Transcription
因為當那 1% 的人拿走所有的生產力，還有價值創造的時候，各位其實我們都會過得更辛苦。但 T 形人才已經是未來不可擋的，所以不要把自己用大學單一的科系，用你過往的學歷，或者用你曾經學過的少數技能來定義你自己。你必須收集更多的方塊，把這些拼湊成你的一個技能，這就是你自己的新職位。
因為今天的主題是人才，所以我們今天不談太多大的趨勢，談我想大家最關心的還是自己的生產力。我剛剛在台下在幹嘛呢？我在寫程式。因為我發現剛才立峰老師也好，或者是我們李科技長也好，他們其實都講到一個重點，如果你現在會去指揮 AI 的話，你的確可以發揮很大的生產力。所以今天不只談理論，不只談觀察而已，我來談怎麼親身來實踐這件事情。
從 Stanford、Google、iKala 到艾森豪，其實很有幸，過去 20 年一直在 AI 的產業，觀察最前沿的技術，本身也參與其中。所以這大概就是我的一個簡歷，我想大家對我都稍微有點認識，我▐就在這邊就不贅述了。iKala 做的事情很簡單，我們一直是協助企業，把整個基礎設施 AI 化、雲端化，以及用最新的技術做行銷，大概就是我們解決的問題。我想這個就是 AI 在協助各式各樣的企業，協助最核心的一些問題了。
一樣今天不講 iKala 的服務，我在這邊也就不贅述了。今天主要跟大家講的，這邊是我們一些服務的客戶，我想在這邊就給各位參考。在座也有我們很多好朋友、好客戶都在現場。今天我們就從一個簡單的開場開始，就是智慧通膨這件事情。我想大語言模型這三年來的發展，其實我們也看到了很明顯的趨勢。第一個就是大者恆大，大概能玩得起大模型的就是那幾家，OpenAI、Google，然後 Meta 最近有點狀況，Anthropic，大概就這幾家。
所以其實我們看到的一個趨勢是，首先 AI 現在是白菜價，就是任何人都可以用得起 AI，這個已經是幾乎是成定局了。當一個東西已經變成是幾乎是白菜價的時候，它又這麼通用的時候，它會怎麼樣呢？它就會變成一個基礎設施。所以其實你去看所謂的智慧通膨就是這樣，當你在解決這些任務的時候，你可以用非常低的成本去解決。這也是為什麼最近矽谷，矽谷從 2022 到現在 2026 年以來，他們一直在縮減他們的員工人數，主要是因為第一個他們追求資本市場的利得，他們不斷的在把自己的成本降低，用更多的 AI 去取代原本的工作者。
但是這其中的問題又相當複雜，因為我們所看到的其實是，工作其實不是消失，只是被重組。因為 AI 解決問題的方式是以任務為主，而不是以一個工作為主。工作是一個複合型的，我們現在在座的各位，每個人身上都肩負著很多不同的任務，但是一個一個的任務你會發現它開始被拆解。這也是企業界剛開始摸索說，好，我的任務該怎麼重組？我的流程該怎麼重塑？所以以後公司到底有沒有存在的必要？這件事情是很大的一個題目。今天我們不談那麼深的，但是我們就來看看第一線，包括我自己在做的時候，我發現了什麼事情。
AI 它的智商本身已經超過一般人類水準滿多了，也就是說為什麼我們可以看到，它翻譯做得這麼好，它的摘要做得這麼好，它寫文章寫得這麼好。所以如果在這些單點的任務上，你不是頂尖的，不是那 1%、5%、10%，那自然很快就會落在後面。所以當我們在看待自己未來的技能的時候，你不能就只有單點的看待，因為這非常的危險。
所以我們剛剛有提到，當 AI 一直不斷進步下去，它又變成白菜價，又是一個通用的東西的時候，它會變成什麼？它會變成跟水還有電一樣的第三個基礎設施。水是我們生活必需，電是能源必需，那智慧呢？智慧就是我們每天需要的第三個元素，做認知型的決定。這三件事情，左邊兩個已經發生了，現在人類進入的其實是右邊第三個時代，就是我們要讓智慧全面的落地，不只是在各位的手機裡，是在你的家電裡，是在你的場域裡，是在你搭公車的時候，是在你的生活的每一個角落 AI 都置入。
