Archives

【AI 時代的曝光成效衡量】14 倍長期價值遭財報低估，CMO 需打破「最後點擊」盲點找回獲利

董事會與經營層在審視行銷預算時常面臨一個痛點：大家知道預算花出去了，但到底帶回多少實質收益？如果只看報表上的「最後點擊」來發放獎金或分配預算，很容易漏算那些在前期默默幫企業「創造需求」的行銷投資。這不僅是報表誤差，更會影響管理層的資本配置判斷。 Google 發佈的《The Science of Demand: Ads measurement in the AI Era（需求科學：人工智慧時代的曝光成效衡量）》報告，希望協助企業回答這些問題。為確保每一筆投入都能精準轉換為業績，以下報告摘要從對齊財務目標、釐清報表盲點、升級數據資產、驗證真實因果，以及統一決策標準等面向，為經營層梳理清晰的決策路徑。 📎 這份報告適合誰閱讀？ 報告主要針對企業內負責預算分配、商業成長，以及數據基礎建設的決策者及專業人員所撰寫，適合以下五類工作者閱讀： 🔴 報告洞見 行銷不只是捕捉需求，而是創造需求 對於現代企業的行銷長而言，最大的挑戰已經從「參與市場」，升級為「透過精準度將價值倍數放大」。 過去那種依賴直覺、容許預算浪費的黑箱花費時代已正式宣告終結，取而代之的是高度波動與預算嚴格審查的新常態，這意味著企業投入的每一分錢，都必須能產出實質的商業價值。 為了在這場由 AI 驅動的極速競爭中勝出，Google 在報告中提出「需求科學（The Science of Demand）」的概念，以此描述一套將行銷從成本中心轉向長期獲利引擎的分析框架，核心建立在一個獲利方程式之上：數據＋因果關係＋更好的決策＝獲利性成長。 企業必須意識到，行銷的任務已不再只是被動「捕捉現有需求」，而是必須主動出擊去「創造需求」。但現實是，多數企業的報表系統根本看不見這類前期投資的價值。 只看最後點擊，會漏掉高達 14 倍的真實行銷價值 在行銷部門追求長期成長與財務部門要求短期實證之間，長年存在著巨大的摩擦與「能見度落差」。許多企業至今仍過度依賴「最後點擊」思維與標準的「30 天回溯期」來評估行銷成效，這種為了迎合財報週期而產生的短視盲點，正在扼殺企業真正的成長動能。 如果高管只願意獎勵促成最後轉換的那個點擊，將會摧毀在前端負責播種、創造消費者渴望的行銷引擎。 最新的實證研究指出，標準的 30 天點擊與 3 天參與觀看回溯期，雖然足以捕捉 70% 的一般搜尋曝光轉換，但對於著重於「創造需求」的曝光格式卻嚴重失真。同樣的短效回溯期，只能捕捉到 50% 的最高成效曝光轉換，以及僅 40% 的需求開發曝光轉換。 這代表超過一半以上的行銷價值，在傳統財報上是完全「隱形」的。 外部研究也佐證了這個問題的嚴重性，根據 Fospha 的研究數據指出，過度依賴傳統的最後點擊歸因，會導致 YouTube 與 Demand Gen 這類前期需求創造活動的真實投資報酬，被嚴重低估高達 14 倍。這不僅是報表上的誤差，更是企業在資本配置上的重大失靈。 […]

64% 製造業主管稱 AI 提升效率，為何營收、成本仍沒明顯改善？揭開 3 大 ROI 盲點

製造業正以前所未有的速度將 AI 導入日常營運場景，然而這股技術熱潮的成果，卻無法完全體現在財務報表中。根據 Grant Thornton 最新發布的「2026 年 AI 影響力調查」（Grant Thornton’s 2026 AI Impact Survey），在受訪的 100 位製造業主管中，沒有任何一個人表示 AI 為企業帶來顯著的營收增長，同時也沒有人說明 AI 已經帶來顯著的成本節省。相較之下，在參與同一項調查的其他產業中，對於營收成長、成本節省兩項成果的回報比例，分別都達到 12%。因此，這種在調查中出現「零回報」的現象，也格外吸引關注。 這項數據並不代表製造業在 AI 投資上毫無收穫，因為仍有高達 64% 的受訪製造業主管，明確表示 AI 確實有提升營運效率，且有 62% 的主管希望在營運部門中進一步擴大 AI 應用，這一比例在所有受調查的產業中位居首位。 然而，「效率提升」與「財務回報」之間存在著巨大的脫節，這也成為效率成果無法進入財報損益表（P&L）的卡關點。 生產線上的效率提升，雖然在技術演示中看起來非常完美，但除非這項效率提升能夠具體轉化為減少廢料、降低非計畫停機時間、下降庫存水準，或是減少保固索賠件數，否則就永遠只是虛擬的技術指標，無法化為財務長願意在損益表上簽字認可的成果。至於這股技術活動與實際財務收益間的巨大落差，實際上深植於製造業在採購、技術部署與治理上的三大核心盲點。 盲點一：製造業被競爭焦慮推著走，先啟動 AI 才再尋找商業問題 首先，許多製造業投入 AI 專案的出發點，往往來自於非理性的市場恐慌。調查指出，高達 45% 的製造業主管坦言，競爭焦慮是他們採用 AI 的最主要驅動力，這代表他們並不是從已經計算出成本的瓶頸、瑕疵率或其他具體的營運痛點出發，而只是因為擔心被競爭對手超越。 這種「先啟動、再找問題」的模式，在製造業屢見不鮮。許多團隊容易從「AI 也許能幫忙」的直覺想法，直接跳躍到「啟動試點」的執行階段，卻忽略在專案開始前，應該定義清楚該專案預計要改善哪一項營運或財務數字。這種做法導致 AI 模型與技術架構先被定義出來，但支持這項投資的商業案例卻還沒有建立的荒謬現象。 Epicor 產品暨創新長 Arturo Buzzalino 對此提出警告。他認為，當企業將 AI 視為科學實驗，推出與目標、價值以及核心流程脫節的獨立試點、通用聊天工具或客製化模型時，其實就是在浪費資金。 […]

公開人形機器人 25 自由度機器手！1X：手是通往物理世界的 API

手指能撿起錢包裡的硬幣、旋轉並裝上燈泡、拉起外套拉鍊，也能察覺物品正從掌中滑落，立即調整抓握。人形機器人新創 1X 最新公開 NEO 的新一代機器手，試圖把人類每天不假思索完成的手部動作，交給機器人。 根據《WIRED》報導，NEO 的五指機器手具備 25 個自由度，接近人手常見的 27 個自由度，並採類似人體肌腱的驅動設計。1X 表示，開發這雙手的目標，是移除限制人形機器人能力的「硬體上限」，讓資料成為能力擴張的主要障礙。 1X 更給這雙手一個特殊定位：「通往物理世界的 API」。 Introducing NEO’s 25 Degrees of Freedom, tendon-driven hands — nearing or surpassing human-level dexterity, strength, speed, and reliability. For seventy years, robotics worked around the hand problem. The humanoid bet is the reverse: it lives or dies at the fingertips. […]

AI 理財顧問為何比傳統業者更有優勢？金融業正在陷入一場「不對等競爭」

搜尋引擎最初的設計並非用來診斷疾病，但如今已有數百萬人在看醫生之前，會先諮詢所謂的「Google 醫生」。現在，AI 也正在對個人財務領域帶來極為相似的影響。 目前通用型聊天機器人已被越來越多人用來詢問理財問題，這股新興趨勢更被《金融時報》形容為「ChatIFA」。根據英國金融行為監理局（FCA）發布的報告顯示，已有約 1,100 萬名英國消費者願意或正在使用 AI 協助理財決策，範圍涵蓋儲蓄、借貸等層面。這些消費者不只是利用 AI 彙整與簡化資訊，其中高達 61% 的 AI 使用者表示他們會向機器人尋求具體的理財建議，甚至有將近四分之一的用戶，會把銀行對帳單等個人極度敏感的隱私資料上傳給 AI，以獲得更精確的回答。 這項轉變讓金融服務業面臨一個立即且嚴峻的課題：當 AI 能夠免費提供看似高度個人化、具體且具說服力的財務建議時，用戶未來是否還會願意付費聘請昂貴的傳統理財顧問？雖然客戶最終可能仍需要透過券商或特定管道，來執行這些由機器人推薦的交易，但這種純粹的通道服務，在金融服務鏈中絕對不是利潤的核心。因此，這股「AI 搶佔理財入口」的焦慮感，近期已在資本市場上掀起波瀾，進而重挫美國大眾市場財富管理龍頭 Charles Schwab、Raymond James，以及英國 St James’s Place 等機構的股價。 AI 理財顧問的真正優勢：不是更懂金融，而是更不受約束 這並不是一個老派金融巨頭因為技術落後，而輕易被新科技顛覆的故事。事實上，市場上已建立聲譽的傳統金融集團，完全有能力在技術上超越聊天機器人，因為他們擁有龐大的科技預算來打造數位投資諮詢介面，同時也握有海量的客戶數據支撐這些建議。甚至在便利性上，傳統金融機構可能更具優勢，因為銀行原本就掌握客戶的薪資、日常消費與儲蓄習慣，讓客戶不需要像面對聊天機器人一樣，重新手動上傳自己的隱私資料。 然而，傳統機構面臨的最大限制往往不是技術，而是無法擺脫的監管枷鎖。正規金融機構無法隨意提供客戶個人化的財務建議，因為金融市場存在極為嚴格的消費者保護規範，一旦給出錯誤建議，傳統機構將面臨巨大的法律責任、客戶賠償與監管處罰。 相較之下，通用 AI 工具目前卻能憑藉極少資訊給予建議。例如，當一名英國儲戶僅提供極為簡略的個人背景時， AI 聊天機器人就能直接給出具體回覆。這種在灰色地帶直接給出具體個人化建議的能力，讓通用 AI 工具在與受監管的金融機構競爭時，擁有不對等的優勢。 AI 能快速回答所有問題，卻不用承擔錯誤代價 為了解決這項競爭劣勢，Lloyds 與 Barclays 等英國主流銀行，目前正積極開發「目標支持」 工具。這是一項試圖介於具體「財務建議」與一般性「理財指引」之間的中間型服務。然而，這類工具的每一項輸出仍必須經過極其審慎的合規校準，不太可能像通用聊天機器人那樣，以高度靈活的自然語言，快速回覆用戶各種個人化的財務提問。 在面對 AI 給出的理財建議時，《金融時報》指出，我們很難期望單靠溫和的「免責聲明」就能降低壞建議所帶來的危害。大型語言模型在本質上就被設計成聽起來非常有說服力，這導致人類在實踐中往往會過度信任 AI 的輸出結果。 這種過度信任背後隱藏著極大的消費者保護黑洞。根據 FCA 的調查顯示，在曾經向 AI 諮詢個人財務建議的受訪者中，僅有 40% […]

高雄市政府經濟發展局局長廖泰翔：讓 AI 應用從過去的單點案例，串連成產業網

製造業升級目前的瓶頸，是老師傅腦中累積數十年的隱性經驗難以複製與傳承。當資深員工陸續退休、師徒制逐漸瓦解，如何用 AI 把「人」的 know-how 留下來，成為台灣製造業共同的課題。 TechOrange 科技報橘日前在高雄舉辦「2026 AI 智慧大工廠論壇」，以跨越經驗斷層，重塑製造韌性為主題，邀請高雄市政府經濟發展局指導，並集結鴻海科技集團、華碩、金屬工業研究發展中心、杰倫智能、谷林運算等專家，分享 AI 如何驅動傳統產業升級——從智慧排程、視覺檢測、預測性維護，到把老師傅的經驗轉化為可規模化、可傳承的數位資產。 為降低在地企業的 AI 轉型門檻，高雄市政府經濟發展局局長廖泰翔表示，經發局將持續協助企業對接像鴻海、華碩等 AI 技術、算力資源，把高雄既有的硬體製造優勢轉化為 AI 應用服務，讓 AI 從過去的單點案例串連成全面的產業網。 鴻海談未來工廠：AI 負責繁瑣事務，人類做決策判斷 鴻海科技集團正將傳統工廠轉型為具備「可帶走的製造能力」的智慧生產場域。面對全球龐大的生產體系與數據，鴻海科技集團智慧製造平台處長郭錦斌指出製造業升級的瓶頸並非缺乏 AI 模型，而是老師傅的隱性知識與經驗難以被複製與傳承。 「為什麼要做 GenAI，就是把個人經驗轉換成讓系統可以理解、流程被採用，被不同工廠持續改善的一個製造過程，」郭錦斌表示，為了跨越這個門檻，鴻海推出 Project Genesis 智慧製造平台，重新定義問題，並將複雜的現場痛點拆解為 AI 可執行的任務，並導入多代理協作（Multi-Agent）架構，透過 AI 將個人經驗轉化為系統能理解、流程能採用，且能在不同工廠間持續優化的可複用資產。 「當繁瑣的事務被機器取代後，人類就能進行更有價值的判斷，」郭錦斌強調，高度自動化與 AI 的介入，將人類的角色從過去的「資料整理者」，轉變為「問題定義者與決策審核者」，未來工廠的運作也將打破單點資訊孤島，透過品質、設備與排程等不同領域的 AI Agent 共同推理，提供經過多方權衡的綜合決策方案，透過這樣的人機閉環（Human-in-the-loop）治理護欄，共同推動製造業升級。 華碩四大 AI 解方，協助製造業跨越被動管理瓶頸 華碩智慧解決方案處長呂文成指出，華碩整合 4 種 AI 解決方案以及工業安全防護平台 AIEHS，全面解決工廠營運的轉型痛點。 第一是智慧排程派工系統「AISODA」：打破過去人工排程耗時、能見度低且插單溝通冗長等問題，華碩透過 AI 以「最短作業時間、最少在製存貨、最高產能利用率」等目標進行最佳化排程調度。 第二是 AI 視覺檢測「AISVision」：提供無程式碼的視覺開發環境，只需資料蒐集、資料標記、模型訓練、模型部署 […]

從開源 Llama 到付費 Muse Spark 1.1：Meta 如何用低價 API 搶攻 AI Agent 開發入口？

在 SpaceXAI 推出新模型、OpenAI 發表最新 GPT 5.6 之際，Meta 隨後也推出最新的專有 AI 模型 Muse Spark 1.1。這款內部研發代號為「Avocado（酪梨）」的新模型，不僅在功能上瞄準 AI Coding 與 Agentic AI，更在商業策略上搭配極具競爭力的超低價 API 與免費額度，試圖在開發者採用及大規模商業部署的入口處，正面迎戰 OpenAI、Anthropic 與 Google 等強勁對手。這也象徵 Meta 正式跨出過去以 Llama 開源模型為主的路線，試圖透過全新的 Meta Model API，向企業與開發者收取模型使用費。 Meta 推出低價 API 的策略與野心 為了在競爭激烈的市場中迅速吸引用戶，Meta 將 Muse Spark 1.1 的 API 價格設定為每百萬輸入 token 收費 1.25 美元、每百萬輸出 token 收費 4.25 美元，並為每個新帳號提供 20 美元的免費額度。Meta AI 長 […]

ChatGPT Work + GPT-5.6 同日登場，OpenAI 這次比的不是誰更聰明

OpenAI 同時端出兩項產品：主打企業市場的 AI 代理 ChatGPT Work，以及新一代模型 GPT-5.6。《Reuters》形容，前者是期待已久的 AI「超級 App」正式登場，後者的重點則從更聰明轉向更省──OpenAI 執行長 Sam Altman 強調的，GPT-5.6 做同樣的事更省。 搶白領工作入口，ChatGPT Work 正面對決 Claude Cowork ChatGPT Work 的定位，是把 OpenAI 的聊天機器人 ChatGPT 與其 AI 寫程式工具 Codex 結合起來，讓原本不會寫程式的一般工作者，也能用上程式設計工具的能力。 根據《The Verge》，它能從使用者選定的 App、檔案與工作流程中蒐集脈絡，產出文件、試算表、簡報與網頁應用等成品；OpenAI 並提供「統一外掛目錄」，讓 ChatGPT 可連接 Slack、Gmail、Google Drive、行事曆與 CRM 等工具。 Mac 與 Windows 桌面版應用程式的全球用戶（含免費用戶）已可立即使用；網頁與行動端則先開放給 Pro、Enterprise 與 Edu 用戶，Plus 與 Business 用戶會在接下來幾天陸續取得。OpenAI 同時推出新的 ChatGPT 桌面應用程式，以及可直接透過 ChatGPT […]

Vitals ESP 7 重大改版 打造 AI 時代知識管理新體驗

「AI 能力越強，越需要高品質、可信、可治理的企業知識」。生成式 AI 持續改變企業取得與運用知識的方式，如何讓組織知識更容易保存、查找及活用，也成為企業推動 AI 轉型的重要課題。歷經 20 多年的深耕與超過 800 家企業客戶的實務淬鍊，知識管理領導品牌 Vitals ESP 日前迎來跨世代重大改版。除了優化平台介面、強化使用者體驗，更深化 AI 智能與資訊安全應用，全面提升日常使用便利性，協助企業打造更智能、高效、安全的數位大腦。 Vitals ESP 始終以「成為企業最值得信賴的知識中樞」為願景，透過新技術與使用者回饋不斷優化產品。面對 AI 時代的來臨，知識管理不再只是文件保存工具，更是企業累積智慧資產、串聯組織經驗的重要基礎。 持續深化 AI 應用 讓知識取得更直覺 隨著生成式 AI 改變使用者取得資訊的習慣，企業對知識管理的期待也從過去的「找得到」，進一步提升為「問得到、看得懂、學得會」。然而，面對龐大的文件與多元資料來源，如何提高回答精準度、降低理解門檻，並讓知識真正被活用，已成為企業導入 AI 過程中的關鍵挑戰。 因此，Vitals ESP 7 持續深化 AI 應用，推出單一或自選資料集口語問答、附檔 AI 摘要、即時翻譯多國語、自我評量及 AI 問卷等功能，協助企業提升知識查找、學習與傳承效率，讓知識不只是被保存，更能在日常工作中發揮價值。 另一方面，隨著企業內部 AI 應用與異質系統日益增加，如何讓知識不侷限於單一平台，而能成為各項應用共同的智慧基礎，已成為企業邁向智慧化的重要關鍵。為此，系統提供彈性的 API，讓企業能將知識與生成能力延伸至更多應用場景，串聯不同系統與服務，逐步朝向企業數位大腦發展。 優化使用體驗與安全機制 兼備便利與安全 除了持續深化 AI 應用外，叡揚資訊也不斷傾聽使用者需求，致力於提供更便捷且友善的使用體驗。Vitals ESP 7 採用簡潔現代化的介面設計，並優化首頁資訊呈現、行動上傳及文件管理等功能，讓使用者能更專注於內容閱讀與知識分享，提升日常工作的便利性與效率。 另一方面，隨著企業累積大量重要知識與機敏資料，資訊安全也成為知識管理不可忽視的一環。除既有的異常使用偵測機制外，本次亦新增限制內網閱讀等功能，進一步強化敏感資料保護，在兼顧知識分享效率的同時，也守護企業核心知識資產。 持續深化知識治理 邁向企業數位大腦 AI […]

不再埋頭比價、彙整報表：TAMKO、Amazon 用 AI 代理，讓採購時間更值錢

企業採購正迎來新一波 AI 轉型浪潮。隨著生成式 AI、AI 代理（AI Agents）以及智慧自動化工具快速成熟，採購部門開始擺脫過去仰賴人工分析報表、比價與彙整資料的工作模式，將重心轉向更高價值的策略決策。 波士頓顧問集團（BCG）指出，企業若將 AI 整合至採購流程，最高可降低 45% 的整體成本，並減少採購團隊約 30% 的工作量，使人力得以投入供應商管理、策略規劃等更具價值的工作。另一份 2025 年美國生產力中心（APQC）研究也顯示，80% 採用 AI 的企業改善了資料品質，64% 的企業表示決策變得更加精準且有效，顯示 AI 已逐漸成為企業提升採購效率的重要工具。 TAMKO 靠 AI 代理整合系統，龐雜數據變決策依據 建材製造商 TAMKO 便是積極導入 AI 的代表案例。該公司採購長 Dean Czuma 表示，公司並沒有以 AI 取代原有採購系統，而是在既有的基礎執行系統之上增加一層智慧分析能力，希望透過數位化與 AI，加快洞察速度、優化工作流程，進一步提升整體營運成效。 TAMKO 導入的是 dSilo 開發的 Procure AI Agents（採購 AI 代理），其核心概念是在企業既有資料架構上建立一個智慧分析層，整合採購專業知識、AI 演算法與進階資料視覺化能力，自動分析散落在各系統中的採購資訊，萃取出具決策價值的「支出情報（Spend Intelligence）」。 過去，採購人員往往需要花費大量時間整理 ERP、財務系統及供應商資料，才能理解企業支出結構。如今，AI 能自動找出隱藏於龐大資料中的採購模式、成本變化與潛在節省機會，協助團隊更快掌握異常支出、供應商績效以及採購趨勢，讓管理者能更迅速做出決策。 Dean Czuma 表示，dSilo 的 AI […]

AI 省下初階人力，卻可能形成人才斷層：南韓、瑞士揭職場新警訊

受惠於全球對 AI 晶片與資料中心的龐大需求，南韓半導體巨頭三星電子（Samsung Electronics）與 SK 海力士（SK Hynix）的市值雙雙突破 1 兆美元。在工會的推動下，晶片部門的員工甚至迎來高達將近 40 萬美元的平均獎金。然而，這股令人矚目的 AI 紅利並未均等地流向所有勞工，而是沿著既有的勞動市場斷層分配：利益高度向擁有強大就業保護的「大企業內部員工」傾斜，而外包商、中小企業以及最關鍵的「年輕求職者」，則被隔絕在大門之外。 這並非南韓獨有的現象。橫跨萬里的歐洲金融重鎮瑞士，同樣正在發生類似變革。一項針對瑞士求職平台 jobs.ch 超過 730 萬則職缺廣告的研究指出，隨著企業加速採用 AI，瑞士初階職缺的廣告數量已顯著低於 2023 年以前的水準。 這兩國的案例共同揭示一個關鍵警訊： AI 對勞動市場的衝擊並非單純、粗暴的「全面取代工作」，而是正在悄悄改變招募偏好，讓初階職缺快速萎縮，而資深職位則更受重視。這種被稱為「資歷偏誤」的招募趨勢，極可能導致企業未來的人才培養出現嚴重的世代斷層。 AI 正在形成「資歷偏誤」：南韓青年職缺消失，資深工作者更吃香 南韓近年來的青年就業數據，持續為社會敲響警鐘。韓國銀行（Bank of Korea）經濟學家 Jinsu Han 與 Samil Oh 引述行政資料指出，在過去三年中，南韓 15 至 29 歲的青年工作減少 21.1 萬個，與此同時，50 多歲工作者的就業人數卻反向增加 20.9 萬個。這種青年就業下降的趨勢，在 AI 暴露程度較高（AI-exposed）的白領與技術產業中尤為明顯。數據顯示，資訊服務業的青年就業大幅減少 23.8%、出版業減少 20.4%，電腦程式設計、系統整合與管理領域下降 11.2%，而專業服務業也減少 8.8%。 經濟學家將這種勞動結構的轉變定義為「資歷偏誤的技術變革（seniority-biased technological change）」，背後的邏輯在於，初階工作者所仰賴的技能，多為可公式化、標準化的教科書知識，而這恰好是 AI 最擅長、最容易快速替代的領域。相反地，資深工作者長期累積的隱性知識、社會人際交往能力與職涯經驗，則更難被 […]

【科技早餐】AI 資源戰再擴大：Apple 加碼美國晶片、中國擬放行 NVIDIA H200、Meta 押注加拿大電力

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Apple 加碼 Broadcom 逾 300 億美元，美國將增產 150 億顆晶片 Apple 宣布，將在與 Broadcom 合作延長至 2031 年的基礎上，擴大金額超過 300 億美元的多年期合作，雙方將在美國設計及生產客製化晶片元件與先進無線連線技術，預計帶動超過 150 億顆美國製晶片生產，並支持數百個美國工作機會。Broadcom 將投入 15 億美元，擴建及升級位於科羅拉多州（Colorado）科林斯堡（Fort Collins）的製造設施。 這項協議是 Apple 美國製造計畫目前規模最大的合作承諾，也是公司未來四年投資美國 6,000 億美元布局的一部分。Apple 執行長庫克（Tim Cook）表示，美國製造的晶片對產品效能與連線能力相當重要。不過，產能回流也面臨人才壓力。根據麥肯錫（McKinsey & Co.）、國際半導體產業協會（SEMI）等機構的研究，到 2030 年，美國半導體產業可能短缺約 15.7 萬名技術人才。 ＊中國考慮限量放行 NVIDIA H200，DeepSeek、字節跳動可望受惠 中國政府正考慮允許部分大型 AI 業者限量採購 NVIDIA H200 AI 晶片。根據《The Information》報導，中國官員近期已向阿里巴巴（Alibaba）、字節跳動（ByteDance）與 DeepSeek 表示，相關企業可能很快取得採購許可，但最終核准數量仍在評估，可能低於 20 萬顆，不到企業原先需求的一半。 美國政府先前已允許 NVIDIA […]

員工都在用 AI，為何公司還看不到 ROI？Google Cloud 揭企業 AI 落地斷點

一家已有 138 年歷史、承保業務遍及全球的保險公司，已投入超過 5,000 萬美元發展生成式 AI，執行長見到 Google Cloud 亞太區 AI 上市業務董事總經理 Harsha Konduri，第一個問題卻是：「為什麼我們仍看不到合適的 ROI？」 這不是單一企業的困境，Harsha Konduri 在今（7/9）日舉辦的 Google Cloud Day Taipei 主題演講指出，87% 的企業 AI 專案從未達到生產規模，仍有大量專案停留在展示階段；真正把 AI 嵌入營運流程、形成競爭優勢的專案，占比甚至不到 5%。 Harsha Konduri 認為，問題往往從企業如何定義 AI 策略就已經開始。他歸納企業最常見的幾項誤區，包括把 AI 策略押在單一模型或供應商、認為擁有大量資料自然能形成優勢，甚至只把 AI 當成降低人力成本的工具。 台灣 57% 企業已部署生成式 AI，焦慮卻從怕不懂變怕跟不上 這股壓力在台灣更加明顯。IDC 台灣總經理江芳韻在 Google Cloud Day 活動中指出，IDC 去年下半年調查亞洲超過 950 家企業，台灣已有 57% 企業部署代理式 AI，高於亞太平均的 36%。企業對代理式 AI […]

