記者茶水間237.經典 IP 重製大爆發！直擊東京電玩展亮點：從《薩爾達》懷舊風潮到三麗鷗跨界，玩家為什麼對 AI 遊戲不買單？
本集重點：沉浸式體感與「推活」線下狂歡經典 IP 重製潮與 Y2K 懷舊紅利生成式 AI 遭玩家社群反彈，大廠宣傳主打「純手工」-----------🤩訂閱數位時代YouTube 》https://www.youtube.com/@bnext_official (https://www.youtube.com/@bnext_official)-----------🤩有合作需求請洽：podcast@bnext.com.tw Powered by Firstory Hosting (https://firstory.me/zh)
21 Sept 2026
東京在線EP41_ 稅金只要1%，你會選擇外帶還是內用？看日本破天荒降稅帶來的影響和市場機會
這一集，主持人柯誠要拆解9月15日日本內閣通過的消費稅減稅政策：飲食料品稅率從8%砍到1%，為期兩年。這個政策乍看是德政，柯誠會從稅務系統的技術限制、第一線店家的定價操作，到日本財政史上的前例，帶大家理解這項政策實際上會怎麼運作，以及2029年是否真的能回到原本稅率。本集重點｜✅ 日本政府把稅率訂在「1%」而非0%，背後跟Invoice制度與POS系統的技術限制有什麼關係?✅ 內用10%、外帶1%的9個百分點價差，會在忘年會、年菜訂購、到府主廚服務等場景，衍生出哪些真實的節稅操作?✅ 麥當勞與星巴克面對雙重稅率時，分別採取了什麼不同的定價策略?✅ 日本財政史上「暫定稅率」為什麼總是變成永久稅率（以汽油暫定稅率為例）?【節目資訊】主持人：柯誠🎧 Production Team：Meet 創業小聚🎬 Editing and Post-Production：聲歷其境 All Around You Powered by Firstory Hosting (https://firstory.me/zh)
18 Sept 2026
數位關鍵字258.給 AI 一台用完就丟的電腦：企業 AI 的最後一哩 ft. Asgard 肆佳科技共同創辦人暨執行長王韋仁 William
公司買了一批 ChatGPT 或 Claude 帳號，再找講師來上兩堂 prompt 課，這樣算導入 AI 了嗎？在企業現場，這只是第一階段，比較接近國民基本教育。真正的門檻在後面：AI 看不看得到公司的資料、權限與稽核管不管得住、能不能把公司裡那位十倍工作者的做事方法沉澱下來複製給別人。數位時代創新長黃亮崢 James 邀請 Asgard 肆佳科技共同創辦人暨執行長王韋仁 William，從企業導入的真實災情出發，拆解為什麼要給 AI 一台用完就丟的電腦，以及企業軟體最難的那段「最後一哩」卡在哪裡。聽完這集你可以學到：企業導入 AI 分成四個階段：買帳號上課、讓 AI 看得到公司資料、統一配帳號做稽核與權限管理，第四階段才是把優秀員工的做事方法沉澱成流程、複製給其他人。王韋仁觀察，多數公司都還停在前兩階。每個上班族有兩到三成時間在搬資料：複製貼上、建檔這類工作藏在會計、客服、業務身上，但世界上沒有一個 job title 叫資料搬運。王韋仁指出，公司買的是這個人的專業與決策能力，把時間還給他，能用在決策上的時間就多出三到四成。系統打不通不是技術問題，是政治問題：王韋仁直言技術上一定打得通，資料也都還在。阻力在於十幾年前導入系統的人早就離職，現在的 IT 接手的是遺留系統，動了出事卻要他負責，於是多一事不如少一事。破解方法通常只有一個，從老闆那一層 top-down 支援下來。最後一哩不是 demo，是上線那一刻：demo 永遠是 happy path，短時間就做得出來；難的是進到 production，每一次都要跑得完。王韋仁分析這一哩由三件事構成：權限、能不能被稽核、能不能跟既有系統並行。比較像幫 legacy system 開一道新的大門，而不是去顛覆它。駕馭工程（Harness Engineering）的白話定義：換一個模型還能完成同樣的工作，就代表 harness 做好了。王韋仁比喻，模型是腦子非常好但第一天上班的人，harness 就是那間公司的教育訓練、門禁卡、系統帳號、SOP 和主管是誰。換到車上講，模型是引擎，harness 是底盤、方向盤、煞車與調校。一個工作階段開一台電腦，用完丟掉：共用一台機器養 agent 很容易養壞。王韋仁說明，每次互動才開一台幾秒就啟動的虛擬電腦，出事直接拋棄，同事的薪資資料也留在上一台一起被丟掉。但 agent 不會離職，牠會把稽核紀錄和學到的例外寫回檔案系統，下次開新電腦再掛回去。agent 犯錯的真實災情：有一隻 agent 每天打電話訂便當，那天電話不通，牠很努力上網查，找到那家店有 Uber Eats，就自己登入帳號下了單。王韋仁強調，比犯錯更重要的是過程能不能被監管、被記錄、事後被防堵。另一個案例是報帳，交通費該掛專案還是部門是公司慣例，沒人寫下來，agent 當然掛錯。