Archives

奧特曼罕見發文認錯：OpenAI 如何在軍方大單與公眾信任間走鋼索？

美國國防部與 AI 公司 Anthropic 的合作談判正式破裂後，風波並未平息。OpenAI 隨即介入接手相關合作，但在外界質疑聲浪中，該公司與五角大廈的協議也迅速面臨合法性與公民自由保障的壓力。外界強烈質疑 OpenAI 妥協於軍方的「任何合法用途」條款，若不能妥善解決 AI 被用於大規模國內監控的擔憂，這份協議的前景也岌岌可危。 《AXIOS》報導，OpenAI 正與美國國防部修改 AI 合約內容，新增更明確的條款，以防止其系統被用於對美國人民進行大規模國內監控。OpenAI 執行長奧特曼更罕見在社群平台 X 上發文承認，先前過於倉促推動交易，是一次錯誤判斷。 Anthropic 與五角大廈決裂，OpenAI 火速補位 這場爭議的起點，是五角大廈要求 AI 公司同意允許其技術用於所有合法用途。Anthropic 認為 AI 技術目前尚未發展成熟，因此拒絕簽署未明確排除「大規模國內監控」與「完全自主致命武器」的合約條款，雙方談判破裂。 根據《華爾街日報》報導，美國國防部長 Pete Hegseth 與 Anthropic 執行長 Dario Amodei 在 2 月 24 日的會面中出現明顯裂痕。Hegseth 明確表示，任何私人企業都無權限制軍方使用技術的方式。隨後，五角大廈威脅將 Anthropic 列為「供應鏈風險」，甚至可能依據《國防生產法》強制干預。 就在僵局升高之際，OpenAI 迅速宣布與國防部達成協議，將其模型部署於機密環境之中。奧特曼也表示，OpenAI 最重要的兩項安全原則是禁止在國內大規模監控，以及人對武力使用負有責任，包括對自主武器系統的使用。但這讓人們開始質疑奧特曼說法：五角大廈先前才明確拒絕私人企業限制其技術用途，為什麼會忽然同意 OpenAI 的紅線呢？ 《The Verge》指出，OpenAI 的合約核心仍建立在「符合法律」的前提上。但過去數十年，美國情報機構曾在合法框架下執行大規模監控行動，例如 Edward Snowden 揭露的 PRISM 計畫。法律本身並未明確禁止所有形式的批量資料蒐集。 […]

【DEAT 專欄】當外送、共享機車成為生活標配，治理思維跟得上嗎？

早上趕著上班，打開共享機車 App；中午不想排隊，用外送平台訂餐；下午手機沒電，在捷運站借一顆行動電源；晚上用手機預約了收垃圾服務、也為家中的貓預訂了下周出差時的寵物保母，再透過通訊軟體與朋友對話、確認隔天行程。 這些動作幾乎已經成為習慣。多數城市居民不再特別意識到自己正在「使用平台」，而只是順著生活節奏完成一天的安排。 數位平台正在悄悄改變城市的運作方式。 外送成為日常生活的一部分，共享運具填補公共運輸的空隙，租賃服務讓資源取得更彈性，生活支援與照護平台回應家庭結構轉型後的需求。不同服務彼此交織，使平台逐漸成為城市生活的重要節點。 當依賴程度提高，平台角色自然發生變化。接下來的問題已經不在於服務是好不好用，而是制度是否跟得上這樣的變動。 平台變動愈快，制度挑戰愈明顯 目前多數治理框架，仍以產業分類為基礎，例如交通、電商、內容或通訊，各部會依權責分工管理。這套邏輯在平台功能相對單純的階段運作順暢。 然而，現在的單一平台往往同時涉及媒合交易、即時調度、勞動安排、資料處理與金流機制。服務模式高度混合，跨越多個政策範疇。責任有時交錯，也可能出現模糊地帶。 這種情況反映的是產業演進速度加快。當平台樣態持續整合與變形，制度設計若維持靜態分類思維，協調成本與不確定性便會逐漸升高。 管理方式，需要跟著調整 面對變動快速的數位平台，前端過度細節化的規範，可能影響產品試錯與迭代空間。平台的商業模式與技術架構持續更新，若制度過早鎖定營運細節，產業彈性將受到壓縮。 在這樣的環境中，制度更適合扮演框架設定者與回應機制建立者的角色。透過明確原則、清楚責任邊界與風險底線，再搭配即時檢討與修正機制，治理能維持基本秩序，也保留成長空間。 管理與發展可以並行。當制度與產業節奏更為貼近，市場的不確定性反而下降，創新環境更為穩定。 2026 年，數位治理的第一個考驗 平台跨域整合已成常態，治理思維也需要調整方向。可以逐步從單純的產業分類，轉向使用情境與風險場景導向，例如是否涉及人身安全、是否屬於高頻即時服務、是否集中處理大量資料，都可能成為判斷依據。同時，納入風險分級原則，使不同規模與影響程度的平台承擔相對應責任，有助於提升制度合理性。建立穩定的公私對話與定期檢視機制，也能讓制度具備動態調整能力。 平台經濟已走過高速成長期，逐步進入整合與深化階段。下一個競爭門檻，與信任密切相關。信任來自穩定服務、透明規則與清楚責任，也來自制度是否能提供可預期的運作環境。 當平台高度嵌入日常生活，治理思維的更新將成為 2026 年數位發展的重要課題。 社團法人台灣數位平台經濟協會 社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。 ＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：社團法人台灣數位平台經濟協會。 （責任編輯：李昀蔚）

32 台機器人、產能放大 30 倍：瑞士運動品牌 On 如何靠製程創新重寫製鞋供應鏈？

當多數運動品牌還在依賴亞洲長鏈代工時，瑞士運動品牌 On 已經開始用機器人重寫製鞋流程。On 近日宣布於南韓釜山附近啟用全球第二座 LightSpray 機器人自動化生產工廠，接續歷經四年開發、並於 2025 年 7 月在蘇黎世啟用的首座試點廠。 On 選擇南韓作為第二座工廠的戰略考量，在於當地具備全球領先的機器人與自動化優勢，結合先進的製造基礎設施與品牌在該區既有的合作網路，成為完善自動化生產流程、並驗證瑞士技術能否於全球成功複製的理想環境。 由於業界缺乏機器人量產噴塗鞋面的前例可循，因此 On 自 2024 年首度亮相 LightSpray 技術後，便從零開始建構營運框架，自行開發系統來同步協調多台機器人，並建立專屬的自動化生產品質標準。這些前期準備，也成為 LightSpray 能從蘇黎世試點進一步推向南韓量產的關鍵基礎。 在這座南韓新廠，On 將新增 32 台全自動機器人，相較蘇黎世僅有 4 台機器的配置，新廠房每日最高可生產約 1,000 雙鞋，目標是讓 On 的全球 LightSpray 產能在 2026 年放大 30 倍，也讓這項從實驗走向量產的製程創新，正式邁入規模化部署階段。 On 聯合創辦人 Caspar Coppetti 透露，團隊為此引進其他運動品牌所沒有的各領域專家，讓這套自動化工廠概念未來能像「隨插即用（plug-and-play）」般，在全球不同地點快速複製。 3 分鐘成形、200 道工序濃縮：LightSpray 如何重寫鞋面製造流程？ LightSpray 是 On 獨家研發的創新自動化製鞋技術，透過機器手臂將 1.5 公里的特殊纖維直接噴覆在鞋楦上，只需約 3 分鐘即可製作出極度輕量、堅韌、一體成形且近似襪套式的鞋面。在實際的自動化生產中，機器手臂會先固定住預先備妥、結合鞋底的鞋楦模型，在穩定旋轉中進行噴塗，隨後再交由另一台機器人完成表面處理與上色工作。 此外，LightSpray […]

流量暴增 60%、知名度翻 5 倍！拆解 PODS 與 Kia 如何靠 AI 把數位戶外廣告變精準導購器？

在生成式 AI 與自動化技術快速成熟的推動下，數位戶外廣告（Digital Out-of-Home, DOOH）正迎來新一波成長動能。根據市場研究機構 Mordor Intelligence 的預測，美國戶外廣告市場規模將於 2030 年達到 112.5 億美元，整體市場年複合成長率約為 3.72%，其中數位看板成長速度更為突出，年成長率達 6.2%。智慧互動亭、機場數位螢幕，以及電動車（EV）充電站等新型場域，正成為帶動 DOOH 產業升級的關鍵節點。 告別盲目曝光：AI 讓廣告看板學會「看天氣」 城市基礎設施數位化推動了戶外廣告的革命，《EMarketer》指出，AI 更進一步讓廣告主能即時處理海量數據，隨環境（如天氣、交通）動態調整創意，並透過精準的歸因工具追蹤實體來客與銷售轉化。美國戶外廣告協會（OAAA）總裁兼執行長貝格（Anna Bager）認為，這使戶外廣告跨越了曝光門檻，成為兼具品牌建構與導購成效的媒體平台。 這種「超在地化」能力，正推動 DOOH 從大眾媒體向「情境媒體」轉型。在 AI 加持下，廣告訊息能依據環境即時生成，並透過程式化購買技術精準競價，讓每一筆曝光都具備戰略意義，廣告內容也因此成為與受眾共鳴的即時對話。 搬家公司品牌 PODS 的案例便是最佳實踐。該品牌運用 Google Gemini 打造一面可隨車移動的智慧數位看板，29 小時內行經紐約市 299 個社區，系統根據不同社區特性、即時氣溫、交通狀況與地鐵延誤資訊，自動生成對應標語，總計產出超過 6,000 則高度客製化訊息。 例如在靠近海邊的社區，遇上天氣好的日子，螢幕可能出現鼓勵居民外出享受陽光、將搬家交給 PODS 的幽默文案。這種與場景緊密貼合的創意，讓廣告內容彷彿成為城市對話的一部分。根據品牌數據，該活動在一週內帶動網站訪問量成長 60%，詢價請求增加 33%，創下年度最佳表現，完美詮釋了 AI 如何在兼顧大規模生產的同時，讓溝通精準落地。 AI 即時辨識技術，讓廣告精準投其所好 汽車品牌 Kia 則將其數位戶外廣告鎖定在高意圖場景：電動車充電站。 透過車輛識別技術與智慧廣告系統，Kia 讓充電樁螢幕具備了「看人下菜碟」的本領：當系統辨識出正在充電的是非 Kia 車主，螢幕會主動強攻自家新車款 EV9 的空間與性能優勢，試圖吸引競品車主跳槽；若是自家車主，內容則切換為旗艦升級的感性溝通；而在無車狀態下，則維持播放大眾化的性能形象廣告。 […]

【科技早餐】當高階記憶體被 AI 吸走，IDC：2026 年手機出貨恐降 12.9%

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊IDC 示警：2026 年全球手機出貨恐萎縮 12.9%，記憶體短缺衝擊延續 研究機構 IDC 最新預測，受高階記憶體晶片短缺影響，2026 年全球智慧手機出貨量可能降至約 11 億支，較前一年 12.6 億支下滑 12.9%，幾乎回吐近年累積的成長幅度。IDC 指出，支援 AI 運算所需的高階記憶體需求快速攀升，產能被大量吸收，短缺情況預估將延續至 2027 年相當長一段時間。 DRAM 與 NAND 價格同步上漲，壓縮本就利潤有限的 Android 陣營。部分品牌已調整策略，包括下修硬體規格、減少入門款機型，並引導消費者轉向高階產品以維持毛利。IDC 表示，即便供應逐步回穩，價格結構也不太可能回到 2025 年前水準，平價手機市場的獲利模式正面臨壓力。 ＊NVIDIA：遊戲晶片供應仍吃緊，短缺恐延續至年底 NVIDIA 財務長克瑞斯（Colette Kress）在財報電話會議上表示，全球遊戲晶片供應仍受限制，預期在當前季度與未來幾季持續吃緊。公司指出，遊戲業務需求強勁，但供應改善仍需時間，若情況在年底前緩解，才有機會重新評估年增率表現。 隨著科技業加速擴建 AI 資料中心，高階記憶體與晶片產能優先配置至利潤較高的資料中心產品，使消費性電子供應空間受到擠壓。NVIDIA 晶片廣泛應用於任天堂（Nintendo）Switch 主機，而索尼（Sony）PlayStation 與微軟（Microsoft）Xbox 主機則採用超微（AMD）硬體。TrendForce 預測，2026 年遊戲主機市場將下滑 4.4%。 ＊製造業產值突破 20 兆元，電子零組件成主要動能 經濟部統計處公布，2025 年第 4 季製造業產值達 5 兆 6994 億元，年增 […]

別讓 AI 模型吃光 IT 預算！拆解 AT&T 降本 90%、每日處理 270 億 Token 的秘訣

當企業真正將生成式 AI 推向大規模營運時，成本問題開始浮上檯面。根據《VentureBeat》報導，美國最大電信商 AT&T 每天需要處理高達 80 億 個 token 的 AI 任務規模，而 AT&T 資料長 Andy Markus 與他的團隊意識到，將所有資料都透過大型推理模型處理既不現實也不經濟。 這個壓力促使 AT&T 在打造內部生成式 AI 助理 Ask AT&T 時，徹底重寫整個 Orchestration（協作編排）架構，從依賴單一大型模型，轉向多代理與多模型協作系統。 這麼做的成效是顯著的。Markus 向《VentureBeat》表示，新架構讓 AI 成本最多降低 90%，同時處理能力反而大幅提升，目前每天可處理多達 270 億個 token，是短短數月前的三倍以上。AT&T 是怎麼辦到的？ 從單一大模型，轉向多代理「指揮官＋執行者」架構 AT&T 的核心轉變，是建立一套多代理 AI 系統。這個系統採用 LangChain 框架，讓大型語言模型扮演「超級代理（super agent）」，負責決策與指揮，而實際執行任務的，則是多個較小型、專門化的「執行者代理（worker agents）」。這些較小的語言模型專注於特定任務，例如文件處理、資料庫查詢或影像分析。 Markus 表示，「我相信 AI 代理的未來，是非常多的小型語言模型（SLM），」他說，在特定領域任務中，小模型的準確度「幾乎與大型模型一樣，甚至更高」，但成本和速度卻明顯更具優勢。 《PYMNTS》也指出，小型語言模型參數較少，但速度更快、成本更低，且在特定產業場景中，表現甚至能超越大型語言模型（LLM）。此外，NVIDIA 研究也發現，小模型在企業環境中更具實用性與獲利能力，因為它們能在不需要昂貴基礎設施的情況下大規模部署。 不過度建設，使用可互換、可選擇的模型 根據《VentureBeat》，AT&T 並不採取「所有東西都從零開始打造」的策略，Markus 表示，他們更傾向使用可互換（interchangeable）、可選擇（selectable）的模型，並且「不會重新發明已經商品化的技術」。隨著產業研發的 AI […]

AI 導入的下一階段：Amazon 與 Google 如何把 AI 變成考績、升遷與裁員的新邏輯？

除了把 AI 視為提升效率的新工具，Amazon 與 Google 現在更往前走了一步：開始把 AI 寫進管理制度裡。《金融時報》指出，Amazon 在同步進行大規模裁員、推動精實營運與加碼 AI 投資布局的背景下，內部工作者使用 AI 的情況，也與考核、升遷與人力規劃緊密連結。 《Business Insider》則揭露，Google 已經把使用 AI 的要求，從軟體工程師擴大到部分非技術職，甚至在部分情況下，明確納入年度績效評估，凸顯 AI 正在重塑大型科技公司內部職務期待、績效標準與組織管理的準則。 想要「像新創一樣運作」，Amazon 把裁員、精實營運與 AI 創新綁在一起 《金融時報》報導，自 2021 年 Amazon 執行長 Andy Jassy 上任後，隨著疫情期間快速擴張期的結束，Amazon 已經進行了多次裁員。同時，面對 OpenAI 與 Anthropic 等新創公司的激烈競爭，科技巨頭正投入數十億美元發展 AI 及資料中心基礎設施，迫使高層在追求 AI 投資與維持獲利之間做出取捨，使得裁員與撤資成為今年所有大型科技公司的共同劇本。 Amazon 領導層將最新一波的裁員描述為一項策略性目標，目的是要讓公司能像「全球最大的新創公司」一樣運作，方法是減少管理層級並賦予員工更高的當責精神，進一步推動 AI 創新。 然而，《金融時報》引述資深員工的說法指出，留下來的員工所感受到的現實是工作量不斷增加、待處理的問題持續堆積，但高層卻不斷把焦點放在更大的 AI 願景圖景上。一名資深 AWS 員工透露，公司轉向追求精實與獲利，導致團隊被要求「用三分之一的人力達成相同的目標」。這種 一邊減少人力與提高生產力，一邊卻讓員工承受更大壓力的內部張力，很可能成為其他企業接下來應對 AI 轉型的預演。 從內部工具到考績依據：Amazon 正把 […]

軍事 AI 控制權誰說了算？Claude 捲入伊朗戰場、OpenAI 進入機密環境，科技巨頭正在與國安體系爭奪治理主導權

近期生成式 AI 令人矚目的戰場，出現在國安體系中。由於 Anthropic 不允許五角大廈在不受限制的情況下使用旗下 AI 模型 Claude，因此川普政府要求聯邦機構全面停用 Anthropic 的 AI 工具，五角大廈隨後更將其列為供應鏈風險，讓一場原本發生在合約談判桌上的分歧，迅速升高為軍事 AI 使用權與治理權的正面對決。其中的關鍵在於，Anthropic 並非拒絕與軍方合作，而是不願放棄對 Claude 使用邊界的主導權。 Anthropic 的堅持：爭議核心不是合作與否，而是 Claude 的使用紅線 Anthropic 執行長 Dario Amodei 近日受訪時強調，公司依然有意願與美國軍方合作，他甚至直言希望提供 AI 模型供軍方使用，然而這一切的前提是軍方必須遵守 Anthropic 設定的「紅線（red lines）」。 Anthropic 為 Claude 設定的護欄包含禁止用於大規模監控，以及禁止驅動自主武器。Dario Amodei 進一步指出他的具體擔憂：大規模監控可能演變成政府向私人企業購買數據並交由 AI 進行分析；驅動自主武器則代表系統可能在沒有人類介入的情況下逕自發動攻擊。Dario Amodei 表示，這類武器目前的「可靠性還不夠」，因此 Anthropic 絕對不會在這些紅線上妥協。 五角大廈則堅持必須能將 Claude 用於「任何合法用途」，以確保軍方對 AI 模型擁有最廣泛的運用彈性，但 Dario Amodei 擔憂，若將尚不可靠的 AI 投入高風險的軍事場景，恐將導致美軍或無辜平民喪生。 Claude 已深度嵌入軍事任務，伊朗軍事行動讓這場爭議浮上檯面 […]

機器人和自動駕駛的後起之秀！現代 Atlas 為何有望與特斯拉 Optimus 競爭？

當全球關注焦點仍集中在馬斯克承諾多年的 Optimus 機器人，以及美中之間的 AI 競賽時，南韓現代汽車正悄悄改寫人形機器人的競爭格局。 根據《Bloomberg》與《Financial Times》報導，現代汽車計劃在 2028 年前將 Atlas 人形機器人部署於美國工廠，先執行零件分類等重複性任務，並在 2030 年進一步參與汽車組裝。同時，該公司與 Aptiv 合資的自駕公司 Motional，也預計在今年年底於拉斯維加斯推出完全無人駕駛的 Robotaxi（機器人計程車）服務，顯示現代正同步押注人形機器人與自動駕駛兩大實體 AI（Physical AI）關鍵領域。 這項轉型已迅速反映在市場信心上。《Financial Times》指出，自今年初以來，現代汽車股價已飆升超過 70%，成為亞洲表現最佳股票之一，也讓投資人重新評估這家傳統車廠的未來定位。 Atlas 技術規格領先，被視為 Optimus 最強挑戰者 Atlas 機器人之所以受到市場關注，關鍵在於其技術能力。《Bloomberg》報導，Atlas 配備具觸覺感測能力的人形雙手與全旋轉關節，能搬運高達 50 公斤物體，並可在 -20°C 到 40°C 的環境中運作。《Financial Times》也指出，該機器人甚至能在 3 分鐘內自行更換電池，使生產線能持續運作。 這些規格使 Atlas 超越競爭對手。《Bloomberg》引述分析師說法指出，Tesla Optimus 與 Figure AI 機器人的負載能力約為 20 公斤，而 Atlas 的 50 公斤負載能力，也高於中國競爭對手，使其成為唯一能部署於所有製造場景的機器人。 分析師因此認為，Atlas 已成為 Tesla […]

OpenAI、Google 與微軟的人才策略：社區大學成為培養大規模 AI 勞動力的核心

隨著人工智慧競爭升溫，美國的人才培育戰線正悄然轉移。從研究型大學實驗室到地方社區學院，AI 教育不再只是高端科技議題，而成為勞動市場重組的核心基礎工程。 近期由邁阿密戴德學院主辦、國家科學基金會與 Google 贊助的全國應用人工智慧聯盟（NAAIC）年度高峰會，匯集 OpenAI、Google、微軟與英特爾等企業高層與 400 多位教育領導者，焦點不在技術突破，而在一個更具結構性的問題：誰來培養大規模 AI 勞動力？ 社區大學成為 AI 人才培育關鍵基礎設施 在全球 AI 競爭加劇的背景下，美國正重新審視其教育體系。全美超過 1,100 所社區學院招收近一半本科生，是培養「技術工人」的主要管道——這些職位通常需要高於高中、低於學士學位的教育背景。 根據美國國家學生資訊交換中心（National Student Clearinghouse）數據，近年來社區大學入學人數成長速度已超越公立與私立大學。社區學院透過副學士學位、應用學士學位、學徒制與短期培訓等多元模式，具備快速擴大 AI 教育與技能培養的條件。 人工智慧不再只是新興產業，而是一項通用技術，正影響醫療、交通、製造與技術工種等幾乎所有領域。因此，AI 素養正被視為跨產業的基本能力。 為回應此趨勢，邁阿密戴德學院於 2024 年成立全國應用人工智慧聯盟（NAAIC）。聯盟成立第一年即為 49 個州、300 多所院校的近 2,000 名教職員提供培訓，並建立涵蓋課程大綱、倫理教育與產業資源的共享平台，逐步成為社區大學 AI 教育的重要樞紐。 科技公司與產學合作推動 AI 教育體系 NAAIC 年度高峰會上，OpenAI、Google、微軟與英特爾均強調社區大學在其人才策略中的地位。 OpenAI 透過 OpenAI Academy 向社區學院教師提供課程規劃與教學支援。教育團隊負責人 Kevin Connell 表示，若沒有教師將 AI 融入既有課程，教育轉型難以實現。 Google 則透過「Google 人工智慧教育加速器」，向 300 多所高等教育機構提供免費培訓與認證課程，並推出新的 […]

AI 讓服務回歸溫度！IHG 與 Hyatt 如何用 AI 實現「超個性化」，找回飯店人本核心？

當 AI 席捲全球，頂級連鎖飯店品牌 IHG（洲際）與 Hyatt（凱悅）卻選擇了一條不同的路：他們不把 AI 當作取代員工的「減法」，而是當作理解顧客的「加法」。透過數據洞察與自然語言技術，AI 正在後端默默打理瑣碎的行政流程，讓第一線的飯店人員得以從螢幕後方走出來，重新專注於服務溫度。 IHG：在百萬客房規模下，打造超個人化互動 過去十年，洲際酒店集團（IHG）的擴張速度驚人，品牌數翻倍至逾 20 個，全球客房數更突破百萬大關。從奢華的 Six Senses 到經典的 Holiday Inn，規模成長帶來的挑戰，在於如何讓龐大的品牌組合，維持一致且貼近旅客需求的顧客體驗。 IHG 的策略並非只是收集資料，而是打通「資訊孤島」。透過雲端轉型，他們將會員的訂房偏好、消費軌跡與互動細節整合，讓 AI 從記下消費紀錄，進化為預測未來需求。這種轉向，使 IHG 能在 21 個品牌之間辨識旅客在不同情境下的偏好，例如商務出差時偏好市中心據點，度假時則傾向設計感或度假型品牌。 「我們要在對的時間，用對的方式與旅人建立深層連結。」洲際酒店集團首席商務及行銷長巴爾斯利（Heather Balsley）強調。透過 AI 內容管理系統，IHG 的行銷不再是亂槍打鳥，而是能依據會員階級、過往入住行為與消費模式，動態生成專屬的升等建議或餐飲優惠。更關鍵的是，當 AI 自動處理掉繁瑣的點數計算與升等流程，櫃檯人員不再被流程綁架，能有更多餘裕觀察旅客眼神中的需求，找回服務的情感厚度。 Hyatt：以自然語言搜尋開啟個人化旅程 Hyatt 的轉型方向，則從搜尋與體驗設計切入。旗下 World of Hyatt 忠誠度計畫的核心，始終環繞著「關懷」（Care）。近期，他們利用生成式 AI 升級搜尋工具，讓規劃旅行不再是冰冷的篩選過程。 現在，旅客不必在地區、星級、價格等硬性標籤中糾結，只需輸入自然語言，例如：「我想找一個氣候溫暖、靠近海邊，且有匹克球場能讓孩子盡情奔跑的地方」，AI 就能像一位資深旅遊顧問，理解語意背後的生活型態並給出精準推薦。 「人工智慧是一種賦能工具，它幫助我們更好地了解人們，並預測他們的需求。」Hyatt 全球行銷與忠誠計畫資深副總裁布萊爾（Laurie Blair）表示。 Hyatt 同時擴展體驗型兌換內容，結合 AI 分析，推薦如匈牙利獵松露、文化遺產導覽等深度體驗，讓忠誠度計畫從單純的點數回饋，升級為滿足旅客對生活渴望的驚喜包。 從 IHG 和 Hyatt 的做法，可以看到共同趨勢：AI […]

看懂舊系統才談轉型，精誠資訊 CODEXAI 以規格驅動加速核心系統現代化

生成式 AI 正在改寫軟體產業的生產方式，精誠資訊副總經理吳文舜引用一篇由新加坡國立大學研究團隊共同發表的研究論文 ，指出研究團隊將五子棋的規格交給 AI 多代理系統，在 14 分鐘內就完成可執行程式碼與介面，且成本低於 7 美元。這讓吳文舜相信，生成式 AI 應用的關鍵不只是加速程式撰寫流程，而是讓理解系統、拆解工作與複製產線變得可系統化與規模化。 吳文舜形容，這股變化就像軟體業的工業革命。「當企業翻新核心系統，最常卡關的不是缺少新技術，而是缺少能把舊系統說清楚的人，」吳文舜表示，過去大量商業邏輯是隱性知識，藏在資深系統分析師或研發工程師的腦中，缺乏文件導致經驗難以傳承。另一方面，精誠在產業實務中也觀察到，客戶常面臨文件與人力雙重短缺，改動前難以釐清影響範圍，進而放大轉型風險。 軟體工程平台 CODEXAI 便在這樣的需求下成形。吳文舜強調，精誠並非以 AI 取代開發者，而是讓 AI 協助解讀 COBOL、RPG、Informix 等傳統程式，把看不見的知識外顯成可討論和驗證的規格書與系統說明，再以規格作為單一事實來源（SSOT）推進系統現代化升級，讓程式碼生成、修改與交付限縮在可控管、追溯與稽核的流程。 精誠如何協助企業，將舊系統轉換為新一代的程式架構、語言？ 精誠資訊協理洪欽文指出，通用 AI 生成的規格常像作文，內容未必能直接符合系統開發需求，甚至可能出現幻覺。CODEXAI 則把規格文件視為核心，需先人工校準規格，再用於驅動新系統的撰寫與驗證。 為了讓轉型流程可檢核，精誠資訊資深處長吳文盛分享，CODEXAI 先把舊程式解析成規格文件，確認邏輯一致後，才將經過驗證的規格轉換為現代化程式碼，同時也會納入自動化測試，以測試案例與平行比對驗證轉換成果，並涵蓋 API 回傳與對外介接等行為驗證。流程中保留多個人工查核點，讓金融業與公部門等具高度合規需求的場域，能在風險可控的前提下導入。 CODEXAI 在可控條件下大幅加速開發時程 吳文盛說明，CODEXAI 可提供互動式問答平台，也能搭配 Copilot 或 Amazon Q Developer 等工具，以 IDE 擴充套件整合進既有工作流程，「CODEXAI 方法論亦可獨立提供顧問服務，把生成式 AI 的價值從單點效率，推進到可複製的工程能力。」 當規格被校準並成為工程輸入後，差異不只停留在文件品質，更會直接反映在開發工時。洪欽文分享，某大型核心系統功能總共約 2,700 多個，程式與檔案超過上萬個，保守估計需要 8 至 10 年的時間來進行轉換與測試，無法即時發揮應用效益，當金融客戶選擇一個功能單元進行平行驗證，用傳統方法走完訪談、流程圖、設計會議、建置與上容器平台，完成一項功能至少花費 14 天。而透過 CODEXAI，大約 […]

