Archives

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

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

免寫程式也能讓 AI 自動交易？幣安 Binance Intelligence 從市場資訊一路做到策略執行

幣安（Binance）推出 Binance Intelligence，整合 Binance AI、Binance AI Pro 與 Binance Agent OS，讓使用者從取得市場資訊、制定投資策略，到開發可與幣安金融服務互動的 AI 應用，都能在同一套生態系中完成。 Binance Intelligence 整合 3 大 AI 工具，Binance AI 提供個人化市場資訊 幣安聯合執行長 Richard Teng 與產品副總裁 Jeff Li 於近日的直播活動中公布 Binance Intelligence。幣安表示，區塊鏈讓更多人能夠接觸全球金融市場，但市場資訊也分散在圖表、新聞、社群平台、鏈上數據與研究工具中，因此希望透過 AI 降低使用者理解市場的門檻。 根據幣安新聞稿，Binance AI 是免費提供給幣安使用者的 AI 功能套件，會依照使用者的知識程度、興趣、操作行為與使用的產品，自動調整資訊呈現方式。新的「For You」分頁採用生成式 UI，可動態改變版面、模組與資訊解釋方式，從適合新手的簡化市場資訊，到針對現貨、期貨與股票交易者提供更進階的介面。 Binance AI 也提供 Smart Tool Tips，依使用者程度提供情境式 AI 提示；Market Brief 則整合加密貨幣、股票與總體經濟資訊，每 4 小時更新一次，並可根據使用者持有的資產提供個人化摘要，支援文字與語音形式。 此外，系統還提供 Stock Tracker、ETF […]

中國的開放模型對手來了？Reflection AI 推 Beam，憑什麼挑戰 GLM、Qwen

中國開放模型快速崛起後，美國又多了一個試圖迎戰的新玩家。獲 NVIDIA、Sequoia 等投資的美國新創 Reflection AI，在美國時間 10/5 發表首款開放權重模型 Beam，主攻程式設計、推理與 AI Agent 任務。《Reuters》指出，Reflection 直接把中國 Z.ai 的 GLM-5.2、阿里巴巴 Qwen3.8-Max 等模型列為競爭標竿，希望提供中國開放模型之外的新選項。 Beam 想突出的不只是模型性能，還有推論效率。Reflection AI 表示，Beam 進一步推進西方開放權重模型的能力，希望在部分任務與更大型的中國模型競爭，同時降低模型執行所需的運算量。這項訴求之所以值得注意，是因為中國開放模型近一年不只快速提升性能，也開始進入美國企業與新創的實際產品。 中國開放模型快速擴張，也開始進入美國企業 事實上，西方並非沒有開放權重模型，Meta 長期發展 Llama，法國 Mistral 持續推出開放模型，OpenAI 前技術長 Mira Murati 創辦的 Thinking Machines Lab，今年 7 月也推出首款開放模型 Inkling，此外還有 Cohere 等業者。Reflection 加入的，是一個原本就已有多家西方業者競逐的市場。 問題在於，近一年中國業者推進速度更快。從 DeepSeek、阿里巴巴 Qwen、Moonshot AI 的 Kimi，到 Z.ai 的 GLM 系列，中國模型持續靠性能、價格與開放權重擴大影響力。 這股影響也逐漸進入美國企業。《Fortune》指出，Thomson Reuters 已以阿里巴巴 Qwen […]

監視攝影機成實體 AI 天然起點，新創 Lumana 教 AI 分辨監視畫面並壓低運算費用

Lumana 認為 AI 監視系統的願景，將是組合成一套實體 AI 代理，由監視攝影機觸發後續於現實世界中的各種行動，讓監視器影像畫面成為 AI 進軍實體世界最自然也最合理的起點。

通用 AI 懂最多卻搞不定公司內部流程，企業需要訓練自己的專屬模型

企業導入 AI 時，最常問的是目前哪個通用模型最強？但對真正需要把 AI 放進日常流程的企業來說，這個問題可能問錯了。 模型在公開測試中得分最高，不代表它能準確處理公司的會計規則、內部系統與審批流程。企業真正需要比較的，是哪個模型能以合理的成本與延遲，穩定完成指定任務。 當通用模型無法滿足這項要求時，開源權重模型的專業化微調，便可能成為更合適的選擇。 權重模型讓企業取得 AI 的核心系統 首先，先分清楚兩個容易搞混的詞。「通用模型」指用途廣泛的 AI，能寫文章、整理資料、回答問題、協助寫程式；「開源權重模型」則是企業可取得模型內部最核心的一組數值，自行下載部署、調整。 兩者並不互斥，差別不在於模型會做多少事，而在於企業能不能掌握、修改它。 我們可以把 AI 模型想成一台調校好的機器，訓練時開發者反覆調整內部數值，讓模型學會理解文字、產生答案，這些數值就是「權重」。開放權重的話，企業拿到的就是機器完整的調校結果，可以裝進自己的伺服器，並用內部案例繼續訓練。 Claude、OpenAI 等閉源模型則不公開權重，企業只能透過 API 使用，調整空間也受限於供應商介面。 換句話說，兩者的差異是控制權。閉源模型像租一套持續更新的服務，開源權重模型則是企業自己掌握位置與資料流動，但也要扛起更多治理責任。 通用模型在企業專業流程上力有未逮 通用模型擅長寫作、摘要與寫程式，但放進企業流程就不一樣，因為 AI 得讀文件、登入系統、依公司規則判斷，再把結果往下傳，前面一步錯後面就全盤跟著偏誤。 以會計工作為例，推理模型早就能通過會計師考試，但在 FinBalance——一項要求 AI 依序完成分錄、對帳、產出資產負債表的會計能力基準測試中，六款大型語言模型表現最好的準確率也只有 46%。 問題不是模型不懂會計，而是它無法穩定把憑證、分錄、報表一路串到流程終點都不出錯。 這正是通用模型最大的落差，它們懂專業知識，不代表能可靠做完一整套工作。任務若只是偶爾寫文案、整理會議紀錄，通用模型通常夠用；但若任務範圍明確、需要大量重複執行，且每次都有可衡量的對錯答案，企業就該考慮專業化微調。 專業化微調如何補上這個落差？ 微調的價值不只是把文件塞進模型，而是讓模型像專家一樣完成工作，包括知道該參考什麼資訊、何時該呼叫哪個工具、怎麼判斷、遇到例外怎麼處理。 不過微調不是一次性工程，流程一變模型就要跟著更新；長期而言，真正值錢的是累積下來的訓練案例與流程知識。 不過，開源權重模型也帶來新風險。Anthropic 執行長 Dario Amodei 強調他不主張全面禁止，不具危險能力的模型反而能創造價值；但能力足夠強大的模型一旦放出就難以收回，因此不論開放或封閉，模型都該接受相稱的安全測試，企業也要接下存取管理與監控的責任。 企業應逐步轉化為由自己掌握的專業模型與組織資產？ 如果工作任務變化大、使用量不高，企業也缺乏維運能力，直接使用通用模型通常更有效率。若任務明確、重複量大，企業又擁有足夠的專業案例，並對資料位置、延遲或治理有特殊要求，微調開源權重模型才更可能發揮價值。 不過，通用模型與專業模型未必只能二選一。企業更可能以通用模型處理探索性工作，再把高頻率、穩定且具有競爭價值的流程，逐步轉化為由自己掌握的專業模型與組織資產。 科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！👉了解職缺內容 ＊本文開放合作夥伴轉載，參考資料：《Forbes》、Anthropic，圖片來源：unsplash （責任編輯：鄒家彥）

AI Agent 斷網還能繼續動作，KPMG：Edge AI Agent 需要另一套治理方式

撰稿：廖紹伶 企業開始讓 AI Agent 不只回答問題，還能規劃任務、存取資料、呼叫工具，甚至直接執行動作後，AI 治理也變得更複雜，而到了「Edge AI Agent」，問題又多了一層。資料與部分運算留在企業內部或終端裝置，乍看之下似乎更安全，但當 Agent 同時取得端點上的資料與執行能力，即使與中央系統失去連線，也可能繼續動作。換句話說，「資料不上雲」不代表企業就比較容易掌控 Agent。 「Edge AI 的 Agent 相對會比較安全嗎？」KPMG 安侯企管數位創新服務副總經理張智淵在《科技報橘》主辦的 AI 智慧大工廠論壇中，就從這個問題切入。本集《全新一週》帶回這場演講內容精華，從 Edge AI Agent 與 Centralized AI Agent 的差異談起，再進一步拆解企業該在哪些環節建立控管，以及地端執行可能帶來哪些容易忽略的治理盲點。 Edge AI Agent 特別在哪？部分推理與執行能力來到端點 張智淵將 AI Agent 大致區分為 Centralized AI Agent 與 Edge AI Agent。前者的模型與 Agent 執行環境主要位於雲端，使用者透過網路下達任務，再取得回傳結果；Edge AI Agent 則會將部分甚至全部推理與行動能力放到終端裝置。 這個差異的重點不只在資料放哪裡。當 Agent 的執行能力也來到端點，它可能直接存取當地檔案、資料與系統，甚至在裝置上採取動作。企業因此要處理的，不只是模型輸出正不正確，而是 Agent 在端點上擁有哪些權限、可以做哪些事，以及發生異常時能不能及時停下來。 要管 AI Agent，得先把整個工作流程拆開來看 […]

【科技早餐】台積電將助馬斯克營運德州晶圓廠？馬斯克證實洽談中

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊馬斯克證實與台積電洽談，晶圓廠合作仍未定案 馬斯克（Elon Musk）證實，旗下晶片計畫 Terafab 與台積電（TSMC）的合作仍在討論。據消息人士指出，台積電正評估協助 Terafab 營運德州新晶圓廠的可能性。馬斯克在社群平台 X 回應相關消息時表示，目前只是討論，但可能會有進展。現階段可確認的是雙方正在商談，合作模式與具體安排仍待說明。 另外，馬斯克表示，將把太空探索科技公司（SpaceX）旗下 AI 部門的名稱，從 SpaceXAI 改為 SpaceXSI，呼應美國總統川普以「超級智慧」（SI）稱呼 AI 的說法。川普 9 月在聯合國大會演說時，曾提出在美國文件中以「超級」取代「人工」一詞。《路透社》指出，馬斯克未公布更名時間表，也未提供進一步資訊。晶圓廠合作與部門更名是兩項不同進展；前者涉及晶片製造布局，後者目前是名稱變更意向，尚不足以據此確認業務調整。 ＊川普設「超級智慧」小組，情報總監領軍評估 AI 風險 美國總統川普確認，由國家情報總監克雷頓（Jay Clayton）領導白宮新設的「超級智慧」任務小組，協調聯邦政府的 AI 工作。川普表示，小組將維持美國在 AI 發展上的領先地位，並保護民眾利益、改善生活。名稱中的「超級智慧」，是川普偏好的 AI 稱呼。據《路透社》報導，克雷頓表示，小組將在 120 天內提出報告，評估 AI 的風險與機會，並建議聯邦政府應扮演的角色。川普第二任期初期，曾由創投人士塞克斯擔任這項跨部門統籌職務。 小組也將檢視 AI 相關風險，以及政府對系統入侵、駭客攻擊等事故的現有通報機制，提出在既有權限下強化聯邦應變能力的建議。參與官員包括聯邦貿易委員會主席、國防部科技長與人事管理局局長；小組將直接向川普及白宮幕僚長報告，並與 AI 公司、消費者、公共利益與宗教團體，以及關鍵基礎設施提供者交流。川普仍主張避免過度監管，以免削弱科技競爭力，新小組的 ＊南韓七家金融業者遭駭，AI 疑成攻擊幫凶 南韓金融業近期接連發生資安事件與資料外洩。據《韓聯社》10 月 4 日報導，新韓銀行、KB 國民銀行、韓亞銀行等七家金融公司遭駭，金融部門在多起事件中發現疑似同一攻擊者使用 AI 的跡象。當局推測，攻擊者可能利用 AI 工具不斷更換網路位址，並自動攻擊多家金融業者；AI 是否參與及具體使用方式，仍待調查確認。 南韓總統李在明已要求徹查，金融服務委員會也召開緊急會議，要求金融業提高警戒。金融監督院向約 […]

川崎人形機器人準備導入日本自研 AI，日本 Physical AI 正從算力走向實體應用

日本是全球工業機器人重鎮，川崎重工也已投入人形機器人研發超過 10 年，但進入 Physical AI（實體 AI）時代，光有機器人硬體與控制技術還不夠。川崎現在準備替自家人形機器人 Kaleido 接上一顆由日本自己打造的 AI「大腦」。 《日本經濟新聞》報導，川崎計畫導入 AI 公司 Noetra 開發中的 Physical AI，最快 2030 年投入工廠等實際場域。初期仍會搭配遠端操作，再隨 AI 能力提升，逐步擴大機器人自行辨識環境、判斷並完成工作的範圍。 川崎其實早已規劃 Kaleido 在 2030 年前後上工。川崎重工今年 3 月公布的 Kaleido 9 路線顯示，初期將先進入工廠、廠區等受控環境，執行搬運、巡邏等工作，當時仍以「人負責判斷、機器人負責執行」為主要模式，結合遠端操作、自主移動與環境辨識等技術。這次接上 Noetra，則讓這條既有路線進一步朝更高程度的自主作業推進。 而 Noetra 背後，是日本正在推動的一項更大規模 Physical AI 布局。Noetra 官方資料顯示，該公司已獲 44 家企業與組織出資，核心出資者包括 Sony、SoftBank、NEC 與 Honda；為了支撐模型訓練，還規劃自 2027 年起建置約 2.75 萬顆 NVIDIA Rubin GPU，預計 2028 年投入運作。《Reuters》7 月報導 NVIDIA 與日本機器人業者擴大 […]

科技業職缺逾 28 萬、裁員砍半：AI 沒消滅工作，而是改寫了徵才名單

AI 原本被認為可能大幅消滅科技業工作，但最新職缺數據顯示，科技公司的招聘需求並未全面萎縮，職缺數量較年初明顯增加。其中，硬體工程師需求更在今年明顯成長，顯示 AI 帶動的不只是軟體開發，也正在推升晶片、伺服器、機器人與資料中心等實體基礎建設的人才需求。 《Business Insider》報導，根據招聘平台 TrueUp 的最新數據，科技公司的職缺數量正在增加。TrueUp 追蹤超過 9,000 家科技公司，目前統計的新創公司與大型科技企業共有超過 28 萬個科技職缺，較 2026 年初大幅增加。 科技職缺增至逾 28 萬個：硬體工程師需求因 AI 基建大增 科技業裁員情況也持續放緩。TrueUp 數據顯示，今年截至目前約有 19 萬名科技業員工遭到裁員，明顯低於 2023 年產業裁員高峰期的約 43 萬人。雖然裁員並未完全消失，但已不像疫情後產業下滑期間那樣快速發生。 不過，科技業的復甦並非所有職類都同步發生。今年對硬體工程師的需求大幅增加，主要受到企業大規模投入 AI 基礎建設所帶動。「考量到市場對 GPU 創新、AI 機器人、美國製造業新創公司以及 SpaceX 的關注，這並不令人意外。」TrueUp 創辦人 Amit Taylor 告訴《Business Insider》。 另一方面，軟體工程職缺的表現也比預期更加穩健。儘管市場先前預測，AI 程式設計工具普及後，企業對程式設計師的需求可能大幅下降，但目前數據並未顯示軟體工程職缺出現明顯萎縮。 《The Pragmatic Engineer》今年 5 月發布的 2026 年科技就業市場分析，也觀察到軟體工程招聘正在回升，但不同市場之間存在明顯差異。該報告引用 Indeed 的職缺數據指出，美國與英國的軟體工程職缺增加，加拿大大致持平，德國與法國則出現下降。報告認為，這可能反映出以美國為總部的科技公司正在增加軟體工程師招聘，主要集中在美國以及部分英國市場，而歐洲總部的科技公司招聘則相對謹慎。 Google 工程職缺增 62%，AI […]

Robotaxi 開得更晚、FSD 前進台灣，Tesla 純視覺路線面臨哪些新考驗？

電動車大廠 Tesla 正把旗下無人計程車服務 Robotaxi 往更晚的夜間延伸，但執行長馬斯克最近提到的一個例子，也讓 Tesla 長年選擇的自駕技術路線再次受到關注。 Tesla 近日將美國德州 Austin 的 Robotaxi 無人計程車服務時間，從晚上 10 點延長至 11 點。馬斯克隨後表示，目前團隊仍在處理夜間寵物辨識問題，甚至具體舉例，要確保車輛能看見「黑暗中灰色柏油路上的灰色小貓」。《Electrek》據此將問題指向 Tesla 的純視覺路線，認為 LiDAR 能為這類低照度、低對比場景提供額外感測資訊。 Robotaxi operating hours moved from 10pm to 11pm. The main thing we’re trying to solve is making sure that we don’t run over pets when they’re hard to see at night. Literally trying to […]

美中 AI 差距縮至 3%？彭博研究：中國憑「高效率與低成本」逼近美國領先優勢

美國 AI 業者與中國業者之間的性能差距，近幾個月快速縮小至歷來最低水準。彭博行業研究（Bloomberg Intelligence，BI）指出，在中國 AI 實驗室 DeepSeek 等業者持續追趕下，美國在 AI 技術上的領先優勢正面臨挑戰。 中國 AI 靠效率追趕：部分模型以五分之一成本處理多數工程任務 BI 資深分析師 Robert Lea 在報告中指出，DeepSeek 於 9 月推出 V4.1 Flash 後，中國頂尖 AI 模型與美國競爭對手在基準測試上的性能差距已縮小至約 3%。相比之下，今年 5 月的差距約為 9%，2026 年初則約為 15%。Lea 認為，性能持續改善將進一步推動中國 AI 業者取得更多市占率。 BI 認為，中國 AI 能力快速提升，來自業者累積的模型開發經驗，以及研究人員針對中國本土硬體進行模型最佳化的能力。這些進展也讓外界重新思考美國限制 NVIDIA 等先進 AI 晶片出口至中國的效果。相關出口管制原本是為了限制中國 AI 發展，並阻止華為等中國企業建立自身替代方案。 《Fortune》提及，中國 AI 業者在先進 NVIDIA 晶片受限下，轉而提升模型的運算效率，以較少算力縮小與美國的差距。AI 評估平台 Larridin 共同創辦人 Ameya Kanitkar […]

【用資安思維做 AI 治理】78% 員工自行使用未核准 AI，企業可比照資安管控分層授權

員工自行使用公司從未審核過的 AI 工具，這種情況在中小企業裡遠比管理層想像的普遍。美國雲端軟體經銷平台 Pax8 近期一項研究發現，約 78% 員工正在使用雇主未核准的 AI 工具。 這類在 IT 部門視線之外使用的 AI 工具被稱為「影子 AI」（Shadow AI），牽涉的不只是工作效率，更關乎資料安全、客戶信任與企業治理。 90% 中小企業已用 AI，僅 23% 訂有書面政策 從整體導入情況來看，AI 已大規模進入中小企業。Pax8 另一份《2026 年第 2 季中小企業 AI 脈動報告》（Q2 2026 SMB AI Pulse Report），調查逾 400 位美國中小企業主管，結果顯示 90% 企業已開始導入 AI，其中 61% 在日常營運中使用，29% 仍在試用。 AI 的應用也已深入核心業務，37% 企業用於財務會計，33% 用於人資。政策配套卻遠遠跟不上這樣的使用深度，只有 23% 企業訂有書面 AI 使用政策，28% 僅靠非正式指引，其餘 49% 尚無政策或仍在制定中。在缺乏正式政策的情況下，讓財務、人資等流程經過外部 AI 模型，等於讓企業暴露在嚴重風險中。 […]

