Archives

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

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

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

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

AI 安全賽局生存戰：OpenAI 拋五大原則，揭示最新 AGI 治理藍圖

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

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

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

叡揚指標管理與預測式 AI 接軌 FHIR，驅動醫院智慧治理

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

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

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

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

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

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

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

氛圍編碼只是開始，「語音 AI」正改寫從寫程式到企業客服的工作流程

強大的 AI 語音轉文字工具，為程式設計師提供了一種全新媒介，讓他們能透過口語來開發新產品，其速度遠比單純打字來得更快，語音 AI 應用更一路深入到企業最基礎的工作流程。

零售業者的新難題：為何 AI 用得越多，消費者就越不信任我？

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

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

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

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

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

OpenAI 傳合作聯發科、高通開發手機處理器，打造「AI 代理手機」

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

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

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

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

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

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

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

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

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

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

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

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

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

AI 氛圍編碼解決網頁排版 30 年難題，Pretext 如何徹底改變下一代網頁設計方式？

軟體工程師 Cheng Lou 公開劃時代的網頁設計解決方案 Pretext，它允許開發者繞過 DOM 及效能瓶頸，將網頁上的靜態文字變成近乎完全動態、允許互動且具備回饋性的動態文本。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

【SaaS 末日還沒到】AI 助力客製化開發，商業軟體的角色正在被重新定義

儘管軟體類股因為 AI 浪潮而暴跌，令投資人產生 SaaS 末日疑慮，但大型企業仍表示短時間內不會放棄 SaaS 與商業軟體，並預期透過 AI 將小型應用程式與客製化服務納入企業營運日常。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

【AGI 競賽盲點】堆算力可能不是唯一解，腦科學的邏輯為何仍缺席？

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

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

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

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

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

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

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

成衣製造的 AI 進化：不再盲目備貨，3 大面向從源頭減少浪費

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

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

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

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

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

從外觀到飛行動態都與真鳥無異，中國仿鳥撲翼無人機正改寫偵察戰場

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

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

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

不只自動化，更是採購決策重構：NEC 如何將交期變更交給 AI 秒速談判？

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

【聽過「釣魚即服務」嗎】駭客成熟分工瞄準企業資安，工具訂閱制已成最新攻擊模式

在充滿攻擊者的暗網中，一種被稱為「釣魚即服務（PhaaS）」的商業模式正悄悄崛起，想發動網路釣魚攻擊的有心份子，只要向駭客支付月費，就可以獲得許多現成的攻擊工具。

AI 律所一份合約收 250 美元，大型律所每小時收 1,000 美元——這場競爭誰會贏？

律師 Ross Weiser 六個月前離開 Sullivan & Cromwell，加入一間名為 Crosby 的 AI 原生法律服務公司。在那裡，合約審查由 AI 代理先跑完，他再接手處理機器尚未能判斷的法律細節。 Crosby 自稱「新型律所」，而它的運作模式，正被視為整個法律行業正在發生的轉變的縮影。 收費邏輯的根本翻轉？ Crosby 的商業模式，從第一個環節就與傳統律所背道而馳。 傳統合約審查按小時收費，律師開的每張帳單都是時間的換算，每一份合約可能牽涉多輪審查、多張發票，費用從基本的數百美元疊加到複雜合約的三千美元以上。 Crosby 則改以按件計費，每份合約收費約 250 至 1,000 美元，大致依頁數換算為每頁 10 到 50 美元，且無論合約被審查幾次，客戶只收一張帳單。 這個設計看似只是定價模式的調整，實質上卻重新對齊了律所與客戶之間長期錯位的利益結構。原本計時收費的邏輯，是讓律師「主動」花更多時間，而按件收費的邏輯則鼓勵律所有更快、更精準的產出。 Crosby 執行長 Ryan Daniels 將這稱為法律行業百年來最大的變化，他的底氣來自一套由八個專責 AI Agent 構成的審查系統，建立在 OpenAI、Anthropic 與 Gemini 的模型之上。 每個 Agent 負責不同環節：從過往合約中提取相關脈絡、針對特定條款提出修訂建議，再匯整成整份文件等流程，最終交由人類律師接手收尾，這套流程將原本需要數天乃至數週的合約審查，壓縮至數小時之內。 在規模上，Crosby 已服務約 100 家客戶，審查合約逾 1.3 萬份，自去年 10 月以來營收成長約 400%，本輪 B […]

