Archives

【2026 網路安全創投趨勢】告別單點防禦工具，「AI 原生資安架構」正在改寫估值邏輯

金融資料與研究平台公司 PitchBook 發佈《2026 年第一季網路安全創投趨勢》報告，梳理了全球資安資金的最新動態與產業變革；從數據可觀察到，即便整體創投交易件數來到近年新低，總投資金額卻依然穩健。 市場資金不再平均分散於單一功能的防禦工具，而是加速集中到少數具備 AI 原生架構與平台整合能力的強勢供應商身上。 以下從資金分佈與併購動態摘要出決策視角，了解目前資金高度集中的三大資安防禦熱區，並探討大型科技巨頭在收購策略上的思維轉向，提供決策層在未來評估技術供應商、編列資安預算，以及建立內部治理機制時的實務建議。 📎 這份報告適合誰閱讀？ 報告從創投交易數據、估值變化到巨頭併購動態進行剖析，適合以下核心工作者閱讀： 🔴 報告洞見 交易件數創八年新低，投資金額卻逆勢成長 2026 年第一季的全球網路安全創投市場，展現了不尋常的兩極化現象。根據 PitchBook 發佈的數據，該季度的資安創投交易數量大幅下滑至僅 198 筆，創下自 2018 年以來的歷史新低點、較去年同期衰退 23.6%。 然而，整體投資總金額卻展現出驚人的強韌，穩穩守在 50 億美元的大關，甚至較去年同期逆勢成長了 23.2%。 這種「量縮價穩」的極端背離，並非短期的市場波動，而是投資人已經拋棄過去廣撒網、投資零散「單點解決方案」的策略。相反地，龐大的資金正高度集中於少數具備實質營收牽引力、明確退場路徑，且有能力進行市場整合的強勢平台上。 當資本開始集中，意味著技術標準即將收斂，企業若繼續依賴即將被淘汰的孤立防禦工具，將在未來的 AI 攻防戰中，面臨極大的安全漏洞與整併風險。而這個轉變，在創投的資金分佈上已經出現了清晰的先行訊號。 💡 AI 原生資安架構正在改寫估值邏輯 在創投的歷史常規中，晚期階段的融資額通常遠高於早期階段，因為晚期企業往往具備更成熟的商業模式與更低的風險。然而，在 2026 年第一季，這項鐵律被打破。早期階段融資總額躍升至 21 億美元（共 60 筆交易），自 2022 年第三季以來，史上首度超越了晚期階段的 17 億美元（共 70 筆交易）。 推動這場巨變的核心動力，是「AI 原生」資安新創的強勢崛起。 這些新創公司從成立之初，就能憑藉專為 AI 時代設計的防禦架構，吸引過去只有晚期企業才能拿到的鉅額資金。舉例來說，專攻安全營運的 Tenex.AI，以及專注雲端安全的 Upwind Security，在早期階段就分別拿下 2.5 […]

NVIDIA 把機器人實驗交給 AI 代理：研究速度的瓶頸，原來不只是演算法

過去兩年，AI 產業最重要的變化之一，是 AI 開始參與軟體開發本身：從 OpenAI 的 Codex、Anthropic 的 Claude Code，到近期快速崛起的各類 AI Coding Agent，這些工具不再只是回答問題，而是能閱讀程式碼、撰寫程式、執行測試、修正錯誤，甚至在有限範圍內完成整個開發循環。如今，這股「AI 研發 AI」的趨勢正開始從數位世界延伸到實體世界。 NVIDIA GEAR Lab 聯手卡內基美隆大學（Carnegie Mellon University）與加州大學柏克萊分校（UC Berkeley）最新發表的 ENPIRE（Embodied Neural Policy Improvement through Physical AutoResearch）框架，嘗試讓 AI 代理直接在真實機器人上完成研究流程。 根據 NVIDIA GEAR Lab 發表的研究成果，搭配 ENPIRE 的 AI Coding Agent 已能在裝設顯示卡、插針與束帶處理等高精度任務中達到最高 99% 成功率。更重要的是，這些成果並非來自人類工程師反覆調校，而是來自 AI 代理自行執行實驗、分析結果、改寫程式並持續優化。 機器人研究真正瓶頸：每次失敗都得有人把現場收乾淨 根據《Tech Times》報導，機器人研究長期面臨一個軟體工程沒有的瓶頸：每次實驗失敗後，都必須有人重新整理現場。 如果是軟體開發，測試失敗只要重新執行即可；但在機器人領域，物體可能掉落、位置偏移，甚至整個實驗場景被破壞。研究人員必須先確認結果、重設環境，再讓演算法進行下一輪嘗試。這使得機器人研究的迭代速度，往往受限於人類操作速度，而非演算法本身的進步速度。而 ENPIRE 的核心目標，就是將這個循環自動化。 從重設場景到改寫程式，ENPIRE 想讓 AI […]

全球首創：愛沙尼亞預計啟動 AI 代理人專屬數位身分，能終結「借用人類帳號」治理難題？

AI 代理要替使用者執行任務，通常必須以使用者本人的帳號登入，幾乎等同取得其所有系統權限。愛沙尼亞共和國（Republic of Estonia）希望改變這種做法，終結 AI 代理必須「借用人類身分」運作的模式。 愛沙尼亞總理 Kristen Michal 在 6 月 17 日核准國家 AI 顧問委員會 Eesti.ai 提出的相關構想，計畫為 AI 助手核發專屬個人識別號碼（ID），將使該國成為全球首個為 AI 代理建立正式數位身分的國家。透過這樣的制度，AI 將不再需要使用人類帳號登入系統，而是能以自身的獨立身分被授權、限制並追蹤行為，使其操作過程更可控，也更容易進行稽核。 幫 AI 發身分證？愛沙尼亞再推治理新實驗 Kristen Michal 在社群平台 X 發文表示，AI 助手不應被賦予與使用者完全相同的權限，否則等同於能存取個人的所有資料與服務。他認為，AI 代理的權限範圍應受到明確限制，並具備可監督、可追蹤的機制，以確保相關行為都能被檢視與究責。 愛沙尼亞之所以率先提出這項構想，與其長年推動數位政府發展有關。《The Next Web》提及，這個擁有約 130 萬人口的國家，早已將數位身分廣泛應用於民眾生活，從醫療、婚姻登記到文件簽署等行政程序，都可透過數位身分完成。愛沙尼亞推行多年的電子居留（e-Residency）制度，也讓海外創業者得以取得官方認可的數位身分，遠端使用當地商業與政府服務。 不過， AI 並不具備法律上的身分資格，既無法獨立完成身分驗證，也不能承擔相應責任，因此現階段只能透過使用者授權，代替人類執行各項操作。愛沙尼亞政府認為，為 AI 建立專屬身分機制，將有助於填補現行制度的空缺。這項概念某種程度上也延續了電子居留制度的思維，透過制度設計，讓新的參與者能夠被正式納入既有的數位治理架構之中。 《The Next Web》指出，AI 已逐漸成為愛沙尼亞公共服務的一環。政府近年與 OpenAI 等科技企業合作，將 AI 聊天機器人導入教育體系，同時推動名為 Bürokratt 的 AI 平台，協助處理各類政府服務與行政業務。Kristen […]

世界模型迎來 GPT-3 時刻？新創 Odyssey 獲亞馬遜、NVIDIA 等投資，將採用 Trainium AI 晶片

AI 新創公司 Odyssey 宣布完成 3.1 億美元融資。根據《Financial Times》報導，參與投資的企業包括亞馬遜，反映其持續加強在世界模型（World Models）技術上的布局。這類模型透過學習物理規律與環境互動關係，讓 AI 能夠理解並模擬真實世界，未來可望應用於機器人、自動駕駛及遊戲開發等領域。 Odyssey 完成募資後，公司估值達 14.5 億美元。除了亞馬遜之外，本輪投資人還包括 NVIDIA 與 AMD 的投資部門、與美國中央情報局（CIA）有關聯的投資基金 IQT、創投公司 Natural Capital、Google 科學家 Jeff Dean，以及知名投資人 Elad Gil。 Odyssey 投入世界模型，挑戰以語言模型為核心的 AI 路線 Odyssey 是目前少數投入世界模型技術研發的新創公司之一。與現今主流 AI 主要依賴語言資料訓練不同，世界模型透過學習物理規律及物體間的互動關係，讓 AI 能夠更深入理解現實世界的運作方式。 創投公司 Natural Capital 合夥人 Jay Zaveri 認為，世界模型代表 AI 發展的下一個階段，未來有望推動機器人、遊戲等產業的技術革新。目前 AI 雖已展現強大的語言能力，但對現實世界的理解仍相當有限。「我們打造出類似人類大腦的架構，卻只讓它學會語言。」他表示，世界模型的目標正是讓 AI 進一步理解物理規律、環境變化及物體互動等真實世界資訊。 Odyssey 由 Oliver Cameron 與 Jeff […]

川普對 Anthropic 禁令引爆 G7 角力：AI 出口管制戰場，已從晶片變「誰能用模型」

過去談 AI 出口管制，主角多半是 NVIDIA 的高階晶片；如今被擋下的，換成了 AI 模型本身。美國上週以國家安全為由，要求 Anthropic 限制海外用戶存取最先進的 Mythos 5 與 Fable 5 模型。這道禁令在本週於法國舉行的 G7 峰會上成為焦點，被推上檯面的問題，已經不只是這些模型安不安全，而是未來誰有權決定先進 AI 模型如何跨越國界流通。 從晶片到模型：被「一鍵關掉」的恐懼登上 G7 圓桌 根據《Financial Times》報導，Anthropic 執行長 Dario Amodei 在峰會上當著美國總統川普與其他領袖的面表示，各國必須「抗拒分裂的誘惑」。他說自己理解各國想防止 AI 流入危險對象手中的努力，但呼籲民主國家應團結合作。 值得注意的是，這番話得到宿敵、OpenAI 執行長 Sam Altman 的聲援，Altman 強調網路防禦工具應提供給在場所有國家。Google DeepMind 執行長 Demis Hassabis 也一同出席，三位高層共同呼籲由美國主導 AI 模型開發上的合作，同時點出若民主同盟出現裂痕，在生物恐怖主義與網路安全上的風險。 《TechCrunch》指出，這次事件暴露出許多國際企業一直在面對的風險：任何建立在美國 AI 基礎設施上的公司或政府，如今都必須正視一個可能性：存取權可能在一夜之間被收回，而且當事人可能永遠不會被告知原因。 法國總統馬克宏在 G7 會議期間警告，如果美國「從一天到另一天就能關掉開關（turn off the switch）」，不僅可能傷害歐洲經濟，也可能損害正在全球競爭的美國 AI 企業。他提醒，要慎防「民主國家之間不合作」的風險，並表示：「未來幾個月內，我們將打造一個平台，作為多個民主國家之間進行討論與合作的機制，共同因應人工智慧帶來的風險，並攜手制定一套共同的標準。」 印度總理莫迪同樣表達對美方此舉的擔憂，他補充，民主國家必須能存取頂尖 […]

2026 世界盃的科技戰略：AI 與生物辨識從賽事亮點，變成常態監控基礎設施

隨著 2026 年 FIFA 世界盃足球賽開踢，由 Google 主導的消費級 AI 產品 Gemini，以及能將球迷面貌轉化為門票驗證與入場方式的生物辨識，正在成為全新的焦點。

