Archives

【GTC 2026】黃仁勳：每一家工業公司都將成為機器人公司，自動駕駛的 ChatGPT 時刻已經到來

在 GTC 2026 黃仁勳的專題演講尾聲，出現一位意想不到的來賓：會走路、會對話的《冰雪奇緣》 Olaf （雪寶）機器人。這個機器人運行在 Jetson 平台上，並在 Omniverse 裡學會走路，隨後透過整合進 Newton 物理引擎的 NVIDIA Warp 框架，成功適應真實的物理世界，成為 NVIDIA 對外展示實體 AI （Physical AI）的一個具體樣貌。 Olaf 的登場，讓外界更容易理解 NVIDIA 所說的 AI，未來將不只存在於雲端或手機裡，而是會進一步嵌入機器人、汽車等實體載具中，具備感知、理解、做出反應的能力，並真正走進真實世界進行導航、互動與行動。 NVIDIA 端出機器人時代完整技術堆疊 「實體 AI 已經到來，每一家工業公司都將成為機器人公司，」黃仁勳說。由於機器人正從特定任務機器，走向具備適應能力的通才系統，因此需要更接近人類的推理、感知、決策與自主行動能力。 為了迎接這項趨勢，NVIDIA 正試圖為機器人時代建立技術堆疊與基礎。《The Deep View》指出，NVIDIA 並沒有自己下場製造硬體，而是透過提供世界模型（World Models）、模擬框架（Simulation Framework）與人形模型（Humanoid Models），讓自己成為整個機器人生態系共同依賴的基礎層。 對應這項核心目標，NVIDIA 宣布推出新的 Cosmos world models、Isaac simulation frameworks 與 Isaac GR00T N models，目的是加速機器人從開發、訓練到部署的整體流程。這次推出的多個實體 AI 基礎模型中，包含用於複雜環境導航的 Cosmos 3，以及面向人形機器人（humanoid robots）、被官方稱為「可商業化部署於真實世界」的 […]

【GTC AI 晶片亮點一次看】瞄準 AI 推理、進軍太空，黃仁勳在 GTC 端出哪些猛料？

「代理式 AI 的關鍵轉捩點已經到來。」萬眾矚目的 NVIDIA GTC 2026 大會登場，NVIDIA 執行長黃仁勳在主題演講展示了一系列最新產品，包含一款全新的 CPU，以及一套基於 Groq 技術打造的 Vera Rubin AI 系統等，向 AI 晶片產業的其他公司發起了挑戰。黃仁勳更預測，自 2025 至 2027 年，NVIDIA AI 晶片的收入可能至少達到 1 兆美元，這比先前預測又翻了一倍。 這些動作，是黃仁勳強化 NVIDIA 在「推論運算」（inference computing）市場佈局的一部分。所謂推論，就是讓 AI 回答問題、實際執行任務的階段；而在這個領域，NVIDIA 的 GPU 正面臨來自 CPU，以及像 Google 等公司自研客製化晶片的競爭。相較之下，過去幾年 NVIDIA 的優勢主要集中在 AI 模型訓練市場。 在這場長達 2.5 小時的演講中，NVIDIA 如何迎接代理式 AI 的關鍵轉捩點？本文精選出 4 大亮點帶你看看。 亮點一：Vera Rubin 平台開啟代理式 AI 前沿 NVIDIA […]

達明機器人登 GTC 2026：發表全新 AI 策略與人型機器人 TM Xplore I

致力於定義機器人下一個十年的 AI Robotics 領導者達明機器人，於 NVIDIA GTC 2026大會中展出與雲達科技（QCT）及NVIDIA 的最新策略合作成果 。達明機器人同步宣告 2026 年全新品牌策略「See · Think · Act — Powered by AI Robotics」，透過整合協作手臂與人型機器人的雙引擎架構，展現從智慧製造邁向 Physical AI 的技術突破 。 此次展出的最大亮點，為達明機器人全新開發的人型機器人平台 TM Xplore I 。該平台結合人形上半身與輪式行動底座，具備高度穩定性與靈巧操作能力 。TM Xplore I 搭載達明「See, Think, Act」核心技術，並由 NVIDIA Jetson Thor 模組驅動，支援高性能邊緣 AI 運算 。透過導入 Vision-Language-Action（VLA）多模態模型，TM Xplore I 能夠進行多模態感測器融合、生成式 AI 推理與自主導航，快速適應半導體製程、電子組裝及汽車製造等需要高精準度的複雜自動化任務 。同時，達明機器人也擴大導入 NVIDIA Isaac Sim 及 NVIDIA FoundationStereo […]

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？

在現代戰爭的演變過程中，無人機系統（UAS）已從單純的偵察工具，快速演變為決定戰局勝負的關鍵力量。面對全球地緣政治局勢的劇烈變動，美國國防部以前所未有的速度推動低成本無人機的大規模部署，並將無人機系統供應鏈安全視為國家防禦的核心命題。 這場轉型的核心，是由國防部統籌、近期移交至國防合約管理局（DCMA）主導的「藍色無人機系統」（Blue UAS）計畫。這個計畫不僅是一個核准採購的清單，更是美國試圖在中國主導的全球無人機市場中，重新奪回主動權並重塑國防採購模式的關鍵戰略手段。 美軍加速部署低成本無人機策略 過去十年，美軍的裝備採購往往傾向於高價、高科技且研發週期漫長的平台。然而，烏克蘭戰場的實戰經驗揭示在高強度的戰場環境中，無人機已成為一種高度消耗性的物資，數量優勢往往比單機性能更具威懾力。 因此，美國國防部開始轉向大規模採用小型、低成本且可隨時拋棄的無人機系統。為了達成此目標，藍色無人機系統清單應運而生，成為美軍各軍種以及聯邦機構採購與部署無人機的重要安全清單之一。 這份清單的存在，極大地簡化了傳統繁瑣的軍事採購流程。透過預先篩選出一系列符合安全標準的商用現貨（Commercial Off-the-Shelf，簡稱 COTS）的無人機，基層部隊不再需要經歷漫長的個別審查流程，即可快速獲得可投入戰場的裝備。 根據最新進展，已有數十款型號通過了訓練用途審核，其中包含如 Shield AI 的 V-Bat、Skydio 系列以及 AeroVironment 的 Red Dragon 等指標性機種，更有近三十款無人機已通過更為嚴苛的作戰部署審核。 美國國防部的目標非常明確，他們要在短時間內將數以十萬計的低成本無人機送入前線，形成壓倒性的戰力規模，這也正是「無人機優勢計畫」（Drone Dominance Program）所追求的技術與數量雙重壓制。 供應鏈安全：從資安風險到國家戰略 在推動大規模部署的同時，美國國防部深知，若無人機系統的底層技術與供應鏈，仍掌握在潛在對手手中，那麼這種數量優勢將成為巨大的安全隱患。因此，供應鏈安全儼然已成為無人機政策的靈魂。 Blue UAS 計畫的評估標準極為嚴苛，涵蓋了法律合規性、網路安全漏洞，以及最重要的零件來源追蹤。這不僅僅是為了防止數據洩漏或遠端干擾等資安風險，更是為了應對中國在全球商用無人機市場中佔據近九成市場所帶來的憂慮。 美國白宮的決策者們意識到，中國隨時可能透過出口管制，限制如馬達、電路板或關鍵偵測器等核心組件的供應。一旦發生衝突，若美軍的無人機生產高度依賴外部供應鏈，其戰力將在瞬間癱瘓。 因此，Blue UAS 清單扮演了「供應鏈過濾器」的角色，確保核准的系統符合《國防授權法》（NDAA）中關於外國實體限制的規定。透過這種方式，國防部正在強行切割與高風險供應鏈廠商的聯繫，試圖在美國本土及盟友體系內建立一個封閉且安全的生態系。 無人機要做到「全美製」是大挑戰 不過，美國無人機產業在脫離中國供應鏈的過程中，面臨著極大的成本與產能壓力。一個令人感到尷尬的事實是，即便是在 Blue UAS 清單上的許多核准系統，其內部零件，尤其是馬達等被視為「啞零件」（dumb components）的硬體，目前仍有相當比例源自中國。雖然專家認為馬達本身較不涉及間諜活動風險，但其背後的供應韌性問題一樣令人擔憂。 目前，美國本土生產的無人機零件不僅成本遠高於亞洲產製品，產能規模也遠不足以支撐「無人機優勢計畫」所需的數十萬架產出。倘若全球貿易發生中斷，美國的無人機生產線可能會立即陷入停滯。 因此，像美國小型無人機系統（sUAS）零件製造商 NW Blue 這樣的企業在清單中的地位顯得格外重要；他們提供的 Cube Orange+、Here4 導航系統等符合 NDAA 規範的關鍵組件，正成為系統集成商建構「全美製」或「去中國化」系統的基礎。 不過，如何提升這些本土零件的規模經濟，進而降低整體採購成本，仍是美軍在短期內難以完全克服的挑戰。 國防版本亞馬遜電商，採購合格零件像在網購 為了突破產能與技術瓶頸，美國國防部正藉由「Blue UAS」計畫推動一場採購革命。這場變革最顯著的標誌是管理權責的轉移，2026年，該計畫由專注於創新的國防創新單位（DIU）移交給負責大規模生產監管的國防合約管理局（DCMA）。這一轉向象徵著「藍色無人機」已從實驗性的試點計畫，正式進入國防部的常規採購體系與物流命脈。 DCMA 的目標是建立一個像是國防版本亞馬遜電商，讓政府人員能像網路購物一樣，直覺且快速採購合格零件。 此外，「無人機優勢計畫」下的競爭性測試，如在喬治亞州舉行的「Gauntlet」測試，正吸引著大量新創企業、國防工業巨頭甚至烏克蘭的實戰軟體開發者參與。這種採購模式不再是長達十年的研發合約，而是以「月」為單位的快速迭代。 […]

將螢幕錄影化為 AI 代理訓練素材，Guidde 用「影片教學」讓 AI 學會模仿人類操作

傳統訓練 AI 代理的方式不同，Guidde 藉由捕捉「真實人類專家」使用複雜軟體時的操作軌跡，建構成一條帶有豐富資訊流的「影片基準資料」，進一步投入 AI 代理進行訓練。

為什麼這個角落的商品賣不掉？看懂線下熱點，用 WiFi 數據拯救門市冷門區位

過去，零售門市的營運判斷多半依賴直覺與經驗。商場管理者會透過人流計數器、抽樣觀察或租戶回報，試圖理解顧客動線與消費行為；如今，越來越多零售商開始把目光投向另一種資料來源：顧客手機所發出的 WiFi 訊號。透過分析這些訊號，門市得以建立類似「線下版 Google Analytics」的數據系統，讓原本難以量化的顧客行為變得可被觀察、分析與優化。 透過 WiFi 數據分析停留時長與熱點圖、解構顧客意圖 當顧客走進商場或門市時，手機會搜尋或連接周圍的 WiFi 網路。零售商部署的 WiFi 分析系統能以匿名方式識別裝置訊號，進而建立訪客的行為輪廓。系統可以判斷顧客是首次造訪或回訪者，並記錄到訪時間、停留時長，以及在店內不同區域的移動與停留情況。隨著資料長期累積，零售商便能描繪出顧客的動線模式與興趣偏好。 這些洞察也讓實體門市能更精準地進行個人化互動。例如，當系統辨識到熟客再次進店時，可以依據過去的停留區域或購買紀錄，推送相關優惠券或商品推薦，將原本隨意的逛街行為轉化為實際消費。透過這種方式，零售品牌得以在大規模客流中維持個別化服務，使門市從單純的商品陳列空間，進化成能理解顧客需求的智慧零售場域。 除了個人化推薦，WiFi 數據對於門市營運另一項重要價值，在於店內動線與商品陳列的優化。透過顧客移動軌跡所形成的熱點圖（Heatmaps）與停留時間（Dwell Time）分析，零售商能清楚看見哪些區域人潮密集，哪些角落長期乏人問津。這些資訊讓商品陳列策略從過去的經驗判斷，轉變為數據導向的決策。 例如，一家門市可能發現某個角落的產品展示區長期表現不佳，但 WiFi 數據顯示顧客在鄰近區域停留時間很長。透過分析兩個區域之間的動線關係，門市可以重新安排商品展示或調整走道設計，引導顧客自然地走向原本冷門的區位。這類細微的動線調整，往往能顯著提高某些產品區域的曝光率與轉換率，也讓坪效得到實質提升。 WiFi 數據還能成為品牌爭取黃金櫃位的談判籌碼 對零售商而言，WiFi 數據還帶來另一層更具策略意義的改變：重新平衡與商場房東之間的資訊權力。過去，商場經營者通常掌握整體人流數據，租戶只能依賴房東提供的統計資料來評估店面位置與租金合理性。但當品牌自己部署 WiFi 分析系統後，零售商也能取得精確的客流與行為數據。 更進一步，這些數據還能揭示不同店鋪之間的關聯，例如分析顧客是否會先造訪咖啡店，再進入隔壁服飾店，或在某些餐飲店用餐後停留在特定零售區域。透過這種跨店鋪的行為關聯（Cross-tenant Correlation），零售商可以證明自己的品牌是否具備「帶客力」。若數據顯示顧客經常在造訪某品牌後轉往其他店鋪消費，該品牌便能在續約談判時提出更有力的證據，爭取更好的櫃位或更合理的租金條件。 對商場經營者而言，這些資料同樣具有價值。透過整體人流與停留時間的長期觀察，管理者可以更精準地調整租戶組合，比方說將高停留時間的餐飲品牌與零售品牌安排在相鄰區域，或在動線交會處引入快閃店與短期品牌測試市場反應，形成一個可透過數據持續優化的消費生態系。 然而，WiFi 分析的應用也伴隨著隱私與技術上的挑戰。多數系統會以匿名方式處理裝置資料，並遵循各地的隱私法規與用戶同意機制，但企業仍需要確保資料收集與使用過程透明且合規。此外，並非所有顧客都會開啟 WiFi 或攜帶可被偵測的裝置，因此數據模型必須經過長期校正，避免將樣本偏差誤解為真實行為。 即便如此，WiFi 數據仍有機會成為實體零售數位轉型的重要基礎。當線上電商長期依靠數據優化用戶體驗時，實體零售如今也開始建立自己的分析工具。未來的門市，或許就像一個大型的實體網站，每一條動線、每一個停留點，都能成為理解顧客與提升營運效率的關鍵訊號。 ＊本文開放合作夥伴轉載，參考資料：《propmodo》、《Comcast Business》，首圖來源：Unsplash （責任編輯：廖紹伶）

【科技早餐】Meta 鎖五年算力、豪砸 270 億美元，AI 基建戰正式進入長約時代

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊Meta 一口氣鎖五年算力，270 億美元把 AI 基建再往前推 Meta 最新與 AI 基礎設施供應商 Nebius 簽下總價值 270 億美元、為期五年的合作協議。根據《路透社》報導，合約包括 120 億美元的專屬算力部署，並保留最高 150 億美元的額外採購彈性。Nebius 將採用 NVIDIA 下一代 Vera Rubin 平台，預計今年下半年供應、明年初開始交付，顯示大型平台公司仍在持續擴大 AI 基礎建設布局。 另一個市場高度關注的訊號，是 Meta 內部也傳出正在評估裁員 20% 以上，以抵銷今年暴增的 AI 支出。雖然公司並未證實這項裁員計畫，但若方向成真，代表大型科技公司一邊加碼 AI 設備與算力，一邊重新計算組織規模與人力配置，已逐步成為新的經營邏輯。 ＊從 AI 機櫃到人形機器人，鴻海在 GTC 一次端兩張牌 鴻海董事長劉揚偉在 3 月 16 日法說會表示，集團今年 AI 機櫃出貨可望逐季成長，AI 伺服器市占率目標維持在四成左右，並預期每週 2,000 櫃產能不是問題，目標是在美國打造最大 AI 伺服器生產基地。鴻海也預告，將在 GTC […]

會翻跟斗的機器人沒必要？Rivian CEO：最重要的其實是「手」

近年來，人形機器人影片在網路上頻頻爆紅，不論是會翻跟斗或能跳舞的機器人，看似展現驚人的技術能力，但在電動車公司 Rivian 執行長 RJ Scaringe 看來，這些炫技展示未必代表機器人真正的產業價值。 Scaringe 最近創立了新的機器人公司 Mind Robotics，並完成了由 Accel 和 Andreessen Horowitz 兩家創投公司共同領投的 5 億美元 A 輪融資，目前估值 20 億美元。他在接受《TechCrunch》訪談時表示，機器人設計應該從任務需求出發，而不是單純追求人形或展示技術能力。 炫技能力未必等於實用價值 Scaringe 指出，他能理解機器人公司展示能翻跟斗或做高難度動作的人形機器人，主要目的是證明機器人的靈活度與控制能力，但是「如果你走進 Rivian 的工廠，你幾乎看不到有人能做後空翻。」 Scaringe 的意思是，在工業機器人的設計中，最常被忽略的一點其實是「工作本質上是用手完成的」。從機器人系統的角度來看，其他所有結構與功能，其實都是為了把手精準地帶到需要操作的位置。因此，一些展示高難度動作的能力，例如後空翻，對於多數實際工作而言，反而意味著不必要的複雜設計。 他認為，在製造場域真正重要的是降低系統複雜度、減少故障可能性並降低能耗。未來的機器人仍可能具備感知系統、能在 X、Y、Z 軸上移動並擁有雙手，但如果一味模仿人類的生物力學，反而會忽略製造業多數工作本質上都是以手部操作為中心。 工廠機器人不一定需要「像人類」 Scaringe 認為，目前機器人產業一個常見假設是，既然機器人要取代人類工作，就應該模仿人類的身體結構，但在製造環境中，這個假設未必成立。 他指出，人類的身體形態並不是為工廠工作而演化出來的。不同生物在演化過程中都針對特定環境最佳化，例如海豚適合游泳、獵豹適合奔跑、猴子適合攀爬，而人類的優勢則主要在於大腦，不是在特定任務中的身體效率。因此，如果機器人的目標是在製造業環境中工作，其設計未必需要完全模仿人類。 不過 Scaringe 也承認，工廠環境本身是為人類設計的，因此機器人仍然需要具備一定的人形特徵，例如能使用工具、在既有空間中移動，以及與人類協作。 機器人產業出現兩種不同路線 在研究機器人產業時，Scaringe 將目前市面上有的公司大致分為兩種類型。第一類是傳統工業機器人公司，例如工廠中常見的機械手臂，這類機器人擅長執行固定且重複的任務，但缺乏更高層次的靈活性。 第二類則是近年快速崛起的機器人新創公司，多數希望打造能在家庭環境中工作的通用型人形機器人，例如折衣服、洗碗或打掃。 然而在 Scaringe 看來，許多新創仍缺乏幾個關鍵能力，例如工業級產品量產經驗、機器人模型訓練所需的數據循環、完整供應鏈能力、對於工業運作的深入了解，而這也是他決定創立新公司的原因之一。 Scaringe 新創的 Mind Robotics 將同時開發三項核心能力：機器人硬體與機電系統、AI 模型、大規模部署基礎設施。Rivian 未來可能成為其重要客戶，將機器人導入汽車工廠的生產流程。 專用型機器人成為另一條路 Rivian 的觀點也呼應機器人產業中另一股趨勢：專用型機器人（task-specific […]

HBM 吃掉 30% 資本支出、台積電 N3 產能逼近極限：SemiAnalysis 創辦人揭 AI 狂飆後半導體的真正瓶頸

當外界以為 AI 競賽已從 H100 走向 Blackwell，舊一代 GPU 的價值應該隨時間下滑時，SemiAnalysis 創辦人 Dylan Patel 卻在近日受訪時，拋出一個反直覺的判斷：H100 今天的價值，可能比 3 年前還高。 Dylan Patel 指出，目前真正限制 AI 發展的，已經不只是模型能力，還有更底層的基礎建設，分別是邏輯晶片、記憶體與電力。同時，SemiAnalysis 最新報告更進一步指出，儘管過去幾年科技巨頭已大舉擴建 AI 基礎設施，但市場如今還是進入了「矽晶片短缺」的新階段。 瓶頸 1：AI 晶片集體轉向台積電 N3，但供應鏈擴產速度追不上 AI 需求 SemiAnalysis 指出，2026 年主要 AI 加速器（AI accelerator）家族，包括 NVIDIA、AMD、Google TPU、AWS Trainium 以及 Meta MTIA 等，幾乎都在往台積電 3 奈米（TSMC N3）製程轉移。SemiAnalysis 預估，AI 相關需求在 2026 年將吃下接近 60% 的 N3 產出，到了 2027 年這項佔比甚至上看 […]

睡前交辦 AI、醒來驗收成果：矽谷工程師變成「AI 代理主管」，Google、Amazon 都在發生

矽谷工程師的日常，正在被 AI 代理重新改寫：愈來愈多人開始把寫程式、安排行事曆、回覆 email 等繁瑣工作，交給 Claude Code、OpenClaw 等工具處理，自己則習慣在睡前、出門參加派對前先把任務交辦出去，隔天醒來第一件事，就是檢查 AI 昨晚替自己完成了多少進度。 這股變化不只出現在講求速度的新創圈，也已滲透到 Google、Amazon 等大型科技公司。當 AI 開始逐步接手執行層工作，工程師的角色也正悄悄改變，也就是從親手寫程式的執行者，變成負責與 AI 對話、下指令、驗收成果，並約束 AI 代理行為的管理者。這樣的新工作模式，已經在矽谷成為日常。 矽谷工程師開始「帶 AI 代理上工」 《華爾街日報》指出，矽谷科技人現在彼此互相比較的「最大炫耀點（biggest flex）」，是自己究竟能把多少任務外包給 AI，包含寫程式、管理行事曆與回覆 email 等雜務，同時還能確保 AI 不會出大錯。 例如創投家兼開發者 Nikunj Kothari，會在早上起床後、喝咖啡前，第一時間查看 AI 代理的工作進度，甚至覺得玩 Claude Code 比看 Netflix 更有趣。 Notion 共同創辦人 Simon Last 則說，他睡前總想再檢查一次 AI 代理們是否都在工作，「我真的很希望它們整晚都在工作，所以我睡前總是跑下樓再看一次。」 Simon Last 也分享，自己已經九個月沒有親手寫 code，而是改成管理四個 AI 代理來執行任務。 這樣的新趨勢，改變的不只是工作習慣，還包括工程師對自己角色的想像。「軟體工程師這個職稱將開始消失，」Claude Code 開發者 […]

【AWS 找上 Cerebras】AI 推理晶片戰開打，挑戰 NVIDIA GPU 主導地位

生成式 AI 的算力競賽正進入新階段。過去幾年，科技巨頭競相投入大量 GPU 訓練大型模型，但隨著 AI 應用快速普及，市場焦點正逐漸從「模型訓練」轉向「推理運算」。 亞馬遜雲端服務（AWS）近日宣布，將在資料中心部署 AI 晶片新創 Cerebras Systems 的處理器，用於支援 AI 推理（inference）工作負載。《華爾街日報》指出，這項多年合作協議，被視為 AI 算力市場的重要轉折點，也代表雲端業者開始積極尋找 GPU 之外的替代方案。 AI 算力市場轉向：從模型訓練走向推理 Cerebras 表示，AI 正在重塑軟體開發的方式，越來越多程式碼不是由人類工程師親自撰寫，而是由 AI 代理生成。與一般對話式聊天不同，代理式程式開發每次請求產生的 token 數量約為其 15 倍，因此 Cerebras 認為需要更高速度的輸出能力，才能維持開發效率。 AWS 表示，未來將在資料中心部署 Cerebras 的 Wafer-Scale Engine（晶圓級引擎）晶片，用於處理 AI 推理任務，也就是當使用者向 AI 模型提出問題時，系統生成回應的運算過程。 在新的架構中，AWS 自研晶片 Trainium 3 將負責處理使用者輸入的提示（prefill），而 Cerebras 晶片則負責生成回應內容。AWS 指出，這種分工架構可提升整體推理效率，尤其適合需要即時互動的 AI 應用，例如程式撰寫輔助或 AI 代理（AI agents）。 […]

中國版 Amazon 正式登陸歐洲！京東推 Joybuy，先從物流戰切入 Amazon 核心優勢

京東近日正式在英國、德國、法國、荷蘭、比利時與盧森堡上線零售平台 Joybuy，販售超過 10 萬種商品，涵蓋 Apple、Samsung 等品牌，以及家電、玩具、美妝、雜貨與生鮮食品等類別，並以「數小時內送達」作為主要賣點。 這不僅是京東迄今最大規模的海外擴張，也是京東在中國本土經濟成長放緩、消費需求疲軟與競爭加劇之際，試圖尋找新成長動能、降低對國內市場依賴，並透過把物流、倉儲與履約能力整套搬進歐洲市場，進而正面挑戰 Amazon 的關鍵一步。 Joybuy 正式上線，京東把歐洲布局從測試推向全面啟動 《Bloomberg》指出，京東此次選擇以自有網站 Joybuy.com 在歐洲市場推進業務，與過去曾考慮收購英國電子零售商 Currys、洽談收購 Argos 的策略相比，代表其在歐洲布局上出現戰略轉向：與其透過併購切入當地零售通路，京東這次更傾向把自身在中國驗證過的電商模式直接帶進歐洲市場。 在營運策略上，Joybuy 將複製京東在中國的成功模式，也就是直接與全球消費品公司建立合作關係、買斷庫存，並將商品存放在自有的倉儲設施中。《Financial Times》提到，京東曾在 2022 年以規模較小的 Ochama 進軍歐洲，但未能打開市場新局，荷蘭數位零售分析師 Ed Sander 更對此評論：「Ochama 開業時並沒有吸引力，最後只成了亞洲僑民的網路商店。」 早在 2025 年 9 月，Joybuy 就已在倫敦進行試營運，並準備擴及荷蘭、德國、法國、比利時與盧森堡，如今則已正式在上述六國全面落地，也讓這次京東推動 Joybuy 的計畫，被視為更大規模、直接面向主流市場的擴張。 京東為何此時加速出海？中國內部競爭升高，海外成為新成長空間 「中國企業紛紛出海，是因為國內市場的成長正在停滯，」荷蘭數位零售分析師 Ed Sander 形容。《Financial Times》也指出，隨著中國經濟成長放緩、零售商競爭激烈，京東等中國企業加速轉向海外市場，尤其京東近年切入外送與即時零售市場後，更迫使同業投入折扣戰，進而壓縮整體產業的利潤。 京東創辦人劉強東曾向媒體表示：「國際化對我們的未來至關重要。」但劉強東當時也承認，京東仍需要完成更多基礎建設工作，才能把中國成功的電商模式複製到歐洲。因此，京東在去年以 22 億歐元收購德國電子零售商 Ceconomy 的多數股權，就是擴展歐洲零售與物流基礎建設的關鍵一步。 不只拚快速配送，京東把中國電商的倉儲物流與自動化能力搬進歐洲 目前，Joybuy 主打「雙 11」配送承諾：上午 11 點前下單、當天晚上 11 點前即可送達。若不符合郵遞區號條件，則提供次日送達或自助櫃取貨的服務。 […]

【無人客服神話破滅】盲目裁員導致知識流失，2028 企業將重新僱用人類客服人員？

生成式 AI 近年快速進入企業客服體系，許多公司以聊天機器人與虛擬客服取代部分人工服務，希望藉此降低成本並提供全天候回應。然而，研究顯示，這股全面自動化的趨勢可能很快面臨修正。 研究機構 Gartner 指出，到 2028 年，部分曾以人工智慧取代人工客服的企業，可能因為 AI 無法有效處理複雜客戶問題，而重新聘回人類客服。 企業逐漸發現，過度依賴 AI 的客服模式不僅難以完全解決問題，還可能帶來額外的營運成本與品牌風險。 這項預測也與近期的產業調查結果相呼應：Gartner 指出，到 2027 年，約有 50% 原本計劃大幅削減客服人力的企業，將放棄相關計畫。這意味著，在許多公司努力推動「無人客服」或高度自動化客服體系的同時，企業開始重新評估全面自動化在實際營運中的可行性。 企業客服 AI 化浪潮可能出現反轉 企業導入 AI 聊天機器人與虛擬客服系統，希望透過自動化技術降低客服成本並提升服務效率。這些系統最大的優勢，在於能以較低成本處理大量客戶詢問，同時提供全天候回應，因此受到許多企業管理層的高度關注。 然而 Gartner 的分析指出，AI 客服系統雖然能有效處理許多標準化問題，例如密碼重置、訂單追蹤或常見問題解答，但在面對複雜、情緒化或多層次的客戶問題時，往往難以提供令人滿意的回應。 當 AI 無法理解客戶需求或提供正確解決方案時，不僅問題得不到解決，還可能進一步惡化客戶體驗，甚至影響品牌忠誠度。 在這種情況下，企業若完全依賴 AI 客服系統，可能反而增加營運壓力。因此 Gartner 預測，隨著企業逐漸意識到 AI 的能力邊界，部分公司將重新聘回人工客服，以補足自動化系統在處理複雜互動方面的不足。 AI 客服模式暴露的營運成本問題 AI 客服系統之所以受到企業青睞，很大程度來自於顯著的成本節約。許多公司在導入 AI 系統後，報告客服人力減少了 30%、50% 甚至更多。從營運角度來看，如果聊天機器人能以遠低於人工客服的成本處理約 80% 的客戶諮詢，企業自然會傾向縮減客服團隊規模。 然而，剩下約 20% 的客戶互動往往是最關鍵的部分。這些互動通常涉及複雜問題、情緒壓力或需要深入判斷的情境，而 AI 在這些場景中的失敗率仍然偏高。當 AI […]

Google「AI 摘要」終結 SEO？內容新鮮度需要大升級，行銷可以怎麼做

Google 推出 AI 摘要（AI Overviews）功能，將人工智慧統整而成的答案，直接顯示在搜尋結果的最上方，迫使 SEO 行銷人員重新思考，如何有效維持網站內容的新鮮度。

博弘雲端榮獲 AWS AI Services 能力認證—生成式 AI 顧問級別，助企業化解 AI 導入挑戰、注入創新動能

亞太區雲端解決方案領導品牌博弘雲端科技，榮獲 Amazon Web Services (AWS) AI Services 能力認證—生成式 AI 顧問級別（AWS AI Services Competency－Generative AI Consulting Services）。此項認證肯定博弘雲端能運用 AWS AI 解決方案的技術服務，協助企業透過 AI 技術，改善內部流程繁瑣與人力不足的挑戰，更進一步拓展到可規模化的商業應用，帶來無限的創新與商機發展性！ 跨越 AI 落地門檻 助企業用 AI 創造商業價值 使用 AI 技術與工具已成多數員工的日常，但就企業層級來看，導入 AI 的過程中仍面臨重重挑戰。根據財團法人人工智慧科技基金會在 2025 年的「台灣產業 AI 化大調查」指出，高達 70% 的企業未能跨越 AI 實際應用門檻；此外，「數據品質不齊導致模型偏差」以及「難以將 AI 技術對接至具體獲利場景」，更是企業在 AI 轉型路上的核心痛點。 博弘雲端擁有專業的團隊與 AI 技術量能，協助企業從內部數據治理、定義待解決的問題，再到AI應用部署情境，確保企業使用 AI 解決對的問題，發揮最大功效。 博弘雲端事業中心副總經理陳亭竹表示，獲得 AWS AI Services 能力認證—生成式 AI […]

