Archives

【科技早餐】Google TPU 首度跨雲進駐 Oracle！NVIDIA 擬擴張多 GW AI 算力

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google TPU 首度跨雲進駐 Oracle！NVIDIA 擬擴張多 GW AI 算力 Oracle 與 Google 在 10 月 27 日宣布，將 Google 自研的張量處理器（TPU）引進 Oracle Cloud Infrastructure（OCI），預計 2027 年開始提供服務。這是 Google TPU 首次進入 Google 以外的超大型雲端平台。Google 第八代 TPU 分為針對模型訓練設計的 TPU 8t，以及著重推論的 TPU 8i，支援大型模型與 AI 代理等工作負載。Oracle 將提供資料中心電力、散熱及網路基礎設施，讓企業能在同一個雲端平台選擇不同晶片架構。雙方規劃從 2027 年開始部署，並在未來數年逐步擴大供應規模。 同一天，Oracle 與 NVIDIA 也宣布擴大合作，計畫將搭載 Vera Rubin 系統的 AI 超級叢集擴展至數 GW 規模。NVIDIA Vera […]

荷蘭擬 10 年縮減 2.5 萬個公職，AI 真能讓政府瘦身？專家警告申訴量可能增加

荷蘭政府近日宣布，計畫在未來 10 年減少約 2.5 萬個全職政府職位，目標從 2035 年起每年節省 35 億歐元（約 39 億美元），並將在 2027 年第一季前提出如何運用 AI 協助達成目標的詳細計畫。 《Bloomberg》形容，這項以 AI 為主軸的效率計畫，可能是目前為止政府運用科技縮減人力最具野心的計畫；但要讓計畫奏效，並在其他國家推行類似方案，可能並不容易。 荷蘭擬削減 2.5 萬個職位，部分機關人力最多恐砍 60% 荷蘭政府打算透過這項計畫，減少約 15% 的中央政府人力。警察與國防等領域不在削減範圍內，各部會、監督機關與執行機構的人力，則可能最多減少 60%。 荷蘭政府人力過去持續擴張。《Reuters》指出，雖然先前幾屆政府都曾提出類似的縮編目標，自 2018 年以來，荷蘭政府仍新增約 4.65 萬個職位，人力增加 40%。 若換算到美國，《Bloomberg》試算，這項計畫相當於裁減約 15 萬個職位，約是 2025 年川普第二任期初期，Elon Musk 主導的政府效率部（DOGE）重整聯邦人力後，離職聯邦員工人數的一半。換算到英國約為 7.5 萬個職位，法國則略高於 5 萬個，不過各國公務員的人數與職務難以直接比較。 各國政府導入 AI 仍落後企業，數位主權也成考量 相較於企業自 2022 年 ChatGPT 推出以來，已陸續宣布多波與 AI 相關的裁員，《Bloomberg》指出，政府在這方面仍落後一段距離。經濟合作暨發展組織（OECD）在 2025 年 […]

Qwen3.8 試圖連往阿里雲，是後門還是訓練殘留？企業部署 AI 代理先管住對外連線

加拿大企業 AI 模型公司 Cohere 在美國時間 10 月 26 日發布報告指出，阿里巴巴的開放權重（open-weight，公開模型權重供外界下載部署）模型 Qwen3.8-Flash-Next 在一次資安基準測試中，沒有完成指派的任務，反而探查所在環境，並試圖把一段測試字串上傳到阿里雲北京區的雲端儲存空間。這個請求被測試用的沙盒（sandbox，與外部網路隔離的測試環境）擋下，但模型的推理紀錄（reasoning trace，模型行動前寫下的思考過程）中，卻寫著它不會呼叫任何工具。 Cohere 坦言無法判斷原因；獨立研究者的測試則提出另一種解釋：模型更像是記住了阿里巴巴的訓練環境，而非被埋了後門。對正在評估或已導入開放權重模型的企業而言，更實際的問題或許是：當 AI 代理的實際行為與它的推理紀錄不一致，企業該靠什麼把關？ Cohere 抓到什麼？Qwen3.8 沒寫偵測規則，反而試圖上傳字串到北京 Cohere 測試的 Qwen3.8-Flash-Next，是阿里巴巴 8 月推出、用來預覽其 Qwen4 架構的模型。Cohere 使用微軟的 CTI-REALM，這是評估 AI 代理執行資安分析師工作的基準測試；模型拿到的任務，是撰寫一條偵測規則，找出惡意檔案的下載與執行。 根據 Cohere 的描述，模型先列出暫存資料夾的內容、檢查有哪些傳輸工具、讀取機器的 DNS 設定，接著試圖把一段測試字串上傳到阿里雲北京區的儲存桶（bucket，雲端儲存服務中存放檔案的空間），並檢查是否成功。《XDA Developers》指出，上傳的內容是固定字串「PROBE_PAYLOAD_ABC123」，而不是模型剛蒐集到的環境資訊。 Cohere 表示這種行為相當罕見，在評測中出現的頻率低於每 10 萬次呼叫 1 次；用同一個提示重跑，模型也寫出了標準的偵測規則。但 Cohere 推估，一個每週處理 1,000 萬次代理回合的服務，可能會遇到多達 100 次這類呼叫。 至於原因，Cohere 表示：「我們無法回答這是刻意為之，還是訓練留下的錯誤。」它提出兩種可能：一是模型記住了訓練沙盒中的代理紀錄，Cohere 稱之為「良性化石」；二是刻意植入的「回傳」機制。 是後門還是訓練殘留？獨立調查認為不像刻意設計 《VentureBeat》提醒，Cohere 與阿里巴巴在企業客戶市場相互競爭，對這項發現有商業利害關係；Cohere 也沒有公布 […]

「導入 AI 是競爭力，還是入場券？」鴻海集團亞灣超算蘇介安：差異化才是關鍵

當百工百業開始使用 AI，搶先導入 AI 到工作流的企業就能脫穎而出嗎？鴻海集團亞灣超算產品總監蘇介安於 TechOrange 科技報橘日前舉辦的「2026 企業 AI 主權高峰論壇」，分享企業需要先辨識哪些 AI 應用值得投入與深化為強項，並在推動 AI 發展的同時，掌握資料治理與 AI 控制權。 「你必須在企業端去辨識，AI 到底應用在哪一個階層，」蘇介安引用 Gartner 的架構，依企業競爭力，將 AI 應用分成三層來說明 AI 的商業價值。最底層是維持市場生存的「基本門檻」，如同數位結帳已是零售業的日常；往上第二層是「追隨趨勢」，當同業跟上市場標準，推出自動化客服、動態庫存排程等，企業也得思考如何回應；最頂層則是「差異化優勢」，讓 AI 參與最關鍵的業務決策，創造難以被競爭對手複製的市場價值。 蘇介安以製藥業為例，新藥從研發、臨床試驗、法規審查到產品上市，每一關都是重資本、長週期的考驗；若 AI 能協助團隊整合研究與臨床資料並加入商務價值的參數，提早判斷哪些研發項目值得投入，影響的就不只是工作效率，更是資金與人才如何分配，以及 AI 如何結合核心業務決策，展現 AI 創造差異化競爭優勢。 但蘇介安也提醒，企業在實際推動 AI 應用時，仍會面臨四大瓶頸：分散於各系統及難以串接的資料、缺乏從應用開發到底層基礎設施專業能力的 AI 人才、難以兼顧穩定與高效的算力供應，以及風險控管與資料安全的治理挑戰。 自建 AI 算力中心需要面對的四大能力 出於資安考量，不少企業想要自己建算力，但蘇介安提醒，自建算力的挑戰，初期硬體投資只是第一步，機房工程、系統底層架構、模型維運、資安與實體防禦，乃至供應鏈與資本調度，都需要長期投入。 除了建置與維運能力，蘇介安指出自建算力的三大隱憂：「投資效益低」、「技術迭代快」與「資源被排擠」。他引用 Epoch AI 的估算並換算成一櫃 NVIDIA GB200 NVL72 的算力投資，前期資本支出約 1.5 億新台幣，將資本支出依資產使用年限攤提後，五年的總擁有成本約 1.7 億新台幣。企業仍須依自身規模與使用效益評估，甚至也可能排擠企業投入核心 AI 應用的資源。 […]