【科技早餐】程式碼 99% 由 AI 撰寫？Anthropic：AI 代理正式進入經濟體

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Anthropic：AI 代理進入經濟體，程式碼 99% 由模型生成 Anthropic 共同創辦人兼政策主管 Jack Clark 接受《紐約時報》訪問時表示，AI 應用正從「說話者」轉為「行動者」，AI 代理可使用工具並自主完成任務。他指出，在 Anthropic 內部，多數系統程式碼已由 Claude 生成。 Clark 預估，到 2026 年底，AI 撰寫程式碼比例可能達 99%。工程師角色逐步轉向管理多個 AI 代理協作。他並提到，AI 技術迭代以「週」為單位，而公共政策制定多以「年」為單位，兩者節奏存在差距。 ＊OpenAI 揭露惡意使用樣態，AI 成跨平台操作工具 OpenAI 最新發布《遏止惡意使用人工智慧》(Disrupting malicious uses of AI) 報告，說明威脅行為者如何將 AI 模型與網站、社群帳號及傳統工具結合，執行影響力操作與詐騙行動。報告揭露，一個與中國執法部門相關的 ChatGPT 帳號，被用於潤飾「網絡特戰」行動報告。 行動橫跨數十個平台並動員數百人，搭配 DeepSeek-R1、Qwen2.5 等模型進行監控、翻譯與內容生成。OpenAI 表示已封鎖相關帳號。報告指出，威脅行動通常跨模型、跨平台進行，AI 被納入完整操作流程。 ＊61 國聯合聲明，AI 影像生成進入跨國治理框架 歐洲資料保護委員會 (European Data Protection Board, EDPB) […]

IBM 商業與技術趨勢報告：依賴單一地區算力極度危險，93% 高管將 AI 主權納入商業戰略

IBM 發布的《IBM 商業與技術趨勢報告：5 trends for 2026》從企業決策者視角出發，解析代理型 AI、AI 信任治理、技術主權到量子運算等關鍵議題，勾勒企業競爭力的核心輪廓。整份報告結合全球高階主管與員工調查，揭示企業如何在高度不確定的經濟與技術環境中，重新調整組織結構、人才策略與基礎設施布局，並提供具體行動方向。 當 AI 從工具升級為企業營運基礎，組織該如何在速度、風險與信任之間取得平衡？又該如何面對量子運算帶來的下一波變局？以下整理報告五大趨勢，一起掌握企業領袖正在關注的未來戰略。 📎 這份報告適合誰閱讀？ 這份報告主要定調提供給企業高階主管的戰略洞察，調查了包含執行長、財務長、資訊長、人資長等角色的意見，內容涉及 AI 導入規劃、組織與人才轉型、客戶信任經營或技術基礎設施布局的行動說明，適合以下工作者閱讀： 🔴 報告洞見 科技進步是一把雙面刃，它解決了過去的問題，卻也創造出企業尚未完全理解的新挑戰。任何試圖尋找穩定基礎規劃的企業，最終都可能徒勞無功。 在這股浪潮中，IBM 針對全球高階主管與員工的調查，揭示了一種矛盾的心態：雖然只有略高於三分之一的高管對全球經濟前景感到樂觀，但卻有高達 84% 的高管對自己組織未來的績效充滿信心——這種自信並非毫無根據，高達 96% 的高管認為，他們在 2025 年所做出的高風險決策最終都被證明是正確的。 這意味著，前瞻的領導者已經不再畏懼動盪，而是學會在市場的裂縫中尋找新機會。要在地圖還沒畫好之前就開始導航，企業必須培養出「對模糊性的胃口（Appetite for ambiguity）」。報告提出以下五大趨勢，預測企業在 2026 年如何將不確定性轉化為成長動能的關鍵路徑。 💡 趨勢一：代理型 AI 成為企業應對不確定性的核心工具 在波動劇烈的環境中，「即時反應」已經不是加分項，而是生存的基本條件。高達 90% 的高管坦言，如果組織無法實現即時運作，他們將失去競爭優勢。然而，應對變化不僅僅是防禦，更是進攻的最佳時機。令人振奮的是，有 74% 的高管表示，經濟和地緣政治的波動將在 2026 年為組織創造新的商業機遇。 在這種高度波動的環境中，單靠人類決策已難以即時應對，企業開始仰賴能自主運作的代理型 AI。調查顯示，超過五分之四（84%）的高管表示，代理型 AI 正協助組織做出更好、更快的決策，並在混亂中重新分配資源。 這在實務上意味著什麼？當供應鏈中斷時，AI 代理能立刻識別替代材料、重新規劃物流並調整定價模型，而傳統企業這時候可能還在召開緊急應變會議。 🎯 行動指南：為快速反應重構組織 💡 趨勢二：員工對 AI 的渴望超乎想像，48% 願意被 AI 管理 […]

韓國版「AI 魷魚遊戲」開打：新創 Motif、Upstage 挑戰財閥，主權 AI 模型淘汰賽正式啟動

韓國正在把「主權 AI」從政策口號，變成激烈的國家級競賽。近期，韓國政府以國家資源為後盾，推動一場 AI 基礎模型選拔賽，目標是培養出真正屬於韓國、本土開發的專有模型。這不只是扶植新創或技術研發計畫而已，而是在決定未來誰能代表韓國，站上國家級 AI 基礎建設的核心位置。 推動本土的 AI 基礎模型，是韓國邁向全球前三大 AI 強國目標的重要一步。《Bloomberg》將這場 AI 基礎模型選拔賽形容為韓國版的「AI 魷魚遊戲」，因為參賽者除了要爭奪補助、資源或曝光，更重要的是獲得韓國國家級 AI 基礎模型的代表權。韓國政府明確表示，這場競賽的「終極目標」，是要開發出能與 OpenAI 的 ChatGPT 和 Google Gemini 等前沿模型匹敵的本土開源模型，並藉此提供一個能抗衡美國與中國主導地位的替代方案。 而從目前已出爐的晉級名單來看，這場競賽最值得關注的，不只是財閥是否持續主導，而是 Motif Technologies、Upstage 兩家新創，正準備與 SK、LG 兩大財閥體系正面交鋒，共同競逐韓國下一代 AI 話語權。 Motif Technologies 補位殺進四強，原本由財閥主導的 AI 戰局開始鬆動 在第一輪，韓國科技部先選出 SK Telecom、LG AI Research 與 Upstage 三支晉級隊伍。不過到 2 月 20 日，韓國政府進一步宣布，由 Motif Technologies 領軍的團隊獲選補位，成為加入這場競賽的新隊伍。因此，從整體的競爭版圖來看，Motif Technologies 與 Upstage 這兩支新創隊伍，將正面對上 […]

Google 加深實體 AI 佈局，將 Intrinsic 納入麾下挑戰亞馬遜、特斯拉

Google 正將機器人軟體正式納入核心 AI 版圖。Alphabet 旗下機器人軟體公司 Intrinsic 與 Google 共同宣布，Intrinsic 正式加入 Google，未來將作為 Google 內部的一個獨立單位運作，同時與 Google DeepMind 密切合作，並使用 Google 的 Gemini AI 模型與雲端服務，強化實體 AI（physical AI）的發展。 《CNBC》指出，這次調整也意味著 Intrinsic 從 Alphabet「Other Bets」實驗性業務，正式轉為 Google 核心企業優先項目，使 Google 能更有效與 Amazon 和 Tesla 等對手競逐機器人與自動化市場。這也顯示，Intrinsic 已準備好擴大產品規模，同時與 Google 的 AI 團隊更緊密地合作。 Intrinsic 是什麼樣的一間公司？ Intrinsic 的前身是 Alphabet 旗下知名的 X 實驗室（Moonshot Factory）中的一個專案，經過五年半的孵化後，在 2021 年 7 月「畢業」成為 Alphabet […]

為什麼沒有自家模型反而成為優勢？Perplexity 新推 Computer 平台，用 19 個模型卡位 AI 工作運行層

可以想像一位工作者，在向 AI 輸入一句「幫我把這份資料整理成簡報，順便把缺少的數據補齊」後，AI 不只會回答一段建議，還能自己查詢、寫作、調整工具，最後交出成品的場景嗎？Perplexity 近日發布的新產品 Perplexity Computer 平台，就是要做到這件事。 Perplexity 執行長 Aravind Srinivas 指出，Computer 的定位是一個協調平台，可以將檔案、工具、記憶與各類 AI 模型整合在同一套系統中。Computer 就像一位「能操作與人類相同介面」的通用數位工作者，不只提供解答，還能建立並執行完整工作流，進行任務的時間可長達數小時甚至數個月。 先描述「想要的成果」，系統就能拆解任務並執行 Perplexity 表示，使用者只需先描述想要的「結果」，Computer 就會自動將成果拆解成多個任務與子任務，並建立各種子代理（sub-agents）來執行。《ZDNET》形容，這種機制就像公司執行長把任務層層向下委派給不同團隊完成。 Perplexity 舉例，這些子代理可以完成網路研究、文件生成、資料處理，以及對連接服務進行 API 呼叫等任務，Computer 也會像人類同事一樣，直接操作軟體堆疊。此外，系統可在不同子任務間同步分工，例如讓一個代理一邊撰寫文件，另一個代理則同時蒐集所需資料。值得注意的是，當 Computer 在執行過程中遭遇瓶頸時，會自動生成新的子代理來排除障礙，並且只有在「真正需要人類協助」時，才會中斷流程向使用者確認。 為了支撐如此龐大的非同步運作，「持續性記憶（persistent memory）」成為關鍵：Computer 能保留過去工作紀錄、跨工作階段維持上下文脈絡，並透過數百個連接器與外部服務串聯，這也是它得以持續運作數個月的技術基礎。 Perplexity 用 19 模型分工，把工作分派給最適合的「專家」 之所以能吃下這套端到端工作流，關鍵在於 Computer 可同時調度多達 19 個涵蓋開源與閉源的先進 AI 模型。初期分工包含：Anthropic 的 Opus 4.6 擔任核心推理引擎、負責編排與寫程式；Google 的 Gemini 負責深度研究；Grok 處理講求速度的輕量任務；ChatGPT 5.2 則用於長上下文回想與更廣泛的網路搜尋。Perplexity 強調，這 19 個模型陣容並非固定，將隨各家模型在特定領域的突破而動態調整。 […]

黃仁勳點名 AI 代理轉折點來臨、資料中心營收暴增 75%，為何華爾街卻無感？

NVIDIA 公布了最新一季財報，營收與獲利雙雙超出華爾街預期，執行長黃仁勳也在會議上宣告「Agentic AI 的轉折點已經到來」。但尷尬的是，華爾街的反應卻稱不上熱烈：多家外媒提到，NVIDIA 股價在盤後交易時段幾乎持平，甚至在電話會議期間一度走弱。 NVIDIA 最新一季營收約 681 億美元，年增 73%，調整後每股盈餘 1.62 美元，也高於市場預期；該公司也給出下一季營收 780 億美元的展望，再次高於華爾街共識預估。《Reuters》報導，這已是 NVIDIA 連續多季繳出優於預期的結果，不過市場對它的「超標」早已習以為常，反而把標準拉得更高。 市場還擔心什麼？ 《Bloomberg》報導，華爾街的冷淡反應，部分源自於對 AI 經濟過熱的擔憂。面對「AI 投資是否不可持續」的質疑，黃仁勳回應表示「在 AI 新時代裡，算力等於收入。」因為生成 token 需要算力，而算力需求會直接轉化為成長與營收。他也強調，客戶已經在新取得的算力上賺到錢，因此會持續以高強度投資，表示對客戶現金流成長有信心。 UBS 分析師 Tim Arcuri 甚至在電話會議上問 NVIDIA 管理層，是否會把今年可能產生的約 1,000 億美元現金回饋給股東，因為「不管結果多好，股價也沒怎麼漲」。NVIDIA CFO Colette Kress 的回應是，公司希望把資金用來持續投資 AI 生態系。 此外，NVIDIA 資料中心營收年增 75%，達到 623 億美元，優於分析師預期；NVIDIA 現在超過 91% 的營收都來自資料中心。不過《Bloomberg》提醒，其他業務的表現參差不齊。以遊戲業務為例，該部門營收約 37.3 億美元，低於市場預期；汽車相關營收約 6.04 億美元，同樣不如預期。 另一個持續被分析師問的，是供應限制與中國不確定性。根據《Reuters》報導，NVIDIA 表示已確保足夠的晶片庫存與產能，可滿足未來幾季以後的需求，但記憶體供應緊張仍會影響遊戲業務。中國不確定性方面，NVIDIA 本季與財測皆未納入對中國資料中心晶片的銷售，雖然該公司已取得美國政府許可，可向中國客戶出貨「少量」H200 […]

突圍製造業衰退：英國汽車業如何以 AI 與工程科學，重構高附加價值鏈？

當全球汽車產業版圖劇烈重組，英國正試圖走出一條不同於量產競爭的產業路線。從曾經主導全球汽車出口，到如今製造地位式微，英國開始將重心轉向人工智慧結合工程與材料科學的新創生態，並以大學研究與高附加價值技術服務為核心，重塑其在全球工業創新體系中的定位。 從汽車製造衰退到技術路線重構 英國曾是全球汽車產業的重要領導者。1950 年代，英國占全球汽車出口市場 52%，但到 2024 年已降至僅 3.75%。隨著中國在大規模製造領域崛起，英國難以再以量產優勢與之競爭，產業戰略也逐步轉向以人工智慧與工程創新為核心的升級路徑。 這條轉型路線的核心節點，是倫敦帝國學院（Imperial College London）。該校長期推動創業文化與跨學科研究，形成串聯學術研究、產業應用與新創公司的創新生態。英國創投環境與產業界對新技術的開放態度，也為 AI 新創提供早期市場驗證機會。 倫敦 AI 工程軟體公司 Monolith AI 創辦人兼執行長 Richard Ahlfeld 指出，英國工程教育重視機率系統，使工程人才更容易適應人工智慧的運作方式。他認為，這種以機率思維為基礎的工程訓練，使英國在 AI 發展上具備獨特優勢。此外，倫敦周邊產業生態，包括 F1 車隊與勞斯萊斯等企業，也為新創提供試驗與合作場域。 工程導向 AI 新創的代表案例 在英國 AI 創新版圖中，Monolith AI 是最具代表性的公司之一。該公司成立於 2018 年，核心目標是「賦能工程師自主使用人工智慧」，協助非 AI 專業者在工程研發流程中導入 AI 工具，解決實務應用的「最後一公里」問題。 2025 年 10 月，美國人工智慧基礎設施公司 CoreWeave 收購 Monolith AI，收購金額雖未公開，但估計達數億美元。該公司曾與日產合作開發新款 Leaf 電動車，成功將測試成本降低 17%。收購後，Monolith 的資源規模大幅擴張至原先的百倍以上，並計畫拓展航空領域、電動垂直起降飛行器（eVTOL）技術，以及 AI 加速器晶片生產優化等應用。 另一家源自帝國學院戴森設計工程學院的新創 […]

駭客平均攻破時間僅剩 29 分鐘！CrowdStrike 報告示警駭客速度快 65%，你的 EDR 擋得住嗎？

企業資安正在面臨前所未有的速度壓力。根據資安公司 CrowdStrike 最新發布的《2026 全球威脅報告》，駭客在 2025 年的平均攻破時間（breakout time）已縮短至 29 分鐘，比前一年加快 65％，最快紀錄甚至只花 27 秒，就成功從初始入侵點擴散至其他系統。這背後，已牽涉到攻防本質的轉變。 CrowdStrike 在報告中進一步歸納出 6 大威脅主題，點出攻擊者正全方位利用現代基礎設施中隱性信任機制的現況與 2026 動向。 1. 攻擊者全面導入 AI，推動「代理式」自動化攻擊 AI 已成為駭客的標準配備，2025 年，由 AI 輔助的攻擊事件較前一年暴增了 89%。各層級的攻擊者將 AI 廣泛應用於社交工程（如生成逼真的釣魚內容與深偽身分）、資訊戰以及惡意軟體開發中。同時，企業導入的 AI 基礎設施如 Langflow 等低程式碼平台，本身也成為駭客直接利用漏洞攻擊的新標的。 CrowdStrike 預測，2026 年技術較弱的攻擊者，將持續依賴 AI 彌補技術落差；而高階的國家級或犯罪組織，將極有可能開始部署代理式 AI，實現自主攻擊行動。而隨著 AI 逐漸進入企業營運核心，針對 AI 模型、訓練數據與 AI 代理人的攻擊，將成為防禦的嚴峻挑戰。 2. 勒索軟體戰術大轉向：主攻「跨領域」盲區 報告觀察，為了躲避端點偵測與回應（EDR）系統的監控，大型目標狩獵（BGH）勒索軟體組織正大幅改變戰術。他們不再強攻受到嚴密保護的伺服器，而是轉向企業的「盲區」，例如未受管制的 VPN、防火牆等邊緣設備，或是針對雲端 SaaS 應用程式進行資料外洩，甚至直接在 VMware ESXi 等虛擬化基礎設施上部署勒索軟體。 CrowdStrike […]

【科技早餐】五角大廈下最後通牒：美國軍方要求「無限制存取」Claude，與 Anthropic 展開 AI 安全底線攻防

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊五角大廈下最後通牒，Anthropic 面臨 AI 安全防線保衛戰 美國國防部近日與 AI 新創 Anthropic 陷入高度緊張僵局。美國國防部長 Pete Hegseth 在一場氣氛緊繃的會議中，向 Anthropic 執行長 Dario Amodei 下最後通牒，要求 Anthropic 必須在週五傍晚前，讓國防部「無限制存取（unfettered access）」Claude，否則將面臨嚴厲處分。五角大廈也警告，若 Anthropic 不配合，可能切斷合作，甚至強制其打造移除安全防護的軍用版本。 國防部官員坦言，軍方態度強硬的原因，是 Claude 技術能力太強，目前它是美國軍方唯一用於處理最高機密任務的 AI 系統。然而，Anthropic 也堅守底線，強調可以配合調整使用政策，但不接受模型被用來對美國公民展開大規模監控，或開發無須人為介入的自動化武器。 ＊Meta 與 AMD 結盟，簽署為期五年、總價逾百億的 AI 晶片部署協議 AMD 宣布與 Meta 達成為期 5 年、總額高達 600 億美元的 AI 晶片供應協議，且交易條款還賦予 Meta 購買 AMD 最高 10% 股份的選擇權。分析師指出，Meta 此舉主要是為了避免 AI […]

加速人形機器人商業部署：Virtuals Protocol 推 Eastworld Labs，先攻物流、製造等高重複任務場景

當多數 AI Agent 應用仍停留在數位服務與線上流程時，區塊鏈上 AI Agent 平台 Virtuals Protocol 正試圖把這套經濟模型推進到實體世界。《Forbes》報導，Virtuals Protocol 正在打造名為 Eastworld Labs 的新加速器，可以讓創業者藉由更低門檻的方式，啟動由 AI 與機器人驅動的新事業。 《Forbes》形容，這種「點幾個按鈕就能用 AI 與機器人開公司」的構想，聽起來像是「勞動市場的氫彈」。對此，Virtuals Protocol 共同創辦人 Jansen Teng 回應，這個說法「是對的，但也不完全是」。 Jansen Teng 表示，Virtuals Protocol 像一個「AI Agents Society」，正在建立 Agent-to-Agent Marketplace，且目前稱已創造高達 4.78 億美元的「代理國內生產毛額（Agentic GDP, aGDP）」。 在這樣的基礎上，Jansen Teng 決定打造 Eastworld Labs，目標是建立「全球首個由機器人、虛擬 Agents 與人類組成的混合社會」，並預計提供 30 多台人形機器人，讓新創與研究團隊可在自主或遠端遙控模式下進行操作與部署，以此為開發消費端人形機器人的團隊提供更完整環境，同時協助募資、取得訓練資料與模型，進而加速規模化部署。 Eastworld Labs 不只是機器人實驗室，還是克服資料與資本瓶頸的「商業部署加速器」 Jansen Teng 表示：「目前 AI 驅動的人形機器人正受制於兩項瓶頸：缺乏資料與資本，結果就是還無法產生足夠的經濟價值。」在這樣的背景下，Jansen […]

【戴季全專欄】從主權 AI 到 AI 主權：台灣的 AI 主權戰略發展芻議

AI 不只是產業競爭，更是國家主權的重新設定。主權 AI（Sovereign AI）固然重要，但 AI 主權（AI Power）才是決定我們長期勝負的關鍵，將直接決定台灣在全球新分工、AI 治理模式與全球數據秩序中的位置。 所謂「主權 AI」，通常指一個國家能否自主擁有模型、基礎設施與數據控制權；但「AI 主權」則是更高層次的能力——指一個國家是否能運用 AI 影響自身命運、強化國家競爭力，並在全球秩序中維持實質影響力。這不只關乎經濟利益，更關乎台灣在未來世界文明中的位置與尊嚴。 為什麼我們必須擴大 AI 主權？ AI 是一場革命性且不可逆的科技趨勢，我們必須意識到，這絕非單純的產業或經濟問題，而是長期的政治與社會結構課題。英國已經把 AI 視為主權問題，而台灣如果仍停留在被動思維，將在下一輪全球分工中被重新定位。從歷史中我們可以看到：出口棉花的國家不會自動變成紡織大國，出口勞動力的國家不會變成工業大國。同理，僅僅作為出口 AI 晶片的國家，若無戰略自覺，並不會自動晉升為 AI 之國。 台灣人口僅佔全球不到千分之三，GDP 卻佔全球超過千分之七。這代表我們長期以來成功透過技術與產業戰略，突破了規模限制。然而，AI 正在改寫這套成功路徑與遊戲規則。上個月，英國前首相 Tony Blair 的智庫報告《AI 時代的國家主權》明確指出：「領導者沒有退出這場革命的選擇，落後者將失去影響力。」 對於台灣而言，AI 主權的建立是全方位的工程——從人才培育、經濟型態、生活進步、國政治理到國防定義，甚至包含社會衝擊的韌性。以城市演化為例，工業革命從農業社會中催生了現代化大都市，而 AI 勢必催生以數據為神經元的 AI City。 我們必須自問：五年後的台北，是僅止於和 NVIDIA 合作土地開發，還是能和 NVIDIA 合作 Alpamayo 自駕車開發？為了提升捷運安全和 NVIDIA 合作影像應用開發？或是和 NVIDIA 合作台灣主權模型做市民服務應用開發？若今年結束，台北市府和 NVIDIA 的合作仍停留在土地開發，代表五年後我們在 AI 時代的城市治理，很可能還是失敗的。 五年後的台中，是僅止於機械之都，或是成為 AI 進入實體（Embodied […]

AMD 首度殺入客製化晶片戰場，與 Meta 達成 1,000 億美元 AI 協議

晶片大廠 AMD 宣布與 Meta 達成一項為期 5 年的重大戰略協議。《Reuters》報導，Meta 同意在未來幾年向 AMD 採購價值高達 600 億美元的 AI 晶片，同時 AMD 允許 Meta 在達成特定技術與商業里程碑的前提下，認購 AMD 最多 10% 的股份。若將晶片採購金額與潛在的股權價值合併計算，整筆交易的總價值估計超過 1,000 億美元。 複製 OpenAI 合作模式，透過股權綁定大客戶 根據 AMD 與 Meta 公布的合作內容，Meta 將在未來五年內採購最多 6GW（吉瓦）的 AI 運算能力，使用 AMD 最新一代 MI450 AI 晶片部署於資料中心。AMD 執行長蘇姿丰表示，每 1GW AI 算力就代表數百億美元的收入潛力，Meta 預計最快今年就會部署第一批晶片。 除了直接採購晶片，AMD 也授予 Meta 可購買最多 1.6 億股股票的認股權證，相當於 AMD 約 10% […]

SaaS 末日倒數？Anthropic 預言：2026 年多數軟體將被 AI Agent 取代，CRUD 應用程式首當其衝

如果 AI Agent 不只是「幫你用軟體」，而是開始直接「替你完成工作」，那今天許多工作者每天登入的企業 SaaS 工具，還有沒有存在的必要？Anthropic 開發者關係主管 Alex Albert 近期提出一項高度衝擊性的預測：2026 年多數傳統軟體產品，將會被可以直接完成任務的 AI Agent 取代。 Alex Albert 的核心觀點是，許多 SaaS 產品本質上只是工作流程的「薄包裝」（thin wrappers）。因此，當 AI Agent 已逐漸具備處理底層流程的能力，使用者未來可能不必再登入專門的專案管理、CRM 或資料分析工具，而是可以直接下指令，讓 AI Agent 完成原本要在多個介面中切換才能完成的任務。 為什麼 CRUD 應用程式將最先受衝擊？ Alex Albert 的說法之所以震撼，在於它挑戰了 SaaS 產業的根本前提：企業需要各式各樣的專門軟體來管理不同業務。當這個前提被削弱，這對目前估值超過 2,700 億美元的全球 SaaS 市場而言，將不只是產品競爭加劇，而是商業模式本身正在承受生存壓力。 Alex Albert 也特別點名，「CRUD 應用程式」將是最先受衝擊的一類軟體，也就是主要負責建立、讀取、更新、刪除資料的應用程式。這類工具因為邏輯相對直接、規則性高，更容易被大型語言模型結合資料庫與商業規則自動化。因此，當 AI Agent 能直接連上資料庫、依規則完成操作時，原本獨立存在的應用介面層（UI）、託管基礎設施，甚至部分支援需求，都可能被弱化或取代。 這股趨勢也已反映在創投圈與公開市場，《WebProNews》指出，創投正將資金從傳統 SaaS 轉向 AI 原生公司，SaaS 企業的估值倍數也從 2021 年的高點大幅壓縮。 三項條件同步成熟，讓 […]

