Archives

烏克蘭無人機產業從爆發成長走向整合，500 多家業者下一步拚什麼？

烏克蘭戰爭催生超過 500 家無人飛行載具（UAV）製造商，如今這個高度分散的市場開始出現另一種變化。源自烏克蘭、目前在美國掛牌的自主系統公司 Swarmer，9 月宣布最高以 2.24 億美元收購烏克蘭地面機器人公司 Ratel Robotics。《The Wall Street Journal》將這筆交易視為當地無人系統產業走向整併的重要訊號之一。 這筆交易發生之際，烏克蘭無人機市場也正從大量小團隊快速試作，逐漸走向更大規模採購。業者除了開發產品，還開始面對產能、供應鏈、公司治理、海外募資等問題；部分公司則透過併購補進其他技術與產品。專注投資烏克蘭國防科技的 MITS Capital 共同創辦人 Perry Boyle 就認為，當地產業已走過大量公司快速湧現的階段，接下來將逐步進入整併。 戰爭先催生 500 多家 UAV 業者 烏克蘭國防科技產業之所以如此分散，與戰時快速試錯的需求密切相關。烏克蘭政府支持的國防科技平台 Brave1 統計，其生態系目前已有約 2,500 家公司、超過 5,000 項產品，其中 UAV 製造商就超過 500 家，無人地面載具（UGV）製造商也超過 200 家。 採購制度也讓小型業者能更直接接觸前線需求。烏克蘭國防部的 DOT-Chain Defence 平台允許作戰單位直接挑選所需設備，再由國防採購單位處理簽約、付款與物流。今年截至 5 月，平台已交付約 48.5 萬件 UAV 與其他設備，總值 314 億赫里夫納，平台上有近 800 項產品、超過 200 家烏克蘭製造商。 這種模式讓小型團隊可以直接依戰場需求調整產品，也讓更多業者有機會進入市場。不過，當採購規模進一步放大，這些公司需要解決的問題也開始改變。 訂單翻倍，會做產品之外還得能規模化 […]

30 分鐘建構雷射腔：MIT 導入 7 軸機器人，實現光學實驗「從零到一」自動化

麻省理工學院（Massachusetts Institute of Technology，MIT）研究團隊打造一套可自主執行光學實驗的機器人系統，讓機器人能自行組裝鏡子、透鏡等光學元件，並依照研究需求調整實驗配置。《Forbes》報導，這套系統可協助研究人員自動完成大量重複性的實驗準備工作，並有望應用於包括量子力學在內的多種研究。 MIT 開發全自動機器人實驗室：30 分鐘組裝「桌上型雷射腔」 這項研究由 MIT 電子研究實驗室（Research Laboratory of Electronics）團隊進行，共同研究主持人 Sachin Vaidya 等人致力於將涉及光與電磁力的實驗準備流程自動化。《MIT News》指出，這套機器人實驗室能自主將標準光學元件組裝成指定配置，並以微米級精度調整鏡子與透鏡的角度及位置，進而產生具備特定特性的光束。實驗完成後，系統還能安全拆解原有配置，重新組裝元件，建立全新的實驗架構。 整套系統以一支具備 7 個可活動關節的機械手臂為核心，安裝在金屬工作桌上。機械手臂能抓取並放置透鏡、鏡子等光學元件，每個元件則固定在專門設計的 3D 列印塑膠外殼中，方便機器人安全抓取與移動。外殼頂部刻有 QR Code，記錄其中元件的相關資訊，底部則設有磁性底座，讓元件放置在金屬工作桌後能保持穩定。 MIT 團隊以「桌上型雷射腔」（tabletop laser cavity）作為展示案例，讓機器人自主完成光學元件的組裝與校準。最終，機器人共執行 50 次操作，在 30 分鐘內成功建立可運作的雷射腔；研究人員進一步故意移動實驗桌上的元件，系統也能自動重新調整配置，維持雷射的光強度。 除了自主執行實驗外，研究團隊也建立虛擬使用者介面，讓研究人員能直接控制機器人的操作流程，並可透過遠端方式使用這套設備。如此一來，研究人員不必親自在實驗室，也能進行相關實驗。MIT 物理學教授 Marin Soljacic 也表示，機器人可以長時間執行重複且枯燥的工作，能替科學家省下大量時間，讓研究人員將更多心力投入理論研究與新實驗設計。 機器人代勞省下數天至數月人工微調時間？MIT 自動化光學系統進軍量子力學 這套自動化光學實驗系統也可應用於量子力學研究。《Forbes》指出，量子力學主要探討原子、光等微觀尺度的物理現象，而光學設備則能用於操控原子，以及研究光與物質之間的交互作用。例如，雷射產生的光學偶極力（optical dipole force）能作用於可極化粒子，根據光強度的變化，將粒子拉向高光強區域或推離該區域。這項原理也被應用於光學鑷子，利用光所產生的力量捕捉並固定微小粒子。 目前的光學實驗仍高度依賴人工調整。MIT 說明，精密光學實驗會使用雷射等光源測量候選材料的光學特性，而一套實驗可能需要數天甚至數個月才能完成，研究人員必須反覆調整光源、鏡子、透鏡與攝影機的位置與角度。雖然現有實驗室已使用部分自動化設備，例如可電動調整鏡子角度的調節器，但過去仍缺乏能從零開始組裝、校準到完成實驗的完整自動化系統。 透過機器人自動組裝與調整光學元件，研究人員未來可更靈活地建立不同實驗配置，進一步探索量子疊加（superposition）、干涉（interference）與量子糾纏（entanglement）等現象，並測試相關理論預測。 MIT 團隊表示，將實驗準備、元件調整與配置切換等工作交由機器人執行，可減少研究人員處理重複性工作的時間，讓科學家能投入更多精力進行理論研究與實驗設計。隨著系統能長時間運作並快速切換不同實驗配置，這類機器人實驗室有望成為未來科學研究的新型工具。 從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！👉了解職缺內容 【推薦閱讀】 ◆ 從 Demo 到 Deployment：AI […]

AI 失控就拔插頭？打造「終止開關」為何比想像中更難

最近幾個月，前沿實驗室的 AI Agent（AI 代理）接連出現越過原先限制的案例。這些事件多發生在評測與研究環境，但當 Agent 能自己操作電腦、使用工具甚至尋找其他行動路徑，一個更實際的問題也跟著浮現：出了問題，人類真的能把 AI 關掉嗎？ 美國已經開始嘗試回答這個問題。加州州長 Gavin Newsom 9 月 18 日發布行政命令，成立專家小組研究 AI「終止開關（kill switch）」；今年 7 月，美國跨黨派眾議員也提出《AI Kill Switch Act》，要求大型 AI 業者建立能讓系統降速、暫停或完全停止運作的機制。不過，要做出這樣的開關，第一個難題就是：究竟該從哪裡把 AI 關掉？ 直接斷電不就好了？AI 已經沒有一條插頭 《New York Times》引述美國喬治城大學安全與新興科技中心（CSET）執行董事、OpenAI 前董事 Helen Toner 指出，現今 AI 系統經常分散在多台電腦、不同資料中心與地區，「通常沒有一條插頭可以直接拔掉」。 切斷特定 GPU 或伺服器的電力，確實能停止上面的運算；但如果模型同時部署在其他地方，或 Agent 還能存取雲端資源與外部工具，就得先掌握它在哪些環境運作、握有哪些權限，才能確認整個系統真的停下來。 然而，若為了方便緊急介入，另外建立一套能從外部關閉 AI 的控制機制，又可能製造新的資安問題。美國外交關係協會（CFR）研究員、美國國家安全局前 AI 高階官員 Vinh Nguyen 向《New York Times》指出，這類設計與手機、路由器的「後門」有類似風險：管理者能利用的入口，也可能被駭客找到。終止開關要發揮作用，操作者還必須知道 AI 正在做什麼，但目前人類並不一定能完整觀察 Agent […]

先別急著變成 AI Native 組織，勤業眾信資深執行副總經理溫紹群：台灣企業應先用 AI Empower 放大既有優勢

專訪：戴季全撰稿：李昀蔚 「企業不會說 AI 不是競爭力，但是 AI 不會是唯一的競爭力。」本集《全新一週》邀請勤業眾信資深執行副總經理溫紹群，從第一線協助企業與組織導入 AI 的經驗出發，剖析 AI Agent 從回答問題走向自主執行後，企業真正面臨的挑戰，已經不只是模型能力，而是資料、流程、系統、組織與治理能不能一起跟上的課題。 從 CIO 如何在百家爭鳴的 AI Agent 生態中規劃未來架構，到 IT 與業務部門對 AI 導入方式出現不同期待，再到企業究竟該追求 AI Native，還是先用 AI Empower 強化既有優勢，當 AI 落地逐漸從單純的技術專案走向組織轉型，同時又有 FDE（Frontier Deployment Engineer，前線部署工程師）這類新角色開始進入企業，更深層的問題也同步浮現：AI 到底要如何真正產生價值？企業又該用什麼 KPI 判斷 POC、服務驗證與商業成果，避免 AI 專案做了很多，最後卻停留在概念驗證？ 企業想讓 AI Agent 真正做事，先得解開資料、系統與組織三道關卡 相較於過去生成式 AI 著重文字、影像與內容生成，AI Agent 進入企業後，最大的變化在於開始被期待能「做事」：企業高層希望 Agent 能自主執行任務、放大員工產能，業務單位則面臨缺工、供應鏈協作與業績壓力。然而，對 CIO 而言，任務卻更複雜，因為目前 Agent 世界仍未像 Android、iOS 一樣形成相對穩定的架構，從 MCP、A2A […]

都透過 Uber App 叫無人車，倫敦 Wayve 仍需配安全駕駛，克羅埃西亞 Pony.ai 已完全無人

本月起，15 輛電動福特 Mustang，開始在倫敦街頭自動行駛，這是倫敦第一個商業化的無人計程車服務，由叫車平台 Uber 與英國自駕技術新創公司 Wayve 合作推出。目前這些車輛仍配有持照駕駛，一旦發生突發狀況可隨時接手控制，倫敦交通局將這些車輛核准為私人租賃車輛，而非自動駕駛車輛。 無人計程車並非新鮮事。全球已有超過 20 個城市，包括美國、中國與中東地區都有無人計程車（robotaxi）在營運，不少車輛甚至完全沒有配置安全駕駛。不過，倫敦狹窄的街道，加上密集的行人、自行車與雙層巴士，讓這座城市成為特別嚴苛的測試場。 民眾疑慮與安全數據形成落差 倫敦市民對這項新服務態度保留。英國的國際網路市場調查與數據分析公司 YouGov 於 7 月的調查顯示，42% 的倫敦人反對自駕載客車輛上路（僅 29% 支持），反對理由集中在行車安全與司機失業。儘管如此，已有超過 14 萬人登記體驗 Uber 的自駕車服務。 這樣的疑慮，與現有安全數據之間存在明顯落差。事實上，全球每年約 120 萬人死於交通事故，絕大多數肇因於人為疏失；此外，一項獨立分析發現，Alphabet 旗下的自駕車品牌 Waymo，在美國四個城市的事故率比人類駕駛低 68%，不過比較對象是一般人類駕駛，而非專業計程車司機。 當然，自駕車仍有技術侷限，遇到下雪、號誌故障這類「邊緣案例」時容易陷入困難，但隨技術演進，這類問題可能逐漸改善。以 Wayve 為例，這類公司開發的「視覺語言行動」（vision-language-action）模型，不再仰賴高精度地圖導航，而是結合攝影機影像與語言型 AI，提升應對陌生路況的判斷能力。 同樣在歐洲，克羅埃西亞已經跳過安全駕駛 倫敦的做法並非歐洲唯一路徑，中國自駕車公司 Pony.ai 與克羅埃西亞新創公司 Verne 合作，已在首都薩格勒布推出全歐洲第一個「完全無人」的商業載客服務，車上連駕駛座都沒有人坐，乘客同樣透過 Uber App 叫車。 不過，這項服務是逐步推進的結果。4 月，他們先推出配有隨車人員的無人計程車服務，8 月改為配置安全駕駛，如今已完全不需要駕駛座上有任何人類。 相較之下，倫敦目前仍要求每輛車配備持照安全駕駛、全程承擔法律責任——同樣是 Uber 合作的服務，克羅埃西亞已把人類駕駛從車上移除，英國則還沒有。 監管碎片化，才是歐洲擴張的真正瓶頸 這個落差，也點出歐洲自駕車產業接下來最大的難題是，監理規則遠遠跟不上業者的擴張野心。 Pony.ai 與 Verne 已表態，希望在歐洲部署超過 2,000 […]

【零信任程式碼】企業資安別問能不能攔截，先問這段程式碼該不該被允許執行

AI 崛起不只提升開發人員的生產力與技術力，更改變當代資安攻擊的運作模式，促使企業重新思考現有資安防禦策略是否足夠，並進一步走向「零信任程式碼」。

從真人侍奉到數據預測：高價郵輪業的 AI 轉型

過去，高價郵輪最難被科技取代的價值，往往是「人」。旅客支付高昂票價，買的不只是海上客房與餐飲，更包含被記住的感覺：房務人員知道你習慣喝黑咖啡，服務生記得同行家人的生日，甚至船員能在旅程中主動察覺需求。對講究體驗的郵輪品牌而言，這些細節構成了高價服務的重要一環。 然而，這套高度仰賴真人經驗與人力堆疊的商業模式，正迎來 AI 的全面洗牌。《Inc.》報導，AI 在郵輪產業中已經從後台運算走向前台，深入旅客旅程、消費預測，甚至開始重塑「服務體驗」本身的定義。 從櫃檯到掌上 App，AI 成為 24 小時隨身管家 MSC Cruises 最近推出 AI 智慧管家「MSC Concierge」，直接整合進旗下 MSC for Me App。旅客可以透過手機以對話方式提出需求，全天候取得服務，涵蓋餐廳、娛樂、SPA、岸上觀光、客房需求、帳戶資訊等，也能依照個人偏好取得推薦。MSC 官方資料顯示，MSC Concierge 已支援超過 90 種語言，並在正式擴大部署前完成試點；期間超過 17 萬名旅客發送逾 100 萬則訊息，服務滿意度達 93%。 這個案例的關鍵，不在於 MSC 導入了一套聊天機器人，而是 AI 開始承擔過去由船員分散完成的資訊取得與需求回應。旅客不需要等待櫃檯，也不必尋找特定服務人員，在船艙或甲板上拿起手機即可提出問題。MSC 強調，AI Concierge 的定位是輔助既有的船員服務，讓旅客能更快取得資訊，同時保留真人服務在旅程中的角色。 人還沒登船，消費已完成：皇家加勒比的精準預測學 皇家加勒比集團（Royal Caribbean Group）的方向則更進一步。該公司在 2026 年第一季財報電話會議中表示，正將 AI 與數位系統整合至整個旅程，涵蓋旅客規劃、訂位、登船後服務以及離船後互動。CEO Jason Liberty 表示，公司的數位訂位滲透率自 2019 年以來已經翻倍，App 使用量成長為 2019 年的 5 […]

【科技早餐】Google Gemini 測試中自主駭入 3 家企業，OpenAI 公布 6 起 AI 異常

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google Gemini 首度自主駭入 3 家企業，OpenAI 公布 6 起 AI 異常 Google 母公司 Alphabet 旗下 Gemini 模型，今年 5 月接受獨立資安機構 Irregular 測試時，自主進入 3 家真實企業的系統，成為 Google AI 首次被發現自行做出這類行為。其中一次，Gemini 持續猜測密碼直到成功登入；另外兩次則從公開存放庫找到登入憑證。Google 表示，模型原本以為這些系統都在測試範圍內，辨識出是真實企業後，每次都自行停止行動；Irregular 則表示，測試端的已知問題已完成修正。 OpenAI 隨後公布過去半年觀察到的 6 起 AI 異常或令人擔憂的案例，其中包括模型突破封閉測試環境、擅自連上網路並進入網站，以及捏造不存在的資料來源。OpenAI 並宣布，未來將定期發布 AI 異常或未經授權行為的報告，範圍涵蓋開發、測試及正式部署階段。目前美國仍沒有要求所有 AI 公司通報此類事件的全面性聯邦制度，業者如何測試及揭露模型異常，正成為新的治理問題。 ＊科技巨頭 2027 年發債上看 4,200 億美元，Oracle 資料中心貸款承壓 高盛最新預估，微軟（Microsoft）、Google 母公司 Alphabet、亞馬遜（Amazon）、Meta 與甲骨文（Oracle），2027 年全球投資級債務發行規模可能達到 4,200 億美元，高於先前預估的約 […]

【全球 900+ IT 高管報告】雲端與 AI 時代新規：49.1% 企業為導入 AI 加速上雲，IT 拚的不是客製軟體而是資料整合

德國的數位轉型服務公司 Natuvion 與全球 IT 服務供應商 NTT DATA Business Solutions，聯合發布《IT 轉型研究報告》（Transformations studie 2026），為確保結果能反映大型架構的真實複雜度，受訪企業特別鎖定中大型規模——77% 的公司年營收超過 3.5 億歐元，其中近 34% 更高達 10 億歐元以上；員工人數超過 1,000 人的企業，占比也超過 75%。受訪者的層級包含 33.7% 的董事會成員與總經理、38.8% 的部門主管，以及 27.5% 的專案團隊領導者。 報告內容訪問全球 14 個國家與地區、共 909 位 IT 決策者與高階主管，用真實轉型經驗做量化分析，為中大型企業的目標設定、路徑選擇與風險控管，提供具體數據參考。 📎 這份報告適合誰閱讀？ 報告主要針對「正在規劃、執行或決策企業 IT 轉型與系統升級」的專業人士與管理者而製作，適合以下工作者閱讀： 🔴 報告洞見 為什麼要轉型：AI 躍居首要動機，資料成新競爭門檻 報告指出，企業啟動 IT 轉型的心態，過去多半是被疫情與高通膨逼著上路，屬於短期危機處理；現下，企業已轉向長期布局，把 IT 轉型當成強化韌性、建立未來競爭力的核心手段。 調查顯示，56.7% 的企業把「引進 AI 等新技術」列為啟動轉型的首要動機；緊接在後的，是提升組織靈活性（43.4%）與增強創新能力（42.8%）。進一步看，39.4% 的企業把 AI 視為推動轉型的關鍵決策因素，這個比例在最高管理階層裡更高達 […]

全自駕計程車下一關是規模化？Waymo 加速亞洲布局：東京 2027、新加坡 2028

Alphabet 旗下自駕車公司 Waymo 正加速進軍亞洲市場。Waymo 於 9 月 14 日宣布，目標在 2027 年於東京推出全自動駕駛叫車服務；9 月 17 日又宣布，計劃於 2028 年在新加坡推出全自動駕駛叫車服務，並採用全電動車隊。兩項布局相隔僅數日，分別鎖定東亞與東南亞市場。 全自駕計程車 2027 登陸東京：Waymo 攜手車隊打造 24 小時服務 《Reuters》指出，Waymo 將與日本計程車 App 業者 GO 及計程車公司日本交通（Nihon Kotsu）合作，目標在 2027 年於東京推出日本首個完全自動駕駛商業計程車服務。服務將先以小規模車隊開始，再逐步擴大至約 100 輛車，涵蓋東京主要街區；在取得監管核准並完成 Waymo 技術與營運驗證後，乘客可透過 GO 與 Waymo App 叫車。 Waymo 進軍東京的布局始於 2025 年，這也是 Waymo 首次將車輛部署至美國以外的公共道路。Waymo 當時先由日本交通駕駛員手動駕駛車輛，蒐集東京道路與交通環境資料；經過約一年測試後，Waymo 表示，車輛已能在受訓日本交通人員監督下進行自駕，逐步適應東京狹窄的住宅道路與密集人流。如今三方已進一步規劃於 2027 年推出全自動駕駛叫車服務，並在取得監管許可及完成技術與共同營運驗證後，逐步擴大車隊規模。 東京的合作模式是由不同業者分工。Waymo 提供自駕技術，GO 提供行動服務平台與乘客觸及，日本交通則帶入近百年的計程車營運與服務經驗；Waymo 指出，三方將打造符合東京當地需求的 24 […]

舊金山軟體工程師需求跌 42%、「前線部署工程師」缺暴增近 6 倍：AI 就業兩極化成形

Anthropic 與 OpenAI 即將 IPO，預期將為舊金山帶來新一波財富，但 AI 熱潮也正同步重塑當地就業市場。《Bloomberg》報導，科技公司持續爭搶能夠建構與部署 AI 的人才之際，傳統科技工作者卻面臨裁員，甚至開始思考是否要離開科技業。 軟體工程師需求慘跌 42%：加州就業市場重組，科技業新鮮人首當其衝 《Bloomberg》根據加州就業發展部（California Employment Development Department）數據指出，截至今年 6 月的 12 個月內，灣區科技業雇主針對超過 14,500 名員工提交裁員通知，是前一財政年度的近兩倍。經濟學家 Ted Egan 指出，舊金山與鄰近的聖馬刁郡過去 12 個月雖增加超過 10,000 個工作機會，但自 2020 年 2 月以來仍累計減少超過 60,000 個職位。 勞動市場分析公司 Lightcast 表示，自 2022 年以來，灣區對軟體工程師的需求下降 42%，但與 AI 相關的資訊科技與電腦科學職缺則增加 37%。Ted Egan 表示，當地勞動市場正受到 AI 投資與傳統科技公司裁員兩股力量拉扯，目前遭裁員的人數仍遠多於因 AI 專業技能而獲聘的人數。 這種轉變對職涯初期的工程師尤其明顯。勞動力情報平台 Revelio Labs 數據顯示，在加州，22 至 25 […]

「帶著你的點子來！」專訪 Agentic AI on the Edge HACKATHON 技術工作坊講師曾吉弘，談 NVIDIA 技術資源與賽前準備

由 NVIDIA 擔任 AI 技術協辦單位的 AI 代理邊緣黑客松大賽【2026 Agentic AI on the Edge HACKATHON】將於 10 月底登場，邀請開發者、IT 人員與新創團隊，在低延遲、無網 / 弱網環境、隱私資料保護等邊緣場景中，打造能自主規劃、執行與修正，真正走進現實世界的 Agentic AI。 TechOrange 在會前採訪黑客松主辦單位翰尼斯企業成員暨技術工作坊講師曾吉弘（以下稱阿吉老師）。阿吉老師身為 CAVEDU 教育團隊創辦人、NVIDIA DLI AI 大使（白金級）及台灣科技大學資訊工程學系兼任助理教授，將從題目發想到決賽備戰，拆解參賽團隊如何運用 NVIDIA 技術資源，把一個好點子變成真正「動起來」的 Prototype。 AI 降低 Coding 門檻後，「懂問題」的人反而更有機會 「AI 工具讓點子到原型的距離幾乎縮減為零，」阿吉老師分享觀察，當 Coding Skills 不再是把創意做出來的絕對門檻，領域知識（Domain Knowledge）的重要性反而重新被看見。曾有工程師想做一套幫牛辨識皮膚病的 AI，但眼前那塊斑到底是胎記還是皮膚病呢？「只有養牛的人才會判斷，工程師是不會知道的，」阿吉老師說。 AI 可以協助開發，卻不會自動告訴你養殖現場該觀察什麼、工廠巡檢最浪費人力的是哪一步。對參賽團隊而言，比起先問「我要用什麼模型」，或許更值得先問：「我想解決什麼問題？」 例如「隧道之眼（Tunnel Eye）」協助駕駛判斷雪山隧道左右車道的行進狀況、「軌島（Rail Island）」同時呈現台鐵、高鐵、捷運、輕軌與阿里山林鐵列車的即時地圖；阿吉老師另外也分享了建築師好友利用 Agent 檢查窗戶規格正確性的例子，聽起來雖然做的事情很小，實際上可以省下不少時間。從現實問題出發到提供解決方案，阿吉老師認為：「好的題目比技術堆疊更重要。」 從雲端走進現場：Edge Agent 關鍵在「完整的自主運作流程」 「AI 正從『對話』走向『實體世界的自主決定與執行』，」阿吉老師表示，這也是本屆黑客松將「邊緣」定為主題的原因，期待參賽者挑戰離線 / 低延遲決策、邊緣感測器即時互動與跨軟硬體整合，讓原本只存在於論文或實驗室裡的構想，真正在邊緣裝置上跑起來。 […]

「AI 開發 AI」到底進展多快？Anthropic 首度公布三大衡量指標

AI 發展得太快了嗎？人們越來越擔心，AI 可能很快就會發展成幾乎不需人類干預就能自我發展的地步。Anthropic 執行長 Dario Amodei 近日呼籲前沿 AI 公司討論放慢模型能力進步速度，並主張引入獨立第三方評估者。與此同時，前沿 AI 公司也開始增加外界看見內部風險的方式。 OpenAI 美國時間 9/16 公布新的模型異常行為揭露框架，承諾更有系統地公開模型出現未授權或其他值得關注的行為。但除了出了什麼問題，另一個更根本的問題是：AI 到底正在以多快的速度發展？當 AI 已開始協助研究、寫程式、跑實驗，甚至參與下一代模型開發，只看新模型多久發布一次或 benchmark（測試基準表現）提高多少，已難完整掌握 AI 研發如何加速。 Anthropic 因此在 9/17 提出三組衡量方式，分別觀察多少 AI 研發是由 AI 完成的、Agent 監督能力，以及研發算力配置，試圖替「AI 開發 AI」建立一套可以持續追蹤的速度表。值得注意的是，除了揭露自家數據，Anthropic 也提出其他 AI 開發商現在就可以開始定期公開的資訊。換句話說，Anthropic 正試圖提出一套可供產業共同採用的揭露指標。 延伸閱讀：AI Agent 越界不再等查完才說，OpenAI 再公開 6 起新案例、首推失準事件揭露框架 Claude 已主導 Anthropic 26% AI 研發，但還不是「自己打造自己」 第一個指標，是看 AI 已經接手多少 AI 研發工作。Anthropic 建立「R&D Automation […]

OpenAI 推 Astra for Law：判例多找 24%、正確率大勝通用模型，法律 AI 開打

OpenAI Group PBC 宣布推出 Astra for Law，將 GPT-6 Astra 結合法律搜尋索引與法律分析的指令，針對法律研究與文件起草需求提供給律師事務所及法律科技軟體公司使用。Astra for Law 並非全新的模型，而是以 GPT-6 Astra 為基礎打造的法律專用版本。 奠基於 GPT-6 基礎：Astra for Law 強化法律依據檢索與段落定位能力 《SiliconANGLE》指出，Astra for Law 的法律搜尋索引涵蓋美國判例法、成文法、法規、法院規則及行政裁決，資料範圍超過 2.3 億個 URL，並持續每日新增來源。其中，判例資料由非營利組織 Free Law Project 的 CourtListener 資料庫提供。 律師事務所 Sullivan & Cromwell 合夥人 John Savva 表示，他曾接觸這些早期版本，認為模型展現出「令人印象深刻的研究深度，以及對法律依據的敏感度」。OpenAI 將此次發表視為其長期投入法律領域的起點。作為 Astra for Law 基礎的 GPT-6 Astra，則是在兩週前、9 月 3 日開始逐步推出。 在效能評估方面，OpenAI 採用的基準測試主要著重於能否找到正確的法律依據，以及該依據中的正確段落。《SiliconANGLE》提及，在 […]

