Archives

從單點風險到產線韌性，叡揚資訊打造製造業資安閉環：看得見、隔得開、追得完

根據 Gartner 預測，企業若採用持續威脅暴露管理（CTEM），可降低約 67% 的安全漏洞與資安事件，帶動防守戰略從被動回應轉為主動防衛。面對日益嚴峻的資安防禦考驗，叡揚資訊資安直屬事業處技術顧問許農育於日前「半導體供應鏈競爭力論壇」中，以「從一行外部程式碼到一條產線停擺：製造業資安閉環」為題，分析高科技製造業面臨的新型態供應鏈資安威脅，強調企業應建立持續監控與自動化治理能力，從源頭化解隱形風險並確保產線運作穩定。 從攻擊看製造業防禦盲點，建構三層「可視化」架構 現代製造業的資安防護已無法僅仰賴傳統的內網邊界防禦。許農育以 2024 年 Polyfill.io 供應鏈攻擊事件為例，多家知名企業網站因載入的外部套件遭惡意篡改，使攻擊者藉此將惡意程式碼散布至使用相關服務的網站，凸顯第三方與開源軟體供應鏈可能成為企業難以察覺的風險入口。 外部程式碼所引發的供應鏈威脅，可能進一步衝擊企業營運；同時，隨著主管機關合規要求與客戶稽核日益嚴格，製造業也面臨更高的資安治理要求。對此，許農育提出叡揚資訊可助製造業建構資安韌性的核心框架——「看得見、隔得開、追得完」，協助企業從風險可視性出發，逐步建立完整的資安防禦閉環。 其中，第一階段「看得見」著重於提升資安可視性，並從外部攻擊面、軟體供應鏈及程式碼三大層面進一步剖析： 從「看得見」到「隔得開」，降低攻擊橫向擴散風險 掌握風險只是第一步。許農育進一步指出，當資安事件發生時，企業更需要掌握受影響設備與系統之間的連線關係，避免單點入侵進一步擴散至其他關鍵資產。傳統工廠內網若缺乏足夠的流量可視性與存取控管，一旦單一設備遭到入侵，攻擊者可能透過橫向移動持續擴大影響範圍，甚至衝擊核心產線。 因此，第二階段「隔得開」著重於透過網路微分段（Microsegmentation）技術掌握並可視化東西向網路流量，建立設備、系統與應用程式之間的通訊關係，再依據環境、應用程式、角色及地點等多元條件進行資產分類與存取控管，建立細緻的安全政策，限制不必要的系統間通訊。微分段並非單純進行網路切割，而是需要依據企業既有網路架構、應用環境與營運需求，逐步盤點資產、分析通訊關係、制定存取政策，再循序導入分段與阻擋機制。 對製造業而言，導入微分段更需要兼顧 IT、OT 與產線設備的運作特性，避免安全政策影響既有生產流程。叡揚資訊具備多元微分段技術導入經驗，可提供具備 Gartner 客戶評價與市場肯定的 Illumio、Akamai、ColorTokens 等國際微分段領導品牌，由專業顧問協助企業從環境盤點、流量分析與風險評估開始，依據實際營運需求規劃分段策略與安全政策，並以「先看見、再分段；先告警、再阻擋」的防禦原則，兼顧安全防護與營運持續性，降低攻擊者入侵後的橫向移動與擴散風險。 從風險發現到持續追蹤，完成資安治理閉環 防護鏈的最後一環則是落實「追得完」。許農育表示，資安防護不能只停留在發現問題或阻斷攻擊，更需要建立後續追蹤與處置機制，確保每一項風險都有明確的負責單位、修補進度與驗證結果。 叡揚資訊 Tracko SecOps 資安營運治理平台串聯情資風險、弱點管理、事件管理與合規管理四大核心環節，當前端偵測到漏洞或合規異常時，平台會自動立案並進行智慧派案，直接指派給相應團隊進行漏洞修補，且完整保留通報、修補與覆核等軌跡，讓管理人員更方便應對內部稽核與客戶的合規檢視。 面對地緣政治與倍速成長的資安威脅，高科技製造業的資安佈局已不再是單純的成本支出，而是確保產線持續營運、建立國際客戶信任的商業核心競爭力。叡揚資訊整合外部攻擊面管理、軟體供應鏈安全、程式碼檢測、零信任微分段與資安營運治理等多層防護能力，協助企業讓潛在風險「看得見」、讓威脅擴散「隔得開」、讓修補進度「追得完」，將分散的資安工具與管理流程串聯為持續運作的資安治理閉環，提升製造業面對資安威脅時的營運韌性。

「駭客不再偷設計圖，而是綁架產線。」奧義、叡揚、TXOne、DEVCORE、安永、VicOne 專家解密供應鏈資安威脅與國際接單通行證

根據《彭博社》報導，NVIDIA 執行長黃仁勳七月表示，全球半導體產業可能需要在未來十年擴張至目前規模的 10 倍，以因應 AI 代理與機器人的普及。 「半導體產業 AI 化」的浪潮，不僅帶來爆發性算力需求，也讓資安威脅以前所未有的速度蔓延。地緣政治對資安合規與透明度的要求日益嚴苛，資安韌性已成為攸關企業生存與國際接單的核心戰略課題。科技報橘社長戴季全於日前在「半導體供應鏈競爭力論壇」中表示，「數據治理」與「資訊安全」 是打通半導體關鍵應用的核心。本場論壇邀請奧義智慧、叡揚資訊、TXOne、DEVCORE、安永與 VicOne 等企業專家，從開發端、產線端到合規端，共同探討如何打造兼具高彈性與防護韌性的智慧半導體生態系。 奧義智慧揭密供應鏈四大威脅 奧義智慧資安研究處長陳仲寬指出，供應鏈攻擊主要可拆解為軟體植入惡意程式、跳板攻擊、第三方資料外洩與重要供應商系統漏洞等四大類型。其中，「軟體更新」是駭客關鍵的突破口，在於使用者與防禦體系對更新管道普遍抱持預設信任，使惡意行為會自行繞過既有安全監控。 面對日漸猖獗的威脅，陳仲寬表示，軟體開發商必須在更新伺服器（Update Servers）部署全面的監控機制，即時分析更新流量與檔案異動，並限縮內部管理者權限與稽核，企業端也須同步提升主動威脅獵捕能力、盤點潛在的攻擊面，以及對外部軟體更新進行不間斷的監控與分析，從供應商到企業終端共同建立多重防禦機制。 叡揚資訊打造製造業資安閉環：看得見、隔得開、追得完 叡揚資訊資安直屬事業處技術顧問許農育表示，企業若要打造強韌的資安防護，關鍵在於建立「看得見，隔得開，追得完」的資安閉環，從被動應變轉向為主動防禦。 首先，在「看得見」階段，企業需要先看見風險、確認影響，許農育建議可以透過資安評級軟體 Bitsight 進行外部風險評估與監控，並結合 Mend.io 自動化生成軟體物料清單（SBOM），掌握軟體組成與潛在風險。其次是「隔得開」階段，透過網路微分段（Microsegmentation）掌握內部網路流量與系統間通訊關係，依據企業環境與營運需求建立細緻的存取政策，降低單點入侵後的橫向移動與擴散風險。最後則是「追得完」階段，將風險發現、事件處置、修補與驗證串聯起來，透過叡揚資訊 TrackoSecOps 資安營運治理平台，整合情資風險、弱點管理、事件管理與合規管理四大核心環節，讓每項資安風險都有明確的處置進度與追蹤紀錄。 隨著製造業數位化與供應鏈連結日益緊密，資安風險已不再侷限於單一系統或設備，而可能透過供應鏈、軟體元件與內部網路持續擴散。面對攻擊面擴大、資安威脅快速演變，以及合規與客戶要求日益提高，企業更需要從單點防護走向持續性的整體資安治理。 TXOne 揭密半導體產線兩大盲點 TXOne 資安威脅與產品防護中心資深經理 Mars Cheng 指出，「隨著 IT 與 OT 系統高度互連，高達 96% 的資安事件是從 IT 網路入侵，卻有 88% 的組織選擇與舊有風險共存。」其核心原因在於業者面臨產線停線壓力，導致大量舊有機台與系統無法輕易更新，進而成為長期暴露的資安弱點。 而關於半導體生態系的核心威脅，Mars Cheng 點出兩大關鍵破口：其一是數位憑證、金鑰與帳號等「機器身份」管理失控，其二是產線常用的 SECS/GEM 通訊協定普遍缺乏加密與基礎防範，加上設備原廠的預設設定多半以「產線能運作就好」為優先，忽視了資安防禦。 對此，SEMI E187 資安標準扮演了極為重要的角色，要求設備在正式進場前必須完成無毒聲明與漏洞掃描，從源頭阻絕已知風險進入 OT 環境。Mars Cheng 強調，產線資安必須透過生命週期的資安標準與跨組織協作，才能真正打造具備強韌資安體質的半導體產業生態系。 […]

Anthropic 最強模型只占 11% 客戶模型支出，Fable 5 暴露 AI「能力溢價」難題

還記得兩個月前 Anthropic 推出 Claude Fable 5 時，曾把它形容為該公司歷來對外公開過能力最強的模型嗎？ 6 月 9 日，Anthropic 一口氣發表 Fable 5 與 Mythos 5，其中面向一般市場的 Fable 5，在軟體工程、知識工作、科學研究等多項測試達到最先進水準，官方甚至預期需求會非常高。沒想到推出僅 3 天，美國政府就祭出出口管制，要求限制任何外籍人士使用 Fable 5 與 Mythos 5。Anthropic 因無法即時驗證使用者國籍，乾脆暫停所有人的存取，直到 7 月 1 日才重新向全球開放。但真正恢復供應後，Fable 5 並沒有迎來想像中的使用熱潮。 最強模型重新上線，卻只拿下 11% 企業模型支出 《Financial Times》引述企業支出管理公司 Ramp 的最新資料指出，在其追蹤的美國企業中，Fable 5 過去一個月只占企業向 Anthropic 購買 token 的 6%；在這些企業支付給 Anthropic 各模型的費用中，Fable 5 也僅占 11.4%。 相較之下，GPT-5.6 Sol 占 […]

百米、跳高雙破人類極限：第二屆「機器人奧運」揭中國 10 年戰略布局

第二屆世界人形機器人運動會在北京登場，賽事為期 5 天，吸引超過 2,000 台人形機器人參賽。《The Guardian》報導，中國手機廠商榮耀開發的 Lightning 在一場測試賽中以 9.32 秒完成 100 公尺賽跑，成績超越牙買加短跑名將 Usain Bolt 保持的 9.58 秒人類世界紀錄；北京 X-Humanoid 開發的另一款機器人則在立定跳高項目跳出 2.88 公尺，同樣超越人類 2.45 公尺的世界紀錄。除了田徑項目外，賽事還設有桌球、足球、舉重及拔河等 51 個項目，展現中國人形機器人技術近年快速進步的成果。 從校園競賽到國家戰略：中國如何稱霸「機器人奧運會」？ 這場賽事被外界稱為「機器人奧運會」，中國幾乎包辦了大部分獎牌。《Reuters》指出，過去 10 年，中國機器人競賽的規模與技術水準持續提升，也反映出機器人產業在中國戰略布局中的重要性。中國的機器人競賽早期主要由大學研究團隊和業餘愛好者參與，如今則逐漸發展成受到中國官方媒體關注的國家級活動。這些賽事也成為企業展示產品、測試技術，以及證明機器人具備實際應用能力的平台。 《Reuters》回顧中國機器人競賽與相關技術的發展，從校園競賽一路走向商業化。中國早期的機器人競賽規模較小，主要由產業協會和福建省地方政府支持，參賽者以大學團隊為主。當時的比賽更接近學生科學專題或技術展示，與後來由大型企業主導的產業盛會有很大不同。2015 年，北京舉辦首屆世界機器人大會，機器人產業的戰略地位也進一步提升。 當年的展覽中，移動機器人進行羽球表演，利用感測器追蹤羽球並將球擊回，吸引不少觀眾目光。不過，這類展示主要以展現技術為主，並未帶來重大突破。當時的機器人主要依賴 2010 年代發展的距離影像感測器，以及更早在 1990 年代由英國國防研究人員開發、用於預測物體運動軌跡的技術。到了 2023 年，世界機器人大會已成為大型企業展示新技術、吸引市場關注的重要場合。 與此同時，中國機器人產品的價格優勢也開始受到外界注意。《Reuters》指出，小米推出的機器狗 CyberDog 吸引大批民眾圍觀拍攝。這款機器狗最初是定位給機器人愛好者使用的平台，上市時售價約 1,500 美元；相比之下，波士頓動力（Boston Dynamics）的四足機器人 Spot 當時售價超過 7.5 萬美元。 從賽道飆速到精細「機器手」：人形機器人邁向實用化 2025 年 4 月，北京舉行全球首場機器人半程馬拉松，人形機器人首次與人類跑者同場競賽。到了 2026 年，參賽隊伍已超過 […]

千億美元押注 AI，為何遲遲沒顛覆產業？OpenAI 執行長揭「經濟慣性」

OpenAI 共同創辦人暨執行長 Sam Altman 近日在訪談中表示，他過去高估了 AI 技術進步帶來商業變革的速度。他曾創辦 Loopt，並於 2014 至 2019 年擔任 Y Combinator 總裁，長期看好技術變革為新創企業帶來的機會。如今，他認為，AI 模型能力提升與企業真正採用 AI 之間存在明顯落差；即使模型能力快速進步，企業仍需要時間調整既有制度、工作流程與採購決策，因此 AI 對整體經濟的影響可能比他原先預期更晚出現。 AI 顛覆產業為何卡關？OpenAI 執行長點出強大模型敵不過「經濟慣性」 《RuntimeWire》報導，Sam Altman 在媒體平台 Fireside Alpha 發布的一段影片中表示，他原本以為 GPT-4 在 2023 年推出後，AI 很快就會對產業帶來更大的衝擊。但實際情況並非如此，軟體產業受到 AI 影響的速度比他預期更慢。Sam Altman 認為，關鍵原因在於經濟本身具有很強的慣性。GPT-4 於 2023 年 3 月推出。OpenAI 當時表示，GPT-4 是一款多模態模型，在多項專業及學術測驗中的表現已達到人類水準，但也承認，模型在許多實際應用情境下仍不如人類。 Sam Altman 現在認為，AI 技術進步與企業實際導入 AI，其實是兩件不同的事。近年 AI 模型的能力可以隨著研究突破和新產品推出快速提升，但企業若要真正利用這些能力，還得逐步調整軟體系統、資料存取權限、預算配置、合規流程、員工職責及客戶使用方式。即使 AI 技術快速進步，也不代表企業和整體經濟會立即受到同等程度的影響。 Sam […]

神秘 AI 模型 Ox Alpha 短短 4 天衝破 25 萬人試用，為何 AI 匿名測試成新常態？

一款不知道由誰開發的 AI 模型，靠免費使用迅速吸引開發者。8 月 20 日，一款名為 Ox Alpha 的 AI 模型登上 AI 模型聚合平台 OpenRouter。OpenRouter 指出，這款模型鎖定程式開發、AI Agent 任務與推理，擁有約 105 萬 token 上下文視窗，但開發與營運它的第三方供應商選擇在預覽期間保持匿名。 🥷 New stealth model: Ox Alpha Ox Alpha is a frontier model built for efficient coding, sustained agentic work, and real-world production use. – 1M token context window– Text, image, and video input Try […]

「安全圍籬」是人形機器人進工廠的真正障礙，美國機器人公司 Agility 要用 Digit V5 拆掉它

人形機器人遲遲無法大規模走進工廠與倉儲，外界常把原因歸咎於速度不夠快、續航力不足，或手部動作不夠靈巧。但美國人形機器人公司 Agility Robotics 首席商務長 Daniel Diez 直言，真正卡住大規模部署的是機器人無法脫離安全圍籬，在沒有物理隔離的情況下與人類共同工作。 真正卡關的不是技術，是安全圍籬 目前在倉儲或工廠裡運作的人形機器人，幾乎都被圍籬區隔在特定區域，物理上與周遭人類分開，Agility 自家的 Digit 也不例外。這道圍籬雖是為了安全而設，卻等於一筆額外部署成本，占用廠房空間、打斷工作流程，甚至直接讓合作案胎死腹中，因為許多場地根本沒有多餘空間劃出這樣的區域。 Agility 計劃解決的正是這個問題。公司預計今年 12 月，向早期客戶部署新一代人形機器人 Digit V5，Daniel Diez 稱它為「全球第一款協作安全機器人」，能在近距離與人類共事、同時確保對方安全。 目前 Figure、Apptronik、波士頓動力與特斯拉的人形機器人，雖已進入某種程度的共用場域，但都還沒有真正跟人類工作者混合作業。 Digit V5 的三項關鍵升級 Digit V5 至少會在三個面向提升，最核心的是協作安全能力，仰賴大幅升級的軟硬體組合，包括能透過攝影機與感測器偵測人類的新演算法、理解場景的能力，以及能即時反應、確保人類安全的物理能力，後者延續自 V4 就已具備的硬體基礎——Digit 髖部與膝蓋內建的擺線致動器，讓它擁有足夠的力量與動態穩定性，即使遇到突發狀況也不會摔落載重物或整台倒下。 Agility 甚至直接把地毯從 Digit 腳下抽走測試，它會快速跨出半步、穩住重心，同時把手上的載重維持在空中，Daniel Diez 表示，這種動態穩定性正是安全能力的核心組成部分。 第二項升級是續航力。更好的電池表現與快充能力，將讓 Digit V5 能夠一天工作 20 小時，涵蓋三班制的完整運作，單位經濟效益也將變得非常可觀。 第三項升級是更靈活的操作能力。Digit V5 的手臂末端，將採用一種名為 ISO 法蘭的標準化接頭，讓它能使用機器人產業數十年來累積下來的龐大末端工具目錄，未來也能自行更換這些工具，讓 Digit 除了大宗物料搬運之外，能進一步承接揀貨組套、分類等更細膩的任務。 鎖定的市場與商業進度 拆除安全圍籬之後，Daniel Diez 認為，這將打開零售與製藥等原本完全無法導入的產業，因為只要機器人還得圍起來作業，這些產業就完全不會考慮採用。 即便如此，目前 […]

【2026自動化展】台達如何用 AI-Ready 架構支援跨廠部署與集中管理？

關稅變化、供應鏈區域化與客戶在地生產需求，促使製造業重新配置全球產能。企業在不同國家設置產線，可縮短供應距離並分散營運風險，據點增加後，設備配置、製程經驗與管理方式也更難維持一致。「製造業目前面臨的重要課題，是如何將既有廠區累積的製造能力、產線經驗與專業知識，快速移轉至其他生產據點。」台達智能製造軟體新事業發展部處長陳鴻輝表示。 台達今年在 2026 台北國際自動化工業大展中，展出一系列針對跨國設廠的部署與管理解決方案。主展位以軟硬體整合方案與應用成果為核心，以 AI-Ready 的智造架構回應跨域製造與管理的需求，包含：整線級數位雙生、智慧 PCB 噴塗膠協同模擬，以及人工站 AI 視覺工序偵測方案。第二展區則展出電子及半導體等行業專用的智造方案基石，從馬達、伺服驅動、控制器、機器視覺等產品，呈現 IIoT 架構下的完整產品組合。 AI-Ready 智慧製造架構，支援跨廠部署與集中管理 台達將跨廠部署與集中管理列為主軸，建立可供 AI 運用的製造數據環境。陳鴻輝提到，數位雙生、AI 與製造管理平台將成為跨廠營運工具，業者可先透過數位雙生在虛擬環境驗證產線與製程，並藉由管理平台集中整理各廠資料，最後再利用 AI 分析生產狀態。 要讓這套架構發揮作用，第一步是確保現場資料能被整合、辨識與使用，多數產線由不同供應商的設備組成，使用不同通訊協定、資料格式與命名方式，系統也分開運作，若未先釐清產能、良率、交期與成本等管理目標，大量訊號仍難整理成有效 KPI。 跨廠部署同時涉及製程知識的轉譯。設備雖可複製，但工程師的調機經驗與參數判斷很難直接移植，虛擬環境算出的路徑及參數，也未必符合實體設備的控制語言，因此建議企業必須模擬結果轉換成機台可執行的製程配方，才能用於異地產線。 另外，台達智能製造解決方案發展部研發總監楊應龍表示，要讓資料在產線中流動，設備與管理軟體必須使用可互通的介面。台達此次展出的智造方案納入 SMT、DIP 及組裝設備，以標準化、模組化設備執行製程並採集資料，利用 AI 視覺工序偵測方案，讓人工站也能採集完整數據。接著，台達整線管理方案 Line Manager 串聯各工作站、人工站與資訊系統。以模組標準化為基礎，並將標準化範圍擴及設備、產線、通訊協定與資料結構，降低多家硬體拼湊的整合負擔，也能同步製程配方，支援快速換線與混線生產。 台達 Line Manager 扮演 IT 與 OT 之間的溝通樞紐，將設備、工單、產量、良率及人工站資料整理至動態看板，供管理者查看稼動狀況與生產異常；數位雙生用於設備調試及製程驗證，AI Agent 則協助調用資料與分析工具。 另外，台達將跨域集中管理融入製造管理平台，把跨廠製造拆成實物流、資訊流與管理流：實物流是工廠現場，由智能設備與產線執行製程，產生設備、品質及產量資料；資訊流透過工業網路串聯設備、產線與管理平台，讓資料跨系統傳遞；管理流則透過營運管理平台整合各廠資訊。相較以往 MES 等系統儀表板，無法自訂資訊的種類、顆粒度，台達方案的優勢在於，不同職能的管理人員可以自訂介面呈現的資訊，並透過儀表板、移動設備等裝置即時掌握，以敏捷決策因應全球變動。 產線部署前，企業可利用數位雙生進行虛擬調試、測試設備配置、運行路徑與製程配方，再將驗證結果部署到其他廠區，減少現場反覆架線與試產；新工廠運作後，各地設備、品質、產能及異常資料再回傳管理平台，支援跨廠 KPI 比較、原因分析與產能調度。 高擬真數位雙生，加速跨域產線部署與複製 跨廠部署要順利運作，必須先讓製程在虛擬環境完成驗證與最佳化。陳鴻輝以台達自動化展的智慧 PCB 噴塗膠舉例，「如果移動速度快，膠散出去的面積會比較小，噴頭離產品較高，噴幅會變廣，但厚度也會變薄。」。 傳統調機仰賴工程師在現場一邊作業一邊調整、重新試驗。一般設備數位雙生未必能計算膠體如何擴散、無法判斷設備路徑是否合理、會不會碰撞或干涉 PCB 元件。對此，台達整合虛擬機台開發平台 DIATwin、NVIDIA […]

數萬家餐廳怎麼導入 AI？KFC 母公司從統一資料、微調小模型到算 ROI

KFC、Pizza Hut 母公司 Yum! Brands 正把 AI 推進旗下餐廳的日常營運。其旗下美式墨西哥速食品牌 Taco Bell 在美國已有超過 900 家門市使用語音 AI，自助點餐機也已覆蓋 Yum! 約三分之二的全球餐廳；在後台，庫存自動化讓缺貨情況減少 85%，企業內部也已推動超過 400 個 AI Agent。從點餐、庫存到客服與管理，AI 已經進入不同環節。 但把 AI 做到數萬家餐廳，難度不只是模型準不準。不同品牌與市場使用的系統、菜單與流程各異，加上大量門市由加盟商經營，一項技術能在少數據點跑起來，不代表能直接複製到幾萬家。真正的問題是，資料怎麼先接起來、模型怎麼針對任務調整，以及導入後能不能證明值得持續投資。 依 Yum! 最新資料，該集團在全球 155 個國家與地區擁有超過 5.8 萬家餐廳。《Fortune》近日專訪 Yum! Brands 全球數位與技術長 Jim Dausch，從它近年的部署，可以看到這家公司如何從統一資料、微調小模型，一路把 AI 推進實際營運。 AI 要進數萬家餐廳，先把分散的系統接起來 Dausch 向《Fortune》表示，一家典型餐廳過去可能同時使用多達 30 家軟體供應商。點餐、POS、廚房、配送、菜單、庫存與人力管理分散在不同系統，門市很難即時看到完整營運狀況。資料若散落各處、定義又不一致，AI 也難以跨品牌與市場複製。 Yum! 因此建立自有餐廳科技平台 Byte by Yum!，逐步整合數位點餐、POS、廚房、配送與庫存等核心系統。《CIO Dive》今年 5 月報導，Byte 已進入超過 […]

【科技早餐】【科技早餐】NVIDIA 傳砸 60 億美元搶 AI 技術，Apple 裁減逾 200 職位波及 Siri、Vision Pro

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊NVIDIA 傳砸 60 億美元取得 Poolside 技術授權，擬延攬 109 名員工 《彭博》報導，NVIDIA 將支付 60 億美元，取得 AI 新創 Poolside 模型開發軟體的非獨家授權，並向 109 名員工提出工作邀請。這套軟體主要用於打造及訓練 AI 模型，Poolside 在完成授權後仍可繼續使用相關技術，也能授權其他企業使用。 除了技術授權費，NVIDIA 還將另外投資 Poolside 10 億美元。Poolside 的三名創辦人將繼續留任，公司也會維持獨立營運，整體交易並非直接收購。NVIDIA 透過技術授權、人才招募及投資，同步擴大 AI 模型開發布局。 ＊Apple 裁減逾 200 職位，Siri、Vision Pro 團隊同步重整 《彭博》報導，Apple 裁減超過 200 個職位，涉及 Siri、Vision Pro 及負責 AI 功能整合的軟體團隊。其中約 100 個職位來自 Vision Pro 團隊，Apple 將大幅縮減遊戲開發團隊，同時調整沉浸式影片的製作人力，未來仍會自行製作部分內容，並鼓勵其他企業投入內容開發。 另外約 […]

【OpenAI 企業 AI 導入實證】高管偏好決策概述與合規查詢，推動「流程再造」與「人機磨合」才是轉型核心

企業決策者引進 AI 面臨的難題之一是，導入 AI 工具後，能自動且即時轉化為組織的實質生產力嗎？OpenAI 聯合哥倫比亞商學院與賓州大學華頓商學院，發佈實證研究論文《How Organizations Use AI: Evidence from ChatGPT》，嘗試為這個問題提供解答。 研究將 ChatGPT Enterprise 的帳戶使用紀錄，安全且去識別化地連結至組織內部的員工職能角色、訊息層級任務分類，以及美國上市公司財務數據庫 Compustat；一共分析了超過 1,500 家組織，以及超過 1,700 萬條真實去識別化對話訊息。 依據研究結果，企業導入生成式 AI 的進程，絕非隨插隨用的簡單軟體採購，而是一個漫長且步調不一的組織變革現象。 📎 這份報告適合誰閱讀？ 報告呈現生成式 AI 在真實商業世界中的部署與運作，適合以下工作者閱讀，為不同面向的決策與實務工作提供實證支持： 🔴 報告洞見 Token 消耗七倍成長，但高管開通多、工程師用得少 研究表明，企業級 ChatGPT 的採用需求，在短期內呈現指數型爆發式增長；在 2025 年 6 月至 2026 年 3 月的短短九個月內，企業客戶所產出的 AI 總輸出 Token 數量，大幅增長高達七倍。 更深入的結構分解呈現，這波暴增不僅是由於新企業的加入，既有客戶內部的「使用深化」同樣貢獻顯著。在 2024 年 1 月至 2025 年 […]