台灣穩定幣到底誰來管？現在才做 CBDC 會不會太晚？陳冲揭金管會、央行、數發部三方權責盲區

專訪：戴季全撰稿：李昀蔚 當數位支付、穩定幣與新型貨幣工具同步推進，金融競爭的焦點也正在快速轉移。近期，美國總統川普主導的和平委員會提議，在戰後加薩重建中使用美元支援的穩定幣；Meta 也計畫在 2026 年下半年聯手 Stripe，重啟延宕已久的穩定幣布局。這些發展都顯示，穩定幣、數位支付、監理與貨幣制度的討論，已不再只是加密市場內部的話題，而是逐步成為全球金融與政策競爭的核心。 本集《全新一週》特別邀請新世代金融基金會董事長、前行政院院長陳冲，從貨幣、支付與監理的角度，逐步拆解這波新趨勢背後的關鍵意義。 川普拋加薩美元穩定幣提案，陳冲：時機很好 對於近期川普提出在加薩使用美元穩定幣的構想，陳冲形容現在「時機非常好」。他指出，川普這次是在聯合國框架下的和平委員會拋出這個穩定幣計畫，背後其實極具謀略。 陳冲進一步分析，加薩走廊目前的金融環境與基礎設施幾乎被破壞殆盡，且當地長期仰賴供給不足的以色列幣與埃及貨幣，因此經濟活動一直十分艱難。「一個社會如果沒有法償貨幣，經濟活動會非常麻煩，雖然人類在困難中總會發明替代品，但那只是『行得通』，代價與成本會比較高，整個社會如果在這種基本經濟活動上成本太高，對人民不公平，對社會發展也不正常，」陳冲說。 正因如此，川普在此時拋出穩定幣構想極易引發關注，陳冲也認為，這成為 Meta 執行長祖克柏（Mark Zuckerberg）重啟穩定幣計畫的絕佳契機。陳冲回顧，祖克柏當年推 Libra 計畫時之所以敗得很慘，是因為想主導全球支付系統的企圖心太強烈，導致主管機關因為害怕未知風險而高度緊張。然而，如今大環境中的科技門檻已經降低，主管機關的態度也有所轉變，這反而是祖克柏順勢而為的好機會。陳冲建議，祖克柏若夠聰明，應該順著川普的話主動表態：「你要做這個事，我來幫你做。」同時趁著這波機會把加薩的支付包下來，順便完成自己的布局。 全球監管態度正在轉彎，傳統金融業必須提高警覺 然而，祖克柏若想重新布局，就必須面對過去失敗的核心癥結：各國監管單位的態度。進一步來看，陳冲以祖克柏當年推 Libra 為例，說明 Meta 的目標不是只做美國市場，而是要主導全世界支付系統，因此才找來 Visa、Mastercard、Uber、PayPal 等 23 個大型企業合作。 然而，凡是牽涉到「準貨幣」的事情，對主管機關都是很大的壓力。「監管單位不是怕發生問題，是怕不知道會發生什麼問題，有問題還不可怕，最可怕的是不曉得那個問題會長什麼樣子，」陳冲指出，這就是祖克柏當年失利的重要原因，因此這一波穩定幣的新發展，關鍵就在於怎麼不重蹈覆轍，同時又能符合主管機關的需求。 陳冲強調，隨著科技門檻降低，全球各國的監管態度已經逐漸改變，例如日本、歐盟修改法律容許非銀行辦理匯款已經有好多年，反觀台灣至今仍對金融業高度保護。對此，陳冲呼籲：「知道環境變了就要跟著改變，任何傳統金融業，都要提高警覺。」 穩定幣到底誰來管？台灣最大的問題，是到現在還說不清楚 既然全球監理環境都在隨科技改變，那麼台灣目前的監管機制又是如何？陳冲直言：「其實這個老問題可以談很久，因為到底這個事情該是央行、金管會，還是現在新的數發部來管？」 他指出，很多人已經忘記，金管會組織法當初立法時，央行曾堅持加上一句：「有關金融的支付，由中央銀行主管。」問題在於，什麼叫「金融支付」？陳冲認為，從央行的立場來看，可能會認為自己只管金融機構之間的系統，因此才會出現穩定幣、VASP 這些明明和支付有關的事情，央行卻說不管的情況。對此，陳冲直言，這種把「金融支付」限縮解讀的方式，「稍微有點強詞奪理」，因為支付前面加上金融，到底增加了多少意義，本來就值得質疑。 他進一步指出，台灣有關支付的事情之所以一直沒有辦法有人真正專心投入研究，就是因為一直處在「不知道到底誰管」的狀況。金管會在 VASP 或穩定幣議題上，某種程度上是「被出面、被要求」的，因此也不會很認真去想。至於中央銀行則是在旁觀，結果就是台灣現在談這類問題很困難，因為根本不知道該和誰對話。 至於如果是由數發部來主責會如何？陳冲表示，數發部的問題在於「不懂市場」，因此他很早就主張，這類議題應該由行政院出面處理，因為事情牽涉太多部會權責，所以由行政院出面協調，才會有足夠權威性，也才有助於台灣未來的數位貨幣發展。 台灣如果現在才放手做 CBDC，恐怕已經慢了一步 對於台灣是否應該發行央行數位貨幣（CBDC），陳冲表示，自己其實很早就開始思考這個問題。早在 2006 年，他就曾寫文章談貨幣是否可能從金屬本位、紙本位，進一步走向「Software Base」的型態，當時雖然還沒有 CBDC 這個名稱，但他已經在思考貨幣數位化的方向。後來隨著 iPhone 問世，更讓他相信這件事是有機會發生的。 不過，他也坦言，央行其實極不願意推動 CBDC，因為這件事既有技術問題，也有防弊問題。儘管如此，陳冲一直認為，CBDC 這件事還是應該研究，只是如果現在台灣才開始做，已經有點太晚了。 陳冲以中國大陸為例指出，中國從 2009 年就開始有這個想法，2014 年成立專案小組研究，之後一路試辦到現在，已經開出 1 億多個錢包。雖然以整體人口來看，這個數字不算高，但整體制度已趨成熟，相關專利也超過 […]

【科技早餐】台積電市占衝上 70.4%，全球晶圓代工產值再創新高

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊台積電市占衝上 70.4%，AI 帶動全球晶圓代工產值再創新高 市調機構集邦科技 (TrendForce) 最新指出，2025 年第四季全球前十大晶圓代工廠合計產值達 463 億美元，季增 2.6%；若以全年來看，前十大業者總產值約 1,695 億美元，年增 26.3%，創下歷史新高。主要動能來自 AI 伺服器 GPU、Google TPU 持續供不應求，以及旗艦智慧手機晶片新品帶動投片需求。 個別廠商方面，台積電第四季營收季增 2% 至 337 億美元，市占率達 70.4%，穩居全球龍頭；三星則受惠 2 奈米新品開始出貨與 HBM4 邏輯晶片投產，營收季增 6.7% 至近 34 億美元，市占率回升至 7.1%，並成功由虧轉盈。報告也指出，AI 需求已從先進製程外溢至成熟製程，帶動整體晶圓代工市場持續擴張。 ＊NVIDIA 罕見親自下場，押注尚未商業化的新型記憶體技術 外媒報導，NVIDIA 已加入三星電子的研發陣營，雙方攜手開發鐵電 NAND 快閃記憶體。值得注意的是，NVIDIA 直接投身尚未商業化的新型記憶體技術研發，這在業界相當少見，也顯示 AI 晶片競爭正從算力本身，進一步延伸到儲存架構與能耗效率。 鐵電 NAND 被視為可同時緩解高效能記憶體供應不足與資料中心耗電壓力的關鍵技術，理論上可實現 1000 層垂直堆疊，功耗最高可降低 96%。報導也指出，NVIDIA 未來在 Vera Rubin […]

【AI 取代 Google搜尋】網站流量崩盤前，品牌必須加快執行的 4 個戰略行動

隨著生成式 AI 改變搜尋模式、社群平台成為購物入口，企業與消費者之間的互動方式正在快速重塑。 美國數位行銷與網站開發代理商 TheeDigital 發佈《Top Digital Marketing Trends for 2026》報告，分析 AI 搜尋、社群商務、內容策略與全通路體驗等關鍵變化，描繪數位行銷進入 AI 新階段的輪廓。報告指出，消費者的探索行為正從傳統搜尋引擎轉向 AI 助理與社群平台，品牌能見度與轉換路徑也因此被重新定義。 對行銷團隊與企業決策者而言，理解這些變化不只是策略調整，更關係到未來如何在 AI 主導的資訊環境中維持競爭力。以下整理報告核心洞見。 📎 這份報告適合誰閱讀？ 報告涵蓋了從 AI 搜尋、社群電商到全通路行銷的廣泛變革，主要適合以下幾類工作者閱讀： 🔴 報告洞見 💡 AI 成為消費者旅程的第一個接觸點 在 2026 年的數位行銷版圖中，消費者的探索旅程已經發生根本性的改變。買家不再將品牌官方網站或傳統的 Google 搜尋作為起點，報告指出，AI 正逐漸成為部分消費者探索旅程的第一個接觸點。 越來越多的探索行為始於 ChatGPT、Google AI Overviews（AI 摘要）以及其他生成式平台，使用者在點擊任何網站連結之前，就已經在這些 AI 環境中完成了深入的研究、比較與決策驗證。這意味著品牌的行銷能見度，必須在消費者「造訪網站之前」就建立起來。 面對這種典範轉移，單一渠道的優化策略已經徹底失效。 現代的行銷團隊不能再侷限於擔任各個獨立頻道的管理者，他們必須轉型成為「系統架構師」。行銷團隊的核心任務，轉變為精心設計數據、自動化流程、內容矩陣與客戶互動該如何無縫協同運作。 在這種整合型架構中，網站必須具備聆聽與回應的能力，CRM 系統則成為整個行銷情報中心。而自動化機制則需串聯搜尋引擎、社群媒體、電子郵件以及 AI 助理的各種訊號，打造出一個能夠高效驗證、培養並轉換潛在客戶的完整生態系統。 💡 AI 搜尋正在改變流量與營收的關係 許多行銷人員對於生成式 AI 帶來的「零點擊搜尋」感到恐慌，認為這會嚴重剝奪網站流量。然而，報告指出在 2026 […]

150 家新創湧入、百億資金重砸訓練場！拆解中國「具身 AI」狂潮背後的基建紅利與泡沫危機

當全球目光聚焦於大型語言模型（LLM）的軟體競爭時，AI 的戰場已從虛擬網路擴大至實體世界。中國正以舉國之力，加速建立龐大的人形機器人訓練基礎設施，試圖在這場被稱為「具身 AI」（embodied AI）的新世代科技革命中取得領先優勢。 根據《Financial Times》報導，在中國武漢，一座面積達 1.2 萬平方公尺的機器人訓練中心裡，年輕操作員每天透過遙控與感測裝置，反覆教導人形機器人端包子、擦桌子、摺衣服。這些動作會被鏡頭與感測器完整記錄，再整理成可供模型訓練的資料。該中心每天可產出約 100 小時可用資料，目標不是做出一台會表演的機器人，而是建立一個足以支撐整個產業成長的資料池。 中國大蓋「機器人訓練農場」 這座位於中國湖北的訓練中心，並不是單一案例。《Financial Times》與《Rest of World》都指出，這類由地方政府支持、機器人公司營運的資料收集與訓練設施，正在中國各地快速擴張。到 2025 年底，中國已宣布超過 40 座國有或官方支持的機器人資料中心，其中約 24 座已投入運作。光是湖北省，就推出規模達人民幣 100 億元的人形機器人基金；北京、上海、杭州、綿陽等地，也都在加速建立具身 AI 訓練場域。 背後的政策訊號也愈來愈明確。中國政府已在 2026 至 2030 年五年計畫中，將「具身智能」列為六大未來產業之一，並明確要求發展訓練中心、AI 模型與硬體，加速人形機器人落地。這代表中國對人形機器人的期待，已不只是單一技術展示，而是把它視為下一輪科技與產業競爭的核心基礎設施。 LLM 吃網路文字，機器人得靠人類一遍遍示範 為什麼中國政府願意投入大量資金蓋這些設施？答案在於，人形機器人的瓶頸並不只是硬體，也不只是模型，而是資料。 《Financial Times》指出，像 ChatGPT、DeepSeek 這類大型語言模型之所以能快速取得突破，關鍵在於它們能吃進海量網路文本。但機器人不同，它需要的不是單純文字，而是視覺、關節角度、速度、扭矩、動作順序，以及真實環境下的操作回饋。這些資料無法直接從網路抓取，也很難只靠模擬環境生成。 《Los Angeles Times》對印度資料標註公司的報導，也從另一個角度印證這件事。為了教機器人學會摺毛巾，工程師得頭戴 GoPro，一次又一次精準重複同樣動作，再把影片逐格標註，標記手臂怎麼移動、手指怎麼抓取、布料怎麼滑動。換句話說，讓 AI 學會「在真實世界裡怎麼動」，比教它在網路上「怎麼說」困難得多。 武漢訓練中心的員工張佳對《Financial Times》説，他們就像老師，而機器人是學生。教人類做動作，重複幾次就能學會；但教機器人不一樣，同一個動作得重複數百、數千，甚至上萬次。 中國人形機器人優勢，正從製造擴大到資料基礎設施 中國之所以能在這條路上快速推進，並不只是因為它有更多機器人公司。《TIME》指出，中國在電動車、感測器、減速器、控制器與電池等相鄰產業已建立大規模製造能力，讓機器人關鍵零組件成本大幅下降。這讓中國不只在硬體供應鏈上占優勢，也能更快部署更多機器人，進一步蒐集更多資料，形成規模飛輪。 報導提到，中國目前掌握全球約 70% 的光達市場，並在關節、控制器與諧波減速器等關鍵零件上快速壯大。當硬體成本下降、部署數量增加，機器人公司就更有機會在真實環境中蒐集資料，反過來再訓練更好的模型。《TIME》甚至直言，誰能更快部署機器人，誰就更可能收集到更大量、更高品質的資料，而這會進一步推動技術進步。 然而《Rest of World》也引述 Omdia […]

從半導體、物流、節能再到機器人領域，台達以 AI 驅動、軟硬整合的創新解方助企業深化長期競爭優勢

「我們以更貼近製造現場條件的方式，重新平衡效能、彈性與使用門檻之間的關係。」── 台達機電事業群 在 AI 技術與淨零碳排的驅動下，製造業正經歷前所未有的數位革命。 從穿梭街頭的 E-bike 心臟「動力系統」、應用在半導體設備驗證與優化的數位雙生解決方案、支援物流庫存可視化與自動化管理的「高階物聯網型人機介面」、橡塑製造的節能新引擎「油電複合射出機方案」，以及可完成上下料作業與 AI 伺服器機櫃檢查的「RS-M 模組型機器人」等應用，台達工業自動化深耕高成長潛力及變革性領域，並與全球產、官、學、研夥伴密切合作，創造產業轉型與升級的契機。 化新精密攜手台達推動伺服壓床與整廠監控整合，重塑精密製造品質與 ESG 永續生產體系 縮短換線時間至 30 分鐘！台達 RS-M 機器人兼顧效能配置與導入效率，以模組化單關節設計架構回應產線彈性需求 平均稼動率提升至 82%！台達打造節能轉型新引擎，以射出機與監控系統重塑橡塑製造模式 物流倉儲升級關鍵：台達整合感知、判斷到控制與優化，實現高效無縫人機協作 破解灌裝產線痛點！台達以伺服旋蓋機解決方案助力灌裝行業應對低碳、智慧工廠、少量多樣新趨勢，開創產能與品質雙贏新局 微小瑕疵無所遁形，實現超高速精準檢測！台達登場 SEMICON Taiwan 2025，從前端量測、封裝到資安防護，以 AI 驅動智慧製造 一年減少 210 萬元電費！台達與翔盟科技工程助台灣油品龍頭公司導入永磁同步磁阻馬達，推動水泵系統節能改善 破解設計同質化與系統封閉困境！台達以中置馬達三電方案助 E-Bike 車廠建立品牌差異化

守護 AI 疆界：利用 Apigee 構建「零信任」的 API 安全防護網

在前面的系列文章中，我們探討了如何利用 Apigee 駕馭 Gen AI 的 Token 成本，以及如何透過穩健的運維體系跨越鴻溝。當企業解決了「成本效益」與「運作效率」後，隨之而來的便是最嚴峻的挑戰——信任與安全。 在 Gen AI 時代，API 不再只是應用程式之間的資料管道，它們成為了企業核心大腦（LLM）與外部世界溝通的神經末梢。然而，這扇通往創新的大門，若缺乏適當的防護，也將成為駭客長驅直入的漏洞。 傳統的防火牆已不足以應對當前的威脅。面對 AI 時代的資安挑戰，這篇將探討如何利用 Apigee Policy 來落實合規治理，並搭配 Advanced API Security 來找出潛在的威脅，在 AI 時代構建一道「零信任（Zero Trust）」的防線。 API 的設計與治理缺陷正在放大整體系統風險 根據 Gartner 的預測，API 濫用將成為導致數據洩露的最常見攻擊方式。在生成式 AI 的架構下，這種風險被進一步放大： 傳統的 WAF (Web Application Firewall) 擅長防禦 SQL Injection 或是分散式阻斷服務攻擊 (DDoS) 等已知攻擊，但對於這些偽裝成正常流量的「新型態威脅」，往往束手無策。 以 AI 對抗 AI：Apigee 的智慧防護機制 面對日益複雜的攻擊，有些甚至由 AI 驅動的攻擊，防禦者必須同樣具備智慧化的手段。Apigee 不僅是 API […]

化新精密攜手台達推動伺服壓床與整廠監控整合，重塑精密製造品質與 ESG 永續生產體系

在化新精密產線上，一位剛報到不久的技術員正依循顯示介面上的標準作業流程操作伺服壓床，檢視壓入力、位移與速度是否落在設定區間，並同步確認系統回傳的即時製程與用電數據。相較過去仰賴手感與經驗判斷的油壓設備，伺服系統有效改善現場噪音與油霧問題，在穩定作業環境的同時，也降低人員職安風險。每一次壓合完成後，製程配方、能耗與關鍵組裝參數即自動記錄於生產履歷，使新進人員也能快速掌握製程狀態，確保品質一致性。 從經驗到數據：化新精密將隱性 Know-how 轉化為標準配方 成立於 1971 年、深耕汽車產業逾半世紀的化新精密，長期專注於汽車底盤與引擎關鍵零件的精密機械加工，面對日本與歐美等國際車廠與 Tier 1 供應鏈的高標準要求，化新以高質量的製造能力穩定供應全球市場。 近年油泵與轉子類零件等車用關鍵零部件的材料結構，逐步從鑄鐵轉向鋁合金，對壓合、組裝與製程穩定度的要求也隨之提高，製程升級與自動化不再只是效率選項，而是品質維持的必要條件。與此同時，全球精密製造產業競爭環境也快速轉變，量產規模已成為基本門檻，能否在不同場域中穩定複製製程、確保品質一致性並具備完整可追溯能力，逐漸成為決定競爭力的關鍵。化新精密營運長潘清吉指出，面對上述趨勢，台灣精密製造產業的壓力不只來自成本，社會結構轉變也是其一，「少子化讓老師傅經驗難以傳承，但品質不能跟著妥協，這對傳統製程是很大的考驗。」當人力結構與材料條件同步改變，過去高度仰賴經驗的製造模式，已難以支撐長期穩定的品質要求。 潘清吉說明，過去油壓壓床高度仰賴經驗與手感，不良率與品質波動難以精準掌控，隨著製程延伸至組裝整合與功能驗證，前段壓合品質對整體良率的影響愈發關鍵，既有模式的侷限也因此日益顯現。台達機電事業群智能製造事業部總經理林哲民也從產業端觀察到相同現象：「許多中小型精密製造廠技術很好，但經驗不易量化，數據留不下來，轉型就很難往前走。」在客戶對品質一致性、交期可信度與碳足跡透明化的要求同步提高下，如何將老師傅的隱性製程 Know-how，轉化為可被量化、複製的製程配方與操作規則，成為化新精密無法迴避的核心課題。 從 OEM 邁向 ODM：數據標準化如何強化化新精密的供應鏈競爭力？ 在正式導入伺服壓床之前，化新精密與台達展開長時間的驗證。雙方花費近一年時間，針對不同產品條件反覆測試壓合曲線、壓入深度、速度區間與節拍設定，逐一釐清過往僅憑經驗運作，卻難以量化的製程關鍵。林哲民指出：「我們不是單賣設備，而是先把問題的本質想清楚，確認哪些參數一定要量化、哪些數據必須長期被追蹤。」 完成驗證後，化新逐步導入伺服壓床，取代傳統油壓壓床，作為製程升級的核心。透過伺服控制架構，壓合過程中的力量、位移與速度被納入閉迴路控制，每一次壓配皆同步產生完整的壓力曲線，並即時與既有製程條件比對，讓品質控管前移到製造當下，而非事後檢驗，過去高度仰賴老師傅手感判斷的關鍵條件，也因此得以轉化為可被系統執行的製程配方與數據基準。 隨著設備上線，產線配置與作業流程也隨之調整。在台達協助下，化新重新梳理組裝流程，將原本分散於不同工作站的壓合、量測與檢測作業，整合至單一伺服壓床工站，不僅簡化動線與人力配置，也降低跨站作業所造成的變異風險，讓產線維持一致的製程條件。 不過，進入實際運轉階段後，挑戰真正浮現，此時的核心不再是設備能否運作，而是如何將既有製程設定與人員工作方式，順利轉換為以數據為核心的運作邏輯。潘清吉坦言：「最困難的是把老師傅腦袋裡的經驗，轉化成設備可以精準執行的製程配方。」為此，化新與台達重新設計部分治具以配合感測需求，並反覆校正壓床參數，才能在不同產品之間建立穩定且可複製的製程模型。 台達助化新精密雙軸轉型 實現數位製造與綠色減碳 隨著伺服壓床與相關系統的導入，現場人員的工作型態也隨之改變，從過去以分站操作為主的作業模式，轉為跨工序監控與製程判讀。透過壓合過程中壓力、位移與速度等關鍵參數的量測配置調整，反覆驗證數據擷取與回饋機制，讓製程經驗不再只存在於個人，而是逐步轉化為一致性的系統標準，顯著提升品質穩定度與製程可控性。潘清吉表示，過去仰賴經驗與手感的壓合製程，如今能以數據即時掌握關鍵狀態，「不良率明顯下降，品質不再靠人眼判斷，而是每一筆數據都可回溯、可驗證。」在此基礎上，製程配方得以快速複製，新進人員也可在短時間內穩定產出狀態，使產線調度與交期承諾更具彈性。同時，現場工作者的角色也從單純的設備操作人員，逐步理解製程邏輯、透過系統優化條件的工程角色。不僅為化新由 OEM 邁向具備製程建議能力的 ODM 奠定基礎，更透過持續累積製程數據，建立標準化機制，重塑化新與供應鏈夥伴的合作方式。現在，化新能引用數據與供應商明確溝通需求，提升雙方的合作效率。 「從台達的角度來看，這正是數位製造的核心價值，」林哲民表示，導入成效並非只看單一指標，而是透過良率、不良率、人力配置，與製程一致性等事前設定的 KPI 進行整體驗證，在透明且可追溯的機制下，化新不僅強化製造韌性，也逐步建立以數據為共通語言的協作型供應鏈，為後續擴線與國際客戶信任奠定穩固基礎。 在透過伺服壓床數據優化製程的同時，化新也著手推動減碳轉型。台達以工業圖控系統 VTScada 整合能源管理、設備監控、廢水系統等數據，即時偵測、記錄設備的能源狀態，讓節能不停留在口號，而是能被量測、追蹤與回溯的管理項目。潘清吉指出，系統上線後，用電可望降低近兩成，噪音也下降約 5～10 dB；同時搭配三段式電價契約，調整用電策略，將節能、減碳與成本控制納入同一套決策邏輯，成為支撐 ESG 實務運作的日常管理機制。 完成製程數位化與能源管理的階段性布局後，化新精密已著手規劃下一階段的營運升級藍圖。外部合作方面，化新將深化與客戶及供應鏈夥伴的協作模式，提前介入產品設計階段，提供製程與品質建議，逐步從 OEM 角色轉型為具備共同開發能力的 ODM 夥伴。在永續發展層面，既有累積的製程與能源數據，也將成為後續碳管理精進與新廠規劃的重要依據，確保企業在效率提升、品質穩定與淨零目標之間，維持可長期運作的平衡。 從化新的導入歷程與實際成效可看出，數位製造的核心價值不再只是設備升級，而是一套支撐企業面對高度不確定環境的長期能力建設。對此，林哲民強調在碳排管理與數位轉型同步推進的時代，台灣製造業必須建立能快速回應市場變化與政策調整的製造韌性與反應速度。他進一步表示，台達長期投入數位化與智能製造，可協助企業精準掌握設備稼動率、良率與製程狀態，建構起可複製與擴展的系統化能力，在製造環境變動時，仍能維持一致的品質水準與彈性供貨能力，持續擴大自身競爭優勢。

企業如何建構面向全球的營運數據平臺？台灣帆軟剖析 AI 驅動的數據中樞：從多地多工廠到「自動化決策」的智慧轉型之路

隨著台灣製造業加速擴張版圖、走向全球化，如何將散落於各國廠區的數據串聯，轉化為具備商業價值的決策依據，已成為數位轉型的關鍵挑戰。台灣帆軟日前在 TechOrange 科技報橘主辦的「AI 智慧大工廠論壇」台北場，聚焦講題『AI 驅動的數據中樞：從多地多工廠到「自動化決策」的智慧轉型之路』，探討企業推動跨國營運之際，如何透過 AI 數據中樞與混合分級部署架構，有效打破數據孤島，並實現全域視角的自動化決策。 打造跨區域、跨系統、跨角色的數據經營框架 台灣帆軟客戶經理孫平表示，企業在海外多地設立據點時，往往面臨數據整合的嚴峻挑戰。例如在地理與網路限制的面向，各國網路基礎建設穩定度不一，且部分地區受限於網路長城，企業必須依賴昂貴的跨國專線進行資料傳輸；在系統異構與數據口徑的面向，即使各廠區採用相同類型的 MES 或 ERP 系統，資料格式與計算邏輯可能大相徑庭，導致總公司難以匯整，無形中增加 IT 部門的資料處理負擔。 在跨國傳輸成本的面向，企業為了確保海外資料回傳的穩定性，常需租用高頻寬的專線，甚至配置備援線路，導致網路維運成本居高不下；與此同時，企業將迎來管控與自治的兩難，總公司期望掌握全局並產出合併報表，各地分廠則需要即時的生產數據來管控庫存與機台狀態，並兼顧機敏資料的合規性與安全性。有鑑於這些實務現況，台灣帆軟致力透過系統化的數據治理能力、跨境應用模組與全球營運場景經驗，打造跨區域、跨系統、跨角色的一體化營運數據框架，讓全球營運真正可視、可控、可決策。 以資料分級混合部署模式，協助集團總覽全局、子公司聚焦在地 孫平分析，企業建構面向全球的營運數據平臺，通常採取 3 種模式，包含各地獨立部署、統籌部署與資料分級混合部署，其中各地獨立部署的模式，就是在各廠區建置本地系統，並結合 ERP、MES、CRM 等應用，雖然能保有高度自治與即時監控，但各廠數據互不相通，會讓總部難以進行全局治理。而採用統籌部署的模式，意味著所有資料與權限皆由總部統一開發與管理，此舉雖能確保數據口徑一致，卻會對總部 IT 造成極大的人力負荷，且需要特別留意數據傳輸效率和報表訪問的帶寬。至於第三種資料分級混合部署的模式，優勢在於能提升集團核心指標口徑一致和各屬地開發彈性，提升內部協作效率，「針對各個屬地，我們都有自己可以直接連到本地端的資料庫報表伺服器，完全避免資料上傳時的卡頓問題，另外透過資料分級，僅同步集團管理所需的匯總資料，也可降低傳輸明細數據的專線流量成本。」 孫平坦言，資料分級混合部署模式仍存在幾項劣勢，如各地需要獨立的伺服器與報表軟體，提高初期建設成本，也將會增加開發和維運人力資源，因為每個屬地需要獨立的升級、備份、監控作業。不過從長遠來看，這將是企業更佳的作法，孫平強調，「如果今天企業走向全球化發展，我們比較建議採用資料分級混合部署。當企業推動跨國營運，在權限混亂下導致總部無法看清全局、子公司難以聚焦本地業務，透過這種部署方式，將讓 IT 根據不同部門、單位、角色，做到更明確的權限劃分，幫助集團總部觀局，子公司也可以交代本地資料庫，實踐視角統一。」 解決多系統資料整合化、報表流程自動化、生產狀態可視化等製造難題 那麼企業如何將分散在各地的數據資料整合，真正支撐跨區營運及自動化決策？孫平進一步說明，帆軟的企業級戰情室報表軟體 FineReport，支援一次報表版面設計，多語言使用，節省重複維護多語系版本的時間與成本，也可以和多種報表資料整合，動態切換數據源，或者將資料庫名稱寫為參數，讓整個 JDBC URL 可依參數變化。 在使用介面上，FineReport 支援使用者匯入現有 Excel 製作報表，且保留絕大部分原有表公式，並設有多重校驗規則，保障資料品質。孫平指出，帆軟還推出統一資料查詢入口的功能「數據門戶」，讓使用者能在門戶首頁中迅速找到自己收藏關注的報表、系統的公告、報表上下線動態，不僅提升尋找資料的效率，更降低報表管理者與使用者的溝通成本。而在 FineReport 提供的雲端健檢報告，協助技術支援團隊視情況安排效能瓶頸排查、阻塞問題答疑等年度巡檢，確保系統長期穩定運作，對於集團總部而言，則是能藉由橫向對比分析，比較不同工廠的差距，精確定位需優化的據點。 聚焦更多「自動化維運」的應用案例，孫平分享，帆軟以 FineVis 戰情室一比一還原廠區，助力企業即時進行物流進出監控，並打造高效、準時、成本可控的物料流通知與交付模式。針對 2D 版面，也可建立集團財務經營駕駛艙，透過現金流、資產總額、淨利潤、營收、資本報酬等關鍵指標，一次掌握營運績效的全貌和潛在風險趨勢，抑或是打造集團經營預警中心，設定條件變色警示，讓決策者輕鬆了解營運情況。 孫平強調，帆軟憑藉全球在地服務的優勢，正透過一體化的服務架構，提供一致的交付標準與本地化支援。接下來，帆軟也將會持續協助跨國企業在多地穩定落地、快速回應，落實集團級的數據治理與協同管理。

紅衫資本合夥人揭企業軟體新戰局：下一個兆元公司，將是「偽裝成服務公司的軟體公司」

「當 Claude 下一次升級，直接把你的產品變成一個『功能』，會發生什麼事？」紅衫資本合夥人 Julien Bek 近日在文章與 TBPN 節目中拋出這個問題，直指當前 AI 新創與企業軟體公司最深的焦慮。對許多打造 AI 工具的創辦人來說，現在最大的風險，已不只是競爭對手變多，而是自己的產品價值，可能在下一次 AI 模型迭代後瞬間被壓縮，甚至距離被取代與摧毀，只差一步。 Julien Bek 進一步提出一個判斷：「下一個一兆美元公司，會是一家偽裝成服務公司的軟體公司。」他強調，如果今天企業賣的是「工具」，本質上仍是在和 AI 模型競速，但如果賣的是「工作」，那麼模型每一次進步，反而都會讓服務變得更快、更便宜，也更難被取代。 從 Copilot 到 Autopilot，競爭邏輯從賣工具變成賣工作 Julien Bek 在文章中明確區分「Copilot（副駕）」與「Autopilot（自動駕駛）」兩種模式的差異。Julien Bek 形容，Copilot 賣的是工具，Autopilot 賣的則是工作。 至於為何現在部分類別已經適合直接從 Autopilot 起步？他解釋，這是因為在某些領域中，目前的 AI 模型已經夠聰明。例如，將產品賣給律師事務所的 Harvey、以及賣給投資銀行的 Rogo，都屬於「賣工具」的 Copilot 模式，是由專業人員擔任客戶並對產出結果負責；相對地，賣給需要簽署保密協定（NDA）公司的 Crosby，以及賣給需要保險的 CFO 的 WithCoverage，客戶則是直接購買「成果本身」。 對此，Julien Bek 也點出既有 Copilot 公司將面臨的「創新者的窘境（Innovator’s Dilemma）」：如果這些賣工具的公司想轉型賣「工作」，等同於是越俎代庖，搶了原本客戶，也就是專業人員的飯碗，而這正是純 Autopilot 新創大展身手的絕佳破口。 從商業模式切入，Julien Bek 進一步說明，在任何職業裡，「工作預算」都遠遠大於「工具預算」，因此 Autopilot […]

