Archives

NVIDIA 出面替 OpenAI 的 10GW 資料中心擔保，同時鎖定第一期獨家晶片供應權

《華爾街日報》報導，OpenAI 已與軟銀旗下、獲 NVIDIA 部分支持的 SB Energy 達成協議，在美國俄亥俄州租用一座規模達 10GW 的資料中心，這項計畫預計將成為目前規模最大的 AI 資料中心樞紐之一。知情人士透露，NVIDIA 將提供支持，協助 SB Energy 籌措債務融資，同時控制自身風險。 俄亥俄州 AI 園區獲 NVIDIA 擔保，發電量將供 700 萬戶 NVIDIA 將為第一期約 5GW 的資料中心提供部分資產價值擔保；同時，該公司將成為園區前半部的獨家晶片供應商，並入股 SB Energy，未來也可選擇把擔保範圍擴大至整座園區。《華爾街日報》指出，這份 20 年租約也是近期 AI 業者為取得龐大運算容量而採用的複雜融資模式之一。 近年來，包括 NVIDIA、Google 在內的晶片業者，開始利用自身的財務實力協助 OpenAI、Anthropic 等新創企業取得資料中心租約，讓開發商能以這些長期租約作為融資基礎，同時分散自身承擔的風險。 這座資料中心園區位於俄亥俄州南部，部分用地是美國能源部持有的前鈾濃縮設施，預計發電量足以供應 700 萬戶家庭。美國商務部長 Howard Lutnick 與能源部長 Chris Wright 也都深度參與這項計畫。知情人士向《華爾街日報》表示，NVIDIA 提供擔保後，SB Energy 將更容易以較低成本取得融資，因為即使未來 OpenAI 不再承租，貸款方仍能確信資料中心本身具有一定的資產價值。 NVIDIA 官方提及，為支持俄亥俄州當地社區，SB Energy 與軟銀將新增至少 […]

Cursor 推 Origin 進軍程式碼託管：AI coding 戰場為何從 IDE 打到 GitHub？

AI 程式開發工具 Cursor 宣布推出程式碼託管平台 Origin early beta，把程式碼儲存庫、Pull Request（PR）、程式碼瀏覽與 GitHub 同步納入 Cursor。過去 Cursor 最鮮明的角色，是讓工程師在 IDE 裡直接與 AI 一起寫程式，如今卻開始跨進原本由 GitHub 等平台掌握的程式碼託管與協作環節。Cursor 為什麼不再只守著 AI 編輯器？答案可能與 AI Agent 正逐漸改變軟體開發流程有關。 不必離開 GitHub，Origin 先把工作拉進 Cursor Origin 現階段並沒有要求團隊立刻搬離 GitHub。根據 Cursor 官方文件，若使用 GitHub 同步功能，GitHub 仍是主要版本來源，Origin 則維持同步副本。企業因此可以保留既有 GitHub 流程，同時在 Cursor 裡瀏覽程式碼、處理 PR，並把任務交給 Cloud Agent。 這種設計降低了嘗試 Origin 的門檻，也讓 Cursor 可以先把更多開發工作留在自己的環境裡。之所以值得注意，是因為 AI coding 的使用方式也在改變。 軟體開發工具商 JetBrains […]

AI 晶片客戶需求上看 20 億美元，Arm 卻得從零搶台積電與記憶體產能：從賣 IP 到自己賣晶片有多難？

過去，Arm 主要透過授權晶片架構與設計給 NVIDIA、Apple 等客戶，以維持高毛利、輕資產的商業模式。然而，在 AI 浪潮的強力推動下，Arm 的股價今年至今已翻倍成長，公司市值一舉衝上 3,000 億美元。這股強勁的市場動力與資金實力，促使這家由軟銀（SoftBank）控股的公司跨出傳統的 IP 授權模式，開始直接銷售自己專為 AI 設計的 CPU 晶片。 面對這場商業模式的重大轉變，Arm 財務長（CFO）Jason Child 近日接受《The Information》訪問時坦言：「交付實體晶片絕對比授權設計更複雜。」然而，Jason Child 也指出，促使 Arm 決心跨出這一大步的關鍵在於，AI 帶來的市場商機已經遠超公司最初預期的規模，面對如此龐大的需求，儘管實體晶片供應鏈的運作極具挑戰，Arm 仍選擇積極投入這場半導體轉型之路。 AI Agent 推高 CPU 需求，Arm 從 IP 授權跨進完整 AI 晶片 今年 3 月，Arm 正式宣布開始銷售專為 AI 運算設計的 CPU，並已成功將 Meta Platforms 和 OpenAI 納為首批重要客戶。預估在 2027 與 2028 會計年度，來自這批新 AI 晶片的客戶需求，總計將超過 20 […]

CRA 漏洞與重大資安事件通報義務 9 月上路！叡揚資訊攜手電電公會 聚焦產品安全治理與合規落地

歐盟《網路韌性法案》（Cyber Resilience Act, CRA）正進入企業合規準備的關鍵階段。自 2026 年 9 月 11 日起，針對已遭主動利用漏洞及影響數位產品安全的重大資安事件，相關通報義務將率先開始適用。對產品銷往歐盟市場的企業而言，CRA 的準備工作也正從「理解法規」進一步走向「建立可執行的產品安全治理流程」。為協助台灣企業掌握 CRA 最新要求與實務因應策略，叡揚資訊將於 2026 年 8 月 20 日攜手台灣區電機電子工業同業公會，共同舉辦「因應歐盟韌性法案（CRA）最新要求：產品安全治理與合規實務研討會」，聚焦 Security by Design、漏洞管理、SBOM、軟體供應鏈治理及產品全生命週期安全管理等議題，協助企業思考如何將法規要求真正落實至產品研發與日常治理流程。 長期關注國際產品安全法規與企業數位治理發展的叡揚資訊，去年即攜手台灣區電機電子工業同業公會舉辦 CRA 專題研討會，協助企業掌握 CRA 對產品安全與軟體供應鏈管理所帶來的影響。今年隨著漏洞及重大資安事件通報義務即將適用，研討會議題也將進一步從法規解析延伸至實際治理，探討企業如何建立安全開發、漏洞處理及合規管理機制。 本次研討會邀請 SGS 台灣檢驗科技與英能科技等產業專家，共同分享 CRA 法規發展與企業推動產品安全治理的實務觀點；叡揚資訊則將從軟體開發安全及數位治理角度，分享企業如何將 Security by Design 落實至軟體開發生命週期，並進一步串接產品上市後的漏洞管理與合規治理。叡揚資訊表示，企業因應 CRA 的挑戰，並不只是完成一項安全檢測或準備一份合規文件，而是需要將安全要求納入產品的完整生命週期。從開發人員的安全編碼、程式碼與開源元件安全檢測、SBOM 與軟體供應鏈風險管理，到產品上市後的漏洞追蹤、修補與合規佐證，都需要建立標準化且能持續運作的治理流程。 針對不同階段的產品安全需求，叡揚資訊提供涵蓋安全開發、應用程式安全、軟體供應鏈與第三方資安風險管理的相關解決方案，包括 Secure Code Warrior（SCW）、Mend.io、CodeSonar 及 Bitsight；並結合叡揚自主產品 Tracko SecOps 資安營運治理平台與 Vitals CMP 驗證管理平台，協助企業從 Security by Design，延伸至產品上市後的弱點追蹤及合規管理，逐步建立完整的產品安全治理機制。 叡揚資訊長期深耕企業數位治理、資訊安全與軟體品質管理領域，持續協助企業導入 […]

AI 先篩出真的要買車的人，業務再跟進：Mazda 如何縮短與消費者的資訊落差？

知名汽車品牌馬自達（Mazda）正將 AI 導入顧客旅程，從新車上市前的潛在買家篩選，到車輛進廠後的維修溝通，重新設計經銷商與車主之間的互動方式。這套策略的核心，是讓數位工具協助經銷商更早掌握顧客意圖，也讓車主在需要做決定時，能獲得更清楚、即時的資訊。 AI 過濾意向，精準鎖定潛力買家 在英國市場，Mazda UK 與科技公司 ELLA 合作，於新車上市前導入 AI 平台 optimAIze，首先處理的就是哪些人真的準備買車。目前平台應用於 Mazda 的 Keep Me Informed 計畫，涵蓋 Mazda6e、CX-5、CX-6e 等新車，消費者留下資料後，系統會透過 AI 驅動的電子郵件與簡訊持續互動，分析後續回應與行為。 過去，這類新車上市前的詢問通常會直接分配給經銷商，業務人員收到的名單可能同時包含高意願買家與僅想了解資訊的消費者。導入 optimAIze 後，AI 會進一步辨識具體購買訊號，例如主動要求試駕、索取報價，或詢問舊車換購方案等，再將這些高意向客戶交給 Mazda 零售網絡跟進。系統也會提供顧客互動背景，讓業務人員在接手時掌握前因後果，減少重新詢問的時間。 Mazda UK 行銷總監 James Crouch 表示，這代表經銷商不必再花大量時間從原始名單中尋找真正有機會成交的人，AI 先完成第一階段的意向判讀，業務則把時間集中在更有價值的對話。 透明化維修體驗、個人化影片，車主回廠意願提升近 95% 這套思路也延伸到售後服務。北美 Mazda 正在全美約 550 家經銷商推動更透明的維修流程，希望降低車主面對汽車保養時常見的資訊落差。隨著新車與維修成本持續上升，消費者可能延長車輛持有時間，老車所需的維修項目也會增加。對 Mazda 而言，服務部門因此成為維繫品牌關係的重要接觸點。 在傳統維修流程中，技師告訴車主「哪裡需要修」是一回事，要讓車主真正理解「為什麼需要修」又是另一回事。為此，Mazda 將顧客數據分析、AI 輔助訓練與客製化服務流程結合，輔助技師轉變傳統的溝通模式。車輛檢修期間，技師會親自出鏡拍攝個人化說明影片，自我介紹之餘，亦透過鏡頭直接展示車輛實際狀況、損壞細節與維修建議，讓車主能夠眼見為實，清楚理解維修依據並線上即時核准項目。 值得一提的是，這種數位化嘗試並未削弱人情味，反而更具彈性與溫度。Mazda 高層分享，曾有技師遇到聽障車主，便主動打破一般影片口述的模式，特別準備了一系列手寫字卡在影片中逐一展示說明。這證明了科技在 Mazda 的定位並非取代技師，而是提供豐富的工具，讓服務人員能根據不同車主的獨特需求彈性調整溝通方式。 根據 Mazda 北美公司（Mazda […]

【奈米網紅互動率達 6.8%】微網紅互動是大網紅三倍、獲客成本僅 1/3，行銷預算怎麼分才划算？

過去談到網紅經濟，首先想到的通常是擁有數百萬粉絲、單篇貼文報價數萬美元的頭部創作者。但 TikTok、Instagram Reels、Amazon Storefront 等平台成熟後，創作者市場出現新的中間階層：微網紅，他們未必擁有巨大聲量，卻能依靠數萬名忠實追蹤者、品牌合作與聯盟行銷，取得接近甚至超過一般白領工作的收入。 這股微網紅經濟的崛起，一方面改變了品牌的預算配置方式，讓行銷資源從少數明星型帳號，轉向大量規模較小、但互動與轉換能力更強的創作者；另一方面，也讓「走出辦公室、靠內容製作維生類的相關工作，看起來比過去更穩定。當然，成功案例背後仍存在收入波動、平台依賴與缺乏勞工保障等風險。 微網紅興起：小眾追蹤者也能撐起中產收入 微網紅通常指追蹤者介於一萬至十萬之間的創作者。相較於過去必須先累積數十萬甚至上百萬粉絲才能商業化，如今一個規模不大、但關係緊密的受眾群體，也可能支撐可觀收入。 25 歲的 Abi Platock 原本在紐約從事企業行銷工作，下班後每天發布一至兩支影片，內容包括職涯建議、美妝技巧與日常紀錄。當她只有八千名 TikTok 粉絲時，便取得除臭品牌 Secret 提供的四位數美元合作。如今她在各平台約有二萬五千名追蹤者，今年已簽下約二萬五千美元的品牌合作，預計全年創作者收入可達五萬美元。 另一個更極端的案例是紐約牙醫 Bonsa Nemera。他平日在政府牙科診所工作，年薪約七萬六千美元，業餘則向約十萬名粉絲分享口腔保健、飲食評論與個人理財內容。今年截至受訪時，他透過內容合作取得約十八萬美元收入，並預估全年可能超過四十五萬美元。 這些案例說明，創作者收入已不再完全取決於粉絲總量。專業身分、受眾信任、內容垂直度以及購買影響力，都可能比單純的追蹤人數更重要。整體網紅行銷市場也從 2015 年的 17 億美元，成長至 2025 年預估的 330 億美元，顯示品牌對創作者的需求已從小幅度的預算，轉變為正式的行銷渠道。 品牌為何轉向微網紅？CP 值與互動率雙優勢 品牌轉向微網紅，核心不是突然開始重視小眾創作者，而是成本效益。 一般而言，3% 已可被視為不錯的社群互動率。微網紅平均互動率約為 3.2%，接近百萬粉絲以上大型網紅 1.1% 的三倍。奈米網紅（Nano-influencer）的平均互動率甚至可達 6.8%。大型網紅雖然能創造約六倍收入，但合作成本最高可能是微網紅的十八倍。 （編按：奈米網紅是指粉絲數大約在 1,000 到 10,000 之間的社群創作者。他們具備高互動率、真實感強以及成本較低等三大特點，是目前品牌行銷的新趨勢。） 以 TikTok 為例，約五萬名粉絲的創作者，單篇合作價格可能超過 3,500 美元；當粉絲增加十倍至五十萬人時，報價約為一萬美元。對品牌而言，將一筆大型網紅預算拆給十名甚至數十名微網紅，往往能覆蓋更多細分社群，測試不同內容形式，也能降低單一創作者表現不佳的風險。 根據 DTC 品牌數據更清楚呈現這種差異。微網紅平均單次合作成本約 500 至 5,000 美元，平均顧客獲取成本為 […]

【科技早餐】SpaceX 600 億美元收購 Cursor，阿里稱 Qwen 半年下載破 30 億次、在 Hugging Face 領先 Google 與 Meta

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 600 億美元收購 Cursor，馬斯克擴大企業 AI 版圖 監管文件顯示，SpaceX 對 Cursor 母公司 Anysphere 的收購案已於 8 月 14 日生效。這筆價值 600 億美元的全股票交易，是科技業史上規模最大的收購案之一。Anysphere 於 2022 年成立，隔年推出 AI 程式開發工具 Cursor，協助工程師撰寫、修改及檢查程式。 交易完成前，雙方已合作開發 AI 模型與代理工具。Cursor 表示，加入 SpaceX 後將能使用更大規模的 GPU 算力，打造能力更強、運作成本更低的模型。這筆收購讓 SpaceX 進一步整合算力、AI 模型與開發者工具，擴大在企業 AI 市場的布局。 ＊阿里稱 Qwen 半年下載逾 30 億次，Hugging Face 用量領先 Google、Meta 阿里巴巴表示，旗下開放權重模型 Qwen 過去 6 個月全球下載量超過 30 億次，累計釋出逾 […]

從機器手臂到半導體設備都不能停機：台達如何用新世代電源生態系兼顧高負載、極端環境與能源效率？

專訪：戴季全撰稿：李昀蔚 當全球科技大廠持續擴建 AI 資料中心，製造業也加速導入智慧工廠、機器人與自動化設備，一場不容易被看見卻決定整套系統能否穩定運轉的基礎設施競賽，也正在同步升溫，那就是「電源」。 台達標準電源事業部總經理陳威廷在接受本集《全新一週》專訪時指出，台達標準電源目前主要布局工業、醫療與照明三大應用領域。所謂標準電源，就是架上現成、具泛用規格的商品化產品，也因為使用範圍非常廣泛，當 AI、自動化與淨零趨勢交會時，過去看似不起眼的電源供應器，正迎來全新的工程挑戰。 AI 算力背後是電力堆疊，工業電源面臨三大新考驗 不論是 AI 資料中心，還是智慧工廠裡的 PLC、控制器與機器手臂，其運作都離不開穩定供電。陳威廷形容，電源供應器雖然容易被忽視，但卻特別重要，因為如果一出問題，就什麼都沒有了。尤其隨著 AI 模型與運算需求快速成長，算力愈強，電力堆疊就愈大，因此也讓底層的工業電源出現三項全新的考驗。 首先是可靠度與穩定性的考驗，一旦控制器供電中斷，所有設備都可能跟著停擺，甚至可能因為燒毀而造成廠房重大損失。其次，則是能源轉換效率的考驗，雖然單一設備多消耗幾個百分點的電力可能讓人沒有感覺，但當規模放大到 AI 資料中心或擁有數千台設備的大型工廠時，累積的能源損耗就會直接反映在營運成本上。最後一項考驗，則是使用環境的日益複雜，由於標準電源是泛用的標準品，產品賣出後可能會被應用於室內、嚴苛的戶外或各種電壓不穩定的複雜環境，這對電源的穩定性帶來極大的考驗，因為在各種嚴苛的環境下電源都絕對不能當機。 電源不能只看型錄選瓦數，瞬間負載成工程師新痛點 另一方面，隨著電源需求日益複雜，工程師傳統的選型方式也面臨必須改變的挑戰。過去，標準電源又被稱為「型錄電源」，工程師習慣直接翻閱型錄，並根據需要的電壓、電流與功率挑選規格。為了避免設備當機，許多人習慣將功率緩衝抓大，然而當設備數量擴大時，過度配置便會轉化為不必要的成本損失。 更具挑戰性且容易被忽略的關鍵則是瞬間負載，例如機器手臂的直流馬達在剛啟動的瞬間，往往會產生較大的瞬間負載，這便成為工程師在選型時面臨的新痛點。為了解決這個難題，台達致力於將自身在工業自動化、散熱、電力等不同事業累積的深厚產業知識轉化為產品設計與選型能力。「我們自己也是使用者，」陳威廷強調，台達具備豐富的經驗，並透過高度透明且完整的網站規格與使用者手冊，再搭配全球現場應用工程師的專業技術支援，可以協助工程師依據實際應用場景選擇最適合的電源，而不再只是盲目地依照瓦數選產品。 台達推出新世代 Infinity Ready 電源生態系，用 DIN Pro、DIN Eco 解電源難題 面對工程師在實際應用中的痛點，台達正式推出全新世代的 Infinity Ready 電源生態系。陳威廷解釋，「Infinity」代表標準電源應用範圍極廣的特性，所以產品設計必須具備極高的泛用性與彈性，盡可能符合多數使用者的多元條件。至於「Ready」，則代表台達在技術與行業知識上都已經預先做好準備，陳威廷表示，在設備走向精緻化與小型化的趨勢下，台達已提前在線路架構與氮化鎵等新世代功率元件領域展開前瞻布局。 同時，配合 Infinity Ready，台達今年推出新世代導軌型電源 DIN Pro 與 DIN Eco。高階款的 DIN Pro 主要鎖定高功率的自動化需求，特別針對機器手臂等馬達在啟動時的瞬間高負載，並提供 150% 的過載能力。此外，DIN Pro 也支援 400 伏 DC IN 這個功能，隨著微電網、直流供電與節能減排等趨勢逐漸受到關注，此產品除了單相交流輸入外，也為直流供電趨勢做足準備。 DIN Eco 則主打高 […]

直接在軍艦上造出 12 架無人機：美軍如何將「分散式製造」接進前線供應鏈？

美國國防新創 Firestorm Labs 近日揭露，旗下貨櫃式微型工廠 xCell 首次進行海上部署，在美國海軍兩棲突擊艦 USS Essex 前往夏威夷的兩週航程中，製造超過 1,000 個零件，並在艦上製造無人機結構件、完成 12 架可實際飛行的 Squall FPV 無人機。抵達夏威夷後，這批無人機也直接投入反無人機演習。 根據《Tom’s Hardware》報導，xCell 在航程中遭遇最高約 12 英尺浪高仍能持續運作。除了無人機零件，該團隊也製造 Apache 直升機旋翼保護零件、救生裝備測試用接頭，以及艦員臨時需要的各式零件。 把製造設備搬上軍艦，本身其實不是第一次。美國海軍近年已陸續嘗試在船艦上 3D 列印備品、修復故障設備；但隨著設備開始真正進入前線，下一步也從船上能不能做，走向另一個更大的問題：如果不同船艦、基地甚至製造中心都有生產能力，能不能把這些散落各處的產能串起來，依照需求調度？ 不只船上自己印，美軍開始調度一整張製造網路 這也是美軍近年推動聯合先進製造系統（Joint Advanced Manufacturing System，JAMS）的目的之一。2025 年 Trident Warrior 演習期間，美國海軍研究院（Naval Postgraduate School，NPS）與合作單位已透過 JAMS 接收製造需求、分派工作，再追蹤設計、製造、交付與測試。根據 NPS，當時兩週內共處理了超過 180 項零件需求，有些 CAD 設計甚至由數百、數千英里外的團隊完成。 到了今年環太平洋軍事演習 RIMPAC 2026，測試規模再往外擴。NPS 將以 3D 列印為主的積層製造設備部署到 4 艘軍艦，並透過 JAMS 接收需求、媒合不同節點的設備、材料與製造能力，再一路追蹤到零件交付。船上的設備也不再只能服務自己所在的船艦，而可以替其他船艦或岸上部隊生產。《USNI News》報導，這次網絡不只涵蓋 […]

Anthropic 執行長談 AI 信任危機：與其宣稱「AI 能治癌」，不如真的把癌症治好

Anthropic 執行長 Dario Amodei 近日在社群媒體 X 發文，回應投資人 Gavin Baker 對其 AI 監管立場及 AI 風險溝通方式的質疑。他表示，監管並不必然導致 AI 權力集中，關鍵在於制度如何設計，公平、客觀的制度反而有機會制衡企業的影響力，讓權力更加分散。對於外界認為他過度強調 AI 風險、加深大眾對 AI 的負面印象，Dario Amodei 則表示，真正的問題並非訊息傳遞，而是AI 產業與大眾之間日益加深的信任危機。 Anthropic 執行長談 AI 監管：監管與權力分散並非二選一 談到 AI 監管，Dario Amodei 認為，「監管會讓權力集中在少數企業與政治人物手中」與「將 AI 權力廣泛分散」並非只能二選一。他以法院為例，指出正式的司法制度雖然有時給人刻板、菁英化的印象，但相較於群眾私刑，更能保障弱勢者的權利。理想情況下，制度應讓權力建立在規則與原則之上，而非掌握在特定個人手中，進一步分散權力。 這也是 Anthropic 在提出 AI 政策建議時特別謹慎的原因。Dario Amodei 舉例，Anthropic 支持的加州 SB53，以及公司對其態度較為保留的 SB1047，都將營收或模型訓練成本低於特定門檻的企業排除在規範之外。Anthropic 目前在美國 AI 標準與創新中心（Center for AI Standards and Innovation，CAISI）及白宮倡議的測試機制，也主張對前沿模型採取比非前沿模型更嚴格的測試標準。而針對「Pacing the Frontier」公開信，Dario Amodei […]

從中國模型崛起到 AI Agent 進場：Hugging Face 盤點開放模型 6 大變化

AI 模型競爭過去常看 benchmark 排名或參數規模，但長期影響力也取決於多少開發者願意使用、微調與部署。 開源平台 Hugging Face 近日發布《State of Open Models: Summer 2026》，分析今年前 7 個月 Hub 上的模型活動。期間公開模型 repository 從 243 萬增至 296 萬個，但 85.6% 的模型終生下載量不到 200 次，僅 1.5% repository 就占所有下載量 99.2%。Hugging Face 從中歸納六項變化，顯示競爭正從模型能力延伸到生態、部署與商業模式。 中國模型衝向兆級參數，但最強不等於最多人用 第一項變化，是開放模型的技術前沿快速往中國移動。Hugging Face 統計，2026 年幾乎每個月，中國實驗室釋出的最大型開放模型都比美國同期更大，單月最大規模落在 754B 至 2.78T 參數。但中國廠商之間也出現不同策略，Moonshot、MiniMax 偏重大型前沿模型；Qwen、騰訊則涵蓋不同模型尺寸，試圖涵蓋更多裝置、成本與應用場景。 但第二項趨勢提醒，受到最多關注的模型，不等於真正被最多人使用。Hugging Face 比較今年 Likes 與下載量前 25 名模型，兩份榜單只有一個 repository 重疊，甚至沒有任何 2026 年新模型進入下載量前 25 […]

量子還沒真正商用，62% 大型企業已提前砸錢布局：AI 的教訓為何讓大公司不敢再等？

雖然量子運算距離真正顛覆產業還需要時間，但許多曾經因為太晚跟上 AI 浪潮而措手不及的企業，這次選擇不再等待，而是在技術完全成熟之前，就開始投入大筆資金布局。 這股趨勢已經反映在企業的支出上。波士頓諮詢集團（BCG）最新數據指出，2025 年全球企業用戶在量子運算上的支出達到 3 億美元，首度超越研究機構與政府的合計支出。這項關鍵的「黃金交叉」，也顯示量子運算正從過去由政府與研究機構主導的科研領域，逐漸跨入企業積極布局的階段。 企業投入的程度也比想像中更深。BCG 針對醫療、金融服務、能源等 11 大產業中，市值排名前 25 的共 275 家全球頂尖企業進行調查後發現，高達 62% 的企業每年至少投入 100 萬美元在量子運算上，並且已經設置專門的量子計畫。 不想重演 AI 措手不及的教訓，企業提前為量子商用備戰 BCG 全球量子技術負責人 Matt Langione 指出，許多企業當初並未做好準備，以至於在最先進的 AI 模型問世時，無法立即利用。這段因準備不足而產生的「AI 遺留之痛（hangover）」，正成為企業這次決定提早投資量子運算的重要動力。 因此，包含 HSBC、Allstate 與 EY 等跨國龍頭企業一致認為，現在已是開始布局的絕佳時機，他們不希望等到技術完全成熟時才從零開始追趕，而是希望在量子技術最終走向商業化時，企業就已經具備所需的人才、資料基礎設施與具體的應用場景。為了達成這個目標，企業目前的資金投入大致分為兩大部分：一方面是用於內部招募與培育量子領域的專業人才；另一方面則是與外部供應商共同開發應用場景，並透過雲端付費的方式，直接使用量子電腦進行各種實驗。 Allstate、HSBC、EY 開始搶先驗證量子科技的商業價值 例如，在保險業方面，保險巨頭 Allstate 已經成立一個約 10 人的量子團隊，並計畫在未來一年內繼續擴充團隊規模。目前該團隊正在積極研究量子運算是否能處理大量且彼此相關的複雜風險變數，進一步提高保險風險評估與定價的精準度。「在我們的行業中，精準度就是創造價值的關鍵，」Allstate 董事長兼執行長 Tom Wilson 解釋，量子電腦理論上可以處理包含無數變數的複雜最佳化問題，這能協助 Allstate 為特定保單進行更精準的定價。 與此同時，金融巨頭 HSBC 在倫敦、新加坡和印度設有約數十人規模的量子研究與工程團隊。HSBC 日前與 IBM 合作，使用量子電腦測試債券交易的最佳化應用，實驗結果顯示，相較於目前常用的傳統計算方法，量子技術在預測交易能否以報價成交方面，表現最高改善 34%。鑑於這項突破性的成果，雙方隨後又簽署新合約，進一步研究將這項應用擴大至正式生產環境時，在實務與財務層面的可行性。 […]