宇樹科技王興興：機器人軟體最快還要 2 至 3 年突破，泛化仍是關鍵瓶頸

宇樹科技（Unitree Robotics）掛牌上海科創板隔日，創辦人王興興迎來上市後首次公開演講。相較首日股價大漲逾 460% 的市場熱度，他談起人形機器人的實際能力時，給出的判斷相對審慎，指出機器人距離大規模進入工廠與家庭，仍有幾道關卡尚未跨過。 在 2026 世界機器人大會上，王興興首先把問題指向效率與泛化能力。他表示，機器人現在已能完成部分簡單裝配，但效率仍低於人類；一項任務即使在固定場景充分蒐集資料與訓練後，成功率可以逼近 100%，只要更換物品、環境或任務，表現就可能明顯下滑，碰到新工作往往還得重新訓練。他因此把泛化能力不足，視為當前全球機器人產業的核心瓶頸。 《Reuters》則指出，驅動機器人決策與互動的 AI 模型，仍是限制人形機器人大規模部署的主要因素。而宇樹科技目前投入最多資金與人力的方向，也正是世界模型。 什麼才算機器人的「ChatGPT 時刻」？ 王興興在演將中也為具身智慧（embodied intelligence）真正跨過門檻，給出一個具體判準。對他來說，如果把機器人帶進一個完全陌生的環境，只靠語音或文字指令，就能在約 80% 的陌生場景完成約 80% 的任務，才算迎來具身智慧的「ChatGPT 時刻」。 至於還要等多久，他估計，在樂觀情況下最快 2 至 3 年，較保守則可能需要 5 至 10 年。但要跨過這個門檻，泛化能力不足還只是表面問題。王興興認為，更棘手的是 AI 模型一旦進入真實物理世界，誤差就開始產生與累積。 最後幾毫米，為何成為機器人難跨過的關卡？ 王興興以抓取物品為例，機器人的手看起來已經接近目標，但最後一點觸覺回饋或位置偏差如果無法即時修正，整個任務就可能失敗。真正影響成功率的，往往是最後幾公分，甚至幾毫米。 這也是機器人 AI 與語言模型（LLM）的一項重要差異。他解釋，語言模型的輸入與輸出都留在數位空間，但機器人必須把模型判斷轉成真實動作，每一次執行產生的偏差，又會影響下一次感知與行動，讓誤差持續累積。這也是為什麼機器人學會一項任務，不代表換到陌生環境後還能照樣完成。 王興興在 2025 年也曾表示，當時機器人的硬體能力已基本夠用，雖然成本、可靠性與量產仍要持續改善，相較之下，具身 AI 模型更缺乏足以支撐廣泛應用的突破。 宇樹怎麼解？重押具身 AI 模型，再用 AI 改造研發流程 宇樹對 AI 模型的投入也反映在募資規畫上。該公司原募投計畫規模為 42.02 億元人民幣，其中 20.22 億元投入 AI 機器人模型研發，高於投入機器人機身、關節與運動控制等技術研發的 […]

GPU 負載劇烈波動，TerraPower 如何讓核能同時做到穩定與快速調度？

隨著 AI 資料中心在全球以驚人速度擴張，科技巨頭們在等待傳統電網緩慢擴建之餘，也愈來愈積極尋找能繞過電網、直接為資料中心供電的自備電力解決方案。在這一波綠能與穩定電力爭奪戰中，由微軟創辦人 Bill Gates 創立的核能新創公司 TerraPower，計畫在今年宣布旗下第一個直接對接資料中心的核能發電專案，並預計於 2027 年正式動工。 然而，對這些科技巨頭而言，AI 資料中心真正棘手的能源考驗，已不只是單純的容量問題，而是 AI 運算特性帶來的全新挑戰。AI 的工作負載會引發巨大且難以預測的電力需求升降，這種用電特性迫使供電系統必須同時滿足「全天候高容量輸出」與「極高調度彈性」這兩種本質上相互衝突的需求。 GPU 用電瞬間暴衝又驟降，AI 資料中心穩定供電成難題 在進行 AI 模型訓練或即時回應使用者提問（prompts）時，成千上萬顆 GPU 會隨著運算任務啟動與結束，在極短時間內集體改變工作狀態，使資料中心的電力負載出現大幅度的瞬間飆升與驟降。這種劇烈的需求曲線，與傳統企業資料中心相對平穩、好預測的用電模式截然不同。施耐德電機（Schneider Electric）發表的白皮書指出，隨著資料中心的規模不斷擴大，這種負載波動所產生的電力震盪甚至可能達到吉瓦（GW）的級別，這對任何供電系統來說都是極為嚴苛的考驗。 《華爾街日報》盤點美國四座已經運作或正在建設的離網與部分離網資料中心，發現其中就有三座曾遭遇重大電力系統故障。例如，替馬斯克旗下 xAI 的 Colossus 資料中心提供燃氣渦輪發電的 Solaris Energy Infrastructure，其發電設備便被揭露出現發動機曲軸斷裂與燃氣渦輪出現裂縫等嚴重問題。此外，Vantage Data Centers 在維吉尼亞州的園區也曾因關鍵電力故障，被迫切換至柴油發電機長達一天。至於 Crusoe 在 Stargate Abilene 的專案也同樣面臨渦輪故障這一類技術瓶頸。 對此，電力服務商 AlphaStruxure 總經理 Troy Patton 透露，曾有科技巨頭客戶向他提出僅需「10 幾毫秒」的超短電力響應時間，他對此直言：「這種響應速度是任何旋轉發電設備或鋰電池都從未應對過的。」儘管面臨高昂建置成本與巨大運作風險，科技大廠為了爭奪算力，依然願意自建離網電力系統以縮短部署時間，例如亞馬遜（Amazon）正計畫在德州建置一座高達 7.65 吉瓦的離網資料中心，這相當於 7 到 8 座核電廠的發電量，也充分顯示「多快能取得可靠電力」已成為 AI 基礎設施競爭中的最大瓶頸。 核電最擅長穩定輸出，AI […]

Salesforce 推 Slack Code：AI 不再只拚個人生產力，把寫程式搬進聊天頻道

Salesforce 推出 Slack Code，讓團隊能直接在 Slack 與 AI 程式碼代理協作，並即時掌握開發進度。《SiliconANGLE》報導指出，程式碼代理正逐漸成為開發團隊的一員，不僅改變開發人員撰寫程式的方式，也正在重塑企業的軟體開發流程。Salesforce 將其多人協作理念延伸至軟體開發，讓 AI 程式碼代理從開發人員個別使用的工具，進一步成為團隊協作的一環。 Salesforce 表示，Slack Code 已開放使用，支援多家 AI 業者提供的程式碼代理，所有 Slack 方案均可使用。企業也能透過 API 建立更多連接器，串接第三方 AI 代理及相關開發工具。不過，使用者仍須先取得所選 AI 代理的使用權限，才能透過 Slack Code 使用該代理。 打破 AI 開發孤島：Slack Code 將程式碼代理搬進頻道，望實現團隊全透明協作 《SiliconANGLE》提及，現在不只是工程師，連產品、行銷等非技術人員也能直接透過 AI 協助開發企業應用程式。在這樣的情況下，如何讓 AI 的工作過程納入團隊溝通，而不是只停留在個別開發人員的終端機裡，變得更加重要。 Slack 首席行銷長 Ryan Gavin 接受《SiliconANGLE》訪問時表示，過去開發人員與 AI 代理各自工作，累積的知識與效率往往只留在個人手中，企業難以從中獲得更大的整體效益。因此，Salesforce 希望透過 Slack Code，讓團隊能直接在 Slack 中與程式碼代理合作，並把開發過程公開給其他成員查看。目前支援的代理包括 Anthropic 的 Claude Code、Vercel 的 […]

Broadcom 再籌逾 600 億美元 AI 融資：晶片商為何開始替客戶解決「買算力」問題？

為了買更多 AI 晶片，科技公司現在不只要找供應商，還得回答另一個問題：一次數百億美元的算力帳單，錢從哪裡來？根據《Bloomberg》報導，半導體大廠博通（Broadcom）正與金融機構洽談新一輪 AI 晶片融資，優先擔保債務可能達 600 億至 700 億美元，另有約 300 億美元次順位債務，整體規模最高可能逼近 1,000 億美元，資金將支援 Anthropic 等 AI 公司擴充算力。 不過，這不是 Broadcom 自己在公司帳上借進近千億美元。《Reuters》指出，新債預計由特殊目的公司（SPV）發行，也就是另外成立一家公司承接交易，由銀行、私募信貸等投資人出資購買 AI 設備，再提供給需要算力的客戶使用。Broadcom 則可能替部分優先債務提供支持。 前情提要：Broadcom 6 月才有過一次類似作法 這套做法並非第一次出現。今年 6 月，Broadcom 與私募資本業者 Apollo、Blackstone 宣布成立 AI XPV Platform，第一筆交易規模達 350 億美元，用來支援 Anthropic 增加超過 1 GW 的運算容量；整個平台目標是在 2028 年前支援超過 20 GW AI 算力部署，採用 Broadcom 的 XPU 與網通方案。 Broadcom 等公司當時沒有在官方公告中詳述這 350 […]

斑馬科技展示最新智慧自動化解決方案，協助企業提升一線工作流程效能

全球一線工作流程數位化與自動化領導廠商斑馬科技（Zebra Technologies Corporation; NASDAQ：ZBRA）於 8 月 19 日至 22 日在台北南港展覽館 一、二館同期舉辦的「2026 台北國際自動化工業大展（Automation Taipei）」及「第 31 屆台北國際物流暨物聯網展（Taipei International Logistics & IoT Exhibition）」展示最新智慧自動化解決方案，呈現由人工智慧、機器視覺及無線射頻辨識（RFID）技術驅動的斑馬科技解決方案，如何協助企業實現高效率且自動化的營運。 斑馬科技大中華區副總裁暨總經理于放表示：「斑馬科技致力於為企業提供連結實體與數位世界的高效技術能力。在當前 AI 推動創新與自動化持續演進的時刻，我們將持續開發整合 AI、機器視覺及 RFID 等關鍵技術的解決方案。透過將資料智慧直接導入至一線營運，我們協助企業連結一線工作人員、自動化工作流程，並即時掌握營運管理可視性，成功實現智慧自動化。」 2026 台北國際自動化工業大展：提升半導體製造的精準度與效率 在台北國際自動化工業大展，斑馬科技攜手碁仕科技、霖思科技與肯定資訊科技，聚焦半導體自動光學檢測（Automated Optical Inspection；AOI）及先進封裝製程的嚴苛需求，展示機器視覺技術如何實現高速、高解析度且精準的影像擷取以及微細缺陷檢測能力，進而提高生產效率並提升整體營運效率： 斑馬科技亞太地區機器視覺與影像產品線業務總監 Kelvin Cho 表示：「臺灣向來是斑馬科技機器視覺業務的關鍵市場。透過與在地合作夥伴緊密合作，我們致力於協助台灣企業推動數位轉型。隨著半導體製程持續朝向高密度互連、先進封裝與玻璃基板應用發展，檢測系統需要處理更大量的影像資料，並在高速產線中即時辨識微小缺陷。本次展示的解決方案正是針對這些關鍵需求而設計。」 第 31 屆台北國際物流暨物聯網展：簡化物流與倉儲工作流程 在同期舉辦的台北國際物流暨物聯網展，斑馬科技展示針對物流與倉儲產業打造的最新解決方案。透過從入庫到出庫的逐步實境工作流程展示，斑馬科技呈現由 AI、機器視覺及 RFID 技術驅動的解決方案，如何提升企業的智慧自動化能力： (本文訊息由斑馬科技提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：斑馬科技。）

串聯企業營運數據與 AIoT 設備控制，鼎新 Agent Space 讓 AI Agent 深入製造現場

2026 台北國際自動化工業大展登場，鼎新數智以「Agent Space 實現企業 AI 代理」為主軸，展示 AI Agent 如何深入製造現場，參與異常研判、生產調度、能源與工安管理，並進一步銜接設備控制與現場執行。Agent Space 串聯 ERP、MES 營運數據與 AIoT 設備數據，打通從現場數據採集、營運研判到設備控制的完整鏈路，由指揮官智能體（Agent）調度製造現場各類職能的專家智能體（Agent）協作，依據交期、產能、安全與能源等營運目標，推進跨系統研判、跨職能協作與現場執行。 現場透過「生產節拍異常」、「能源需量管理」與「產線工安異常」三大情境，展現 AI Agent 參與製造營運的完整歷程。不同於僅辨識異常或提出建議的單點 AI，Agent Space 可整合營運數據與現場資訊，評估事件對交期、產能、能源及安全的影響，再由指揮官智能體調度不同專家智能體協作，讓 AI 不只處理眼前異常，更能從營運目標出發，推進後續決策、協作與執行。 製造現場涉及設備、生產、排程、能源與工安等不同領域，所需的專業知識與判斷能力也各不相同。鼎新 Agent Space 並非以單一 Agent 承接所有任務，而是依據不同領域與職能，將所需的專業知識、判斷邏輯與任務技能，建構為製造主管、產線班組長、設備工程師及廠務能源工程師等不同專家智能體（Agent）。 單機異常不擴大為生產停擺，AI Agent 協作維持交付節奏 以「生產節拍異常」為例，當設備出現送料異常徵兆，設備工程師 Agent 可即時偵測並示警，依授權觸發停機防護；指揮官智能體則同步調取 ERP、MES 中的工單、排程、產能與人力資訊，研判事件對交期的影響。如需調整生產計畫，指揮官智能體隨即啟動跨職能協作，由製造主管 Agent 掌握全廠設備狀態與可用產能，提出替代機台及工單改派方案；產線班組長 Agent 接續核對排程及人力配置。方案經確認或符合授權規則後，再由設備工程師 Agent 完成替代機台參數設定，將受影響工單轉移至可用機台。 透過事前辨識高風險機台並及早介入處置，可降低 20% 以上停機率；以金屬加工產線為例， Agent 可協助在 2 小時內完成 300 件產品的排產作業，具體展現 AI 從風險預警、生產調度到任務執行的協作效率。 […]

2026 自動化展台達具身智能雙臂協作平台展現AI 自主作業能力

AI 的發展正延伸至能夠感知環境、理解任務並控制實體設備的具身智能。多模態 AI 讓機器人可以接收語言、影像、影片及 SOP 等多種形式的指令，依現場狀況調整動作，從學習、推論、執行皆可自主完成，回應缺工、少量多樣與頻繁換線需求。 今年自動化展，台達適逢 55 週年，並以「前行共好．AI 創變智造未來」為主軸，以雙展區的形式呈現 AI 與智能製造的整合應用，在主展位呈現軟硬體整合方案，其中，具身智能雙臂協作平台、仿人雙臂與協作機器人成為吸晶亮點；今年增加的第二展區，則以電子業、半導體等行業所需的驅動控制、機器視覺等產品展示為主。 台達運動方案事業部資深副理陳維庭表示：「具身智能同時包含 AI 模型、高自由度硬體、感測器與運動控制，難度在於把跨領域能力整合起來。」AI 理解指令後，必須將任務轉換成可執行的路徑與機器人關節命令，雙臂協作更涉及碰撞檢查、路徑避讓及即時控制。 客戶端的需求也在同步轉變。台達智能機器人事業部資深產品經理易子民觀察到，過去工業機器人多靠人工教導，面對物件誤差時相當吃力，如今客戶更希望機器人能自行判斷周遭環境與工件狀態，例如發現瑕疵品時能決定不抓取。他認為，具身智能目前仍處於早期發展階段，後續仍須累積模型訓練與場域經驗，才能處理更複雜的任務。具備環境判斷能力只是第一步，進入產線後，機器人還須符合工廠對精度、可靠度、安全及生產節奏的要求，這也成為台達參加 2026 台北國際自動化工業大展的展示重點。 具身智能雙臂協作機器人：現場繪製肖像，並以 AI 控制平台串起感知、決策與運動控制 位於主展位的具身智能雙臂協作平台，可看出AI如何將抽象指令轉換成機器人可執行的動作，充分展現出台達在 AI 推理、環境感知與機器人控制的技術整合能力。 整套流程由 AI Agent 負責協調。「我們建立的 AI Agent 可辨識與來賓互動、完成肖像繪製的任務目標，並依各執行階段調用所需工具。」陳維庭解釋，AI Agent 就像任務總指揮，會依照執行進度調用語言、影像及運動控制工具，讓抽象需求得以轉化為機器人的實體動作。 而背後的關鍵在於台達的AI機器人控制軟體平台，串聯 AI 模型、運動控制，以及 RS-M 模組機器人、電爪等設備作動。結合 NVIDIA Jetson AGX Orin 模組，最高達 275 TOPS AI 算力，同時透過 NVIDIA Isaac ROS Nvblox 與 cuMotion 等軟體套件，建立即時 […]

「科技沒有離想像中遙遠。」豐漁水產智慧無人養殖船，如何從雲林魚塭走向日本？

清晨五點在雲林的魚塭旁，一位漁民正把飼料與石灰粉扛上木板船。傳統養殖作業中，漁民經常需要頂著高溫划船，徒手將石灰或飼料均勻撒入魚塭，不僅耗費大量體力，也伴隨粉塵與落水風險。而這樣的情景是台灣養殖現場每一天的縮影。 面對傳統產業缺乏合適工具介入的缺口，豐漁水產看見契機，帶著「模組化智慧無人養殖船」在今（2026）年台灣創博會（tie）創新經濟館亮相。 今年創博會，由經濟部產發署召集技術司、中企署、能源署、國營司及智慧局整合經濟部科研成果，以「AI 落地百工百業」為核心，聚焦半導體、智慧製造、淨零永續、精準健康及跨域前瞻產業應用，推動 AI 軟硬整合創新，展現產業導入與商用成果。 其中，由經濟部智慧財產局策劃的「臺灣專利超級站」也在館內展出，展區匯聚國際獲獎專利與跨域創新應用，讓參觀者理解專利如何轉化為貼近產業需求的解方。而豐漁水產的無人船正是專利成果落地商業化的代表之一，展現台灣專利軟硬整合的實力，更為傳統漁業轉型升級與躍上國際市場注入全新動能。 「幫助漁民享受科技的美好，不只能存在於實驗室中。」 豐漁水產創立於 2023 年，而這段創業故事的起點，源自於家人的日常。 許宏德表示，岳父是一位從事文蛤養殖的資深漁民，每天需要在足球場大的魚塭中划船投餵，讓他認知到傳統養殖不僅體力負擔極大，更伴隨著高風險，漁民需徒手潑灑強鹼性的石灰粉，稍有不慎就會侵蝕到皮膚與眼睛，社會新聞中更不乏漁民意外落水溺斃的悲劇。「最初的想法是買一台無人機協助他的工作，但他一聽就非常抗拒，因為無人機的操作繁雜，對高齡漁民來說門檻太高了。」許宏德笑著回憶，也是那時讓他動念，不如設計一台安全性高、操作更為直覺的「水上無人船」。 「做這件事的初衷，是為了幫助漁民享受科技的美好，而不是讓科技只存在於實驗室中。」許宏德表示，要真正落地到現實，必須通過「漁民能不能自己用」這道門檻。 豐漁水產技術長李紹綦表示，團隊在研發第一代產品時，原先設計透過 App 控制遙控無人船，但當船隻實際在漁塭現場卻碰壁。其一，是偏遠漁塭通訊環境差，一旦斷訊船隻便無法行駛；其二是漁民在操作現場雙手沾滿泥沙與強鹼，無法使用手機操作螢幕；其三，是每艘船隻都需要使用網路、安裝 SIM 卡支付月費，對於傳統漁民來說容易造成心理排斥。 為了解決偏遠養殖場域的通訊問題，許宏德與團隊重新打造雙軌通訊系統，保留網路通訊與實體遙控等不同操作方式，使設備即使在網路訊號不穩定的環境下，仍能維持實際作業所需的操控能力。為了驗證設計的可行性，團隊透過養殖協會舉辦應用說明會，並帶著無人船讓漁民親自試用。「我們達成的目標是，讓漁民上手只需 5 分鐘，從 8 歲到 80 歲都能操作。」許宏德表示，這項落地成果不僅顯著減輕高齡漁民的體力負擔與風險，更大幅降低技術門檻，讓年輕一代更有機會回鄉參與傳統養殖，為在地產業轉型。 模組化無人船與 AI 視覺精準投餵 而這艘無人養殖船，背後的關鍵優勢在於「模組化」的設計邏輯。 「過去養殖業者需要人工在魚塭旁手動控制撒料量與路徑、撒石灰和投放水質耗材，不僅耗時費力且分布不均，更讓自己曝露在粉塵危害和落水風險中。」李紹綦表示，而無人養殖船透過投餵模組，可沿著離岸預設路徑定時撒料，漁民只需在岸邊遙控確認，便能縮短工作時間、提升撒料均勻度與穩定度。 許宏德補充說明，相較於市場上部分採固定功能設計的無人船產品，豐漁水產以「全船模組化與組件可分離拆裝」為核心設計，將電控、主機、電池及功能模組獨立拆分，實現一艘船體「一個功能對應一個模組」的彈性架構。漁民可依據自身需求「需要什麼才買什麼」，透過拆裝不同模組切換投餵、粉劑、水劑與拖曳等四種作業模式降低採購成本。若是船隻發生故障，也只需將損壞模組零件更換良品，節省農業機具售後維修成本。 李紹綦表示，團隊目前也正整合 AI 視覺與感測技術，透過船上鏡頭觀察水面光影、水花等動態資訊，未來可望進一步判斷魚群攝食活躍程度，並作為投餵量調整依據，降低過度投餵造成的飼料浪費與水質負擔。 從彰化到日本，只要有水的地方就有商機 「只要有水的地方，就會有我們的產品。」針對豐漁水產的未來願景，許宏德表示目前無人養殖船已經完成商業化量產，在彰化到屏東的沿海養殖場域銷售超過百台，廣泛應用於傳統魚塭、蝦塭以及文蛤養殖場等多樣化場域。 而這項量產能力也帶來海外市場的信任與佈局。在好食好事基金會加速器的牽線下，豐漁水產正積極佈局國際市場，目前已與日本沖繩在地合作夥伴展開市場導入與經銷合作，並持續推動當地場域驗證，逐步建立日本市場布局。同時團隊目光也投向東南亞市場，以智慧無人船緩解當地養殖產業面臨的缺工、勞動力老化以及智慧化轉型陣痛問題。 針對下一步的產品方向，許宏德表示豐漁水產更將無人船的應用範疇延伸至更廣的水域場景。受益於模組化設計，只需更換檢測模組，船隻就能執行生態巡檢與水質監測；換上清理模組，便能收集水面漂流垃圾，未來甚至能改裝為水上救生艇或跨足軍工國防領域。 最後許宏德透露，因應近年政府推廣的「漁電共生」場域，目前團隊正進一步開發自主導航、環境監測與自動化補給等技術，讓船隻未來能在魚塭中自主避開障礙、執行導航與補給，進一步降低人工介入頻率，相關系統預計於 2027 年陸續完成場域驗證與導入。 豐漁水產的無人船從解決家人的務農痛點，到進入國際市場，證明「科技沒有離想像中遙遠」。當 AI 軟硬整合技術貼近土地、走入漁塭，所代表的不僅是綠色養殖商機，更是讓傳統產業更安全且永續傳承的科技溫度。 豐漁水產「可分離式智慧無人養殖船系統」將於 9 月 17 日至 19 日在台北世貿一館舉行的台灣創博會（TIE）「創新經濟館」登場。 https://tie.twtm.com.tw

算力 8 年提升 20 倍還不夠：Waymo 如何用自研 ASIC、液冷與雙晶片備援，把「資料中心級 AI」搬上車？

Alphabet 旗下 Robotaxi 龍頭 Waymo，近日首度公開車載運算系統的關鍵設計細節。為了應付愈來愈複雜的 AI 工作負載，Waymo 過去八年已將車載運算能力提升至原來的 20 倍。不過，Waymo 想把「資料中心級算力」搬上車，真正的挑戰並不只是追求更高的算力峰值，而是必須在道路震動、溫度變化等環境下長時間穩定運作，更要在硬體異常時維持系統運行，因此 Waymo 將車載運算架構的核心原則歸納為「即時反應、強韌耐用、備援」三大原則。 原因在於，車上的相機、光達（LiDAR）與雷達持續產生大量感測資料，AI 必須在毫秒之內完成環境感知與判斷，再轉換成駕駛指令。在完全無人駕駛的 Robotaxi 裡，也沒有駕駛員能在系統出錯時即時接手，因此 Waymo 最新一代車載運算系統不是單純增加更多晶片，而是重新整合特殊應用積體電路（ASIC）、感測器、散熱、硬體備援與 AI 模型，讓資料中心等級的 AI 運算能真正在道路上即時、穩定且不中斷地運作。 不是只拚算力，Waymo 用自研 ASIC 把感測到行動的延遲降到最低 Waymo 宣布，在最新第六代 Robotaxi 中，正式導入首款自研 ASIC。這顆晶片採用台積電 5 奈米製程，運算效能超過 1,000 TOPS（每秒 1,000 兆次運算），若單看 TOPS 指標，其 AI 運算能力已可與 NVIDIA 最新的自駕車運算系統相比。 Waymo 自研晶片的目的，是針對 Robotaxi 最關鍵的工作負載量身打造：快速處理感測器持續產生的原始資料，並盡可能縮短資料轉換成 AI 模型可用資訊的時間。為此，Waymo 特別針對低延遲進行設計，希望把從感測器接收到第一個像素（first pixel），到車輛做出行駛反應之間的時間壓到最低。 這顆 ASIC 的設計以 […]

Physical AI 半年吸金 474 億美元：軟體創投為何開始改押實體世界？

生成式 AI 讓寫軟體這件事變得越來越容易，這促使過去擅長押注軟體與網路服務的矽谷創投，開始把資金移往更難被 AI 複製的實體世界。專注 AI 的創投公司 Gradient 合夥人 Darian Shirazi 直言，傳統軟體已不再有吸引力，因為 AI 能輕易複製，像 Anthropic 這樣的公司幾秒內就能生出一套軟體。根據 Crunchbase 統計，光是 2026 上半年，Physical AI 新創的募資金額就達 474 億美元，較去年同期成長近 80%。 曾押注 Snap、Uber 的創投，開始寫支票給晶片與機器人 Crunchbase 將 Physical AI 界定為涵蓋機器人、自駕車、航太、無人機、工業自動化與感測器等領域。依其統計，2026 上半年這類新創共完成 521 筆交易、募得 474 億美元，約為 2025 下半年 120 億美元的四倍；單是上半年的金額，就已超過 2022 至 2024 三年合計的 419 億美元。 推升這波金額的是幾筆大額交易。Crunchbase 指出，Waymo 於 2 月完成的 160 億美元 […]

【科技早餐】Google、Marvell AI 晶片合作營收上看 1,200 億美元，OpenAI 財務長稱 2027 年上市

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google 聯手 Marvell 開發 AI 晶片，2033 年前合作營收上看 1,200 億美元 Marvell 宣布擴大與 Google 的客製化晶片合作，將為 Google 的 TPU 生態系開發 AI 推論加速器、儲存控制器、網路及記憶體介面控制器，以及近記憶體運算產品，涵蓋 AI 運算、資料儲存與傳輸等環節。 Marvell 同時授予 Google 最多約 5,897 萬股認股權，其中大部分與未來採購掛鉤。從 Marvell 2027 會計年度第 3 季至 2033 會計年度結束，每增加 5 億美元客製化產品營收，就有一批認股權歸屬；若達到全部門檻，累計營收約為 1,200 億美元。Google 過去主要與博通（Broadcom）合作開發 TPU，雙方協議將延續到 2031 年。分析師認為，加入 Marvell 主要是擴大供應來源，不代表全面取代博通。 ＊OpenAI 財務長據報稱 2027 年上市，業務加速可能提前 《CNBC》引述兩名知情人士報導，OpenAI 財務長 Sarah Friar […]

晶片還沒出貨，Anthropic 傳先下單 2.5 億美元：Fractile 憑什麼三個月估值翻六倍？

英國 AI 晶片新創 Fractile 的第一批晶片預計要到 2027 年才會問世，卻已傳出 Anthropic 已先簽下約 2.5 億美元的採購協議。據《Bloomberg》報導，這家 2022 年才成立的公司，正以 65 億美元的投前估值洽談新一輪募資，預計進帳約 6 億美元，較三個月前的約 10 億美元估值大幅跳升逾 6 倍。晶片都還沒交貨，資本與大客戶為何搶著上車？ 不押訓練、也不靠 HBM：賭「又快又便宜」的推論 Fractile 由牛津大學機器人研究學者 Walter Goodwin 於 2022 年創辦，鎖定推論市場，也就是 AI 模型回應使用者查詢的運算過程，而非投入模型訓練。Goodwin 向《華爾街日報》表示，前沿 AI 模型當前最關鍵的瓶頸，是產生有用回應所需的時間；隨著模型越來越大、越來越複雜，完成一項任務動輒需要數千萬的 tokens，而資料在處理器與記憶體之間的移動速度，決定了查詢的延遲。 Fractile 對這個瓶頸的解法，是打造了一款邏輯晶片，並在伺服器機櫃內設計一套連接記憶體的架構，要在不犧牲速度的前提下拉高頻寬；同時捨棄主流的 HBM 高頻寬記憶體，也不依賴晶片內的 SRAM。另外值得關注的是，它們把記憶體與運算單元在實體上交錯排列。Fractile 說明，前沿模型推論同時需要低延遲與高吞吐量，而現有硬體難以兼顧，交錯設計正是為了同時滿足這兩項需求。 至於能跑多快，Fractile 給的數字相當高調。官方主張最先進模型的執行速度可提升至多 25 倍，成本降至十分之一，並宣稱能對數千名同時上線的使用者各自每秒輸出數千的 token。Goodwin 把自家產品定位為「又快又便宜」。 推論晶片資金與訂單正在集中，新戰場圍繞 token 成本 Fractile 的崛起不是單一案例，同樣鎖定推論市場的新創，近期接連拿到巨額資金和訂單。根據《Reuters》報導，主打讓模型跑得更快更便宜、專為 transformer 架構設計晶片的 […]

