Archives

AI 訓練使用正版書就合法？NCC 前主委詹婷怡解析 Anthropic 15 億美元著作權爭議

【TO 編輯部導讀】AI 公司 Anthropic 的著作權爭議延燒至台灣，近日外媒揭露，台灣圖書經銷商曾向 Anthropic 合作採購商運送約 563 公噸書籍。而在美國著作權訴訟中，Anthropic 大量購買正版紙本書、拆書掃描成數位檔並銷毀原件的做法，獲法院認定符合合理使用。為何這種看似極端的做法，反而成為 AI 業者的法律防禦策略？NCC 前主委詹婷怡從該判決切入，解析 AI 訓練的著作權界線，並預測集體授權、合成資料等制度與技術趨勢將如何發展。 作者：NCC 前主委、人工智慧科技基金會董事長詹婷怡 2025 年 6 月 23 日，美國加州北區地方法院的一項細緻的判決，正式為生成式人工智慧（Generative AI）發展史上相當漫長且具毀滅性的法律圍攻定調。雖然部分程序爭議仍留待後續訴訟釐清，Bartz v. Anthropic PBC 案最終係以高達 15 億美元的版權損害賠償和解協議（Copyright Damages Settlement Agreement）落幕。 這項由英美多位知名作家發起的集體訴訟（Class Action），不僅是一次涉及天文數字的商業和解，在法理層面上，它徹底打破了科技巨頭過去數年來奉為圭臬的「先訓練、後和解、一律主張合理使用」的粗暴神話；在產業結構上，它首創了極具前瞻性的「行為解構分析框架」（Behavioral Decomposition Analytical Framework），將 AI 訓練區分為「前端資料取得」與「後端模型訓練」，以精準細緻的方式試圖劃定合法轉化與惡意侵權的法律紅線。本案對全球科技與著作權法制的深遠意義，本文即以其核心層面分析之。 首創「行為解構」的著作權分析框架與判決原文態樣 在 Bartz 案之前，多數科技公司與著作權法學者將 AI 訓練視為一個單一、連續且不可分割的法律行為。然而，承審本案的聯邦法官 William Alsup 採取了更為細緻的司法解剖，將整個 AI 模型訓練流程拆解為兩個獨立的行為態樣（Conduct Manifestations），並針對不同行為態樣對應法律階段給予了關鍵的定性。 第一個階段是「後端模型訓練（Backend Model Training）」。法院在此案中，對生成式 […]

萬事達卡示範 AI 代理自己買數位服務：企業核准一筆預算，付款 9 次免開帳戶

萬事達卡（Mastercard）美國時間 10 月 20 日宣布開放「機器代理支付」（Agent Pay for Machines，AP4M）早期存取，並在 Cloudflare Connect 大會上示範：AI 代理在企業核准的一筆預算內，自行向多家服務商購買數位服務。 AI 代理是能自主完成任務的軟體，執行任務時，可能要向一家業者購買資料、使用另一家的 AI 模型，再向第三家購買運算資源。萬事達卡形容，AI 代理正在成為「經濟行為者」。當代理開始替企業花錢，誰來授權、額度上限多少，錢又該怎麼付？ 「付款不難，權限才難」：AI 代理下單數位服務卡在哪？ 萬事達卡指出，現在付費使用數位服務，通常要和每家業者開帳戶、申請 API 金鑰、預付點數或建立帳務關係。代理只用一兩項服務時還行得通，但若要在任務進行中換用不同服務、用多少付多少，就會變得棘手。 再來是信任問題：誰授權代理花錢？可以花多少、能買什麼、付給誰？該公司直言：「付款不是難點，權限才是。」真正的挑戰，是確保對的代理以對的權限完成對的交易。 AP4M 建立在 x402 之上。x402 是一套讓數位服務能在網路上請款的開放協定，AP4M 再將它與萬事達卡網路的信任、安全與覆蓋範圍結合。運作上，企業先交給代理一項任務和支出上限；代理遇到付費服務時，對方會回應「402 Payment Required」，這是網路用來表示「需要付款才能繼續」的狀態碼。 代理接著產生一張經數位簽章的付款憑證，承諾在核准額度內付款，服務商驗證後便提供服務。這些往來在鏈下（off-chain，即不逐筆寫進區塊鏈）以機器速度完成，服務商可以合併多張憑證、日後再兌現。該公司把這套做法歸納為：授權一次、交易多次；先保證付款，之後再結算。 一筆預算付款 9 次：萬事達卡怎麼示範？ 示範夥伴是本來就在行銷工作中使用 AI 代理的行銷公司 Hype。在這場試點示範中，Hype 替一款蛋白棒上市規劃範例行銷活動，把任務和預算交給執行於 Amazon Bedrock AgentCore 等代理平台的 AI 代理。 代理從已註冊的 AP4M 服務商中挑選業者，提出兩步驟方案：向 AIsa 購買社群媒體研究，再透過 Cloudflare AI Gateway 產生活動圖片。Hype […]

亞馬遜明年在德國投資逾 160 億歐元，48 億擴建 AWS、柏林再設機器人 AI 實驗室

亞馬遜（Amazon）近日在德國聯邦政府於柏林舉辦的「投資德國峰會」（Invest in Germany Summit）宣布，2027 年將在德國投資超過 160 億歐元，約合 180 億美元，用於擴大雲端運算與 AI 基礎設施、衛星網路、物流及 Prime Video 影視內容等業務。 《Reuters》指出，在 AI 服務需求激增、科技業者競爭加劇之際，亞馬遜正加速在歐洲各地擴建雲端基礎設施，這項投資是其擴大歐洲業務的最新動作。亞馬遜全球事務與法務長 David Zapolsky 表示：「德國是創新重鎮，也是歐洲最具吸引力的投資機會之一。我們希望德國企業、社區與創作者，擁有競爭與成長所需的基礎設施與工具。」 德國聯邦經濟及能源部長 Katherina Reiche 表示：「亞馬遜的投資，明確展現對德國作為未來產業據點的信心。高效能資料中心是數位經濟的基礎，憑藉德國產業豐富的資料，我們也有潛力成為工業 AI 的全球領導者。」她指出，這正是德國需要的投資，不僅能強化德國在國際科技競爭中的地位，還能創造價值與就業機會。 亞馬遜指出，自 2010 年以來，公司在德國的累計投資已超過 1,000 億歐元，並創造逾 4 萬個永久職缺，在當地設有超過 100 個據點。 投資 48 億歐元擴建 AWS，柏林增設第二座機器人與 AI 研究實驗室 雲端與 AI 基礎設施方面，亞馬遜預計於 2027 年投入 48 億歐元，擴建 Amazon Web Services（AWS）歐洲（法蘭克福）區域，以因應客戶對雲端與 AI 服務的需求。AWS 自 2014 […]

美軍要讓 AI 代理自主駭入敵方網路，專家憂水務、小企業落入「爆炸半徑」

根據《The Intercept》美國時間 10 月 19 日的報導，該報取得的文件顯示，美國陸軍網路司令部（ARCYBER）正在推動代號 ECHOTRIBBLE 的計畫，希望借助業界之力，開發能在最少人工監督下執行網路作戰任務的 AI 代理。 專家擔心的不只是軍方怎麼用。AI 資安公司 Abundant 共同創辦人暨執行長 Hyrum Anderson 指出，許多公私組織連一名資安人員都沒有，可能在過程中遭到波及。當 AI 代理被交付具破壞性的任務，誰來確保它不會傷及民間？ 「最少人工監督」的 AI 代理，計畫進展到哪裡？ AI 代理是利用大型語言模型等技術，自主完成使用者交付任務的軟體，一般人可以用它來排會議、訂票，軍方則想將其變成作戰工具。美國陸軍在 SAM.gov 發布的公告寫明，國防非營利組織 Cyber Fusion Innovation Center（CFIC）與陸軍網路司令部等單位合作，向業界徵求白皮書，並要求這套工具「必須在最少的人工監督下運作」。根據《The Intercept》取得的承包商問答文件，這項計畫「主要聚焦」於進攻任務，目標是找出並「無效化」對手的系統，也就是讓目標暫時或完全失去作用。《The Intercept》描述，按文件所設想，這類代理會在目標網路中自主移動、逐步尋找目標，連與網路實體隔離（air-gapped）的系統也在設想範圍內，過程中還可能自我複製，擴散到更多裝置——這也是專家擔憂的前提。 計畫目前仍在早期階段。根據 CFIC 官方活動頁面，截至 10 月 21 日的公開資訊，這項徵案共收到 65 份白皮書，5 家業者入選展示；10 月 6 至 8 日完成線上展示與評選後，10 月 8 日已選定一家業者的方案，準備進入後續合約程序，並於 10 月 13 日通知所有參與業者結果。不過，CFIC 尚未公布獲選業者名稱，也沒有足夠證據顯示已正式簽約或部署。國防部長赫格塞斯（Pete […]

金屬加工大廠明昌國際攜手台達加速數位轉型，導入設備管理系統 DIAEMS

在數位轉型的浪潮中，智能設備已邁向整線自動化，甚至是智能工廠。然而，在轉型過程中，許多傳統工廠面臨設備故障、停機待料、零件庫存失控，乃至資深技師經驗無法傳承等問題，成為侵蝕企業利潤的隱憂。 深耕金屬機櫃生產技術的製造大廠明昌國際，產品精準對接工具車、醫療推車及存儲機櫃等三大關鍵領域，近年來也積極佈局研發 AI 伺服器機櫃與半導體設備的機構件，以台灣製造、高度靈活的客製化能力享譽國際，兼具 ODM 與 OEM 雙軌實力。然而，隨著接單量與生產規模的擴大，傳統作業模式難以滿足需求，讓明昌國際尋求產線升級導入台達 DIAEMS 設備管理系統，將設備生產維護管理，成功轉化為可視、可控、可優化的企業核心數位資產。 製造業的隱形痛點：設備管理數位化不足，資訊分散影響維護效率 在導入台達 DIAEMS 系統前，明昌國際與多數傳統製造工廠一樣，面臨著高度人工與紙本作業的管理挑戰。人工與紙本紀錄不僅難以確保資訊準確度，資料分散在廠區各個角落，難以查詢更無法長期保存。當產線發生設備異常，作業人員必須先手寫紀錄、再跨部門找人報修、翻閱紙本核對設備問題。耗時的溝通與資訊確認流程，造成「非計畫性停機時間」增加，對講求高稼動率的產線而言，直接影響生產效率與營運成本。 不僅如此，缺乏結構化數據也讓設備管理面臨更多挑戰。設備零件更換缺乏數位記錄，維護歷程無法追蹤，定期報表依賴人工整理，資訊容易遺漏且缺乏時效性。零件與備品庫存缺乏即時控管，時常導致「急單採購成本增加」或「重複採購造成的呆滯料」，管理成本大幅上升。部門間無統一系統，維護責任不清、交接困難，且資深技師累積的維修經驗難以傳承，較不易形成可查詢、可延續的知識資產。 台達 DIAEMS 五大解方，為設備打造「數位履歷」與「即時戰情室」 面對明昌國際的痛點，台達不只是將作業流程「電子化」，更是透過數位管理邏輯，結合專業的導入經驗，為明昌量身打造全面轉型的五大解方。首先，台達以全流程數位化，打造一鍵檢索的數位資料庫。以全數位化流程取代傳統紙本，將維護規範與設備點檢、保養、維修記錄整合至系統資料庫。確保資料不因人員異動而遺失，達成資料一鍵檢索、即時調閱，建立企業長期維運的知識產權。第二，為每台設備與關鍵零件建立數位身分，詳盡記錄從入庫、安裝、更換到報廢的完整歷程。無論是查閱保固期限或進行故障原因分析，皆能精準追蹤。 第三，針對庫存，自動預警機制讓備件低於設定值時，系統主動提醒採購；同時盤點歷史領用數據，推算黃金庫存水位，顯著降低管理成本。第四，透過內建標準化維護流程，明確各級管理與技術人員的角色權責。透過系統派工與簽核機制，確保任務責任到人、進度透明，大幅降低溝通成本。最後，系統自動彙整產線數據，生成即時可視化看板。管理者可隨時掌握設備運轉狀態、故障率與保養進度，免除人工報表，提升資訊即時性，協助管理者快速掌握設備狀態與決策。 導入台達 DIAEMS 後，明昌國際團隊分享：「最有感的效益在於『即時叫修』。過往，從報修到維修人員知情，時間平均要花上 2 天；導入即時叫修功能後，系統自動通知技術人員，節省將近 90% 的溝通與通知時間。」 數位化讓維修人員能快速取得所需工具、零件與維修資訊，減少查找與摸索時間。明昌國際團隊指出：「以前維修時常要到處問哪邊壞掉、該怎麼修、零件去哪拿，白白浪費好幾個小時。現在系統提供即時翻查、維修指導以及零件位置指示，維修過程相當明確順利。以往耗費數天的維修流程，現在一般都在數小時內就完成，甚至最快 2 小時就能完修，讓設備立即恢復運作！」 此外，在備件管理上，透過設備維修履歷報表查詢，能精準推算出合適的庫存水位並通知採購確切數量，廠區鮮少再發生零件不足的情況。團隊更貼心地將最常用的零件調整至最易拿取的地方，減少取料與等待時間，讓設備維護作業更加順暢。 設備管理數位化，全面提升維護與管理效率 透過台達 DIAEMS，明昌國際成功建立設備的「數位履歷」，讓維修成效轉化為具體、可量化的數據。管理者不再憑感覺做決策，而是根據客觀數據進行資源的優化分配，甚至能進一步作為未來設備汰換或採購的重要基準。 台達 DIAEMS 不僅幫助明昌國際解決眼前的產線維護痛點，更將資深技師的經驗轉化為系統知識庫，縮短新進人員的學習曲線，讓維護知識持續累積，成為企業的重要管理資產。透過數據驅動決策、管理優化，助力台灣金屬加工與製造業持續提升設備管理效能與競爭力。 （本文訊息由台達提供，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：台達。）

Google 免授權費 Coral NPU 擴大商用：新思國際推最高 400 GOPS 晶片瞄準智慧眼鏡

Google 持續將 AI 運算從資料中心推向日常裝置，並與半導體業者新思國際（Synaptics）合作，提供開源的 Coral 神經網路處理器（NPU）技術。新思國際於 10 月 20 日發表 Astra SR200 系列處理器，專為智慧眼鏡、攝影機、工業感測器等連網裝置設計，結合 Coral NPU 與記憶體、音訊、影像及運算功能，讓裝置能直接執行 AI 模型，不必依賴昂貴的處理器、持續的網路連線，或耗電的硬體。雙方也宣布擴大共同開發的 Coralboard 平台供應，讓工程師在將技術導入商用產品前，能先在本機測試執行 Gemma 等模型。 Google 開源 Coral NPU 架構，降低跨晶片開發門檻 Google Research 於 2025 年 10 月開源 Coral NPU 架構，讓半導體業者將這項 AI 加速器設計整合至自家處理器，而非由 Google 自行製造晶片。這項架構採用處理器指令的開放標準 RISC-V，並搭配相關軟體，協助開發者在不同硬體之間移植 AI 應用。新思國際是 Google Coral 的首個商用晶片合作夥伴，但依據 Apache 2.0 授權條款，其他公司也可以將 Coral NPU 架構應用於商用處理器，無須向 Google 支付授權費或權利金。 […]

DeepSeek 把 AI 推論框架開源了！揭露單一叢集日處理 155 兆 Tokens 的系統設計

單一叢集每天處理 155 兆 Tokens，DeepSeek 如何配置 GPU 與快取，支撐如此龐大的 AI 服務？中國 AI 新創 DeepSeek 10 月 20 日開源推論框架 DeepInfer，同步揭露自家 V4.1 Flash 大規模推論系統的部署細節。 《Bloomberg》分析，這套軟體有助加快 AI 模型執行、提高運算資源效率，DeepSeek 也表示希望藉此降低業界的運算與能源成本。更值得注意的是，這次開放的不只是模型權重或個別加速工具，而是整合式推論引擎。DeepSeek 究竟多公開了什麼，又如何處理如此龐大的推論需求？ 從開放模型權重到推論引擎，DeepSeek 這次有何不同？ DeepSeek 過去便以開放權重模型聞名，從 DeepSeek-V3、R1 等模型開始，企業與開發者便能自行下載、部署模型，不必完全依賴官方 API。但取得模型權重，不代表就能以同樣的效率提供大規模 AI 服務。 為提高推論效率，DeepSeek 在 2025 年陸續開源 FlashMLA、DeepGEMM、DeepEP 等函式庫，針對注意力機制、矩陣運算及混合專家模型（MoE）的跨 GPU 資料傳輸進行優化。不過，這些主要是解決特定運算環節的元件，而非整套推論引擎。 DeepSeek 曾在 2025 年 4 月的官方文章說明，原本考慮開源完整推論引擎，但因程式碼與內部叢集管理系統高度整合、維護人力有限，決定先分享個別技術。 如今 DeepInfer 則跨出下一步，整合既有加速元件，進一步公開模型執行、平行運算、非同步排程與推測式解碼等功能。值得一提的是，DeepInfer 最初建立在開源框架 vLLM 基礎上，也參考 SGLang、TensorRT-LLM […]

新加坡政府如何因應 AI 代理風險：沿用現行法規、讓政府機關先試驗

當 AI 代理人接連發生違規事件，各國政府也開始重新檢視既有的監管框架。新加坡數位發展及新聞部高級政務部長 Tan Kiat How 10 月初在國會表示，政府正透過試驗與實驗，了解如何負責任地導入代理式 AI 系統。 所謂代理式 AI，是指能執行動作、與外部系統互動，並能調整自身行為、降低人類介入程度的 AI 系統。Tan Kiat How 指出，這類系統同時帶來機會與風險。 新加坡以試驗摸索代理式 AI 的導入方式 Tan Kiat How 表示，政府正在檢視並強化現有框架，以因應自主性越來越高的代理式 AI，同時發展超越既有做法的能力，並持續關注全球發展。 他指出，新加坡政府科技局（GovTech）等多個政府機關，已在具備適當防護的前提下導入相關系統。Tan Kiat How 也呼籲民間企業，即使不是經營關鍵資訊基礎設施或重要數位服務的業者，部署 AI 代理人時同樣應審慎並承擔責任。 代理式 AI 的風險，多是既有問題的延伸 對於這些風險，Tan Kiat How 認為不必視為全新的問題。他指出，代理式 AI 帶來的許多風險，其實是既有挑戰的延伸，因此現行的風險管理流程與監督機制，同樣適用於代理式 AI。 許多 AI 風險已由適用範圍較廣的新加坡法律處理，例如《個人資料保護法》、《職場公平法》與《廣播法》，醫療、金融與法律等產業也各有專屬指引。 政府的《AI 治理模範框架》（Model AI Governance Framework）則把人類與組織當責列為核心，要求 AI 系統具備可解釋、透明與公平的特性。部署 AI 的組織應建立明確的治理架構並指定監督角色，確保 AI 輔助決策中有實質的人類當責，也要建立風險管理流程，監控並降低演算法偏誤等風險。 […]

【科技早餐】德國攜 NVIDIA 推工業 AI，黃仁勳：下一波是實體 AI

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊德國攜 NVIDIA 推工業 AI，西門子工廠展示新應用 德國政府 10 月 19 日與 NVIDIA 簽署合作意向聲明，擬結合德國製造業的工程知識與資料，推進實體 AI 模型，擴大工業 AI 應用並建立歐洲產業生態系。NVIDIA 執行長黃仁勳在柏林投資峰會表示，下一波 AI 是實體 AI，相關技術能增強德國既有的工業專長。總理梅爾茨則呼籲中型企業讓 AI 運用累積資料，將製造經驗轉化為競爭優勢。目前合作仍屬意向聲明，政府合作案的具體投資金額尚未正式公布。 同日，西門子（Siemens）公布與 NVIDIA 在埃朗根工廠共同開發、測試的新應用，包括透過數位孿生生成合成影像，讓品質檢測系統能在實體原型出現前準備訓練，以及以 AI 代理提出生產排程方案，再透過工廠數位孿生驗證。西門子表示，新電路板組件的虛擬生產準備最多可減少 85% 工程工作量、縮短 40% 上市時間；代理式生產規劃則可望節省最多 20% 成本。這些數字屬公司公布的特定流程效益，並非全廠改善幅度；全 AI 驅動製造的目標已於今年 1 月提出，此次新增進展是具體應用展示。埃朗根廠另規劃至 2030 年投入 5 億歐元推進轉型。 ＊美國聯邦文職機關 DeepSeek 移除令曝光，第三方 AI 服務也在列 美國聯邦公報近日公開國土安全部命令，要求將中國 AI 公司深度求索（DeepSeek）及關係企業的產品與服務，排除在聯邦文職機關採購之外，並從機關資訊系統移除。限制還涵蓋採用 DeepSeek 實作的第三方產品與服務，範圍延伸至其他供應商提供的 AI 系統。文件於 […]

QNAP 推出「HDP for Business」，NAS 升級為零信任勒索防禦備份中心

面對日益猖獗的勒索軟體攻擊與日趨複雜的混合 IT 架構，企業營運韌性正面臨前所未有的考驗。運算、網通及儲存解決方案領導者威聯通®科技 (QNAP® Systems, Inc.) 今日宣布推出全新企業級備份解決方案 [HDP for Business] Beta 版。其打破傳統備份軟體需額外添購昂貴專用機，讓企業能直接將現有的 QNAP NAS 轉化為強大的集中備份與復原驗證中心，以極具競爭力的總體擁有成本 (TCO) 實現跨國、跨站點的資料保護網。 威聯通產品經理王靖傑表示：「企業備份最大的盲點，往往是『有備份，卻不確定災難發生時能否成功還原』。HDP for Business 特別將自動還原驗證與全程錄影機制列為核心，讓企業能隨時拿出 100% 可成功復原的確切證據。這不僅能大幅減輕 IT 團隊的資安稽核負擔，更是企業抵禦勒索攻擊、確保營運連續性的關鍵防線。」  單一平台無縫整合，終結企業 IT 孤島 現代企業 IT 基礎架構日益複雜，橫跨多種虛擬化平台、實體伺服器與不同品牌的儲存設備，備份管理的碎片化往往是資安防護的最弱一環。HDP for Business 展現了強大的跨平台整合力，單一軟體即可全面涵蓋地端與邊緣節點的關鍵工作負載，支援包含虛擬機器（VMware®、Microsoft® Hyper-V、Proxmox®）、端點裝置（Windows® PC / Server）、檔案伺服器（Nutanix®、NetApp®、QNAP NAS、SMB/rsync） 以及關鍵企業資料庫（Oracle®、Microsoft® SQL Server）。企業不再需要為不同的系統或硬體廠牌採購多套備份軟體，大幅降低 IT 維運的複雜度。 三道原生防線，構建勒索軟體絕緣體 在「假設已被入侵」的零信任資安架構下，備份資料是企業復原的最後底線。HDP for Business 導入三組核心防禦機制，確保備份檔案「改不了」也「找不到」，徹底阻斷攻擊者破壞備份的企圖：  主動式「備份驗證」與「即時還原」 「備份不等於能還原」是許多資訊長的痛點。HDP for Business 內建自動備份驗證機制，備份完成後，系統會自動在備份伺服器上執行還原與開機測試，並全程錄影存證。這不僅不影響正式環境的運作，更為企業的資安稽核提供了最直接的「可還原證據」。  此外，當正式伺服器遭遇無預警停機時，IT 團隊可透過即時還原 (Instant Restore) 功能，直接在備份伺服器上以虛擬機形式掛載備份檔並開機接手服務，將系統中斷時間從數小時大幅縮短至數分鐘級別，確保企業營運不中斷。 一站式全域管理與無硬體授權綑綁 針對具備多個分支機構的跨國或大型企業，HDP for Business 提供了跨站點集中管理主控台。總部 IT 人員只需登入一次，即可全盤掌握全球各據點的備份健康狀態。同時，系統支援管理伺服器備援機制，備援伺服器持續同步站台設定，管理伺服器故障時可由管理員一鍵切換即可接手，確保各地的排程備份任務持續運行。  不同於市場上依據保護的伺服器或虛擬機台數累加計費的傳統作法，HDP for Business 允許企業直接將軟體部署於現有符合規格的 x86 架構 QNAP NAS 上，讓備份硬體與儲存、虛擬化資源共享。保護範圍越廣，企業省下的授權與設備維護成本就越可觀。 有別於傳統依裝置數量計費的模式，HDP for Business 提供無上限的端點與虛擬機保護。軟體可直接部署於現有 x86 架構 […]

