苏仲成新闻资料

简

ADVERTISEMENT

ADVERTISEMENT

e潮

【多点AI】开源与知识产权：AI创新的双引擎——华为论坛观察（下）

笔者认为香港应从以下方向破局：❶是加大创新基建与研发投入，建立高性能算力中心或引入云端资源，为科研与创业提供基础设施…… “开放共享”与“知识产权”：双轨驱动创新的辩证本届论坛传递出一个明确讯息：开源合作和知识产权保护并非对立，而是创新发展的双引擎，需同步推进、制度协调。华为首席法务官宋柳平在会上表示：“开放创新是推动社会发展和技术进步的重要力量，也是华为的DNA。华为一直在践行‘开放’的理念，用开放驱动创新。同时，华为注重自有知识产权的保护，也尊重他人的知识产权，包括专利、商标、版权和商业秘密等。”简言之，一方面积极参与开源与共享，另一方面严格保障知识产权，两条路并行不悖。华为近年来在专利研发和布局上不遗余力。2024年华为专利授权收入约6.3亿美元，同时其历年累计支付的专利许可费是自身许可收入的三倍之多。根据世界知识产权组织统计，华为2024年通过PCT公开的国际专利申请达6600件，自2014年以来连续位居全球首位。仅2024年一年，华为新公开专利就达3.7万件，创下历史新高。强大的专利库让华为在5G、Wi-Fi、视频编码等领域建立了广泛的授权生态：截至2024年底，全球已有超过27亿台5G设备、12亿台消费电子设备和32亿台多媒体设备获得华为专利授权，全球500强企业中有48直接或间接获得华为的授权许可。另一方面，华为在开源开放方面同样投入巨大资源。其副总裁、知识产权部部长樊志勇指出，华为透过“软件开源、硬件开放、专利申请、标准贡献与学术论文等多种形式”推动技术开放。2024年华为向标准组织新提交技术提案超1万篇，发表学术论文逾1000篇；在开源社区方面，主导或参与了多个大型项目，例如OpenHarmony开源操作系统社区已有超过8100名共建者；openEuler开源OS发行版累计装机量已突破1000万套；并将昇腾AI基础软件栈全面开源，包括CANN计算架构和MindSpore深度学习框架，并优先适配主流开源社区如PyTorch、vLLM等。由此可见，“知识产权保护”保障了创新者的投入回报和商业动力，而“开源共享”则能汇聚众智加速技术成熟与应用扩散。两者并非水火不容，关键在于寻求制度性的平衡与协同。正如香港大学邓希炜教授所言，一个强健、开放且受国际信赖的专利体系是创新引擎运转不可或缺的条件。全球范围内，“开源”与“封闭”的博弈亦在演变。NVIDIA以CUDA软件平台构建封闭生态，形成极高的市场壁垒与利润循环，但OpenAI从开源转向封闭的过程亦引发反思。当Meta等公司以Llama开源模型崛起，开源生态再次展现强劲生命力。这些案例共同说明：唯有平衡专利保护与开源合作，才能让科技创新在竞争与共荣中持续演进。香港创新生态的瓶颈与建议华为论坛的所见所闻，令笔者不禁联想到香港自身的创新发展处境。香港研发投入长期偏低，2023年本地研发开支仅占GDP的1.11%，远低于主要经济体。高校承担了过半研发开支，企业与政府投入不足，导致科研成果转化率偏低。许多教授为寻求资金而北上深圳，显示制度与环境限制了本地创科潜力。此外，香港长期“去工业化”导致制造业比重不足1%，缺乏硬科技产业链，创业成本高昂；专利文化尚未普及，中小企对知识产权理解有限。科研评估偏重论文而非商品化，技转诱因不足，令大量成果“躺在实验室”。笔者认为香港应从以下方向破局： ❶是加大创新基建与研发投入，建立高性能算力中心或引入云端资源，为科研与创业提供基础设施； ❷是完善产学研转化机制，鼓励高校科研人员创业并建立专利池； ❸是培育专利服务与人才，推动知识产权融资，让专利成为企业资产； ❹是积极参与开源与国际合作，推动开放数据政策； ❺是深化大湾区融合，与深圳共建创新生态，实现产学研联动。总之，香港若要在AI浪潮中重塑定位，需建立既开放又有序、既鼓励创新又保障权益的制度环境。开源与知识产权并非对立，而是AI时代创新的双引擎。唯有让两者协同运转，香港才能在全球科技竞赛中找回自身节奏，开创一条属于自己的智慧经济之路。相关文章：【多点AI】开源与知识产权：AI创新的双引擎——华为论坛观察（上）

