撰文者／先行智庫執行長 蘇書平

2026 年 4 月 16 日，Anthropic 發布 Claude Opus 4.7，同一天包含Figma 、Adobe 股價都下跌，沒有財報爆雷、沒有執行長下台，就只因為一則消息—Anthropic 同步推出一款 AI 設計工具，可以直接用自然語言生成網站、Landing Page、簡報。

先看事實：Claude Opus 4.7 到底強在哪?

升級一│長任務的可靠性：AI 從助理變成「會自己檢查作業的工作者」

Anthropic 官方說法是，Opus 4.7 能在規劃階段抓出自己的邏輯漏洞、會在回報之前先驗證自己的輸出。在 93 題的內部 coding benchmark 上，它比 Opus 4.6 多解出 13%，其中有 4 題是前一代模型完全解不開的。用白話翻譯就是：過去你不敢放手交給 AI 的需要盯著看的 coding 工作，現在可以交出去了。

升級二│跨階段記憶：Agent 走向多天、多輪、多任務的關鍵基建

這次Opus 4.7 強化了 file system-based memory，能夠跨多個工作階段保留重要筆記。這不是「更長 context window」的小改良，這是 AI Agent 走向「多天、多輪、多任務」的關鍵基建。

升級三│視覺理解與專業品味：產出的東西真的「像樣」了

模型對圖片的解析度顯著提升，產出的簡報、介面、文件設計也更有品味。再加上 Claude Code 新增的 /ultrareview 指令，能模擬資深工程師的 code review抓出設計缺陷與邏輯漏洞。

真正的震撼彈：Anthropic 推出 AI 設計工具

同一天，Anthropic 推出一款 AI 設計工具。使用者用一段文字描述，模型直接生成網站、Landing Page、簡報。過去所有設計軟體的商業模式，都建立在你先打開我的工具，然後開始設計」這個前提上。Adobe Creative Cloud 的訂閱制，Figma 的協作席次，Canva 的模板月費——全部都是以「工具作為起點」計價。但 AI 設計工具把起點變成了「一段文字描述」。Figma 的 AI、Adobe Firefly 是假設設計師已經在工具裡，然後用 AI 協助加速，是「工具 + AI」，但是Anthropic 的做法完全不同，使用者描述想要的東西，模型直接做出來。不需要設計經驗、不需要先打開任何工具。設計工作的起點，正在從空白畫布轉移到文字提示，這揭示了一個殘酷的真相，當起點轉移了，付費模式就會開始跟著鬆動。更嚴峻的現實是：2026 年 S&P 500 軟體與服務指數年初至今已下跌近 26%。這不是單一產品的衝擊，這是市場在定價「AI 工具吃掉傳統 SaaS 需求的多年結構性轉變」，如果套用 Porter 的五力模型來分析，你就會明白為什麼投資人這麼緊張。

傳統設計軟體 vs. AI 原生工具：五力分析比較

五力面向	傳統設計軟體	AI 原生工具
替代品威脅	低(設計師必備工具)	極高(人人可用)
進入門檻	高(複雜功能 + 學習成本)	低(自然語言即可)
客戶議價能力	低(綁定工作流與檔案格式)	高(可隨時切換)
供應商能力	集中在軟體商本身	集中在模型商(Anthropic、OpenAI)
產業競爭強度	少數玩家分食市場	模型商下場直接競爭應用層

這張表看完，你就理解為什麼投資人這麼緊張了。每一力都朝著對傳統應用層 SaaS 不利的方向移動。

• 替代品：從「沒有真正替代品」變成「一句話就能替代」
• 進入門檻：從「要學 Figma、學 Photoshop」變成「會講中文就會用」
• 客戶議價：從「檔案綁定、協作綁定」變成「工具化商品，隨時換」
• 供應商：從「Adobe 自己是供應商」變成「模型商成為新的上游議價者」
• 產業競爭：從「同業競爭」變成「上游模型商直接下場做應用」

現在回頭思考一下，台灣有多少家 SaaS 公司、多少家 B2B 軟體商、多少家 IT 服務商——商業模式的核心假設，也是「客戶先打開我們的工具，才開始做事」?

• HR 系統假設人資要先登入打考勤。
• CRM 假設業務要先打開 CRM 才能建客戶。
• ERP 假設主管要先進系統才能看報表。
• POS 假設店員要先開 POS 才能結帳。
• BI 假設分析師要先進 dashboard 才能看數據。

這些假設，現在全部都要被質問一次——AI 之後，「打開工具」還會是起點嗎?還是一句話：「幫我看一下上週業績」就夠了?