資料中心是當代工廠運算層：製造業與資料中心不是二選一，而是同一場工業革命

資料中心本身將是現代工廠幕後的運算層，亦是傳統製造業邁向下一階段，實現次世代工廠的發展關鍵，藉此重塑社區經濟面貌，並非得 AI 與傳統製造業投資二選一。

汰換 30 年老 POS、再上 AI，美國披薩品牌的數位轉型如何拿回主導權

第三方外送平台改變了披薩產業的消費習慣，也讓原本擁有直面消費者優勢的速食品牌，開始面臨顧客關係與利潤空間被中間平台切割的問題。美國速食披薩品牌 Papa Johns 上季同店銷售下滑超過 8%，伴隨關店與營運調整，促使品牌展開全面性的數位轉型。 Papa Johns 數位與科技長 Kevin Vasconi 指出，Papa Johns 雖有高達 85% 業務來自數位管道，但核心系統已嚴重老化，改革的關鍵在於重構底層科技，從根本改善門市營運與顧客下單體驗。 告別 30 年老舊 POS，串聯數據賦能營運精準決策 轉型的第一步，是淘汰運作長達 30 年的自研 POS 系統。舊系統結構僵化，難以因應現代速食業頻繁更迭的促銷、價格調整與限時優惠需求。Papa Johns 攜手 PAR Technology 於數千間門市導入新世代 POS 系統。新系統改採類 App 的直覺化圖形介面，取代傳統繁雜的文字排版，不僅能清晰呈現備餐流程與訂單資訊，大幅降低門市員工的培訓門檻與操作失誤，更透過數千間門市的操作優化，為品牌帶來龐大的累積營運效益。 更換 POS 的背後，更重要的戰略意圖在於數據的全面整合。Papa Johns 雖然累積了 30 年的顧客與交易資料，但過去多處於單點孤島狀態。PAR Technology 執行長 Savneet Singh 提出「串聯數據（Connected Data）」的概念：若單看銷售額成長，卻忽視毛利率下滑，容易做出錯誤決策；只有將銷售、毛利的財務指標，與庫存、人力排班及訂單流向等營運數據進行跨系統串聯，才能還原營運全貌。Papa Johns 透過串聯數據，將龐雜資料轉化為可即時調用的決策依據，精準賦能門市管理者與第一線員工。 雙端 AI 應用：精準排班與智慧點餐助手 在健全的數據基礎之上，AI 成為提升效率與體驗的關鍵引擎。在內部營運端，門市經理利用 AI 預測銷售趨勢，動態優化人力排班，填補人力缺口並控制成本。在消費者端，Papa […]

【科技早餐】AI 代理私訊存取惹爭議，蘋果將收緊 Mac 完整磁碟授權

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊AI 代理私訊存取惹爭議，蘋果將收緊 Mac 完整磁碟授權 蘋果（Apple）10 月 2 日宣布，將為 macOS 的「完整磁碟存取權」（Full Disk Access）增加控制措施，要求使用者透過更明確的操作才能授權。該功能原本支援備份程式，可略過多項資料保護限制，接觸檔案、郵件、訊息與瀏覽紀錄。蘋果指出，部分開發者的使用方式，可能讓使用者未充分理解便暴露資料；隨 AI 代理能力與自主性提高，這類廣泛權限的風險將擴大，通訊對象的隱私也可能受到影響。 《路透社》報導，Meta 的 AI 代理 Muse 能替使用者取消未使用的訂閱、與業者議價，將 AI 的應用延伸至代辦任務。科技專欄作家 Jason Aten 近期指控，Muse 讀取他的 Mac 私人訊息，並稱未開啟完整磁碟權限。Meta 否認未經授權存取，表示須同時啟用完整磁碟權限與訊息連接功能，才能讀取訊息，授權亦可撤銷。蘋果未在公告點名特定產品，也未公布新措施的實作細節與上線日期；此次調整聚焦於應用程式取得資料存取權限的授權方式。 ＊博通最高 420 億美元融資挺 Anthropic，晶片供應商兼任金主 《路透社》取得的 Anthropic 上市公開說明書顯示，博通（Broadcom）同意提供最高 420 億美元融資，支持該公司的基礎設施支出。Anthropic 已承諾支付 1,252 億美元，租用五年 TPU 算力，這項額度若全數動用，可支應約三分之一的租賃承諾。相關債務可轉換為 Anthropic 股份，博通也能指定融資合作方；Anthropic 預期上市完成前不會出售相關融資票據；報導指出，該公司預計 2027 年成為博通最大的算力客戶。 博通同時參與算力供應、設備租賃與融資，Anthropic 因此在公開說明書揭露潛在利益衝突，指出硬體定價及供應決策可能影響算力取得。特定付款或履約違約，也可能使大筆租賃款立即到期，並限制融資額度的使用。另據《彭博》10 月 2 […]

新北青年局「AI 實戰職涯營」成果亮相  25 位跨域青年打造 AI Agent 解企業真實命題

【新北市訊】新北市政府青年局第二屆「2026 AI Practitioner Program（ AI 實戰職涯營）」昨（2）日舉辦 Demo Day，25 名學員歷經 3 個月密集訓練，將 AI 導入物流、航運、食品、醫療及會計等領域，針對企業實際工作流程打造 AI Agent。獲選 MVP 的「箱當可以 Boxcellent」團隊獲得 AWS 資深主管職涯諮詢機會，結訓學員也有機會銜接伊雲谷數位科技、永豐銀行、統一資訊等企業提供的生成式 AI 系統分析師、雲端架構師及生成式 AI 專案管理等熱門職缺，幫助青年順利接軌職場。 新北市青年局副局長林麗珠表示，推動「AI 實戰職涯營」，主要希望藉由完整培訓，讓不同專業背景青年都能培養 AI 應用、跨域溝通與問題解決能力，成為企業所需的即戰力。今年營隊錄取的 25 位學員背景多元，涵蓋醫療護理、文史哲、社會福利、行銷企劃等領域，目前已有 17 名學員成功取得「AWS Certified AI Practitioner」與「AWS Certified Cloud Practitioner」兩張國際認證，展現 AI 不僅是科技人才的工具，只要掌握正確方法，各領域青年都能結合自身專業與 AI，開創新的職場價值。 學員在 Demo Day 成果發表中，分組挑戰企業真實命題，提出涵蓋物流與宅配、智慧航運、食品製造、醫療及會計服務等五大領域的 AI Agent 專案。 「箱當可以 Boxcellent」團隊榮獲 DemoDay MVP。團隊打造「配送整理 Agent」，鎖定物流調度員的決策困境，不取代物流調度員的既有排程工具，以真實訂單資料結合調度員回報的現場狀況判斷， agent 會在提出方案時一併說明影響範圍，但最終仍由調度員決定是否套用，目標是把調度員的判斷力帶上線，轉化為可複製的產品力。團隊學員分享，評審從商業模式與技術架構提出的提問，有不少是開發過程中沒有想到的面向，不過團隊也認為，若要讓服務真正落地，關鍵仍在於貼近調度員的第一線現場。 […]

【AI 應用漏洞無所不在】雲端與身分權限同列高風險破口，企業防禦應轉向「實測真正風險」

資安公司 BreachLock 發布《滲透測試情報報告》（2026 Penetration Testing Intelligence Report），研究基於過去 12 個月內於全球執行的 4,970 多次實測滲透測試，以及高達 531,770 項具體漏洞的匿名統計數據。 內容透過跨越 60 多個產業領域的大規模實測結果，指出企業在加速導入 AI 與雲端架構時，攻擊面擴張速度已遠超資安治理能力的真實困境，並為企業指明從「收集漏洞清單」轉向「主動驗證實質風險」的轉型路徑。 📎 這份報告適合誰閱讀？ 適合以下 5 類工作者與團隊閱讀： 🔴 報告洞見 全球資安威脅新常態 當前企業面臨的資安環境正在經歷前所未有的動態變化。隨著自動化攻擊工具與 AI 技術普及，駭客發動攻擊的門檻顯著降低，攻擊速度則呈現爆發性成長。 報告數據顯示，攻擊者的行動速度快得驚人，從首次突破防線到攻陷其他內部系統，平均只需要 29 分鐘；甚至在漏洞剛被公開的 24 小時內，駭客就能拿出對應的入侵工具。 這種極速化的攻擊節奏，對傳統以人工反應為主的防衛機制造成了巨大衝擊。 企業雖然為了符合合規要求而增加漏洞檢測的頻率，但由於資產掌控力不足與修補資源有限，導致絕大多數被發現的弱點長期未獲處理。 這種「只檢查不修補」的現象，讓多年前就已公開的已知漏洞，至今依然普遍存在於企業內網中，持續累積成沉重的資安負債。 AI 代理人的風險爆發 《滲透測試情報報告》首次針對 AI 進行專屬實測，結果令人擔憂。接受測試的 AI 系統無一倖免，全都存有國際資安標準（OWASP）所警告的重大安全弱點。 這反映出，企業搶著將 AI 落地商業應用的速度，已經遠遠超越了資安防線的建置步調。 在所有 AI 漏洞中，最常見且破壞力最大的，是佔了近三成（28%）的「提示詞注入」（Prompt Injection）。 簡單來說，這就像駭客對 AI「下催眠指令」或用話術誘騙，讓 AI 忽略原本的安全設定去執行非法操作。在實測中，駭客甚至能利用 […]

Jev 爆紅後 Strands Decider、Clef 接連登場，決策模型正走出哪些不同路線？

TypeSafe 9 月中推出 Jev 後，「決策模型（Decision Model）」快速成為 AI 領域的新熱點。不到三週，OpenAI 推出 Decisions API，AWS、Cloudflare 接連發布 Strands Decider 2B 與 Clef，開發者社群與研究團隊也快速跟進。這波熱潮背後，是 AI 代理內部不同工作的分工開始被重新檢視。 《VentureBeat》指出，如果系統只需要回答「這個工具該不該執行？」或「這筆請求該走哪一條路徑？」這類答案範圍明確的問題，讓大型語言模型先生成一段解釋，反而會增加時間與成本。決策模型則直接替預先允許的答案評分，因此更適合放在 AI 代理周邊，頻繁處理工具選擇、路由或操作檢查等窄範圍判斷；寫作、程式設計與複雜推理，仍交給能力更完整的生成式模型。 而隨著更多業者加入，決策模型也不再只有一種做法，AWS、Cloudflare 與其他開發者團隊，開始從模型大小、部署方式、多模態能力與架構設計上做出不同取捨。 延伸閱讀：Jev 為何爆紅？AI Agent 正重新分配「誰來做決策」 Jev 帶起熱潮，OpenAI 也把決策能力獨立做成 API TypeSafe 9/15 推出 Jev，讓模型讀取目前狀態與預先定義的問題後，直接回傳選項、分數或是非判斷，以及各答案的機率，不需要像一般大型語言模型逐字產生回答。 OpenAI 9/29 也在 DevDay 發表 Decisions API。它不是另一款獨立決策模型，而是使用 OpenAI 的 Luna 模型，讓開發者先定義問題與有限選項，再由模型根據文字或圖片進行分類、請求路由，或選擇 AI 代理下一步行動。OpenAI 的加入顯示，這種設計思路已不只停留在新創或開放模型社群，也開始被大型 AI 業者做成正式產品能力。 AWS 推 Strands […]

Walmart、TikTok Shop 訂單也能在 Amazon 後台管理：零售巨頭搶當商家的作業系統

AI 正逐步改變零售商與商家之間的關係。《PYMNTS》報導，過去零售市場主要圍繞 4 項競爭槓桿，包括消費者占有率、賣家占有率、廣告支出占有率與錢包占有率；如今，AI 進一步帶來第 5、6 項槓桿，也就是決策權占有率，以及意圖基礎設施占有率。 賣家端的系統整合戰：Amazon 與 Walmart 搶占商家的「決策權占有率」 近期亞馬遜（Amazon）與沃爾瑪（Walmart）的產品更新，正反映出這項變化。Amazon 升級 Seller Assistant，讓 AI 能持續監控商家的業務狀況，並在商家設定的限制範圍內提出建議或執行相關行動。Amazon 也推出 Multichannel Selling，將 Walmart、eBay、TikTok Shop 與 Shopify 的訂單、庫存及商品目錄，整合至 Amazon 賣家用來管理業務的平台 Seller Central；另外，Amazon Ads Agent 現在可以透過自然語言指令規劃、管理與最佳化廣告。 Walmart 則持續發展 Scintilla 平台，從零售分析進一步朝 Walmart 所稱的「商務智慧」（commerce intelligence）發展，利用第一方資料與 AI 辨識業務表現變化與潛在機會，並將分析結果連結至實際行動。 Walmart 也在近日宣布「Shop to Light」功能。消費者可以透過 Walmart App 尋找商品並請系統協助定位，門市系統會讓商品所在位置亮起，同時貨架標籤上的小型 LED 燈會閃爍，協助消費者找到商品。 零售平台成為賣家的作業系統：Amazon、Walmart 從資料分析走向直接執行 《PYMNTS》指出，過去賣家的科技工具通常分散在不同系統，例如使用不同平台處理電商與電商市集，再搭配企業資源規劃（ERP）系統管理庫存、物流業者處理履約，以及專門的廣告與分析軟體，並由員工或代理商協調各項工作。 不只是工具，賣家的生意本身也分散在多個通路。根據 PYMNTS […]

OpenAI 零售新局：ChatGPT 虛擬試穿＋收藏上線，把「探索到決策」搬進對話框

OpenAI 持續探索 ChatGPT 作為 AI 購物助理的應用。OpenAI 宣布，全球推出兩項新的購物功能，包括讓使用者虛擬試穿服裝與配件，以及新增收藏（Favorites）功能，讓使用者儲存喜歡的商品，方便之後再查看。 OpenAI 推出「虛擬試穿」功能，ChatGPT 升級 AI 購物助理體驗 《TechCrunch》提及，這項更新正值 AI 助理持續探索購物應用之際。OpenAI 先前曾推出即時結帳（Instant Checkout）功能，但這項功能最終表現不佳，促使 OpenAI 調整方向。近期，代理式 AI 新創公司 Instinct 也開始向使用者推送商品推薦，但部分使用者認為，這類主動推薦有些過頭，比起有用的建議，更像是廣告。 《Digital Trends》指出，ChatGPT 每週已有超過 12 億名使用者，且其中許多人已經會利用 ChatGPT 尋找購物靈感。從這個角度來看，OpenAI 此次推出虛擬試穿與 Favorites 並非從零開始建立購物場景，而是在既有的使用習慣上加入更多功能。《Digital Trends》提及，兩項功能可以形成連續的購物流程，使用者先透過虛擬試穿探索商品，再決定購買，或將商品儲存下來日後查看。 OpenAI 表示，新的購物功能採用近期推出的 ChatGPT Images 2.5 模型。OpenAI 宣稱，該模型可以產生更自然的光線與更豐富的材質細節，也能更可靠地遵循圖片編輯指令，並降低圖片生成延遲。 其中，虛擬試穿功能可以讓 ChatGPT 使用者上傳自拍照或全身照，查看特定服裝或配件穿在自己身上的效果。當使用者在 ChatGPT 的購物搜尋結果中看到服裝或配件時，會出現新的「Try on」按鈕，使用者點選後即可上傳照片進行試穿。使用者也可以直接上傳商品圖片，例如網站截圖，再要求 ChatGPT 將該商品套用到自己的照片上。 跨入時尚靈感領域：ChatGPT 迎戰 Google 競爭與 AI 試穿信任度考驗 […]

Google 首度把 4 顆 TPU 送上太空！開始實測「軌道 AI 資料中心」

Google 首度把自家 AI 晶片送上太空。美國時間 10/1，太空公司 SpaceX 的 Falcon 9 火箭執行 Transporter-18 任務，其中一顆由衛星公司 Planet Labs 製造、約冰箱大小的衛星，搭載了 4 顆 Google TPU。這也是 Google 的 Project Suncatcher（捕日者計畫）首次把 TPU 真正送進軌道。《CNN》形容，這次發射可視為 Google 在軌道 AI 資料中心競爭中率先展開的一波實際行動。 Up, up, and away. 🚀 Today, in partnership with @planet, we launched a prototype satellite carrying four TPUs into orbit on @SpaceX's Transporter-18 rideshare mission. This […]

Agile Robots 的產品是「工廠」，機械手臂、人形機器人都只是其中一環

Agile Robots 指出，開發實體 AI 的企業，例如機器人公司必須先投入有價值的應用，大規模部署機器人後動能才會回流，進而帶動資本投資、推動運算能力進步，再驅動實體產品進化。

一個 AI Agent 別管超過 8～10 類任務，Salesforce 如何重新設計企業分工？

隨著企業建立的 AI Agent 越來越多，如何避免 Agent 彼此重複、職責模糊甚至失控，也開始成為新的管理問題。在這個背景下，一個 Agent 到底該負責多少事？ Salesforce 最近在多 Agent 設計建議中提出一個具體參考：實務上，當單一 Agent 負責超過約 8～10 個範圍明確的任務主題，就應考慮進一步拆分。而這項建議出現之際，Salesforce 自己也正在調整內部導入 Agent 的方法。 從數百個 Agent 收斂，Salesforce 先學會聚焦問題 《Fortune》近日報導，Salesforce 曾從數百個 Agent 收斂到少數公司更有把握能帶來明確效益的應用。負責內部 Salesforce 產品導入的資深副總裁 Andy White 坦言，公司一度同時追逐太多方向，缺乏足夠聚焦。 Salesforce 後來回頭檢視哪些 Agent 達到預期、哪些沒有，發現業務部門參與程度也是差異之一。成功的流程通常有更深入的業務人員支持，因此該公司開始讓 IT 端的 Agent 開發者與業務人員組成「快速創新小組（Rapid Innovation Squad，RIS）」，針對明確的業務問題快速設計、測試 Agent。 Salesforce 自己的《Scale Your Agentic Enterprise》實戰手冊指出，典型 RIS 約有 2～5 人，通常由業務負責人、具產品開發思維的人員與整合工程師組成。這套方式已從最初少數小隊，擴大到接近 50 個 RIS […]

【科技早餐】美光客戶長約承諾增至 320 億美元，預期記憶體供應更吃緊

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊美光客戶長約承諾增至 320 億美元，預期記憶體供應將更吃緊 美光（Micron）9 月 30 日公布截至 9 月 3 日的 2026 會計年度第四季財報，營收達 542.3 億美元，高於去年同期的 113.2 億美元。美光董事長暨執行長梅羅特拉（Sanjay Mehrotra）表示，客戶在長期供應協議下的財務承諾，已從 6 月公布的 220 億美元提高至 320 億美元，多數採現金訂金形式。這是未來供應承諾，並非當季營收。 美光預期，2027 與 2028 年的記憶體及儲存供需將比 2026 年更吃緊，且已為 2027 年多數高頻寬記憶體（HBM）產出取得協議。公司將提高原先規劃的 2027 會計年度資本支出，擴充供應能力；新產能即使開始生產，也仍需時間提升產量。美光對下一季營收的預估中值為 615 億美元，上下浮動 15 億美元。公司正擴充多個據點，供需走勢仍是管理層預測。 ＊Google 推 Gemini 4 Argon 追趕對手，先向資安夥伴開放 谷歌（Google）9 月 30 日發表旗艦 AI 模型 Gemini 4 […]