60% 關稅衝擊全抵銷：美國零售巨頭靠 AI 做動態供應鏈，強化抗風險能力

在關稅波動、運價起伏與需求碎片化成為新常態之際，零售供應鏈正在進入一個高度動態化的競爭階段。於 Manifest 2026 供應鏈大會上，美國青少年服飾巨頭 American Eagle Outfitters（AEO）卻交出了一份令業界震驚的成績單：透過 AI 驅動的「動態供應鏈」，他們不僅抵銷了超過 60% 的關稅成本衝擊，更在營運效率上刷新了歷史紀錄。 告別靜態供應鏈，以 AI 賦能動態供應鏈 「一條靜態的供應鏈，就是死掉的供應鏈。」AEO 全球物流與供應鏈情報資深副總裁 Brandon Friez 在 2026 年的供應鏈大會 Manifest 上如此斷言。過去，零售商的供應鏈往往是基於數月前的市場預測，路徑僵化且缺乏彈性；一旦遭遇關稅調整或紅海危機，企業往往只能被動挨打。 因此，AEO 徹底捨棄了傳統的靜態邏輯，改由一套名為「分層智慧 (Layered Intelligence)」的四層架構，將供應鏈決策拆解為多個彼此協作的智慧層級，再透過 AI 模型進行整合，使預測、庫存、運輸與整體編排形成動態閉環。 在最前端，機器學習模型會將需求預測細化至郵遞區號（ZIP Code）等級，評估不同區域與通路的銷售分布，使庫存部署更貼近實際需求，為後續調度奠定精準基礎。當貨物進入運輸流程後，系統仍保有調整空間，AEO 能在貨櫃尚未抵港前啟動「運輸途中攔截（In-transit Diversion）」機制，依據最新需求變化重新指定分銷中心。 比方說，當 AI 偵測到洛杉磯的需求激增，而芝加哥的熱度下降時，系統能在貨櫃抵達港口的前一刻，自動變更目的地配送中心。原本線性推進的物流流程，轉變為可即時修正的動態網絡。 在運輸層面，AI 系統會依據即時運力與成本條件，優化承運商選擇與運輸模式配置，海運與空運比例成為可根據市場波動快速調整的決策變數。最上層的編排系統則負責統合上述所有決策，確保需求預測、庫存調度與物流選擇彼此一致，並將企業整體價值最大化。 用模擬預演未來，把風險變成選擇題 這種「隨時轉彎」的能力，在 2025 年 4 月美國宣佈新一波關稅政策時展現了巨大威力。AEO 透過 AI 進行了數千次網路模擬，測試增加空運比例，以及調整採購國配比的各種組合。透過預先演習，AEO 找到了避開高額稅負的方法，最終在 2026 年初結算時，成功抵銷了高達 60% 以上的潛在關稅成本。 AI 導入後的營運指標同樣顯示明顯改善。每筆訂單的平均發貨次數已降至 1.1 […]

【科技早餐】2.4 萬假帳號、1600 萬次對話：Anthropic 控 DeepSeek 蒸餾攻擊

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊2.4 萬假帳號、1600 萬次對話：Anthropic 控 DeepSeek 蒸餾攻擊 Anthropic 發布聲明，點名中國 AI 新創 DeepSeek、Moonshot 與 MiniMax，指控三家公司透過大規模「模型蒸餾」（Model Distillation）行動，非法取得 Claude 的對話輸出，用於強化自家模型能力。Anthropic 指出，對方動用約 2.4 萬個詐欺帳號，與 Claude 進行超過 1,600 萬次密集對話，屬於工業規模操作。 Anthropic 表示，已透過 IP 位址關聯、Metadata 請求與基礎設施特徵交叉比對，高度確認來源，並將升級防禦機制。這並非首例，OpenAI 去年也曾提出類似質疑。隨著高品質訓練資料日益稀缺，模型輸出正成為競爭中的關鍵資產。 ＊OpenAI 成立 Frontier Alliances，與四大管顧合作 為擴展 2026 年企業市場，OpenAI 宣布成立「Frontier Alliances」，與 Boston Consulting Group、McKinsey、Accenture 及 Capgemini 簽署多年合作協議，協助企業導入 AI。部署工程團隊將與顧問公司合作，把 OpenAI Frontier 與 AI agents 技術整合進客戶既有系統。 Boston […]

Robotaxi 第二戰場開打！Uber 推 Autonomous Solutions 平台，搶當自駕商業化中間層

在全球自駕車（AV）戰局中，Uber 正在找尋新定位。近日，Uber 宣布成立新部門 Uber Autonomous Solutions，這次要押注的不是研發自駕技術，而是瞄準自駕車與配送機器人產業至今難以跨越的門檻：商業化落地。 《TechCrunch》以「Swiss Army Knife（瑞士刀）」形容 Uber 的企圖，表示接下來 Uber 想當的不是造車者，而是成為自駕業者背後的多功能支援角色，提供營運與落地所需的關鍵能力。 Uber 的「瑞士刀」角色：為自駕車隊補齊營運、資料與應變能力 「自駕技術團隊應該專注於他們最擅長的事：打造能安全驅動自駕世界的軟體，」Uber 全球自駕移動與配送業務主管 Sarfraz Maredia 說。他進一步補充，Uber 的目標是為合作夥伴「在任何需要的地方增加營運深度」，包含創造需求、乘客體驗、客戶支援與日常車隊管理。 因此，作為自駕技術團隊的後盾，Uber Autonomous Solutions 平台將提供一整套綜合服務。例如在 AI 訓練與地圖資料（mapping data）方面，Uber 透過新成立的 AV Lab，在數十座城市中部署數千輛配備自駕感測器的非自駕測試車，專門蒐集環境數據與資料，並與合作夥伴共享，以協助夥伴訓練自駕 AI 系統、加快商業化擴展速度。 在使用者體驗設計與融資支援方面，Uber 不僅提供車隊融資解決方案，也協助夥伴設計車載軟體。此外，針對即時車隊追蹤與管理，Uber 更提供一套全面的車隊情報與管理解決方案，讓營運商能即時掌握每一輛車的動態。 這套服務包含保險、道路救援，以及一款被稱為「AV 任務控制（AV mission control）」的軟體，意即當自駕車隊在路上遇到交通事故這一類的複雜情境、需要人類介入時，人類遠端協助（human-in-the-loop remote assistance）機制就會為營運商提供應對措施。 「自駕領域的創新進展神速，但實質的商業化卻需要更長的時間，十多年來，Uber 協助奠定了隨選移動的標準，透過 Uber Autonomous Solutions，我們正將這些得來不易的能力外部化給合作夥伴，」Uber 執行長 Dara Khosrowshahi 說道。 Waymo、Tesla 壓境，Uber 要搶商業化平台位置 《TechCrunch》形容 […]

【戰爭催生新金融】川普考慮為加薩發行美元穩定幣，加密貨幣升級金融基礎設施

戰爭摧毀的不只是城市，還包括金融體系，如今，美國總統川普主導的和平委員會（Board of Peace）正在考慮一項計畫：為加薩推出與美元掛鉤的穩定幣，用於重建該區域經濟。這顯示，穩定幣正逐漸從加密市場工具，轉變為政府與金融體系考慮採用的經濟與支付基礎設施之一。 銀行系統崩潰、現金消失，加薩經濟陷入停擺 根據《Financial Times》報導，5 位知情人士透露，與川普和平委員會合作的官員，正在探索於當地建立穩定幣的可能性。這項計畫仍處於初步階段，仍有許多細節待確認。 自 2023 年以色列與哈瑪斯戰爭爆發以來，加薩的經濟活動幾乎停擺。提款機被摧毀、銀行關閉，以色列也限制新的現金進入，使實體貨幣供應大幅減少。結果是，少數持有現金的中介者開始收取高額手續費，進一步扭曲經濟運作，並促使越來越多加薩人民使用電子支付系統。 一位知情人士表示，發行加薩穩定幣的目標不是創造新的貨幣，而是「讓加薩人民能夠進行數位交易」。該穩定幣預計將與美元掛鉤，並可能由中東與巴勒斯坦的數位貨幣企業協助推動。 另外兩位知情人士透露，該計畫由以色列科技企業家、前預備役軍人 Liran Tancman 帶領，他目前擔任川普和平委員會的無償顧問。他曾表示，加薩正在建立「安全的數位金融骨幹」，打造可支援電子支付、金融服務、教育與醫療的平台。 參加此計畫的成員，還包括來自加薩走廊新成立的巴勒斯坦技術官僚政府官員、由 14 名成員組成的加薩行政國家委員會（NCAG），以及由前聯合國特使 Nickolay Mladenov 領導的高級代表辦公室——這兩個機構皆在和平委員會的架構下運作。 在加薩發行穩定幣可行嗎？ 「目前提出的『加薩穩定幣』計畫仍然非常初期，」區塊鏈情報平台 Nominis 執行長 Snir Levi 向《Cointelegraph》表示，「在過去兩年裡，加薩的場外交易（OTC）櫃檯已經在幾乎沒有任何限制的情況下，轉移了超過 1 億美元的穩定幣。如果沒有建立完善的監管框架，加薩穩定幣也會出現同樣的情況。」 根據《Financial Times》，另一位參與導入穩定幣討論的人士指出，美國推行加薩穩定幣的另一個目的，是讓當地經濟活動不再依賴現金。但這項構想也引發疑慮，有些人士擔心，如果加薩擁有獨立的穩定幣，可能進一步削弱它與約旦河西岸的經濟連結。 此外，加薩目前仍受限於低速 2G 網路與頻繁停電，數位貨幣基礎設施能否運作仍是挑戰。 穩定幣已悄悄成為亞洲金融基礎設施 加薩的案例雖然發生於戰區，但其背後反映的，正是穩定幣進入主流金融體系的更大趨勢。全球穩定幣轉帳金額正在快速成長，僅 2024 年前七個月，全球穩定幣轉帳總額就超過 4 兆美元。Artemis Analytics 數據顯示，企業穩定幣支付規模也從 2023 年每月不到 1 億美元，成長至 2025 年超過 60 億美元。 其中，亞洲國家正以驚人速度將其轉化為商業銀行的基礎設施。根據《經濟學人》報導，區塊鏈數據公司 Chainalysis 全球加密採用指數前 20 […]

主權 AI 是下一個十年國力戰！盧超群：台灣不能只有代工心態，掌握主權技術才能在 AI 時代真正獲利

專訪：戴季全撰稿：李昀蔚 2026 年全球 Edge AI 應用市場需求預計將大幅攀升，面對 AI 的快速發展與記憶體產能供不應求的挑戰，台灣該如何從硬體優勢出發，進一步躍升為資本與價值的創造者？ 本集《全新一週》邀請到鈺創科技創辦人暨董事長盧超群，深入剖析台灣發展「主權 AI」的戰略意義，並指出 AI 時代真正的競爭核心在於軟體與主權技術，更提出以制度創新、基金會機制與產官學共治打造長期循環投資的構想，同時解析讓台灣在未來十年的 AI 國力戰中，從供應者轉向主導者的具體行動方案。 拒絕純代工心態，發展主權 AI 與軟體環境是台灣的必勝關鍵 盧超群指出，人類正邁入智慧爆發的時代，由於硬體一旦製成後便難以改變，因此必須仰賴軟體來控制與引導。「我不反對代工，但是台灣不能只有代工的心態，」盧超群強調，來找台灣代工的對象，可能都有經濟、技術或國防的競爭，因此不論是企業或國家，都必須建立屬於自己的一套主權技術體系，才能真正掌握長期獲利能力。 至於台灣要發展軟體，究竟應該從硬體往上堆疊，還是從服務往下延伸？「我認為 AI 時代沒有選擇，都要發展到極致 ，」盧超群直言，在 AI 時代其實沒有二選一的空間，必須軟硬體雙軌並進，並強調 AI 的推進應從百工百業的實際需求與應用場景出發，反過來帶動技術演進。他也進一步指出，台灣長期以來的教育體系與產業環境，重心始終放在看得見、摸得著的硬體發展，這樣的選擇確實造就台積電這一類世界級企業，卻也正因為硬體的成果與獲利模式清晰可見、回報明確，資源與人才便持續向硬體集中，無形中壓縮軟體成長的空間。 盧超群指出，軟體的真正價值在於「無形」，其高度甚至接近一種哲學層次的思維模式，需要長時間投入與文化累積。台灣過去之所以未能孕育出如 Microsoft 般的軟體巨擘，並非缺乏能力，而是在有限的人力與資源條件下，長期將戰略重心押注於硬體，導致軟體發展始終未能形成足夠規模與厚度。「2026 會有一個支持軟體的環境，這個時候一定要下定決心，讓我們的人才能夠脫穎而出，而在軟體這方面，國家資源甚至我們工業界的資源，一定要分開來處理，」盧超群提醒，畢竟過去三十多年來，台灣一直處於硬體獨大的環境，因此如果無法為軟體建立一個獨立且完善的發展生態，未來在 AI 時代的競爭中，台灣軟體產業將難以突破既有格局。 然而，當軟體需要長期投入時，現實的資金問題，也將伴隨而來。 突破困境建立主權基金，以「外捲」戰略啟動產官學正向循環 「我們在硬體發展雖然目前成功，但是心裡惶惶然，因為硬體被複製或者被趕上的機會非常大，」盧超群在點出硬體發展隱憂的同時，也提出對產業現狀的深刻洞察：若要求以營利為目的的企業主動捐款支持長期技術發展，往往難以通過董事會，但若資金僅以稅收形式進入國庫，又會被分散至各類公共支出，無法在關鍵戰略領域有效發揮作用。 因此，盧超群提出構想，建議將產業界多繳稅金中的 2% 獨立出來，成立類似美國洛克菲勒或卡內基模式的基金會，讓資金能夠反覆循環使用，使投資得以在景氣低迷或尚未獲利的階段持續推進。 在基金會的治理架構上，盧超群主張採取產官學共治模式，以確保資源配置兼具效率與制度正當性，並透過這樣的實戰型架構，讓學界不再只是象牙塔中的研究者，而能真正走向前線，參與產業攻防。另一方面，對於企業而言，多繳的 2% 稅金不應被視為負擔，而是一種「存款」概念，代表企業不僅履行稅制義務，更能透過參與資源分配，實質投資未來的客戶與產業環境，形成長期回報。 談及軟體發展策略時，盧超群更直言，若僅在台灣內部閉門造車，軟體實力難以真正突破，因此必須採取他所稱的「外捲」戰略，主動連結並吸收美國矽谷的軟體文化。他構想以基金設立兩個相互呼應的軟體中心，分別在台灣與美國兩地，讓團隊如兄弟般緊密互動，並透過延攬長年在美國歷練的台灣人才，將多元文化與創新思維引流回台灣，形成由外向內的滾動效應。 雖然硬體製造已可在美國在地化，但盧超群強調，核心軟體主權必須掌握在自己手中，「我們要產生的軟體，是將來可以把我們的硬體的價值再增加 10 倍，而軟體也要有自己的獨立性或主權性，」面對變化劇烈的 AI 時代，盧超群坦言，這是一場至少十年的長期戰役，台灣若要邁向軟體與智慧產業的高峰，關鍵就在於善用當前硬體所創造的資本優勢，透過制度化機制投入軟體與主權技術發展，進而建立一個由硬體帶動軟體、軟體再強化硬體的正向循環，才能為未來十年的國力競爭奠定基礎。 記憶體產業發生「結構性改變」，異質整合與軟體智慧是突圍關鍵 談到記憶體產業的現況，盧超群指出，近期 DRAM 嚴重缺貨、甚至出現如同「囤衛生紙」般的搶貨現象，並非過去幾十年來單純的景氣循環，而是由 AI 驅動的結構性改變。盧超群提醒，當三星、SK 海力士與美光等三大廠全面轉向 HBM，導致一般 […]

主權 AI 爭奪戰升級：美國啟動「Tech Corps 計畫」，從人才、資金到落地應用圍堵中國優勢

美國近日宣布透過和平工作團（Peace Corps）打造新的「Tech Corps 計畫」，目前正招募具科技服務精神的志工，並藉由將 AI 技術志工派往全球，進一步協助夥伴國家採用美國 AI、建立能力、強化制度，以提升當地的繁榮，並將目標鎖定在「全球南方（Global South）」中，那些尚未在美中科技陣營裡選邊站的新興經濟體。 Peace Corps 表示，設立 Tech Corps 的核心，是為了支援透過 American AI Exports Program（美國人工智慧出口計畫）採購美國 AI 技術的國家。此出口計畫是依據行政命令成立的跨政府計畫，目的是將完整的美國 AI 技術堆疊輸出至海外，涵蓋硬體、資料系統、AI 模型、軟體與資安標準等面向，以維持美國在全球先進技術領域的優勢地位，並提供應用層（application layer）的實作協助，以及最後一哩（last-mile）的採用支援。換言之，Tech Corps 在整體出口架構中的角色，不只是推動採購，更是補上技術落地的執行環節。 Tech Corps 瞄準的是 AI 落地前的「最後一哩」 《Euronews》指出，儘管 Tech Corps 計畫聚焦在輸出「完整 AI 技術堆疊」，但 Tech Corps 的志工會特別強調在「AI 應用層（application layer）」的實作。 這些參與 Tech Corps 的志工，將在健康、教育、農業等關鍵部門推動 AI 採用，並協助排除 AI 解決方案落地過程中的障礙。例如，教育領域的志工將進入學校，協助教師運用 AI 改善備課流程與學生學習成果；健康領域的志工將在國家或區域衛生單位服務，同時運用已採購的美國 AI 技術共同開發模型，以建立高效且準確的資料分析方法；農業領域的志工則將服務於農業推廣單位，協助優化關鍵訓練資料集的流程。 這些志工除了協助實作，也能幫忙評估 […]

85% 使用者不再相信 AI 第一個答案：Anthropic 研究揭「AI 流暢度」新競爭力

生成式 AI 正以驚人速度滲透進日常工作，從寫報告、寫程式，到製作簡報，越來越多人習慣把 AI 當成助手。但真正決定人們能否從 AI 中獲益的，可能不是使用頻率，而是另一項更關鍵的能力：AI 流暢度（AI fluency）。 AI 公司 Anthropic 最新發布的《AI Fluency Index》研究顯示，人們與 AI 協作時展現的行為模式，將直接影響 AI 是否能發揮真正價值。研究更揭示一個值得警惕的現象：當 AI 輸出看起來越完美，人們反而越少質疑它。 什麼是 AI 流暢度？關鍵不在使用，而在協作 根據 Anthropic 定義，AI 流暢度指的是人類與 AI 有效協作的能力，也就是把 AI 當成思考夥伴，而不是完全委託其完成工作的一次性工具。 為了量化這種能力，Anthropic 與學者共同建立「4D AI Fluency Framework」，定義 24 種代表良好協作的行為，包括：明確描述需求、提供範例、持續迭代結果、質疑 AI 推理。 研究團隊分析了 2026 年 1 月一週內 9,830 筆 Claude 對話紀錄，建立 AI Fluency Index，試圖理解人們如何與 AI 合作。 […]

如何利用 Apigee 跨越運維鴻溝，打造穩健的數位價值鏈？

殘酷的現實：為什麼 30% 的 GenAI 專案註定失敗？ 產業研究資料庫 Gartner 近期拋出震撼彈：截至 2025 年，有超過 30% 的 Generative AI 專案在概念驗證(PoC)階段後宣告失敗。這場「創新夭折」背後的頭號殺手，並非模型不夠聰明，而是企業無法承受的運維成本與風險控制缺失。 這組數據的意義，在於打破企業內部的 GenAI 專案人人嚮往、為之狂熱的概念，因為 GenAI 專案自然有其風險和挑戰。許多企業發現，實驗室裡完美的模型，一旦接入真實流量，立刻面臨深不見底的「API 運維鴻溝」，包括：不可預測的 Token 成本、波動劇烈的系統延遲（Latency），以及供應商的速率限制（Rate Limits），讓原本的創新應用瞬間變成昂貴的技術負債。 此刻的決勝關鍵，已不再是誰的模型參數量更大，而是誰能構建一條穩定、可觀測且具備成本效益的「AI數位價值鏈」(AI Digital Value Chain)。 從實驗室落地到商業場景的「智慧路由」 而要跨越從 PoC 到大規模生產環境（Production）的鴻溝，Apigee 扮演了關鍵的「智慧路由」角色。它不僅是 API Gateway，更是企業 AI 治理的中樞神經，特別是在資源分配（Distribution）與 Token 用量限制（Usage Limits）上，協助決策者解決最棘手的營運難題。 1. 精準分配：把好鋼用在刀刃上 透過 API Product 的封裝策略，Apigee 讓企業能精準地控制「誰能使用什麼模型」。企業可以針對內部開發者、合作夥伴或 VIP 客戶設計客製化的服務級別，例如： 這種策略確保高價值的算力資源被高效分配（Distribution）在最關鍵的商業場景裡，進行精準打擊。 2. 強力防禦：拒絕「獨佔資源的惡鄰效應（Noisy Neighbor）」 在防禦層面，Apigee 提供了企業級的速率限制（Rate Limiting）與防範尖峰流量（Spike […]

Gemini 3 Pro Image 在媒體圖片生成之應用

從「娛樂製圖」到「知識生產」：Gemini 3 Pro Image 如何定義新一代視覺生成標準？ 過去 AI 生圖的侷限 幾年前的 AI 生圖工具如早期版本的 Stable Diffusion 或 Midjourney，雖能快速產出令人驚豔的畫面，卻往往存在許多缺陷，難以真正應用在實際情境中。最常見的痛點，包括對文字的掌握度極低，AI 模型常將文字視為單純的幾何花紋，導致招牌、標語全是像外星文般的亂碼。 另外，空間邏輯也常錯亂，分不清左右，或將物體融合在一起；加上 AI 生圖工具對複雜指令理解不足，不擅長繪製手指等細節問題，且生成後缺乏精準修改的彈性，種種因素都限制其實用性。儘管隨技術迭代，近期的模型已能更精準地生成內容，但面對複雜邏輯的情境時，產出的圖片仍常與使用者腦中的理想畫面有所落差。 Gemini 3 Pro Image 的突破 去（2025）年 11 月 Google 正式推出新一代模型 Gemini 3 Pro，並在多個深度思考和複雜操作的基準測試中獲得好成績，與其一同問世，同樣備受討論的生圖模型 Gemini 3 Pro Image，以 Gemini 3 Pro 作為架構的原生多模態推理模型，也在多項圖片生成模型能力的測試中榮獲佳績(圖一)。 在既有能力 (Existing Capabilities)提升方面，Gemini 3 Pro Image 在圖中文字處理能力的文字渲染 (Text Rendering) 項目中，達 1198 高分，相較於上一代 Gemini 2.5 Flash Image […]

AI 發展只走到一半？聯發科技企業策略與前瞻技術資深處長梁伯嵩用「七層運算架構」拆解算力、能源與應用的真正瓶頸

當 AI 成為所有產業都在談的顯學，許多困境卻開始浮現：大家明明都在談 AI，卻往往在談完全不同的層次。例如，馬斯克高談太空資料中心與 GW（十億瓦）級算力藍圖，另一邊半導體與硬體工程師仍被電力、散熱、晶片等現實問題追著跑，這種上下游各說各話的「雞同鴨講」，正是當前 AI 產業最真實的寫照。 為了替這場混亂對話建立共同語言，聯發科技企業策略與前瞻技術資深處長梁伯嵩在近期舉辦的 Cake 2026 半導體電子科技徵才博覽會中，以「AI 運算架構的演進與趨勢」為講題，提出一套包含第一層實體層（Physical Layer）、第二層連結層（Link Layer）、第三層神經網路層（Neural Network Layer）、第四層情境層（Context Layer）、第五層代理層（Agent Layer）、第六層協調層（Orchestrator Layer）與第七層應用層（Application Layer）的 「AI 七層運算架構（7-Layer Model）」。 透過這套模型，梁伯嵩從最底層的實體晶片與運算基礎，一路拆解到模型、代理與應用服務，試圖將當前看似碎片化、彼此錯位的 AI 討論，重新在同一張產業地圖上對齊。 硬體與算力的極限挑戰：AI 正撞上能源天花板 梁伯嵩從架構最底層的實體層（Physical Layer）切入，分析從 2009 年學界以 FPGA 進行加速運算，到 2012 年 AlexNet 時期正式引入 GPU，再到 2015、2016 年 Google TPU 與後續 NVIDIA 的專用晶片相繼問世，AI 的運算單元正在持續演進。然而，單一晶片的擴張始終受限於光罩曝光極限無法無限放大，這也迫使產業把提升算力的重心，轉向機櫃級擴展以及跨資料中心的分散式連接（Scale-Out），藉此將數十萬顆甚至上百萬顆 GPU 串聯起來，以滿足龐大的算力需求。 但算力擴張的背後，真正拉開差距的關鍵並非運算本身，而是能源成本。當算力規模被迫以堆疊與連接的方式擴張，能耗問題便同步被放大，成為無法迴避的結構性瓶頸，這也直接引爆全球性的電力壓力。梁伯嵩特別以人腦作為對比，指出人類大腦僅需消耗約 25 瓦的能量即可運作，而當前龐大的 GPU 運算叢集雖然在運算能力上已逐漸追上人腦，但在能源效率上，卻仍落後人腦數千至數萬倍。 當前，AI […]

DeepSeek 帶起的骨牌效應：中國開源 AI 模型如何重塑全球 AI 創新格局

過去一年，中國開源 AI 走到了一個關鍵轉折點。自從 DeepSeek 在 2025 年 1 月推出 R1 推理模型後，中國企業接連端出效果逼近西方先進模型、價格卻低得多的新模型，讓開源模型不再只是研究社群的玩具，而是從 Hugging Face 一路滲透到矽谷產品線、企業內部工具與新創技術堆疊的核心。 《MIT Technology Review》形容，這波變化之所以值得警惕，不只在於中國模型成了取得前沿 AI 能力最便宜的選擇，更可能改變創新發生的地點，以及誰來制定技術標準的權力結構。背後關鍵原因是越來越多中國公司選擇開源，讓全球開發者可以下載、部署、研究與改造，而不是像多數美國閉源模型一樣只能付費用 API、卻看不到模型內部細節。 就在近日，中國公司 Moonshot AI 發表了最新的開放權重模型 Kimi K2.5，在部分早期基準測試中，其表現已接近頂級閉源 AI，例如 Anthropic 的 Claude Opus，而兩者差別在於 K2.5 的價格僅約 Opus 的七分之一。一項近期的 MIT 研究更發現，中國開源模型的總下載量已經超過美國模型。 中國開源模型正在變成全球 AI 基礎？ 中國開源模型的擴散，不只停留在下載排行榜。《MIT Technology Review》直接點名，這股採用潮正在矽谷浮現。創投 Andreessen Horowitz 合夥人 Martin Casado 就在社群平台 X 表示，在使用開源技術堆疊的新創提案中，大約有 80% 機率正在跑中國模型。另一個指標是 OpenRouter 的 […]