1星期前

e潮

e潮

【多点AI】当AI开始自己动手：AI Agent治理的操作蓝图

AI Agent的时代已经来临，而治理不再是“要不要”的问题，而是“怎样动手”的问题。最近与不同的AI公司交流时，我发现一个明显的趋势：大家都在谈“智能体”（AI Agent）。在中国，这已经是一个炙手可热的话题，各种创业与产品都围绕着智能体展开。这意味着一个关键的转折点——AI不再只是生成图片、撰写文章的辅助工具，而是开始“代替我们做事”，直接介入工作与生活流程。这样的变化一方面令人兴奋，因为AI Agent的确能帮人节省大量时间、提高效率；但另一方面也令人忧虑，因为一旦AI能够自主行动，它带来的风险与治理挑战就不再是理论，而是实实在在的迫切问题。最近发布的《Preparing for AI Agent Governance》报告，正是针对这一点提出具体的研究与政策操作蓝图，焦点不在于宏大的伦理争论，而是如何在不确定的环境下，逐步建立有效的制度工具。沙盒与测试平台：治理的第一步报告提出的第一个重点是“不要急于立法，而要急于准备”。准备的核心，就是沙盒（sandbox）与测试平台（testbeds）。沙盒的作用，是在可控环境内允许AI Agent运行，并由监管者与研究人员观察其行为。这种设计让社会可以低风险地获取证据：哪些风险能靠市场自然纠正，哪些则需要政策介入。举例来说，如果要测试AI报税Agent，就可以先在沙盒中让它与传统流程并行，比较两者的准确度与合规性。这样，错误不会直接影响现实，但政府能在部署前看清问题所在。这种“边做边看”的方式，比起等到全面落地后才亡羊补牢，更能减少制度上的被动。透明度与监察：黑箱是最大隐患沙盒提供了试验场，但治理不能只停留在前期。报告强调，AI Agent一旦进入社会，必须具备透明度与监察机制。这包括3个层面： ·完整日志（Logs）：每一次操作都要留下可追溯纪录。 ·即时监控（Monitoring）：在运行过程中监测异常行为，例如短时间内提交大量可疑指令。 ·事故回报（Incident Reporting）：一旦出错，必须有义务向外界通报，而不是隐藏。没有这些机制，AI Agent就只是一个“黑箱”，无法真正被问责。治理的重点因此不只是“看结果”，而是“看过程”。基建与标准：Agent ID与紧急刹车报告提出另一个核心概念：为AI Agent建立基础设施。其中最具代表性的就是“Agent ID”。每一个AI Agent都应该有身分标识，清楚记录它的开发者、功能范围以及认证状态。这样能避免出现来源不明、责任难以追究的“黑户Agent”。同时，还需要技术性的保护措施： ·紧急刹车（Circuit Breaker）：当Agent出现大规模错误行为时，能即时中断。 ·回滚机制（Rollback）：在出现错误后能撤销影响，防止灾难性扩散。 ·标准化接口（APIs）：确保不同Agent之间、以及Agent与现有系统之间能安全互通。这些安排有点像交通规则：没有红绿灯、车牌与刹车装置，车子再先进也只会带来混乱与危险。认证与审计：AI Agent也要有“执照” 另一个操作重点，是为AI Agent引入类似会计师、律师的专业认证与审计制度。不同级别的Agent应该对应不同层级的执照：初级Agent只能处理简单、低风险任务；高阶Agent才被允许进入涉及金融、医疗等高风险领域。同时，这些Agent应该接受第三方独立审计，并公开其表现纪录，例如准确度、出错率。这样既能防止滥用，也能建立社会信任。这种制度不是要拖慢创新，而是要让创新在可控的轨道内前进。政府杠杆：供需两端的推动报告提醒，治理不只是“限制”，还包括“推动”。政策可以从供需两端发力： ·需求端：例如提供补贴或税务优惠，鼓励使用经认证的AI Agent。 ·供应端：支持开发者，例如开放数据集、资助研究，帮助降低开发门槛。这种操作能避免AI Agent只成为少数大型企业的专利，而是能普及到更广泛的应用场景。国际协调：避免治理碎片化 AI Agent天然具有跨境属性。例如，一个跨国公司的Agent可能同时处理美国、欧盟和其他地区的规则。如果各地要求互不兼容，结果就是合规成本暴增。因此，报告强调国际协调的重要性。至少在透明度、认证和安全标准上，需要有一定程度的互认，避免碎片化，否则最终受害的是开发者与用户。治理要从操作开始这份研究报告最大的价值在于，它提供了一套清晰的操作蓝图：沙盒试验、透明监控、身分认证、专业审计，再加上政策杠杆与国际协调。这些不是抽象的讨论，而是可以立即启动的制度设计。 AI Agent的时代已经来临，而治理不再是“要不要”的问题，而是“怎样动手”的问题。当AI开始真正替人类“自己动手”时，社会必须同步建立能够问责与保护的基础设施。更多文章：【多点AI】AI 2027：当代理人成为我的日常基建【多点AI】全自动程式设计：程式员会消失吗？