【DEAT 專欄】城市治理的新拼圖：數位平台正在成為治理夥伴

文／台灣數位平台經濟協會（DEAT） 如果要形容一座城市的數位發展，你會想到什麼？ 是路邊的智慧站牌、免費 Wi-Fi、線上申辦服務，還是手機裡各種早已融入生活的 App？過去談到智慧城市，人們往往先想到各種數位建設與科技設備。但當這些基礎條件逐漸普及之後，一個新的問題開始浮現：當每個城市都擁有相近的數位基礎條件，未來的競爭力將由什麼決定？ 台灣數位平台經濟協會（DEAT）與政治大學公共行政學系共同完成的《六都數位政策調查研究》，提供了一個值得關注的觀察角度。研究結果顯示，影響城市未來競爭力的因素，正逐漸從硬體建設轉向治理能力。而在這個過程中，數位平台也開始從單純的服務提供者，逐步發展成為城市治理的重要協作力量。 城市開始走不同的路，治理需求也不一樣了 本次研究發現，六都的數位發展已逐漸出現不同路徑。臺北市持續維持整體優勢，新北、桃園與臺中受惠於人口與產業發展動能持續成長，臺南與高雄則在能源轉型與開放治理等面向展現特色。不同城市開始依據自身條件發展出不同方向，也面對不同類型的治理課題。 有些城市需要處理人口移動與交通壓力，有些城市關注能源與永續發展，有些城市則面臨高齡化與公共服務需求增加的挑戰。隨著城市發展路徑逐漸分化，治理所需要的資訊與工具也開始變得更加多元。這些問題沒有單一解方，也很難僅依靠傳統治理工具來回應。城市治理逐漸進入更講求精準決策與跨域協作的新階段。 城市治理最大的挑戰，往往是資料缺口 當政府希望改善交通、提升公共服務效率，或規劃新的城市政策時，首先需要回答一個問題：城市究竟正在發生什麼事？ 理論上，政府可以透過各種統計資料掌握現況。但本次研究過程中也發現，部分縣市層級資料取得不易，地方資料分散於不同單位，許多與市民感受相關的指標也難以量化。即使有資料，也可能因為格式不一致而難以整合分析。 研究團隊指出，目前中央缺乏部分縣市分層數據，地方資料仍有零碎化現象，而社會信任等軟性指標的量化方式也尚待發展。這些問題不僅影響研究工作的推進，也反映出台灣數位治理所面臨的共同挑戰。 事實上，這樣的情況並非台灣獨有。許多國家在推動智慧城市發展時，都曾面臨類似問題。資料量愈來愈多，但真正能支撐治理決策的資料仍然不足，如何讓資料轉化為決策能力，成為城市治理的重要課題。 平台每天累積的資料，其實記錄著城市如何運作 在這樣的背景下，數位平台開始展現不同於過去的價值。許多人使用數位平台時，很少意識到自己也正在參與一張即時運作的城市地圖。 共享機車平台可以觀察短程移動需求的變化，共享停車平台反映停車空間的供需狀況，外送平台呈現不同區域的消費與物流流動，共享電力服務則能觀察人流聚集與商圈活動熱度。 這些資料原本是服務運作過程中的自然產出，但從治理角度來看，它們其實反映了城市運作的即時樣貌。 例如，一個區域的共享機車使用量持續增加，可能代表短程交通需求正在改變；某些商圈的行動電源租借需求快速成長，可能反映人流與商業活動的變化；外送訂單的分布情況，也可能提供城市物流規劃的重要參考。這些資訊未必能直接形成政策，但能幫助政府更即時理解城市正在發生的事情，並作為決策的重要參考依據。 平台角色正在從服務提供者走向治理協作者 過去，數位平台的主要任務是提供服務。然而隨平台逐漸融入交通、生活、消費與公共服務場景，其角色也開始產生變化。 在許多國際城市中，政府已逐步與平台建立合作機制，透過匿名化與去識別化資料分析，協助交通規劃、公共運輸調整、能源管理與城市研究。這些合作案例顯示，平台的價值逐漸延伸至服務之外，其累積的資料與觀察能力，也開始成為理解城市運作的重要參考。 對城市而言，這樣的合作關係並非由平台取代政府決策，而是在既有治理架構下，透過更多元的資料來源與觀察角度，提升治理品質與政策判斷能力。 本次六都數位政策調查所呈現的現象，也反映出類似趨勢。當城市治理面對的問題愈來愈複雜，平台角色正逐漸延伸至治理協作、資料補位與公共服務優化等面向。 城市治理的新課題：如何與平台協作 當城市發展進入分化階段，治理思維也需要跟著調整。 過去，政府與平台之間的關係多半圍繞在管理與被管理。然而，當平台逐漸成為城市運作的一部分，未來更值得思考的問題，可能是如何建立更有效率的合作機制。 當然，這樣的合作仍需要建立在明確規範之上。資料使用範圍、隱私保護機制、資訊安全要求以及責任界線，都必須有清楚的制度設計。唯有在公共利益與民眾信任獲得保障的前提下，資料共享與治理合作才有可能長期運作。 對地方政府而言，平台所帶來的價值，包含新的服務形式，也提供了更多理解城市運作的即時資訊。如何在治理與創新之間建立平衡，將成為未來的重要課題。 下一階段的競爭將是更好的城市數位治理能力 當基礎建設逐漸普及，城市之間的差異開始出現在治理能力。 誰能更有效運用資料、整合資源、理解市民需求，誰就更有機會提升城市運作效率與生活品質。 《六都數位政策調查研究》所揭示的重要觀察之一，在於城市競爭的邏輯正在發生變化。過去被視為核心優勢的硬體建設與基礎條件，已逐步成為共同基礎；而如何運用資料、整合跨部門資源，以及回應不同城市需求，則成為影響未來發展的重要因素。 而在這個過程中，數位平台所累積的即時資料與服務網絡，也逐漸成為城市治理的重要資產。 未來的智慧城市競爭，將更加聚焦於政府、平台與社會如何共同建立治理能力。當城市開始走向不同發展路徑，能否善用這些新的治理工具與合作模式，將成為下一階段城市發展的重要關鍵。 城市治理的核心始終是回應市民需求，而數位平台所累積的資料、技術與服務網絡，正逐漸成為這塊拼圖中不可忽視的一部分。當治理能力成為城市競爭力的重要來源，平台與政府之間如何建立更成熟的協作關係，也將成為下一階段智慧城市發展的重要課題。 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：Unsplash。 （責任編輯：廖紹伶）

【科技早餐】Microsoft 評估 DeepSeek 進 Copilot，ChatGPT、SpaceX 與 Intel 同步改寫 AI 戰局

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Microsoft 評估 DeepSeek 進 Copilot，低成本模型牽動美中角力 Microsoft 正評估把中國 AI 新創 DeepSeek 的模型，納入企業 AI 平台 Copilot Cowork，作為較低成本的模型選項。Microsoft 同時計畫讓 Copilot Cowork 改採依運算資源使用量計費，因應代理型 AI 工具普及後快速上升的運算成本。這代表企業 AI 服務正從固定訂閱，走向依算力消耗計價。 這也反映 Microsoft 正推動多模型策略，不再只依賴 OpenAI 與 Anthropic，而是把更多模型選項納入企業服務。不過，DeepSeek 不只是低成本模型選項，也被放進美中科技競爭。《華爾街日報》報導，DeepSeek 首輪融資超過 74 億美元，估值超過 500 億美元，已成為中國估值最高的 AI 新創公司；《路透》也報導，美國政府目前暫緩把 DeepSeek、長鑫存儲等中國企業列入實體清單，外界解讀是為了避免升高與北京的緊張關係。 ＊ChatGPT 市佔首跌破 50%，Anthropic 在企業支出反超 OpenAI 市調機構 Sensor Tower 最新報告指出，截至今年 5 月底，ChatGPT 在全球 AI 助理應用的月活躍用戶市佔率降至 […]

放棄遠端遙控、捨棄人形設計：Genesis AI 如何用資料解決機器人發展瓶頸？

機器人新創 Genesis AI 推出其首款通用機器人 Eno，沒有頭、也沒有腿，採用輪式設計。另值得關注的是，這家公司放棄了業界常見的遠端遙控（teleoperation）路線，改以感測手套蒐集真人操作資料，同時自行打造模型、模擬器、資料平台與機器人本體。當整個產業仍在追逐人形機器人熱潮時，Genesis AI 想解決的核心問題之一是：通用機器人的資料，究竟從哪裡來？ 據《TNW》報導，這家新創在巴黎與舊金山設有辦公室、約有 60 名員工，由共同創辦人 Zhou Xian 與前 Mistral 研究員 Théophile Gervet 共同創立；該公司去年募得 1.05 億美元種子資金，是法國最大規模的融資之一，由 Eclipse 與 Khosla Ventures 共同領投，投資人包括 Google 前執行長 Eric Schmidt、Xavier Niel、MIT 機器人學教授 Daniela Rus 等。 一台沒有頭、沒有腿的機器人 據《Business Insider》報導，Eno 是一台有著兩隻手臂、但沒有雙腿的輪式機器人，其軀幹由三片面板組成、可即時調整高度與伸展範圍，不使用時還能折疊收納。《The Robot Report》進一步說明，Eno 的手臂裝有 Genesis AI 自研的靈巧機械手，其形態與功能皆貼近人手，方便操作那些原本就為人類設計的工具與物件。 這樣的外形是刻意為之。Genesis AI 共同創辦人暨執行長 Zhou Xian 表示，公司有一套名為「平靜智慧（calm intelligence）」的設計哲學：機器人把事情做完，然後就消失。《Reuters》引述其商務與策略副總裁 Vivian Sun 的說法指出，採用輪式底座，是因為多數工業客戶都在平坦地面上作業，雙腿只有在爬樓梯這類情境才有意義：「我們是在能力上模仿人類，而不是在形態上。」 為了建立信任，Genesis […]

中國機器人產業加速打造 AI 大腦：阿里巴巴推出機器人套件，從導航到操作一手包辦

阿里巴巴推出首套機器人 AI 模型「通義機器人套件」（Qwen Robot Suite），正式進軍實體 AI 市場。《南華早報》報導，隨著全球科技業積極推動 AI 從虛擬對話走向實體應用，阿里巴巴也希望透過新技術提升機器人的環境感知、推理決策與實際操作能力，搶占下一波人工智慧發展商機。 阿里巴巴推出通義機器人 AI 套件，瞄準實體 AI 新戰場 阿里巴巴表示，這套系統由旗下 AI 研發團隊通義實驗室（Tongyi Lab）打造，目前已在部分阿里雲企業客戶中展開測試驗證。通義機器人套件採用三層式架構設計。首先是負責導航與環境理解的 Qwen-RobotNav，透過視覺與語言模型協助機器人辨識周遭環境並規劃移動路徑；其次是 Qwen-RobotWorld，這套模型可根據影像資訊模擬環境變化，讓機器人在執行任務前先預測可能發生的情況，提高決策能力。 在實際操作層面，則由 Qwen-RobotManip 負責執行任務。這款基於 Qwen3.5-4B 架構打造的視覺、語言、動作（VLA）模型，經過 3.8 萬小時以上時間的開源資料訓練，可執行抓取、搬運等物體操作任務。阿里巴巴指出，該模型近期在 RoboChallenge 真實機器人評測中表現亮眼，在通用組別拿下 59.83 分的流程評分，任務成功率達 45%。 《南華早報》提及，此次推出機器人 AI 套件，也顯示阿里巴巴正進一步拓展 Qwen 模型的應用版圖。過去 Qwen 主要聚焦大型語言模型與多模態 AI 發展，與 OpenAI、Google，以及中國的 DeepSeek、字節跳動等業者競爭；如今則進一步將 AI 技術延伸至機器人領域，搶攻被視為下一波人工智慧發展重點的實體 AI 市場。 從硬體優勢到 AI 大腦布局，中國發展人形機器人生態系 隨著實體 AI 成為全球科技產業的新戰場，美國科技巨頭也持續加大投資力道。Google DeepMind 正推動 […]

擺脫矽谷依賴：法國情報機構汰換 Palantir，斥資 6.55 億歐元築科技主權防線

法國國內情報機構 DGSI（法國國內安全總局）將逐步汰換美國數據分析公司 Palantir Technologies 的資料分析系統，改採法國本土科技公司 ChapsVision 所開發的解決方案。根據《Reuters》報導，由於涉及龐大的系統移轉與技術整合作業，整體替換計畫預計需耗時數年才能完成。 降低對 Palantir 依賴，法國企業 ChapsVision 接手資料分析系統 Palantir 強調，與 DGSI 的合約目前仍持續有效。接手的法國業者 ChapsVision 公司開發資料整合平台，能將來自不同系統與來源的數據進行整合分析，協助政府與企業提升決策效率。 Palantir 自 2015 年起便為 DGSI 提供資料分析平台，去年 12 月才宣布與法國政府續簽三年合約。 然而，隨著歐洲對數位主權及資料安全議題日益重視，部分政府與企業開始重新檢視對美國科技公司的依賴程度。尤其是由矽谷投資人 Peter Thiel 創立的 Palantir，長期承接美國國防、情報與政府相關業務，其在敏感資料處理上的角色也引發外界關注。英國國會本月也有委員會建議重新評估與 Palantir 的合作案。 美國日前限制 Anthropic 先進 AI 模型對部分外國用戶的存取權限，引發盟友擔憂關鍵 AI 技術過度集中於少數美國企業手中。此一事件也進一步促使歐洲各國加快發展本土 AI 技術與數位基礎建設，降低對外部供應商的依賴。 投入 6.55 億歐元強化 AI 基礎建設，法國力拚歐洲 AI 領導地位 《Reuters》指出，在川普政府對外政策充滿不確定性的情況下，歐洲各國近年來愈發重視科技與安全領域的自主性。這股趨勢也反映在各國政府的數位政策上。法國總理 Sébastien Lecornu 表示，法國必須掌握自己的數位工具與 AI 技術，避免關鍵系統過度仰賴外國供應商。他認為，近期國際情勢已顯示，當核心技術掌握在他國企業手中時，服務存取與技術使用都可能受到外部因素影響，因此法國有必要加速發展自主技術能力。 […]

SpaceX 為何願意砸 600 億美元買 Cursor？AI 競爭正從模型轉向工作流程

SpaceX 才剛完成史上最大規模的 IPO，就宣布以價值 600 億美元的 A 類普通股收購 AI 程式開發工具 Cursor 的母公司 Anysphere，創下 AI Coding 領域最大交易之一。表面上，這是其執行長馬斯克替旗下 Grok 補足企業級開發工具與開發者生態系；但進一步來看，這筆交易反映出 AI 產業的競爭焦點正在轉移：當模型能力逐漸趨同，開發者入口、工作流程與使用場景，正成為新的戰略資產。 Cursor 為何值 600 億美元？ Cursor 由四名 MIT 畢業生於 2022 年創立，最初是一款加密通訊工具，後來轉型為 AI 程式開發平台，讓開發者能夠在同一介面中切換 OpenAI、Anthropic、xAI、Google 等不同 AI 模型。它不只是一個程式碼補全工具，而是涵蓋程式碼生成、除錯、大型程式庫理解與任務自動化的完整開發工作流程。 Cursor 的成長速度在矽谷屬於異數，其估值在 2025 年間從 25 億美元飆升至近 300 億美元。根據《Bloomberg》引述的內部數據，其年化營收在 2026 年 4 月突破 30 億美元。《Reuters》則報導，Cursor 企業客戶中有逾 3,000 家每年支付超過 10 萬美元的授權費，服務的企業涵蓋財富 500 […]

