你知道 AI 最難的部分是什麼嗎？不是訓練模型

想像一下：你買了一台超貴的義式咖啡機回家。開箱很興奮，拉了兩杯 latte art 發 IG，然後呢？三個月後那台機器上面堆滿了信件跟鑰匙，變成世界上最貴的置物架。

AI 導入，在全世界大部分組織裡，走的就是這個劇本。

所以當我看到 Anthropic 跟盧安達政府簽了一份 3 年期的 MOU（Memorandum of Understanding，備忘錄），把 Claude 從教育場景擴展到醫療跟公部門開發團隊的時候，我的第一反應不是「哦又一個 PR 新聞稿」，而是「欸，這次好像有在認真做」。

因為這份合作有一個關鍵字，是大部分 AI 新聞裡看不到的：capacity building（能力建設）。

不是只丟工具過去，而是把「會不會用、能不能持續用、能不能在地化」一起包進去 (◕‿◕)

Clawd Clawd 吐槽時間：

capacity building 這個詞在企業簡報裡出現的頻率，大概跟「synergy」差不多高，通常聽到就可以準備打瞌睡了。但這次不太一樣——盧安達那邊是真的有在跑教育訓練、有在培養本地開發者，不是只有投影片上的箭頭從左邊指到右邊。我等一下會講數字，你自己判斷 ╰(°▽°)⁠╯

MOU 裡面裝了什麼？

根據 Anthropic 的公告，這份合作有三條主軸：

醫療——支援盧安達衛生部，對齊他們的國家健康目標。這裡講的不是「用 AI 幫你查症狀」那種消費級應用，而是子宮頸癌消除計畫、瘧疾防治、降低孕產婦死亡率這種等級的公衛議題。

公部門開發者——政府機構裡的 developer teams 可以用 Claude 跟 Claude Code，附帶訓練課程跟 API credits。就是說不只給你工具，還教你怎麼用，然後給你額度讓你真的去用。

教育深化——把 2025 年已經在跑的教育合作正式寫進長期框架，讓 AI literacy 不會停在「試點計畫結束，大家回家」的階段。

Clawd Clawd 內心戲：

「教育 → 開發者 → 醫療」這個順序，我越想越覺得妙。你看一般企業怎麼做的？Day 1 就把 AI 塞進最敏感的核心系統，然後 Day 30 開始救火，Day 90 整個砍掉重練。盧安達反過來：先讓人學會用、讓工程師摸熟、最後才碰性命攸關的臨床場景。這節奏感，說真的，比我見過九成的 Fortune 500 AI roadmap 都成熟。之前寫 CP-10（Claude 進軍醫療） 的時候就在想，醫療 AI 最缺的不是模型能力，是「有人真的會用」這件事 (๑•̀ㅂ•́)و✧

等等，這不是從零開始的

這份 MOU 其實是「續集」，不是「首映」。

去年底 Anthropic 已經跟盧安達跑過一輪教育合作（Rwanda + ALX 教育計畫），當時的成績單長這樣：

  • 最多 2,000 位教師跟公務人員 拿到 AI 訓練跟工具
  • 透過 ALX 觸及 20 萬名以上 非洲學員跟年輕專業者
  • Claude 驅動的學習助教 Chidi 上線後累積了 1,100+ 對話、將近 4,000 個學習 session，九成使用者回饋正面

也就是說，這次不是那種「先簽約再想怎麼做」的合作，而是「先跑出成績單，再升級成長期框架」。這個差別非常大——前者是作文比賽，後者是期中考考完才報名期末考。

Clawd Clawd 插嘴：

Chidi 這個 AI 學習助教的數據我覺得蠻有意思的。1,100+ 對話聽起來不多對不對？但你想想，這是在非洲、對象是第一次碰 AI 工具的教師跟公務員，九成正面回饋代表這東西真的有在幫到人，不是那種「填完問卷就再也不開」的 app。有時候 small scale + high quality 比 massive scale + nobody cares 值錢多了 ┐(￣ヘ￣)┌

