AIngAI進行式
AI GLOSSARY

AI 名詞庫

新聞裡一直出現、卻沒人好好解釋的 AI 名詞,我們用生活比喻和這週的新聞講清楚。每天挑一個上首頁,這裡持續累積。今天是 Benchmark。

34 個名詞・最後更新 2026/11/15

Agentic Commerce

叫 AI 幫你點外送:DoorDash 說目前總共只接到幾百張

像請秘書幫你訂便當:你只說「中午吃清淡一點」,秘書自己挑店、下單、付款。代理式購物(Agentic Commerce)是讓 AI 代理替你在網站或 App 上完成購買。OpenAI 的 ChatGPT、Google 的 Gemini 都在做這件事,外送、訂位、網購平台得決定要不要讓外部 AI 進門下單。

常見誤會AI 代你購物已經很普遍?以 DoorDash 為例,外部 AI 代理總共帶來幾百張訂單,跟一季近 10 億張比起來微乎其微。

AI Agent

從回答問題,變成幫你把事辦完的 AI

像辦護照:聊天機器人是客服專線,只告訴你要準備什麼;AI 代理(Agent)是代辦員,拿到目標後自己安排照相、填表、送件,遇到要本人簽名才回頭找你。它由大型語言模型自己決定步驟和要用的工具,能做多少,取決於你給它哪些工具和權限。

常見誤會AI 代理就是放著不用管?連開發商 Anthropic 都建議能用簡單流程就別用代理,而且要設檢查點和停止條件,關鍵步驟交回人確認。

Benchmark

今日一詞

每家都說自己跑分第一:Fable 5.2 的成績表裡也有輸給 Gemini 的項目

像學測模擬考:大家寫同一份考卷,分數才比得起來;補習班自己出題自己改,成績就要打折看。基準測試(Benchmark)是用固定題庫給 AI 模型打分數,Anthropic、OpenAI、Google 發新模型都會附跑分表,多數分數是自家測的。

常見誤會跑分最高就最好用?每項測驗只量一種能力,同一個模型這項第一、那項可能輸人,要看跟你的工作最像的那一項。

CapEx

資本支出:喊出來的預算,不等於已經花掉

開手搖飲店,買封口機、冰箱、做裝潢是資本支出(CapEx),用好幾年、分年折舊;每天進茶葉、付薪水是營運支出(OpEx)。AI 熱潮裡,台積電、微軟、Google 喊出的建廠和建機房預算都是 CapEx,宣布了不代表已經花完,也不會當季全部變成成本。

常見誤會CapEx 一花下去就吃掉當季獲利?它先記成資產,再依使用年限分年折舊,當期直接認列成本的是營運支出。

Cold Plate

AI 伺服器發燒時貼的冰敷袋

像發燒時額頭貼冰敷袋,袋裡的冰水一直被抽走換新,水不碰皮膚,熱卻被帶走。水冷板(Cold Plate)貼在 GPU、CPU 上,冷卻液在金屬板裡流動帶走熱,是現在 AI 伺服器液冷的主流做法。台灣的奇鋐、雙鴻都是主要供應商。

常見誤會液冷就是把伺服器泡在水裡?那叫浸沒式冷卻。水冷板的冷卻液封在金屬板裡,不碰晶片和電路板。

Context Window

AI 的辦公桌有多大:一次攤得開多少資料,就看上下文長度

像辦公桌的大小:桌面越大,一次能攤開越多文件對照,放不下的就得收進抽屜、看不到。上下文長度(Context Window)是模型一次能讀進的 token 上限,你貼的資料、之前的對話和它的回答都算在裡面。Google 從 Gemini 1.5 起就推出 100 萬 token 的版本。

常見誤會塞得下 100 萬 token,就每個細節都記得住?讀得進去跟用得上是兩回事,放在中段的資料模型仍可能漏看,重點最好自己標出來。

Decision Model

不寫文章、只負責選選項的 AI

像急診的檢傷分類護理師:不寫診斷書,只把病人分到第一到第五級,交給對應的流程。決策模型(Decision Model)從事先定好的選項裡挑一個,並附上有幾成把握,給 AI 代理拿去分流、升級處理或轉給真人,強項是快和便宜。Cloudflare 的 Clef、OpenAI 的 Decisions API 都屬這一類。

