還想念資工系？黃仁勳揭密：真正 AI 時代，這科系才是重點！

在 AI 熱潮下，許多人以為軟體工程是唯一出路。沒想到 NVIDIA 執行長 **黃仁勳（Jensen Huang）**卻指出，他若重回 20 歲，寧願主修「物理科學」——因為 AI 的下一波浪潮不是寫程式，而是「物理人工智慧」。這對年輕族群、想轉系或規劃未來的妳，是一大提醒。

📌 目錄

舞台焦點：黃仁勳選物理原因為何？
AI 三波浪潮回顧
「物理 AI」是什麼？為何值得關注？
想轉系？讀物理科學的五大優勢
常見問答 Q&A
結語

1. 舞台焦點：黃仁勳選物理原因為何？

來自三立新聞、自由財經、香港《中評社》等報導指出，黃仁勳在北京受訪時明言：「如果我是現在的 20 歲，我會主修物理科學，不是軟體科學」。他並非輕描淡寫，而是基於 AI 發展走向「物理人工智慧（Physical AI）」，強調 AI 要理解物理定律如摩擦、慣性與因果關係，才能應用於機器人與製造業場域。

2. AI 三波浪潮回顧

黃仁勳將 AI 發展分為三個階段：

第一波：感知型 AI（Perception AI）— 如影像辨識能力大增，典範為 AlexNet。
第二波：生成式 AI（Generative AI）— 能生成文字、圖像、程式碼，像 ChatGPT 或 DALL·E。
第三波：推理型 AI（Reasoning AI）— 可解決新問題，具備邏輯推理與情境理解。

黃仁勳指出，下一波將是能理解物理世界的「物理 AI」——AI 不只看得懂，還能動得巧。

自主 AI 是什麼？從聊天機器人到「任務型代理人」

簡單說，自主 AI 不再只是「等你問再回答」，而是能接收一個目標後，自行拆解成多步驟任務、串接多個工具、自主協調完成的 AI 系統。

傳統的 AI 聊天機器人（如客服助理、FAQ 回覆系統），多半是反應式的設計：使用者輸入問題，系統根據資料庫給出回答。但所謂的 自主 AI，是指具備「觀察 → 理解 → 推理 → 決策 → 執行」完整循環能力的 AI 系統，能針對一個終點目標，主動思考要達成的多步驟流程，並執行操作直至完成任務。

舉例來說，如果你告訴傳統客服 AI：「我想取消訂單」，它可能只是回覆取消政策。但 Agentic AI 會進一步查詢你的訂單狀態、比對取消條件、通知相關部門，甚至替你填好表單、執行退款、發送確認信，全部自動完成。

它的特點包括：目標導向、多步驟規劃、自主管理與持續優化。這就像你給 AI 一個「專案負責人」的角色，而不只是扮演「秘書」或「文字編輯」的角色。

自主 AI 的三大核心特徵

自主 AI 具備以下三項關鍵特質，讓它從眾多 AI 工具中脫穎而出：

1. 持續的上下文理解與記憶

不像傳統 AI 每次對話都從零開始，自主 AI 能長時間保有對話或任務上下文，記得你說過什麼、做過哪些操作，甚至在未來幾天內持續跟進。這種記憶能力是實現複雜任務的基礎。