AFA 高峰會 9/2 登場！6,700 億美元產值的臺灣電子半導體供應鏈，FinTech、AI、穩定幣新動能助攻產業競爭力

隨著人工智慧（Artificial intelligence，AI）、半導體與數位經濟快速發展，全球供應鏈競爭已不再只取決於生產與物流效率，跨境支付、融資、資料交換及金融基礎設施能否同步運作，也逐漸成為企業韌性的重要一環。 FinTechOn 2026 暨亞洲金融科技聯盟高峰會（AFA Summit）將於 9 月 2 日至 3 日在臺北遠東香格里拉飯店登場，延續去年的討論，今年持續聚焦「金融科技 × 全球供應鏈」（FinTech × Global Supply Chain），深入探討金融科技如何協助全球供應鏈提升跨境資金流動效率、強化風險管理，並推動亞洲市場之間的監理及產業協作。 AFA 主席、臺灣金融科技協會名譽理事長蔡玉玲（Jaclyn Tsai）表示：「全球供應鏈韌性已不只是『在哪裡生產』的問題，也取決於企業能以多快的速度完成付款、融資與驗證，並因應市場變化。在數位經濟中，市場碎片化是有成本的。AFA 成員所代表的 16 個市場都各有強大實力，但若能有效串聯，所能創造的可能性將更大。」 韓國、香港與東南亞多國將攜產業代表團來臺 自去年起，臺灣金融科技協會主辦的年度論壇 FinTechOn 結合 AFA 高峰會。去年，AFA 成員積極派遣代表參與；今年，隨著 AFA 平台的國際影響力與產業連結持續提升，參與形式也進一步升級，不僅 AFA 代表親自來臺，香港、韓國、馬來西亞、菲律賓、印尼與柬埔寨都將組成產業代表團來臺，展現對 FinTechOn 與 AFA 高峰會的高度重視。 AFA 是一個自發性成立的國際合作平台，致力於推動區域內的金融創新、政策對話與產業連結。AFA 由亞洲 16 個領先的金融科技協會與組織共同成立，每一個經濟體僅能有一個協會或組織代表，包括：臺灣、韓國、新加坡、日本、菲律賓、印尼、香港、馬來西亞、泰國、柬埔寨、蒙古、尼泊爾、印度、越南、斯里蘭卡與烏茲別克，涵蓋從新興市場到發達國家的多元金融科技生態。 

 臺灣供應鏈優勢，金融基礎設施成下一階段關鍵 鈺創科技創辦人、董事長暨執行長盧超群（Nicky Lu）博士，歷來致力於貢獻全球 IC 設計及半導體產業。他指出，全球電子與半導體供應鏈規模龐大，臺灣電子與半導體產業全年產值預估約達 6,700 億美元，支撐如此龐大產業體系的金融基礎設施，也必須同步升級。 盧超群表示：「對產業而言，我們需要速度與效率，但同一時間，也需要安全、可靠與韌性。」 盧超群曾任世界半導體理事高峰會 (WSC) […]

Moxa 加速工業 AI 應用落地，強韌無線網路成智慧製造關鍵基礎設施

隨著生成式 AI、數位孿生、AI 視覺檢測、自主移動機器人（AMR）等應用快速進入製造現場，工廠正從「設備自動化」邁向「AI 驅動的實體智慧」。然而，當設備數量持續增加、產線配置頻繁調整，且越來越多 AI 應用設備必須在工廠內移動時，提供持續、可靠與即時通訊的工業網路成了決定智慧製造應用能否穩定運作的關鍵。四零四科技（Moxa）於台北國際自動化工業大展上，以高速漫遊、強韌無線骨幹與工業級即時通訊技術，瞄準 AI 視覺 AMR、設備巡檢等關鍵任務應用，讓無線網路成為實現工業智慧應用落地的網路底座。 AI 實體化，帶動工業無線網路需求升級 AI 應用進入工廠後，資料傳輸與即時控制的重要性大幅提升。例如 AI 視覺系統需要將高解析影像或 3D 點雲即時傳送至邊緣設備進行推論；機械手臂、AMR 等設備的「感知—認知—執行」閉環，也要求控制資訊能以低延遲、高可靠度方式傳遞。一旦網路出現瞬斷、延遲或漫遊不穩定，影響的就不只是資料傳輸，更可能牽動設備的移動、避障甚至生產流程。因此，工業無線網路正從傳統「資料傳輸管道」，轉變為 AI 實體化應用的基礎神經系統，並在高頻寬感知資料回傳、低延遲控制、動態拓樸連線及工業資安等層面扮演關鍵角色。 從高速漫遊到極速自我修復，打造自主移動設備的強韌無線環境 針對 AMR、AGV 及自主機器人等移動設備的通訊需求，移動過程中的無線漫遊品質是關鍵。 Moxa 以 Turbo Roaming 低於 50 毫秒的高速漫遊切換能力為基礎，協助 AMR 等移動設備在不同無線存取點之間切換時維持連線穩定性，降低漫遊造成的通訊中斷風險。Moxa 更與所羅門及綠捷合作，將 Turbo Roaming 工業無線技術直接導入自主移動與智慧巡檢場景。 Moxa 同時亦於展會中展示 AeroMesh 強韌無線骨幹的進階技術，其多路徑備援架構能自組成網與自動修復，當其中一條通訊路徑或網路節點發生異常時，系統可在 2.5 秒內重新尋找可用路徑並迅速自動恢復通訊，這對運作範圍與網路拓樸持續變化的移動設備而言尤其關鍵，就如同為工廠建立一套「會自己找路」的無線網路，降低單一路徑故障對 AMR、AGV、機器人與機器狗等設備造成的停機風險。 此外，展會現場另一大亮點為 Moxa 展出全台首家榮獲 CC-Link IE TSN Wireless Class A 官方認證的工業級無線通訊方案。該方案可賦予無線網路「確定性」的傳輸實力，將時間敏感型網路（TSN）與無線區域網路（WLAN）等無線技術結合，建立更智慧、靈活的工廠，將高速、高精度的工業控制和 IT […]

Edge AI 抓瑕疵、AI Agent 自動派工：洛克威爾自動化如何讓工廠從「看見問題」走向自主決策？

近年來，全球工業自動化巨頭洛克威爾自動化（Rockwell Automation）正積極透過不同路徑，將 AI 技術推向製造現場最前線。其中一條路線，是透過 FactoryTalk Analytics VisionAI，讓 AI 在邊緣端進行運算，使其更靠近生產線與相機設備，以便即時、高效判斷產品瑕疵；另一條路線，則是與工業預測性維護領域的領先廠商 Augury 展開深度合作，將具主動性的 Agentic AI 導入工廠設備維護與可靠性管理流程，讓 AI 不只是偵測與診斷異常，更進一步跨入建立維修任務、規劃工單的行動階段。 這兩條並進的技術路線，也分別回應製造業邁向工廠自主化時面臨的即時判斷與流程執行兩大關鍵問題。透過 Edge AI 與 Agentic AI 的雙軌布局，洛克威爾自動化正逐步縮短工業現場從資訊感知到實際執行之間的距離，推動製造業從傳統的程式化自動化，走向更具適應能力的自主製造。 Edge AI 進駐生產現場，洛克威爾自動化讓視覺檢測從事後分析走向即時判斷 在傳統工廠中，依靠肉眼或固定規則進行視覺檢查，有效率往往只有約 80%，而且多數系統缺乏完整的歷史檢查紀錄，使品質管理難以實現數位化追溯與深度分析。為了克服這項痛點，洛克威爾自動化推出 FactoryTalk Analytics VisionAI，並將其與旗下雲端品質管理系統 Plex QMS 深度整合。如此一來，無論是產線上既有的舊相機，還是新部署的影像採集設備，都能透過通用工業影像協定接入 AI 視覺檢測系統，即時從生產影像中辨識各類異常與產品缺陷。 這套系統最關鍵的技術優勢，在於其邊緣運算（Edge Computing）架構。VisionAI 的影像推論模型可直接部署在靠近產線的邊緣端硬體設備，或本地工業電腦（IPC）上，不需要將大量、高速的超高解析度生產影像全部送往雲端處理。這種低延遲的邊緣端影像處理方式，讓產品品質判斷得以貼近實際生產設備的運作節奏。 這種 Edge AI 架構，代表工廠不再只把 AI 當成事後回溯、分析歷史數據的靜態工具，而是讓深度學習物件辨識模型與電腦視覺演算法真正進駐生產現場，成為能即時揪出品質異常的「現場守護者」。洛克威爾自動化對此強調，這樣的設計不僅能提高辨識產品瑕疵的準確度，更能將品質檢查從過去容易出錯的人工目視判斷，轉化為可追蹤、可全面數位化分析的智慧生產流程。 從現場判斷到營運決策，AI Agent 走進品質、作業與分析流程 當邊緣端的相機與 VisionAI 模型即時偵測到產品異常後，這項關鍵判斷不會只停留在現場攝影機或邊緣硬體，而是會透過 RESTful API 與 Webhook，將視覺檢查數據、元數據與判定結果傳送至雲端 […]

突破「一套系統一台主機」限制：百商推出 SpeedyOne，整合 IBM LinuxONE 實現金融交易系統集中部署

隨著台灣金融市場交易量持續成長，高頻交易與自動化交易日益普及，證券商及專業交易機構對底層系統的要求，已不再只是追求速度，更需要兼顧低延遲、高可用性、資源管理效率，以及面對未來業務成長時的擴充彈性。 百商數位科技將自主研發、深耕市場近 20 年的 Speedy 高頻交易系統，與 IBM LinuxONE 企業級運算平台深度整合，推出 SpeedyOne 金融交易方案。透過軟硬體整合與集中部署架構，改善過去「一套交易系統搭配一台實體主機」所衍生的管理與維運問題，協助金融機構逐步邁向集中化、模組化及高彈性的交易系統架構。 分散式架構面臨維運與擴充壓力 金融交易講求即時性與高度穩定。過去，為避免現貨、期貨、權證、造市等不同交易業務相互干擾或競爭運算資源，金融機構多採用「一套系統、一台主機」的獨立建置方式，確保不同業務可以在各自的設備環境中運作。 然而，隨著金融商品更加多元、交易量持續攀升，需要建置的主機、伺服器與機櫃數量也快速增加。除了占用機房空間與電力資源，也容易產生設備規格不一致、部分資源閒置、部分資源不足，以及軟體版本與作業環境難以統一管理等問題。 當金融機構需要進行系統更新、設備移轉或新增交易業務時，傳統分散式架構通常需要投入大量工程人力，分別完成各套系統的設定、測試與升級。若移轉或更新過程出現異常，也可能影響交易服務的連續性。 百商數位科技從長期服務金融客戶的經驗中觀察，現代金融機構所需要的，已不只是提升單一主機的運算效能，而是一套能夠同時兼顧集中管理、安全防護、系統穩定、平順移轉與長期擴充的整體架構。 SpeedyOne 整合軟硬體，推動集中部署 百商數位自主研發的 Speedy 交易系統投入市場近 20 年，長期應用於國內券商與專業投資機構，承載高交易量、低延遲的關鍵交易工作負載。 在既有 Speedy 系統的基礎上，SpeedyOne 進一步結合 IBM LinuxONE 企業級平台的虛擬化、高吞吐運算與資源管理能力，將原本分散於不同主機及機櫃中的交易子系統，整合至單一實體平台集中管理。 金融機構可依照不同業務的實際需求、交易量變化及未來成長幅度，彈性配置運算資源，減少實體主機與機櫃數量，提升機房空間及能源的使用效率。透過集中化管理，軟體版本更新、系統升級及例行維護也能採取較一致的流程，降低人工操作錯誤與跨設備管理的複雜度。 集中部署並不代表金融機構必須一次全面汰換原有設備。考量金融交易服務「需要持續升級，但不能輕易停機」的營運特性，SpeedyOne 採取循序漸進、分階段移轉的導入方式。 企業可依據業務重要性、系統狀況及內部規劃，逐步將不同交易模組移轉至新架構，在維持既有交易服務穩定運作的前提下，降低一次性轉換所帶來的技術與營運風險。 以 20 年金融經驗提供一站式整合服務 百商數位科技表示，SpeedyOne 不僅是 Speedy 產品的技術升級，也是將近 20 年金融交易市場經驗轉化為標準化架構的具體成果。 除了交易系統及運算平台的整合，百商也提供從前期需求盤點、架構規劃、軟硬體整合測試、系統移轉，到正式上線後的在地維運支援，協助金融客戶降低跨廠商溝通與系統整合的負擔。 百商數位科技董事長張立元（Simon）表示：「Speedy 陪伴台灣金融交易市場近 20 年，我們深刻體會到，金融機構面臨的挑戰，已經從單一交易系統的速度競爭，轉變為底層架構能否支援多元業務成長、簡化維運負擔，並持續維持穩定運作。」 他進一步指出，SpeedyOne 的推出，是希望協助客戶突破「一套一台」的架構限制，在確保營運安全及既有服務不受影響的情況下，以分階段、風險可控的方式，逐步完成新一代金融交易架構轉型。 面對金融服務持續數位化，以及全球交易市場快速變動的趨勢，百商數位科技未來將持續深化 SpeedyOne 在證券、期貨及專業投資機構的應用，協助金融客戶建立兼具效能、穩定性、擴充彈性與維護效率的交易基礎架構。 （本文訊息由百商數位科技提供，內文與標題經 TechOrange […]

【中國首家人形機器人 A 股掛牌】宇樹科創板首日飆 460%：年出貨 5,500 台、淨利 2.78 億，美國優勢不復存在？

《BBC》報導，全球最大的人形機器人製造商之一宇樹科技（Unitree Robotics）正式登陸上海科創板，首日股價收盤飆升逾 460%，宇樹此次 IPO 定價為每股 150.80 元人民幣（約 16.50 英鎊、22.36 美元），股價首日收在 845 元人民幣。科創板以科技企業為主要上市對象，被視為「中國版納斯達克」。宇樹此次掛牌不僅受到市場高度關注，也象徵中國政府推動機器人產業發展再向前邁進一步。 宇樹掛牌掀實體 AI 爭霸，銷逾五千台、創 2.78 億獲利 《BBC》指出，宇樹科技此次上市之際，美中兩國正加速爭奪全球機器人產業的主導權，從機器人硬體到背後的 AI 模型都成為競爭焦點。宇樹不是第一家上市的中國人形機器人企業，但它是首家在中國大陸股市掛牌的人形機器人公司。目前，機器人已廣泛應用於工廠、倉庫及家庭，例如自動化工業設備與智慧吸塵器；與此同時，特斯拉（Tesla）、比亞迪（BYD）及亞馬遜（Amazon）等大型企業也紛紛投入人形機器人開發，瞄準由人類執行的各類工作。 宇樹科技 2016 年成立於杭州，而現在已成為中國機器人產業的重要業者，產品從感測器、自動化機械手臂，擴展至四足及人形機器人。隨著市場需求增加，宇樹去年出貨超過 5,500 台人形機器人，2025 年淨利潤達 2.78 億元人民幣，也是少數已經實現獲利的機器人企業之一。相較於美國競爭對手，宇樹能以更低價格推出功能相近的產品。 宇樹總部所在的杭州也是中國重要的機器人產業聚落之一，當地形成所謂的「黃金集群區」，相關企業長期獲得政府大筆資金支持。英國巴斯大學副教授 Fei Qin 指出，隨著中國人口老化，未來可能面臨勞動力短缺，因此機器人也被寄予協助因應人口結構變化的期待。她表示，北京已將機器人產業列為發展先進科技的戰略優先事項，因為機器人讓 AI 離開螢幕，進入工廠、醫院，以及未來可能進入家庭的實體經濟。 新加坡國立大學研究員 Harold Soh 表示，美國機器人的軟體通常較為友善、容易使用，但中國製造商的價格優勢仍相當明顯。以宇樹機器狗為例，起價約 2,700 美元，遠低於波士頓動力（Boston Dynamics）四足機器人 Spot 約 7 萬美元的售價。不過，Harold Soh 也指出，兩者並非完全相同的產品，因為宇樹部分機器狗的體型較小，但價格差距確實十分顯著。宇樹自 2023 年開始銷售人形機器人，2024 年推出售價 1.35 萬美元、體型接近孩童的 G1。相較之下，包括馬斯克旗下特斯拉在內的主要美國競爭對手，目前仍未開始交付同類產品。 上市前，宇樹也透過一系列大型活動積極提高品牌知名度。近日，宇樹機器人就在北京舉行的「2026 世界人形機器人運動會」亮相，與數百支隊伍競逐跑步、足球等項目，還要完成開箱、整理圖書館書籍等實際任務。宇樹 […]

想用最強 AI，就得讓 AI 留存你的資料嗎？OpenAI 與 Anthropic 給出兩種答案

想用能力最強的一批前沿 AI 模型，企業就必須讓 AI 公司保留自己的資料嗎？這個問題在 Anthropic 今年 7 月調整資料政策後浮上檯面，如今 OpenAI 給出另一種答案。 據《華爾街日報》報導，OpenAI 8/19 預覽新的 Private Safety Processing，主打讓符合資格的 API 客戶，在維持零資料留存（Zero Data Retention，ZDR），也就是不保留 prompt 與模型回應的情況下，仍能跨多次互動辨識模型遭濫用的風險。這項措施也帶有明確的商業競爭意味，OpenAI 希望吸引對 Anthropic 資料留存政策有所顧慮的企業客戶。 兩家公司面對的是同一道難題：模型能力越強，危險使用行為越可能分散在多次請求中才看得出全貌；但對企業而言，讓模型供應商保存敏感資料，也可能成為導入前沿 AI 的阻力。 Anthropic 為安全要求留資料，部分前沿模型不再提供 ZDR 根據 Claude 平台文件，Claude Fable 5、Claude Mythos 5 等被列為 Covered Models 的模型，必須採取 30 天資料留存，無法使用 ZDR。《TechCrunch》指出，這項政策也涵蓋未來能力相近的模型。 Anthropic 的理由是安全。該公司指出，越獄攻擊、網路攻擊或其他高風險行為，可能橫跨數十甚至數百次請求。單看其中一次互動，可能只是正常的研究問題，必須把一段時間內的行為串起來，才能辨識真正的意圖。 Anthropic 也坦言，這項政策可能讓習慣零留存的企業客戶卻步，尤其當競爭對手沒有相同要求時，更可能帶來商業風險。《華爾街日報》報導，包括 Microsoft 執行長 Satya Nadella、Palantir 執行長 […]

對抗「先竊取，後解密」，NetApp 解析：PQC＋行為分析如何助企業構築寶貴資料的抗量子防線

隨著 Q-Day 開始倒數，當現有 RSA、ECC 加密機制，未來量子電腦成熟後僅需數小時便能破解，駭客可能採取「先竊取，後解密」（Harvest Now, Decrypt Later），提前蒐集企業的高價值資料。NetApp 台灣技術總監許宏俊在 2026 量子高峰論壇中直言，「如果你的資料在兩年後依然有價值，現在就要開始準備。」 美國政府並已明令規範 2027 年起採購的新設備必須符合 PQC 規範、2030 年將強制淘汰傳統加密。而在台灣，數發部已於 2025 年發布首版《後量子密碼遷移指引》，金管會也在 2026 年 6 月發布《金融業後量子密碼遷移參考指引》，給予金融業漸進式的轉型時程，要求業者在兩年內完成關鍵資產盤點，進行概念驗證（POC）後開始全面的系統遷移。 面對量子威脅與企業合規需求，NetApp 提出一套涵蓋地端與雲端的 PQC 架構：在靜態資料（Data-at-Rest）方面，透過加密機制保護儲存資料，即使儲存媒體遭到竊取，沒有相應的金鑰仍無法直接讀取其中的機敏內容。傳輸中資料（Data-in-Transit），則導入符合 NIST 後量子密碼標準與相關 FIPS 安全規範的加密機制，降低資料在跨系統、跨部門及混合雲環境傳輸時所面臨的量子威脅。「通過美國國防部、國家安全局採購認證，不斷推動我們往前走，在符合國際規範的同時，去對抗這些可能的威脅，」許宏俊表示。 洞察異常軌跡，以「使用者行為分析」精準阻擋內部威脅 除了針對資料的 PQC 升級，在混合辦公與雲端協作成為常態的當下，員工帳號一旦遭到盜用，駭客便能進入系統竊取高價值資料，甚至進行惡意破壞。因應駭客新型態的攻擊，NetApp 進一步將防線延伸至使用者行為分析（User Behavior Analysis），嘗試及時發現並阻斷異常行為。 透過智慧化監控，系統能精準掌握每一位使用者的日常存取行為，並建立基準（Baseline）： 「我們就曾協助客戶及時攔截到，一名員工在離職前大量 copy 資料，」許宏俊表示，這種從「被動修補」轉為「主動攔截」的智慧化監控，能有效在資料被大規模匯出或加密前切斷駭客路徑，將企業風險降至最低。 面對量子運算帶來的長期密碼風險，企業已紛紛開始提前布署。從盤點高價值資料、推動 PQC 遷移，到透過異常行為分析及早發現資料竊取，建立一套從「資料被偷之前」到「資料被偷之後」都能持續防護的機制，才能降低「先竊取、後解密」的長期風險。

Marvell 願拿股權換 Google 大單，Broadcom 為何可能不跟進？AI 客製晶片競爭規則正在改寫

晶片大廠 Marvell 與 Google 近日擴大客製化晶片合作。作為協議的一部分，Marvell 授予 Google 一項認股權，允許 Google 未來最多以每股 206.58 美元購入 5,897 萬股 Marvell 普通股，潛在持股價值約 122 億美元。然而，這並不代表 Google 已直接斥資 122 億美元入股 Marvell，因為這項認股權大部分與雙方未來的實際採購掛鉤，目的在於讓 Google 的財務利益與 Marvell 的業務成長更加一致。 關鍵就在認股權的「歸屬結構」（Vesting Structure）。合約生效第一年，約 136 萬股會按季固定歸屬，剩餘約 5,760 萬股則被拆成 240 批，從 Marvell 2027 會計年度第三季起至 2033 會計年度結束，Google 每為雙方合作產品帶來 5 億美元營收，就能解鎖其中一批認股權。換句話說，Google 向 Marvell 採購愈多，能取得的股權也愈多，Marvell 等於把股權變成長期爭取核心客戶訂單的誘因，讓 Google 同時擔任超級客戶與潛在股東。 拿 7% 股權換 1,200 億美元生意，Marvell 把認股權變成雲端大單籌碼 […]

Gap 把結帳搬進 Gemini：不必跳回官網，服飾電商的獲客規則正被改寫

過去 AI 在零售業的應用多集中於客服機器人、搜尋與商品推薦，如今企業正進一步把 AI 放進選品、行銷、媒體、忠誠度計畫、營運與電商等環節，讓 AI 成為串聯顧客需求與企業決策的核心引擎。 北美服飾集團 Gap 正加速這項布局，透過與 Google 合作，把 AI 導入商品探索、尺寸推薦與結帳流程，同時重整旗下品牌的行銷體系。 不必跳轉官網！Gemini 成為對話購物的新櫃檯 這場變革的核心，源於消費者搜尋行為的根本改變。現代顧客不再僅輸入單一關鍵字，而是轉向情境式的對話，例如詢問「婚禮穿搭建議」或「工作面試風格」。針對這種意圖導向的購物模式，Gap 成為首家與 Google 合作以導入代理型商務（Agentic Commerce）的大型服飾品牌。 當使用者在 Gemini 或 Google Search 的 AI Mode 中尋找靈感時，系統若判斷 Gap 的商品符合需求，消費者便能直接在 AI 對話介面中完成選購與 Google Pay 結帳，全程無需跳轉至 Gap 官網，後續物流配送則由品牌接手。 破解線上購物兩大痛點：即時庫存對接與 AI 尺碼推薦 在 AI 搜尋的時代下，未來商品能否被大型語言模型（LLM）讀取與理解，將成為零售品牌能否獲取訂單的新門檻；若商品的資料規格無法被 LLM 解析，即使產品再優質，也可能在 AI 導購的時代被市場隱形。為了確保資訊準確度並掌握顧客資料，Gap 主動向 Gemini 提供結構化商品資料，而非讓 AI 自由爬取網頁，展現出對顧客體驗的掌控力。 在技術層面，Gap […]

【技術債吃掉 AI 投資報酬】企業砸錢導入 AI，卻因底層跑 20 年前的舊系統而難以兌現

企業正在加速導入 AI，但投入越多，另一個問題也越來越明顯：模型能力不斷提升，企業真正拿到的投資報酬卻未必同步增加。 原因可能不在 AI 本身，而在 AI 被接到了什麼樣的系統上。 對許多大型企業而言，AI 並不是部署在一套為資料即時流通、跨系統協作而設計的新架構中，而是被疊加在運行十幾、二十年的舊軟體之上。這些系統累積了大量客製化程式、資料孤島與人工流程，原本只需要維持既有業務運轉，如今卻被要求支撐即時分析、自動決策甚至 AI 代理。 企業看似完成了 AI 導入，實際上只是讓 AI 繼承了過去二十年的技術債。 AI 導入的真正障礙是舊系統，不是技術本身 如今這個問題的規模可能比想像中大。根據美國軟體開發與 IT 顧問公司 Synergy Labs 的研究，2026 年仍有 62% 的美國企業依賴過時軟體，維護這些系統最高可能吃掉 80% 的 IT 預算。 麥肯錫的資料則顯示，《財星》500 大企業所使用的軟體中，高達 70% 是二十年前甚至更早開發的。 換句話說，很多企業今天討論生成式 AI、代理與即時自動化時，底層仍然跑著網路泡沫年代建立的系統；且問題並不是這些系統完全不能用——恰恰相反，它們往往因為「還能用」而被保留多年。 但企業為此付出的代價，是持續增加的維護成本與技術債，每年因技術債損失約 3.7 億美元成本。 這些舊系統當初根本不是為 AI 設計的。現代 AI 要有效運作，需要取得完整資料、理解跨系統脈絡，並根據即時狀態做出判斷，但傳統企業系統的資料可能散落在 ERP、CRM、檔案伺服器甚至大量人工建立的 Excel 中，不同資料格式彼此不相容，部分資訊也沒有穩定的 API 可以存取。即使企業接入再強的模型，AI 能看到的可能仍然只是整個公司的局部切片。 外掛式 AI 看似便利，實際帶來更多問題？ 因此，很多企業選擇了一條看似更快的路：不修改底層系統，直接在既有軟體外面「加一層 […]

【科技早餐】Anthropic 單季營收首度超越 OpenAI，字節跳動、騰訊各獲約 1 萬顆 NVIDIA H200

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Anthropic 單季營收首度超越 OpenAI，OpenAI 營業虧損擴至 123 億美元 《華爾街日報》引述投資人資料報導，OpenAI 第二季營收為 67 億美元，較第一季的 57 億美元增加 18%；營業虧損則由 93 億美元擴大至 123 億美元。營業利益率進一步轉差，使公司在市場預期的首次公開募股前更遠離獲利。OpenAI 向投資人表示，隨著七月推出新模型，第三季營收成長已經加速。 Anthropic 第二季營收達到 116 億美元，較第一季增加超過 140%，首次在單季營收規模上超越 OpenAI，並實現小幅營運獲利。報導指出，Anthropic 的企業與開發者業務快速成長，程式開發工具 Claude Code 也帶動收入增加；相較之下，OpenAI 面臨 ChatGPT 成長放緩、價格競爭及模型訓練成本持續增加等壓力。 ＊NVIDIA H200 小量進入中國，字節跳動、騰訊各獲約 1 萬顆 《金融時報》引述兩名知情人士報導，小批量 NVIDIA H200 晶片已獲准進入中國，字節跳動（ByteDance）與騰訊最近各取得約 1 萬顆，其他中國科技公司也可能陸續收到晶片。美國先前已批准部分中國企業，各自採購最多 10 萬顆 H200；NVIDIA 目前約有 50 萬顆主要供應中國客戶的 H200 庫存，相關銷售先前因中國進口限制而延後。 中國監管機關仍希望企業將大多數 H200 […]