所以為什麼我一直認為 AI 是不會泡沫化？主要就是因為，因為我們現在全世界，其實是在打造一個新的基礎設施，你都不用談一個新的應用，而是一個新的基礎設施。光是新的基礎設施這件事情，就至少有 5 到 10 年以上的大多投在發展。所以我很認同剛剛 Alex 有提到的，其實台灣真的是個很有福氣的地方，我們沾到了 AI 的光一路起飛。你如果去看算力的需求，黃仁勳前幾天也講到還差 100 倍，我認為差不多，因為每年的算力需求增加是 5 倍。你想想看這樣的基礎設施，就是好像你當時在布電網一樣，那個是很長的一段時間你要去布建的。所以 AI 還有非常長的一段時間的發展，接下來還有很好的一些光景。
這是我們看到的一個狀況。所以 AI 泡沫論頂多受大環境的因素的一些波動，但是整個人類的基礎設施其實是在翻新的。所以這也是為什麼做 AI 基礎設施的公司，在這段時間會這麼的飛黃騰達，他們還有很多年的好光景可以走。
回到我們今天的主題，其實我也跟大家分享一下，當我在最近在用 AI 的時候，其實也觀察到了一些現象。首先，我真的是手邊多了很多的專業人士。這個我想大家已經不用講了，包括我在設定公司的目標的時候，我就用一個 2000 到 3000 字的提示詞，我就可以把整家公司的目標就直接設定完，大概就是 10 分鐘以內的事情。重要的是我在過程把所有的資料彙整。對於中高階的人來說，你用 AI 的方式其實是一種高情境式的用法，你不是像一般人在那邊學提示詞的小技巧。你的問題是在於你怎麼把資料收集，以及你財務部的資料，到底過去幾年的財報，你有辦法一次餵給 AI。中高階人士你們面臨的第一線是這個問題。
除此之外，中高階的角色，因為我最近也跟之前 Google 的大老闆一樣，Sergey，我啟動了創辦人模式，所以自己重新開始寫程式。我(是)用 Claude，不好意思不是用 Gemini。Claude 在寫程式這邊已經是世界頂尖的模型。所以我自己親身實驗，我想知道 AI 會怎麼改變生產力，最好的就是親身實驗，肉身實驗，不打嘴砲。所以兩個禮拜之內我寫了十幾萬行的程式，然後完全一個人自己完成，從頭到尾沒有同事的參與。我搭建了整個已經是可以上線的一個新的軟體，在我們既有的產品線之外。一個人花兩個禮拜加上一個 AI，這個專案在之後，在接下來第一季我們就會公布這個專案。
不過這同時就是讓我體會到說，其實一個新的工作方式，還有新的工作時代已經來了。當我們還在講提示詞這件事情的時候，其實你發現隨著 AI 的智力一直進步，如果 AI 的智力只有平均水準的話，很多事情它還是做不到。但是它現在已經智商進展到 130 的時候，其實有很多新的東西它已經可以開始處理了。我們還在講提示詞，其實我們現在更關注的是後設的提示詞，也就是說我現在連提示詞都不想了，我請 AI 幫我想提示詞。那這個就是更形而上學。比如說你要畫一張圖，不知道提示詞怎麼下，我想這是在座很多沒有學過藝術訓練，或者是情境描述的人很苦手的一件事情。但是你現在只要把簡單的情境先餵給 AI，說，你先不要生圖，先幫我生成一個可以生圖的提示詞，我再去生圖。這就是我們所謂的後設的提示詞。我發現這個不僅在生圖的領域，連在程式設計，在所有你工作的場域你都可以用到。
第二個是我們從提示詞工程到情境工程。提示詞工程已經無法帶給你更多的競爭優勢了，因為那些提示詞都會被分享在網路上，而且隨時人人可用。你們產出來的成果也都差不多了。所以你看到 AI 產出來的東西不外乎就是，這不只是台灣難得的機會，更是什麼什麼，這一篇報導的核心論述是什麼？它就是產這些很 AI 感的東西。所以你會看到現在網路上就是一堆，其實品質大概類似的東西。所以你會發現那些東西只有很短的紅利期，很快就會過時。這個時候其實你的獨門優勢還是在於情境工程。回到我們剛剛講的，其實你是一個中高階主管在做決策的時候，最重要的是你把公司的情境，以及你所處的情境描述清楚。這件事情是花時間的。這也是為什麼個人採用 AI 是快的，但企業採用 AI 是慢的，因為它的資料都散落在外面。但是 AI 自己本身很聰明，它必須搭配你公司完整的情境，它的回答才會最好。