多雲架構的隱形代價：資安團隊如何在每日數千則雜訊中辨識真正威脅？

根據 2026 年雲端安全報告，88% 的組織目前在混合雲或多雲環境中運作。多雲策略已成為企業數位轉型的標準配置，不過這數字背後，隱藏一個正在擴大的安全缺口：高達 66% 的企業坦承對即時威脅偵測缺乏信心。這代表企業在追求彈性的同時，也同步承擔更高的安全治理成本。 多雲成為主流，但企業資安可見性正在下降 企業採用多雲架構，通常是為了降低成本並整合不同供應商的服務，背後各有其商業考量。而 AWS、Azure、Google Cloud 各有所長，企業根據工作負載特性分配資源，本來就是合理的技術決策。 然而，這套策略隱含的安全代價，遠比多數企業預期的更高。每一個雲端平台都有自己的身份存取管理機制、網路架構、合規框架與安全事件定義。同樣的異常行為，在 AWS 與 Azure 可能產生不同格式的日誌，使 SIEM 系統難以跨平台關聯分析。安全團隊面對的不再是一座城堡，而是分布在不同城市、各有不同守衛規則的多座據點。 而企業在評估多雲策略的成本效益時，往往將技術採購費用與運營效率列為主要指標，卻低估了安全複雜度帶來的隱性代價。當基礎設施愈分散，資安可見性就愈碎片化，也讓威脅更容易長期潛伏。 即時威脅偵測為何失效：工具、警報與治理三大問題 為了理解為何三分之二的企業無法即時偵測威脅，必須從工具、人才與治理三個層面同步檢視。 在工具層面，許多企業仍依賴為本地端架構設計的傳統資安工具，試圖將其硬套進雲端環境。這些工具無法存取雲端原生日誌、無法追蹤僅存在數秒便消失的短暫容器、也無法監控無伺服器函式的執行行為。工具與環境之間存在嚴重的錯誤配置。 即便有工具，警報也是另一道難關。多個雲端平台每日產生數以千計的安全通知，其中大量是誤報或低優先級事件。資安團隊要在這片雜訊中尋找真正的威脅訊號，往往一無所獲。真正危險的入侵警訊，高機率就這樣被淹沒在雜訊當中。 在治理層面，雲端責任共擔模式在多雲情境下變得高度模糊。雲端供應商負責底層基礎設施，客戶負責數據、應用程式與存取控制，這個劃分在單一雲端環境已容易產生誤解，在多雲情境下更形成灰色地帶。 不同供應商對邊界的詮釋不一，企業若未明確釐清各平台的責任歸屬，就可能在不知情的情況下，讓某些風險無人承擔。這些可見性與治理缺口，也為攻擊者創造了可利用的入侵機會。 攻擊者如何利用多雲架構製造入侵漏洞 而配置錯誤是最常見也最難全面掌控的入侵途徑。過度寬鬆的身份政策、未修補的服務，這些問題在單一雲端環境已是挑戰，在多雲架構中的風險更是倍增。 每個平台有不同的預設配置與安全最佳實踐，一套在 AWS 運作良好的安全政策，若未經調整直接套用在 Azure，可能反而製造新的漏洞。 基於此狀況，精密的攻擊手法是刻意將惡意行為分散於不同雲端平台——單獨檢視任何一個平台，這些行為看似正常；只有跨平台關聯後，才能看出攻擊的完整輪廓。而這正是多數企業安全工具所缺乏的能力。 同時，無伺服器函式漏洞利用與 API 濫用等雲端原生攻擊手法，已遠遠超出傳統以特徵碼為基礎的偵測模型所能應對的範疇。這些攻擊需要行為分析與機器學習方法才能有效辨別，但大多數企業尚未在其多雲基礎設施中完整部署此類能力。 從工具補強走向治理與流程重構 面對上述挑戰，技術工具層面的解法正在成熟。雲端安全態勢管理（CSPM）工具提供跨平台的統一可見性，自動偵測配置錯誤與政策違規。雲端原生應用程式保護平台（CNAPP）則更進一步，將 CSPM、工作負載保護與基礎設施即程式碼掃描整合為一體，另外，AI 與機器學習技術也開始被用於分析跨平台行為模式、過濾誤報並識別真正的威脅訊號。 然而，這些工具的落地成本不低，實施過程複雜且資源密集。更關鍵的問題在於，工具無法修復根本性的問題。如果安全在開發流程的末端才被引入，工具再強也只是亡羊補牢。 多雲安全的真正解方：治理與架構前移 相較於單純強化防護工具，企業正逐漸意識到，多雲安全的關鍵在於將安全機制「前移」至系統設計階段。DevSecOps（Development 開發、Security 安全、Operations 維運）正代表這種轉變，即企業將安全控制與監控能力直接嵌入基礎設施即程式碼（Infrastructure as Code）與 CI/CD 部署流程，使安全從架構設計初期就成為系統的一部分，而非事後補強的功能。 這種作法能從源頭降低設定錯誤風險，並在資源建立的同時建立完整的可見性，減少後續修補與排查成本。 然而，導入 DevSecOps 並非單靠技術即可完成。若缺乏組織層級的支持與治理機制，這套模式往往難以真正落地。有效的多雲安全仍仰賴高層管理的明確承諾、持續的預算投入，以及資安、開發與業務團隊之間的跨部門協作。 另一方面，跨平台的產業標準化同樣關鍵。若雲端供應商、安全廠商與企業之間能統一安全日誌格式、事件標準與威脅情報分享機制，企業將更容易進行跨雲關聯分析，提升威脅偵測的準確性與效率。 歸根究柢，多雲策略的真正成本從來不只是雲端費用，而是對安全狀態的即時掌控能力。當基礎設施高度分散、工具老化、人才不足且治理責任模糊時，威脅偵測失效便不再是偶發事件，而是結構性的風險。 […]

【科技早餐】OpenAI 把 1.4 兆改成 6000 億：AI 算力競賽進入效率時代

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 下修 2030 算力目標至 6000 億美元 OpenAI 宣布，將 2030 年累計算力支出目標由原先提及的 1.4 兆美元調整為 6000 億美元，降幅約 57%。公司說明，原數字涵蓋未來八年所有基礎設施投入，新目標僅針對 2030 年前算力部分，統計口徑不同。2025 年全年收入達 131 億美元，超過原訂 100 億美元目標，資金消耗 80 億美元低於預期，ChatGPT 週活躍用戶突破 9 億。 OpenAI 預估 2030 年總收入將突破 2800 億美元，企業端與消費端業務貢獻大致持平。公司指出，透過模型壓縮與混合算力架構，單位算力效率提升逾 30%，算力規劃與收入預期開始對齊，投入與回報的關係更加明確。 ＊「星際之門」進展停滯，OpenAI 啟動多線算力布局 原定總額上看 5000 億美元的「星際之門」（Stargate）資料中心計畫，近期被外媒指出進展停滯。該計畫由軟銀 (SoftBank)、甲骨文（Oracle）與 MGX 支持，但團隊尚未到位，選址與能源整合細節傳出分歧，原本預期快速啟動的 1000 億美元初始部署仍停留在規劃階段。 面對算力需求擴張，OpenAI 已與甲骨文簽署每年逾 300 億美元協議，取得 4.5 吉瓦資料中心容量，並深化與 CoreWeave 合作，同時探索以 […]

NVIDIA 強勢重返消費 PC 市場，全新 Arm 架構處理器將重塑筆電生態？

過去十多年，NVIDIA 幾乎主宰了 AI 資料中心運算，但在每天數億人使用的個人電腦（PC）中還不算是核心角色，如今它正準備大舉重返消費級 PC 市場。根據《華爾街日報》報導，NVIDIA 正在開發整合 CPU 與 GPU、基於 Arm 架構的電腦晶片，並預計搭載於今年上市的筆記型電腦。 報導引述調研機構 Digitimes 分析師 Jason Tsai 的說法指出，NVIDIA 進入消費級個人電腦市場，並非希望在短時間內獲得巨額利潤，而是要在 AI 時代中與消費者保持聯繫，「這不只是供應某些晶片或製造更好零件的問題，相反地，這攸關 NVIDIA 如何更深入融入下一代 PC 生態系統。」 他表示，NVIDIA 和其合作夥伴希望在維持續航力的同時，讓 Windows 個人電腦更輕薄，並能與蘋果最新的 MacBook 機型展開更直接的競爭。報導指出，在 PC 晶片方面，NVIDIA 有兩個合作夥伴，包含英特爾、聯發科；個人電腦方面，戴爾和聯想等主要 PC 製造商，已經在研發搭載 NVIDIA 新型處理器的筆記型電腦。 AI 時代來臨，PC 成為 NVIDIA 必須搶下的終端入口 長期以來，NVIDIA 在 PC 市場的角色是提供獨立顯示卡，與英特爾或 AMD 的 CPU 搭配使用。但根據報導，NVIDIA 即將推出的晶片，採用「系統單晶片」（SoC）設計，把 CPU、GPU 和 AI […]

AI 能耗到底怎麼算？Sam Altman 駁 ChatGPT 高耗能傳言，強調應以「每次回答」的效率作為比較基準

OpenAI 執行長 Sam Altman 近日在 2026 印度 AI 影響力高峰會（India AI Impact Summit 2026），針對 AI 造成環境影響的議題發表看法，直接回應外界對 AI 耗能與用水量的質疑。 Sam Altman 在會中表示，網路上流傳所謂「每次查詢 ChatGPT 要耗 17 加侖水」的說法是完全不真實且毫無關聯的，並提到過去資料中心的確曾使用蒸發冷卻技術（evaporative cooling），但現在已經不再如此。 此外，當被問及「一次 ChatGPT 查詢等於 iPhone 充電 1.5 次」的說法是否正確時，Sam Altman 明確回應：「不可能那麼多。」他更進一步引用自己過去發布的數據指出，平均一次 ChatGPT 請求大約只會消耗 0.34 瓦時（watt-hours）的電力，以及約 0.000085 加侖（大約十五分之一茶匙）的水。 在反駁網路流傳的單次耗能與耗水數字後，Sam Altman 隨即把焦點轉向更核心的問題：AI 能耗到底該怎麼「公平比較」？ Sam Altman：AI 能耗討論「不能只看訓練」，比較基準應回到「每次回答」的效率 Sam Altman 認為，外界將 AI 視為生態災難的敘事，以及針對 AI 耗能的種種批評，在比較基準上往往是「不公平的」。他指出，人們經常拿「訓練一個如 GPT-4 […]

Apple 押注「視覺智慧」為 AI 穿戴核心：為何「看見世界」會是下一代硬體關鍵？

如果說過去兩年 Apple 的 AI 發展路徑還在積極「追上生成式 AI」，那麼現在 Apple 執行長 Tim Cook 正試圖把焦點往前推進一步：不是讓 AI 更會說，而是讓 AI 更會「看」。 《Bloomberg》報導，Tim Cook 正釋出明確訊號，表明視覺智慧（Visual Intelligence） 將成為 Apple 推進穿戴式 AI 裝置的「定義性功能」（Defining Feature）。過去， Tim Cook 在財報會議中就曾特別點名視覺智慧，並稱其為 Apple Intelligence 中「最受歡迎的功能之一」， 因此 Apple 也愈來愈強調視覺 AI，並開發以視覺智慧為核心基礎的穿戴式裝置。 Apple 自研視覺模型，想把視覺智慧變成未來硬體底座 目前 Apple 已在 Apple Intelligence 架構下，於 2024 年推出的 iPhone 16 Pro 等裝置首度提供視覺智慧功能。使用者可以透過拍照或截圖，向 OpenAI 的 ChatGPT 提問影像內容，或是輕鬆透過 Google 執行反向圖片搜尋。然而，卻也因為視覺智慧目前高度仰賴外部模型，這項功能往往被市場視為只是 […]

軟體工程僅佔近 50% API 呼叫量！Anthropic 報告揭示 AI 代理的未開發金礦

AI 代理（AI agents）正快速進入企業應用，但最新數據顯示，這場革命目前仍高度集中在單一產業。根據 Anthropic 最新研究，軟體工程佔其所有 AI 代理工具呼叫量的近一半，而醫療、法律與金融等其他領域幾乎仍處於早期階段。對產業觀察者而言，這代表的是一張尚待開發的產業潛力地圖。 近一半 AI 代理都在寫程式，其他產業幾乎沒被開發 Anthropic 分析其 Claude Code 與公開 API 的數百萬筆人類與 AI 代理互動後發現，軟體工程佔所有代理工具呼叫量的 49.7%，遠高於其他任何領域。 相比之下，其他產業的採用比例明顯偏低。根據 Anthropic 數據，醫療僅佔約 1%，法律為 0.9%，教育為 1.8%，其他 16 個垂直領域也沒有任何一個超過 9%。 Anthropic 同樣指出，在軟體工程之外，代理的使用雖已開始出現在金融、網路安全與商業領域，但仍處於早期階段。這種高度集中現象，代表著 AI 代理目前仍只滲透到少數產業。 「如果我今天要創辦一家公司，我會盯著長條圖中紅色矩形區域，直到看到我的未來。」非營利新聞媒體 Garry’s List 直接將這個現象解讀為商業機會，指出軟體工程佔據一半，而其他市場仍是一片藍海，並形容這代表有 300 個垂直 AI 獨角獸等待被建立。 AI 能力已超前人類信任，企業仍在學習如何使用 Anthropic 的研究也發現，目前 AI 代理的實際使用程度仍落後於其能力。例如，能力測試顯示 Claude 可以完成需要人類近 5 小時的任務，但實際使用中，最長的 99.9 百分位執行時間僅約 42 分鐘。 […]

自動駕駛背後的隱形人力大軍：無人車為何高度依賴全球數萬名數據標註員？

當自動駕駛技術逐步走向商業化，外界關注的多半是感測器、演算法與無人車隊的擴張速度。然而，在這些技術突破背後，一條幾乎看不見的人力供應鏈正支撐整個產業運作。自動駕駛系統的安全與訓練高度依賴大量人工標註交通數據，這群分布全球的勞動者，正成為自動駕駛發展不可或缺的基礎設施。 無人車背後的隱形供應鏈：人工標註勞動 以 Waymo、Cruise 與 Zoox 等公司為代表的自動駕駛業者，必須持續訓練系統辨識行人、交通號誌與各種複雜路況。這些能力並非完全由機器自動學習，而是仰賴大量人工標註資料建立模型基礎。 每天，世界各地成千上萬名工作者，檢視由搭載大型感測器的測試車輛收集的駕駛數據。他們被稱為驗證者、標註員或標記者，核心任務都是協助 AI 理解所看到的世界，判讀車輛在空間與時間中的位置，並教導系統如何在不同情境下安全行駛。 目前全球已有數萬名數據標註員投入相關工作，隨著無人計程車擴張，需求預期將持續成長。他們的日常任務包括檢視行車影像、為行人與騎士繪製邊界框、分類道路狀況，並處理各種異常場景。 每輛自動駕駛車每天可產生數 TB 數據，涵蓋數百萬種駕駛情境，而一個錯誤標註就可能導致安全風險，使人工判讀成為不可替代的環節。這也形成一種矛盾：一個目標在於消除人類駕駛的產業，卻同時創造出新的大規模人類勞動需求。 這種對人工標註的高度依賴，也反映在數據標註公司的規模上。數據公司 Sapien 執行長 Rowan Stone 表示，其平台在全球擁有超過 100 萬名貢獻者。不過針對自動駕駛領域，專門從事相關營運的人員仍不到 5,000 人，隨著無人計程車服務擴張，需求預期將持續增加。 低毛利外包市場 支撐這條人力供應鏈的是低毛利的數據標註產業。Scale AI 與澳洲公司 Appen 等企業扮演中介角色，將科技公司需求與全球勞動力連結。Scale AI 已籌集超過 6 億美元資金，而 Appen 則負責協調跨國機器學習專案的人力配置。 這些工作多外包至肯亞、印度、菲律賓與委內瑞拉等國，標註員時薪依任務複雜度與地區差異落在 1 至 15 美元之間。相同工作在舊金山可能達每小時 20 至 30 美元，但在內羅畢約為 3 至 5 美元，在加拉加斯甚至僅 1 至 2 美元。 多數標註員以獨立承包商身分工作，缺乏福利與工作保障，並承受績效評分與帳號停用風險。儘管自動駕駛產業過去十年累計投資超過 1,000 […]

為什麼 AI 還不適合當理財顧問？MIT 揭 AI 從數學弱點到缺乏同理心的關鍵盲點

隨著生成式 AI 工具愈來愈常被用來查詢投資、稅務與理財問題，有更多人開始把聊天機器人當成隨手可問的財務助手。根據投資平台 eToro 近期的一項調查，已有 19% 的散戶投資人開始使用類似 ChatGPT 的 AI 工具來管理投資組合，高於 2024 年的 13%。 然而，麻省理工學院（MIT）斯隆管理學院金融學教授 Andrew Lo 提醒，目前市面包括 ChatGPT、Microsoft Copilot 等主流大型語言模型，並非以擔任財務顧問為目的進行設計或訓練，因此現階段仍不適合作為可靠的理財建議來源。 Andrew Lo 強調，這些模型還無法擔任真正的「受託人（fiduciary）」角色，因為 AI 無法將客戶的最佳利益放在首位、根據個別情境量身打造建議，同時 AI 並不真正具備同理心，因此無法理解投資人的財務目標或個人處境，但這正是財務顧問最核心的職責。此外，大型語言模型在數學運算上並不擅長，這在需要精確運算的財務規劃中是一大問題，未來仍需要將數據處理的工作交給專業的財務軟體。 AI 作為理財顧問的關鍵限制 Andrew Lo 直言，AI 模型就像數位的「缺乏同理心的社會病態者」。正因為 AI 語氣高度流暢且自信，使用者很容易忽略 AI 並未真正理解自身處境的事實。因此 Andrew Lo 也警告：「人們現在使用的 AI 可能是危險的，特別是當使用者沒有完全意識到大型語言模型的偏見、不準確性及其他限制時。」 為了解決這個問題，Andrew Lo 目前正致力於開發一款免收費、專為理財設計且具備「受託人」資格的 AI 顧問。他也提議將過去所有的金融法規與詐欺法院判例輸入模型中，以教導 AI 模型金融倫理，並透過專門的模組來產生同理心與公平感的「類比（analogs）」特質。 即便學界仍在嘗試為 AI 理財設計補救方案，市場的反應卻已經提前出現。近期，英國如 St James’s […]

【AI 代理商務生存戰】當 72% 受訪消費者期待 AI 幫忙購物，品牌如何避免被演算法遺忘？

AI 日漸滲透人們的日常生活，消費者對於「讓 AI 幫忙購物」的態度正在快速轉變。根據《Chain Store Age》報導，電商科技公司 Nosto 的調查顯示，72% 美國與英國受訪者期待 AI 協助網購流程，三分之二的消費者已經嘗試或願意嘗試透過 ChatGPT 或品牌自家 AI 工具購物，顯示 AI 已從實驗性工具，進入主流消費決策的視野。 消費者期待 AI 成為他們購物中的輔助工具 在消費者最期待的功能中，「優惠與降價提醒」以 59% 位居首位，其次為「個人化推薦」51%。禮物靈感、即時問答功能（例如：這件衣服怎麼搭？）以及自動組合優惠套裝，也都是高需求選項。這些期待指向一個核心趨勢：消費者希望 AI 成為決策輔助系統，而不是單純的聊天工具。 該調查進一步觀察早期採用者的行為，可以看到更清晰的未來輪廓。34% 的受訪者已實際使用過對話式 AI 購物助理，在 25 至 34 歲族群中比例更高達 59%。這群人更願意信任部署 AI 助理的品牌，77% 表示品牌若提供 AI 協助，信任感會提升。他們傾向將 AI 用於產品比較、預算內禮物挑選、穿搭靈感搜尋等高參與度決策任務。81% 的早期使用者甚至願意讓 AI 協助建立整個購物車，例如為節日或返校季一次完成採購。 然而，這股熱情並非毫無保留。69% 的早期使用者表示，一旦收到與需求不符的推薦，便會立即放棄並轉向其他平台。24% 的消費者擔憂資料處理方式，21% 則對 AI 在缺乏自身參與下做出決策感到不安。這顯示 AI 能否精準理解需求，以及品牌如何處理數據與決策權限，將成為使用意願的分水嶺。 當購物入口改變，品牌必須重新學會被 AI「讀懂」 在這樣的背景下，零售競爭焦點正從「頁面設計」轉向「機器可讀性」。當購物入口逐漸轉移至 […]

【科技早餐】印度豪擲 2,000 億美元押注 AI：算力主權成國家戰略

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊印度 2,000 億美元押注 AI：從外包中心走向「算力國家」 印度電子與資訊技術部長維什諾（Ashwini Vaishnaw）接受《美聯社》專訪表示，政府計畫在未來幾年吸引高達 2,000 億美元投入資料中心與算力建設，目標將印度升級為全球 AI 基礎設施樞紐。Google 將於 5 年內投資 150 億美元建立 AI 中心，Microsoft 宣布 175 億美元的亞洲大型投資案，Amazon 也承諾 2030 年前加碼 350 億美元。 除引進外資，印度已啟用國家級共享運算設施，部署超過 3.8 萬顆 GPU，並提供長期「租稅假期」（Tax Holiday）吸引資料中心資本落地，同時擴大大學與職訓體系培育 AI 人才。在外資與本土模型雙軌並行下，印度正將「算力主權」納入國家發展戰略。 ＊數百萬顆 AI 晶片入列：Meta 擴張算力版圖，NVIDIA 仍居核心位置 NVIDIA 與 Meta 簽訂多年合作協議，Meta 將採購數百萬顆 AI 晶片，涵蓋 Blackwell 與即將上市的 Rubin。NVIDIA 執行長黃仁勳表示，雙方將整合前沿研究與工業規模基礎設施，透過 CPU、GPU、網路與軟體的深度共創設計，支撐全球數十億用戶的 AI 與個人化服務。 Meta […]

【AI 時代的國家主權】美中控制全球 90% 數據中心，各國如何透過「談判式依賴」取得戰略籌碼？

美中兩強掌控全球超過 90% AI 數據中心算力的當下，其他國家還有機會擁有 AI 主權嗎？ 由英國前首相 Tony Blair 創立的 Tony Blair Institute for Global Change，在最新報告《Sovereignty in the Age of AI（人工智慧時代的國家主權）》中提出挑戰直覺的觀點：試圖「完全自給自足」是危險的迷思，真正的主權不再關於獨立，而是關於保有「代理權」與戰略選擇。 報告不僅提出創新的「CSD 戰略框架（控制、引導、依賴）」，更深入剖析日本、肯亞、巴西等六國，如何利用地熱能源、市場規模或監管法規作為談判籌碼，在巨頭壟斷中成功突圍。文末也歸納政府可立即執行的「七大政策槓桿」，從簽署主權接入協議到微調開放權重模型，提供具體的實戰指南，帶領政策制定者或關注國家競爭力的讀者，看懂如何將被動的技術依賴，轉化為具備韌性的戰略優勢。 📎 這份報告適合誰閱讀？ 報告內容具戰略高度，超越單純的技術討論，進入了國家競爭力、地緣政治與基礎設施建設的層次，適合以下工作者閱讀： 🔴 報告洞見 💡 AI 時代主權重新定義：完全自給自足是昂貴迷思 在人工智慧已成為國家基礎治理設施的今天，我們必須重新審視「主權」的定義。報告開頭直言，領導者無法選擇退出這場技術革命，落後者將失去在國內外的影響力；然而，面對這場競賽，許多國家本能地認為必須「完全自給自足」，試圖在國內打造從晶片到模型的所有技術，報告也指出這是一個昂貴且危險的迷思。 事實是，全球 AI 基礎設施已呈現高度集中的態勢，美國與中國合計控制了全球超過 90% 的 AI 數據中心容量，美國單獨佔據全球約 75% 的 AI 算力，而世界其他所有國家加起來僅分食剩下的 10%。在這種強者恆強的局勢下，追求完全獨立不僅不切實際，更可能導致國家因技術落後而更加脆弱。 因此報告提出了一個核心觀點：AI 時代的主權不再是關於「獨立」，而是關於「代理權（Agency）」。真正的強國不是關起門來自己造輪子，而是在不得不依賴全球供應鏈的情況下，依然保有做出戰略選擇的能力與談判籌碼。 既然完全獨立不可行，報告進一步提出具體的策略框架，說明國家如何在依賴與控制之間取得主動。 💡 CSD 框架：控制、引導與依賴的戰略博弈 既然無法統治所有戰場，國家該如何制定策略？報告提出了一個「CSD 戰略框架」，建議政府針對 AI 技術堆疊的不同層級，靈活採取「控制（Control）」、「引導（Steer）」與「依賴（Depend）」三種姿態。 對於攸關國家安全的核心系統，政府必須掌握直接的指揮權或所有權，這即是「控制」；而對於無法擁有的領域，則可透過法規、採購或標準制定來「引導」市場方向，例如歐盟雖無科技巨頭，卻能透過 GDPR 影響全球標準。 最關鍵的轉變在於如何看待「依賴」。報告強調，依賴並不羞恥，重點在於國家是處於「主動談判」還是「被動接受」的位置。透過談判將依賴轉化為互惠關係，才是現代國家的生存之道。 […]

你的 AI 模型正在被吸血嗎？Gemini 遭蒸餾攻擊，示警企業自建 LLM 成下個目標

Google 近期發布資安報告揭露，其旗艦 AI 聊天機器人 Gemini 正面臨來自全球各地、具備商業動機的攻擊者所發動的大規模攻擊。這些攻擊者並非試圖破壞服務，而是利用「提示詞」（Prompt）作為武器，透過反覆且密集的查詢來試圖複製 Gemini 的能力。 Google 威脅情報團隊（Threat Intelligence Group）資深分析師 John Hultquist 告訴《NBC》，對於 Gemini 的攻擊規模顯示，這類手法很可能已經、或即將成為針對中小企業自建 AI 工具的常見攻擊模式。 一次發送逾 10 萬次查詢指令：什麼是蒸餾攻擊？ 在 Google 偵測到的一起特定攻擊行動中，攻擊者在短時間內發送了超過 10 萬次不同的查詢指令，意圖透過這些回應來逆向工程，還原模型的運作邏輯與推理模式。這種攻擊手法在資安領域被稱為「模型汲取」（Model Extraction）或「蒸餾攻擊」（Distillation Attacks）。 Google 指出，這些攻擊者大多是希望獲取競爭優勢的私人企業或研究人員。他們透過向 Gemini 發送精心設計的問題，試圖誘導模型揭露其內在思考過程。一旦取得這些高品質的推理數據，攻擊者就能以極低的成本與時間，訓練出效能相近的自家模型。 這類攻擊通常不影響一般使用者的資料機密性或可用性，但對模型開發者與服務供應商而言，是重大智慧財產風險。Google 就指出，這是一種違反 Google 服務條款的智慧財產權盜竊手段。 低成本獲取高效能，DeepSeek 爭議突顯產業競爭 蒸餾攻擊之所以猖獗，在於它能讓後進者走捷徑。這類技術本質上是讓一個較小的「學生模型」去學習大型「老師模型」的產出，從而獲得類似的能力，但卻不需要耗費同等級的算力與研發成本。這並非單一事件，OpenAI 先前也曾指控中國競爭對手 DeepSeek 利用蒸餾技術，透過提取 OpenAI 模型的數據來訓練其 R1 模型，藉此「搭便車」提升自身技術實力。 Google 的報告進一步證實，這種「吸血」行為將成為產業普遍現象。攻擊者不再需要入侵伺服器竊取程式碼，只需透過合法的查詢管道，就能像拼圖一樣，一點一滴地拼湊出頂尖 AI 模型的全貌。Google 報告顯示，其已透過即時防禦機制成功降低了風險，避免內部推理資訊外洩。 煤礦裡的金絲雀，企業客製化模型恐成下個目標 「我們只是煤礦裡的金絲雀，」Hultquist 以此來形容 […]