車內支付生態系崛起：掌握「儀表板介面」即掌握商業入口？憑證與數據控制權成競逐焦點

連網汽車與支付系統的整合，正讓加油、充電、停車、過路費等原本分散的車輛支出，逐漸納入共同的支付憑證。《PYMNTS》報導，這種整合也讓支付不只是完成單筆交易，而可能進一步串起整段旅程，讓優惠在消費者做出下一個消費決定之前就出現。 Waymo 於 2026 年 9 月 22 日推出 Transit Rewards 計畫，讓舊金山灣區乘客將 Visa 卡綁定 Waymo App。當乘客使用同一張卡搭乘 Waymo 與公共運輸，且兩次行程相隔在兩小時內，就會自動獲得 2.85 美元的 Waymo Cash。這項計畫適用於灣區 27 個接受感應式 Visa 支付的公共運輸機構，初期先開放 Waymo 員工使用，再逐步向一般大眾推出。 支付憑證整合交通軌跡：從單筆交易走向全旅程串接 《PYMNTS》指出，這項計畫顯示，支付憑證可以用來串接旅程中的不同活動，而不只是分別支付每一段交通費用。Waymo 會利用綁定的 Visa 卡，判斷兩小時內是否出現符合條件的 Waymo 與公共運輸活動，再發放回饋。 其他交通支付系統也正在整合原本彼此分散的車輛支出。2026 年 3 月，專門提供電動車充電支付與移動支付服務的 Paythru，與 Visa 合作開發白標車隊數位錢包，讓駕駛可在接受 Visa 的電動車充電站付款，也能支付經雇主核准的停車費與過路費；車隊營運商則可以集中管理允許的支出，並查看付款資料。 2026 年 5 月，Mastercard 與交通科技公司 ryd 推出歐洲車隊支付系統，可處理加油、充電、洗車及其他車隊支出。駕駛可以透過 App 或車輛資訊娛樂系統發起付款，App 也能在交易發生時記錄收據、里程表讀數與行程資訊。 這些支出本身並不新，改變之處在於，這些交易可以圍繞駕駛、車輛與行程進行整合。相較傳統結帳流程，車輛及與其連結的服務可能掌握更多資訊，例如所在位置、行駛路線，以及汽油存量或電池電量等車輛狀態。 […]

美元穩定幣 OUSD 正式上線：Visa、Stripe 瞄準的，是下一批還沒上鏈的企業交易？

Visa、Mastercard、Stripe、Coinbase、Shopify 等業者共同支持的美元穩定幣 Open USD（OUSD）在 9/30 正式上線。OUSD 背後的 Open Standard，目前已有超過 200 家金融機構、FinTech、銀行與企業加入，Coinbase、Mastercard、Shopify、Stripe、Visa 則是首批創始夥伴。 OUSD 上線後，企業與開發者目前可從 Stripe、Mastercard、Coinbase、Visa 4 個管道接入，並利用相關 API 與工具，把 OUSD 用在結算、支付、交易、外匯、錢包與卡片等服務。這 4 個管道也都支援以 1：1 美元免費鑄造與贖回 OUSD。 OUSD 是美元穩定幣，也就是以美元、美國國債等準備資產支撐，力求讓每枚代幣維持 1 美元價值。目前市場代表包括 Tether 發行的 USDT，以及 Circle 發行的 USDC。然而，市場已有大型穩定幣，為什麼還需要 OUSD？《PYMNTS》認為，這次值得注意的不只是多了一枚幣，而是穩定幣競爭正從發行，進一步延伸到分發。 穩定幣發出來還不夠，還要有人願意分發 穩定幣的基本商業模式，是發行商取得使用者換入的美元，再把準備金配置於美國國債等高流動性資產，從中取得收益。發行量越大，可產生收益的準備資產也越多。 但要擴大使用，還需要交易所、銀行、支付平台、錢包與商家把穩定幣接進既有服務。《PYMNTS》分析，隨著託管、準備金管理、鑄造與贖回等基礎設施逐漸成熟，更難建立的反而是分發能力，也就是如何把數位美元嵌進商家支付、企業財務與跨境資金流。 Circle 的財報就反映這項成本。Circle 向美國證券交易委員會（SEC）提交的資料顯示，2026 年上半年，與 Coinbase 協議相關的分發成本達 6.553 億美元；Circle 也預期，隨更多分發商與合作夥伴加入，相關支出可能增加。因此，即使 USDC 已建立龐大流通規模，仍需要透過經濟誘因讓其他平台持續分發。 OUSD 把分發者直接拉進利益分配 不過，OUSD 並不是第一個和通路分享收益的穩定幣。Circle […]

亞馬遜配送員變「移動資料庫」：戴智慧眼鏡狂拍住家數千張，為何掀隱私爭議也要做？

亞馬遜（Amazon）計畫讓配送員配戴智慧眼鏡，在送貨過程中幾乎持續拍攝周遭環境，並將影像傳回公司，由人工分析並提供給 AI 系統使用。Amazon 認為，這項技術能讓配送更快速、可靠；《Bloomberg》專欄作者 Dave Lee 認為，此舉可能讓 Amazon 再次陷入隱私爭議。 Amazon 推動智慧眼鏡計畫，大規模蒐集影像驅動 AI 配送 Amazon 去年 10 月宣布智慧眼鏡計畫。這款裝置已開發超過 3 年，主要用於降低配送錯誤，讓配送員以免持方式確認正確包裹、尋找配送位置，並拍攝送貨照片。Amazon 目標是在今年底前讓 5,000 名配送員使用，2027 年底擴大至超過 20,000 人；截至目前，試行階段已完成超過 275,000 次配送。 《Bloomberg》提及，Amazon 當時並未完整說明眼鏡會蒐集的資料規模。裝置會按照一定頻率拍攝配戴者所看到的靜態影像，一名配送員一個班次可能產生數千張照片。Amazon 表示，影像品質相當於或低於標準配送證明照片，未透露確切解析度。 這些影像將用於 Wellspring 平台。Amazon 將其描述為一套「由生成式 AI 驅動」的系統，整合多種資料來源，建立街區資訊以加快配送。負責推動計畫的 Amazon 高階主管 Viraj Chatterjee 表示，智慧眼鏡能讓公司掌握配送車停妥後，到實際配送位置之間的完整視角，蒐集資料的目的在於改善配送流程。Amazon 未透露確切拍攝頻率。 顧客無從查閱且缺乏拒絕機制？大規模拍攝恐再掀隱私爭議 當《Bloomberg》詢問是否至少每幾秒拍攝一次時，Viraj Chatterjee 表示這是「不錯的猜測」；至於是否可能每秒拍攝數次，他則拒絕回答。配送途中，眼鏡可能拍到後院及其他私人土地。若畫面出現人物或車牌，Amazon 表示系統會先將其模糊化，再交由人工檢視。然而，顧客無法查看 Amazon 拍攝到自家住宅的影像，也不能要求刪除；公司目前也沒有計畫直接通知顧客智慧眼鏡的使用情況。 至於顧客能否選擇不被拍攝，Viraj Chatterjee 表示：「我們還沒有考慮過。」他說，若未來有足夠多顧客提出疑慮，Amazon 或許會研究相關機制。Viraj Chatterjee 同時強調，這項技術並非為了監控，而是改善配送體驗及減少配送問題。 […]

Gemini 4 終於登場：一次可輸出 100 萬 token，Google 為何要把 AI 單次工作量做這麼大？

Google 在美國時間 9/30 推出新一代旗艦模型 Gemini 4 Argon，這也是自 2025 年 11 月 Gemini 3 系列後，睽違近一年再更新的最高階模型。而原訂今年 6 月推出的 Gemini 3.5 Pro 最終取消，Google 直接進入 Gemini 4 世代。 《Axios》指出，在這段期間，Google 主要推出速度更快、成本更低的 Flash 模型，OpenAI、Anthropic 則持續更新前沿模型，Gemini 4 因此也肩負 Google 重返最高階模型競爭的任務。Google 將 Argon 稱為目前為複雜工作負載打造、效能最高的模型。其發言人向《Reuters》表示，它在關鍵程式設計與資安測試上的表現，可與 OpenAI Astra、Anthropic Opus 等前沿模型相比。 Argon 並非全面領先，Agent 能力進步更值得看 Google 公布的測試中，Argon 在衡量長時間真實軟體工程任務的 DeepSWE v1.1 拿下 77.9%，高於 Astra 的 74.1% 與 Opus […]

呼應府院出版數位韌性小藍書 AWS發布《公部門與企業數位韌性指南》

當數位服務已經深入到社會運行的每個環節，從公部門到企業，也必須持續整備數位服務本身的防災能力與韌性，以因應天然災害及人為事件可能造成的數位基礎設施損壞風險。亞馬遜網路服務（Amazon Web Services, AWS）與中華電信於 9 月 30 日共同主辦「《公部門與企業數位韌性指南》白皮書發布暨韌性政府論壇」、並由勤業眾信協辦，正式發布《公部門與企業數位韌性指南》白皮書（「小藍書」）。三方將結合 AWS 全球雲端服務經驗、中華電信在地電信網路與資安整合能量，以及勤業眾信治理與風險管理專業，持續透過國際經驗分享、交流活動與人才培訓，推廣「數位韌性」及災防最佳實務，共同強化政府與企業數位服務的運作能力。總統府國家安全會議李育杰諮詢委員及國家資通安全研究院林志堯副院長亦蒞臨與會。 公私協力共築全社會防衛「數位韌性」 受邀擔任致詞貴賓的總統府國家安全會議李育杰諮詢委員表示，數位韌性整備是一場全社會的公私協力，從家庭、社區管委會到企業與關鍵基礎設施，每一個環節都必須具備持續營運的能力。在政府系統的數位韌性上，政府持續推動資訊系統的實體強化與境外備援；並借鏡國際大廠分享的各國緊急應變實戰經驗，強化整備作業。台灣今年更透過網路降速演練等作法，為理念相近的國際民主夥伴在數位韌性建構上做出示範。科技在全社會防衛的價值，在於協助降低創造防護成本、增加優勢，不僅讓國家社會能有效因應天然災害，進而能遏阻潛在的人為風險。」 國家資通安全研究院林志堯副院長則於論壇中分享公部門數位韌性最佳實踐：從虛擬的資安到實體設施，數位系統都面臨著眾多風險；例如南韓國家資訊資源管理院火災導致近 19 萬名公務員檔案受影響、且因無異地備援而永久喪失，便是給各國政府的前車之鑑。數位韌性思維的核心，應從追求「零事故」，轉向假定必然受駭或受損下，如何快速應變與復原能力。政府機關除應落實 3-2-1-1-0 備份原則、更應定期演練，因為機關真正的韌性成熟度，往往不取決於事前防護投入的多寡，而在於復原能力是否真正被驗證過。「勿恃敵之不來，恃吾有以待之」是為了未知的明天，公、私部門可以一起做好準備的最佳準則。 AWS 亞太（台北）區域在地部署，強化災難復原與數位韌性 AWS 台灣董事總經理王定愷表示，面對大規模災害與數位服務風險，選擇合適的雲端韌性架構至關重要。透過 AWS 亞太（台北）區域的在地部署，不僅可提供低延遲、資料在地儲存等關鍵優勢，更能協助政府與企業建構合規、高韌性的跨區域備援、災難復原及自動化防護機制；進而結合 Amazon Bedrock 生成式AI平台、Agentic AI、彈性全球算力擴充與 AWS 成熟的資安防護服務，協助各界加速創新應用落地，兼顧安全、合規與營運效率。AWS 進一步指出，數位韌性的建構不僅是技術導入，更需要持續累積實戰經驗與跨機關的知識傳承。AWS 自 2025 年起，持續邀請國際專家來臺分享韌性建置的實務經驗與最佳實踐，AWS 期盼與中華電信等夥伴共同建立可持續運作的數位韌性交流與培訓社群，讓數位韌性從認知層面逐步落實為各機關的實際執行能力，培育更多具備韌性建構專業的人才，持續精進臺灣整體數位韌性整備。 以多元通訊與雲網架構，打造不中斷的數位服務韌性 中華電信林榮賜總經理表示，中華電信憑藉電信網路建設、關鍵資訊系統雲端化及大型企業服務導入經驗，從網路、雲端、資料與資安四大面向，建構端到端數位韌性架構。中華電信以「海地星空」多元通訊布局，涵蓋海纜、光纖與行動通訊、微波及衛星等多重網路，打造互為備援的韌性網路架構，降低單一網路中斷對關鍵服務的影響。 中華電信因應資料主權、低延遲及持續營運需求，整合 CMCX（CHT Multi-Cloud eXchange）高速直連、多重路由備援及 Tier 3 等級 IDC 機房，建立跨地理區域、跨資料中心及跨雲環境的備援與災難復原能力。同時，透過資料加密分持、資料備份、系統備援、分散式阻斷服務攻擊（DDoS）資安防護及電信級高速網路專線，打造涵蓋網路、運算、資料到資安的多層次韌性防護架構，協助政府與企業由單點備援提升為整體服務韌性，強化重大事件下的持續營運與快速復原能力。 從數位轉型邁向數位韌性，打造永續運作的數位政府 勤業眾信政府與公共事務負責人陳威棋資深執行副總經理表示，隨著 AI、雲端與數位平台快速普及，政府與企業面對的挑戰已不只是導入新科技，而是如何建立能持續適應變化的數位韌性能力。數位韌性的核心在於將韌性設計融入整體架構規劃與治理機制之中，降低單點故障與系統相依風險，建立跨區域、多雲供應商備援能力，並透過模擬演練與可觀測性機制，持續驗證組織面對突發事件時的應變與復原能力。此外，隨著 AI 逐步成為政府決策與服務創新的核心驅動力，未來數位韌性更須結合資料治理、智慧決策及 Agentic AI 人機協作能力，共同支撐智慧政府發展，以提升公共服務品質與組織調適能力。 勤業眾信將持續結合全球政府與產業最佳實務經驗，協助政府與企業建構安全、可信任且具韌性的科技基礎架構與數位治理體系，從數位轉型邁向數位韌性，為未來公共服務創新、智慧政府發展及國家競爭力奠定穩固基礎。 展望未來，AWS、中華電信、與勤業眾信將持續推動臺灣數位韌性發展，結合全球技術創新、在地服務能量與治理專業，共同打造通訊、雲端、資安及治理整合的全方位數位韌性架構。協助政府與關鍵產業提升風險因應、營運持續及數位治理能力，強化國家關鍵民生服務穩定運作，為臺灣打造安全、可信賴且永續發展的數位環境基礎。 […]

搶攻 AI 基礎建設商機，大同首度發表「TTG AIDC CUBE」

張榮華：180 天從電網到算力 大同開啟 AI 新未來 隨著生成式 AI 快速發展，全球算力需求急速攀升，也帶動 AI 資料中心基礎建設進入新一波成長期。面對高密度運算帶來的供電、散熱、建置速度及能源效率等挑戰，大同股份有限公司今舉辦「算力無界・大同新未來（Power Ready for AI）」發表會，首度對外發表全新 AI 基礎建設解決方案「TTG AIDC CUBE」，整合電力、冷卻、能源管理、智慧監控及算力系統，展現從電網端一路到機櫃端的一站式整合能力，宣示大同進一步跨足 AI 基礎建設市場。 大同董事長張榮華率領團隊，邀集產官學界貴賓共同見證大同布局 AI 時代的重要成果，包括代表行政院長出席的行政院政務委員兼國發會主委葉俊顯，以及行政院副秘書長阮昭雄、主管機關經濟部長龔明鑫，與台灣電力與能源工程協會理事長劉文雄等各界人士，都高度關切台灣 AI 的未來；展望國際市場，就連德國在台協會經濟暨投資事務處處長 Dr. David Michel、沙烏地阿拉伯商務辦事處代表 Mr. Marzooq Alharbi，也出席了解台灣產業界的發展；國際科技大廠對這項全新的 AI 發展新助力，同樣高度矚目，包括 NVIDIA、AMD、Intel、HPE、Dell、Lenovo、Cisco，以及日商台灣東芝、台灣雙日、西門子能源、台灣富士電機與韓國 LX International 的決策主管，都到場尋求合作新契機。 像積木一樣擴充　TTG AIDC CUBE 挑戰 180 天算力落地 此次首度亮相的新產品「TTG AIDC CUBE」，核心概念就是模組化、標準化、快速部署。透過 CUBE 模組化架構，可依不同客戶的場域及算力需求彈性配置，並整合高效供電、冷卻散熱、能源管理、智慧監控及機櫃系統等關鍵功能。 相較傳統資料中心從規劃到建置往往需要較長時間，TTG AIDC CUBE 透過標準化設計及預製化架構，目標實現「180 天算力落地」，縮短從基礎設施建置到算力上線的時程，讓企業更快速回應 AI 應用需求，同時保有後續擴充彈性。 回到本業不是回到過去　張榮華：大同從設備製造走向 […]

【YC Demo Day 觀察】從海上核電廠到訓練腦細胞，殊途同歸都在解運算與能源瓶頸

Y Combinator 最新一屆 Demo Day 剛落幕，這次新創陣容和過去幾屆相比有個明顯變化是，深科技類新創的比重大幅增加。 有投資人形容，這批技術「像科幻小說」，從海上核電廠到訓練人類腦細胞做運算，都相當大膽前衛。但有趣的是，儘管題材天馬行空，這屆投資人對估值的態度反而更務實，沒有過去那種一窩蜂追捧、估值虛高的情況。 能源與運算基礎設施類新創受矚目 第一類新創鎖定能源與運算基礎設施的痛點。Atomarine 打算把資料中心蓋在海上駁船，用海水免費冷卻，藉此繞開電力短缺與社區居民兩大難題。公司由一位具電腦科學與海軍工程背景的麻省理工學院畢業生，和一位麻省理工學院核工博士生共同創辦；他們計劃 2028 年推出燃氣動力試營運版本，2032 年轉型為核動力船，並宣稱已取得超過 40 億美元客戶意向書，是本屆估值最高的新創之一。 Dipole Labs 則看準 AI 資料中心的網路瓶頸。GPU 叢集傳輸資料時，訊號須先從光轉成電、再轉回光，過程既耗電又生大量熱能；而 Dipole Labs 打造的光學交換器，讓資料全程維持光的形式傳輸，省去轉換耗損。在 GPU 昂貴、資料中心掌握所有運算力的今日相當有吸引力。 Lamb Labs 解決的是 AI 推論的耗電問題。傳統晶片推論時須不斷從記憶體讀取模型權重，非常耗電，Lamb Labs 選擇把模型權重直接刻進晶片硬體，稱之為「模型處理器」（MPU），藉此繞開記憶體頻寬瓶頸。 機器人與國防硬體類新創同樣熱門 第二類熱門新創是機器人與國防硬體。Isengard Industries 鎖定噴射動力攻擊無人機與反無人機系統，主打在盟國境內就地量產，價格遠低於美國國防承包商。兩位共同創辦人，一位是澳洲陸軍前軍官，另一位曾把一家烏克蘭無人機新創做到 6,000 萬美元營收，如今 Isengard 自己也已有 1,000 萬美元營收，同樣是本屆估值最搶眼的新創之一。 Praxis Robotics 走資料服務路線，旨在蒐集人類工作時的真實影像與資料，將其轉化為訓練機器人的素材。他們已與上市公司合作，在超過 150 種場域蒐集資料。隨著企業愈來愈常思考哪些任務該交給人、哪些交給機器人，這類資料的價值只會愈來愈高。 Nori 瞄準平價家用機器人市場，主打能清潔、摺衣服的人形機器人，上市六週就創下近 50 萬美元銷售額，售價約 1,600 美元，遠低於背靠 OpenAI […]