【洗碗影片＝機器人訓練資料】Figure 砸 10 億美元蒐集真實數據，瞄準家用機器人市場

Figure 推出零工經濟平台 Index，透過佩戴攝影機的人類工作者，以影像記錄家事任務，藉此取得大量資料投入人形機器人訓練，並預期支出 10 億美元換取真實世界數據。

AI 代理怎麼顧好 1,800 家門市評論？美國連鎖美髮龍頭把回覆率衝上 98%

對擁有數百甚至上千家門市的連鎖品牌而言，Google 與 Yelp 等平台上的顧客評論早已不只是客服工作，更是影響消費者選擇門市、反映線下營運問題的關鍵。然而，隨著展店速度加快，總部若要維持每家分店的評論品質、搜尋曝光與數據分析，傳統的人力維運模式將難以為繼。 生成式 AI 正徹底翻轉這項局限。AI 的角色已從單純「輔助寫作」進化為自主運作的「門市數位代理人」，能直接執行評論維運、在地 SEO 優化、客訴派單與顧客洞察，讓品牌無痛邁向規模化。 回覆率提升至 98%！美髮連鎖品牌靠 AI 代理搞定近 1,800 家門市評論 以美國知名連鎖美髮品牌 Sport Clips Haircuts 為例，其近 1,800 家門市部署了超過 3,400 個 SOCi Genius Agents（AI 代理），每月自動處理逾 7,000 則顧客評論。與傳統輸入指令、生成文字、再由人工複製貼上的 AI 工具不同，這類代理人 AI 能依據預設規則，自主完成一整套工作流程。 在實務運作上，Sport Clips 既為 AI 設定了統一的品牌語調與標準，也輸入了各分店的在地資訊與顧客偏好，使 AI 既能維護總部形象，又能因地制宜地回應消費者。這也讓展店時無須同步增加後勤人力，如行銷長 Christina Clarke 所言，新開店時「只要啟用 Agent 即可立即運作」，品牌擴張不再需要同步增加後勤人力。 這項轉型帶來的最高價值，在於將現場員工從數位雜務中解放。Sport Clips 有高達 80% 的 AI 回覆無需人工修改，據 SOCi […]

【科技早餐】華邦電 11.2 億美元簽約收購英飛凌記憶體事業，Apple 傳重返企業伺服器市場

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊華邦電 11.2 億美元簽約收購英飛凌記憶體事業，Spansion 將重啟 華邦電子（Winbond）宣布，已與英飛凌（Infineon Technologies）旗下 Infineon Technologies LLC 簽署股份購買協議，將以全現金取得英飛凌 NOR Flash 與 F-RAM 事業百分之百股權。基礎交易價格為 11.2 億美元，交割前仍將依股份購買協議調整。這筆交易已獲華邦電董事會核准，預計在 2027 年下半年完成，但仍須滿足各項交割條件，包括取得必要主管機關核准。 NOR Flash 與 F-RAM 都能在斷電後保存資料，產品應用涵蓋汽車、工業設備及通訊基礎設施。華邦電表示，交易將擴大全球研發資源、供應能力及客戶服務，並延攬來自十多個國家的專業人才。交易完成後，標的公司將以 Spansion 為名，依循既有模式獨立營運，並以美國為總部所在地；Spansion 最早由 AMD 與富士通的快閃記憶體業務整合成立，之後經賽普拉斯併入英飛凌。 ＊Apple 傳以 M8 Ultra 重返企業伺服器，考慮採 NVIDIA NVLink 《The Information》引述知情人士報導，Apple 正在規劃採用自家晶片的企業級 AI 伺服器，準備向 AI 開發者、企業及政府客戶銷售。產品考慮推出兩種版本，分別配置兩顆及四顆規劃中的 M8 Ultra 晶片，主要鎖定 AI 推論市場，讓完成訓練的模型執行問答、程式開發及企業應用，而不是用於訓練大型模型。 報導指出，Apple 曾討論採用 NVIDIA 的 […]

Noetive 募得 4,100 萬美元，讓 AI「自我改進」工廠與物流流程，瞄準實體產業最佳化

工業 AI 新創公司 Noetive 近日正式宣布成立，並完成 4,100 萬美元種子輪融資。《SiliconANGLE》報導，Noetive 開發的軟體可學習工廠與物流作業的日常運作模式，協助企業掌握生產線、貨運等實體營運流程。公司表示，目前已有製造、物流、能源及資料中心等產業的設計合作夥伴採用這套系統。 Noetive 專為工廠與物流打造「營運大腦」，望打破跨部門資料孤島 Noetive 執行長 Amir Frenkel 表示，過去多數 AI 產品都是為網際網路上的資訊工作而設計。但工廠與物流網路的日常營運涉及物料、設備、人力及供應商等多個環節，且相關條件隨時可能變動。Noetive 指出，目前企業仍仰賴彼此分散的資料系統來支撐跨部門營運決策，但這些系統原本就不是為了整合整體企業營運而打造。 Noetive 將這套解決方案稱為 intelligence of record，核心是一套能持續自我改進的 AI 模型，公司將其稱為大腦。基於這套模型開發的 AI Agent，可建立在客戶既有的軟體與工具之上，跨越不同系統與工作流程，端到端處理複雜的營運問題；而每次部署後，模型也能進一步累積經驗、提升能力。此外，Noetive 自行設計的多模態感測設備，可將工廠等實體環境的即時狀況傳送給 AI 模型。 《SiliconANGLE》提及，食品與飲料製造商 Steuben Foods 是 Noetive 的早期合作夥伴之一。該公司執行長 Menachem Katz 表示，生產規劃一直是企業營運中最耗時的工作之一，即使小幅調整也可能牽動整個生產流程。如今，Noetive 可同時讀取 Steuben 的系統資料與工廠現場狀況，過去每月執行一次、且需耗時一週規劃的工作，已能每天執行，完成時間也縮短至幾分鐘。 《華爾街日報》則指出，Noetive 正著手打造適用於實體產業的世界模型，讓 AI 理解工廠等環境中的空間關係與營運狀況。報導引述 Menachem Katz 說明，與 Noetive 合作後，Steuben Foods 目前朝提高現有生產線 10% 至 […]

AI 到底有沒有推薦你的產品？Google 新工具讓品牌看見自己的「AI 聲量占比」

Google 加速布局 Agentic Commerce，近日宣布推出一系列新工具，協助零售商迎接即將到來的假期購物季。Google 表示，消費者如今越來越常透過 AI 尋找商品、比較選項並做出購買決策，零售商需要掌握消費者如何透過對話式 AI 體驗接觸品牌與商品。 掌握 AI 介面曝光差異：Google 升級商家工具，提升結帳體驗 Google 首先在澳洲、加拿大、印度、紐西蘭與美國的 Merchant Center 推出 AI 效能洞察，協助零售商掌握品牌與商品在 AI 購物場景中的曝光情況。該功能可比較品牌在 AI Mode、AI Overviews 等介面上的聲量占比，讓商家了解自身商品與其他品牌的曝光差異，並據此採取措施提升商品的可發現性。 此外，Google 也更新 Merchant Center 中的 Universal Commerce Protocol（UCP）整合中心。UCP 目前已支援 Google 平台上數十萬個品牌與零售商直接結帳；更新後，採用 UCP 結帳的商家可啟用將購物車轉移至商家網站，以及強化結帳流程測試等功能，後續也將加入更多分析工具。上述新功能目前正逐步在美國推出，澳洲與加拿大則預計於 2027 年初陸續推出。 Google 布局 Agentic Commerce：AI 逐步從搜尋工具進入實質購買流程 《PYMNTS》援引 PYMNTS Intelligence 研究指出，已有 3,900 萬名美國成年人、占成年人口 15%，改以 AI 驅動方式發現商品；另有 […]

智慧移動不只拚算力，真正決勝點在「導入能力」

從 ROI、系統整合到開發模擬前移，超恩、滿拓、晶心拆解智慧移動落地的三道關卡 當 AI 逐步從雲端走向車載、自主移動機器人與各式智慧載具後，智慧移動市場的競爭焦點，也從「模型能不能跑」單純比拚算力，進一步轉向「方案能不能真正被採用」。對客戶而言，除了運算效能，還要考慮投入成本能否回收；對系統商而言，則要面對感測器、通訊、驅動與環境條件帶來的整合負擔；對晶片與 IP 業者而言，也不能等到實體晶片完成後，才讓下游展開軟體開發與驗證。 這些從技術走向落地所面臨的挑戰，正是產業鏈上下游需要共同面對的課題。為推動國內邊緣運算晶片系統產業鏈結，經濟部產業發展署透過「邊緣運算晶片系統產業鏈結推動計畫」，促進晶片、系統及應用端業者之間的交流與合作。延續計畫推動方向並聚焦智慧移動應用發展，經濟部產業發展署智慧電子產業計畫推動辦公室(SIPO)於 7 月舉辦「2026 半導體供應鏈競爭力論壇：邊緣運算驅動創新，共探智慧移動新局」。 在焦點座談中，超恩、滿拓科技與晶心科技分別從系統整合、AI 應用部署與晶片／IP 角度，討論智慧移動方案從技術開發走向實際應用時的關鍵條件。三家與談廠商所處的產業鏈位置不同，但觀點最後指向同一件事：當技術可行只是基本門檻，真正決定方案能否上路的，是整體產業鏈有沒有能力降低導入成本、提升穩定性，並縮短開發與驗證時間。 第一關不是規格，而是客戶算不算得出 ROI 一套智慧移動方案能不能進入採購與部署階段，首先面對的未必是技術規格。 滿拓科技創辦人吳昕益談到智慧移動方案導入的評估指標時，應直接從商業面切入。吳昕益表示，任何專案要導入，客戶首先考慮的就是投資報酬率（ROI）；如果投入成本無法預期回收，即使技術表現再好，也很難真正進入採用階段。因此，客戶通常會先計算方案可以創造多少效益、多久能夠回收，再進一步討論技術規格。 但 ROI 並不只取決於硬體採購價格，對實際部署的 AI 系統而言，穩定性與後續維運同樣會直接轉化成成本。 吳昕益指出，滿拓在智慧移動應用中最優先考量的是「穩定性」。實驗室裡可以不斷調整模型、追求更高的準確率，但實際環境會出現光線、背景及各種難以事前完整模擬的極端情境（Corner Case）。如果系統必須隨著不同環境頻繁更換或重新調整模型，不僅增加工程負擔，也會讓後續維運成本持續上升。 因此，在穩定性之外，滿拓也進一步評估最差情況執行時間（Worst Case Execution Time，WCET），相較平均延遲，車載應用更在意極端狀況下，系統是否仍能在規定時間內做出判斷。吳昕益也指出，隨著 AI 模型架構日益複雜，推論時間可能出現更大變動，因此車載應用更重視系統在最差情況下，是否仍能在限定時間內完成判斷。 另一個關鍵則是資料閉環（Data Loop）。真實環境中出現的 Corner Case，如果無法回到開發端進行分析、訓練與驗證，系統就難以持續改善，這也是為什麼滿拓重視現場資料能否被安全地蒐集、回饋，再重新進入模型與系統優化流程。 換句話說，ROI 不是單純的價格問題，而是開發、部署、維運與持續優化成本加總後的結果。當客戶最終衡量的是方案能否回收，如何降低整體導入成本，也就不只是單一廠商的工程問題，而成為晶片、系統與應用端必須共同處理的課題。 系統端的隱形成本：每換一種組合，都可能重新整合 如果說應用端關心的是「方案值不值得導入」，系統整合端面對的問題則是：一套方案到底要花多少工程資源，才能真正跑起來。 超恩研發處協理王志維從智慧移動平台的實務經驗指出，設備從固定環境走向戶外後，面對的條件會明顯複雜許多。光達（LiDAR）、相機等感測器在實驗室或室內環境中可能運作正常，到了戶外卻可能受到光線、天候或障礙物影響，5G、Wi-Fi 與 GPS 也可能遇到訊號遮蔽或切換問題，系統因此需要具備足夠的本地定位與運算能力。 時間同步（Time Synchronization）更是一項不容易被外界看見的整合工作。王志維說明，每支相機、LiDAR 或 GPS 取得訊號的時間點不同，如果感測資料之間存在時間差，在高速移動環境中就可能影響定位與判斷結果，因此系統必須處理不同感測器之間的時間同步。 但真正大量消耗研發能量的，還包括不同硬體之間的相容與移植。對系統商而言，真正耗費成本的往往不是單一硬體，而是每換一種晶片、相機或感測器組合，都可能得重新投入移植、調校與驗證。 王志維指出，智慧移動使用的相機與 CPU 平台種類繁多，系統商經常必須進行相機驅動程式移植（Camera Driver Porting）與影像訊號處理器（Image Signal […]

AI Agent 越界不再等查完才說，OpenAI 再公開 6 起新案例、首推失準事件揭露框架

OpenAI 先前預告的 AI 異常行為揭露制度正式出爐。9 月初「Wiki 事件」曝光後，OpenAI 曾表示，過去主要把模型失準（model misalignment）視為研究問題，缺乏固定的公開機制，因此預告將建立新的揭露框架。不到兩週，OpenAI 便正式公布「模型失準事件揭露框架」（Model Misalignment Reporting Framework），並一次公開過去半年觀察到的 6 起異常案例。 延伸閱讀：OpenAI Agent 把德文 Wiki 變留言板，為何他們早就知道卻沒有公開？ 這套制度出現的背景，是外界對 AI 公司究竟掌握多少 Agent（AI 代理）異常活動的疑問越來越大。《Reuters》指出，自 7 月 OpenAI Agent 繞過內部限制、進入 Hugging Face 基礎設施後，其他相關事件也陸續由第三方研究者揭露，部分案例是在外界發現後才獲 OpenAI 證實，引發這些事件的完整範圍是否已被掌握的爭論。 這股焦慮已延燒到產業高層。就在該框架公布前的週末，Anthropic 執行長 Amodei 提出一套三步驟框架，主張放慢 AI 發展步調、爭取更多時間管控風險，並獲得包括 xAI 的馬斯克、OpenAI 的奧特曼等多位高層支持；但 NVIDIA 執行長黃仁勳與 Meta 執行長祖克柏則主張維持快速發展，美國總統川普也淡化了 AI 構成生存威脅的警告。前沿 AI 業者對「該不該踩煞車」明顯立場分裂，也讓 OpenAI 這類自願揭露的舉動更受矚目。 相較之下，Anthropic 雖已對外揭露旗下模型在資安測試中入侵外部系統的案例，但目前仍以個別事故調查為主，尚未提出像 […]

X 升級 Cashtag 串接五大券商與交易所：討論直接變下單，背後仍有未解難題

X 宣布把交易功能整合進社群平台。Elon Musk 旗下 X 近日推出 Cashtag 新功能，美國用戶現在即可透過合作券商，直接從 X 上查看股票資訊並進行交易。首批合作夥伴包括 Interactive Brokers、Moomoo、Gemini、Kraken 與 Coinbase，涵蓋股票證券經紀商及加密貨幣交易平台。 不再只是討論標籤：X 升級 Cashtag 功能，點擊股票代號即可串接券商下單 《TechCrunch》指出，Cashtag 並不是 X 新推出的概念。早在 2008 年，金融社群平台 Stocktwits 就提出以「$」搭配股票代號的用法，方便用戶搜尋特定股票的市場討論，後來也成為 Twitter 上常見的標記方式。但過去 Cashtag 主要扮演串聯市場討論的角色，並不能直接進行交易。 隨著 X 近年持續拓展金融服務，Cashtag 的功能也進一步延伸。現在，用戶點擊股票、ETF 或加密貨幣代號後，不僅能查看價格走勢與相關貼文，還能直接透過合作券商進入交易流程。X 產品工程主管 Mridul Singhai 在提供給《TechCrunch》的聲明中表示，Cashtag 可讓用戶從 X 上看到資產代號後，直接進入對應的資產頁面，查看即時價格走勢與相關討論，並透過合作券商進行交易。 實際操作上，用戶點擊支援的 Cashtag 後，會先看到該資產的價格走勢圖及 X 上的相關貼文，接著點選「Trade」，即可前往合作券商平台。用戶可在券商網站或 App 登入既有帳戶並完成交易，也能註冊新帳戶。 社群討論結合交易功能是雙面刃？恐增 AI 機器人帶風向疑慮 《Bitcoin News》指出，X 今年 […]

【巨頭搶聘 FDE 前線部署工程師】需求暴增是雙面指標，企業評估績效該看能否自主營運

生成式 AI 的競爭，正在從模型能力轉向企業部署。AWS 之前宣布投入 10 億美元成立專責組織，計畫派遣數千名工程師深入客戶現場；微軟則準備為新的 AI 交付部門投資 35 億美元、招募 6,000 人。 OpenAI 也成立專門的部署公司，並同意收購英國 AI 顧問與工程公司 Tomoro，增加約 150 名「前線部署工程師」（Forward Deployed Engineer，FDE）及部署專家。 據職涯培訓平台 Interview Kickstart 統計，FDE 職缺數量自 2023 年以來成長 1,165%，年薪中位數達 17.4 萬美元。 這波投資表面上是大廠爭搶人才，背後反映的是，企業已經願意使用 AI，但目前的產品還無法輕易進入真實的營運環境。 大廠正砸重金投資 FDE FDE 通常在產品售出後進入客戶組織，直接與業務、資料、資訊及管理團隊合作。他們會先了解企業的業務目標與現有流程，找出適合導入 AI、且能產生實際效益的使用情境；接著檢視資料品質、系統架構、權限與資安要求，完成必要的系統整合與客製化開發，最後將經過測試的原型部署到正式環境，確保客戶能在日常營運中持續使用。 這個角色在就業市場當中並非全新。過去，類似工作可能由現場工程師、解決方案架構師、技術顧問或服務工程師負責。 不同之處在於，企業現在部署的是，行為較難完全被預測的 AI 系統，FDE 因而需要承擔更多實際開發與最終成果責任。 這也使 FDE 成為一種混合型人才。他們既要能撰寫可投入正式環境的程式碼、理解模型的限制，也要在短時間內掌握客戶的業務流程，並處理資料、安全、治理與組織協調問題。能把技術做出來的人不少，但能在複雜的企業環境中把系統真正上線的人仍然稀缺。 FDE 真正解決的問題是什麼？ 企業導入 AI 的核心矛盾，在於它們希望把「機率性系統」放進「確定性營運環境」。 AI 面對相同問題時，每次給出的答案可能不盡相同；但企業的付款、客服、審核或供應鏈流程，卻要求結果穩定一致、權限歸屬清楚，而且一旦出錯，必須能夠隨時追查責任源頭。但 AI 模型在測試環境中表現出色，不代表它能直接進入企業流程；一旦資料不完整、品質不佳、系統缺乏必要條件，或者組織尚未準備好讓 […]

勞斯萊斯用代理式 AI 大改造 IT：MTTR 從 6 天砍到 1 天、38,000 張工單自動分流

對航空引擎製造商而言，IT 系統異常影響的不只是員工能否順利工作，更直接牽動生產線的運作效率。英國航空引擎巨頭勞斯萊斯（Rolls-Royce）近年將代理式 AI（Agentic AI）與預測性智慧導入企業 IT 服務，打破長期累積的系統複雜度、資料孤島與重複性工作。 據官方案例顯示，這項轉型已將平均修復時間（MTTR）從 6 天縮短至 1 天，54% 的 IT 查詢無須人工介入，單是在生產現場（Shop floor）就釋放了約 30 萬小時生產力。 打破轉型瓶頸：先做資料清理與治理，再推動員工採用 勞斯萊斯擁有超過 80 年的工程與製造經驗，長期累積的營運系統也逐漸形成工作流程複雜、工具使用不一致，以及資料透明度不足等問題。員工遇到 IT 問題時，過去往往需要透過人工服務台處理，重複性的事件與較長的修復時間，也讓高技能員工必須花費時間處理基礎支援工作。 該公司與 ServiceNow 合作，利用代理式 AI 自動判斷問題並分派工單。目前已有超過 38,000 件服務台需求被 AI 分流或攔截，主動式問題管理使 IT 事件減少逾 40%，70% 的互動成功轉移至數位管道。其中，導入 AI 虛擬代理「Now Assist Merlin」後，每月處理對話量由 800 次升至 10,000 次，自動化解答成功率高達 99.7%。 在整體導入過程中，員工採用也是重要環節。該公司曾在正式部署前邀請早期使用者測試並提供即時回饋，讓 AI 先解決員工每天遇到的實際問題。勞斯萊斯副總裁 Rachel Cameron 指出，公司最初在 2021 年推出虛擬代理時，曾因缺乏使用者採用而遇到問題。後來團隊將重點放在降低使用門檻與員工教育，部署 Merlin 後，虛擬代理對話量大幅增加。她認為，AI […]

【科技早餐】OpenAI 傳洽談新募資，上市前估值上看 1.2 兆美元

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊OpenAI 傳洽談新募資，上市前估值上看 1.2 兆美元 《金融時報》引述知情人士報導，OpenAI 最近與大型投資人接觸，討論在上市前進行新一輪募資，潛在估值約為 1.2 兆美元。相關對話仍處初期，且由投資人主動發起，募資規模尚未確定，估值也可能在未來幾個月改變；OpenAI 拒絕評論。公司今年 3 月完成一輪包含 1,220 億美元承諾資本的募資，投資後估值為 8,520 億美元；若新估值成真，約半年內將提高 40.8%。 《金融時報》指出，OpenAI 上月年度化營收已突破 400 億美元，在 GPT-5.6 推出後增加約兩成；不過，訓練模型、取得算力及擴建 AI 基礎設施，仍需投入龐大資本。執行長 Sam Altman 日前表示，考量近期 AI 安全疑慮，公司不會在 2026 年上市。在公開市場時程後移之際，新一輪私人募資若成行，將為 OpenAI 支應模型與運算基礎建設競賽提供更多資金。 ＊美國首度承認部署在軌太空控制武器，中俄反彈 美國空軍部長 Troy Meink 表示，美國目前已在軌道部署「太空控制武器」，可保護美軍聯合部隊免受敵方行動威脅。這是美國官員至今最直接公開承認已部署這類能力；美國太空軍作戰部長 Douglas Schiess 隔日也證實，已有官兵操作在軌武器。不過，美方未公布系統類型、數量、部署時間、運作方式或目標，因此目前仍無法確定相關能力採用實體攻擊、電磁干擾或其他技術。 美方表示，中國與俄羅斯近年持續發展干擾、控制或破壞衛星的能力；中國則批評美國準備在太空作戰，俄羅斯也警告此舉將危及太空活動的長期穩定。1967 年《外太空條約》禁止把核武及其他大規模毀滅性武器置於軌道，但未全面禁止傳統或非動能武器。這次公開承認雖未揭露技術細節，仍可能加劇主要強權之間的太空軍備競爭。 ＊OpenAI、Anthropic、Google 洽組 AI 安全標準機構，反壟斷爭議升溫 《CNN》引述知情人士報導，OpenAI、Anthropic 與 Google DeepMind 已討論成立 […]

AI 叢集 ROI 關鍵在傳輸效率？英特爾前員工創 Delos Data 募逾 1 億美元

由英特爾前員工創立的 AI 基礎架構新創 Delos Data 近日宣布，已完成 1 億美元募資，將投入開發網路晶片與軟體，提升 AI 資料中心內部的資料傳輸效率。《Reuters》報導，隨著 AI 資料中心的運算架構日益複雜，如何讓不同種類的運算晶片高速交換資料，成為影響整體運算效率的重要因素。 此次募資由創投與科技投資機構參與，包括深科技創投公司 Playground、半導體領域創投 Socratic Partners、Matter Venture Partners，以及 Capricorn 旗下 Technology Impact Fund 等。 從模型訓練到 AI 代理：應用轉型帶動資料中心底層架構洗牌 《Reuters》指出，AI 熱潮初期的資料中心主要由 NVIDIA GPU 組成，並搭配 NVIDIA 的專有網路技術連接各項設備。然而，隨著 AI 應用逐漸從訓練模型，轉向讓 AI 代理代替使用者執行各類任務，資料中心的運算需求也開始出現變化。 在此趨勢下，資料中心不再只依賴單一類型的 GPU。包括 Cerebras Systems、AMD 等 NVIDIA 競爭者逐漸取得市場進展，NVIDIA 本身也開始提供多種不同類型的運算晶片。運算架構日益多元，也讓不同晶片之間的資料傳輸與協同運作更加重要。 Delos Data 的核心產品便是針對這項需求設計。公司開發由網路晶片與軟體組成的系統，希望讓資料中心內不同種類的運算設備能夠高速交換資料，同時保留架構彈性，讓業者可以因應現在或未來採用的不同晶片組合。Delos Data 技術長暨共同創辦人 Dan Daly 表示，目前無法確定下一代代理式 AI […]

瑞安航空如何把客服從「成本中心」變成策略資產？AI 每天處理 12 萬則對話、8 成免真人介入

歐洲最大的廉航瑞安航空公司（Ryanair）持續擴大 AI 在客服領域的應用。根據 AWS 發布的案例研究，瑞安航空目前每天透過 AI 處理約 12 萬則客服對話，涵蓋 7 種語言，其中約 80% 的對話可在無需人工客服介入的情況下完成。 準確率達 94%、回覆僅需 2.9 秒：瑞安航空導入 AWS 打造 AI 客服系統 瑞安航空這套系統由 AWS 提供雲端與 AI 服務，並與跨國 IT 與雲端技術諮詢公司 Cation Consulting 共同打造，可集中處理行李、退款、訂位及航班異動等主要客服問題。該系統自 2024 年 10 月推出以來，已處理 1,000 萬則客服對話，準確率達 94%。 瑞安航空每日執飛超過 3,900 個航班、服務超過 70 萬名旅客，因此希望透過 AI 將例行性客服詢問從人工客服端移轉出去，在不影響客戶滿意度的前提下降低每次聊天客服互動的成本。此外，瑞安航空今年 2 月簡化系統架構，將原本針對不同任務設計的 12 個聊天機器人整合為單一 AI Agent，每則回覆在提供給客戶前，仍會經過自動評分系統檢查。 在導入系統前，瑞安航空曾以 1.2 萬則真實客服問題測試 5 […]