3星期前

e潮

全国综合

企业如何部署不被AI取代？苏仲成10月7星洲总社开讲

人工智能的浪潮正在席卷全球，不仅改变了人们的生活方式，更深刻地重塑了企业的营运逻辑。面对这股无法逆转的趋势，企业该如何部署AI策略以免被淘汰？公司又该如何“乘风破浪”，在“浪潮”中让业务利润提高，甚至翻倍？

3月前

全国综合

e潮

【多点AI】AI不是大公司的专利：中小企导入AI代理人的实战路线图

“我们公司人不多，只有十几二十人，甚至连IT也没有，我们还可以做AI转型吗？” 最近，我接连与多间不同规模的企业开会交流，当中不乏员工数量超过300人的大型公司。他们大多已经建立了自己的内部数据库，有成熟的系统架构、专责的IT部门，甚至已经在测试AI客服或内容生成的自动化流程。这些企业拥有资源去尝试错误，有人力、有预算，启动AI转型相对容易。但会议中我最常被问的一个问题是：“我们公司人不多，只有十几二十人，甚至连IT也没有，我们还可以做AI转型吗？” 答案是：当然可以，而且应该要做。中小企（SME）正正最需要AI来节省人力、提升效率和加快决策。而且现今市场上的AI工具和平台越来越平民化，即使没有技术背景，也可以用无代码平台（No-code）建构实用的AI代理人（AI Agents），处理重复工序、支援日常营运。以下，我就以5个阶段、15个步骤，整理出一个实用又接地气的《中小企导入AI代理人实战路线图》，让你一步一步带领公司进入AI时代。 ●第一阶段是打好地基，清晰方向。AI不能乱用，更不能盲目追风，要先从业务痛点出发。例如我最近接触的一间家品零售商，他们每日收到超过200个WhatsApp查询，大部分内容都是重复的，例如“这款产品有冇货？”“可以寄去澳门吗？”“几时到货？”。他们第一步，就是设定一个AI客服Bot，来处理这些高频、低复杂度的问题，节省人手。你也可以看看公司内是否有以下痛点：重复性客服支援、资料输入或报表自动生成、潜在客户分类、订单追踪或查询自动化等。下一步，是设定量化目标，例如将客服回应时间减少一半、每星期减少10小时重复工序、提高顾客转换率等。清晰目标可以帮助你衡量成效，也方便之后汇报或争取资源。然后要评估自身条件，包括是否有可用的数据（如CRM、客服纪录）、是否有现成工具可整合（如Notion、Google Sheet、WhatsApp Business API），还有同事是否愿意学用新工具。这些都会影响导入速度与效果。 ●第二阶段是选择适合的工具组合。这一步选错平台或技术，会浪费时间。现在市面上已有不少中小企友善的选择，其中我尤其推荐Dify.ai作为开发AI代理人的主要框架平台。中小企可根据自身资料私隐要求、语言使用习惯与合规需求，选择适合的语言模型。国际模型如OpenAI GPT、Anthropic Claude、Google Gemini适合中英双语企业；本地部署模型如Mistral、LLaMA3可提升私隐控制及降低API使用成本。若业务在中国市场，亦可考虑国内平台如智谱AI（Zhipu AI）。智谱AI作为国内领先的大语言模型平台（如ChatGLM），支援中文优化，合规性高，可提供企业级API与私有化部署方案，特别适合需要数据保密的制造业、教育、医疗等中小企使用。