Archives

Google 內測 Remy、Meta 開發 Hatch：OpenClaw 爆紅後，科技巨頭下一戰已悄然開打

OpenClaw 今年爆紅後，「幫人直接做事」的 AI 代理已快速成為矽谷的下一個主戰場， NVIDIA 執行長黃仁勳日前更指出「每家公司都需要有 OpenClaw 策略」。根據外媒消息，Google 和 Meta 就正在開發類似於 OpenClaw 的 AI 代理工具。這兩家科技巨頭的動向，指向同一個方向：AI 競爭的重心，正從回答問題的聊天機器人，升級為主動替使用者完成任務的個人代理。 Google 內測「Remy」，定位為全天候個人代理 據《Business Insider》取得的一份 Google 內部文件，以及兩位熟悉此事的人士透露，Google 正在一個僅供員工使用的 Gemini 應用版本中測試名為「Remy」的 AI 代理。文件中對 Remy 的描述為：「Remy 是你在工作、學校與日常生活中全天候的個人代理，由 Gemini 驅動。它將 Gemini 應用提升為一個真正的助理，能夠代替你採取行動，而不只是回答問題或生成內容。」 文件進一步指出，Remy 與 Gmail、Chrome、Calendar 等 Google 旗下服務深度整合，能夠主動監控使用者關注的事項、處理複雜任務，並隨時間學習使用者的偏好。《Business Insider》指出在某方面，Remy 與 OpenClaw 類似，功能在定位上明顯比 Google 目前已推出的「Agent Mode」等工具更為進階。Google 發言人婉拒對此置評，也尚未透露 Remy 的公開上線時程。Google 將於本月稍後舉行 I/O 開發者大會，外界預計 AI 代理將是展示重點之一。 […]

AI 消除汽車設計最大瓶頸之一，設計師與工程師第一次能即時共同決策

一輛車的外型不只是美學決定，更是由空氣動力學塑造的結果。油耗、電動車續航、高速穩定性，都與車身切割空氣的效率直接相關。 但長期以來，這個設計環節存在一個根本性的時間錯位：設計師釋出一個設計面後，必須等待數天甚至數週才能取得完整的氣動分析結果，而在這段等待期間，設計往往已經修改了好幾版。 從草圖到 3D 動畫，一天之內完成 AI 在 GM 通用汽車設計流程中的介入，比氣動分析更早，甚至早在設計師握著鉛筆勾勒第一張草圖的時候就開始了。 GM 創意設計師 Daniel Shapiro 描述，他以幾張手繪的未來雪佛蘭概念車圖為起點，將草圖輸入 AI 工具，再透過提示詞引導 AI 生成一系列圖像，最終產出一段展示概念車 3D 動態的預告動畫，「傳統上，從設計草圖到高品質動畫，需要多個團隊花費數個月，」Shapiro 說，「現在單一設計師一天之內就能完成，而且不需要過去那樣深厚的 3D 視覺化技術。」 這個改變不只是省時，而是改變了創意探索的可能性。設計師可以快速生成數十個設計變體，挑出最有潛力的方向，再從更成熟的起點繼續深化。 AI 處理的是 3D 渲染所需的技術設定，包括虛擬攝影機、光線、CGI 環境，這些過去都需要耗費大量的人工時間。Shapiro 說，「我們可以探索更多方向，對想法可以少一點執著，這改變了我們日常工作的方式。」 不過，人類的判斷仍是保持品牌差異性的關鍵。Shapiro 強調：「AI 不是一鍵解決方案，我們常常要跟它角力才能得到想要的結果。什麼感覺像 Buick、什麼感覺像 GMC、什麼感覺像 Cadillac，這些判斷仍然是我們在做的事。」 從數週等待到一分鐘決策 氣動分析端的改變同樣顯著。GM 研發部門技術研究員暨實驗室組長 Scott Parrish 的團隊，建立了一套 AI 驅動的虛擬風洞能預測氣動阻力，並將結果直接回饋至設計師使用的數位雕塑工具。 傳統流程依賴高精度的計算流體動力學分析與全尺寸風洞測試，兩者都精確但費時。設計師完成車身設計面後，需要將其釋出給工程師進行 CFD（Computational Fluid Dynamics，計算流體力學）模擬，數天或數週後才能取得阻力係數的回饋，再傳回設計師進行下一輪調整。 GM 虛擬整合工程總監 Rene Strauss 說，過去完成一整輪設計與工程迭代需要約兩週，現在幾乎是即時的。他舉了一個具體的例子：「只需幾下點擊，不到一分鐘就能讀取設計面並取得結果。」 Jaguar Land […]

從 Slack 訊息到 Zoom 表情都能被分析：AI 開始解讀員工情緒，職場監控踩上信任紅線

企業監控員工早已不是新鮮事，但在 AI 推波助瀾下，這場職場監控正迎來令人高度關注的改變。《The Atlantic》報導，新一波「情感人工智慧」（emotion AI，或稱 affective computing）浪潮正席捲而來，讓企業的焦點從單純的生產力追蹤，擴大到更深層的行為剖析，也就是雇主現在不只會看你做了多少事，更要分析你今天上班是否夠投入、夠正向，甚至態度是否具備高度的友善與協作性。 與此同時，AI 不只要看透你的情緒，還要複製你的工作技能。《Reuters》指出，科技巨頭 Meta 已開始擷取員工的電腦操作數據來訓練 AI。當員工的情緒被量化、日常操作成為演算法的燃料，我們熟知的職場生態正在被重塑。 「數位讀心術」的商業化與應用場景 現在，emotion AI 技術正快速在各大領域商業化。以新創工具 MorphCast 為例，該公司聲稱能利用 AI 直接從人類的臉部表情，精準判讀使用者的情緒起伏與注意力高低。這種宛如「數位讀心術」的技術，不僅已被授權應用在心理健康 App 與校園學童注意力監測，連麥當勞都曾將其導入葡萄牙的品牌行銷活動中，藉由掃描 App 使用者的臉部，根據顧客當下的「心情」來派發專屬的個人化優惠券，足見其龐大的商業潛力。此外，這類技術導入門檻極低，《The Atlantic》記者實測指出，不需安裝特殊軟體即可免費試用，且分析過程中未必需要取得同意。  另一方面，當 emotion AI 被包裝成企業分析工具進入職場，最初主要被用來處理基層員工的績效問題，尤其常見於客服與藍領工作場域。例如，貨運公司開始使用眼球追蹤、高靈敏錄音設備與腦波掃描器，來偵測司機是否出現壓力或疲勞跡象；速食連鎖店 Burger King 甚至正在試點一款名為 Patty 的 AI 聊天機器人，並將其嵌入員工的耳機中，專門用來即時評估員工的互動是否足夠友善。在金融領域，First Horizon Bank 的 AI 系統甚至會在監測到客服員工壓力過高時，主動於螢幕上播放員工家人的照片以試圖緩解情緒。  向上蔓延的監控網：白領階級的通訊軟體、會議與面試全面 AI 化 《The Atlantic》指出，emotion AI 的下一個大規模應用場景，就是白領工作圈。過去白領員工較少受到嚴密監控，但如今數位足跡已成為新標的，例如在日常協作方面，Slack 的整合工具 Aware 宣稱可持續監測內部訊息中的「情緒與毒性」；Microsoft Azure 理論上也允許雇主使用 AI 批次分析員工的聊天訊息。 […]

【科技早餐】OpenAI 智慧機傳 2027 量產，聯發科、台積電有望進供應鏈

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊郭明錤稱 OpenAI 加速智慧機開發，聯發科有望拿下處理器訂單 知名分析師郭明錤表示，OpenAI 正加速跨入智慧機領域，首款 AI 智慧機最快 2027 年上半年量產，早於先前預期。郭明錤指出，聯發科有望獨家供應處理器，預計採用客製化天璣 9600 晶片，並由台積電以 N2P 製程代工生產。 郭明錤也指出，這款處理器似乎更聚焦 AI 任務，而非單純智慧機效能，圖像處理器與雙神經處理器架構將是觀察重點。若開發順利，2027 年與 2028 年出貨量可能合計約 3,000 萬支。不過目前這仍屬供應鏈分析說法，尚非 OpenAI、聯發科或台積電正式宣布。 ＊黃仁勳稱中國不應拿到最先進晶片，NVIDIA 對中出口再成焦點 NVIDIA 執行長黃仁勳（Jensen Huang）在洛杉磯舉行的梅肯研究院全球大會（Milken Institute Global Conference）表示，中國不應該擁有 NVIDIA 最先進晶片，美國也應該在人工智慧領域保持領先。但他同時呼籲美國政府，應允許美國半導體企業持續在全球市場競爭，包括中國市場。 黃仁勳表示，美國科技企業在全球競爭，有助於擴大出口、增加稅收，並提升經濟安全與國家安全。目前 NVIDIA 的 Blackwell 與新一代 Rubin 產品，並未納入美方先前允許對中國核准客戶銷售 H200 的安排。先進晶片能否進入中國市場，仍取決於美國出口管制與中國監管態度。 ＊白宮傳擬審查 AI 模型，歐洲也擔心企業防線落後 《紐約時報》報導，美國總統川普（Donald Trump）政府正考慮在先進 AI 模型公開發布前，建立新的審查與監管機制。報導指出，白宮正在討論一項行政命令，可能成立由科技業高層與政府官員組成的工作小組，評估新 AI 模型發布前的潛在審查程序。 這項討論與川普政府先前主張放鬆 AI […]

從掃地機器人到機器寵物：iRobot 前執行長再出手，打造「看穿你喜怒哀樂」的 AI 機器人

有「掃地機器人之父」稱號的 Colin Angle，正揭開創業生涯下一篇章。據《華爾街日報》報導，這位曾帶領 iRobot 開創家用掃地機器人時代的創辦人，推出一款全新機器生物：它毛茸茸、眼睛圓潤、擁有巨大腳掌，舉止神似小狗，目標是成為家庭中令人珍惜的一員。 身為機器人新創公司 Familiar Machines & Magic 共同創辦人兼執行長，Colin Angle 曾執掌 iRobot 近 30 年，憑藉 Roomba 系列締造公司輝煌，並開創家用掃地機器人品類，直到 2024 年離任。他的新創公司推出首款產品「Familiar」，最大不同在於，它擁有 Roomba 從未具備的特徵：四條腿。 不只是寵物或助理！Familiar 以「情緒智慧」挑戰人機關係 Colin Angle 強調，這不只是機器寵物，也不是智慧助理。它不會說話，但能以「情緒智慧」的方式回應你的行為與情緒。「我想建立的是一種人與機器之間截然不同於 Roomba 與顧客的關係，」Colin Angle 表示，「我希望自己打造的機器，會讓人感覺它真的在乎我。」 Colin Angle 與團隊稱它為「Familiar」，這個詞原指女巫的超自然動物使魔。它被定位為全新品類的情緒智慧機器人，能根據人的語氣、肢體語言與整體情緒氛圍做出適當反應。Colin Angle 認為，這樣的能力將使機器人能勝任需要高度信任的支援型角色。 短期內，Familiar Machines 計畫將產品鎖定在希望照看親人的族群，例如獨居的年長父母或其他受照顧者。公司也希望吸引重視自我健康管理的消費者。更長遠來看，該公司打算將其情緒智慧 AI 授權給其他企業。目前仍屬早期原型，因此 Colin Angle 尚未公布售價、上市時間，和最終產品是否會維持現有外觀。 《華爾街日報》指出，隨著自動無人機配送與人形機器人技術發展加速，人類與機器共處的未來已不再遙遠，未來人們甚至可能與機器夥伴共同分擔照護親友的責任。報導形容，Familiar 就像「長了腿的 Apple Watch」，不只是每半小時震動提醒你站起來，而是會主動跟著你移動，甚至以蹭手等擬寵物動作提醒你活動。 陪伴型機器人為何難以突破？Sony Aibo、Jibo 等前例揭示市場難題 陪伴型機器人的歷史上已有不少失敗案例，包括 Sony Aibo、Pleo […]

打造「物流版 AWS」：Amazon 開放自建供應鏈、搶攻 B2B 市場，FedEx 與 DHL 迎來科技平台對手

過去近三十年，Amazon 砸下重金建構屬於自己的物流護城河，以持續降低對美國郵政（USPS）、FedEx 與 UPS 的依賴；現在，Amazon 決定把這項龐大的配送營運，轉化為全新的營收基礎設施。Amazon 近日宣布推出「Amazon 供應鏈服務」（Amazon Supply Chain Services，簡稱 ASCS），將過去專為自家電商與賣家打造的全球物流網路，全面開放給外部企業使用。 《The Verge》形容，Amazon 的野心正是將其配送營運打造成「下一個 AWS」，讓外部企業可以像隨選租用雲端運算資源一樣，將貨運、分發、訂單履約與包裹終端配送等繁瑣的後勤任務，全數外包給 Amazon 負責。 不過，當 Amazon 從單純的零售平台跨界成為「企業級供應鏈服務商」，也立刻引發市場反思：當 Amazon 身兼零售霸主與物流巨頭的雙重角色，企業真的願意將最敏感的物流數據與銷售通路命脈，交給這位潛在的競爭對手嗎？ 從內部後勤到外部企業服務：Amazon 如何在物流場域複製 AWS 成功經驗？ Amazon 在過去 30 年建立起橫跨倉庫、飛機、卡車與配送車隊的全球供應鏈，並發展出需求預測、庫存規劃與貨運路線最佳化等頂尖物流技術。自 2006 年以來，獨立賣家已透過 Amazon 履約服務（FBA）出貨了超過 800 億件商品。此外，《WSJ》指出，Amazon 過去 20 年已向第三方賣家提供履約服務，且去年該服務營收高達 1,721.62 億美元，約占 Amazon 總營收的 24%。  過去，Amazon 的供應鏈服務多半是「零散提供」（piecemeal），企業只能分別使用電商訂單履約或貨運服務，尚未形成完整協調的第三方物流供應商（3PL）銷售模式。這次 ASCS 的重大突破在於，Amazon 把倉儲、運輸管理、國際空運與海運等能力「整合到同一個入口」，讓企業能享有完整的一站式服務。其貨運網路更涵蓋海運、空運、陸運與鐵路，並提供報關與端到端貨件追蹤等彈性服務，根據 Amazon 數據指出，使用這套端到端解決方案的賣家，銷售額甚至提升近 20%。  《Reuters》引述分析師觀點指出，Amazon 此舉等於將物流從成本負擔轉化為基礎設施產品，完美複製 […]

AI 落地改變企業應用場景 叡揚 Solutions Day 帶來解方

AI 應用快速發展，帶動企業加速導入各場景，但在實際推進過程中，亦逐漸浮現資料治理、資安風險與營運穩定性的挑戰。當AI從實驗走向營運核心，如何兼顧效率、治理與韌性，成為近期企業數位轉型的重要課題。 叡揚長期參與企業數位轉型歷程，觀察到企業需求已從單一工具導入，逐步轉向整體架構與治理機制的建立，本次活動將以此脈絡為主軸，呈現不同面向的實務經驗與應用情境。在此趨勢下，叡揚資訊將於 5 月 13 日舉行的「GSS Solutions Day」活動，將聚焦 AI 治理與風險的重要性、企業如何維持數位韌性，進而帶到 AI 如何改變辦公室協同、永續管理、資安與營運等場景。 研討會主題以政策視角與治理議題為核心，邀請國安會諮詢委員李育杰，從全球資安威脅的角度，延伸探討企業在不確定環境下的營運韌性；中央研究院資安專題中心執行長黃彥男，則分析 AI 應用帶來的風險與治理議題。叡揚資訊數位韌性辦公室執行長馬正維，進一步分享企業邁向數位韌性的實務觀察；杜浦數位安全創辦人蔡松廷，則從攻防視角解析 AI Agent 對威脅樣態的影響與變化。 分場議程則涵蓋 AI 應用落地與營運優化的多元面向，包括文件辨識與流程自動化、企業知識管理與人才招募應用、數據驅動決策與財務管理，以及 AI Agent 架構、資料治理與流程協作機制等主題；同時亦延伸至金融監理、國際資安法規與供應鏈治理，呈現企業在不同場域中的轉型實踐。 企業在導入 AI 的過程中，已逐步從單點應用，轉向系統化整合與長期治理。透過跨場域的實務分享與交流，期望促進產業對話。叡揚以深耕產業的洞察分享技術研發與應用，面對持續變動的 AI 發展及挑戰，精準解題、協助企業建立可持續演進的數位基礎。活動開放報名中，歡迎產業先進報名參與。

NPO 邁向高效營運時代：從繁瑣行政到智慧管理的關鍵一哩路

叡揚資訊與網軟日前共同舉辦【讓愛走更遠 · NPO 全方位營運的數位轉型實戰論壇】，從募款經營、志工與會員管理，到個案服務與內部治理，分享數位工具如何成為公益組織的強力後盾。 AI 取代不了志工，但它能讓每位志工多出一雙手 叡揚資訊群總經理胡瑞柔在開幕致詞中表示，AI 取代不了志工，因為「人」仍是公益服務最核心的力量。不過，AI 能協助處理重複性作業，讓人力回到更有價值的服務現場。她指出，叡揚與網軟將結合資訊開發專長，陪伴 NPO 在數位化到智慧化的過程中，兼顧資安、行動化與彈性應用。 一則深夜留言，看見資訊系統接住人的速度 喜馬拉雅研究發展基金會執行長高永興分享，某天深夜，他在公益資訊網站上看到一名受暴兒童的留言，情況危急。他立刻透過資料庫搜尋、整理援助資源，在最短時間內回應這名孩子。他提醒，當資源被整理成可搜尋的資訊系統，服務就能更快抵達需要的人；但科技不是答案，關鍵仍在以專業知識善用工具。 Excel 很方便，但跟不上組織成長 網軟總經理特助吳龍紅表示，Excel 在單人或少數人作業時確實方便，但當組織規模擴大，開始需要多人協作、資料串接與權限控管時，原本「夠用」的工具就可能成為瓶頸。她也指出，NPO 推動資訊化時，應掌握三個基礎：系統設計要符合作業流程、行政管理要能支援未來服務擴大，並且從一開始就納入資安規劃。 理監事會議要開了，卻等不到一張報表 叡揚財會軟體產品經理徐瑞元描述，許多 NPO 帳目由熟悉 Excel 的同仁獨立管理，一旦離職便難以交接；委外記帳也可能在開會前等不到報表。Vital Finance 可快速產出財務報表，並整合網軟捐款系統自動生成帳務紀錄，也能依專案查看損益，讓核銷更有效率。串接 Vital BizForm 後，付款可產生銀行媒體檔上傳網銀，不再擔心填錯帳號、匯錯款項。 用 Vital CRM 認識每一位支持者，讓關係走得更長遠 叡揚資訊業務經理劉婷慧分享，Vital CRM 內建 AI Copilot 智能助理，可協助分析與捐款者的互動紀錄與情感傾向，快速產製內容，擴大客服能量。透過 Insight 分析報表，能清楚掌握新舊捐款者的比例變化、每場活動的參與者輪廓及執行成效，讓後續關懷更有方向。她也提到，臺東縣南迴健康促進關懷服務協會與台北市文化基金會導入 Vital OD 公文系統後，提升簽核與公文傳遞效率，且支援電腦與手機操作，資深人員也能快速上手。 7 天都打不完的資料，現在一鍵送出 社團法人大都會國際兒童協會經理詹德寧指出，導入網軟捐款系統後，過去需要 7 天不眠不休登打的資料，現在可由系統整理。每月上千筆收據也能一鍵產出、寄送，資料集中於後台管理，並可依年份、年齡、性別或專案募款金額篩選分析。捐款管道也從單一方式擴充至 LINE Pay、街口支付、台灣 Pay 等選項；年底上傳國稅局名單時，系統可直接產出整年度資料，匯出後即可完成申報。

SAS 迎 50 周年 深化可信任 AI 與代理型 AI 布局加速企業 AI 規模化落地，並前瞻量子 AI 新世代

在全球企業加速從生成式 AI、AI 代理（AI Agents）走向實際營運化的關鍵時刻，成立 50 週年的全球資料與 AI 領導品牌 SAS，於年度盛會 SAS Innovate 2026 宣布全面深化企業 AI 布局。以可信任 AI（Trustworthy AI）為核心，SAS 同步強化代理型 AI（Agentic AI）、治理架構、資料管理、產業應用與量子 AI（Quantum AI）等多項能力，協助企業突破概念驗證（PoC）限制，推動企業 AI 從試驗階段走向可治理、可規模化的營運應用。 深耕 50 年資料科學  以可信任 AI 作為企業決策核心 自 1976 年成立以來，SAS 從統計分析起家，逐步發展為全球企業級資料與 AI 平台的重要領導者，服務超過 150 個國家、多數《Fortune》100 大企業，長期深耕金融、製造、零售、醫療與政府等高複雜度產業。 面對 AI 快速演進，SAS 持續強調，企業真正需要的不僅是模型能力，而是兼顧透明度、治理、人工監督（human oversight）與商業落地的可信任架構。生成式 AI 雖提升互動效率，但影響企業營運的關鍵決策，仍需建立在可追溯、可稽核且具治理能力的決策系統之上。如何平衡創新速度、風險控管與法規要求，正成為企業AI投資能否成功的核心關鍵。 擴充 SAS Viya 平台能力  打造企業級 AI 營運基礎 此次 SAS […]

《紐約時報》揭密：白宮考慮仿英國模式審查 AI，Anthropic 模型引警訊

《The New York Times》報導，美國官員與知情人士透露，原本對 AI 採取不干預立場、讓矽谷自由推動技術發展的川普政府，正討論對新 AI 模型引入政府監督機制。 白宮擬成立 AI 工作小組，考慮仿英國建立模型審查制度 《The New York Times》指出，美國政府目前正研議透過行政命令成立一個 AI 工作小組，成員將包含科技企業高層與政府官員，共同檢視可能的監督機制。知情人士透露，白宮官員上週已向 Anthropic、Google 與 OpenAI 等企業高層說明部分規劃內容。該工作小組預計將評估多種監管模式，其中一種可能方向，將參考英國正在建立的制度架構，英國已指定多個政府機構，負責確保 AI 模型符合特定安全標準。 在顧問與政策諮詢層面，《Forbes》補充，今年 3 月，川普曾任命 13 名成員加入新成立的 AI 顧問委員會，成員包括 Meta 執行長馬克·祖克柏、甲骨文創辦人 Larry Ellison、輝達執行長黃仁勳，以及戴爾公司創辦人暨董事會主席 Michael Dell 等科技業領袖。該委員會將就「科學、科技、教育與創新政策相關事務」向總統提供建議。同時，白宮也提出一套希望國會推動的立法框架，目標在於建立全國統一的 AI 政策，以取代各州分散的監管規範。 《The New York Times》分析指出，這些動作顯示川普政府在 AI 政策上的明顯轉向。自去年重返白宮以來，川普長期強調 AI 對美國在與中國地緣政治競爭中的戰略重要性，並傾向減少監管。他上任後即撤銷拜登政府要求 AI 開發商進行安全評估、並申報具潛在軍事用途模型的相關監管措施。 川普去年 7 月曾表示，AI 是「剛誕生的美麗嬰兒，我們必須讓這個寶寶成長茁壯，不能用愚蠢的、荒唐的規則阻止它。」然而，隨著外界對 AI 威脅就業、能源價格、教育、隱私與心理健康的憂慮升高，川普在 […]

英特爾挖角高通 24 年老將下一步：PC 不再只是電腦，而是實體 AI 入口

英特爾在本週宣布，延攬在高通任職逾 24 年的資深高階主管 Alex Katouzian 出任執行副總裁暨客戶端運算與實體 AI 事業群總經理，直接向執行長陳立武（Lip-Bu Tan）彙報，並預計於 5 月正式到職。 這項人事任命的意義，遠不止於補齊高階職缺，更象徵英特爾將傳統 PC 業務與快速興起的實體 AI 領域整合為一，押注 AI 應用重心從雲端訓練轉向終端推論的趨勢。 從 PC 到實體 AI，英特爾正在重新想像運算邏輯 Katouzian 在高通最近的職銜為行動、運算與延展實境事業群執行副總裁暨總經理，正是推動高通以 Snapdragon X 系列處理器切入 PC 市場的關鍵人物之一。這款晶片於 2024 年作為微軟 Copilot+ PC 品牌電腦的首發晶片登場，是高通向英特爾與 AMD 長期主導的 PC 市場發動的正面挑戰。 根據英特爾說法，Katouzian 接下來的首要任務，是將既有的客戶端運算業務，與涵蓋機器人、自主設備與各類 AI 裝置的實體 AI 系統整合發展。 陳立武指出，「AI 正在邊緣端創造前所未有的機會，並推動客戶端運算與實體 AI 系統發生重大轉變。」他認為，Katouzian 是帶領英特爾重新定義 PC 以外運算模式、銜接實體 AI 下一波成長的重要人選。 這代表英特爾的戰略已不再局限於 PC […]

AI 部署為何成為新戰場？OpenAI、Anthropic 聯手華爾街與私募基金，搶攻企業落地的最後一哩路

AI 巨頭現在不只拚誰的模型最聰明，更要競逐誰能把技術真正「落地」，成為企業內部的主要生產力來源。近日，OpenAI 與 Anthropic 幾乎在同一天、相隔不到幾分鐘的時間內，接連宣布結盟華爾街與頂級私募基金，各自砸下重金成立專屬的「企業 AI 服務公司」。 《The Deep View》一語道破這場戰局的核心：部署（Deployment）已正式成為 AI 的新戰場。OpenAI 與 Anthropic 的行動，顯示雙方的戰火已從單純的模型軍備競賽與程式開發工具的技術較勁，全面蔓延到商業世界最前線，看誰能在廣大的企業市場勝出，並率先將技術變現。 OpenAI 成立 The Deployment Company，借助私募基金打進企業客戶 為了打贏這場商業化戰役，《彭博社》報導，OpenAI 已從 TPG、Brookfield Asset Management、Advent、Bain Capital，以及 Dragoneer 與 SoftBank 等投資方手中，募得超過 40 億美元的資金，用於成立一家專注在協助企業部署 OpenAI 軟體的新公司。這家新合資企業名為「The Deployment Company」，估值高達 100 億美元，且將由 OpenAI 持有多數股權並握有實質控制權。 OpenAI 的布局策略十分明確，因為這些合作夥伴預計可觸及超過 2,000 家投資組合公司與客戶，因此 OpenAI 的核心目標正是透過這些既有的人脈網絡與商業關係，大幅降低企業導入門檻，使更多企業能加速採用 AI 技術。 Anthropic 找上 Blackstone、高盛等機構，把 Claude 導入企業核心流程 面對 OpenAI […]