【保全業的自動化轉折】機器狗接手體育場重複巡邏工作，不為取代人力而是留才

美國體育場、製造廠與倉儲等大型場域近來出現新的巡邏景象，站崗的不是穿著制服的保全人員，而是自主行走的機器狗或無人機，而機器人安防公司 Asylon Robotics，正是這股趨勢背後的代表性業者。 機器人保全的商業模式與投資報酬 Asylon 的機器人會依照排定路線巡邏，將即時影像串流回遠端操作中心，並在偵測到異常時展開查核；一旦發現可疑活動，會由真人檢視警報，再決定是否通知現場保全人員。 Asylon 執行長暨共同創辦人 Damon Henry 向媒體表示，依巡邏頻率不同，公司收費約落在每年 12 萬至 17 萬美元，這項「頂級安防服務」涵蓋機器人本體、維護、軟體與遠端操作人力。相較之下，一名全職、全天候輪班的保全人員，目前全美平均年成本約落在 25 萬美元，Henry 認為，這代表機器人服務有明顯的投資報酬優勢。 目前 Asylon 約有 25 個客戶，在全美部署約 50 台機器人，一名遠端操作中心的人員，可同時監看橫跨多個場域的六到八台機器人。 不過，成本優勢雖然明顯，機器人保全真正想解決的問題，其實不只是取代人力。 機器人瞄準的不是取代人力，而是留才危機 全美約有 130 萬名保全人員，就業人數預估到 2034 年大致持平，但柏克萊加州大學勞動研究中心今年七月發布的報告指出，這個產業每年仍會釋出超過 16 萬個職缺，幾乎全數都是為了填補離職人力，而非產業成長。 報告發現，保全人員占比近四分之三的調查與安防服務業，2024 年的年流動率高達近 89%，遠高於整個私部門平均的 66%，2022 年時流動率一度逼近 99%。 報告共同作者 Enrique Lopezlira 指出，問題並非美國找不到願意當保全的人，而是雇主難以留住員工做這份低薪、訓練不足、風險又偏高的工作——保全人員時薪中位數僅 18.7 美元，且近 43% 的人，沒有雇主或工會提供的健康保險。 Henry 指出，客戶還面臨所謂的「空窗期」問題，也就是排不出人力、或無法持續補人力的時段缺口，「訓練跟排班都非常不穩定，這對企業來說是很大的負擔。」有些客戶甚至因此部署 Asylon 的機器人，讓原本可能空缺的崗位，不必勉強找人填補。 機器人仍需人力補位，能力有其極限 這些機器人主要承接的，是保全工作中較為重複性的任務，包括繞行場域周邊、維持可見的安防存在感，以及判斷警報是否需要真人介入處理。 以喬治亞州亞特蘭大的 […]

當球隊開始用 AI 經營球迷：味全龍與 NBA 勇士的 365 天解法

對職業球隊而言，一場比賽只有短短幾個小時，但球迷關係卻不能只存在於這幾個小時裡。比賽結束後，球場人潮散去，球迷回到日常生活，球隊若沒有其他接觸管道，原本累積的關注與消費動能也可能隨之下降。如何延長賽事之外的互動時間，讓球迷在沒有比賽的日子仍願意關注、消費與參與，正成為球團數位轉型的重要課題。 這也是台灣職棒味全龍與 NBA 金州勇士隊正在探索的方向。兩支球隊都將數位工具延伸至比賽之外，利用官方商城、專屬 App、會員系統與數據平台，持續掌握球迷的行為與偏好。當球迷不在球場，球隊仍能透過手機與線上服務維持互動；當球迷再次進場，過去累積的資料也能進一步轉化為個人化體驗。 打通數據與通路，打造統一互動入口 數位轉型的第一步，是整合數據。味全龍一年約有 60 場主場賽事，實際營業只占全年一小部分。為了讓非比賽日與非台北當地的球迷也能支持球隊，味全龍將官方商城視為關鍵入口。 然而，在 2021 年重返職棒初期，球團面臨售票、商城與會員系統彼此獨立的困境，甚至頻繁出現現場售罄、線上卻顯示有貨的「超賣」痛點。2022 年與智慧零售品牌 CYBERBIZ 合作後，球團以 LINE OA 作為統一數位入口，全面串接售票、商城、會員與活動資料。數據打通後，不僅解決了庫存同步問題，更讓球團得以在「封王夜」或球星破紀錄的黃金時刻，即時承接現場情緒，轉化為線上消費。味全龍封王夜出現官方商城業績超越實體門市、占整體業績約七成的現象，也顯示重大賽事所帶來的情緒，可以透過數位通路被迅速承接。 NBA 金州勇士隊也採取相近思維。球團與 Google Cloud 合作打造 Warriors + Chase Center App，將售票、餐飲、場館導航、大眾運輸資訊，以及比分、數據、重播與球隊內容整合進同一個數位體驗。球迷即使不在球場，也能持續接觸勇士隊的內容；準備進場時，App 又能一路陪伴球迷完成移動、觀賽與消費。球隊與球迷的關係因此不再只發生在比賽開始的那幾個小時。 AI 與個人化預測，改變統一的大眾推播 當系統與資料完成打通，下一步便是利用數據與 AI 創造個人化價值。CYBERBIZ 執行長蘇基明指出，品牌轉型真正的門檻往往在於觀念與組織，系統只是基礎建設的第三步。也因此，唯有底層資料完整串接，AI 才能進一步發揮作用。 CYBERBIZ 目前規劃透過 AI 強化智慧客服，先輔助客服人員進行建議回覆，累積對話後走向自動化，未來更能透過自然語言理解球迷需求，主動推薦商品，省去球迷在海量商品中搜尋的成本。 金州勇士隊則已將個人化推播落實在 App 體驗中。如果系統掌握某位球迷特別喜愛特定球星，且習慣購買 Chase Center 某間餐廳的餐點，App 介面便會依據其偏好調整呈現內容。這種精準導購與情境內容推播代表推薦內容不再需要依賴所有人看到相同的促銷訊息，而能根據個人情境提供更精準的內容與導購，讓數據成為優化商業機會的關鍵基礎。 重塑實體場域，從「看比賽的球場」到「主題娛樂生態圈」 當數位系統與 AI 開始理解球迷，這股力量最終會反哺實體體驗，重新定義「球場」的意義。 味全龍營業總監程韋仁提出將球場打造成「棒球樂園」的願景，比照迪士尼或環球影城，讓家庭顧客即使不關注球賽勝負，也願意前來休閒娛樂。隨著未來導入人臉辨識與 IoT 影像辨識技術，當會員踏入球場時，系統便能提供客製化引導。例如帶小孩的家庭會收到吉祥物劇場或正在進行的餐飲優惠推播，讓實體場域體驗更加個人化。 勇士隊的 […]

「你現在的祕密，十年後還是祕密嗎？」鴻海、NetApp、IBM、思科等產學專家剖析量子防線與運算新局

日前舉辦的「2026 量子高峰論壇」，邀集鴻海科技集團、IBM、NetApp、思科等重磅專家齊聚一堂，為產業揭示了量子科技的技術發展與未來變局關鍵轉折。TechOrange 科技報橘社長於開場指出，全球科技創新的推動力已從過去的「企業競爭」躍升至「國家級大國競賽」，其中以 AI 軍備競賽最為激烈，而量子科技正疊加於 AI 之上，大幅釋放平行運算的潛能。 中原大學物理系講座教授暨量子資訊中心主任張慶瑞指出，從 2025 年開始，世界即將迎來下一個 60 年的黃金時代，而這個時代的核心正是量子生態系。在探討量子科技的巨大變革時，一個最受矚目的關鍵詞就是 Q-Day，「你現在的祕密，十年後還是祕密嗎？」張慶瑞表示，Q-Day 的迫切性並非空穴來風，根據量子密碼學家提出的「莫斯卡定理」，若企業資料的「保密期限」加上「系統遷移時間」，超過了量子電腦技術成熟的時間，其實就已經暴露在駭客「先竊取、後解密（HNDL）」的即時風險中，駭客此時竊取的機密如半導體關鍵製程或客戶金融交易資料，十年後將被量子電腦輕易破解。因此，核心資產的保密年限與系統遷移週期，將成為企業評估後量子密碼（PQC）布局時的重要考量。 鴻海研究院 探討量子 x AI 如何加速解決現實世界難題 量子技術帶來的不只是 Q-Day 風險，也可能成為解決複雜問題的新工具。鴻海研究院量子計算研究所所長謝明修深入剖析了「量子與 AI 的雙向加乘」，一方面是 AI 協助量子科技的發展，用 AI 在龐大空間中快速尋找新材料或誤差修正碼；另一方面是量子科技協助 AI，利用量子的疊加與糾纏特性，讓大模型以極少參數表示，大幅壓縮訓練所需的運算與能源成本。謝明修以新材料開發為例，最實用且立即可行的混合架構是：讓 AI 篩選候選材料、超級電腦處理大尺寸模擬，最後由量子處理器精準計算最核心棘手的分子結構。謝明修強調，台灣擁有深厚的半導體與製造業實力，我們的機會不是等待技術成熟，而是「現在就建立跨域團隊，用真實的產業題目進行概念驗證。」 NetApp 助企業建構寶貴資料的抗量子防線 「Q-Day 威脅早已提前，」NetApp 台灣技術總監許宏俊指出，「如果資料在兩年後依然有價值，你現在就要開始準備。」面對駭客「先竊取、後解密」的威脅，許宏俊建議企業除了優先完成加密資產盤點、評估關鍵資料在儲存與傳輸過程的保護機制，還需透過 POC 驗證設備相容性，循序規劃遷移路徑。許宏俊強調，除了升級加密機制，企業也應同步建立資料外洩偵測能力，NetApp 能協助企業分析使用者存取資料的異常行為，即時阻擋攻擊，在推動 PQC 遷移的同時，建立更完整的資料安全防護。 池安量子 提醒企業軟硬體、網路都可能藏有量子能攻破的弱點 「後量子密碼 PQC 遷移真正困難的，不是換演算法，而是如何找出所有的密碼，」池安量子資安共同創辦人暨副執行長陳柏維表示，硬體、網路、軟體等各個層面都可能藏有量子能攻破的弱點，以金融業網銀高額轉帳簽署為例，即便硬體設備升級、支援 PQC，若是使用者線上簽署時仍採用舊式密碼，就可能成為一個破口。金管會發布的《金融業後量子密碼遷移參考指引》，提供金融業以十年期、四階段方式思考 PQC 遷移的參考框架，池安量子在此基礎上，協助企業進行自動化快速盤點、安全遷移、遷移後持續驗證與監控，完成 PQC 升級。 IBM 從實戰經驗論台灣企業的 Q-Day 生存戰 […]

【科技早餐】OpenAI 年化營收估破 400 億美元、Anthropic 單季營收達去年 14 倍，美國擬要求 AI 夥伴選邊

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 年化營收估破 400 億美元，Anthropic 第 2 季營收達去年同期 14 倍 《彭博》引述知情人士報導，OpenAI 目前的年化營收估計即將突破 400 億美元，約為 2025 年底的兩倍。成長動能除了 ChatGPT 訂閱，也來自開始發展的廣告業務、程式碼代理工具 Codex，以及企業用產品 ChatGPT Work。OpenAI 共同創辦人暨總裁 Greg Brockman 也在內部公告中表示，光是 7 月營收就增加超過兩成。 競爭對手 Anthropic 第 2 季初步營收超過 115 億美元，高於去年同期的 7.87 億美元及今年第 1 季的 47.3 億美元，調整後營業利益也首度轉正。截至 5 月，Anthropic 年化營收已超過 470 億美元，主要受企業專業人士採用率攀升帶動。兩家公司都在籌備上市，但採用的會計及年化營收算法可能不同，數字不宜直接比較。 ＊NVIDIA 傳將 OpenAI 資料中心擔保砍逾半，降至 1,200 億美元以下 《華爾街日報》報導，NVIDIA 調整支援 […]

【金融 AI 代理安全與防禦】AI Agents 直接經手支付與交易，機構「分階段放權」才是安全底線

金融自動化浪潮正以驚人速度席捲。Gartner 預估 2026 年底將有 40% 的企業應用程式，嵌入任務型 AI 代理人（2025 年小於 5%），且已有 79% 企業著手導入。 與僅能生成文字回應的無狀態 Chatbot 不同，AI 代理人結合推理、長期記憶與 API 工具存取，具備自主規劃與執行多步驟任務的能力；這群代理人正深度整合進資金、支付、交易、託管與會計等五大核心領域，從「動口」給資訊轉為直接「動手」運作。 在此高度整合下，代理人任何錯誤決策或惡意操作，都將在數秒內對資產負債表與監管合規造成不可逆的重大損害，成為金融資安最迫切的戰場。 區塊鏈與資安公司 Halborn 發佈《Securing AI Agents in Financial Infrastructure》報告，提出針對企業級 AI 代理人，在金融與支付基礎設施中運作的自主權分級框架；以下摘要核心內容，涵蓋九大金融特有威脅、以「提案與執行分離」為核心的防禦邏輯、七大層面的複層控制措施，以及由 Tier 1 至 Tier 4 的自主權分級治理路線圖。 📎 這份報告適合誰閱讀？ 報告針對在監管金融環境中負責部署、安全管理與治理 AI 代理人的專業工作者設計，適合讀者包括： 🔴 報告洞見 88% 企業曾遭 AI 代理安全事件，九大威脅直逼金融命脈 當 AI 代理人被賦予了實質的資金調度與系統操作權限，隨之而來的是急遽擴張的安全性挑戰，這讓傳統以「代碼安全」為核心的防禦模型（AppSec）完全失焦。 根據 Gravitee 2026 年發布的 AI 代理安全報告，高達 […]

三星用 Claude 把晶片驗證從 1 個月壓縮到 2 天：不只拚效率，更想縮小與高通的工程人力差距

在軟體工程界逐漸熟悉與 AI 協作的同時，半導體設計領域也正迎來一場深刻變革。三星電子在開放 Anthropic 旗下的 AI 編碼工具 Claude Code 給軟體開發人員約三個月後，已進一步將 Claude Code 導入客製化系統單晶片（SoC）的功能驗證，以及半導體專案前期的軟體開發中，這也代表生成式 AI 開始從一般的程式撰寫，走進高度專業的半導體晶片研發流程。 在三星內部的一項客製化 SoC 專案中，原本預估需要花費超過一個月才能完成的驗證環境建置與驗證工作，透過 Claude 的協助，竟然在短短兩天之內便達成任務，工作效率提升約 15 倍。 然而，三星積極將 Claude 引進核心研發流程的背後，並不是單純想縮短研發時程而已，從產業結構的競爭來看，負責設計行動處理器與影像感測器的三星 System LSI 部門，正面臨極大的人力挑戰。目前，System LSI 部門人數估計約 6,000 人，相較高通（Qualcomm）截至去年 9 月約 52,000 名員工的整體組織規模，存在明顯落差，高通整體人力規模約為 System LSI 的 8.7 倍。 如此懸殊的設計人力差距，正是 System LSI 部門長期以來的結構性痛點，至於三星的應對策略，便是希望藉由引入先進 AI 代理人，來放大現有工程團隊的產能，以緩解半導體設計人才短缺的結構性難題。 三星用 Claude 突破「等 RTL 才能驗證」瓶頸，晶片研發走向並行開發 在這場將一個月工期壓縮至兩天的客製化 SoC 驗證專案中，三星面臨極為嚴苛且不完整的初始條件。由於客戶採用全新的半導體架構，且專案高度依賴外部智慧財產權（IP），導致前期標準化的設計資料並不齊備，甚至連進行驗證必備的暫存器傳輸級（RTL）DRAM […]

GPT-5.6 Sol 接 Cerebras 快 14 倍：OpenAI 開始替不同 AI 工作挑晶片

AI 開發者想讓模型即時回應，過去往往得在「速度」與「聰明程度」之間做取捨，OpenAI 近日在自家 API 推出名為「Ultrafast」的新服務層，讓旗艦模型 GPT-5.6 Sol 在不更換模型的前提下，推論速度最高較標準模式快 14 倍，每秒可生成 750 個 output token。 OpenAI 表示，要取得即時速度，通常得改用較小或針對特定用途打造的模型；Cerebras 也指出，開發者長期面臨類似問題：最強的模型通常不夠快，最快的模型又未必具有足夠能力。Ultrafast 服務想解決的，正是這項取捨，而支撐這個速度的並非 GPU，是晶圓級晶片公司 Cerebras 的專用晶片。 原本要過夜跑的研究工作，一日內就可多輪迭代 Ultrafast 目前先在 OpenAI API 上線，採限量預覽，開放給一小群客戶，官方表示會隨產能擴大逐步放寬。 在應用場景上，OpenAI 點名事故排除、金融研究與風控、即時客服與語音、電商，以及過去得跑整夜的即時實驗。早期客戶包含 Jane Street、Podium、Basis 與 Rogo。 Jane Street 的 AI 助理團隊成員 John Crepezzi 表示，Cerebras 帶來的速度提升相當可觀，讓開發者能以更專注、更有效率的方式與模型協作。OpenAI 內部開發團隊也已用 Ultrafast 分析資安事件中的系統日誌與追蹤資料，原本需要跑一整晚的研究工作，現在能在一個工作日內進行多輪測試。 OpenAI 早就找上 Cerebras，750 MW 合作開始落地 今年 1 月，OpenAI 就宣布與 Cerebras […]

DeepSeek-V4-Pro 正式上線！挾 Harness 將 AI 戰場從「模型」推進到「Agent 開發層」

DeepSeek 正從 AI 模型進一步拓展至 Agent 開發工具，正式推出 DeepSeek-V4-Pro，強化模型在 AI Agent 應用上的表現，同時發布開源 Agent 開發框架 DeepSeek Harness v0.1，讓開發者能更靈活地打造和管理 AI Agent，並提供不同於 Anthropic Claude Code 等整合式程式開發工具的選擇。 DeepSeek-V4-Pro 正式版：強化 Agent 能力、API 無需改名 Harness 與 DeepSeek-V4-Pro-0813 正式版同日推出。DeepSeek 今年 4 月先以預覽版形式推出 V4 系列，其中 V4-Pro 採 1.6 兆參數架構，每個 Token 實際啟用 490 億參數；V4-Flash 則有 2,840 億參數，每個 Token 啟用 130 億參數。兩款模型的上下文長度都可達 100 萬 Token。 這次發布的 V4-Pro […]

Google 三週又升級 Gemini 3.7 Flash：為何定位 Flash 成 Agent 日常主力？

Google 於美國時間 8/13 推出新一代 AI 模型 Gemini 3.7 Flash，距離上一代 Gemini 3.6 Flash 發表僅隔了三週。除了強化程式開發、企業工作流程與 AI Agent 能力，Google 還祭出限時價格策略：今年底以前，Gemini 3.7 Flash API 每百萬 input tokens 為 0.75 美元、output tokens 為 3.75 美元，只有 2027 年起標準價格的一半。 不過另一個變化更值得注意。Google 將 Gemini 3.7 Flash 稱為目前「最聰明的 coding 與 Agents 主力模型（workhorse model，工作馬模型）」。過去 Flash 系列最鮮明的特色是速度、低延遲與較低成本，為什麼到了 AI Agent 時代，Google 反而要讓 Flash 承擔更多複雜的 AI Agent 工作？ Flash […]

Anthropic 新研究揭多 Agent 風險：從同步犯錯、價格共謀到互相攻擊，企業風險不再只是「單點失控」

隨著 AI 技術突飛猛進，企業與政府機關正加速將 AI Agent 部署在共享的程式碼庫以及電腦系統中，這也讓 Agent 之間的虛擬互動迎來爆發性的增長。然而，近日 Anthropic 發布的最新研究警告，Agent 與 Agent 之間的互動規模，極可能在人類真正理解如何安全管理它們之前，就已經遠遠超過人與人、或人與 Agent 之間的互動規模。 這項趨勢，也使 AI 安全的研究範疇，從傳統的「單一 Agent 是否會失控」推進到一個全新的群體層次：當成千上萬個 Agent 在同一個系統中同時協作、競爭或彼此依賴，原本在單一 Agent 層次看似微小且無害的行為特徵，可能在群體互動中不斷累積並放大，最終成為意料之外的系統性災難。 30 個 Agent 有 18 個做出相同選擇，「同步犯錯」會放大系統性風險 在多 Agent 的生態系統中，同質性帶來的群體盲點是一大隱憂。Anthropic 指出，AI Agent 相較於具有多樣性的人類，具有極高的「低變異性（low variance）」特徵。由於企業往往在相同的底層模型上，使用高度相似的上下文（context）與開發框架，這導致即使給予 Agent 非常寬廣的行動空間，它們仍傾向做出高度一致的決策。 在一項要求 Agent 共同建立遊戲的模擬實驗中，30 個基於相同底層模型的 Agent 被部署上線，在完全沒有私下溝通的情況下，竟然有高達 18 個 Agent 不約而同地建立了完全相同的 Git 分支名稱「mvp-game-loop」。在另一項要求 Agent 自由發揮、各自打造「令人印象深刻之作」的實驗中，更有超過一半的 Agent 選擇製作光線追蹤器（ray […]

AI Agent、Reasoning 放大推論成本：模型業者開始重新思考 Transformer

2017 年，Google 研究團隊發表〈Attention Is All You Need〉論文，提出後來改變 AI 產業的 Transformer 架構。9 年過去，從 ChatGPT 到 Gemini，幾乎所有主流大型語言模型（LLM）都建立在 Transformer 之上。但當 AI 開始處理更長文件、進行複雜推理，甚至以 Agent 形式持續工作，這套支撐生成式 AI 浪潮的架構，也逐漸面臨效率挑戰。 《MIT Technology Review》近期觀察，一批 AI 新創正從 Attention、模型組成到文字生成方式重新設計 LLM，試圖回答同一個問題：除了增加 GPU、量化與壓縮模型，能不能直接從模型架構降低 AI 運算成本？ 這項問題在推理模型興起後變得更加重要。Microsoft Research 今年發表的研究估算，一般前沿 AI 模型推論的能源需求中位數約為每次查詢 0.31 Wh；但如果是產生約 5,000 個 output tokens 的長推理任務，能源需求可能增加約 13 倍。當 AI Agent 又需要反覆呼叫模型、讀取工具結果與累積工作脈絡，推論負擔還會進一步增加。 Transformer 的優勢，為何也成為效率挑戰？ 問題首先出在 Transformer 最核心的 […]

【科技早餐】蘋果擬投入上億美元為 AI 版 Siri 買新聞授權，長江存儲 NAND 出貨首登全球第三

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊蘋果洽談上億美元新聞授權，AI 版 Siri 補強即時資訊 《華爾街日報》報導，蘋果（Apple）近幾個月接觸多家出版商，希望簽署多年期內容授權協議，讓預計今年稍晚開放 beta 測試的 AI 版 Siri，可以取得即時新聞與資訊。相關協議仍在洽談，蘋果曾討論編列九位數美元、也就是至少 1 億美元的整體預算，並可能依照 Siri 實際使用內容的情況支付費用，不同於部分 AI 公司以固定費用取得大量內容授權的模式。 蘋果今年 6 月發表新一代 Siri AI，主打理解個人情境、操作不同應用程式，並透過網路取得最新資訊。不過，蘋果先前曾因內容出錯，暫停新聞與娛樂 App 的 AI 通知摘要。這次洽談不只要為 Siri 取得即時資訊，也牽動科技平台與出版商的內容分潤方式；如果雙方達成協議，出版商的收入可能與內容實際被 AI 使用的頻率連動，而非一次授權後由平台廣泛運用。 ＊長江存儲超車鎧俠，NAND 出貨容量首登全球第三 市場研究機構 Counterpoint Research 統計，按照 NAND 出貨總容量計算，中國記憶體業者長江存儲第二季全球市占升至 14%，首度超越日本鎧俠，躋身全球第三。三星以 25% 維持第一，SK 海力士以 22% 排名第二；長江存儲的出貨容量則年增 22%、季增 5%，受惠於市場供應吃緊，以及持續擴大對中國裝置品牌的供貨。 不過，出貨容量不等於營收。長江存儲目前的產品組合仍以價格較低的消費型產品為主，高單價資料中心企業級固態硬碟占比較少；若按照營收計算，排名仍落後鎧俠與美光，居全球第五。隨著 AI 應用由模型訓練擴大到推論，企業級固態硬碟第二季已占全球 NAND 出貨容量 48%，高於一年前的 26%。Counterpoint […]

Pixel 11 把 Gemini 推向手機核心：Google 台灣硬體研發團隊談背後的軟硬體工程

Google Pixel 手機一直是 Google 展示最新 AI 功能的舞台之一，Google 在台灣時間 8/13 凌晨發表新一代 Pixel 11 系列，隨即宣布在台灣上市。除了 Tensor G6 晶片、相機等硬體升級，Google 這次更把重心放在 Gemini 如何深入手機使用體驗。《TechCrunch》指出，新機加入更多能在背景完成任務的 Gemini 功能。 Google 對這波改變的期待，不只是讓手機多幾項 AI 功能。《CNBC》訪問 Google 裝置與服務資深副總裁 Rick Osterloh，他認為，過去 10 到 15 年，人們使用手機與筆電的方式沒有太大變化，但 AI 可能即將大幅改變這件事；Gemini 未來甚至可能成為人們使用手機、筆電與其他裝置的主要方式。 這個方向，也呼應 Google 接著舉辦硬體在台上市發表會時強調的一句話：「Do more for you with less from you」，也就是讓使用者用更少操作，讓手機完成更多事情。而要讓 Gemini 從一項 AI 功能逐漸深入手機使用體驗，背後也牽動晶片、硬體、軟體到雲端的整體設計。在台灣上市發表會上，Google 硬體研發團隊親自介紹 Pixel 11，也進一步說明這套 AI 體驗背後的軟硬體工程思維。 […]

AI Agent 操作電腦準確率衝上 85%，為何企業真正難題仍是如何「可靠地把工作做完」？

在過去一年，電腦操作 AI Agent（Computer Use Agent）已經正式跨越單純展示的階段，開始在特定的、可重複的企業工作流程中進行正式部署。這些日常任務包括更新系統紀錄、跨入口網站搬移資料、處理工單，以及操作那些原本缺乏乾淨 API 的舊軟體介面。 轉變的背後，是因為模型操作電腦的能力正在快速飆升。根據 OSWorld-Verified，也就是一項在實體電腦桌面上測試 Agent 跨 Windows、macOS 和 Ubuntu 執行任務的標準檢測的數據顯示，最頂尖的 AI 模型在一年之內，其任務完成率從原本的 42% 上升至 85%，甚至超越人類測試者平均約 72% 的完成率。 然而，創投機構 a16z 提醒，即使在基準測試中達到 85% 的成績，仍代表每 100 個任務中有 15 個以失敗告終。對於要求高度準確、且每個步驟都必須完整銜接的企業流程來說，「會操作電腦」與「能可靠地完成工作」，仍是完全不同的兩回事。 每月 2,000 萬次操作，AI Agent 已開始規模化接手企業流程 儘管如此，部分企業已經開始體會到規模化自動化的威力。在 a16z 的訪談中，一家消費品（CPG）數據平台每月透過自動化系統完成約 1,500 萬至 2,000 萬次入口網站操作（portal interactions）。在這些流程中，這家企業將 AI Agent 作為傳統手寫網頁爬蟲的「自動故障修護備援」，每當零售商網站更動介面、導致原有爬蟲程式碼出錯時，Agent 就會自主診斷問題並搶修自動化流程，在工程師甚至還沒發現錯誤前，就讓重要數據恢復流動。導入此方案後，該公司將專門負責維護網頁爬蟲的工程團隊縮減一半，並成功將這些工程人力重新調配到其他工作流程上。 同時，另一家全球系統整合商也在生產環境中部署 27 個使用電腦操作 Agent 的正式工作流程，每天穩定處理約 1,500 至 […]

