同樣用AI,為什麼矽谷人早就「活在未來」?用AI做App要到「能賣」的關鍵是?| 思想實驗室 Video Podcast ep118:ft.科技浪 哈利

知識長國威・思想實驗室 Podcast · 發布於 2026/09/12 下午07:39 · 更新於 2026/11/03 上午09:00 · 台北時間 · 本頁的資料來源與計算方式 ⓘ

觀看數
3.58 萬次
喜歡
436次
YouTube 留言總數
29則
長度
—
字幕狀態未確認

觀看數觀測

目前僅一筆觀測 ·
35,761次

共同標籤

這支影片尚未比對共同詞彙

比對版本

youtube-quality-20261017-a

影片說明

🚀《AI 時代軟體必修課|掌握開發基本功,開啟你的 AI 槓桿》 🔥 超過 3500 位學員加入!輸入國威專屬折扣碼【TLWEI250】再折 $250 AI 都會寫程式了,為什麼還要學軟體? 因為當「寫出 Code」變簡單,真正拉開差距的,是你能不能看懂 AI 做了什麼、判斷做得對不對。 科技浪哈利 × Google 矽谷工程師 Kai,帶你從零建立 AI 時代最重要的軟體基本功! ◾️ 一次看懂前端、後端、資料庫與 API ◾️ 40+ 互動式練習,邊操作邊理解軟體怎麼運作 ◾️ AI 助教即時陪練,卡關直接問 ◾️ 不只做出 Demo,更知道如何讓產品真正落地 不用工程背景、不必先背程式語法,也能建立完整的軟體世界觀。 👉 立即了解課程:https://www.pressplay.cc/link/s/3651FF5B 👉 馬上體驗課程:https://ppa.tw/s/F1B9BBB4 --------------------------- 📌 當黃仁勳與矽谷頂尖工程師開始頻繁提及「迴圈工程(Loop Engineering)」時,意味著我們與 AI 的互動方式已從「一句句打字 Prompt」躍升為「給定目標讓 AI 自行編寫、測試、修正直到完成」。 當所有人都能靠 Vibe Coding 在 20 分鐘內造出 Demo,這是否意味著程式設計師即將失業? 本集《思想實驗室 Video Podcast》,邀請到《科技浪》Podcast 主持人、氛圍學院創辦人 哈利。 我們一起探索: ✅ 迴圈工程突破:AI 如何從回答問題演進為自主長時間跑 Code、修 Bug 的 Agent? ✅ NVIDIA 護城河動搖:AI 能寫 GPU Kernel 後,跨平台軟體移植成本為何暴跌? ✅ 職務藩籬瓦解:PM 與設計師開始寫 Code,未來組織需要什麼樣的「通才」? ✅ Vibe Coding 鬼故事:API Key 外洩、部署失敗與資安漏洞,新手最常踩的坑在哪? ✅ 核心思維重建:語法已被抽象化,一般人該如何培養高層次的「系統與架構思維」? 00:00 不用再一句句下指令?「迴圈工程」憑什麼成為黃仁勳推薦的核心能力? 02:02 從聊天機器人升級為 AI 代理?長時間自主工作的分水嶺在哪裡? 05:43 寫 Code 能力暴增打破限制?NVIDIA 獨霸的 CUDA 護城河為何開始鬆動? 09:28 一個週末就能自主優化晶片?AI Agent 如何讓跨平台移植成本暴跌? 11:14 設定目標就讓 AI 自己跑到完成?Loop Engineering 的底層運作邏輯是什麼? 14:15 讓 AI 連續跑兩週複製整套 Excel?矽谷開發者如何用極限方式燒 Token? 16:40 程式語法早已被層層抽象化?軟體工程的核心價值是寫 Code 還是系統架構? 20:00 設計師跟 PM 都開始自己寫軟體?為何矽谷科技巨頭都在搶「跨界通才」? 25:40 20 分鐘生出 Demo 就能賣錢?從玩具到商業產品中間差了哪些防線? 28:30 不小心把 API Key 硬寫進程式?Vibe Coding 盛行下最常見的資安災難是什麼? 34:00 企業砍薪水預算拿去買 AI 算力?一般人該如何建立不可替代的競爭力? 40:45 熱門工具與工作流幾個月就過時?為何唯有「軟體工程基本功」不會被淘汰? ⚡ 程式語法只是隨時代替換的工具,唯有搞懂系統運作邏輯與驗證邊界,才能在 AI 時代真正掌控產出。 (CC字幕由 AI生成,如有錯字還請見諒) // 製作團隊 // 主持:泛科知識 #鄭國威知識長 企劃:廖儀瑄 剪輯:GINA 🎙 思想實驗室 Video Podcast 每週帶你探索最新科技、科學議題與能源趨勢!訂閱我們,記得按讚、訂閱,並開啟小鈴鐺,不錯過每一集! #迴圈工程 #LoopEngineering #VibeCoding #哈利 #科技浪 #NVIDIA #CUDA #AIAgent #ClaudeCode #思想實驗室 #軟體工程

