泛知識節紀實：在新媒體已經不新的時代，我們需要什麼樣的媒體人？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

國家通訊傳播委員會（下稱 NCC）為健全廣電事業發展、提升從業人員專業素養，促使廣電事業製播優質節目及傳遞正確資訊，今（113）年援例舉辦「廣電媒體專業素養」培訓課程。本趟知識列車自今年 8 月從高雄出發，9 月開往花蓮，11 月抵達臺中、臺北，讓專業培訓資源遍及全臺，促進廣電媒體業者產製優質節目與營造更優質的媒體環境。

提供 4 大場次 7 大主題的豐富課程內容，累計近 900 名媒體業者參與實體課程

本培訓活動已邁入第 16 年，吸引近 300 家媒體業者報名，逾 900 位媒體朋友共襄盛舉。提供一個媒體從業人員與專家學者交流對談的平台。

今年於北中南東 4 大場次安排 7 大主題多元課程，包含「廣播事業營運發展」、「性別平權」、「權益維護」、「多元文化」、「內容自律」、「事實查證工具應用」、「法規宣導」。從廣電營運發展出發，綜覽現今廣電生態及未來發展；接著探討性別、消費者保護、兒少與自殺防治等議題，並透過法規政令與申訴程序交流課程，加強法學專業。同時，提供事實查證與公平原則訓練，強化業者分辨假訊息的能力，妥善發揮媒體專業，落實事實查核並遏止假訊息。

課程專業且切合產業現況，業者給予正面回饋

今年度的專業訓練課程，邀請產、學界、非營利組織等講師分享多元議題，業者積極提問，針對實務上遇到的案例與講師交流、討論，課後多給予正面回饋，如「培訓內容貼合實際面臨情形」、「課程內容豐富，講者專業度高」等。

廣電媒體產業需要與時俱進，NCC 作為主管機關，將持續提供豐富多元的課程資源，與業者共同成長。期待未來能與業者持續相互砥礪，攜手打造優質視聽環境！

隨著全球數位化進程持續發展，大眾接收資訊的方式不斷演變。影音媒體平台及自媒體的興起，使每個人不僅是訊息的接收者，更是內容的生產者。多元的訊息管道帶來豐富資訊，同時也對內容管理提出新挑戰。

國家通訊傳播委員會（NCC）順應全球數位匯流與監理革新的發展趨勢，致力於促進通訊傳播的健康發展，保障大眾權益、尊重弱勢族群、推動多元文化均衡發展。今年度（113 年），NCC 持續推行「公民培力推廣計畫」，深化媒體素養教育。

多方協作，廣泛推廣媒體素養

今年公民培力推廣計畫持續與廣電媒體產業、公民團體及學術機構合作，包括好事聯播網（人人廣播電臺、連花廣播電臺）、正聲廣播、鳳鳴廣播、豐盟有線電視，以及國立臺灣師範大學、朝陽科技大學、臺灣新聞記者協會、財團法人基督教芥菜種會、財團法人花蓮縣光之島文化藝術基金會等共 10 個單位。在北、中、南、東、離島五大區域自 7 月至 12 月舉辦了共 22 場媒體識讀活動，超過 1,500 人次參與，對象涵蓋媒體專業人士、銀髮族、身障者、新住民、兒童及青少年等，全面推動媒體素養意識。

多元形式，深植媒體素養意識

活動形式豐富多樣，且針對不同族群設計專屬課程：

人人廣播電臺與連花廣播電臺今年以市集活動搭配民眾互動問答，以「防制假訊息」為主題，向大眾推廣辨識資訊的重要性。

鳳鳴廣播電臺以「消費者保護」為題，向銀髮族進行消保宣導，期望提升民眾維護自我權益之意識。

國立臺灣師範大學大眾傳播研究所至嘉義溪口國中舉辦媒體素養暑期營隊，讓偏鄉地區的學生也能享有充分教育資源，透過寓教於樂的方式，訓練資訊閱聽能力。

此外，各單位亦舉辦多場主題講座與互動活動，與地方社區、校園及大眾連結，成功散播媒體素養種子，參與者課後給予正面回饋，表示受益良多。

建立媒體素養基礎，邁向優質社會

 NCC 每年持續推動公民培力活動，幫助閱聽者增進對媒體資訊的辨識、思考與評估能力。透過多元族群及不同年齡層的全面參與，媒體素養教育的種子得以深植，進一步促進全民媒體素養，攜手打造更優質的社會環境。