Mastercard 結盟 85 家巨頭進軍區塊鏈！要讓鏈上支付與銀行無縫接軌

全球支付產業的底層邏輯正在轉變，悄悄從傳統金融體系邁向區塊鏈時代。過去數位資產主要在傳統金融體系之外運作，被視為投機標的，然而，隨著技術的成熟與企業端的需求攀升，數位資產正在加速融入全球商業運作的血脈之中，場景涵蓋跨境匯款、企業間資金轉移等，為全球資金流動帶來新的基礎設施選項。 Mastercard 出招：集結 85 家巨頭的區塊鏈大聯盟 為了搶佔這波基礎設施轉型的先機，全球支付巨頭 Mastercard 近日宣布推出規模龐大的「加密貨幣合作夥伴計畫」（Crypto Partner Program）。該計畫一口氣集結了超過 85 家來自數位資產與支付產業的領先企業，陣容包含全球最大加密貨幣交易所 Binance、支付平台 PayPal，以及專注於跨境匯款的區塊鏈公司 Ripple 等。 這項計畫的核心目標，是探索如何將區塊鏈系統直接無縫接入現有的全球支付網路，用於處理大量支付交易，從而解決結算延遲、高成本以及跨境交易透明度不足等長期問題。 Mastercard 深知，區塊鏈支付若要實現大規模普及，就必須能與其遍布全球 200 多個國家、連結無數銀行與商戶的傳統基礎設施相互串接。透過該計畫，參與者將與萬事達卡團隊，針對未來產品和服務的設計方向進行互動，建立一個共享的協作框架，將技術創新轉變為可擴展、合規的應用場景，以在各個市場落地運行並無縫整合到日常的商業活動之中。 舉例來說，Ripple 將利用其 RippleNet 技術，提供更快速且透明的跨境支付。PayPal 則利用其商戶網路，協助將加密支付整合進主流電商環境。穩定幣發行商 Circle 與 Paxos 則負責建構支付與結算基礎設施，使區塊鏈交易能在銀行體系內合規運作。對於 Mastercard 來說，鏈上支付的下一階段將是更大規模的產業合作，而透過這些合作，Mastercard 希望打造一個完整的區塊鏈支付生態系，使加密資產可以像信用卡支付一樣，在全球商業體系中流通。 【推薦閱讀】 【TO Highlight】穩定幣新秩序：科技供應鏈與全球新金融的世紀博弈 支付巨頭的競合與穩定幣的崛起 Mastercard 並非唯一看見此趨勢的傳統金融機構。其主要競爭對手 Visa 早就開始與穩定幣發行商及區塊鏈公司合作，積極測試使用數位美元進行交易結算。同時，包含 PayPal 在內的多家大型金融機構，也正持續探索代幣化存款與基於區塊鏈的支付系統。 穩定幣在這場基礎設施的爭奪戰中扮演了關鍵角色。隨著法規逐漸清晰與企業採用的增加，穩定幣正被視為「網際網路的原生美元」，在跨境結算與企業金庫管理中的應用日益普及。支付巨頭們紛紛擁抱這些技術，正是為了避免在未來的自動化與 AI 驅動支付時代遭到邊緣化。 Mastercard 此次的結盟動作，釋放出一個強烈的市場訊號：數位資產已經跨越了單純的投機炒作階段。當掌握全球金流命脈的傳統支付巨頭主動將區塊鏈技術納入其核心網路時，意味著區塊鏈正在成為支撐下一代全球商務運作的底層基礎設施。儘管前方仍有複雜的監管合規與跨國標準制定等挑戰需要克服，但全球金融體系向區塊鏈靠攏的趨勢，顯然已不可逆轉。 ＊本文開放合作夥伴轉載，資料來源：《CoinDesk》、Mastercard、《MarketLens》，首圖來源：擷取自 Mastercard

串接 5 萬家醫療機構、50 種穿戴裝置：微軟推 Copilot Health 卻引爆信任戰

微軟（Microsoft）正在把 Copilot 從工作助理，推向更敏感也有更高信任門檻的健康場景。3 月 12 日，微軟正式推出 Copilot Health，目標是協助使用者理解自己的健康資訊，進一步取得可採取行動的個人化健康洞察。微軟更將這項產品視為邁向「醫療超級智慧（Medical Superintelligence）」的一步。 不只微軟，Amazon、OpenAI 與 Anthropic 近期也陸續測試類似的 AI 健康工具，顯示大型 AI 公司正把健康資料納入聊天機器人的下一波競爭。在這樣的脈絡下，Copilot Health 的亮相，也是微軟在生成式 AI 戰局中，試圖與其他競爭對手拉開差異化與專業定位的重要一步。 串接 5 萬家醫療機構、50 種穿戴裝置，Copilot Health 瞄準資料整合 微軟表示，Copilot Health 透過 HealthEx 串接超過 5 萬家美國醫院與醫療提供者機構的資料，包括就診摘要、檢驗結果與用藥清單。在使用者端，Copilot Health 可以匯入超過 50 種穿戴裝置的資料，包括 Apple Health、Oura 與 Fitbit，將分散的健康紀錄、健康歷史與穿戴裝置資料整合，並提供個人化建議。例如，若使用者輸入「我最近睡不好」，聊天機器人就能分析病歷與穿戴資料，觀察最近的睡眠趨勢。 微軟表示，Copilot Health 也連接即時的美國醫療提供者目錄，讓使用者可以依專科、地點、語言與保險條件搜尋醫師。目前，Copilot Health 將分階段推出，並優先在美國上線。 Copilot Health 目標是讓使用者更深入理解醫療資料 微軟表示，多數人缺的不是更多健康資訊，而是對於健康資料的理解。因為病歷長期以來既混亂又難以管理，且資訊往往散落在不同醫療提供者使用的不同資料庫中。因此，過去醫師可能需要花數小時人工檢視一個人的全部病歷與穿戴裝置資料，才能形成判斷，但現在 Copilot Health 可以在幾秒內就完成。 微軟副總裁 […]

力求準確率達 99%，Nimble 打造「商業級 AI 搜尋平台」突破企業資料蒐集瓶頸

AI 新創公司 Nimble 宣布推出自家的 AI 代理搜尋平台，並希望將公開網路上的資料，透過 AI 轉換成值得企業所信賴，同時具備決策價值的數據。

廣告技術進入情緒感知時代！Unity 廣告策略為何從精準投放轉向「情緒感應」？

在傳統 App 開發的情境中，討論到 App 優化時，多半仍停留在技術層面：頁面載入是否夠快、系統是否穩定、是否出現錯誤或當機。然而到了 2026 年，App 體驗的競爭已經進入另一個層次。 使用者對於數位服務的期待大幅提高，一個 App 是否順暢，往往在幾秒內就決定了消費者是否留下。隨著 AI 逐步滲透產品營運流程，企業也開始重新思考「優化」的定義：從修復問題，轉向理解與預測使用者的心理感受。 效能優化不再只是修 bug，而是提升「體驗效率」 根據數位體驗分析公司 Quantum Metric 2026 年發布的報告，App 成功與否的關鍵指標已從傳統的下載量或流量，轉向「體驗效率」（Experience Efficiency）。 這個概念衡量的是使用者完成目標的速度與順暢程度：當使用者想訂機票、購買商品或查詢資訊時，系統能否在最短時間內讓任務完成。報告指出，當企業成功降低錯誤率與流程阻礙時，不僅能提升轉換率，也會直接帶動平均訂單金額的成長。換言之，流暢的體驗會讓消費者更願意探索、停留與消費。 在這樣的趨勢下，優化的角色也有所不同。早期的數位分析工具通常是在問題發生後才進行診斷，例如發現異常率上升或轉換率下降，再由工程團隊追查原因。但近兩年越來越多企業導入 AI 驅動的預測式分析系統，透過即時行為數據辨識潛在問題，提前調整流程。優化不再只是修復 Bug 或縮短載入時間，而是主動管理使用者的情緒與感受。 這也說明，現代 App 必須具備更高的上下文感知能力。當系統能理解使用者當下的情境與意圖，一個 App 就會從「操作工具」轉變為一種「數位服務」。例如，在旅遊平台中，如果系統偵測到航班延誤，App 會立即顯示改票選項並自動填入旅客資訊；在電商平台中，若使用者頻繁購買某一類商品，首頁就會優先呈現相關推薦與優惠。這些看似微小的設計，實際上大幅減少了使用者的思考與搜尋成本。 零售應用潛力：AI 偵測挫折感，自動重塑轉換路徑 Quantum Metric 指出，在零售 App 的實際營運中，甚至可以運用 AI 即時判斷使用者是否出現挫折情緒。比方說，可以追蹤「憤怒點擊」（rage taps），也就是使用者在短時間內重複點擊同一按鈕，通常代表操作沒有成功或介面反應過慢。如果系統偵測到類似行為出現在結帳頁面，後端就可能自動啟動備用流程，例如簡化付款步驟、延後登入要求，甚至直接提供即時客服協助，以避免使用者在最後一步放棄交易。 同樣的邏輯也可以應用在搜尋或表單流程中。當 AI 發現使用者在某個欄位連續輸入錯誤三次以上，系統可能主動提供建議格式或自動補全資訊；若搜尋結果頁面停留時間過長，平台也可能調整排序邏輯，優先呈現更相關的商品。透過這類即時調整，企業可以在使用者離開之前化解阻礙，維持整體轉換率。 行為數據即情緒指標，廣告策略從精準投放轉向「情緒感應」 事實上，遊戲產業早已在這方面累積大量經驗。知名遊戲引擎公司 Unity 近年推出的廣告平台 Vector AI，便是一個典型案例。這套系統不再只依賴玩家的人口統計資料，而是即時分析遊戲中的行為數據，例如玩家的操作頻率、關卡進度與停留時間。透過這些資訊，系統可以判斷玩家的投入程度與情緒狀態。 例如，當玩家在某個關卡連續失敗多次、操作間隔逐漸拉長，系統可能判斷其挫折感正在上升。在這種情況下，Vector AI […]

【科技早餐】50TB 資料被竊！伊朗駭客攻擊醫療設備大廠 Stryker，20 萬台設備受影響

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊ OpenAI 計畫整合 Sora 與 ChatGPT，AI 入口戰再升級 OpenAI 計劃近期將 Sora 影片生成技術整合至 ChatGPT 中。這項策略轉變發生在 Sora 行動應用程式推出約五個月後，雖然 Sora 應用程式曾經短暫登上排行榜榜首，但熱度卻迅速消退，且用戶在平台上公開分享影片的意願極低。 這次整合的主要動機是期望重現過去 AI 圖像生成所帶來的病毒式傳播熱潮，進一步推升 ChatGPT 目前約 9.2 億的每週活躍用戶數，以達成 10 億用戶的目標。然而，這項改動將面臨龐大的成本挑戰，因為影片生成功能勢必會大幅增加 OpenAI 的 AI 推理與伺服器運算成本，這也促使OpenAI 必須提前備妥足夠算力，以應對潛在的流量激增。 ＊ Meta 公布四代 MTIA 路線圖，AI 晶片走向「產品線化」 為應對龐大的 AI 運算需求，Meta 公布 MTIA 300、400、450 與 500 等四代自研 MTIA 晶片路線圖，目的是分散硬體來源、降低外部依賴，並透過捨棄非必要的通用功能來大幅壓低晶片成本。 目前 MTIA 300 已量產，並用於內容排序與推薦系統，MTIA […]

不用再登入 Salesforce 撈資料？Perplexity 搶攻「AI 代理編排層」，掀企業 SaaS 介面淘汰賽

AI 代理（AI agent）正快速從研究概念走向企業軟體的核心介面。AI 搜尋新創 Perplexity 在其首屆開發者大會 Ask 2026 上宣布推出新的多模型 AI 代理，包含雲端代理 Perplexity Computer 以及本機代理 Personal Computer。這項布局顯示，這家原本以 AI 搜尋聞名的公司，正試圖進入企業軟體市場，與微軟、Salesforce 等大型平台競爭。 Perplexity 表示，其本機代理系統可以把一台閒置電腦轉變成類似開源代理框架 OpenClaw 的 AI 控制系統，但提供更完善的安全與治理機制。該公司認為，隨著 AI 代理逐漸成為企業自動化流程的重要工具，能夠協調多個模型與企業資料來源的「代理編排層」（orchestration layer），將成為下一波 AI 軟體競爭的焦點。 AI 代理不只是聊天機器人，而是「完成工作的系統」 Perplexity 的核心產品 Computer 本質上是一個 AI 代理編排引擎。當使用者提出任務目標，例如「整理今晚活動參與企業的簡報資料」，系統會先將目標拆解為多個子任務，再分配給不同的 AI 子代理處理。 這些子代理會使用最適合的 AI 模型完成工作，包括資料搜尋、文件生成、程式撰寫、分析與內容整理，最後再整合成完整成果。換句話說，Computer 不只是回答問題，而是能直接完成一整個工作流程。 根據 Perplexity 說明，該系統可同時協調約 20 個不同 AI 模型。其中包括 Anthropic 的 Claude Opus […]

和椿科技董事長程天縱：AI 機器人不是一個產業，是企業轉型變革的時機

「在講機器人和 AI 時，大家都當成一個產業，但和椿來看，AI 機器人不是一個產業，是企業轉型變革的時機，這一點是我們跟大多數人看法不一樣的地方，」和椿科技董事長程天縱在今（3/12）接受媒體採訪時表示，雖然 AI 機器人的市場成熟期仍難預測、現階段需求也還有限，但他認為，對企業來說，真正重要的不是市場何時全面爆發，而是能否及早把 AI 機器人納入產品與營運流程，否則企業就可能長期停留在傳統製造思維中，難以進入高科技產業的行列。 程天縱進一步解釋，若只把 AI 機器人視為一個產業，很容易落入既有思維，將焦點集中在供應鏈、零組件與材料，卻忽略真正的需求與價值鏈。「機器人三個字，事實上是機器跟人，機器是供應方，人是需求方，機器是為人服務的，所以我們特別強調需求方，」因此和椿並非從供應鏈角度切入，而是選擇站在客戶端思考，與需求方一起尋找更多應用場景與可能性。 美中積極投入 AI 機器人，台灣如何掌握競爭優勢？ 談到在美國與中國皆積極發展 AI 機器人的背景下，台灣如何發揮自身優勢？程天縱表示，美國除了 AI 強，硬體也不弱，真正的弱點在於缺乏製造能力，而製造不只是代工，還會反過來影響最終產品創新，因此這正是美國過去較吃虧之處。然而，如今美國積極推動製造回流，隨著這波趨勢持續，他判斷美國硬體實力未來有機會持續加速發展。 至於中國的產業環境，程天縱認為，中國雖然政治專制、經濟居中，但科技其實相對民主，也就是說，中國的科技發展在很多時候反而保有相當自由度。因此，程天縱分享，不少中國的機器人企業並非單純靠政府扶植而壯大，而是在改革開放、政府相對不干預的環境中成長茁壯。 在美國補製造、中國持續推進應用落地的情況下，程天縱認為，台灣若要找到自己的位置，關鍵不在與大國正面比拚整機或大規模製造，而是在自身擅長的「微型化」與半導體能力上建立差異化優勢。 「我在兩年前就說，算力與算法會前移，」程天縱解釋，算力與算法接下來會從雲端移到邊緣，再從邊緣移到終端，最後再延伸到機器人的手和腳。他認為，未來機器人必須在前端就具備即時判斷與感知能力，而這也將是台灣的絕佳切入點，因為 AI 與機器人進入實體世界後，需要大量感測器感知觸覺、溫度、震動、聲音與位移等，而這些感測器多與半導體製程密切相關。因此，以半導體技術為基礎，台灣若能進一步結合感測器、GPU與前端算力，讓機器人的手腳本身就具備感知與計算能力，就有機會在下一波機器人競賽中建立關鍵優勢。 程天縱也特別強調，除了移動能力之外，機器人的操作能力同樣非常重要，而其中手的觸覺將是關鍵。因此如果台灣能率先掌握觸覺感測器、算法與前端算力的整合能力，將會是一個非常大的機會。 如果機器人是發電廠，和椿科技的目標就是成為「智慧家電」 「如果我們把機器人的硬體比喻為發電廠，那和椿現在要做的，就是成為解決千家萬戶痛點的智慧家電，」在當前的產業趨勢下，談到和椿在 AI 機器人產業中的角色與定位，和椿科技副董事長張以昇形容，「發電廠」固然重要，但真正能讓電力創造價值、實際解決生活或生產問題的，仍然是終端應用端的「智慧家電」。因此，和椿真正想做的，不只是機器人本體的供應，而是把技術轉化成能落地的應用方案，並強調人形機器人的應用市場，也將成為和椿未來持續投入與布局的主要方向。 面對中國在機器人硬體製造上已經進入高度競爭、甚至近乎極致內捲的狀態，張以昇指出，台灣若在這個階段再去拚硬體，不僅會陷入激烈價格戰，也不具備絕對優勢。在這樣的背景下，和椿選擇把核心競爭力放在理解場域需求、整合技術，並提供最終可執行的解方，也就是不再單純販售關鍵零組件或硬體設備，而是直接「賣給客戶問題的解答」。 未來，和椿的目標是成為深入百工百業、解決場域實際痛點的夥伴，並致力讓 AI 機器人技術真正落地，同時轉化為各行各業提升整體競爭力的實質動能。 （首圖來源：科技報橘）

新設施強化供應鏈效能！聯邦快遞桃園國際機場轉運中心擴建落成啟用，提升台灣在全球貿易中的關鍵地位 

全球最具規模的快遞運輸公司之一聯邦快遞（FedEx）3/11 宣布，其位於桃園國際機場全新擴建的轉運中心正式啟用。此設施是聯邦快遞在台深耕 35 年來最大規模的一筆單項投資，不僅大幅擴增設施面積與分揀能力，更旨在滿足台灣高科技、半導體、電子商務等其他關鍵產業日益增長的物流需求，持續推動台灣經濟成長。  新設施的面積較原址擴增一倍，達約 19,000 平方公尺，並配備先進的自動化分揀系統，每小時可處理高達 9,000 件包裹；與以往設施相比，進口貨件處理效率大幅提升 2.5 倍，出口貨件處理效率亦提升 1.2 倍。新設施全方位強化快遞包裹、大型貨物及特殊貨物（含危險品與冷鏈產品）的處理能力，使營運安全性與供應鏈韌性顯著提升，也讓跨境寄運企業受益於更快速、更可靠的物流服務。  新轉運中心採用全電動化的地面支援設備車隊。電動拖車的導入象徵著從傳統柴油車輛向電動化的重要轉型，估計每輛車每日可減少 21 至 26 公斤的二氧化碳排放。在完善的空側充電設施支援下，此舉不僅大幅降低噪音，也提升整體機械效率。  聯邦快遞亞太區總裁蘇查理表示：「隨著亞太地區各經濟體透過貿易與投資日益緊密連結，企業需要能夠跟上貿易版圖快速變動的物流網絡，此次擴建台灣轉運中心，再次展現聯邦快遞持續投資物流基礎設施的承諾，為客戶提供更快速、可靠且具彈性的物流服務，協助企業強化供應鏈韌性，並拓展更多市場機會。」  作為全球半導體製造重鎮，台灣的產業產值於 2025 年已達新台幣 6.84 兆元，預計至 2030 年將佔全球總產能約 80%，充分顯示其在全球高科技供應鏈中的重要地位。  運送半導體與精密儀器等高價值、時間敏感性產品，需在每個運輸階段維持極高的可靠性、即時可視化及嚴格的安全控管。聯邦快遞在跨境運輸中導入 FedEx Surround® 監控與干預系統及 SenseAware ID 感測技術，以滿足這些需求。此外，透過 FedEx® Sustainability Insights（FSI） 數位工具，客戶可對符合條件的貨件進行碳排放評估與管理，並檢視寄運紀錄，同時生成透明報告供利害關係人參考。  除支持科技大廠外，聯邦快遞亦持續協助台灣中小企業拓展全球市場。擴建後的轉運中心強化了聯邦快遞的區域網絡，促進更靈活高效的跨境貨物流通，有效降低貿易門檻，加速台灣中小企業搶攻國際商機。  聯邦快遞台灣總經理蘇智民表示：「新轉運中心的啟用是聯邦快遞在台灣的重要里程碑。透過提升網絡能力、整體分揀量能及營運效率，我們將更強而有力地支援台灣關鍵出口產業，並加深台灣與全球市場的連結。我們承諾將持續與客戶及合作夥伴緊密合作，提供可靠、優質且更具永續性的物流解決方案，為台灣的貿易與經濟發展貢獻心力。」  聯邦快遞自 1990 年進駐桃園國際機場開始營運，目前在全台設有 10 個全球服務中心、9 個服務站、逾 8,000 個授權寄件中心，並擁有超過 400 輛運務車與機車所組成的配送車隊。透過每週 40 班直飛美國、歐洲及亞太市場的航班，這座擴建後的轉運中心將進一步提升貨件與貨運處理效率、營運安全及供應鏈管理能力，鞏固台灣在全球供應鏈中的關鍵地位。 （本文訊息由聯邦快遞 FedEx 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：聯邦快遞 FedEx。）

如何讓 AI 看懂產線？台灣思科以數位轉型 3 部曲，助攻企業將 OT 通訊與資安作為關鍵橋樑

隨著 AI 技術席捲全球，製造業正加速邁向 AI 智慧工廠的新紀元。然而，如何讓 AI 真正「看懂」產線並發揮最大效益，成為產業界的共同挑戰。台灣思科亞太區工業物聯網產品經理吳竣民近日於 AI 智慧大工廠論壇，深度探討 OT 通訊與資安如何成為智慧製造的關鍵橋樑，並解析思科透過 3 步驟，協助企業突破數位轉型痛點的具體模式。 吳竣民指出，未來的 AI 智慧工廠將圍繞三大核心元素，不僅具備能處理複雜指令的 Agentic AI，現場的無人搬運車、機械手臂等實體設備也將全面搭載 AI，而支撐這一切的基石，在於工業現場數據。 根據思科預估，高達 75% 的數據將直接來自產線終端設備，包含 PLC、控制器、機台或影像，透過這些關鍵數據，才有辦法讓 AI 應用順利落地並發揮效力。但實際推動 AI 數位轉型，製造業者往往面臨現場資料擷取困難、設備運作存在盲點、資安風險遽增的難題，甚至擔心升級 OT 設備造成產線停擺。因為傳統工廠的系統各自為政，無法有效串接，也缺乏網路層的可視性，讓工作人員難以掌握機台即時狀態，當企業整合跨平台應用，更將擴大駭客的攻擊面，「許多 IT 同仁進行 OT 網路與資安作業時，最擔心的就是升級 OT 設備，可能導致生產線停止運作，所以我們透過思科提出的 3 步驟，希望協助客戶實現安全的升級轉型，」吳竣民說道。 數位轉型第 1 步：三階層架構，建立 OT 神經網路 吳竣民表示，思科建議企業架構三階層的神經網路，並盤點終端設備與工業大腦涵蓋哪些，接著以神經網路的概念建立防護網。過去，製造工廠在不同設備、系統，會使用不同的網路，一旦新系統導入，就會發現網路不相容、無法連接的問題，使得企業在建構網路的過程中重複投資，且容易形成資安盲點。而思科提供一系列工業等級的網路交換機，助企業以安全的設備建置安全的網路。這些交換機採用金屬外殼與無風扇散熱，支援攝氏 -40 度至 75 度的環境，可以直接放置於戶外的密閉機箱中穩定運行，另外，交換機通過 IEC-62443-4-2 工業資安認證，可確保企業基礎設施的安全性。 吳竣民說明，在思科 IE9300 工業交換機系列，主機功耗僅 35 瓦，特別之處在於能支援四台設備堆疊的模組，為企業大幅降低管理上的負荷量；最新的 IE3500 […]

新漢集團攜德國機器人生態系夥伴登 Embedded World 2026，亮相最新 Edge AI 軟體定義邊緣運算應用

【為什麼我們要挑選這篇新聞稿】 隨著 AI 技術走向實體，驅動工業機器人的應用與人機協作安全成為產業焦點。在德國嵌入式電子與工業電腦展（Embedded World 2026），NEXCOM 新漢集團如何透過兩大重點展區 ── AIoT 解決方案與 AI 運算，展示從建構 AI 運算平台、部署實體 AI 裝置，延伸至 AIoT 作業場域及新世代 AI 企業轉型的具體解決方案？ 工業電腦大廠新漢（8234）近年來積極推展 AI 在各類終端應用的布局，包括自動化解決方案、智慧強固車載、安全機器人、智慧城市、地端型 GPT 以及工業級資安軟體等服務。其中機器人被視作現階段AI得以具體發揮功能的物理載體，如何加速導入機器人在各領域的應用是產業共同努力的目標。新漢集團本周於德國嵌入式電子與工業電腦展（Embedded World 2026）上攜手德國機器人生態系夥伴 Synapticon 以及 Botfellows 針對智慧工廠、服務型機器人、車廠、物流倉儲等自動化應用，提供一系列通過安全認證的工業型機器人解決方案。 新漢旗下創博（NEXCOM Robotic Solutions）整合工業型機器人功能安全、視覺辨識、以及運動控制 針對多樣人機安全使用情境 打造以安全為本的機器人解決方案 在將智慧載體（Physical AI）導入工業作業環境的過程中，因牽涉到人機協作安全，智慧載體的各項環節如關節驅動器、控制馬達、以及安全感測器，均須個別導入嚴格的安全認證程序。作為智慧機械生態系的核心建構者，創博提供穩定的運動控制平台，結合德國夥伴 Synapticon 的關節驅動模組、以及德國夥伴 Botfellows 的安全應用軟體，可應用在智慧工廠、服務型機器人、車廠、物流倉儲以及其他自動化應用，創博與生態系夥伴致力於協助智慧載體開發商縮短單機開發時程，提供最高安全等級的工業型機器人解決方案。 新漢參展德國嵌入式電子與工業電腦展（Embedded World 2026）展會亮點 新漢本次展出以「在軟體定義邊緣運算盡情釋放潛能（Unleashing the Ingenuity of SD Edge Computing）」為主題，透過兩大重點展區 ── AIoT 解決方案與 […]

黃仁勳的底層護城河保衛戰：NVIDIA 豪砸 260 億美元打造的美製開放模型亮相

隨著 AI 代理（Agentic AI）開始被企業用於自動化更複雜的任務，AI 產業的競爭焦點正悄悄改變。過去市場比的是模型規模與能力上限，如今企業更在意的，則是推理效率、部署成本，以及模型是否適合多代理系統長時間運作。 NVIDIA 宣布推出的開放權重模型 Nemotron Super 3，正是對此新需求的回應。這款模型主打為 Agentic AI 系統設計，採用混合式 Mixture-of-Experts（MoE）架構，具備 100 萬 token context window，目標是在處理長流程、多步驟任務時，降低運算成本與所謂的「思考稅」（thinking tax）。 這也顯示，AI 產業正從單一大型模型競賽，轉向更重視推理效率、多代理系統與開源生態的新階段。而 NVIDIA 也試圖藉此從 AI 晶片供應商，進一步轉型成為完整的 AI 生態系提供者。 多代理系統興起，推理成本成新瓶頸 AI 代理之所以成為新焦點，是因為企業希望它們不只回答問題，而能真正執行任務，例如協助寫程式、處理資安事件、搜尋資料，甚至完成跨工具的工作流程。但這類多代理系統也帶來新問題。 根據 NVIDIA 與《VentureBeat》引述的資料，多代理應用在執行長流程任務時，產生的 token 量可能是一般聊天互動的 15 倍。原因在於，代理每完成一步，都必須反覆帶入歷史脈絡、工具輸出與中間推理結果。這種現象被 NVIDIA 稱為「上下文爆炸」（context explosion）。當上下文持續膨脹，模型不僅更昂貴，也更容易在長任務中偏離原本目標。 另一個問題則是「思考稅」。也就是說，若每個子任務都交由大型推理模型處理，成本與延遲都會迅速上升，使 Agentic AI 很難在企業場景中大規模落地。Nemotron Super 3 的定位，正是試圖在這兩個瓶頸之間找到平衡。 Nemotron Super 3：為 Agentic AI 優化的開放模型 NVIDIA […]

Meta 公開四代 MTIA 路線圖：不只拚自研晶片，真正要打的是 AI 推論成本戰

當全球 AI 競賽持續升溫，科技巨頭比拚的已經不只是模型能力，而是誰能用更快速度、更多元的硬體組合，撐起愈來愈龐大的訓練與推論需求。近日 Meta 公布 MTIA 300、400、450 與 500 等四代自研 MTIA 晶片路線圖，在這一系列晶片路線圖的背後，透露的是一場 AI 基礎設施戰略的加速。 Meta 一方面希望因應快速擴張的 AI 工作負載，另一方面也試圖透過自研晶片降低成本、分散硬體來源，因此這次發布的意義不只是單純的推出新晶片，更反映出 Meta 正在重新調整 AI 硬體布局的節奏與優先順序。 Meta 晶片戰略轉向，推論成為下一個主戰場 目前，首款新晶片 MTIA 300 已經投入使用並進入量產，主要負責支撐 Meta 內容排序（ranking）與推薦系統（recommendation systems）的演算法訓練。這也是在生成式 AI 崛起前，Meta 內部最主要的工作負載。 然而，隨著生成式 AI 浪潮興起，Meta 的硬體設計重點也隨之轉移。雖然 MTIA 400、450 與 500 等後續三代晶片仍具備處理各類工作負載的能力，但在近期至 2027 年間，將採取「推論（inference）優先」的策略，專門針對生成式 AI 的推論進行優化，並支援已訓練完成的模型產生文字或圖片等輸出。 針對此路線的轉變，Meta 工程副總裁 Yee Jiun Song 點出關鍵：「我們看到目前推論需求呈現爆炸性增長，這也是我們目前專注的重點。」相較於市面上主流 GPU 通常優先為模型「預訓練」而打造，Meta […]