第三個是今天我舉比較多例子在程式設計這一塊，因為我認為在三到五年內，以及在五年之後，我認為軟體這件事情可以很大部分已經成為一個被解決的問題。意思是，不是不需要軟體工程師，而是軟體這件事情被解決了。AI 已經可以寫出大部分的軟體。因為待會我可以給大家看到，我自己從事這個專案的時候，我的時間分配是長什麼樣子。大家知道說軟體工程本身在改變，這個就是從 Vibe Coding，Vibe Coding 是說你下一個詞它可以幫你寫完一整套軟體。沒有錯，但是如果是更大的軟體你要怎麼去維護？AI 有一個沒有對齊的問題，當你寫程式寫到一萬行兩萬行，它會開始歪掉。你要怎麼開始維護更大型的程式？所以同樣需要很進階的軟體工程師來做這件事，但是這個職位以後會變成少數。這待會可以給大家看一下。
所以其實如果你就生產力來講的話，我們已經看到一個趨勢。左邊是大家的現況，就是大家現在都在積極的採用 AI 工具，你們現在都很會生圖生文章，做摘要做會議紀錄。但是你會發現有了好的工具並不能讓你得到解放，它只會讓你們彼此之間的競爭變得更激烈。簡單來說就是大家都會用這個工具，職場上就變得更捲。所以我們現在看到的就是，當我自己都已經會這麼會組合這些工具的時候，你下一步自然會想的是，那你的價值到底在哪裡？你要怎麼創造價值？這是現在我們在 AI 應用還不清楚的一塊。也就是說你在提升效率，哇，你覺得真的好像是魔法一樣般的速度，但是請問你在創造價值這件事情，你沒有創造出新的價值？如果沒有，那全世界只是在削減成本，只是在裁掉更多的職位。所以這個是我們現在看到的，現在在整個職場上我們看到的一個大轉移和重組。
但是如果你們要成為 1% 的人才，那你要往右邊走。往右走也有一些新的方法。所以 AI 從原本的 Copilot，其實沒想到這麼快就過時了，到現在它已經變成可以跟你一起思考的一個工具。所以如果 AI 沒有辦法跟你形成加成的效果的話，而它只是幫你處理掉粗重的任務，那麼你的價值有限，因為別人也會跟你用一樣的東西，削減他的工作負擔，增加他的工作速度。這個你還無法創造出一些新的價值。
所以其實我們在看待未來的人才應該怎麼學習，其實就是我們老生常談的 T 形人才。因為當工作被重組的時候，麥肯錫最近也用這個方法論在講，他說我們已經不能再用工作來看待工作了，我們要用任務來看工作。你身上有什麼技能，你要盤點清楚，就是我們講的技能點數。這些點數有些是廣，有些是常識，但有些是你個人深入的專業。例如在生醫領域，開發新藥的這些專業，這些是在 T 中間，你可以不斷深入的一些專業。現在的人，為什麼剛剛簡老師講，你既要通才又要是專才？通才是因為常識實在太多了，你要用 AI 創造出價值的話，第一個你要跨領域，第二個你要懂得去描述，你的在行領域當中的行業知識，就結合前面幾位講者講的。
所以這就是我認為未來的人只會越來越累。因為當那 1% 的人拿走所有的生產力，還有價值創造的時候，各位其實我們都會過得更辛苦。但 T 形人才已經是未來不可擋的，所以不要把自己用大學單一的科系，用你過往的學歷，或者用你曾經學過的少數技能來定義你自己。你必須收集更多的方塊，把這些拼湊成你的一個技能，這就是你自己的新職位，而不是任何求職網站上面定義的任何一個職位的內容。這個你必須要自己去定義，沒有人能幫你定義。