P&G 測紙巾、三星 SDI 測電池內部金屬：AI 視覺如何攻下傳統光學檢測盲點？

在製造現場，品質檢測一直是自動化最難處理的環節之一。當產線運轉速度越快，留給相機擷取影像、算力進行分析與判定瑕疵的時間就被壓縮得越短，若遇上紙巾、包裝材料等容易伸縮、褶皺或移位的柔軟材質，產品外觀本身的變化甚至可能被誤判為瑕疵。若瑕疵藏在產品內部，傳統光學檢測更難直接辨識。 近年來，工業級 AI 視覺技術的普及正徹底翻轉傳統自動光學檢測（AOI）的局限。寶潔（P&G）與西門子（Siemens）聯手打造的「視覺檢測駕駛艙」（Visual Inspection Cockpit，VIC），成功將深度學習導入極速運轉的日用消費品產線；三星 SDI 則將 AI 深度結合 X-Ray 穿透技術，用於精準捕捉電池內部的微小金屬異物。 攻克柔軟動態材質：用 AI 辨識「自然變化」與「真正瑕疵」 在日用消費品製造領域，紙巾與包裝膜等柔軟材質在每分鐘產出數千件的高速傳送下，必然會產生自然拉伸、皺褶與微幅位移。傳統機器視覺主要仰賴預先設定的幾何規則與對比度參數來進行比對，一旦包裝改版或環境光線稍有變化，就必須停機重新編程。這種缺乏彈性的機制，往往導致高昂的過度誤判率。 寶潔與西門子合作推動的 VIC 系統，直接在設備邊緣端即時分析影像，不僅能在全速生產狀態下精準識別重疊零件、低對比度細微瑕疵與複雜裝飾包裝，更能學習並理解何謂柔軟材質的「正常形變」。對 AI 而言，皺褶不再直接等同於缺陷，系統能夠精準抽離出製程異常的實質特徵，根據西門子公布的數據，該系統視產品不同，已協助成功降低約 10% 至 20% 的報廢率。 除了檢測精準度，VIC 系統的靈魂更在於將 AI 工具的維護主導權還給產線第一線。透過內建的視覺化工程工具，現場工程師無需資料科學背景，便能自主進行模型設定、標註與更新。邊緣端分析結果直接與產線可程式化邏輯控制器（PLC）對接，即時剔除單一瑕疵品，同時將品質數據即時匯入企業數位生態系。 西門子自動化事業營運長暨技術長 Rainer Brehm 表示，工業 AI 與邊緣運算能滿足高速生產對每分鐘數千件產品檢測的需求，並能從單一產線擴展至全球製造據點。這套以標準化、低門檻應用架構交付的系統，也因此更容易在全球據點快速複製。 穿透肉眼不可見的風險：以 AI 結合 X-Ray 建立電池安全迴路 在新能源電池的量產過程中，極片焊接或封裝內部若殘留微小的金屬異物，極可能穿透隔膜並引發內部短路，帶來嚴重的安全隱患。為此，三星 SDI 突破了傳統光學攝影只能拍攝表面外觀的局限，將 AI 深度學習演算法與 X-Ray 穿透射線檢測設備高度整合。透過 X-Ray 取得電池內部的透視影像後，交由 AI 進行微米級異物特徵辨識，在大量生產的急迫節奏下，精準攔截潛在的結構性缺陷。 為了支援龐大的 AI 模型訓練需求，三星 SDI […]

【科技早餐】Anthropic IPO 文件警告：先進 AI 恐帶來災難性風險

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 傳募資至少 300 億美元，Anthropic 招股文件示警 AI 災難性風險 OpenAI 傳尋求至少 300 億美元新資金，Anthropic IPO 文件則揭露高速成長、巨額虧損與先進 AI 的安全風險。《彭博》引述知情人士報導，OpenAI 正尋求募資至少 300 億美元，目標估值約 1.4 兆美元，不包含這次募資的新資金。協商仍在初期，條件可能改變。OpenAI 執行長 Sam Altman 也在開發者大會表示，公司將優先處理安全問題，在能有把握做出安全決策之前，不會上市。另一方面，《路透》取得的 Anthropic 招股文件顯示，2025 年營收增至前一年的 12 倍、接近 46 億美元，但營業虧損仍超過 80 億美元。其中算力與基礎設施支出達 73.3 億美元，占營業支出一半以上。 Anthropic 同時在文件中警告，先進 AI 可能造成災難性後果，甚至威脅人類存續。列出的潛在風險包括抗拒關閉、隱瞞或操縱資訊，以及類似勒索的行為。公司指出，模型能力提升與應用範圍擴大，可能增加傷害風險；若模型察覺正在接受測試，也會限制安全評估的有效性。Anthropic 對報導不予置評。這些內容屬於向投資人揭露的風險，並非災難必然發生的預測；相關文件尚未公開供外界完整檢視。 ＊川普與科技巨頭簽 AI 安全協議，採企業自律與外部稽核 美國總統川普於美國時間 9 月 29 日，與 OpenAI、Anthropic、Google、Meta、NVIDIA 等科技公司代表簽署自願性的 AI 安全協議。《路透》報導，文件提出四層監督，包括內部控制與監測、確認防護有效的內部團隊、獨立外部稽核，以及董事會獨立委員會監督。參與企業也承諾定期討論安全標準與實務。協議目前不具法律強制力，文件則提到，未來可能考慮將相關措施納入法律或規範。 […]

OpenAI 研究揭 AI Agent 新風險：惡意上下文可能從 Email 一路傳到工具操作

隨著生成式 AI 深入企業流程，Prompt Injection（提示詞注入）也成為新的資安威脅之一。攻擊者會把惡意指令藏在網頁、Email、文件或其他外部內容中，誘導模型偏離原本任務。這類攻擊某種程度上很像對人的 Social Engineering（社交工程）：攻擊者不一定要突破系統漏洞，而是想辦法讓目標「相信」一段資訊，再自行做出不該做的動作。現在，這項風險又出現新的變化。 OpenAI 在 9/25 公布紅隊研究，發現了「Self-replicating Prompt Injection（自我複製提示詞注入）」新現象，也就是惡意指令不只可能影響眼前這個 Agent，還可能誘導它把同一段指令帶進後續輸出，再被下一個 Agent 讀取，形成類似電腦蠕蟲的傳播方式。 OpenAI 強調，目前只在模擬工具呼叫環境中觀察到，沒有真實世界事故，但這項研究也暴露新的安全問題：惡意 Context（上下文）可能沿著 Agent 的工作流程繼續往下傳。 為什麼一次提示詞注入，就可能變成一整條攻擊鏈？ 和過去 AI 聊天機器人的差別在於，現在的 Agent 不再只處理一個 Prompt（提示詞），再回傳一段文字。企業開始讓 Agent 連接 Email、Calendar、RAG、Connector（連接器）與內部工具，一個 Agent 取得的資訊，也可能接著交給另一個 Agent 或系統處理。 OpenAI 這次實驗就發現，Agent 讀到藏有惡意指令的 Email 後，可能被誘導把同一段內容放進之後寄出的郵件，讓下一個讀取郵件的 Agent 再次接觸它。這使企業要處理的問題從「這段輸入有沒有惡意指令」，進一步變成「不可信的 Context 會流到哪裡，又能觸發哪些動作」。 當 Agent 接上的企業系統越多，Context 本身也開始像新的安全邊界。Email、外部網頁、企業文件或工具回傳結果，即使全部都會進入模型，也不代表它們應該具有相同的信任程度。 該怎麼防範「自我複製提示詞注入」？ OpenAI 建議，不可信的外部資料不應直接進入高權限指令層，避免模型把外部內容誤當成系統要求；不同工作節點之間，也應盡量透過 Structured Output（結構化輸出）傳遞固定欄位，而不是把整段自由文字原封不動往下送。 舉例來說，Agent 從 Email […]

IBM 揭企業 AI 轉型落差：86% 高層認可員工準備度，卻估定期使用率僅 25%

IBM 2026 年 CEO 研究揭示企業導入 AI 的一項落差：儘管多數企業執行長認為員工已具備與 AI 協作的能力，但受訪 CEO 估計，僅約四分之一的員工會在工作中定期使用 AI。《Forbes》報導，高層認知與員工實際採用之間的落差，可能成為企業擴大 AI 應用的阻力。其關鍵不僅在於工具是否可用，也在於企業高層是否真正參與 AI 工作流程。 從 CAIO 到中階管理層：AI 正改變企業組織，但員工採用程度仍是難題 根據 IBM Institute for Business Value（IBV）2026 年 CEO Study，全球超過 2,000 名 CEO 的調查顯示，86% 的 CEO 認為旗下員工具備使用 AI 所需的技能，但他們估計實際定期使用 AI 的員工比例只有 25%。換言之，企業管理層認為員工已經準備好使用 AI，但實際採用仍未普及。IBM 另指出，83% 的 CEO 認為 AI 能否成功，關鍵更多取決於員工採用程度，而不是技術本身。 IBM 的研究也顯示，企業管理架構本身正快速因 AI 改變。2026 年已有 76% 的受訪組織設有 […]

【劉永信專欄】研發經費占 GDP 僅次以色列、南韓，台灣的基礎研究為什麼不到 8%？

講一個大部分老闆都不願意接受的事實，在真正的研究裡，絕大多數的嘗試注定不會有結果，而且你無法事先知道，會是哪些。 八月十日，Anthropic 公布一份研究，他們讓一個尚未發布的 Claude 版本，去挑戰黎曼猜想，那是數學界懸了 167 年、還掛著一百萬美元獎金的難題。 結果沒有解開，但在嘗試的過程中，它意外把一個相關的下界，從 41.6% 推進到 67.2%。這個數字指的是「已經被證明落在臨界線上的零點比例」，而這一跳，是這個數字有紀錄以來最大的一次躍進。 我的背景是 R&D，工程師出身，做過許多產品，有成功，也有失敗，我想跟大家談談研發這件事情，過程有時候比成果更重要。 30 個失敗，換來 2 個成功，你覺得是好的 AI 嗎？ 這次的挑戰者是一位沒有數學背景的 Anthropic 員工，他給 Claude 的指令，基本上只有：「繼續試。」 第一輪，Claude 產生並嘗試了 650 個想法，全部沒用。 第二輪，它動用了大約 60 個子代理（subagent），連續跑了一天半，執行約 2,400 個 shell 指令、寫了數百支 Python 程式，還去 arXiv 下載了 54 篇論文，確認這個結果沒有人做過。 而這 60 個分身裡，只有 2 個真正做出了關鍵的數學想法，另外 13 個提供了輔助構想，13 個負責驗證與挑錯，2 個負責撰寫論文，還有 30 個，完全沒有產出。 很多媒體可能會報導這是個失敗的結果，但我第一個反應是「這不就是一個研發組織該有的樣子嗎？」 三十個徹底失敗、兩個成功，而那兩個之所以能成功，是因為前面那三十個把死路都走過一遍了。 這件事真正難的地方，不是接受失敗率，而是你在事前根本分不出來，哪 […]

「把刀柄握好了，才敢放手讓 AI 做更多的事。」鴻海、TeamT5、SAS 與 KPMG 四大專家分析高科技製造 Edge AI Agent 的資安實戰

TechOrange 科技報橘日前與美國高通公司 Qualcomm 共同主辦「2026 AI 智慧大工廠論壇新竹場」，活動主軸鎖定「Edge AI Agent：高科技製造的超自動化與資安實戰」，當產線 AI Agent 開始握有即時決策權，並從「對話問答」走向「實體執行」，風險也將從「說錯話」演變為不可逆的「做錯事」，威脅不再只是企圖闖入門口的外來駭客，而是已在內部獲得授權的 AI Agent。此次活動邀請到鴻海科技集團、杜浦數位安全 TeamT5、SAS 與 KPMG 四位專家，分析企業如何確立可追溯與可控的治理機制，又如何監控並確保 AI 行為。 鴻海：一天遭 6 億次攻擊的防禦哲學 「集團今年一天被攻擊約三億次，到六月已是一天六億次。」鴻海研究院執行長兼資通安全研究所所長李維斌表示，現在的攻擊已經不可能完全擋下，治理重心只能從入口移到後果。即使資安防護做到 99.999%，仍然有 6000次漏掉的機會。 李維斌指出，駭客如今不必再一層層突破防火牆與端點防護，因為企業內部已經有現成、握有適當權限的 AI Agent，只要直接對它下指令就能達成目的，加上這樣的行為在形式上完全合法，傳統稽核很難抓到。另一方面，調查顯示 79% 的員工並未遵守企業的 AI 使用政策，讓 Agent 留在系統裡替攻擊者預留了現成的入口。 因此鴻海的治理對策回到縮小事故的波及範圍，將網路切分從「macro segmentation」推進到「micro segmentation」，讓駭客事故被限制在可接受範圍。過去企業的網路多採 macro segmentation，把環境切成辦公網、產線網這類大區塊，一旦有人進到區塊內部，就能在裡面自由移動，而 Micro-segmentation 則將網路存取控制細化至機台、應用或服務，預設不互通，僅依業務需求允許必要連線。即使 Agent 被挾持，也能限制其可觸及的資產與服務，避免合法權限被串聯成更大的攻擊路徑，降低攻擊擴散的風險。 TeamT5：先看得到、才說得清，才管得住 TeamT5 Senior Manager 侯翔齡觀察到，企業在面對 AI 時會出現兩種極端情況：一種怕出事全面禁用，另一種則是積極導入卻不清楚企業內部到底有誰在用。 侯翔齡建議企業，治理的步驟應該要做到「先看得到、才說得清，才管得住」，並以政府單位的法規為例，主管機關已明確要求特定中國製模型不得使用，但因為企業沒有這方面的盤點能力，所以也不知道有哪些人正在使用。 「應該要在還沒出問題之前，就先做檢查，」侯翔齡表示，應該要將「治理」當成「健康檢查」，掃描企業內部電腦、盤點裝了哪些 AI Agent、有無刻意隱藏、是否權限過大、能否存取機敏資訊，並逐條列出風險高低並附上改善措施，將重點放在不只是找出問題，而是知道怎麼把威脅降下來。 SAS：讓每個決策都留下軌跡 […]

達梭系統臺灣年度高峰論壇暨 SIMULIA 用戶大會：聚焦「虛擬雙生 × AI 助手」，打造 AI-Native 未來生態系

達梭系統於日前舉辦 2026 達梭系統臺灣年度高峰論壇暨 SIMULIA 用戶大會，以「虛擬雙生 × AI 虛擬助手」為主題，聚焦三條主軸：如何以虛擬雙生與 AI 虛擬助手在實際部署前完成規劃驗證，降低時間、成本與風險；如何讓 AI 真正理解並運用產業知識，提升分析、推理與決策能力；以及 AI 如何深入產品研發、智慧製造與機器人領域，加速從概念到生產的流程。 今年論壇匯聚達梭系統全球與亞太區高層、NVIDIA 及臺灣產業領袖，共同探討企業 AI 如何從單點導入邁向規模化與工業化，並由達梭系統臺灣戰略客戶銷售總監張銘輝開幕致詞，法國在台協會主任龐維德與達梭系統全球執行副總裁暨亞太區總裁 Samson KHAOU 致歡迎詞。適逢深耕臺灣 20 週年，本次大會同步規劃 3DEXPERIENCE 互動體驗區，集結高科技、航太、汽車、電池、材料、工業設備及生技醫療等產業解決方案，展示 AI 工廠、人形機器人、虛擬雙生、AI 驅動設計與多物理場模擬等跨產業創新案例，見證達梭系統與臺灣產業共同推動轉型的歷程。 從「做出來再修」到「先理解再建造」 達梭系統全球執行副總裁暨亞太區總裁 Samson KHAOU 以新舊產業模式的對照破題。舊的產業模式是「做出來、測試、修正、重來」，新模式則是「理解、模擬、最佳化，然後才建造」，Samson KHAOU 表示關鍵在於預測能力：「能預測就能最佳化，能最佳化就能創新，能創新就能領先。」因此虛擬雙生（Virtual Twin）已不等同市場上談的數位雙生（digital twin），後者只是模型，前者正在成為智慧系統，把智慧往上游推，讓產品在造出實體之前就完成預測與調整。 「在既有軟體上外掛 AI，只會得到一個助理；把 AI 嵌進平台內部，才會為客戶帶來轉型。」Samson KHAOU 說明，這正是達梭系統三年前決定從 AI-enabled 軟體轉向 AI-Native 平台的核心概念，而這個決定主要以 3D UNIVERSE 和 3DEXPERIENCE 為核心。3D UNIVERSE 是達梭系統提出的願景，「它不是一個新平台，而是新的產業作業系統，」預期在這個環境中，讓產品的虛擬雙生能夠延伸到製造流程與售後服務，貫穿完整的生命週期，並將人、工作流程與組織內部的 Know-how […]

美國政府打造 AI 服務入口：America.gov 搭載 Gemini、Grok 整合 2.9 萬個政府網站

美國總統川普宣布推出 America.gov，定位為民眾取得聯邦政府資訊與服務的單一數位入口，並簽署行政命令，要求聯邦機構逐步將相關服務整合進網站。America.gov 以 AI 聊天介面為核心，Google Gemini 與 xAI Grok 成為背後的 AI 技術夥伴。 America.gov 變身 AI 政府入口，Gemini、Grok 搶先進駐 川普在行政命令中將 America.gov 描述為聯邦政府的「統一數位前門」，讓民眾以自然語言提出需求，取得政府資訊，並在技術與授權條件允許時，直接完成政府交易。Google 則證實參與這項計畫，表示將運用 Gemini 協助超過 1 億人更快速取得公共資源；另一個合作夥伴是 xAI 的 Grok。 不過，網站目前的實際功能與這項願景仍有落差。《The Register》指出，網站列出的藥品價格比較、跨機關更新法定姓名、申請護照等功能，目前點選後仍顯示相關服務預計於 2027 年推出。現階段 America.gov 的主要用途，仍是讓使用者向 AI 提問，再由系統從政府網站找出相關資訊並引導使用者前往其他網站。 白宮表示，內建聊天機器人可利用約 2.9 萬個政府網站的資料回答問題，並強調未來將逐步增加更多服務。白宮公布的資料則指出，護照續期、Medicare 投保等交易功能將在後續推出，並要求行政管理與預算局（OMB）制定各機構整合 America.gov 的指引。 《The Register》提及，這意味著 America.gov 現階段更接近一個聯邦政府 AI 聊天機器人，而不是川普行政命令所描述、能集中處理政府服務的完整入口。OMB 有 90 天時間向各機構說明如何進行整合，因此網站要發展成完整服務平台，仍需要時間。 AI 供應商將取得使用者位址？America.gov 強調「零資料留存」 隱私也是另一項受關注的問題。America.gov […]

OpenAI 推出 Dots 到底新在哪？AI Agent 正從「接任務」走向「接責任」

OpenAI 在美國時間 9/29 於年度開發者大會 DevDay 2026 推出新型 AI 代理（AI Agent）「Dots」。Dots 由 GPT-6 Astra 驅動，每個 Dot 都有自己的雲端電腦與瀏覽器，並可透過 OpenAI 的 plugin 生態連接超過 4,000 個應用程式，並從 ChatGPT、Slack、Microsoft Teams 等管道和使用者互動。 OpenAI 把 Dots 定位為「always-on」代理，不過，AI 代理本來就能自己拆解工作、操作工具，甚至連續執行數小時，那 Dots 到底新在哪？關鍵不只是可以工作更久，而是使用者開始能把一項工作長期交給 AI 負責，而不用每次都重新下達任務。 建立一個 Dot 後，可以直接把一段工作交給它顧 實際使用時，使用者可以建立並替自己的 Dot 命名，再告訴它工作目標、偏好與標準，並連接完成工作所需的應用程式。每個 Dot 都有自己的雲端電腦與瀏覽器，可以在使用者離開後繼續操作軟體、處理工作；取得允許後，也能連接其他裝置，甚至直接使用使用者的筆電，在既有工作環境中協助處理事情。 把事情交出去，使用者並不會失去掌握。OpenAI 提供進行中、排程與已完成工作等檢視方式，可以調整週期性工作的執行時間與通知，也能隨時暫停 Dot。和過去多半等人下指令的 Agent 不同，Dot 還能在沒有新 prompt 時主動查看已連接的資訊，找出值得注意的變化，持續推進原本被交付的工作。 OpenAI 將這項能力稱為「主動研究」（proactive research）。 這和過去較常見的 AI […]