Dyson 工程長談家用機器人的邊界，為什麼你家的手持吸塵器還不會消失？

當多數機器人吸塵器廠商在比拚誰能爬樓梯、誰有機械臂能撿東西時，Dyson 最新推出的 Spot+Scrub Ai 選擇了一個切入點：辨識並清除地板上的頑固污漬，這選擇和 Dyson 首席工程師 Jake Dyson 想闡述的產品哲學相關。 先找到真實問題，再驗證解法是否真的有效 Jake Dyson 是創辦人 James Dyson 的兒子，22 歲時曾短暫在 Dyson 工作，隨後離開，獨立發展工業設計事業，專精照明領域，多年後才帶著這段經驗回到公司，成為首席工程師。 他描述自己的方法論時，用了一個 LED 散熱的例子：LED 剛進入市場時，多數人沒有把它們冷卻好，導致原本該用一輩子的產品被當成一次性燈泡使用。他造訪了亞洲的 Osram，了解到把二極體溫度維持在攝氏 50 度以下，就能保住亮度、色彩品質與使用壽命，並借用衛星的被動散熱原理，設計出讓熱量自然從晶片擴散的系統，「找到問題、解決問題，這個過程驅動著一切，」他也將這套方法論延伸到 Spot+Scrub Ai 上。 Dyson 在 2025 年推出這款濕拖兼乾吸機器人，配備綠光照明系統與 HD 攝影機，搭配一套涵蓋 190 多種不同家居物品和污漬的智慧雷射識別系統，辨識需要額外清潔的污漬，多次來回清潔，並在移動前確認污漬已完全清除。 謹慎的說法，與實測結果有些落差 當被問到為什麼不像其他公司一樣推出能爬樓梯、用機械臂搬東西的機器人時，Jake Dyson 表示 Dyson 已經研究這類問題大約十年，但解決方案還沒有達到可靠實用的水準。這個說法有時間佐證，早在 2022 年，Dyson 就公開宣布要在 2030 年前大力發展家用機器人，當時稱其為一場「大賭注」，這項技術將影響機械工程、視覺系統、機器學習和儲能等領域的研究。 他口中「還不夠可靠」的問題，目前在市面上其他產品身上也能看到。Roborock Saros Z70 的機械臂在實測中無法自主辨識並移動物體，仍需遠端操控，在地毯上的成功率也因「硬體限制」較低；爬樓梯機器人則因每座樓梯的高度、間距、材質各異，加上寵物與孩童的動態干擾，要做到安全可靠仍有相當難度。 Jake Dyson […]

【Google Cloud 林書平專欄】以快制快：當資安攻擊已達機器速度，企業防禦該怎麼跟上？

文 / Google Cloud 台灣技術總經理 林書平 當我們談論 AI 如何解放企業生產力時，也看見另一個不容忽視的現實：駭客也正積極將 AI「武器化」。駭客現在能利用 AI 自動生成幾可亂真的多國語言釣魚誘餌，極速探測系統漏洞。這不僅大幅降低了攻擊門檻，更讓威脅擴散的速度遠超以往。在這場技術軍備競賽中，AI 顯然已成為一把雙面刃。 面對 AI 驅動的極速擴張威脅，傳統高度仰賴人員介入的被動防禦早已失效。這是一個決定性的轉捩點：企業必須依靠「代理式 AI（Agentic AI）」來實現「更聰明且更有效的防禦」，將過去零碎的資安工具，全面升級為端到端的主動式安全網並進行資安聯防。面對這場沒有硝煙的戰爭，企業領導者必須重新思考我們的資安戰略。 戰略一：應對「奈秒級」機器速度網攻，全面轉向「免疫系統」思維 我們觀察到，駭客正利用 AI 從根本上改變攻擊的速度與規模。當前的網路攻擊已不再受限於人類的節奏，而是以「機器速度」（Machine speed）發動。駭客組織之間的攻擊協作與交接時間，已從過去的 8 小時驟減至驚人的 22 秒，未來更將無可避免地逼近「奈秒級」（nanosecond）。 面對這種閃電戰，企業必須全面轉向「免疫系統」的防禦思維——如同人體免疫系統會自動偵測並消滅病毒，我們必須實踐「安全預設（Secure-by-default）」，在開發階段就將防護機制直接納入雲端架構、AI 模型與終端裝置，並從架構本身縮小攻擊面。 同時，防禦方不能只靠單一 AI 打天下，而應建構「多代理協作（Multi-agent）」架構。讓不同的 AI 代理各司其職，24 小時不間斷地進行全天候異常偵測，將防線推至駭客攻擊的最前線。 戰略二：從「找出個別漏洞」進化到「大規模自動化修補」 AI 在發掘未知漏洞上確實展現了驚人能力，但本質上並非全新的攻擊手法，而是將既有攻擊「規模性擴張」。這也導致當前資安團隊面對的防禦挑戰，已經不是如何「找出」漏洞，而是來不來得及修補大量的漏洞警報。 但好消息是，AI 作為防禦工具，也具備強大的反制優勢。藉由 AI 的賦能，防禦者得以利用 AI 分析程式碼並產生修補建議，同時進行全天候網路監控並即時標記異常；其大規模分析與自動化回應的能力，不僅能瞬間為數百萬用戶攔截威脅，更能協助資安團隊有效反制挾 AI 威勢而來的大量攻擊。 未來的安全營運，需要深度融合第一線威脅情報、情境風險優先排序、頂尖 AI 模型的強大推理與即時的程式碼修復能力。透過部署 AI 代理，系統能預測攻擊路徑，並在軟體開發生命週期（SDLC）的每一道防線即時介入。唯有將過去耗時數週的修補流程縮短至幾分鐘內完成，我們才能真正運用自動化、規模化的優勢反制，做到「以 AI 對抗 AI」，趕上甚至超越攻擊者的步伐。 戰略三：建構資安治理架構，落實最小權限原則 […]

【科技早餐】美商會點名 AI 用電是國安題，NVIDIA 發債把基建戰燒進資本市場

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊美商會點名 AI 用電是國安題，台美合作延伸到無人機供應鏈 台灣美國商會發布 2026 台灣白皮書，將能源與基礎建設韌性列為優先議題，並主張應把能源供應充足與電網韌性視為國安議題。白皮書指出，企業長期關注台灣電力供應可靠性，近期 AI 需求快速增加，也讓能源政策的穩定性與可預測性更加重要。 除了 AI 用電，科技領域策略合作也被列為重點。台灣美國商會執行長魏凱（Carl Wegner）表示，無人機是台美新的合作機會，美國具備設計優勢，台灣則懂得規模化生產，雙方有合作空間。在 AI 政策方面，台灣美國商會理事長陳幼臻表示，台灣已通過人工智慧基本法，採取原則管理與風險管理框架。下一步如果政府為不同產業訂出 AI 使用指引，企業導入 AI 時，也會更需要留意各自產業的合規要求。 ＊NVIDIA 發債 250 億美元，AI 資本戰燒進債券市場 NVIDIA 宣布在美國發行公司債，籌資 250 億美元，強化財務彈性。這是 NVIDIA 自 2021 年以來，再度進入投資級債券市場。《路透》報導，NVIDIA 這次發債規模高於原先計畫，投資人認購需求達到 850 億美元，遠高於最初預計募資的 200 億美元。 根據條款文件，NVIDIA 計畫發行 7 種不同期限債券，最長將於 2056 年到期。公司表示，資金將用於一般企業用途，包括償還與再融資既有債務。不過消息人士指出，這次發債主要目的不是為了大規模資本支出，而是建立更具流動性的信用成本基準。隨著科技巨頭持續擴大 AI 支出，AI 基建戰不只考驗晶片與電力，也開始考驗企業的融資能力與資本成本。 ＊Google 揭中國駭客入侵美加研究機構，AI、無人機與醫療資料成目標 Google 威脅情報團隊發布報告指出，一個與中國有關的駭客組織，曾在未被察覺的情況下，入侵美國與加拿大學術、醫療和軍事研究機構。Google 指出，這個駭客組織相關活動最早可追溯至 2023 年 […]

金融業押注 Agentic AI：從支付到授信的流程重組，這場效率革命背後有哪些治理挑戰？

金融業對 AI 的想像，正在經歷一場典範轉移：從單純回答問題的 AI 助理，正式轉向能替使用者完成付款、交易、客服與銀行流程的自主系統。 在近期於阿姆斯特丹舉辦的 Money 20/20 Europe 會場上，具備自主執行能力的 Agentic AI（代理型 AI）成為金融科技產業最熱議的主題，也反映出銀行、支付公司與金融科技（fintech）新創正從過去的競爭關係，走向共同導入新技術的合作模式。 劍橋大學（University of Cambridge）在 2026 年發布的一份報告指出，在調查全球 600 多家公司與監管機構後，預計金融業部署 AI Agent 的比例將從目前的 24%，在 2030 年大幅躍升至 81%。這項數據清楚點明，AI Agent 正快速且全面地進入金融服務業的主流市場。 從代客付款開始，AI 實質介入金融交易流程 這股趨勢並非紙上談兵，而是已經實際發生在交易的最前線。在 Money 20/20 Europe 會議上，Mastercard、荷蘭銀行 ING 與支付服務公司 Worldline 共同宣布，完成了「歐洲首個即時端到端代理支付」。 在這項實際案例中，使用者只需告訴 AI 助理想在特定地點、日期與預算內尋找演唱會門票，AI 便能自動為使用者找出各種選項，在使用者選擇並批准後，AI 便會在使用者批准後完成付款。這項里程碑也代表 AI 在金融業的角色，已超越查詢資訊或生成建議，並開始實質介入「支付」這類最核心的交易流程。 Money 20/20 Europe 的首席策略長 Scarlett Sieber 受訪時直言，AI 在金融業過去常被視為流行語，但如今 […]

小米把 Tesla 十年前沒做成的「充電蛇」推向家用車庫，無感充電成下一個 EV 競爭焦點

雖然對多數電動車主而言，在家充電是相當便利的日常，但手動插拔沉重的充電線，仍是一件生活中的麻煩事。為了解決這個日常痛點，中國科技巨頭小米近期發表一款專為家用車庫設計的「自動充電機械臂」，目標是完全免除手動充電的步驟，實現車主將車輛停妥後，即可轉身離開的無縫體驗。 這項產品推出後，立刻讓市場聯想到馬斯克（Elon Musk）在 2014 年的言論。當時馬斯克表示，特斯拉正在開發一款充電器，會「自動從牆壁伸出，像一條堅固的金屬蛇一樣連接」。儘管特斯拉在 2015 年確實展示過一款具備多節結構的金屬充電蛇原型，卻從未實際量產。如今，小米正準備把這個十年前的科幻概念化為現實。 停好車就自動插電，小米用 AI 視覺讓家用 EV 充電無感化 小米的充電機械臂能與車輛的自動停車功能協同運作。這套系統運用基於 AI 的視覺辨識技術，以小米聲稱的次毫米級超高精準度，自動尋找車輛的充電孔並將插頭精確插入。在自動化操作方面，該裝置具備「懶人充電」的功能，當車輛停妥後便會自動開始充電，當電池達到使用者設定的電量限制或完全充飽時，機械臂就會自動拔除充電線並妥善收納。 在硬體設計上，其機身寬度僅 152 毫米，使其能順利安裝在狹窄的住宅停車位中。此外，只要車輛停放於機械臂的運作範圍內，車主也能透過智慧型手機的應用程式遠端啟動充電，完全不需親手碰觸實體纜線。 小米如何避開 Tesla 充電蛇的落地難題？ 過去，業界普遍推測這類充電蛇可能因為設計過於複雜、成本過高，或是概念太難以推向市場而告終。如今，特斯拉已經轉換技術方向，將重心轉往為未來的 Cybercab 自動駕駛計程車開發「無線充電」技術，甚至取消實體的充電孔設計，並為此在 2023 年收購了德國無線充電新創公司 Wiferion。 相較之下，小米採取更務實的策略，其機械臂相容於現有的實體插電標準，不需要對車輛硬體進行大幅度的重新設計，這是一種相對傳統卻更具有實際應用價值的解決方案。除此之外，小米在不到兩年的時間內已經交付超過 60 萬輛電動車，這賦予小米將此類創新配件推向大眾市場的規模優勢。 小米把充電臂融入智慧家庭生態系，EV 競爭從續航轉向無感體驗 這款自動充電機械臂不只是一個獨立的硬體配件，更是被刻意設計過的產品，以融入小米廣大的智慧家庭與自動停車生態系之中。小米所描繪的理想工作流程是讓車位基礎建設全面智慧化：車輛自動駛入車庫停妥後，接著由機械臂自動接手充電工作，車主只要轉身離開即可。 這種流暢體驗背後，依賴車輛對基礎設施的通訊協議，而小米能針對其 SU7 與 YU7 車系進行端對端的完全控制，這正是同時製造車輛與周邊配件所帶來的獨家優勢。這款只能與小米自家電動車完美搭配的充電臂，將能進一步強化消費者對於小米生態系的黏著度。同時，業界也越來越相信，充電的便利性是目前影響電動車普及的一大障礙，未來的充電體驗勢必要做到「隱形（Invisible）」的境界，讓車主完全無感。 在中國市場中，針對無感充電的軍備競賽已然展開，小米並非唯一投入的企業。華為在 2025 年 1 月便展示專為 Maextro S800 設計的全無人自動充電機械臂；比亞迪（BYD）甚至已經申請一項由 AI 驅動的充電機器人專利，讓該設備不僅能自動充電，還能同時幫輪胎打氣。 隨著技術發展，車輛現在不僅能自己駕駛、自己停車，甚至還能自己完成充電。儘管相關的軟硬體技術已經準備就緒，但這款產品最終能否從新奇的展示品，變成家家戶戶都願意購買的主流配件，主要還是取決於小米未來的定價策略。不過，可以預見的是，電動車的下一場競爭焦點，已經從單純的馬力數據與續航里程，轉向誰能讓車庫裡的工作變得最不費力的模式。 【推薦閱讀】 ◆ 中國 EV 競爭門檻變了：比亞迪以自研 4nm […]