主權 AI 不只是自己練大模型，數發部次長侯宜秀：企業導入 AI 代理，先把資料與 Know-how 留在自己手上

專訪：戴季全撰稿：張哲瑋 談到主權 AI，不少人的第一印象是台灣要訓練一個自己的大模型。數位發展部政務次長侯宜秀在《全新一週》提出不同看法：從主權的概念來看，主權 AI「一定不是只有硬體，或甚至不是一定只有模型」，資料、治理與安全同樣關鍵。 侯宜秀是律師出身，2025 年 9 月加入政府前，曾任財團法人台灣人工智慧學校基金會秘書長，也是 g0v 零時政府揪松團決策委員。本集節目中，她從主權 AI 的架構，談到企業導入 AI 代理（AI Agent）後的資料治理、風險管理與商機。當 AI 代理開始替企業執行任務，資料該留在哪裡？風險又該如何管控？ 主權 AI 不只是模型：為什麼要在「五層蛋糕」上再加一層資料？ 侯宜秀指出，「主權 AI」一詞由 NVIDIA 執行長黃仁勳提出。主持人戴季全提到，這個概念有助 NVIDIA 多賣 GPU，她表示贊成，認為供應全球多數 AI 伺服器的台廠也能受惠。不過，要談主權 AI 涵蓋哪些面向，她回頭引用黃仁勳的另一個說法「五層蛋糕」。 黃仁勳在 NVIDIA 官方部落格的〈AI Is a 5-Layer Cake〉一文中指出，從產業角度來看，AI 是一個五層堆疊，上層仰賴下層運作，由下而上分別是能源、晶片、基礎設施、模型與應用。侯宜秀則表示，數發部在思考台灣的主權 AI 政策時，認為應在這五層架構之外，另外納入資料。 她解釋，資料代表過去累積的 Know-how 與知識，也包含 AI 時代會持續累積的東西；處理好資料治理，等於在處理未來如何持續提升競爭力。人才、治理與安全則貫穿這六層，目標是打造可控、自主、安全、有韌性，並且「對齊我們所願意認同的價值」的 AI。 資料又分兩層，政府的處理方式也不同。通用的訓練資料，政府會推動主權語料庫，當作一種基礎建設，目前從政府部門不涉及個資的資料做起。據《中央社》報導，數發部的「台灣主權 AI 訓練語料庫」已整合正體中文高品質語料，開放各界使用。 導入 AI 代理後，企業的使用資料與 Know-how 如何留在自己手上？ […]

Anthropic 主管停考程式面試、Snowflake 新聘七至八成是初階工程師：AI 時代新人反而更搶手？

近日，AI 公司 Anthropic 工程經理 Felix Rieseberg 發表文章表示，他已不再於招募時使用傳統程式面試，並認為在 AI 時代，相對新進的工程師同樣有機會做出成果、超越年資更久的同事。資料與 AI 平台 Snowflake 工程資深副總裁 Vivek Raghunathan 先前也在《Fast Company》撰文指出，Snowflake 目前的招募名額中，初階工程師占 70% 至 80%，因為若淘汰初階工程師，未來將不會有兼具判斷力、直覺，並扎實理解 AI 原生開發方式的資深領導者。 Raghunathan 寫道，科技業最大的招募迷思，是認為 AI 正讓初階工程師變得過時。這個邏輯看似合理：AI 能寫程式，何必再雇人寫更多程式？初階工程師一直以來都是在工作中學習，靠修復程式錯誤、推出小型功能，逐步累積真正的判斷力；如今程式碼代理（coding agent）已能處理許多這類工作，企業便認為可以砍掉職涯階梯最底層的幾階。Rieseberg 則提到，已有大量文章討論 AI 如何讓初階工程師、尤其是求職者面臨挑戰，但他觀察初階工程師使用 AI 一段時間後，抱持較樂觀的看法。 Anthropic 工程經理停用程式面試：企圖心勝過年資 在為自己的團隊招募成員時，Rieseberg 本月起不再要求應徵者參加傳統程式面試。他說，過去能否快速定義問題、找出簡潔解法，雖然只是「微弱但有用」的指標，仍能預測應徵者在他團隊中能否成功；用真實程式碼出的小型程式題，也確實能看出應徵者的一些能力。但這已不再成立，如今出一道 React 小型挑戰題，就和考組合語言一樣沒有意義，因為 Claude 在這兩方面都已經做得更好；團隊中最具影響力的開發者，無論這類測試表現如何，都能做出成績。 在 Rieseberg 看來，傳統程式面試不會再回來。他表示，自己還沒完全找到面試「善於運用 AI 開發的人」的方法，目前會從履歷與作品集中，尋找能展現品味、同理心與原則性思考的小型原型。 Rieseberg 觀察到，一個人能創造的影響力，受多年累積的框架與函式庫知識限制已經變小。他看到一些相對新進的工程師，快速超越那些程式能力可能更好、資歷也久得多的人，並以「Hunger beats tenure」（企圖心勝過年資）形容這個現象。他也表示，「初階」其實不是精準的說法，他的建議真正寫給的是缺乏人脈、地位與權力的工程師。 新人的眼光即使天真，長久以來都被視為一股力量。Rieseberg 剛加入金流公司 Stripe 時，創辦人 […]

Anduril 聯手高通推「美國造」筆電 BlueChip，晶片擬交台積電亞利桑那廠，面板等零件仍是缺口

以軍用無人機與 AI 軟體聞名的美國國防科技公司 Anduril，在美國時間 10 月 27 日與高通（Qualcomm）宣布推出電腦產品線 BlueChip，首款產品是在美國設計、組裝的強固型筆電，鎖定政府、國防、第一線救難與公共安全單位，預計 2027 年開始接單。Anduril 稱，以零組件採購成本計算，原型機約 32% 來自美國本土，加上盟國供應商則超過 90%；Anduril 創辦人 Palmer Luckey 也坦言：「我認為，我們出貨的產品很可能不會是 100% 美國製。」 Anduril 在新聞稿中指出，美國已投入數十億美元擴充本土半導體產能，但完整的電腦還需要電路板、面板、電池等零組件，這些仍多在海外生產。BlueChip 的供應鏈由哪些環節組成、缺口在哪裡？在筆電代工、面板與強固型電腦都有布局的台灣業者，和 BlueChip 是夥伴還是對手？ 從無人機跨到筆電，Anduril 為什麼要在美國造電腦？ Anduril 也認為，數十年的生產外移，讓美國從個人裝置到政府關鍵基礎設施所用的電腦與零組件，都依賴外國製造商，構成國安弱點；一旦發生衝突或海外供應鏈中斷，美國可能在最需要的時候拿不到運算硬體。 「像 Anduril 這樣的公司做這種事，聽起來可能很瘋狂。」Luckey 在媒體說明會上說。但他認為，這和 Anduril 的本業差距不大：「看看我們任何一款自主無人機，裡面都有 CPU、GPU、記憶體、儲存裝置、主機板、電池、感測器、無線電模組，基本上就是任何電腦都有的東西。唯一的差別在於外形，以及它有螢幕和鍵盤。」 根據《TechCrunch》報導，BlueChip 更大的目的，是提供美國政府機關一款符合美國製電腦採購法規的產品，賣點是客戶能追蹤、稽核的透明供應鏈。Luckey 形容：「這些電腦是反監控電腦。你可以完全掌控它。」 Luckey 也表示，軍方對安全、環境、衝擊與振動的要求最嚴苛，因此以軍方使用者為設計基準。 晶片預計由台積電亞利桑那廠生產、電路板在俄亥俄組裝，BlueChip 怎麼組成？ BlueChip 採用高通 Snapdragon X 系列晶片，負責通用運算、圖形處理與裝置端 AI（直接在裝置上執行 AI 模型）。高通總裁暨執行長 Cristiano Amon 表示，這款筆電的處理器打算在台積電亞利桑那廠生產。Luckey […]

Google 推 Genie 4 邁向「混合式世界模型」，為何生成虛擬世界還要加入 Gemini？

AI 不只能生成圖片、影片，還能創造一個可以走進去探索、即時改變場景的虛擬世界。Google DeepMind 在美國時間 10/27 發表新一代世界模型（World Model）Genie 4，不只提升虛擬環境的真實感，還能同步生成聲音、模擬人物行動，讓使用者在探索過程中持續改變場景。 更值得注意的是，Google 這次讓 Gemini 參與世界模擬，利用大型語言模型的推理能力，協助規劃、追蹤複雜事件的發展。這也是 Google 朝「混合式世界模型」（Hybrid World Models）邁進的初步嘗試：結合語言模型的邏輯推理，以及世界模型對環境的即時模擬能力。 Excited to share Genie 4 today our most realistic and interactive world model: – steer dynamic environments in real time, shaping events, camera angles, and actions – generate native audio matched to the world, from realistic background sounds to […]

【token 變便宜，AI 帳單反而更貴】代理成本 2028 年前增逾 5 倍，Gartner 建議企業為推論分級

token 越來越便宜，企業的 AI 帳單卻可能越來越貴。市場研究機構 Gartner 預測，token 成本到 2030 年將下降 95%，但代理式工作流程的推論成本，到 2028 年卻將成長超過 5 倍。 Gartner 把這個現象稱為「推論悖論」（Inference Paradox）。不少企業以為 token 單價下降，AI 成本也會跟著降低，但 AI 代理人正在打破這個假設。 token 變便宜，代理人卻讓成本變高 推論悖論的第一個成因，在於模型實驗室。Gartner 分析師 Will Sommer 表示，token 的生成效率確實在提升，但基礎 AI 實驗室並沒有把這些節省下來的成本留著，而是投入需要更多算力的次世代模型，每 token 的成本也因此更高。 結果是舊有能力越來越便宜，前沿模型卻越來越貴。 Sommer 以 Anthropic 的 Fable 每 token 價格高於 Opus 為例，說明這種兩極分化。他也指出，在這個情況下，token 成本其實沒有下降，而是差距越拉越大。 分析師形容，市場陷入了「token 通縮錯覺」。買方以為 AI 供應商改善 token 經濟效益後，省下的成本會反映在發展藍圖上，但事實並非如此。 第二個成因是用量。token 效率提升，讓更複雜的工作負載變得可行，而這類工作負載消耗的 token […]