【科技早餐】代理型 AI 往外擴，Tesla 來台搶人、Google 重排晶片布局

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊摩根士丹利：代理型 AI 把投資從 GPU 往外推，CPU 與記憶體接棒成焦點 《路透》報導，摩根士丹利（Morgan Stanley）最新指出，隨著 AI 從生成內容進一步走向可自主執行任務的代理型 AI，資料中心的投資重心，將不再只集中在 GPU，而是逐步擴散到 CPU、記憶體，以及更廣泛的通用運算架構。摩根士丹利強調，GPU 需求依然強勁，但當 AI 開始從生成走向行動，新的運算瓶頸也會跟著轉移。 摩根士丹利估計，代理式 AI 在 2030 年前，可能為資料中心 CPU 市場帶來 325 億至 600 億美元效益。這也代表下一階段 AI 支出，重點不再只是添購更多加速晶片，而是整套資料中心系統都要跟著重配，受益範圍也可能從 GPU 供應商，進一步擴大到 CPU、記憶體，以及更多伺服器與連接元件供應鏈。 ＊Google 傳與 Marvell 洽談兩款新晶片，推論布局往前推進 《The Information》報導，Google 正與 Marvell 洽談合作，開發兩款新型 AI 晶片，其中一款是配合既有 TPU 使用的記憶體處理單元，另一款則是專為執行 AI 模型設計的新型 TPU。報導指出，這項合作反映 Google 想進一步分散設計夥伴，不再只依賴博通（Broadcom），但博通目前仍是其核心設計合作夥伴。 如果雙方合作成形，代表推論需求升高之後，雲端業者正開始針對記憶體搬移與模型執行效率，重新設計底層架構。這也顯示 Google […]

82% 受訪企業自認安全，卻有 88% 遇過 AI Agent 資安事件？解析背後防護落差

企業導入 AI agent 的速度，已經遠遠超過資安架構的進化速度。一項來自《VentureBeat》的調查指出，當企業開始讓 AI Agent 具備自主執行任務、調用工具甚至跨系統操作的能力時，多數資安體系仍停留在「監控與紀錄」的階段，尚未進入真正的防護與隔離層級，這種「看得到但管不住」的狀態，正是目前企業普遍的資安結構。 82% 受訪企業自認安全，同時有 88% 已發生 Agent 資安事件 這種落差首先在企業的認知與現實之間浮現。在 API 管理商 Gravitee 調查全球 919 位高階主管與從業人員的《2026 AI 代理安全現況》（State of AI Agent Security）報告中，有 82% 的高階主管認為自家資安策略能夠保護他們免受未經授權的 AI Agent 操作影響，但同時有 88% 高階主管表示，過去一年已發生過 Agent 相關的資安事件。換句話說，多數企業自認安全，但實際上已遭遇風險。 進一步來看，真正具備關鍵防護能力的企業比例更低。該報告顯示，僅有約 21% 的受訪企業能及時掌握 AI Agent 在 Runtime 的行為。這代表有近 8 成企業其實無法回答一個最基本的問題：AI Agent 現在正在做什麼。 問題核心：AI agent 已從工具變成「機器身份」 這種防護失效是架構層級的錯位。《VentureBeat》在 2026 年 1/6 至 […]