AI 帶來的顧客更會買：Adobe 數據揭新流量入口正在成形

當消費者想買一雙跑鞋、一台咖啡機，或比較不同品牌耳機的時候，越來越多人會打開 ChatGPT、Gemini 等 AI 工具詢問建議，再點擊商品進一步了解。而最新數據顯示，這些由 AI 帶來的訪客，不只是流量來源之一，更可能是對零售商來說最有價值的一群顧客。 根據 Adobe Analytics 於今年 5 月發布的數據，來自大型語言模型（LLM）的零售流量，轉換率比非 AI 來源高出 54%，每次訪問創造的營收高出 53%，停留時間也多出 53%。這代表 AI 不再只是資訊搜尋工具，而正在成為消費決策的重要入口。 AI 導流不只增加流量，還帶來更高價值客戶 《Reuters》報導，Adobe 分析發現，今年 5 月美國零售網站來自 AI 工具的流量較去年同期成長 138%，創下 Adobe 自 2024 年 10 月開始追蹤以來的新高。 如同前述，這些流量不僅快速增加，品質也明顯優於傳統來源。Adobe Digital Insights 總監 Vivek Pandya 解釋，當產品能出現在 AI 推薦結果中，品牌有機會接觸到更符合需求的消費者，進一步提高網站上的個人化體驗與成交機率。這是因為，當使用者進入零售網站之前，許多商品比較、需求整理與資訊搜尋工作，已經在 AI 對話介面內完成。 事實上，AI 流量的品質從過去到現在經歷了一場逆轉。根據 Adobe 報告，2026 年 3 月 AI 流量的轉換率比非 […]

告別一問一答！AI Agent 如何替你全自動辦完事情？

過去人們與 AI 的互動方式主要是一問一答，也許是用戶丟出一個問題讓 AI 回答，或是要求 AI 修改一段程式碼，然而這樣 AI 被動地接收指令，並回傳單一步驟的互動模式能提供的幫助其實有限，一但要處理比較複雜的任務，可能就要花很多步驟才能解決。 AI Agent – 能真正執行任務的 AI 工具 隨著 AI Agent（人工智慧代理人） 的概念逐漸成熟，使用者與 AI 的互動方式也不斷在改變，AI Agent 的核心不再只是回應輸入，而是具備規劃、執行、工具使用，以及根據回饋持續優化的能力。 開發者的角色也正在轉變，從提出問題的人變成設定目標的人。例如將開發環境、部署流程與協作工具整合在瀏覽器中的平台 Replit，近年也逐步強化其 AI 能力，讓使用者可以用自然語言直接生成應用程式，而不需要從零開始搭建開發環境或手動撰寫完整專案結構。在這樣的工作流程中，使用者不再需要親自處理每一行程式碼的細節，而是讓 AI agents 協助完成從生成、除錯到部署的整個開發流程，開發者更像是專案管理者或產品設計者，負責定義目標、拆解需求與確認最終輸出的方向，而實作層則逐漸交由 AI 來完成。 然而，AI Agent 能力的提升並不意味著使用門檻降低，使用者不再需要逐步指示 AI 該怎麼做，而是需要提供足夠的上下文、策略以及業務背景，讓 Agent 能在理解整體情境後，自主規劃並執行任務。換句話說，重點不在於告訴 AI 怎麼做，而在於清楚定義要達成什麼以及在什麼條件下完成。若輸入仍停留在模糊或單句指令，Agent 雖然可以嘗試補足資訊，但在多步驟任務中容易出現偏離目標或決策不穩定的情況。因此，更有效的使用方式，是在一開始就明確界定任務目標、限制條件與成功標準，讓 Agent 在規劃階段即可對齊方向。 同時，在 AI Agent 的運作過程中，可見性與治理能力變得至關重要。相較於傳統一次性輸出的問答模式，AI Agent 涉及規劃、執行與優化等多個階段，因此平台需要具備觀察、審核與優化的能力。透過監控 Agent 的行為，使用者可以即時了解其決策過程，並在出現偏差或違反政策時立即介入甚至中止任務。此外，透過提供良好與不良的執行範例作為回饋，Agent 能持續學習並調整策略，逐步提升表現。這種結合可觀察性與回饋機制的使用方式，使 AI Agent […]

高通傳砸百億美元買 Tenstorrent：RISC-V、IP 授權與網路化 AI 如何成為下一輪晶片併購焦點？

隨著市場對尋找 NVIDIA 替代方案的需求日益強烈，由傳奇晶片設計師 Jim Keller 領軍的 AI 晶片新創公司 Tenstorrent，正以獨特的 RISC-V 架構迅速成為科技巨頭眼中的併購新焦點。 外媒報導，Intel 與高通（Qualcomm）皆已和 Tenstorrent 展開早期的收購談判。知情人士透露，高通甚至正洽談以 80 億至 100 億美元的金額收購 Tenstorrent，遠高於 Tenstorrent 去年底籌資時約 32 億美元的估值。儘管高通發言人表示對市場傳聞不予置評，但這場潛在併購戰，已凸顯 Tenstorrent 的巨大戰略價值。 Intel、高通為何都想搶 Tenstorrent？ 科技巨頭不惜重金求購的背後，各有自己的戰略盤算。對 Intel 而言，由於過去兩年旗下 Gaudi 獨立加速器產品線的市場表現不如預期，目前正處於重整 AI 策略的關鍵期。如果能成功收購 Tenstorrent，Intel 將能獲得現成且強大的 RISC-V AI 平台，迅速在資料中心與 AI 訓練市場重新站穩腳步，以對抗 NVIDIA 的主導地位。 另一方面，營收高度仰賴智慧型手機與個人電腦晶片的高通，在資料中心 AI 領域相對缺乏競爭力。透過這筆交易，高通不僅能取得可授權的矽智財（IP）區塊，更能獲得一個可靠的非 Arm 架構 CPU 發展藍圖，這對要實現業務多元化的高通也具有重大意義。 Jim Keller 加持，Tenstorrent 靠 […]

比 NVIDIA 系統快 4 倍、功耗只有五分之一：Tensordyne 用一個數學技巧重新設計 AI 推理晶片

當 AI 產業焦點逐漸從訓練競賽轉向推理競賽，市場開始思考：下一代 AI 系統比拼的，是堆疊更多的 GPU，還是更低的 Token 成本？AI 晶片新創 Tensordyne 給出的答案，是後者：從「數學架構」重新設計 AI 運算。根據《Reuters》報導，這家公司宣布即將推出的推理系統 Tensordyne Napier（TDN）已吸引超過 2 億美元的預估需求，並有十多家企業表達測試意向。 宣稱速度比 NVIDIA GB300 快 4 倍、功耗僅五分之一 最能說明 Tensordyne 野心的，是它端出的對比數字。《IEEE Spectrum》報導，根據模擬結果，Tensordyne 的新晶片在推理的能源效率與延遲上，有機會大幅超越市場領導者 NVIDIA。該公司宣稱，其 72 顆晶片系統運行大型 LLM 的速度，是配備 72 顆晶片 NVIDIA GB300 系統的 4 倍，功耗卻僅五分之一。 成本端同樣是賣點。根據《IEEE Spectrum》，其一個由 4 個 pod 組成的機櫃在運行 2 兆參數的 LLM 時，可達到每位使用者每秒 1,300 個 token，成本為每百萬 token 11 […]

戰場即研發場！漢翔總經理莊秀美：無人機每兩個月技術翻轉，AI 正在改寫國防製造節奏

專訪：沈貝怡撰稿：李昀蔚 台灣擁有深厚製造業基礎，如今當 AI 從雲端與軟體世界走向真實物理場域，Physical AI 正成為台灣下一個必須把握的產業機會。然而，Physical AI 不只代表機器人，也包含無人載具、自主移動系統與智慧化設備，尤其近年無人機需求在戰場、國防、物流與巡檢等場景快速升溫，也讓台灣原本強大的製造能力、電子供應鏈與航太技術基礎，有機會重塑競爭力。 本集《全新一週》特別邀請漢翔航空工業總經理莊秀美，從航太產業轉型、無人機供應鏈、AI 智慧製造到資安標準等面向切入，逐步解析漢翔如何看待台灣在 Physical AI 時代的新角色。 從高價精密軍武到低成本無人載具，戰爭型態正在改變 莊秀美指出，近年國際衝突頻傳，讓外界清楚看見現代戰爭型態的轉變。「其實大家可以看到，俄烏戰爭、印巴戰爭，還有最近的美伊戰爭，其實現在的戰爭已經顛覆過去戰爭的形態，而且是一個不對稱作戰的概念，」莊秀美表示，過去戰爭多半都是靠精密、高價的軍武進行攻擊，但是最近看到的趨勢是，現在都趨向低成本、高消耗量的武器，例如無人載具已經變成未來的時代潮流。 這也改變航太產業一直以來的研發節奏。莊秀美舉例，過去研發一架教練機或戰鬥機，從設計、首飛、試飛到驗證，至少需要十年。不過現在，「無人機、無人載具這一塊，是快速的迭代，幾乎每兩個月技術就會翻轉，所以在速度方面其實是戰場即研發場，就是一邊作戰、一邊就研發、一邊成長，」莊秀美說。 在這波無人載具發展中，AI 扮演關鍵角色。AI 可廣泛應用在目標辨識、飛行控制等面向，甚至包含複雜的蜂群決策。莊秀美舉例，無人機如果是一個蜂群，群飛的時候，長機一旦被擊落，那本來每一架都有各自任務的僚機，誰來接下這些指令、如何重新分派任務，這些都必須要很快用 AI 做決策。這也代表，無人機不再只是單一硬體，而是結合感測、通訊、控制、演算法與決策系統的智慧載具。 除了 AI，衛星通訊也成為重要基礎設施。因為無論是通訊系統或無人機導控系統，都越來越依賴衛星，但戰爭也讓各國警覺，若關鍵基礎設施過度仰賴他國，一旦因政治因素中斷，就可能癱瘓作戰能力。因此，衛星通訊與無人載具的本土化、去紅供應鏈，已成為當前國防與產業安全的關鍵課題。 漢翔的第一個轉型：從傳統航太切入無人機與反制系統 過去外界對漢翔的印象，多來自國機國造、軍用航空，以及波音、空中巴士等民用航太的供應鏈角色。然而，在全球航太與國防需求變化下，漢翔正迎來新的轉型。「必須要轉型到無人機、無人機的反制系統，因為這一塊正在快速成長，」莊秀美表示，這兩個領域將成為漢翔下一階段的重要機會。 更重要的是，無人機相關技術未來也有望回饋到傳統國防與民用航空領域，因為不管是 AI 決策、感測技術、通訊控制，還是快速迭代的研發模式，都可能反向影響既有航太產品的設計與製造。對漢翔而言，無人機不僅是新產品線，更是推動整體航太能力升級的新引擎。 漢翔的第二個轉型：2016 年起導入 AI，奠定智慧製造基礎 除了產品轉型，漢翔內部也早已展開 AI 與智慧製造的升級。莊秀美回憶，漢翔在 2016 年開始，就體認到導入最新科技的重要性，因此便導入智慧化的機台、智慧生產、智慧管理，主要目的就是希望在生產的過程，能夠達到「預警、預測、預防」，把所有問題預先解決。 莊秀美分析，實踐轉型的第一步是讓機台數位化以取得數據；第二步是流程可視化，以看見生產狀態與瓶頸；第三步則是管理智能化，並導入數位雙生的概念，讓製造流程更即時、精準且可預測。 在實際導入 AI 應用的場景上，莊秀美以熱壓爐為例，說明漢翔大量使用先進複合材料，若升溫曲線或壓力控制不正確，整爐昂貴的零件都可能報廢。因此，漢翔導入感測器與 AI 監測，一旦升溫曲線異常便會立即警示，讓現場即時處置，避免重大損失。 另一個案例是機匣加工，漢翔透過鑑別式 AI 在鑽孔時同步檢測並補償誤差，確保孔位精準。此外，刀具壽命預測也能透過分析震動數據，判斷何時接近斷裂風險，兼顧品質與成本。這些案例皆說明，AI 透過數據讓高風險、高成本、高精度的製程變得更可控。 除了鑑別式 AI，漢翔也導入生成式 AI，打造內部平台「問問阿翔」，功能涵蓋會議輔助、智能報價與品質系統健診。莊秀美表示，航太產業文件與規範龐雜，過去若發現漏油這一類問題，工程師需查閱大量文件，現在透過生成式 AI，系統就能快速整理可能原因、檢查順序，並精準標註引用自哪份來源文件，大幅提升效率。 漢翔更將這些能力整合進 AIxWARE 平台，「如果說我們今天空有技術，沒有產品，其實是沒有用，大家沒辦法用得上，所以我們後來也把技術導入到 AIxWARE，去服務其他的產業界朋友，」莊秀美說。 全亞洲第一家通過 […]

1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 Wayfair 如何靠 AI 降低最後一哩路隱形浪費