【科技早餐】Meta AI 投資有多燒錢？擬籌 950 億美元，4 座超大型算力園區同步興建

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Meta 擬籌資最高 950 億美元，4 座超大型 AI 算力園區建設中 Meta 在 10 月 26 日宣布啟動約 350 億美元股權發行，包括約 225 億美元普通股及約 125 億美元強制轉換特別股相關存託憑證，並規劃未來透過 C 類股的隨市發行機制，再募集最多約 600 億美元，整體計畫規模合計最高約 950 億美元。不過，後一階段尚未簽訂發行協議，預計最快 2027 年第 1 季啟動，實際發行條件與募得金額仍未確定。NVIDIA、超微（AMD）與博通（Broadcom）已表達合計最多 50 億美元的認購意願，但並非具約束力的投資承諾。普通股發行中也包含遠期出售安排，部分資金須在日後結算才會到位。 這次籌資與 Meta 擴充 AI 算力有關。公司表示，在美國 23 個州擁有資料中心，正建造 4 座規劃容量各超過 1 GW 的大型算力園區，預期 2026 年資本支出達 1,350 億至 1,450 億美元，投入運算設備、資料中心及 AI 模型與產品。Meta 同時持續改善廣告推薦，發展 […]

季辛格：AI 運算效率得提升萬倍，下一代運算如何突破實體限制？

如果未來 AI 的應用規模成長 1 萬倍，支撐 AI 運算的電力、記憶體和晶圓廠產能，也能跟著增加 1 萬倍嗎？Intel 前執行長、現任深科技創投 Playground Global 合夥人 Pat Gelsinger（季辛格）在今（27 日）舉辦的台灣記者會上拋出這個問題，而他的答案是否定的。 季辛格認為，AI 將進一步進入日常生活、企業流程與製造現場，但支撐運算的實體資源不可能無限制擴張。他因此主張，未來必須讓 AI 的運算效率提升至少 1 萬倍，僅靠晶片或供電效率改善 10% 等漸進式進步，遠不足以滿足長期需求。 那麼，下一代運算該從哪些環節尋求突破？從季辛格所屬的深科技創投 Playground Global 今日在台展示的六家投資組合公司，或許可以看出一些方向。這些新創分別從記憶體、晶片供電、先進封裝與光學互連等環節切入，嘗試解決 AI 運算系統面臨的效率瓶頸。 AI 運算效率的瓶頸，不只在 GPU 算力 季辛格指出，AI 本質上高度依賴記憶體，雖然高頻寬記憶體（HBM）是當前 AI 加速器的重要技術，但其底層 DRAM 架構並非專為 AI 工作負載設計。Playground 投資的新創 Nagare Labs，便試圖從記憶體架構尋找解法。 Nagare Labs 提出名為 Z2RAM 的新型記憶體技術，採用雙電晶體、零電容（2T0C）架構，試圖兼顧 SRAM 的高速特性與 DRAM 的高密度優勢，並透過將記憶體直接堆疊在邏輯晶片上，降低 AI […]

不只賣晶片，耐能攜迪維科簽意向書搶進東南亞主權 AI，首期五年推論服務規劃 18.6 億元

AI 晶片商耐能智慧（Kneron）宣布，與企業邊緣 AI 系統整合商台灣迪維科（Taiwan Spark）及一家未具名的東南亞合作夥伴，簽署三方合作意向書（LOI），共同布局東南亞主權 AI 市場。依規劃，首期五年服務規模約新台幣 18.6 億元，預計於 2026 年第四季至 2027 年第一季開始推進。這是依規劃費率與運算容量估算的數字，並非已簽訂的合約金額。 耐能指出，主權 AI 的範疇已從模型與資料的自主掌握，延伸至 AI 運算基礎設施、推論服務與在地營運能力。耐能創辦人暨執行長劉峻誠在接受《TechOrange》訪問時表示，耐能期待「透過低成本、低功耗、無需水冷的創新架構」，協助各國以更有效率、更具成本效益的方式建構自主 AI 基礎設施。從賣晶片延伸到長期推論服務，這次三方合作具體要做什麼？耐能與迪維科又各自扮演什麼角色？ 首期要做什麼？部署設備之外，還包含長期推論服務 首期合作將部署耐能的 KneoEdge Rack 伺服器，搭配數台 Kneo 系列運算設備，提供專用 AI 運算資源與推論服務。推論（inference）是指 AI 模型訓練完成後，實際處理任務、產出結果的運算階段。換算下來，首期每年服務規模約 3.72 億元。 效能方面，耐能宣稱，其 NPU（神經網路處理器，專為 AI 運算設計的處理器）架構主機在相同模型與測試條件下，推論效能較同級設備提升約 20%。耐能也表示，在符合規劃的設備配置與運作環境下，無須額外建置水冷散熱系統，有助於降低冷卻用電、建置支出與維護負擔。 另一個重點在於商業模式。相較於以單次設備銷售為主的合作，此次合作納入持續性的 AI 推論與基礎設施服務，讓耐能從 AI 晶片與運算平台，進一步延伸至長期 AI 服務。劉峻誠表示，AI 從模型開發走向大規模應用後，市場需要的不只是設備，還需要能持續運作、逐步擴展的基礎設施與服務。 迪維科扮演什麼角色？不換既有硬體，串接企業 AI Agent 在客戶應用端，迪維科以自主研發的 Argo-AI VMS 智慧影像管理平台為核心，整合現場 IoT 設備與企業數據，建構智慧戰情中心與企業 […]

福斯、小鵬同日公布中國自駕新進展：一個在合肥測 L3，一個在廣州跑 L4 Robotaxi

德國車廠福斯汽車（Volkswagen）與中國電動車廠小鵬汽車（XPeng）近日分別在中國取得更高等級自動駕駛的上路許可。福斯集團（中國）表示，已取得在安徽合肥公共道路測試 Level 3（L3）自動駕駛的許可，且測試已在進行中；小鵬則宣布，旗下自動駕駛計程車（Robotaxi）獲准在廣東省廣州市全市範圍進行 Level 4（L4）示範營運。 福斯在合肥測試 L3，目標 2027 年下半年交車 福斯集團（中國）表示，這項許可同時涵蓋在合肥進行大規模行車數據蒐集，目標是 2027 年在中國達到 L3 技術就緒。福斯指出，許可是依據中國最嚴格的 L3 規範框架核發，其系統配置符合中國最新的強制性安全設計標準；不過，福斯並未說明許可由哪個機關核發，也未透露測試車隊規模與可行駛路段。 合肥設有福斯在德國以外規模最大的研發中心 VCTC（Volkswagen China Technology Company），以及福斯安徽生產基地。福斯在中國的自動駕駛軟體由旗下智慧駕駛公司 CARIZON 開發，該公司最初是福斯軟體子公司 CARIAD 與中國自動駕駛晶片商地平線（Horizon Robotics）合資成立。 L3 屬於有條件自動駕駛，車輛可在特定條件下執行駕駛任務，但駕駛人仍須在系統要求時接手控制。相較於目前常見、須由駕駛人持續監督的駕駛輔助系統，L3 對系統可靠性與安全驗證的要求更高。 這次取得的是道路測試許可，福斯仍不能向消費者銷售 L3 車款。福斯、CARIZON 與地平線今年 7 月宣布深化合作時，設定 2027 年下半年開始交付 L3 車款的目標。福斯集團（中國）董事長暨執行長 Ralf Brandstätter 表示，福斯「絕不會以犧牲安全為代價推進技術」，並稱這項許可是邁向 L3 技術就緒的重要一步。 《Electrek》指出，中國工業和資訊化部已於 2025 年 12 月核發首批 L3 產品准入，對象為長安與北汽極狐各一款車；廣汽旗下昊鉑（Hyptec）與小鵬也已取得 L3 道路測試許可，因此福斯在 L3 領域是在中國品牌的主場追趕。福斯與小鵬之間另有合作關係，福斯於 […]

微軟向 6 萬名員工提出自願離職方案：一邊控制成本、一邊加碼 AI 資料中心

微軟（Microsoft）近日宣布，向約 6 萬名員工提供自願離職方案，占全球員工約 27%。《Reuters》指出，微軟希望藉此控制成本，並支應龐大的 AI 投資。這項方案適用於美國、加拿大、印度與英國參與團隊中，內部職級 70 以下的員工。 微軟人資長 Amy Coleman 在給員工的備忘錄中表示：「這項方案讓正在考慮離開公司的符合資格員工，有了新的選擇，可以在獲得支援的情況下，現在就完成轉換。它也讓參與的部門多了一種方式，讓人力配置能因應不斷變化的需求。」她在部落格文章中也寫道：「自願離職方案對我們來說是新的做法，我們會從中學習。同時，我們會持續協助員工專注於最重要的工作、培養新技能，並在適當的情況下，在微軟內部找到新的機會。」 根據微軟的年度申報資料，截至 2026 年 6 月 30 日，微軟全球約有 22.3 萬名全職員工。不過，6 萬人只是符合方案資格的人數，並不代表微軟將減少 6 萬名員工。《CNET》指出，微軟並未說明預計會有多少員工接受，但人數可能少於符合資格的員工。微軟表示，這是一項有期限的自願方案，並參考了先前自願退休方案的經驗。 《Reuters》引述知情人士指出，AI 體驗、Copilot、財務、人資、Xbox 及 Windows + Devices 等部門的員工都符合資格，行銷、商業業務與資安等部門則不在適用範圍內。《CNET》則引述《Bloomberg》報導指出，部分資料中心、銷售與行銷人員不在方案範圍內。 微軟今年持續調整人力，2026 曆年資本支出預估達 1,750 億美元 這並非微軟今年第一次推出類似方案。《AP》引述兩名知情人士指出，微軟 5 月曾計劃向約 8,750 名員工、約占美國員工 7%，提供自願退休方案。7 月，微軟宣布裁減 4,800 個職位，約占全球員工的 2.1%，其中包括大量 Xbox 遊戲事業的員工。《Reuters》指出，微軟同時重整 Xbox 事業，並出售最多 5 家遊戲工作室；根據《CNET》的報導，Xbox 在 7 月的那一輪裁員中裁減了 1,600 […]