• 文／史比野塔｜自由文字工作者。此刻希望多一點勇氣及溫柔看待這個世界，然後讓更多的美好被看見。

什麼是新媒體？如果按照維基百科的解釋，便是泛指利用電腦與網路等新科技傳遞新聞資訊。

真要說起來，1995 年就成立的中時電子報似乎能在這個定義下，被劃歸為新媒體。然而加上爾後陸續在網路上占有一席之地的其他報業，這幾個典型傳統媒體的轉型，可能離我們現在想像中的「新媒體」有些差距 ── 並不是將內容放上網路就能稱作新媒體。依附互聯網而生的新媒體，在 2004 年臉書出現後便來到狂飆期。與網路共同成長的世代，接收資訊的管道就此與父母輩分道揚鑣；近幾年，新媒體更是如雨後春筍般出現，然而裡頭卻有九成可能活不過兩年。究竟在「新媒體生存戰」中留下來的倖存者，到底與其他人有什麼不同？

這次的泛 · 知識節，邀請到《報導者》創辦人暨總編何榮幸、《端傳媒》主編李志德及臺灣吧共同創辦人謝政豪（DJ Hauer），來談談「在新媒體已經不新的時代，我們需要怎麼樣的媒體人」，並在討論產業人才的問題之餘，也聊聊作為一個新媒體，核心與營運模式可以是什麼。

新媒體，「新」在哪？

或許有人會認為新媒體就是要透過新科技，吸引大眾目光，但《端傳媒》與《報導者》網站中，多的是成千上萬字的報導，依然受到許多人關注。《報導者》以公益基金會成立的非營利媒體姿態出現，便是為了解決自傳統媒體以來一直存在的問題：「新聞」的獨立性與市場的拉扯。而臺灣吧則是回到「媒體」最根本的源頭 ──「傳遞資訊」這件事，提供不同的想像。

「中年大叔的逆襲」是何榮幸為自己的《報導者》之路所下的標。在擔任 25 年的記者後，看到年輕世代間流行著「小時不讀書，長大當記者」的玩笑話，多少有些不甘願，新聞的公信力正不斷下降，為此他只能「自己的新聞自己救」。當然不僅是因為自己正身處這個產業裡，更重要的是，民主世代，台灣不信任媒體是最大的危機。

同樣的，李志德也認為，新媒體是「重建公共資訊可信任度的運動」，然而在改革的同時，也必須要時時留意，否則媒體容易淪為宣傳之用。

臺灣吧的出現則是因為在 2014 年學運結束後，DJ Hauer 等人意識到需要一個媒體促進社會溝通。他們發現，大眾不參與討論並不是因為反對，而是不關心。因此透過「內容」與「故事」引起觀眾的興趣，使其與議題建立連結。但是就新媒體常見的「互動參與」特點，DJ Hauer 分享了自己或許沒那麼「政治正確」的觀點：其實臺灣吧並不是 100% 的互動參與，因為某種程度上仍必須做大家不知道的事情。

「畢竟有營收不代表有利潤，做出別人沒有的東西才能長久。而在這個資訊爆炸、製造成本低廉的時代，新媒體是用五分鐘的時間，讓你之後願意用五小時、五個月的時間關心議題。就像七、八年前開始流行的懶人包文化，同樣是為了引發興趣，進一步不斷溝通。」

「端傳媒的意義在於以香港與中國新聞，帶給台灣讀者不同的面向。」李志德說，《端傳媒》面對的是全球華人，因此會出現用詞不一致的問題；而除了在地用語的不同，也會牽扯到政治權力。比方應該用「馬習會」或「習馬會」，便傷透腦筋，最後他們選擇以作者當地的習慣為主。不過也因為是跨境媒體，不同地方的作者能夠檢查別人的題目對該地區有沒有意義，例如「醫師過勞」的議題最早是從中國爆出，後來變成跨區域的題目。

他表示，《端傳媒》首先要處理的是新聞與讀者相關性的問題：需要建立本地新聞與其他地區的連結性，否則可能會有高達 2/3 的讀者不在直接關聯內。

新媒體需要什麼樣的人才？

以往想要進入媒體工作，大學選擇念相關科系是條路徑，但這件事在新媒體上還適用嗎？「臺灣吧在徴人時多是看作品集跟面試狀況，不看履歷自傳。我認為內容產業將會越來越回到事情的本質上。」DJ Hauer 說。

