2026 年 9 月 30 日，AI 原生企業 Appier（東京交易所代號：4180）宣布其最新研究論文被頂尖國際學術會議 NeurIPS（神經信息處理系統大會） 收錄。這篇題為《大型語言模型代理之工具創建與使用聯合優化》的論文，提出了一個名為 SMITH 的全新強化學習框架，讓 AI Agent 不僅學會使用既有工具，更學會自主建立和優化工具。
據台灣工商時報、經濟日報及自由財經等多家媒體報導，這項研究的突破在於解決了「AI 能做工具，卻不一定用得好工具」的核心矛盾，並在推理效率上實現了約 32 倍的驚人提升。對於正在思考 AI 部署成本的香港企業來說，這個方向可能比任何新模型發布都更具實質意義。
對香港 SME 業主和 AI 學習者來說，這項研究透露了一個關鍵信號：AI 應用的未來不在於更大的模型，而在於更聰明地使用現有模型。
SMITH 框架：AI Agent 如何學會「自製工具」？
傳統的 AI Agent 在使用工具時，依賴人類預先定義好的工具集（例如計算器、搜尋引擎、數據庫查詢接口）。當遇到新類型的問題時，Agent 只能透過逐步推理（step-by-step reasoning）來解決——這個過程既耗時又消耗大量 token。
SMITH 框架的突破在於引入了兩個同時進行的學習過程：
- 工具建立（Tool Creation）——AI Agent 在解題過程中，學會將成功的解題路徑封裝為可重複使用的工具。當它發現某種解題模式反覆出現時，可以將該模式抽象為一個專用工具，下次遇到類似問題時直接調用
- 工具使用優化（Tool Usage Optimization）——AI Agent 同時學會判斷「什麼時候應該使用既有工具」和「什麼時候應該建立新工具」，並透過反饋機制不斷改進工具的品質
據報導，實驗結果顯示了一個極具實用價值的改善：平均輸出 Token 數由傳統逐步推理的 3,206 個降至約 100 個，效率提升約 32 倍。這意味著當 AI 面對相似問題時，可以直接呼叫已驗證的工具，而不必每次都重新展開完整的推理過程。
更重要的是，SMITH 使小型模型能夠在使用遠少於大型模型的 token 數量的情況下，達到媲美大型模型的表現。這對於算力資源有限的中小企業來說，是一個極具吸引力的方向。
為什麼這項研究對香港企業很重要？
1. AI 成本正在成為中小企的核心痛點
香港許多 SME 在嘗試 AI 工具時，最大的障礙往往不是技術能力，而是成本。GPT-6 等大型模型的 token 消耗量隨著使用深度而快速上升——日常的客戶服務、數據分析和報告生成，如果全部依賴大型模型逐步推理，每月 API 費用可能相當可觀。
SMITH 框架展示了一條不同的路徑：用更小的模型、更少的 token，完成相同的工作。關鍵不在於模型的大小，而在於模型是否擁有「經驗累積」的能力——就像人類員工做得愈久就愈熟練一樣。
2. 從「燒 token」到「累積知識」的範式轉變
目前的 AI 應用模式本質上是「每次對話從零開始」——即使 AI 昨天幫你寫過一份類似的報告，今天再問它時，它仍然需要重新推理整個過程。SMITH 的「工具封裝」概念改變了這個模式：AI 可以將昨天的解題經驗保存為工具，今天直接用。
對於香港企業來說，這意味著隨著使用時間增長，AI 的效率和成本表現應該會持續改善——而不是持續燒錢。
3. 對 AI 供應商策略的啟示
Appier 是亞洲領先的 AI 公司，在台灣、香港和東南亞市場有深厚的業務基礎。SMITH 框架被 NeurIPS 這樣的頂尖學術會議收錄，顯示亞洲 AI 公司不再只是「應用者」——它們在 AI Agent 的效率和安全研究上也走到了前沿。
對於香港企業而言，這意味著在選擇 AI 供應商時，不應只看模型參數大小或品牌知名度，也要關注供應商在「AI 效率」方面的技術積累——因為這直接影響你未來的使用成本。
香港企業可以如何應用這個趨勢？
- 關注「小模型 + 工具學習」的解決方案——如果有一個 AI 工具標榜「使用小型模型但能完成複雜任務」，它可能比一個單純使用大型模型的方案更具長期成本效益。試用時特別留意它是否能「記住」過往的解題經驗
- 重新評估 AI 成本模型——不要只看 API 的單價，而要計算「完成一個具體任務需要多少 token」。SMITH 的 32 倍效率提升不是極端案例——它代表了一個正在發生的趨勢
- 考慮亞洲 AI 供應商——Appier、DeepSeek、Qwen 等亞洲 AI 公司在效率優化上的投入，可能比美國巨頭更貼近亞洲企業的實際需求。對於以中文和粵語為主營運環境的香港企業來說，這可能是一個實惠的選擇
總結
Appier 的 SMITH 框架被 NeurIPS 收錄，不只是一家公司的學術成就——它指向了 AI 應用下一個重要方向：效率革命。當大模型競賽愈演愈烈，參數規模不斷突破極限的同時，另一條賽道正在悄然成形：如何讓現有模型發揮最大價值，如何讓 AI 像人類一樣積累經驗、愈用愈精明。
對香港的 SME 和 AI 學習者而言，這是個好消息——因為這個方向降低的不是技術門檻，而是成本門檻。當 AI 愈來愈「省 token」，中小企業的 AI 應用之路也將愈來愈寬。
參考資料：工商時報 — Appier 最新研究登上 NeurIPS：AI 不只會用工具，更學會「自己造工具」（2026-09-30） ｜ 自由財經 — Appier 攻代理式 AI 新技術 小模型也能自己「造工具」（2026-09-30） ｜ 經濟日報 — Appier SMITH 登 NeurIPS：AI Agent 能自主打造與優化工具（2026-09-30）