Edge AI 從 POC 走向規模化：研華嵌入式事業群總經理張家豪揭三大落地場景與挑戰

專訪：戴季全撰稿：李昀蔚 當 AI 從雲端模型走向真實世界，邊緣 AI（Edge AI）與實體 AI（Physical AI）正成為企業導入的下一個關鍵戰場。「2026 年是 Edge AI 跟 Physical AI 爆發的起始點，」研華嵌入式事業群總經理張家豪在本集《全新一週》特別提到，隨著 AI 深入工廠、醫療、機器人等場域，將所有資料送回雲端處理已不切實際，為了滿足低延遲、資料隱私與即時反應等特性，讓邊緣運算平台具備 AI 運算效能，已快速成為各產業邊緣設備的標準配備。 當 Edge AI 延伸至實體世界，Physical AI 的討論也隨之升溫。張家豪強調，Physical AI 真正要落地，絕非單純把 AI 算力放在邊緣端，而是必須將周邊模組、軟體平台與整個生態系進行深度整合，才能實現 Physical AI 的願景。 從大腦到小腦：人形機器人不只要像人，更要有人類的感知與決策 談到 Physical AI，最具代表性的場景之一就是人形機器人。針對機器人的運算分工，張家豪以「大腦」與「小腦」來形容：所謂「大腦」，指的是負責感知、推論與決策的 Edge AI Computing，必須處理語言模型、數位孿生、即時資料回饋與判斷；「小腦」則負責控制四肢、輪子與各種運動模組的實際運作。 在實際運作時，機器人必須透過各類感測器來理解外部環境並做出反應。例如，由 2D 與 3D 攝影機負責視覺感知，Wi-Fi 與藍牙負責通訊，LiDAR 與 IMU 協助路徑控制，再透過運動控制模組支撐機械結構運作。這也代表 Physical AI 的挑戰在於如何將感測、通訊、視覺、路徑與運動控制等多種模組，全數整合並串聯至 Edge AI 裝置中，形成完整的機械系統。 三大落地場景：工廠自動化、醫療影像與自主移動系統 […]

【資本慣性造成的戰略盲點】機器人市場規模是軟體的 30 倍，但資本投入差距 18 倍

過去五年，全球有 745 家軟體公司拿到超過 3,000 萬美元的融資，同一時間獲得同等規模資金的機器人公司只有 42 家，差距將近 18 倍。但機器人對應的基礎市場規模，其實是軟體的 30 倍。 投資缺口與市場錯配 根據創投企業 Bessemer Venture Partners 的報告指出，多數分析師預測機器人產業在未來十年會成長 50 倍，Bessemer 合夥人 Jeremy Levine 更判斷，未來十到二十年地球上的機器人數量會成長十萬倍。 高盛集團在短短一年內，就把自己對 2035 年機器人市場規模的預測上修了六倍，Bessemer 認為即使是這種大幅上調過的數字，在節奏與量級上都還是低估了真實需求。人口結構的老化、製造業勞動力短缺、危險工作環境的替代工具，這些都是市場現實的剛性需求。 現在：GPT-2.5 時刻 Bessemer 把目前產業階段定位在「GPT-2.5 時刻」，也就是基礎模型已經展現出真實能力，實驗室展示與實際部署之間卻還有明顯落差。 2026 年 2 月發表的 EgoScale 論文也首次證實，機器人效能會隨著訓練資料規模可預測地提升，但真正屬於機器人的「ChatGPT 時刻」還沒到，Bessemer 判斷即將發生，只是這個時刻不會透過聊天框展示。 中國主導人形機器人，西方的戰略困境 2025 年全球出貨的人形機器人有將近 90% 來自中國，這個比例在一個還在發展初期的產業裡已經算是壓倒性。根據報告，總部設在中國的人形機器人公司有 161 家，遠遠超過美國。 不過需要先釐清一件事，人形機器人只是整體機器人產業的一個子集，之所以被單獨拉出來談，是因為它目前是資本市場最追捧、媒體曝光度最高的類別。 中國在這個子領域的主導，對西方來說不只是商業競爭問題，更是戰略問題。Bessemer 在報告裡直接指出，各國已經無法忽視一個結論，機器人正在從根本上改變現代戰爭的形態——民用供應鏈的集中度越高，軍事應用的依賴風險就越難切割，這套邏輯與過去半導體、衛星產業面對的情境一致。 而中國 AI 模型與美國的差距平均只落後七個月左右，這個差距每年都在縮短。 從投資數據可以看到資本市場已經提前反應。2025 年國防機器人公司的 […]

【科技早餐】黃仁勳稱中國市占歸零，NVIDIA 物理 AI 把亞洲供應鏈占比推上 90%

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊黃仁勳稱 NVIDIA 中國 AI 晶片市占歸零，出口管制反效果浮上檯面 NVIDIA 執行長黃仁勳（Jensen Huang）近日在《Memos to the President》節目中表示，受到美國出口管制與中國本土供應商崛起影響，NVIDIA 在中國 AI 加速器市場的市占率，已從過去的領先位置降到 0%。他指出，放棄中國這樣規模龐大的市場，在戰略上並沒有意義，也可能產生反效果。 黃仁勳也表示，中國即使缺少美國最先進晶片，仍有低成本能源與大量數學、科學人才，足以支撐 AI 模型競爭。他呼籲美國政策必須更動態，讓美國企業能留在關鍵市場，同時吸引全球頂尖 AI 研究人才。NVIDIA 也已承諾投入 5,000 億美元採購與建設，在美國建立晶片製造、封裝與 AI 超級電腦基礎設施。 ＊NVIDIA 物理 AI 擴大亞洲供應鏈，南亞科等台廠進入新合作圈 《彭博》報導，NVIDIA 與亞洲供應鏈深度整合，亞洲供應商在其生產成本中的占比，已從去年約 65% 升至目前約 90%。合作範圍也從半導體，拓展到機器人、智慧駕駛等「實體 AI」領域，帶動南韓 LG 電子（LG Electronics）、台灣南亞科（Nanya Technology）、中國德賽西威（Desay SV）與博泰車聯（Pateo Connect）等企業受到市場關注。 報導指出，NVIDIA 近年透過 SK 海力士（SK Hynix）、三星電子（Samsung Electronics）等供應商，深化以晶片為核心的亞洲合作；但最新一波布局，已開始從 AI 運算能力延伸到機器人等真實世界部署場景。隨著大型科技公司持續擴大 AI 支出，NVIDIA 在資本支出中仍占重要位置，也讓亞洲供應鏈從晶片、記憶體，進一步被拉進物理 […]

駭客不需駭入系統，只要讓你的 AI 客服讀一封信：趨勢科技 TrendAI 揭三大攻擊型態升級

隨著 AI 技術演進，企業希望盡快導入 AI 驅動創新，卻也面臨風險控管的兩難。趨勢科技旗下 TrendAI 調查，74% 的台灣受訪企業決策者坦言，過去曾在高層要求或市場競爭壓力下，被迫核准在企業導入可能帶來資安風險的 AI 方案；同時只有不到一半的企業認為內部團隊能辨識惡意或異常的 AI 行為，顯示台灣企業正面臨「盲目導入 AI」的高度風險。 不過，究竟企業當前面對的是什麼樣的資安風險、該如何應對？TrendAI 勾勒出三大威脅升級的具體樣態，提醒企業留意。 威脅升級一：假資訊與詐騙內容的大規模生產 TrendAI 威脅研究總監 Ryan Flores 指出，自從 2022 年底 ChatGPT 問世以來，垃圾郵件數量大幅增加了 1,000%，且預計到今年底，網路上的 90% 內容將由 AI 生成。他表示，駭客利用 AI 發動的攻擊也將變得更低成本，更具可擴展性。 TrendAI 實測，只需花費一週與不到 20 塊美金的 AI 影片生成訂閱費，不需親手撰寫程式碼，就能利用無程式碼（No-code）工具串接，在電商平台上創造出完美的「假賣家、假商品、假買家評論影片」，如此一來便可能輕鬆實現大規模詐騙。 威脅升級二：身分偽造進化，企業招募與信任機制面臨新挑戰 TrendAI 也觀察到，已有北韓駭客利用竊取而來的 LinkedIn、GitHub 等公開資料，搭配大型語言模型與深偽技術，偽裝成遠距 IT 工作者應聘。一旦錄取成為內部員工，其就會進行資料竊取、部署勒索軟體，或盜取資產。「一旦他們成為員工，基本上就成為內部威脅，所以可以進行橫向移動。」Flores 說。 駭客也會架設「假公司」發布職缺，要求求職者下載包含惡意軟體的面試測試包，反向盜取求職者的資產與身份，甚至劫持真實帳號。 威脅升級三：AI 原生攻擊工具與 AI 系統濫用，突破傳統限制 值得關注的是，隨著大型語言模型運算能力躍進，TrendAI 觀察到駭客攻擊手法已突破傳統技術限制，例如近期 LameHug 等惡意工具，便刻意偽裝成圖像生成應用，實際上是內嵌 […]

打造人形機器人界的 Android：Meta 如何透過收購 ARI，搶攻 Physical AI 底層平台？

Meta 近日正式宣布，已收購專注於開發人形機器人 AI 模型的新創公司 Assured Robot Intelligence（ARI）。 針對這項關鍵佈局，Meta 發言人透過聲明表示：「我們收購 ARI 這家位居機器人智慧前沿的公司，為的就是讓機器人能在複雜、動態的環境中，精準理解、預測並適應人類行為。」 這步棋背後的戰略意義極為清晰。在特斯拉（Tesla）、Google 與亞馬遜（Amazon）等科技巨頭紛紛重金投資人形機器人的此刻，這筆交易也宣示 Meta 的 AI 戰略正進一步延伸到機器人控制、自我學習與實體人工智慧（Physical AI）等高階應用領域，正式加入這場「實體 AI」競賽。 Meta 買下 ARI，要為人形機器人裝上精準運作的「大腦」 要讓機器人真正走入人類生活並執行複雜任務，除了硬體之外，更需要強大的「大腦」。ARI 正是這樣一家專注於機器人智慧的新創，其位於聖地牙哥與紐約的團隊約 20 人，致力於打造人形機器人的基礎模型（foundation models），讓機器人有能力執行包含家務在內的各類實體勞動任務。 透過這次收購，Meta 得以大幅補強在機器人控制領域的不足。Meta 發言人特別指出，由 Lerrel Pinto 與 Xiaolong Wang 兩位頂尖學者領導的 ARI 團隊，將在模型設計、機器人控制、自我學習等前沿能力上，為 Meta 帶來深厚的專業知識。 ARI 早期投資方 AIX Ventures 合夥人 Nick Crance 也強調，ARI 的核心優勢在於機器人的「高精度靈巧度與操作」。這些核心能力攸關機器人未來能否在工業場域或家庭環境中，實際且有效地與現實世界的物體進行互動。 Meta 的野心：成為機器人界的 Android 在取得關鍵的「大腦」技術後，Meta 隨即展開內部團隊的深度整合。收購完成後，ARI 團隊將正式併入 […]

汽車成 AI 新戰場：中國車廠拚車內 AI，Grok 登 CarPlay 掀語音助理戰

電動車的價格戰，現演變為一場圍繞車內 AI 科技的「功能戰」，競爭正在全球同步升溫。在中國，電動車廠的戰場從價格轉向車內 AI 功能的堆疊；在全球市場，Apple CarPlay 正悄悄成為 Grok、ChatGPT 與 Perplexity 爭奪駕駛注意力的新戰場。 車市不只拚降價！中國電動車轉向車內 AI 競賽 《CNBC》指出，在全球最大汽車市場中，中國電動車製造商為了在長期價格戰中生存，正不斷疊加更多相同的 AI 功能。這場競爭在過去幾年已從延長電池續航力，轉向推出駕駛輔助系統，以及使用更強大的車用晶片，現在車廠的焦點則集中在一整套車用 AI 功能上。 字節跳動旗下雲端平台火山引擎近日在北京車展宣布，已有超過 50 個汽車品牌使用其豆包 AI 模型，且已應用於 145 款車型、超過 700 萬輛汽車。字節跳動的豆包是中國使用最廣泛的 AI 聊天機器人，根據顧問公司 Chozan 的數據，截至今年初，其每週活躍用戶超過 1.55 億。火山引擎進一步表示，除了國產車型之外，豆包 AI 也已整合進多款外資品牌新車，例如純電賓士 GLC、上汽奧迪 E7X，以及上汽大眾 ID. ERA 9X。 中國上汽集團奧迪合作計畫執行長 Fermín Soneira 在車展前接受媒體訪問時表示：「我們會持續更快地整合新功能。」他指出，車廠可以透過遠端更新（OTA）迅速部署技術升級。儘管新功能快速推出，車廠仍持續面臨銷售壓力，他表示：「因為產能存在。這場價格戰在未來幾個月內不會真正停止。」向 AI 功能轉型，反映出消費者對連網功能的需求，包括與華為手機相容的介面，以及像豆包這類語音助理。 AI 將成基本配備？中國車廠重心轉向體驗與生態布局 顧問公司 AlixPartners 亞洲汽車與工業部門主管 Stephen Dyer 表示，目前車內 […]

NVIDIA 供應鏈亞洲占比從 65% 衝上 90%：實體 AI 帶動供應鏈名單持續擴大

《Bloomberg》報導，NVIDIA 進軍實體 AI 帶動亞洲合作夥伴股價上漲，隨著亞洲進一步融入 NVIDIA 的商業生態系，受惠的亞洲企業名單正持續擴大，包含南韓的 LG 電子、台灣的南亞科技，以及中國的德賽西威、博泰車聯網。 黃仁勳點名下一波 AI 浪潮！亞洲成 NVIDIA 實體 AI 關鍵戰場 根據《Bloomberg》彙編的數據，亞洲供應商現約占 NVIDIA 生產成本的 90%，高於去年的 65%，隨著 NVIDIA 產品需求爆炸性成長，該公司對主導製造、組裝與關鍵零組件的亞洲夥伴依賴也日益加深。瑞聯銀行董事總經理 Vey-Sern Ling 表示：「全球科技公司持續加深對亞洲供應鏈的依賴，已是不可避免的趨勢。」他指出，實體 AI 的發展，將在既有成長基礎上，進一步推升亞洲對 AI 晶片的需求。 近年來，NVIDIA 持續擴大其亞洲合作夥伴陣容，先前透過與 SK 海力士、三星電子等供應商深化晶片合作，這些合作原本聚焦於提升 AI 運算能力，但最新一波區域合作顯示，NVIDIA 正從半導體延伸至實體 AI 領域，包括機器人技術。LG 電子發言人也證實，公司近期與 NVIDIA 會面，雙方正探索在實體 AI 領域的策略合作，包括機器人生態系。 《Bloomberg》提及，NVIDIA 進軍實體 AI，涵蓋機器人、自主系統與 AI 賦能製造，使其影響力從晶片延伸至真實世界部署，也讓亞洲成為這波擴張中的關鍵夥伴。NVIDIA 執行長黃仁勳曾將實體 AI 視為生成式 AI 之後的下一波浪潮，Bloomberg Intelligence 策略師 […]

OpenAI o1 急診分診正確率達 67%、超車資深醫師：哈佛研究揭醫療 AI 的價值、風險與落地邊界

在醫院急診室裡，許多生死交關、分秒必爭的決策，仰賴的是人類醫師多年累積的專業與經驗。然而，頂尖權威期刊《Science》近日刊載一項由哈佛醫學院（Harvard Medical School）與貝斯以色列女執事醫學中心（Beth Israel Deaconess Medical Center）共同發表的研究成果，首度讓專為處理複雜問題而生的 OpenAI o1 推理模型（reasoning model），與資深人類醫師在真實的急診情境中展開「正面對決」。 結果顯示，o1 模型在急診診斷、分診與後續處置建議等臨床任務中，皆展現出超越人類醫師的表現。不過，這項結果傳達的並不是「AI 將取代人類醫師」的恐慌，而是開始重新定義醫療照護的核心：當 AI 能夠又快又準地處理龐雜的病歷與數據時，反而強烈凸顯人類的價值。因為在資訊不足的高壓急診場景中，醫師在監督系統、人性判斷、醫病溝通與承擔最終責任上的角色，不但沒有被演算法削弱，反而變得不可取代。 真實急診病歷壓力測試：OpenAI o1 在資訊有限的分診階段勝過醫師 為了測試 AI 在真實醫療場景中運行的能力，研究團隊以波士頓 Beth Israel Deaconess Medical Center 的急診病例進行測試。《SAN》指出，有別於過去乾淨、標準化的考題，研究人員刻意使用接近真實臨床環境、充滿「雜亂」（messy）數據的電子病歷資料，讓 AI 與兩位人類醫師都只能讀取包含生命徵象、人口統計資訊與護理師紀錄等有限的文字資訊。 在病患剛抵達急診、資訊仍相當有限的「分診階段」，OpenAI o1 展現了驚人的判斷力，做出正確或非常接近診斷的比例高達 67%，勝過兩位人類醫師的 50% 與 55%。當病患接近入院階段、具備更多病歷資訊可用時，AI 的診斷正確率進一步躍升至 81% 至 82%，而人類醫師則落在 70% 至 79%，可見 AI 的優勢在「需要快速決策、資訊又不完整」的急診分診場景中尤其明顯。 不僅如此，當被要求提供如抗生素療程或臨終照護流程等長期治療計畫時，AI 的評分高達 89%，遠勝使用傳統資源的人類醫師。在一例肺栓塞併發症惡化的真實病例中，人類醫師誤以為是抗凝血劑失效，但 AI 卻注意到病患有紅斑性狼瘡病史並推斷為肺部發炎，最終證明 AI 才是正確的。  AI 勝過醫師不等於取代醫師，真實急診仍仰賴許多非文字判斷 […]

如何用 Physical AI 重構製造生產效率？鴻海、達梭與耐思尼解析產線自主化的落地實踐

「傳統產業導入 AI 或人機協力後，優化過去的生產動線與流程，就能緩解缺工帶來的營運危機，」台南市副市長趙卿惠在近日（4/28）由 TechOrange 科技報橘舉辦的「AI 智慧大工廠論壇」指出，隨著 Physical AI 的技術逐漸成熟，人形機器人、機器手臂及各類自動化服務將加速滲透至製造產業中，注入自動化生產的新動能，企業如何透過人機協作搶佔先機，已成為核心課題。 鴻海打造 Physical AI 虛擬練功場，突破數據瓶頸 「機器人已進駐工廠，但目前還不夠聰明，」鴻海科技集團智慧製造平台處長郭錦斌指出，儘管各產業已逐步導入機器人協作，但現階段「智力」仍顯不足，需依賴大量人力示教，同時面對 Physical AI 數據稀缺、場域適應成本高、懂 AI 的複合人才稀缺以及如何符合安全合規等現實挑戰。 為破解數據瓶頸，鴻海與 NVIDIA 透過數位孿生及遙操數據採集技術建構虛擬練功場。首先將實體場域掃描匯入 NVIDIA Omniverse 進行 3D 建模，並於 Isaac Sim 仿真環境中進行模擬，讓機器人在零風險環境下利用 GR00T VLA 模型進行強化學習，並透過 GR00T Teleop 將人類遙控操作的經驗轉換為訓練數據，再將成熟的模型部署至實體場域，協助製造業提升 OEE 整體設備效率以及降低設備實體測試與調教時間。 「需要有一個企業共用的平台，讓所有的 Physical AI 在平台上共同作業，所以我們建造了一個創世紀的平台，」郭錦斌進一步介紹鴻海的「智慧製造創世紀平台」如何協助企業導入 AI 的完整路徑。從定義產線需求，再由 Genesis 系統以標準化工具 Agent 打造客製化 AI Agent，隨後即可將 AI Agent 部署到應用場域，再透過營運中累積的經驗或更多不同的場景，將採集的數據 Token 化，進一步回饋至模型進行持續訓練與優化，最後形成一個應用解決方案的開發、部署、運營完整閉環， […]

鴻海攜手 NVIDIA 共同打造製造工廠虛擬練功場，解析 Physical AI 的落地實踐

「把人力拿去做更有效的使用，而不是讓 AI 把這些人力取代掉，透過 AI 的協助可以讓人力去做更有價值的工作，」鴻海科技集團智慧製造平台處長郭錦斌在近日（4/28）由 TechOrange 科技報橘舉辦的「AI 智慧大工廠論壇台南場」，表示 AI 的初衷是讓人力發揮更大的價值，而非取代人類。 從 CNC 到醫療產業，破解場域三大難題 郭錦斌首先歸納出目前工業與醫療場域面臨的三大難題。首先是 CNC 車間的勞動力轉型挑戰，由於 CNC 機台數量龐大且工序繁複，長時間高強度的重複性作業導致缺工問題日益嚴重。引用天下雜誌的報導，「以鴻海深圳廠為例，原本需由 80 多位人力操作的產線，現計畫透過機器人取代 8 至 9 成的人力，藉此實現產線 24 小時不間斷運行的最高效益。」 其次是 HHTD25 AI 智慧醫療生態圈論壇提到，護理產業的資源瓶頸，根據國際護理協會 2025 年的調查數據，全球護理人力缺口高達 590 萬人，其中超過 40% 的精力都消耗在重複性的護理工作與物資搬運上，壓縮高品質醫療照護的空間。 最後則是手機精密組裝領域的技術瓶頸，過去單純依靠人工組裝容易遭遇物理限制，而傳統機器手臂在面對螺絲孔被管線遮擋，或產線需頻繁切換產品型號等情境時，需要耗費極高的人工成本進行測試與調校。 鴻海與 NVIDIA 聯手破解 Physical AI 瓶頸 「機器人已進駐工廠，但目前還不夠聰明，」郭錦斌指出，儘管各產業已逐步導入機器人協作，但現階段「智力」仍顯不足，需依賴大量人力示教，同時面對 Physical AI 數據稀缺、場域適應成本高、懂 AI 的複合人才稀缺以及如何符合安全合規等現實挑戰。 為破解數據瓶頸，並讓機器人真正具備大腦，鴻海與 NVIDIA 透過數位孿生及遙操數據採集技術建構虛擬練功場。首先將實體場域掃描匯入 NVIDIA Omniverse 進行 […]

不想滑社群，但又不能錯過你要的情報？Noscroll AI 機器人幫你盯著所有消息

社群媒體的資訊密度與使用體驗之間，存在著一個讓許多人陷入兩難的矛盾，所謂 doomscrolling，指的是強迫性消費負面或令人不安的內容，即使已感到心理疲勞仍無法停止，而這是演算法驅動的社群平台長期優化參與度的結果。 舉例來說，X 上就有著傳統媒體給不了的即時性與深度，但滑起來又讓人感覺很糟。 Noscroll 的創辦人 Nadav Hollander 把這個矛盾描述得很直白：「就像速食，你吃完就覺得噁心」，於是他決定自己動手解決這個問題。 把瀏覽這件事外包給 AI Hollander 的背景是加密貨幣與 Web3 圈，他曾創辦去中心化金融新創，後來賣給 NFT 平台 OpenSea，並擔任其技術長。離職後，他花了大量時間泡在 X 上，一邊享受它的資訊密度，一邊忍受它的文化毒性。 他說自己想要的是訊號，不是雜訊，也不是無止盡的滾動。 Noscroll 的核心概念因此很簡單：讓 AI 代理替你瀏覽，然後把值得看的東西傳給你。 據 TechCrunch 報導，使用者不需要下載任何應用程式，只要用手機傳訊給 Noscroll 的 AI 代理（電話號碼為 415-718-4828），就能啟動設定流程。連結 X 帳號後，AI 會讀取你的追蹤清單、按讚紀錄與書籤，用這些資料理解你的興趣輪廓。接著，你用自然語言告訴它你想追蹤什麼、不在乎什麼，它會準備一份示範摘要讓你確認方向。 資料來源不限於 X，Noscroll 會同步抓取新聞網站、部落格、Reddit、Hacker News、Substack，甚至學術論文與地方政治資訊。使用者也可以自行指定特定來源，確保某些管道一定被納入。 摘要透過簡訊推送，頻率由你決定 設定完成後，Noscroll 會以簡訊推送新聞摘要。頻率完全彈性，輕度使用者可以選擇每週一次，重度資訊需求者可以設定每天多次。每則摘要包含新聞連結與 AI 撰寫的簡短說明，如果想深入閱讀，點開連結就能讀全文。 值得注意的是，即使兩個使用者訂閱了相同的來源，收到的內容也不會一樣。系統會根據每個人的點擊行為、主題參與頻率與偏好設定，持續調整推送內容的方向，形成各自不同的個人化輸出。 使用者也可以直接回覆 AI，就像和其他聊天機器人對話一樣，針對收到的新聞提問或延伸討論。Noscroll 也支援加入群組聊天或 Telegram 群組，讓多人共同使用同一個資訊流。 更多通訊平台的支援則在後續規劃中。當有重大突發事件時，系統不會等到下一次排程推送，而是即時傳訊通知。 Hollander 表示，AI 代理在後台使用多個現成的語言模型，跑在公司自有的基礎架構上。這些模型經過大量提示詞調整，形成 […]

81% 金融業已導入 AI，監管卻跟不上！劍橋報告示警銀行老舊系統與「資料盲點」恐成致命破口

劍橋大學賈吉商學院（Cambridge Judge Business School）旗下 Cambridge Centre for Alternative Finance（CCAF），攜手國際清算銀行（BIS）、國際貨幣基金組織（IMF）與世界經濟論壇（WEF）等重量級機構，最新發布《2026 Global AI in Financial Services Report》報告。這份深度調查全球橫跨 151 個司法管轄區、共 628 個組織的報告揭示，AI 正深刻影響金融機構營運與監管機關維護市場穩定的能力。 報告指出，整個金融業正處於一個關鍵的「轉型過渡期」（mid-transition）。業界的技術焦點正迅速從傳統機器學習，跨越至生成式 AI，並大步邁向具備高度自主決策能力的「代理式 AI」（Agentic AI）系統。 然而，在技術躍進背後，金融業正經歷巨大的「執行落差」（execution gap）。儘管多數機構已感受到營運效率與生產力的提升，卻普遍撞上資料品質不佳、老舊 IT 架構包袱以及 AI 專業人才短缺等三大結構性痛點。更令人擔憂的是，當金融業加速將 AI 導入系統時，監管機關的技術採用進度卻明顯落後，這使得業界的老舊系統在面對前沿 AI 時，面臨前所未有的風險。 81% 金融業已導入 AI，但監管機關明顯落後 首先，報告指出，81% 受訪金融服務業者已在某種程度採用 AI，其中 40% 業者達到「Scaling」或「Transforming」等進階採用階段。相較之下，卻僅有 20% 的監管機關達到同樣的進階採用水準。 報告進一步揭露監管端的現況：高達 48% 的受訪監管機關仍處於 AI 採用的「探索」（exploring）階段，或是尚未開始導入 AI，而另有 33% 監管機關仍停留在試點階段。這種進度落差，讓監管單位在面對快速變化的 AI 市場時，面臨極大挑戰。更嚴重的是監管機關也有「資料盲點」，僅有 24% […]