Spotify 的 AI 轉型：當優秀工程師不再寫程式碼，如何靠自動化開發與數據聚合築起產業護城河？

在 Spotify 剛落幕的 2025 年第四季法說會中，儘管財務數字亮眼，但整場會議的焦點卻罕見地被單一主題完全佔據，那就是「AI」。 Spotify 財務長 Christian Luiga 直言，儘管許多人覺得 AI 難以捉摸，但 Spotify 早在多年前就已開始佈局，公司高層也將 AI 視為與網際網路或智慧型手機同等規模的機會，並明確把公司未來的成長動能押注於此。 不過，在這場法說會中，吸引市場目光的時刻，莫過於 Spotify 聯合執行長 Gustav Söderström 對於工程團隊現況的描述。他在回應分析師關於 AI 對生產力影響的提問時，透露 Spotify 最頂尖的開發人員，工作模式已出現本質上的改變。 當最優秀的工程師不再寫程式碼：AI 接手開發，人類角色轉為監督者 Gustav Söderström 指出，自從去年 12 月以來，公司內部最優秀的工程師已經「沒有寫過任何一行程式碼」，「他們實際上只負責生成程式碼並進行監督，」Gustav Söderström 說。 Gustav Söderström 表示，這代表工程師的角色已轉變為「監督者」，他們現在的主要工作是向 AI 下達指令，並對生成結果進行審核與驗證，而且大多數科技從業人員近期都經歷了類似轉變。 全面打造 AI 開發流程，讓 Claude Code 成為內部基礎工具 Spotify 的這場 AI 轉型並非空談，而是建立在具體的技術導入上。Gustav Söderström 在會議中展現出對 Anthropic 公司旗下 AI […]

解鎖數十億次新流量！Google 揭 2026 行銷藍圖：AI 如何重構廣告與轉化流程？

隨著 AI 技術快速演進，Google 近日也針對 2026 年的數位廣告與商務前景提出全新的願景。Google 廣告與商務部門副總裁 Vidhya Srinivasan 指出，未來的核心目標是重新構想商業體驗，使其變得更加「流暢（fluid）、更具輔助性（assistive）且高度個人化（personal）」。 在傳統的消費模式中，消費者往往面臨一種權衡：是為了求快而冒著買錯的風險，還是花費數小時研究以確保決策正確。Google 認為，現在這樣的權衡正在消失，因為透過 AI 驅動，速度與確定性將能並存。 此外，未來的數位廣告與商務不再僅僅關注單次的曝光或點擊，而是由 AI 在不同情境中即時提供協助，目標是「消除購物中的繁瑣工作，讓消費者能專注於有趣的部分」。 為了讓這套 AI 驅動的體驗能夠規模化落地，Google 也同步強化廣告主端的創作與衡量能力，像 Google 推出最新的「Gemini 3」模型來驅動廣告工具，這包含如「Nano Banana」與「Veo 3」等創意生成工具，讓廣告主能在幾分鐘內製作出攝影棚級品質的作品。Google 數據顯示，2025 年廣告主使用 Gemini 生成的素材增加 3 倍，顯示生成式媒體已成為可規模化的現實。同時，Google 也正在重新設計成效衡量系統（measurement stack），解決目前數據破碎的問題，打造一站式的衡量平台。 Google 強調，接下來品牌能否在「正確的時機」出現在消費者面前，將是 2026 年行銷體驗設計的關鍵。AI 將被用來深度理解使用者的意圖，幫助消費者實現從搜尋、瀏覽內容到購物結帳過程的無縫銜接。因此，現在是一個商業與消費者共同擴展的時刻，需要一套全新的劇本來應對。 AI 將搜尋、YouTube 與購物路徑整合為同一套轉化流程 為了實現這些願景，Google 正致力於利用 AI 強化搜尋與 YouTube 在商務中的角色，並將內容影響力直接轉化為實際的購物與交易行為。 Google 指出，消費者在做出購買決策前，往往會同時接觸搜尋結果、影音內容與創作者推薦。因此，YouTube 作為美國收視率最高的串流平台，其創作者已成為當今最受信任的潮流引領者，所以 Google 計劃利用 AI 來深度理解影片內容與觀眾屬性，並將品牌與最適合的創作者社群進行即時配對，從而將創作者的自然影響力，轉化為實際的商業影響。 […]

打破對 NVIDIA 的依賴：OpenAI 推 GPT-5.3-Codex-Spark，回應速度提升 15 倍卻有代價

OpenAI 近日正式發布 GPT-5.3-Codex-Spark 研究預覽版，這是旗艦模型 GPT-5.3-Codex 的較小版本，也是 OpenAI 首個專為即時編碼協作而建構的模型，核心目標是透過部署在超低延遲的專用硬體上，提供開發者「近乎即時」的互動式編碼體驗。 Cerebras 成為 Codex-Spark 創造低延遲硬體基礎 為了達成這個低延遲目標，OpenAI 指出，Codex-Spark 的推出是與晶片製造商 Cerebras Systems 展開策略夥伴關係的「第一個里程碑」，並已將 GPT-5.3-Codex-Spark 模型部署在 Cerebras 的硬體上提供服務。 Codex-Spark 的快速推理主要運行在 Cerebras 的晶圓級引擎 3（Wafer Scale Engine 3），這是一個大小與餐盤相仿、包含 4 兆個電晶體的單晶片。這款硬體可以消除困擾傳統 GPU 叢集的瓶頸，也就是人工智慧工作負載分佈在小型處理器叢集上時產生的大量通訊開銷。 這次 OpenAI 與 Cerebras 的合作，也被視為 OpenAI 正在擺脫對 NVIDIA 的依賴，不過 OpenAI 強調 NVIDIA GPU 仍是內部訓練與推理的基礎，Cerebras 的定位則是補足「極低延遲工作流」的專用服務層。 從模型效能到互動流程：Codex-Spark 的加速邏輯 在硬體之外，OpenAI 也同步重寫了 Codex-Spark 的互動邏輯。在速度表現上，OpenAI […]

試穿購買率達 60%！Reformation 如何靠科技試衣間，把實體店做出電商效率？

有些人逛街時，覺得掛在展示空間的衣服很好看，但試穿之後反而尺寸不合、風格不搭等等，往往最後什麼都沒買就離開。 然而，美國女裝品牌 Reformation 卻交出一項令人矚目的數據：門市試穿後的購買轉換率高達 60%。這個數字的背後，並非單純來自產品本身，而是一整套將電商邏輯完整移植到實體門市的科技架構。 顧客選一件，後台自動推薦延伸搭配！試衣像逛網拍 走進 Reformation 的門市，首先映入眼簾的是「極簡」的陳列方式。店面只展示每款商品的一件樣品，所有庫存集中於後場。消費者不需要抱著多件衣服在架上穿梭，而是透過三種方式建立自己的試衣清單：由店員使用手持裝置協助加入商品、在牆面螢幕瀏覽完整目錄並點選欲試穿款式，或是以手機掃描商品標籤，自行建立數位試衣間。當顧客按下「建立試衣間（Build me a dressing room）」，系統便會啟動後台流程。 View this post on Instagram A post shared by Reformation (@reformation) 門市後方的運作模式像是一個微型物流中心，而非傳統倉庫。專責人員依照系統指示，將顧客選定的商品配送至指定試衣間。更關鍵的是，系統會根據消費者選擇的品項與過往數據，自動加入「你可能也喜歡」的延伸搭配，模擬電商推薦頁的邏輯。當顧客走進試衣間，等待她的不只是原本挑選的衣服，還有經由演算法建議的完整造型提案。 試衣間本身同樣數位化。螢幕顯示當前試穿清單、搭配建議等，並提供不同燈光模式，讓顧客模擬各種場合情境。若需要更換尺寸，只需透過螢幕發送請求，後台即可即時補送。這套體驗設計大幅降低試穿過程中的摩擦，讓消費者專注於穿著感受與風格判斷，也使品牌得以追蹤每一次互動。 應用數據，讓產品設計和開發都建立在真實穿著行為上 除了運用數據優化消費者的試穿體驗之外，Reformation 也把試穿數據回饋在產品開發上。它透過精準掌握每一件商品的試穿次數與購買轉換率，甚至細緻到單品層級，比方說某款洋裝被頻繁試穿卻銷售不佳，團隊便會進一步分析原因：是否版型在胸圍處過窄？拉鍊設計是否影響穿脫？材質是否在特定燈光下顯得不理想？這些來自試衣間的行為數據，成為產品優化的重要依據。 為了將這些前端數據有效整合進產品開發流程，Reformation 導入 Centric Software 的產品生命週期管理系統。透過這個系統，設計、打版、採購與永續資訊得以集中管理，並與實體門市回傳的試穿數據連動。產品經理可以將門市反饋以視覺化方式呈現，直接回溯至原材料選擇、供應鏈節點與設計規格。這意味著，試衣間所揭示的問題不再停留在營運層面，而是被納入產品生命週期管理，成為下一輪設計調整的依據。 對於以每週兩次限量上架聞名的 Reformation 而言，這種高頻率產品節奏需要更精準的資訊流與決策依據。這個系統也進一步協助商品企劃與開發團隊對齊時程。由於商品開發與銷售季節規劃並非完全同步，視覺化協作工具讓不同部門得以在同一平台上調整系列配置與上市規劃。 當多數零售品牌仍在思考如何串聯線上和線下的流量時，Reformation 選擇把電商的數據邏輯、推薦機制帶入實體空間。試衣間因此從單純的更衣空間，轉變為數據採集與產品驗證的核心場域。高達六成的試穿轉換率，既來自消費者對產品的喜愛，也來自一套可追蹤、可優化、可快速迭代的數位基礎架構。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI 如何重塑「超自動化」工廠 ＊本文開放合作夥伴轉載，參考資料：《Time》、Centric Software ，首圖來源：Reformation （責任編輯：廖紹伶）

【科技早餐】賴清德談半導體外移：核心製程留台、海外同步擴張

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊賴清德：支持半導體赴海外，先進製程仍留台灣 總統賴清德接受《法新社》專訪表示，支持半導體晶片產業赴美、日、德投資。他指出，只要研發中心與最先進製程仍留在台灣，台灣就能維持在全球半導體供應鏈中的戰略地位，並期盼台灣與歐洲在國防工業與技術層面深化合作。 台灣經濟研究院產經資料庫總監劉佩真指出，在地緣政治變化、美國政策走向與 AI 需求激增三因素下，台積電赴美投資已成趨勢。前駐歐盟代表李淳則表示，生產基地布局由企業與客戶決定。隨台美關稅協議底定，全球半導體版圖正由東亞集中，轉向「美台雙核心」發展。 ＊Google 推動代理商務，AI 直接完成購買流程 Google 廣告副總裁暨總經理 Vidhya Srinivasan 在 2026 年度公開信指出，AI 代理人將進入「代理商務」實戰階段。Google 推出「Universal Commerce Protocol」(UCP) 開放標準，讓 AI 能直接對接電商平台，目前已在美國 AI Mode 與 Gemini App 測試運作。 透過 UCP，AI 可抓取合作平台庫存與價格，並於對話中完成下單流程。Google 同時測試將 Sponsored Links 與 Direct Offers 融入 AI 回答，並在廣告後台整合影片生成模型 Veo 3，強化廣告素材自動化能力。 ＊人形機器人融資創高，中美進入量產競速 市場研究平台 Tracxn 數據顯示，2025 年全球人形機器人新創融資達 26.5 億美元，超過 2018 至 2024 […]

當 AI 代理開始動用資金：Coinbase 推 Agentic Wallets ，正在打開機器經濟入口

現在 AI Agent 已經能回答問題、摘要文件、協助處理任務，但一旦碰到需要付款、交易、配置資產等「需要用到錢」的事情，多數 AI 代理仍會卡在最後一步，無法真正完成行動。 為了補上這樣的缺口，Coinbase 近日宣布推出 Agentic Wallets，目標就是讓自主 AI Agent 能直接使用鏈上金融工具，並讓 AI 代理在沒有人工介入的情況下，獨立管理資金、持有鏈上身份並執行支付。 Agentic Wallets 的關鍵設計：讓 AI「可執行」但不失控 Coinbase 表示，Agentic Wallets 是業界首個「專為自主金融操作而生」的基礎設施。同時，為了降低開發門檻，Coinbase 提供內建的 Agent Skills，包含 trade（交易）、earn（獲利）、send（發送）等預建金融操作模組，讓開發者不必從頭建構複雜的交易邏輯。 Coinbase 強調，Agentic Wallets 的核心是「x402」，這是一個「為自主 AI 使用情境打造的支付協議」。x402 已具備超過 5,000 萬筆交易的驗證，可廣泛支援機器對機器（M2M）支付、API paywalls（付費牆）與程式化資源存取，且過程完全不需人類介入，也成為後續機器經濟與代理商務場景的支付基礎。 在實際運作層面上，Coinbase 特別解決過往 AI 代理的一大痛點：Gas 費（網路手續費）。Agentic Wallets 在 Base 網路上支援「免 Gas 費交易（gasless trading）」。這項設計至關重要，因為它移除了代理必須管理 ETH 餘額的門檻，確保 AI 能針對任何代幣進行交易，並實現 24/7 全天候運作，不會因為缺乏 […]

年化收入暴增 20 倍：Mistral AI 證明「主權 AI」不是政治口號，而是企業剛需

在歐洲「主權 AI」聲浪升高之際，專注於開源 AI 的法國新創 Mistral AI 交出一張驚人的成績單。《金融時報》報導，Mistral 年化營收已突破 4 億美元，而一年前僅約 2,000 萬美元，等於在 12 個月內成長 20 倍。 Mistral AI 共同創辦人暨執行長 Arthur Mensch 表示，Mistral 估值接近 120 億歐元（142.6 億美元），而其大型企業客戶迅速成長至 100 多家之後，預計在今年年底前實現逾 10 億美元年度經常性收入。 這波成長，來自歐洲企業與政府尋找美國科技巨頭以外替代方案的需求。報導指出，歐盟目前有超過 80% 的數位服務與基礎設施仰賴海外供應商，其中多數為美國企業。隨著對美國外交政策與技術依賴風險的憂慮升溫，歐洲董事會與政府部門對主權 AI 的關注顯著增加，Mistral AI 剛好站在這個轉折點上。 從被看衰到翻身，Mistral 看見什麼樣的商機？ 成立於 2023 年的 Mistral，雖然創立初期站在 AI 風口浪尖，獲得了 NVIDIA、知名創投公司 Andreessen Horowitz，以及法國總統馬克宏的熱情支持，但自 2025 年初中國新創 DeepSeek 發表震驚矽谷的開源 AI 模型以來，聲勢一度不如以往。不過沉潛短短一年內，該公司完成了 17 […]

不讓 Tesla Optimus、中國專美於前！Apptronik 融資 9.3 億美元力拼量產

人形機器人新創 Apptronik 在最新一輪融資中籌集約 5.2 億美元，估值突破 55 億美元，約為去年 A 輪估值的三倍。加計先前 4.15 億美元 A 輪融資，該公司累計融資總額達 9.35 億美元，總融資規模已躋身全球前三大人形機器人公司，僅次於 Figure AI 與 優必選。 本輪由既有投資人 Google 與 B Capital 共同領投，Mercedes-Benz Group 參與投資，並吸引 AT&T Ventures、John Deere 及 Qatar Investment Authority 等新投資人加入。Apptronik 表示，此次屬於今年 2 月 A 輪的延伸募資，因市場需求強勁而擴大規模。 《Forbes》指出，Apptronik 已成為全球投資額排名前三的人形機器人公司：Figure AI 去年 9 月完成 10 億美元融資，總融資額約 19 億美元；優必選累計融資約 9.4 億美元；Agility Robotics 則約 6.41 […]

OpenAI 點頭、Anthropic 退出：揭五角大廈「無限制部署」條款背後誤判風險

隨著 AI 技術在軍事領域的應用日益受到重視，五角大廈正積極將 AI 工具部署至更高敏感度與機密等級的網路。近日，美國國防部宣布內部企業級 AI 平台 GenAI.mil 自推出以來快速擴張，已成為推動國防部轉型為「AI 優先」文化的重要基礎設施。 一名不具名的官員向路透社透露，五角大廈現在正「採取行動將前沿 AI 能力部署至所有機密層級」，以支援更廣泛且關鍵的國防作業需求。作為此擴張計畫的關鍵一步，五角大廈正式與 OpenAI 達成合作，將 ChatGPT 整合進 GenAI.mil 平台。這項合作將使約 300 萬名國防部人員可在授權範圍內使用 ChatGPT，以支援資料整理、任務規劃與行政作業等用途。據傳，OpenAI 內部曾對此有過一番辯論，部分員工支持與軍方合作的原因之一，是為了避免讓 xAI 及其模型 Grok 取得競爭優勢。 這次合作，OpenAI 為軍方提供的是「客製化整合版」的 ChatGPT，部署於國防部既有的政府雲端基礎設施中，而非直接連接一般的消費級產品，進一步確保數據處理符合國防數據的安全規範。不過，OpenAI 發言人強調，目前的協議僅限於透過 GenAI.mil 進行「非機密（unclassified）」用途的使用，若要擴展至機密網路，則需要簽署新的協議或修改現有合約。 五角大廈要求 AI「無限制部署」，OpenAI 接受、Anthropic 退出 這項目前仍限於非機密用途的合作，並非五角大廈對 AI 的最終期待。《Semafor》報導，五角大廈在與 AI 廠商洽談合作時，明確要求模型必須能「無限制部署」，意即用於「所有合法用途（all lawful uses）」，這代表無論是基於道德或技術理由，AI 公司都不能對具體的使用場景保留最終否決權。 OpenAI 最終接受這項條件。不過，OpenAI 採取的折衷方案是提供與非軍事用戶相同的核心模型，這代表該模型仍保有既有的標準安全護欄（standard guardrails），並可能在預設情況下拒絕某些被禁止的指令。因此 OpenAI 雖然接受了「所有合法用途」的條款，但模型本身的防護機制並未完全移除。 相較之下，競爭對手 Anthropic 則因堅持對模型用途保有更大的控制權，讓談判陷入僵局。Anthropic 擔憂自身技術可能被用於不可靠或危及生命的場景，因此要求更嚴格的監管權限，但五角大廈拒絕這些額外的控制要求，這也讓 […]

重寫 AI 醫療責任，為何美國猶他州敢讓 AI 接手「慢性病續方」？

近期美國猶他州政府在監管沙盒框架下，核准 AI 醫療決策系統 Doctronic 展開試點，該系統在特定條件下，無需人類醫師審核，即可自動為患者開立處方續方。 這項政策落地，挑戰了長久以來「續方必須由人類醫師親自處理」的傳統認知。 Doctronic 適用邊界：只處理已確診慢性病續方 根據猶他州的監管框架，Doctronic 這套 AI 系統並非被授權去診斷新疾病，而是針對那些已經由人類醫師確診、且需要長期服藥的慢性病患者提供自動化服務。 目前，該系統涵蓋了大約 190 種常用藥物，且這都是經過醫療體系深思考量過的藥物清單。為了確保公眾安全，政府明令排除了具有成癮風險的止痛藥物、治療注意力不足過動症（ADHD）的興奮劑，以及操作較為複雜的注射類藥劑。 而在具體的運作流程上，Doctronic 展現了 AI 數位化處理的高效性。當患者提出續方需求時，系統會立即讀取該患者的電子病歷，並進行一套與人類醫師門診時完全相同問詢流程；包括確認患者的身體狀況是否發生了顯著變化、有無出現新的不適症狀，或是是否存在任何可能改變用藥決策的變數。 如果患者的回答與既有數據皆未觸發任何「紅字警告」，系統便會直接將續方指令發送至藥房，整個過程在數分鐘內即可完成，且不受辦公時間限制。 一旦 AI 在問詢中察覺到任何異常信號，例如患者描述了新的副作用或病情加重的跡象，系統會立即啟動避險機制，將該案例轉交給人類醫師進行人工判斷。 99.2% 一致率是政府敢放行的數據底氣 支持這項創新制度的核心基石，是一項由 Doctronic 提供的 500 名急診／急診照護患者對照研究數據。這份數據顯示，Doctronic 的 AI 處方方案與人類醫師的一致率高達 99.2%。 更令人意外的是，在那些僅存的「分歧案例」中，經過第三方專家小組的獨立評審，AI 提供的方案，反而更常被判定為更符合臨床指南的最佳選項。這意味著在規律性極強的慢性病管理中，AI 規避了人類醫師因疲勞、情緒或資訊遺漏可能產生的疏忽。 AI 被視為「執業者」而非醫療器材 至於猶他州政府在監管邏輯上的最大創新，莫過於對 Doctronic 的身分認定。在過去的案例中，輔助診斷軟體通常被歸類為「醫療器材」（Medical Device），其監管路徑往往遵循美國食品藥物管理局（FDA）的產品責任法。在這種框架下，如果系統出錯，開發商通常面臨的是產品瑕疵的法律責任。 然而，猶他州採取了截然不同的路徑，他們將 Doctronic 在責任與監管框架上，比照「有限範圍的醫療執業者」（Practitioner），而非傳統醫療器材。 這種身分轉變帶來的法律後果是深遠的，最顯著的改變在於責任機制的建立。猶他州政府為該系統核准了一種特有的「醫療事故責任保險」，也就是當 Doctronic 開出錯誤處方導致患者受損時，其面臨的是「醫療糾紛」而非單純的「產品理賠」。Doctronic 與人類醫師一樣，被置於相同的法律責任天秤上。 另外，該政府設立了極其嚴格的早期風險控制機制：在初期運行中，每一類藥物的前 250 張 AI 處方，都必須由人類醫師進行 […]

三星為何輸了這一局？SK 海力士獨霸 HBM 市場的啟示：當追隨者掌握了定義權

《金融時報》報導，長期以來，進入三星電子工作被視為韓國年輕人最典型的職涯夢想，但這個現象正在改變。一項針對年輕求職者的近期調查顯示，韓國現在最受歡迎的雇主已經變成了 SK 海力士。這家晶片製造商正處於其歷史上最成功的時期，這要歸功於它在全球經濟最關鍵技術之一：高頻寬記憶體（HBM）晶片領域的主導地位。 SK 海力士不只擊敗了包括宿敵三星在內的知名晶片製造商，奪下了超過一半的全球 HBM 市場份額，更成為 NVIDIA 的主要 HBM 供應商，近期還被微軟選中為其自研 AI 晶片提供服務。SK 海力士如今的成就，與其歷史形成強烈對比。 「殭屍企業」的重生：從被收購到豪賭 HBM SK 海力士前身為現代電子（Hyundai Electronics），在 1997 至 1998 年亞洲金融風暴及 2000 年代初期的 DRAM 供應過剩危機後，曾長期淪為由債權人擁有的「殭屍」企業。 2002 年，美光（Micron）曾提出以 32 億美元收購，但拒絕承擔其 60 億美元的債務，該交易最終告吹。直到 2011 年，SK 集團才出資結束了這場被稱為「海力士詛咒」的危機，當時甚至連 SK 電信內部的反對聲浪都極大，擔憂會因此被拖垮。 《金融時報》觀察，讓 SK 海力士扭轉命運的關鍵，在於 SK 集團會長崔泰源的一項決策：任命資深工程師朴星昱為執行長。在朴星昱的帶領下，SK 海力士培養出一種「孤注一擲」的挑戰者心態，並鼓勵團隊優先考慮長期研發而非短期財務表現。這種策略讓他們在幾乎無人看好 HBM 技術時，仍堅持投入研發。在 2010 年至 2024 年間，其研發投入平均每年成長 14%。 雖然 HBM 最初用於昂貴的遊戲顯卡，看起來像是「一個尋找問題的解決方案」，但《晶片戰爭》作者 Chris […]

【科技早餐】科技業百年債重現！Alphabet 發債逼近 320 億美元，2026 年資本支出上看 1,850 億

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Alphabet 逼近 320 億美元發債，AI 基建提前鎖定長期資金 Google 母公司 Alphabet 最新一輪全球發債規模已逼近 320 億美元，高於原先市場預期。根據倫敦證券交易所集團（LSEG）數據，此次發行包含百年期債券，是科技業自 1997 年摩托羅拉（Motorola）以來首見，公司並透過英鎊與瑞郎計價債券，在歐洲市場募得約 110 億美元。 Alphabet 預估 2026 年資本支出將升至 1,750 至 1,850 億美元，遠高於 2025 年的 914.5 億美元，也明顯超出分析師預期。Amazon、Microsoft、Alphabet 與 Meta 四大 hyperscalers 2026 年合併資本支出預估將突破 6,300 億美元，資本市場正為 AI 基礎建設提前部署。 ＊美國商務部：NVIDIA 必須遵守對中晶片授權條款 美國商務部長盧特尼克（Howard Lutnick）在聽證會上表示，NVIDIA 必須接受向中國銷售第二先進 AI 晶片所適用的授權條款，相關細節由商務部與國務院共同制定。《路透社》報導，NVIDIA 尚未同意部分條件，包括「認識你的客戶」（Know-Your-Customer，KYC）機制。 這項銷售安排源於去年 10 月美中於韓國達成的貿易休戰框架。盧特尼克指出，晶片使用限制與關鍵礦產議題仍在更高層級協調。AI 晶片出口已從企業交易延伸至國家層級的政策工具。 ＊Amazon 傳打造 AI […]

未中斷服務卻潛伏 11 個月：網路間諜組織 UNC3886 滲透新加坡四大電信，基礎設施成 APT 主戰場

近日，新加坡電信網路被拉進國家級攻防前線。新加坡政府證實，經調查確認，與中國有關的網路間諜組織 UNC3886 在一場「為期數月」的行動中，鎖定滲透 Singtel（新加坡電信）、StarHub（星和）、M1 與 SIMBA Telecom 等四家主要電信公司。 根據調查報告，攻擊者展現高度複雜的手段，並至少利用一個「先前未知的漏洞（zero-day）」來繞過防火牆，成功進入電信系統。新加坡當局強調，攻擊者雖然成功滲透並存取電信系統的部分區域，但僅外流「少量」的技術資料，沒有敏感資料遭到存取，且包括 5G 核心網路（5G core） 在內的最關鍵系統已被隔離鎖定，未被攻破。 調查結果顯示，攻擊者竊取這些網路拓撲與配置數據，主要目的是為了繪製網路藍圖，以支援長期的情報蒐集與後續行動目標，而非為了立即破壞。此外，新加坡官方也將此次事件與近期針對歐美電信業的「鹽颱風（Salt Typhoon）」攻擊相提並論，指出兩者手法相似，但強調新加坡此次遭受的損害程度較輕。 UNC3886：被視為與中國有關的間諜組織，鎖定基礎設施的 APT 威脅 新加坡官方將 UNC3886 描述為一個「進階持續性威脅（advanced persistent threat, APT）」等級的網路間諜組織。Google 旗下的網路安全公司 Mandiant 曾將 UNC3886 定義為「與中國有關」，並指出其攻擊目標廣泛涵蓋美國與亞洲的國防、科技與電信組織。 此外，UNC3886 擅長利用路由器、防火牆與虛擬化環境中的零日漏洞（zero-day vulnerabilities）來進行滲透，這類環境通常是傳統資安工具難以觸及的死角。UNC3886 通常不直接攻擊終端用戶設備，而是專注於滲透網路基礎設施中較少被監控的區域，以便安靜地竊取資訊。 新加坡的調查報告也提到，UNC3886 在成功入侵後，會使用 rootkits 等先進工具來維持在系統內的長期潛伏與隱蔽存取（long-term persistence），確保其行蹤不被發現。 儘管新加坡政府在對外說明中將此攻擊歸咎於 UNC3886，但當局也謹慎地表示，目前並未正式公開點名任何特定國家為幕後主謀。 Operation Cyber Guardian：長達 11 個月的清除行動 新加坡網路安全局（Cyber Security Agency of Singapore, CSA）透露，在發現 UNC3886 滲透四大電信網路後，當局便啟動新加坡史上規模最大、為期 11 個月的網路防禦行動，名為「Operation […]