Anthropic 送件上市、第二季首度營業獲利，長期算力合約與模型競爭仍是考驗

Anthropic 在美國時間 10 月 26 日向美國證券交易委員會（SEC）遞交上市申請文件 S-1，申請以代號「ANT」在 Nasdaq 掛牌。招股書顯示，第二季營收 115.6 億美元，去年同期為 7.87 億美元；在連續五季營業虧損後，第二季轉為營業獲利 9.74 億美元，據報導，這是 Anthropic 首度單季營業獲利。不過，Anthropic 也在招股書中先提醒投資人：以長期利益為重的決策，可能與股東的財務利益衝突。 對已經或正在導入 Claude 的企業而言，這是 Anthropic 首度公開攤開營收、客戶與成本結構。當企業把愈來愈多工作流程交給 AI 模型，這家供應商的財務體質、治理設計與成本壓力，撐得起長期合作嗎？ 第二季營收 115.6 億美元、轉為營業獲利，近半透過雲端大廠銷售 從上半年來看，Anthropic 營收 163 億美元，去年同期為 12 億美元。不過，上半年合計仍有 6.93 億美元的營業虧損，帳面淨損更達 807 億美元；根據《TechCrunch》分析，淨損主要來自與可轉換債相關的非現金會計調整。截至 6 月底，Anthropic 持有近 1,320 億美元的現金、約當現金及短期投資。 客戶方面，截至 9 月底，年支出超過 10 萬美元的企業客戶逾 11,900 家，超過 100 萬美元的有 1,900 家，超過 1,000 […]

【鋼鐵之城轉攻物理 AI】匹茲堡把研究接上工業現場，客戶就在附近讓產品能快速修正

AI 正走出螢幕，開始駕駛卡車、檢查設備，在真實世界裡工作。這類能感知環境並採取行動的技術，被稱為「物理 AI」。根據 Crunchbase 統計，2026 年上半年，物理 AI 領域共完成 521 筆融資，募得 474 億美元，超過 2022 至 2024 年 3 年的總和。 競爭重心從生成文字轉向操控機器後，產業需要的條件也跟著改變。除了模型與算力，還得有人製造設備、提供測試場地，也要有客戶願意付錢使用。曾以鋼鐵聞名的美國匹茲堡，正憑著這些條件，在新一輪 AI 競賽中占有一席之地。 匹茲堡的機器，已經在實際工作 匹茲堡的實力，來自已經投入工作的機器。 總部位於匹茲堡的 Aurora，已讓無人駕駛卡車實際承擔貨運任務。截至 2026 年 6 月底，Aurora 累計完成近 440,000 英里的無人駕駛里程，營運網路涵蓋美國南部陽光帶的 10 條路線。 7 月推出第二代卡車後，製造夥伴 Roush 更以年底達到年產 1,000 輛的速度為目標。這雖然仍是擴產計畫，卻顯示 Aurora 面對的挑戰，已從「能否上路」推進到「如何大量交付」。 另一家公司 Gecko Robotics，則讓機器人攀爬發電廠與煉油廠的設備，進入人員不易接近的區域進行檢查。它提供的價值，是把檢測結果轉換成設備老化資訊，協助客戶判斷何時該維修、哪裡可能出問題。 這類企業已形成一定規模。2025 年，硬體與機器人領域吸收了匹茲堡地區 51.8% 的創投資金，顯示物理 AI 已成為當地產業發展的重要方向。 研究、需求與製造能力，都在同一座城市 匹茲堡之所以能做出這些成果，關鍵在於研究、測試與使用機器的人，彼此距離都很近。 卡內基美隆大學與匹茲堡大學提供研究能量與人才，周邊的鋼廠、電廠與鐵路業者帶來實際需求，熟悉重型設備的工程師與技術工人，則能協助把實驗室成果做成耐用的產品。 這條產業鏈對物理 […]

【科技早餐】AI 算力大戰進入資金淘汰賽？OpenAI 下修估值目標、SpaceX 稱融資 400 億美元

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 估值目標降至 1.25 兆美元，SpaceX 稱完成 400 億美元融資 OpenAI 新一輪募資傳出估值調整。《Bloomberg》引述知情人士報導，公司正洽談募資約 300 億美元，目標估值從 1.4 兆美元降至 1.25 兆美元，減少 1,500 億美元。《Financial Times》指出，部分投資人質疑原先報價，投資意願也不如前幾輪熱絡。OpenAI 今年 3 月曾以約 8,520 億美元估值完成募資，這次談判仍未定案，不能視為公司估值已正式下跌。 另一邊，SpaceX 創辦人馬斯克（Elon Musk）10 月 25 日表示，公司已完成 400 億美元債務融資，將主要用於採購預計 2027 年上半年交付的 GPU。他表示，Starlink 衛星網路與火箭發射收入有助 SpaceX 取得資金；缺乏其他穩定營收的 AI 雲端供應商，則可能面臨融資困境與整併。《Reuters》指出，這筆融資所稱「完成」的具體意義及債務定價尚不明朗。兩家公司融資方式不同，卻共同凸顯 AI 算力擴張的資金壓力。 ＊台積電傳尋無稀土設備替代方案，中國稀土管制牽動晶圓廠供應鏈 《Reuters》引述 3 名知情人士報導，台積電（TSMC）已向設備供應商了解，能否在晶圓廠自動化系統中使用不含稀土的馬達，降低中國出口管制可能造成的供應中斷風險。稀土磁鐵常見於帶動機械活動零件的精密馬達，雖然不一定直接用在晶片成品，零件缺貨仍可能影響高度自動化的製程設備。據報導，相關討論仍在初期，尚未促成大規模替換；台積電也未正式確認採用計畫。 另一方面，工業技術研究院（ITRI）院長張培仁接受《中央社》專訪表示，台灣現有稀土實驗線年產量約 5 噸，正規劃在工業區興建示範工廠，力拚 2028 年底完成建置、2030 年底達到年產 500 […]

【戴季全專欄】市長要考慮的不只是 AI 園區，城市需要的是迎接 AI 時代的治理能力

台北市長選舉最近討論松山機場遷建打造 AI 園區的政策，首先要肯定實質政策的討論。這是一個值得討論的重大城市發展構想，但這個議題可能要把「松山機場遷移」與「台北發展 AI」分開成兩件事來討論與處理。無論有沒有 AI，松山機場存廢和遷移仍然可以討論。但即使松山機場不遷移，台北也不能因此停止發展 AI。 蓋 AI 園區之前，先釐清城市要發展哪幾層 AI 我們要更進一步思考的是：AI 發展真正稀缺的可能不只是土地，而是 AI 人才與各種生產要素的有效組合。從竹科到南科，台灣過去的產業發展，確實透過科學園區集結了大量企業、資本、人才與供應鏈，創造了舉世矚目的成就。AI 產業涵蓋半導體、算力基礎設施、模型、軟體、機器人到各種產業應用，不同領域對土地與實體設施的需求完全不同。 因此，我並不反對 AI 園區。相反地，產業聚落、土地、基礎建設與企業集中，在特定情境下確實能夠創造很大的產業價值。最近政府宣布將從美國德州開始布局 AI 產業園區，就是一個很好的例子。對台灣 AI 供應鏈而言，進入美國市場需要的不只是把企業搬過去，也需要土地、基礎設施、行政協調與供應鏈聚落，讓台灣企業能夠降低進入當地市場的門檻。在這樣的情境下，園區是一個合理而且有價值的政策工具。 但不同於傳統產業，AI 涵蓋的領域非常廣泛，每一種 AI 活動需要的生產要素與空間條件也不同。算力中心需要充足、穩定且具有成本競爭力的電力，機器人需要工程人才與真實測試場域，AI 軟體需要持續創新的團隊、資料與客戶，而快速成長的新創企業則需要足夠的風險資本與國際市場。這些資源並不需要全部集中在同一個實體場域，卻必須能夠有效地連結、流動與配置。因此，當我們討論台北的 AI 園區時，應該先問：這座園區究竟要解決哪些問題？我們更應該先釐清城市希望發展什麼 AI 應用與產業，再決定需要什麼樣的政策目標與基礎設施。AI 時代的產業競爭力，要看一個經濟體能否持續將不同資源組合成新的生產力。 強化 AI 工作執行能力，以市民為中心提供一條龍服務 同時，AI 不只是一個新的科技產業，更是一場正在改變所有產業的生產力革命。過去談產業發展，我們往往關注能夠培育多少企業、創造多少工作機會、增加多少產值。但 AI 對經濟和社會的影響，包括製造業、服務業、金融業、醫療、教育乃至公共行政，都可能因為 AI 而重新設計工作流程、產業分工與商業模式，從根本影響經濟成長的結構。未來的城市競爭力，除了企業和工作者能夠透過 AI 創造新的經濟價值，更包括一座城市能夠部署多少新的 AI 生產力。當 AI 成為可以在授權與監督下完成工作的 AI 勞動力，城市就必須開始思考如何讓這些新的生產力進入真實世界：城市本身就是 AI 最龐大、最複雜，也最具價值的真實世界應用場域。 一座城市每天都在運作商業、交通、醫療、教育、社會福利、公共安全、能源、水資源、廢棄物處理與數以萬計的行政服務。這些系統彼此依賴，也存在大量需要人力協調、資訊交換和判斷的工作。AI 如果能真正進入這些場域，不只是提高行政效率，更有機會從根本上改變城市服務的品質、成本與運作方式。以城市政府自身的運作為例，AI 的導入不應只停留在聊天機器人、協助公務員撰寫文件或建立各局處的個人應用。真正的挑戰，是讓 AI […]

