Archives

【AI 推理成本革命】不再靠人類直覺設計策略，AutoTTS 讓 AI 自己找最省 Token 推理方式

來自 Meta、Google 及多所大學的 AI 研究人員，共同研發出了一套能夠自動找出最佳測試階段擴展（Test-time scaling，TTS）策略的框架 AutoTTS，降低模型 Token 用量及營運成本。

【科技早餐】NVIDIA 押 AI 工廠，OpenAI、高通、日本同步重押 AI 基建戰

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊NVIDIA 押 AI 工廠，黃仁勳喊國安優先 NVIDIA 執行長黃仁勳在年度股東大會上表示，AI 已經從「有趣」走向「有用」，當 AI 開始創造經濟價值，算力需求也會加速擴張。他把新一代資料中心稱為 AI 工廠，核心不再是儲存和傳輸檔案，而是生產 token。這些 token 會成為程式碼、答案、設計、行動和服務的原材料。目前全球近 40 個國家正在部署由 NVIDIA 基礎設施驅動的 AI 工廠，顯示 AI 基礎設施已從單純資料中心，轉向可直接創造經濟價值的生產系統。 黃仁勳也強調 Vera Rubin 平台的重要性。他指出，AI 代理會不斷調用工具、存取資料庫、執行程式碼，如果 CPU 成為瓶頸，昂貴的 GPU 就會閒置，AI 工廠的收入也會跟著流失。不過，這場股東會不只談成長，也談國安。針對先進晶片可能透過走私流入受限制市場，黃仁勳表示，走私晶片拼湊資料中心是死路一條，因為 AI 資料中心是高度整合的系統，需要軟硬體、網路及技術支援，而 NVIDIA 不會替走私晶片提供支援或維修服務。他也強調，當商業利益與美國國家安全衝突時，國家安全優先。 ＊OpenAI 首款晶片亮相，推論成本挑戰 NVIDIA GPU OpenAI 發表與博通（Broadcom）合作開發的首款客製化 AI 晶片 Jalapeño，這是 OpenAI 朝自有 AI 晶片基礎設施跨出的重要一步。這款晶片主要用於 AI 推論，也就是把 AI […]

Physical AI 落地卡在哪？Arm 高層揭三大瓶頸，Sim-to-Real 成突破關鍵

現在，科技巨頭正從開發聊天機器人，大舉轉向投入「實體 AI（Physical AI）」領域。卡內基美隆大學電腦科學學院院長 Martial Hebert 就曾表示，實體 AI 正是傳統機器人技術的進化，畢竟，若 AI 只能閱讀文字，卻無法理解真實物理環境，就難以預測自身行為的後果，也難以具備真正的智慧。  看準這股實體 AI 的龐大趨勢，Arm 策略暨生態系執行副總裁 Drew Henry 近日接受《The Robot Report》Podcast 專訪時指出，Arm 正積極為未來幾年的人形機器人與自主機器，預先設計專屬運算架構，「對我來說，這個領域的核心工程屬性在於：如何縮短從感測器接收到光子，再到致動器觸發之間的延遲時間，」Drew Henry 說。 人形機器人的新算力指標：每焦耳、每公斤能處理多少 Token？   談到當前的硬體極限，Drew Henry 表示：「過去那種每 18 個月電晶體效能就翻倍的摩爾定律黃金時代，確實已經過去了。」 然而，他認為這不代表創新的終結，而是工程師現在必須轉向系統級設計，利用特定領域架構（Domain-specific architectures），或是將工作負載轉移到專用加速器上，以尋求效能突破。 針對未連接電源的機器人，Drew Henry 點出一個打破傳統資料中心思維的全新效能指標：「在這個領域，會出現一個全新的衡量維度：每焦耳、每公斤能處理的 Token 數。」 他解釋，機器人的重量會直接影響致動器移動時所消耗的電量，進而決定整體電池的壽命。因此，工程師必須在有限的電池容量和嚴苛的重量限制下，精算並分配致動器、感測器與運算系統各自的耗電比例。 從集中式大腦到分散式運算，人形機器人架構進入探索期 這種嚴苛的資源分配，也讓機器人的「大腦」設計面臨前所未有的挑戰。Drew Henry 形容，人形機器人平台可能是最複雜的運算平台之一，因為機器人內部存在截然不同的運算層面：一方面，它必須處理負責即時「運動（Locomotion）」控制的次毫秒級低延遲運算，以確保動作的安全性與精準度；另一方面，又要處理不需要極速反應，但專門負責與大型語言模型互動的「互動驅動智慧（Interactive Driven Intelligence）」。 面對如此龐大的運算需求，業界正迎來架構上的探索期。Drew Henry 分享自己近期在一週內拜訪兩家客戶的有趣對比：「有一家客戶告訴我，我們需要盡可能把所有最強大的運算力塞進這個機器人裡；但另一家客戶卻認為，正確的架構應該是在局部放置邊緣運算，並透過高速、低延遲的網路進行連接。」  Drew Henry 強調，在配備密集感測器的環境下，分散式運算確實有助於平行處理多項任務，因此他也預期業界最終將在這兩種極端的架構中，找到最佳平衡點。為了解決這類極度複雜的系統瓶頸，Arm 也推出名為「Performix」的效能分析工具套件，讓軟體開發者與 AI 代理都能直觀地透視底層系統的遙測數據（Telemetry）與 I/O 等待狀態。此外，Arm […]

迎戰 AI 武器化新風暴！解密 Agentic AI 紅藍對決與企業治理生路

隨著生成式人工智慧邁向具備自主規劃、工具調用能力的「代理型 AI（Agentic AI）」時代，資安戰線已迎來根本性的範典轉移。在 2026 資安新戰線：AI 武器化的紅藍對決駭客論壇，雲力橘子資安技術服務處處長廖盈捷（Fred Liao）與勤業眾信聯合會計師事務所科技與轉型服務資深執行副總經理陳威棋（Ike Chen）共同發出預警：「改變的是速度，而非防禦本質。面對機器速度的自主攻擊，企業唯有透過 AI 賦能的動態防禦與 ISO 42001 治理架構，才能構築難以攻陷的數位裝甲。」 網頁毒針與深偽詐騙：紅軍自主武器庫的不對稱攻勢 「掃描與修補的時代正趨於式微，我們面對的是能以機器速度自我進化的 Agentic AI 威脅 。」雲力橘子資安專家廖盈捷指出，當代駭客（紅軍）已全面整合大型行動模型（LAMs），將傳統的單點漏洞掃描，升級為全天候、目標導向的「自主攻擊鏈」 。 從實戰推演來看，Anthropic 推出的高風險 AI 模型 Claude Mythos 已在全球上千個開源軟體（OSS）專案中，以極低成本大規模找出了超過 2 萬個軟體漏洞，迫使多國央行與科技巨頭緊急共商對策 。在應用層面，攻擊者更延伸出三大致命攻擊型態： 當攻擊方不需要花費數年培養軍事級駭客，AI 代理即是他們的軍隊 ，這讓超過 76% 的組織坦承，傳統防守速度已完全跟不上 AI 攻擊的節奏。 翻轉攻防不對稱：AI-SOC 智慧防禦矩陣以機器對抗機器 面對每秒高達 36,000 次、不休眠的機器級 AI 掃描 ，防守方（藍軍）的根本困境在於「攻防速度的絕對不對稱」 。廖盈捷強調，單靠人類已無法在幾分鐘內關聯百萬條日誌，藍軍必須走向「AI-SOC」的威脅狩獵轉型 。 傳統 SOC 在證據收集與查詢轉換上耗時且流於孤立告警 ；而新一代 AI-SOC 推理層（Reasoning Layer） 具備強大優勢： […]

TrendAI™ 獲選為 OpenAI Daybreak 資安計畫「可信任合作夥伴 (Trusted Partner) 」

OpenAI 將 Daybreak 計畫從內部測試擴展至精選可信任資安防禦社群，TrendAI™ 為首輪獲選資安廠商之一。 全球網路資安解決方案領導廠商趨勢科技(東京證券交易所股票代碼：4704 )旗下全球企業 AI 資安領導品牌 TrendAI™ 宣布，正式加入 OpenAI 的 Daybreak Cyber Partner Program，獲得專為資安領域打造的 OpenAI 前沿AI能力存取資格。OpenAI 正式將 Daybreak 計畫由內部測試階段擴展至精選的可信任資安防禦社群，以進一步強化安全研究與防禦能力。TrendAI™ 是最早獲選的資安廠商之一，充分體現 TrendAI™ 在全球威脅情報領域三十年深厚的技術積累與業界領先地位。 TrendAI™ 的託管式資安服務團隊已率先部署由 OpenAI 前沿 AI 模型驅動、直接整合於 TrendAI Vision One™ 平台的自動化分類代理 (Agentic Triage) 能力。資安維運分類代理可在分析師日常使用的 SIEM 平台、XDR 主控台及威脅情報入口網站中，自主提供 AI 輔助洞察，以機器速度般即時交付情境化分類決策，有效縮短平均分類處理時間 (Mean Time to Triage)。分析師可擺脫被動回應警示的工作模式，將心力集中於需要專業判斷的事件升級與驗證決策。 此次合作夥伴關係亦進一步強化 TrendAI™ 的漏洞情報計畫。OpenAI 前沿網路資安能力已嵌入 TrendAI Vision One™ 的託管服務工作流程，協助威脅研究員更快速、更精準地識別、排序及揭露漏洞，讓其在遭惡意利用前即獲得修補。情報資訊直接注入虛擬補丁 […]

【戴季全專欄】AI 戰略特別委員會方向正確，何時提出 AI 戰略特別預算？

戴季全｜《科技報橘》創辦人暨執行長 6 月 23 日，行政院長卓榮泰主持「國家人工智慧戰略特別委員會」首場會議，確立我國 AI 發展的戰略目標：積極建構「主權 AI」，讓台灣從支撐全球創新的「製造優勢國家」，成為立基於自由民主價值的「AI 良善應用典範」。配套的「AI 新十大建設」，4 年投入超過 1,300 億元，聚焦算力基礎建設、主權 AI、智慧應用與人才培育。 這是關鍵的一步，我們要給予肯定和支持。但委員會有一個核心概念必須釐清：主權 AI 和 AI 主權，不是同一件事。 主權 AI（Sovereign AI），指的是我們能否自主擁有模型、算力與資料的控制權；AI 主權（AI Power），則是更高一層的能力——我們能否運用 AI 影響自身命運、強化國家競爭力，在全球秩序裡維持實質的影響力。前者是地基，後者才是國力。 把「擁有」變成「主權」的關鍵變數，是 AI 滲透率。我們可以生產無數先進的 AI 晶片和伺服器，但如果整體勞動力的 AI 滲透率上不去，主權 AI 就只是一座沒有書的圖書館，一條沒有車子的高速公路，一個在 AI 世界沒有經濟主權的實體、沒有治理主權的國家。 兩週前（6 月 9 日），國家發展委員會在張榮發基金會主辦了一場 APEC 國際論壇，主題是「布局亞太未來人力資源：以 AI 強化勞動力與促進多元參與」，邀請了印尼、泰國、韓國、菲律賓、日本、馬來西亞等經濟體的勞動與數位部會官員，連同亞洲開發銀行的資深經濟學家、APEC 政策分析師。大家聚焦討論一個重要主題：AI 來了，一個經濟體的勞動力要如何跟上？AI 對經濟和社會的衝擊，主要在生產力指數提升的潛力。本質上，就是我們經濟體廣義勞動力的強化與適應，包括 AI 勞動力，以及原本的勞工勞動力。 我想要提出的主要訴求是：我們應該把戰略工作目標，用最快最深的方式，幫助整體勞動力最快地吸收 AI 的技術能力，達到長期最佳的 AI 滲透率。 […]

AI 時代的新門檻：從會用 AI，到能打造 AI 應用

「大型語言模型很聰明，但它不一定懂你的公司。」 這句話或許是許多企業導入 AI 時的深刻體會。當大型語言模型（LLM）被應用到客服、知識管理、程式開發、行銷等內部作業時，企業很快就會發現，模型雖然擁有豐富的通用知識，卻不一定具備產業知識（Domain Know-how），也未必理解產業相關規範或內部流程，因而常常出現回答不夠精準、無法直接應用的問題。 隨著大型語言模型從個人工具走向企業應用，如何將大型語言模型從「通用 AI」轉化為「領域 AI」，不僅是技術落地的關鍵，更催生出新一波大型語言模型應用開發的人才需求。 看準這股趨勢，麗臺科技開辦 NVIDIA DLI「為大型語言模型注入新的知識」課程，聚焦具備基礎 AI 與程式能力的開發者、工程師、學生與技術學習者，協助學員學會如何把通用大型語言模型，調整成更符合特定任務、產業知識與企業需求的 AI 應用。「為大型語言模型注入新的知識」課程不只介紹模型微調，也會帶領學員理解資料準備、模型調整、效果評估到部署應用的完整流程。更重要的是，完成課程並通過測驗後，學員將獲得 NVIDIA 原廠證書，不僅是專業能力的具體證明，也有助於在快速成長的 AI 人才市場中展現自身競爭力。 從 RAG 到模型客製化，企業打造領域 AI 的關鍵能力 本次「為大型語言模型注入新的知識」課程講師、身兼 NVIDIA DLI 認證講師與麗臺科技 AI 高級工程師的周柏永指出，企業導入大型語言模型時，通常一開始會選擇 RAG（檢索增強生成）方式，匯入文件與知識庫，讓 AI 能從企業資料中檢索相關資訊，提供更符合需求的回答。 不過，當企業資料規模擴大，若缺乏良好的資料治理、切分策略、索引設計與檢索評估，RAG 也可能面臨回應延遲、檢索不準或答案品質不穩定等挑戰。此時，企業需要的不只是單一技術，而是能判斷何時採用提示工程、RAG、Fine-tuning、LoRA 或 DPO 等方法的模型客製化能力。對於分類、固定格式輸出、特定語氣或任務行為等場景，微調可讓模型更貼近企業需求；而對於知識頻繁更新或需要引用來源的應用，RAG 仍是重要選項，兩者也可混合使用。 雖然外部協力廠商也可以進行微調，但免不了會引發資安疑慮。因此，若企業內部具備微調能力，便能在兼顧資料安全與使用效率的同時，打造出更符合自身需求的 AI 應用。 為此，麗臺科技與 NVIDIA 合作，推動 NVIDIA DLI「為大型語言模型注入新的知識」課程，培養具備 Fine-tune 能力的 AI 人才。 從資料到部署，一次掌握 AI 落地全流程 周柏永指出，透過 […]

緩解資安人才缺口：Google SecOps 讓初階分析師戰力倍增，縮短 70% 上手時間！

在資安界，企業現正面臨「人才短缺」與「威脅情資日益複雜」雙重夾擊，資深資安人員花費大量時間處理偵測與警報，而新進人員面對碎片化的 SIEM 工具與繁雜的查詢語法，往往感到挫折且難以上手；更因老舊的系統缺乏擴充性與整合度，導致團隊陷入嚴重的告警疲勞；而大量的日常告警讓資安人員故不暇幾，更別說攻擊手法因 AI 發展日新月異，這樣的惡性循環，導致團隊過勞又增加企業的資安風險。 Forrester 最新研究指出：單純堆疊資安工具已無法解決問題。2025 年企業決策者最關鍵的戰略考題，是如何將資安佈署從被動消耗預算的「成本中心」，轉型為具備高投資效益的「價值中心」。透過  GenAI 賦能，讓資安人員從被動的處理日常瑣事，轉為主動獵捕資安事件。在這場轉型戰役中，Google SecOps 正展現出扭轉局勢的強大潛力。 效益質變：讓 AI 成為新人的最強導師，解放團隊戰力 根據 Forrester 2025 年的 TEI 報告，Google SecOps 帶來的效益不僅止於成本節省，更是團隊戰力的根本性「質變」。報告中揭露了一項對決策者極具吸引力的數據：Gemini in SecOps 成功讓新進人員的上手時間縮短了 70%。 這意味著初階資安人員不再需要數個月的磨合期。透過自然語言互動，Gemini in SecOps 能輔助他們生成複雜的查詢語法與自動化 Playbooks。更具策略意義的是，AI 輔助成功將 35% 原本需由資深人員處理的高階工作，無縫轉移給了初階分析師。Gemini 能自動摘要警報內容、提供調查建議並加速決策流程，讓初階人員能透過實戰快速成長，解決了人力資源配置的結構性難題。這代表團隊不再被海量 Log 與告警淹沒，專注於高價值的威脅獵捕。 Google SecOps 結合 Mandiant 威脅情資，速度與深度的完美結合 當人才缺口被 AI 技術填補，資深專家便能從重複性工作中解放，專注於高價值的威脅獵捕。Google SecOps 結合了 Mandiant 的前線威脅情資與雲端原生的無限擴充性，讓企業不再因數據量暴增而犧牲檢測速度。 Google SecOps 透過統一數據模型（Unified Data Model, […]

推論成本砍半、9 個月做出來：OpenAI 首款自研 AI 晶片 Jalapeño 想換到什麼？

OpenAI 一直是全球最大的 AI 算力買家之一，也是 NVIDIA 最重要的客戶之一。如今，這家最依賴 NVIDIA 的公司，推出了第一顆自己設計的 AI 晶片。OpenAI 與博通（Broadcom）於週三共同發表首款自研晶片 Jalapeño，根據兩家公司說法，它的定位是專為大型語言模型（LLM）推論打造的加速器，而非用於訓練，且測試中推論成本大幅低於現有 GPU，開發週期只花了 9 個月。 表面上，這是又一顆客製化晶片的發表；但若把鏡頭拉遠，它更代表 AI 競賽的主場正從「誰的模型更強」位移到「誰掌握底層的基礎設施」。不過，一家以軟體與模型起家的公司，為什麼要親手跨進晶片這道又慢又燒錢的關卡？ Jalapeño 是什麼？一顆只做推論、不做訓練的客製晶片 Jalapeño 屬於特定應用積體電路（ASIC）。《VentureBeat》解釋，與能處理多種工作負載的通用型 GPU 不同，ASIC 是為較窄用途調校的晶片，這讓它在特定 AI 任務上可能更便宜、更有效率，即便靈活度不如 GPU。OpenAI 強調 Jalapeño 是針對現代 LLM 推論的「全新設計」，而非把既有的通用加速器改裝來用，架構目標是減少不必要的資料搬移，並讓運算、記憶體與網路資源彼此更協調。 在合作分工上，OpenAI 表示，博通負責核心晶片實作與網路技術，包括其 Tomahawk 網路交換晶片；另一家夥伴 Celestica 則協助電路板、機架與系統整合。根據《VentureBeat》，OpenAI 表示他們已在實驗室以接近量產負載的方式，於 Jalapeño 晶片上運行前代模型 GPT-5.3-Codex-Spark。OpenAI 規劃，完成版晶片將從 2026 年底起，部署到其金主微軟（Microsoft）等合作夥伴的大型資料中心。 9 個月完成 tape-out，號稱史上最快 讓這顆晶片更受矚目的是開發速度。OpenAI 與博通指出，Jalapeño 從最初設計到製造 tape-out 只花了 9 […]

高通揭 AI 資料中心新藍圖：Meta 買單、Modular 補上軟體層，同步洽談 ByteDance 客製晶片

面對全球智慧型手機出貨量下滑，加上記憶體晶片價格飆升帶來的市場動盪，高通（Qualcomm）正在尋找全新的成長引擎，蓬勃發展的 AI 資料中心正是其鎖定的新戰場。 在 2026 Investor Day 大會上，高通祭出了一份極具野心的全方位資料中心藍圖，宣告正面迎戰「代理 AI（agentic AI）」帶來的爆發性算力狂潮。這項計畫並非紙上談兵，而是精準瞄準當前 AI 發展的痛點，並聚焦四大核心支柱：善用其在連網技術的深厚優勢、開拓客製化晶片（Custom Silicon）設計服務、開發專屬 AI 加速器，以及推出具備頂尖功耗效率的機櫃級 CPU。 高通正試圖透過軟硬體與底層架構創新，突破阻礙 AI 效能的「記憶體牆（memory wall）」，並重新切入由 NVIDIA、AMD、Google、Amazon 等巨頭競逐的 AI 資料中心市場。  Meta、微軟成早期客戶，高通用 Dragonfly C1000 攻 AI 資料中心 高通宣布，已經與 Meta 達成一項多年協議，未來將部署高通的資料中心技術，這也進一步延伸雙方多年來在擴增實境（AR）領域的合作關係。高通預計在 2026 財年，向包含 Meta、微軟（Microsoft）在內的客戶，交付首批配備 43TB DRAM 的 C1000 CPU 伺服器機櫃樣品，並全面支援氣冷（air-cooled）與液冷（liquid-cooled）系統。 在硬體規格方面，高通專門為資料中心開發名為 Dragonfly C1000 的 Oryon CPU 衍生產品，其每瓦效能提升一倍，同時還支援最新的 PCIe Gen 7 與 CXL 共享記憶體連網技術。 […]

【企業密碼安全盲點】光有強密碼還不夠，缺乏「集中治理」機制才是資安真破口

密碼管理看似早已是「被解決的問題」，但數據說明並非如此。 根據美國電信業者 Verizon 發佈的年度資料外洩報告，超過八成與駭客入侵相關的資安事件，最初的突破口仍是遭竊或濫用的帳密。問題往往不在於密碼本身太弱，而在於圍繞密碼的整套系統如何儲存、共用、輪換與治理，這在多數組織內部都是尚未被完整建立的機制。 個人行為習慣，放大了組織層次的風險 使用者端的行為數據進一步說明了這層風險從何而來。消費者研究機構 All About Cookies 針對一千名美國成年人的調查顯示，82% 的人在常用密碼中至少使用了一項可被查找的個人資訊，例如寵物名字、生日或最喜歡的數字；59% 的受訪者曾發現自己的密碼出現在資料外洩事件中，其中竟有 41% 在密碼已遭公開曝光後仍繼續使用。 同時，73% 的人坦言對管理密碼感到不堪負荷，僅 34% 使用專門的密碼管理工具，另有 51% 會與他人共享至少一類帳號的登入資訊。 這些習慣一旦被帶進職場，風險就從個人層次放大為組織層次。對個人而言，一套好的密碼管理器就足以解決大半問題；但一旦超出單一使用者，複雜度便成倍增加。 團隊需要在不暴露明文的前提下共用憑證；員工離職時，存取權限必須即時且全面地撤銷；SOC 2、HIPAA、PCI DSS 等法遵框架更要求完整的稽核軌跡，記錄誰在何時、從何處存取了什麼——這些需求在多數組織內部往往沒有對應的機制，於是就出現了實務上最常見的景象：行銷部門把共用帳密存在試算表、開發團隊將資料庫連線字串散落在 CI/CD 設定檔、客服透過即時通訊軟體傳遞 CRM 登入資訊。 每一處都是尚未引爆的破口，真正的問題從來都不是密碼強度，而在於缺乏一套集中治理密碼的管理機制。 傳統 PAM 工具解決了問題，但門檻太高 傳統上，能處理這類治理需求的是特權存取管理（PAM）平台，但老牌 PAM 工具往往伴隨高昂的導入成本與動輒數月的部署週期，讓許多組織望而卻步。 網路安全公司 Keeper Security 選擇了不同的路徑：從消費級密碼管理出發，向上延伸至企業憑證治理、特權存取與機密管理，讓同一套架構同時涵蓋日常帳密與正式環境的基礎設施憑證。 這套架構的信任基礎是零知識（zero-knowledge）設計：金鑰庫的加解密完全在使用者裝置端進行，金鑰由主密碼衍生，Keeper 的伺服器自始至終接觸不到未加密的資料，即使其基礎設施遭入侵，攻擊者也無法取得明文憑證。 產品面上，其整合平台 KeeperPAM 將多項原本需要分別採購的能力收攏在一起：密碼與通行金鑰管理處理基本的產生、儲存與自動填入；機密管理（secrets management）保護 API 金鑰、資料庫憑證與憑證檔等機器對機器的憑證；Keeper Connection Manager 提供不暴露憑證、也無須 VPN 的遠端桌面與 SSH 存取；工作階段錄影則為稽核與法遵留存特權操作紀錄。 […]

工廠尋料時間縮短 50%！雀巢如何用 AI 重構備件數據，打造跨廠庫存網絡

當製造業談論 AI 應用時，焦點多半放在生產設備、品質檢測或預測維護。然而，雀巢美國（Nestlé USA）近期分享的一項案例顯示，看似不起眼的「備件數據」管理，反而可能隱藏更大的成本黑洞：由於各工廠長年各自管理 SAP 備件資料，相同零件在約 20 座工廠被建立成多個不同料號，造成重複採購、庫存膨脹，也讓大量營運資金長期卡在無法有效利用的備件庫存。 20 座工廠的數據孤島，「一物多碼」造成營運資金黑洞 雀巢透過導入整合 SAP 的 AI 備件管理平台，重新建立標準化流程與資料治理，成功將備件搜尋時間縮短，並把各工廠原本各自管理的庫存，轉變為可跨廠共享調度的全網資源。 雀巢美國資深工程維護經理 Steven Gould 分享，在系統改善之前，每逢週末經常收到來自工廠的求救訊息，希望總部協助尋找急需的備件。原因並非零件不存在，而是現場人員難以在系統中找到正確資料，即使熟悉系統的人，也必須登入後，逐一比對資訊，再跨越不同工廠搜尋是否仍有庫存。 問題核心來自主數據缺乏一致性。雀巢資深維護工程專家 Andy Goldinger 表示，過去各工廠多半依照各自習慣建立料號，而非以設備製造商的原始零件編號作為標準，因此相同備件在不同工廠往往擁有不同名稱與不同料號，甚至同一座工廠內，也可能因重複建檔而產生兩到三筆相同零件資料。 這種資料碎片化帶來連鎖效應。由於無法確認其他工廠是否已有相同備件，各據點往往各自採購、各自囤貨。COVID-19 疫情期間，供應鏈交期拉長，雀巢提高安全庫存因應缺料風險，但疫情過後，這些備件並未同步回歸合理水位，導致大量資金持續沉澱在倉庫中。由於缺乏跨廠透明度，公司也難以掌握特定零件的實際使用量與總庫存，更削弱了與供應商議價的能力。 像用 Google 一樣找零件，AI 視覺比對如何讓尋料時間砍半 為了解決問題，雀巢先重新設計整套備件建立流程。過去各工廠可能使用 Microsoft Forms、Power Query，甚至紙本表單申請新增料號，如今全美工廠全面採用一致流程，建立「一個零件、一個料號」的管理原則，並限制只有倉儲主管與維護經理等指定人員具有最終核准權限，以避免重複建立相同備件。 真正提升效率的關鍵則是 AI 的導入。現在，員工只要輸入製造商零件編號，系統便立即比對既有資料庫，自動提示可能重複的備件，防止建立新的重複料號。AI 也會自動生成符合規範的零件描述，大幅減少人工輸入造成的不一致。 搜尋方式也變得更加直覺。過去員工必須熟悉料號、關鍵字甚至萬用字元搜尋技巧，如今維修技術人員可以像使用 Google 一樣輸入已知資訊，再逐步縮小搜尋範圍。 AI 同時整合設備型錄、技術規格與零件照片，現場技術人員透過平板即可直接比對影像，確認是否為所需零件，再決定是否前往倉庫領料，減少往返時間與拿錯零件的情況。系統也能辨識已停產零件，甚至提前提醒未來即將停產的元件，讓維護團隊能及早規劃備料與替換策略。 雀巢測試結果顯示，導入新 AI 整合系統後，尋找備件所需時間縮短約 50%，操作介面也相當容易上手，多數員工只需約 5 分鐘便能掌握基本操作，因此系統推行阻力遠低於預期。公司也透過 Microsoft Power BI 持續追蹤各工廠使用情況，目前每月使用率已超過 95%，顯示現場人員普遍認同新流程帶來的效益。 更重要的是，這次轉型改變了雀巢管理備件的思維。過去每座工廠都必須自行準備昂貴的關鍵備件，有些設備零件價格高達數十萬美元，卻可能多年都未曾使用。如今透過統一料號與跨廠透明化庫存，各工廠能即時查看其他據點是否已有相同備件，必要時直接跨廠調撥，大幅降低重複備貨需求，也讓整體營運資金獲得更有效運用。 Steven […]