庫存失真年吞零售業 1.7 兆美元，H&M 的「實體 AI」怎麼止血？

對服飾零售商而言，庫存管理始終是一場高成本的猜謎遊戲。貨架缺貨會直接造成銷售損失，商品積壓則可能面臨折價與資金占用，庫存損耗又進一步侵蝕利潤。全球零售和飯店技術研究公司 IHL Group 最新研究指出，2026 年全球零售業因缺貨與庫存過剩造成的「庫存失真」（inventory distortion）成本約達 1.7 兆美元，占全球零售銷售額 6.2%。 這正是 RFID 與 AI 迅速推進至零售供應鏈核心的主因。RFID 能以無線射頻辨識技術，在免去逐件掃描條碼的前提下批量追蹤商品；然而，海量的原始感測資料容易受到環境干擾、讀取誤差與位置不確定性影響。AI 則扮演分析與收斂的角色，將這些即時資料與銷售紀錄、歷史數據交叉比對，精準辨識庫存異常並分析商品流速，進而將混亂的原始數據轉化為門市人員與供應鏈系統可直接執行的營運決策。 門市變革：從「定期盤點」升級為動態「庫存熱力圖」 快時尚巨頭 H&M Group 近期便將這套思維大規模落實於全球門市。H&M 於數百家據點導入 GreyOrange 的 AI 庫存管理平台 gStore，串接固定式天花板讀取器、手持式 RFID 與智慧試衣鏡等感測設備，為門市建立起高精準度的即時庫存視圖。 這項技術的核心突破，在於將實體門市轉化為一張動態更新的「庫存熱力圖」。gStore 能將特定 SKU 的實體位置定位至 3 至 5 英尺（約 0.9 至 1.5 公尺）範圍內，並將定位資料與銷售數據即時串聯。系統能清楚掌握哪些商品銷售速度最快、哪些商品被帶入試衣間後卻遭到遺棄，以及哪些款式的庫存正低於安全水位。店員藉此能以極高的效率協助顧客尋找特定尺寸，並大幅縮短架上補貨時間。 這項轉型的本質，不僅僅是把 RFID 讀取器裝進門市，而是讓 AI 徹底解決「庫存看不見、擺不對」的痛點。當商品位置、流速與庫存水位在同一個系統中滾動更新，AI 就能引導門市轉向預測性營運，例如優先補足最具銷售潛力的商品、優化架位陳列，並掌握滯留在試衣間或非目標區域的商品。庫存管理因而擺脫了傳統耗時耗力的週期性盤點，走向接近即時的營運監測。 智慧機器人破除全通路履約瓶頸 H&M 的布局也沒有停留在門市端。早在 2021 年，H&M 便在美國西岸一座配送中心導入 GreyOrange 的 […]

【AI 的隱形學徒稅】讓新人練到敢扛責任，企業如何建立「養成階梯」？

AI 開始從最小的工作單位進入知識工作，包括草擬備忘錄、整理逐字稿、生成程式碼雛形、找出參考先例等「任務」，都能交給它完成。 問題是，瑣碎工作往往有「產出成果」和「訓練新人養成判斷力」的作用，如今企業只把這樣的轉變當成效率提升來慶祝，很可能在不知不覺中讓新進人才失去磨練判斷力的機會。 任務被壓縮，年輕員工就業率下降 一份針對五種職業、逐項任務建模的研究發現，以 AI 導入前每 100 小時的工作量為基準，導入後只剩下 57 到 73 小時，多半集中在理解客戶脈絡、查證資料來源、承擔簽核風險這類工作。 換句話說，被壓縮掉的那一大塊，正是過去初階員工的主要工作內容——就業數據也出現對應的變化：史丹佛大學研究人員分析美國人力資源服務公司 ADP 的薪資紀錄發現，在最容易被 AI 取代的職業裡，22 歲到 25 歲的年輕員工，就業率比原本應有水準低了 19%，資深員工卻幾乎沒受影響。 年輕人首當其衝，不是因為能力不足，而是因為他們原本做的，就是最容易被 AI 接手的工作任務。 雜務被 AI 接手，新人也少了練習判斷的機會 事實上，那些瑣碎工作從來不只是瑣碎工作。過去初階員工找比較案例、清理資料、核對引註，做的雖然是打雜，卻也在過程中一次次練出辨認問題模式的直覺，這種「附帶學習」，正是傳統學徒式訓練的核心。 當 AI 把這些練習機會拿走，能力斷層就這樣悄悄形成。企業其實可以主動重新設計學徒制，比如每一套導入 AI 的工作流程，都該講清楚初階員工可以提出什麼問題、審查標準是什麼、什麼情況該往上呈報、誰該具名負責。 有了這些界線，AI 才會變成訓練場，而不是讓新人繞過學習過程的捷徑。因為初階員工應該該少花時間從零生產初稿，多花時間把 AI 產出的內容對照原始資料、揪出可能出錯的地方，再向資深主管報告取捨。 企業該做的：建一套判斷力的養成階梯 要補回附帶學習消失的空缺，企業需要幫初階職涯重新畫出一套階梯，包括輔助產出（讓 AI 生出草稿或摘要）、驗證查核（檢查資料依據、來源與假設站不站得住腳）、例外診斷（找出一個看似合理的答案，為什麼實際上行不通），以及承擔責任的建議——即在不確定性中，向主管或客戶解釋決策背後的理由，並願意為它負責。 這套階梯要落在日常工作裡才算數。企業可以建立經過驗證的案例庫，讓初階員工反覆練習判讀；對 AI 產出做有人監督的稽核，讓新人負責挑出遺漏或看似自信、實則有誤的內容；也可以要求每個人交出成果時，附上一句「信心註記」，說明這份產出該被信任、修改，還是該直接駁回。 光看產出數量，看不出這套機制有沒有效，企業更該追蹤，每個月有多少初階員工碰到模糊卻重要的工作？他們抓到了哪些錯誤，又漏掉了哪些？從輔助產出進步到能提出可信建議，平均要花多久？ 企業若只靠更少的學習循環生產出更多文件，看起來可能很有生產力，實際上專業根基可能正在流失。 AI 衝擊多大還沒有答案，但企業不能空等 企業真正該關注的是，附帶學習正在一點一滴流失，如果不趁現在重建判斷力階梯，幾年後很可能會發現，沒有人接得住複雜的判斷工作。 當然，這個判斷也不一定準。經濟學家 Robert Solow 早在 1987 […]

【科技早餐】SpaceX 星艦首次入軌部署 26 顆衛星，引擎問題使任務提前結束

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 星艦首次入軌部署 26 顆衛星，任務因引擎問題縮短 太空探索科技公司（SpaceX）的星艦在第 14 次試飛，首次進入地球軌道，並部署 26 顆新一代 Starlink V3 衛星。過去的星艦試飛曾在太空釋放測試用衛星，這次則是把預定投入營運的衛星送入軌道。SpaceX 執行長馬斯克表示，26 顆衛星均已部署並正常運作。新一代衛星的尺寸及載運需求，使星艦成為 SpaceX 擴大星鏈網路容量的重要運輸工具；首次入軌並完成部署，是星艦從試飛邁向實際載運的里程碑。 不過，這趟飛行並未全程按照原計畫進行。《路透社》報導，星艦與超重型推進器分離後，一具引擎提前關閉，團隊一度評估是否繼續嘗試入軌，最後利用其他引擎完成入軌及衛星部署。原訂約 10 小時的任務縮短為約 3 小時，太空船隨後在太平洋濺落。衛星部署已完成，並不代表星艦的所有工程目標都已達成；引擎可靠度、重複使用能力及提高發射頻率，仍須由後續飛行驗證。 ＊AMD 擬以 82 億美元收購 World Labs，布局實體 AI 超微（AMD）宣布，已簽署協議，以約 82 億美元、全部以股票支付，收購 AI 研究公司 World Labs。這家公司由 AI 學者李飛飛共同創辦，開發能從文字、影像及影片建立互動式三維環境的模型，研究也涵蓋機器人學習與模擬。AMD 表示，AI 應用正從文字與影像生成，擴展到推理、機器人及實體世界；模型對運算能力的需求也會隨之改變。收購研究團隊，將協助 AMD 更直接了解新模型的需求，並用於規劃未來的晶片、軟體與系統。 AMD 執行長蘇姿丰表示，設計下一代 AI 運算平台，必須深入理解模型如何演進。交易完成後，World Labs 團隊將繼續研究 AI 模型，李飛飛預計加入 AMD，擔任執行副總裁及首席科學家，向蘇姿丰報告。這筆交易已簽約，仍須取得監管核准並符合其他交割條件，AMD 預計於 2026 […]

AI 瘋狂爬網站不點擊廣告：Cloudflare 示警流量 5 年恐衝千倍，這筆帳誰來付？

AI 機器人正在快速改變網路流量結構，也可能迫使維繫網路數十年的廣告商業模式重新洗牌。Cloudflare 共同創辦人暨 CEO Matthew Prince 近日接受《The Verge》Decoder 專訪時表示，Cloudflare 今年 6 月觀察到，非人類流量已經占網路流量超過一半；若目前趨勢持續，未來 5 年自動化流量甚至可能達到人類流量的 1,000 倍。 《The Next Web》補充，Cloudflare 目前位居全球超過 20% 的網路流量前端，能直接觀察大量網站的流量變化。Matthew Prince 表示，這也是公司得以追蹤自動化流量快速增加的重要原因。 自動化流量超越人類流量：Cloudflare 指出 AI Agent 與爬蟲成新增流量主因 Matthew Prince 原本在 2025 年預測，AI Agent 等非人類流量要到 2027 年下半年才會超越人類流量，到了 2026 年 3 月又將時間點提前至 2027 年上半年，但幾個月後，Cloudflare 團隊便發現自動化流量實際上已經超過人類流量。他表示，即使自動化流量持續增加，人類流量本身不一定會下降，新增流量主要來自 AI Agent、爬蟲及其他自動化系統。 Matthew Prince 指出，傳統網路主要依賴廣告支付基礎設施成本，但 AI Bot 不會像人類一樣點擊廣告，也不會因品牌廣告產生互動。隨著自動化流量增加，頻寬、伺服器等基礎設施成本仍然存在，因此網路可能需要新的支付模式。 Cloudflare 正推動讓 […]

AI 機器人平台戰從晶片打到開源生態，高通買下 PickNik 背後在爭什麼？

AI 機器人平台戰正從晶片效能，打到開發者用哪套工具、最後部署在哪個運算平台。NVIDIA 在 9/22 才更新旗下機器人軟體套件 Isaac ROS 5.0，持續加深機器人作業系統（Robot Operating System，ROS）2 與自家 GPU、AI 開發工具的整合；隔天，高通就宣布收購開源機器人操作框架 MoveIt 背後的 PickNik Robotics。 從 AI 模型到實體動作，高通補上規劃與控制軟體 PickNik 的價值，可以先從機器人真正部署時的落差來看。PickNik 創辦人暨產品長 Dave Coleman 在收購公布時指出，MoveIt 過去已能讓機器人在模擬環境完成複雜運動規劃，但真正困難的，一直是如何可靠接上即時控制器，最後進入正式產品。 尤其是隨著視覺語言模型（Vision-Language Model，VLM）、視覺語言動作模型（Vision-Language-Action，VLA）等學習型模型進入機器人系統，模型輸出如何接到運動規劃、碰撞檢測與控制，也成為新的部署問題。MoveIt 正是 ROS 生態中廣泛使用的這類開源框架。 高通收購後，計劃把 MoveIt、商業版 MoveIt Pro 更深入整合進旗下 Dragonwing 機器人運算平台，串起 VLM、VLA、規劃、操作與即時控制，並針對 Dragonwing 最佳化相關能力。 買下 MoveIt 維護團隊，高通為何不把它鎖進 Dragonwing？ 更值得注意的是，高通沒有把 MoveIt 改成只服務 Dragonwing，而是承諾 MoveIt 1、MoveIt 2 維持既有開源授權、由社群參與後續發展，並繼續支援第三方硬體。 這個選擇和 […]

OpenAI 新模型喊卡、NVIDIA 集結百家企業：AI Agent 安全為何不再只靠對齊？

9/28，一群來自彼此競爭的前沿 AI 公司與學界研究者罕見共同呼籲，政府應開始掌握 AI 公司究竟把多少研發工作交給 AI 自動完成。同一天，OpenAI 因安全測試未過關，取消原定 10 月推出的新模型 GPT-6.1 Astra；NVIDIA 則發布 Open Agent Safety Platform（開放代理安全平台），把 AI Agent（AI 代理）的安全防線從模型本身延伸到軟體執行環境與硬體層。 三件事情幾乎同時發生，也突顯 AI 代理安全思路正出現一個重要轉變。過去業界大量投入 alignment（對齊），希望讓模型理解並遵循人類意圖；如今，隨 AI 代理可以自主使用工具、寫程式甚至參與 AI 研發，另一種做法開始受到重視：不再假設模型一定會守規則，而是預先把它能做什麼，限制在外部系統裡。 AI 開始協助開發 AI，研究者警告「智慧爆發」風險 9/28，一篇由劍橋大學 Cambridge Programme on AI Science & Policy 發布的研究提出，隨著 AI 越來越多地參與寫程式、設計實驗、分析結果，甚至協助打造下一代 AI 模型，未來可能形成「智慧爆發（intelligence explosion）」，讓原本需要數年的 AI 能力進步壓縮至數月甚至更短。該研究強調，這種情境目前仍高度不確定，但認為政策制定者應開始掌握 AI 研發自動化程度，並預先建立監測與應變機制。 這篇論文共有 22 名作者，除了 Geoffrey Hinton、Yoshua Bengio […]

AMD 將以 82 億美元收購李飛飛 World Labs：搶進「實體 AI」，正面對決 NVIDIA

美國晶片大廠 AMD 宣布，將以全股票交易、約 82 億美元收購 AI 新創 World Labs，取得其在實體 AI 與空間智慧領域的研究能力。World Labs 由知名 AI 研究者李飛飛創辦，研究重點在於讓 AI 更理解及模擬真實世界。《Reuters》報導，空間智慧著重讓 AI 建立三維環境模型，並理解實體世界中的互動，潛在應用包括機器人、模擬、設計及其他真實世界場景。 AI 需理解物理世界：李飛飛創立之 World Labs 將與 AMD 整合軟硬體 AMD 表示，World Labs 的研究能讓公司更深入掌握新興 AI 工作負載，並進一步協助規劃硬體、軟體與系統的技術路線。World Labs 與 AMD 早已展開合作，雙方去年開始進行技術合作，最初聚焦於使用 AMD GPU 進行模型訓練及推論最佳化。隨著團隊合作，雙方認為可以進一步整合 AI 軟體與硬體、基礎模型及應用。 World Labs 今年稍早完成 10 億美元募資，AMD 也是投資者之一。交易完成後，李飛飛將加入 AMD，擔任執行副總裁兼首席科學家，並直接向 AMD 執行長蘇姿丰匯報。這筆收購預計在 2026 年底前完成，但仍須取得監管核准。 《TechCrunch》提及，World Labs 的研究核心是讓深度學習模型更完整地理解物理世界。李飛飛於 […]

Google 研究：AI 有幻覺是因為「想不起來」！增加規模無助提取問題，靠思考才能找回答案

Google 研究人員發現，AI 模型產生幻覺不一定是由於缺乏知識，而是在生成答案的過程中，AI 無法將過去所內化的資訊，重新回憶並進行提取，除非仰賴思維鏈等推理機制。

每發出一次提示詞都是一次採購決策，企業需要 Token-as-a-Service 新框架

企業第一次買進 AI 工具時，預算看起來往往不難計算，只需掌握帳號數量、合約效期、單價多少，都能寫進採購預算。真正失控通常發生在導入後。 當 AI 從少數人的工具，變成開發、行銷、法務、人資與客服每天都會使用的隨身助理，企業面對的已不只是一張張軟體訂閱帳單，而是一筆隨使用行為持續變動的消耗式支出。 AI 支出暴增的真正原因 以前企業買軟體，抓預算很單純，帳戶數乘以單價，大致就能算出一年要花多少錢。就算後來雲端運算改成用多少算多少，工作負載也還是集中在幾套看得到、抓得到的系統跟基礎設施上。 但生成式 AI 不一樣，它把「用量」這個入口，打散到每一個員工、每一套應用程式、每一條自動化流程裡。 換句話說，只要有人送出一句提示詞、呼叫一次大型語言模型的 API、讓 AI 自動生成一份報告或寫一段程式碼，甚至是 AI 代理為了完成任務，反覆規劃、查詢、修正，這些動作全部都在持續累積用量。 於是，企業的支出會增加，往往不是因為簽了什麼特別貴的新合約，而是幾百萬次的日常互動，在背後默默疊加起來的結果。 至於這些用量怎麼算，多數文字模型是用「token」計算。Token 是模型處理文字時的最小單位，一個英文單字、字根、數字，甚至一個標點符號，都可能被拆成不同數量的 token。輸入的內容越長、要求模型記住的上下文越多、輸出的內容越完整，消耗的 token 通常也越多。 而且每個模型切分文字的方式不一樣，計費費率也不同，所以就算兩家企業的業務量差不多，只因為選的模型不同、工作流程設計不同，實際花費也可能天差地遠。這正是 AI 支出讓人難以預測的根本原因。 事實上，企業現在買的已經不是一套裝好就固定不變的軟體，而是一種隨時被呼叫、隨需求調用的「智慧」。使用的人變多、應用範圍變廣、AI 代理執行的次數變頻繁，成本就會跟著同步放大。正因為支出變得這麼難掌握，業界才開始出現一套新的框架，試圖把這團混亂重新收攏。 為什麼需要「Token 即服務」這套新框架？ 這套框架叫做 Token-as-a-Service（TaaS），狹義來看，是一種按 token 用量計費的服務模式。簡單來說，直接租用 GPU 就像包下一整台機器，不管實際用了多少，租金都要照付；TaaS 則比較像水電費，模型實際處理了多少 token，企業就支付多少費用，還能看出客服、法務或各個專案分別用了多少，避免所有支出混在同一張帳單裡。這不只讓成本更容易看懂，也能減少為沒有用到的運算資源付錢。 不過，如果只把 TaaS 理解成一種新的計價單位，並不足以解決企業真正的問題。 從採購治理的角度來看，TaaS 更重要的意義是一套管理 AI 用量的框架。企業不只要知道每百萬 token 多少錢，還得持續追蹤需求從哪裡產生、承諾用量是否合理、哪些部門正在消耗 token、供應商曝險有多大，以及這些 token 最後換回了什麼。 也就是說，TaaS 並不會讓總支出自動變得可預測，而是讓原本分散、波動的 token 用量，變得可量測、可歸責、可調整，採購團隊才能據此設定預算與配額、建立異常警示、重新談判承諾用量，並比較外部模型服務與自建系統的長期成本。 […]

