沒有力氣一直寫太硬的東西，所以最近都開始寫軟一點的． 例如本週的題目：代裝日賺 10 萬、大廠擺攤搶人——一隻開源龍蝦如何引爆中國 AI 圈？ 然後也想要開始進行一些商業性的觀察，寫相關的文章。 畢竟現在一堆人在裝龍蝦，或者用 Claude Code 做很神奇的開發或自動化。 我雖然也有跟進，但是總是不知道自己要幹嘛。 沒有方向的AI自動化，只是在浪費token而已。 但是最困難的就是找方向，希望大家都能找到未來要發展的方向，然後再透過 AI 來達到超級個體。

你有沒有想過，如果把一個生物的大腦完整複製進電腦裡，它會做什麼？ 2026 年 3 月，一家叫做 Eon Systems 的舊金山公司給出了一個真實的答案：它會走路、覓食、梳理身體——就像一隻活生生的蒼蠅。 先從「地圖」說起 要模擬大腦，你得先有一份完整的地圖。 果蠅的大腦雖然只有芝麻粒大小，卻有大約 14 萬個神經元，以及 5000 萬個突觸連接。要把這些全部畫清楚，是一件極度瘋狂的工程。 一個叫做 FlyWire 的國際合作計畫花了超過十年，終於在 2024 年完成這份地圖——每一個神經元、每一條連線，全部記錄完畢，並發表在頂尖期刊《Nature》上。這份地圖有個學術名稱：connectome（連接組），你可以把它理解成大腦的「電路圖」。 然後，有人把電路圖接上了虛擬身體 加州大學柏克萊分校的 Phil Shiu 率先用這份地圖在筆電上跑模擬，結果這個數位大腦在預測果蠅對刺激的反應上，準確率高達 95%。但它只是個「腦」——沒有身體，無法動作。 Eon Systems 走出了下一步：他們把這個數位大腦，接上一個物理模擬的虛擬果蠅身體（使用 NeuroMechFly v2 框架和 MuJoCo 物理引擎）。 結果？ 沒有任何額外訓練，它自己開始走路了。 感覺輸入進來，神經活動沿著電路傳播，運動指令送出，虛擬的腳動了。這個回路完全閉合，行為準確率達到 91%。 這跟一般 AI 有什麼不同？ 現在大家熟悉的 AI，比如 ChatGPT，是靠海量資料「訓練」出來的——本質上是統計學。DeepMind 之前做過虛擬果蠅，但那隻蒼蠅的行為是靠強化學習一步步訓練出來的，相當於「教牠走路」。 Eon 的做法完全不同：直接複製生物大腦的線路，沒有訓練資料，沒有梯度下降，行為是從結構裡自然浮現的。這被稱為「全腦模擬（whole-brain emulation）」，是科學界長期追求的目標。 -- 所以按照此原理，假設有一天親人快過世了，我們可以掃描他的大腦，讓他在數位世界永遠活下來。 只是這樣，還算是活著嗎？