其中一個字比較小，但是我▐就簡單敘述給大家知道。我們其實已經講到了認知型的任務，其實它的價值正在降低當中。當 AI 智商已經 130 的時候，很多東西你其實不用拍腦袋自己在那邊想破頭，你可以讓它幫你。所以世界經濟論壇 2025 年，去年的報告也提到了，其實在最上面它反而回到了什麼？回到了幾個最基本的技能，是人性。所以你會看到未來最需要的技能當中，技術領域的東西快速的在往下掉，資料分析、資料收集這些東西，這些東西 AI 都已經做得很好。你要預設的就是三五年後，人類不用做這些事情，你只要對它有基本的常識就可以。反倒是關於一些領導、關於創意、關於跨領域思考，這些東西是因為是人主動必須做決定，它變成很重要的技能。
所以當我們在職場上去看，原本我們在職場上的技能都是，第一個，你也會擬定策略。第二個，你在認知型的任務上面很厲害，處理得很快，在文書處理也好，數位處理，線上的工具都用得很好。這第二個。第三個就回到人性。我們發現中間那個塌陷，就是在認知型的任務，它的價值就跟我們講了，它已經變成白菜價了。當老闆現在要寫一個草稿，或寫一個策略的草案的時候，他不用再去找一個秘書或是策略長來幫你寫。只要老闆不要懶到連出張嘴都不出，他就可以把這些東西就寫出來了。所以這些中間認知型的任務，它已經幾乎變成是零，變成跟水電一樣。你不會整天開公司只會想要用，我要怎麼用水電來創造價值？我們正在過去那個時代。現在 AI 也是一樣，當 AI 變成白菜價的時候，你不會再想說，這些認知型的任務可以很快解決，你就要意識到說，它就會跟水電一樣，你現在很難從單純的水電直接創造出價值。
所以我們看到從疫情前和疫情後，整個全世界職缺的水準，它其實有了很巨大的一些轉變。中間是疫情期間高峰，因為企業為了規避風險大量聘僱人員。在疫情之後開始降回原本的水位，全世界的職位其實並沒有顯著的減少。到現在唯一減少的是在哪裡？是紅色這條線，是科技從業人員。它現在藍色線表示全世界的招募水準，回到原本疫情前的水準，大概是 100 左右。但是科技類的職缺在美國它減少了 4 成，減少了 40%。這是非常驚人的一個減幅。我們看到的其實就是，這一條線會止穩，會止跌，但是它現在是正處於一個工作重組的情況當中。簡單來說就是，美國的大企業尤其是科技公司，他們先把之前的人全部請走，然後重組自己的工作內容之後，再找資深的回來。所以我們現在正處於這個變動的階段，所以這還要很多年，因為工作的重組、流程的重組，它是需要時間的。
所以我們其實看到，現在矽谷的科技公司，以及新的運作的模式，其實就從原本的這個科層組織，現在大家剛才有提到，我們怎麼去指揮 AI 跟 Agent 協作，那你就會達到什麼樣的生產力。所以其實未來的人才，為什麼剛剛說一人公司會非常多？因為你解決，你把這些任務收集好，每一個都可以用 AI 解決的時候，你就可以去打十份工。這十份工湊起來，每一份的薪水也許沒有很多，但是湊起來就足夠你一個月的生活。所以斜槓的人會越來越多，小團隊會越來越多，中型的組織會消失。大公司因為有規模優勢，所以會持續存在。所以未來的企業就跟個人的生產力一樣，勢必會兩極化，中間的會全部消失。
接下來，因為今天時間有限，我就用我自己做的這個專案，來給大家分享第一手我看到的。光是在軟體工程師這個領域，因為 AI 改變了什麼些事情？軟體工程師其實很意外的，成為 AI 的第一排重災區，因為沒想到 AI 這麼會寫程式。它除了會寫文件，除了會生圖，還會做簡報，而且更厲害的是還會寫程式。軟體工程師一直在過去幾年來，都非常非常的缺乏。這不是意味著未來軟體工程師就不需要，其實也不是，而是頂尖的人，你怎麼去用軟體工程師？頂尖的軟體工程師怎麼去用 AI？這個才會是未來的一個典範轉移。
