Archives

你的 Slack 對話可能變 AI 教材？企業資料淘金熱崛起，變現背後的商機與爭議

在 AI 的軍備競賽中，資料就是燃料。然而，當 AI 實驗室幾乎吸乾了 Reddit 論壇、維基百科與數位化書籍等公開網路內容後，他們正面臨嚴重的資料瓶頸。為了解決這個問題，產業界開始將目標轉向一個意想不到的來源：企業內部的 Slack 對話、Email、Jira 任務單，以及多 TB 的專案紀錄。 《Forbes》報導，這波「工作流資料」（workflow data）的新趨勢，不只正在改變 AI 的訓練模式，更引發了全新的商機與隱私爭議。 從網路資料枯竭，到企業內部資料崛起 OpenAI 前首席科學家 Ilya Sutskever 曾指出，公開網路上的資料量對 AI 來說已在 2024 年底達到枯竭。更重要的是，這些文章資料對於打造能夠實際執行工作任務的「代理式 AI（Agentic AI）」來說幫助並不大，因為真正能讓 AI 學會工作的，是那些由人類在日常營運中創造的真實紀錄。 「AI 模型公司正在意識到，真實世界環境中的噪音對於準確測試模型是必要的。」提供 AI 模擬環境的 micro1 創辦人 Ali Ansari 表示。這些真實的企業通訊紀錄，包含了決策的轉折、跨部門的溝通摩擦，甚至是解決專案危機的過程，它們成為了訓練代理式 AI 理解組織運作、處理複雜任務的珍貴教材。 數位回收的淘金熱：倒閉企業的遺產變現 需求的爆發，迅速催生出全新的資料市場。根據《Forbes》報導，新創公司 SimpleClosure 協助企業在關閉時，將其長年累積的 Slack 訊息、Email、Jira 紀錄與 Google Drive 文件打包出售，作為 AI 訓練資料。一家已結束營運的轉錄公司 cielo24，甚至因此獲得數十萬美元收入。 SimpleClosure […]

【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」

2025 年，美國民眾向聯邦調查局網路犯罪投訴中心（IC3）提交逾 100 萬件投訴，損失金額接近 210 億美元，網路詐騙佔總損失的 85%。 其中，AI 詐騙首度在 FBI 年度網路犯罪報告中獨立成章，記錄了逾 2.2 萬件投訴與約 8.93 億美元的損失。 詐騙門檻降低，任何人都可能是目標 資安訓練與研究機構 SANS Institute 首席 AI 研究員 Rob T. Lee 指出，詐騙者把羞恥感當武器，他們賭受害者會因為太難為情而不敢開口；就連受過訓練的資安專業人員也曾中招，「你被騙不是因為你輕信，而是因為 AI 把它的工作做得太好了。」 2026 年國際 AI 安全報告指出，許多用於製造詐騙內容的 AI 工具免費或低成本、不需要技術背景、可以匿名操作。詐騙者用 AI 生成高度擬真的訊息、克隆聲音、製作假身分證件與偽造的「存活證明」影片，讓過去可以辨識的警訊變得難以察覺。 詐騙的目標通常沿著人口結構分布。老年人與獨居者容易成為信任型詐騙和投資詐騙的受害者；青少年與年輕人則是性勒索的主要目標；中年人則較常面對憑證竊取、發票詐騙與網路釣魚攻擊。 六種主要的 AI 詐騙型態 聲音仿冒與假冒親友是目前最令人難以防範的詐騙之一。詐騙者只需幾秒鐘的社群媒體音檔，就能重建一個人的聲紋，偽造出聽起來像家人或朋友求助的電話。 2023 年曾有一位母親接到「女兒」哭泣求救的電話，對方要求支付贖金，事實上女兒正在外地滑雪旅行，電話是 AI 偽造的。遇到此類情境時，應透過另一個管道聯繫當事人，或提出只有真正的對方才能回答的問題。 銀行與投資詐騙規模最為龐大。2025 年加密貨幣相關詐騙損失逾 110 億美元，其中投資詐騙損失達 86 億美元，加密貨幣佔投資詐騙近四分之三，遠超過銀行卡或現金等傳統支付方式。 「殺豬盤」式投資騙局是主要手法，詐騙者先透過簡訊建立關係，再引導受害者投入假加密貨幣或交易平台。Forter 風險部門資深總監 Dany Naigeboren […]

烏克蘭地面機器人戰爭進入規模化：單月任務破 9,000 次，前線開始出現「零步兵攻城」

烏克蘭地面機器人作戰正從前線實驗走向規模化部署，而推動這場變化的背景，正是部隊人力短缺，以及西方武器裝備供應不足的雙重壓力。在這樣的情況下，烏軍正積極擴展國產無人機與無人地面載具（UGV），試圖彌補與俄軍之間的戰力差距。 根據烏克蘭軍方與相關報導，2026 年 3 月烏軍單月已執行超過 9,000 次地面機器人任務，顯示這類系統已經從零星輔助工具，逐步成為烏軍前線運作不可或缺的一部分。 從少數單位試用到大規模常態化，烏克蘭地面機器人任務量快速攀升 近期，烏克蘭地面機器人的任務數量呈現爆炸性成長。《Business Insider》引述烏克蘭國防部表示，3 月地面機器人不僅單月執行超過 9,000 次任務，更較 2025 年 11 月的 2,900 多次成長約三倍。 目前已有 167 個烏軍單位把 UGV 納入作戰，對比 2025 年 11 月僅 67 個單位，代表地面機器人正從試驗階段快速進入軍事實務。根據烏克蘭 DELTA 戰鬥管理系統紀錄，前五大使用 UGV 的單位中，有四個是活躍於東部與東北部前線的戰鬥旅，另一個則是隸屬國際軍團、以運用 UGV 撤離傷兵聞名的「第一獨立醫療營」。 為了讓這種擴張不只停留在前線單位的自發嘗試，烏軍也開始從制度面加速導入。烏軍開發出一套積分系統，讓成功完成機器人任務的作戰單位能獲得積分，藉此換取更多機器設備並簡化採購流程。烏軍第三軍團指揮官更樂觀預估，機器人地面平台很快將能取代高達三分之一的前線步兵角色。 地面機器人不只做後勤，更接手前線最危險任務 隨著小型無人機威脅加劇，前線區域的活動變得極度危險。UGV 通常是履帶或輪式系統，專為穿越複雜地形而設計，主要用途包括前線補給、排雷與守住加固陣地；部分系統甚至可用於發射武器，或在俄軍陣地內進行自爆，目的就是在高風險任務中取代人類士兵。 WCPO 指出，地面機器人如今已成為向過於暴露的前線陣地補給的主要方式，也被用來後送傷兵。其中一個驚險案例是，機器人在敵方無人機攻擊下，成功運送一名受傷士兵行駛超過 15 英里。 WCPO 也引述 25 歲前線女兵 Athena 的說法指出，機器人讓她的工作變得更安全，改變最大的不是單一機器的性能，而是使用規模的擴大。從前只有少數單位嘗試，如今機器平台已更廣泛地承擔前線最危險的任務。此外，烏克蘭機器人製造商 DevDroid 研發總監 Oleg Fedoryshyn 也補充，當地面機器人與能快速移動、具備偵查能力的空中無人機協同作戰時，將能發揮最大的戰略效果。 […]

氛圍編碼進入醫療現場：從紙本衛教到 AI 互動工具，AI 改變醫病照護模式

過去醫療領域數位工具幾乎都是由大型企業開發，而氛圍編碼（Vibe Coding）提供全新解決方案，讓臨床醫師透過 AI 自行開發數位工具，打造各種客製化醫療應用程式。

【科技早餐】AI 一邊加碼、一邊裁員，Meta、Disney、Snap 接連重整人力

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊AI 一邊加碼、一邊裁員，Meta、Disney、Snap 接連重整人力 AI 投資擴張與人力重整，最近接連在美國科技與娛樂業上演。《路透》報導，Meta 預計自 5 月 20 日啟動新一波裁員，規模約占全球員工 10%、接近 8,000 人，且今年稍晚可能還有後續調整。更早之前，迪士尼（Disney）宣布裁掉約 1,000 人，波及行銷、影視、ESPN、科技與公司職能部門；Snap 也宣布裁員約 1,000 人，占全職員工約 16%。 另一邊，Snap 也直接把這波重整與 AI 效率提升連在一起，表示公司已有超過 65% 的新程式碼由 AI 產生。從社群平台到娛樂集團，AI 對企業的影響已不只是推出新產品，而是開始更深地改寫預算配置、組織設計與職務結構。 ＊OpenAI 綁下 Cerebras 200 億美元大單，AI 算力戰開始直通 IPO AI 晶片公司賽瑞布拉斯（Cerebras）4 月 17 日公開揭露赴美 IPO 文件，《路透》同時報導，Cerebras 已拿下 OpenAI 總額 200 億美元、為期三年的合作，將部署 750 兆瓦、由 Cerebras 晶片驅動的算力資源。對這家挑戰 NVIDIA […]

【2026 訂閱軟體實戰數據】免費試用越短、轉換率越低？10 億筆交易紀錄拆解獲利關鍵

應用程式開發的門檻已經被 AI 抹平，但賺錢的難度沒有跟著下降，反而更集中在少數玩家手上？ 打造一款軟體產品已非難事，真正的戰場在於「如何讓使用者持續買單」。訂閱數據平台 RevenueCat 發布的《2026 訂閱制應用程式現況》（State of Subscription Apps 2026）報告，內容透過龐大的底層營運紀錄，客觀檢視產品的變現體質。 以下摘要梳理報告的關鍵發現，剖析驅動留存與轉換的底層邏輯，釐清開發團隊在面對人工智慧轉型、付費牆設計與平台基礎設施時常見的評估盲區，提供具體的對標指標。 📎 這份報告適合誰閱讀？ 《2026 訂閱制應用程式現況》報告立基於超過 11.5 萬款應用程式、160 億美元的真實金流與超過 10 億筆交易數據，其中的量化數據與業界專家洞察，適合以下五類科技與商業工作者閱讀： 🔴 報告洞見 隨著 AI 技術消除了過去十年的軟體開發門檻，我們迎來前所未有的「應用程式供給過剩」浪潮。 然而，這場供給爆發並沒有帶來市場的均富，反而讓獲客成本與流失率急遽攀升，市場規則已經被重新改寫。 以下分析來自超過 11.5 萬款應用程式、160 億美元真實金流數據，涵蓋獲客、定價、AI 留存與支付基礎設施四大面向。 💡 市場宏觀全貌：贏家通吃的「K 型市場」 目前的應用程式市場呈現極端兩極化的 K 型發展趨勢。數據顯示，前 25% 表現最好的應用程式其每月經常性收入（MRR）年成長率高達 80% 以上，而後 25% 的應用程式則面臨了超過 33% 的嚴重衰退。訂閱經濟已經成為一個極度「贏家通吃」的賽局。 自 2022 年以來，每月新上市的訂閱制應用程式數量狂飆了 7 倍，目前每個月都有將近 1.5 萬款新應用湧入市場，其中 iOS 平台更佔據了高達 77% […]

Anthropic 發表新 AI 模型 Claude Opus 4.7，攻向「可控 AI」新戰場

Anthropic 推出最新通用 AI 模型 Claude Opus 4.7。表面上看，這是一次例行的旗艦模型升級；但若對照 Anthropic 近日才公開、卻暫不對外全面釋出的 Mythos Preview，就會發現這次發表真正想回答的問題，不只是模型有沒有更強，而是模型夠不夠可控。 根據 Anthropic 官方說法，Opus 4.7 在進階軟體工程、長時間任務執行、指令遵循與高解析視覺理解上，都較前代 Opus 4.6 有明顯提升，尤其更擅長處理過去仍需高度人工監督的複雜編碼工作。 Anthropic 也特別強調，這款模型雖然不如 Mythos Preview 那麼強大，卻是公司用來測試新一代資安防護機制與模型治理方式的第一個公開版本。這讓 Opus 4.7 的定位，不只是更強的 Claude，而是 Anthropic 在「高能力模型如何安全商業化」這條路上的一次壓力測試。 如果把近期幾家前沿模型公司的動作放在一起看，會更清楚這個趨勢。過去市場總把焦點放在基準測試排名、誰分數更高、誰能力更全面；但從 Anthropic 的 Mythos Preview，到 OpenAI 的 GPT-5.4-Cyber，再到這次的 Opus 4.7，產業重心正逐漸從能力邊界，轉向能力如何被控制、部署與授權。也就是說，AI 競賽已不再只是模型軍備競賽，而是開始進入「可控 AI」的新戰場。 微幅領先 OpenAI、Google，而非全面式碾壓 從基準測試成績來看，Anthropic 確實有理由把 Opus 4.7 包裝成新一代高階商用模型。根據 Anthropic 官方資料，Opus 4.7 在 GDPval-AA、Finance Agent […]

搶在曝光前攔下 99% 惡意廣告威脅！Google 如何以 Gemini 分析百億訊號，迎戰 AI 詐騙工業化危機？

Google 在最新發布的《2025 廣告安全報告》（2025 Ads Safety Report），揭示數位廣告生態的關鍵轉變：生成式 AI 的普及已成為雙面刃，讓惡意人士得以用史無前例的速度與規模，大量產製垃圾內容與詐騙廣告。 為了應對這波由科技驅動的數位威脅，Google 全面升級防線，將自家 AI 模型 Gemini 深度整合至系統中，主動在使用者接觸到惡意內容前進行精準攔截。因此，這份報告不僅凸顯違規內容的氾濫趨勢，更標誌平台治理已正式跨入「AI 生成詐騙、AI 即時攔截」的全新攻防紀元。 生成式 AI 助長威脅，垃圾與詐騙廣告進入「規模化量產」階段 垃圾廣告與詐騙原本就是網路世界長年存在的舊問題，但生成式 AI 正在全面放大其生成的「速度與規模」。《Washington Times》引述分析師的觀察指出，從聲稱能包治百病的草藥廣告，到模仿名人聲音的影音素材，AI 正讓各種形式的詐騙內容更容易被快速生成與大量投放。 Google 的官方數據也印證這個趨勢：2025 年全球共攔下創紀錄的 83 億則違規廣告，遠高於前一年的 51 億則。其中，與詐騙最密切相關的違規廣告就高達 6.02 億則，並有 400 萬個帳號因涉嫌詐騙遭停權。這些數據皆凸顯，惡意內容已不再只是零星出現，而是藉由生成式 AI 進入工業化、規模化的擴散階段。 Google 用 Gemini 升級平台防線，在曝光前攔下超過 99% 違規廣告 面對海量的違規內容，Google 的執法策略也出現轉向。《TechCrunch》指出，雖然 2025 年攔下的廣告數量創新高，但帳號停權數並未同步暴增，這反映出平台正逐漸將重心轉向「先擋廣告」，而不是過度依賴「暫停帳號」這類手段。 這項轉變的背後核心是 Gemini 模型的深度應用。Google 表示，Gemini 現在已能分析包含帳號年齡、行為線索與投放模式等數百億個訊號。Google 廣告隱私與安全副總裁 Keerat Sharma […]

AI 軍備競賽轉向低成本對決：模組化無人載具如何重塑全球國防供應鏈？

當美國、中國、俄羅斯等國加速把 AI 導入自主無人機、攻擊系統與軍事決策平台，戰爭競賽已不再只是傳統軍備競爭，而是進一步走向「無人機對抗無人機、演算法對抗演算法」的新階段。 《紐約時報》指出，這場競賽涵蓋可自主飛行並伴隨戰機作戰的無人機、在人類未下達指令的情況下自主選擇目標的攻擊型無人機，以及能快速分析情報並推薦打擊方案的 AI 中央系統。另一方面，烏克蘭與伊朗相關戰事，也正進一步推動海上無人載具走向實戰化。 從自主無人機到無人攻擊艇，戰場正快速走向自主化與海上無人化 這場變革首先體現在無人硬體載具的自主化能力上。在 2025 年 9 月北京閱兵時，展示中國可自主伴飛戰機的無人機後，美國國防部官員便判斷美方無人戰鬥機計畫已落後中國。為彌補差距，美國要求新創防務公司 Anduril 提前三個月在俄亥俄州工廠量產 AI 自主飛行無人機 Fury。 《紐約時報》也指出，中國與俄羅斯都在試驗讓 AI 自行做出部分戰場決策：中國正發展可在無人介入下協同攻擊的多機群系統，俄羅斯則讓其在烏克蘭戰場測試的 Lancet 無人機加入自主選擇目標的能力。 與此同時，海上攻擊也正走向無人化。例如，烏克蘭使用的無人攻擊艇已大致把俄羅斯黑海艦隊逐出附近水域。若中東戰事擴大，英國新型無人艇也可能投入行動，顯示這類載具愈來愈被視為未來海戰的一部分，未來更將接手許多「骯髒、枯燥且危險」的任務。這些海上無人載具不僅可由遠端人員透過衛星通訊系統操作，也朝無須通訊連結的更高自主化發展，並能搭載監視設備、機槍或足以擊沉大型船艦的爆炸物。 AI 決策大腦幾乎消除從識別到打擊的延遲，開始顛覆現代作戰 除了硬體載具的升級，軟體系統的 AI 化更是這場競賽的核心。《紐約時報》回顧，美國 Project Maven 原本是為了處理龐大的無人機影像與情報資料，後來在 2019 年由 Palantir 接手。在 2026 年伊朗戰事中，該平台結合 Anthropic 的 Claude 軍用版，協助生成優先目標清單、推薦武器、計算燃料與彈藥並快速產生打擊方案。 Project Maven 所代表的現代化作戰方式，是透過 AI 系統分析多源情報、生成依優先順序排列的目標名單，並推薦武器，因此幾乎消除從識別目標到執行打擊之間的延遲。美國國防部首席數位與 AI 官員形容此系統具「革命性」，並指出這讓人類的參與僅剩下「左鍵單擊，右鍵單擊，左鍵單擊」而已。 軍備競賽的關鍵轉向：低成本、模組化與高速量產 現在，這場競賽不只關乎 AI 能不能分析、推薦與控制，也關乎誰能把這些能力更快整合進低成本、可大量部署的武器系統。 《路透》報導，由創投支持的英國新創 Kraken 已取得英國皇家海軍首批 […]

點擊高 2 倍、轉化率飆 3 倍：聯網電視首頁為何是 2026 廣告重要版位？

聯網電視（CTV）正快速重塑廣告版圖，而「首頁螢幕」正在成為品牌搶佔注意力的關鍵入口。根據 HUB Research 2024 年的研究數據，約有 48% 的觀眾在打開智慧電視時，尚未決定要觀看的內容，這使首頁成為觀眾探索內容的第一站，也讓廣告得以在用戶進入串流平台前即發揮影響力。 對品牌而言，這不只是曝光機會，更是提前介入決策路徑的關鍵節點。媒體平台 Teads 根據自家平台 HomeScreen 的數據指出，首頁廣告能帶來高達 50% 的無提示回想率（unaided recall），意味著一半觀眾即使沒有任何提示，仍能記住品牌，顯著優於傳統廣告格式。 CTV 廣告運用地理定位、事件共鳴，強化場景化行銷 之所以有這樣的廣告效果，歸功於 CTV 在數據與創意上的同步進化。2026 年，廣告的地理圍欄（geo-targeting）已成為標準配備，廣告主可以依據觀眾所在位置、家庭收入結構，甚至即時天氣變化調整廣告內容。例如，在下雨的城市推送防水外套，在晴朗天氣則切換為夏季服飾，讓創意與情境高度貼合。這種動態調整不僅提升相關性，也強化了廣告的即時轉換潛力。 同時，CTV 也正在改寫「大眾共時收視」逐漸消失的敘事。過去由電視節目創造的全國同步觀看高峰雖已不再，但透過在地化投放與數據分群，品牌得以重新構建「群體共鳴」。無論是地方球隊奪冠、區域性文化事件，或選舉等高關注議題，廣告都能針對特定地區觀眾傳遞具情緒張力的訊息。這讓中小型品牌也有機會以更精準的預算參與大型事件，放大影響力，不必直接競逐最昂貴的全國性曝光時段。 數據驗證首頁螢幕的高互動潛力 在成效層面，首頁廣告的表現更進一步驗證其價值。根據媒體平台 Teads 的數據，其自家 CTV 產品「HomeScreen」廣告的點擊率為傳統展示廣告的 2 倍，轉化率更達 3 倍，且有 70% 的觀眾在接觸廣告後採取進一步行動，反映出首頁版位在高互動與高轉換上的潛力。 此外，LG Ad Solutions 的研究則指出，進階互動式首頁廣告相較於標準格式，可提升 66% 的廣告好感度、61% 的無提示記憶度，並讓用戶造訪網站的可能性增加 31%、互動意願提高 28%。這些數據共同指向一個趨勢：當首頁成為用戶進入內容世界的「入口」，廣告不再只是插入式訊息，而是轉化為一種可探索、可互動的體驗。 隨著串流服務、免費廣告支援內容（AVOD）與 FAST（Free Ad-supported Streaming TV）頻道持續擴張，使用者進出首頁的頻率也日益增加。這種高頻觸達，加上精準數據與創意形式的融合，使首頁螢幕逐漸演變為結合品牌建立與效果轉換的關鍵場域。2026 年的 CTV 廣告競爭，將不再只是爭奪內容播放前的幾秒鐘，而是提前在首頁這個尚未做出選擇的時刻，影響用戶接下來的行動。 【推薦閱讀】 ◆ 零售 […]

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」

由美國企業 NxGenComm 所研發的 Phoenix 集結了傳訊、干擾器、無人機操控於一身，透過 AI、神經網路與 SDR 技術，足堪應對搜尋並摧毀戰場訊號干擾器的關鍵情境作戰。

【科技早餐】Tesla AI5 完成設計定案，馬斯克點名台積電與三星

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Tesla AI5 完成設計定案，馬斯克點名台積電與三星 特斯拉（Tesla）執行長馬斯克（Elon Musk）15 日在社群平台 X 表示，自研 AI 晶片 AI5 已完成設計定案，也就是正式進入製造流程的下一階段。馬斯克同時點名感謝台灣積體電路製造公司（TSMC）與三星電子（Samsung Electronics）的生產支持，並透露團隊已同步開發 AI6 與 Dojo3。 市場普遍預期，AI5 將用於 Tesla 車輛、自動駕駛系統、Optimus 人形機器人以及資料中心運算。這也讓外界持續關注，Tesla 的自研晶片布局是否正從車端一路往機器人與資料中心延伸。 ＊台積電上修全年展望，魏哲家：AI 需求比 1 月更強 台灣積體電路製造公司（TSMC）16 日召開法人說明會，董事長暨總裁魏哲家表示，AI 相關需求依然非常強勁，而且比今年 1 月法說時看到的還要更高。台積電預估第二季營收將落在 390 億到 402 億美元之間，季增約 10%，年增約 32%；全年美元營收成長，也上修為超過 30%。第一季獲利年增 58%，再創單季新高。 除了先進製程，魏哲家也提到，成熟製程策略沒有改變，重點不是單純擴標準產能，而是深化高良率與差異化特殊製程能力。台灣仍是台積電研發與先進製程核心基地，台南 3 奈米新產線預計 2027 年上半年量產；面對競爭與擴產議題，他則重申一句話：沒有捷徑。 ＊NVIDIA GTC Taipei 6 月回歸，黃仁勳 6 月 1 […]

你的企業在繳「AI 稅」嗎？調查揭露：高達 40% 的效率提升被重工抵銷

企業導入生成式 AI 的初衷，是讓工作更快、更有效率，但近期一項研究卻揭露一個反直覺的現象：AI 雖然讓工作變快，卻未必讓工作變少。 根據企業軟體公司 Workday 2025 年底、針對全球 3,200 名企業領導者和員工的調查，企業透過 AI 節省的時間中，有接近 40% 最終被用於修正錯誤、重寫內容與驗證輸出，形成一種隱性的成本，被稱之為「AI 稅」。 看起來更快，但未必真的有效率 從表面上的數據來看，AI 的確正在提升效率。根據 Workday 研究，多數受訪員工表示 AI 每週可協助節省 1 至 7 小時，且有 77% 使用者認為自己變得更有效率。但是當企業進一步檢視「淨生產力」時，情況卻出現落差。 同一份研究指出，受訪員工每節省 10 小時工作時間，就有 4 小時被用於修正 AI 產出。換言之，40% 的效率被「重工」抵銷。《HR Dive》直接點出背後關鍵問題：多數企業只關注「gross efficiency」（產出速度），卻忽略「net value」（實際價值），導致 AI 效益被高估。 這種生產力流失，背後有一個逐漸被業界關注的現象：workslop，指的是 AI 生成大量看似有用、但實際需大量修正的低品質工作內容。根據《CIO》報導與 Workday 研究，AI 正被廣泛用於從會議摘要到複雜報告的各類任務，但在高專業內容中，可能導致修正時間超過撰寫時間。 該研究更發現，只要導入 AI 卻沒有同步調整技能、職務設計與支援機制，低品質的 AI 輸出就會普遍出現，而且這個問題並不限於特定產業或地區。 科技顧問公司 iTech AG […]

人形機器人商業化加速中，為何家務落地仍卡關？史丹佛揭 88% 失敗率的背後瓶頸

目前，人工智慧在認知與軟體任務上已取得驚人成就，例如能夠在國際數學奧林匹亞競賽（IMO）中奪得金牌、表現超越人類化學家，以及撰寫出色的程式碼。然而，根據史丹佛大學最新發布的《AI Index 2026》報告，研究人員點出 AI 發展的「參差不齊」（jagged frontier）現象：AI 可以解決最高深的數學題，卻可能無法可靠地幫人類撿起地上的髒襪子。 儘管人形機器人已開始進入市場，但報告指出，機器人在真實家庭任務中，能夠完全且安全達成任務的成功率僅有約 12%，這代表高達 88% 的家務任務依然會失敗。這項數據清楚地顯示，人形機器人從「進入家庭」到「真正可用」之間，仍然存在明顯落差。 模擬表現進步很快，但在真實家庭場景仍失靈 《AI Index 2026》指出，人形機器人在受控的軟體模擬環境中，操作成功率已經可達 89.4%，與 2022 年約 48% 的表現相比有非常顯著的提升。然而，當機器人離開實驗室，進入混亂且不可預測的真實家庭環境時，其成功率便會大幅下滑。 報告進一步分析，對 AI 來說最困難的基準測試（benchmark），正是那些必須在真實世界中採取行動的任務，這是因為現實環境充滿不可預測性，且一旦發生錯誤，就會帶來實際影響。即使是目前表現最頂尖的模型，在必須同時滿足「完成任務」與「安全性」時，仍然經常面臨失敗，甚至有超過三分之一的任務無法被安全地完成。這背後的核心問題在於，目前頂尖的 AI 模型多半是透過網路上的文字進行訓練，這對理解文字很有用，但要在真實世界中規劃並執行實體動作時，仍面臨巨大挑戰與不夠成熟的狀況。 《Forbes》也透過具體的家庭場景，生動地說明這種現實與模擬間的巨大落差：在真實的家庭環境中，地板可能會變得濕滑、杯子擺放的角度可能剛好偏離機器人的手、試圖打開抽屜時可能會卡住，或是孩子不小心把樂高玩具留在地板上，這些日常生活中微小的不確定性，都是造成機器人在家庭環境中容易失手的原因。 家用人形機器人已開始出現，但實用性與成熟度皆需補強 目前市場上已經可以買到不同價位的人形機器人產品，例如價格約 5,000 美元的入門款、要價 20,000 美元的 1X Neo，或是超過 40,000 美元的 AiMoga 新款 M1。然而，現階段消費者還不能期待這些機器人像完美的「機械管家」（mechanical Jeeves）一樣，穩定地代勞繁雜家務。 《Forbes》提到，要評估機器人是否能勝任家庭工作，最嚴苛的考驗之一是「Behavior-1K」測試。這項測試包含 1,000 項基於真實人類回報的家庭需求任務，在近期的挑戰中，表現最佳的團隊在這些任務上，僅達到 25% 的「可接受品質」成功率，而完整達成任務的成功率則還要更低。這也代表，我們仍需要投入更多研究，才能了解如何驅動機器人安全且成功地執行動作。 好消息是，部分領先的企業已經邁出下一步。例如 Figure AI 這類機器人公司，已經開始在真實的家庭環境中訓練這些機器人，並展示機器人完成清空洗碗機、整理雜貨等現實任務的能力。雖然《Forbes》認為這些機器人的動作還不夠快，但它們已經展現出一定程度的判斷力，例如能夠分辨哪些物品該放進冰箱，哪些該收進櫥櫃。 此外，Physical Intelligence 也展示能跨越不同機器人平台摺衣服的視覺-語言-動作模型（VLA），NVIDIA 與 Gemini Robotics […]