【英特爾「機器人準備度差距」報告】邊緣 AI 算力是自動化規模的後盾，專用型 AMR 與工業手臂是產出翻倍主力

英特爾（Intel）發布《機器人準備度差距報告》（The Robotics Readiness Gap Report），研究深入調查全球 800 位來自美國、中國、德國、日本、英國與韓國的企業高管、資訊科技（IT）主管，以及機器人專家；涵蓋製造業、零售業、醫療保健、國防與智慧城市等五大重要產業。 報告指出，過去大家印象中的機器人，大多是固定在工廠某個位置、只能重複做同一種動作的傳統自動化機械；但現在結合了生成式 AI 與感測技術後，機器人正快速演變為具備現場感測、獨立思考與隨機應變能力的「實體 AI（Physical AI）」系統。 簡單來說，實體 AI 就是讓 AI 不再只是住在電腦螢幕裡的軟體，而是裝上了實體機械手臂或輪子，能夠走入真實世界跟環境互動。如果企業能夠成功把這套智慧機器人系統完整導入營運中，不僅能大幅加快服務速度與產品品質，更預計能讓整體的營運產出提升高達兩倍。 《機器人準備度差距報告》主要揭露，企業在引進自動化的雄心與實際準備之間的顯著落差，並從策略、技能、安全、型態與規模等五個維度，為企業提供一套清晰且系統化的轉型架構。 📎 這份報告適合誰閱讀？ 報告所涵蓋的數據與實務架構，適合以下五類工作者與決策角色閱讀： 🔴 報告洞見 企業急著買機器人，策略與權責卻沒跟上 雖然智慧自動化的前景看起來很吸引人，但報告指出企業正面臨嚴重的「準備度差距（Readiness Gap）」。 這個差距指的是，企業高層雖然很想趕快用機器人，但公司內部的管理與配套措施卻完全沒跟上——高達 60% 的企業領袖，預計在未來 5 年內要在公司裡部署機器人艦隊；但是，目前卻只有 40% 的企業真正制定了正式的「人機協作勞動力策略」。 換句話說，有近六成的企業可能心急想買機器人，卻沒想過買來之後，員工該怎麼跟機器人分工合作。 除了缺乏勞動力策略之外，公司內部的「權責不清」也是阻礙自動化放大的致命傷。 在許多企業裡，機器人專案到底歸誰管往往很模糊，技術長、資訊長或營運長好像都有關係，但又沒有一個統一的最高指揮官。這樣導致的結果就是，大家各自在自己的部門裡試用機器人，專案看起來很多，但一想要跨部門擴大推廣，就會因為規格不相通、舊系統接不上，或是內部溝通不良而直接卡關。 機器人轉型要補齊的五個要素 為了幫企業補齊這個準備度落差，英特爾報告把實體 AI 的轉型拆解為五個關鍵要素，分別是策略、技能、安全、型態與規模，幫助企業一步步建立起穩健的自動化架構。 第一是「策略」：企業不能再把買機器人當作「單純買設備」，而是要把機器人當作「可以隨時調整的基礎設施」。意思是說，自動化必須跟公司的商業模式深度結合，讓機器人艦隊可以根據訂單變化或供應鏈狀況彈性調度，而不是買了一台機器就只會固定做同一件事。 第二是「技能」：引進機器人不是為了把員工裁掉，而是要幫員工升級。企業需要積極培養懂得邊緣運算與裝置端 AI（On-device AI，讓 AI 模型直接在設備上執行）的人才。 這裡說的「邊緣運算」，白話來說就像是在現場設備裝了一個「隨身大腦」，讓資料直接在機器人身上算好，不用再傳回遠端的雲端伺服器。員工具備這些能力後，就能把那些重複、骯髒或危險的工作交給機器人，自己轉去負責管理、程式開發與決策等更有價值的人機協作工作。 第三是「安全」：實體安全與網路資安是建立信任的兩大支柱。當機器人不再被關在鐵籠子裡，而是走出來跟員工一起在同一個空間工作時，高達 68% 的企業領袖呼籲，全球應該要有一套統一的實體安全規範。 同時，因為機器人本身也是連網設備，萬一被駭客入侵會非常危險，所以企業必須同時做足網路資安防護，員工跟客戶才敢放心使用。 第四是「型態」：報告特別提醒企業要堅持「功能優先於外觀」的實用原則。這幾年雖然會走路、長得像人的「人形機器人」在網路上非常紅，但它的技術太複雜、價格太貴，而且實際效益還沒被證實。 相較之下，企業跟專家其實更看好「專用型機器人」的投資報酬率。所謂的專用型機器人，包括可以在廠區裡自動載貨搬運的「自主移動機器人（AMR, Autonomous Mobile […]

美國限制外國機器人反傷本土市場？IDC 估人形機器人 2030 年營收較預期少 58%

美國聯邦通訊委員會（FCC）限制外國製造的先進機器人新機型進入美國市場，可能對美國人形機器人市場造成衝擊。《Forbes》近日報導指出，這項規定原本是為了保護美國機器人產業，但根據市場研究機構 IDC 的最新研究，人形機器人反而會是受衝擊最大的類別。IDC 預測，到 2030 年，美國人形機器人市場的營收將比未實施限制的基準情境低 58%；相較之下，家用清潔機器人的差距則為 18%。 IDC 指出，這項政策可能改變全球機器人產品的流向。中國業者可能將更多產品轉向歐洲等市場，美國則可能面臨機器人營收成長放緩，以及本土業者仍依賴中國零組件供應的問題。 FCC 限制外國製造機器人新機型認證，人形機器人受衝擊最大 FCC 於 2026 年 7 月 28 日將外國製造的先進機器人設備列入管制清單（Covered List），新款外國製造機器人將無法取得在美國進口、行銷及銷售所需的授權。管制範圍涵蓋人形機器人、四足機器人，以及家用掃地機器人、自動割草機等較小型的機器人。《Reuters》報導，FCC 此舉旨在保護美國 AI 建設免受國家安全威脅，並推動關鍵產業回流美國；FCC 此後已核准部分特定機器人設備持續進口。 不過，這項措施並非下架所有外國製造的機器人。IDC 分析師 Navkendar Singh 與 Ryan Reith 在報告中寫道：「多數報導稱之為禁令，但實際上它是一個卡關點，而不是一道牆。」根據 IDC 的說明，已取得認證的既有機型仍可繼續銷售，相關的軟體與韌體更新至少可延續至 2029 年 1 月 1 日。業者也可透過有條件核准機制，以將生產移至美國為條件，繼續銷售新機型，申請期限為 2028 年 1 月 1 日。 《Reuters》報導，FCC 已核准英特爾（Intel）一項為期一年的豁免。英特爾上週向 FCC 提出申請時表示，公司在半導體製造設施內使用自動導引車（Automated Guided Vehicles，AGV）運送物料，這些設備已運作超過 20 年，可能被 […]

華為與 DeepSeek 聯手挑戰 NVIDIA，SemiAnalysis 實測：軟體接近前沿、硬體仍落後

中國 AI 新創 DeepSeek（深度求索）在 9 月 30 日為 6 個儲存庫釋出華為昇騰（Ascend）晶片支援，涵蓋 DeepGEMM、FlashMLA 等自家工具，以及第三方開源框架 TileLang。其中部分工具在 2025 年 DeepSeek「開源週」釋出時，只支援 NVIDIA 晶片。半導體研究機構 SemiAnalysis 在 10 月 21 日發布的報告中，以這次更新為例，分析華為與 DeepSeek 之間的互補關係，並實測華為的 Ascend 950PR，結論是：以 NVIDIA A100 為比較基準，華為硬體可能落後 5 年以上，軟體卻已站上前沿。 《南華早報》引述這份報告指出，黃仁勳的「惡夢」可能正開始成真。報告關注的不只是晶片效能，還有華為與 NVIDIA 之間的 AI 晶片生態系差距：當硬體仍明顯落後、軟體卻快速追上，這道差距將怎麼變化？ 華為缺前沿實驗室、DeepSeek 缺算力，雙方互補對方的缺口 SemiAnalysis 認為，華為和 DeepSeek 都無法單靠自己走到這一步。報告指出，華為雖然有自家的盤古（Pangu）模型，卻沒有一個前沿實驗室，能證明自家晶片可以用來訓練或推論模型；DeepSeek 則有模型，卻買不到所需的算力。 因此，雙方各自補上對方缺少的部分：華為提供硬體與原生軟體堆疊，DeepSeek 帶來模型的工作負載，以及讓這些硬體真正能支撐其模型的工程能力。報告認為，華為的生態系已經成熟且發展完善，DeepSeek 的工程師正在這個基礎上繼續開發。 報告進一步預估，到 2028 年、甚至 2027 年，DeepSeek 很可能主要改用華為的技術堆疊，尤其在打造完全本土化中國生態系的內外壓力下。這是 SemiAnalysis […]