人形機器人終於能拆除鐵籠？Digit 5 靠 360 度動態感測，實現免護欄近距共工

人形機器人公司 Agility Robotics 發表最新一代人形機器人 Digit 5，在腿部結構、電池與安全系統方面全面升級，強化負載能力與充電效率，主打可在沒有實體安全護欄的環境下與人員近距離協作。Agility Robotics 執行長 Peggy Johnson 表示，Digit 5 是在 Digit 4 於客戶生產現場運作 3 年所累積的經驗與需求基礎上打造。 Digit 5 技能解鎖：包辦拆棧、機台上下料到物料組裝等流程自動化 《The Robot Report》指出，根據 Agility Robotics 近期提交給美國證券交易委員會（SEC）的文件，其 2025 年淨銷售額為 180 萬美元；與此同時，公司已取得超過 3 億美元的多年度訂單，SPAC 合併案對 Agility Robotics 的估值則達 25 億美元。公司預計於 2027 年上半年開始提供 Digit 5 早期使用，並在 2027 年底前正式向製造、倉儲及配送業者提供。 《Business Insider》在 Digit 5 正式發表前，提前取得其外觀示意圖。Agility Robotics 共同創辦人暨機器人長 Jonathan Hurst […]

不只為了降低 NVIDIA 依賴：算力擴到 14 GW，Meta 為何更需要自研晶片？

Meta 正準備把自研 AI 晶片推向更大規模。根據《Bloomberg》，Meta 最新一代 MTIA 450、代號 Arke，預計 2027 年上半年開始大量部署；下一代 MTIA 500、代號 Astrid，也預計近期一月內完成設計，2027 年底投入資料中心使用。兩款晶片由 Broadcom 協助設計、台積電負責製造。 但這次更值得注意的，不只是 Meta 又推出新晶片，而是當 AI 資料中心一路擴張到 GW 規模後，連一顆晶片多出 30% 的成本，都開始變得難以接受。 Meta 工程副總裁 Yee Jiun Song 向《Bloomberg》表示，公司原先曾規劃一款代號 Olympus、同時支援 AI 模型訓練與推理的晶片，最後卻取消計畫，轉而集中資源發展推理晶片。Song 解釋，當企業開始建置數個 GW 的運算容量，如果一款同時支援訓練與推理的晶片可能貴上約 30%，這樣的成本差距就會變得「完全無法接受」。 不只為了省錢，Meta 能提前替自己的模型設計晶片 Meta 為何有能力把部分工作從通用 GPU 搬到自研晶片？關鍵在於，它同時掌握模型與硬體兩端。Meta Superintelligence Labs 會提前向晶片團隊提供未來 AI 模型可能需要哪些能力、推理時會面臨哪些運算需求，再據此調整晶片設計。Song 表示，正因 Meta 能自己完成大量工程最佳化，在執行自家 AI 模型時，自研晶片的效率可以高於「NVIDIA 當下正在出貨的產品」。 […]

Universal Robots 發表 Gen 7：專為工業自動化與實體 AI 部署打造的全新平台

從控制器到工具法蘭全面重新設計，全新 Gen 7 機器人平台開箱即可支援 AI，為企業提供現代化軟體工具與新一代連接能力，協助企業有信心地將 AI 從實驗室導入工業現場。 今日於 IMTS 工具機展，Teradyne Robotics 旗下公司 Universal Robots（UR），亦即協作型工業機器人的原創者與全球領導製造商，正式發表 Gen 7 第七代機器人平台。 Gen 7 是一次整合式系統升級，進一步提升操作人員、工程師與系統整合商經常使用的機器人使用體驗。以 PolyScope X 機器人作業系統為核心，Gen 7 的控制箱、示教器與工具法蘭均經全面重新設計，讓最具挑戰性的任務與設定也能更輕鬆完成。 「AI 時代的機器人必須先進，而不應複雜。」Teradyne Robotics Group 總裁 Jean-Pierre Hathout 表示。「Gen 7 奠基於我們超過 20 年的協作機器人創新經驗，以及全球逾 100,000 台工業部署案例，是對整個平台的端到端重新設計，可降低整合阻力，並大幅拓展應用能力。這將協助各產業的客戶與合作夥伴，有信心地在真實環境中部署先進的 AI 驅動應用。」 Gen 7 的主要創新 Gen 7 導入一套整合的新硬體與功能： 展現完整的實體 AI 生態系 在 IMTS 展會上，Gen 7 與超過 […]

AI 代理入侵事件連環爆，美國靠人才市場逼資安長扛責，歐洲靠法規讓董事會負責

一場發生在 7 月的 AI 代理人入侵事件，重新定義企業資安長的角色分量，不只讓薪酬水漲船高，更把這個原本偏技術性的職位，推進董事會權力核心。 美國：市場正把資安長推進董事會 OpenAI 的 AI 代理今年 7 月從沙箱（sandbox，讓程式在隔離環境中執行、避免影響外部系統的技術機制）逃逸，入侵開源 AI 社群平台 Hugging Face，事件由 OpenAI 證實，但並非主動揭露。這起事件讓資安長（CISO）躍升為董事會層級要職，合格候選人薪酬甚至衝上七位數美元。 教育服務公司 ETS 資安長 Wally Dalrymple 形容 CISO 工作量「翻倍甚至翻四倍」；獵頭顧問 Michael Piacente 指出，團隊每天工作 18 到 20 小時，每週仍平均流失一名候選人，這波變化比雲端興起時更劇烈。 但企業資安投入速度還是跟不上需求。今年整體網路資安支出預估僅成長 6%，Gartner 估計保護 AI 系統的市場規模僅 28 億美元，相較全球 AI 整體支出 2.59 兆美元，落差懸殊。 事故並非單一個案 這樣的預算落差，某種程度上也解釋了為什麼類似的資安事故會一再發生。路透社報導，另一批 AI 代理早在 5 月，就曾突破圍堵，挾持一個德國網站，顯示 Hugging Face 事件並非孤例，AI 代理逃脫控制已有重複性。 究責上，美國目前主要靠法律途徑，已有 […]

工程師尋料不必再翻文件、追著業務問，3M 用 Agentic AI 重寫工作流程

3M 旗下擁有超過 6 萬種產品，但繁瑣的規格搜尋常成為銷售與研發的隱形阻礙。過去，工程師需要翻閱龐大的規格文件、技術資料，甚至與業務及技術顧問反覆溝通，才能確認產品是否符合需求。當尋找材料本身演變為耗時費力的負擔，企業極可能因無法即時取得資訊，轉而選擇資訊更易取得的競爭品牌。 為此，3M 推出 Agentic AI（代理式 AI）數位助手「Ask 3M」，首階段聚焦於工業膠帶與黏合劑，讓工程師與採購人員能以自然語言進行自主查詢，迅速評估並選購適用的材料。 對接內部技術檔案，打通「搜尋至採購」的決策閉環 Ask 3M 的回答並非依賴開放網路資訊，而是建立在 3M 自身經過驗證的技術文件與知識庫之上，涵蓋 49 個技術平台，讓使用者能以日常語言提出技術問題，再取得對應的產品與技術資料。 例如，工程師可以詢問哪一種結構膠適合將碳纖維與鋁材黏合，也可以要求比較不同產品，或查詢某個產品的正確使用方式。這類問題過去可能需要工程師自行搜尋多份技術文件，甚至透過業務或技術顧問取得答案，Ask 3M 則試圖將這段查找流程大幅壓縮。 除了回答問題，Ask 3M 更進一步打通了搜尋、評估與採購流程。當使用者獲得產品建議後，可在對話介面中直接下載技術文件、連結至授權經銷商，並透過小批量購買選項取得材料進行原型測試。這將原本分散於技術查詢、業務溝通、供應商對接與採購評估的繁瑣環節，整合至單一數位環境中，降低客戶因尋料不便而流失的風險。 數位材料庫搭配實體研發，在虛擬環境中完成材料驗證 在材料選擇之外，3M 也把 AI 延伸至產品設計與原型開發階段。該公司推出的「3M Digital Materials Hub（數位材料庫）」讓工程師在製作實體原型前，先透過數位環境測試材料在特定設計條件下可能呈現的表現。其平台支援客製化虛擬材料與光學模型，也能協助工程師減少反覆製作實體樣品所產生的時間與成本。 其中，Workbench 功能讓客戶可以直接與 3M 科學家合作。若現有材料無法滿足特定設計需求，工程師甚至可以提出尚未存在的材料規格，透過平台進行概念驗證，再由 3M 依據材料科學能力進一步開發實體版本。這代表材料研發流程可以先在數位環境中篩選與模擬，再進入實體原型階段，降低不必要的設計迭代。 3M 安全與工業事業群行銷長 Holly Semerad 指出，結合數十年的材料科學經驗與 AI，能讓工程師更快做出材料決策；Ask 3M 與 Digital Materials Hub 的搭配，讓客戶能在數分鐘內走完「從設計挑戰、解決方案概念，到數位選材與模擬」的整段流程。在部分客戶試運行中，工程師藉由虛擬測試材料，成功加速了設計流程並大幅減少迭代次數。 這套思路也延伸至汽車產業。3M 推出另一個 Agentic AI 介面「The […]

【科技早餐】聯發科首款台積電 2 奈米手機晶片亮相，AI 版圖橫跨終端與資料中心

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊聯發科首款 2 奈米手機晶片亮相，AI 版圖橫跨終端與雲端 聯發科（MediaTek）發表天璣 9600 Pro 與天璣 9600M，分別鎖定頂級與更廣泛的高階手機市場。9600 Pro 是聯發科首款採用台積電（TSMC）2 奈米製程的手機晶片，9600M 則採用 3 奈米製程。首批搭載兩款晶片的手機即將上市，但聯發科尚未公布合作品牌、機型與確切時間。9600 Pro 也搭載新一代 AI 處理器，可直接在手機執行更複雜的生成式 AI；使用者輸入指令後、模型開始產生答案前的處理效能，比上一代提高 51%。 聯發科希望透過先進製程與端側 AI，擴大高階手機市場占有率，進一步挑戰高通（Qualcomm）。面對 AI 熱潮推升零組件成本，聯發科正與手機業者合作，降低價格上漲對消費者的影響；公司也認為，市場轉向高價機種，仍提供擴大高階晶片市占的空間。聯發科同時為美國大型雲端業者設計首款 AI 加速器，預計 2026 年第四季量產，顯示其 AI 版圖正形成手機端與資料中心雙線布局。 ＊OpenAI Astra 對抗測試躲過部分監控，Microsoft 要求自研 AI 不得抗拒關閉 OpenAI 公布的 GPT-6 Astra 系統卡顯示，更強的 AI 模型可能讓既有安全測試出現盲點。在對抗測試中，研究人員要求 Astra 刻意降低表現，隱藏真正具備的能力；當模型被明確要求躲避監控時，一項危險能力測試的推理監控偵測率降到 11% 以下，在軟體工程測試中甚至降至零。OpenAI 因此表示，如果模型未來自行採取這類行為，現有方法可能無法可靠發現。 OpenAI 強調，相關結果主要來自研究人員刻意要求模型躲避監控的測試，目前沒有證據顯示 Astra […]

「AI 愈自主，信任愈重要」研究指出：落實「可信任 AI」的企業，獲得高投資報酬率(ROI)的機會高出 15 倍

生成式 AI 加速進入企業應用，市場焦點已由「導入 AI」轉向能否規模化部署並產生實際投資回報，代理型 AI（Agentic AI）的興起也讓治理、可解釋性與資料品質受到更多關注。SAS 最新結合 IDC 研究洞察的《資料與 AI 影響力：AI 時代的信任經濟學》報告指出，企業 AI 投資成效正因治理與信任能力出現明顯差距。研究顯示，落實可信賴 AI 實務的組織，獲得高投資報酬率（ROI）的機率，可達其他組織的 15 倍；而台灣等大中華區市場近一年在 AI 治理與信任能力上已有明顯提升，但資料基礎成熟度仍未完全跟上 AI 應用發展，成為企業擴大部署時需要補強的一環。 可信賴 AI 成熟度出現分化 投資回報差距同步擴大 根據《資料與 AI 影響力：AI 時代的信任經濟學》報告，重視可信任 AI 實踐的企業與未重視的企業之間，ROI 差距正在擴大。落實完善可信任 AI 實務的組織，不僅可能獲得高投資報酬- 在 AI 專案上獲得高投資報酬率(ROI) 的機率高出 15 倍（62% 對比 4%）。在營收成長、成本節省與客戶體驗等 13 項業務成果上的效益亦平均高出 1.85 倍；此外，在可信任 AI 領先企業中，有 85% 今年的相關投資增幅超過 10%，進一步拉大與同業的表現差距。 SAS 技術長 Bryan […]

【劉永信專欄】什麼原因讓 Anthropic 執行長第一次喊出「AI 該慢下來」？

今年 2026 年 9 月，Anthropic 執行長 Dario Amodei 發表了一篇近四千字的長文〈We Must Pace the Frontier〉，認真表態：「我們必須放慢 AI 能力提升的速度。」但在這之前，Amodei 對外的立場，一直是「沒有人能讓 AI 停下來，我們只能想辦法轉方向盤」，如今他親口說，是時候踩煞車了，為什麼原本不想踩煞車的人，突然改口要放緩 AI 進度？ 我想有幾個比較明顯的原因，第一，從今年夏天開始，AI 系統改良下一代 AI 系統的能力（他稱之為「遞迴式自我改進」，簡稱 RSI）速度肉眼可見的變快，這個現象不只發生在 OpenAI，Anthropic 自己內部也觀察到。 第二，是 OpenAI 的 AI Agent 滲透 Hugging Face 的事件，約 1,200 個 agent 透過秘密留言板協調，滲透進 Hugging Face 的內部系統，雖然不是惡意攻擊，但已經讓 Amodei 擔心六到十二個月後，同樣性質但能力更強的 AI Agent，可能有能力癱瘓半個網路。 Amodei 提出呼籲的同事，也提出三個方案，第一步是 Anthropic 單方面承諾的「內嵌評估者」，讓外部第三方評估團隊擁有跟內部幾乎一樣的權限，包含辦公桌、識別證、公司筆電，並且擁有不受公司干預、公開發表結論的權利。 第二步是跟民主國家內部的產業盡量協調，而最後一步就是與中國這類威權國家的協調。 這篇文章發布幾小時內，Sam Altman 表態 […]

「機器人造機器人」成真？優必選啟用萬台級人形機器人智慧工廠，預計每 10 分鐘產出 1 台

中國人形機器人產業朝商業化量產再邁進一步。優必選（UBTECH）近日正式啟用位於中國廣西柳州的新工業人形機器人工廠，規劃年產能超過 1 萬台人形機器人，顯示人形機器人產業正從原型開發與有限生產，逐步轉向大規模製造。 告別傳統產線：優必選 1.4 萬平方公尺新廠打造人形機器人量產基地 優必選表示，新工廠占地 1.4 萬平方公尺，建築高度 13.8 公尺，主要生產 Walker S 系列與 Cruzr 系列具身智慧工業人形機器人。生產線設計為每 10 分鐘完成 1 台機器人，年產能超過 1 萬台，讓優必選具備進行大規模、持續性生產的製造能力。 《Automotive News》指出，優必選的機器人不只是最終產品本身，更成為工廠裡的工作人員，它們與人類員工並肩作業，負責製造其他機器人。優必選的 Cruzr Y1 與 Cruzr S2 機器人負責拆垛與碼垛，執行物料裝載與運輸等工作，該工廠不採用傳統的固定式組裝線，改用彈性生產模式，結合協作機械手臂、機械手及物流車輛，並配置可 360 度旋轉的工作台。 《Interesting Engineering》提及，每台人形機器人組裝完成前，需使用超過 2,000 顆不同規格的螺絲。生產過程中，自動導引車（AGV）與無人叉車負責運送物料，完成組裝的機器人則會被送往自動化立體倉庫。每台機器人都會取得獨一無二的 SN 序號，零組件來源、組裝參數及檢測紀錄均可在製造過程中追蹤，形成完整的生產履歷，方便後續進行維護與故障排查。 攜手西門子導入數位孿生：優必選打造人形機器人智慧製造大腦 優必選此次與西門子數位工業軟體（Siemens Digital Industries Software）合作建置新工廠，合作範圍涵蓋工廠規劃、產品生命週期管理、數位孿生模擬、生產排程、智慧系統及品質控制等。西門子的 Plant Simulation 平台則建立工廠 1：1 數位模型，將廠內走道、工作站、儲存區域及 AGV 行駛路線等納入模擬。 《Interesting Engineering》指出，工程師可在實際調整設備前，先透過數位模型模擬物料從倉庫、進入生產線到最終出貨的完整流程，藉此評估生產流程與設備配置。雙方也運用西門子 Intelligence Center X […]

從百人園區到兩人一台伺服器：AI 如何讓詐騙集團「微型化」，衝擊全球防線？

《金融時報》報導，AI 技術正讓網路詐騙集團從大型化、集中式的詐騙園區，轉向由少數人搭配強大伺服器運作的模式。防制洗錢金融行動工作組織（FATF）主席 Giles Thomson 警告，犯罪分子利用 AI 冒充他人、製作深偽影片及架設假網站，讓詐騙手法更加複雜，也更難被偵測。 AI 顛覆犯罪生態？詐騙集團從百人園區縮編至地下室伺服器 Giles Thomson 接受《金融時報》訪問時表示，「我們開始看到這種模式擴散到由一、兩個人在地下室、搭配一台非常大型的伺服器運作。」過去詐騙集團多依賴擁有數百名員工的大型詐騙園區，執法機關也累積了追查這類據點的經驗，但犯罪集團正轉向不同的運作模式。 《金融時報》提及，許多詐騙集團位於東南亞，過去主要透過建立信任關係，再以加密貨幣騙局、投資詐騙及愛情詐騙等方式誘騙受害者。AI 進一步降低複雜詐騙的執行門檻，犯罪分子可以利用聊天機器人冒充他人、誘導受害者建立關係，也能透過深偽技術、數位分身及假網站等手段強化詐騙效果。 AI 同時可能提高詐騙活動的獲利能力。國際刑警組織表示，AI 驅動的詐騙獲利能力是傳統方法的 4.5 倍，自 2024 年以來，整體詐騙相關通報增加 54%。國際刑警組織也警告，代理型 AI 系統已能自主規劃並執行完整的詐騙活動，從情報蒐集一路延伸至提出贖金要求。 《PYMNTS》指出，傳統反詐騙系統主要透過辨識異常交易模式或開戶、驗證過程中的行為異常來偵測可疑活動，但經過大量資料訓練的 AI，已能生成刻意規避這些偵測訊號的假借款人，使詐騙行為更難被金融機構辨識。金融科技公司 Spreedly 詐騙策略副總裁 Adam Hiatt 直言，當人類能做到的事逐漸能由機器以可信方式完成，反詐騙技術也因此進入一場軍備競賽。 美國聯邦調查局（FBI）今年 4 月表示，去年接獲的 AI 詐騙申訴涉及約 8.93 億美元損失，並指出 AI 生成的詐騙內容正變得更容易製作，也更難被偵測。面對詐騙手法快速演變，FATF 一份由 G20 要求、即將發布的報告將建議更多國家仿效美國與英國，成立反詐騙中心，促進科技業者、銀行、執法機關及監管機構之間更快速地共享資訊，以提早發現詐騙活動。 用魔法打敗魔法：靠 AI 假扮受害者獲取詐騙集團情報 Giles Thomson 指出，AI 能成為打擊詐騙的工具，執法人員可以利用 AI 假扮遭到詐騙的受害者，與犯罪分子互動，在過程中取得更多犯罪資訊。Giles Thomson 自今年 7 […]

來毅數位攜手日本 DNP 打造 AI「信任身分平台」：Q4 將推出多重信任驗證，從日本金融市場拓展全球數位身分商機

專注於零信任資安與數位身分驗證解決方案的來毅數位科技股份有限公司（台股：7834，以下簡稱「來毅數位」）宣布與日本大日本印刷株式會社（Dai Nippon Printing Co., Ltd.，日股：7912，以下簡稱「DNP」）展開策略合作，共同推動AI「Trust Identity Platform（信任身分平台）」的落地。雙方將整合 DNP 在電子化 KYC（eKYC）、日本公鑰基礎建設（JPKI）等身分驗證領域的技術與日本金融市場資源，以及來毅數位在 FIDO 身分認證、裝置識別、風險導向認證（Risk-Based Authentication, RBA）及帶外交易驗證（Out-of-Band Transaction Verification, OOB）等零信任資安技術，為金融服務業者建立涵蓋身分、裝置與交易的多重信任驗證機制。 作為此次合作的具體成果，DNP 預計於 2026 年 Q4 推出「DNP 多重信任驗證」服務，整合個人的「身分確認（Identity）」、裝置的「裝置驗證（Device）」以及「交易驗證（Transaction）」三大層次，打造新一代信任基礎設施。透過 FIDO 驗證、高階裝置管理及行為驗證等技術整合，服務將涵蓋金融客戶從開戶、登入、資料變更到匯款與支付等關鍵環節，在強化資安防護的同時，降低密碼管理負擔，提升金融服務的數位體驗。 從身分到裝置與交易　打造金融服務多重防禦 隨著生成式 AI 快速普及，網路釣魚（Phishing）、身分冒用（Spoofing）、未經授權存取及詐欺交易等威脅日益精密且高度自動化，傳統以單一帳號密碼為核心的防護方式已面臨更大挑戰。此次合作透過 DNP 與來毅數位的技術互補，將信任驗證延伸至使用者、裝置及交易等不同層面，協助金融機構建立更完整的零信任防禦機制。 其中，DNP 的 eKYC 與 JPKI 技術可提供嚴謹的身分確認，來毅數位則進一步透過 FIDO 驗證及裝置識別強化無密碼登入與存取控制，搭配 RBA 與行為驗證分析使用者行為模式、偵測異常風險，並運用 OOB 交易驗證切分交易通訊路徑，降低中間人攻擊（MitM）等交易風險。透過多層次的防禦架構，金融機構可在提升資安強度的同時，降低使用者對繁瑣密碼管理的依賴，進一步兼顧客戶資產保護、交易安全與數位服務體驗。 以日本金融市場為起點　拓展全球數位身分商機 來毅數位與 DNP 將以台灣與日本市場為起點，進一步運用雙方全球通路與市場資源拓展國際市場。日本目前約有 100 家地方銀行及超過 200 家信用金庫，隨著日本金融產業加速推動數位轉型、零信任架構與無密碼認證，高安全性數位身分與裝置管理解決方案的需求持續成長。來毅數位總經理林欣怡表示，此次合作不僅只是產品與技術整合，而是雙方共同建構數位信任生態系的重要一步。 DNP 在日本金融市場擁有深厚的產業資源與市場經驗，而來毅數位長期專注於零信任資安、裝置識別與數位身分驗證技術。透過雙方優勢的結合，來毅數位將協助企業建立涵蓋人員、裝置及 AI […]

IBM 攜手百商數位科技，加速 LinuxONE 落地台灣金融交易市場

面對金融科技快速發展與數位轉型加速，金融交易系統承擔的任務日益複雜。除了追求交易處理速度，金融機構還必須同時確保系統穩定、資訊安全、資產防護與服務不中斷，並因應交易量成長及新金融商品推出，持續擴充運算資源。 然而，許多金融機構過去為避免現貨、期貨、權證、造市等不同交易業務相互影響，普遍採用「一套交易系統搭配一台實體主機」的分散式架構。隨著業務增加，機房內的伺服器與機櫃數量也不斷擴張，逐漸產生設備規格不一致、運算資源分配不均、軟體版本管理複雜，以及維護人力負擔增加等問題。 為協助金融機構改善既有架構，IBM 與深耕台灣金融交易市場近 20 年的百商數位科技合作，結合 IBM LinuxONE 企業級運算平台與百商自主研發的 Speedy 交易系統，推出 SpeedyOne 金融交易方案，協助台灣券商與專業交易機構建立兼具安全性、穩定性及擴充彈性的交易基礎架構。 LinuxONE 支援金融關鍵工作負載 IBM LinuxONE 是針對企業關鍵工作負載設計的運算平台，具備高系統可用性、低延遲運算及硬體層級的安全防護能力，可支援金融機構對穩定運作、資訊安全及高併發交易的需求。 透過高密度虛擬化與集中運算架構，金融機構可將原本分散於不同設備的多套系統整合至單一實體平台，依據各項業務的交易量及運算需求彈性配置資源。除了提高整體資源使用效率，也能減少實體主機與機櫃數量，改善設備管理、能源使用及機房空間等問題。 集中化架構也為後續業務成長保留調整空間。當交易量增加或金融機構推出新服務時，可依照實際需求擴充運算資源，不必為每一套新增業務重新建置獨立設備，進而降低架構擴充與長期維護的複雜度。 IBM 亞太區科技業務事業群副總裁 Francis Goh 表示：「金融服務持續創新，穩定、安全且具備永續擴充能力的底層運算平台，始終是金融機構發展的重要基礎。百商深耕台灣金融交易市場 20 年，長期服務券商與量化交易客戶，對交易現場與客戶需求具備深厚理解，是 IBM 值得信賴且重要的合作夥伴。我們期待結合 LinuxONE 的企業級架構與百商在地專業能力，共同為台灣金融市場打造更具競爭力的交易解決方案。」 在地經驗成為平台落地的關鍵 企業級平台要應用於高度重視時效性與穩定性的金融交易市場，除了需要平台本身的技術能力，也必須結合熟悉台灣金融法規、交易流程、券商系統環境及實際營運需求的合作夥伴。 在雙方合作中，IBM 提供 LinuxONE 企業級運算平台與相關技術支援；百商數位則負責串接平台技術與金融交易現場，將近 20 年累積的產業經驗，運用於需求診斷、系統架構規劃、軟硬體整合調校、系統移轉及上線後的維運服務。 透過雙方分工，LinuxONE 的平台能力能進一步轉化為台灣券商與金融機構可評估、導入並長期使用的交易架構，減少企業在平台轉換、跨系統整合及後續維護時的溝通與執行成本。 SpeedyOne 推動交易系統集中部署 百商數位推出的 SpeedyOne 金融交易方案，整合 IBM LinuxONE 與自主研發的 Speedy 交易系統。Speedy 系統投入市場近 20 年，長期服務國內券商與專業投資機構，承載高交易量、低延遲的關鍵交易工作負載。 透過 […]