【科技早餐】美國盯上中國機器人，高通、軟銀把 AI 戰場推向硬體自製

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊美國審查中國機器人，AI 戰場從晶片燒到工廠 美國政府正把中國機器人產業納入新一輪科技競爭視野。美國商務部長盧特尼克（Howard Lutnick）近日在一場閉門會議中告訴企業高層，商務部正在審視中國政府補貼的機器人產品輸美情形，並暗示審查完成後可能採取進一步行動。與會企業包括太空探索科技公司（SpaceX）、波士頓動力（Boston Dynamics）、摩根大通（JPMorgan Chase）、高盛（Goldman Sachs）、西門子（Siemens）與羅克維爾自動化（Rockwell Automation）等。 這場會議討論重點，是美國如何逆轉數十年製造業外包趨勢，並重建從半導體到機器人所需的工業基礎。與會人士擔心，如果未來變成「美國的大腦，搭配中國的身體」，會是非常糟糕的戰略結果。這反映美中科技競爭的焦點正從 AI 晶片，往機器人、工廠設備與實體製造能力擴大。除現有關稅之外，美方接下來是否對中國機器人產品採取更多限制，也將成為產業觀察重點。 ＊高通洽字節跳動客製晶片，中美管制下仍留商業縫隙 高通（Qualcomm）正在與字節跳動（ByteDance）洽談提供客製晶片設計服務。如果談判成功，TikTok 母公司字節跳動將成為高通晶片設計服務部門的早期客戶。知情人士透露，雙方討論內容可能包含影像處理單元，也就是 VPU 的設計，部分技術可能來自高通 2025 年收購的高速連接技術公司 AlphaWave Semi。若合作成形，目標是在 2026 年底前啟動量產。 這項洽談仍未定案，字節跳動也可能尋找其他合作夥伴。不過，消息凸顯中美科技摩擦下，美國科技公司仍在尋找可合作的商業空間。近年 AI 晶片管制已影響 NVIDIA、AMD、應用材料（Applied Materials）與 Lam Research 等美國企業，但高通正試圖從手機晶片拓展到資料中心 CPU、推論加速器與 ASIC 等市場。對字節跳動而言，客製晶片則可支撐影片處理、AI 推論與平台基礎設施需求。 ＊軟銀日本製造 AI 伺服器，主權 AI 走向硬體自製 日本軟銀（SoftBank）計畫在 2027 年度開始於日本境內製造 AI 伺服器，地點將設在夏普堺工廠舊址。根據《日經》相關報導，這些伺服器除了供軟銀自家 AI 資料中心使用，也可能銷售給日本政府與企業客戶。軟銀規劃從半導體供應商採購 GPU，自行負責設計、零組件組裝，以及交付後的維修保養，生產流程也將導入先進工業機器人。 軟銀也計畫在堺工廠舊址建置蓄電池生產據點，預計 2027 年度投產，2030 年度年產能擴大到 2 […]

【李牮斯專欄】AI 商業模式正在質變，台灣供應鏈準備好了嗎？

近期 AI 界的兩件大事，可謂殊途同歸。 第一件事，是美國政府要求 Anthropic 關閉旗下最強大的 Fable 模型。這道以「國家安全」為由的命令，不只是限制某些特定國家或敏感客戶，而是直接衝擊全球市場；外國用戶瞬間失去使用權限，甚至連 Anthropic 自家的外籍工程師也無法使用。 第二件事，是 OpenAI 與 Anthropic 在同一個月各自發文，不約而同地談到 AI 業者是否需要一套協調機制，在必要時「一起放慢」腳步。 這兩件事看似平行：一個是政府強制管制，一個是行業安全治理。但它們其實指向了同一個核心商模問題：當最強的 AI 不再只是單純的軟體產品，而是被國家安全、資本市場與企業付費能力共同牽動的「戰略資產」時，台灣不能只問 AI 會不會繼續成長，更要問台灣供應鏈怎麼對接下個 AI 商模。 賣核武跟賣軟體，是不同的生意 Fable 事件揭露了一個關鍵轉折：當 AI 強大到武器等級，它就不再是一般軟體。 過去兩年，AI 公司一方面告訴市場，這些模型將徹底改變知識工作、軟體開發與企業生產力；另一方面，它們也不斷提醒政府，最強的模型可能帶來前所未有的風險。這兩種敘事原本可以互相強化：越危險，代表技術越領先；越領先，就越容易募資、賣產品並吸引頂尖人才。 但當發展走到臨界點，產品本身就會進入國家安全的治理框架，其部署就不可能再只由市場力量決定。對 AI 公司而言，這代表它們除了要面對客戶流失或價格競爭外，還必須承受一種更根本的風險：投入巨資打造、準備全球銷售的頂尖產品，可能因為一紙國安命令而被臨時喊卡，血本無歸。 台灣過去看 AI，習慣從硬體供應鏈的角度出發，關注誰需要更多算力、更大的資料中心，以及更密集的能源投資。這些當然重要，但它們都只是「結果」。真正位於上游的核心問題是：那些正在大量購買算力的公司，自己的商業模式到底穩不穩固？ 如果買方的商業模式開始轉變，台灣感受到的，就不會只是單一產品的需求波動，而是整個 AI 投資與採購結構的劇烈質變。 每月 200 美元的天才員工，便宜得不可思議？ 今天 AI 產業最大的矛盾，在於它讓人覺得便宜得太不真實。 每月一、兩百美元，就能擁有一個會寫程式、會分析文件、會做簡報，且 24 小時不休息、更沒有情緒成本的 AI 助理。對企業主管來說，這像是用台北一個停車位的租金，請到了一位天才員工。 這種「破壞性定價」快速養成了全世界使用 AI 的習慣，卻未必反映了重度使用的真實成本。當企業只是偶爾點開網頁聊聊天，訂閱制看起來非常合理；但一旦 AI Agents […]

中美人形機器人對決：智元 G2 進駐量產線品檢，6 天直播零錯誤實測

人形機器人產業的競爭焦點正從「秀技術」走向「拚落地應用」。《Forbes》報導，過去機器人廠商經常透過後空翻、跳舞等高難度動作展現技術實力，但如今市場更關注的是，機器人是否真的能進入工廠、物流中心等工作場域創造生產力。 為了證明產品具備實際價值，中國實體 AI 公司智元機器人（Agibot）近日啟動為期六天的直播計畫，公開展示旗下 G2 人形機器人在江西南昌龍旗科技工廠生產線上的作業情況。 智元 G2 機器人進駐平板產線，3 小時處理逾 800 台零錯誤 根據智元機器人公布的資訊，這批輪式 G2 機器人目前已部署於平板電腦量產線的品質檢測區，並與現場人員協同作業。機器人配備依任務需求客製化設計的夾爪，可執行搬運、擺放與送檢等製程相關工作，並在工廠環境中持續運作。《Interesting Engineering》指出，直播畫面顯示，這批機器人已進行超過 10 小時不間斷運作測試，期間累計處理超過 3,000 件平板電腦分類任務，並維持接近 100% 的成功率，且未出現明顯錯誤。其中，在測試初期的前三小時內，機器人即完成超過 800 台平板電腦的處理量，證明在長時間高負載情境下仍具備穩定輸出能力。 G2 被設計為新一代工業人形機器人，整合 AI 運算、精密操控與自主移動能力，以應對高強度商業應用需求。根據智元機器人介紹，該機型採用全汽車級零組件打造，具備亞毫米級定位精度。其雙臂力控系統可感測並施加低至 0.5 牛頓的力道，使其能完成精細搬運與組裝作業。核心運算平台則搭載 NVIDIA Jetson Thor，可提供最高 2,070 TFLOPS 的算力，用於即時感知、決策與運動控制。 在機構設計上，G2 配備 26 自由度的機身，以及 5 自由度的腰腿結構，使動作更接近人類的流暢表現。移動系統採用四輪轉向設計，支援全向移動、蟹行移動與零半徑轉向，讓機器人能在擁擠的工廠與狹窄空間中靈活穿梭。在人機互動方面，該平台支援多說話者持續對話、1 對 1 動作模仿，以及超低延遲的視距外遠端操控。操作人員也可透過時間分割控制系統，同時管理多台機器人。 全球供應鏈導入人形機器人測試，中美企業同場競速 《Forbes》補充，美國機器人公司 Figure AI 近期也以類似方式引發關注。該公司於今年 5 月舉辦一場長達 10 小時的「人類對決機器人」包裹分類挑戰，由 Figure […]

中國超級電腦重奪世界第一：不靠 NVIDIA GPU，LineShine 如何讓 CPU 成為算力戰新焦點？

中國深圳的超級電腦 LineShine（又稱 Lingxing）在最新的 TOP500 排名中成功登上世界第一，超越美國勞倫斯利佛摩國家實驗室（Lawrence Livermore National Laboratory）的系統 El Capitan，讓中國自 2017 年以來首次重返全球超級電腦榜首。 根據 TOP500 的官方資料與外媒報導顯示，LineShine 在 HPL（High Performance Linpack）基準測試中達到了每秒 219.8 億億次（2.198 exaflops）運算的效能，首次登榜便直接拿下第一名的寶座，測試結果更比自 2024 年 11 月起便一直霸榜的 El Capitan 快了逾 20%。 這次 LineShine 登頂的震撼之處，不僅在於中國奪回世界第一的頭銜，更在於 LineShine 完全不依賴當今高階超級電腦普遍使用的 GPU，而是改以「純 CPU（CPU-only）」的架構完成這項任務。 中國超級電腦的新路線：把矩陣與向量運算加速直接整合進 CPU 《紐約時報》指出，LineShine 系統使用的是標準微處理器（CPU），而不是多數高階超級電腦所極度仰賴的圖形處理器（GPU）。根據 TOP500 官方資料，LineShine 採用客製化 LX2 處理器，整套系統共具備近 1,400 萬個運算核心。 與多數將 CPU 和 GPU 分工運作的高階系統不同，LineShine 並沒有將傳統微處理器和 GPU […]

Claude Tag 哪裡不一樣？Anthropic 的「數位同事」與導入前 4 個提醒

Anthropic 推出名為 Claude Tag 的新產品，把搭載最新模型 Opus 4.8 的 AI 直接嵌進 Slack，成為整個團隊都能透過輸入 @Claude 來指派工作的常駐成員。表面上，這像是一次 Slack 整合工具的改版，取代 Anthropic 原有的 Claude in Slack 應用，但特斯拉前 AI 總監、OpenAI 創始成員、現任職於 Anthropic 的 Andrej Karpathy 給了它一個更大的定位：這是大型語言模型（LLM）介面的第三次重大轉變。 根據 Karpathy 的說法，第一個典範，是 LLM 作為一個你前往的網站；第二個典範，是它變成一個下載到電腦裡的 App；而第三個，則是它成為一個自我完整、持續存在、可非同步運作的實體，擁有組織級的工具與脈絡，與人類團隊並肩工作。他形容，一旦把工具、整合、運算環境、記憶、安全等底層工程都做到「就是能用」，Claude 基本上就以一種無縫的方式加入了團隊，你可以像跟人說話一樣跟它溝通。 對企業來說，當一個 AI 要在你的溝通核心拿到常駐席位，你的採購談判與治理框架，準備好了嗎？這篇會先說明 Claude Tag 怎麼運作，再回到這個決策問題。 不是單人工具，而是全頻道共用的「數位同事」 Claude Tag 的運作方式是：管理員把它與 Slack 工作區配對，授予它特定工具與資料來源的存取權，設定花費上限，並界定它能在哪些頻道運作。此後，這些頻道裡的任何成員都能 @Claude 提出請求：寫一份 pull request、拉出銷售數字、跑一段資料分析，Claude 會把任務拆成幾個階段，用它有權限的工具逐步執行，再把結果回貼到 Slack 討論串。 […]

5 大巨型 AI 交易案吸走全球創投近 60% 資金：KPMG 揭台灣新創如何站上硬體巨人肩膀突圍？

專訪：戴季全撰稿：李昀蔚 KPMG 在最新發布的《2026年第一季創投脈動：全球創業投資分析》指出，2026 年 Q1 全球創投投資總金額達 3,309 億美元，創下單季歷史新高。KPMG 安侯建業創新與新創服務團隊主持會計師黃海寧在《全新一週》專訪中指出，這波成長真正值得注意的，不只是金額變大，而是市場呈現出「高品質資產受到巨頭追逐，但一般標的流動性還是受到限制」的「雙速發展」局面。 AI 巨型交易吸走六成資金，美國成為絕對主場 探究這波雙速發展的成因，資金高度集中是關鍵。「這個直接翻倍，不是普天同慶，是非常高度集中在幾個巨型交易，」黃海寧指出，OpenAI、Anthropic、xAI、Waymo 與 Databricks 等前五大 AI 融資案，就占 2026 年第一季全球創投募資總額約六成。 這股資金集中趨勢也強烈反映在地理分布上，前十大募資案中，美國公司包辦七家，顯示其在 AI 領域壓倒性的主導地位，「光美國一個國家，就搶走全球將近 82% 的資金，」黃海寧強調。 此外，推動這波巨額投資的角色也發生質變。這一輪資金不再只是傳統創投在推動，微軟、Google 等企業創投（CVC）正為了綁定 AI 生態系而挾帶大筆企業銀彈參與交易。 另一方面，一般創投基金也面臨嚴峻考驗。黃海寧觀察，創投背後的出資人（LP）出現嚴重的科技焦慮，呈現一種「抱團取暖」的現象，資金大幅向超過 10 億美元的老牌大基金靠攏，進一步壓縮早期與非 AI 新創的募資空間。 從大型語言模型到實體 AI，投資焦點進入垂直應用 儘管資金高度集中於底層模型與算力，但 AI 的應用場景正逐漸向外擴張。雖然大型語言模型仍是資金主軸，不過黃海寧分析，創業的題材正在從純軟體模型，漸漸踏入實體世界的 AI。例如 Waymo 的無人車、Neura Robotics 的人形機器人與 Rokid 的 AR 眼鏡等案例，顯示 AI 正在具備實體認知能力，加速落地進入交通、工業與穿戴裝置等領域。 另一個備受關注的剛性需求方向，則與地緣政治息息相關。例如代表國防科技的 Shield AI，以及切入 AI 資料中心基礎建設的 DayOne。在算力缺乏與地緣政治緊張的背景下，「我想這些應該都是投資人很願意買單的鋼鐵防線，」黃海寧說。 […]

SAS Customer Intelligence 360 結合代理 AI 再次攜手遠東商銀打造「懂你」的財富管理

當數位金融從產品導向走向客戶體驗導向，客戶期待的，不再只是快速便利的交易流程，而是銀行能在不同人生階段與互動情境中，提供更即時、更貼近需求的服務價值。遠東商銀與全球數據分析大廠 SAS 強強聯手，近期導入 SAS Customer Intelligence 360，結合數據分析、AI 應用、代理式人工智慧（Agentic AI），實踐行銷自動化，布局智慧金融下一階段成長動能。 以客戶旅程為核心　遠東商銀推進智慧金融轉型 遠東商銀個人金融事業群副總經理張小倩表示：「金融服務的核心始終是理解客戶需求。此次導入 SAS Customer Intelligence 360，我們希望透過數據與 AI 能力，強化服務體驗，在適當的時間提供合適的服務，讓每一次互動更具溫度與價值。」透過整合大數據、客戶標籤、分析模型與全通路資訊，銀行得以更完整地掌握客戶需求；並依據不同人生階段、資產規劃目標與溝通偏好，設計更精準的服務流程與內容。張小倩表示，SAS 深耕金融產業多年，平台功能完整且具延展性，加上雙方已有良好合作基礎，因此再次攜手，將客戶服務架構升級至以旅程為核心的智慧互動模式，共同推進智慧金融布局。 SAS Customer Intelligence 360 賦能金融業　打造新世代客戶互動平台 SAS 台灣暨香港金融事業群業務顧問部門負責人滕嘉敦指出：「SAS Customer Intelligence 360 可協助企業統合受眾資料、互動通路與體驗管理，串聯行銷決策與服務流程，降低多系統管理的複雜度。直覺化的拖拉式介面，讓行銷人員得以快速建立名單與客戶旅程。」其同時具備 Agentic AI 與生成式 AI 延伸應用能力，在治理架構與人員監督前提下，系統可依據客戶行為與情境，即時協調適切的服務節點，並逐步整合 AI Agents 與自動化機制，邁向一對一的精準經營模式，可謂是「新世代客戶互動平台」。 導入 SAS Customer Intelligence 360 後，遠東商銀名單開發時間降低約 30%，回應率較過往提升100%，行銷測試週期同步縮短，前線團隊得以更快回應市場與客戶需求。同時也有助於遠東商銀加速布局財富管理 2.0 提供更高端的個人化服務體驗。 此外，SAS Customer Intelligence 360 的雲地整合架構，可滿足金融業資安治理與法遵要求，同時保持系統更新的敏捷性；並可串接既有資料庫、CRM、App 與多元通路，協助建立一致且流暢的服務體驗。 持續深化 AI 應用 […]

AI 機器人最缺的不是模型而是資料，新創 XDOF 如何切入這個基礎設施缺口？

要讓機器人真正能運作，需要的不只是更好的模型或更快的晶片，而是一種非常稀缺的東西：大規模、高品質的物理互動訓練資料。新創公司 XDOF 想做的，正是填補這個缺口。 語言模型有公開文字，機器人沒有 語言模型的崛起，很大程度上靠的是網路上海量的公開文字資料。但機器人需要的是捕捉物理互動的資料，包括手如何抓取物件、力道如何調整、動作如何修正，這類資料幾乎不存在。 YouTube 影片和外包工作者拍攝的畫面解析度太低，也難以精確對應到物理世界的參數，無法直接轉化為有效的機器人訓練資料。 XDOF 共同創辦人暨 CEO Philipp Wu 在 UC Berkeley 攻讀博士時就親身遭遇這個問題。他的研究方向是讓機器人從大規模資料集學習技能，卻發現根本無資料可用，「我們先需要實際收集資料，才能開始思考如何訓練機器人的基礎模型，」他說這是一個先有雞還是先有蛋的問題。 Wu 和共同創辦人暨 CTO Fred Shentu 因此開發了 GELLO，一套低成本的遙操作系統，讓人類操作者控制機械臂來生成訓練資料。這篇論文在機器人領域產生了廣泛影響，許多面臨相同瓶頸的研究者開始借用這套裝置收集資料。看到這個機會，Wu、Shentu 與第三位共同創辦人暨 COO Nemo Jin 在 2024 年 10 月創立了 XDOF。 三層資料架構，從機器人到人體動作 XDOF 的資料生產架構分三個層次，對應不同的資料來源與應用價值。價值最高的是直接在部署中的真實機器人上收集的遙操作資料，因為它最貼近實際使用情境；其次是透過 GELLO 這類遙操作裝置收集的較通用資料；第三層則是記錄人類日常行為視角的「自我中心」資料，XDOF 計劃自行開發穿戴式感測器來收集。 Wu 強調，感測器硬體的選擇會直接影響資料品質，進而影響模型能力，他說如果一開始沒有把硬體設計好，收集到的資料可能會有你沒預料到的問題。這也是為什麼 XDOF 選擇同時做感測器硬體，而不只是提供純軟體服務。 在資料收集之外，XDOF 也負責資料清洗、工具開發與標注，讓整個流程形成持續優化的迴圈。Wu 說，他們刻意避免讓公司變成只做資料供應的業者，單純賣資料很容易走進死胡同。 與 UC Berkeley 合作，釋出迄今最大規模開源資料集 作為起點，XDOF 與 UC Berkeley、卡內基美隆大學、MIT 與 […]

PepsiCo 41 輛無人卡車上路：全美首家公開大規模商轉的消費品巨頭

一輛載滿 Doritos 和 Frito-Lay 零食的卡車駛出配送中心，沿著亞利桑那州的公路前往 Walmart 門市時，外觀看起來與一般貨車並無不同。然而，駕駛座上卻空無一人。這並非測試場景，而是 PepsiCo 已經投入日常營運的物流網路。 《華爾街日報》報導，PepsiCo 近日宣布，已在亞利桑那、德州、阿肯色州部署共 41 輛由自駕物流公司 Gatik 提供技術的無人駕駛卡車，成為美國第一家公開揭露在公共道路上大規模商業化使用無人卡車的消費品企業。 最適合短途固定路線，還能依當日需求動態調度 PepsiCo 的車隊已經進入完全無人駕駛運行階段。該公司與 Gatik 自 2022 年開始合作，歷經數年的道路驗證與安全測試後，於 2025 年 6 月正式啟動無人駕駛營運。PepsiCo 表示，截至目前為止，這些車輛在公共道路上尚未發生事故。 Gatik 的車輛搭載多組攝影機、雷達與光達感測器，能即時辨識周遭車流、行人及道路狀況。系統透過車載運算平台持續分析環境資訊，自主完成轉彎、變換車道與路線調整等操作。未來版本甚至可能取消方向盤與駕駛艙配置，進一步朝專用物流載具發展。 PepsiCo 指出，這套技術最適合應用於短途、中短距離且路線高度固定的運輸任務，例如裝瓶廠與倉儲中心之間的補貨路線。由於車輛會持續重複相同路徑，系統能累積大量運行經驗，進一步優化決策模型與行車表現。Gatik 也強調，其系統並非僅能執行固定路線任務。車輛可依據當天的營運需求調整配送計畫，在多個配送據點之間重新規劃路徑，協助企業因應需求波動、配送中心作業量變化，以及不同區域的補貨需求。 對 PepsiCo 而言，推動無人駕駛卡車最大的價值並非節省人力，而是提升物流網路的可預測性。根據該公司數據，在排除天候與重大交通事故等不可控因素後，無人卡車的準時送達率已達 99%。 解放方向盤的隱形效益：把駕駛時間變實體營收 PepsiCo 全球供應鏈主管 Jim Farrell 表示，自動駕駛的核心價值在於讓取貨與配送時間更穩定。相較於人類司機可能因身體狀況請假、受到工時法規限制，或面臨招募困難等問題，自駕系統能以固定節奏持續運作，協助企業更精準地安排庫存與補貨計畫。 這種特性對消費品供應鏈尤其重要。當節慶旺季或促銷活動帶動需求快速增加時，零售商往往需要更頻繁地補貨。PepsiCo 認為，自駕卡車能在這類高需求時段提供額外運輸能力，降低人力短缺對供應鏈造成的衝擊，同時維持貨架供貨穩定。 除了提升配送效率，無人卡車也正在改變第一線人員的工作模式。在許多傳統配送流程中，卡車司機同時肩負業務代表角色，除了送貨之外，也需要與門市主管溝通商品陳列、庫存狀況以及最新促銷方案。 如今，當自駕卡車抵達零售據點時，PepsiCo 仍會安排員工在現場接應與卸貨，但原本需要花費數小時在路上的業務人員，能將更多時間投入客戶關係經營。PepsiCo 表示，這讓員工有更多機會與店長交流市場需求、介紹新品與促銷活動，進一步帶動產品銷售表現。 近年來，PepsiCo 持續推動運輸網路現代化。除了自駕卡車，該公司也積極投資電動貨車與低碳運輸方案，並參與多項重型電動卡車試點計畫。隨著無人駕駛技術逐步成熟，供應鏈的焦點也正從單純的運輸能力，轉向更高層次的可預測性與營運韌性。 【推薦閱讀】 ◆ 1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 […]

【科技早餐】五眼聯盟示警 AI 資安倒數，微軟搶電、NVIDIA 液冷與美光記憶體同步升溫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊五眼聯盟示警 AI 資安進入「數月倒數」 由美國、英國、加拿大、澳洲和紐西蘭組成的情報共享網路「五眼聯盟」發布聯合聲明，警告前沿 AI 模型正在快速改變網路攻防能力，而且時間表不是以年計，而是以月計。聲明指出，前沿 AI 模型預計將超越現有產業預期，從根本改變攻擊與防禦兩端的網路能力。 五眼聯盟認為，先進 AI 模型可能協助攻擊者更快尋找漏洞、撰寫攻擊工具，並提高網路攻擊的規模與精準度。聲明同時要求政府與企業立即修補已知漏洞、降低不必要的網路曝險，並運用 AI 強化防禦。近期美國也以國安為由，要求 Anthropic 限制外籍人士存取最先進模型，涉及 Fable 5 和 Mythos 5；美國網路安全和基礎設施安全局也把政府機關修補重大資安漏洞的期限縮短到三天。 ＊川普推 2028 量子電腦，後量子資安時程提前 美國總統川普簽署兩項行政命令，目標是加速量子電腦發展，並提升美國政府的後量子資安防護。白宮科技政策辦公室表示，新命令要求美國政府機關與民間企業合作，在 2028 年前研發出可用於科學研究的量子電腦，作為邁向更大規模量子系統的過渡階段。 量子電腦未來可能處理傳統電腦難以解決的特定問題，但也可能破解現有加密系統，因此另一項行政命令聚焦後量子密碼學，也就是能抵抗量子電腦破解的加密技術。白宮目標是在 2030 或 2031 年前，讓政府重要資訊系統轉向後量子加密。Amazon AI 主管 Peter DeSantis 也表示，未來五到七年內，可能出現第一批具商業實用價值的小型量子電腦。 ＊微軟綁定雪佛龍 20 年電力，AI 資料中心接上天然氣 微軟（Microsoft）與雪佛龍（Chevron）簽署 20 年供電合約，雪佛龍將為微軟研議中的德州資料中心提供天然氣發電電力。這座發電廠名為 Project Kilby，預計 2028 年開始供電，後續發電量可能增加到 2.67GW。完工後，這項計畫可望成為美國規模最大的同址天然氣發電資料中心供電案之一。 微軟正加碼興建資料中心，以支援 AI 發展，並與 Google、Amazon […]

「未來一定是機器人送包裹。」京東集團創辦人劉強東揭如何讓 70 萬配送員轉型維修人才

中國大型電商京東集團創辦人、董事局主席劉強東近日在亞太經濟合作會議（APEC）CEO 論壇上表示，未來的包裹配送一定會由機器人完成，配送員遲早將不再被需要。 然而，劉強東同時表示：「我真的不希望我們的 70 萬名兄弟沒有飯吃、沒有工作。」因此，京東已經開始為這批龐大的配送員大軍規劃重新培訓與轉型方向，劉強東也強調，科技應該「讓人類的生活變得更好」，讓工作「更有趣」，而不是「剝奪人類工作的權利」。 劉強東預言機器人配送將取代人力，中國零工經濟面臨轉型壓力 「未來一定會是機器人配送包裹，」劉強東進一步指出，當機器人開始運送包裹，遲早有一天將不再需要配送員。雖然他並未預測機器人配送何時會在中國達到大規模普及的程度，但目前已經有多個相關的試點專案正在進行中。 《金融時報》提到，據中國媒體報導，例如深圳已有機場送餐機器人，可將餐點送到登機口乘客手中，還有機器人可以搭乘通勤列車為便利商店補貨。因此這項趨勢也引發決策者對勞工生存的擔憂，因為中國今年的「零工」數量預計將達到 3.2 億人，高於五年前的 2 億，占中國城鎮就業總人數的 40%。 京東推動配送員轉型維修人才，已與 120 所學校簽約培訓 為了替這些配送員尋找新的工作出路，京東表示已經與大約 120 所學校簽署合約，協助配送員接受再培訓。《金融時報》報導，這些配送員未來可能轉向如維護與保養機器人這一類新職務，劉強東對此解釋，機器人的維修工作將會變得非常普遍，「因為機器人是機械設備，它們總會在某個時刻發生故障」。 對此，中國人力資源和社會保障部表示政府正積極探索擴大這類勞工的社會保險覆蓋範圍，並關注「AI 訓練師」與「無人機操作員」等新興職業的發展。人權觀察組織（Human Rights Watch）則呼籲中國政府應保障這些零工的權益。 AI 自動化效益難全面釋放，中國企業面臨政策與就業壓力 《Reuters》報導，中國政府一方面希望企業投資新技術並進行創新，甚至在三月正式批准的下一個「五年計畫」中，將機器人技術視為現代工業體系的核心。然而，另一方面，中國政府也釋出訊號，表明不會容忍企業進行大規模裁員與重組，要求企業必須降低 AI 對就業造成的衝擊。 《Reuters》進一步提到，京東龐大且高度仰賴勞力的物流與配送業務，其實非常適合從 AI 與機器人自動化技術中提升效率。劉強東去年就曾在一次會議上自豪地表示，京東在北京的分揀中心已經有 90% 的人力被機器人所取代。然而，現實挑戰是，京東過去五年的員工總數雖然增加了一倍多，但自 2021 年以來「每位員工創造的營收」卻持續下滑。同時，包含阿里巴巴在內的其他科技巨頭也面臨同樣的走鋼索困境，只能透過自然流失與漸進式縮減來悄悄裁員。 京東的案例顯示，機器人送貨的發展直接牽動該公司 70 萬名配送員未來的職涯轉向。據花旗銀行（Citibank）估計，中國約有高達 9.6%、約 7,000 萬個職位，面臨被 AI 取代的風險。然而，在目前青年失業率高達近 17%，加上今年夏季將有創紀錄的 1,270 萬名大學畢業生進入職場的就業壓力下，中國的科技企業很難像西方競爭對手一樣，全面釋放 AI 與自動化帶來的效益。 因此，京東 70 萬名配送員的轉型計畫，也反映出中國在推動 AI 與機器人自動化發展時，所面臨的沉重政策壓力。畢竟，維持就業穩定是支撐中國國內消費的關鍵，而在近期官方數據中，中國的零售額已經出現三年來首次下滑。在這種相互衝突的政策目標下，中國企業可能會在未來拖慢整體的創新步伐。  【推薦閱讀】◆ 不等人形機器人了？Sanctuary […]