Physical AI 缺的不是網路資料，而是動作標籤：General Intuition 如何把電腦遊戲數據變成機器人訓練燃料？

目前，AI 技術的採用與投資正在邁入新階段，也就是將 AI 的應用版圖，逐漸擴展至實體經濟中。在這一波實體 AI（Physical AI）與世界模型熱潮中，總部位於紐約的 AI 新創 General Intuition 正嘗試在競爭激烈的市場中開闢一條新路。 《TechCrunch》旗下 Podcast 節目《Equity》，近期特別專訪 General Intuition 的共同創辦人暨執行長 Pim de Witte，深入剖析 General Intuition 如何利用電子遊戲數據，顛覆傳統機器人的訓練模式。 傳統大型語言模型（LLM）的預訓練方法，主要是複製網路上所有的文字數據，並要求模型預測下一個文本標記以發展出理解能力。雖然文字是極佳的資訊壓縮媒介，但這種模式會產生在某些領域表現出色，卻在某些領域表現不佳的狀況。這個癥結點在於，文字本質上會移除現實世界運作所需的空間與時間資訊；相較之下，卻有一種數據來源不只包含網際網路級別的資訊密度，更具備現實世界的空間及時間動態，那就是「電子遊戲」。因此，General Intuition 也將電子遊戲數據，視為預訓練實體 AI 的新藍海。 General Intuition 看見的資料缺口：實體 AI 需要真實動作標籤 傳統大型語言模型所依賴的文字數據，本質上都是從作者的主觀視角出發，所以難免帶有個人偏見。由於文字代表的是一種「被描述的現實」，但實體 AI 必須在「被感知的現實」中訓練，以一種中立且無偏差的方式理解世界，這就是為什麼網路上雖然有數百萬部 YouTube 影片，卻無法直接用來訓練高品質的實體 AI 世界模型，因為最關鍵的局限就在於，這些網路影片缺乏畫面外的「真實動作標籤」。例如，在一段飛機降落的影片中，飛行員移動方向舵的具體物理動作，無法在影片像素流或畫面影格中呈現。 Pim de Witte 指出，雖然有些 AI 實驗室主張可以單純從像素中推導出動作資訊，但當客戶要求模型在極端情況下依然要做出完美表現時，這種推測出來的數據就會出現嚴重誤差，進而導致系統失控。因此，如果缺乏真實的動作標籤，AI 模型在面對邊緣案例（Edge Cases）時，誤差會不斷累積，且模型將無法有效把自身的動作與周遭環境區隔開來。面對這樣的挑戰，General Intuition 決定利用獨家的「遊戲畫面加上玩家按鍵輸入數據」進行訓練，讓模型得以在精確的時空維度中推理與控制。 數億小時遊戲影片與玩家操作數據，如何變成機器人的世界模型？ 為了實現這個願景，General Intuition 擁有獨特且具規模的專有數據庫，因為該公司是從 Metal […]

ADI 與安馳攜手六校賽車隊　開啟智慧感測與能源系統技術交流

當 AI、機器人與電動車快速發展，企業對具備硬體實作與系統整合能力的人才需求持續提升。台灣六支學生方程式賽車隊每年集結超過 300 名工程學生投入開發，是國內少數能培養跨領域系統整合能力的重要學生團隊。亞德諾半導體（Analog Devices, ADI）與安馳科技（Macnica Anstek）於 2026 年 7 月 7 日共同舉辦「智慧感測與能源系統工作坊」，邀請國立臺灣大學、國立清華大學、國立陽明交通大學、國立成功大學、國立臺灣科技大學及國立臺北科技大學六校車隊分享 ADALM2000（M2K）量測應用與電池管理系統（BMS）開發經驗，打造學生車隊與產業之間的技術交流平台。 本次工作坊聚焦「智慧感測」與「能源系統」兩大主題，由各車隊分享實際造車過程中的技術成果與開發經驗。國立陽明交通大學分享如何運用 M2K 量測工具驗證 BSPD（Brake System Plausibility Device）安全機制，確保油門與煞車訊號符合賽事安全規範；國立臺北科技大學則分享 DC-DC 轉換器開發經驗，說明如何透過量測分析切換雜訊、驗證系統效率並優化電源設計。其他車隊也分享電池管理、電源系統及整車開發等實務經驗，透過跨校交流彼此學習，累積更多工程實作與系統整合經驗。 在能源系統方面，六校車隊多數採用 ADI LTC6813、LTC6811 系列多電芯電池監控 IC 作為電池管理系統（BMS）核心元件，協助提升高壓電池系統的量測精度、通訊可靠性與安全性，也是目前國際學生方程式賽車廣泛採用的解決方案。活動最後也比照學生方程式賽事中的靜態賽（Static Event）形式，由企業代表針對各車隊提案提供回饋，不僅讓學生從產業角度檢視設計成果，也讓企業更深入了解學生團隊的系統整合、工程思維與問題解決能力。在校園裡，這些車隊就像在有限資源中努力成長的工程花朵。他們沒有企業完整的研發設備與資源，卻必須完成接近業界開發流程的挑戰，從設計、製造，到不斷修改，每年重新打造一輛全新的電動賽車，在反覆驗證與問題解決的過程中，累積系統整合與工程實作能力。 ADI 資深銷售經理陳曜桎和安馳科技總經理陳發勇則表示，希望此次工作坊成為企業與學生團隊深化交流的起點，未來持續串聯更多企業資源，推動智慧感測與能源系統相關技術交流，陪伴更多台灣年輕工程師站上國際舞台。隨著各車隊即將啟程前往日本、歐洲及澳洲參與學生方程式賽事，也期許學生將一年來的努力成果帶向國際，在世界舞台展現台灣工程人才的實力。 (本文訊息由安馳科技提供，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。圖片來源：安馳科技。）

比 Claude、GPT 便宜一半：Grok 4.5 不爭最強模型，要用成本效率戰撼動 AI 市場

SpaceXAI 與 AI 程式開發新創公司 Cursor 深度整合後，正式推出首款聯合開發模型 Grok 4.5。相較於以往的 Grok 版本，Grok 4.5 被明確定位為面向軟體工程、法律與金融服務等高難度、長時間任務的旗艦產品，擺脫過去一般聊天機器人的定位。 《Bloomberg》指出，這款旗艦模型是 SpaceXAI 爭奪企業客戶、追趕 Anthropic 與 OpenAI 等強勁對手的關鍵行動，特別是在金融服務領域，SpaceXAI 正在積極強化處理金融工作流程的能力，核心目標就是要贏得華爾街客戶的青睞，藉此開拓更龐大、穩固的營收來源。 Grok 4.5 基準測試未登頂，成本效率卻突圍 在各大 AI 基準測試中，Grok 4.5 其實並未在所有維度上都取得壓倒性的領先。例如，在測試複雜命令列任務的 Terminal Bench 2.1 中，Grok 4.5 取得了 83.3% 的佳績，幾乎追平獲得 83.4% 的 GPT-5.5，與 Anthropic 的 Fable 5 也僅差 1 個百分點。然而，在解決真實 GitHub 問題的 DeepSWE 1.1 測試中，Grok 4.5 的得分僅為 53%，明顯落後於 GPT-5.5 […]

OpenAI 推 GPT-Live 加入 AI 全雙工競賽，「聊天框的終點」比想像更近？

過去兩年，和 AI 對話大致有兩種樣子：在聊天框裡打字，或是對著麥克風口述，再等上一兩秒聽它一句略顯生硬的回覆。OpenAI 最新推出的語音模型 GPT-Live，想改寫的正是這個節奏，它讓 ChatGPT 能一邊說、一邊持續聆聽，正式把 OpenAI 推進 AI 全雙工（full-duplex）競賽。《VentureBeat》更指出，在多家業者已經投入相同技術的此刻，聊天框走向終點的那一天，可能比任何人預期的都更近。 不必等你把話說完：全雙工如何改變人與 AI 的互動 GPT-Live 由 GPT-Live-1 與 GPT-Live-1 mini 兩款模型組成，即日起在 iOS、Android 與 ChatGPT.com 全球上線，取代原本的進階語音模式（Advanced Voice Mode）。付費用戶預設使用 GPT-Live-1，免費用戶則用 GPT-Live-1 mini。 它最關鍵的技術轉變，OpenAI 稱為全雙工架構。在電信領域，全雙工指通話雙方能同時說與聽；放到 AI 上，意思是模型在生成回應的同時，仍持續處理你正在說的話，不再需要等一個乾淨的靜默，才判斷你講完了沒。用 OpenAI 的說法，模型每秒可做出多次互動決策：該說話、繼續聽、停頓、插話，還是呼叫工具。 實際體驗上，這讓語音助理能在你還在說話時插入「嗯哼」、「對」、「了解」這類回應，在自然的停頓處接話而不搶快，也能在被打斷時不至於整段脫軌。《Business Insider》的示範中，使用者要求 ChatGPT 一邊確認會議日期、一邊查天氣與路況，模型以簡短的「嗯」、「好」回應，並在使用者不斷追加需求時仍沒有跟丟。 相比之下，OpenAI 在 2024 年 9 月推出的進階語音模式雖然已把處理與生成收進單一模型，卻仍以僵硬的輪流方式運作。由於它靠靜默來判斷發言結束，一個短暫停頓或背景雜音都可能被誤判成「你講完了」，於是不合時宜地插話。有研究者在 X 上形容那種體驗像「對講機式的輪流」，而 GPT-Live 要終結的正是這個時代。從 2023 年初代 ChatGPT 語音的串接式管線（語音轉文字、大型語言模型、文字轉語音三段接力，早期約有 1,700 […]

93% 的 CIO 做不了快決策：AI 時代的領導者困境

過去，資訊長（CIO）職責主要圍繞在維護 IT 基礎設施，確保組織系統運作順暢。然而在生成式與 Agentic AI 席捲企業的此刻，這個角色經歷三十年來最劇烈的重塑。 在拉斯維加斯舉行的 Info-Tech LIVE 2026 大會上，IT 研究及顧問公司 Info-Tech Research Group 執行長 Tom Zehren 說，「CIO 已經沒有所謂正常的位置了」，一句話道盡 CIO 當前的處境。 Tom Zehren 指出，過去十二個月出現了三十年來最高的 CIO 更替率，背後主因是董事會與執行長對 AI 落地速度逐漸失去耐心。 Zehren 在會上拋出 CIO 心態必須轉變的方向，「過去許多領導者習於扮演『CI-NO』的角色，一遇到風險就先否決、先喊停；如今則必須切換成『CIO-yes, and⋯』的態度，也就是先肯定說『可以』，再主動為組織尋找前進的路徑，並擁抱可規模化的代理式 AI 架構，而不是成為創新的煞車鍵。」 CIO 存續的關鍵：如何把技術轉化為真實業務價值？ 這正是 CIO 角色的根本轉變：衡量 CIO 的標準，已經不是看他構建了多少技術，而是看這些技術在組織裡被用得多好、又擴展到多大規模。 寶僑（P&G）資訊長 Seth Cohen 直言，最有效的 CIO 如今首先是業務領導者，運用 AI、資料與數位能力加速組織成長、改善決策、創造更好的體驗；Krispy Kreme 的全球資訊與技術長 Angela Yochem 也認為，CIO […]

【科技早餐】前沿 AI 進入管制、供應鏈與資本戰，中美審模型、DeepSeek 補晶片

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊中國擬限制海外使用先進 AI 模型，模型出口也成國安議題 《路透》引述知情人士報導，中國政府最近與多家科技企業開會，討論是否限制海外存取中國最先進的 AI 模型。參與會談的企業包括阿里巴巴、字節跳動與智譜 AI，會議由中國商務部主導，國家發展和改革委員會也派員參與。 消息人士表示，討論內容包括是否對最先進 AI 模型加上限制，不論是閉源模型，還是開放權重模型，都可能納入範圍。官員也提到，若涉及專有 AI 技術外流或遭竊，可能依中國國安相關法律處理。目前限制範圍仍在討論中，可能只適用於未來模型，也還不確定何時生效。 ＊GPT-5.6、Fable 5 陸續放行，美國前沿模型先審再上線 《Axios》報導，美國商務部已批准 OpenAI 更廣泛推出 GPT-5.6。這款模型原本因美國政府基於國安疑慮要求延後，OpenAI 先限制給少數經審查的合作夥伴使用。這次獲准後，OpenAI 預計推出 GPT-5.6 系列三款模型。 這和 Anthropic 的案例相互呼應。美國政府之前對 Fable 5 和 Mythos 5 實施出口管制，由於 Anthropic 無法即時驗證使用者國籍，曾暫停兩款模型存取。6 月底限制解除後，Fable 5 恢復全球使用，Mythos 5 則先恢復給部分美國組織與合作夥伴。Fable 5 在部分付費方案的促銷期結束後，將改由 usage credits 按量計費，顯示前沿模型上線後仍面臨算力與成本限制。 ＊DeepSeek 自研推論晶片，中國 AI 自主化卡在供應鏈 《路透》報導，中國 AI 新創 DeepSeek […]

歐洲人形機器人新勢力：特斯拉前科學家成立 UMA，靠什麼吸引 50 家企業洽談？

人形機器人競賽長期由美國與中國企業主導，如今歐洲也出現新的參賽者。曾參與 Tesla Optimus 與 Autopilot AI 開發的機器學習科學家 Rémi Cadene，與前 Google DeepMind、Hugging Face 工程師共同創立巴黎機器人新創 UMA，並在近日正式發表首款人形機器人 Northstar。 根據《Bloomberg》報導，UMA 已與約 50 家潛在客戶洽談實際應用場景，並決定優先進軍歐洲市場。Cadene 將原因指向歐洲的高勞動成本與人口結構變化。他表示，歐洲人口老化日益嚴重，勞動成本居高不下，市場對於機器人的需求將會非常強勁。 Starting with the fundamentals Prototype Version 0AI, Software, HardwareA small team, 9 monthsDesigned and assembled in Paris at @UMA_Robots pic.twitter.com/BJvtpgHctL — Remi Cadene (@RemiCadene) July 7, 2026 一支從巴黎出發的「夢幻團隊」 UMA 之所以一亮相就受到關注，很大程度來自它的團隊經歷。Cadène 在 Tesla 工作約三年（2021 至 2024 […]

為什麼 AI 做的 App 一眼就被看穿？三大跡象揭開 Vibe Coding 的 UI/UX 盲點

在 AI 技術快速發展的背景下，軟體開發領域正掀起一股 Vibe Coding 浪潮，像是 Claude Code、Lovable、Replit 與 Base44 等工具，讓完全不具備技術背景的創作者，也能在短短幾小時之內，僅憑直覺與想法打造出可變現的應用程式。 然而，這些由 AI 設計的應用程式在市場上大量湧現後，卻開始暴露出高度同質化的特徵，許多產品雖然外表看起來十分精美，實際使用時卻不夠直覺。這些設計細節在產品處於小規模測試時或許無傷大雅，但一旦決定擴大規模並進入商業化階段，種種隱藏的設計盲點就可能演變成致命的商業問題。對此，《Business Insider》歸納出三大特徵，分析 AI 設計的應用程式最常在哪些地方露餡。 特徵一：介面長得越來越像，AI 生成設計陷入「平均美學」 這些由 AI 打造的應用程式，第一個明顯跡象在於其設計風格顯得單調與公式化。AI 設計新創公司 Impeccable 執行長 Paul Bakaus 指出，AI 生成設計的典型特徵，就是往往會大量出現米色或帶有淡淡色彩的背景，並搭配標準的無襯線字體。他將這種現象稱為「演算法版的 Uniqlo 或 Ikea」，意即這種設計雖然不差，但完全缺乏獨特性。  華盛頓大學人機互動（HCI）學者 Donghoon Shin 發表的研究也證實，這種 Vibe Coding 模式已經導致軟體介面設計同質化。他進一步向《Business Insider》表示，這類產品的設計往往會收斂成「單一且符合統計平均值的美學」。這套美學包括以大量白色和灰色為主的溫和配色、單一的品牌強調色、標準無襯線字體，以及處處可見的圓角元素和投影效果。 當《Business Insider》記者實際使用 Base44 測試製作一款新聞室照片編輯器的應用程式時，產出的介面就充斥著大量的米色元素與無襯線字體。卡內基美隆大學人機互動研究所副教授 Sauvik Das 則將此現象定義為設計上的「回歸平均值」（regression to the mean）效應。  這類設計上的平庸感也引起部分開發者的警覺。例如印度的一位產品經理 Priyanshi Bansal 就曾使用 Claude […]

便宜中國 AI 模型還能用多久？北京擬限制海外存取權，企業省下成本卻換來供應鏈風險

中國研發的 AI 模型近年憑藉極低的 token 成本，以及逼近美國前沿模型的性能，在海外市場迅速崛起，成為許多企業降低營運成本的熱門選擇。然而，《Reuters》報導，目前中國正在研擬對最先進的 AI 技術實施出口管制，這將直接衝擊海外企業，讓原本省下的短期成本轉化為長期的供應鏈風險。這也凸顯，美中科技競爭的戰線已經延伸到模型與 API 的海外存取層面，讓企業在追求成本效率的同時，面臨前所未有的地緣政治不確定性。 低價中國 AI 模型爆紅後，北京為何考慮限制海外存取？ 阿里巴巴打造的 Qwen、字節跳動推出的豆包，以及 Z.ai 的 GLM-5.2，近年來因價格低廉、效能逼近美國前沿模型，在國際開發者與企業市場中迅速累積大量用戶。特別是 GLM-5.2，在部分基準測試中已直逼美國頂尖模型，使用成本卻僅為競爭對手的一小部分。對此，Vercel Agent 基礎設施主管 Harpreet Arora 曾指出：「當任務不需要最強模型時，團隊會開始把工作轉向最便宜且足夠好的模型上，而近期中國模型正贏得這場成本效益的選擇。」 然而，這項成本優勢即將迎來政策變數。據報導，中國商務部上月已召集阿里巴巴、字節跳動、Z.ai 等科技巨頭開會，討論限制海外存取中國最先進 AI 模型的可能性，且限制範圍可能涵蓋閉源模型、開放權重模型，甚至尚未發布的新模型。同時，中國官方也考慮將洩漏或非法轉移受保護 AI 技術的行為，直接納入國家安全法處理，並進一步收緊外資對中國國內 AI 新創公司的投資與融資限制。 為了建立具體的法規框架，中國法律專家已提出一套「分級審查」的構想。在此構想下，基礎的開源 AI 工具僅需進行簡單備案，較先進的技術則須通過嚴格的安全審查，而最敏感的前沿模型甚至可能被禁止對外公開發布，或僅限於中國境內使用。這一系列針對本土技術外流的「防禦型」立法考量，底層邏輯實際上與美國對中國實施的科技封鎖相同，那就是企圖將頂尖的 AI 模型鎖定在國境之內。 AI 模型成美中兩國戰略資產，技術保護主義正築起新高牆 中國這一連串擬議中的限制措施並非孤立的政治決策，而是美中雙方皆已將頂尖 AI 模型視為國家不可流失的「戰略資產」。事實上，中國的做法很大程度是在模仿美國政府的政策先例。美國政府先前同樣以國家安全為由，下令限制外國人存取 Anthropic 最先進的 Fable 5 與 Mythos 5 模型。雖然面向大眾應用的 Fable 5 已經被重新開放，但針對網路安全專業人士設計、具備極強漏洞探測能力的 Mythos 5，至今仍僅開放給少數受信任的美國機構與合作夥伴使用。 美國對高風險前沿模型的管制，加深了中國對技術外流與資安防禦落差的焦慮。中國網路安全巨頭奇虎 […]

5 分鐘重算最佳產能！華碩智能整合方案部處長呂文成分享如何應用 Industrial AI 打造可落地的智慧製造流程

面對製造業 AI 轉型的強勁需求，華碩智能整合方案部處長呂文成日前於 TechOrange 科技報橘在高雄舉辦的 AI 智慧大工廠論壇中表示，華碩推出一系列從產線、廠務到廠區的全方位工業級 AI 智慧製造解決方案，涵蓋智慧排程派工、AI 視覺檢測、馬達振動檢測與設備預防保養、設備信號監測等，整合 4 種 AI 解決方案以及工業安全防護平台 AIEHS，全面解決工廠營運的轉型痛點。 一、AISODA 智慧排程打破人工盲點，5 分鐘重算最佳產能 在製造現場，排程與派工是影響產能與交期的關鍵。傳統人工排程高度依賴紙本作業與個人經驗，管理能見度通常只能以「日」為單位，一旦遇到客戶抽單或插單問題，往往需要耗費多位人員數小時的冗長溝通與協調。 為解決此痛點，華碩推出 AISODA 智慧排程派工系統，整合企業資源規劃與製造現場的報工資訊，將人、機、料、法及行事曆等要素納入運算。使用者只需透過「特殊預約、拆單指定、權重優先與滾動派工」四個步驟，即可在短時間內算出兼顧最短作業時間、最少在製存貨與最高產能利用率的最佳化方案。呂文成強調，「我們希望透過這個 AI 賦能排程，將管理的細膩度跟能見度降低到以『分鐘』為單位，並讓生產能見度擴展至 30 到 60 天，並透過系統整合，在 5 到 10 分鐘內重新排程。」此外，AISODA 具備閉環運行的能力，能依據派工計畫與實際產出數據進行 PDCA 的滾動驗證與即時調校，提升計畫的透明度、準確性與可信任度。 二、AISVision 零代碼視覺檢測，克服傳統 AOI 痛點 除了生產排程，產品品質控管也是製造業的關鍵。華碩推出的 AISVision 視覺檢測模型工具，打破過去導入 AI 視覺專案必須具備軟體開發能力的限制，工程師只需透過「資料蒐集、資料標記、模型訓練與模型佈署」四個步驟，即可輕鬆建立 AI 模型。 這套系統支援分類、分割、旋轉物件偵測及異常檢測等多種演算法，在第一線產線應用中，AISVision 尤其擅長解決傳統光學檢測（AOI）設備因嚴格閥值所導致的「高度過殺」痛點，協助企業降低複檢的人力成本，目前該系統已成功應用於金屬扣件、汽車零件、電子組裝與食品包裝等多個領域。 三、 AISSENS + AISPHM 打造預測性維護智慧防線 在廠務端，設備的穩定運作是維持生產不中斷的基礎。傳統設備監控往往在無預警故障後才發出警報，導致意外停機與高昂維修成本。為此，華碩提出 AISSENS […]

Meta 首款 AI 圖像模型 Muse Image 登場：真正難複製的優勢，藏在 Instagram 裡

Meta 旗下超級智慧實驗室（Meta Superintelligence Labs）近日推出首款圖像生成模型 Muse Image，最引人關注的不是它的效能數字，而是它能直接 @ 標註公開的 Instagram 帳號，把真實人物的長相帶進 AI 生成的圖像裡。當各家圖像模型的能力差距逐漸縮小，Meta 押注的競爭籌碼，或許不在模型本身。 效能不是第一，但這不是 Meta 的重點 Muse Image 是 Meta 超級智慧實驗室繼 4 月推出大型語言模型 Muse Spark 之後的第二款重要模型，原始開發代號為 Mango，由 Alexandr Wang 領軍打造。 就模型能力而言，Meta 並不是領先者。根據《CNBC》引述的 Meta 內部測試，Muse Image 在單張與多張圖像編輯等任務上落後 OpenAI 最新的 GPT Image 2，但勝過 Google 的 Nano Banana 2。Meta 官方指出，Muse Image 在圖像競技場 Arena 的文字生圖、單張與多張圖像編輯等多項人類偏好排行榜上暫居第 2。換句話說，它夠強，卻不是最強。 值得關注的是，Meta 替 Muse […]

AI 工具部署容易，轉成商業價值很難：BCG、Revelio 示警企業勝負卡在策略與流程

過去兩年來，全球企業競相部署聊天機器人、AI 代理人與各種自動化助理，期望能在這波技術浪潮中搶佔先機。現在，這股部署熱潮正迎來關鍵的分水嶺，因為在企業實際運作中，部署 AI 工具其實相對容易，真正困難的是如何將其轉化為商業價值 。許多企業在完成技術部署後，卻赫然發現，如何引導員工「用得好」才是最艱難的挑戰，這導致多數新工具未能轉化為實際的營運成效。 這場技術革命究竟是策略重要，還是工具關鍵？波士頓諮詢公司（BCG）最新的全球調查數據給出答案 。這項研究指出，只要企業擁有明確的策略方向，即便員工手邊能夠取得的 AI 工具資源相當有限，依然有高達 80% 的人表示 AI 在工作中創造可衡量的實質影響。相反地，如果組織內部缺乏清晰的策略指引，即便企業給予員工充足的 AI 工具取得管道，也僅有 60% 的人能看見成效 。這項鮮明的對比也揭示當前企業的導入盲點：缺乏策略的技術投資，終究只是一場低效的工具堆疊。 買工具不等於買到生產力：蜻蜓點水式採購只是無效投資 許多企業在導入 AI 時面臨的第一個迷思，就是誤以為只要編列預算、購買軟體授權，企業的生產力與營運成效就會自然提升。為了釐清這種「買了技術就能自動升級」的盲點，金融科技公司 Ramp 與勞動力情報平台 Revelio Labs 聯手分析近 22,000 家美國企業的支付憑證與員工數據。他們的研究發現，單純把 AI 當作點綴、跟風採購的企業，與真正將 AI 深度融入營運的企業之間，在「業務擴張與聘僱成長」上，展現出完全不同的結果。 這份研究指出，蜻蜓點水式的「低強度採用者」，每人每月的 AI 支出平均不到 3 美元，其整體員工人數在引進 AI 後幾乎沒有改變，反映出單純購買工具對企業的實質擴張毫無助益。相反地，願意深耕技術的「高強度採用者」，每人每月平均 AI 支出約 34 美元，這群企業在引進 AI 後的前 24 個月內，整體員工人數成長了 10% 以上，初階職位也同步增加 12%。 因此，要跨越「買了工具卻看不到成效」的瓶頸，關鍵在於企業是否進行深度的內部重組。正如調查研究作者在報告中所分析，AI 採用的真正效益，不可能只靠訂閱企業版聊天機器人就能實現，而是必須高度依賴互補性的投資、組織變革，以及企業內部的學習。缺乏這三層深層配套的蜻蜓點水式採購，最終只會讓高昂的軟體服務流於擺設，無法為企業帶來真正的成長與回報。 從省時到倦怠：BCG 示警企業 […]

【後 LLM 時代】AI 頂尖研究者競逐的下一個前沿：從預測文字到理解物理世界

電腦科學家 Louis Castricato 花八年研究大型語言模型，但他離開了布朗大學的博士班，因為他認為，人們基本上已經過了做真正基礎 LLM 研究的時間點；而 Castricato 不是唯一這樣想的人，包含 AI 教母李飛飛在內，愈來愈多 AI 領域的頂尖研究者，正在投入他們認為的下一個前沿：讓 AI 系統學會如何在物理環境中反應的「世界模型」。 聊天機器人不會拿起咖啡杯 語言模型的運作方式，是透過反覆預測下一個詞或像素，來生成新的文字、圖像或程式碼。這套方法在過去幾年，讓 AI 助理改變了辦公室工作與部分創意領域的生態，但它有一個根本的限制。 卡內基美隆大學電腦科學院長 Martial Hebert 說，世界的幾何結構、手部移動的動態、與杯子接觸時的物理互動，這些都遠比預測句子裡的下一個詞複雜得多。聊天機器人能告訴你如何拿起一個咖啡杯，卻沒辦法真的拿起它。 圖靈獎得主 Yann LeCun 則用一個更日常的例子說明這個問題：當有人問「洗車店在 100 公尺外，我應該走路去嗎」，不少 LLM 會建議步行，理由是距離很近，卻忽略了「車必須被開進洗車店」這個最基本的物理前提。 LeCun 指出，這不是一般所說的「幻覺」問題，而是模型根本缺乏對物理世界因果關係的內部建模能力。 LLM 能說出「如果我這樣做可能會發生什麼」，但那是在複現訓練資料中的語言模式，而非真正在內部模擬世界的運作。 什麼是世界模型？每個人的答案都不一樣 儘管這個概念正在吸引大量研究者的注意，它至今沒有一個公認的定義，往往取決於開發者想建構什麼應用。 李飛飛近期的發言提供了一個對比性的描述：語言模型學習文字的統計結構，世界模型學習的則是空間與時間的統計結構——光如何照在表面、從未被攝影機捕捉過的角度花園長什麼樣、物體如何回應力量並遵循物理定律。 李飛飛是 ImageNet 的創建者，這個 2009 年的資料集催生了電腦視覺的深度學習革命，她同時也是舊金山新創 World Labs 的創辦人，她將世界模型形容為「當今 AI 中最重要、也最被過度使用的詞彙之一」。 已離開 Meta 首席 AI 科學家一職、在巴黎創辦 Advanced Machine Intelligence […]