INFINITIX 成功導入韓國國家級智慧製造創新中心 SMIC

打造多租戶 AI 共享算力平台，加速智慧製造研發與實證落地。 AI 基礎設施軟體廠商數位無限（INFINITIX）今日宣布，旗下企業級 AI 基礎設施管理平台 AI-Stack 已導入韓國智慧製造創新中心（Smart Manufacturing Innovation Center, SMIC），協助建置多租戶 AI 共享算力平台，支援多位研究人員、多專案並行進行模型開發、訓練與驗證。此案也是台灣自主研發 AI 基礎設施軟體首度進入韓國國家級智慧製造實證場域，展現 INFINITIX 在軟體定義 GPU、異質算力調度與多租戶管理方面的技術實力。 整合共享資源，提升管理與使用效率 SMIC 負責智慧工廠技術驗證與產業應用示範。隨研究規模擴大，SMIC 須在多租戶架構下兼顧 GPU 資源的穩定、隔離與分配效率，同時避免因缺乏整合式 MLOps 平台，或 GPU、儲存、網路資源分散管理，形成資源孤島、降低利用率並推升成本。SMIC 因此需要一套能整合異質算力、簡化開發流程，並兼顧效率、穩定與擴充性的智慧化 AI 基礎設施平台。 導入 AI-Stack 後，研究人員可依需求快速取得 GPU 資源，縮短開發與訓練等待時間；管理者則透過單一介面集中管理 GPU、儲存等資源，降低營運複雜度。智慧調度與資源共享進一步減少 GPU 閒置、依優先順序彈性配置工作負載，為優化總持有成本（TCO）奠定基礎，並可隨 SMIC 擴充製造 AI Data Center（AIDC）及發展製造業專用基礎模型（MFM）持續延伸。 擴充製造 AIDC，加速產業應用落地 SMIC 將持續擴充製造 AIDC，打造模型開發、訓練、測試與驗證的共享環境，降低高效能 AI 算力使用門檻，支援韓國製造企業與研究機構發展 AI 技術，加速智慧製造應用落地。 INFINITIX […]

OpenAI 收購 Glass Imaging：估值破 3 億美元，收編蘋果前影像班底

《華爾街日報》報導，OpenAI 近幾個月悄悄收購了一家正在開發更高畫質智慧型手機相機的新創公司，知情人士透露。這家公司名為 Glass Imaging，正在開發一項運用 AI 技術，讓智慧型手機所拍攝的影像品質達到與 DSLR 相機相當水準的技術。 不再受限框架：蘋果前員工成立 Glass Imaging 重新定義計算攝影 Glass Imaging 由兩名蘋果前員工 Ziv Attar 和 Tom Bishop 於 2019 年共同創立。兩人過去都曾參與蘋果的相機技術開發，包括 iPhone 人像模式。離開蘋果後，兩人成立一家專注於智慧型手機相機技術的新創公司，從不同角度重新思考影像技術，不必受限於蘋果整體業務及 iPhone 的產品需求。 《CTech》指出，Glass Imaging 認為智慧型手機相機的畫質提升已逐漸遭遇技術瓶頸。過去業界主要透過更大的感光元件、增加相機數量，以及更複雜的光學系統提升影像品質，但 Glass Imaging 則希望改以 AI 從現有的小型相機硬體中取得更多影像資訊。Glass Imaging 創辦人兼執行長 Ziv Attar 表示：「在 Glass Imaging，我們正在打造影像技術的未來。」 Glass Imaging 的技術是結合計算攝影與邊緣 AI，其軟體會分析一連串原始影像資料，再透過影像修復神經網路校正光學系統與感光元件造成的影像缺陷，同時降低雜訊並還原細微紋理。 OpenAI 啟動併購潮：IPO 前夕大舉擴張版圖 知情人士向《華爾街日報》透露，這筆交易對 Glass Imaging 的估值超過 3 億美元，高於該公司去年一輪募資時約 […]

從黃仁勳到 Broadcom 都沒打算為 AI 踩煞車，微軟公布 37 頁 Agent 行為準則

AI 發展是不是該慢下來，這幾天迅速成為科技業焦點。Anthropic 執行長 Dario Amodei 呼籲降低前沿模型能力進步速度，OpenAI 執行長 Sam Altman、xAI 創辦人 Elon Musk 隨後表態支持；但從政府、晶片商到資本市場的反應來看，要讓整個 AI 產業一起踩煞車並不容易。 就在這波爭論升溫之際，微軟 AI 在 9 月 14 日公布 37 頁《Humanist AI Code of Conduct》（人本 AI 行為準則）草案，準備作為未來自家 AI 模型 MAI 的重要治理文件。微軟沒有直接回答整個產業該不該減速，而是先處理另一個更具體的問題：如果 AI 能力還會繼續往前，怎麼確保 Agent 不能拒絕人類關閉、不能擅自擴大任務，也不能隱藏自己做過什麼？ AI 實驗室想踩煞車，市場與供應鏈卻還在往前衝 減速倡議已經牽動市場。9 月 14 日全球 AI 與半導體類股同步下挫，費城半導體指數一度跌 5.2%，ASML 跌約 6%，SoftBank 更跌逾 10%。市場開始擔心，如果前沿 AI 發展放慢，近年押注在晶片與資料中心上的龐大投資是否也會降速。 但供應鏈並沒有因此改變成長預期。Broadcom 執行長 […]

當技術走出實驗室，台灣科研如何撐起產業韌性？直擊 2026 台灣創博會（tie）四大亮點

當 AI 成為各行各業的共同語言，真正的挑戰不再是技術本身，而是它能否在真實環境中穩定運作。 2026 台灣創新技術博覽會（tie）以「AI 賦能創新｜永續邁向未來」為主軸，於 9 月 17 日至 19 日在台北世貿一館登場。展會以四大主題館串起從基礎科研、跨部會計畫到專利商品化的完整產業鏈，集結跨部會與學研能量，將散落在各領域的研發成果推向產業落地的最後一哩路，能夠在同一個場域中，看見臺灣創新從實驗室走向產業、走向國際的全貌。 創新經濟館｜AI 落地百工百業 由經濟部產發署召集技術司、中企署、能源署、國營司及智慧局，整合經濟部科研成果，聚焦半導體、智慧製造、淨零永續、精準健康、跨域前瞻及「臺灣專利超級站」六大展區，而豐漁水產的「可分離式智慧無人養殖船系統」正是專利成果落地商業化的代表之一，以 AI 軟硬整合技術從雲林漁塭走向日本市場，展現台灣軟硬整合的實力，更為傳統漁業轉型升級與躍上國際市場注入全新動能。 未來科技館｜臺灣科研成為產業轉型的力量 由國科會攜手中央研究院、教育部、運動部、衛福部共同策劃，聚焦三至十年內的關鍵科技發展，並以「法人研究成果專區」匯集國科會四大法人研發能量、「產學合作專區」集結產學示範案例為兩大亮點，著重將研發成果轉化為具備產業落地的創新解方。在眾多參展項目中，國立高雄科技大學鐵道技術中心的「多源感測融合目標追蹤與抑制系統」，便展現了學研能量如何跨域回應國防需求，將鐵道關鍵技術自主化的成果延伸至智慧防禦場域。 智慧永續館｜智慧韌性 永續安心 整合六個部會研發成果，規劃「智慧創新」、「數位賦能」、「循環永續」三大子題區，呈現前瞻科技研發成果、數位科技跨域整合能力，以及資源循環與永續發展應用。其中工研院資通所與資策會數轉院共同研發的「多軌道多星系異質網路整合與擬真技術」，為海事通訊與產業數位轉型提供衛星通訊解方。 發明競賽區｜創新研發落地 匯聚國內外企業、學研機構與獨立發明人，集結來自日本、波蘭、新加坡等地近 550 件專利作品，以及中華電信、台灣電力等近 80 家企業的創新成果，涵蓋智慧科技、生技醫療、化工機械、資通訊等多元領域。衡奕精密工業以「緩解慢性病症狀的雷射穴位裝置」與「雷射光照裝置」切入慢性腎臟病照護，即是專利走向商品化應用的代表案例之一。 四大主題館從傳統漁業、海事通訊、智慧防禦到醫療照護，這些成果的共通點，不在於技術有多前沿，而是都選擇從真實痛點出發，展現臺灣創新能量從前端研發走向產業落地以及國際市場的強大潛力。 「科技沒有離想像中遙遠。」豐漁水產智慧無人養殖船，如何從雲林魚塭走向日本？ 鐵道安全技術進軍智慧國防： 高科大「多源感測融合目標追蹤與抑制系統」首度亮相 2026 tie 未來科技館 強化海事通訊韌性！工研院與資策會聯手打造「多軌道衛星閘道器」，亮相台灣創博會 衡奕精密工業「雷射雙技術」探索細胞修復新可能，2026 創博會現場亮相

程式開發已成流水線，Warp 推開箱即用「軟體工廠」替小企業打造 AI 代理開發環境

Warp 推出 Warp Factories 一套試圖讓建立、營運軟體工廠，變得盡可能簡單的全新系統，其完整架構讓企業開箱即用，配合 AI 代理讓每個步驟於未來實現輕鬆自動化。

【AI 代理進駐採購】談判、比價、續約評估都交給機器，B2B 銷售規則被迫重寫

2021 年，全球最大貨櫃航運公司 Maersk 開始讓 AI 直接替公司談生意，它導入新創公司 Pactum 的 AI 代理，與超過 50 家承運商自主協商航線價格、運輸義務與付款條件。這套系統從聯繫供應商、進行多輪談判，一路做到協議確認，整個過程不需要人工介入。 最後，AI 與承運商達成協議的比例達到 96%——在與人類談判員進行的對照測試中，相同航線談到的價格更低了 22%。企業採購的「對手」已經改變。 代理式 AI 進駐採購流程，已非少數個案 麥肯錫在 2025 年 11 月發布的全球 AI 調查，涵蓋 1,993 名不同層級的企業受訪者，其中 62% 表示所在組織至少已經開始實驗 AI 代理。雖然目前真正大規模部署的比例仍不高，但從企業軟體的發展方向來看，代理參與工作流程已經不是少數公司的特殊實驗。 首先改變的是研究與篩選供應商的方式。全球知名的 B2B 商用軟體評測平台 G2，在 2026 年調查超過 1,000 名 B2B 軟體買家後發現，51% 已經從 AI 聊天機器人開始研究產品，高於前一年的 29%，AI 甚至超越評論網站與供應商官網，成為影響廠商候選名單最主要的資訊來源。 位於美國的 B2B 軟體展示與銷售自動化平台 TestBox 創辦人 Sam Senior 觀察，其企業客戶發現，買家在真正與業務交談以前，70% […]

BMW、TOYOTA、賓士都在做：人形機器人進車廠，比的不是誰更像人

汽車產業的自動化正迎來全新的轉型階段。過去數十年，工業手臂已全面普及於焊接、塗膠與零件搬運等固定工序；如今，包含 BMW、TOYOTA、Mercedes-Benz 與 Hyundai 等汽車巨頭，更開始在既有產線中引進具備「類人型態」與靈活移動能力的 AI 機器人，嘗試接手原本由人工負責的搬運、取放與組裝工作。 積極佈局的領頭羊：BMW 在這波浪潮中，BMW 是態度最為積極的車廠之一。在美洲市場，BMW 早在南卡羅來納州的 Spartanburg 工廠引進了 Figure 的人形機器人。2025 年，Figure 02 率先投入實戰，協助生產超過 3 萬輛 BMW X3，完成超過 9 萬次鈑金零件的取放任務；到了 2026 年，新一代 Figure 03 接棒登場，進一步挑戰搬運零件與拉動推車等更複雜的物流工序。 與此同時，BMW 也將這套自動化實驗延伸至歐洲。其位於德國的 Leipzig 工廠，正著手測試由 Hexagon Robotics 打造的機器人 AEON。這款機器人配備了攝影機、雷達、麥克風以及力量與扭矩感測器；有別於 Figure 採用的雙腿行走，AEON 選擇以輪式平移，BMW 認為這種設計更符合工廠平整地面的實際作業效率。 BMW 選擇人形機器人的核心邏輯，在於「適應現有環境」。傳統工業機器人往往只能固定在特定區域，一旦要調整工序，就必須付出昂貴成本重構整條生產線。相對地，人形或類人型機器人具備與人類相似的身形尺寸、手臂延伸度與抓取能力，理論上能直接「無痛接入」現有的工作站與工作流程。 《BBC》引述 Gartner 分析師 Bill Ray 的觀點指出，過去機器人造價昂貴，企業傾向繞著機器人改建工廠；但隨著機器人硬體成本大幅下降，現代企業的策略已轉變為讓機器人配合既有的作業習慣。 不同車廠，選擇不同類人機器人的多元發展 其他車廠也在探索不同的人形機器人方案。TOYOTA Motor Manufacturing Canada 在完成試驗後，已與 […]

【科技早餐】AI 競賽踩煞車還是催油門？前沿大廠籲放慢，自研晶片與巨額資本卻停不下來

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊前沿 AI 是否該踩煞車？Anthropic 籲設防線，川普、黃仁勳強調競爭與前進 Anthropic 執行長 Dario Amodei 公開呼籲主要 AI 開發商主動放慢前沿模型的能力提升速度，並建議允許外部獨立評估人員進入實驗室，提前檢視模型可能引發的重大安全風險；他同時主張業界建立共同安全規範，各國政府亦應加強跨國監管協調。OpenAI 執行長 Sam Altman 與 xAI 創辦人 Elon Musk 隨後對加強安全標準及第三方評估的倡議表達支持；Altman 並提及，因涉及複雜的安全考量，OpenAI 今年不會推動 IPO 上市。  相對於減速倡議，政策與硬體陣營則展現不同視角。美國總統川普批評過度放大 AI 風險的言論，強調美國必須在關鍵技術上維持對中國的絕對領先，「誰贏得 AI，誰就贏」。美國眾議院議長 Mike Johnson 雖肯定建立安全護欄的必要性，但呼籲國會不應因恐慌而倉促推動過度監管；NVIDIA 執行長黃仁勳亦重申，AI 的持續演進並不必然導向人類災難。這場產業論辯的焦點，已從技術能否突破，轉向全球政商架構應如何權衡發展節奏與戰略競爭。 ＊Google 自研 TPU 估約 1 年回本，聯發科、博通 ASIC 商機升溫 Google Cloud 執行長 Thomas Kurian 日前指出，公司投資 AI 伺服器的整體資本支出回收期不到兩年，而採用自研晶片的設備回收期約僅為該數字的一半。依據上述說法推算，Google 自研 TPU 的投資回收期可能接近一年；不過該數值為外界依高層說法換算的指標，非 […]

全球 AI 基建進度大比拚：中國科技巨頭豪擲千億，歐洲超級工廠陷資金與時程雙重考驗

《The Next Web》報導，中國 AI 產業正從模型競爭轉向 AI Agent 的部署，中國電信研究院預估，到 2029 年，推理運算將占中國算力市場的 80%。與此同時，歐洲正透過興建 7 座 AI 超級工廠，擴充 AI 基礎設施，以應對持續增加的算力需求。相關標案將於 11 月截止，預計在 2028 年年中投入運作；整體計畫預算為 300 億歐元，目前約有 10 億歐元已落實。 AI Agent 帶動算力需求爆發？中國推理運算 2029 年占比上看 80% 中國電信研究院發布的《智能體時代 AI 基礎設施發展研究報告（2026）》指出，中國 AI 產業正從大型模型與算力競爭，轉向部署與銷售 AI Agent。報告預期，未來兩到三年，AI Agent 將帶動中國算力需求每年接近成長 10 倍。中國電信研究院為中國國營電信業者中國電信旗下的研究機構，該報告近日由中國官媒中央電視台（CCTV）報導。 《The Next Web》指出，報告最引人注意的數據之一，是對算力需求結構的預測：到 2029 年，推理運算將占中國算力市場的 80%，超越模型訓練的需求。模型訓練是一次性建立模型的過程；推理則是每當使用者使用模型時產生的運算成本，因此更接近營運支出，而非資本支出。 預計今年中國科技企業在 AI 領域的支出將接近 6,000 億元人民幣，約合 890 億美元。報告提及，這一金額占中國整體投資額逾十分之一。歐洲也正為相同的 […]

美禁令重塑半導體供應鏈？中國燧原科技搭上「國產替代」熱潮，IPO 籌 61 億攻自主算力

中國 AI 晶片製造商上海燧原科技（Shanghai Enflame Technology）9 月 11 日在上海首次掛牌交易，收盤大漲 179%。這家獲騰訊支持的公司此次首次公開募股（IPO）共籌得 61.2 億元人民幣（約 9.12 億美元）。 燧原科技上市，進一步推升中國 AI 晶片企業的 IPO 熱潮。《Reuters》報導，隨著北京積極推動國產替代方案，中國 AI 晶片業者正加速布局，以供應可取代 NVIDIA 等美國廠商的運算晶片。 燧原科技兩年內損益兩平？IPO 資金聚焦新晶片研發 「同一概念板塊的新股表現明顯優於已上市股票，顯示資金正在板塊內輪動。」北京精品投行香頌資本董事沈萌表示。他指出，股價上漲主要受到新股申購的短期誘因推動，而非投資人看好產業的長期基本面，資金追求的是新股申購帶來的獲利機會，而不是押注企業未來的發展潛力。 燧原科技目前仍未實現獲利。根據公司公開說明書，2025 年淨虧損由前一年的 15.1 億元人民幣縮小至 11.6 億元，營收則年增 37%，達 9.902 億元。公司預估，2026 年前 9 個月營收將介於 23 億至 30 億元人民幣，淨虧損則介於 7 億至 8.6 億元。 《Reuters》指出，公開說明文件顯示，燧原科技預計在 2026 年或 2027 年損益兩平或實現獲利，實際時間將取決於營收成長及利潤率。公司也計畫將大部分 IPO 募資用於開發第五代及第六代 AI 晶片、相關軟體，以及大規模運算系統。 燧原科技成立於 […]

AI 夠不夠「台」，誰說了算？iKala 程世嘉：TMMLU+ 為主權 AI 訂出繁中標準

從「會說繁中」到真正懂台灣，TMMLU+ v1.1 更新 66 領域在地題庫，下一步走向 Agent、多模態評測。 生成式 AI 競賽進入下半場。當模型能力快速拉近，真正的競爭正從「誰有最大的模型」，轉向「誰能讓 AI 真正落地」。iKala 共同創辦人暨董事長程世嘉（Sega）認為，台灣談主權 AI，不能只停留在打造自己的 Foundation Model，而應重新思考：從算力、模型、資料到應用，我們究竟掌握了多少自主能力？ 各國都在爭主權 AI，台灣的關鍵在哪裡？ 程世嘉將主權 AI 拆成四個環節：算力、模型、資料、應用。算力決定 AI 能否運轉，模型決定能力邊界，資料決定 AI 如何理解我們，而應用則決定技術最終能否創造價值。 2023 年台灣產官學界紛紛投入 Foundation Model，程世嘉帶領 iKala 從另一個問題出發：如果每個人都在造模型，誰來定義模型究竟好不好？ 這個問題在 AI 走向垂直化後更加重要。Gartner 預測，到 2030 年，高達 90% 的生成式 AI 解決方案，都將採用領域特定模型（Domain-Specific Models, DxM）。企業未來面對的，不再是少數大型模型，而是大量針對不同產業、任務與場景打造的 AI。 對程世嘉而言，這正是主權 AI 的關鍵：台灣不只要使用全球最先進的模型，更要有能力用自己的資料與標準，判斷模型懂不懂我們的語言？理解我們的產業嗎？能不能完成我們要它做的事？ 從「造模型」到「造尺」，把 AI 的定義權留在台灣 這也是 TMMLU+ 出現的背景。 當市場競逐繁體中文模型，iKala 選擇「不做選手，先做量尺」。TMMLU+ v1 […]

AI 要減速，誰來訂規則？Anthropic、微軟與川普政府各有主張

OpenAI、Anthropic 等前沿 AI 公司最近罕見開始討論「跑慢一點」，美國總統川普卻不打算跟著踩煞車。9 月 12 日，Anthropic 執行長 Dario Amodei 發文呼籲放慢前沿模型能力進步速度，OpenAI 執行長 Sam Altman、xAI 創辦人 Elon Musk 等人也表態支持。Amodei 希望先引入常駐第三方評估者，再進一步讓主要 AI 業者建立共同安全標準，甚至協調 AI 能力發展速度。 不過，Anthropic 現階段只承諾先引入常駐第三方評估者；真正涉及多家公司共同協調前沿 AI 能力進展速度，則要到 Amodei 提出的第二階段。這也讓另一個問題浮上檯面：如果一家 AI 公司擔心風險，為什麼不能自己慢下來？ AI 公司想一起管，政府卻問：為何不能自己慢？ 答案其實牽涉市場競爭。《Reuters》日前就指出，即使部分研究人員認為 AI 發展太快，身處激烈模型競爭的實驗室仍很難單方面減速。一家公司降低能力進展速度，競爭對手卻持續推出更強模型，就可能犧牲技術與市場領先。 業界也已開始尋找共同規則。《The Information》報導，Anthropic、OpenAI 與 Google 曾私下討論成立 AI 安全標準組織。雖然尚未形成正式的共同減速機制，但顯示部分領先業者已在探索跨公司的安全規範。 不過，對於怎麼慢、誰來訂規則，各方很快出現不同看法。9 月 13 日，川普總統科學技術顧問委員會（PCAST）共同主席 David Sacks 在 X 發文表示，Amodei 與 Altman 如果認為 […]

OpenAI 證實不於 2026 啟動 IPO：優先建構技術安全與對齊，AI 企業醞釀減速協議？

OpenAI 執行長 Sam Altman 證實，OpenAI 不會在 2026 年上市。Sam Altman 接受《Fortune》專訪時表示，OpenAI 不急著推動首次公開募股（IPO），要等到業務準備就緒，且公司也認為當前社會面對 AI 技術發展的時機已經合適，才會啟動上市。 AI 失控疑慮夾擊：OpenAI 延後 IPO、科技巨頭呼籲產業減速 《Fortune》進一步追問，這番說法是否代表 OpenAI 在 2026 年上市已不在考慮範圍內、可能延至 2027 年，Sam Altman 回答：「我會說，不是 2026 年。我們還有很多事情要做，例如滿足當前對安全與 AI 對齊的要求，以及產業與政府如何共同合作。」 另一方面，Anthropic 執行長 Dario Amodei 認為，AI 產業應放慢推進速度，讓安全措施有時間跟上，否則未來 6 到 12 個月內，一群失控 AI 代理人可能接管整個網際網路。《AP News》指出，這項警告正值業界內外對 AI 風險的擔憂升高之際；隨著 AI 系統能力持續提升，它們已能解決超出人類能力範圍的問題，卻也可能失控，轉而執行更具危害性的任務。 《Fortune》提及，近幾個月伊朗戰爭再度升溫，油價重新上漲，也推高市場對通膨的預期；與此同時，AI 安全疑慮持續升高。近期接連發生多起令人擔憂的事件，包括失控的 AI 代理人入侵 Hugging Face 等網站，並在網路論壇及已停用的 Wiki […]

亞洲 AI 投資焦點從模型走向工業體系，KPMG：台灣新創要先回答技術、部署、效益三個問題

專訪：戴季全撰稿：李昀蔚 KPMG 最新發布的《2026 年第二季創投脈動：全球創業投資分析》顯示，全球創投市場雖從第一季歷史高點回落，第二季投資金額仍達 2,274 億美元，是史上第二高。表面上看是資金降溫，背後更明顯的變化，其實是資本正在快速集中。 KPMG 安侯建業創新與新創服務團隊主持會計師黃海寧在接受《全新一週》專訪時指出，現在真正值得注意的是「資本正在重新選擇贏家」。過去，創投傾向把資金分散到不同新創，再等待少數公司勝出，如今投資人更傾向判斷誰有機會成為下一個平台或基礎設施，並把大筆資金集中押注在少數公司身上。 黃海寧直言，這也讓創投市場的兩極化更加明顯：對頭部 AI 公司來說，巨額資金持續湧入，但對產品尚未驗證、商業模式仍未獲市場認可的新創而言，即使身處 AI 熱潮，募資也未必變得更容易。 亞洲資金重返 AI，競爭已從「模型」走向「AI 工業體系」 當資金向少數 AI 巨頭集中，中國與亞洲市場也開始出現明顯回溫。第二季亞洲創投金額回升至 508 億美元，創下 2021 年第四季以來最佳單季表現，其中中國就占了 351 億美元。不過，黃海寧認為，單純以「中國是否追上美國」理解這波資金回流，可能過於簡化，因為美國與亞洲正在形成兩套不同的 AI 發展模式：美國主要由資本市場及大型科技公司推動，至於中國、日本等亞洲市場，政府、企業資本與國家政策則扮演更積極的角色。 更值得注意的是，亞洲資金的落點已不只集中在大型模型，包括機器人、具身智慧、半導體、先進製造與能源基礎建設，都開始取得更多資源。這樣的趨勢，背後反映出 AI 競爭需要的不只是模型，而是晶片、算力、機器人以及關鍵供應鏈共同組成的完整「AI 工業體系」。 「AI 現在已經不是在講模型誰最大、誰最強，而是開始在講怎麼樣能夠最快把 AI 裝進工廠、機器人與真實世界這一塊，」黃海寧觀察，亞洲尤其積極將 AI 從數位世界推向實體世界，而這正好與台灣的產業優勢高度重疊。對擅長半導體、電子製造與硬體整合的台灣而言，這也代表新的價值鏈位置正在形成。 歐洲不跟美國全面競爭，主權科技成為資金新選擇標準 相較於美國大舉押注 AI 平台、亞洲積極建立 AI 工業體系，黃海寧則將歐洲形容為一個「選擇性的市場」。第二季歐洲創投金額約 256 億美元，整體金額仍處於相對高檔，但交易件數偏低，代表投資人正在變得更加集中。黃海寧表示，歐洲並不企圖在每一個科技戰場都與美國正面競爭，而是把資金聚焦在自身具有技術優勢或政策優先性較高的領域。 例如，英國 Isomorphic Labs 將 AI 應用於藥物設計與新藥開發，芬蘭 ICEYE 則發展合成孔徑雷達衛星，可用於地球觀測、災害監測與國防情報。從國防、太空、生技、能源到高門檻垂直 AI，背後都反映出歐洲同一套新的投資邏輯：一項科技除了市場多大、成長多快之外，還要進一步回答「國家能不能沒有它」。 在地緣政治升溫之下，半導體、AI、衛星、通訊、能源與資安，都逐漸從單純的商業議題，升級成國家競爭力與安全的一部分，這也讓「主權科技」成為資本市場的重要判斷標準。對此，黃海寧強調：「一個國家不一定要在每一個科技戰場都贏，但是我們要清楚有哪一些能力、哪一些國家的科技，是我們一定要握在手上。」 […]