OpenClaw 怎麼操作更安全？開源的龍蝦最省錢？OpenClaw 實用守則大公開

OpenClaw 是什麼？ 2026 年初，全球科技社群正被 Clawdbot、Moltbot、OpenClaw 以及「龍蝦」等名詞襲捲。這幾個近期在網路上掀起熱烈討論的標籤，其實指的都是同一個開源 AI Agent 平台；它能搭配 LLM 使用，實際操作使用者的電腦並調用網路服務，將任務自動化推向全新境界。 OpenClaw 這個名稱可拆解為 Open 與 Claw 兩個部分：前者象徵其開源 (Open Source) 的性質，後者則取自龍蝦的特徵 : 螯。至於 Clawdbot 與 Moltbot，則是該專案在初期曾使用過的名稱。而「龍蝦」這個綽號則源於其官方 Logo，由於 Claw 本意即為蝦蟹的螯，對於一個擁有強大執行力的 AI Agent 而言，螯就如同人類的手臂，能賦予 AI 實體運作的能力，進而替使用者完成任務。 事實上，AI Agent 並非新興概念。相較於 ChatGPT、Gemini 或 Claude 等僅止於回答問題的 LLM，AI Agent 更具備了長期記憶、邏輯推理、調用外部工具，甚至是指揮子代理的能力，能處理更複雜的流程。然而，過往的 AI Agent 平台多鎖定在企業端 (如 Gemini Enterprise 或 Claude Code)，且能執行的範圍往往受限於特定的應用程式，難以進行跨平台或系統層級的任務。 OpenClaw 之所以能在社群引發巨大轟動，首先因為它是完全開源的平台，任何人都能免費下載、修改並自定義使用；其次，它更進一步實現了對電腦系統與瀏覽器的實質操控。過去我們若要求 LLM […]

破除 AI 應用落地的資料隱患，NetApp 一站式管理平台滿足企業 AI 所需燃料

當 AI 應用正式步入生產環境時，企業可能面臨著資料四散、資安威脅與基礎設施成本增加的挑戰。NetApp 資深技術顧問徐榮君在近期舉辦的 AI Ready 資料治理論壇，以「確保資料暢行無阻，滿足企業 AI 所需燃料」為題，剖析 AI 資料管道在建構過程中的成本與安全痛點，分享如何透過 NetApp 一站式管理平台，協助企業打破資料孤島，建立嚴密的資安護欄。 「從 POC 邁向真實生產環境，企業平均需動用約 13 種工具，在資料準備與模型訓練的各個階段，往往需要複製 6 到 7 份資料副本，要將非結構化資料轉換為 AI 所需的向量資料庫時，資料量同時也會膨脹 10 到 20 倍，大幅增加企業成本，」徐榮君指出，面對龐雜的資料量以及高昂成本，企業需要大規模優化運算與儲存效能的自動化解決方案。 針對資料孤島與搬移的挑戰，NetApp 提供 NetApp Console 一站式資料管理平台，涵蓋地端與三大公有雲 AWS、Microsoft Azure、Google Cloud 作業系統。企業只需透過簡單拖拉的方式就能設定資料傳輸，且無需進行繁瑣的格式轉換，能在正確的時間與地點取得需要的資料。同時為了加速 AI 檢索效率，NetApp 透過 Metadata 引擎讓資料從業人員能與儲存管理員協作，輕鬆找到並理解資料，背後採取輕量且優化的 API 查詢 Metadata，有助於大幅減少約 70% 的 NFS 目前流量，同時自動變更偵測，實現 AI 工作流程自動化，保持取得最新的資料，加速和簡化 AI 驅動的資料處理、管理和治理。 資料護欄系統，能在 AI […]

Google TPU 與 AWS Trainium 夾擊下，黃仁勳親解 NVIDIA 真正護城河

當 Claude 與 Gemini 兩大模型都已在 TPU（張量處理單元）上訓練時，越來越多人開始關注：TPU 與客製化 ASIC 的崛起，是否正在鬆動 NVIDIA 長年建立的 AI 算力主導地位？對此，NVIDIA 執行長黃仁勳近日在 Dwarkesh Patel Podcast 訪談中給出的解答是：NVIDIA 做的從來不是單一的張量處理單元，而是更廣義的「加速運算」（accelerated computing）。 科技媒體《Implicator》進一步分析，黃仁勳在這場訪談中展現的戰略企圖心，遠大於單純的晶片規格之爭。面對客製化晶片的競爭、高達數兆美元規模的供應鏈需求壓力，乃至於中美半導體出口管制的角力，NVIDIA 正重新定調自己的角色：不只是一家 GPU 供應商，而是企圖成為掌控整個 AI 經濟的「調車場（switchyard）」。 TPU 能吃下特定工作負載，但 NVIDIA 瞄準的是更大的運算版圖 面對客製化晶片的競爭，黃仁勳直言：「我們打造的是非常不同的東西，我們的市場觸及範圍遠遠大於任何 TPU 或 ASIC 所能擁有的。」 他進一步指出，TPU 確實能針對特定的 AI 工作負載進行優化，但 NVIDIA 的加速運算架構卻能同時支援分子動力學、資料處理、流體力學、粒子物理與 AI 等更廣泛的應用場景。 更重要的是，NVIDIA 的系統設計宗旨是「讓其他人能夠輕易操作」。這使得 NVIDIA 的設備能順利進入 Google、Amazon、Azure 與 OCI 等所有主要雲端平台，並延伸至企業與科研領域，例如協助禮來公司（Lilly）建立用於藥物研發的超級電腦。對此，《Implicator》分析，NVIDIA 想掌握的，不是單純製造某一顆跑得最快的晶片而已，而是要進化 AI 算力流通與生態協調的連接能力。 真正的護城河是 […]

讓機器人自己判斷任務是否完成：Google 發表 Gemini Robotics-ER 1.6，解鎖儀表讀取能力

Google 推出了一種新的 AI 模型，目的在幫助機器人更好地理解物理世界並進行互動，進而解決機器人領域的核心挑戰之一：超越指令進行推理。 該模型名為 Gemini Robotics-ER 1.6，專注於「實體推理」（embodied reasoning），讓機器人能夠解釋視覺輸入、規劃任務，並確定任務何時完成。《Interesting Engineering》指出，這代表了機器人從單純服從命令，轉向能夠做出情境感知決策的系統。 三大核心升級：空間推理、多視角理解與任務完成判斷 在過去，Google 已發表機器人 AI 模型如 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash，這次推出的 Gemini Robotics-ER 1.6 則在早期版本的基礎上，改進了空間推理與多視角理解能力，讓機器人具備更高程度的自主性。 在空間推理能力方面，Google DeepMind 指出「指向」（pointing）是實體推理的基本能力。Gemini Robotics-ER 1.6 能更精準地辨識物體、進行計數，並判斷物體之間的關係；同時也能在推理過程中指認目標物，協助將複雜任務拆解為多個較小的步驟。這項能力在真實環境中特別重要，因為機器人必須與物體互動、在雜亂空間中移動，並在資訊不完整或持續變動的情況下做出決策。 其次是多視角理解能力。在現實場景中，機器人往往同時依賴多個攝影機（如手腕與俯視鏡頭）。新模型能整合不同視角資訊，即使畫面遮蔽或環境混亂，也能建立完整場景認知。 第三則是任務完成判斷（success detection）。Google DeepMind 認為，在機器人學中，知道任務何時完成與知道如何開始任務同等重要，而前者能力讓機器人能判斷任務是否正確完成，並決定下一步是重試還是繼續執行流程。這被視為實現自主化（autonomy）的關鍵能力，因為它讓系統不再依賴人類確認。 工業應用關鍵突破：機器人開始「讀懂儀表」 這次最具實用價值的新增能力，是「儀表讀取」（instrument reading）。透過與 Boston Dynamics 的合作，Gemini Robotics-ER 1.6 能讀取壓力錶、液位計與數位顯示器等工業設備資訊。這項能力結合視覺辨識與程式運算，讓機器人可以解析指針位置、刻度與單位，甚至在不同角度下仍能精準判讀。 官方數據顯示，儀表讀取準確率從早期模型的 23% 提升至最高 93%。Boston Dynamics Spot 機器狗已導入該能力，用於工廠巡檢與設備監控。 從 AI […]

零售 3.0 是什麼？實體店用 AI 預測力＋零摩擦設計，打造顧客回流的隱形黏性

過去數十年，實體零售的競爭邏輯歷經多次轉變。最早是價格與規模的競賽，接著是便利與速度的提升，再到品牌與體驗的塑造。如今，隨著科技與消費結構的變化，零售正進入一個新的階段：一個更貼近真實生活的「零售 3.0」。 消滅隱形摩擦！零售 3.0 的體驗設計邏輯 這一波轉型的核心，是讓整個購物過程「更容易」。設計不再服務於理想化的平均客群，而是回應不同年齡、能力與生活情境下的真實需求。設計公司 Michael Graves Design 執行長 Ben Wintner 在其觀察中指出，零售體驗本質上是一連串環節的串聯，從停車、進店、選購、結帳到回家使用，每一個細節都可能累積摩擦。一旦某個環節讓人感到費力，顧客未必能明確說出問題，但會直接用不回訪、不回購做出回應。 這些摩擦往往極為日常，卻影響深遠。推著嬰兒車的父母在狹窄走道中移動困難，年長顧客因長時間站立而縮短購物時間，照顧者在有限時間內需要快速決策，或是消費者在強光下難以辨識商品資訊。當零售設計能夠針對這些「極端但常見」的使用狀況進行優化，體驗的門檻就會顯著下降。 其中，包裝是最容易被忽視、卻影響整段消費旅程的關鍵節點。清晰的字體與對比降低閱讀負擔，直覺的資訊層級讓消費者快速理解產品，簡化的開封方式則減少使用前的挫折。這些設計細節直接影響消費者對品牌的第一印象，也左右是否願意再次購買。同樣地，賣場動線與商品陳列若能考量不同身高與行動能力，並維持一致且易理解的標示系統，會讓決策過程更加順暢，減少猶豫與疲勞。 這種「零摩擦」思維的價值，並不只體現在體驗層面，也直接反映在營運指標上。當資訊更清楚、路徑更直觀，顧客更容易完成購買決策，提袋率自然提高；當商品理解度提升，錯誤購買的機率下降，退貨與客服壓力也隨之減輕。這種看似細微的優化，長期累積後會形成穩定的競爭優勢。 AI 數據預測，化解零售營運的不確定性 如果說設計正在減少體驗當下的摩擦，那 AI 則是負責處理未來的不確定性。Tanger 執行長兼總裁 Stephen Yalof 指出，實體零售長期面臨三個難題：資源應該配置在何時何地、商品需求如何預測，以及如何在規模擴張的同時維持個人化服務，AI 正在逐步提供解法。 在營運層面，AI 的預測能力讓零售商能夠提前掌握銷售與人流趨勢，預測時間甚至可達 15 個月。這種長週期預測結合歷史數據、天氣、經濟指標與活動資訊，使得庫存與人力配置更加精準。原本需要大量人工分析的預測工作，如今可由模型持續運行與更新，將 Tanger 此任務的年度工時從數十小時壓縮至十幾小時，大幅釋放人力，轉而投入更具價值的顧客服務與現場體驗優化。 在前端體驗上，AI 也正在重新定義「個人化」。系統能夠整合消費者的購買紀錄、季節偏好與跨通路行為，在適當時機提供對應的商品建議或優惠資訊。這類推薦不再只是廣告，而更接近於即時的購物協助。例如在天氣變化或人流波動時，行銷預算可自動調整投放區域與內容，使訊息更貼近當下情境，提升轉換效率。 更重要的是，AI 並未削弱實體零售的人性價值，反而讓人員角色重新聚焦。當預測、分析與優化交由系統處理，門市人員可以專注於建立關係、提供建議與解決問題，回到零售最原始的本質：理解顧客。這種由 AI 支撐的人性化服務，成為零售 3.0 的另一個關鍵特徵。 即便電商快速發展，多數消費仍發生在實體場域，實體零售依然佔據主導地位。這意味著，未來的競爭並非線上取代線下，而是誰能將科技能力與實體體驗整合得更自然，當 AI 負責預測與優化，設計負責降低摩擦，兩者結合所形成的，是一種難以被快速複製的「隱形黏性」。 【推薦閱讀】 ◆ 當 AI「硬回答」反而害企業虧錢？Appier 拆解企業 AI 導入挑戰提 4 大解法 ◆ Costco 的 […]

效率是真的，信任缺口也是真的：品牌該如何正確使用 AI 虛擬網紅？

Baddie Betty 今年 82 歲，社群上有 150 萬名粉絲，她熱衷於分享感情建議，過著令人稱羨的奢華生活，但她卻從未在這世界上活過。 這樣的存在，幾年前或許還只是噱頭。但現在 AI 虛擬網紅簽下品牌合約、拍攝開箱影片、出版人生哲學書籍卻不再是稀有事件、不再是科幻情節，而是現實中正在發生的事情。 為何市場會急速膨脹？這股熱潮並非憑空而來 2024 年，全球虛擬網紅市場規模約為 60.6 億美元，預計到 2030 年將達到 458.8 億美元，年複合成長率高達 40.8%。同時，已有 63% 的行銷專業人士計劃，將 AI 與機器學習整合進他們的網紅行銷策略中。 推動市場成長的力量，恰恰是品牌端最為剛性的需求。對於任何一個需要穩定產出內容的品牌團隊而言，AI 虛擬網紅的吸引力幾乎無法忽視：不必擔心代言人爆出醜聞、能夠大規模複製內容、製作成本大幅低於真人拍攝。少了交通費、住宿費、繁瑣的檔期協調，一個提示詞就能在一天內生成數十個針對不同平台優化過的素材。 在目前的虛擬網紅類型中，「人形虛擬人」佔據超過 68%的市場份額，因擬人化的外貌更容易讓消費者產生情感連結；而「非人形虛擬角色」的成長速度則更快，預估年複合成長率超過 42%，因為它們不受現實外貌的限制，在創意上有著近乎無限的可能性。 地域上，北美目前以超過 42% 的市場份額居主導地位，但成長最快的區域是亞太地區，預期年複合成長率超過 44%。日本的文化對虛擬角色接受度較高，中國則已出現 Ayayi 這類高度擬真的虛擬網紅，並獲得大量品牌資源挹注。 從應用來看，時尚與生活風格類別是目前虛擬網紅的最大主場。這不意外，時尚本就是一門關於「美學」的生意，虛擬形象的精緻可控性，在這個領域幾乎是優勢而非限制。 市場很殘忍：參與度高，不等於轉換率高 不過，當視角從市場轉向消費者真實態度，就沒那麼樂觀了。只有 15% 的消費者表示信任 AI 網紅，而願意基於 AI 網紅推薦而購買的比例，也僅有 27%。這兩個數字，恰好是衡量網紅行銷是否值得投資的兩項核心指標，都低得令人警覺。 這裡存在一個常被品牌誤讀的陷阱：參與度高，不等於轉換率高。 研究顯示，AI 生成的內容在吸引瀏覽、觸發分享這件事上，表現並不遜色，有時甚至能超越真人創作者。但當話題從「看」轉向「買」，差距就出現了。新鮮感確實能帶動觀看，但信任才能促成購買。把病毒式傳播誤判為購買意圖，是品牌在 AI 網紅策略上最常犯的錯誤。 傳統網紅行銷之所以有效，是因為創作者長年在受眾面前建立起真實的信譽，而這份信譽可以延伸到他們推薦的品牌與產品上。這是一種「信任轉移」的機制。 但當品牌使用 AI 虛擬網紅時，這個機制就消失了。品牌等於是在跳過中介，直接要求受眾信任自己，而這是一個難度高得多的要求，大多數品牌並沒有意識到這個差異。 AI […]

【科技早餐】Meta 聯手博通，AI 晶片合作一路簽到 2029，1GW 算力提前卡位

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Meta 聯手博通，AI 晶片合作一路簽到 2029，1GW 算力提前卡位 Meta 宣布，已把與博通（Broadcom）的客製化 AI 晶片合作延長到 2029 年，並提出超過 1GW 的初步算力部署承諾。根據雙方說法，這次合作不只涵蓋晶片設計，也包括用來連接 AI 叢集的乙太網路技術。作為協議一部分，博通執行長陳福陽（Hock Tan）也將離開 Meta 董事會，轉任客製化晶片策略顧問。 Meta 表示，首款 MTIA 晶片已用在排名與推薦系統，後續幾代產品則將一路推進到推論需求。這也顯示，大型平台不只持續購買 GPU，而是開始把未來幾年的自研晶片、算力供給與網路架構一起提前綁定，為旗下 AI 服務擴張預作準備。 ＊亞馬遜砸 115.7 億美元收購 Globalstar，衛星網路競爭再升溫 亞馬遜（Amazon）宣布，同意以 115.7 億美元收購衛星業者全球星（Globalstar），交易預定在 2027 年完成。這筆收購案，被視為亞馬遜補強衛星布局的重要一步。根據《路透》報導，Globalstar 目前已擁有運作中的低軌衛星網路，也長期為 Apple 的衛星 SOS 緊急服務提供支援。 對亞馬遜來說，直接收購現成網路，能比完全從零開始更快補齊太空端連線能力，也讓它與太空探索科技公司（SpaceX）旗下星鏈（Starlink）的競爭進一步升溫。地面在搶資料中心、搶晶片、搶電力，太空端的連線節點，也正被大型平台一起納入布局。 ＊三星 2 奈米良率仍未過量產門檻，先進製程競爭再成焦點 根據市調與產業鏈消息，三星（Samsung）2 奈米 GAA 製程良率目前約在 55% 左右；若計入後段製程，可能再往下滑，距離穩定量產與大規模接單所需水位，仍有一段距離。報導指出，三星在 2025 年下半年時，2 奈米良率還只有約兩成，現在已經拉升到五成以上，代表技術仍在推進當中。 […]

當 AI「硬回答」反而害企業虧錢？Appier 拆解企業 AI 導入挑戰提 4 大解法

AI 代理時代來臨，當 AI 越來越會回答問題、具備自主執行任務的能力，其回答內容「是否可被信任」，已成為企業導入 AI 關注的焦點。Agentic AI 即服務（AaaS）公司 Appier 的 AI 研究團隊近年聚焦可信任的 Agentic AI 研究，獲得 NeurIPS、ACL、EMNLP 等國際權威學術會議肯定，在今（15 日）公開讓 AI 具備精準提問、進行風險評估、掌握自身能力邊界的「自我覺察能力」研究成果。 Appier 執行長游直翰表示，在 AI 產業鏈中，AI Agent 是最關鍵且熱鬧的一環，因為只有當 Agent 能實際應用並幫企業賺到錢，才有辦法支撐並支付底層龐大的運算成本，因此，如何讓 Agent 在企業中可靠地運作並得到好結果，是目前重要的發展方向。他也強調，未來 AI Agent 將加速串聯人、工具與軟體，形成更複雜的 Agent society，企業能否搶佔 Agentic AI 先機，關鍵就在 AI 是否具備可被信任的決策力。 你的 AI 不考慮風險、硬回答？它在「幫你虧錢」 Appier AI 團隊研究科學家林玠言表示，現有 LLM 的核心盲區在於無法評估自身能力的邊界，而這樣的 AI 風險已有企業在付出代價。舉例來說，Air Canada 的客服機器人曾在與客戶溝通時自行虛構了一套退款機制，導致客戶信以為真並要求退款。儘管該航空公司實際上沒有這項機制並試圖拒絕退款，但法院最終判決航空公司敗訴並必須賠償。 林玠言指出，Appier 針對 6 […]

當量子開始挑戰 GPU 霸權：NVIDIA 推開放 AI 模型 Ising，想先當量子機器的作業系統

當生成式 AI 持續推高 GPU 算力需求之際，量子運算公司 D-Wave 執行長 Alan Baratz 近日在接受《Yahoo Finance》採訪時表示，若自己是 NVIDIA，絕對會 「嚇得發抖」。 Alan Baratz 主張，量子電腦在特定問題上能以極低功耗、在更短時間內完成傳統 GPU 系統難以負荷的運算。舉例來說，D-Wave 的量子系統運行只需約 10 kilowatts 的電力，大約相當於 5 到 10 張 GPU 的耗電量，就能在幾分鐘內解決大型 GPU 系統可能需要近百萬年與「全世界的電力」才能完成的問題。 當量子陣營正在叫陣，NVIDIA 近日推出的開放 AI 模型家族「Ising」，則揭示 NVIDIA 對於量子技術的態度。Ising 瞄準量子校準與錯誤修正，目標是協助研究人員與企業打造可執行實用應用，且具備高度可擴展性的量子系統。 NVIDIA 從量子校準與錯誤修正切入，瞄準量子實用化的關鍵瓶頸 NVIDIA 為何選擇從校準與錯誤修正切入？原因在於，量子電腦若要真正進入大規模實用階段，必須先處理量子位元（qubits）極度脆弱、容易受噪音干擾且系統極易出錯的根本問題。NVIDIA 量子產品總監 Sam Stanwyck 解釋，解碼與校準正是目前量子系統擴展最迫切的障礙，且兩者都屬於非常適合導入 AI 的「AI 驅動型工作負載」（AI-shaped workloads）。 為此，NVIDIA 針對這兩大痛點推出了 Ising Calibration 與 Ising […]

一筆交易改寫三方戰局：揭 Amazon 斥資百億收購 Globalstar 與結盟 Apple 背後的 D2D 戰略

近日 Amazon 正式宣布收購行動衛星服務供應商 Globalstar。這筆收購案的背景，是因為 Amazon 正積極建置其低軌衛星網路「Amazon Leo」（前身為 Project Kuiper），試圖藉由併購取得 Globalstar 的營運體系與基礎設施，替將在未來推出的「direct-to-device（D2D）」手機直連服務鋪路，藉此加速追趕由馬斯克（Elon Musk）帶領、目前在市場上佔據主導地位的 SpaceX Starlink 衛星網路。 值得注意的是，Apple 此前不僅是 Globalstar 的最大客戶，更持有其約 20% 的股份，也曾挹注約 15 億美元的巨額資金支持 Globalstar 衛星擴張計畫。因此，伴隨這筆估值約 108 億至 116 億美元收購案的曝光，Amazon 也同步宣布與 Apple 達成全新合作協議，確認未來將由 Amazon Leo 承接，繼續為 iPhone 與 Apple Watch 提供衛星連線服務，讓這場收購案也成為軟硬體巨頭間的合作延伸。 Amazon 買下稀缺頻譜與營運能力，為 2028 年 D2D 服務鋪路 Amazon 表示，Globalstar 的衛星、無線電頻譜與營運專業，將使 Amazon Leo 能在未來世代衛星網路中加入 D2D 服務。Amazon 與 […]

AI 資安攻防升級：OpenAI 推 GPT-5.4-Cyber，釋出策略與 Anthropic 出現分歧

生成式 AI 正快速滲透資安領域，而這場競賽已從模型能力延伸至「如何釋出」。在 Anthropic 發表資安模型 Claude Mythos 一週後，OpenAI 隨即推出 GPT-5.4-Cyber，揭開 AI 資安模型競賽的下一階段：不只是誰能找漏洞，更是誰能在「開放與風險」之間建立合理邊界。 從模型競賽走向資安戰場，AI 開始直接參與漏洞攻防 OpenAI 最新推出的 GPT-5.4-Cyber，是針對資安防禦場景微調的模型，核心能力聚焦於漏洞偵測與分析，甚至可進一步支援二進位反向工程（binary reverse engineering），協助研究人員在沒有原始碼的情況下分析軟體安全性。 這類能力的出現，反映 AI 在資安領域的角色已出現質變。過去，AI 多用於輔助程式開發或簡單掃描漏洞；如今，模型已能跨系統推理、分析複雜攻擊面，甚至參與完整資安工作流程。 也因此，風險同步升高。AI 不僅能幫助防禦者，也可能被駭客與國家級攻擊者利用。這正是 Anthropic 在推出 Mythos 時採取高度保守策略的原因。該模型據稱已能在作業系統與瀏覽器中找出大量高風險漏洞，引發金融機構與政府高度關注。 同樣限量釋出，但兩家公司走出不同路徑 面對 AI 風險，OpenAI 與 Anthropic 選擇了截然不同的釋出策略。Anthropic 透過「Glasswing 計畫」將 Mythos 嚴格限制在約 40 個組織內，包括 Amazon、Apple 與 Microsoft 等大型企業，採取高度控管與封閉測試模式。 相較之下，OpenAI 則選擇「分級開放」。透過其 Trusted Access for Cyber（TAC）機制，先讓數百名經驗證的資安研究人員與組織使用，並計畫逐步擴大至數千名參與者。不同驗證等級對應不同模型能力，高階用戶才能存取 GPT-5.4-Cyber 這類「較寬鬆限制」的版本。據《implicator.ai》報導，OpenAI 目前暫未向美國政府機構開放 […]

當 AI 每半年就進化一個世代：陳良基剖析推論時代的硬體分工邏輯，拆解台灣半導體的下一波優勢

專訪：戴季全撰稿：李昀蔚 這幾年，從 ChatGPT 在 2022 年底問世、2023 年快速爆發，到 2026 年 AI 出現百花齊放的局面，AI 競爭也一路從模型能力，延伸到晶片、算力與推論架構的全面較勁。尤其在 NVIDIA GTC 2026 之後，當產業焦點逐漸從訓練轉向推論，整個 AI 發展的節奏，又進入下一個階段。 本集《全新一週》特別邀請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「算力即國力」的長期觀察出發，進一步梳理這十幾年來 AI 算力與晶片技術的演進脈絡。 AI 每半年迭代，關鍵就在算力 過去台灣很早就提出「算力即國力」的概念，如今全球對 AI 晶片的渴求，已經把算力與國力的連結具體化。對此，陳良基指出，算力確實是 AI 發展的核心，因為只有在算力夠強的情況下，AI 研究者的各種想法，才有辦法透過快速回應的算力持續推進，並立刻迭代前進。 「半導體的生命週期大概是兩年一個世代，可是 AI 是半年一個世代，所以等於從 2023 年到現在，每一個世代幾乎是倍增，」陳良基表示，當算力充足，點子就會滾得更快，前一代可以立刻被改進，進而讓效能與能力接近十倍速成長。照這樣的邏輯，一年就是百倍，再往上又是新一輪倍增。 陳良基以 Anthropic 為例，指出這家公司 2021 年才成立，但從 2022 年到現在，營收幾乎每年倍增。這也印證，當 AI 一路往前推，會影響每一個人與各行各業，只要每個人都開始使用 AI，所帶來的經濟動能就會非常驚人，「對台灣來講，這當然是一個機會，因為 AI 能力提升需要靠算力支撐，目前台灣是全世界算力的主要提供者，所以台灣站在一個有力的角色底下，AI 繼續發展當然對台灣是最好的一件事，」陳良基說。  推論時代正在打開台灣新機會 談到 NVIDIA 在 GTC 2026 上的布局，陳良基認為，NVIDIA 在 […]