AI Agent 遇到登入畫面就卡關？1Password 推免交密碼新機制，串接 Meta、OpenAI

當使用者要求 AI Agent（AI 代理）安排活動、管理行程或處理工作任務時，Agent 可能需要登入多個網站。然而，一旦遇到登入畫面，使用者往往得接手輸入帳號密碼，或直接將密碼提供給 Agent；前者中斷自動化流程，後者則可能使敏感憑證暴露於 AI 模型及相關系統。 為解決這項難題，密碼管理業者 1Password 宣布推出 1Password for Agents，讓 AI Agent 在使用者核准後代為登入網站，卻不必直接取得帳號密碼，並將這項能力擴展至 Meta、OpenAI、Anthropic 等多個 AI 平台。不過，讓 Agent 不必接觸密碼就能登入網站，是否就代表它已獲得網站認可的操作權限？ AI Agent 為何不取得密碼，也能代替使用者登入？ 根據 1Password 官方說明，當 AI Agent 遇到登入頁面時，可以向 1Password 提出憑證使用請求。使用者確認並核准指定的登入資料後，1Password 便會直接將帳密填入目標網站，讓 Agent 繼續執行任務，而不必將明文密碼交給 AI 模型。 《TechCrunch》進一步報導，Agent 提出登入請求時，會向 1Password 傳送專屬數位金鑰，以確認代理身分，再由使用者核准。這讓 Agent 能透過指定帳戶登入網站，卻不能直接取得密碼，也無法因此存取使用者的整個密碼保險庫。 1Password 舉例，使用者可以要求 Meta 的 Muse 規劃派對、製作邀請函、追蹤回覆及搜尋採購用品。當 Muse 需要登入活動管理或購物網站時，使用者只須核准對應的登入資料，便能讓 Agent 繼續完成任務，而不必交出密碼。 […]

Hugging Face 推出開源模型 Carbon-X：DNA 基準測試逼近 GPT-6.1 Sol、成本估僅 1/1,800

AI 模型分享與開發平台 Hugging Face 近日推出開源 AI 模型 Carbon-X，讓研究人員能貼上 DNA 序列，以自然語言提出問題，並取得模型的解讀、預測或說明。Hugging Face 資深研究科學家 Lewis Tunstall 接受《Business Insider》採訪時表示，Carbon-X 是「首創」的模型，結合 DNA 分析與自然語言，讓研究人員基本上可以「與 DNA 對話」。 Carbon-X 由 Hugging Face、中國中關村學院（Zhongguancun Academy），以及義大利 Telethon 遺傳與醫學研究所（Telethon Institute of Genetics and Medicine）與那不勒斯費德里科二世大學（University of Naples Federico II）的研究團隊共同開發。模型擁有 148 億個參數，以阿里巴巴的 Qwen3-14B 為基礎，再以 DNA 序列與自然語言進行訓練，訓練資料涵蓋人類、其他哺乳類、植物與真菌等物種的 DNA 序列。NVIDIA 已於 9 月同意以近 130 億美元收購 Hugging Face。 將 DNA 分析轉化為自然語言對話，基準測試平均得分 […]

AI 代理上工前，為何需要「工作地圖」？UiPath、SAP、Celonis 搶補關鍵缺口

SAP 於美國時間 9 月 22 日在亞特蘭大宣布擴充 Signavio 等工具，協助企業部署、治理與監控 AI 代理（AI agent，能替人執行任務的 AI 系統）；隔天，自動化軟體商 UiPath 在拉斯維加斯的年度大會 FUSION 2026 推出 Cartographer，把散落各處的流程知識整理成一份「工作地圖」（Map of Work）。更早在 5 月，流程智慧（process intelligence）業者 Celonis 也推出 Context Model，定位為企業 AI 的「情境層」（context layer）。 三家廠商雖採取不同技術路線，但都在解決相似的問題：在代理接手工作之前，先讓它弄懂企業的流程實際上怎麼運作，而不只是流程圖上怎麼畫。模型能力愈來愈強，為什麼企業還得先替代理設計一份工作地圖？這份地圖又該如何設計、由誰負責？ 三個步驟各 90% 準確，結果只剩 73%：AI 代理為何需要工作地圖？ UiPath 創辦人暨執行長 Daniel Dines 在大會主題演講中主張，AI 需要一本記錄企業工作實際如何運作的手冊，Cartographer 產出的工作地圖就是這本手冊：「沒有這本手冊，沒有人能真正成功部署我們可以信任的自主 AI。」 據《TheNextWeb》報導，同場登台的三井住友金融集團（SMBC）的 Kei Yamamoto 用一道算式說明多步驟流程的風險：「如果一個流程有三個步驟，每一步的準確率都是 90%，端到端的準確率就會降到約 73%。」醫療用品商 Medline 的 William Abrams […]

「主權不等於自建，握有掌控權才是。」微軟、鴻海、資誠、iKala 等專家共同拆解 AI 主權防線與邊界

TechOrange 科技報橘於日前舉辦「2026 企業 AI 主權高峰論壇」，以「重塑企業核心競爭力：從 AI 成長引擎到營運韌性」為主軸，集結多位產業專家解析如何在使用 AI 的同時守住主導權，並同時掌握資料、權限與責任的邊界，企業才有底氣放手追求 AI 帶來的成長。科技報橘社長戴季全點出，一方面企業預算正從支付人力轉向支付數位勞動力，另一方面，台灣產業能夠長年贏得客戶信任，靠的正是在使用 AI 時格外謹慎，能夠安全守住客戶交付的資料。 iKala 共同創辦人暨集團董事長程世嘉指出，當 AI 變得像水電一樣隨開隨用，主權 AI 將要面對三種風險。第一是聽不懂：以 Meta 的 Llama 2 為例，訓練資料約九成是英文，中文只占 0.13%；第二是被定義，通常都是用主流的方式衡量 AI 能力，但也是「被定義」出來的 AI；第三是被切斷，AI 可能會面臨因出口管制而暫停模型無法使用。程世嘉引述美國研究團隊 2025 年發表的研究，以 110 個兩岸說法不同的詞測試 11 個主流模型，發現用繁體中文提問時，平均有 37.5 題對不上台灣用語，但改用簡體中文提問後，對不上的只有 4.4 題。為此，iKala 結合政府與產業資源，開源「TMMLU+」繁體中文評測基準，推動 AI 對繁中語言與文化的理解，相關評測正確率已提升至 97% 以上。程世嘉強調，保存數位文化資產是不可忽視的責任，並以一句話留下深刻省思：「五十年後，AI 又會用誰的字來回答？」 「主權不是擁有更多工具，而是掌握 AI 行動的邊界與責任，」Rimini Street 資深客戶成功經理高治平認為，企業要真正掌握 AI 主權，得握有五個控制權：「資料主權」決定誰能使用哪些資料，「流程主權」決定 AI 可以進入哪些工作流程，「決策主權」決定哪些行動必須經過人工核准，「技術主權」確保模型、平台與供應商可以替換，「經濟主權」則讓 AI […]