【科技早餐】AI 還沒變便宜，Meta 先裁員 10%，科技業成本取捨浮上檯面

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Meta 裁員連到 AI 算力支出，科技業面對人力與算力取捨 《路透》報導，Meta 執行長祖克柏（Mark Zuckerberg）在員工大會中表示，公司主要成本來源包括運算基礎設施與人力支出；如果一邊加大投資，另一邊可分配資本就會減少，因此公司規模必須調整。Meta 預計 5 月 20 日裁減約 10% 員工，下半年也不排除進一步裁員。 祖克柏強調，這輪裁員與公司轉向 AI 原生架構沒有直接關聯，也不是因為推動員工使用 AI 工具。不過 Meta 近來持續加碼資料中心與 AI 運算能力，也導入 AI 代理與內部 AI 工具。另一方面，NVIDIA 應用深度學習副總裁卡坦扎羅（Bryan Catanzaro）近期表示，部分 AI 應用的算力成本，已高於使用這項技術的員工成本。 ＊Apple 財報超預期，Siri、記憶體與接班壓力同時上桌 蘋果（Apple）公布 2026 會計年度第二季財報，營收達 1,111.8 億美元，年增 17%，每股盈餘 2.01 美元，雙雙優於市場預期。執行長庫克（Tim Cook）在財報電話會議中表示，iPhone 17 是公司史上最受歡迎的產品線，但先進處理器供應仍有限，影響部分 iPhone 銷售表現。 市場同時關注 Apple 的 AI 進度。庫克表示，與 Google […]

【行銷長 2026 AI 趨勢報告】78% CMO 陷資料孤島、顧客仍盼真人服務：解析 AI 代理規模化的多重挑戰

生成式 AI在過去一兩年間，已經在企業的內容發想與日常製作流程中取得初步且顯著的成效。現在的關鍵問題在於，如何運用更高階的「代理式 AI」技術，來深化顧客互動並重塑長期的品牌關係。 這份由 Adobe 與 Oxford Economics 共同發布的《行銷長 2026 AI 與數位趨勢報告》（CMO PRIORITIES: 2026 AI AND DIGITAL TRENDS），奠基於龐大且具代表性的全球調查數據，涵蓋 3,000 位企業高階主管與第一線從業人員，以及高達 4,000 位消費者的真實反饋；調查對象橫跨多種產業與企業規模，其中包含 8% 的全球行銷長群體，反映決策者在面對 AI 浪潮時的真實痛點與策略轉向。 報告的核心提醒是，盲目追逐新技術的階段已經過去。對行銷長與高階決策者而言，現在的重點不再是「要不要用 AI」，而是如何讓 AI 真正串聯起從品牌曝光到售後服務的完整顧客旅程。以下摘要報告內容。 📎 這份報告適合誰閱讀？ 這份來源報告主要針對行銷長（CMO）以及行銷與數位決策者所設計，但其探討的跨部門協作痛點與技術趨勢，也非常適合以下幾種專業工作者閱讀： 只要工作範疇涉及顧客體驗優化、品牌曝光（特別是 AI 搜尋優化）、內容供應鏈或企業數據整合，都能在這份報告找到行動指引。 🔴 報告洞見 根據 Adobe《行銷長 2026 AI 與數位趨勢報告》，企業已逐漸脫離早期的「AI 實驗」階段，邁入「顧客體驗編排」的全新戰局。 當前市場有兩大警訊，首先，在 AI 搜尋逐漸取代傳統 SEO 的趨勢下，品牌如今僅剩五秒鐘能抓住消費者目光；其次，儘管業界積極部署代理式 AI 以追求自動化，卻有高達 78% 的行銷長坦言，內部「資料整合與品質落差」已成為技術擴張的最大阻礙。 究竟多數企業踩中了什麼轉型地雷？而領先企業又掌握了哪些逆轉戰略，將 AI 轉化為實質營收？以下三個趨勢，分別從曝光、基礎設施與組織管理三個層面，拆解這道轉型難題。 […]

5,000 億美元星際之門計畫變形中：OpenAI 放棄自建路線，AI 算力戰進入新階段

由美國總統川普宣布、OpenAI 主導且規模高達 5,000 億美元的 AI 基礎建設計畫「星際之門（Stargate）」正在經歷重大策略轉向。這個由 OpenAI、Oracle、軟銀與阿布達比主權基金 MGX 在 2025 年初聯合宣布的投資計畫，原本以共同出資、自建專屬資料中心為核心架構，如今卻已在多個關鍵據點悄悄轉向「以租代建」的彈性策略。 一位從一開始就參與星際之門建設的人士告訴《金融時報》：「我現在不知道『星際之門』是什麼意思了，我認為這個說法現在完全過時了。」另一位熟悉軟銀立場的人士則稱，「星際之門沒有消失，但它已產生變化，現在基本上任何涉及軟銀或甲骨文的算力都可以被視為星際之門。」 英國、挪威、德州據點接連縮減，微軟成接手角色 根據《金融時報》報導，OpenAI 近期在英國東北部暫停了一處資料中心計畫，並重新調整了挪威納爾維克的另一個據點。這兩項計畫原本皆以星際之門名義，與英國 AI 雲端新創 Nscale 合作推進。 OpenAI 以英國「監管限制過嚴、能源成本過高」為由解釋其暫停的原因，但英國 AI 部長 Kanishka Narayan 提出反駁，指出自 OpenAI 做出承諾至今，「唯一改變的是 OpenAI 的融資環境」。 已在納爾維克投入大量資金備戰的 Nscale，最終由微軟接手其算力租約。OpenAI 表示，仍計劃透過與微軟的整體協議取得挪威的算力，改以間接方式而非直接向 Nscale 租用。 在美國本土，OpenAI 上個月也放棄了德州艾比林旗艦據點的擴建計畫，拒絕向開發商 Crusoe 行使租約選擇權。一位熟悉內情的人士透露，OpenAI 找到了包括密西根州在內的更低成本選項。同樣地，微軟隨後接手了這批多出來的算力容量。一位接近 Crusoe 的人士表示，微軟是「更好的租客，信用更可靠」。 聯合投資框架定義演變，OpenAI 轉向大型雙邊協議 熟悉星際之門計畫的人士向《金融時報》表示，OpenAI 在實際操作上已放棄聯合投資架構，轉而透過一系列大型雙邊協議取得算力。 Oracle 是其中最重要的合作夥伴，雙方去年簽訂了為期 5 年、總額達 3,000 億美元的協議，由 Oracle 為 OpenAI […]

【DEAT 專欄】當外送、共享機車走進日常，城市其實早已在回應平台經濟

早上出門用共享機車銜接捷運，中午透過外送平台解決用餐，下午在城市不同角落租借設備或空間，晚上再用數位平台安排生活服務。這些安排看起來分散，其實都在同一個城市運作脈絡之中發生。 對多數人來說，這些只是日常選擇，但對城市而言，這些選擇正在改變交通流動、空間使用與公共資源配置的方式。平台服務的影響，已經不只是線上的便利體驗，而是直接進入城市運作的核心。 延續前一篇對數位政策框架的討論，當平台逐漸跨越不同服務領域，一個更貼近現場的問題開始浮現：這些服務的影響，最先需要被回應的場域，其實是城市本身。 數位平台的變化，最早感受到的往往是地方層級。共享機車改變了短程移動的習慣，也重新分配了道路與停放空間；外送平台讓城市中的物流變得更即時，也增加了街區中的運輸頻率；租賃與共享服務讓資源流動更靈活，同時也影響商業空間與公共場域的使用方式；生活支援與照護平台，則進一步延伸到社區與家庭之中。 這些改變不需要透過數據才看得見，而是直接出現在日常生活裡。交通順暢與否、街區空間是否被有效使用、服務是否能即時回應需求，都是城市治理每天需要面對的課題。當平台逐漸融入這些環節，治理壓力自然集中在地方政府。 目前多數數位平台相關制度，仍由中央制定，並透過既有的產業分類與主管機關分工來執行。這樣的架構提供了清楚的治理基礎，但在平台服務快速變動的情境下，地方政府往往需要更即時的回應能力。 在實務運作中，制度與現場之間逐漸出現幾個值得注意的落差。首先是回應節奏的差異。平台服務的更新與調整速度很快，而政策調整通常需要較長時間，地方政府在第一線承接民眾需求時，往往需要在既有制度下先行應對。其次是工具的適配性。現行制度多依產業類型設計，當服務跨越不同場景時，地方政府在實際操作上，常需要透過協調或彈性解釋來完成管理。再來是責任的界線。在跨域平台服務中，部分議題同時涉及中央與地方，分工方式仍在持續調整之中。 這些情況，使地方治理逐漸成為觀察數位政策是否貼近現實的重要窗口。 當平台服務進入城市日常，地方政府的角色也隨之改變。過去，地方治理多半著重於制度執行或特定產業管理；現在，地方政府需要同時面對服務創新、使用者需求與城市運作效率，治理的內容變得更為複雜，也更貼近生活。 在不同城市中，可以觀察到各自的回應方式。有些地方開始與平台建立更密切的溝通關係，透過協作調整服務運作；也有城市仍以既有管理工具為基礎，逐步因應新型態服務的出現。這些差異反映的，是在同一套制度框架之下，各城市如何理解平台角色，以及如何在實務中做出調整。 在前面的討論中，已針對制度框架的設計與適配性進行探討，我們本階段的討論，則更接近實際運作現場。數位平台的影響，已經不只停留在政策層面的規劃，而是在城市中被具體感受到。制度如何被理解、如何被執行，以及如何在不同情境中進行調整，逐漸成為更重要的觀察重點。在這樣的過程中，地方政府不僅是制度的執行者，也成為制度與生活之間的重要連接點。 為了更系統性地理解這些現象，協會將進一步針對六都進行數位政策觀察，盤點各城市在面對平台經濟時的政策設計與實務回應。透過不同城市的比較，可以更清楚地看見哪些政策工具已能有效回應平台場景，哪些部分仍有調整空間，以及地方治理如何在既有制度之下發展出不同路徑。在進入具體結果之前，先從城市的角度理解平台影響，有助於建立更貼近生活的討論基礎。 數位平台的發展，已經逐步從產業議題延伸到城市治理層面。當服務影響日常安排，治理的重心也隨之轉移。制度如何設計固然重要，而制度如何在城市中被實踐，則更直接影響使用者的感受與信任。地方治理之所以成為關鍵，來自它與生活之間的距離最短，也最能反映制度是否真正發揮作用。 在平台持續融入各種生活場景的過程中，城市將是最早感受到變化的地方，也將成為觀察數位治理發展的重要指標。 社團法人台灣數位平台經濟協會 社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。 ＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：社團法人台灣數位平台經濟協會。 （責任編輯：李昀蔚）

Uber 為何要把 Expedia 搬進 App？不只挑戰 Airbnb、Booking Holdings，更要防堵 AI 代理攔截訂單

Uber 近期在美國紐約舉行的年度產品發表會 GO-GET 上，宣布將與 Expedia Group 合作，讓用戶可以直接在 Uber App 內預訂飯店。這項舉動再次凸顯 Uber 致力跳脫單純的叫車與外送框架，以打造一個「超級平台（Super App）」的強大野心。 Uber 與 Expedia 結盟後，將在 App 內新增專屬的「飯店」分頁，讓用戶可用價格、評分等條件篩選住宿。首波讓美國用戶能直接在 Uber App 內預訂超過 70 萬家飯店，未來更計畫納入度假租屋平台 Vrbo，這也代表 Uber 將直接與 Booking Holdings、Airbnb 等傳統旅遊平台展開競爭，對 Uber 生態系而言也具有更深層的戰略意義。 從機場接送到飯店外送，Uber 想把旅遊需求留在 App 內 事實上，Uber 執行長 Dara Khosrowshahi 在加入 Uber 前曾擔任 Expedia 執行長長達 12 年，Uber 甚至曾在 2024 年考慮收購這家估值 300 億美元的旅遊巨頭，儘管最終未正式提案，且不會在這次合作中投資 Expedia，但作為雙方互惠的一環，Expedia 也預計在 6 […]

LG 證實與 NVIDIA 展開討論：從機器人到車用系統，揭實體 AI 新競賽版圖

LG 電子證實，已與 NVIDIA 就機器人、AI 資料中心，以及車用科技三個潛在合作領域展開討論。《Reuters》報導指出，這項消息是在 NVIDIA 實體 AI 平台資深總監 Madison Huang 造訪首爾的 LG 電子總部，並與多家韓國主要科技企業會面後曝光。 這三個討論領域正好對應兩家公司公開的核心戰略重點，顯示這次交流已不只是例行性拜訪。《The Next Web》指出，對 LG 而言，戰略邏輯相當清晰，該公司雖然是全球最大的家電製造商之一，但其成長重心已明顯轉向 AI 驅動的實體系統。 不只企業應用！輝達 AI 進軍家庭，LG 成關鍵入口 在年初的 CES 消費電子展上，LG 發布了 CLOiD 家用機器人，配備雙機械臂、每隻手臂 7 個自由度，以及每隻手 5 個可獨立控制的手指，體現其所謂 Zero Labor Home（零勞動家庭）願景，透過互聯機器人與家電，自動化家庭中的體力工作。LG 整體的 CES 策略圍繞三大支柱：裝置優勢、協同式智慧家庭生態系，以及拓展至 AI 定義的車輛與 AI 資料中心的冷卻（HVAC）解決方案。CLOiD 機器人搭載 LG 自研的 Affectionate Intelligence（情感型智慧）平台，負責情境理解、自然互動，以及從家庭環境中持續學習。 對 NVIDIA 而言，合作吸引力在於 LG 的「消費級規模」。《The […]

Google Cloud 營收年增 63%、AWS 創 15 季最快成長：6,000 億美元 AI 基建投資進入驗收期，雲端營收能撐住燒錢速度嗎？

週三（4/29）Microsoft、Alphabet、Amazon 與 Meta 四大科技巨頭，罕見選在同一個交易日公布財報。根據《Reuters》報導，這四家被華爾街稱為「超大規模雲端服務商（Hyperscalers）」的企業，今年預計將在資料中心與其他 AI 基礎設施上，豪砸超過 6,000 億美元。 現在，市場緊盯的已經不只是充滿想像力的 AI 願景，而是這場以千億美元為單位的基礎建設大戰，能不能順利轉化為財報上白紙黑字的營收成長，以證明這些天文數字級別的投資確實有所回報。 雲端成長先給答案，科技巨頭的 AI 投資暫時過關 面對華爾街的質疑，有著雲端業務護城河的三大巨頭率先給出定心丸。Amazon、Alphabet 與 Microsoft 的雲端運算部門在財報中，皆交出亮眼的雙位數成長。《The Guardian》指出，這些雲端部門受惠於企業 AI 採用的增加，進一步出現強勁的加速成長。其中，Alphabet 的 Google Cloud 年增高達 63%，而 Microsoft 與 Amazon 也同樣靠著雲端業務大放異彩。 《The Guardian》報導認為，這一輪財報似乎給出一個近乎一致的答案：AI 投資的回報，正在優先反映於雲端運算的營收上。科技分析網站《Implicator.ai》則將這次財報形容為 AI 支出辯論的「前瞻性計分卡」（forward-looking scorecard），並強調正是因為這波雲端業務的成長，為科技巨頭爭取更多時間，以繼續投入 AI 基礎建設。 微軟與 Alphabet 持續加碼，算力供給成下一道考題 在證明需求存在後，接踵而來的考驗是基礎建設的成本。Microsoft 的 Azure 與其他雲端服務在該季度成長 40%，帶動 Microsoft Cloud 總營收達 545 億美元。Microsoft 執行長 Satya Nadella 更自豪地指出，AI […]

Meta 低調重返穩定幣戰場！30 億用戶帝國押注加密支付新時代

Meta 已重返穩定幣市場。距離四年前終止先前嘗試後，這家科技巨頭如今低調向哥倫比亞與菲律賓的部分創作者推出數位貨幣付款服務。根據 Meta 官網更新，該支付功能支援透過 Solana 與 Polygon 區塊鏈網路，以穩定幣 USDC 發放款項。 可不依賴銀行跨境匯款！部分創作者可用加密錢包直收 USDC 選擇穩定幣收款的創作者，需在 Facebook 的付款平台輸入第三方加密錢包地址，Meta 不提供 USDC 兌換當地法幣服務。此外，Meta 也與 Stripe 合作，處理部分與穩定幣付款相關的加密稅務申報。 《CoinDesk》報導，此舉象徵 Meta 在早年推動的 Libra（後更名為 Diem）計畫因監管審查遭終止後，再度進軍穩定幣支付領域。Stripe Link 負責人 Jay Shah 表示：「企業現在可透過 Link 直接向客戶發送穩定幣付款，而創作者能在菲律賓、哥倫比亞等國家透過 Link 錢包接收穩定幣。」這項消息發布前，Meta 就曾尋求第三方供應商協助在旗下平台導入穩定幣支付。 此舉使旗下社群平台用戶超過 30 億的 Meta ，成為規模最大的穩定幣實際支付試驗科技企業之一。《CoinDesk》指出，Meta 正利用區塊鏈基礎設施進行全球資金轉移，讓用戶可不依賴傳統銀行系統收款。穩定幣是與法定貨幣掛鉤的加密貨幣，正被愈來愈多企業視為更快速、成本更低的支付方式，例如 Visa 表示，其穩定幣結算網路年化交易量已達 70 億美元，單季成長 50%。 監管鬆綁 Apple、Google 搶進！Meta 搭熱潮再戰穩定幣版圖 Meta 是最新一家導入穩定幣的大型企業。《Fortune》提及，自去年初以來，隨著監管環境轉趨友善，包括 Airbnb、X、Apple 與 […]

中國把全球最大公用事業變成 Physical AI 測試場：8,500 台機器人從巡檢、救援到特高壓維護全面落地

中國國家電網近日宣布斥資 68 億人民幣（約 10 億美元），大舉採購高達 8,500 台 AI 機器人，全面投入國家級電網的營運與維護。這絕非單一企業的實驗性專案，據估計，中國電力部門今年在「具身智慧（Embodied AI）」的總投資額將一舉突破 100 億人民幣（約 14.6 億美元），強勢將機器人技術深度整合進國家關鍵基礎設施中。 這項前所未見的大規模部署，向市場發出一個明確的產業訊號：實體人工智慧（Physical AI）已正式跨出實驗室，迎來真實世界的大規模商用落地。然而，當中國正把全球最大的公用事業轉變為實體 AI 的巨型測試場時，美國與西方國家卻正面臨嚴峻的兩難困境：既要應付 AI 算力狂飆帶來的龐大用電需求，又要搶救逐漸老化、瀕臨極限的傳統電網。這場融合 AI 發展與電力基建的雙軌角力，也將成為搶占下一波科技主導權的決勝點。 中國電網機器人大軍鎖定四大高風險場景 為了解決複雜的基礎設施維護問題，中國國家電網已明確規劃出這批高科技機器人大軍的四大核心應用場景：電力巡檢、帶電作業、緊急救援與倉儲物流。在具體的採購陣容中，包含 5,000 隻四足機器狗，它們將被派往地形崎嶇的山區，執行變電站與輸電線路的巡視任務。 除此之外，計畫還包含數千台人形與雙臂輪式機器人，則將被派往執行更複雜、更高風險的任務，例如維護國家快速擴張的特高壓電網。透過這些部署，中國政府與國家電網立下明確的發展目標：在 2026 年讓具身智慧在重點領域的滲透率達到 30%，並於 2030 年實現電網的全面自主營運與維護。 中美兩國在 AI 發展與硬體製造的對照 這項超過 8,000 台機器人的部署計畫之所以能夠迅速落地，背後仰賴的是中國在硬體製造端建立的絕對優勢，這也突顯中美兩國在 AI 發展路徑上的根本差異。在投資方面，紐約大學法學院教授 Winston Ma 指出：「大約 90% 的美國創投資金流入軟體領域，這在硬體科技領域留下一個關鍵的融資缺口，而主權財富基金現在正填補這個缺口。」 這種資金流向直接反映在實際產量上。儘管如 Figure AI 這一類的美國新創公司估值極高，但在 2025 年，包含 Tesla、Figure AI 和 Agility […]

【科技早餐】AI 供應鏈把台灣推上全球第 6，台股市值正式超越加拿大

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊AI 供應鏈推升台股市值，台灣超越加拿大站上全球第 6 根據《彭博》報導，在 AI 相關類股需求與台積電股價上漲帶動下，台灣上市企業總市值達 4.47 兆美元，超越加拿大的 4.44 兆美元，成為全球第 6 大股市。台積電市值也膨脹到約 1.8 兆美元，持續支撐台股在全球市場中的位階。 這項排名變化，反映 AI 需求不只推動半導體產值，也同步影響市場評價與國際資金配置。對國際資本市場來說，台灣不只是半導體製造重鎮，也正在成為 AI 投資主線中的重要市場。 ＊台灣半導體產值上看 7.1 兆，AI 需求續推歷史新高 資策會產業情報研究所（MIC）預估，受惠 AI 需求持續成長，今年台灣半導體產業產值將再創歷史新高，達到新台幣 7.1 兆元。MIC 指出，AI 運算需求持續擴張，帶動先進製程與先進封裝同步成長。 其中，晶圓代工產值預估達新台幣 4.6 兆元，IC 封測產值達 7,787 億元，記憶體則是價格和出貨量同步往上。不過，IC 設計端因消費性電子需求復甦有限、終端成本上升，表現可能分化；台灣在晶圓代工與先進封裝仍具不可替代性。 ＊鴻海看 AI 基建支出雙位數成長，全球雲端客戶續加碼算力 鴻海（Foxconn）將在 5 月 29 日舉行股東會。董事長劉揚偉在致股東營運報告書中表示，今年 AI 基礎設施支出預期將維持雙位數百分點高速成長，全球主要雲端服務供應商也持續擴大 AI 資本支出。 劉揚偉指出，產業投資重心已從終端消費市場，轉向以算力為核心的雲端基礎建設。鴻海將以自動化製造能力、全球供應鏈網絡與系統整合能力，支援客戶加速 AI 部署，也讓台灣供應鏈在 […]

AI 如何重塑工程模擬？新思科技推出 Ansys 2026 R1 支援系統級研發

隨著 AI 基礎設施的爆炸性成長，科技產業的硬體研發邏輯正發生根本性的典範轉移。新思科技在其發布會中，不只展示產品的 AI 升級、推出 Ansys 2026 R1，更強調工程模擬與分析（S&A）正在從輔助工具躍升為產品開發中的決策基礎，走向系統級設計角色。 雲端巨頭重塑規則，台灣供應鏈迎來系統級挑戰 針對產業趨勢，Ansys, part of Synopsys, Taiwan Country Manager 李祥宇表示，過去硬體開發邏輯是由晶片功能來決定系統表現，然而，如今包括 Google、Microsoft 等 CSP 大廠紛紛投入自研晶片，依照系統層級的需求回頭去重新定義晶片設計。此外，現今 AI 基礎設施的產業鏈被拆解得極度細緻，光是 GPU 加速相關生態圈就有逾 40 家公司，且每一個環節都必須將效能做到極致。 李祥宇指出，台灣在全球 AI 伺服器基礎設施中擁有最完整的供應鏈，製造了全球逾 95% AI 伺服器，這項獨特優勢促使業界必須從「系統到晶片（system to silicon）」的宏觀角度來審視產品開發。 散熱與功耗的多重物理危機，工程不再能各自為政 在系統效能被推向極限的同時，工程師面臨了大量的耦合性物理難題。Ansys, part of Synopsys, Applications Engineering, Sr Director 魏培森指出，現代系統越來越複雜，不再能由單一領域的工程師獨立完成設計。若追求強大運算效能卻無法解決龐大的功耗與散熱問題，系統仍會失敗，因此必須將電、熱、應力做系統級的綜合整合。 以 AI 伺服器資料中心為例，必須從系統級別思考整體設計，再一步步往下推導至晶片層級。目前的散熱挑戰已從主機板深入至晶片層級、封裝層級與 PCB 層級，而每個層級都需要不同的散熱手法與專屬軟體工具來應對。 為了應對這種指數級成長的設計複雜度，新思科技在產品全面導入 AI。魏培森表示，傳統模擬需先畫好結構圖、手動切分網格，再耗時進行迭代運算使結果收斂。然而導入 AI 後，能幫助判斷最佳的網格收斂解析度，甚至能根據過去設計經驗直接生成新的結構預測。在他展示的一款四路油管設計案例中，AI 自動演算出內部帶有特殊連通結構的管線，使流速更均勻並大幅降低壓力，是傳統人腦難以想像的創新設計。 […]

台灣邁入量子韌性元年：智慧資安攜手 CHELPIS 打造企業級量子防禦盾，聚焦金融與政府場域

隨著量子威脅進入倒數，在這個傳統加密面臨顛覆風險的轉折點，精誠集團旗下資安服務公司智慧資安科技（uniXecure），與長期致力於後量子密碼技術（Post-Quantum Cryptography, PQC）的 CHELPIS（池安量子資安），今日（4/29）正式宣布簽署戰略合作協議。雙方將透過技術對接與通路合作，聯手導入 CHELPIS 領先全球的 NIST（美國國家標準暨技術研究院）認證技術，確保金融、政府、國防與關鍵基礎設施的數位主權，也象徵著台灣產業正式邁入「量子韌性（Quantum-Resilience）元年」。 「量子電腦出現後，如何重劃資安藍圖？」精誠資訊 Mega SI 生態長詹伊正從提問出發，強調面對產業界預估 2029 年量子電腦可能突破現有加密的威脅，許多企業卻連基礎的數位資產盤點都尚未啟動，急需專業協助。CHELPIS 創辦人暨執行長池明洋也指出，量子運算對現有加密機制的威脅並非新議題，早在 1999 年全球便已知道傳統密碼可能被破解，只是過去算力尚未到位。如今，各國與 IBM、Google 等企業加速投入算力，風險時間點不斷提前。 池明洋進一步警告，未來量子運算的核心攻擊目標並非整個系統，而是針對「金鑰交換（Key Exchange）」的過程，且目前駭客「先竊取、後解密（Harvest Now, Decrypt Later）」的威脅已經真實存在，因此後量子資安絕非遙遠的未來，而是企業現在就該啟動的防禦工程。 台灣產業 PQC 遷移挑戰：要跨越「五代同堂」系統障礙，混合式架構為過渡期解方 談到當前台灣企業導入 PQC 的痛點，實務面上最大的障礙在於歷史遺留系統（Legacy Systems）過多。由於企業內部的 IT 架構往往新舊交錯，甚至高達「三代到五代同堂」，因此要針對這些龐雜的系統進行盤點非常耗時且困難。還有要花多少錢、遷移之後 IT 系統是不是還可以正常運作，以及能否避免服務中斷，這些都是企業推動轉換時最擔心的營運風險。 為了解決企業在不大幅改動既有系統下的擔憂，業界目前推崇採用「混合式（Hybrid）」架構作為過渡期的防禦解方，也就是在實務上將現有的傳統加密演算法與後量子密碼演算法結合使用，這不僅能在保障傳輸連線安全的同時，避免單一演算法可能帶來的服務中斷風險，更能兼顧系統的相容性與穩定性。 推動這波系統重構的最大動力，往往來自於主管機關的法規推力與國際規範，尤其是高度監管的金融業等領域，因其系統龐大且資料外洩衝擊極高，勢必將成為優先進行量子安全遷移的重點領域。展望未來，業界樂觀預估在未來一到兩年內，就有機會在新建系統，或是對國際合規有高度需求的企業中，看到首批完成量子安全遷移的成功案例。 面對 2029 年逼近的量子威脅，這場資安戰役已無可迴避。為加速建立臺商全球布局的安全基礎，智慧資安正式攜手 CHELPIS，協助企業優先精準評估自身的「風險分數」與「時間分數」，並提供從資產盤點到系統防護建置的完整方案。現在，企業首要之務是即刻展開全面的數位資產盤點，才能在量子風暴中從容應戰，並讓台灣產業在未來的國際供應鏈中，持續保有強大的安全與合規競爭力，真正為「量子韌性元年」立下具體的實踐標竿。