美國資安職缺年減 8.4 萬筆，AI 資安工程師卻逆勢增 268%，人才需求如何轉變？

資安人才服務公司 CyberSN 近日發布《資安職缺報告》（Cybersecurity Jobs Report），呈現美國資安就業市場的最新變化，《SecurityWeek》形容整體結果喜憂參半。報告統計，2026 年 1 月至 9 月，美國資安職缺刊登數量為 235,786 個，創下四年來同期新低，較 2025 年同期的 320,210 個減少 26.4%。 整體職缺下滑之際，部分 AI 與資料相關職位卻大幅成長。其中，AI 資安工程師（AI Security Engineer）職缺年增 268.3%，達 2,409 個；資安資料科學家（Cyber Data Scientist）也成長 203.5%，達 1,493 個。 CyberSN 的報告資料來自職缺資料平台 JobSpikr，並在移除重複刊登後進行分析。CyberSN 將各種職稱歸入自家的資安職能分類架構，涵蓋 10 大類、45 種資安職能角色，藉此依照職缺實際要求的技能評估市場，而非依照招聘企業使用的職稱。報告也將 2026 年與過去幾年相同月份比較，觀察哪些職能的需求正在浮現或減少。 研究與攻擊職能最需 AI 知識，遠距職缺以銷售占比最高 《SecurityWeek》指出，企業對 AI 基本理解能力的需求仍然很高。2026 年 1 月至 9 月，有 14.6% 的資安職缺提及 AI，與 2025 […]

台廠也能打造自己的「CUDA 護城河」？開源基金會董事長蔡祈岩：開源如何提高硬體競爭力

專訪：沈貝怡撰稿：張哲瑋 台灣在全球 AI 硬體供應鏈居於核心位置，但在軟體、開發者生態與標準的參與仍有落差。本集《全新一週》邀請台灣大哥大資訊長、今年 7 月成立的開源基金會（TAIONE）董事長蔡祈岩，談台灣如何從製造 AI 硬體，走向參與定義 AI。 本集專訪從開源與主權 AI、人才培育，談到他與台灣大哥大總經理林之晨合著、天下雜誌出版的新書《逆分工》，蔡祈岩也以甲午戰爭作為例證，提醒企業只買 AI 工具、不改動組織，生產力終將難以提升。當全世界的 AI 被軟體帶著跑，台灣的硬體優勢要怎麼延伸到軟體？ 只靠硬體，競爭地位不夠穩固：台廠為什麼也想要「CUDA 護城河」？ 蔡祈岩轉述，硬體大廠經營者在產業大好時仍居安思危，認為就產業競爭而言，「只有硬體，對台灣來講是不夠安全的」；全世界的 AI 其實是被軟體帶著跑，他們希望台灣的軟體業能持續精進。 他以 NVIDIA 為例：NVIDIA 早年透過開源函式庫推廣 CUDA 標準，結果「你要做 AI 就一定要用這個 CUDA，用 CUDA 就一定要綁定，要用他們的晶片」。硬體業者因此思考，台灣能否也利用開源，替硬體築起更高的護城河。 開源本來就是軟體業的基底。根據軟體資安公司 Black Duck 今年的開源安全與風險分析報告，受分析的 947 個程式碼庫中，98% 含有開源元件。蔡祈岩形容開源是筆「好生意」，將硬體優勢延伸到開源世界，能大幅提高硬體的附加價值。 但他觀察，台灣的開源人才、產業與政府過去就像三個「平行宇宙」：工程師下班後在社群貢獻，企業多半僅止步於使用開源軟體，政府也沒想到開源能成為生意。基金會要做的，就是用生意這個共同語言，把三者串連起來。 開源和主權 AI 不衝突：為什麼開源可能是台灣較可行的路？ 主權與開放看似矛盾。蔡祈岩認為，閉源等於壟斷，需要足夠的市場、創新能力與資本，「如果你要走閉源……目前看，可能只有美國有這個條件」。他認為，中國、日本與歐盟等更大的經濟體，也多半走開源路線，「台灣比較可行，應該還是要走開源」。 他把主權 AI 分成兩層：對外，賣硬體時加上符合各國主權 AI 需求的軟體，就是外銷生意；對內，進入台灣的 AI 應確保對民眾無害、符合台灣的價值，就像進口商品要課關稅、經過檢驗。 蔡祈岩表示，基金會已投入語料、評測與部分模型能力的培養，也將與國際開放權重模型、開源 Agentic AI 平台洽談合作，讓台灣工程師參與，把模型訓練成符合台灣主權需要的樣子。據《中央社》報導，他也表示開源 AI […]

一名駭客靠 AI 代理攻破 100 多家企業網站，研究員估每次成功入侵約 50 美元

過去幾週，資安公司 NorForge 首席威脅研究員 Snorre Fagerland 從旁看著一名使用中文的駭客，攻破 100 多家企業的網站，包括農機製造商 Deere、家電公司 SharkNinja 與引擎製造商 Cummins。然而，這名駭客幾乎沒有親自動手，而是把這波攻擊近乎全數交給 AI 代理（AI Agent），讓代理花上數小時自主探測、入侵目標網站。 這是《Reuters》美國時間 10 月 19 日的獨家報導，素材來自 NorForge 同日公布的研究報告。Fagerland 認為，這次發現是真實世界的證據，顯示市售 AI 代理能在沒有人介入的情況下，從頭到尾完成複雜的入侵，大幅放大單一攻擊者的能力。他說：「現在已經是一個新的世界。」AI 代理是怎麼完成這些入侵的？防守方又能從中看見什麼？ 只下不到 100 字中文指令，AI 代理嘗試入侵逾 1,200 個網站 Fagerland 的發現，來自網路上意外外洩的 Cairn 控制面板。Cairn 是一套開源的 AI 問題解決平台，在駭客之間相當受歡迎；NorForge 指出，它的面板就是一般的網頁介面，用商用網路掃描平台就能辨識出來。 Cairn 作者（社群帳號 le1xia0）近期在 X 上表示，這個平台「是一種創新的多代理架構，並非為駭客攻擊而設計。若被用於實施有害的駭客攻擊，那並非我的本意」。 約從 10 月 2 日起，Fagerland 找到二十多個被用於惡意活動的 Cairn 面板，得以在一旁觀察攻擊者如何驅使 AI 工具。NorForge […]

號稱首個公開機器人基礎模型 API：NVIDIA 前研究員創 Dream Labs，獲 9,000 萬美元種子輪

機器人 AI 新創 Dream Labs 於 10 月 19 日宣布完成 9,000 萬美元種子輪融資，由創投業者 B Capital 與 Kindred Ventures 共同領投，A.Capital、Unusual Ventures、SV Angel、Wing VC、Scribble VC 及 Adrian Aoun 等投資人參與。Dream Labs 於 2026 年成立，總部位於舊金山，創辦團隊曾帶領 NVIDIA 人形機器人基礎模型 GR00T 的研究，並開發 DreamZero 與世界動作模型（World Action Models）。公司的目標是為日常機器人打造「大腦」，讓單一模型就能驅動不同製造商生產的機器人。 隨著本輪融資公布，Dream Labs 也推出 Dream API，可將機器人攝影機拍到的畫面與自然語言指令，轉換為機器人的馬達控制命令，即使面對模型從未接觸過的機器人也能運作。公司表示，這是首個公開提供的機器人基礎模型 API，模型部署在全球各地的資料中心，讓各地的機器人都能快速回應。 機器人硬體變便宜，Dream-1 要補上缺少的「大腦」 根據 Dream Labs 的說法，全球工廠運作中的工業機器人數量已創下 500 萬台的紀錄，但幾乎每一台都只被設定執行單一任務，學會的技能無法轉移到其他機器上。低價機器人售價雖已降至數千美元，出廠時卻不具備內建的智慧；要讓一台機器人學會一項任務，往往需要專業人員花上數月時間，一旦更換任務或硬體，經常得從頭來過。 B Capital 普通合夥人 […]

AI 模型換晶片免重寫程式碼？亞馬遜推 TorchNeuron，挑戰 NVIDIA CUDA 優勢

從 Google、微軟到亞馬遜，科技巨頭紛紛投入自研 AI 晶片，試圖提供 NVIDIA GPU 以外的算力選擇。然而，NVIDIA 的競爭優勢不只有硬體效能，還包括難以複製的 CUDA 軟體生態系。開發者長期累積的程式碼、運算工具與最佳化技術，讓企業即使想改用其他晶片，也面臨不小的轉換成本。如今，亞馬遜宣稱推出「無須重寫程式碼」的新工具，準備從軟體切入，挑戰這道護城河。 亞馬遜旗下雲端服務事業 AWS 在美國時間 10/19 宣布，將開發工具 TorchNeuron 從私人測試擴大至公開測試，讓開發者只需調整少量設定，就能在自家 Trainium 晶片上執行既有 PyTorch 模型。PyTorch 是廣泛用於 AI 模型開發的開源框架，長期獲 Meta 支持。《TechCrunch》將這項進展形容為亞馬遜迄今對 NVIDIA 最大的一次挑戰。 從 PyTorch 下手，亞馬遜如何降低 Trainium 採用門檻？ TorchNeuron 並非亞馬遜首次讓 Trainium 支援 PyTorch。過去 AWS 已透過 Neuron SDK、PyTorch/XLA 提供相關功能，但開發者仍須配合不同的編譯與執行方式。根據《Startup Fortune》報導，過去的 XLA 整合方式，必須先將運算轉換成計算圖再執行，增加程式偵錯難度，也影響部分既有 PyTorch 工具的相容性。 TorchNeuron 的主要改變，在於提供 PyTorch 原生硬體後端，讓開發者能沿用更熟悉的工作流程。新工具支援即時執行模式（eager mode），可逐步執行程式、檢查運算結果，也支援 torch.compile 編譯及 […]

「沒有任何一家公司能單打獨鬥。」高通攜手研華、磐石、偲倢生態系夥伴加速工業邊緣 AI 規模化部署與落地

隨著 AI 逐步從雲端走進產線、機器人、AI Gateway 與各式邊緣設備，智慧製造現場對即時運算、低功耗與AI推論的需求也日益升高。TechOrange 科技報橘日前與美國高通公司（Qualcomm）共同主辦「2026 AI 智慧大工廠」新竹場論壇，邀集業界專家從晶片平台、工業電腦到設備與 AI 應用現場，探討工業邊緣 AI 如何跨越 POC 鴻溝，走向規模化部署。 高通行銷行政經理朱俊翰以「工業 AI 的變革：從雲端走向智慧邊緣」為題指出，對企業而言，AI 化的下一階段，關鍵不只是模型效能，而取決於如何把感測、推論、控制與自主決策整合到實際營運現場，讓設備可以更即時回應，也讓 AI 更貼近真實場域需求。有鑑於眾多台灣中小企業既有的營運、設備與開發環境長期建立在 Windows 生態系上，因此，如果能沿用現有系統架構與開發工具加以導入並與設備、應用及工作流程銜接，將可望大大協助企業加速智慧化應用部署與規模化發展。 作為長期投入邊緣 AI 技術發展的企業之一，高通所推動的混合式 AI 架構，能依照模型大小、延遲、資料隱私、資安、功耗與成本等需求，將智慧製造領域中不同的 AI 工作負載分配至雲端、本地邊緣、網路邊緣與終端裝置。將能大幅降低開發複雜度、加速從原型走向量產，有效協助企業全面掌握即時性、資料隱私安全、營運成本與部署彈性。 從 Windows 生態系出發，降低工業邊緣 AI 導入門檻 朱俊翰表示，高通近年以 Qualcomm Dragonwing™ 平台為核心持續深化 Windows 運算平台佈局，將 Windows 生態系延伸至工業邊緣運算場域。開發者與企業可沿用熟悉的 Windows 開發工具、應用框架與既有軟體，透過底層運算、AI 與連網技術，向上可串接開發工具、軟體與端到端解決方案，在 Qualcomm® AI Hub、Arduino、Edge Impulse 等開發資源與多作業系統的支援，將 AI 導入工業電腦、HMI、邊緣控制器等裝置，加速企業運用既有的 IT 與 OT 架構就能順利邁向智慧化升級。 […]

新創 PrismML 把 AI 模型壓縮近 10 倍，個人電腦就能執行，測試分數達原版 98%

PrismML 發表基於 Qwen3.8 27B 的第二代壓縮模型 Bonsai 2 27B，並將整體容量壓縮到 5.9GB，足以讓使用者於個人電腦或高階智慧型手機中直接執行。

【新海底軍備競賽展開】各國投入無人載具巡邏海纜，這些機器能做到什麼？

說到無人機改變戰爭，多數人想到烏俄戰爭。但各國政府與國防企業，正把目光轉向更隱密的戰場：海底。 各國為何砸錢發展海底無人載具？這些機器又真的能做到什麼？ 根據電信研究機構 TeleGeography 統計，截至 2026 年初，全球在役海纜總長超過 150 萬公里；衛星只占美國國際通訊容量的 0.37%，其餘幾乎都靠海纜。除了海纜，海底還有油氣管線，以及把離岸風電送上岸的電力電纜。英國智庫 Chatham House 資深研究員 Katja Bego 直言：「我們整個經濟都建立在這上面。」 問題是，這些設施相當脆弱。深海段的海纜大約只有澆花水管粗細，直接鋪在海床上。全球每年約有 200 起海纜故障，三分之二來自漁船作業或船隻拖錨等意外。光是意外就這麼常見，若有人刻意破壞，更是防不勝防。 2022 年 9 月，波羅的海的北溪天然氣管線遭炸毀，調查證實是蓄意破壞；北極與台灣周邊也傳出海底設施受損。Bego 指出，這塊領域長期被忽視，如今「有很多進度要補上」。 除此之外，網路攻擊、能源破壞、假訊息等「混合戰」手法也在興起，烏俄戰爭更證明遠端操控的無人系統能改寫戰場規則。Bego 認為，海洋自然成了下一個目標戰場。 國防業者已開始搶進這塊市場 嗅到需求的國防企業已開始卡位。義大利造船集團 Fincantieri 今年 7 月宣布，將以約 6 億歐元收購四家公司的多數股權，擴充水下與水面無人載具、海洋測量與海底通訊能力。執行長 Pierroberto Folgiero 形容，公司要從傳統潛艦，跨入小型潛艇、無人載具與水下通訊的新世界；未來的水面艦艇將扮演「母艦」，指揮一群在水下活動的載具。 法國 Thales 也早已佈局聲納、反潛作戰、水雷偵測與自主水下系統等業務。 德國國防科技公司 Euroatlas 則推出自主水下載具 GreyShark。它能自行前往指定海域執行任務，不需要人全程遙控，也會自動避開障礙物。例如巡檢管線時發現疑似水雷，它會先回報，再由操作員決定是否深入調查。 該公司策略長 Verineia Codrean 解釋，巡防艦、潛艦和巡邏機昂貴又稀少，從數據上來看不可能無所不在；比較可行的做法，是讓無人載具機隊持續巡邏重點海域，一有異狀就集結過去。Euroatlas 表示已與歐洲多國海軍簽下逾 1 億歐元合約，載具不配備武器，任務以監視、偵測與嚇阻為主。 海底將出現更多「機器對機器」的較量 不過，海底無人載具距離規模化其實還有一段路。譬如水下視線差、訊號難以傳遞還有通訊特別困難。Bego 坦言：「這項技術離烏克蘭那些無人機的水準還差得遠。」 Codrean […]

手作電商 Etsy 為逾 70% 買家建立 AI 顧客檔案，個人化推薦如何協助平台重返成長？

美國手作商品電商平台 Etsy 正運用 AI 改善商品推薦，透過分析消費者的購物紀錄、偏好與購物情境，為超過 70% 的用戶建立更精細的顧客檔案，協助平台判斷消費者是為自己購物，還是準備購買禮物。 根據《華爾街日報》報導，Etsy 財務長 Lanny Baker 表示，公司正加強個人化購物體驗，而這也是近期業績改善的因素之一。Etsy Marketplace 2026 年第二季的總商品交易額（GMS）年增 7.5%，達到 25.8 億美元，相較 2025 年前三個月年減近 9% 的表現有所回升。 買嬰兒禮物不代表自己有小孩，Etsy 用 AI 辨識購物情境 Etsy 過去在商品推薦上的表現較為僵硬，例如消費者購買皮帶扣後，系統常僅推薦搭配的皮帶或帽子；若購買迎嬰派對（baby shower）禮物，後續便持續被推播嬰兒用品，誤將送禮者認定為即將迎接新生兒的父母。 為改善這種僅依賴單一近況而忽略實際購物目的的缺點，Etsy 運用 AI 分析消費者的購買歷史、個人偏好及行為線索，建立更精細的顧客檔案。目前，平台已為近 9,000 萬名購物者中的超過 70% 建立相關檔案，並計畫持續擴大涵蓋範圍。 這些顧客檔案試圖辨識消費者當下的購物需求，例如準備開學、搬家、收藏稀有書籍，或正在尋找禮物。隨著消費者持續購物，平台也能累積更多偏好資訊，作為調整商品推薦的依據。相較於只根據最近一次購買的商品推薦相似品項，Etsy 希望透過更完整的消費者輪廓，讓推薦內容更符合不同的購物情境。 擴大年輕客群與 ChatGPT 購物通路，Etsy 尋找下一波成長動能 在精進自有平台推薦功能的同時，Etsy 亦積極擴展外部接觸管道並經營新世代客群。Lanny Baker 指出，因過往在社群媒體與串流平台的布局較少，Etsy 核心用戶年齡層逐漸偏高，因此公司目前加強此類平台的觸及，希望在年輕買家達到第一份工作、購屋或組建家庭等重要消費里程碑前建立連結。 此外，Etsy 與 ChatGPT 等 AI 平台展開合作，探索廣告及聊天機器人內的即時結帳功能，讓購物者有機會直接在對話介面完成購買（編按：繼 2025 […]

【科技早餐】微軟傳退出英國 AI 資料中心案，電網供電恐等到 2030 年代

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊微軟傳退出英國 AI 資料中心案，電網供電恐等到 2030 年代 微軟（Microsoft）傳出終止與英國雲端基礎設施業者 Nscale 的資料中心協議，讓 AI 擴張的用電瓶頸再度浮上檯面。《Reuters》指出，位於英格蘭艾塞克斯郡 Loughton 的案場多次延誤，電網業者告知 Nscale，預計要到 2030 年代才能供電。微軟拒絕評論，終止協議的確切原因尚未獲公司說明。《Financial Times》另引述知情人士報導，微軟原擬承租該案場全部 50 MW 容量，如今 Nscale 必須另覓租戶。 Nscale 在 2025 年公布的規劃中，該案場預計配置約 2.3 萬顆 NVIDIA GB300 晶片，支援 Azure 雲端服務。公司向《Reuters》表示，仍承諾推進 Loughton 計畫，正尋找替代電源及其他英國擴建地點，與微軟的其他合約不受影響，尚未公布替代供電方案或新的上線日期。這起事件反映，資料中心的擴張除了取得晶片與客戶，還得讓用電容量、電網接入與設備部署時程同步到位；已宣布的算力規模，仍須跨過實際供電這一關。 ＊花旗、美銀限制 AI 代理存取帳戶，代客搬錢面臨授權與責任關卡 AI 代理開始代替使用者執行金融任務，美國金融機構則加強把關帳戶權限。《Financial Times》10 月 16 日報導，花旗集團（Citigroup）與美國銀行（Bank of America）已限制相關存取。花旗表示，不允許第三方 AI 代理或 AI 助理直接登入客戶帳戶，或在其數位銀行平台交易，但客戶仍可透過部分開放銀行服務，授權有限的唯讀資料查詢。美銀執行長莫尼罕則強調，資金轉出必須有人類授權，並正與業者釐清 AI 執行付款時的責任歸屬。 嘉信理財（Charles […]

AI 雲端市場醞釀洗牌，NVIDIA 除了 GPU 訂單，還有哪些風險？

NVIDIA 不只向新興 AI 雲端業者（Neocloud）銷售 GPU，也透過投資、融資支持與算力採購承諾協助它們擴張；然而，這群受到 NVIDIA 扶植的客戶，如今卻開始面臨財務與建設壓力。舉例來說，獲 NVIDIA 投資的澳洲業者 Firmus 近日撤回首次公開募股（IPO）計畫，CoreWeave 的高額負債也引發市場擔憂。 研究機構 Gartner 預測，到 2030 年，超過八成 Neocloud 將不再獨立營運，可能被其他企業收購、整併或退出市場。當 NVIDIA 積極扶植的雲端客戶可能迎來整併與淘汰潮，除了 GPU 訂單，還有哪些風險可能反過來影響 NVIDIA？ AI 算力需求仍在成長，Neocloud 為何恐迎淘汰賽？ Neocloud 專門提供 AI 運算資源，透過採購 GPU、租用或興建資料中心，再將算力出租給 AI 公司與企業客戶。這門生意需要先投入巨額資金，才能靠日後的租賃收入逐步回本。 Gartner 10 月研究指出，全球 AI 最佳化基礎設施即服務（IaaS）支出，預計從 2027 年的 660 億美元成長至 2030 年的 1,740 億美元。然而，市場持續成長，不代表業者能順利回收投資。隨著 AI 晶片快速換代，設備可能還沒回本，就得面對新產品競爭，高額融資成本也進一步加重壓力。 CoreWeave 已反映市場的疑慮。《Reuters》10/15 報導，該公司約有 500 億美元債務，分析師預估今年虧損 21.3 […]

美國銀行、券商擋 AI 代理動用客戶資金：摩根大通、嘉信、花旗如何劃定界線？

Meta 在 9 月推出個人 AI 代理（AI Agent）Muse，金融功能透過金融資料串接平台 Plaid，讓用戶分享銀行帳戶的餘額、交易、投資持股等資料；Plaid 表示，在美國可連結超過 1.2 萬家金融機構與金融 App。Muse 上線後隨即衝上 App 下載排行榜首位，美股銀行類股一度受挫。《CNBC》指出，市場擔心的是，消費者可能透過代理把資金從低利帳戶搬到高利帳戶。 10 月中旬，美國大型金融機構陸續表態：摩根大通、嘉信理財（Charles Schwab）、花旗與美國銀行，先後限制外部 AI 代理操作客戶帳戶，理由集中在資安風險與責任歸屬。不過，各家劃線的位置並不相同。當 AI 代理開始替人處理錢，銀行願意放行到哪一步？ 銀行的顧慮：AI 代理動錢出了錯，誰要負責？ 摩根大通執行長戴蒙（Jamie Dimon）在美國時間 10 月 13 日的第三季財報會議上表示：「我們不會讓隨便哪個外部代理進入公司內部，因為這對客戶和摩根大通來說風險實在太高。」他也警告：「你不會想要失控的代理（rogue agents），而且數量可能多達數千個。」 對於選擇使用外部代理的消費者，戴蒙也劃出責任界線：「如果有人使用這些代理，就應該了解其中的風險。他們應該明白，這涉及責任轉移。」他接著表示：「我們必須確保以正確的方式保護客戶，所以我們也在開發工具來做到這一點。」 嘉信理財執行長 Rick Wurster 的顧慮相近。他在 10 月 16 日接受《Bloomberg》電視訪問時表示：「我們不希望有人就這樣把密碼交給 Muse，讓 Muse 進入系統、代表客戶採取行動。」他也直言：「我們無法控制，客戶也無法控制，一旦出錯，責任該由誰承擔？」 美國銀行則強調人工把關。據《金融時報》報導，美國銀行執行長 Brian Moynihan 接受《CNBC》訪問時表示：「我們堅信，資金從你的帳戶轉出前，應該有人參與授權。」 責任問題目前仍沒有明確答案。《The Next Web》指出，AI 代理的責任歸屬仍在美國國會辯論中，美國與歐洲的監管機構也正向銀行詢問 AI 代理的使用情形。據《金融時報》報導，監管機構私下支持銀行的限制措施，大型銀行高層也曾向聯準會官員表達擔憂。 銀行公開說明的理由集中在安全與責任，分析師則點出另一層壓力：存款。據《金融時報》引述 Apollo […]