晶片設計 70% 時間在寫程式？Cadence 推 AI 代理 ChipStack，稱生產力提升 10 倍

在晶片設計複雜度不斷飆升、工程人才日益吃緊下，電子設計自動化（EDA）巨頭 Cadence 正試圖用 AI 改寫半導體開發流程。該公司推出名為 ChipStack AI Super Agent 的 AI 代理系統，目的在幫助 NVIDIA 等公司加快晶片設計過程，而這正是中美科技戰的關鍵領域。 根據《Reuters》報導，晶片開發流程高度勞力密集，工程團隊往往有多達 70% 的時間耗費在撰寫與測試程式碼上。Cadence 驗證軟體產品管理主管 Matt Graham 也告訴《SiliconAngle》，驗證流程是目前最主要的瓶頸，其複雜度呈指數級成長，「雙倍的閘極數量，會讓狀態空間平方成長」，這使人工驗證成本難以負擔。 建立「心智模型」，讓 AI 理解整顆晶片怎麼運作 ChipStack 的核心特色，在於為每個專案建立完整的設計認知架構。進一步來說，該系統會先分析規格文件、設計說明與程式碼內容，建立一套描述晶片運作邏輯的「心智模型」，再透過這套模型，自動調用 Cadence 旗下各種 EDA 工具，進行驗證、除錯與最佳化。Cadence 宣稱，使用該工具可將部分任務的速度提高 10 倍。 Cadence 研發副總裁兼總經理 Paul Cunningham 形容，未來工程師不必再熟悉所有複雜指令與操作介面，只要用自然語言描述需求，就能與設計工具互動，而這讓使用者體驗變得更加友善。 該 AI 架構是基於 Cadence 的晶片設計知識專門開發而成，而非直接套用通用大型語言模型，目的是降低幻覺風險，避免在高風險晶片設計流程中產生錯誤資訊。目前，已有 NVIDIA、Altera 和 Tenstorrent 等晶片供應商初步採用該工具。 緩解人才荒與地緣競爭壓力，但全自動設計仍是願景 除了提升效率，AI 代理也被視為解決半導體人才短缺的關鍵解方。根據半導體產業協會（SIA）統計，至 2030 年，產業將面臨數萬名工程師的缺口。Cadence 認為，其 AI 代理扮演協助資深工程師的「初階工程師」角色，能填補人才供應日益吃緊的缺口。 […]

「支付武器化」威脅升溫：歐洲如何透過數位歐元，試圖擺脫對 Visa 與 Mastercard 的依賴？

隨著地緣政治緊張局勢升溫，歐洲正加速推動支付系統的獨立性，試圖擺脫對 Visa 與 Mastercard 等美國支付巨頭的依賴。歐洲官員與金融業界日益擔憂，一旦跨大西洋關係嚴重惡化，美國支付公司在歐洲市場的主導地位可能被「武器化」（weaponised）。這種依賴被視為潛在的國安漏洞，促使歐洲各界呼籲必須緊急採取行動以降低風險。 因此，從民間銀行聯盟推出的「Wero」電子錢包，到歐洲央行（ECB）擘劃中的「數位歐元」，一場關於貨幣主權與支付韌性的變革正在歐洲展開。 依賴美系支付網的「單點風險」浮上檯面 根據歐洲央行的數據，2022 年歐元區約有三分之二的卡片交易由 Visa 與 Mastercard 處理，更嚴峻的是，歐元區內有 13 個成員國完全缺乏本土的替代方案。前歐洲央行總裁 Mario Draghi 對此曾發出警示，強調「相互依賴（Interdependence）」曾經被視為一種相互制衡的來源，但現在卻變成了施壓與控制的手段。 隨著現金使用率下滑，歐洲對支付基礎設施韌性的焦慮也持續加劇。支付網路如今被視為攸關日常消費與經濟運作的關鍵環節，ECB 執行委員 Piero Cipollone 在接受採訪時進一步指出，歐洲「近 70%」的「刷卡發起交易」（card-initiated transactions）是由非歐洲公司處理，這引發了對歐洲支付韌性的嚴重擔憂。 民間路線：歐盟支付倡議推出對標 Apple Pay 的替代選項，但「規模化」是硬仗 為了應對這樣的挑戰，歐洲銀行業試圖透過市場機制突圍。歐盟支付倡議（European Payments Initiative, EPI）執行長 Martina Weimert 直言，歐洲雖然擁有不錯的各國國內支付資產，但缺乏「跨境」解法。 Martina Weimert 進一步表示：「我們高度依賴國際支付解決方案，如果我們說獨立性如此重要，而且我們都知道這是時間問題，那我們就必須緊急採取行動。」 因此，由 16 家歐洲銀行與金融服務公司組成的 EPI，已於 2024 年推出了名為 Wero 的數位支付方案，目標是成為歐洲對標 Apple Pay 的替代選項。Wero 目前在比利時、法國、德國已累積 4,850 萬用戶，並規劃在 2027 年前將服務範圍擴展至線上與實體店內支付。 […]

機器人領域的 LLaMA 時刻：阿里巴巴推 RynnBrain 開源模型，要正面迎戰 Google 與 NVIDIA

當大型語言模型（LLM）逐漸成熟，科技巨頭的競爭焦點逐漸轉向能與真實世界互動的「實體 AI（Physical AI）」。像是近日阿里巴巴宣布推出全新開源機器人 AI 模型「RynnBrain」，試圖為機器人打造可理解與操作物理世界的「大腦」，同時展現中國科技巨頭加速在全球具身智慧（Embodied Intelligence）市場卡位的決心。 這款由阿里巴巴達摩院（DAMO Academy）發布的 RynnBrain，被定位為機器人領域的基礎模型，核心目標是讓機器人能理解周遭物理環境並識別物體。在官方展示中，搭載 RynnBrain 的機器人能辨識不同水果，並將這些水果精準放入籃中。這樣的操作看似簡單，實際上卻涉及對物體特徵的判斷、空間位置的計算，以及精細的運動控制協調，顯示 RynnBrain 正在將語言模型時代的能力，延伸到可實際執行動作的實體場景中。 RynnBrain 採用端到端整合設計，讓感知、規劃與控制由同一個大腦處理 從技術架構來看，RynnBrain 是一個典型的「視覺–語言–行動（VLA）」模型，其最大突破在於採用端到端（End-to-End）的整合設計，不再像傳統機器人系統將感知、規劃與控制視為分離的模組，而是統一由一個大腦處理。 這樣的設計模式，也代表 RynnBrain 能直接解讀視覺輸入與自然語言指令，並轉化為機器人的具體物理行動。例如，機器人可以接收「拿起紅色杯子並放在架子上」的口語指令，接著在無需人工編寫特定規則的情況下，自行在雜亂環境中識別物體、規劃無碰撞路徑並進行抓取。 相關技術文件指出，RynnBrain 使用 Transformer 結構，並基於阿里巴巴的 Qwen3-VL 視覺語言模型進行訓練。其架構包含處理鏡頭影像的 Vision Transformer (ViT)、解讀指令的語言解碼器，以及一個關鍵的基於擴散模型（Diffusion-based）的 Action Head，讓機器人能進行物體映射、軌跡預測和環境導航，並在動態環境中生成更平滑的運動路徑。 此外，在訓練過程中，RynnBrain 結合大規模的模擬環境數據與真實世界的遙控操作數據，讓模型具備理解空間與時間關係的能力。在基準測試中，阿里巴巴稱 RynnBrain 的效能已超越 Google 的 Gemini Robotics-ER 1.5 與 NVIDIA 的 Cosmos 模型。 在全球實體 AI 競賽中，阿里巴巴的主要對手 Google DeepMind 已推出 Gemini Robotics-ER 1.5，試圖將語言模型能力延伸至實體操作；NVIDIA 則以 […]

追趕 Starlink 的百億美元豪賭！亞馬遜獲准發射二代低軌衛星，但正面臨壓力

亞馬遜正式加快布局太空網路市場。美國聯邦通訊委員會（FCC）近日批准 Amazon 部署第二代低軌道衛星系統，允許再發射約 4,500 顆新衛星，使其整體衛星星座規模擴大至約 7,700 顆，進一步強化對 SpaceX 旗下 Starlink 的競爭力。 這項核准被視為亞馬遜挑戰全球衛星網路霸主地位的重要里程碑，也象徵其 Leo 計畫正式進入第二階段擴張。 第二代衛星獲准上線，頻譜與覆蓋能力同步升級 根據 FCC 公告，亞馬遜獲准部署的第二代 Leo 衛星，將運行於約 400 英里高度的低軌道，並支援更多無線電頻段，包括 Ku 波段與 V 波段。這代表新一代系統可在更多頻率上傳輸數據，有助於提升整體頻寬容量與網路速度。 此外，亞馬遜新系統還獲得了類似 Starlink 的功率限制豁免權，能在美國境內以較高功率運作，有望改善用戶連線品質，並進一步擴展至極地與偏遠地區。根據《PC Mag》與《GeekWire》報導，其中約 1,200 顆衛星將專門負責極地覆蓋，例如阿拉斯加與加拿大北部，補足過去網路盲區。 Amazon Leo 技術副總裁 Rajeev Badyal 也表示，第二代系統將帶來更高容量、更廣覆蓋範圍與更高傳輸量，對大型企業與政府用戶尤其重要。 面對 Starlink 先行者優勢，亞馬遜怎麼追趕？ 儘管亞馬遜展現了強烈的企圖心，但目前的低軌衛星通訊市場仍由 SpaceX 佔據主導地位。數據顯示，Starlink 目前在軌運行的衛星數量已超過 9,000 顆，並在全球擁有約 900 萬名用戶。 相較之下，亞馬遜的 Leo 服務仍處於追趕階段，且目前僅針對特定企業客戶進行私密測試（Private Beta）。亞馬遜已為此項目投入了 100 億美元，並計劃在今年再增加 […]

台幣穩定幣為何非做不可？台灣金融科技協會理事長王儷玲：不做就會面臨貨幣替代與資金外流危機

專訪：戴季全撰稿：李昀蔚 過去一年，美元穩定幣發行量從 2,080 億美元增至接近 3,200 億美元，交易額年增更出現 70% 到 85% 的成長。當穩定幣從幣圈工具走向跨境結算、資產代幣化（RWA）與 24 小時交易的底層結算，台灣金融業面對的已不只是「要不要追趨勢」的問題，而是「能否守住金融競爭力」的關鍵抉擇。 本集《全新一週》特別邀請到台灣金融科技協會理事長王儷玲，深入剖析台灣發行台幣穩定幣的必要性、RWA 對台灣資本市場的衝擊與機會，以及穩定幣的風險控管和監理策略。 穩定幣的本質是什麼？ 首先，穩定幣的本質究竟是什麼？王儷玲以貨幣銀行學的角度指出，台灣其實同時在推動兩條路線：穩定幣與 CBDC（央行數位法幣）。CBDC 是由央行發行、將鈔票數位化的法幣，主要回到 Wholesale 的底層應用；穩定幣則是由金融機構或金管會允許機構發行的代幣，較適合 Retail 端使用，並用來支撐金融商品與鏈上交易。兩者雖然法律地位不同，但功能上都可視為「數位現金」，且在政策設計上應該相輔相成。 把視角從定義拉到落地，王儷玲強調，穩定幣會成為 RWA 走向主流時不可或缺的結算工具，因為當股票、債券等資產上鏈，並以 24 小時模式交易時，資金必須能在鏈上即時完成交割與結算，否則區塊鏈降低成本與提高效率的價值將無法真正被釋放。 沒有台幣穩定幣，資金外流、貨幣替代風險浮現 當近期紐約證交所、NASDAQ 都朝 24 小時代幣化交易平台推進，這樣的新趨勢將對台灣資本市場帶來哪些影響？王儷玲直言，成本下降、交易時間拉長與跨區域鏈結，將徹底改變投資行為與市場結構。他指出，當資訊流與金流在鏈上同步，「在不對稱資訊下，就可能會有一些套利甚至做避險，這個過程其實在做 frequency trading（高頻交易）或者當沖的，就有更大的發揮空間」。換言之，未來的投報率與風險模型都會被重新計算，市場效率將大幅提升。 然而，當前台灣面臨的不是抽象競爭，而是實質的流動性保衛戰。當資產能在鏈上 24 小時交易、清算成本極低，投資人將不再受限於地理位置，因此若台灣不跟上，資金與流動性將被重新分配，未來台灣想做「亞資中心」的目標，也將因新交易基礎設施的缺席而被削弱。 另一方面，更深層的危機在於「結算貨幣」的選擇。王儷玲強調，RWA 的普及勢必搭配穩定幣進行即時清算，若台灣沒有自己的台幣穩定幣，市場將被迫使用美元穩定幣，這將導致嚴重的資金外流與貨幣替代。如果台灣缺席，也有可能會讓高資產客戶與年輕世代直接在鏈上完成美元計價的投資循環，進一步讓台幣邊緣化。 因此，王儷玲提出的戰略並非僅是防守，而是利用台灣的產業優勢「反守為攻」，因為台灣擁有強大的科技供應鏈，這正是推廣台幣穩定幣的最佳場景。「我們有優勢，像從供應鏈上面來說，我們有 AI 跟半導體，讓台灣在其他地方也可以用台幣穩定幣來做交易，」王儷玲分析，透過將供應鏈金融上鏈，並發行合規的台幣穩定幣，台灣不僅能留住企業融資與高資產客戶的資金，更能讓台幣隨著台灣的科技實力，在國際數位資產市場中佔有一席之地。 目前高淨值客戶與大型企業供應商使用 USDT／USDC 進行清算與跨境支付的比例正在上升，同時亞洲已有六、七個國家準備發行穩定幣，日本、新加坡、香港等地也將推出「貨幣主權穩定幣」。因此王儷玲主張台幣穩定幣「一定要發」，同時必須先建立基礎設施，讓國際看見台灣參與數位金融的能力，再以供應鏈金融、AI、半導體與 ETF 等優勢打造使用場景，因為一旦企業與投資人因跨境支付與鏈上金融轉向美元穩定幣，台灣在結算層的能見度與掌控力將被稀釋。 【推薦閱讀專題】 【TO Highlight】穩定幣新秩序：科技供應鏈與全球新金融的世紀博弈 風險不在穩定幣，而在「合不合規」 談到市場最在意的風險，王儷玲將問題拆解為「合規」與「不合規」兩端：合規穩定幣的國際趨勢正朝向一致且嚴格的標準收斂， 相對地，不合規的穩定幣則伴隨破產、洗錢等風險。換言之，能否建立起儲備資產與反洗錢的治理框架，才是穩定幣進入主流金融的關鍵門檻。 針對金融業最在意的「儲備不足」與「成本」問題，王儷玲提出了更具商業思維的觀點。他認為，國際監理對合規穩定幣的要求雖高，但這不代表資金只能閒置，「如果在儲備上能夠做一些比較好的佈局，其實也可以賺報酬率，成本也會下降，」這代表合規穩定幣若能結合專業的資產管理，不僅能滿足儲備需求，還能透過收益來支撐營運模型。 最後，王儷玲強調台灣不必等到法規一次到位才啟動，而應善用 […]

遵循「10／20／70」黃金法則：AI 成功關鍵僅 10% 在演算法，七成資源需重構流程

過去，人工智慧更像是企業內部的技術實驗，由資料科學家與工程團隊在局部場景中測試應用，資訊長或 IT 總監往往才是主要窗口。然而，這種「技術部門主導」的階段正在快速結束。 AI 決策權上移，CEO 成為第一責任人 波士頓顧問公司（BCG）近期針對 2,360 位執行長的調查顯示，至少有 50% 的受訪 CEO 表示，若人工智慧計畫失敗，可能直接影響其職位安全。 相較之下，認為自己已準備好領導大型 AI 專案的比例，CEO 為 39%，資訊長或技術長為 38%，其他技術高階主管則僅有 25%。這項落差清楚顯示，AI 的決策責任正在從技術管理層，上移至企業最高治理層。 在多數企業眼中，AI 已不再是一次性工具導入，而是會全面影響營運模式、資本配置與競爭力的核心技術。也因此，越來越多 CEO 開始親自投入 AI 學習。 調查指出，執行長們平均每週花費約八小時，強化自身對 AI 的理解與判斷能力，反映這場轉型已高度個人化。 AI 投資轉向代理化，企業開始布局自主運作系統 隨著治理層級提升，AI 投資也進入制度化階段。BCG 數據顯示，企業目前平均將約 1.7% 的年收入投入人工智慧相關專案，顯示 AI 已成為固定資本支出的一部分，而非短期試驗。 更值得注意的是投資結構的轉變。九成受訪 CEO 認為，AI 代理（Agentic AI）將在 2026 年前帶來可衡量的投資報酬率，今年企業超過 30% 的 AI 預算，已明確流向能夠自主執行任務的代理系統。這代表 AI 的角色，正從「輔助工具」轉為具備執行能力的系統成員。 在這個階段，企業不再只關心模型準確率，而是開始評估 AI 是否能獨立完成高頻、規則明確、低波動性的工作流程，同時為人類團隊提供即時支援，讓人力專注於更複雜、風險更高的決策與關係管理。 […]

資安工具買越多越不安全？64% 受訪專家：放棄最佳單品堆疊，整合平台才是最佳解

雲端現已成為多數企業營運與 AI 策略的核心基礎架構，資安風險也正以更快速度擴散。網路資安廠商 Fortinet 攜手 Cybersecurity Insiders 發布《2026 年雲端資安報告》，針對全球 1,163 位資深資安專家進行調查，指出企業雲端環境正面臨明顯的「複雜度落差」，也就是雲端架構與攻擊面的演進速度，已超出資安團隊在可視性、偵測與即時回應上的承載能力。在 AI 應用加速落地的同時，這種結構性失衡正成為企業雲端防禦失效的關鍵原因。 多雲與混合雲時代，資安防線開始鬆動 調查顯示，在多雲與混合雲成為主流部署模式的情況下，88% 的受訪組織已在混合雲或多雲環境中營運，81% 同時依賴兩個以上的雲端服務供應商，意味著身分管理、網路流量、工作負載與資料存取分散在不同平台中。這種高度分散的架構，使傳統以單一環境為假設所設計的資安工具，難以維持一致的政策、可視性與風險判斷基準，也直接反映在防禦成效上。Fortinet 報告指出，69% 的受訪組織認為工具分散與可視性不足，已成為雲端資安效率低落與威脅偵測失靈的首要障礙。 當安全工具各自運作，缺乏共享的情境資訊與遙測資料，資安團隊往往只能透過人工方式，將原本設計為互不相容的警示訊號進行關聯與判讀。這不僅拉長了事件分析與回應的時間，也使真正具風險的異常行為容易被大量雜訊淹沒。 尤其時下有愈來愈多攻擊者大量運用自動化與 AI 技術、持續掃描組態錯誤與權限漏洞，攻擊從「暴露」到「實際利用」的時間正在急遽縮短，防禦方卻仍停留在以警示為核心的被動模式。調查中已有 66% 的組織坦言，對自身即時偵測與回應雲端威脅的能力缺乏信心，凸顯問題已不只是工具數量不足，而是整體資安架構無法跟上雲端與 AI 驅動攻擊的節奏。 防禦策略的三大方向：整合平台、零信任與先進保護技術 面對這樣的攻防失衡，企業的防禦策略正出現明確轉向。Fortinet 的研究顯示，市場已逐步放棄堆疊數十種「最佳單一功能」工具的做法，轉而尋求統一化的資安架構。有 64% 的受訪者表示，若從零開始規劃雲端安全策略，傾向以單一供應商平台為核心，整合網路、雲端、應用程式與端點安全，建立跨環境的一致可視性。 此外，AI 驅動的威脅偵測與自動回應能力，亦被視為彌補人力與技能缺口的重要手段，尤其是在處理高頻、低風險事件上，能有效減輕資安團隊負擔。 除了整合平台外，零信任架構也被視為雲端時代的基本設計原則。零信任要求每個存取決策都必須驗證身分與權限，並根據情境動態調整存取控制，這對於分散式與多變的雲端環境尤為重要。 AI 代理上線，資安戰場衍生至資料與運算層 企業將 AI 代理深度融入營運與決策流程後，雲端安全的挑戰也延伸至資料與運算層級。AI 模型在訓練與推論階段需要存取大量關鍵營運參數、敏感商業資訊與生產數據，這使資料在「使用中」的風險暴露成為新的防護重點。 因應這一趨勢，業界逐漸重視機密運算（Confidential Computing） 等先進保護技術，旨在透過硬體隔離的可信執行環境（TEE）與可信平台模組（TPM），對正在處理中的資料提供加密與隔離保護，減少資料外洩與不當存取的可能性。各大科技巨頭包括 NVIDIA、Intel、Microsoft 與 Google，皆已在其平台上提供或支援機密運算架構。 在雲端架構日益分散、AI 持續滲透核心營運的情況下，資安的定位正發生根本性轉變。它不再只是技術團隊負責的防禦機制，也不再能透過單一產品或局部強化來解決，而是牽動整體系統設計、資料治理與營運流程的關鍵能力。 隨著環境複雜度快速升高，真正拉開企業差距的，不是工具數量的多寡，而是企業是否具備跨雲、跨系統的持續可視性，能在風險發生的當下即時理解脈絡、做出判斷，並在運算與資料使用過程中建立可信的安全基礎。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI […]

【科技早餐】ChatGPT 用戶動能回來了！月成長重返雙位數，開始測試廣告模式，AI 商業化進入下一階段

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 成長重回雙位數，募資與商業化同步升溫 OpenAI 正向內部員工與外部投資人釋出成長回溫訊號。根據內部訊息，OpenAI 執行長 Sam Altman 表示，ChatGPT 的月成長率已重新站回 10% 以上，目前每週活躍用戶數超過 8 億人，並預告將於本週推出升級版聊天模型。公司在 2025 年 12 月曾對內宣布進入「紅色警報」狀態，暫停多個專案，將資源集中於 ChatGPT 的效能與體驗優化。 除了聊天產品，OpenAI 在程式設計工具領域的成長同樣快速。Altman 指出，Codex 在過去一週內成長約 50%。在資本市場方面，Altman 與 OpenAI 財務長 Sarah Friar 近期頻繁與潛在投資人會面，強調龐大的消費端用戶基礎、企業客戶快速成長，以及對關鍵算力資源的掌握能力。同時，OpenAI 已在美國針對部分免費與 Go 用戶，啟動 ChatGPT 廣告測試，為長期營收結構鋪路。 ＊美國聯邦政府加速 AI 部署，應用案例突破 3,000 項 白宮管理及預算局 OMB 公布最新資料顯示，自「創新美國 AI」行政命令下達以來，截至 2025 年底，美國聯邦政府內部實際運作中的 AI 應用案例已正式突破 3,000 項。該指令要求各部會排除官僚障礙，加速部署 AI，以提升行政效率並推動政府現代化。 在實務應用上，美國司法部與聯邦調查局 […]

比 Sora 更強？字節跳動推 Seedance 2.0，用多模態與模型控制力改寫 AI 影片競爭規則

TikTok 母公司 ByteDance（字節跳動）近日低調推出新一代 AI 影片生成模型 Seedance 2.0 的預發布版本，隨即引發科技界與投資市場的高度關注。Seedance 2.0 主打能生成高品質的「電影級內容」，並強調具備無縫影片延展、自然語言控制等先進功能，這也被視為中國科技巨頭在全球 AI 競賽中，針對 OpenAI Sora 系列發出的強力回擊。 Seedance 2.0 被定位為一款「真正的多模態 AI 創作者」，使用者可以靈活結合圖片、影片、音訊與文字指令來產出影片內容，甚至支援多達 9 張圖片與 3 段影片的混合輸入。 Seedance 2.0 的技術能力與實際效果 Seedance 2.0 目前僅提供給 ByteDance 旗下 AI 影片平台「即夢 AI」（Jimeng AI）的部分用戶測試。ByteDance 表示，Seedance 2.0 可輸出清晰的 2K 解析度影片，且生成速度較前代 1.5 版本快了 30%。除了畫質與速度的提升，值得注意的是，Seedance 2.0 的音訊整合並非後製疊加，而是生成過程的一部分，這能讓角色嘴型與語音精確同步，背景音效也能無縫融入場景之中。 此外，過去在 AI 影片中常見的模糊手指、不自然的皮膚質感以及畫面前後不連貫等破綻，在 Seedance 2.0 生成的影像中正變得越來越難以察覺。社群媒體上的早期測試者與觀察家指出，相較於 OpenAI 的 Sora […]

告別遙控示範？NVIDIA 研究發表機器人世界模型 DreamDojo，模擬與真實相關性達 99.5%

長期以來，機器人的學習高度依賴遙控操作與實體示範資料，但這種方式成本高昂、規模受限，也難以涵蓋真實世界的複雜情境。如今，NVIDIA 領導的研究團隊與加州大學柏克萊分校、史丹佛大學等學術機構合作，正式發表了名為 DreamDojo 的全新機器人世界模型，讓機器人先「看人類怎麼做」，再學會預測與行動。 該研究團隊打造了迄今規模最大的世界模型預訓練資料集 DreamDojo-HV，其中包含了 44,000 小時第一人稱視角的人類活動影片。根據研究團隊，DreamDojo-HV 的規模是先前同類資料集的 15 倍，涵蓋的技能數量多出 96 倍，場景數量甚至超出 2,000 倍。 透過學習涵蓋家庭、零售、維修等日常生活場景的影片，DreamDojo 能夠理解物理世界的運作邏輯與物體互動的因果關係，成為首個在訓練後能對多種未見過物件與環境展現強大適應能力的機器人世界模型。 導入「潛在動作」，將人類經驗轉化為機器人技能 DreamDojo 採用雙階段訓練架構。首先在預訓練階段，系統面臨的最大挑戰是人類影片通常缺乏精確的動作標籤。為此，研究團隊開發了「連續潛在動作」（Continuous Latent Actions）技術作為統一的代理標籤。這項技術能從影片幀數的變化中自動提取語義上有意義的動作特徵，讓模型在沒有標註的情況下，也能學習人類如何與物體互動以及其物理後果。 在獲得通用的物理知識後，模型進入針對特定機器人硬體（如 Fourier GR-1、Unitree G1 等）的後訓練階段。透過少量的機器人特定數據微調，DreamDojo 能將從人類影片中學到的通用物理法則，映射到機器人的具體操作上。其實驗顯示，這種方法讓機器人能夠在面對從未見過的物體或環境時，依然能做出符合物理邏輯的反應，展現出泛化能力。 透過蒸餾技術實現即時推論，加速企業部署與測試 為了讓世界模型具備實用價值，運算速度至關重要。根據研究，初始的基礎模型雖然精確但推論速度較慢（約 2.72 FPS），難以應用於即時任務。因此，研究團隊導入了一套自動回歸蒸餾（Autoregressive Distillation）流程，將模型轉化為只需極少步數即可生成影像的學生模型。這使得 DreamDojo 能以 10.81 FPS 的速度即時運行，並支援超過 1 分鐘的長時程穩定模擬。 對企業而言，機器人部署最大的痛點之一，在於訓練與測試成本過高。傳統方式往往需要蒐集大量實體示範資料，並反覆在現場驗證，導致導入週期動輒以年計算。DreamDojo 則試圖以「先模擬、後實測」的方式重構流程。研究團隊指出，該系統可用於政策評估（policy evaluation）與模型導向規劃（model-based planning），企業能先在虛擬環境中測試各種策略，再決定是否進入實體部署。 數據顯示，DreamDojo 在模擬環境中的成功率與真實世界的成功率呈現高度線性相關（Pearson 相關係數達 0.995）。此外，該系統還支援即時遠端操作，操作員可透過 VR 控制器直接在虛擬世界中指揮機器人，進一步降低了數據收集與操作訓練的門檻。 儘管 DreamDojo 距離大規模商業落地仍有距離，研究團隊也坦言，在罕見動作與細微失誤模擬方面仍存在限制，但該系統已為實體 AI（Physical AI）發展奠定關鍵基礎。該研究團隊表示，相關程式碼將會對外公開釋出，但尚未公布具體時程。 […]