代理式 AI 商務加速落地！FIDO 聯盟攜 Google、Mastercard 制定交易標準防失控

AI 代理興起，越來越多任務將由 AI 代替人類執行，也衍生出新的風險。在獲得 Google 與 Mastercard 的初期貢獻支持下，專注於身分驗證的產業組織 FIDO Alliance（FIDO 聯盟）表示將成立兩個工作小組，制定產業標準，用來驗證與保護由 AI 代理執行的支付及交易行為。 AI 代理商務時代來了：FIDO 聯盟出手規範 AI 交易 工作小組目標是建立一套可跨產業採用的基礎防護標準，使用者可以透過不易被釣魚或被惡意人士接管的機制，授權 AI 執行行動。這些標準也包含密碼學工具，讓數位服務能確認 AI 代理確實依照已驗證使用者的授權執行，同時也會建立隱私保護框架，讓使用者、商家與服務提供者能夠驗證由 AI 發起的交易。 《WIRED》說明，這項工作目標是在防止 AI 代理被劫持或出現惡意行為，同時建立透明度與問責機制，以便在爭議發生時能追溯責任。FIDO Alliance 執行長 Andrew Shikiar 對《WIRED》表示：「AI 代理正變得越來越普遍，並逐漸進入主流應用，但既有模型不一定是為這種模式設計的。」 Andrew Shikiar 表示，回顧近年對密碼安全問題的處理，相關挑戰其實可追溯至數十年前，當時建立的安全基礎並不足以支撐後來發展出的數位經濟。如今，AI 代理、代理互動與代理商務正站在類似的關鍵轉折點上，產業有機會避免重蹈覆轍，及早建立基礎原則，讓未來的互動更加可信。他指出，「制定可跨產業適用、並確保互通性的技術標準，是一項繁複且往往需耗時數年的工程。」 由於 AI 代理正快速發展與普及，FIDO Alliance、Google 與 Mastercard 都強調必須加快進度。兩家公司也將提供開源工具支持該計畫：Google 的 Agent Payments Protocol（AP2）提供一種加密驗證機制，確認使用者確實有意授權 AI 執行交易；Mastercard 的 Verifiable Intent（可驗證意圖）框架（與 Google […]

不只賣雲端！AWS 推 AI 代理搶攻辦公市場，微軟、甲骨文迎來正面對決

亞馬遜公司（Amazon.com Inc.）旗下雲端事業部門 Amazon Web Services 正計畫進軍辦公室生產力軟體市場，銷售由 AI 驅動的企業應用。AWS 宣布推出一系列新工具，鎖定物流從業人員與招募人員，分別名為 Amazon Connect Decisions 與 Amazon Connect Talent。再加上上月推出的一系列健康應用，顯示亞馬遜正積極利用其 AI 技術切入企業軟體市場。 AWS 行銷長 Julia White 表示，AI 模型的崛起為公司帶來推出全新產品的契機。《Bloomberg》報導，此次發布的產品依賴「AI 代理（AI agents）」技術，也就是能代表使用者執行任務的工具，例如自動面試求職者，或建立預測產品需求的試算表。 AWS 十年布局翻轉！推四大 AI 服務，讓供應鏈、招募、醫療自動化 距離 AWS 推出 Amazon Connect 已近十年。《SiliconANGLE》提及，AWS 將原本內部使用的聯絡中心即服務（contact center-as-a-service）系統商業化推出時，外界普遍質疑它是否能在已有多家成熟供應商的市場中站穩腳步，如今 Amazon Connect 已成為眾多大型品牌的核心客戶體驗平台。現在 AWS 進一步重新定位 Connect 品牌，將其從單純的聯絡中心產品，擴展為一整套可整合進企業工作流程的「代理型 AI（agentic AI）」解決方案。 新的 Connect 產品組合包含四大服務：Amazon Connect Decisions 負責供應鏈管理、Amazon Connect Talent […]

Google 一邊退出無人機競賽、一邊簽機密 AI 合約：拆解 Google 在道德紅線與國防利益間的雙重標準

Google 近期與美國五角大廈簽署一項協議，允許國防部在機密任務中使用包含 Gemini 在內的強大 AI 模型。不過，這項決定卻在 Google 內部引發強烈的反彈情緒。 超過 600 名 Google 員工連署向執行長 Sundar Pichai 發出公開信，強烈要求公司拒絕將 AI 系統用於機密軍事工作。隨著 Google 加入 OpenAI 與 xAI 的行列，將 AI 技術引入軍事網路，一場關於道德底線與利潤的爭議正在展開。 逾 600 名員工的擔憂：進入機密網路後，Google 將失去 AI 控制權 對於公司決定參與機密國防行動，許多 Google 員工感到震驚與羞愧。Google DeepMind 的資深研究員 Andreas Kirsch 就在社群媒體上直言：「我對 Google 簽署將我們的 AI 模型用於機密任務的協議感到無語，坦白說，這是可恥的。」他進一步批評，這是一筆短視近利且會失去外界信任的貪婪交易。 員工們在寫給高層的公開信中強調，AI 系統存在犯錯的可能，且能夠集中權力。他們最核心的擔憂在於，一旦這些 AI 模型被部署在與外部網路完全隔離的「機密環境」中，Google 將完全失去對其技術最終用途的控制權，無從得知美國國防部會如何使用它們。因此，作為技術的開發者，他們深知自己有責任防止這些技術被用於最不道德且危險的用途。 「合法用途」條款背後，Google 無權否決軍方如何使用 AI 這些 Google 員工的擔憂並非空穴來風。這項合約允許五角大廈將 […]

歐洲為何監管越嚴，越離不開美國科技巨頭？從法國健康資料遷出微軟，揭雲端與 AI 主權困境

當一個國家的國民健康數據，全都掌握在美國科技巨頭手中，會帶來什麼樣的國安風險？法國政府近期開出第一槍，正式決定將「國家健康數據中心」（Health Data Hub）從微軟 Azure 搬出，全面轉移給本土雲端業者 Scaleway。 這不只是一次單純的供應商轉換，更是歐洲積極追求「雲端主權」、試圖擺脫對美國大型科技公司長期依賴的關鍵反擊。 法國為何堅持推動「資料大遷徙」？ 這場遷移案的起因，源自對美國法律的疑慮。2019 年，法國政府在未經競爭性招標的情況下，逕自選擇 Microsoft Azure 承接健康資料託管，隨即引發持續的法律與政治審查。法國資料監管機關擔憂「美國法律域外效力」帶來的風險，因此拒絕批准完整資料集的永久轉移。 這個擔憂並非空穴來風。微軟的法務主管去年在法國參議院調查委員會宣誓作證時坦承，即使資料託管在法國境內，微軟依然無法反對美國針對法國公民資料提出的調取要求。 為了解決這個主權破口，法國國家資安機構隨後建立了「SecNumCloud」認證框架，要求關鍵資料絕不能被非歐洲法律的手段取得，實質排除美國供應商及其歐洲子公司的參與資格。在 2024 年通過的新法推波助瀾下，本土業者 Scaleway 終於脫穎而出，預計將於 2026 年底至 2027 年初正式接手，保護數千萬法國公民的健康紀錄。 從雲端、AI 到支付：歐洲已淪為美國科技的「經濟附庸」 法國的焦慮或許只是冰山一角。這起遷移案呼應《經濟學人》所點出的殘酷現實：歐洲現代經濟的制高點，早已悄悄被美國企業全盤掌握。 從底層的基礎建設來看，Apple 與 Google 支撐起整個歐洲大陸的手機生態系統。此外，美國的雲端服務不僅存放著歐洲人的數據，更讓美國的 AI 模型深深紮根於歐洲企業之中。在高階運算、太空與 AI 等領域，歐洲少有站在前沿的企業，唯一較突出的例外，是對全球晶片製造至關重要的荷蘭企業 ASML。 在日常生活裡，Visa 與 MasterCard 兩家美國公司，是歐洲人彼此付款時不可或缺的基礎設施。甚至在政府與國防兩個關鍵場景裡，歐洲政府也往往別無選擇，只能使用 Microsoft 或 Amazon 的雲端服務、依賴 Palantir 進行資料分析，或是靠 SpaceX 發射軍事衛星。 除了科技產業外，歐洲的「依賴症」更蔓延至能源與原物料。過去歐洲僅需進口一半的天然氣，如今有 85% 仰賴進口，且為了取代過去對俄羅斯能源的依賴，現在有超過四分之一是來自美國的液化天然氣。同時，在關鍵礦產上，歐洲也高度依賴中國。  《經濟學人》將這種涵蓋商業與科技的重度依賴，形容為一種「經濟附庸」（economic vassalage）。在科技依賴隨時可能被武器化的地緣政治時代，這無疑是歐洲的軟肋之一。《經濟學人》更警告，若川普及其陣營有意將這種依賴「武器化」，就可能威脅歐洲的支付系統、讓 iPhone 集體停擺，或剝奪德國中小企業使用頂尖 AI […]

【機器人上前線】烏克蘭機器人攻下壕溝、中國 AI 沙盤推演台北街頭的群眾控制

烏克蘭與俄羅斯的戰爭已成為地面自主系統最大規模的實戰驗證場，與此同時，中國正在構想一套以 AI 主導、幾乎不需要人員接觸的城市鎮暴體系。 這兩條路徑，代表著自主武器系統在戰鬥與政治控制兩個場景中，截然不同的部署邏輯，而兩者都在快速累積實戰資料與部署經驗。 烏克蘭：從後勤補給到正面突擊 烏克蘭的機器人戰爭不是實驗，而是迫於現實的快速演進。目前超過 280 家公司投入無人機與地面機器人的生產，產品涵蓋海上偵察平台，到配備機槍與火箭筒的武裝機器人。任務範圍也同樣快速擴張，從最初的彈藥補充與傷員撤離，到如今在無人機火力下執行正面突擊。 2026 年 3 月，烏克蘭地面機器人單月執行逾 9,000 次任務；2026 年初累計達 21,500 次。更具里程碑意義的是，烏克蘭部隊近期以純機器人部隊奪取了一處俄羅斯壕溝，而且無步兵、無傷亡。這是戰史上首次由機器人獨立完成戰鬥奪取任務的紀錄案例。 據《衛報》報導，機器人也已開始執行向波克羅夫斯克等高風險熱點補送物資的任務，使部隊免於進入高風險區域。 烏克蘭國防部長 Mykhailo Fedorov 隨後公開宣示目標：前線後勤應 100% 由機器人系統執行——烏克蘭計劃在 2026 年中前採購 2.5 萬台地面機器人，是去年總量的兩倍。負責協調生產與部署的新能力中心，同步整合了武裝部隊、總參謀部與製造商三方。 每台機器人造價 8,000 至 50,000 美元，損耗率約 25%，但每台在報廢前通常已執行多次任務。即便以最高規格的損耗率計算，這個成本仍遠低於人員傷亡或車輛損失。 當每台機器人損耗成本遠低於人員傷亡，指揮官接受更高損耗率的意願也隨之上升。 中國：AI 主導的城市控制想像 至於中國人民武裝警察部隊的研究方向，則代表著另一種截然不同的自主系統部署邏輯。據《南華早報》報導，研究方案以「新城市」為場景——一個刻意模仿台北的城市環境——構想了一套幾乎不需要人員接觸的群眾控制系統。 方案的策略核心，是透過切斷抗議者的組織能力來瓦解行動。偵察無人機透過圖像識別標定人群中的煽動者，機器人屏障將人群分隔圍堵，同步切斷網路連線，讓剩餘的抗議者在缺乏領導層與通訊管道的情況下自行散去。 對於已被識別的核心組織者，系統以網子與電擊器執行逮捕，決策由 AI 識別後由遠端人員確認。整套系統中，人類監督僅保留一項權限：降低武力強度。也就是說，升級武力的決策路徑幾乎完全由 AI 主導。 這套構想並非憑空而來。中國已在綿陽等城市，部署配備 360 度攝影機與臉部辨識系統的人形交通警察機器人，並在軍事演習中測試「狼群」戰術，包括機器狗、無人機、雷射武器與無人艇，在 AI 協調下以單一有機體的方式行動，並即時共享地圖與打擊資訊。 後勤先行，倫理邊界滯後 烏克蘭與中國的路徑雖然不同，但有一個共同邏輯：後勤與低風險任務先行。後勤機器人的決策情境相對單純，容錯空間較大，這也是為何它們能在不引發重大倫理爭議的情況下迅速規模化。真正的倫理邊界考驗，將在自主攻擊決策普及後才全面浮現。 但是機器人在戰場迷霧或群眾動亂中缺乏情境判斷能力，烏克蘭每日損失數十台於敵方反制手段，中國的城市控制系統則面臨誤判平民、快速升級的倫理風險。 更根本的問題是責任歸屬。當 AI 做出開火決策，現行國際人道法的框架並未預設這種情境，問責機制至今無解。 […]

【科技早餐】OpenAI IPO 前財務壓力浮現，龐大算力合約開始成為新考驗

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI IPO 前財務壓力浮現，龐大算力合約成新考驗 《華爾街日報》引述知情人士報導，OpenAI 財務長弗萊爾（Sarah Friar）曾向高層表達憂慮，擔心如果營收成長不夠快，公司未來可能無法支付龐大的運算合約費用。報導指出，OpenAI 近幾個月未達成部分新用戶與營收目標，ChatGPT 去年底也沒有達到內部設定的 10 億週活躍用戶目標。 OpenAI 在編碼與企業市場也面臨 Anthropic 競爭。雖然公司最近籌募 1,220 億美元，為矽谷史上規模最大的融資案，但面對龐大算力成本，就算營收能達標，這筆資金也可能在三年內消耗殆盡。對此，執行長奧特曼（Sam Altman）與弗萊爾回覆《路透》時表示，雙方在取得更多算力的方向上完全一致。 ＊OpenAI 打開 AWS 通道，Microsoft 獨占合作正式鬆綁 《路透》報導，Microsoft 和 OpenAI 已重新修訂合作協議，OpenAI 之後可把產品提供給 Amazon、Google Cloud 等其他雲端平台客戶，不再由 Microsoft 獨家銷售與承接。兩家公司自 2019 年合作以來，Microsoft 已投入超過 130 億美元，並持有 OpenAI 27% 股份。 修訂後，Microsoft 仍是 OpenAI 主要雲端合作夥伴，也會持續取得 OpenAI 智慧財產權授權到 2032 年；同時，Microsoft 仍可在 2030 年前取得營收分成，但總額將設上限。Amazon 執行長賈西（Andy […]

紅杉資本、NVIDIA 押注！Google DeepMind 前研究員創 AI 新創，打造「超級學習者」估值飆 51 億

英國 AI 實驗室 Ineffable Intelligence 由 Google DeepMind 前研究員 David Silver 創立，短短數月間已募得 11 億美元資金，估值達 51 億美元，加入研發新型 AI 模型的競賽，目標打造可能超越大型語言模型（LLM）的技術。 不靠人類資料訓練 AI？新創望打造「比肩達爾文」的突破 《TechCrunch》提及，Ineffable 旨在打造一個「超級學習者（superlearner）」，透過強化學習（reinforcement learning）在不依賴人類資料的情況下，自主發現知識與技能。強化學習是一種讓 AI 系統透過反覆試錯學習，而非研究人類產生的範例來進行訓練的技術，這也是 David Silver 的專長領域。 David Silver 同時是倫敦大學學院教授，直到近期仍領導 Google 旗下 DeepMind 的強化學習團隊，在離職創業前，他已於 DeepMind 任職超過十年。在 DeepMind 任內，Silver 曾參與開發多套僅透過自身對局經驗學習、未使用任何人類策略或棋譜資料，即擊敗國際象棋與圍棋職業選手及頂尖電腦程式的 AI 系統，最著名者為通用棋類競技 AI AlphaZero。Ineffable Intelligence 希望其「超級學習者」也能以類似方式，從自身經驗中探索所有知識。 這家新創的「超級學習者」或許仍缺乏經驗，但公司野心十足。官網寫道：「若成功，這將是可與達爾文比肩的科學突破，正如他的法則解釋了所有生命，我們的法則將解釋並建構所有智慧。」David Silver 在公司部落格的個人聲明中將 Ineffable 稱為「畢生志業」，並向《Wired》表示：「我從 Ineffable 賺到的任何收入，都將捐給高影響力慈善機構，以拯救盡可能多的生命。」 《TechCrunch》指出，目前尚不清楚該公司將如何、何時以及透過何種方式實現營收，但這顯然未影響投資人熱情。根據《Wired》，本輪融資由全球最大創投 Sequoia […]

社群平台為何成最大詐騙破口？FTC 揭精準投放、私訊與個人化話術背後的 21 億美元信任漏洞

美國聯邦貿易委員會（FTC）近日發布最新報告，揭示一個驚人的警訊：2025 年，高達 21 億美元的詐騙通報損失來自社群平台，占所有通報金錢損失案件的近 30%。同時，社群平台不僅是 2025 年通報損失最多的詐騙接觸管道，相關損失相較於 2020 年更暴增 8 倍。 為什麼科技巨頭耗資打造的社交護城河，會輕易成為詐騙集團的絕佳破口？關鍵就在於「極度不對稱的攻擊成本」。由於社群平台的無國界特性，無意間賦予不法分子一把萬能鑰匙，讓他們能以近乎零成本的代價，將原本零星的犯罪行為瞬間「規模化」，輕易觸及全球數十億名潛在目標。 社群平台讓詐騙集團取得「精準投放」能力 透過這些平台，詐騙集團輕易取得「精準投放」的強大武裝。FTC 指出，詐騙者不僅會駭入使用者的帳號或利用公開貼文來研判鎖定對象，甚至會直接購買社群廣告，使用與合法企業如出一轍的行銷工具，再根據使用者的年齡、興趣與購物習慣進行精準打擊。 在各大平台中，Facebook 成為造成詐騙損失最高的重災區。《Tom’s Guide》引述 FTC 的數據指出，Facebook 相關詐騙共造成消費者高達 7.94 億美元的損失，而位居第二與第三的 WhatsApp 和 Instagram 則合計造成 6.29 億美元的損失。值得注意的是，2025 年單是由 Facebook 衍生的詐騙損失通報金額，就已經超越了簡訊或電子郵件詐騙的總和。 投資、購物與戀愛詐騙，把廣告與私訊變成信任攻擊漏斗 另一方面，詐騙集團也巧妙地將社群平台上的廣告與私訊，轉化為層層遞進的信任攻擊漏斗，其中又以投資、購物與戀愛詐騙最為猖獗。數據顯示，2025 年源於社群平台的投資詐騙損失高達 11 億美元，佔據社群詐騙總損失超過一半。這類騙局通常以宣稱能「傳授投資秘訣」的貼文或廣告起頭，隨後詐騙者會化身親切的顧問，再將受害者拉進充斥著假造成功案例的 WhatsApp 群組中。 其中，購物詐騙則是通報數最高的類型，超過 40% 透過社群受騙的民眾表示，他們曾購買社群廣告推送的商品，從服飾、汽車零件到寵物幼犬無所不包。這些廣告往往將消費者導向未知的網站，或是偽裝成知名品牌並以不合理的低價誘騙受害者。 此外，戀愛詐騙同樣在社群上氾濫，2025 年近 60% 產生金錢損失的戀愛騙局皆源於社群。這些詐騙者會仔細研究受害者的個人檔案來量身打造搭訕話術，並在取得信任後，開始編造急需資金的危機，或是不經意地透露投資明牌，順水推舟地將受害者引導至假投資平台騙取金錢。 真人案例揭示：假廣告、WhatsApp 群組與個人化話術如何助長詐騙？ 《The Independent》報導的一起真實案例，充分展現假廣告、通訊群組與客製化話術如何交織成巨大的信任陷阱：美國一名傷殘退伍軍人 Craig Wilkinson，因為點擊一則看似來自合法金融機構的 Facebook 廣告而遭到詐騙，這則詐騙廣告極可能就是利用 Facebook […]

AI 安全賽局生存戰：OpenAI 拋五大原則，揭示最新 AGI 治理藍圖

OpenAI 執行長 Sam Altman 發布了五項營運原則，說明 OpenAI 邁向「通用人工智慧」（AGI）的方向。「公司希望 AI 能廣泛造福人類，而非讓權力集中在少數實驗室或政府手中，」他補充，隨著安全風險增加，未來的系統可能需要更嚴格的限制。 不再承諾協助對手：解析 OpenAI 新版五大營運原則 《implicator.ai》報導，OpenAI 公布的五項原則中，民主化（Democratization）位居首位。OpenAI 承諾讓 AI 的決策受制於「民主程序」，而非僅由 AI 實驗室關起門來決定。賦權（Empowerment）排在第二，強調賦予使用者極大的自主空間，但同時保留一項權利，在傷害風險尚不明確時，將選擇傾向於「審慎保守」。 另外三項包含普遍繁榮（Universal Prosperity），支撐 OpenAI 算力建置、垂直整合及全球資料中心擴張計畫的政策基礎，其核心在於降低基礎設施成本並分享技術收益。還有韌性（Resilience）承諾與企業、政府及各類生態系統合作，共同應對生化武器與網路安全風險，並投入模型資源作為後盾。而適應性（Adaptability）讀起來最為坦率，OpenAI 預期會不斷修正其立場，並表示會透明化地說明調整的原因。 OpenAI 一直致力於 AGI 的研究，AGI 是能以人類水平或更高水平完成各種認知任務的 AI 系統，而不是僅擅長特定功能或針對特定情況使用的模型。《Forbes》提及，OpenAI 2018 年最初發布的章程源於其作為研究實驗室的背景，仍帶有非營利色彩，承諾廣泛利益、長期安全、技術領先與合作，甚至提到若另一個價值理念相符的專案接近率先建成安全的 AGI，OpenAI 將停止競爭並提供協助。 新原則保留了部分用語，但給了公司更多轉圜空間，這份更新的文件減少對 AGI 的強調，移除了協助競爭對手的條款，比起 2018 年章程，直接的承諾更少。隨著外界對 AI 權力與社會角色的憂慮升高，甚至出現針對 AI 執行長與研究人員的直接威脅與攻擊，明確說明 AI 邁向 AGI 的進展變得至關重要。《Forbes》指出，OpenAI 發布的新五大原則不僅在分享它想成為什麼樣的實驗室，也在揭示它已成為什麼樣的機構。 AGI 治理競賽白熱化：頂尖 AI 實驗室的安全框架權衡 《Forbes》補充，OpenAI 加入更廣泛的 […]

不再綁定 Azure、AGI 條款退場：OpenAI 微軟達成新協議，對雙方各有什麼好處？

在 AI 產業的發展歷程中，微軟與 OpenAI 的結盟無疑是最具決定性的一段。然而，微軟與 OpenAI 在 4/27 宣布，雙方已正式重寫合作條款，終結長達數年的雲端獨家綁定關係，改以更寬鬆、有時限的安排，讓雙方有更大的自由追求市場競爭。 這是自微軟 2019 年首次向 OpenAI 投資 10 億美元以來最大的協議重組。《Reuters》報導，雖然外界早已預料微軟與 OpenAI 的關係將會疏遠，但新協議可說是對雙方都有好處。 OpenAI 解開 Azure 綁定，換取企業市場自由度 自 2019 年起，微軟累計投資 OpenAI 超過 130 億美元，Azure 也因此成為 OpenAI 模型商業化的重要基礎。ChatGPT、Azure OpenAI Service、Copilot 等產品，都建立在這層緊密合作關係上。 但隨著 OpenAI 從研究機構變成企業 AI 平台供應商，單一雲端限制也開始成為商業瓶頸。《Reuters》引述 D.A. Davidson 分析師 Gil Luria 指出，AWS 與 Google Cloud 企業客戶過去因微軟獨家關係，難以整合 OpenAI 產品；新協議將使這些客戶更可能把 OpenAI 納入選項，與 Anthropic […]

叡揚指標管理與預測式 AI 接軌 FHIR，驅動醫院智慧治理

由叡揚資訊主辦的「領航醫療新篇章」研討會日前圓滿落幕。本次活動匯聚醫療與資訊領域多位專家，圍繞 FHIR 標準導入、AI 智能治理及精準臨床決策等核心議題深度對話，共同為回應「健康台灣」政策願景擘劃行動路徑。 叡揚資訊董事長張培鏞於開幕致詞中表示，叡揚資訊深耕醫療領域多年，服務全台 96% 的醫學中心，提供全方位的數位支援。解決方案涵蓋行政營運（電子公文、人資作業、碳盤查）、醫療品質與病患安全（病安通報、指標管理）、醫學研究（計畫申辦、生物資料庫、動物實驗），以及大數據與 AI 應用（資料倉儲、DMP、LLMs 智能整合），並以完善的資訊安全機制為醫院數位轉型提供穩固保障。 FHIR 為經、AI 為緯：「四位一體」戰略架構開啟醫療數位新篇章 秀傳醫療體系副營運長兼永續長、高雄醫學大學教授郭昭宏醫師指出，ESG 永續發展、超高齡社會與生成式 AI 三大衝擊交疊，正驅動醫院邁向「數據為核心」的典範轉移。在「健康台灣」政策下，管理指標必須從「病床週轉率」轉向「病患全生命週期的數據管理」，目標也從「治病」擴展至「安康」。他強調，數位轉型下半場的關鍵在於「數據資產化」，FHIR 不是 IT 部門的事，而是管理者的戰略佈局，唯有透過 FHIR 確保跨院區指標具備一致語意，才能消除異質系統的溝通阻力，釋放數據價值。 在具體實踐上，郭昭宏醫師呼籲將生成式 AI 轉化為「隱形生產力」，透過自動化生成病歷與護理紀錄降低醫護逾 30% 的行政負荷；建置 FHIR 中台實現數位交班，讓交班時間縮短 50%、紀錄時間縮短 80%，並藉由提升臨床判斷品質、終結無效醫療，從源頭實現節能減碳。郭昭宏醫師更提出「四位一體」戰略藍圖：以生成式 AI 為大腦、FHIR 標準為神經系統、ESG 永續為靈魂、超高齡社會為戰場，將醫療照護從單一機構延伸至社區與居家，達成「讓 AI 看懂數據、讓數據跨院流動、讓 ESG 被稽核」的智慧醫療生態系願景。 次世代 FHIR 中台架構 破解導入三大痛點 資慧科技顧問陳俊佑醫師聚焦於醫院導入 FHIR 的實務困境，點出三大核心痛點：標準變動與廠商綁架帶來的維護成本膨脹、實際應用 FHIR 於臨床需要極速數據同步的技術難題，以及 CQL（臨床品質語言）因技術黑箱造成的溝通斷層，導致臨床與行政人員難以驗證與自行撰寫決策邏輯。 針對上述問題，陳俊佑醫師提出「次世代 FHIR 中台架構」作為解方，包含三大核心模組：Healro Translator（Low Code轉換工具）讓醫院無須修改底層 HIS […]