AI 生成程式碼接受率高達 90%，最後留下來的卻不到 30%？揭開 AI coding 背後的隱藏成本

數十年來，軟體工程圈始終在爭論一個老問題：工程師的生產力究竟怎麼衡量？然而，當新一代 AI 工具開始替團隊產出比過去更多的程式碼，這個問題不但沒有變簡單，反而變得更難回答。如今在矽谷開發者之間，甚至出現一種新現象：把龐大的 token 預算，也就是開發者被允許消耗的 AI 運算額度，視為某種能力與身價的象徵。 不過，這個衡量標準的問題在於，這套邏輯衡量的其實是「投入」，而不是真正的「產出」。如果企業在意的是效率提升，而不只是表面上的 AI 採用率，那麼把可量化的工具使用量，直接等同於團隊真正創造的成果，顯然是一種值得重新檢視的迷思。 表面產出變多，不代表真實生產力同步提升 有時產出數量的增加，反而會掩蓋背後的重工成本。《TechCrunch》引述開發者分析平台 Waydev 執行長 Alex Circei 的觀察指出，在工程經理眼中，AI 生成程式碼的初始接受率可達 80% 到 90%，但若把後續數週工程師必須重寫與修改的狀況納入考量，真正在實務中留下來的 AI 生成程式碼其實只剩 10% 到 30%。這些工具帶來的技術債與程式碼審查負擔正在不斷累積，尤其資淺工程師往往比資深工程師接受更多 AI 程式碼，隨之而來的便是更大量的重寫工作。 業界數據也印證這個現象，例如根據 GitClear、Faros AI 與 Jellyfish 等企業的資料，在高 AI 採用情境下的程式碼流失率（code churn）顯著增加，例如　Faros AI 的數據顯示 code churn 甚至增加 861%；Jellyfish 則發現，擁有最大 token 預算的工程師雖然產出最多拉取請求（PR, Pull Requests），但生產力提升並未等比增加，最後只是以 10 倍的 token 成本換來 2 倍的吞吐量，也讓《TechCrunch》直言，這些工具目前更像是在「產生數量，而不是價值」。 真正拖慢交付的，往往不是寫程式本身 […]

「AI 決策」時代來臨！產業盛會 iSearch x MarTechAsia 聚焦品牌競爭新規則

2026 年全球產業迎來十年來最劇烈的震盪，生成式 AI 引發的新一代轉型革命已成為全球企業的共同課題。年度行銷盛會《iSearch x MarTech Asia 2026》將於 5 月 27 日（三）以線上直播形式盛大登場，以「Next AI 決策新時代：當 AI 成為顧客，重新定義品牌行銷邏輯」為年度主題，集結頂尖 AI 與行銷科技專家，共同探討品牌如何在 GEO 與 AI Agent 生態中搶佔先機，為下一個十年的品牌成長提前卡位。 10 億 AI 用戶時代來臨：佈局從行銷到營運的 AI 決策體系 根據 DataReportal 的《Digital 2026》最新報告顯示，全球每月已有超過 10 億人頻繁使用 AI 平台，消費者的決策行為正快速被改寫，許多企業與用戶的第一個接觸點已從傳統搜尋引擎悄然變成 AI 的對話內容。不僅如此，Gartner 預測未來將有高達 90% 的企業採購由 AI Agent 介入，並推動超過 15 兆美元的交易額，這意味著 AI 不再只能用於聊天、查詢資料或代理購物訂位，它正全面深入應用於從客服、銷售、行銷、CRM 到內部營運流程，甚至直接參與高價值的企業決策。 當內容產製門檻下降、廣告預算緊縮，但企業對績效的要求卻更高時，品牌競爭的焦點將從單純曝光轉向「Agentic Marketing」。行銷戰場除了正式迎來 GEO (生成式引擎優化) 來搶佔消費者決策鏈之外，許多企業也紛紛開始導入或研究 […]