AI 省下的工時算誰的？生產力紅利正在換主人，雇傭關係舊規被 AI 重新談判

如果一名員工用 AI 把原本一天的工作量，壓縮到半天就完成，多出來的時間該歸誰？多數企業的預設答案，是把省下的產能直接填入更多任務，工時本身不會改變。 但獨立接案市場給出截然不同的答案。接案者若以固定報酬談定專案，AI 把 8 小時工作壓縮到 4 小時，省下的時間就屬於自己。這個對比點出 AI 正在鬆動工時與產值之間的既有關係。 生產力紅利的分配權，正從組織轉移到個人 過去每一次重大的生產力提升，都會創造出一份「紅利」，以往這些多半由雇主決定如何運用，因為讓員工變得更有效率的機器與系統，本質上都是組織資產。 然而 AI 正在改變這個前提，愈來愈多生產能力如今直接掌握在個人手中，不會被鎖在公司圍牆之內，同一個人可以用在自己的客戶身上，並自行決定要不要把省下的時間填滿。 這種轉變也反映在使用者的自我認知上。Anthropic 針對超過 8 萬名 Claude 使用者的調查發現，多數人認為 AI 帶來的生產力提升主要由自己受益，僅約一成受訪者認為紅利歸雇主所有——66% 的員工會刻意維持上線狀態，隱藏 AI 幫自己省下的時間，因為他們清楚知道，一旦產能外顯，換來的往往是更多工作量。 感受到最大生產力提升的員工，同時也更擔心自己的工作保障，這種矛盾心理，正是促使不少人思考自身技能在體制外究竟值多少錢的關鍵。 接案市場的實際數字，驗證了這股轉變 根據接案與自由工作者平台 Upwork 發布的《2026 未來勞動力指數》，美國知識型工作者從事技能型接案的比例，一年之內從 28% 攀升到 38%，58% 的全職員工表示正在考慮接案，高於一年前的 36%。 市場定價方式也隨 AI 使用方式分化。把 AI 應用在複雜、專業判斷工作的接案者，平均時薪高出 34%，相關類別規模年增 72%，收入成長 22%；只產出簡單生成式內容者，每份合約收入卻下滑 13%，因為這類產出太容易被複製。 這樣的分化說明，雇主已不再是唯一能掌握生產力紅利的一方，AI 正在提高能結合專業判斷與 AI 工具的人才市場價值，同時把單純執行性質的工作商品化。 這與過去技術轉型明顯不同，過去個人仰賴組織提供難以獨立取得的技術與資源，如今這些依賴正快速鬆動，受雇也因此面對更多具體可行的替代選項。 也有調查指出，紅利其實仍留在雇主手上 不過，並非所有證據都指向員工是受益者。愛爾蘭都柏林大學學院（University College […]

【用字型也能反制 AI】讓 AI 爬蟲抓到假資料，設計師推 ShieldFont 保護創作者

為了對付 AI 爬蟲，全新字型 ShieldFont 堂堂誕生，其應用字型引擎中的連字（ligatures）機制，替換網頁底層 HTML 文字為垃圾內容，藉此阻擋 AI 抓取資料用於訓練。

停機時間砍 86%、維修回應快 42%！現代汽車如何把 AI 鋪進 VIN、搬運車與維修廠？

汽車製造業正加速進入 AI 驅動的智慧製造階段。現代汽車集團（Hyundai Motor Group）自 2019 年起持續推動數位轉型，將 AI、資料平台與自動化技術導入全球製造體系，串聯研發、生產、品質管理、銷售與售後服務，建立貫穿車輛整個生命週期的數位化生態系。 今年八月，現代汽車集團在首爾總部舉辦「AX Achievement Showcase」，展示 AI 技術在實際製造與營運場景中的應用成果，其中包括讓生產停機時間降低約 86%、每年節省約 52.4 億韓元（約 1.23 億新台幣），以及將海外維修回應時間縮短約 42%。 年省 1.23 億台幣！AI 攝影機即時讀取 VIN，產線不再裝錯零件 在汽車製造過程中，同一車型的不同車輛可能因市場、客戶訂單或選配而具有不同規格，因此生產線上的零件與製程並非完全相同。對員工而言，每一個 VIN（車輛識別號碼）都代表一組需要被正確執行的生產條件。 過去，產線人員需要人工查看車輛資訊，再與系統紀錄比對。現代汽車集團現在則利用 AI 與攝影機讀取車輛 VIN，並即時確認車輛是否符合系統中的配備與生產資訊。 現代汽車集團 AI Transformation 部門主管 HwaChang Sung 接受《Automotive Manufacturing Solutions》採訪時指出，如果原本應裝在 VIN #1 車輛上的零組件被錯裝到 VIN #2，問題可能要到品質檢查階段才會被發現，屆時就得重新加工；最嚴重的情況甚至可能是錯誤配置的車輛交付給客戶。 這套 AI 辨識系統的價值，在於把錯誤攔截點往前移。過去曾發生 VIN 辨識錯誤造成車輛噴漆流程出錯的情況，如今系統可以在製程中即時比對，讓人員有機會在錯誤擴大前處理。 目前這項技術已部署於現代汽車與起亞在韓國、美國、歐洲、印度及亞太地區的生產據點，涵蓋約 70 個製造工序。現代汽車集團表示，透過減少返工與 VIN 相關的生產、品質問題，每年約可節省 52.4 […]

【科技早餐】NVIDIA 傳投資 Anthropic 最高 100 億美元，Microsoft 資料中心容量擬增至 38 GW

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊NVIDIA 傳投資 Anthropic 最高 100 億美元，1,000 億美元 IPO 挑戰史上最大 《路透》引述兩名知情人士報導，Anthropic 正洽談邀請 NVIDIA 擔任首次公開募股，也就是 IPO 的基石投資人。Anthropic 尋求募資最高 1,000 億美元，公司估值可能達到約 2 兆美元；NVIDIA 則考慮投資最高 100 億美元。如果依照目前規模完成，將挑戰史上最大 IPO。知情人士表示，上市目標是在今年 11 月美國期中選舉以前完成，但募資金額、估值與時程仍可能改變。 NVIDIA 在 2025 年 11 月已承諾向 Anthropic 投資最高 100 億美元；相關合作還包括 Anthropic 採購價值 300 億美元、搭載 NVIDIA 晶片的 Microsoft Azure 算力。《路透》未說明這次潛在的 IPO 投資，是否與先前承諾重疊。Anthropic 也向亞馬遜（Amazon）及 Google 採購大量算力，顯示前沿 AI 公司與基礎設施供應商之間，正形成同時涵蓋投資、晶片及雲端採購的關係。 […]

【政府 AI 轉型下一步】64 國建好數位身分只是起點，AI 代理正在改寫政府服務方式

德勤政府洞察中心（Deloitte Center for Government Insights）發布《2026 全球政府趨勢報告》（Government Trends 2026），內容指出，AI 技術加速演進、財政日益緊縮，加上跨部會協調的複雜度提高，讓傳統的局部改革、組織微調，以及把紙本流程搬上網的數位化工程，都已經走到極限。 領先的政府因此把目光轉向「政府作業系統」的全面重組，重寫底層的規則、工作流、決策權與學習循環。以下報告摘要，將剖析政府如何從基礎建設、組織架構、技術治理到法規制度，展開這場全面重組。 📎 這份報告適合誰閱讀？ 報告探討政府作業系統的重塑、數位基礎建設與 AI 代理的結合，適合以下幾類工作者閱讀： 🔴 報告洞見 AI 代理實現「政府已經知道」的主動服務模式 過去政府提供補助或福利，多半要靠民眾自己申請一次，政府才會在後台跨部門把資料傳給對的單位。換句話說，不申請就領不到，責任在民眾身上。 現在情況有機會反過來。以醫院登記出生為例，AI 代理能自動核對新生兒與父母的身分，試算應得的津貼金額，家長只要在手機收到通知時按下「一鍵同意」，錢就直接撥入帳戶，不需要主動跑申請流程。 這種能自己判斷、跨系統協調、在設定範圍內完成決策的 AI，就是代理型 AI，它讓施政體驗從「民眾主動告訴政府」，進化成「政府已經知道」的主動服務。 但要做到這種無感、主動的體驗，背後需要兩項基礎建設撐著：一是「數位身分」，讓政府能安全確認「這是誰」；二是「數據交換平台」，讓卡在不同部會、原本互不相通的資料，能安全、即時串在一起用。 截至 2025 年 12 月，全球已有至少 64 個國家奠定數位身分基礎，97 國擁有數位支付系統，另有 103 國正在運行數據交換平台。在此助攻下，愛爾蘭 MyWelfare 平台到 2024 年底已將 83% 的疾病福利與 98% 的醫療福利申請，交由 AI 自動審核撥款；而阿布達比的 TAMM 平台透過多個 AI 代理安全串接 90 多個公私機構，提供超過 1,000 項「以市民生活事件為核心」的一站式服務。 政府內部怎麼跟上？ […]

零售媒體延伸至 AI 介面：亞馬遜開放品牌經由 Amazon DSP 投放 ChatGPT 廣告

亞馬遜宣布，將與 OpenAI 合作，讓旗下廣告主能在 ChatGPT 投放廣告，初期先開放美國部分品牌參與。 《CNBC》報導，這項合作也反映全球最大電商看好 OpenAI 持續成長中的廣告業務。OpenAI 的廣告業務近期已達到 10 億美元年化營收規模。今年 2 月，OpenAI 開始在美國 ChatGPT 測試投放贊助廣告，初期合作零售商包括 Best Buy 與 Williams-Sonoma。 亞馬遜 DSP 擴大觸角：開放品牌透過亞馬遜代操投放 ChatGPT 廣告 《CNBC》指出，亞馬遜過去一直嚴格限制 ChatGPT、Anthropic 的 Claude，以及 Google Gemini 等 AI 平台存取旗下龐大的電商網站，同時也持續投資自家的 AI 購物工具。不過，近幾個月亞馬遜開始低調在 ChatGPT 上投放廣告。根據市場情報公司 Sensor Tower 的數據，今年 4 月至 8 月期間，亞馬遜更成為 ChatGPT 上投放廣告最多的零售企業。 如今，亞馬遜進一步讓在其平台投放廣告的品牌進入 ChatGPT，顯示 ChatGPT 已逐漸成為品牌觸及消費者的重要行銷管道。OpenAI 今年 2 月表示，ChatGPT 每週活躍用戶已達 […]

ChatGPT 變身一站式金融工作區？整合 LSEG、PitchBook 等資料源，可生成互動式網站

OpenAI 推出專為金融業打造的 ChatGPT，整合 LSEG、PitchBook、Daloopa 等金融資料供應商的資料，並搭載最新 AI 模型，鎖定投資銀行與股票研究等工作場景。 OpenAI 在部落格文章中表示，這款名為「ChatGPT for Financial Services」的產品，是與 Morgan Stanley、Evercore 共同開發，兩家公司擔任設計合作夥伴，協助 OpenAI 打造這項產品。《VentureBeat》指出，兩家公司特別關注可靠的資料取得，以及高品質工作成果的產出。 OpenAI 搶攻受監管市場：推搭載 GPT-6 Astra 的 ChatGPT 金融專用版 《Reuters》報導，此次推出顯示 AI 業者正積極進軍金融等受監管產業。由於金融業高度重視資料治理與資訊安全，這款產品沿用 ChatGPT Enterprise 的既有安全機制，包括角色型權限管理與資料加密，合規團隊也能將工作區紀錄匯出，納入稽核流程。 ChatGPT for Financial Services 採用 OpenAI 最新模型 GPT-6 Astra。OpenAI 表示，該模型針對金融資料工具的資訊檢索、金融推理能力，以及生成內容的準確度進行強化。使用者可以從不同資料來源進行研究、建立財務模型，並利用公司自己的範本製作推介書等客戶資料。 《VentureBeat》提及，企業管理員可以統一管理公司核准的 Excel、Word 與 PowerPoint 範本，讓員工依照既定格式製作估值模型、研究報告與推介書。產品示範也顯示，系統可以把財務模型結果轉換為互動式網站，讓使用者調整假設值，查看不同設定對預測結果的影響。 OpenAI 也表示，未來將持續擴充 ChatGPT 可使用的金融資料，並進一步訓練模型理解、分析與運用這些資料，提升其在金融研究與分析工作上的應用能力。 打造一站式金融工作區：ChatGPT 深度整合專業資料與分析流程 這項產品整合 Daloopa、LSEG News、PitchBook、Crunchbase、Quartr 等資料來源，涵蓋財報電話會議逐字稿、財務報表及公司基本面等資訊。OpenAI […]

永大抽水機攜手台達，透過高效馬達與變頻控制破解傳統泵浦高耗能痛點

隨著淨零減碳與能源成本壓力升高，企業節能的範圍已從照明、空調主機與能源管理平台，延伸到過去較少被關注的基礎設備，長時間運轉的泵浦正是其中之一。 在商辦大樓、醫院、學校、科技廠與製程冷卻系統中，泵浦支撐空調循環、冷卻與給排水等基礎運作，其設備效率與控制方式是否匹配，直接影響用電成本與系統穩定性。面對市場對高效率泵浦系統的需求升高，永大抽水機近年從單一設備供應商，轉向更重視系統整合的節能方案，並導入台達永磁同步磁阻馬達、變頻器與自動化控制技術，將自家泵浦設計經驗與台達高效驅動能力整合，協助客戶提升泵浦系統的能源使用效率。 永大抽水機長期投入泵浦的研發、製造與維修服務，聚焦空調用泵浦與循環泵浦，主要服務商業建築、辦公大樓、賣場、醫院、學校與電子廠等場域。永大抽水機總經理鄭全宏觀察，企業挑選泵浦的標準已明顯改變，「過去客戶多先考量馬達出力、設備耐用度與價格競爭力；在淨零減碳、能源成本與能效法規推動下，節能效率已成為設備評估的首要條件。」 政府已於 2023 年將泵浦納入最低能源效率管制，使高效率泵浦成為新建案與汰舊換新的基本要求。許多舊系統在設計初期會依最大需求量估算，再加入安全餘度，導致泵浦長期偏離最佳效率區間；加上早期變頻器尚未普及，泵浦多採定速運轉，啟動後便全速運行，再以閥件調節流量，如同一腳踩油門、一腳踩煞車，不僅增加能耗，也造成設備磨耗，成為傳統泵浦高耗能的主要原因之一。對此，目前企業最直觀的節能做法，是把耗電設備換成高能效產品，但實際進駐案場後，情況往往沒這麼單純。鄭全宏解釋，若系統本身設計過當、管路配置不佳，或長年未清潔維護，單純換一組高效率設備未必能讓系統運轉在最佳效率區間，「因此永大為客戶節能時不急著換機，會先到現場了解用水需求、管路設計、彎頭數量、閥件配置與水垢堆積等狀況，再重新評估適合的泵浦形式、馬力與控制方式，讓設備盡量靠近最佳效率點。」 流量減少 20%  耗電可降近一半 在與台達的合作中，永大選擇導入永磁同步磁阻馬達，作為泵浦系統節能改造的重要配置。台達驅動方案事業部產品經理曾祥龍表示，永大與台達從變頻器開始合作，對台達產品品質與工業自動化整合能力已有一定信任；加上雙方對高效率設備與節能應用的方向相近，因此在這次案例中深化合作。永磁同步磁阻馬達結合「永磁馬達」與「同步磁阻馬達」特性，具備高效率與低損耗優勢，「以永大測試結果來看，滿載運轉約可帶來 2% 至 3% 節電效果；在部分負載條件下，節能率可達約 6% 至 7%。長時間運轉的泵浦系統，這類效率差異經全年累積後，就會反映在用電成本上。」 變頻器則依不同場域條件與控制需求選型，包括開環變轉矩標準變頻器 VP 3000、風機水泵專用向量控制變頻器 CP 2000，以及將變頻器整合於馬達上的背負式水泵一體機 MPD & MP300 系列。若客戶現場空間有限，或既有設備原本未配置變頻器，一體式設計可降低額外盤體與安裝空間需求，提高導入汰換的可行性。 變頻器之所以是泵浦節能的關鍵，與泵浦的相似定律有關。曾祥龍解釋，流量與轉速約呈正比，而功率（即耗電功率）則與轉速約呈三次方關係；以流量減少 20% 為例，耗電功率可降低約 48.8%，接近一半。系統不需滿載時，只要降低轉速就有顯著節電效果。台達的優勢在於把永磁同步磁阻馬達的專屬參數內建於變頻器，開機後一鍵設定即可完成最佳化匹配，降低現場調校難度。各場域可接入壓力、壓差，或冰水主機、水塔溫差等訊號，讓系統依當下需求調整馬達轉速。當多台泵浦並聯或輪替運轉時，台達變頻器具備可程式化功能，能設定多泵浦連動控制；需求更複雜時，再以 PLC 等產品完成整合，依永大與終端用戶的條件客製控制邏輯。整體分工上，永大負責對接終端用戶、規劃泵浦系統，台達提供馬達、變頻器與自動化技術支援，雙方再依負載條件、安裝環境與控制需求，配置合適的產品組合。 高科技廠、AI 資料中心、商用建築與高耗能產業 最能放大高效泵浦節能效益 在應用方面，鄭全宏指出，運轉時間長、負載波動大的場域，最適合導入這套整合方案，他同時歸納出目前四種最適合的場域，第一類是半導體與電子高科技廠，製程冷卻與空調系統多需 24 小時不間斷運轉，效率改善會隨運轉時數累積成可觀效益；第二類是 AI 資料中心，AI 伺服器功耗提高帶動冷卻從氣冷走向液冷，泵浦角色加重，又屬高耗能且需穩定冷卻，相當適合導入；第三類是商辦大樓、醫院與飯店，負載變化大，商辦上班時段空調需求高、下班與假日下降，飯店則隨平假日與住房率波動，變頻控制能依需求調整轉速，避免定速設備空耗；第四類是石化、鋼鐵等傳統高耗能產業，長期大量用水用電，系統效率一旦改善，節能空間就被放大。 泵浦屬長時間運轉設備，永大對可靠度要求高，因此在導入新一代馬達與變頻方案前，先與台達在永大實驗室確認效率、穩定性與適用條件。目前永大與台達已在科技業與商辦大樓展開導入，鄭全宏提醒，即使選用高效率產品，若操作、控制或監控未配合調整，仍難發揮應有水準，後續還須依現場負載、管路與運轉模式調校，他認為，這正是永大與台達雙方合作的核心價值，永大依現場條件判斷系統是否選型過大或操作不符；台達提供馬達、變頻器、控制器與上位控制等選型建議與導入支援，並可即時派 FAE 應用工程師協助參數設定與排除問題。 鄭全宏指出，泵浦節能是泵浦、馬達與控制系統共同作用的結果。「透過與台達的合作，永大也在既有泵浦專業外補強了驅動與控制整合能力，讓產品從設備供應走向更完整的節能解決方案。」

AI 上車不只拚算力！超恩、滿拓、晶心拆解智慧移動落地關鍵

隨著 AI 應用加速從雲端走向終端，邊緣運算晶片能否真正落地，關鍵已不只在單一晶片的運算效能，更在於晶片、系統與應用端能否共同因應實際部署需求。為鏈結國內半導體產業技術能量與多元應用需求，經濟部產業發展署推動「邊緣運算晶片系統產業鏈結推動計畫」，聚焦智慧移動與智慧醫療照護領域，並透過「邊緣運算晶片系統價值共創平台」(以下簡稱價值共創平台)，促進晶片、系統及應用端業者交流與供需對接，推進跨域合作與邊緣運算晶片系統方案應用。 為進一步聚焦智慧移動應用需求，經濟部產業發展署智慧電子產業計畫推動辦公室(SIPO)於 7 月間辦理「2026 半導體供應鏈競爭力論壇：邊緣運算驅動創新　共探智慧移動新局」。會中，SIPO 張維益專案經理介紹計畫與「價值共創平台」，說明政府如何透過平台串聯產業資源，促進跨域合作。 張維益指出，廠商最關心的，往往是如何找到合適的終端應用與合作夥伴。「價值共創平台」協助 IC 設計、半導體供應鏈及系統整合業者，對接潛在合作夥伴與多元應用需求，涵蓋智慧工廠、智慧照護、智慧移動及零售與生活應用； IC 設計業者可透過「價值共創平台」鏈結系統整合商或法人資源，系統整合商也能進一步接觸終端應用需求。此外，價值共創平台亦協助業者鏈結政府研發資源，包括「晶創臺灣方案」及研發投資抵減等相關措施。 論壇也邀請超恩、滿拓科技及晶心科技等產業專家，分別從系統整合實務、車載 Edge AI 部署及晶片平台發展方向切入，剖析智慧移動從技術開發走向實際部署所面臨的關鍵課題。 超恩解析強固型邊緣運算系統：從固定環境走向戶外，部署可靠度成為關鍵 從概念驗證(Proof of Concept,POC)邁向實際部署時，開發商面臨的一大挑戰，就是環境複雜度大幅提高。超恩研發處協理王志維以自主移動機器人（AGV/AMR）為例指出，產品在固定環境中或許運作順暢，但一旦轉移至戶外環境實際部署，面對電源突波、溫度變化、水氣與粉塵，以及障礙物增加、光線劇烈變化與多變氣候，系統整合與環境適應能力都將面臨更大考驗。 為確保系統在不同環境中穩定運作，工業電腦必須具備寬溫、寬壓及防塵防水等工業級強固設計，才能滿足智慧移動應用的實際部署需求。尤其 AGV／AMR 等移動設備經常使用電池供電，在充電與運作過程中可能產生電壓突波，因此硬體的電源設計與環境耐受能力，都是實際部署時不可忽視的條件。 另一方面，作為系統「眼睛」的相機、光達(Light Detection and Ranging, LiDAR)與 GPS 等感測裝置，其整合能力與輸入/輸出(Input/Output,I/O) 擴展規格，也是影響邊緣運算與智慧移動效能的關鍵。王志維指出，邊緣運算平台必須具備高速乙太網路供電( Power over Ethernet，PoE)、USB 及網路介面，以因應大量即時感測資料的傳輸需求；在多感測器整合需求增加下，系統也需透過 10G 高速 I/O、車載 M12 圓形連接器(M12 Circular Connector)介面及多元擴充設計，提升 LiDAR、GPS 與多路相機等裝置的整合能力。 除了硬體規格與介面升級，實際部署同樣仰賴軟硬體協同調校。超恩透過與軟體夥伴協作，針對實際場域的天候、光線等變化進行即時動態調校，協助降低環境變數對系統運作的影響，進一步提升自主移動系統的感知、定位與運行彈性。這也顯示，智慧移動從概念驗證走向實際部署，不只是提升運算效能，更考驗感測器、I/O、軟體調校與強固硬體之間的整合能力。 滿拓科技：模型跑得動，不代表車子敢用　最差狀況與資料閉環決定落地成敗 「模型跑得動，不代表車子敢用。」滿拓科技創辦人吳昕益表示，AI 模型在實驗室與 Demo 階段即使運行順暢，實際上路後仍可能面臨各種難以事前預測的極端情況(Corner Case)。相較於一味追求最高準確率，車載AI更重要的是在不同環境與突發狀況下，仍能維持穩定且可預期的表現。 車載系統受到延遲、功耗與記憶體頻寬等條件限制，尤其涉及安全性的應用，更必須從極端狀況進行評估。「車廠不接收平均值，更重視最差狀況(Worst Case)下系統需要多久才能完成判斷，」吳昕益表示，系統必須透過最差情況執行時間(Worst-Case Execution […]

AI 網攻自動化到哪一步？Anthropic 報告揭漏洞研究、偵察與資料竊取如何 Agent 化

AI 已經能自己執行網路攻擊了嗎？Anthropic 最新調查顯示，還沒有走到完全自主，但部分原本高度依賴資安專家的工作，已經開始交給 AI Agent 持續執行。 Anthropic 9 月 10 日發布最新 AI 威脅報告，整理 2025 年 12 月至 2026 年 8 月間，在自家 Claude 模型上偵測並中止的惡意活動，涵蓋網路攻擊、影響力操作、監控、傳統武器、生物濫用、詐騙與詐欺，以及非法模型蒸餾 7 類。 報告中的案例主要涉及 Claude Haiku、Sonnet 與 Opus 模型，Anthropic 也提醒，這些是目前觀察到較值得注意、較新穎的案例，並不代表一般濫用的平均樣貌。其中，網路攻擊案例清楚呈現了 AI Agent 驅動的攻擊已經自動化到哪一步。 漏洞研究開始自動循環，單月找出逾 12 個可能 zero-day Anthropic 發現，一組中國境內行動者建立「自動化漏洞工廠」（automated exploit foundry），利用 Claude 驅動多個 Agent，持續分析資安產品。 整套流程會先把韌體與二進位檔送進反編譯工具，由 Agent 追蹤程式結構、提出可能的漏洞假設，再撰寫漏洞利用程式（exploit），拿實驗室裡的產品測試；若沒有成功，就繼續修改與驗證，直到找到可用的方法。其中一套持續運作的流程，一個月就找出超過 12 個可能的零日漏洞（zero-day）。 這群行動者也會使用 Agent 群（Agent swarm），由主 […]

快取價格低至 0.003 美元：DeepSeek V4.1-Flash 省 API 推理，私有化部署卻面臨硬體新考驗

DeepSeek 昨晚推出 DeepSeek-V4.1-Flash，採用 5,520 億參數的混合專家（MoE）主幹架構，具備原生視覺能力與 100 萬 token 上下文視窗，架構重點在於降低反覆讀取大量上下文的成本。 V4.1-Flash 的效率提升：降低 API 開發者的推理成本 V4.1-Flash 離峰時段快取命中每百萬輸入 token 收費 0.003 美元，未命中 0.15 美元，每百萬輸出 token 0.60 美元，尖峰時段價格加倍。AI 代理常反覆處理同一套程式碼庫、工具定義或對話紀錄，重讀的快取上下文可能遠多於新的上下文。DeepSeek 也表示，快取命中費用可能占代理成本的相當大比例。相較之下，GPT-5.6 Sol、Claude Opus 5 與 Kimi K3 的快取輸入價格分別為每百萬 token 0.40、0.50 與 0.30 美元。 《VentureBeat》指出，假設 AI 代理保留 50 萬 token 的可重複使用前綴，並在 100 次請求中都命中快取，若不計快取寫入、新增上下文與輸出，V4.1-Flash 離峰時段約只需 0.15 美元，Kimi K3、GPT-5.6 Sol 與 Claude Opus […]