破解機器人硬體碎片化難題：EPFL 研發「運動學智慧」，讓不同機器人無縫複製技能

在多數製造現場，更換一台機器人往往代表著一切重來：不只是硬體替換，連原本已經部署完成的任務流程也必須重新編寫、校正。即使兩台機器人看起來功能相似，只要關節結構、活動範圍或運動方式稍有不同，既有程式就可能完全失效。這個長期困擾產業的問題，如今出現新的解法。 來自瑞士洛桑聯邦理工學院（EPFL）學習演算法與系統實驗室（LASA）的研究團隊提出一套名為「kinematic intelligence（運動學智慧）」的新型機器人控制框架，讓機器人具備「理解自己身體限制」的能力，進而能在不同機器之間共享技能，而不需要重新編寫程式碼。相關成果已發表於學術期刊《Science Robotics》。 奇異點是機器人的危險地帶，過去靠補丁，現在靠地圖 要理解這項研究解決了什麼問題，需要先了解機器人控制中的一個核心挑戰：奇異點（singularity）。這是一種數學上的危險狀態，當機器人關節對齊到特定角度時，系統會暫時喪失某個自由度，導致動作不穩定，甚至失控。研究的第一作者、EPFL 博士生 Sthithpragya Gupta 以人類手臂比喻：當手肘完全伸直、鎖死時，手臂便暫時無法進行左右方向的動作，機器人遇到奇異點的處境便與此類似。 過去，工程師處理奇異點的方式，是在訓練完成後加入軟體補丁或安全過濾器來修正問題。而新一代資料驅動的 AI 方法雖然省力，卻需要在訓練階段接觸到所有將來會使用到的機器人，而且存在難以預測的風險。Gupta 表示，團隊需要的是確定性，而非機率。 LASA 團隊採取了截然不同的路徑：他們不是事後修補，而是從一開始就將機械限制直接內建進控制策略中。透過對機器人參數的代數分析，包括連桿長度與關節偏移量，團隊精確繪製出機器人關節空間中所有奇異點的分布位置。這些奇異點加上關節的硬性限制，將機器人的可動空間切割為數個可行區域，研究團隊將其稱為「面」（aspects）。 透過分析這些面的拓撲結構，研究團隊將三關節旋轉機器人歸類為六個類型。一旦確認某台機器人屬於哪個類型，就能立即掌握其物理限制的完整地圖。運動學智慧框架據此讓機器人在接近奇異點邊界時，以一種稱為「軌道循環」（track cycle）的策略沿邊界安全滑行，直到找到可以重回正常路徑的安全位置，完成任務。 換句話說，在此基礎上，系統會將人類示範的動作轉換為「通用運動策略」，再根據不同機器的結構，自動調整執行方式。值得一提的是，這套框架並未使用任何 AI 技術，而是建立在純數學與代數分析之上。 實驗驗證：三種不同機器人，共用同一套技能 研究團隊以模擬裝配生產線的實驗，驗證了這套框架的實際效果。實驗中使用了三台規格截然不同的商用機器人：關節限制較緊的 6 自由度 Duatic DynaArm、限制適中的 7 自由度 KUKA LWR IIWA 7，以及限制較寬鬆的 7 自由度 Neura Robotics Maira M。 實驗開始時，由一名人類操作者示範一組連續動作：將木塊從輸送帶推落至工作台、放置到桌面，最後將其拋入籃中。這三個動作隨後分配給三台機器人各自執行：DynaArm 負責推落、KUKA 負責撿起與放置、Neura 負責抓取與投擲。 在沒有重新訓練的前提下，研究團隊調換了三台機器人的位置與分工，測試所有可能的任務組合。結果顯示，無論如何重新分配，整組機器人皆能順利完成任務序列。Gupta 表示，目前最關鍵的挑戰，是將這項技術推向真實的工業裝配現場。 尚待突破的感知瓶頸，與醫療應用展望 研究團隊也坦承，運動學智慧框架目前仍有限制。該框架雖然能保證機器人在機械層面的安全動作，但還不具備應對複雜環境的進階感知能力，像是無法區分搬運滿載容器與空容器所需的不同處理速度，也無法整合「準備咖啡時不應抓取刀具」這類常識判斷。此外，要在人員持續走動的動態工廠環境中安全運作，還需要整合更進階的環境感測系統。 在醫療應用方面，共同第一作者 Durgesh Haribhau Salunkhe 表示，他預計未來 5 年內將出現機械安全性更高的機器人，屆時這套框架可立即移植至新設計上。 研究團隊表示，下一步計畫將框架延伸至人機協作與自然語言互動情境，目標是讓使用者只需以簡單指令下達任務，無需任何技術編程背景，由機器人自行處理其餘的執行細節。Salunkhe […]

【GTC 現場直擊】打造企業「HALO」資產：從算力軍備到 AI Agent 的戰略轉型新視界

2026 年 GTC 大會甫落幕，全球 AI 浪潮已從「算力競賽」轉向「落地實踐」的關鍵轉折點，當市場目光聚焦於 NVIDIA 的硬體護城河與「買硬不買軟」的投資風潮時，企業決策者必須思考，在昂貴的算力資源背後，什麼才是真正的核心競爭力？ 本文由 CloudMile 萬里雲 CEO Spencer 觀點出發，深度解析 AI Agent 時代下的 「HALO」資產定義，揭示 Token 經濟學重塑產業定價權，利用「Taiwan + 1」的軟硬整合戰略，解析全球雲端巨頭（NVIDIA、Google、Meta、Microsoft）間的算力博弈，並探討企業透過專屬的 AI Agent，將算力精準轉化為持續增長的數位動能。 AI Agent 時代下的「HALO」資產 今年 2 月高盛分析師指出，市場正在獎勵產能、網路、基礎設施和工程複雜性，這些資產複製成本高昂，且不易受到技術過時的影響。這些「HALO」（Heavy Assets, Low Obsolescence，重資產、低淘汰率）如電網、管線、公用事業、運輸基礎設施與關鍵機械等因受限於高複製成本、監管障礙與跨科技周期，自 2025 年起跑贏輕資產組合 35%，高盛甚至視之為 AI 時代的「稀缺資產」，出現了一股「買硬不買軟」的風潮。 但這代表企業軟體已到了末日？答案其實則否。軟體不該被忽視，而是必須進化。純軟體或許會被淘汰，但「與 AI 基礎建設深度融合的 AI Agents」將成為企業全新的、難以被取代的數位重資產。 在 AI-First 的時代，企業有最有價值的重資產，是一個量身定制的 AI 代理（Tailored AI Agent）。 和「租用」的軟體不同，訂製的 AI Agents 與企業端日常營運緊密耦合。它學習你的私有數據、遵循特定的安全協議，並理解你的業務邏輯。它不只是一個工具，而是一名「終身數位員工」，能讓你在不增加人力成本的情況下擴張業務。這是一項不可撼動的資產，因為它承載著你公司獨一無二的 DNA。 […]

AI 不是護城河、不出海就出局！創投元老蘇拾忠：如果台灣新創只做台灣市場，創投都不投了

專訪：戴季全撰稿：李昀蔚 過去談台灣新創，外界常會先想到硬體、製造、供應鏈與工程能力，但在生成式 AI、Embodied AI 與軟體模式快速改變產業規則的此刻，新創公司的競爭邏輯也正在被重新定義。本集《全新一週》邀請到 t.Hub 內科創新育成基地執行長蘇拾忠，深入分享他對台灣新創生態的第一線觀察。 根據今年 1 月 PwC Taiwan 發布的《2025 台灣新創生態圈大調查》，有超過 85% 的新創表示創業與 AI 相關。表面上看，這似乎代表台灣新創已全面進入 AI 時代，但蘇拾忠認為，這句話不能簡化理解成「大家都在做 AI 產業」，更精準的說法應該是：現在幾乎所有新創都在「用 AI 創業」、用 AI 改變做事方式。「如果一個新創說沒有用 AI，我都會問：你這個部分不能用 AI 嗎？」蘇拾忠強調，AI 已經幾乎成為所有工作與生活場景中不能不用的工具，差別只在於使用的深淺。 因此，對當前台灣新創來說，真正需要理解的不是 AI 熱潮本身，而是 AI 對自身商業模式、產品效率與競爭壁壘的衝擊。蘇拾忠也直言，對新創公司來說，AI 帶來的壓力可能比地緣政治與國際經貿變局更迫切。 AI 不是護城河，解決市場痛點才是 蘇拾忠分享，近期他觀察到一個現象：一年前率先推出 AI 服務的團隊，很多已經逐漸消失。原因在於，許多所謂的「AI 服務」，本質上只是 API 應用，而不是真正建立在深厚技術、資料、場景理解或市場痛點上的產品。蘇拾忠指出，如果一個新創只是把既有 API 包裝成服務，市場上很快就會出現更快、更便宜、甚至更容易使用的替代方案。 「我有自己的技術、目標市場，我解決市場痛點，我用 AI 來幫助我解決它，這就是這個團隊用 AI 強化他的護城河，」蘇拾忠強調，AI 並不會自動形成護城河，真正有價值的是團隊本來就有自己的技術、有清楚的目標市場，也知道自己要解決什麼痛點，再用 AI 強化服務效率、產品能力或商業模式。因此，他給予新創團隊非常直白的忠告：「大家現在很看重這個風潮，所以我也來做 AI，這個我覺得晚一點做比較好，但是用 […]

零售業者的新難題：為何 AI 用得越多，消費者就越不信任我？

當 AI 以前所未有的速度滲入零售業，品牌面臨的已不再是「要不要用 AI」的問題，而是「如何在使用 AI 的同時不失去消費者信任」。這正是當前零售業最核心、也最容易被誤判的矛盾。 AI 使用率上升，信任度反而下滑 根據企業顧問 Capgemini 的研究，現在每三名消費者就有一人每天使用 AI 工具超過一小時，但整體對 AI 的信任度卻在一年內從 72% 降到 58%，這是影響品牌生存與否的訊號。 不過消費者並不排斥 AI 本身，他們排斥的是不透明的 AI。市調機構 Prosper Insights & Analytics 的調查顯示，32% 的受訪者將「資料使用揭露不足」列為對 AI 發展的主要疑慮；這意味著，當消費者使用 AI 購物助理、接受商品推薦，或將 AI 當作產品與服務的資訊入口時，他們真正擔心的是，不知道品牌商那頭拿走了用戶哪些資料、不知道個人化推薦是從何而來，也不知道出問題時究竟該由誰負責。 AI 已取代搜尋引擎，成為購物入口 這一點之所以格外重要是因為，AI 已不只是零售體驗中的附加工具，更成為消費者獲取資訊的主要入口——Capgemini 的研究指出，AI 已經取代傳統搜尋引擎，成為半數消費者的首選資訊來源。 過去，品牌或許還能把 AI 視為客服或提升營運效率的工具，但當 AI 開始介入消費者首次選購產品、為他們比較選項、蒐集他們的偏好等前端環節時，信任問題就不再只是風險控管，而是直接影響品牌轉化率、客單價與長期忠誠度的核心變數。 信任是系統設計問題，不是溝通問題 許多品牌常把信任當成溝通問題，試圖用更好看的文案、更完整的隱私聲明，或更柔和的品牌語言來修補疑慮，卻忽略了信任其實首先是系統設計問題。 真正有效的做法，不是事後補充說明，而是從一開始就把透明度、可控性與問責機制嵌入 AI 體驗本身。 品牌端的第一個行動，應是把 AI 的取捨講清楚，也就是直接告訴用戶，系統用了哪些資料、這些資料會如何影響推薦結果、個人化功能可以在哪裡關掉，關掉之後又會少掉哪些便利。畢竟消費者不要求 AI 完美，但要求品牌誠實，能否清楚說明這些邊界，就是信任的起點。 […]

【科技早餐】Google 押 TPU、OpenAI 傳做手機，AI 競爭從雲端一路打到終端

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google 用 TPU 與 Gemini 追雲端，AI 競爭走向全堆疊戰 Google Cloud 執行長庫里安 (Thomas Kurian) 接受《金融時報》專訪表示，Google 的差異化不只是轉售其他公司的技術，而是同時擁有自研晶片、資料中心、基礎模型與企業應用。Google Cloud 目前在全球雲端市場排名第三，市占率已推升到 14%，試圖用一整套 AI 技術堆疊，縮小與 AWS 和 Microsoft 的差距。 在 Google Cloud Next 2026 大會上，Google 發表第八代 TPU，包括偏向模型訓練的 TPU 8t，以及偏向推論與代理式 AI 服務的 TPU 8i。庫里安認為，TPU 與 Gemini 模型讓 Google 一方面不需完全依賴 NVIDIA，另一方面也不必把主要經濟利益交給外部模型公司。他並表示，未來一到兩年 AI 公司可能面臨洗牌，能否撐下去，最後仍取決於商業模式能否成立。 ＊OpenAI 傳 2028 年量產 AI agent 手機，聯發科、高通與立訊入列供應鏈 […]

小鵬喊今年 8 月超越 Tesla FSD：從 VLA 2.0 到自研 AI 晶片，中國 EV 技術戰升級

「我們為自己設定了一個目標：在 8 月前於中國市場全面超越 Tesla 的 FSD，」小鵬汽車創辦人、董事長兼執行長何小鵬在北京車展期間表示。這個目標，反映出中國這個全球最大汽車市場的技術競賽正在升溫：在政府補貼退場，以及監管單位要求產業走出削弱利潤的價格戰後，車廠越來越依靠先進軟體尋找成長動能，並逐漸把焦點轉向創新與自研能力。 小鵬喊話超越 Tesla FSD，中國複雜道路成自駕驗證場 為了支持自研與創新，小鵬計畫在今年投入近 20 億美元進行研發，並採取涵蓋自研晶片、世界模型與電子架構的「全端（full-stack）」策略來強化長期競爭力。例如，小鵬最新的 VLA 2.0 系統，目的是讓車輛直接從 L2 輔助駕駛躍升至 L4 自動駕駛，何小鵬甚至主張應完全跳過 L3 階段。不僅如此，小鵬更預計在下個月實現「不依賴導航地圖」的自動駕駛能力 。 何小鵬表示，Tesla 完整版 FSD 尚未在中國獲准使用，因此直接比較仍有難度，但他認為小鵬的 VLA 系統已在部分複雜駕駛場景中優於 Tesla。他進一步指出，中國駕駛環境更複雜，如果小鵬能在中國超越 Tesla FSD，整體能力也應該會更強。 《南華早報》指出，小鵬押注在中國密集且複雜的城市道路中訓練 AI，正是為了建立未來拓展歐洲與東南亞市場的競爭優勢，因為這些海外地區的駕駛條件也有著與中國相似的複雜度。 VLA 2.0 從測試走向產品，小鵬把自駕變成差異化賣點 《Forbes》報導，小鵬在 2026 年 3 月推出 VLA 2.0，這套自動駕駛系統不是像 Tesla FSD 一樣仍處於公開測試階段，而是已經推出的正式產品。《Forbes》記者在北京車展試駕 XPeng P7 Ultra 後表示，VLA 2.0 能在北京城市道路中穩定應對交通、不可預測的機車、狹窄街道與複雜路口，在 40 多分鐘的駕駛過程中，除了進出有柵欄管制的停車場外，完全不需要人工介入。 「我們最好的功能是自動駕駛，」何小鵬進一步強調，VLA […]

OpenAI 傳合作聯發科、高通開發手機處理器，打造「AI 代理手機」

天風國際證券分析師郭明錤今（27 日）指出，OpenAI 正與聯發科、高通合作開發智慧型手機處理器，並由立訊精密擔任獨家系統協力設計與製造商，預計 2028 年進入量產。 同時掌控軟硬體，才能提供完整 AI 代理服務 郭明錤分析，OpenAI 切入手機市場有其戰略必要性，核心理由有三。第一，唯有同時完整掌控作業系統與硬體，OpenAI 才能提供全面的 AI 代理服務；第二，智慧型手機是目前唯一能即時捕捉使用者完整狀態的裝置，而這正是 AI 代理即時推理最重要的輸入來源；第三，在可預見的未來，智慧型手機仍將是使用者規模最大的設備類別。 在競爭優勢方面，郭明錤認為 OpenAI 具備消費者品牌知名度、多年累積的使用者資料，以及領先的 AI 模型三大優勢。由於智慧型手機硬體產業已高度成熟，OpenAI 可直接借助供應鏈來開發裝置。在商業模式上，OpenAI 可能採取硬體與訂閱服務捆綁的策略，並與開發者共同建構新的 AI 代理生態系。 雲端與端側 AI 分工，處理器設計以省電與上下文理解為核心 在晶片設計方向上，郭明錤指出，手機需要持續理解使用者的當下情境，因此功耗控制、記憶體層級管理，以及基礎小型模型的本地執行，將是處理器設計的關鍵考量。至於更複雜或運算密集的任務，則交由雲端 AI 處理，形成端側與雲端緊密整合的架構。相關晶片規格與供應商名單預計於 2026 年底至 2027 年第一季前敲定。《Android Authority》分析，相關設計並非首次出現，顯示未來 AI 手機的核心競爭，將從單次運算效能，轉向長時間、情境感知的持續運作能力。 郭明錤點名聯發科與高通將作為處理器共同開發夥伴，將可從長期換機需求中受益。他以聯發科與 Google 合作的 TPU Zebrafish 為例說明，單顆 TPU 的營收貢獻大約相當於 30 至 40 顆 AI 代理手機處理器。若 OpenAI 手機初期鎖定全球高階智慧型手機市場，該市場每年出貨量約為 3 億至 […]

Anthropic 實驗：讓 AI 自己談價買賣東西，186 筆交易揭商業定價新模式

Anthropic 日前公開了一項名為「Project Deal」的內部實驗結果，讓旗下 Claude AI 模型在完全無人干預的情況下，代替員工完成商品刊登、議價與成交，測試 AI 是否已具備直接參與真實經濟活動的能力。實驗不僅順利促成 186 筆交易，更意外揭示了一個現象：AI 模型的優劣，會悄悄影響使用者的實際交易結果，而當事人往往毫無察覺。 一週、69 人與逾 4,000 美元的 AI 代理交易市場 實驗於 2025 年 12 月在 Anthropic 舊金山辦公室展開，為期一週。研究團隊招募了 69 名員工，每人獲得 100 美元的預算，並由 Claude 事先對每位參與者進行訪談，詢問他們打算出售哪些個人物品、期望售價、有意購買哪些品項，以及偏好的議價風格。這些資訊隨後被轉化為個別的客製化系統提示，成為每位員工 AI 代理的行動依據。 實驗市場架設於 Anthropic 內部通訊平台 Slack。AI 代理在頻道中自行發布商品列表、發現潛在交易對象、提出報價、回應還價，並在不向人類「請示」的前提下自行拍板成交。Anthropic 強調，一旦實驗啟動，全程沒有任何人工介入，AI 代理在議價過程中既不會回報人類，也不會徵求授權。 最終，69 個 AI 代理在逾 500 件上架商品中促成 186 筆交易，總交易額略高於 4,000 美元，交易品項涵蓋滑雪板到一袋乒乓球。根據 Anthropic 的報告，參與者事後對 AI 代理的表現普遍感到滿意，在交易公平性評分（1 至 7 […]

馬斯克想把 X 變成金融入口：X Money 將整合高利存款、P2P 轉帳與 AI 助理，能撐起「超級 App」嗎？

距離伊隆·馬斯克（Elon Musk）收購原名為 Twitter 的社群平台已有三年多的時間，他一直朝著打造「萬能應用程式」（Everything App）的目標前進，如今這項宏大理想正隨著即將推出的全新金融服務工具「X Money」，邁入關鍵新階段。 根據外媒報導，X Money 最快將於 2026 年 4 月底向公眾開放早期使用權限，目的是將社群媒體與高收益銀行業務結合，藉此挑戰傳統金融機構的地位。然而，在 X Money 挾帶龐大用戶基數與豐厚回饋強勢進軍市場的同時，卻也面臨來自美國多州監管機構的嚴格審查，以及政界人士對其安全性的強烈質疑。 從社群到金融：超級應用程式的核心戰略與誘因 為了吸引用戶將財務生活轉移至 X 平台，X Money 祭出遠超過傳統銀行的回饋機制。根據已參與 Beta 測試的早期用戶與知情人士透露，X Money 的核心競爭力在於極具吸引力的利率與現金回饋，包含高達 6% 的現金存款年利率（APY），這大約是美國全國平均儲蓄利率的 15 倍，且符合條件的消費還可獲得 3% 的現金回饋。此外，用戶將獲得一張刻有其專屬「@帳號名稱」的 Visa 金屬簽帳金融卡，並享有免手續費的點對點（P2P）即時轉帳服務。 在日常財務管理方面，系統更整合由馬斯克旗下 xAI 所開發的 AI 助理，可協助用戶追蹤每一筆支出、分類過往交易並提供投資相關資訊。這項服務也可以無縫銜接創作者金流與加密貨幣佈局，未來 X 平台上的創作者收取互動分潤的管道，將從現有的 Stripe 全面轉移至 X Money，讓他們能直接在平台上儲存收益，免去被 Stripe 抽成的成本。同時，儘管目前平台交易以法定貨幣為主，但測試用戶已能看到與股票及加密貨幣相關的標籤，甚至能進行加密貨幣的即時轉帳。 X Money 的推出絕非單純的附屬功能，而是 X 轉型的核心。身為 PayPal 的共同創辦人，馬斯克深知支付系統對於打造如同中國「微信（WeChat）」般超級應用程式的重要性，他也曾在 2026 […]

Deloitte 報告：技術優先的主管「未能」實現 AI 回報的機率高出 1.6 倍，差距來自哪裡？

哈佛商學院的研究工作報告顯示，結構性重複任務的市場需求正在快速下滑，但可被 AI 擴增的職位需求卻逆勢成長了 20%。 領先的企業主管不再問「AI 能取代哪些人」，而是開始問，在 AI 時代，哪些人類能力變得更有價值？ 人機協作的效益，比多數人想像的更有條件 MIT 集體智能中心（CCI）發表於《自然人類行為》期刊的研究，檢視了超過 100 項人機協作實驗，得出一個令人意外的結論：平均而言，人機組合的表現，並不優於最佳的純 AI 或純人類系統。 但這個發現並非要否定人機協作的價值，而是在指出，協作效益只在特定情境下才會出現。 當人類在任務中的表現本來就優於 AI 時，人機組合往往能超越兩者各自的表現；例如鳥類圖像分類，這是需要專業知識的任務，人類單獨達到 81% 準確率，AI 單獨達到 73%，但人機組合達到 90%。 反之，當 AI 本來就比人類更擅長某項任務時，加入人類判斷反而可能拉低整體表現，因為人類在此時也不擅長判斷何時該信任 AI、何時該信任自己。 MIT 的研究也發現，在內容創作類任務上，人機組合的效益明顯更高，尤其是生成式 AI 的場景。生成式 AI 允許草稿、編輯、修改的迭代循環，AI 能即時回應人類反饋，讓人類在過程中動態調整輸出。這種互動模式比早期只能執行特定任務的 AI 系統，更適合真正的人機協作。 對企業主管而言，這個研究指向一個更重要的管理任務：不是把子任務分給人或 AI，而是重新設計整體工作流程。Malone 以家具量產為例說明，自動化不只是組裝步驟，還要考慮如何移動完成品穿越工廠，因此真正的效益來自流程層面的重新思考，而非表面的任務重新分配。 被低估的人類能力，正在重新定價 而同理心、創造力、倫理判斷，這些長期被歸類為「軟技能」的能力，在 AI 時代正迎來一次遲來的重新評價。AI 在處理過去的資料上表現卓越，但面對前所未見的文化轉折或地緣政治衝擊，它沒有能力導航。而那些時刻，恰恰是決定一家公司是領導者還是跟隨者的關鍵。 MIT 的研究也印證了這個方向。研究發現人類在涉及情境理解與情緒智能的子任務中表現最佳，AI 則在重複性高、資料驅動的子任務中佔優。這個分工邏輯，正是當前最具韌性的組織正在落實的方向。 他們開始量化情緒智能，並建立專門的人類決策層，用來捕捉 AI 產出但無法自我判斷的事物，包括低品質的 AI 輸出（研究者稱之為「workslop」）、因過度依賴機器而侵蝕的團隊士氣，以及缺乏人類脈絡的決策結果。情緒智能在這些組織裡，已不再是文化指標，而是業務指標。 效率是起點，不是策略 關於 […]

AI 答不出來的問題反而成為新生意：IKEA 如何從客服自動化找到超過 10 億歐元新營收？

大多數企業在導入 AI 客服機器人時，通常只關注系統能省下多少人力成本，但 IKEA 卻展現出截然不同的思維。 IKEA 導入 AI 後，並未將自動化單純視為成本削減的工具，而是將目光轉向「AI 無法解決的問題」，深入分析那些仍需人工介入的查詢，並成功從中開創全新的營收新引擎。 AI 完成一半的例行客服，但 IKEA 沒有因此停下腳步 2021 年起，IKEA 及其最大加盟營運商 Ingka Group 陸續部署名為 Billie 的 AI 聊天機器人，主要負責分流大量、重複性的第一線客服互動，例如訂單狀態追蹤、商品供應查詢、門市資訊與退貨流程。這套系統展現極高的營運效率，綜合各項數據顯示，這款 AI 機器人成功處理約 47% 至 57% 的顧客詢問，相當於完成高達 320 萬次不需人工客服接手的互動。 對多數企業而言，將近一半的客服分流率已是一項值得向董事會報告的卓越指標，且理所當然會伴隨著相應的客服人力縮編。然而，IKEA 選擇了另一條路徑，並繼續深究數據背後的意義。 IKEA 發現，真正有價值的情報，藏在另外 43% 到 53% 那些 Billie 無法解決的客服問題中。經過模式分析後，團隊發現這些未解的查詢並非隨機發生，也不是單純比較困難的交易型問題，而是顧客反覆在尋求住家與商業空間的室內設計協助。這些顧客的問題包含：如何配置生活空間、哪些產品能搭配使用，以及房間應該如何安排。這類問題被明確定義為「諮詢型需求」，這正是目前 AI 機器人難以完美承接，亟需人類專業顧問介入的領域。 將客服轉型為設計顧問，讓客服中心成為新通路 面對高達一半的例行客服被自動化取代，IKEA 沒有選擇傳統的裁員縮編，而是啟動了一項大規模的結構化再培訓計畫：將 8,500 名客服中心員工訓練為遠距室內設計顧問。這些經過重新培訓的員工，開始透過電話與視訊提供專業諮詢，協助顧客進行商品選擇與居家改善規劃，從「處理例行問題」成功轉向「提供高附加價值服務」。 這項員工轉型計畫最終結出了豐碩的營收成果。在推出付費設計顧問模式的第一年，這項服務就創造近 10 億歐元的額外營收，而遠距室內設計通路在 2022 財年更創造了 13 […]