日本 AI 新創 Sakana 推出 Fugu：AI 下一場戰爭不只比模型，而是誰更會協調模型

當 Anthropic 因美國出口管制調整 Claude Fable 5 與 Mythos 5 的公開存取政策後，一個過去較少被討論的問題浮現：如果企業的關鍵 AI 能力建立在單一模型供應商之上，當政策、商業策略或地緣政治發生變化時，企業是否有能力維持系統穩定運作？ 就在這個時間點，日本 AI 新創 Sakana AI 發表多模型編排系統（Model Orchestration System）Fugu。與其說這是一個新的大型語言模型，不如說它是一套負責協調不同模型合作的「AI 指揮系統」。Sakana AI 希望證明，透過多個模型組成的 Agent 群協同運作，即使不擁有最強大的單一模型，也能在部分任務上達到接近甚至超越前沿模型的表現，並且無需承擔出口管制的風險。 不是更大的模型，而是會調度模型的模型 根據 Sakana AI 官方說明，Fugu 的核心並不是又一個試圖包辦所有任務的大型語言模型，而是「編排模型」（orchestration model）。Fugu 被訓練來調用一個「可隨時抽換的代理池」，當收到複雜請求時，它會自行判斷是直接回答，還是把問題拆解、委派給多個專家模型，再驗證並整合出最終輸出。 對開發者而言，這整套多代理協作被隱藏在單一且相容 OpenAI 的 API 之後，多代理系統的複雜度不會進到程式碼裡。Sakana 在技術說明中提到，Fugu 本身就是一個被訓練來調用代理池中各種大型語言模型的語言模型，甚至能遞迴地調用自己。 這也是 Fugu 與一般「模型路由」的差異。據《VentureBeat》報導，路由平台如 Not Diamond、Martian 或開源的 RouteLLM 等，做的是一次性決策：分析提示後，預測哪一個單一模型最合適，再把整個查詢分派過去，像個只負責調度的空中交通管制員。Fugu 則更接近 Router-R1（NeurIPS 2025）這類多輪系統，會把任務拆解、邊推理邊委派，讓多個模型並行或接力處理後再整合輸出。簡單來說，路由是「挑一個模型來用」，編排是「拆任務、調度多個模型分工」。 這套設計奠基於 Sakana 2026 年的兩篇研究 […]

OpenAI 啟動開源資安計畫 Patch the Planet：資安戰場正從「找漏洞」轉向「修漏洞」

AI 已經改寫了資安的物理規則，而本週，OpenAI 正式把這場改寫推進到下一階段。該公司擴大旗下的 Daybreak 資安計畫，把重心從「發現漏洞」推向端到端的修補自動化，一連串發布裡最受關注的，是一項名為「Patch the Planet」的開源計畫。 這背後是一個正在發生的瓶頸轉移。長期以來，找出一個嚴重漏洞需要稀缺的專業、大量時間，以及對複雜系統的深入熟悉，這道門檻讓「發現漏洞」成為整條資安鏈最大的瓶頸。但當前沿 AI 模型已經能大規模巡視龐大的程式庫、推理攻擊路徑、驗證假設並挖出隱藏的安全問題，瓶頸正快速從找漏洞滑向另一端：驗證與修補。 找洞變得又快又廉價，沒修的漏洞正在堆積 OpenAI 在公告中直言：漏洞報告本身不能保護任何人。該公司表示，其真正的價值來自驗證問題、理解其影響、開發並測試修補、協調揭露，再協助團隊把修補部署上線。換句話說，當 AI 讓找洞變得又快又廉價，沒被修好的漏洞反而以前所未有的速度堆積，防守方被淹沒在發現的數量裡。 這也是 Daybreak 整套布局的核心定位。OpenAI 把它描述為 AI 時代的防禦型資安堆疊，整合前沿模型、Codex Security 工作流、受控存取、專家審查與資安生態系夥伴。《AI News》分析指出，這次擴張的意義，在於 OpenAI 不再只把 AI 資安當成一種模型能力或評測分數，而是把它變成一條可掃描、可驗證、可修補、可審查的營運管線。 當 slop 報告淹沒志工，開源社群成為最脆弱的一環 這個趨勢對開源社群的衝擊尤其明顯。《TechCrunch》指出，開源軟體是商業軟體賴以運作的數位基石，但由於這個生態系結構分散、缺乏妥善監管，許多軟體其實並不安全。OpenAI 引用 Linux 基金會與哈佛大學的研究指出，在受研究的廣泛使用專案中，有 94% 的專案在過去一年內，逾九成的新增程式碼是由不到十名開發者完成，多數仰賴時間與資金都有限的小團隊維持。 這些維護者本就疲於應付漏洞回報，而據《WIRED》報導，AI 驅動的漏洞挖掘在近幾個月興起後，情況雪上加霜。大量 AI 生成的低品質報告，也就是俗稱的 slop，不斷堆積，讓維護者更難排序與聚焦真正關鍵的瑕疵。OpenAI 資安技術主管 Fouad Matin 向《WIRED》形容，維護者出於對開源的熱愛而投入，如今卻被迫耗在審查灌水的 CVE 上。他表示，Patch the Planet 的設計，是盡可能從 token 成本的角度提高效率，藉由程式庫評估、驗證潛在報告、建立修補並推動上線，來減輕維護者的負擔。 Patch the […]

川普按下量子競賽加速鍵：2028 量子電腦目標，為何讓比特幣、金融網路與政府資安同步備戰？

美國總統川普在 6 月 22 日簽署兩項具備高度戰略意義的行政命令：一項目的是在加速美國量子運算技術的發展，另一項則著眼於防範量子技術成熟後，對現有加密系統造成的資安威脅。 這兩項命令不只將量子科技明確提升至美國經濟與國家安全的優先層級，更被視為美中科技角力的關鍵布局。與此同時，聯邦政府大動作推進的防禦政策，也讓「後量子加密」與比特幣的資安問題，再次成為焦點。 劍指 2028，開啟「量子驅動科學發現」時代 這項政策的核心動力，在於美國企圖掌握量子科技的絕對優勢，因為量子科技的突破預期將能大幅推動 AI、材料科學與化學等前沿領域的進展。 對於打造量子電腦的時程，白宮科技政策辦公室主任 Michael Kratsios 明確表示：「我們相信這可以在 2028 年實現。」為了打造可用於科學研究的強大量子運算系統，第一項行政命令宣布正式啟動「QC-ADDS」（Quantum Computer for Application Development and Discovery Science）計畫。 此外，命令也要求國防部、商務部、能源部與 NASA 必須在五年內制定部署量子感測器與網路技術的計畫。據規劃，五角大廈將在 2028 年前部署量子感測器，這些設備能幫助在 GPS 受干擾的戰區進行導航，若部署於衛星，還能從太空探測地下隧道或飛彈發射井。 為達成這些目標，美國商務部已在上個月透過《晶片與科學法案》（CHIPS and Science Act），宣布向 IBM 與 GlobalFoundries 等九家量子運算公司提供總計逾 20 億美元的資金。同時，命令也要求聯邦政府必須與私人企業及學術界攜手合作，以期正式開啟「量子驅動科學發現」（quantum-enabled scientific discovery）的嶄新時代。 築起防禦壁壘，後量子資安加速倒數 然而，如同雙面刃，強大的量子運算能力同時也具備破解現有加密機制的潛力，進而引發外界對未來爆發更激烈網路攻擊的深切擔憂。 為了防患未然，川普簽署第二項名為「保護國家免受先進密碼攻擊」的資安行政命令。這項命令的核心目標是讓聯邦資安順利進入後量子運算時代，不僅指示網路安全暨基礎設施安全局（CISA）必須協助關鍵基礎設施的營運商完成過渡轉型，更要求美國關鍵政府系統必須在 2030 年至 2031 年前遷移至後量子密碼學（post-quantum cryptography）。  值得注意的是，根據該命令，聯邦機構全面轉向後量子密碼的最後期限被設定在 2031 年 12 月底，這比原先國家安全備忘錄所規劃的 […]

AI Agent 進公司誰來管？Accenture 點名 HR 扛責，PwC 示警入門職缺「資深化」

隨著技術快速演進，AI 逐漸引發一場從管理核心到基層人才庫的全面結構性革命。在企業內部，AI Agent 正逐漸轉變為需要被導入、訓練與管理的數位工作夥伴。Accenture UK and Ireland 執行長 Matt Prebble 近日表示，AI 正在促使企業董事會重新思考如何重塑員工隊伍與領導架構，未來企業在營運時，將必須面對同時管理人類員工、AI 代理程式與技術系統的混合型態。 同時，PwC 針對全球職缺趨勢發布的《2026 全球 AI 職缺動態調查報告》（AI Jobs Barometer）數據更進一步揭示，AI 正在顯著提高職場的入門門檻。在受 AI 影響較深的領域，企業越來越期待初階員工能具備過去「資深職位」才需要的能力。這兩股趨勢正以前所未有的速度，改寫企業的管理架構與人才樣貌。 HR 未來不只管理人，也要管理 AI Agent 隨著技術進步，整合與導入 AI Agent 已成為一項艱鉅的挑戰，需要企業進行非常細緻的管理，不能僅將 AI 視為單純的軟體工具。Matt Prebble 表示，目前已有少數企業真正將代理式 AI 導入組織，而這些領先者已經開始思考如何對 AI Agent 進行訓練與管理，未來這些工作很有可能直接納入人資主管（HR）的職責範圍。 Matt Prebble 特別強調，AI 正促使企業董事會重新思考如何重塑員工編制與領導架構，他更拋出一個核心問題：「當你思考如何營運未來的組織時，你會去想，我該如何建立組織架構，好讓我能在管理人的同時，也管理代理程式、AI 以及科技？」 管理高層的角色演變：COO 扛責與「信任治理」的崛起 AI Agent 在企業內部的出現，不僅改變 HR 的工作範疇，更直接牽動高階管理層（C-suite）的分工。Matt Prebble 認為，當 AI […]

攔截消費決策最起點：房產巨頭 Zillow 布局 NotebookLM，讓 AI 化身購屋族專屬軍師

生成式 AI 快速改變消費者獲取資訊的方式，品牌競爭的戰場也正在悄悄前移。過去，購屋族可能先上房地產網站搜尋物件、閱讀文章，接著才聯繫房仲或申請貸款；如今，越來越多人習慣先向 AI 詢問問題、整理資訊，再決定下一步行動。對房地產平台而言，誰能在消費者形成決策之前搶先提供可信賴的答案，誰就更有機會成為最終被選擇的品牌。 美國房地產平台 Zillow 近日宣布與 Google 合作，在 NotebookLM 推出官方「精選筆記（Featured Notebook）」，將多年累積的購屋知識與指南內容直接導入這個快速成長的 AI 工具。此舉反映出一項重要趨勢：品牌開始主動將專業內容部署至新興 AI 平台，希望在消費者研究階段就建立影響力，而非等待用戶主動造訪官網。 Zillow X NotebookLM 專治買房焦慮，一條龍拆解複雜術語與流程 對 Zillow 而言，購屋是一個充滿不確定性的高風險決策。無論是首次購屋者或有經驗的買家，都經常在流程中遇到大量陌生術語與複雜程序。當消費者尋求協助時，他們需要的不僅是快速回應，更需要清楚、準確且有依據的資訊。此次推出的精選筆記，正是希望成為購屋旅程中的 AI 顧問，協助使用者理解各種重要問題。 透過 Zillow 的 NotebookLM 精選筆記，使用者可以直接提出購屋過程中常見的疑問。例如貸款預審（Preapproval）與預認證（Prequalification）之間有何差異、買家提出的報價被賣方接受後通常會發生哪些程序，以及除了頭期款之外還需要預留哪些額外支出等。這些都是許多購屋族在初期階段最容易感到困惑的議題。 有別於一般 AI 工具可能出現資訊來源不明或答案品質不穩定的情況，這套系統的所有回覆都建立在 Zillow 官方審核與發布的內容之上。當 AI 回答問題時，系統會同步顯示引用來源，讓使用者能直接點選並返回 Zillow.com 閱讀完整文章。這種透明化機制有助於提升資訊可信度，也讓 AI 回覆不再只是單純的答案，而成為引導用戶深入研究的重要入口。 NotebookLM 共同創辦人兼編輯總監 Steven Johnson 表示，購屋是人生中最重要的里程碑之一，因此可信賴的資訊格外重要。這項由 Zillow 策劃的精選筆記，能在買家旅程起點提供值得信任的解答，協助使用者更有信心地做出決策。 創新「音訊摘要」體驗，用聽 Podcast 的方式搞定買房功課 除了文字問答功能之外，這項合作也運用了 NotebookLM 近年廣受歡迎的「音訊摘要（Audio […]

【金融業資安新威脅】駭客改打 IT 支援電話，傳統憑證防禦出現結構性破口

多因素驗證（MFA）雖能保護基於密碼的認證機制，但當前主導金融服務業的駭客攻擊，卻是正在透過重設密碼、授予驗證碼及漏洞利用等方式，繞過傳統的密碼竊取，構成全新的威脅體系。

【個人化虛擬商場】從爬蟲技術到品牌數據生意，The Mall 想做購物版 Spotify

線上購物的資訊長期處於碎片狀態，每個品牌各自經營官網、社群與電子報，消費者得自己開著一堆分頁、訂閱一堆電子報，才能拼湊出完整的購物情報，而新創公司 The Mall 想解決的正是這個問題，於是它把「逛商場」這件事搬回線上。 The Mall 讓使用者用自己最愛的品牌打造一座專屬的虛擬商場，並同步追蹤所有折扣，滿足消費者對「個人化虛擬商場」的想像。 立志把時尚品牌收攏到同一個數位屋簷下 The Mall 共同創辦人暨營運長 Ellie Konsker 曾任職於精品品牌 Tom Ford 與 Karla Otto，先前在自己創立的永續時尚品牌觀察到一個問題：消費者往往同時開著二十個分頁購物，為了追蹤喜愛的品牌而訂閱各種電子報，再費力把散落各處的資訊即時拼湊起來，這讓購物變成一件令人挫折的事。 這個問題在實體商場逐漸被線上稀釋的此刻，顯得格外突出。實體商場之所以能復甦，部分原因正是它重新被定位為社交與休閒的去處，零售地點智慧選點平台 GrowthFactor 的資料指出，高達 75% 的美國消費者到商場主要是為了與親友相聚，而非單純採購。 The Mall 想做的，就是把這種「一個地方就能逛遍所有品牌」的價值，以個人化的形式重現於數位環境中。 共同創辦人暨執行長、史丹佛電腦科學背景出身的 Sreya Halder，更直白說明音樂有 Spotify、電影有 Letterboxd、書有 Goodreads，這些創意領域都已有自己的資料庫，唯獨時尚與購物還沒有，所以他們想做一個「購物版的 Spotify」。兩人便於 2025 年 10 月創立 The Mall，先從把時尚品牌收攏到同一個數位屋簷下開始。 不採傳統的聯盟行銷分潤模式 The Mall 最關鍵的差異化，在於它取得商品資料的方式。它不與品牌簽約合作，也不依賴官方 API，而是直接以技術爬取零售網站，把整份商品目錄連同價格資訊抓進自家 App 並持續追蹤。 爬取的頻率足以即時偵測折扣、補貨、新品上架與各種促銷，再透過推播通知提醒使用者。這條技術路線讓 The Mall 能繞過冗長的商業談判，快速擴充品牌涵蓋面。 在使用體驗上，使用者註冊時先挑選喜愛的品牌，自行組建一座虛擬商場，並立即開始追蹤任何最新動態。 目前資料庫已收錄超過一萬個品牌，但使用者並不受限於此，只要分享某個品牌的 Instagram 或 […]

【科技早餐】中美搶半導體關鍵材料，AI 資料中心用電與模型主權同步拉警報

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊中國加強銦出口審查，AI 光通訊材料成新供應鏈風險 隨著 AI 資料中心對高速光學晶片需求升高，中國近期加強對銦（indium）的出口審查，引發國際買家擔憂。銦全球將近七成供給來自中國，過去多用於顯示器與焊料，但在 AI 資料中心時代，它也是磷化銦（InP）的關鍵原料；磷化銦則是高速光學晶片的重要材料。 《路透》報導，雖然銦本身尚未被列入出口限制清單，但中國海關對採購文件與終端用戶資訊的審查已變得更嚴。有歐洲買家首次被要求揭露最終用戶資訊，北美買家也表示，審批時間從原本當天延長到數天。美國也已把銦視為潛在弱點，並提出計畫，擬在三年內儲備最多 403 公噸銦，以降低供應風險。 ＊美國砸 5 億美元找半導體新材料，AI 供應鏈戰燒進化學品 美國政府將提供 NVIDIA 投資的新創公司 SandboxAQ 5 億美元，用 AI 尋找半導體製造所需的新化學品與材料。這項計畫鎖定多種先進製造所需材料，包括 PFAS 替代品、催化劑，以及可降低對外國稀土依賴的磁鐵與電池材料。 《路透》報導，美國商務部也將取得 SandboxAQ 少數、無表決權股權，並從成功商業化的技術授權中取得權利金。這代表美國正在把 AI 用於半導體供應鏈本身，試圖加速新材料搜尋，降低對特定國家或特定化學品的依賴。半導體競爭不只在晶圓廠、設備與 GPU，也正在往化學品與材料資料庫延伸。 ＊美國限制 Anthropic 模型存取，G7 急推 AI 信任夥伴制度 在剛落幕的 G7 七大工業國集團峰會上，歐洲對美國 AI 技術依賴的焦慮再次成為討論焦點。美國政府先前以國家安全與模型安全風險為由，要求 Anthropic 在未取得許可前，限制外國人士使用最先進的 Fable 5 與 Mythos 5 模型。由於這些模型可用於識別網路安全漏洞，歐洲擔心，若前沿 AI 模型存取權掌握在美國政府與美國企業手中，歐洲在資安、國防與產業應用上都會更脆弱。 法國總統馬克宏形容，美國政府指令是「嚴格的民族主義」做法。他表示，先進模型確實需要更有效監管，以避免落入威權政體手中並威脅網路安全，但國家之間缺乏合作不應是解決之道。他在 […]

Aether AI 獲 2,000 萬美元種子輪融資，押注因果推理挑戰「規模化至上」假設

當 OpenAI、Google 等科技巨頭持續投入資源打造更大規模的 AI 模型時，位於美國聖地牙哥的新創公司 Aether AI 選擇反其道而行。《The Next Web》報導，該公司近日完成 2,000 萬美元種子輪募資，主張 AI 的下一階段發展不該只追求參數數量成長，而應該讓機器真正理解事件發生背後的因果關係。 Aether AI 推因果世界模型，挑戰主流 AI 推理框架 《The Next Web》指出，目前主流 AI 模型大多透過大量資料訓練，從中學習各種模式與規律，進而完成推理、生成內容或執行任務。然而，這種建立在統計關聯上的學習方式，面對現實世界複雜多變的情境時，仍可能出現誤判。Aether AI 認為，現有 AI 雖然擅長找出事物之間的關聯，卻未必真正理解事件發生的原因與結果。 Aether AI 提出「因果世界模型」（Causal World Models）概念，希望讓 AI 不只是根據既有資料進行預測，而是能夠理解行動與結果之間的因果關係。換言之，系統在做出決策前，能先推演不同選擇可能產生的影響，再決定如何行動。Aether AI 表示，在早期驗證研究中，其因果模型在部分操作任務上可提升約 20% 至 30% 的資料效率。在特定情境下，僅需約 50 筆高品質因果標註資料，即可讓原本持續失敗的任務達到穩定且可靠的成功率。公司認為，這意味著 AI 在降低資料依賴的同時，仍有機會維持甚至強化決策可靠性。 近年來，隨著大型語言模型規模不斷擴張，訓練成本與算力需求也同步攀升，產業界開始討論「大模型路線」是否仍具備與過去相同的成長空間。《The Next Web》提及，在此背景下，如何突破單純依賴參數規模的發展模式，成為不少研究團隊積極探索的新方向，而因果推理正是其中備受關注的領域之一。 在應用布局方面，Aether AI 將機器人視為驗證技術的重要場域。由於機器人的每一次移動、抓取或操作，都會直接與真實環境互動，一旦判斷失誤，往往立刻反映在執行結果上。因此，相較於純軟體應用，機器人更能檢驗 AI 是否具備真正的推理與決策能力。 Aether AI […]

Human-in-the-Loop 不再是黃金標準？亞馬遜揭 AI Agent 治理最大盲點

近年來，「Human-in-the-Loop（人類在迴圈中）」幾乎是 AI 治理領域最主流的共識：只要在自動化系統旁安排一名人類審核者，把關 AI 的每一步輸出，風險就能被攔下來。但隨著 AI Agent 開始進入企業核心工作流程，這套治理邏輯正受到越來越多挑戰。 亞馬遜資安部門副總裁暨傑出工程師 Eric Brandwine 近日接受《The Register》訪問時，公開挑戰這套邏輯。他說人類其實「不太一致」，而 Human-in-the-Loop「未必是治理 AI 的黃金標準」。 他並非主張將人類排除在外，而是認為當 AI Agent 以機器速度持續運作時，人類並不適合被放在大量重複、需要不斷核准的流程節點上。對亞馬遜而言，企業更需要思考的是如何建立能夠持續監督、追溯責任與學習改進的治理機制。 為什麼人類盯不住 AI？亞馬遜以急診室比喻「偏差常態化」 Brandwine 向《The Register》指出，人類傾向認為自己很擅長本職工作，但真正檢視起來，人類的表現並不穩定。 他強調，人類和 AI 代理、AI 系統一樣，都具有非確定性（non-deterministic）：同樣的輸入，不保證每次都產出同樣的結果，兩者都會犯錯，甚至會憑空捏造。差別在於，人類已累積數千年的社會經驗，因此我們非常熟悉人類如何出錯，也知道該如何管理；但面對大型語言模型與建構其上的 AI Agent，人類真正接觸的時間其實還不到十年。 他用一個自己從 2017 年 AWS re:Invent 大會談過的概念來解釋人類審核為何會失效：「偏差常態化」（Normalization of Deviance）。Brandwine 描述這是一個漸進的過程：當組織裡的人開始抄捷徑、不照既定程序走，而只要沒釀成大禍，這種偏差行為就會慢慢變成日常。 Brandwine 以急診室的情境為例指出，護理師上工第一天時，幾乎每一次警報響起都會立刻查看。但許多警報最終只是誤報，病患並沒有真正出現問題。一次、兩次、數十次之後，當警報不斷出現卻始終沒有造成後果，人類的警覺性便會逐漸下降。最終，人們開始忽略警報，直到真正的事故發生。他坦言這是一個高風險案例，但醫護人員、消防員甚至軍方飛行員等領域，都曾出現類似現象。「明明有人命關天，人們仍然難以長期維持同樣程度的紀律，這就是人性。」 這正是「偏差常態化」對應到 AI 代理治理與安全的關鍵。Brandwine 告訴《The Register》，如果把一個人塞進這種緊湊的迴路裡，要他為代理工具一次又一次重複做核准決策，「一開始他會做得很好，接著做得普通，然後很快就會做得很差」。他說，這也是為什麼在亞馬遜，「我們不太推崇 Human-in-the-Loop」，它應該在真正必要時審慎使用，而不是拿來高速運轉，否則得不到想要的結果。 不只亞馬遜，Google、微軟也在重新定義人類角色 事實上，亞馬遜並非唯一開始重新思考 Human-in-the-Loop 的科技公司。Google、微軟等公司雖然提出的治理方法各不相同，但共同指向同一個方向：治理的重心正從「人類是否逐步批准 AI 的每個動作」，轉向「誰對結果負責，以及系統是否能持續學習與改善」。 《The […]

不等人形機器人了？Sanctuary AI 先把實體 AI 用在汽車產線，2.54 秒搞定電線插接

隨著人形機器人商業化發展持續受到關注，機器人業者也開始將實體 AI（Physical AI）技術導入現有工業機器人系統。《The Robot Report》報導，加拿大機器人公司 Sanctuary AI 近日宣布，與全球一級汽車零組件供應商合作，在電線插接作業上取得重要進展，任務成功率超過 99.5%，單次作業時間僅 2.54 秒，且相關數據已對照客戶實際產線的作業基準完成驗證。 Sanctuary AI 推動硬體無關策略，加速實體 AI 落地應用 Sanctuary AI 表示，與其等待人形機器人實現大規模商業化，公司選擇先將實體 AI 技術部署於現有機器人平台，加速技術在實際場域中的應用。該公司共同創辦人兼技術長 Olivia Norton 指出，實體 AI 能否獲得產業採用，關鍵在於是否具備符合生產需求的效率與穩定性，而這正是企業客戶最重視的指標。 此次測試以汽車製造業常見的線束插接作業為對象。系統必須在輸送帶持續運轉的情況下，即時辨識並操控不斷移動的柔性電線，完成精準插接。《The Robot Report》提及，測試結果顯示，該系統達到客戶現有產線的作業速度，也符合工業生產對可靠度與穩定性的要求。 Olivia Norton 說明，在移動中的輸送帶上完成電線插接作業，需要機器人具備高度的感知能力與操作靈活性，過去一直是傳統自動化設備較難處理的工作。他指出，團隊在開發過程中，始終以實際生產環境作為驗證標準，並將可靠性、安全性及作業效率納入評估，才成功克服這項長期存在於製造現場的技術挑戰。 Sanctuary AI 表示，公司擁有先進的實體 AI 團隊，團隊成員包含機器人與軟體工程師，並持續解決業界認為無法解決的問題。Sanctuary AI 指出，憑藉智慧財產權布局、專有液壓機械手及先進 AI 系統，公司已在實體 AI 領域建立領先優勢。Sanctuary AI 在 2026 年 4 月就曾展示零樣本學習（Zero-Shot Learning）在靈巧手部操作（dexterous in-hand manipulation）上的應用成果。 實體 AI 與精細抓取技術加速商用，工業機器人應用競局升溫 […]

「3 成企業成功獲得 AI 投資回報，7 成企業尚未跨過應用門檻。」博弘雲端 Nextlink AI Solutions Day 與各領域專家共探零售業如何落實 AI Agent 商業價值

2026 年，零售產業的競爭規則已徹底被重新定義，這場變革關鍵核心正是「 Agentic Commerce 代理商務 」，消費決策主權正加速移轉至 AI Agent 手中。這意味著，零售商的競爭關鍵，已從傳統的「獲取流量」，轉變為能否在 AI 主導的決策過程中「獲得優先推薦」。在日前舉辦的 Nextlink AI Solutions Day 以「ReDefine the Next Retail——AI 賦能增長：重構零售新未來」為主題，從市場重構、決策進化、技術賦能到實務落地，協助零售決策者深入理解 AI 驅動下的營運轉型。 博弘雲端台灣香港事業中心副總經理 Charles Chen 指出，2026 年 AI 市場預估將迎來龐大的投資規模，但目前企業在 AI 落地成效上卻呈現兩極化現象，根據人工智慧科技基金會（AIF）的《台灣產業 AI 化大調查》，「大概有 3 成的企業成功獲得投資回報，但仍然有 7 成的企業尚未跨過應用門檻，導致投資報酬率的效果無法顯現。」為協助企業解決落地應用難題，博弘雲端提出「AI 解決方案鏈（AI Solution Chain）」，與各領域專家一同探討企業如何真正落實 AI 商業價值，邁向智能轉型的目標。 勤業眾信科技與轉型服務資深執行副總經理溫紹群分析，企業若要讓智慧代理發揮最大價值，固然需要具備了解客戶意圖、減少人為介入的自動化，以及賦予機器自主決策能力等三大商務要素；但更關鍵的先決條件，在於企業內部是否建立了「可信任 AI」的管理制度與治理意識。當機器走向自主決策、甚至發展出 Agent-to-Agent（A2A）的自主經濟體系時，沒有完善的 AI 治理架構，自動化將帶來不可控的合規與安全風險。因此，建立透明、可問責且具備風險邊界的 AI 治理體制，才是企業啟動智慧轉型的核心地基。 從技術驗證到商業變革，打造 AI 分身團隊 「在過去十年的零售市場中，品牌競爭往往取決於購買流量的能力與對平台演算法的掌握度，」超級電商創辦人 Nicky Liao […]