台灣軟體業如何擺脫接案模式？政府採購破百億，產品化還缺什麼？

從專案接案走向可規模化的產品經營，是台灣軟體產業長期面臨的轉型課題。數發部近年推動軟體業從專案開發（Project）走向產品經營（Product），希望透過政府採購擴大標準化軟體的市場，今年更公布 2025 年政府電腦軟體共同供應契約採購總額達 107 億元，年增 25%，其中國產產品訂單數量占比達 58%。然而，政府採購能創造市場，不代表業者取得訂單後，就能順利發展出可重複銷售的產品。 10 月 22 日，台灣數位科技與政策協進會舉辦「創造台灣數位與 AI 競爭力大環境座談會」，從公私協力壯大軟體產業、採購環境與履約機制調整兩個面向展開討論。除了企業如何將客製化專案轉化為產品，政府如何整合跨機關需求，以及 AI、雲端服務對採購模式帶來哪些新挑戰，也成為討論焦點。 從客製專案走向產品化，產業轉型不只是取得政府訂單 中華民國資訊軟體服務商業同業公會理事長沈柏延指出，台灣資服產業面臨的問題，不只是如何將專案經驗轉化為產品，還包括企業間如何合作、如何對接不同產業的客戶需求，以及最終如何拓展海外市場。他認為，產品化、網絡化、平台化與國際化雖然都有相關政策與產業活動，但彼此仍有需要銜接的斷點。 因此，政策不應只聚焦單一產品研發，也需要支持場域驗證、產品獎勵、國內市場推廣與海外拓銷，沈柏延並提出「軟創計畫」相關構想，建議五年投入 100 億元，串接上述四個環節，建立更完整的軟體產業生態系。 不過，客製化專案本身未必是產品化的阻礙。網擎資訊執行長廖長健以美國軟體公司 Palantir 為例，指出企業可以透過前線部署工程師（Forward Deployed Engineer，FDE）深入理解客戶需求，再將不同專案中共通的能力整合為產品，逐步拓展至其他產業。關鍵是能否把解決單一客戶問題所累積的經驗，轉化為更多客戶都能使用的產品。 廖長健也提醒，專案開發容易累積技術債，若要將產品部署至不同市場，必須強化軟體工程、資安及持續研發能力，還得克服現金流與營運管理的挑戰。除了企業自身的能力，他也希望政府協助創造更具規模的市場需求。廖長健認為，台灣軟體產業規模偏小，業者處理的題目往往過於零碎，因此建議數發部發揮跨部會整合角色，盤點規模更大、難度更高的政府數位轉型需求，邀集民間業者共同開發產品，未來甚至將整套解決方案輸出海外市場。 至於政府與民間如何分工，台灣數位科技與政策協進會理事長、叡揚資訊董事長張培鏞認為，政府政策應強化市場，而非取代市場。他指出，部分政府法人在執行補助計畫時自行開發軟體，可能與民間產品競爭；當計畫結束、缺乏持續維護資源時，也可能產生「軟體孤兒」。他因此主張，政府法人應更聚焦前瞻研究、政策顧問與大型資訊系統規劃，讓民間業者發揮產品開發與市場經營能力。 AI、雲端服務改變採購模式，客製化問題可能重演？ 隨著 AI、雲端服務興起，政府不只需要思考如何讓採購需求轉化為可複製的產品，也面臨如何採購與管理新型態數位服務的問題。曾任政府資訊主管的臺北大學教授陳泉錫分享，他近期參與政府 AI 標案評選時，觀察到部分需求單位對 AI 的應用需求仍不夠明確，評選者也須持續熟悉相關技術。他認為，政府除了釐清需求，也需要提升資訊人員的 AI 專業能力，才能降低專案執行的困難。 叡揚資訊數位韌性辦公室執行長馬正維則從服務模式提出另一項挑戰：傳統資訊採購多以完成系統建置與交付為目標，但雲端及 AI 服務可能採持續訂閱、按使用量計費，功能與模型也可能不斷更新。政府因此不只需要確認系統是否完成交付，也得管理服務品質、費用透明、資料保護及模型更換後的責任歸屬。馬正維也提醒，如果各機關導入 AI 時仍分別開發專屬系統，過去難以重複使用、長期維護的問題可能重演，因此應考慮可共用的服務與管理機制。 除了技術與契約問題，預算制度也需要適應。曾任政府採購相關職務的清華大學教授葉哲良指出，軟體訂閱費用可能涉及經常門預算，持續性支出面臨年度預算安排的不確定性。他分享，曾向行政院官員提出以 Token 作為 AI 使用預算計量基礎的構想，嘗試讓機關依使用量規劃支出，但對方認為現行主計制度可能難以配合。這仍是其個人提出的構想，並非已實施的政策；不同 AI 服務的計費方式也不盡相同，Token 消耗量不能直接代表實際使用效益。 目前政府已有雲端服務共同供應契約等採購機制，但 AI 服務涉及持續計費、模型更新與長期維運，也讓採購及預算安排面臨不同於傳統資訊專案的考量。如何在既有制度下因應這些新型態服務的需求，成為論壇討論的另一項課題。 【推薦閱讀】 ◆ AI 寫的程式碼愈來愈多，美國軟體開發職缺卻增近 […]

【科技早餐】Google Cloud 引進 OpenAI GPT-6，兩大 AI 對手跨陣營合作

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google Cloud 引進 OpenAI GPT-6 模型，兩大 AI 對手跨陣營合作 Google Cloud 於 10 月 21 日宣布，將 OpenAI 最新的 GPT-6 Astra、GPT-6.1 Sol 與 GPT-6 Luna 模型納入旗下 Model Garden 平台，涵蓋程式開發、專業工作、AI 代理及大量日常應用。目前先向部分企業客戶提供私人預覽，預計未來幾週全面開放。這項合作格外受到關注，因為 Google 本身擁有 Gemini 模型，如今卻選擇將競爭對手 OpenAI 的產品引進自家雲端平台。Google Cloud 表示，平台目前已整合超過 200 款模型，企業可根據不同工作的效能、速度及成本要求選擇適合的技術，而不必只依賴單一模型供應商。 透過 Google Cloud Marketplace，企業可直接採購 OpenAI 模型，使用既有雲端採購承諾額度，並透過統一帳單結算，減少分別管理多家供應商的負擔。Google 也強調，平台提供身分驗證、資料存取權限及集中稽核機制，支援金融、醫療等高度重視資料治理的產業。OpenAI 則表示，微軟仍是其主要雲端合作夥伴，新合作不代表雙方關係結束。未來 OpenAI 模型還計畫導入 Google Antigravity 等工具，但相關整合尚未全面開放。從微軟 Azure、Amazon […]

8 成美國企業財務團隊用生成式 AI 管現金流，採用代理式 AI 卻只有 5%

美國企業財務部門正快速導入生成式 AI，但對於讓 AI 自主執行任務，態度則保守許多。支付產業媒體《PYMNTS》近日報導，其研究單位 PYMNTS Intelligence 與摩根大通（JPMorgan）合作發布的研究《Time to Cash: What Two Years of Data Say About Faster Cash and Rising Risk》顯示，2026 年有 80% 的財務團隊使用生成式 AI 管理現金流，較 2025 年的 16% 大幅成長；相較之下，使用代理式 AI（agentic AI）管理現金流的比例則大致持平，從 6% 變為 5%。 這份研究的調查對象為美國企業財務長，受訪企業的年營收介於 2.5 億至 25 億美元，涵蓋商品、服務與科技產業。2026 年的調查於 7 月進行，共有 100 位財務長受訪；2025 年的對照調查則有 375 位財務長受訪。《PYMNTS》指出，生成式 AI 與代理式 AI 採用率之間的落差，反映出財務自動化目前的發展階段：AI 已普遍用於分析現金狀況、建議下一步行動的系統，但讓 AI 自主執行仍相當少見。 […]

Amazon 擋 Muse、Walmart 卻為 AI 代理「開窗」：可設定消費上限、卡號不交給代理

Walmart 於美國時間 10 月 21 日宣布推出「代理閘道」（Walmart Agent Gateway），讓消費者用自己選擇的 AI 代理，在 Walmart 與旗下倉儲量販店 Sam’s Club 購物，並由顧客控制每個代理能做什麼。就在上個月，最大競爭對手 Amazon 才把 Meta 的 AI 代理 Muse 擋在網站之外。 AI 代理（AI agent）是能替使用者執行任務的 AI 系統。當它開始替消費者逛網站、下單付款，零售平台也面臨選擇：要把代理擋在門外，還是開門讓它進來？如果選擇開門，又要怎麼確保代理只做顧客想做的事？ Walmart 推「代理閘道」：AI 代理透過 MCP 下單，先開放企業與開發者測試 據《Axios》報導，Walmart 原本就允許外部 AI 代理購物，這次由執行長 John Furner 宣布推出新的管理系統，代理閘道正是其中一環。 Walmart 在官方部落格表示，代理購物的方式和人不同，代理閘道能讓代理透過 MCP 更快、更可靠地購物。MCP 全名為模型上下文協定（Model Context Protocol），是讓 AI 模型連接外部工具與資料的通用規格；《TechCrunch》形容，代理閘道就是 Walmart 新的 MCP 伺服器，用來讓代理連上 Walmart。 代理閘道會先以測試版開放給企業與開發者。Walmart […]

AI 熱潮能回本嗎？Gartner 警告：逾 3.5 兆美元基礎設施投資 2030 年前恐面臨減損

研究顧問機構 Gartner 於 10 月 14 日發布預測指出，AI 產業正面臨龐大的投資回收壓力。Gartner 以 12% 的投入資本報酬率（ROIC）作為投資的門檻報酬率，估算截至 2030 年，AI 資料中心業者需要累計創造 8.5 兆美元營收，才能支付已宣布的資本支出、融資成本，並達到這項報酬率；然而，同期可歸因於 AI 資料中心的企業與消費者 AI 收入，預估最多只有 3.6 兆美元，兩者相差 4.9 兆美元。 Gartner 資深總監分析師 Will Sommer 表示：「2026 年，AI 業者預計將投入近 1 兆美元建置 AI 基礎設施，並預估在 2027 年至 2030 年間再投資 6 兆美元。然而，我們的研究顯示，這段期間的企業與消費者 AI 收入，將不足以讓所有規劃中的 AI 資本支出帶來獲利回報。」 AI 收入多流向應用與模型業者，逾 3.5 兆美元基礎設施投資可能面臨減損 《Fortune》引述 Gartner 的分析指出，2025 年至 2030 年，全球 […]