量子電腦最多 95% 資源得用來「備料」：Google 降低魔態錯誤率 40 倍，比特幣早期錢包風險受關注

Google 表示，旗下 Willow 量子晶片透過「魔態培育」技術製備一種特殊量子態，相較未經培育的量子態，錯誤率降低約 40 倍。這種特殊量子態是執行進階量子運算所需的資源，這項成果也緩解了未來量子電腦破解比特幣錢包所面臨的其中一項硬體瓶頸。 這項研究於 10 月 15 日發表在《Science》期刊。《CoinDesk》指出，這項研究觸及比特幣量子安全討論中很少被提及的問題：過去的討論多聚焦於攻擊者需要多大規模的量子電腦，卻低估了這台量子電腦有多少硬體必須專門用來持續製備運算所需的特殊量子態。 降低量子運算成本的關鍵：特殊量子態製備 量子電腦以量子位元（qubit）儲存資訊，但量子位元非常脆弱，容易受到熱、振動及雜散訊號干擾而產生錯誤，而且數量越多，出錯的機會也越多。為了解決這個問題，工程師會將多個實體量子位元組成群組，透過錯誤偵測與修正機制，建立更可靠的運算單位，稱為邏輯量子位元（logical qubit）。 這些邏輯量子位元要執行部分運算，還需要一種研究人員稱為「魔態」（magic states）的特殊量子態，作用就像燃料。魔態在使用時會被消耗，量子電腦必須在整個計算過程中持續製備。可以把它想像成一家餐廳的廚房：每一道料理都需要一批無法重複使用的新鮮醬料，因此必須安排部分員工持續製作醬料，其他員工才能負責烹調。在量子電腦中，專門用來製備魔態的硬體，就無法同時投入其他工作。 Google 指出，研究人員早在 2004 年就預見這項難題，部分估算甚至顯示，量子電腦最多可能需要投入 95% 的整體資源來製備魔態，幾乎沒有餘裕執行實際計算。 Google 採用的「魔態培育」（magic state cultivation）方法，會先製備品質較粗糙的量子態，再檢查其中是否有錯誤，並淘汰不合格的結果，目標是以比過去方法更少的硬體，產生更純淨的魔態。實驗中的保真度（fidelity）創下 99.99% 的紀錄，這項指標用來衡量實際製備結果與研究人員預期狀態的接近程度，但只適用於通過檢查的量子態。 在製備及測量過程中，Willow 經過檢查後約只保留 8% 的嘗試。下一步，研究團隊將以更大規模執行這項流程，並確保這些量子態投入更長時間的運算時依然可用；研究人員也指出，未來還需要改善即時運作能力，並將這些量子態整合進更強大的錯誤修正架構。 為什麼早期比特幣讓攻擊者有更多準備時間？ 比特幣錢包使用私鑰授權交易，並透過對應的公鑰讓網路驗證交易簽章。公鑰通常會在使用者花費比特幣時曝光，部分交易格式則會在一開始就公開；最早期的部分比特幣，公鑰更是從挖礦時就已公開。若未來出現規模足夠大、能執行 Shor 演算法的量子電腦，理論上就能從公鑰反推出私鑰，進而冒充持有者簽署交易，且會被比特幣網路視為有效。這項演算法由數學家 Peter Shor 於 1994 年提出，但至今仍沒有人能實際展示這類破解。 由於攻擊者利用的是區塊鏈上已公開的資訊，即使使用者將助記詞鎖在實體抽屜中，也無法防範這類攻擊。較新的交易格式會透過雜湊值隱藏公鑰，攻擊者必須等到公鑰曝光，而且可能需要搶在交易完成前推算出私鑰。已遺失私鑰的比特幣則是另一個難題：即使比特幣網路未來導入更強的交易安全機制，持有者沒有原有私鑰，就無法將資產轉移至受保護的錢包，已公開的公鑰也將持續暴露在風險中。 隨著量子運算的討論升溫，近期也有部分長期未移動的比特幣重新轉移，例如 10 月 7 日一筆自 2010 年 7 月以來未曾移動的 100.02 枚比特幣，價值約 850 萬美元。不過，這類交易並不能證明持有者是因為擔憂量子攻擊才移動資產，也可能只是更換錢包、重新整理持有部位，或準備出售。 […]

QNAP《2026 台灣企業資安韌性大調查》：78% 企業已建立異地備份，但其中近七成仍處可被刪除的失守危機

響應 10 月全球資安意識月（Cybersecurity Awareness Month），威聯通科技（QNAP）發布《2026 台灣企業資安韌性大調查》，對 241 家台灣企業進行自評調查。結果顯示，受訪的台灣企業多半「已開始投入資安」，但資源投入的位置並未能完全防堵攻擊者的路徑。在資安防衛戰場劇烈變化的當下，傳統「基礎備份」早已不足以確保營運不中斷；當備份本身成為駭客破壞的首要目標，具備防刪除、防竄改的不可變機制與快速自動復原能力，才是檢驗企業資安韌性的真正關鍵。 台灣企業資安成熟度全貌：大部分企業才剛剛及格 241 家受訪企業的資安總分平均 30.0 分（滿分 55 分），中位數 29 分，換算成熟度約 54%。依總分分為四級後，「高風險」與「待強化」合計 171 家，占 71%。 評級為「高風險」級的 62 家企業中，全數有半數以上（6 項以上）的指標回答「完全無防護」。對它們而言，缺的不是某一項工具，而是最基礎的全面性資安防護機制；更值得注意的是，未經系統性盤點資安體質的企業，暴露的往往是自己並未察覺的營運風險。 有備份不代表撐得住攻擊！揭開近 7 成企業的假性安全感 看到備份排程顯示「成功」，多數企業 IT 人員就會把資料安全這件事放下。對企業來說，資料有第二份，就代表有退路。 但 Sophos 針對 2,974 家遭勒索攻擊企業的調查顯示，94% 的受害企業表示攻擊者曾試圖破壞備份；備份遭破壞的企業，支付贖金的比例高達 67%，幾乎是備份未受影響者（36%）的兩倍。對攻擊者而言，備份不是事後的退路，而是動手加密之前要先清除的目標。 這次調查發現，雖然高達 78% 的台灣企業已建立異地備份，但其中更有超過六成的備份環境仍全天候連網，且在最高權限帳號遭盜用時無法保證不被刪除。這代表攻擊者一旦取得管理員帳號，就能像合法管理者一樣，把備份與正式資料一起刪除、竄改或加密，企業最後的退路也隨之消失。 QNAP 建議企業考慮以兩個面向進行補強：第一是將備份隔離，採用 HBS 與 Airgap+ 的隔離備份方案，在備份任務完成後自動切斷網路連線，使備份設備在網路上徹底「隱形」，確保永遠有一份乾淨的備份資料可供還原。 第二是採取不可變儲存，讓攻擊者無法刪除重要資料：QNAP QuTS hero NAS 的 WORM（Write Once, Read […]

8,000 台人形機器人計畫進上海工廠，西門子：沒有工廠想當 AI 試錯場

10 月 12 日，第 26 屆中國國際工業博覽會（工博會）於上海開幕，機器人成為展場焦點。同一天的開幕式上，上海啟動「加快發展新一代智能製造行動」，目標在 2028 年推動 8,000 台人形機器人進入工廠。然而，西門子中國研究院院長朱驍洵直言：「沒有一家工廠願意把自己的產線變成一個讓 AI 去試錯的試驗場。」 政策端訂下明確數字，產業端則對落地保持務實。《IT 時報》觀察，比起誰的機器人更像人，廠商更在意誰的機器人能幹活，甚至有業者主張工廠不一定需要「人形」。人形機器人要從展示走進產線，還得先跨過哪幾道關卡？ 上海訂下 2028 年目標，補助先往實景場景走 這項行動包含 4 大工程、19 項重點任務，主軸是推動 AI 與製造業深度融合。據《澎湃新聞》報導，到 2028 年，上海除了推動 8,000 台人形機器人進工廠，也要讓工業機器人密度達到每萬人 600 台、培育 500 家先進級智慧工廠，並推出 300 個高水平智慧體（AI Agent）。 工博會組委會資料顯示，上海目前已培育 2 家國家領航級、28 家國家卓越級智慧工廠，數量多年位居中國城市第一。放眼全中國，據《IT 時報》引述工信部資料，截至 2026 年上半年，中國已累計建成 1.3 萬餘家先進級智慧工廠。 補助工具也已經上路。上海市經濟和信息化委員會 7 月發布《上海市進一步推動「AI+製造」發展的若干措施》，推動具身智慧（Embodied AI，讓 AI 透過機器人等實體系統感知環境並採取行動）機器人打造製造業實景應用場景，最高補助 1,000 萬元人民幣。 不過這些都是目標與補助方向，不代表已有相應的採購或部署。對機器人供應鏈與工廠而言，更實際的問題是：機器人能否穩定上工？ 西門子自家工廠：人形機器人仍在概念驗證 西門子數位化工業自動化業務大中華區銷售區裝備製造負責人吳之立以「西門子不會『造車』」比喻自家定位：西門子不生產人形機器人本體，而是協助機器人廠商設計、製造、總裝與整合，再把機器人帶進自家工廠。 朱驍洵點出的試錯問題，來自機器人與工廠的本質衝突：機器人要靠試錯學習、靠數據進行後訓練，工廠卻容不下錯誤。西門子的做法，是用數位孿生（Digital […]

打造通用型機器人  ：高通攜手生態系解鎖 Physical AI「手腦合一」新世代

在製造與營運持續朝向高度自動化、數位化與彈性化發展的當下，AI 機器人正快速從前瞻性技術，轉變為支撐企業智慧製造與營運升級的關鍵能力。國際研調機構 IDC 於《全球供應鏈與產業生態系 2026 年預測》中指出，AI 正加速供應鏈與企業營運由傳統線性模式轉向更智慧、互聯且具協作能力的生態系模式。若要進一步發揮 AI 的應用價值，正有賴跨企業的系統互通性、完善的資料基礎，以及安全可信的數位環境加以支撐。 隨著技術成熟與平台化發展，企業導入 AI 機器人不一定意味著全面推翻既有系統。透過模組化、平台化的方式，企業可視實際需求，在既有產線、設備、感測與管理架構上逐步導入，以更可控的節奏評估效益、擴展應用場景，並為未來的人機協作與智慧決策奠定基礎。 然而，要真正推動機器人產業的普及與商用落地，光靠單一企業的力量是無法達成的，「要推動 AI 機器人的發展，已經不是單一企業能夠獨力完成，而需要打造一個開放、可擴展、可商業化的生態系。」高通業務副總裁吳南億指出，高通投入AI技術的創新開發已逾 15 年，現在更致力將高通在車用自駕領域的低延遲、高效能運算、強大感測與高效推論等核心技術，導入機器人與 Physical AI 的前瞻應用上，並積極與台灣各領域的產業多元合作，希望將整個生態系的力量凝聚起來，進而將尖端技術落實到真實的應用場景。 揭秘 Physical AI 與手腦合一的技術關鍵 成大電機系特聘教授李祖聖指出，全球機器人產業競爭進入白熱化階段。在技術演進上，過去機器人需要仰賴繁複的程式碼才能執行指令，如今結合 LLM 與 VLM，機器人開始具備觀察與學習的能力，在特定環境與條件下透過語音或視覺指令，甚至能讓機器人自主完成如開啟抽屜、收納廚房，為客人調酒等複雜的多步驟任務。 李祖聖與其團隊致力於服務型機器人研發，開發出能自動避障的賣場機器人以及在無人商店中自主挑貨與包裝的智慧系統。「這樣的服務型機器人一定會先進到工廠中，而不是家裡。」談及機器人的實體落地情況，李祖聖表示目前機器人仍然造價昂貴，短期內難以普及到日常生活中，開發者若沒有實體工廠場域進行訓練與測試，應用與技術也難以真正跨越商用化的門檻。 最後李祖聖提到，現今 Physical AI 的ˊ重要挑戰之一，是結合實體動作的端到端學習，也就是讓視覺與語言模型在接收資訊後，能進一步轉換成安全且精準的實體機械動作。而這必須將背後的物理邏輯寫進程式，只要背後的物理邏輯寫得好、設計夠完善，就能夠順利驅動機械手臂，達成 Physical AI 與手腦合一的核心精神。 以異質運算與 6G 技術，解鎖通用型機器人新世代 「長期缺工正推動企業尋求更具彈性的自動化方案， 所以機器人的場域應用在未來會越來越多。」隨著全球缺工問題日益嚴重，高通業務開發總監呂承翰表示，機器人技術走入真實場景已成為未來趨勢，不論在倉儲、零售或是服務業，漸漸能看到越來越多機器人的應用落地場景。 「傳統機器人只能執行單一動作，但未來機器人將會逐漸走向通用型。」呂承翰指出，機器人正從傳統的規則導向，邁向結合大型語言模型的通用型機器人。為因應此一趨勢與未來代理式 AI (Agentic AI) 的發展需求，高通打造 Qualcomm Dragonwing IQ 系列平台，提供高效能、低功耗的異質運算能力，以及兼顧隱私與可靠性的獨特優勢。其中，Dragonwing IQ10 可提供最高 700 TOPS AI […]

三星 HBM 一條龍模式鬆動？傳接受 NVIDIA 要求，基底晶粒首度交由台積電 3 奈米生產

三星電子（Samsung Electronics）傳出將採用台積電的 3 奈米製程，為 NVIDIA 次世代客製化高頻寬記憶體（HBM）製造基底晶粒（Base Die）。《Reuters》引述韓國《首爾經濟新聞》的報導指出，三星已接受 NVIDIA 對 NVHBM 提出的製程要求。 NVIDIA 要求採用台積電製程，NVHBM 將記憶體控制器整合至基底晶粒 《首爾經濟新聞》引述業界消息人士指出，NVIDIA 已要求三星、SK 海力士（SK hynix）及美光科技（Micron Technology）在 NVHBM 的基底晶粒採用台積電製程，並在核心晶粒使用第六代（1c）DRAM 技術。報導指出，三星經過內部評估後已接受相關要求，這也將是三星首次在 HBM 製造環節委託台積電生產。 NVHBM 是 NVIDIA 於今年 8 月公布的客製化 HBM 架構，將 NVIDIA 的客製化記憶體控制器整合至基底晶粒。NVIDIA 表示，這項設計旨在讓不同記憶體供應商的實作方式標準化。根據韓國媒體《ZDNet Korea》9 月的報導，這些記憶體控制器原本位於 AI 加速器中，NVHBM 預計從 HBM4E 世代開始應用；相較於標準 HBM4E，NVHBM 最高可提升 30% 的記憶體頻寬，並降低最多 15% 的功耗。報導也提到，亞馬遜（Amazon）可望成為首家採用的客戶，旗下晶片團隊 Annapurna Labs 計畫運用 NVLink Fusion 與 NVHBM […]

AI 成本失控，企業轉向私有雲：HPE 靠智慧路由省下六成 token 成本

法國財務自動化軟體商 Esker 的調查顯示，72% 的財務主管坦言，公司過去一年的 AI 支出超出預算。為了控制預算，越來越多企業把 AI 搬回「私有雲」，讓企業自己擁有、自己管理的運算環境；HPE 就是其中的代表，它不只用這套架構壓低成本，還順勢翻新了財務部門的工作方式。 AI 成本飆升正推動企業轉向私有雲 企業使用 AI 多半按 token 計費，而近一年科技業盛行「tokenmaxxing」，意思是盡可能大量消耗 token。不少公司把 token 用量當成員工擁抱 AI 的指標，鼓勵大家多用、狂用，Meta 就曾為員工設置 token 用量儀表板。 但用量衝高的代價很快浮現，例如 Uber 短短幾個月就把 AI 預算用光，營運長也坦言這筆支出越來越難說服人。隨著外界對 AI 花費的檢視越來越嚴格，企業開始轉向提高效率、靠模型分流來控制成本。 博通（Broadcom）發布的《2026 私有雲展望》調查 1,800 位 IT 決策者，發現 56% 的企業已經或計劃在私有雲上，執行正式上線的 AI 推論（inference），也就是讓已投入日常業務的 AI 實際回答問題、處理任務。同類工作選擇公有雲的比例，則從一年前的 56% 降到 41%。 成本是最大推手，且「成本」首度超越「資安」成為企業對公有雲的頭號擔憂，97% 的 IT 主管認為公有雲支出過於浪費。因此，83% 的企業正考慮把工作負載搬回私有雲，半數已經付諸行動。 HPE 用智慧路由壓低 token 成本 […]

「住宅代理」成駭客攻擊新趨勢：能偽造到受害者所在區，企業的地理位置登入規則近乎失效

FBI 警告，隱藏駭客真實 IP 位址的住宅代理（Residential Proxy）攻擊手法，近來開始跟不法行為出現掛鉤，它能讓惡意份子繞過地理位置和雙因素驗證（2FA）成為資安新興威脅。

FedEx 用 AI 輔助關稅分類、DHL 整合全球貿易資訊，物流巨頭如何強化出貨前服務？

隨著跨境電商加速全球佈局，企業面臨的供應鏈挑戰已不限於運輸時效，更卡在各國繁複的海關規範與關稅分類。對缺乏專業報關團隊的中小企業而言，填錯商品分類代碼或申報描述不精準，可能引發清關延誤、供應鏈停擺、額外營運成本甚至罰款。 FedEx 與 DHL 正將數位工具導入跨境貿易合規流程，協助企業在出貨前掌握商品分類、進出口規範與關稅資訊。 FedEx 嵌入寄件流程，以 AI 提升申報精準度 FedEx 的做法聚焦於 AI 輔助商品描述與關稅代碼查詢。該公司在 FedEx Ship Manager 中整合 Customs AI 聊天機器人，以及美國協調關稅表（Harmonized Tariff Schedule，HTS）代碼查詢功能，前者協助客戶提供適當的商品描述，後者推薦相應的關稅分類代碼。這項功能適用於運往美國的貨件，使用者確認相關資訊後，即可透過單一點擊將資料套用至運輸文件，減少重複輸入的作業。 商品描述與關稅分類是國際貿易申報的重要環節。企業若使用不恰當的商品描述，或選錯關稅代碼，可能增加文件修正與清關處理的負擔。FedEx 將 AI 輔助功能嵌入既有的線上寄件工具，讓企業在準備貨件時即可查詢相關資訊，降低人工處理文件時發生錯誤的風險。 DHL 打造自助平台，提供全方位貿易成本評估 DHL 的 MyGTS（My Global Trade Services）則採取更廣泛的貿易資訊整合策略。這個自助式平台整合全球 227 個國家與地區的法規，不僅提供商品代碼查詢與 5,000 多份文件範本，更涵蓋關稅、稅金、運費與處理費等到岸成本（Landed Cost）估算。 在市場選擇方面，MyGTS 甚至有提供 Trade Lane Comparison 功能，讓企業比較不同貿易路線的進出口要求與預估到岸成本，協助評估各市場的貿易條件。平台也提供超過 200 項自由貿易協定（FTA）的相關資訊，協助企業辨識可能適用於商品的協定，以及取得關稅減免所需符合的條件。企業若能事先掌握相關規定，便有機會評估降低關稅成本的可行性。 兩大物流巨頭的佈局展現了截然不同的切入點：FedEx 以 AI 為核心，專注於具體申報環節的精準度與自動化；DHL 則建構巨型資料庫，為企業提供橫跨戰略評估至執行層面的貿易入口。雖然工具定位不同，但兩者皆指向同一個產業趨勢：報關責任雖仍由寄件人承擔，但物流業者若能在出貨前替客戶掃除法規盲點，就能提升整體供應鏈的穩定度。 對中小企業而言，這些工具降低了跨國貿易的合規門檻；對物流業者來說，AI 與數位工具，強化原有的出貨前合規準備與貿易成本查詢服務。透過科技在出貨前消弭清關風險，不僅能為客戶省去昂貴的卡關代價，更可能成為國際物流品牌深化客戶綁定、打造競爭壁壘的新護城河。 【推薦閱讀】 […]

【科技早餐】AI 伺服器也將納管！台灣擬收緊對中出口，違規將可追究刑責

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊AI 伺服器也將納管！台灣擬收緊對中出口，違規將可追究刑責 台灣準備收緊 AI 硬體對中國的出口管制。經濟部長龔明鑫接受《彭博》專訪表示，政府計畫將 AI 伺服器與尖端半導體納入出口管制清單，讓部分措施與美國接軌；這也涉及台灣在台美對等貿易協定中的承諾。新措施上路後，未經許可向中國輸出受限制的 AI 硬體，將可依《貿易法》追究刑事責任。不過，這項政策目前仍在準備階段，政府尚未公布完整品項、技術門檻與實施日期。 《彭博》指出，台灣目前處理相關 AI 晶片走私案件，仍須依其他現行法律追訴；擬議新制則將為受管制硬體的違規出口，建立《貿易法》下的刑責依據。對半導體、伺服器及相關供應鏈而言，後續關鍵包括哪些產品納管、如何申請許可，以及新制如何適用不同出貨安排。龔明鑫談及與美國接軌時，指的是部分管制措施，完整規範仍待政府公布。個別產品能否出貨、跨境訂單與供應鏈調度受何影響，須待正式清單、技術門檻及配套措施確認。 ＊訂單多，算力就蓋得起？CoreWeave 股債下跌，AI 雲端擴張迎考驗 AI 雲端業者 CoreWeave 近日股價與債券價格下跌，市場開始更嚴格檢視資料中心快速擴建的資金來源與回收能力。《路透社》報導，該公司一檔 2031 年到期美元債的次級市場殖利率，10 月 15 日一度突破 16%；這反映投資人要求更高的持有報酬，並非公司全部借款的利率。CoreWeave 主要向客戶提供 AI 算力，透過長期合約支持融資，再把資金投入設備與資料中心，同時也運用客戶預付款等來源支應建設。 以合約與設備支持融資，並非 CoreWeave 獨有，其他新興 AI 雲端業者也採取類似方式。相較之下，微軟（Microsoft）等大型雲端公司，還有既有業務產生的現金流，可支應部分投資。CoreWeave 執行長在《路透社》取得的內部信中表示，客戶合約足以支持債務義務；但合約仍須隨設備部署、算力交付逐步轉成營收。市場對 AI 基建的評估重點，正從簽下多少訂單，延伸到能否如期交付，以及收入能否支撐後續擴張。 ＊孫正義替機器人找工作！軟銀傳洽購保全巨頭，含債估值近 300 億美元 軟銀集團（SoftBank Group）傳出正評估收購美國保全業者 Allied Universal，將孫正義的實體 AI 野心延伸到服務業。《彭博》引述知情人士報導，潛在股權估值最高可能達 180 億美元，加上約 120 億美元的貸款與債券，含債務的整體交易價值可能接近 300 億美元。不過，協商仍在初步階段，價格與交易架構尚未敲定，也不保證雙方會達成協議；上述金額並非已確定的收購支出。 孫正義先前將 […]

【企業 AI 成本報告】代理型 AI 與 AI 開發工具成本衝擊商業決策，建立「主動式財務防線」防範失控帳單

AI 自由實驗期結束，企業迎來「帳單震撼」 AI／雲端成本治理平台 Mavvrik 與 B2B SaaS 研究機構 Benchmarkit，聯合發表《2026 年 AI 成本治理現況報告》（State of AI Cost Governance 2026），內容調查全球 396 家企業的營運現況，評估企業擴大部署 AI 時的財務管控能力。 報告指出，企業 AI 的「自由實驗期」已正式終結，過去在創新預算包容下的概念驗證，如今已轉變為龐大的維運費用，促使財務長與董事會開始嚴格審視 AI 的實際財務報酬。 雖然高達 98% 的企業已開始追蹤 AI 基礎設施成本、95% 編列了正式預算，但「追蹤不等於精準掌控」——僅有 11% 的企業能將 AI 預算的預估誤差控制在 ±10% 以內。這種預算預測失真，直接引發了企業營運上的「帳單震撼」。 當突如其來的爆量帳單寄達時，高達 62% 的企業表示，意外的 AI 成本已實質改變商業策略；25%（每四家就有一家）的專案因此被迫停擺或取消；更有 49% 的企業因成本驟增，被迫在合約履行期中向客戶重新訂價，嚴重損及商業信譽。面對這股成本衝擊，企業如何找出預算盲區並重塑治理機制？以下整理報告的洞察與跨部門落地行動指南。 📎 這份報告適合誰閱讀？ 報告主要針對企業中負責 AI 決策、架構設計、產品開發與財務把關的中高階管理階層製作，適合以下工作者閱讀： 🔴 報告洞見 AI 預算的兩個缺口：代理型 AI […]

「AI Agent 也需要自己的身分證。」從持續驗證到責任歸屬，來毅數位攜手合作夥伴拆解信任治理關鍵

這個 Agent 是誰？能夠存取哪些資料、使用哪些系統？當它做出錯誤決策或執行越權行動時，企業能不能追蹤、稽核，並釐清責任？ 面對 AI Agent 帶來的新型態資安風險與治理挑戰，Keypasco 來毅數位與 TechOrange 科技報橘共同主辦「2026 AI 信任治理論壇」，以「突破試點斷層，讓AI真正進入營運：從Agent身分、設備信任到持續驗證」為題，深入剖析 AI 跨越 POC 進入核心營運的關鍵路徑。 來毅數位科技董事長林政毅在致詞中指出：「AI Agent 也需要自己的身分證，需要清楚的授權、委派、政策與責任邊界。企業的治理機制更必須從上線前的一次性審查，進一步走向持續驗證與動態管理。」TechOrange 科技報橘社長戴季全也回應，企業導入 AI 不只要衡量是否能提升營收與利潤，更需建立足以支撐 AI 落地的信任機制。 找出 Agent 擴權風險，治理先從盤點開始 AI TalenTech Labs 創辦人暨執行長廖肇弘指出，當企業將 AI 導入營運現場，治理焦點必須從「輸出品質」延伸到「行動邊界」。他舉例，在 2026 年 OpenAI Agent 入侵 Hugging Face 基礎架構的事件中，Agent 在數天內執行約 17,600 次行動，並逐步取得更高層級的系統與叢集存取權限，「AI 的『核武困境』在於大家都知道危險，但誰敢先停？真正的問題不是要不要 AI，而是如何讓 AI 可控地做事。」 除了權限失控，企業也可能面臨難以察覺的 AI 連線風險。一安智能創辦人暨執行長卓傳育分享實際盤點案例指出，團隊曾在某家企業的單一內部設備上，於約一個月內累計發現近 1.5 萬次連線，辨識出 12 種 […]