白宮 AI 監管再擴大：達 GPT-5.6 級「開放模型」恐也須發布前測試

據《WIRED》引述消息人士報導，白宮官員預計將修改川普政府最新提出的 AI 指引，並擴大對 AI 模型的監督範圍，未來可能將開放模型納入其中。這也顯示，白宮正重新思考如何因應 AI 技術快速發展所帶來的監管問題。 白宮推 AI 安全新規：高階模型公開發布前須經聯邦測試 白宮本月宣布制定 AI 框架，要求美國 AI 實驗室開發的高階模型，在公開發布前接受聯邦政府的安全測試。不過，白宮目前尚未公布框架內容，也未說明未來是否會對外公開。目前這套框架僅適用於 Anthropic、OpenAI 等公司開發的「封閉模型」（closed models）。 一名白宮官員向《WIRED》透露，未來幾個月內也可能將開放模型納入監管。只要開放模型的能力達到 Anthropic Mythos 系列和 OpenAI GPT-5.6 等「前沿」模型的水準，就必須在發布前接受安全測試。知情人士表示，白宮原先希望透過行政命令，迅速建立完整的 AI 規範，但隨著 AI 模型發展速度遠超預期，川普政府也不得不持續調整相關政策。 市場失衡？美官員憂 AI 新規削弱「開放模型」發展意願 今年稍早，Anthropic 推出 Mythos 模型後，外界開始討論建立 AI 網路安全審查機制。《The Guardian》提及，由於擔心 Mythos 的強大能力可能被用來入侵 IT 與金融系統，Anthropic 在 4 月決定暫緩公開發布。這款模型也引發國際間對 AI 網路安全風險的關注，促使川普政府重新檢視原本較為寬鬆的 AI 政策，轉向加強政府監督。 除了國安風險，官員也擔心現行框架可能造成市場上的落差。《WIRED》指出，如果只有封閉模型能取得政府的安全認證，企業可能因此不敢採用沒有認證的開放模型，即使開放模型的成本更低。部分官員更擔心，這可能反過來削弱美國企業投入開放模型開發的意願。 《WIRED》補充，若安全測試需要長達 30 天，也可能拖慢 AI […]

【零信任新挑戰】AI 代理能跨系統存取、層層委派授權，企業的身分治理框架需從頭設計

過去，企業資安建立在一個穩定前提上：人使用軟體，軟體依照預設規則執行；身分存取管理（Identity and Access Management，IAM）主要處理人類帳號與應用程式帳號，透過職務、角色與固定權限，決定誰能登入、能讀取哪些資料，以及可以操作哪些系統。 但是 AI 代理正在打破這條界線，它不只等待指令，也不只是軟體中的一項功能，而是能理解目標、拆解任務、選擇工具、跨系統存取資料，甚至在沒有人逐步批准的情況下執行操作。 當 AI 代理能代表員工寄信、查詢客戶資料、修改訂單或呼叫其他代理，企業面對的已不是「人使用軟體」，而是一個同時具備使用者權限與軟體執行能力的新主體。 AI 代理模糊了軟體與使用者的界線 傳統軟體在固定流程內運作，輸入輸出相對可預期；AI 代理則會依任務、資料與環境即時調整行為，可能先讀信、查客戶資料、呼叫付款服務，再把結果交給另一個代理，每一步權限與風險都不同。 因此企業不能只問「這個應用程式能否存取資料」，還要追問代理為了什麼任務取得權限、誰授權、權限能否轉交、何時失效，以及是否已偏離原始目的。 尤其在多代理系統中，授權可能層層委派。員工啟動的代理，可能再把工作交給其他代理，後者又呼叫外部工具。這條鏈若無法追蹤，一旦出錯，企業很難還原責任出在指令、代理設計、平台控制，還是部署方式。 這不代表最小權限、強驗證、零信任等資安原則已經過時，它們仍是核心基礎，只是原本是為「相對穩定的人與系統關係」設計的，但代理不再是固定角色的使用者，而是會跨系統、動態改變行為的主體，問題不在原則失效，而在套用方式跟不上這種高度動態的存取模式。 AI 代理需要擁有自己的身分與生命週期 企業必須停止把代理視為藏在應用程式裡的功能。每一個正式投入營運的代理，都該擁有獨立且可驗證的身分，包括唯一識別碼、明確負責人、業務目的、可用工具、資料範圍，以及允許執行的動作。企業不能只知道代理屬於哪套系統，還得知道它是誰、為何存在、誰對它負責。 這個身分也要同時具備人的治理方式與軟體的生命週期，像員工一樣有主管與責任歸屬，也像軟體一樣有版本紀錄、審查節點、到期日與下線程序。 若沒有定期重新認證，企業很容易累積無人維護的「孤兒代理」，它們散落在各平台之中，比離職員工未停用的帳號更難被發現。 同時，權限設計也該改成任務導向，意思是代理不長期持有完整權限，而是在特定情境下取得短期、可撤銷的憑證，任務結束即失效，這正是零信任原則的具體做法。稽核紀錄也必須同時保留兩個身分：哪位人類發起或批准任務、哪個代理實際執行，即使完全自主運作，也要能追溯擁有者、目的與輸出結果。 傳統 IAM 跟不上，問責必須在部署前定義 傳統 IAM（身分與存取管理）多半是為人類使用者與長期帳號設計，OAuth、OIDC、SAML 等協定雖能處理登入與授權，卻應付不了大量短期存在的代理、即時變動的權限，以及跨代理委派的情境。 當企業要管理的是數千甚至數萬個代理身分，固定角色與人工審批很快失效，需要的是能處理動態身分與授權鏈追蹤的管理架構。 因此，代理治理不能等試點成功後再補。企業應在部署前建立全公司代理清冊，定義每個代理的擁有者與目的，設計短期可撤銷的權限機制，並預先劃分事故責任，包括區分是使用者指令錯誤、代理擁有者缺乏治理、開發者設計缺陷、平台供應商控制不足，還是部署模式本身放大了風險，不能等出事後全部歸咎給單一部門。 這套治理可能讓代理導入變慢，但真正危險的是等代理已經嵌入客服、財務、採購等流程後，才回頭補身分與責任制度，屆時成本只會更高，系統也更難拆解。 AI 代理帶來的問題，不是既有資安原則失效，而是企業仍用管理員工帳號與傳統應用程式的方式，管理一種全新的自主主體。企業不必推翻原有資安框架，但必須把代理視為擁有獨立身分、權限與生命週期的工作者，重新設計驗證、授權、稽核與撤銷機制。 【推薦閱讀】 ◆ 【防詐邏輯升級】AI 代理人讓身分驗證失效，「授權範圍」與「斷路器機制」成新控制點◆ 【AppSec 防不住的新戰場】AI 深度參與軟體開發，資安新學科 AISec 成形◆ 【AI、機器人與網路的代理化未來】99% 機器人是惡意程式，如何精準分辨「惡意攻擊」與「AI 變現機會」？ ＊本文開放合作夥伴轉載，參考資料：《CSA》、《Techradar》，圖片來源：Unsplash （責任編輯：鄒家彥）

疑中國駭客用 8 個 AI Agent 攻擊台灣，入侵失敗還會自己找新招：資安防線如何跟上自主網攻速度？

近日台灣遭遇一場具備「近乎自主性」（near-autonomous）的網路安全危機。以色列資安公司 Dream 揭露，疑與中國有關的駭客團隊，在 7 月 1 日至 4 日的短短四天內，對亞洲政府機構發動史無前例的自主化 AI 攻擊。雖然 Dream 並未在公開報告中直接點名受害國家，但知情人士已向媒體證實，這起攻擊的真正目標正是台灣。 針對這場高度自動化的新型態威脅，數位發展部在今（8 月 13 日）發表官方新聞稿證實，資安監控單位於 7 月即偵測到這波針對政府機關的異常攻擊，並自 7 月 20 日起由國家資通安全研究院陸續發布警訊並全面啟動調查及應變，目前相關受影響單位均已陸續完成處置。數發部在調查中證實，此波攻擊具有明顯的境外來源特徵，且首度發現駭客結合 OpenClaw 等 AI Agent 發動攻擊的混合模式。由於 AI Agent 的威脅在於其能快速串聯多種攻擊手法，並擅長利用「備援、測試等次要系統」作為侵入跳板，使得攻擊具備「速度快、成本低及規模大」的關鍵特性，對此數發部已陸續建立防護指引，並透過多層防護與即時應變及早阻擋攻擊。 在這場為期四天的網攻中，這套自主系統最多同時部署 8 個自主 AI Agent，不僅成功攻破至少 85 個政府人員的帳號、竊取超過 2,500 筆敏感人員資料，甚至在得手後進一步將攻擊網絡擴大至台灣的核能安全主管機關、政府 IT 供應鏈廠商、政府郵件系統，以及至少 7 家關鍵能源業者。 曾任以色列國防軍精銳信號情報單位 8200 部隊網路作戰負責人、現為 Dream 首席策略長的 Amir Becker 表示，過去從未在政府目標上見過如此「端到端的自主攻擊」，並嚴正警告各國政府必須假設自己已處於永久性的自動化網攻威脅之下。 AI Agent 用「貝氏大腦」挑選最佳攻擊路徑，成功率逼近 […]

Grok 4.6 強攻長時間 AI Agent：企業選模型不能再只看 Token 單價

SpaceXAI 近日推出最新旗艦模型 Grok 4.6。根據第三方模型評測機構 Artificial Analysis，Grok 4.6 在 Intelligence Index 得分 61。這項綜合指標用來比較不同模型的整體智慧表現，Grok 4.6 較前一代 Grok 4.5 High 提升 5 分，不只超越中國 Moonshot AI 的 Kimi K3，也追平 OpenAI GPT-5.6 Sol Max，並列全球第三，僅次於 Anthropic Claude Opus 5 與 Fable 5。 但對企業來說，這次 Grok 4.6 值得注意的不只是模型排行榜又重新洗牌。《VentureBeat》分析指出，相較單純增加幾個 benchmark 分數，Grok 4.6 更重要的變化在於 Agent 行為與成本。SpaceXAI 明確將 Grok 4.6 的升級重點放在 long-running agents（長時間執行任務的 AI Agent）、程式開發與知識工作，希望模型不只回答一次問題，而是能持續執行更長、更複雜的任務。 當 […]

ROI 逾 40%、廢料少 13%：品客的洋芋片產線，把 AI 數位孿生做到了哪一步？

製造業長期存在一個難解的矛盾：原料與環境條件不斷變動，成品品質卻必須維持一致。品客（Pringles）製造商 Kellanova 決定用一套 AI 系統正面處理這個問題。據《The Wall Street Journal》報導，Kellanova 與工業科技公司 Siemens 合作四年、投入約 400 萬至 500 萬美元，在波蘭工廠的一條產線上，為麵糰打造出一個即時運作的「數位孿生」（digital twin）。 值得注意的是，這套系統做的已經不只是「看」。它會在原料出現異常時，主動建議產線該怎麼調整。也就是說，AI 開始從監測工具，走向介入製程的角色。 一片「完美洋芋片」背後，有 200 多項變數要顧 Kellanova 工程資深總監 Jan Laenen 有一個目標：讓每一片下線的洋芋片都是「完美的品客」：沒有破裂的麵糰、沒有黏在油炸機裡的碎片，只有薄、呈馬鞍狀、金黃的一片。他表示，希望做出口感、味道與開罐時觸感都一致的洋芋片。 問題在於，要達成這種一致並不容易。報導指出，影響一片「完美品客」的變數超過 200 項，從麵粉的顆粒大小、麵糰濕度，到馬鈴薯的採收產地都涵蓋在內；即使是同一供應商、同一產地的馬鈴薯，品質也會隨季節出現明顯差異。 這些差異讓麵糰處於持續變動的狀態，機台必須隨之微調，才能維持成品一致。過去，這件事全靠「看」與「摸」：工廠裡的麵糰師傅會從產線抓一塊麵糰拉開來看，或把剛出爐的洋芋片拿去秤重、量測，一旦發現異常，再事後調整機台，而數位孿生改變了這套流程的時間軸。 每毫秒 200 個數據點，AI 從「事後補救」變「事前預測」 《The Wall Street Journal》報導，如今產線機台上的感測器每毫秒擷取 200 個數據點，資料在廠內的平台上處理。與此同時，一個 AI 模型即時模擬洋芋片最終的成形結果，並確認是否符合理想標準；當模型在新原料中偵測到異常，就會建議小幅調整，例如微調配方裡的油量或水量。 如果這些調整仍不足以解決問題，系統會轉向一個運行在雲端、握有更多歷史資料的較大模型，對其重新訓練。這兩個 AI 模型用的都是傳統機器學習，而非生成式 AI。Laenen 表示，該模型會依操作人員的回饋持續改進，未來也有機會納入更多變數，包括不同品種的馬鈴薯，以及玉米與稻米的品種。 成效方面，據《The Wall Street Journal》，這條位於波蘭的產線帶來了 10% 的品客品質提升、13% 的廢料減少，以及投入該專案的 400 […]

【科技早餐】CoreWeave 算力幾乎售罄，IBM 簽 2.4 億美元 NVIDIA 推論協議

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊CoreWeave 算力幾乎售罄，客戶以長約搶 AI 運算資源 專門提供 GPU 雲端服務的 CoreWeave 表示，近期可供客戶使用的運算容量已接近售罄。截至 6 月底，公司營收積壓達到 1,042 億美元，高於前一季的 994 億美元，代表已簽約、預計在未來陸續認列的收入；其中超過一半的合約已開始提供服務。進入第 3 季後，CoreWeave 又取得超過 250 億美元的新客戶承諾，這部分尚未計入前述數字。客戶除大型 AI 模型業者，也已擴及 Meta、Anthropic 及 Caterpillar 等企業。 為了交付這批算力，CoreWeave 將 2026 年資本支出預估，由原本的 310 億至 350 億美元，提高至 350 億至 390 億美元，用於擴建資料中心及運算設備。公司第 2 季新增約 500 MW 運算容量，顯示 AI 算力競爭已不只取決於取得多少 GPU，更取決於電力、土地、資料中心施工與系統整合能否同步到位。多年期合約與持續增加的客戶承諾，也反映部分企業正提前鎖定未來數年的模型訓練與 AI 服務資源，把算力供給從臨時採購轉為長期基礎設施規畫。 ＊IBM、Together AI 簽 2.4 […]

算力狂飆、散熱失速：Synopsys 如何看 AI 重寫晶片到系統的設計規則？

AI 的爆炸式成長，正在把晶片設計推向前所未有的複雜程度，從邊緣端的即時推理，到 AI 工廠裡的大規模運算，龐大的算力需求同時牽動了運算、記憶體與互連整合的全面創新。然而，在這波狂飆之中，限制效能的已不再只是算力本身，而是散不掉的「熱」。 根據 EDA 巨頭 Synopsys（新思科技），AI 晶片的熱設計功耗（TDP）已來到 700 至 1500 瓦，晶片表面的熱源密度高達每平方公分 300 至 500 瓦，而一座 AI 資料中心，更有超過 30% 的電力是花在散熱上。這是新思科技在近日媒體分享會上點出的產業痛點。這道痛點背後，是三股同時襲來的壓力：晶片複雜度陡增所帶來的全新失效挑戰、已蔓延到整個系統層級的散熱難題，以及 AI 狂飆下始終補不齊的工程人力。 複雜度陡增，帶來新技術也帶來新的失效挑戰 為了餵飽 AI 的算力需求，晶片正大量走向多晶片堆疊。Synopsys 亞太區應用工程副總裁 Padmesh Mandloi 指出，如今 HBM 高頻寬記憶體的堆疊，已從 12 層、14 層，一路疊到高達 18 層，晶片之間的互連密度也隨之陡增。這固然帶來許多新技術，卻也同時製造出許多關於「失效（failure）」的新挑戰；更棘手的是，這樣的堆疊會在熱能、應力、電磁等多個物理場之間，製造出複雜的交互作用。 在 Mandloi 看來，這一切問題的答案，就在於「多物理場的融合（multiphysics fusion）」。過去，工程團隊往往各自孤立地處理熱、應力、電磁等問題，為求安全而預留大量設計餘裕（margin），結果是昂貴且缺乏競爭力的過度設計。而真正的挑戰，從來不只是「多物理」，而是「多物理場的交互作用」，唯有把這些交互作用一併納入考量，才能從過度設計走向精準設計。 散熱，已是整個系統層級的難題 如果說複雜度是內在的壓力，散熱就是外顯的瓶頸。Mandloi 進一步指出，散熱如今已成為提高與擴展效能的關鍵，更決定一座資料中心的運算能力。這是因為，散熱已不再是某一個環節的問題，而是必須在每一個尺度上同時管理的層級化難題，從晶片（die）、封裝（package）、伺服器、機架，一路延伸到整座機房。 而驅動這一切的深層落差，來自製程與需求之間的鴻溝。Mandloi 表示，製程每推進一個世代，效能大約只能提升 15% 到 20%，但當前 AI 對算力的需求卻是每年 5 到 10 […]

摺衣成功率達 99.1%，超過 99% 訓練資料來自手套：機器人如何克服 Physical AI 數據荒？

近幾個月來，Figure AI、Sunday Robotics 和 Weave Robotics 這些備受矚目的機器人新創公司，紛紛展示能夠自主摺衣服的機器人。這些公司合計已募集數十億美元，因為越來越多投資人認為家用機器人終於接近商業化的突破點。 許多機器人學者指出，摺衣服之所以成為理想的第一步任務，是因為這項工作難度適中，既能展示機器的智慧與物理控制能力，同時又相對安全，即使任務失敗也不會帶來嚴重後果。同時，對於消費者而言，他們不需要了解 AI 的運作原理，就能深刻體會到一個能將雜亂衣物堆變成整齊疊放的機器人所帶來的價值。 摺衣服高難度、低失敗代價，還能把家庭環境縮小到可控範圍 將機器人訓練至會摺衣服，長期以來一直是該領域的「聖杯」。機器人學者、斯佩爾曼學院（Spelman College）院長 Ayanna Howard 指出，這是因為機器人必須學會處理像是衣服這種會堆疊、彎折、起皺的「可變形物體」（deformable objects），並具備足夠精準的操作能力才能將它們摺好。 Figure AI 曾在部落格文章中寫道：「這是人形機器人最具挑戰性的靈巧操作任務之一。」Sunday Robotics 執行長 Tony Zhao 也向《Business Insider》透露，該公司刻意選擇洗衣服這類任務，是因為這項任務同時具備高難度與低失敗代價的特點。這也正如 Ayanna Howard 所言：「如果你把衣服掉在地上，它並不會摔壞。」 事實上，機器人產業過去就已經歷過一輪摺衣服的炒作週期。曾推出售價高達 1.6 萬美元的摺衣機器人 Laundroid 的日本公司，在 2019 年宣告破產。曾於 2010 年代末期多次在消費電子展（CES）引起轟動的 FoldiMate，最終也未能真正出貨。高昂的成本與低可靠度擊垮早期的嘗試，但如今的機器人新創公司認為，AI 技術的進步、更便宜的硬體，以及湧入實體 AI（Physical AI）領域的人才與資金，將使這一代產品與眾不同。 不過，這些宣稱是否屬實仍有待實驗室之外的真實世界驗證，因為最新一代的機器人依然昂貴，在實際家庭中的可靠性也仍未知，不僅摺好單件衣物必須耗時數分鐘，遇到未見過的陌生款式時，機器人也可能卡住。 除了物理操作難度，洗衣服之所以成為進入家庭的敲門磚，是因為能將複雜的家庭環境限制在可控範圍內。哥倫比亞大學機械工程教授 Matei Ciocarlie 指出：「家庭是終極的非結構化環境。」不同於工廠和倉庫能嚴格定義並控制機器人的周遭環境與移動路徑，家庭對機器人而言簡直是一場噩夢，每個房間都是障礙賽道，寵物可能突然竄出、蹣跚學步的幼童可能在地上爬行，隨時都可能讓機器人摔個面朝地。 相較之下，在摺衣服時，機器人可以固定待在同一個角落，由人類將衣物籃送到它面前，不需要一開始就解決在整間房屋裡自主導航的難題。Weave Robotics 執行長 Kaan Dogrusoz 坦言，這正是他們選擇洗衣服作為首要任務的原因。 只會摺衣服還不夠，家用機器人如何跨過價格門檻、啟動「數據飛輪」？ 即便機器人真的學會了摺衣服，如何說服消費者為此支付數千美元則是另一項挑戰。以 […]

5G 競爭進入穩定度時代：從 Opensignal 七項榮譽，看台灣大哥大如何打造世界級網路底座

早上通勤路上，剛加入線上會議，準備與客戶確認合作細節時，聲音卻開始斷斷續續；下班尖峰擠進捷運車廂，想繼續追劇打發時間，明明手機顯示有 5G 訊號，影片卻不停轉圈、遲遲播不出來；假日與朋友來到山中的人氣咖啡館，大家坐在同一間店裡，朋友都能即時分享眼前的美景，自己卻只能拿著手機走到戶外庭院才能收到訊號。這些令人感到既熟悉又無奈的時刻，正是凸顯各家網路品質差異的關鍵。 5G 的使用體驗好不好，不只取決於網速，真正重要的是，在移動過程中、人潮擁擠時，或進行視訊會議等關鍵時刻，網路能否穩定連線，確保使用者在每一個重要時刻都能順利完成事情，不會因為網路卡頓、延遲或中斷而錯失機會。 Opensignal 三項肯定：可靠性及品質全台第一、在線率全球前三 5G 網路的競爭標準正從「可以跑多快」，走向「能否提供全時段、全場景的穩定使用體驗」，而背後的關鍵，就在於網路服務的可靠性、品質一致性與 4G／5G 在線率。 其中，4G／5G 在線率代表的是，一天之中有多少時間能夠順利連上行動網路；可靠性體驗關注的是，每一次視訊會議、行動支付、導航或資料傳輸，是否都能順利完成，不會在關鍵時刻突然中斷；至於品質一致性，則反映無論使用者身處何時、何地，網路是否都能穩定支撐影音、視訊及常用 App 的使用需求。相較於僅評估單一時間、單一地點的網路表現，這三項指標更貼近使用者每天的真實體驗。 近期，國際行動網路分析機構 Opensignal 最新公布 2026 上半年《台灣行動網路體驗報告》，台灣大哥大奪下可靠性、品質一致性、整體影音體驗、整體及 5G 語音體驗、網路可用率等六項第一，以及今年 2 月全球報告發布的「4G/5G 在線率全球前三、全台第一殊榮」，展現出網路品質與涵蓋深度皆達世界級的強悍實力。 獨家雙低頻與 NRCA 雙引擎驅動，打造真正有感 5G 體驗 能繳出世界級的成績單，關鍵在於台灣大哥大獨特的 700MHz 與 900MHz 雙低頻布局。低頻訊號具有涵蓋範圍廣、穿透力佳的特性，不僅能提升室內、地下空間及偏遠地區的收訊品質，也能在高速移動時維持更穩定的連線表現，讓使用者無論走到哪裡，都能安心連線。 相較於在線率代表「連得上」，可靠性體驗更在意的是「能不能把事情做完」。使用者最常見的痛點是，在視訊會議、演唱會搶票、手遊團戰、行動支付、導航或叫車等應用情境中，明明手機畫面顯示訊號滿格，卻一直卡在載入畫面、無法順利送出請求。 真正可靠的網路，必須從連線建立、資料傳輸到應用完成的每個環節，都維持穩定表現。台灣大哥大結合 NRCA（New Radio Carrier Aggregation）技術，靈活整合不同頻段的網路資源，進行智慧分流與協同運作，讓使用者無論在什麼情境下，都能順利完成任務。 至於品質一致性考驗，則是當大量使用者同時上網時，網路能否維持穩定表現。尤其是跨年商圈、大巨蛋演唱會、熱門賽事現場，或捷運通勤尖峰時段，當大家同時觀看高畫質影音、開直播、進行視訊通話，或上傳照片、影片到社群平台時，正是考驗網路品質好壞的關鍵時刻。 台灣大哥大運用 NRCA 技術，整合 3.5GHz 的 60MHz 與 40MHz 頻譜，形成 100MHz 大容量網路，並一舉突破頻譜不連續的物理限制，大幅提升網路容量與資源調度效率，無論時間、地點與人潮如何變化，使用者都能維持一致的使用體驗。 覆蓋 × […]

南韓端出逾 11 兆韓元銀彈：半導體基金齊發、主權基金押 AI 與機器人

《Reuters》報導，南韓政府將成立規模達 5 兆韓元（約 35.2 億美元）的半導體基金，扶植半導體材料、零組件、設備及無晶圓廠企業，加速半導體產業聚落布局。明年也將投入超過 1 兆韓元（約 7.07 億美元），成立專注於 AI 及其他戰略產業的主權財富基金。另將提供 5 兆韓元貿易融資，協助供應商取得資金，並力拚「超大特區法」（Mega Special Zone Act）今年內在國會過關，以加快相關許可、環評及基礎設施建設。 南韓加速光州軍區讓地建廠，將砸兆元新設戰略主權基金 同時，南韓總統李在明要求國防部加快光州軍事基地的搬遷作業，目標在 2028 年中前完成，以便推動當地半導體製造園區的開發。政府已將當地 830 萬平方公尺（約 990 萬平方碼）的土地列為國家級產業園區候選地，預計在 2028 年下半年完成軍事設施搬遷及暫時安置，並確保半導體園區所需的電力與水源如期到位。 南韓財政部創新與成長事務副部長 Min Kyung-seol 表示，主權財富基金實際投資金額可能高於目前規模，仍須視未來鎖定的投資對象及資金需求而定。不過，目前並沒有讓該基金直接投資三星電子（Samsung Electronics）或 SK 海力士（SK Hynix）的計畫。 《Bloomberg》指出，南韓也將向韓國投資公社（KIC）投入 20 兆韓元，用於 AI、資料中心及基礎建設投資。新基金則將聚焦機器人、能源、電池及電網等領域，核能、太空及量子科技也在考慮範圍內。Min Kyung-seol 表示，來自中東、歐洲及北美的主權財富基金與退休基金，已主動與南韓政府接洽，希望投資南韓或與新基金共同出資，但目前仍在初步洽談階段。 在投資對象方面，Min Kyung-seol 表示，新基金將以已有一定發展基礎、商業模式獲得驗證，並進入 B 輪或後續募資階段的企業為主。若現有投資人有意退出，基金也可能接手相關企業或專案的股權，採取接力投資策略。KIC 去年底管理資產規模達 2,320 億美元，新基金將獨立於 KIC 原有的資產管理業務運作，另訂投資策略，並可在南韓及海外市場進行長期直接股權投資。 全球主權基金瘋 AI：南韓化身「錨定投資者」吸引資金 《Bloomberg》指出，南韓政府加碼布局 AI 之際，全球主權財富基金也正積極投入相關產業。阿布達比穆巴達拉投資公司（Mubadala […]