企業 AI 太難用，員工就自己找工具？企業治理影子 AI 的 90 天解法

企業砸重金導入 AI，效率雖然提升，但有一個問題正在檯面下擴大：公司其實不太清楚員工到底怎麼使用 AI。資安業者 Teramind 的研究發現，就算公司已經買了企業級授權，仍有 67% 的 AI 使用跑在沒人管的個人帳號上。錢花了、工具買了，真正的使用卻落在企業看不到的地方。 這種公司看不見、也管不到的 AI 使用，就叫 Shadow AI（影子 AI）。它指的是員工繞過公司核准的工具，改用個人帳號、免費版本，或直接從瀏覽器打開各種 AI 服務來處理工作。 Shadow AI 難纏的地方，不在員工不守規矩，而在公司給的安全 AI 選項，可能比員工自己找的工具還難用。 不是員工不守規矩，而是企業「看不見」 Shadow AI 第一個麻煩是可見度。Teramind 指出，86% 的企業根本看不清資料怎麼流進、流出 AI 工具。而這些看不見的使用還在快速長大。資安業者 Netskope 的威脅研究團隊 Netskope Threat Labs 在《Cloud and Threat Report: 2026》裡觀察到，過去一年企業內用 genAI 的人數變成三倍，送出去的提示量更是六倍，從每月 3,000 則衝到 18,000 則。但用得多，出事也多。 同一份 Netskope 報告顯示，敏感資料違規事件一年翻倍，平均每家公司每月踩到 223 次，其中六成的內部威脅都和個人雲端帳號有關。報告還提到，有一半的企業連一套能真正執行的 AI 資料政策都沒有，因此帳面上的違規數字，很可能只是實際風險的冰山一角。 更根本的問題是，「工作用 AI」和「私人用 […]

【科技早餐】AI 全球重排：聯合國喊管制、中國轉本土晶片、Microsoft 裁 4,800 人控成本

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊聯合國首場 AI 治理對話，古特瑞斯籲禁止殺手機器人 聯合國在日內瓦舉行首屆「全球 AI 治理對話」（First Global Dialogue on AI Governance），會議為期兩天，邀集各國政府、科技業、學術界與公民社會代表，討論 AI 發展下的治理方向。聯合國秘書長古特瑞斯（Antonio Guterres）警告，AI 正以極快速度發展，已經快到連開發者都難以跟上。如果缺乏全球性規範，AI 可能重塑經濟、改變工作型態、影響選舉，甚至打破安全平衡。 古特瑞斯表示，創新需要護欄，如果 AI 要展現強大力量，就必須受到治理。他特別點出兒少安全，呼籲企業簽署 AI 兒童安全承諾，要求 AI 系統在開放給兒童使用前，必須先證明安全性；當兒童出現痛苦跡象時，系統也應停止互動，並轉介給真人協助。他也警告，最先進的 AI 系統正集中在少數企業與少數國家手中，開發中國家幾乎沒有話語權，可能讓數位落差進一步變成 AI 落差；在軍事領域，古特瑞斯則呼籲以國際法禁止致命自主武器，避免機器在沒有人類控制與判斷下選擇目標並發動攻擊。 ＊中國 AI 晶片本土化加速，NVIDIA 市占壓力升高 《彭博》報導，彭博智庫最新調查顯示，中國企業正在把更多 AI 加速器預算轉向本土晶片。受訪的中國高階主管表示，未來 12 個月，預計會把 46% 的 AI 加速器預算分配給中國本土產品，高於目前的 30%。這反映美中科技緊張關係正在重塑中國 AI 基礎設施建設，也讓本土晶片供應商取得更多市場機會。 雖然 NVIDIA 產品仍受到中國企業歡迎，但隨著 H20 晶片在政策與採購環境下更受限制，加上中國政府先前要求科技公司降低對 H20 的採用，中國本土晶片供應商的機會正在升高。可能受惠的企業包括華為、海光信息與寒武紀。《彭博》也曾報導，中國未來 5 年可能投入約人民幣 […]

不賣家用人形機器人夢：Agility Robotics 如何用 RaaS、工業認證與真實數據打進倉儲物流現場？

總部位於美國奧勒岡州的雙足人形機器人製造商 Agility Robotics，宣布將透過與 Churchill Capital Corp XI 合併，以高達 25 億美元的估值登上公開市場，成為首家完全致力於人形機器人開發與銷售的上市公司。 然而，與許多喜歡宣傳家用人形機器人願景的競爭對手不同，Agility Robotics 執行長 Peggy Johnson 並未向投資人推銷家用機器人即將普及的想像。Peggy Johnson 坦言，家庭環境遠比倉儲與工廠更混亂且不可預測，因為內部充斥著寵物、嬰兒、訪客以及隨意擺放的物品，所以人形機器人真正進入家庭至少還需要 10 年以上的時間。相較之下，倉儲與製造場域雖然複雜，卻擁有固定走道與可預測的設備和工作流程，這讓第一波雙足人形機器人的商業化主戰場，必然會聚焦在企業級的工業與倉儲場景。 Agility Robotics 如何用 RaaS、安全認證與真實數據拉開差距？ 《TechCrunch》分析，Agility Robotics 在商業策略與技術路徑上均採取極為實用主義的路線。這種務實定位直接反映在其創新的「機器人即服務（RaaS）」訂閱制商業模式中。Agility Robotics 目前已取得超過 3 億美元的已預訂（booked）多年期營收，代表約 1,000 台機器人的訂閱合約，客戶並非一次性買斷硬體，而是支付月費以獲取持續的服務。這群已通過核實並具備明確部署計劃的早期合作名單，包括物流巨頭 GXO Logistics、電商龍頭 Amazon、加拿大豐田汽車、工業零件大廠 Schaeffler 與拉丁美洲電商巨擘 Mercado Libre。 除了獨特的商業模式，安全認證與數據累積更是 Agility Robotics 與競爭對手拉開差距的關鍵。當其他對手仍在實驗室或精心編排的影片中展示機器人功能時，Digit 已經符合嚴格的工業安全認證。此外，在軟體技術上，Agility Robotics 雖然採用大語言模型處理語義層的指令翻譯，但他們認為最核心的專利壁壘仍是控制平衡、行走與操縱的物理層 AI。 Peggy Johnson 指出：「大語言模型有整個網際網路的數據可以進行訓練，但當你思考雙足人形機器人的物理人工智慧（physical AI）時，這在大部分公司其實並不存在。」然而，憑藉著深厚的實務累積，Agility Robotics 已經擁有目前業界最大規模、在真實環境中實際運行機器人的數據湖（data lake），這項技術能協助企業補上年輕世代不願從事且招募困難度較高的勞動職缺。 […]

一句話 AI 就幫你生影片，背後它怎麼思考的？

一句話生成整部影片，AI Agent 正在搶走導演的工作？AI 不只聽懂你，它開始「自己拍片」了 想像一下：你只是說了一句「我想做一部關於西施犬獨自在家的短片」，然後去泡了杯咖啡回來，結果畫面、配音、背景音樂全部都好了，這就是 AI Agent（代理人）現在正在做的事。 提示工程之後，下一步是什麼？ 在目前的生成式 AI 領域，我們正從「提示工程」轉向「創意導向」，所謂提示工程（Prompt Engineering），就是你用文字告訴 AI 你想要什麼，例如「畫一隻坐在草地上的柴犬」，AI 根據這段描述生成結果，這已經很強了，但你還是在手動操作每一個步驟。 不過現在正邁向 AI Agent 的工作流，AI 不只會回應你的單一指令，而是像一位助理一樣，自動規劃並執行一連串複雜的任務，不需要再管理每一個素材，而是由一個 AI Agent 擔任你的編導，管理複雜的流程。 對於缺乏技術背景，或者缺乏靈感的人來說，現在能更容易將一個簡單的想法轉化為完整的作品。這意味著，如果你缺乏靈感，代理人可以構思故事、生成角色並從零開始構建整個敘事，降低創作初期的門檻。 AI Agent 怎麼讓角色從頭到尾長得一樣？ 那麼，這個「編導」背後是什麼？ ADK（Agent Development Kit，代理人開發套件） 是讓你可以快速組裝模型作為 Agent 的大腦、串接工具作為手腳，甚至快速將多個 Agent 組成一個多代理團隊，如此一來就能快速操控 AI Agent，你可以把它想像成一個遙控器，複雜的電路都藏在裡面，只需要按按鈕，就能用網頁介面就能跟代理人互動。 ADK 最厲害的地方，是它讓角色在整部影片裡「認得出來」，很多人以為這單靠代理人的「記憶」，但實際上更有趣：它用的是多模態推理（Multimodal Reasoning）。簡單說，就是它能同時看懂文字、圖像、聲音，而不是只懂其中一種。第一張生成的圖像，會成為整個專案的主視覺，後續每一個畫面、每一段影片，都會跟這張圖對齊，確保同個角色在不同場景裡長得一樣。 而且你不需要寫任何程式碼，如果想調整音量，就直接說「把音樂調大聲一點」，AI Agent 自己會去處理後面的技術細節。 如果不夠好，它會選擇重做，而不是硬著頭皮往下走，這也是它跟傳統自動化腳本最大的差別，傳統腳本是照順序執行，AI Agent 的每一步都是一個有意識的判斷。 AI Agent 怎麼跟工具說上話？ AI Agent 再聰明，也需要有人幫它接線，MCP（Model Context Protocol，模型上下文協定）伺服器就是扮演這個角色。你可以把它想像成一個翻譯官，AI […]

企業忙著省 token，AI 巨頭卻狂送新創免費算力：OpenAI、Google 在搶什麼？

當企業才剛開始為 AI Agent 推高的 token 帳單踩煞車，站在供給端的 AI 巨頭卻反向大手筆把算力免費送出去。問題是，這些公司此刻都正面臨 IPO 前改善獲利的壓力，為什麼還願意倒貼？ 根據《華爾街日報》報導，OpenAI、Anthropic 與 Google 等業者正擴大對新創的免費額度（credits）與折扣，部分新創甚至從多家業者手中拿到逾 300 萬美元額度，規模相當於美國種子輪募資的中位數。 這個落差之所以受到關注，是因為企業需求端才剛轉向。《Fortune》報導，過去一度盛行、以 token 用量高低衡量員工生產力的 tokenmaxxing 正在退燒；《華爾街日報》更觀察，企業逐漸發現用量高不等於投資報酬率高，開始改用 FinOps、用量儀表板與部門上限等雲端時代的成本管控手段管帳。就在需求端收緊的同時，供給端的巨頭卻反向猛送。 補貼戰打到 Y Combinator，一家新創可拿逾 300 萬美元 補貼戰升溫有一條清楚的時間線。《華爾街日報》指出，OpenAI 的程式碼能力一度落後於主打 coding 的 Anthropic，直到今年 3 月推出 GPT-5.4、追上對手多數能力後，才大舉派出業務，把由 GPT 驅動的 Codex 工具推銷給矽谷各地新創，並常以量大折扣等優惠搶客。 除此之外，今年 5 月，OpenAI 執行長 Sam Altman 在新創加速器 Y Combinator（YC）的活動上，向當屆每一家新創開出以股權換取價值 200 萬美元 OpenAI token 的條件，被 YC 合夥人形容為震撼全場的「mic […]

鴻海智慧製造平台處長郭錦斌：Multi-Agent 會成為工廠常態，Project Genesis 讓每台機台都能自主推理

過去的製造現場高度仰賴資深師傅的經驗，但這些隱性經驗難以被具象化，當企業要將生產模式複製到海外市場時，往往因為缺乏標準化流程，面臨員工學習曲線拉長、工作效率落差的困境。因此推動智慧製造的核心關鍵，就是把這些藏在老師傅腦中的隱性知識轉化為可複用的數位資產與標準工作流。 鴻海科技集團智慧製造平台處長郭錦斌日前於 TechOrange 科技報橘在高雄舉辦的 AI 智慧大工廠論壇中指出，面對全球龐大的生產體系與數據，鴻海正積極將傳統工廠轉型為具備「可帶走的製造能力」的智慧生產場域。他強調，製造業升級的真正瓶頸並非缺乏 AI 模型，而是老師傅的隱性知識與經驗難以被複製與傳承。 為了跨越這個門檻，鴻海推出 Project Genesis 智慧製造平台，重新定義問題，將複雜的現場痛點拆解為 AI 可執行的任務，並導入多代理協作（Multi-Agent）架構，透過 AI 將個人經驗轉化為「系統能理解、流程能採用，且能在不同工廠間持續優化」的可複用資產。 AI 多代理協同架構，讓工廠具備自主推理大腦 在過去的製造現場，異常偵測往往散落在各個獨立的系統孤島中，當問題發生時，挑戰通常會同時橫跨品質監控、設備維護、產線排程、物料供應與人力調度等多個層面，且解決方式高度依賴個人經驗判斷，並以人工方式追蹤回報進度。這樣的處理模式不僅耗時，更容易因人為疏失或經驗斷層導致產能與良率損失。 「為什麼要做 GenAI，就是把個人經驗轉換成讓系統可以理解、流程被採用，被不同工廠持續改善的一個製造過程，」郭錦斌表示，為了解決此痛點，鴻海推出 Project Genesis 智慧製造平台，建立可落地、可複製且可擴展的 AI 導入路徑，將複雜的現場問題，拆解為 AI 可執行的任務，涵蓋問題觸發、任務拆解、Agent 分工以及人機閉環四大關鍵步驟。 在這套系統中，鴻海的核心技術在於多代理協同（Multi-Agent）架構。郭錦斌指出，「Multi-Agent 會成為未來常態，每個工廠、機台都將有自主產生並處理數據的能力。」在鴻海所打造的 Agentic Ops AI 上，當機台故障或是良率出現波動而觸發警報時，將透過品質、設備與排程等不同領域的 AI Agent 共同推理。 系統首先會透過統籌 Agent，指派維修 Agent 匹配工程師的技能與順序，同時呼叫重平衡 Agent 同步模擬多場景下的產能變化，以及聯繫人力 Agent 確認線上作業員的班別與供給狀態，協同品質與排程 Agent 即時重排訂單與物料供應。 最終系統將提供經過多方權衡的綜合決策方案，如方案 A 為「產量 8K 且良率 97%」或是方案 B […]

AI 晶片「去輝達化」有機會嗎？華為擬用 Ascend 950PR 攻南韓，卻仍卡在三大門檻

隨著全球 AI 基礎設施需求呈現爆發式成長，NVIDIA GPU 供貨緊縮與高昂成本，正促使各國企業積極尋找替代方案。在這樣的背景下，中國科技巨頭華為（Huawei）正蓄勢待發，計畫在 2026 年第四季首次將其 AI 加速晶片與系統引進南韓市場，正面挑戰 NVIDIA 在韓國市場的霸主地位。然而，面對南韓市場的高度敏感性與地緣政治考量，華為能否成功讓當地企業買單，仍面臨多重考驗。 華為進軍南韓 AI 晶片市場，Ascend 雙晶片與 Atlas SuperPod 成進攻主軸 《ETNews》與《Tom’s Hardware》報導，華為南韓分公司（Huawei Korea）已與南韓在地大廠 Hansol PNS，以及長期合作夥伴 SK Shieldus 簽署總代理協議。目前，華為已在南韓全面展開商業化工作，包括技術培訓、價格制定、行銷推廣以及南韓在地化的品牌策略編寫。 華為主打 AI 推論工作負載的 Ascend 950PR 晶片已進入量產。 作為首波進軍南韓的 NPU 晶片之一，Ascend 950PR 專注於推論任務，配備華為自研的 HBM「HiBL 1.0」記憶體，該記憶體之晶粒（dies）是由國外取得並於內部自建封裝而成，已於今年 4 月正式進入量產階段。 專攻 AI 訓練需求的 Ascend 950DT 晶片則計畫在第四季正式推出。 這款專為 AI 訓練工作負載設計的處理器，搭載「HiZQ 2.0」規格的華為自研 HBM，預計於今年第四季發布，與推論晶片形成完整的雙晶片產品陣容。 至於超大規模叢集系統 Atlas 950 […]

Anthropic 發現 Claude 藏想法的「J 空間」：只看 AI 寫出來的推理，治理恐怕不夠

隨著推理模型與 AI 代理（AI Agent）崛起，人類開始要求 AI 不只給答案，也要「說明自己怎麼想」。模型展開的思維鏈（Chain-of-Thought，CoT），因此被視為觀察 AI 決策過程的重要窗口，研究人員也嘗試從中辨識錯誤、欺騙或危險意圖。但 Anthropic 最新研究提出一個更棘手的問題：AI 說出口的「思考過程」，可能不是全部。 Anthropic 最新一篇由 16 位作者完成的研究發現，Claude 內部存在一個在訓練過程中自行浮現、他們稱為 J-space （J 空間）的小型工作空間，模型會在這裡「想」一些從未寫進推理文字、也沒出現在最終答案裡的概念。更關鍵的是，研究團隊開發了一套名為 J-lens（Jacobian lens）的工具，能讀出 J-space 裡這些沒說出口的念頭，甚至反過來介入、改寫 Claude 最後給出的答案。 J-space 是什麼？Claude 心裡在想、卻沒寫出來的地方 根據 Anthropic 官方部落格，J-space 有幾個值得注意的性質。它並非工程師刻意設計或寫進去的，而是在 Claude 的訓練過程中自行浮現；它的容量很小，一次只容納數十個概念，佔模型整體內部活動不到十分之一；而且它與大家熟知的思維鏈「把想法寫在草稿紙上」不同，J-space 是在神經活化中默默運作，讓模型能「想」一個概念而不必寫下來。 J-lens 借用了一個名為 Jacobian 的數學概念，它的運作方式，是為模型詞彙表裡的每個字，找出最可能讓模型在之後某個時點說出該字的內部活動樣態。要注意的是，某個樣態亮起，不代表模型正要說那個字，而是那個概念此刻「在它心上」。 J-lens 讀出的內容，往往遠超過 Claude 正在讀或寫的文字。根據該研究，當 Claude 讀到一段沒人指出過的有漏洞程式碼，它的 J-space 會浮現 ERROR；當它讀到一段其實是提示詞注入攻擊（prompt injection）的搜尋結果，J-space 會浮現 injection 與 fake；讀到一串蛋白質序列的原始字母時，浮現的是該蛋白質的生物功能；而面對多步驟數學題，中間的計算步驟會依序在 J-space 裡出現。這些內容全都沒有寫進模型的輸出。 […]

《虛擬資產服務法》將上路，台灣如何搶進鏈上金融新秩序？臺灣金融科技協會名譽理事長蔡玉玲解析穩定幣、VASP 與供應鏈金融新機會

撰稿：李昀蔚 《虛擬資產服務法》 6 月 30 日正式三讀通過，台灣虛擬資產產業迎來關鍵轉折。過去，虛擬資產多半處在體制外，缺乏明確的法律定位，這也讓許多機構法人與傳統金融業即使高度關注，也大多只能維持觀望態度。如今，隨著專法正式將虛擬資產服務提供商（VASP）納入監管體制，台灣終於有了自己的監管框架，讓產業得以在合規的基石上，重新思考台灣在全球鏈上金融秩序中的位置。 本集《全新一週》主題為臺灣金融科技協會名譽理事長、亞洲金融科技聯盟主席蔡玉玲，在科技報橘主辦的「2026 科技金融論壇」演講精華。蔡玉玲強調，虛擬資產的監管與發展絕非單純的島內監管問題，更牽動著金融基礎建設、跨境支付、穩定幣、央行數位貨幣（CBDC）、VASP 生態系與供應鏈金融等新一輪國際競爭。因此，這部專法的通過不是終點，更是台灣在這場全球鏈上金融競爭中，從觀望者走向積極參與者的起點。 亞洲鏈上競爭升溫，台灣不能只用島內思維看虛擬資產 目前，全球虛擬資產的採用率正在持續擴大，且亞洲已成為全球成長的核心引擎，在虛擬資產採用程度上排名首位，預估到 2030 年，亞洲將超越美國，成為全球最大的虛擬資產市場。在台灣周邊，鄰近的香港、新加坡、日本和韓國都已積極布局，試圖建構自己的虛擬資產中心，並推動成熟的交易、流動性與生態系計畫，這也代表台灣不能只把虛擬資產看成島內監管問題，而必須放在區域競爭的脈絡中觀察。 例如，亞洲市場同時具備高零售參與度、跨境支付需求與穩定幣應用場域。北美市場雖然起步稍慢，但正透過比特幣 ETF、穩定幣立法與機構投資人的參與展現動能，目的是打造全球加密資產的資本形成中心，主導美元穩定幣的霸權。相較之下，歐盟市場雖以《加密資產市場監管法案》（MiCA）取得法規確定性，卻也因較嚴格的規範，影響流動性與創新動能，導致部分交易活動流向其他市場。拉丁美洲與非洲因本國通膨與匯率危機展現出避險的實用型需求，中東則展現強烈的政策推動決心。 在這場變革中，各國央行的態度至關重要，批發型央行數位貨幣（Wholesale CBDC）的發展在 2026 年已超越技術實驗，進入基礎設施化的實戰階段。諸如 mBridge 和 Project Agorá 等多國跨國合作專案，正試圖建構全新的金融公共底層，對傳統的 SWIFT 結算系統帶來巨大的挑戰與競合壓力。面對這場基礎建設之爭，台灣必須思考自己在其中的定位。蔡玉玲提醒，鏈上的世界是無國界的，任何人都可以隨時在鏈上註冊錢包並進行跨境交易，防堵是行不通的，因此虛擬資產這一題，台灣絕對不可能關起來做。對台灣而言，「我們雖然不是先驅，但我們不能缺席，我們有沒有機會在某個領域有領先的地位，這個是可以一起思考的，」蔡玉玲說。 VASP 正式納管，台灣用彈性立法打開合規新市場 蔡玉玲說明，《虛擬資產服務法》的通過，核心在於納管與定調。過去 VASP 業者僅適用洗錢防制聲明，處於體制外，導致機構法人與金融業因合規與會計疑慮而保持觀望。如今專法正式實施，讓虛擬資產的法律定位更明確，也將有效吸引機構資金湧入。 在立法技巧上，台灣採取母法原則性規定、細節留給子法的方式。由於科技改變人類行為的速度極快，法律若定得過細，很快就會與產業脫節。透過具備彈性的子法搭配，能讓台灣在風險監管與產業創新之間，保留動態調整的空間。 從競爭走向結盟，金融機構與 VASP 如何共建 Web3 新生態？ 隨著《虛擬資產服務法》開啟金融機構兼營 VASP 的大門，蔡玉玲認為，傳統金融業與虛擬資產業者之間，應走向分工而非零和競爭。現存的八家 VASP 業者在過去缺乏規範的叢林時代，冒著巨大風險在最前線打仗，累積深厚的產業認知、敏捷度與創新能量。相較之下，傳統金融機構擁有強大的社會信用、廣大客戶與充沛資金。 因此，蔡玉玲分享，最理想的生態系模式是傳統金融機構投資 VASP 業者並進入其董事會，因為透過股權投資與業務分工，既能讓傳統金融機構獲得成熟且快速的 Web3 創新平台與技術支援，又能為金融體系築起有效的風險防火牆，避免因傳統金融業過度兼營多項業務而分散資源。 此外，VASP 業者在取得金融機構地位後，雖有助於促進與傳統金融業的數據分享，但這也代表未來若發生違規，業者必須承擔等同於傳統金融機構的責任，可謂機會與挑戰並存。 光有法規還不夠，穩定幣需要找到台灣的殺手級應用 談到穩定幣的監管與定位，蔡玉玲強調，「穩定幣是未來結算基礎的核心，所以會是一個全天候秒級的結算新工具」。目前《虛擬資產服務法》在穩定幣的監管框架上對標國際趨勢，要求十足資產準備、排除演算法穩定幣，且初期發行主體限制在金融機構。雖然法規允許錨定外幣，但蔡玉玲提醒，鑑於日本、韓國、香港及歐盟皆積極發展自身穩定幣，因此台灣應審慎考慮先發展台幣穩定幣。 然而，光有完善的法規基礎工程還遠遠不夠，如果沒有殺手級的應用場景，穩定幣與虛擬資產就只能停留在空轉的投機市場中。蔡玉玲呼籲，台灣必須將鏈上金融，與台灣在全球最引以為傲的製造業供應鏈深度結合，藉此創造供應鏈升級的應用場域。如果台灣能利用穩定幣與智慧合約技術，將供應鏈的物流、金流、資訊流三流合一，進行全天候秒級的跨境結算與融資，這不只能推動台灣傳統供應鏈升級，更能為台灣虛擬資產產業創造出全球無法複製的殺手級應用。 從跨部會協調到公鏈競爭，台灣虛擬資產不能只停在合規 展望下一步，蔡玉玲指出，台灣仍必須直面三大核心挑戰。首先是打破多頭馬車並強化跨部會協調，虛擬資產涉及銀行局、證期局與央行等多個主管機關，政策推動往往面臨摩擦，因此關鍵並不在於成立全新的部會，而是應在金管會架構下，指派一名專責的副主委來強力主導與協調跨部會的事務，以確保監管在防範風險與開拓產業之間取得平衡。 其次是境外執法的現實挑戰。合規代表著高昂的成本，若政府無法有效對境外非法平台執行監管與處罰，將導致合規的國內業者生存維艱。然而，受限於國際政治與外交關係，台灣在境外的執法能力面臨天然限制，這有賴於監管單位子法設計的智慧。 […]

演算法引路、會員制收網：零售品牌如何用忠誠度打造 AI 時代護城河？

生成式 AI 正快速改變消費者探索商品的方式，愈來愈多人不再直接搜尋品牌名稱，而是向 AI 描述自己的需求，讓 AI 推薦最適合的產品。然而，當 AI 開始接手商品發現（product discovery），真正決定消費者最終在哪裡下單、是否持續回購的關鍵，卻未必是演算法，而是會員制度、品牌信任，以及長期建立的人際互動。 AI 負責提供問題解方，而「忠誠度」負責鎖定結帳終點 根據行銷科技公司 Novi 的 CEO Kimberly Shenk，AI 的推薦邏輯與傳統搜尋引擎已有明顯不同：當消費者提出需求時，AI 並不是優先推薦知名品牌，而是先理解問題，再尋找最符合需求的解決方案。 她也提醒，AI 找到答案，並不代表消費者就會立即完成購買。許多 AI 搜尋結果最後並沒有直接導向購物車，因為消費者仍會回到自己熟悉的平台消費，例如累積會員點數、使用既有優惠，或延續原本的購物習慣。換言之，AI 改變的是商品探索入口，但真正掌握交易與回購的，仍是零售商多年建立的忠誠度生態。 高達 95% 銷售全靠鐵粉！如何用數位大腦串連「線上瀏覽、門市出貨」 美國美妝零售商 Ulta Beauty 表示，目前擁有約 4,700 萬名會員中，超過 95% 的銷售都來自忠誠度計畫。龐大的會員資料也成為 AI 發揮價值的重要基礎，協助企業建立更精準的推薦演算法、產生更多個人化內容，並透過新推出的 Ulta AI，串聯線上、門市與會員服務，打造更一致的全通路購物體驗。 戶外用品零售商 Boot Barn 同樣將忠誠度視為全通路營運的核心。該公司目前約有 30% 的訂單採取門市取貨（Buy Online, Pick Up In Store），另有 40% 的訂單直接由門市出貨，顯示實體據點早已不只是販售商品的場所，更成為物流與履約的重要節點。 Boot Barn […]