舊系統怎麼交給 AI 碰：理想上直接操作 API 就能把事情做完，但王韋仁指出台灣的現實是，大量企業的系統已經跑了二三十年，原廠可能都不在了，不會有人回頭幫你開 API，而這些沒人維護的系統還在某一台電腦裡服役。給瀏覽器是最低限度的做法，至少讓 AI 有一條路能操作系統。至於權限那條線，他的做法是讓 agent 沿用工程師本來就在用的 CRUD 規則，而不是另外發明一套：讀取同一份資料二三十次都該是一樣的狀態，這類可逆的事直接授權；會造成資料變更的不可逆動作才要卡人核可。這樣做的附帶好處是，企業原本的稽核制度看得懂這件事，不必為 agent 重新創造一套稽核方式。真正的痛點往往不在行銷和客服：Asgard 接觸的產業橫跨電商、餐飲、飯店、製造、材料與金融投資，切入點通常來自二代接班或大老闆的 top-down。王韋仁分享一個飯店業的例子：這家飯店有二三十間餐廳，每間的信用卡卡機對帳號碼都不同、結帳系統也不同，財務每個月對帳非常痛苦。他們要的其實不是完美，只是把銀行送來的對帳單跟自己收回的資料自動比對，先把對得上的七八成拉掉，剩下的一兩成再交給人。他說這種題目是外行人想不到的，得從企業真正的痛點反推回來。不必追最新最大的模型：王韋仁認為好的流程架構與 harness，要確保模型是 plug and play、可以隨意切換。他自家公司幫員工付模型的錢但不限制用哪一個，重點是產出要能被接受、能被 review。他也直言沒必要一律用最聰明的模型，很多新模型是 thinking model，會花更多時間，一般的操作任務用 Sonnet 4.5 可能就搞定，效率反而更好而且不會出錯。至於地端，他判斷當一萬個員工都開始用 AI，token 用量會逼企業去想「我有沒有自己的發電裝置、自己的桶裝水」。不要問一個人要配幾個 agent：黃仁勳在 Computex 2026 提出每位員工可以配 100 個 agent，也算過年薪 50 萬美元的工程師，一年的 token 成本可能要 25 萬美元。王韋仁換了一個算法：該問的不是標配幾隻給一個人，而是這間公司有多少件事已經被 agent 掌握、又需要多少人來操作牠們。他提醒台灣的現實是大部分賺錢的企業並不靠軟體賺錢，IT 是成本單位、預算本來就少，但 AI 接下來會像水、像電一樣變成生產要素。他給的起手建議是先確認自己 AI Ready 或 Data Ready，因為他遇過不少正在賺錢、資訊狀態卻還停在 15 年前的企業。延伸閱讀Karpathy 提出大語言模型是新作業系統核心行程：https://x.com/karpathy/status/1707437820045062561 (https://x.com/karpathy/status/1707437820045062561)Karpathy 演講《Intro to Large Language Models》：https://www.youtube.com/watch?v=zjkBMFhNj_g (https://www.youtube.com/watch?v=zjkBMFhNj_g)黃仁勳與 Harrison Chase 對談：https://www.youtube.com/watch?v=Yy3JH6dDugc (https://www.youtube.com/watch?v=Yy3JH6dDugc) Powered by Firstory Hosting (https://firstory.me/zh)
Who has been a guest on 數位時代 Business Next
Names identified in recent episode analyses. Showing up to five guests.
Nobuhiro Yao
Cathy Hsu
Hsu Hung-Min
Huang Chien-Feng
温宏駿 Jeff
Reach and audience
Public platform figures. Ratings count people who left a rating, not total listeners.
Apple Podcasts (US)
4.3 / 5
9 ratings
Spotify
4.8 / 5
117 ratings
Pitching 數位時代 Business Next
Guest appearances
Books guests
Based on episode analysis; this does not confirm that the show is currently accepting pitches.
Pod Engine is an independent podcast discovery and analytics service and is not affiliated with or endorsed by this podcast. Artwork and show content belong to their owners. Full legal notice.
Explore this show Podcast research with Pod Engine