SpaceXAI 推 Grok Bot 加入企業 Agent 戰局：真正差異不只是「會操作電腦」

SpaceXAI 於 8 月 11 日推出企業 AI Agent 新產品 Grok Bot，目前以 early beta 形式開放。與一般使用者有需求時才打開 AI 助手、交付單次任務不同，SpaceXAI 將 Grok Bot 定位成可以持續工作的「AI 隊友」：使用者可以建立具有特定職責的 Bot，讓它登入企業既有的 App、網站，甚至在使用者關掉電腦後繼續工作，直到完成任務或需要人工核准時才回來找人。 Grok Bot 並不是第一個能操作電腦的 AI Agent。Anthropic、OpenAI 等業者早已讓 Agent 能操作網頁、使用工具，近期也陸續把 Agent 延伸至企業工作。Grok Bot 想做出的差異，在於把持續運作的工作環境、電腦操作、工作流程學習與多 Agent 協作整合在一起，讓使用者不只叫 AI 做一件事，而是建立一組具有不同職責、可以長期工作的數位同事。 Grok Bot 不只接任務，而是擁有可以持續工作的電腦環境 Grok Bot 第一個特色，是它不是一段完成任務後就結束的聊天 session，而是讓 Agent 擁有可以持續使用的工作環境。《VentureBeat》指出，每個 Bot 都透過自己的 computer environment 執行工作，即使使用者闔上筆電，它仍可以繼續運作，直到完成任務或碰到需要使用者核准的環節。SpaceXAI 官方文件進一步說明，Grok Bot […]

【工程師薪資新變數】AI 推論成本進入薪資結構，token 消耗開始成為工程師談判籌碼

軟體公司過去幾十年的生產模式就是雇用工程師、支付薪水、提供工具，換取軟體產出；但 2026 年的現在，生成式 AI 打亂了這套模式。 工程師越來越仰賴 Claude Code、Cursor 或 GitHub Copilot 生成上線用的軟體、測試與架構方案，開發過程也因此消耗大量 AI 推論資源，AI 使用逐漸變成一項實質成本。工程薪資經濟學能不能跟上這個變化，成了新問題。 AI 使用成本正變成企業一大開銷 比起 AI 釋放出來的生產力，工具花費看似微不足道，這讓任何試圖節省一點 AI 成本的誘因設計，可能摧毀比省下來還多的產出價值，但問題可能就在誘因設計方向錯了。 越來越多科技公司應徵者，會在面試時主動詢問能取得多少專屬推論運算資源，OpenAI 總裁 Greg Brockman 直言：「你能取得的推論運算資源，將決定你整體的軟體生產力。」創投機構 Theory Ventures 的 Tomasz Tunguz 估算，若工程師薪資落在薪資平台 Levels.fyi 統計的 75 分位數（375,000 美元），加上每年 10 萬美元推論成本，總負擔成本將來到 475,000 美元，AI 使用成本未來可能占整體薪資結構超過兩成。 傳統上企業支付人力專業、工時與工具，如今認知運算正成為第四項應被管理的成本項目，但是能支撐這個概念的薪資模式，目前還沒出現。 個人 AI 預算制度看似合理，實際會失靈 假設企業以年薪 15 萬美元聘用工程師，其中 12 萬美元底薪、3 萬美元個人 AI 預算，未花完部分轉換成獎金。 […]

大客戶開始自研 AI 晶片，NVIDIA 反而加碼開放模型：Nemotron 如何擴大下一波 GPU 需求？

NVIDIA 在 8 月 11 日正式推出全新 Nemotron 3.5 Lightning。這是一款專為 AI 代理（Agent）設計的輕量化開放模型，企業不僅可以免費下載、使用與修改，也能直接在個人電腦的單張 GPU 上運行。 然而，這款主打速度與效率的 Lightning 模型，只是 NVIDIA 更大規模開放模型布局的一環。《The Information》披露，NVIDIA 內部正積極研發新一代 Nemotron 4 模型家族，希望讓其中最大的版本在性能上躋身全球頂尖開放模型之列。 NVIDIA 大舉投資開放模型，背後其中一項重要商業考量，是希望透過高品質、相對低成本的模型，讓更多新創與大型傳統企業投入 AI 應用，進一步刺激 GPU 需求。正如 NVIDIA 執行長黃仁勳所說，免費 AI 反而有利於硬體與晶片市場，因為模型使用愈普及，就愈能帶動運算需求。 對 NVIDIA 而言，即使模型本身免費，只要開放模型能帶動更廣泛的 AI 使用，就有機會進一步擴大硬體市場。 不只靠少數 AI 巨頭買 GPU，NVIDIA 用開放模型擴大需求版圖 目前，NVIDIA 相當一部分 GPU 需求來自少數前沿 AI 實驗室與雲端服務業者，包括 OpenAI、微軟與 SpaceX，其中一些公司也正在投入自研 AI 晶片。OpenAI 更是 NVIDIA […]

4 成銷售被 AI 書拿走：一份 1.4 萬本小說研究，揭開市場「稀釋效應」

生成式 AI 寫出來的書，常被貼上「slop」的標籤，也就是低品質、公式化的垃圾內容，一般認為讀者看一眼就會略過，在商業上根本無足輕重。過去探討 AI 與創意工作的研究，也大多繞著同一個問題打轉，就是 AI 產出的東西，到底好不好到能取代人類。 但一份分析 Amazon 逾 1.4 萬本自出版類型小說的研究，給出不一樣的觀察角度：AI 撼動這個市場，靠的根本不是品質。這些含有 AI 文字的作品，單本銷量普遍不好，卻已經改變了整個市場的收入結構。 怎麼看出一本書有多少 AI？ 要回答這個問題，需要先算出每本書到底含有多少 AI 文字。這份由 Stony Brook 大學、哥倫比亞大學法學院與密西根大學等團隊合作的研究，蒐集了 14,419 本 2023 到 2026 年間上架的自出版（self-published sales）類型小說電子書，銷售一路追蹤到 2026 年 6 月，並比對一份涵蓋 Amazon 電子書市場約 95% 以上每日銷量的專屬銷售面板。 該團隊用 AI 偵測工具 Pangram 逐段分析每本書，再依 AI 文字占比分成完全無 AI 文字、輕度（25% 以下）與大量（超過 25%）三組。方法上最大的突破，是它看的是整本書的全文，而不是過去研究常用的千字試閱片段。正因為看的是全文，研究者才問得出一個過去沒辦法回答的問題，就是這些 AI 書，到底對它們身邊的其他書造成了什麼影響。 當書架擴張的速度，遠超市場能吸收的速度 研究最關鍵的發現，是一種被作者稱為「稀釋」（dilution）的現象，指的是市場被大量可替代的作品灌爆之後，每一本書能分到的收入和關注都被攤薄。 數字揭開一個嚴重失衡的市場：2023 到 […]

【科技早餐】台積電 CoWoS 2029 年挑戰 14 倍以上，Microsoft 傳洽談逾 30 萬顆 AI 晶片產能

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊台積電 5.5 倍光罩 CoWoS 量產，2029 年挑戰 14 倍以上 台積電先進封裝技術暨服務副總經理何軍表示，相當於單一光罩面積 5.5 倍的 CoWoS 先進封裝已進入量產，多家 AI 客戶產品的良率穩定超過 98%，部分更達到 99%。封裝面積擴大後，單一封裝可整合更多運算晶片與高頻寬記憶體，讓客戶透過多顆小晶片整合，持續提高運算能力與記憶體頻寬。台積電先前公布的技術路線圖顯示，CoWoS 預計在 2028 年擴大至 14 倍光罩尺寸，並於 2029 年進一步推進至 14 倍以上。 因應 AI 客戶需求，台積電過去三年的 CoWoS 產能幾乎每年翻倍，目前已有 10 座先進封裝廠，供應能力正逐漸接近客戶需求。何軍指出，先進封裝已從晶片製造的後段製程，成為支撐 AI 算力擴張及公司營運的重要環節。當封裝尺寸超過 3 倍光罩後，晶片、電路板、散熱與系統結構之間的交互影響會更加複雜；隨著零組件增加，個別零組件的品質也必須同步提高。台積電在擴大尺寸與產能的同時，仍須維持量產良率及系統可靠度。 ＊Microsoft 傳最快 9 月發布 Maia 300，洽談台積電逾 30 萬顆產能 《The Information》引述知情人士報導，Microsoft 計畫在 2026 年秋季發表新一代自研 AI 晶片 […]

Cloudflare Wallets 讓 AI Agent 自主付款：為何網路基礎設施商也開始做支付？

AI Agent 會搜尋資料、寫程式、呼叫 API，但當它需要付費使用服務，往往仍得交回人類操作。美國網路基礎設施巨頭 Cloudflare 近日推出 Cloudflare Wallets，讓 AI Agent 能持有穩定幣，自主購買 API、MCP 工具與內容，正試圖解決這個斷點。 Cloudflare Wallets 分為 Account Wallet 與 Virtual Wallet：前者由人管理資金，後者則讓企業把有限的支出權限委派給 Agent，包括設定額度、允許交易對象與單筆金額上限。Cloudflare 舉例，企業可給每名員工的 Agent 每週 100 美元 AI 推論預算，只有超額時才需人工核准。這種設計的差異在於，人不再逐筆替 Agent 結帳，而是預先決定它能花多少、向誰花，再讓 Agent 自行交易。 先替賣方收錢，再讓 Agent 買方付款 Wallets 是 Cloudflare 搶進 AI Agent 支付的佈局之一。今年 7 月，Cloudflare 才發布 Monetization Gateway，讓網站、資料集、API 與 MCP 工具可以按次向 Agent 收費，初期透過 x402 協定、以穩定幣結算。 […]

2026 台北國際自動化工業大展｜Moxa 打造工業 AI 網路底座，從控制網路到資安治理全面布局

隨著製造業加速導入 AI、機器人與自主移動設備（AMR），製造現場對於網路基礎設施的要求已不再只是「連得上」，更要讓數據直接參與生產控制，因此具備可靠性、高可視化與高資安韌性的工業網路成為智慧升級的剛需。工業通訊及網路設備領導商四零四科技（Moxa）將於 2026 台北國際自動化工業大展上，以「強韌聯網 智協未來」為主題，從工業網路、無線通訊、邊緣運算到符合國際標準的資安治理體系與 OT 維運服務，展現工業智慧製造時代所需的底層能力，以及支撐工業應用落地的完整網路基礎設施與服務。 工業 AI 時代來臨　網路韌性成關鍵基礎 近年來，AI 應用正快速進入製造現場，從 AMR、自主巡檢到邊緣 AI 推論，這些智慧化系統都仰賴穩定可靠的工業網路作為基礎。一旦通訊中斷，不僅影響生產效率，更可能造成產線停擺與營運損失。 因此，Moxa 以「強韌聯網」為主軸，展示以高速傳輸與安全穩定連線為核心的強韌網路架構，從高可靠度有線與無線通訊、全域網路可視化、工業邊緣運算平台，到符合國際標準的資安治理體系等完整解決方案，協助企業建構支撐工業 AI 與智慧製造的關鍵基礎架構，實現安全、穩定且高韌性的智慧工廠。 工業無線通訊走向關鍵任務應用，支撐 AMR 與無人工廠發展 隨著無人工廠應用加速發展，AMR、機器狗與智慧巡檢設備成為現場作業、巡檢與即時監測的重要角色。因此，無線網路也從輔助角色轉變為關鍵生產基礎設施。Moxa 無線應用展示區將以 Turbo Roaming 低於 50 毫秒的極速漫遊切換為通訊基礎，結合所羅門與綠捷兩家合作夥伴的自主移動應用，呈現高速 Wi-Fi 漫遊在精準移動控制與智慧巡檢中的優勢價值。同時，所羅門 AMM（Autonomous Mobile Manipulator，自主移動式機械手臂）整合 AI 視覺與數位孿生技術，更能實現高準確度的自動化瑕疵檢測與快速部署；綠捷則聚焦半導體產線與設備機房等關鍵現場，展示巡檢影像與感測資料的即時回傳，提升現場監測與維運效率。 除此之外，Moxa 此次更展出台灣首家通過 CC-Link IE TSN Wireless 官方認證的工業無線通訊方案，其無線傳輸可達封包延遲低於 100 毫秒、抖動低於 50 毫秒的工業級即時通訊能力，有助於滿足工業控制對即時性控制與可靠度的要求。另一項展出焦點則是 AeroMesh 強韌無線骨幹的技術再進化，透過多路徑備援架構，能自組成網、自我修復，即使網路節點發生異常，確保無線 AP 都能在 2.5 秒內恢復通訊。該技術是智慧工廠內 AMR、AGV、機器人及機器狗等實體化應用能否穩定落地的關鍵；唯有通訊穩固不中斷，設備才能持續精準控制、確保人機協作環境下的作業安全，牽動智造轉型的成果。 從網路可視化到邊緣智慧，打造智慧工廠中樞 […]

Nissan 用 AI 分析工人姿勢防職災，省下 3,400 萬美元：員工為何從抗拒變歡迎？

走進 Nissan 位於美國密西西比州的 Canton 裝配廠，在 Altima 房車與 Frontier 皮卡繁忙的生產線上，無數個搭載 AI 的攝影鏡頭正默默運作，細心觀察每一位員工的動作細節。 這套看似嚴密的監管系統，在 Nissan 眼中其實是一項兼顧效益與關懷的科技投資。這套系統不僅為公司省下數百萬美元，更實質保障第一線工廠員工的身體健康與安全。面對科技進駐生產現場可能引發的監控與搶工作疑慮，Nissan 美洲製造部門副總裁 Victor Taylor 接受《Business Insider》專訪時特別強調：「這套技術的目的絕對不是要取代人工，我們真正希望減少的，是那些枯燥、單調，且在現代早就該被科技代勞的過時工作。」 AI 能辨識工人彎腰、扭轉是否超過安全範圍 曾參與系統導入的 Nissan 製程工程師 Chi Amaechi 表示，Canton 裝配廠針對每一項工作都設定所謂的「黃金週期」（golden cycle）。黃金週期代表執行任務的標準模式，其中包括安裝車輛零組件的順序、應花費的時間，以及專為減少重複性拉傷而設計的身體動作規律。 Chi Amaechi 在向《Business Insider》進行虛擬示範時解釋：「AI 的作用是主動監控身體角度，基本上能辨識你的關節，因此可以辨識出人員何時彎腰到了超出安全要求的姿勢。」 若系統偵測員工彎腰幅度過大或長時間維持不安全姿勢，就會主動向工廠管理人員標記潛在風險，主管和工程師隨後便能運用這些資訊來輔導員工、重新分配工作任務，或是重新設計工作站。 「我們起初並非為了安全應用而尋找這項技術，這只是在過程中自然地展現出來，成為了我們最大的收穫，」Victor Taylor 透露，Nissan 最初評估與引進這項系統，是為了提高製造效率並協助訓練新進員工，至於改善人體工學與職業健康的益處，則是隨著導入後才漸漸顯現。Victor Taylor 也表示，這項技術引進至今成效顯著，光是在職業安全與健康領域，就幫 Canton 工廠省下約 3,400 萬美元的支出。 Nissan 如何降低員工感覺「被監控」的疑慮？ 然而，在廠區裝設 AI 攝影鏡頭、無時無刻記錄現場人員的一舉一動，起初在第一線員工之間引發了極大的防備與焦慮。Victor Taylor 和 Chi Amaechi 坦言，員工在導入初期最直覺的疑慮，就是擔心這套自動化技術會威脅到他們的飯碗、甚至成為未來裁員或懲處的工具。為了消解這種「被監控」的抗拒心理，Nissan […]

解除 AI 資安封印：OpenAI 擴大 Daybreak 計畫推「紅藍雙軌」，降低防禦任務拒絕率

OpenAI 宣布擴大網路安全計畫 Daybreak，進一步為參與企業提供防禦網路攻擊所需的 AI 能力。《CNBC》報導，OpenAI 今年 5 月首次推出 Daybreak，當時競爭對手 Anthropic 才剛成立網路安全聯盟 Project Glasswing，引發華爾街及美國政府關注。這次，OpenAI 希望讓合作夥伴運用旗下最先進的 AI 模型，因應日益快速變化的網路安全威脅。 OpenAI 升級 Daybreak 服務：推雙層級迎戰資安風險 《CNBC》指出，這項升級正值 AI 產業接連爆出網路安全事件之際，OpenAI、Anthropic 和 Meta 近來都曾揭露，旗下 AI 模型在進行安全測試時，意外進入原本不應存取的系統，引發研究人員及政府官員對 AI 安全防護的疑慮。 OpenAI 表示，Daybreak 將新增 Blue、Red 兩種服務層級。Daybreak Blue 主要用於防禦性的資安工作，使用者可以取得 OpenAI 先進的通用型模型，並在調整後的安全限制下執行相關防禦任務。Daybreak Red 則提供專門訓練的網路安全模型，可進一步用於資安測試、漏洞研究及漏洞利用驗證。OpenAI 會針對網路防禦需求調整模型的安全限制，讓企業能將 AI 用於防禦性的資安工作。 OpenAI 釋出專屬資安模型 GPT-5.6-Cyber，IBM、CrowdStrike 成首批企業夥伴 OpenAI 同步推出全新的網路安全模型 GPT-5.6-Cyber，僅供 Daybreak Red 用戶使用。該模型以 GPT-5.6 […]

NVIDIA 聯手 6 大金融巨頭籌 5,000 億美元：AI 算力正變成新的「可投資資產」

在市場開始質疑 AI 資本支出能否回本的此刻，華爾街 6 家最大的資產管理與投資機構卻站到了 NVIDIA 這一邊。根據 NVIDIA 官方新聞稿，這家晶片巨頭與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 與 KKR 簽署合作備忘錄，計畫動員逾 5,000 億美元第三方資本投入 AI 基礎建設。 這筆交易真正的看點，是 NVIDIA 想讓一向被看作快速貶值硬體的 GPU 與算力，被重新認定為可以長期抵押、能持續產生收益的「可投資資產」。然而，這些習慣精算風險的長期資本機構，究竟為什麼會被黃仁勳說服呢？ 6 大金融巨頭簽 MOU，5,000 億美元怎麼運作 根據 NVIDIA 與《Reuters》，這批合作以合作備忘錄（MOU）形式簽訂，目前尚待簽定最終協議。六家機構將各自建立專屬資金池，為 NVIDIA 的客戶提供「具吸引力利率」的融資平台，對象涵蓋超大規模雲端業者（hyperscaler）、前沿 AI 實驗室與一般企業，用途則是興建資料中心、購置 NVIDIA 硬體。 《CNBC》指出，這套設計的關鍵在於，讓終端客戶能以機構信貸、保險資金與私募資本為 GPU 與資料中心融資，而不必動用自家的資產負債表。當天 6 家機構高層與黃仁勳更罕見一同接受《CNBC》直播訪問；Goldman Sachs 執行長 David Solomon 向《CNBC》透露，這個構想是黃仁勳主動找上華爾街提出的。 把 GPU 從「快速貶值硬體」變成「可抵押資產」 長期以來，GPU 被看作折舊速度極快的硬體，而黃仁勳向《CNBC》表示，這是科技晶片第一次成為「可投資的資產類別」，並宣稱這些晶片如今是能產生收益、可長期使用、又能在不同客戶之間流通調度的資產。 他的論點是，因為 NVIDIA 的硬體被廣泛採用、能在客戶之間轉移，又透過 CUDA […]

模型誰能用、誰能發布、政府何時介入？祖克柏如何用「權力制衡」重寫 AI 安全治理

Meta 執行長祖克柏（Mark Zuckerberg）在 8 月 10 日發表一篇超過 6,500 字的長文〈The Future is for Everyone〉，重新定義人類與 AI 共存的藍圖。在這份宣言中，祖克柏將「誰能取得超級智慧，以及人類要拿超級智慧來做什麼」視為這個時代的核心問題，並犀利地提問：超級智慧究竟應集中在少數機構手中，還是成為賦能每個人的工具？ 祖克柏提出的理念建立在三項原則上，分別是以「個人賦權」創造繁榮、以「發明」而非自動化作為超級智慧的主要目的，以及將「權力制衡」作為安全的基石。「那種認為 AI 極度危險、因此唯有將權力極度集中才是安全之道的想法，在本質上似乎是有問題的，」祖克柏強調，從歷史經驗來看，寄望一個被認為足夠開明的絕對權力來照顧人類，從未帶來安全或正面的結果。 因此，祖克柏明確劃分 Meta 與其他 AI 實驗室的路線差異：多數實驗室聚焦於替企業、政府與其他機構打造 AI，這條路可能讓權力進一步集中於大型機構。相較之下，Meta 則希望把「個人超級智慧」交到每個人手中，讓權力更多偏向個人。從誰能取得模型、誰有權決定模型發布，到政府何時介入監管、AI 應遵循誰的價值觀，祖克柏在這篇長文中提出一套圍繞「權力如何分配」的 AI 治理主張。  模型權力：祖克柏替蒸餾辯護，推 Muse Glimmer 把 AI 能力推向個人裝置 祖克柏將開源視為賦能個人、避免 AI 權力集中在少數機構的重要力量，並宣布 Meta 旗下的超級智慧實驗室（Meta Superintelligence Labs）成立後，Meta 將正式恢復發布部分開放模型。 在推動開放模型的同時，祖克柏主張美國政府應重新思考對「模型蒸餾」（distillation）與訓練資料的政策，認為模型向其他模型學習是開放模型生態的重要原則，不應一概視為有害。這項主張正好切入 AI 產業對「知識蒸餾」的激烈爭議，科技媒體《The Decoder》指出，OpenAI 和 Anthropic 曾多次指控中國的 AI 實驗室未經許可使用其模型作為「老師」，並將這種作法視為中國實驗室免費且低成本獲取其高昂開發成果的手段。然而，祖克柏對此採取了相反的立場，他在文章中堅定地寫道：「有些人試圖將知識蒸餾描繪成有害的，但我認為保護『你可以從你觀察到的任何事物中學習』這項原則是非常重要的。」 祖克柏認為，與其限制開放模型，美國應該做的是減少限制與摩擦，確保最好的開放模型來自美國，並將蒸餾法納入其中。為了體現這項哲學，Meta 同樣在 8 月 […]

番茄醬巨頭要讓 AI 代理堵現金流破洞：目標一年多追回 15% 資金

旗下有番茄醬、芥末醬產品的美國食品巨頭卡夫亨氏（Kraft Heinz）近日宣布擴大與數位轉型服務商 Genpact 的合作，雙方將基於 Microsoft Azure 雲端平台建置 AI 驅動的應收帳款管理系統，透過 AI 代理人（AI Agents）自動處理扣款（Deduction）管理流程，希望改善過去仰賴人工作業所造成的效率瓶頸與營收流失，並提升企業對整體現金流的掌握能力。 繁瑣扣款流程拖垮現金流！傳統人工對帳的效率瓶頸 在零售與消費品供應鏈中，品牌商經常需要面對大量來自通路商與合作夥伴提出的扣款申請，例如促銷折扣、物流爭議和合規問題等情況。企業必須逐筆確認扣款是否合理，再決定接受、拒絕或提出爭議。然而，許多企業至今仍依賴人工試算表、電子郵件以及不同系統之間的資料交換完成相關流程，不僅作業繁瑣，也容易因資訊分散、人工疏失或缺乏即時追蹤能力，造成營收流失與資金回收延遲。 卡夫亨氏全球 Trade-to-Cash 業務負責人 Dylan Jetha 表示，公司此次導入新系統的目標，是提升整體流程的可視性與管理能力，讓企業能更有效掌握扣款處理進度，並建立更完整的財務控制機制，希望藉由 AI 技術改善應收帳款的管理成果，加速爭議扣款的處理效率，同時提升營收回收率。 AI 代理人串聯 ERP 與物流資料，實現自動化對帳 此次導入的核心在於具備自主執行能力的 AI 代理人。系統能自動連接客戶門戶網站、物流承運商系統以及企業內部 ERP 等多個資料來源，即時擷取與整合扣款相關資訊，不再需要人工逐一下載文件、整理資料或切換不同平台查詢，大幅降低跨系統作業所耗費的時間。 取得資料後，AI 代理人會自動比對扣款通知（Debit Memo）、交貨證明（Proof of Delivery，POD）以及企業內部訂單與出貨紀錄，確認扣款是否符合交易事實與合約內容。如果發現資料不一致或存在異常，系統可立即標示潛在問題，協助財務人員快速展開後續處理。 除了資料驗證之外，AI 代理人也能自動完成扣款分類工作，依照不同原因將案件分派至對應流程。例如針對商品未退回卻提出相關扣款的回扣帳款（Bill-back）案件，系統可主動追蹤案件狀態、蒐集所需佐證資料，並持續推動後續處理流程，減少人工介入與重複性行政作業，使整體扣款管理更加一致且具備可追蹤性。 處理速度可望升 20%、從源頭壓低 1.5% 財務漏損 卡夫亨氏也提出導入後的預期效益。透過自動化索引、文件辨識與案件分類，整體扣款處理週期可望縮短最多 20%，有助於加快應收帳款回收速度，提升財務團隊的處理效率。系統也能更精準辨識過去因人工疏漏而未被發現的無效扣款，預估每年可額外追回最高 15% 的資金，進一步改善企業營收表現。 在財務風險控管方面，卡夫亨氏預估，新系統可降低約 1.5% 的財務漏損（Financial Leakage）。透過改善上游流程瓶頸、減少下游例外狀況，以及提前發現異常扣款案件，企業有望避免資金在供應鏈各環節持續流失，提升現金流穩定性。 此外，該 AI 系統還會針對重複發生的扣款原因進行根因分析（Root Cause Analysis），協助企業找出流程缺口或合作夥伴常見問題，進一步改善營運流程，降低相同類型扣款再次發生的機率，提升整體交易品質與合規表現。 […]