【華爾街人才洗牌】例行報告交機器、判斷交給人，五種新職能重定義金融人才

人工智慧正全面重塑金融業的營運模式，如今 AI 被大量利用在自然語言處理技術，解讀市場報告、標記會計錯誤並自動整理企業銀行文件。由於技術大幅節省工作時間，各大銀行正在改變其團隊的日常工作方式。 當 AI 開始大量接手資料處理與報告產出，工作者心裡或多或少都會浮現同一個問題：AI 會不會取代我的工作？ 以下把這個焦慮拆開，釐清 AI 對金融業的實際衝擊到底有多大、哪些職位真正面臨被替代的風險，以及在舊職位消失的同時，又有哪些「會財務、也會技術」的混合型新職能正在崛起。 產業將重新洗牌，目前金融業縮減人力只是前菜？ 根據 Bloomberg Intelligence 的預估，華爾街各大銀行在未來數年內，可能因為智慧自動化而裁減多達二十萬個職位。 受衝擊最深的，是那些工作內容以例行報告與基礎財務模型為主的職位，也就是初階分析師與基層會計人員。他們每天處理的，正是 AI 最擅長接手的部分，因此首當其衝。 再往下細看，被替代速度最快的是那些高度重複、規則明確的工作。基本帳務、交易性會計、人工資料輸入，這些任務本來就講求準確與一致，而不是判斷與創意，正好落在機器最容易勝任的範圍。同樣的趨勢也延伸到鄰近領域，像是大量的資料核對工作，以及標準化的零售銀行業務，這些職位的招募數量都在明顯減少。 換句話說，越是「照流程跑」的工作，越快被自動化吃掉。 不過真正的結構性重組其實還沒到來。根據波士頓顧問公司（BCG）的報告，多數銀行目前把 AI 用在基礎任務上，而不是用來推動真正的轉型；也就是說，現在我們看到的裁員，很多是「機器替掉重複勞動」的初步階段，而把 AI 真正用來重塑商業模式、創造高層次價值的階段，大多數機構都還沒走到。 這五種混合職能正在崛起 當基礎運算交給軟體，金融機構反而更需要懂得駕馭這些工具、並把結果轉化成商業決策的人，於是市場上冒出一批全新的混合型職位，它們的共同點是：一隻腳站在財務專業裡，另一隻腳站在技術操作上。以下五種，是目前最具代表性的方向。 第一種是金融與會計領域的「AI 自動化工程師」。這個角色負責設計、部署並監控核心會計流程的自動化工作流，例如應付帳款、應收帳款，以及加速財務結帳。他們等於是在傳統軟體開發與企業財務管理之間搭起一座橋，既要懂會計，也要會寫腳本、操作機器學習平台。 這個職位多半適合中階財務分析師、系統會計或資料工程師轉進，年薪大致落在十三萬到十八萬美元之間，在科技大廠與大型顧問公司裡已經越來越常見。 第二種是「AI 財務規劃分析（FP&A）主管」。傳統 FP&A 是回頭整理上一季的試算表，而這個新角色則是運用即時的機器學習工具，跑預測性的財務模型與各種「假設情境」推演，用資料去預判市場波動與現金流走向。它需要扎實的財務底子、深厚的資料識讀能力，還要能把複雜的 AI 洞察翻譯成清楚的策略故事說給高層聽，年薪約在十三萬到近二十萬美元。 第三種是「AI 治理與合規主管」。當自動化工具越來越多使用在消費者信用評分、放貸演算法與稽核流程，就必須有人確保這些機器做出的決策，依然站得住法律與會計規範。這個角色直接管理自動化工作流背後的倫理、法律與監理邊界，需要風險管理、企業稽核與財務倫理的專業背景，還要有能力辨識演算法偏誤、資料瑕疵或模型裡的安全漏洞。 隨著全球對 AI 與資料的監理趨嚴，它已經迅速成為大型銀行與財富管理平台的關鍵人選，年薪約在十二萬五千到二十萬美元之間，特別適合資深內稽、風險顧問與法遵專才。 第四種是「AI 營收營運（RevOps）分析師」。這個角色把技術、銷售、行銷與財務串在一起，運用機器學習找出營收管線裡看不見的漏洞，即時優化定價結構。因此該職位特別要求工作者對現金流有清楚的理解，也要能跨部門看資料、把數字翻譯成給高層的建議。 隨著訂閱制軟體與數位企業意識到財務與銷售不能再各做各的，這個職位這幾年成長得非常快，年薪大約落在十四萬到二十萬美元。 第五種是「AI 量化投資組合策略師」。他們用機器學習模型來建構、測試並執行新一代的投資策略，不再靠猜測市場走向，而是設計自動化演算法，即時掃描像供應鏈變動、消費者情緒這類另類全球宏觀資料，藉此保護並協助客戶資產增長。 這個高風險高報酬的領域，需要傳統資產管理的功力、資料識讀能力，以及對市場保持好奇、敢問非典型問題的腦袋。它已成為避險基金、資產管理公司與私人財富辦公室維持競爭優勢的重要人選，總報酬通常從十六萬美元起跳。 把這五種職位放在一起看會發現，它們沒有一個是純財務、也沒有一個是純技術，全都站在兩者交會的地帶。 工作者必須軟硬技能兼具，重要的是如何用數字說服他人 因此，想在這場職涯轉變裡長期站穩腳步，金融工作者該補強什麼？ 工作者必須懂得操作現代的雲端平台與資料分析軟體，能夠快速地把數字撈出來、驗證清楚。當運算本身交給機器，「會用工具核對與整理資料」就成了基本門檻，以前自己埋頭算數字就行，現在不會用這些工具，就只能坐等被取代。 再來是軟技能，這部分往往才是真正拉開差距的地方。工作者需要培養自身的果斷決策力，也需要一份願意提問、願意提出新點子的好奇心，此外，在一個機器負責跑算法、人類負責思考決策的環境裡，能不能把見解說服高層，也是非常重要的能力。 報告是死的，數字為什麼長這樣、它對公司意味著什麼、下一步該怎麼做，這個「詮釋與判斷」的層次，目前仍然只能由人類承擔。當工作者能用資料說話、甚至說服，就從一個基礎的「數字搬運工」，變成老闆眼裡可倚賴的顧問。 「打雜學徒」的路被堵住，人才培育的機制重置 AI […]

【科技早餐】AI 供應鏈吃緊：韓國晶片戰加速、三星獲利暴增、NVIDIA 機櫃延後

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊韓國晶片戰加速，水電審批與未來基金同步上路 韓國總統李在明指示官員加快推動上週宣布的重大晶片與人工智慧（AI）專案。根據《路透》報導，李在明警告，如果許可審批、土地取得，以及水電供應出現延誤，可能削弱韓國在先進產業取得主導地位的努力。他表示，現在的關鍵是誰行動更快、誰率先搶占先機，並呼籲在可行範圍內縮短環境審查與其他核准程序。 除了審批速度，電力也是韓國政府關注重點。李在明表示，企業界仍擔心基載電力供應，政府需要提前處理水電等基礎設施問題。同一天，韓國總統秘書室長姜勳植也表示，政府將利用半導體景氣帶來的額外稅收，成立「未來應對基金」（Future Response Fund），投資新的成長動能、支持年輕世代的住房、創業與就業，並回應社會經濟兩極化問題。韓國上週公布規模超過 5,760 億美元的晶片與 AI 投資計畫，目標是鞏固全球主導地位，並促進首爾首都圈以外地區成長。 ＊三星獲利估暴增 18 倍，AI 記憶體缺貨燒到 2027 《路透》報導，隨著 AI 需求持續成長、記憶體供不應求，三星電子（Samsung Electronics）第二季營業利益預料將比去年同期大增約 18 倍。根據倫敦證券交易所集團（LSEG）SmartEstimate 彙整分析師預測，三星 4 月到 6 月季度營業利益估計達 86 兆韓元。若與去年同期的 4.7 兆韓元相比，將大幅成長，也可能讓三星連續三季創下營業利益新高。 這波成長不只來自高頻寬記憶體（HBM），也包括傳統 DRAM 和 NAND 需求升溫。原因是 AI 應用正在從大型模型訓練，延伸到更廣泛的推論與代理型 AI 工作負載。分析師指出，代理型 AI 系統需要執行更複雜的多步驟任務，因此伺服器處理器需要更多記憶體，也需要更大的儲存容量，用來保存和檢索資料。分析師預期，記憶體供應不足的情況，至少可能延續到明年，也就是 2027 年。 ＊NVIDIA Kyber 傳延到 2028，AI 機櫃卡在電路板瓶頸 半導體研究機構 SemiAnalysis 披露，NVIDIA 原訂 2027 […]

飛彈裝上汽車晶片、火箭用上製藥設備：新一代軍工業為何跨界「借技術」？

烏俄戰爭不只改變了戰場上的武器，也暴露傳統軍工業的速度問題。過去，戰機、飛彈與軍艦可以花數年設計、少量生產，再服役數十年；如今，無人機可能數週內就需重新設計，戰場消耗量更以數十萬計。根據《Financial Times》引述北約 5 月數據，烏克蘭平均每月損失約 67 萬架無人機。面對這道「速度差」，一批新型軍工業者正從製造端找答案。 零件交付拖慢改版，Isembard 先重組製造網路 「硬體創新和規模化生產的速度，很大程度受限於快速製造零件的能力，」英國軍工製造新創 Isembard 工程師 Rory Rose 表示，如果一個零件的交付週期需要 6 至 8 週，一年內能完成的設計迭代次數就會減少一個數量級，製造尖端硬體的能力也會大大下降。 換句話說，即使工程師能快速修改設計，零件交付、製程與產線仍可能拖慢下一輪改版。Rose 將西方分散的製造基地與中國相比，表示在中國的製造聚落中，設計者通常能在一天內取得零件。 因此，不同於再蓋一座大型軍工廠，這家英國新創希望透過軟體，把數百家小型精密加工廠串成分散式製造網路。Isembard 採取加盟模式，提供建議、軟體、融資支援、製造流程與訂單來源，讓新業者能在數月、而非數年內建立旗下工廠。 從 2025 年初只有 1 座倫敦工廠開始，Isembard 目前已在英國擁有 6 座工廠，並於美國、法國與德國等海外市場設有 7 座據點，客戶包括國防科技公司 Anduril、無人機業者 Tekever，以及英國傳統國防承包商 Babcock International。 航太零件太慢、太貴，軍工新創跨產業找答案 但重新串聯工廠，只是縮短製造週期的一種方法。另一批軍工新創開始追問更根本的問題：所有零組件，真的都必須來自傳統航太供應鏈嗎？ 《Reuters》訪問 10 名產業主管、專家與美國官員後發現，國防科技新創正從汽車、油氣與製藥產業尋找既有技術，以降低成本並加快武器生產。 舉例來說，製造固態火箭發動機與高超音速武器的新創 Castelion，正轉向汽車業尋找先進駕駛輔助系統與電動車使用的 FPGA，也就是現場可程式化邏輯閘陣列，用於協助飛彈導向目標。Castelion 營運長 Sean Pitt 表示，這類汽車產業處理器的成本僅約同級航太版本的十分之一，取得速度則快 6 倍。 連火箭發動機使用的高壓金屬管，也不一定要向航太供應商採購。Castelion 改用油氣產業水力壓裂製程所需的精密加工管材。報導指出，這類管材同樣需要承受高溫與高壓，但供應商數量更多、價格也低於航太產業的同類產品。 這些案例顯示，新一代軍工業者正在打破過去高度專用化的供應鏈邊界。面對產量與交期壓力，它們開始尋找其他成熟產業已經大量生產、且能滿足性能需求的零組件。 連製程都不用重新發明，Anduril 把製藥技術搬進火箭工廠 […]

首個 AI Agent 端到端勒索攻擊案例曝光：JadePuffer 給 CISO 的 3 大警訊

資安廠商 Sysdig 的威脅研究團隊（TRT）近日揭露首個公開記錄的 AI 代理人勒索軟體（Agentic Ransomware）案例，並將該攻擊行動命名為「JadePuffer」。這是一場完全由大型語言模型（LLM）端到端驅動的完整勒索行動，打破過去勒索軟體背後必須有「人類在鍵盤前操縱」或手動撰寫腳本的常規。因此，研究人員將這類新型威脅定義為「代理型威脅行為者（Agentic Threat Actor, ATA）」，意即其攻擊能力是完全由自主 AI 代理人交付與執行，而非人類操作的工具包。 這場由 AI 代理人主導的攻擊行動，展現出高度系統化且具備即時自我修正能力的自適應手段，並為企業敲響三記警鐘。 警訊一：暴露的 AI 開發框架成為勒索攻擊的天然入口 這場新型勒索風暴的起點，源於企業忽視 AI 基礎設施的安全。JadePuffer 攻擊者首先瞄準暴露在網路上的 Langflow 實例，這是一個用於建立大型語言模型應用與代理人工作流的開源框架。 攻擊者利用了 Langflow 的 CVE-2025-3248 漏洞，該漏洞屬於程式碼驗證端點中缺少身分驗證的缺陷，允許未經驗證的遠端攻擊者直接在主機上執行任意 Python 程式碼。Sysdig 指出，這類與 AI 鄰近的伺服器之所以成為極具吸引力的攻擊入口，是因為開發人員為了維持運作，經常在這些伺服器的環境變數中存放大量雲端憑證或 AI 供應商的 API 金鑰，且在急於部署的過程中往往缺乏妥善的網路存取控制。 警訊二：AI Agent 的自適應橫向移動與無差別憑證搜刮 一旦透過漏洞取得執行權限，JadePuffer 就展現出驚人的自主偵察能力。首先，JadePuffer 會在主機上收集系統資訊，並平行掃描各種類別的機密資料，其中包括大型語言模型供應商的 API 金鑰、加密貨幣錢包和助記詞、資料庫憑證以及系統設定檔。 在完成初步收集後，JadePuffer 會將目標轉向本地，直接匯出 Langflow 本身背後的 PostgreSQL 資料庫以獲取其中儲存的憑證和使用者紀錄，並在審查暫存檔案後將其刪除以規避偵測。 接著，JadePuffer 開始探測內網中可觸及的位址空間，尋找資料庫、物件儲存、金鑰庫與服務發現端點，並嘗試使用預設憑證進行登入。在內網探測中，代理人成功鎖定了容器化部署中常見的 MinIO 物件儲存服務，並直接使用預設的管理員憑證進行枚舉。 […]

人形機器人 Atlas 首登世界盃，真正突破卻在場外：把它「變簡單」為何是關鍵？

2026 年世界盃巴西對挪威的十六強戰，中場休息時，一台身高約 150 公分的人形機器人走進球員通道，先後模仿了 Haaland、Son Heung-min 與 Matheus Cunha 等球星的進球慶祝動作，最後轉身把比賽用球交給裁判。 View this post on Instagram A post shared by Hyundai Worldwide (@hyundai) 這台名為 Atlas 的機器人，由現代汽車旗下的 Boston Dynamics 打造。在此之前，現代已透過「School of Football」為題釋出一連串宣傳影片，片中 Atlas 完成帶球、傳球、射門，並以高難度的足球特技 Ghost Rabona 收尾（一個先以假動作晃過防守者、再用踢球腳繞過支撐腳後方施力踢出的動作）；而世界盃這一場，是它今年 1 月在 CES 亮相量產版後，首度走出影片、在真實賽場上公開演出。不過對機器人產業來說，真正值得注意的訊號並不在球場上，而在場外的製造端。 真正突破：零件複雜度較前代降「一個數量級」 在接受《Forbes》專訪時，Boston Dynamics 機器人行為主管 Alberto Rodriguez 給了一個關鍵數字：第五代 Atlas 的複雜度較前一代「幾乎降低了一個數量級」。他刻意用了「幾乎」，強調並非足足十倍，但方向已經很清楚：零件更少、獨特零件更少，製造流程因此更快、更簡單，換來更高的可靠度與更低的成本，而且是在性能與前代持平、甚至更好的前提下達成。 過去 Atlas 單台造價一度高達 20 萬美元以上，這樣的成本讓它更接近實驗室裡的旗艦展示品，而非能大量出貨的產品。Rodriguez 點出的邏輯是，目前市面上的人形機器人多半昂貴、仰賴手工打造、又難以伺候，而每一個獨特零件，都代表一條要管理的供應鏈、一個要設法迴避的故障點，以及一筆墊高售價的成本。當獨特零件減少，組裝更簡單、可能故障的環節更少，通往量產的路也就更清晰。 硬體潛力已超前軟體，競爭重心正從機械轉向 […]

金融 AI 不只搶營收，Citi、FCA 示警：下一場競賽是防詐、監管與責任歸屬

全球金融業目前正在經歷一場由 AI 驅動的深刻變革。花旗集團（Citi）執行長 Jane Fraser 近日受訪時指出，金融業當前正同時面對兩場至關重要的 AI 競賽：第一場競賽是如何將 AI 技術有效應用在商業模式中，以推動營收成長；第二場則是要確保整個金融生態系統的安全運作。 與此同時，英國金融行為監管局（FCA）執行董事 Sheldon Mills 也發出警告，指出監管機構自身正處於一場應對 AI 的「軍備競賽」之中，因為已有數百萬名消費者開始藉由這項技術來協助個人的財務決策。 Citi 點出銀行 AI 第一場競賽：用 AI 推動營收、產品與客服升級 Jane Fraser 表示，金融業第一場 AI 競賽的核心，是如何將 AI 技術深度應用在銀行的商業模式中，並成為推動營收成長的強大引擎。除了在營收與產品端的重大突破外，AI 也有助於進一步提高銀行的日常運作效率，並在互動中大幅改善客戶服務品質。 為了全面捕捉這波技術紅利，花旗集團在 2026 年 3 月大幅上調對 2026 至 2030 年全球 AI 資本支出與營收的預測，從原先預估的 8 兆美元提高至 8.9 兆美元。這項顯著的調升，主要源自於企業端對 AI 技術的需求和超乎預期的採用速度。花旗預測，AI 工具在未來將以極快的速度進化，持續解鎖全新的企業級應用，並進一步加速「智慧體系統（agentic systems）」與自動化工作流程的普及。 麥肯錫（McKinsey & Co.）的分析也印證此一趨勢，指出在企業金融業務中，AI 工具特別擅長處理客戶數據生成與複雜產品建立等核心任務。在零售金融與私人銀行領域，麥肯錫則預期未來將會出現大量的「代理式 AI 顧問（agentic […]

【1 萬美元的社交機器人】社交優先、放棄步行，Codey 對美國照護缺口的另類押注

美國到 2031 年將面臨至少 900 萬個直接照護職缺無人填補，40% 老年人感到孤獨或與社會隔絕，教師流動率則持續攀升；西雅圖地區新創 Mind Children Robotics 認為，這三個問題有一個共同的解決方向：一台會說笑話、能記住你故事的機器人。 Codey 的設計賭注：社交優先，放棄步行 Codey 是一台身高 3 英尺（約 91 公分）、以輪子移動的人形社交機器人，由 3D 列印零件組成，目標售價低於 1 萬美元。在許多機器人公司仍在追求雙足步行與貨架搬運能力的時候，Mind Children 刻意迴避了這些競爭賽道，共同創辦人 Ben Goertzel 說： 「有很多優秀的機器人公司，但它們的臉孔幾乎是空白的，專注在不摔倒地走路，或是從貨架上取物；我們決定不聚焦在這些問題上，不是因為它們不重要，而是因為其他人都在解決它們。」 Mind Children 把資源押在社交能力上，Codey 能與使用者進行眼神接觸、展現表情、說笑話，並依場景調整互動方式。Goertzel 將它在教室裡的角色定位為「教師助理的助手」；在醫療場景中，它可以陪伴忙碌醫院裡的病患；在長照環境裡，它能提供老年人陪伴與用藥提醒。 近期目標之一是讓機器人能執行按按鈕等簡單的物理任務，第二代版本則計劃於 2027 年推出。 設計上，模組化與零件共用是降低成本的核心策略，「每台機器人上相同零件越多，製造成本就越低，」共同創辦人 Chris Kudla 說，他們想用 20% 的成本達到 80% 的功能。 從單次對話到長期關係 Codey 目前以 OpenAI 的 API 為基礎運行，並在上層疊加客製化的安全護欄。然而，Goertzel 認為真正的價值不在於流暢的單次對話，而在於持續的關係建立。 他正透過去中心化 AI 平台 […]

不再拼圖式自動化！美國藥妝巨頭 CVS 整合倉儲與分揀機器人，單廠營運成本砍 40%

美國藥妝連鎖品牌 CVS 正加速推動物流中心智慧化，透過整合不同機器人系統與倉儲軟體，打造更高效率的配送流程。 CVS 目前已成為全美首家導入「雙機器人自動化系統」（dual robotic automation system）的零售商，在其位於紐澤西州 Hainesport 與 Lumberton 的兩座配送中心中，突破傳統單一自動化設備各自獨立運作的限制，讓倉儲、揀貨、分揀與庫存管理形成完整串聯，不僅將營運成本降低 40%，也大幅提升出貨效率與物流彈性。 設備、機器人不再各自為政，用資訊流縫合作業瓶頸 過去許多物流中心雖已導入自動化設備，但多半聚焦於單一作業流程，例如僅自動化儲位管理或分揀作業，各系統之間仍需依賴人工搬運、資訊轉換或額外整合，因此容易形成作業瓶頸，也不易因應訂單量快速變化。CVS 則選擇整合不同技術平台，讓各套系統各司其職，再透過軟體將物流與資訊流完整串接，提升整體配送效率與擴充能力。 其中，AutoStore 負責高密度自動倉儲，數百台機器人在立體儲位網格上方穿梭，將裝滿商品的料箱快速取出並送往工作站。CVS 表示，位於 Hainesport 的物流中心儲存約一萬種健康、美妝及日用品，涵蓋止汗劑、保養品、個人護理用品等門市經常需要、但單次出貨量較小的商品。高度密集的儲存方式有效提升空間利用率，也減少人員在倉庫內來回移動與搬運的時間。 完成揀貨後，商品會交由 Tompkins Robotics 的 tSort 自主分揀系統接手。該系統部署超過 420 台自主分揀機器人，每台機器人可依照訂單需求，自動將商品送往對應 CVS 門市的周轉箱，再進行後續貼標、堆疊與出貨。 串聯兩套機器人系統的關鍵，則是 Bastian Solutions 的 Exacta 軟體平台。Exacta 負責協調 AutoStore 與 tSort 之間的資料交換、物料流向與庫存管理，確保商品能依照正確順序完成揀貨、分揀與配送。CVS 認為，正是透過這套軟體將三家供應商的技術整合為單一運作流程，才能真正發揮雙機器人自動化系統的效益，而非讓各項設備各自運作。 揀貨準確率直逼 100%！16 萬平方英尺吞吐百萬平方呎容量 新技術落地後，CVS 配送中心的營運績效明顯改善。該公司表示，Lumberton 配送中心的揀貨準確率已超過 99.9%，營運成本較 CVS 其他配送中心降低 40%，產能也同步大幅提升，配送中心每日處理量已由導入自動化前的 15 萬件，提高至超過 […]

【科技早餐】SoftBank 搶 10GW 算力出租，記憶體缺貨與中國模型追近同步升溫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SoftBank 美國設 SB Neo，10GW 算力出租戰開打 軟銀集團（SoftBank Group；SBG）與電信子公司軟銀（SoftBank）宣布，將在 2026 年 7 月內於美國成立新公司 SB Neo，切入 AI 算力出租市場。這家公司將由軟銀公司持股 51%、軟銀集團持股 49%，主要服務對象包括大型雲端業者，預計在 2027 年度啟動業務。 SB Neo 將提供 AI 晶片與雲端服務，並以 Neocloud 形式出租 AI 運算資源。軟銀公司社長宮川潤一表示，這項新事業將先從美國德州啟動，長期目標是在 2030 年前後，為大規模 AI 模型訓練與推論，提供高達 10GW 規模的資料中心容量；每推動 1GW 服務，所需股權投資約為數億美元。軟銀也規劃透過與其他企業合作，共同興建資料中心基礎設施，以降低財務風險。 ＊AI 記憶體缺貨變政治難題，SEMI 籲美國別干預 國際半導體產業協會 SEMI 在 7 月 1 日寫給美國財政部長 Scott Bessent 的信中表示，川普政府若試圖透過影響價格或產能，來解決全球記憶體晶片短缺問題，可能會讓 AI 熱潮帶來的供應緊張更加惡化。SEMI 表示，AI […]

【人工智慧經濟現狀】AI 擴張比網路時代快 3 倍，但總經佔比僅 0.42%，為何獲利仍不見實質爆發？

科技研究與分析平台 Exponential View 近日發布《2026 AI 經濟現況》（The State of the AI Economy）報告，內容顯示，當前生成式 AI 生態系年化營收已達 1,750 億美元，擴張速度比網路時代快上 3 倍，但佔美國整體 GDP 的比例僅為 0.42%（按：該年化營收之統計範圍為全球市場，排除中國。） 此數據落差反映出當前市場的發展結構：龐大的基礎資本支出，推動算力與電力需求的快速增長，但終端應用效益仍多集中於企業內部的成本節約，且部分技術紅利轉為未計入財務報表的消費者剩餘。同時，硬體設備的折舊攀升，正對雲端與基礎設施業者的短期獲利空間，產生實質壓力。 以下摘要探討宏觀經濟衡量指標的落差成因、基礎建設資本支出與折舊攤提現況、代幣計價機制的演變與營運成本結構，以及產業鏈價值移轉趨勢與相應的調整方向建議。 📎 這份報告適合誰閱讀？ 報告具體量化基礎建設的折舊攤提、代幣計價的營運成本，以及產業鏈的價值移轉，直接對應企業決策層在財務預算、IT 成本控管、產品防禦規劃與資本配置上的客觀評估需求，因此適合以下工作者閱讀： 🔴 報告洞見 AI 營收破 1,750 億美元卻只佔 GDP 0.42%，錢去哪了 過去一段時間，全球資本市場的目光過度集中在「供給面」，也就是底層晶片製造商與雲端巨頭亮眼的基礎設施財報，卻導致 AI 經濟真實的「需求面」長期處於模糊不清的狀態。 為了解開這個盲點，《2026 AI 經濟現況》報告透過自下而上財務模型，在剔除跨層級重複計算後，揭示 AI 經濟的真實樣貌：一場完全由外部客戶真實付費所驅動的技術浪潮，且生成式 AI 生態系的年化營收已經正式突破 1,750 億美元的大關。 然而，這引出了一個令決策層與董事會深感焦慮的核心問題：既然真實需求如此龐大且擴張極快，為何這股力量在整體的宏觀經濟數據，以及絕大多數企業的財報底線上，卻彷彿「隱形」了？答案要從這場擴張的速度與規模說起。 算力需求 9 倍成長，NVIDIA 訂單一年暴增 3 倍 要理解 AI 經濟的現狀，必須先確立其「極速生長」的客觀事實。數據顯示，AI […]

退貨詐欺正在墊高零售成本：從空盒退貨到 AI 假照片，品牌如何用 AI 守住利潤？

全球零售商正遭受新一波由生成式 AI 驅動的退貨詐欺襲擊。根據數位信任與詐欺防範平台 Forter 的最新數據指出，利用生成式 AI 技術捏造商品受損的申請，已高居目前成長最快的退貨濫用形式。這項新型態的威脅正在侵蝕商家的生存空間，在英國已有高達 44% 的企業表示自身正蒙受退貨與退款濫用的打擊，情況的嚴峻程度也迫使將近半數的零售業領袖坦言，他們在今年曾認真考慮縮減業務規模，甚至是直接結束營業。 生成式 AI 工具的普及顯著降低詐欺門檻，讓不法分子得以輕易篡改收據，或是合成極為逼真的受損商品照片。Forter 更警告，零售商正面臨結構緊密的協同犯罪，這些團夥會利用 AI 製造虛假照片或編造未收到商品的謊言，部分犯罪集團甚至將此操作規模化，推出收取退款抽成的「退貨即服務」商業模式，協助一般消費者進行惡意退貨。這種高度數位化、規模化的攻擊，也讓零售商的傳統防禦系統備受考驗。 實體退貨漏洞百出，傳統人工處理已達極限 除了 AI 偽造資訊，實體零售店鋪與傳統逆向物流管道同樣面臨嚴峻考驗，而這往往源於日益寬鬆靈活的退貨政策。在各項不誠實的退貨行為中，時尚服飾零售商的處境最為艱難，Forter 指出，有高達 53% 的商家正飽受「穿了就退」的陋習所苦，也就是消費者購買衣服並在活動中穿著後，再申請退貨的行為。此外，有 30% 的消費者坦承，自己曾為了達到免運門檻而購買多餘的商品，再將不想要的商品全數退回。 全美零售聯合會與 Happy Returns 聯合發布的年度報告揭示，目前美國大約有 9% 的退貨行為屬於欺詐。對此，隸屬於 UPS 旗下的 Happy Returns 營運長 Juan Hernandez-Campos 指出，當前的退貨詐欺風險在「規模與複雜度上都在持續增長」，迫使商家必須全面迎戰。 如今，零售商在第一線正面臨許多刁鑽的欺詐手法，包括消費者故意誇大退貨數量、退回空無一物的箱子、退回裝滿石頭的包裹、篡改退貨標籤，或是用廉價贗品替代原裝商品。面對鋪天蓋地的退貨總量與欺詐手法，傳統高度仰賴人工手動的退貨處理方法早已不敷使用。在巨大的營運壓力下，年營收超過 10 億美元的零售商在過去 18 個月內，幾乎都已部署更主動的防範系統，其中又以退貨率最高的服飾、美妝與鞋類品牌最為積極。 AI 從收貨點到退款前線攔截假退貨，逆物流成品牌防詐新戰場 為了在源頭與第一線防堵這些日益精密的騙局，品牌紛紛引進 AI 技術來強化逆向物流的管理並減少利潤流失。在這場科技防禦戰中，技術廠商 Narvar 便透過處理數十億個消費者數據點來偵測欺詐行為，軟體公司 Loop 則協助品牌自動化決策並挖掘潛在的惡意退貨手段。 與此同時，Happy Returns 所開發的「Return […]