美國無人機加速去中化，台廠下一步不只是接單：共同研發、共同生產成新機會

美國無人機供應鏈加速去中化，替台灣廠商打開新的市場入口，但只成為中國以外的替代供應商，可能還不夠。 在台北自動化工業大展舉行的 2026 國際無人機論壇上，美國無人載具系統協會（AUVSI）加州分會副總裁 Asad Badruddin 分享，一名台灣業者曾告訴他，不希望只被當成中國以外的供應商，而希望進一步成為能參與產品設計的合作夥伴。這也點出台灣無人機產業接下來的問題：當降低中國製零組件依賴的「非紅供應鏈」創造新的訂單機會，台廠能否從接規格、負責生產，進一步參與產品定義、共同研發與共同生產？ 非紅供應鏈打開市場，但還不等於取得長期位置 DSET（科技、民主與社會研究中心）國家安全組政策分析師方怡然在論壇指出，美國無人機市場正往去中化、可信賴供應鏈與在地生產發展，台廠若要切入美國政府與國防市場，也得符合更嚴格的認證接軌（certification alignment）。其中，Blue UAS 是美國國防體系用來審查可信賴商用無人機的平台名單；Green UAS 則是 AUVSI 推動的產業認證，檢視資安、裝置安全與供應鏈風險，目前也已成為取得 Blue UAS Cleared 資格的途徑之一。 方怡然指出，台灣今年至少已出口超過 20 萬架無人機，超過去年全年，主要出口至捷克與波蘭。她進一步表示，依 DSET 訪談掌握的資訊，其中不少產品再經當地慈善機構與協會流向烏克蘭。 符合非紅供應鏈要求，只是讓台廠取得進入美國市場的基本資格，能不能進一步被客戶選中、建立長期合作，還是另一回事。Asad Badruddin 以過去接觸美國企業的經驗指出，如果客戶仍只從價格、品質、交期與規格認識一家台灣公司，就容易把它和其他能提供相同產品的供應商比較，也較容易陷入價格競爭。 他舉例，如果一家美國無人機公司需要 1 萬顆馬達，供應商可以直接依對方提供的規格報價即可；若想成為戰略夥伴，則建議要再了解這批馬達用在哪個系統、希望達到什麼性能，以及目前什麼問題阻礙產品開發。換言之，要創造差異化不只在於能不能把零件做好，而在台廠多早進入客戶的產品決策。 從替美國生產，走向共同生產、共同開發市場 這種合作模式已經開始出現。Asad Badruddin 以台灣正達戰術科技（GTOC）與美國無人機業者 Firestorm 的合作為例指出，Firestorm 原先供應鏈涉及中國，後來 GTOC 不只依其技術藍圖在台灣製造無人機，也同時協助 Firestorm 將產品帶進台灣市場。他認為，這類不只製造產品，也互相協助拓展市場的合作，是跳脫單純供應商角色的一種方式。 方怡然也提到，台美合作正從採購、認證往共同研發與共同生產推進。例如勁蜂無人機 Mighty Hornet 系列已有不同形式的台美合作，其中 Mighty Hornet I 正朝共同生產方向發展。這代表過去常見的美方設計、台灣製造之外，台灣也開始爭取把自己的設計與製造能力帶進更深的合作關係。 美國也並非唯一市場。方怡然指出，歐洲方面，台灣目前在捷克、波蘭等中東歐國家合作較多，與德國、法國等西歐市場則相對有限，未來可進一步爭取政府採購、共同研發與共同生產。對烏克蘭，目前合作仍以零組件供應較多，她則建議進一步往技術交流與長程攔截無人機共同生產發展。 要走向共同設計，台灣不能只有製造能力 要更早進入產品開發，台灣仍得補上更接近無人機核心系統的能力。方怡然將目前技術缺口歸納為「三晶片、兩軟體」，三晶片包括控制、定位、通訊晶片，兩軟體則是 C2 指揮控制與自主飛行。她也提到，過去台灣晶片業者並未把無人系統視為足夠大的市場，但隨著無人機、無人船與無人車需求增加，開始有更多晶片設計公司投入。 […]

美軍出資研發、中國做成產業：宇樹科技如何把美軍研究成果變成機器狗量產優勢？

美國軍方多年來投入大量資金資助四足機器人的移動技術研究，這些透過美國陸軍研究實驗室（ARL）等軍事專案挹注的研發資金，成為四足機器人運動能力的技術搖籃。麻省理工學院（MIT）、賓州大學等美國頂尖學術機構在這些專案中取得突破，並依據學術慣例公開發表相關論文與研究成果，然而這些最初由美軍資助、目的是激發產業技術創新的公開成果，現在卻成為中國機器人製造商宇樹科技（Unitree Robotics）發展旗下機器狗的重要技術養分。 宇樹科技不僅迅速吸收這些研究精華，更展現強大的工程化能力，將繁複的實驗室技術成功轉化為低成本、可量產的商業產品。例如，宇樹科技在 2023 年推出的四足機器人 Go2 機型，售價僅約 1,600 美元，憑藉價格優勢快速拓展國際市場，去年更售出超過 1.8 萬台四足機器人。 現在，宇樹科技更進一步邁向資本市場，於上海證券交易所科創板（STAR Market）IPO 募資 9 億美元，估值達到約 91 億美元。這場空前的申購狂潮與亮眼的估值，凸顯出當前美中機器人競爭的關鍵戰場，那就是誰能以最快速度將基礎研究轉化為實際產品，並建立起具備競爭力的產業規模。 美軍資助研究公開不到半年，中國就做出相似致動器 回顧這段技術演進歷程，在 2010 年至 2020 年間，美國陸軍研究實驗室資助成立「機器人協作技術聯盟」（Robotics Collaborative Technology Alliance, RCTA），並串聯賓州大學、麻省理工學院（MIT）、波士頓動力（Boston Dynamics）、NASA 噴射推進實驗室等頂尖機構，共同推進機器人的自主與移動能力。 在這項專案下，賓州大學的研究團隊於 2016 年取得重大突破，他們消除笨重的中央齒輪箱，並將馬達直接移至機器人的腿部，大幅提升機器人感知地形與快速反應的能力。隨後在 2019 年，MIT 生物模仿機器人實驗室在此基礎上推出性能更強、甚至能夠進行後空翻的「Mini Cheetah」機器狗。然而，當時參與該專案的研究人員 Ben Katz 驚訝地發現，就在 Mini Cheetah 機器狗的致動器設計公開後不到半年，中國製造商就已經生產出幾乎一模一樣的致動器，甚至可以在跨境電商平台上買到。 宇樹科技創辦人王興興在創立公司時，也深刻受益於這些美國軍方資助的研究精華。當時年僅 26 歲的王興興，在 2016 年發表的碩士論文中，便多次引用 MIT Cheetah 系列的研究成果，以及賓州大學在陸軍資助下發表的學術論文。MIT 的研究人員甚至指出，後來宇樹科技大受歡迎的 Go 系列機器狗，其尺寸、結構與形狀設計與 MIT […]

TikTok 私訊將能轉帳？彭博：TikTok Pay 悄悄開發點對點支付

《Bloomberg》報導，TikTok 正在開發一項新功能，未來可能讓使用者直接透過私訊互相轉帳，進一步將支付服務延伸至一般使用者之間的金錢往來。 目前這項功能仍在開發階段，若最終推出，交易將由 TikTok Pay 負責處理。TikTok Pay 目前已在東南亞部分市場上線。研究人員在美國版 TikTok iPhone App 的程式碼中發現相關功能的開發痕跡，內容顯示，收款人可在款項失效前點擊接受付款；付款人則能透過推播通知或 App 收件匣掌握交易進度。此外，付款時也可以附加訊息，功能類似 PayPal 旗下 Venmo 的付款備註。 TikTok 祕密研發「私訊轉帳」功能？社群媒體平台紛布局金融科技 TikTok 發言人表示，這項功能尚未在任何市場進行測試，TikTok Pay 現在僅在越南、馬來西亞及泰國推出，主要用於支付 TikTok Shop 的購物款項。《Bloomberg》提及，雖然 TikTok 最終不一定會推出點對點支付功能，但已投入相關技術開發，顯示其母公司字節跳動正評估進一步拓展這項業務的可能性。 近年來，社群媒體平台紛紛將業務拓展至電商及金融服務，希望從使用者的消費行為中創造更多商業機會。《Bloomberg》指出，TikTok 的母公司字節跳動，近年持續布局金融科技，除了經營全球 TikTok 平台及部分美國業務，也自行開發並投資支付工具，希望進一步帶動使用者在平台上的消費與互動。 市場情報公司 Sensor Tower 資料顯示，今年截至目前，全球消費者在 TikTok 上的消費金額已超過 29 億美元。TikTok 自 2022 年起便一直是全球 App 內購收入最高的平台；在美國，使用者在 TikTok 上的消費金額甚至高於 YouTube、Facebook 和 Instagram。 《Bloomberg》說明，除了透過 TikTok Shop 購買商品，TikTok […]

商品評論可能藏攻擊指令，零售業導入 AI 代理前該將哪些資安缺口補起來？

會員帳號、金流平台、庫存系統與店內裝置，如今被整合成一套講求速度與無縫體驗的零售科技網路。但每一次新增的連結，都同時擴大零售業者的受攻擊面，安全缺口往往在資料與裝置不斷交換資訊時，難以被察覺。 這種難以察覺的特性，正是因為多數業者盯著的是單一系統夠不夠堅固，卻沒注意到系統與系統相連的那一刻，才是真正的風險所在。 連結點本身就是風險，而非單一系統 零售業者經常低估第三方與系統整合本身的風險，攻擊者往往從供應商、API 或店內裝置切入，再一路移動到金流或顧客系統。 更棘手的是，真正容易被攻破的地方，往往不是任何單一系統，而是系統與系統之間，沒有人真正負責的銜接地帶。 IT 部門負責收銀系統、行銷部門管理忠誠計畫、供應商操作金流，但這些環節之間的交接處往往沒有明確歸屬，也正是攻擊者藉機潛入的地方，而可能的解法是替每一個連結指定真正的負責人。 除了業務系統之間的銜接，視聽與數位看板網路同樣容易被忽略。 這些連上 IP 網路的系統，經常與金流、庫存系統共用基礎設施，卻不在 IT 資安治理範圍之內，鮮少被更新或稽核，形成一個乏人監控的入侵管道，但它們理應被納入跟公司其他網路一樣的資安政策之下。 商品評論裡，可能藏著攻擊指令 實體系統之間的銜接地帶容易失守，AI 系統打開的資料路徑同樣如此，甚至更難察覺。零售業者經常低估 AI 個人化系統開創出來的全新資料路徑。推薦模型、聊天機器人與定價代理人，會持續調用顧客、交易與庫存資料，這些連結幾乎從未經過如金流整合般的嚴謹審查。 這個風險之所以迫切，是因為零售業導入 AI 代理人的速度正在加快，卻沒有相應的資安意識跟上。Deloitte 調查發現，63% 的全球零售業者認同，沒有導入 AI 代理人的企業將在兩年內落後，反映出業界正急著擴大部署；但資安公司 Kaspersky 的報告卻顯示，14.4% 的零售業使用者已經遭遇網頁型威脅，22.2% 曾受裝置端攻擊影響——導入速度跟資安防護，明顯沒有同步跟上。 而這類攻擊最常見的手法，就是提示注入。語言模型無法可靠區分「指令」與「資料」，攻擊者可以把惡意指令藏在商品評論等外部內容中，讓代理誤把內容當成合法指令執行，不需要多高的技術門檻，就足以造成實質損害。 AI 代理人也要納管，都該有身分證 攻擊者能靠一則商品評論就騙過 AI 代理，隨著零售業者導入代理型 AI 自動化訂單、定價與客服流程，卻鮮少有人為這些代理人自主採取的行動建立防護機制。一旦某個 AI 代理人遭到入侵，就可能悄悄操縱庫存、觸發詐欺性交易，或大規模外洩資料。 因此，每一個 AI 代理人都應被當成擁有高權限的使用者管理，包括稽核權限、監控行為，都要讓每個代理人對應到一個可驗證身分、綁定真人負責人，並以具時效性的憑證取代長期有效的存取金鑰。 這種風險的急迫性，還來自攻擊速度本身的變化。零售業者現有的防禦機制，多半假設攻擊者以人類速度行動，但幾乎沒有業者測試過，當攻擊者自主運作、快到讓人來不及注意單一警示時，會發生什麼事，需要同樣以機器速度反應的因應機制，且必須事先演練過。 被低估的資料與流程缺口 除了 AI 代理人帶來的新風險，零售業原本就存在的日常流程，同樣藏著容易被忽略的舊缺口。第一個就是忠誠會員與顧客帳戶。這些帳戶儲存著個人資料、付款方式與可兌換價值，是極具吸引力的攻擊目標，資安防護卻往往比金流系統薄弱，要降低曝險，需要多因子驗證、防範憑證填充攻擊、異常偵測，以及清楚的顧客通知與帳戶復原流程。 第二個容易被忽略的環節，是退款、改價、離線付款與庫存調整這類人工覆核的例外流程。這些原本為了方便而設計的例外，正是便利悄悄轉變成詐欺破口的地方，應該比照高權限交易處理，要求二次審核、留下不可竄改的紀錄，並每日比對銷售、金流與庫存紀錄。 第三個破口，藏在系統與系統之間的時間差裡。金流、庫存與忠誠計畫幾乎不可能在每個通路上完全即時同步，這段複寫延遲正好給了攻擊者可乘之機——重複兌換禮物卡、在扣款結算前取消再重新預訂，或針對從未實際退回的庫存觸發退款，都是利用這個時間差下手。 停機造成的損失，可能比資料外洩更直接 前面這些破口，一旦真的被攻擊者利用，零售業者往往別無選擇，只能把整個系統關掉止血，而這正是另一個常被低估的代價。 當系統之間彼此相連，圍堵攻擊往往意味著必須把整個事業關掉。這也點出零售業真正該優先防範的，不只是資料外洩，還有停機本身。 零售業者應預先設計出即使總部系統中斷、門市仍能持續營運交易的方式。畢竟前面提到的每一個破口，都是系統之間沒有人真正負責的銜接地帶。 在數位威脅日益複雜的今天，資安已是每位企業決策者必須掌握的課題。如果你能把艱澀的議題轉化為有觀點、有價值的分析，寫出決策者需要的報導，《TechOrange […]

OpenAI 暫停部分前沿模型訓練：AI 安全為何開始影響研發速度？

根據《Reuters》報導，7 月 Hugging Face 資安事件發生後，OpenAI 一度暫停準備部署模型的強化學習訓練約兩週。目前部分風險較低的訓練已經恢復，但規模最大的前沿模型強化學習訓練仍處於暫停狀態。OpenAI 也表示，為了讓監控、模型對齊與資安措施跟上模型能力，曾主動放慢模型擴展速度。 這起事件的背景，是 OpenAI 在測試尚未發布模型的資安能力時，模型自行找到測試環境漏洞，突破沙盒限制並連上網路，最終入侵 Hugging Face 系統。如今一個月過去，OpenAI 的應對已從修補單一漏洞，進一步改變模型訓練與測試的方式。 不只修補漏洞，OpenAI 開始重整模型研發環境 OpenAI 這次首先加強的，是模型實際能接觸到的環境。《The Verge》報導，OpenAI 現在對會執行模型產生程式碼的高風險工作，採用隔離程度更高的沙盒環境，並進一步限制網路連線。研究環境中的部分共享服務也遭到移除，同時減少系統長期開放的存取權限，降低模型從單一環境進一步接觸其他系統的可能性。 另一道防線則是即時監控。當系統偵測到高風險行為後，值班團隊必須在 30 分鐘內判斷情況；如果無法確認只是誤報，就必須暫停相關活動。OpenAI 也開始利用其他 AI 系統協助監控前沿模型，希望更快辨識異常行為。 模型本身的訓練方式也在調整。OpenAI 正把既有的模型對齊方法延伸到更多訓練階段，例如利用獎勵模型辨識不安全行為，並訓練模型更如實呈現自己的能力與正在執行的動作。 OpenAI 也會觀察模型的思維鏈，從推理過程尋找攻擊、欺騙等危險行為的跡象。不過《Reuters》指出，OpenAI 對這種方法長期能否維持可靠仍有疑慮，未來模型的內部推理不一定會持續以足以被監控的形式呈現。 這也解釋了為什麼這波調整不只著眼於模型本身。即使無法完全預測模型下一步會採取什麼行動，研發環境仍能透過沙盒、網路隔離與權限管理，限制模型可以接觸哪些資源，並在異常發生時中止行動。 下一代模型能力再提高，OpenAI 寧可先放慢訓練 Hugging Face 事件揭露了既有研發環境的問題，但 OpenAI 面對的另一項變數，是下一代模型的資安能力仍在提高。 OpenAI 8 月初表示，即將推出的 Astra 模型可能達到公司 Preparedness Framework 定義的 Critical 資安能力級別。依照 OpenAI 的定義，達到這項門檻的模型，可能具備自主尋找並利用嚴重零時差漏洞，或在缺乏人類介入的情況下，對高度防護目標執行複雜攻擊的能力。 《Reuters》報導，OpenAI 因此已對 Astra 啟動更嚴格的安全程序。OpenAI […]

零件比前代少一半、推論最高快 30 倍：Cerebras 推 CS-4，讓 GPU 與專用晶片各自做擅長的事

隨著 AI 應用持續朝更複雜的推理與 Agent 任務發展，推論（inference）速度正成為影響使用體驗與工作效率的重要瓶頸。晶片公司 Cerebras 近日宣布推出新一代伺服器系統 CS-4，採用了該公司獨創、面積等同於整張餐盤大小的「晶圓級晶片」（Wafer-Scale Engine），瞄準生成式 AI 與 AI Agent 的高速推論需求。 Cerebras 表示，CS-4 的 AI 推論速度最高可達傳統 GPU 系統的 30 倍。這項速度優勢對 AI Agent 尤其重要，因為 Agent 執行任務時往往需要反覆推理、呼叫工具並產生大量 token，每一步的延遲都會不斷累積，最終拉長整項工作的完成時間。不過需要注意的是，目前「最高快 30 倍」仍是 Cerebras 官方提供的測試數據，尚未經公正第三方的標準測試（Benchmark）驗證；此外，Cerebras 所標榜的極致效能也高度依賴運算的「稀疏性」（sparsity），在一般大型語言模型推論中未必能完全發揮。  不過，CS-4 的改變不只是追求更高算力。Cerebras 同時重新設計整套伺服器架構，降低硬體複雜度，並進一步將 AI 推論的不同階段交由最適合的晶片處理，讓競爭從單顆晶片效能延伸到整套 AI 基礎設施如何協同運作。 少一半零件、頻寬翻倍：Cerebras 把競爭從單顆晶片推向機櫃級基礎設施 CS-4 採用全新的 Nexus 伺服器架構，將運算、供電與控制元件重新模組化。單一機櫃最多可容納三套整合運算、供電與控制電路的系統模組，並直接與機櫃背板連接，機櫃正面則主要配置供電系統。Cerebras 技術長 Sean Lie 指出，新設計讓 CS-4 的零件數量較上一代減少約 50%，不僅降低系統複雜度，也有助縮短資料中心部署與建置時間。 Nexus […]

提早搶進心智購物車：衛浴巨頭如何靠 Zillow×Pinterest「意向數據」卡位上游商機？

傳統 Retail Media（如 Amazon 或 Walmart 廣告）通常是在消費者已經準備購買、進入搜尋欄時才攔截，這屬於需求捕獲（Demand Capture）。但對衛浴、家具、大型家電與修繕工具等高單價商品而言，消費決策往往早在搜尋商品之前就已經開始。搬家、買房、裝修等重大生活事件，才是消費者產生需求與累積購買意圖的起點。 為了搶占這個最上游的消費場景，房產平台 Zillow 近期宣布與社群平台 Pinterest 展開合作。透過 Zillow Elevate 廣告業務，首度將其累積的真實房產瀏覽行為資料拓展至自有平台之外，讓這些品牌廣告主能直接在 Pinterest 平台上進行精準投放。（編按：Zillow 是握有住房意向資料的提供方，Pinterest 是使用者規劃新居的投放場域，品牌廣告主則是實際下廣告的使用方。） 現實數據與視覺探索合擊：打通最上游的消費意圖 這項跨平台合作的核心，在於將消費者的房產行為提前轉化為商業意向。人們通常會在交屋或搬家前數個月就開始規劃新生活，在 Pinterest 上搜尋油漆配色、收藏家具靈感，甚至思考廚衛改造方案。Pinterest 提供了高度視覺化的「夢想探索場景」，而 Zillow 則掌握了使用者真實的「住房現實進程」，兩者形成極強的數據互補。 在第三方 Cookie 逐漸退場的背景下，這種合作也為品牌提供了全新的精準行銷解法。相較於傳統廣告依賴年齡、性別等廣泛的人口統計標籤，Zillow 提供了超過 200 種與真實住房相關的行為訊號。品牌不再需要憑空猜測，而是能明確辨識消費者正處於購屋、租屋或翻修的哪一個階段。 34 種受眾分眾與品牌實測成效 目前廣告主已可透過 Pinterest Media Network Connect，自由選取 Zillow 提供的 34 種受眾分類，包含「購屋族」、「租屋族」、「舊屋翻修愛好者（Fixer-Upper Shoppers）」及「近期購屋者（Recent Homeowner Purchasers）」等。這讓品牌得以在消費者搜尋特定產品之前，就先圍獵潛在需求顧客。 衛浴巨頭 Kohler 率先測試了這套數據系統。Kohler 鎖定「舊屋翻修愛好者」與「近期購屋者」兩大受眾進行品牌推廣。結果顯示，相較於 Pinterest 原有依興趣與關鍵字投放的 Performance+ 廣告，新增的增量觸及率達 […]

【科技早餐】NVIDIA 為 OpenAI 8 GW 資料中心提供最高 1,050 億美元擔保，Google 傳 Pixel 全面移出中國

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊NVIDIA 為 OpenAI 8 GW 資料中心提供最高 1,050 億美元擔保 NVIDIA 同意提供最高 1,050 億美元擔保，支持 OpenAI 租用軟銀旗下 SB Energy 在美國俄亥俄州開發的資料中心。NVIDIA 也將投資 SB Energy 15 億美元，並成為園區獨家 AI 運算基礎設施供應商。園區第一階段規劃 4.25 GW 的 AI 運算容量，另可擴充 3.75 GW，合計最高 8 GW；首批 800 MW 預計於 2028 年上線，OpenAI 租期為 20 年。 NVIDIA 表示，擔保只涵蓋部分租金與電力款項，OpenAI 仍須自行支付租金；若 OpenAI 違約，NVIDIA 須補足場址重新出租或出售後，與最低保障價值之間的差額，不包括園區全部成本或 OpenAI 的所有義務。這項安排引發外界對循環融資及最終回報的疑問。NVIDIA 執行長黃仁勳否認交易屬於循環融資，表示公司正利用自身規模及對長期需求的掌握，鎖定可供多代 NVIDIA 系統使用的基礎建設。 […]

SoftBank 砸 2 億美元投資 Gravis Robotics：AI 重機競爭正從單台設備走向整支機隊

當 AI 開始走進工地，工程業者不一定得先換掉手上的挖土機。瑞士工程機器人新創 Gravis Robotics 近日宣布完成 2 億美元 A 輪融資，SoftBank 是本輪唯一投資者，交易後 Gravis 估值達 10 億美元。Gravis 更稱，這是建築機器人領域至今規模最大的 A 輪融資。 Gravis 2022 年從瑞士蘇黎世聯邦理工學院（ETH Zurich）衍生創立，由執行長 Ryan Luke Johns、技術長 Dominic Jud，以及 ETH Zurich 機器人教授 Marco Hutter 共同創辦，目前約有 75 名員工。距離該公司上一輪募得 2,300 萬美元才過了約 9 個月，如今 SoftBank 再大筆押注，讓 Gravis 正式躋身獨角獸。 但 Gravis 特別之處，不是又打造了一款新型 AI 挖土機。它甚至不製造任何挖土機，而是想讓工地上已經存在的重型機械取得 AI 與自主作業能力。 不造挖土機，Gravis 把 AI 裝進既有重機 Gravis […]

AI 用得多不等於生產力高：看摩根大通、高盛、花旗，如何用 3 種管理模式重新定義「AI KPI」

華爾街各大金融巨頭目前正投入數十億美元，展開一場重塑工作、文化與權力版圖的 AI 科技軍備競賽。從繁雜的交易、後台作業到日常工作流程，生成式 AI 已經無處不在，甚至徹底改變軟體工程師、初級銀行員與高階主管的角色定位。 然而，隨著投資與研發規模急遽擴大，分析師與投資人開始更頻繁地追問這些科技支出的實際投資回報（ROI）與安全性，各界也逐漸對高額支出是否合理產生疑慮。摩根大通（JPMorgan）執行長 Jamie Dimon 就坦言，因為現在所有競爭對手都在使用AI，這項技術在金融業已形同基本配備，單純擁有 AI 已不足以創造差異。這也代表真正的競爭關鍵已經從誰能將 AI 從員工手中的日常工具，轉化為能夠具體衡量的成本效益、工作效率與實質業務成果。 在這場競賽中，摩根大通已經交出一張非常具體的成績單。Jamie Dimon 指出，公司利用 AI 所帶來的成本節省，目前已經足以抵銷投入的約 20 億美元資金。 近千個 AI 案例還不夠，摩根大通開始追使用率、改流程、重整組織 摩根大通每年擁有接近 200 億美元的科技預算，全力爭取在 AI 領域的領先地位。在第二季財報會議上，摩根大通宣布已累積將近 1,000 個 AI 應用案例，範疇涵蓋詐欺防範、行銷推廣到會議筆記等，且自有的生成式 AI 平台已向超過 20 萬名員工推廣，目的在於重新設計從工程師到投資組合經理的整體工作流程。 為了確保這筆龐大的科技支出發揮作用，摩根大通並未停留在員工自願使用的層面，而是開始緊密追蹤數萬名工程師的使用狀況。內部資訊儀表板中會依據 GitHub Copilot 的使用頻率，將開發者分類為「輕度（light）」、「重度（heavy）」與「未使用（non）」三種類別，甚至在內部網路發布新工作目標，期望工程師藉由採用 AI 來「驅動卓越表現（drive excellence）」，使 AI 應用直接成為績效評估的一部分。 更關鍵的轉折在於，隨著基礎模型與算力等基礎設施建置完成，摩根大通正將 AI 的發展主軸從「工具建置」拉升到「組織流程改造」的層面。今年二月，摩根大通調整商業與投資銀行的組織架構，目的就是「最大化 AI 的影響力」，並將工作重心從建置 AI 基礎設施，全面轉向直接對接業務效益的策略計畫。這項重大轉變也釋放一個明確信號：下一階段的 AI 投資報酬率，必須從深入流程與組織設計來獲得。 摩根大通看使用率、高盛看團隊產出、花旗看成果：華爾街開始重新思考 […]