在電商競爭日益激烈的環境下，物流效率已成為影響消費者體驗與企業成本的重要關鍵。北美家具電商巨頭 Wayfair 近年持續強化物流網路建設，積極將 AI 導入倉儲與配送流程。 透過電腦視覺（Computer Vision）、生成式 AI 與大語言模型（LLM）等技術，Wayfair 正試圖解決家具配送長期存在的尺寸誤差、包裝損壞與配送溝通等難題，進一步提升最後一哩路配送效率。 用智慧視覺精準分配車輛空間，終結空間資源浪費 大型家具物流最大的挑戰之一，在於商品尺寸資訊的準確性。當沙發、餐桌或大型櫥櫃等商品由供應商倉庫出貨時，若尺寸資料出現誤差，往往會導致配送車輛空間規劃失準。實際裝載時才發現貨物無法完全裝入車廂，不得不額外安排運輸資源，增加隱藏物流成本。 為了解決這項問題，Wayfair 導入了視覺隧道系統（Vision Tunnel System），針對新上架商品執行「首件檢查」（First Article Inspection）。當商品首次進入轉運中心時，系統會利用多組感測設備與攝影裝置快速擷取商品的真實尺寸，建立精確的體積資料。這些數據隨後被輸入物流演算法，預測商品在車輛中的空間占用情況以及裝載效率，協助配送系統更精準地安排車輛與路線規劃。透過將視覺辨識與物流演算法深度整合，Wayfair 得以降低因供應商資料不準確而造成的空間浪費，進一步提升整體配送網路的運作效率。 AI 破損檢測：不到 1 秒完成影像分析，出庫前攔截瑕疵 除了尺寸管理之外，Wayfair 也將同一套視覺基礎設施應用於包裹品質檢測。該公司開發名為「Tarragon」的電腦視覺系統，透過偵測模型自動識別包裝損壞情況，希望在商品離開倉庫之前便及早發現問題。 在 Wayfair 配送中心內，高速分揀設備配置了掃描隧道（Sorter Scan Tunnel），包裹通過時，多組線性攝影機會同步拍攝頂部、底部與側面等多個角度的高解析度灰階影像。系統必須在不到 1 秒內完成影像分析與判斷，一旦偵測到嚴重擠壓、破洞、撕裂等可能影響商品安全的包裝缺陷，就會立即向分揀設備發出指令，自動將包裹導向人工處理通道，交由工作人員重新包裝或修復。 LLM 自動聯繫客戶，將配送需求即時通知司機 在配送階段，Wayfair 則將 AI 大型語言模型應用於客戶溝通流程。過去大型家具送達前約 30 分鐘，配送司機或客服人員通常需要逐一撥打電話，確認客戶是否在家，並詢問是否有特殊配送需求。這項流程雖然重要，但高度仰賴人工執行，耗費大量時間與人力。 Wayfair 將司機作業流程、配送規範與客服腳本輸入大語言模型，搭配語音增強技術，建立自動化預配送聯繫系統。系統能主動與客戶進行語音互動，確認收貨狀況並蒐集配送資訊，例如大樓電梯是否故障、物品需放置於後院，或是否有其他進場限制等特殊需求。 這些資訊不會停留在客服系統內，而是直接轉換成 App 通知，即時推送給負責配送的司機。當配送人員抵達現場前，便已掌握完整資訊與客戶需求，能有效降低現場溝通成本與配送失敗風險。 Wayfair 物流運輸主管 Matthew Bennett 表示，司機對這項系統的接受度相當高，因為配送前已能確認客戶確實在家，且相關指示清楚完整，有助於提升執行信心。資訊透明化也降低了內部推動新技術時的阻力，加速自動化流程在組織內的落地應用。 對家具電商而言，最後一哩路向來是成本最高、變數最多的環節，而 Wayfair 的做法顯示，AI 的價值已不再侷限於推薦商品或客服聊天，而是深入實體物流現場，成為提升配送效率與客戶體驗的重要基礎設施。 【推薦閱讀】 […]

【維運工程師被 AI 取代？】最新測試：最先進 AI 模型的故障分析能力仍不及人類專家

Datadog 推出 ARFBench 讓 AI 模型針對實際的服務中斷事件進行故障研究、原因推理，結果發現，即便是最優秀、最先進的人工智慧模型，仍無法勝過人類工程師。

四隻手、沒有腿，Helios 四臂機器人如何做到為太空站而生？

當大多數機器人公司在比拚誰的人形機器人走得更穩、跑得更快時，瑞士蘇黎世新創 Orbit Robotics 推出的 Helios 走了一條完全不同的路：Helios 有四條手臂、沒有任何雙腿，靠著這副在地球上看起來奇特的身形，在太空站裡替太空人分擔重複、耗時又昂貴的例行工作。 「為環境量身打造機器人的身體」，從這個前提出發，Orbit Robotics 做出了一款與市面上絕大多數機器人截然不同的產品。 四條手臂，移動與作業同時進行 在太空這種微重力環境裡，腿幾乎毫無用處。人類行走、站立、維持平衡這些在地球上的核心能力，在這裡全數失效。Orbit Robotics 因此把雙腿換成兩條額外的手臂，讓 Helios 的四肢同時兼具「移動」與「作業」兩種功能。 運作邏輯是，兩條手臂負責把機器人固定在太空站內壁，另外兩條手臂處理貨物、工具或設備。這讓 Helios 能夠一邊穩定自身、一邊作業，這正是傳統雙臂人形機器人在零重力下做不到的事。雙臂機器人若想抓取物件，往往連自身都難以穩住。 傳動結構上，Helios 採用肌腱驅動（tendon-driven），而不是在每個關節塞進笨重的馬達。馬達集中安置在接近肩膀的位置，再透過纜線與線軸把力量傳遞到各個關節，讓手臂更輕巧，同時保有在太空站作業所需的活動範圍。 更關鍵的細節藏在肘關節。Helios 使用滾動接觸式肘關節（rolling-contact elbow joint），讓動作更平滑、更受控。在微重力中，任何突然或不均勻的動作，都可能讓機器人本身或它手中的物件失去穩定，這個看起來平凡的關節設計，反而是整套系統最重要的工程決策之一。 從固定方式、傳動結構到關節形態，Helios 沒有一處沿用地球機器人的設計邏輯，而是從「微重力會帶來什麼約束」這個問題出發，一路倒推而來。 太空後勤的成本，讓機器人的商業邏輯更清晰 在國際太空站上，維護工作大約佔去組員 35% 的時間，單單一次貨物卸載週期就可能耗費將近 50 小時。以每位太空人每小時約 14 萬美元的成本計算，這些例行後勤工作的代價貴得離譜。 更關鍵的是，卸貨、分類補給、清點庫存、搬運設備、執行基礎維護，這些任務根本不需要人類的判斷力。它們需要的，是在狹窄通道間移動、在沒有重力的情況下穩住身形、以及精準操作物件的能力，而這正是 Helios 被設計來做的事。 這個市場還會隨著發射成本下降持續擴大。SpaceX 的 Starship 計畫志在大幅提升送往軌道的貨物與人員規模；一旦成本如預期般下降，太空站與軌道棲地的數量就會增加，每一座都需要維護、後勤與貨物處理。 Orbit Robotics 目前尚未公布定價、量產時程或募資狀況。這家公司位於蘇黎世，與慕尼黑並列為歐洲最強的機器人工程重鎮之一。Helios 能否真正進入軌道，取決於它能否與航太機構或 Axiom Space 這類商業太空站營運商建立合作。 從環境約束倒推形態，機器人設計的第三條路 Helios 的出現，代表了機器人設計的第三條路。產業的一端是 1X、Tesla Optimus 這類圍繞地球行走能力打造的人形機器人，另一端是各式輪型載具，而 […]

【科技早餐】鴻海搶 AI 資料中心，字節跳動去 NVIDIA、Google 分散 TPU 供應鏈

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊鴻海聯手施耐德搶 AI 資料中心，基建戰從機櫃燒到電力冷卻 施耐德電機（Schneider Electric）與鴻海（Foxconn）宣布展開策略合作，雙方將共同開發並擴大次世代 AI 資料中心基礎設施。這項合作將結合鴻海在製造與 AI 系統方面的能力，以及施耐德電機在電力、冷卻與能源管理的專長，目標是提供可部署的 AI 資料中心解決方案，相關生產預計今年稍晚展開。 這項合作顯示，AI 基建競爭已經不只停留在伺服器與機櫃，而是擴大到整座資料中心的電力、散熱、能源管理與部署速度。對台灣供應鏈來說，AI 資料中心不只需要晶片，也需要能把系統、電力與冷卻整合起來的能力。鴻海近年積極切入 AI 伺服器與資料中心相關業務，這次與施耐德合作，也讓台灣製造供應鏈進一步接上全球 AI 基礎建設需求。 ＊字節跳動傳洽購 5 萬片國產 AI 晶片，中國推論算力加速去 NVIDIA 《路透》報導，TikTok 母公司字節跳動（ByteDance）正與上海 AI 晶片新創天數智芯（Iluvatar CoreX）洽談採購 AI 晶片，也同時評估採購百度旗下崑崙芯。知情人士透露，天數智芯今年可能向字節跳動交付至少 5 萬片晶片，多數將用於推論工作，支援字節跳動旗下 AI 聊天機器人豆包。 推論是模型回應使用者查詢的運算，相較於訓練大型模型，不一定需要最高階晶片，也讓中國本土 AI 晶片有更多切入機會。報導也提到，中國本土 GPU 與 AI 晶片業者在中國 AI 加速伺服器市場的占比已接近 41%。如果交易完成，天數智芯將成為字節跳動繼華為與寒武紀之後，第三家中國本土 AI 晶片供應商，也意味著在美國出口管制下，中國 AI 算力需求轉向本土供應鏈的趨勢正在升溫。 ＊Google 分散 TPU […]

美國 AI 科系五年暴增 15 倍，但這張新文憑值多少錢仍是未知數

生成式 AI 熱潮不只改變企業投資方向，也正在重塑美國高等教育版圖。根據《紐約時報》報導，2021 年全美僅有 5 所大學設立 AI 主修科系，如今（2026 年）已增加到至少 74 個主修與 89 個輔修課程。從北達科他州到康乃狄克州，各地大學紛紛投入 AI 學位競賽，希望在招生市場與產業轉型浪潮中維持競爭力。 然而，當越來越多學校將 AI 納入科系名稱，一個更根本的問題也逐漸浮現：這張新文憑究竟值多少錢？目前恐怕還沒有人能給出答案。 從 5 個到 74 個，美國大學掀起 AI 科系競賽 過去幾十年來，電腦科學一直是科技人才培育的核心學科之一，但隨著 ChatGPT 掀起生成式 AI 熱潮，大學也開始重新思考該如何培養下一代人才。《紐約時報》指出，除了已開設 AI 學位的學校外，至少還有十多所大學正準備推出相關科系。許多學校認為，如果無法及時跟上 AI 趨勢，不僅可能失去學生，也可能被外界視為落後於時代。 北達科他大學工程學院院長 Ryan Adams 就表示：「如果外界認為我們不在這場遊戲裡，要再讓大家記得我們就會變得非常困難。」這種焦慮不是個案，根據報導，許多大學管理者都將 AI 視為未來人才市場的重要方向，希望透過新科系展現學校的前瞻性與產業連結能力。 同樣教 AI，教的內容可能完全不同 不過，AI 科系快速增加的同時，也引發外界對教育品質與課程內容的關注。《紐約時報》指出，許多 AI 科系與傳統電腦科學課程高度重疊，有些甚至只增加少數幾門新課程。部分學校強調機器學習理論與模型開發能力，另一些則聚焦於 AI 工具應用與跨領域實作。 一篇發表於 arXiv 的研究進一步分析美國 66 個 AI 學位課程後發現，不同學校之間存在顯著差異。有些科系要求修習大量 […]

機器人產業正在等待「Windows 時刻」：Edge AI 軟體平台如何把碎片化開發變成標準化部署？

在 Windows 出現以前，電腦多半是工程師與電腦科學家才能真正操作的專業工具，使用者必須學習命令列介面、複雜的硬體協定，甚至從頭開始編寫軟體。然而，在 Windows 誕生後，透過直觀的使用者介面、內建應用程式與隨插即用（plug-and-play）的硬體能力，把複雜的操作變得容易上手，成功讓個人電腦從工程工具，變成人人皆可使用的裝置。 位於美國西雅圖的 Edge AI 與機器人技術公司 Numurus，透過軟體平台、硬體整合與工程服務，協助企業加速機器人、智慧感測器與 AI 應用的開發流程，目標是把原本可能耗時數年的開發週期縮短到數個月。 Numurus 執行長 Jason Seawall 近日在《The Robot Report》撰文指出，類似的轉變正在機器人產業發生，Edge AI 正準備讓機器人從少數專家才能操作的系統，走向被廣泛使用的型態。一旦 Edge AI 的操作門檻降低，客群將從原本資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育計畫與跨領域研究人員，並讓團隊能將第一版產品的出貨時間從一年縮短至幾週。  硬體已經到位，但「軟體複雜度」成為最大瓶頸 Jason Seawall 指出，來自 NVIDIA、AMD、Qualcomm 與 Hailo 等公司的 Edge AI 處理器，已讓機器人能在本地端執行 AI 模型、快速分析感測器資料，並做出毫秒級決策，且這些晶片已具備足夠的運算速度、較低成本與更高能源效率，得以運行真正的 AI 工作負載，使得硬體技術跨越實用的轉折點。然而，這類 Edge AI 系統的極高複雜度，仍將部署門檻侷限在經驗豐富的工程師手中。  與個人電腦不同，機器人需要介接的是相機、雷射、GPS 與馬達，機器人也需要能連結即時感測器數據與 AI 模型的控制軟體，而不是一般的文書處理程式。這項對軟體層的迫切需求，在 BlackBerry QNX 發布的《Inside the Robot: […]