《電通 2026 媒體趨勢報告》：AI 生成受眾助品牌更接近消費者，未來媒體競爭的是「人類行為瞬間」

在 AI、短影音與串流平台快速演變的媒體環境中，品牌接觸消費者的方式正變得高度碎片化。平台持續更迭、技術不斷升級，但消費者如何做選擇、如何建立信任，以及如何記住一個品牌，其背後的人類行為邏輯卻始終相對穩定。電通最新發布的《2026 媒體趨勢報告》指出，在演算法主導的媒體時代，品牌競爭的關鍵不再只是「選擇哪一個平台」，而是能否在消費者做決策的關鍵「人類行為瞬間」產生影響力。電通媒體專業服務暨貝立德執行長盧炳勳指出：「過去品牌談媒體策略，常聚焦在平台與流量；但在演算法時代，真正的關鍵其實是『人類行為瞬間』。當 AI 開始參與決策流程，品牌必須思考如何在消費者產生需求、比較選擇與建立信任的關鍵時刻建立影響力。」 報告從人類行為出發，提出三大核心觀察與九大媒體趨勢，協助品牌重新思考在新媒體環境中的策略布局。 核心一：我們從簡單走向複雜（We Are Simple Until We Are Complex） 在嘈雜的世界裡，人們始終在尋求「簡單」。從找停車位、付款流程，到瀏覽內容的便利性，效率依然是消費者最基本的期待。但人並不只是追求結果，真正好的體驗，往往是在效率與情感之間留下剛剛好的感受空間。 隨著生成式 AI 與代理型 AI（Agentic AI）的發展，消費者正逐漸將部分決策權交給系統完成，例如產品推薦、內容搜尋與購物選擇。未來品牌面臨的問題，不再只是如何提升曝光，而是是否能被 AI 視為「值得推薦」的選項。 數位體驗長期以「更快、更順暢」為目標，從付款流程、內容瀏覽到電商交易，效率早已成為基本標準。然而當所有品牌都提供高度順暢的體驗時，真正的差異化反而可能來自「刻意設計的摩擦」。例如限量商品、期間限定活動、實體場域體驗或需要排隊的活動，這些看似不夠便利的設計，往往能創造更強烈的渴望與記憶點。電通指出，在高度自動化的媒體環境中，「適度摩擦」將成為品牌塑造情緒價值與文化感的重要策略。 搜尋不再只是單一入口，而是一段跨平台的連續行為。消費者可能從社群平台開始探索，在電商平台比較商品，再透過 AI 對話取得建議。電通指出，品牌需要從傳統 SEO 思維，轉向建立「全搜尋策略」，確保在社群、電商與 AI 對話等多個入口中保持可見度，並在消費者決策的關鍵時刻不缺席。 核心二 : 我們是社交動物 We Are Social Animals 人類天生具有社交本能。即便近年孤獨感議題受到關注，人們渴望連結的需求並未減弱。真正能被看見的品牌，不只是完成交易，而是促成連結。消費者期待品牌能讓人與人產生互動與共同參與，而不是單向傳遞訊息。 在資訊爆炸與真假難辨的環境中，消費者更依賴「像自己的人」作為判斷依據。信任正從完美的品牌說法，轉向創作者、社群與真實使用者的聲音。品牌若希望在社群中被接受，關鍵不在於強勢曝光，而是理解並尊重社群文化，支持創作者發展，讓品牌自然融入社群對話。 隨著即時通訊工具普及，消費者與品牌的互動正從單向訊息轉向持續對話。對話型互動不再只是客服工具，而是品牌關係經營的重要場域。以台灣市場為例，品牌透過 LINE 等平台整合會員資料、客服與銷售流程，將對話設計為完整的顧客旅程，正逐漸成為企業建立長期顧客關係的重要能力。 即使串流影音已成主流，直播（Live）仍然是集體記憶的製造現場。體育賽事、音樂活動與大型直播內容，仍然能讓不同世代在同一個情緒時刻產生共鳴。品牌若能在這些共享時刻中出現，往往更容易建立深刻且持久的品牌印象。 核心三  : 我們不「讀」廣告 ( We Don’t Read Advertising ) 娛樂性長期以來都是吸引注意力的重要因素，而在螢幕使用時間不斷上升與 AI 生成內容大量出現的情況下，人們的注意力變得更加分散。品牌若希望被看見，必須將品質置於數量之前，並重新思考如何創造值得觀看的內容。 AI […]

沾邊 AI 已難募資，為何無法「產生結果」的 SaaS 不受矽谷創投青睞了？

在矽谷乃至全球資本市場中，AI 熱潮正從「概念驅動」逐漸走向「價值檢驗」。過去幾年，只要公司與 AI 相關，往往更容易吸引投資人注意，但市場已經開始重新評估 AI 公司的真正價值。 創投圈的關注焦點，從單純的技術創新轉向更嚴格的商業模式檢驗。這不僅意味著投資偏好的變化，也反映出 SaaS（軟體即服務）產業的價值邏輯正在被重新定義。 近期軟體股與半導體股表現的分化，也透露出資本市場的資源重新配置。投資人逐漸將資金從單純「採用 AI 技術」的公司，轉向那些能夠提供 AI 基礎能力，或以 AI 為核心構建產品的企業。 從工具提供者到任務執行系統 在新的投資邏輯下，資本市場更加關注 AI 原生基礎設施，以及深度結合產業流程的垂直 SaaS 應用。背後原因在於，當 AI 模型逐漸普及並成為通用能力後，企業的真正競爭優勢往往來自「專有資料」與「流程控制能力」。 傳統軟體多半被視為輔助工具，其價值往往來自易用的介面與功能整合能力。然而在 AI 時代，軟體的核心價值逐漸轉向能否「完成任務」與「產生結果」。投資人因此更傾向支持那些能直接解決問題，而不只是提供工具的平台。 所謂「行動系統」，指的是軟體不僅提供資訊或介面，而是能在流程中自動執行任務並完成結果。當這類系統深入企業關鍵工作流程時，往往能形成高度黏著度與轉換成本。 相反地，如果 SaaS 產品只是將既有流程進行數位化，卻沒有掌握流程背後的資料與邏輯，在 AI 代理逐漸普及的情況下，其競爭力可能會變得相對脆弱。 AI Wrapper 模式逐漸失去吸引力 事實上，在創投圈中有一類產品近年開始受到更多質疑，這些產品通常是在既有 API 或 AI 模型之上，加上一層介面或輕量功能，因此被稱為「AI Wrapper」。 當產品只是透過 UI 或簡單自動化改善使用體驗，而缺乏深度流程能力時，其競爭優勢往往難以維持。隨著大型科技公司直接在平台層整合 AI 功能，這類產品更容易被替代。 例如當 Anthropic 或 Google 在系統底層提供更完整的 AI 能力時，僅依賴表層自動化或介面差異的工具，其吸引力就會逐漸下降。因此，投資人現在普遍對容易被 AI 代理取代的任務型工具，保持更高的警惕。 […]

2 個工程師、3 個月搞定 600 PB 數據！揭密 OpenAI 內部 AI 代理如何讓 4 千名員工大省時間

在過去，當企業分析師需要從海量資料中交叉比對各個地區與客戶群的營收時，往往需要耗費數小時甚至數天。他們必須在數以萬計的資料集中尋找正確的表格、撰寫複雜的 SQL 查詢語法，並反覆確認資料架構。如今，在 OpenAI 內部，員工只需要在通訊軟體 Slack 中輸入一段簡單的自然語言提問，幾分鐘內就能獲得一份完整的分析圖表。 這個改變背後的工具，是 OpenAI 內部一個由兩名工程師在三個月內打造的 AI 資料代理（AI data agent）。該系統如今已被約 4,000 名員工每天使用，能搜尋超過 7 萬個資料集與約 600 PB 的企業資料，讓員工透過自然語言就能完成複雜的資料分析。值得關注的是，其中 70% 的程式碼由 AI 生成。 搜尋 600 PB 海量資料，AI 代理的強大威力 OpenAI 面臨的資料挑戰極為龐大，其資料平台涵蓋超過 70,000 個資料集，總資料量高達 600 PB（Petabytes）。要在如此浩瀚的數據庫中找到正確的資料表，是資料科學家最頭痛的難題。 為了解決這個痛點，OpenAI 的資料平台團隊開發了一款基於 GPT-5.2 模型的 AI 資料代理。它被無縫整合到員工日常使用的介面中，包括 Slack、網頁介面、開發環境（IDE）以及內部的 ChatGPT 應用程式。 無論是財務團隊查詢營收數據、產品經理追蹤新功能採用率，或是工程師除錯系統延遲問題，這個 AI 代理都能跨越部門藩籬，將散落各處的資料進行統整與深度分析。 OpenAI 資料基礎設施負責人 Emma Tang 表示，這個系統平均每次查詢可節省 2 至 […]

【科技早餐】甲骨文交卷了：AI 基建不只燒錢，開始長出大單與現金流

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊甲骨文交卷了：AI 基建不只燒錢，開始長出大單與現金流 甲骨文 (Oracle) 最新財報電話會議釋出明確訊號：AI 基礎建設開始從投入期走向交付與變現。公司表示，近期已透過客戶預付款與「自帶硬體」模式，簽下總額 290 億美元新合約，AI 基礎設施收入年增 243%，成為本季最大亮點；剩餘履約義務也攀升至 5,530 億美元，較一年前成長超過四倍。財報公布後，盤後股價一度上漲超過 8%。 外界原本擔心，甲骨文未來高達 500 億美元的資本支出，可能帶來更大債務壓力，也擔心 AI 工具侵蝕 SaaS 生意。不過公司高層強調，未來三年已鎖定超過 10 吉瓦的電力與資料中心容量，其中超過九成將由合作夥伴提供資金，目標是在不明顯消耗自由現金流的情況下持續擴張，顯示市場開始把 AI 基建視為真正能交付、能變現的企業能力。 ＊NVIDIA 先投再供貨，Thinking Machines 直接鎖定 1GW 算力 NVIDIA 宣布，已對前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines Lab 進行重大投資，並建立多年期戰略合作夥伴關係。根據協議，NVIDIA 不只提供資金，也會供應晶片，協助該公司訓練與運行 AI 模型。Thinking Machines 預計在 2027 年初部署 NVIDIA 最新的 Vera Rubin […]

HBM4 壓力提前引爆：應用材料聯手兩大記憶體廠，AI 算力戰轉向量產與供應

OpenAI、Google 與 Microsoft 等美國科技公司正快速擴建 AI 基礎設施，進一步帶動記憶體晶片需求，不僅拉緊供應，也推升價格。三星、SK 海力士與美光這三家全球最大的記憶體晶片製造商皆表示，目前已難以跟上暴增的需求。 IDC 形容，這場由 AI 帶動的晶片短缺是「一場前所未見的危機」。在這樣的背景下，當高頻寬記憶體（HBM）因為複雜堆疊帶來的量產挑戰，進而成為 AI 伺服器擴張過程中的關鍵限制之一時，記憶體的競爭已不只在單一產品，而是同步延伸到材料、製程、封裝與供應節奏上。為了解決這項影響整個 AI 產業進程的瓶頸，當決勝點不再只是單一晶片性能，而是整體量產與供應效率時，設備商也開始更早介入下一代記憶體的研發合作。 應用材料聯手美光、SK 海力士，從源頭共推下一代 HBM 與記憶體 呼應上述的量產挑戰，近日應用材料（Applied Materials）宣布與美光、SK 海力士合作，開發對 AI 與高效能運算至關重要的下一代記憶體晶片，美光與 SK 海力士兩家公司也將成為應用材料「設備與製程創新暨商業化中心」（EPIC Center）的創始夥伴。 應用材料表示，EPIC Center 是一項規劃中的 50 億美元半導體設備研發投資，資本支出將隨客戶專案啟動而逐步擴大至該規模。事實上，應用材料曾在 2023 年時表示，將對該研發中心投入最高達 40 億美元的資金，並預計在 2026 年上線，如今該計畫的預期投資規模已進一步擴大。 在具體的合作方向上，應用材料與美光的合作將聚焦於推進 DRAM、HBM 與 NAND，並結合 EPIC Center 與美光位於愛達荷州 Boise 創新中心的技術能力。至於應用材料與 SK 海力士的合作，則將聚焦在下一代 DRAM 與 HBM 的材料改良、製程整合，以及 3D 先進封裝。 […]

工程師面試不只談薪水：矽谷開始把「AI 算力」寫進薪酬

矽谷科技公司向來以優渥薪酬搶人才，薪酬結構通常由基本薪資、獎金與股票三大部分組成，但隨著生成式 AI 成為軟體開發的重要工具，科技業開始出現一種新的討論：AI 算力是否也應該成為工程師薪酬的一部分。 隨著生成式 AI 迅速普及，企業對於 GPU 與 AI 推論資源的需求急速上升，這些算力不只關係到產品開發速度，也直接影響工程師的生產力。《Business Insider》報導，一些求職者在面試時甚至會直接詢問，公司能提供多少 AI 推論（inference）算力，作為是否加入的重要考量。 這意味著工程師薪酬結構可能出現新的變化：除了薪資、獎金與股票之外，AI 使用額度或 token 配額，正逐漸被視為第四種薪酬要素。 AI 算力成為工程師的新「工作資源」 OpenAI Codex 工程主管 Thibault Sottiaux 最近在社群平台 X 上表示，他在招募工程師時，越來越常被問到：加入團隊後可以使用多少 AI 推論算力來開發？他指出，AI 使用量的成長速度遠高於使用者數量的增加，這代表算力資源正在變得更加稀缺，也越來越有價值。 這種稀缺性正在重塑工程師對於工作和薪資的看法。OpenAI 總裁 Greg Brockman 也直言：「你能使用多少推論算力，將越來越直接影響軟體開發的生產力。」換句話說，在 AI 時代，工程師若無法取得足夠的模型算力，可能就會比同事產出更少程式碼，甚至影響職涯發展。 AI token 可能成為薪酬新指標 這種變化已反映在工程師薪酬結構上。薪資網站 Levels.fyi 的資料專家 Hakeem Shibly 最近在一位軟體工程師的薪資資料中看見，候選人已經把「GitHub Copilot 訂閱」列為員工福利之一。 一些投資人與 AI 產業人士甚至預測，未來工程師薪酬可能直接以 token 預算呈現。創投機構 Theory […]

美國批准 26 州大規模試點、中國推 10 人座原型機：eVTOL 商業化進入倒數計時

空中計程車正從概念驗證走向更接近實際運作的階段。近日美國政府已批准 8 個名為「Advanced Air Mobility 與 eVTOL Integration Pilot Program」的試點計畫，讓新型飛行器可望最快自今年夏天起，就能展開更廣泛的測試。這項整體計畫為期三年，橫跨美國 26 州、8 個區域，代表空中計程車不再只是單點示範，而是邁向更大範圍的區域性試運作，美國航空業也正試圖藉此追平中國在此領域的發展步伐。 這次參與測試的主要企業包括 Archer Aviation、Beta Technologies、Joby Aviation 與 Wisk，以及開發混合動力超短距起降飛行器的 Electra 等公司。這些業者強調其飛行器比傳統直升機或飛機更安靜、更便宜且排放更少的廢氣，其中許多公司也都擁有軍事與國防的資金及合約支持。這些測試的用途不僅鎖定在城市空中計程車，同時也涵蓋個人旅行、區域運輸、貨運物流與緊急醫療等多種場景。 雖然這些飛行器目前都尚未完成完整的美國聯邦航空總署（FAA）認證，且電動垂直起降飛機（eVTOL）要正式商業化，本來就需要多年的時間與數億美元的大量資金投入，但這次試點的重要性在於，它允許仍在正式型式認證流程中的飛行器，能先一步進入較貼近真實世界的運作驗證。 FAA 正替空中計程車測試「真正上路前」的條件 這項試點計畫的核心，在於參與的企業不能單獨進行測試，而是必須與州、地方、部落或領地政府進行合作，這代表 FAA 要驗證的不只是飛機本身，更是未來營運時需要搭配的治理、協調與場域條件。正如 FAA 副局長 Chris Rocheleau 所述，這些合作將提供寶貴的操作經驗，幫助他們更了解如何安全、有效率地將這些飛行器整合到國家空域系統中。 在具體場景方面，紐約與紐澤西港務局已與 Archer、Beta、Electra 以及 Joby 展開合作，預計測試 12 種營運概念，其中一種便是以曼哈頓直升機場為基地。另一個例子是德州交通部將與 Archer、Beta、Joby、Wisk 合作，測試串聯達拉斯、奧斯汀、聖安東尼奧，並在之後延伸到休士頓的區域飛行。同時，德州計畫的設計不僅止於單次飛行，而是要建構出從各個城市向外延伸的空中計程車網路。 此外，部分試點的地理範圍更為廣泛，例如由猶他州主導的計畫將在太平洋西北地區、洛磯山脈與奧克拉荷馬平原測試多種次世代飛行器與營運概念。賓州交通部主導的另一個計畫則將涵蓋 13 州，目標是振興全國各地的區域性飛行。 除了聚焦於載客，試點也包括了貨物運輸、醫療救援與自動化操作。具體來說，Beta、Elroy Air 等公司將測試前往墨西哥灣，以及路易斯安那州、德州、密西西比州等能源產業地點的貨物與人員運輸。另外，阿布奎基市政府也正與 Reliable Robotics 合作測試自動化操作。 從紐約直升機場到德州城市串聯，再到貨運、醫療與自動化，這輪試點測的是多種未來營運場景，而不只是單一飛行器表演。 中國大型 eVTOL 原型機現身，開始往「載客」目標推進 […]

你的服務會被 ChatGPT 直接「內建」嗎？解析 a16z 最新報告與 2026 企業 AI 生存防禦戰

創投機構 Andreessen Horowitz（a16z）近日發布第六版《百大消費者生成式 AI App》（Top 100 Gen AI Consumer Apps）榜單，試圖回答一個關鍵問題：哪些 AI 產品真的被主流消費者使用？《Forbes》則對此報告進一步提出企業應思考的 4 個大問題，以及制定 AI 平台策略的方法。 調查結果顯示，OpenAI 的 ChatGPT 仍然以壓倒性優勢領先市場，但 Google Gemini 與 Anthropic Claude 正快速成長。這場競爭不僅關乎誰能在 AI 助理市場暫時領先，更攸關誰能成為使用者的 「預設 AI 入口」（default AI），建立難以被取代的平台地位。 ChatGPT 仍領先，但 AI 平台競爭升溫 根據 a16z 的統計，ChatGPT 目前每週活躍使用者已達 9 億人，約占全球人口的 10%。在網站流量上，ChatGPT 規模是排名第二的 Gemini 的 2.7 倍，在行動端月活躍使用者方面也達到 2.5 倍差距。 然而競爭者正迅速追趕。資料顯示，Claude 的付費訂閱用戶年增率超過 200%，而 Gemini 的增長率更達 […]

Moltbook 未成熟、內容真假難辨，Meta 為何仍出手收購？答案在背後的 AI Agent 團隊

Meta 在 3 月 10 日宣布收購新創公司 Moltbook。這起交易之所以格外受到關注，不只是因為 Moltbook 是一個能讓 AI Agent 彼此發文與互動的社群平台，更因為它一邊快速爆紅，一邊始終伴隨「內容可能有人類介入」與安全漏洞等爭議。因此，這筆收購案的看點，除了 Meta 買下了一個話題平台之外，更重要的是 Meta 為何仍願意出手。 Moltbook 是什麼？一個 AI Agent 的社群平台 Moltbook 的社群網路原本就是設計來與另一個開源 AI 代理平台 OpenClaw（原名 Moltbot）搭配運作。OpenClaw 由開發者 Peter Steinberger 創建，本質上是 Claude、ChatGPT、Gemini 或 Grok 等 AI 模型的包裝層（wrapper），能讓人們透過 iMessage、Discord、Slack 或 WhatsApp 等日常通訊軟體，以自然語言與 AI 代理進行交流。 在這個基礎上，Schlicht 與團隊於今年初推出了面向 AI Agent 的平台 Moltbook。Moltbook 是一個類似 Reddit 的社交網路，可以讓使用 OpenClaw 的 AI […]

拒絕「幾乎有用」的 AI 資訊噪音，高效團隊的 3 種 AI 成熟協作模式

生成式 AI 迅速改變企業的工作模式，從撰寫報告、整理資料到起草提案，AI 能在短時間內完成大量內容生產，看似為企業帶來前所未有的效率提升。 然而，隨著越來越多組織導入 AI，一個新的問題也逐漸浮現：工作產出增加了，但決策與效率未必同步提升。 部分管理者開始發現，團隊看似更忙碌，實際上卻被大量「幾乎有用」的 AI 內容淹沒。這種情況逐漸被視為生成式 AI 時代的「生產力悖論」，也成為企業導入 AI 時必須正視的管理議題。 生成式 AI 帶來的生產力錯覺 生成式 AI 工具如今可以比任何人類團隊更快生成內容、摘要與建議，但速度本身並不等同於效率。若缺乏清晰的目標與結構化思考，快速產生的大量內容反而可能阻礙工作推進。 許多團隊在導入 AI 後出現一種表面上的高生產力現象：文件變多、報告更精緻、輸出速度加快，但真正完成的決策卻沒有增加。導致組織可能花費更多時間閱讀、整理與修正 AI 產生的內容，而不是專注於做出關鍵決策。 分析機構 Forrester 副總裁兼首席分析師 JP Gownder 指出，許多生成式 AI 技術在企業環境中的實際效果並不理想。許多生成式 AI 技術在企業環境中的實際效果並不理想。問題不僅存在於消費者體驗，在企業級應用場景中同樣明顯。 當 AI 產生的內容越來越多，但決策與行動卻沒有同步增加時，這些看似完整的輸出就可能形成表面上專業且令人印象深刻，卻未必能推動工作真正向前的「資訊噪音」。 AI 噪音如何削弱判斷與決策 在一些企業中，員工撰寫的內容變多，但做出的決策卻變少；團隊感覺工作更加忙碌，但效率卻沒有真正提升；公司文件與報告看起來更精緻，但內容卻越來越雷同。這種現象有時被比喻為音樂中的「過度演奏」。 當演奏者過度追求速度與技巧，而忽略意圖、情感與結構時，音符再多也無法形成真正動人的作品。同樣地，AI 若只是增加輸出，而不是提升判斷力，就可能讓組織陷入內容膨脹卻缺乏方向的困境。 企業領導者與其問「AI 能為我們做什麼」，更重要的問題是：「人類必須做什麼，而 AI 應該如何強化這些能力」。 在許多組織中，生成式 AI 最有效的用途並不是取代人類思考，而是協助完成繁瑣工作。 例如，管理團隊可以利用 AI 精簡冗長的董事會報告，但敘事與結論仍由人類決定；銷售團隊可以使用 AI 起草提案，但客戶策略與關係建立仍由業務人員主導；營運團隊可以自動生成報告，但數據解讀與決策仍需管理者負責。 也就是說 […]

Microsoft AI Summit Taipei 重磅登場，引領人機協作新篇章

Microsoft AI Summit Taipei 於昨（10）日盛大登場，以 AI Agent、Copilot 為主軸，由微軟國內外重磅講者攜手生態系夥伴進行分享，內容聚焦企業與 AI Agent「人機協作」新模式，並與全球同步宣布專為前瞻企業打造的 Microsoft 365 E7 方案。活動吸引逾 1,500 人報名，匯聚金融、醫療等多元產業代表，共同探討企業如何透過 AI 參與營運流程、輔助決策，進一步重塑工作流程、客戶體驗與創新商業模式；同時藉由企業的多元實務經驗分享，助力台灣企業邁向 AI 新局，開啟產業智慧驅動成長的新篇章。 台灣微軟總經理卞志祥表示：「全球 AI 技術正快速從模型能力競賽走向規模化落地階段，企業競爭關鍵也隨之轉向平台整合、資料治理與安全合規等整體能力的建構。過去 30 多年，微軟陪伴台灣企業從數位轉型進入 AI 轉型，如今正邁向前瞻轉型（Frontier Transformation）新階段，以 AI 為企業核心全面重塑組織運作與創新。而 AI 真正落地的關鍵在於資料治理而產生的智慧（Intelligence）與信任（Trust），台灣微軟持續在地深耕，以雲端、AI 與資料中心區域等關鍵技術，攜手產業夥伴實現 AI 應用落地，並以引領全球的解決方案與厚實經驗共同打造完整生態系，讓台灣在全球科技舞台發光發熱。」 以前瞻轉型定義 AI 新價值，AI 已不再只是測試而是真實應用 此次活動由首度來台的微軟亞洲區總裁 Rodrigo Kede Lima 進行第一場演講，以如何成為前瞻性企業（Becoming Frontier）為題，分享全球企業發展的最新趨勢，並強調 AI 的價值不僅在於提升營運效率，更是驅動企業轉型的關鍵力量，賦能第一線開發者與業務團隊，加速將創新構想轉化為落地實踐。 針對企業如何系統化推動 AI 轉型，Rodrigo Kede Lima 進一步提出 Frontier Success Framework，強調企業應從零散的創新嘗試，轉向聚焦帶動的成長與可衡量的商業成果，其中包含賦能員工、重塑客戶互動、重塑商務流程以及加速創新突破四大面向，並以台灣企業已進行商業應用的案例進一步闡述導入效益： l   賦能員工：中國信託商業銀行透過在商務流程中整合 Microsoft Copilot 釋放人力價值，讓組織與團隊得以從繁瑣的人工作業轉向更具價值的策略規劃與創新，推動內部全員 AI 化，打造 AI 賦能的企業文化。 l   重塑客戶互動：台灣微軟與華碩共同打造基於 Azure AI 的多代理（Multi-Agent）架構的 AI 助理系統「ASUS AI Assistant」，由不同 AI Agent 分別負責意圖理解、產品知識檢索、推薦決策與客服回應等任務，並在同一平台上協作完成完整服務流程。透過多代理協作，由不同專業能力的 Agent 間自動分工、交互驗證並整合結果，快速回應客戶需求。 l   重塑商務流程：藉由 Microsoft Copilot Studio 的協助，一家金控公司已在確保合規的情況下，成功創建一個內部生成式 AI 小幫手。這款 AI 工具與 Microsoft 365 合作，有效協助員工處理文件、撰寫郵件、生成郵件摘要，以及查找資訊等工作。 l   加速創新突破：亞東紀念醫院運用微軟 Azure 台灣資料中心區域，打造台灣首座基因定序雲端系統，將基因分析由數小時縮至數分鐘、大規模聯合分析效率提升達 16 倍，協助即時臨床決策洞察、縮短研究週期，加速精準醫療創新落地。 在 Rodrigo Kede Lima 的主題演講中更以電商行銷案例展示微軟完整解決方案在企業各工作流程中的應用，說明企業如何透過 Copilot 與系統中不同 AI Agent 分別負責市場分析、內容生成、庫存檢查與客服回應。案例中，各 Agent 自動協調並重新規劃促銷內容與物流安排，企業無需逐一指派任務即可於第一時間找出問題，並在安全治理框架下完成跨系統、跨團隊的協作流程，大幅縮短問題處理與補貨週期，還利用 Microsoft Foundry 產生商用等級的行銷素材。Rodrigo Kede Lima 更進一步強調，未來微軟也將持續攜手台灣企業與生態系夥伴，共同建構 AI 生態系與微軟台灣資料中心區域等關鍵數位基礎建設布局。 金融與醫療的 AI 轉型實戰，從效率提升邁向組織升級 本次 Microsoft AI Summit Taipei 也邀請微軟在金融與醫療領域的夥伴現身說法，共同分享企業在不同場景如何導入 AI，並逐步建立可擴展與複製的轉型路徑： l   中國信託商業銀行分享企業轉型路徑，強調以「人」為核心的策略，透過精準分眾設計，結合種子教練與同儕支持，建立從創新者到大眾皆能接受的內部擴散機制，結構化推進、逐步堆疊打造組織級 AI 實力，並以 Microsoft 365 Copilot 等系列工具建立流程專屬 AI 代理人支援策略任務，帶動可量化成效，如研究作業由 12 小時縮至 3 小時、行銷文案製作節省 80% 時間等，讓 AI 從單點工具導入，走向組織級能力升級。 l   奇美醫療財團法人奇美醫院分享 AI 在醫療場域的實際應用經驗，說明如何結合臨床需求與數位工具，加速醫療服務優化與創新落地。透過 Microsoft Foundry 建構企業級 AI 環境，將 AI 深入整合至醫療工作流程中，有效減輕醫護人員負擔，提升效率與病患安全。在應用上，奇美醫院導入 AI Agent 個案管理系統，分析住院病人的在院流程，找出可優化環節並提供照護建議，同時設置人工審核機制，確保關鍵決策仍由人員把關。此外，醫院也打造醫護人員的 AI 個人工作站，整合各職類 AI Agent，讓醫護人員能依照臨床需求客製自己的 AI 助手與照護流程。 Microsoft AI Summit Taipei 除豐富議程外，現場亦邀集邁達特數位、雲馥數位、零壹科技、新加坡商網達先進科技有限公司台灣分公司、Shure、朋昶數位科技、Veeam […]

【SEO 新戰場】AI Overview 有近 3 成答案來自 YouTube！破解 AI 最愛引用的影音特徵

當使用者越來越習慣直接從 AI 生成的答案中獲取資訊，品牌能否出現在 AI 的引用來源之中，開始成為新的可見度競爭焦點。近期多項分析顯示，YouTube 正快速成為 AI 模型的重要資料來源，其中最關鍵的因素，並不是影片本身，而是背後的「逐字稿」。 根據 SEO 公司 BrightEdge 的分析，在 Google 的 AI Overviews 中，YouTube 影片被引用的比例已達 29.5%，成為最常被 AI 擷取資訊的網站，也正式超越過去被視為重要資料來源的 Reddit。這也說明，當使用者透過 Google 搜尋問題並看到 AI 生成摘要時，近三成的資訊其實來自 YouTube 內容。以品牌端的角度來看，這意味著若在 YouTube 上缺乏具有資訊價值的內容，未來在 AI 搜尋結果中的曝光度可能會持續下降。 低風險、高結構，YouTube 成為 AI 搜尋的最愛 AI 模型之所以偏好 YouTube，與平台本身的資料結構密切相關。AI 廣告解方供應商 Optise 的執行長兼共同創辦人 Ómar Thor Ómarsson 指出，與一般網頁相比，YouTube 的內容通常包含完整逐字稿、清楚的後設資料（Metadata）以及影片章節（Chapters）。這些結構化資訊讓 AI 更容易解析影片內容的主題與段落，也降低了引用時的風險。對於需要快速生成答案的 AI 系統來說，這類可被機器直接閱讀與整理的資料來源，比起結構鬆散的論壇或社群貼文更可靠。 因此，YouTube 在 AI […]

【科技早餐】黃仁勳重畫 AI 版圖：AI 不只是模型，而是五層基礎設施

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊黃仁勳重新定義 AI：從模型競賽走向五層基礎設施 NVIDIA 執行長黃仁勳在 GTC 2026 登場前，於官方部落格提出「五層蛋糕」AI 架構，將 AI 拆解為能源、晶片、基礎設施、模型與應用五個層次。NVIDIA 指出，AI 已不只是單一模型或聊天工具，而是建立在真實硬體、真實能源與真實經濟體系上的新型基礎設施。 黃仁勳表示，AI 已從預寫指令的舊式運算，轉向依上下文即時推理、即時生成智慧，因此從電力、晶片、機房到應用，整個堆疊都必須重設。他並指出，全球目前僅投入數千億美元，但仍有數兆美元規模的 AI 基礎設施尚待建構，這正成為人類史上最大規模的基建工程。 ＊日本把 2040 晶片目標拉高 5 倍：40 兆日圓追趕 AI 時代 日本政府今天宣布，將 2040 年日製半導體年銷售額目標提高到 40 兆日圓，約為目前 8 兆日圓的 5 倍，也高於既有的 2030 年 15 兆日圓目標。這項新目標屬於首相高市早苗成長投資策略的一部分，未來幾個月還將提出更完整的發展藍圖，並納入明年預算規畫。 日本曾在 1980 年代拿下全球晶片市場約一半市占率，但在 1990 年代後因美日貿易緊張與本土電子產業萎縮迅速失勢，如今市占率不到一成。隨著 AI 帶動先進晶片設計與製造需求升溫，日本正試圖把半導體重新拉回經濟安全戰略核心，藉由擴大公共投資與產業布局追趕全球競爭對手。 ＊中國電動重卡進軍歐洲：價格最多打七折，技術被指超前 3 年 繼中國電動車之後，中國電動重型卡車今年也正快速進軍歐洲。《路透社》指出，至少有 6 家中國業者計畫今年在歐洲開賣電動重卡，包括比亞迪、吉利控股旗下遠程汽車（Farizon）、三一（Sany）、中國重汽、葦渡科技（Windrose）與速豹（SuperPanther），目標直接挑戰歐洲既有市場。 這些業者希望把產品價格壓在歐洲同級車均價的約 7 […]