去完一趟 COMPUTEX，AI 就能落地嗎？導入的隱形成本藏在這裡

在 2026 年 COMPUTEX 台北國際電腦展上，輝達（NVIDIA）黃仁勳才高喊 GPU 主導的「AI 工廠」將重塑個人電腦與資料中心；然而，英特爾（Intel）執行長陳立武（Lip-Bu Tan）就在主題演講中指出不同觀點，強調 AI 產業將從「模型訓練」階段走向推論與「代理式 AI（Agent AI）」階段，更提到，未來的晶片不單只供人使用，也是為了 AI 代理人而開發。 簡單來說，過去以 GPU 為核心的模式可能將面臨瓶頸，以資料存取與任務協調的 CPU 重要性將隨之提升。 不過科技巨頭在台上吵得火熱，台下的企業主和 IT 部門也正面臨著落地轉型的壓力，近年台灣企業對 AI 的期待，已從過去「能聊天的機器人（如 ChatGPT）」，轉變為希望 AI 能化身「看得懂報表、會幫忙跨系統下單、自動回覆複雜客訴」的實用型 AI 代理人。 然而導入 AI 代理人並不像更換一套軟體那麼簡單，麥肯錫在《What is an AI agent?》一文中直指，企業面臨的最大挑戰不是技術本身，而是「信任」，意思就是員工與客戶可能都還沒準備好將任務交給 AI 全權處理。 導入 AI 代理人意味著企業必須重新調整整個業務流程、風險管理、治理與組織運作方式，不只是推出一套新工具，但要成功導入 AI 代理人之前，企業通常會遇到這些難題： 第一、系統互不相通：公司的財務系統、客戶資料庫和業務報表各自獨立，AI 代理人無法串平台互通，最後還是只能單向回答問題。 第二、押錯模型：市場上的大模型，如 Google Gemini、OpenAI、Anthropic Claude，時常在改版更新，如果只押注在單一模型上，未來很容易在成本和調整彈性上失去優勢。 第三、帳單難以控管：AI 代理人要做到思考、規劃、行動，甚至自主訓練，會消耗很大的運算資源，若沒有優化或是設定停損點，下個月收到帳單可能會讓你嚇一跳。 針對以上三大落地痛點，萬里雲推出解決方案「LumiTure.ai」，一款為企業設計的雲端智慧財務管理平台，能解決上述問題： 打破多雲帳單壁壘：  LumiTure.ai […]

Anthropic 與白宮從對抗轉向合作：一場管制風波，正逼出 AI 安全新規則

當美國以國家安全為由對 Anthropic 祭出出口管制、迫使其最先進的 Fable 5 與 Mythos 5 模型全面下架時，根據《POLITICO》報導，這場衝突正轉向更有建設性的方向：白宮與 Anthropic 已開始共同制定一套框架，用來評估新一代 AI 模型安全漏洞的嚴重程度，並據此決定政府是否需要介入。這意味著，雙方的角力可能正從對抗，轉向替前沿 AI 的安全風險評估建立一套共同標準。 從互相對立到共建框架，談判桌上的轉向 這套正在成形的機制，目標是建立一組共同基準，用來衡量未來 Jailbreak（越獄）事件的三個面向：模型護欄被繞過的程度、因此暴露出的能力，以及漏洞實際造成的後果。據《POLITICO》指出，談判由 Anthropic 公共政策主管 Sarah Heck 與共同創辦人 Tom Brown 帶領。 值得注意的是，這場談判的基礎，反映出雙方正逐漸收斂出一個共識：沒有任何 AI 模型能完全免於被入侵。與其追求不可能達成的「零漏洞」，政府應訂出一套規則，讓企業有所依循地衡量風險：這個立場，是從原本針鋒相對的兩端慢慢靠近的結果。 雙方過去一週的談判並不平順。據《POLITICO》報導，最初雙方一度近乎破局，起因是 Anthropic 拒絕政府要求其撤下 Fable 5 的指令，主張該漏洞影響有限、不構成實質的安全缺陷。白宮隨即以出口管制回應，禁止海外用戶存取該模型，迫使公司將其下架。 隨後，川普政府官員向《WIRED》表示，如果 Anthropic 希望重新發布 Fable 5，就必須證明該模型的安全防護機制（guardrails）無法被繞過。不過據《POLITICO》報導，隨著談判推進，雙方並未停在這種要求上，而是逐漸把焦點移到前述的共同前提：與其糾結於單一漏洞的對錯，不如建立一套客觀的評估標準。 然而，Anthropic 共同創辦人 Tom Brown、美國商務部長 Howard Lutnick 與國家網路總監 Sean Cairncross 接著進行了數通冗長的電話會談，最終促成將近一週的華府面對面會議；Anthropic 並在 6 月 15 日派出資深研究員與安全防護專家前往商務部，試圖修補關係。截至本文發稿，出口管制尚未解除，但從爭執本身轉向技術標準的制定，本身就是談判向前推進的訊號。 […]

MIH 聯盟宣告轉型！籌組「MIH 台灣機器智能產業協會」，號召跨域生態系共建 AI 機器新標準

為引領下一世代的產業變革，MIH 聯盟宣布啟動轉型，籌備成立「MIH 台灣機器智能產業協會」，並正式對外展開全新階段的會員招募。MIH 將從原有電動車與智慧移動的堅實基礎出發，以「實體 AI」為核心聚焦領域，全面連結機器人、邊緣運算、智慧硬體與軟體開發夥伴，共同建構面向「AI 機器」時代的全球開放式軟硬體生態系。本協會將以推廣機器智能生態系統之創新、應用、科技及工業發展為核心宗旨。未來的重點任務將聚焦於「協調產業團結」與「制定產業標準」，並透過推動技術開發、系統平台整合與國際化資訊共享，協助產業在 AI 機器時代建立技術護城河，極大化整體的共同利益。本協會的核心使命，正是將台灣深厚的硬體製造與系統整合底蘊，與全球 AI 軟體開發量能深度結合。我們誠摯邀請具備軟體開發、邊緣運算、系統整合與智慧硬體創新能量的企業夥伴加入「MIH 台灣機器智能產業協會」。期望透過跨域的實質合作與資源共享，攜⼿產業鏈共同打造接軌國際的實體 AI 解決方案，穩健佈局下一代智慧移動與機器智能市場。 MIH 台灣機器智能產業協會公開徵求招募會員 主 旨：發起⼈劉揚偉已經向內政部提出申請籌組「MIH 台灣機器智能產業協會」社會團體，茲公開徵求會員。 公告事項： 一、社會團體宗旨：本會為依法設立、非以營利為目的之社會團體，以推廣機器智能生態系統之創新、應用、經濟、科技及工業發展，協調同業團結，制定產業標準，增進共同利益為宗旨。 二、入會資格：(一) 團體會員：凡贊同本會宗旨之機構，填具入會申請書，經理事會通過，並繳納會費後，為團體會員。團體會員可推派兩名會員代表，行使會員權利。(二) 個⼈會員：凡贊同本會宗旨、年滿十八歲之自然⼈，填具入會申請書，經理事會通過，並繳納會費後，為個⼈會員。 三、申請截止⽇期：即⽇起，至中華民國 115 年 7月 15 ⽇止。 四、會員申請表：https://forms.gle/2rRWxgRkQkEnvVP98 五、聯絡方式：(一) 地 址：台北市大安區光復南路 102 號 5 樓(二) 電子信箱：[email protected] 六、籌備處聯絡⼈、電話：戴季全先生 02-8771-5865 #187 七、入會申請資料如附：請來電(信)索取。 發起⼈代表： （本文訊息由 MIH 台灣機器智能產業協會 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：MIH 台灣機器智能產業協會。）

當 AI 進駐結帳頁：支付系統如何變成下一個推薦引擎

過去 20 年來，電商產業的競爭焦點圍繞在首頁版位、搜尋引擎排名與個人化推薦演算法。品牌投入大量資源爭取曝光，希望在消費者進入購物網站的第一時間搶占注意力。然而，隨著支付科技快速演進，影響消費決策的關鍵節點，正逐漸由商品探索階段移向付款環節，讓結帳頁面成為零售、金融與科技業者爭奪的新戰場。 捕捉最高購買意圖！用智慧結帳拉高客單價與轉換率 根據 PYMNTS Intelligence 與金融科技公司 FIS（Fidelity National Information Services）共同發布的研究報告指出，像是「智慧購物籃」（Smart Basket）這樣的新型支付架構（嵌入式結帳模型），能夠在消費者結帳時，即時分析交易內容、支付方式與會員忠誠數據，並於付款流程中直接呈現個人化優惠、折扣或回饋方案。相較於過去長期存在於背景的通用型獎勵計畫，智慧結帳能根據特定顧客、特定商品與當下情境進行即時決策，在消費者準備付款的關鍵時刻產生影響。 這種模式之所以受到高度關注，在於結帳階段擁有其他數位接觸點難以比擬的決策價值。當消費者已經將商品放入購物車並準備輸入付款資訊時，代表其購買意圖已相當明確。此時出現的優惠訊息或會員回饋，往往能直接影響付款方式選擇、提升客單價，甚至改變最終購買決定。 AI 賦能支付系統，從靜態結帳走向情境化推薦引擎 AI 的導入，可望進一步擴大智慧結帳的影響力。隨著 AI 能夠讀取更豐富的交易層級數據，未來的結帳體驗將不再是靜態的。AI 將能根據消費者的消費歷史、會員等級、商家的庫存水位、信用風險、商家營運優先順序，以及時間與位置等情境因素，動態優化並精準觸發回饋方案。每一次交易都可能產生不同的優惠組合，讓支付系統逐漸具備推薦引擎的功能。 換言之，過去負責商品推薦的角色主要由首頁演算法、搜尋排序與內容平台承擔，如今支付流程也開始具備影響消費決策的能力。當優惠與回饋能夠在購買意圖最強烈的時刻出現，支付環節便成為品牌與金融機構爭取消費者的重要接觸點。 提前布局消費旅程，透過 BNPL 聯合行銷降低購買門檻 企業的布局並未停留在結帳頁面。愈來愈多品牌正透過與 BNPL（Buy Now, Pay Later，先買後付）等創新支付服務的深度合作。 BNPL 業者與零售商之間的合作模式，通常結合共同品牌推廣（Co-marketing）機制。雙方透過協調一致的訊息傳遞，將分期付款、延後付款等彈性支付方案融入消費者接觸品牌的各個階段。消費者在社群媒體廣告、電子報、商品頁面或促銷活動中，就能提前接觸相關支付選項，進一步降低購買門檻與決策猶豫。 這種合作模式的價值，在於支付方式本身逐漸成為品牌體驗與信任感的一部分。對偏好透明、彈性付款機制的消費者而言，BNPL 不僅提供資金安排上的便利，也能降低購買高單價商品時的不確定性。當支付選項被納入品牌溝通策略之中，消費者對商品與品牌的接受度也隨之提升。 對企業而言，BNPL 合作帶來的效益同樣具有高度可衡量性。透過支付夥伴的既有用戶基礎與行銷渠道，品牌能獲得額外流量來源，觸及更多具有高購買意願的潛在客群，拉高重複購買率，創造可量化的成長效益。 在這波變化中，支付正逐漸擺脫後台基礎設施的角色。無論是 AI 驅動的智慧結帳，或是 BNPL 與零售商共同打造的行銷網絡，都顯示支付工具正在更深地參與消費決策。當優惠推薦、品牌溝通與交易行為在同一個介面匯流，結帳頁面的商業價值也被重新定義。 【推薦閱讀】 ◆ 限時折扣不管用了？《哈佛商業評論》揭 AI 購物代理的決策邏輯 ◆ 研發週期砍半、搜尋能見度翻倍：聯合利華怎麼用 AI 改造食品事業？ ◆ 1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 Wayfair […]

【AI 經濟新藍圖】矽谷創投提三階段美國財稅藍圖，用運算稅與主權基金重建社會安全網

隨著人工智慧與機器人技術的超高速演進，勞動市場正面臨前所未有的結構性海嘯。Khosla Ventures 創辦人 Vinod Khosla 發表評論指出，這場重大技術革命將迫使人類社會重新談判最基本的經濟契約。 過去 40 年專注於微處理器、網路、行動電話到 OpenAI 等破壞性創新的 Khosla 斷言，從 2030 年開始，高達 80% 的現存工作都將能由 AI 系統獨立完成。這意味著，美國目前與勞動緊密相連的經濟產出，絕大部分都將面臨被自動化取代的命運。 他強調，關鍵問題不在於大規模的結構性失業是否會到來，而在於當這一浪潮來臨時，政府是否已經準備好一套邏輯連貫的政策框架。 然而，現行的美國稅制完全無法應對即將到來的衝擊。目前的稅法框架，是奠基於勞動能夠獲得公平經濟價值分配、且資本需要被鼓勵的舊時代。當 AI 與機器人技術一方面大幅壓縮勞動報酬，另一方面又極度推升資本回報時，既有的財稅邏輯將徹底失效。 Khosla 警告，在 AI 引發嚴重不平等與大規模失業的威脅下，美國必須做好準備，在未來犧牲一部分的資本主義效率，以減輕社會底層的痛苦。他為此提出一套三階段財稅改革藍圖，試圖在民主體制被失業潮摧毀前完成重建。 取消資本利得優惠：2028 年啟動第一波減稅與補償 這套財稅改革的起手式定於 2028 年總統大選之後。Khosla 主張，美國應徹底取消對資本利得的優惠稅率，將其等同於普通收入進行課稅。 在 AI 瘋狂推升資本回報的時代，過去用來保護資產階級的稅收政策（例如虧損扣抵保留額等）已失去正當性。雖然此提案保留了主要住宅增值、合法家庭農場收益等重要選民群體的合理免稅額，但整體稅制調整預計每年可為聯邦政府帶進高達 4,000 億美元的稅收。 這筆龐大資金的流向具有明確的政治工程考量。Khosla 計劃將這些稅收首先用來補償因 AI 失去工作或收入受損的勞工。其餘的盈餘，則將以退稅形式直接返還給年收入低於7.5萬美元、繳納聯邦所得稅約 750 億美元的美國人。 Khosla 說明，目前高達 40% 的資本利得，集中在年收入超過 1,000 萬美元的極富裕階層，因此這項改革並非激進的財富再分配，而是將原本就「向上逆向分配」的錯誤稅制重新導回平衡，以此爭取廣大受衝擊選民的支持。 課徵運算與機器人稅：2030 年引進基本需求免費化與極致通縮 進入 2030 年後，改革將邁入第二階段。儘管作為科技投資人的 […]

直擊 AI Agent 創造高生產力實戰：Qualcomm 與 MoBagel 共同打造安全地端 AI 平台、鴻海 CityGPT 提升智慧城市決策效能

全球企業正迎來一波顛覆性的 AI 變革，這股浪潮已從單純的輔助工具，進化為 Agentic loop 的自動化協作模式，如今工作者只需設定好任務的邊界條件，就能讓多個 Agentic AI 持續自主運作。面對這波科技躍進，TechOrange 科技報橘與 MoBagel 日前聯合舉辦「2026 AI Agent 新工作革命論壇暨 AI & Beyond 年會」，以探索生產力提升與幻滅的多重宇宙，重塑知識與勞力工作流為主題，邀請 Qualcomm、MoBagel、Innodisk、鴻海、勤業眾信、台灣大學與早稻田大學等產學專家分享如何高效應用 AI Agent。 MoBagel 執行長鍾哲民分析部署開源 AI 代理程式 OpenClaw 的養龍蝦熱潮，「很多企業是禁止使用小龍蝦的，因為有許多資安風險仍受挑戰 。」現今 Agentic AI 雖能自主完成複雜任務，但企業常因內部財務、客戶或製程等敏感資料，受限於法規與 IT 安全政策，導致許多企業禁止使用外部開源模型，讓大量內部文件處理速度無法滿足即時決策需求。 為破除資料外洩的隱憂與滿足快速運算的需求，Qualcomm 與 MoBagel 策略合作推出為企業打造的地端 AI 平台，確保企業敏感數據不出地端系統。將企業 ERP 的 AI Agent 系統部署至地端，實現自然語言的即時查詢。Qualcomm 業務開發總監呂承翰指出，「邊緣式的運算 data 不上雲這個需求越來越廣，我們看到有 90% 以上企業將增加對邊緣 AI 的投資。」另外根據 Qualcomm 的調查，53% 的 […]

【AI 代理越學越退步？】「決策脈絡圖」框架補強 RAG，整合背景讓決策更精確

一種被稱作「決策脈絡圖（decision context graph）」的全新框架，透過為 AI 代理提供結構化記憶、具有時間意識的推理能力，以及明確的決策邏輯，試圖彌補 RAG 的技術缺口。

AI 驅動雲端 SOC 轉型實踐：如何利用自動化劇本與 AI 調查縮短 80% 資安事件處置時間？

地端 SOC 傳統監控正面臨海量日誌 Data Overload 與告警疲勞困局。雲力橘子分享如何透過 AI 雲端 SOC 與 SOAR 自動化劇本（Playbooks），降低專家門檻、實現跨平台自動化聯防，以極小化人力發揮極大化防禦效率。 一、 傳統地端 SOC 維運的真實困局：為何人類眼睛追不上 Log 產生速度？ 在數位轉型與雲端原生技術爆發的時代，許多企業仍依賴傳統地端監控。然而，企業正面臨三大維運瓶頸： 此外，傳統 SOC 的專家門檻極高，資深人員需要精通複雜的 UDM 語法，一旦專家離職防禦力便陷入停滯；而新手培訓期長，面對海量數據容易迷失，導致高達 80% 的人力被浪費在低價值的重複性雜務上。 二、 2026 SOC 新標準：從對話指令到自動化規則生成 雲力橘子指出，現代 SOC 的價值不在於收集多少 Log，而是在於 AI 能幫企業過濾多少雜訊。透過導入 AI 驅動的雲端 SOC 平台，維運痛點迎刃而解： 三、 SOAR 自動化劇本（Playbooks）：從事件偵測到跨平台響應的閉環 為了填補被動防禦的差距，雲力橘子透過 SOAR（資安編排、自動化與響應） 流程，建立從事件收集、自動化分析（透過 AI/ML 引擎與威脅情資排序）、自動化響應到結案報告的完整閉環。 當系統偵測到高風險事件（例如：Windows 帳密密碼十分鐘猜測錯誤五次、Okta 跨地域異常帳號登入）時： 四、 一鍵整合主流雲端，實現「隨插即用」的韌性防禦 不論是 AWS、Google […]

【科技早餐】Google 砸錢挑戰 NVIDIA，Apple 轉向 Intel、台灣 AI 用電壓力升高

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google 砸錢推 TPU，複製 NVIDIA 模式搶算力客戶 Google 正憑藉雄厚財力，積極推廣自家研發的張量處理器 TPU。這套策略的核心，不是只把晶片賣出去，而是透過提供財務擔保，協助資料中心業者以較低成本取得融資，再讓部分投資回流成為 TPU 採購訂單。市場認為，這代表 Google 正在複製 NVIDIA 近年成功的市場打法，不只靠晶片性能競爭，也透過資本、資料中心與雲端服務，擴大 AI 基礎設施生態系。 Google 近期與私募基金黑石集團（Blackstone）成立新的 TPU 雲端服務公司，黑石初始股權承諾達 50 億美元。另一方面，Amazon 也準備把自研 AI 晶片 Trainium 推向外部市場。Amazon AI 主管狄桑提斯（Peter DeSantis）證實，AWS 正與潛在客戶討論，未來可能把 Trainium 銷售給其他企業的資料中心使用。隨著 Google 與 Amazon 都把自研晶片推向外部市場，挑戰 NVIDIA 的不只是新晶片，而是雲端巨頭開始用資本與資料中心生態系，重新爭奪 AI 算力入口。 ＊Apple 傳攜手 Intel，美國晶片製造再添新籌碼 美國總統川普近日在自家社群平台 Truth Social 發文表示，蘋果（Apple）已同意與 Intel 合作，在美國設計及製造晶片。針對這項說法，Apple 與 Intel […]

【2026 網路安全創投趨勢】告別單點防禦工具，「AI 原生資安架構」正在改寫估值邏輯

金融資料與研究平台公司 PitchBook 發佈《2026 年第一季網路安全創投趨勢》報告，梳理了全球資安資金的最新動態與產業變革；從數據可觀察到，即便整體創投交易件數來到近年新低，總投資金額卻依然穩健。 市場資金不再平均分散於單一功能的防禦工具，而是加速集中到少數具備 AI 原生架構與平台整合能力的強勢供應商身上。 以下從資金分佈與併購動態摘要出決策視角，了解目前資金高度集中的三大資安防禦熱區，並探討大型科技巨頭在收購策略上的思維轉向，提供決策層在未來評估技術供應商、編列資安預算，以及建立內部治理機制時的實務建議。 📎 這份報告適合誰閱讀？ 報告從創投交易數據、估值變化到巨頭併購動態進行剖析，適合以下核心工作者閱讀： 🔴 報告洞見 交易件數創八年新低，投資金額卻逆勢成長 2026 年第一季的全球網路安全創投市場，展現了不尋常的兩極化現象。根據 PitchBook 發佈的數據，該季度的資安創投交易數量大幅下滑至僅 198 筆，創下自 2018 年以來的歷史新低點、較去年同期衰退 23.6%。 然而，整體投資總金額卻展現出驚人的強韌，穩穩守在 50 億美元的大關，甚至較去年同期逆勢成長了 23.2%。 這種「量縮價穩」的極端背離，並非短期的市場波動，而是投資人已經拋棄過去廣撒網、投資零散「單點解決方案」的策略。相反地，龐大的資金正高度集中於少數具備實質營收牽引力、明確退場路徑，且有能力進行市場整合的強勢平台上。 當資本開始集中，意味著技術標準即將收斂，企業若繼續依賴即將被淘汰的孤立防禦工具，將在未來的 AI 攻防戰中，面臨極大的安全漏洞與整併風險。而這個轉變，在創投的資金分佈上已經出現了清晰的先行訊號。 💡 AI 原生資安架構正在改寫估值邏輯 在創投的歷史常規中，晚期階段的融資額通常遠高於早期階段，因為晚期企業往往具備更成熟的商業模式與更低的風險。然而，在 2026 年第一季，這項鐵律被打破。早期階段融資總額躍升至 21 億美元（共 60 筆交易），自 2022 年第三季以來，史上首度超越了晚期階段的 17 億美元（共 70 筆交易）。 推動這場巨變的核心動力，是「AI 原生」資安新創的強勢崛起。 這些新創公司從成立之初，就能憑藉專為 AI 時代設計的防禦架構，吸引過去只有晚期企業才能拿到的鉅額資金。舉例來說，專攻安全營運的 Tenex.AI，以及專注雲端安全的 Upwind Security，在早期階段就分別拿下 2.5 […]

NVIDIA 把機器人實驗交給 AI 代理：研究速度的瓶頸，原來不只是演算法

過去兩年，AI 產業最重要的變化之一，是 AI 開始參與軟體開發本身：從 OpenAI 的 Codex、Anthropic 的 Claude Code，到近期快速崛起的各類 AI Coding Agent，這些工具不再只是回答問題，而是能閱讀程式碼、撰寫程式、執行測試、修正錯誤，甚至在有限範圍內完成整個開發循環。如今，這股「AI 研發 AI」的趨勢正開始從數位世界延伸到實體世界。 NVIDIA GEAR Lab 聯手卡內基美隆大學（Carnegie Mellon University）與加州大學柏克萊分校（UC Berkeley）最新發表的 ENPIRE（Embodied Neural Policy Improvement through Physical AutoResearch）框架，嘗試讓 AI 代理直接在真實機器人上完成研究流程。 根據 NVIDIA GEAR Lab 發表的研究成果，搭配 ENPIRE 的 AI Coding Agent 已能在裝設顯示卡、插針與束帶處理等高精度任務中達到最高 99% 成功率。更重要的是，這些成果並非來自人類工程師反覆調校，而是來自 AI 代理自行執行實驗、分析結果、改寫程式並持續優化。 機器人研究真正瓶頸：每次失敗都得有人把現場收乾淨 根據《Tech Times》報導，機器人研究長期面臨一個軟體工程沒有的瓶頸：每次實驗失敗後，都必須有人重新整理現場。 如果是軟體開發，測試失敗只要重新執行即可；但在機器人領域，物體可能掉落、位置偏移，甚至整個實驗場景被破壞。研究人員必須先確認結果、重設環境，再讓演算法進行下一輪嘗試。這使得機器人研究的迭代速度，往往受限於人類操作速度，而非演算法本身的進步速度。而 ENPIRE 的核心目標，就是將這個循環自動化。 從重設場景到改寫程式，ENPIRE 想讓 AI […]

全球首創：愛沙尼亞預計啟動 AI 代理人專屬數位身分，能終結「借用人類帳號」治理難題？

AI 代理要替使用者執行任務，通常必須以使用者本人的帳號登入，幾乎等同取得其所有系統權限。愛沙尼亞共和國（Republic of Estonia）希望改變這種做法，終結 AI 代理必須「借用人類身分」運作的模式。 愛沙尼亞總理 Kristen Michal 在 6 月 17 日核准國家 AI 顧問委員會 Eesti.ai 提出的相關構想，計畫為 AI 助手核發專屬個人識別號碼（ID），將使該國成為全球首個為 AI 代理建立正式數位身分的國家。透過這樣的制度，AI 將不再需要使用人類帳號登入系統，而是能以自身的獨立身分被授權、限制並追蹤行為，使其操作過程更可控，也更容易進行稽核。 幫 AI 發身分證？愛沙尼亞再推治理新實驗 Kristen Michal 在社群平台 X 發文表示，AI 助手不應被賦予與使用者完全相同的權限，否則等同於能存取個人的所有資料與服務。他認為，AI 代理的權限範圍應受到明確限制，並具備可監督、可追蹤的機制，以確保相關行為都能被檢視與究責。 愛沙尼亞之所以率先提出這項構想，與其長年推動數位政府發展有關。《The Next Web》提及，這個擁有約 130 萬人口的國家，早已將數位身分廣泛應用於民眾生活，從醫療、婚姻登記到文件簽署等行政程序，都可透過數位身分完成。愛沙尼亞推行多年的電子居留（e-Residency）制度，也讓海外創業者得以取得官方認可的數位身分，遠端使用當地商業與政府服務。 不過， AI 並不具備法律上的身分資格，既無法獨立完成身分驗證，也不能承擔相應責任，因此現階段只能透過使用者授權，代替人類執行各項操作。愛沙尼亞政府認為，為 AI 建立專屬身分機制，將有助於填補現行制度的空缺。這項概念某種程度上也延續了電子居留制度的思維，透過制度設計，讓新的參與者能夠被正式納入既有的數位治理架構之中。 《The Next Web》指出，AI 已逐漸成為愛沙尼亞公共服務的一環。政府近年與 OpenAI 等科技企業合作，將 AI 聊天機器人導入教育體系，同時推動名為 Bürokratt 的 AI 平台，協助處理各類政府服務與行政業務。Kristen […]

世界模型迎來 GPT-3 時刻？新創 Odyssey 獲亞馬遜、NVIDIA 等投資，將採用 Trainium AI 晶片

AI 新創公司 Odyssey 宣布完成 3.1 億美元融資。根據《Financial Times》報導，參與投資的企業包括亞馬遜，反映其持續加強在世界模型（World Models）技術上的布局。這類模型透過學習物理規律與環境互動關係，讓 AI 能夠理解並模擬真實世界，未來可望應用於機器人、自動駕駛及遊戲開發等領域。 Odyssey 完成募資後，公司估值達 14.5 億美元。除了亞馬遜之外，本輪投資人還包括 NVIDIA 與 AMD 的投資部門、與美國中央情報局（CIA）有關聯的投資基金 IQT、創投公司 Natural Capital、Google 科學家 Jeff Dean，以及知名投資人 Elad Gil。 Odyssey 投入世界模型，挑戰以語言模型為核心的 AI 路線 Odyssey 是目前少數投入世界模型技術研發的新創公司之一。與現今主流 AI 主要依賴語言資料訓練不同，世界模型透過學習物理規律及物體間的互動關係，讓 AI 能夠更深入理解現實世界的運作方式。 創投公司 Natural Capital 合夥人 Jay Zaveri 認為，世界模型代表 AI 發展的下一個階段，未來有望推動機器人、遊戲等產業的技術革新。目前 AI 雖已展現強大的語言能力，但對現實世界的理解仍相當有限。「我們打造出類似人類大腦的架構，卻只讓它學會語言。」他表示，世界模型的目標正是讓 AI 進一步理解物理規律、環境變化及物體互動等真實世界資訊。 Odyssey 由 Oliver Cameron 與 Jeff […]