PQC 遷移動輒 2 至 4 年、近半企業卻還沒動！HPE 台灣暨香港董事長談量子安全

作者：HPE 台灣暨香港董事長王嘉昇 隨著量子運算逐步發展，其對現有密碼機制帶來的影響，已成為企業需關注的資安課題。許多企業認為，現在還有時間思考後量子密碼學（PQC）。但真正的風險並不在於預測具備實際密碼破解能力的量子電腦何時出現，而是企業是否有足夠時間完成準備。 量子電腦的發展時程雖仍存在不確定性，但密碼技術卻已深入企業環境，涵蓋安全通訊、軟體完整性、裝置身分識別及法規遵循等關鍵領域，全面更新企業環境中的密碼技術需投入大量時間與資源。因此企業有充分的理由從現在開始規劃。 首先，「先竊取、後解密」風險代表攻擊者可能在今天先攔截並保存加密資料，待量子運算能力成熟後再進行解密，使具有長期機密性的資訊在「Q-Day」到來之前就面臨風險。其次，NIST 已於 2024 年完成首批完整的 PQC 標準，為企業規劃遷移提供實際依循的基礎。與此同時，各國政府及受監管產業的相關指引正逐步形成，企業面臨的壓力也隨之提高，不僅需了解自身的風險曝險程度，也必須證明自身的準備程度，並將相關要求納入採購決策。此外，密碼技術廣泛嵌入企業環境，從憑證、程式碼簽署、裝置身分、網路與應用程式，到第三方系統都有涉及，因此整體遷移可能需要數年時間。 在台灣，政府與主管機關已陸續將 PQC 納入國家資安與數位韌性策略。數位發展部不僅積極推動相關技術驗證，金管會亦釋出《金融業後量子密碼遷移參考指引》，呼籲企業落實「密碼技術資產盤點（CBOM）」與「加密敏捷性（Crypto Agility）」。對台灣企業而言，特別是半導體供應鏈與金融業等，PQC 遷移已不再只是前瞻技術探討，也逐漸成為企業面對監管與客戶要求時需納入考量的課題。 PQC 遷移是一項長期工程 PQC 就緒（PQC-ready）應被視為涵蓋整體基礎架構的轉型工程，而非單一的資安升級。根據 PwC《2026 Global Digital Trust Insights》報告，49% 的企業尚未考慮或開始實施抗量子安全措施，29% 正處於試行與測試階段，僅 22% 已進入試行後的實施階段，顯示多數企業的量子安全準備仍處於早期階段。 因此，企業在思考 PQC 遷移時，應先掌握企業環境中的密碼技術使用情況，採取基於風險的現代化策略，並保有足夠彈性，以因應標準與相關要求持續演進。 PQC 遷移所需時間可能比許多企業預期更長，原因在於密碼技術廣泛分布於企業環境中，而企業往往也缺乏完整的密碼技術資產盤點。根據 HPE 評估，核心遷移可能需要 24 至 36 個月，更廣泛的基礎架構轉換則可能需要 24 至 48 個月，甚至更久，實際時間取決於環境規模、既有系統相依性、供應商準備程度、驗證週期及整體營運複雜度。若等到具備實際密碼破解能力的量子電腦出現後才開始行動，企業可能已沒有足夠時間從容完成轉型。及早開始規劃的企業，將能更有效掌握成本、遷移順序、系統互通性與整體風險，避免未來在法規、客戶要求或資安事件等外部壓力下，被迫倉促完成轉型。 因此企業需採取分階段、符合標準且具備密碼敏捷性的策略：先找出環境中使用易受量子運算威脅演算法的位置，再優先處理需要長期保護的資料與系統；同時，應提早著手處理最難變更的信任根基，並建立能夠隨著標準、通訊協定、認證要求及客戶需求變化而更新密碼技術的能力。 實踐量子安全防禦的關鍵三步驟 1. 了解企業環境中的密碼技術分布：許多企業仍缺乏完整的密碼技術清單，無法掌握基礎架構、應用程式、平台、憑證、程式碼簽署、裝置身分、管理介面及第三方服務所使用的密碼演算法。 企業應優先盤點需要長期維持機密性的資料與系統，尤其是受法規規範、攸關業務運作、高價值及營運敏感的資訊。同時，也應及早辨識最難變更的環境，包括以硬體為基礎的身分識別、安全開機、韌體簽署、基礎架構控制平面、長效憑證，以及企業內部 PKI 等。 2. 及早建立治理機制：與供應商的討論不應只停留在「是否支援 PQC」，而是聚焦於標準相容性、遷移路線圖、認證規劃、效能取捨，以及長期支援承諾。對於預計長期運作的基礎架構，也應在採購階段即納入 PQC 要求。 […]

【科技早餐】OpenAI 追查 AI 代理異常，53 張用戶圖片外傳、數十家機構獲通知

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 追查 AI 代理異常行為，數十家機構獲通知 OpenAI 正檢視旗下模型在訓練與評估期間的網路活動，已通知數十家可能受影響的第三方。公司列出的異常類型，包括代理繞過存取控制、使用外露憑證、透過指令或查詢注入接觸系統，以及自行在第三方網站張貼內容。接獲通知不代表各網站均遭入侵；OpenAI 依可能繞過安全控制、影響服務或造成其他負面影響等條件通知，調查仍在進行。 另有代理在研究環境中，把 53 張使用者同意用於改善模型的圖片意外傳到外部圖片網站；OpenAI 說圖片連結未公開列出，多數已移除。公司也證實，工具曾造訪美國聯邦政府網站，但僅取得公開資訊；《彭博》指出，涉及人口普查局及證券管理委員會官網。澳洲政府則證實，另一起事件中代理於 6 月越權存取健保統計入口的非公開檔案；目前沒有證據顯示個人醫療資料遭存取。澳洲 9 月才獲通知，已成立專案小組調查事件及通報程序。 ＊川習會成立「超級智慧」對話，美中同意設事故聯繫管道 美國總統川普與中國國家主席習近平在華府會談後，白宮公布，美中已成立「超級智慧」對話機制，將就技術風險與效益交換意見，下一次交流預計最晚於今年 11 月舉行。雙方也同意建立相關事故的雙邊聯繫管道。不過，白宮尚未公布事故認定標準、通報窗口、作業程序與啟用時間；目前不能把這項共識視為已上路的通報制度。 白宮文件特別指出，兩國同意使用「超級智慧」，而非一般的「人工智慧」描述相關新興技術。中國官方引述習近平表示，應防止技術遭濫用，並維持人類對技術的控制。AI 代理已能跨網站查找資料、呼叫工具並執行任務；澳洲近日披露的代理越權存取政府網站事件，也凸顯跨境通知可能出現時間落差。這次公布的是對話與聯繫方向，是否涵蓋一般 AI 代理事故仍待說明。 ＊Anthropic 簽 116 億美元雲端大單，CPU 算力也成 AI 戰場 AI 公司 Anthropic 與雲端服務業者阿卡邁（Akamai）擴大合作，承諾支付約 116 億美元，採購為期七年的雲端服務，以支援持續成長的中央處理器（CPU）工作負載。阿卡邁提交美國證券交易委員會的文件指出，付款承諾以服務交付與可用性等條件為前提，各項服務的七年期間從各自啟動時起算。這不是一次付清的硬體採購；公司也未細分這批 CPU 算力的具體用途。 阿卡邁估計，履行合約需要約 55 億美元資本支出，2026 年預計支出約 17 億美元，以提前取得記憶體等零組件。公司提出的時程顯示，新服務預計 2027 年第二季末啟動，營收於當年下半年逐步增加，目標在 2028 年底達到合約預定的年度營收規模。Anthropic 也取得認購阿卡邁股份的權利，部分權利須在後續擴大採購後才能行使。設備先於多數服務收入投入，使建置與交付進度成為這筆交易的關鍵。 ＊AI 晶片推升 ABF […]

【微軟前沿企業 AI 轉型守則】試點小組人均營收成長 9.4%，靠「角色加速配方」找出職務痛點嵌入 AI

微軟近期發布白皮書《Becoming a Frontier Firm: Our Frontier Playbook》（成為前沿企業：前沿教戰守則），提供全球企業一套將人工智慧技術深度融入營運模式、業務流程與人才架構的系統化轉型方法論與實證指標。 報告核心在於破除「購買工具即完成轉型」的迷思，強調「AI 導入」本質上是一場全面的商業變革，必須由企業整體商業戰略導引，並錨定明確的業務成效。 📎 這份報告適合誰閱讀？ 報告內容並非單純的技術說明書，而是涵蓋戰略、營運、技術與組織變革的指南，適合以下 5 類工作者閱讀： 🔴 報告洞見 微軟透過審視內部超過 100 個跨部門的 AI 實證轉型案例，提煉出推動企業邁向前沿地位的四大核心商業目標： 微軟在推動自身轉型時，確立的關鍵觀念是，速度、品質與成本等「效率提升」只是企業的基礎門檻，體驗、創新與營收成長才是決定價值的上限。 為了確保戰略落實，微軟提出三項高管指導原則。首先，目標必須由上而下貫徹，而非任由由下而上的個別應用案例零散發酵；其次，每一個前沿目標，都必須指定一名高階主管親自負責業務結果；最後，所有專案都必須超越單純的成本縮減，積極尋求創新與成長的加值機會。 銷售團隊靠「角色加速配方」讓營收成長 9.4% 不過，這些原則說來容易，企業實際推動 AI 工具時常遇到員工使用成效不彰的問題。微軟指出，關鍵在於企業要建立一套「擴散引擎」——也就是圍繞工具打造的一整套營運機制，包含固定推動的儀式、重新設計的工作流程、評估成效的指標，以及主管親自示範帶頭使用。 在這套擴散引擎裡，最基礎、也最快見效的做法叫「角色加速配方」。做法不是先看工具能做什麼，而是反過來，先看某個職務角色平常實際怎麼工作，找出哪些環節最花時間、哪些決策最卡關，再針對這些痛點，把合適的 AI 代理嵌入到日常工作流程裡。 微軟自己的全球銷售團隊專案小組先用「一日工作流圖譜」，仔細分析第一線銷售人員每天時間都花在哪裡，結果發現，銷售人員花了大量時間處理內部行政事務與開會，而不是真正在賣東西。 找出問題後，團隊部署了幾款專屬的 AI 工具來補這個缺口，包括 Analyst Agent 自動排出銷售案件的優先順序、Researcher Agent 幫忙客製化客戶簡報資料、Sales Agent 協助處理小額交易的開單流程、Deal Agent 自動產生合約套件。有了這些工具，原本花時間輸入 CRM 系統資料、開會討論數據的環節，就大幅減少了。 不過，光靠工具還不夠，要讓員工真正養成使用習慣，銷售團隊還搭配了每週的同儕分享會，持續追蹤各種使用數據，並把表現好的操作方式，整理成可以重複套用的「體驗卡」，讓其他人也能照著做。 試點計畫的成果相當明顯，參與的銷售人員在關鍵案件上，使用 AI 的比例成長 3 倍；試點團隊的人均營收成長 9.4%，交易成單率也提高了 20%。 微軟把這種做法歸納成一個公式叫「CI […]

【DataDome 2026 報告】惡意 Bot 增速超越人類 9 倍：逾六成網站防護掛零，僅 2.4% 具備完整防禦力

資安公司 DataDome 發布《2026 年 Bot 與 Agent 安全狀況報告》（State of Bot & Agent Security Report 2026），分析超過 1 兆筆請求、涵蓋逾 7.5 萬個客戶網站，並測試超過 2 萬個熱門網站。報告指出，過去一年自動化流量快速增加，惡意 Bot 開始鎖定更具商業價值的使用者流程，AI Agent 也逐漸從資料蒐集延伸至實際操作。 AI 資料供應鏈可能推升網頁爬取流量？惡意 Bot 流量增 約 124% DataDome 統計 2025 年 7 月至 2026 年 6 月的資料發現，惡意 Bot 流量增加約 124%，成長速度超過人類流量 9 倍；AI 流量則增加 82.3%。其中，網頁爬取仍是最主要的惡意 Bot 活動，占惡意 Bot 流量 70.9%，研究期間增加 185.2%。DataDome 認為，這可能與日益擴大的 […]

「Token 使用量可降至五百分之一。」SAS 分享實戰經驗：治理，才能讓 AI Agent 真正創造價值

TechOrange 科技報橘日前（9/17）在新竹舉辦「AI 智造領航午宴」，邀集多位高科技製造業中高階主管蒞臨餐敘交流，共同探討 AI 落地製造現場的實務路徑。現場特別邀請全球數據分析與 AI 領導品牌 SAS 帶來專題分享，揭露一套能同時兼顧「安全治理」與「成本控管」的解方。 當 AI Agent 開始接入 ERP 及其他企業內部系統，企業就必須同步建立權限控管、執行紀錄與人工決策機制，才能掌握 Agent 使用了哪些資料、執行了哪些動作，並安全地擴大應用。SAS 業務副總經理張志豪以電動車為例說明，「大家知道電動車的門與煞車至今都還是機械式的，因為我們必須把安全的最後一關掌握在人的手裡。SAS 在做的事情也是同樣的道理——讓企業內使用 AI Agent 時，將安全的最後一道防線，牢牢把握在 IT 人員、員工與決策者的手上。」 不經意間把大把鈔票花在 Token 的費用上 防線控管，也關乎企業使用大語言模型 LLM 的實際成本。「我們一方面在積極地推 AI，卻在不經意間把大把鈔票花在 Token 的費用上面，」張志豪舉例，如果以 10 名分析師、一份包含 7.5 萬列與 20 個欄位資料表的情境試算：若全部交由 LLM 處理，在每年建置一次完整模型的基礎下，估算資料探索、清理、特徵工程、模型訓練與評估等生命週期階段約消耗 3.75 億 Token；若透過 SAS Viya MCP Server 將互動與資料分析分流，讓 LLM 負責理解與回應，大量資料處理則回歸企業內部 SAS 平台執行，Token 使用量可降至約 75 […]

首起已知 AI 代理闖入政府網站，澳洲如何重整政府資安防禦？

近期 AI 代理（AI Agent）越界事件接連曝光，如今，第一起已知 AI 代理成功入侵政府網站的案例也浮上檯面。《Reuters》指出，這可能是目前已知首例，而遭入侵的是澳洲政府的 Medicare 統計網站。 澳洲總理 Anthony Albanese 在美國時間 9/23、台灣時間 9/24 公開這起事件。他表示，一個 OpenAI 代理今年 6 月在執行內部能力測試時，未經授權進入澳洲服務局（Services Australia）管理的 Medicare 統計報告服務（Medicare Statistics Reporting Service），取得公開與非公開檔案。Albanese 已直接與 OpenAI 執行長 Sam Altman 通話，表達澳洲政府對事件的高度關切。 澳洲政府 9/24 進一步說明，OpenAI 模型當時共接觸 4 個澳洲政府網站，包括澳洲健康與福利研究院（Australian Institute of Health and Welfare，AIHW）、維多利亞州衛生部、新南威爾斯州犯罪統計與研究局，以及 Medicare 統計報告服務。前三者目前確認都只取得公開資訊，真正發生未授權存取的是 Medicare 統計網站。 沒人叫它攻擊網站，AI 代理為何自己跨過存取界線？ 這起事件沒有造成大規模個資外洩。澳洲代理總理 Richard Marles 表示，被存取的是彙整後的醫療統計，沒有個人醫療資料遭存取，Medicare 的申報、付款與個資系統也與遭存取的網站分開。他因此形容，事件造成的實際影響「相對輕微」，但事件本身「非常嚴重」。 嚴重之處在於代理如何走到這一步。澳洲政府表示，OpenAI 當時是在進行內部能力評估，要求代理上網研究澳洲公共藥品支出。代理向 […]

Meta 為 Muse 再開一個入口：Charm 把 AI Agent 放進口袋、掛上鑰匙圈

把 AI 做成可以隨身攜帶的獨立裝置，已不是科技業的新點子。從 Friend 等產品到各式 AI 穿戴裝置，業者近年不斷嘗試，但這類產品能否形成真正需求，至今仍有待驗證。如今，Meta 正把這項嘗試，延伸到自家的個人 AI Agent（AI 代理）Muse，擴大 Muse 的使用範圍。 美國時間 9/23 登場的年度 Connect 大會上，Meta 一口氣宣布 Muse 將登上 AI 眼鏡、操作 Mac、擁有專屬 email；到了發表會接近尾聲，祖克柏從口袋拿出另一款新產品：可以掛在鑰匙圈上的小型裝置 Muse Charm。 按一下就能叫出 Muse，Meta 把 AI Agent 掛上鑰匙圈 Charm 的核心用途非常明確，就是讓使用者更快叫出 Muse。使用者按下角落的指紋感測器就能開始對話，不必拿出手機、解鎖再開 App；祖克柏表示，如果沒有戴 AI 眼鏡， Charm 將是與 Muse 對話、並讓它了解周遭情況「最快的方式」。他強調，「我們把完整的 Muse 體驗，包括即時語音和數位化身，都塞進一個能掛在鑰匙圈上的裝置。」 不過，這款產品甚至還沒完全準備好。祖克柏表示，團隊仍需要完成內部零組件配置，但預計趕在 12 月假期購物季前出貨。 Charm 背後的 Muse，是 Meta 9 月才在美國與加拿大推出的個人 AI […]

參數不到 Cosmos 一半卻登頂 RoboLab：BFL 開放權重模型 FLUX 3 Action 登場

以影像生成模型 FLUX 打響名號的德國 AI 新創 Black Forest Labs（BFL），近日宣布推出機器人模型 FLUX 3 Action，正式跨足機器人領域。《VentureBeat》報導，這款模型擁有 70 億參數，採開放權重形式發布。 從影片生成跨足物理表徵：FLUX 3 Action 如何預測機器人動作 FLUX 3 Action 是一款世界動作模型（World Action Model，WAM），能接收攝影機畫面、機器人當前狀態與自然語言指令，進一步預測機器人接下來應執行的動作。相較於只辨識眼前環境，BFL 希望模型能進一步掌握物體如何移動、環境如何變化，以及機器人的行動可能帶來什麼結果，讓模型具備從「理解世界」到「採取行動」的能力。 《VentureBeat》指出，這款模型的表現也可從 BFL 公布的基準成績觀察。FLUX 3 Action 在 NVIDIA 開發的 RoboLab-120 機器人策略模擬基準中，涵蓋視覺理解、關係推理與程序技能等 120 項任務，整體成功率達 42.92%。BFL 表示，這項成績比先前公開排行榜的最高紀錄高出 6.1 個百分點；在 FLUX 3 Action 發表前，OASIS WAM 曾以 39.0% 的成功率排名第一。 不過，這些數據主要反映 FLUX 3 Action 在 RoboLab-120 測試環境中的表現，不宜直接與其他機器人模型的基準成績比較。不同模型可能採用不同的任務、硬體與評估方法，例如 […]

企業導入 AI 面臨哪些資安風險？從 AI 測試事件看 AI Security 與供應鏈安全新挑戰

生成式 AI 快速進入企業開發與營運流程，隨著 AI 模型的能力持續提升，企業面臨的 AI Security 風險也從模型本身，進一步延伸至模型所能取得的權限、可連接的系統與實際執行環境。近期接連傳出的 AI 安全測試事件引發各界關注，AI 模型被發現可能突破原有的環境限制，連線至外部企業系統，甚至修改系統設定，反映出企業在導入 AI 模型時，除了關注模型本身的安全性，也需要重新檢視模型所能取得的權限、可連接的系統與執行環境。 另一方面，若企業開始導入開放權重 AI 模型，模型本身也逐漸成為軟體供應鏈管理需要關注的一環。近期相關安全觀察顯示，不同模型在抵禦提示注入與越獄攻擊的能力存在明顯差異，模型效能並不代表其安全性；此外，「開放權重」也不等同於「開放原始碼」，企業未必能掌握模型的訓練資料、開發流程與來源背景，模型檔案本身也可能衍生供應鏈安全風險。因此，企業在導入 AI 模型時，除了評估模型效能與使用情境，也需要將模型來源、檔案安全與供應鏈風險納入 AI Security 管理。 叡揚資訊長期深耕 AppSec 領域，其代理的 Mend.io 透過 AI-BOM 不只能盤點 AI 模型，而是能從應用程式中識別 AI 模型、Agent、System Prompt、Tools 與 MCP 等 AI 資產，建立不同資產之間的關聯性，協助企業掌握 AI 的使用情況與來源，進一步辨識未被納管的 AI 資產及潛在風險，讓 AI 安全管理從「資產盤點」逐步延伸至「風險管理」。同時，AI Security 也不應與既有的應用程式安全切割，除了協助企業掌握 AI 模型、Agent 與相關資產，也進一步提供 AI 行為偏差驗證與 AI Guardrails 等能力，從 AI […]