有人用 AI，沒人為 AI 負責：500 位全球高管調查揭示企業 AI 部署的結構性危機

AI 市場規模不斷擴大，錢在流動，系統在上線。但根據一份涵蓋全球 500 位以上資深主管、橫跨 Global 2000 組織五大產業的調查，沒有人真正弄清楚，當 AI 做出錯誤決策時該由誰負責。 數字背後的問題有多嚴重？ 根據全球研究與顧問公司發佈的《Humans at the Helm of AI》報告數據，只有 14% 的企業有文件化的 AI 策略且設有明確目標；80% 的企業表示責任歸屬不清楚；親自主導 AI 策略的執行長只有 6%。 其餘企業採用 AI 的理由，多半預設為「降低成本」，這個理由不需要願景、不需要所有權模型，也不需要對企業未來的任何承諾。 換句話說，AI 正在深入企業的核心工作流程並影響決策結果，但在多數組織裡，這些決策的所有權仍然模糊、分散，或只在出了問題之後才被動釐清。 員工端的狀況同樣令人憂慮。52% 的員工擔心 AI 只是來取代他們；72% 的員工害怕在 AI 實驗失敗時被究責；只有 7% 的員工感到自己對工作有掌控感。近 80% 的員工每年接受的 AI 相關培訓不到 10 小時。 更值得關注的是，「質疑 AI 輸出的能力」在主管認為重要的員工能力清單中排名最末。也就是說，AI 治理最依賴的核心能力，恰恰是組織最不重視培養的那一個。 此外，超過半數企業預期 AI 將縮減人力，多數計劃讓這件事透過自然減員自行發生，而非透過明確的組織設計來管理。AI 數位工程公司 Altimetrik 執行長 Raj […]

【科技早餐】全球晶片設備支出衝上 1,351 億美元，台灣年增 90% 創新高

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊全球晶片設備支出衝上 1,351 億美元，台灣年增 90% 創新高 國際半導體產業協會（SEMI）公布，2025 年全球半導體製造設備銷售總額達 1,351 億美元，年增 15%，創下歷史新高。成長動能主要來自先進邏輯、記憶體，以及 AI 相關產能擴張。前段設備中，晶圓製程設備銷售年增 12%，其他前段設備也成長 13%；後段則因 AI 裝置與高頻寬記憶體需求升高，帶動測試設備年增 55%，組裝與封裝設備成長 21%。 區域表現上，設備支出仍集中在亞洲，中國、台灣、韓國三地合計占全球 79%。其中台灣受 AI 與高效能運算需求帶動，2025 年設備支出年增 90%，達 315 億美元，創下歷史新高；韓國年增 26%，達 258 億美元；中國則小幅下滑 0.5%，仍有 493 億美元。AI 投資也持續往更上游設備與製程延伸。 ＊Meta 廣告收入今年估首度超車 Google，AI 正在重排平台現金流 根據研究機構 Emarketer 最新預測，Meta 2026 年全球淨廣告收入將達 2,434.6 億美元，首度超過 Google 的 2,395.4 億美元，成為全球最大數位廣告商。市場關注的不只是兩家公司座次互換，也包括數位廣告的成長重心，正從搜尋進一步轉向短影音與 AI 驅動的投放系統。 Meta 這波成長，主要來自 […]

2026 車電產值將破 6,000 億！直擊車用電子大展，AI、自駕技術亮點一次看

亞洲汽機車零配件與移動產業的盛會「360° MOBILITY Mega Shows」今（14 日）在南港展覽館登場，整合台北國際汽機車零配件展、台灣國際智慧移動展與台北國際車用電子展三展，串聯移動產業上下游供應鏈，共有來自 16 國、近 900 家廠商參展，當中更可見「智慧化」已成共同趨勢。 經濟部產業技術司司長郭肇中在 TARC 主題館開幕致詞時表示，AI 技術的整合應用與新能源動力系統的融合，正驅動新一波智慧車輛產業升級，台灣在既有 ICT 產業的優勢下，汽車電子業產值預估至 2026 年將突破新台幣 6,000 億元，整體產業「破兆」更指日可待。他強調，台灣在硬體產業已具備全世界公認的強大實力，接下來發展關鍵必須向軟體與智慧整合大步邁進。 智慧座艙與自駕技術作為此次展會的亮點產業板塊之一，有許多相關解決方案展出，《TechOrange》直擊現場帶你快速了解。 台灣 AI 智慧座艙產業鏈成形，經濟部秀 4 大成果 經濟部產業技術司表示，車輛中心研發的「AI 全方位智慧座艙」，讓汽車從單純交通工具進化為具備主動判斷能力的移動守護者。這套系統擁有 4 項核心感知功能：駕駛者視線追蹤技術、AI 駕駛生理監控系統、兒童遺留偵測系統（CPD）與 AI 車外哨兵監控系統，已串聯國內產業鏈包含影像模組、雷達模組、智慧顯示模組、高算力模組、AI 邊緣運算、晶片等，並協助國內 20 家廠商輸出國際，導入北美、中東、東南亞及日本市場。 車輛研究測試中心董事長王正健接受媒體採訪時指出，雖然近期油價較高而使電動車備受關注，但從長期來看智慧化更加重要，「我們不能只看這個車跑多快、多遠，應該看這部車可以提供我們什麼服務。」他也特別強調 AI 技術當前已經全面深入車輛研發，從前端的攝影機、雷達影像接入，到終端的決策與定位，再到後端動力系統的控制，每一個階段都有 AI 的參與。 自動駕駛鎖定利基場域，解決少子化痛點 在車載領域擁有近 30 年經驗的研華，近年策略性避開價格競爭激烈的卡車市場，轉向深耕商用巴士與封閉場域的礦車等高附加價值領域。現場展出工業車輛智慧和自駕解決方案，以及自動駕駛驅動的自主系統平台等。前者主打無風扇、防水、防塵及嚴格抗震標準的強固型邊緣運算設備，內部可選搭 NVIDIA、Intel 或高通等主流晶片，更能整合各類感測器如 GMSL 相機。後者已應用於自走車（AMR），並期望能擴大應用在機器人領域。 研華認為礦區是優先實現完全自動駕駛技術的場域，因為礦區屬於封閉環境，免去了一般道路的複雜法規、保險問題等變數，且自動駕駛能使重型機具達成 24 小時不間斷的高效開採。據現場人員表示，其合作客戶已在全球有數百台搭載相關技術的自駕機具投入營運。為了因應少子化與老師傅退休的技術斷層，現場也特別提及了挖土機，其設備可提供輔助駕駛（半自駕）功能，透過 AI 指導操作以維持開採效率。 除了礦區，也有企業瞄準其他場域。在 AI […]

工研院「2026 VLSI TSA國際研討會」登場 首度深探量子架構與 AI 智慧醫療 揭示半導體產業新格局

在經濟部產業技術司支持下，由工研院主辦、邁入第 43 年的半導體盛會「2026 國際超大型積體電路技術、系統暨應用研討會」（VLSI TSA）登場，匯聚全球逾 800 位半導體專業人士參與，聚焦「生成式 AI 推論加速、晶圓級運算、太赫茲無線通訊」等次世代核心領域，並首度深入探討量子電腦系統架構，也將半導體觸角延伸至 AI 心律分析等智慧醫療的創新應用。與會者指出，期盼藉由全球 AI 浪潮與市場推動，加速臺灣半導體系統級整合與跨域實踐，全方位布局底層硬體至高層系統，奠定未來在半導體產業上中下游的關鍵地位。 VLSI TSA 大會主席、工研院電子與光電系統研究所所長張世杰表示，今年 VLSI TSA 國際盛會齊聚全球半導體與 AI 頂尖專家，鎖定先進製程技術、異質整合、AI 和量子運算架構、下一代記憶體以及封裝技術等領域，均為提高 AI 晶片效能、提升半導體製程的關鍵突破方向，展現未來半導體產業的前瞻趨勢與研發競爭力。面對全球經貿局勢變動，臺灣除了應持續強化半導體前瞻技術研發，布局在地化設備與材料驗證與自主化，半導體供應鏈也應透過區域間互補、信任機制與透明治理等方式提升整體韌性，同時也應透過跨國學研機構交流，加強產學合作，持續打造完整的AI與半導體人才培育系統，為臺灣在全球科技競爭中強化關鍵角色與產業地位。 2026 ERSO Award得主 VLSI TSA 研討會在開幕典禮時頒發由潘文淵文教基金會創辦的 ERSO Award，以表彰對臺灣半導體、電子、資通訊、光電、顯示等產業有傑出貢獻的產業人士，今年是由天虹科技董事兼執行長易錦良、大亞電線電纜董事長沈尚弘、錼創科技董事長兼總經理李允立三位獲獎。潘文淵文教基金會董事長史欽泰表示，ERSO Award 舉辦 20 年來，已表揚 65 位對臺灣產業發展具有傑出貢獻的企業家，今年 3 位新科得主分別來自半導體設備與製造，以及電力機械器材製造業等重要領域，凸顯臺灣在關鍵技術領域的深厚實力，以及跨領域的產業能量。 易錦良執行長曾任於美商應用材料（Applied Materials）全球副總裁暨客服營運事業處總經理，統籌 19 國業務、與 3,600 多位工程師協作，是少數幾位來自台灣在應材服務的高階經理人，更曾連續兩年榮獲台積電的傑出貢獻獎，帶領應材團隊協助台積電順利量產 20nm／16nm 兩個世代，顯示其對先進製程量產支援與供應鏈穩定的實質貢獻。 近十年來，在易錦良執行長的帶領下，協助天虹從半導體零組件、耗材與設備服務方案的供應商，進而投入自有品牌先進半導體製程設備的開發與製造，推動半導體設備在地化生產、並協助客戶導入，及強化售後服務體系，使天虹能更貼近晶圓廠與關鍵製程的需求，提升設備交付與服務效率，進一步支撐臺灣半導體供應鏈的韌性與自主化發展。 沈尚弘董事長長期帶領大亞從傳統電線電纜製造走向「電力基礎建設＋能源轉型＋創投布局」的多引擎經營，一方面強化公司在超高壓電纜、漆包線等關鍵材料的研發與品質體系，支撐臺灣電網建設的供應安全與國產化能力；另一方面提出以「電線（本業）／能源（綠能與儲能）／創投（新創投資）」三引擎擴張的方向，讓公司在景氣循環與產業轉折中維持韌性並創造新成長動能。同時透過公司在高壓電纜、低軌衛星／無人機等新應用線材上的投入，協助臺灣從基礎建設到新興應用的材料供應更完整、更可控，帶領大亞持續強化臺灣能源與工業基礎的關鍵供應能力。 李允立董事長 2014 年創辦錼創科技，號召團隊投入以氮化物為核心的 MicroLED 技術研發與產品化，持續帶領團隊投入關鍵技術開發並推動商用化，讓 […]

KYC 與簡訊驗證淪為駭客武器：柬埔寨園區如何發動工業級金融攻擊行動？

近年東南亞詐騙園區的犯罪手法持續演進，早已超越傳統的社交工程或話術誘騙。近期資安業者 Infoblox Threat Intel 與越南非營利組織 Chong Lua Dao 展開一項跨國資安調查，透過追蹤客戶網路中異常的 DNS 流量，發現一個先前未曾被記錄的「惡意軟體即服務」（malware-as-a-service，MaaS）平台。這項調查的指標性意義在於，研究人員首次掌握確切證據，將柬埔寨的強迫勞動詐騙園區與 Android 銀行木馬程式，以及跨境行動銀行詐騙網「直接」連結起來。 調查結果揭露，這個跨國運作的惡意服務具備高度的規模與組織性。這個惡意的 MaaS 平台，每月平均會註冊約 35 個新網域，藉此偽裝成各國的銀行、社會安全機構、稅務機關、公用事業甚至是執法單位。 目前已知的攻擊範圍橫跨全球至少 21 個國家，並主要利用偽造的 Android 官方應用程式作為誘餌展開攻擊，其中又以印尼、泰國、西班牙與土耳其等國最常受害。這些惡意攻擊也會藉由模仿公共機構或受信任的金融機構，利用受害者對官方通訊和緊急服務訊息的信任，來誘騙他們下載惡意軟體。因此，這項發現不僅證實詐騙園區的技術升級，更敲響全球金融機構與各國政府的警鐘。 防禦機制淪為攻擊破口，假 App、KYC 與木馬程式串起跨國犯罪鏈 根據調查結果，受害者一旦安裝偽造的銀行或政府 App，木馬程式便會取得裝置的廣泛控制權。隨後，惡意軟體會在偽造的「認識客戶」（KYC）流程中，蒐集受害者的個資、臉部辨識等生物特徵資料。更嚴重的是，這套惡意程式還能攔截包含 SMS 一次性密碼（OTP）的簡訊，並直接登入真實的行動銀行 App 來進行跨境資金轉移。 這些現象，使得原本作為防線的生物辨識與簡訊驗證，反而變成攻擊破口，淪為帳戶接管行動的一部分。研究者指出，這種手法並非單次零星的詐騙，而是一條有組織、可重複利用且跨國運作的服務型犯罪鏈。 從殺豬盤到帳戶盜取：柬埔寨詐騙園區犯罪模式再升級 至於這條有組織、可重複利用且跨市場運作的服務型犯罪鏈源頭，研究指向柬埔寨的「K99 Triumph City」園區。這次調查之所以能將惡意軟體與實體園區連結，關鍵在於有幾名受困於該園區的受害者向 Chong Lua Dao 請求救援。這些受害者獲救後，提供內部封閉群組的聊天紀錄、螢幕截圖等資料，明確證實惡意軟體攻擊行動與 K99 Triumph City 園區的連結。「多年來我們都知道這些詐騙園區的存在，也懷疑這些據點有在散播惡意軟體，但這次有了明確證據，」Infoblox Threat Intel 副總裁 Renée Burton 博士強調。 K99 Triumph City 園區過去就曾被聯合國與其他國際組織標記為涉及大規模詐騙與強迫勞動的據點，因此這次的發現，更讓外界清楚看見，這些園區的犯罪模式已從傳統的社交工程與「殺豬盤」（pig […]

微軟悄悄研發「類 OpenClaw」功能：Copilot 走向全自主運作，爭奪企業 AI 主導權

根據《The Information》報導，微軟正在開發類似開源 AI 代理程式 OpenClaw 的新功能，計劃將其整合進企業 AI 助理 365 Copilot，目標讓 Copilot 從一個需要每次提示才能回應的對話工具，升級為能夠全天候自主運作、主動處理複雜任務的代理系統。 這項佈局的背景，是微軟正面臨來自 Anthropic 日益強烈的競爭壓力。Anthropic 本月稍早宣布，旗下 AI 助理 Claude 已正式支援直接連結使用者的 Microsoft 365 應用程式，可在 PowerPoint 與 Excel 文件中自主操作；而就在上週，Anthropic 又進一步預告將把同樣的自動化能力延伸至 Word 文件，持續蠶食 Copilot 的核心地盤。 根據微軟今年 1 月揭露的數據，365 Copilot 目前擁有 1,500 萬名付費用戶，僅占 Office 365 總用戶數的 3%。不過微軟也試圖透過既有產品延伸，建構完整的 AI 代理生態系，曾推出 Copilot Tasks、Copilot Cowork，以及 Agent 365 等服務。 新團隊悄然成立，Shahine 與 Lamanna 雙線主導 […]

【不是從零開始】為何自動駕駛走過的漫長彎路，成了機器人產業珍貴的競爭資產？

自動駕駛汽車（AV）曾被各種科幻片視為必定到來的未來，然而現實遠比現實複雜，市場、法規與技術的多重挑戰，讓這條路走得比多數人預期的都還要漫長。 儘管如此，十多年來在自動駕駛領域累積的龐大投資並未白費，它可以說是推動新世代自主機器人的核心技術基礎。 兩種機器，同一套技術需求 傳統工業機器人已在製造場域服務超過四十年，但它們依賴剛性機械結構與硬編碼程式，本質上是精密的自動化工具，而非真正意義上的自主機器。要讓機器人具備感知、判斷與自主行動的能力，需要一套截然不同的技術體系，而這套體系，恰好正是自動駕駛產業用十多年時間打磨出來的。 自主機器人與自動駕駛車輛共享同一組核心需求，包括感知環境的先進感測器（相機、雷達、LiDAR、慣性測量單元）、能即時處理多源感測數據的高效能運算晶片、低延遲的無線連接能力，以及涵蓋感測器融合、機器學習模型與即時控制的複雜軟體堆疊。為了讓汽車在複雜道路上安全行駛而開發的每一項技術，幾乎都能直接移植到機器人身上。 2025 年成為這場技術融合的關鍵轉折點。先進感測器、高效能運算、高速低延遲連接與 AI 代理在這一年同步成熟，為自主機器人的規模化部署，創造了歷史上首次具備的完整條件。 NVIDIA、特斯拉、高通：三條路徑 在這場技術大遷徙中，NVIDIA、特斯拉與高通是目前最值得關注的三個玩家。 NVIDIA 是最早也是布局相對完整的一家。其機器人技術棧以 Jetson 系列 SoC 為硬體核心，搭配 Isaac SDK 開發套件，並以 GROOT 基礎模型作為 AI 智慧層，從底層晶片到上層 AI 模型形成完整的垂直整合。 這套技術棧大量沿用了 NVIDIA Drive 自動駕駛平台的既有成果，目前已被部署於大量倉儲物流機器人中。 在 CES 2026 上，NVIDIA 進一步展示了 Isaac GR00T N1.6 等新世代實體 AI 模型，以及基於 Isaac Sim 與 Omniverse 的模擬訓練工具，並與 Boston Dynamics、NEURA Robotics、Agility Robotics 等廠商建立生態系夥伴關係。 NVIDIA 的核心策略不是製造機器人，而是成為機器人的通用基礎建設。 特斯拉走的是另一條路。從 Autopilot […]

【聊天機器人填不滿的缺口】AI 開始有臉，數位人如何以擬人介面重建與用戶的信任？

語音機器人已經不新鮮，文字客服也早已習以為常，但當 AI 開始有了臉、有了眼神、有了能夠表達各種情緒的表情，這將如何改變 AI 與用戶之間的互動邏輯？ 這正是 UneeQ 創辦人 Danny Tomsett 所看好的未來，不是用 AI 取代人類，而是讓 AI 以人的樣貌出現。 語音和文字之外，AI 開始有了臉 AI 語音助理和聊天機器人的普及，解決了部分重複性工作的壓力，卻始終無法填補一個關鍵缺口：缺乏視覺回饋的互動，讓人始終感覺在對著空氣說話。 對話流程稍一複雜，系統便開始卡頓；語意一有歧義，整段交流就陷入死循環。「數位人」試圖以擬人介面補上這道裂縫，讓 AI 更有存在感。 數位人如何填補服務缺口 例如，澳洲政府的呼叫中心長期超載，身障用戶光是為了獲得日常生活協助，平均等候時間竟長達兩小時，而這就是 UneeQ 最初想緩解的需求。他們希望建立一個能夠引導身障用戶操作複雜線上服務的數位人系統，讓原本需要真人專員耗時說明的流程，得以在任何時間、不需排隊的情況下完成。 另個案例則是美國德州阿馬里洛市的應用，當地的 AI 虛擬化身支援超過 60 種語言，讓原本因語言障礙而無法順暢表達需求的居民，得到更友善的服務介面。Tomsett 指出，對那些已經很費力用非母語溝通的人來說，這是一個更輕鬆、更親切的介面。數位人在這裡扮演的不只是效率工具，更是降低不平等的基礎設施。 培訓與客服是兩大核心場景，數位人如何介入用戶決策？ UneeQ 的產品邏輯建立在兩個核心場景之上：員工培訓與客戶服務。 在培訓端，公司推出的沉浸式培訓平台讓員工能夠與虛擬化身進行角色扮演，模擬真實工作中的對話情境，無論是處理客訴、進行敏感性溝通，還是練習銷售話術。這些演練全都在模擬的環境中反覆進行，並可以即時獲得回饋。 目前 UneeQ 在中東市場與卡達航空、沙烏地阿拉伯旅遊局等機構的合作，以及與 PwC 也是策略夥伴關係。 在客服端，經過品牌安全訓練的虛擬化身作為企業代表，不只被動回答問題，更能主動介入用戶的決策過程。 當消費者面對複雜商品，例如金融方案、保險產品、或多規格的科技設備，往往因為資訊過載或不確定感而放棄購買。數位人在這裡的角色，是以對話的方式釐清需求、消除疑慮，再引導用戶走向最適合他們的選擇。 Tomsett 指出，數位人能夠以一致、友善、不帶評判的方式協助用戶在不確定中做出決定，這種穩定的服務品質，正是傳統聊天機器人難以複製的。 大腦天生對臉孔有反應，這是數位人的核心競爭邏輯 但為何有臉就有差？答案藏在人類的大腦裡。 Tomsett 說，人類天生對臉孔有反應，大腦會自動評估眼前的臉是否安全、是否可信，他說，「把一張臉放到品牌上，會改變人們的反應方式。」 視覺化的 AI 介面能夠建立一種純文字或語音難以達到的信任感，讓資訊在傳遞過程中更容易被接收與理解。 建置成本仍高、透明度才是品牌護城河 不過回到現實，數位人的建置與訓練成本目前仍相當可觀，使其應用範圍主要集中在有足夠資源投入的大型企業。 UneeQ […]

影子 AI 2.0 來臨？專家揭「設備端推理」為何成為資安長新盲點

過去 18 個月，多數企業資安長對生成式 AI 的治理邏輯其實相對清楚：只要守住瀏覽器與網路出口，就能掌握大部分風險。企業透過 CASB、DLP、代理閘道與端點政策，監控員工是否把敏感資料貼進外部 AI 服務。這套模式的核心前提很簡單：只要資料離開企業網路、送往外部 API，企業就有機會看見、記錄，甚至攔截。然而，這道防線正在崩解。 問題在於，不只是員工更常用 AI，而是 AI 的執行位置正在改變。《InfoWorld》指出，整個 AI 產業正從訓練導向轉向推理導向，而推理又逐漸從公有雲往本地設備、終端裝置與邊緣環境移動。一場被多數企業忽略的資安轉變因此發生。 資深 MLOps 工程師 Jayachander Reddy Kandakatla 在《VentureBeat》指出，大型語言模型已能直接在筆電等本地裝置上執行，而員工，尤其是開發者與技術團隊，正自行下載模型、在本地設備離線推理，完全繞過雲端 API 與公司既有的治理機制。他把這個現象稱為「影子 AI 2.0」或「自帶模型（BYOM）」的新時代。 傳統防護失效：新型威脅浮現 兩年前，在工作用筆電上執行一個有用的 LLM 還是少數技術人員的特殊技能。如今，對技術團隊來說這已成為日常操作。Kandakatla 指出，這一轉變由三件事共同促成：消費級加速器性能大幅提升、量化技術模型可被壓縮為更小更快的格式普及，以及發佈管道極度便利。 當資料沒有離開筆電，資安長又為何仍需要在意？Kandakatla 指出，當推理過程轉移到本地，企業面臨的風險已從單純的資料外洩，轉移至完整性、來源可信度與合規性三大面向。 以完整性風險來說，涉及決策與程式碼污染。開發者可能下載未經驗證的社群模型來輔助編寫程式碼。這些模型可能生成看似合理但隱藏漏洞的程式碼。如果這些互動發生在離線狀態，資安團隊在事後調查漏洞時，將無法追蹤 AI 是否曾介入決策。 以合規性風險來看，許多高效能開源模型帶有「非商業用途」或嚴格的歸屬條款，員工私下在地端使用這些模型開發產品，將使企業暴露於潛在的法律訴訟與合規爭議中。 就模型供應鏈漏洞而言，因為模型檔案本身就可能成為攻擊載體，部分舊格式如基於 Pickle 的 PyTorch 檔案，在載入時可能執行惡意程式碼，員工若隨意從開源庫下載模型，等同於下載未知的執行檔。 失去可觀測性，治理重心必須轉移 影子 AI 2.0 最致命的問題在於失去「可觀測性」：由於本地推論過程無法被記錄與追蹤，企業將失去對 AI 行為的掌控力。資安公司 Bright Security 在其《2026 LLM 安全狀態報告》中，就將可觀測性不足列為 LLM […]

【科技早餐】台積電法說會前夕，AI 晶片需求還能撐多強

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊台積電法說會前夕，AI 晶片需求還能撐多強 台積電將在 4 月 16 日召開法人說明會，公布第一季財報與第二季展望。市場除了關注獲利表現，也在看 2 奈米量產進度、先進封裝產能，以及 AI 客戶訂單動能能不能延續到下半年。《路透》報導，市場預估台積電第一季淨利有望年增約五成，挑戰連四季創高；而台積電先前已公布第一季營收達新台幣 1.13 兆元，年增 35%，優於市場預期。 這場法說會不只是財報揭露，也被視為今年全球 AI 晶片景氣的重要觀察點。尤其在美國擴廠、地緣政治與供應鏈成本同步升高之際，外界也會透過台積電這次法說會，進一步判斷這波 AI 晶片需求到底還能撐多強。 ＊台灣 3 月出口首破 800 億美元，AI 需求直接寫進貿易數字 財政部最新公布，台灣 3 月出口達 801.8 億美元，年增 61.8%，不只創下歷年單月新高，也寫下連續 29 個月正成長。主要動能來自 AI、高效能運算與雲端服務需求擴增，加上零組件供應趨緊帶動提前拉貨，讓資通與視聽產品、電子零組件出口值雙雙創高，占總出口比重超過八成。 AI 現在已經不只撐起單一公司的營運表現，也開始直接推動台灣整體外貿數字。從台積電、伺服器、先進封裝，到電子零組件與雲端相關產品，現在都正在同一波需求裡往前推進，也代表台灣在全球 AI 產業鏈裡的位置，正變得越來越明確。 ＊不只華爾街，英美加金融監管同步回應 Anthropic Mythos 美國多家大型銀行已開始在內部測試 Anthropic 最新模型 Claude Mythos 的網路安全能力。包括高盛、花旗、美國銀行與摩根士丹利等機構，都在評估把這套模型用在自家系統防禦上。美國財政部長貝森特 (Scott Bessent) 與聯準會主席鮑爾 (Jerome Powell) […]