川普對 Anthropic 禁令引爆 G7 角力：AI 出口管制戰場，已從晶片變「誰能用模型」

過去談 AI 出口管制，主角多半是 NVIDIA 的高階晶片；如今被擋下的，換成了 AI 模型本身。美國上週以國家安全為由，要求 Anthropic 限制海外用戶存取最先進的 Mythos 5 與 Fable 5 模型。這道禁令在本週於法國舉行的 G7 峰會上成為焦點，被推上檯面的問題，已經不只是這些模型安不安全，而是未來誰有權決定先進 AI 模型如何跨越國界流通。 從晶片到模型：被「一鍵關掉」的恐懼登上 G7 圓桌 根據《Financial Times》報導，Anthropic 執行長 Dario Amodei 在峰會上當著美國總統川普與其他領袖的面表示，各國必須「抗拒分裂的誘惑」。他說自己理解各國想防止 AI 流入危險對象手中的努力，但呼籲民主國家應團結合作。 值得注意的是，這番話得到宿敵、OpenAI 執行長 Sam Altman 的聲援，Altman 強調網路防禦工具應提供給在場所有國家。Google DeepMind 執行長 Demis Hassabis 也一同出席，三位高層共同呼籲由美國主導 AI 模型開發上的合作，同時點出若民主同盟出現裂痕，在生物恐怖主義與網路安全上的風險。 《TechCrunch》指出，這次事件暴露出許多國際企業一直在面對的風險：任何建立在美國 AI 基礎設施上的公司或政府，如今都必須正視一個可能性：存取權可能在一夜之間被收回，而且當事人可能永遠不會被告知原因。 法國總統馬克宏在 G7 會議期間警告，如果美國「從一天到另一天就能關掉開關（turn off the switch）」，不僅可能傷害歐洲經濟，也可能損害正在全球競爭的美國 AI 企業。他提醒，要慎防「民主國家之間不合作」的風險，並表示：「未來幾個月內，我們將打造一個平台，作為多個民主國家之間進行討論與合作的機制，共同因應人工智慧帶來的風險，並攜手制定一套共同的標準。」 印度總理莫迪同樣表達對美方此舉的擔憂，他補充，民主國家必須能存取頂尖 […]

2026 世界盃的科技戰略：AI 與生物辨識從賽事亮點，變成常態監控基礎設施

隨著 2026 年 FIFA 世界盃足球賽開踢，由 Google 主導的消費級 AI 產品 Gemini，以及能將球迷面貌轉化為門票驗證與入場方式的生物辨識，正在成為全新的焦點。

【DEAT 專欄】城市治理的新拼圖：數位平台正在成為治理夥伴

文／台灣數位平台經濟協會（DEAT） 如果要形容一座城市的數位發展，你會想到什麼？ 是路邊的智慧站牌、免費 Wi-Fi、線上申辦服務，還是手機裡各種早已融入生活的 App？過去談到智慧城市，人們往往先想到各種數位建設與科技設備。但當這些基礎條件逐漸普及之後，一個新的問題開始浮現：當每個城市都擁有相近的數位基礎條件，未來的競爭力將由什麼決定？ 台灣數位平台經濟協會（DEAT）與政治大學公共行政學系共同完成的《六都數位政策調查研究》，提供了一個值得關注的觀察角度。研究結果顯示，影響城市未來競爭力的因素，正逐漸從硬體建設轉向治理能力。而在這個過程中，數位平台也開始從單純的服務提供者，逐步發展成為城市治理的重要協作力量。 城市開始走不同的路，治理需求也不一樣了 本次研究發現，六都的數位發展已逐漸出現不同路徑。臺北市持續維持整體優勢，新北、桃園與臺中受惠於人口與產業發展動能持續成長，臺南與高雄則在能源轉型與開放治理等面向展現特色。不同城市開始依據自身條件發展出不同方向，也面對不同類型的治理課題。 有些城市需要處理人口移動與交通壓力，有些城市關注能源與永續發展，有些城市則面臨高齡化與公共服務需求增加的挑戰。隨著城市發展路徑逐漸分化，治理所需要的資訊與工具也開始變得更加多元。這些問題沒有單一解方，也很難僅依靠傳統治理工具來回應。城市治理逐漸進入更講求精準決策與跨域協作的新階段。 城市治理最大的挑戰，往往是資料缺口 當政府希望改善交通、提升公共服務效率，或規劃新的城市政策時，首先需要回答一個問題：城市究竟正在發生什麼事？ 理論上，政府可以透過各種統計資料掌握現況。但本次研究過程中也發現，部分縣市層級資料取得不易，地方資料分散於不同單位，許多與市民感受相關的指標也難以量化。即使有資料，也可能因為格式不一致而難以整合分析。 研究團隊指出，目前中央缺乏部分縣市分層數據，地方資料仍有零碎化現象，而社會信任等軟性指標的量化方式也尚待發展。這些問題不僅影響研究工作的推進，也反映出台灣數位治理所面臨的共同挑戰。 事實上，這樣的情況並非台灣獨有。許多國家在推動智慧城市發展時，都曾面臨類似問題。資料量愈來愈多，但真正能支撐治理決策的資料仍然不足，如何讓資料轉化為決策能力，成為城市治理的重要課題。 平台每天累積的資料，其實記錄著城市如何運作 在這樣的背景下，數位平台開始展現不同於過去的價值。許多人使用數位平台時，很少意識到自己也正在參與一張即時運作的城市地圖。 共享機車平台可以觀察短程移動需求的變化，共享停車平台反映停車空間的供需狀況，外送平台呈現不同區域的消費與物流流動，共享電力服務則能觀察人流聚集與商圈活動熱度。 這些資料原本是服務運作過程中的自然產出，但從治理角度來看，它們其實反映了城市運作的即時樣貌。 例如，一個區域的共享機車使用量持續增加，可能代表短程交通需求正在改變；某些商圈的行動電源租借需求快速成長，可能反映人流與商業活動的變化；外送訂單的分布情況，也可能提供城市物流規劃的重要參考。這些資訊未必能直接形成政策，但能幫助政府更即時理解城市正在發生的事情，並作為決策的重要參考依據。 平台角色正在從服務提供者走向治理協作者 過去，數位平台的主要任務是提供服務。然而隨平台逐漸融入交通、生活、消費與公共服務場景，其角色也開始產生變化。 在許多國際城市中，政府已逐步與平台建立合作機制，透過匿名化與去識別化資料分析，協助交通規劃、公共運輸調整、能源管理與城市研究。這些合作案例顯示，平台的價值逐漸延伸至服務之外，其累積的資料與觀察能力，也開始成為理解城市運作的重要參考。 對城市而言，這樣的合作關係並非由平台取代政府決策，而是在既有治理架構下，透過更多元的資料來源與觀察角度，提升治理品質與政策判斷能力。 本次六都數位政策調查所呈現的現象，也反映出類似趨勢。當城市治理面對的問題愈來愈複雜，平台角色正逐漸延伸至治理協作、資料補位與公共服務優化等面向。 城市治理的新課題：如何與平台協作 當城市發展進入分化階段，治理思維也需要跟著調整。 過去，政府與平台之間的關係多半圍繞在管理與被管理。然而，當平台逐漸成為城市運作的一部分，未來更值得思考的問題，可能是如何建立更有效率的合作機制。 當然，這樣的合作仍需要建立在明確規範之上。資料使用範圍、隱私保護機制、資訊安全要求以及責任界線，都必須有清楚的制度設計。唯有在公共利益與民眾信任獲得保障的前提下，資料共享與治理合作才有可能長期運作。 對地方政府而言，平台所帶來的價值，包含新的服務形式，也提供了更多理解城市運作的即時資訊。如何在治理與創新之間建立平衡，將成為未來的重要課題。 下一階段的競爭將是更好的城市數位治理能力 當基礎建設逐漸普及，城市之間的差異開始出現在治理能力。 誰能更有效運用資料、整合資源、理解市民需求，誰就更有機會提升城市運作效率與生活品質。 《六都數位政策調查研究》所揭示的重要觀察之一，在於城市競爭的邏輯正在發生變化。過去被視為核心優勢的硬體建設與基礎條件，已逐步成為共同基礎；而如何運用資料、整合跨部門資源，以及回應不同城市需求，則成為影響未來發展的重要因素。 而在這個過程中，數位平台所累積的即時資料與服務網絡，也逐漸成為城市治理的重要資產。 未來的智慧城市競爭，將更加聚焦於政府、平台與社會如何共同建立治理能力。當城市開始走向不同發展路徑，能否善用這些新的治理工具與合作模式，將成為下一階段城市發展的重要關鍵。 城市治理的核心始終是回應市民需求，而數位平台所累積的資料、技術與服務網絡，正逐漸成為這塊拼圖中不可忽視的一部分。當治理能力成為城市競爭力的重要來源，平台與政府之間如何建立更成熟的協作關係，也將成為下一階段智慧城市發展的重要課題。 社團法人台灣數位平台經濟協會 社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。 ＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：Unsplash。 （責任編輯：廖紹伶）

【科技早餐】Microsoft 評估 DeepSeek 進 Copilot，ChatGPT、SpaceX 與 Intel 同步改寫 AI 戰局

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Microsoft 評估 DeepSeek 進 Copilot，低成本模型牽動美中角力 Microsoft 正評估把中國 AI 新創 DeepSeek 的模型，納入企業 AI 平台 Copilot Cowork，作為較低成本的模型選項。Microsoft 同時計畫讓 Copilot Cowork 改採依運算資源使用量計費，因應代理型 AI 工具普及後快速上升的運算成本。這代表企業 AI 服務正從固定訂閱，走向依算力消耗計價。 這也反映 Microsoft 正推動多模型策略，不再只依賴 OpenAI 與 Anthropic，而是把更多模型選項納入企業服務。不過，DeepSeek 不只是低成本模型選項，也被放進美中科技競爭。《華爾街日報》報導，DeepSeek 首輪融資超過 74 億美元，估值超過 500 億美元，已成為中國估值最高的 AI 新創公司；《路透》也報導，美國政府目前暫緩把 DeepSeek、長鑫存儲等中國企業列入實體清單，外界解讀是為了避免升高與北京的緊張關係。 ＊ChatGPT 市佔首跌破 50%，Anthropic 在企業支出反超 OpenAI 市調機構 Sensor Tower 最新報告指出，截至今年 5 月底，ChatGPT 在全球 AI 助理應用的月活躍用戶市佔率降至 […]

放棄遠端遙控、捨棄人形設計：Genesis AI 如何用資料解決機器人發展瓶頸？

機器人新創 Genesis AI 推出其首款通用機器人 Eno，沒有頭、也沒有腿，採用輪式設計。另值得關注的是，這家公司放棄了業界常見的遠端遙控（teleoperation）路線，改以感測手套蒐集真人操作資料，同時自行打造模型、模擬器、資料平台與機器人本體。當整個產業仍在追逐人形機器人熱潮時，Genesis AI 想解決的核心問題之一是：通用機器人的資料，究竟從哪裡來？ 據《TNW》報導，這家新創在巴黎與舊金山設有辦公室、約有 60 名員工，由共同創辦人 Zhou Xian 與前 Mistral 研究員 Théophile Gervet 共同創立；該公司去年募得 1.05 億美元種子資金，是法國最大規模的融資之一，由 Eclipse 與 Khosla Ventures 共同領投，投資人包括 Google 前執行長 Eric Schmidt、Xavier Niel、MIT 機器人學教授 Daniela Rus 等。 一台沒有頭、沒有腿的機器人 據《Business Insider》報導，Eno 是一台有著兩隻手臂、但沒有雙腿的輪式機器人，其軀幹由三片面板組成、可即時調整高度與伸展範圍，不使用時還能折疊收納。《The Robot Report》進一步說明，Eno 的手臂裝有 Genesis AI 自研的靈巧機械手，其形態與功能皆貼近人手，方便操作那些原本就為人類設計的工具與物件。 這樣的外形是刻意為之。Genesis AI 共同創辦人暨執行長 Zhou Xian 表示，公司有一套名為「平靜智慧（calm intelligence）」的設計哲學：機器人把事情做完，然後就消失。《Reuters》引述其商務與策略副總裁 Vivian Sun 的說法指出，採用輪式底座，是因為多數工業客戶都在平坦地面上作業，雙腿只有在爬樓梯這類情境才有意義：「我們是在能力上模仿人類，而不是在形態上。」 為了建立信任，Genesis […]

中國機器人產業加速打造 AI 大腦：阿里巴巴推出機器人套件，從導航到操作一手包辦

阿里巴巴推出首套機器人 AI 模型「通義機器人套件」（Qwen Robot Suite），正式進軍實體 AI 市場。《南華早報》報導，隨著全球科技業積極推動 AI 從虛擬對話走向實體應用，阿里巴巴也希望透過新技術提升機器人的環境感知、推理決策與實際操作能力，搶占下一波人工智慧發展商機。 阿里巴巴推出通義機器人 AI 套件，瞄準實體 AI 新戰場 阿里巴巴表示，這套系統由旗下 AI 研發團隊通義實驗室（Tongyi Lab）打造，目前已在部分阿里雲企業客戶中展開測試驗證。通義機器人套件採用三層式架構設計。首先是負責導航與環境理解的 Qwen-RobotNav，透過視覺與語言模型協助機器人辨識周遭環境並規劃移動路徑；其次是 Qwen-RobotWorld，這套模型可根據影像資訊模擬環境變化，讓機器人在執行任務前先預測可能發生的情況，提高決策能力。 在實際操作層面，則由 Qwen-RobotManip 負責執行任務。這款基於 Qwen3.5-4B 架構打造的視覺、語言、動作（VLA）模型，經過 3.8 萬小時以上時間的開源資料訓練，可執行抓取、搬運等物體操作任務。阿里巴巴指出，該模型近期在 RoboChallenge 真實機器人評測中表現亮眼，在通用組別拿下 59.83 分的流程評分，任務成功率達 45%。 《南華早報》提及，此次推出機器人 AI 套件，也顯示阿里巴巴正進一步拓展 Qwen 模型的應用版圖。過去 Qwen 主要聚焦大型語言模型與多模態 AI 發展，與 OpenAI、Google，以及中國的 DeepSeek、字節跳動等業者競爭；如今則進一步將 AI 技術延伸至機器人領域，搶攻被視為下一波人工智慧發展重點的實體 AI 市場。 從硬體優勢到 AI 大腦布局，中國發展人形機器人生態系 隨著實體 AI 成為全球科技產業的新戰場，美國科技巨頭也持續加大投資力道。Google DeepMind 正推動 […]

擺脫矽谷依賴：法國情報機構汰換 Palantir，斥資 6.55 億歐元築科技主權防線

法國國內情報機構 DGSI（法國國內安全總局）將逐步汰換美國數據分析公司 Palantir Technologies 的資料分析系統，改採法國本土科技公司 ChapsVision 所開發的解決方案。根據《Reuters》報導，由於涉及龐大的系統移轉與技術整合作業，整體替換計畫預計需耗時數年才能完成。 降低對 Palantir 依賴，法國企業 ChapsVision 接手資料分析系統 Palantir 強調，與 DGSI 的合約目前仍持續有效。接手的法國業者 ChapsVision 公司開發資料整合平台，能將來自不同系統與來源的數據進行整合分析，協助政府與企業提升決策效率。 Palantir 自 2015 年起便為 DGSI 提供資料分析平台，去年 12 月才宣布與法國政府續簽三年合約。 然而，隨著歐洲對數位主權及資料安全議題日益重視，部分政府與企業開始重新檢視對美國科技公司的依賴程度。尤其是由矽谷投資人 Peter Thiel 創立的 Palantir，長期承接美國國防、情報與政府相關業務，其在敏感資料處理上的角色也引發外界關注。英國國會本月也有委員會建議重新評估與 Palantir 的合作案。 美國日前限制 Anthropic 先進 AI 模型對部分外國用戶的存取權限，引發盟友擔憂關鍵 AI 技術過度集中於少數美國企業手中。此一事件也進一步促使歐洲各國加快發展本土 AI 技術與數位基礎建設，降低對外部供應商的依賴。 投入 6.55 億歐元強化 AI 基礎建設，法國力拚歐洲 AI 領導地位 《Reuters》指出，在川普政府對外政策充滿不確定性的情況下，歐洲各國近年來愈發重視科技與安全領域的自主性。這股趨勢也反映在各國政府的數位政策上。法國總理 Sébastien Lecornu 表示，法國必須掌握自己的數位工具與 AI 技術，避免關鍵系統過度仰賴外國供應商。他認為，近期國際情勢已顯示，當核心技術掌握在他國企業手中時，服務存取與技術使用都可能受到外部因素影響，因此法國有必要加速發展自主技術能力。 […]

SpaceX 為何願意砸 600 億美元買 Cursor？AI 競爭正從模型轉向工作流程

SpaceX 才剛完成史上最大規模的 IPO，就宣布以價值 600 億美元的 A 類普通股收購 AI 程式開發工具 Cursor 的母公司 Anysphere，創下 AI Coding 領域最大交易之一。表面上，這是其執行長馬斯克替旗下 Grok 補足企業級開發工具與開發者生態系；但進一步來看，這筆交易反映出 AI 產業的競爭焦點正在轉移：當模型能力逐漸趨同，開發者入口、工作流程與使用場景，正成為新的戰略資產。 Cursor 為何值 600 億美元？ Cursor 由四名 MIT 畢業生於 2022 年創立，最初是一款加密通訊工具，後來轉型為 AI 程式開發平台，讓開發者能夠在同一介面中切換 OpenAI、Anthropic、xAI、Google 等不同 AI 模型。它不只是一個程式碼補全工具，而是涵蓋程式碼生成、除錯、大型程式庫理解與任務自動化的完整開發工作流程。 Cursor 的成長速度在矽谷屬於異數，其估值在 2025 年間從 25 億美元飆升至近 300 億美元。根據《Bloomberg》引述的內部數據，其年化營收在 2026 年 4 月突破 30 億美元。《Reuters》則報導，Cursor 企業客戶中有逾 3,000 家每年支付超過 10 萬美元的授權費，服務的企業涵蓋財富 500 […]

Dyson 工程長談家用機器人的邊界，為什麼你家的手持吸塵器還不會消失？

當多數機器人吸塵器廠商在比拚誰能爬樓梯、誰有機械臂能撿東西時，Dyson 最新推出的 Spot+Scrub Ai 選擇了一個切入點：辨識並清除地板上的頑固污漬，這選擇和 Dyson 首席工程師 Jake Dyson 想闡述的產品哲學相關。 先找到真實問題，再驗證解法是否真的有效 Jake Dyson 是創辦人 James Dyson 的兒子，22 歲時曾短暫在 Dyson 工作，隨後離開，獨立發展工業設計事業，專精照明領域，多年後才帶著這段經驗回到公司，成為首席工程師。 他描述自己的方法論時，用了一個 LED 散熱的例子：LED 剛進入市場時，多數人沒有把它們冷卻好，導致原本該用一輩子的產品被當成一次性燈泡使用。他造訪了亞洲的 Osram，了解到把二極體溫度維持在攝氏 50 度以下，就能保住亮度、色彩品質與使用壽命，並借用衛星的被動散熱原理，設計出讓熱量自然從晶片擴散的系統，「找到問題、解決問題，這個過程驅動著一切，」他也將這套方法論延伸到 Spot+Scrub Ai 上。 Dyson 在 2025 年推出這款濕拖兼乾吸機器人，配備綠光照明系統與 HD 攝影機，搭配一套涵蓋 190 多種不同家居物品和污漬的智慧雷射識別系統，辨識需要額外清潔的污漬，多次來回清潔，並在移動前確認污漬已完全清除。 謹慎的說法，與實測結果有些落差 當被問到為什麼不像其他公司一樣推出能爬樓梯、用機械臂搬東西的機器人時，Jake Dyson 表示 Dyson 已經研究這類問題大約十年，但解決方案還沒有達到可靠實用的水準。這個說法有時間佐證，早在 2022 年，Dyson 就公開宣布要在 2030 年前大力發展家用機器人，當時稱其為一場「大賭注」，這項技術將影響機械工程、視覺系統、機器學習和儲能等領域的研究。 他口中「還不夠可靠」的問題，目前在市面上其他產品身上也能看到。Roborock Saros Z70 的機械臂在實測中無法自主辨識並移動物體，仍需遠端操控，在地毯上的成功率也因「硬體限制」較低；爬樓梯機器人則因每座樓梯的高度、間距、材質各異，加上寵物與孩童的動態干擾，要做到安全可靠仍有相當難度。 Jake Dyson […]

【Google Cloud 林書平專欄】以快制快：當資安攻擊已達機器速度，企業防禦該怎麼跟上？

文 / Google Cloud 台灣技術總經理 林書平 當我們談論 AI 如何解放企業生產力時，也看見另一個不容忽視的現實：駭客也正積極將 AI「武器化」。駭客現在能利用 AI 自動生成幾可亂真的多國語言釣魚誘餌，極速探測系統漏洞。這不僅大幅降低了攻擊門檻，更讓威脅擴散的速度遠超以往。在這場技術軍備競賽中，AI 顯然已成為一把雙面刃。 面對 AI 驅動的極速擴張威脅，傳統高度仰賴人員介入的被動防禦早已失效。這是一個決定性的轉捩點：企業必須依靠「代理式 AI（Agentic AI）」來實現「更聰明且更有效的防禦」，將過去零碎的資安工具，全面升級為端到端的主動式安全網並進行資安聯防。面對這場沒有硝煙的戰爭，企業領導者必須重新思考我們的資安戰略。 戰略一：應對「奈秒級」機器速度網攻，全面轉向「免疫系統」思維 我們觀察到，駭客正利用 AI 從根本上改變攻擊的速度與規模。當前的網路攻擊已不再受限於人類的節奏，而是以「機器速度」（Machine speed）發動。駭客組織之間的攻擊協作與交接時間，已從過去的 8 小時驟減至驚人的 22 秒，未來更將無可避免地逼近「奈秒級」（nanosecond）。 面對這種閃電戰，企業必須全面轉向「免疫系統」的防禦思維——如同人體免疫系統會自動偵測並消滅病毒，我們必須實踐「安全預設（Secure-by-default）」，在開發階段就將防護機制直接納入雲端架構、AI 模型與終端裝置，並從架構本身縮小攻擊面。 同時，防禦方不能只靠單一 AI 打天下，而應建構「多代理協作（Multi-agent）」架構。讓不同的 AI 代理各司其職，24 小時不間斷地進行全天候異常偵測，將防線推至駭客攻擊的最前線。 戰略二：從「找出個別漏洞」進化到「大規模自動化修補」 AI 在發掘未知漏洞上確實展現了驚人能力，但本質上並非全新的攻擊手法，而是將既有攻擊「規模性擴張」。這也導致當前資安團隊面對的防禦挑戰，已經不是如何「找出」漏洞，而是來不來得及修補大量的漏洞警報。 但好消息是，AI 作為防禦工具，也具備強大的反制優勢。藉由 AI 的賦能，防禦者得以利用 AI 分析程式碼並產生修補建議，同時進行全天候網路監控並即時標記異常；其大規模分析與自動化回應的能力，不僅能瞬間為數百萬用戶攔截威脅，更能協助資安團隊有效反制挾 AI 威勢而來的大量攻擊。 未來的安全營運，需要深度融合第一線威脅情報、情境風險優先排序、頂尖 AI 模型的強大推理與即時的程式碼修復能力。透過部署 AI 代理，系統能預測攻擊路徑，並在軟體開發生命週期（SDLC）的每一道防線即時介入。唯有將過去耗時數週的修補流程縮短至幾分鐘內完成，我們才能真正運用自動化、規模化的優勢反制，做到「以 AI 對抗 AI」，趕上甚至超越攻擊者的步伐。 戰略三：建構資安治理架構，落實最小權限原則 […]

【科技早餐】美商會點名 AI 用電是國安題，NVIDIA 發債把基建戰燒進資本市場

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊美商會點名 AI 用電是國安題，台美合作延伸到無人機供應鏈 台灣美國商會發布 2026 台灣白皮書，將能源與基礎建設韌性列為優先議題，並主張應把能源供應充足與電網韌性視為國安議題。白皮書指出，企業長期關注台灣電力供應可靠性，近期 AI 需求快速增加，也讓能源政策的穩定性與可預測性更加重要。 除了 AI 用電，科技領域策略合作也被列為重點。台灣美國商會執行長魏凱（Carl Wegner）表示，無人機是台美新的合作機會，美國具備設計優勢，台灣則懂得規模化生產，雙方有合作空間。在 AI 政策方面，台灣美國商會理事長陳幼臻表示，台灣已通過人工智慧基本法，採取原則管理與風險管理框架。下一步如果政府為不同產業訂出 AI 使用指引，企業導入 AI 時，也會更需要留意各自產業的合規要求。 ＊NVIDIA 發債 250 億美元，AI 資本戰燒進債券市場 NVIDIA 宣布在美國發行公司債，籌資 250 億美元，強化財務彈性。這是 NVIDIA 自 2021 年以來，再度進入投資級債券市場。《路透》報導，NVIDIA 這次發債規模高於原先計畫，投資人認購需求達到 850 億美元，遠高於最初預計募資的 200 億美元。 根據條款文件，NVIDIA 計畫發行 7 種不同期限債券，最長將於 2056 年到期。公司表示，資金將用於一般企業用途，包括償還與再融資既有債務。不過消息人士指出，這次發債主要目的不是為了大規模資本支出，而是建立更具流動性的信用成本基準。隨著科技巨頭持續擴大 AI 支出，AI 基建戰不只考驗晶片與電力，也開始考驗企業的融資能力與資本成本。 ＊Google 揭中國駭客入侵美加研究機構，AI、無人機與醫療資料成目標 Google 威脅情報團隊發布報告指出，一個與中國有關的駭客組織，曾在未被察覺的情況下，入侵美國與加拿大學術、醫療和軍事研究機構。Google 指出，這個駭客組織相關活動最早可追溯至 2023 年 […]

金融業押注 Agentic AI：從支付到授信的流程重組，這場效率革命背後有哪些治理挑戰？

金融業對 AI 的想像，正在經歷一場典範轉移：從單純回答問題的 AI 助理，正式轉向能替使用者完成付款、交易、客服與銀行流程的自主系統。 在近期於阿姆斯特丹舉辦的 Money 20/20 Europe 會場上，具備自主執行能力的 Agentic AI（代理型 AI）成為金融科技產業最熱議的主題，也反映出銀行、支付公司與金融科技（fintech）新創正從過去的競爭關係，走向共同導入新技術的合作模式。 劍橋大學（University of Cambridge）在 2026 年發布的一份報告指出，在調查全球 600 多家公司與監管機構後，預計金融業部署 AI Agent 的比例將從目前的 24%，在 2030 年大幅躍升至 81%。這項數據清楚點明，AI Agent 正快速且全面地進入金融服務業的主流市場。 從代客付款開始，AI 實質介入金融交易流程 這股趨勢並非紙上談兵，而是已經實際發生在交易的最前線。在 Money 20/20 Europe 會議上，Mastercard、荷蘭銀行 ING 與支付服務公司 Worldline 共同宣布，完成了「歐洲首個即時端到端代理支付」。 在這項實際案例中，使用者只需告訴 AI 助理想在特定地點、日期與預算內尋找演唱會門票，AI 便能自動為使用者找出各種選項，在使用者選擇並批准後，AI 便會在使用者批准後完成付款。這項里程碑也代表 AI 在金融業的角色，已超越查詢資訊或生成建議，並開始實質介入「支付」這類最核心的交易流程。 Money 20/20 Europe 的首席策略長 Scarlett Sieber 受訪時直言，AI 在金融業過去常被視為流行語，但如今 […]