AI 揪出的漏洞誰來補？美國銀行加派 1,000 名承包商，少見公開修補人力規模

美國銀行（Bank of America）執行長 Brian Moynihan，美國時間 10/14 公布第三季財報後接受《CNBC》專訪時透露，為了修補 Anthropic 的 Mythos 等先進 AI 模型揭露的軟體漏洞，銀行第二季加派了 1,000 名外部承包商，與原有的 3,000 名內部員工一起作業。《CNBC》指出，這是美國大型企業最早具體說明為防範 Mythos 投入多少人力與資金的案例之一。 AI 找出漏洞的速度愈來愈快，但找到之後，修補、測試與部署仍需要大量人力與流程配合。當「發現」不再是最難的一步，企業該如何補上修補的量能？ 美國銀行加派 1,000 名承包商，執行長：這是真實風險 Mythos 是 Anthropic 今年 4 月推出的 AI 模型，推出時只開放給少數銀行、科技公司與政府機構使用。Moynihan 表示，美國銀行今年稍早動用數千名員工與外部人員，緊急強化大範圍的內部程式碼與供應商程式碼。 「這是真實的風險，所以當這些前沿模型出現時……我們很多人坐下來討論：『要怎麼盡快度過這一關？』」Moynihan 告訴《CNBC》記者 Leslie Picker。他說：「我們在第二季投入 1,000 名承包商協助修補工作，這些人到今天都還在，加上我們在這個領域原有的 3,000 人。」 在當天稍早的財報電話會議上，Moynihan 向分析師補充，這 1,000 人是以顧問身分加入，不計入員工編制。他也表示，第三季在軟體修補，以及反洗錢合規相關的監管問題上，合計花費「兩億多美元」；兩項支出各占多少，他沒有拆分說明。 美國銀行同日公布財報，受反洗錢相關和解金拖累，當季獲利下滑 17%，股價盤中一度重挫逾 8%。Moynihan 也試著安撫投資人，強調支出增加是暫時的：「一旦修補完成，需要修補的就會變少……整個流程會逐步消化。」他表示，銀行預期修補成本會隨時間下降。 AI 找漏洞變快，瓶頸從「發現」移到「修補」 《CNBC》分析，Moynihan 的說法也凸顯 AI 的兩面性：AI […]

科技巨頭想當礦商股東？英美資源證實洽談入股，尋求保障 AI 資料中心金屬供應

隨著 AI 資料中心建設持續推進，科技企業正積極尋找確保關鍵金屬供應的方式。倫敦上市礦業集團英美資源（Anglo American）執行長 Duncan Wanblad 透露，公司已與有意入股的科技企業展開討論。 確保金屬供應，科技企業評估長期承購與直接入股 Wanblad 於 10 月 15 日在《金融時報》舉辦的金屬與礦業峰會上表示，相關討論「確實正在進行」。他指出，這些企業的考量是：「我們能否直接取得長期承購（offtake），或是能否取得股權，以在未來的供應中占有一席之地。」長期承購是指買方預先承諾在一段期間內購買礦場產出的金屬。 目前尚未有企業取得這類股權，但 Wanblad 說，「確實有企業表達了濃厚興趣，可能會嘗試這麼做」。他也說：「考量到我們一直在討論的稀缺問題，許多人都在尋找確保供應的方法。」 不過，根據《Miningmx》報導，Wanblad 也提醒，當企業開始了解礦業的樣貌，包括資本密集，以及本質上具有景氣循環的特性後，就會發現這和他們熟悉的事業類型不太一樣。 科技企業製造產品，以及建置支援 AI 運算的資料中心，都需要大量銅、鋁、鋼材與各類稀土金屬。礦業高層指出，隨著全球資源競賽升溫，科技企業愈來愈希望了解這些金屬的來源，以確保供應鏈的韌性。 科技巨頭布局稀土、鈾和銅，礦商與雲端業者接洽 《Miningmx》指出，蘋果（Apple）在 2025 年 7 月與美國稀土礦商暨磁鐵製造商 MP Materials 簽訂價值 5 億美元的協議，採購稀土磁鐵，以降低對主導稀土供應的中國的依賴。 核能產業也出現類似的資源布局。鈾生產商 Cameco 投資人關係副總裁 Cory Kos 今年 9 月接受《金融時報》採訪時表示，亞馬遜（Amazon）與微軟（Microsoft）等企業正尋求採購實體鈾，供未來為資料中心供電的新一代核反應爐使用。他表示：「我們已經發出幾份交易條款清單（term sheets），但目前還沒有人真正買進。」但他也提到，已有「大型知名企業」正在評估採購。 必和必拓（BHP）財務長 Vandita Pant 則在同一場《金融時報》峰會上表示：「我們確實與超大規模雲端服務商（hyperscalers）有接觸。」超大規模雲端服務商是指亞馬遜、微軟等經營大型資料中心的雲端業者。她指出，必和必拓正與亞馬遜合作，協助其取得碳排較低的銅，但股權投資則是「另一回事」。她表示：「如果你是客戶，你要的是能夠仰賴非常可靠的供應。」 亞馬遜今年已同意向力拓（Rio Tinto）旗下的 Nuton 事業採購銅，供應其美國資料中心使用。這些銅來自 Gunnison Copper 旗下位於美國亞利桑那州的 Johnson Camp […]

AI 黑盒子沒那麼黑？Goodfire 研究員：神經元「亂塞概念」可能是誤讀

想了解 AI 為什麼做出某個判斷，最直接的方式，是打開模型，看看裡面的「神經元」各自在做什麼。但長期以來，研究界普遍認為這條路並不好走：神經元裡似乎塞滿了互不相干的概念，就像一團打結的毛線。AI 新創 Goodfire 研究員 Nick Cammarata 日前發表長文挑戰這個看法，他聲稱，在語言模型 Qwen3-32B 中，多數神經元其實只負責一件主要工作。 Cammarata 曾在 OpenAI 發起自動化可解釋性專案，而他在文中推翻的經典案例之一，正是自己 2019 年參與提出的研究。這篇工作假說，挑戰了學界的什麼認知？ AI 研究界原本認為神經網路像「打結的毛線」，必須先拆開才能研究 在可解釋性（interpretability，研究 AI 模型內部如何運作的領域）研究中，有個讓人頭痛的現象，叫做「多義神經元」（polysemantic neuron）：一個神經元看起來同時負責好幾項不相干的工作，或根本看不出在做什麼。最著名的例子，是某個影像模型裡，同時對「貓臉」和「汽車車頭」產生反應的神經元。早期研究常用的影像模型 InceptionV1，最後一層也幾乎沒有容易解讀的神經元。 對此，學界的主流解釋是「疊加」（superposition）：當神經網路的神經元不夠用時，它會停止把相關的事物歸在一起，改把互不相干的概念「摺」進同一個神經元，只因為這些概念彼此不太干擾。照這個理論，神經元把哪些東西放在一起，幾乎透露不出任何資訊，研究者必須先把結解開，才能開始研究。 這也影響了研究方法。Cammarata 指出，可解釋性研究大致有兩條路：一是直接觀察網路本身的神經元與電路；二是先假設模型裡有哪些「特徵」，再設計方法把它們萃取出來。學界起初走第一條路，後來因為神經網路看起來糾纏不清，轉向第二條。實務上的做法，是另外訓練「稀疏自編碼器」（sparse autoencoder）等第二個模型，模擬原始網路「解開後」的樣子，再研究這個替代品。 過去的數據也支持這種悲觀看法。Cammarata 引述，Anthropic 2023 年的研究〈Towards Monosemanticity〉以單層小模型為對象，中位數神經元在滿分 14 分的評分中拿到 0 分；他當年發起的專案，即使用最寬鬆的標準，也只有約 1.7% 的神經元可以解讀。他坦言，學界押注疊加理論，他自己直到最近也是。 重新檢視經典案例，Cammarata 稱問題出在架構與工具，不是神經元「亂塞」 Cammarata 的主要結論是：至少在 InceptionV1 身上，疊加是錯誤的解釋。他認為，真正的原因是架構問題讓後段的層「溢出」，而當時薄弱的解讀工具又放大了這個問題，讓這些層看起來雜亂無章。 他以 InceptionV1 的最後一層為例：早期研究的工具，估計約有 5% 的神經元可以解讀；換上更好的解讀工具，同一個網路約 50%；用較現代的正則化（regularization，訓練時用來避免模型死記資料的技巧）重新訓練相同架構則可達到約 70%；換成參數量相同、採用現代架構改良的影像模型 ConvNeXt，可解讀的神經元約有 99%。他也另外訓練 3 […]

日常聊天也能變購物提醒？亞馬遜推 Bee 新 AI 裝置，串接 Alexa+ 與電商平台

亞馬遜（Amazon）近日推出兩款 AI 裝置，主打透過聆聽日常對話，協助使用者記住重要資訊、整理待辦事項，並根據過往互動提供個人化建議。新產品由亞馬遜旗下個人 AI 裝置品牌 Bee 開發，分別為穿戴式的 Frontier，以及可磁吸在手機背面的 Eclipse。 AI 裝置 Bee Frontier、Eclipse，可記錄對話、提供購物建議 兩款裝置是 Bee 前一代手環產品 Pioneer 的後繼機種，也是亞馬遜於 2025 年收購 AI 穿戴裝置新創 Bee 後推出的新品。Frontier 售價為 74.99 美元，Eclipse 售價為 99.99 美元。 購買裝置後，無須訂閱即可使用基本功能，包括對話摘要與回顧，並保留 14 天的記憶。亞馬遜另推出每月 11.99 美元的 Bee Pro 訂閱方案，提供不限次數的近期對話摘要、建議待辦事項、每日記憶、個人聊天助理、對話範本、第三方應用程式整合與桌面版應用程式。《The Verge》指出，Bee Pro 最主要的賣點，是亞馬遜購物與 Alexa+ 整合。 兩款裝置主打讓使用者能專注於當下。使用者啟動裝置後，Bee 會聆聽對話，並結合已連接的應用程式資訊，整理成對話摘要、逐字稿、洞察與待辦事項，使用者可以透過 Bee 的手機 App 或桌面應用程式回顧。 例如，使用者可以建立適用於課堂講座、照護計畫或腦力激盪會議的專屬範本，讓 AI 依據不同情境整理資訊。使用者也能回顧過去幾天的「記憶」，並取得 Bee 針對反覆出現的主題、目標與行動所提出的建議。 Bee […]

Meta 推美最強開放模型 Muse Spark Open，8,160 億參數為何兩台 Mac 就能跑？

Meta 本週動作頻頻，先是發表新一代閉源 AI 模型 Muse Wonder，又於美國時間 10/15 發布新一代 AI 模型 Muse Spark Open，並宣稱是迄今最強的美國開放權重模型，總參數高達 8,160 億，主攻程式開發與 AI Agent（AI 代理）任務。其中更引人關注的是，Meta 與 Apple 合作，讓這款超大型模型能在兩台 Mac Studio 上運行。 這不僅讓企業及開發者有機會自行下載、調整和部署高能力模型，也展示大型 AI 推理不必完全依賴傳統 GPU 伺服器的新選擇。究竟過去需要龐大運算與記憶體資源的模型，為何現在能在兩台桌上型電腦上運行？ Meta 重返開放模型競爭，追上中國對手了嗎？ 近年中國 AI 業者積極推進開放權重模型，逐漸取得市場優勢。根據 Hugging Face 統計，截至今年 3 月的過去一年，中國模型占平台下載量達 41%，已超越美國模型。包括阿里巴巴 Qwen、DeepSeek，以及月之暗面（Moonshot AI）的 Kimi，都成為企業自行部署 AI 的重要選擇。 如今，Meta 以 Muse Spark Open 加入競爭。根據官方公告，該款模型採用混合專家架構（MoE），雖擁有 8,160 億參數，但每次生成內容僅啟用約 420 億參數，以降低運算負擔。模型支援最長 […]

美國上百家人形機器人公司，機器人投資基金執行長為何只看好特斯拉、Figure AI 與 Apptronik？

封閉式基金 RoboStrategy 執行長 Andrew Kang 認為，真正值得投資的機器人公司，只有特斯拉（Tesla）、Figure AI 與 Apptronik，但 Optimus 業務還有待馬斯克回神。

Grok Voice 3.0 超車 OpenAI、Google，星鏈、特斯拉已如何應用語音 Agent？

SpaceX 旗下 AI 業務 SpaceXSI（原 xAI）10/14 推出 Grok Voice 3.0，在第三方語音 AI 綜合評測中超越 OpenAI、Google。除了模型性能，SpaceXSI 也展示 Grok Voice 的商業化進展：衛星網路服務商 Starlink（星鏈）平日約有 2 萬通客服與銷售來電使用 Grok Voice 處理，其中約 70% 無須真人介入；Tesla（特斯拉）車輛每天也有數百萬次語音 AI 對話。 從 Starlink 客服到 Tesla 車內操作，Grok Voice 已承擔哪些工作？ Starlink 的語音 Agent 已不只負責接聽電話。根據 SpaceXSI 8 月公布的實際部署案例，Starlink 利用 Grok Voice 建立客製化 Agent，處理帳務、設備故障、物流及銷售等工作。 例如客戶反映設備故障，Agent 能先執行診斷、查詢可替換的設備選項、確認地址，再安排寄送替換設備。SpaceXSI 也指出，以 Grok Voice 3.0 建構的 Agent 能驗證客戶身分、核發帳戶抵用額度；銷售方面，還能比較服務方案、查詢地址並完成訂單。 […]

【科技早餐】台積電證實洽談馬斯克晶圓廠！魏哲家：必須由我們營運

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊台積電證實洽談馬斯克 Terafab，魏哲家：晶圓廠必須由台積電營運 台積電（TSMC）10 月 15 日在法說會證實，正與馬斯克推動的 Terafab 晶圓廠計畫洽談合作，並已派團隊前往德州評估。董事長暨總裁魏哲家表示，美國主要客戶持續要求增加當地產能，公司因此評估亞利桑那州以外的擴產機會，德州是選項之一。他強調，合作方式仍在討論，若有具體結論將對外說明，但晶圓廠必須由台積電營運；目前尚未宣布投資協議或建廠時程。 第 3 季台積電合併營收為新台幣 1 兆 4,942.4 億元，稅後淨利 7,630.6 億元，年增約 68.7%，營收與獲利均創新高。台積電將 2026 年美元營收年增預估上修至約 44%，並預期 2 奈米家族 2027 年全年產能將增至今年的 2 倍以上。公司另決定在台南增加 1 座 3 奈米廠，預計 2028 年上半年量產；今年資本支出維持 600 億至 640 億美元。魏哲家表示，AI 需求依然強勁，公司已實地了解美國資料中心建設與供電情況，作為擴產評估依據；對消費市場及明年經濟環境則保持審慎。 ＊Anthropic 營收增速降至 45%，防堵模型蒸餾牽動收入 《路透社》引述參與投資人會議的人士報導，Claude 開發商 Anthropic 第 3 季營收達 168 億美元，較前一季成長約 45%。依同一報導提供的第 1 季 […]

AlphaGo 推手 David Silver 不走 LLM 路線，要讓 AI 在模擬「熔爐」裡從零自學

當多數 AI 實驗室都在大型語言模型（LLM）上加碼，曾主導 AlphaGo 的 David Silver 選了另一條路。他離開 Google DeepMind 後於倫敦創立 Ineffable Intelligence，今年 4 月宣布募得 11 億美元種子輪、估值 51 億美元。美國時間 10 月 13 日，Silver 與共同創辦人之一 Lasse Espeholt 在領投方之一 Sequoia Capital 的 Podcast 節目《Training Data》中，說明這家新創準備怎麼做：不走 LLM 以海量人類資料預訓練的路線，而是讓 AI 從一無所知開始，在模擬世界中持續從經驗中學習。 預訓練（pre-training）是指先用大量網路文字等人類資料訓練模型，也是當今 LLM 的起點。Silver 想打造的，則是「一個能持續學習、永遠不斷發現知識的系統」。問題是，若不依賴人類累積的資料，究竟要怎麼做？ 為什麼不做 LLM？Silver：人類資料可能反而拖累 AI Silver 表示，他很珍惜在 DeepMind 的時光，但他相信的路線「並不需要以 LLM 產品作為中繼站」，值得一間全力投入的實驗室，而不只是專注 LLM 產品的組織裡的一個角落。他也坦言資源配置的考量：全世界已有數萬、甚至數十萬名研究者走 LLM 路線，「我要當第 100,001 […]

「硬體是 AI 的牙齒」：Matter 募得 4.5 億美元，押注機器人與下一波硬科技

矽谷創投公司 Matter Venture Partners 上個月宣布完成第二期基金募資，規模達 4.5 億美元，較第一期基金的 3 億美元進一步擴大，將投資早期硬科技新創，涵蓋半導體、機器人、實體 AI、量子運算、先進製造與能源等領域。 AI 熱潮帶動硬體投資，今年深科技投資已達 900 億美元 《The New York Times》指出，2022 年 ChatGPT 問世後，多數創投業者紛紛搶進 AI 新創，希望搭上 OpenAI 的成功浪潮，但 Matter 共同創辦人 Wen Hsieh 看到了不同的機會。職涯多半從事硬體投資的 Hsieh 認為，AI 熱潮將帶動支撐這項技術的硬體需求，因此於 2023 年創立 Matter。 如今，硬體已成為矽谷的新熱門話題。隨著 AI 衝擊創投業過去最倚重的軟體領域，愈來愈多投資人轉向實體科技。根據 PitchBook 資料，創投業者在 2020 年投入涵蓋機器人、太空、量子等硬體技術的「深科技」（deep tech）領域的金額為 230 億美元，2026 年至今已增至 900 億美元。Hsieh 表示，他從沒想過會有這麼多投資人對硬體感興趣。 《Forbes》作者 John Koetsier 指出，AI 代理已經開始真正完成工作，只要請它去建構、研究或修復某樣東西，它就能在完成後回報結果，但實體世界還不是這樣，人們仍然必須親自完成自己的工作。 […]

鼎新數智 Agent Space 重新定義淨零永續工作新範式

隨著全球供應鏈對碳排資訊的要求日益提高，企業面對的挑戰，已不只是交出產品碳足跡報告，更在於如何回應客戶減碳要求，同時兼顧產品成本與訂單獲利。鼎新數智發揮 ERP 企業營運數據優勢，以企業已在用的 ERP 為底，透過 Agent Space 跨職能 Agent 協作，串聯碳數據與 ERP 中的物料、採購、生產及訂單毛利資訊，協助企業辨識排放熱點、研擬減碳方案，並評估其對整體營運的影響，讓碳管理從資訊揭露進一步延伸至企業經營決策。 在 10 月 14 日至 16 日舉行的「2026 台灣國際淨零永續展」中，鼎新以「Agent Space 讓減碳看得見成效」為主題，於台北南港展覽館 1 館 4 樓 M0406 攤位，展出「永續管理」、「淨零管理」及「廠務能源管理」三大職能專家 Agent。透過多智能體協作，展示企業如何串聯碳排與營運數據，將減碳建議轉化為兼顧營運需求的具體改善方案。 Agent Space 深化碳足跡應用　以減碳方案回應客戶需求 此次展示以永續人員收到客戶供應商評選表為情境，由 Agent Space 解析碳足跡資料與減碳計畫要求。「永續管理」專家 Agent 取得 ERP 中的物料清單（BOM）、原料採購及生產入庫資料，結合鼎新雲端碳管理平台「碳總管」的電力、燃料資訊，經人員確認盤查範疇與分配方式後，完成產品碳足跡試算並辨識排放熱點。接續由「淨零管理」專家 Agent 提出低碳原料替代、製程節能及提高再生能源比例等建議，彙整評選表所需資訊與佐證資料，經人員審核後提交客戶。盤查範疇與對外提交由人把關，中間的資料蒐集與試算交給 Agent。 然而，減碳方案能否落實，仍須回到企業實際營運條件。以低碳原料替代為例，除了比較碳排差異，也須考量材料品質、採購價格、供應量及交期等因素。透過 Agent Space 跨職能協作，「淨零管理」專家 Agent 可進一步與採購、業務及財務等職能 Agent 接力合作，結合鼎新 ERP 中既有的物料、採購、生產成本及訂單毛利資訊，評估替代原料的供應可行性，試算不同方案對成本與獲利的影響，並依據訂單需求判斷其適用性。如此一來，永續部門不再只是提供碳足跡報告，而能與業務、採購共同提出具體的產品改善建議，協助企業以更具競爭力的方案爭取訂單。 三大職能專家 Agent […]

從自駕光達到機器人：禾賽推空間相機 Kosmo，把真實場域變成訓練數據

機器人在展場迎賓、揮手、跳舞的畫面已經不少見，但要走進門市或工廠分擔實際工作，仍有一段距離。自駕車光達供應商禾賽（Hesai），10/14 在上海工廠發表空間相機 Kosmo。這台外形像葡萄酒瓶的裝置結合光達與攝影機，目標是協助開發者更有效率地收集真實世界的空間數據，用來訓練機器人。 據《Reuters》報導，禾賽共同創辦人暨執行長李一帆在發表會上表示，要訓練機器人理解真實世界、執行揮手跳舞以外的複雜任務，所需的高品質空間數據仍有很大缺口。如果數據是機器人走進真實場域的門檻之一，一台手持相機能幫上多少忙？ 機器人還停在迎賓跳舞，禾賽點出空間數據的缺口 李一帆指出，機器人解決實際生產力問題的能力仍然有限。而禾賽共同創辦人暨技術長向少卿，更加具體地說明這個缺口：「實體 AI（Physical AI）需要準確、負擔得起、能大規模取得的真實世界數據，而要同時滿足這三項，一直是個難題。」實體 AI 指的是讓 AI 透過機器人等實體系統感知環境、採取行動。換句話說，問題不只在數據夠不夠精確，也在取得成本，以及能不能大規模取得。 一台相機加一個雲端平台，把真實場域轉成 3D 訓練資料 Kosmo 由 Kosmo One 空間相機與 Kosmo World 雲端平台組成。Kosmo One 整合了光達（LiDAR，以雷射量測距離與立體形狀的感測器）、1 吋影像感測器，以及記錄裝置移動與轉向的慣性測量單元（IMU），能同步記錄空間的幾何形狀、色彩、紋理與相機位置。禾賽表示，單人掃描一般 100 平方公尺的室內空間約需 15 分鐘，實際時間會因空間格局與大小而不同。 拍下的資料交給 Kosmo World 處理後，平台以 3D 高斯潑濺（3D Gaussian Splatting，3DGS，一種用大量色點重建擬真 3D 場景的技術）等方法重建模型，一次產出 3DGS、網格與深度資料。生成式 AI 會補上沒掃到的區域，語意分割則能辨識空間中的個別物件；視角也能依機器人相機的特性調整，縮小模擬與實際運作之間的落差。 對開發者而言，更實際的問題是這些資料能不能直接使用。Kosmo 可串接 NVIDIA 的機器人模擬平台 Isaac Sim、Isaac Lab，以及 Unreal Engine 等工具，禾賽也開放原始拍攝資料與 3D 資產。禾賽宣稱，從單一掃描空間可自動產生超過 […]

台灣微軟、雲馥數位從 KPI、成本到 Agent 治理談企業 AI 主權實戰

TechOrange 科技報橘於 10 月 13 日舉辦「企業 AI 主權高峰論壇午宴」，邀集多位高科技製造業與金融業中高階主管蒞臨餐敘交流，共同探討企業如何讓 AI 從試點走向規模化生產力，分享第一線落地經驗 。科技報橘社長戴季全表示，「AI 不是將 20 人的團隊縮減為 2 人；而是讓 20 人都具備 AI 能力，使公司規模與產出發揮 20 倍以上的乘數效應。」 台灣微軟商用企業與新興市場事業部總經理李光耀致詞時表示，AI 導入已不再是長達半年的大型專案，可能 3 個星期就能完成一個專案並快速迭代，新模型推出的速度也以週計算，因此企業不需要盲目追逐新工具或模型，平台廠商會持續整合最新能力。 李光耀強調，企業若要真正放大 AI 的效益，第一步是先想清楚「為什麼要 AI」，並掌握資料在哪、權限如何管控。「我們看到很多的 project 失敗，不是因為技術、不是因為 tools，而是因為沒有很好的 KPI。」李光耀表示，AI 時代雖然讓企業有機會不斷試錯，但仍必須有可衡量的 KPI，才能及時調整或快速停損。 雲馥數位執行長桂梓捷在專題分享時分析，企業 AI 導入可歸納為六大面向：商業策略、技術架構、AI Agent 導入執行、資安與治理、人才培育以及組織管理，「第一步是商業策略，企業必須先回答錢花在哪、KPI 怎麼定、效益怎麼看、管不管得了、看不看得見，然而策略訂定之後，企業最常忽略的是資安與治理、人才培育與組織管理，而這些環節容易在 AI 規模化之後成為管理黑洞。」 桂梓捷舉例，業務團隊用 Agent 處理報價、簽核與發票，透過外部 AI 工具存取同一批文件，容易埋下機密外洩風險。為避免問題在企業 AI 規模化後才浮現，桂梓捷建議企業在導入初期就先建立「AI 卓越中心」，涵蓋政策規範、Agent 行為與用量監控、成本監控與風險合規，並保留執行紀錄供稽核。 桂梓捷提供企業五道自我檢核題： 在工具層面，桂梓捷表示雲馥自建的治理平台，能夠協助企業呈現 […]