騰訊、阿里巴巴、字節跳動都出手：OpenClaw 如何在中國引爆 AI 代理的產業級競賽？

近期在全球科技圈爆紅的開源 AI 代理框架 OpenClaw，正在中國掀起一股「AI 代理熱潮」。在騰訊深圳總部，近期出現近千人排隊，只為等待工程師免費協助安裝 OpenClaw 的場景。 這股熱潮不只出現在使用端，也迅速蔓延到中國新創與開發者社群。例如杭州 AI 新創 Mindverse 近日舉辦一場為期五天的線上黑客松（hackathon），參賽者已經做出各式各樣圍繞 AI 代理的新應用，像是替人類尋找對象的 AI 代理交友軟體、讓求職者 AI 與雇主 AI 直接面談的求職網站，以及讓使用者 AI 分身在虛擬世界旅行、定期撰寫遊記的應用程式。Mindverse 共同創辦人暨執行長 Felix Tao 就形容，現在他認識的每一位創辦人，都正在開發新專案，試圖測試個人 AI 代理能力的邊界。 中國 AI 公司正把 OpenClaw 從開發工具變成平台入口 「中國的科技創業者對 OpenClaw 做出立即反應並推出新專案，因為他們知道所有的競爭對手也會做同樣的事，沒有人想被拋在後頭，」中國新創公司 Qveris 共同創辦人 Dongqi Qu 在一場吸引約 300 名開發者參與的北京 OpenClaw 交流聚會後說道。目前 Qveris 也推出基於 OpenClaw 的 Qverisbot，用以執行需要存取真實世界經濟與市場數據的任務，Dongqi Qu 個人更正在開發用於交易股票與金融產品的個人 AI 代理。 這波創業者與開發者快速跟進的背後，有中國本地模型與雲端基礎設施的關鍵支撐。OpenClaw […]

NVIDIA、三星、貝佐斯全上車！楊立昆 AMI Labs 獲逾 10 億美元融資，為何資本瘋搶「後 LLM 時代」？

AI 研究領域的重要人物、圖靈獎得主楊立昆（Yann LeCun）再次引發市場關注。這位曾任 Meta 首席 AI 科學家的學者，為其新創公司 Advanced Machine Intelligence（AMI Labs）完成 10.3 億美元的種子輪融資，成為歐洲有史以來規模最大的首輪募資案之一。 這家成立不到三個月的公司目前估值已達 35 億美元。投資方包括 NVIDIA、Samsung、Temasek、Bezos Expeditions、Cathay Innovation、Greycroft、Hiro Capital 等多家科技與創投機構。此輪融資不只顯示市場對 AI 新創的高度熱情，也反映投資人正開始押注超越大型語言模型（LLM）的新一代 AI 技術路線。 AMI Labs 的目標，是打造能理解現實世界的「世界模型」（world models），而不是僅依賴文字資料訓練的 AI 系統。 從語言模型走向「理解世界」的 AI 近年 AI 產業的核心技術幾乎都圍繞大型語言模型，例如 OpenAI 的 GPT 系列或 Meta 的 Llama。但楊立昆長期批評這類模型的能力存在限制。 他認為，主要依賴文字資料訓練的 AI 系統難以真正理解物理世界，也難以實現更高層次的推理能力。因此，AMI Labs 正嘗試發展另一條技術路線：讓 AI 透過影片、空間資料與感測資訊來學習環境，建立對現實世界的理解。 這種方法打造的 AI 被稱為世界模型，其概念是讓 AI 能預測現實世界中的事件與行為，而不只是生成文字或圖片。 […]

產線調試時間減 80%、成本省 40%！ABB 聯手 NVIDIA 瞄準工廠落地瓶頸，鴻海率先試點

ABB 機器人部門（ABB Robotics）近日與 NVIDIA 宣布合作，將 ABB 的 RobotStudio 機器人模擬平台結合 NVIDIA Omniverse 的模擬資料庫，目標是縮小工業機器人在虛擬模擬與真實工廠部署之間的差距。 《金融時報》報導，這項合作旨在推進「支援 AI 的自主機器人（AI-enabled autonomous robots）」發展，而這些可在虛擬條件中訓練的工業機器人，目前已在鴻海（Foxconn）工廠進行試驗。 從「模擬與現實的差距」下手，ABB 要先補上機器人落地工廠前的訓練斷層 《路透社》指出，ABB 將利用 NVIDIA Omniverse 的「模擬資料庫」（simulated data libraries），讓機器人在進入真實工廠前，先在更接近真實環境的模擬條件中受訓。報導提到，這套系統將納入光線、陰影和紋理等細節因素，以改善機器人在真實工廠中的表現。 為說明模擬訓練的必要性，ABB 機器人業務總裁 Marc Segura 向《路透社》解釋，機器人通常對周遭環境的資訊掌握有限，這可能會削弱其運作的準確度、可重複性與速度。他舉例，若工廠機器人在會產生巨大震動的沖壓機旁工作，其效能往往會下降。過去，機器人需要花費時間學習或重新編程來應對震動，但透過這項新技術，機器人能在虛擬環境中預先受訓，因此能「從上線第一天就懂得如何應對」。 這樣的模式更呼應當前產業界的趨勢：企業越來越傾向在數位模擬中先進行生產規畫與機器人設置，以便在實體設備運作前就能及早發現問題。ABB 進一步表示，模擬精準度與真實世界環境之間的落差，長久以來被稱為「模擬與現實的差距」（sim-to-real gap），而這次合作的目標，正是縮小這項差距，並把工業級實體 AI 以規模化方式帶進產業現場。 把設計、測試到部署串成同一套流程，NVIDIA 要讓機器人更快走出虛擬世界 NVIDIA 則表示，這項技術整合將為全球超過 6 萬名機器人工程師帶來統一的工作流程，並讓製造商可先在虛擬環境中設計、編程、測試和驗證整個自動化單元，再部署真實的機器人。 NVIDIA 進一步指出，系統會將 ABB 的 RobotStudio 中完全參數化的機器人工作站，包含機器人、感測器、照明、運動學和零件等，以 USD 檔案格式匯出至 Omniverse 中。接著，再由 ABB 的虛擬控制器執行與實體機器人完全相同的韌體（firmware），以確保模擬與現實的行為達到 99% […]

AI 機器人平台戰場擴大：高通推出 Arduino VENTUNO Q 挑戰 NVIDIA

過去 10 年，AI 多數運行在雲端資料中心，但隨著機器人、自動化設備與智慧裝置快速發展，AI 正逐漸從雲端走向邊緣裝置，直接進入實體世界。Arduino 宣布推出新一代單板電腦 VENTUNO Q，鎖定 AI、機器人與自動化控制應用，反映出邊緣 AI 平台競爭正逐漸升溫。 根據 Arduino 官方說明，VENTUNO Q 採用高通的 Qualcomm Dragonwing IQ8 系列處理器，內建可達 40 TOPS 的神經網路處理器（NPU），並搭配 16 GB RAM 與最高 64 GB 儲存空間，可用於執行本地 AI 推理與多任務運算。平台同時支援 Ubuntu 或 Debian Linux 系統，並提供 Wi-Fi 6、Bluetooth 5.3、2.5 Gb Ethernet，以及多組 MIPI-CSI 相機介面等功能，鎖定機器人、視覺 AI 與邊緣運算場景。 AI 與即時控制整合的「雙大腦架構」 VENTUNO Q 的最大特色，是採用 Arduino 所稱的「雙大腦架構」（dual-brain architecture）。系統一方面由 Qualcomm […]

台灣帆軟、思科、研華科技、祐謙科技在 AI 智慧大工廠論壇，解密企業實現超自動化與低碳轉型的應用戰略

隨著 AI Agent 技術成熟，能夠自我最佳化且完全自主的「AI 原生工廠」逐漸從願景走向現實，甚至達到「超自動化」。在製造業邁向「超自動化」工廠的進程中，如何建立穩健的數位核心與轉型地基？2026 年 TechOrange 科技報橘「AI 智慧大工廠」系列論壇首場從台北出發，邀集重磅產業專家，深度剖析企業提升工廠自主性、建立差異化競爭優勢的新戰略。 全球營運數位化，如何設計多地多廠部署架構？ 台灣帆軟客戶經理孫平指出，台灣製造業長期深耕全球供應鏈，憑藉卓越的跨區域協作與彈性生產，已建立具國際競爭力的營運模式。然而，隨著企業邁向全球化佈局，如何以更一致、敏捷且可靠的方式管理海外據點，成為當前營運轉型的核心挑戰。 孫平分析，企業在建構全球營運數據平台時，常面臨「部署架構」的選擇。傳統的各地獨立部署模式雖能保有高度自治，讓報表與使用者體系互不干擾，並避免跨國帶寬導致的網路卡頓，但其劣勢也顯而易見：開發人力分散，導致集團難以建立統一的權限與數據模型，最終形成各廠區數據各吹各號的孤島現象。 若採取統籌部署模式，雖然能確保環境與範本由總部統一維護、權限規則一致，卻也帶來了權限管理複雜化、需配置專職維運人員等挑戰，且海外屬地的需求往往受限於中心管控，難以發揮在地彈性。 「從長遠競爭力來看，我們更推薦企業採用資料分級混合部署的架構，」孫平強調。這套模式結合了帆軟技術優勢，能直接連通本地資料庫與伺服器，解決數據上傳時的延遲問題。 透過「資料分級」機制，企業僅需同步集團管理所需的關鍵彙總數據，大幅降低跨境傳輸明細資料的專線流量成本。而在最關鍵的數據口徑統一面上，總公司可定義核心資料格式，其餘報表則保留給分廠自行開發，在嚴謹治理與在地彈性間達成完美平衡。 台灣帆軟致力提供專業的商業智慧與資料管理服務，透過系統化的數據治理與跨境應用經驗，協助企業解決跨國營運中常見的權限混亂問題。孫平總結道：「明確的分層權限管理，將助集團總部洞察全局趨勢，同時讓子公司聚焦在地業務，真正實現視角統一、權限清晰的全球化經營。」 完整工業等級通訊方案，打造 AI 時代的安全 OT 神經網路 台灣思科亞太區工業物聯網產品經理吳竣民表示，製造業推動 AI 數位轉型時，往往面臨現場資料難以取得、設備運作狀態不透明，以及 OT 資安風險逐漸累積等挑戰。許多企業希望升級 OT 網路環境，但又擔心網路架構變動可能影響產線運作。因此思科建議企業採取三階層架構，建立 OT 的「神經網路」，在確保產線穩定的同時，讓現場設備資料能安全地被收集與整合，成為 AI 與智慧製造的重要基礎。 吳竣民說明，企業需要先盤點現場終端設備，例如 PLC、控制器、感測器與智慧電表等，再進一步了解不同應用系統與管理平台的需求，並在中間層建立統一的 OT 通訊架構。過去許多工廠採取的是一套設備搭配一套網路的方式建置，當新系統導入時往往發現不同網路難以整合，不僅增加管理複雜度，也容易形成資安死角。因此思科建議透過統一的工業網路架構，提升 OT 環境的可視性，並為後續資料整合與 AI 應用奠定基礎。 為協助企業建立完整的 OT 可視化能力，思科 IE 工業交換機可直接搭載 Cisco Cyber Vision。這套 OT 可視化平台能在網路邊緣即時進行 OT 封包深度解析（Deep Packet Inspection），自動識別 PLC、HMI […]

AI 估值邏輯變了！KPMG 揭創投市場資本走向極端集中，2026 將是「大併購時代」

專訪：戴季全撰稿：李昀蔚 「我們發現了一個極具震撼的數字，就是全球的十大創投交易中，金額大概是 373.8 億美元，這 370 幾億裡，有 320 億元集中在八家新創公司，讓我們覺得，這不是普降甘霖，是極端的資本集中，」本集《全新一週》邀請到 KPMG 安侯建業創新與新創服務團隊主持會計師黃海寧，回顧 2025 年全球創投環境變化，並展望 2026 年的趨勢走向。 黃海寧指出，2025 年之所以被視為全球創投市場的重要轉折年，不只是因為資金規模回升，更關鍵的是資本流向已經出現結構性改變。從資金規模來看，2025 年第四季全球投資額達 1,381 億美元、全年更突破 5,000 億美元，但若進一步拆解資金流向，就會發現這不是一場普遍繁榮，而是一場高度集中的資本重配。 2025 年創投市場的轉折：資本開始極端集中 「所以到了 2025 年晚期，資本邏輯已經從過去的分散式下注，轉向 AI 主權級的資產配置，」黃海寧分析，在投資集中的八家新創公司中，領頭的是 Anthropic，單輪募資就達 150 億美元，此外還包括 Project Prometheus、Anysphere、Reflection AI、Polymarket、Lambda 與 Crusoe 等公司。 黃海寧也強調，更重要的是這些公司並不是隨機分布，而是剛好落在 AI 產業的三層架構上：最上層是模型與 AI Agent，掌握的是 AI 的「大腦」；中間層是應用與工具，掌握 AI 的現金流；最底層則是算力與能源，掌握 AI 的物理基礎。「現在的投資，已經不是把 AI 當作單一賽道，應該是從一個國家級基礎建設的概念下，投資這些新創，」黃海寧認為，從模型、應用，到 GPU、雲端伺服器、資料中心，甚至驅動 AI 的能源系統，資本已經開始把整條供應鏈視為同一場長期布局。 這也解釋了為什麼這一波 AI […]

企業 AI 資料準備新思維，Empromptu 用「黃金管線」將 14 天任務縮短只需 1 小時

Empromptu 藉由自主開發的「黃金管線」平台，將資料正規化直接整合到 AI 應用的工作流程中，把原本需要 14 天的人工資料處理任務，大幅縮短到 1 個小時之內完成。

AI 生成的密碼為何不安全？「看起來複雜」才是最大漏洞

近期一項由資安公司 Irregular 進行的研究透露，我們日常倚賴的大型語言模型，包括 Claude、ChatGPT 與 Gemini，在生成密碼這件看似簡單的任務上，存在嚴重的安全缺陷。 這些 AI 產出的密碼乍看之下符合所有安全準則，實際上卻高度可預測。密碼被暴力破解的成本，遠低於多數人的想像。這項發現不僅對個人用戶構成警示，更對企業開發流程與供應鏈安全帶來深遠影響。 LLM 密碼的「強度錯覺」 多數人判斷一組密碼是否夠強，最直覺的做法就是將它丟進線上密碼強度檢測工具，這些工具會根據字元集合的多樣性與長度來估算破解難度。一組包含大小寫字母、數字與特殊符號的 16 字元密碼，通常會被判定為「需要數百年才能破解」。 然而，這套評估邏輯建立在一個前提上：密碼是隨機生成的。當密碼來自 LLM 時，這個前提便不再成立。 Irregular 的研究團隊分別要求 Claude、ChatGPT 與 Gemini 生成符合標準安全規範的 16 字元密碼，結果令人驚訝：這些密碼雖然表面上複雜，卻呈現出固定的模板與偏好。 研究人員針對 Claude 的 Opus 4.6 模型進行了 50 次獨立測試，每次都在不同的對話視窗中提出相同請求。結果顯示，50 組密碼中僅有 30 組是獨特的，其中 18 組甚至是完全相同的字串。更值得注意的是，絕大多數密碼的開頭與結尾字元呈現高度一致性，且沒有任何一組密碼包含重複字元。 這種「無重複字元」的特徵看似增強了安全性，實際上卻恰恰證明了這些輸出並非真正隨機。真正的隨機序列理應偶爾出現字元重複，而 LLM 刻意避免重複的行為，正是其遵循「看起來像密碼」這種學習模式的證據。OpenAI 的 GPT-5.2 與 Google 的 Gemini 3 Flash 同樣展現類似傾向，尤其在密碼開頭部分的一致性特別明顯。 可預測性如何讓暴力破解變得可導引？ 理解這項研究的關鍵在於「熵值」的概念（測量系統「無序程度」或「不確定性」的指標，熵高=混亂/不確定，熵低=有序/可預測）。研究團隊使用資訊熵（Shannon entropy）與模型自身的對數機率兩種方法，估算 LLM 生成密碼的實際熵值。結果顯示，這些密碼的熵值僅有約 […]

幫 AI 除錯比自己寫還累？安永終結重工地獄的底層架構解法：上下文宇宙

AI 可以在幾分鐘內生成數千行程式碼，並在近期引發了一波軟體產量大爆發。根據《金融時報》分析，自 2024 年底起，美國開發者在 GitHub 上的程式碼提交量年增率飆升至 35%，全球 iOS App 的新發布量與新網站註冊量也分別出現約 50% 與 40% 的大幅成長。然而，這些龐大的發布數量並不等於企業真正「可用」的程式碼。 《VentureBeat》報導，由 AI 快速生成的程式碼有個問題：其中相當一部分無法在企業內部實際部署。它們可能違反了內部工程標準、無法通過資安與合規性審查，甚至工程師為了幫這些程式碼除錯與清理，所花費的時間比自己從頭寫還要多。 「你可以產生大量的程式碼，但這其實沒什麼意義，」安永全球客戶技術工程負責人 Stephen Newman 表示，程式碼必須具備可整合性與合規性，否則只是在前端加速生成，卻在後端製造更多麻煩。 建構「上下文宇宙」，打破 AI 代理落地的合規瓶頸 為了解決這個走向企業生產線的瓶頸，安永的產品開發團隊著手在既有的 IT 架構中打造一個全新的 AI 操作層。安永將選定的 AI 程式編寫代理，例如內部廣泛採用的 Factory 工具，與企業內部的程式碼庫、工程標準以及合規框架進行深度串接。 Newman 將這個高度整合的環境稱為「上下文宇宙」（context universe）。當 AI 代理具備了讀取公司專屬架構與規範的能力後，其產出的程式碼便能自然符合安永的內部標準，大幅降低了後段的重工率。 工程師角色轉型：從單純的執行者邁向「編排者」 這套機制的成功落地，不僅仰賴技術整合，更推動了安永軟體工程師角色的典範轉移。他們意識到，必須對 AI 代理的自主權限進行嚴格分類。對於程式碼審查、文件撰寫、錯誤修復以及全新功能開發等高自主性任務，AI 代理能發揮極大的效益；但如涉及大規模系統重構、底層架構決策與跨系統整合等高度複雜的任務，則仍須保留給人類工程師進行嚴密監督。 在這樣的架構下，工程師不再是需要親自敲打每一行基礎程式碼的執行者，而是轉型為指揮系統運作的「編排者」（orchestrators），核心價值在於引導 AI 代理前往正確的資料庫執行任務，並確保整體架構的邏輯一致性。 生產力倍增幕後：反覆試錯與底層架構整合 在落實安全防護機制與底層架構整合後，安永內部數據顯示，早期採用階段的不同職位獲得了 15% 到 60% 的效率提升，而全面實施半自主開發模式的團隊，整體生產力則達到 4 到 5 […]

【科技早餐】不只 NVIDIA 吃下 AI 紅利，博通正把晶片戰場推向 ASIC

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊不只 NVIDIA 吃下 AI 紅利，博通正把晶片戰場推向 ASIC 晶片與基礎設施軟體大廠博通（Broadcom）預估，2027 年 AI 晶片相關營收將突破 1,000 億美元。隨著大型科技公司持續擴建 AI 基礎設施，市場關注焦點正從單一 GPU 競爭，進一步延伸到客製化 ASIC。市場預估，Alphabet、Microsoft、Amazon 與 Meta 今年在 AI 基礎設施上的總投資，可能超過 6,300 億美元，涵蓋晶片、伺服器、儲存與網路設備。 博通近年藉由設計客製化 AI 處理器切入資料中心市場，提供雲端業者可替代高階 GPU 的方案。公司執行長陳福陽（Hock Tan）表示，博通已提前確保先進晶圓與高頻寬記憶體（HBM）供應到 2028 年。隨著雲端業者加速部署 AI 基建，市場預期博通在客製化晶片與資料中心供應鏈中的角色將持續上升。 ＊OpenAI 與甲骨文談不攏，德州「星際之門」擴建案出現新變數 外媒引述消息人士指出，OpenAI 與甲骨文（Oracle）原本規劃在德州阿比林（Abilene）園區附近擴建 600MW 的資料中心容量，但因融資談判拖延，加上 OpenAI 需求持續變動，雙方已放棄這部分的大規模租賃擴建計畫。該園區原本就是「星際之門」（Stargate）計畫的一部分，整體投資規模上看 5,000 億美元，容量達 10GW。 阿比林園區目前占地約 1,000 英畝，共有 8 棟大樓，其中 2 棟已投入營運，其餘仍在建設中。報導也指出，Meta […]

Circle、Stripe 為何押注穩定幣？AI Agent 經濟正替它找到新舞台

AI 代理（AI Agents）正開始被金融與科技公司視為下一波數位經濟的重要參與者，而穩定幣可能成為支撐這個機器經濟的重要支付基礎設施。 包括 Circle 與 Stripe 在內的支付與加密公司，正積極打造新的支付系統，押注未來可能出現一種新的交易型態：由自主 AI 代理彼此購買資料、API 或軟體服務，並透過穩定幣進行大量低額、高頻的微交易。這類交易模式，可能無法由現有信用卡網路有效支援。 雖然穩定幣在實際商業應用上的採用仍然有限，但 AI agent 的興起，正為其提供一個新的發展方向。 AI 代理經濟：穩定幣的新應用場景 《Bloomberg》報導，穩定幣一直以來的主要訴求，是在跨境支付上提供比傳統金融系統更快、更便宜的交易方式。但在國內支付場景中，這樣的優勢其實較難突顯。代理式支付因此被視為突破口：在這種情境下，穩定幣相對於信用卡或傳統支付系統的優勢，不只是小幅改善，而是結構性的差異。正因如此，產業一直在尋找新的成長敘事，而 AI 代理正迅速成為這個故事的重要一環。 穩定幣產業將「Agentic payments」（代理支付）視為下一個重要應用場景，這類交易指的是軟體代理之間進行的高頻、小額支付，例如購買資料查詢、API 呼叫或 AI 服務。 Circle 執行長 Jeremy Allaire 就在日前公司財報電話會議上表示，穩定幣可能成為「機器對機器」（machine-to-machine）商業活動的原生貨幣。他指出，真正的機會並不在於 AI 代理替人類在電商網站購物，而是在 AI 系統彼此之間的服務交換。 舉例來說，一個法律分析 AI 代理可能為企業提供合約分析服務，而另一個 AI 系統在需要資料或專業能力時，可以直接向該代理購買服務。這類交易金額可能只有幾美分，但交易頻率可能極高。 Benchmark-StoneX 分析師 Mark Palmer 指出，這正是穩定幣可能發揮優勢的地方。他表示，微交易對於傳統支付系統而言並不理想，因為信用卡通常包含固定手續費與百分比費率，加上較長的結算時間，使得小額交易成本過高。相比之下，穩定幣具備即時結算與可程式化特性，可以直接嵌入軟體工作流程中，因此更適合支援 AI 代理之間的自動化交易。 Stripe、Circle 加速布局穩定幣基礎設施 這種未來情境正促使支付與加密企業加速建設相關基礎設施。Stripe 近年大舉投資穩定幣相關技術，包括在 2024 年以約 11 億美元收購穩定幣基礎設施公司 Bridge，並與加密創投 […]

全球供應鏈陷入定位危機？從軍事干擾到商業失靈，「GPS 死角」正在催生下一代導航技術轉型

近年，GPS 干擾已不再只是戰場上的電子戰手段，而是逐步外溢到航空、航運與區域交通秩序。當全球出現越來越多 GPS「死角」（dead zones），加上廉價干擾設備持續擴散，航空、航運與軍方也被迫重新面對 GPS 的脆弱性。這類干擾器體積可小如手機、價格不到 100 美元，卻足以淹沒衛星訊號，受影響區域也不限於單一戰區，從俄烏邊境、承載全球 20% 石油運輸的荷莫茲海峽到北歐機場，都已出現定位異常。 這樣的風險開始具體反映在交通與運輸現場。《Reuters》指出，中東戰事讓飛行員面對更危險的空域，威脅不只來自彈道飛彈與攻擊型無人機，也包括航路壓縮與 GPS 欺騙（spoofing）增加。自美國與以色列攻擊伊朗以來，波斯灣已有逾 1,100 艘船的 GPS 或 AIS 通訊受干擾，甚至在地圖上被錯誤標示到陸地或敏感設施附近。這也代表，GPS 不再只是理所當然的底層工具，而正變成全球商業與運輸系統必須重新評估的風險基礎設施。 GPS 與 AIS 失真讓荷莫茲海峽航運陷入高風險 《WIRED》指出，自美國與以色列在 2 月 28 日攻擊伊朗後，荷莫茲海峽這條狹窄但關鍵的石油運輸通道，航運幾乎陷入停滯。海事情報公司 Windward 執行長 Ami Daniel 分析，超過 1,100 艘在海灣地區運行的船隻，其 GPS 或 AIS 通訊技術都受到干擾，並發現約 21 個新的資料干擾熱點，數百艘船隻的航行軌跡甚至在地圖上呈現詭異的「繞圈」模式。 這些船隻在地圖上被錯誤顯示在陸地，甚至出現於核電廠附近，顯示導航與識別資料已經出現明顯失真。《WIRED》報導，至少有三艘油輪在這波衝突中受損，聯合海事資訊中心（JMIC）等單位甚至警告，在該區航行的船舶正面臨「臨界（critical）」等級的風險，這代表對航運業來說，當前的威脅不只來自飛彈與軍事打擊，也來自電子干擾對日常導航秩序的嚴重破壞。 「我們看到大量的 GPS 干擾，」Ami Daniel 強調，這使得「進出該區域變得非常危險」。《WIRED》解釋，干擾（jamming）會讓衛星導航訊號被壓制，導致定位數據無法使用，而欺騙（spoofing）則會製造假訊號，讓系統接收到錯誤的位置資訊。對船舶而言，錯誤的位置資料可能造成偏航，並大幅增加碰撞、擱淺與引發漏油事件的風險。 GPS 失序也把航空業變成高壓環境 航運之外，航空業也正承受類似的訊號失序與安全壓力。《Reuters》指出，中東戰事讓飛行員面對更危險的空域，威脅不只來自彈道飛彈與攻擊型無人機，也包括航路壓縮與 GPS 欺騙（spoofing）增加。 對航空而言，《Reuters》指出，無人機體積小且不易被偵測，機場的常規雷達也難以有效捕捉，且多數無人機不像一般商用飛機那樣，會透過應答機向雷達發送識別訊號，這也讓飛行員處於資訊盲區。 此外，多重衝突的累積正大幅增加機師的心理健康負擔。歐洲機長協會主席 […]

AI 工具不是越多越好：BCG 與加州大學研究發現生產力「效率甜蜜點」

AI 工具與各種 AI 代理最初被企業視為提升生產力、將人類從繁瑣任務中解放的利器，但一個出乎意料的副作用正在浮現。 《Harvard Business Review》近日發表的研究提出「AI brain fry」（AI 認知過載）概念，指員工在過度使用或監督多個 AI 工具時，可能因超出認知負荷而出現心理疲勞。研究顯示，當員工需要同時管理多個 AI agent、在不同工具之間切換時，容易出現注意力耗竭、決策疲勞與錯誤率上升等問題。 這項研究點出一個 AI 時代的「生產力悖論」：AI 確實能讓人工作更快，但如果工作流程沒有重新設計，人類可能會因為管理 AI 而變得更疲憊。 AI 生產力的副作用：研究提出「AI brain fry」現象 這項研究由波士頓顧問公司（BCG）與加州大學河濱分校研究人員合作完成，調查了 1,488 名美國全職員工的 AI 使用情況。 研究發現，大約 14% 使用 AI 的員工表示曾出現 AI brain fry。受訪者形容這種狀態像是「腦霧」或「嗡嗡作響」的感覺，包括難以專注、決策速度變慢、甚至出現頭痛等症狀。一名受訪的財務主管表示，在反覆使用 AI 進行資料整理與分析後，「我甚至無法判斷自己做出的東西是否合理，只能隔天再重新思考」。 研究顯示，這種認知疲勞不只是個人感受，也會帶來實際的商業成本。例如，出現 AI brain fry 的員工與未經歷此狀態的員工相比，其決策疲勞增加 33%。此外，在工作中使用 AI 的參與者中，遭遇此症狀者自我報告的錯誤率，也顯著高於未經歷 AI brain fry 的員工。 多工具與多 AI agent，成為認知負荷來源 研究指出，最容易導致認知疲勞的情境，是員工需要「監督」AI […]

未來資料中心要配備飛彈防禦系統？波斯灣 3,000 億美元 的 AI 豪賭，正被迫進行戰爭壓力測試

當波斯灣各國正押注資料中心、晶片與雲端基建，想把自己推上全球 AI 強權行列，近期爆發的伊朗戰事，卻先讓這套算力擴張模式面臨嚴峻的現實考驗。 隨著阿拉伯聯合大公國與巴林的商業資料中心遭無人機攻擊，也讓商業資料中心首度被推上戰爭前線，同時外界開始重新評估：當 AI 基礎設施成為高價值目標，波斯灣逾 3,000 億美元的 AI 投資計畫，是否還能沿著原本的路徑推進？更直接的衝擊是，這場衝突也正在改寫整個區域 AI 基建的風險模型與成本公式。 商業資料中心首次成為攻擊目標，波斯灣 AI 基建風險瞬間升高 首先，在伊朗戰爭期間，伊朗的 Shahed 136 無人機與自殺式無人機襲擊亞馬遜（Amazon）在中東的三座 AWS 資料中心，位於阿聯的兩座直接遭受打擊，在巴林的資料中心則遭受波及。 《The Guardian》表示，這是商業資料中心首次成為戰火攻擊目標。伊朗國家電視台與伊斯蘭革命衛隊（IRGC）隨後也宣稱對此次攻擊負責，並表示這項舉動是為了確認這些設施在支援軍事與情報活動中的角色，以及不滿 Amazon 對美軍活動的支援。此外，IRGC 也稱將微軟的基礎設施列為目標，不過微軟隨後澄清其在中東地區的資料中心仍正常運作。 這場針對商業資料中心的軍事行動產生立即性的民生衝擊，例如杜拜與阿布達比有數百萬人醒來後，發現無法使用叫車與外送平台 Careem，也有多家銀行應用程式出現當機。《The Information》指出，針對 Amazon 這三座資料中心的攻擊，將使這些原本快速推進的龐大 AI 與雲端基建計畫，突然顯得危機重重。 更關鍵的是，這次攻擊衝擊的不只是短期服務中斷，而是波斯灣近年以資料中心、晶片與雲端基建打造 AI 強權的整體敘事。 波斯灣豪擲 3,000 億美元躋身 AI 強權，戰爭卻讓 AI 夢開始鬆動 《The Information》進一步指出，伊朗戰爭正讓波灣國家原本計畫投入超過 3,000 億美元在資料中心、晶片與其他 AI 投資的規畫，變得日益複雜。 目前，阿聯與沙烏地阿拉伯已成為資料中心的重要目的地，當地企業正與 xAI、OpenAI、Microsoft、Amazon、Oracle 與 Google 等美國科技巨頭一同推進相關專案。這波投資熱潮不僅是因為波斯灣國家擁有充沛的低價電力與龐大主權財富基金支持，另一方面，美國為了防堵中國技術滲透中東，近期甚至放寬對中東地區的高階晶片出口限制，進一步促成這些合作。 在基礎設施的建置與資金規模上，《Business […]

先進美軍卻快被老舊程式碼壓垮！Code Metal 端出 AI 轉譯工具 90 天市值翻 5 倍

新創公司 Code Metal 透過 AI 為美軍解決老舊程式碼的轉換問題，並透過形式化驗證檢查軟體執行效果的正確性，使公司估值飆升至 12.5 億美元，短短 90 天內翻了 5 倍。