供應鏈 AI 導入瓶頸不在技術，而在「決策權」：Deloitte 給主管的 5 個提醒

AI 技術飛快發展，供應鏈導入 AI 如果遲遲看不到成效，原因往往已經不在技術。顧問公司 Deloitte 最新《The Agentic Supply Chain》報告觀察，過去讓供應鏈 AI 停留在實驗階段的 4 道結構性障礙，其中 3 道：技術、衡量方式與治理，已大多鬆動，真正沒有鬆動的是第 4 道障礙，而它與技術無關。 代理式供應鏈已能規模化落地，共同模式浮現 支撐這個判斷的，是已經進入生產環境的實際案例。報告舉例，全球最大貨運經紀商 C.H. Robinson 部署了逾 30 個 AI Agent，涵蓋報價、派車、預約排程與貨態追蹤，2025 年一年就處理超過 300 萬筆貨運任務。其中報價 Agent 把原本需要數小時的作業壓到平均 2 分 13 秒；由於報價每延遲一次就會讓現貨成本增加 23% 到 25%，這個速度提升有直接的財務理由。 零售巨頭 Walmart 走的則是系統化路線。它的自癒式庫存（self-healing inventory）會自動偵測某地的過剩存貨，無需逐筆人工介入即可調撥到需求更高的門市；採購端則透過 Pactum AI 對數千家中型供應商同時自動議價，成交率達 68%。這些成果反映在其財報上：最近一期營收成長 5%，庫存卻只增加 2.6%。 Deloitte 指出，這兩家公司有一個共同模式，都從交易量高、資料就緒度最高的流程切入，用財務長可以稽核的成果證明價值，再逐步擴張。 唯一沒鬆動的門檻：導入 AI 卻沒重設工作 剩下的第 4 […]

AI 會摧毀 SaaS，還是救回軟體公司？SAP 正在做一場關鍵實驗

歐洲最大軟體巨頭 SAP 正在進行一場勞動力轉型實驗。兩年前，SAP 在重組計畫中裁減近萬個職位，且部分裁員與 AI 的導入有關。然而，這家軟體巨頭如今正試圖避免進一步的人力縮編，轉向積極重新部署員工、引導他們在更能發揮 AI 價值的崗位上提升生產力。 這場組織變革的成敗，對於面臨人口老化與勞動人口嚴重短缺的歐洲，具有指標性的經濟意義。隨著嬰兒潮世代迎來退休潮，德國在未來 10 年內預計將流失近 700 萬名勞動人口，相當於整個勞動年齡人口的 13%。在面臨政治上難以大幅增加高技術移民的背景下，AI 無疑成為幫助歐洲緩解嚴重勞動力缺口的新希望。對此，SAP 執行長 Christian Klein 指出，他並不認為公司未來會以更精簡的員工規模運作，但他預估公司的勞動力結構將轉變為一支「非常不同的勞動力」。 當 AI 接手寫程式，SAP 工程師開始轉向管理 AI 代理人 在 SAP 位於德國 Walldorf 的總部中，變革已經在員工的日常工作中發生。目前，AI 已經接手軟體工程師 Fabrizio Primerano 過去許多工作內容，包括與同事腦力激盪、研究競爭對手、撰寫以及測試程式碼。然而，Fabrizio Primerano 並未因此失業，他的工作內容轉變為較少處理例行任務，並將更多時間花在管理與指導 AI 代理人。Fabrizio Primerano 表示，這樣的轉變釋放了他的時間，讓他得以騰出精力去做更多具備創造力的工作。 SAP 領導層坦言，AI 確實正在消除軟體工程師過去所需執行的許多任務，SAP 執行長 Christian Klein 甚至透露，他並不確定兩三年後 SAP 是否還會有人在寫程式碼。為了因應這波轉型，SAP 自兩年前重組以來，共增加超過 3,500 個職位，並新增如「前線部署工程師（forward-deployed engineers）」這一類全新職稱，專門負責與客戶合作開發由 AI 驅動的解決方案。 […]

Vitals ESP 7 重磅登場 重塑知識管理新體驗

叡揚資訊於日前舉辦「2026 KM 使用者大會」，以「重塑知識管理新體驗 開啟智慧辦公新篇章」為主題，首度揭曉知識管理平台 Vitals ESP 7 跨世代重大改版全貌，同時邀請學界權威與跨產業標竿企業同台交流，現場座無虛席，為今年度知識管理領域最具規模的產業盛會。 跨世代改版 讓知識從「找得到」躍升「問得到」 歷經二十多年深耕、服務超過八百家企業客戶，Vitals ESP 迎來跨世代重大改版。Vitals ESP 7 以「成為企業最值得信賴的知識中樞」為核心願景，從 AI 深化、體驗革新、安全升級、知識治理四大面向全面進化。最受矚目的亮點，是將生成式 AI 能力深度融入日常知識工作流——全新推出的附檔 AI 摘要、即時多國語翻譯、自我評量與 AI 問卷等功能，讓使用者不必再費力翻找文件，而是直接「開口問、一眼懂、馬上學」。系統同步開放彈性 API，讓企業得以將知識生成能力串接至內部各系統，朝向真正的企業數位大腦邁進。介面體驗方面以簡潔現代化設計全面翻新，資安層面則新增內網限閱等進階控管機制，確保知識自由流動的同時，機敏資料滴水不漏。 從痛點出發 讓 KM 成為強茂前進的推進器 功率半導體大廠強茂 KM 專案負責人宋婉慈特助指出，強茂過去面臨三大痛點：同一份文件散落在舊平台、個人硬碟與紙本之間，版本不一；查閱歷史記錄得靠口耳相傳才找得到人；各廠辛苦摸索出的解法，其他廠碰上同樣問題時往往得從頭再來。為此制定了「選對工具、找對戰場、有人帶路、標竿擴散、建立制度」五大招式。透過與叡揚顧問輔導，在 11 個月內完成 5 家分公司系統上線。強茂將 SOP 數位化，搜尋效率提升 97%，每年在失效模擬報告上更節省達 90 個工作天。宋特助強調：「KM 不是倉庫，而是讓組織前進的推進器。」 AI 時代，知識管理才是企業真正的底盤 國立政治大學顏敏仁院長在演講中直言，缺乏結構化知識底盤的 AI 只會不斷產出「幻覺」答案，讓企業陷入「有 AI、沒智慧」的困境。顏院長將 KM 定位為企業「管理財」，在作業、事業、公司三個層次各自創造不同價值，並以作業流、資訊流、現金流的三流整合，說明 KM 如何成為數位轉型真正的核心引擎。他也指出，AI 的最大價值在於擔任協作夥伴、解放人力去做更高層次的判斷，ESG 執行到位同樣能轉化為實質訂單，兩者都以成熟的知識管理為前提。 從半導體、化工到醫療：跨產業 […]

微軟砸 25 億美元、AWS 投 10 億美元派駐工程師：企業 AI 戰場為何從「單一模型」轉向「多模型調度」？

雲端運算與 AI 領域的競爭焦點，正迎來一次根本性的典範轉移。過去各家雲端巨頭競逐的是誰的基礎模型效能最強、誰的雲端基礎設施容量最大，但如今，戰線已全面延伸到協助企業將 AI 應用真正部署到內部複雜場景的「最後一哩路」。背後的核心原因，在於 AI 模型正在走向商品化，效能與價格正變得更加相似且便宜，這也讓單純銷售模型很難維持長久的競爭優勢。相較之下，協助大企業將 AI 融入工作流程的服務與導入市場，才是雲端巨頭眼中真正龐大的新藍海。  就在亞馬遜旗下雲端業務（AWS）宣布投入 10 億美元建立「前線部署工程師」（Forward Deployed Engineering, FDE）組織的短短兩天後，微軟（Microsoft）隨即展開反擊，宣布斥資 25 億美元成立名為「Microsoft Frontier Company」的組織，計畫編制高達 6,000 名員工。 事實上，將技術人員直接送進企業的模式並非微軟或 AWS 首創，Palantir Technologies 早在 20 年前便奠定前線部署工程師的基礎。隨著今年五月，新創巨頭 OpenAI 與私募股權基金 TPG 合作成立資本額達 40 億美元的「OpenAI Deployment Company」，以及 Anthropic 攜手高盛、黑石集團等投資機構啟動 15 億美元的嵌入式工程計畫，更不斷加大這股把 AI 工程師直接派駐企業內部的風潮。 Copilot 綁定 OpenAI 的教訓：企業 AI 落地不能只押單一模型 現在全球科技巨頭爭相將工程師送往企業第一線的動力，來自 AI 投資回報率難以落地的現實。各行各業雖然在過去兩年多來爭相採用各類大語言模型，卻發現無法在企業複雜的既有系統、安全合規與專屬數據環境中，順利轉化為實際的生產力。 推動微軟改變心態的，除了客戶的反饋，還有大型企業本身的防備心理。產業分析師 Patrick Moorhead 指出，大企業越來越不願意只採用 […]

中國 Z.ai 推出 ZCode 挑戰 Claude Code：AI Coding 戰場為何轉向 IDE？

繼 Anthropic 推出 Claude Code、OpenAI 發布 Codex、Google 推出 Antigravity 後，中國 AI 公司 Z.ai（前身為智譜 AI）近日也正式推出 AI 開發工具 ZCode，加入 AI Coding 市場競爭。 如果把時間拉長來看，這波產品發布透露出一個共同方向。過去一年，各家前沿 AI 模型公司主要競爭模型能力；今年開始，它們陸續打造自己的 IDE、Agent 與開發工具，希望將模型、工作流程與訂閱服務整合成完整的平台。 《VentureBeat》認為，ZCode 的推出，不只是市場多了一套 AI Coding 工具，而是再次印證模型公司正快速向應用層延伸。過去模型實驗室主要提供 API 與模型能力，如今則開始同時掌握模型、訂閱服務、IDE 與 Agent 工作流程，逐步形成自己的全棧（Full-stack）開發平台。AI Coding 的競爭焦點，也因此從模型能力擴大到開發者每天使用的工作平台。 從 Prompt 到 Project，ZCode 想管理的是整個開發流程 《VentureBeat》形容，ZCode 的設計理念更接近「以專案思考，而不是以 Prompt 思考（think in projects, not prompts）」。 相較於多數 AI Coding 工具仍以聊天視窗或程式補全為主要互動方式，ZCode 將 […]

【温宏駿專欄】AI 入口保衛戰：台灣銀行業重奪主導權的三條路徑

時間拉回 2026 年 5 月 5 日，一向對加密貨幣與新興科技態度嚴厲的摩根大通執行長 Jamie Dimon 與 Anthropic 執行長 Dario Amodei 首次同台。Dimon 在台上坦言，他週末親自登入 Claude Code，想搞懂資產交換與美國公債的買賣價差，結果 20 分鐘內就生出一個結構完整、附帶所有佐證研究的財務儀表板。這場世紀同台的背後，是 Anthropic 一口氣推出 10 款專為投資銀行、審計與法遵打造的現成 AI Agent，搭配最新的 Claude Opus 4.7 模型，並與穆迪（Moody’s）完成數據整合──等於把彭博終端機的核心能力直接搬進 AI 生態圈。「我們正在從頭到尾的重建整個業務流程。」摩根大通資訊長 Lori Beer 如是說。 矽谷對華爾街的解構並未止於後台。10 天後的 5 月 15 日，OpenAI 上線 ChatGPT 個人理財功能，透過開放銀行中介 Plaid，讓用戶能授權 ChatGPT 連接其在 Chase、Fidelity、Schwab 等機構的真實帳戶，即時讀取餘額、交易、資產與負債──Plaid 背後串接的，是全美超過 1 萬 2 千家金融機構。值得留意的是，這項功能目前仍是限定美國、僅開放給每月百美元專業級訂戶的預覽版，且須由用戶逐家銀行手動授權。它打開的是入口，尚非接管；但方向已經清楚：AI 正從提供建議的副駕駛（Co-Pilot），進化為能自主處理工作、調度大數據的自主智能體。金融業的競爭已從「人機協作」演變為「機器決策速度」的軍備競賽。 […]

【科技早餐】川普點名台積電，OpenAI 傳交 5% 股權，AI 基建戰燒進政府與印太

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊川普再點名台積電，亞利桑那成美國晶片戰焦點 美國總統川普 7 月 1 日表示，台灣正在把亞利桑那州興建中的晶圓廠規模擴大一倍，並稱這可能有助於美國晶片市占率，在他任期結束前提高到 50%。川普提到，新的晶圓廠將在未來幾年陸續啟用，來自台灣的晶片製造商，例如台積電，正在增加對美國的投資。他也把這項投資和就業成長連在一起，表示相關設施還沒啟用，美國就已經創造更多工作機會。 對於川普這次說法，台積電表示不予置評。台積電原本已宣布在亞利桑那投資 650 億美元，興建 3 座晶圓廠。今年 3 月，台積電又宣布追加 1,000 億美元投資，規劃新增 3 座晶圓廠、2 座先進封裝廠，以及一個研發中心。這使台積電在美國的布局，不再只是單一海外廠，而是被美國政府放進 AI 晶片自主供應鏈的敘事裡。 ＊AI 模型上線要先過關，美國擬定發布安全標準 《金融時報》報導，美國政府因為擔心最先進模型可能被中國、俄羅斯等敏感國家用於軍事或情報用途，正與 AI 企業深入協商，準備針對新模型發布建立一套自願性標準，最快可能下週公布。這套標準將針對前沿 AI 模型，建立測試、發布與存取準則，包括模型在正式推出前，要如何評估能力與風險，以及哪些美國與海外對象可以取得這些模型。 美國人工智慧標準與創新中心（Center for AI Standards and Innovation），以及國家安全局（National Security Agency），預計都會在制定與監督標準的過程中扮演關鍵角色。OpenAI 執行長 Sam Altman 也在《金融時報》撰文，主張建立由美國主導的國際 AI 安全框架，讓各國政府與獨立技術專家共同制定安全測試標準，並為 AI 能力與風險提供中立評估。這代表 AI 競爭正在從模型能力，延伸到模型能否上線、誰能使用，以及由誰制定標準。 ＊OpenAI 傳討論交 5% 股權，AI 利潤分配走上檯面 《金融時報》報導，OpenAI […]

當中國人形機器人從產線走進家庭，優必選 U1 必須跨過哪些量產與倫理門檻？

中國人形機器人製造商優必選（UBTech）於近日在深圳舉辦的全球發表會上，正式推出名為 UWORLD U1 系列的全尺寸超仿生陪伴人形機器人，宣告這類尖端科技產品正嘗試跨入日常家庭。 UWORLD U1 系列主打高度擬真的專利仿生矽膠皮膚，外觀具備細緻的性別與身形設計，不僅面容親和，眼睛還能主動跟隨使用者，眼睫毛甚至能進行生動的眨眼互動。為了滿足不同消費者的需求，優必選共推出三種版本，分別是 Lite 半身版、Pro 高效能全身版與 Ultra 高動態全身版。這種高度擬真的外形，標誌著消費級人形機器人，正朝向市場化與規模化量產邁出重要的一步。 從產線走進家庭，優必選瞄準中國陪伴型機器人市場 目前全球多數的人形機器人研發依然以工業與倉儲部署為首要任務，例如特斯拉（Tesla）正在為製造環境開發 Optimus 機器人，Figure AI 則聚焦在倉儲作業，而中國本土的宇樹科技（Unitree Robotics）與智元機器人（AgiBot）也將工廠部署列為優先考量。 相較之下，優必選 UWORLD U1 系列在設計之初，便是以在家庭環境中與人類互動、提供個人陪伴為核心目標。優必選也在發表會中描繪人機協作的三階段演進願景，發展路徑從第一階段將機器人部署於危險與重複性極高的工作環境，到第二階段將其角色擴展至日常生活中提供陪伴與服務，最終目標是要在日常各個層面實現人類與智慧機器人的無縫互動。 這項雄心勃勃的轉型計畫，反映的是中國龐大的獨居與老齡化人口所帶來的社會剛需。優必選指出，中國目前有高達九千萬名成年人處於獨居狀態，同時還有超過一億名被歸類為空巢老人的高齡人口，在這些獨居人群中，估計有 10% 至 20% 的人口符合臨床精神健康障礙的診斷標準，極度缺乏心靈寄託與日常照護。 為了解決這個迫切的社會痛點，優必選同步推出人機陪伴倡議（Human-Robot Companionship Initiative），目的是透過人形機器人為這群弱勢族群提供長期的情感與心理支持。作為該倡議的一部分，優必選預計在 2026 年捐贈 100 台客製化的 UWORLD U1 系列機器人，利用三維臉部重建技術與基於聲紋的身分複製技術，模擬特定人士的樣貌與聲音，並結合長期記憶系統及多模態情境感知能力，為人們提供實質的心靈慰藉。 UWORLD U1 用表情、動作與記憶創造陪伴感 要讓一具龐大的機器人具備溫度的陪伴，底層的軟硬體整合是最大關鍵。UWORLD U1 系列搭載全球首款專為長期陪伴設計的情感感知大語言模型（Emotion-Aware LLM），能夠識別 20 種以上細緻的情緒狀態，且辨識準確率高達 90% 以上。 在決策中樞上，系統採用仿生快慢腦架構，能將快速的直覺反應與深度的邏輯推理結合。為了讓對話與肢體表現不顯生硬，UWORLD U1 在全身配備高達 88 個自由度的伺服關節，並特別研發雙樞軸仿生頸椎，使其能夠精準重現多達 90% […]

KPMG 啟動 2026 台灣創新科技大賽，助新創登上國際舞台

KPMG 安侯建業聯合會計師事務所將於 8 月 19 日舉辦「2026 KPMG 台灣創新科技大賽」（Global Tech Innovator Competition in Taiwan 2026，GTI）。本屆大賽聚焦具備國際市場拓展潛力的科技新創團隊，最終脫穎而出的台灣代表隊，將於 11 月前進葡萄牙里斯本，登上全球最具影響力的科技盛會之一「Web Summit」，與來自世界各地的優秀新創同場競技，角逐 KPMG Global Tech Innovator 全球總冠軍殊榮。 2026 台灣區競賽現已正式開放報名，並將於 7 月 17 日（五）中午 12 時截止。KPMG 誠摯邀請擁有創新技術、商業模式及國際發展潛力的新創團隊踴躍參與。本屆競賽不限創業階段，無論是初創團隊或正處於成長擴張階段的新創企業，只要致力於發展具規模化潛力，並能為產業、社會或環境創造正向影響的科技應用方案，皆歡迎報名挑戰。 入選團隊將有機會站上台灣決賽舞台，向產業專家、創投機構及企業決策者展示創新成果與商業策略，爭取代表台灣前進全球賽事的寶貴資格，同時拓展國際曝光與鏈結全球創新生態圈。 本屆競賽採兩階段評選機制，由來自創業投資（VC）、企業創投（CVC）、加速器及新創生態圈的資深專業人士組成評審團，透過「書面審查」及「現場 Pitch Demo」兩大階段，全面評估團隊的技術創新能力、市場潛力、商業模式與成長前景，發掘具備全球競爭力的未來新創之星。更多競賽資訊及報名方式，請至「2026 台灣創新科技大賽」活動官網查詢。 【2026 KPMG 創新科技大賽】開放報名立即報名 （本文訊息由 KPMG 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。圖片來源：KPMG。）

摩根士丹利把對帳工時砍半：不是讓 AI Agent 更自主，而是讓它走進流程

生成式 AI 問世以來，企業導入 AI 的焦點已從「要不要用」走向「怎麼用」。有人將 AI 當成聊天機器人，有人用來寫程式、整理會議紀錄，也有企業開始嘗試導入 AI Agent。不過，真正的差距或許不在於導入了多少 AI 工具，而在於 AI 是否已走進企業工作流程。 根據 Notion 最新發布的《Inside the AI Transformation》研究，該團隊調查全球超過 6,100 名 AI 決策者與使用者後，將企業 AI 成熟度分為四個層級：Level 1 是把 AI 當成思考夥伴（Thought Partner），主要協助草擬、摘要與腦力激盪；Level 2 則開始將 AI 整合進日常工作；Level 3 讓 AI 在人類監督下執行重複性的工作流程；Level 4 則讓 AI 執行端到端、高影響力的核心業務流程。 調查顯示，目前仍有 57% 的企業停留在 Level 1、31% 位於 Level 2，真正進入流程階段的企業僅占 12%，其中只有 2% 已經讓 AI 成為企業系統的一部分。 […]

世界盃背後的 AI 決策戰：從球員招募、戰術配置到小國突圍，數據如何改寫勝負？

在今年的世界盃足球賽場上，主辦單位國際足球總會（FIFA）預計在每場比賽中追蹤高達一億五千萬個數據點。為了精準掌握賽況，比賽用球內甚至安裝了慣性測量單元（IMU）感測器，能夠以每秒五百次的頻率記錄球的細微運動軌跡。 數據與人工智慧公司 Stats Perform 的首席科學家 Patrick Lucey 如此形容：「足球比賽中的排列組合，甚至比宇宙中的原子數量還要多。」這句話精準點出為何 AI 與數據已經成為現代足球不可或缺的分析工具。如今，這股科技浪潮正支撐著全球足球生態系統的運作，各支球隊的後勤人員不斷突破極限，以驚人速度處理海量資訊，試圖在賽場上尋求制勝優勢。 這場 AI 軍備競賽的影響力，從發掘潛力新星，到協助教練團安排陣容與戰術，甚至連球員合約談判，以及轉播單位的娛樂呈現皆包含在內，展現科技正在全面改寫足球世界的軌跡。 從老球探直覺到 AI 評分，巴西正在改變足球天才的發掘方式 過去，巴西極度依賴被稱為「olheiros」的資深球探，他們憑藉長年累積的直覺，跋山涉水尋找下一個超級巨星。然而，受限於經濟與地域的不平等，這種傳統球探模式難以建立標準化機制，許多偏鄉的潛力新星也因此很難被發掘。如今，像 Cuju 與 Footbao 這類 AI 應用程式在巴西迅速崛起，年輕球員只要透過手機上傳影片或進行即時訓練，AI 就能自動分析速度、控球等指標，並給予評分，進一步生成全國排名報告。 這項技術給予身處偏鄉且缺乏資源的年輕球員一個被看見的機會。例如，十八歲的 Davi Barossi 曾經擔心自己身高不如人，但他每天透過應用程式錄製訓練影片，成功將自己的排名推進至同齡球員的全國前三十名。如此亮眼的數據，讓他獲得前往 Aguaí F.C. 參加實體試訓的機會，最終也順利入選球隊。 同樣參與試訓的十八歲球員 Nathan Moraes，也在場邊與其他球員互相比較應用程式上的排名，顯示 AI 評分已經成為年輕球員衡量自身競爭力的新指標。這股數位浪潮也開始吹向頂級豪門，曾孕育出比利（Pelé）與內馬爾（Neymar）的百年球會桑托斯（Santos F.C.），已經開始利用無人機結合 AI 應用程式來監測青年軍的表現，並與 Footbao 展開合作，期望在招募新血上取得領先優勢。 AI 軍備競賽進入戰術室：從陣容配置到小國突圍，數據正在改寫勝負 在職業賽事中，數據分析不僅用於球員招募，更觸及陣容安排，以及角球、自由球的戰術設定。現在，AI 工具甚至被廣泛用於分析潛在的總教練人選，幫助球隊找出戰術風格與現有陣容最契合的教練，並能根據小組賽的對手來決定最佳的球員名單。 這類精準的數據分析，同時也幫助了小國在國際賽事中創造奇蹟。例如人口僅約 15.9 萬的荷屬加勒比海島國古拉索（Curaçao），便利用地理空間數據與科技進行僑民追蹤，成功在荷蘭尋找出具備資格的海外球員，最終成為世界盃參賽隊伍史上人口數最少的國家。 足球 AI 軍備競賽的兩難：拉平資訊差距，也放大資源落差 然而，引進 AI 工具與聘請專屬的數據科學家團隊所費不貲，外界因此開始擔憂，資源豐沛的球隊與缺乏資源的小國之間，落差將不斷擴大，進一步扭曲比賽的公平性。為了解決這個問題，國際足總首度為所有參賽隊伍提供一款名為 Football […]

AI 帳單燒出企業怒火：Palantir CEO 為何說 OpenAI、Anthropic 的 Token 計費模式「出大問題」？

Palantir Technologies 執行長 Alex Karp 近日在 CNBC 的《Squawk Box》節目中，公開抨擊 OpenAI 與 Anthropic 等主流 AI 實驗室採用的 Token 收費結構，並直言當前的 AI 市場「有些事情完全搞錯了」。 Alex Karp 形容，目前美國企業的普遍現狀，就像是在辦公室裡「納涼放鬆」，一邊揮霍寶貴的時間與預算盲目消耗 Token，一邊卻毫無收穫，甚至在不知不覺中面臨將自身智慧財產權（IP）拱手讓人的巨大風險。 企業高層不滿 AI 帳單失控，「Token 極大化」熱潮正在退燒 Alex Karp 指出，許多企業高層對於 AI 公司開出的巨額帳單正在失去耐心，並紛紛在私底下向他吐露強烈的不滿。這些企業領袖向他抱怨，自己正在為那些「無法創造價值的 Token」支付高昂費用，而之所以會面臨這種窘境，是因為這些 AI 模型在行銷上被「完全且不負責任地過度銷售」。 Alex Karp 更進一步透露，這股怒火在企業界內部早已沸騰，如果外界私下打電話給任何一位企業執行長，並轉述他在電視上對 AI 實驗室的嚴厲抨擊，這些執行長私底下的憤怒程度只會更強烈。 這種對 Token 收費模式的集體反彈，迫使企業開始從過去盲目燃燒預算、追求消耗量極大化的「Token 極大化（tokenmaxxing）」狂熱中冷靜下來，轉向務實地審視投資報酬率與運作效率。例如，Uber 以及科技巨擘微軟（Microsoft），都因為 AI 程式碼編寫工具的支出嚴重超出預算，決定開始限制或控管員工的使用權限，反映出大型企業在面對暴增的 AI 成本時，已開始務實地踩下煞車。同時，這也促使許多企業開始削減在 OpenAI 與 Anthropic 上的支出，並從使用通用模型，轉向著手建立並訓練更具專用性的模型。  閉源模型引爆資料焦慮，Palantir 呼籲企業守住 […]

Meta 傳搶進 AI Cloud 市場：AI 基礎建設競爭，開始比誰能把算力變生意

當各大科技巨頭仍在為 AI 算力四處搶購資料中心，Meta 卻打算反過來當賣方。據《Bloomberg》報導，Meta 正籌組一個名為 Meta Compute 的雲端事業，要把自用之外的過剩運算容量對外出租，直接切入 Amazon AWS、Microsoft Azure 與 Google Cloud 長年經營的地盤。消息一出，市場反應卻是兩樣情：Meta 股價收盤上漲近 9%，但專做 GPU 租賃的 Neocloud 業者 CoreWeave 與 Nebius 反而同步重挫。為什麼同一則消息，有人漲、有人跌？ Meta 到底要賣什麼？從自用算力轉向對外出租 根據《Bloomberg》，Meta Compute 是一項對內用來建置與管理 AI 基礎設施的計畫，如今延伸出兩條對外的產品線。一條是仿效 CoreWeave 這類 Neocloud，直接出租「原始」運算容量；另一條則類似 AWS 的 Bedrock，開放開發者付費使用架設在 Meta 基礎設施上的多種 AI 模型，其中包含 Meta 自家的 Muse Spark，由 Meta 負責運行支撐模型的資料中心與晶片，再向開發者收費。 《TechCrunch》與《Bloomberg》皆指出，這項新事業由三位高階主管領軍：基礎設施主管 Santosh Janardhan、Meta Superintelligence Labs 的 Daniel […]