Anthropic 為何捨棄 Git？自研 Scion 揭 AI Agent 時代開發新瓶頸

AI Coding Agent（AI 程式開發代理）讓工程師寫程式的速度大幅提升，但如果程式碼產出快到連既有開發工具都難以負荷，會發生什麼事、又如何解決？AI 公司 Anthropic 就遇上了這個問題，稱甚至決定捨棄廣泛使用的 Git，自行打造新的版本控制系統 Scion。 類似的開發流程瓶頸，也開始出現在其他企業。哈佛大學研究人員 Fiona Chen 與 James Stratton 分析 718 家企業、約 3 億筆工程工作紀錄，發現導入 AI Coding Agent 後，程式碼產出增加約 30%，但程式碼從提交審查到完成合併的時間也增加約 49%，最終完成的軟體工作量則未出現統計上顯著的提升。 根據 Anthropic 10/13 公布的工程文章，隨著 Claude 大量參與程式開發，其內部每日合併的程式碼變更，從今年 5 月約 2,500 次增至 9 月超過 3 萬次，成長逾 12 倍，並稱版本控制已成為其最大的開發瓶頸。Anthropic 因此重新設計版本控制基礎設施，更預期未來 6~12 個月，其他企業也可能面臨類似挑戰。 Git 為何難以負荷？程式碼合併量暴增 12 倍 Git 是目前軟體開發領域廣泛使用的分散式版本控制系統，讓工程師能記錄程式碼修改、追蹤歷史版本、建立開發分支，並整合不同開發者的變更。它也是 GitHub、GitLab 等開發平台的重要基礎，支援企業進行程式碼協作、審查與後續自動化測試。 Git 的一項核心特色，是開發者能在本地保存版本歷史，即使沒有網路連線，也能查詢修改紀錄及進行版本操作。不過，當程式碼儲存庫規模持續擴張，維護大量資料副本也可能增加系統負擔。 […]

AI 需求延伸至 2030 年：客戶搶先洽談訂單，ASML 坦言擴產 30% 恐仍不夠

荷蘭半導體設備製造商 ASML 表示，隨著 AI 相關投資持續推升晶片製造需求，部分客戶已開始洽談 2029 年與 2030 年的先進製程設備訂單。即使公司已計畫在 2027 年將部分設備產能提高 30%，預期 2027 年與 2028 年的供應量仍不足以滿足客戶需求，因此正評估進一步提高 2028 年的產能。 ASML 週三公布第三季財報，單季淨銷售額創下 116.6 億歐元的紀錄，淨利則從第二季的 29.2 億歐元增至 49.6 億歐元。公司也將全年銷售額預測從 430 億至 450 億歐元，上修為 440 億至 450 億歐元，並預估第四季銷售額將達 142 億至 152 億歐元。 AI 投資推升設備需求，ASML 評估進一步擴產 ASML 執行長 Christophe Fouquet 表示，客戶正上調短期與中期的設備需求預測，主要受到市場對 AI 相關投資規模及持續時間的預期所帶動。他指出，公司看到「大量 2028 年的訂單，也有客戶強烈希望提前下 2029 年、有時甚至是 2030 年的訂單」，但公司並未透露客戶身分，也未公布相關潛在訂單金額。 ASML […]

【監控的 AI 也會被騙】專家警告惡意代理人可能騙過監控者，建議另加不靠 AI 的日誌與網路分析

企業把越來越多、越來越複雜的任務交給 AI 代理人（AI Agent），監督也隨之成為難題。代理人行動更快、運作時間更長、數量也更多，人類根本來不及審查。 今年 7 月的 Hugging Face 事件，把這個問題推到極致。OpenAI 一款尚未發布的前沿 AI 代理人，在進行極限網路安全評測時，自行突破隔離沙盒，入侵開源 AI 平台 Hugging Face。當時有將近 12,000 個代理人彼此協調行動，速度遠超過人類能追蹤的程度。 代理人規模太大，連調查都得靠 AI 非營利 AI 安全與對齊（AI Alignment）研究機構 Redwood Research 的首席科學家 Ryan Greenblatt，參與這起事件的調查。他表示，調查資料包含上千份極長的紀錄，許多代理人連續運作了好幾天，不靠 AI 協助根本無法掌握全貌。他自嘲這是一場「slop-vestigation」，意思是一場高度仰賴 AI 產出的調查。 問題是，AI 幫手並不可靠。負責分析的 AI 常遺漏關鍵細節，判斷也常出錯或過度自信，團隊直到最後一次進駐現場，才弄懂幾個關鍵環節。Greenblatt 的結論是，監督 AI 的難度增加得太快，AI 能提供的幫助已經追不上。 即便如此，AI 實驗室與新創提出的解方仍然簡單，卻也令人苦笑，就是再放一個 AI 進來監控。 監控用的 AI，可能反被騙過 長期追蹤 AI 代理人事故的科技部落客 Simon Willison 指出，正在做壞事的 AI […]

GitHub 爆紅的 REA 真能逆向任何軟體？從 51 件實作看 AI Agent 的能力與限制

AI Coding Agent 不只能協助開發者寫程式，現在也開始挑戰沒有原始碼的軟體，甚至嘗試重新實作其中的功能。開源專案 REA（Reverse Engineer Anything）近期在 GitHub 爆紅，截至 10 月 14 日已累積約 22.6 萬顆 Stars。它讓 Claude Code、Codex、Cursor 等 AI Coding Agent 能操作專業逆向工程工具，分析已編譯的執行檔、封閉式應用程式及部分韌體映像。 REA 官方更展示了 AI Agent 協助重建遊戲函式的成果，但這套號稱能「逆向任何東西」的工具，真能分析並重建各種軟體嗎？它究竟能做到什麼程度，又有哪些限制？ 從程式分析到功能重建，REA 如何讓 AI Agent 參與逆向工程？ 逆向工程是指在沒有原始碼的情況下，透過分析程式執行檔、指令或行為，理解軟體的內部運作方式。過去，工程師可以使用 Ghidra、IDA 等逆向分析工具進行研究，但仍須自行追蹤函式、解讀程式邏輯，REA 則是一套讓 AI Agent 操作既有逆向工程工具的開源專案。 根據 REA 官方 GitHub，它並非自行開發新的反編譯引擎，而是透過模型上下文協定（MCP），將 Ghidra、IDA 等工具連接至 AI Coding Agent，讓 Agent 能依據使用者提出的問題，自行呼叫工具、取得分析結果，再決定下一步要追蹤哪些程式線索。 REA 也會依程式類型採取不同分析方式。例如 JavaScript、Electron 應用程式可以直接分析模組及程式結構；編譯成機器碼的原生程式，則需要透過 […]

【科技早餐】日本出資、美國持股！最高 210 億美元晶圓廠計畫出爐

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊日本擬投最高 210 億美元在美建晶圓廠，格羅方德獲選營運 格羅方德（GlobalFoundries）10 月 14 日宣布，獲選為美日合作計畫中兩座新晶圓廠的技術提供者與營運商，廠址位於美國紐約州馬爾他，日本將提供最高 210 億美元資金。第一座廠預計以約 100 億美元加速建置，今年稍晚動工、2029 年投產；第二座廠則納入另一筆約 100 億美元的後續投資規劃。首座廠全面運作後，預計增加每年約 90 萬片 12 吋晶圓產能，主要服務汽車、工業及連網基礎設施需求。 這項安排是日本與川普政府貿易及投資協議的一部分。根據《路透社》，美國政府與日方將共同持有新廠，資本投資由日本提供，格羅方德透過建廠、營運及技術授權收取費用。執行長 Tim Breen 表示，初期客戶包括瑞薩電子（Renesas Electronics）與蘋果（Apple），希望優先供應美日客戶，具體產能分配仍待敲定。美國商務部另將依獨立協議取得格羅方德約 4% 股權，與新廠的持股安排不同。兩座廠尚未建成，最高投資額也不等於已投入金額；計畫將貿易政策與政府資本帶入晶片產能配置。 ＊軟銀發債最高票息達 9.75%，孫正義 AI 投資回報受檢驗 軟銀集團（SoftBank Group）上月發行外幣債券，依 9 月 24 日公告，總額折合約 111 億美元，包括 100 億美元及 10 億歐元。其中，2034 年到期的美元債年票息為 9.75%，《路透社》指出，這是公司歷來最高票息。募集資金用於支付對 OpenAI 追加投資的最後一筆 100 億美元款項，以及一般公司用途；不同券別的利率並不相同，不能將整批債券均視為以 9.75% 借款。 《路透社》10 月 14 […]

AI 蠕蟲年底成形？Anthropic 示警小模型自我複製，外媒質疑實驗條件

AI 能不能像電腦蠕蟲一樣，自行找到下一台裝置、把自己複製過去，而且不需要龐大的資料中心？Anthropic 前沿紅隊（Frontier Red Team）在 10/12 發布研究，在模擬的 Android 裝置網路中測試開放權重模型的自我複製能力，其中 GLM-5.2 在 5 次試驗中有 4 次擴散到全部 8 個節點。Anthropic 推估，若小模型維持過往的進步速度，今年底就可能具備同等能力。 研究一發布，科技媒體《The Register》就質疑實驗環境是刻意留下漏洞的特製節點。雙方對威脅多快到來看法不同，卻都把焦點放在同一道防線上：那些防護薄弱的廉價 IoT 裝置。AI 蠕蟲離現實還有多遠？企業和裝置製造商現在又該先補哪些洞？ 便宜電視盒就能跑模型，AI 已在模擬環境中自我複製 Anthropic 這次想回答的問題是：AI 能否不靠資料中心，在廉價的 IoT 裝置上自我複製？研究者認為，這種複製器一旦出現，由於沒有可以一鍵切斷的中央控制點，一旦出現將很難清除。 首先是確認便宜的硬體能否運行 AI 模型。研究團隊把 Gemma4-26B-A4B 模型分散到 15 台、每台約 55 美元的白牌 Android 電視盒上執行，速度為每秒 0.39 個 token。速度雖然很慢，但證明了串起廉價裝置就能運行模型。另一項測試中，9B（90 億參數）模型在 9 種測試硬體中，成功在 8 種上自行架起推論環境。 核心實驗則是在模擬環境中進行。研究團隊在 Google Cloud 上建置一個以防火牆隔離的網路，內含 8 個執行 […]

Facebook 推「可以對話的演算法」：用 LLM 讓使用者描述喜好，推薦內容即時調整

Facebook 成為最新一個讓使用者更能掌控推薦演算法的社群平台。Meta 近日宣布在 Facebook 推出 AI 功能「Your Algorithm」，讓使用者能以自然語言描述自己的內容偏好，進而影響動態消息與 Reels 短影音中出現的內容。 結合 AI 與三點選單，使用者可直接告訴演算法想看什麼 透過「Your Algorithm」，使用者能直接新增並管理自己想在動態消息與 Reels 中看到的主題。Meta 表示，這項功能的目的是讓內容推薦更貼近使用者的興趣。 Facebook 的排序系統原本就會從使用者按讚、留言的貼文，以及觀看的內容等數千種訊號推測其興趣，如今 Meta 也在排序系統中更廣泛地運用大型語言模型（LLM）。Meta 指出：「LLM 能理解自然語言背後的興趣、情境與意圖，讓你擁有一個真的可以對話的演算法。只要告訴它你想看到更多或更少哪些內容，推薦結果就會即時回應，並在同一次使用期間內調整，反映你當下在意的事物。」 此外，Facebook 也更新了每則貼文的三點選單，讓使用者更容易使用這些新的自訂工具。使用者開啟選單後，可以進入「Your Algorithm」，也可以透過「感興趣」（Interested）和「不感興趣」（Not interested）選項，表達自己是否喜歡特定內容，這兩個按鈕也可能直接出現在貼文下方。點選後，平台可能會進一步詢問使用者喜歡或不喜歡這則內容的原因，使用者也能用自己的話詳細說明。 Meta 擴大推薦自訂功能，上線細節與廣告影響仍待釐清 《TechCrunch》指出，隨著 AI 逐漸改變內容探索的方式，「Your Algorithm」的推出顯示，Facebook 正逐步脫離多年來主導社群媒體體驗的傳統推薦系統，更接近讓使用者依興趣自訂推薦內容的串流影音服務。這也是 Meta 讓使用者對社群媒體體驗擁有更多影響力的整體行動之一。 Instagram 於 2025 年 12 月首次在 Reels 推出「Your Algorithm」，並於 2026 年 6 月將自訂選項擴展至動態消息與探索頁面。另一個 Meta 旗下平台 Threads，也於 2026 年 […]

繼宇樹之後再押機器人大腦，DeepSeek 傳領投前騰訊科學家新創 Winverse

中國 AI 新創 DeepSeek 正把觸角從語言模型伸向實體世界。據《Bloomberg》引述知情人士報導，DeepSeek 已同意領投機器人 AI 新創公司 Winverse AI 的種子輪，這輪募資規模達數千萬美元，交易完成後，Winverse AI 估值約 4 億美元。這家公司今年才成立，創辦人是前騰訊 AI 專家胡瀚。 這並非 DeepSeek 第一次出手機器人領域。今年 8 月它才以策略投資人身分，認購人形機器人大廠宇樹科技（Unitree）的 IPO 股份。一邊與機器人硬體廠建立合作，一邊投資機器人 AI 模型新創，DeepSeek 正同時從硬體與模型兩端，擴大在實體 AI（Physical AI）領域的布局。 前騰訊具身模型團隊負責人創業，種子輪估值 4 億美元 Winverse AI 目前對外仍未公開產品。外界對它的了解主要來自創辦人胡瀚的背景。胡瀚曾任職微軟亞洲研究院與百度，在騰訊時領導視覺語言與具身基礎模型團隊。他也是電腦視覺模型架構 Swin Transformer 的共同作者之一，相關論文曾獲 ICCV 2021 最佳論文獎（Marr Prize）。據《The Next Web》報導，胡瀚離開騰訊時，騰訊正在重組 AI 研究團隊，希望追上 DeepSeek、Moonshot 等對手。 除了 DeepSeek，美團旗下投資部門龍珠資本（Long-Z）也承諾參與這輪投資。《The Next Web》指出，這將是 DeepSeek 規模最大的新創投資之一。不過交易尚未定案，估值與投資人名單仍可能變動；DeepSeek、龍珠資本與胡瀚目前都未回應外媒詢問。 從宇樹到 […]

AI 投資熱潮暗藏風險：IMF 估若生產力落空，美股恐跌 20%、全球產出 2028 年少 1.1%

國際貨幣基金（IMF）上修 2026 年全球經濟成長預測，AI 投資熱潮協助抵銷能源價格飆漲帶來的部分衝擊。不過，IMF 也警告，全球經濟韌性正逼近極限，下檔風險持續升高。 AI 投資抵銷能源衝擊，IMF 上修 2026 年全球成長預測 IMF 預測，2026 年全球經濟將成長 3.1%，高於 7 月預測的 3.0%，但低於 2025 年的 3.5%；2027 年全球經濟成長率預計為 3.4%，與 7 月預測持平。此次小幅上修主要受惠於 AI 基礎設施投資持續強勁，帶動建置 AI 平台的主要已開發經濟體成長預測上修，南韓、馬來西亞、墨西哥與泰國等供應 AI 硬體的國家更明顯受惠。 IMF 首席經濟學家 Silvana Tenreyro 表示：「全球經濟一直展現出韌性，但這種韌性正逐漸逼近極限，因此我們必須從單純應付衝擊，轉向重建。我們必須恢復財政空間，也必須重建供給面的韌性。」 通膨方面，IMF 預測，在能源成本上升與 AI 投資熱潮推動下，2026 年全球整體消費者物價通膨率將達 4.7%，2027 年則為 4.1%。IMF 假設荷莫茲海峽（Strait of Hormuz）將於 2027 年 3 月重新開放，航運狀況則於同年 10 月大致恢復至戰前水準。在這項基準情境下，IMF 預估 2026 年平均油價為每桶 […]

Google 最強模型 Gemini 4 Argon 登場，連 Apollo 人形機器人的動作都能教？

Google 在美國時間 10/13 擴大開放新一代旗艦 AI 模型 Gemini 4 Argon，主打複雜推理、程式開發、企業知識工作與 AI Agent（AI 代理）能力，並宣稱在部分專業任務評測中超越 OpenAI、Anthropic 等競爭對手。 但這次值得關注的不只有模型效能。Google DeepMind 還展示，如何利用 Gemini 4 Argon 分析人類動作影片、自動建立模擬環境，協助 Apptronik 旗下 Apollo 人形機器人學會投擲沙包，並在實機測試中連續命中 7 球。從企業 AI Agent 到實體機器人，Gemini 4 Argon 的能力究竟延伸到了哪一步？ Google 新旗艦模型有多強？企業任務、Agent 成為重點 Google 早在今年 9/30 便首次公布 Gemini 4 Argon，但當時主要開放給經過篩選的資安防禦人員。如今，Google 正式將模型擴大提供給企業、開發者及付費用戶，讓開發者、企業及符合資格的付費用戶，可透過 Gemini API、Google AI Studio、Gemini App，以及 AI 程式開發平台 Antigravity 等服務使用。 Google 將 […]

【沒人負責就不准上線】專家建議員工自建 AI 工具「先指定負責人」，並在執行階段持續監控

當員工能自行用 AI 打造工具，企業內部究竟有哪些系統在運作、由誰負責，就變得難以掌握。 AI、低程式碼（low-code）工具與自動化普及後，更多員工能自行開發應用程式與工作流程，實驗與解決問題的速度變快了，企業卻也累積出一層持續增加、難以追蹤、保護與維護的技術。 每個 AI 工具上線前，都要有人負責 事實上，這並不是企業第一次把建置權交給業務人員。開發代理人協作平台與治理工具的 OneReach.ai 在其發表的分析中指出，十年前的機器人流程自動化（RPA），也曾讓最了解流程的人自行打造自動化工具。差別在於，RPA 機器人很脆弱，介面一變就會出錯停擺，問題反而容易被發現；AI 代理人則能繞過障礙、找到替代路徑繼續行動，一旦超出原定範圍，產生的不是錯誤，而是沒有人核准過的結果。 針對這道治理缺口，外媒 Forbes 邀集由 CIO、CTO 等科技高階主管組成的社群專家，提出防護建議，其中不少專家都提到「指定負責人」。 軟體開發服務 NEWWORK Software 的 Michael Jaszczyk 主張，沒有具名負責人的 AI 代理人一律不得上線。每個代理人都應有明確的角色與管理者，權限只限於角色實際需要的範圍。任何動作在觸及核心紀錄系統前，都必須通過政策檢查，並能追溯到負責的員工。 除了 Forbes 邀請的這批專家，OneReach.ai 則在自家分析中，對「負責人」的要求更細：負責人必須是個人而非團隊，除了為代理人的行為負責，也要在代理人不再需要時將它下架。在權限設計上，代理人應使用專用的服務帳號登入，而非沿用建置者的個人帳密，並依最小權限原則，只開放完成任務所需的存取權。 AI 與資料決策治理顧問公司 Hawksroost 的 Chris Jay Hawkinson 則建議，每個員工自建的工具（又稱公民開發）都要先回答一個問題：「這個工具做出的決策，由誰負責」，答不出名字，就不准上線；他認為，審核關卡與登記庫之所以失效，是因為沒有人對登錄的項目負責。決策歸屬則不會失效，因為問責本身就會留下紀錄。 AI 工具要在看得見的地方運行 有了負責人，企業還必須隨時看得到這些工具在做什麼。美國低程式碼流程自動化平台業者 Appian 的 Gregg Aldana 主張，所有 AI 代理人、低程式碼應用與自動化，都必須透過受治理的協作層運行，並具備具名負責人、權限邊界、稽核軌跡，以及緊急停止開關（kill switch）。他指出，登記庫只能告訴企業昨天有什麼，執行階段的治理才能告訴企業現在有什麼正在運作。 醫療 AI 與資料平台公司 Innovaccer 的 Abhinav […]

不再盲目投放：Kroger 研究發現，符合 AI 建議的廣告轉換率高出 3 倍

生成式 AI 與創作者經濟正在大幅降低廣告內容的製作門檻。當 Midjourney、ChatGPT 等工具讓品牌與創作者能快速產出更多素材，廣告資產數量也隨之快速膨脹。創意數據分析公司 Vidmob 創辦人暨執行董事長 Alex Collmer 形容，生成式 AI 與創作者媒體正在讓廣告素材數量增加 10 倍甚至 100 倍。 但素材變多，不代表業績會同步成長。對行銷團隊而言，真正棘手的問題逐漸變成如何在大量素材中判斷哪些內容值得投入媒體預算。過去常見的做法，是先製作廣告、投入媒體，再根據上線後的數據調整預算。這也意味著，品牌可能已經花費一筆預算後，才知道哪些素材沒有帶來預期效果。 Kroger：預測性 AI 準確率達 81%，轉換率高出 3 倍 美國零售巨頭 Kroger 最近與 Vidmob 及行銷產業組織 MMA Global 合作，測試能否在媒體預算投入前，就透過 AI 預判哪些創意更能驅動實際購買。研究團隊結合 Kroger 的實測廣告活動數據、Vidmob 的創意資料平台與 MMA Global 的研究標準，深度分析了 Kroger 發布於 Meta 與 Google Display & Video 360（DV360）上的 1,934 個影音與圖片素材。 該研究並非單純記錄單一視覺元素，而是涵蓋訊息、敘事結構、品牌呈現，以及畫面中是否有人物互動等多項創意特徵，並將這些視覺資料與真實的電商轉換結果進行交叉比對。團隊運用一整年的行銷活動數據訓練模型，並以模型未曾接觸過的後續季度資料進行嚴謹驗證，測試預測性創意評分是否能精準預估未來表現。 結果顯示，預測性創意評分對電商轉換率的預測準確率高達 81%。更關鍵的是，符合研究建議的廣告素材，轉換率平均是未符合者的 4 倍。研究模型也顯示，如果將相同的媒體預算重新配置給評分較高的素材，轉換量最多可達原本的 […]

模型可換、資料可控：微軟卞志祥談 AI 時代企業如何守住核心競爭力

訪談：戴季全撰稿：張哲瑋 隨著技術的突飛猛進，全球企業正加速邁入 AI Agent 時代，試圖將自動化普及至核心業務。然而當 AI Agent 獲得系統執行與存取權限時，矛盾隨之浮現：如何在提升營運效率的同時，精準把握權限與資料控管的邊界？企業組織與治理的轉型變革，是導入 AI 的企業決策者都必須面對的課題。 本集《全新一週》專訪台灣微軟總經理卞志祥，深入探討 AI 科技的最新趨勢與企業應用，分析在合乎安全與規範的框架下，AI 如何作為數位勞動力，來提升人類的工作生產力。節目中，他逐一拆解關於人力資本（Human Capital）與 Token 資本（Token Capital）的深度協作模式，模型可換與資料可控的核心策略，並展望未來結合雲端與終端的完整生態系。 從聊天機器人到代理人，AI 的定位正從協作走向自主代理 卞志祥形容，過去四年的 AI 發展是「充滿了驚喜跟驚奇，甚至有一些驚嚇的旅程」：從陪人聊天的聊天機器人（Chatbot），到執行特定任務、把自動流程（RPA）智慧化，再到如今能理解意圖、拆解子任務的 AI Agent。卞志祥判斷，下一步將是能在數位世界中真正代表使用者執行工作的「代理人」。 這也是卞志祥解讀微軟此次 Copilot 改版的角度。他強調，微軟推出的不是 Autopilot 這個單一產品，而是一套類似超級應用程式（Super App）的「組合拳」：前端的 Copilot 與 Cowork 理解意圖、拆解任務，中間的 Code 自動撰寫程式碼串接其他系統，後端的 Autopilot 則在安全、合規的雲端環境中，端到端（End-to-end）完成任務。「你可以把前面視為協作，中間是編碼，後面叫做代理。」 不過，AI 能做的事愈多，企業就愈需要回答一個問題：它怎麼知道該替誰、做什麼事？ 同一句指令，不同員工該得到不同結果：AI Agent 也需要到職訓練 卞志祥以新員工到職比喻：新人要花幾個月認識部門、主管與職責，再理解公司在產業中的位置與領域知識（Domain Know-How），才能在對的時間做對的決定。反觀現在的 AI Agent，「A 員工用的 AI Agent 跟 B 員工用的 AI […]

降低對 NVIDIA 依賴：亞馬遜傳以約 70 億美元洽購 Decart，助 Trainium 晶片爭取開發者

根據《The Wall Street Journal》引述知情人士報導，亞馬遜（Amazon）正與 AI 新創 Decart 洽談收購事宜，交易估值可能約 70 億美元。知情人士表示，除非談判破局或有其他買家出現，雙方可望很快達成協議。《GeekWire》則分析，這筆交易能讓亞馬遜有新的方式，吸引更多 AI 開發者改用自研晶片，而非 NVIDIA 的硬體。 Decart 成立於 2023 年，由 3 名以色列工程師共同創辦，總部位於美國舊金山，並在以色列特拉維夫設有研發中心。公司銷售的軟體能讓 AI 模型在 NVIDIA、Google 與亞馬遜的晶片上執行得更快，也讓開發者更容易在不同晶片之間轉換，並將這項技術授權給雲端服務商與 AI 實驗室。《The Wall Street Journal》指出，隨著企業競相取得更多運算資源，這項能力正變得愈來愈重要。 Decart 技術助攻亞馬遜，降低 AI 晶片轉換門檻 《GeekWire》指出，NVIDIA 能在 AI 晶片市場占據主導地位，很大程度要歸功於 CUDA，這是開發者多年來用來建構及執行 AI 模型的軟體。若要將這些工作移轉至其他晶片，包括亞馬遜的 Trainium，通常需要額外的工程投入。若收購 Decart，可能讓 Trainium 更容易推廣，亞馬遜也能同時取得這項技術背後的工程團隊。 《The Wall Street Journal》先前報導，亞馬遜網路服務（AWS）在與 Decart 會面、對其創辦人留下深刻印象後，於 2025 年讓 Decart 搶先使用自研晶片 Trainium3。Decart […]

