當 AI 開始自己寫程式：如何用 GAI 與 Vibe Coding 翻轉全球軟體產業價值排序？

AI 熱潮於近年快速興起，到了 2025 年，矽谷出現一個很有趣的新名詞「Vibe Coding」，是一種全新的程式語言開發模式。

過去，開發一套軟體是一件高度專業、高度分工的事情。企業需要 PM 撰寫規格，工程師設計系統架構，前後端團隊協作，再經過測試、除錯與上線流程，往往需要花上數個月，甚至一年才能完成產品。

但現在，使用者不一定需要懂所有程式語法，只要能把想做的功能與期待的使用情境描述清楚，AI 就能協助生成第一版程式。

你甚至可以先從一種「感覺 Vibe」開始描述，例如：

◆ 想做一個 Blog 平台。

◆ 幫我建立一套 AI 客服系統。

◆ 我想做一個金融數據 Dashboard。

這項技術帶來的衝擊，正在重構全球軟體產業的「價值排序」。

Vibe Coding，如何讓開發從技術導向走向意圖導向？

很多人以為，AI 最厲害的是聊天、分析，以及生成插圖與影片，但事實上，AI 在寫程式上的進步速度，可能比許多人想像得更快，因為程式語言本質上也是一種語言，而且是世界上最有規則、最容易驗證結果的語言之一。

Generative AI（生成式 AI，GAI）最擅長的，正是理解語言邏輯、推理語境、預測下一步，並依據指令生成內容；尤其大型語言模型（LLM）更是持續學習語句關聯、上下文理解、邏輯推理與任務拆解。這也是為什麼 ChatGPT、Claude、Gemini 等大廠模型，在程式開發能力的進步非常快。

AI 並不是單純「背程式碼」，而是在學習人類如何透過語言表達邏輯，並將這些邏輯轉換成可執行的系統，也因此未來的軟體開發，競爭關鍵可能不再只是「誰會寫」程式，而是「誰最懂」如何與 AI 溝通、下指令。

Vibe Coding 的真正意義，不只是 AI 幫工程師補程式碼，更大的改變是軟體開發已經開始從「技術導向」，逐漸走向「意圖導向」。

過去，創業者或企業主管腦中有一個產品想法，最大的問題往往是不會寫程式，也因為技術門檻太高，許多創意還沒有被驗證，就先卡在開發成本與人力門檻上，最後不了了之。

現在，許多新創團隊開始用極少的人力，完成過去需要十幾位工程師才能有效推進的工作。未來的軟體開發，更像是在「指揮 AI 團隊」：

◆ 人負責方向、需求、判斷、決策。

◆ AI 負責執行、生成、測試、修正。

這樣的變化，也開始動搖 SaaS 軟體產業過去二十年建立起來的商業邏輯。

當 AI 能生成軟體，SaaS 價值將面臨哪些衝擊？

過去二十年，全球軟體產業最重要的商業模式之一，就是 SaaS（Software as a Service），把軟體做成訂閱服務，例如 CRM、ERP、行銷工具、專案管理系統等，讓企業每月付費使用。SaaS 公司最大的價值，在於把複雜功能標準化，讓大量企業能用相對低成本導入同一套工具。

當 AI 開始能快速生成客製化工具時，市場開始重新思考：「如果企業只要描述需求，就能快速建立自己的系統，那麼許多標準化 SaaS 的護城河，是否會開始被削弱？」

這使得近兩年許多投資人開始重新評價軟體公司，當功能本身變得更容易被生成，軟體公司的價值就不再只是「提供一套工具」，而是能否真正理解產業情境、掌握關鍵資料，並把系統嵌入企業流程之中。

科技巨頭裁員背後，更看重哪些不可替代的核心能力？

這樣的變化，也正在影響科技巨頭的組織結構。最近兩年，包括 Google、Amazon、Meta 等科技巨頭，都持續進行組織調整。 很多人以為這只是景氣循環或成本控管，但更深層的變化之一，是 AI Agent 技術開始成熟，使企業內部的工作模式正在被重新設計。

過去企業內部大量工作，常常都是文件整理、客服回覆、系統操作、資料彙整、流程追蹤等重複性任務。這些工作過去需要大量人力分工完成，但現在 AI Agent 已經開始能操作工具、執行流程，甚至完成多步驟任務。

因此，我並不認為 AI 會讓軟體公司消失。相反地，真正有產業 know-how、數據能力與架構能力的公司，反而會進一步放大優勢。

因為 AI 雖然能寫程式，但它不一定真正理解客戶需求、產業流程、商業邏輯與高效能架構。尤其在金融、交易、資安、即時系統等高可靠度場景中，更不可能只靠 AI 自動生成一套系統就直接上線。

未來真正重要的能力，會開始轉向三個方向：

◆ 需求理解能力：
PM 的角色會越來越重要。未來 PM 不只是專案管理者，而是人類需求與 AI 系統之間的翻譯者。誰越懂客戶問題，誰就越能駕馭 AI，讓 AI 產出真正有價值的系統。

◆ 系統架構能力：
AI 可以快速生成程式，但系統是否穩定、安全、可擴展、高效能，仍然需要深厚的工程經驗。特別是在金融交易、即時行情、下單系統與風控場景中，毫秒級的延遲、系統穩定性與錯誤容忍度，都不是單靠 AI 生成程式就能解決。

◆ 數據治理能力：
未來最有價值的資產之一，將是可被 AI 理解的高品質資料。這包括數據清洗、流程整理、知識結構化、歷史資料治理與系統邏輯整理。因為 AI 的能力，很大程度取決於資料品質。資料越清楚，AI 越能產生價值；資料越混亂，AI 只會放大問題。

台灣軟體產業的機會：資料、流程與產業 know-how

這也是我認為，台灣其實非常有機會的原因。

過去台灣軟體產業常被認為不如矽谷耀眼，但事實上，許多台灣企業長期累積了大量真實產業資料與流程經驗。例如供應鏈邏輯、高速交易架構、客服流程資料、產線管理經驗與金融交易規則等，這些在 AI 時代，反而可能成為非常重要的資產。

以凱衛資訊為例，長期深耕金融資訊、高速下單系統與企業軟體領域，累積了大量實際運作的程式資料、交易邏輯與流程經驗。當 AI 時代來臨後，這些資料的價值，可能不再只是「歷史系統」或「既有經驗」，而是能不能進一步被整理、清洗、結構化，成為 AI 可以理解與運用的產業知識。

因為未來真正有價值的，不只是誰會寫程式，而是誰擁有能讓 AI 理解產業世界的資料、流程與知識。這也代表，AI 時代對台灣軟體產業而言，未必只是挑戰。它也可能是一場重新洗牌的新機會。

◆ 本文為專家作者觀點，不代表《今周刊》立場

作者小檔案

王宇老師

學歷：台大食科碩士（化工組）、中正企管博士。

現任凱衛資訊股份有限公司董事長，曾深耕教育領域逾三十年，擅長將複雜知識轉化為白話內容。2018 年跨入資訊科技產業後，投入金融交易系統、AI 應用與量子運算等領域，持續關注金融科技如何影響投資決策、交易系統與產業發展，並致力於推動科技應用與人才培育。