【阿布達比的 AI 原生政府】不只是政務 App，TAMM 把 AI 嵌入每一項日常行政服務

當多數國家仍在討論人工智慧應如何監管、哪些行政流程可以導入 AI 時，阿布達比已經把 AI 放進政府的日常運作中。 對當地居民而言，人工智慧不只是回答問題的聊天機器人，而是一套會主動更新證件、預約醫療服務、處理車輛登記，甚至繳納停車罰款的行政系統。這套系統的入口，是名為 TAMM 的政府服務平台。 TAMM：不只是政務 App，而是主動代辦的政府 TAMM 在阿拉伯語中意為「事情已經辦妥」，這個名字也直接說明了阿布達比對數位政府的想像：公民不應該研究政府組織如何運作、主動尋找承辦部門，再逐項提交申請，相反地，政府應該掌握必要資訊，主動完成服務。 可以說，阿布達比是目前最接近「AI 原生政府」的案例。但這套模式的真正關鍵，不只在於演算法、晶片與資金，更在於阿拉伯聯合大公國特殊的權力結構。它展示了 AI 可以如何大幅提高政府效率，也揭露了便利、資料集中與國家監控之間難以切割的關係。 傳統政務 App 的邏輯，是把原本在線下辦理的服務搬到手機上。使用者仍然必須知道自己要辦什麼、什麼時候辦，以及該向哪個部門提出申請。TAMM 則試圖跨過這一步。 這款 App 在阿布達比已接近普及化。系統知道居民的國民身分證、健康保險和車輛登記何時到期，並在適當時間提醒使用者。其「AutoGov」功能更進一步，可以代為處理文件與付款，不必等到使用者主動提出要求。 換句話說，政府服務正從「接受申請」轉向「預測需求」。過去是公民走進政府，現在則是政府依照掌握的資料，提前判斷公民接下來需要完成什麼程序。 TAMM 的功能也涵蓋城市治理。居民若發現路燈故障，可以直接拍照上傳，AI 會分析照片、判斷問題類型，並將案件轉交給負責部門。更重要的是，承辦單位不能自行結案，必須等到通報者確認問題已經處理，案件才算完成。 這套流程把政府部門、居民身分、支付工具、城市設施與 AI 辨識能力整合在同一個平台。TAMM 因此不只是一款政務 App，而是政府重新設計行政關係的介面：居民被視為客戶，政府則必須對服務結果負責。 十年佈局：從設立 AI 部長到主權基金重押 TAMM 並非單一部門突然推出的科技專案，而是阿聯近十年 AI 戰略的具體成果。 2017 年，阿聯設立人工智慧國務部長一職，任命 Omar Sultan Al Olama 負責推動國家 AI 戰略；他也被阿聯官方稱為全球首位專責人工智慧政策的部長。兩年後，阿布達比成立穆罕默德·本·扎耶德人工智慧大學，也就是 MBZUAI，並將其定位為全球第一所以人工智慧為核心的研究型研究生大學。 制度與人才佈局之後，巨額資金隨即進場。阿布達比利用主權財富基金與國家支持的投資平台，投入 AI 基礎設施、資料中心、模型研究與科技企業。這些投資並不只是追逐下一波科技熱潮，而是服務於一個更長期的目標：在石油之外，建立新的國家收入來源與全球影響力。 阿聯的國家 AI 戰略提出，到 […]

【科技早餐】台積電、Sony 傳砸 1 兆日圓，蘋果測試中國長鑫 DRAM

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Sony、台積電傳砸 1 兆日圓，熊本合資量產新一代影像感測器 《日本經濟新聞》報導，Sony 與台積電計畫共同投資約 1 兆日圓，在日本熊本開發及製造新一代影像感測器晶片。合資公司預計由 Sony 持股約 60%、台積電持股約 40%，最快在 2029 年開始商業量產。這筆投資約合 63 億美元，相當於台積電熊本第一座晶圓廠總投資額的七成以上，但 Sony 拒絕評論最新報導，台積電也尚未回應投資金額與持股比例。 兩家公司今年 5 月已簽署不具約束力的合作備忘錄，計畫在 Sony 位於熊本縣合志市的新廠內設立開發及生產線，結合 Sony 的影像感測器設計能力，以及台積電的製造與製程技術。新產品除了智慧型手機與汽車，也將探索機器人及實體 AI 應用。若計畫按期推進，雙方合作將進一步延伸至新一代感測器的共同開發與製造。 ＊蘋果傳測試長鑫 DRAM，記憶體缺貨碰上美中科技戰 《華爾街日報》引述消息人士指出，蘋果（Apple）正在 iPhone、MacBook 等多條產品線測試中國長鑫存儲（CXMT）的 DRAM，並已展開初步供貨討論，可能用於部分在中國市場銷售的裝置。隨著 AI 熱潮推升資料中心及高階記憶體需求，記憶體業者將更多資源轉向相關產品，一般 DRAM 供應壓力升高，促使消費性電子品牌尋找更多供應來源。 美國電腦品牌惠普（HP）與宏碁（Acer）已在部分銷往美國以外市場的產品中採用長鑫晶片。長鑫目前被美國國防部列入中國軍事企業名單，美國國會議員近期也要求政府限制企業採購中國記憶體，使蘋果的供應鏈選擇面臨政策風險。《路透社》尚未獨立證實報導，蘋果與長鑫也沒有回應。這項測試仍處於早期階段，但記憶體缺貨已讓供應保障與美中科技限制正面交會。 ＊美國 6 成民眾支持監管，Meta 兒少安全訴訟將開庭 《路透社》與益普索（Ipsos）最新民調顯示，61% 的美國成年人支持政府加強監管社群媒體公司；66% 支持要求平台導入年齡驗證，限制 16 歲以下兒少使用。另有 85% 認為社群媒體可能讓兒童成癮，也有相近比例認為平台可能傷害兒少心理健康。這項調查訪問 4,505 名美國成年人，誤差範圍為正負 2 個百分點。 […]

【劉永信專欄】Jeff Dean 離開 Google 那天，AI 的下一個時代開始了

文 / CloudMile 萬里雲集團創辦人暨董事長劉永信 我一直相信一件事，那就是擁有「極度專注力」，本身就是一種非常強大的能力。 近期大家應該知道，一位大神離開 Google 創業，我想聊一下，當一個人已經站在產業的最高點，為什麼還願意離開，去賭一個還沒有答案的未來？ 大家可能很久沒有聽到 Jeff Dean 這個名字了，他在 Google 內部被視為傳奇般的存在。Business Insider 曾說，在 Google 總部，真正的明星工程師不是創辦人 Larry 和 Sergey，而是 Jeff Dean。 工程師圈甚至仿照「Chuck Norris 冷笑話」，幫他編了一整套「Jeff Dean Facts」，用半開玩笑的方式膜拜他，例如「編譯器不會警告 Jeff Dean，是 Jeff Dean 去警告編譯器」。 簡單說，他就是那種「工程師眼中的神」等級的人物，他 1999 年就加入 Google、是編號第 30 號的資深元老，也是 Google Brain 的共同創辦人，近年更擔任 Google 的首席科學家，統領整間公司的 AI 研究，Google 早期的搜尋、翻譯，以及後來的 AI 基礎建設，幾乎都有他的手筆。 這次他宣布即將離開 Google，與另外三位同樣重量級的同事一起創業，他這一走，還帶著 Sanjay Ghemawat（與他合作超過二十年的老搭檔）、Quoc Le（Google Brain […]

高爐更新停機縮短 30 天、冰水主機效能提升 10%，西門子揭 AI 與數位雙生如何幫工廠真正降本增效

專訪：戴季全撰稿：李昀蔚 AI、數位雙生與 Physical AI（實體 AI）正加速走進製造現場，隨著晶片持續微縮、製程愈來愈複雜，企業一方面要追求更高良率、更快上市速度與更高生產效率，另一方面還得同時面對缺工、地緣政治、關稅與 ESG 等多重壓力，這也讓電子、高科技製造業的競爭模式，從單純比拚產能，走向速度、效率與韌性的綜合競賽。 本集《全新一週》邀請台灣西門子數位工業半導體產業協理朱軒逸，以及業務驅動加速協理范栩，從數位雙生（Digital Twin）、Industrial Copilot、預測性維護，到西門子與 NVIDIA 推動的 Industrial AI Operating System、Physical AI 與自主化工廠，逐步拆解 AI 如何深入產品設計、工程、製造與維運流程。 要讓 AI 真正進工廠，得先打好數位化地基 Digital Twin、生成式 AI 與傳統工業自動化，究竟可以各自導入，還是必須整合？范栩認為答案是後者，並建議企業先從組織管理的角度理解 AI，「從管理的角度來看，其實導入 AI 就好像從一個數位的人力市場，找到一個新員工，希望員工進來以後能夠幫你接手一些單一團隊沒有辦法很快速執行的事情，或是一些重複的事情，就讓 AI 來做」。 如同新進員工必須先熟悉公司，AI 也需要理解企業流程、產品與組織特性。因此，企業導入 AI 的第一步，不在於選擇最強大的模型，而是建立數位化基礎，包括流程標準化、數位模組化，以及能被 AI 讀取的資料。完成這些基礎後，Digital Twin 才能進一步扮演 AI 與實體世界之間的連結介面。 廣達先在虛擬世界測 QC、高爐更新少 30 天，Digital Twin 如何降低製造業試錯成本？ 以西門子與廣達電腦合作為例，雙方在車用電子最終 QC 測試階段導入 Digital Twin，在實際建置產線前，就先在電腦模擬完整流程。在數位雙生的虛擬環境中，系統可以建置虛擬的機械手臂與攝影機，並依照 PCB 板的測試需求模擬多角度成像，藉此檢驗元件是否正常安裝、焊接或發生歪斜。隨後，這些在虛擬環境中生成的影像會直接交由 […]

歐盟擴大部署「主權衛星」：IRIS² 提前 2029 上線，逾 156 億歐元規模如何落地？

歐洲太空總署（ESA）近日宣布，歐盟將擴大主權衛星計畫 IRIS²（Infrastructure for Resilience, Interconnectivity and Security by Satellite），在原先規畫上增加 66 顆衛星，使整體星系規模達到 348 顆，首批服務時程也從 2030 年提前至 2029 年。《Bloomberg》指出，IRIS² 目前預算規模已超過 156 億歐元，隨著計畫擴大，還需要歐盟下一期預算與會員國共同投入更多資金。 這次擴編 66 顆的核心，是新增一層專供國防、安全與緊急服務的衛星。ESA 指出，這次調整是為因應快速變化的安全環境，擴建後，IRIS² 預計可讓歐盟境內的安全政府通訊容量增加約 60%、全球容量增加 54%，危機期間可提供給國防用途的容量更將提高至原先的 5 倍以上。這顯示，衛星通訊在歐洲的角色正在改變，從提供網路連線的商業服務，逐漸成為政府、國防與緊急應變都必須掌握的關鍵基礎設施。 不只是「歐洲版 Starlink」，IRIS² 為什麼現在加速？ IRIS² 並不是今年才出現的計畫，2024 年，歐盟便與由 Eutelsat、SES、Hispasat 組成的 SpaceRISE 聯盟簽署為期 12 年的特許合約，希望建立一套由歐洲掌握的安全衛星通訊系統，同時提供政府與商業服務。到了 2026 年，安全與國防需求進一步改變了這項計畫的規模。 《Bloomberg》指出，歐盟希望透過 IRIS² 建立統一的主權通訊服務，降低對外國供應商或各會員國零散衛星服務的依賴。《Tech Times》則報導，俄烏戰爭更突顯這項需求。因為烏克蘭軍隊自衝突初期便高度依賴 Starlink 終端進行戰場指揮與無人機作業，但 2025 年一場軟體故障使服務在整條前線中斷約 2.5 小時，把歐洲國防政策規劃者的憂慮推上檯面：軍事通訊若全數經由單一一家、對歐洲政府不負任何條約義務的美國私人公司，將造成結構性依賴。 IRIS² 的另一項特色，是它並沒有直接複製 […]

「這跟 Power BI 有什麼差別？」一句話，改變了我們做產品的方式

一套產品要賣給誰，會決定它長什麼樣子，如果使用者是工程師，產品可以從功能開始想，因為工程師知道自己要什麼，也看得懂系統給的答案，但如果使用者是 C-Level，他打開系統的時間可能只有三分鐘，而他要做的是一個牽涉數百萬預算的決定。 LumiTure.ai 是萬里雲把多年 FinOps 顧問經驗產品化的嘗試，而在這個過程中，團隊最先撞上的問題不是技術，而是一個更基本的疑問，一套企業級的產品，到底要依據什麼才算「做好了」？ 我們打造的第一版 LumiTure.ai 其實非常簡單，它的工作就是把不同雲端平台的資料收集進來，透過圖表視覺化呈現，讓使用者看見各項成本數據。 不過產品做出來沒多久，團隊內部就出現了不同的聲音，有的質疑很直接「如果只是把資料抓進來做成 Dashboard，那和 Power BI 有什麼差別？」 這個問題不好回答，因為它是對的，市場上能做圖表的工具很多，其中不少是企業本來就有授權、IT 部門也已經熟悉的產品，如果客戶要的只是把成本畫成折線圖，沒有理由為此額外編列一筆採購預算。 更麻煩的是，這個質疑指向的不只是功能，而是開發方式本身，當時產品的推進邏輯，比較接近專案管理的視角，客戶提出需求，團隊做出來就算完成，這套邏輯在顧問服務裡完全行得通，因為每一個專案的邊界都由客戶定義，客戶說可以了就是可以。 但一套要賣給企業的產品沒有這種邊界，需求做完，不等於產品做好，團隊真正缺的，是一個外部的、可以被檢驗的標準，來定義什麼叫做「做完了」。 什麼才叫企業級的成本管理？我們盤點出三個缺口 帶著這個問題，團隊重新盤點了一次產品，結果發現缺口相當明確，而且三個缺口指向的是同一件事。 第一，沒有完整的標籤（Tag）管理。 系統無法回答成本該歸屬給哪個部門、哪個專案。看得到總額，分不出責任，而一筆分不出責任的支出，實務上等於沒有人需要為它負責。 第二，沒有高階主管需要的決策視角。 打開系統的人如果不是工程師，其實看不出所以然，但真正做出預算與投資決策的人，往往不是每天操作系統的人。 第三，沒有依照國際標準設計資料架構。 跨雲之間的成本無法用一致的邏輯比較，多雲整合形同虛設。 三個缺口的共同點是：產品能看到成本，卻還不能回答企業最在意的問題，而它們之所以會同時出現，根本原因是團隊當時沒有一把外部的尺，需求做完就算完成，但需求本身是零散的，零散的需求做再多，也不會自動長成一套完整的產品。 於是團隊做了一個決定：LumiTure.ai 真正要產品化的，不是圖表，而是萬里雲多年來累積的 FinOps 方法論，而要讓方法論站得住腳，必須先找到一個比自己更高的標準。 FOCUS 標準是什麼？為什麼它會決定產品架構？ 這件事軟體工程界比較早遇到，一套系統可不可靠，如果沒有事先講定要衡量什麼、以及要好到什麼程度，最後就會變成每個人各憑感覺，工程師覺得沒當機就算穩定，業務覺得客戶沒抱怨就算穩定，主管則要等到出事才知道原來不穩定。 工程團隊的解法是把衡量標準明確寫下來，而且盡量採用領域內共通的定義，而不是每一家自己發明一套，共通的定義帶來一個關鍵好處，就是它可以被外部檢驗，也可以被跨團隊比較。 團隊最後決定，以 FinOps Foundation 推動的 FOCUS（FinOps Open Cost and Usage Specification）作為產品的核心標準，把不同雲端平台的成本資料，轉換成一致的語言，只有先建立共同的資料語言，後續的分析、預測與跨雲比較才有意義。 團隊的開發邏輯也因此反轉過來，不是先想要做什麼功能，而是先確認標準要求什麼，再回頭檢查產品缺了哪一塊。 開發得比較晚，反而成為優勢 有一件事，是團隊做了這個決定之後才慢慢意識到的，市面上許多 FinOps 工具開發的時間更早。在那個時候，FOCUS 標準還沒有出現，各家只能用自己的方式定義成本資料結構，而當時的設計重點多半放在工程端的資源監控，並沒有把管理層的決策需求納入考量。 老實說，我們開始做 LumiTure.ai 起步雖然晚，反而能夠先對齊國際標準，再反過來推導產品架構，而這件事沒有辦法事後補。 資料模型是一套產品的地基，功能可以增加，介面可以重做，但如果底層的成本資料一開始就是用自己的邏輯拆分的，要在上面重建一套符合國際標準的結構，等於整棟拆掉重蓋，這也是為什麼我們堅持標準這件事必須在第一天決定。 […]

雲端顧問起家的萬里雲，為什麼不希望客戶多花雲端費？

每個月，同一份雲端成本報表會送到三個不同的人手上。 工程團隊看到的是 CPU、RAM、容器與虛擬機等的資源使用量，判斷資源配置是否合理。財務部門看到的是一個持續增加的數字，需要找出為什麼這個月又超出預算。而高階主管翻開報表，通常只會問一個問題： 「每個月花在雲端的投資，有沒有換來更大的市場競爭優勢？」 表面上他們關心不同的事情，但其實他們手上拿的是同一份資料，卻沒有辦法用同一套語言討論它，工程團隊講的是資源，財務講的是金額，管理層要的是投資回報，每個人的數據都是對的，卻沒有人能回答同一個問題，企業如果缺少共同的判斷標準，再完整的報表，也很難變成真正的決策。 CloudMile 萬里雲一開始從雲端顧問起家，長期協助不同規模的企業導入 Google Cloud、AWS、Azure 等公有雲服務，但這幾年，我們發現客戶來找我們的問題，已經不是如何順利上雲，而是「我們上雲到底錢花在那裡？」現在甚至會問我們：「這些錢，花得值不值得？」 很多企業一開始以為自己面對的問題是資料分散，事實上大部分企業真正需要的，不只是把資料整理好，然後有一張好的報表，而是一套能把資料轉換成決策的方法。 曾經有大型科技公司的客戶帶著每月的雲端帳單來找我們，希望找出可以節費的部分，但分析到最後，團隊和客戶一起發現，真正的問題並不是花太多錢，而是帳單上的每一個項目都合理，卻沒有一個項目能被歸屬到具體的業務成果。 另一個案例來自新加坡的一所大學，他們希望管理者能清楚掌握整體雲端成本的分攤狀況，作為下一年度預算規劃的依據，因為過去各院系的雲端用量分散在不同專案底下，行政單位很難在編列預算前知道錢會往哪裡去。 無論是大型科技公司，或是學校端，兩個不同產業背景的決策者其實都遇到一樣的問題，就是需要的不只是看到帳單，而是理解帳單，企業之所以看不懂自己的科技支出，在我們接觸的專案裡，通常來自兩個原因。 第一，資料分散在不同的雲 越來越多企業不再只使用單一公有雲，而是同時採用 Google Cloud、AWS、Azure，甚至搭配地端，有的是為了避免被單一供應商鎖定，有的是不同雲端服務商提供不同折扣，也有企業希望藉此提升營運韌性。 每一家雲端平台都有自己的帳單格式、成本分類方式與計價邏輯，同一類的運算資源，在不同平台上可能有完全不同的名稱與收費方式。 管理者即使拿到所有資料，也很難直接比較，於是「哪一個部門花最多錢」、「哪一個專案最值得投資」，這類最基本的管理問題，反而變得無法回答。 第二，成本增加的速度，超過管理方式演進的速度 如果把企業使用科技的方式看成三個階段，第一個階段是管理機房，第二個階段是管理雲端，而今天，企業開始管理 AI，每一次技術演進都讓企業獲得更多彈性，但也讓成本變得更加複雜。 過去，一台伺服器就是一個系統服務，它的成本是固定可預期的，但現在一個系統服務可能同時橫跨多個雲端平台與各種 API 服務，用量每天都在變動，而多數企業的預算管理方式，仍然停留在管理機房的觀念，一年編一次預算，而且只能事後對帳。 每個月當老闆問各級主管「上個月花了多少錢？」時，真正想探討的問題可能是： 但這些問題，都不是一張帳單或報表就可以回答的。 這個管理難題有方法論，它叫 FinOps 在協助企業處理這類問題的過程中，許多管理者以為這是自己公司內部的溝通問題，是財務和工程講不到一起，但這其實是一個很普遍的管理課題，而且它已經有了名字，也已經有一套成形的方法論。 它叫做 FinOps。 乍聽之下，這很像是某家廠商發明的行銷名詞，但它其實是經過許多大型企業、雲端服務商與從業者共同討論所建立的規範，推動它的 FinOps Foundation 是國際性組織，制定成本資料的開放標準、開發最佳實務，並提供專業認證。 也因為名字裡有一個 Fin，FinOps 經常被誤解，很多人第一次聽到它，都以為它是在教企業如何降低雲端費用，其實不是，它是一套科技投資的管理方法，用這套規則，企業才能找出「下一筆科技預算應該投在哪裡」。 FinOps 管理的不只是成本 在推廣 FinOps 的過程中，我們遇過不同型態的企業，有些企業希望先透過工具看見成本，再逐步建立管理制度；也有企業選擇先建立集團層級的治理框架，再挑選合適的工具，對萬里雲而言，這兩條路並不互相取代，而是共同組成企業建立 FinOps 能力的完整路徑。 很多企業導入 FinOps 的原因，未必都是為了節費。 我們遇過一家企業，因為地端設備老舊，加上考量台灣地震頻繁對營運韌性的影響，決定將部分系統遷移上雲，這個決策裡要比較的根本不是雲端月費，而是地端與雲端的總體擁有成本（TCO），包含機房維運、人員能力、流程變革、設備汰換與災難復原的隱藏支出。 也有企業只是希望看清楚資源的使用分布，讓預算分配更合理，而不是一味降低支出。 這也是 FinOps 最常被誤解的地方，它不是限制企業使用新技術，而是在做每一筆投資之前，公司可以先評估：要不要導入 […]

VicOne 結合 DEF CON 34 機器人駭客研究成果，推出免費 NVIDIA Isaac Sim 擴充套件

VicOne Radeis 擴充套件專為 NVIDIA Isaac Sim™ 開發，讓機器人開發團隊可將 VicOne 建立的 Cyber-Safety（資安與運行安全）攻擊情境套用至自有機器人模型，並於部署前驗證攻擊是否可能影響機器人行為。 Physical AI 資安解決方案領導品牌 VicOne 近日宣布推出專為 NVIDIA Isaac Sim™ 開發的 VicOneRadeis 擴充套件，協助機器人開發團隊在模擬環境中測試 Cyber-Safety（資安與運行安全）攻擊情境，驗證攻擊是否可能影響自有機器人模型的行為。 VicOne Radeis 擴充套件現已開放免費下載，可讓開發團隊將 Cyber-Safety 攻擊情境納入既有的模擬工作流程，在不讓實體機器人或真實運作環境承受不必要風險的情況下，預先觀察機器人是否偏離預期任務、運作邊界或預期回應。 這款擴充套件的設計源自 VicOne 於 DEF CON 34 Robotic Hacking Community 舉辦的 Physical AI 安全壓力測試（Physical AI Safety Stress Test）研究成果。活動中，資安研究人員在受控環境下驗證數位系統遭入侵後，是否可能改變機器人的實際行為。挑戰涵蓋多種攻擊路徑，包括 AI 模型（AI Model）、感知系統（Perception）、雲端與 API 服務、機器人通訊協定，以及嵌入式系統等不同層面的攻擊路徑。 在 DEF CON 34 活動中，共有 16 支隊伍參賽，累計成功解題 25 次。幾乎所有核心 AI 與機器人 Cyber-Safety（資安與運行安全）挑戰皆至少被成功解出一次，僅有一道涉及密碼學與韌體漏洞的進階嵌入式系統題目未被攻破。結果顯示，可能改變機器人行為的資安風險存在於系統的多個層面，凸顯機器人資安應從整體系統層級進行評估，而不是只針對個別漏洞進行獨立分析。 機器人製造商已在功能測試、安全工程及模擬驗證等多方面投入大量資源，但因網路攻擊引發的情境，仍可能超出傳統測試計畫的涵蓋範圍。VicOne 持續將 DEF CON 挑戰活動中的研究成果，包括未成功的攻擊嘗試及新發現的攻擊假設，轉化為涵蓋視覺輸入遭操控、控制命令遭劫持、AI 策略模型遭污染及連網介面遭利用等測試情境。透過系統層級的驗證，開發團隊可進一步評估個別元件的漏洞是否可能最終影響整體機器人的行為。 VicOne Radeis 擴充套件讓開發團隊能在開發階段提前驗證，不再侷限於通用示範環境，而是可直接在 NVIDIA Isaac Sim 中使用自有機器人模型，並依據實際任務與運作條件進行測試。 「機器人產業正從驗證單一應用場景，邁向在真實世界中大規模部署。隨著這項轉變加速，產業不僅需要確認機器人是否依設計正常運作，更必須驗證當機器人依賴的數位系統遭到入侵時，是否仍能維持可靠運作。」VicOne 執行長 Max Cheng 表示。「Cyber-Safety 驗證應成為機器人開發流程中的標準環節。我們將 DEF CON 的研究成果轉化為可重複使用的模擬測試情境，協助開發團隊更早識別這些風險，並打造更具韌性的 Physical AI。」 將機器人駭客研究轉化為可重複的安全驗證 每一次攻擊嘗試，都能轉化為重要的安全洞察，進一步強化防護能力。成功的攻擊可能揭示從數位系統遭入侵，到最終影響機器人行為的完整攻擊路徑。即使攻擊未成功，也能從中釐清攻擊手法、尚未被研究的控制路徑，以及仍需進一步驗證的安全防護機制。 VicOne 將這些研究成果轉化為結構化、可重複執行的測試情境，讓開發人員能因應機器人軟體、感測器、AI 模型、通訊機制與控制架構的更新，反覆進行安全驗證。 透過免費的擴充套件，開發人員可以： NVIDIA Isaac Sim 提供能模擬真實世界物理特性的環境，支援設計、模擬、測試與驗證 AI 驅動機器人。VicOne Radeis 擴充套件進一步將 Cyber-Safety 測試情境與行為影響分析整合至既有模擬流程，協助開發團隊在進行實機測試或部署前，提前驗證潛在資安風險對機器人行為的影響。 免費入門工具，開啟更全面的 Cyber-Safety 驗證 […]

【333 Robots Community Meetup】具身 AI 進工廠成功率只剩兩三成？MIT Media Lab 博士候選人、Nexuni 創辦人陳韋同用閉環訓練拉高至近 60%