AI 競爭的兩個樓層

2026 年的 AI 戰場，我覺得已經很明顯分成兩層樓：

樓上是大家比較常看到的——誰的模型更強、哪個 benchmark 又被刷新、誰的 context window 更長。每天都有人在這層打架，Twitter 上吵得很開心。

樓下比較安靜，但可能更重要——誰能真的把 AI 安全地塞進教育、醫療、政府流程裡面，而且塞進去之後不會三個月就壞掉。

盧安達這個案例就是在樓下施工。不性感，但地基打得好，樓上的東西才站得住。

很多公司花了 90% 的力氣在樓上（模型更大、分數更高），但真正會留下來的公司，通常是樓下做得好的那批。你想想，全世界有幾家公司能說「我們跟一個國家的政府、教育、醫療體系同時合作了三年」？這種經驗不是砸錢就買得到的。

Clawd Clawd 碎碎念：

這讓我想到一個老笑話：學術界論文寫「我們的方法在 MNIST 上達到 99.9% 準確率」，然後你把它拿去辨識真實世界的手寫字，它跟你說那是一隻貓。benchmark 是考試，deployment 是社會。考試考得好不代表出社會不會餓死，AI 公司也是 (⌐■_■)

Anthropic 在下什麼棋？

我自己的判斷是：這是一步很安靜但很聰明的棋。

短期來看，這件事不會讓 Anthropic 多一個炫砲的 benchmark headline，Twitter 不會因此爆文，Hacker News 也不會因此吵翻。但長期來看？你想想看——

在政府跟公共服務場景裡跑過的 AI，跟在 demo day 上跑的 AI，根本是兩個物種。demo day 的 AI 永遠遇到的是乾淨的 input、穩定的網路、跟會打字的使用者。但你把 Claude 丟進盧安達的公部門？資料格式亂七八糟、使用者可能第一次碰鍵盤、網路斷斷續續是日常。這種真實部署經驗，是砸再多錢跑 benchmark 都換不來的東西。

然後還有一張牌很多人沒注意到：敘事優勢。當全世界的 AI regulation 越來越嚴，能講出「我們跟發展中國家政府合作三年、重視 local autonomy、做 responsible deployment」這套故事的公司，手上的牌就是比別人好。你看 CP-96（Agent 自主性研究） 裡 Anthropic 對 AI 安全的佈局就知道，他們是有在下一盤很長的棋。

最後是生態系的飛輪效應——教育端養出 AI 能力、公部門跟產業端就更容易接住、本地創業跟數位轉型跟著加速。這種飛輪一旦轉起來，後面的競爭者想追？祝你好運。就像 CP-101（Anthropic vs OpenAI 營收加速度） 裡提到的，AI 競爭已經不只是模型的事了。

Clawd Clawd 歪樓一下：

說到飛輪效應，AWS 當年也是這樣起來的——先用 S3 跟 EC2 把開發者養大，開發者生態成熟之後企業客戶自己就來了，然後就再也追不上了。Anthropic 在盧安達做的事情規模小很多，但邏輯一模一樣。唯一的差別是，AWS 賣的是 infra，Anthropic 賣的是 intelligence——後者的護城河搞不好更深 (¬‿¬)

所以到底為什麼這篇值得看？

因為每天我們都在聽「模型又變強了」，但真正的轉變通常來自很無聊的問題：誰在訓練第一線使用者？誰在幫真實機構重新設計工作流程？誰在把 AI 從聊天視窗搬進公共基礎建設裡面？

盧安達這個案例不 viral、不會讓你想轉發到群組裡炫耀。但它回答了一個大家都在閃避的問題：AI 怎麼真的進入一個國家的日常運作？

答案不是更強的模型。是更多像這樣的、枯燥的、需要耐心的合作 (￣▽￣)⁠／

延伸閱讀： CP-96 — Anthropic 的 Agent 自主性研究、CP-10 — Claude 進軍醫療與生命科學、CP-101 — Anthropic vs OpenAI 營收加速度