NVIDIA 出面替 OpenAI 的 10GW 資料中心擔保，同時鎖定第一期獨家晶片供應權

《華爾街日報》報導，OpenAI 已與軟銀旗下、獲 NVIDIA 部分支持的 SB Energy 達成協議，在美國俄亥俄州租用一座規模達 10GW 的資料中心，這項計畫預計將成為目前規模最大的 AI 資料中心樞紐之一。知情人士透露，NVIDIA 將提供支持，協助 SB Energy 籌措債務融資，同時控制自身風險。 俄亥俄州 AI 園區獲 NVIDIA 擔保，發電量將供 700 萬戶 NVIDIA 將為第一期約 5GW 的資料中心提供部分資產價值擔保；同時，該公司將成為園區前半部的獨家晶片供應商，並入股 SB Energy，未來也可選擇把擔保範圍擴大至整座園區。《華爾街日報》指出，這份 20 年租約也是近期 AI 業者為取得龐大運算容量而採用的複雜融資模式之一。 近年來，包括 NVIDIA、Google 在內的晶片業者，開始利用自身的財務實力協助 OpenAI、Anthropic 等新創企業取得資料中心租約，讓開發商能以這些長期租約作為融資基礎，同時分散自身承擔的風險。 這座資料中心園區位於俄亥俄州南部，部分用地是美國能源部持有的前鈾濃縮設施，預計發電量足以供應 700 萬戶家庭。美國商務部長 Howard Lutnick 與能源部長 Chris Wright 也都深度參與這項計畫。知情人士向《華爾街日報》表示，NVIDIA 提供擔保後，SB Energy 將更容易以較低成本取得融資，因為即使未來 OpenAI 不再承租，貸款方仍能確信資料中心本身具有一定的資產價值。 NVIDIA 官方提及，為支持俄亥俄州當地社區，SB Energy 與軟銀將新增至少 […]

Cursor 推 Origin 進軍程式碼託管：AI coding 戰場為何從 IDE 打到 GitHub？

AI 程式開發工具 Cursor 宣布推出程式碼託管平台 Origin early beta，把程式碼儲存庫、Pull Request（PR）、程式碼瀏覽與 GitHub 同步納入 Cursor。過去 Cursor 最鮮明的角色，是讓工程師在 IDE 裡直接與 AI 一起寫程式，如今卻開始跨進原本由 GitHub 等平台掌握的程式碼託管與協作環節。Cursor 為什麼不再只守著 AI 編輯器？答案可能與 AI Agent 正逐漸改變軟體開發流程有關。 不必離開 GitHub，Origin 先把工作拉進 Cursor Origin 現階段並沒有要求團隊立刻搬離 GitHub。根據 Cursor 官方文件，若使用 GitHub 同步功能，GitHub 仍是主要版本來源，Origin 則維持同步副本。企業因此可以保留既有 GitHub 流程，同時在 Cursor 裡瀏覽程式碼、處理 PR，並把任務交給 Cloud Agent。 這種設計降低了嘗試 Origin 的門檻，也讓 Cursor 可以先把更多開發工作留在自己的環境裡。之所以值得注意，是因為 AI coding 的使用方式也在改變。 軟體開發工具商 JetBrains […]

AI 晶片客戶需求上看 20 億美元，Arm 卻得從零搶台積電與記憶體產能：從賣 IP 到自己賣晶片有多難？

過去，Arm 主要透過授權晶片架構與設計給 NVIDIA、Apple 等客戶，以維持高毛利、輕資產的商業模式。然而，在 AI 浪潮的強力推動下，Arm 的股價今年至今已翻倍成長，公司市值一舉衝上 3,000 億美元。這股強勁的市場動力與資金實力，促使這家由軟銀（SoftBank）控股的公司跨出傳統的 IP 授權模式，開始直接銷售自己專為 AI 設計的 CPU 晶片。 面對這場商業模式的重大轉變，Arm 財務長（CFO）Jason Child 近日接受《The Information》訪問時坦言：「交付實體晶片絕對比授權設計更複雜。」然而，Jason Child 也指出，促使 Arm 決心跨出這一大步的關鍵在於，AI 帶來的市場商機已經遠超公司最初預期的規模，面對如此龐大的需求，儘管實體晶片供應鏈的運作極具挑戰，Arm 仍選擇積極投入這場半導體轉型之路。 AI Agent 推高 CPU 需求，Arm 從 IP 授權跨進完整 AI 晶片 今年 3 月，Arm 正式宣布開始銷售專為 AI 運算設計的 CPU，並已成功將 Meta Platforms 和 OpenAI 納為首批重要客戶。預估在 2027 與 2028 會計年度，來自這批新 AI 晶片的客戶需求，總計將超過 20 […]

CRA 漏洞與重大資安事件通報義務 9 月上路！叡揚資訊攜手電電公會 聚焦產品安全治理與合規落地

歐盟《網路韌性法案》（Cyber Resilience Act, CRA）正進入企業合規準備的關鍵階段。自 2026 年 9 月 11 日起，針對已遭主動利用漏洞及影響數位產品安全的重大資安事件，相關通報義務將率先開始適用。對產品銷往歐盟市場的企業而言，CRA 的準備工作也正從「理解法規」進一步走向「建立可執行的產品安全治理流程」。為協助台灣企業掌握 CRA 最新要求與實務因應策略，叡揚資訊將於 2026 年 8 月 20 日攜手台灣區電機電子工業同業公會，共同舉辦「因應歐盟韌性法案（CRA）最新要求：產品安全治理與合規實務研討會」，聚焦 Security by Design、漏洞管理、SBOM、軟體供應鏈治理及產品全生命週期安全管理等議題，協助企業思考如何將法規要求真正落實至產品研發與日常治理流程。 長期關注國際產品安全法規與企業數位治理發展的叡揚資訊，去年即攜手台灣區電機電子工業同業公會舉辦 CRA 專題研討會，協助企業掌握 CRA 對產品安全與軟體供應鏈管理所帶來的影響。今年隨著漏洞及重大資安事件通報義務即將適用，研討會議題也將進一步從法規解析延伸至實際治理，探討企業如何建立安全開發、漏洞處理及合規管理機制。 本次研討會邀請 SGS 台灣檢驗科技與英能科技等產業專家，共同分享 CRA 法規發展與企業推動產品安全治理的實務觀點；叡揚資訊則將從軟體開發安全及數位治理角度，分享企業如何將 Security by Design 落實至軟體開發生命週期，並進一步串接產品上市後的漏洞管理與合規治理。叡揚資訊表示，企業因應 CRA 的挑戰，並不只是完成一項安全檢測或準備一份合規文件，而是需要將安全要求納入產品的完整生命週期。從開發人員的安全編碼、程式碼與開源元件安全檢測、SBOM 與軟體供應鏈風險管理，到產品上市後的漏洞追蹤、修補與合規佐證，都需要建立標準化且能持續運作的治理流程。 針對不同階段的產品安全需求，叡揚資訊提供涵蓋安全開發、應用程式安全、軟體供應鏈與第三方資安風險管理的相關解決方案，包括 Secure Code Warrior（SCW）、Mend.io、CodeSonar 及 Bitsight；並結合叡揚自主產品 Tracko SecOps 資安營運治理平台與 Vitals CMP 驗證管理平台，協助企業從 Security by Design，延伸至產品上市後的弱點追蹤及合規管理，逐步建立完整的產品安全治理機制。 叡揚資訊長期深耕企業數位治理、資訊安全與軟體品質管理領域，持續協助企業導入 […]

AI 先篩出真的要買車的人，業務再跟進：Mazda 如何縮短與消費者的資訊落差？

知名汽車品牌馬自達（Mazda）正將 AI 導入顧客旅程，從新車上市前的潛在買家篩選，到車輛進廠後的維修溝通，重新設計經銷商與車主之間的互動方式。這套策略的核心，是讓數位工具協助經銷商更早掌握顧客意圖，也讓車主在需要做決定時，能獲得更清楚、即時的資訊。 AI 過濾意向，精準鎖定潛力買家 在英國市場，Mazda UK 與科技公司 ELLA 合作，於新車上市前導入 AI 平台 optimAIze，首先處理的就是哪些人真的準備買車。目前平台應用於 Mazda 的 Keep Me Informed 計畫，涵蓋 Mazda6e、CX-5、CX-6e 等新車，消費者留下資料後，系統會透過 AI 驅動的電子郵件與簡訊持續互動，分析後續回應與行為。 過去，這類新車上市前的詢問通常會直接分配給經銷商，業務人員收到的名單可能同時包含高意願買家與僅想了解資訊的消費者。導入 optimAIze 後，AI 會進一步辨識具體購買訊號，例如主動要求試駕、索取報價，或詢問舊車換購方案等，再將這些高意向客戶交給 Mazda 零售網絡跟進。系統也會提供顧客互動背景，讓業務人員在接手時掌握前因後果，減少重新詢問的時間。 Mazda UK 行銷總監 James Crouch 表示，這代表經銷商不必再花大量時間從原始名單中尋找真正有機會成交的人，AI 先完成第一階段的意向判讀，業務則把時間集中在更有價值的對話。 透明化維修體驗、個人化影片，車主回廠意願提升近 95% 這套思路也延伸到售後服務。北美 Mazda 正在全美約 550 家經銷商推動更透明的維修流程，希望降低車主面對汽車保養時常見的資訊落差。隨著新車與維修成本持續上升，消費者可能延長車輛持有時間，老車所需的維修項目也會增加。對 Mazda 而言，服務部門因此成為維繫品牌關係的重要接觸點。 在傳統維修流程中，技師告訴車主「哪裡需要修」是一回事，要讓車主真正理解「為什麼需要修」又是另一回事。為此，Mazda 將顧客數據分析、AI 輔助訓練與客製化服務流程結合，輔助技師轉變傳統的溝通模式。車輛檢修期間，技師會親自出鏡拍攝個人化說明影片，自我介紹之餘，亦透過鏡頭直接展示車輛實際狀況、損壞細節與維修建議，讓車主能夠眼見為實，清楚理解維修依據並線上即時核准項目。 值得一提的是，這種數位化嘗試並未削弱人情味，反而更具彈性與溫度。Mazda 高層分享，曾有技師遇到聽障車主，便主動打破一般影片口述的模式，特別準備了一系列手寫字卡在影片中逐一展示說明。這證明了科技在 Mazda 的定位並非取代技師，而是提供豐富的工具，讓服務人員能根據不同車主的獨特需求彈性調整溝通方式。 根據 Mazda 北美公司（Mazda […]

【奈米網紅互動率達 6.8%】微網紅互動是大網紅三倍、獲客成本僅 1/3，行銷預算怎麼分才划算？

過去談到網紅經濟，首先想到的通常是擁有數百萬粉絲、單篇貼文報價數萬美元的頭部創作者。但 TikTok、Instagram Reels、Amazon Storefront 等平台成熟後，創作者市場出現新的中間階層：微網紅，他們未必擁有巨大聲量，卻能依靠數萬名忠實追蹤者、品牌合作與聯盟行銷，取得接近甚至超過一般白領工作的收入。 這股微網紅經濟的崛起，一方面改變了品牌的預算配置方式，讓行銷資源從少數明星型帳號，轉向大量規模較小、但互動與轉換能力更強的創作者；另一方面，也讓「走出辦公室、靠內容製作維生類的相關工作，看起來比過去更穩定。當然，成功案例背後仍存在收入波動、平台依賴與缺乏勞工保障等風險。 微網紅興起：小眾追蹤者也能撐起中產收入 微網紅通常指追蹤者介於一萬至十萬之間的創作者。相較於過去必須先累積數十萬甚至上百萬粉絲才能商業化，如今一個規模不大、但關係緊密的受眾群體，也可能支撐可觀收入。 25 歲的 Abi Platock 原本在紐約從事企業行銷工作，下班後每天發布一至兩支影片，內容包括職涯建議、美妝技巧與日常紀錄。當她只有八千名 TikTok 粉絲時，便取得除臭品牌 Secret 提供的四位數美元合作。如今她在各平台約有二萬五千名追蹤者，今年已簽下約二萬五千美元的品牌合作，預計全年創作者收入可達五萬美元。 另一個更極端的案例是紐約牙醫 Bonsa Nemera。他平日在政府牙科診所工作，年薪約七萬六千美元，業餘則向約十萬名粉絲分享口腔保健、飲食評論與個人理財內容。今年截至受訪時，他透過內容合作取得約十八萬美元收入，並預估全年可能超過四十五萬美元。 這些案例說明，創作者收入已不再完全取決於粉絲總量。專業身分、受眾信任、內容垂直度以及購買影響力，都可能比單純的追蹤人數更重要。整體網紅行銷市場也從 2015 年的 17 億美元，成長至 2025 年預估的 330 億美元，顯示品牌對創作者的需求已從小幅度的預算，轉變為正式的行銷渠道。 品牌為何轉向微網紅？CP 值與互動率雙優勢 品牌轉向微網紅，核心不是突然開始重視小眾創作者，而是成本效益。 一般而言，3% 已可被視為不錯的社群互動率。微網紅平均互動率約為 3.2%，接近百萬粉絲以上大型網紅 1.1% 的三倍。奈米網紅（Nano-influencer）的平均互動率甚至可達 6.8%。大型網紅雖然能創造約六倍收入，但合作成本最高可能是微網紅的十八倍。 （編按：奈米網紅是指粉絲數大約在 1,000 到 10,000 之間的社群創作者。他們具備高互動率、真實感強以及成本較低等三大特點，是目前品牌行銷的新趨勢。） 以 TikTok 為例，約五萬名粉絲的創作者，單篇合作價格可能超過 3,500 美元；當粉絲增加十倍至五十萬人時，報價約為一萬美元。對品牌而言，將一筆大型網紅預算拆給十名甚至數十名微網紅，往往能覆蓋更多細分社群，測試不同內容形式，也能降低單一創作者表現不佳的風險。 根據 DTC 品牌數據更清楚呈現這種差異。微網紅平均單次合作成本約 500 至 5,000 美元，平均顧客獲取成本為 […]

【科技早餐】SpaceX 600 億美元收購 Cursor，阿里稱 Qwen 半年下載破 30 億次、在 Hugging Face 領先 Google 與 Meta

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 600 億美元收購 Cursor，馬斯克擴大企業 AI 版圖 監管文件顯示，SpaceX 對 Cursor 母公司 Anysphere 的收購案已於 8 月 14 日生效。這筆價值 600 億美元的全股票交易，是科技業史上規模最大的收購案之一。Anysphere 於 2022 年成立，隔年推出 AI 程式開發工具 Cursor，協助工程師撰寫、修改及檢查程式。 交易完成前，雙方已合作開發 AI 模型與代理工具。Cursor 表示，加入 SpaceX 後將能使用更大規模的 GPU 算力，打造能力更強、運作成本更低的模型。這筆收購讓 SpaceX 進一步整合算力、AI 模型與開發者工具，擴大在企業 AI 市場的布局。 ＊阿里稱 Qwen 半年下載逾 30 億次，Hugging Face 用量領先 Google、Meta 阿里巴巴表示，旗下開放權重模型 Qwen 過去 6 個月全球下載量超過 30 億次，累計釋出逾 […]

從機器手臂到半導體設備都不能停機：台達如何用新世代電源生態系兼顧高負載、極端環境與能源效率？

專訪：戴季全撰稿：李昀蔚 當全球科技大廠持續擴建 AI 資料中心，製造業也加速導入智慧工廠、機器人與自動化設備，一場不容易被看見卻決定整套系統能否穩定運轉的基礎設施競賽，也正在同步升溫，那就是「電源」。 台達標準電源事業部總經理陳威廷在接受本集《全新一週》專訪時指出，台達標準電源目前主要布局工業、醫療與照明三大應用領域。所謂標準電源，就是架上現成、具泛用規格的商品化產品，也因為使用範圍非常廣泛，當 AI、自動化與淨零趨勢交會時，過去看似不起眼的電源供應器，正迎來全新的工程挑戰。 AI 算力背後是電力堆疊，工業電源面臨三大新考驗 不論是 AI 資料中心，還是智慧工廠裡的 PLC、控制器與機器手臂，其運作都離不開穩定供電。陳威廷形容，電源供應器雖然容易被忽視，但卻特別重要，因為如果一出問題，就什麼都沒有了。尤其隨著 AI 模型與運算需求快速成長，算力愈強，電力堆疊就愈大，因此也讓底層的工業電源出現三項全新的考驗。 首先是可靠度與穩定性的考驗，一旦控制器供電中斷，所有設備都可能跟著停擺，甚至可能因為燒毀而造成廠房重大損失。其次，則是能源轉換效率的考驗，雖然單一設備多消耗幾個百分點的電力可能讓人沒有感覺，但當規模放大到 AI 資料中心或擁有數千台設備的大型工廠時，累積的能源損耗就會直接反映在營運成本上。最後一項考驗，則是使用環境的日益複雜，由於標準電源是泛用的標準品，產品賣出後可能會被應用於室內、嚴苛的戶外或各種電壓不穩定的複雜環境，這對電源的穩定性帶來極大的考驗，因為在各種嚴苛的環境下電源都絕對不能當機。 電源不能只看型錄選瓦數，瞬間負載成工程師新痛點 另一方面，隨著電源需求日益複雜，工程師傳統的選型方式也面臨必須改變的挑戰。過去，標準電源又被稱為「型錄電源」，工程師習慣直接翻閱型錄，並根據需要的電壓、電流與功率挑選規格。為了避免設備當機，許多人習慣將功率緩衝抓大，然而當設備數量擴大時，過度配置便會轉化為不必要的成本損失。 更具挑戰性且容易被忽略的關鍵則是瞬間負載，例如機器手臂的直流馬達在剛啟動的瞬間，往往會產生較大的瞬間負載，這便成為工程師在選型時面臨的新痛點。為了解決這個難題，台達致力於將自身在工業自動化、散熱、電力等不同事業累積的深厚產業知識轉化為產品設計與選型能力。「我們自己也是使用者，」陳威廷強調，台達具備豐富的經驗，並透過高度透明且完整的網站規格與使用者手冊，再搭配全球現場應用工程師的專業技術支援，可以協助工程師依據實際應用場景選擇最適合的電源，而不再只是盲目地依照瓦數選產品。 台達推出新世代 Infinity Ready 電源生態系，用 DIN Pro、DIN Eco 解電源難題 面對工程師在實際應用中的痛點，台達正式推出全新世代的 Infinity Ready 電源生態系。陳威廷解釋，「Infinity」代表標準電源應用範圍極廣的特性，所以產品設計必須具備極高的泛用性與彈性，盡可能符合多數使用者的多元條件。至於「Ready」，則代表台達在技術與行業知識上都已經預先做好準備，陳威廷表示，在設備走向精緻化與小型化的趨勢下，台達已提前在線路架構與氮化鎵等新世代功率元件領域展開前瞻布局。 同時，配合 Infinity Ready，台達今年推出新世代導軌型電源 DIN Pro 與 DIN Eco。高階款的 DIN Pro 主要鎖定高功率的自動化需求，特別針對機器手臂等馬達在啟動時的瞬間高負載，並提供 150% 的過載能力。此外，DIN Pro 也支援 400 伏 DC IN 這個功能，隨著微電網、直流供電與節能減排等趨勢逐漸受到關注，此產品除了單相交流輸入外，也為直流供電趨勢做足準備。 DIN Eco 則主打高 […]

直接在軍艦上造出 12 架無人機：美軍如何將「分散式製造」接進前線供應鏈？

美國國防新創 Firestorm Labs 近日揭露，旗下貨櫃式微型工廠 xCell 首次進行海上部署，在美國海軍兩棲突擊艦 USS Essex 前往夏威夷的兩週航程中，製造超過 1,000 個零件，並在艦上製造無人機結構件、完成 12 架可實際飛行的 Squall FPV 無人機。抵達夏威夷後，這批無人機也直接投入反無人機演習。 根據《Tom’s Hardware》報導，xCell 在航程中遭遇最高約 12 英尺浪高仍能持續運作。除了無人機零件，該團隊也製造 Apache 直升機旋翼保護零件、救生裝備測試用接頭，以及艦員臨時需要的各式零件。 把製造設備搬上軍艦，本身其實不是第一次。美國海軍近年已陸續嘗試在船艦上 3D 列印備品、修復故障設備；但隨著設備開始真正進入前線，下一步也從船上能不能做，走向另一個更大的問題：如果不同船艦、基地甚至製造中心都有生產能力，能不能把這些散落各處的產能串起來，依照需求調度？ 不只船上自己印，美軍開始調度一整張製造網路 這也是美軍近年推動聯合先進製造系統（Joint Advanced Manufacturing System，JAMS）的目的之一。2025 年 Trident Warrior 演習期間，美國海軍研究院（Naval Postgraduate School，NPS）與合作單位已透過 JAMS 接收製造需求、分派工作，再追蹤設計、製造、交付與測試。根據 NPS，當時兩週內共處理了超過 180 項零件需求，有些 CAD 設計甚至由數百、數千英里外的團隊完成。 到了今年環太平洋軍事演習 RIMPAC 2026，測試規模再往外擴。NPS 將以 3D 列印為主的積層製造設備部署到 4 艘軍艦，並透過 JAMS 接收需求、媒合不同節點的設備、材料與製造能力，再一路追蹤到零件交付。船上的設備也不再只能服務自己所在的船艦，而可以替其他船艦或岸上部隊生產。《USNI News》報導，這次網絡不只涵蓋 […]

Anthropic 執行長談 AI 信任危機：與其宣稱「AI 能治癌」，不如真的把癌症治好

Anthropic 執行長 Dario Amodei 近日在社群媒體 X 發文，回應投資人 Gavin Baker 對其 AI 監管立場及 AI 風險溝通方式的質疑。他表示，監管並不必然導致 AI 權力集中，關鍵在於制度如何設計，公平、客觀的制度反而有機會制衡企業的影響力，讓權力更加分散。對於外界認為他過度強調 AI 風險、加深大眾對 AI 的負面印象，Dario Amodei 則表示，真正的問題並非訊息傳遞，而是AI 產業與大眾之間日益加深的信任危機。 Anthropic 執行長談 AI 監管：監管與權力分散並非二選一 談到 AI 監管，Dario Amodei 認為，「監管會讓權力集中在少數企業與政治人物手中」與「將 AI 權力廣泛分散」並非只能二選一。他以法院為例，指出正式的司法制度雖然有時給人刻板、菁英化的印象，但相較於群眾私刑，更能保障弱勢者的權利。理想情況下，制度應讓權力建立在規則與原則之上，而非掌握在特定個人手中，進一步分散權力。 這也是 Anthropic 在提出 AI 政策建議時特別謹慎的原因。Dario Amodei 舉例，Anthropic 支持的加州 SB53，以及公司對其態度較為保留的 SB1047，都將營收或模型訓練成本低於特定門檻的企業排除在規範之外。Anthropic 目前在美國 AI 標準與創新中心（Center for AI Standards and Innovation，CAISI）及白宮倡議的測試機制，也主張對前沿模型採取比非前沿模型更嚴格的測試標準。而針對「Pacing the Frontier」公開信，Dario Amodei […]

從中國模型崛起到 AI Agent 進場：Hugging Face 盤點開放模型 6 大變化

AI 模型競爭過去常看 benchmark 排名或參數規模，但長期影響力也取決於多少開發者願意使用、微調與部署。 開源平台 Hugging Face 近日發布《State of Open Models: Summer 2026》，分析今年前 7 個月 Hub 上的模型活動。期間公開模型 repository 從 243 萬增至 296 萬個，但 85.6% 的模型終生下載量不到 200 次，僅 1.5% repository 就占所有下載量 99.2%。Hugging Face 從中歸納六項變化，顯示競爭正從模型能力延伸到生態、部署與商業模式。 中國模型衝向兆級參數，但最強不等於最多人用 第一項變化，是開放模型的技術前沿快速往中國移動。Hugging Face 統計，2026 年幾乎每個月，中國實驗室釋出的最大型開放模型都比美國同期更大，單月最大規模落在 754B 至 2.78T 參數。但中國廠商之間也出現不同策略，Moonshot、MiniMax 偏重大型前沿模型；Qwen、騰訊則涵蓋不同模型尺寸，試圖涵蓋更多裝置、成本與應用場景。 但第二項趨勢提醒，受到最多關注的模型，不等於真正被最多人使用。Hugging Face 比較今年 Likes 與下載量前 25 名模型，兩份榜單只有一個 repository 重疊，甚至沒有任何 2026 年新模型進入下載量前 25 […]

量子還沒真正商用，62% 大型企業已提前砸錢布局：AI 的教訓為何讓大公司不敢再等？

雖然量子運算距離真正顛覆產業還需要時間，但許多曾經因為太晚跟上 AI 浪潮而措手不及的企業，這次選擇不再等待，而是在技術完全成熟之前，就開始投入大筆資金布局。 這股趨勢已經反映在企業的支出上。波士頓諮詢集團（BCG）最新數據指出，2025 年全球企業用戶在量子運算上的支出達到 3 億美元，首度超越研究機構與政府的合計支出。這項關鍵的「黃金交叉」，也顯示量子運算正從過去由政府與研究機構主導的科研領域，逐漸跨入企業積極布局的階段。 企業投入的程度也比想像中更深。BCG 針對醫療、金融服務、能源等 11 大產業中，市值排名前 25 的共 275 家全球頂尖企業進行調查後發現，高達 62% 的企業每年至少投入 100 萬美元在量子運算上，並且已經設置專門的量子計畫。 不想重演 AI 措手不及的教訓，企業提前為量子商用備戰 BCG 全球量子技術負責人 Matt Langione 指出，許多企業當初並未做好準備，以至於在最先進的 AI 模型問世時，無法立即利用。這段因準備不足而產生的「AI 遺留之痛（hangover）」，正成為企業這次決定提早投資量子運算的重要動力。 因此，包含 HSBC、Allstate 與 EY 等跨國龍頭企業一致認為，現在已是開始布局的絕佳時機，他們不希望等到技術完全成熟時才從零開始追趕，而是希望在量子技術最終走向商業化時，企業就已經具備所需的人才、資料基礎設施與具體的應用場景。為了達成這個目標，企業目前的資金投入大致分為兩大部分：一方面是用於內部招募與培育量子領域的專業人才；另一方面則是與外部供應商共同開發應用場景，並透過雲端付費的方式，直接使用量子電腦進行各種實驗。 Allstate、HSBC、EY 開始搶先驗證量子科技的商業價值 例如，在保險業方面，保險巨頭 Allstate 已經成立一個約 10 人的量子團隊，並計畫在未來一年內繼續擴充團隊規模。目前該團隊正在積極研究量子運算是否能處理大量且彼此相關的複雜風險變數，進一步提高保險風險評估與定價的精準度。「在我們的行業中，精準度就是創造價值的關鍵，」Allstate 董事長兼執行長 Tom Wilson 解釋，量子電腦理論上可以處理包含無數變數的複雜最佳化問題，這能協助 Allstate 為特定保單進行更精準的定價。 與此同時，金融巨頭 HSBC 在倫敦、新加坡和印度設有約數十人規模的量子研究與工程團隊。HSBC 日前與 IBM 合作，使用量子電腦測試債券交易的最佳化應用，實驗結果顯示，相較於目前常用的傳統計算方法，量子技術在預測交易能否以報價成交方面，表現最高改善 34%。鑑於這項突破性的成果，雙方隨後又簽署新合約，進一步研究將這項應用擴大至正式生產環境時，在實務與財務層面的可行性。 […]

【保全業的自動化轉折】機器狗接手體育場重複巡邏工作，不為取代人力而是留才

美國體育場、製造廠與倉儲等大型場域近來出現新的巡邏景象，站崗的不是穿著制服的保全人員，而是自主行走的機器狗或無人機，而機器人安防公司 Asylon Robotics，正是這股趨勢背後的代表性業者。 機器人保全的商業模式與投資報酬 Asylon 的機器人會依照排定路線巡邏，將即時影像串流回遠端操作中心，並在偵測到異常時展開查核；一旦發現可疑活動，會由真人檢視警報，再決定是否通知現場保全人員。 Asylon 執行長暨共同創辦人 Damon Henry 向媒體表示，依巡邏頻率不同，公司收費約落在每年 12 萬至 17 萬美元，這項「頂級安防服務」涵蓋機器人本體、維護、軟體與遠端操作人力。相較之下，一名全職、全天候輪班的保全人員，目前全美平均年成本約落在 25 萬美元，Henry 認為，這代表機器人服務有明顯的投資報酬優勢。 目前 Asylon 約有 25 個客戶，在全美部署約 50 台機器人，一名遠端操作中心的人員，可同時監看橫跨多個場域的六到八台機器人。 不過，成本優勢雖然明顯，機器人保全真正想解決的問題，其實不只是取代人力。 機器人瞄準的不是取代人力，而是留才危機 全美約有 130 萬名保全人員，就業人數預估到 2034 年大致持平，但柏克萊加州大學勞動研究中心今年七月發布的報告指出，這個產業每年仍會釋出超過 16 萬個職缺，幾乎全數都是為了填補離職人力，而非產業成長。 報告發現，保全人員占比近四分之三的調查與安防服務業，2024 年的年流動率高達近 89%，遠高於整個私部門平均的 66%，2022 年時流動率一度逼近 99%。 報告共同作者 Enrique Lopezlira 指出，問題並非美國找不到願意當保全的人，而是雇主難以留住員工做這份低薪、訓練不足、風險又偏高的工作——保全人員時薪中位數僅 18.7 美元，且近 43% 的人，沒有雇主或工會提供的健康保險。 Henry 指出，客戶還面臨所謂的「空窗期」問題，也就是排不出人力、或無法持續補人力的時段缺口，「訓練跟排班都非常不穩定，這對企業來說是很大的負擔。」有些客戶甚至因此部署 Asylon 的機器人，讓原本可能空缺的崗位，不必勉強找人填補。 機器人仍需人力補位，能力有其極限 這些機器人主要承接的，是保全工作中較為重複性的任務，包括繞行場域周邊、維持可見的安防存在感，以及判斷警報是否需要真人介入處理。 以喬治亞州亞特蘭大的 […]