【AI Agent 身分治理】企業擁抱 AI Agent 卻幾乎不做把關，三個方向現在就能補救

今日在企業裡，AI Agent 登入最重要的系統、讀取最敏感的資料、代替員工把工作流程跑完，速度和數量遠超任何真人。Gartner 預估，到 2026 年，每 10 個企業應用就有 4 個內建這類 AI Agent，而一年前的 2025 年，這個比例還不到 5%。 企業正敞開雙手擁抱 AI Agent，但幾乎沒有人在管它們。我們花了幾十年替「人」建立身分與權限的管理規則，卻在給 AI Agent 比一般員工更大的權限時，幾乎不做任何把關。 八成七的人覺得準備好了，但實際上沒有 美國網路安全公司Delinea 的《2026 身分安全報告》訪問了 7 個國家、超過 2,000 位 IT 決策者後發現，87% 的人覺得自家系統已準備好支撐大規模 AI 自動化，只有 2% 承認完全沒準備；但同一批人裡，有 46% 承認對 AI 系統的身分治理其實不夠。82% 說自己有能力找出環境裡所有的 AI Agent 和機器帳號，但真正能即時驗證「找的到底準不準」的只有 30%。 整體而言，90% 的組織坦承對「誰在存取系統」存在盲點。 壓力來自內部，90% 的安全團隊都被要求「為了讓 AI 專案趕快上線，把身分管控放寬一點」；當安全和效率起衝突時，能堅持把關到底的不到三分之一。 AI Agent 本質上是一個高權限角色 AI […]

高盛預估到 2030 年 Token 用量暴增 24 倍，企業如何避免 AI 帳單失控？

AI 越來越聰明，token 單價也越來越便宜，但只要缺乏管控，帳單很可能失控。根據高盛（Goldman Sachs）研究團隊預估，隨著消費者與企業導入 AI 代理（AI Agent），全球 token 消耗量將在 2026 至 2030 年間暴增 24 倍，來到每月 120 千兆（quadrillion）token。《華爾街日報》報導，企業開始部署一系列策略，包括雲端時代練就的老方法，以應對不斷攀升的 AI 成本。 Token 單價在跌，帳單卻越滾越大？ 帳單失控，並不是因為 token 變貴了。根據貝恩（Bain & Company）研究，模型價格在 2024 年 12 月至 2025 年 12 月間約下跌 50%，但同期 token 消耗量卻成長 4.5 倍，漲的量遠遠蓋過跌的價。 而這波用量之所以壓不下來，源自 AI 使用型態的根本轉變：過去以提示（prompt）為主的聊天機器人，正被「一直開著」的自主 AI 代理取代，而後者消耗的 token 遠遠更多。高盛半導體與 IT 服務資深分析師 Jim Schneider 指出，相較於向聊天機器人提問，指派一個 Agent 去完成任務所需的運算量可高達 50 倍；高盛更預估，光是企業端的 […]

【科技早餐】Anthropic 解禁、台灣拚 2 萬片 GPU，AI 審查與算力戰同步升溫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Anthropic 模型解禁，美國 AI 審查卡到產品上線 美國政府解除對 Anthropic 先進 AI 模型 Fable 5 與 Mythos 5 的相關限制，結束這場持續兩週多的模型上線爭議。根據《路透》報導，美國商務部長盧特尼克（Howard Lutnick）表示，過去兩週，美國政府與 Anthropic 密切合作，分析並核准 Fable 5，目標是在確保安全的前提下，維持美國 AI 領導地位。 這起事件源於美國商務部先前要求 Anthropic，在允許外籍人士使用相關模型，或把模型提供到全球任何地點之前，都必須先取得許可，理由是政府對模型安全性仍有疑慮。Anthropic 後來與商務部及其他政府機構協商，並修補可規避 Fable 安全防護的方法。這也代表，先進 AI 模型上線已不只是企業自己的產品節奏，而是開始受到政府審查、安全測試與商業部署共同影響。 ＊AI 擠壓成熟製程，代工漲價恐延到 2027 TrendForce 最新調查指出，AI 需求正在改變晶圓代工產能配置。過去外界談 AI 晶片，多半關心高階 GPU 和先進製程，但現在壓力也往成熟製程擴散。AI 伺服器不只需要最先進的運算晶片，也需要大量電源管理、功率元件和周邊晶片，這些產品很多仍仰賴 8 吋與 12 吋成熟製程生產。 TrendForce 指出，8 吋成熟製程已率先吃緊，2026 年全球前十大晶圓代工業者的 8 吋廠平均利用率已回升到 88%，下半年甚至達到 90%。相關代工價格從第一季到第二季陸續喊漲，平均漲幅落在 […]

AI 接管排程、品管與物流：西門子砸 2 億歐元，把整座工廠變成會自我調度的系統

西門子近期宣布投資約 2 億歐元，在德國安貝格（Amberg）為旗下智慧基礎設施（Smart Infrastructure）事業部打造新一代的智慧工廠，預計將於 2030 年完工。這座新工廠將全面結合工業 AI、數位孿生與先進自動化技術，不僅能大幅擴充高科技電子製造的能力，目標更在提升整體營運效率、永續性與生產彈性。 與此同時，中國的製造業也正透過 AI 來強化工業機器人的辨識、品質控管與產線監督能力，讓自動化的應用範圍從大型汽車製造這一類的高階領域，逐步擴散到服飾、製鞋等更多傳統勞力密集產業。 用 AI 與數位孿生先模擬整座工廠，再重塑產線設計 在安貝格新工廠的實體建造工作開始之前，西門子的工程師已經透過數位孿生工具進行設計與虛擬測試。這套先進的軟體會將機器、輸送帶、感測器與物流流程全部整合成一個模擬模型，協助工廠在動工前就能精準驗證產線配置與流程是否順暢。 西門子產品生命週期管理（PLM）軟體負責人 Joe Bohman 將這種結合 2D、3D 工廠模型以及 AI 的方法稱為「工業元宇宙」（industrial metaverse），目的是加速生產並降低成本。 進入實際生產階段後，AI 系統將持續監測物聯網的感測資料，涵蓋產能、品質、機台狀態與庫存等關鍵數據。當線上視覺檢測或機台監控系統發現瑕疵增加，或是發覺產線放慢時，工廠的 AI 便可自動調整製程參數、重新分派工作，以確保產線維持高良率。近期的分析更指出，安貝格工廠目前已有 AI 驅動的控制器在處理大約 90% 的生產步驟，具備預測故障並即時動態調整產線的強大能力。 自動化物流與機器人進場，讓工廠物料流跟著 AI 排程運作 在物流規劃上，西門子計畫未來在安貝格工廠全面導入全自動化物流（fully automated logistics），其中包含無人搬運車隊與人形機器人。未來的廠房內，自動拖車將完全依照 AI 系統的排程，在各工作站之間精準搬運零件，而高架輸送系統與智慧料架，則會透過 RFID 與光學追蹤技術來嚴密管理庫存。 這樣的設計可以支援連續且即時的補料與排序，從而減少人類堆高機駕駛的介入需求。為此，西門子已在德國 Erlangen 的電子工廠進行為期兩週的試點計畫，部署新創公司 Humanoid 開發的輪式人形機器人 HMND 01 Alpha，來執行倉庫的揀貨任務。 在試驗期間，HMND 01 Alpha 機器人每小時可以自主處理約 60 次的料盒搬運，整體的揀貨成功率更超過 […]

成立不到 4 年拿下 10 億美元訂單：AI 晶片新創 Etched 為何被視為 NVIDIA 新勁敵？

一家成立不到 4 年、目標與 NVIDIA 競爭的 AI 晶片新創近日公開成績單：Etched 已累計募資 8 億美元、投後估值達 50 億美元，並簽下逾 10 億美元的客戶合約，投資人名單裡不只有 Peter Thiel、Geoffrey Hinton、李飛飛等科技界的重量級人物，還有量化交易巨頭 Jane Street，以及與台積電有策略合作關係的創投 VentureTech Alliance。 表面上看，這是又一家想挑戰 NVIDIA 的 AI 晶片公司，但攤開它的策略會發現，Etched 的賭注並不在於做出另一顆更強的 GPU。 這家 2022 年成立的公司，主要設計專門用來運行 AI 模型的晶片，鎖定模型訓練完成後、實際生成回應的「推論」階段。而它進一步押注的，是把晶片、記憶體、散熱、機櫃到量產體系一起自己包辦，賣的是一整套推論系統，這正好切進了當前 AI 基礎設施競爭裡，一個和「單顆晶片誰最快」不太一樣的維度。 睽違兩年再度亮相，一次端出募資與訂單 根據《Bloomberg》報導，這是 Etched 睽違兩年、再度對外公開談論自家的募資與晶片計畫。共同創辦人暨執行長 Gavin Uberti 直言，公司先前刻意保持低調，直到手上有東西可以拿出來展示。 在產品進度上，Etched 首批（A0）晶片已於台積電 N4P 製程產出，目前正與客戶一起驗證第一款機櫃級產品，並預計今年夏天開始向部分客戶出貨。 在產品進度上，Etched 首批（A0）晶片已於台積電 N4P 製程產出，目前正與客戶一起驗證第一款機櫃級產品，並預計今年夏天開始向部分客戶出貨。投資人陣容同樣醒目：除開頭提及的名字，量化交易巨頭 Jane Street 更主導了一輪先前未公開的募資，據知情人士說法，其對 Etched 的累計投資已逾 […]

AI 太貴難落地、太強又怕失控：Anthropic Sonnet 5 如何把企業 AI 變便宜，又不踩政府安全紅線？ 

Gartner 預測，今年全球 AI 支出將飆升 47%，達到驚人的 2.6 兆美元，這迫使許多企業在收到鉅額帳單後，開始重新檢視技術導入成本。因此，在 AI 供應商不得不轉向強調成本效率的趨勢下，Anthropic 近日推出的 Claude Sonnet 5，正是對這種「AI 價格震撼（AI sticker shock）」現象的直接回應。 然而，Anthropic 試圖解決的並不只有商業層面的難題，同時還得化解來自美國政府的巨大政治壓力。在此之前，Anthropic 旗下的 Mythos 與 Fable 模型，才剛因為美國聯邦政府的安全疑慮，面臨強制下架與嚴格的出口管制。在這樣的敏感監管背景下，Sonnet 5 更肩負一項重要的政治任務，那就是向外界與監管機構證明，這款新模型並沒有危險到不能發布。 Sonnet 5 用較低價格提供接近旗艦模型的能力，為 IPO 鋪路 為了滿足企業對低成本、高能力的需求，Anthropic 表示 Sonnet 5 是 Claude 系列中「最具 Agentic 能力」的 Sonnet 模型，能夠進行規劃、使用瀏覽器與終端機等工具，並自主執行過去需要更大、更昂貴系統才能完成的任務。 在定價方面，Sonnet 5 展現極大的企圖心。Sonnet 5 在 2026 年 8 月 31 日前的 API 導入價格為每百萬 input […]

140 家企業聯手推出美元穩定幣 Open USD，為何讓 Circle、Tether 緊張？

穩定幣的勝負邏輯，過去是誰發行市值最大的幣、誰就掌握網路，然而 6/30，超過 140 家公司決定聯手改寫這條規則。Visa、Mastercard、Stripe、Coinbase、BlackRock、Google 等平日彼此競爭的巨頭，共同加入一個名為 Open Standard 的聯盟，宣布推出美元穩定幣 Open USD（OUSD），預計今年稍晚上線。 這枚幣直接對準目前市占最高的兩大發行商 Tether 與 Circle，消息一出，Circle 股價應聲下跌 13%。但問題來了：一群平日的死對頭，為什麼願意合力做同一枚幣？ Open Standard 想解決的問題：開放性 Open Standard 在官方公告指出，穩定幣正因速度、成本與可程式化而被快速採用，交易量已逼近 ACH 支付網路的規模；但企業實際使用時仍卡在三道關卡：多數穩定幣在大額鑄造與贖回時的手續費高得不成比例、企業無法分享底層準備金所賺得的收益，而且當第三方發行商的產品藍圖不符需求時，開發者幾乎沒有著力點。 根據《PYMNTS》分析，過去誰發行市值最大的數位資產，誰就掌握整個網路，準備金收益歸發行商所有，其餘參與者則淪為支撐別人資產的基礎設施。而 Open USD 幾乎把這套邏輯反過來，對應三道關卡提出三個設計原則。 其一是為規模而生，企業鑄造（mint）與贖回（redeem）不收費，也沒有交易量上限。其二是收益預設共享，準備金所產生的收益在扣除一筆用於支應營運成本的管理費後，大部分回流給參與企業，而非集中於單一發行商。其三是協作治理，Open USD 由獨立機構 Open Standard 營運，董事會由參與企業組成，確保決策服務集體利益而非單一實體。創始執行長 Zach Abrams 形容，這是一枚為網路經濟打造、由推動它成長的企業共同設計的穩定幣。 這種「刻意中立」，正是該聯盟主打的開放特性。DoorDash 共同創辦人 Andy Fang 在官方聲明中點出，Open USD 的與眾不同之處在於它是真正開放的：沒有任何單一公司能掌控，在其上建構的夥伴都有一席發言權，他認為這才是為所有人搬動資金的正確基礎。曾在巴克萊銀行主導區塊鏈研發的 Simon Taylor 則在 X 上補充，可信的中立性是這盤棋的關鍵，他形容一家公司的幣只是一項產品，但一枚有上百家競爭對手同意共用的幣，就成了一套標準。 敵友同盟：誰加入、誰缺席 這份參與名單橫跨了平常互不相讓的幾個陣營，集結逾 140 家企業。支付網路方面有 Visa、Mastercard、American Express、Discover；金融機構有 […]

Q-Day 倒數中：池安量子資安揭企業啟動「後量子遷移」的 4 大關鍵步驟

專訪：沈貝怡撰稿：李昀蔚 在 AI 大爆發、算力軍備競賽白熱化之外，科技界近年也提出一個重要警告：隨著量子運算逐漸成熟，足以破解現行加密方法的「Q-Day」可能比想像中更快到來。所謂 Q-Day，指的是量子電腦算力成熟到足以破解目前主流公鑰加密系統的那一天。一旦這一天來臨，過去被視為安全的密碼、電子簽章、金融交易驗證與機密通訊，都可能面臨瓦解。因此，影響範圍不只包含一般民眾的網路生活，也可能波及金融產業、企業機密、政府系統，甚至國防安全。 這樣的趨勢，也讓後量子資安不再只是科學界或資安圈的前瞻議題，更是企業與國家都必須提前面對的戰略問題。本集《全新一週》特別邀請池安量子資安共同創辦人暨副執行長陳柏維，解析 Q-Day 為何加速來臨、後量子密碼學如何成為國際合規趨勢，以及企業啟動量子安全遷移的關鍵策略。 量子電腦一旦成熟，現有公鑰加密將面臨崩潰風險 早在 1990 年代，學界就已經指出，只要有足夠算力的量子電腦，就可以破解 RSA、ECC 等現行幾個重要的加密演算法。陳柏維解釋，量子電腦不是一般人想像中「什麼都很會算」的通用電腦，而是 RSA 與 ECC 所依賴的數學問題，正好是量子電腦非常擅長處理的類型。 「當初我們認為 RSA 跟 ECC 是非常安全的算法，因為我們用傳統的電腦，可能要花十幾億年的時間才有辦法破解這樣的算法，但如果是使用量子電腦，破解可能就是幾分鐘的事情，因為算力、運算型態的差別，會造成量子電腦對現在用的密碼系統有巨大的破壞性，」陳柏維說。 Q-Day 沒有明確日期，但資安威脅已開始逼近 陳柏維指出，相較於 2000 年的千禧蟲危機有明確時間點，Q-Day 最大的不同，在於沒有明確日期。由於量子電腦何時具備足以破解現有加密系統的能力，受到技術發展速度、硬體突破、國際競爭等因素影響，因此時間點非常模糊。更重要的是，量子算力已經進入國際競爭層級，即使某些國家真的率先取得足夠成熟的量子能力，也未必會公開宣布。 這也讓企業無法等到量子電腦真正成熟才開始準備，因為量子運算帶來一個更迫切的潛在危機：「先收集，未來再解密」（Harvest Now, Decrypt Later，HNDL）。面對這樣的資安風險，「現在我們傳的每一則訊息，都會暴露在未來可能被解開的威脅底下，」陳柏維強調，現在防護的空窗期其實並不存在，因為企業每分每秒都已經在面臨這些威脅。 除了 HNDL，另一個重要概念是「現在信任，未來偽造」（Trust Now, Forge Later，TNFL）。如果 HNDL 對應的是機密資料未來被解開，TNFL 則關乎數位信任本身被破壞。例如金融交易、合約驗證、身分認證，都需要透過電子簽章確認「這份資料確實是本人簽署」，然而當量子電腦足以破解現有簽章機制後，信任體系將會崩塌，「等到有量子電腦的那一天，其實可以一直偽造這些讓我們分不出來到底是真的還是假的訊息，到時候就會陷入一片混亂。因為過去這些我們普遍相信不可被破解的電子簽章，都會面臨被偽造的風險，」陳柏維說。 科技巨頭加速量子布局，Q-Day 風險正在升高 雖然量子電腦仍面臨低溫環境、量子位元不穩定等挑戰，但陳柏維觀察，近年國際科技大廠的投入速度正在加快。例如 Google 的 Willow 量子晶片帶來新技術突破，IBM 也公布量子電腦發展期程，預計在 2029 年以前打造出算力大幅提升的新世代量子系統。 更值得企業關注的是，除了從「攻擊方」觀察量子算力發展，也可以從「防守方」的部署動作察覺危機感正在升高。陳柏維提到，Google 已將原本量子安全遷移完成時間從 2030 年提前到 […]

人才是一切，但晶片才是天花板：俄羅斯主權 AI 戰略的結構性矛盾

俄羅斯在世界 AI 競賽中的處境是什麼？今年 4 月的俄羅斯年度 Data Fusion 大會上，主持人提問，「俄羅斯發展 AI 最關鍵的是什麼？」主持人先點名透過視訊連線出席的普丁小女兒 Katerina Vladimirovna Tikhonova，她說，「人才是一切，其他一切都是人才的結果。」 台上的人表示同意，但整場大會幾乎沒有人認真討論另一個問題：沒有晶片，人才能做什麼？ 從奧林匹亞競賽到總統委員會，人才培育全面啟動 俄羅斯的 AI 人才培育計畫規模不小。莫斯科國立大學今年新設 AI 學院，超過一半的學生名額由贊助方免除約 7,000 美元的學費，資金來自普丁的親信。 學院獲准使用 2024 年啟用、專為 AI 工作負載設計的超級電腦 MSU-270，並與 2020 年成立的 AI 研究院、2025 年設立的研究中心共同構成一套「統一生態系」。這個生態系的核心人物，正是 Tikhonova 本人，她擔任 AI 研究院的負責人。 而且 AI 今年被納入自 1989 年起每年舉辦的全國資訊學奧林匹亞競賽，俄羅斯計劃將 AI 專家的年產出從 2022 年的約 3,000 人提升至 2030 年的 15,500 人。 在政策層面，普丁今年 2 月成立了總統 […]

讓電商顧客每次造訪營收衝高 4.75 倍：百貨巨頭 Macy’s 如何用 AI 當導購？

線上購物已發展近三十年，電商平台商品愈來愈豐富，卻也讓消費者面臨「選擇過多」的新困境。當消費者沒有明確購買目標時，往往需要反覆搜尋、瀏覽大量商品頁面，花費許多時間仍難以做出決定。根據使用者體驗研究公司 Baymard Institute 2025 年彙整 50 份研究平均值，目前全球平均購物車棄單率仍高達約 70%，如何降低搜尋成本、提升購物體驗，已成為各大零售商的重要課題。 美國百貨零售品牌 Macy’s（梅西百貨）因此攜手 Google Cloud，推出全新的 AI 數位購物管家「Ask Macy’s」，藉由導入 AI，希望將實體門市導購的體驗延伸至線上購物，協助消費者更快速找到符合需求的商品，同時提升互動率與銷售表現。 多模態 AI 變身專屬顧問，把實體百貨的服務搬上線 Macy’s 科技產品開發暨客戶體驗資深副總裁 Chad Westfall 表示，百貨公司的優勢在於精心策畫的商品陳列，以及店員提供的個人化建議。該團隊希望透過 AI 消除線上購物的摩擦，讓消費者在瀏覽商品時，也能感受到有人陪伴、理解需求並提供建議的購物體驗。 「Ask Macy’s」採用多模態代理人（Multimodal Agent）架構，可同時理解文字與圖片資訊，互動方式也比傳統關鍵字搜尋更加自然。消費者可以直接描述自己的需求，例如年齡、身形、預算、偏好的布料、穿著場合等，Ask Macy’s 會根據條件提供完整穿搭建議，再推薦符合需求的商品，而非單純列出搜尋結果。 其中最具特色的功能是 AI 虛擬試穿。消費者只需上傳自己的照片，系統便能模擬服飾穿在身上的效果，還能切換不同情境背景，例如辦公室、餐廳，甚至美國知名賽馬盛事 Kentucky Derby 的觀賽場合，幫助消費者更直觀地想像不同服裝在各種場景下的整體造型，降低因無法試穿而產生的不確定感。 AI 也會透過持續對話逐步縮小推薦範圍。例如，當使用者表示自己將前往拉斯維加斯參加商務會議時，系統除了推薦適合正式場合的服裝，也會提醒當地室內外溫差較大，建議採用洋蔥式穿搭，鞋款則優先考慮平底鞋，以兼顧舒適與行程需求。未來，Ask Macy’s 還將結合商品評論與顧客回饋，提醒哪些商品版型偏大或偏小，協助消費者挑選更合適的尺寸，也能推薦與購物車商品搭配的相關配件。 Ask Macy’s 天天服務數千人、每客造訪業績狂飆 4.75 倍 值得注意的是，Ask Macy’s 的開發速度相當驚人。系統自今年三月底正式上線以來，Ask Macy’s 已支援 Macys.com 網站、iPhone 與 Android […]

【科技早餐】長鑫存儲拿下 Tencent，歐日 AI 主權與企業成本戰同步升溫

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊長鑫存儲拿下 Tencent，中國 AI 記憶體自給加速 《路透》報導，中國記憶體廠長鑫存儲已與 Tencent 簽下長期供應協議，規模超過 200 億人民幣，約 29.4 億美元，合約期間為三到五年。這項協議主要涵蓋伺服器用 DRAM，對雲端、資料庫和 AI 工作負載都很關鍵。不過，目前還不清楚是否包含高頻寬記憶體 HBM。 這項協議出現在全球記憶體供應緊張的背景下。Samsung Electronics、SK hynix 與 Micron 等主要記憶體廠，已陸續與重要策略客戶簽下長期供貨合約，客戶也更願意支付較高費用，確保 DRAM 供應。Apple 近期也傳出希望向美國政府申請採購長鑫存儲記憶體，但即使取得美方批准，實際供貨仍有變數，因為中國市場本身也面臨 DRAM 供應吃緊。隨著長鑫存儲準備推動上市，這類長期供貨協議也將成為觀察中國記憶體自給能力的重要指標。 ＊日本主權 AI 加速，鴻海、夏普卡位基建 由軟銀（SoftBank）推動的日本國產 AI 專案細節曝光，夏普（Sharp）與大和房屋工業傳出也將投資研發主體的新公司，整體預計最多將有超過 40 家企業參與。這個專案目標是在 2027 年研發出日本最大規模的 AI 模型，參數規模上看 1 兆，核心股東包括 SoftBank、NEC、本田與 Sony，並鎖定製造、運輸、營建等應用場景。 對鴻海來說，這也與日本 AI 伺服器布局有關。鴻海與夏普已簽署合作備忘錄，合作範圍包括 AI 基礎設施、能源、機器人、次世代通訊與智慧城市，雙方將優先探索 AI 伺服器業務。同時，日本也透過外交建立 AI 合作網。日本外務省表示，日本與法國已在巴黎舉行首次高階 AI […]

台灣 AI 採用贏全球，產出成果卻落後一截？微軟揭企業 AI 的導入盲點

當 AI Agent 浪潮襲來，企業導入 AI 的賽局焦點已悄然轉變。微軟最新發表的《2026 工作趨勢指數》點出一個值得所有決策者警惕的發現：真正決定 AI 能否在組織內發揮效益的，已不是個別員工的能力，而是組織本身。 這份報告由微軟連續第三年發布，橫跨 10 個國際市場、兩萬名 AI 使用者，涵蓋個人工作者、管理者與企業領導人，並結合 Microsoft 365 的匿名行為數據與 LinkedIn 全球人才網絡資料。台灣微軟總經理卞志祥指出，三年來焦點明顯轉變：第一年看的是「個人如何追上 AI 世代」，第二年看「企業如何跟上前沿企業」，而今年的核心命題是：企業要在這波浪潮中完成轉化，必須同時從個人、領導者、組織三個層面檢視端倪。 個人層面：「前瞻專業工作者」的工作方式截然不同 在個人端，微軟將佔全體 AI 使用者 16%、能為企業創造極高價值的進階使用者稱為「前瞻專業工作者」。報告發現，這些人過去三年最大的轉變是從追求效率，走向追求創意與決策。卞志祥觀察，他們不再只是用 AI 做資訊收集、快問快答，而是進入分析、推理、決策，甚至帶出實際動作的協作模式。 值得關注的是，擅長與不擅長使用 AI 的差距，已經不是技巧問題，而是心態問題。報告揭露，全球前瞻專業工作者中有 80% 現在已能完成一年前無法企及的工作成果；有 53% 在開始工作前，會先判斷哪些任務適合交由 AI 執行，哪些應由人類負責；有 43% 會刻意在部分工作中避免使用 AI，以維持自身專業能力。 卞志祥進一步和《TechOrange》分享這種「刻意不外包」的判斷：「最明顯的就是任務分派這一塊。我可以讓 AI 幫我做任務分配，是可以，但我不應該，甚至於不行讓他這樣做，因為這是身為管理者最核心的價值。」他強調，AI 給的建議因為有底層的關聯資料而非常精準，但他在向 AI 提問前一定會先自己想一想：「我不希望完全大腦外包。」 卞志祥也提及，AI 是一個加速器，它不僅加速了時間，更放大了人與人之間在想法與能力上的差距。他解釋，目前的職場趨勢已經不再是探討「AI 是否會取代人類」或是單純的「會用 AI 的人取代不會用 AI 的人」。真正的關鍵在於，AI 帶來的效果會把人才的能力呈倍數拉開。 如果把台灣單獨拉出來看，數據相當亮眼。台灣有 […]