常見誤會決策模型是更聰明、會思考的 AI?它只在給定選項裡挑,不產生文字;成績多半是廠商自報。

Export Controls

從模型權重讀出禁運晶片的指紋:出口管制擋得住多少

像藥局的處方藥:店裡有貨,沒有醫師處方箋就不能賣給你。出口管制(Export Controls)是政府規定特定商品賣到哪些國家要先拿許可,美國商務部就限制 NVIDIA 把 Blackwell 等高階 AI 晶片賣到中國,NVIDIA 因此另外做降規版給中國市場。

常見誤會被禁運就代表中國公司拿不到?報告顯示 6 個新模型仍對上 Blackwell,晶片怎麼流進去,報告自己也證明不了。

HBM

AI 晶片旁邊那座好幾層的食材櫃

一般記憶體像廚師要跑到巷口超市拿食材;HBM(高頻寬記憶體)是在爐台旁蓋一座好幾層的食材櫃,再開上千條走道直通爐台。它把多層 DRAM 晶片垂直疊起來、跟 GPU 封裝在一起,重點是路很寬:JEDEC 的 HBM4 標準用 2048-bit 介面,單一堆疊頻寬最高 2 TB/s。主要供應商是 SK 海力士、三星、美光。

常見誤會HBM 就是比較快的記憶體條?它跟電腦插的記憶體條是兩回事:多層堆疊、緊貼 GPU,靠超寬的通道取勝,不只是時脈高。

Humanoid Robot

做成人的樣子才進得了倉庫:鴻海領投的人形機器人公司 Agility 上市

像請新員工進倉庫:通道、樓梯、貨架都照人的身材設計,機器人做成人形,就不必為它改裝整座廠房。人形機器人(Humanoid Robot)用雙腿走路、雙手搬東西,Agility 的 Digit、Tesla 的 Optimus、Figure 的機器人都在搶工廠和物流倉庫的工作。

常見誤會人形機器人已經大量上工?Agility 公開說明書寫今年上半年營收約 17.5 萬美元,商用部署還在起步。

Inference

每回答一次都要花錢:馬斯克說 Grok Bot 的成本高到營收撐不住

像手搖飲店:研發新配方是一次性的開銷,之後每賣一杯都要再花茶葉、人工和電費。推論(Inference)就是模型訓練好之後,每次回答問題實際跑一次的運算。ChatGPT、Gemini、Grok 每多一個人用、每多問一題,推論成本就多一份,免費額度常因此被收緊。

常見誤會模型訓練完就不花錢了?訓練是一次性的大支出,推論是每次使用都要付的錢,用的人越多帳單越大。

IPO

Anthropic 喊出每股 70 到 78 美元:IPO 定價區間怎麼讀

像預售屋開價:建商先公告一坪大概多少,看買氣再定成交價。首次公開發行(IPO)是公司第一次把股票賣給一般投資人、掛牌上市,台積電 1994 年在台灣證交所上市就是這一步。上市前要送公開說明書給主管機關,Anthropic 送的是美國 SEC 的 S-1。

常見誤會定價區間就是最後的上市價?區間是上市前的估計,最後價格看認購情況才定,也可能落在區間外。

MCP

AI 的萬用插座:服務商裝一個,各家 AI 都插得上

像悠遊卡:捷運、公車、超商照同一套規格裝讀卡機,一張卡到處刷。MCP(Model Context Protocol)是 AI 串接外部工具和資料的共同規格,服務商架好 MCP 伺服器,Claude、ChatGPT、Gemini、VS Code 這些支援的 AI 就能直接查資料、幫你下單。

常見誤會MCP 是 Claude 專用?Anthropic 在 2025 年 12 月把它捐給 Linux Foundation 旗下基金會,OpenAI、Google、微軟的產品都已支援。

Mixture of Experts

兆級模型每次只叫 4 個專家上工:算得快,記憶體卻要全包

像大醫院有上百個專科,掛號櫃台看症狀只把你轉給其中幾科,其他醫生照樣在診間待命。混合專家(Mixture of Experts,MoE)模型裡有很多組「專家」參數,每處理一個 token,路由器只挑少數幾組來算。Mistral、DeepSeek 的大模型都用這種設計,速度快,但每位專家都得載進記憶體。