當球隊開始用 AI 經營球迷：味全龍與 NBA 勇士的 365 天解法

對職業球隊而言，一場比賽只有短短幾個小時，但球迷關係卻不能只存在於這幾個小時裡。比賽結束後，球場人潮散去，球迷回到日常生活，球隊若沒有其他接觸管道，原本累積的關注與消費動能也可能隨之下降。如何延長賽事之外的互動時間，讓球迷在沒有比賽的日子仍願意關注、消費與參與，正成為球團數位轉型的重要課題。 這也是台灣職棒味全龍與 NBA 金州勇士隊正在探索的方向。兩支球隊都將數位工具延伸至比賽之外，利用官方商城、專屬 App、會員系統與數據平台，持續掌握球迷的行為與偏好。當球迷不在球場，球隊仍能透過手機與線上服務維持互動；當球迷再次進場，過去累積的資料也能進一步轉化為個人化體驗。 打通數據與通路，打造統一互動入口 數位轉型的第一步，是整合數據。味全龍一年約有 60 場主場賽事，實際營業只占全年一小部分。為了讓非比賽日與非台北當地的球迷也能支持球隊，味全龍將官方商城視為關鍵入口。 然而，在 2021 年重返職棒初期，球團面臨售票、商城與會員系統彼此獨立的困境，甚至頻繁出現現場售罄、線上卻顯示有貨的「超賣」痛點。2022 年與智慧零售品牌 CYBERBIZ 合作後，球團以 LINE OA 作為統一數位入口，全面串接售票、商城、會員與活動資料。數據打通後，不僅解決了庫存同步問題，更讓球團得以在「封王夜」或球星破紀錄的黃金時刻，即時承接現場情緒，轉化為線上消費。味全龍封王夜出現官方商城業績超越實體門市、占整體業績約七成的現象，也顯示重大賽事所帶來的情緒，可以透過數位通路被迅速承接。 NBA 金州勇士隊也採取相近思維。球團與 Google Cloud 合作打造 Warriors + Chase Center App，將售票、餐飲、場館導航、大眾運輸資訊，以及比分、數據、重播與球隊內容整合進同一個數位體驗。球迷即使不在球場，也能持續接觸勇士隊的內容；準備進場時，App 又能一路陪伴球迷完成移動、觀賽與消費。球隊與球迷的關係因此不再只發生在比賽開始的那幾個小時。 AI 與個人化預測，改變統一的大眾推播 當系統與資料完成打通，下一步便是利用數據與 AI 創造個人化價值。CYBERBIZ 執行長蘇基明指出，品牌轉型真正的門檻往往在於觀念與組織，系統只是基礎建設的第三步。也因此，唯有底層資料完整串接，AI 才能進一步發揮作用。 CYBERBIZ 目前規劃透過 AI 強化智慧客服，先輔助客服人員進行建議回覆，累積對話後走向自動化，未來更能透過自然語言理解球迷需求，主動推薦商品，省去球迷在海量商品中搜尋的成本。 金州勇士隊則已將個人化推播落實在 App 體驗中。如果系統掌握某位球迷特別喜愛特定球星，且習慣購買 Chase Center 某間餐廳的餐點，App 介面便會依據其偏好調整呈現內容。這種精準導購與情境內容推播代表推薦內容不再需要依賴所有人看到相同的促銷訊息，而能根據個人情境提供更精準的內容與導購，讓數據成為優化商業機會的關鍵基礎。 重塑實體場域，從「看比賽的球場」到「主題娛樂生態圈」 當數位系統與 AI 開始理解球迷，這股力量最終會反哺實體體驗，重新定義「球場」的意義。 味全龍營業總監程韋仁提出將球場打造成「棒球樂園」的願景，比照迪士尼或環球影城，讓家庭顧客即使不關注球賽勝負，也願意前來休閒娛樂。隨著未來導入人臉辨識與 IoT 影像辨識技術，當會員踏入球場時，系統便能提供客製化引導。例如帶小孩的家庭會收到吉祥物劇場或正在進行的餐飲優惠推播，讓實體場域體驗更加個人化。 勇士隊的 […]

「你現在的祕密，十年後還是祕密嗎？」鴻海、NetApp、IBM、思科等產學專家剖析量子防線與運算新局

日前舉辦的「2026 量子高峰論壇」，邀集鴻海科技集團、IBM、NetApp、思科等重磅專家齊聚一堂，為產業揭示了量子科技的技術發展與未來變局關鍵轉折。TechOrange 科技報橘社長於開場指出，全球科技創新的推動力已從過去的「企業競爭」躍升至「國家級大國競賽」，其中以 AI 軍備競賽最為激烈，而量子科技正疊加於 AI 之上，大幅釋放平行運算的潛能。 中原大學物理系講座教授暨量子資訊中心主任張慶瑞指出，從 2025 年開始，世界即將迎來下一個 60 年的黃金時代，而這個時代的核心正是量子生態系。在探討量子科技的巨大變革時，一個最受矚目的關鍵詞就是 Q-Day，「你現在的祕密，十年後還是祕密嗎？」張慶瑞表示，Q-Day 的迫切性並非空穴來風，根據量子密碼學家提出的「莫斯卡定理」，若企業資料的「保密期限」加上「系統遷移時間」，超過了量子電腦技術成熟的時間，其實就已經暴露在駭客「先竊取、後解密（HNDL）」的即時風險中，駭客此時竊取的機密如半導體關鍵製程或客戶金融交易資料，十年後將被量子電腦輕易破解。因此，核心資產的保密年限與系統遷移週期，將成為企業評估後量子密碼（PQC）布局時的重要考量。 鴻海研究院 探討量子 x AI 如何加速解決現實世界難題 量子技術帶來的不只是 Q-Day 風險，也可能成為解決複雜問題的新工具。鴻海研究院量子計算研究所所長謝明修深入剖析了「量子與 AI 的雙向加乘」，一方面是 AI 協助量子科技的發展，用 AI 在龐大空間中快速尋找新材料或誤差修正碼；另一方面是量子科技協助 AI，利用量子的疊加與糾纏特性，讓大模型以極少參數表示，大幅壓縮訓練所需的運算與能源成本。謝明修以新材料開發為例，最實用且立即可行的混合架構是：讓 AI 篩選候選材料、超級電腦處理大尺寸模擬，最後由量子處理器精準計算最核心棘手的分子結構。謝明修強調，台灣擁有深厚的半導體與製造業實力，我們的機會不是等待技術成熟，而是「現在就建立跨域團隊，用真實的產業題目進行概念驗證。」 NetApp 助企業建構寶貴資料的抗量子防線 「Q-Day 威脅早已提前，」NetApp 台灣技術總監許宏俊指出，「如果資料在兩年後依然有價值，你現在就要開始準備。」面對駭客「先竊取、後解密」的威脅，許宏俊建議企業除了優先完成加密資產盤點、評估關鍵資料在儲存與傳輸過程的保護機制，還需透過 POC 驗證設備相容性，循序規劃遷移路徑。許宏俊強調，除了升級加密機制，企業也應同步建立資料外洩偵測能力，NetApp 能協助企業分析使用者存取資料的異常行為，即時阻擋攻擊，在推動 PQC 遷移的同時，建立更完整的資料安全防護。 池安量子 提醒企業軟硬體、網路都可能藏有量子能攻破的弱點 「後量子密碼 PQC 遷移真正困難的，不是換演算法，而是如何找出所有的密碼，」池安量子資安共同創辦人暨副執行長陳柏維表示，硬體、網路、軟體等各個層面都可能藏有量子能攻破的弱點，以金融業網銀高額轉帳簽署為例，即便硬體設備升級、支援 PQC，若是使用者線上簽署時仍採用舊式密碼，就可能成為一個破口。金管會發布的《金融業後量子密碼遷移參考指引》，提供金融業以十年期、四階段方式思考 PQC 遷移的參考框架，池安量子在此基礎上，協助企業進行自動化快速盤點、安全遷移、遷移後持續驗證與監控，完成 PQC 升級。 IBM 從實戰經驗論台灣企業的 Q-Day 生存戰 […]

【科技早餐】OpenAI 年化營收估破 400 億美元、Anthropic 單季營收達去年 14 倍，美國擬要求 AI 夥伴選邊

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 年化營收估破 400 億美元，Anthropic 第 2 季營收達去年同期 14 倍 《彭博》引述知情人士報導，OpenAI 目前的年化營收估計即將突破 400 億美元，約為 2025 年底的兩倍。成長動能除了 ChatGPT 訂閱，也來自開始發展的廣告業務、程式碼代理工具 Codex，以及企業用產品 ChatGPT Work。OpenAI 共同創辦人暨總裁 Greg Brockman 也在內部公告中表示，光是 7 月營收就增加超過兩成。 競爭對手 Anthropic 第 2 季初步營收超過 115 億美元，高於去年同期的 7.87 億美元及今年第 1 季的 47.3 億美元，調整後營業利益也首度轉正。截至 5 月，Anthropic 年化營收已超過 470 億美元，主要受企業專業人士採用率攀升帶動。兩家公司都在籌備上市，但採用的會計及年化營收算法可能不同，數字不宜直接比較。 ＊NVIDIA 傳將 OpenAI 資料中心擔保砍逾半，降至 1,200 億美元以下 《華爾街日報》報導，NVIDIA 調整支援 […]

【金融 AI 代理安全與防禦】AI Agents 直接經手支付與交易，機構「分階段放權」才是安全底線

金融自動化浪潮正以驚人速度席捲。Gartner 預估 2026 年底將有 40% 的企業應用程式，嵌入任務型 AI 代理人（2025 年小於 5%），且已有 79% 企業著手導入。 與僅能生成文字回應的無狀態 Chatbot 不同，AI 代理人結合推理、長期記憶與 API 工具存取，具備自主規劃與執行多步驟任務的能力；這群代理人正深度整合進資金、支付、交易、託管與會計等五大核心領域，從「動口」給資訊轉為直接「動手」運作。 在此高度整合下，代理人任何錯誤決策或惡意操作，都將在數秒內對資產負債表與監管合規造成不可逆的重大損害，成為金融資安最迫切的戰場。 區塊鏈與資安公司 Halborn 發佈《Securing AI Agents in Financial Infrastructure》報告，提出針對企業級 AI 代理人，在金融與支付基礎設施中運作的自主權分級框架；以下摘要核心內容，涵蓋九大金融特有威脅、以「提案與執行分離」為核心的防禦邏輯、七大層面的複層控制措施，以及由 Tier 1 至 Tier 4 的自主權分級治理路線圖。 📎 這份報告適合誰閱讀？ 報告針對在監管金融環境中負責部署、安全管理與治理 AI 代理人的專業工作者設計，適合讀者包括： 🔴 報告洞見 88% 企業曾遭 AI 代理安全事件，九大威脅直逼金融命脈 當 AI 代理人被賦予了實質的資金調度與系統操作權限，隨之而來的是急遽擴張的安全性挑戰，這讓傳統以「代碼安全」為核心的防禦模型（AppSec）完全失焦。 根據 Gravitee 2026 年發布的 AI 代理安全報告，高達 […]

三星用 Claude 把晶片驗證從 1 個月壓縮到 2 天：不只拚效率，更想縮小與高通的工程人力差距

在軟體工程界逐漸熟悉與 AI 協作的同時，半導體設計領域也正迎來一場深刻變革。三星電子在開放 Anthropic 旗下的 AI 編碼工具 Claude Code 給軟體開發人員約三個月後，已進一步將 Claude Code 導入客製化系統單晶片（SoC）的功能驗證，以及半導體專案前期的軟體開發中，這也代表生成式 AI 開始從一般的程式撰寫，走進高度專業的半導體晶片研發流程。 在三星內部的一項客製化 SoC 專案中，原本預估需要花費超過一個月才能完成的驗證環境建置與驗證工作，透過 Claude 的協助，竟然在短短兩天之內便達成任務，工作效率提升約 15 倍。 然而，三星積極將 Claude 引進核心研發流程的背後，並不是單純想縮短研發時程而已，從產業結構的競爭來看，負責設計行動處理器與影像感測器的三星 System LSI 部門，正面臨極大的人力挑戰。目前，System LSI 部門人數估計約 6,000 人，相較高通（Qualcomm）截至去年 9 月約 52,000 名員工的整體組織規模，存在明顯落差，高通整體人力規模約為 System LSI 的 8.7 倍。 如此懸殊的設計人力差距，正是 System LSI 部門長期以來的結構性痛點，至於三星的應對策略，便是希望藉由引入先進 AI 代理人，來放大現有工程團隊的產能，以緩解半導體設計人才短缺的結構性難題。 三星用 Claude 突破「等 RTL 才能驗證」瓶頸，晶片研發走向並行開發 在這場將一個月工期壓縮至兩天的客製化 SoC 驗證專案中，三星面臨極為嚴苛且不完整的初始條件。由於客戶採用全新的半導體架構，且專案高度依賴外部智慧財產權（IP），導致前期標準化的設計資料並不齊備，甚至連進行驗證必備的暫存器傳輸級（RTL）DRAM […]

GPT-5.6 Sol 接 Cerebras 快 14 倍：OpenAI 開始替不同 AI 工作挑晶片

AI 開發者想讓模型即時回應，過去往往得在「速度」與「聰明程度」之間做取捨，OpenAI 近日在自家 API 推出名為「Ultrafast」的新服務層，讓旗艦模型 GPT-5.6 Sol 在不更換模型的前提下，推論速度最高較標準模式快 14 倍，每秒可生成 750 個 output token。 OpenAI 表示，要取得即時速度，通常得改用較小或針對特定用途打造的模型；Cerebras 也指出，開發者長期面臨類似問題：最強的模型通常不夠快，最快的模型又未必具有足夠能力。Ultrafast 服務想解決的，正是這項取捨，而支撐這個速度的並非 GPU，是晶圓級晶片公司 Cerebras 的專用晶片。 原本要過夜跑的研究工作，一日內就可多輪迭代 Ultrafast 目前先在 OpenAI API 上線，採限量預覽，開放給一小群客戶，官方表示會隨產能擴大逐步放寬。 在應用場景上，OpenAI 點名事故排除、金融研究與風控、即時客服與語音、電商，以及過去得跑整夜的即時實驗。早期客戶包含 Jane Street、Podium、Basis 與 Rogo。 Jane Street 的 AI 助理團隊成員 John Crepezzi 表示，Cerebras 帶來的速度提升相當可觀，讓開發者能以更專注、更有效率的方式與模型協作。OpenAI 內部開發團隊也已用 Ultrafast 分析資安事件中的系統日誌與追蹤資料，原本需要跑一整晚的研究工作，現在能在一個工作日內進行多輪測試。 OpenAI 早就找上 Cerebras，750 MW 合作開始落地 今年 1 月，OpenAI 就宣布與 Cerebras […]

DeepSeek-V4-Pro 正式上線！挾 Harness 將 AI 戰場從「模型」推進到「Agent 開發層」

DeepSeek 正從 AI 模型進一步拓展至 Agent 開發工具，正式推出 DeepSeek-V4-Pro，強化模型在 AI Agent 應用上的表現，同時發布開源 Agent 開發框架 DeepSeek Harness v0.1，讓開發者能更靈活地打造和管理 AI Agent，並提供不同於 Anthropic Claude Code 等整合式程式開發工具的選擇。 DeepSeek-V4-Pro 正式版：強化 Agent 能力、API 無需改名 Harness 與 DeepSeek-V4-Pro-0813 正式版同日推出。DeepSeek 今年 4 月先以預覽版形式推出 V4 系列，其中 V4-Pro 採 1.6 兆參數架構，每個 Token 實際啟用 490 億參數；V4-Flash 則有 2,840 億參數，每個 Token 啟用 130 億參數。兩款模型的上下文長度都可達 100 萬 Token。 這次發布的 V4-Pro […]

Google 三週又升級 Gemini 3.7 Flash：為何定位 Flash 成 Agent 日常主力？

Google 於美國時間 8/13 推出新一代 AI 模型 Gemini 3.7 Flash，距離上一代 Gemini 3.6 Flash 發表僅隔了三週。除了強化程式開發、企業工作流程與 AI Agent 能力，Google 還祭出限時價格策略：今年底以前，Gemini 3.7 Flash API 每百萬 input tokens 為 0.75 美元、output tokens 為 3.75 美元，只有 2027 年起標準價格的一半。 不過另一個變化更值得注意。Google 將 Gemini 3.7 Flash 稱為目前「最聰明的 coding 與 Agents 主力模型（workhorse model，工作馬模型）」。過去 Flash 系列最鮮明的特色是速度、低延遲與較低成本，為什麼到了 AI Agent 時代，Google 反而要讓 Flash 承擔更多複雜的 AI Agent 工作？ Flash […]

Anthropic 新研究揭多 Agent 風險：從同步犯錯、價格共謀到互相攻擊，企業風險不再只是「單點失控」

隨著 AI 技術突飛猛進，企業與政府機關正加速將 AI Agent 部署在共享的程式碼庫以及電腦系統中，這也讓 Agent 之間的虛擬互動迎來爆發性的增長。然而，近日 Anthropic 發布的最新研究警告，Agent 與 Agent 之間的互動規模，極可能在人類真正理解如何安全管理它們之前，就已經遠遠超過人與人、或人與 Agent 之間的互動規模。 這項趨勢，也使 AI 安全的研究範疇，從傳統的「單一 Agent 是否會失控」推進到一個全新的群體層次：當成千上萬個 Agent 在同一個系統中同時協作、競爭或彼此依賴，原本在單一 Agent 層次看似微小且無害的行為特徵，可能在群體互動中不斷累積並放大，最終成為意料之外的系統性災難。 30 個 Agent 有 18 個做出相同選擇，「同步犯錯」會放大系統性風險 在多 Agent 的生態系統中，同質性帶來的群體盲點是一大隱憂。Anthropic 指出，AI Agent 相較於具有多樣性的人類，具有極高的「低變異性（low variance）」特徵。由於企業往往在相同的底層模型上，使用高度相似的上下文（context）與開發框架，這導致即使給予 Agent 非常寬廣的行動空間，它們仍傾向做出高度一致的決策。 在一項要求 Agent 共同建立遊戲的模擬實驗中，30 個基於相同底層模型的 Agent 被部署上線，在完全沒有私下溝通的情況下，竟然有高達 18 個 Agent 不約而同地建立了完全相同的 Git 分支名稱「mvp-game-loop」。在另一項要求 Agent 自由發揮、各自打造「令人印象深刻之作」的實驗中，更有超過一半的 Agent 選擇製作光線追蹤器（ray […]

AI Agent、Reasoning 放大推論成本：模型業者開始重新思考 Transformer

2017 年，Google 研究團隊發表〈Attention Is All You Need〉論文，提出後來改變 AI 產業的 Transformer 架構。9 年過去，從 ChatGPT 到 Gemini，幾乎所有主流大型語言模型（LLM）都建立在 Transformer 之上。但當 AI 開始處理更長文件、進行複雜推理，甚至以 Agent 形式持續工作，這套支撐生成式 AI 浪潮的架構，也逐漸面臨效率挑戰。 《MIT Technology Review》近期觀察，一批 AI 新創正從 Attention、模型組成到文字生成方式重新設計 LLM，試圖回答同一個問題：除了增加 GPU、量化與壓縮模型，能不能直接從模型架構降低 AI 運算成本？ 這項問題在推理模型興起後變得更加重要。Microsoft Research 今年發表的研究估算，一般前沿 AI 模型推論的能源需求中位數約為每次查詢 0.31 Wh；但如果是產生約 5,000 個 output tokens 的長推理任務，能源需求可能增加約 13 倍。當 AI Agent 又需要反覆呼叫模型、讀取工具結果與累積工作脈絡，推論負擔還會進一步增加。 Transformer 的優勢，為何也成為效率挑戰？ 問題首先出在 Transformer 最核心的 […]

【科技早餐】蘋果擬投入上億美元為 AI 版 Siri 買新聞授權，長江存儲 NAND 出貨首登全球第三

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊蘋果洽談上億美元新聞授權，AI 版 Siri 補強即時資訊 《華爾街日報》報導，蘋果（Apple）近幾個月接觸多家出版商，希望簽署多年期內容授權協議，讓預計今年稍晚開放 beta 測試的 AI 版 Siri，可以取得即時新聞與資訊。相關協議仍在洽談，蘋果曾討論編列九位數美元、也就是至少 1 億美元的整體預算，並可能依照 Siri 實際使用內容的情況支付費用，不同於部分 AI 公司以固定費用取得大量內容授權的模式。 蘋果今年 6 月發表新一代 Siri AI，主打理解個人情境、操作不同應用程式，並透過網路取得最新資訊。不過，蘋果先前曾因內容出錯，暫停新聞與娛樂 App 的 AI 通知摘要。這次洽談不只要為 Siri 取得即時資訊，也牽動科技平台與出版商的內容分潤方式；如果雙方達成協議，出版商的收入可能與內容實際被 AI 使用的頻率連動，而非一次授權後由平台廣泛運用。 ＊長江存儲超車鎧俠，NAND 出貨容量首登全球第三 市場研究機構 Counterpoint Research 統計，按照 NAND 出貨總容量計算，中國記憶體業者長江存儲第二季全球市占升至 14%，首度超越日本鎧俠，躋身全球第三。三星以 25% 維持第一，SK 海力士以 22% 排名第二；長江存儲的出貨容量則年增 22%、季增 5%，受惠於市場供應吃緊，以及持續擴大對中國裝置品牌的供貨。 不過，出貨容量不等於營收。長江存儲目前的產品組合仍以價格較低的消費型產品為主，高單價資料中心企業級固態硬碟占比較少；若按照營收計算，排名仍落後鎧俠與美光，居全球第五。隨著 AI 應用由模型訓練擴大到推論，企業級固態硬碟第二季已占全球 NAND 出貨容量 48%，高於一年前的 26%。Counterpoint […]

Pixel 11 把 Gemini 推向手機核心：Google 台灣硬體研發團隊談背後的軟硬體工程

Google Pixel 手機一直是 Google 展示最新 AI 功能的舞台之一，Google 在台灣時間 8/13 凌晨發表新一代 Pixel 11 系列，隨即宣布在台灣上市。除了 Tensor G6 晶片、相機等硬體升級，Google 這次更把重心放在 Gemini 如何深入手機使用體驗。《TechCrunch》指出，新機加入更多能在背景完成任務的 Gemini 功能。 Google 對這波改變的期待，不只是讓手機多幾項 AI 功能。《CNBC》訪問 Google 裝置與服務資深副總裁 Rick Osterloh，他認為，過去 10 到 15 年，人們使用手機與筆電的方式沒有太大變化，但 AI 可能即將大幅改變這件事；Gemini 未來甚至可能成為人們使用手機、筆電與其他裝置的主要方式。 這個方向，也呼應 Google 接著舉辦硬體在台上市發表會時強調的一句話：「Do more for you with less from you」，也就是讓使用者用更少操作，讓手機完成更多事情。而要讓 Gemini 從一項 AI 功能逐漸深入手機使用體驗，背後也牽動晶片、硬體、軟體到雲端的整體設計。在台灣上市發表會上，Google 硬體研發團隊親自介紹 Pixel 11，也進一步說明這套 AI 體驗背後的軟硬體工程思維。 […]

AI Agent 操作電腦準確率衝上 85%，為何企業真正難題仍是如何「可靠地把工作做完」？

在過去一年，電腦操作 AI Agent（Computer Use Agent）已經正式跨越單純展示的階段，開始在特定的、可重複的企業工作流程中進行正式部署。這些日常任務包括更新系統紀錄、跨入口網站搬移資料、處理工單，以及操作那些原本缺乏乾淨 API 的舊軟體介面。 轉變的背後，是因為模型操作電腦的能力正在快速飆升。根據 OSWorld-Verified，也就是一項在實體電腦桌面上測試 Agent 跨 Windows、macOS 和 Ubuntu 執行任務的標準檢測的數據顯示，最頂尖的 AI 模型在一年之內，其任務完成率從原本的 42% 上升至 85%，甚至超越人類測試者平均約 72% 的完成率。 然而，創投機構 a16z 提醒，即使在基準測試中達到 85% 的成績，仍代表每 100 個任務中有 15 個以失敗告終。對於要求高度準確、且每個步驟都必須完整銜接的企業流程來說，「會操作電腦」與「能可靠地完成工作」，仍是完全不同的兩回事。 每月 2,000 萬次操作，AI Agent 已開始規模化接手企業流程 儘管如此，部分企業已經開始體會到規模化自動化的威力。在 a16z 的訪談中，一家消費品（CPG）數據平台每月透過自動化系統完成約 1,500 萬至 2,000 萬次入口網站操作（portal interactions）。在這些流程中，這家企業將 AI Agent 作為傳統手寫網頁爬蟲的「自動故障修護備援」，每當零售商網站更動介面、導致原有爬蟲程式碼出錯時，Agent 就會自主診斷問題並搶修自動化流程，在工程師甚至還沒發現錯誤前，就讓重要數據恢復流動。導入此方案後，該公司將專門負責維護網頁爬蟲的工程團隊縮減一半，並成功將這些工程人力重新調配到其他工作流程上。 同時，另一家全球系統整合商也在生產環境中部署 27 個使用電腦操作 Agent 的正式工作流程，每天穩定處理約 1,500 至 […]

白宮 AI 監管再擴大：達 GPT-5.6 級「開放模型」恐也須發布前測試

據《WIRED》引述消息人士報導，白宮官員預計將修改川普政府最新提出的 AI 指引，並擴大對 AI 模型的監督範圍，未來可能將開放模型納入其中。這也顯示，白宮正重新思考如何因應 AI 技術快速發展所帶來的監管問題。 白宮推 AI 安全新規：高階模型公開發布前須經聯邦測試 白宮本月宣布制定 AI 框架，要求美國 AI 實驗室開發的高階模型，在公開發布前接受聯邦政府的安全測試。不過，白宮目前尚未公布框架內容，也未說明未來是否會對外公開。目前這套框架僅適用於 Anthropic、OpenAI 等公司開發的「封閉模型」（closed models）。 一名白宮官員向《WIRED》透露，未來幾個月內也可能將開放模型納入監管。只要開放模型的能力達到 Anthropic Mythos 系列和 OpenAI GPT-5.6 等「前沿」模型的水準，就必須在發布前接受安全測試。知情人士表示，白宮原先希望透過行政命令，迅速建立完整的 AI 規範，但隨著 AI 模型發展速度遠超預期，川普政府也不得不持續調整相關政策。 市場失衡？美官員憂 AI 新規削弱「開放模型」發展意願 今年稍早，Anthropic 推出 Mythos 模型後，外界開始討論建立 AI 網路安全審查機制。《The Guardian》提及，由於擔心 Mythos 的強大能力可能被用來入侵 IT 與金融系統，Anthropic 在 4 月決定暫緩公開發布。這款模型也引發國際間對 AI 網路安全風險的關注，促使川普政府重新檢視原本較為寬鬆的 AI 政策，轉向加強政府監督。 除了國安風險，官員也擔心現行框架可能造成市場上的落差。《WIRED》指出，如果只有封閉模型能取得政府的安全認證，企業可能因此不敢採用沒有認證的開放模型，即使開放模型的成本更低。部分官員更擔心，這可能反過來削弱美國企業投入開放模型開發的意願。 《WIRED》補充，若安全測試需要長達 30 天，也可能拖慢 AI […]