機器人基礎模型市場價值上看 1,500 億美元：瑞士新創 Flexion Robotics 如何打造會拆解任務的 AI 大腦？

當前科技界正迎來一波人形機器人熱潮，包含特斯拉的 Optimus、波士頓動力的 Atlas 等數十款機器人，正積極準備進入市場 。業界之所以如此執著於「人形」，是因為生活環境原本就是為人類量身打造，像是要轉動門把需要手，要爬樓梯則需要雙腳。特別是市場對人形機器人的期待，就是要真正走入工作場域並發揮價值，進一步完成開門、搬箱子等枯燥的日常雜事。然而，這也是當前人形機器人，最難跨越的門檻之一。 為了解決這個實用性痛點，由前 NVIDIA 機器人研究人員所創立的瑞士新創公司 Flexion Robotics 提出全新的解方。與多數鑽研機械關節的硬體公司不同，Flexion 的核心重點是開發讓人形機器人能自主完成任務的「軟體系統」，打造一個能真正理解指令、拆解任務並串接行動的 AI 大腦。 Flexion 讓人形機器人從單點動作，到可以串接日常生活流程 為了展示這個「AI 大腦」的潛力，Flexion 運用一台改裝過的 Unitree 人形機器人進行實際測試。《WIRED》報導，這款機器人能夠接收語音指令到樓下領取包裹，接著自行走樓梯、搭電梯回來，最後甚至能拆開包裹並把零食放進抽屜裡。 這個任務的關鍵並不在於機器人學會某個單一動作，而是必須把取包裹、開門、移動、搭電梯、拆箱與整理物品等多個步驟，串連成一個流暢且完整的自動化流程。目前多數的人形機器人展示影片，通常只聚焦在摺衣服或上架等特定任務，且幕後往往高度仰賴人類進行遠端操控。然而，一旦把這些機器人放到不熟悉的環境中，遠端操控的方式便容易失效。相較之下，Flexion 的優勢在於能讓機器人先在模擬環境中學會各種基本技能，隨後再將這些技能組合起來，自主應用於真實世界中。 如何打造人形機器人的大腦？Flexion 用強化學習連接任務與動作 要達成這樣的高度自主性，Flexion 系統運作的核心在於結合不同的 AI 模型，其中的「主 AI」會先消化人類做事的影片，藉此學會什麼時候該採取什麼行動。這些影片的功能不是直接教導機器人如何完成每一個物理動作，而是教它在任務流程中應該依序採取的行動邏輯。 例如，當主 AI 判斷任務需要開門或搭電梯時，系統就會呼叫機器人先前在模擬環境中學到的對應技能，並將其順利應用到現實場景中。同時，Flexion 的軟體也肩負控制機器人馬達的重任，確保機器人能夠平穩地走路、移動四肢並維持平衡。 Flexion 共同創辦人兼執行長 Nikita Rudin 表示，這套軟體的秘密武器是大量使用強化學習技術，從主 AI 模型、模擬環境到馬達控制，每一層的設計都是透過不斷地試錯來完成訓練，正如 ABI Research 分析師 George Chowdhury 所強調：「真正具有革命性的不是人形機器人本體，而是支撐它們運作的 AI 模型。」 Physical AI 為何還沒迎來 ChatGPT 時刻？資料、安全與泛化能力是難題 儘管 […]

中國兩大實體 AI 新創估值同破 200 億人民幣，智平方、自變量力拚特斯拉

《Bloomberg》報導，中國人形機器人產業再掀投資熱潮，兩家新創公司完成新一輪募資後，企業估值均突破 200 億元人民幣，顯示資本市場持續看好 AI 與人形機器人發展，而中國正加速布局，力拚與美國特斯拉、Figure AI 等企業競爭全球市場。 實體 AI 競賽白熱化，中國人形機器人累積募資破 460 億 中國新創公司智平方（AI² Robotics）近日宣布完成近 50 億元人民幣融資；另一家獲阿里巴巴投資的自變量機器人（X Square Robot）也完成連續多輪募資，但未公布實際金額。完成募資後，兩家公司估值均躋身中國人形機器人產業最高梯隊。 自變量機器人創辦人兼執行長王謙表示，公司自 2023 年成立以來，持續投入實體 AI 基礎模型自主研發，目前已在 AI 模型、資料管線建置及機器人實際應用等方面取得進展，相關技術已逐步導入商業場域。 王謙指出，公司正建構涵蓋 AI 基礎模型、機器人硬體、模型驅動資料管線及實際部署的完整技術架構，藉由通用型實體 AI 模型提升機器人的感知、推理與自主執行能力，使其能適應家庭、工廠等複雜環境，進一步擴大 AI 的實際應用。 《Bloomberg》提及，在人形機器人投資熱潮帶動下，創投基金、汽車製造商及國有基金近年持續加碼布局相關產業。根據北京研究機構 ITjuzi 統計，今年以來中國人形機器人相關企業累計募資金額已達 460 億元人民幣，超過去年全年水準，反映市場持續看好實體 AI 及人形機器人的發展前景。 科技巨頭集體押注實體 AI，阿里巴巴、小米皆布局相關供應鏈 除了資金持續挹注，中國機器人企業也加快資本市場布局。總部位於杭州的宇樹科技已於 6 月初獲准在上海辦理首次公開募股（IPO），募資規模約 42 億元人民幣，成為中國機器人企業上市潮的重要代表。 中國正積極透過資金投入、產業化發展及技術創新，希望在人形機器人產業建立全球競爭優勢。《Bloomberg》指出，今年資金主要集中於機器人 AI 模型開發，投資人期待透過 AI 提升人形機器人的工作效率，使其具備更高的商業應用價值。目前中國已有超過 140 家企業投入人形機器人技術研發，產品應用涵蓋工廠製造及各類工作場域，目標是提升自動化程度，並在工作流程中取代人力。 自變量機器人表示，最新一輪融資 IDG […]

南韓砸逾 8,800 億美元打造 AI 國家隊：拆解台、日、韓的 AI 國力競賽

2026 年 6 月，不到一週之內，亞洲三個科技要角接連端出國家級 AI 投資藍圖。《BBC》報導，南韓總統李在明在 6/29 公布規模至少 8,800 億美元的「三大超級計畫」，另據《Reuters》，光是其中的半導體相關投資就逾 5,760 億美元。 在這之前，日本高市早苗政府於 6/24 提出 15 年累計逾 370 兆日圓（約新台幣 74 兆元）的「官民投資路線圖」；而台灣行政院更早一步，在 6/23 啟動國家人工智慧戰略特別委員會，並以 4 年逾 1,300 億元新台幣推動 AI 布局。三組數字級距天差地遠，不過真正的差別不在金額，而在三國把錢押在不同的層次上，各自的盤算也不一樣。 南韓：靠記憶體霸權，把錢重押在硬體與實體 AI 南韓的計畫規模最龐大。根據《Reuters》與《The Korea Times》報導，李在明把這套計畫定調為由半導體、實體 AI 與 AI 資料中心組成的「三軸」，稱其結果將決定南韓未來 20 至 30 年的命運。「我們必須比任何其他國家都更快掌握 AI 的核心要素，」李在明表示。「半導體、實體 AI（Physical AI）與 AI 資料中心，是實現大躍進的三大主軸。」 在半導體這一軸，由三星電子與 SK 海力士參與其中，將投入 800 兆韓元（約 5,190 億美元），在南韓西南部各興建兩座記憶體廠，合計四座。《Korea […]

從 8 小時到 22 秒就能破解！當 AI 變成駭客工具，你的公司準備好了嗎？（下篇）

企業正在用 AI 加速業務，攻擊者也正在用 AI 加速攻擊，但大多數公司的資安防護可能還沒跟上，上篇我們談到 AI 如何讓駭客的速度快到傳統資安可能來不及反應，這一篇，我們要談解法，當你的公司已經、或即將部署 AI 代理人，有哪些防禦架構值得現在就放進開發清單？ Google 在今年 Cloud Next ’26 上提出了一套新的防禦思維，核心概念只有一句話：要對抗 AI 攻擊，防禦也必須是 AI，這篇文章整理了 Google 針對代理人安全的三層架構，以及開發者現在就能對照的實務檢查清單。 Google 解方：以代理人對抗代理人的三層防禦 面對這樣的全新攻擊面，Google 在 Next ’26 揭露的解法大概可以歸納為三個層次的防禦，分別針對「代理人本體」、「AI 應用」、「對外互動」，對開發者而言，這三層其實就對應到開發代理人時會碰到的三個階段： 第一層保護代理人本體 這三個能力整合在新發佈的 Gemini Enterprise Agent Platform 裡，直接對應前面提到的「代理人身份、行為、模型層」攻擊面。 Agent Identity 為每個代理人建立獨特身份與認證流程，並支援帶有範圍（scoped）的人類委派，白話來說就是每個代理人都有自己的「工作證」，誰派它來、能做什麼、不能做什麼，全部有跡可循，這解決的是影子 AI 的治理問題。 Agent Gateway 則是代理人流量的統一閘道，能理解 MCP 和 Agent2Agent（A2A）等代理人協定，對所有 agent-to-agent 和 agent-to-tool 的連線做政策審查，換句話說，代理人每次對外「伸手」，都會先經過這道關卡。Model Armor 是運行時的即時防護層，專門攔截提示詞注入攻擊、工具投毒，以及敏感資料外洩。它現在已整合進 Agent Gateway、Agent Runtime、LangChain […]

資安長看不到的「暗物質」：放手讓 AI 自動修補前，先過 5 道門檻

當企業決定讓 AI Agent 自動接手資安工作，例如調查可疑事件、隔離有問題的設備，甚至直接修補漏洞，聽起來是資安效率的一大躍進，但在按下這個開關之前，有件事比模型聰不聰明更值得先確認：這個 Agent 用來做判斷的那份資料，到底完不完整。 根據《VentureBeat》報導，這當中藏著一個容易被忽視的問題：資安防護通常靠一支安裝在每台裝置上的「小程式」來監控與回報狀態，但是這套機制有先天死角：如果某台裝置根本沒裝這支程式，管理後台就完全不會顯示它的存在，自然也無從監控。換句話說，你看到的覆蓋率，永遠只是「已知範圍內」的覆蓋率。 過去這個死角靠人工來補。舉例來說，當儀表板顯示 98% 的裝置都受到防護，一名資深分析師會本能地懷疑剩下那 2%，但換成 AI Agent，它不會加以懷疑，而是把這個數字當成事實，然後高速照著行動。這也是為什麼，企業要先確認的不只是 AI 判斷能力，而是它腳下的那塊地基穩不穩。 願意放手的有 52%，坦言資料有缺的卻有 63% 近期幾份來自不同單位的研究，從不同角度指向同一個矛盾：企業正準備把決策權交給 AI Agent，卻同時知道自己餵給它的資料並不可靠。 這個矛盾，顯示在 Axonius 與 Ponemon Institute 合作、訪問 662 位 IT 與資安專業人員的《2026 Actionability Report》報告。報告發現，52% 的受訪者願意讓 Agent 依建議自主行動，但同一群人裡，有 63% 坦言自己的底層資料缺了重要資訊。等於企業一手準備放手，一手清楚知道地基不穩。 資料為什麼不可靠？同一份報告給了兩個原因。其一是「缺」：企業的裝置清單裡平均有 12.7% 少了該裝的防護程式。以一間近 30 萬台裝置的公司來算，就是數萬台端點落在所有防護與偵測規則之外，而 AI 的每個判斷都建立在它看不到的那部分上。其二是「亂」：就算資料收進來了，各系統也未必一致，37% 的組織每天或每月會碰到同一台資產在不同系統裡對不起來，一邊標「正式環境伺服器」、另一邊標「測試資料庫」，光釐清哪邊才對就比修問題還久。 還有一個原因，是這片看不見的範圍還在擴大。Axonius 執行長 Joe Diamond 形容，資安長平均只看得到公司網路的一半，另一半他稱為「暗物質」，沒人說得清那是什麼、誰能存取、安不安全。 而把暗物質越養越大的，正是「Shadow AI（影子 AI）」，也就是員工繞過採購、自己裝來用的 AI […]

人形機器人民主化：Hugging Face 的 LeRobot 要讓任何人都能做真機 AI 實驗

要理解 Hugging Face 最新發布的 LeRobot Humanoid 專案在做什麼，得先知道機器人 AI 是怎麼訓練的。目前的標準流程是，先在電腦模擬裡讓虛擬機器人反覆練習走路，等 AI 學會了，再把它裝到真實機器人上測試。 模擬這一步無論是誰都可以用電腦做到，但走到真機測試階段卻是少數專業實驗室的特權。一台商用人形機器人要價數萬美元，系統封閉，壞了不能自己修，想改裝也動不了。結果就是大量研究永遠停在模擬階段。 LeRobot Humanoid 是什麼 LeRobot Humanoid 目前的實體成果是，一雙約 2,500 美元、用 3D 列印零件和市售電子元件組成的人形機器人腿，也就是一個會站、會走的雙足下半身，還沒有手臂和軀幹。但這個專案真正要交付的不只是機械腿，而是一整套讓任何人都能「自己造一台機器人、拿它來訓練 AI」的完整工具包，包括設計圖、零件清單、組裝說明，加上模擬、訓練、控制所需的全部軟體，通通免費公開。 結構零件全部用 3D 列印，壞了就重印一個；馬達和電路板都選市面上買得到的便宜型號；配線圖和組裝步驟逐一寫成文件。Hugging Face 機器人工程師 Virgile Batto 說，「如果你在找最先進的人形機器人，這不是。但如果你想要一台可以自己組裝、理解、修理、模擬、拿來做學習實驗的人形機器人，這就是我們想做的。」 從硬體到軟體，每個設計都衝著同一個問題來 硬體之外，團隊把配套軟體也一同公開。在電腦裡測試用的模擬環境、讓 AI 練走路的訓練環境、一套同時能操控虛擬機器人和真實機器人的控制程式，還有一個關鍵工具，可以把真機實際跑出來的數據拿回去修正模擬器，讓模擬愈來愈貼近現實。 這對應的正是機器人 AI 最頭痛的「模擬到現實」（sim-to-real）問題：AI 在模擬裡練好的動作，搬上真機經常失靈。LeRobot 的整套設計，就是希望讓「模擬訓練、真機驗證、回頭修正模擬」這個循環，便宜到普通研究者也跑得起來。當能做真機實驗的人，從幾十個實驗室變成幾千個團隊，整個領域累積知識的速度就會不一樣。 Hugging Face 一貫的打法：把技術攤開，讓社群接手 這不是 Hugging Face 第一次做這種事，執行長 Clem Delangue 曾向《TechCrunch》說明其動機，就是要讓機器人變得便宜，並避免這個產業被少數大公司壟斷。換句話說，這正是 Hugging Face 一貫推動的「機器人民主化」策略，把過去只屬於少數實驗室的完整研究流程，變成任何人都能展開的實驗。 在這雙機械腿出現之前，公司已經開源過一支 3D […]

【科技早餐】AI 算力不夠了，Google 卡 Meta、南韓 800 兆韓元擴產記憶體

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google 卡 Meta 用 Gemini，AI 巨頭也缺算力 根據《金融時報》報導，Google 已經限制 Meta 使用旗下 Gemini AI 模型，原因是 Meta 想購買的算力規模，超過 Google 能供應的能力。知情人士透露，Google 已告知 Meta，無法提供 Meta 想要的全部 Gemini 算力，這項限制影響 Meta 內部部分 AI 專案進度，也讓 Meta 要求員工提高 token 使用效率。除了 Meta，還有其他 Google Cloud 企業客戶受到算力限制影響，但 Meta 因為需求量特別高，受影響程度更明顯。 Meta 最初選擇 Gemini，是因為 Gemini 表現優於 Meta 自家的開放模型 Llama。知情人士也透露，Meta 近期已開始調整優先順序，提高新的自研模型 Muse Spark 的重要性。Google 執行長皮查伊（Sundar Pichai）先前在財報電話會議上也承認，Google 短期內面臨算力受限，如果能滿足所有需求，雲端業務營收原本會更高。這代表取得足夠算力，已經成為 […]

出口暴增 75% 卻僅增千個職缺：南韓半導體高中爆紅，高薪職涯入口背後藏什麼風險？

全球 AI 熱潮正在加速推升記憶體晶片的需求，使半導體成為南韓當前最受矚目的職涯選項。由於股價飆升，三星電子（Samsung Electronics）、SK 海力士（SK Hynix）的員工不僅獲得高額獎金，在求職與婚戀市場的身價也水漲船高，從過去的 B+ 或 A- 等級，躍升為與醫師、律師齊名的「A+」頂尖理想對象。 然而，這場將「進入科技巨頭工作」視為「階級躍升」的熱潮背後，折射出南韓社會的深層焦慮。因為半導體製造本質上是一門高度依賴資本的產業，而非勞力密集產業，所以當許多民眾試圖擠入這道高薪窄門時，產業內部的自動化趨勢，卻讓未來的就業前景充滿變數。 三星、SK 海力士為何成為韓國青年新目標？ 現在南韓掌握全球超過 60% 的記憶體晶片供應，這些晶片是支撐先進 AI 系統的關鍵。2025 年南韓半導體出口額達到創紀錄的 1,730 億美元，今年更有望翻倍成長。儘管三星過去以智慧型手機與電視聞名，但如今其絕大部分利潤皆來自晶片，業界預估今年營業利潤將達約 2,000 億美元，較去年飆升 7 倍。 然而，這股晶片狂熱卻掩蓋南韓經濟在其他領域的嚴峻困境，像是傳統製造業與建築業正苦苦掙扎，整體經濟在過去一年內流失約 4 萬個工作機會，青年失業率也攀升至近年新高。 在 15 至 29 歲南韓青年失業率提升至 6.1% 的就業焦慮下，半導體產業成為少數能提供長期安全感的職涯避風港。例如，由於近年的高額獲利，部分三星晶片部門員工甚至有望獲得高達 41.6 萬美元的績效獎金，相較之下，南韓勞工 2024 年的平均年薪僅約 2.97 萬美元，凸顯了極端的財富差距。這種財富對比與就業焦慮，促使南韓補習班開始開設專門課程，全力協助求職者準備這兩大晶片巨頭的面試。 畢業就業率 96.4%，半導體高中成為高薪職涯入口 為了擠進這道高薪窄門，越來越多年輕人選擇放棄傳統的大學升學路線，轉向技職教育。例如，位於南韓陰城郡的「忠北半導體高中」，就成為全南韓最熱門的學校之一。這所成立於 2010 年的學校，是南韓最早專門培育半導體製造人才的高中，其畢業生就業率高達 96.4%。在過去一年，忠北半導體高中的入學詢問度激增三倍，甚至吸引同樣正在推動本土晶片產業的中國媒體前來參訪。 在校內實驗室裡，忠北半導體高中的學生必須反覆練習使用儀器轉移極度易碎的矽晶圓。一片空白晶圓要價約 180 美元，一旦刻上電子迴路後價值可能高達數千美元，容不得一絲失誤。 這裡的競爭非常激烈，想進入兩大廠必須滿足成績門檻：三星只考慮班級排名前三分之一的學生，SK 海力士的要求更高，只看前四分之一。在這場競爭中，每年僅有約 20 名頂尖的高一新生，能直接透過三星、SK 海力士的獎學金計畫被提前招募。未能取得獎學金的其餘學生，若想爭取入職機會，不僅要投入競爭激烈的全國招募考試，還必須具備外語能力、考取至少三張技術證照，並完成 […]

導入 AI 卻聘回 350 名資深工程師？福特坦言單靠 AI 解不了的品質難題

當外界討論 AI 將取代知識工作者時，福特汽車卻逆向操作，把退休和資深工程師找了回來。過去三年，這家車廠回聘、新聘或拔擢了約 350 名資深工程師，許多是曾經離開的老員工或來自供應商的老將，任務是帶領年輕員工，並且重新調校那些「無法做好工作」的 AI 與自動化工具。這家正全力導入 AI 的車廠，為什麼會公開承認光靠 AI 與自動化，並不足以解決品質問題呢？ 背景來自市場研究機構 JD Power 最新發布的新車品質調查，福特拿下主流品牌第一，整體僅次於 Porsche 與 Genesis 兩個豪華品牌，並小幅領先長年名列前段的 Lexus。這項調查衡量的是車主在購車後前 90 天內回報的問題數，福特的成績是每百輛車 152 個問題，領先 Nissan 與 Buick。對照之下，三年前福特在同一份調查裡還排在 25 家主要車廠的中後段，這次的進步幅度是同類品牌中最大的。為了慶祝登上主流車廠之首，福特談起近年面臨的挑戰，尤其是在生產與設計上對自動化系統的依賴。 福特車輛硬體工程副總裁 Charles Poon 告訴外媒：「AI 是很好的工具，但它的好壞，完全取決於你拿來訓練它的資料。」他坦言，過去幾年福特誤以為只要導入 AI、把既有的設計需求餵進去，就能產出高品質產品，卻沒有給予最有經驗工程師的判斷足夠的重視。 不是 AI 有問題，是經驗在被寫進系統前流失了 福特口中的「AI 不夠」，問題不在 AI 本身。Poon 解釋，問題在部分最有經驗的人員，在他們累積的判斷被完整轉移進自動化系統之前就離開了公司。少了數十年工程判斷餵進去當訓練資料，福特的自動化工具學到的本來就是不夠扎實的東西，於是把這些弱點一路放大，而不是在設計階段就把瑕疵擋下來。 為什麼經驗會這樣流失？得從福特的人力變化說起。自 2020 年的雇用高峰以來，福特減少了約 5,300 個受薪職位，這是底特律車廠白領收縮潮的一部分，整個底特律已裁減超過兩萬個白領職位。值得一提的是，福特執行長 Jim Farley 曾公開預測，AI「將取代全美一半的白領工作」，但自家這場品質危機，反倒打臉這項預測。 除了人力流失，還有幾件事讓品質問題雪上加霜。福特坦言，Explorer 與 Aviator 兩款車的上市過程並不順利，加上疫情期間的供應鏈中斷，都讓狀況更為明顯。福特營運長 […]

成本只要五分之一、能力逼近 Anthropic：中國 GLM-5.2 如何改寫企業 AI 戰場？

目前在全球 AI 競賽中，美國頂尖模型與中國之間的能力差距已顯著縮小。過去，如 Anthropic 與 OpenAI 等西方 AI 領頭羊，多半是圍繞高單價的優質產品，建立龐大的企業業務。然而，由香港上市企業 Z.ai 所推出的最新大型語言模型 GLM-5.2，正被業界視為另一個顛覆市場的「DeepSeek 時刻」。 儘管 DeepSeek 先前已證明可以用更低的成本建立複雜的模型，但 GLM-5.2 進一步將戰場鎖定在企業客戶，是專為長時間運行、使用工具的 AI 代理所打造的基礎設施。同時，這款 GLM-5.2 模型更迫使過去領先的美國 AI 巨頭面臨一個難以迴避的商業現實：當模型能力足夠接近時，控制權與成本優勢可能比品牌光環，更能左右企業的最終選擇。 美國的出口禁令，意外成為亞洲模型的戰略破口 GLM-5.2 的崛起，恰逢美國高階 AI 模型面臨存取震盪的關鍵時刻。先前，Anthropic 因川普政府指令撤下 Fable 與 Mythos 級模型，OpenAI 也在政府要求下限制 GPT-5.6 僅供受信任夥伴使用。這項出口禁令生效後所留下的市場空缺，正逐漸被日本與中國的公司填補。 在東京，Sakana AI 趁勢推出 Fugu 模型，瞄準希望降低出口管制風險的日本企業與政府機構，藉此協助客戶避免過度依賴單一美國供應商。同時，Fugu 模型也特別針對日語與日本文化進行優化，Sakana AI 執行長 David Ha 指出，國家基礎設施依賴單一模型供應商的風險極高，因此採用模型編排（Model Orchestration）與集體智慧，正是防範頂尖模型存取權一夕消失的實用避險策略。  與此同時，中國資安公司奇虎 360 推出名為 Tulongfeng 的 AI […]

連 Meta 都買不夠算力：Google 一道限令揭 AI 產業真正瓶頸

在社群媒體巨頭 Meta 尋求比競爭對手 Google 所能提供的更多運算能力後，Google 限制了 Meta 對其 Gemini AI 模型的使用。這再次證明，即使是世界上最大的 AI 供應商，也同樣面臨基礎設施的限制。 據《Financial Times》報導，Google 在今年三月前後告知 Meta，無法供應這家社群巨頭想採購的全部 Gemini 算力，這項至今仍未解除的限制，已經打亂並延後了 Meta 數個內部 AI 專案。這起事件也意外揭開了一個正在轉變的競爭邏輯：真正稀缺的資源，已經不是模型，而是支撐模型運轉的算力。 連 Meta 都買不夠：一紙限制令揭開產業瓶頸 《Financial Times》指出，受到這波限制影響的並不只有 Meta，Google 還有其他幾家客戶也同樣受到波及，只是程度較輕；Meta 之所以衝擊特別嚴重，是因為它對 Google 模型的需求異常地高。此外，由於這些限制加上撙節 AI 成本的整體考量，Meta 已要求員工更有效率地使用 AI token，也就是衡量 AI 用量的計算單位。 《Financial Times》分析，Google 對一家大型客戶的模型存取設下上限，這個決定罕見地讓外界得以一窺整個 AI 產業正在累積的基礎設施壓力與瓶頸。即便砸下數百億美元投入晶片、資料中心與電力，連最大的幾家科技公司，都難以取得足夠的運算能力來支應對先進模型與 AI 服務急速攀升的需求。 根據報導，Meta 當初選用 Gemini，是因為它的表現優於自家的 Llama 開源模型。Gemini 在 Meta 內部被用於自動化部分安全流程，例如揪出詐騙、下架有害內容，也用於客服與廣告協助的聊天機器人，以及部分工作流程與程式開發，與 […]

從 8 小時到 22 秒就能破解！當 AI 變成駭客工具，你的公司準備好了嗎？（上篇）

過去三年間，攻擊者從「取得初始存取權」到「交接給下一波攻擊者」的時間，從原本的 8 小時大幅縮短到 22 秒。這是 Google 旗下資安情報單位 Mandiant 在《M-Trends2026》報告中最新的研究，22 秒甚至比資安分析師「打開告警頁面 → 確認 IP → 回報主管」所需的時間還短。 當駭客將 AI 用做可短時間內大規模的攻擊武器，譬如使用 LLM 產生高度擬真的釣魚內容、自動化偵察、甚至把 LLM 直接嵌入惡意程式；而與此同時，企業們為了加速導入 AI 代理人（AI Agent），一股腦地將敏感資料、核心業務流程、對外交易權限，交給這些自主運作的代理人處理。 企業一邊用 AI「加速業務」、攻擊者一邊用 AI「加速攻擊」，而夾在中間尚未「加速」的，便是傳統以人為核心的資安維運流程。 Google 在今年 Google Cloud Next ’26 上指出「要對抗駭客型 AI，中間層級的資安維運流程也必須要有 AI 協助。」並聚焦在「代理式防禦（Agentic Defense）」傳統資安維運（SOC）中，第一線（Tier 1）的自動化過濾已經相對成熟，但中高階（Tier 2/3）的威脅獵捕、事件根因分析和複雜應變流程，過去高度依賴資深人力，然而中間層級的分析師若沒有 AI 可能將無法跟上駭客的速度。 一個指令就能劫持 AI 代理人，AI 最脆弱的攻擊入口在這裡 企業每多部署一個 AI 代理人，就可能向駭客多開了一扇門，傳統的資安防護保護網路、設備、帳號、資料庫這幾個固定關卡，但 AI 代理人會自主規劃、呼叫工具、存取資料、代替人做決定，它帶來的風險入口遠比這些複雜，以下幾種攻擊類型，在 Google 旗下資安團隊 GTIG（Google […]