小米把 Tesla 十年前沒做成的「充電蛇」推向家用車庫，無感充電成下一個 EV 競爭焦點

雖然對多數電動車主而言，在家充電是相當便利的日常，但手動插拔沉重的充電線，仍是一件生活中的麻煩事。為了解決這個日常痛點，中國科技巨頭小米近期發表一款專為家用車庫設計的「自動充電機械臂」，目標是完全免除手動充電的步驟，實現車主將車輛停妥後，即可轉身離開的無縫體驗。 這項產品推出後，立刻讓市場聯想到馬斯克（Elon Musk）在 2014 年的言論。當時馬斯克表示，特斯拉正在開發一款充電器，會「自動從牆壁伸出，像一條堅固的金屬蛇一樣連接」。儘管特斯拉在 2015 年確實展示過一款具備多節結構的金屬充電蛇原型，卻從未實際量產。如今，小米正準備把這個十年前的科幻概念化為現實。 停好車就自動插電，小米用 AI 視覺讓家用 EV 充電無感化 小米的充電機械臂能與車輛的自動停車功能協同運作。這套系統運用基於 AI 的視覺辨識技術，以小米聲稱的次毫米級超高精準度，自動尋找車輛的充電孔並將插頭精確插入。在自動化操作方面，該裝置具備「懶人充電」的功能，當車輛停妥後便會自動開始充電，當電池達到使用者設定的電量限制或完全充飽時，機械臂就會自動拔除充電線並妥善收納。 在硬體設計上，其機身寬度僅 152 毫米，使其能順利安裝在狹窄的住宅停車位中。此外，只要車輛停放於機械臂的運作範圍內，車主也能透過智慧型手機的應用程式遠端啟動充電，完全不需親手碰觸實體纜線。 小米如何避開 Tesla 充電蛇的落地難題？ 過去，業界普遍推測這類充電蛇可能因為設計過於複雜、成本過高，或是概念太難以推向市場而告終。如今，特斯拉已經轉換技術方向，將重心轉往為未來的 Cybercab 自動駕駛計程車開發「無線充電」技術，甚至取消實體的充電孔設計，並為此在 2023 年收購了德國無線充電新創公司 Wiferion。 相較之下，小米採取更務實的策略，其機械臂相容於現有的實體插電標準，不需要對車輛硬體進行大幅度的重新設計，這是一種相對傳統卻更具有實際應用價值的解決方案。除此之外，小米在不到兩年的時間內已經交付超過 60 萬輛電動車，這賦予小米將此類創新配件推向大眾市場的規模優勢。 小米把充電臂融入智慧家庭生態系，EV 競爭從續航轉向無感體驗 這款自動充電機械臂不只是一個獨立的硬體配件，更是被刻意設計過的產品，以融入小米廣大的智慧家庭與自動停車生態系之中。小米所描繪的理想工作流程是讓車位基礎建設全面智慧化：車輛自動駛入車庫停妥後，接著由機械臂自動接手充電工作，車主只要轉身離開即可。 這種流暢體驗背後，依賴車輛對基礎設施的通訊協議，而小米能針對其 SU7 與 YU7 車系進行端對端的完全控制，這正是同時製造車輛與周邊配件所帶來的獨家優勢。這款只能與小米自家電動車完美搭配的充電臂，將能進一步強化消費者對於小米生態系的黏著度。同時，業界也越來越相信，充電的便利性是目前影響電動車普及的一大障礙，未來的充電體驗勢必要做到「隱形（Invisible）」的境界，讓車主完全無感。 在中國市場中，針對無感充電的軍備競賽已然展開，小米並非唯一投入的企業。華為在 2025 年 1 月便展示專為 Maextro S800 設計的全無人自動充電機械臂；比亞迪（BYD）甚至已經申請一項由 AI 驅動的充電機器人專利，讓該設備不僅能自動充電，還能同時幫輪胎打氣。 隨著技術發展，車輛現在不僅能自己駕駛、自己停車，甚至還能自己完成充電。儘管相關的軟硬體技術已經準備就緒，但這款產品最終能否從新奇的展示品，變成家家戶戶都願意購買的主流配件，主要還是取決於小米未來的定價策略。不過，可以預見的是，電動車的下一場競爭焦點，已經從單純的馬力數據與續航里程，轉向誰能讓車庫裡的工作變得最不費力的模式。 【推薦閱讀】 ◆ 中國 EV 競爭門檻變了：比亞迪以自研 4nm […]

AI 帶來的顧客更會買：Adobe 數據揭新流量入口正在成形

當消費者想買一雙跑鞋、一台咖啡機，或比較不同品牌耳機的時候，越來越多人會打開 ChatGPT、Gemini 等 AI 工具詢問建議，再點擊商品進一步了解。而最新數據顯示，這些由 AI 帶來的訪客，不只是流量來源之一，更可能是對零售商來說最有價值的一群顧客。 根據 Adobe Analytics 於今年 5 月發布的數據，來自大型語言模型（LLM）的零售流量，轉換率比非 AI 來源高出 54%，每次訪問創造的營收高出 53%，停留時間也多出 53%。這代表 AI 不再只是資訊搜尋工具，而正在成為消費決策的重要入口。 AI 導流不只增加流量，還帶來更高價值客戶 《Reuters》報導，Adobe 分析發現，今年 5 月美國零售網站來自 AI 工具的流量較去年同期成長 138%，創下 Adobe 自 2024 年 10 月開始追蹤以來的新高。 如同前述，這些流量不僅快速增加，品質也明顯優於傳統來源。Adobe Digital Insights 總監 Vivek Pandya 解釋，當產品能出現在 AI 推薦結果中，品牌有機會接觸到更符合需求的消費者，進一步提高網站上的個人化體驗與成交機率。這是因為，當使用者進入零售網站之前，許多商品比較、需求整理與資訊搜尋工作，已經在 AI 對話介面內完成。 事實上，AI 流量的品質從過去到現在經歷了一場逆轉。根據 Adobe 報告，2026 年 3 月 AI 流量的轉換率比非 […]

告別一問一答！AI Agent 如何替你全自動辦完事情？

過去人們與 AI 的互動方式主要是一問一答，也許是用戶丟出一個問題讓 AI 回答，或是要求 AI 修改一段程式碼，然而這樣 AI 被動地接收指令，並回傳單一步驟的互動模式能提供的幫助其實有限，一但要處理比較複雜的任務，可能就要花很多步驟才能解決。 AI Agent – 能真正執行任務的 AI 工具 隨著 AI Agent（人工智慧代理人） 的概念逐漸成熟，使用者與 AI 的互動方式也不斷在改變，AI Agent 的核心不再只是回應輸入，而是具備規劃、執行、工具使用，以及根據回饋持續優化的能力。 開發者的角色也正在轉變，從提出問題的人變成設定目標的人。例如將開發環境、部署流程與協作工具整合在瀏覽器中的平台 Replit，近年也逐步強化其 AI 能力，讓使用者可以用自然語言直接生成應用程式，而不需要從零開始搭建開發環境或手動撰寫完整專案結構。在這樣的工作流程中，使用者不再需要親自處理每一行程式碼的細節，而是讓 AI agents 協助完成從生成、除錯到部署的整個開發流程，開發者更像是專案管理者或產品設計者，負責定義目標、拆解需求與確認最終輸出的方向，而實作層則逐漸交由 AI 來完成。 然而，AI Agent 能力的提升並不意味著使用門檻降低，使用者不再需要逐步指示 AI 該怎麼做，而是需要提供足夠的上下文、策略以及業務背景，讓 Agent 能在理解整體情境後，自主規劃並執行任務。換句話說，重點不在於告訴 AI 怎麼做，而在於清楚定義要達成什麼以及在什麼條件下完成。若輸入仍停留在模糊或單句指令，Agent 雖然可以嘗試補足資訊，但在多步驟任務中容易出現偏離目標或決策不穩定的情況。因此，更有效的使用方式，是在一開始就明確界定任務目標、限制條件與成功標準，讓 Agent 在規劃階段即可對齊方向。 同時，在 AI Agent 的運作過程中，可見性與治理能力變得至關重要。相較於傳統一次性輸出的問答模式，AI Agent 涉及規劃、執行與優化等多個階段，因此平台需要具備觀察、審核與優化的能力。透過監控 Agent 的行為，使用者可以即時了解其決策過程，並在出現偏差或違反政策時立即介入甚至中止任務。此外，透過提供良好與不良的執行範例作為回饋，Agent 能持續學習並調整策略，逐步提升表現。這種結合可觀察性與回饋機制的使用方式，使 AI Agent […]

高通傳砸百億美元買 Tenstorrent：RISC-V、IP 授權與網路化 AI 如何成為下一輪晶片併購焦點？

隨著市場對尋找 NVIDIA 替代方案的需求日益強烈，由傳奇晶片設計師 Jim Keller 領軍的 AI 晶片新創公司 Tenstorrent，正以獨特的 RISC-V 架構迅速成為科技巨頭眼中的併購新焦點。 外媒報導，Intel 與高通（Qualcomm）皆已和 Tenstorrent 展開早期的收購談判。知情人士透露，高通甚至正洽談以 80 億至 100 億美元的金額收購 Tenstorrent，遠高於 Tenstorrent 去年底籌資時約 32 億美元的估值。儘管高通發言人表示對市場傳聞不予置評，但這場潛在併購戰，已凸顯 Tenstorrent 的巨大戰略價值。 Intel、高通為何都想搶 Tenstorrent？ 科技巨頭不惜重金求購的背後，各有自己的戰略盤算。對 Intel 而言，由於過去兩年旗下 Gaudi 獨立加速器產品線的市場表現不如預期，目前正處於重整 AI 策略的關鍵期。如果能成功收購 Tenstorrent，Intel 將能獲得現成且強大的 RISC-V AI 平台，迅速在資料中心與 AI 訓練市場重新站穩腳步，以對抗 NVIDIA 的主導地位。 另一方面，營收高度仰賴智慧型手機與個人電腦晶片的高通，在資料中心 AI 領域相對缺乏競爭力。透過這筆交易，高通不僅能取得可授權的矽智財（IP）區塊，更能獲得一個可靠的非 Arm 架構 CPU 發展藍圖，這對要實現業務多元化的高通也具有重大意義。 Jim Keller 加持，Tenstorrent 靠 […]

比 NVIDIA 系統快 4 倍、功耗只有五分之一：Tensordyne 用一個數學技巧重新設計 AI 推理晶片

當 AI 產業焦點逐漸從訓練競賽轉向推理競賽，市場開始思考：下一代 AI 系統比拼的，是堆疊更多的 GPU，還是更低的 Token 成本？AI 晶片新創 Tensordyne 給出的答案，是後者：從「數學架構」重新設計 AI 運算。根據《Reuters》報導，這家公司宣布即將推出的推理系統 Tensordyne Napier（TDN）已吸引超過 2 億美元的預估需求，並有十多家企業表達測試意向。 宣稱速度比 NVIDIA GB300 快 4 倍、功耗僅五分之一 最能說明 Tensordyne 野心的，是它端出的對比數字。《IEEE Spectrum》報導，根據模擬結果，Tensordyne 的新晶片在推理的能源效率與延遲上，有機會大幅超越市場領導者 NVIDIA。該公司宣稱，其 72 顆晶片系統運行大型 LLM 的速度，是配備 72 顆晶片 NVIDIA GB300 系統的 4 倍，功耗卻僅五分之一。 成本端同樣是賣點。根據《IEEE Spectrum》，其一個由 4 個 pod 組成的機櫃在運行 2 兆參數的 LLM 時，可達到每位使用者每秒 1,300 個 token，成本為每百萬 token 11 […]

戰場即研發場！漢翔總經理莊秀美：無人機每兩個月技術翻轉，AI 正在改寫國防製造節奏

專訪：沈貝怡撰稿：李昀蔚 台灣擁有深厚製造業基礎，如今當 AI 從雲端與軟體世界走向真實物理場域，Physical AI 正成為台灣下一個必須把握的產業機會。然而，Physical AI 不只代表機器人，也包含無人載具、自主移動系統與智慧化設備，尤其近年無人機需求在戰場、國防、物流與巡檢等場景快速升溫，也讓台灣原本強大的製造能力、電子供應鏈與航太技術基礎，有機會重塑競爭力。 本集《全新一週》特別邀請漢翔航空工業總經理莊秀美，從航太產業轉型、無人機供應鏈、AI 智慧製造到資安標準等面向切入，逐步解析漢翔如何看待台灣在 Physical AI 時代的新角色。 從高價精密軍武到低成本無人載具，戰爭型態正在改變 莊秀美指出，近年國際衝突頻傳，讓外界清楚看見現代戰爭型態的轉變。「其實大家可以看到，俄烏戰爭、印巴戰爭，還有最近的美伊戰爭，其實現在的戰爭已經顛覆過去戰爭的形態，而且是一個不對稱作戰的概念，」莊秀美表示，過去戰爭多半都是靠精密、高價的軍武進行攻擊，但是最近看到的趨勢是，現在都趨向低成本、高消耗量的武器，例如無人載具已經變成未來的時代潮流。 這也改變航太產業一直以來的研發節奏。莊秀美舉例，過去研發一架教練機或戰鬥機，從設計、首飛、試飛到驗證，至少需要十年。不過現在，「無人機、無人載具這一塊，是快速的迭代，幾乎每兩個月技術就會翻轉，所以在速度方面其實是戰場即研發場，就是一邊作戰、一邊就研發、一邊成長，」莊秀美說。 在這波無人載具發展中，AI 扮演關鍵角色。AI 可廣泛應用在目標辨識、飛行控制等面向，甚至包含複雜的蜂群決策。莊秀美舉例，無人機如果是一個蜂群，群飛的時候，長機一旦被擊落，那本來每一架都有各自任務的僚機，誰來接下這些指令、如何重新分派任務，這些都必須要很快用 AI 做決策。這也代表，無人機不再只是單一硬體，而是結合感測、通訊、控制、演算法與決策系統的智慧載具。 除了 AI，衛星通訊也成為重要基礎設施。因為無論是通訊系統或無人機導控系統，都越來越依賴衛星，但戰爭也讓各國警覺，若關鍵基礎設施過度仰賴他國，一旦因政治因素中斷，就可能癱瘓作戰能力。因此，衛星通訊與無人載具的本土化、去紅供應鏈，已成為當前國防與產業安全的關鍵課題。 漢翔的第一個轉型：從傳統航太切入無人機與反制系統 過去外界對漢翔的印象，多來自國機國造、軍用航空，以及波音、空中巴士等民用航太的供應鏈角色。然而，在全球航太與國防需求變化下，漢翔正迎來新的轉型。「必須要轉型到無人機、無人機的反制系統，因為這一塊正在快速成長，」莊秀美表示，這兩個領域將成為漢翔下一階段的重要機會。 更重要的是，無人機相關技術未來也有望回饋到傳統國防與民用航空領域，因為不管是 AI 決策、感測技術、通訊控制，還是快速迭代的研發模式，都可能反向影響既有航太產品的設計與製造。對漢翔而言，無人機不僅是新產品線，更是推動整體航太能力升級的新引擎。 漢翔的第二個轉型：2016 年起導入 AI，奠定智慧製造基礎 除了產品轉型，漢翔內部也早已展開 AI 與智慧製造的升級。莊秀美回憶，漢翔在 2016 年開始，就體認到導入最新科技的重要性，因此便導入智慧化的機台、智慧生產、智慧管理，主要目的就是希望在生產的過程，能夠達到「預警、預測、預防」，把所有問題預先解決。 莊秀美分析，實踐轉型的第一步是讓機台數位化以取得數據；第二步是流程可視化，以看見生產狀態與瓶頸；第三步則是管理智能化，並導入數位雙生的概念，讓製造流程更即時、精準且可預測。 在實際導入 AI 應用的場景上，莊秀美以熱壓爐為例，說明漢翔大量使用先進複合材料，若升溫曲線或壓力控制不正確，整爐昂貴的零件都可能報廢。因此，漢翔導入感測器與 AI 監測，一旦升溫曲線異常便會立即警示，讓現場即時處置，避免重大損失。 另一個案例是機匣加工，漢翔透過鑑別式 AI 在鑽孔時同步檢測並補償誤差，確保孔位精準。此外，刀具壽命預測也能透過分析震動數據，判斷何時接近斷裂風險，兼顧品質與成本。這些案例皆說明，AI 透過數據讓高風險、高成本、高精度的製程變得更可控。 除了鑑別式 AI，漢翔也導入生成式 AI，打造內部平台「問問阿翔」，功能涵蓋會議輔助、智能報價與品質系統健診。莊秀美表示，航太產業文件與規範龐雜，過去若發現漏油這一類問題，工程師需查閱大量文件，現在透過生成式 AI，系統就能快速整理可能原因、檢查順序，並精準標註引用自哪份來源文件，大幅提升效率。 漢翔更將這些能力整合進 AIxWARE 平台，「如果說我們今天空有技術，沒有產品，其實是沒有用，大家沒辦法用得上，所以我們後來也把技術導入到 AIxWARE，去服務其他的產業界朋友，」莊秀美說。 全亞洲第一家通過 […]

1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 Wayfair 如何靠 AI 降低最後一哩路隱形浪費

在電商競爭日益激烈的環境下，物流效率已成為影響消費者體驗與企業成本的重要關鍵。北美家具電商巨頭 Wayfair 近年持續強化物流網路建設，積極將 AI 導入倉儲與配送流程。 透過電腦視覺（Computer Vision）、生成式 AI 與大語言模型（LLM）等技術，Wayfair 正試圖解決家具配送長期存在的尺寸誤差、包裝損壞與配送溝通等難題，進一步提升最後一哩路配送效率。 用智慧視覺精準分配車輛空間，終結空間資源浪費 大型家具物流最大的挑戰之一，在於商品尺寸資訊的準確性。當沙發、餐桌或大型櫥櫃等商品由供應商倉庫出貨時，若尺寸資料出現誤差，往往會導致配送車輛空間規劃失準。實際裝載時才發現貨物無法完全裝入車廂，不得不額外安排運輸資源，增加隱藏物流成本。 為了解決這項問題，Wayfair 導入了視覺隧道系統（Vision Tunnel System），針對新上架商品執行「首件檢查」（First Article Inspection）。當商品首次進入轉運中心時，系統會利用多組感測設備與攝影裝置快速擷取商品的真實尺寸，建立精確的體積資料。這些數據隨後被輸入物流演算法，預測商品在車輛中的空間占用情況以及裝載效率，協助配送系統更精準地安排車輛與路線規劃。透過將視覺辨識與物流演算法深度整合，Wayfair 得以降低因供應商資料不準確而造成的空間浪費，進一步提升整體配送網路的運作效率。 AI 破損檢測：不到 1 秒完成影像分析，出庫前攔截瑕疵 除了尺寸管理之外，Wayfair 也將同一套視覺基礎設施應用於包裹品質檢測。該公司開發名為「Tarragon」的電腦視覺系統，透過偵測模型自動識別包裝損壞情況，希望在商品離開倉庫之前便及早發現問題。 在 Wayfair 配送中心內，高速分揀設備配置了掃描隧道（Sorter Scan Tunnel），包裹通過時，多組線性攝影機會同步拍攝頂部、底部與側面等多個角度的高解析度灰階影像。系統必須在不到 1 秒內完成影像分析與判斷，一旦偵測到嚴重擠壓、破洞、撕裂等可能影響商品安全的包裝缺陷，就會立即向分揀設備發出指令，自動將包裹導向人工處理通道，交由工作人員重新包裝或修復。 LLM 自動聯繫客戶，將配送需求即時通知司機 在配送階段，Wayfair 則將 AI 大型語言模型應用於客戶溝通流程。過去大型家具送達前約 30 分鐘，配送司機或客服人員通常需要逐一撥打電話，確認客戶是否在家，並詢問是否有特殊配送需求。這項流程雖然重要，但高度仰賴人工執行，耗費大量時間與人力。 Wayfair 將司機作業流程、配送規範與客服腳本輸入大語言模型，搭配語音增強技術，建立自動化預配送聯繫系統。系統能主動與客戶進行語音互動，確認收貨狀況並蒐集配送資訊，例如大樓電梯是否故障、物品需放置於後院，或是否有其他進場限制等特殊需求。 這些資訊不會停留在客服系統內，而是直接轉換成 App 通知，即時推送給負責配送的司機。當配送人員抵達現場前，便已掌握完整資訊與客戶需求，能有效降低現場溝通成本與配送失敗風險。 Wayfair 物流運輸主管 Matthew Bennett 表示，司機對這項系統的接受度相當高，因為配送前已能確認客戶確實在家，且相關指示清楚完整，有助於提升執行信心。資訊透明化也降低了內部推動新技術時的阻力，加速自動化流程在組織內的落地應用。 對家具電商而言，最後一哩路向來是成本最高、變數最多的環節，而 Wayfair 的做法顯示，AI 的價值已不再侷限於推薦商品或客服聊天，而是深入實體物流現場，成為提升配送效率與客戶體驗的重要基礎設施。 【推薦閱讀】 […]

【維運工程師被 AI 取代？】最新測試：最先進 AI 模型的故障分析能力仍不及人類專家

Datadog 推出 ARFBench 讓 AI 模型針對實際的服務中斷事件進行故障研究、原因推理，結果發現，即便是最優秀、最先進的人工智慧模型，仍無法勝過人類工程師。

四隻手、沒有腿，Helios 四臂機器人如何做到為太空站而生？

當大多數機器人公司在比拚誰的人形機器人走得更穩、跑得更快時，瑞士蘇黎世新創 Orbit Robotics 推出的 Helios 走了一條完全不同的路：Helios 有四條手臂、沒有任何雙腿，靠著這副在地球上看起來奇特的身形，在太空站裡替太空人分擔重複、耗時又昂貴的例行工作。 「為環境量身打造機器人的身體」，從這個前提出發，Orbit Robotics 做出了一款與市面上絕大多數機器人截然不同的產品。 四條手臂，移動與作業同時進行 在太空這種微重力環境裡，腿幾乎毫無用處。人類行走、站立、維持平衡這些在地球上的核心能力，在這裡全數失效。Orbit Robotics 因此把雙腿換成兩條額外的手臂，讓 Helios 的四肢同時兼具「移動」與「作業」兩種功能。 運作邏輯是，兩條手臂負責把機器人固定在太空站內壁，另外兩條手臂處理貨物、工具或設備。這讓 Helios 能夠一邊穩定自身、一邊作業，這正是傳統雙臂人形機器人在零重力下做不到的事。雙臂機器人若想抓取物件，往往連自身都難以穩住。 傳動結構上，Helios 採用肌腱驅動（tendon-driven），而不是在每個關節塞進笨重的馬達。馬達集中安置在接近肩膀的位置，再透過纜線與線軸把力量傳遞到各個關節，讓手臂更輕巧，同時保有在太空站作業所需的活動範圍。 更關鍵的細節藏在肘關節。Helios 使用滾動接觸式肘關節（rolling-contact elbow joint），讓動作更平滑、更受控。在微重力中，任何突然或不均勻的動作，都可能讓機器人本身或它手中的物件失去穩定，這個看起來平凡的關節設計，反而是整套系統最重要的工程決策之一。 從固定方式、傳動結構到關節形態，Helios 沒有一處沿用地球機器人的設計邏輯，而是從「微重力會帶來什麼約束」這個問題出發，一路倒推而來。 太空後勤的成本，讓機器人的商業邏輯更清晰 在國際太空站上，維護工作大約佔去組員 35% 的時間，單單一次貨物卸載週期就可能耗費將近 50 小時。以每位太空人每小時約 14 萬美元的成本計算，這些例行後勤工作的代價貴得離譜。 更關鍵的是，卸貨、分類補給、清點庫存、搬運設備、執行基礎維護，這些任務根本不需要人類的判斷力。它們需要的，是在狹窄通道間移動、在沒有重力的情況下穩住身形、以及精準操作物件的能力，而這正是 Helios 被設計來做的事。 這個市場還會隨著發射成本下降持續擴大。SpaceX 的 Starship 計畫志在大幅提升送往軌道的貨物與人員規模；一旦成本如預期般下降，太空站與軌道棲地的數量就會增加，每一座都需要維護、後勤與貨物處理。 Orbit Robotics 目前尚未公布定價、量產時程或募資狀況。這家公司位於蘇黎世，與慕尼黑並列為歐洲最強的機器人工程重鎮之一。Helios 能否真正進入軌道，取決於它能否與航太機構或 Axiom Space 這類商業太空站營運商建立合作。 從環境約束倒推形態，機器人設計的第三條路 Helios 的出現，代表了機器人設計的第三條路。產業的一端是 1X、Tesla Optimus 這類圍繞地球行走能力打造的人形機器人，另一端是各式輪型載具，而 […]

【科技早餐】鴻海搶 AI 資料中心，字節跳動去 NVIDIA、Google 分散 TPU 供應鏈

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊鴻海聯手施耐德搶 AI 資料中心，基建戰從機櫃燒到電力冷卻 施耐德電機（Schneider Electric）與鴻海（Foxconn）宣布展開策略合作，雙方將共同開發並擴大次世代 AI 資料中心基礎設施。這項合作將結合鴻海在製造與 AI 系統方面的能力，以及施耐德電機在電力、冷卻與能源管理的專長，目標是提供可部署的 AI 資料中心解決方案，相關生產預計今年稍晚展開。 這項合作顯示，AI 基建競爭已經不只停留在伺服器與機櫃，而是擴大到整座資料中心的電力、散熱、能源管理與部署速度。對台灣供應鏈來說，AI 資料中心不只需要晶片，也需要能把系統、電力與冷卻整合起來的能力。鴻海近年積極切入 AI 伺服器與資料中心相關業務，這次與施耐德合作，也讓台灣製造供應鏈進一步接上全球 AI 基礎建設需求。 ＊字節跳動傳洽購 5 萬片國產 AI 晶片，中國推論算力加速去 NVIDIA 《路透》報導，TikTok 母公司字節跳動（ByteDance）正與上海 AI 晶片新創天數智芯（Iluvatar CoreX）洽談採購 AI 晶片，也同時評估採購百度旗下崑崙芯。知情人士透露，天數智芯今年可能向字節跳動交付至少 5 萬片晶片，多數將用於推論工作，支援字節跳動旗下 AI 聊天機器人豆包。 推論是模型回應使用者查詢的運算，相較於訓練大型模型，不一定需要最高階晶片，也讓中國本土 AI 晶片有更多切入機會。報導也提到，中國本土 GPU 與 AI 晶片業者在中國 AI 加速伺服器市場的占比已接近 41%。如果交易完成，天數智芯將成為字節跳動繼華為與寒武紀之後，第三家中國本土 AI 晶片供應商，也意味著在美國出口管制下，中國 AI 算力需求轉向本土供應鏈的趨勢正在升溫。 ＊Google 分散 TPU […]

美國 AI 科系五年暴增 15 倍，但這張新文憑值多少錢仍是未知數

生成式 AI 熱潮不只改變企業投資方向，也正在重塑美國高等教育版圖。根據《紐約時報》報導，2021 年全美僅有 5 所大學設立 AI 主修科系，如今（2026 年）已增加到至少 74 個主修與 89 個輔修課程。從北達科他州到康乃狄克州，各地大學紛紛投入 AI 學位競賽，希望在招生市場與產業轉型浪潮中維持競爭力。 然而，當越來越多學校將 AI 納入科系名稱，一個更根本的問題也逐漸浮現：這張新文憑究竟值多少錢？目前恐怕還沒有人能給出答案。 從 5 個到 74 個，美國大學掀起 AI 科系競賽 過去幾十年來，電腦科學一直是科技人才培育的核心學科之一，但隨著 ChatGPT 掀起生成式 AI 熱潮，大學也開始重新思考該如何培養下一代人才。《紐約時報》指出，除了已開設 AI 學位的學校外，至少還有十多所大學正準備推出相關科系。許多學校認為，如果無法及時跟上 AI 趨勢，不僅可能失去學生，也可能被外界視為落後於時代。 北達科他大學工程學院院長 Ryan Adams 就表示：「如果外界認為我們不在這場遊戲裡，要再讓大家記得我們就會變得非常困難。」這種焦慮不是個案，根據報導，許多大學管理者都將 AI 視為未來人才市場的重要方向，希望透過新科系展現學校的前瞻性與產業連結能力。 同樣教 AI，教的內容可能完全不同 不過，AI 科系快速增加的同時，也引發外界對教育品質與課程內容的關注。《紐約時報》指出，許多 AI 科系與傳統電腦科學課程高度重疊，有些甚至只增加少數幾門新課程。部分學校強調機器學習理論與模型開發能力，另一些則聚焦於 AI 工具應用與跨領域實作。 一篇發表於 arXiv 的研究進一步分析美國 66 個 AI 學位課程後發現，不同學校之間存在顯著差異。有些科系要求修習大量 […]

機器人產業正在等待「Windows 時刻」：Edge AI 軟體平台如何把碎片化開發變成標準化部署？

在 Windows 出現以前，電腦多半是工程師與電腦科學家才能真正操作的專業工具，使用者必須學習命令列介面、複雜的硬體協定，甚至從頭開始編寫軟體。然而，在 Windows 誕生後，透過直觀的使用者介面、內建應用程式與隨插即用（plug-and-play）的硬體能力，把複雜的操作變得容易上手，成功讓個人電腦從工程工具，變成人人皆可使用的裝置。 位於美國西雅圖的 Edge AI 與機器人技術公司 Numurus，透過軟體平台、硬體整合與工程服務，協助企業加速機器人、智慧感測器與 AI 應用的開發流程，目標是把原本可能耗時數年的開發週期縮短到數個月。 Numurus 執行長 Jason Seawall 近日在《The Robot Report》撰文指出，類似的轉變正在機器人產業發生，Edge AI 正準備讓機器人從少數專家才能操作的系統，走向被廣泛使用的型態。一旦 Edge AI 的操作門檻降低，客群將從原本資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育計畫與跨領域研究人員，並讓團隊能將第一版產品的出貨時間從一年縮短至幾週。  硬體已經到位，但「軟體複雜度」成為最大瓶頸 Jason Seawall 指出，來自 NVIDIA、AMD、Qualcomm 與 Hailo 等公司的 Edge AI 處理器，已讓機器人能在本地端執行 AI 模型、快速分析感測器資料，並做出毫秒級決策，且這些晶片已具備足夠的運算速度、較低成本與更高能源效率，得以運行真正的 AI 工作負載，使得硬體技術跨越實用的轉折點。然而，這類 Edge AI 系統的極高複雜度，仍將部署門檻侷限在經驗豐富的工程師手中。  與個人電腦不同，機器人需要介接的是相機、雷射、GPS 與馬達，機器人也需要能連結即時感測器數據與 AI 模型的控制軟體，而不是一般的文書處理程式。這項對軟體層的迫切需求，在 BlackBerry QNX 發布的《Inside the Robot: […]