何榮幸則分享《報導者》剛成立時「海選記者」，對他們來說，是否為新聞系畢業並不重要，重點是「願意用新的數位敘事方式做新聞」。一直到後來《報導者》刊出「急診人生」的互動遊戲時，過程中也經歷世代的碰撞。何榮幸想像中的新聞遊戲，應該會在某些步驟裡停下來跳出資訊，是知識含量高的遊戲；但製作團隊堅持要重現真實景況，激起興趣後自然會看其他報導。

「他們相信做出來的東西是好東西，清楚知道要用什麼東西說故事，反倒回過頭來說服主管執行。」

學習力以及對公共事物的了解，是李志德認為想進入新媒體工作的關鍵配備。「當然就專業養成上，新聞科系仍舊有存在的必要。」他說，「畢竟媒體本是政治團體用來宣傳的工具，一百年以來漸漸從這樣的角色脫出，大家賦予它公共性，誰也沒想到如今又要回到一百年前，我們要如何處理這樣的問題？另一方面，營運模式也是需要考慮的要素。過去媒體賣廣告，倫理界線非常清楚；但當原生廣告大行其道，如何劃分界限？這便需要回到學院、課堂上的討論。」

新媒體可能的營運模式

科技所帶來的改變，是媒體產業根本性的變化。當代新媒體要考慮的不只有內容形式的轉變，還有維持營運的商業模式。何榮幸說，想不付錢給臉書、自己衝流量，又要有優質內容，其實很難。「最後《報導者》走上非營利媒體的路，所有營運經費來自社會捐款。前三年不可避免需要大的捐款者，但希望在這期間能建立品牌信任基礎，或是透過採訪計劃募資等方式，讓大筆捐贈比例下降，小額捐款能夠佔一半以上。目的是為了讓台灣社會願意在罵媒體的同時，改變『新聞就該免費』的觀念。」

臺灣吧與《報導者》差不多，主要營收的方式有三種：自發性收入（例如群眾募資）、商品販售、IP 授權。DJ Hauer 說，未來發展目標將以「授權 IP」為主。「台灣的內容產業不太發展 IP 這部分，可是以「米老鼠」為例，它最初出現的原因與過程可能是為了娛樂；但當這樣的角色進入教育，有了長時間的硬需求，將比純娛樂更有機會商品化。」

李志德則說，雖然做過各種嘗試，但現實是文章成本非常高，《端傳媒》目前還是靠點擊量換廣告。「當然，媒體是企業建立公信力的做法，端能夠藉著這樣的公信力再去承接其他案子。不過，即使大家在談『新媒體』，但面對的還是『古典問題』，也就是所謂編輯室公約：盈利部門與媒體部門應該保持何種關係？」

降低對臉書的依賴，預防典範轉移

回到最開始提到的，臉書幫助新媒體快速成長，同時也成為束縛。大家不免好奇，如果沒有了臉書，如何做新媒體？

何榮幸說，多數可能需要砍掉重練，因為目前的確有七、八成的新媒體流量是透過臉書導入，平台所造成的同溫層與極化現象，也成為新媒體「溝通」的阻礙。「《報導者》能做的防禦，便是建立品牌形象，使其有一定辨識度。讓典範（臉書）改變後，能順利轉移。」

對此，DJ Hauer 也同意，現在面對臉書出現的待解決問題，就如同拉曹操打董卓一樣，永遠不能期待下一個人是完全符合預期。因此不論做什麼努力，起碼讓品牌活過典範轉移。至於《端傳媒》則是推出自己的 App，讓 App 與網站的流量各占一半。「我們努力降低對臉書的依賴，目前流量約有五成來自臉書。做法同樣是建立品牌忠誠度及核心讀者，在茫茫網海中讀者會想到你，並主動以各種方式找到你。」

 

筆者身為一個從傳播科系畢業沒多久的人（感謝李志德主編，讓我並沒有那麼絕望！）聽完演講後，想起資深媒體人黃哲斌 2016 年中在天下所寫〈在世界中心呼喊「新媒體」〉一文內提到，新媒體是個過程，而非解答。我們依舊處在變化的風暴中，未來的樣貌不甚清晰，說不定「新媒體」也會有成為過去式的一天。但不論以何種形式，只要能滿足當代人「知」的權利與需求，那就夠了。