在人工智慧加速邁入實體世界的關鍵時刻，如何讓機器人走出實驗室並解決真實痛點，已成為科技界最關注的焦點。由科技報橘、鴻海科技集團與三創育成共同主辦的「333 Robots Community Meetup」，在每個月第三週的星期三固定於三創舉行，致力於匯聚學研界與新創圈的專家，推廣並鼓勵更多台灣人才投入機器人這個充滿機遇的新產業。 在 7 月份的活動中，特別邀請到麻省理工學院（MIT）電機資工博士候選人、機器人新創公司 Nexuni（耐思尼）創辦人陳韋同，從國際前沿的技術視野出發，剖析機器人技術落地的心路歷程。陳韋同指出，傳統機器人多以寫死劇本的硬性控制為主，缺乏與環境互動並做出決策的能力，「我認為下一代機器人要真正落地，需要兩樣東西，第一是感知，第二是聰明的大腦」。這兩大核心要素，正是讓機器人具備靈魂、走向商業化落地的關鍵所在。 黑暗能飛、深海能定位，MIT Media Lab 如何突破機器人的感知極限？ 要讓機器人具備聰明的大腦，必須先為機器人打造超越人類極限的智慧感知技術。陳韋同在 MIT Media Lab 的研究團隊就針對多個高難度場景，開發出前沿感知方案，例如利用毫米波定位技術部署信標，成功讓無人機在完全黑暗的環境中穩定飛行。 在深海場域，由於 GPS 訊號無法穿透水面，海底定位長年是個巨大挑戰，甚至間接導致嚴重的生態浩劫，像是在波士頓外海，每年就有高達 60 萬個龍蝦籠在海中遺失，這些「幽靈漁網」在海底持續無效捕魚，對生態造成毀滅性打擊。為了解決這個環境痛點，MIT Media Lab 研發出無電池的聲波反向散射技術，打造出高效的「海底 GPS」，在深海中能達到 20 公尺定位距離與僅 28 公分的極高精準度，成功引導水下機器人定位並回收漁網。陳韋同強調，學術研究的價值不在於技術多前衛，更在於能否真正理解問題的本質，並為面臨痛點的人們創造實質的社會影響力。 克服機器人「十萬年數據」瓶頸，Nexuni 如何用低成本方式累積 2.5 萬小時動作資料？ 當感知技術奠定基礎後，下一個重大考驗便是如何訓練具身智慧的大腦。目前科技界主流是透過海量的人類示範數據，來訓練能夠直接輸出馬達關節動作值的 VLA（視覺-語言-動作）大模型。然而，機器人領域卻面臨棘手的「十萬年數據」瓶頸，也就是大語言模型可以輕鬆從網路上爬取人類文字數據，但生活中成千上萬種物理操作任務，卻極度缺乏多元的動作數據，若只靠單一人力收集，需要不眠不休花上 10 萬年。因此，過去新創公司依賴昂貴且建置困難的「人力資料工廠」，讓員工戴著 VR 搖桿教機器人摺衣服，但這不僅成本高昂，戴上 VR 設備的操作者也會有強烈的眩暈感。 為了解決這個痛點，Nexuni 深度採用 NVIDIA 技術，打造兩大突破性的低成本數據收集路徑。首先是其於 NVIDIA GTC 展出的通用操作介面 UMI，這是一個僅需搭配 GoPro 與鏡子的手持大夾子，讓收集人員能隨時隨地在真實環境中以極低成本累積數據，隨後再透過擴散策略模型讓機械手臂復刻動作。 其次，團隊開發第一人稱視角的 Skill 技術，操作人員只需戴著相機帽，系統便會自動辨識手部與手腕每個關節的位置。這項極具擴充性的技術已幫助團隊快速收集高達 […]

Cloudflare 推 AI Agent 專屬瀏覽器 Kitesurf，主打更低運算成本

Cloudflare 近期推出 Kitesurf 瀏覽器，加入 AI 瀏覽器的競爭。不同於 Chrome 等面向一般使用者的瀏覽器，Kitesurf 是一款運行在雲端、專門讓 AI Agent 操作網路的瀏覽器。 《The Next Web》指出，目前網路流量已有很大一部分來自機器人，AI Agent 的活動量更在過去一年暴增近 8,000%。隨著 AI 從單純回答問題的聊天機器人，逐漸發展成能替使用者處理各種工作的 Agent，AI 也開始需要直接瀏覽網站、填寫表單和執行網路上的任務。瀏覽器將成為 AI Agent 與網路互動的重要工具。 專為 AI Agent 打造：輕量瀏覽器 Kitesurf 捨棄分頁與高幀數渲染 目前 Kitesurf 已開放免費 Beta 測試，開發者可透過 Cloudflare 的 Browser Run 使用。Kitesurf 從開發到推出公開測試版僅花了 12 週，完全運行於 Cloudflare Workers，底層採用 Rust 編譯為 WebAssembly，刪除了傳統瀏覽器中許多 AI Agent 用不到的功能，例如分頁、擴充功能、主題、像素級渲染，以及每秒 60 幀的捲動效果。將運算資源集中在 AI […]

Gemini ARR 僅 120 億美元，GCP＋TPU 潛在規模卻逼近 2,000 億：Google 的 AI 商業重心正在位移

Google 旗下頂尖的 AI 實驗室 DeepMind 近期迎來成立以來最劇烈的人事大地震。在 Google 合計服務超過 80 年的四位技術核心，包括 DeepMind 首席科學家、早在 1999 年就加入 Google 成為第 30 號員工的 Jeff Dean，Google 高級研究員 Sanjay Ghemawat、Gemini 模型的技術主管 Oriol Vinyals，以及 Google Brain 共同創辦人 Quoc Le，宣布集體離職，共同創立名為 Discovery Loop 的科學 AI 新創公司。 與此同時，DeepMind 共同創辦人兼執行長 Demis Hassabis 也宣布退居二線，轉任不負責日常營運的董事會主席。這波人事震盪直接引發市場恐慌，導致 Google 母公司 Alphabet 的股價在上週一度重挫 5%。 對於這場震撼科技界的重組，知名科技分析機構 SemiAnalysis 解讀為 Google 在最前沿 AI 模型競賽中宣告失利的象徵。然而，知名科技觀察家、Web 2.0 先驅 […]

【全球最大商用沙電池】儲熱數週、成本僅鋰電池 1/30，重寫長時儲能的商業模式

再生能源最大的罩門，一直是「看天吃飯」的間歇性問題。太陽能與風力發電，只有日照與風力充足時才能運轉。不過，芬蘭南部一座只有 5,000 人的小鎮 Pornainen，如今靠著全球最大商用沙電池，找到了因應這個問題的解方。 全球最大商用沙電池上線 這座沙電池設施相當醒目，高 13 公尺、寬 15 公尺，內部使用 2,000 噸粉碎皂石，以熱能形式儲存乾淨能源，可提供 100 百萬瓦時（MWh）的熱能，足以供應鎮上 5,000 名居民在夏季近一個月、冬季約一週的暖氣需求。 這座設施由芬蘭區域供熱公司 Loviisan Lämpö 委託建置，由 Polar Night Energy 開發，去年正式啟用，目標是為當地供熱網引入更具彈性的產熱技術，並降低碳排放。 Polar Night Energy 估算，這項專案已讓供熱網的溫室氣體排放減少近七成，木屑使用量也降低約六成；一座既有的木屑發電廠，目前仍作為備援與尖峰負載設施保留運作。 Polar Night Energy 執行長 Tommi Eronen 表示，小鎮 Pornainen 過去仰賴燃燒石油與木屑供暖，如今這座沙電池已能在一年之中的大部分時間，提供不需燃燒的供暖方式。他也期待，未來有很大一部分儲能設施，能採用沙電池這類不需仰賴稀土材料的技術。 小鎮這座沙電池的規模，是芬蘭 2022 年前一代設施的十倍大，讓外界更看好這項技術未來在減碳工作中扮演更重要的角色。 不過要讓沙電池真正規模化，仍面臨不小挑戰，包括如何有效把熱能轉換回電力，以及相較傳統電池明顯偏低的能量密度。 運作原理：把便宜電力存成熱能延後使用 整套技術原理，本質上類似一個裝了儲熱材料的巨大保溫瓶。第一步，是在風力或太陽能供電過剩時取電，把沙子加熱到極高溫度；接著，隔熱良好的儲存槽，能把熱能鎖住數天到數週；最後，需要用熱時，再透過熱交換器，把熱能釋放出來，供應給區域供熱網的水。 Polar Night Energy 商務長 Annette Höglund-Dönnes 說明，系統的關鍵在於沙子能在用電時間跟用蒸汽時間之間，創造出一段延遲，這段延遲就是商業優勢所在：「可以在電力便宜時把沙子加熱，然後在原本電網供應蒸汽會很昂貴的白天時段，把蒸汽用掉。」她把這個過程，比喻成在夜間為手機充電，因為夜間電價通常比白天便宜。 被問到專案是否有機會被複製到其他國家，她表示，Polar Night Energy 已接到來自「每一個大洲」團隊的接洽，尤其是那些仍高度仰賴煤炭與石油的地區。 技術優勢與國際複製潛力 […]

完成數萬次無人機配送、用 AI 改善品質，外送平台 DoorDash 如何實現空陸分流？

北美外送平台 DoorDash 持續擴大自動化配送布局，日前宣布已取得美國聯邦航空總署（FAA）Part 135 航空承運人（Air Carrier）認證，並同步推出自研無人機配送計畫「DoorDash Air」，正式取得營運空中配送服務資格。 DoorDash Air 負責人 Harrison Shih 指出，DoorDash 的目標是讓任何商家都能使用無人機配送，因此公司自行打造飛行器，也同步建置地面基礎設施、交接系統。 DoorDash 表示，這項認證讓無人機能更深入整合至既有外送網路，協助更多在地商家提升配送效率。根據 DoorDash 公布的 2025 年最新估算，採用無人機配送時，平均配送時間僅需 25 分鐘。 攻克「3 至 5 英里」配送痛點！AI 平台實現空陸最佳化分流 DoorDash 並未將無人機視為獨立的新服務，而是整合進現有配送網路。背後關鍵是 Autonomous Delivery Platform（自主配送平台），系統會利用 AI 即時分析每筆訂單的配送距離、配送工具與網路運能，自動媒合最適合的配送方式，將訂單分配給外送員、無人機、配送機器人 Dot 或其他自動配送合作夥伴。 DoorDash 之所以導入這套機制，主要是為了解決中距離配送效率較低的問題。根據公司 2025 年平台數據，超過 20% 的訂單配送距離介於 3 至 5 英里，這類訂單平均配送時間比短程訂單多出將近 25%。造成延遲的原因並不是配送工具速度不足，而是需要較長時間媒合願意接單的外送員。 因此，Autonomous Delivery Platform 會優先將中距離訂單交由無人機處理，讓外送員集中配送短程訂單。由於短距離配送完成速度較快，外送員能留在商家密集區域持續接單，也能縮短等待下一筆訂單的時間，提高接單效率與收入；平台則藉由不同配送工具協同運作，提升整體物流運能。 DoorDash 表示，公司累積超過 100 億筆訂單配送經驗，並已完成數萬次無人機配送。在過去的合作試點中，部分參與無人機配送的商家，DoorDash […]

Apple、HP、Acer 都開始找上 CXMT：AI 記憶體荒如何改寫 DRAM 供應鏈格局

AI 資料中心正大量吸走記憶體產能，DRAM 供應吃緊、價格急漲，連向來高度客製化零件的 Apple，也開始測試中國記憶體大廠 CXMT 的產品。根據《華爾街日報》，Apple 已跨 iPhone、MacBook 等產品線測試 CXMT 的記憶體晶片，並與對方早期洽談供應中國市場部分裝置的可能。這場由 AI 帶動的缺貨潮，意外替一家原本被美國出口管制擋在門外的中國業者，撬開通往全球品牌供應鏈的門縫。 AI 吸走產能，記憶體荒開始壓到終端出貨 記憶體漲價的壓力，已經傳導到消費端。《華爾街日報》指出，Apple 近期在全球調漲產品售價，並將原因歸於 AI 公司高度需求推升的記憶體成本。在出貨數字上，市場研究機構 Counterpoint Research 的統計顯示，今年第二季全球 PC 出貨較去年同期下滑 4%、智慧型手機出貨下滑 11%。 研究機構 Gartner 更預估，2026 年全球 PC 出貨將較 2025 年下滑 10.4%、智慧型手機下滑 8.4%；DRAM 與 SSD 合計價格可能在年底前上漲達 130%，連帶推升 PC 售價約 17%、手機售價約 13%。Gartner 分析師 Ranjit Atwal 表示，這是十多年來裝置出貨最劇烈的一次收縮，較高的售價會讓消費者拉長換機週期。 三巨頭填不滿的缺口，成了 CXMT 的切入點 當 Samsung、SK Hynix、Micron 三巨頭一時難以完全填補缺口，CXMT […]

【科技早餐】SpaceX、Tesla 砸 168 億美元自建 AI 晶片園區，NVIDIA 傳投資電力、亞馬遜建離網資料中心

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SpaceX、Tesla 砸 168 億美元建 Terafab，整合 AI 晶片製造 SpaceX 與 Tesla 宣布，將首期投資 168 億美元，在美國德州格萊姆斯郡（Grimes County）興建 AI 半導體園區 Terafab。這座園區規劃占地達 1 億平方英尺，將在同一地點整合先進邏輯晶片與記憶體的製造、封裝及測試。SpaceX 表示，後續擴建可能進一步提高總投資額，園區至少將創造 3,000 個工作機會。SpaceX 今年也與 Intel 合作，希望強化晶片製造能力；Tesla 則已在今年 4 月為 Terafab 的先導研發設施動工。 Terafab 生產的處理器將用於 Tesla 人形機器人 Optimus、自駕計程車 Cybercab，以及 SpaceX 規劃中的太空資料中心。兩家公司預估，未來數年所需的運算能力將超過 1 太瓦，希望藉由自建園區縮小晶片供應缺口。園區鄰近 Gibbons Creek Reservoir，兩家公司規劃使用水庫供應工業用水。這項計畫將讓 SpaceX 與 Tesla 進一步掌握從晶片製造到封裝、測試的供應鏈，也代表兩家公司正由長期採購與投資晶片業者，走向自行建立垂直整合的半導體產能。 ＊NVIDIA 傳砸 30 億美元投資電力，亞馬遜 AI […]

【AI 原生新創極速生長】產品全面圍繞 AI 開發，過半新創人均產值衝破 40 萬美元

亞馬遜網路服務（AWS）與研究顧問公司 Strand Partners，聯合發佈全球新創趨勢報告《Engines of Growth》，針對 20 個國家、共 3,413 位新創創辦人與高階決策者進行調查，將觀察焦點鎖定在「AI 原生新創（AI-native startups）」。 報告對「AI 原生新創」提出三大核心定義： 第一，企業創立時間小於五年，且在最先進的維度（如自研客製化模型、多模型整合或部署自主代理系統）應用 AI； 第二，技術就緒度極高，已為下一波技術（如邊緣 AI、實體 AI 與機器人技術）做足準備； 第三，產品或服務在誕生之初就是「AI 首發（AI first）」，即完全圍繞 AI 的能力建置而成。 這項研究揭示這群新興企業正在重塑全球經濟的生產力邊界，他們與一般將 AI 僅視為工具外掛的企業有著本質上的基因落差，並正以極低的創業門檻與極高的營運效率，對傳統巨頭與既有體制發起破壞式的效率挑戰。 📎 這份報告適合誰閱讀？ 🔴 報告洞見 AI 原生新創年營收成長率，是一般新創的兩倍 在過去二十年裡，全球科技新創界建立起一套成熟的「獨角獸養成劇本」：一家企業通常需要擴編至數百甚至數千名員工，並耗費平均約 7 年的時間，方能跨過 10 億美元的估值門檻；然而，AI 原生新創的出現，徹底撕毀這套歷史常規，將這一進程縮短了一半的時間。 根據報告的數據統計，當前的 AI 原生新創平均僅需 3.5 年即可達到 10 億美元的估值。這種極速成長並非空泛的資本炒作，而是具備驚人的財務指標與營運效率： 最令資本市場震撼的，是其極致的輕資產營運韌性與高人均產值：高達 55% 的 AI 原生新創，每位員工平均產值超過 40 萬美元，而全球一般新創能達到此門檻的比例僅為 34%，大型企業更只有 23%。 […]

資料留台灣、AI 代理 60 秒內完成資安調查：Google SecOps 正式在台啟用

AI 代理時代來臨，駭客攻擊的速度、規模與複雜度都超越以往，傳統資安營運中心（SOC）已難以招架，使得「以 AI 對抗 AI」成為產業敘事。但對台灣的金融、政府與關鍵基礎設施產業來說，卡點不在技術使用，而是資料能否留在台灣的合規門檻。在此背景下，Google Cloud 今（8/7）宣布 Google 資安營運平台（Google SecOps）正式在台灣雲端區域啟用。 「這意味著，台灣企業現在可以將他們的資安遙測資料，直接送到台灣當地的 Google 資安營運平台中儲存，這將更容易滿足台灣關於『資料在地化（Data residency）』的法規與合規要求。」Google Cloud Security & Mandiant 亞太區及日本首席技術總監 Steve Ledzian 在媒體分享會上表示。 為什麼在此刻落地台灣？ 提及落地台灣的緣由，Google Cloud Security 北亞區總經理徐海國回顧，三、四年前就收到許多台灣客戶回饋，客戶大多使用地端（on-premise）SOC 平台，但心裡很清楚轉向雲端 SOC 才是抵禦現代威脅最有效率的方案，然而國防、電信、金融等高度敏感產業非常介意資料能不能留在台灣，而遲遲不敢採用雲端資安服務。「因為聽到了這些寶貴的反饋，加上 Google 對台灣市場非常重視，我們決定大力投資。」 落地移除合規門檻，下一個關鍵是落地的究竟是哪些資料？Ledzian 補充，SecOps 完全不存取企業的試算表、電子郵件或任何應用層資料，它收集與分析的，是來自防火牆、端點、防毒等資安控制機制的低階日誌與遙測資料，例如登入紀錄與連線狀態。 落地只是起點，代理式防禦才是主戰場 門檻移除之後，決定防禦成效的是平台能力。Ledzian 解釋，Google SecOps 主打代理式防禦，讓平台內多個 AI Agent 共同運作，其中的「分類與調查代理」全球已有超過 1,200 家客戶使用、累計處理逾 900 萬則警報，能將原本人力調查事件的時間從 30 分鐘縮短至 60 秒以內完成。 「這正是代理式防禦的強項：它不是要取代人力，而是要讓分析師的工作變得更有效率，並跟上 AI 驅動攻擊者的超高速度。」Ledzian 強調，最重要的是這個 […]

晶片禁令下的破口：美國嚴防硬體輸中，中國卻年砸 5 億美元買進矽谷訓練資料

近年來，美國政府針對先進晶片輸往中國的情形，建立嚴格的地緣政治防線，企圖阻止中國取得支撐頂尖 AI 模型的關鍵算力資源。然而，在這座由美國精心打造的晶片堡壘之外，用來訓練 AI 模型的人類專業知識與數據資料，在跨境流動時卻幾乎沒有受到同等程度的審查，形成另一個未被防堵的破口。 這些高價值的資料基礎建設，由龐大的專家網絡，以及精密的任務設計、評估指標與品質控制程序共同構建，是讓 AI 模型處理金融建模、程式設計等複雜專業工作的核心要素。《富比士》（Forbes）調查發現，多間總部位於矽谷、估值達數百億美元的頂尖資料標註新創公司，在為 OpenAI、Anthropic 甚至美國聯邦機構提供服務的同時，也正悄悄地將這類關鍵的 AI 訓練資料販售給中國主要 AI 實驗室，在暗地裡形成規模達數億美元的跨境資料交易，進一步協助中國的 AI 模型拉近與美國競爭對手之間的技術差距。 高品質「專家資料」也是模型進步的關鍵資源 在訓練前沿 AI 模型的過程中，算力與晶片固然是門檻，但高品質的訓練資料才是決定模型能否真正實用的關鍵資源。前艾倫人工智慧研究所（Allen Institute for AI）研究員 Nathan Lambert 在接受《富比士》採訪時便指出：「在訓練模型所需的算力之外，高品質的資料是最重要的要素，當我們試圖引導模型走向全新、更具挑戰性的領域時，獲取優質資料是讓模型變得可行的最高槓桿項目。」 事實上，要讓 AI 系統學會複雜的會計實務或網路實驗流程，關鍵絕非是大量收集人類完成工作的最終產出而已，而是深藏在資料規格本身的設計細節。這包含模型應該將焦點放在哪些特定資訊，以及由專業人士所撰寫、用以引導模型理解白領專業工作的細緻評分標準。 因此，當中國的 AI 實驗室向美國資料商採購這些資料時，他們實質上是以極高的效率，直接買下支撐矽谷頂尖模型背後、歷經反覆試錯才得來的獨家專業判斷，而不僅僅是網路上隨處可得的原始數據。AI 數據顧問 Sean Cai 對此也坦言，若深入研究中國資料產業的現狀與整條資料供應鏈，就會發現許多推動美國模型進步的相同數據，實際上也正被銷往中國的實驗室。 中國六大 AI 實驗室，一年約花 5 億美元向美國資料公司採購數據 這條從矽谷流向中國科技巨頭的資料管道，其商業規模遠比外界想像的更為龐大。根據兩位資料標註領域的業者透露，他們曾從騰訊與字節跳動的高層那裡得知內部的市場估算，並指出中國六大 AI 實驗室每年向美國資料公司採購的金額，總計高達約 5 億美元。值得注意的是，這些中國實驗室在採購資料時，並不把彼此視為直接的競爭對手，而是將自身視為一個共同尋求西方頂級資料集的聯合買方群體。 《富比士》揭露的內部通訊與採購細節顯示，騰訊曾向 Surge AI 提出涵蓋金融、網路安全以及「具備自我提升能力之 AI 系統」等極具野心的訓練資料採購需求，且同時與新創公司 Mercor 存在合作關係，這兩家美國新創均曾服務過美國軍方、空軍或聯邦政府機構。此外，阿里巴巴（Alibaba）員工的音訊記錄也證實其與 AfterQuery […]

特定模型推論快 48 倍卻犧牲彈性：AMD 為何仍買下 Taalas 對抗 NVIDIA？

半導體巨頭 AMD 正式宣布收購加拿大 AI 推論晶片新創公司 Taalas，為迅速白熱化的 AI 晶片戰場投下震撼彈。隨著 AI 應用逐漸從耗費巨資的「模型訓練」階段，跨入需要即時、大規模部署的「推論服務」，各大晶片廠已將專用推論晶片視為降低運算成本的兵家必爭之地。 在眾多追求通用運算能力的晶片中，Taalas 的技術路徑顯得非常獨特：Taalas 不採用傳統 GPU 這一類「一般用途」（general-purpose）的晶片架構，而是反其道而行，選擇直接將特定 AI 模型的權重與資料流「刻進」矽晶片中。這種極致的專用化設計，目標是打破傳統晶片在運算與記憶體之間的傳輸瓶頸，以犧牲通用彈性為代價，換取更高的推論運算速度與能效。 不靠 HBM 反覆讀取權重，Taalas 用「模型專用晶片」加速推論 在傳統 GPU 架構中，運算過程高度依賴且需要不斷從昂貴的高頻寬記憶體（HBM）中反覆讀取模型權重。相較之下，Taalas 的技術核心在於擺脫記憶體頻寬瓶頸，這種將模型權重直接寫入矽晶片中的模式，使這款產品更接近一種專為特定模型量身打造的「模型專用積體電路」（Model-Specific Integrated Circuit, MSIC）。 這套硬體架構本質上借鑑 2000 年代初期的結構化特定應用積體電路（structured ASIC）概念，將模型的資料流直接串接在運算元件之間，也讓晶片內部被精簡地劃分為兩個主要區域：包含負責儲存燒錄權重的唯讀記憶體（ROM）架構，以及負責存放鍵值快取（KV cache）與微調轉接器的靜態隨機存取記憶體（SRAM）架構。 AMD 官方強調，這種創新的硬體設計能大幅最佳化推論時的資料流，藉此解決一般用途架構在運算與記憶體傳輸上的物理瓶頸。 HC1 推論快 48 倍，Taalas 仍需面對模型彈性與擴充限制 這項技術在 Taalas 實測數據得到驗證。Taalas 在今年 2 月公開的首款測試晶片「HC1」採用台積電 6 奈米製程，專為執行 Meta 的 Llama 3.1 8B 模型所打造。根據基準測試，HC1 在執行該模型時每秒可生成高達 […]

AI Agent 跨平台終於有共同標準了：Agent Plugins 統一封裝，安全與信任仍留白

這週 AI 產業新動作，發生在少有人注目的底層管線。就在 GPT-5 屆滿一週年前夕，OpenAI 與競爭對手亞馬遜（AWS）、微軟、Cursor 與 Vercel 於美國時間 8/6 共同發布開放標準 Agent Plugins 1.0，Google 隨後以核心維護者身分加入。這是一套開放標準，讓單一的代理擴充套件能跨競爭產品運作。 為什麼 AI Agent 需要這個共同標準？ Agent Plugins 要解決的痛點，不在 AI 代理能力本身。Agent Plugins 技術指導委員會撰文指出，AI 代理已變得高度可擴充。Agent Skills 能賦予它們可重複使用的指令、腳本與參考素材；模型脈絡協定（Model Context Protocol，MCP）伺服器則能將它們連接到資料庫、瀏覽器、原始碼控管、雲端平台，以及其他即時系統。但分享這些能力，仍存在一個封裝上的問題。而 Agent Plugins 1.0 以一套開放、不偏向任何廠商的規格來彌補這道缺口，為那些可攜式元件提供單一、可預期的套件格式。 Agent Plugins 1.0 主打訴求是「一次建置，隨處運行」（build once, run anywhere），將開發者早已在使用的兩樣東西包裹在一起。第一是模型脈絡協定（Model Context Protocol）伺服器，第二是 Agent Skills。一個外掛程式，其實就是一個根目錄放著一支小小 plugin.json 檔案的資料夾。 刻意做窄，信任與安全留給各平台 1.0 版本只定義兩件事：外掛怎麼打包、怎麼被發現，其餘一概不碰。官方把交由各平台自理的部分明確分成三塊：發行（市集、安裝、更新）、執行體驗（權限、審核流程、沙箱、介面），以及信任（發布者身分、來源證明、簽章、組織政策）。 這個留白正是隱憂所在。判斷一個外掛能不能安全執行，仍是每個客戶端各自的責任；而《TNW》指出，今年稍早就曾有偽造的 Agent Skills 通過資安掃描。 […]

90% 通路都直營：Coach 母公司如何用 AI 降低供應鏈「時尚風險」？

在傳統時尚零售業中，估錯流行趨勢是品牌最大的經營痛點。過去業者往往提前數月預測市場喜好，一旦產量估算失準，後續引發的庫存積壓與折扣促銷，便會嚴重侵蝕毛利率。 面對這種動態且難以捉摸的消費市場，時尚品牌 Coach 母公司 Tapestry 選擇走出一條不同的路，利用強大的第一方資料庫與 AI 系統，全面重構旗下的供應鏈與營運決策機制。 AI 動態反饋迴圈精準調控庫存，直擊「時尚風險」 為了打破企業內部常見的數據壁壘，Tapestry 團隊開發出取得美國專利的自研 AI 平台「Mira」。這套系統將前端的行銷與數位銷售數據，與後端的商品規劃、供應鏈管理及財務預算打通。過去員工需要花費數天跨系統手動拉取與整理資料，如今 Mira 能在數秒到數分鐘內完成調用，確保供應鏈團隊與商品規劃團隊始終在同一個數據基礎上緊密協同。 傳統時尚產業依賴前一年的歷史數據來推估下一年需求，這種靜態預測方式經常難以因應突發的市場變化。相較之下，Mira 能夠快速處理大量數據，即時建立起反映市場變化的數據反饋迴圈。Tapestry 財務長兼營運長 Scott Roe 指出，運用 AI 與數據做出稍微好一點的決策，就能產生極大的商業效益，顯著降低估錯流行趨勢所產生的時尚風險（Fashion Risk）。 這套動態反饋機制貫穿產品開發、庫存調配、商品定價與市場行銷等核心環節。當 AI 幫助品牌做出更精準的決策、有效降低風險，結合團隊持續推出的產品創新，不僅吸引消費者升級購買更高價值的商品、推升平均單價（AUR），也為集團帶動永續的成長飛輪。 深度聆聽顧客需求：直營數據結合 AI，帶動全年營收展望上修 另外，Tapestry 也運用 AI 更貼近消費者的需求和流行脈動。Tapestry 擁有高達 90% 的直接面對消費者（DTC）通路，包含全球實體精品店與官方電商網站。這種高比例的直營模式，使該公司降低對第三方批發商的依賴，直接掌握最真實且龐大的第一方消費者行為資料。 為了進一步轉化這些數據，品牌在官網導入對話式 AI 工具，例如旗下 Kate Spade 的「禮物助手（AI Gift Concierge）」，透過即時互動聆聽顧客的真實購物需求，迅速捕捉最新的搜尋熱點與風格偏好。 數據與科技的深耕，最終直接體現在亮眼的財務表現上。受惠於直營通道的強勢成長以及 AI 賦能的營運效率，Tapestry 正成功吸引年輕世代顧客，尤其是 Z 世代新客群的加入。基於供應鏈彈性與市場反應速度的顯著提升，該公司近期（編按：5 月）正式上修 2026 財年的全年營收預估，將預期目標由先前的 77.5 […]