泰富國際網絡聯手 Cato Networks，助企業透過 SASE 架構破解「影子 AI」治理難題

「上班打開電腦後就會開啟瀏覽器，使用各種雲端工具，但在使用這些工具時，沒有經過 IT 的授權跟審核，就會造成所謂的影子 IT 或是影子 AI，」泰富國際網絡產品行銷經理薛宇志近日在科技報橘主辦的「AI Ready 數據治理論壇」中表示，當企業內部員工對生成式 AI 的使用需求呈現爆發式成長，一場隱形的資安風暴也正在企業內部悄悄蔓延。 面對不受控的 AI 工具所帶來的風險，泰富國際網絡攜手 Cato Networks，以 SASE 為核心的零信任防護架構，協助企業從流量可視化出發，重新拿回數據治理的主導權。 利用 SASE 雲原生安全架構與 OODA 循環建立零信任防線 「企業內部還沒提供正式可用的 AI 工具，但員工的使用需求已經爆發，」薛宇志表示，許多員工為了提升工作效率，會繞過公司 IT 規範，直接使用未經審核的外部 AI 工具、SaaS 服務或瀏覽器工具，由於這些工具無需安裝且避開了內部審核流程，導致 IT 部門完全失去控制權，進而忽視了潛在的安全風險。 薛宇志分析企業 IT 正面臨三大治理困境。首先是員工所使用的網路與資安設備新舊不一且分散，讓資安策略無法在所有路徑同步執行；其次是使用者所在地域分散所形成的管控盲區，無論是跨國營運或遠距辦公，當流量不再經過地端防火牆，便容易成為企業的防禦破口；最後則是 AI 工具爆發式增長，每天湧現的新 AI 應用讓企業 IT 部門無從辨識風險。 「透過 SASE 架構，能夠將企業在全球的分點、員工上網的流量都收攏起來，才能進一步做到流量可視化，流量可視化之後才能看到內部的風險或威脅在哪裡，」薛宇志表示，為了解決散落各地的影子 AI 問題，需建立以零信任為核心的強韌架構，聚攏企業內部分散的節點。 透過 Cato Networks SASE 架構，結合零信任網路存取（ZTNA）與裝置姿態檢查，要求必須符合公司規範且安裝 Agent Client 的使用者裝置才能建立連線，透過此裝置，系統能即時阻絕未經授權的應用程式或惡意連線，防範駭客在內網橫向移動，防止機敏資料外流的可能性，​​並由泰富 24/7 […]

Amazon 推動 Project Houdini：資料中心伺服器安裝時程從 15 週壓縮到 2 週，揭 AI 算力交付新模式

在 AI 基礎設施競賽持續升溫的背景下，據《Business Insider》取得的內部文件顯示，Amazon 正在推動一項代號為「Project Houdini」的新計畫，核心是將資料中心機房的大量施工轉移至工廠，改以大型預組裝模組來加快 AWS 新算力的上線速度。 Project Houdini 之所以受到高度關注，是因為 Amazon 正面臨 AI 需求暴增的龐大壓力。為了解決這個痛點，Amazon 極力希望透過新模式大幅縮短資料中心的建設時間，並減少大量且昂貴的現場工時。 Project Houdini 是什麼？Amazon 要把 AI 資料中心機房變成大型模組 過去，傳統資料中心的建設多半仰賴高度密集的現場逐步施工模式（stick-built on-site process），也就是工人必須依序安裝機櫃、配置電力系統與拉設線纜。內部文件指出，這樣的整體流程大約需要消耗 6 萬到 8 萬個工時，且大約要等待 15 週後，伺服器才能開始安裝。 為了打破時間限制，Project Houdini 的目標便是將資料中心的「核心伺服器機房（core server room）」轉變為一組大型的預組裝模組，讓原本必須在工地逐步完成的機櫃、配電、線纜、照明與消防安全系統，能夠先轉移到可控的工廠環境中預先整合完成。 《Business Insider》進一步指出，AWS 會在工廠預先打造出被稱為「skids」的大型模組。每個模組長約 45 英尺、重達 2 萬磅，大小約等同一輛半掛式拖車，隨後再透過雙層拖車運送到現場進行拼接。目前，AWS 正與 Cupertino Electric Inc. 合作進行原型的設計與擴展，並計畫在堪薩斯州托皮卡（Topeka）、休士頓以及鹽湖城進行初步的模組生產。 加州大學河濱分校副教授 Shaolei Ren 觀察指出，雖然模組化並非新概念，但過往多針對小型客戶，這樣的創新作法，不僅讓 Amazon 得以將建設流程朝著標準化、可複製的方向推進，也能在減少錯誤的同時，大幅降低對在地勞動力的依賴。 Project […]

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

在擁擠的慕尼黑市中心，一座最初以製造飛機引擎起家、1950 年才轉型製造汽車的工廠，是 BMW 全球歷史最悠久的生產基地。如今，這座擁有 104 年歷史的工廠正在經歷創廠以來規模最大的一次轉型。 根據 BMW 官方資料與外媒報導，BMW 正斥資 6.5 億歐元（約 7.5 億美元）對慕尼黑廠進行全面改造，目標是在 2027 年前將其轉型為純電動車生產基地，成為 BMW 集團旗下第一座專門生產「Neue Klasse（新世代）」純電動車的既有廠區。這座工廠的第一步，是在 2026 年 8 月正式量產純電轎車 BMW i3，後續還將包括 BMW i3 Touring 在內的多款 Neue Klasse 車型。 這次改造的特殊之處，在於整個工程是在工廠持續運作的情況下進行。根據《The Independent》報導，施工期間慕尼黑廠每天仍持續生產多達 1,000 輛車，目前仍生產 3 系列與 4 系列的所有車型，顯示這場轉型工程的複雜程度。至於改造範圍，則涵蓋約三分之一的廠區面積，包含全新的車身組裝車間、現代化的整車裝配區與全新的物流區域，並對既有設備進行大規模升級。 iFACTORY 戰略：效率、永續與數位化三位一體 BMW 將這次轉型定位在其 iFACTORY 戰略框架之下。BMW AG 生產董事會成員 Milan Nedeljković 表示，BMW 已針對旗下所有工廠的啟動做好準備，並在技術、數位化與 AI 領域投入大量資源。 iFACTORY […]

Anthropic Mythos 進入大型銀行、美英加三國監管體系同步介入：為何美財長緊急召集華爾街 CEO？

Anthropic 的新模型 Claude Mythos ，正因為超乎尋常的漏洞識別與攻擊能力，引發美國、英國與加拿大金融監管機構及大型銀行的強烈關注。在測試中，Mythos 不僅能自主發現系統中的零日漏洞（zero-day vulnerabilities）並串聯成攻擊鏈，甚至曾成功入侵網頁瀏覽器，讀取設定為「受害者銀行（victim’s bank）」的敏感數據。 上述這些能將駭客攻擊自動化的強大能力，已使 Mythos 被聯邦監管機構視為金融業「頂級的系統性風險」，並迫使華爾街銀行展開緊急內部測試，也讓美、英、加三國政府同步介入，試圖在危機爆發前先建立防線。 華爾街銀行啟動內測，站上 Mythos 風險第一線 面對前所未見的 AI 網路威脅，美國政府官員並非單純防堵，而是積極鼓勵銀行採取主動防禦策略。官員們建議大型金融機構將 Mythos 部署在自家的系統中進行針對性測試，藉由找出自身弱點來進一步提升防禦能力。 《Bloomberg》報導，包含高盛（Goldman Sachs）、花旗集團（Citigroup）、美國銀行（Bank of America）與摩根士丹利（Morgan Stanley）等大型金融機構，目前都已經開始在內部測試 Mythos。這幾家銀行被美國監管機構列為「具系統重要性（systemically important）」，代表這些金融機構的營運穩定性是全球金融體系的首要任務，因此自然成為這波 AI 防禦測試的重點對象。 在目前的公開資訊中，摩根大通（JPMorgan Chase）是唯一被明確點名納入 Anthropic 官方預覽與測試計畫的銀行。為了在類似的高階 AI 模型廣泛流出前先鞏固關鍵數位基礎設施，Anthropic 發起了由 40 家機構組成的「Project Glasswing」專案，摩根大通也與蘋果、微軟、亞馬遜、Google 等科技巨頭，以及 CrowdStrike、Palo Alto Networks 等資安大廠並列其中。針對參與此計畫的目標，摩根大通先前曾表示，將利用 Mythos 來「評估下一代 AI 工具在關鍵基礎設施防禦型資安上的應用」。 Mythos 反噬風險升高，美國緊急召集華爾街銀行應對 然而，Mythos 能自主發現並串聯零日漏洞的強大能力，也伴隨著極高的反噬風險。因此，美國聯邦監管機構已將這類先進的 AI 系統視為金融業的「頂級系統性風險（top-tier systemic risk）」，這也迫使各國監管機構同步採取緊急行動，以確保金融體系能了解並防範這項技術可能帶來的毀滅性災難。 […]

目標 2030 財年實現機器自主運作：軟銀、本田等四大日本巨頭結盟瞄準實體 AI

據《Nikkei Asia》、《The Japan Times》及《nippon.com》等多家外媒報導，軟銀（SoftBank）已在日本成立一家專門開發 AI 的新公司，名為「日本 AI 基礎模型開發」（Nihon AI Foundation Model Development），由 NEC、本田汽車（Honda Motor）、索尼集團（Sony Group）共同領銜，四家企業各持股逾 10%。 除了四大主要股東之外，三菱 UFJ 銀行（MUFG Bank）、三井住友銀行（Sumitomo Mitsui Banking）、瑞穗銀行（Mizuho Bank）、新日鐵（Nippon Steel）及神戶製鋼（Kobe Steel）也已以少數股東身份參與投資，另有數家企業仍在洽談出資事宜。此外，東京 AI 開發商 Preferred Networks 也將共同參與模型建構，預計約有 100 名 AI 開發工程師加入團隊。 目標兆級參數，打造日本最強 AI 模型 這家新公司的核心目標，是在 2030 年以前開發出參數規模達約 1 兆的大型 AI 基礎模型，成為日本國內最具規模的 AI 之一。參數數量是衡量 AI 性能的重要指標，規模越大代表模型的處理能力越強。除了文字之外，該公司也計劃強化模型處理圖像、影片與音訊等多種資訊類型的能力。 在分工上，軟銀與 NEC 將負責基礎模型的開發，索尼與本田則計劃將開發出的 AI 應用於汽車、機器人、遊戲及半導體等不同領域。 「實體 AI」是關鍵，2030 […]

金融業如何養出真正能上工的 AI Agent？國泰金控揭從模型、護欄到治理的落地路徑

隨著生成式 AI 浪潮席捲全球，金融業正站在技術變革的最前線。然而，要讓 AI 從單純的聊天助手，蛻變為能真正在企業內部運行的 AI Agent，絕非一蹴可幾。國泰金控數數發中心經理謝昌宏近日在科技報橘主辦的「AI Ready 數據治理論壇」中，深度剖析國泰金控長達十年的轉型歷程與具體實戰策略。 謝昌宏指出，國泰金控不僅在 2024 年獲主管機關核准，成為全台第一家全面推動資料上雲的金融業者，更為了迎接 AI 浪潮，早在 2023 年便成立 AI 卓越中心 (AI CoE)，推動打造統一框架的「AI Ready」、擴大全員影響力的「AI Empower」，以及深度嵌入業務流程的「AI Native」三大戰略，最終目標便是讓未來的每項金融服務，都能與 AI 無縫整合。 從營運增效到自主協作，GAIA 框架孕育金融 AI 代理人 在建立 AI Ready 的穩固基礎後，國泰金控已將生成式 AI 實際落地於多個高價值的營運場景，大幅重塑企業價值鏈。例如在智慧文檔處理（IDP）方面，AI 已超越傳統 OCR 僅能數位化的限制，能夠理解動輒百頁的聯貸合約與法規，並自動摘要關鍵的風險點。 此外，面對洗錢防制等繁瑣的合規需求，AI Agent 可以自動調查可疑交易並整合外部新聞，將撰寫可疑活動報告 (SAR) 的時間從數小時大幅縮短至數分鐘。至於在人力資源轉型上，HR 知識庫與 AI 助手不僅能即時解答員工提問，更能進一步擔任虛擬教練生成個人化學習路徑，成為國泰內部第一個讓數千名員工使用的大規模剛需場景。 不過，要養出具備獨立思考與跨單位協作能力的 AI Agent，單靠應用場景的開發並不夠，更必須仰賴穩固的底層架構。對此，國泰金控推出被視為孕育無數 AI 應用服務的 GAIA 框架：第一代的 GAIA 1.0 […]

AI 時代只剩四種人能留下來？科技職場留人邏輯的根本轉變

科技公司裡哪些人會被 AI 取代、哪些人會留下來？這個問題最近在創投與創辦人圈引發了一場討論。起點是產品與成長營運者 Yoav Rechtman 轉發的一個論點：隨著 AI 承接越來越多科技公司的內部工作，最終能留下來的角色將只剩四種原型。 四種原型，押注底層能力而非職稱 Rechtman 的框架完全捨棄職稱，改用底層能力來定義誰能留下來。 第一種是高速交付的產品工程師與通才建造者，靠著善用 AI 工具快速出貨維持價值。 第二種是資安、SRE 與基礎設施專家，負責穩住 AI 大量生成的輸出，確保組織不因此失控。 第三種是具備高社交智能的銷售、客戶體驗與人才營運人員，做的是 AI 還沒辦法替代的關係工作。 第四種是法務、財務與治理等「組織大人」，在快速推進的組織裡扮演煞車與把關的角色。 這個框架想說的是，決定誰留下來的不是職稱，而是速度、系統思維、社交智能、風險管理這四種底層能力。 替代信號已出現，而且集中在特定族群 這個論點並非憑空而來，Goldman Sachs 研究發現，2025 年上半年，AI 暴露職業中（工作內容容易被 AI 取代的職業），20 到 30 歲族群的失業率上升近 3 個百分點，明顯高於其他產業的同齡族群。軟體開發、客服與文書類職位的入門職缺也大幅萎縮。 若 AI 全面應用至目前可處理的所有任務，同一份研究估計，美國約 2.5% 的就業將面臨「直接替代」風險，而隨著採用速度加快，這個比例還會繼續上升。 Anthropic 經濟指數的資料提供了更細緻的職業層級圖像。目前 AI 使用率最高的職業中，電腦程式設計師的任務覆蓋率高達 75%，位居所有職業之首；客服代表緊隨其後；資料輸入員的覆蓋率也達 67%，文件讀取與資料輸入這類核心任務已呈現顯著的自動化趨勢。 這三個職業恰好都落在框架所定義的「可取代層」。 值得注意的是，這些高暴露職業的工作者平均薪資比低暴露職業高出 47%，教育程度也更高。也就是說，受 AI 衝擊最深的，不只是低薪基層工作，也包括過去被認為相對安全的白領職位。 年輕工作者的情況尤其值得關注。Anthropic 經濟指數顯示，22 至 […]

「一家企業使用 AI 的上限，取決於數據的下限。」台灣帆軟打破數據孤島，助半導體企業將每日資料匯整降至 10 分鐘

在 TechOrange 科技報橘日前舉辦的 AI Ready 數據治理論壇，台灣帆軟客戶經理張姿敏以「打破數據孤島，透過一站式治理，打造 AI Ready 環境」為主題發表演講，她引用 Gartner 的調查數據指出，68% 企業 AI 提案因數據問題無法推進。 「許多企業看起來像在做 AI，但底層數據卻仍仰賴人工以 Excel 整理，缺乏統一標準，導致專案在數據梳理階段就停滯不前，」張姿敏指出，過去企業在資料治理上，往往隱藏著龐大的「冰川問題」，包含數據孤島、品質參差不齊的異常資料、各部門定義不一的數據，以及高成本的開發與維護。 針對隱藏的冰川問題，張姿敏強調企業的資料架構應隨著發展階段演進。從初期處理低數據量的「直讀階段」，到追求成本效益與速度的「中間庫階段」，最後邁向規範化的「資料倉儲階段」建設，張姿敏將資料倉儲的架構比喻為物流中心，所有的資料進入倉儲後，便依照規則與條件進行標準化梳理與歸類，確保未來 BI （商業智慧）系統在調用資料時，能明確知道該從哪個位置提取經過驗證的資料。 助力半導體大廠實現數據自動化：每日從數小時縮短至 10 分鐘 為進一步落實資料治理的自動化與規範化，帆軟推出 FineDataLink 一站式資料整合平臺。「相當於所有數據任務的指揮中心，所有任務開發的狀態，或者運行的結果，都可以在同一個平台去做管理，」張姿敏表示統一管理介面能有效整合跨域 API 與各式檔案等多元異質資料源，讓開發狀態與運行結果，都能在單一平台上實現高效管理。 在實際應用案例中，張姿敏首先以某半導體大廠為例，過去製造部門每天凌晨需耗費數小時人工跨系統撈取資料，傳輸不僅容易中斷，主管也只能看昨天的舊數據做決策，在導入 FineDataLink 後，透過數據管道與定時排程計算，原本每日耗費數小時的處理時間，縮短至 10 分鐘就能完成，降低人工處理的時間成本。系統還具備自動識別異常並發送預警的功能，進一步結合問答式 AI ，讓決策者能隨時獲取最即時的生產進度與良率分析。 從破解冰川問題到建立如物流中心般的資料倉儲，其核心價值在於將零散的數據轉化為具備決策價值的資產，「一家企業使用 AI 的上限，取決於數據的下限，」張姿敏強調，企業唯有打穩數據根基，才能讓數據真正轉化為推動成長的實質動能。

盲目呼叫 API 太耗算力？鴻海打造 CityGPT，以 AI Agent 賦能智慧城市數據治理

從企業、城市到國家，要打造專屬於自己的 AI 發展模式，數據已成為具備明確規格且不可或缺的核心基礎。在 TechOrange 科技報橘日前舉辦的「AI Ready 數據治理論壇」，鴻海科技集團以「整合碎裂數據，建立 AI Ready 智慧城市大腦」為題，分享鴻海在推動 CityGPT 與智慧城市應用的實戰經驗與觀察，解析如何透過標準化數據治理與 AI Agent 協作，整合碎片化數據，推動 CityGPT 與智慧城市。 「數據就像大富翁裡的土地，共享、互通、有交易，能發展才有樂趣，」鴻海科技集團董事長辦公室軟體研發處資深經理潘相輔比喻，「大家買房子的時候會看三個重點，第一個是交通，再是機能，當兩個都滿足的時候才會開始有人潮，」潘相輔以「生活圈發展」來形容打造一座 AI 宜居城市的核心三元素。底層的交通代表標準化的基礎建設，基礎打穩後，便會發展出機能，將社會化數據轉化為應用服務等，當交通與機能到位，自然會帶動人潮。 準確率達 90% 的大語言模型 鴻海以高雄市作為智慧城市的實證場域，目前城市資料平台匯整 7 大領域、28 個跨部會，共計高達 84 項的資料資產，潘相輔指出，當前智慧治理面臨的最大挑戰並非缺乏資料，而是如何處理龐大複雜的資料問題。 「過去 API 是為工程師設計，讓工程師能理解並帶入參數撈取資料，但若直接交給 AI 處理，AI 常因無法辨識正確參數而盲目測試，耗費運算資源，」潘相輔解釋，政府以往開放的交通資訊與 API 都仰賴工程師自行判讀、試錯並帶入正確參數，但當這些 API 交給大語言模型處理時，AI 會因為缺乏明確的選擇標準與規範，只能盲目測試，大幅消耗運算資源與成本。 為了解決讓 AI 精準存取資料，鴻海強調建立「資料說明與詮釋」標準的重要性，並開發出一套由多個 AI Agent 協作的「MCP Tool 描述標準流程」，引導 AI 精準執行任務，讓大語言模型在回答或調用資料的準確率達到至少 90% 的成效。潘相輔進一步分享其中三個 AI Agent 的分工機制，第一是 […]

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」？

今年 3 月，Costco 宣布升級旗下零售媒體平台 Costco Velocity，在自家網站上推出 AI 驅動的「預留展示位（Reserved Display）」。這項新功能預計於今年第二季先行測試，並逐步擴展至首頁與搜尋頁等高流量版位，被 Costco 形容為線上的「數位端架」。 從貨架邏輯出發，把逛賣場變成一種演算法體驗 在實體門市中，「端架（end cap）」一向是刺激衝動購買與新品曝光的關鍵位置。如今 Costco 嘗試將這種陳列邏輯轉譯到電商場景，重要版位上呈現的不只是廣告，而是期望在線上也建構如同線下「尋寶」般不斷發現商品的購物體驗。 這背後的技術來自廣告科技公司 Moloco。其機器學習模型以會員的真實購買數據為基礎，透過 AI 演算分析，即時預測消費者當下最可能感興趣的商品，並動態調整展示內容。與傳統依賴點擊或瀏覽紀錄的廣告不同，Costco 的這套系統更強調「實際購買行為」，讓推薦結果更貼近消費決策本身，而非短期的注意力捕捉。 跳脫流量陷阱：Costso 以驅動交易為主要目的 當前零售媒體市場長期由 Amazon 與 Walmart 主導，但 Costco 的布局，正反映出另一種競爭策略正在成形。 Costco 零售媒體副總裁 Mark Williamson 直言：「我們志在打造透過賣出商品而創造營收的零售媒體。」這也點出其核心定位，相較於電商平台強調廣告規模與流量變現，Costco 更關注的是能否實際帶動銷售，也就是更高的轉換率與更直接的營收貢獻。 在這樣的策略之下，Costco Velocity 不只是廣告工具，而是一套以交易為核心的系統。透過串接會員識別與受眾工具，品牌可以快速啟動精準投放，並將曝光、點擊到最終購買的整個過程，完整留在同一體系中進行追蹤與優化，形成交易閉環。 而這也進一步放大了 Costco 最核心資產的價值：會員數據。Costco 長期以高續約率與高客單價聞名，其會員制度本身就累積了穩定且高品質的第一方數據。過去，這些數據主要用於內部營運與選品決策；如今，透過 Costco Velocity，這些數據開始被轉化為可供品牌使用的媒體資源。 換言之，Costco 的零售媒體並非單純在「賣廣告版位」，而是將會員數據、購買行為與媒體能力整合，打造一套能直接驅動銷售的零售媒體體系。Costco 的策略，也標誌著量販業者正利用精準數據優勢，在零售媒體領域開闢一條專注於高投資報酬率的新路徑。 【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？ ◆ 告別關鍵字堆砌：2026 零售行銷新戰場，如何餵養 […]

單一提示詞已不夠用，企業如何透過提示鏈讓 AI 輸出真正可信賴？

在提示鏈的架構下，透過將任務明確分解成多個「階段」或「步驟」，就能夠讓 AI 獲得更理想的輸出；而對於企業來說，提示鏈可以有效提升決策信心，並且增加 AI 協作流程的可靠性。

【科技早餐】Anthropic 新模型引發資安警戒，美國財長與聯準會主席急召銀行高層

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Anthropic 新模型引發資安警戒，美國財長與聯準會主席急召銀行高層 《路透社》引述知情人士報導，美國財政部長貝森特 (Scott Bessent) 與聯準會主席鮑爾 (Jerome Powell) 本週緊急召集多家大型銀行執行長開會，討論 Anthropic 最新模型 Mythos 可能帶來的資安風險。Anthropic 目前並未全面開放這款模型，初期僅限少數科技公司使用。 知情人士指出，Anthropic 之所以未全面發布，是因為 Mythos 可能辨識並利用主要作業系統與瀏覽器中先前未知的漏洞。消息也顯示，Anthropic 在模型發布前，已先向美國高層官員與關鍵產業利害關係人簡報相關能力，讓生成式 AI 的風險討論，進一步拉高到金融與關鍵基礎設施層級。 ＊Amazon 首揭 AWS AI 年化營收 150 億美元，2026 資本支出上看 2,000 億 Amazon 執行長 Andy Jassy 在最新股東信中表示，公司 2026 年資本支出將上看 2,000 億美元，主要投入 AI 相關資料中心與基礎設施建設。他也首度揭露，AWS AI 服務年化營收已突破 150 億美元，約占 AWS 整體年化營收一成，成為 Amazon 對外說明 AI 投資開始轉化為實際收入的重要訊號。 […]

【Hill & Valley Forum 2026】美國正重寫科技冷戰規則，台灣為何成為難以替代的關鍵盟友？

華府剛落幕的 2026 年「Hill & Valley Forum 2026 國會山莊與矽谷論壇」，揭示了美國國安與科技戰略的重大歷史轉向：大國博弈的戰場，從虛擬的軟體演算法延伸至實體的造船廠、發電廠與無人機生產線。 華府決策圈與矽谷巨頭達成戰略共識，美國必須重新找回實體製造的肌肉，才能應對日益嚴峻的地緣政治危機。 以下摘要 Hill & Valley Forum 2026 論壇內容，解析決策者如何透過法規改革與資本槓桿，推動新一波再工業化浪潮。值得關注的是，台灣在美國這張全新的戰略藍圖中，扮演無可替代的樞紐角色，下文將摘出副總統蕭美琴、鴻海董事長劉揚偉與工研院長張培仁的發言和觀點，探討台灣如何以深厚的硬體底蘊與防衛韌性，協助民主陣營打造具備防禦力的「非紅色供應鏈」。 📎 這場論壇內容適合誰閱讀？ 這份內容適合位於「科技創新」和「國家政策」交匯點的各領域高階決策者、專業工作者閱讀。具體而言，包括以下六大類： 🔴 論壇洞見 在當前全球地緣政治與科技版圖劇烈震盪的關鍵時刻，2026 年「國會山莊與矽谷論壇（Hill & Valley Forum）」於華府舉行，論壇的核心精神在於重新搭起「發明者（矽谷）」與「管理者（華府）」之間的橋樑，試圖解決美國在供應鏈脆弱性與大國競爭下的戰略焦慮。 台灣視角：全球 AI 供應鏈與民主韌性的關鍵盟友 在這場聚焦美國重建競爭力的最高層級對話中，「台灣」並未缺席，反而被頻繁提及，成為美國推動去風險化戰略中最不可或缺的互補夥伴。來自台灣的政商領袖透過第一手數據與戰略承諾，向華府展現台灣在全球 AI 供應鏈中的統治力與韌性。 鴻海集團董事長劉揚偉親自出席論壇並指出，鴻海目前已佔據全球 ICT 設備約 44% 的產能，更主導了全球超過 40% 的 AI 伺服器市場。這家企業每天能生產超過 100 萬台智慧裝置，每週產出超過 1,000 個 AI 資料中心機櫃。 針對美國極度缺乏硬體工程師與技術勞工的痛點，劉揚偉提出數據表示，透過導入 AI 與自動化技術，過去需要 30 到 40 人的生產線，如今只需 5 人即可順利運作。 […]