透过像Dify.ai这样的平台，中小企可以灵活选择上述模型作为“大脑”，按成本与应用场景自由切换。对于中小企而言，Dify.ai是一个特别值得留意的开源框架，它无需编程经验，提供图形化介面，可简单拖放设计AI流程。支援多角色管理，例如客服Bot、销售助理Bot、报表分析Bot等；亦具备上下文记忆与知识库接入能力，可整合Notion、PDF、Google Drive等。Dify.ai亦支援中文、英文、粤语语境识别，更兼容本地模型如智谱AI、百川、Minimax等。曾有一间物流公司利用Dify.ai建构客户服务代理人，即时回复货运查询、生成报价，甚至处理PDF报表，成功减省前线工作压力。第三步是加入记忆与检索功能。Dify.ai可整合Pinecone、Qdrant等向量资料库，搭配LlamaIndex或LangChain作为检索工具，制作出具备长期记忆的智能助理。例如一间HR顾问公司就利用Dify.ai + Notion + LangChain，建立雇员问答Bot，员工可即时查询假期政策、薪酬结构、招聘程序等，大大节省行政负担。 ●第三阶段是设计AI代理人角色与功能。不同角色可对应不同痛点，例如SalesBot用来管理查询、HRBot处理请假与公司政策、OpsBot处理订单与行政等。这些代理人可以查询API资料、自动输入Google Sheet、发送电邮与Slack讯息，甚至自动分类资料。当然，AI的安全性亦不能忽略。可以加入Rebuff、Guardrails等工具限制输入输出范围，避免泄漏敏感资讯或出现不当回应，特别是在保险与医疗等行业格外重要。 ●第四阶段是测试与优化。部署前，应先模拟真实场景进行沙盒测试，评估AI能否如预期处理客户查询、资料提取与工作流程。如遇信心分数过低时，则自动交由真人接手。亦可设计后备流程，例如输入提示不明确时自动请求补充资料或转由人手介入。部署后需不断优化，包括调整提示语句（Prompt Engineering）、加入RAG技术强化答案准确性，甚至根据公司语气进行微调模型。可使用工具如PromptLayer、LangSmith、Trulens等来监控效能。 ●第五阶段是部署与扩展。开始时可选择单一部门小规模试行，例如HR或客服部。成功后，根据监测工具如Helicone所提供的使用数据，逐步扩展到销售、内部行政、会计等更多范畴，并设计更多Agent角色，整合更多业务流程。成功的中小企甚至能利用AI进行内部培训与知识管理，建立自己的“公司记忆体”。 AI从来不是大公司的专利。反而对中小企而言，AI是一个难得的逆转机会。能以有限资源建立数码员工，优化营运流程、节省人力资源、提升服务质素，甚至打开新的业务模式。未来的竞争，不是大吃小，而是快吃慢。懂得善用AI的中小企，将更容易在市场中突围而出。如你希望在公司内部部署AI代理人、建立专属的语言模型应用流程，或安排针对业务部门的AI实战训练，欢迎与我联络。我可协助你以Dify.ai为基础，整合如智谱AI或OpenAI等模型，制定一条真正可落地、可扩展的AI转型之路。