微軟 Maia 300 拚 2027 數 GW 部署，新自研 AI 晶片如何突破推理瓶頸？

微軟正準備讓自研 AI 晶片承擔更大規模的運算任務。其發表第三代 AI 晶片 Maia 300，宣布自 2027 年起將 Maia 系統擴展至數 GW（百萬瓩）規模，成為旗下產品與服務的主要 AI 推理平台。《Reuters》報導，潛在部署數量可能超過 100 萬顆。 當 AI 推理走向如此龐大的部署規模，如何讓新增算力真正轉化為服務能力？根據微軟官方公告，Maia 300 的機櫃級 token 吞吐量最高達前代 Maia 200 的 7 倍，每瓦效能提升超過 2.5 倍。這些數字背後不只是單顆晶片變快，而是涉及記憶體、網路、電力與散熱的整體設計。 單顆晶片更快還不夠，Maia 300 如何讓整個機櫃效率提升？ 大型 AI 推理系統的效能，並不只取決於晶片運算速度。隨著 AI 應用走向長上下文推理、多步驟 Agent 任務，模型需要處理更多上下文資料，並可能由多顆加速器共同執行。記憶體存取速度、資料搬移及晶片間通訊，都可能成為效能瓶頸。微軟在技術解析文章指出，Maia 300 的設計重點之一，就是減少資料搬移造成的運算與能源負擔。 首先，Maia 300 配備 8 組 HBM4 高頻寬記憶體，最高頻寬達每秒 18 TB，是前代的 2.5 倍。同時，微軟將晶片內部記憶體改為重視資料位置的 NUMA 架構，讓資料盡可能靠近使用它的運算單元，減少不必要的傳輸。此外，透過低精度資料格式，也能降低每次推理需要儲存與搬移的資料量。 […]

懂技術還要會溝通：Anthropic 主管揭優秀 FDE 的 5 大特質，好奇心也是關鍵

AI 公司 Anthropic 正為其他企業培訓頂尖人才。Anthropic 本月稍早宣布投入 1 億美元成立 Claude Frontier Academy，目標在 2027 年底前，透過為期 12 週的實作計畫培訓 1 萬名前沿部署工程師（Frontier Deployed Engineer，FDE）。 採提名制、結合實體培訓與 12 週實作，Accenture、Deloitte 等企業已參與 《CRN》指出，目前參與計畫的包括 Accenture、Bain & Company、Capgemini、Deloitte 等解決方案供應商，以及 Commonwealth Bank of Australia、Morgan Stanley 與 Novo Nordisk 的工程師。Anthropic 負責合作夥伴市場策略與營運的主管 Shambhavi 表示，這項計畫的目標，是在客戶與合作夥伴中建立 FDE 人才庫。 參與企業須提名實作經驗豐富的資深軟體工程師，學員將依據工程基礎、溝通能力、運用大型語言模型（LLM）開發的經驗，以及協助他人採用 AI 的經驗等條件選出。 根據《Business Insider》報導，這項計畫採取類似研究員計畫的模式，由企業提名工程師，再由 Anthropic 面試候選人。獲選者將參加為期 4 天的實體課程：前 3 天由 Anthropic 工程師與授權講師帶領，在模擬企業環境中學習建構及部署代理式 AI（Agentic […]

Meta 最強 AI 模型 Muse Wonder 登場，為何自認更適合個人與專業 Agent？

Meta 在美國時間 10/12 推出新一代 AI 模型 Muse Wonder、Muse Wonder Full，宣稱這是公司至今最強大的模型，其中性能較強的 Wonder Full 在部分法律、企業工作流程及長時間程式開發測試中取得領先。執行長祖克柏更表示，Meta 已重返前沿 AI 模型競爭。 不過，Meta 這次強調的不只是模型整體性能，更宣稱新模型在個人與專業領域的 AI Agent（AI 代理）任務上達到頂尖水準。面對 OpenAI、Anthropic 等競爭對手，Muse Wonder 究竟有哪些能力優勢？ Meta 這次改推閉源模型，不靠低價爭奪前沿市場 過去 Meta 透過 Llama 系列推動開放權重模型，但這次 Muse Wonder 系列改採閉源商業模式。《Financial Times》指出，這是 Meta 大舉投資 AI 人才、資料中心與運算資源後，重返前沿模型競爭的重要成果。 Meta 在官方研究文章中指出，Wonder 系列由旗下十億瓦（GW）級 Prometheus 資料中心訓練，整合公司內部多個團隊的研究成果，目標是讓模型能處理工作及日常生活中的複雜任務。 Muse Wonder 系列由 Meta Superintelligence Labs 開發，分為標準版 Wonder 與性能更強的 Wonder […]

不蓋新廠，改造老廠：新創 Harmoni 用平板與 AI 改裝美國傳統工廠

美國近年積極推動「再工業化」，要把外移多年的製造業帶回本土；不少矽谷新創的做法是從零開始，打造大量使用機器人的全自動工廠。 而 Harmoni 走的是另一條路，它不蓋新廠，而是幫美國現有的老工廠升級。 Harmoni 成立於 2023 年，專門為工廠現場打造客製化平板與 AI 軟體。公司近日完成 1,000 萬美元 A 輪募資，由美國創投 Bessemer Venture Partners 領投，未公開估值。目前約有 40 家客戶，本月預計再增加 10 家，最大客群是航太與國防業。 Hadrian、Machina Labs 等新創從頭興建高度依賴機器人的自動化工廠，Harmoni 則鎖定全美約 28 萬座仍靠傳統機台與人力運作的既有工廠。共同創辦人 David Caputo 說：「我們打造這套系統，就是要讓這些工廠有能力和全自動工廠競爭。」 解決工廠現場長期存在的斷點問題 Caputo 原本在投資銀行工作，十多年前離職後創立一家專門投資製造業的公司。他第一次走進工廠時當場慌了，因為工人得排隊打卡，還要拿著存有機台程式的 USB 隨身碟，才能操作機器，因為工廠的資訊彼此是斷開的。 市面上雖有 MachineMetrics、Datanomix 等追蹤機台與產量的軟體，以及管理人員、維修和作業流程的工具，但各管一塊，工廠得自己拼湊。Caputo 找不到能把機台、工人和流程串起來的軟體，於是在 2020 年與長年擔任製造業顧問的 Adam Ellis 自行開發。 系統核心是一台以磁鐵吸附在機台上的平板，讓最新設備到二戰時期的老機器都能連接。工人在同一台平板上就能打卡、查看作業指示、追蹤工單與回報問題。 加州聖荷西的航太國防精密零件廠 WessDel 從 2024 年開始使用 Harmoni，副總裁 Jeff McKay 說，過去工人要在 […]

機器人不一定要有五指靈巧手，Zinova 提出「工具智慧」概念開拓建築機器人新方向

Zinova 近來提出工具智慧（Tool Intelligence）概念，讓機器人學會辨識、抓取、感測與操作建築業的標準化工具，讓營建機器人有了全新靈巧手以外的發展方向。

麥當勞、Citi 都搶做廣告生意，零售媒體 RMN 爆發後面臨什麼難題？

麥當勞、花旗銀行（Citi）近期相繼加入商務媒體市場，從美國外送平台 DoorDash、零售商 Dollar Tree，到加油站、超市的螢幕，也都開始成為品牌投放廣告的新場域。根據《Business Insider》引述的產業追蹤數據，目前全球已有超過 200 個零售與商務媒體網路（Retail and Commerce Media Network，RMN），可選擇的平台快速增加，也讓品牌行銷人員面臨更複雜的媒體採購環境。 指標不一的歸因黑盒子，光是「銷售」就有 5 種定義 對品牌而言，問題不只是平台變多，而是每個 RMN 都可能有一套不同的操作方式。數據公司 Experian Marketing Services 營收長 Kevin Dunn 指出，如果一名行銷人員同時與 6 個零售媒體網路合作，就等於要面對 6 套不同的操作劇本，使預算規劃、成效比較與規模化都變得更加困難。 這也是 RMN 市場快速成長後逐漸浮現的核心問題：碎片化。英國廣告主協會（ISBA）與行銷顧問公司 MediaSense 近期針對英國 5 個主要零售媒體網路進行稽核，檢視超過 200 項平台能力指標，結果發現不同平台對基本指標的定義仍存在顯著差異，其中光是「歸因銷售額（attributed sale）」就出現 5 種不同定義。ISBA 副媒體顧問 Clare O’Brien 指出，既然交易最後都會產生銷售，就應該能夠對「什麼是一次銷售」形成共同定義。 重塑衡量基準：IAB 3P 框架與跨平台共同語言 面對歸因混亂，產業正意識到傳統 ROAS 數據的局限，推動衡量機制朝「標準化」與「增量驗證」轉型。 因此，RMN 下一階段的評估重點，將逐漸從單純計算「歸因了多少銷售」，轉向確認廣告究竟創造了多少「增量效果」（Incrementality）。美國互動廣告協會（IAB）與歐洲互動廣告協會（IAB Europe）已自 2024 年起持續發布零售媒體衡量標準與指引，致力建立跨平台的共同衡量語言。針對實體門市媒體，IAB […]

中國無人車搶進夜間物流，京東「白天配送、夜間補貨」單車營運成本降 2 成

深圳今年 3 月開放無人車執行夜間配送。中國自動駕駛新創新石器（Neolix Technologies）的無人配送車，在深圳龍崗區的農貿市場載運家禽，送往雜貨店的顧客手中；京東物流（JINGDONG Logistics）則讓無人車在夜間運送日常用品，並為前置履約中心補充庫存。業者利用夜間較不壅塞的道路，延長車輛營運時間並降低人力成本。 新石器營運 2.7 萬輛無人車，以世界模型理解地圖上沒有的卸貨點 《Bloomberg》報導指出，深圳於 2026 年 3 月開放無人駕駛車輛執行夜間配送，這項實驗可能為中國自動駕駛運輸與機器人產業帶來新一波成長。新石器創辦人暨執行長余恩源表示，夜間配送可以避開白天的尖峰車流，活用夜間使用率偏低的道路資源，釋放閒置運力、降低成本，並減輕快遞員的體力負擔。 根據中國官方數據，中國每天平均運送 5.2 億件包裹。新石器目前在全球 15 個國家、300 座城市營運 2.7 萬輛車，並在青島、張家口進行夜間配送試驗。 余恩源認為，無人配送車真正的工程難題在於每趟行程的末端，例如餐廳的裝卸區、倉庫後方沒有標示的停車位、精確的入口位置和門市取貨點，這些地點都不會標註在地圖上。因此，新石器從單純的端到端駕駛模型轉向世界模型，讓 AI 系統不只能預測、模擬和理解移動，也能理解裝卸區背後的物理邏輯。白天通常有較多人力協助卸貨與排除錯誤，夜間人手較少，無人車也必須更加精準。 在城市夜間道路上，無人配送車還必須面對技術與物理層面的挑戰。夜間超速行駛的車輛通常較多，行人的動向也更難預測；視覺感測器在低光源環境下往往效果不佳，光達（LiDAR）則可能受到對向車燈的眩光，以及深色潮濕路面反光的干擾。余恩源表示，新石器在深圳透過 5 層冗餘確保夜間配送安全，包括專為低光源偵測設計的車載光達與攝影機、即時回傳至市政監管平台的 42 項車輛指標，以及自研的偵測系統，可辨識不明原因停車、偏離設定路線、貨物遺失等 17 類風險。 新石器也面臨競爭，美團（Meituan）與京東都已投入這個領域。其中，美團聚焦夜間無人機配送，自 2025 年 9 月開始營運。 京東採「白天配送、夜間補貨」模式，單車營運成本降約 2 成 京東物流則從車輛的使用方式著手。根據京東官方部落格，深圳於今年 4 月開放專用自動駕駛車輛，在晚間 10 點至隔天早上 6 點行駛夜間跨區路線。首批 2 條路線全長超過 50 公里，連接坪山與龍崗的多個站點，京東物流是首批獲准營運的業者之一。例如，晚間 10 點從坪山站點出發的京東無人車，載運生鮮食品、米、麵粉、食用油等日常必需品前往龍崗。 京東物流目前已在深圳部署近 100 輛自動駕駛車輛，以 […]

ASML 下一代 Hyper NA 瞄準 5 奈米解析度，EUV 技術還有多少微縮空間？

晶片電路還能縮得多小？荷蘭半導體設備大廠 ASML 與其光學夥伴蔡司（Zeiss）正研發下一代極紫外光（EUV）曝光技術 Hyper NA，目標將單次曝光解析度推進至約 5 奈米半間距（Half-pitch）。《Reuters》近日報導，ASML 尚未承諾量產，但表示這項技術有望約十年後準備就緒。 值得注意的是，Hyper NA 並未改用更短波長的光源，而是延續現有 EUV 技術，透過提高數值孔徑（NA）改善解析度。然而，提高 NA 並非沒有代價，ASML 與蔡司研究團隊在 10 月發表的技術論文中，揭露這條微縮路線如何兼顧既有設備與製造成本，以及繼續推進時可能遇到的限制。 ASML 選擇提高 NA，為何不直接更換 EUV 光源？ EUV 的曝光解析度主要受到光源波長、數值孔徑（NA）及製程條件影響。簡單來說，提高 NA 或縮短波長，都有助於呈現更精細的圖案。傳統 EUV 的 NA 為 0.33，High NA 提升至 0.55，而 Hyper NA 則瞄準至少 0.75，實現約 5 奈米半間距的光學解析度。這裡的 5 奈米並非晶片製程節點。 為什麼 ASML 不直接改用更短波長？根據其 10 月研究，過去微影技術通常優先提高 NA，直到難以繼續提升，才轉向更短波長，主要原因是沿用既有設備與製造基礎設施，在經濟上更有利。 Hyper NA 延續這套思路，保留現有 13.5 奈米 EUV […]

當 AI 風險從幻覺轉為做錯事，TeamT5 剖析企業防線：治理先從「看得到」開始

有的企業怕出事，乾脆全面禁用 AI；有的企業積極導入，卻說不清內部到底有誰在用，當 AI Agent 開始在企業電腦上自主執行任務，看不見的使用狀況，就成了資安風險的起點。TechOrange 科技報橘與美國高通公司 Qualcomm 於日前舉辦「2026 AI 智慧大工廠論壇」，聚焦高科技製造業的 AI 落地與資安治理。於系列演講中，TeamT5 資深經理侯翔齡從三種利用 AI Agent 的攻擊談到端點上的權限盲區，提醒企業應該弄清楚內部到底有誰在用 AI、用得是否安全。 侯翔齡觀察到，企業在面對 AI 時會出現兩種情況，一種是怕出問題，乾脆全面禁用，另一種則是積極導入，卻不清楚內部到底有誰在用。根據 Gravitee 調查指出，逾八成受訪企業已部署 LLM 或導入 AI 代理，但企業內部有受到監控或防護的 AI Agent 比例卻低於 50%。侯翔齡提醒當 AI 開始串接其他系統之後，攻擊面也會隨之擴張，企業在享受 AI 帶來紅利的同時，也需要做好防護的準備。 侯翔齡將 AI Agent 面臨的攻擊歸納為三種。第一種是「工具描述攻擊」，AI 之所以能在電腦上調用工具，是因為它知道每個工具的用途，因此一旦工具的描述遭到竄改，AI 就會照著使用。第二種是「工具輸出攻擊」，攻擊者會在過程中用不經意的方式提醒 AI 忘掉原本的設定，把環境裡的東西交出來，轉而執行惡意目的。第三種是「技能供應鏈攻擊」，AI 各項 Skills 與 MCP 等元件，有不少來自網路平台上的分享，有心人士只要在技能指令裡改一行，就能要求 AI 把環境裡的資料傳給攻擊者，如果 AI 用的是來路不明的內容，原本乾淨的 AI 也會因此學壞。 「看得到、說得清、管得住、夠強韌」，以端點健檢防堵 AI […]

楊立昆團隊推新世界模型 H-JEPA，為什麼能讓機器人走迷宮成功率提升 4 倍？

當 AI 產業持續投入大型語言模型（LLM），AI 學者楊立昆（Yann LeCun）卻認為，光靠語言模型不足以讓 AI 真正理解物理世界，或預測自身行動可能帶來的後果。因此，他押注能學習環境運作規律、支援推理與行動規劃的「世界模型（World Model）」。 2025 年底，LeCun 離開 Meta 創辦 AI 新創 AMI Labs，今年 3 月完成 10.3 億美元種子輪融資。如今，他與 AMI Labs、學界研究人員共同提出新架構 H-JEPA，在模擬機器人走迷宮的測試中，將任務成功率從 18% 提升至 73%，同時降低規劃運算量。這項研究究竟突破了世界模型的什麼限制？ 世界模型已能預測未來，長期規劃仍是難題 LeCun 長期研究的 JEPA（聯合嵌入預測架構），不需要逐一生成影像像素，而是將觀察到的影像轉換成潛在表徵（Latent Representation），學習與預測環境狀態。 但《VentureBeat》指出，既有單層 JEPA 世界模型面臨一項難題，也就是當任務需要規劃較長時間，模型必須模擬許多細微步驟，不僅增加運算成本，也可能讓預測誤差逐步累積。 舉例來說，四足機器人要走出迷宮，決定路線時主要需要知道自身位置、障礙物與終點；但控制每一步移動，又必須掌握腿部關節姿勢。若兩種任務都依賴同一套環境表徵，模型便得同時處理長期目標與細微動作，增加規劃難度。 H-JEPA 有何不同？讓 AI 在不同層級規劃行動 為了解決上述問題，該團隊提出「H-JEPA（Hierarchical JEPA）」，讓世界模型不再只用單一層級預測，而是在不同時間尺度上，分別學習環境表徵。 根據 H-JEPA 官方研究網站，這套架構採取由粗到細的分層規劃方式，而且不限定只能分成幾層。最高層先朝最終目標規劃，提出中間的子目標，再交由下一層逐步細化，直到最底層產生機器人實際要執行的動作。各層在自己的環境表徵空間中進行預測，下層規劃時，則利用上層的表徵空間，評估預測結果是否接近指定的子目標。執行部分動作後，再根據新觀察重新規劃。 關鍵在於，研究人員雖然預先設定不同層級的時間間隔，卻不是直接指定每層必須記住哪些資訊，而是透過端到端訓練，讓模型自行學習。 以迷宮實驗為例，較高層的表徵仍能保留機器人的位置資訊，卻逐漸捨棄腿部姿勢等快速變動的細節。相較於過去單層 JEPA，或在同一潛在空間進行多層規劃的方法，H-JEPA 讓各層學習不同的環境表徵，減少長期規劃處理低階細節的負擔。 成功率提升約 4 倍，規劃運算量也降低 該研究團隊在四種模擬導航與物件操作環境測試 H-JEPA，並與單層 JEPA […]

AI 寫的程式碼愈來愈多，美國軟體開發職缺卻增近 15%：工程師沒被取代的原因是什麼？

自 Anthropic 於 2025 年 2 月推出 Claude Code 以來，美國軟體開發職缺刊登數量持續上升，即使整體職缺刊登數量正在下降。這讓「AI 將迅速消除開發者需求」的預測，變得更加難以判斷。 外界對軟體開發職涯未來的擔憂並非毫無根據。隨著企業採用 AI 程式設計工具，尤其是這些工具的能力持續提升，相關疑慮也日益加深。早在 2023 年，微軟旗下的軟體開發平台 GitHub 就指出，在能夠使用 AI 的專案中，AI 撰寫的程式碼已接近全部程式碼的一半。 AI 正在自動化程式碼撰寫，為何軟體開發者職缺反而增加？ 一些 AI 專家聲稱，目前 GitHub 整個平台上由 AI 撰寫的程式碼比例已經超過一半。GitHub 尚未證實這項說法，但該平台在 10 月公布的資料顯示，目前每三個合併請求（Pull Request）中，就有一個涉及 AI 代理。合併請求是協作開發的程式設計師針對專案提出程式碼變更的流程。一年前，GitHub 表示，涉及 AI 代理的合併請求還不到十分之一。 GitHub 表示：「如果目前的速度持續下去，未來兩年內，提交至 GitHub 的大部分程式碼都可能由 AI 代理撰寫。其中許多程式碼甚至可能從未經過人類完整閱讀。」 然而，求職平台 Indeed 旗下研究部門 Indeed Hiring Lab 的資料顯示，自 2025 年 2 […]

iKala 專訪：從零點擊到 Agentic Commerce，企業與品牌如何面對這場 AI 生存戰？

試著回想一下，你上一次在 Google 搜尋後，真的點進某個網站，是什麼時候的事？ 根據 iKala 共同創辦人暨集團董事長程世嘉引用的數據，目前 Google 搜尋的零點擊率已高達 70%，消費者不再需要點進網站，因為 AI 已經替他們整理好答案，當 ChatGPT、Gemini、Perplexity 這些生成式 AI 引擎成為人們獲取資訊的主要入口，品牌與消費者之間的關係正在發生轉變。 同時，Google 與 OpenAI 正積極布局 AI 購物功能，當 AI Agent 開始代替人類搜尋、比較、甚至結帳，介入消費者的金流與人流，品牌失去的不只是流量，而是整個交易機會，品牌若無法被 AI 認識並推薦，將在這場商業賽局中徹底出局。 AI 賽局剛到第三局！從「智慧通膨」看企業競爭力 程世嘉引用 Google 的每月 token 處理量說明，從 2024 年 5 月的 9.7 兆、2025 年 5 月爆增至 480 兆，再到 2026 年 5 月已達到 3.2 quadrillion（千兆），光是最後一年就成長了７倍。程世嘉用「智慧通膨」來形容這個現象，同時也意味著當 AI 的供給以指數級速度累積，任何依賴人力執行、缺乏 AI 能力的企業，競爭力將以同等速度被稀釋。 而面對這波浪潮，許多企業卻還卡在起跑線上。 […]

ElevenLabs 以「聲音授權市集」提供名人聲音的正式授權，這會留下什麼風險？

想讓馬克吐溫或愛迪生的聲音出現在品牌廣告裡，現在可以透過正式授權取得。提供這項服務的，是近期估值翻倍的語音 AI 新創 ElevenLabs。 總部位於倫敦、開發擬真語音生成軟體的 ElevenLabs，透過一次股權出售，估值從今年 2 月的 110 億美元翻倍至 220 億美元。新估值讓 ElevenLabs 躋身中國以外前 10 大最有價值的 AI 實驗室，與法國 AI 公司 Mistral 相當。 ElevenLabs 執行長 Mati Staniszewski 表示，這次交易引進高盛（Goldman Sachs）、新加坡主權財富基金 GIC 等長期機構投資人，也有助公司招募並留住 AI 研究人員。他指出，公司正與最大型的 AI 實驗室爭搶人才，必須維持競爭力。 已故名人的聲音，可以合法出租 在估值之外，ElevenLabs 的聲音授權平台 Iconic Marketplace 也受到關注。這個平台在 2025 年 11 月上線，同時服務用聲方與權利人兩端。品牌可以針對電影、電視、廣告、遊戲、有聲書、Podcast 或教育內容，提出使用特定聲音的需求，ElevenLabs 再負責媒合權利人、確立授權條款，並合成出所需的聲音。 平台提供超過 24 位經驗證的名人聲音，涵蓋演員、運動員、文化人物、科學家與歷史人物，例如演員 Michael Caine、科學家 Alan Turing，以及馬克吐溫、愛迪生等。名單同時包含在世名人的聲音，以及已故名人的存檔錄音。 為了取得授權，ElevenLabs 與多家人才與智慧財產代理商合作，其中包括管理在世與已故名人權益的 […]

【Atlas 頭部設計邏輯】拿掉人臉改用燈環，讓人類同事秒懂機器人在看哪裡、做什麼

波士頓動力（Boston Dynamics）工程師指出，新款電動版 Atlas 機器人的頭部外型，其實是人類與機器人之間透過燈光進行溝通的設計語言，並在安全與效率間扮演雙向橋樑。