聯手 Google 擴大開發 IPU！Intel 瞄準 AI 推論，將晶片戰局拉向系統架構之爭

AI 應用的逐漸擴散，推動了對傳統運算晶片的新需求。根據《Reuters》等多家外媒報導，Intel 與 Google 最新宣布擴大合作，將持續採用 Xeon 處理器，並擴大基於 ASIC 的客製化基礎設施處理器（IPU）共同開發，顯示 AI 運算架構正在從單一加速器導向，轉向更複雜的系統競爭。 Intel 指出，透過這項合作，Intel 與 Google 將在多個世代的 Intel Xeon 處理器上進行協同優化，提升 Google 全球基礎設施的效能、能源效率，以及整體擁有成本（TCO）。 從訓練到推論：AI 基礎設施進入新階段 這項合作的真正關鍵，在於 AI 工作負載結構的轉變。過去幾年，AI 產業競爭集中在模型訓練，帶動 GPU 成為市場主角；但隨著企業開始大規模部署 AI 應用，運算需求正快速延伸至推論與實際營運場景。《Reuters》指出，這使得可以處理大量即時運算與多任務負載的 CPU 再度成為關鍵，重新回到 AI 基礎設施的核心位置。 另一推動這波轉變的關鍵動力是 Agentic AI 的快速發展。不同於過去以聊天機器人為主的單一回應模式，Agentic AI 能執行多步驟任務，涉及決策、規劃與跨系統操作，對運算資源的需求大幅提升。 《Reuters》指出，這類 AI 系統的興起，正顯著增加對 CPU 運算能力的需求。原因在於，這類任務不僅需要模型推論，還涉及資料處理、任務協調與系統調度，這些正是 CPU 擅長的領域。 《CNBC》報導更指出，隨著 AI 工作負載愈加複雜，CPU 正逐漸成為系統瓶頸。NVIDIA AI 基礎設施負責人 Dion […]

亞馬遜股東信沒提賣家、少談購物體驗：傳統零售走向邊緣，AI 與晶片已成核心戰略

亞馬遜（Amazon）近日發布執行長 Andy Jassy 的年度股東信。在今年 2 月，亞馬遜宣布 2026 年將投入高達 2,000 億美元的資本支出，主要用於建置 AI 基礎設施。這項消息一出，市場曾出現恐慌性拋售，導致公司市值蒸發超過 4,500 億美元。 在這樣的背景下，這封超過 5,000 字的股東信中，Andy Jassy 明顯把重點放在 AI、AWS、晶片與巨額資本支出的合理性上，卻幾乎不再談論電商零售業務，形成鮮明對照。這樣的轉向，也透露亞馬遜正試圖引導投資人重新理解：比起身為一個零售巨頭，亞馬遜如今更想被視為下一個 AI 基礎設施與高毛利成長引擎的主導者。 股東信隻字未提「賣家」，傳統零售逐漸邊緣化 為印證亞馬遜的轉向，《Modern Retail》回溯自 2016 年以來的股東信指出，這是首封完全沒有提到「seller」（賣家）一詞的亞馬遜年度股東信。過去，年度股東信不僅會分享賣家的成長數據、舉出小型企業成功的案例，甚至在 2017 年的信中，還設有一個專屬的「Marketplace」段落。然而，今年的股東信卻幾乎沒有討論 Marketplace、獨立商家與品牌，這與過去亞馬遜經常將第三方賣家列為核心的零售策略，形成極大對比。 《Modern Retail》進一步補充，亞馬遜此時選擇對賣家隻字不提，時機點其實相當敏感。因為許多商家目前正因平台的新費用、廣告支付方式改變、資金入帳變慢，以及持續上漲的物流與附加費用等因素，面臨著沉重的財務壓力，部分賣家甚至被迫提高價格或重新評估對亞馬遜的依賴程度。 與此同時，財報數據也凸顯亞馬遜營收結構的實質轉變：雖然零售仍是驅動亞馬遜最大銷售份額的來源，但根據公司文件，零售業務佔總營收的比例已從 2024 年的 43%，下降至 2025 年的 38%。這也反映出亞馬遜近年來越來越將成長焦點，放在賣家費用、雲端運算與廣告等高毛利業務上，進而成為傳統零售在今年股東信中幾乎消失的根本原因。 消費端 AI 與購物創新缺席，戰略重心轉向 AI 基礎設施 除了傳統零售元素被淡化，就連與零售相關的 AI 創新也未能擠進這封股東信的主要內容中。《Modern Retail》報導，雖然 Andy Jassy 在信中廣泛談及 AI「將重塑我們提供的每一個客戶體驗」，但卻完全沒有提及亞馬遜的 AI 購物助手 Rufus。 […]

建立跨域共學連結，「papa 照」強化社區照護的數位基礎

當台灣的社區照護走向轉型，現場真正需要補上的，已不只是人力與服務量能，而是跨領域之間更緊密的共學與連結。和鄰長照認為，唯有重新梳理醫療端、照護端與家庭支持之間的分工與銜接，社區照護模式才有機會從都會延伸至偏鄉，成為更多家庭可以依靠的日常。 和鄰長照執行長邱青萸指出，當長者出院、病況改變或功能退化時，家屬往往需要重新尋找資源、重新理解流程。然而，在資訊分散、品質不一的情況下，要找到符合當下情境的照護建議，並不容易。 照護不能只拚量，更要強化整體連結 另一方面，第一線人員每年都需完成繼續教育積分，但課程多半零散，缺乏整體設計，學習難以累積成清楚的能力脈絡。在高工時、高負荷的工作環境下，若又看不見明確的進階方向與發展可能，人才自然難以久留。 當產業長期只強調服務量，卻未同步強化學習機制與社區連結，也使照護體系難以建立穩定支撐。一旦個案狀況改變，家庭仍可能再次回到急診與住院的循環。 從零散學習到系統培育，重整照護人員成長路徑 為回應現場的結構性問題，和鄰著手打造「papa 照」平台，將分散在不同機構與領域的知識、經驗與教育資源重新整合，建立一個可共學、可交流的知識平台。 在規劃上，「papa 照」並不只是課程工具，而是重新整理學習架構的系統。平台從第一線需求出發，制定具脈絡的學習路徑，並依不同領域建立模組，例如失智照護、傷口處理、在宅急症與安寧照護等。 在這樣的架構下，學習不再只是完成時數，而是能對應長期發展。從三年內的能力累積，到五年後的方向選擇，甚至進一步聚焦特定領域，成為關鍵角色，都有清楚路徑可循。 透過可追蹤的學習紀錄，每一步成長都能被看見，也能逐步與機構發展、社群交流與政策方向產生連結，讓個人與整體體系同步前進。 AI 快回彙整專業指引，讓家屬少走冤枉路 除了回應第一線需求，「papa 照」也同樣著眼於家庭照顧者在實務中的困境。 平台透過 AI 技術，整合經過驗證的專家建議與官方指引，將原本分散的知識整理成可快速理解與查詢的內容。當家屬面對突發狀況，例如「這樣是否正常」、「該如何處理」、「何時需要送醫」，只需輸入關鍵字或描述情境，短時間內即可取得具體方向，不同於一般搜尋 AI 僅抓取網路資料，「papa 照」奠基於政府實證專業指引、專家，以及資深從業人員資料分析彙整，並且針對好學照顧者，還提供教育訓練課程指引。 這樣的設計，不只降低搜尋成本，也讓家屬在面對不確定時，有更清楚的判斷依據，同時也能延伸至後續學習，建立照護能力。 叡揚同行，讓改變成真 要把現場累積的經驗真正變成能落地的工具，從來不是單一角色就能做到的事。對和鄰而言，找夥伴不只是找技術，更是找願意理解現場、一起面對複雜問題的人。 叡揚長期耕耘醫療領域，對需求理解快，讓雙方很快建立起溝通默契。更難得的是，在多數合作關係講求效率與回報時，叡揚仍願意花時間陪著和鄰梳理問題、釐清方向，把一個個想法慢慢做實。 合作過程中，正逢 AI 技術快速變動，原有規劃一改再改。叡揚沒有只停在執行，而是一路陪伴討論、修正，讓這個構想逐步變得更完整。 讓知識流動、決策提前，數位科技推動照護升級 談到未來，邱青萸執行長直言，數位科技將是社區照護轉型的關鍵支點。台灣當前需要的，是能整合知識、串接服務、支撐判斷的數位基礎，讓分散的照護資源形成可延續的體系。 她認為，未來數位科技至少要完成三項任務：串起醫療、居家護理、照護服務與家庭支持，讓社區中的資訊與資源更有效流動；整理第一線累積的經驗，讓知識得以延續、共享與傳承；結合資料整合與分析，提早看見風險，協助現場更早介入。 這樣的改變需要更多人共同推進。和鄰期待有更多認同社區照護方向的夥伴加入「papa 照」，一起把支持系統、知識網絡與協力機制建起來。 「papa 照」照顧知識平台：https://www.papacare.tw/

泓格科技 4/23 舉辦台中研討會：AIoT × ESG × 工業資安-智慧邊緣布局，助攻中部製造穩健升級

在缺工成為常態、能源成本波動加劇與工業資安風險升高的背景下，製造業面臨前所未有的營運壓力。數位轉型不再只是效率提升的選項，而是維持競爭力的必要條件。泓格科技將於 4 月 23 日（四）在台中林酒店舉辦「智慧邊緣 ‧ 永續工廠：AIoT 全方位解決方案」研討會，聚焦智慧能源管理、設備預測維護與工安監控與 ICS 工控資安等議題，分享 AIoT 技術在製造場域的實務應用，協助企業提升生產效率並降低營運風險。 智慧能源與節能效益 在淨零轉型與 ESG 趨勢下，企業對能源管理的需求持續提升。研討會將分享如何運用 AI 與能源監控技術，優化風機與冰機系統運作效率。透過 ECO 節能控制器，企業可精準掌握電力使用，並制定有效的節能策略。結合能源數據可視化與系統化管理，管理者能更快速辨識高耗能設備並進行優化調整，在維持產線效率的同時提升整體節能效益。 設備可靠度與預測維護地 產線設備一旦突發中斷，往往會造成高額營運成本損失。研討會將介紹如何運用邊緣運算與即時數據分析技術建立設備預測維護機制，提前掌握設備健康狀態並降低故障風險，同時說明數據監控與分析在現場運維流程中的應用，以提升設備管理效率。 工安與工控資安防護 隨著製造設備逐步聯網，工業控制系統（ICS）資安已成為智慧製造不可忽視的重要課題。研討會將解析工控資安防護策略，說明企業如何在智慧工廠環境中建立完善的資安架構，降低勒索攻擊與系統異常等潛在風險。結合監控與資安防護機制，企業能在推動數位轉型的同時確保產線安全與營運穩定，打造兼顧效率與安全的智慧製造環境。 AIoT 解決方案展示與技術交流 活動現場也將安排 AIoT 解決方案展示與技術交流，讓來賓近距離了解智慧能源管理、工業通訊、邊緣運算與智慧製造的案例，並與專家交流實務經驗。藉由本此研討會，不論是製造業工程師、工廠管理者及 IT/OT 專業人員將皆能理解 AIoT 技術在節能管理、設備維運與工控資安等領域的應用，加速智慧工廠導入並提升企業競爭力。

【2026 企業 IT 成本優化】數據驅動的硬體投資決策：應對漲價潮與 Windows 11 轉型

現狀挑戰：高昂採購成本與 IT 維運困境 在 Windows 10 終止支援與全球供應鏈不穩定的雙重壓力下，企業面臨三大決策難題： CIRO AIoT 解決方案：從「猜測採購」轉向「量化管理」 CIRO 提供24/7矩陣式效能監控，協助管理者透過精準數據優化 IT 資產管理 (ITAM)。 1. 量化效能分析與根因分析 (Root Cause Analysis) 2. 精準採購建議與 ROI 優化 3. 硬體生命週期管理與預測維護 商業效益對比：傳統維運 vs. CIRO 智能維運 目標項 傳統維運 (被動處理) CIRO 智能維運 (數據驅動) 硬體採購決策 憑感覺升級，造成預算虛耗 數據驅動建議，節省 20% 成本 效能分析速度 被動處理投訴，缺乏量化證據 事前分析報告，量化生產力損失 維運人力成本 人力逐台檢查硬體資訊 單一 Agent 全面覆蓋，降低 50% 耗時 Windows 轉型 盲目全機汰換 精確篩選可升級設備，分階段汰換 […]

4 年挹注 200 億！國家智慧機器人研究中心揭牌，三大機制開放國家級算力與設備

行政院推動「AI 新十大建設」及「智慧機器人產業推動方案」，並規劃於沙崙人工智慧產業專區成立「國研院國家智慧機器人研究中心」，今（10 日）舉辦揭牌典禮。該中心將扮演智慧機器人技術整合者、應用促進者及生態建構者的角色。總統賴清德、國科會主委吳誠文、台南市市長黃偉哲、國研院院長蔡宏營、國研院國家智慧機器人研究中心主任蘇文鈺等人皆參與出席典禮。 建構生態系：國家智慧機器人研究中心推動三大機制 蔡宏營表示，智慧機器人產業推動方案預計在 2026 至 2029 年投入 200 億元，這筆經費不只重視基礎科研，更強調產業創新與新創發展，具體目標為促成至少 3 家機器人系統新創成立、將智慧機器人國內產值由 40 億元擴大至 500 億元，並因應國內勞動力不足問題提升智慧機器人社會普及度，優先推動導入危險場域、醫療照顧以及餐飲領域。 國科會指出，未來的機器人研究不會只留在國研院國家智慧機器人研究中心的實驗室中，而是將透過「共研、共作、共享」三大機制，與國內頂尖學研單位深度對接。 共研方面，該中心將建置「跨域共研（Co-Research）平台」，廣邀機械、資工、通訊、人因工程及法律倫理等領域的教授與研究團隊進駐。利用中心提供的國家級算力與沙崙智慧創新算力中心資源，針對服務型機器人的核心架構（如開源系統、國際標準規範）進行前瞻研發。 共作方面，國家智慧機器人中心將開發「實境共作（Co-Creation）」平台，提供標準化的硬體模組與感測元件，讓學界研發的演算法能直接在中心的實體原型機上進行測試。國科會表示，透過場域實證，能讓研發成果從論文走向實體應用，加速技術轉化為社會解方的過程。 共享方面，智慧機器人研究中心設計了「資源共享（Resource Sharing）」機制，也就是開放昂貴的實驗設備、高階 LiDAR 傳感器及模擬環境軟體等，提供學研單位使用，期盼藉由軟硬體資源的共享，交流數據與成功模式，降低學界進入智慧機器人領域的門檻。 在中心技術發展藍圖上，蔡宏營表示短期一兩年內，將優先聚焦於餐飲與救災機器人，中長期的技術演進則會從開發自主機器人開始，逐步推進至人機共工的協作機器人，接著結合 AI 代理（Agent）技術開發具備智慧決策能力的群集機器人。更進階的目標是開發「腦機共容」機器人，透過匯集各家 AI 模型來建構機器人的大腦，進而發展出仿生機器人，最終邁向能融入人類日常生活的通用型機器人。 蔡宏營特別強調，國家智慧機器人研究中心的成立是拼齊國研院產業版圖最重要的一塊拼圖，並將整合院內其他七個中心的資源共創產業生態系。 賴清德：台灣機器人不只是「好看頭」，而是能使用 賴清德致詞時表示，機器人代表的不僅僅是科技創新，更代表了國家競爭力。他引述了台積電董事長魏哲家的說法，強調台灣的機器人不只是做「好看頭」，而是真正能夠使用的，而台灣確實具備此實力。他也強調，當機器人走入生活，資安與標準更是保護隱私的關鍵，政府將持續強化治理，讓台灣製造的機器人不僅聰明好用，更要成為全球民主供應鏈中最值得信任的產品。 國科會主委吳誠文表示，台灣過去雖然國內市場不大，但在電子、機械、化工等製造領域卻支撐了全球先進國家，是全球供應鏈極為關鍵的合作夥伴。他強調現在必須改變時代的思維，台灣除了繼續協助先進國家製造外，也呼籲美國等國將先進的創新應用系統投資於台灣，建立雙向的合作關係，因為台灣現今已具備強大的自主創新與研發實力。 吳誠文也鼓勵學界改變思維投入開創性研發，並強調國家智慧機器人研究中心就是一個國家投資的整合平台，期望能解決學者過去常面臨的資源與經費不足問題。該平台將連結產業界、學術界以及工研院六甲院區的量能，共同進行新技術開發，並期盼藉此促成新創公司的成立。這些新創公司將能專注於開創性的產業發展，從而避免與台灣傳統代工產業的客戶產生直接競爭，同時也能吸引國際來台投資。 【推薦閱讀】 ◆ TrendForce：預估 2026 年中國人型機器人產量年增94%，宇樹、智元合計拿下近八成市場 ◆ 13 億美元重押實體 AI：從純軟體走向硬科技，拆解創投 Eclipse 破紀錄募資背後的資本轉向 ◆ OpenAI 發表 AI 政策藍圖：從機器人稅到 4 天工作制 ＊首圖來源：《TechOrange》拍攝。

前沿 AI 已逼近資安臨界點：傳 OpenAI 跟進 Anthropic 布局資安工具，AI 巨頭開始把最強能力留給少數人

近日《Axios》報導指出，根據知情人士透露，OpenAI 正在研發一項具備進階資安能力的產品，且預計只提供給少數合作夥伴使用。如果把這則消息放進更大的產業脈絡來看，《Quartz》指出，OpenAI 此舉等於在瞄準 Anthropic 的 Claude Mythos Preview，讓前沿 AI 的競爭，從通用模型一路延伸到資安攻防這個更敏感的新戰場。 《Decrypt》也進一步分析，這次 OpenAI 規劃的並不是面向大眾開放的新產品，而是僅限特定夥伴使用的受控資安工具，顯示連模型公司也開始意識到，某些強大的 AI 能力，已危險到不適合直接交到所有人手上。 駭客能力逼近臨界點，讓 AI 前沿模型走向「受控釋出」 究竟是什麼樣的能力，讓科技巨頭們對自家產品感到擔憂？《Axios》直言，這是因為 AI 的自主性與駭客能力已經來到一個臨界點，使得模型開發商對自家工具可能造成的破壞感到擔憂，進而不願意將 AI 工具直接釋放到公開環境。 以 Anthropic 為例，《Quartz》強調，其最新的 Mythos Preview 並未接受過特殊的資安訓練，Mythos Preview 之所以能找出漏洞，單純是因為整體的程式碼理解與邏輯推理能力獲得提升，但這同時也帶來防禦價值增加與被濫用的雙面風險。 《Quartz》指出，Mythos Preview 能以接近頂尖人類資安研究員的水準尋找並利用軟體弱點，並在測試中找出數千個先前未知的漏洞，包含一個存在 27 年之久的 OpenBSD 漏洞，以及一個在過去 500 萬次自動化工具檢查中都未被發現的 FFmpeg 漏洞。然而，正是因為這些前沿模型具備如此強大的破壞潛力，因此現在的前沿模型與產品，似乎已經走向危險到不適合公開發布的程度。 傳 OpenAI 將推出資安產品，正面迎戰 Anthropic 面對 AI 前沿模型的能力，兩家公司都採取相似的防禦性部署戰略。例如 Anthropic 發起的「Project Glasswing」計畫，將最多 1 億美元的使用額度提供給包含亞馬遜、蘋果、微軟、Google 等 […]

瑞士 7 大銀行聯手測試瑞郎穩定幣：傳統金融如何搶奪數位貨幣主導權？

瑞士 7 家金融機構於 4/8 宣布，聯手啟動瑞士法郎穩定幣（CHF Stablecoin）沙盒計畫，成為近期全球傳統銀行業積極切入穩定幣領域的最新一例。 參與陣容與沙盒運作機制 根據 UBS（瑞士銀行）官方新聞稿，參與機構包括 UBS、PostFinance、Sygnum、Raiffeisen、蘇黎世州立銀行（ZKB）與沃州銀行（BCV），技術基礎設施由 Swiss Stablecoin AG 提供。 沙盒將作為受控的真實環境，讓參與機構在限制參與人數與交易上限的風險管控機制下，測試數位金融產品，以便在可能的市場正式推出前累積實戰經驗。整個測試期間預計貫穿 2026 年全年，並開放其他銀行與機構加入。 UBS 指出，此計畫的背景，是瑞士目前仍缺乏一個具備廣泛國內應用的合規瑞郎穩定幣。該聯盟的目標不僅止於技術測試，參與機構希望藉此建立內部處理數位支付的能力，推動本土數位貨幣生態系發展，並評估若推出瑞士法郎（CHF）穩定幣，在效率提升與客戶體驗方面可能帶來的實際效益。 值得注意的是，《Ledger Insights》報導，瑞士對穩定幣採取嚴格的反洗錢（AML）要求，規定發行方必須識別每一位持幣者。不過這項要求目前正在重新檢討。2025 年 10 月，瑞士聯邦委員會發布多項涉及加密資產的立法修正草案，並於 2026 年 2 月完成意見徵詢，其中包含更具彈性的 AML 處理選項，允許發行方可以選擇將用戶列入白名單，或是主動維護黑名單制度，將限制大幅放寬。 全球銀行業正在關注穩定幣 穩定幣原本是加密市場的重要基礎工具，其核心價值在於將區塊鏈的效率與法幣的穩定性結合。然而，過去市場長期由 Tether 等加密原生業者主導，銀行多半處於觀望或防禦位置。如今，這個情勢正快速轉變，全球各地的銀行都在積極嘗試將穩定幣導入其業務架構。 在歐洲，包含 ING、UniCredit、BNP Paribas、CaixaBank、Danske Bank 等在內的 12 家歐洲銀行，組成聯盟並成立名為 Qivalis 的新公司，目標在 2026 年下半年發行符合歐盟 MiCA 法規的歐元穩定幣。《CoinDesk》報導，Qivalis 執行長 Jan-Oliver Sell 表示，若沒有具備足夠流動性的歐元鏈上貨幣，唯一的替代選項就是美元，這對歐洲的金融與數位主權構成實質風險。 在日本，三菱日聯（MUFG）、三井住友（SMBC）與瑞穗銀行三大銀行，已獲得金融廳（FSA）批准，啟動聯合穩定幣試驗計畫「Payment Innovation Project」。三菱商事將成為首批大規模用戶之一，計劃用於其逾 200 […]

從務實上雲到全員 AI：中國信託商業銀行攜手台灣微軟打造金融業 AI 創新文化

Copilot 助力業務日常，兼顧法遵合規上雲、加速流程效率與創新 隨著 AI 納入企業組織層級核心策略，AI 已成為企業轉型與工作流程重塑的關鍵動能。對高度監管的金融業而言，挑戰不僅在於技術的導入與應用，更關鍵的是如何在合規、安全與穩定的治理框架下，穩健推動 AI 應用的實際落地。在此背景下，中國信託商業銀行（簡稱中信銀行）與台灣微軟合作，策略性推動雲端與生成式 AI 技術導入。中信銀行採取由上而下的階段性推進策略，以 Microsoft Azure 為核心雲端平台，率先導入 Microsoft 365 Copilot，並逐步擴大至 GitHub Copilot、Azure DevOps 等解決方案。透過合規且安全的混合雲架構，讓 AI 從個人工作輔助延伸至跨部門協作與軟體交付等系統化場景，持續擴展 AI 在營運流程的應用版圖，推動中信銀行由數位轉型邁向全員 AI 化。 由高階管理層領航，推動 AI 走入各部門的日常 中信銀行推動全員 AI 的契機源於金融業兼顧敏捷營運與風險控管的長期需求，隨著 2023 年生成式 AI 浪潮興起，更進一步帶動組織全面重新檢視工作內容與流程設計。在推動初期，中信銀行最高管理階層即定調 AI 部署策略，明確要求 AI 必須能在各部門日常工作中被實際使用，並從制度、工具與人才三個面向著手，將單一嘗試逐步轉化為可複製且可擴展的工作模式。 自 2020 年金融法規逐步開放雲端應用，中信銀行累積豐富的雲端專案經驗，中國信託金融控股公司資訊長賈景光強調：「中信銀行並非盲目全面上雲，而是依據業務場景精準評估，選擇最適合的解決方案，在 2023 年制定 AI 科技戰略後，將生成式 AI 視為『上雲的殺手級應用』，生成式 AI 所需的大規模運算與高度彈性資源，也進一步驗證混合雲策略的價值。」雲端是推動銀行數位轉型與 AI 普及的核心動能，中信銀行以從易到難、由廣到深的推進方式，先以成熟且可快速應用的解決方案快速驗證效益，再逐步延伸至核心 IT 流程，使技術導入速度與金融業對高穩定性的要求相互配合。 […]

Google AI Overviews 準確率達 90% 為何仍是危機？揭開每年 5 兆次搜尋規模下的錯誤資訊風險

自 2024 年起，Google 開始將 AI 生成的摘要「AI Overviews」置於搜尋結果頁面的最上方，這項改變標誌著 Google 正從傳統的資訊整理者，進一步轉型為直接生成答案並主導使用者理解資訊方式的新入口。 為了檢視這項新功能的準確性，《紐約時報》委託 AI 新創公司 Oumi，透過業界廣泛使用的 SimpleQA 基準測試進行深度分析。結果顯示，儘管 AI Overviews 的整體準確率已達九成左右，但在 Google 每年超過 5 兆次搜尋的規模下檢視，這項功能所暴露出的不再只是偶發失誤，而是一場規模空前、可能被快速放大的錯誤資訊危機。 Oumi 以 4,326 筆 Google 搜尋為樣本，進行兩階段測試。數據顯示，去年 10 月採用 Gemini 2 模型時，AI Overviews 的準確率為 85%，到了今年 2 月升級為 Gemini 3 後，準確率確實提升至 91%。 然而，這看似亮眼的成績單背後卻隱藏著巨大隱憂。 由於 Google 每年需要處理超過 5 兆次的搜尋，這也代表即使只有不到一成的回答不準確，AI Overviews 每小時仍會提供數千萬個錯誤答案，換算下來每分鐘更會產出數十萬筆不準確的資訊。《Popular Science》對此評論，90% 聽起來或許是個及格分數，但在 Google 如此龐大的體量下，失誤累積的速度快得令人擔憂，幾乎是以分鐘為單位在快速擴散。 更棘手的難題：「看似有來源」卻未必真的正確 […]

中國業者坦承 AI 晶片技術落後全球 5 到 10 年，熱潮「超乎預期」令半導體產能備感壓力

AI 熱潮讓近期展現出強勁成長動能的中國晶片產業，面臨了外界經常忽略的潛在發展危機，無論設備、被動元件及人力資源等半導體相關領域，皆出現了極為嚴重的瓶頸，

【科技早餐】OpenAI 上市暖身，IPO 擬開放散戶分一杯羹

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 為上市暖身，IPO 擬保留部位給散戶 OpenAI 財務長費萊爾 (Sarah Friar) 接受《CNBC》專訪時表示，公司正準備在美國上市，並規劃在 IPO 中保留一部分股份給散戶投資人。她指出，公司在最近一輪增資中開始測試零售市場需求，結果顯示散戶興趣非常強勁。根據外媒報導，OpenAI 最快可能在 2026 年下半年遞件申請，最新一輪增資後，承諾資本已達 1,220 億美元，公司估值高達 8,520 億美元。 費萊爾也透露，這一輪原本希望透過大型投行向個人投資人募到 10 億美元，但最後實際募得超過 30 億美元，顯示散戶需求明顯高於預期。過去大型 IPO 多半由機構投資人主導，散戶分配到的股份有限，但 OpenAI 顯然希望把這波 AI 資本故事擴大到更大的市場參與者，也讓 AI 公司與公開市場的連結進一步加深。 ＊Meta 端出 Muse Spark，AI 路線從開源轉向封閉整合 Meta 4 月 8 日正式推出新模型 Muse Spark，這是去年重組超級智慧實驗室後，首個對外亮相的新模型。Meta 表示，團隊過去 9 個月幾乎從零重建 AI 技術架構，Muse Spark 也將成為後續 Muse 系列的起點。新模型主打體積較小、速度較快，但仍可處理科學、數學與健康領域的複雜推理問題，並加入可由多代理同時運作的深思模式。 更值得注意的是，Meta […]