5月前

e潮

e潮

【多点AI】AI企业战略大转向：四大目标揭示自动化时代的胜出关键

根据《Understanding AI》，真正成功的企业并不在于“买了多少AI产品”，而是是否建立了一套从文化、数据、流程到决策的整合性AI策略。这也正是未来“AI原生企业”（AI-native organizations）与传统企业的最大差距。生成式人工智慧（Generative AI）自ChatGPT诞生后旋即席卷各行各业，而2024年被视为AI落地的关键年份。根据两份重磅报告《Understanding Artificial Intelligence》和《A Playbook for Crafting AI Strategy》发现，一场企业营运逻辑的深层重构正在全球企业间悄然展开。不再是实验性导入、也不再只是聊天机器人或文件助手，AI已正式进入企业“策略级部署”的新阶段。而背后真正的关键，不是单一模型或平台的选择，而是企业是否理解AI自动化的四大目标——自主营运、大规模个人化、自动治理与营运数据化。目标一：自主营运，让AI接管例行决策在报告中，多数成功导入AI的企业均不约而同地聚焦在“高频重复决策”流程上。从制造业的预测维修，到金融机构的自动资产配置（robo-advisory），AI正在逐步从辅助工具升级为半自主决策者。我们留意到，愈来愈多企业选择让AI主导日常营运中的“执行力”部分。例如： ●美国运输业者UPS导入AI排程系统，降低5%燃油成本；●亚洲零售品牌以AI决定产品上架排序与价格动态；●医疗机构以AI分析电子病历，自动提出初步诊断建议。这类应用的共通特点是：AI具备即时反应、多源资料整合与持续学习能力，使得流程效率远超人力可及。目标二：大规模个人化，实现“一人一策” 从多位业界专家访谈得知，企业正快速朝向“Mass Personalization”发展，也就是让每一位客户都感受到独特服务体验。 Netflix、Spotify等平台早已做到内容个性化，而零售与教育行业亦紧随其后。例如，Shopee根据使用者点击与停留行为推荐产品，提升转换率30%；线上教育平台Coursera根据学习进度与反应调整课程难度，减少流失率。这背后倚赖的是： ●精准数据标注 ●强化学习模型（reinforcement learning） ●情感分析与自然语言处理（NLP） “在AI时代，个人化服务将不再只是高端产品的专利，而是规模化竞争的基本门槛。”报告如此指出。目标三：自动治理与错误修正，打造企业风控盾牌生成式AI带来效率与创意的同时，也可能引发错误资讯、歧视性内容与资安风险。全球多家企业正导入AI进行自动化合规审查与错误修正，以应对新风险环境。报告举例指出： ●欧洲保险公司利用AI比对保单与通话记录，防范诈骗；●美国律所导入AI审核合约草稿，自动找出条款遗漏；●航空公司应用AI过滤客服回复内容，避免不当建议值得一提的是，加拿大航空（Air Canada）就因AI聊天机器人提供错误资讯而被判赔偿。这提醒业界：AI部署若缺乏监控与人机协作设计，将带来潜在法律风险。目标四：营运量化与数据化，为AI部署打通任督二脉 “你无法优化你无法量度的东西。”这句话在AI部署上格外贴切。报告指出，许多企业未能成功扩展AI规模的根本原因，是其营运流程无法被量化或缺乏标准化指标。先进企业在AI部署前，会先进行3项基础工作： ❶流程标准化：明确定义每一步的角色与输出；❷指标化管理：如每单处理时长、满意度、成本；❸数据集中治理：将ERP、CRM、IoT数据整合入AI管线。当企业的流程能被“观测、记录、回馈”，AI才能真正介入、优化并推进自动化。 AI不是工具，是策略根据《Understanding AI》，真正成功的企业并不在于“买了多少AI产品”，而是是否建立了一套从文化、数据、流程到决策的整合性AI策略。这也正是未来“AI原生企业”（AI-native organizations）与传统企业的最大差距。报告强调，企业领导者应将AI视为重构组织的杠杆，而非IT部门的专案。“AI不是技术投资，是领导力投资。” 小结：四大目标、四道门槛总结四大AI导入目的与其对应门槛如下：正如报告所言，2024至2025年是企业AI战略分水岭。能否在这段时间内建立清晰目标与可执行架构，将决定企业在未来10年是“自动化的领航者”，还是“被自动化取代的跟随者”。更多文章：【多点AI】Tesla无人计程车革命：大马准备好迎接自动驾驶时代了吗？【多点AI】AI赋能MBTI，构建个性化员工沟通系统