全球油氣廠可能需要 10 萬台巡檢機器人：能源巨頭 Shell 與 BP 如何用 Physical AI 迎戰缺工與工安風險？

一場由自動化技術驅動的變革，正在全球能源產業的危險前線展開。面對管線老化、氣體洩漏與化學品外溢等難以預測的工安威脅，油氣與化工廠正逐漸將高風險的現場巡檢與維護工作，交接給機器人與無人機執行。根據專門為高危險環境研發自主巡檢機器人的 ExRobotics 估計，全球油氣廠與化工煉製設施，最多可能需要部署高達 10 萬台機器人來執行這類巡檢任務。 這些自動化設備不僅能代替人力深入險境、為工安把關，更能不間斷地捕捉關鍵數據，成為企業突破營運效率瓶頸的核心助力。根據西門子（Siemens）的估算，無預警停機的時間目前會消耗全球大型工業公司高達 11% 的總營收，對於一家中型油氣廠而言，短短 3.5 天的停機就可能造成超過 500 萬美元的巨大損失，這也讓自動化巡檢的穩定性顯得至關重要。 油氣業為何迫切需要 Physical AI？缺工、經驗斷層與高風險挑戰浮現 ExRobotics 執行長 Mark Mildon 表示，隨著嬰兒潮世代與 X 世代員工陸續退休，他們也將多年累積的寶貴現場知識一起帶走。在這樣的背景下，機器人與 AI 的一大優勢，便是能夠將這些老師傅的技能數位化，並讓作業標準變得一致且可重複。 此外，受到勞動力老化，以及年輕人對化石燃料產業抱持懷疑態度的影響，油氣廠與煉油廠的夜班人員也愈來愈難招募。Mark Mildon 舉例說明，如果一名煉油廠操作員要目視檢查類比儀表，通常需要耗費 90 分鐘到 2 小時，相較之下，機器人能有效接管這些重複性極高的工作，協助釋放寶貴的人力資源。 巡檢機器人的高門檻：具備防爆認證與危險場域作業能力 然而，要將自動化設備導入油氣產業並不容易，ExRobotics 機器人的最大差異化優勢，就在於取得危險場域的作業認證，確保其能在具有爆炸風險的極端環境中安全運作，像是其取得的 UL 6260 認證關鍵，就在於能確保機器人本身不會成為引發爆炸的點火源。 ExRobotics 這款造價達 30 萬美元的機器人，大腦由兩顆 NVIDIA Jetson Xavier NX 晶片所驅動，一顆專門處理相機影像，另一顆則負責通訊模組。例如 ExRobotics 通過 UL 認證的 ExR-2.5 巡檢機器人，目前已可在北美爆炸性環境中安全作業，也能在上下游、陸上與離岸等各種場域中，執行安全巡檢與即時資料蒐集任務。為了順利拓展北美市場，ExRobotics 也與 MicroWatt 達成獨家合作，提供在地的專業知識與部署支援。 […]

語言模型輸了，工廠或許還沒：歐洲能靠工業 AI 打一場翻身仗嗎？

歐洲在消費 AI 的競賽上已經輸了，這一點幾乎沒有爭議，但在工廠裡情況還沒有定論。當語言模型的發展被美國與中國遠遠甩開，歐洲製造業正在押注一個不同的問題：如果 AI 的戰場從聊天機器人轉移到生產線，超過百年累積的工業數據與製造專業，能不能成為一張有效的底牌？ 消費 AI 輸了，工業 AI 還是開放競局 德國經濟部長 Katherina Reiche 在今年 5 月直白指出：「我們可能已經輸掉開發最佳語言模型的競賽，這一點很清楚。但我們絕對還沒輸掉將 AI 整合進企業的競賽。這是主權、競爭力與這個地區生存的問題。」 歐洲在消費 AI 領域已明顯落後美國與中國，但在工業與製造應用領域，根據智庫 Interface 今年 5 月的報告，歐洲 AI 新創活動強於美國。 Mistral AI 這家歐洲最具代表性的 AI 新創，也正將重心轉向工業應用。更重要的是，Siemens、Schneider Electric、Dassault Systèmes、ABB 等在全球製造業深耕逾百年的工業巨頭，正在將 AI 嵌入自動化產品與軟體，協助工廠提升生產效率與競爭力。 歐洲的底牌，或許是超過百年累積的製造業數據與領域專業，而這是中美短期內難以複製的資產。 這個主權意識也已從廠商心態上升到立法層次。歐盟近年推動主權 AI 與雲端相關法規，執委會主席范德賴恩明確表示：「我們無法依賴他人來維持醫院運作、電網穩定與服務安全」；歐盟科技主管 Henna Virkkunen 更警告「斷路器」風險，意即外國政府或企業可能關閉或中斷關鍵服務。 工業 AI 的核心應用目前集中在三個方向：預測性維護（在設備故障前透過數據分析偵測異常）、數位孿生（建立工廠或機械的虛擬複本用於模擬與測試），以及 AI 代理系統（監控運營、提出建議，甚至自主調整機械設定或協調工作流程）。 落地比宣傳難：資金、人才與標準化三重門檻 然而，從個別成功案例到全面部署，距離遠比數字看起來的大。Schneider Electric 施耐德電機工業自動化服務資深副總裁 Cecile Vercellino […]

美國工程師招募逆勢成長 7%，設計、行銷卻雙雙腰斬：AI 重塑了誰的飯碗

AI 是否已經開始取代工作，目前正引發激烈的爭論。根據再就業顧問公司 Challenger, Gray & Christmas 的統計，今年 5 月，科技業裁員創下數年來的單月新高，理論上，在這波浪潮中最受衝擊的是被 AI 寫程式工具快速滲透的軟體工程，但創投機構 SignalFire 的〈2026 人才現況報告〉顯示出正好相反的情況。 SignalFire 報告顯示，工程反而是科技業裡最具韌性的職能。同一份數據也揭露一件更值得關注的事：AI 沒有讓工程師消失，而是正在重塑整個科技業的人才結構。 《TechCrunch》報導，SignalFire 研究主管 Asher Bantock 觀察到一個矛盾：許多裁員都把理由歸給 AI，強調一名工程師如今能完成過去數人的工作量，但實際招聘數據卻與這套說法對不上。SignalFire 追蹤逾 8 千萬家公司、數百萬名員工的職涯動向，並刻意採用招聘數據而非裁員數據，因為員工常在被裁後延遲更新狀態，使裁員數字難以即時反映真實情況。 「AI 程式碼末日」砍向設計與行銷，不是工程師 數據顯示，大型科技公司整體招聘量較 2019 年減少 25%，但工程職位僅下滑 11%。換算占比，工程師如今占新聘人員的 55%，高於 2019 年的 46%。在早期新創，工程招聘不減反增，成長 7%，同期設計下滑 22%、行銷下滑 18%。Bantock 指出，若 AI 真在取代工程人力，工程招聘理應最先下滑，但數據恰恰相反。 業界判讀也在轉向。NVIDIA 執行長黃仁勳今年 4 月於史丹佛商學院訪談中反駁 AI 將取代工程師的說法，表示當工程師全面改用代理式 AI 後反而更忙碌，因為 AI 幾乎能即時寫出程式碼，工程師被持續推著去產出「下一個點子」。這呼應了 Jevons 悖論：效率提升不會減少需求，反而因工作量擴張填滿新產能而增加。 […]

【科技早餐】OpenAI 新模型先過政府關，蘋果漲價與美歐晶片聯盟同步升溫

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 新模型先審核，IPO 傳延到 2027 OpenAI 下一款 GPT-5.6 模型，據傳將改變過往直接開放給大眾使用的釋出方式。根據《The Information》報導，OpenAI 執行長 Sam Altman 告訴員工，新模型預覽階段將先交給一批經過挑選的客戶夥伴測試，政府也會逐一審核客戶，決定哪些對象可以先使用。報導指出，相關要求來自美國國家網路總監辦公室，以及白宮科技政策辦公室。 這代表美國政府據報正更直接介入前沿 AI 模型的釋出節奏。若有限度釋出順利，OpenAI 希望數週後再讓新模型更廣泛開放。同一時間，《紐約時報》報導，OpenAI 原本有望今年上市，但在科技股波動，以及 SpaceX 上市後股價震盪影響下，投資銀行建議公司把 IPO 時程延後到 2027 年。OpenAI 目前一邊面對模型釋出的政府審核，另一邊也要等待更合適的資本市場窗口。 ＊蘋果漲價，美光示警記憶體荒不是一天造成 蘋果（Apple）宣布調漲多款 Mac 與 iPad 產品價格，顯示記憶體與儲存成本上升，已經反映到終端產品售價。根據多家外媒報導，蘋果表示，漲價不是受歡迎的消息，公司正努力尋找解方，但也表示，從未見過零組件價格在這麼短時間內快速上升。這波壓力，和 AI 資料中心大量搶占記憶體與儲存產能有關，多家研究機構與外媒都指出，AI 資料中心需求正在推高記憶體與儲存晶片價格。 同一時間，美光（Micron）首席商務長 Sumit Sadana 接受專訪時也指出，上一輪記憶體市場低迷時，部分客戶以非常激進的價格採購，壓低供應商利潤，也讓產業投資放緩。雖然他沒有點名 蘋果，但外媒解讀，這反映大型客戶長期壓低採購成本，可能也是如今供需失衡的背景之一。 ＊歐盟加入美國 AI 晶片聯盟，科技主權陷兩難 歐盟執行委員會代表 27 個成員國，正式簽署由美國主導的「矽盛世宣言」（Pax Silica）倡議，象徵美國與歐盟在 AI 晶片與關鍵供應鏈安全上擴大合作。根據《路透》報導，歐盟經過數月內部協商後，同意由歐執委代表簽署，但前提是美方確認這項宣言不具法律約束力。歐盟也要求美國承諾，不對相關成員國祭出 AI 晶片出口限制，避免部分歐盟成員國被排除在先進 AI 晶片供應之外。 […]

【麥肯錫人力資源監測報告】HR 職能的存亡分水嶺：主導 AI 勞動力與人機協作或被全面取代

麥肯錫發布的《2026 人力資源監測報告》指出，儘管市場對人工智慧與人本相關技能的需求持續增加，目前僅有 11% 的企業具備長期的戰略能力規劃機制，絕大多數組織的實務操作仍受限於短期的人力數量計算模型。 這種數據反差反映出，企業在營運前瞻與技術導入之間存在結構性斷層。隨著組織逐步引入 AI 代理勞動力，傳統人力資源職責若未能及時適應技術發展，相關業務將面臨被資訊技術或數位部門吸收的可能。 為因應此一變動，人力資源部門必須著手重塑底層架構，並確立人類與 AI 協作的具體運行規則。以下摘要報告提出的實務面向，包括營運基礎建設、能力規劃轉型、流程與管理系統化，以及留才資源重分配。 📎 這份報告適合誰閱讀？ 這份報告不僅是 HR 部門的轉型指南，也是企業高管與 IT 部門在 AI 時代重塑組織架構的戰略參考。 🔴 報告洞見 89% 企業用人頭計算模型，HR 面臨被取代危機 在當前充滿變動與不可預測性的商業環境中，企業的管理階層與人力資源部門正面臨三重嚴峻的結構性夾擊：宏觀經濟壓力的持續增強、人工智慧顛覆性技術的快速崛起，以及全球勞動力期望的根本性轉變。 儘管近年來許多企業的人力資源職能已經投入大量資源以強化內部流程，但麥肯錫《2026 人力資源監測報告》明確指出，企業在營運規劃與戰略前瞻、員工期望與組織回應，以及 AI 實驗與規模化應用之間，依然存在著深刻且難以忽視的結構性落差。 《2026 人力資源監測報告》針對橫跨歐洲（包含德國、法國、英國等）、美國與中國等十個國家的勞動市場，進行深度調查，樣本涵蓋約 1,300 位人力資源專業人士與 5,500 名員工；基於這份廣泛的調查數據，報告向企業高階決策層提出，人力資源職能目前正處於一個決定性的分水嶺。 隨著企業開始大步轉向「AI 賦能的代理型組織」，這既是人力資源部門數十年來所面臨的最大機遇，同時也是最為嚴苛的生存挑戰。 而這一切的起點，是人力資源部門必須先正視自身的基礎建設已經嚴重落後。 AI 應用卡在試點，HR 必須先打通數據骨幹 要主導企業未來的 AI 勞動力與人機協作架構，人力資源部門必須首先正視並解決自身基礎建設與營運模式的嚴重落後。 報告深入指出，傳統以職能分工為核心的人資營運模型（即業務夥伴、共享服務與專家中心三層架構），正逐漸讓位給更具敏捷性、由技術全面賦能的新型架構，但目前絕大多數的組織依然受困於不上不下的「混合過渡期」。這種過渡狀態導致了組織在面對新技術時，往往具備轉型的野心，卻缺乏實質的執行基礎。 儘管各項自動化模型皆一致顯示，人工智慧在人力資源營運領域具備極大的應用潛力，但實際的導入與擴展進度卻異常緩慢。 數據揭示，AI 在人力資源營運各領域的實際使用率，僅出現了 0 到 6 個百分點的微幅成長。目前，許多企業的 AI 應用依然停滯在「試點模式」，且這類早期的系統部署高度集中於低階、例行性的行政管理領域，完全無法觸及企業核心的戰略決策層面。 導致這種 AI […]

AI 資料中心引爆新一波通膨：從記憶體到電力成本升溫，Apple、Xbox 漲價只是開始？

AI 熱潮不只讓科技巨頭的資本支出大幅增加，如今更成為美國新一波的通膨壓力來源。根據全國企業經濟學家協會（NABE）的調查，高達 81% 的受訪經濟學家認為，AI 建設將在未來一年內推升通膨。 《華爾街日報》報導，隨著大規模興建 AI 資料中心，記憶體、儲存晶片、電力與工程人力等成本正加速升溫。例如，近期 Apple 調漲 Mac 與 iPad 價格，以及 Microsoft 再度調漲 Xbox 售價，都顯示這波龐大的成本壓力已開始傳導至終端硬體市場。 AI 資料中心大建設，為何成為新一波通膨壓力？ 在貿易戰影響逐漸消退、油價與天然氣價格也終於迎來下跌之際，美國通膨卻悄悄浮現一個新的催化因素：大規模的 AI 基礎建設。研究機構 Evercore ISI 指出，相較於關稅或油價飆升這一類的「一次性衝擊」，AI 基礎建設帶來的需求，是一種可能會持續數年的長期現象。  這場 AI 軍備競賽正吸引史無前例的巨額資金湧入。FactSet 數據顯示，Alphabet、Amazon、Meta、Microsoft 與 Oracle 等五大超大規模雲端服務商（hyperscalers），今年的資本支出預估將高達 7,410 億美元，較去年增加近 75%。 這些天文數字般的資金究竟流向哪裡？哥倫比亞大學經濟學家 Stijn Van Nieuwerburgh 點出了關鍵：當大眾的目光多半還停留在 AI 能做到哪些應用的時候，這波基礎建設的本質其實「驚人地實體化」（strikingly physical）。為了維持龐大的算力，AI 資料中心不僅需要最精密的運算設備，還必須配備防止設備過熱的冷卻系統、錯綜複雜的電纜與光纖，以及避免電力中斷的備援發電機。 更值得注意的是，這股實體建設的需求衝擊才剛拉開序幕。Van Nieuwerburgh 估計，若加總目前已宣布與規劃中的開發案，直到 2032 年，全球 AI 建設的總支出可能將高達 8 兆美元，規模接近整個紐約市房地產市場總值的五倍。聯準會（Fed）理事 […]

極致便利 vs 感官探索：麥肯錫拆解 AI 時代的實體門市生存策略

生成式 AI 正快速改變消費者的購物方式，也重新定義實體店存在的價值。根據麥肯錫（McKinsey）與國際購物中心協會（ICSC）針對 3,000 多名美國消費者的最新調查，AI 逐漸參與商品搜尋、比較、補貨，甚至直接代為下單，消費者進入實體店的理由正在改變。 實體門市依然是零售的重要據點，但在 AI 時代，消費者每一次走進實體店，都會重新衡量這趟旅程是否值得，因此門市將逐漸分化成兩種截然不同的定位：追求效率的便利型門市（Convenience-oriented），以及強調探索體驗的探索型門市（Discovery-led）。 便利型門市：以數據與速度為核心，做 AI 與消費者超強後援 便利型門市服務的是已經決定購買商品的消費者。他們通常出門前就已利用 AI 或數位工具確認庫存、比較價格、搜尋優惠，希望快速完成購物。對這類門市而言，速度與可靠性是最重要的競爭力。店內動線需要縮短至最有效率的路徑，熱門商品必須維持高度準確的庫存資訊，方便消費者或 AI 助理即時查詢；同時提供流暢的行動支付、自助結帳、路邊取貨（Curbside Pickup）與退貨服務，降低每一個可能造成等待的環節。 報告也建議，零售商可利用數位孿生（Digital Twins）模擬門市動線與營運流程，在真正調整賣場之前先完成最佳化設計。同時結合 AI 需求預測分析人流與購買模式，安排更精準的人力配置，提升庫存可靠度與服務效率，讓實體店成為高效率的履約節點。 探索型門市：打破演算法限制，用體驗與客製化服務創造線下價值 另一類探索型門市則肩負完全不同的任務。當 AI 幾乎可以回答所有商品資訊與規格比較，消費者願意花時間走進門市，往往期待的是演算法無法提供的體驗。研究發現，Z 世代與千禧世代特別偏好快閃店、限定聯名、策展式商品陳列、展示間（Showroom）等具有新鮮感的購物環境，也希望商場周邊結合餐飲、社交與社區空間，讓逛街成為休閒活動的一部分。根據品牌體驗公司 Event Marketer 數據，66% 的消費者在參加線下活動並與品牌互動後，更有可能購買該品牌的產品，意味著精心策劃的活動帶來的收益是真實且可衡量的。 因此，探索型門市的核心目標並非提升結帳速度，而是延長消費者停留時間。零售商可透過輪替式商品展示、品牌合作、沉浸式空間設計，以及跨品類陳列，引導消費者漫遊與發現更多商品。同時，店員也需要 AI 工具協助提供更高品質的服務。麥肯錫指出，過去僅見於精品品牌的客製化服務，如今可透過 AI 大規模導入一般零售門市，讓店員即時掌握會員資料、商品庫存、消費偏好與最佳推薦方案，提供更貼近個人需求的導購體驗。 零售商贏在未來的轉型三部曲：定位、賦能與人才 AI 改變的不只是消費旅程，也迫使零售商重新思考門市管理方式。報告認為，過去依照坪數或地區採用同一套經營模式，已難以因應新的市場環境。如果每一家店都想兼顧所有功能，往往每一項能力都無法做到最好。 因此，麥肯錫提出三項關鍵策略。第一是精準定位，每一家門市都應依據數據分析明確定義角色，例如便利樞紐、體驗旗艦或物流履約節點，並清楚決定哪些服務不提供，避免資源分散。第二是科技賦能，依據不同門市定位導入適合的數位工具，例如便利型門市強化即時庫存、數位孿生與 AI 排班；探索型門市則利用智慧試衣間、AI 導購、商品推薦等技術提升互動體驗。第三則是人才轉型，便利型門市需要具備跨職能能力的店員，能快速支援補貨、取貨、結帳與客服；探索型門市則培養更具商品知識與顧問能力的專業人員，並熟悉 AI 客戶管理工具，提供更深入的服務。 麥肯錫認為，AI 並不會讓實體零售消失，反而會讓每一家店的定位變得更加鮮明。當商品搜尋與例行採購逐漸交由 AI 完成，真正吸引消費者走進門市的理由，只會集中在兩件事：極致便利，或值得親身體驗的探索價值。對零售商而言，能否讓每一家門市都有清楚且一致的使命，將決定實體零售在 AI 時代是否仍具有競爭力。 【推薦閱讀】 ◆ PepsiCo 41 […]

近 1,000 億電晶體塞進指甲大小晶片：IBM 0.7 奈米技術亮相，靠 3D 堆疊超車先進製程競賽

IBM 近日發表全球首個 sub-1nm 晶片技術「NanoStack」，節點名稱為 0.7 奈米或 7 埃（Ångström），能在指甲大小的晶片上容納近 1,000 億個電晶體，密度大約是 IBM 在 2021 年發表的 2 奈米測試晶片的兩倍。 在台積電、Intel 與三星皆積極推進次奈米晶片量產之際，《ZDNET》形容這場競賽已由 IBM 領先。這項發表不僅打破 NVIDIA 執行長黃仁勳曾宣告的「摩爾定律已死」說法，TechInsights 分析師 Dan Hutcheson 甚至認為這項技術是一件「大事」，因為這將為晶片發展藍圖再延續 10 到 15 年。 然而，NanoStack 真正震撼產業的關鍵，在於直接回應當下 AI 資料中心最致命的兩大生存危機：無止盡的電力消耗，以及高昂的資料搬移成本。 用 70% 功耗降幅，克服 AI 資料中心的「電力成本」危機 AI 晶片對能源的龐大需求已成為資料中心發展的嚴重限制，部分資料中心甚至因為無法取得可負擔的電力而面臨建設延宕。針對這個痛點，IBM 全球半導體研發副總裁 Huiming Bu 直言：「每個人都想要更高的效能，但沒有人想為電費買單。」 因此，NanoStack 引入了全新的 3D 垂直堆疊技術。這項創新代表著一次典範轉移，相較於過去 60 多年來晶片微縮僅侷限在 X 與 Y 軸的二維平面，IBM […]

白宮要求 OpenAI 分階段上線 GPT-5.6：高風險 AI 模型的「受控發布」成為新常態？

當全球 AI 實驗室都在比拚誰能更快把新模型推向市場，OpenAI 最新一代模型 GPT-5.6 卻被按下了暫停鍵。 根據《The Information》報導，OpenAI 執行長奧特曼在本週內部備忘錄中告訴員工，公司不會像過去那樣直接對外公開 GPT-5.6，而是先釋出給一小群合作夥伴，原因是美國政府要求這麼做。奧特曼表示，政府將在預覽期間「逐一核准每一家客戶的存取權限」，如果一切順利，他希望能在「幾週後」進行更廣泛的公開釋出。 這個看似技術性的發布安排，背後其實牽動一個更大的問題：當政府能決定一款 AI 模型何時、釋出給誰，這究竟還算不算企業自己的商業決定。 首批僅約 24 家，且每家都要政府點頭 根據《Financial Times》報導，OpenAI 計劃在更廣泛推出前，先讓約 24 家合作夥伴取得 GPT-5.6 的存取權，而且這些夥伴每一家都必須經過美國政府核准。 報導指出，要求限縮分發的單位包括美國財政部、商務部，以及白宮的國家網路總監辦公室（Office of the National Cyber Director）與科技政策辦公室（Office of Science and Technology Policy）。事實上，OpenAI 過去一個月一直與美國政府機構密切合作，為新模型的預覽做準備，包括奧特曼 4 月初親赴華府；分階段釋出的要求，正是來自與國家網路總監辦公室和科技政策辦公室的對話。 即便如此，在 OpenAI 把限量釋出計畫告知高層官員後，奧特曼仍接到商務部長 Howard Lutnick 來電，提醒公司在取得其他機構核准前不要貿然推出。奧特曼在週四的內部備忘錄中對此回應，強調這並非公司偏好的長期模式，未來會與政府及業界合作，尋求更可持續的發布方式。 政府介入的理由：GPT-5.6 具備「類 Mythos」能力 值得關注的是，這次政府出手，並不代表川普政府的 AI 政策突然轉向更強硬。根據《AXIOS》報導，知情人士指出，政府之所以介入，是因為 GPT-5.6 具備「類 Mythos」（Mythos-like）的能力，而非行政部門忽然加重監管力道。Mythos 是 Anthropic 的前沿資安模型，該人士形容，「這就是這種等級模型會遇到的情況」，意思是這些模型強大到讓政府希望確認開發商已備妥足夠的防護措施。 […]

零售商的下一場競爭在「信任架構」：拆解打造 Agent-Ready 商務架構的 5 大策略

AI 代理人商務在 2025 年經歷從概念走向現實的關鍵發展階段。在去年全球最繁忙的線上購物季期間，高達 20% 的訂單背後都有 AI 代理人的參與，這也標誌著 AI 代理人商務已經不再只是理論，而是正在成長的趨勢。 隨著這股趨勢迅速蔓延，越來越多零售業者將面對一項新挑戰，那就是出現在結帳環節的顧客，不一定是人類。如果這種新興的購物方式持續發展，預計到 2030 年，AI 代理購物者在美國電子商務市場的支出，將高達 1,900 億至 3,850 億美元。 AI 代理人走進結帳頁，零售商防詐系統面臨新考驗 當 AI 代理人逐漸成為商業生態系統中新型態的顧客，但零售商現有的平台與網站卻並非為這類由機器主導的活動所建構，這也導致 AI 代理人在執行任務時，極易被現有的防詐騙規則誤判為可疑的自動化機器人。 此外，由於 AI 代理人主要是透過 API 進行交易，缺乏傳統的網頁瀏覽軌跡，使得過去那些用來辨識人類行為模式與防範惡意機器人的模型，如今面臨缺乏歷史紀錄與信任設定檔的「機器人用戶」，這無疑帶來了讓真實詐騙活動突破限制，同時又誤擋合法訂單的雙重風險。 資料治理不到位，AI 代理人就無法正確替顧客行動 要解決代理人帶來的信任與操作難題，基礎設施的完善程度是關鍵。正如 Astound Digital 的營收長 Ryan Dowling 所言：「多數零售商沒有 AI 的問題，他們面臨的是資料的問題。」 同時，代理人商務會放大企業現有的基礎，因此如果資料是碎片化的，那麼得到的結果也會是破碎的。  由於 AI 代理人的強大程度，完全取決於其即時存取、解讀並採取行動的資料能力，因此零售商必須擁有高品質且治理良好的企業資料，並涵蓋顧客的身分與偏好、產品與庫存狀態、營運面的履約限制，以及轉換率等結果資料，才能確保 AI 代理人準確並透明地運作。 同時，電商團隊也必須專注於提供「機器友善」的商務資料，例如產品定價、店內庫存、運費規則與退貨政策等。這些資料必須高度結構化，才能讓 AI 代理人輕鬆解讀與應用。這不僅是為了解決驗證問題，也是為了讓零售商能順利「被 AI 代理人發現」。 從辨識真人到確認授權，零售業身分驗證邏輯必須改寫 在具備完善資料的基礎上，零售業者也必須重新思考身分驗證的邏輯。例如，面對沒有傳統瀏覽軌跡的 AI […]

AI 巨頭自己怎麼用 AI？OpenAI、Google、Anthropic 員工正從執行者變「審稿人」

未來工作會長什麼樣子？看看那些打造出 AI 工具的公司怎麼用 AI，或許可以找到答案。《華爾街日報》報導，當許多企業還在想辦法催員工使用 AI 時，OpenAI、Google 與 Anthropic 已經走到下一步：把複雜的多步驟任務直接交給 AI「Agent（代理）」，讓員工轉而扮演「審稿人」的角色，負責對 AI 的產出做事實查核。 只是，把工作託付給一個會自己跑出去執行任務的 Agent，本身就是一場信任的賭注。《華爾街日報》指出，這些走在最前面的公司也承認，過程中曾出現大量信件被誤刪、程式碼憑空消失等狀況；而且即使一切順利，Agent 有時還會替人類製造出新的工作。換句話說，AI Agent 上工的真正挑戰，才正要浮現。 三巨頭的辦公室實況：人類從「執行者」變「審稿人」 在 OpenAI，整套自動化工作流的骨幹是 Codex。這項工具原本是為軟體開發者設計，卻連 OpenAI 行銷、招募這類非技術團隊也能上手，目前近乎全體員工每週都在使用。Codex 部署工程師 Kelsey Pedersen 向《華爾街日報》形容，員工開始把它拿來做各種事，如今它已經變成一個通用的知識工作工具。 具體的用法已經滲進日常。OpenAI 市場團隊的客戶總監 Ashton Summers 收到一則帳單金額有誤的客訴，過去他得跑去找帳務與營運團隊調查，現在 Codex 把所有跑流程的雜事都做完，他只需驗證結果。他說，這等於移除了一堆瓶頸，也降低了對其他團隊的依賴。根據報導，Codex 還替他建了一個每日自動更新的儀表板、替他要拜訪的潛在客戶做產品展示，甚至花了約 30 分鐘爬梳他的電子郵件與 Slack 訊息，為新進同事整理出一份交接文件。 法務端的轉變也值得玩味。OpenAI 副法務長 Nicole Diaz 開始讓 Codex 承接原本由初階律師處理的工作，包括分析新進員工申報的利益揭露、草擬回覆，例如 Codex 可能會標記出某位新人仍在另一家新創的董事會任職、或有兄弟在競爭對手 Anthropic 工作。值得注意的是，Diaz 表示她仍持續聘用初階律師，部分原因正是要有人來審查 Codex 的產出。 Google 則習慣自稱「customer […]