2026 首季 8 成創投資金湧入 AI：拆解 4 大巨額融資與市場高度集中化現象

2026 年第一季，全球創投市場出現前所未見的爆發性成長。根據 Crunchbase 數據，單一季度全球新創投資總額高達 3,000 億美元，不僅較去年同期與前一季成長超過 150%，甚至接近 2025 年全年創投資金的 7 成，創下歷史新高。這場看似全面繁榮的資本浪潮背後，隱藏著更關鍵的結構性轉變：資金正以前所未有的速度與規模，極速流向 AI 產業。 資金集中：AI 吸走 8 成投資，少數公司堆高鉅額融資 Crunchbase 數據顯示，2026 年第一季共有 2,420 億美元流入 AI 領域，佔全球創投資金高達 80%，遠高於 2025 年同期的 55%。進一步觀察更可發現，2026 年第一季僅 24 筆基礎 AI 新創公司的投資，就吸走 1,780 億美元資金，金額甚至超過 2025 年全年總和的兩倍。 其中，資金又明顯集中於極少數 AI 基礎模型公司，在單一季度內就吸納超過 1,800 億美元資金，佔全球創投總額約 65%。Crunchbase 表示，這種資本集中程度，在過去任何科技週期中都極為罕見。 這股數字飆升背後主要由 4 筆巨額交易帶動。上個月，OpenAI 宣布完成新一輪募資後，公司估值達到 8,520 億美元，本輪募資金額為 1,220 億美元，刷新歷史最大募資紀錄。這項紀錄原本也是由 OpenAI 在一年前募得 400 […]

把 AI 從雲端帶到街頭：面對高油價與外送效率壓力，Grab 如何重寫平台效率？

Grab 近日在雅加達舉行 GrabX 年度產品展示會，並在現場一口氣發表 13 項由 AI 驅動的產品與解決方案。Grab 執行長 Anthony Tan 向《Reuters》表示，公司希望透過這些 AI 產品與服務，幫助消費者因應負擔壓力與油價上漲等挑戰。 「你可以說我們很大膽，但我們對以 AI 為主導的產品策略深具信心，而且正在展現成效，我們已經從業績中看到成果，並將持續見證它的成長，」Anthony Tan 表示。同時，針對當前的經濟環境，Anthony Tan 進一步說明，燃油成本對所有人來說都是切身的現實問題，因此像 Grab 這樣的公司必須思考，如何將這項挑戰轉化為替顧客省荷包的解方。他認為，當服務變得更實惠，就會吸引更多人下單，這正是驅動業績的最佳途徑。 為了具體落實這項理念，在這次發布的 13 項產品中，Grab 也推出主打提升可負擔性的 AI 共乘功能 Group Ride。這項功能可以透過 AI 自動且更精準地計算同行旅客之間的車資分攤，最多將能替乘客省下高達 40% 的車資。 Grab 不只優化消費者體驗，也用 AI 提升外送員生產力 除了減輕消費者的經濟負擔，《The Business Times》指出，Grab 對 AI 的應用也同時聚焦於供應端，那就是提升旗下司機與外送員的生產力。 Anthony Tan 提到，外送員大約會浪費 10% 的時間在大型商場裡尋找餐廳，或是等待顧客從大型辦公大樓下樓取餐。因此為了協助解決這類日常痛點，Grab 發布名為 Coach 的司機 AI 助理，能協助處理在路上傳訊息給乘客這一類的常見任務，並提供 […]

TrendForce：預估 2026 年中國人型機器人產量年增94%，宇樹、智元合計拿下近八成市場

根據 TrendForce 最新人型機器人深度研究報告，2026 下半年全球人型機器人產業將進入商業化的關鍵期，其中，中國廠商鎖定的商用化目標與場景逐漸明確，並積極提升產量，預估將激勵 2026 全年中國人型機器人產量年增高達 94%。宇樹科技、智元機器人憑藉盈利能力與量產進度，於激烈競爭中脫穎而出，預估兩者合計將囊括近 80% 的出貨占比。 TrendForce 表示，過去多數人型機器人廠商專注在感知、動態平衡與語意理解等底層能力的累積，至 2026 下半年焦點將轉向提供給用戶的真實價值。觀察全球最大市場中國，產業以多元商用發展為主軸，正呈現產品應用收斂、通用機器人的大型語言模型 (LLM) 深度整合，以及投資熱潮延續等趨勢。 宇樹三月底申請科創板 IPO 獲受理，上市招股書顯示其 2025 年人型機器人產品收入首度超越四足機器人，占總收入 51% 以上，兩項業務合計的毛利率達 60%，打破外界對機器人產業「只燒錢不盈利」的印象。 若宇樹能順利上市，一定程度將推動整體產業估值重新定錨，並推動全產業鏈融資環境持續改善。此外，其承諾擴展產能至年產 7.5 萬台人型機器人、11.5 萬台四足機器人，預期將有效帶動上游關節模組、靈巧手、感測器等核心零組件廠商同步擴產。 智元於三月底迎來第一萬台通用具身機器人遠征 A3 完工出廠，其 2025 年將量產數量從 1,000 提升至 5,000 台，後續僅花三個月便達成一萬台的里程碑。TrendForce 分析，智元的量產能力源自其具身智能機器人標準化供應鏈體系，藉由訂單驅動型的柔性生產和交付能力，輔以聯合研發、專線供應等協同模式，實現核心零組件的自主可控與高品質產出。此外，隨著來自汽車製造、3C 電子、物流倉儲等產業的採購訂單逐步增加，意味客戶態度已從嘗鮮試用轉化為實際需求。 美系廠商同樣致力於產品商業落地，如 Boston Dynamic的Atlas 已推出商用版本，1X 家用機器人也將正式走入家庭，帶出軟硬體設計、安全實用度等家庭服務議題。Tesla 的 Optimus Gen 3 若能如期推進量產，2026 下半年亦將攪動全球供應鏈與資本市場，並建立接近乘用車量產模式的機器人製造體系。 （本文訊息由 TrendForce 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / […]

OpenClaw 爆紅後，企業怎麼導入才不失控？KPMG 謝昀澤：要限權、不碰錢、人要在、防作怪

專訪：沈貝怡撰稿：李昀蔚 從 2026 年開年以來，OpenClaw 幾乎成為 AI 圈最熱門的關鍵字之一，甚至延伸出「你養龍蝦了嗎？」這樣的流行問候語。本集《全新一週》特別邀請 KPMG 安侯企業管理股份有限公司董事總經理謝昀澤，從親自「養龍蝦」的經驗出發，逐步拆解 OpenClaw 的資安挑戰與企業必備的治理思維。 「我覺得 OpenClaw 應該算是一個入口革命，」謝昀澤分析，過去人們使用電腦，是自己打開 Email、瀏覽器、搜尋引擎、Word 或 Excel，再一個步驟一個步驟完成工作；相較之下，OpenClaw 的使用方式不同，使用者只要透過 Telegram 這類通訊軟體下指令，就能讓它代替自己操作電腦、開啟程式、查資料、收集資訊、分析內容，甚至回信、排行程、做更複雜的整理工作。 謝昀澤形容，若把 ChatGPT 想成坐在冷氣房裡回答問題的顧問，那麼 OpenClaw 更像是一個會直接執行任務的數位助理。從更專業的角度來說，它其實不是全新的概念，而是把 RPA 的流程自動化能力，與 LLM 的生成式 AI 能力結合在一起，不只是「知道答案」，而是進一步把事情「做出來」。 不是下載就能用這麼簡單：實測揭開「養龍蝦」背後的成本與技術門檻 謝昀澤進一步從自己實際「養龍蝦」的經驗出發，說明 OpenClaw 與傳統生成式 AI 的差異。例如，先前只是想請 OpenClaw 幫忙規劃布拉格旅遊行程，原本希望得到一份簡單行程表，結果隔天卻發現，OpenClaw 不只找了景點，還主動整理餐廳營業時間、菜單翻譯、治安數據、匯率走勢、旅遊成本與住宿資訊，最後變成一份近乎「布拉格觀光白皮書」等級的報告。 問題在於，這些額外工作並不是沒有代價。謝昀澤提到，當 OpenClaw 在執行任務過程中遇到網頁打不開、頁面變動、認證機制等障礙時，往往會反覆重試，或因為任務太長而忘記自己先前查過什麼，導致一整晚持續自主加班，也同步燒掉大量 Token 與 API 費用。 因此，謝昀澤也提醒，很多人誤把 OpenClaw 當成像 ChatGPT 一樣，下載安裝後就能直接使用的 App，但實際上並非如此。常見問題包括安裝過程繁瑣、開源軟體本身有不少 Bug、外掛與設定常出問題，甚至還發生過 OpenClaw […]

Meta 新 AI 模型算力需求大降一個量級！解密 Muse Spark 如何重構技術底層邏輯

Meta 執行長馬克祖克柏宣布，Meta Superintelligence Labs 已達成首個重大里程碑，推出名為 Muse 的全新 AI 模型系列，其首款模型 Spark 現已上線。Meta 在一份公告中指出：「Muse Spark 是我們擴展規模的第一步，也是我們 AI 工作從零開始徹底改革的第一個產品。」 《VentureBeat》報導指出，Meta 一直是生成式 AI 時代最有趣的公司之一，最初憑藉開源 Llama 系列大型語言模型獲得了大量忠實用戶，但去年 Llama 4 發布後評價褒貶不一，最終承認其在遊戲基準測試中表現不佳，Meta 的 AI 發展一度受挫。 隨後，祖克柏在 2025 年夏天徹底改革了 Meta 的 AI 營運，成立內部新部門 Meta Superintelligence Labs，聘請 29 歲的 Scale AI 前共同創辦人兼執行長 Alexandr Wang 擔任 AI 長。如今，Meta 正式向外界展示了這場重組後的成果。 不同於 Meta 過去熟悉的開源路線，Muse Spark 是一款規模較小、封閉的 AI […]

叡揚資安榮獲 Checkmarx APJ 最佳整體績效經銷商獎

近日叡揚資訊榮獲全球應用程式安全測試領導品牌 Checkmarx 頒發的「FY25 Best Overall Performing Reseller (APJ)」亞太暨日本地區最佳整體績效經銷商獎，肯定叡揚資訊在 AppSec 領域的卓越表現與市場貢獻，展現其在市場拓展、技術服務與客戶成功方面的綜合實力。 作為台灣應用程式安全（AppSec）領域的重要推動者，叡揚資訊資安團隊深耕在地市場超過 20 年，累積了豐富的資安工具挑選及實務導入經驗，長期致力於協助企業建立完善的應用程式安全治理機制，並推動安全融入軟體開發流程。憑藉深厚的產業經驗與顧問能量，叡揚能深入理解各產業在資安治理與開發流程中的實際挑戰，並提供具體可行的落地策略。 透過專業顧問服務，叡揚資訊不僅協助企業導入應用程式安全測試工具，更從制度與流程面全面規劃，協助客戶建立符合組織需求的安全治理架構。在實務推動上，叡揚提供即時且在地化的技術支援與諮詢服務，包含弱點分析與修補建議、依據開發情境客製化掃描規則，以及系統升版與導入過程中的完整技術支援，確保應用程式安全能有效融入既有開發流程並穩定落地。 除了應用程式安全領域外，叡揚亦積極投入資安人才培育，協助企業從源頭強化安全開發能力。透過系統化的安全開發實戰課程，協助開發人員建立正確的安全認知與實務技能，將安全左移（Shift Left）落實於軟體開發生命週期之中，進一步提升整體應用程式安全成熟度。此外，叡揚亦提供多元化的資安解決方案，涵蓋零信任微分段、雲端安全、供應鏈安全與行動應用防護等領域，協助企業從應用程式安全延伸至整體資安架構的強化，打造跨層次、全方位的防護體系。 此次獲獎主要肯定叡揚在應用程式安全領域的深厚實務經驗與市場拓展成果，展現其在協助企業導入應用程式安全測試、優化開發流程，以及推動安全融入軟體開發生命週期方面的專業能力，彰顯其於台灣 AppSec 市場的領導地位。

瞄準後 AI 時代主導權：韓國發布量子國家戰略，力拚 2035 年成為全球第一的量子晶片製造國

當多數國家還將量子視為下一代前瞻技術時，韓國已率先將其拉高至國家戰略層級。韓國政府於 2026 年 1 月正式公布《第一階段培育量子科學與技術及量子產業綜合計畫》與《第一階段量子聚落基本計畫》，並宣示將利用韓國半導體與資通訊的優勢，克服作為後發者的局限，同時設定在 2035 年成為全球第一的量子晶片製造國、培育 2,000 家量子企業與 10,000 名專業人才的宏大目標。 值得注意的是，這份戰略除了涵蓋技術研發，還同步延伸出建立量子聚落、長達 30 年的長期基礎研究制度，以及企業參與和人才培育等全方位布局。這也代表，韓國瞄準的不只是技術先機，更是下一波量子產業的主導權。 韓國正把量子技術從實驗室推向產業應用 為了達成這些目標，韓國正積極將量子從實驗室推向具體的產業應用場景。根據綜合計畫內容，韓國在量子運算領域將推動「製造大挑戰（Manufacturing Grand Challenge）」，目標於 2028 年前開發出國產量子電腦，並建立量子與 AI 融合的基礎設施以搶占應用市場。同時，韓國政府也將與 NVIDIA、IBM、IonQ 等全球企業合作設立「量子演算法中心」，目標是在 2030 年前於汽車、製藥、金融等產業中發掘工業應用案例。 為了克服目前量子基礎設施使用成本高昂的問題，韓國計畫建立能連結量子電腦、高效能運算（HPC）與 AI 的混合基礎設施，並利用量子模擬結果生成數據，以彌補 AI 訓練數據的不足。此外，今年韓國政府與 IonQ 已經簽署備忘錄，IonQ 將連續三年、每年投資 500 萬美元在韓國設立聯合研究中心。 除了運算領域，韓國在通訊與感測技術上也同步發力。韓國規畫在 2028 年前完成全國量子加密通訊網路，將難以被駭客入侵的量子金鑰分發技術（QKD）應用在國防與金融網路，並持續推進後量子密碼學（PQC）技術，且目標在 2030 年前開發出衛星量子加密通訊技術。 在量子感測領域，韓國則鎖定在 2030 年前開發出降低對 GPS 依賴的「非 GPS 導航系統」，並積極將感測技術應用於大腦與心臟的醫療診斷，以及半導體缺陷檢測等工業現場。 建立量子聚落，韓國開始搭建產業化平台 要讓應用場景順利落地，離不開強大的基礎設施與平台支持。為此，韓國政府預計自 2026 年 7 月起，在量子運算、量子通訊、量子感測、材料與零組件、演算法等五大核心領域建立「量子聚落」，並以相關基金與 30 […]

AI 催生「新雲端」崛起，Neocloud 如何成為企業 AI 算力配置的新選項？

有別於傳統服務的新雲端（Neocloud）因為 AI 應運而生，期望解決電力供應、硬體供應、資料引力與資料主權問題，讓企業 AI 算力配置轉向混合環境。

AI 時代的資安信任危機：企業如何在效率與資料安全之間找到平衡

AMT 亞太行銷數位轉型聯盟協會日前主辦『2026 AMT 亞太品牌峰會』，匯聚逾 300 位品牌決策者與產學專家，深入探討企業如何借助 AI 創造商業價值與驅動創新。 在座談環節中，叡揚資訊群總胡瑞柔指出，人力不足的挑戰迫使臺灣企業快速導入 AI，期待藉此打破資訊孤島、快速整合客戶資料、捕捉隱性需求，讓管理團隊做出更精準的判斷與服務。然而，轉型浪潮之下，企業也正面臨一個潛伏的核心危機：資料安全。 多數企業的 AI 轉型之路，卡在三個關卡：一是根本沒有客戶資料；二是有資料但難以整合，難以形成可信分析；三是引入 AI 後被牽著走，缺乏批判性思維驗證輸出，決策反而失了人的專業主控性。 更值得關注的風險，來自日常工作習慣。員工在使用公開的 AI 服務時，可能不經意將機密的客戶名單、交易紀錄或內部策略外洩給第三方平台。加上 AI「幻覺」問題，若未經查核便採信錯誤輸出，影響不容小覷。 AI 賦能：資料、流程、工具、專業，缺一不可 胡瑞柔建議，要讓 AI 真正產生商業價值，企業需同步推進四件事：積極推動數位轉型，系統化收集累積客戶資料，確保分析有可靠的資料；盤點並重新設計作業流程，讓資料蒐集與使用方式貼合實際需要；選擇通過資安驗證的 AI 工具，從架構層面管控外洩風險；以及持續深耕專業知識、培養專業及批判性思維，讓團隊有能力判讀 AI 輸出的品質，而非照單全收。 這四個環節相互依存。資料不完整，AI 洞察就沒有意義；流程沒有調整，系統再好也難以落地；工具不夠安全，累積的資料反成風險；缺乏批判性思維，AI 就會反客為主從助手變成主導者。 高標、細緻的資安治理，降低風險曝露 在工具選擇上，資安認證是重要的評估指標。叡揚資訊的 Vital 雲端服務已通過 ISO 27001、27017、27018 及 27701 等國際認證，在資料保護架構、存取控管與合規要求上，符合金融業、醫療業等高度監管產業的標準。平台亦提供彈性且細緻的權限管理——涵蓋多因子認證、密碼週期控管與角色分層授權，讓企業能精確管控資料存取範圍，從源頭縮小外洩風險的暴露面。 從資料孤島到客戶全貌，再到安全的 AI 自動化 叡揚在 38 年協助企業資訊系統建置的過程中，深刻觀察到資訊孤島的普遍問題。Vital 可透過 API 串接企業各系統，將分散在各平台的客戶資訊匯聚成完整輪廓，讓團隊得以掌握全局，系統流程可以加以自動化，減少人工斷點。近期更進一步支援安全的 MCP 接口，使 AI 代理人能在受控的安全環境中直接存取內部資料、自動化行政流程——讓效率提升與資料安全不再是非此即彼的取捨。 信任，才是 AI […]

告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？

2026 年，數位廣告產業面臨結構性轉折。過去二十年來，以程序化廣告為核心的交易模式，建立在第三方數據、即時競價與大規模曝光之上，撐起了數百億美元的產業規模。然而，在零售媒體網絡（Retail Media Networks, RMN）快速崛起、隱私監管趨嚴，以及 AI 技術進入執行層的背景下，這套體系即將重構。 廣告技術去中介化，零售商正以代理式 AI 重構廣告成本 《Smart Brief》報導指出，如今越來越多零售商選擇內建自己的廣告工具，導入以「代理 AI」（Agentic AI）為核心的架構，繞過傳統的程序化中間商。這些 AI 代理人不再只是輔助投放，而是直接代表品牌與零售商進行決策與交易，從受眾分群、預算配置到廣告庫存配對，皆由系統即時完成。當交易雙方都由代理人驅動時，傳統的廣告交易所與拍賣機制開始顯得多餘。 這樣的轉變，直接帶來成本結構的重寫。業界預期，當中間層被移除後，單一零售商可節省約 10% 至 20% 的廣告技術成本，而品牌與零售商整體合計，甚至可能達到 30% 的效率提升。這對於本就利潤有限的零售業而言具有實質吸引力，也使「去中介化」成為一項策略選擇，而非技術實驗。 推動這場變革的關鍵基礎設施之一，是廣告內容協議（Ad Context Protocol, AdCP）。這項由多家產業參與者共同推動的標準，嘗試為 AI 代理人建立一套共通語言，使其能在沒有人工介入的情況下完成媒體規劃、報價與交易。《Digiday》指出，AdCP 更接近一種「代理對代理」的直接協商機制，讓品牌端的 AI 可以與零售端的 AI 即時溝通需求與庫存條件，在維持效率的同時，省去拍賣流程中的冗餘環節。 數據複利時代來臨，第一方數據轉化為策略資本 與此同時，數據本身的角色也在發生質變。市場調查公司 IDC 指出，在第三方 Cookie 逐步消失的情況下，第一方數據從過去的靜態資產，轉變為可以持續累積價值的「複利資本」。透過資料潔淨室（data clean room）與隱私增強技術（Privacy-Enhancing Technologies, PETs），品牌與零售商得以在不暴露原始個資的前提下進行跨平台協作，使原本分散的訊號得以整合並提升預測能力。 這種數據協作模式，也可能重塑市場權力結構。一方面，大型零售商紛紛建立整合身份、媒體與交易數據的「商業雲」（commerce clouds），將廣告投放與成效衡量鎖定在自有生態系中；另一方面，缺乏登入數據與規模的中小型媒體，則逐漸失去可識別性與變現能力。市場因此呈現出集中與碎片化並存的矛盾狀態，而能否有效編排與運用數據，成為品牌競爭力的核心。 綜合來看，數位廣告的變革並非單一技術升級，而是一場涉及數據、交易機制與組織運作的全面重構，整個產業正朝向一個由機器主導決策與交易的「代理時代」前進。對企業而言，關鍵不在於是否導入 AI，而在於是否具備重新設計整體架構的能力。 【推薦閱讀】 ◆ 「線上歸 Amazon、實體歸 Walmart」時代終結：零售雙雄的混合基礎建設戰全面開打 ◆ 告別關鍵字堆砌：2026 […]

【科技早餐】Uber 押注 AWS 自研晶片，AI 算力正式接進叫車與外送核心

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Uber 押注 AWS 自研晶片，AI 算力正式接進叫車與外送核心 Uber 宣布擴大與亞馬遜網路服務（AWS）合作，導入 Graviton 處理器用於叫車配對、路徑規劃與物流配送等日常營運，並部署 Trainium 晶片在大規模 AI 模型訓練，目標是在成本與效能之間取得更好平衡。 對 Uber 來說，提升的 AI 算力將直接反映於用戶體驗，包括乘客與司機配對、需求預測、動態定價與配送效率。對 AWS 來說，這也代表其正把自研晶片進一步推向大型企業核心營運，從雲端基礎設施延伸到更完整的 AI 運算供應角色，強化企業客戶對專用晶片方案的採用。 ＊英特爾聯手馬斯克蓋 Terafab，AI 晶片戰往製造端整併 英特爾（Intel）宣布加入馬斯克（Elon Musk）主導的 Terafab 計畫，將與 Tesla、SpaceX 及 xAI 一起推進位於德州奧斯汀（Austin）的超大規模 AI 晶片基地，目標是年產 1TW 等級算力，支應自駕、機器人與 AI 資料中心需求。 這項計畫將整合晶片設計、製造與封裝。隨著英特爾加入，外界預期 18A 製程與先進封裝能力也可能被帶進這個基地，支援高效能 AI 晶片量產。這也被視為英特爾爭取大型 AI 客戶的重要一步，同時反映 Musk 旗下企業正加快建立更高整合度、集中於美國本土的晶片製造體系。 ＊Anthropic 組 AI 資安聯盟，Glasswing […]

從網路攻防走向實體干擾：伊朗駭客鎖定 PLC、SCADA，OT 安全升級成國安議題

近日，美國聯邦調查局（FBI）、國防部、國家安全局（NSA）、能源部與網路安全暨基礎設施安全局（CISA）、美國國家環境保護局（EPA）與美國網路司令部國家任務部隊，共同發布一項聯合警報，指出自 2026 年 3 月以來，與伊朗相關的駭客組織已大幅升高對美國關鍵基礎設施的網路攻擊。這波行動，也被美方官員直接置於當前美伊軍事衝突不斷升溫的脈絡中解讀。 最值得警惕的是，這波攻擊瞄準的並非一般企業 IT 系統，而是能直接連動實體設備運作的工控層（OT），受影響範圍涵蓋政府設施、能源、水務與廢水處理系統。這也代表，事件的核心已不再只是新一波的網路入侵，而是地緣政治衝突已經實質外溢，直接威脅到供水、供電與現場設備控制的 OT 系統。 從 IT 走向工控層：伊朗駭客直接鎖定 PLC 與 SCADA 《Reuters》與《The Record》報導，美國官員明確表示，伊朗駭客正積極鎖定公開暴露的可程式化邏輯控制器（PLC），以及監控與資料擷取（SCADA）顯示介面，核心目的就是在美國境內製造「破壞性影響（disruptive effects）」。這些攻擊精準瞄準直接連網的 OT 裝置，包含 Rockwell Automation 與 Allen-Bradley 生產的 PLC，另有部分 Siemens 裝置可能也進入受害範圍。 《The Hacker News》進一步補充，這些受害對象廣泛分布在政府服務與設施、水務和廢水系統，以及能源部門，且特別點名 CompactLogix 與 Micro850 等目標型號。FBI 的警報更特別點出影響 Rockwell Automation 產品的 CVE-2021-22681 漏洞，而 CISA 早在一個月前就命令所有聯邦機構必須在 3 月 26 日前完成修補。對此，Rockwell Automation 發布聲明強調，他們非常嚴肅看待產品的安全問題，並正與政府機構密切協調合作。 當攻擊者成功入侵 PLC 後，他們的目標在於改變工業控制系統顯示介面上的資訊，這種操控在某些情況下，將導致設備停機、損壞甚至引發危險狀況。這些行動皆顯示，伊朗駭客攻擊已跳脫單純的企業資安事件範疇，而是攻擊者已直接操控能影響實體流程的底層工控系統。 攻擊已造成實質營運中斷與財務損失 目前，美方已確認有部分攻擊案例確實造成營運中斷與財務損失。在攻擊手法方面，《The […]

13 億美元重押實體 AI：從純軟體走向硬科技，拆解創投 Eclipse 破紀錄募資背後的資本轉向

隨著 AI 的發展，科技投資的目光正逐漸從純軟體應用轉向真實世界。知名創投公司 Eclipse 近期宣布，已成功籌集 13 億美元的最新基金，將專注於支援實體 AI（Physical AI）新創公司，投資領域涵蓋機器人技術、AI 基礎設施、製造業與國防科技。 這筆高達 13 億美元的新資金，不僅是 Eclipse 迄今為止規模最大的一筆募資，更超越了該公司在 2023 年籌集的 12.3 億美元紀錄。《Bloomberg》報導，這筆資金將分為兩部分運作，其中 7.2 億美元將用於投資早期階段的新創公司，另外的 5.91 億美元則將挹注於後期交易。 投資人加碼佈局硬科技，Eclipse 聚焦實體產業 《Bloomberg》觀察，Eclipse 近期成功募集資金，正值投資人加碼布局「硬科技」（hard tech）之際。這波熱潮一方面來自 AI 技術的突破，另一方面也受到地緣政治壓力影響，例如美國總統川普推動的關稅政策，促使美國加速重振本土製造。今年 Eclipse 也共同領投了美國製造新創 VulcanForms 的 2.2 億美元募資案。 除了製造業之外，其他非純軟體領域的公司同樣吸引創投關注。例如核能新創 Valar Atomics 估值已達 20 億美元，機器人 AI 公司 Physical Intelligence 傳出正以 110 億美元估值洽談募資；國防科技公司 Anduril Industries 則計畫以超過 600 億美元估值籌資。 回顧 […]