一直想談這個主題很久了，所以我先讓 Claude 幫我做了研究，本周會讀一下它的報告，尤其是它提供的連結資料。然後我再提出我的看法以及實作經驗。 這邊也提供 Claude 的報告，有興趣的人可以先看看。 -- AI 時代如何建立專業能力：英日雙語論述分析 從 2025 年中到現在，英語和日語圈的討論有著驚人的一致結論：人類技能的價值正在上升而非下降，但培養專業能力的路徑正在瓦解。 從 McKinsey 到東洋經濟、從教育界到企業 CEO，全球已形成共識——「領域專業 × AI 素養」才是致勝公式。然而，專業人才養成的結構性威脅卻被嚴重忽視。本報告綜合了英日兩國主要媒體、政府報告、產業領袖與公共論述的內容，涵蓋 2025 年 7 月至 2026 年 2 月。 一、專業人才培養管線正在底層斷裂 英日雙方最迫切的擔憂，不是 AI 會消滅專家職位，而是 AI 正在掏空過去用來培養專業能力的入門級職位。 Fortune 在 2025 年 12 月報導，根據一項針對 1,540 名董事會成員與高階主管的調查，AI 暴露出來的不只是技術能力不足，更是「批判性思考的落差」。Pluralsight 的 2026 年科技預測發現，自疫情以來，大型企業的入門級技術職位已經砍了 50%，而且預計還會繼續下降。哈佛大學追蹤 285,000 家美國企業中 6,200 萬名工作者的研究也確認：導入 AI 的企業中，初階職位正在萎縮。 這造成了一個弔詭的局面。NC State 的 Mark Beasley 博士說得直白：「知識在某種意義上已經免費了，真正要啟動的是思考能力。」如果 AI 自動化了那些過去用來累積經驗的重複性工作——金融、法律、顧問業的苦力活——下一代的策略思考者要怎麼成長？Robert Half 董事會成員、經濟學家 Julia Coronado 直接拋出這個問題：「如果 AI 取代了典型的入門級職位，而我需要中層人才，那不給人從基層做起的機會，我要怎麼培養未來的中層？」 在日本，這個問題更加緊迫。IPA（情報處理推進機構）在 2025 年 10 月的報告中指出，85.1% 的日本企業缺乏足夠的 DX 人才，遠遠落後於美國和德國。日本在七國調查中的自主學習率也敬陪末座。少子化、終身雇用制度瓦解、人力資本投資長期不足——這三者交會之下，這已經不是企業層面的問題，而是國家存亡等級的挑戰。 二、英日兩國都認同的關鍵技能 在雙語數十個資料來源中，一個高度一致的技能階層已經浮現。WEF（世界經濟論壇）的 Future of Jobs Report 2025 被幾乎所有來源引用，預測到 2030 年，39-40% 的核心工作技能將發生變化，1.7 億個新職位將被創造，9,200 萬個被淘汰（淨增 7,800 萬個）。IMF 在 2026 年 1 月分析了數百萬則職缺公告，發現需要新技能的工作薪資高出 3-15%，而且全球近 40% 的工作面臨 AI 驅動的轉型。 最常被提及的有價值技能分為三個層級： 第一層：不可替代的人類能力——批判性思考、創造性解決問題、倫理判斷、同理心、人際關係建立。McKinsey 在 2026 年 1 月的研究（發表於華爾街日報）發現，雇主今天看重的技能中，超過 70% 同時適用於可自動化和不可自動化的工作，另有 12% 完全屬於人類專屬。 第二層：AI 協作技能——提示工程與上下文工程、AI 產出評估、工作流程重新設計、判斷何時從 AI 升級到人類決策。 第三層：技術基礎——資料素養、資安基礎、領域專業技術知識（用於對 AI 系統進行有意義的監督）。 日本論述額外強調兩個概念。Deloitte Tohmatsu 在 2025 年 7 月的 AI Agent Day 上提出了**「紫色人才」（パープルピープル）的概念——結合商業知識（藍色）和技術知識（紅色），在 AI 能力與商業價值之間架起橋樑的人才。Deloitte 的田中公靖指出：「很多企業專注於搶 AI 原生人才，但最重要的其實是橋樑/樞紐型人才。加厚這一層，才是推動 AI 轉型的關鍵。」Business Research Lab 則強調「提問的精準度」（問いの精度）**和「修正的精準度」（修正の精度）是定義專家價值的後設技能——你必須知道該問 AI 什麼、如何導正它的輸出，而這需要深厚的領域知識為基礎。 Salesforce Japan 的部落格在 2025 年 7 月透過五位專家訪談精彩呈現了這個觀點。影片製作人明石學人提出「編輯力」（編集力）——選擇、結構化、賦予資訊意義的能力——作為關鍵人類技能。前微軟日本高層澤円強調好奇心（好奇心）是根本驅動力。內容創作者堀元見則提出一個非常人性化的觀點：在 AI 拉平產出品質的世界裡，**「討喜度」（かわいげ）**決定了誰能被錄用。

最近受到龍蝦的刺激，我終於決定要把 Notion 上的資料搬回本地端了。 我的想法是這樣，使用 Telegram/Line 等通訊軟體下命令 -> 本地端 AI 處理工作 -> 回傳工作進度。 我不再整理知識庫了，完全交給AI來做，我只負責輸出，它要產出資料，我不滿意就繼續改到我滿意為止。 幾個問題要克服： 1. Notion 自動化備份到本地端 2. 如何管理本地端知識庫？我的想法是 Antigravity + Claude Code ，後續再考慮加入龍蝦 3. 如何讓本地端自動排程工作 4. 如何使用通訊軟體命令 Claude Code 打算本周日來幹這件事，再把紀錄寫在這裡。

龍蝦的知識管理範式： 手機上通訊軟體 -> 本地端/雲端進行任務 -> 回報任務進度 只要在系統端有正確設定好流程，給予足夠且隔離的權限，這是非常流暢的知識管理方式。 目前我看網路上一些人都漸漸地採取此方法，所以之後我應該還是會繼續往這裡研究。