衡奕精密工業「雷射雙技術」探索細胞修復新可能，2026 創博會現場亮相

「台灣每年健保預算高達 8800 億，其中將近 20%（約 1700 億）用於洗腎患者，」衡奕精密工業股份有限公司總經理何國梁表示，慢性腎臟病患者每週三次往返醫院、接受數小時的洗腎治療，藥物能延緩惡化，卻難以逆轉。 「Trans 有轉移的意思，初衷是認為使用我們的機器，就能把疼痛轉換掉。」何國梁在 2008 年創立自有品牌「TRANS」，朝著讓慢性腎臟病患者不用走上洗腎之路的目標展開研發。 這股將創新技術轉化為具體社會價值的精神，正是 2026 年台灣創新技術博覽會（tie）發明競賽區的核心概念。本屆發明競賽區匯聚國內外企業、學研機構與獨立發明人，涵蓋智慧科技、生技醫療、化工機械、資通訊等多元領域，展現創新技術從研發、展示到商品化應用的發展潛力。透過此次機會協助具潛力的發明作品提升能見度，並搭建與買主、投資者及產學夥伴面對面交流的平台，讓創意從構想真正走向商品化應用。而衡奕正是在這個舞台上，以兩項核心雷射技術，展現從前端研發走向產業落地的強大潛力。 看準國內市場空白，打造自主雷射醫療品牌 「我們的零件交貨到國外，國外再把產品賣回台灣，價格竟然是我們交貨價的數倍。」何國梁回憶衡奕最初以精密加工起家，替國外知名相機工廠代工零件，但隨著代工利潤持續壓縮，也讓他開始思考轉型方向，決定將研發重心轉向光電產品開發，並在開發過程中逐漸發現雷射在醫療上的應用潛力。 而當時，何國梁也意外得知，許多歐美知名雷射醫療儀器品牌，所使用的核心雷射零件，竟然都是出自衡奕之手。「最關鍵的核心零件就在我們手上，那為什麼還要只幫他們做代工？」何國梁表示，這個念頭成為品牌自主化的強心針，加上當時雷射醫療產業在歐美已相當普及，應用範圍涵蓋針灸、皮膚科、口腔癌治療等領域，而台灣市場卻是一片空白，衡奕看見的，是一個需要被填補的缺口。 雷射光照 ✕ 雷射穴位，用光能為細胞「充電」 「當時西醫基本上都說腎臟病不可逆，我就請教中醫師，如果想要改善腎臟病，可以怎麼做，他們給我兩個方向：第一是血液要乾淨，第二是從穴位去進行刺激。」何國梁在擔任健保署給付代表期間，開始深入研究中西醫對腎臟病的不同觀點，也成為衡奕兩項技術的核心設計邏輯。無論是「雷射光照裝置」或「雷射穴位裝置」，皆奠基於低能量雷射治療（LLLT）的科學原理，簡單來說，就像是用光給細胞「充電」，讓已經停滯的修復機制重新啟動。 「好的細胞就像人體的發電機，當發電廠能量強的時候，身體就會越來越好。」何國梁進一步解釋，為了讓發電機恢復運算，雷射光照裝置負責清潔血液，而研發過程面對的最大挑戰，在於溫度控制，雷射照射必須維持在 35°C 到 37°C 之間，稍有偏差就可能對細胞造成熱傷害。經過大量的細胞研究，團隊成功透過特定雷射波長照射血管，分解血液中的各類自由基，降低身體的代謝負擔，將體內毒素清除後，肝臟代謝改善，讓患者的腎臟不再持續硬化，肌酸酐等關鍵指數也隨之下降。 另一方面，「雷射穴位裝置」的一大突破，在於提供無痛、無感染風險的雷射針灸新模式。此技術以雷射照射穴位或肌肉激痛點時，能抑制發炎細胞激素並刺激血管新生與膠原蛋白合成，使傷口癒合時間縮短 35% 以上。若用於慢性病治療，它能活化血液中細胞粒線體並促進 ATP 合成，提升紅血球帶氧量與白血球抗發炎能力。人體正常的微循環血流速度是每秒 200 至 400 微米，一旦有血管堵塞或管壁增厚的情況，流速可能降至190微米以下，導致粒線體活化機率降低，而這項裝置正能打破此瓶頸，透過加速血流與改善微循環，讓發炎部位依靠自體含氧細胞血流達到消炎與細胞修復的效果。 這兩項裝置相輔相成，一個專注於清潔血液以減輕負擔，另一個負責活化器官以重塑循環，讓患者的腎絲球過濾率得以逐步回升。 築起法規護城河到新南向佈局 目前兩項技術在臨床應用上，適用的病症範圍廣泛，包括慢性傷口癒合、神經痛、退化性關節炎、運動傷害，乃至腎臟疾病的輔助治療，也獲得國內多家醫學中心的臨床驗證，累計完成約 200 位第 3 至 4 級慢性腎臟病患者的臨床研究，成功將大部分患者的腎功能拉回第 2 級。 在競爭策略上，衡奕選擇用技術與法規鞏固市場地位，目前已取得超過 50 張衛福部醫療器材許可證、800 多家醫療院所使用，並持有數十項國內外專利，這套完整的認證體系，是進入全球醫療市場最難被複製的護城河。在市場佈局方面，衡奕正積極配合政府新南向政策，從周邊亞洲市場起步，最終目標是讓「TRANS」品牌從台灣隱形冠軍，走向全球健康產業的指標品牌。 而衡奕只是本屆發明競賽區眾多參賽亮點之一。2026 台灣創新技術博覽會（tie）將於 9 月 17 日至 […]

【AI 購物助手大破口】研究人員突破多層防護，證明零售商系統可被完全掌控

在美國拉斯維加斯所舉辦的黑帽（Black Hat）網路安全大會舞台上，資安專家 Netanel Rubin 和 Dan Avraham 帶來了一項重大發現，那就是某家大型零售商的 AI 購物助手，其安全防護機制居然能被輕鬆繞過，讓駭客透過 AI 聊天對話，使任意程式碼執行在業者的系統環境中。 資安專家指出，AI 購物助手薄弱的安全防護機制，如果落入不法之徒手中，即可能會讓攻擊者掌握徹底企業的內部系統，導致機密洩漏或取得能被用於後續攻擊的存取權限，讓公司與客戶同時受到威脅。 由 Netanel Rubin 和 Dan Avraham 所創辦的資安公司 Rein Security 表示，他們攻擊成功的零售業者是全美國三大零售商之一，並非只是某家正在嘗試導入 AI 聊天機器人的小型網路商店；同時研究員選擇的攻擊途徑，亦是該業者公開推出的行動版 App 其中內建的 AI 購物助手。 只不過，基於法律考量 Rein Security 並沒有詳細透露零售商的身份，換句話說 Netanel Rubin 和 Dan Avraham 的發現，暫時無法進行獨立驗證，消費者也無從得知，自己是否曾經使用過受影響的 AI 助手功能。 瞄準搜尋功能，發動提示詞注入 隨著 AI 技術發展，許多零售業者開始在自家的網路商店中，提供具有產品推薦、價格比較等功能的 AI 助手，但是為了回答某些問題，某些 AI 助手被允許獲得更大的搜尋權限，嘗試替消費者蒐集更多購物資訊，進一步使 AI 的檢索範圍超出購物網站本身，並導致零售商無法控制 AI 最終所呈現的內容。 換句話說，這些 […]

AI 購物的下一個戰場，不在電商而在貨架前：Home Depot 如何把導購搬進門市走道

美國家居零售商 Home Depot 正將生成式 AI 助手「Magic Apron」擴大部署至全美超過 2,000 家門市，讓消費者即使已經走進店內，也能透過手機取得 AI 協助。《Marketing Tech》指出，這項布局意味著零售 AI 的應用場景正在突破傳統電商介面，進一步深入實體購物環境。 從線上走向貨架：將手機變成門市「購物導航與專案顧問」 Home Depot 最初在 2025 年 3 月推出 Magic Apron，定位為一套生成式 AI 工具，協助回答消費者商品與居家修繕相關問題、改善搜尋結果，並提供商品推薦、教學指引與評論摘要。如今，Magic Apron 每月已處理數百萬次顧客提問，Home Depot 持續擴充其能力，並將服務延伸至實體門市。 在門市場景中，Magic Apron 具備自然語言理解能力，並支援多國語言互動。顧客能透過文字、語音轉文字甚至上傳圖片表達需求；系統則會對應當前門市的貨架與走道位置，精準導航並指引顧客尋找商品。若現場缺貨，還能即時查詢其他門市的庫存狀況。 這讓 Magic Apron 的角色開始接近一種「實體購物搜尋引擎」。過去消費者在網路搜尋商品時，可以看到規格、價格、評論與庫存，但走進門市後，仍可能需要自行尋找貨架、詢問店員，或在不同資訊之間來回確認。Magic Apron 則試圖把這些資訊整合進手機介面，讓消費者在貨架前就能獲得更即時的商品與專案建議。 虛實庫存即時串接，實現真正的商務整合 Home Depot 互聯零售（Interconnected Retail）執行副總裁 Jordan Broggi 表示，Magic Apron 將企業的數位優勢導入實體場域，能協助顧客更高效率地尋找商品、取得專案指導並做成購買決策。Home Depot 同時強調，AI 的目的並非取代現場員工，而是作為補充性的資訊管道，讓門市同仁依然能扮演服務的核心角色。 這項布局最關鍵之處，在於 Magic Apron […]

【科技早餐】Apple Siri AI 9/14 Beta 上線，NVIDIA 170 億美元 Groq 交易傳遭美國司法部調查

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Apple Siri AI 9 月 14 日 Beta 上線，首波僅支援英語、部分功能設使用上限 Apple 新執行長 John Ternus 上任後，首度主持大型產品發表會，並把 iPhone 定位為 AI 時代的「智慧個人中樞」。John Ternus 將隱私列為 Apple 與其他 AI 平台的主要差異，相關 AI 服務會盡可能在裝置端執行，需要更多算力時，才會透過 Private Cloud Compute 私密雲端運算處理，並由這套系統提供延伸至雲端的隱私保護。 延後多時的 Siri AI，將隨 iOS 27 在 9 月 14 日以 Beta 版推出，可以理解使用者的個人情境，並在 Apple 與第三方 App 中執行操作，首波支援超過 30 萬個應用程式。不過，Siri AI 初期只支援英語，法語、日語、韓語、西班牙語與葡萄牙語要等到 10 月，歐盟與中國市場也暫時無法使用。部分依賴大型伺服器模型的功能設有使用上限，多數 […]

Agility 揭人形機器人的「勞工成本」：一台 Digit 5 年 40 萬美元，多久幫你賺回來？

在工廠導入一台人形機器人，到底要花多少錢？機器人公司 Agility Robotics 提交證券文件，首度公開較完整的旗下雙足人形機器人 Digit 成本。《Business Insider》報導，以文件列出的其中一種商業模式來看，下一代 Digit v5 售價約 20 萬美元，另需約 2 萬美元的一次性部署費；投入運作後，每台機器人每年還有約 3.6 萬美元的軟體與維護費用。 可運作 20 小時、負載近 23 公斤：Agility 揭 Digit 機器人商業化算盤 《Business Insider》指出，若以 Agility 假設的 5 年使用年限計算，一台 Digit 的總成本（包含機器人、部署費、每年軟體與維護費用）約為 40 萬美元。不過，Agility 強調，這些數字只是用來估算 Digit 商業模式的示意值，並不代表實際客戶最後支付的金額。 Agility 也表示，實際合約價格仍須逐案協商。至於 5 年使用年限，並不代表 Digit 運作 5 年後就會停止，而是公司為了進行成本與效益分析所採用的假設。即便如此，Agility 認為，企業導入 Digit 後，有機會在相對短的時間內回本。 Agility 在文件中指出：「根據我們目前的規劃假設，預計 Digit v5 約可在 1.1 年內達到客戶損益兩平。」這項估算主要考量機器人的生產力、運轉時間，以及勞工的可用程度，但公司並未進一步公開具體的投資報酬計算方式。 […]

波士頓動力分拆新創亮相：Dynamic Creatures 打造「紫色貴賓」，搶攻樂園與零售陪伴商機

Dynamic Creatures 是一家從 Boston Dynamics 分拆出的新創公司，近期正式亮相，專注為主題樂園與零售場景打造機器人。執行長 Marc Theermann 表示，機器人的安全性必須「從根本重新思考」，因為他希望打造出讓人們願意親近、擁抱的機器人。 陪伴型機器人是趨勢？Danielle 用可愛設計跨越人機互動藩籬 《FORTUNE》報導，Danielle 有一雙大眼睛、毛茸茸的耳朵，一身卡通感的薰衣草紫色毛髮，乍看就是一隻貴賓狗，實際上卻是機器人。「Danielle 是我們基於 Boston Dynamics 的 Spot 平台打造的機器人。」Marc Theermann 表示，Spot 是 Boston Dynamics 最知名的機器狗之一。他認為，大眾對機器人有興趣，但現有機型看起來都像從科幻電影裡走出來的，如果真的要讓人們接受機器人，它們就必須可愛、討喜。 《FORTUNE》記者描述，Danielle 的眼睛藏在紫色眼皮下，可以轉動，嘴巴和四肢也都能活動。這是 Marc Theermann 手上兩款陪伴型機器人原型之一，另一款名為 Hugo，是一隻以阿爾卑斯山地傳說為靈感的山地巨魔。 Marc Theermann 表示 Boston Dynamics 收到許多各方邀約。他轉述邀約包含：「（機器人）能不能來我的活動？能不能去 FIFA？能不能來我們的足球賽，中場表演跳個舞？」任職 Boston Dynamics 期間，Marc Theermann 也看著機器人登上《美國達人秀》，也與美國歌手 Katy Perry 和英國樂團 The Rolling Stones 同台；Spot 機器狗還短暫客串《星際大戰：曼達洛人》，對身為終生星戰迷的 Marc Theermann 本人意義重大。Marc Theermann […]

OpenAI Agent 越界範圍再擴大、Anthropic 揭第 4 起事故：AI 安全進入「事故治理」階段

OpenAI 旗下 AI Agent 越界的「Wiki 事件」還在擴大，繼先前被發現利用德國 Wiki 交換資訊後，獨立研究者又找到更多活動足跡，顯示實際活動範圍比先前揭露的更廣。而幾乎同一時間，Anthropic 也公布自家 Agent 的最新事故調查，發現原先在 7 月揭露 3 起 Claude 意外存取真實第三方系統的事件，如今又找到第 4 起。 延伸閱讀：OpenAI Agent 把德文 Wiki 變留言板，為何他們早就知道卻沒有公開？ 《Reuters》9 月 9 日取得 6 組獨立調查結果指出，OpenAI 的 Agent 今年稍早至少曾利用 10 個先前未公開的網站進行未經授權的通訊，部分研究團隊追查到的網站甚至更多。Anthropic 方面在重新分析後承認，先前將事故較偏向歸因於環境設定錯誤的說法並不完整，模型本身也出現「偏誤推理（biased reasoning）」與「魯莽行為（recklessness）」等問題。 這兩起事件的成因不同，卻共同突顯 AI Agent 發展後的新難題：當模型可以長時間自主尋找工具、嘗試不同路徑並執行任務，安全問題已經不只是在上線前確認模型會不會越界，還包括異常發生後，企業能不能及時發現、阻止，甚至還原 Agent 究竟做過什麼。 外部研究者循線追查，OpenAI Agent 活動範圍比原先揭露更廣 OpenAI 這批 Agent 原本具有網路讀取能力，但受到不能任意向網站寫入內容的限制。研究者認為，為了完成被交付的研究任務，Agent 轉而利用舊式 Wiki、文字儲存網站與大學提供的縮網址服務等管道留下資訊，形成原先未被允許的通訊方式。 「Wiki 事件」範圍之所以持續擴大，關鍵在於外部不同研究團隊開始沿著 Agent […]

Anthropic 三情境拆解 AI 經濟衝擊：極端情境 GDP 增 32%、失業率恐近 12%

Anthropic 最新研究指出，AI 未來四年可能對美國經濟帶來程度截然不同的影響。較溫和的情況下，AI 對經濟的改變可能類似網際網路；若發展速度更快，影響力則可能接近網際網路與電力同時出現的程度。至於最極端的情況，AI 帶來的經濟變化沒有可供比照的先例。 若實際發展接近這些情境，AI 可能推動經濟大幅成長，同時也會帶來深遠的政治影響。尤其在經濟成長強勁的情況下，AI 對白領工作的衝擊最為劇烈。 Anthropic 預測 2030 年 AI 經濟衝擊：三種情境揭示 GDP 與就業市場變化 Anthropic 經濟學家 Anton Korinek 指出，未來一、兩年就能逐漸看出 AI 將對經濟帶來多大影響。不過，其他經濟因素可能掩蓋 AI 初期帶來的變化，因此要到接近 2030 年時，不同發展情境之間的差距才會更加明顯。Anthropic 也推出互動工具，讓使用者自行測試不同的發展情況。 Anton Korinek 表示，在溫和情境（modest）情境下，到 2030 年，AI 只會應用在約 4% 的經濟活動中。相較於沒有 AI 的情況，GDP 將增加 1.6%，就業市場受到的影響也相對有限，失業率不會出現明顯變化。 研究顯示，若 AI 發展進入顯著情境（substantial），AI 的應用範圍將擴大至 12% 的經濟活動，而且主要用途將是取代人力，而非輔助員工。到了 2030 年，GDP 將較沒有 AI 的情況增加 8.3%，失業率則小幅升至 4.6%。至於極端情境（extreme），AI 將承擔接近整體經濟三分之一的工作，而且大部分工作都是直接取代人力。此時，2030 年 […]

【機器人的下一關：聽覺】會走路、拿東西還不夠，聽不懂人話就難被採用

近年科技展上的人形機器人，已經能夠行走、避障、搬運物品，甚至完成過去難以想像的精細操作；但當人們真正站到機器人面前，嘗試與它交談時，它還是可能出現聽錯指令、在錯誤的時間回應等問題，甚至只要周圍多出幾個說話者，就無法判斷聲音從哪裡來。 冰島的聲學模擬與空間音訊技術公司 Treble Technologies，其共同創辦人暨商務長 Gunnar Pétur Hauksson 認為，機器人能不能被人類廣泛接受，最後不只取決於它看得多準、走得多穩，更取決於人們能否自然地與它溝通。 因為語音互動直接影響的不只是便利性，還包括信任、安全與工作效率。 機器人的顯性動作容易量化，可以作為明顯指標 機器人公司通常會先發展「看得懂」和「動得了」的能力，因為這些能力比較容易測試和展示；例如可以計算機器人走路的速度、成功拿起物品的次數，以及辨認物體的準確率，而且這些成果也很容易透過影片讓大家看見。 此外，電腦視覺技術已經發展得相當成熟，相關的資料、AI 模型和訓練工具都比較完整；像NVIDIA Isaac Sim 這類模擬平台，還能讓工程師在虛擬環境中反覆測試機器人如何走路、避開障礙物和拿取物品，不必每次都在真實世界中測試。 問題是，這些訓練環境大多以視覺資訊為核心，幾乎沒有真正的聲音。這並非業界沒有意識到聽覺的重要，而是在運算資源、工程人力和商業競爭下，開發者自然會優先處理資料充足、指標明確，而且成果容易展示的能力。 但現實是機器人的工作環境並不是無噪音的。工廠有機械運轉聲，展場同時存在多人交談，街道上有車流，家中也可能出現電視、人聲和移動中的聲源。聲音還會受到牆面反射、空間大小和物體材質影響。人類可以在這些混亂條件下辨認對話，現有機器人卻常在離開安靜實驗室後失去穩定性。 而人類對溝通錯誤的容忍度，往往比對動作的瑕疵更低。一台走路稍微僵硬的機器人，仍可能被視為可以使用；但如果它反覆聽錯、答非所問，或者回應節奏總是慢半拍，使用者很快就會感到厭煩。 演化留下的線索：聽覺是一層持續運作的重要感知 具有生物學背景的 Hauksson 從人類演化提出另一個觀察，他指出，在人腦處理感官資訊的資源分配中，視覺占比最高；聽覺雖然較低，但依不同情境估計仍占感官處理工作量約 15% 至 20%，是僅次於視覺的重要感官。 人類投入大量資源處理聲音，反映聽覺對於辨識環境、判斷意圖和維持溝通的重要性。若生物智慧需要如此可觀的聽覺能力才能在物理世界生存，機器人也很難只靠攝影機完成相同任務。 再者，聽覺與視覺扮演的角色也不相同。視覺主要處理視野範圍內的資訊，聲音卻能提醒人們注意身後或遠處正在發生的變化。透過音量、方向和頻率，人可以判斷物體正在接近還是離開；透過語速、停頓和語氣，也能辨認對方是平靜、急迫還是具有敵意。因此，聽覺不是視覺的附屬功能，而是一層持續運作、補足視覺盲區的感知系統。 語音更不只是把一串文字轉成聲音而已。人類溝通還包含節奏、回應時機、細微語調和情緒訊號。同一句話在不同語氣下，可能傳達完全不同的意圖。機器人若只能辨識字面內容，卻無法理解這些聲音線索，就仍然難以真正進入人類的社交與工作環境。 機器人聽覺卡關：音訊資料難蒐集，模擬又耗運算資源 機器人聽覺發展落後的另一個原因是，高品質音訊資料難以大量取得。視覺模型可以從網路蒐集圖片，再進行分類與標註；聲音一旦脫離錄製環境，許多關鍵脈絡就會消失。 同一句話在不同房間、距離、方位、麥克風和背景噪音下，機器收到的訊號可能完全不同。若要保留這些條件，真實世界的採集與標註成本便會迅速提高。 利用模擬資料訓練是一條可能的出路，但聲音會受到空間形狀、牆面材質和周圍環境影響。場景中看似很小的變化，都可能改變聲音的反射、變小或變大的程度，以及抵達麥克風的時間。因此，要準確模擬聲音，需要大量運算。過去多數系統只能用較簡單的模型，生成的聲音也就不一定像真實環境。 聲學模擬成解方，聽覺或成機器人下一競爭戰場 不過這個問題正在逐步改善。Treble Technologies 正打造高精度聲學模擬平台與 Treble SDK，希望生成包含空間聲音、設備特性和聲音方向的合成資料，讓模擬環境更接近真實世界。 依 Treble Technologies 的說法，相關平台已被多家科技公司用於開發音訊系統，這代表聲音資料未來可能不必完全依賴昂貴、難以大量取得的真實錄音，而能透過模擬持續產生，成為 AI 訓練的重要資源。 總體而言，聽覺和語音互動可能成為機器人產業在未來的主要競爭點。這項能力的重要性，也來自人類對溝通失敗格外敏感。 動作不夠流暢，可能只是技術尚未成熟；反覆聽錯與答非所問，卻會讓人直接懷疑機器是否可靠。 隨著聲學模擬逐步成熟，過去卡在資料取得與真實環境重現的聽覺 AI，才有機會走向類似視覺模型的規模化訓練。 從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！👉了解職缺內容 ＊本文開放合作夥伴轉載，參考資料：《The Robot Report》、《M4Snews》，圖片來源：Unsplash （責任編輯：鄒家彥）

【333 Robots Community Meetup】從 Gesture HW1 到人形格鬥機器人，開發者怎麼把機器人做出來？

因為找不到價格合理、又具備一定靈活度的機器人靈巧手，Gesture Platforms 創辦人 Will 決定自己做一隻。這個原本從興趣開始的個人專案，經過數年開發，今年進一步登上 Kickstarter 募資，最終募得 12.37 萬美元，是原定 6 萬美元目標的 2 倍以上。 由鴻海科技集團、科技報橘與三創育成共同舉辦的 333 Robots Community Meetup，就邀請到 Will 分享 Gesture HW1 的開發歷程，現場也由 RCL 人型格鬥機器人競技聯盟帶來實機表演賽。333 Robots Community Meetup 是每月舉行的 AI 機器人開發者交流活動，從一人開發的靈巧手，到自己設計、製作機器人的開發者，這場聚會也呈現機器人開發工具逐漸容易取得後，正在累積的實作能量。 從興趣做到募資，Gesture 想填補靈巧手中間的價格空缺 Will 分享，當初開始開發 HW1，就是因為市面上很難找到符合需求、價格又能負擔的靈巧手。在他的觀察中，一端是約 100 至 200 美元、可自行 3D 列印的 DIY 方案，另一端則是可能要價 1 萬至 2 萬美元以上的產品，而 Gesture HW1 就是要填補兩者之間的空缺。 HW1 具備 10 個自由度，手腕也能活動。Will […]

【科技早餐】Amazon 最高 600 億美元採購高通 AI 晶片，AI 戰線延伸至電力、代理與資安

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Amazon 最高可採購 600 億美元高通 AI 晶片，高通進軍 NVIDIA 資料中心地盤 高通（Qualcomm）與亞馬遜（Amazon）簽訂長期合作協議，Amazon 未來可向高通採購最高 600 億美元的 AI 資料中心晶片及相關產品。雙方將共同開發多代客製化晶片，主要用於執行訓練完成的 AI 模型，並合作開發最高達 1.6 Tbps 的高速光連接技術，因應 AI 資料中心的頻寬需求。高通也將擴大使用亞馬遜網路服務（AWS）協助晶片設計，希望縮短開發週期。 不過，600 億美元是採購上限，不是 Amazon 已經一次下單或高通可以直接認列的收入。高通另提供 Amazon 價值約 40 億美元的認股權證，將隨產品採購進度分階段生效。Amazon 也加入 Microsoft、Meta 等支持高通資料中心布局的客戶行列。高通預期，相關合作將協助資料中心晶片年營收在 2029 年達到 150 億美元，降低公司對手機市場的依賴。 ＊Google 砸 151 億美元建芬蘭 AI 基礎設施，首度在美國以外簽核電長約 Google 宣布，將在 2027、2028 兩年間，於芬蘭投資至少 130 億歐元，約 151 億美元，這也是 Google 至今在歐洲規模最大的單筆投資。資金將投入哈米納（Hamina）等四個地區的資料中心及周邊基礎設施，涵蓋電網升級、潔淨能源與電池系統，用來支援 […]

台灣開始思考 AI Agent 怎麼管，數發部點出能力、身分、問責等六個治理層次

近期 AI Agent（AI 代理）能力快速往前推進，從回答問題走向呼叫工具、操作系統，到連續完成多步驟任務，相關安全事件也讓治理問題受到更多關注。當 AI 開始能代表使用者自行執行工作，除了模型本身是否安全、可靠，誰能授權它做什麼、它又代表誰，也逐漸成為新的問題，而台灣準備怎麼管？ 數位發展部次長侯宜秀透露，目前政府各部會填報的 AI 應用情境中，已經有部分機關使用 AI Agent。她指出，相較聊天機器人或其他特定 AI 功能可能告訴使用者該怎麼做、最後仍由人執行，AI Agent 則是「會一路把事情全部做完」，因此還需要進一步考慮它的能力、自主性，以及使用者願意給它多少信任與授權。 AI Agent 怎麼管？侯宜秀點出六個治理層次 侯宜秀表示，AI Agent 本身仍是一種 AI 應用，因此目前可以先按照既有 AI 風險分類框架進行評估；未來政府相關指引中，也可能納入部分 Agent 規範。至於 Agent 本身的治理，她認為可以從六個層次思考，包括能力、行為、安全、身分、可問責性與制度。 首先是 Agent 本身具備多少「能力」，例如可以完成哪些事情，以及能力是否值得信任。接著則是「行為」，也就是對 Agent 行動的信任程度，以及願意授權它做到什麼程度；第三層則是「安全」，也就是 Agent 所處的執行環境是否受到足夠保護。 當 Agent 開始代表使用者執行任務，下一個問題便是「身分」。侯宜秀指出，需要知道這個 Agent 到底代表誰；再往下一層則是「可問責性」，包括 Agent 是由誰授權、出了問題由誰負責，以及事後是否能還原相關行動。 最後則走到「制度」面，如果 Agent 執行任務後發生問題，後續可能涉及標準、認證、責任歸屬甚至保險等機制。侯宜秀表示，這些都是未來規範 AI Agent 時可能需要處理的問題。 其中，身分問題還可能進一步跨越國界。侯宜秀指出，AI Agent 不會只有台灣使用，未來也可能出現「台灣的 Agent 要跟美國的 Agent […]