宏庭科技首奪 Google Cloud 年度最佳合作夥伴獎，以 AI 跨域整合力代表台灣赴美受獎

台灣雲端技術領導品牌宏庭科技（Microfusion Technology）宣布榮獲「2026 Google Cloud Partner of the Year (Taiwan)」大獎，宏庭科技團隊受邀前往美國拉斯維加斯，於 Google 全球雲端技術盛事中，代表台灣受領此項殊榮。繼 2024 年獲獎 Expansion Partners of the Year 後，宏庭科技今年首奪台灣區年度大獎，展現其在 Google Cloud 生態系整合與企業 AI 落地上的領先實力。 Google Cloud 全球生態系統與通路企業總經理 Kevin Ichhpurani 表示：「Google Cloud 合作夥伴獎旨在表揚合作夥伴為客戶帶來的策略創新以及顯著價值。我們非常榮幸能宣布宏庭科技榮獲 2026 年 Google Cloud 合作夥伴獎，感謝他們在過去一年中為推動客戶成功所扮演的關鍵角色。」 以技術落地力驅動真實商業價值 在快速演進的雲端與生成式 AI 時代，企業不再需要單一技術導入，而是需要能整合多項技術並落地商業價值的合作夥伴。身為 Google Cloud Premier Partner，宏庭科技同時具備 Infrastructure、Artificial Intelligence、Security 與 Chrome 四項專業認證，是少數能橫跨雲端基礎架構、資安與 AI 應用的整合型合作夥伴。 宏庭科技長期深耕台灣市場，並將 Google Cloud […]

一支影片帶動 4 倍銷售成長，沃爾瑪旗下 Sam’s Club 揭開 RMN 新戰場

新世代的零售媒體網絡（RMN）的競爭力已不再僅僅取決於流量大小，而在於數據的深度與體驗的廣度。Walmart 旗下 Sam’s Club 推出的 Member Access Platform（MAP），就已不只是販售廣告版位的工具，而是升級為一個橫跨線上與線下的「零售體驗網絡」（Retail Experience Network）。 這一轉變的關鍵，在於將廣告深度嵌入會員的實際購物旅程，使品牌訊息與消費行為產生直接連動，讓廣告成為提升購物體驗的一部分。 整合會員數據、互動設計，打造兼顧廣告成效與體驗的 RMN 傳統 RMN 的核心在於流量與曝光，Sam’s Club 的策略則是以會員數據為基礎，建立一套封閉式的數據循環系統。透過超過 40 年的會員資料累積，平台能以「確定性身份」（deterministic ID）追蹤消費者在不同接觸點的行為，無論是在實體門市、電商平台，或是社群媒體上的互動，都能被整合進同一個用戶視角中。 一致性的數據基礎，使廣告不停留於行銷漏斗的上層，能直接連結到實際銷售成果，為品牌提供更精準的成效驗證。Sam’s Club MAP 副總裁兼總經理 Harvey Ma 表示：「我們利用多年累積的第一方會員數據，創建能夠為廣告商帶來明確業務成果的媒體網路，同時確保這些體驗對我們的會員來說不是干擾。」 在這個架構下，Sam’s Club 將媒體與購物體驗進一步融合，透過內容與互動設計影響消費決策。其中一項代表性應用是「專家評測影片」，直接嵌入產品頁面，特別針對高單價或高考慮期商品，例如床墊或健康設備，邀請專業人士進行分析與解說。這類內容不僅補足消費者在資訊蒐集階段的需求，也有效提升信任感與購買信心。實際案例顯示，床墊品牌 GhostBed 透過與 MAP 合作、導入此類影片後，銷售表現出現顯著提升，達到 4 倍成長，顯示內容型廣告在關鍵決策節點的影響力。 虛實整合：將線下體驗轉化為全通路數位資產 另一個關鍵創新來自於實體門市的數位化回饋機制。會員在店內參與試吃或產品體驗時，可以透過平板即時留下評分與評論，這些回饋會同步更新至線上商品頁面。這種即時串接不僅縮短了其他消費者的決策時間，也讓實體體驗轉化為可持續累積的數據資產。對品牌而言，這代表每一次線下互動都能放大其影響力，形成跨通路的內容與信任資本。 此外，Sam’s Club 也積極導入創作者與社群內容，把網紅行銷納入其零售媒體體系。透過與精選創作者合作，品牌可以產出更貼近社群語境的內容，同時仍保有對最終轉換的追蹤能力。這種結合社群影響力與銷售數據的模式，使過去較難量化的內容行銷，開始具備清晰的商業回報指標。 在技術層面，AI 與自動化也漸漸成為這個系統的核心驅動力。從受眾分群、廣告投放到成效分析，越來越多流程由 AI 支援，提升精準度與效率。Sam’s Club 甚至已開始布局「代理式 AI」（agent-driven systems），期望未來能自動化廣告規劃與執行流程，降低操作複雜度，同時優化整體表現。 Sam’s Club 的種種布局，顯示零售媒體角色的演進，它不僅是高毛利的附加收入來源，還進化成商品銷售、會員經營與數據策略緊密結合的核心購物體驗。對 Walmart 及其旗下 […]

【科技早餐】Google 擬砸 400 億美元加碼 Anthropic，AI 競爭正式進入算力長約戰

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google 擬砸 400 億美元加碼 Anthropic，AI 算力長約越綁越深 根據《彭博》報導，Google 母公司 Alphabet 計畫對 Anthropic 投資最高 400 億美元。這筆資金包含第一階段 100 億美元投資，以及未來視業務與效能里程碑追加的 300 億美元。這筆投資並非單純現金注資，也伴隨更深的硬體基礎設施綁定。 Anthropic 近年已同時與 Google Cloud、AWS 建立深度合作。去年 10 月，Anthropic 與 Google Cloud 簽下數百億美元協議，取得大規模 TPU 運算資源；不久前也與 AWS 簽下長期算力合作，並獲得 Amazon 加碼投資。這也凸顯 AI 新創正透過多個雲端平台，分散資金與算力來源。 ＊美國全球示警 DeepSeek，AI 智財戰升高到外交層級 根據《路透》報導，美國國務院已要求全球各外交與領事機構，向外國政府表達對中國企業疑似提取、蒸餾美國 AI 模型的擔憂。電報點名包括 DeepSeek、月之暗面（Moonshot AI）與稀宇科技（MiniMax）等中國 AI 公司。蒸餾是指利用大型模型輸出，訓練成本較低的小型模型。 中國駐美大使館則回應，相關指控毫無根據，並表示中國政府「高度重視智慧財產權保護」。同時間，DeepSeek 也發布最新旗艦模型預覽版 DeepSeek V4，包含 V4 […]

【史丹佛大學 2026 AI 指數報告】中美技術差距消弭、初階職位消失，企業如何重新評估 AI 風險與安全佈局？

史丹佛大學人工智慧研究所每年會從全球數十個資料來源，包括學術論文、產業調查、政府報告、就業數據，彙整成一份《AI 指數報告》，讓大家掌握 AI 這一年發生了什麼，而今年的版本比過去幾年都更難讓人樂觀。 技術面的消息是，模型能力持續提升，中美之間的差距已縮小到幾乎可以忽略，AI 代理開始執行過去只有人類才能完成的複雜任務。但與此同時，AI 事故的通報數量在一年內顯著攀升，初階工作者的就業機會正在系統性消失，而多數企業的安全評估與治理框架，仍遠遠跟不上技術部署的速度。 這份報告橫跨研發表現、基礎設施、科學醫療應用、勞動力市場、安全治理，以及全球地緣政治與公眾信任。報告並未預測未來，而是提供截至 2026 年初的現況紀錄。以下摘要梳理報告核心發現，並針對每個面向提供企業決策者可參考的行動方向。 📎 這份報告適合誰閱讀？ 報告提供從底層硬體、模型開發、安全性測試到商業變現的深度量化數據，旨在為決策者、研究人員與企業高層提供決策依據，適合以下專業工作者閱讀： 🔴 報告洞見 根據史丹佛大學發佈的權威指南《2026 AI 指數報告》（AI Index Report 2026），生成式 AI 在短短三年內達到 53% 的人口普及率，這擴張速度已遠遠超越個人電腦與網際網路。 這種驚人的採用率帶來了巨大的經濟價值：在美國，生成式 AI 每年為消費者創造的消費者剩餘價值，已暴增至 1,720 億美元。同時，全球有高達 88% 的企業，已將 AI 導入至少一項業務功能中。 然而，這是一項「擴張速度超越周邊系統適應能力」的技術，當前沿模型的智商逐漸逼近極限，產業界卻發現，安全評估、法規治理與社會系統正苦苦追趕技術的車尾燈。 一、研發與技術表現：中美技術差距消弭，模型能力走向收斂 過去幾年由科技巨頭主導的「基礎模型軍備競賽」，正出現戲劇性轉折。數據顯示，在 2025 年，產業界主導超過 90% 的知名 AI 模型開發，然而前沿模型的表現已經極度接近，單靠「基礎模型智商」已難以形成絕對的商業護城河。 1. 中美實質平手與模型收斂 在衡量模型綜合表現的 Arena 排行榜上，前四名的頂尖模型（Anthropic、xAI、Google、OpenAI），彼此間的差距已縮小至不到 25 個 Elo 積分，呈現極度緊密的群聚現象。 更具戰略指標意義的是，美國與中國在頂尖 AI 模型效能上的差距已實質性消弭。 在 […]

DeepSeek V4 登場：程式生成能力稱霸開源陣營，全面支援華為昇騰產品線

DeepSeek 於本週五正式發布旗艦模型系列 V4 的預覽版，距離其 R1 推理模型引發全球 AI 市場震盪已超過一年。這次發布共包含兩個版本：擁有 1.6 兆參數的 DeepSeek-V4-Pro，以及規模較小、擁有 2,840 億參數的 DeepSeek-V4-Flash，兩者均支援 100 萬 token 的上下文窗口，並已於 Hugging Face 開源釋出。 程式撰寫能力稱霸開源陣營 DeepSeek 表示，V4-Pro 在 Agentic 程式碼生成基準測試中位居開源模型之首。根據專門追蹤 AI 技術效能的 Vals AI 公司測試，V4 在程式碼生成方面的表現顯著優於所有其他開源模型。Vals AI 執行長 Rayan Krishnan 指出，DeepSeek V4 與 Moonshot AI 旗下的 Kimi 2.6「基本上並駕齊驅」。 DeepSeek 自家員工也已在日常 AI 輔助程式開發中大量使用 V4，其內部反饋指出，V4-Pro 的輸出品質已接近 Anthropic 旗艦模型 Claude Opus […]

AI 資料中心推高排放，碳市場卻先震盪：微軟放慢採購，暴露碳移除市場的「單一買家危機」

AI 資料中心帶來的用電、建設與冷卻需求，正在大幅推升科技巨頭的碳排壓力。這不僅讓「碳移除信用」（Carbon Removal Credits）的採購成為焦點，更引發對於綠電揭露規則的激烈爭辯。 近期，身為全球最重要碳移除買家的微軟（Microsoft），傳出正在放慢部分碳移除合約談判的腳步，為仰賴單一巨頭的碳市場投下震撼彈。 AI 推高碳排，理論上也將引爆碳移除需求 國際能源總署（IEA）估計，資料中心用電占全球電力需求比重，可能從 2024 年的約 1.5%，攀升至 2035 年的最高達 4.4%。不僅如此，企業自身的數據也印證了這股排放壓力：自 2020 年以來，微軟的總排放量增加 50%、Google 成長 71%，Meta 的排放量更增加 83%。  《WIRED》報導進一步指出，光是美國 11 個與 AI 資料中心相關的天然氣發電專案，每年潛在的溫室氣體排放量就可能超過 1.29 億噸，這甚至高於摩洛哥的年度總排放量。 如此可觀的排放量，理應帶動龐大的減碳商機。《WSJ》引述 U.K. Carbon Markets Forum 與 City of London Corporation 的報告指出，生成式 AI 帶來的發展，將成為碳信用需求成長的核心來源。報告更預估，全球碳信用市場將從目前的約 14 億美元，大幅成長至 2050 年的近 2,680 億美元。 理論與現實的落差：微軟放慢採購，碳市場立刻陷入恐慌 然而，這股看似前景無限的需求，卻在近期遭遇逆風。由於建設 AI 資料中心帶來龐大的財務壓力，科技巨頭的減碳預算似乎受到排擠。像是微軟原本的目標是在 2030 年達成負碳排，甚至要進一步消除自 1975 年創立以來的所有歷史排放，外界估計其既有合約的投資規模高達 […]

6 週就推新 AI、推論成本砍到 1/35，拆解 OpenAI GPT-5.5 的企業端鎖定戰略

OpenAI 向付費用戶推出最新 AI 模型 GPT-5.5 與 GPT-5.5 Pro，距離前一版 GPT-5.4 僅約 6 週時間，反映出前沿 AI 實驗室在爭奪企業客戶上的競爭正在迅速升溫。雖然從命名方式和 OpenAI 執行長奧特曼的公開說法來看，這次或許只是小幅升級，但實際上 GPT-5.5 在整體能力上仍有明顯提升。此外，從 OpenAI 的自我定位來看，AI 競爭的焦點也逐漸轉移，從模型分數轉向企業客戶是否願意持續付費。 根據《VentureBeat》，GPT-5.5 讓 OpenAI 在可公開使用的大型語言模型中重新奪回領先地位，整體表現超越 Anthropic 和 Google 的最新公開模型，甚至在某項基準測試中，略勝 Anthropic 的內部模型 Claude Mythos Preview。 以 AI Agent 能力為核心，朝「實用性」邁進 OpenAI 共同創辦人兼總裁 Greg Brockman 表示，「這個模型真正特別的地方，在於它在更少引導的情況下，能完成更多事情。使用起來更直覺，也能在面對不明確的問題時，自行判斷下一步該怎麼做。」 換言之，OpenAI 模型的更新焦點在於 AI Agent（AI 代理）能力。OpenAI 將 GPT-5.5 定位為對 ChatGPT「日常使用體驗」的優化版本，重點在於提升推理能力、一致性，以及處理更長、更複雜任務的能力。這次升級不再強調炫技，而是回到一個核心問題：使用者是否能真正信任 AI，把任務交給它完成後續執行。 《TechRadar》報導，這種以「實用性」為主軸的定位，也反映出整個 AI […]

Meta 裁員 8,000 人後，還要留下的員工訓練 AI 代理：科技業用人邏輯正在被改寫

AI 正在引發新一波科技業裁員潮。根據職業顧問公司 Challenger, Gray & Christmas 的數據，2026 年迄今已有約 3 萬名工作者因為 AI 而被裁員，在 2025 年也有近 5.5 萬個職缺受到 AI 影響。 「企業正把預算轉向 AI 投資，代價是工作機會減少，」Challenger 首席營收長 Andy Challenger 強調，在科技公司中，AI 已經開始取代部分的程式編碼工作。在這波席捲業界的趨勢中，Meta 近日宣布的精簡計畫成為最具代表性的縮影：該公司將大舉裁掉約 8,000 名員工，占總人力約 10%，同時全面停止填補原本規劃招聘的 6,000 個職缺。 Meta 一邊裁員，一邊將資源押注在 AI 基礎建設與人才 為何要進行如此大規模的縮編？Meta 人資長 Janelle Gale 在內部備忘錄中，將此次裁員定調為「提升公司效率」的行動，並直言這是為了「抵銷我們正在進行的其他投資」。與以往不同，這波裁員屬於全公司範圍的「結構性重組」而非基於績效評估，Meta 正將內部團隊大規模重整為以 AI 為核心的「小組（pods）」，並設立了「AI 構建者（AI builder）」等全新職位，試圖從根本改變公司的運作方式。  這些所謂的「其他投資」，絕大多數都流向了 AI 領域。Meta 今年的資本支出指引高達 1,150 億至 1,350 億美元，這比 2025 […]

Openclaw 跟 GPT 有什麼不同？為什麼可以表現得這麼好？ OpenClaw 原理大解密

隨著科技日新月異，我們正加速邁入全 AI 導向的時代。過去遇到難題，我們習慣訴諸 Google 搜尋海量資訊；如今只需打開 ChatGPT 輸入指令，精準的答案便手到擒來。然而，近期有一個專案橫空出世，不僅在 GitHub 上斬獲驚人的星數（Stars），更引發各大科技媒體瘋狂轉載，那就是 OpenClaw（小龍蝦）。 OpenClaw 是什麼？ OpenClaw 是由一名奧地利工程師 Peter Steinberger 所發明的，他發明理念是希望能夠打造一個「真正能做事的 AI」，幫助我們處理日常生活的大小事，像是你今天如果想要整理自己的郵件，你可以簡單的在自己的手機上，點開 LINE，發送給自己的 AI，請他幫你自動整理郵件，並且把不重要的郵件刪除，這樣簡短的一個動作，就可以幫助你處理好這個麻煩的事情。 Openclaw 背後的原理是使用了 Agent 的框架，這是他與 GPT 等等最不一樣的地方，他能夠不斷的自己產出內容，自行調用相關的工具，並且不斷的自我思考目前的結果是否已經符合使用者需求，進而再思考與修正。 另外，不同於 GPT，他能夠自行的操作使用者的電腦，這句話的意思是像說，如果今天他想要調用使用者電腦裡的資源時，他會去下指令（像是：ls, grep, cat 等等），去取得使用者電腦中的相關資源，這點可以大大的提升 OpenClaw 的能力，讓他能夠達成 GPT 無法達成的能力，徹底實現了讓 Openclaw 變成一個全面的電腦小助手。 OpenClaw 兩大關鍵能力：Context Window 分層讀取與Sub-Agent 模式 Openclaw（在功能面）本質上與市面上的 Agent 是相同的，他一樣是會有 LLM 以及 tools 讓 LLM 能夠去調用，但能夠讓他的能力脫穎而出的關鍵可以分成兩個部分： 一是在管理 Context Window （模型輸入的內容）時進行優化，例如時下最流行的 […]

給龍蝦穿上防彈衣 NemoClaw 如何為 OpenClaw 打造企業級安全沙盒？

NemoClaw 的基礎—— OpenClaw OpenClaw（小龍蝦）在2026年快速崛起，在短短幾個月便以驚人的速度成長成當今最受歡迎的開源的 AI Agent 平台，黃仁勳在演講中將它形容為「AI 代理的作業系統」，但像 OpenClaw 這樣的自主 AI Agent 可以發出任意網路請求、存取主機檔案系統，並呼叫任何推理端點。但如果沒有防護措施，將帶來安全、成本和合規性風險，並且隨著 Agent 無人監測的運行，這些風險也會不斷增加。 如何讓企業確保 OpenClaw 不會存取未授權的資料，如何控制 OpenClaw 在企業定義的運作範圍內，防止在外部環境洩露企業資料成為 OpenClaw 現在最需要迫切解決的課題。 NemoClaw 是什麼？ NemoClaw 是一個開源的技術棧，NemoClaw 核心功能之一是為它的龍蝦兄弟—— OpenClaw 和 NVIDIA Nemotron 等其他開源模型提供一個安全的環境部署，這也填補 OpenClaw 底層原先所欠缺的基礎架構層，使其能取得高效運作所需的存取權限，同時落實以規範為基礎的安全性、網路與隱私防護機制。而關鍵就在於 NVIDIA 在 NemoClaw 安裝一個名為 OpenShell 的保護層，可以想像類似 Dokcer 的 Container，但採用的是基於 YAML 的方法控制你的Agent。 OpenShell 整合了基於策略隱私和安全的防護措施。執行 NemoClaw 時，它會建立 OpenShell Sandbox 環境，並在一個隔離的容器（Container）中執行 OpenClaw， OpenClaw 能夠在受監控的 Sandbox 中運作，讓使用者能夠控制 […]

避免 1.7 萬小時停機、年省千萬美元：FedEx 的 AI 物流戰略一次看

全球物流網路日益複雜，物流巨頭 FedEx 正將人工智慧逐步嵌入到各項關鍵決策流程中。FedEx 副總兼數據與人工智慧負責人 Bala Vaidyanathan 表示，目前 FedEx 每天透過 AI 系統規劃與優化約 10 萬條配送路線，涵蓋貨物流動的各個環節。 數據平台化與 RFID 應用，AI 成為物流網路的大腦 當今的物流配送模式，已從過去的分流運作轉向單一整合網路，貨量組合變得更加多元且動態。FedEx 把 AI 用來處理不同時效要求的貨物，協助營運團隊在複雜條件下維持準時率，系統會根據即時需求與資源狀態，自動調整運輸路徑與容量配置，使飛機與卡車的裝載率維持在最佳水準，降低空載與資源浪費。 在實體層面，FedEx 也加速將 AI 延伸至物流基礎設施本身，其中一項關鍵布局是 RFID 感測器的導入。目前已在部分客戶的包裹上進行測試，透過即時追蹤貨物位置與狀態，提升整體運輸透明度。 這些感測器所產生的大量資料，會進一步匯入內部數據平台，與既有的條碼掃描與運輸紀錄整合。透過資料清洗與分析，系統能將原始訊號轉化為具體行動建議，協助現場人員快速定位問題、調整流程，並優化資訊在供應鏈上下游之間的流動。 隨著資料規模擴大，系統不僅能回應既有問題，也能主動發現潛在瓶頸，形成一種持續自我強化的營運循環。未來，FedEx 甚至計畫導入代理式 AI，讓系統不僅提供分析結果，還能主動提出具體調度建議。這類 AI 能模擬不同決策情境，評估各種資源配置方案的影響，並向管理人員推薦最佳解。 預測性維護，年省千萬美元 在設備維運方面，FedEx 亦透過 AI 建立預測性維護能力。其自主開發的 MOBIUS 平台，結合分揀設備上的感測器數據與專有模型，能在系統發生故障前預測異常並發出警示。這種從事後修復轉向事前預防的模式，大幅降低了設備停機對整體網路的衝擊。 根據公司數據，MOBIUS 已在 41 個地面營運據點部署，成功避免約 1.7 萬小時的潛在停機時間，並為公司每年節省約 1,000 萬美元的維護成本。對於高度依賴分揀效率的物流產業而言，這樣的改善直接轉化為更穩定的服務品質與更低的營運風險。 除了倉儲與分揀系統，FedEx 也在推進自動化裝卸技術，將 AI 與機器人導入卡車貨櫃的裝卸流程。透過自動化系統，貨物流入節點的速度與穩定性得以提升，減少人工操作帶來的波動。 FedEx 計畫在 2028 […]

【科技早餐】Google、台積電、Tesla 一路加速，AI 競爭正式從展示走向部署

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google Cloud 宣告 AI 實驗期結束，企業競爭轉向整合能力 Google Cloud Next 2026 在美國拉斯維加斯登場，Google Cloud 執行長 Thomas Kurian 開場就定調，AI 的實驗階段已經結束，現在真正的挑戰，是怎麼把 AI 規模化部署進整個企業。這次 Google 主打「統一技術堆疊」，強調從底層晶片、資料、模型到資安，要一起往上整合。 本次更新包括第八代 TPU，首度採用雙晶片架構，分別對應訓練與推論需求；原本的 Vertex AI 也升級成 Gemini Enterprise Agent Platform，把企業代理整合進同一套平台治理。Google 同時強調，近 75% 的 Google Cloud 客戶已在生產環境中使用 AI，也讓這場大會的重點，從展示能力進一步轉向企業部署。 ＊台積電亮出 A13 與先進封裝新時程，AI 算力往 2029 續推 台積電（TSMC）在北美技術論壇正式揭示 A13 製程，作為去年 A14 之後的新一代技術節點。台積電表示，A13 比 A14 再省 6% 面積，設計規則也向後相容，預計 […]

讓 AI 預測準度提升 20%、記憶體需求壓縮數百倍！倫敦大學研究揭量子如何提升 AI 效能

想要提升生成式 AI 的準確性只能靠強化模型參數與算力嗎？來自英國倫敦大學的最新研究揭示了另一條不同的技術路徑。該研究開發了一種將 AI 與量子運算相結合的方法，不只將預測準確度提升 20%，還可以將記憶體需求壓縮至原本的數百分之一，為 AI 效率與穩定性瓶頸提供新解法。 這項研究發表於學術期刊《Science Advances》，提出一套名為「量子輔助機器學習（Quantum-informed Machine Learning, QIML）」的框架。量子電腦首先在數據中識別出跨時間保持穩定的統計規律，也就是所謂的「不變統計特性（invariant statistical properties）」，再將這些規律轉化為精簡的「量子先驗（Q-Prior）」，輸入於傳統超級電腦上的 AI 模型進行訓練。 準確度提升 20%，長時間預測不再發散 研究團隊指出，傳統機器學習與生成式 AI 模型在面對複雜動態系統時，往往難以維持長期預測的穩定性與準確度，主因在於誤差會隨時間累積，且難以捕捉系統中的不變統計特性。 然而，研究團隊將新方法應用於流體力學與混沌系統預測時，結果顯示，相較於傳統 AI 模型，新方法的預測準度提升約 20%，同時在長時間預測中維持更高穩定性。 除了準確度、穩定性提升，另一項關鍵突破在於運算效率。科學媒體《SciTechDaily》，該研究顯示，該量子 AI 模型所需的記憶體，僅為傳統方法的數百分之一，甚至可將數百 MB 的資料壓縮至數 MB 等級，同時保留關鍵資訊。 具體來說，Kuramoto-Sivashinsky 系統的原始資料為 300 MB，壓縮後的量子先驗僅 0.25 MB，壓縮比約 1,200 倍；二維 Kolmogorov 流的原始資料為 400 MB，壓縮後為 0.40 MB，壓縮比約 1,000 倍；三維湍流通道流（Turbulent Channel Flow）的原始資料為 500 MB，壓縮後為 2.3 MB，壓縮比約 […]

NVIDIA、鴻海、新代、研華齊聚 AI 機器人產業論壇，共同解析 Physical AI 奇點爆發時代

「過去一條產線通常需要 30 至 40 人操作，但在導入 AI 與自動化技術後，如今僅需約 5 人即可完成。」 在近日（4/14）由 TechOrange 科技報橘、NVIDIA、鴻海科技集團共同舉辦的「AI 機器人產業論壇」中，科技報橘社長戴季全引用鴻海董事長劉揚偉日前於美國國會山莊與矽谷論壇分享的實戰數據，顯示 AI 機器人正以極快的進化速度實際在智慧工廠運作。 隨著 AI 加速跨越虛擬與現實的界線，NVIDIA、鴻海科技集團、新代科技與研華科技等機器人生態圈產業專家，也同步分享如何透過數位孿生、人形機器人與邊緣 AI 等技術，將傳統產線轉化為具備自我診斷能力與高度韌性的 AI 工廠，逐步建構具備高度生產適應力的智慧生態系。 NVIDIA Cosmos 讓機器人學習技能，應用到不同佈局的真實場景 機器人要具備智慧，資料收集與訓練是最大的瓶頸。NVIDIA 台灣新創生態系暨機器人開發者關係負責人李昇達以「World Model 如何定義 Physical AI 新標準」為題，分享訓練機器人所面臨的兩大困境。第一是數量龐大的「網路規模資料」多為故事講述或訊息分享，並非為機器人訓練錄製，難以直接應用；其次，由人類操作、需要動態擷取的實體機器人資料，常因設備與環境成本高昂難以大規模收集。 為了破解此僵局，業界提出了全新的解決方案，利用 NVIDIA Cosmos 先從網路規模資料中學習大量真實世界訊息，並結合實體機器人感官資料進行資料合成，以這樣的方式讓機器人生成多元場景與行為，將廣泛的世界訊息轉化為可供機器人深度學習的合成資料，讓機器人能夠先在模擬環境中進行訓練，並透過 Isaac 模擬平台以及 Newton 物理引擎輔助，學習物理法則，例如掌握抓取蘋果或玻璃杯的力度，在模擬環境中訓練機器人，就能在風險成本可控的狀態下反覆進行。 另外，Cosmos 平台核心價值之一在於「跨場景轉移」的能力，讓機器人學習的技能，可以被複製並應用到不同佈局的真實場景中執行，確保機器人在各種看似相近、但部分環境條件不同的場景中，依然能夠運作並完成任務，「就像讓機器人在 A 廚房學會切菜，但可以直接讓機器人轉移到 B 廚房，不用重新學習。」希望在未來協助開發者在不同的應用領域完成機器人開發，加速跨越虛擬與現實的界線。 鴻海科技集團 運用數位孿生與機器人技術建構 AI 原生工廠 鴻海科技集團機器人事業處總經理郭柳宗以「Building and Scaling AI Factories […]