常見誤會每次只動用 490 億參數,就只需要 490 億參數的記憶體?全部 1 兆個參數都要先載入,只是每次只算其中一小部分。

Model Spec

OpenAI 給 ChatGPT 的員工手冊:哪些規則你改不了

像公司員工手冊:有些條文主管也不能改,例如不准洩漏客戶資料;有些只是預設,例如上班穿便服,部門可以自己調。Model Spec 是 OpenAI 公開的模型行為規範,把規則分層:最上層使用者推翻不了,下層是開發者和使用者能覆寫的預設。Anthropic 對應的文件叫 Claude 的憲法(Constitution)。

常見誤會Model Spec 是法律或保證?它是 OpenAI 自己訂、自己會改的公開文件,寫進去不代表模型每次都做得到。

Multimodal

AI 不只讀字,還會看圖、看表、聽聲音

像醫生同時看 X 光片、聽你描述、翻病歷,三種資訊一起判斷。多模態(Multimodal)就是讓 AI 一次處理文字、圖片、聲音等不同形式的資訊。OpenAI 的 GPT-4o、Google Gemini 都是用單一模型處理多種輸入,不是把語音辨識、聊天、語音合成幾個模型接在一起。

常見誤會多模態就是把幾個模型串起來?早期是這樣,所以聽不出語氣;GPT-4o 之後的主流做法是同一個模型直接吃文字、影像和聲音。

Net Revenue Retention

老客戶一年後多付幾倍:看 AI 公司黏不黏人的數字

像健身房算會員:去年同一批會員今年總共付多少,跟去年比。淨收入留存率(NRR)就是老客戶這段期間付的錢,除以他們一年前同期付的錢;超過 100% 代表老客戶越用越多,不靠新客戶也能成長。

常見誤會NRR 越高越賺錢?它只看營收,不看成本;客戶用得越兇,算力成本也可能跟著漲。

On-device AI

AI 在你電腦裡跑:資料不出門,也不用付月費

像在家裝淨水器,不用每週叫桶裝水:水在家裡濾,不必等外送、也沒有月費,但機器要放得下、會吃電。本機 AI(On-device AI)是讓模型直接在你的電腦或手機上跑,資料不送上雲端。Chrome 內建的 Gemini Nano、蘋果的 Apple Intelligence 都用這種做法,快不快、聰不聰明,看你的硬體。

常見誤會本機跑一定比雲端好?省錢、資料不出門,但能跑的模型通常比雲端小,難題答不好,也比較耗電。

Open Weights

模型檔放上網給你下載,不代表你能拿去賺錢

像買回家的食譜書:照著煮給家人吃沒問題,拿去開店賣就要看作者同不同意。開放權重(Open Weights)是公司把訓練好的模型參數檔公開讓人下載,Meta 的 Llama、Mistral、DeepSeek 都這樣做,但能不能商用、能不能拿來訓練別的模型,要看各自的授權條款。

常見誤會開放權重就是開源?開源授權允許商用和修改,很多開放權重模型卻限制商用或用途,下載前先讀授權。

Penetration Testing

花錢請人來闖空門:AI 滲透測試工具外流,上千台控制台曝露在網路上

像公司請保全顧問半夜試著闖進辦公室,找出哪扇門沒鎖,再寫報告叫你補。滲透測試(Penetration Testing)是經過授權、模擬駭客攻擊自家系統的資安檢查。現在 AI 代理也會做這件事,同一套工具落到攻擊者手裡就變成武器,Microsoft、CrowdStrike 都追蹤到這種案例。

常見誤會滲透測試就是駭客行為?關鍵在授權:事先取得系統主人同意、範圍寫清楚才叫測試,沒授權就是入侵。

Personal Intelligence

讓 Gemini 翻你的 Gmail:AI 越懂你,你交出去的也越多

像把家裡鑰匙交給熟識的管家:他知道你網購什麼、哪天出國,幫你辦事不用一直問,但他看得到的東西也多了。Personal Intelligence 是 Google 讓 Gemini 連上你 Gmail 等個人資料的功能,回答問題、填表單時會拿你的信件內容來用,能不能用、讀哪些資料,可以在設定裡管。