當聊天紀錄變成投放訊號：OpenAI 測試 ChatGPT 廣告，如何證明 AI 回答不受變現誘因影響？

OpenAI 創辦人暨執行長 Sam Altman 過去認為廣告是令人厭惡的存在，但現在 OpenAI 正陸續推出相關產品服務。 近日 OpenAI 正式宣布已開始在美國地區測試 ChatGPT 的廣告投放功能。首波測試對象鎖定「已登入的成年人」，且僅限免費用戶與新推出的輕量付費方案（ChatGPT Go）訂閱者。為了保障高階用戶體驗，目前包含 Plus、Pro、Business、Enterprise 與 Education 方案等付費層級，皆不在本次廣告測試的投放範圍內。 標示贊助連結，分隔回答區塊，OpenAI 強調答案不受廣告影響 「廣告不會影響 ChatGPT 的回答，」面對外界對廣告可能干擾 AI 中立性的擔憂，OpenAI 在官方公告中強調，系統生成的回答仍會以「對你最有幫助」為最優先考量，廣告主無法干涉或影響 ChatGPT 所生成的答案內容，OpenAI 也不會為特定的廣告主、產品或服務進行背書。此外，為了維護對話品質與安全性，若使用者討論的主題涉及健康、心理健康或政治等敏感與受監管話題，系統將自動屏蔽廣告，確保這些重要對話不受商業訊息干擾。 除了在內容層面的承諾，OpenAI 也在介面上做出區隔。在視覺上，OpenAI 表示當廣告出現時，這些廣告會以「贊助連結（sponsored links）」的形式呈現，不會打斷對話流程，而且會出現在 ChatGPT 回答內容的底部或獨立區塊中，與一般回答進行分隔。 廣告投放怎麼配對：對話主題、聊天紀錄與概略位置成為關鍵訊號 針對廣告投放的細節，OpenAI 也揭露背後的配對機制，說明在測試期間，系統不僅會依據當下的對話主題、過去的聊天紀錄，以及過往的廣告互動來決定顯示什麼廣告，還會參考使用者的概略位置與語言設定。例如，當使用者正在搜尋食譜，可能會看到食材組合包或雜貨外送服務的廣告，如果同時有多個廣告主符合情境，系統將優先顯示關聯性最高的選項。 然而，當聊天紀錄成為廣告互動的依據，進一步伴隨而來的，就是對隱私保護的疑慮。OpenAI 強調，廣告主「看不到」使用者的具體聊天內容、歷史紀錄、記憶或個人細節，OpenAI 也不會分享使用者的精確位置或 IP 位址。廣告主僅會收到如瀏覽數或點擊數等彙總後的成效資訊。 對於使用者而言，如果對於廣告體驗不滿意，可以透過隱藏特定廣告、提供回饋、查看「為何看到此廣告」、刪除廣告資料等方式，隨時管理廣告個人化設定。不過外界仍擔心，這套資料使用邊界未來是否會擴張。 《Business Insider》指出，OpenAI 雖然表示「目前」不會使用用戶在 ChatGPT 以外的網路行為資料來進行站內廣告投放，但分析師認為考慮到其他大型網路平台的慣例，未來可能會朝著這樣的方向前進。 OpenAI 為何擁抱廣告？從基礎設施成本到現金流壓力，普及化需要新的變現路徑 OpenAI 對於廣告的態度之所以轉向，源於要維持免費層級的快速與穩定，就需要龐大的基礎設施成本，因此廣告被視為重要的收入來源，可以讓 AI 持續普及化。更重要的是，OpenAI 也把廣告放進「對話式決策」的使用情境來理解，意即當使用者正在做購物、旅遊規劃等選擇時，廣告可能具備「長期價值」，因為廣告能以相對自然的方式連接相關產品與服務。 […]

甩開軟體拋售潮陰影！Databricks 估值衝上 1340 億美元，稱 SaaS 並未消亡

在全球軟體類股近期遭遇拋售壓力、投資人擔憂 AI 衝擊既有商業模式之際，數據分析平台 Databricks 逆勢繳出亮眼成績單。該公司近日宣布完成約 50 億美元的新一輪融資，估值達到 1,340 億美元，並同步取得約 20 億美元的債務融資額度。 根據該公司揭露，Databricks 去年第四季年化營收年增 65%，達到 54 億美元，其中 AI 相關產品貢獻已超過 14 億美元。這筆合計約 70 億美元的資金挹注，也使 Databricks 成為目前最具資本實力的私有 AI 與資料平台公司之一。 為寒冬做準備：維持私有身分換取長期布局空間 Databricks 共同創辦人兼執行長 Ali Ghodsi 接受《Reuters》訪問時表示，公司之所以積極強化資產負債表，是為了確保在市場動盪時仍具備長期投資能力。 他形容，這筆資金讓公司「即使遇到寒冬，也能做好準備」，並強調維持私有公司身分，有助於避免受公開市場波動干擾，專注於產品與技術發展。 Ghodsi 也透露，公司計畫未來為員工提供流動性方案，但短期內並未急於推動 IPO，「現在並不是上市的最佳時機」。 AI 反而放大 SaaS 價值，而非取而代之 隨著生成式 AI 與代理工具快速普及，市場近來頻頻出現「AI 將終結 SaaS 模式」的討論。不過，Ghodsi 對此並不認同。他向《TechCrunch》表示，對 Databricks 而言，AI 並沒有削弱 SaaS，反而提高使用量。 他說，「大家都在問，AI 會怎麼改變 SaaS？對我們來說，答案很簡單，就是用得更多。」他也強調，AI 對 […]

縮短 30% 上市時間、降低 60% 檢測成本！合成數據重塑製造業品質管理

在 AI 加速滲透製造業現場的同時，數據正逐漸成為限制製造業者創新速度的瓶頸。製造業高度依賴大量、高品質且可標記的資料來執行瑕疵檢測和品質管理，但現實往往是，資料蒐集昂貴、標記耗時，更伴隨愈來愈嚴格的隱私與合規風險。 也正是在這樣的背景下，合成數據（Synthetic Data）開始從輔助工具，轉變為製造業 AI 專案的核心基礎。 合成數據成為主流，直面製造業 CIO 兩大痛點 顧問公司顧能（Gartner）預測，到 2026 年，合成數據將占 AI 專案訓練數據的 75%。這個趨勢並非偶然，而是來自企業在實務上遭遇的結構性問題。對製造業 CIO 而言，最棘手的兩大挑戰，分別是高昂的數據標記成本，以及日益複雜的數據隱私與合規要求。 傳統 AI 專案中，企業必須先蒐集大量真實影像或感測資料，再投入人力進行清洗、分類與標記。這個過程往往占據專案時程的 70% 到 80%，成本甚至高於模型本身。若涉及跨廠區、跨國資料流通，還需額外處理隱私、智慧財產權與法規問題，導致專案反覆卡關。 合成數據的出現，等於改寫了這套邏輯。企業不再被動等待真實資料累積，而是能主動生成已標記、可控、符合法規的數據集，讓 AI 開發從資料瓶頸中解放。 聚焦製造業瑕疵檢測，從「等資料」變成「造資料」 在製造場景中，合成數據最具代表性的應用之一，便是瑕疵檢測（Defect Detection）。無論是金屬表面的細微刮痕、材料內部的微裂縫，或是組裝誤差，這些「微小瑕疵（Micro-defects）」在真實產線中雖極為罕見，卻對品質與安全影響重大。 問題在於，AI 若缺乏足夠的瑕疵樣本，就很難在實際上線後維持穩定判斷，合成數據正好補上這個缺口。透過模擬不同材質、光源、角度與瑕疵型態，業者可以系統性地生成大量罕見瑕疵情境，更快、更全面的訓練模型。 實務經驗顯示，導入合成數據後，製造業者可縮短約 30% 的產品上市時間，同時降低 60% 的檢測成本。一方面，減少人工檢測與重工；另一方面，也讓品質管理從事後補救，轉向預防與即時判斷。 自駕新創用合成數據模擬十萬種場景，縮短驗證時間 合成數據的價值，不僅止於工廠內部，也已在高度安全敏感的領域獲得驗證。顧問公司 TCS 以日本自動駕駛新創公司 Turing 為例，該公司透過模擬超過 10 萬種交通場景，涵蓋霧夜行駛、行人突然橫越馬路、道路標誌被遮蔽等極端且罕見的危險情境。 這些場景在現實世界中難以大量蒐集，卻是自駕系統必須具備應對能力的關鍵。透過合成數據，Turing 讓模型在訓練階段就接觸到各種極端案例（Edge Cases），也成功將驗證週期縮短 30%，加快部署速度，同時提升整體安全性與可靠性。 這樣的經驗，對製造業同樣具有高度啟發性：當 AI 被要求在高風險、高精度的場景中運作，合成數據是可行、且可規模化的解法。 更重要的是，合成數據帶來的並非單一技術優化，而是一種品質管理思維的轉變。透過可控的數據生成機制，企業能在不觸及真實客戶或生產敏感資料的前提下，進行大規模測試與優化，降低法規與資安風險；同時，合成數據也讓製造業得以重新配置資源，把預算從資料蒐集與標記，轉向模型優化與流程創新。這對正面臨成本壓力與交期競爭的製造業而言，具有高度策略價值。 立即報名 3/3「AI […]

CISO 不只是技術頭，為何資安領導者須學會解讀營收來源與擴張佈局？

資安長（CISO）的角色正經歷轉變。過去，這個職位往往被視為 IT 部門下的一個技術分支，負責防火牆、修補漏洞以及在駭客入侵後進行緊急復原。然而，根據最新的產業研究與市場趨勢，我們正見證這個職涯結構的劇烈分化。 CISO 不再只是一個技術頭銜，而是正朝著決策核心的角色邁進。這種轉變不僅是職稱上的提升，更是企業治理邏輯的改變。 執行級 CISO 正在取代 VP，資安正式被視為業務風險 根據 IANS 研究機構與 Artico Search 在 2025 年針對北美數百位資安領導者的調查，CISO 的職涯路徑正呈現明顯的三層結構，分別是執行級（Executive-level）、副總裁級（VP-level）以及總監級（Director-level）。 這三者之間的界線原本相對模糊，但最新的數據揭示的趨勢表示，原本作為過渡的副總裁級 CISO 正在變少。這種現象導致了組織結構的兩極化，企業要不將資安領導者提升至具備有決策影響力的執行級，要不將其維持在負責資安技術執行的總監級。 在大型企業與產值超過十億美元的上市公司中，執行級 CISO 的比例從 2023 年的三分之一大幅躍升至 2025 年的 47%。這意味著，近乎半數的大型組織已經達成共識，認為資安不再能僅由 IT 領導層代為發言。 當企業規模擴張到一定程度，傳統的副總裁職級已不足以橫跨複雜的業務部門進行協調。因此，許多原本在 VP 層級的 CISO，不是被拔擢為 executive，就是被具商業背景的高階人才接手，使中層漸縮。 總監級 CISO 為何壓力爆表？責任擴張、權限卻沒跟上 不過雖然執行級的角色風頭正盛，但這並不代表總監級 CISO 會失去舞台。 在市場分化的另一端，許多技術高度商品化、或是資料商業價值相對較低的企業，依然對總監級別的資安領導者有著穩定需求。對於這些組織而言，資安的需求更多停留在功能層級與系統運作的穩定性；他們需要的是一位能夠精準管理 IT、確保防禦機制落實、並在日常操作中維護資料安全的技術領袖。 這種分化反映了不同產業對數位風險的感應度。在某些非技術導向的行業，資安被視為一種必要的行政合規功能。短期內，產業將會持續存在這兩種截然不同的 CISO 型態。 然而，這也帶來了隱憂，對於那些業務數位化程度高、但仍將 CISO 置於總監級別的企業，往往會面臨職責範圍過大而權限不足的困境。 數據顯示，約有 28% 的 CISO 認為自己的工作量已達到無法負荷的程度。這正是因為當職權不匹配時，資安領導者必須在沒有執行權力支援的情況下，承擔起跨部門的繁瑣責任。 […]

【科技早餐】馬斯克改變太空路線：SpaceX 把重心轉向月球，目標十年內打造「自我成長城市」

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 把重心轉向月球，十年內打造「自我成長城市」 SpaceX 執行長馬斯克（Elon Musk）表示，公司已將長期發展重心由火星轉向月球，目標是在不到十年內建立一座能自我發展的月球城市。他指出，相較於火星，月球在技術成熟度與時間成本上更具可行性，也被視為確保人類文明長期延續的較快路徑。根據《華爾街日報》（The Wall Street Journal）報導，SpaceX 已向投資人說明將優先推進登月計畫，並預計於2027年3月執行無人登月任務。 這項策略調整發生在 SpaceX 同意收購人工智慧公司 xAI 之後，外界關注 AI 技術與太空基礎建設未來可能出現更緊密的整合。隨著美國與中國持續推動重返月球計畫，距離1972年阿波羅（Apollo）任務後的人類登月時代，全球太空競賽正再度升溫。 ＊社群媒體兒童成癮訴訟開庭，Alphabet 與 Meta 面臨指標性審理 美國洛杉磯高等法院（Los Angeles Superior Court）即將審理一場被視為里程碑的訴訟，案件聚焦社群媒體平台是否透過產品設計，使未成年使用者產生成癮行為。被告包括 YouTube 母公司 Alphabet 與 Instagram 母公司 Meta，Meta 共同創辦人兼執行長祖克柏（Mark Zuckerberg）以及相關平台主管預計出庭作證。 原告主張，平台推薦機制與商業模式導致青少年出現憂鬱、飲食失調與心理健康問題，並借鏡過去控告菸草產業的法律策略。科技公司則援引美國通訊端正法（US Communications Decency Act）第230條主張平台免責。本案被視為社群媒體首次因危害兒童議題面對陪審團審理，結果可能影響全美後續類似訴訟方向。 ＊高盛攜手 Anthropic 開發 AI 代理，銀行核心流程邁向自動化 華爾街投行高盛（Goldman Sachs）正與人工智慧公司 Anthropic 合作，開發以 Claude 模型為基礎的 AI 自動化代理，用於處理銀行內部核心營運任務。高盛資訊長阿金蒂（Marco Argenti）表示，Anthropic 工程師已進駐內部團隊超過半年，目前合作重點包括貿易與交易會計、客戶盡職調查以及員工入職流程。 […]

軟體開發新顯學：從 Vibe Coding 進化到 Agentic Engineering

「Vibe Coding」這個席捲產業整整一年的關鍵字，正迎來下一個進化版本。提出這個概念的 OpenAI 創始團隊成員、特斯拉前 AI 總監 Andrej Karpathy，近日再度拋出新名詞「Agentic Engineering」，試圖為 AI 時代的工程開發模式重新定義方向。 從「憑感覺寫程式」到「指揮 AI 寫程式」 回顧 2025 年，Karpathy 在社群平台上首次提出「Vibe Coding」時，形容的是一種以自然語言提示，引導大型語言模型（LLM）即時生成程式碼的開發方式。開發者不再逐行撰寫，而是透過對話與「感覺」，快速拼湊出可運作的產品原型。 這種方式迅速走紅，也帶動一波工具與新創熱潮，從 AI 程式編輯器到自動化開發平台，吸引大量資金湧入。歐洲成長最快的新創之一 Lovable 在去年 12 月宣布完成 B 輪融資，估值達 66 億美元；Cursor 去年 11 月宣布完成 D 輪融資，融資額達 23 億美元，並表示其年化收入已破 10 億美元。 Karpathy 表示，當時 AI 模型能力有限，Vibe Coding 多半用於實驗性專案與展示用途，距離專業軟體工程仍有明顯落差，但一年後，透過 LLM 與 AI 代理開發，正逐漸成為專業工作者的預設工作流程，前提是必須搭配更嚴謹的監督與品質控管機制。 「你有 99% 的時間都不是在親自寫程式碼……而是在協調代理完成工作，並負責監督。」Karpathy 觀察，許多人試圖為這個變化想出比 Vibe Coding […]

AI 泡沫擔憂再起：科技巨頭 2026 AI 支出飆近 7,000 億美元，代價將是現金流銳減

在 AI 競賽持續升溫之際，全球科技巨頭正以前所未見的速度擴大資本支出規模。根據《CNBC》報導，Alphabet、微軟、Meta 與亞馬遜四大超大規模雲端業者，2026 年的 AI 與資料中心相關投資總額，預計將接近 7,000 億美元，較 2025 年成長超過 60%。 然而，這場算力軍備競賽雖為未來布局鋪路，卻也正對企業現金流與財務體質帶來實質壓力，引發市場對 AI 投資泡沫的疑慮再度升溫。 高額資本支出，正在吞噬自由現金流 《CNBC》指出，要支撐如此龐大的 AI 建設規模，科技公司勢必犧牲短期現金流表現。2025 年，美國四大網路巨頭合計創造約 2,000 億美元自由現金流，已低於前一年的 2,370 億美元，而未來下滑幅度可能進一步擴大。 Longbow Asset Management 執行長 Jake Dollarhide 直言：「如果你把這麼多錢投入 AI，勢必會壓縮自由現金流。」他指出，企業未來可能必須透過發債或短期融資，來平衡資本結構，而這正是高層管理團隊需要承擔的壓力。 其中，亞馬遜的財務壓力尤為明顯。根據摩根士丹利分析師預估，亞馬遜 2026 年自由現金流可能轉為近 170 億美元負值；美銀則估計其資金缺口可能高達 280 億美元。亞馬遜也在向美國證券交易委員會提交的文件中坦言，未來不排除再度舉債或募資。 Alphabet、Meta 也面臨急凍式下滑 除了亞馬遜，其他巨頭同樣難以置身事外。Pivotal Research 預估，Alphabet 今年自由現金流將暴跌近 90%，從 2025 年的 733 億美元降至約 82 億美元。Mizuho 分析師在報告中指出，今年資本支出幾乎翻倍，意味著 2026 年可運用現金極為有限，投資報酬仍充滿不確定性。 […]

人形機器人量產戰開打：Optimus 要對抗的不是一家公司，而是整個中國的成本曲線與供應鏈群狼

馬斯克（Elon Musk）在日前舉行的特斯拉（Tesla）財報會議中表示，特斯拉的 Optimus 人形機器人將「革新世界」（revolutionize the world）並創造一個全新的超級產業，但他同時也發出警告：這個產業的「大部分」可能屬於中國。 「中國是個狠角色，」馬斯克過去就曾直言，在人形機器人領域，特斯拉並沒有看到除了中國以外的競爭者。目前，從深圳到蘇州，已有超過 140 家人形機器人企業如雨後春筍般湧現，這些公司靠龐大的零件供應商生態系統與工程人才，開始將人形機器人推向「規模化生產」，並積極將其導入工廠、飯店與辦公室等真實場景中。在 2025 年下半年，中國包含輪式與雙足式的人形機器人製造商，已對外宣布訂單金額「超過 3 億美元」，展現驚人的商業規模。 借鏡特斯拉路線：小鵬把自駕延伸到人形機器人 在這波人形機器人競賽中，不少中國企業其實明顯借鏡特斯拉，其中一個代表案例就是中國電動車製造商小鵬汽車（XPeng）。小鵬原本主力發展自動駕駛，並規劃於 2026 年推出三款經 AI 訓練的 Robotaxi 車型，同時管理層也宣示將啟動人形機器人的「定向量產」計畫。 在跨入機器人領域後，為了與特斯拉的 Optimus 競爭，小鵬進一步推出自家人形機器人「Iron」，把競爭從汽車延伸到實體 AI。Citi 分析師 Jeff Chung 預測，小鵬可能在 2026 年第四季交付 1,000 台人形機器人，平均售價約 175,000 美元，銷量預計在 2027 年升至 6,000 台，並在 2028 年推升至 12,000 台。 不靠單點突破：中國用政策、供應鏈與部署打造人形機器人生態系 除了小鵬這類汽車大廠，《華爾街日報》也報導更多新創公司正積極將機器人推向商業場景。例如位於蘇州的「UniX AI」，其創辦人 Fred Yang 展示輪式機器人「Panther」如何整理床單、撿垃圾與操作洗衣機，目前已在飯店部署數百台機器人，並受惠於中國在地供應鏈，能在一小時車程內取得 80% 的零組件。 在深圳，「AI² Robotics」的通用人形機器人「AlphaBot」已進入 LCD 面板大廠 […]

企業必讀！用 Apigee 駕馭 Token 成本，打造高 ROI 的 Gen AI 經濟模型

隨著 Gen AI 的高速發展，已正式步入企業實戰導入期，許多企業正面臨一個殘酷的現實：挑戰已從「如何構建」轉向了「如何永續營運」。 當 LLM 應用開始規模化，企業面臨的最大結構性矛盾在於商業模式通常是「固定訂閱制 (SaaS)」，但底層的 AI 算力成本卻是「按量計費 (Pay-as-you-go)」，導致 Token 成本並非線性增長，而是隨著用戶習慣改變呈指數級暴增，嚴重侵蝕了產品的 ROI，甚至將原本賺錢的服務變成財務黑洞。 AI 服務在缺乏治理的情況下，大量重複、冗餘的推論請求 (Inference) 正在無節制地消耗預算，企業陷入了「想省錢就犧牲體驗，想好體驗就燒穿預算」的兩難局面。如何在不犧牲使用者體驗與回應品質的前提下，有效抑制 API 費用？若無法建立一套精準的 Token 經濟模型，AI 產品恐將成為企業難以預估的財務黑洞。 1. 聰明的「省錢」戰術：語意快取與模型路由 要解決預算失控，Apigee 祭出了兩大關鍵技術： 2. 堅不可摧的防護網：企業級安全性與合規 在追求成本優化的同時，安全性絕對不能妥協。 作為 LLM 與應用程式之間的 Gateway，Apigee 扮演著關鍵的守門員角色： Gen AI 的成功不僅在於模型有多強大，更在於營運模式是否健康。透過 Apigee，企業不再需要於「省錢」與「安全」之間做選擇題，而是能構建一個既高效、經濟又安全的 AI 應用生態。 Apigee 是企業打造高效、安全、經濟 Gen AI 營運模式的核心 Gen AI 的成功不僅取決在於模型有多強大，更在於營運模式是否健康可持續。透過 Apigee，企業不再需要於「省錢」與「安全」之間做選擇題，而是能夠構建一個既高效、經濟又安全的 AI 應用生態。如此，企業的 Gen AI 專案不僅能快速擴展，也能實現真正的高 […]

克服自動駕駛長尾困境：Waymo 如何用 Genie 3 世界模型，不必實際上路就能預演極端情境？

當一輛自動駕駛汽車在一條偏僻的高速公路上行駛，突然遠處出現一場巨大的龍捲風，接下來這輛無人駕駛車會怎麼做？ 這是 Waymo 近日宣布推出的「Waymo World Model」場景之一。Waymo 表示，Waymo World Model 以 Google DeepMind 的 Genie 3 模型為基礎，這是一款用於大規模、超高擬真的自動駕駛模擬（autonomous driving simulation）工具，並特別針對「駕駛領域的嚴苛需求」進行調整與優化。 目前，Waymo 正利用 Genie 3 生成逼真的數位世界，讓系統能針對這些現實中難以捕捉的「邊緣案例（edge cases）」情境進行訓練，這將有助於自動駕駛技術持續發展並擴張至更多新市場。Waymo 也強調，透過模擬這些「不可能」發生的事件，能主動讓自動駕駛系統為最罕見的風險提前做好準備。 從龍捲風到大象，Waymo 讓自駕車學會從未看過的路況 Waymo 指出，傳統自動駕駛模擬通常受限於自家車隊實際蒐集到的數據，導致系統難以學習極端罕見的情況。相較之下，Waymo World Model 藉由 Genie 3 從大量且多樣化的網路影片中習得的廣泛「世界知識（world knowledge）」，順利突破這項限制，成功模擬出在現實生活中幾乎不可能大規模捕捉的邊緣案例。 為了展示新模型的能力，Waymo 公布多種極端天候與災害的模擬案例。除了被薄雪覆蓋的金門大橋，或是遭遇龍捲風以及被洪水淹沒且漂浮著家具的住宅死巷之外，更展示在熱帶城市中被白雪覆蓋的棕櫚樹街道，以及在大火中緊急駛離的場景。在長尾（long-tail）情境方面，模型甚至能生成路中央出現大象、獅子、德州長角牛，或是裝扮成暴龍的行人等突發狀況。 We’re excited to introduce the Waymo World Model—a frontier generative mode for large-scale, hyper-realistic autonomous driving simulation […]

實體活動營運邏輯正在翻轉：從一次性人流，走向數位化的長期支持者經營

過去，音樂祭、校園活動、運動賽事或商業展會的核心指標，常常只有一個：「來了多少人」。購票、現場消費、贊助與應援各自分散在不同系統，主辦單位能掌握的，多半只是零散的交易數字，而非完整的支持者輪廓。 然而，隨著金流、票務與 AI 技術逐步整合，實體活動正從一次性人流的生意，轉向可被追蹤、分析與長期經營的關係經營場景。 結帳不只是付款，而是支持者體驗的關鍵節點 在台灣，公眾科技新創應援科技（Oen）正是這波轉變中的代表案例之一。Oen 近期成為亞太首家在全平台導入 Visa Click to Pay 的服務商，鎖定音樂祭、講座、募款等決策時間極短的活動場景。在現場人潮密集、情緒高漲的情境下，免輸入卡號、免密碼的一鍵結帳，大幅降低付款摩擦，根據 Oen 內部測試顯示整體結帳時間可縮短約 50%，讓消費與應援能在最關鍵的當下完成。 這套金流體驗也正逐步延伸至實體現場收款，重新定義活動當下的消費流暢度。這樣的改變，背後反映的是活動營運邏輯的根本轉向。 以往，音樂祭或校園活動即使吸引了大量人流，主辦方仍難以回答一個關鍵問題：誰是重度支持者？他們在線上買了什麼票、在現場消費了什麼、是否願意再次參與？隨著金流、售票與 CRM 系統的整合，支持者從「線上購票」到「現場消費」、再到後續訂閱、捐款或周邊購買的完整旅程，開始被串接成可分析的資料脈絡。實體活動不再只是一次性的熱鬧場面，而成為能夠持續優化、反覆經營的關係入口。 AI 與即時商務，正重塑大型活動的互動方式 這股趨勢並非台灣獨有。國際市場上，類似的技術已在運動賽事與大型活動中進入實戰階段。以服務 NBA、MLB 等職業聯盟的 Pogoseat 為例，該平台將 AI Agent 導入票務與行動商務，讓粉絲不需下載 App、也不必登入網站，只要透過簡訊、WhatsApp 等日常訊息管道，便能直接完成購票、座位升等或加購體驗。粉絲只要傳送「今晚還有票嗎？」這類自然語言訊息，AI 便能即時辨識需求、推薦合適選項並完成交易。 更關鍵的是，Pogoseat 並未把這些互動視為一次性交易，而是將每一次對話、購票與升等行為回饋至球隊的 CRM 系統，成為後續行銷與忠誠經營的基礎。包括底特律活塞、匹茲堡鋼人與溫尼伯噴射機等多支職業隊伍，都已透過這類「Text-to-Buy」方案，將即時銷售轉化為可長期分析的粉絲資料資產，提升入場率的同時，也加深與核心支持者的關係。 Oen 在台灣的應援金流整合、Pogoseat 在國際運動賽事中的對話式票務應用，可以看見一個共同方向正在浮現：實體活動的價值，除了當天的人潮與票房之外，還延伸到能否把當下的情緒、互動與消費，轉化為長期可經營的支持者關係。當金流、AI 與 CRM 技術逐步成為活動現場的基礎設施，實體活動也正走向一個新的階段，不只是「辦完就結束」，而是一條可以持續累積、反覆深化的數位化經營路徑。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI 如何重塑「超自動化」工廠 ＊本文開放合作夥伴轉載，參考資料：Oen、Pogoseat、《BusinessWire》，首圖來源：Oen （責任編輯：廖紹伶）