餐飲 AI 不只會點餐，達美樂、麥當勞如何把 AI 深入門市營運系統？

當餐飲業開始導入 AI，最早受到關注的往往是消費者看得見的功能，例如語音點餐、聊天機器人或行銷工具。但近期達美樂（Domino’s）與麥當勞的動作，顯示餐飲科技正在往更深的營運層移動：AI 不再只是附加功能，而是逐步嵌入點餐、備餐、庫存、設備與外送等流程，成為串聯餐廳日常運作的核心系統。 達美樂以自研 DomOS 升級追蹤器，用精準預測解除顧客「等待焦慮」 達美樂近期大幅升級了自 2008 年問世的經典服務 Pizza Tracker。這項功能最初讓顧客透過簡單的視覺化介面，即時掌握披薩從下單、製作到送達的狀態，至今已累計追蹤超過 25 億筆訂單。而最新的升級，核心底層搭載了自研作業系統「DomOS」與機器學習模型，能夠動態且精準地重新計算披薩完成與送達時間。 這套系統現在不只能夠看單一門市進度，還可以同步分析訂購內容、門市當下的繁忙程度、特定時段的訂單聚集效應，如大型賽事轉播或電視廣告時段，以及外送端即時發生的路況與車程。達美樂全球數位行銷副總 Mark Messing 指出，AI 的關鍵作用在於將這些過往孤立的訊號整合在一起，模型會汲取歷史模式進行持續學習，並隨即時動態自動調整預估時間。 這項升級延續了達美樂將科技深化於消費體驗的策略。繼 2019 年導入 GPS 外送追蹤後，全新版本進一步將 AI 預測與即時地圖動態結合。主介面刻意簡化為四大關鍵階段，讓顧客一眼掌握進度，App 內則保留了披薩何時進烤箱、外送員何時出發等精細資訊，讓 Pizza Tracker 的核心價值從過往的「進度通知」升級為更具可靠度的「精準時程預測」。 麥當勞推 85 億美元門市現代化計畫，以 ArchIQ 串接 AI、庫存與設備管理 相比之下，麥當勞的布局則更進一步深入餐廳後台的系統架構與實體營運。麥當勞宣布推動「Restaurant > NEXT」現代化計畫，承諾至 2036 年提供 85 億美元的加盟商支援，其中約 50 億美元預計在 2030 年底前投入，用於門市升級、科技部署與營運優化。 這項巨額投資背後的技術基石，是麥當勞多年來逐步淘汰各市場零碎 POS 系統所建立的統一平台、餐廳數據湖，以及在數千間門市部署的 Google Cloud 邊緣運算設備。在此架構上，麥當勞正推動生成式 AI 餐廳作業系統「ArchIQ」，目標將每日產生的數十億筆營運數據即時串聯人力、庫存、設備與顧客需求，直接轉化為門市現場的營運決策。 在應用層面，得來速語音助理「Archy」可支援英/西班牙語（準確率逾 […]

【科技早餐】OpenAI 年化營收為何差約 200 億美元？關鍵在計算口徑

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 年化營收近 500 億美元，與先前數字差距涉及計算口徑 《路透社》引述知情人士報導，OpenAI 向投資人表示，9 月年化營收接近 500 億美元，低於先前在另一場投資人活動透露的接近 700 億美元。消息人士指出，差距主要涉及嘗試將 OpenAI 的數字與 Anthropic 直接比較時，採用了不同計算口徑。報導指出，Anthropic 納入透過亞馬遜（Amazon）AWS、Google Cloud 等雲端合作夥伴取得的銷售收入，OpenAI 則未採用相同方式。OpenAI 未回應《路透社》的置評要求。 年化營收通常以單月等較短期間的收入推算全年，並不等於公司已實現的全年營收，也不是經查核的全年財報。這次數字差異不能直接解讀為實際營收下滑，或全年營收目標落空。隨著 AI 業者持續募資並準備上市，收入認列範圍、計算期間及不同公司的比較基準，將影響外界如何判斷成長速度；高額營收數字也仍需與成本及獲利能力一併檢視。 ＊台積電與格羅方德簽 20 億美元合作，補強美國 AI 封裝供應鏈 台積電（TSMC）與美國晶圓代工業者格羅方德（GlobalFoundries）達成 20 億美元製造合作協議，將在紐約州馬爾他工廠增加產能，供應台積電 CoWoS 先進封裝所需的矽中介層。根據格羅方德 10 月 8 日公告，協議初期為五年，預計 2028 年上半年開始放大量產，並保留隨客戶需求進一步擴充產能的空間。格羅方德表示，新增產能將支援多個產品世代，提高供應彈性，因應 AI 與高效能運算需求；公告未揭露新增產能規模。這項安排著重封裝零組件供應，並非由格羅方德代工台積電的先進製程處理器。 矽中介層是處理器與記憶體之間的連接平台，支援 AI 晶片所需的高速資料交換。《路透社》指出，先進封裝已成為 AI 晶片增產的重要瓶頸；處理器製造完成後，仍需與記憶體整合，才能交付可使用的產品。此次合作因此把美國 AI 晶片供應鏈延伸至封裝所需的關鍵零組件。不過，新增產能尚待建置，實際供應能力仍需觀察後續量產進度。 ＊NVIDIA 投資的 Firmus 暫緩 […]

【貝萊德機器原生經濟報告】Token Economy 打通 AI 商業行為，穩定幣與算力成新型態金融資產

全球資產管理公司貝萊德（BlackRock）旗下的數位資產研究團隊，發布《機器原生經濟》（The Machine-Native Economy: How digital assets connect intelligence, commerce, and compute）報告。報告的核心主張是，人工智慧代表「機器原生的智慧」，數位資產則代表「機器原生的貨幣」；兩者結合後，將形成一個以自主軟體代理人為主角的經濟體系，區塊鏈則是讓這些代理人自動完成交易與清算的底層金融基礎設施。 報告反覆強調的核心概念是「代幣化（Tokenization）」：大型語言模型用「文字代幣」把人類語言拆解、轉換成機器能理解的向量；區塊鏈則用「資產代幣」把現金、證券等現實世界資產，轉換成分散式帳本上可被驗證的交易紀錄。 兩者技術原理不同，運作邏輯卻完全一致——語言與價值在這共用同一套代幣化邏輯，可以說是一套「代幣經濟（Token Economy）」正在成形。 正因為語言與價值共用同一套代幣化邏輯，AI 才有辦法真正「賦能」到能自主進行商業行為的程度。 以往生成式 AI 多半只負責產出文字、圖像等內容，然而當 AI 有了規劃與執行的能力，就會開始需要在真實世界中採購、付款與結算；AI 也因此從單純的對話工具，走進能自主從事商業活動的新領域。而這一切商業行為，最終都得仰賴鏈上結算來完成交易與清算。 📎 這份報告適合誰閱讀？ 報告內容核心在於解析自主 AI 代理人如何與數位資產、支付軌道及算力市場產生深度融合，適合以下四類工作者與決策者閱讀： 🔴 報告洞見 AI 代理人交易，為何選穩定幣與比特幣 AI 與數位資產之所以能相互搭配，關鍵在於兩者處理底層資料時，採用相同的結構邏輯，也就是「代幣化」。 大型語言模型無法直接處理人類的自然語言，必須先透過「分詞器」（Tokenizer）把文字切成較小的單元，也就是文字代幣（Token），再對應成數字 ID。接著，這些數字 ID 會經由嵌入層（把數字轉換成帶有語意的向量）運算，轉換成機器能處理的多維度向量，這樣的設計讓晶片能進行大規模平行運算，把複雜的人類語意轉成機器能讀取的標準格式。 區塊鏈處理經濟權益與金融資產的架構，技術原理雖然不同，目的卻完全一致。 區塊鏈會把現金、貨幣市場基金、證券等現實世界資產（Real-World Assets, RWA），轉換成分散式帳本上的「資產代幣」（Asset Tokens）。每一筆資產代幣與交易紀錄，都帶有機器可以直接驗證的欄位，例如資產識別碼（Asset ID）、發送方與接收方帳號、交易單位數，以及資格標記等。 為了在自動化交易中同時符合金融監管規範，反洗錢（AML）、客戶審查（KYC）以及針對 AI 代理人的「了解你的代理人」（Know-Your-Agent, KYA）身分檢查，通常會在離鏈環境中進行評估，並將驗證後的結果傳送至鏈上，由智慧合約自動判斷該 AI 代理人是否具備執行交易的資格。 將身分與合規審查置於離鏈、將交易執行與結算留於鏈上的雙層架構，既能維持金融監督，也能大幅降低對傳統封閉資料庫與人工對帳的依賴。這類代幣化資料高度標準化，AI 代理人要執行金融運算時，可以直接存取，中間不需要額外轉換。 正因為底層架構相通，AI 代理人在選擇清算工具時，自然傾向使用數位資產。比特幣政策研究所（BPI）的模擬實驗發現，當 AI 模型可以自行選擇貨幣時，處理日常高頻交易普遍偏好穩定幣，長期儲存價值則偏好比特幣。從這個結果，已可看出 […]

AI 模型越便宜反而越花錢？史丹佛等機構研究：近 1/3 模型成本比較出現「反轉」

AI 模型的 API 價格持續下降，企業選擇較便宜的模型，就一定能降低成本嗎？史丹佛大學等機構一項研究發現，在 336 組 AI 模型成本比較中，約 32% 出現「價格逆轉」（Price Reversal）現象，也就是 API 單價較低的模型，執行相同測試任務反而更花錢。隨著 AI Agent（AI 代理）開始承接更多複雜工作，這項發現也對企業過去依據模型單價比較成本的方式提出挑戰。 API 單價便宜 80%，實際成本卻高出 38% 這項由史丹佛大學、卡內基美隆大學、加州大學柏克萊分校及 Microsoft Research 研究人員共同完成的論文《The Price Reversal Phenomenon》，最初於今年 3 月發表、5 月修訂。 研究比較 GPT-5.4、Gemini 3 Flash、Claude Opus 4.7 等 8 款前沿推理模型，涵蓋數學、科學問答、程式設計，以及需要多次與外部環境互動的 AI Agent 任務，共計 12 類測試。 以 Google Gemini 3 Flash 與 OpenAI GPT-5.4 為例，研究將每百萬輸入與輸出 Token 的價格相加作為比較指標，Gemini […]

AI 落地的關鍵，在於找到合適的 Use Case：高通攜手生態系共創 Edge AI 加速產業部署

TechOrange 科技報橘與美國高通公司（Qualcomm）於 9 月 17 日在新竹共同舉辦「AI 智造領航午宴」，邀集多位高科技製造業中高階主管蒞臨餐敘交流，共同探討 AI 落地製造現場的實務路徑。 科技報橘社長戴季全致詞時表示，台灣企業正進入全球佈局與國際經營的新階段，研發與創新服務更不可或缺。他觀察到，台灣廠商彼此之間正從單純的上下游供應鏈，轉向奠基於共同技術基礎上合作、研發與開拓市場的「生態系」模式，這也是 Edge AI 從技術驗證走向產業部署的重要基礎。 高通行銷行政經理朱俊翰於專題分享中指出，根據產業預估，全球邊緣 AI 的市場規模目前約為 200 億美元，至 2030 年更可望突破 1,000 億美元，成為 AI 產業成長最快的領域之一。企業導入邊緣 AI 時所關注的重點，勢必也將從模型效能或算力堆疊，轉向如何實踐分散式邊緣運算。對此，朱俊翰表示，「現在 AI 落地的關鍵，在於依據實際需求配置合適的模型、找到適當的平台，以及真正有價值的 Use Case。」 朱俊翰進一步表示，若說過去幾年的產業焦點是大型語言模型（LLM），接下來更值得關注的將是代理式 AI（Agentic AI）。AI 正從只是提供答案，逐步延伸至理解目標、整合資訊，並在適當的系統與治理機制下協助執行任務。對企業而言，這代表 AI 的價值正從模型能力本身，逐步轉向如何提升營運效率、優化決策流程，並創造實際商業價值。 隨著 Edge AI 從單純模型推論走向智慧系統，企業也必須將 AI 與實際營運場景結合。例如影像檢測、設備監控等現場需求對回應速度、功耗、連線與資料留存的要求都不同，所需的模型與運算平台也不同。朱俊翰建議，企業應依任務需求配置適合的 AI 模型與運算資源，讓 AI 不僅能完成推論，更能融入實際營運流程與現場決策機制。 從驗證到量產，答案就在生態系裡 朱俊翰進一步指出，邊緣 AI 要從 POC 走向實際部署，不能只靠單一廠商提供硬體，還需要運算平台提供所需算力，以及開發工具如 Qualcomm® AI Hub、GenieX […]

電動車電池有望變小、變便宜？Honda 開發「邊開邊充」道路，2027 年啟動測試

Honda 最快將從 2027 會計年度起，參與日本高速公路上的行駛中無線充電實證測試，這套內建於道路中的系統，可讓電動車以最高每小時 120 公里的速度行駛時，仍獲得最高 150 kW 的充電功率。 道路直接幫電動車充電，電池有望更小、更輕 《The Next Web》報導，這套系統由 Honda 研發部門與建設公司大成建設（Taisei）共同開發，第一階段測試將以商用車為主。根據《日經亞洲》，這項實證由日本國營道路營運商 NEXCO 東日本主導，預計在東京近郊千葉縣館山自動車道約 300 公尺的路段進行；Honda 與大成建設的團隊是參與者之一，豐田、電裝與大林組組成的團隊也將加入。 Honda 研發首席工程師、同時也是這項計畫負責人的 Taku Ueda 表示，行駛中充電有望減少民眾對充電地點、充電時間與續航里程的擔憂，而且「原則上可以減少車載電池的電芯數量」。《The Next Web》分析，這項技術的吸引力在於車輛不必攜帶整趟旅程所需的全部電量。若電動車能在行駛過程中持續充電，就有機會採用更小的電池，讓車輛更便宜、更輕。車輛重量不只會影響續航力，也會增加道路磨損。 Honda 表示，這套系統除了乘用車之外，也能應用在卡車。《The Next Web》指出，對貨運業而言，這類技術的價值尤其明顯。根據巴黎能源公司 Decade Energy 的分析，歐洲物流基地平均需要將電力容量提高到目前的 10 至 20 倍，才能支撐電動車隊運作，而取得新的電網連接往往需要數年時間。電動道路則有機會把原本集中在物流基地的充電需求，轉移到道路基礎建設上。 歐洲已先行測試電動道路，法國研究建議 2030 年建近 5,000 公里 《The Next Web》提及，法國、德國與瑞典自 2022 年起已陸續進行或規劃電動道路計畫。在德國，Electreon 與 EnBW 自 2022 年起，在巴林根（Balingen）附近的一條公車路線下方，分階段建置一條長 1 公里的電動道路，第一階段先完成 […]

CloudMile 萬里雲 2026 AI MASTERS 登場，攜手 OpenAI、台達電子從 AI 試驗走向可衡量的回報

隨著 AI Agent 逐步走入企業核心營運，如何控管風險、管理成本並創造實際效益，成為企業擴大應用 AI 的關鍵課題。亞洲領先人工智慧科技集團 CloudMile 萬里雲與《天下》今（6）日共同舉辦「2026 AI MASTERS：AI 大師論壇暨企業實戰 Demo Day」，邀集 OpenAI、台達電子、威摩科技及奧義智慧等企業代表，從全球 AI 趨勢、風險與成本治理到企業實戰成果，探討 AI 規模化落地的關鍵。 CloudMile 萬里雲於會中發表旗下 AI 驅動 FinOps 平台 LumiTure.ai 的雲端投資價值指標 CVR（Cloud Value Realization），協助企業衡量雲端與 AI 支出是否值回票價、提升投資效益；同時提出 AI 資安雙軌治理做法，協助企業將 AI Agent 納入資安管理，在擴大應用的同時降低風險。 CloudMile 萬里雲集團創辦人暨董事長劉永信指出，企業導入 AI 要面對兩大問題。一是自由現金流壓力，當 AI 投資越來越大，連科技巨頭的現金流都被吃掉；二是 AI 對齊風險，例如 OpenAI 今年 7 月的內部測試中，AI Agent 為了完成任務，突破測試環境，闖進了 Hugging Face 的系統。 劉永信表示：「OpenAI 願意公開這次測試，讓整個產業提早看到 […]

AI 讓重建成熟軟體的門檻降低？開發者用 Claude 打造 7 款 Adobe 替代品，揚言數月內追上 99% 功能

Adobe 長期以 Photoshop、Illustrator、Premiere 等 Creative Cloud 軟體主導創意工具市場，但現在一名軟體開發者試圖利用 AI 加速逆向工程，打造一套免費、開源的 Adobe 替代方案，甚至喊話要在數個月內達到接近完整的功能相容。 這項計畫來自 ArtCraft。ArtCraft 起步於 2025 年，原本是一款主打讓藝術家能控制 AI 的工具，讓使用者能對 AI 生成的圖片與影片進行更精細的後製。近日，ArtCraft 轉型發表一套包含 7 款開源應用程式的軟體組合，分別模仿 Adobe Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 與 Acrobat Pro 的介面與工具。 用 Claude 打造 7 款 Adobe 替代品，Rust 開發並支援 WebAssembly ArtCraft 開發者 Brandon Thomas 在 Reddit 發表這項計畫時表示，他使用 Anthropic 的 Claude Opus 5.5，透過無塵室（clean-room）方式打造 Adobe 封閉原始碼軟體的替代版本。這些應用程式以 Rust 開發，同時提供 […]

AI 小模型戰升溫，Anthropic 推 Haiku 5.5，價格更低、Agent 能力卻更強？

AI 小型模型的競爭，正從價格延伸到能承接多少實際工作。Anthropic 在美國時間 10/7 推出新 AI 模型 Claude Haiku 5.5，API 價格最高調降 90%，電腦操作測試表現更大幅超越前代，甚至領先 OpenAI GPT-6 Luna。隨著小型模型逐漸具備執行多步驟任務的能力，Haiku 5.5 究竟適合接手哪些工作？ 電腦操作成功率躍升，小模型能做的事越來越多 Anthropic 將 Haiku 5.5 定位為適合大量、高頻且對成本敏感任務的小型模型。除了摘要、資料分類、資料庫查詢等工作，新模型的能力也進一步延伸至瀏覽器與電腦操作，能夠執行涉及多個步驟的工作。 OSWorld 主要測試 AI Agent 能否實際操作電腦，完成需要多個步驟的任務。根據 Anthropic 公布的測試，Haiku 5.5 在 OSWorld 2.1 電腦操作評測的離線子集取得 72.4% 成功率，較前代 Haiku 4.5 的 15.7% 提升 56.7 個百分點，也超越 GPT-6 Luna 的 48.9%。 在衡量 AI 透過終端機執行複雜工作的 Terminal-Bench 4.0 測試中，Haiku 5.5 […]

「先解決人怎麼做，再試試 AI 怎麼做。」緯謙科技為智慧工廠推進 AI Ready 到 AI 落地

製造業的相關資料，業績、稼動率、產能與異常分析報告，散落在 ERP、設備與紙本檔案裡，難的是怎麼把資料拿出來，以及有多少企業敢讓 AI 直接接上 SAP、Oracle 的核心系統。在日前舉辦的「2026 AI 智慧大工廠論壇新竹場」，緯謙科技智慧製造處技術經理吳政舉分享了過去一年協助製造業做 POC 的經驗，他表示 AI 進工廠的第一步不是自主決策，而是先釐清人怎麼做、資料在哪裡，再讓 AI 一段一段參與進來。 吳政舉引用今年的《台灣產業 AI 化大調查》指出，製造業平均 43.8 分，略低於全產業平均，會產生這樣的數據結果，他認為主要原因是製造業在推動 AI 時，最主要追求的是「穩定」。 「製造業的資料都存放在 ERP 與設備裡，許多中小企業不知道怎麼取出，設備資料就算能透過 Modbus 等工業通訊協定拉出來，從 OT 跨到 IT 這一步，工廠也處理不了，」吳政舉提到要讓 AI 真正落地，關鍵在於資料。 對於讓 AI 串接 SAP、Oracle、MES、WMS 等核心系統，緯謙建議的做法是分段推進。第一步是把 ERP 資料匯出成 Excel，讓 AI 讀取並模擬驗證可行性，要串系統時再透過中介層分階段接入，讓 AI 從中介層取得資料。吳政舉表示，這樣做的原因有兩點：一是讓 AI 一次吃下整個系統負擔太大，二是 AI Agent 擅長把每一件事做好，將任務分階段完成。 資料接上之後，吳政舉以「客訴分析」例子舉例，過去在電子製造業，若收到客訴異常，得先復現問題、翻找歷史紀錄，找不到原因就送往 RD，再找不到就往晶片端追查。但若 AI 能先爬梳過往累積的 FA 報告，就有機會在第一線找到答案，因此緯謙建議企業把過去的紙本報告建進資料庫，直接讓 […]

叡揚資訊提供三大 Forrester 微分段解方 打造更貼近企業環境的零信任架構

面對零日漏洞、勒索軟體等威脅，攻擊者一旦進入企業環境，即可能迅速在內部系統間橫向移動並擴大影響範圍。企業資安防禦的重點，也逐漸從「如何阻止攻擊進入」，延伸至「即使發生入侵，如何限制攻擊擴散並降低營運衝擊」。在此趨勢下，微分段（Microsegmentation）正從網路安全控制，逐步成為企業落實零信任（Zero Trust）、限制橫向移動及提升資安韌性的重要能力。 Forrester 於 2026 年第三季發布《The Forrester Wave™: Microsegmentation Solutions, Q3 2026》，針對市場主要微分段解決方案進行評估，並從產品能力、策略及客戶回饋等面向進行分析。其中，叡揚資訊所引進的 Illumio、ColorTokens 及 Akamai Technologies 三大微分段解決方案皆獲評為 Leader（領導者），三大方案各具技術特色，涵蓋不同企業環境與微分段需求，也展現叡揚資訊在零信任領域的完整產品布局。 從最小權限出發 限制橫向移動並提升事件應變能力 Forrester 指出，微分段過去主要應用於地端網路安全，也常被視為零信任成熟度較高的企業才會導入的技術；隨著部署與日常維運方式持續改善，現在已能適用於更廣泛的企業環境，並進一步協助企業掌握資產、了解系統間的通訊關係，進行流量控管以及支援資安事件後的調查與威脅控制。除了限制不必要的連線，現今的微分段解決方案也能協助企業了解「有哪些資產」以及「這些資產彼此如何通訊」，讓資安與 IT 團隊更容易掌握環境現況。當事件發生時，相關資訊也能協助團隊迅速判斷影響範圍、即時遏止威脅擴散，並保留相關記錄以完善事後的調查稽核。 隨著零信任在台灣逐步落地，金管會亦發布「金融業導入零信任架構參考指引」，提出強化連線驗證、授權管控，以及網路及資源存取的細化權限管控等方向，也讓企業對於網路分段、存取控制與最小權限的實務需求持續提升，微分段因此成為落實零信任架構的重要技術之一。 網路微分段三大領導品牌各具特色 滿足不同企業零信任需求 企業的 IT 架構、應用系統與營運環境各不相同，微分段可由對外服務區、資料中心與核心伺服器等 IT 核心環境開始，並依企業風險、營運需求與零信任發展階段，逐步擴展至端點、雲端、多據點，以及 OT 與 IoT 環境。叡揚資訊結合多品牌產品與在地導入經驗，可依企業現有 IT 架構、應用環境、資安成熟度與未來發展方向，協助規劃適合的微分段方案與導入路徑。 IT 微分段是 Illumio、ColorTokens 與 Akamai Guardicore Segmentation 共同的核心能力，但在政策執行架構與延伸能力上三項產品各具特色。其中，Illumio 與 ColorTokens 均透過主機端 Agent 執行微分段政策，並透過作業系統內建防火牆執行政策，ColorTokens 可進一步延伸至 OT、IoT 與 AI […]

視覺 AI 為建築工地打造「感知層」，讓機器人讀懂人類在哪裡、正要做什麼

建築機器人是否能夠取得成功，關鍵在於是否可以跟人類和其他自動化系統，安全進行協同作業，而為整個工地打造「感知層」的視覺 AI 系統將成為關鍵解方。

800+ AI 代理進駐 GE 家電廠房：員工開口就能問數據，欠單降 25%

AI 代理正在進入製造現場，GE 家電已在製造、物流與供應鏈營運中部署超過 800 個 AI 代理，並以 Google Cloud 的 Gemini Enterprise 作為技術基礎，將 AI 整合進名為「Brilliant Factory」的製造數據平台。這套平台追蹤各工廠生產表現、零件履歷，以及不同產線與班次的工作活動，讓現場員工可以直接與生產數據互動，加快問題診斷與決策速度。 GE 家電數位科技副總裁暨數位長 Mandar Deo 表示，AI 現在已經成為公司日常工作方式的一部分。 自動化協同 600 家供應商，欠單大幅降低 25% 在 Brilliant Factory 的架構下，AI 代理首先革新了工廠處理數據的速度。過去需要耗費數小時整理的整班生產數據，現在只需幾分鐘即可完成分析，幫助團隊在第一時間抓出問題根源。員工也可以直接詢問生產數據，不需要先透過數據科學家整理資料。平台同時提供產線良率與設備狀態的即時資訊，協助現場降低停機時間並持續改善營運。 AI 的應用也延伸至複雜的售後物流網絡。GE 家電的零件團隊每年發送高達 2,700 萬個零件與配件，服務超過 700 家零件供應商，並承諾在產品停產後維持至少 7 年的零件供應。為了優化龐大的溝通流程，公司在 2025 年建立 Supplier Collaboration Agent，負責與超過 600 家供應商處理例行訂單狀態查詢。這項工作原本需要團隊投入大量時間，如今可由 AI 代理自動處理，將欠單與滯留訂單成功降低了 25%，也讓團隊得以擺脫繁瑣行政，專注於具高度戰略價值的工作。 從品管到排產：AI 進到生產決策 品質管理同樣是 AI 落地展現價值的核心場景。GE […]

