講一個大部分老闆都不願意接受的事實，在真正的研究裡，絕大多數的嘗試注定不會有結果，而且你無法事先知道，會是哪些。
八月十日，Anthropic 公布一份研究，他們讓一個尚未發布的 Claude 版本，去挑戰黎曼猜想，那是數學界懸了 167 年、還掛著一百萬美元獎金的難題。
結果沒有解開，但在嘗試的過程中，它意外把一個相關的下界，從 41.6% 推進到 67.2%。這個數字指的是「已經被證明落在臨界線上的零點比例」，而這一跳，是這個數字有紀錄以來最大的一次躍進。
我的背景是 R&D，工程師出身，做過許多產品，有成功，也有失敗，我想跟大家談談研發這件事情，過程有時候比成果更重要。
30 個失敗，換來 2 個成功，你覺得是好的 AI 嗎？
這次的挑戰者是一位沒有數學背景的 Anthropic 員工，他給 Claude 的指令，基本上只有：「繼續試。」
第一輪，Claude 產生並嘗試了 650 個想法，全部沒用。
第二輪，它動用了大約 60 個子代理（subagent），連續跑了一天半，執行約 2,400 個 shell 指令、寫了數百支 Python 程式，還去 arXiv 下載了 54 篇論文，確認這個結果沒有人做過。
而這 60 個分身裡，只有 2 個真正做出了關鍵的數學想法，另外 13 個提供了輔助構想，13 個負責驗證與挑錯，2 個負責撰寫論文，還有 30 個，完全沒有產出。
很多媒體可能會報導這是個失敗的結果，但我第一個反應是「這不就是一個研發組織該有的樣子嗎？」
三十個徹底失敗、兩個成功，而那兩個之所以能成功，是因為前面那三十個把死路都走過一遍了。
這件事真正難的地方，不是接受失敗率，而是你在事前根本分不出來，哪 30 個會白費，如果分得出來，那就不叫研究了，那叫執行。
所以每一家公司都會面對同一個選擇，當你的績效制度要求每一個專案都要說得出 ROI、每一季都要交得出成果，那 30 個一開始就不會被批准，它們不是被砍掉的，是根本不會出現在提案清單上，而那 2 個成功，也就跟著不會出現。
我看過太多技術團隊，能力完全足夠，但沒有人敢提沒把握的題目，不是他們不想，是因為提了要為結果負責，而在他們公司裡，失敗是要被記上一筆的。
一個組織如果只獎勵「做出來的人」，久了就只剩下敢做確定的事的人。
R 和 D，是兩種完全不同的能力
今年年初，我跟公司的技術主管聊過一次，講的就是這件事，我的意思是，身為技術專業人士，不要只把自己定位成工程師，要定位成 R&D，既能做研究，也能實踐，這兩個字母常常被連在一起講，好像是同一件事，但它們其實是兩種完全不同的能力。
R 是研究，是在還不知道答案的時候，願意花時間往下挖；是接受十次嘗試有九次會白費，要忍受一段沒有產出的時期；D 是開發，把已經確定的方向做出來，並做到能準確交付，要看規格、排程跟品質。
台灣的技術人普遍非常強的是 D，給我們一份規格，我們可以做得比誰都快、都好，而且還很便宜，但如果沒有人給規格呢？
Claude 那個案例最有意思的地方就在這裡，它同時做了 R 和 D，它試了 650 個死路（這是 R），也寫了 2,400 個指令、產出可以被機器逐步檢查的證明（這是 D），兩件事在同一個循環裡完成,這才是我想跟技術主管們講的那個定位。
研究，不是為了「有用」才去做的
而 R 的價值，還不只是「暫時沒產出」而已，有時候，它根本是為了「看起來完全沒用」的東西。
1972 年在普林斯頓，一位數論學家把質數零點的間距公式寫在紙上，旁邊的物理學家看了一眼就說「這個式子我認得，我們用它描述重原子核的能階分布。」
兩個完全不相干的領域，寫出了同一條公式，到今天，沒有人知道為什麼，而質數本身，被研究了兩千多年，長期被認為是純粹的智力遊戲，二十世紀最有名的數論學家之一 G. H. Hardy，甚至公開表達過一種驕傲：「他研究的東西完全沒有實用價值。」
結果 1970 年代 RSA 加密誕生，整個網際網路的信任基礎，你的網銀、你的憑證、你公司的 VPN，全部建立在質數上。Hardy 引以為傲的無用，最後撐起了全球的數位經濟。
台灣研發占 GDP 4.1%，但基礎研究不到 8%
講到這裡，我想拉回台灣。國科會的調查顯示，台灣全國研發經費首度突破一兆新台幣，占 GDP 的比率達到 4.1%，創下新高。這個數字放在全世界，僅次於以色列和南韓。
但如果再往下拆一層，會看到另一個數字，在這些研發經費當中，投入「基礎研究」的比率大約只有 8%。這個數字目前可比對的國際資料是 2020 年的口徑，同一個口徑下，美國是 15.1%，南韓 14.4%，日本 12.3%。
台灣的研發總量是世界級的，但配置高度集中在應用與開發端。換句話說，我們是一個 R&D 支出世界前段班的經濟體，但錢絕大部分花在 D，不是 R。
這個結構還可以再看得更清楚：台灣八成五以上的研發經費由企業執行，其中又有八成二來自員工五百人以上的大企業，而在製造業的上市櫃公司裡，光台積電一家就占了四分之一。
我可以理解，因為企業的研發本來就該對準市場，這是它的責任，問題在於，當一個經濟體的研發幾乎全部由企業主導，那麼「短期內看不出用途」的題目，就沒有人會做。
我認為，台灣的軟體長期無法自成產業，因為它總是依附在硬體大廠底下的一個部門，基礎研究的處境，其實是同一個問題的另一個版本。
不等政府，老闆們其實有幾件可以自己決定的事
第一，在研發預算裡切出一小塊「不問 ROI」的空間，不需要很多，5% 就足以改變組織的氣氛，關鍵不是金額，而是讓團隊知道「探索本身是被允許的」。
第二，別把產學合作當成外包，很多企業跟大學的合作，其實是把已經定義好的工作交出去做，真正有價值的合作，是願意投一筆錢在一個連教授自己都還沒把握的方向上。
第三，把「R&D」當成技術人員的職涯定位，而不只是部門名稱，要讓工程師有機會做研究，也要求做研究的人能夠交付。這件事在績效制度上要有配套，否則沒有人敢碰沒把握的題目。
最後，那個週末，我和兒子花了一些時間，一起搞懂黎曼猜想到底在講什麼，老實說，我沒有真的搞懂多少數學。
但有一件事很清楚，一百六十七年來，一代一代的人在一個沒有答案、也沒有人保證有用的問題上繼續往下挖，而正是這些人累積下來的東西，讓 2026 年的一個 AI，可以在一天半之內往前推一步。
Claude 那份論文引用的，是好幾位數學家過去數十年的研究成果，沒有那些人，那 60 個分身跑再久也不會有結果。
我一直相信，一個技術人如果只做 D、不做 R，天花板很快就會到，一個國家也是一樣。台灣已經證明了我們很會把事情做好，接下來要證明的，是我們也敢在還不知道答案的地方，先押下一點賭注。
(本文訊息由劉永信 Spencer Liu 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。首圖來源：Shutterstock。)