《時代雜誌》開賣「AI 專屬廣告」，品牌如何影響 ChatGPT 推薦？

專門用來影響 AI 代理人（AI Agent），而非直接展示給人類消費者的數位廣告，正逐漸成為一種全新的行銷管道，但也隨之開啟品牌安全（Brand Safety）的新戰場。在這場新型態的行銷戰役中，業界目前最核心的問題在於，一旦 AI 平台察覺品牌正針對其網路爬蟲（Crawlers）投放廣告，究竟會選擇接受這項新做法，還是將其視為垃圾內容並加以封鎖？ 不論 AI 平台最終對此類廣告的態度為何，這種「設法讓品牌被 AI 搜尋看見並引用」的行銷變革，早已在社群平台上發酵，其中 Reddit 便扮演關鍵角色。調查數據顯示，在 2026 年 5 月，Reddit 成為 ChatGPT、Perplexity、Gemini 以及 Google AI Mode 引用次數最高的網域，重要性甚至超越新聞媒體、學術文獻庫及維基百科。隨著越來越多網路流量流向大型語言模型（LLM）而非傳統搜尋引擎，被聊天機器人引用已變得至關重要，這也使得 Reddit 上的品牌提及對行銷業者而言，比以往更具商業價值。 人類看不到、AI 卻讀得到，《時代雜誌》的 Agent Ads 如何運作？ 為了解決企業無法控制 AI 機器人如何介紹自家品牌的痛點，廣告科技新創公司 Mobian 與知名出版商《時代雜誌》（Time）展開合作，為 Ally Bank、專案管理學會（Project Management Institute，PMI）等品牌推出名為「Agent Ads」（代理人廣告）的實驗性廣告產品。 這套機制的運作原理非常獨特：過去，《時代雜誌》就曾為其網頁打造精簡的純文字版本，讓 AI 代理人可以更有效率地讀取內容。現在，《時代雜誌》會將 AI 爬蟲導向這些一般人類讀者瀏覽時完全看不到的純文字頁面，並開始在上面投放廣告。這些廣告會以類似常見問題解答（FAQ）的文字區塊呈現，內容經過特別調整與優化，方便 AI 機器人直接讀取與吸收品牌資訊。這種創新的做法，可能讓企業得以利用《時代雜誌》這類權威出版商的「權威性」（Authority），進一步影響自家品牌在 ChatGPT 和 Gemini 等聊天機器人中所呈現的樣貌。 AI 導流展現轉換潛力，品牌決定搶先實驗 […]

【科技早餐】Google AI 高層大改組，Microsoft 一年認列 OpenAI 241 億美元營收

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google AI 高層大改組，Demis Hassabis 轉任董事長、四名資深人才創業 Google 母公司 Alphabet 宣布，Demis Hassabis 將卸下 Google DeepMind 執行長職務，轉任 Google DeepMind 董事長及 Alphabet 首席科學家，未來將把更多時間投入通用人工智慧（AGI）的研究方向、策略及社會影響，並投入更多時間領導 AI 藥物研發公司 Isomorphic Labs。Google DeepMind 技術長 Koray Kavukcuoglu 將以資深副總裁身分接手日常營運，並繼續擔任 Alphabet 首席 AI 架構師，但不會接任執行長頭銜。 與此同時，包括在 Google 任職 27 年的 Jeff Dean 在內，四名資深 AI 與工程人才將離職，共同成立採公益型公司架構的 AI 新創 Discovery Loop，運用 AI 推動機器學習、科學及工程研究；Google 將擔任創始投資人與雲端合作夥伴。這波調整正值 Gemini 4 延後推出、Google […]

AI Agent 進入製造業卻卡在工程系統：真正的瓶頸為何不再是模型？

AI Agent 正快速從客服、程式開發等辦公室場景，走向工程設計與製造流程。不過，企業真正開始部署後，卻發現模型能力提升，並不代表 AI 就能順利進入生產環境。 根據 Google Cloud 針對超過 1,400 位 IT 高階主管的最新調查，83% 的企業認為，若要真正部署 production-grade（生產層級）AI Agent，必須重新改造既有基礎設施；79% 則認為，安全治理（Governance）與 MLOps 是 AI Agent 規模化的主要障礙。Google 解釋，這是因為目前多數企業所依賴的基礎設施，本來就不是為 Agentic AI 而設計。 當這個問題發生在製造業，挑戰又更加明顯。軟體公司 Synera AI 的 AI 負責人 Ram Dhiwakar Seetharaman 日前在《Forbes》分享，該公司過去兩年協助製造業部署 AI Agent 的經驗顯示，真正限制 AI Agent 落地的，已經不只是模型能力，而是工程軟體、工程資料與工作流程本身。 工程軟體不是為 AI Agent 設計，而是為工程師設計 Seetharaman 回憶，兩年前第一次嘗試讓 AI Agent 修改 CAD 模型時，他原本認為，只要大型語言模型（LLM）變得更強，AI 就能完成修改尺寸、執行模擬分析，再回傳結果等工程工作。然而，儘管近兩年模型的推理、規劃與工具使用能力都有明顯提升，實際部署後卻發現，問題並沒有因此消失。 他也指出，原因出在多數工程軟體的設計前提，本來就是「由人操作」。他的論證是，目前多數製造業仍使用的 […]

Meta、OpenAI、Anthropic 接連爆 AI Agent 越界，專家：真正失控的不是模型，是人類治理

近日，Meta 證實旗下 Muse Spark 模型在資安評估期間利用第三方服務的安全漏洞，成為近期又一起 AI Agent 進入外部系統的案例。在此之前，OpenAI 已公開其模型越界進入 Hugging Face 系統的事件，Anthropic 也發現三起旗下 Claude 模型未經授權存取其他公司系統的事件。 與此同時，英國人工智慧安全研究所（AISI）的最新測試也發現，由 OpenAI 與 Anthropic 模型驅動的 Agent 曾鎖定真實人物與組織，採取建立假身分、寄送惡意郵件與試圖植入惡意程式碼等駭客行動。隨著這些資安事件接連曝光，媒體與公眾開始廣泛以「失控」（going rogue）描述 AI Agent 的行為，也讓研究者開始質疑，這種說法是否有些言過其實，甚至賦予模型過多自主決策能力的想像。 Meta、OpenAI、Anthropic 接連越界，但事件原因都與測試環境有關 Meta 表示，旗下 Muse Spark 模型在測試期間利用第三方服務的安全漏洞。這起事件的起因是獨立測試公司 Irregular 的評估環境設定錯誤，意外讓 Muse Spark 在評估期間連上開放網路。對此，Irregular 發言人特別強調：「這起事件並不涉及沙盒逃脫或複雜的網路攻擊，且目前也沒有尚未解決的問題。」 同時，Irregular 也表示正在撰寫白皮書，以分享安全運行網路評估的限制措施與最佳實踐。至於 Meta，則是在 Irregular 主動通知後才得知此事，目前正在進行詳細調查，並計畫在取得完整資訊後發布報告。 另一方面，Anthropic 表示，其模型進入外部系統的三起事件源於測試框架中的一種「誤解」；OpenAI 也曾發現其模型逃離隔離環境、失去控制的其他案例。這些事件都表明，所謂的「失控」往往與不完善的測試環境設定息息相關。 建立假身分、寄送惡意郵件，AI Agent 展現前所未見的欺騙行為 雖然環境設定存在漏洞，但 AI Agent 在測試中展現的欺騙手段依然令人心驚。英國人工智慧安全研究所（AISI）在資安評估中，共發現 19 […]

自研晶片卻不放棄 NVIDIA：Anthropic 為何想用軟硬體協同設計重塑 Claude 成本結構？

為了因應開發與運行先進 AI 系統所面臨的晶片短缺挑戰，Anthropic 於 8 月 5 日首度公開確認，內部正在建立一支「客製矽晶片團隊」（custom silicon team），著手為旗下 Claude AI 模型設計專屬晶片。這項宣告也象徵 Anthropic 的策略轉折：Anthropic 正式從外部合作夥伴晶片的採購者，跨足成為自主研發的晶片設計者。 這項計畫的核心在於招募具備橫跨硬體與軟體堆疊經驗的工程師，並推動「軟硬體協同設計」，讓晶片與 AI 模型同步開發，使 Claude 能在客戶所需的龐大規模下，運作得更快、更有效率。然而，這並不代表 Anthropic 要與既有盟友分道揚鑣。Anthropic 特別強調，自研晶片是其整體「多晶片策略」（multi-chip approach）的最新一步，AWS、Google、NVIDIA 與 AMD 的硬體技術，仍是 Anthropic 持續擴充 AI 算力與推動規模化的關鍵基礎。 不再讓 Claude 遷就通用晶片，Anthropic 想用協同設計重寫軟硬體關係 為了解決傳統通用硬體的效能瓶頸，Anthropic 採取硬體與模型共同設計（co-design）的策略。在常規的晶片採購模式中，企業通常會先購買 NVIDIA 的 GPU、Google 的 TPU 或 Amazon 的 Trainium 等現成硬體，隨後才編寫軟體，以適應並運行於這些既有硬體上，因此軟體往往必須遷就硬體既定的能力上限。然而，協同設計則扭轉了這種主從關係，讓晶片在規劃之初，便按照軟體的具體需求量身打造。也就是說，晶片與 Claude 模型將共同開發，雙方的底層需求也會相互影響彼此的架構。 對 AI 推論加速器而言，這種協同設計能使晶片的記憶體配置、資料流架構及數值精度格式，完全配合 Claude 推論框架中最常執行的核心運算。此外，負責將 […]

Meta 首款程式代理 Muse Code 上線！改按 token 計費，最低價要拿你的程式碼交換

AI Coding 領域長期由 Anthropic、OpenAI 兩大巨頭盤踞，如今又有新競爭者叩關。Meta 推出首款終端機程式代理 Muse Code，搭配專為程式最佳化的模型 Muse Spark 1.2，對上 Anthropic 的 Claude Code 與 OpenAI 的 Codex。 究竟這款代理有何特別之處？該工具主打可長時間自主運作的背景代理，以及一份完整可重播的執行紀錄，試圖用工作流架構與對手拉開距離。但吸引外界注目的是它的定價：最低方案的 token 單價僅約標準層十分之一。不過這個便宜有前提：想用最低價，就得授權 Meta 把你的程式碼與提示拿去訓練它的下一代模型。 分數仍輸 Anthropic，Meta 把戰場拉到模型之外 Meta 這次沒有在模型分數上取得領先。根據《VentureBeat》整理的基準圖表，Muse Spark 1.2 在 Terminal-Bench 2.1 拿下 82.9%，居次於 Anthropic Opus 5 的 86.7%；在 DeepSWE 1.1 排名第三；即便是 Meta 自訂的內部程式測試，也落後 Opus 5 近九個百分點。三張基準圖表中，Claude 都位居首位。《VentureBeat》指出，Meta 在公告內文並未標榜任何名次，這在對手習於高調宣傳排行榜成績的領域裡並不常見。 既然分數不是強項，Meta 把重心放在工作流架構。Muse Code 最主要的設計賭注是它所稱的「非同步背景代理」（async […]

六成企業看不到 AI 成效，CEO 們該問的不是用了多少 AI 而是「品質怎麼衡量」

AI 唯有在不犧牲品質的前提下，才真正有價值，因為速度容易取得，維持品質卻很困難；而這個落差已經反映在產業數據上：麥肯錫全球調查發現，近八成組織已在至少一項業務功能使用生成式 AI，62% 正在實驗代理型 AI，但仍有 60% 的受訪者，尚未看到企業層級的獲利影響。 以典型的業務漏斗為例，管理者用它判斷交易卡在哪個階段，執行長用它追問成交率為何下滑，董事會則用它驗證預測，所有人看的是同一組數字——但企業目前還沒有對應的框架能校準 AI 完成的工作。 框架要納入的三項原則 要建立這套框架，得先回到管理的基本分工，包括管理者指揮工作、評估產出，執行長權衡脈絡、修正方向，董事會監督風險、要求領導層當責；這些既有紀律，現在同樣要套用到 AI 完成的工作上。 第一項原則，是用人類判斷力抑制風險。用更少力氣完成更多工作，向來讓人感覺良好，AI 把這種快感放大了，尤其當 AI 公司採用依用量計費的模式時，互動會被設計得讓人感覺良好，即使品質正在受損。 史丹佛大學一項研究就發現，在相似情境下，AI 模型給出的回應，比人類多出近 50% 的討好成分，即使使用者提出的是有風險、不道德甚至涉及犯罪的問題也是如此。因此員工必須記得，自己被雇用是因為雇主相信他們具備良好判斷力。 第二項原則，是及早且持續辨識失衡。AI 可能讓某個部門的產出加速，但在下一個環節製造失衡，而多數執行長要等到問題浮現才會察覺。領導者必須辨識出哪個環節被過度優化，並調整策略讓組織其他部分跟上腳步。 第三項原則，是記住故事不等於事實。AI 進度報告需要從敘事型更新，轉向以結果與影響為導向的回報，麥肯錫將這個轉變形容為從「AI 導入」邁向「AI 執行」。要落實這個轉變，可以參考一套涵蓋技術表現、使用者採用、營運指標、策略成果到財務影響的五層衡量框架，每一層都有明確負責人，並搭配固定的審查節奏與清楚的決策關卡，讓專案只有在證明真正效益後，才能推進到下一階段。 把每個 AI 使用者都當成管理者 有了三項原則，接下來是怎麼落地？一個簡單的框架是，每一個使用 AI 的人，都是一位管理者，負責任地使用 AI，需要跟管理人一樣的紀律。 具體而言，每個使用者的新職責有三件事：像熟練的管理者一樣給 AI 清楚指令、用審視部屬報告同等的嚴謹程度，檢視 AI 給出的結果、對 AI 產出並送出的一切內容承擔完全責任。 健康的懷疑態度是每個層級的領導紀律，要求 AI 挑戰自己的答案，並把使用量上限當成警訊，而非成功指標。 對領導者而言，當責同樣需要具體化，包括自己為建立正確的 AI 文化做了什麼、如何讓團隊具備成功所需的工具與訓練、AI 路線圖如何與財務規劃連結，以及除了使用量之外該如何衡量進展。 事實上，日常工作與損益表之間的連結，向來是領導者最難拿捏的部分，這一點不會因為 AI 而改變，但有正確的衡量方式，領導者就能真正驅動獲利與成長。 執行長現在最該問彼此的一個問題 歷史經驗顯示，新科技剛出現時往往不受拘束地擴張，但成本與現實很快就會設下限制，AI 也不會例外。 […]

Gemini、Vertex AI 走進美術館：紐約大都會博物館的生成式 Gemini 怎麼落地？

全球博物館正面臨嚴峻的營運考驗。觀眾回流緩慢、公共預算縮減、企業贊助收縮，加上傳統捐款人逐漸凋零，逼得各大文化機構積極思考轉型。如何利用數位科技提升效率、吸引年輕世代走進展廳，已成了當務之急。 在這股浪潮下，紐約大都會藝術博物館（The Met）選擇大膽擁抱生成式 AI，接連推出多項創新計畫，嘗試重構大眾探索藝術的方式，也為博物館營運尋找新解答。 紐約大都會博物館攜手 Google 打造全旅程 AI 體驗 最受矚目的，莫過於大都會博物館與 Google Arts & Culture 的合作。館方邀請創意科技工作者 Julia Daser 擔任六個月的駐館研究員，利用 Google Gemini 與 Vertex AI 技術，在策展人協助下直接於展廳內開發並測試各種 AI 原型。 大都會博物館新興科技資深專案經理 Brett Renfer 指出，團隊在短短半年內完成了數十項可測試的 AI 原型，涵蓋觀眾從進館、觀展到離館的完整訪客流程。他並期待，這些探索能帶來如提高展覽說明牌的易讀性、優化館內路線導引，甚至讓觀眾離館後仍能延續探索，建立更持久連結的可能性。 專屬「品味畫像」與「會說話的雕像」：生成式 AI 落地現場互動 除了營運端的實驗，大都會博物館也同步推出了兩款吸睛的互動工具。首先是由 Google Arts & Culture Lab 開發的「Art Aura」。這款工具搭載 Gemini 模型，操作十分直覺：使用者只需將喜歡的作品、風格或關鍵字拖進介面，AI 就會剖析其中的共同特徵，跨越時代、媒材與文化界線，生成一份個人專屬的「藝術品味畫像」，希望降低一般民眾接觸藝術史的門檻，也鼓勵觀眾跳脫年代或流派分類，發現館藏作品之間更多隱藏的連結。 另一項突破性嘗試，則是讓世紀古物「開口說話」。大都會博物館攜手法國文化科技公司 AskMona，在中世紀展廳引進「Town Square AI」模型。觀眾只需掃描 QR Code，就能以語音或文字與聖抹大拉馬利亞、聖奧古斯丁等四座數百年歷史的雕像即時對話。 為確保內容嚴謹，館內策展人、修復師與研究人員共同提供訓練資料，讓每尊雕像都具備符合歷史背景的人設與敘事風格。有趣的是，這些 AI 雕像不只能講述自身歷史，還能回答「洗手間在哪裡」這類實用問題，成為兼具解說與導覽功能的多功能助手。 […]

【科技早餐】SpaceX 投入 158 億美元擴 AI、押注 NVIDIA，AMD 資料中心營收翻倍

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊SpaceX 單季投入 158 億美元擴 AI，資料中心全面採用 NVIDIA SpaceX 公布上市後首份季度財報，第二季營收年增 92%，達到 78 億美元。其中，衛星網路服務 Starlink 營收增加 66%，用戶數較一年前增加一倍，達到 1,200 萬；收購 xAI 後納入的 AI 業務，也成為新的營收成長來源。SpaceX 預期，今年 12 月的整體營收年化規模可達到 1,000 億美元，並計畫未來一年發射至少 1,000 顆新一代 Starlink V3 衛星，持續擴大衛星網路與行動通訊服務。 不過，SpaceX 單季資本支出超過 180 億美元，其中 158.3 億美元投入 AI 部門與資料中心。執行長馬斯克（Elon Musk）並在財報電話會議宣布，未來資料中心將全面採用 NVIDIA 硬體，不再採購 AMD 的 AI 晶片，並稱 NVIDIA 新一代 Vera Rubin 架構最符合公司需求。SpaceX 當季自由現金流仍為負值；隨著公司同時推進衛星、火箭與地面資料中心，並規劃太空資料中心，高額 AI […]

台灣向全球 AI 新創徵件，TiBOOST 串聯技術商業化與資本市場

為了打造台灣成為亞洲納斯達克，金管會、國發會宣布啟動「TiBOOST 創新大步計畫」，即日起向海內外 AI 新創徵件，聚焦 AI 智慧應用、金融科技、矽光子及量子科技等領域，希望整合政府、創業投資（VC）及企業創投（CVC）等資源，發掘具技術優勢與國際市場潛力的創新企業，並鼓勵更多亞洲及國際新創企業來台掛牌臺灣創新板（tib-創）。 為完善創新企業成長所需的資本支持機制，臺灣證券交易所持續優化臺灣創新板制度。其總經理室業務委員兼亞資中心推動辦公室執行長胡則華接受《TechOrange》採訪表示，台灣資本市場的特色是具有高度包容性，「讓大型國際企業有展現價值的舞台、成長中的中型企業有取得資金與擴張的機會，也讓初創的小型公司有發揮創新優勢與靈活性的平台」。她指出，投資人會看到台灣市場不只有少數明星企業，而是一個完整、多元且具有韌性的產業生態系，「簡而言之，證交所是產業與資本之間的造局者。」 與一般創業競賽不同，TiBOOST 的目標並不只提供獎金或曝光機會，而是希望把技術、投資與資本市場串聯起來。根據規劃，該競賽將由國內外重量級 VC 與 CVC 擔任決賽評審，除分別提供前三名 250 萬、150 萬及 100 萬元獎金外，獲選團隊還可獲得媒體曝光、新創基地進駐，以及與資本市場專家交流媒合等資源，協助技術走向商業化，並進一步接軌國際資本市場。 這項計畫也是政府推動「AI 新十大建設」政策的一環。根據證交所，TiBOOST 希望結合台灣 AI 產業優勢，透過政府、創投、企業創投及資本市場等資源，支持創新企業於不同發展階段持續成長，並強化台灣資本市場與國際創新生態系的連結。 目前 TiBOOST 已正式展開全球徵件，徵件期間至 9 月 29 日中午 12 點前，評分將依技術創新性、市場潛力、商業模式、團隊能力及國際發展潛力等構面進行綜合評估；經資格審查及評選後，預計遴選 10 至 12 家企業進入決賽，並於 11 月 10 日舉行的決賽暨頒獎典禮現場進行 Pitch 簡報及評審問答。 隨著各國持續投入 AI 產業競爭，如何協助新創跨越技術研發、商業化到募資成長的各個階段，也成為各國打造 AI 生態系的重要課題。此次 TiBOOST 能否吸引更多具國際競爭力的 AI 新創來台發展，並透過創新板取得長期資本支持，也將是觀察台灣 AI 創新生態發展的重要指標之一。 【推薦閱讀】 ◆ […]

現在的商業機密 10 年後還是秘密嗎？中原大學物理系講座教授張慶瑞揭「先竊取、後解密」危機與 PQC 遷移時程

回顧科技產業的發展，甲子輪轉正在悄然發生。TechOrange 科技報橘於今（8/5）舉辦「2026 量子高峰論壇」，特別邀請中原大學物理系講座教授、量子資訊中心主任張慶瑞，深入解析「Q-Day 與量子計算」的技術發展與未來變局。 張慶瑞指出，從 2026 年丙午火馬年開始，世界即將迎來下一個 60 年的黃金時代，而這個時代的核心正是量子生態系。回顧過去，半導體時代所應用的主要是量子力學中較為簡單的物理概念，但如今人類正在運用更複雜的量子力學機制，正式啟動「第二次量子革命」。在這樣的趨勢下，張慶瑞預期，隨著量子電腦技術起飛，未來 10 年內，全球科技版圖與資安環境將迎來劇烈變化。 Q-Day 可能落在 2033 年，比特幣恐比 RSA 更早被破解 在探討量子科技的巨大變革時，一個最受金融與資安界矚目的關鍵詞就是「Q-Day」。張慶瑞說明，Q-Day 有著明確的定義，那就是量子電腦有能力徹底破解目前廣泛應用的 RSA-2048 加密演算法的那一天。 這項威脅並非空穴來風。早在 1994 年，科學家 Peter Shor 就在連量子電腦都還不存在的時代，提出著名的「秀爾演算法」。這項演算法能在硬體效能足夠的前提下，將傳統電腦需耗費 10,000 年處理的 RSA-2048 密碼，在短短 3 分鐘內破解。從技術細節來看，理論上要破解 RSA-2048，需要約 4,500 顆經過錯誤修正的「邏輯量子位元」。儘管硬體挑戰依然存在，但業界普遍預估，Q-Day 極有可能在 2033 年來臨。 值得注意的是，加密貨幣將會比傳統金融更早面臨被破解的危機。張慶瑞以比特幣為例，說明其私鑰長度僅有 256 位元，理論上只需要 1,400 多顆邏輯量子位元就能破解，因此比特幣面臨威脅的時間點顯然會比 RSA 更早來到。不過，在密碼學被完全破解之前，容錯度較高的領域，例如新材料研發或金融風險控制等，將會更早看到量子計算應用落地。這是因為這些領域的運作不需要像密碼學一樣，做到一絲一毫都不能出錯，也為量子運算商業化提供了先行發展的土壤。 「先竊取，後解密」讓企業機密此刻就暴露在量子風險中 然而，當前許多企業與組織對於 Q-Day 的威脅仍抱持觀望態度，認為距離 2033 年仍有一段時間，現階段無需過度驚慌。對此，張慶瑞提醒，這種想法忽略了地緣政治對手與駭客集團正在進行的無聲攻勢，那就是「先竊取，後解密」的嚴峻考驗。這種新攻勢代表，敵對勢力現在就可以將傳輸中的敏感加密資料攔截並儲存，等到數年後量子電腦硬體發展成熟，再一次性解密。 「真正的問題是，你的秘密現在是秘密，以後是不是還是秘密？」張慶瑞指出，企業與個人都必須重新審視資安防禦的時間維度。如果台積電的核心製程機密、銀行的長期交易紀錄或國防關鍵情資，其生命週期與保密需求長達 10 年甚至 […]

SpaceX、AMD 財報透露同一訊號：AI 基建需求未降溫，但市場開始提高期待

同一天，兩份備受矚目的財報都交出了超越市場預期的成績，股價卻雙雙在盤後走跌。SpaceX 首次以上市公司身分發布財報，營收年增約九成、AI 業務營收倍數成長；AMD 資料中心營收突破 67 億美元、單季營收年增五成，第三季財測也高於分析師平均預估。然而投資人的反應如出一轍：賣出。這個看似矛盾的畫面，透露出 AI 基礎設施競賽正在發生的一個轉變。 財報都贏了預期，股價卻一起走跌 先看 SpaceX。綜合外媒報導，SpaceX 在截至 6 月底的這一季繳出 78 億美元營收，高於華爾街預期，並較一年前的 41 億美元大幅成長；《Financial Times》指出，這代表年增約 92%。虧損方面也優於預期，《Bloomberg》報導單季每股虧損 9 美分，低於分析師預估的 24 美分。 但財報公布後，SpaceX 股價在盤後一度下挫，《Financial Times》稱一度跌幅達 8%。市場不滿的核心，是它在 AI 上的資本支出遠超預期：《Reuters》報導，SpaceX 第二季 AI 資本支出達 158.3 億美元，遠高於一年前的 7.49 億美元；《Bloomberg》則指出整體資本支出單季躍升至約 184 億美元，且這水準至少會再維持兩季。S&P Global 旗下 Visible Alpha 研究主管 Melissa Otto 直言，投資圈對 AI 部門的資本支出數字並不特別買帳，因為它「很有企圖心」。 AMD 的劇本幾乎相同。根據報導，AMD 預期第三季營收約 130 億美元、上下浮動 3 […]