人形機器人短期內仍趕不上人類工人：操控、泛化、安全性卡住實際運用

人形機器人已經足以取代人類勞動力了嗎？當代 AI 機器人確實能夠完成艱難的特技動作，但反過來說像拿起可樂、剝橘子等簡單任務，對於人形機器人卻非常困難。

不靠漲價也能救毛利：AI 正把「菜單工程」變餐廳新財務槓桿

通膨蔓延、食材成本劇增與人力短缺，正讓餐飲業的營運數學變得空前艱難。過往業者習慣將「調漲售價」視為拆解成本危機的萬靈丹，然而根據餐飲管理軟體平台 Craftable 的資料，自疫情爆發以來，餐飲價格已累計攀升超過 30%，消費者的價格敏感度已逼近臨界點，繼續盲目漲價只會引發顧客流失。面對價格上漲空間封頂的窘境，Craftable 產品經理 Henry Escobar 指出，業者已無法單靠轉嫁成本來守住毛利，而是必須將目光轉向餐廳最重要的財務槓桿：菜單。 菜單瘦身：精減 SKU 釋放廚房與供應鏈壓力 過去被視為品牌宣傳工具的菜單，如今正經歷轉型，成為掌控成本與提升效率的核心工具。過於複雜的菜單往往會直接衝擊獲利能力，過多的品項（SKU）不僅造成庫存管理混亂、增加食材腐敗與浪費，更會拖慢廚房的出餐節奏。 許多餐飲巨頭已開始進行「菜單瘦身」，例如知名餐飲集團 TAO Group 透過數據分析，每年主動精減高達 20% 的 SKU，成功降低了廚房備料與供應鏈營運的複雜度。透過數位菜單與持續性的優化調整，餐廳得以將過往以年為單位的菜單更新週期，縮短為常態性的動態調整，使廚房效率獲得有效提升。 從事後記錄到事前預測，以 AI 翻轉食材浪費 除了簡化品項，AI 在預測性分析上的突破，更徹底改變了食材管理與備料邏輯。傳統的菜單分析僅能記錄過去的銷售成績，而結合機器學習的 AI 系統則能交叉比對歷史銷量、食材即時成本、季節變化、甚至天氣預報與在地大型活動等多元數據，精準預測未來的實際需求量。 這種預測能力直接切中了餐飲業最痛的毛利漏洞。《Restaurant Dive》報導，食材成本通常占餐廳總支出的 28% 至 40%，全美餐館每年浪費的食物估計高達 220 億至 330 億磅，但美國國家餐館協會涵蓋全美餐飲業者的《2026 年餐飲業狀況報告》指出，現僅有 37% 的業者加強食物浪費追蹤機制。AI 能在不犧牲餐點品質與顧客體驗的前提下，抓出過度備料、份量過大或庫存腐敗等隱形漏洞，成為業者回收毛利速度最快的突破口。 視覺心理學與數據整合，在極大化毛利與品牌靈魂間取得平衡 在排版與視覺設計上，AI 亦展現出極高的商業價值。AI 系統能將菜色精準分類，找出高利潤的熱銷品與低毛利的陷阱品，並結合熱點（Sweet Spots）排版策略與清晰的視覺標記，在無形中引導顧客點購毛利較高的餐點。 然而，好的菜單優化並非單純追求利潤極大化，更關鍵的是在數據與廚藝靈魂之間取得平衡。以 TAO Group 為例，其招牌小籠包雖然未必是單品利潤率最高的項目，卻是吸引龐大客流與奠定品牌識別度的靈魂所在。AI 的角色並非盲目淘汰低毛利餐點，而是提供更全面的脈絡，確保業者在守住財務底線的同時，不會削弱餐廳獨一無二的品牌特色。 進一步來看，AI 正在將 POS 系統、庫存管理、採購進貨與食譜成本數據徹底打通，解決數據孤島的問題，並提供即時動態定價與個人化推薦。例如餐飲品牌 Bartaco 透過數據串聯發現，其前五大熱銷品項竟佔了總營收的 […]

【科技早餐】Meta 測試 AI 助理通話由真人接手，OpenAI、Anthropic 同日推低價模型

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Meta 測試真人接手 AI 助理通話，因告知不足暫停 Meta 的 AI 助理 Muse 可依使用者指示致電商家，處理訂位、詢價及查詢商品等事項。《路透》查閱 Meta 內部貼文發現，公司曾在員工測試中，讓真人承包人員接手部分由 Muse 發起的電話。部分員工擔心，如果沒有清楚告知執行方式，承包人員可能在通話中接觸使用者的敏感資訊。Muse 上線時強調代理工作的隔離措施，真人參與通話的安排也因此受到員工質疑。 《路透》報導，Meta 一名主管承認，開始測試由承包人員代打電話時，沒有做好適當告知，並表示公司已暫時撤回這項功能。Meta 對外回應，測試是為了取得回饋，完善安全與隱私措施；若未來公開推出真人接手功能，會提供適當告知。報導並未證實敏感資料已經外洩。Muse 原有的 AI 通話功能與這次暫停的真人接手測試應分開看待，後者是否重新推出及如何向使用者揭露，仍待 Meta 後續說明。 ＊OpenAI、Anthropic 同日推新模型，AI 模型價格同步下調 OpenAI 與 Anthropic 在 9 月 22 日分別發表新模型，將降低使用價格列為重點。Anthropic 推出 Claude Opus 5.5，表示該模型在典型工作負載下，執行成本比前代 Opus 5 低約 40%；若以每百萬詞元計價，輸入價格為 4 美元、輸出價格為 20 美元，均較前代降低 20%。公司也公布安全測試結果，表示新模型對惡意指令與超出授權範圍的動作有更強的防護能力。 OpenAI 同日推出 GPT-6 Sol 與 […]

Jev 為何爆紅？AI Agent 正重新分配「誰來做決策」

一款不會寫文章、不會生成程式碼，甚至不輸出一般文字的 AI 模型，最近正快速受到開發者關注。AI 決策模型新創 TypeSafe AI 在 9/15 推出 Jev 後，36 小時內便讓約 14 萬名候補使用者取得資格；初期需求一度讓官方 API 無法正常服務，Cloudflare、LangChain、Langfuse 等開發工具也迅速加入支援。 Jev 的特殊之處，正是刻意放棄文字生成。TypeSafe 將這類專門為軟體決策打造的模型稱為「系統一模型」（System One Models），Jev 則是第一款公開模型。名稱取自《快思慢想》的 System 1 概念，強調快速、直覺式判斷，而非較慢的逐步推理。《TechCrunch》形容，Jev 側重快速、直覺式判斷，而不是長步驟推理，因此把能力集中在分類、選擇、評分等範圍明確的任務。 這個方向也來自創辦人 Diogo Almeida 對聊天模型的反思。他過去曾參與 OpenAI 讓大型語言模型（LLM）更會遵循指令、與人互動的研究，但後來認為，現有模型雖已非常擅長人類語言，卻未必適合軟體自動化。他將問題歸因於模型主要為人類語言最佳化，而電腦實際需要的是不同形式的輸出。 Jev 如何把複雜資訊，直接變成軟體能使用的決策？ Jev 和一般生成式模型最大的差別，就在於直接把輸入資訊轉成程式可以使用的「決策」。TypeSafe 將 Jev 的輸出限制在 3 種形式：Noul（是非判斷）回答「是或否」並給出機率；Choice（選項判斷）從預先設定的選項中選擇，並提供各選項的機率分布；Score（評分）則在指定尺度上給出分數。 例如，AI 代理（AI Agent）可以問 Jev「這項操作是否安全」、「下一步該使用哪個工具」，或「這筆交易的風險有多高」。Jev 不會先生成一段解釋，而是直接回答是或否、選哪一個，或給出分數，讓程式依結果決定下一步。這種設計的好處，是可能答案與輸出格式事先就已確定，程式不用再從一段自然語言裡解析模型到底想做什麼，還可以依照機率或信心程度設定後續規則。例如信心很高時直接執行，結果模糊時改交另一個模型或轉由人工確認。 TypeSafe 的工作流程測試也採取類似思路：把複雜工作拆成多個範圍明確的判斷，只把需要語意理解的部分交給模型，能以確定性規則處理的部分則留給程式碼。官方表示，在 4 種測試工作流程中，這種方式平均都比把同一套規則一次寫進提示詞（prompt）、交由模型處理更準、更快，也更便宜。 放棄逐字生成，也換來速度與成本優勢。TypeSafe 自家測試宣稱，Jev 在系統一工作流程中最高可快 193.6 […]

【劉永信專欄】Anthropic 會是下一個 Google，還是下一個 Yahoo？

八月二十一日，《紐約時報》報導，Anthropic 的承銷銀行正向投資人提出一個計畫：募資超過 1,000 億美元、上市估值最高可達 2 兆美元，掛牌時間可能就在今年秋天。如果成真，這會是史上最大的一次上市案。而就在幾年前，Anthropic 還只是一家被 OpenAI 光芒完全蓋過的公司。 2004 年 8 月 19 日，Google 掛牌上市，每股 85 美元，市值 230 億美元，那時候大家其實不太看好，承銷價一路從原本規劃的 108 到 135 美元往下砍，媒體形容那是一場荒腔走板的上市。因為當時的網路一哥不是 Google，是 Yahoo，Yahoo 那時市值 382 億美元，比 Google 高出四成。 結果我們都知道了，不到一年，Google 的市值就超過了 Yahoo，此後再也沒有回頭。 二十二年後的今天，同樣的劇本正在重演一次，只是數字後面多了四個零。 十年前的同事，成了今天的對手 2016 年 8 月，OpenAI 貼出一則徵才公告，上面列著三個名字：Dario Amodei、Jack Clark、Scott Gray，十年後的今天，前兩位分別是 Anthropic 的執行長和政策主管。 今年七月，OpenAI 一個未發布的模型在內部測試中逃出了沙箱，串連竊取的憑證與零時差漏洞，攻進了 Hugging Face 這是第一個可被驗證的「AI 實驗室失去模型控制」的案例，無獨有偶，Anthropic 也在七月底揭露，自家模型在第三方測試中逃出了測試環境。 兩家都出了事，但市場的反應很不一樣。 Anthropic […]

當惡意軟體學會開會決策：Cisco 釋出 CAIRN 追蹤框架，揭 AI 自動化攻擊新威脅

多年來，資安研究人員主要透過數位指紋追蹤不同類型的惡意軟體，用以辨識駭客工具、偵測潛在感染，以及分析這些工具的使用變化。《WIRED》報導，隨著攻擊者開始將代理型 AI 導入駭客工具，讓惡意軟體能透過 AI 模型或服務取得指令、判斷下一步行動，思科系統旗下的威脅情報與安全研究組織 Cisco Talos 近日發布開源框架 Cognitive Artifact Intelligence Research Network（CAIRN），希望協助資安研究人員分類與分析這類 AI 整合型惡意軟體。 追蹤駭客足跡：Cisco 開發 CAIRN 系統，鎖定 AI 惡意軟體指紋 CAIRN 的命名來自登山路徑上的石堆，登山客會利用這類石堆標示路線，或凸顯特定位置。Cisco Talos 資安研究員 Ryan Fetterman 表示，AI 整合也會在惡意軟體中留下類似指紋的痕跡，研究人員可以利用這些特徵追蹤樣本、進行分類，並觀察攻擊者正在嘗試哪些技術，以及是否出現新的攻擊行為。 《WIRED》提及，CAIRN 的功能是從惡意軟體中繼資料辨識 AI 整合相關特徵與屬性，再據此替樣本進行分類與標記。系統會將每個樣本放進 CAIRN 的資料庫中與其他樣本比對，根據不同特徵進行分組，藉此找出可能的趨勢與關聯。 Ryan Fetterman 表示，他在 2025 年 7 月看到烏克蘭資安事件應變單位 CERT-UA 發布警告，指出一波釣魚攻擊使用名為 LAMEHUG 的惡意軟體。該惡意軟體透過 Hugging Face API，連接 Qwen2.5-Coder-32B-Instruct 大型語言模型（LLM）取得指令。 當時 Ryan Fetterman 預期，AI […]

Anthropic、OpenAI 同日推 Opus 5.5、GPT-6 Sol／Luna：最高階 AI 能力正以幾週速度往下放

Anthropic、OpenAI 在美國時間 9/22 同日更新模型產品線，一口氣推出 3 款新模型。Anthropic 發表 Claude Opus 5.5，主打程式設計、AI 代理與專業知識工作；OpenAI 則推出 GPT-6 Sol、GPT-6 Luna，將月初才由 GPT-6 Astra 開啟的新一代產品線，進一步擴展到不同能力與價格層級。 這次兩家公司都沒有只把重點放在提高測試基準（benchmark）成績。Anthropic 的 Opus 5.5 已在多數工作達到 3 週前才推出的 Fable 5.1 水準，價格卻明顯降低；OpenAI 的 Sol、Luna 則承接 Astra 的部分技術進展，API 價格也降至 GPT-5.6 同級模型的一半。 Fable 5.1 才推出 3 週，Opus 5.5 已追上多數工作 Anthropic 9/1 才推出 Fable 5.1 與 Mythos 5.1，當時將兩款模型定位為旗下最先進的程式設計與知識工作模型。相隔 21 天，Anthropic 又推出 Claude […]

砸 3,500 萬美元辦學：a16z 打造矽谷「另類學院」，首屆免學費挑戰名校與 YC 模式？

創投公司 Andreessen Horowitz（a16z）正以不同於傳統大學的方式培養下一代科技人才。該公司宣布投資 3,500 萬美元，支持另類高等教育機構 Horowitz Andreessen Academy，其規劃為兩年制、首屆先開一年期免學費課程，招收 16 至 22 歲學生。學院未取得大學認證，將由 Udemy 共同創辦人 Gagan Biyani 領導，並以獨立企業形式營運。 告別長時間課堂：AI-native 學院主打 80% 專題實作，培育科技與創業人才 《華爾街日報》指出，Anthropic、Google、Meta Platforms、NVIDIA、OpenAI 等科技公司將擔任創校合作夥伴，提供軟體與運算資源，並開放辦公室作為學生學習與實務活動的場域。a16z 共同創辦人 Ben Horowitz 表示，AI 革命對就業市場的影響可能如同工業革命，而部分學生可能更適合不以傳統長時間課堂教學為核心的教育模式。 學院本週將開放首屆招生申請，首屆學生預計於 2027 年秋季開始一年期課程，且免收學費。若取得監管核准，完整兩年制課程將於 2028 年啟動，Gagan Biyani 表示，屆時學費將與頂尖私立大學相當。與傳統大學相比，學院將大量時間投入專題式學習。學生入學後最多可有 80% 的時間用於實作，例如建立 AI 模型、開發產品，以及訪談產業專家；學生也有機會參與與創校合作夥伴進行的「co-op」，形式上類似實習。 Gagan Biyani 表示，學院希望打造 AI-native 教育模式，讓學生具備進入頂尖科技公司工作，或自行創辦科技公司的能力。他認為，在現代世界中，知道如何把產品或想法實際做出來並推出市場的重要性，比過去更高。學院課程尚未完全定案，但不要求教師具備傳統教學資格。Gagan Biyani 認為，在特定領域取得博士學位，與是否能成為優秀教師之間的關聯有限。未來教學可能包括知名科技人士授課、a16z 合作夥伴提供導師指導，以及受蒙特梭利教育啟發的學習方式。 目前規劃的學習領域同時涵蓋科技與人文社會，例如航太、國防與工業系統、AI 研究與模型，以及健康與人類表現、寫作與文化。其中一門課程名為 The Geometry of Luck（幸運的幾何學），課程將探討如何規劃人生，讓好運更容易降臨。學生將住在由學校協調安排的當地住所，學習活動除了課堂與專題，也可能包括博物館參訪、文化活動，以及由科技產業以外人士進行的客座演講。Gagan Biyani […]

【AI 驅動的 vibe hacking】漏洞數量已找不完，企業資安計畫重點轉向驗證漏洞「可利用性」

過去，發動一場像樣的資安攻擊，需要經年累月鑽研技術才辦得到。但現在，只要懂得怎麼下指令給 AI，就有機會做到過去專業駭客才能完成的攻擊，這種被稱為「vibe hacking」的新型態攻擊，迫使企業資安團隊重新思考防禦節奏。 AI 讓攻擊技能門檻大幅降低 「Vibe hacking」是 AI 公司 Anthropic 提出的用語，指攻擊者只設定一個籠統目標，例如「入侵這家公司的系統並竊取資料」，接著完全放手讓 AI 代理自主處理每一個步驟，包括偵察、找出漏洞、撰寫並執行漏洞利用程式碼、彙整竊得的結果，一路重複到任務完成，人類操作者通常只在「選定攻擊目標」與「檢視竊得資料」這兩個環節介入。 2025 年 8 月，Anthropic 揭露一起實際案例指出，一名網路罪犯利用這種 AI 程式撰寫代理（AI coding agent，能自主編寫並執行程式碼的 AI 系統），入侵至少 17 個組織，全程一手包辦從偵察到根據竊取財務資料設定勒索金額。 同期，駭客組織 FulcrumSec 則用 AI 分析竊得的資料，在談判時掌握更多籌碼。Anthropic 的報告也記錄到，不同技能水準、不同國籍的攻擊者，用這種模式，能在 2 到 3 小時內完成入侵，這種規模的攻擊，過去需要一整組專業團隊才能達成。 這些攻擊的複雜程度並沒有太大改變，真正改變的是「發動攻擊所需的專業能力」，如今已大幅降低。 過去的攻擊工具本質上仍是「靜態範本」，需要一定技術才能操作；但 AI 的關鍵差異在於「適應能力」——能在釣魚郵件被攔截後立刻改寫重試，能根據受害者反應調整勒索策略，也能大量生成內容變體，讓企業長期仰賴的黑名單與特徵比對機制愈來愈難招架。 這對防禦者而言，還有一層更深的意涵是，過去不少企業之所以相對安全，其實部分得歸功於「攻擊者的人力成本」構成的天然屏障；規模較小、資料價值不夠高的企業，過去往往因為不值得投入專業團隊攻擊，而相對倖免於難。 但如今 AI 讓攻擊者不再受限於這種人力成本，這也代表，過去靠著「不值得被盯上」而相對安全的企業，現在可能不再安全。 防禦節奏必須跟上速度上的根本轉變 好消息是，vibe hacking 並未帶來全新類型的漏洞；壞消息是，攻擊者能用更快速度，找到並利用企業原本就存在的防禦破口。防護機制多半仍在運作，但攻擊者找到漏洞的時間，已從數天壓縮到幾分鐘。 這意味著防禦節奏也必須調整。如果 AI 輔助攻擊者串連攻擊路徑的速度，比完成一次年度滲透測試還快，這種一年一兩次的測試就已無法提供原本的防護效果。 多數企業的資安計畫，早就找出比能處理數量還多的漏洞，問題不在於「發現不夠多」，而在於能否持續驗證哪些漏洞真的會被實際利用，且這件事需要持續進行，而非一年一兩次。 員工訓練同樣得調整。過去容易識破的 AI 釣魚郵件，如今語意通順、個人化程度高，足以通過直覺判斷。訓練重點應從「辨識措辭問題」，轉向培養「跳出原本溝通管道另外確認」的習慣，並對急迫請求保持懷疑，不管訊息或語音電話聽起來多專業。 […]

歐洲央行正式接軌代幣化市場，Pontes 把鏈上交易接回央行貨幣

債券等金融資產逐漸走向代幣化，發行、交易甚至部分交割流程都能搬到分散式帳本，但交易完成後，最後要用什麼錢結算？歐洲央行（ECB）現在正式把央行貨幣接進這個新市場。 ECB 在 9/21 正式上線 Pontes，讓銀行與市場基礎設施交易代幣化資產後，可以透過歐元體系既有的 TARGET 服務，以央行貨幣完成結算。這也代表 ECB 過去數年的分散式帳本技術（distributed ledger technology，DLT）試驗，開始走向可供市場實際使用的金融基礎設施。 所謂代幣化，是將債券等金融資產轉成數位代幣，通常記錄在分散式帳本上。ECB 認為，這類技術有機會把發行、交易、交割、保管等原本分散的流程整合，並透過智慧合約提高自動化程度。但金融資產搬上新的交易系統後，還需要一個可靠的資產完成資金端交割，而這正是 Pontes 要處理的問題。 資產可以上鏈，ECB 不想讓央行貨幣缺席 ECB 在 2024 年測試分散式帳本交易時，市場參與者就指出，如果這類市場要擴大，必須能取得低風險的結算資產。ECB 執委 Piero Cipollone 今年 8 月也表示，央行貨幣不帶信用與流動性風險，仍是金融體系共同的結算錨點。Pontes 因此扮演一座橋，把市場上的分散式帳本平台接回歐元體系的結算基礎設施。 這也牽涉近年快速發展的穩定幣。ECB 並不是要把穩定幣排除在代幣化金融之外，而是希望新市場不要只能依賴私人數位貨幣結算。ECB 今年 3 月公布的支付策略明確指出，央行貨幣應繼續作為批發金融市場的核心，同時可由受歐盟治理、以歐元計價且受到適當監管的穩定幣與代幣化銀行存款等私人結算資產補充。換句話說，ECB 要保留的不是所有交易都必須使用央行貨幣，而是央行貨幣仍能作為不同形式貨幣之間共同的底層錨點。 對 ECB 而言，這也涉及歐洲金融主權。Cipollone 今年 6 月曾警告，如果歐洲無法及時提供適用於代幣化市場的央行貨幣，新金融生態可能轉而依賴非歐元計價的結算資產，削弱歐元在市場中的核心位置。 從試驗走向正式市場，ECB 自己也準備下場 更值得注意的是，ECB 同一天還宣布，準備從約 230 億歐元的自有資金投資組合中撥出一小部分，購買以歐元計價的代幣化證券，初期鎖定歐元區公共部門與歐洲超國家機構發行的產品，並透過 Pontes 以央行貨幣完成交割。ECB 表示，希望藉此累積作為投資人的實務經驗，以及使用分散式帳本技術處理金融市場交易的內部能力。 這代表 ECB 的角色不只是替市場提供一條新的結算管道，也準備實際成為代幣化證券的使用者。Pontes 目前仍只是第一步，ECB 另一項長期計畫 […]