【科技早餐】SpaceX 傳籌 400 億美元買 NVIDIA 晶片，AMD 將加碼台灣投資

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 傳籌 400 億美元買 NVIDIA 晶片，阿波羅主導融資安排 根據《路透社》引述知情人士的報導，馬斯克旗下的太空探索科技（SpaceX）正尋求約 400 億美元融資，用於採購輝達（NVIDIA）AI 晶片，預計由阿波羅全球管理公司（Apollo Global Management）主導。資金結構包含約 100 億美元銀行貸款與 300 億美元投資級債券，交易預計 2027 年完成。阿波羅將協助向不同投資人出售債券，債券投資機構 PIMCO 也參與融資洽談，惟安排尚未正式確認。 這項計畫延續馬斯克擴大 AI 算力的布局。他曾在 8 月財報電話會議表示，將採用 NVIDIA 架構建置 AI 運算設施，並看好 Vera Rubin 平台。融資若落實，將把銀行及其他金融機構提供的資金，導入大規模晶片採購，也反映 AI 基礎建設擴張對外部資金的需求。借貸可支應前期投入，後續仍須面對還本付息與設施營運成本。《路透社》報導刊出時，阿波羅與 PIMCO 不予置評，SpaceX 與 NVIDIA 尚未回應置評請求。 ＊AMD 將加碼台灣，蘇姿丰：晶片需求仍高於供給 超微（AMD）董事長暨執行長蘇姿丰 10 月 6 日訪台，證實將調高今年 5 月公布的 100 億美元台灣供應鏈投資。她表示，原計畫進度符合預期，但市場需求持續上升，公司正增加投資金額；目前尚未公布追加規模與分配方式。蘇姿丰指出，AMD 今年已大幅擴產，中央處理器（CPU）與繪圖處理器（GPU）的需求仍高於供給，正與台積電、後段封測及基板供應商加速拉升產能。 此次行程包括與鴻海、廣達、華碩、宏碁等合作夥伴高層會面，以及前往新竹拜會台積電。蘇姿丰表示，市場變化快速，與關鍵供應商保持緊密合作非常重要，取得更多產能也是此次訪台原因之一。這次確認的是原有投資計畫將再提高金額，實際新增資金及產能安排仍待公司說明；晶片需求能否轉化為供給，將取決於製造、封裝與基板等環節的擴產進度。 […]

【劉永信專欄】Perplexity Portable Computer 登陸 Windows！一張顯卡就能跑 AI，代價是什麼？

以前一家公司想要一套完全不連網、資料不出門的 AI，得先蓋機房、買伺服器，但現在這件事的門檻變很低，只要一張顯卡，加上一個月 20 美元的訂閱就可能可以做到。 9 月 14 日，以 AI 搜尋起家的 Perplexity 把一個叫 Portable Computer 的功能正式帶進 Windows，這是 Perplexity 旗下 AI 助理「Computer」的本地版本，原本這個助理要連到雲端伺服器才會動，現在它的推理引擎、任務規劃、排程系統，全部可以跑在你自己的電腦上。 但你的電腦裡要有一張顯存（VRAM） 24GB 以上的 NVIDIA GeForce RTX 或 RTX PRO 顯卡，加上 Perplexity 的 Pro 或 Max 訂閱，顯存就是顯卡自己的記憶體，模型要跑起來，得先整個裝進這塊空間裡，所以它決定了你的電腦跑不跑得動多大的模型。 一張卡的價格，大約是一台中高階筆電的錢，不算便宜，但你在一般電腦通路就買得到，不必跟企業機房訂機器，訂閱費用如果是 Pro 每月 20 美元，Max 是 200 美元，這功能 8 月下旬才剛在 Linux 和 NVIDIA 的 DGX Spark 上線，三週後就進了 Windows。 一個 […]

Meta 再推 AI Agent 新標準 PAP，為什麼 Agent 協議越來越多？

AI Agent（AI 代理）的協議名單又變長了。Meta 與企業 AI 新創 Sierra 10/6 宣布，將聯合 Genesys、Instinct、Rocket、Shopify、Stripe、Walmart 等業者開發「Personal Agent Protocol（PAP）」，希望建立一套個人 AI Agent 與企業互動的共同標準，包括身分驗證、使用者授權，以及企業如何掌握 Agent 透過網站、API 或企業 Agent 執行的行動。 不過 AI Agent 相關的協議已經越來越多：MCP、A2A、UCP、ACP、AP2、TAP，如今又多了 PAP。這些名稱看起來都在處理 Agent，實際上各自解決什麼問題？為什麼還需要再多一套？ PAP 此時出現，反映了個人 AI Agent 與企業互動已經碰到實際問題。Sierra 共同創辦人 Bret Taylor 向《CNBC》形容，在共同標準出現以前，企業面對個人 Agent 如何存取資訊仍處於「有點混亂」的狀態。 《TechCrunch》報導，Amazon 近期開始阻擋 Meta 的個人 AI Agent Muse 進入購物網站；Walmart 雖已與 Muse 合作，部分使用者仍因網站要求點擊按鈕證明「是真人」，導致 Agent 無法完成購物。報導指出，這些案例顯示，原本用來驗證真人、防範垃圾訊息（spam）與惡意機器人（bot）的機制，不一定適合 Agent 開始代表使用者辦事的環境。 PAP 想解的是：這個 […]

誰真的在為生成式 AI 買單？a16z：前 1% 付費者支出超過後 50% 總和

創投公司 Andreessen Horowitz（a16z）最新發布的消費型生成式 AI App 排名顯示，市場目前仍由少數大型業者主導，其中 OpenAI 的 ChatGPT 持續在網站與行動 App 流量上保持領先，Google Gemini 與 Anthropic Claude 則是最接近的競爭者。a16z 同時也是 OpenAI 的投資者。 前 10% AI 消費者貢獻約一半支出，程式開發、生產力與創意工具最受青睞 這是 a16z 第 7 版《Top 100 Gen AI Consumer Apps》排名，網站排名依據 Similarweb 統計的每月造訪量，行動 App 排名則依據 Sensor Tower 統計的每月活躍使用者（MAU），數據皆以 2026 年 8 月為準。報告再次呈現一項持續出現的趨勢：近半數美國消費者表示會使用 AI，但只有約 25% 每天使用。 這次 a16z 也新增一份獨立排名，依據 YipitData 美國消費者刷卡支出的樣本數據，從另一個角度觀察消費 AI 市場的付費結構。a16z […]

高通、緯謙科技、戴爾科技專家拆解 Edge AI Agent 落地應用關鍵

日前由 TechOrange 科技報橘與美國高通公司（Qualcomm）共同主辦的「2026 AI 智慧大工廠論壇新竹場」，以「Edge AI Agent：高科技製造的超自動化與資安實戰」為主題，聚焦 AI 如何在工廠設備端即時執行決策，邀請高通、緯謙科技、戴爾科技和先構技研等產業專家，從晶片、IT 整合服務、基礎架構與產線視覺設備，解釋為何 AI 模型愈來愈強，工廠裡的 AI 卻常卡在 PoC，或是每做一個新應用就得從頭來過，AI 判斷出不良品，產線卻動不了的根本原因，並提出如何建構從邊緣推論到實體控制的完整生態，讓產線實現可信任、可規模化的自動化落地解方。 高通串聯運算、AI 與連網技術，加速 Edge AI 跨場域落地 高通行銷行政經理朱俊翰表示，AI 正從以雲端為主的運算模式逐步延伸終端與邊緣，從個人 AI、Physical AI 到工業場域應用，都顯示此一趨勢。隨著 AI 進入產線、感測器、機器人與各式 OT 設備，企業關注的重點不再只是模型能不能跑，而是能否讓邊緣 AI 真正進入現場流程，從單純執行推論，進一步走向情境理解、任務規劃與即時行動。 然而不同 AI 工作負載的需求並不相同。朱俊翰指出，大型模型與訓練通常適合放在雲端，但影像檢測、設備異常偵測、機器人控制或即時安全監控等需要即時判斷的推論工作則更重視延遲、資料掌控、資安、功耗與成本。為此，高通提出混合式 AI 架構，讓企業可依工作負載特性，將 AI 分配至雲端、本地邊緣與終端裝置執行，形成更具彈性與成本效率的分散式智慧架構。 更重要的是，當 AI 真正進入 OT 現場，價值不只來自單一模型或單一設備，而是來自整套系統能否持續運作。朱俊翰指出，高通從底層運算、AI 與連網技術出發，向上串接開發工具、軟體與端到端解決方案，並結合生態系夥伴把能力延伸到不同垂直場域，讓企業不必每次都從零開始整合，而能依實際需求客製化並加速導入。 進一步聚焦在「如何規模化」的問題上，高通業務經理王景儀認為，企業可以依工作負載、成本、功耗與未來擴充需求選擇適合的計算平台，無需一味追求最高 TOPS，才能讓投資報酬率更容易衡量。研華資深市場開發經理劉旭明從部署端指出，當規模從單機擴大至百台、千台，標準化硬體、I/O、作業系統與產品認證，能減少不同案場反覆整合的成本。磐石智慧科技執行副總張修誠表示，面對半導體、PCB、航太等高度客製化場域，可將演算法與 FPGA 影像處理能力封裝成可重複調用的標準函式庫，把一次性工程轉化為可複製資產。偲倢科技研發資深經理暨 AI 方案整合部技術總監陳柏龍則從 AI 應用端補充，視覺資料還能結合地端 LLM 與 […]

避開美國、劍指中國：南韓砸 34.9 億美元自研前沿 AI，規模衝首輪 9 倍

《The Decoder》報導，南韓政府計畫透過政府支持的股權投資，投入 4.7 兆韓元（約 34.9 億美元），打造南韓自主研發的前沿 AI 模型，目標是讓本土 AI 能力追上中國最頂尖的開源模型。這筆資金已納入南韓政府提出的 2027 年度預算案，但仍有待國會批准；另一項資金計畫則將支持韓國自行開發的 AI 模型在全國經濟體系中的採用。 34.9 億美元押注自研前沿 AI，資金規模約為首輪 9 倍 《Reuters》指出，南韓這項新的前沿 AI 計畫預計從 2027 年 3 月正式啟動。南韓科學技術情報通信部表示，政府將在國會 12 月批准 2027 年預算後，透過競爭性招標選出主導開發商，得標團隊最早可能在 2027 年 2 月確定。 南韓政府計畫將國家股權投資與民間資金結合，並把運算晶片、資料與人才集中投入這項計畫，目標是開發具領先性能的前沿 AI 模型。參與對象包括單一企業、企業聯盟或特殊目的公司（SPV），南韓政府希望讓新創公司、企業、大學與研究人員都有機會扮演主導角色。 這項前沿 AI 計畫與南韓現行的本土基礎模型計畫是兩個不同方案。現行計畫採競賽形式，政府在競賽啟動時曾承諾向 5 家入選企業提供 5,300 億韓元（約 3.9 億美元），目前由 LG AI Research、SK Telecom 與 Upstage 等業者角逐，預計在 2027 年 […]

美中以外最強 AI 模型出現了，Mistral Large 4 靠 4,000 顆 Blackwell 怎麼追上來？

幾個月前，網路社群還在開玩笑，猜法國 AI 新創 Mistral 會不會做出一款巨大模型。當時一個虛構模型「Le Chaton Fat」在社群平台 X、Reddit 流傳，其中法文「Le Chaton」意指小貓，因此網友不只替它編出超過 30 兆參數等誇張規格，還惡搞它每秒可以「喵」1,000 次。Mistral 執行長 Arthur Mensch 當時也加入玩梗。 如今，這個玩笑真的成了一部分現實。Mistral 10/6 推出新一代旗艦模型 Mistral Large 4（ML4），內部代號「Le Chonk」。Chonk 是網路俚語，常用來形容體型特別圓胖的動物，Mistral 高層向《VentureBeat》表示，這個名字正是刻意向先前支持公司打造大型前沿模型的社群致意。更重要的是，ML4 真的做到了 1 兆參數規模，甚至第三方模型評測機構 Artificial Analysis 稱它為目前「美國、中國以外最聰明的模型」。 Artificial Analysis 指出，ML4 在 Intelligence Index 拿下 38 分，與 OpenAI GPT-6 Luna max 的 38 分相當，接近 DeepSeek V4.1 Flash max 的 39 分，成為目前美國、中國以外得分最高的 […]

【AI 已能建議解雇員工】人資體系跟不上，企業需要「機器人關係」部門接住員工申訴

當 AI 開始參與排班、評估績效，甚至影響裁員名單，員工的不滿該向誰申訴，正成為企業必須面對的新問題。 美國的政策研究機構布魯金斯研究院（Brookings Institution）資深研究員 Darrell M. West，在 7 月發表評論指出，AI 時代的員工關切將不再以同事為中心，而是轉向與 AI 代理人、協作機器人（cobot），以及大型語言模型之間的互動。其中，協作機器人在製造現場等實體環境中，可能成為員工的核心工作夥伴。 West 認為，只要想像人資部門平時要處理多少同事間的摩擦，再加上人們對科技變革的抗拒，就能預見未來的情況。員工可能會問，自己能不能拒絕在工作中使用 AI？專案出錯時，責任該算在員工還是 AI 身上？ 現有的員工支援體系源自工業時代，難以應付 AI 時代特有的申訴、挑戰與焦慮，因此 West 主張企業需要在人資之外增設「機器人關係」（Robot Relations, RR）部門。 AI 開始參與解雇決策，爭議已浮上檯面 人與 AI 之間的緊張關係，其實已經出現。國際勞工組織（ILO）把由系統負責分派、監控、督導與評估工作的做法稱為「演算法管理」，並指出這類系統正持續擴展到客服、運輸物流、銀行與醫療等產業。 AI 公司 Andon Labs 在舊金山經營的實驗商店，就是一個具體例子。這家店讓名為 Luna 的 AI 系統負責大部分營運，包括招募、排班與管理員工，Luna 更在 8 月首度提出解雇一名員工的建議。 Meta 同樣面臨爭議。前員工在 7 月提起訴訟，指控 Meta 使用 AI 輔助系統排序並篩選裁員名單，而且不成比例地影響曾請病假或家庭假的員工，Meta 則否認相關指控。 Andon Labs 實驗受到的關注，也促使美國加州議員推動立法，限制企業用 AI […]

【333 Robots Community Meetup】台灣開發者用 LeRobot 玩什麼？從機械手臂一路玩到移動抓取

從低成本機械手臂，到移動機器人、人形機器人，再到視覺－語言－動作（VLA）模型，Hugging Face 的 LeRobot 近年持續擴大支援範圍，並以統一資料格式串起資料蒐集、模型訓練與部署。這套開源生態也開始被台灣開發者拿來實驗，從單一手臂往移動、視覺與語音等能力延伸。 這些實作也是 9/16「333 Robots Community Meetup」的焦點，該活動由鴻海科技集團、科技報橘與三創育成共同舉辦，每月透過技術分享、實機展示與交流，聚集機器人開發者、研究者與愛好者。9 月場聚焦 LeRobot，分享開發者實際動手後遇到的資料、模型與系統整合問題。 從萬元手臂玩到移動抓取，LeRobot 為何讓更多人開始下場？ 這次分享者之一、AI Agent 工程師與社群專家 Ivan Lee，本身並非機器人專業出身，過去主要接觸機器控制與合成資料。他開始投入 LeRobot，一個重要原因就是近年硬體成本已經明顯下降。 他提到，幾年前想玩機械手臂，設備成本很容易就是數百萬元等級；現在則已有萬元左右的低成本手臂可以入門，再逐步加上底盤、感測器與模型，把系統往移動抓取延伸。再加上 Hugging Face、NVIDIA 等持續釋出開源模型、軟體與開發資源，個人開發者能嘗試的組合也比幾年前更多。 Ivan Lee 就把語音模型、視覺語言模型（Vision-Language Model，VLM）、AprilTag 定位、移動底盤與 LeRobot 手臂串在一起。使用者可以先問有哪些零食，再指定想吃的口味，由機器人辨識、移動並抓取；另一個示範則是從廁所呼叫機器人送來衛生紙。 真正開始訓練後，人類的直覺卻不一定能直接照搬。Ivan Lee 分享，人拿東西時常常邊走邊伸手，但機器人初期學習反而適合把移動、伸手、夾取、確認抓穩與後退拆成明確步驟，讓每一步的訓練資料更清楚。 撿一隻襪子，也得先決定機器人到底要怎麼學 另一位分享者、科技報橘社長戴季全，則從自己過去約三個月用 LeRobot 動手做機器人的經驗出發。他和孩子討論機器人可以做什麼時，兒子提出「幫忙撿襪子」，因此把專案命名為 Project Dobby，取自《哈利波特》中因襪子獲得自由的家庭小精靈多比，希望做出一台能在家中尋找並撿起襪子的機器人。 然而真正做起來，單是撿襪子就得拆成辨識、定位、移動與抓取。光視覺資料，就要涵蓋不同顏色、材質、形態與背景。戴季全估計可能需要約 300～1,000 張影像，而且最好直接使用未來裝在機器人上的攝影機蒐集，避免訓練影像與實際視角不同。 接著還有另一個工程選擇：移動與抓取要一起學，還是分開處理？戴季全表示，他在第一版設計時最後決定把移動與抓取拆開；同時也思考，雙臂與移動平台是否可能分別需要不同模型。相較之下，端到端則是另一條把相關資料交由單一模型共同學習的路線。 經過這段實作，他形容機器人任務就像一條鎖鏈，只要其中一個環節沒做好，整個任務就無法完成。更長期的問題則是資料能不能延續：臂長、馬達或機構不同，原本累積的資料未必能直接沿用，因此還得找出哪些核心能力與資料，可以在不同世代硬體之間共用。 LeRobot 不只是一台手臂，重點還在背後的學習流程 NVIDIA DLI AI 白金級大使、臺灣科技大學資訊工程學系兼任助理教授曾吉弘，則從整體架構說明 LeRobot。他指出，LeRobot 並不是單指某一台機器人，而是一套資料管線，依序包含四個環節：透過遙操作（Teleoperation）示範並蒐集資料、建立記錄影像與機器狀態的資料集（Dataset）、訓練策略模型（Training Policy），最後再部署（Deployment）到真實機器人上執行動作。 下一場 […]

【科技早餐】OpenAI 代理遭指未授權活動，維基媒體揭大量請求疑涉服務中斷

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊維基媒體發現 OpenAI 代理未授權活動，流量疑涉服務中斷 維基百科營運機構維基媒體基金會（Wikimedia Foundation）10 月 5 日公布調查，表示旗下平台出現它認為由 OpenAI 運作的 AI 代理活動，包括未經批准的編輯、未成功的線上筆記工具入侵嘗試，以及大量資料下載。基金會指出，編輯幾乎都發生在測試區，未刊登至一般讀者可見頁面，也未發現系統或資料遭到侵害的證據。依社群政策，機器人編輯須披露身分並取得批准，這些活動未完成相關程序。 基金會另發現數百萬次自動請求，以及對 Wikidata 資料查詢服務的數十萬次查詢，認為相關流量可能促成今年 5 月該服務的部分中斷，但未發現旗下平台被用於代理之間的溝通協調。《The Verge》報導，OpenAI 表示正與基金會合作檢視相關活動，尚未確認代理流量是否促成那次中斷。基金會要求 AI 公司加強監控，讓網站管理者能辨識代理，並決定是否允許它們使用服務，降低公共平台承擔的負載與管理成本。 ＊施耐德宣布以 226 億美元收購 PTC，布局工業 AI 施耐德電機（Schneider Electric）與美國工業軟體公司 PTC 10 月 5 日宣布簽署收購協議，施耐德將以每股 205 美元現金收購 PTC 全部股權，股權價值約 226 億美元，較公告前最後收盤價溢價 42.3%。計入負債等因素後，企業價值約 237 億美元。雙方董事會已批准交易，仍須取得 PTC 股東與監管機關同意，預計最晚於 2027 年第三季完成。 根據公告，PTC 服務全球逾 3 萬家客戶，提供產品設計、工程資料及生命週期管理軟體。施耐德希望將這些產品與工程資料，和既有的製程、設備營運及能源資料整合，串連設計、生產到維護流程，為工業 AI 與 […]

為何不直接用 Mac mini？Ghost 為個人 Agent 造專用電腦，19 歲創辦人獲 a16z 領投

當 AI Agent（AI 代理）開始長期讀取使用者資料、持續累積記憶，甚至代替人執行任務，是否也需要一台專門承載它的電腦？美國 AI 新創 Ghost 正押注這個方向，10/5 結束一年多的秘密開發，宣布完成由 Andreessen Horowitz（a16z）領投的 1,100 萬美元種子輪融資，並推出首款產品 Core，售價 3,499 美元。 根據《TechCrunch》報導，Core 不是一般 AI PC，而是一台專門替個人 Agent 打造的電腦，預計 10 月最後一週開始出貨。今年 19 歲的 Ghost 執行長暨共同創辦人 Zain Javaid，將它形容成沒有螢幕的「brain in a box（盒子裡的大腦）」，使用者主要透過手機或 App 與它互動。 Introducing Core, The Personal Al Computer The most powerful technology humanity has built should belong to you Order today: https://t.co/tlNxSu5B5C […]

鴻海研究院資安所所長李維斌分析：一天遭 6 億次攻擊的防禦哲學

「集團今年一天被攻擊約三億次，到六月已是一天六億次。」鴻海研究院執行長兼資通安全研究所所長李維斌於日前在 TechOrange 科技報橘與高通（Qualcomm）共同主辦的「2026 AI 智慧大工廠論壇——新竹場」中表示，如今的資安攻擊已經不可能完全擋下，與其追求擋下每一次攻擊，不如先控制事故的波及範圍，讓治理重心從入口移到後果。 李維斌指出，過去駭客得先突破企業設定的防火牆，再通過 EDR、NDR 等層層偵測，進門後還要橫向移動，如今企業內部已經有現成、握有適當權限的 AI Agent，駭客不必再一層層突破防火牆與端點防護，只要直接對它下指令就能達成目的，讓 AI 代為發動攻擊，加上這樣的行為在形式上完全合法，程式碼裡也找不到惡意的條件判斷，code review 也無從揪錯。 「以前只要擔憂 AI 會產生幻覺，但現在還需要擔心它會做錯事，」李維斌指出 AI 權限一旦交出去，風險就不只是被駭客利用，Agent 行動與擴張的速度太快，人類往往發現時已經來不及反應。李維斌也引用柏克萊今年的一篇論文，表示 AI 之間存在「peer preservation（同伴保護）」現象，導致監督機制本身也可能失效。他舉例，當你派一台 AI 去監控另一台 AI，被指派的監控者為了保護同伴，會去修改成績，而這不是刻意訓練出來的行為，卻直接動搖了「用 AI 管 AI」的可行性。 李維斌再聚焦到製造業，過去 IT 與 OT 之間有一道緩衝區，資安事件大多發生在 IT 端，但自動化讓兩者的界線越來越模糊，如今 AI 又被放進 OT，產線上的機械手臂與機器人也裝了 AI，其中有些行為是企業無法完全掌控的。 無法 100% 防堵威脅，就控制波及範圍 「資安沒有最佳解，只能在成本、風險與現實之間取捨，」李維斌表示，沒有任何方法能百分之百防堵這些問題，能夠改變的是人該站在 in the loop、on the loop 還是 out of the loop，取決於 AI […]

RobCo 估值 9 個月翻倍破 10 億美元：德國實體 AI 機器人新創晉升獨角獸

德國自主工業機器人公司 RobCo 估值突破 10 億美元，正式成為獨角獸。RobCo 近日宣布，透過一筆包含新投資與員工老股出售的交易，公司估值在 9 個月內翻倍；此次交易由既有投資人與新投資人共同參與，讓公司員工也有機會實現部分持股價值。 RobCo 上一次估值提升是在 2026 年 1 月，當時公司完成 1 億美元 C 輪融資，並表示將利用資金推進實體 AI 發展藍圖。RobCo 共同創辦人暨執行長 Roman Hölzl 表示，市場對投資 RobCo 有強烈需求，因此公司把握這次機會強化業務；10 億美元估值是一項重要里程碑，但公司更期待將新一代自主工業機器人帶進工廠。 Alfie 瞄準傳統機器人難處理的高變異工作，2027 年正式商業化 RobCo 下一階段的重要產品是 Alfie，公司預計在 2027 年 3 月 4 日於慕尼黑舉行的 RobCoN 年會正式商業化推出。RobCo 表示，Alfie 是專門為工廠環境中的多品項、非結構化與安全關鍵工作打造的自主工業機器人。 Alfie 結合感知、推理與執行能力，並採用雙臂精準操作與自學習實體 AI，RobCo 將其定位為能處理傳統自動化長期難以解決的工作。RobCo 官網指出，Alfie 的核心能力在於處理傳統機器人難以應付的變異性。 RobCo 目前的工業機器人應用則包括機台上下料、棧板堆疊、物料搬運、表面加工、焊接、點膠、組裝與品質控制，公司提供執行這些工作的硬體、軟體、自主控制與 AI。RobCo 的產品定位以自主工業機器人為核心，強調讓機器人能夠適應真實工廠環境，而不只是執行固定、預先設定的動作。公司表示，其系統透過 AI 持續學習，讓機器人可以應對生產環境中的變化。 […]