *   **Microsoft** (微軟)
    *   **四國電力** (Shikoku Electric Power，日本電力公司)
    *   **Grid** (東京初創公司，開發四國電力 AI 系統)
    *   **Tokyo Electron** (東京電子，半導體製造設備)
    *   **Resonac Holdings** (雷索納克控股，半導體材料)
    *   **Yaskawa Electric** (安川電機，機器人開發)
*   **人物**：
    *   **中山高史** (日本 Business Systems 執行役員)
    *   **入山章栄** (經營現場專家)
    *   **川瀨** (33 公司產品負責人)
    *   **Satya Nadella** (Microsoft CEO)
    *   **梅田** (Grid 公司 CTO)
    *   **Honda-san** (四國電力員工，負責發電計劃)
*   **概念/術語**：
    *   **Mistake Shock** (指 Claude 因能力過強被禁用的事件/現象)
    *   **Open Weight** (開源權重/開源模型)
    *   **物理 AI (Physical AI)**：安川電機等公司在機器人開發上的優勢領域。
    *   **領域知識 (Domain Knowledge)**：企業價值與員工判斷力的核心。
    *   **循環學習 (Loop Learning)**：AI、個人與企業循環互動提升價值的學習機制。
    *   **Token 資本**：指投入 AI 的金錢成本。
    *   **人的資本**：指人類的能力與價值。
    *   **Frontier Company**：指具備循環學習能力、能生存並獲勝的前沿企業。

## 操作流程整理

*   **33 公司的 AI Agent 工作流程**：
    1.  **早晨**：員工收到 AI 生成的日程摘要與任務建議。
    2.  **問題發生**：針對「語音輸入心理門檻」問題，指揮官 AI 啟動 3 個專業 Agent 進行分析（顧客聲音、數據、案例）。
    3.  **分析執行**：AI 在 1 分鐘內完成需數週的人類分析工作，提出社會性與信任度等課題。
    4.  **每日反饋**：每日結束時，AI 根據全球經營者行為模式對員工進行反饋與評價。
    5.  **人類角色**：員工從電腦前工作轉向面對面溝通、營業與策略思考，負責驗證 AI 結果與互動。

*   **四國電力的 AI 導入流程**：
    1.  **系統導入**：引入「Linn Power」電力受給計劃立案系統。
    2.  **效率提升**：傳統需熟練員工 5 小時手工作業，現縮短至 20 分鐘。
    3.  **業務優化**：減少無效發電，年營收改善約 10 億日元。
    4.  **人員轉變**：員工不再單純執行計算，而是討論 AI 結果的合理性。
    5.  **能力提升**：透過辯論與驗證，提升員工的基礎知識與判斷力，最終決策仍由人類負責。

*   **企業循環學習 (Loop Learning) 機制**：
    1.  **AI 處理**：透過 AI 處理普通智識工作。
    2.  **人類溝通**：釋放人類進行高價值的「溝通」。
    3.  **知識回饋**：從溝通中獲得的知識（Knowledge）回饋給 AI。
    4.  **組織強化**：形成循環，組織因此變強，成為「Frontier Company」。

## 值得注意的限制或風險

*   **數據安全與信任**：中國模型雖有數據安全疑慮，但美國自身也面臨監管問題（如 Claude 事件）。關鍵在於誰能提供便利性的同時解決數據與信任問題。
*   **就業影響**：韓國現代汽車工會反對導入 AI 機器人，擔憂就業影響。
*   **技術不可預測性**：矽谷頂尖 AI 專家無法預測 3 年後的狀況，顯示技術日進月步，AI 每日自我更新。
*   **依賴風險**：社會人若無法驅使 AI 將面臨艱難處境（感到「ヒヤヒヤ」/提心吊膽）。
*   **差異化困難**：僅靠底層 AI 應用無法創造附加價值或進行差別化，必須結合獨有數據。

## 逐字稿辨識疑點

*   **「愛建的照片」**：逐字稿中提及「愛建の写真」，語意不明，疑為聽寫錯誤或特定專有名詞，需查證。
*   **「あだがわ賞」**：逐字稿提及「あだがわ賞を受賞したこちらの小説」，「あだがわ」疑為特定獎項名稱的聽寫錯誤，需查證。
*   **「ヒュンダイ自動車」**：韓文「현대」的音譯，通常譯為「現代汽車」，此處保留原文聽寫。
*   **「アンソロピック」**：通常譯為「Anthropic」，此處為日文音譯。
*   **「クロードミスト」**：結合了「Claude」與「Mistake Shock」的聽寫，疑為口誤或聽寫錯誤。
*   **「ギリギス力」**：疑為「ギリギリの力」或特定術語的聽寫錯誤，需查證。
*   **「ミトスショック」**：指