當 AI 把專業知識商品化，企業的差異化優勢剩什麼？Nadella 說答案在「學習迴圈」

當市場焦點仍集中在模型能力的競賽時，微軟執行長 Satya Nadella 卻提出不同觀點：真正決定企業競爭力的，未必是模型本身，而是圍繞模型建立而起的生態系。在其最新長文〈A frontier without an ecosystem is not stable〉中，他嘗試重新定義 AI 時代的企業角色，並提出「前沿生態系（Frontier Ecosystem）」概念。 這次平台轉移不一樣 Nadella 在文中強調，這次的轉變和過去任何一次數位轉型的平台轉移都不同。他表示，過去我們用數位系統來「增強」人力資本，而現在是第一次，人們能在人與數位系統之間，創造一個真正的「認知迴圈（cognitive loop）」，從根本上改變人們如何在企業內部理解「工作」這件事。 他指出，真正的關鍵，不在於某個數位工具或系統如何被使用，而在於組織如何在一個 AI 模型能持續吸收人類與組織累積的專業知識，並逐步將這些能力標準化與商品化的世界裡，繼續學習、建立智慧財產、做出差異化並繼續壯大。換句話說，當模型逐漸把專業知識商品化，企業如何守住自己的差異化優勢，成了核心命題。 人力資本與 Token 資本 Nadella 為此提出一組概念：每家公司都得同時建立「人力資本（Human Capital）」與「Token 資本（Token Capital）」。人力資本指的是員工的知識、判斷、關係、創造力與模式辨識能力；Token 資本則是組織自行打造並擁有的 AI 能力。 值得注意的是 Nadella 的看法：人力資本不會因 Token 資本成長而貶值，反而會變得更有價值。他認為，人類的能動性將是 Token 資本成長的驅動力：是人類設定雄心勃勃的目標、跨領域連結、建立關係、辨識出最重要的模式；「沒有人類的指引，運算只會原地打轉」。 因此他主張，真正的機會不在於挑選最好的模型，而在於在模型之上建立一個「學習迴圈」，讓人力資本與 Token 資本彼此複利成長。他寫下一句關鍵的話：你可以外包一項任務、甚至一份工作，但你永遠無法外包你的「學習」。 學習迴圈，或他口中的「爬山機器」 這個學習迴圈，Nadella 稱之為「爬山機器（hill-climbing machine）」。在《Stratechery》的日前訪談中，他向主持人 Ben Thompson 解釋，爬山機器會根據目標不斷嘗試、評估、修正，再重新嘗試，透過一次又一次的迭代，逐步逼近更好的結果。他認為這是描述「學習」最貼切的比喻。 具體來說該如何建造？Nadella 指出，企業要把工作流程、領域知識與累積的判斷，轉化為「每次使用都會進步」的 AI 系統。其中包含三塊： 私有評測（private evals），用來衡量模型是否真的在對企業重要的成果上進步，而非只是外部基準；私有的強化學習環境（private […]

Anthropic 被迫關閉 Fable 5、Mythos 5：美國經濟學家 Tyler Cowen 警告，全球可能轉向中國 AI

近日，Anthropic 的 Fable 5 與 Mythos 5 模型，因為美國政府的出口管制要求而被迫暫停存取。這項舉動不僅讓前沿 AI 模型首次被正式放進「國安風險」與「出口限制」的討論框架中，更引發全球科技界的擔憂。這項管制更創下首例，因為美國政府將過去用來管制武器與先進晶片的「出口管制法」，史無前例地用在一個已廣泛被公眾使用的商業軟體產品。  美國經濟學家 Tyler Cowen 在《The Free Press》撰文指出，美國政府已跨過一條危險紅線：將單一 AI 模型視為重大威脅，進而出手限制使用。Tyler Cowen 也認為，真正的問題不在於 Anthropic 與美國政府誰的說法正確，而是人們已經開始在工作上依賴 Fable 5，卻突然面臨服務被強制切斷的窘境。 Amazon 示警引爆管制，Anthropic 被迫緊急關閉模型 這場風暴的導火線來自合作夥伴的示警。據《The Information》與《華爾街日報》報導，Amazon 研究人員透過一系列提示詞（prompts），成功讓 Mythos 級模型提供原本應受限制的網路攻擊相關資訊。隨後，Amazon 執行長 Andy Jassy 親自向川普政府高層表達對 Anthropic 最先進模型安全風險的疑慮，進而引發白宮的強烈擔憂。由於 Amazon 既是 Anthropic 的大股東，也是其雲端與晶片基礎設施的重要供應商，這層緊密的商業身分讓 Amazon 的警告在華府極具份量。  為了因應潛在的國安威脅，美國商務部隨後下達指令，禁止將 Fable 5 與 Mythos 5 模型提供給外國國民，包含身處美國境內的外籍人士。《Fortune》引述知情人士指出，Anthropic 僅被給予約 90 分鐘的時間撤下最新模型，且事前並未收到明確的國安威脅通知。 為了遵守這項涵蓋範圍極廣的出口規定，Anthropic […]

【從賣時間到賣成果】麥肯錫薪酬結構調整，AI 推動知識型服務業的商業模式重寫

麥肯錫正在調整合夥人的薪酬結構，把更多比例轉為股權，同時保留更多現金。這個看起來像是內部財務安排的決定，背後其實指向整個專業服務業共同面對的處境，因為客戶越來越不願意按工時付費，而 AI 正在加速這個轉變。 工時計費的失效，從麥肯錫開始顯現 麥肯錫面臨的壓力是，客戶要求將顧問費與實際交付的成果掛鉤，例如降低成本、提升利潤或增加市場占有率，而不是按照顧問花了多少時間提供建議來計費。 麥肯錫英國、愛爾蘭與以色列區域管理合夥人 Michael Birshan，在 2025 年 11 月就說過，「我們正在與客戶建立更多績效導向的合作安排」，過去是「這是專案範疇，費用是多少」，現在是「這是我們想達到的成果，費用將主要取決於你能否達成。」 目前麥肯錫全球約四分之一的費用，已採用這套成果導向定價模式。麥肯錫全球科技與 AI 領導人 Kate Smaje 指出，成果計費並非因 AI 而起，而是過去幾年麥肯錫承接越來越來多年期、跨部門轉型專案後自然演進的結果，只是 AI 轉型工作的性質讓這套模式更加契合。 成果的衡量方式也有了具體標準。Smaje 說明，成功通常以計分卡評量，包含投資人目標、在特定時間內達成的營收或利潤目標、營運指標與客戶滿意度，她說，「你的董事會計分卡就是我們的計分卡，當這場轉型成功，我們才算成功，所以讓我們共享成果。」 而且這個轉變背後有一個讓顧問業難以反駁的邏輯，如果顧問自己就在用 AI 做資料分析與診斷，為什麼客戶要按照「沒有 AI 時需要的工時」付費？AI 提升了效率，但這份紅利過去幾乎完全留在顧問公司手中，客戶現在開始要求分享。 然而成果導向計費，讓麥肯錫的營收結構面臨不確定性，這正是它需要調整薪酬結構、把更大比例轉為股權並保留更多現金的原因。 AI 服務業已率先採用任務型計費 事實上，在麥肯錫還在調整適應的同時，AI 服務業者已率先建立了一套成熟的任務型計費模式，並在客戶端形成了新的參照標準。 Intercom 旗下 AI 客服代理 Fin，以每解決一件客戶案例收取 0.99 美元計費；身分驗證服務商 iDenfy 每次驗證收取 1 英鎊；Salesforce 讓客戶按任務付費，並允許預先大量購買點數，讓雙方都能預估預算。這套模式的邏輯是，客戶付的是問題解決的結果，不是解決問題所花的時間。 當客戶開始習慣這種計費方式，他們自然會拿來與傳統顧問的工時計費對比。這就是麥肯錫面對的外部壓力來源之一。 成果計費不是新概念，但普及速度正在加快 麥肯錫當然不是唯一一個被迫重新思考計費邏輯的行業，EY 全球成長與創新管理合夥人 Raj Sharma 在 2025 […]

時隔 14 年再度開放申請：「品牌頂級域名」正影響企業資安、客戶信任與網路行銷

資安領域近年來正嘗試一種全新的解決方案，那就是透過「品牌頂級域名（Brand TLD）」的方式，提高企業網站的辨識度以達成雙贏。

限時折扣不管用了？《哈佛商業評論》揭 AI 購物代理的決策邏輯

如今，越來越多消費者開始透過 ChatGPT、Google AI 以及各類智慧助理尋找商品、比較規格甚至直接完成購買，企業面對的顧客已不再只有人類；這意味著企業未來除了要說服消費者，也必須學會如何與 AI 代理溝通。 AI 不再照單全收：傳統促銷訊號效果開始分化 然而，長期以來建立在消費心理學基礎上的行銷手法，對 AI 代理未必有效。根據《哈佛商業評論》最新研究，許多電商常見的促銷設計，例如限時倒數、庫存稀缺提醒、原價與折扣價對比，以及組合銷售等策略，原本是利用人類的錯失恐懼（FOMO）、價格錨定效應與稀缺性偏誤來刺激購買意願，但在 AI 代理身上卻難以產生穩定效果，有些情況甚至會出現與人類完全相反的反應。研究人員指出，儘管這些標籤確實會左右 AI 代理的判斷，但其背後的決策機制與人類的衝動或偏誤心理完全不同。 在所有測試項目中，只有商品評分與價格展現出穩定且一致的效果。高評分商品在所有模型中都獲得更高的選擇率，而價格越高則越容易被排除。這項結果與人類消費行為高度一致，也代表即使 AI 代理逐漸成為購物決策的重要參與者，價格與產品評價仍是影響推薦結果的重要因素。 進階模型的「行銷防禦機制」，過度說服引發反噬 另一項值得注意的研究發現是，不同 AI 模型應被視為獨立的市場區隔。該研究顯示，Gemini 2.5 Flash Lite 與 GPT-4.1-mini 等非推理模型對促銷訊息較為敏感，較容易受到優惠券、折扣標籤或社會認同訊號影響；相較之下，GPT-5 與 Gemini 2.5 Pro 等推理能力較強的模型則展現出截然不同的反應模式。 研究團隊發現，先進模型並非單純忽略促銷資訊，而是可能將過度強調折扣、稀缺性或急迫感的訊息視為負面訊號。在部分測試情境中，GPT-5 對「僅剩兩件」等庫存緊缺提示呈現負面反應，而 Gemini 2.5 Pro 面對大幅折扣時，說服效果反而逐漸下降。研究人員認為，這些模型可能將強烈的促銷訊號解讀為產品品質不足或商家刻意操弄消費決策的跡象，因此降低推薦意願。 部署動態試驗場，迎戰高頻率模型改版 隨著 AI 代理逐漸參與商品搜尋與購買流程，企業也需要重新理解消費者需求的形成方式。AI 代理的選擇邏輯很大程度受到使用者提示詞（Prompt）影響。例如「尋找 100 英鎊以下評價最高的耳機」與「找到明天能送達的最便宜耳機」會讓同一個 AI 模型產生完全不同的商品排序結果。未來企業除了研究消費者本身，也需要深入分析消費者如何向 AI 描述需求，才能提高產品被推薦的機會。 《哈佛商業評論》認為，企業最重要的工作並非尋找一套固定的 AI 優化公式，而是建立持續測試與監測的能力。由於大型語言模型會持續更新，每一次模型升級、微調或安全對齊都可能改變其判斷標準，今天有效的促銷策略未來可能失效，甚至帶來反效果。 因此，企業應建立專屬的 AI […]

【333 Robots Community Meetup】交大資工系副教授陳奕廷拆解 Physical AI 開發迷思，讓機器人回到真實需求

目前台灣正面臨高齡化與缺工的嚴峻挑戰，產業界迫切尋求科技解方，使得「實體 AI（Physical AI）」迅速成為熱門焦點。然而，當 AI 快速走向實體世界，開發者是否也陷入「為了 AI 而 AI」的技術焦慮？ 在五月舉行的「333 Robots Community Meetup」系列活動中，特別邀請到國立陽明交通大學資工系副教授陳奕廷。他也在演講中直指當前的產業盲點，呼籲開發者比起跟上「AI 加機器人」的潮流，更重要的是必須秉持「用真實世界的需求驅動 Physical AI 落地」的核心理念。 立即報名在 6 月 17 日 19:00 舉行的「333 Robots Community Meetup」，與來自陽明交大人本智慧系統實驗室（HCIS Lab）、 Taiwan Robotics Community、台灣夏普的講者，一同探討最新實體 AI 技術趨勢。 立即報名 打破「AI + 人形機器人」迷思，看見跨領域開發的系統性盲點 隨著生成式 AI 的爆發，陳奕廷表示，許多人會直覺地將 Physical AI 想像為「會自己泡咖啡的人形機器人」，或單純的「AI 加上機器人」，但他想先破除這個迷思。陳奕廷指出，Physical AI 並非新名詞，而是「運用 AI 技術，使系統透過感測器觀察、推理分析，並透過致動器在實體世界中採取行動」的一種型態。事實上，這種「感知、推理、行動」的架構，早在 1960 年代史丹佛研究院的 Shakey 機器人專案中就已具備雛形。 然而，當前的開發困境在於，不同領域的專家在投入 Physical AI 時，容易因視角錯位而陷入「各說各話」的盲點。陳奕廷觀察，從機械工程視角出發的開發者，傾向先開出「高功率輸出、安全性、多指靈巧度」等硬體規格，接著才思考能應用在哪裡；從資訊科學視角切入的開發者，則習慣不預設機器人長相，專注於收集海量數據、微調基礎模型，試圖打造出能聽懂一句指令就執行各種任務的通用型機器人。這種從單一視角出發的現象，容易讓開發者變成「拿著鐵鎚找釘子」的人，反而忽略跨領域整合與系統工程的真諦。 […]

【科技早餐】SpaceX 點燃 AI IPO 信心，NVIDIA 基建與 Anthropic 管制同步升溫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SpaceX 市值衝破 2 兆美元，AI IPO 信心同步受檢驗 美國太空公司 SpaceX 6 月 12 日正式掛牌上市，成為近年科技市場最受關注的公開募資案之一。《路透》報導，SpaceX 這次 IPO 募資規模達 750 億美元，被視為全球史上最大規模 IPO；掛牌後，SpaceX 市值衝破 2 兆美元，也讓市場重新檢驗投資人對高估值科技資產的承接能力。 SpaceX 的上市不只是太空產業事件，也牽動整體科技股情緒。Anthropic 和 OpenAI 近期都已遞交 Confidential IPO 文件，雖然上市時間仍未確定，但市場已把它們視為下一波 AI IPO 的觀察重點。SpaceX 後續股價表現，也將成為資本市場能否繼續承接高成長科技敘事的重要參考。 ＊NVIDIA、KKR、Vistra 推 Helix，AI 基建戰燒到電力 NVIDIA 與投資公司 KKR、科威特投資局（Kuwait Investment Authority），以及電力業者 Vistra 合作成立新公司 Helix Digital Infrastructure，承諾投資金額超過 100 億美元。Helix 將替超大規模雲端業者提供 AI 基礎設施服務，整合資料中心、電力、連線能力與其他相關需求。 […]