AI 時代最新高管職位出爐：不僅防禦駭客更要審查 AI 偏見，揭開「首席信任長」的戰略價值

在人工智慧快速擴張、資安威脅升級與監管壓力同步加劇的背景下，「信任」正逐漸從企業品牌形象的抽象概念，轉變為影響企業治理與競爭力的核心議題。 當消費者對科技公司的質疑情緒升高，企業不僅需要保護資料與系統，更必須建立能夠維持利害關係人信心的信任治理機制。在這樣的環境中，一個新的企業高階職位正逐漸浮現：首席信任長（Chief Trust Officer，CTrO）。 AI 與數位風險推動「信任治理」成企業核心議題 隨著人工智慧應用快速擴張，企業面臨的信任挑戰也同步升高。網路攻擊持續升級，資料保護法規在全球範圍內快速增加，而社會大眾對人工智慧治理與企業問責機制的關注度，也達到前所未有的程度。 相關研究也顯示企業信任度正在下降。約 72% 的消費者表示，自己對企業的信任程度比一年前更低，65% 的受訪者認為企業在處理客戶資料方面不夠負責任，另有 60% 的消費者認為人工智慧的發展使「信任」變得更加重要。 在高度互聯且資料生態日益複雜的環境中，如何保護客戶資訊並確保資料使用透明度，正逐漸成為企業建立品牌信任的重要基礎。 過去，企業多半將資安與資料保護視為 IT 部門的責任。然而隨著資料外洩、假訊息與 AI 風險事件的影響擴大，這些問題也越來越被視為董事會層級需要直接關注的風險事件。對許多企業而言，信任已不再只是品牌資產，而是關係到企業韌性與長期發展的重要策略資源。 首席信任長角色的興起 在這樣的背景下，英國企業開始考慮設立首席信任長——一項針對 1,000 名英國商界領袖的研究顯示，97% 的受訪者認為企業迫切需要設立這個角色，以提升大眾對資料、技術與治理的信任度。 這個職位最早在美國企業董事會中受到關注，如今正迅速在英國企業界擴散。受訪企業領袖指出，三項主要因素推動了這一變化：人工智慧的快速發展（37%）、跨境資料監管收緊（34%），以及勒索軟體等持續存在的資安威脅（34%）。 首席信任長的出現象徵企業治理思維的一次重要轉變，企業不再只著重於保護基礎設施，而是將客戶信任、法規遵循、安全治理與監管管理整合為一項策略層級的管理職能。 在實務上，CTrO 的職責涵蓋多個面向，包括確保企業遵守資料保護法規、監督資料隱私與安全標準、建立負責任的人工智慧使用原則，以及與客戶、監管機構與合作夥伴溝通信任相關議題。 企業領導者也指出，CTrO 的優先任務主要集中在兩個領域：一是強化客戶信任與企業聲譽管理（31%），二是在面對假訊息或資料外洩等事件時，能迅速啟動危機應對機制（30%）。 企業治理架構的重組 過去與信任相關的職責，往往分散在多個高階職位之間，例如營運長（COO）、資訊安全長（CISO）與資訊長（CIO）。許多企業逐漸發現，這種分散的管理模式往往效率不佳。 當安全、隱私、法規遵循與對外溝通分散於不同部門時，企業在面對重大事件時可能出現決策不明確、回應速度緩慢以及向董事會報告流程混亂等問題。 在高壓情境下，例如勒索軟體攻擊，資訊安全長往往需要同時處理技術防禦、法律風險、監管互動以及對外溝通，但卻缺乏足夠的授權與協調機制。 傳統上，首席資訊安全長的任務主要建立在資安領域的「CIA 三要素」——保密性（Confidentiality）、完整性（Integrity）與可用性（Availability），這套模型長期以來提供企業保護數位資產與防範資料外洩的基本框架。 然而隨著雲端基礎設施、跨境資料流與 AI 驅動決策逐漸普及，企業所面對的風險已不再侷限於技術防禦。客戶開始要求更高的資料透明度，監管機構也加強對人工智慧與資料治理的要求。 在這樣的情況下，企業治理逐漸從「保護系統」轉向「建立信任」。相較於主要聚焦內部 IT 防護的 CISO，CTrO 的角色更偏向跨部門的風險協調與信任治理中心，不僅負責監督技術控制，也負責維護企業與客戶、監管機構與社會之間的信任關係。 企業信任管理的未來能力與戰略價值 雖然 CTrO 的核心任務是推動企業信任治理，但這項職責無法單獨完成。為了確保信任政策能在組織內部落地，CTrO 必須與資訊安全長、總法律顧問以及其他高階主管密切合作。 透過跨部門協作，企業才能將「信任」從抽象概念轉化為可衡量、可問責且與企業韌性直接相關的策略職能。 與多數技術高階主管不同，首席信任長通常直接參與企業最高決策層。許多企業將此角色納入執行委員會，並讓其與執行長密切合作，象徵「信任」已成為企業核心業務議題，而不再只是單純的技術或合規問題。 在實務上，CTrO 的職責往往跨越多個部門，包括法務、資安、行銷、人資與產品團隊。例如制定負責任的 AI 使用原則、推動模型透明度與偏見審查、建立隱私設計原則，以及建立面向客戶的資料揭露與信任報告機制。 […]

Windows10 終止服務！從企業硬體升級的常見瓶頸，看 CIRO AIoT 智慧維運資安管理平台 4 大優勢

你知道什麼是 CIRO AIoT 智慧維運資安管理平台嗎？又有哪些優勢嗎？面對 Microsoft 終止 Windows 10 支援，一旦停止更新後，零日漏洞與惡意攻擊的風險將大幅升高，許多企業就面臨汰換的壓力。雖然 Microsoft提供延伸安全更新（ESU）作為過渡方案，但高昂的成本，並不適合作為企業長期策略。 對企業而言，這場升級壓力不只是「換系統」的問題，更是一個重新檢視 IT 資產盤點、自動化管理與資安治理能力 的關鍵時刻。透過像 CIRO AIoT 智慧維運資安管理平台，企業不僅能快速掌握裝置狀態、進行更新派送與遠端支援，更能將一次性的系統升級，轉化為一套可持續運作的資安管理體系。 在 Windows 11 遷移的實務中，IT 部門正面臨的技術與環境挑戰 當企業將硬體升級至 Windows 11 後， 並非只要下載與安裝即可完成，而是必需同時符合多種硬體與韌體的條件，包含是否支援 TPM 2.0 晶片支援、特定 CPU 型號與 UEFI 安全開機機制等，這些基本是硬體升級不可或缺的一部分。但在實務上方面，在 Windows 11 遷移的實務中，IT 部門正面臨的技術與環境挑戰： 有鑑於以上企業遇到的這些因為軟體重大升級、停更，而導致內部龐大的硬體設備無法有效的集中管理、快速的升級與盤整，資訊系統商設計了一套專為資產能有效盤點、韌體合規與自動化運維能力的平台。 什麼是 CIRO AIoT 智慧維運資安管理平台？ CIRO AIoT 智慧維運資安管理平台（Cybersecurity Intelligent Remote Orchestration），是一套專為企業設計的資產可視化、風險評估與自動化 IT 管理系統，目的在於協助組織強化資訊資產治理，並提升資安韌性與運維效率。 CIRO 它不僅是一套資產盤點工具，更是一個結合「安全管理、作業自動化、風險監控」為一體的智慧平台，讓 IT 團隊能夠主動掌控每一台裝置的狀態、風險與合規性，從被動維運邁向策略性防禦。 […]

【科技早餐】美國想把 AI 晶片出口收歸自己管：全球算力擴張，先看華府放不放行

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊美國擬收緊 AI 晶片出口：全球算力擴張，未來先看華府放不放行 美國政府正討論新一輪 AI 晶片出口規則，影響範圍不再只鎖定中國，而是進一步擴大到全球大型算力建設。根據外媒披露的草案方向，未來若外國企業或政府想採購大批晶片，可能必須先在美國投資 AI 資料中心，或提出更明確的安全承諾，才有機會獲得出口許可。 這代表美國想掌握的，已不只是晶片賣給誰，而是全球 AI 基礎設施要在哪裡蓋、由誰來蓋、能蓋到多大。對 NVIDIA、AMD 與各國正在推進的 AI 基礎設施與主權 AI 計畫來說，未來大型採購案可能不再只是商業決策，而是先要過華府這一關，晶片出口也正被納入對美投資與安全承諾的談判工具。 ＊GTC 2026 將登場：NVIDIA 把 AI 定義成下一代基礎設施 NVIDIA 宣布，年度 AI 與加速運算大會 GTC 2026 將於 3 月 16 日至 19 日在美國加州聖荷西舉行，預計吸引來自 190 多個國家的 3 萬多名與會者，包括開發者、研究人員、企業領袖與 AI 新創公司。NVIDIA 創辦人暨執行長黃仁勳表示，AI 已不再只是單一技術突破，而是正在成形的關鍵基礎設施，甚至直言每家公司都將使用 AI，每個國家都將建構 AI。 本屆 GTC 最受矚目的焦點之一，是黃仁勳將於美西時間 3 月 16 […]

76% 領導層將投資重心轉向代理型 AI，2026 年財務領導者如何擴展 AI 應用？

AI 商業分析平台 Savant 針對北美大型企業財務高層，發布了最新研究報告《Savant 2026 Trends Report》。報告指出，儘管多數企業已跨越評估階段，卻仍深陷零散且缺乏紀律的試點煉獄。報告同時點出阻礙 AI 發展的真正元凶並非技術或資金，而是「資料治理」與「ERP 系統整合」的規模化瓶頸。 針對財務、稅務或營運決策者，這份報告會破除「AI 裁員」的迷思。此外，內容剖析三大財務核心部門的導入盲點，並提供 5 個具體的戰略行動指南。以下摘要報告重點，掌握如何突破重圍，建立可治理的企業級 AI 架構。 📎 這份報告適合誰閱讀？ 報告內容主要探討代理型 AI 在財務相關領域的戰略部署、導入障礙與勞動力影響，適合以下工作者與管理階層閱讀： 🔴 報告洞見 💡 2026 財務領導者的共同壓力：不增員、卻要更快更好 AI 商業分析平台 Savant 針對北美地區擁有超過 500 名員工的大型企業，涵蓋 22 個不同產業的財務、稅務與會計高階主管（總監級別及以上），進行了一項為期 60 天的結構化研究。研究結果揭示，企業在 2026 年面臨著一個毫不妥協的共同使命：在不增加員工編制的同時，必須提供更快、更高品質的工作成果。 在這樣的背景下，代理型 AI 已經不再只是單純的技術實驗，而是正式轉變為不可或缺的戰略必需品。 然而，市場數據也暴露出企業在「雄心與執行力」之間存在著巨大的落差。目前的市場態度確實已經跨越了「是否應該採用 AI」的猶豫期，高達 67% 的受訪者表示已有試點專案正在進行，或已在一到兩個部門中展開實施。 但令人擔憂的是，目前僅有極少數（6%）的財務領導者，具備高度成熟的企業級 AI 應用能力。 多數高階主管仍然停留在「機會主義」的試點煉獄中，傾向於追求孤立的單一應用案例，而非建立深思熟慮且具備治理機制的企業級發展藍圖。 報告警示，企業的戰略必須與其野心相匹配，若繼續停留在零散的試點階段將導致競爭力停滯。 💡 代理型 AI 在三大核心單位的成熟度斷層 深入剖析組織內部，代理型 AI 的成熟度在不同部門之間呈現極度不平均的現象，這為企業帶來了嚴重的碎片化風險。在三大核心部門中，展現出截然不同的採用態度與現況： 會計部門：安靜的轉型引擎 […]

Moxa 拆解 2026 製造新戰略：從機器人到 Edge AI，工廠大腦正加速從雲端搬到現場

在 AI 的蓬勃發展帶動下，工業網通基礎設施的角色，也出現關鍵變化。四零四科技（Moxa）今（3/6）舉辦「工業網通迎 AI 實體化商機」新春媒體聚會，由 Moxa 亞太區總經理林世偉分析 2026 年對製造業、能源與交通等三大經營主軸的趨勢，以及 Moxa 在工業網通、資安服務與人才培育上的新布局。 製造業與半導體：國安級別擴張與 Edge AI 落地 「在製造業板塊中，我們特別把半導體拉出來，因為大家應該可以理解，半導體現在已經上升到國安議題，」林世偉強調，隨著半導體供應鏈在全球急速擴張，不僅晶圓代工廠持續拓展，後端製程也連帶讓東南亞等地成為高科技產業發展的重鎮。 面對如此龐大的產業擴張與生產需求，智慧製造的進程勢必加速，而 AI 的落地應用便成為首要關鍵。林世偉表示：「現在重點談的第一個就是機器人，機器人是 AI 的實際載體。」他預期從 2026 年開始，這類實際載體在工業領域的應用將會越來越普遍，儘管多數不一定是人形機器人，但它們將在工廠內部大量取代重複性高的作業。 然而，要讓這些機器人與自動化設備發揮最大效能，運算大腦必須從雲端走向生產現場。林世偉指出，有別於目前多數在雲端運作的 AI，工廠真正具備生產能力的核心在現場與製程，這也是為什麼目前所有 OT 廠商正急速發展 Edge AI 的原因。「邊緣 AI 不只是運算，更關鍵的是如何連結所有邊緣資料，」林世偉分享，這正是 Moxa 持續精進的發展重點。 為了無縫串聯這些邊緣資料、支撐 AI 龐大的傳輸量，並達到低延遲與高穩定性的要求，如 Wi-Fi 6、Wi-Fi 7 或 5G 專網等工業無線通訊技術的導入，便顯得至關重要。林世偉強調，在 AI、邊緣運算與先進無線通訊的交織下，未來工廠將能從傳統的固定式產線，轉向靈活部署的「細胞製造」模式，產品的品管也將從傳統的最終評鑑，推進到製程各階段的全面檢測，進而逐步實現「數位線程（Digital Thread）」的先進製造藍圖。 Moxa 要當 AI 落地的數位神經系統 談及 AI 實體化的落地應用場景，會中也特別邀請所羅門資深協理鍾毓修與 Moxa 台灣區負責人劉孟迪進行深入對談。鍾毓修分享，機器視覺的發展現已具備超越人類的優勢，能像望遠鏡與放大鏡般自由縮放，成為機器設備強大的「眼睛與大腦」。特別是結合視覺與大型語言模型的「VLA（Vision-Language-Action）」技術，更賦予機器人宛如人類般的「超眼力」，讓機器人能先進行大範圍的線索導航尋找目標，再執行精細的近端作業。 這樣的視覺進化，不僅將 […]

NVIDIA、AMD 出口再添變數？美國考慮要求外國企業用投資換 AI 晶片

美國政府正考慮建立新的 AI 晶片出口管制框架，而外國企業未來若想大量購買 NVIDIA 或 AMD 的先進 AI 晶片，可能需要先承諾投資美國。 《Reuters》根據取得的一份政策文件報導，美國官員正在討論一套新的 AI 晶片出口規則，其中一項重要條件是：若外國企業希望獲得 20 萬顆或更多 AI 晶片的出口許可，其所屬國家可能需要投資美國的 AI 資料中心，或提供政府層級的安全保證。這些規則仍處於討論階段，尚未最終定案，未來仍可能有所調整。 AI 晶片出口可能採「分級制度」 《Financial Times》報導指出，美國商務部提出的草案將建立一套分級（tiered）出口審核制度，依照企業購買晶片的規模與算力大小決定審批條件。其中最高級別的交易，將要求買家所屬國家承諾投資美國 AI 基礎設施，作為獲得先進晶片的交換條件。 知情人士表示，這項設計部分是延續美國與中東國家近年達成的合作模式。例如美國去年批准向阿拉伯聯合大公國與沙烏地阿拉伯出口 AI 晶片，相關協議就包含這些國家承諾投資美國科技與 AI 產業的條款。 美國商務部也在社群平台 X 發文證實，政府確實正在討論新的出口框架，但強調這不會重啟拜登時代提出的 AI 擴散規則。商務部表示，該規則「過於繁瑣且影響過大」，未來政策將更接近美國與中東國家合作的模式。 小型部署也可能需要出口許可 除了大型訂單，新規草案對 AI 晶片的監管範圍也可能相當廣。根據《Reuters》看到的文件，即使是不到 1,000 顆晶片的小型部署，也可能需要申請出口許可。若要取得豁免，NVIDIA 或 AMD 等出口商可能需要持續監控晶片使用情況，而接收方則需同意安裝特定軟體，避免這些晶片被串聯成大型運算叢集。 此外，對於 10 萬顆以下晶片的訂單，買家可能需要提供政府對政府的安全保證；而規模達 20 萬顆晶片的資料中心，則可能需要接受美國出口管制官員的實地檢查。 華府政策顧問機構 Institute for Progress 的研究員、前國安官員 Saif Khan […]

Red Hat 攜手 NVIDIA 推出 Red Hat AI Factory，加速實現大規模生產級 AI

世界領先開放原始碼軟體解決方案供應商 Red Hat 近日宣布推出 Red Hat AI Factory with NVIDIA，這是一款與 NVIDIA 共同打造的軟體平台，結合 Red Hat AI Enterprise 與 NVIDIA AI Enterprise，為大規模部署 AI 的企業提供端到端的最佳化 AI 解決方案。Red Hat AI Factory with NVIDIA 是雙方深度合作的最新里程碑，旨在將最新的 AI 創新技術加速交付給企業客戶，同時為 NVIDIA 硬體架構提供 Day 0 支援。 隨著代理式 AI（Agentic AI）應用程式的蓬勃發展，預計至 2029 年企業 AI 支出將超過 1 兆美元。企業正積極將其策略轉向為高密度、代理式工作負載，並致力於解決隨之產生的 AI 推論與基礎架構需求。為協助企業在 AI 時代應對上述挑戰，Red Hat AI Factory with NVIDIA 可賦能 IT 營運團隊，使其得以簡化涵蓋傳統基礎架構與持續演進的 AI 堆疊需求的管理流程。 Red Hat AI Factory with NVIDIA 讓企業加速邁向生產級 AI，並為 AI 工廠（AI factories）提供軟體平台。該平台運行於加速運算基礎架構上，為模型及驅動推論堆疊的 NVIDIA GPU 提供更高的效能。此平台支援 Cisco、Dell Technologies、Lenovo 與 Supermicro 等頂尖系統製造商的 AI 工廠基礎架構，賦能 IT 管理員與營運團隊以管理任何企業工作負載般同規格的營運嚴謹度與可預測性，擴展並維護 AI 部署。 提供軟體基礎，協助企業應對快速的基礎架構創新節奏 Red Hat 技術長暨全球工程資深副總裁 Chris Wright 表示：「從 AI 實驗階段轉向工業級規模、涵蓋全企業範疇的生產環境，需要徹底改變我們管理 AI 運算堆疊的方式。透過 Red Hat AI Factory with NVIDIA，我們正加速 AI 的部署並快速邁向生產階段。憑藉我們經驗證的混合雲產品所驅動、穩定且高效能的基礎，得以賦能客戶掌握其 AI 策略，並以應用於核心 IT 平台同等的嚴謹度進行擴展。」 NVIDIA 企業 AI 平台副總裁 Justin Boitano 指出：「企業正在建立 AI 工廠，以便在推論過程中大規模地將資料轉化為智慧，而這需要橫跨混合雲的生產級基礎架構與軟體。Red Hat AI Factory with NVIDIA 提供軟體基礎，協助企業應對快速的基礎架構創新節奏，同時可靠地建置與部署新一代的代理式 AI 應用程式。」 這個雙方共同打造的軟體平台整合 Red Hat 與 NVIDIA 在開源協作、工程設計及支援方面的專業知識，提供值得信賴的企業級解決方案。Red Hat AI Factory with NVIDIA 為跨環境（無論是地端、雲端或邊緣）的 AI 部署提供具高度擴展性的基礎。其核心功能具備高效能 AI 推論、模型調整、客製化，以及代理部署與管理，並以安全性為核心，使企業得以維持從資料中心至公有雲的架構控制權，並實現以下優勢： Cisco、Dell Technologies、Lenovo、Supermicro 如何與 Red Hat 及 NVIDIA 合作？ Cisco 運算資深副總裁暨總經理 Jeremy Foster 分享：「Cisco 專注於協助客戶將 AI 從實驗階段安全且大規模地推向生產並橫跨分散式環境。透過支援 Red Hat AI Factory with NVIDIA，Cisco 賦能企業無論是資料中心或邊緣環境，皆可在一致的企業級基礎架構上部署與運行 AI。我們攜手合作為客戶提供更簡單、更可靠的方式執行 AI 關鍵任務工作負載，並具備對核心基礎架構所期望的效能、安全性與營運控制。」 Dell Technologies 基礎架構解決方案事業群資深副總裁暨技術長 Ihab Tarazi 表示：「企業正迅速將其 AI 投資轉化為實際營運，而這需要能在跨混合環境中可靠運行、強大且整合的基礎架構。透過與 Red Hat 和 NVIDIA 的合作，我們將為客戶帶來更高水準的整合，進一步加速企業 AI 的成果。」 Lenovo 基礎架構解決方案事業群資深副總裁 Vlad Rozanovich 表示：「企業 AI 的下一個世代在於即時行動與實質的商業報酬，而工業級強度的混合基礎為關鍵。我們能夠提供可擴展的企業級平台，結合 Lenovo 的推論最佳化基礎架構與 Red Hat AI Factory with NVIDIA，為客戶提供即時優勢。此具韌性的代理式 AI 基礎，可在其營運的任一地點進行部署與管理。」 Supermicro EMEA 總裁暨董事總經理、技術與 AI 資深副總裁 Vik Malyala 表示：「Supermicro 擁有廣泛的 Red Hat 認證系統產品組合，並致力於為 AI 工廠提供最先進的加速運算基礎架構。我們針對 Red Hat AI Factory with NVIDIA 的驗證解決方案，有助於確保客戶能夠將我們的高效能專用系統與強大的企業級軟體平台相結合，簡化關鍵 AI 企業工作負載的部署與擴展，協助企業在混合雲中實現更快的價值實現時間，以及可預測、高效率的營運。」 （本文訊息由 Red […]

台灣量子驗證平台正式啟用！賴清德：與全球建立關鍵供應鏈夥伴關係

量子科技已成為下一波科技霸權競逐的關鍵，而台灣正從基礎研究階段，進入到應用實踐的新里程。國科會今（6 日）宣布啟動「AI 新十大建設——高速量子運算國家戰略」，除了揭露量子國家隊的第一期成果，也拋出第二期的 4 大戰略方向。總統賴清德也親自出席戰略發佈會，宣布對第二期計畫的大力支持。 從「量子國家隊」邁向「量子國際隊」 賴清德表示，為迎接 AI 與量子運算這百年一遇的新浪潮，政府正全力推動「AI 新十大建設」，其中「高速量子運算」是政府推動數位國防、資安加密，以及次世代產業轉型的必備工具。他指出，此一國家戰略計畫代表台灣的量子科技，正式從基礎研究邁入應用實踐，並宣布台灣的「量子國家隊」要進化為「量子國際隊」，將運用台灣在先進半導體製程與 AI 高速運算設備的優勢，以及全球供應鏈的角色，與理念相近的國家建立關鍵供應鏈夥伴關係。 「台灣不僅可以自研、自製量子運算的晶片，還能打造量子電腦，這具有劃時代意義。」賴清德提及，中研院在 2023 年發表了全台首部自研、自製的 5 位元超導量子電腦，今年 1 月份又正式發佈 20 位元的超導量子晶片，讓世界看見台灣已進入量子科技的賽道。 賴清德表示，該領域接下來有三件事要一同推進：第一，持續累積量子半導體技術的籌碼；第二，啟動大規模軟硬體整合計畫並加速培育人才；第三，強化量子資安佈局，確保國家數位韌性。 4 大方向啟動高速量子運算國家戰略 國科會主委吳誠文表示，若量子技術只停留在物理與材料科學領域的探討，而未與台灣具優勢的高速半導體技術結合，發展速度將會受限。他進一步以傳統電腦發展為例，說明今日 AI 的強大算力是建立在 CPU 與 GPU 的共同運作之上。因此，在量子運算領域，也必須將 CPU、GPU 與 QPU（量子處理器）整合為全新的架構，才能發揮出超越以往的龐大算力。 吳誠文指出，目前第一期計畫已成功研發出具有競爭力的超導量子位元晶片與矽基自旋量子位元，以及低溫讀取與控制模組，代表台灣具有完整自主供應鏈的潛力，接下來則聚焦 4 大戰略方向。 第一，啟動北部驗證平台：台灣和芬蘭量子團隊 IQM 合作的「量子電腦次系統驗證平台」在今天正式啟用，該平台將提供台灣產學界測試半導體與先進量子元件模組，以推進量子科技的產業化。 第二，建置南部 HPQC 算力中心。吳誠文表示，在台南科學園區新建的國網中心留用了一整層樓，專門發展新形態的高速量子運算。 第三，建置設備並推動產學跨界整合。邀請半導體、設備與材料等產業界加入，搭配學界不同領域的團隊，共同研發演算法與應用系統。目標是將高速運算與量子運算結合，建立新的運算架構，以解決傳統電腦在藥品開發、科學突破等領域中無法處理的重大議題。 第四，推動國際合作開發軟體與系統。整體的戰略核心是邀請國際上民主友善國家的優秀量子團隊來台合作，共同開發高速量子運算的軟體與系統架構，讓台灣成為全球量子運算科技發展最關鍵的合作夥伴。 中研院院長廖俊智表示，在過去 20 年內，量子已從純粹的學術領域，轉變成各國的新型科技軍備競賽，而目前發展最大的挑戰在於如何讓它能夠長遠且有效率地被實際應用。他指出，樂見量子國家計畫進入第二期後，不再只侷限於硬體，而是開始發展軟體，並將量子運算與傳統高速運算結合，為未來的運算架構找到實用出路，同時找到台灣對世界有幫助的地方。 ＊圖片來源：《TechOrange》拍攝。

Anthropic 領先優勢告急？GPT-5.4 整合多步驟工作流，OpenAI 劍指高階知識工作市場

OpenAI 近日推出 GPT-5.4，不只強調在推理、編碼以及專業工作上的進展，更首度具備「原生電腦操作能力」。 《The Verge》指出，GPT-5.4 可以代表使用者操作電腦，並在不同應用程式之間完成任務，這意味著 OpenAI 想推進的不只是更會回答問題的聊天模型，而是更接近能在軟體與網路環境中執行複雜工作的 AI Agent。這次更新，也被視為 OpenAI 在職場 AI 競賽中的一次重大突破。 為滿足不同層級的需求，這次更新共釋出三種版本：包含一般通用標準版、擅長延長思考與多步驟推理的「GPT-5.4 Thinking」，以及專為極端複雜且高負載任務設計的「GPT-5.4 Pro」模型。 涵蓋 Excel、文件、跨工具操作，GPT-5.4 瞄準知識工作場景 《The Verge》指出，GPT-5.4 最關鍵的突破，在於它是 OpenAI 首個具備「原生電腦操作」（native computer use）能力的通用模型。這代表 GPT-5.4 不再侷限於對話框內的文字生成，而是能代替使用者實際操作電腦，並跨越不同應用程式執行任務。 更具體地說，GPT-5.4 能夠編寫程式碼來操作電腦，並根據螢幕截圖直接發出鍵盤與滑鼠指令。這種原生內建的能力，也意味著開發者在建立自動化流程時，不再需要依賴外掛式的特製代理框架，進一步降低系統整合的複雜度。 為了讓這項能力真正落地，OpenAI 也同步將 GPT-5.4 導入 API、開發者工具 Codex 與 ChatGPT。這凸顯出這次更新已不只是單一產品的功能強化，而是同時面向開發者與一般使用者的整體生態佈局。為了支撐這個生態系，OpenAI 也在 API 與 Codex 中導入高達 100 萬 token 的上下文視窗，讓 AI 代理能在更長的時間跨度中規劃、執行與驗證任務，而不必依賴傳統的檢索式變通方案。 在具體工作場景上，這樣的轉變也已經開始浮現。《Axios》報導，OpenAI 這次除了更新模型，也推出了能讓 ChatGPT 直接在 Excel […]

Exein 與聯發科技攜手展示全新資安解決方案 助製造商因應歐盟《資安韌性法》

全球嵌入式資安領導企業 Exein 將與全球半導體頂尖業者聯發科技於 2026 嵌入式電子與工業電腦應用展 Embedded World 2026 聯合展示其整合資安解決方案，協助製造商因應歐盟《資安韌性法》（Cyber Resilience Act，CRA）規範。 本次展出將聚焦於搭載聯發科技 Genio 720 EVK 的自助服務機（Kiosk）與智慧 POS 裝置，並展示 Exein 技術所提供的即時資安防護能力。此解決方案可直接應對 CRA 對資安事件即時通報的相關規範；該法規將自 2026 年 9 月起正式適用於所有在歐盟市場銷售的相關產品。 瞄準歐盟 CRA 法規，為製造商打造合規的資安方案 歐盟 CRA 規範製造商在整個產品生命周期中皆需落實資安防護，包含漏洞偵測、管理與通報，為 IoT 設備製造商帶來全新挑戰。此次 Exein 與聯發科技的聯合解決方案，透過自動化漏洞偵測與資安事件通報機制，協助製造商有效因應相關規範。 雙方將在 Embedded World 展示，一台搭載聯發科技物聯網平台的裝置，在遭受實體攻擊時，能如何即時偵測並回報至後端平台，以完整呈現符合 CRA 規範的閉環事件即時通報流程。 策略夥伴合作與市場整合 此展示象徵著 Exein 與聯發科技深化合作的重要里程碑。雙方於 2025 年 1 月宣布合作，將 Exein 的頂尖資安平台原生整合進聯發科技 Genio 物聯網平台中，並自 IoT […]

不懂程式也能做 MVP！從 Vibe Prototyping 看 AI 如何重塑開發設計的底層邏輯

近一年來，「Vibe Coding」成為矽谷與創投圈熱議的關鍵詞。透過大型語言模型（LLM）以自然語言生成程式碼，讓寫程式的門檻大幅降低。《Forbes》指出，在產業實務層面，更具商業影響力的趨勢正逐漸浮現：「Vibe Prototyping」，指的是直接利用生成式 AI 快速打造可運作的功能原型，將其作為團隊溝通與產品驗證的主要載體。 這種轉變，正在改寫產品開發的底層邏輯。 產品需求文件不再是起點，反而可以直接「做出來」 長期以來，科技產業奉行的是「文件優先」的開發文化。產品經理需撰寫完整的產品需求文件（PRD），內容涵蓋功能規格、使用者流程、技術限制與時程規劃，經過多輪審核後才交由工程團隊實作。這種線性流程確保了專案治理與風險控管，但也拉長了決策與落地之間的距離。 如今，隨著生成式 AI 的出現，產品團隊可以先透過 AI 工具生成具互動性的介面、簡易後端邏輯，甚至可測試的最小可行產品（MVP），再根據實際使用反饋補強文件。開發流程的起點，逐漸從「寫清楚」轉向「做出來」。 這並不代表 PRD 將消失。隱私規範、資安設計、資料治理與系統擴展性仍然需要結構化文件支撐，不過在概念驗證與早期探索階段，功能原型正成為更高效的溝通媒介，團隊不再圍繞靜態文件討論想像中的產品，而是直接對著可操作的介面進行修正與迭代。 這種模式也讓技術可行性被進一步「民主化」。即便不熟悉程式語法，具備清晰邏輯與產品洞察的人，也能透過精準提示生成應用程式、遊戲或互動功能。工程師仍然在正式上線階段扮演關鍵角色，但在早期構想階段，創意驗證已不再完全仰賴工程資源。 企業應用 Vibe Prototyping，壓縮測試與調整週期 勤業眾信的報告指出，有不少企業已開始在實務層面驗證 Vibe Prototyping 的商業價值，像是快消品品牌 The Clorox Company 便是一例。該公司導入生成式 AI 創新工具，分析全球消費趨勢並快速生成數百個數位產品原型，同時在線上進行大規模消費者測試。透過平行開發與即時反饋，Clorox 能在更短時間內篩選出具潛力的產品方向，縮短研發與行銷策略調整週期。 製造業也正將這種快速原型驗證的思維應用於營運中。GE Aerospace 部署 AI 驅動的葉片檢測工具，在窄體與寬體飛機引擎上縮短檢測時間並提升準確率，協助提升維修效率與設備可靠度。這些案例顯示，原型思維正延伸至產品設計、品質管理與售後服務環節。 整體而言，Vibe Prototyping 並非取代傳統工程流程，而是改變了資源投入的時機點。企業可以在投入大量開發成本前，透過快速原型驗證假設、收集數據並修正方向，這種模式降低溝通成本，也減少跨部門協調摩擦。 未來，原型與正式產品的界線可能進一步淡化。當 AI 能自動將使用者回饋轉化為程式碼更新，或根據即時需求生成客製化介面，產品開發將更接近持續演化的系統，而非一次性專案。 對企業來說，Vibe Prototyping 短期內最具體的價值在於速度與對齊能力。當想法可以迅速被轉化為可操作的體驗，團隊討論將更聚焦於真實使用情境，而非抽象描述，也意味著產品決策將建立在更具體的證據基礎上。 ＊本文開放合作夥伴轉載，參考資料：Deloitte、《Forbes》，首圖來源：Unsplash （責任編輯：廖紹伶）