叡揚資訊榮獲 Illumio 四項合作夥伴殊榮 持續領航台灣零信任微分段發展

在零信任架構逐漸成為企業資安核心策略的趨勢下，叡揚資訊長期深耕零信任微分段（Zero Trust Segmentation）技術推動與實務落地，已成為台灣市場的重要推動力量。近期，叡揚資訊更獲全球零信任安全領導品牌 Illumio 頒發四項合作夥伴殊榮，包含兩度獲頒「關鍵業務開發獎／零信任導入推動獎」（Strategic Acct Acquisition），以及「最佳指標客戶拓展獎」與「卓越市場經營行銷獎」，肯定叡揚資訊在台灣推動零信任微分段導入與市場發展的卓越成果，也展現其在推動零信任微分段實務落地上的領先地位與市場影響力。 隨著零信任架構逐步從概念走向實務落地，台灣企業近年在資安策略上也出現明顯轉變。特別是在金融監理政策與資安法規持續強化的趨勢下，包含金管會發布的「金融業導入零信任架構參考指引」，已明確引導金融機構從傳統邊界防禦轉向以零信任為核心的資安架構，並強化內部存取控管與橫向移動防護能力。同時，關鍵基礎設施與大型企業亦逐步提升對資安韌性的要求，帶動零信任微分段在台灣市場快速發展，其中「微分段（Segmentation）」更成為企業落實零信任架構的關鍵技術之一。 叡揚資訊觀察到，面對勒索軟體與供應鏈攻擊日益頻繁，傳統邊界防禦已難以有效防止攻擊者於內部網路進行橫向移動。企業若要降低攻擊擴散風險，需先透過流量可視化掌握系統之間的互動關係，並進一步建立精細化的存取控制機制。也因此，具備從策略規劃到實際部署能力的專業團隊，成為企業能否成功落實零信任架構的關鍵。 叡揚資訊持續投入零信任微分段技術的在地推廣與實務落地，擁有由多位通過原廠認證的資安顧問所組成的專屬團隊，不僅是台灣獲得原廠認證人數最多的合作夥伴，更取得原廠最高等級技術認證，為台灣市場少數具備完整導入能力的資安服務廠商。自 2023 年起，叡揚資訊協助各產業企業從資產盤點、流量可視化、風險評估到安全規則設定與導入，逐步建立符合自身營運需求的零信任防護架構，讓零信任從架構藍圖轉化為可實際運作的防護機制。 隨著企業對於「可視化」、「可控管」與「可持續優化」的資安架構需求持續提升，零信任微分段已成為強化資安韌性的關鍵基礎。叡揚資訊表示，未來將持續深化零信任微分段應用，協助企業在不影響營運效率的前提下，有效降低資安風險，並提升整體網路安全防護水準。

Intel 加盟 Terafab：從自建超級晶圓廠走向合作製造，揭馬斯克 AI 晶片布局的戰略分工

Intel 近日宣布加入 Terafab 計畫，將與 Tesla、SpaceX 及 xAI 攜手合作，共同設計、製造與封裝高效能晶片。這項原本由馬斯克（Elon Musk）提出的 Terafab 計畫，目標是在德州打造一座整合晶片設計、製造與封裝能力的超級設施，以支援 Tesla 旗下機器人與自駕車、SpaceX 太空運算，以及 xAI 未來對 AI 晶片的龐大需求。 這次 Intel 的加盟，讓馬斯克先前高調拋出的 Terafab 構想，開始從單純的「自己做晶片」想像，進一步走向更具體的合作製造模式，並由 Intel 補齊驅動這座晶片廠真正運作所需的關鍵能力。 從「自建晶圓廠」到「合作製造」：Intel 的加入改變 Terafab 運作模式 《華爾街日報》報導，當馬斯克在今年 3 月公布 Terafab 計畫時，主打的是在德州奧斯汀（Austin）興建單一設施，將晶片設計與製造集中在同一地點，藉此加快測試與開發的速度。馬斯克當時的規劃，是由 Tesla 與 SpaceX 在奧斯汀興建兩座先進晶圓廠，其中一座服務汽車與人形機器人，另一座則為太空 AI 資料中心提供支援。 然而，Intel 這次的公開表態大幅改變外界的看法。Intel 在社群平台 X 上公開宣示：「我們大規模設計、製造和封裝超高效能晶片的能力，將有助於加速 Terafab 每年生產 1 TW 算力的目標，以推動 AI 和機器人技術的未來發展。」 外界因此解讀為，Terafab 更像是一筆由 Tesla、SpaceX […]

Anthropic 不敢全面公開的 AI：Claude Mythos 為何正在重寫網路安全規則？

AI 新創 Anthropic 近期開發了一款名為 Claude Mythos 的全新 AI 通用模型，但因其功能過於強大，該公司宣布還不會向外界發布此一技術。取而代之的是，Anthropic 透過一項名為「Glasswing」的資安計畫，僅將 Mythos Preview（預覽版）開放給包括蘋果、亞馬遜與微軟等超過 40 家致力於維護關鍵基礎設施的特定企業進行測試。 為什麼 Anthropic 要製造一個「太危險」的模型？ Anthropic 根據內部測試指出，Mythos 能在極短的時間內，自主發現數千個高風險的零日漏洞，攻擊範圍幾乎涵蓋了當前所有主流的作業系統和網頁瀏覽器。更關鍵的是，這些能力不需要專業資安背景即可啟動。 當中最引人注目的，是該模型找出了一個隱藏在重視安全的開源作業系統 OpenBSD 中長達 27 年的缺陷，以及一個在知名影音處理框架 FFmpeg 中、過去經歷五百萬次自動化掃描測試都未能察覺的 16 年陳年漏洞。 Anthropic 表示，AI 的寫程式能力已達一定水準，而在發現和利用軟體漏洞方面，其能力可以超越絕大多數人類，僅次於經驗最豐富的開發者。Anthropic 近期承認 Opus 4.6 在開發有效漏洞利用程式碼方面表現不佳，成功率幾乎為零，而 Mythos Preview 的漏洞利用成功率高達 72.4%。《The Register》形容，Mythos 就是一個能「產生」零日漏洞的 AI 模型。 不過更讓網路安全專家不安的，不只漏洞發現數量，而是 Mythos 展現出了一種極其危險的新型攻擊潛力。過去，單一的微小漏洞或許不足以造成致命威脅，但 Mythos 具備將多個不起眼漏洞串聯起來的能力，形成一種新型攻擊。 例如，它能夠自主編寫複雜的 JIT 堆積噴灑程式碼，成功逃脫瀏覽器與作業系統的沙盒限制，甚至在無需人為介入的情況下，串聯多個漏洞以獲取作業系統的最高管理員權限。這種能力大幅縮減漏洞發現與被利用之間的時間差，削弱了現有的防禦機制。Anthropic 研究人員表示，背後主因是 Mythos 擁有更進階的推理能力。 […]

「線上歸 Amazon、實體歸 Walmart」時代終結：零售雙雄的混合基礎建設戰全面開打

近期，Amazon 動作頻頻，一方面為願意支付額外費用的美國客戶，推出 1 小時和 3 小時送達服務；另一方面，又持續把快速配送能力往美國偏鄉與小鎮推進，進一步把競爭戰線延伸到 Walmart 長年占優勢的地理腹地。 《Inc》指出，過去「Amazon 主導線上、Walmart 主導實體」的分工框架已經不再成立，因為 Amazon 正直接切入 Walmart 長期掌握的實體接近性、雜貨與鄉村消費者領域。 Amazon 把快速配送戰火一路帶往偏鄉與小鎮 《Bloomberg》報導指出，Amazon 去年已宣布投入 40 億美元推進偏鄉配送，並透過較小型的配送樞紐與在地承包商，把偏鄉地區原本動輒數天的等待時間，大幅壓縮到 1 至 2 天，部分地區甚至不到 24 小時。 進一步的數據分析顯示，Amazon 目前已讓五分之一的美國偏鄉與小鎮家庭能在 24 小時內收到日用品，另有 62% 的偏鄉家庭可享 48 小時配送，這項舉動的核心目標，正是為了改變偏鄉地區原本對慢速配送的預期。 針對整體配送戰略的推進，Amazon 全球營運資深副總裁 Udit Madan 表示：「我們看到一個機會，能夠利用我們獨特的營運專業知識和配送網路，幫助讓客戶的生活變得更輕鬆一點，同時為 Prime 會員解鎖更多價值。」 顯示 Amazon 整體配送戰略正同步往更快時效推進。 Walmart 的防守核心仍是門市網路、雜貨與即時履約能力 面對 Amazon 的強勢進逼，Walmart 在鄉村市場的最大防守優勢仍是「實體接近性」。因為門市的密集分布，讓近三分之二的偏鄉家庭能在 10 英里車程內抵達店面。多年下來，這已成功培養消費者親自到店購買雜貨，並順手添購其他商品的深厚習慣。 正如 Walmart […]

【速度與治理如何並存】花旗銀行如何在高度監管環境下，同時追求 AI 規模化與負責任部署？

花旗銀行服務近 180 個國家的客戶，每天流動的資金規模以兆美元計。在這樣的組織下，AI 不是一個可以慢慢實驗的選項，而是必須在嚴格治理框架內快速落地的策略工具。 2025 年 9 月接任花旗全球 AI 主管的 Shobhit Varshney，用一句話概括他的任務：「做對的 AI，以及把 AI 做對」，這兩件事看似相近，對一家全球銀行來說卻有截然不同的含義。 不從技術出發，從價值出發 花旗的 AI 部署邏輯，起點不是技術，而是業務價值。Varshney 強調，做對的 AI，就是專注於價值創造。必須端對端重造流程，而不只是在邊緣自動化。 這個原則在實作上意味著，在引入任何自動化之前，團隊必須先簡化甚至刪除不必要的流程步驟，而不是把現有工作流程加速一遍。花旗設定的改善門檻通常在 30% 以上，不是邊際效益的累積，而是追求有感的轉型。 這也反映了花旗對 AI 推展方式的根本轉向，不是先啟動試點、再尋找用途，而是先定義期望的業務成果、量化預期效益、讓領導層形成共識，再開始建構解決方案。Varshney 用洗碗機做比喻，「思維的轉變是從更快的手洗刷碗，變成洗碗機」，洗碗機不是讓手洗更快，而是從根本改變了洗碗這件事的流程與規模。 集中式平台：讓 AI 能力像服務一樣被調用 為了支撐這個規模化野心，花旗去年就建立了集中式 AI 平台 Citi Stylus Workspaces，採用模組化、多模型、多雲架構，在保持靈活性的同時維持統一的管控能力。 這個架構的核心邏輯是，許多 AI 應用場景共享相似的底層模式，與其讓各業務單位各自建構，不如把這些通用能力集中開發、以服務形式提供給全組織。這樣的設計減少了重複建置，也讓模型升級能同步擴散至整個組織，而不是分散在各處的孤立版本。 Citi Stylus Workspaces 可直接整合花旗內部系統，連結全球員工名錄、常用企業平台與其他關鍵資源，同時具備網路搜尋與資料分析能力。以往需要多個步驟才能完成的任務，現在可以透過單一提示一步完成。例如識別美國前五大品牌信用卡業務、提煉其策略目標，並將結果翻譯成西班牙語，全程只需輸入一次指令。 雙軌並進：日常生產力與關鍵流程再造同步推動 花旗的 AI 採用策略同時走兩條路，由下而上的那條路，是為員工提供日常生產力工具，讓員工能把 AI 整合進日常工作流程，涵蓋範圍從摘要、資料整理到軟體開發，後者已帶來可量化的生產力提升。這條路的目標是讓 AI 在每個員工的日常工作中自然生根。 由上而下的那條路，則是高階主管直接主導最關鍵的業務流程再造。這些流程包含客戶入職、反洗錢調查與風險管理等複雜場景，每一個都牽涉大量跨部門協作與合規要求。每週，資深主管都會檢視這些專案的推進進度，處理卡關點、確保各方對齊。這種高層級的持續關注，是讓 AI 從實驗走向企業規模落地的關鍵驅動力。 […]

開發產出暴增 10 倍的代價：AI 程式碼湧現，企業如何防堵資安與技術債漏洞？

2026 年，企業面對的 AI 問題，已經不再只是能否更快寫出程式，而是寫得太快之後，誰來收拾後果？ 隨著 Cursor、Claude Code、Codex 等 AI 寫程式工具快速普及，AI 正在把軟體開發從人力瓶頸推向另一種極端，也就是程式碼產出暴增，但理解、審查與維護能力卻跟不上，技術債也因此加速累積。 《紐約時報》就描述了一個典型的案例：一家金融服務公司導入 Cursor 後，每月產出的程式碼行數，從 2.5 萬行暴增到 25 萬行，結果很快就累積超過 100 萬行待審查程式碼。協助該公司的安全新創 StackHawk 共同創辦人兼執行長 Joni Klippert 直言，真正跟不上的，不只是程式碼審查速度，還包含漏洞數量增加，以及整個公司被迫加快節奏所帶來的壓力。 這正是當前企業最真實的 AI 寫程式困境：產出已經不是問題，審核與維護才是。當 AI 幫工程師、甚至非工程背景的員工快速做出功能、網站或內部工具，企業表面上看起來更敏捷，實際上卻可能正在把更多難以追蹤、難以維護的程式碼推進正式環境。 AI 把開發速度推到極致，也把技術債放大 《NBC News》指出，AI 寫程式工具最初帶來的吸引力，主要在於提升開發速度與功能交付能力，儘管自去年 11 月以來，這類工具的能力已顯著提升，但它們無法像經驗豐富的人類開發人員那樣全面地理解整個程式碼庫。 協助軟體工程師和企業審查並提高程式碼品質的公司 CodeRabbit AI 負責人 David Loker 舉例，AI 可能會在多個不同地方重複編寫相同的功能，因為它們沒有發現該功能已經存在，所以一遍又一遍地重新創建該功能。 這也是為什麼許多企業現在開始大量尋找更資深的工程師，而不是單純擴編招募初階開發人力。《紐約時報》提到，市場對應用程式安全工程師的需求正快速升高，因為企業需要更多人來審視 AI 生成程式碼中的錯誤、風險與合規問題。但問題在於，這類人力根本不足。矽谷投資圈人士 Joe Sullivan 甚至直言，光是美國企業的需求，就已超過現有供給。 下一個 AI Slop 受害者，可能就是程式碼本身 […]

【科技早餐】三星一季獲利暴增 755%，AI 記憶體先把上游財報推上新高

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊三星首季獲利年增 755%，一季就超過去年全年 三星電子 (Samsung Electronics) 公布第一季初步財報，營業利益達 57.2 兆韓元，年增約 755%，營收則來到 133 兆韓元，兩項數字都高於市場預期。這不只超過三星 2025 全年營業利益，也刷新去年第四季 20 兆韓元的單季高點，讓 AI 記憶體與資料中心需求再度成為市場焦點。 《路透社》指出，三星這一季大部分獲利仍由晶片部門貢獻；南韓官方公布的 3 月半導體出口也年增 151.4%，達 328 億美元，創下新高。這代表 AI 基建需求不只留在雲端業者資本支出，已經持續往上游記憶體與半導體供應鏈傳導。 ＊博通與 Google 合作延長到 2031，客製化 AI 晶片長約再往後拉 博通 (Broadcom) 宣布，已與 Google 簽署長期合作協議，雙方將一路合作到 2031 年，共同開發與供應未來世代客製化 AI 晶片，以及新一代 AI 機櫃所需元件。這也代表 Google 正持續把自研 TPU 與相關硬體，作為雲端 AI 業務的重要底層配置。 消息公布後，博通盤後股價上漲約 3%。在企業更重視 AI 投資報酬率的背景下，客製化晶片需求持續升高；Google […]

Anduril 和 Palantir 都在做：為什麼離線 AI 正在成為下一個關鍵戰場？

當企業談 AI 基礎架構，過去幾年主流想像幾乎都圍繞著同一套前提：穩定網路、充足電力，以及靠近資料中心的雲端環境。但這套假設，正越來越難支撐 AI 進入真實世界後的需求。 從軍事、航運到能源產業，愈來愈多高風險場景都在提醒一件事：當延遲、斷線與基礎設施不穩定成為常態，AI 如果仍仰賴雲端往返運算，就可能在最需要它的時刻失效。這也是為什麼，Palantir、Anduril 與新一代邊緣 AI 業者，正把可離線運行的智慧系統（離線 AI）視為下一階段的核心戰場。 問題不在 AI 夠不夠聰明，而是能否在現場運作 《Forbes》點出一個被主流討論忽略的現實：全球超過 80% 的貨運量靠海運移動，離岸油井位於數百英里外的海上，礦場座落在缺乏穩定連線的沙漠地帶，軍事單位則必須在通訊受干擾、甚至刻意被切斷的環境中做決策。這些場景都有一個共同點，就是它們無法把「資料先送回雲端，再等待模型回應」視為理所當然的流程。 如果 AI 離開資料中心就失去效能，那它在辦公室裡看起來再強，都不代表它能進入下一波產業現場。也因此，離線 AI 的關鍵不只是沒有網路也能用，而是讓智慧系統真正靠近決策發生的地方。 Palantir 與 Saildrone：把決策等級的智慧放上船 這種轉向最明顯的先行者，首先出現在國防與海事場景。根據《Forbes》，Palantir 與無人船公司 Saildrone 近期宣布合作，將 Palantir 的 AI 基礎設施整合到 Saildrone 的自主水面載具上，用於海事安全、海域監控與防務應用。這項合作的關鍵，不只是把感測器裝上船，而是把足以支撐決策的智慧直接部署到海上。 對海事與國防單位來說，這代表他們不必再依賴有人船艦，也不必等衛星在數小時後傳回資料，而是能讓智慧系統持續待在海面上、即時理解環境、回報風險，甚至在沒有船員的情況下執行長時間監控任務。這種部署方式改變的不只是效率，還包含整個海域監控的成本結構與反應速度。 Anduril 更進一步：在預設斷線的戰場上，AI 不能停在「讀取中」 如果說 Palantir 與 Saildrone 展示的是海上場景中的邊緣智慧，那 Anduril 想解決的，則是更極端的問題：戰場上的 AI，這類系統往往必須預設處於斷線狀態下運作。 根據《Forbes》，Anduril 的 Lattice AI 平台就是為這類環境而生。這套系統用於陸、海、空不同自主系統的協同與決策支援，核心特徵是它從一開始就不是為了網路順暢的環境而設計，而是為網路本來就不可靠所打造。對軍方來說，雲端 AI 與邊緣 AI […]

日本如何佈局實體 AI 新戰場？大企業和新創發展「新模式」補勞動缺

「在日本，機器人並非來取代你的工作，而是去完成沒有人願意做的工作。」《TechCrunch》報導，實體 AI 正逐漸成為下一個產業戰場，而日本推動這項技術是因為隨著勞動力縮減以及維持生產力的壓力增加，越來越多企業在工廠、倉庫及關鍵基礎設施中部署 AI 驅動的機器人。 日本經濟產業省（METI）於 2026 年 3 月表示，目標在國內建立實體 AI 產業，並於 2040 年前取得全球市場 30% 的份額。經濟產業省指出，日本製造商在 2022 年約佔全球市場 70%，顯見該國在工業機器人領域已具強勢地位。 勞動力短缺逼轉型，日本機器人優勢能否延續？ 企業風投 Woven Capital 董事總經理 Ro Gupta 告訴《TechCrunch》，日本採用 AI 機器人的因素包括對機器人的文化接受度、因人口結構壓力造成的勞動力短缺，以及在機電整合與硬體供應鏈上的深厚工業實力。另一間風險投資公司 Global Brain 合夥人 Hogil Doh 也表示：「實體 AI 正被視為企業持續運作的工具，勞動力短缺是主要驅動因素。」 日本新創企業 Mujin 執行長兼共同創辦人 Issei Takino 提及，日本正加大力度推進製造與物流自動化，以應對勞動力短缺等結構性挑戰。例如 Mujin 開發的軟體可讓工業機器人自主處理揀選和物流任務，尤其是機器人控制平台可讓現有硬體更自主、更高效地運作。《TechCrunch》提及，日本歷來擅長的是機器人的實體構件，但這種優勢是否能延續到 AI 時代，仍有待觀察。 風險投資領域的業內人士 Sho Yamanaka 指出：「日本在高精度零件上的專業知識，即 AI 與現實世界間的關鍵物理介面，是一道戰略護城河。」Issei Takino 表示，硬體能力在中國與日本最為強大，日本在機器人運動控制上尤為突出，而美國則在服務層與市場開發上領先。歷來許多美國公司利用軟體優勢建立整合業務，類似 […]

OpenAI 發表 AI 政策藍圖：從機器人稅到 4 天工作制

OpenAI 週一發布了迎接超級智慧（superintelligence）世界的政策提案。在這份長達 13 頁、名為《Industrial Policy for the Intelligence Age》（智慧時代的產業政策）的白皮書中，OpenAI 建議政府應如何監管 AI 以及如何分享該技術快速發展下帶來的經濟效益。《華爾街日報》指出，這些想法可能代表著數兆美元的新政府計畫，但也引發質疑聲浪。 OpenAI：AI 不只是技術，將改寫經濟結構 在 OpenAI 的論述中，AI 不再只是提升效率的工具，而是一場會改變經濟結構的系統性變革。OpenAI 執行長 Sam Altman 告訴《Axios》，AI 超級智慧如此接近真實、具有顛覆性，以至於美國需要一份規模堪比 20 世紀初大蕭條時期羅斯福新政的社會契約。 OpenAI 提出的框架圍繞著三個目標：更廣泛地分配 AI 帶來的繁榮、建立保障措施以降低系統性風險，並確保廣泛獲取 AI 能力。 文件指出，當 AI 進入超級智慧階段，企業利潤與資本利得將快速上升，但以薪資為基礎的所得稅等稅收卻可能下降，進而動搖支撐社會福利的財政基礎。《華爾街日報》指出，這正是 OpenAI 主張要重寫稅制的核心原因。 因此，OpenAI 提出將稅負從勞工轉向資本家，最具爭議性的觀點包括提高企業與資本利得稅、對自動化與 AI 系統徵收「機器人稅」、建立由 AI 收益支撐的公共財富基金，以及鼓勵企業在不減薪的前提下試行 4 天工作制。 在這些安全機制與監管措施之外，OpenAI 也提出一系列成長導向的政策主張，包括擴建電力基礎設施以支撐 AI 的用電需求，以及透過補貼、稅收優惠或政府持股等方式，加速 AI 基礎建設的擴張。 這背後的邏輯在於，將 AI 視為一種公共基礎設施，而非單純的商業產品；如果 AI 取代人類工作，就必須讓 […]

挑戰 NVIDIA 霸權：博通與 Google、Anthropic 擴大晶片交易，鎖定 2031 AI 供應鏈核心

博通（Broadcom）宣布已與 Google 簽署一項長期協議，將共同開發並供應新一代客製化 AI 晶片及相關組件，同時也擴大與 AI 新創公司 Anthropic 的合作協議，預計自 2027 年起提供約 3.5 GW（十億瓦）的運算能力，這些算力將由 Google 的 AI 處理器（TPU）支撐。 AI 三巨頭結盟！Google、博通、Anthropic 組建算力鐵三角 近年來，隨著企業積極尋求替代 NVIDIA 高價 GPU 的方案，用於 AI 工作負載的客製化晶片需求大幅攀升，Google 的 TPU 成為主要受益者。根據《Reuters》去年 12 月的報導，Google 正積極推動 TPU 成為足以與 NVIDIA GPU 抗衡的產品，旨在讓 TPU 成為雲端業務的重要成長引擎，並證明其在 AI 領域的投資已開始產生回報。 《Investing》指出，這項合作確保了博通作為 Google AI 模型晶片首席設計夥伴的地位。此次協議還包含一項「供應保證協議」，博通將持續供應 Google 下一代 AI 機架網路及其他組件直至 2031 年。這些組件對於串聯大規模晶片集群以訓練與運行神經網路（如 Google 的 Gemini）至關重要。 […]

【對抗單一 LLM 幻覺】CollectivIQ 統合各大模型，用「AI 共識引擎」提升回應精確度

CollectivIQ 開發了一款「AI 共識平台」，它能同時查詢多個大型語言模型（LLM），包括來自 OpenAI、Anthropic、Google 及 xAI 的運算結果，並且統合、彙整為最終的答案。

伊朗衝突敲響警鐘，油價震盪如何凸顯電動車能源安全價值？

伊朗衝突爆發後，全球油價應聲震盪，美國全國汽油均價跳漲，創下俄羅斯入侵烏克蘭以來最大單週漲幅。對許多美國家庭而言，這不是只存於國際新聞的外交事件，而是每天駕車上下班時會被影響的現實。 美國的交通運輸成本受制於全球市場 石油作為一種全球性大宗商品，其價格並非由美國單方面決定，而是受制於全球供需動態以及外國政府的政治決策。這意味著美國的交通運輸成本，在很大程度上受制於全球市場。 目前的統計數據就可以體現該現象，美國交通運輸業消耗了全國約三分之二的石油需求，這使該行業成為受油價波動衝擊最劇烈的重災區。當全球油價因海峽封鎖或衝突升級而飆升時，對消費者的衝擊是即時的。 以近期局勢為例，全美平均汽油價格在短短一週內曾跳升 14％，達到每加侖 3.6 美元，這是自俄烏戰爭爆發以來最大的單週漲幅。對許多中產階級家庭而言，這不只是通膨數據上的變動，而是每個月必須在通勤開銷與日常支出之間做出艱難抉擇。 可以說，只要美國一天不切斷交通運輸對石油的依賴，美國經濟就會持續暴露在油價波動風險之下。 美國國防部已意識到車輛電氣化的重要性 面對石油市場的混亂，電動車或許提供了一種傳統燃油車完全無法實現的穩定性。從能源安全的角度來看，電動車的核心價值在於，它將移動動力來源從「不穩定的全球大宗商品」轉變為「受管制的國內電網」。 當一個電動車主選擇在家充電時，其每加侖成本僅約 1 至 2 美元，且這項成本取決於本地電力費率，而非飛彈或石油輸出國組織的減產決議。 進一步來看，電動車的電力源自美國本土的能源組合，包括太陽能、風能、核能、天然氣，甚至包括部分煤炭。這意味著每一英里的行駛，都是在使用國內資源而非依賴不穩定的外部供應鏈。 國際能源總署（IEA）的報告指出，2024 年電動車已成功使全球石油需求每天減少 130 萬桶；預計到 2030，這一數字將達到驚人的 500 萬桶。這項數據的意義在於，它能有效地削減石油出口國的地緣政治籌碼。甚至連美國國防部也已意識到這一點，並將車輛電氣化列為降低燃料供應鏈物流風險的安全策略。 回顧歷史，中國正在複製日本當年的成功 回顧 1970 年代的石油禁運危機，那是美國汽車工業面臨重大挑戰的時期。當時，底特律的傳統車廠依然沈溺於製造耗油巨大的大型車輛，忽視了能源轉型的信號。結果是，日本車商憑藉優異的燃油效率迅速填補市場真空，讓底特律失去了一個時代的競爭力。 美國車因沒人買單而陷入長期的財政困窘，底特律車廠的競爭力在此後多年受到衝擊，並造成工業地帶大規模的失業。 目前的局勢與五十年前相似，只是主角換成了中國。中國看見石油依賴的風險，將清潔能源與電動車視為「技術競爭與國家主權」的戰略佈局，而非單純的環保議題。 中國官員近期在制定未來五年的政策時，明確將以再生能源為核心的新型能源發展列為首要任務。他們在礦產開發、電池製造與充電基礎設施上的海量投入，已經展現出強大的市場韌性。 當伊朗衝突引發能源波動時，中國憑藉著過往新增的風能與太陽能設施（其規模超過全球其他國家的總和），以及綠色技術對其經濟成長超過三分之一的貢獻，緩衝化石燃料價格上漲帶來的衝擊。可以說中國正在複製當年日本車商的策略，試圖在下一個能源時代主導全球汽車產業。 美國汽車產業倒退？ 正當競爭對手全力加速之際，美國現任政府則調整了方向。近期美國政府撤銷了 2009 的「危害認定」，這不僅動搖了過去 16 年聯邦氣候政策的法律根基，更連帶廢除了美國環境保護署 EPA 針對清潔汽車卡車，所制定的所有溫室氣體排放標準。 美國環境保護署 EPA 前官員、電動車專家 Margo Oge 表示，自己在 EPA 任職期間曾親手協助推動這些標準的建立，當時預估到 2025 年，這些措施能為消費者節省 1.7 兆美元，並每天減少約 200 萬桶的石油消耗： 「目前的政策倒退不僅僅是在環境與公共衛生上的倒退，更是對美國能源安全的嚴重損害。削減電動車稅收抵免、放慢充電基礎設施建設、撤銷排放標準，這些行為無異於在強敵環伺的情況下自廢武功。」 […]