20 毫秒快速反應、擊敗桌球職業選手：Sony AI 機器人 Ace 如何跨過 Physical AI 的即時決策門檻？

近日在中國北京舉行的一場半程馬拉松賽事中，機器人跑贏人類跑者的畫面引發熱議，展現出全球在實體機器人技術上的驚人進展。在這波機器人跨越人類體能界限的浪潮中，Sony AI 研發的自主桌球機器人 Ace 又往前邁進一步，並被視為首個能在真實世界中與高階人類桌球選手競爭的自主系統（autonomous system）。 這項突破的關鍵，不只是單純的「打贏人類」，而是 AI 首次在正式比賽規則下，證明自身具備高速感知、即時判斷與精準出手的能力，這也標誌著 AI 正加速從虛擬環境，跨入需要即時反應的實體運動領域。 迎戰高階選手、擊敗職業好手：Ace 打破正式規則下的競技極限 過去，桌球之所以被視為實體 AI（Physical AI）的重大挑戰，在於這項運動極度考驗反應極限：球速可超過每秒 20 公尺、來回時間常不到 0.5 秒，且高速旋轉會大幅改變球路。面對這些極端條件，Ace 在國際桌球總會（ITTF）的正式規則與兩名裁判的監督下，與人類選手展開真正的對決，並且全程採用一般球拍與奧運標準尺寸的場地，沒有放寬任何硬體標準。  2025 年 4 月，Ace 首度與 5 位高階選手（elite players）及 2 位職業選手對戰，並成功對高階選手拿下 3 場勝利。雖然初期未能擊敗職業選手，但隨著系統持續進化，Ace 成功在 2025 年 12 月首次戰勝職業選手，隨後更在 2026 年 3 月，進一步擊敗包含世界排名前 25 名的木原美悠（Miyuu Kihara）在內的三名職業好手。 跨越困難的門檻：比人類反應時間快 10 倍的即時感知與決策 Ace 之所以能跨越即時反應的門檻，歸功於其結合事件導向視覺感測器（event-based vision sensors）、無模型強化學習（model-free reinforcement learning）與高速機器人硬體的三位一體核心架構。 在「感知」層面，為了能在極短時間內完成追蹤，Ace […]

Optimus 不再只是概念秀，拆解特斯拉用電動車產線換機器人產能的量產佈局

在電動車成長趨緩、投資人持續追問下一波成長動能之際，特斯拉最新一季財報，再次讓市場關注這家公司處於一個尷尬的轉折點：傳統汽車業務表現不穩，而執行長馬斯克正將未來押在 AI、Robotaxi 與人形機器人上。 根據《The Guardian》與《The Verge》報導，特斯拉在 2026 年第一季營收為 223.9 億美元，較 2025 年同期的 193 億美元成長 16%，但低於華爾街原先預期的約 226 億美元；不過其每股盈餘 41 美分，高於市場預估的 37 美分；自由現金流也維持正值。換言之，這份財報並非全面失利，而是部分優於預期，但關鍵面向仍不理想的混合訊號。 《The Guardian》提到，特斯拉今年以來股價表現疲弱，部分原因來自中國車廠競爭加劇，也來自馬斯克與川普政府關係過近引發的反彈。特斯拉先前公布的第一季交車量約 35.8 萬輛，也低於市場預期。Model S 與 Model X 已準備停產，Cybertruck 銷售表現也未如預期，顯示特斯拉既有汽車業務正面臨轉型壓力。這樣的背景，也讓外界更關心特斯拉從汽車公司，轉型為 AI 與機器人公司的新敘事是否真正成立。 投資人追問 Optimus V3，馬斯克卻選擇再延後展示 因此在這次財報會議上，投資人最關心的問題之一，就是原訂於 2026 年第一季發表的人形機器人 Optimus V3 究竟何時亮相。 如今馬斯克選擇再次推遲發表時間表，原因是：「我們有點猶豫要不要展示 V3 版本，因為我們發現每次我們發布新產品，競爭對手都會仔細研究每一幀影片畫面，然後盡可能地抄襲，」他直言，「所以我認為，在接近量產之前不展示新技術，是有價值的。」 這種說法聽起來像是防守姿態，但其實也透露出特斯拉如今對 Optimus 的態度已經改變。過去幾年，Optimus 更多是概念展示與願景敘事的一部分；如今，特斯拉顯然希望把焦點從「秀技術」轉向「建產線」。 不再只是畫大餅，特斯拉揭露更具體的量產節奏 馬斯克表示，Optimus 將是特斯拉有史以來最大的產品，並強調生產也是巨大工程。根據《Business Insider》與《electrek》報導，特斯拉大約在今年 7 月下旬或 […]

台積電為何暫不採用 ASML 最新 High-NA？AI 晶片競爭規則正在改寫：從拚微縮轉向封裝與系統整合

近日在美國加州聖塔克拉拉（Santa Clara）舉行的 TSMC 北美技術論壇上，台積電發表包含 A13、N2U 與新一代封裝等最新技術路線。然而，引起全場關注的焦點之一，就是台積電明確表示到 2029 年前，暫無計畫將 ASML 最新的高數值孔徑極紫外光（High-NA EUV）的設備用於量產。儘管競爭對手 Intel 已經率先採用該設備，但在先進節點的發展上仍落後台積電。  這項決策凸顯出，台積電將「先進製程」、「先進封裝」與「資本配置」放進同一套 AI 晶片競爭框架中，進行全新的戰略排序，並重新梳理技術發展藍圖背後的核心邏輯。 暫不採用 High-NA EUV：既有技術足夠撐起 A13，且成本考量更為務實 首先，台積電決定暫緩導入 High-NA EUV 的核心原因有二：技術效益仍在，以及設備極度昂貴。目前 ASML 最新的 High-NA EUV 單台價格已高達約 4.1 億美元，而台積電目前僅採購極少量機台用於研發，並未投入量產。台積電全球業務資深副總經理暨副共同營運長張曉強（Kevin Zhang）對此明確表示：「我們能夠繼續從目前的 EUV 中獲得好處。」並強調下一代 High-NA EUV 設備「非常、非常昂貴」。由於台積電是 ASML 最大的客戶，這項「不採用」的決策消息一出，導致 ASML 在美國上市的股票盤中一度下跌達 5.5%。  依據台積電的藍圖，預計在 2029 年量產的 A13 節點將是 A14 的進一步微縮版本，能較 A14 縮小約 6% 的面積。這也證明台積電的研發團隊現階段仍可在不依賴 High-NA 設備的情況下，持續推進先進製程。 […]

【Arm 台灣黃曉剛專欄】當「雲端集權」轉向「終端自主」：無所不在的邊緣 AI，如何重塑新時代智慧生活？

文／Arm 台灣總裁黃曉剛 自生成式 AI 的巨浪襲來，全球科技產業陷入了一場以算力為名的「雲端軍備競賽」。然而，過去幾年 AI 的演進高度依賴「集權式」的雲端架構（Cloud-centric），雖然提供了強大運算力，但傳輸延遲的瓶頸、隱私資料外洩的隱憂，以及資料中龐大的能耗壓力，已成為智慧生活普及化的門檻。 隨著 2026 年「智慧運算新紀元」的到來，我們正在目睹一場大規模的「運算主權移轉」。AI 運算正從遙遠的資料中心，遷移至我們口袋裡的終端裝置、工廠的機器人以及具備主動感知的 AI 定義汽車。這不僅是技術位置的更迭，更代表「分散式架構」的崛起，讓裝置具備了不依賴雲端的即時決策和執行能力。 從「萬能大腦」進化為「數位夥伴」——「每瓦智慧」是關鍵 在這一波趨勢中，單純的算力規模已不再是唯一指標，衡量智慧的新標準將演進為「每瓦智慧（Intelligence per Watt）」，也就是單位能耗下能夠輸出的有效 AI 算力。隨著使用者對裝置端 AI 體驗的期待不斷提升，從即時助理到個人化服務，AI 正快速地往手機或穿戴裝置中運行，如何以極致能效進行複雜推論，將成為定義「終端自主權」的關鍵。 以視覺語言模型（VLM）在終端裝置的應用為例，它能辨識螢幕內容並理解操作意圖，使終端從被動工具演進為具備主動性的「AI 代理（AI Agent）」。這種技術能內化使用者習慣、預判需求並跨應用程式協調整合。要支撐這種完全在終端即時運行的個人化體驗，底層架構的能源效率表現正是決定性的技術優勢。 這種運算自主權的覺醒，主要源於市場對低延遲處理的強烈需求，以及對資料自主性與隱私保護的高度重視。未來，AI 將從遠在天邊的「通用大腦」，轉變為近在咫尺、具備環境感知能力的「數位協作夥伴」。 打破雲端終端的二元對立，從底層架構轉變成「協同智慧」 目前的產業競爭已不再是雲端與邊緣的零和賽局，而是從過去「凡事上雲」或「純終端運算」的二元對立，演變為整合性更強的「協同智慧（Collaborative Intelligence）」。在新模式下，雲端與終端不再是獨立的資訊孤島，而是一個混合的運算框架，讓系統能根據工作負載的複雜度、即時性需求與資安敏感度，進行動態的算力調度：將高能耗的大規模訓練保留在雲端，而將需要即時回應的推論與隱私感知留在邊緣。 更深層的變革在於「主權」的體現。如 AWS Graviton、Google Axion 與 Microsoft Cobalt 等雲端巨頭，正引領「系統級協同設計」的風潮。他們正逐步打破對傳統通用晶片的依賴，轉而從底層軟硬體堆疊開始與 Arm 合作，打造針對特定 AI 框架最佳化的客製平台。這種垂直整合確保了從基礎設施到應用端的絕對掌控力與效率。 守護數位資產主權，以「硬體級安全」建立信任基礎 隨著晶片製程接近物理極限，半導體創新正從追求通用運算（General-purpose）轉向「異質整合（Heterogeneous Integration）」與「特定任務加速（Domain-Specific Acceleration）」。然而，當運算能力大規模遷移至邊緣端，分散式的架構也代表著防禦邊界將被打破；若沒有強大的底層防護，終端裝置將成為資安防禦中最脆弱的新破口。 這場安全變革的勝負，取決於能否將防禦機制從「軟體外掛」徹底轉化為「硬體內建」。要達成此目標，必須從定義運算邏輯的底層指令集架構（ISA）著手。作為全球運算標準的定義者，Arm 在 Armv9 架構中導入了 MTE（記憶體標籤擴充技術）等硬體級原生安全特性，讓安全性不再是事後的補強，而是深植於晶片設計的基礎中。這種信任機制的建立，關鍵在於賦予硬體原生的「隔離能力」，確保裝置在執行高價值 AI 運算時，能從底層阻絕惡意篡改與資料攻擊。 唯有當企業核心機密與個人隱私能在終端獲得硬體級的守護、而不需被迫上雲時，使用者才能真正建立對 AI […]

【AGI 競賽盲點】堆算力可能不是唯一解，腦科學的邏輯為何仍缺席？

全球頂尖科技公司正以數千億美元的規模追逐同一個目標：人類等級的人工智慧 Artificial General Intelligence (AGI)。至今還沒有人成功，不論是 Google、OpenAI，還是 Anthropic。 在目前在已知宇宙中，已存在一個具備通用智能的系統，那就是人類大腦，弔詭的是，我們對它的理解依然貧乏。 巨頭基礎設施戰爭開打，能源問題已失去控制 2025 年，光是 Alphabet、Amazon、Meta、微軟四家公司，就在 AI 基礎設施上砸下近 4,000 億美元，涵蓋資料中心、晶片與支撐前沿模型訓練所需的龐大能源系統。 同一年，非營利組織 Astera 啟動了神經科學領域罕見的大手筆計畫，由知名神經科學家 Doris Tsao 主持，致力於解開大腦如何產生意識、認知與智能行為的謎題，並明確點出其成果可望「為 AGI 提供全新框架」。這個被視為史上最具企圖心的腦科學研究計畫，規模僅是 10 億美元。 如果把比較基準換成美國政府的 BRAIN Initiative，差距同樣驚人。這項自 2014 年啟動、橫跨多個聯邦機構的計畫，歷經超過十年的積累，總投入才剛突破 30 億美元，最高峰的 2023 年也不過 6.8 億美元。這些數字，在當前 AI 資本面前，幾乎可以忽略不計。 能源問題讓失衡更加具體。Amazon 在印第安納州的 Project Rainier 耗電量達 2.2 GW，xAI 的 Colossus 與 Meta 的 Hyperion 各消耗 2 GW——1 […]

【科技早餐】SpaceX 補戰線、台灣接單創高，AI 競爭正從開發工具一路開上道路

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 綁住 Cursor 收購選擇權，IPO 前先補上 AI 開發者戰線 SpaceX 宣布，已與 AI 編碼新創 Cursor 達成合作協議，並取得以 600 億美元收購對方的選擇權；若最終未完成交易，SpaceX 仍須支付 100 億美元合作費用。雙方表示，接下來將結合 Cursor 在開發者市場的產品與分發能力，以及 xAI 的 Colossus 超級電腦資源，打造鎖定程式碼與知識工作的 AI 工具。 這項安排也被視為 SpaceX 在 IPO 前的重要布局。若現在直接完成大型併購，可能增加上市前財報揭露與監管審查的複雜度；先採合作加收購選擇權的方式，等於一邊保留交易彈性，一邊把 AI 敘事先往前推，讓 SpaceX 的版圖從火箭與衛星，進一步延伸到 AI 軟體、開發者工具與算力基礎設施。 ＊台灣 3 月外銷訂單衝上 911.2 億美元，AI 把淡季一路往上推 經濟部公布，台灣 3 月外銷訂單金額達 911.2 億美元，創歷年單月新高，年增 65.9%，連續 14 個月正成長；累計今年第一季外銷訂單為 2319.1 […]

【Google 第 8 代 TPU 來了】訓練與推論分流、效能比上代快 3 倍，支撐為 AI 代理而生的技術堆疊

在 Google Cloud Next 2026 大會即將於拉斯維加斯登場、預計吸引逾 3.5 萬名與會者之際，Google Cloud 執行長 Thomas Kurian 於會前媒體簡報中公布一系列新產品與功能，點出這次大會的核心：AI 模型的演進，正在根本性地改變人們使用 AI 的方式。 過去，模型主要用來回答問題或生成內容；如今，模型正轉向能夠自主使用工具、具備多項技能，並能代替使用者執行多步驟複雜任務的「AI 代理（Agents）」。Kurian 將這個轉變稱為「向代理轉移」，而 Google 在本屆大會發布的所有新功能，正是其過去一年多為因應這場轉移所打造的全端技術堆疊成果。 運算基石大進化：第 8 代 TPU 雙晶片登場 要驅動 AI 代理所需的龐大任務生態系，一切從基礎設施開始。Google 推出兩款針對不同用途設計的第八代 TPU。 TPU 8t 專注於訓練任務，採用晶片互連（ICI）技術，單一 superpod 可擴展至 9,600 個 TPU，並搭配 2 PB 的高頻寬共享記憶體。其整體運算效能是上一代 TPU Ironwood 的 3 倍，每瓦效能最高可提升 2 倍。 TPU 8i 則專注於推論任務。Google 採用名為「boardfly」的全新架構，將大量 TPU 晶片交叉連接，搭載更多 […]

從 DoorDash 到 Stripe 的企業級穩定幣實戰：平台金流重組，正重寫全球支付軌道

外送巨頭 DoorDash 目前經營一個橫跨全球 40 多國，且連結消費者、商家與外送員的三邊平台。在龐大的營運規模下，面對多種支付軌道並存、匯率波動與結算時間差的挑戰，金流瓶頸也隨之浮現。 為了解決這些痛點，DoorDash 選擇與近期估值達 50 億美元、由支付巨頭 Stripe 與創投 Paradigm 共同支持的區塊鏈 Tempo 合作。這項合作將先從撥款流程切入，目標是讓外送員與約聘人員能以穩定幣獲取報酬，因為對平台而言，更快、成本更低的結算方式最能創造價值。 DoorDash 共同創辦人 Andy Fang 表示：「穩定幣在重塑全球金融基礎設施方面具有真正的潛力，不僅在美國，而是放眼全球，我們希望能成為積極的參與者，而不只是被動接受者。」這也凸顯穩定幣正從加密市場的交易工具，走向真實的商業流程與「日常貨幣」的應用。 Tempo 推出「穩定幣顧問」助企業無縫接軌 為了支撐商業應用，Tempo 將自己定位為專為「大規模支付」打造的區塊鏈，並主打亞秒級最終結算（sub-second finality）、可預測的美元計價費用、為支付保留的區塊空間、私有支付區域，以及可用來批次撥款與代付手續費的帳戶抽象（account abstraction）功能。 不僅提供區塊鏈網路，Tempo 更宣布成立專屬的「穩定幣顧問（Stablecoin Advisory）」部門，目的是協助企業與金融機構評估適合的穩定幣應用場景、設計託管與合規架構，並加速穩定幣專案從原型到正式上線的過程。 Tempo 甚至提供「派駐工程師」，能直接進入客戶端協作整合穩定幣，而這項顧問服務的底氣，來自 Tempo 團隊在早期開發區塊鏈時，就已與 OpenAI、Shopify 以及 Visa 等「設計合作夥伴」累積深厚的企業協作經驗。 Stripe 與多家金融機構響應，穩定幣支付網路推向全球 在 Tempo 積極的基礎建設與顧問輔導下，包含 Stripe、Coastal Community Bank 與拉丁美洲金融平台 ARQ，都已把穩定幣支付營運流程帶上 Tempo 的網路。 其中，Stripe 已將 Tempo 視為資金管理能力的核心區塊鏈基礎設施之一，讓企業能在 100 多個國家透過 […]

成衣製造的 AI 進化：不再盲目備貨，3 大面向從源頭減少浪費

全球時尚產業每年產生大量的廢棄物，長期被視為產業成長的代價，但其本質來自生產邏輯的結構性問題。品牌為了降低缺貨風險，往往選擇提前大量生產，導致供需長期失衡，不僅造成銷售損失，也有害環境。 如今，AI 技術正在改寫這套運作模式，結合感測器、電腦視覺與機器學習，讓機器能夠即時感知材料狀態並動態調整操作，使製造過程具備回應能力，從源頭降低浪費生產的機率。 預測需求、感應布料、品質控管，AI 驅動的製造減少浪費 根據《世界經濟論壇》，AI 賦能成衣製造，最直接的是其分析預測能力，讓生產週期大幅壓縮，品牌能更快回應市場變化，將原本以月為單位的設計、製造流程縮短至以天計算。當生產能夠貼近實際需求，企業便不再需要大規模備貨，小批量生產開始具備經濟可行性，庫存風險隨之下降。 另外，在製造環節中，布料裁切一直是浪費的主要來源之一。傳統版型設計會留下大量邊角料，這些碎布往往難以再利用。AI 系統能根據布料特性即時調整裁切方式，提升材料利用率。一些新創公司甚至嘗試以全新工法改變生產邏輯，例如透過三維織造（3D Weaving）直接生成符合人體輪廓的布料，減少後續裁剪與縫製的需求。這類技術顯示，當機器具備對材料的理解能力，產品設計與製造方式也會同步演化。 品質控管同樣是影響浪費的重要環節。過去的檢測流程多半發生在成衣組裝完成之後，一旦發現瑕疵，前期投入的材料與工時便無法回收。AI 加入後，建立了一個持續運作的閉環系統，透過「感應、思考、行動、學習」的機制，在生產過程中即時辨識異常。當缺陷出現的瞬間就被攔截，問題不會在後續流程中擴大，整體報廢率因此下降。這種即時決策能力，使品質管理由事後補救轉為過程控制。 AI 在工廠落地仍有挑戰，仰賴實戰累積 《世界經濟論壇》分析，製造工廠的 AI 落地仍有挑戰。與純軟體 AI 不同，這類系統必須在真實工廠環境中長時間穩定運作，並適應不同布料與製程條件，需要大量實地測試與數據累積，也仰賴製造商願意開放產線進行驗證。 AI 大幅提升成衣製造的效率是毋庸置疑的。當機器能夠理解材料並即時決策，對一個長期被過度生產困擾的產業來說，這項技術提供了一條更具可持續性的發展路徑，也讓減少浪費不再只是理想，而是可以逐步實現的營運現實。 【推薦閱讀】 ◆ Costco 的 RMN 變革：放棄流量變現思維，如何靠封閉式數據實現「廣告到購買」？ ◆ 98% 自動化、每輛車 2 萬項數據回傳：解析 BMW 慕尼黑廠的 iFACTORY 數位升級邏輯 ◆ 寫加工程式從 1 小時縮減至 4 分鐘：拆解日本 ARUM 導入對話式 AI 的精密加工實戰 ＊本文開放合作夥伴轉載，參考資料：《Earth Org》、《WEF》、《Forbes》，首圖來源：Unsplash （責任編輯：廖紹伶）

Sora 剛退場，OpenAI 為何急推 ChatGPT Images 2.0？影像生成正從娛樂內容轉向高價值工作場景

OpenAI 在宣布關閉曾一度爆紅的 Sora 應用程式後，近期迅速推出新一代影像生成模型 ChatGPT Images 2.0。這並非單純重回「AI 畫圖熱潮」，而是 OpenAI 決定將影像生成能力重新放回 ChatGPT 核心產品與工作場景中，並將其定位為使用者的「視覺思考夥伴」。ChatGPT Images 產品負責人 Adele Li 強調：「視覺智慧的視野與使用場景正大幅擴展，我們相信這對 ChatGPT 發展個人助理的願景至關重要。」 Images 2.0 大升級：精準排版、多語言支援與具備「思考」能力 Images 2.0 全面升級核心能力，包括更強的文字生成與排版能力、圖示與版面組織能力、更細緻的指令遵循（instruction following）、物件擺放與細節保留的精準度。同時，也大幅提升針對日文、韓文、中文等非拉丁語系的多語言文字處理能力。 值得注意的是，新模型分為「即時（Instant）」與「思考（Thinking）」兩種模式。即時模式開放給所有 ChatGPT 與 API 用戶，當使用者在 ChatGPT 中選擇思考或專業（Pro）模型時，Images 2.0 能夠搜尋網路以獲取即時資訊，並對自身的輸出結果進行二次檢查。Images 2.0 也能從單一提示詞生成最多八張圖像，同時維持角色與物件的視覺一致性，這讓新模型非常適合應用於漫畫、分鏡圖、社群圖卡、多頁設計等連續性內容的創作。目前，這項功能已整合至 ChatGPT 與 Codex 中，顯示 OpenAI 正將影像能力嵌入更完整的產品體系內。 OpenAI 為何必須加快推出新一代影像模型？ 《The Verge》分析，自從 OpenAI 在 2025 年推出上一代 ChatGPT Images 以來，影像生成領域的競爭已白熱化，市場上陸續出現 Google […]

SpaceX 斥資 600 億美元搶 Cursor 收購權：拆解為史上最大 IPO 鋪路的底層邏輯

SpaceX 宣布，已取得以 600 億美元收購 AI 程式開發工具新創 Cursor 的選擇權，交易可能於今年稍晚進行，若最終未完成收購，SpaceX 將支付 100 億美元建立新的合作關係。這筆結構特殊的交易，揭示的不只是企業併購，而是 AI 競爭核心正邁向算力、應用與生態系的整合戰。 SpaceX 在 X 平台上發文表示，兩家公司「目前正密切合作，共同打造全球最佳的程式設計與知識工作 AI」，並指出 Cursor 領先的產品與對專業軟體工程師的市場滲透力，結合 SpaceX 旗下擁有百萬顆 NVIDIA H100 GPU 算力的 Colossus 超級電腦，「將使我們得以建構全球最實用的 AI 模型」。 Cursor 為何願意合作？答案是算力瓶頸 《Bloomberg》與《TechCrunch》報導，這筆交易並非憑空而生。上週市場已傳出 SpaceX 旗下公司 xAI 開始向 Cursor 出租資料中心的運算能力，讓 Cursor 訓練其最新 AI 模型 Composer 2.5；今年 3 月，Cursor 兩位最資深的工程主管 Andrew Milich 與 Jason Ginsberg 也已離職加入 SpaceX，直接向馬斯克與 […]