ChatGPT 不當電商平台了？OpenAI 站內結帳踩煞車，改把 AI 購物變成「導購＋廣告」入口

《The Information》報導，OpenAI 正在縮減將購物直接整合至 ChatGPT 內部的計畫，這標誌著在聊天機器人內部推動結帳的策略發生改變。 OpenAI 發言人表示，公司不再允許使用者直接從 ChatGPT 搜尋結果顯示的商品列表中進行購買，而是專注於讓結帳流程在「接入 ChatGPT 的特定 App」內完成。一位熟悉該專案的知情人士指出，OpenAI 團隊發現，儘管使用者會在 ChatGPT 內研究想買的商品，但他們實際上並未使用 ChatGPT 來協助完成購買。因此，站內結帳的推進速度與規模，都沒有如 OpenAI 先前預期般擴張。 AI 購物還在試水溫：商家觀望、消費者願不願意付款仍未知 報導指出，目前只有少數商家透過 ChatGPT 內部的結帳功能來銷售商品。Shopify 總裁 Harley Finkelstein 在投資人會議上表示，在與 Shopify 合作的數百萬商家中，目前只有「約一打」正透過 AI 工具進行銷售。  要讓聊天機器人取得準確資訊，商家的價格、庫存狀態等產品資料，都需要標準化並且持續更新，同時商務與支付公司也需要建立防護機制，以避免 AI 發起詐欺或錯誤的交易。此外，OpenAI 自身的基礎配套也是卡關原因之一，像是 OpenAI 先前必須親自協助，才能讓這少數使用結帳功能的商家完成上線運作，且截至 2 月，OpenAI 尚未建立系統來蒐集與繳納州銷售稅，若未來購物交易量起飛，這將是不可或缺的準備工作。 更廣泛地來看，一些商家對 AI 購物功能一直抱持戒慎態度，而購物者是否願意透過 AI 聊天完成付款也仍是一個未知數。 ChatGPT 結帳踩煞車後，OpenAI 把賭注押向廣告變現 《The Information》指出，ChatGPT 結帳策略的轉向，也提高 OpenAI 近期啟動廣告業務的賭注，因為這也是該公司從多數不付費的 ChatGPT […]

Micro1 靠「人力仲介」讓矽谷瘋狂，不賣 AI 模型、不留數據年營收破 2 億美元

由 Ali Ansari 所開發的自動化 AI 篩選工具 Micro1，短短三年就演變成當今最熱門的 AI 新創公司 ，成為 AI 企業的人力仲介平台，找出並供應專業人士以訓練 AI。

不賣軟體給律師，Lawhive 如何以 AI 重構流程讓律師收入最高達傳統 2.8 倍？

2025 年，當多數法律 AI 新創還在思考如何把軟體賣給律師事務所時，英國新創 Lawhive 走了一條完全不同的路：它不賣軟體，而是自己成為律師事務所。 2026 年初，Lawhive 剛完成由丹納赫公司共同創辦人 Mitch Rales 領投的 6,000 萬美元 B 輪募資，資金將用於擴展美國市場。 Lawhive 的初衷是讓法律服務普及化 Lawhive 的模式與 Harvey 等法律 AI 公司有相當大的差異。Harvey 的商業模式是 B2B：開發 AI 工具，然後賣給既有的律師事務所，讓律師自行決定如何使用。Lawhive 則跳過這一層，它自己就是一間完整的律師事務所，直接面向終端消費者提供法律服務。 從接案、研究、文件草擬到帳務處理，整套流程都由 Lawhive 自建的 AI 平台驅動。目前 Lawhive 約有 500 名律師透過其平台執業，律師透過 Lawhive 在英國與美國多個州的受監管法律實體執業。 這套被 Lawhive 稱為「消費者法律 AI 作業系統」的平台，同時處理法律工作與後台流程。前端，它將文件擬稿、法律研究、案件管理自動化；後端則處理客戶檔案、開立帳單、行政排程。 可以說，AI 不只幫律師工作，而是推動律師事務所運作。 從賣工具到自建律所：Lawhive 的平台化策略 不過 Lawhive 並非一開始就走這條路。執行長 Pierre Proner 坦言，公司最初嘗試將自動化軟體銷售給傳統小型律師事務所，結果處處碰壁，因為這些事務所對採用新技術都抱持著懷疑態度，部分原因是擔心如果案件處理時間縮短，難以向客戶證明收費的正當性。 […]

【科技早餐】NVIDIA × OpenAI 投資轉向：1,000 億美元計畫恐不再推進

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊投資降溫？黃仁勳：NVIDIA 不太可能再投 OpenAI 1,000 億美元 NVIDIA 執行長黃仁勳（Jensen Huang）在摩根士丹利主辦的活動上表示，公司對 OpenAI 的投資總額不太可能達到先前討論的最高 1,000 億美元。他指出，投資 OpenAI 1,000 億美元「恐怕已不在考慮之列」，並提到 OpenAI 正規劃首次公開募股（IPO），時間可能落在今年底。這也讓市場重新關注 NVIDIA 與 OpenAI 之間的資本關係。 目前 NVIDIA 已在 OpenAI 新一輪募資中投資約 300 億美元，使 OpenAI 估值達到 7,300 億美元，這也是 NVIDIA 對單一新創公司最大的一筆投資，但仍低於先前討論的最高金額。黃仁勳同時提到，公司對 Anthropic 的 100 億美元投資也可能是最後一筆。他重申 AI 產業仍處於大型成長周期的早期階段，企業若能取得更多運算能力，營收成長速度也可能同步放大。 ＊科技業聯名致函五角大廈：反對將 Anthropic 列為供應鏈風險 包括 NVIDIA、Google、Microsoft、Apple、Amazon 與 Anthropic 在內的科技公司，透過資訊科技產業委員會（Information Technology Industry Council, ITI）致函美國國防部長 […]

小米把「機器人實習生」送進車廠：連跑 3 小時、成功率 90.2%，人形機器人開始接受產線考核

為了進一步提升汽車製造的生產力，小米自主研發的人形機器人近期正式走出實驗室，進駐自家的電動車工廠展開產線試用。 今年 3 月初，小米執行長雷軍與總裁盧偉冰先後對外證實這項部署行動。雷軍透過社群平台發文宣布進展，而盧偉冰則在近日舉行的世界行動通訊大會（MWC）接受外媒採訪時，透露更多細節。雖然這標誌著小米機器人進入真實工業場景的關鍵一步，但盧偉冰也澄清，這些機器人現階段「還稱不上是在做正式工作，反而更像是產線上的實習生」。 小米機器人可自主運作 3 小時、包辦產線 90% 工作量 在實際的產線考核中，小米的人形機器人展現出高度的自主作業能力。這些機器人能在「完全無人類介入」的情況下，連續自主運作達三個小時，且在兩台機器人的協作下，即可包辦產線上 90% 的工作量。除了搬運物料箱、撕除保護膜以及安裝車身廠徽等多樣化任務外，機器人更擔綱核心的自攻螺母安裝作業。 《南華早報》描述，在具體的車輛壓鑄車間安裝工位上，機器人會從自動供料裝置精準拾取自攻螺母並放置於定位夾具，接著配合滑帶輸送與自動定位，將其緊固至一體化壓鑄的車底板指定位置。在這項「雙側同步安裝」任務中，機器人的成功率高達 90.2%，且整個鎖付工序能在 76 秒內精準完成，完美契合產線需求。 然而，將機器人導入產線並非易事，小米總裁盧偉冰直言：「將機器人整合進我們的生產線，最大的挑戰是讓它們跟上節奏。」為了達成這樣的產線效率，機器人必須克服多項技術難題，主要的挑戰包含與定位銷的精準對位，以及螺母內部的花鍵結構差異、非固定的抓取姿態，再加上磁力干擾等因素，這些都大幅提高組裝的複雜度與抓取穩定性。 端到端聯合訓練：讓機器人少靠人工資料、快速從環境學習 為了解決複雜的裝配問題，小米採用了端到端（end-to-end）、資料驅動的聯合訓練架構，這項技術不僅大幅減少對人工訓練資料的依賴，更賦予機器人從環境中快速學習與適應的能力。 在底層核心上，雷軍指出機器人的進展建立在名為「Xiaomi-Robotics-0」的通用型視覺-語言-動作（VLA）基礎模型之上，《南華早報》更進一步補充，除了這個具備 47 億參數的 VLA 模型，小米還搭載專屬的觸覺微調模型「TacRefineNet」，使機器人能在不依賴視覺或物件 3D 模型的情況下，單憑觸覺感知就能完成精密的裝配作業。 在全身控制系統方面，小米機器人融合了視覺、觸覺與關節位置感知等多模態輸入，有效降低在複雜情境下發生誤判的機率，進而提升整體操作的穩定性。為了精準控制機器人的全身運動，小米採用混合系統，其中「傳統最佳化控制（optimization-based control）」模組的更新頻率低於一毫秒，確保機器人的即時反應能力。同時，系統結合的「強化學習（reinforcement learning）」技術，則是讓機器人事先在虛擬環境中經歷數以億計的干擾模擬訓練，這項突破讓機器人不僅能在極端條件下維持平衡，還能把在虛擬模擬中學到的技能直接轉移至真實世界的實體機器人身上，完全無需進行額外的重新訓練。 目標五年內大量進廠，小米看好人形機器人開啟「兆元級市場」 關於未來的部署計畫，小米目前仍在其他生產站點持續進行部署與驗證測試。小米執行長雷軍透露，包含平均故障間隔時間（MTBF）與單一任務成功率等關鍵績效指標都在穩定改善中，未來雷軍預期五年內將有「大量」的人形機器人進駐小米工廠，不過官方目前尚未公開具體的部署數量、單機成本或更詳細的時間表。此外，雷軍的佈局也不僅止於工廠，他更計畫未來將人形機器人的應用延伸至家庭場景，並看好這將開啟一個全新的「兆元級市場」。 這次，小米的「機器人實習生」也凸顯中國企業在投資與提升機器人能力上的驚人速度，例如電動車廠小鵬汽車（XPeng）與智慧型手機品牌榮耀（Honor）都已相繼投入研發或推出自家的機器人產品，中國機器人新創企業 Galbot 與 Noetix Robotics 近期更分別獲得 25 億與近 10 億人民幣的鉅額融資，顯示資本市場對此領域的高度關注。 在這波車廠與科技公司加速實地驗證的浪潮中，小米把這些人形機器人定位為產線上的「實習生」，也凸顯接下來的關鍵，可能不只是在於是會不會走、能不能表演，而是能否在真實生產節奏下長時間穩定運作，並把成功率持續拉高，同時逐步擴張到更多工位與站點。因為當這些指標開始能被量化與複製，人形機器人才算真正跨過進入生產現場的門檻。 ＊本文開放合作夥伴轉載，參考資料：《CNBC》、《SCMP》、《Interesting Engineering》、《TechNode》，首圖來源：小米

2026 迎人形機器人試產元年！新漢不拚整機，用模組化安全腦搶吃 5 兆美元商機

自生成式 AI 爆發以來，大型語言模型不斷在虛擬世界展現突破。然而，如何讓這些 AI 大腦「長出手腳」走入實體世界，已成為下一波科技浪潮的核心命題。工業電腦大廠新漢集團近日就揭露了其針對 AI 機器人領域的佈局與觀察。 新漢集團董事長林茂昌認為，AI 的發展可分為三個階段。第一階段的「雲端 AI」（Cloud AI）雖然聰明卻是失能的，因為它無法感知實體環境與自主行動；第二階段「邊緣 AI」（Edge AI）解決了即時性與企業資料隱私問題，但仍缺乏實體動作的能力。他指出，AI 產業第三階段是「實體 AI」，將 AI 決策結合物聯網的感知與控制技術，讓 AI 跨越虛擬限制化為實際行動，實現所謂的「知行合一」。 2025 啟動、2026 試產：人形機器人落地的關鍵檢驗期 隨著實體 AI 技術發展，人形機器人競賽也持續推進。新漢旗下機器人事業子公司創博總經理沈倩怡指出，去年（2025）是 AI 人形機器人的啟動元年，可以看到市場陸續有超過 300 家人形機器人業者，其中逾半在中國，而「今年是（人形機器人）開始落地的元年」，也就是進入試量產的階段。 沈倩怡指出，根據摩根士丹利報告預估，到 2050 年人形機器人將達 10 億台、創造 5 兆美元的市場規模。然而，目前的關鍵瓶頸在於「價格」，必須將現今高達 20 萬美元的造價降低至 2 萬美元以下，才有可能真正普及到家庭或一般服務場域。她認為現階段人形機器人的應用仍會以 B2B 為主，優先導入製造業、車廠以及物流倉儲等場域。 產業痛點：從「聰明但危險」到「聰明且安全」 當多數機器人新創在比拼硬體關節靈活度與 AI 模型時，新漢將其突圍的策略押注在安全性上。 「我認為最關鍵的是要把機器人從『聰明但危險』做到安全優先。」沈倩怡以市場常看到的人形機器人「翻車」影片為例，指出雖然現在許多中美業者的 AI 技術很強、機器人靈活度很高，但往往缺乏規範標準及功能安全設計。為了解決機器人「聰明但危險」的痛點，創博從 AI 運動控制器出發，打造出整合機器人大腦與小腦的模組化套件，當中涵蓋 AI 大腦決策、即時運動控制、功能安全監控，形成三位一體的控制架構。 林茂昌將新漢的商業模式比喻為「機器人界的聯發科」，表示聯發科是不做手機的手機公司，而新漢則是不做機器人的機器人公司。透過涵蓋大腦、小腦、安全腦的軟硬體解決方案，他指出新漢將複雜的機器人開發工作模組化，讓業者簡易且快速地打造自家的各類機器人。 這項策略點出了一個重要的產業動態：隨著時間推移，全球 […]

銀行業為何警報大作？Kraken 獲聯準會主帳戶，美元清算窄門正在被打開

加密貨幣交易所 Kraken 終於跨過了加密產業多年來夢寐以求的門檻：直接接入美國聯準會（Fed）的核心支付基礎設施。《CryptoSlate》將此舉形容為「一場更大政策轉向中的試點」，因為聯準會目前正試圖定義一種「更窄版」的央行接入模式，也就是允許特定機構連接關鍵的清算服務，卻不必然賦予其傳統 Fed 帳戶的完整權益。 Kraken 的案例之所以挑動傳統金融與監管的敏感神經，是因為長久以來，聯準會主帳戶（master account）不僅是央行貨幣清算的專屬入口，更是美國金融體系中最具分量的接入特權。近年，隨著新型態銀行特許模式的興起，監管機構被迫面對更棘手的核心問題：非傳統金融機構究竟能不能直連聯準會？如果可以，權限又該開放到什麼程度？在川普政府誓言讓美國成為「世界加密首都」的政策氛圍中，這項核准被支持加密產業的共和黨參議員 Cynthia Lummis 形容為數位資產史上的「分水嶺」。 Kraken 拿下 Fed 主帳戶，成首家直連支付基礎設施的加密銀行 Kraken 於 3 月 4 日正式宣布，旗下獲懷俄明州特許的銀行 Kraken Financial 已成功取得聯準會的主帳戶（master account），成為美國史上首家直接接入 Fed 支付基礎設施的數位資產銀行。 這項歷史性的核准意味著，Kraken 未來能直接透過 Fedwire 等核心支付軌道清算美元，徹底擺脫過去對傳統中介銀行（sponsor banks）的依賴。Kraken 強調，這種直連模式不僅能大幅降低營運成本與系統複雜度，更能讓機構客戶以更快、更高效率的方式調度法幣資金。 然而，這項特權並非毫無限制。根據聯準會的確認，Kraken Financial 此次是以「第三級（Tier 3）」實體的身份獲准，取得的僅是初始期限為一年的「限制用途帳戶（limited-purpose account）」。 面對這項帶有條件的核准，Kraken 採取了穩健的推行策略。官方表示，服務將以「分階段（phased rollout）」形式上線，初期將集中資源促進機構客戶的交易活動，後續才會在與監管機構的密切協調下，逐步將直連功能整合至母公司 Payward 更廣泛的基礎設施中。 為何加密產業想直連 Fed？要掌握美元流動主導權 《CryptoSlate》分析，大多數加密公司的美元支付目前仍依賴少數幾家合作銀行來提供接入更大金融體系的管道。這造成一個結構性的弱點：當這些傳統中介銀行改變風險偏好、面臨監管壓力，或是決定降低對加密客戶的曝險時，即便市場需求依然強勁，加密交易所與穩定幣公司也可能瞬間失去關鍵的支付通道。 這種情況在監管審視趨嚴或銀行業面臨壓力期間反覆發生，導致許多加密公司在最基本的美元流動上依然高度依賴中介機構。因此，「直接清算（direct settlement）」不僅能大幅降低對中介的依賴，更讓 Kraken 得以直接參與平均每日處理超過 4 兆美元資金移轉的 Fedwire 關鍵跨行支付系統。對 Kraken […]

Meta 智慧眼鏡踩上 AI 治理紅線：從私密影像到臉部辨識，風險一路擴大到公共空間

當 Meta 積極把智慧眼鏡變成下一代 AI 裝置入口，關於隱私的爭議也不斷浮現。瑞典媒體調查指出，Meta 智慧眼鏡拍下的私密影像，可能流入人工審查與外包資料處理體系，讓智慧眼鏡背後的資料治理問題引發關注，更進一步成為 AI 治理的新壓力測試場。 Meta 想把智慧眼鏡做成下一代入口，但產品承諾與治理問題同時浮現 2025 年 9 月，Meta 創辦人祖克柏（Mark Zuckerberg）在矽谷的發表會上，將這款與眼鏡巨頭 EssilorLuxottica 合作生產的 AI 智慧眼鏡「Meta Ray-Ban」定位為整合即時翻譯、臉部辨識等功能的全能助手，並希望它成為可與智慧型手機競爭的裝置。這款產品在 2025 年迎來銷售大爆發，銷量飆升至 700 萬副，是前兩年總和的三倍多。 不過，近日瑞典《Svenska Dagbladet》與《Göteborgs-Posten》的調查指出，Meta 在全球聘用外包公司處理私人影像與敏感資訊，讓這款產品背後的資料處理鏈浮上檯面。 《Svenska Dagbladet》表示，Meta 的外包商 Sama 在肯亞首都奈洛比擁有數千名資料標註員，他們堪稱是「AI 革命中的體力勞動者」。他們負責替 Meta 的 AI 系統標註影片、影像與語音資料，在螢幕上框出物件、標記像素，以訓練下一代智慧眼鏡變得更聰明。該調查採訪 30 多名 Sama 不同層級員工，其中多人直接參與 Meta AI 系統的標註工作。 受訪員工表示，他們看過浴室、更衣、裸體、性行為、信用卡與其他高度私密內容。有員工回憶一段令人不安的畫面：「我曾看過一段影片，一名男子將眼鏡放在床頭櫃後離開房間，不久後他的妻子走進來換衣服。」 部分被拍攝者似乎完全不知道自己正在被記錄，有員工在受訪時甚至指出：「在某些影片中，你可以看到有人去廁所，或正在脫衣服，我不認為他們知情，因為如果他們知道就不會錄影了。」另一名員工也直言：「從客廳到裸體，我們什麼都看得到。」 《Svenska Dagbladet》報導，這些標註員除了處理影像，還會進行語音與文字的轉錄，以核對 Meta 智慧眼鏡 AI 助理對使用者提問的回覆內容是否正確。這類審查同樣包含大量敏感資訊，一名員工就透露：「我們看到的聊天內容可能涉及犯罪或抗議，不只是打招呼，還可能非常黑暗。」 問題不只在隱私外流，更在「使用者以為自己有控制權」 《Svenska […]

當「設計自動化的人」也被裁：亞馬遜裁減機器人團隊，敲響供應鏈效率警鐘

亞馬遜近日再次裁員，這次波及的對象是其機器人部門。根據《Business Insider》與《Reuters》報導，亞馬遜證實已裁減至少 100 個機器人相關白領職位，涉及設計倉庫自動化設備的團隊。儘管裁員引發外界關注，但亞馬遜高層強調，機器人仍是亞馬遜未來發展的重要策略。 倉儲自動化團隊受影響，至少 100 個職位被裁 消息人士向《Reuters》透露，此次裁員主要集中在亞馬遜的機器人部門，該部門負責開發用於倉庫自動化的機器人與輸送設備，包括協助搬運貨物的機器人與物流傳輸系統。 亞馬遜並未公開具體裁員人數，只表示公司會「定期檢視組織架構，以確保團隊能更好地創新並為客戶提供服務」。 這次裁員也延續了亞馬遜近年的企業裁員趨勢。根據《Business Insider》統計，自 2022 年以來亞馬遜已裁減超過 5.7 萬個企業職位。其中包括去年 10 月約 1.4 萬名白領員工與今年 1 月約 1.6 萬名職位的裁員。《Reuters》指出，過去幾年的系列調整，約占亞馬遜白領員工總數的近一成。 不過，亞馬遜的整體員工規模仍十分龐大。截至去年底，該公司在全球約有 158 萬名員工，其中大多數是在倉儲與物流中心工作的時薪員工。 部分專案被收縮，但機器人仍是策略重點 儘管進行裁員，亞馬遜管理層仍強調機器人技術的重要性。根據《Business Insider》報導，亞馬遜機器人部門副總裁 Scott Dresser 在一封發給員工的內部信中表示，這次調整「艱難但必要」，並強調機器人仍是公司的策略重點項目，即使某些業務正在被縮減或重組。 亞馬遜目前的倉儲物流網絡高度依賴自動化技術，數以千計的機器人被部署在其全球各地的配送中心，負責搬運貨架、分類商品與協助包裝流程。這些自動化系統是亞馬遜維持大規模電商配送效率的重要基礎。雖然亞馬遜近期已停止開發一項名為 Blue Jay 的倉儲機器人系統，但正將重心轉向另一套名為 Orbital 的新型倉儲系統，部分參與 Blue Jay 專案的員工已被重新分配至其他機器人計畫。Orbital 與過去高度整合的大型倉庫架構不同，採用模組化設計，可由多個自動化模組組成，讓系統更容易部署與擴展。這種架構特別適合較小型的即時配送倉庫，甚至可能部署在 Whole Foods 等實體門市後方，作為微型物流中心。 AI 效率與成本壓力，正在重塑企業組織 外媒指出，這一波裁員同時反映亞馬遜在 AI 時代下對效率的重新思考。亞馬遜執行長 Andy Jassy 近年積極推動組織改革，希望降低官僚層級，讓公司運作更接近「全球最大的創業公司」。該公司也嘗試透過 AI 與自動化工具提高生產力，並減少不必要的管理層與企業部門成本。 […]

思科的 AI 豪賭：從網路設備商到企業 AI 基礎設施供應商的轉型之路

當多數企業還在討論該導入哪個大型語言模型時，思科（Cisco）則認為，AI 時代的競爭關鍵，不在於誰的模型最強，在於誰能掌握運行這些模型的基礎設施。 這家打造了全球網際網路骨幹的網路設備商，正將 AI 從軟體應用層拉進硬體架構的核心，試圖成為企業 AI 時代不可或缺的「水電瓦斯」供應商。 從賣設備到賣 AI 運行能力 過去三十年，思科靠著網路交換器、路由器與企業網路設備稱霸市場，但傳統網路市場的成長早已趨緩，庫存消化壓力與競爭加劇，讓華爾街持續關注思科能否找到新的成長引擎。AI 正是思科押注的武器，但它選擇的切入點與多數科技公司截然不同。 執行長 Chuck Robbins 將 AI 視為堪比網際網路崛起的世代性機會，當年思科正是靠著網路基礎設施的爆發成長，躋身全球最有價值企業之列。這次思科的策略是，將 AI 視為企業基礎設施的核心組成，而非單一應用或附加功能。 簡單來說，思科認為即使企業採用了最先進的 AI 模型，若底層網路、協作工具與資安架構跟不上，這些模型也只會淪為跑不動的軟體。 這個判斷背後的技術邏輯是，AI 工作負載對網路的需求與傳統企業應用完全不同。模型訓練與推論需要在 GPU、儲存系統與終端設備之間高速搬運海量資料，任何網路壅塞、封包遺失或安全漏洞，在傳統環境中或許還能容忍，但在 AI 運算中都可能成為致命瓶頸。思科的新產品線正是針對這些挑戰而設計，從專用晶片、智慧流量管理到以 AI 強化的資安機制，全面重構企業 AI 的運行基礎。 網路、協作與安全的三軸整合 思科的 AI 布局橫跨三大領域，包括網路基礎設施、協作設備與資安架構。在網路層，思科推出專為 AI 工作負載優化的交換與路由平台。傳統資料中心網路主要處理「南北向」流量，也就是使用者與伺服器之間的資料傳輸；但 AI 工作負載會產生大量「東西向」流量，因為 GPU 在訓練與推論過程中需要頻繁互相溝通。 思科的新基礎設施產品以更高頻寬、更低延遲的架構來因應這種流量模式，並導入智慧負載平衡，能動態適應 AI 流量難以預測的特性。值得注意的是，思科力推以乙太網路（目前最普遍的電腦區域網路技術）為基礎的 AI 網路方案，直接挑戰 NVIDIA 專有 InfiniBand 技術，賭的是企業會偏好開放標準帶來的彈性與成本優勢。 在協作設備上，思科將 AI 功能整合進協作設備與雲端服務，讓會議室與工作空間從被動工具變成主動參與者。簡單來說，以前工作空間裡的這些設備像錄影機，需要人類主動按下錄製才得以啟動；現在它們更像一個「AI 助理」，會主動觀察、理解、並提供服務，不需要人類一步步下指令。 […]

【科技早餐】AI 走進戰場：OpenAI 與五角大廈合作引發爭議

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊AI 與軍事合作升溫，OpenAI 與政府角色再被討論 OpenAI 執行長 Sam Altman 在公司全體員工會議中表示，OpenAI 已與美國國防部建立新的人工智慧技術合作，但實際在軍事行動中如何使用相關模型，並不是由公司決定，而是由政府與軍方掌握操作決策。Altman 指出，OpenAI 的角色主要是提供技術建議與安全機制，包括哪些模型適合特定用途，以及如何建立防護措施以降低技術濫用風險。 這項合作宣布的時間點也格外敏感。公告發布前不久，美國與以色列對伊朗展開軍事行動，使 AI 在戰爭中的角色再度受到關注。OpenAI 表示，新協議將遵守包括《美國憲法第四修正案》在內的法律原則，並禁止 AI 用於蓄意的國內監控。隨著 AI 技術逐漸進入國防體系，科技公司與國家權力之間的界線，也成為新的討論焦點。 ＊科技業員工連署反對軍事 AI，Google 與 OpenAI 面臨壓力 美國政府近期將 AI 公司 Anthropic 列為「供應鏈風險」，並限制相關政府單位使用其模型，引發科技業內部反彈。來自 Google 與 OpenAI 的員工發起公開信，要求公司明確劃定與軍方合作的界線。其中一封題為「We Will Not Be Divided」的公開信，連署人數已接近 900 人，包括約 800 名 Google 員工與近百名 OpenAI 員工。 公開信指出，Anthropic 遭到限制的原因之一，是該公司拒絕讓 AI 技術用於大規模監控或全自動武器系統。另一方面，Google 也傳出正與五角大廈磋商，可能將 Gemini 模型導入機密系統。Google […]

Gemini 將進駐「健康存摺」App！Google 台灣總經理點台灣最迫切挑戰

AI 時代來臨，什麼是台灣目前最迫切、又能用 AI 技術協助解決的社會挑戰？Google 認為是 AI 醫療。Google 台灣今（4 日）舉辦在台 20 週年交流會，宣布在台灣佈局的下一章為 AI 醫療健康，同時宣告與衛生福利部健保署合作，將在今年 3 月於千萬台灣人使用的「健康存摺」App 中，推出由 Gemini 驅動的衛教助理，並在使用者明確授權同意的前提下，根據臨床實證提供個人化的健康建議。 Google 台灣總經理林雅芳表示，Google 希望將資源投入在解決當前最迫切、最重要的需求上，而台灣已經邁入超高齡社會，伴隨高齡化而來的是慢性病對民眾健康的威脅越來越大，成為亟需處理的課題。她也強調，面對這些醫療與健康照護的挑戰，光靠寫程式是沒有辦法解決的，而是要結合「Team Taiwan」（台灣團隊）的力量，將有溫度的照護和最先進的 AI 技術相連，才能有效應對。 根據衛福部統計，慢性病是目前台灣影響人口最多的疾病，目前台灣面臨三高（高血糖、高血壓、高血脂）威脅的民眾高達 850 萬人，也因此衛福部與 Google 的合作即從慢性病切入。 健保署提供給醫師的「大家醫計畫」已在全台 2 萬間診所導入「糖尿病 AI 模型」，透過去識別化的聚合數據，為病患進行風險分級，協助醫師及早介入治療。Google 表示，單一病例的評估時間從 20 分鐘縮短至 25 秒，而原本需要 40 位專家投入三週才能完成兩萬人規模的篩檢，如今透過 AI 僅需 1 小時 24 分鐘。 這套風險分級機制不僅提供給醫師在家醫大平台作為看診參考，更將在使用者明確授權同意的前提下，根據使用者的就醫紀錄與健康數據、結合專業的臨床指引，直接在健保 APP「健康存摺」中生成民眾專屬的個人化 AI 衛教摘要與衛教師的叮嚀，讓民眾能隨時掌握自身的健康風險與照護重點。衛福部部長石崇良表示，這項 AI 框架不會僅限於糖尿病，下一步會擴及到高血壓、高血脂以及慢性腎臟病等其他重大慢性病。 除此之外，Google.org 提供了 […]

Agentic AI 與 Physical AI 如何加速高科技製造業的自主革命？聯發科技、群聯電子、NVIDIA 等專家解密關鍵趨勢應用

2026 年，製造業正站在「自主革命」的轉捩點。隨著「+USA」全球供應鏈重組、勞動力缺口擴大，以及 AI 代理與物理 AI 的加速成熟，製造業的角色正發生根本性轉變，重塑「超自動化」工廠的樣貌。對於位居全球供應鏈中樞的新竹高科技製造業而言，挑戰更不僅在於技術導入，更在於如何建立一支 AI 混合勞動力，以應對日益嚴峻的勞動力缺口與全球化競爭。 TechOrange 科技報橘與 Cake 在 2/7 聯合舉辦「高科技製造 AI 人才論壇暨 Workshop」，為包括半導體、光電、電子零組件等新竹高科技製造業技術人才解析 AI 代理與物理 AI 如何成為推動這場自主革命的雙引擎，並探討高科技製造業當前最需要什麼樣的 AI 人才。 從自動化走向自主化的製造革命 聯發科技企業策略與前瞻技術資深處長梁伯嵩表示，AI 運算的七層架構涵蓋實體層、連結層、神經網路層、情境層、代理層，還有協調層和應用層。而在 AI 進展上，大致可歸納為三個時期，第一階段是「訓練時期運算」，開發者聚焦如何訓練 AI 提升性能；第二階段是「推理時期運算」，發展重點是利用 AI 有效率地進行推理、以知識蒸餾技術訓練 AI 模型；第三階段是「Agentic AI 與 Physical AI」，在企業追求極致算力的情況下，形成一個關鍵趨勢 —— 讓 AI 發揮超越單一 LLM 模型的能力。在提供 AI 算力上，「影響較大的是底端的實體層（Physical Layer），包括半導體晶片和各種不同硬體裝置，以及連接層（Link Layer），將這些運算力連接在一起進行 AI 運算。然後在整體 AI 算力設計上，不只看單顆晶片性能，更需要針對整個 AI 系統做最佳化，優化的範圍包含個機櫃（Rack-Scale）甚至是整個資料中心（Data Center）。 […]