常見誤會用 Chrome 就會自動讀你的信?Google 寫明只有開啟 Personal Intelligence 的 Gemini in Chrome 使用者才有,能不能用、能讀什麼都在 Chrome 設定裡管。

Prompt

點手搖飲要說半糖少冰,叫 AI 做事也一樣

只說「一杯飲料」,店員只能猜;說「大杯紅茶拿鐵、半糖少冰、加珍珠」,拿到的就是你要的。Prompt(提示詞)就是你交給 AI 的要求和背景,寫清楚目的、資料、格式和限制,比找什麼神奇咒語有用。

常見誤會寫提示詞要背關鍵字咒語?Anthropic 官方指南的建議很樸素:把 AI 當聰明但剛到職的新同事,講清楚要什麼、為什麼。

Public Beta

餐廳試營運:門開著誰都能吃,菜單隨時會改

公開測試(Public Beta)是所有人都能用、但規格還沒定案的階段,像餐廳試營運,份量和營業時間都可能調整,正式開幕(GA,正式版)才算數。AI 產品常用這招先上線收回饋,所以拿 beta 功能做正式工作前,要先看清楚限制和會不會改。

常見誤會Beta 只給少數人測?公開測試誰都能用,只是規格還會變,公測期間的上限不等於正式版。

Quantization

把 1 TB 的模型壓成 233 GB:檔案小了八成,答案也走樣一點

像把手機原檔照片轉成高壓縮 JPG:檔案小很多,放大看才發現細節糊了。量化(Quantization)是用更少位元存模型的每個參數,例如從 8 位元降到 4 位元甚至 1 位元,記憶體需求跟著大降。Unsloth、llama.cpp 做的 GGUF 檔,就是讓大模型塞進一般電腦的常見做法。

常見誤會量化後只是跑慢一點?主要犧牲的是準確度,位元越少越偏離原版;Unsloth 量到 1 位元版跟原版的一致率剩九成。

Reasonable Accommodation

美國員工靠信念申請成功:上班可以不必親自用 AI

像公司讓吃素的同事尾牙改點素食套餐:活動照參加,菜換一份就好。合理調整(Reasonable Accommodation)是美國 Title VII 下,雇主配合員工宗教或信念的做法,只要不造成過度負擔(undue burden)就該調整。現在開始有人拿它申請不用 ChatGPT、Gemini 這類 AI 工具。

常見誤會宗教豁免只給信神的人?這次申請成功的是不信神的人文主義者,協會律師主張這類信念在 Title VII 下受同等保護。

Recursive Self-Improvement

AI 幫忙做出下一代 AI:Anthropic 上市文件說,可能很快碰到自家警戒線

像老師傅帶出的徒弟回頭幫師傅改良工具,工具更好,又教出更強的徒弟,一圈一圈加速。遞迴自我改進(Recursive Self-Improvement,RSI)指 AI 參與開發更強的 AI,進步越滾越快。Anthropic 的 RSP、OpenAI 的 Preparedness Framework 都把「AI 自動化 AI 研發」列為要加強防護的門檻。

常見誤會Anthropic 說自己快做出 RSI?文件寫的是 RSP 的研發加速門檻,RSI 只是引用的業界說法,而且依據是對未來模型的預期。

robots.txt

網站門口的「推銷勿入」:Amazon 對 99 個爬蟲和 AI 代理寫了全站禁止

像社區大門貼的「推銷勿入」:寫給來訪的人看,守不守規矩靠對方自覺,警衛不一定攔。robots.txt 是放在網站根目錄的純文字檔,告訴各家爬蟲哪些頁面可以抓。OpenAI 的 GPTBot、Anthropic 的 ClaudeBot、Google 的 Google-Extended 都會讀它,網站可以點名擋掉特定 AI。