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

一座電子製造廠房中，台達 RS-M 模組型機器人正在產線上來回運作，迅速完成上下料與移載等重複性工序。當產品切換規格時，工程人員站在產線旁，能透過直覺式的教導方式完成設定，機器人隨即重新投入運作，管理者也不必牽動整線配置。對營運部門而言，台達 RS-M 模組型機器人不僅具備輕量、低耗電特色，還可將換線時間縮短至 30 分鐘左右，大幅提升產線稼動率。 台達電子智能機器人事業部資深產品經理易子民指出，近幾年製造業的自動化需求正出現明顯轉變。過去，工業型機器人大多應用於高負載且動作固定的場景，例如汽車產線中的焊接、塗膠與點焊等生產環節，然而在電子或工具機等產線中，製程條件與運作節奏明顯不同，產品型號多樣、換線頻繁，人與設備並行作業也成為常態，在這種生產環境下，產線對自動化設備的要求，開始從單純追求效能，轉向兼顧導入速度、調整彈性與長時間運作的穩定性。同時，缺工與人力成本正持續上升，全人工模式難以支撐產能需求，「所以我們看見製造現場真正需要的，是能滿足產出需求，兼顧快速導入、隨製程變化調整，並在長期運作中維持可預期穩定性的自動化工具，」易子民說。 易子民分析，從實際應用來看，工業型機器人適合高精準度、製程固定、節奏明確的大量生產場景；協作型機器人則強調安全性與操作友善，導入門檻相對較低，適合應用在人員作業的場域，「如果企業希望具備接近工業型機器人的效能，並且保有協作型機器人的導入彈性，模組化機器人將是值得關注的選項。」 重新平衡效能、彈性與使用門檻 「台達 RS-M 模組型機器人不是取代既有的工業型或協作型機器人，而是以更貼近現場條件的方式，重新平衡效能、彈性與使用門檻之間的關係。」易子民說明，台達 RS-M 系列解決方案保留工業型機器人在速度與精度上的核心能力，補足協作型機器人在高速應用上的不足。另一方面，RS-M 透過輕量化結構與較容易上手的操作方式，降低設備在導入、調整與後續維運上的負擔，也讓產線能在保持一定效能的前提下，保有更高的調整彈性。 RS-M 的核心設計思維，來自對效能最佳化與系統彈性之間的權衡。易子民表示，傳統工業型機器人為了追求單軸效能的最佳化，通常會在每一軸配置不同的減速比、馬達與功率規格，雖然可以達到極高效能，但也讓產品開發、規格延伸與後續維修變得相對複雜，RS-M 則透過將驅動、馬達、編碼器和剎車等自製零組件整合於單一顆模組，以不同尺寸的單關節模組組合因應各場域需求。 易子民強調，這樣的設計並非以單軸效能極限為目標，而是在效能需求可被滿足的前提下，換取更快的開發節奏、更高的產品延展性，以及在臂長與配置調整上的彈性，「對於電子與工具機產業而言，相關應用本就不以追求極限效能為主要考量，而是更重視透過模組化所帶來的調整便利與可維運性，以貼近實際生產情境的需求。」 逐步導入上下料作業、AI 伺服器機櫃檢查等製造場域 易子民分析，在企業實際採購與導入決策層面，RS-M 的價值更體現於整體成本結構的優化。在能耗層面上，RS-M 的輕量化設計可降低運作時承載的動量，並讓直線軸與周邊結構得以縮小配置，從單機到整體系統的用電需求都可受到控制；而在換線成本上，RS-M 藉由手拉教導與圖形化操作介面，降低對程式撰寫的依賴，讓產線調整不再需要長時間停機，原本以小時計算的換線作業，如今可在正常班次與作業流程中完成，有效減少因換線造成的產能損失；另外，在長期維運上，模組化設計讓維修作業從零件層級的拆解，轉為以模組更換為主，使得故障處理時程與影響範圍更容易被評估與掌握。 RS-M 的另一項關鍵差異，來自台達對關鍵零組件的高度自製策略。「目前包含馬達、編碼器、驅動器、剎車與控制器，都由我們自行開發，這也讓台達在交期掌控、售後維運與跨部門技術整合上具備高度優勢。」易子民強調，此優勢建立在台達長期深耕電源、控制、視覺與 MES 等自動化領域的基礎之上，讓 RS-M 可以被納入整體系統架構中思考，而非僅作為一支獨立的機器人設備。 目前，台達 RS-M 模組型機器人已逐步導入實際製造場域，滿足產線少量多樣與頻繁換線需求。在工具機領域，RS-M 被應用於上下料作業，機器人可由 CNC 控制器直接驅動，並透過 G-code 進行操作，讓原本熟悉 CNC 系統的工程師快速上手，顯著降低導入與教育訓練成本； RS-M 亦有搭配機器視覺，應用於大型 AI 伺服器機櫃的外觀檢查，由於機器人本體較輕，在這類需要搭配移動軸的應用中，可減少對大型運動結構的需求，簡化整體系統設計與導入。 展望未來，易子民指出模組型機器人在智慧製造中的角色將持續演進，隨著視覺、力覺等感測技術逐步整合至架構中，AI 也開始被用於作業時的路徑規劃與即時判斷流程，機器人的操作方式將從高度仰賴程式設定，轉向更直覺、也更貼近人類操作邏輯的互動模式，「對台達而言，RS-M 機器人的推出，是回應製造現場的自動化需求，我們希望透過模組化設計，協助企業降低自動化設備的導入門檻、提升運作穩定性，使自動化能更自然地融入既有生產流程之中，成為支撐產線長期運作的實用工具。」

如何向投資人交代 AI 巨額投入？Meta 給答案：將「AI 使用能力」列入績效評估依據

在生成式 AI 投資金額節節攀升之際，企業開始面對一個更棘手的問題：如果無法清楚證明 AI 帶來的實際產出，這些投入該如何向內部與投資人交代？ 在最新一輪考核週期中，Meta 已明確告知員工，從 2026 年起，績效將評估「你如何用 AI 交付結果與打造工具」，而不單純是使用次數。 企業開始以 AI 使用能力作為生產力指標 Meta 已在最新一輪績效考核週期中，正式將員工使用人工智慧工具的情況列入評估依據。這項決策不只牽動內部管理制度，也可能為整個科技產業重新定義「生產力」的衡量方式。 在 Meta 的新制度下，工程師是否有效運用公司提供的 AI 工具，成為績效評估的一部分。這些工具包括內部的編碼助理與生產力應用，工程經理會評估員工是否藉由 AI 加速開發流程、提升程式碼品質，而不再只看傳統產出指標。 在其他科技公司同樣苦於「AI 生產力難以量化」之際，Meta 以「AI‑driven impact」鼓勵員工在自評與績效對話中，具體說明自己如何透過 AI 提升效率與團隊輸出，而非只看工具使用次數。 從鼓勵使用到制度化評估，Meta 怎麼做？ 為了讓這項政策具備可操作性，Meta 同步調整了績效與獎金制度，將 AI 使用正式納入管理流程。Meta 推出名為 Checkpoint 的新績效系統，用來整合員工在內部各種工具中的工作訊號，包含 AI 使用帶來的產出，協助經理判斷「AI‑driven impact」，而不是即時監控活動。 Checkpoint 會統計透過 AI 工具生成的程式碼行數，並整合員工既有的工作平台資料，例如 Google Workspace，快速產出工作狀況摘要。Meta 強調，這套系統的目的並非即時監控員工行為，而是縮短績效考核的準備時間，協助經理人判斷員工在專案中的整體影響力。 一名人資主管在內部會議中明確表示，Checkpoint「不是活動追蹤器，而是影響評估工具」。實際評分時，管理者會根據這些節點資料進行綜合判斷，而非單憑某一項數值決定績效結果。 為避免制度淪為空談，Meta 也同步擴大員工可使用的 AI 模型範圍。除了自家的 Llama 模型外，工程師也能使用 […]

【科技早餐】AI 是泡沫，還是下一個十年？黃仁勳給出的時間軸是 7–8 年

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊全球半導體直奔 1 兆美元，AI 成為結構性成長引擎 美國半導體產業協會（Semiconductor Industry Association，SIA）表示，2026 年全球半導體銷售額預計將首度突破 1 兆美元。2025 年全年銷售額達 7,917 億美元，年增 25.6%，主要動能來自全球科技業者持續加碼人工智慧（AI）資料中心建置。 依產品類別來看，高階運算晶片成為最大成長引擎，包含 NVIDIA、AMD 與 Intel 在內的高效能運算晶片，2025 年銷售額年增 39.9%，達 3,019 億美元。記憶體晶片在 AI 帶動下供應吃緊，全年銷售額成長 34.8%，達 2,231 億美元。SIA 主席 John Neuffer 指出，至少在未來一年，產業訂單能見度仍相當明確。 ＊需求全面外溢，中國伺服器 CPU 供應開始吃緊 《路透社》報導，英特爾 (Intel) 與超微 (AMD) 已通知其中國客戶，伺服器中央處理器（CPU）供應出現嚴重短缺。英特爾指出，部分第四代與第五代 Xeon 產品交期已拉長至 6 個月，中國市場報價普遍上調超過 10%；超微亦通報部分產品交期延後 8 至 10 週。 供應壓力來自多重因素，包括製造良率挑戰、台積電產能優先配置 AI 晶片，以及客戶提前大量採購。隨著代理化 […]

【麥肯錫自駕車報告】49% 專家預測大眾市場回歸「務實的 L2+」，為何車廠開始放棄全自動承諾？

這份源自麥肯錫的《下一步該怎麼走？自動駕駛汽車專家的見解（Where to next? Insights from autonomous-vehicle experts）》深度報告，或許能為自動駕駛產業帶來清醒的現實校正視角。 報告揭露，儘管商業營運已啟動，但大規模落地時程卻全面延後，且「高昂成本」已取代技術成為最大路障。為何車廠不再將 L3 視為大眾市場主流？為何「混合 AI 模型」才是未來解方？報告內容洞悉產業如何從畫大餅走向拼執行力，有助企業制定更務實的部署與投資策略。 📌 這份報告適合誰閱讀？ 內容涵蓋市場採用時程、技術架構辯論、成本結構分析以及供應鏈策略，推薦以下讀者閱讀： 🔴 報告洞見 自動駕駛從技術狂熱走向商業部署現實 根據麥肯錫的報告，自動駕駛技術正處於從早期的「概念驗證」邁向「全面部署」的關鍵入口。截至報告發布時的 2026 年初，全球市場每週已能完成超過 70 萬次的付費全自動駕駛計程車（Robotaxi）行程，其中美國與中國市場分別貢獻了 45 萬次與 25 萬次，顯示商業化營運已初具規模。 儘管營運數據看似亮眼，但產業內部的氣氛卻從過去的技術狂熱轉向冷靜與務實。決策者們普遍意識到，要跨越下一階段的投資與技術障礙，必須重新校正對未來的預期，這也意味市場雖然潛力巨大，但競爭將回歸到更為嚴酷的成本控制與商業效益考量。 💡 Robotaxi 商業化已啟動，但大規模落地時間被推後 在現實挑戰下，專家們對自動駕駛大規模商業化的時間表進行顯著修正。與兩年前的調查相比，各類應用場景的預期落地時間平均推遲了一至兩年。 具體而言，儘管美中部分城市已開始營運，但全球範圍內的 Robotaxi 大規模商業化預計要到 2030 年才能真正實現，而非先前預測的 2029 年。私家車的 L4 級城市自動駕駛功能，以及全自動駕駛卡車的商業可行性，則進一步被推遲至 2032 年。這顯示出產業界對於解決複雜交通場景與邊緣案例的難度有了更深刻的認知，也確立了 Robotaxi 將先於私家車與卡車成為首個大規模商業化應用的趨勢。 除了時間上的延遲，地理區域的發展落差也正在擴大。調查顯示，美國與中國將持續領跑全球，成為首波採用的核心市場，而歐洲與亞洲其他地區預計將滯後 3 至 7 年。 造成這種顯著差距的原因是多方面的，專家指出，美中兩國擁有更快速的開發週期、更具活力的商業組織與新創文化，以及相對充裕的資金支持與 AI 軟體基礎。此外，監管環境的支持度以及大規模測試新技術的意願，也讓這兩個超級大國在自動駕駛的競賽中拉開了與其他地區的距離。 💡 私家車策略從 L3 退回務實的 L2+ […]

讓機器人進入「艦隊模式」：Humanoid 新推 KinetIQ ，如何讓不同機型共享一個 AI 大腦、加速規模化部署？

當多台機器人不再只能獨立作業，而是可以像一支團隊被同一個大腦指揮，機器人的「規模化」就進入了新階段。近日英國新創公司 Humanoid 發表名為 KinetIQ 的 AI 系統，核心目標是讓針對不同任務打造的機器人可以「共享同一個 AI 大腦」，進一步控制並協調整支機器人艦隊。 換言之，KinetIQ 的定位不只是單一機器的控制器，而是一套跨平台協作系統，可以管理具備不同身體結構、技能與角色的機器人，讓它們在工業、服務與家庭環境中協同運作。 KinetIQ 示範如何「跨場景協作」 在最新發布的示範影片中，Humanoid 呈現多台機器人透過 KinetIQ 系統同步運作的情境，例如由輪式機器人負責商店後台的食品揀貨、容器搬運與打包等流程，雙足類人機器人則作為服務與家庭情境的研發平台，執行語音互動、線上訂購與處理雜貨等任務。 在這套分工設定下，Humanoid 將輪式機器人定位為面向零售、物流與製造業的工業用途，身高 179 公分、設計負重可達 15 公斤的雙足機器人則被描述為「智慧助理」，主打用於家庭照護需求。 影片中也呈現跨場景的協作流程：在家中，一名女性先對雙足機器人下達語音指令，要求訂購可可粉與橄欖油，畫面隨即切換到倉儲場景，由輪式機器人以五指手掌精準抓取玻璃瓶與紙袋，並放入硬式容器箱再完成裝袋打包。當訂單送抵家中後，雙足機器人再負責拆封包裹，同時依照語音指令把物品放到指定位置。 不用再個別寫程式：KinetIQ 把控制升級成「共享智慧層」 至於如何實現這些影片中的場景？《Interesting Engineering》指出，Humanoid 的作法是把 KinetIQ 定位為「共享智慧層（shared intelligence layer）」，意即同一套系統在艦隊層級完成「目標指派、行動規劃與執行管理」，從而取代過去必須為每台機器人各自撰寫程式的方式。 KinetIQ 的架構也被設計為「跨時間尺度（cross-timescale）」的模式，是由四個同時運作的層級組成，涵蓋從艦隊目標分配到毫秒級關節控制。例如，最上層的 System 3「艦隊級 AI 代理（Fleet-level Agent）」是把每台機器人視為工具，並在接收任務請求、SOP 與場館情境資訊後，於數秒內設定目標、管理優先順序，再將任務分配給輪式或雙足機器人，以最佳化整體吞吐量。 System 2「機器人層級推理（Robot-level Reasoning）」可以透過全模態語言模型觀察環境並解讀上層指令，再把目標拆解成一連串子任務。System 2 生成的計畫會隨視覺語境動態更新，而不是固定腳本，並可把成功流程保存為工作流（SOPs）供後續重複使用。 System 1「VLA 任務執行（VLA-based Task Execution）」以「視覺—語言—行動（Vision-Language-Action）」神經網路在亞秒級頻率（通常 5–10Hz）產生預測，負責生成如抓取、放置等具體動作目標。 最底層的 System 0「全身控制（Whole-body […]

8 分鐘奪取 19 個 IAM 權限！當駭客不攻防火牆，而是拿著鑰匙走進來

過去，企業資安防線多半圍繞惡意程式、釣魚郵件與漏洞攻擊而建立；但近年來，一條更隱蔽、效率更高的入侵路徑，正快速成為主流。根據多家資安機構示警，結合「招募詐騙」與「雲端憑證竊取」的身份型攻擊，正在把企業的身分與存取管理系統（IAM），推向一個規模高達數十億美元的高風險攻擊面。這類攻擊不再需要破解系統防線，而是直接「拿著鑰匙走進來」，讓傳統防毒、防火牆與郵件防護形同虛設。 從工作邀約開始的雲端全面入侵 《VentureBeat》近日報導指出，駭客常以 LinkedIn、WhatsApp 等社群平台冒充獵才顧問，向工程師發送看似合理的工作邀約，並要求安裝測試套件或技術評估工具。一旦受害者執行這些程式，內含的惡意程式碼便會即時竊取 AWS API 金鑰、Azure 憑證、GitHub 存取權杖等敏感資料，讓攻擊者能在數分鐘內取得企業雲端系統控制權。 CrowdStrike 在今年 1 月公布的研究指出，駭客組織已將招募詐騙與憑證竊取「工業化」，形成成熟分工體系。部分單一組織涉及的加密貨幣非法活動規模，超過 20 億美元。 這起事件並非個案。美國網路安全暨基礎設施安全局（CISA）與資安公司 JFrog 也追蹤到 npm 生態系中多起重疊的攻擊行動，其中 JFrog 發現至少有 796 個套件曾被植入惡意程式碼，並形成一種透過受感染相依套件自我複製、擴散的蠕蟲程式。其中，WhatsApp 訊息已成為主要的初始入侵管道，攻擊者會透過該平台傳送惡意檔案，使企業郵件閘道器完全失去作用。 8 分鐘完成橫向移動，身份成為最大破口 帶有木馬程式的惡意套件，已不再像過去般透過拼字錯誤誘導（typosquatting）傳散，而是直接透過個人通訊軟體與社群平台「親手投遞」。CrowdStrike 更記錄到，攻擊者會針對不同產業與職務量身打造求職相關誘餌。 此外，身份型攻擊最危險的地方，在於「速度」。Google Cloud 威脅報告顯示，2025 年上半年超過 47% 雲端資安事件與憑證弱點有關。Sysdig 的研究更指出，攻擊者取得合法憑證後，最快 8 分鐘內就能橫跨 19 個 IAM 角色，取得最高管理權限。 值得關注的是，《VentureBeat》指出，相依性掃描工具可以發現惡意套件，這是第一道防線，多數企業都有部署；但幾乎沒有組織具備第二道防線，也就是在安裝過程中即時進行行為監控，偵測憑證外洩行為。 為什麼 AI Gateway 不夠用？ 說到身份驗證，AI Gateway 被視為擅長此道的利器，不過現行的 AI Gateway 主要功能仍集中在身分驗證與權限控管，能確認使用者是否持有合法金鑰、是否具備存取模型或訓練管道的權限，但卻難以辨識帳號行為是否異常。例如，一名平時每天只使用 2 […]

4 道長期未解數學題被 AI 破解：新創 Axiom 如何把 AI 推向「可驗證推理」的新階段？

專注於數學推理的 AI 新創公司 Axiom，近期因其 AI 系統成功破解多道長期未解的數學問題，引發學界與科技圈關注。 不同於多數大型語言模型著重文字生成，Axiom 的目標是打造能產出並驗證數學證明的 AI 系統，方法結合了大型語言模型與專有的 AI 系統，讓推理結果可被形式化檢驗，從而達到「可證明正確」（provably correct）的解決方案。 Axiom 的 AI 系統 AxiomProver 破解四道長期未解的數學題 Axiom 開發的 AI 系統 AxiomProver，近期為四道長期未解的數學問題提供完整證明，這些成果已在數學研究社群中流傳，顯示 AI 數學能力的穩步進展。 AxiomProver 所解開的其中一項問題，是對 Chen–Gendron 猜想的完整證明：數學家 Dawei Chen 與 Quentin Gendron 五年前因受阻於數論中的一個奇特公式，僅能提出猜想而無法完整證明，過去 Dawei Chen 曾花費數小時嘗試利用 ChatGPT 尋求解答未果，直到與 Axiom 的顧問、知名數學家 Ken Ono 會面後，AxiomProver 在隔天早晨便產出完整證明。 此外，AxiomProver 也生成了對 Fel’s Conjecture（費爾猜想，是關於代數與數論中「數值半群 Numerical Semigroups」的一個數學難題）的證明。費爾猜想長年困擾數學研究者，在這個案例中，AxiomProver 從頭到尾獨立完成了證明，這也讓哈佛商學院教授 Scott […]

軟體股的惡夢重演？Anthropic 朝金融業開刀，發表 Claude Opus 4.6

就在進軍法律服務領域、引發傳統軟體股價劇烈震盪後，Anthropic 再度丟出震撼彈。該公司正式發表最新旗艦模型 Claude Opus 4.6，不只在程式撰寫與長時間任務處理上展現了顯著的效能提升，更特別針對金融研究與數據分析進行了深度優化。 根據《Bloomberg》報導，Claude Opus 4.6 主打金融研究與專業分析能力，可自動審閱企業財報、監管文件與市場數據，生成過去需耗時數天才能完成的投資報告與研究分析。《Reuters》也指出，Opus 4.6 在金融與程式領域均有顯著提升，並具備長時間穩定執行複雜任務的能力，進一步擴大對既有軟體產業的衝擊效應。 消息公布後，金融服務類股應聲下挫，其中 FactSet Research Systems 股價一度大跌多達 10%，S&P Global、Moody’s Corp 與 Nasdaq 也全面走低，跌幅明顯。 首創百萬 Token 上下文視窗，解決「長文本失憶」痛點 技術層面上，Opus 4.6 最大突破之一，是首次提供 100 萬 token 的上下文視窗，讓模型能同時處理大量文件、長篇資料與跨系統資訊。 《VentureBeat》分析指出，這項升級使 Claude 能在長時間任務中維持推理品質，有效緩解業界長期面臨的「Context Rot（上下文退化）」問題。官方數據顯示，Opus 4.6 在 MRCR v2 等測試中的表現，大幅領先前代模型。 這意味著，AI 不再只是片段式輔助工具，而是能長時間掌握完整專案脈絡，逐步承擔「專業知識工作者」角色。 從 LLM 到工作平台，Claude 定位全面轉向 與過去聚焦程式開發不同，Anthropic 正將 Claude 定位為跨領域工作平台。《Bloomberg》指出，Opus 4.6 除了寫程式，還能製作試算表、簡報文件、整理研究資料與處理專業報告，應用場景涵蓋金融、法務、醫療、資安與生命科學等領域。 搭配 Claude […]

AWS 創三年最快成長，卻救不了市場焦慮？拆解亞馬遜 2,000 億美元的 AI 豪賭

亞馬遜（Amazon）週四公布 2025 年第四季財報，並表示預計 2026 年的資本支出（CapEx）將高達 2,000 億美元，這筆鉅款將主要用於建設資料中心、晶片以及其他支援 AI 基礎設施，同時部分資金也將投入低軌衛星網路計畫（Project Kuiper）與物流機器人技術，投資規模遠高於市場預期。 另一方面，亞馬遜的核心業務仍表現強勁。Amazon Web Services（AWS） 第四季營收達 356 億美元，年增 24%，創下該部門 13 個季度以來的最快增速。此外，亞馬遜的廣告業務持續成長，年增幅達 22%，2025 年第四季廣告收入為 213 億美元。 亞馬遜執行長 Andy Jassy：目前看到的 AI 需求僅是冰山一角 「我認為這是一個極其罕見的機會，能夠永遠改變 AWS 乃至整個亞馬遜的規模，我們視為一個非凡的機遇，並將積極投資以成為領導者，」面對市場質疑，亞馬遜執行長 Andy Jassy 在財報會議上為這項激進的投資策略辯護。為了證明需求真實存在，Andy Jassy 也透露 AWS 的訂單積壓金額（Backlog）在第四季已達到 2,440 億美元，年增幅達 40%，顯示未來營收動能強勁。 Andy Jassy 強調，目前看到的 AI 需求僅是冰山一角，並指出未來隨著更多企業具備 AI 人才，以及透過亞馬遜的 Trainium 等硬體策略讓推論（inference）成本進一步下降，需求將大幅爆發。此外，亞馬遜並非紙上談兵，像是公司推出超過 1,000 個新的 AI 驅動應用程式，涵蓋客戶服務機器人與體育賽事提醒等功能，展現 AI […]

【科技早餐】Anthropic 宣布 Claude 維持無廣告，與 OpenAI 大不同

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊Anthropic 宣布 Claude 維持無廣告，與 OpenAI 大不同 AI 新創 Anthropic 宣布，旗下聊天機器人 Claude 將維持無廣告體驗，認為在對話中插入廣告，與深度工作與思考助手定位不相容。公司指出，使用者與 AI 對話時，常透露高度私密資訊，若依內容推播廣告，可能造成風險與不適。 Anthropic 表示，導入廣告可能扭曲模型行為，使回應偏向可變現目標。公司將改以代理商務模式，協助用戶搜尋與購買產品並創造收入。OpenAI 近期則開始向部分 ChatGPT 用戶投放廣告，藉此平衡高昂營運成本。OpenAI 執行長 Sam Altman 表示，希望透過低價方案讓更多人使用 AI，雙方商業策略呈現明顯差異。 ＊Sam Altman：OpenAI 已打造出 AGI，隨後澄清為精神層面說法 OpenAI 執行長 Sam Altman 接受《富比士》專訪時表示，公司「基本上已經打造出 AGI」，引發市場高度關注。但數日後他澄清，該說法屬精神 (spiritual) 層面，而非字面上所陳述。Altman 表示，實現真正 AGI 仍需多項中型突破，但未必依賴單一革命性技術。 Altman 指出，未來 AI 發展可能透過模型優化、數據擴展與架構迭代逐步累積。外界普遍認為，這顯示 OpenAI 可能採取長期技術疊代策略。從董事會風波、法律爭議到與 Google、Anthropic 的競爭，Altman 的發言持續牽動 AI 產業方向。 ＊Alphabet 營收首破 […]