【AI 吞噬世界】AI 是繼網路、智慧型手機後的新一輪底層洗牌，你的護城河還在嗎？

知名分析師 Benedict Evans 於 2026 年 5 月發布了《AI 吞噬世界》（AI eats the world）報告，探討企業導入 AI 時面臨的實務難題：為何投入預算後，產出與營收未見等比例成長。報告指出，問題的核心在於企業現有的營運體制尚未與新技術對接。 以下摘要梳理報告重點，涵蓋三個面向： 📎 這份報告適合誰閱讀？ 適合企業內部負責戰略規劃、資源分配，以及推動數位轉型的核心管理層與專業工作者閱讀，包括： 🔴 報告洞見 AI 是繼網路、智慧型手機後的新一輪底層洗牌 科技產業的發展軌跡從來不是平穩向上的直線，而是由一系列顛覆性的「平台轉移」所驅動。每隔 10 到 15 年，我們就會見證一次底層架構的洗牌：從大型主機、個人電腦、網際網路、智慧型手機，如今來到了生成式 AI 的時代。 許多企業領導者依然習慣將 AI 視為單純的軟體升級，或是另一種優化效率的 IT 工具，但這種觀點極其危險。 歷史一再證明，在平台轉移的初期，外部企業往往只看見「新工具」，卻忽略了它可能帶來的生存威脅與價值捕獲機制的重新分配。而這場由 AI 帶動的變革，正以前所未見的資本規模與極端的不確定性，強勢解構我們熟知的商業模式。 💡 7,000 億美元砸向算力，但模型正走向大宗商品化 要看懂這場變革的真實量級，我們必須先跟隨資本的流向。目前，全球科技巨頭正陷入一場史無前例的算力軍備競賽；正如 Alphabet 執行長 Sundar Pichai 所言：「投資不足的風險，遠遠大於過度投資的風險」，這句話完美註解當前瘋狂的資本支出週期。 微軟、Alphabet、AWS 與 Meta 這四大雲端巨頭，在 2026 年的預估資本支出加總高達驚人的 7,000 億美元，為了讓這個數字具備體感，我們可以對比全球電信業同期的資本支出，僅約 3,000 億美元，而全球石油與天然氣產業則約為 […]

台灣 AI 動能指數居亞洲之冠，但鄧白氏點出最大挑戰：資料與系統整合

台灣企業的 AI 動能，正以亞洲最快的速度往前衝，但是卻卡在最基礎的數據問題。美商鄧白氏（Dun & Bradstreet）今（6/12）發布《企業 AI 動能指數》最新調查，台灣本季拿下 72 分，不僅較上一季的 53 分大幅躍升，拿下亞洲最高分，更成為帶動全球總分成長的主要力量。 但同一份成績單藏著一個反差：在構成指數的八個維度裡，台灣的「AI 投資」拿下 87 分，高於本次調查公布的所有全球維度分數。技術架構卻是台灣分數明顯偏低的一環，ROI 雖從 42 分升至 63 分，但距離全面落地仍有一段路。換句話說，投資的錢已經大舉進場，系統還接不起來，回報才剛開始進帳。 2026 年提問變了：從「有沒有用 AI」到「AI 有沒有賺回來」 《企業 AI 動能指數》是鄧白氏的季度調查，訪問來自 32 個經濟體、合計占全球 GDP 約七成的 1 萬名企業高階決策者；台灣樣本則涵蓋 17 個產業、超過 300 家企業的高階主管。鄧白氏全球業務營運與轉型執行副總裁暨台灣董事總經理鮑文安（Julian Prower）指出，2025 年多數企業還在放手進行 AI 試點，2026 年的命題已經轉變成如何把先前的試驗大規模拓展、讓投資真正取得報酬，產業的討論風向也從「有沒有在用 AI」轉向「AI 是否能帶來 ROI」。 樂觀情緒與實際就緒度之間，存在明顯落差。鮑文安表示，調查中約三成高階主管自評資料準備「大致就緒」，但若放到信用評估、合規決策這類容錯率極低的場景檢視，「『大致就緒』還是遠遠不夠的」。 而這個落差的根源，鮑文安直指：「這並不是單純的技術問題，而是一個基礎資料問題。」企業真正該檢視的，是決策所依賴的資料是否可信、可驗證、具備良好品質，最終能否產出可預測且可靠的結果。根據該調查，台灣及全球企業在 AI 應用中面臨的主要挑戰包括：資料可取得性與存取、資料隱私與合規，以及資料品質與完整性。 台灣 AI 投資意願高，弱項在資料與系統整合 回到台灣的成績單。鄧白氏台灣數據長呂苑玲拆解八個維度（AI 投資、AI 價值、企業數據就緒程度、AI […]

企業正在付錢養出自己的競爭對手？從 Claude Code 到 Claude Design，Anthropic 正在進攻客戶核心業務

Anthropic 是許多企業用來打造 AI 應用的重要模型供應商。然而，近日《The Information》揭露一個令企業不安的趨勢：Anthropic 正利用其領先的底層技術，積極跨足應用層並銷售自家的產品。 在這樣的背景下，越來越多企業開始意識到，他們仰賴的 AI 供應商可能正準備搶走飯碗，讓企業面臨「付錢養出自己競爭對手」的窘境，並對這種身兼「基礎設施提供者」與「直接競爭者」的雙重角色感到恐懼。 Anthropic 與 Figma、Canva 從合作夥伴變成競爭對手 這個矛盾在今年 4 月 Anthropic 發布 AI 設計與軟體工具 Claude Design 時徹底引爆。起初，Anthropic 邀請長期客戶 Figma 與 Canva 作為發布合作夥伴，雙方也將此視為一次展現產品互補性的絕佳機會。據參與討論的人士透露，Anthropic 一開始承諾新工具僅會延伸 Claude 既有的網站或 App 預覽能力，不會讓使用者進行可能與設計工具直接競爭的進階協作或編輯功能。 然而，在發布前夕，Anthropic 卻突然揭露 Claude Design 實際包含協作與編輯功能，使該產品直接挑戰 Figma 與 Canva 的核心業務。這項突如其來的改變，導致 Anthropic 與 Figma 雙方關係破裂，Figma 在發布前幾天緊急退出合作討論，Anthropic 產品長 Mike Krieger 也於同一時間離開 Figma 董事會。 事後，Figma 執行長 […]

麗臺於 COMPUTEX 2026 推出終極 AI 工作站，打造高彈性 AI 解決方案

麗臺科技（Leadtek）將於 COMPUTEX 2026 展出「終極桌邊 AI 超級電腦」（Ultimate Deskside AI Supercomputer），主打將資料中心等級的運算能力導入辦公環境，讓用戶可在本地端快速開發、微調與執行大型 AI 模型，並支援 AI 代理長時間穩定運作。 此次亮相的 Deskside AI Supercomputer，搭載 NVIDIA GB300 Grace Blackwell Ultra 桌上型電腦超級晶片，擁有高達 748 GB 的一致性記憶體、NVIDIA ConnectX-8 SuperNIC 網路，以及最高 20 PFLOPS 的 FP4 AI 運算效能。散熱方面，採用封閉式液冷散熱設計，支援高強度連續運算。除可運行大型 AI Agent 與 Physical AI 模擬應用外，更具備可彈性配置 1 張 NVIDIA RTX PRO GPU 與 GB300 協同運作的擴充性，可於本地端執行推論任務，同時保有彈性擴展至資料中心或雲端環境的能力。 NVIDIA 認證系統滿足多樣化配置 麗臺同步展示從桌上型系統到資料中心的完整產品布局，涵蓋 NVIDIA DGX […]

解鎖 AWS 國際雙認證，新北青年局「AI 實戰職涯營」助攻媒合熱門科技職缺

新北市政府青年局「2026 AI Practitioner Program（AI 實戰職涯營）」即日起開放報名！今年活動全面升級，由市府全額補助市值達 6.6 萬元課程，以 3 個月 AI 人才密集培訓為核心，導入 Amazon Web Services（AWS）技術專家培訓，協助 21 歲至 30 歲青年考取 2 張 AWS 國際認證，並解鎖 AWS 企業參訪，結訓後更有機會獲得雲端服務領導品牌「伊雲谷數位科技股份有限公司」熱門職缺優先推薦，協助青年迎戰 AI 浪潮、接軌職場。 新北市青年局長邱兆梅表示，AI 已成為各行各業重要的關鍵能力，因此青年局持續投入資源推動 AI 人才培育，希望培養能運用 AI 工具解決問題、創造價值的跨領域人才。本次「AI 實戰職涯營」全面升級，以更貼近職場需求做規劃，特別擴大招募名額、升級課程內容、增加人才媒合機制等，期望透過完整的系列課程，幫助青年掌握 AI 技能、提升職場競爭力。 新北市青年局表示，今年採「國際雙認證、商業實戰、企業見習、職缺媒合」打造系列課程，學員名額提升至 25 名。從今年 8 月至 10 月進行為期 3 個月的密集訓練，由 AWS 授權講師授課，並開設考前衝刺班，協助學員考取「AWS AI Practitioner」與「AWS Cloud Practitioner」國際雙認證；同時，也將帶領學員至 AWS 企業參訪，近距離接觸全球雲端產業實務，結訓後更享有「伊雲谷數位科技股份有限公司」30 個熱門職缺，包含「AI Solution Architect」、「解決方案架構師」與「雲端工程師」的優先推薦，全力協助青年從學習、考證到順利銜接就業。 […]

貝佐斯反駁 AI 失業潮：Prometheus 要用「通用人工智慧工程師」賦能工程師，讓發明更簡單快速

亞馬遜創辦人貝佐斯（Jeff Bezos）自 2021 年卸下執行長後，再度親自出任 CEO，與 Google 生命科學部門 Verily 前共同創辦人 Vik Bajaj 共同領導 AI 新創 Prometheus。 Prometheus 近日宣布完成 120 億美元的第二輪募資，使估值一舉達到 410 億美元。Prometheus 的野心極大，他們並不是要打造 AI 聊天機器人或實體機器人，而是將目光鎖定在真實的物理世界，致力於開發能服務物理世界的「人工智慧通用工程師（artificial general engineer）」。 什麼是「通用人工智慧工程師」？ Prometheus 將自身定位為「物理 AI」新創，試圖將 AI 的應用範疇從純粹的文字生成與軟體開發，推向複雜的實體工程及製造業場域。 「通用人工智慧工程師」是一款能自動化複雜實體系統設計與製造流程的 AI 軟體，貝佐斯在接受《CNBC》專訪時，將其形容為一種非常現代化的電腦輔助設計（CAD）系統。貝佐斯澄清，Prometheus 並非一家機器人公司，「我們正在打造的工具，將讓工程師在設計實體物件時變得容易許多」。 Prometheus 共同執行長 Vik Bajaj 向《WSJ》進一步解釋，這個系統的應用範圍涵蓋噴射引擎到藥物化合物的設計，目標是貫穿整個工程流程，從產品設計、效能預測到實際製造都能提供協助。「我們正試圖端到端地解決這個問題，」Vik Bajaj 說。貝佐斯也提到，他所創辦的太空公司藍色起源（Blue Origin）就是能夠從 Prometheus 的工具中大幅受惠的完美範例。  算力與真實世界資料的高門檻 然而，要實現這項目標，需要極為龐大的資源。這次募資除了貝佐斯本人外，也吸引摩根大通（JPMorgan Chase）、高盛（Goldman Sachs）與貝萊德（BlackRock）等重量級投資者參與。 針對這筆龐大資金的用途，貝佐斯向《CNBC》透露，絕大部分將用於取得算力。他解釋：「這是我們募資用途中的一大部分，我們必須籌集大量資金的原因在於，我們正在做的事情非常需要運算資源，需要去創造那些資料。」貝佐斯也表示，Prometheus 很可能成為 AWS 雲端運算服務的客戶，但兩家公司將保持獨立。 目前 […]

史上最大 IPO 背後：SpaceX 如何把太空定調成 AI 時代的新基礎設施？

馬斯克（Elon Musk）的火箭公司 SpaceX 完成了一場改寫紀錄的首次公開發行（IPO）。但比起 IPO 的規模，更值得關注的，是市場究竟在為什麼買單。一家去年才剛由盈轉虧的公司，如何說服投資人給出近百倍的市銷率，並把自己從一家火箭公司，重新定義為 AI 時代的基礎設施平台。 史上最大 IPO：750 億美元，超越 Saudi Aramco 根據《Reuters》，SpaceX 週四將 IPO 定價在每股 135 美元，售出 5.5556 億股，募得創紀錄的 750 億美元，使這家太空、衛星與 AI 業者估值達 1.77 兆美元。《The New York Times》指出，此舉打破了先前由沙烏地國營石油公司 Saudi Aramco 保持的紀錄：後者 2019 年掛牌時估值 1.7 兆美元、募資逾 290 億美元。SpaceX 將於週五在 Nasdaq 以代號 SPCX 開始交易。《Bloomberg》補充，這次 IPO 規模是 Aramco 的兩倍多，認購需求超過可售股數的四倍；若承銷團行使額外出售 8,330 萬股的選擇權，募資額可達約 860 億美元。 這場交易也充滿了馬斯克的個人色彩。《Reuters》指出，SpaceX 罕見地保留 30% […]