7月前

e潮

人物

大胆想像精彩人生, AI专家苏仲成：去做别人做不到的事

“我喜欢去做一些别人觉得做不到，或是很难做的事。” 开过有机餐馆，闯过电商领域，曾任多家企业高层……拥有二十余年策略投资经验，苏仲成总在捕捉各种好玩的机遇，包括抓住风口钻研人工智能，成为区块链委员会认证的AI专家，也是香港岭南大学研究生院兼职助理教授。访谈中回望过去，他常这么说：有了AI，那些早已松手的事都想重新拾回来，用全新思维再做一次。换句话说，以前做不到的事，现在只要愿意大胆想像，就有实践的可能。报道：本刊李淑仪摄影：本报谭湘璇 “从zero到hero，再从hero到zero。”苏仲成笑话自己。说的是冠病疫情期间发生的事。他与伙伴在香港经营网购资讯平台，也想到马来西亚拓展市场。“太太是大马人，我看中这里人口多语言多种族，有很多事可以做。”耗费心思突破包括语言在内的阻碍，不料疫情袭来，打翻全部计划。“本来是一个大老板，有很多员工，突然停了，伙伴决定移民。是好大打击。” 打击来到眼前，他是不断思考如何transform（转变）现况的IT人——“你在offline做不到的事，或你想做online但不会做，我去想一个idea，我用技术令这件事发生。” 网购平台，常搞大型活动。“原本想做DJ比赛。疫情嘛，e乜vent，没完啦。”怎么办？给他想到，不如跑到元宇宙去。“很幸运找到虚拟DJ打碟器，Microsoft也推出VR派对房间，我们将两件事结合。” 就这样，在元宇宙概念诞生初时，苏仲成是香港少数成功创建元宇宙项目的人，成了业界先驱，继而担任WPP集团首席顾问，完成更多元宇宙项目。他将人生中的打击转变成另一个漂亮巅峰，还未站稳又再摔落。 “当时元宇宙超级热，突然间FTX（加密货币交易所）倒闭，全世界不再说这三个字，我由一个超级专家变成无生意，零。没人想再做这件事。”手上握有的闪亮开始剥落，灵巧的IT人要懂得及时转型蜕变。“其实当时我知道（元宇宙）快完了，但没关系，我再去接触AI，”随之成为香港最早运行AI营销的专家之一。 “打击其实没什么，下跌时又会突然抓到其他东西，只要肯去探索，心不要死。我挺积极的，过去都很幸运。” 人人没见过的事才有价值毕业自香港岭南大学风险管理与工商管理系，再远程考获澳洲昆士兰大学科技管理研究生文凭，顺理成章踏入科技界。家族经营保险企业，他的毕业论文正是研究保险公司数码化（automation），并在多年以后落实在家族生意上，在市场越渐分散之际缩小规模，减低营运成本。对数码科技的热衷从何而起？他似乎很早就有参透。 “我一直觉得，其实总有一天，电脑、IT（以前不叫AI）可以帮我做完所有事情。我们做人每天有太多重复工作，我不喜欢做很闷的事，我喜欢想新东西。你叫我开间餐厅，我每月都要执下装修、执下菜单。我觉得不应该逗留一个位置重复做同一件事太久，我觉得人生应该是精彩的。” 所以没有固守一隅。不只打理家族生意，这些年来，苏仲成也辗转在多家国际企业、上市公司担任高层，后来创办两家企业公司，提供电子商务与在线教育解决方案，整整经营9年。科技以外，他也真的开过一家有机餐厅，但谁说科技不能与餐饮业有更多结合？以前要搞新意，可以玩玩装修和菜单，如今科技更先进，似乎有更多事物可以玩。 “当时我就经常想做一件很advance（先进）的事——你身体是否凉，你要多少卡路里，你喜欢什么口味，我全部输入机器，下次顾客来，我自动生成一个量身定制的菜式。以前我没办法做，服务员来来去去，现在有了AI就能做到，很多因素可以做得更好更细致。” AI时代，要用不同思维做同一件事，他说，关键词是：倍增价值，做出人人没见过的事。