【零信任新挑戰】AI 代理能跨系統存取、層層委派授權，企業的身分治理框架需從頭設計

過去，企業資安建立在一個穩定前提上：人使用軟體，軟體依照預設規則執行；身分存取管理（Identity and Access Management，IAM）主要處理人類帳號與應用程式帳號，透過職務、角色與固定權限，決定誰能登入、能讀取哪些資料，以及可以操作哪些系統。 但是 AI 代理正在打破這條界線，它不只等待指令，也不只是軟體中的一項功能，而是能理解目標、拆解任務、選擇工具、跨系統存取資料，甚至在沒有人逐步批准的情況下執行操作。 當 AI 代理能代表員工寄信、查詢客戶資料、修改訂單或呼叫其他代理，企業面對的已不是「人使用軟體」，而是一個同時具備使用者權限與軟體執行能力的新主體。 AI 代理模糊了軟體與使用者的界線 傳統軟體在固定流程內運作，輸入輸出相對可預期；AI 代理則會依任務、資料與環境即時調整行為，可能先讀信、查客戶資料、呼叫付款服務，再把結果交給另一個代理，每一步權限與風險都不同。 因此企業不能只問「這個應用程式能否存取資料」，還要追問代理為了什麼任務取得權限、誰授權、權限能否轉交、何時失效，以及是否已偏離原始目的。 尤其在多代理系統中，授權可能層層委派。員工啟動的代理，可能再把工作交給其他代理，後者又呼叫外部工具。這條鏈若無法追蹤，一旦出錯，企業很難還原責任出在指令、代理設計、平台控制，還是部署方式。 這不代表最小權限、強驗證、零信任等資安原則已經過時，它們仍是核心基礎，只是原本是為「相對穩定的人與系統關係」設計的，但代理不再是固定角色的使用者，而是會跨系統、動態改變行為的主體，問題不在原則失效，而在套用方式跟不上這種高度動態的存取模式。 AI 代理需要擁有自己的身分與生命週期 企業必須停止把代理視為藏在應用程式裡的功能。每一個正式投入營運的代理，都該擁有獨立且可驗證的身分，包括唯一識別碼、明確負責人、業務目的、可用工具、資料範圍，以及允許執行的動作。企業不能只知道代理屬於哪套系統，還得知道它是誰、為何存在、誰對它負責。 這個身分也要同時具備人的治理方式與軟體的生命週期，像員工一樣有主管與責任歸屬，也像軟體一樣有版本紀錄、審查節點、到期日與下線程序。 若沒有定期重新認證，企業很容易累積無人維護的「孤兒代理」，它們散落在各平台之中，比離職員工未停用的帳號更難被發現。 同時，權限設計也該改成任務導向，意思是代理不長期持有完整權限，而是在特定情境下取得短期、可撤銷的憑證，任務結束即失效，這正是零信任原則的具體做法。稽核紀錄也必須同時保留兩個身分：哪位人類發起或批准任務、哪個代理實際執行，即使完全自主運作，也要能追溯擁有者、目的與輸出結果。 傳統 IAM 跟不上，問責必須在部署前定義 傳統 IAM（身分與存取管理）多半是為人類使用者與長期帳號設計，OAuth、OIDC、SAML 等協定雖能處理登入與授權，卻應付不了大量短期存在的代理、即時變動的權限，以及跨代理委派的情境。 當企業要管理的是數千甚至數萬個代理身分，固定角色與人工審批很快失效，需要的是能處理動態身分與授權鏈追蹤的管理架構。 因此，代理治理不能等試點成功後再補。企業應在部署前建立全公司代理清冊，定義每個代理的擁有者與目的，設計短期可撤銷的權限機制，並預先劃分事故責任，包括區分是使用者指令錯誤、代理擁有者缺乏治理、開發者設計缺陷、平台供應商控制不足，還是部署模式本身放大了風險，不能等出事後全部歸咎給單一部門。 這套治理可能讓代理導入變慢，但真正危險的是等代理已經嵌入客服、財務、採購等流程後，才回頭補身分與責任制度，屆時成本只會更高，系統也更難拆解。 AI 代理帶來的問題，不是既有資安原則失效，而是企業仍用管理員工帳號與傳統應用程式的方式，管理一種全新的自主主體。企業不必推翻原有資安框架，但必須把代理視為擁有獨立身分、權限與生命週期的工作者，重新設計驗證、授權、稽核與撤銷機制。 【推薦閱讀】 ◆ 【防詐邏輯升級】AI 代理人讓身分驗證失效，「授權範圍」與「斷路器機制」成新控制點◆ 【AppSec 防不住的新戰場】AI 深度參與軟體開發，資安新學科 AISec 成形◆ 【AI、機器人與網路的代理化未來】99% 機器人是惡意程式，如何精準分辨「惡意攻擊」與「AI 變現機會」？ ＊本文開放合作夥伴轉載，參考資料：《CSA》、《Techradar》，圖片來源：Unsplash （責任編輯：鄒家彥）

疑中國駭客用 8 個 AI Agent 攻擊台灣，入侵失敗還會自己找新招：資安防線如何跟上自主網攻速度？

近日台灣遭遇一場具備「近乎自主性」（near-autonomous）的網路安全危機。以色列資安公司 Dream 揭露，疑與中國有關的駭客團隊，在 7 月 1 日至 4 日的短短四天內，對亞洲政府機構發動史無前例的自主化 AI 攻擊。雖然 Dream 並未在公開報告中直接點名受害國家，但知情人士已向媒體證實，這起攻擊的真正目標正是台灣。 針對這場高度自動化的新型態威脅，數位發展部在今（8 月 13 日）發表官方新聞稿證實，資安監控單位於 7 月即偵測到這波針對政府機關的異常攻擊，並自 7 月 20 日起由國家資通安全研究院陸續發布警訊並全面啟動調查及應變，目前相關受影響單位均已陸續完成處置。數發部在調查中證實，此波攻擊具有明顯的境外來源特徵，且首度發現駭客結合 OpenClaw 等 AI Agent 發動攻擊的混合模式。由於 AI Agent 的威脅在於其能快速串聯多種攻擊手法，並擅長利用「備援、測試等次要系統」作為侵入跳板，使得攻擊具備「速度快、成本低及規模大」的關鍵特性，對此數發部已陸續建立防護指引，並透過多層防護與即時應變及早阻擋攻擊。 在這場為期四天的網攻中，這套自主系統最多同時部署 8 個自主 AI Agent，不僅成功攻破至少 85 個政府人員的帳號、竊取超過 2,500 筆敏感人員資料，甚至在得手後進一步將攻擊網絡擴大至台灣的核能安全主管機關、政府 IT 供應鏈廠商、政府郵件系統，以及至少 7 家關鍵能源業者。 曾任以色列國防軍精銳信號情報單位 8200 部隊網路作戰負責人、現為 Dream 首席策略長的 Amir Becker 表示，過去從未在政府目標上見過如此「端到端的自主攻擊」，並嚴正警告各國政府必須假設自己已處於永久性的自動化網攻威脅之下。 AI Agent 用「貝氏大腦」挑選最佳攻擊路徑，成功率逼近 […]

Grok 4.6 強攻長時間 AI Agent：企業選模型不能再只看 Token 單價

SpaceXAI 近日推出最新旗艦模型 Grok 4.6。根據第三方模型評測機構 Artificial Analysis，Grok 4.6 在 Intelligence Index 得分 61。這項綜合指標用來比較不同模型的整體智慧表現，Grok 4.6 較前一代 Grok 4.5 High 提升 5 分，不只超越中國 Moonshot AI 的 Kimi K3，也追平 OpenAI GPT-5.6 Sol Max，並列全球第三，僅次於 Anthropic Claude Opus 5 與 Fable 5。 但對企業來說，這次 Grok 4.6 值得注意的不只是模型排行榜又重新洗牌。《VentureBeat》分析指出，相較單純增加幾個 benchmark 分數，Grok 4.6 更重要的變化在於 Agent 行為與成本。SpaceXAI 明確將 Grok 4.6 的升級重點放在 long-running agents（長時間執行任務的 AI Agent）、程式開發與知識工作，希望模型不只回答一次問題，而是能持續執行更長、更複雜的任務。 當 […]

ROI 逾 40%、廢料少 13%：品客的洋芋片產線，把 AI 數位孿生做到了哪一步？

製造業長期存在一個難解的矛盾：原料與環境條件不斷變動，成品品質卻必須維持一致。品客（Pringles）製造商 Kellanova 決定用一套 AI 系統正面處理這個問題。據《The Wall Street Journal》報導，Kellanova 與工業科技公司 Siemens 合作四年、投入約 400 萬至 500 萬美元，在波蘭工廠的一條產線上，為麵糰打造出一個即時運作的「數位孿生」（digital twin）。 值得注意的是，這套系統做的已經不只是「看」。它會在原料出現異常時，主動建議產線該怎麼調整。也就是說，AI 開始從監測工具，走向介入製程的角色。 一片「完美洋芋片」背後，有 200 多項變數要顧 Kellanova 工程資深總監 Jan Laenen 有一個目標：讓每一片下線的洋芋片都是「完美的品客」：沒有破裂的麵糰、沒有黏在油炸機裡的碎片，只有薄、呈馬鞍狀、金黃的一片。他表示，希望做出口感、味道與開罐時觸感都一致的洋芋片。 問題在於，要達成這種一致並不容易。報導指出，影響一片「完美品客」的變數超過 200 項，從麵粉的顆粒大小、麵糰濕度，到馬鈴薯的採收產地都涵蓋在內；即使是同一供應商、同一產地的馬鈴薯，品質也會隨季節出現明顯差異。 這些差異讓麵糰處於持續變動的狀態，機台必須隨之微調，才能維持成品一致。過去，這件事全靠「看」與「摸」：工廠裡的麵糰師傅會從產線抓一塊麵糰拉開來看，或把剛出爐的洋芋片拿去秤重、量測，一旦發現異常，再事後調整機台，而數位孿生改變了這套流程的時間軸。 每毫秒 200 個數據點，AI 從「事後補救」變「事前預測」 《The Wall Street Journal》報導，如今產線機台上的感測器每毫秒擷取 200 個數據點，資料在廠內的平台上處理。與此同時，一個 AI 模型即時模擬洋芋片最終的成形結果，並確認是否符合理想標準；當模型在新原料中偵測到異常，就會建議小幅調整，例如微調配方裡的油量或水量。 如果這些調整仍不足以解決問題，系統會轉向一個運行在雲端、握有更多歷史資料的較大模型，對其重新訓練。這兩個 AI 模型用的都是傳統機器學習，而非生成式 AI。Laenen 表示，該模型會依操作人員的回饋持續改進，未來也有機會納入更多變數，包括不同品種的馬鈴薯，以及玉米與稻米的品種。 成效方面，據《The Wall Street Journal》，這條位於波蘭的產線帶來了 10% 的品客品質提升、13% 的廢料減少，以及投入該專案的 400 […]

【科技早餐】CoreWeave 算力幾乎售罄，IBM 簽 2.4 億美元 NVIDIA 推論協議

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊CoreWeave 算力幾乎售罄，客戶以長約搶 AI 運算資源 專門提供 GPU 雲端服務的 CoreWeave 表示，近期可供客戶使用的運算容量已接近售罄。截至 6 月底，公司營收積壓達到 1,042 億美元，高於前一季的 994 億美元，代表已簽約、預計在未來陸續認列的收入；其中超過一半的合約已開始提供服務。進入第 3 季後，CoreWeave 又取得超過 250 億美元的新客戶承諾，這部分尚未計入前述數字。客戶除大型 AI 模型業者，也已擴及 Meta、Anthropic 及 Caterpillar 等企業。 為了交付這批算力，CoreWeave 將 2026 年資本支出預估，由原本的 310 億至 350 億美元，提高至 350 億至 390 億美元，用於擴建資料中心及運算設備。公司第 2 季新增約 500 MW 運算容量，顯示 AI 算力競爭已不只取決於取得多少 GPU，更取決於電力、土地、資料中心施工與系統整合能否同步到位。多年期合約與持續增加的客戶承諾，也反映部分企業正提前鎖定未來數年的模型訓練與 AI 服務資源，把算力供給從臨時採購轉為長期基礎設施規畫。 ＊IBM、Together AI 簽 2.4 […]

算力狂飆、散熱失速：Synopsys 如何看 AI 重寫晶片到系統的設計規則？

AI 的爆炸式成長，正在把晶片設計推向前所未有的複雜程度，從邊緣端的即時推理，到 AI 工廠裡的大規模運算，龐大的算力需求同時牽動了運算、記憶體與互連整合的全面創新。然而，在這波狂飆之中，限制效能的已不再只是算力本身，而是散不掉的「熱」。 根據 EDA 巨頭 Synopsys（新思科技），AI 晶片的熱設計功耗（TDP）已來到 700 至 1500 瓦，晶片表面的熱源密度高達每平方公分 300 至 500 瓦，而一座 AI 資料中心，更有超過 30% 的電力是花在散熱上。這是新思科技在近日媒體分享會上點出的產業痛點。這道痛點背後，是三股同時襲來的壓力：晶片複雜度陡增所帶來的全新失效挑戰、已蔓延到整個系統層級的散熱難題，以及 AI 狂飆下始終補不齊的工程人力。 複雜度陡增，帶來新技術也帶來新的失效挑戰 為了餵飽 AI 的算力需求，晶片正大量走向多晶片堆疊。Synopsys 亞太區應用工程副總裁 Padmesh Mandloi 指出，如今 HBM 高頻寬記憶體的堆疊，已從 12 層、14 層，一路疊到高達 18 層，晶片之間的互連密度也隨之陡增。這固然帶來許多新技術，卻也同時製造出許多關於「失效（failure）」的新挑戰；更棘手的是，這樣的堆疊會在熱能、應力、電磁等多個物理場之間，製造出複雜的交互作用。 在 Mandloi 看來，這一切問題的答案，就在於「多物理場的融合（multiphysics fusion）」。過去，工程團隊往往各自孤立地處理熱、應力、電磁等問題，為求安全而預留大量設計餘裕（margin），結果是昂貴且缺乏競爭力的過度設計。而真正的挑戰，從來不只是「多物理」，而是「多物理場的交互作用」，唯有把這些交互作用一併納入考量，才能從過度設計走向精準設計。 散熱，已是整個系統層級的難題 如果說複雜度是內在的壓力，散熱就是外顯的瓶頸。Mandloi 進一步指出，散熱如今已成為提高與擴展效能的關鍵，更決定一座資料中心的運算能力。這是因為，散熱已不再是某一個環節的問題，而是必須在每一個尺度上同時管理的層級化難題，從晶片（die）、封裝（package）、伺服器、機架，一路延伸到整座機房。 而驅動這一切的深層落差，來自製程與需求之間的鴻溝。Mandloi 表示，製程每推進一個世代，效能大約只能提升 15% 到 20%，但當前 AI 對算力的需求卻是每年 5 到 10 […]

摺衣成功率達 99.1%，超過 99% 訓練資料來自手套：機器人如何克服 Physical AI 數據荒？

近幾個月來，Figure AI、Sunday Robotics 和 Weave Robotics 這些備受矚目的機器人新創公司，紛紛展示能夠自主摺衣服的機器人。這些公司合計已募集數十億美元，因為越來越多投資人認為家用機器人終於接近商業化的突破點。 許多機器人學者指出，摺衣服之所以成為理想的第一步任務，是因為這項工作難度適中，既能展示機器的智慧與物理控制能力，同時又相對安全，即使任務失敗也不會帶來嚴重後果。同時，對於消費者而言，他們不需要了解 AI 的運作原理，就能深刻體會到一個能將雜亂衣物堆變成整齊疊放的機器人所帶來的價值。 摺衣服高難度、低失敗代價，還能把家庭環境縮小到可控範圍 將機器人訓練至會摺衣服，長期以來一直是該領域的「聖杯」。機器人學者、斯佩爾曼學院（Spelman College）院長 Ayanna Howard 指出，這是因為機器人必須學會處理像是衣服這種會堆疊、彎折、起皺的「可變形物體」（deformable objects），並具備足夠精準的操作能力才能將它們摺好。 Figure AI 曾在部落格文章中寫道：「這是人形機器人最具挑戰性的靈巧操作任務之一。」Sunday Robotics 執行長 Tony Zhao 也向《Business Insider》透露，該公司刻意選擇洗衣服這類任務，是因為這項任務同時具備高難度與低失敗代價的特點。這也正如 Ayanna Howard 所言：「如果你把衣服掉在地上，它並不會摔壞。」 事實上，機器人產業過去就已經歷過一輪摺衣服的炒作週期。曾推出售價高達 1.6 萬美元的摺衣機器人 Laundroid 的日本公司，在 2019 年宣告破產。曾於 2010 年代末期多次在消費電子展（CES）引起轟動的 FoldiMate，最終也未能真正出貨。高昂的成本與低可靠度擊垮早期的嘗試，但如今的機器人新創公司認為，AI 技術的進步、更便宜的硬體，以及湧入實體 AI（Physical AI）領域的人才與資金，將使這一代產品與眾不同。 不過，這些宣稱是否屬實仍有待實驗室之外的真實世界驗證，因為最新一代的機器人依然昂貴，在實際家庭中的可靠性也仍未知，不僅摺好單件衣物必須耗時數分鐘，遇到未見過的陌生款式時，機器人也可能卡住。 除了物理操作難度，洗衣服之所以成為進入家庭的敲門磚，是因為能將複雜的家庭環境限制在可控範圍內。哥倫比亞大學機械工程教授 Matei Ciocarlie 指出：「家庭是終極的非結構化環境。」不同於工廠和倉庫能嚴格定義並控制機器人的周遭環境與移動路徑，家庭對機器人而言簡直是一場噩夢，每個房間都是障礙賽道，寵物可能突然竄出、蹣跚學步的幼童可能在地上爬行，隨時都可能讓機器人摔個面朝地。 相較之下，在摺衣服時，機器人可以固定待在同一個角落，由人類將衣物籃送到它面前，不需要一開始就解決在整間房屋裡自主導航的難題。Weave Robotics 執行長 Kaan Dogrusoz 坦言，這正是他們選擇洗衣服作為首要任務的原因。 只會摺衣服還不夠，家用機器人如何跨過價格門檻、啟動「數據飛輪」？ 即便機器人真的學會了摺衣服，如何說服消費者為此支付數千美元則是另一項挑戰。以 […]

5G 競爭進入穩定度時代：從 Opensignal 七項榮譽，看台灣大哥大如何打造世界級網路底座

早上通勤路上，剛加入線上會議，準備與客戶確認合作細節時，聲音卻開始斷斷續續；下班尖峰擠進捷運車廂，想繼續追劇打發時間，明明手機顯示有 5G 訊號，影片卻不停轉圈、遲遲播不出來；假日與朋友來到山中的人氣咖啡館，大家坐在同一間店裡，朋友都能即時分享眼前的美景，自己卻只能拿著手機走到戶外庭院才能收到訊號。這些令人感到既熟悉又無奈的時刻，正是凸顯各家網路品質差異的關鍵。 5G 的使用體驗好不好，不只取決於網速，真正重要的是，在移動過程中、人潮擁擠時，或進行視訊會議等關鍵時刻，網路能否穩定連線，確保使用者在每一個重要時刻都能順利完成事情，不會因為網路卡頓、延遲或中斷而錯失機會。 Opensignal 三項肯定：可靠性及品質全台第一、在線率全球前三 5G 網路的競爭標準正從「可以跑多快」，走向「能否提供全時段、全場景的穩定使用體驗」，而背後的關鍵，就在於網路服務的可靠性、品質一致性與 4G／5G 在線率。 其中，4G／5G 在線率代表的是，一天之中有多少時間能夠順利連上行動網路；可靠性體驗關注的是，每一次視訊會議、行動支付、導航或資料傳輸，是否都能順利完成，不會在關鍵時刻突然中斷；至於品質一致性，則反映無論使用者身處何時、何地，網路是否都能穩定支撐影音、視訊及常用 App 的使用需求。相較於僅評估單一時間、單一地點的網路表現，這三項指標更貼近使用者每天的真實體驗。 近期，國際行動網路分析機構 Opensignal 最新公布 2026 上半年《台灣行動網路體驗報告》，台灣大哥大奪下可靠性、品質一致性、整體影音體驗、整體及 5G 語音體驗、網路可用率等六項第一，以及今年 2 月全球報告發布的「4G/5G 在線率全球前三、全台第一殊榮」，展現出網路品質與涵蓋深度皆達世界級的強悍實力。 獨家雙低頻與 NRCA 雙引擎驅動，打造真正有感 5G 體驗 能繳出世界級的成績單，關鍵在於台灣大哥大獨特的 700MHz 與 900MHz 雙低頻布局。低頻訊號具有涵蓋範圍廣、穿透力佳的特性，不僅能提升室內、地下空間及偏遠地區的收訊品質，也能在高速移動時維持更穩定的連線表現，讓使用者無論走到哪裡，都能安心連線。 相較於在線率代表「連得上」，可靠性體驗更在意的是「能不能把事情做完」。使用者最常見的痛點是，在視訊會議、演唱會搶票、手遊團戰、行動支付、導航或叫車等應用情境中，明明手機畫面顯示訊號滿格，卻一直卡在載入畫面、無法順利送出請求。 真正可靠的網路，必須從連線建立、資料傳輸到應用完成的每個環節，都維持穩定表現。台灣大哥大結合 NRCA（New Radio Carrier Aggregation）技術，靈活整合不同頻段的網路資源，進行智慧分流與協同運作，讓使用者無論在什麼情境下，都能順利完成任務。 至於品質一致性考驗，則是當大量使用者同時上網時，網路能否維持穩定表現。尤其是跨年商圈、大巨蛋演唱會、熱門賽事現場，或捷運通勤尖峰時段，當大家同時觀看高畫質影音、開直播、進行視訊通話，或上傳照片、影片到社群平台時，正是考驗網路品質好壞的關鍵時刻。 台灣大哥大運用 NRCA 技術，整合 3.5GHz 的 60MHz 與 40MHz 頻譜，形成 100MHz 大容量網路，並一舉突破頻譜不連續的物理限制，大幅提升網路容量與資源調度效率，無論時間、地點與人潮如何變化，使用者都能維持一致的使用體驗。 覆蓋 × […]

南韓端出逾 11 兆韓元銀彈：半導體基金齊發、主權基金押 AI 與機器人

《Reuters》報導，南韓政府將成立規模達 5 兆韓元（約 35.2 億美元）的半導體基金，扶植半導體材料、零組件、設備及無晶圓廠企業，加速半導體產業聚落布局。明年也將投入超過 1 兆韓元（約 7.07 億美元），成立專注於 AI 及其他戰略產業的主權財富基金。另將提供 5 兆韓元貿易融資，協助供應商取得資金，並力拚「超大特區法」（Mega Special Zone Act）今年內在國會過關，以加快相關許可、環評及基礎設施建設。 南韓加速光州軍區讓地建廠，將砸兆元新設戰略主權基金 同時，南韓總統李在明要求國防部加快光州軍事基地的搬遷作業，目標在 2028 年中前完成，以便推動當地半導體製造園區的開發。政府已將當地 830 萬平方公尺（約 990 萬平方碼）的土地列為國家級產業園區候選地，預計在 2028 年下半年完成軍事設施搬遷及暫時安置，並確保半導體園區所需的電力與水源如期到位。 南韓財政部創新與成長事務副部長 Min Kyung-seol 表示，主權財富基金實際投資金額可能高於目前規模，仍須視未來鎖定的投資對象及資金需求而定。不過，目前並沒有讓該基金直接投資三星電子（Samsung Electronics）或 SK 海力士（SK Hynix）的計畫。 《Bloomberg》指出，南韓也將向韓國投資公社（KIC）投入 20 兆韓元，用於 AI、資料中心及基礎建設投資。新基金則將聚焦機器人、能源、電池及電網等領域，核能、太空及量子科技也在考慮範圍內。Min Kyung-seol 表示，來自中東、歐洲及北美的主權財富基金與退休基金，已主動與南韓政府接洽，希望投資南韓或與新基金共同出資，但目前仍在初步洽談階段。 在投資對象方面，Min Kyung-seol 表示，新基金將以已有一定發展基礎、商業模式獲得驗證，並進入 B 輪或後續募資階段的企業為主。若現有投資人有意退出，基金也可能接手相關企業或專案的股權，採取接力投資策略。KIC 去年底管理資產規模達 2,320 億美元，新基金將獨立於 KIC 原有的資產管理業務運作，另訂投資策略，並可在南韓及海外市場進行長期直接股權投資。 全球主權基金瘋 AI：南韓化身「錨定投資者」吸引資金 《Bloomberg》指出，南韓政府加碼布局 AI 之際，全球主權財富基金也正積極投入相關產業。阿布達比穆巴達拉投資公司（Mubadala […]

SpaceXAI 推 Grok Bot 加入企業 Agent 戰局：真正差異不只是「會操作電腦」

SpaceXAI 於 8 月 11 日推出企業 AI Agent 新產品 Grok Bot，目前以 early beta 形式開放。與一般使用者有需求時才打開 AI 助手、交付單次任務不同，SpaceXAI 將 Grok Bot 定位成可以持續工作的「AI 隊友」：使用者可以建立具有特定職責的 Bot，讓它登入企業既有的 App、網站，甚至在使用者關掉電腦後繼續工作，直到完成任務或需要人工核准時才回來找人。 Grok Bot 並不是第一個能操作電腦的 AI Agent。Anthropic、OpenAI 等業者早已讓 Agent 能操作網頁、使用工具，近期也陸續把 Agent 延伸至企業工作。Grok Bot 想做出的差異，在於把持續運作的工作環境、電腦操作、工作流程學習與多 Agent 協作整合在一起，讓使用者不只叫 AI 做一件事，而是建立一組具有不同職責、可以長期工作的數位同事。 Grok Bot 不只接任務，而是擁有可以持續工作的電腦環境 Grok Bot 第一個特色，是它不是一段完成任務後就結束的聊天 session，而是讓 Agent 擁有可以持續使用的工作環境。《VentureBeat》指出，每個 Bot 都透過自己的 computer environment 執行工作，即使使用者闔上筆電，它仍可以繼續運作，直到完成任務或碰到需要使用者核准的環節。SpaceXAI 官方文件進一步說明，Grok Bot […]

【工程師薪資新變數】AI 推論成本進入薪資結構，token 消耗開始成為工程師談判籌碼

軟體公司過去幾十年的生產模式就是雇用工程師、支付薪水、提供工具，換取軟體產出；但 2026 年的現在，生成式 AI 打亂了這套模式。 工程師越來越仰賴 Claude Code、Cursor 或 GitHub Copilot 生成上線用的軟體、測試與架構方案，開發過程也因此消耗大量 AI 推論資源，AI 使用逐漸變成一項實質成本。工程薪資經濟學能不能跟上這個變化，成了新問題。 AI 使用成本正變成企業一大開銷 比起 AI 釋放出來的生產力，工具花費看似微不足道，這讓任何試圖節省一點 AI 成本的誘因設計，可能摧毀比省下來還多的產出價值，但問題可能就在誘因設計方向錯了。 越來越多科技公司應徵者，會在面試時主動詢問能取得多少專屬推論運算資源，OpenAI 總裁 Greg Brockman 直言：「你能取得的推論運算資源，將決定你整體的軟體生產力。」創投機構 Theory Ventures 的 Tomasz Tunguz 估算，若工程師薪資落在薪資平台 Levels.fyi 統計的 75 分位數（375,000 美元），加上每年 10 萬美元推論成本，總負擔成本將來到 475,000 美元，AI 使用成本未來可能占整體薪資結構超過兩成。 傳統上企業支付人力專業、工時與工具，如今認知運算正成為第四項應被管理的成本項目，但是能支撐這個概念的薪資模式，目前還沒出現。 個人 AI 預算制度看似合理，實際會失靈 假設企業以年薪 15 萬美元聘用工程師，其中 12 萬美元底薪、3 萬美元個人 AI 預算，未花完部分轉換成獎金。 […]