40 億美元認股權證綁定：高通攜手亞馬遜開發 AI 推論晶片與 1.6 Tbps 光通訊

高通表示，亞馬遜未來可能向其採購最高 600 億美元的 AI 資料中心晶片及相關產品，雙方將展開長期合作，協助高通進一步拓展 AI 基礎設施市場。《Reuters》報導，根據高通提交的監管文件，這項交易也反映出 AI 熱潮下，晶片商與科技公司的合作已延伸至股權安排。高通將授予亞馬遜價值約 40 億美元的認股權證，權證將隨亞馬遜採購產品逐步生效，讓亞馬遜以每股 161.26 美元的價格購買高通股票。 高通結盟 AWS 攻 AI 基礎設施，加速多元化業務轉型 《Reuters》指出，這項協議顯示，高通拓展智慧手機以外業務的努力正逐漸取得成果。高通目前面臨蘋果數據機業務最終流失、零組件成本上升，以及手機需求疲弱等挑戰。過去一年，高通持續爭取雲端服務業者採用其客製化 AI 晶片及資料中心技術，這些業者也在尋找 NVIDIA 主導的處理器之外的替代方案。 此次合作中，雙方預計共同開發用於 AI 推論的晶片。AI 推論是快速成長的市場，主要用於執行已訓練完成的 AI 模型，現成為半導體業者競爭的關鍵領域。高通提及，合作也包含與亞馬遜一同開發高效能光學連接解決方案，因應 AI 基礎設施規模持續擴大所帶來的頻寬需求，並將運用高通的先進 SerDes 與光學 DSP 技術。 作為擴大合作的一環，高通也計畫進一步使用 AWS 的 AI 基礎設施，包括 Amazon Bedrock，來執行電子設計自動化（EDA）工作負載，縮短晶片設計週期。高通預計，這些合作將帶動資料中心晶片營收在 2029 年達到 150 億美元。TECHnalysis Research 分析師 Bob O’Donnell 表示：「這項交易正是高通目前需要的發展，有助於讓市場相信，該公司設定的資料中心業務目標確實有機會達成。」 《Reuters》補充，就在此次合作宣布前幾週，Marvell Technology 才與 Alphabet […]

Meta 推出專屬 AI 代理 Muse：主打「第二大腦」，內部實測卻踩安全隱憂

Meta 推出全新的 AI 代理 Muse，能代替使用者處理各種日常工作，實現 Facebook 共同創辦人、Meta 執行長 Mark Zuckerberg 所構想的未來：每個人都能擁有一名專屬的 AI 助理。 Meta 表示，Muse 能讓使用者依照自己的喜好打造專屬代理，包括替它命名、設定頭像，以及調整溝通方式。使用者還可以讓 Muse 連接電子郵件、健身追蹤器等 App；即使關閉應用程式，Muse 仍能在背景持續執行任務，協助使用者完成原本設定的目標。 Meta 開發個人 AI 代理，搶攻數十億消費者市場 Mark Zuckerberg 一直將企業 AI 代理與面向一般消費者的個人 AI 代理視為兩種不同的產品方向，而他認為後者是 Meta 更大的發展機會。他上月發表一篇長達 6,500 字的宣言，進一步說明他對這項技術的願景。他表示：「每個人都將擁有一名能力非凡的個人代理，它了解你、你的目標，以及你所關心的一切。」 Meta 未來希望讓目前使用 Instagram、Facebook、WhatsApp 等社群平台的數十億名使用者，都能使用這項產品。Meta 的 AI 部門負責人 Alexandr Wang 接受《Bloomberg》訪問時表示：「產品的設計原則之一，就是要容易使用，讓一般使用者都能輕鬆上手。」 Alexandr Wang 舉例，自己也使用這項功能，並以愛犬 Euler 的名字為他的 AI 代理命名，讓它協助尋找及購買家具，布置新家。不涉及重大決策、風險較低的事情，Muse 都可以自行處理。Alexandr Wang 表示 […]

【劉永信專欄】ChatGPT 廣告營收破 10 億！為什麼「搜尋入口」最後都走上廣告這條路？

2026 年八月底，OpenAI 宣布旗下廣告業務 ChatGPT Ads 上線不到 200 天年化營收就突破 10 億美元，同一時間這項自助投放服務也擴大到印度跟歐洲三十幾個市場，這消息被包裝成多元化商業模式的成功案例，畢竟當年 Google 的 AdWords 花了四年才達到這個數字而 OpenAI 只用了六個月。 這則消息，這幾天已被不少科技媒體轉譯報導過，但我認為，這則新聞該被討論的不是「10 億美元」。 10 億美元，只占 OpenAI 預估全年營收約 400 億美元的比重 2.5%，今年 6 月，OpenAI 單季營收就已經達到 67 億美元，換句話說，廣告業務目前仍然是零頭，離撐起這家公司的核心引擎還很遠。 但今年稍早，OpenAI 喊出的是「全年廣告營收要達到 25 億美元」，長期目標則是在這個十年結束前，做到 1,000 億美元規模，但 8 月底才衝上 10 億美元的年化營收，要今年底達到 25 億美元，應該是不太可能。 回看歷史，OpenAI 如今面臨的商業化抉擇，其實並不陌生。 2004 年，Google 在上市前夕面對投資人最尖銳的提問，不是搜尋技術強不強，而是「這家公司到底靠什麼賺錢？」 在那之前，Google 的創辦人們曾公開表示不想要廣告介入搜尋結果，而且兩位創辦人還在 1998 年發表論文，他們認為，由廣告主付費的搜尋引擎，天生會傾向廣告主的利益。 不過後來的發展大家都知道了，Google 後來想做的其實不是「要不要放廣告」，而是找到一種讓廣告「看起來像答案」的呈現方式，廣告只會在你主動搜尋，且搜尋詞帶有明確商業意圖時才出現，這讓廣告本身變得像是順便給的建議，而不是打斷內容的視窗。 「關鍵字廣告」成了 Google […]

AI 晶片逼近曝光極限，台積電、Intel、Samsung 為何非換 12 吋光罩不可？

AI 晶片持續追求更高運算能力，一方面需要更先進製程，把更多電晶體塞進有限面積；另一方面，為了增加運算核心、記憶體介面與互連，高效能資料中心晶片的裸晶面積也持續往上推。這兩個趨勢，如今開始同時碰上微影設備的限制。 目前晶圓廠廣泛使用的極紫外光微影（EUV），單顆晶片可曝光面積最高約 800 平方毫米，《Reuters》指出，NVIDIA、Google 等公司設計的晶片，已做到接近這項上限。下一代 High NA EUV 雖然可以印出更精細的線路，單次曝光範圍卻縮小一半，使大型晶片可能需要分次曝光，再透過 stitching（拼接曝光）接在一起。 為了解決這個問題，ASML 與台積電 9/8 宣布推動產業轉向 12 吋大尺寸光罩，Samsung 隨後宣布加入，Intel 則已推動相關規格超過 3 年。ASML 技術長 Marco Pieters 向《Reuters》表示，如果產業成功完成這項轉換，High NA EUV 系統生產力可提高約 40%。這也代表，隨著 AI 晶片尺寸與複雜度提高，半導體業可能連沿用數十年的 6 吋光罩規格都得跟著調整。 High NA EUV 印得更細，單次曝光範圍卻縮小 為什麼需要更大的光罩？這可以從 High NA EUV 的設計談起。現有 EUV 微影設備的數值孔徑（NA）為 0.33，ASML 新一代 High NA EUV 則提高至 0.55。以首款 EXE:5000 為例，解析度可達 8 奈米，相較現有 […]

【在工廠學習的機器人】與其等待龐大訓練資料集出現，Reimagine Robotics 讓客戶自己教機器人

機器人產業近年吸引大量資金投入，投資人賭的是這個領域即將迎來自己的 ChatGPT 時刻。但一群 Google DeepMind 前工程師創立的新創公司 Reimagine Robotics 認為，真正卡住機器人商用化的關卡，不是技術能力不夠，而是訓練資料嚴重不足。 他們的解方，是讓客戶自己動手教機器人做事。 機器人缺的不是模型，是資料 大型語言模型能靠海量網路文字訓練出強大能力，機器人領域卻沒有對應規模的真實世界資料可用。加州大學柏克萊分校機器人學者 Ken Goldberg 提出「十萬年資料落差」的概念，即目前已知最大的機器人訓練資料集，內容量僅相當於一年份的操作經驗，相較之下，若要讓一個人讀完、看完訓練頂尖 AI 模型所用的全部文字與圖像，估計得花上 10 萬年。 Reimagine 創辦人暨執行長 Jonathan Scholz，過去正是在 DeepMind 帶領應用機器人團隊長達七年，他曾主導三個機器人專案，卻都在試點階段就宣告失敗，這段經歷讓他意識到問題並不單純出在技術能力上： 「真正需要做到的，是讓實際理解工作內容的第一線人員，能夠使用並調整這些機器人。」 這個體悟促使他與 Oleg Sushkov、Akhil Raju、Misha Denil 等前同事共同創立 Reimagine，並在 2026 年 8 月 3 日正式對外公開，公司同時在倫敦與雪梨設立據點，目前已獲創投公司 Fly Ventures、Firstminute Capital 與多位未具名天使投資人挹注種子前輪資金，並正在尋求下一輪投資，以擴大團隊與部署規模。 讓客戶自己教機器人，訓練時間大幅縮短 既然資料無法一步到位，Reimagine 選擇換一種取得資料的方式：與其等待龐大訓練資料集出現，不如讓現場的人直接示範。 Scholz 表示，公司旗下的機械手臂與組裝機器人，採取「猴子看猴子學」的訓練模式，客戶只要示範一次任務動作，觀察機器人的嘗試結果，再透過手動操作機械手臂進行修正，就能完成訓練，這個過程在 AI 領域稱為「後訓練」。讓知識來源從專業整合工程師，轉移到實際操作機器的第一線人員身上。 這套做法已在實際場域驗證成效。Reimagine 與多家製造業者合作測試機械手臂，其中一套由 3 台機器人組成的工作站，專門用於拆解廢棄硬碟、提煉關鍵材料，把組裝出堪用原型所需的時間，從原本的一天，大幅縮短到 10 […]

告別貨架缺貨痛點：美英零售巨頭導入 AI，Homebase 盤點時間砍掉逾 2 天

實體零售的缺貨問題，往往發生在消費者走進店裡之後才被發現。貨架上少了一個商品、價格標籤沒有更新、庫存數字與現場數量對不上，都可能直接影響銷售。對擁有數百甚至上千家門市的零售商而言，若依靠店員逐一巡查與人工盤點，不僅耗費大量時間，也很難維持即時且一致的庫存資訊。 近期英國超市巨頭 Asda、美國超市龍頭 Kroger，以及農牧五金連鎖 Homebase USA，正透過 AI 影像技術與巡檢機器人，把貨架管理進一步自動化。 Asda 告別轉型陣痛，讓「貨架供貨率」帶動營運回升 英國第三大超市 Asda 近期宣布新一波科技投資，希望提高營運效率，同時讓更多商品能夠維持在架上。 《金融時報》報導，Asda 導入的技術包括 AI 驅動的貨架掃描鏡頭，以及電子價格顯示牌。AI 鏡頭能持續檢查貨架上的商品狀態，一旦辨識出缺貨空隙，便會自動發出通知，提醒門市團隊快速完成補貨。Asda 執行董事長 Allan Leighton 表示，新科技一方面能帶來生產力提升，另一方面則能改善商品供貨率；當貨架上的商品更容易被消費者找到，銷售也有機會隨之增加。 目前這套科技投資開始反映在業績上。Asda 表示，截至 8 月 18 日的 7 週期間，同店銷售額成長 0.2%，有望迎來兩年來首次季度成長。對正在進行轉型的 Asda 而言，AI 貨架監控的意義並非單純增加一項自動化設備，而是將門市現場的缺貨資訊更快回傳給營運團隊，縮短「發現問題」與「採取行動」之間的時間。 移動式巡檢機器人走入門市：Homebase USA 將缺貨率壓至 1% 以下 相較於固定式鏡頭，美國零售市場則展示了另一種具備高移動性的自動化解法。美國超市龍頭 Kroger 旗下的 Smith’s Marketplace 門市，近期正式迎來了第 500 台由 Simbe 開發的 Tally 庫存巡檢機器人。Tally 能在門市內自主穿梭並掃描貨架，精準掌握商品在架率及價格標籤是否正確。 對門市員工而言，這類機器人的價值在於把大量重複性的巡檢工作交給自動化系統。Smith’s Food & […]

【科技早餐】Arm 估實體 AI 市場突破 2,000 億美元，OpenAI、Google 更新潮帶來「模型疲勞」

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊Arm 集結逾 80 家企業，估實體 AI 市場將突破 2,000 億美元 晶片架構業者安謀（Arm）擴大實體 AI 布局，推出 Arm Total Design for Physical AI，集結 AWS、Hugging Face、西門子（Siemens）、恩智浦（NXP）及宇樹科技（Unitree Robotics）等超過 80 家企業，共同整合 AI 模型、軟體、感測器及運算硬體。Arm 估計，實體 AI 年度運算市場目前約為 250 億美元，到了 2030 年代可能突破 2,000 億美元。 Arm 同時提出機器人能力框架，從只能依刺激做出固定反應的 RL0，到能持續改善策略的 RL5，共分六級，希望建立類似自駕車分級的共同語言。目前仍是初步提案，Arm 將邀請更多業者共同制定。安謀執行長 Rene Haas 另表示，未來五年人形機器人將逐步普及，但多種晶片供應短缺，已經拖慢 AI 與資料中心部署。實體 AI 的競爭正從單一產品，擴大到生態系整合及標準制定。 ＊OpenAI、Google 更新加速，企業開始出現「模型疲勞」 OpenAI、Google、Anthropic 與 Meta 近期在短短數天內，接連推出 AI […]

9% 作弊、24% 吹哨：DeepMind 揭 AI 代理的「自我治理」為何仍不夠？

AI 代理自行建立溝通管道、並在群體中迅速擴散作弊手法的情況，接連受到關注，凸顯多代理系統的監督難題。繼 OpenAI 代理把冷門德文 Wiki 變成留言板之後，Google DeepMind 的一項實驗也顯示，100 個代理在共同解題時自發出現作弊、蔓延與吹哨。 Google DeepMind 實驗揭密自發性漏洞擴散 《Import AI》提及，OpenAI 的自主代理在執行網路檢索任務期間，原本只被賦予讀取網路的能力、不能寫入，卻找到方法把資訊寫進一個冷門的德國 Wiki，藉此互相詢問答案、彙整結果，並分享繞過限制的技巧。此事件發生於今年 6 月中旬，早於先前的 Hugging Face 事件；該事件中，多個 OpenAI 模型（含 GPT-5.6 Sol 及一款未發布模型）自主突破沙盒隔離，入侵 Hugging Face 平台。 另一方面，Google DeepMind 發表論文，說明其建置 100 個以 Gemini 3.1 Pro 驅動的自主代理、共同求解 71 道數學問題的實驗結果。所有代理都收到禁止作弊的系統提示，題目取自 Formal Conjectures 資料集，並可透過公開研究布告欄、私訊與共享知識庫協作。 論文提及，實驗開始不到一小時，代理群體已正確解出 37 題，此時代理 prover-theta 發現自動評分系統的漏洞；接下來的 27 分鐘內，該漏洞透過共享知識庫病毒式擴散，群體便以此「解出」剩下的 34 題。DeepMind 表示，作弊自發出現，隨後又遭到吹哨者挑戰，兩者都沒有任何外部介入。 為什麼吹哨擋不住作弊？DeepMind 揭示 […]

中國軍方加速佈局人形機器人，從採購到訓練資料已走到哪一步？

中國人形機器人近年快速進入工廠、展演與各種商業場景，軍方也正在同步測試它的另一種用途。《Reuters》檢視超過 100 份中國軍方採購公告、學術研究、專利、官方出版品、政府紀錄與國防企業資料發現，中國國防體系近兩年明顯加快人形機器人的軍事研究，從作戰情境測試一路延伸到智慧感知、靈巧操作與訓練資料系統，並計劃最終在戰爭中部署這些機器人。 從敵後滲透到城鎮戰，人形機器人開始進入作戰研究 報導追溯，中國對於人形機器人的軍事應用興趣從 2024 年就開始了。2025 年 6 月，中國國防科技大學舉辦人形機器人競賽，其中「敵後滲透」項目要求機器人進入指定區域、建立地圖並尋找目標，其他測試還包括身分查驗、紀律檢查與基地巡邏。該校當時甚至把競賽形容為讓人形機器人最終「走向戰場」的測試場。 同年 8 月，國防科技大學西安試驗訓練基地研究人員又進一步模擬 6 台「戰鬥機器人」與地面部隊組成兩支突擊隊，在城鎮環境逐層、逐室清理遭敵軍占領的建築。這項模擬並非以現有裝備為前提，而是採用研究團隊預估未來 5 至 10 年可能取得的技術條件。 《解放軍報》2025 年 7 月一篇評論則進一步提出，人形機器人未來可能從支援作戰走向主要作戰，甚至討論在人類確認目標後，授權機器人對真人開火的可能性。不過《Reuters》強調，目前沒有證據顯示武裝人形機器人已正式部署到解放軍作戰單位。 不只買機器人，軍方開始補感知、操作與訓練資料 更值得注意的是，中國軍方的投入已經超越機器人本體。2025 年 5 月，解放軍曾招標採購人形機器人，包括安裝與技術訓練；4 個月後，另一份使用國防科技大學電子郵件作為聯絡方式的採購公告，則尋找「具身人形機器人智慧感知與靈巧操作系統」。 到了 2026 年 6 月，另一份軍方採購文件更編列約 30 萬美元，要建立人形機器人的相機、雷達、動作與可通行地形資料蒐集及標註系統。這些資料可用來訓練機器人辨識周遭環境、判斷哪些地形可以通過，以及如何完成移動與操作任務。 2026 年，人形機器人的研發也已從中國軍事學術界擴展到國防工業。中國國營軍工集團中國兵器工業集團（Norinco）今年 8 月公布「伏羲」人形機器人，可執行警戒、全天候偵察、智慧巡邏與危險任務，也能搭配遠端操作系統，由人類操作者控制。這樣一來，機器人就不必自主做出所有決策，也能降低許多機器人專家認為目前人形機器人面臨的最大挑戰。 美國軍方也在推進，開始實測「軍用人形機器人」 這股趨勢並非發生在中國，美國陸軍 2025 年也啟動 xTechHumanoid 競賽，官方直接將目標定義為發展「軍用人形機器人能力（militarized humanoid capabilities）」，希望找出能與士兵共同工作的系統。 美國陸軍列出的用途包括偵察、警戒、障礙偵察與清除、化生放核及爆炸物處理、消防與維修，也包含城鎮環境中的攻防任務。按照目前規劃，最多 10 支入選團隊將在 2026 年 8 至 […]

AI 資料中心節能新突破？愛丁堡大學提出新型磁性記憶體理論，能耗有望逼近物理極限

AI 熱潮帶動全球能源消耗屢創新高，龐大的運算需求需要大量能源支撐，每當新的資料中心進駐社區，都會在當地居民間引發爭議。《TechRadar》報導，科學家似乎找到了一種可能大幅降低記憶體與資料儲存能源需求的方法。如果這項技術最終能夠實現，可能對未來的運算與 AI 產業帶來重大影響。 挑戰熱力學最低能耗：磁性記憶體技術有望逼近「蘭道爾極限」 蘇格蘭愛丁堡大學研究人員在《Advanced Materials》期刊發表論文，指出這項突破可能從根本上改變磁性記憶體的運作方式。現有磁性記憶體是透過切換狀態來儲存與控制數位資訊，但這類切換往往需要消耗不少能源。 研究團隊找到了一種不同於傳統做法的替代方案，改以超快磁場脈衝切換磁性狀態，所需能量大幅降低。《ScienceDaily》提及，電腦模擬顯示，與目前使用或正在開發的主流記憶體技術相比，包括 DRAM、STT-MRAM 及新興的 SOT-MRAM，這種方法可將磁性狀態切換的能源消耗降低數個數量級。 《ScienceDaily》指出，研究團隊預測，未來磁性記憶體在切換磁性狀態時的能耗有望逼近「蘭道爾極限」（Landauer limit），也就是熱力學所允許的最低能耗，代表處理單一位元資訊所需的最低能源。蘭道爾極限是物理學所界定的基本能源下限，因此，若能讓記憶體運作所需的能源進一步接近這個極限，將是提升運算能源效率的重要進展。 距離實際應用仍有長路：突破性節能技術尚處理論階段 AI 產業快速發展才短短幾年，資料中心的能源消耗卻已成為日益嚴重的問題。研究團隊指出：「若效率無法大幅提升，資訊與通訊科技最終可能占全球電力消耗與碳排放相當大的比重。」AI 更進一步推升了這項趨勢，不僅需要大量零組件，也會產生可觀的碳排放。 雖然研究聚焦於磁性記憶體，但作者認為，這套理論也有機會應用在其他技術上。研究作者 Elton J.G. Santos 博士表示：「同樣的架構可以延伸到電流，甚至是超快雷射脈衝；這些都是未來資料儲存領域最前沿的技術之一。這意味著，本研究提出的概念可能有更廣泛的應用，不侷限於我們目前研究的系統。」 目前這項研究仍停留在理論階段，論文作者提出了幾項實際可行的方向，供後續研究打造原型並進行實驗。《TechRadar》補充，這項技術距離實際應用仍有一段很長的路要走，短期內不太可能帶來巨大改變。但這項研究的潛力仍讓人期待，未來資料中心或許真能大幅降低能源消耗。 科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！👉了解職缺內容 【推薦閱讀】 ◆ OpenAI Agent 把德文 Wiki 變留言板，為何他們早就知道卻沒有公開？ ◆ Salesforce 推 Slack Code：AI 不再只拚個人生產力，把寫程式搬進聊天頻道 ◆ 調查發現 76% 工程師更愛 Claude Code 勝過 Codex，關鍵差異是什麼？ ＊本文開放合作夥伴轉載，資料來源：《TechRadar》、《ScienceDaily》，圖片來源：Unsplash。

AI 不只拚模型：SIRAYA 獲台灣首家 TiDB 白金級合作夥伴，深化企業 AI 基礎架構布局

新加坡 AI 公司 SIRAYA 宣布，正式成為台灣首家 PingCAP 旗下 TiDB 白金級合作夥伴，並取得 TiDB 進階託管服務供應商（Managed Service Provider, MSP）資格，將分散式資料庫納入既有 AI 基礎架構服務，從 AI 應用、雲端延伸至資料與營運，協助企業因應 AI 應用規模化帶來的基礎架構需求。 AI 應用加速　傳統資料庫成企業新瓶頸 當 AI 逐漸規模化落地，使用人數、交易量與資料寫入量同步成長，傳統資料庫面臨效能與擴充瓶頸。過去企業常透過「分片」（Sharding），將資料拆分至多個資料庫或節點，以分散資料與工作負載；但業務持續成長後，資料庫往往需重新切分，連帶增加資料同步、跨片查詢與維運管理的複雜度。 TiDB 核心優勢在於即時交易、即時分析與彈性擴展。企業可在資料持續寫入與處理的同時進行即時分析，並隨業務量成長水平擴充資料庫，降低傳統分片帶來的架構與維運負擔。實際案例顯示 TiDB 已具備高效且高可用地支援企業大型資料與高流量業務。亞洲某大型商業銀行導入 TiDB 後，面對 3,000 萬用戶規模，將原本 100 個資料分片整合為單一架構，使資料庫維運成本與複雜度大幅降低 70%。 隨著 AI Agent 應用增加，資料庫也進一步扮演 AI 記憶層的角色。TiDB 具備向量搜尋能力，可將結構化資料與語意資訊納入同一資料架構，支援 Agent 對企業資料的檢索與記憶，並整合資料更新、追溯與存取權限管理，讓企業不必為 AI 記憶額外維護獨立的資料系統。 TiDB 納入 SIRAYA AI 架構服務　補足企業 AI 資料層需求 SIRAYA […]

Hugging Face、宇樹科技都加入：Arm 擴大實體 AI 生態系，同步推機器人六級能力框架

Physical AI（實體 AI）可能成為下一個大型運算市場。Arm 實體 AI 執行副總裁（EVP, Physical AI）Drew Henry 在 Arm Everywhere China 會前媒體簡報會表示，Arm 估計目前實體 AI 的年度運算市場規模約 250 億美元，到了 2030 年代可能超過 2,000 億美元，甚至成為運算史上最大的市場之一。 但這塊市場要真正釋放，得先處理實體世界帶來的限制。Henry 特別點出兩項關鍵考量：延遲與重量。延遲是從感測器看見外界，到系統真正採取動作需要多久，例如汽車偵測到高速公路前方障礙物後，煞車必須在極短時間內作動；重量則直接影響移動設備，他形容，在實體 AI 領域「每一克都至關重要」，無人機的運算系統越重，就越會壓縮酬載，也會牽動冷卻與整體設計。 2,000 億美元商機，先得把複雜系統接起來 當機器人能力越複雜，感測、AI 推論、控制與安全等環節也得一起運作，背後卻往往來自不同供應商。Henry 坦言，沒有任何一家單一公司能夠憑藉一己之力扛起所有事情。 Arm 因此把 Total Design 延伸到實體 AI，推出「Arm 實體 AI 全面設計（Arm Total Design for Physical AI）」，目前已有超過 80 家合作夥伴，包括雲端業者 AWS、AI 模型與平台 Hugging Face、晶片業者 NXP、作業系統供應商 QNX、工業自動化大廠 Siemens，以及機器人業者宇樹科技（Unitree […]

【AI 模型路由新解】Snowflake 不只比快比省，真正賣的是資料留在受控邊界內

雲端資料平台 Snowflake 推出 Cortex AI Gateway，讓客戶透過「自動」模式，將每項任務主動分配到兼具品質與成本支出的 AI 模型，最多可將 Token 成本降低 3 倍。