當 AI 把專業知識商品化，企業的差異化優勢剩什麼？Nadella 說答案在「學習迴圈」

當市場焦點仍集中在模型能力的競賽時，微軟執行長 Satya Nadella 卻提出不同觀點：真正決定企業競爭力的，未必是模型本身，而是圍繞模型建立而起的生態系。在其最新長文〈A frontier without an ecosystem is not stable〉中，他嘗試重新定義 AI 時代的企業角色，並提出「前沿生態系（Frontier Ecosystem）」概念。 這次平台轉移不一樣 Nadella 在文中強調，這次的轉變和過去任何一次數位轉型的平台轉移都不同。他表示，過去我們用數位系統來「增強」人力資本，而現在是第一次，人們能在人與數位系統之間，創造一個真正的「認知迴圈（cognitive loop）」，從根本上改變人們如何在企業內部理解「工作」這件事。 他指出，真正的關鍵，不在於某個數位工具或系統如何被使用，而在於組織如何在一個 AI 模型能持續吸收人類與組織累積的專業知識，並逐步將這些能力標準化與商品化的世界裡，繼續學習、建立智慧財產、做出差異化並繼續壯大。換句話說，當模型逐漸把專業知識商品化，企業如何守住自己的差異化優勢，成了核心命題。 人力資本與 Token 資本 Nadella 為此提出一組概念：每家公司都得同時建立「人力資本（Human Capital）」與「Token 資本（Token Capital）」。人力資本指的是員工的知識、判斷、關係、創造力與模式辨識能力；Token 資本則是組織自行打造並擁有的 AI 能力。 值得注意的是 Nadella 的看法：人力資本不會因 Token 資本成長而貶值，反而會變得更有價值。他認為，人類的能動性將是 Token 資本成長的驅動力：是人類設定雄心勃勃的目標、跨領域連結、建立關係、辨識出最重要的模式；「沒有人類的指引，運算只會原地打轉」。 因此他主張，真正的機會不在於挑選最好的模型，而在於在模型之上建立一個「學習迴圈」，讓人力資本與 Token 資本彼此複利成長。他寫下一句關鍵的話：你可以外包一項任務、甚至一份工作，但你永遠無法外包你的「學習」。 學習迴圈，或他口中的「爬山機器」 這個學習迴圈，Nadella 稱之為「爬山機器（hill-climbing machine）」。在《Stratechery》的日前訪談中，他向主持人 Ben Thompson 解釋，爬山機器會根據目標不斷嘗試、評估、修正，再重新嘗試，透過一次又一次的迭代，逐步逼近更好的結果。他認為這是描述「學習」最貼切的比喻。 具體來說該如何建造？Nadella 指出，企業要把工作流程、領域知識與累積的判斷，轉化為「每次使用都會進步」的 AI 系統。其中包含三塊： 私有評測（private evals），用來衡量模型是否真的在對企業重要的成果上進步，而非只是外部基準；私有的強化學習環境（private […]

Anthropic 被迫關閉 Fable 5、Mythos 5：美國經濟學家 Tyler Cowen 警告，全球可能轉向中國 AI

近日，Anthropic 的 Fable 5 與 Mythos 5 模型，因為美國政府的出口管制要求而被迫暫停存取。這項舉動不僅讓前沿 AI 模型首次被正式放進「國安風險」與「出口限制」的討論框架中，更引發全球科技界的擔憂。這項管制更創下首例，因為美國政府將過去用來管制武器與先進晶片的「出口管制法」，史無前例地用在一個已廣泛被公眾使用的商業軟體產品。  美國經濟學家 Tyler Cowen 在《The Free Press》撰文指出，美國政府已跨過一條危險紅線：將單一 AI 模型視為重大威脅，進而出手限制使用。Tyler Cowen 也認為，真正的問題不在於 Anthropic 與美國政府誰的說法正確，而是人們已經開始在工作上依賴 Fable 5，卻突然面臨服務被強制切斷的窘境。 Amazon 示警引爆管制，Anthropic 被迫緊急關閉模型 這場風暴的導火線來自合作夥伴的示警。據《The Information》與《華爾街日報》報導，Amazon 研究人員透過一系列提示詞（prompts），成功讓 Mythos 級模型提供原本應受限制的網路攻擊相關資訊。隨後，Amazon 執行長 Andy Jassy 親自向川普政府高層表達對 Anthropic 最先進模型安全風險的疑慮，進而引發白宮的強烈擔憂。由於 Amazon 既是 Anthropic 的大股東，也是其雲端與晶片基礎設施的重要供應商，這層緊密的商業身分讓 Amazon 的警告在華府極具份量。  為了因應潛在的國安威脅，美國商務部隨後下達指令，禁止將 Fable 5 與 Mythos 5 模型提供給外國國民，包含身處美國境內的外籍人士。《Fortune》引述知情人士指出，Anthropic 僅被給予約 90 分鐘的時間撤下最新模型，且事前並未收到明確的國安威脅通知。 為了遵守這項涵蓋範圍極廣的出口規定，Anthropic […]

【從賣時間到賣成果】麥肯錫薪酬結構調整，AI 推動知識型服務業的商業模式重寫

麥肯錫正在調整合夥人的薪酬結構，把更多比例轉為股權，同時保留更多現金。這個看起來像是內部財務安排的決定，背後其實指向整個專業服務業共同面對的處境，因為客戶越來越不願意按工時付費，而 AI 正在加速這個轉變。 工時計費的失效，從麥肯錫開始顯現 麥肯錫面臨的壓力是，客戶要求將顧問費與實際交付的成果掛鉤，例如降低成本、提升利潤或增加市場占有率，而不是按照顧問花了多少時間提供建議來計費。 麥肯錫英國、愛爾蘭與以色列區域管理合夥人 Michael Birshan，在 2025 年 11 月就說過，「我們正在與客戶建立更多績效導向的合作安排」，過去是「這是專案範疇，費用是多少」，現在是「這是我們想達到的成果，費用將主要取決於你能否達成。」 目前麥肯錫全球約四分之一的費用，已採用這套成果導向定價模式。麥肯錫全球科技與 AI 領導人 Kate Smaje 指出，成果計費並非因 AI 而起，而是過去幾年麥肯錫承接越來越來多年期、跨部門轉型專案後自然演進的結果，只是 AI 轉型工作的性質讓這套模式更加契合。 成果的衡量方式也有了具體標準。Smaje 說明，成功通常以計分卡評量，包含投資人目標、在特定時間內達成的營收或利潤目標、營運指標與客戶滿意度，她說，「你的董事會計分卡就是我們的計分卡，當這場轉型成功，我們才算成功，所以讓我們共享成果。」 而且這個轉變背後有一個讓顧問業難以反駁的邏輯，如果顧問自己就在用 AI 做資料分析與診斷，為什麼客戶要按照「沒有 AI 時需要的工時」付費？AI 提升了效率，但這份紅利過去幾乎完全留在顧問公司手中，客戶現在開始要求分享。 然而成果導向計費，讓麥肯錫的營收結構面臨不確定性，這正是它需要調整薪酬結構、把更大比例轉為股權並保留更多現金的原因。 AI 服務業已率先採用任務型計費 事實上，在麥肯錫還在調整適應的同時，AI 服務業者已率先建立了一套成熟的任務型計費模式，並在客戶端形成了新的參照標準。 Intercom 旗下 AI 客服代理 Fin，以每解決一件客戶案例收取 0.99 美元計費；身分驗證服務商 iDenfy 每次驗證收取 1 英鎊；Salesforce 讓客戶按任務付費，並允許預先大量購買點數，讓雙方都能預估預算。這套模式的邏輯是，客戶付的是問題解決的結果，不是解決問題所花的時間。 當客戶開始習慣這種計費方式，他們自然會拿來與傳統顧問的工時計費對比。這就是麥肯錫面對的外部壓力來源之一。 成果計費不是新概念，但普及速度正在加快 麥肯錫當然不是唯一一個被迫重新思考計費邏輯的行業，EY 全球成長與創新管理合夥人 Raj Sharma 在 2025 […]

時隔 14 年再度開放申請：「品牌頂級域名」正影響企業資安、客戶信任與網路行銷

資安領域近年來正嘗試一種全新的解決方案，那就是透過「品牌頂級域名（Brand TLD）」的方式，提高企業網站的辨識度以達成雙贏。

限時折扣不管用了？《哈佛商業評論》揭 AI 購物代理的決策邏輯

如今，越來越多消費者開始透過 ChatGPT、Google AI 以及各類智慧助理尋找商品、比較規格甚至直接完成購買，企業面對的顧客已不再只有人類；這意味著企業未來除了要說服消費者，也必須學會如何與 AI 代理溝通。 AI 不再照單全收：傳統促銷訊號效果開始分化 然而，長期以來建立在消費心理學基礎上的行銷手法，對 AI 代理未必有效。根據《哈佛商業評論》最新研究，許多電商常見的促銷設計，例如限時倒數、庫存稀缺提醒、原價與折扣價對比，以及組合銷售等策略，原本是利用人類的錯失恐懼（FOMO）、價格錨定效應與稀缺性偏誤來刺激購買意願，但在 AI 代理身上卻難以產生穩定效果，有些情況甚至會出現與人類完全相反的反應。研究人員指出，儘管這些標籤確實會左右 AI 代理的判斷，但其背後的決策機制與人類的衝動或偏誤心理完全不同。 在所有測試項目中，只有商品評分與價格展現出穩定且一致的效果。高評分商品在所有模型中都獲得更高的選擇率，而價格越高則越容易被排除。這項結果與人類消費行為高度一致，也代表即使 AI 代理逐漸成為購物決策的重要參與者，價格與產品評價仍是影響推薦結果的重要因素。 進階模型的「行銷防禦機制」，過度說服引發反噬 另一項值得注意的研究發現是，不同 AI 模型應被視為獨立的市場區隔。該研究顯示，Gemini 2.5 Flash Lite 與 GPT-4.1-mini 等非推理模型對促銷訊息較為敏感，較容易受到優惠券、折扣標籤或社會認同訊號影響；相較之下，GPT-5 與 Gemini 2.5 Pro 等推理能力較強的模型則展現出截然不同的反應模式。 研究團隊發現，先進模型並非單純忽略促銷資訊，而是可能將過度強調折扣、稀缺性或急迫感的訊息視為負面訊號。在部分測試情境中，GPT-5 對「僅剩兩件」等庫存緊缺提示呈現負面反應，而 Gemini 2.5 Pro 面對大幅折扣時，說服效果反而逐漸下降。研究人員認為，這些模型可能將強烈的促銷訊號解讀為產品品質不足或商家刻意操弄消費決策的跡象，因此降低推薦意願。 部署動態試驗場，迎戰高頻率模型改版 隨著 AI 代理逐漸參與商品搜尋與購買流程，企業也需要重新理解消費者需求的形成方式。AI 代理的選擇邏輯很大程度受到使用者提示詞（Prompt）影響。例如「尋找 100 英鎊以下評價最高的耳機」與「找到明天能送達的最便宜耳機」會讓同一個 AI 模型產生完全不同的商品排序結果。未來企業除了研究消費者本身，也需要深入分析消費者如何向 AI 描述需求，才能提高產品被推薦的機會。 《哈佛商業評論》認為，企業最重要的工作並非尋找一套固定的 AI 優化公式，而是建立持續測試與監測的能力。由於大型語言模型會持續更新，每一次模型升級、微調或安全對齊都可能改變其判斷標準，今天有效的促銷策略未來可能失效，甚至帶來反效果。 因此，企業應建立專屬的 AI […]

【333 Robots Community Meetup】交大資工系副教授陳奕廷拆解 Physical AI 開發迷思，讓機器人回到真實需求

目前台灣正面臨高齡化與缺工的嚴峻挑戰，產業界迫切尋求科技解方，使得「實體 AI（Physical AI）」迅速成為熱門焦點。然而，當 AI 快速走向實體世界，開發者是否也陷入「為了 AI 而 AI」的技術焦慮？ 在五月舉行的「333 Robots Community Meetup」系列活動中，特別邀請到國立陽明交通大學資工系副教授陳奕廷。他也在演講中直指當前的產業盲點，呼籲開發者比起跟上「AI 加機器人」的潮流，更重要的是必須秉持「用真實世界的需求驅動 Physical AI 落地」的核心理念。 立即報名在 6 月 17 日 19:00 舉行的「333 Robots Community Meetup」，與來自陽明交大人本智慧系統實驗室（HCIS Lab）、 Taiwan Robotics Community、台灣夏普的講者，一同探討最新實體 AI 技術趨勢。 立即報名 打破「AI + 人形機器人」迷思，看見跨領域開發的系統性盲點 隨著生成式 AI 的爆發，陳奕廷表示，許多人會直覺地將 Physical AI 想像為「會自己泡咖啡的人形機器人」，或單純的「AI 加上機器人」，但他想先破除這個迷思。陳奕廷指出，Physical AI 並非新名詞，而是「運用 AI 技術，使系統透過感測器觀察、推理分析，並透過致動器在實體世界中採取行動」的一種型態。事實上，這種「感知、推理、行動」的架構，早在 1960 年代史丹佛研究院的 Shakey 機器人專案中就已具備雛形。 然而，當前的開發困境在於，不同領域的專家在投入 Physical AI 時，容易因視角錯位而陷入「各說各話」的盲點。陳奕廷觀察，從機械工程視角出發的開發者，傾向先開出「高功率輸出、安全性、多指靈巧度」等硬體規格，接著才思考能應用在哪裡；從資訊科學視角切入的開發者，則習慣不預設機器人長相，專注於收集海量數據、微調基礎模型，試圖打造出能聽懂一句指令就執行各種任務的通用型機器人。這種從單一視角出發的現象，容易讓開發者變成「拿著鐵鎚找釘子」的人，反而忽略跨領域整合與系統工程的真諦。 […]

【科技早餐】SpaceX 點燃 AI IPO 信心，NVIDIA 基建與 Anthropic 管制同步升溫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SpaceX 市值衝破 2 兆美元，AI IPO 信心同步受檢驗 美國太空公司 SpaceX 6 月 12 日正式掛牌上市，成為近年科技市場最受關注的公開募資案之一。《路透》報導，SpaceX 這次 IPO 募資規模達 750 億美元，被視為全球史上最大規模 IPO；掛牌後，SpaceX 市值衝破 2 兆美元，也讓市場重新檢驗投資人對高估值科技資產的承接能力。 SpaceX 的上市不只是太空產業事件，也牽動整體科技股情緒。Anthropic 和 OpenAI 近期都已遞交 Confidential IPO 文件，雖然上市時間仍未確定，但市場已把它們視為下一波 AI IPO 的觀察重點。SpaceX 後續股價表現，也將成為資本市場能否繼續承接高成長科技敘事的重要參考。 ＊NVIDIA、KKR、Vistra 推 Helix，AI 基建戰燒到電力 NVIDIA 與投資公司 KKR、科威特投資局（Kuwait Investment Authority），以及電力業者 Vistra 合作成立新公司 Helix Digital Infrastructure，承諾投資金額超過 100 億美元。Helix 將替超大規模雲端業者提供 AI 基礎設施服務，整合資料中心、電力、連線能力與其他相關需求。 […]

【AI 吞噬世界】AI 是繼網路、智慧型手機後的新一輪底層洗牌，你的護城河還在嗎？

知名分析師 Benedict Evans 於 2026 年 5 月發布了《AI 吞噬世界》（AI eats the world）報告，探討企業導入 AI 時面臨的實務難題：為何投入預算後，產出與營收未見等比例成長。報告指出，問題的核心在於企業現有的營運體制尚未與新技術對接。 以下摘要梳理報告重點，涵蓋三個面向： 📎 這份報告適合誰閱讀？ 適合企業內部負責戰略規劃、資源分配，以及推動數位轉型的核心管理層與專業工作者閱讀，包括： 🔴 報告洞見 AI 是繼網路、智慧型手機後的新一輪底層洗牌 科技產業的發展軌跡從來不是平穩向上的直線，而是由一系列顛覆性的「平台轉移」所驅動。每隔 10 到 15 年，我們就會見證一次底層架構的洗牌：從大型主機、個人電腦、網際網路、智慧型手機，如今來到了生成式 AI 的時代。 許多企業領導者依然習慣將 AI 視為單純的軟體升級，或是另一種優化效率的 IT 工具，但這種觀點極其危險。 歷史一再證明，在平台轉移的初期，外部企業往往只看見「新工具」，卻忽略了它可能帶來的生存威脅與價值捕獲機制的重新分配。而這場由 AI 帶動的變革，正以前所未見的資本規模與極端的不確定性，強勢解構我們熟知的商業模式。 💡 7,000 億美元砸向算力，但模型正走向大宗商品化 要看懂這場變革的真實量級，我們必須先跟隨資本的流向。目前，全球科技巨頭正陷入一場史無前例的算力軍備競賽；正如 Alphabet 執行長 Sundar Pichai 所言：「投資不足的風險，遠遠大於過度投資的風險」，這句話完美註解當前瘋狂的資本支出週期。 微軟、Alphabet、AWS 與 Meta 這四大雲端巨頭，在 2026 年的預估資本支出加總高達驚人的 7,000 億美元，為了讓這個數字具備體感，我們可以對比全球電信業同期的資本支出，僅約 3,000 億美元，而全球石油與天然氣產業則約為 […]

台灣 AI 動能指數居亞洲之冠，但鄧白氏點出最大挑戰：資料與系統整合

台灣企業的 AI 動能，正以亞洲最快的速度往前衝，但是卻卡在最基礎的數據問題。美商鄧白氏（Dun & Bradstreet）今（6/12）發布《企業 AI 動能指數》最新調查，台灣本季拿下 72 分，不僅較上一季的 53 分大幅躍升，拿下亞洲最高分，更成為帶動全球總分成長的主要力量。 但同一份成績單藏著一個反差：在構成指數的八個維度裡，台灣的「AI 投資」拿下 87 分，高於本次調查公布的所有全球維度分數。技術架構卻是台灣分數明顯偏低的一環，ROI 雖從 42 分升至 63 分，但距離全面落地仍有一段路。換句話說，投資的錢已經大舉進場，系統還接不起來，回報才剛開始進帳。 2026 年提問變了：從「有沒有用 AI」到「AI 有沒有賺回來」 《企業 AI 動能指數》是鄧白氏的季度調查，訪問來自 32 個經濟體、合計占全球 GDP 約七成的 1 萬名企業高階決策者；台灣樣本則涵蓋 17 個產業、超過 300 家企業的高階主管。鄧白氏全球業務營運與轉型執行副總裁暨台灣董事總經理鮑文安（Julian Prower）指出，2025 年多數企業還在放手進行 AI 試點，2026 年的命題已經轉變成如何把先前的試驗大規模拓展、讓投資真正取得報酬，產業的討論風向也從「有沒有在用 AI」轉向「AI 是否能帶來 ROI」。 樂觀情緒與實際就緒度之間，存在明顯落差。鮑文安表示，調查中約三成高階主管自評資料準備「大致就緒」，但若放到信用評估、合規決策這類容錯率極低的場景檢視，「『大致就緒』還是遠遠不夠的」。 而這個落差的根源，鮑文安直指：「這並不是單純的技術問題，而是一個基礎資料問題。」企業真正該檢視的，是決策所依賴的資料是否可信、可驗證、具備良好品質，最終能否產出可預測且可靠的結果。根據該調查，台灣及全球企業在 AI 應用中面臨的主要挑戰包括：資料可取得性與存取、資料隱私與合規，以及資料品質與完整性。 台灣 AI 投資意願高，弱項在資料與系統整合 回到台灣的成績單。鄧白氏台灣數據長呂苑玲拆解八個維度（AI 投資、AI 價值、企業數據就緒程度、AI […]

企業正在付錢養出自己的競爭對手？從 Claude Code 到 Claude Design，Anthropic 正在進攻客戶核心業務

Anthropic 是許多企業用來打造 AI 應用的重要模型供應商。然而，近日《The Information》揭露一個令企業不安的趨勢：Anthropic 正利用其領先的底層技術，積極跨足應用層並銷售自家的產品。 在這樣的背景下，越來越多企業開始意識到，他們仰賴的 AI 供應商可能正準備搶走飯碗，讓企業面臨「付錢養出自己競爭對手」的窘境，並對這種身兼「基礎設施提供者」與「直接競爭者」的雙重角色感到恐懼。 Anthropic 與 Figma、Canva 從合作夥伴變成競爭對手 這個矛盾在今年 4 月 Anthropic 發布 AI 設計與軟體工具 Claude Design 時徹底引爆。起初，Anthropic 邀請長期客戶 Figma 與 Canva 作為發布合作夥伴，雙方也將此視為一次展現產品互補性的絕佳機會。據參與討論的人士透露，Anthropic 一開始承諾新工具僅會延伸 Claude 既有的網站或 App 預覽能力，不會讓使用者進行可能與設計工具直接競爭的進階協作或編輯功能。 然而，在發布前夕，Anthropic 卻突然揭露 Claude Design 實際包含協作與編輯功能，使該產品直接挑戰 Figma 與 Canva 的核心業務。這項突如其來的改變，導致 Anthropic 與 Figma 雙方關係破裂，Figma 在發布前幾天緊急退出合作討論，Anthropic 產品長 Mike Krieger 也於同一時間離開 Figma 董事會。 事後，Figma 執行長 […]

麗臺於 COMPUTEX 2026 推出終極 AI 工作站，打造高彈性 AI 解決方案

麗臺科技（Leadtek）將於 COMPUTEX 2026 展出「終極桌邊 AI 超級電腦」（Ultimate Deskside AI Supercomputer），主打將資料中心等級的運算能力導入辦公環境，讓用戶可在本地端快速開發、微調與執行大型 AI 模型，並支援 AI 代理長時間穩定運作。 此次亮相的 Deskside AI Supercomputer，搭載 NVIDIA GB300 Grace Blackwell Ultra 桌上型電腦超級晶片，擁有高達 748 GB 的一致性記憶體、NVIDIA ConnectX-8 SuperNIC 網路，以及最高 20 PFLOPS 的 FP4 AI 運算效能。散熱方面，採用封閉式液冷散熱設計，支援高強度連續運算。除可運行大型 AI Agent 與 Physical AI 模擬應用外，更具備可彈性配置 1 張 NVIDIA RTX PRO GPU 與 GB300 協同運作的擴充性，可於本地端執行推論任務，同時保有彈性擴展至資料中心或雲端環境的能力。 NVIDIA 認證系統滿足多樣化配置 麗臺同步展示從桌上型系統到資料中心的完整產品布局，涵蓋 NVIDIA DGX […]

解鎖 AWS 國際雙認證，新北青年局「AI 實戰職涯營」助攻媒合熱門科技職缺

新北市政府青年局「2026 AI Practitioner Program（AI 實戰職涯營）」即日起開放報名！今年活動全面升級，由市府全額補助市值達 6.6 萬元課程，以 3 個月 AI 人才密集培訓為核心，導入 Amazon Web Services（AWS）技術專家培訓，協助 21 歲至 30 歲青年考取 2 張 AWS 國際認證，並解鎖 AWS 企業參訪，結訓後更有機會獲得雲端服務領導品牌「伊雲谷數位科技股份有限公司」熱門職缺優先推薦，協助青年迎戰 AI 浪潮、接軌職場。 新北市青年局長邱兆梅表示，AI 已成為各行各業重要的關鍵能力，因此青年局持續投入資源推動 AI 人才培育，希望培養能運用 AI 工具解決問題、創造價值的跨領域人才。本次「AI 實戰職涯營」全面升級，以更貼近職場需求做規劃，特別擴大招募名額、升級課程內容、增加人才媒合機制等，期望透過完整的系列課程，幫助青年掌握 AI 技能、提升職場競爭力。 新北市青年局表示，今年採「國際雙認證、商業實戰、企業見習、職缺媒合」打造系列課程，學員名額提升至 25 名。從今年 8 月至 10 月進行為期 3 個月的密集訓練，由 AWS 授權講師授課，並開設考前衝刺班，協助學員考取「AWS AI Practitioner」與「AWS Cloud Practitioner」國際雙認證；同時，也將帶領學員至 AWS 企業參訪，近距離接觸全球雲端產業實務，結訓後更享有「伊雲谷數位科技股份有限公司」30 個熱門職缺，包含「AI Solution Architect」、「解決方案架構師」與「雲端工程師」的優先推薦，全力協助青年從學習、考證到順利銜接就業。 […]

貝佐斯反駁 AI 失業潮：Prometheus 要用「通用人工智慧工程師」賦能工程師，讓發明更簡單快速

亞馬遜創辦人貝佐斯（Jeff Bezos）自 2021 年卸下執行長後，再度親自出任 CEO，與 Google 生命科學部門 Verily 前共同創辦人 Vik Bajaj 共同領導 AI 新創 Prometheus。 Prometheus 近日宣布完成 120 億美元的第二輪募資，使估值一舉達到 410 億美元。Prometheus 的野心極大，他們並不是要打造 AI 聊天機器人或實體機器人，而是將目光鎖定在真實的物理世界，致力於開發能服務物理世界的「人工智慧通用工程師（artificial general engineer）」。 什麼是「通用人工智慧工程師」？ Prometheus 將自身定位為「物理 AI」新創，試圖將 AI 的應用範疇從純粹的文字生成與軟體開發，推向複雜的實體工程及製造業場域。 「通用人工智慧工程師」是一款能自動化複雜實體系統設計與製造流程的 AI 軟體，貝佐斯在接受《CNBC》專訪時，將其形容為一種非常現代化的電腦輔助設計（CAD）系統。貝佐斯澄清，Prometheus 並非一家機器人公司，「我們正在打造的工具，將讓工程師在設計實體物件時變得容易許多」。 Prometheus 共同執行長 Vik Bajaj 向《WSJ》進一步解釋，這個系統的應用範圍涵蓋噴射引擎到藥物化合物的設計，目標是貫穿整個工程流程，從產品設計、效能預測到實際製造都能提供協助。「我們正試圖端到端地解決這個問題，」Vik Bajaj 說。貝佐斯也提到，他所創辦的太空公司藍色起源（Blue Origin）就是能夠從 Prometheus 的工具中大幅受惠的完美範例。  算力與真實世界資料的高門檻 然而，要實現這項目標，需要極為龐大的資源。這次募資除了貝佐斯本人外，也吸引摩根大通（JPMorgan Chase）、高盛（Goldman Sachs）與貝萊德（BlackRock）等重量級投資者參與。 針對這筆龐大資金的用途，貝佐斯向《CNBC》透露，絕大部分將用於取得算力。他解釋：「這是我們募資用途中的一大部分，我們必須籌集大量資金的原因在於，我們正在做的事情非常需要運算資源，需要去創造那些資料。」貝佐斯也表示，Prometheus 很可能成為 AWS 雲端運算服務的客戶，但兩家公司將保持獨立。 目前 […]

史上最大 IPO 背後：SpaceX 如何把太空定調成 AI 時代的新基礎設施？

馬斯克（Elon Musk）的火箭公司 SpaceX 完成了一場改寫紀錄的首次公開發行（IPO）。但比起 IPO 的規模，更值得關注的，是市場究竟在為什麼買單。一家去年才剛由盈轉虧的公司，如何說服投資人給出近百倍的市銷率，並把自己從一家火箭公司，重新定義為 AI 時代的基礎設施平台。 史上最大 IPO：750 億美元，超越 Saudi Aramco 根據《Reuters》，SpaceX 週四將 IPO 定價在每股 135 美元，售出 5.5556 億股，募得創紀錄的 750 億美元，使這家太空、衛星與 AI 業者估值達 1.77 兆美元。《The New York Times》指出，此舉打破了先前由沙烏地國營石油公司 Saudi Aramco 保持的紀錄：後者 2019 年掛牌時估值 1.7 兆美元、募資逾 290 億美元。SpaceX 將於週五在 Nasdaq 以代號 SPCX 開始交易。《Bloomberg》補充，這次 IPO 規模是 Aramco 的兩倍多，認購需求超過可售股數的四倍；若承銷團行使額外出售 8,330 萬股的選擇權，募資額可達約 860 億美元。 這場交易也充滿了馬斯克的個人色彩。《Reuters》指出，SpaceX 罕見地保留 30% […]