PHP 多年未解的漏洞為何現在才緊急修補？歐洲政府、醫院預防性停站，台灣資安署示警

廣泛用於 WordPress、Drupal、Joomla 等網站系統的程式語言 PHP，10 月 21 日緊急修補兩項重大漏洞，嚴重程度評分（CVSS v4.0）均達 9.2 分，可能讓未經身分驗證的攻擊者遠端執行程式碼。根據《Reuters》報導，荷蘭鹿特丹港、政府入口網站，以及德國、法國等國政府機關，都因此預防性暫停部分網站服務；台灣資安署也於 22 日發布警訊，呼籲企業儘速修補。 然而，這場緊急修補背後，還有一段曲折的事件經過。兩項漏洞原訂 10 月 22 日才公開，卻因資訊提前外洩，迫使 PHP 調整修補時程。更值得注意的是，相關底層安全問題早在多年前就已存在，直到今年才由研究團隊證明具體的遠端攻擊風險，前沿 AI 模型也在其中扮演重要角色。 這場原訂保密的漏洞揭露，為何突然演變成全球資安警報？AI 又如何讓多年未解的問題成為現實威脅？ 漏洞資訊提前曝光，PHP 為何沒有立即發布修補？ 這場緊急修補的導火線，是原本受到保密的漏洞資訊提前曝光。根據 PHP Foundation 10 月 21 日發布的事件回顧，10 月 20 日，兩項 PHP 漏洞的 CVE 編號開始在網路論壇及社群平台流傳，並被宣稱具有滿分 10.0 的嚴重程度。不過，當時並未洩漏具體攻擊技術，實際評分則為 9.2。 最早的公開消息之一出現在科技論壇 Hacker News。PHP 官方隨後提前發布安全更新預告，將原訂 22 日的修補日期提前至 21 日。 資安媒體《BleepingComputer》10 月 20 日報導，資安公司 watchTowr […]

Anthropic 推主動式 AI 代理 Claude Duet：查發票、備薪資，付款簽約先問你

Anthropic 於美國時間 10 月 21 日公布 Claude Duet 研究預覽版，讓 Claude 以「主動式代理」（proactive agent）的方式運作：它不等使用者提問，而是主動檢查已連結的信箱、會計與薪資等應用程式，找出需要處理的事。不過，Anthropic 也替它劃下界線，傳送訊息、付款、簽署文件或刪除資料前，都要先經使用者核准。 AI 代理（AI agent）是能替使用者執行任務的 AI 系統。當它從「問了才答」走向主動找事做，甚至替小型企業動用公司的資金，比起它有多聰明，更需要先弄清楚的是：哪些事可以放手讓它做，哪些事一定要人點頭？ 不等你開口，Claude Duet 主動找出該處理的事 Anthropic 表示，Duet 是為事情多到追不完的專業人士與小型企業主打造。它每天早上寄出一份簡報，彙整已連結應用程式中最重要的事項；白天持續留意這些應用程式，只在有事需要注意時才發訊息。 為了不用光方案額度，Duet 約每幾小時才檢查一次帳號。它在配有獨立瀏覽器的虛擬機上執行，使用者的筆電或手機不必開著；底層模型是 Claude Opus 5.5。 透過 Claude Marketplace 上 6,000 多個連接器（connector，讓 AI 存取其他應用程式的串接工具）與外掛，Anthropic 列舉的用途包括：在 Intuit QuickBooks 或 Stripe 查出未付發票並草擬催款提醒、在 Gusto 準備並執行薪資作業，以及依 HubSpot 的聯絡人與交易紀錄草擬跟進信；也能交辦安排會議、製作財務預測等工作。 Anthropic 公布的早期用戶中，在南佛羅里達經營餐廳 Shahs of Kabob、約有 110 名員工的 Amin […]

不必專職資安團隊，專家列出中小企業現在就能做的低成本防詐做法

一通聽起來和工作夥伴聲音一模一樣的電話、要求立刻匯款，對中小企業來說，這可能就是一場代價高昂的詐騙。AI 讓詐騙者更容易冒充企業原本信任的人，從老闆到長期合作的廠商都可能被假冒，而資安資源有限的中小企業，一旦受騙，損失往往特別大。 不過，加強防護不一定需要昂貴的技術或專職資安團隊。由 CIO、CTO 等科技高階主管組成的 Forbes Technology Council，邀集專家提出中小企業現在就能採取的低成本做法。 涉及匯款與帳密的要求，先換個管道確認 多數 AI 詐騙之所以得逞，是因為訊息刻意製造急迫感，讓人來不及思考就行動，例如執行長來信要求「立刻匯款」，或廠商緊急要求更改付款資訊。以色列金融監理科技公司 Shield 的執行長 Shiran Weitzman 建議訂一條簡單規則，凡是涉及金錢或帳密的要求，一律先透過另一個管道確認再行動。這不需要任何成本，就能擋下絕大多數詐騙。 聲音也不再可靠。以 AI 為核心的消費者科技與應用開發公司 ICE Innovations 執行長 Sarah Choudhary 指出，AI 現在只需幾秒鐘的音檔就能複製聲音，聽起來和合作夥伴一模一樣的來電，不一定是本人。她建議設定一組不寫成文字的通關密語，並規定所有付款資訊變更，都必須撥打已知號碼確認。 發票同樣是詐騙者的切入點。資安公司 Malwarebytes 消費者事業群總經理 Mark Beare 指出，美國人去年因商業電子郵件詐騙（BEC）損失超過 30 億美元。他建議企業與常往來的廠商建立固定的驗證流程，付款前先確認發票確實來自正確的對象。 帳號與信箱的漏洞，同樣要補上 除了驗證流程，帳號本身的防護也不能少。加密貨幣兌換與支付基礎設施公司 Breet 的共同創辦人 Usman Balogun 建議，所有關鍵帳號都應啟用多重驗證（MFA），成本低，幾分鐘就能完成。 電商風險情報與詐欺防治平台 Wyllo 的 AI 與詐欺防治首席架構師 Andrii Stetsenko 則建議，老闆信箱、銀行登入與網域註冊商改用通行金鑰（passkey）登入，不要使用簡訊驗證。公司網域也應設定 SPF、DKIM 與 DMARC 這 3 […]

【科技早餐】SpaceX、特斯拉評估合併！潛在市值逾 3 兆美元

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX、特斯拉評估合併，潛在市值逾 3 兆美元 太空探索科技公司（SpaceX）執行長馬斯克在美國時間 10 月 20 日法說會證實，SpaceX 與特斯拉（Tesla）已各自成立由獨立董事組成的特別委員會，評估潛在合併。由於他同時涉及兩家公司利益，不能參與委員會討論。雙方尚未談妥交易條件，也不保證會達成協議，後續仍須取得股東支持。《Financial Times》估算，若合併成真，按兩家公司當時市值加總，新集團規模可能超過 3 兆美元，並有望成為史上規模最大的企業合併案；這並非已議定的交易價格。 同日公布的財報顯示，SpaceX 第 3 季營收約 145.8 億美元，年增 161%，淨利約 44 億美元。旗下以 AI 為主的超級智慧部門營收達 75.6 億美元，依財報計算占總營收約 52%，超越星鏈所在的通訊部門；對外出租算力是成長動能之一。不過，公司全季資本支出約 196 億美元，其中約 164 億美元投入 AI。馬斯克認為，AI 軟體、晶片設計、機器人與通訊具有合作空間，整合這些業務也是他支持合併的重要理由。 ＊AI 工廠部署最快 14 天，NVIDIA 攜台廠加速交付 NVIDIA 在德國時間 10 月 21 日 GTC Berlin 發表模組化 AI 工廠設計 DSX POD，將運算、網路、配線及液冷等系統，先在工廠整合、測試，再以貨櫃形式運抵現場。公司宣稱，在場地供電、冷卻與網路等設施備妥後，部署可由 6 個月縮至最快 […]

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

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

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

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

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

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

美軍要讓 AI 代理自主駭入敵方網路，專家憂水務、小企業落入「爆炸半徑」

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

金屬加工大廠明昌國際攜手台達加速數位轉型，導入設備管理系統 DIAEMS

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

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

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

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

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

新加坡政府如何因應 AI 代理風險：沿用現行法規、讓政府機關先試驗

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

【科技早餐】德國攜 NVIDIA 推工業 AI，黃仁勳：下一波是實體 AI

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

【新海底軍備競賽展開】各國投入無人載具巡邏海纜，這些機器能做到什麼？

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

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

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

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

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

AI 雲端市場醞釀洗牌，NVIDIA 除了 GPU 訂單，還有哪些風險？

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

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

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

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

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

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

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

8,000 台人形機器人計畫進上海工廠，西門子：沒有工廠想當 AI 試錯場

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

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

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

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

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

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

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

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

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

【科技早餐】AI 伺服器也將納管！台灣擬收緊對中出口，違規將可追究刑責

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

【科技早餐】台積電證實洽談馬斯克晶圓廠！魏哲家：必須由我們營運

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

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

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

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

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

鼎新數智 Agent Space 重新定義淨零永續工作新範式

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

從自駕光達到機器人：禾賽推空間相機 Kosmo，把真實場域變成訓練數據

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

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

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

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

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

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

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

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

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

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

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

【科技早餐】日本出資、美國持股！最高 210 億美元晶圓廠計畫出爐

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

模型可換、資料可控：微軟卞志祥談 AI 時代企業如何守住核心競爭力

Thumb

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

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

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

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

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

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

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

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

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

不蓋新廠，改造老廠：新創 Harmoni 用平板與 AI 改裝美國傳統工廠

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