這邊就 recap 一下，兩個禮拜內我寫了 12 萬行的程式，而且這個東西沒有經過與人的任何協作，已經直接上線。這個就是我們看到，當你懂得去使用這些工具，並且你原本就有一些專業訓練的時候，當你願意開放心胸去用 AI 的時候，它可以達成的一個生產力。所以我也計算了，為什麼我做這件事情？因為我看到我們公司的一個同事，我們一個行銷很資深的主管，他在買國外的一些 SaaS 的服務。我就說你為什麼在用這個 SaaS 服務？他說因為這個服務，台灣目前好像亞洲也沒什麼人做。我就看了看說，不然這樣吧，你不要去花每個月兩三百美金買這個東西，我幫你直接寫一個。我兩個禮拜就幫他寫完了。後來我就阻止了同事去買其他產品。他非常的驚訝，因為還沒上線。
但是我可以跟大家講一下這個軟體的規模，我們估計它平均需要 5 到 10 個人花一年的時間，大概可以寫出來。但是我透過工具的組合，以及我自己親身下去實驗寫程式的結果，就是兩個禮拜之內，成本不到五千美金，還包括去買新的網域，包括搬到雲端上面的一些簡單的消費。五千美金的成本就解決了。那比較起來大致上就是增加了 20 倍的生產力，大概是 20 倍的生產力。所以當我們在講說，資深的人會用 AI 去取代不用 AI 的人的時候，實際上我在第一線實驗出來的數據是長這個樣子。它不是只給你 20% 或是 30% 的生產力增加，它是給你倍數的生產力增加。這個是一個結果。
剛才有提到，我發現這是第一手的資料，國內國外都沒有，因為是我自己實驗出來的資料。傳統軟體工程師，你大概要花六成的時間在寫程式，很正常吧，這是你的本質學能。但是我發現採取了新的典範開發方式之後，寫程式的時間降到約 20%。那多數的時間在幹嘛？多數的時間你在監督還有去審核 AI 寫出來的東西。所以當你有審核以及監督的能力的時候，你才有辦法去進行這樣子的開發模式。但是大部分的時間，因為 AI 寫程式的速度，它比你打字的速度快太多了。但問題是它會歪掉，它會寫錯，它會到後來像蓋大樓蓋太高，結果歪掉倒掉。你的目標現在是預防大樓倒塌。所以我的角色完全轉變了，但是因為我有架構式的訓練，所以我可以完成這件事情。
再來就是我在過程當中，如果你去看 AI 擅長的一些事情，它做的其實不外乎也是寫一些樣板的程式碼，操縱資料庫，條條介面。這些東西就是你打字都覺得很無聊的事情，沒有成就感。但是 AI 很適合做，所以讓它去做。但是你在架構、你在規格、你在安全這邊，這要靠你自己來把關。所以剛剛我提到的，其實不代表軟體工程師不需要了，而是我們需要經過訓練有素的人，他才能夠操縱這一台複雜的機器。就跟你要去操縱起重機是一樣，你沒有經過訓練，他就把起重機給你，或者你要操控一個核能實驗室，你同樣必須受過訓練。一樣，軟體工程師這個職業，或者任何認知型的企業，其實都要往這個方向來走。
這個就是我量測出來的，為什麼 AI 會造成大者恆大，強者越強，弱者越弱。因為之前的人他用 AI 兩到三倍的生產力，資深的人，我剛剛講到，我自己提升 20 倍的生產力，我現在可以同時做 5 到 7 個專案在我手上直接做，我直接指揮 AI 來做這件事情，我只要做審核還有監督就可以了。所以的確實驗出來，真的是差了 10 倍以上，一個資深的人。
所以其實這就是回到我們的 K 型經濟。K 型經濟其實就是接下來 AI 時代，我想大家要特別注意的。第一個就是贏家全拿，這件事情會變得更嚴重，貧富差距兩極化，技能的兩極化，公司的兩極化。因為有些人他就直接達成了 10 倍以上的生產力，基本上他已經不需要一個大型的軟體組織了。這個我們待會也會提到，我們認為未來的軟體組織必須極度的縮小，因為你跟人的溝通成本，已經比你跟 AI 的溝通成本還要大了，而且人還會有情緒，人還會反抗。AI 是絕對不會反抗的。所以我想大家在職場上現在已經有這個感覺，就是我與其跟他溝通，我不如跟 AI 溝通還比較快。所以這就會影響到未來，整個全世界的組織是長什麼樣子。只會大者恆大以及縮到非常非常小。