跑贏世界紀錄卻進不了工廠？拆解中國人形機器人狂飆背後的商用落地瓶頸

週日（4/19）在中國北京舉行的人形機器人半程馬拉松中，一款名為「閃電」（Lightning）的人形機器人以 50 分 26 秒的成績完賽，不只擊敗同場約 12,000 名人類參賽者，更直接超越人類半馬世界紀錄，比烏干達選手 Jacob Kiplimo 今年 3 月在里斯本創下的 57 分 20 秒紀錄快了近 7 分鐘。 這項成績之所以引發關注，不只是因為速度本身，而是該機器人全程並未依賴遠端遙控，是透過感測器與即時決策自主系統完成賽事。 從幾乎無法完賽到全面突破，中國一年內的技術躍進 如果將時間拉回一年前，這場比賽幾乎呈現截然不同的景象。2025 年首屆賽事中，多數機器人在起跑後不久便跌倒或失控，最終只有少數完成比賽，冠軍成績為 2 小時 40 分，遠遠落後人類選手。然而在今年，參賽隊伍數量從 20 組增加到超過 100 組，參賽機器人規模擴大至數百台，且近 40% 隊伍參加了自主導航組別，在無遠端遙控操作下完成整段賽程。 此次奪冠的「閃電」由中國手機品牌榮耀（Honor）開發，其設計明顯針對人類長跑動作進行優化。根據《Reuters》與《The Guardian》報導，該款機器人身高約 169 公分，腿長接近 1 公尺，以模擬菁英跑者的步幅與比例，並搭載來自智慧手機技術延伸的液冷系統，以解決長時間運動所產生的熱能問題。另值得關注的是，這款機器人僅耗時一年研發完成。 在運作過程中，「閃電」透過多感測器融合與即時演算法進行環境判斷與路徑選擇，使其能在複雜路況下維持穩定速度；即便在終點前曾撞上護欄並跌倒，仍能在短暫調整後恢復平衡並完成比賽。 中國機器人產業加速擴張，專家：尚不足以轉化商用 這場比賽同時也成為中國機器人產業發展的一次集中展示。隨著中國政府將「具身智慧」（Embodied AI）列為重點產業，並投入大量資金與政策支持，中國企業正快速擴大人形機器人的研發與量產能力。 《The Next Web》指出，目前中國企業已在產量上取得明顯優勢，例如 Agibot 於 2025 年出貨超過 5,000 台，Unitree Robotics 出貨 5,500 台，UBTech […]

Google 傳找 Marvell 開發推論晶片：TPU 供應鏈重組，Broadcom 不再是唯一核心

《The Information》報導，知情人士透露 Google 正與 Marvell 洽談開發兩款新 AI 晶片：一款是可與現有 TPU 搭配運作，且能根據運算與記憶體需求分擔 AI 工作負載的記憶體處理晶片（MPU），Google 預計初步生產近 200 萬顆，計畫最快在明年完成設計並進入測試生產階段；另一款則是專為推論（inference）設計的新 TPU。 雖然目前雙方尚未正式簽署合約，但已明確凸顯 Google 基礎設施布局的核心方向，正從單純擴張訓練算力，轉向推論效率的優化。這項轉變也與 Google 的商業策略擴張有關：Google 自去年起開始將 TPU 出租給如 Anthropic、Meta 和 Apple 等非 Google 資料中心的客戶，直接挑戰 NVIDIA 在 AI 晶片領域的霸權。 推論需求爆發，Google 加快晶片布局 Google 近期才剛發表第七代 TPU「Ironwood」，峰值效能不僅是前一代的 10 倍，更被官方明確定位為「推論時代的 Google TPU」。事實上，Google 原本就規劃開發新的推論晶片，特別是在今年 3 月 NVIDIA 於 GTC 大會推出針對推論效率優化、採用 Groq 授權技術的新晶片（LPU）後，Google 更進一步加快研發腳步，反映出自主代理（autonomous agents）這一類複雜商業 AI […]

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

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

【AI 詐騙年損近 9 億美元】資安專家共識：防詐的核心不是辨識，而是「驗證習慣」

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

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

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

氛圍編碼進入醫療現場：從紙本衛教到 AI 互動工具，AI 改變醫病照護模式

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

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

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

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

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

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

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

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

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

AI 軍備競賽轉向低成本對決：模組化無人載具如何重塑全球國防供應鏈？

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

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

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

一台設備整合通訊、反干擾、無人機攻擊，Phoenix 想成為美軍的「智慧型手機」

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

【科技早餐】Tesla AI5 完成設計定案，馬斯克點名台積電與三星

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

你的企業在繳「AI 稅」嗎？調查揭露：高達 40% 的效率提升被重工抵銷

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

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

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

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

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

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

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

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

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

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

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

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

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

效率是真的，信任缺口也是真的：品牌該如何正確使用 AI 虛擬網紅？

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

KYC 與簡訊驗證淪為駭客武器：柬埔寨園區如何發動工業級金融攻擊行動？

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

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

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

【不是從零開始】為何自動駕駛走過的漫長彎路，成了機器人產業珍貴的競爭資產？

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

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

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

影子 AI 2.0 來臨？專家揭「設備端推理」為何成為資安長新盲點

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

【科技早餐】台積電法說會前夕，AI 晶片需求還能撐多強

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

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

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