本頁的資料來源與計算方式

影片的數字

公開統計
觀看、喜歡與留言總數是取得當時的 YouTube 公開統計,不是即時數值;各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間,不代表觀看、喜歡或留言都在那時重新觀測。
觀看歷史
圖上每個點是實際儲存的觀測,連線只為方便閱讀,不代表中間時間的測量值;沒有歷史觀測時不建立時間序列。
喜歡占互動
喜歡 ÷(喜歡+不喜歡+顯示留言),任一來源缺值時不估算。
字幕
只記錄來源是否提供字幕,尚未擷取逐字稿,因此字幕不列入標籤比對。
觀測分析
直播逐時/逐日最高同時在線取自所讀直播紀錄;讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。

共同標籤

標籤來源:新文易數(tag.observe.tw)。共同標籤以文字比對影片標題與說明,不是 AI 判讀;命中不代表事件歸屬或立場,與頻道分類分開。標題或說明出現標籤,不代表影片主題;可能來自固定宣傳或版權文字。字幕尚未取得,不列入比對。

比對範圍
僅列出目前詞彙版本與影片標題、說明仍相符的比對結果;待比對或來源文字已變動的影片不列入,數量見「收錄與比對範圍」。
期間
「往前 N 日」包含今天與前 N 天,共 N+1 個台北日曆日(往前 7 日為 8 個日曆日);指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
命中片段
每支影片最多顯示 3 段,標示來自標題、說明或字幕;沒有片段時顯示「沒有命中片段」,來源文字缺漏時顯示「來源文字未提供」,不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
顯示排除
符合標籤顯示規則的詞(上游排除詞、雜訊、純數字或日期、長度不符,以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語)整詞不列入排行,但仍保留在原始詞彙池與比對證據中;原始詞彙池列出排除原因。雙字通用詞只依核定清單判定,包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤,同樣只影響排行顯示,每次排除與恢復都留有紀錄。
說明欄樣板
同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過,出現在一般新聞內容時照常計入;這不同於整詞的顯示排除。
示例
列表與片段只是符合條件的影片例子,不能用來推算整體比例或全站失真程度;有效比對的影片比例只代表比對完成度。
觀看
累計觀看是取得當時的公開觀測值,不是期間增量;無觀看值的影片不當作 0。

本頁資料範圍

觀看數與互動數為取得當時的公開觀測值。

時間序列只有一筆有效觀測時,只列出該值與觀測時間,不畫走勢圖;累積兩筆以上才畫圖。

資料來源

本站以納入名單的 YouTube 頻道與影片為範圍(名單見頻道觀測),數據來自 YouTube 公開資料與定時觀測:直播約每分鐘輪詢一次,頻道統計、新影片與影片統計則分批輪流更新,所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube;缺漏、尚未收錄或資料服務中斷都不等於零,尚未取得的數值顯示「—」。

頁面使用台北時間(UTC+8)。「更新於」是來源已記錄的觀測時間;來源沒有記錄時顯示「未記錄」,不以開啟網頁的時間代替。

共同標籤詞彙的標籤來源:新文易數(tag.observe.tw),保留來源、版本與比對依據;本站的頻道分類沿用有影儀表板的來源組織方式,與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算,不代表 YouTube 全站流量,也不表示因果關係。

完整的資料來源與計算方式 →