下一代 AI 素養課程，必須升級了

過去兩年，所有企業 AI 課程的主軸都是「提示工程」(Prompt Engineering)。寫出一個好 prompt，讓 ChatGPT 或 Claude 回答得更好。但從 Opus 4.7 發布這一天開始——提示工程已經遠遠不夠。真正的企業 AI 素養，必須升級到三支柱。這是我在多家上市櫃企業導入 AI 時，實際在教的新架構：企業不該問「我們該用哪一家 AI」，應該問「我們每一種任務，該用哪一個模型」。這是 Multi-Model Orchestration 的本質。它需要一個路由層(routing layer)去判斷任務類型、成本敏感度、延遲要求，自動分派給最適合的模型。

未來五年，不會做 Multi-Model Orchestration 的公司，等於把所有雞蛋放在單一 AI 供應商的籃子裡，這在採購策略上是基本錯誤。真正的 Agent 工作流設計，是把一個企業流程——比如「業務報價」、「合約審核」、「供應商評估」——拆解成：

• Input 節點(資料從哪來)
• Reasoning 節點(AI 在哪一步需要思考判斷)
• Tool Use 節點(要不要呼叫資料庫、ERP、CRM)
• Human-in-the-loop 節點(哪些決策必須由人做最後核准)
• Output 與稽核節點(產出格式、歸檔、合規留痕)

這個五段式設計，才是 Agentic Workflow。它不是 chatbot，它是企業流程的 AI 化重構。

你公司導入 AI 的下一步，不是再買幾套 AI 工具。是挑出三條最重要的企業流程，用這個五段式重新設計一遍。

先行智庫 G.V.T 框架：從能力面升級到治理面

導入AI不光只是評估技術與工具而已，企業主管真正要做的，還有「治理面」。我把它整理成一個框架，叫做 G.V.T。

G — Governance(治理)：把任務預算當成新預算科目

Opus 4.7 同步推出「task budgets」公測功能，代表一個重要訊號：AI 成本將從「月費科目」轉變為「任務科目」。過去你編預算很簡單:Adobe 年費一人 X 元、Microsoft 365 一人 Y 元，乘以人頭數就好。AI 時代完全不是這樣。同一個員工、同一個月，可能用掉 5 倍、50 倍的 token 成本，只因為他接了一個跨部門的大專案。

企業要開始建立三層預算：

• 任務級預算(per-task budget)：單一任務多少錢封頂
• 專案級預算(per-project budget)：專案層級的 AI 成本天花板
• 部門級 AI 成本中心(per-BU AI cost center)：把 AI 成本變成部門損益表的正式科目

人資與財務部門要一起學 AI 預算治理，這是一個新職能，這不是不光是 IT 的事，是 CFO 的事。

V — Vertical(垂直)：按任務組合模型，不要找「全能供應商」

沒有任何一個模型在所有任務上都最強。這是 2026 年 4 月的現實：

• 複雜程式碼與財務分析 → Opus 4.7 最強
• 網頁瀏覽與代理搜尋 → GPT-5.4 更優(Opus 4.7 在這項反而退步)
• 超長文件分析(200 萬 token) → Gemini 3.1 Pro 唯一
• 視覺設計生成 → Anthropic 新設計工具或 Figma Make
• 快速低成本任務 → Sonnet 4.6 / Haiku 4.5

正確的企業策略不是「All-in 一家」，而是按任務性質，組合不同模型。這是 AI 採購的 SKU 化管理。你不會只跟一家供應商買所有零件，AI 模型也一樣。把每一種任務當成一個 SKU，配它最合適的模型、預算、SLA。這才是專業的 AI 採購。

T — Tiered(分層)：接受「你付錢也買不到最強的」這個事實

Anthropic 手上還握著一個更強的模型——Mythos。但大部分台灣企業連 Opus 4.7 的三成功力都還沒發揮，就在焦慮「我們是不是該等更強的AI模型」。這是典型的資源配置錯誤。

接受分層、接受買不到最頂，然後把你買得到的那一層，壓榨出 100% 的價值——這才是務實的 AI 戰略。

它不是趨勢，是新的工業基礎

我在IT二十幾年、擔任顧問快十年，看過太多一窩蜂的潮流。雲端、大數據、區塊鏈、元宇宙——每一波都有企業主跟我說「我們是不是要跟?」但 AI 這一波不一樣，它不是趨勢，是新的工業基礎。就像當年沒有企業會問「我們要不要用雲端」，五年後沒有人會再問「我們要不要用 雲端」。AI也是一樣的道理，但「用 AI 做什麼、怎麼治理、怎麼分層採購、怎麼編列預算、怎麼重組職能」——這些問題的答案，會決定哪些企業是贏家，哪些會被淘汰。

Opus 4.7 這次發布表面是技術更新，實質是一面鏡子。它照出每家台灣企業目前 AI 成熟度的真實位置，你們公司，現在又是站在哪一層?

如有任何問題或需求，請填寫以下表單，我們將竭誠為您解答！
您也可以透過以下按鈕了解更多資源：