2. 行動能力與系統整合

它不只能對話，還能「做事」。自主 AI 可被賦予執行指令的權限，像是呼叫 API、串接內部 ERP、CRM、訂單系統等，直接「動手做」，真正地將指令轉化為行動。

3. 目標導向與任務分解能力

自主 AI 不只執行命令，而是能理解「我要達成什麼」，並主動分解成多步驟任務、規劃順序、設定優先級，如同一位熟練專員自動安排流程，展現出高度的自主規劃能力。

為什麼自主 AI 會成為企業策略設計的關鍵工具？

自主 AI 對企業來說至關重要，因為它不只是科技突破，更意味著三種深刻轉變：

1. 從人機互動走向流程自主化

傳統的 AI 工具需要人來下指令，自主 AI 則能主動發現問題並提出解法，甚至直接執行，大幅降低人工介入，讓工作流程更加流暢。

2. 從回應式支援轉為任務完成責任制

你不再是「問 AI 一個問題」，而是「交代 AI 一件事」。這讓 AI 成為一位被委任的執行者，而非只是扮演知識百科的角色，真正地負起任務完成的責任。

3. 從 Chatbot 到 AI 員工（AI-as-a-Worker）

自主 AI 是真正能進到營運核心、協助完成跨系統作業的 AI 員工。例如完成核銷、發送報表、合約檢核、流程審核等，成為企業內部不可或缺的數位勞動力。

傳統上，企業策略設計是個非常人力密集的流程。策略部門、高階主管、專案經理要花大量時間：收集市場資訊、分析競爭對手、統整內部數據、召開多場會議、反覆討論與修改報告。這一切需要跨部門協作，人力與時間成本非常高。而且越是大型組織，層級越多、流程越長，決策週期也越慢。

自主 AI 帶來的改變在於，這些多步驟流程可以大幅自動化。AI 代理人不只收集資料，而是把資料轉成洞察、產生多個策略方案、比較風險，甚至形成完整的決策備選草案。高層主管則可聚焦在最終判斷、倫理監督與決策落地。

換句話說，企業決策流程將從「人主導、AI 輔助」逐步轉向「AI 執行、人類審核」的新範式。

自主 AI 如何做到「自主行動」？

要讓 AI 有行動力，並不只是模型變強，而是整體系統設計需要具備以下幾個關鍵元素：

1. 任務導向

自主 AI 不再只是對話，而是接收一個最終目標（例如：「完成退款程序」），並且自動拆解成一連串的行動步驟，明確定義其任務範圍。

2. 行為規劃

它會根據目標與環境，規劃執行流程（像是流程圖），決定優先順序與資源配置，確保任務能夠高效完成。

3. 工具整合能力

自主 AI 可以串接多種工具，如內部資料庫、CRM、API、SaaS 平台等，執行查詢、撈取資料或完成任務，展現其強大的擴展性。

4. 回饋調整

在任務過程中，它會觀察回饋結果，必要時「重新規劃」執行策略。這使其具備基本的適應能力與錯誤修正機制，確保任務順利進行。

5. 多代理合作

複雜任務會拆解給不同子代理 (Agent)，彼此分工協作，每個 Agent 專注在自己的子任務，提升模組化與可擴展性。這種多代理人系統是 自主 AI 實現的關鍵架構。這種方式不是靠一個大模型處理所有事，而是許多小型 AI Agent 各自負責一部分任務，互相協作完成大型目標。

這種架構的優勢包括：模組化設計（單一任務失敗不會拖垮整體）、彈性高（可以根據業務需求替換、擴展代理人）以及治理方便（便於設立稽核、權限控管機制）。

基於以上這些設計理念，讓 自主 AI 不再只是「內容生產機器」，而是像一組具備智能與執行能力的協作團隊。

3. 「物理 AI」是什麼？為何值得追？

定義：機器人具備理解物理特性（摩擦力、彈性、慣性等），可安全抓取或操作物體，避免損壞。
應用場景：智慧工廠、物流搬運、自動駕駛、精密手術等，AI 需判斷物體行為與情境風險。
未來需求：美國及台灣都在布局智慧製造，物理 AI 將是核心技能。

4. 讀物理科學的五大優勢

優勢	說明
1. 理解自然規律	物理科學生更能掌握力學、熱力、電子等基礎，AI 應用此技能更到位。
2. 分析問題邏輯強	建模與系統思考是物理訓練必備，對 AI 問題重大優勢。
3. 跨領域通吃	可接觸化學、地球科學、天文學，適應更廣產業場景。
4. AI 工廠人才缺口大	智慧機器人、嵌入式系統均須物理背景，市場導向明顯。
5. 投資報酬率高	根據 104人力銀行，「物理系重讀率高達 72.7%」，顯示畢業生對此科系滿意度高。