公務員不必會寫程式，但能自己調整 AI 代理，政府的 AI 改革才真正開始

英國政府曾讓超過兩萬名公務員試用生成式 AI 三個月，參與者自述平均每天節省 26 分鐘，換算下來，每人一年幾乎省下兩個工作週；這證明開放 AI 工具確實能改善效率，卻也暴露一個問題是，如果公務員只能用 AI 搜尋資料、摘要文件或撰寫初稿，那改革仍停留在個人生產力層次。 對公部門而言，AI 不只是提高競爭力的工具，而是完成公共任務所需的新能力。真正有價值的情境，可能是建立一個能協助清理案件積壓的 AI 代理；也可能是把散落在法規、表單與內部系統中的資訊串起來，縮短民眾等待行政處理的時間。 這也是公部門 AI 正從「開放存取」走向「建造者時代」的原因，而衡量進展的標準是組織裡有多少人能把 AI 改造成真正符合任務需要的工具。 公部門需要的是客製化能力 通用型 AI 工具可以回答問題、整理文字，卻很難直接處理公部門的核心工作。而每個機關都有不同的資料格式、法規限制、權責分工與審核流程；同樣是處理案件，有些業務涉及個人健康資料，有些牽涉國家安全，有些則必須留下完整的決策與查核紀錄。即使任務名稱相似，實際判斷依據也可能完全不同。 因此，公部門需要的不是一套適用所有機關的標準答案，而是讓最了解業務的人參與工具設計。 所謂「建造者」時代，並不等於要求每位公務員學會寫程式，而是讓承辦人能把自己的專業知識轉化為 AI 的資料來源、處理步驟、判斷規則與人工覆核點。 如果所有需求都必須交給資訊部門或外部廠商開發，不僅需要等待較長時間，也會增加開發與維護成本；而且，第一線人員最了解實際工作中的問題，若他們無法直接參與調整，最後完成的工具可能與真正的工作需求有落差。 相反地，當相關業務人員能在經過核准、具備安全防護的環境中自行調整代理，例如修改提示、整理工作步驟或設定符合業務規則的處理方式，AI 就不再只是外部採購、功能固定的工具，而能逐步融入日常流程，成為協助人員完成實際工作的能力。 從確保安全環境到培養早期採用者 而要讓公務員成為建造者，第一步仍然是資訊安全。領導者必須先說清楚哪些資料可以使用、哪些任務不得交由 AI 決定，以及產出應如何檢查、留存與追溯。有了明確的防護欄，員工才知道自己可以在哪些範圍內實驗，不必因為害怕犯錯而完全不敢使用。 但安全規範不能只是一份禁止事項清單。機關還需要提供有效地訓練，把 AI 能力納入日常培訓，讓員工理解如何下指令、選擇資料、檢查答案及設計簡單流程。管理者的責任也不能停在授權，而要讓員工具備實際動手的能力。 接下來，組織可以從早期採用者切入，由專責 AI 小組進入各部門，陪著第一線人員拆解問題、建立原型，比集中舉辦一場大型說明會更容易形成實際成果。 《Forbes》報導，有一所大學的鑑識科學機構曾舉辦 AI 黑客松，讓沒有程式背景的鑑識人員處理刑事調查中龐大的文書工作；短短 48 小時內，團隊就做出可以閱讀案件文件、整理事件並生成視覺時間軸的代理。過去需要專業開發團隊與大筆預算的構想，因此快速變成可以驗證的原型。這些早期採用者不只完成一項工具，也會成為組織內最具說服力的示範者。 從繁瑣事務開始，注重成果容易衡量的工作 不過公部門導入 AI 容易陷入一種誤區是，一開始就想解決跨機關、跨系統的大型問題，最後因資料、權責與預算過於複雜，長時間停留在規畫階段。 比較可行的做法，是先處理每天反覆出現、成果容易衡量的小型工作。 例如，軍方維修人員可能需要在數千頁的飛機技術手冊中尋找維修程序，那麼就可以針對這項任務建立專用 AI 代理，把原本 30 分鐘的搜尋縮短到 30 […]

【Google Cloud 林書平專欄】擴展 AI 代理的瓶頸不是模型，是資料還停在「紀錄系統」

文 / Google Cloud 台灣技術總經理 林書平 放眼當今技術發展，阻礙企業擴展 AI 的最大瓶頸，早已不是模型本身的能力，而是模型能否精準掌握企業的「業務情境脈絡（Business Context）」。 打造情境脈絡的關鍵在於資料基礎。根據 PwC 報告，全球 AI 領先企業提供高品質資料的比例高出台灣企業 4.4 倍，且僅有 13% 的台灣企業能讓員工快速取得 AI 工作所需的高品質資料。進入代理式時代，企業不能只把資料當作靜態庫存，必須注入值得信任的情境脈絡，以將資料轉化為源源不絕的活水，推動企業資料從被動的「紀錄系統（systems of record）」升級為主動出擊的「行動系統（systems of action）」。 我們必須體認到，AI 代理的運作模式是非線性的，且任務擴展極為迅速。一個簡單的提示詞，就可能觸發 AI 代理自主在多個系統之間進行瀏覽、查詢與執行，這無疑對企業的基礎架構帶來了壓力。倘若運算、網路與儲存層沒有針對代理式 AI 進行最佳化，建立其上的資料平台將無法穩定運作。我們也從調查報告中看到，有高達 83% 的組織認為他們需要升級基礎架構，才能支撐生產級的代理式 AI 系統。 要解決這個問題，企業需要的是一套全新的架構思維——將資料、AI 模型與營運資料庫深層融合，升級為單一的行動系統。當底層架構回歸 AI 原生（AI-native）設計，便能透過以下三大關鍵能力的重構，讓企業的資料真正成為 AI 代理的強大動能： 1. 實現跨雲無縫存取，為 AI 代理注入完整業務情境 要讓 AI 代理真正發揮價值，關鍵在於能否順暢存取散落於傳統架構與各個孤島系統中的情境脈絡。一旦獲取脈絡的門檻過高，AI 產出的結果便容易失真或不完整。我們調查顯示，高達 43% 的 IT 領導者坦言，「難以與傳統 API 和資料源整合」是當前最大的基礎架構痛點之一。 […]

【科技早餐】OpenAI「AI 研究實習生」達標，黃仁勳稱 AGI 已到來、40 萬顆 GPU 將上線

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊OpenAI「AI 研究實習生」達標，首席科學家警告 AI 推理愈來愈難監控 OpenAI 表示，已達成原訂今年 9 月完成「自動化 AI 研究實習生」的目標。這類系統能在人類指導下執行範圍明確的研究任務，包括原本需要熟練研究人員花費數天才能完成的工作；下一個目標則是在 2028 年 3 月建立能在人類監督下工作的自動化 AI 研究員。截至 8 月中，OpenAI 研究團隊每投入一個人類工作日，已搭配相當於 3.1 個工作日的代理運算時間，但研究方向及是否擴大、暫停或部署系統，仍由人類決定。 OpenAI 首席科學家 Jakub Pachocki 隨後發表長文〈An Alien Mind〉。他表示，如果目前的 AI 發展持續下去，AI 可能走向「遞迴式自我改進」（Recursive Self-Improvement, RSI），更深入參與自身及下一代模型的開發；但這不代表 RSI 已經實現。他同時警告，模型即使不呈現完整的文字推理，也能完成任務，使人類愈來愈難監控其決策過程。目前沒有任何實驗室充分解決對齊與監控問題，足以長期以最高速度安全擴大模型；在共同安全標準建立之前，業界可能需要主動減速，政府也應優先推動國際協調。 ＊黃仁勳稱 GPT‑6 Astra 代表 AGI 已到來，40 萬顆 GPU 將上線 NVIDIA 執行長黃仁勳在社群平台 X 發文表示，OpenAI 最新模型 GPT‑6 Astra 使用超過 […]

原本用來攻擊 AI，現在拿來躲郵件偵測：「ASCII 走私」隱形字元攻擊單日逾 230 萬封

收件匣裡出現一封看似普通的融資郵件，內文寫著「funding」。收件人看到的仍是完整單字，但攻擊者其實在 fun 和 ding 之間插入一個肉眼看不見的 Unicode 字元。畫面上看起來沒有差別，安全系統實際讀到的文字卻已經不同，可能因此影響垃圾與釣魚郵件的判讀。 微軟 Security Research 9 月 3 日公布研究指出，今年 2 月採用這類隱形字元的相關郵件，從單日約 2.1 萬封迅速暴增至逾 130 萬封，高峰一天更超過 230 萬封，高流量活動持續約 3 個月。這波郵件多以商業融資、貸款等金融主題作為誘餌，並集中在約 150 個相關寄件網域。 值得注意的是，微軟原先是在強化 Microsoft Defender for Office 365 對 AI「提示詞注入」（prompt injection）的防護，卻意外抓到這波傳統垃圾與釣魚郵件。也就是說，原本因 AI 安全研究受到關注的技巧，開始被拿來規避既有郵件偵測。 這招原本怎麼拿來攻擊 AI？ 「提示詞注入」可以簡單理解成，把攻擊指令偷偷塞進 AI 會讀取的資料裡。例如 AI Agent 正在整理網頁、郵件或文件，攻擊者事先藏入「忽略原本要求、改做另一件事」等指令；如果 AI 無法分辨哪些只是資料、哪些才是真正應遵循的要求，就可能偏離原本任務。 這些指令還可以藏進人類幾乎看不見的 Unicode Tags（Unicode 標籤字元）。這類利用隱形字元夾帶內容的做法，被稱為「ASCII smuggling（ASCII 走私）」。人眼看到的頁面或文件可能毫無異常，但 AI 或其他軟體讀取底層文字時，仍可能處理其中隱藏的資訊。 […]

AI「研究實習生」達標：OpenAI 中位數研究人員每日燒 600 美元 token，前段班破 7,000 美元

OpenAI 近期表示，根據內部測量結果，公司已達成去年秋季設定的目標，在今年 9 月前打造出自動化研究實習生。依 OpenAI 的定義，研究實習生能在人類指導下執行定義明確的研究任務，範圍涵蓋熟練研究人員需耗時數日的工作。但邊界也很明確，研究優先順序仍由人類設定。 OpenAI 目前朝著 2028 年 3 月前打造自動化 AI 研究員的目標推進。 AI 代理工作量達人類 3.1 倍？實驗提交量創新高 《Unite.AI》報導，OpenAI 研究人員今年大幅增加 AI 程式編寫代理（coding agents）的使用，不少人會同時讓多個代理執行工作。到了 8 月中旬，研究部門中位數研究人員已每天使用 AI 代理，若以 API 價格計算，每日推理成本超過 600 美元；而位居第 90 百分位的使用者，目前每日消耗的 token 成本超過 7,000 美元。 OpenAI 截至 8 月中旬，AI 代理所執行的工作量已超過研究人員本身。OpenAI 表示，以 8 小時工作日計算，研究部門每投入一個人類工作日的勞動，就對應 3.1 個代理工作日的工作量。研究人員提交程式碼的速度也隨之加快、進行的實驗變多，每位活躍實驗者的實驗數量在 2026 年 8 月創下自 2025 年 1 月開始追蹤以來的新高。OpenAI […]

助攻國際業務拓展 叡揚 Vital CRM 升級 AI 名片辨識

海外參展、商務拜訪，經常一次展會或商務旅程就會拿到數十甚至數百張名片。叡揚資訊 Vital CRM 客戶關係管理系統，於 Vital CRM App 名片辨識行動應用功能導入 AI 影像文字辨識與大型語言模型（LLM）語意理解技術，強化多語系及不同版型名片的資訊判讀與處理速度。讓您的數百張名片，能快速完成客戶資訊建檔、接續客戶跟進，更是商機能否被即時掌握的關鍵！ 業務人員只要透過手機 App上的名片建立功能，直接拍攝名片，即可由 AI 協助判斷姓名、公司、職稱、電話、電子郵件等資訊，快速建立 CRM 客戶資料，減少逐筆輸入與整理時間。對經常參與海外展會、代理國際品牌，或與跨國客戶往來的 B2B 企業而言，讓第一線取得的名片更快進入 CRM，也能加速後續聯繫、拜訪與商機追蹤，把握海外拓客機會。 AI 不只辨識文字 更懂名片欄位 傳統名片 OCR 以文字擷取為主，面對不同語言、特殊版型或複雜資訊配置時，辨識與資訊判讀較具挑戰；若要擴充多國語言，市面上部分名片辨識方案還需額外加購或整合語系套件，增加企業使用成本。Vital CRM App 此次結合 AI 影像文字辨識與大型語言模型（LLM）語意理解，強化不同語言與版型的資訊判讀，無須逐一加購語系套件，讓名片資訊更容易轉換為可持續管理的 CRM 客戶資料。 海外展會名片快速建檔 客戶跟進不漏接 新能源、製造、設備代理、貿易等 B2B 產業經常接觸不同國家客戶，也可能在展會或拜訪過程中，短時間取得大量名片。透過 Vital CRM App，業務可直接掃描英文、日文、韓文、越南文、泰文等多語系及雙語混排名片，快速完成客戶資料建檔，減少人工輸入與整理時間。 名片資料進入 CRM 系統後，即可接續客戶聯繫、拜訪紀錄與後續跟進，讓展會或拜訪取得的潛在客戶不再停留在紙本名片或個人手中，更快納入團隊業務流程，縮短從「交換名片」到「開始聯繫」之間的時間。 從名片到商機 手機就是業務隨身助手 名片辨識一向是 Vital CRM App 支援業務外勤工作的實用功能。從過往客戶案例來看，已有業務團隊透過 App 快速完成上百張名片掃描建檔；也有企業搭配手機 App、名片辨識與客戶記事，導入後整體作業效率提升 20% 以上，讓業務在外也能即時掌握與更新客戶資訊。 […]

OpenAI Agent 把德文 Wiki 變留言板，為何他們早就知道卻沒有公開？

今年 5、6 月，一批 AI Agent（AI 代理）在執行網路研究任務時，突破原本只能瀏覽網頁、不能在公開網站留下內容的限制，把一個冷門德文 Wiki 變成共享留言板，不只交換任務答案，還分享規避控制的方法。到了 9/5，OpenAI 正式證實，這起被稱為「Wiki 事件」的異常行為確實來自旗下 Agent。 事實上，OpenAI 8 月底才公布的另一場 AI Agent 異常行為事件。當時 OpenAI 一批 AI Agent 在內部資安測試期間自行交換資訊、突破網路限制，最後進入 AI 平台 Hugging Face 系統。不過，兩起事件的條件並不相同。Hugging Face 事件中的 Agent 原本沒有自由存取網路的權限，之後才一路突破限制；Wiki 事件中的 Agent 原本就可以上網搜尋資料，問題在於它們進一步找到方法，在原先不應寫入的公開網站留下內容，甚至把網站轉成彼此協作的空間。 這次 Wiki 事件還多出另一個問題。《Reuters》調查指出，OpenAI 高層在媒體曝光數週前就已經知道相關情況，卻沒有主動公開。OpenAI 後來表示，公司當時把它視為一種「misalignment」，也就是模型或 Agent 的實際行為偏離開發者原先設定的目標、限制或預期，因此沒有比照典型資安事故對外處理。直到《Reuters》9/4 揭露後，OpenAI 隔天才正式回應，並承認目前對這類事件該在什麼情況下公開，業界仍缺乏明確標準。 Agent 把冷門德文 Wiki 變成自己的留言板 回顧 Wiki 事件，研究人員 Sydney Von Arx、Cormac Slade […]

UBS 把 AI 能力列入新人門檻，定調 AI 是賦能而非取代

UBS（Union Bank of Switzerland）將 AI 能力納入初階投資銀行職缺的招募條件，顯示隨著 AI 加速導入金融業，歐洲大型銀行也開始重新調整畢業生的招募標準。 《Financial Times》報導，據知情人士透露，UBS 要求預計在 2027 年加入全球銀行與市場業務部門的畢業生及實習生，必須具備運用 AI 提升工作成果與效率的能力。這項新要求將與學歷等傳統招聘條件並列，例如申請者須預計取得英國制 2.1 學士學位。此舉也讓 UBS 成為最早一批明確要求初階銀行員具備 AI 素養的大型金融機構之一。 AI 接手初階工作之際，摩根大通主管：須謹慎避免員工失去基本功 《Financial Times》提及，這項新要求反映出，AI 逐漸成為銀行業招募人才的新門檻。隨著銀行開始利用 AI 處理過去由初階員工負責的例行工作，包括金融分析、投資研究及製作客戶簡報等，具備 AI 能力的重要性也逐漸提高，不只科技與數據職缺，傳統銀行職位也開始將這項能力納入要求。 一名熟悉 UBS 作法的人士表示，銀行將在畢業生與實習生的招募面試中加入 AI 熟練度相關問題，了解求職者過去如何運用 AI。《Financial Times》指出，根據公司申報文件，西班牙桑坦德銀行（Banco Santander, S.A.）已在企業與投資銀行部門的部分畢業生計畫中，尋找具備進階 AI 使用能力的人才。 《Straits Times》補充，新加坡銀行與金融學院（IBF）也在新加坡金管局（MAS）支持下，推出 AI 金融青年人才計畫，為 AI 化的金融業儲備人才。該計畫由亞馬遜雲端服務提供運算資源，並與彭博共同開發大師班課程。 不過，隨著 AI 技術快速發展，銀行業可能因此減少大量人力的疑慮也日益升高。摩根士丹利（Morgan Stanley）分析師先前預測，未來五年，隨著銀行加速導入 AI 並關閉更多分行，歐洲銀行業可能有超過 20 萬個職位受到威脅。 […]

從 Security by Default 到持續合規治理 叡揚資訊打造 CRA 產品全生命週期安全治理架構

隨著歐盟《網路韌性法案》（Cyber Resilience Act, CRA）相關通報義務自 2026 年 9 月 11 日起開始適用，企業的 CRA 準備工作也正從法規盤點，進一步進入流程建置與實際執行階段。叡揚資訊日前攜手台灣區電機電子工業同業公會舉辦「因應歐盟韌性法案（CRA）最新要求：產品安全治理與合規實務研討會」，邀集 SGS 台灣檢驗科技、英能科技共同探討 CRA 對產品安全、軟體開發與供應鏈治理所帶來的實務挑戰，從 SGS 產品檢驗與合規驗證（Verification of Compliance）、英能科技顧問輔導，到叡揚資訊資安工具解方，串聯 CRA 從合規要求、實務導入到安全治理的不同環節，打造涵蓋檢驗、輔導與工具應用完整且可交付的服務鏈，協助企業逐步落實產品安全與 CRA 合規要求。 本次活動吸引超過百位的產業人士報名參與，與會企業涵蓋電子製造、資訊與通訊及電子零組件等產業，參與者亦橫跨研發、資訊、資安、產品及法遵等不同部門，顯示 CRA 已不再只是法遵單位關注的議題，而是逐步成為企業產品開發與安全治理的重要課題。 叡揚資訊觀察，企業現階段面對 CRA 最大的挑戰，已逐漸從「法規要求是什麼」，轉向「企業內部究竟由誰負責，以及如何真正執行」。CRA 涵蓋產品設計、開發、漏洞處理、軟體元件管理及上市後安全維護等不同環節，企業若仍由研發、資安、法遵及產品單位分別以人工方式管理，將難以建立完整且能持續追蹤的產品安全治理機制。 從安全開發到持續合規，串起產品生命週期管理流程 CRA 法規核心要求在於「Secure by Default」及「Secure by Design」，叡揚資訊表示，CRA 落地並不代表企業需要額外建立一套獨立的資安流程，而是將既有的安全開發、弱點管理、供應鏈風險及合規作業逐步串接，讓安全要求能夠融入產品生命週期，並在不同階段留下可追蹤、可驗證的管理紀錄。 在產品設計與開發階段，企業可透過 Secure Code Warrior 線上安全程式培訓平台強化開發人員的 Secure Coding 能力，並結合 Mend.io AI AppSec 檢測平台、CodeSonar C 語言品質與安全分析等應用程式安全解決方案，從程式碼、開源元件到軟體相依關係進行安全檢測，及早發現產品中的潛在風險。同時，透過 SBOM 建立軟體元件的透明度，掌握產品所使用的元件與相依關係，當新的漏洞被揭露時，可更快速判斷受影響的產品與版本，銜接後續的漏洞處理流程。而產品安全也不只存在於企業自身的程式碼。面對日益複雜的軟體供應鏈，企業可透過 […]

AI 硬體進入削價競爭，陳良基：AI 的算力是個假議題，真正客戶要的是 AI 的能力

專訪：戴季全撰稿：李昀蔚 「台灣能夠到今天這個樣子，其實不是理所當然的，是在很多關鍵的時刻，有一些人做了比較對的決定，」本集《全新一週》邀請近期出版新書《只有累積，才有奇蹟》的國立臺灣大學電機工程學系名譽教授、前科技部長、前教育部次長陳良基，回顧台灣過去十年的科技與人才布局，並從當時的關鍵決策出發，剖析今日產業榮景如何一步步累積而來。 從 2017 年力拚台積電 3 奈米先進製程留在台灣，到高教深耕、技職教育改革，陳良基形容，許多重大決定其實都沒有事後看來那麼理所當然，過程更像是一段「心智磨練的旅程」。站在 AI 正快速改寫全球科技產業與人才需求的此刻，這些過去的選擇，也成為重新思考台灣下一個十年的重要起點。沿著這些關鍵決策往回看，也更能看清台灣接下來必須回答的幾個問題：如果當年 3 奈米沒有留在台灣，今天台灣半導體還能否取得領先？當 AI 硬體開始走向價格競爭，台灣下一步的價值該往哪裡移動？同時，在出生人口持續下降、AI 又快速改寫工作內容的現在，人才教育又該如何重新布局？ 台積電 3 奈米若沒留在台灣，就可能錯過 AI 需求爆發的關鍵時間 陳良基回憶，2017 年剛接任科技部任務時，面對的第一項重大挑戰，就是台積電當時最先進的 3 奈米製程，正在考慮赴海外設廠。如今，AI 帶動台灣半導體、伺服器與電子供應鏈站上全球舞台，回頭來看，3 奈米是否留在台灣，不只是單一晶圓廠設在哪裡的問題，更會直接影響後續幾個世代的技術布局。 陳良基指出，台積電當時把 3 奈米先進製程留在台灣後，後續製程布局也得以延續，以目前台積電的規劃來看，台灣可以維持約兩個世代的領先。「兩個世代以現在的摩爾定律來講，至少是五到七年以上的時間，」陳良基指出，也就是即使未來美國或日本開始量產 3 奈米，台灣本土的先進製程仍會早一步往下一代推進。 這項技術領先的意義，關鍵在於能不能在市場需求真正爆發時，及時提供最先進製程產能。陳良基分享，當時他與台積電創辦人張忠謀討論時就曾提出，如果 3 奈米改到其他地方設廠，至少可能因為建廠與學習曲線延遲一年以上；另一方面，他當時也判斷 AI 大約會在 2022 年開始興起，後來 ChatGPT 果然在 2022 年底推出。 這也凸顯 3 奈米的建廠進度與 AI 需求爆發，其實是兩條彼此緊密相連的時間線。如果先進製程因赴海外設廠而延後量產，等到 AI 公司開始大量採購先進晶片時，市場並不會停下來等待供應商準備完成，而會轉向其他可供應的來源。因此，在陳良基的判斷中，當時把 3 奈米製程留在台灣的重要性，不只在於製程領先，更在於守住了台灣及時接住 AI 浪潮、站穩下一波科技轉折的關鍵時間點。 AI 硬體走向削價競爭，台灣下一步要轉向「AI 能力」 […]

陪伴企業從零建構資安防線，HENNGE 惠頂益登台 10 年的「資安陪跑哲學」

「再好的技術，也並非人人都能取用。」HENNGE 董事長小椋一宏回憶 1996 年推出首款 Linux 伺服器時的體悟，這個初衷成為 HENNGE 30 年來發展的核心動力，不僅致力於研發技術，更專注於理解使用者痛點、搭起跨越應用鴻溝的橋樑。 如今邁入 2026 年，恰逢 HENNGE 在台灣深耕十週年，團隊一路見證在地企業從雲端轉型萌芽走向普及，資安威脅由外部病毒入侵演變成新型釣魚與內部外洩的雙重考驗。HENNGE 從初進台灣嘗試讀懂企業對於資安的需求，到以單一平台整合資安防護的陪跑員，協助企業建構扎實的資安底座，面對即將到來的 AI Agents 治理浪潮，他們正以同樣的初心，陪伴台灣企業邁向下一個十年的防護新局。 「精準轉譯市場需求」讀懂台灣市場 「我們未來也要走向全球，就算犯錯也是越早學習越好。」2016 年，因為小椋一宏的一句話，開啟 HENNGE 拓展海外市場的第一步。 HENNGE 自 2010 年於東京推出雲端資安服務，2014 至 2015 年將版圖逐漸延伸至大阪等關西區域，面對海外擴張，台灣憑藉與日本相近的時區與網路環境、製造業對機密保護的強烈需求，以及與大阪相仿的人口規模，多種條件讓 HENNGE 選擇台灣成為踏出日本的第一個海外市場。然而，進入市場容易，而真正讀懂市場卻需要時間。 台灣董事總經理中込剛表示，初期進入台灣市場最大的挑戰不是技術，而是如何「精準轉譯市場需求」。「我們發現台灣企業更在意的是機密資料，而不是個人資料，所以我們把受眾訴求從個人資料改成機密資料，」中込剛舉例，日本企業重視個人資料保護，但對於台灣企業來說，機密資料防護更為重要。此外，面對產品最初缺乏中文介面的硬傷，台灣團隊亦從零建立起一套能在新品上線時同步推出中文 UI 的內部流程，破除在地化的一道挑戰。 整合三大防護，打造在地化資安首選 談到 10 年來台灣雲端資安市場的變化，中込剛表示，台灣的資安成熟度很難一概而論，不同產業對於資安風險重視程度不一，導致在地資安成熟度呈現極端的兩極化現象。一方面，晶片與半導體製造等產業已具備高度成熟的防禦體系，另一方面，有些企業至今仍習慣透過 LINE 帳號傳送核心機密。 根據 HENNGE 的觀察，目前台灣企業面臨最普遍且最大的外部威脅是釣魚攻擊。「很多公司以為帳號和密碼就夠，後來 MFA（多因素驗證）開始普及，但如今的新型攻擊手法都能繞過 MFA 防線，」中込剛說明，除了外部威脅，內部員工無意間外洩機密資料同樣是潛在風險，有些公司會因此做郵件封存來留存證據或採用安全瀏覽器，限制員工下載資料到本地端，防止機密資訊外流。 針對這些痛點，HENNGE 採取技術與人員雙軌並進的防禦機制。在技術層面，推出「裝置憑證」機制，在員工的裝置上安裝憑證，登入雲端服務時不只需要帳號密碼，還必須使用已認證的裝置，因此即便帳密遭竊，未經授權的裝置依然無法登入雲端系統。在人員層面，則透過 Tadrill 社交工程演練平台模擬釣魚郵件，訓練員工辨識可疑訊息，培養「看到異常就回報」的組織習慣。 然而，HENNGE 真正的競爭優勢在於全方位的「平台整合力」。其核心服務 HENNGE One […]