從外觀到飛行動態都與真鳥無異，中國仿鳥撲翼無人機正改寫偵察戰場

此為 AI 生成示意圖

在 2025 年中國軍事智慧科技博覽會上，工程師展示的仿鳥撲翼無人機，已精密到讓受過訓練的觀察者也難以辨別真偽。從遠處看來與老鷹無異的飛行器，動作自然到讓人懷疑自己看到的究竟是機器還是生物。 這種仿鳥撲翼無人機（ornithopter）的出現，不只是工程上的突破，更可能從根本上改變偵察技術的邊界（按：本文配圖為 AI 生成示意圖。） 多旋翼的侷限，催生仿生設計 商用無人機在過去十多年間以多旋翼構型為主流，但這個設計有幾個結構性弱點始終難以克服。多旋翼無人機噪音大，容易驚擾野生動物與敏感環境；耗電量高，航程與續航因此受限；飛行控制雖然精確，但缺乏生物飛行在面對氣流變化時的即時適應能力。 仿鳥撲翼無人機從不同的設計邏輯出發。即使是早期型號，在相同酬載條件下已展現出比多旋翼更佳的電池效率，飛行時幾乎無聲，同時具備低速、低空飛行的能力——這些正是多旋翼最難達到的飛行狀態。 數億年的演化，成為設計藍本 仿鳥撲翼無人機的核心技術邏輯，是把演化視為一套已經過極長時間驗證的工程解答。鳥類的空氣動力學，包括每一根羽毛的角度、中空骨骼的結構、翅膀在飛行中的細微調整，都是數億年天擇優化的結果，人類不可能在實驗室裡從零設計出同等效率的飛行系統。 中國工程師的突破在於，透過先進材料、感測器與 AI 控制系統的整合，讓機械裝置能夠模仿這套演化優化的動作邏輯。 這些無人機以輕量橡膠複合材料製成，以麻雀、海鷗、老鷹等不同鳥種為設計原型，分別對應城市、海岸與野地等不同部署環境。 每個型號均採模組化設計，操作者可依據當地鳥類族群調整翼型、材料與羽色，進一步強化偽裝效果。飛行動態模仿真實鳥類，連依賴動作模式識別的雷達系統也可能因此被欺騙。 從偵察到打擊，任務鏈完整覆蓋 這套仿鳥無人機體系並非單一用途，而是涵蓋從情報蒐集到精準打擊的完整任務鏈。 最輕型的城市偵察型號重僅 90 克，可由士兵手動發射，搭載即時影像攝影機，能滲透密集的城市環境而不引起注意。大型攻擊型號則具備攜帶精準導引微型彈藥的能力，可在偽裝成野生動物的狀態下對高價值目標發動打擊。另有單兵可攜帶的打擊型號，配備迫擊砲彈，讓步兵班排無需空中支援也能投射空中火力。 這種分層設計的意義在於，同一個作戰單位，可以同時擁有偵察、標定與打擊的能力，而所有行動都在敵方難以察覺的偽裝下進行。 蜂群戰術，讓防禦複雜度倍增 單架仿鳥無人機已難以偵測，而中國的作戰概念更進一步：以蜂群方式部署。數十架同時飛行，可以大面積覆蓋偵察範圍、製造假目標流量使敵方偵測系統過載，或對同一目標發動協調攻擊。 輕型城市偵察型號在蜂群配置下尤其具威脅性。雖然單架個別能力有限，但大量同時出現可以癱瘓敵方的識別與應對能力，同時在心理層面製造持續的不確定感，讓對手難以判斷哪些是真實鳥類、哪些是攻擊載具。 大型型號因採模組化設計，士兵可同時攜帶多架入場，在需要時快速部署並同步發動打擊，大幅縮短從目標識別到攻擊執行的時間窗口。 攻防同步演進，但法規體系尚未跟上 面對仿鳥無人機的威脅，中國在軍事智慧科技博覽會上同步展示了對應的反制系統。K-25 遠端武器站採用智慧火控演算法追蹤目標，對小型無人機的有效射程達 200 公尺，命中率據稱達 90%，且可在人員風險最低的條件下部署。 然而，要偵測並攔截一架行為完全符合鳥類特徵的無人機，仍是截然不同層級的挑戰。這些機器不只在外觀上模仿自然，飛行動態本身就是為了規避光學與熱感測系統而設計的。這形成了一場需要持續升級的技術軍備競賽。反制方需要能夠即時區分真實鳥類與機械仿製品的偵測能力，而這種能力目前的成本極高，且仍在快速演進中。 在法規層面，這項技術的出現幾乎讓現有框架完全失效。國際人道法的設計前提是傳統武器系統，從未預設要處理「模仿無害生物」的武器。 當仿鳥無人機在城市上空執行監視任務、在民居附近蒐集情報，平民與監控對象之間的邊界如何定義、攻擊行為的觸發標準由誰制定，目前都沒有法律框架可以回答。 機械與生物的邊界正在模糊 撲翼無人機的意義，不只是一種更好的無人機，也是人類工程能力可能已接近到可以量產「模仿自然」的程度。 軍事無人機的歷史可追溯至 1973 年的贖罪日戰爭，以色列使用美製 Ryan Firebee 靶機，誘使埃及耗盡防空飛彈，當時的邏輯是讓敵方的防禦系統做出錯誤判斷。 仿鳥撲翼無人機將這個邏輯推進到新的層次，它讓偽裝本身成為可量產的武器能力，而現有的識別框架，不論是人眼還是雷達，都沒有預設要對抗這種威脅。當機械系統能在行為層面與生物系統融合，這個邊界一旦跨越，就很難退回去。 【推薦閱讀】 ◆ 一台設備整合通訊、反干擾、無人機攻擊，Phoenix 想成為美軍的「智慧型手機」◆ 90% 傷亡來自無人機，烏克蘭從零建立「不依賴中國」的無人機供應鏈◆ 五角大廈如何在紅色供應鏈中，透過「Blue UAS」清單精準挑選美軍所需的無人機？ ＊本文開放合作夥伴轉載，參考資料：Forbes、Advise for life，圖片來源：Nano Banana 2 （責任編輯：鄒家彥）

短影音夾擊、營收下滑的豪賭：愛奇藝宣布 5 年內讓 AI 生成大部分影視內容

愛奇藝近期宣布，預期在未來 5 年內，AI 將生成該平台大部分的電影與影視節目內容。同時，公司計畫把原有的影音 App 與網站改造成更像社群媒體的平台，主要用於承載 AI 生成內容。這項舉動被外界視為愛奇藝自 2010 年成立以來，規模最大的一次企業重整與轉型。 愛奇藝執行長龔宇對此表示：「這是十年一遇的機會，我們必須順應潮流。」這句話也點出這場轉型的核心：愛奇藝正試圖利用 AI 重新定義影視內容的生產、分發與變現方式。 目標從串流平台轉型為 AI 內容生產平台，愛奇藝全面改寫影視生產線 為了推動這項龐大的轉型，愛奇藝正式發布名為「Nadou Pro」的 AI 工具。這套 AI 系統具備從劇本撰寫、分鏡設計，到最終剪輯與渲染等幾乎所有電影製作環節的能力，凸顯 AI 在影視生產線中已從單純的輔助工具，逐漸被推向核心位置。 愛奇藝的企圖心不只停留在技術創新，更積極創造實際的內容供給。例如，除了已率先上線 16 部由 Nadou 製作的科幻與動漫類作品外，公司更設定目標，最快在今年夏天推出一部取得商業成功的 AI 生成電影。 此外，Nadou 系統也內建 IP 資料庫（IP library），開放第三方創作者取用愛奇藝的虛擬資產與簽約藝人來生成新內容。同時，為了吸引更多 AI 內容創作者加入這個新興生態系，愛奇藝更祭出「額外提撥 20% 廣告與會員費用作為分潤」的優渥條件。 轉型背後的真相：回應短影音競爭與營收衰退的雙重壓力 愛奇藝這場擁抱 AI 的改革，實際上是為了應對市場日益激烈的競爭。《Bloomberg》指出，愛奇藝大幅押注 AI，並致力成為娛樂產業中最大的 AI 採用者，背後真正目的是為了扭轉近年因短影音平台崛起，所導致的長期銷售衰退頹勢。數據顯示，愛奇藝 2026 年第一季的營收預估將下滑 13%，龔宇也指出，目前影視產業陷入製作成本攀升與投資風險居高不下的惡性循環，而 AI 正是打破成本壓力僵局、帶動新內容爆發的核心解方。 面對現況，龔宇承諾公司雖會維持對專業製作內容的投資，但在短期內將重新配置部分資本，以強化 AI 服務的發展，包含推出一款全新的社群影音 […]

不只自動化，更是採購決策重構：NEC 如何將交期變更交給 AI 秒速談判？

隨著企業加速導入代理式 AI（Agentic AI），「採購」這個高度仰賴經驗與判斷的核心職能，也跟著技術進步，有所轉變。 根據科技研究與顧問公司 Gartner 最新研究，機器採購（Machine Buyers）正從概念走向實務應用，成為企業內部供應鏈優化的重要突破口。其中，日本電氣（NEC）的實驗成果，被視為這一波轉型的關鍵案例。 NEC 以 AI 代理重構談判週期 在 NEC 集團內部測試中，AI 代理已能直接與供應商系統進行串接，針對零件採購中的交貨時程與條件進行即時調整。過去需要人工來回溝通、確認與談判的流程，如今已大幅壓縮。原本可能橫跨數週甚至數月的採購與談判週期，已被縮短至一分鐘內完成。針對高頻且標準化程度較高的任務，例如交期變更與數量微調，系統能在數秒內完成決策並與供應商進行談判。 這種效率的躍升，並非單純來自自動化流程，而是來自對「決策本身」的重構。NEC 的做法在於將資深採購人員長年累積的經驗轉化為可運算的知識體系。系統會分析過往的電子郵件、合約紀錄與溝通內容，萃取出專家在不同情境下的應對策略。這些策略涵蓋何時應該讓步、何時需要堅持條件，以及在談判陷入僵局時的替代方案，最終被轉譯為 AI 可執行的邏輯規則。 這代表過去深藏於個人經驗中的隱性知識，如今被系統化、結構化，成為可複製與擴展的企業資產。採購工作長期依賴資深人員的判斷力與市場敏感度，也因此面臨人才斷層的風險，而當這些知識能被嵌入 AI 代理中，企業不再完全依賴少數專家的即時決策能力，而是能透過系統持續運作並擴展決策規模。 機器採購創造供需雙贏的即時響應 Gartner 還指出，NEC 的案例凸顯了機器採購在供應鏈韌性上的潛力。在極端情境下，例如自然災害或全球供應鏈中斷，人類採購人員的反應能力往往受到時間與精力限制。面對數千家供應商時，人工逐一聯繫與協商幾乎不具可行性。AI 代理則能在極短時間內同時啟動大量談判，快速重新配置供應來源，降低中斷帶來的衝擊。 這樣的能力也重新定義了採購的時間維度。過去的採購流程建立在「等待」與「回應」之上，決策節奏受到人力與溝通頻率限制。機器採購則引入即時決策與持續優化的運作模式，使供應鏈更接近一種動態調整系統。企業能在需求變動、價格波動或供應風險出現時，即刻做出反應，而非被動承受結果。 「機器採購員不僅對部署它們的公司有利。機器採購得以隨時待命，不像人工談判員那樣可能需要數小時甚至數天。」NEC 人工智慧負責人 Satoshi Morinaga 說，「我們的供應商合作夥伴也從中受益。」 AI 代理帶來的新治理課題 不過，Gartner 也強調，機器採購的導入並非單純的技術部署，而是一項組織層級的轉型工程。企業需要建立能支撐 AI 決策的資料基礎與治理機制，並確保決策邏輯持續更新，以反映市場變化與策略調整。同時，如何與供應商建立信任關係，也成為關鍵課題。當談判對象由人轉為機器，供應商需要理解這項改變背後的價值，包括更快的回應速度、更高的準確性，以及跨時區運作所帶來的效率提升。 NEC 的實踐顯示，機器採購並非取代人類，而是重塑人機分工。AI 代理負責高頻、可標準化且需要快速反應的決策，人類則轉向更具策略性與價值創造的任務，例如供應商關係經營、風險管理與創新合作。這樣的轉變，讓採購職能從執行導向逐步邁向策略導向。 隨著代理式 AI 技術成熟，機器採購很可能成為企業導入 AI 的重要起點。相較於面向消費者的應用，內部採購流程具備明確的數據基礎與可量化的成效指標，使其成為驗證 AI 價值的理想場景。 【推薦閱讀】 ◆ 告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？ ◆ 10 […]

【科技早餐】Apple 啟動接班、Amazon 再投 Anthropic，AI 權力重組一路推到算力長約

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Apple 啟動接班，Tim Cook 9 月轉任執行董事長 蘋果（Apple）宣布執行長 Tim Cook 將於 9 月 1 日交棒，由現年 50 歲的硬體主管 John Ternus 接任執行長，Cook 則轉任執行董事長。這是蘋果自 2011 年 Steve Jobs 交棒後，再次啟動最高層接班；同時，負責自研晶片的 Johny Srouji 也升任硬體長。 Ternus 2001 年加入蘋果，歷來參與 iPhone、iPad、Mac、Apple Watch 與 AirPods 等硬體產品開發，近年也成為蘋果對外發表的重要高層之一。這次人事布局，發生在蘋果正面對 AI 競爭升高與產品節奏調整的時間點，也讓外界關注接班後的硬體與 AI 路線會怎麼往下走。 ＊Amazon 最高再投 Anthropic 250 億美元，AI 算力長約再升級 亞馬遜（Amazon）宣布，將對人工智慧新創 Anthropic 投資最高 250 億美元，其中先投入 50 億美元，後續再依商業里程碑追加最多 […]

GitHub 專案爆紅：Colleague Skill 把同事變 AI 分身，為何讓科技工作者不安？

中國科技圈近期出現一股「訓練 AI 分身」的風潮，導火線是一個最初名為 Colleague Skill、後升級更名為 dot-skill 的 GitHub 開源專案。該專案由上海人工智慧實驗室工程師周天翼（Tianyi Zhou）開發，聲稱可以將同事的工作技能與個性特徵「蒸餾」成可重複使用的 AI 技能包，讓 AI 代理程式模仿真實員工的工作方式。 根據《MIT Technology Review》報導，周天翼告訴中國媒體，這個專案最初只是一個惡搞，靈感來自 AI 相關裁員潮，以及企業要求推動員工自動化的趨勢。他表示，自己只花了 4 小時就開發出這個工具，並強調它所創造的 AI 代理「與真實的人相差甚遠」，只能處理重複性任務，真正的人類判斷力、創造力與應變能力仍非其所能及。 然而，這個「玩笑」引發的迴響超乎預期。Colleague Skill 大約在 3 週內於 GitHub 累積超過 1.3 萬顆星。話題標籤「#同事傳承」、「#人類蒸餾」與「#賽博永生」更相繼在中國社群媒體上引發熱議。 Colleague Skill 如何運作：匯入聊天記錄，連習慣用語都能複製 從功能設計來看，Colleague Skill 的操作流程相當直接。使用者輸入想要複製的同事姓名與基本資料後，工具會自動從飛書（Lark）與釘釘（DingTalk）等中國主流職場應用程式中匯入聊天記錄與檔案，並生成描述該同事工作職責的可重複使用手冊，供 AI 代理程式模仿。 上海科技工作者 Amber Li（27 歲）在社群媒體上看到這個工具後，以實驗性質複製了一位前同事。她對《MIT Technology Review》表示，該工具表現出乎意料地準確，「甚至能捕捉到這個人的小怪癖，例如他們的反應方式和標點符號使用習慣」。借助這個技能包，她可以讓 AI 代理扮演「新同事」，協助她進行程式碼除錯且能即時回覆訊息。儘管效果令人驚訝，她形容這種體驗「既詭異又有點令人不舒服」。 老闆要你「訓練你的替代者」，OpenClaw 熱潮加速這一切 Colleague Skill 之所以觸動敏感神經，在於它折射出正在發生的職場趨勢。據《MIT Technology Review》報導，自 […]

鴻海機器人事業處總經理郭柳宗解析：打造「AI 原生工廠」的 4 大步驟，實踐高彈性柔性製造

Physical AI 的進化速度與影響力正以驚人的速度重塑全球製造業。在近日（4/14）由 TechOrange 科技報橘、NVIDIA 與鴻海科技集團共同舉辦的「AI 機器人產業論壇」中，科技報橘社長戴季全引用鴻海董事長劉揚偉於美國國會山莊及矽谷論壇分享的實戰數據指出「過去一條產線通常需要 30 至 40 人操作，但在導入 AI 與自動化技術後，如今僅需約 5 人即可完成。」 顯示 AI 機器人正以極快的進化速度在智慧工廠運作。 針對這場新工業革命的具體實踐，鴻海科技集團機器人事業處總經理郭柳宗以「Building and Scaling AI Factories With Digital Twins and Robotics」為題，解析如何運用數位孿生與機器人技術，建構與規模化 AI 原生工廠。郭柳宗指出，鴻海與 NVIDIA 攜手合作，結合數位孿生與機器人技術，在美國打造一座生產 GPU 伺服器的 AI 工廠，展現從模擬到實體生產的虛實整合實力。 從數位孿生到 AI 決策：四步驟打造虛實整合的 AI 原生工廠 郭柳宗指出，打造一座智慧化工廠需落實四個關鍵步驟。第一步是「建立數位模型」，也就是打造工廠的數位孿生環境，將廠房結構與各式生產設備 1:1 轉化為標準 3D 數位檔案，在虛擬世界中建立數位工廠。 第二步是「進行精準模擬」。在實體設備進場前，先在虛擬環境中試跑，以避免真實工廠反覆試錯帶來的龐大成本。郭柳宗特別強調模擬階段的兩大重點，第一是高階伺服器的熱流模擬（CFD），由於 AI 伺服器運算需求極高，在進行測試運轉時非常耗電且會產生極高溫，當一個機櫃的功耗高達 1 MW（一兆瓦）時，必須先透過數位模擬進行廠房熱流的模擬與規劃。其次是機器人與物流動線的模擬，郭柳宗以美國工廠為例，為了讓 12 個伺服器測試櫃的上下料達到最高效率，透過精細的物理模型（URDF）測試五種不同形態的機器人，比較 CTU 與 […]

沒有護欄、直接進產線！西門子實測人形機器人：連續運作 8 小時、取放成功率破 90%

西門子（Siemens）與 NVIDIA 近期攜手合作，在德國埃爾朗根（Erlangen）的電子工廠中，成功導入由英國新創公司 Humanoid 所開發的 HMND 01 Alpha 輪式人形機器人。這項測試讓機器人直接進入真實的物流作業中，與人類員工並肩執行料箱搬運與放置任務。 這次指派給機器人的任務內容，刻意設定為工廠裡常見但不顯眼，卻高度消耗體力的物流工作：包括從堆疊中取出料箱，一路搬運到輸送帶，並精準放置到人類作業員可接手的位置。在沒有設立安全防護欄的真實生產環境中，HMND 01 Alpha 展現優異的穩定性：它能夠自主運作超過 8 小時、每小時完成約 60 次容器搬運，且抓取與放置的成功率高達 90% 以上。 這也代表，一旦機器人發生失誤，將會直接影響工廠現場作業與生產線運作，是一場容錯率極低的真實考驗，更凸顯為何過往這類任務難以直接交給傳統工業機器人處理，因為傳統的工業機器人通常被限制在安全鐵籠內執行固定路線的任務，很難應對不可預測的環境、擺放不一致的物件，或是需要與人類即時協調的任務。然而，HMND 01 Alpha 結合輪式底座的高機動性與仿人上半身的靈活度，能填補這些傳統自動化設備難以處理、卻又高度耗費人力的工作。 不過，對工廠而言，機器人順利完成動作只是第一步，接下來能否接入既有系統、融入現場流程，才是落地的關鍵。 能否接入既有工廠系統，比機器人本身更關鍵 要讓機器人在工廠發揮實質作用，系統整合能力至關重要。因此，西門子標榜機器人不需「砍掉重練（rip-and-replace）」，而是可以透過自家的 Xcelerator 平台將機器人無縫接入既有的工廠系統中，並串連數位分身（digital twin）、人工智慧感知、可程式邏輯控制器（PLC）以及工業通訊網路架構。這種能與工廠生產系統、其他自動導引車（AGV）與人類作業員進行即時協調的能力，正是外界認為可以有效區分「真正工廠部署」與「展示型 demo」的關鍵所在。 此外，如果說西門子的角色，是把機器人接入既有工廠系統，那麼 NVIDIA 提供的，則是這台機器人在真實產線運作所需的感知、模擬與訓練能力，包含用於車載邊緣運算的 NVIDIA Jetson Thor、用於虛擬模擬的 Isaac Sim，以及負責強化學習的 Isaac Lab。這套系統賦予機器人強大的適應力，使其能應對散落零件、走動的人員等混亂的產線狀況。 西門子把自家工廠當零號客戶，驗證人形機器人真實部署能力 值得一提的是，Humanoid 透過「以模擬為先（simulation-first）」的開發方式，讓機器人在進入實體工廠前先於虛擬環境中大量訓練並驗證行為，成功把業界常見約 18 到 24 個月的原型開發期，大幅縮短至約 7 個月。 西門子運動控制製造全球總監 Stephan Schlauss 則將埃爾朗根工廠視為「零號客戶」（customer zero），也就是先在西門子自家充滿變數的廠區環境中驗證這套部署方式，之後再思考如何將這套能力複製並提供給外部客戶。 在當前製造業面臨缺工、作業複雜度提高，且完全固定式自動化設備不再一體適用的情況下，企業正積極測試人形機器人承接工廠任務的可能性。如同輝達機器人與邊緣 […]

10 年千億美元綁定 AWS 算力：解析 Anthropic 擴張戰略，與亞馬遜 Trainium 晶片突圍戰

在 AI 領域的白熱化競爭下，運算能力已成為決定勝負的關鍵貨幣。為因應暴增的用戶需求並確保下一代模型的開發進度，AI 巨頭 Anthropic 宣布擴大與亞馬遜的合作夥伴關係，透過投資與長期採購協議，在激烈的算力之戰中強勢反擊。 亞馬遜最高加碼 250 億美元，Anthropic 承諾千億算力訂單 根據雙方協議，亞馬遜已同意向 Anthropic 追加高達 250 億美元的投資。亞馬遜將先投入 50 億美元，若 Anthropic 未來達成特定的商業里程碑，亞馬遜還有可能再追加高達 200 億美元的投資。這筆新資金，是建立在亞馬遜先前已投資的 80 億美元基礎上。 作為回應，Anthropic 承諾在未來十年內，將斥資超過 1,000 億美元購買亞馬遜雲端運算服務（AWS）的運算能力與其他相關技術。透過這項協議，Anthropic 將確保獲得高達 5 吉瓦（GW）的全新運算容量，用於訓練與部署 Claude 模型。 這項巨額交易的核心，圍繞在亞馬遜自家研發的客製化晶片。Anthropic 的千億美元承諾，涵蓋了亞馬遜的 Graviton（低功耗 CPU），以及從 Trainium2 一路延伸至尚未問世的 Trainium4，甚至是未來世代的 AI 加速晶片。 這代表亞馬遜正試圖透過 Anthropic，建立對抗 NVIDIA GPU 生態系的第二條路線。亞馬遜 CEO Andy Jassy 強調，「我們的客製 AI 晶片能夠以更低的成本為客戶提供高性能，這也是它如此搶手的原因。」並指出雙方合作反映了在客製化晶片領域共同取得了進展。 緩解 Claude 算力焦慮，擴大供應商多元性 […]

Google 成立 AI coding 突擊隊：當 Anthropic 幾乎 100% 用 AI 寫程式，Gemini 面臨技術與採用雙重壓力

當 AI coding 快速從工程師的輔助工具，升級為 AI 模型競爭的新主戰場，Google 正面臨內外夾擊的雙重考驗。《The Information》報導，為了迎戰激烈競爭的市場，Google 近日成立一支專門提升 AI coding 模型的「突擊隊」（strike team），由 Alphabet 共同創辦人 Sergey Brin 與 Google DeepMind 技術長 Koray Kavukcuoglu 親自督軍。這項罕見的高層介入行動，不僅源自外部競爭對手 Anthropic 技術領先的威脅，也突顯 Google 內部在推動 AI 工具普及的過程中，所面臨的內部阻力與爭議。 Google 為何成立 AI coding 突擊隊？ 《The Information》指出，這支由前 Google DeepMind 預訓練負責人 Sebastian Borgeaud 領軍的團隊，核心任務是提升模型處理長期且複雜 coding 任務的能力，包含撰寫全新軟體、閱讀多個檔案，並精準理解使用者意圖。 值得注意的是，為了達成這項目標，Google 的策略重心正發生轉變，也就是從「主要面向外部客戶的 coding 模型」，轉為「專注服務內部開發需求」。這代表，模型將利用 Google 內部龐大且與外部截然不同的私有程式碼庫進行訓練，藉此追求更高的效能表現。 Sergey Brin 在內部備忘錄中向 Google […]

Google TPU 為什麼贏不了 NVIDIA？陳良基：真正差距在對台灣供應鏈的掌握度

專訪：戴季全撰稿：李昀蔚 隨著 AI 產業競爭從模型、晶片一路延伸到算力與供應鏈，Google、NVIDIA、Apple 和馬斯克（Elon Musk）皆以不同策略搶進下一階段的主導權。本集《全新一週》專訪國立臺灣大學電機工程學系名譽教授、前科技部長陳良基，從 Google TPU 與 NVIDIA 的對戰談起，逐步剖析 TeraFab 想突破的供應鏈瓶頸、Apple 在 AI 時代的調整，以及台灣在這波 AI 應用爆發之際，必須精準把握的新機會與人才戰略佈局。 掌握供應鏈即掌握 AI 生態系 談及市場上「Google 正在與 NVIDIA 競爭」的說法，陳良基點出，這場戰役本質上比拚的是對產業生態與供應鏈的掌握度。他以「物競天擇」來形容產業競爭，指出企業若能鞏固自己的生態環境，生命週期就能更長久，而在當前的 AI 產業中，支撐龐大算力需求的關鍵供應鏈「目前看起來只有台灣」，這也是 NVIDIA 執行長黃仁勳頻繁來台鞏固供應鏈的根本原因。 相對而言，Google 雖擁有自行設計晶片的技術，但其 TPU 遲遲無法成長至足以抗衡 NVIDIA 的規模，當中關鍵的原因，就是對台灣供應鏈的照顧與掌握程度仍不夠。若 Google 長期無法突圍，將持續面臨產能與貨源不足的困境。 同樣不想被供應鏈「掐住脖子」的還有馬斯克。近期，馬斯克宣布打造 TeraFab、自建高度自動化的晶圓廠。陳良基認為，企業家試圖突破供應鏈限制的想法固然沒錯，但半導體是「人類有史以來最精密的工藝之一」。要做出一顆堪用的晶片或許不難，但真正的考驗在於量產時，如何讓每片 12 吋晶圓產出的一兩百顆晶片都能具備高達 90% 的良率。因此，TeraFab 未來的最大壓力點不只是蓋廠，更在於能否跨越這道殘酷的製造良率門檻。 Apple 的 AI 節奏：從輕忽迭代速度到垂直分工 視角轉向另一個科技巨頭 Apple，陳良基坦言：「Apple 在 AI 認知上，有點太過輕忽 AI 生命週期的速度。」過去，Apple […]

融資總額暴漲 262%、75% 資金流向單一巨頭：盤點 2026 自駕車新創最新賽局

2026 年的自駕車產業正迎來一場前所未有的資金結構性轉變。創業資料庫 Crunchbase 資料顯示，2026 年 4 月 15 日，全球自駕車新創公司今年累計融資已達 214 億美元，涵蓋 34 筆交易，較 2025 年全年的 59 億美元（99 筆）暴增 262%，也比 2024 年全年的 121 億美元（127 筆）高出約 77%，創下歷史新高。 然而，這波資金浪潮並非雨露均霑。Crunchbase 資料顯示，今年迄今高達四分之三的融資金額，集中流入了 Waymo、Shield AI 與 Wayve 等少數幾家企業。這代表著整體投資市場已從過去的廣泛撒播早期投資，轉向重押少數被視為具備規模化商業能力的市場領導者。 Waymo 單筆融資 160 億美元，估值衝上 1,260 億 今年融資規模最大的一筆，是總部位於美國加州山景城的 Waymo 於 2 月完成的 160 億美元 D 輪融資，由 Alphabet、Dragoneer Investment Group、DST Global 與紅杉資本（Sequoia Capital）共同領投，融資後估值達 1,260 億美元。這一筆融資即佔今年全自駕車產業融資總額的 […]