大客戶開始自研 AI 晶片，NVIDIA 反而加碼開放模型：Nemotron 如何擴大下一波 GPU 需求？

NVIDIA 在 8 月 11 日正式推出全新 Nemotron 3.5 Lightning。這是一款專為 AI 代理（Agent）設計的輕量化開放模型，企業不僅可以免費下載、使用與修改，也能直接在個人電腦的單張 GPU 上運行。 然而，這款主打速度與效率的 Lightning 模型，只是 NVIDIA 更大規模開放模型布局的一環。《The Information》披露，NVIDIA 內部正積極研發新一代 Nemotron 4 模型家族，希望讓其中最大的版本在性能上躋身全球頂尖開放模型之列。 NVIDIA 大舉投資開放模型，背後其中一項重要商業考量，是希望透過高品質、相對低成本的模型，讓更多新創與大型傳統企業投入 AI 應用，進一步刺激 GPU 需求。正如 NVIDIA 執行長黃仁勳所說，免費 AI 反而有利於硬體與晶片市場，因為模型使用愈普及，就愈能帶動運算需求。 對 NVIDIA 而言，即使模型本身免費，只要開放模型能帶動更廣泛的 AI 使用，就有機會進一步擴大硬體市場。 不只靠少數 AI 巨頭買 GPU，NVIDIA 用開放模型擴大需求版圖 目前，NVIDIA 相當一部分 GPU 需求來自少數前沿 AI 實驗室與雲端服務業者，包括 OpenAI、微軟與 SpaceX，其中一些公司也正在投入自研 AI 晶片。OpenAI 更是 NVIDIA […]

4 成銷售被 AI 書拿走：一份 1.4 萬本小說研究，揭開市場「稀釋效應」

生成式 AI 寫出來的書，常被貼上「slop」的標籤，也就是低品質、公式化的垃圾內容，一般認為讀者看一眼就會略過，在商業上根本無足輕重。過去探討 AI 與創意工作的研究，也大多繞著同一個問題打轉，就是 AI 產出的東西，到底好不好到能取代人類。 但一份分析 Amazon 逾 1.4 萬本自出版類型小說的研究，給出不一樣的觀察角度：AI 撼動這個市場，靠的根本不是品質。這些含有 AI 文字的作品，單本銷量普遍不好，卻已經改變了整個市場的收入結構。 怎麼看出一本書有多少 AI？ 要回答這個問題，需要先算出每本書到底含有多少 AI 文字。這份由 Stony Brook 大學、哥倫比亞大學法學院與密西根大學等團隊合作的研究，蒐集了 14,419 本 2023 到 2026 年間上架的自出版（self-published sales）類型小說電子書，銷售一路追蹤到 2026 年 6 月，並比對一份涵蓋 Amazon 電子書市場約 95% 以上每日銷量的專屬銷售面板。 該團隊用 AI 偵測工具 Pangram 逐段分析每本書，再依 AI 文字占比分成完全無 AI 文字、輕度（25% 以下）與大量（超過 25%）三組。方法上最大的突破，是它看的是整本書的全文，而不是過去研究常用的千字試閱片段。正因為看的是全文，研究者才問得出一個過去沒辦法回答的問題，就是這些 AI 書，到底對它們身邊的其他書造成了什麼影響。 當書架擴張的速度，遠超市場能吸收的速度 研究最關鍵的發現，是一種被作者稱為「稀釋」（dilution）的現象，指的是市場被大量可替代的作品灌爆之後，每一本書能分到的收入和關注都被攤薄。 數字揭開一個嚴重失衡的市場：2023 到 […]

【科技早餐】台積電 CoWoS 2029 年挑戰 14 倍以上，Microsoft 傳洽談逾 30 萬顆 AI 晶片產能

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊台積電 5.5 倍光罩 CoWoS 量產，2029 年挑戰 14 倍以上 台積電先進封裝技術暨服務副總經理何軍表示，相當於單一光罩面積 5.5 倍的 CoWoS 先進封裝已進入量產，多家 AI 客戶產品的良率穩定超過 98%，部分更達到 99%。封裝面積擴大後，單一封裝可整合更多運算晶片與高頻寬記憶體，讓客戶透過多顆小晶片整合，持續提高運算能力與記憶體頻寬。台積電先前公布的技術路線圖顯示，CoWoS 預計在 2028 年擴大至 14 倍光罩尺寸，並於 2029 年進一步推進至 14 倍以上。 因應 AI 客戶需求，台積電過去三年的 CoWoS 產能幾乎每年翻倍，目前已有 10 座先進封裝廠，供應能力正逐漸接近客戶需求。何軍指出，先進封裝已從晶片製造的後段製程，成為支撐 AI 算力擴張及公司營運的重要環節。當封裝尺寸超過 3 倍光罩後，晶片、電路板、散熱與系統結構之間的交互影響會更加複雜；隨著零組件增加，個別零組件的品質也必須同步提高。台積電在擴大尺寸與產能的同時，仍須維持量產良率及系統可靠度。 ＊Microsoft 傳最快 9 月發布 Maia 300，洽談台積電逾 30 萬顆產能 《The Information》引述知情人士報導，Microsoft 計畫在 2026 年秋季發表新一代自研 AI 晶片 […]

Cloudflare Wallets 讓 AI Agent 自主付款：為何網路基礎設施商也開始做支付？

AI Agent 會搜尋資料、寫程式、呼叫 API，但當它需要付費使用服務，往往仍得交回人類操作。美國網路基礎設施巨頭 Cloudflare 近日推出 Cloudflare Wallets，讓 AI Agent 能持有穩定幣，自主購買 API、MCP 工具與內容，正試圖解決這個斷點。 Cloudflare Wallets 分為 Account Wallet 與 Virtual Wallet：前者由人管理資金，後者則讓企業把有限的支出權限委派給 Agent，包括設定額度、允許交易對象與單筆金額上限。Cloudflare 舉例，企業可給每名員工的 Agent 每週 100 美元 AI 推論預算，只有超額時才需人工核准。這種設計的差異在於，人不再逐筆替 Agent 結帳，而是預先決定它能花多少、向誰花，再讓 Agent 自行交易。 先替賣方收錢，再讓 Agent 買方付款 Wallets 是 Cloudflare 搶進 AI Agent 支付的佈局之一。今年 7 月，Cloudflare 才發布 Monetization Gateway，讓網站、資料集、API 與 MCP 工具可以按次向 Agent 收費，初期透過 x402 協定、以穩定幣結算。 […]

2026 台北國際自動化工業大展｜Moxa 打造工業 AI 網路底座，從控制網路到資安治理全面布局

隨著製造業加速導入 AI、機器人與自主移動設備（AMR），製造現場對於網路基礎設施的要求已不再只是「連得上」，更要讓數據直接參與生產控制，因此具備可靠性、高可視化與高資安韌性的工業網路成為智慧升級的剛需。工業通訊及網路設備領導商四零四科技（Moxa）將於 2026 台北國際自動化工業大展上，以「強韌聯網 智協未來」為主題，從工業網路、無線通訊、邊緣運算到符合國際標準的資安治理體系與 OT 維運服務，展現工業智慧製造時代所需的底層能力，以及支撐工業應用落地的完整網路基礎設施與服務。 工業 AI 時代來臨　網路韌性成關鍵基礎 近年來，AI 應用正快速進入製造現場，從 AMR、自主巡檢到邊緣 AI 推論，這些智慧化系統都仰賴穩定可靠的工業網路作為基礎。一旦通訊中斷，不僅影響生產效率，更可能造成產線停擺與營運損失。 因此，Moxa 以「強韌聯網」為主軸，展示以高速傳輸與安全穩定連線為核心的強韌網路架構，從高可靠度有線與無線通訊、全域網路可視化、工業邊緣運算平台，到符合國際標準的資安治理體系等完整解決方案，協助企業建構支撐工業 AI 與智慧製造的關鍵基礎架構，實現安全、穩定且高韌性的智慧工廠。 工業無線通訊走向關鍵任務應用，支撐 AMR 與無人工廠發展 隨著無人工廠應用加速發展，AMR、機器狗與智慧巡檢設備成為現場作業、巡檢與即時監測的重要角色。因此，無線網路也從輔助角色轉變為關鍵生產基礎設施。Moxa 無線應用展示區將以 Turbo Roaming 低於 50 毫秒的極速漫遊切換為通訊基礎，結合所羅門與綠捷兩家合作夥伴的自主移動應用，呈現高速 Wi-Fi 漫遊在精準移動控制與智慧巡檢中的優勢價值。同時，所羅門 AMM（Autonomous Mobile Manipulator，自主移動式機械手臂）整合 AI 視覺與數位孿生技術，更能實現高準確度的自動化瑕疵檢測與快速部署；綠捷則聚焦半導體產線與設備機房等關鍵現場，展示巡檢影像與感測資料的即時回傳，提升現場監測與維運效率。 除此之外，Moxa 此次更展出台灣首家通過 CC-Link IE TSN Wireless 官方認證的工業無線通訊方案，其無線傳輸可達封包延遲低於 100 毫秒、抖動低於 50 毫秒的工業級即時通訊能力，有助於滿足工業控制對即時性控制與可靠度的要求。另一項展出焦點則是 AeroMesh 強韌無線骨幹的技術再進化，透過多路徑備援架構，能自組成網、自我修復，即使網路節點發生異常，確保無線 AP 都能在 2.5 秒內恢復通訊。該技術是智慧工廠內 AMR、AGV、機器人及機器狗等實體化應用能否穩定落地的關鍵；唯有通訊穩固不中斷，設備才能持續精準控制、確保人機協作環境下的作業安全，牽動智造轉型的成果。 從網路可視化到邊緣智慧，打造智慧工廠中樞 […]

Nissan 用 AI 分析工人姿勢防職災，省下 3,400 萬美元：員工為何從抗拒變歡迎？

走進 Nissan 位於美國密西西比州的 Canton 裝配廠，在 Altima 房車與 Frontier 皮卡繁忙的生產線上，無數個搭載 AI 的攝影鏡頭正默默運作，細心觀察每一位員工的動作細節。 這套看似嚴密的監管系統，在 Nissan 眼中其實是一項兼顧效益與關懷的科技投資。這套系統不僅為公司省下數百萬美元，更實質保障第一線工廠員工的身體健康與安全。面對科技進駐生產現場可能引發的監控與搶工作疑慮，Nissan 美洲製造部門副總裁 Victor Taylor 接受《Business Insider》專訪時特別強調：「這套技術的目的絕對不是要取代人工，我們真正希望減少的，是那些枯燥、單調，且在現代早就該被科技代勞的過時工作。」 AI 能辨識工人彎腰、扭轉是否超過安全範圍 曾參與系統導入的 Nissan 製程工程師 Chi Amaechi 表示，Canton 裝配廠針對每一項工作都設定所謂的「黃金週期」（golden cycle）。黃金週期代表執行任務的標準模式，其中包括安裝車輛零組件的順序、應花費的時間，以及專為減少重複性拉傷而設計的身體動作規律。 Chi Amaechi 在向《Business Insider》進行虛擬示範時解釋：「AI 的作用是主動監控身體角度，基本上能辨識你的關節，因此可以辨識出人員何時彎腰到了超出安全要求的姿勢。」 若系統偵測員工彎腰幅度過大或長時間維持不安全姿勢，就會主動向工廠管理人員標記潛在風險，主管和工程師隨後便能運用這些資訊來輔導員工、重新分配工作任務，或是重新設計工作站。 「我們起初並非為了安全應用而尋找這項技術，這只是在過程中自然地展現出來，成為了我們最大的收穫，」Victor Taylor 透露，Nissan 最初評估與引進這項系統，是為了提高製造效率並協助訓練新進員工，至於改善人體工學與職業健康的益處，則是隨著導入後才漸漸顯現。Victor Taylor 也表示，這項技術引進至今成效顯著，光是在職業安全與健康領域，就幫 Canton 工廠省下約 3,400 萬美元的支出。 Nissan 如何降低員工感覺「被監控」的疑慮？ 然而，在廠區裝設 AI 攝影鏡頭、無時無刻記錄現場人員的一舉一動，起初在第一線員工之間引發了極大的防備與焦慮。Victor Taylor 和 Chi Amaechi 坦言，員工在導入初期最直覺的疑慮，就是擔心這套自動化技術會威脅到他們的飯碗、甚至成為未來裁員或懲處的工具。為了消解這種「被監控」的抗拒心理，Nissan […]

解除 AI 資安封印：OpenAI 擴大 Daybreak 計畫推「紅藍雙軌」，降低防禦任務拒絕率

OpenAI 宣布擴大網路安全計畫 Daybreak，進一步為參與企業提供防禦網路攻擊所需的 AI 能力。《CNBC》報導，OpenAI 今年 5 月首次推出 Daybreak，當時競爭對手 Anthropic 才剛成立網路安全聯盟 Project Glasswing，引發華爾街及美國政府關注。這次，OpenAI 希望讓合作夥伴運用旗下最先進的 AI 模型，因應日益快速變化的網路安全威脅。 OpenAI 升級 Daybreak 服務：推雙層級迎戰資安風險 《CNBC》指出，這項升級正值 AI 產業接連爆出網路安全事件之際，OpenAI、Anthropic 和 Meta 近來都曾揭露，旗下 AI 模型在進行安全測試時，意外進入原本不應存取的系統，引發研究人員及政府官員對 AI 安全防護的疑慮。 OpenAI 表示，Daybreak 將新增 Blue、Red 兩種服務層級。Daybreak Blue 主要用於防禦性的資安工作，使用者可以取得 OpenAI 先進的通用型模型，並在調整後的安全限制下執行相關防禦任務。Daybreak Red 則提供專門訓練的網路安全模型，可進一步用於資安測試、漏洞研究及漏洞利用驗證。OpenAI 會針對網路防禦需求調整模型的安全限制，讓企業能將 AI 用於防禦性的資安工作。 OpenAI 釋出專屬資安模型 GPT-5.6-Cyber，IBM、CrowdStrike 成首批企業夥伴 OpenAI 同步推出全新的網路安全模型 GPT-5.6-Cyber，僅供 Daybreak Red 用戶使用。該模型以 GPT-5.6 […]

NVIDIA 聯手 6 大金融巨頭籌 5,000 億美元：AI 算力正變成新的「可投資資產」

在市場開始質疑 AI 資本支出能否回本的此刻，華爾街 6 家最大的資產管理與投資機構卻站到了 NVIDIA 這一邊。根據 NVIDIA 官方新聞稿，這家晶片巨頭與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 與 KKR 簽署合作備忘錄，計畫動員逾 5,000 億美元第三方資本投入 AI 基礎建設。 這筆交易真正的看點，是 NVIDIA 想讓一向被看作快速貶值硬體的 GPU 與算力，被重新認定為可以長期抵押、能持續產生收益的「可投資資產」。然而，這些習慣精算風險的長期資本機構，究竟為什麼會被黃仁勳說服呢？ 6 大金融巨頭簽 MOU，5,000 億美元怎麼運作 根據 NVIDIA 與《Reuters》，這批合作以合作備忘錄（MOU）形式簽訂，目前尚待簽定最終協議。六家機構將各自建立專屬資金池，為 NVIDIA 的客戶提供「具吸引力利率」的融資平台，對象涵蓋超大規模雲端業者（hyperscaler）、前沿 AI 實驗室與一般企業，用途則是興建資料中心、購置 NVIDIA 硬體。 《CNBC》指出，這套設計的關鍵在於，讓終端客戶能以機構信貸、保險資金與私募資本為 GPU 與資料中心融資，而不必動用自家的資產負債表。當天 6 家機構高層與黃仁勳更罕見一同接受《CNBC》直播訪問；Goldman Sachs 執行長 David Solomon 向《CNBC》透露，這個構想是黃仁勳主動找上華爾街提出的。 把 GPU 從「快速貶值硬體」變成「可抵押資產」 長期以來，GPU 被看作折舊速度極快的硬體，而黃仁勳向《CNBC》表示，這是科技晶片第一次成為「可投資的資產類別」，並宣稱這些晶片如今是能產生收益、可長期使用、又能在不同客戶之間流通調度的資產。 他的論點是，因為 NVIDIA 的硬體被廣泛採用、能在客戶之間轉移，又透過 CUDA […]

模型誰能用、誰能發布、政府何時介入？祖克柏如何用「權力制衡」重寫 AI 安全治理

Meta 執行長祖克柏（Mark Zuckerberg）在 8 月 10 日發表一篇超過 6,500 字的長文〈The Future is for Everyone〉，重新定義人類與 AI 共存的藍圖。在這份宣言中，祖克柏將「誰能取得超級智慧，以及人類要拿超級智慧來做什麼」視為這個時代的核心問題，並犀利地提問：超級智慧究竟應集中在少數機構手中，還是成為賦能每個人的工具？ 祖克柏提出的理念建立在三項原則上，分別是以「個人賦權」創造繁榮、以「發明」而非自動化作為超級智慧的主要目的，以及將「權力制衡」作為安全的基石。「那種認為 AI 極度危險、因此唯有將權力極度集中才是安全之道的想法，在本質上似乎是有問題的，」祖克柏強調，從歷史經驗來看，寄望一個被認為足夠開明的絕對權力來照顧人類，從未帶來安全或正面的結果。 因此，祖克柏明確劃分 Meta 與其他 AI 實驗室的路線差異：多數實驗室聚焦於替企業、政府與其他機構打造 AI，這條路可能讓權力進一步集中於大型機構。相較之下，Meta 則希望把「個人超級智慧」交到每個人手中，讓權力更多偏向個人。從誰能取得模型、誰有權決定模型發布，到政府何時介入監管、AI 應遵循誰的價值觀，祖克柏在這篇長文中提出一套圍繞「權力如何分配」的 AI 治理主張。  模型權力：祖克柏替蒸餾辯護，推 Muse Glimmer 把 AI 能力推向個人裝置 祖克柏將開源視為賦能個人、避免 AI 權力集中在少數機構的重要力量，並宣布 Meta 旗下的超級智慧實驗室（Meta Superintelligence Labs）成立後，Meta 將正式恢復發布部分開放模型。 在推動開放模型的同時，祖克柏主張美國政府應重新思考對「模型蒸餾」（distillation）與訓練資料的政策，認為模型向其他模型學習是開放模型生態的重要原則，不應一概視為有害。這項主張正好切入 AI 產業對「知識蒸餾」的激烈爭議，科技媒體《The Decoder》指出，OpenAI 和 Anthropic 曾多次指控中國的 AI 實驗室未經許可使用其模型作為「老師」，並將這種作法視為中國實驗室免費且低成本獲取其高昂開發成果的手段。然而，祖克柏對此採取了相反的立場，他在文章中堅定地寫道：「有些人試圖將知識蒸餾描繪成有害的，但我認為保護『你可以從你觀察到的任何事物中學習』這項原則是非常重要的。」 祖克柏認為，與其限制開放模型，美國應該做的是減少限制與摩擦，確保最好的開放模型來自美國，並將蒸餾法納入其中。為了體現這項哲學，Meta 同樣在 8 月 […]

番茄醬巨頭要讓 AI 代理堵現金流破洞：目標一年多追回 15% 資金

旗下有番茄醬、芥末醬產品的美國食品巨頭卡夫亨氏（Kraft Heinz）近日宣布擴大與數位轉型服務商 Genpact 的合作，雙方將基於 Microsoft Azure 雲端平台建置 AI 驅動的應收帳款管理系統，透過 AI 代理人（AI Agents）自動處理扣款（Deduction）管理流程，希望改善過去仰賴人工作業所造成的效率瓶頸與營收流失，並提升企業對整體現金流的掌握能力。 繁瑣扣款流程拖垮現金流！傳統人工對帳的效率瓶頸 在零售與消費品供應鏈中，品牌商經常需要面對大量來自通路商與合作夥伴提出的扣款申請，例如促銷折扣、物流爭議和合規問題等情況。企業必須逐筆確認扣款是否合理，再決定接受、拒絕或提出爭議。然而，許多企業至今仍依賴人工試算表、電子郵件以及不同系統之間的資料交換完成相關流程，不僅作業繁瑣，也容易因資訊分散、人工疏失或缺乏即時追蹤能力，造成營收流失與資金回收延遲。 卡夫亨氏全球 Trade-to-Cash 業務負責人 Dylan Jetha 表示，公司此次導入新系統的目標，是提升整體流程的可視性與管理能力，讓企業能更有效掌握扣款處理進度，並建立更完整的財務控制機制，希望藉由 AI 技術改善應收帳款的管理成果，加速爭議扣款的處理效率，同時提升營收回收率。 AI 代理人串聯 ERP 與物流資料，實現自動化對帳 此次導入的核心在於具備自主執行能力的 AI 代理人。系統能自動連接客戶門戶網站、物流承運商系統以及企業內部 ERP 等多個資料來源，即時擷取與整合扣款相關資訊，不再需要人工逐一下載文件、整理資料或切換不同平台查詢，大幅降低跨系統作業所耗費的時間。 取得資料後，AI 代理人會自動比對扣款通知（Debit Memo）、交貨證明（Proof of Delivery，POD）以及企業內部訂單與出貨紀錄，確認扣款是否符合交易事實與合約內容。如果發現資料不一致或存在異常，系統可立即標示潛在問題，協助財務人員快速展開後續處理。 除了資料驗證之外，AI 代理人也能自動完成扣款分類工作，依照不同原因將案件分派至對應流程。例如針對商品未退回卻提出相關扣款的回扣帳款（Bill-back）案件，系統可主動追蹤案件狀態、蒐集所需佐證資料，並持續推動後續處理流程，減少人工介入與重複性行政作業，使整體扣款管理更加一致且具備可追蹤性。 處理速度可望升 20%、從源頭壓低 1.5% 財務漏損 卡夫亨氏也提出導入後的預期效益。透過自動化索引、文件辨識與案件分類，整體扣款處理週期可望縮短最多 20%，有助於加快應收帳款回收速度，提升財務團隊的處理效率。系統也能更精準辨識過去因人工疏漏而未被發現的無效扣款，預估每年可額外追回最高 15% 的資金，進一步改善企業營收表現。 在財務風險控管方面，卡夫亨氏預估，新系統可降低約 1.5% 的財務漏損（Financial Leakage）。透過改善上游流程瓶頸、減少下游例外狀況，以及提前發現異常扣款案件，企業有望避免資金在供應鏈各環節持續流失，提升現金流穩定性。 此外，該 AI 系統還會針對重複發生的扣款原因進行根因分析（Root Cause Analysis），協助企業找出流程缺口或合作夥伴常見問題，進一步改善營運流程，降低相同類型扣款再次發生的機率，提升整體交易品質與合規表現。 […]

【阿布達比的 AI 原生政府】不只是政務 App，TAMM 把 AI 嵌入每一項日常行政服務

當多數國家仍在討論人工智慧應如何監管、哪些行政流程可以導入 AI 時，阿布達比已經把 AI 放進政府的日常運作中。 對當地居民而言，人工智慧不只是回答問題的聊天機器人，而是一套會主動更新證件、預約醫療服務、處理車輛登記，甚至繳納停車罰款的行政系統。這套系統的入口，是名為 TAMM 的政府服務平台。 TAMM：不只是政務 App，而是主動代辦的政府 TAMM 在阿拉伯語中意為「事情已經辦妥」，這個名字也直接說明了阿布達比對數位政府的想像：公民不應該研究政府組織如何運作、主動尋找承辦部門，再逐項提交申請，相反地，政府應該掌握必要資訊，主動完成服務。 可以說，阿布達比是目前最接近「AI 原生政府」的案例。但這套模式的真正關鍵，不只在於演算法、晶片與資金，更在於阿拉伯聯合大公國特殊的權力結構。它展示了 AI 可以如何大幅提高政府效率，也揭露了便利、資料集中與國家監控之間難以切割的關係。 傳統政務 App 的邏輯，是把原本在線下辦理的服務搬到手機上。使用者仍然必須知道自己要辦什麼、什麼時候辦，以及該向哪個部門提出申請。TAMM 則試圖跨過這一步。 這款 App 在阿布達比已接近普及化。系統知道居民的國民身分證、健康保險和車輛登記何時到期，並在適當時間提醒使用者。其「AutoGov」功能更進一步，可以代為處理文件與付款，不必等到使用者主動提出要求。 換句話說，政府服務正從「接受申請」轉向「預測需求」。過去是公民走進政府，現在則是政府依照掌握的資料，提前判斷公民接下來需要完成什麼程序。 TAMM 的功能也涵蓋城市治理。居民若發現路燈故障，可以直接拍照上傳，AI 會分析照片、判斷問題類型，並將案件轉交給負責部門。更重要的是，承辦單位不能自行結案，必須等到通報者確認問題已經處理，案件才算完成。 這套流程把政府部門、居民身分、支付工具、城市設施與 AI 辨識能力整合在同一個平台。TAMM 因此不只是一款政務 App，而是政府重新設計行政關係的介面：居民被視為客戶，政府則必須對服務結果負責。 十年佈局：從設立 AI 部長到主權基金重押 TAMM 並非單一部門突然推出的科技專案，而是阿聯近十年 AI 戰略的具體成果。 2017 年，阿聯設立人工智慧國務部長一職，任命 Omar Sultan Al Olama 負責推動國家 AI 戰略；他也被阿聯官方稱為全球首位專責人工智慧政策的部長。兩年後，阿布達比成立穆罕默德·本·扎耶德人工智慧大學，也就是 MBZUAI，並將其定位為全球第一所以人工智慧為核心的研究型研究生大學。 制度與人才佈局之後，巨額資金隨即進場。阿布達比利用主權財富基金與國家支持的投資平台，投入 AI 基礎設施、資料中心、模型研究與科技企業。這些投資並不只是追逐下一波科技熱潮，而是服務於一個更長期的目標：在石油之外，建立新的國家收入來源與全球影響力。 阿聯的國家 AI 戰略提出，到 […]

【科技早餐】台積電、Sony 傳砸 1 兆日圓，蘋果測試中國長鑫 DRAM

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Sony、台積電傳砸 1 兆日圓，熊本合資量產新一代影像感測器 《日本經濟新聞》報導，Sony 與台積電計畫共同投資約 1 兆日圓，在日本熊本開發及製造新一代影像感測器晶片。合資公司預計由 Sony 持股約 60%、台積電持股約 40%，最快在 2029 年開始商業量產。這筆投資約合 63 億美元，相當於台積電熊本第一座晶圓廠總投資額的七成以上，但 Sony 拒絕評論最新報導，台積電也尚未回應投資金額與持股比例。 兩家公司今年 5 月已簽署不具約束力的合作備忘錄，計畫在 Sony 位於熊本縣合志市的新廠內設立開發及生產線，結合 Sony 的影像感測器設計能力，以及台積電的製造與製程技術。新產品除了智慧型手機與汽車，也將探索機器人及實體 AI 應用。若計畫按期推進，雙方合作將進一步延伸至新一代感測器的共同開發與製造。 ＊蘋果傳測試長鑫 DRAM，記憶體缺貨碰上美中科技戰 《華爾街日報》引述消息人士指出，蘋果（Apple）正在 iPhone、MacBook 等多條產品線測試中國長鑫存儲（CXMT）的 DRAM，並已展開初步供貨討論，可能用於部分在中國市場銷售的裝置。隨著 AI 熱潮推升資料中心及高階記憶體需求，記憶體業者將更多資源轉向相關產品，一般 DRAM 供應壓力升高，促使消費性電子品牌尋找更多供應來源。 美國電腦品牌惠普（HP）與宏碁（Acer）已在部分銷往美國以外市場的產品中採用長鑫晶片。長鑫目前被美國國防部列入中國軍事企業名單，美國國會議員近期也要求政府限制企業採購中國記憶體，使蘋果的供應鏈選擇面臨政策風險。《路透社》尚未獨立證實報導，蘋果與長鑫也沒有回應。這項測試仍處於早期階段，但記憶體缺貨已讓供應保障與美中科技限制正面交會。 ＊美國 6 成民眾支持監管，Meta 兒少安全訴訟將開庭 《路透社》與益普索（Ipsos）最新民調顯示，61% 的美國成年人支持政府加強監管社群媒體公司；66% 支持要求平台導入年齡驗證，限制 16 歲以下兒少使用。另有 85% 認為社群媒體可能讓兒童成癮，也有相近比例認為平台可能傷害兒少心理健康。這項調查訪問 4,505 名美國成年人，誤差範圍為正負 2 個百分點。 […]