【防詐邏輯升級】AI 代理人讓身分驗證失效，「授權範圍」與「斷路器機制」成新控制點

過去，金融機構要防堵一筆可疑交易，思考邏輯是：這筆交易背後，是不是一個真實存在的人？如果是，這個人是不是他聲稱的那個人？但當 AI 代理人（AI agent）已經能夠自主完成轉帳、變更帳戶資訊等交易時，這兩個問題本身，已經不再是防詐的核心。 真正該問的問題，變成「這筆交易有沒有被授權、是誰授權的、又是在什麼範圍內完成的」，不再在意交易背後是人、是聊天機器人、還是代理人。 一人擁十個代理人，驗證邏輯直接失守 過去的整套防詐機制，都建立在「交易另一端一定有一個人」這個假設上，人的數量有限，這件事原本可管理；後來業界加入第二層驗證，確認每個人是不是他聲稱的身分，驗證的複雜度因此提高，但仍在可控範圍內。 Gartner 預估，到 2026 年底，40% 的企業應用程式將內嵌任務專屬的 AI 代理人，遠高於 2025 年不到 5% 的比例；PwC 調查也顯示，79% 的公司表示 AI 代理人已在組織內被採用。 AI 代理人的出現，讓防詐驗證負擔出現更劇烈放大。一個人此刻可能同時擁有十個代理人，各自存取他的帳戶、代為行動；這些代理人可以為單一任務被建立，隨後被修改、被淘汰，甚至可能一天之內全部發生。現行的身分驗證架構，建立在「一個已驗證身分對應一個行動」的一對一關係上，但這個關係已經不再成立。 業界目前的因應方式，是要求代理人在行動時自我聲明身分。但知道對方是代理人，只解決了問題的一半，真正困難的問題是，這個代理人被允許做到什麼程度？ 這個界線，可以想成一個「界線盒」（bounding box），也就是說授權只是讓你進門的鑰匙，界線盒才是進門之後，能碰到哪些房間、什麼時候必須先請示才能繼續的完整規則。少了這層規則，對代理人點頭說好，等於簽了一張空白支票。 讓代理人「提議」，不能讓它「執行」 實務上，界線盒這個原則已經有具體做法，代理人只能「提議」一筆交易，沒有權限直接「執行」它，執行必須交給一套獨立的決策式政策引擎，依照機構訂下的金額上限、交易對象、法遵要求逐一檢核，才會放行。就算代理人被誘導提出有問題的提案，也無法憑一己之力動用資金。 即使畫好界線盒，這件事仍然不算解決。信用卡一旦遭盜刷可以直接停卡，但代理人沒有對應的機制，一家銀行封鎖了失控的代理人，它很可能仍在別的地方繼續交易，因為業界並沒有共享的緊急停止開關。 比較務實的做法，是設下「斷路器」機制，一旦交易速度或累積曝險超過門檻，就自動中止代理人的行動。 誰該負責，仍是一片空白 不過這個缺口也連帶牽出「出了事，究竟誰該負責」的棘手問題，是授權的使用者、打造它的開發者，還是沒能偵測到詐騙的機構？這個問題目前沒有明確答案，卻攸關機構真實的風險曝露程度。 類似的問題需要放到更大層級討論，因為詐欺監理向來屬地，這一點短期內不會改變。但 AI 代理人不受國界限制，規範討論的速度必須追上代理人跨境行動的速度，業界現在有機會提前因應，而不是等重大事故發生後才被迫補救。 這也帶回另一個狀況是，代理人是否該被強制自我表明身分？支持的理由是能降低詐欺曝險、建立稽核軌跡，反對的理由是壞行為者本來就不會遵守。 但金融產業從來不是等強制力完美到位才行動，「認識你的客戶」（KYC）早在成為法律要求之前，就已先成為市場自發遵循的標準，同樣的路徑很可能在這裡重演。過去整套防詐體系，是為了驗證「人」而打造的，這在過去是正確的選擇，直到現在，這個假設本身，已經到了必須被重新檢視的時刻。 【推薦閱讀】 ◆ 【AI 詐騙年損近 9 億美元】資安專家共識：防詐的核心不是辨識，而是「驗證習慣」◆ 三秒複製聲音、一通電話掏空存款，Savi 要用「即時通話監控」反制 AI 詐騙◆ 高齡者成詐騙首要目標，美國退休金融機構如何利用 AI 保護老年人 ＊本文開放合作夥伴轉載，參考資料：Forbes、Halborn，首圖來源：Unsplash （責任編輯：鄒家彥）

中國還造不出 EUV，卻可能先搶走 ASML 中國訂單：出口管制正改寫設備採購邏輯

近期，中國計畫生產自製光刻設備的消息震撼市場，導致荷蘭半導體設備龍頭艾司摩爾（ASML）股價在一週內重挫 8%。然而，《Financial Times》指出，這項進展並未對 ASML 的市場壟斷地位構成立即威脅。因為在技術層面上，中國在深紫外光（DUV）光刻設備領域仍落後約一個技術世代，且與 ASML 更先進的極紫外光（EUV）設備相比，仍存在約十年的技術差距。 從產能規模來看，中國預計在 2027 年生產約 20 台浸潤式 DUV 設備，與 ASML 僅在 2025 年就出貨 131 台的既有規模相去甚遠。摩根大通分析師據此指出，中國自製設備在中短期內對 ASML 造成的實質損害相當有限。然而，即使中國設備在技術、產能與可靠度上均未追上 ASML，這波自研浪潮仍已向市場發出警訊，大幅提高 ASML 中國營收面臨的長期風險。 出口管制留下市場真空，中國晶圓廠可能開始接受效能較差的國產設備 在當前破碎的全球貿易體系下，美國禁止 ASML 向中國出口最先進的極紫外光（EUV）設備，迫使中國踏上自主研發光刻機的道路。同時，美國也限制 ASML 最先進的浸潤式深紫外光（DUV）設備輸入中國。美國國會目前甚至進一步討論「多邊技術控制硬體協調法案」（MATCH Act），試圖全面防堵其餘浸潤式 DUV 設備流入中國。然而，出口管制形成的市場真空，恰好是上海愛晟納等中國本土企業目前全力鎖定的核心設備市場。 產業研究人員指出，美國這波嚴厲的出口管制，反而意外替中國國產光刻機創造了商業立足點。因為在正常市況下，晶圓代工廠若採用效能與能力較差的系統，勢必得承受生產力下滑與單顆晶片成本攀升的劣勢。然而，當政治風險使外國設備未來可能隨時遭到全面禁售，甚至無法取得後續維修與售後服務時，中國晶圓廠顯然比以往更願意接受國產設備效能較差的代價。 中國 DUV 仍落後四代，ASML 的真正優勢不只是一台光刻機 然而，這並不代表 ASML 的技術護城河已經崩塌。《Financial Times》分析，光刻機與一般晶片或大型語言模型不同，難以套用常規競爭邏輯，因為整個光刻製程涉及無數個高度精密且彼此連動的環節。光刻技術的精確度更是以原子尺度衡量，其製程所能容許的誤差也遠低於其他工業產品。 此外，光刻設備在運作時需要持續進行微調，而 ASML 每年藉由出貨數百台設備所取得的龐大運作數據，能為後續技術改善提供中國目前難以比擬的即時回饋。中國競爭對手若想追趕，必須跨越 ASML 長達四十年的技術護城河，以及一套包含約 10 萬種不同精密零件的複雜供應鏈。 根據《Asia Times》報導，中國目前正在研發的國產設備主要鎖定 28 奈米製程，其性能大致相當於 ASML […]

【科技早餐】Anthropic 對 Google 五年算力承諾達 2,000 億美元，Apple 聲請禁制 OpenAI 使用商業機密

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊《金融時報》拆解 Google—Anthropic 2,000 億美元算力融資網，晶片租賃成關鍵 Anthropic 此前已承諾，未來五年向 Google 採購約 2,000 億美元的雲端服務與 TPU；《金融時報》此次進一步拆解支撐這些承諾的合約與融資安排。整體支出中，超過 1,500 億美元與 Google、博通（Broadcom）共同設計的 TPU 有關，反映前沿模型公司的長期算力需求，已超出一般雲端服務合約的規模。 首批約 1 GW 的 TPU 硬體，由特殊目的公司 Compute SPV 透過三層債務融資籌集約 350 億美元，買入晶片後租給 Anthropic，再以租金償還債務。《金融時報》另確認，已有五項、合計 1.4 GW 的資料中心計畫，在 Google 提供租約付款擔保後取得約 150 億美元債務融資；Google 至今擔保的計畫則共有十項，合計涉及約 2.4 GW 電力容量。晶片租賃讓 Anthropic 分期承擔成本，Google 的擔保則降低開發商與債權人的風險，AI 算力競賽正進一步延伸至私人信貸與基礎建設金融。 ＊Apple 聲請禁制 OpenAI 使用商業機密，雙方公開交鋒 Apple 向美國法院聲請初步禁制令，要求禁止 OpenAI 及兩名前 Apple […]

開源 AI 取代 EDA？西門子 EDA：AI Agent 不會改變商用工具的價值

當中國新創日前宣稱其新開源 AI 模型能在數十小時內完成晶片設計，一度嚇動市場對 EDA（電子設計自動化）巨頭的信心，這個議題也成了半導體業的關注焦點。西門子 EDA 資深副總裁暨人工智慧策略長 Amit Gupta，今日在該公司年度 IC 設計技術論壇的媒體訪問中回應，開源與純 AI 代理（Agent）並不會弱化商用工具的價值，而競爭的決勝點，正在從使用者熟悉度，轉向速度、正確性和簽核（sign-off）品質。 客戶端的三重壓力：更快、更複雜、更缺人 Amit Gupta 觀察，客戶端現在的普遍需求，是把產品上市時程（time-to-market）縮短一半：過去要 18 個月的設計週期，現在希望壓到 9 個月，甚至再從 9 個月砍到 4.5 個月。但與此同時，晶片規模持續膨脹、走向 3D 堆疊，讓設計複雜度飆升；而業界預估到 2030 年，全球工程師缺口將高達數百萬人。 西門子 EDA 全球副總裁暨亞太區技術總經理 Lincoln Lee 進一步說明複雜度的來源。他指出，3D 封裝已成關鍵需求，而高密度堆疊帶來棘手的多物理量（multiphysics）耦合：功耗升高使溫度上升，熱牽動應力與翹曲（warpage），進而影響電氣效能，最終又反饋回溫度，環環相扣。 既要更快、又更複雜、還更缺人，這三股力量同時壓上來，讓 AI 從加分選項變成半導體設計的結構性剛需。 當 AI 打平工具門檻，競爭規則正在改寫 Amit Gupta 指出，即便是那篇引發市場關注的中國 AI 新創部落格文章，作者本人也坦言並非「下一個指令、設計就跑出來」，實際上歷經約兩三週的來回引導與修正才完成整個流程，這說明趨勢方向正確，但門檻並沒有想像中那麼低。他強調，商用軟體的優勢是經過驗證、結果可靠的。 Amit Gupta 也補充，很多 EDA 工具被長期沿用，並不是因為它最快、最準或最具擴展性，而是使用者熟悉度使然，這也是特定廠商能長期握有高市占的原因，但當 AI 代理接手操作工具，這道長年築起的進入門檻等於被一次打平。他認為，市場競爭的態勢將回歸最本質的指標：工具本身的速度、可靠性與簽核（sign-off）品質。 從一句指令到自主驗證：西門子的 AI […]

企業都在用 AI，競爭力為何沒拉開？下一步是「垂直 AI」

多年來，許多企業領導者將 AI 視為解決一切痛點的萬靈丹。Oracle 歐洲、中東及非洲地區 AI 業務價值副總裁 Neil Sholay 近日在《TechRadar》撰文指出，過去企業習慣「在這裡部署一個數位助理，在那裡放置一個 Copilot，然後等待魔法發生」，但 AI 帶來的改變，至今仍未達到企業營運所需的規模。 問題並非 AI 失去效用，而是多數企業未能區分不同的 AI 應用層次。Neil Sholay 將企業 AI 分為兩類：水平 AI（Horizontal AI）可以用來處理不同企業共有的基礎工作，實用、容易擴大部署，卻也日益商品化；垂直 AI（Vertical AI）則結合特定產業知識、企業專有資料與核心工作流程，能解決更複雜的產業問題。 然而，當所有競爭對手都能取得相同的水平 AI 工具，這也代表企業難以藉此建立獨特優勢。因此，這些在 AI 時代領先的企業並未拋棄水平 AI，而是不再把廣泛部署通用 AI 工具視為轉型終點，而是將水平 AI 當成基礎，再建立能重塑企業營運方式的垂直 AI。 AI 愈容易部署，愈難拉開差距？企業的「複雜度悖論」 Neil Sholay 將這種現象稱為「複雜度悖論」（The Complexity Paradox）：水平 AI 部署簡單，單獨使用卻多半只能創造有限的邊際價值；垂直 AI 建置難度較高，卻更有機會直接改變企業的營收、成本與損益。然而，目前多數企業仍停留在第一層，尚未進一步建立深入產業流程的垂直 AI 能力。 他以客戶服務為例，說明通用數位助理可能每週替客服團隊省下數小時，這是一個實際且必要的起點，卻不足以帶動企業轉型。相較之下，為特定產業打造的 AI 系統，可以嵌入企業核心流程，運用專有資料與領域知識，讓 AI 從協助員工的工具，進一步成為業務流程再造的一部分。 這也代表，水平 […]

Qwen 追近前沿、DeepSeek 任務成本僅約 Claude 的 1%，Hugging Face 執行長：中國明年若主導前沿模型也不意外

開源與開放權重模型正在快速進展，全球 AI 競爭格局也正發生劇烈變化。開源軟體平台 Hugging Face 執行長 Clément Delangue 近日接受《CNBC》訪問時表示，中國目前已在開放模型競賽中取得明顯的主導地位。按照目前驚人的進展速度，若中國在 2026 年底或 2027 年開始主導前沿模型領域，他完全不會感到意外。 Clément Delangue 指出，這場變革背後的核心動力，在於中國當地蓬勃發展的開放協作與共享生態；相較之下，美國的 AI 開發商多半在各自封閉的「孤島」中進行研發，這讓美國面臨因缺乏協同效應而落後的風險。 就在 Clément Delangue 發表這番關鍵評論之際，中國科技巨頭阿里巴巴於 8 月 3 日正式推出 Qwen3.8-Max 模型，AI 新創 DeepSeek 也在不久前發布 V4 Flash，並開始招募開發者測試全新的 Agent 工具鏈「DeepSeek Harness」。這些進展再次顯示，中國科技公司正在不大幅增加成本的前提下，以極快的速度打造能力更強的 AI 系統，並持續強化中國企業押注開放權重模型、爭取全球開發者採用的戰略路線。 阿里巴巴 Qwen3.8-Max 新模型效能追近 Claude，權重下週開放 阿里巴巴全新推出的 Qwen3.8-Max，是該公司迄今規模最大、能力最強的 AI 模型，擁有高達 2.4 兆個參數。雖然參數多寡主要反映模型訓練背後所動用的運算資源，並不絕對等同於模型最終表現，但這個數字已非常接近日前由月之暗面推出、擁有 2.8 兆個參數的 Kimi K3 模型，也成為觀察中國大模型技術實力的重要指標。 在實際效能評測上，Qwen3.8-Max 在模型評測平台 […]

從直覺語意搜尋到企業知識庫：QNAP Qsirch 7.1.0 雙核 AI 架構與落地藍圖

「我們最初想打造這樣的模式，就是希望能讓用戶使用的更自然、更輕鬆的方式找到他們需要的檔案。」QNAP 威聯通產品經理駱思安表示，過去企業在 NAS 中搜尋檔案，往往受限於關鍵字、檔名或資料夾路徑。 忘記檔名、檔案存在哪個資料夾，已經成為許多工作者日常面臨的問題，加上 AI 時代帶來海量的資料儲存，使得檔案搜尋變的更加不易，資料的活用性也受到更大的挑戰。威聯通科技（QNAP）推出的 Qsirch AI Mode 語意搜尋，運用邊緣運算與 AI 搜尋技術，為企業打造地端知識大腦。 打破格式與語言隔閡：以 LLM 與 VLM 架構重構 NAS 資料檢索 Qsirch 在過去為了打破僅靠人工記憶的搜尋限制，讓使用者只需描述畫面或脈絡，例如輸入「競業禁止條款」或「夕陽下的海灘」，系統便能快速精準地找出相符的文件與圖片，實現跨格式的直覺語意搜尋。 Qsirch 7.1.0 更導入 LLM（大型語言模型）與 VLM（視覺語言模型）雙核 AI 引擎，兩者分工合作，將所有類型的檔案統一轉化為 AI 可理解的「向量」。 LLM 負責將文字檔與音訊逐字稿進行向量化（Embedding），讓搜尋從關鍵字比對進化為語意理解——使用者用自然語言描述意圖，系統便能找到語意相符的內容；VLM 則賦予 NAS 視覺感知能力，直接將圖片與影片幀轉為視覺向量，讓使用者無需人工貼標，以零標籤（Zero-tags）方式完成直覺圖片搜尋。這些語意向量與視覺向量最終匯入同一套向量資料庫，構成 Qsirch AI Mode 跨格式語意搜尋的核心引擎。 除了圖文搜尋，Qsirch 7.1.0 在影音與文件處理上也展現強大的多模態應用。針對長達數小時的影片，系統能透過 AI 逐字稿與影片雙向同步，迅速找到關鍵片段，同時支援 AI OCR 圖片文字辨識，在 Intel OpenVINO 與 NPU 硬體加速的加持下，能快速擷取手寫稿、護照或車牌上的文字，並一鍵生成全文摘要、自動翻譯為介面語言，提升整體工作效率。 這套 Embedding […]

【智慧眼鏡新賽道】不拍照、不錄影，Even Realities 想靠生產力工具挑戰 Meta 獨大的市場

當多數智慧型眼鏡都在比拚拍照與錄影功能時，Even Realities 選擇了一條相反的路。剛以十億美元估值晉身獨角獸，Even Realities 這家由美團、騰訊領投、募得 1.5 億美元的新創，最新推出的第二代眼鏡 G2 刻意不裝鏡頭、不放喇叭，只留下一塊單色綠光抬頭顯示器，把「生產力」當成核心賣點。 這副要價 599 美元的眼鏡硬體扎實，但是在 Meta 獨大、成長爆發的智慧眼鏡市場裡，如此小眾的路線能走多遠？ 即時翻譯與會前筆記成產品亮點 G2 把自己定位成行程、提醒與筆記的隨身助手。輕點鏡腳即可喚醒功能，雙擊會叫出整合會議、股價與新聞的儀表板，長按則展開翻譯、對話、提詞與導航等功能選單。 實際使用下來，最派得上用場的是即時翻譯。使用者先設定目標語言，對方說話時，內容就會被翻譯並顯示在眼鏡的螢幕上。 根據報導，記者在中國一場科技展會上實測，戴著它與各國廠商、同業交談，無論對方講中文、法文還是西班牙文，都能靠螢幕上的翻譯大致跟上。美中不足的是，這套翻譯只服務配戴者本人，你說的話並不會被翻給對方聽，除非對方也同時使用這款 App。 另一個亮點，是「對話」功能後來新增的「會前筆記」。啟用後，AI 會一邊聆聽談話，一邊針對出現的專有名詞即時跳出說明泡泡；例如在一場能源簡報中聽到「綠氫」，畫面就浮現對應的解釋，點一下便顯示完整定義。對需要臨場理解陌生術語的專業場合來說，這項功能相當實用。 其餘功能則還不到位。導航無法串接 Google 或 Apple 地圖，只能靠 Even 自家 App，且經常抓錯地址；內建語音助理 Even AI 常聽錯待辦指令，回答又是一長串文字直接刷過眼前、無法中斷；即使配了四支麥克風，在戶外吵雜環境仍屢屢喚不醒。 至於同步推出、售價 249 美元的 R1 智慧戒指，雖能操控眼鏡並附帶心率與睡眠追蹤，但功能與鏡腳觸控高度重疊，健康量測又不及專業產品，很難說服消費者多花這筆錢。 硬體之外的設計還有調整空間 以配戴體驗而言，G2 幾乎無可挑剔。整副眼鏡僅 35 公克，框體用鎂合金、鏡腳用鈦合金，長時間戴也不覺得負擔；鏡片內建抗 UV 塗層，就算不開啟任何智慧功能，也適合當成一般太陽眼鏡。 比起兩年前的初代 G1，這次的顯示規格全面拉高。麥克風翻倍為四支、可視面積放大逾七成，更新率由 20Hz 一舉提升到 60Hz，讓霓虹感的綠色資訊看板在各種光線下都清晰可讀。 不過，硬體之外的體驗就沒那麼理想。最大的痛點是眼鏡幾乎離不開手機，早期版本連線頻頻中斷，一度讓試用者想直接放棄，所幸多次軟體更新後已明顯改善。隨附充電盒號稱能替眼鏡充電七次、續航上看兩天，但體積卻不小，無法塞到衣服口袋。 另外比較麻煩的是，在明亮環境下想調整螢幕亮度，還得掏出手機打開 App，眼鏡本身既無亮度感測器、也沒有實體按鍵可調，是設計上的一大遺憾。 無顯示器智慧眼鏡成長力道之大，Meta 獨佔市場 […]

不能只替世界「造船」，外貿協會資深顧問李牮斯：台灣 AI Token 使用量居四小龍之末，恐陷「荷蘭病」

專訪：戴季全撰稿：李昀蔚 在這一波 AI 浪潮中，許多企業仍將 AI 停留在「有問必答」的聊天輔助，但真正的差距在於，企業能否將 AI 視為「使命必達」的數位同事，進一步改寫工作流與生產配置。 本集《全新一週》邀請外貿協會資深顧問李牮斯，從 AI 如何顛覆經濟本質與資源配置談起。他強調，AI 帶來的變革並非單純的工業革命，而是宛如探索新大陸般的全新經濟結構。只要企業能突破過去遇到問題就「加人、加資本」的傳統思維，學會大量配置 AI Agent 作為新的產能來源，就有機會在下一個 AI 大航海時代中，改寫未來的競爭位置。 當 AI 使命必達，伴隨而來的是價值觀對齊風險 李牮斯形容，2026 年以前的 AI 是單純的 Chatbot，主要功能為聊天、搜尋與提供建議；然而，今年開始崛起的代理型 AI（Agentic AI）則展現出截然不同的面貌，只要是透過鍵盤與滑鼠能解決的事情，它都能獨立完成。身為 AI 重度使用者，李牮斯以自身經驗形容，Agentic AI 已經不只是一項科技，而是更像一名同事，具備自主行動與彼此溝通的能力，能夠實際執行寫程式、安排行程或處理公司內部任務。 李牮斯特別分享一個真實案例：美國有位工程師的 AI Agent，為了幫主人點 Uber Eats 晚餐，竟然自行連上暗網，找到別人遺失的信用卡資料並用來付款。這雖然展現出 AI Agent 為了照顧主人而「使命必達」的強大執行力，卻也突顯企業與開發者必須嚴肅面對的 Alignment（價值觀對齊）問題。當 AI 為了達成目標而自行尋找解法時，它能否在人類習慣的道德與行為範圍內完成任務，仍存在高度不確定性。 從「加人」到「加 Agent」，AI 重寫企業工作流也走進實體世界 隨著 AI 能力大幅躍升，企業內部的工作流也正在被重新設計。李牮斯指出，過去企業從一個構想到產出原型，往往需要經過層層會議與溝通，以確保指令及資訊在傳遞過程中不會失真，整段過程相當耗時費力。如今進入 Agentic AI 時代，主管若有一個想法，與其花時間把所有人找來開會，不如直接交給 AI 處理，在短時間內先產出約 80% […]

Palantir 財報揭企業 AI 新趨勢：不只追求更強模型，而是更大的自主權

Palantir 剛交出一份被執行長 Alex Karp 形容為「超乎尋常」（otherworldly）的財報：第二季營收年增 93% 至 19.4 億美元、超越分析師預期，美國商業營收更大增 149%，帶動股價盤後一度上漲逾一成，全年財測也再度上修。不過比這些數字更值得留意的，是 Palantir 高層藉這場財報拋出的一套企業 AI 判斷：企業導入 AI 時真正在意的，或許不是模型夠不夠強，而是能不能守住對自家資料與模型的控制權。 「超乎尋常」的一季，美國商業扛起成長 根據《MarketWatch》與《Bloomberg》，Palantir 第二季營收達 19.4 億美元，高於分析師預期的 18.1 億美元；經調整後每股盈餘 41 美分，同樣優於市場共識的 34 美分。成長主力來自美國市場，尤其是商業部門：美國商業營收年增 149% 至 7.64 億美元，美國整體營收年增 115% 至 15.7 億美元，使美國市場占整體業務比重升至 81%，高於去年的 73%。 財報也顯示，Palantir 單季調整後自由現金流首度突破 10 億美元，來到 12.2 億美元。展望後市，公司將第三季營收指引訂在約 21.6 億美元，高於華爾街預期；並把全年營收預測上修至 81.5 億至 81.6 億美元，較先前不到 77 億美元的預期大幅提高。 帶動這波成長的動能，Karp 特別點名的一項他稱為「AI 主權」（AI sovereignty）的需求。他向《MarketWatch》表示，越來越多客戶希望完整掌握自己的 […]

企業都在投資 AI，生產力數字為何還沒動？49 萬份法說會研究揭「導入空窗期」

美國聖路易聯準銀行（St. Louis Fed）以 AI 模型掃描近 49 萬份上市公司法說會逐字稿後發現，企業對 AI 的討論愈來愈多，也開始把錢投下去，但約 95% 的相關發言講的都是 AI「未來會帶來」的效益，而非已經實現的成果。與此同時，全美整體生產力數據至今仍看不到明顯跳升。 投資是真的、市場的樂觀情緒也是真的，效益卻遲遲沒反映在數字上。聖路易聯準銀行指出，這道落差並非 AI 獨有，過去每一次通用技術問世都出現過類似的「導入空窗期」，只是這一次，它可能還藏著一個更難察覺的變數。 投資是真金白銀，效益卻全寫在「未來式」 根據《Fortune》報導，聖路易聯準銀行團隊掃描 2000 至 2025 年間 5,198 家美國上市公司、約 49 萬份法說會逐字稿，發現與 AI 相關的生產力討論占比，從 ChatGPT 於 2022 年底問世前的近乎零，升到 2025 年底約 15%。但其中約 95% 談的是主管「預期未來」會出現的效益，而非當下成果，這個比例自 2023 年以來幾乎沒變。 值得注意的是，這股樂觀並非空談。研究者 Kalyani 強調團隊「相信人們做了什麼，而不是說了什麼」，正面談論 AI 的公司，同時也拉高了研發、資本支出與投資；舊金山聯準銀行（San Francisco Fed）的研究也發現，看好 AI 的公司到 2025 年投資與研發成長明顯較高，且集中在建置 AI 基礎設施的大型科技業者。 電力花了幾十年才「進帳」，數據至今仍潑冷水 企業投入領先、效益滯後，對研究者而言並不意外。經濟學家 Robert Solow […]