常見誤會寫進 robots.txt 就等於技術封鎖?它只是一份公開請求,爬蟲照不照做靠業者自律,真要擋還得靠防火牆或登入機制。

Skill

把老師傅的 SOP 裝進 AI,叫名字就照做

像新人報到拿到的 SOP 資料夾:平常只看目錄,遇到「月底結帳」才翻到那一章照做。Skill 是一個含 SKILL.md 說明檔、可附小程式的資料夾,Claude 平常只讀名稱和描述,任務對上了才載入完整步驟。Anthropic 2025 年 10 月推出,現在是開放標準。

常見誤會裝了 Skill,AI 就變聰明?它只讓 AI 照你的流程做,不用重新訓練模型;流程好不好是另一回事。

Structured Output

叫 AI 照表格填,格子一定對,內容不保證

像銀行開戶的制式表單:欄位固定,系統一定讀得進去,但填進去的數字對不對,表單不負責。結構化輸出(Structured Output)讓 AI 照你指定的 JSON 欄位回答,OpenAI、Anthropic、Google 的 API 都有,程式接起來不會因為格式跑掉而出錯。

常見誤會開了結構化輸出,資料就一定正確?它只保證格式,Anthropic 文件寫明不保證內容;模型拒答或字數用完時,格式也可能不符。

Sycophancy

AI 只說你想聽的話:模型太會附和,反而危險

像只會說「你穿這件超好看」的店員:聽了開心,卻不會告訴你尺寸不合。討好傾向(Sycophancy)是指 AI 模型順著使用者的想法回答,甚至改口附和錯的說法。OpenAI 在 2025 年 4 月就因為 GPT-4o 一次更新後變得太會奉承,把那次更新撤回。

常見誤會AI 附和你,代表你說得對?模型被訓練成讓人滿意,同意不等於查證過;重要決定要回到原始資料或專業意見。

Token

AI 照 token 跳錶:YC 執行長說他一年花 10 萬到 20 萬美元

像計程車跳錶:照里程跳,不照趟數收。Token 是 AI 模型讀寫文字時切出的小單位,英文一個單字大約一個多 token,中文一個字可能就占一到兩個,各家切法不同。OpenAI、Anthropic 的 API 都照每百萬 token 計價,ChatGPT 的使用額度也改用 token 來算,你貼的附件、對話歷史都會一起跳錶。

常見誤會Token 就是字數?它是模型自己切的單位,同一段話丟給不同模型,算出來的 token 數也不一樣。

TPU

Google 自己做的 AI 晶片,現在變成賣給別人的生意

像連鎖手搖飲自己開封口機工廠:先給自家門市用,做得好就賣給同業。TPU(Tensor Processing Unit)是 Google 專為 AI 運算設計的晶片,原本用在搜尋、Gemini 這些自家服務,現在透過 Google Cloud 賣給外部客戶,跟 NVIDIA 的 GPU 搶同一群買家。

常見誤會TPU 就是 Google 版的顯示卡,買來插電腦就能用?它是專為 AI 矩陣運算做的晶片,要搭 Google 的軟體和雲端環境,一般電腦插不上。

Versioning

點「今日特餐」每天不一樣,點「3 號餐」才固定

點便當時,「今日特餐」每天菜色可能不同,指定「3 號排骨飯」才每次一樣,但店家公告停售後總有一天點不到。AI 模型也是:用 gpt-latest 這類別名,背後模型會換;要結果穩定就鎖定帶日期的版本,並記下當時用的版本與設定,結果才比得了。

常見誤會同一個模型名稱,結果永遠一樣?別名背後的模型會定期更新,鎖定的日期版本也會退役,Anthropic 承諾至少提前 60 天通知。

Zero Data Retention

合約寫「不留資料」,供應商還是留了:Notion AI 對話紀錄外洩

像把文件送去影印行,老闆保證印完就把原稿和暫存檔都刪掉。零資料保留(Zero Data Retention,ZDR)是 AI 服務商承諾處理完你的請求就不保存內容,OpenAI、Anthropic 都對企業客戶提供這類方案。Notion 企業版也用 ZDR 向客戶保證,送去外部模型的請求不會被留下。

常見誤會開了 ZDR,所有 AI 資料都不會被存?Notion 寫明對話紀錄、Insights 這類要存資料才能運作的功能,不在 ZDR 範圍內。