高通同步卡位機器人、AI 穿戴與 6G，CEO 直言兩年內機器人將創造更大機遇

當市場還習慣把高通（Qualcomm）視為一家手機晶片公司，高通執行長 Cristiano Amon 近日在 MWC（世界行動通訊大會）釋出明確的轉向訊號：高通正在把布局重心，同步延伸到機器人、AI 穿戴與 6G。 機器人將在兩年內實現規模化發展、創造更大的機遇 Cristiano Amon 在 MWC 表示：「我認為機器人技術將在未來兩年內開始實現規模化發展，兩年內這將是一個更大的機遇。」目前的機器人應用種類繁多，涵蓋從工業用途的機械手臂，到特斯拉（Tesla）與眾多中國企業正在積極開發的人形機器人。 為了把握機器人領域的龐大商機，高通今年 1 月已在 Dragonwing 品牌下推出一款為機器人設計的處理器，目標是打造可運行於多種機器人平台的晶片，做法與高通過去在智慧手機市場推動 Snapdragon 的模式相似。 同時，市場對機器人領域的經濟規模有極高的預測，像麥肯錫預估通用型機器人市場在 2040 年將達到 3,700 億美元，RBC 資本市場（RBC Capital Markets）的分析師更預測，到了 2050 年，全球人形機器人的總潛在市場將高達 9 兆美元。 Cristiano Amon 也指出，實體 AI 的進展正讓機器人變得更有用，他進一步強調：「人們曾說，單是機器人技術本身的市場規模就可能是一個高達兆元美元的機遇，現實情況是，我們現在看到因為實體 AI 的出現，機器人已經變得有用了許多。」 高通推出 Snapdragon Wear Elite 晶片，瞄準 AI 穿戴裝置 在裝置端，高通也同步推出 Snapdragon Wear Elite 晶片。高通將 Snapdragon Wear Elite 定義為「手腕以上（Wrist […]

穩定幣與 AI 代理人時代來了：海耶克科技共同創辦人暨商務長溫宏駿談 AI × Web3 金融如何重塑信任、所有權與責任？

當穩定幣不再只是加密圈或跨境支付的工具，而是開始與 AI 逐步融合，Web3 金融的競爭將被推進到全新的制度層級。本集《全新一週》主題為海耶克科技共同創辦人暨商務長溫宏駿，在科技報橘主辦的「科技風暴金融高峰論壇」的演講精華，這場演講以「AI × Web3 金融如何重塑信任、所有權與責任」為題，逐步剖析 AI 與 Web3 金融合流的框架，以及對信任、所有權與責任帶來的具體影響。 温宏駿分享，近期有不少關於 AI 與穩定幣的文章，最後往往都會引用一本 1997 年出版的《主權個人》。當時 AI 這個詞還未出現，但書裡談的「互聯網」其實已經預告今日 AI 的發展方向：當資訊技術持續推進，權力會從國家往個人移動，個人也更有能力守住自己的財富與隱私。因此，他認為當 AI 與 Web3 金融合流，金融秩序最先被撼動的會是「信任」。 信任如何被重塑？從「國家」走向「可編程的全球網路」 溫宏駿指出，穩定幣的出現，實質上已對「國家與貨幣主權的信任」帶來挑戰。他引用《主權個人》的觀點解釋：當資本的流速超過政府的威懾能力時，貨幣便不再具有政治性，而會成為一種進化產物。因此，穩定幣之所以關鍵，就在於它能「跳過國家主權」，不必「拿牌照」，並以「可編程化的代幣」形式在區塊鏈網路上運作。 沿著這個邏輯，溫宏駿進一步把問題推向「信任由誰來判斷」？他以出國支付與兌換為例，說明當資金流速大於政府能力時，消費者自然會在網路上選擇最有效率、最方便兌換的方式。雖然現階段多以美元為核心，但未來是否仍然如此，仍充滿不確定性。 更關鍵的是，未來的判斷可能不再仰賴個人主觀，而是改由「AI 幫你判斷」，甚至把「個人主權下放給 AI」，讓 AI 去尋找更好的交換與貨幣流通方式。在他看來，貨幣正在從「由國家擔保發行」的傳統印象，走向一種能與互聯網及 AI 交互的媒介。 在這樣的轉向之下，溫宏駿認為金融機構正是「信任被重新分配」最明顯的實例，因為穩定幣帶來的影響正在改變商業轉帳的底層邏輯，讓過去依賴「中間化的傳統轉帳網路」與「由國家發牌照的帳本信任體系」，如今正逐步過渡到「區塊鏈網路」上新生成的信任體系。 溫宏駿描述，信任轉移的方向是人們會愈來愈信任由「全球人類共同維護」的區塊鏈轉帳網路；相較之下，傳統網路因碎片化、不可編程、難以 7×24 運作，也無法與 AI 協作，開始跟不上時代。因此，他特別提到紐約證券交易所這一類大型機構下定決心發行原生性代幣，就是為了在未來能與機器和 AI 協作，而當信任從國家與中介網路往可編程的全球網路移動，他認為下一個被改寫的，就是「所有權」。 所有權如何被改寫？從「人下單」走向「代理人下單」，並透過區塊鏈授權與結算 溫宏駿指出，我們現在以為很多所有權掌握在自己手上，但接下來「所有權會交給你的 AI Agent」。他認為，既然信任已開始轉移，下一步自然就是所有權的轉移，但這件事必須建立在可被信任的體系之上，指向的正是區塊鏈技術。因此，為了讓 AI 真正接手自動化操作，科技公司正重新編織新協議，讓新的互聯網與區塊鏈體系能與 AI 相容，並在區塊鏈的轉帳或清算網路上互動。 沿著這條路徑，對比傳統金融商務與代理人商務，支付主體將從人轉向各種 AI Agent。例如，使用者只要告訴 AI Agent「幫我買這本書」，AI […]

數位基礎設施進入戰時模式：AWS 機房首遭戰火波及，雲端、銀行與資安體系同步受考驗

美國與以色列對伊朗發動聯合攻擊後，戰火不只在實體世界延燒，也迅速蔓延到網路空間。《Reuters》指出，伊朗境內同步出現一波網路行動，除了多個新聞網站遭駭客入侵，下載量超過 500 萬次的宗教日曆 App「BadeSaba」也遭駭入，更被植入「現在是清算的時候了（It’s time for reckoning）」等訊息，號召武裝部隊放下武器、加入平民。 此外，《Reuters》引述資安專家說法，指出隨著伊朗評估後續回應選項，駭客行動主義者（hacktivist）對以色列與美國相關的軍事、商業或平民目標發動網路攻擊的可能性正在急遽上升。 《Nextgov/FCW》進一步引述 CrowdStrike、Google Threat Intelligence Group 與 Recorded Future 的說法，指出德黑蘭相關駭客正在加強數位偵察，接下來可能進一步鎖定美國關鍵基礎設施。不過，報導也提醒，目前不少攻擊宣稱仍偏向「聲明導向」，Google 首席分析師 John Hultquist 就表示，企業固然應提高警覺，但伊朗駭客過去也常誇大甚至捏造攻擊成果，因此外界對這些宣稱仍應保留判斷。 這次衝突帶來的風險，不只停留在網路攻防層面。隨著情勢升高，包括雲端、通訊、金融與政府系統在內的數位基礎設施，也正同步成為新的攻擊面，而這樣的變化，也讓商業雲端資料中心首度以更直接的方式，被納入現代衝突的攻擊半徑中。 AWS 中東機房遇襲，商業雲端基礎設施首度被戰火波及 《DefenseScoop》報導，因中東地區軍事行動加劇，AWS 在該地區的 3 座資料中心遭無人機攻擊波及，其中阿拉伯聯合大公國（UAE）的 2 座設施更被無人機「直接擊中」，而巴林 1 座主要設施則因附近無人機爆炸，導致基礎設施受到物理衝擊。分析師指出，這起事件可能是美國企業營運的超大型資料中心，首次在實戰中遭到戰火攻擊的案例。 事件發生後，《DefenseScoop》指出，AWS 隨即要求在中東運行工作負載且面臨中斷的客戶，啟動災難復原計畫，並將數位資產與服務遷移到其他地區。《DefenseScoop》也引述 AWS 過往資料表示，這起攻擊影響深遠，因為巴林自 2019 年起已將約 85% 的政府資料遷移至 AWS 巴林區域，而阿拉伯聯合大公國的 AWS 資料中心也承載著當地的政府、金融與物流部門的工作負載。 AWS 備援機制遇上戰火，雲端韌性面臨極限考驗 這起事件之所以引發高度關注，不只是因為 AWS 機房首度在戰事中受波及，也因為它進一步暴露出雲端架構面對物理攻擊時的限制。「這些打擊造成結構性損壞、中斷基礎設施的電力供應，部分情況下還因必須進行滅火作業而導致了額外的水損，」AWS 表示，針對這樣的情況，建議在中東使用其伺服器的客戶，將運算與線上流量轉移到其他區域。 儘管 AWS 的每個區域（Region）至少由三個可用區域組成，彼此不僅保持實體分隔，還具備冗餘的水、電、電信與網路連線。然而，這些包含警衛、圍欄與監視器的實體安全設計，原本主要是為了防範入侵者，而不是防禦飛彈或無人機攻擊。聖母大學 IT 教授 […]

要取代微軟 GitHub？OpenAI 傳正在開發自己的程式碼庫

AI 巨頭 OpenAI 的產品版圖可能再次擴張，而這次目標直指合作夥伴微軟的重要服務。外媒報導，OpenAI 正在開發一套新的程式碼庫（code repository），目標是降低對微軟 GitHub 的依賴，甚至可能成為開發者與 AI 代理共同協作的新平台。 根據《The Information》報導，這個專案仍處於早期階段，短期內不會推出，但 OpenAI 內部已經開始討論未來是否對外銷售這項服務。如果成真，這將使 OpenAI 與其最大投資者之一的微軟出現更直接的產品競爭。 GitHub 服務中斷頻繁，成自建平台導火線 OpenAI 啟動這項計畫的一個重要原因，是近期 GitHub 服務中斷次數增加。知情人士透露，OpenAI 工程師與其他企業客戶一樣，近幾個月頻繁遭遇 GitHub 當機，導致程式碼無法更新或團隊協作受阻。這些故障時間從幾分鐘到數小時不等，對開發流程造成干擾。 GitHub 官方也曾承認平台穩定性仍需改善。例如今年 2 月的一起事故，GitHub 服務因 Azure 底層系統問題中斷長達 4 小時；另一場約 3 小時的故障則與服務配置變更有關。事後 GitHub 在事故報告中坦言，目前平台的可用性尚未達到預期標準。 隨著 AI 開發節奏越來越快，這類中斷對大型工程團隊而言，影響也越來越大。 若開放給客戶使用，OpenAI 將直接與微軟競爭 知情人士指出，OpenAI 目前仍未決定這套類似 GitHub 的產品是否會對外推出，也可能僅供內部工程團隊使用。但 OpenAI 內部已討論過另一種可能：將這套程式碼庫與其 AI 寫程式代理（coding agents）整合，並作為新產品提供給開發者。 《The Information》指出，如果這項構想落地，開發者將能在同一平台上同時與 AI […]

Anthropic Claude 模型搭配 AWS 雲端服務，如何助行銷、軟體服務等產業實際落地 AI 應用？

生成式 AI 已成為近年企業數位轉型的重要推力。從客服自動化、內部知識管理，到行銷內容生成與流程優化，各類應用場景不斷浮現。然而，在實務層面，許多企業的 AI 導入仍停留在概念驗證（PoC）階段，距離成為穩定且可規模化的營運工具，仍存在明顯落差。 博弘雲端台灣香港事業中心副總經理陳亭竹指出，企業真正需要的並非單一模型，而是一套能與既有系統、流程與人員自然融合的 AI 使用方式。結合博弘雲端在 Amazon Web Services（AWS） 雲端技術的經驗，選用 Anthropic Claude (powered by Anthropic，下簡稱 Claude) 的頂尖模型，企業無需自行維運模型環境，也不必重新打造整套系統，讓 AI 能低門檻地走進日常工作流程。 從技術展示到營運工具，企業 AI 導入的三大現實門檻 首先，AI 應用難以與既有系統與流程整合。即便模型本身具備先天條件優勢，若無法與企業內部的資料來源、作業流程與決策節點順利串接，最終仍只能停留在輔助工具的角色。 其次，資安與合規問題成為 AI 擴大應用的主要顧慮。資料存放位置、模型存取權限與法規遵循，往往直接影響企業是否敢於將 AI 納入核心流程。 第三，當應用規模擴大後，維運成本與投資報酬率的不確定性，容易使原本具潛力的 AI 專案難以持續推進。這些問題，使得企業逐漸意識到，生成式 AI 落地的關鍵不在於「能不能做」，而在於「能不能長期用」。 有鑑於博弘雲端觀察到實務現況，因此成為 Anthropic 經銷合作夥伴，讓企業能解決 AI 應用落地的挑戰。搭配 AWS 雲端服務，整合 AI 解決方案，根據應用情境自由隨選 AI 模型，逐步邁向 AI 應用規模化。 Anthropic Claude 與 AWS，構建企業生成式 AI 落地關鍵 […]

科技創業者進軍日本國會：35 歲工程師如何帶領 Team Mirai 靠 AI 敘事狂掃三百萬張選票？

隨著人工智慧逐漸從產業議題進入公共治理領域，日本政壇近期出現一個引人注目的新現象：由工程師與科技從業者組成的政黨，正試圖以 AI 作為核心政治敘事進入國會體系。 由軟體工程師安野貴博領導的新政黨「未來團隊」（Team Mirai），在最新一輪日本眾議院選舉中取得突破，也讓科技治理首次成為選舉動員的重要主軸。 科技創業者進軍國會，AI 成為政治主軸 35 歲的軟體工程師兼國會議員安野貴博，在日本政治圈顯得格外醒目。綁著馬尾辮、穿著印有電腦程式碼的黑色 T 恤與靛藍色西裝的他，與日本政壇長期保守的形象形成鮮明對比。 安野領導的未來團隊是一個由科技從業者創立的政黨，主張透過人工智慧與數位化技術提升政府效率與治理能力。在之前舉行的日本全國大選中，這個成立不久的政黨取得出乎意料的成果。 該黨此次共推出 14 名候選人，原本設定的選舉目標是贏得至少 5 個席位，但最終透過比例代表制選區拿下 11 席，在擁有 465 個席位的日本眾議院中取得一席之地。出口民調顯示，未來團隊獲得超過 300 萬張選票，占總票數約 7%，並在四、五十歲的城市選民中表現尤為突出。 對於一個僅有約 2,600 名註冊成員的新政黨而言，這樣的成果相當罕見，其快速崛起甚至在網路上引發陰謀論，有人聲稱這些工程師可能涉及中國的影響力行動。不過政治分析人士認為，該黨之所以能迅速獲得支持，很大程度來自其以科技為核心的治理敘事。 安野在東京辦公室接受訪問時表示，人工智慧的影響力將像火一樣改變社會。在競選期間，他也透過社群媒體與街頭演講與選民互動，逐漸在年輕族群中累積支持。 AI 作為治理工具：效率、透明與勞動力解方 未來團隊將人工智慧視為提升政府治理能力的重要工具。其政見包括導入政府聊天機器人、自動駕駛巴士，以及建立更透明的資料系統，以加快政策制定與行政流程。 該黨領導者認為，科技可以讓原本緩慢的政治體系變得更有效率，同時協助解決日本長期存在的結構問題，例如行政效率低落、政治資金透明度不足，以及日益嚴重的勞動力短缺。 在競選期間，該黨部署了一個聊天機器人，用於解釋政策內容並收集民眾意見。根據公布的數據，該機器人已回答近 39,000 個問題，並收到約 6,200 條政策建議。 候選人也提出多項以科技回應民生問題的政策，例如為有子女的家庭減稅、推動無人駕駛公車，以及增加科學研究投資。該黨同時主張降低社會保險費，並增加對人工智慧等成長產業的投資，試圖將科技發展與經濟政策結合。 其領導者表示，如果人工智慧能夠提升政府效率並節省行政成本，這些資源可以用於減輕勞工家庭在退休金與醫療保健上的負擔。 理性技術路線 vs. 傳統政治結構 與許多日本政黨不同，未來團隊刻意淡化傳統左右政治立場，而是強調以問題解決為導向的技術治理思維。 政治顧問公司 Japan Foresight 創辦人 Tobias Harris 指出，該黨在部分政策議題上甚至採取與主流輿論相反的立場；例如，在其他政黨普遍主張降低或暫停消費稅的情況下，未來團隊採取較為謹慎的態度。 安野表示，如果透過減稅刺激需求，可能進一步推升通貨膨脹，因此倉促減稅存在風險。他在日本公共電視 NHK 節目中表示，該黨是少數明確反對削減消費稅的政黨之一，這也讓部分不支持減稅政策的選民將其視為新的選擇。 不過，工程師背景的議員在國會體系中也面臨現實挑戰。新當選議員古川葵表示，日本政治體系仍保留大量紙本文件與傳統行政流程，「這裡文件太多了」。 日本官僚體系長期以保守著稱，甚至仍大量使用傳真機與紙本資料，一些議會會議室也禁止使用筆記型電腦與平板電腦。對於習慣數位化工作的工程師而言，這樣的制度環境顯然形成摩擦。 […]

【網購入口變成 AI】電子郵件成為潛力數據金礦，三層架構升級 AI 行銷

根據 Zeta Global 的一項調查，多數消費者在去年假期購物季曾嘗試以 AI 協助挑選禮物，但實際體驗卻比自己搜尋還要繁瑣。使用者需要反覆輸入收禮者年齡、興趣、預算與偏好品牌，經過多輪提示後，推薦結果才逐漸貼近需求。這種高度仰賴人工引導的流程，揭示了當前 AI 商務仍存在明顯的個人化落差。 這個落差的根源，在於資料脈絡的不足。當前多數 AI 購物助手所掌握的資訊仍停留在即時搜尋或公開商品資料層面，缺乏對消費者長期行為軌跡的理解。真正完整且結構化的消費歷史，其實沉睡在一個被低估的場域：電子郵件信箱。 AI 購物時代下，電子信箱是最具潛力的資料庫 電子郵件儲存了豐富且未被開發的商務數據，包含線上交易的電子收據，詳細記錄購買時間、品項、價格與品牌。這些資料揭示了清晰的季節性消費模式，例如特定消費者會於每年固定在冬季添購戶外裝備，或在特定節慶購買同一品牌禮盒。 從長期訂閱的促銷信件中，也能辨識出品牌親和力與價格敏感度。更進一步，信箱中的往來郵件還能勾勒出一種社交圖譜，呈現與親友之間的互動關係，為禮物推薦提供情境線索。相較於社群媒體或即時通訊工具，電子郵件在購買紀錄與優惠資訊的完整度上更具優勢，也更具歷史深度。 科技巨頭已意識到這一點。Google 近年嘗試透過商家促銷內容強化推薦精準度，並進一步推出整合 Gmail、YouTube 與搜尋紀錄的個人化 AI 服務，藉由龐大的第一方資料打造更深入的消費者輪廓。 想應用 AI 做好電子郵件行銷，具體該怎麼做？ 若 AI 商務要真正降低使用門檻，品牌必須重構對價格資料的理解和運用。價格並非單一數據，而有三個層次。公開價格是第一層，這是搜尋引擎與電商平台最容易取得的資訊。而真正形成競爭優勢的，是會員專屬優惠與個人化定價所構成的第二層與第三層價格空間。這包括訂閱電子報後才能取得的折扣、忠誠點數的折抵機制、分眾發送的專屬優惠碼，以及根據消費歷史動態生成的個人化優惠。 過去，許多品牌在電子郵件行銷上導入 AI，將其用在主旨優化、寄送時間預測或文案自動生成上，這些應用確實能提升操作效率與改善開信率，但若缺乏對消費者需求的理解，往往導致退訂率上升與營收停滯。真正成熟的 AI 應用，應建立在預測模型之上，透過購買紀錄、瀏覽軌跡與互動頻率推算需求節點，讓內容與時機自然對齊。 例如，當系統觀察到消費者近期購買越野跑鞋，並曾於過去秋冬季節選購防水裝備，同時訂閱戶外品牌促銷信件，AI 便可在氣候轉變前推送防水外套與會員專屬折扣。這種情境式建議具有高度相關性，推薦邏輯建立在真實行為證據之上，使用者無需多次提示，系統就能推演出合理需求。 《Entrepreneur》報導指出，運用預測分析所產生的個人化商品推薦，平均可提升約 22.66% 的轉化率。這項數據背後的意義，在於推薦機制從「廣泛曝光」轉向「精準配對」。品牌透過電子郵件累積的第一方資料進行模型訓練，並持續以開信、點擊與購買回饋優化預測邏輯，電子郵件便成為 AI 學習與調校的重要迴路，每一次互動都在強化系統對個體需求的理解。 然而，資料與演算法的強化並不意味著人性元素可以被忽略。成功的 AI 電子郵件策略，仍需由行銷團隊提供語境理解與品牌語調，並將客戶服務回饋、用戶訪談與情緒洞察納入訓練基礎。AI 成為分析與預測的輔助者，人類負責價值主張與信任建構，兩者結合才能避免過度自動化帶來的疏離感。 ＊本文開放合作夥伴轉載，參考資料：Zeta Global、《CMSWire》、《Entrepreneur》，首圖來源：Unsplash （責任編輯：廖紹伶）

2026 年 AI 行銷關鍵趨勢：為 GEO 提供具象內容，過濾 AI 垃圾強調人類價值

包含生成式引擎最佳化（GEO）與隱私優先資料策略在內，眾多網路行銷專家紛紛為 2026 年的網路行銷手法，給出獨特且創新的洞見，十分適合企業行銷人員積極參考。

【科技早餐】中東戰火延燒、能源價格暴漲 38%：全球科技硬體恐迎來新一波漲價潮

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊ 中東戰火延燒，能源價格暴漲 38%，可能引發科技硬體新一波漲價潮 《The Guardian》報導，受到美國、以色列與伊朗的衝突升溫影響，荷姆茲海峽面臨封鎖危機，導致歐洲基準天然氣價格單日暴漲 38%，原油價格也應聲跳漲超過 8%。 全球知名的能源及航運數據分析平台《Kpler 能源分析網》指出，這場能源海嘯正在迅速蔓延到科技業，不僅推高晶片製造與資料中心的電力成本，更因為貨運繞道而導致物流延誤。專家預估，若局勢不見緩和，今年下半年出貨的伺服器與電子產品，都將面臨 15% 以上的調漲壓力，讓全球科技供應鏈進入高度的警戒狀態。 ＊ MWC 2026 登場，啟動 6G 通訊新元年，邁向 Agentic AI 時代 世界行動通訊大會 MWC 2026，3 月 2 號在西班牙巴塞隆納揭開序幕，今年核心主題是 The IQ Era「智慧新紀元」，象徵通訊產業正式邁入人工智慧全面滲透的新階段。《Counterpoint Research》指出，MWC 2026 標誌著 AI 已經從「應用層」正式走向「系統整合層」，並與聯網技術深度融合，進入真正的「IQ Era」。 邁入第 20 週年的 MWC，這次受到矚目的重點是 6G 通訊正從概念邁入原型驗證，整合低軌衛星、高空平台、地面蜂巢網路，建構出全球立體覆蓋的一體化網路。與此同時，由於通訊技術的演進也加速 AI 的全面滲透，行動通訊產業將從終端裝置的邊緣 AI 走向代理 AI，重塑整個產業版圖。 研究報告也指出，6G 預計在 2030 年前後開始商業部署，到 2040 年全球連接數可能達到 […]

AI 正在重寫軍事情資規則：當工程師能自製準情報系統、中國企業能追蹤美軍部署

一般大眾接觸到的戰爭訊息，過去常被濃縮成幾張衛星照、幾段模糊影片，真正的情資多半仍鎖在軍方、情報圈與昂貴系統裡，但在美國與以色列對伊朗發動「史詩之怒」行動（Operation Epic Fury）前後，一連串案例把同一件事推到檯面上：AI 與商用衛星影像技術的深度結合，正以前所未有的速度打開軍事情報的大門，讓戰略情資變得更易取得與解讀。 AI 助攻，工程師單槍匹馬打造間諜衛星模擬器 在這場衝突爆發時，Google 前產品經理 Bilawal Sidhu 運用了 Gemini 3.1、Claude 4.6 與 Codex 5.3 模型打造了多個 AI 代理，在一個週末自製出一套名為 WorldView、可在瀏覽器開啟的間諜衛星模擬器。Sidhu 稱，他不需要機密資料授權，卻能用「情報分析員」的視角觀看世界。 他把 Google 的 Photorealistic 3D Tiles 疊上多種即時資料源與視覺化效果：包含 OpenSky Network 的即時航班位置、ADS-B Exchange 的軍機追蹤訊號、CelesTrak 的衛星軌道資料、OpenStreetMap 的城市車流，以及可被定位並投影到 3D 城市模型上的公共 CCTV 影像。再加上夜視、FLIR 熱成像、CRT 掃描線等「軍規顯示語言」的 shader，讓公開資料披上近似機構情資系統的視覺外衣。 God's eye view 24-hour replay of Operation Epic Fury. The Iran strikes […]

Amazon 為何收掉 Blue Jay？從單體走向模組化，揭倉儲自動化的下一個決勝點

Amazon 在去年高調亮相倉儲機器人 Blue Jay，卻在幾個月後悄悄按下停止鍵。這套原本瞄準同日送達（same-day delivery）倉庫的多機械臂系統，自 2025 年 10 月對外發表後，已經在 2026 年 1 月停止運作。 《Business Insider》指出，Blue Jay 系統僅用約一年多的時間便完成開發並投入部署，速度遠比 Robin、Sparrow 等較早期的機器人系統快上許多，也因此，Blue Jay 一度被視為 Amazon same-day 倉儲自動化的重要新嘗試。 Amazon 當時表示，Blue Jay 主要是利用 AI 技術的進展來加快訓練與部署，並透過多支機械臂的設計，能夠一次觸及並搬運多個商品，最初預計能處理 Amazon 倉儲站點中約 75% 的庫存商品，且設計初衷也考量到員工安全，目的是在減少因伸手、搬抬等重複性體力勞動所造成的肌肉拉傷。 知情人士指出，Blue Jay 最後被按下暫停鍵，主要原因包括高昂的成本、製造過程複雜，以及在導入實施上所面臨的挑戰。報導也提到，許多原本參與 Blue Jay 專案的員工，後來被重新分派到其他的機器人計畫中。 Amazon 並未放棄 Blue Jay 的底層技術，而是轉做其他自動化計畫 Amazon 發言人 Terrence Clark 表示，Blue Jay 的核心技術將會被延續到公司的其他倉儲計畫中。他指出：「我們總是在嘗試新方法來改善客戶體驗，並讓員工的工作更安全、更高效且更具參與感，這次的情況，我們實際上是在加速使用為 Blue Jay 開發的底層技術，且幾乎所有的技術都會被沿用，繼續支援我們整個網路中的員工」。 […]

台灣正處於發展超自動化工廠的關鍵時刻，直擊達梭、帆軟、思科、洛克威爾開啟產線超自動化新戰略

面對人口老化導致的勞動力短缺，以及地緣政治打破過去五十年的全球分工體系，全球製造業正急遽向區域製造與安全製造轉型。在 TechOrange 科技報橘今（3/3）日所舉辦的首場「AI 智慧大工廠論壇」中，科技報橘社長戴季全指出「因為全球生產力結構、國家競爭態勢，以及科技創新的實力，讓台灣剛好有一個天時地利人和，適合發展超自動化工廠的關鍵時刻。」台灣憑藉高階晶片實力與緊密的台美合作優勢，將迎來推動產業升級的歷史轉折點。 在全球佈局回歸在地生產的浪潮下，製造業的競爭核心已不再是設備更新，而是如何將這份地緣優勢轉化為實際的技術部署。當 AI Agent 的應用範疇從軟體跨足硬體，企業如何建構整合機器人技術與數位孿生的「超自動化」原生工廠？決策者又如何打造智慧製造團隊，搶佔下一波全球產業升級的領先位置？ 達梭系統：數位孿生與 AI 助理實現數據連續性 「今年我們將迎來 AI 的落地年，看見 AI 廣泛應用在不同的領域，」達梭系統台灣戰略客戶銷售總監張銘輝分享，達梭系統已於今年宣布與 NVIDIA 展開策略合作，共同建置 AI 工廠與智慧工廠。這項合作結合雙方在數位孿生與圖形算力的優勢，讓 AI 長出眼睛跟大腦，真正讀懂具備科學驗證的模擬數據與實務經驗，進而在虛擬環境中自主學習。 張銘輝以達梭建立的 3D 數據平台「3DEXPERIENCE」為例，表示企業在實際工廠建置前，先透過虛擬孿生將物理世界的行為、設備搬至虛擬空間進行模擬，過去耗時的人工排程與規則定義，交由 AI 僅需幾秒即可算出最佳解，讓人類得以專注高價值的決策判斷。達梭系統也進一步推出三位 AI 專業助手：負責知識資訊型 AI「Ora」、協助工程執行與自動化建模設計 AI「Leo」，以及提供材料與化學驗證 AI「Meria」，透過三款 AI 助理打通設計到製造的數據連續性並消除資訊孤島，不僅省去繁雜的程式編寫，更能在地緣政治導致的供應鏈分散時，找出最佳方案確保生產不斷鏈。 台灣帆軟：資料分級混合架構打破跨國數據孤島 而在全球化佈局的浪潮下，跨國設廠已成為製造業趨勢，但也面臨跨系統、跨部門與跨區域的數據整合挑戰。台灣帆軟客戶經理孫平表示，企業跨國營運時常遭遇海量數據回傳導致的高昂網路成本、各廠區系統資料口徑不一，以及各國法規限制的三大挑戰。 為此，台灣帆軟提出「資料分級混合處理」架構，讓各分廠優先在地端伺服器消化龐大數據，將核心 KPI 指標與必要數據回傳總部，不僅省下跨國傳輸費用，更保留地端資料治理與獨立開發的彈性。同時針對不同管理角色的需求，提供一站式的數據戰情門戶，讓財務端能專注於營收與現金流，工廠端能即時監控機台稼動率與良率。透過這套數據架構，企業將打破數據孤島，建立多地多工廠的智慧轉型與自動化營運基礎。 台灣思科：打造 OT 神經網路，以可視化技術奠定 AI 資安基石 「未來工廠中，會移動的設備都將搭載 AI，而基礎在於底層數據，」思科亞太區工業物聯網產品經理吳竣民指出，AI 轉型成功的關鍵在於掌握工廠數據，然而企業在轉型過程中，常面臨設備數據難以擷取、產線運作缺乏可視化、資安風險累積，以及擔心升級方案導致停產等四大挑戰。 針對數據方面的挑戰，吳竣民首先分享思科的落地實務經驗，以「三階層 OT 神經網路架構」，透過安全設備建構 OT 神經網路，從底層終端設備串聯到上層的工業大腦。針對資安方面，吳竣民表示「資安始於可視化，精準分析封包位置則是成功的關鍵。」思科 Cyber Vision 可視化分析系統能自動偵測並盤點廠內所有 […]