所以其實光是就寫程式這件事情，最具體來說，從 2023 年那個時候 Copilot 出來大家覺得好厲害，軟體工程師覺得超嗨。就連那個時候我跟你講到現在，其實我們還低估了 AI 之後的爆發度。因為現在就連軟體程式設計，AI 也才發展到一半而已。大家可以想像之後它更強的時候，它可以帶給我的，帶給更資深的人的，其實是 10 倍，100 倍以上的生產力。我們從現在還要做一定程度的審核監督，大部分時間都在審核監督，到後來它可以自己構建出一個大型系統，自己維護，自己辯證。
在過程當中其實還有一個小插曲，就是因為 AI 生成程式碼速度實在太快了，我來不及看，因為我一個人實在看不完。所以我又寫了另外一個 AI 來幫我看程式碼。所以我▐就用了一個專家混合的架構，兜起來 6 到 7 個西方和中國兩邊最先進的程式，把這幾個 AI 組合起來，讓它來幫我看程式碼。所以這就是我就可以在兩個禮拜之內，產出數十萬行的程式碼，而且是可以動，幾乎沒有錯的。這個東西就表示，我們正在把整個軟體的開發循環形成一個閉環，你人為的介入已經幾乎是沒有了。我把它變成一個閉環，這也是我正在做的一件事情。到後來人只要最低程度的干預，你的軟體就可以寫完了。
所以這也是為什麼我預測在未來 5 到 10 年，軟體這一件事情可能會被我們全世界解決掉，因為 AI 形成一個自己會寫軟體的閉環，不用像我介入這麼多了。所以當然我是一個自幹者，對於團隊來說有沒有辦法引進這樣的模式？答案是也有，因為我們公司也在引進這一套的模式。我一個人指揮很多的 AI，但接下來我的任務就是，我讓每一個人都具備我這樣的能力，把我這一套的開發方式，放到整個公司的開發流程當中。我不需要 50 個人的開發團隊，我只需要 5 到 10 個最頂尖的人，就可以執行這一套模式，而且生產力是增加 100 倍以上。我只要把我的專業知識，轉換成我如何去管理 AI 的長記憶問題就可以了。這個就是我們已經在實踐的整個軟體的開發方式。
所以就組織來說的話，其實我們也看到了幾個必然會發生的事情。第一個就是工作流程必須趕快改變，因為以往你們是一個人，當作一個工作流程裡面的重要環節，但現在你要把任務本身，當作是你設計流程的一個主要出發點，而不是人，不是設計職位，而是設計你要解決的任務是什麼。你要重新設計你的組織。這也是為什麼企業導入 AI 這麼慢，而且沒有萬靈丹，因為人和制度就是卡死在那邊，你要改變一個任務都非常困難，還有外界合規的問題。所以個人導入 AI 快，企業導入 AI 慢，這已經成為一個現象還有事實。
最重要的就是身為個人，第二點就是你們要趕快去掌握 AI 新的工作流程是什麼。不再只是 Prompt 怎麼下，那個已經都是大家都會的東西了。如果你還是只是在 Prompt 怎麼下，你的競爭力不會多，你會增加自己的效率沒有錯，但是你不會增加自己的價值。這是第二點要特別提醒大家。
最後我用這一張投影片做總結，因為今天當然不談趨勢，不過我們今天講的其實大致上分布在左邊兩塊。這是 Gartner 每年年底他們都會做的，未來十大科技的趨勢。現在看這些十大科技趨勢，你與其問說哪些跟 AI 有關，你不如直接把跟 AI 無關劃掉還比較快。所以這個畫面上，十個當中有九個是跟 AI 有關的。藍色的點是已經正在發生的，灰色的點是未來三年會開始大量發生的幾個領域，全部跟 AI 高度相關。
所以無論是總體的環境、企業或是個人，個人當然我們今天講的是人才，你必須要趕快去熟悉所謂的 AI 的工作的模式是什麼。你必須要快，然後去收集你的技能點數。你最強的技能到底是什麼？可以是說故事，可以是做簡報，可以是跟人溝通，都可以。但是你要盤點自己的技能到底是什麼。因為 AI 浪潮是不會停的。我們剛剛講到了，其實全世界是在搭建水電以外的第三個基礎設施，這個基礎設施是人類之前沒有的，是智慧基礎設施。所以你可以確定的就是，未來幾十年所有人都只會講 AI，沒有什麼泡沫不泡沫的問題，因為它是基礎設施。
以上就是我今天的分享，希望各位在接下來的職涯當中，都可以更加順利。謝謝。