AI 用越多不代表越有價值：當 token 成本升高，企業決策者開始追問真正 ROI

矽谷在過去一年裡，逐漸將 AI 的使用量變成一種職場上的計分板。然而，這股追求 token 用量最大化（tokenmaxxing）的風氣正迎來反思聲浪，愈來愈多企業高層開始質疑，最大化 AI 使用量是否真的是衡量技術採用成效的正確方式。 《Business Insider》近日在 Mistral AI 峰會上訪問四位企業高層，當他們談到如何衡量 AI 的投資報酬率（ROI）時，沒有任何一個人一開始就談論員工到底消耗了多少 token。 「Tokenmaxxing」的副作用：製造錯誤激勵與資源浪費 這場思維轉變的起因，在於單純追蹤使用量往往會帶來錯誤的激勵機制。Replit 總裁暨 AI 負責人 Michele Catasta 近日在 Web Summit Rio 大會上，就強烈批評企業利用內部排行榜，根據員工使用 AI token 的多寡來排名的趨勢。 Michele Catasta 形容這種排行榜的做法「非常反烏托邦（very dystopian）」，並認為 token 消耗量與員工在公司內部產生的影響力並不成正比，是衡量員工表現的糟糕指標。他更警告，過度使用 AI 就如同出門不關燈、卻不在乎電費一樣「不負責任」，這不僅消耗更多能源，還會排擠其他公司想要建立在模型之上的應用容量。 事實上，一些美國大型企業已經意識到這個問題並開始改變做法。Amazon 在上個月取消內部的 AI 使用排行榜，因為有員工為了提升排名而刻意增加 AI 使用量，Amazon 發言人對此強調，該排行榜從來不是要鼓勵「為了用 AI 而用」。同時，Uber 營運長 Andrew Macdonald 也公開表示，他沒有看到不斷增加的 AI 成本帶來等比例的生產力提升，因此，若要將 token 消耗量與客戶價值畫上等號，仍然很困難。 […]

研發週期砍半、搜尋能見度翻倍：聯合利華怎麼用 AI 改造食品事業？

當消費者想找晚餐靈感時，打開搜尋引擎已不再是唯一選項。愈來愈多人開始直接向 AI 助理或大型語言模型（LLM）提問，例如「適合派對的三明治食譜有哪些？」或「適合年輕族群的熱門料理是什麼？」。在這樣的情境下，品牌是否能被 AI 推薦，正逐漸成為影響消費者購買決策的重要因素。 AI 搜尋時代來臨：品牌開始優化「被 AI 推薦」能力 快消品巨頭聯合利華（Unilever）觀察到，2026 年消費者的食物探索模式正快速改變，產品曝光競爭已不再局限於超市貨架與傳統搜尋引擎排名，對食品品牌而言，如何提高在 AI 生成答案中的能見度，已成為數位行銷的重要課題。聯合利華食品事業部整合需求開發總監 Olivia Kirby 指出：「品牌必須在 AI 生態系統中具備相關性、可見度以及被推薦的能力，才能在消費者提出問題的關鍵時刻出現在搜尋結果中。」 為了因應這項變化，聯合利華開始運用 AI 搜尋可見度平台（AI Search Visibility Platform），分析旗下品牌在各種大型語言模型中的表現，了解哪些內容容易被 AI 引用，哪些內容則難以被演算法辨識。分析結果顯示，傳統以人類閱讀體驗為主的內容架構，未必能獲得 AI 系統青睞。 因此，其旗下湯塊品牌 Knorr 與美乃滋品牌 Hellmann’s 開始調整網站內容策略，將食譜與產品資訊改寫成更具結構化的「機器可讀（Machine-readable）」格式。這類內容通常具備明確標題、條列化步驟、標示清楚的食材資訊以及易於解析的描述方式，能協助大型語言模型更快速理解內容意涵，提高被引用與推薦的機率。 2026 年美式足球冠軍賽 Super Bowl 舉辦前夕，Hellmann’s 發現自己在「Game Day sandwich recipes（比賽日三明治食譜）」相關 AI 搜尋中的能見度偏低。進一步分析後發現，品牌缺乏 AI 偏好的清單式（Listicle）內容格式，因此難以在 AI 生成答案中取得優勢。 團隊隨即展開內容優化行動，新增專門的比賽日三明治食譜專頁，重新調整關鍵字配置，並將既有食譜內容改寫成更容易被大型語言模型解析的清單形式。優化完成後，Hellmann’s 在相關搜尋結果中的排名提升 10 個名次，整體可見度指標也接近翻倍成長，大幅提高品牌出現在 AI 推薦內容中的機率。 以數位模擬優化配方組合，縮短新品上市週期 […]

展示容易部署難，人形機器人距離真正的工業化還有多遠？

中國智元機器人（AgiBot）具身業務部總裁姚卯青博士指出，客戶開始探討該如何部署機器人，因此轉捩點不僅在於人型機器人產能或產量的提升，更在於市場需求開始形成良性循環之時。

【科技早餐】台積電捲入美國專利戰，OpenAI 價格戰與 AI 監管同步壓上來

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊台積電捲入美國 ITC 專利案，AI 晶片供應鏈碰上執法壓力 台積電在美國面臨專利爭議。《Axios》報導，兩家與美國私募股權公司 Vector Capital 有關的專利公司，向美國國際貿易委員會提出申訴，指控台積電先進製程製造的晶片侵犯專利。這起案件也引發美國國會關注，四名共和黨議員已致函國際貿易委員會主席，要求對被認定侵犯美國專利的外國製晶片採取強力執法，並阻止相關產品進口美國。 台積電強調，公司運作完全遵循各國法規。台灣經濟部回應，這屬於企業間專利權爭議與美國法制程序，目前仍在審理中，政府尊重相關程序，也會持續關注後續發展。這起案件凸顯台積電在美國 AI 供應鏈中的戰略重要性，也讓美國在 AI 晶片供應穩定與本土專利執法之間的取捨受到關注。 ＊SK 海力士拚 2034 年產能增至三倍，海外 AI 工廠瞄準日本 SK 集團會長崔泰源表示，為了因應 AI 運算帶動的記憶體需求，旗下 SK 海力士正加速擴產，目標在 2034 年前，將晶圓產能提高到目前的三倍。SK 海力士目前正在南韓龍仁市興建四座晶圓廠，第一階段預計於 2027 年初完工。原本規劃到 2045 年完成的時程，已提前大約十年，目前工程上已很難再更快。 除了南韓本土產能，SK 也把海外擴張目標指向日本。崔泰源表示，日本具備電力、水源、工程師與半導體材料供應商，是海外設廠候選地。在 AI 工廠方面，SK 已規劃先在南韓於 2027 年啟用相關設施，並評估把日本作為海外擴張候選地，目標在 2028 到 2029 年間推進下一代 AI 資料中心，並與 NVIDIA 合作設計，以兼顧低功耗與高效能算力。 ＊OpenAI 準備 IPO 又考慮降價，AI 模型競爭進入價格戰 […]

複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業

人形機器人熱潮持續升溫，但市場正在出現兩種截然不同的判斷。一方面，研究機構 SemiAnalysis 認為，中國機器人公司宇樹科技（Unitree）正在複製大疆（DJI）與比亞迪（BYD）曾走過的硬體巨頭崛起路徑，透過掌握核心零組件、垂直整合供應鏈與規模化生產，建立西方競爭者難以追上的成本優勢，且「將主導人形機器人產業」。 另一方面，巴克萊銀行（Barclays）近日在 Boston Robotics Summit（波士頓機器人峰會）後發布的研究則提醒，即使製造成本持續下降，人形機器人距離真正大規模商業化仍有很長距離：安全認證、硬體成熟度、真實世界資料、運算成本與通用 AI 架構，仍是產業必須跨越的五大障礙。 中國硬體巨頭的養成公式：掌握最貴的零件 為什麼 SemiAnalysis 認為，Unitree 的策略與 BYD、DJI 有高度相似之處？該機構分析，一個成熟的中國硬體巨頭，其策略是：掌握物料清單（BoM）中最昂貴、最具挑戰性的零件，用這份掌控權累積無人能及的成本優勢，並透過自製供應鏈創造新市場。 SemiAnalysis 分析，BYD 當年從電池這個電動車最昂貴、最關鍵的零組件切入，逐步把電池、馬達、功率模組、車身、底盤等關鍵環節納入自家體系，最終建立成本與供應鏈優勢。DJI 則是先掌握飛控系統，從研究者與玩家市場起步，透過每一代硬體迭代打開新市場，從消費級空拍機一路進入測繪、巡檢、救災等企業場景。 Unitree 如何複製：以致動器為核心，從四足走向人形 SemiAnalysis 認為，Unitree 正是一個活生生的「大疆策略」案例。創辦人王興興曾是大疆員工，碩士論文做出低成本四足機器人 XDog，再以此創立 Unitree。Unitree 選定的核心零件是致動器（actuator，驅動機器人肢體的整合關節），它占人形機器人 BoM 的 50% 到 70%，正如比亞迪之於電池芯、大疆之於飛控。 Unitree 先從學術界切入：當大學實驗室在找不必花 7 到 10 萬美元以上的足式平台時，Unitree 的 Laikago 在 2018 年以 4.5 萬美元上市，A1 在 2020 年降到 1.5 萬美元，到今天的 Go2 視規格與地區落在 1,600 至 […]

科技業國家級網攻逾 58% 來自中國駭客，CrowdStrike 警告 AI 核心技術成首要目標

資安大廠 CrowdStrike 近日發布《2026 Technology Threat Landscape Report》報告，指出在 2025 年 4 月 1 日至 2026 年 3 月 31 日期間，所有針對科技業的國家級網路攻擊中，有超過 58% 是由與中國相關的駭客組織所發動。 CrowdStrike 警告，中國駭客組織正持續增加對美國科技公司的網路攻擊，核心目的是為了竊取 AI 能力，藉此縮小與美國之間的科技差距。這些駭客行動與中國政府的戰略優先事項高度一致，反映出中國對技術發展、智慧財產權，以及具有戰略價值資訊的濃厚興趣。 AI 模型、半導體與軟體供應鏈都被中國駭客鎖定 CrowdStrike 在報告中強調，過去幾年，科技業一直是網路犯罪者、國家級攻擊者最常鎖定的目標產業，這些攻擊的動機廣泛涵蓋財務利益、長期情報蒐集以及工業間諜活動。報告中所指的「科技業」，包含從事電腦硬體研發、開發或分銷的公司，以及 IT 服務及顧問、半導體和軟體公司。 在這樣的產業背景下，中國駭客組織正不斷升高對科技組織的間諜行動，試圖竊取中國無法足夠快速自行建立的 AI 能力和智慧財產。因此，中國威脅的對象已不只是大型前沿實驗室（frontier labs），也包含較小型的特定領域模型開發商。 此外，為了達成更廣泛的滲透，中國駭客也積極尋求進入下游客戶的環境，這可能進一步提高供應鏈遭到入侵的風險。報告也列舉具體的攻擊行動，例如攻擊者 SUNRISE PANDA 曾特別鎖定東亞與東南亞的郵件基礎設施；MURKY PANDA 對超過 340 個主要位於美國的組織發動密碼噴灑（password-spraying）攻擊；WARP PANDA 則利用系統漏洞入侵北美科技公司，以取得長期的內部存取權。 AI 追趕壓力推升網路間諜活動，中國否認相關指控 探究這波網路攻擊加劇的背後原因，《CNBC》分析，美國限制中國取得 AI 訓練晶片的政策，已對北京的科技發展造成限制。儘管中國本土 AI 模型正試圖透過降低運行成本，來提供接近美國模型的智慧能力，但科技追趕的壓力顯然推升網路間諜活動。 美國白宮科技政策辦公室曾於 2026 年 […]

打進亞洲 16 國市場！蔡玉玲：台灣將提名七家有「跨境實績」的金融科技強隊參加首屆 AFA Awards

據多項國際產業研究預測，亞洲將在 2030 年成為全球最大的金融科技市場。隨著產業發展加速，亞洲金融科技公司已從早期概念驗證階段，進一步邁向規模化、合規落地與實際應用，並在跨境支付、金融基礎設施、合規科技、數位金融與普惠金融等領域展現成熟解決方案。 在此趨勢下，第一屆亞洲金融科技聯盟大獎（The Asia FinTech Alliance Awards, AFA Awards）正式成立，旨在鼓勵具備可規模化營運能力的金融科技企業，奠基於國內市場的成功經驗，進一步拓展至 AFA 成員所涵蓋的 16 個亞洲經濟體。 臺灣金融科技協會名譽理事長蔡玉玲，也是創立獎項的亞洲金融科技聯盟（Asia Fintech Alliance, AFA）主席，她表示：「這是亞洲首度由 16 國金融科技協會聯手打造的殿堂級獎項。我們不只在選拔頂尖技術，更在尋找有實績可解決『跨境痛點』的公司。本次大賽特邀國際投資機構參與決選，得獎者有開拓 16 國市場的機會。這不只是一場比賽，更是引領亞洲跨國金融生態大升級的起點！」 由 16 個亞洲經濟體提名，爭取 AFA Awards 五項大獎 AFA 自成立以來，即採取「一個經濟體僅由一個組織代表」的會員制度，目前已匯聚來自 16 個經濟體的會員，包括：臺灣、韓國、新加坡、日本、菲律賓、印尼、香港、馬來西亞、泰國、柬埔寨、蒙古、尼泊爾、印度、越南、斯里蘭卡及烏茲別克。 本屆 AFA Awards 採邀請提名制，由 AWS 臺灣提供技術建議及安永臺灣擔任顧問。所有參賽企業皆須由 AFA 會員正式提名，每個會員最多可推薦七家企業參賽，並由來自 16 個經濟體的創投與專家評比， 經過兩階段的遴選機制，選出最具代表性與國際發展潛力的企業。 AFA 副主席 Dongpyo Hong 是 AFA Awards 的幕後推手，他也是韓國金融科技產業協會全球聯盟與合作負責人。他表示：「AFA Awards 最特別之處，在於 16 個 […]

AI Agent 不只導購，還能下單付款：Visa 串接 OpenAI 讓「機器買家」也能被授權與控管 

OpenAI 與 Visa 近日在 Visa Payments Forum 上，正式宣布擴大戰略合作，目的是將「代理驅動商務（agentic commerce）」推向主流市場。這項合作將把 Visa 的支付服務整合進 OpenAI 的平台中，讓使用者能直接將 Visa 信用卡與 ChatGPT 綁定。 這也代表，未來使用者在給予授權後，可以直接指示 AI Agent 代為完成線上購物，不僅涵蓋支付帳單、購買紙巾、尿布、雜貨或機票等日常消費，使用者甚至可以下達如「幫我尋找並買一副 150 美元以下的無線耳機」這類具體指令，由 AI Agent 協助完成搜尋與結帳。 事實上，這並非 OpenAI 首次嘗試進軍電子商務。去年底，OpenAI 曾推出「Instant Checkout」功能，讓 ChatGPT 扮演數位個人購物助理，但由於流程容易出錯，加上向商家收取高達 4% 的交易手續費而未獲廣泛採用，讓這項服務最終在今年 3 月畫下句點。因此，這次 OpenAI 與 Visa 的深度結盟，正是為了解決過去的痛點，重新打造一套可行的商業模式。 對 Visa 而言，這也是其 AI 佈局的延伸。Visa 早在去年就已宣布與 Anthropic 及 Microsoft 等公司合作開發 AI 產品，Visa 全球市場集團總裁 Oliver […]

Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？

Anthropic 執行長 Dario Amodei 發表長文〈Policy on the AI Exponential〉（AI 指數成長政策），試圖系統性提出 AI 時代的政策藍圖。這篇文章值得關注的地方，不只是 Anthropic 再次呼籲監管 AI，而是其主張明顯從過去的「透明化」走向更具約束力的政府管制。 Amodei 在文中直言，過去幾年 Anthropic 支持的政策，多半是讓模型開發商揭露安全程序、測試結果與重大安全事件，目的是讓政府、社會與科學界更早看見風險。但他認為，現在情況已經不同。 他指出，AI 模型 Claude Mythos Preview 顯示前沿模型已能對網路安全帶來真實衝擊，可能影響金融體系、關鍵基礎設施與國家安全。對 Amodei 而言，這代表 AI 已不再只是消費科技或企業工具，而是具有全球戰略意義的技術。他並預期，生物風險可能很快接踵而至，嚴重的 AI 自主性風險也可能不遠。 從資訊揭露走向事前審查：Anthropic 想建立什麼制度？ Amodei 在文章中表示，Anthropic 先前支持透明化法案，是因為當時 AI 風險雖然可預期，但具體樣貌尚未清楚，若太早立法，可能只會帶來無效的合規負擔，卻無法真正防範最重要的風險。但他現在認為，「風險已經到來」，因此監管也必須超越透明化。 他提出的核心主張，是建立類似美國聯邦航空總署（FAA）的 AI 監管制度。他認為前沿模型如同飛機、汽車或藥物一樣，是現代社會不可或缺的強大技術，但若設計或操作不當，也可能造成大規模傷害。 事實上，Anthropic 釋出的「先進 AI 框架」提案包含幾項要點：運算量超過特定門檻（10²⁵ FLOPs），或由 AI 營收超過 5 億美元、AI 研發支出超過 10 億美元的公司開發的模型，必須接受合格第三方的強制測試，評估其在資安、生物武器、AI 系統失控，以及可能加速上述風險的自動化研發這四個領域的風險等級；若模型被認定構成不可接受的風險，政府將有法律權限阻止、延遲或限制其部署，但此權力須限縮於這四項風險，並設有防止政治偏袒或恣意決定的保護措施。 第三方評估可由類似 […]

【哲學家也進科技業了】從 Claude 佈道者到首席 AI 長，在 AI 時代誕生的全新職位有哪些？

當多數新聞聚焦在 AI 造成企業裁員時，宣布裁員的企業同時也正在大舉招募兩年前根本不存在的職位。 AI 時代正在出現哪些新職位 目前 AI 產業最搶手的角色，是前沿部署工程師（Forward Deployed Engineer）。這個職稱最早由 Palantir 在 2010 年代推廣，做法是把專精的工程師直接派駐客戶端，量身打造 AI 解決方案，而非交付現成軟體。 根據求職平台 Indeed 的資料，2026 年 1 月這類職缺的數量約是前一年的十九倍。OpenAI、Anthropic、Google、AWS 與 Palantir 都在搶人，起薪落在 11.5 萬到 20 萬美元以上。Palantir 執行長 Karp 曾把這個角色比喻成法式餐廳裡的資深侍者，既懂產品又能提供極致服務。 另一個出現速度同樣驚人的職位是 AI 佈道者。Anthropic 在找「Claude 佈道者」，要求至少七年的創辦人兼開發者經歷，開價 24 萬美元，遠高於美國公關總監約 10.6 萬美元的平均薪資。 OpenAI 把溝通團隊規模擴大了三倍，Adobe 也在徵「商業架構師暨 AI 佈道者」。背後的邏輯是，AI 產品太複雜、影響太重大，無法靠傳統行銷賣出去，必須由人親自解釋、示範並建立信任。 更讓人意外的是哲學家的需求。Anthropic 設有常駐哲學家，Google DeepMind 也有，兩者都聚焦於讓模型對齊人類價值。DeepMind 近期招募的 AI 倫理與安全新興影響經理，底薪介於 21.2 […]

氣候異常、原料波動、通膨壓力同時來：食品大廠 Cargill 如何用 AI 穩定供應鏈運作？

近年來，全球食品產業面臨前所未有的挑戰。極端氣候影響農作物產量與品質，地緣政治與貿易摩擦持續干擾原料供應，通膨則推高食品生產成本。在消費者要求價格合理、兼顧美味與永續的情況下，傳統食品研發模式正面臨越來越大的壓力。 作為全球最大的農業與食品企業之一，成立超過 150 年的企業掌握全球糧食、農產品加工、食品原料與供應鏈網的 Cargill 近年積極將 AI 導入產品開發流程，希望透過資料驅動的方式加速創新，同時提升供應鏈韌性與市場應變能力。Cargill 研發資深總監 Renee Boerefijn 表示：「當前的競爭重點已經不是誰最快推出產品，而是誰能更快學習、更有效降低風險，並在複雜環境下維持穩定成長。」 以 AI 模擬成分組合，大幅縮減實體測試成本 Cargill 的做法是將 AI 與數位工具全面嵌入產品開發流程，涵蓋早期消費者洞察、概念發想、成分配方設計、量產規模化以及工廠營運等環節。 Cargill 特別強調感官科學與 AI 的結合。該公司透過獨家的「Heartbeat 感官智慧計畫（Heartbeat Sensory Intelligence Program）」，整合大規模消費者數據、專家評測小組以及產品配方模型，建立可預測消費者偏好的分析系統。這套機制能在產品正式上市之前，預測消費者對風味、口感與整體體驗的接受程度，協助研發團隊提前篩選最具潛力的方案。 過去食品研發往往需要進行大量實體測試，透過反覆試做與消費者調查尋找最佳配方。如今，AI 模型可先模擬不同成分組合可能產生的效果，讓研發人員在進入實驗室之前便掌握方向。這不僅降低實體測試次數，也縮短配方調整與產品優化所需的時間，讓新品開發流程更加有效率。 拒絕研發「無法量產」的空殼新品！AI 幫忙鎖定黃金配方 除了改善產品研發效率，AI 也被用來處理食品產業最棘手的問題之一：供應鏈不確定性。 食品業長期受到原料價格波動影響，近年氣候異常更進一步增加農產品供給風險。當研發團隊設計新產品時，即使配方表現優異，也可能因原料供應不足、成本過高或永續性考量而無法落地。因此，Cargill 將供應鏈與研發資料整合至同一套分析框架中。 透過 AI 模型，研發團隊能在產品開發初期即同步評估原料採購條件、市場價格變化與環境衝擊。例如某項原料未來可能因乾旱導致產量下降，或國際市場價格出現大幅波動，系統便能提前反映相關風險。團隊可及早調整配方策略，避免投入大量時間開發最終無法量產的產品。 這種做法讓產品設計不再只考量風味與功能，同時兼顧成本結構、供應穩定度與永續目標。對食品企業而言，能夠在研發早期預測這些變數，有助於提高產品上市成功率，也能降低後續供應鏈中斷帶來的衝擊。 Cargill 的實踐顯示，當消費者需求、供應鏈變化與永續壓力同時發生時，企業若能將感官科學、市場數據與供應鏈資訊整合進同一套 AI 決策系統，就有機會更快找到兼顧市場需求、成本控制與供應穩定性的解決方案，建立更具韌性的食品創新模式。 【推薦閱讀】 ◆ 幫草莓拍張照就知道能不能賣：美連鎖超商的 AI 生鮮品管工具，如何解決人工檢驗標準不一的老問題？ ◆ 幽靈庫存讓線上訂單取消、顧客流失：RFID 如何把服飾庫存準確率拉升到 95% 以上？ ◆ 從 […]

【科技早餐】OpenAI 傳租 10GW 園區，台積電、資安與資料中心人力同步承壓

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 傳租 10GW 園區，AI 算力戰從模型燒到電力與金融 OpenAI 正在洽談租用一座位於美國俄亥俄州南部、能源部土地上的資料中心園區，規劃容量高達 10GW。報導指出，這項交易可能獲得 NVIDIA 的財務支持，建設成本可能至少達到 5,000 億美元，租期長達 20 年，第一階段預計 2028 年啟用。不過，《路透》也表示，尚未能獨立查證這篇報導，OpenAI 與 NVIDIA 也未立即回應置評請求。 如果這項計畫成形，代表 OpenAI 的競爭焦點已經不只在模型本身，而是進一步延伸到電力、資料中心、晶片供應與長期資本。OpenAI 執行長 Sam Altman 與首席科學家 Jakub Pachocki 近期也提出 OpenAI 下一階段方向，目標是讓先進 AI 變得更充裕、可負擔，並讓更多個人與組織使用。 ＊台積電回應漲價與海外設廠，最尖端製程生產仍留台 台積電財務長黃仁昭接受《BBC》專訪時表示，通膨確實推升公司成本，台積電並未排除未來調整價格的可能。不過他也強調，不會出現「四倍、五倍」這樣的劇烈漲幅，台積電的定價，反映的是技術領先與製造能力所創造的價值。黃仁昭也回應外界對台積電海外布局的質疑，表示台積電到台灣以外地區擴建產能，是基於客戶需求，不是政府要求。 談到最先進晶片的生產地點，黃仁昭表示，最尖端製程生產將持續留在台灣。這番說法凸顯台積電目前面對的雙重壓力：一方面，客戶希望公司快速擴充產能，支援 AI 晶片需求；另一方面，海外設廠、通膨與供應鏈重建，也讓成本結構變得更複雜。同時間，台積電最新公布 5 月營收達新台幣 4169.75 億元，創下單月歷史新高，年增 30.1%，顯示 AI 相關需求仍然強勁。 ＊Anthropic 開放 Fable 5，資安能力上鎖成前沿模型新門檻 Anthropic 宣布開放旗下最強公開模型 Claude […]

Loop Engineering 崛起：當 AI Agent 能自己工作，Google 工程師點人類三大職責

AI Coding 的玩法，正從 Prompt Engineering（提示工程）擴大至「Loop Engineering（迴圈工程）」。OpenClaw 創辦人 Peter Steinberger 近日於社群平台 X 上發文：「每月提醒：你不該再對 Coding Agent 下提示了。你該設計的是會自動去提示 Agent 的 loop（迴圈系統）。」這則貼文截至發稿前獲得超過 790 萬次瀏覽。 同樣地，Anthropic Claude Code 負責人 Boris Cherny 日前表示：「我已經不再直接 Prompt Claude。現在是我建立的 Loop 在替我 Prompt Claude，並自行判斷接下來該做什麼。我的工作，就是設計這些 Loop。」 這些討論讓 Loop Engineering 一詞迅速竄紅。隨後，Google 工程師（Google Cloud AI 部門總監） Addy Osmani 在個人部落格發表長文，替這個概念提出一套完整的理解框架，並進一步點出他認為人類工程師扮演的角色。 從 Prompt Engineering 到 Loop Engineering 在 Prompt Engineering 工作模式下，開發者與 […]

中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？

目前中美兩國正主導著全球人形機器人的研發競爭，根據巴克萊銀行（Barclays）近期的研究報告指出，去年中國製造的人形機器人已經占據全球約 85% 的市場份額。這股熱潮背後的關鍵動力，就是為了尋求國內人口老化、勞動力成本不斷上升等社會經濟問題的解方。 然而，隨著中國在人形機器人硬體製造與產能上已獨步全球，隨之而來的最大挑戰卻是：市場的真實需求到底在哪裡？部分專家與創投人士點出其中的核心矛盾，認為目前市場對人形機器人的真實需求與應用場景仍十分有限，遠遠落後於製造商龐大的生產能力。投資科技新創的戈壁創投（Gobi Partners）合夥人 Chibo Tang 更直言，如果沒有來自市場的應用需求，這些企業實際上將難以真正邁入大規模量產的階段。 中國人形機器人量產優勢成形：出貨規模、產能擴張與政策力同步推進 中國企業的機器人出貨量究竟有多麼可觀？研究機構 Omdia 的數據顯示，如智元機器人（AGIBOT）、宇樹科技（Unitree）等中國指標性企業，在 2025 年的出貨量各自已突破 5,000 台，這個數字遠遠超過特斯拉（Tesla）、Figure AI 等美國競爭對手僅生產數百台的規模。 在擴充產能的具體行動上，擁有二十年歷史的智慧型手機與電子製造商領益智造（Lingyi iTech）副總裁 Philip Yang 表示，其位於北京的工廠目標在今年量產一萬台機器人，並計畫在 2030 年達到年產 50 萬台的龐大生產規模。這股產業推動力背後有著強烈的政治色彩，在中國五年規劃的強力支持下，發展人形機器人已成為國家任務之一。 量產不是商業化，人形機器人的真實需求仍待觀察 儘管產能驚人，中國人形機器人的真實訂單現況卻顯得雷聲大雨點小。貝恩策略顧問駐北京合夥人 Xin Cheng 指出，截至目前絕大多數的人形機器人訂單一次僅採購一到兩台。摩根士丹利的研究則進一步顯示，目前許多價值龐大的訂單多半來自國營企業，被應用於發電廠、數據中心或作為娛樂用途，或是由企業與學術研究機構買下作為研發之用。 不過，部分製造商表示市場需求正在增長。例如 Matrix Robotics 宣稱已收到約 1,000 台訂單，客戶包含咖啡連鎖店與飯店；EngineAI 則表示其機器人可應用於保全與博物館導覽。 在實用性方面，人形機器人目前仍面臨嚴峻的技術瓶頸，美國智庫新美國（New America）高級研究員 Samm Sacks 觀察到，多數人形機器人仍然偏向表演性質而非具備實質功能，在難以預測且雜亂的真實環境中，它們的表現依然不盡理想。Samm Sacks 進一步解釋，人形機器人的經濟效益仍難以成立，其生產成本依然高昂，在操作上卻非常脆弱，且高度依賴結構化的環境才能順利運作。 以規模化降本，用軟體與數據立足 面對商業化的重重挑戰，中國廠商試圖以規模化殺出一條血路。藉由龐大的量產規模，以及採用本土零組件的優勢，中國製機器人平均比外國型號便宜 20% 以上。領益智造（Lingyi iTech）副總裁 Philip Yang 表示，擴大生產規模可以直接將目前約 30,000 […]