带着一班神童协助自己完成任务苏仲成经常笑话：现阶段的AI还是一个16岁神童，什么都懂，但没有经验，没有感觉，没有经历真正的生活。而人类要扮演的角色，是成为它们的父母，带着一班神童协助自己完成任务。 “每个小孩有自己的专业，每个AI有不同的强项，那我们现在不该就这样做回我们平时的事。”该做的是，擅用AI各种功能，再将它们生成的结果微调、拼合，成就一个没人见过的新玩意。“因为对人类来说，不是见过的东西有价值，没见过但有道理的东西，才有价值。” 不是学会一个技巧那么简单，而是改变整个生活模式。改变生活模式之前，先要改变僵化的思维。 “现在是看你敢不敢想大一点而已。”苏仲成是IT人，也是生意人，举例多从商业角度出发。“AI令我们整个生活跳大了，我做生意，其实不应该只想一间店铺，而是想全球的店铺。一个AI已经可以代替100个会计师完成所有预算、预测，我一个人可以等于1000人，这个就是未来发生着的事，你可以想得很大很惊人。” 回看父亲的保险生意，经营方针当然也能更大胆。接触AI的时间点，是在ChatGPT推出不久。“之所以研究，是因为那时爸爸经常说他想关闭或卖掉，我说没理由啊。”任职WPP集团期间，他曾协助银行做出第一个使用生成式AI的广告项目，“深入了解技术的作用，我发现，不是哦，可以继续做哦，不用请人哦，未来保险中介的工作可以完全自动化，技术工作全交给它，我们专注服务客户。”在这个前提下，公司足以积极扩张市场规模。“接触AI后，我反过来是expand，不只做香港，做全亚洲。以前不敢，现在有了AI不必担心，那为何不expand？” 看到前景的轮廓，他毅然辞掉WPP集团首席顾问的优渥工作，“全力研究这件事。” 不再能说“我不懂”的时代，最怕停在原地近未来，苏仲成希望可以为中小企提供帮助，让它们拥有专属的AI服务器，建立相关系统收集数据，分析与解决现有问题，进而提升产品或服务的素质与精准度。 “现在大多数人接触的AI只是ChatBot（聊天机器人），用来写文、做图、作歌，都是很平面的东西，没有立体感。” 这些大多数人，对AI抱有什么常见的迷思或误解？ “老实说不是迷思，而是大家其实不知道AI是什么。最多人把它当作智能的搜寻机器、智能的rewriter（改写匠），但真正的使用是，我觉得，帮你优化每天的重复工作，变得更准确快速，目标是让我们可以更有创意，继而让世界更美好。” 问题终究在于，我们多愿意花时间去研究、使用。 “经常去跟这个16岁小伙子聊天，跟它相处多一点。其实就是一个员工，你不去谈，不去试，怎么知道它有什么能力？花时间去试，花时间去知道怎么用。” 时代变化越来越快，哪些旧观念最需要摒弃？ “我不懂这个，我不懂那个，我不会去试的。”苏仲成回答。“大部分人，做西餐的，就会说，我怎会识做中餐，我怎会识做泰国餐，但如果你尝试fusion，你可能很劲。我最近很喜欢吃冬阴功意粉，这就是creative。” 创意的火花，是苏仲成从未停止的追求。5年前，他也开启YouTube频道，前后邀请约百名香港中小企创业者分享自身经历，过程没有盈利，他却玩得过瘾，因为可以收获新的故事，新的启发。 “其实我真有想过，重新再做以前做过的生意，全部用AI做，因为我有经验，不会再重复曾经做错的问题，人手也不是最大的问题。”同理而言，对其他人亦如是，“所以现在是很好的一个创业时间点，或大家应该思考如何将眼前做的事扩张、微调、升级，而不是停在这里。” 更多【人物】：从害怕大海到热爱深潜伊帕用镜头掀开海底神秘面纱走过中年破败，林生祥：如果可以，不唱悲伤故事台湾作家李桐豪／社恐也能当记者

9月前

人物