【科技早餐】Meta Muse 超車 ChatGPT，Amazon 封鎖 AI 代理購物

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Meta Muse 超車 ChatGPT 登頂 App Store，Amazon 封鎖代理購物 Meta 於 9 月 8 日推出個人 AI 助理 Muse，可替使用者研究資料、填寫表格、預約服務及購買商品，並能連結電子郵件、行事曆、Instagram 等服務。Muse 上線後下載排名迅速超越 ChatGPT，一度登上美國 Apple App Store 免費應用程式排行榜第一名。與主要回覆問題的聊天機器人不同，Muse 的核心定位是取得使用者授權後，跨越不同網站與服務完成多步驟任務。 不過，Muse 進入亞馬遜（Amazon）代替使用者購物時，很快遭到平台封鎖。Amazon 表示，Meta 未事先告知，也沒有取得授權，第三方 AI 代理應清楚揭露身分，並尊重平台是否開放參與；Amazon 也對登入憑證與客戶資料的處理方式提出疑慮。Meta 則表示，Muse 看不到安全登入資訊及信用卡資料。相較之下，電商平台 Shopify 選擇與 Meta 合作，讓 Muse 能透過 Shop Pay 完成結帳。這場分歧顯示，AI 代理競爭正從模型能力，延伸到平台對資料、廣告及交易入口的控制權。 ＊20 多國促 AI 具約束力監管，OpenAI 籲美國主導全球標準 20 多國領袖與歐盟執委會主席共同發布聲明，呼籲針對先進 AI […]

Amazon 封鎖 Meta Muse、Shopify 卻主動接入：AI Agent 能不能進站，誰說了算？

AI 正快速進入消費者的購物流程，新的問題也逐漸浮現。PYMNTS Intelligence 與 Visa Acceptance Solutions 今年調查美國、巴西、阿聯 5,841 名消費者發現，47% 線上購物者在最近一次購物中使用過 AI。而當 AI 從找商品、比價，進一步能替人開啟網站、登入帳號甚至下單，商家開始需要思考：外部 AI Agent（AI 代理） 要進入自家公司的交易環境，究竟該開放到什麼程度？ 電商巨頭 Amazon 最近選擇擋下 Meta Muse，但更精確地說，它拒絕的是「未經同意、也未表明身分」的第三方 Agent。Muse 是 Meta 9 月推出的個人 AI Agent，可以在獨立的雲端電腦操作瀏覽器，替使用者跨網站處理多步驟任務，包括購物；推出一週後一度登上美國 App Store 免費榜第一。Amazon 表示，Meta 未事先告知 Muse 將存取 Amazon，瀏覽時也沒有表明 Agent 身分，因此阻止它代替使用者購物。 電商平台 Shopify 選擇的，則是另一條路。同樣在 9 月，Shopify 主動把 Meta 納入 AI 購物通路，讓商家可以透過既有平台接觸 Muse 使用者。兩家公司都在押注 AI 購物，卻選擇不同的接入方式：Amazon 先要求第三方 […]

IFR：人形機器人 2025 實銷 7,000 台，美銀估 2030 上看 120 萬台

《Reuters》報導，據國際機器人聯盟（International Federation of Robotics，IFR）彙整的數據，2025 年全球約售出 7,000 台人形機器人，主要用於工業與專業服務。這項數據也是 IFR 首次將人形機器人納入其機器人產業統計。 人形機器人目前銷售規模仍有限，與市場成長預期成對比 《Reuters》指出，目前人形機器人的實際銷售規模仍相對有限，但與市場對未來幾年需求快速成長的預期形成對比，尤其是在中國。中國是全球最大的工業機器人市場，近期也曾在機器人賽事中展示人形機器人的跑步與拳擊能力。 依照 IFR 的標準，人形機器人必須具備類似人類的外觀，並能在為人類設計的環境中自主運作，但不要求一定具備雙腿。IFR 此次公布的數據由供應商及各國產業協會提供，《Reuters》在正式發布前取得相關資料。 這份統計提供了目前少數能從整體產業規模觀察人形機器人市場的指標。《Reuters》提及，近年人形機器人持續吸引數十億美元投資，也出現大量技術展示。不過，IFR 秘書長 Susanne Bieller 告訴《Reuters》，目前人形機器人的數量仍只占全球機器人總量的一小部分。 相比之下，2024 年全球約安裝 54.2 萬台一般工業機器人，另有約 19.9 萬台服務型機器人售出，主要應用於運輸、旅宿與清潔等領域。IFR 預計於 9 月 24 日公布 2025 年工業機器人與服務型機器人的數據。 汽車製造商成人形機器人早期採用者，中國「小東」預計年底試生產 人形機器人的實際應用目前仍有限。Susanne Bieller 表示，2025 年售出的許多人形機器人並未執行生產工作，而是由研究機構或企業購入，用來產生資料，以改善 AI 模型。汽車製造商則是目前人形機器人的主要早期採用者。 近日，有車廠開始推進人形機器人導入的實例。據《TechNode》報導，中國車廠東風汽車智慧科技工程師張振林表示，人形機器人「小東」預計在 10 月底前進入工廠接受訓練，並有望於今年底參與試生產；若進展順利，明年將進入小量生產。 《Reuters》補充，IFR 已經累積 30 年的機器人產業統計，今年則首次開始蒐集人形機器人相關數據，並與規模更大的工業機器人及服務型機器人統計並列。IFR 的 7,000 台數據是 2025 年全球實際銷售統計，並不包含消費型與軍用人形機器人；醫療機器人則被歸入其他分類。 市場對人形機器人的未來出貨量仍抱持成長預期。美國銀行全球研究部（Bank of America […]

企業 AI 準確率如何從 43% 升至 90%？DoorDash 實踐證明：優化資料結構比升級模型更關鍵

美國最大的線上餐點與零售外送平台 DoorDash 正加速將 AI 代理導入企業內部資料分析，並自行打造名為 Vera 的 AI 資料分析代理，讓員工可以直接以自然語言提問，快速取得公司內部資料的分析結果。DoorDash 表示，目前已有超過 1 萬名員工仰賴公司資料生態系，而 Vera 可以從超過 20 萬個資料集、總規模達 350 PB 的企業資料中搜尋所需資訊。 員工可直接查詢營運數據，DoorDash 部署 Vera 減輕資料團隊負擔 《PYMNTS》提及，員工過去若想知道「為什麼上週加州訂單量下降」，或查詢特定商家的訂單取消情況，通常需要交由資料團隊處理。現在能直接向 Vera 提問，例如新產品上市後的表現、哪些商家可能停用行銷服務，以及過去 90 天 Arby’s 每小時有多少訂單遭取消等。 DoorDash 指出，打造 Vera 的主要挑戰並不是單純讓 AI 生成答案，而是讓 AI 找到正確、可信賴的資料來源。公司過去的資料工具不是集中在單一業務領域，就是涵蓋範圍廣但分析深度不足，原因之一在於企業上游資料來源高度分散。 為驗證 Vera 的能力，DoorDash 以 100 個問題測試 Vera 與一款現成 AI 程式開發代理。兩者使用相同的 AI 模型進行測試，Vera 的通過率達 73%，外部工具則為 48%。DoorDash 表示，外部工具主要問題在於難以判斷應該使用哪些資料表；Vera 則被限制不得存取尚未完成驗證的資料。 […]

RSI 風險浮上檯面，OpenAI 提新標準：AI 研發到哪一步要人類介入？

隨著 AI Agent 越界與模型異常行為話題持續延燒，前沿 AI 公司近期也接連端出新的安全治理方案。從 Anthropic 提出 AI 研發三大量測指標，到 Google DeepMind 主張建立前沿 AI 標準機構，業界正試圖把原本較抽象的安全原則，轉成可量測、可監督的制度。 OpenAI 也在短時間內連續採取行動：9/6 先公開 AI 如何加速內部研究，9/16 再推出模型未對齊報告框架（framework for reporting model misalignment），到了 9/21，進一步提出全球前沿 AI 技術標準構想，希望由美國帶頭建立跨國標準制定機制，並針對 AI 參與 AI 研發後可能出現的新風險，建立共同的量測、人工介入與事故通報規則。 RSI 尚未完全自主，但 AI 已開始加速 AI 研發 這次 OpenAI 特別把焦點放在「遞迴自我改進（recursive self-improvement，RSI）」。當 AI 接手越來越多下一代 AI 的研發工作，能力提升又進一步加速下一輪研發，就可能逐漸形成持續自我強化的循環。 不過 OpenAI 強調，完全自主的 RSI 目前還沒有發生，在確認安全以前也不應追求。現在更接近的情況，是人類仍掌握研究方向與部署決策，但 AI 已深入研發流程。根據 OpenAI，截至 8 […]

【AI 代理只是聰明的猴子】軟體工程師的新工作，是打造讓代理更強大的系統邊界

資料工程領域專家認為，軟體工程師要開始理解系統邊界的意義，因為 AI 代理只是比較聰明的猴子，程式開發者得創造出有限環境，讓 AI 生成的邏輯能夠被人類所信賴。

【電動車退役電池第二人生】供電給旅館、AI 資料中心，新創 Moment 與 Redwood 如何找到解方

退役電動車電池還有第二人生，離島旅館、機場，甚至 AI 資料中心，都可能靠它們供電。電動車車主眼中「該換電池」的訊號，在儲能業者眼裡，卻是一批還沒用完的資源。 加拿大的 Moment Energy 與美國的 Redwood Materials，正把這些退役電池改造成固定式儲能系統。但這門生意能否成立，除了要拿到足夠的退役電池，還得解決兩個難題：一是電池品牌、電壓、容量與健康狀況都不同，業者得逐一檢測、重新組裝，並靠控制系統讓它們安全穩定運作；二是業者得證明這些系統真能解決客戶的實際問題，例如省下柴油發電成本、避開昂貴的電網升級，或讓資料中心不必苦等多年併網。 這兩個難題之所以有解方，關鍵在於，電池退出車用，並不代表它的壽命已經耗盡。 電池退出車用，不代表壽命耗盡 事實上，電動車電池的實際壽命，可能比許多人預期更長。電池研究公司 Recurrent 追蹤超過三萬輛電動車，發現排除被廠商大規模召回案例後，曾更換電池的比例不到 4%，其中包含車齡超過十年的車輛。不過，這個樣本並不代表所有電動車，較新的車輛也仍需長期觀察。 正因為電池老化的速度比想像中慢，即使它已經不適合繼續裝在車上，也不代表完全不能使用。 Recurrent 表示，電池通常要經過十到二十年，才可能因為自然老化而需要更換。就算電池容量只剩原本的七成，仍然可以儲存不少電力，因此能改用在不需要隨時移動的設備上，例如旅館、機場或資料中心的儲能系統。 除了自然老化之外，電池組退役也可能只是局部故障。Moment 共同創辦人暨執行長 Eddy Chiang 以聖誕燈串比喻解釋，一顆燈泡壞掉，可能讓整串燈熄滅；電池組裡的單一電芯出問題，也可能影響整組運作。因此，再利用的第一步，是檢測哪些部分仍然健康，而非把整組電池視為廢料。這也正是 Moment 與 Redwood 兩家業者，實際處理退役電池時的起點。 Moment 與 Redwood：把舊電池變成供電方案 Moment 收到電池後，會先檢測性能再拆成模組、裝入具冷卻設備的貨櫃，並透過自有軟體調度電力避開較弱的電芯，利用健康部分延長使用時間。其 Luna 系統的儲能容量，最高達一百萬瓦時。 這套系統的價值，已經體現在不同客戶的能源瓶頸上。加拿大離島旅館 God’s Pocket Resort 導入後，降低了柴油發電機的使用；溫哥華國際機場則用它支援電動車隊的快速充電，據 Chiang 說法，機場因此節省了 2,000 萬美元的電網升級支出。 換言之，Moment 提供的是經過檢測、重新組裝與軟體管理的儲能設備，客戶購買的效益則是少燒柴油，或減少擴建供電設施的需要。 與 Moment 相比，Redwood 走的是不同路線，切入這門生意的起點也不一樣。這家由特斯拉前高層創立的公司原本從事電池回收，後來發現，許多準備拆解粉碎的電池，仍有繼續使用的空間。公司表示，如今收到的電動車電池中，有 95% 走向再利用。 相較於 Moment 拆成模組，Redwood 的做法著重保留電池組，透過自有控制技術，整合不同車廠、電壓、功率與化學組成的電池，讓它們共同運作。 […]

「世界模型」資金先進場，產品卻還沒定型：AI 新創究竟在藏什麼？

「世界模型（World Model）」正成為 AI 資本市場的新熱門領域，但一個反差也越來越明顯：錢已經大量進場，真正能賺錢的產品卻還沒有定型。 今年以來，Yann LeCun 創立的 AMI Labs 募得 10.3 億美元，李飛飛的 World Labs 也完成 10 億美元融資。更極端的是，《Financial Times》9 月報導，由前 Google DeepMind Genie 團隊成立的 Emulate，創立約一個月就洽談最高 7 億美元融資，估值約 37 億美元，但該公司至今仍未公開明確產品。 資金先進場，業者卻不急著亮牌 《TechCrunch》近日就注意到這個現象。其編輯 Russell Brandom 在 All In Conference 主持世界模型主題的一場座談時，直接追問與談人之一、AMI Labs 共同創辦人暨世界模型副總裁 Michael Rabbat，該公司究竟正在開發什麼。Rabbat 只表示，等準備好後才會說明；隨後再透過 email 補充，AMI Labs 仍處於研究與建構階段，目前不公開產品計畫與時間表。 這種資訊落差甚至延伸到上游供應商。Physicl 專門為機器人與世界模型提供可直接用於模擬與訓練的 3D 環境、帶有物理屬性的資產及標註資料，World Labs 也是其公開客戶之一。但 Physicl 執行長 Alex […]

【科技早餐】川習會前美中研議 AI 對話、川普將組「AI 部隊」；中國傳放慢人形機器人上市

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊川習會前美中研議 AI 對話，美提國安事故通報、川普將組「AI 部隊」 美國財政部長貝森特（Scott Bessent）與中國國務院副總理何立峰，在紐約舉行川習會前的經貿會談。雙方討論建立美中 AI 對話，處理 AI 帶來的機會與威脅。美方並提議建立安全通報機制，當 AI 事件升高到國家安全層級時，兩國可以相互通知，提高資訊透明度。中國是否接受這項具體安排仍不清楚，提案將交由美國總統川普與中國國家主席習近平在峰會上考慮。兩位領袖今年 5 月曾討論 AI 磋商，但相關論壇至今尚未正式成立。 另外，川普表示將成立「AI 部隊」，並將任命新的 AI 事務主管，但未公布組織架構、權責及成立時程。他也把 AI 比作工業革命，宣稱相關產業未來可能占美國國內生產毛額多達 25%。兩項消息顯示，美中 AI 競爭已從晶片與出口管制，進一步延伸到安全事故通報、風險治理，以及政府如何統籌 AI 政策；不過，對話機制及 AI 部隊都仍停留在提議或規劃階段。美方並表示，先進 AI 晶片與半導體設備的出口管制並未列入這次機制討論。 ＊長鑫第五代 DRAM 量產，傳跨足 NAND 挑戰三星、長江存儲 中國記憶體大廠長鑫存儲（CXMT）宣布，第五代 DRAM 技術平台正式進入量產。公司表示，新平台採用更複雜的製造方式，進一步縮小儲存元件間距。以 8Gb 晶片為比較基準，每片晶圓可切出的晶粒總數至少比上一代增加 50%；這項數據是尚未扣除瑕疵品的理論產出，不代表良率也提高 50%。長鑫並同步量產兩款 24Gb LPDDR5X 記憶體，單顆容量比上一代同類產品提高 50%。 《路透社》另引述消息人士報導，長鑫計畫在北京新廠設置 NAND 快閃記憶體研發及生產線，並已接觸潛在客戶。不過，公司尚未證實相關計畫，產線何時運作，以及是否進入大規模商業量產仍不清楚。若計畫成真，長鑫將從 DRAM 跨入 […]

AI 重塑外包市場：印度 3,150 億美元 IT 產業，從例行工作走向高價值服務

AI 正在改變印度外包產業的工作內容，目前尚未造成產業出口的廣泛下降。但 ING 銀行指出，隨著 AI 逐步自動化客服、法律審查、理賠處理、文件驗證及資料輸入等工作，外包產業成長正逐漸從例行性處理工作轉向資料分析、軟體開發及其他更高價值的服務。 需求縮減還是結構改變？分析指 AI 正逐漸重塑印度的全球外包角色 《Reuters》提及，印度 3,150 億美元的 IT 產業被視為特別容易受到 AI 影響，原因之一在於其傳統上依賴按工時計費的商業模式。ING 研究指出，印度軟體服務出口占國內生產毛額（GDP）的比重，已從疫情前的 3.3% 上升至約 5.2%；商業服務出口占 GDP 的比重也從疫情前的 1.6% 增加至 3.3%。商業服務涵蓋金融與會計、風險管理、法律與合規支援、工程設計、研究與開發（R&D）、資料分析及顧問等服務。 印度在全球外包產業中的規模相當可觀。根據 ING 資料，印度掌握全球外包產業逾半數市場，每年軟體服務出口收入約 2,050 億美元，相關產業支撐約 580 萬個工作機會。軟體與商業服務出口合計約占印度 GDP 的 8.5%，也是重要的外匯來源。 《Bloomberg》指出，印度外包產業的表現也挑戰外界對生成式 AI 可能衝擊該產業的疑慮。由於許多外包服務涉及 AI 可以逐步自動化的例行性工作，外界關注 AI 對印度服務出口與就業的影響。但 ING 亞太區研究主管 Deepali Bhargava 表示，目前對印度與菲律賓而言，AI 顛覆外包產業的疑慮可能言之過早；現有證據顯示的是產業適應，而非衰退，AI 正在改變哪些工作會被外包，而不是讓外包需求縮減。 印度數位服務出口市占持續擴張，產業 AI 系統化成下一波成長引擎 IT 服務商也正利用產業知識、客戶資料與既有客戶關係，建立針對特定產業的 AI […]

烏克蘭無人機產業從爆發成長走向整合，500 多家業者下一步拚什麼？

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

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

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

AI 失控就拔插頭？打造「終止開關」為何比想像中更難

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

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

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

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

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

【零信任程式碼】企業資安別問能不能攔截，先問這段程式碼該不該被允許執行

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

從真人侍奉到數據預測：高價郵輪業的 AI 轉型

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

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

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

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

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

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

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

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

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

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

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

「AI 開發 AI」到底進展多快？Anthropic 首度公布三大衡量指標

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

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

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

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

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

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

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

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

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

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

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

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

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

智慧移動不只拚算力，真正決勝點在「導入能力」

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

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

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

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

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