【科技早餐】中國本土 AI 晶片逼近 41%，NVIDIA 在中國不再一家獨大

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊中國本土 AI 晶片逼近 41%，NVIDIA 在中國不再一家獨大 根據國際數據資訊（IDC）數據，2025 年中國 AI 加速器伺服器市場中，本土 GPU 與 AI 晶片廠商合計市占已逼近 41%。NVIDIA 雖仍以約 220 萬片出貨、55% 市占居冠，但領先幅度明顯縮小，反映在美國出口管制與中國「晶片國產化」政策推動下，中國市場結構正快速改變。 其中，華為是本土陣營中出貨最多的業者，阿里巴巴與百度則分列其後。隨著中國持續推動政府機構與企業轉向國產替代方案，試圖降低對美國技術的依賴，美系晶片在中國市場的成長空間，預料還會持續被壓縮。 ＊美國會補晶片設備漏洞，ASML 對中出口再收緊 美國國會跨黨派議員提出「硬體技術多邊協調管制法案」MATCH Act，目標是聯手盟友補上晶片設備出口中國的漏洞，為美國企業建立更一致的競爭環境。法案重點之一，是把艾司摩爾（ASML Holding NV）的浸潤式深紫外光曝光機，也就是 immersion DUV，納入更全面的限制範圍。 這顯示美國現在要收緊的，不只是高階 AI 晶片，也包括生產這些晶片所需的上游設備。若法案後續推進，ASML 與東京威力科創（Tokyo Electron Ltd.）等設備商對中的銷售空間，可能進一步被壓縮，部分中國記憶體晶片大廠取得設備的難度也會提高。 ＊微軟砸 100 億美元押日本，AI 基建直接連到國安 微軟（Microsoft）宣布，將在 2026 到 2029 年間於日本投資 1.6 兆日圓、約 100 億美元，擴建 AI 基礎設施，並加強與日本政府在資安上的合作。這項計畫還包括在 2030 年前培訓 100 萬名工程師與開發人員，並與軟銀（SoftBank）與櫻花網路公司（Sakura […]

【封殺 AI 流量將錯失商機】AI 流量成長速度是人類八倍，企業如何兼顧營收並防禦詐欺？

當企業還在思考如何導入 AI 提升效率時，網際網路的底層生態已悄悄變天：2025 年，網路上跑的 AI 流量，成長速度是真人流量的八倍。 由網路安全公司 HUMAN Security 近期發布的《AI 流量與網路威脅基準報告（The 2026 State of AI Traffic & Cyberthreat Benchmark Report）》，不僅揭露 AI 代理（Agentic AI）如何開始在網路上自主登入與結帳，更指出駭客正利用這波自動化紅利，將帳號接管、信用卡盜刷與惡意爬蟲等攻擊手法全面升級。 報告內容打破傳統防禦思維，點出企業未來的存亡關鍵已不再是單純「阻擋機器人」，而是如何在極端複雜的流量中辨識真實意圖。 面對這波不可逆的浪潮，企業若未及時調整防禦戰略，將面臨前所未有的潛在詐欺災難。以下摘要整理報告的核心數據與行動建議，提供企業快速掌握 AI 時代的流量現實與資安防禦新思維。 📎 這份報告適合誰閱讀？ 這份報告探討 AI 自動化流量的爆發，以及帳號接管（ATO）、信用卡盜刷、惡意爬蟲等網路威脅的最新演變，特別適合以下幾類工作者閱讀： 🔴 報告洞見 網際網路的運作方式已經發生根本性的轉變，從過去以人類互動為中心，正式跨入由 AI 代理重塑的自動化網路時代。 根據 HUMAN Security 最新發布的報告指出，在 2025 年，整體自動化流量的年增長率達到 23.51%，其成長速度大約是人類流量（僅增長 3.10%）的八倍。 這不僅僅是流量數字的暴增，更是網路行為本質的徹底改變。AI 系統不再只是單向讀取網頁資訊，而是開始在網路上自主執行交易與各種複雜互動。企業必須及時調整資安防禦與流量管理戰略，避免營運風險與詐欺災難。 💡 流量巨變！AI 驅動流量的三大演進與寡占效應 數據顯示，從 2025 年 1 月到 12 […]

「數據會成為國家與企業的護城河。」數發部次長侯宜秀點出 AI Ready 發展的關鍵底層與上層

「AI Agent 需要有很多的管理和調教，最底層感知和資料層，和最上面的測試和治理層，是台灣非常好的機會，必須有足夠的在地資料，還有企業內部重要的資料，這些數據會成為國家與企業的護城河，」數發部次長侯宜秀在 TechOrange 科技報橘日前舉辦的「AI Ready 數據治理論壇」致詞時強調。 從企業、城市到國家，要打造專屬於自己的 AI 發展模式，數據已成為具備明確規格且不可或缺的核心基礎。 鴻海科技集團  正在建立「AI Ready」智慧城市大腦 鴻海科技集團董事長辦公室軟體研發處資深經理潘相輔以「整合碎裂數據，建立 AI Ready 智慧城市大腦」為題，分享了鴻海在推動 CityGPT 與智慧城市應用的實戰經驗與觀察，當前企業與政府面臨的核心痛點已非缺乏資料，而是如何透過 AI Agent 自動化處理龐雜的數據流，提升治理效率。 潘相輔先以「生活圈發展」比喻 AI 宜居城市的發展，將其歸納為交通、機能、人潮三大元素。「交通」表示底層技術，包含算力基礎等建設，當基礎建設完善後，便會發展出「機能」，結合社會化數據與多元應用服務，當交通與機能到位後，將吸引「人潮」，進而完成 AI 宜居城市的標準化建置。 然而在建置過程中，如何讓 AI 精準存取資料是關鍵挑戰。「過去 API 是為工程師設計，讓工程師能理解並帶入參數撈取資料，但若直接交給 AI 處理，AI 常因無法辨識正確參數而盲目測試，耗費運算資源。」潘相輔表示，為此鴻海強調建立「資料說明與詮釋」標準的重要性，並透過多個 AI Agent 協作的自動化調優流程，引導 AI 精準執行任務。 台灣數位平台經濟協會  分析六都智慧城市治理發展 「協會與政治大學研究團隊耗時一年多，透過 18 位專家學者、102 項關鍵指標，以及包含智慧科技、智慧經濟、智慧民眾、智慧治理及智慧環境的五大構面，客觀評估台灣六都的數位發展狀況，」台灣數位平台經濟協會理事長劉于遜分享即將在 5 月份發布的「六都數位政策調查研究」。「治理是本質，硬體只是輔助，」劉于遜指出，目前六都在硬體基礎設施已趨於同步，城市競爭的關鍵分水嶺已轉向智慧治理，政府數位能力是成功的核心引擎，施政團隊是否具備數位思維、能否將數據整合並落實「決策科學化」，才是拉高城市競爭力的真正分水嶺。 台灣帆軟  打破數據孤島，助半導體企業將每日資料匯整降至 10 分鐘 無論是資料治理或企業營運，高品質的底層數據都是發揮智慧化成效的關鍵基石。 「許多企業看起來像在做 AI，但底層數據卻仍仰賴人工以 […]

Anthropic 逾 50 萬行原始碼外洩的警訊：拆解部署烏龍與 AI 時代的內部治理盲區

Anthropic 近日因部署流程失誤，意外外洩其 AI 工具 Claude Code 約 50 萬行原始碼。雖然該公司強調事件未涉及模型權重或客戶資料，但外流內容卻揭露其關鍵的 AI 代理運作方式與任務流程設計，使這起事故迅速從單純資安事件，升級為涉及產品策略的風險事件。 事件發生後，Anthropic 緊急向 GitHub 提出大規模下架請求，一度要求移除超過 8,000 個相關程式碼副本與衍生版本，隨後又將範圍縮減至僅針對 96 個儲存庫，顯示原始碼在短時間內已快速擴散並難以完全控制。即使 Anthropic 官方介入，相關程式碼仍持續透過社群、私下分享與重製版本流通。 一次部署失誤，讓 AI 工具的核心設計曝光 根據《The Wall Street Journal》與《Bloomberg》報導，這起事件起因於封裝流程中的人為疏失，使原本應經過混淆處理的程式碼，透過除錯用的對應檔案被還原。外洩內容涵蓋約 1,900 個檔案與 512,000 行程式碼，主要集中在 Claude Code 的控制機制與工具整合方式。 這些內容並未揭露大型語言模型本身的權重，但卻清楚呈現 Anthropic 如何讓模型實際執行任務，包括記憶管理方式、任務拆解流程，以及多步驟工作的協調邏輯。也因此，外界關注焦點很快從是否發生資安漏洞，轉向競爭對手是否因此掌握產品設計關鍵。 資安公司 Tanium 研究主管 Melissa Bischoping 告訴《Bloomberg》，這類外洩等同於提供一份「系統運作藍圖」，讓對手更容易理解架構並尋找可利用之處。 AI 競爭，正從模型能力轉向工作流程設計 這起事件之所以引發高度關注，在於它揭露了 AI 產業競爭的結構性轉變。過去競爭焦點集中在模型本身，例如參數規模與推理能力，但 Claude Code 的外洩顯示，真正的差異化正逐漸轉向「模型如何被使用」。 換句話說，競爭核心正從單一模型能力，轉向如何設計完整的任務流程與系統運作方式。Claude Code 的價值，不只是生成程式碼，而是能將模型整合為可執行工作的工具。 […]

百度無人計程車在高速公路停駛數小時！Apollo Go 事件揭自駕商業化考驗

《南華早報》報導，中國科技巨頭百度的自動駕駛車輛 Apollo Go 在武漢發生故障，導致多名乘客在交通繁忙的高速公路上滯留數小時，此次車輛在中國中部城市突然停駛，對這家科技巨頭的自駕計程車全球擴張計畫造成打擊。 自駕車失靈誰來救？百度 Apollo Go 在武漢故障，應變能力受考驗 根據武漢市交通部門的公告，受影響的乘客自三月三十一日晚上 8 點 57 分起，紛紛撥打交通警察求助電話，交通警察與 Apollo Go 百度自駕單位的工作人員隨即前往救援，許多 Apollo Go 自動駕駛計程車在道路中央停駛，事件據悉未造成人員傷亡。 《南華早報》提及，從事直播工作的 Luka Lu 在晚上叫了一輛 Apollo Go 前往工作地點。大約 15 分鐘後，他的車輛突然在三環線中間停下。Lu 週三對《南華早報》表示：「當時正值晚間交通高峰，兩側都是貨運卡車，非常危險。」他花了超過 30 分鐘並打了十幾個電話才聯繫上 Apollo Go 客服，客服人員指示他待在原地，等待工作人員前來協助。「我又等了一個小時，但公司沒有人出現，所以只好報警，警察派了巡邏車將我接回來，」Lu 補充道。 武漢市公安局交通管理部門在公告中表示，初步評估認為此次事件是由「系統故障」引起，未揭露更多細節，目前尚不清楚此次故障影響了多少車輛與乘客。《南華早報》指出，截至 2024 年中，Apollo Go 在武漢營運約 500 輛自駕車，是全球最大規模的自駕車隊之一，此事件發生之際，百度正積極拓展全球 robotaxi 服務，並在歐洲與中東簽約合作夥伴，以與中國其他公司如 WeRide 和 Pony.ai 競爭。 Apollo Go 事件敲警鐘：自駕車背後「人類決策」成安全關鍵 這次 Apollo Go 在武漢的當機事件並非單一現象，而是揭露了全球自動駕駛產業共同面臨的痛點：當系統遇到無法判斷的情境時該怎麼辦？因為即使是多數時間運作順暢的 […]

史上最大 IPO 要來了？SpaceX 目標估值上看 1.75 兆美元，市場買單的不只是火箭

在 IPO 市場沉寂數年之後，一筆可能改寫歷史的上市案正在醞釀當中。根據《Reuters》與《Bloomberg》報導，SpaceX 已秘密向美國監管機構提交 IPO 申請，目標估值上看 1.75 兆美元，募資規模可能達 500 億至 750 億美元，一舉超越 2019 年 Saudi Aramco 的紀錄，成為史上最大 IPO。 但對市場來說，這場上市的關鍵早已不只是火箭。真正決定 SpaceX 估值的核心，正快速從航太工程，轉向通訊網路、AI 基礎設施與資料中心能力。 史上最大 IPO：市場等待的 mega IPO 回歸 此次 IPO 若順利完成，將不只是 SpaceX 的資本事件，更被視為整體資本市場的重要轉折點。《Bloomberg》指出，SpaceX 可能在 6 月上市，並有機會成為新一輪 mega IPO 的開端，後續包括 OpenAI 與 Anthropic 等 AI 公司，也被市場認為正在評估上市時機。 這背後反映的是一個結構性變化：過去幾年，大型科技新創長期停留在私募市場，但當 AI 成為華爾街最核心的敘事，資本市場開始重新準備承接這些超大型科技資產。而 SpaceX 很可能就是第一個試水溫的指標。 估值破兆的關鍵不是火箭，是 Starlink 帶來的現金流 若只用火箭公司來看 SpaceX，1.75 兆美元的估值顯得難以成立。但外電指出，市場真正買單的，是另一條業務線：Starlink。根據《Reuters》與《Bloomberg》資料，Starlink […]

在新加坡上路了！東南亞首家 Robotaxi 叫車平台：Grab 結盟 WeRide 望翻轉獲利困局

東南亞的「超級App」 Grab 與中國自動駕駛公司 WeRide 合作，成為東南亞首家推出無人駕駛服務的叫車平台。《Bloomberg》報導，Grab 押注這項技術有助於降低成本，並在高密度城市交通中驗證自動駕駛計程車（robotaxi）的可行性。 千名乘客、3 萬公里測試後上線！Grab 司機轉型「安全操作員」 Grab 與 WeRide 在新加坡 Punggol 社區的兩條核准路線上，啟動自動駕駛服務，沿途設有多個停靠點。首批由 11 輛車組成的車隊，主要負責接送居民往返附近設施與交通樞紐。對外開放前，該服務已歷經數月測試與數據蒐集，自去年 9 月啟動以來，車隊服務超過 1,000 名乘客，並累積超過 30,000 公里的自動駕駛里程。 《Zag Daily》提及，此次推出的服務，標誌著新加坡自動駕駛汽車路線圖邁出了重要一步，該路線圖的目標是到 2026 年底佈局 100 至 150 輛自動駕駛汽車。WeRide 在新加坡與 Grab 的合作，呼應其亞洲與中東擴張戰略，WeRide 近期透過與Uber的合作，在杜拜推出了完全無人駕駛、收費的機器人計程車服務，該公司在阿布達比的服務已覆蓋 70% 核心區域。 導入自動駕駛技術的同時，Grab 與 WeRide 也積極為人力轉型做準備。Grab 表示，在公共試營運初期，每輛自駕車仍配置安全操作員，以確保行程順暢與安全，目前已有 14 名 Grab 司機完成由 WeRide 與 GrabAcademy 提供的專業訓練，取得認證成為安全操作員，另有一批司機正接受培訓與評估中。 WeRide 與 GrabAcademy 也啟動遠端操作員訓練，讓學員學習如何在新加坡自動駕駛載客計畫 Ai.R（Autonomously […]

東吳大學攜手 NVIDIA 利用 AI 與 XR 實境技術，打造跨域智慧學習基地

在 AI 浪潮席捲全球的當下，高等教育同時面臨著人才定義的翻轉。「如果培育人才只著重於技術能力的提升，很容易讓人才只會寫程式，但缺乏對於社會的關懷。」東吳大學資料科學系副教授兼系主任蘇明祥表示，教育部近年積極推動校園的數位人文轉型，希望未來職場對人才的需求不僅須具備撰寫程式的硬實力，同時更需具備對環境與社會脈絡的敏銳洞察力。 東吳大學詹乾隆校長也進一步提出「人文關懷心，科技應用腦」的人才願景，期許學生在掌握科技工具的同時，能帶著同理心發掘問題，進而創造出有意義的科技應用，才是學生們在未來職場上難以被取代的競爭優勢。為具體落實此願景，東吳大學推出「AI 教育創新與智慧學習空間建設計畫」，透過建立 AI 與 XR 教學場域，打造跨領域智慧學習基地，培養具備 AI 技術、創新應用與人文思維的未來人才。 AI 創新學習中心導入 NVIDIA RTX 50 系列解決 AI 算力瓶頸 「過去學生只會在電腦教室學理論或進行簡單實作，卻不知道技術能應用在哪裡。」蘇明祥教授表示，過去老師教授理論，學生進而完成一個簡單的實作，但其實不知道實際可以應用在哪裡，如果學校能提供一個展示成果的平台或機會，就能讓學生從單純的理解理論升級為創新應用。 為落實「人文關懷心，科技應用腦」的人才願景並縮短理論與實作的落差，東吳大學攜手 NVIDIA 打造 AI 創新學習中心，同時為了讓學生有完整的實踐過程，引進高階的 NVIDIA RTX 50 系列設備，解決過去學生所面臨的算力瓶頸。蘇明祥教授表示「過去學生在建置一個大語言模型做應用時，他們第一個遇到的問題就是算力不足，就只能跑一個簡易版的系統，但看不出他們實際做出來的系統威力有多大。」引進 NVIDIA RTX 50 系列的設備後，學生不僅具備處理大語言模型與深度學習的實戰能力，還能跨越技術門檻，開發出符合產業界需求的高強度專案。  1+1 大於 2 的創新學習模式，用 AI 重現《三國演義》 「學生首先在 AI 創新學習中心進行程式開發或模型訓練，再把成果移到 XR 虛擬實境教室體驗真實運行的效果，並藉此調整系統不足之處。」蘇明祥教授表示，在具備強大的算力基礎後，東吳大學將於今 (2026) 年 8 月進一步建置「XR 虛擬實境教室」，整合 VR、AR 與 MR 技術，將 AI 訓練出的模型直接投放進虛擬世界中，達到 […]

首屆 iKala Connection Day 登場！全新 GEO 平台 Chroma 與「企業龍蝦」iKala Nexus首屆 iKala Connection Day 登場！共築 AI 新視野

跨國 AI 公司 iKala 今日盛大舉辦首屆「iKala Connection Day」，以「數據共生・串聯企業核心的 AI 轉型實踐」為核心主題 ，邀集 Google Cloud、CloudAD、 momo 富邦媒體科技及輝葉按摩椅等產業領袖 ，深度剖析 AI 驅動的企業轉型架構 。會中正式亮相全新 AI 應用平台 iKala Foundry，其旗下產品 Chroma 針對 GEO（生成式引擎優化） 趨勢提出獨家深度解方 ；同時宣布聯手「企業龍蝦」般的 iKala 旗下產品 Nexus，全方位賦能企業，建構 AI 驅動的全新競爭力 。 iKala 提出 2026 企業轉型核心：回歸真實性與決策精準化 iKala 共同創辦人暨集團董事長、TiEA 理事長程世嘉（Sega Cheng）領銜開場時指出，2026 年被定調為「AI 代勞元年」。真正的企業轉型並非僅是更換系統或訂閱工具，而是「決策方式的改變」。他強調，企業應思考如何運用數據與 AI 協作，在資訊爆炸的環境中做出更快速、更精準的判斷 。 程世嘉進一步分析，當前正處於 SEO 與 GEO（生成式引擎優化） 的關鍵轉捩點。隨著「代理式網路」全面擴張，AI 產製內容雖在量級上佔據絕對優勢，卻意外觸發了「稀缺溢價」效應，使「真實性」躍升為品牌最寶貴的戰略資產。程世嘉指出，人類原創內容具備不可取代的「信號」，其搜尋紅利高出 AI 內容 4 […]

Replit Agent 4 用「數位畫布」重新定義氛圍編碼，將程式開發變成平面設計

AI 雲端程式開發平台 Replit 的 Agent 4 ，透過數位畫布（digital canvas）新功能，重新定義矽谷軟體圈的氛圍編碼（Vibe coding）概念，將 AI 代理輔助程式開發推向更高層次。

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

在日本石川縣金澤的一間工廠裡，工程師只需站在一台如同金屬小屋般的設備前，點擊螢幕，便能與一個虛擬角色對話，完成複雜的加工設定。這個名為「KAYA」的對話式 AI，正是日本精密製造商 ARUM Inc. 最新推出的核心技術之一，目標是重新定義精密加工的人才門檻與生產效率。 對話式 AI 助手「KAYA」降低精密製造門檻 KAYA 是一套建構自微軟 Azure OpenAI 與語音技術上的人機介面，並採用 GPT-5 模型運作。當操作人員匯入零件設計檔後，系統會即時分析幾何形狀與加工需求，並透過自然語言逐步引導使用者完成每一道工序，包括更換刀具、調整工件位置等細節。這樣的互動方式，讓原本高度仰賴經驗的 CNC（電腦數值控制）加工流程，得以被初階人員快速掌握。 這項突破的關鍵，在於 ARUM 將長年累積於資深技師腦中的「隱性知識」轉化為可計算的數據模型。其核心軟體 ARUMCODE，透過圖神經網路整理材料特性、刀具選擇與切削條件之間的複雜關係，建立出龐大的知識圖譜。過去需要熟練技師花費 1 小時撰寫的加工程式，如今只需要 4 分鐘就可以自動生成，顯著壓縮生產前置時間。 這種效率提升對於高混合、低產量的精密零件產業具有關鍵意義。此類產品通常客製化程度高、單價昂貴，任何時間成本的降低都直接影響利潤空間。ARUM 的解法讓設計與試產周期大幅縮短，有案例顯示，醫療設備零件的開發時間可從數月縮減至數週，企業能更快回應市場需求。 破解製造業高齡化危機，以 AI 實現技術傳承與自動化 12 步流程 KAYA 所屬的整體系統，是 ARUM 打造的 TTMC（全自動化加工中心）。該系統已實現從設計圖轉換到成品產出的完整自動化流程，涵蓋 12 個關鍵步驟，並大幅降低人工介入程度。 技術之外，更深層的背景是日本製造業正面臨結構性的人才危機。官方與產業研究普遍指出，製造業長期處於人力供給不足狀態，工程師平均年齡已超過 50 歲，年輕勞動力補充有限。精密加工這類需要長時間訓練的技術領域，受到的衝擊尤為明顯。熟練技師的培養往往需耗時數年，企業在技術傳承上承受巨大壓力。 ARUM 的策略是將工匠經驗數位化，並透過 AI 讓知識可被複製與擴散。這種做法不僅提升單一工廠的生產能力，也為整體產業提供一種新的運作模式。當加工流程被標準化並嵌入演算法後，企業能以更低門檻培養操作人員，同時維持高精度品質。 ARUM 也正進一步規劃更大規模的製造網路。該公司構想將多個 TTMC 機台串聯成分散式生產系統，並透過雲端平台統一調度；一旦某地區因自然災害或其他因素導致產能中斷，其他地區的機台可即時接手生產任務，提升整體韌性。這種架構與雲端運算的結合，使製造業逐步朝向軟體定義的模式演進。 【推薦閱讀】 ◆ 製造業如何擺脫 AI 單點優化？IBM 拆解常見的「5S」挑戰，揭開規模化導入 […]

【科技早餐】甲骨文裁員上限恐達 3 萬人，AI 基建壓力開始反映在人力上

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊甲骨文啟動大規模裁員，AI 基建壓力開始反映在人力上 甲骨文 (Oracle) 3 月 31 日正式啟動新一波裁員。根據外媒報導，這波裁員已波及美國、印度等多地員工，其中目前確認將裁減 491 名遠端與西雅圖員工。雖然公司尚未公布全球總裁員數字，但市場估計，若甲骨文大幅精簡人力，規模上限可能達 2 萬到 3 萬人，約占總員工數近兩成。 多家外媒指出，不少員工是在美東時間清晨收到通知信，內容寫明職位因更廣泛的組織改革被取消，且收到通知當天就是最後工作日。這波調整的背景，是甲骨文正加大 AI 基礎設施支出，要支應資料中心擴張與雲端業務競爭。公司已預告 2026 會計年度重組成本上看 21 億美元，各家科技公司也正重新配置人力與資源，把更多重心轉向 AI。 ＊OpenAI 一口氣募到 1,220 億美元，AI 進入資本密集交卷期 OpenAI 3 月 31 日宣布完成最新一輪融資，總額達 1,220 億美元，投後估值來到 8,520 億美元。這輪資金由 NVIDIA、亞馬遜 (Amazon)、軟銀 (SoftBank) 等策略與金融投資人共同支持，微軟 (Microsoft) 也持續參與；公司同時首度透過銀行通路，向個人投資人募集超過 30 億美元，並宣布將被納入方舟投資 (ARK Invest) 旗下多檔 ETF。 OpenAI 也同步揭露最新營運數字。公司表示，目前月營收已達 20 億美元，ChatGPT […]

AI 原生企業崛起：為什麼 Jack Dorsey、祖克柏都在重寫公司架構設計？

當 AI 從聊天機器人、寫程式助手，進一步滲入產品開發、資訊流動與日常決策流程，企業真正被改變的，可能不只是員工效率，而是公司本身怎麼被設計。近期，從 Block 執行長 Jack Dorsey、紅杉資本合夥人 Roelof Botha，到紅點創投與 Meta 執行長祖克柏都接連釋出相同訊號：一種「AI 原生企業」的組織型態正在浮現。 今年 2 月，Dorsey 主導的 Block 宣布裁減約 40% 人力，員工數從超過 1 萬人降至不到 6,000 人。值得注意的是，這項決策並非出於財務壓力，而是在 2025 會計年度交出 103.6 億美元毛利、年增 17% 的成績後進行。市場對此反應正面，Block 股價一度上漲約 22%。 Dorsey 當時給出的說法，不只是公司「變瘦」，而是 AI 已經改變了經營一家公司的基本定義。他在內部與投資人溝通時提到，Block 的 AI 程式代理 Goose 已幫工程師每週節省 8 到 10 小時，而在裁員宣布時，公司最近的程式碼提交中已有 90% 由 AI 撰寫。他表示，「一個規模小得多的團隊，利用我們正在開發的工具，可以做得更多、更好。」 不久之後，Jack Dorsey 與紅杉資本合夥人 Roelof Botha 共同發表了一篇名為「從層級到智慧（From […]