AI 用越多不代表越有價值：當 token 成本升高，企業決策者開始追問真正 ROI

矽谷在過去一年裡，逐漸將 AI 的使用量變成一種職場上的計分板。然而，這股追求 token 用量最大化（tokenmaxxing）的風氣正迎來反思聲浪，愈來愈多企業高層開始質疑，最大化 AI 使用量是否真的是衡量技術採用成效的正確方式。 《Business Insider》近日在 Mistral AI 峰會上訪問四位企業高層，當他們談到如何衡量 AI 的投資報酬率（ROI）時，沒有任何一個人一開始就談論員工到底消耗了多少 token。 「Tokenmaxxing」的副作用：製造錯誤激勵與資源浪費 這場思維轉變的起因，在於單純追蹤使用量往往會帶來錯誤的激勵機制。Replit 總裁暨 AI 負責人 Michele Catasta 近日在 Web Summit Rio 大會上，就強烈批評企業利用內部排行榜，根據員工使用 AI token 的多寡來排名的趨勢。 Michele Catasta 形容這種排行榜的做法「非常反烏托邦（very dystopian）」，並認為 token 消耗量與員工在公司內部產生的影響力並不成正比，是衡量員工表現的糟糕指標。他更警告，過度使用 AI 就如同出門不關燈、卻不在乎電費一樣「不負責任」，這不僅消耗更多能源，還會排擠其他公司想要建立在模型之上的應用容量。 事實上，一些美國大型企業已經意識到這個問題並開始改變做法。Amazon 在上個月取消內部的 AI 使用排行榜，因為有員工為了提升排名而刻意增加 AI 使用量，Amazon 發言人對此強調，該排行榜從來不是要鼓勵「為了用 AI 而用」。同時，Uber 營運長 Andrew Macdonald 也公開表示，他沒有看到不斷增加的 AI 成本帶來等比例的生產力提升，因此，若要將 token 消耗量與客戶價值畫上等號，仍然很困難。 […]

研發週期砍半、搜尋能見度翻倍：聯合利華怎麼用 AI 改造食品事業？

當消費者想找晚餐靈感時，打開搜尋引擎已不再是唯一選項。愈來愈多人開始直接向 AI 助理或大型語言模型（LLM）提問，例如「適合派對的三明治食譜有哪些？」或「適合年輕族群的熱門料理是什麼？」。在這樣的情境下，品牌是否能被 AI 推薦，正逐漸成為影響消費者購買決策的重要因素。 AI 搜尋時代來臨：品牌開始優化「被 AI 推薦」能力 快消品巨頭聯合利華（Unilever）觀察到，2026 年消費者的食物探索模式正快速改變，產品曝光競爭已不再局限於超市貨架與傳統搜尋引擎排名，對食品品牌而言，如何提高在 AI 生成答案中的能見度，已成為數位行銷的重要課題。聯合利華食品事業部整合需求開發總監 Olivia Kirby 指出：「品牌必須在 AI 生態系統中具備相關性、可見度以及被推薦的能力，才能在消費者提出問題的關鍵時刻出現在搜尋結果中。」 為了因應這項變化，聯合利華開始運用 AI 搜尋可見度平台（AI Search Visibility Platform），分析旗下品牌在各種大型語言模型中的表現，了解哪些內容容易被 AI 引用，哪些內容則難以被演算法辨識。分析結果顯示，傳統以人類閱讀體驗為主的內容架構，未必能獲得 AI 系統青睞。 因此，其旗下湯塊品牌 Knorr 與美乃滋品牌 Hellmann’s 開始調整網站內容策略，將食譜與產品資訊改寫成更具結構化的「機器可讀（Machine-readable）」格式。這類內容通常具備明確標題、條列化步驟、標示清楚的食材資訊以及易於解析的描述方式，能協助大型語言模型更快速理解內容意涵，提高被引用與推薦的機率。 2026 年美式足球冠軍賽 Super Bowl 舉辦前夕，Hellmann’s 發現自己在「Game Day sandwich recipes（比賽日三明治食譜）」相關 AI 搜尋中的能見度偏低。進一步分析後發現，品牌缺乏 AI 偏好的清單式（Listicle）內容格式，因此難以在 AI 生成答案中取得優勢。 團隊隨即展開內容優化行動，新增專門的比賽日三明治食譜專頁，重新調整關鍵字配置，並將既有食譜內容改寫成更容易被大型語言模型解析的清單形式。優化完成後，Hellmann’s 在相關搜尋結果中的排名提升 10 個名次，整體可見度指標也接近翻倍成長，大幅提高品牌出現在 AI 推薦內容中的機率。 以數位模擬優化配方組合，縮短新品上市週期 […]

展示容易部署難，人形機器人距離真正的工業化還有多遠？

中國智元機器人（AgiBot）具身業務部總裁姚卯青博士指出，客戶開始探討該如何部署機器人，因此轉捩點不僅在於人型機器人產能或產量的提升，更在於市場需求開始形成良性循環之時。

【科技早餐】台積電捲入美國專利戰，OpenAI 價格戰與 AI 監管同步壓上來

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊台積電捲入美國 ITC 專利案，AI 晶片供應鏈碰上執法壓力 台積電在美國面臨專利爭議。《Axios》報導，兩家與美國私募股權公司 Vector Capital 有關的專利公司，向美國國際貿易委員會提出申訴，指控台積電先進製程製造的晶片侵犯專利。這起案件也引發美國國會關注，四名共和黨議員已致函國際貿易委員會主席，要求對被認定侵犯美國專利的外國製晶片採取強力執法，並阻止相關產品進口美國。 台積電強調，公司運作完全遵循各國法規。台灣經濟部回應，這屬於企業間專利權爭議與美國法制程序，目前仍在審理中，政府尊重相關程序，也會持續關注後續發展。這起案件凸顯台積電在美國 AI 供應鏈中的戰略重要性，也讓美國在 AI 晶片供應穩定與本土專利執法之間的取捨受到關注。 ＊SK 海力士拚 2034 年產能增至三倍，海外 AI 工廠瞄準日本 SK 集團會長崔泰源表示，為了因應 AI 運算帶動的記憶體需求，旗下 SK 海力士正加速擴產，目標在 2034 年前，將晶圓產能提高到目前的三倍。SK 海力士目前正在南韓龍仁市興建四座晶圓廠，第一階段預計於 2027 年初完工。原本規劃到 2045 年完成的時程，已提前大約十年，目前工程上已很難再更快。 除了南韓本土產能，SK 也把海外擴張目標指向日本。崔泰源表示，日本具備電力、水源、工程師與半導體材料供應商，是海外設廠候選地。在 AI 工廠方面，SK 已規劃先在南韓於 2027 年啟用相關設施，並評估把日本作為海外擴張候選地，目標在 2028 到 2029 年間推進下一代 AI 資料中心，並與 NVIDIA 合作設計，以兼顧低功耗與高效能算力。 ＊OpenAI 準備 IPO 又考慮降價，AI 模型競爭進入價格戰 […]

複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業

人形機器人熱潮持續升溫，但市場正在出現兩種截然不同的判斷。一方面，研究機構 SemiAnalysis 認為，中國機器人公司宇樹科技（Unitree）正在複製大疆（DJI）與比亞迪（BYD）曾走過的硬體巨頭崛起路徑，透過掌握核心零組件、垂直整合供應鏈與規模化生產，建立西方競爭者難以追上的成本優勢，且「將主導人形機器人產業」。 另一方面，巴克萊銀行（Barclays）近日在 Boston Robotics Summit（波士頓機器人峰會）後發布的研究則提醒，即使製造成本持續下降，人形機器人距離真正大規模商業化仍有很長距離：安全認證、硬體成熟度、真實世界資料、運算成本與通用 AI 架構，仍是產業必須跨越的五大障礙。 中國硬體巨頭的養成公式：掌握最貴的零件 為什麼 SemiAnalysis 認為，Unitree 的策略與 BYD、DJI 有高度相似之處？該機構分析，一個成熟的中國硬體巨頭，其策略是：掌握物料清單（BoM）中最昂貴、最具挑戰性的零件，用這份掌控權累積無人能及的成本優勢，並透過自製供應鏈創造新市場。 SemiAnalysis 分析，BYD 當年從電池這個電動車最昂貴、最關鍵的零組件切入，逐步把電池、馬達、功率模組、車身、底盤等關鍵環節納入自家體系，最終建立成本與供應鏈優勢。DJI 則是先掌握飛控系統，從研究者與玩家市場起步，透過每一代硬體迭代打開新市場，從消費級空拍機一路進入測繪、巡檢、救災等企業場景。 Unitree 如何複製：以致動器為核心，從四足走向人形 SemiAnalysis 認為，Unitree 正是一個活生生的「大疆策略」案例。創辦人王興興曾是大疆員工，碩士論文做出低成本四足機器人 XDog，再以此創立 Unitree。Unitree 選定的核心零件是致動器（actuator，驅動機器人肢體的整合關節），它占人形機器人 BoM 的 50% 到 70%，正如比亞迪之於電池芯、大疆之於飛控。 Unitree 先從學術界切入：當大學實驗室在找不必花 7 到 10 萬美元以上的足式平台時，Unitree 的 Laikago 在 2018 年以 4.5 萬美元上市，A1 在 2020 年降到 1.5 萬美元，到今天的 Go2 視規格與地區落在 1,600 至 […]

科技業國家級網攻逾 58% 來自中國駭客，CrowdStrike 警告 AI 核心技術成首要目標

資安大廠 CrowdStrike 近日發布《2026 Technology Threat Landscape Report》報告，指出在 2025 年 4 月 1 日至 2026 年 3 月 31 日期間，所有針對科技業的國家級網路攻擊中，有超過 58% 是由與中國相關的駭客組織所發動。 CrowdStrike 警告，中國駭客組織正持續增加對美國科技公司的網路攻擊，核心目的是為了竊取 AI 能力，藉此縮小與美國之間的科技差距。這些駭客行動與中國政府的戰略優先事項高度一致，反映出中國對技術發展、智慧財產權，以及具有戰略價值資訊的濃厚興趣。 AI 模型、半導體與軟體供應鏈都被中國駭客鎖定 CrowdStrike 在報告中強調，過去幾年，科技業一直是網路犯罪者、國家級攻擊者最常鎖定的目標產業，這些攻擊的動機廣泛涵蓋財務利益、長期情報蒐集以及工業間諜活動。報告中所指的「科技業」，包含從事電腦硬體研發、開發或分銷的公司，以及 IT 服務及顧問、半導體和軟體公司。 在這樣的產業背景下，中國駭客組織正不斷升高對科技組織的間諜行動，試圖竊取中國無法足夠快速自行建立的 AI 能力和智慧財產。因此，中國威脅的對象已不只是大型前沿實驗室（frontier labs），也包含較小型的特定領域模型開發商。 此外，為了達成更廣泛的滲透，中國駭客也積極尋求進入下游客戶的環境，這可能進一步提高供應鏈遭到入侵的風險。報告也列舉具體的攻擊行動，例如攻擊者 SUNRISE PANDA 曾特別鎖定東亞與東南亞的郵件基礎設施；MURKY PANDA 對超過 340 個主要位於美國的組織發動密碼噴灑（password-spraying）攻擊；WARP PANDA 則利用系統漏洞入侵北美科技公司，以取得長期的內部存取權。 AI 追趕壓力推升網路間諜活動，中國否認相關指控 探究這波網路攻擊加劇的背後原因，《CNBC》分析，美國限制中國取得 AI 訓練晶片的政策，已對北京的科技發展造成限制。儘管中國本土 AI 模型正試圖透過降低運行成本，來提供接近美國模型的智慧能力，但科技追趕的壓力顯然推升網路間諜活動。 美國白宮科技政策辦公室曾於 2026 年 […]

打進亞洲 16 國市場！蔡玉玲：台灣將提名七家有「跨境實績」的金融科技強隊參加首屆 AFA Awards

據多項國際產業研究預測，亞洲將在 2030 年成為全球最大的金融科技市場。隨著產業發展加速，亞洲金融科技公司已從早期概念驗證階段，進一步邁向規模化、合規落地與實際應用，並在跨境支付、金融基礎設施、合規科技、數位金融與普惠金融等領域展現成熟解決方案。 在此趨勢下，第一屆亞洲金融科技聯盟大獎（The Asia FinTech Alliance Awards, AFA Awards）正式成立，旨在鼓勵具備可規模化營運能力的金融科技企業，奠基於國內市場的成功經驗，進一步拓展至 AFA 成員所涵蓋的 16 個亞洲經濟體。 臺灣金融科技協會名譽理事長蔡玉玲，也是創立獎項的亞洲金融科技聯盟（Asia Fintech Alliance, AFA）主席，她表示：「這是亞洲首度由 16 國金融科技協會聯手打造的殿堂級獎項。我們不只在選拔頂尖技術，更在尋找有實績可解決『跨境痛點』的公司。本次大賽特邀國際投資機構參與決選，得獎者有開拓 16 國市場的機會。這不只是一場比賽，更是引領亞洲跨國金融生態大升級的起點！」 由 16 個亞洲經濟體提名，爭取 AFA Awards 五項大獎 AFA 自成立以來，即採取「一個經濟體僅由一個組織代表」的會員制度，目前已匯聚來自 16 個經濟體的會員，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、斯里蘭卡及烏茲別克。 本屆 AFA Awards 採邀請提名制，由 AWS 臺灣提供技術建議及安永臺灣擔任顧問。所有參賽企業皆須由 AFA 會員正式提名，每個會員最多可推薦七家企業參賽，並由來自 16 個經濟體的創投與專家評比， 經過兩階段的遴選機制，選出最具代表性與國際發展潛力的企業。 AFA 副主席 Dongpyo Hong 是 AFA Awards 的幕後推手，他也是韓國金融科技產業協會全球聯盟與合作負責人。他表示：「AFA Awards 最特別之處，在於 16 個 […]

AI Agent 不只導購，還能下單付款：Visa 串接 OpenAI 讓「機器買家」也能被授權與控管 

OpenAI 與 Visa 近日在 Visa Payments Forum 上，正式宣布擴大戰略合作，目的是將「代理驅動商務（agentic commerce）」推向主流市場。這項合作將把 Visa 的支付服務整合進 OpenAI 的平台中，讓使用者能直接將 Visa 信用卡與 ChatGPT 綁定。 這也代表，未來使用者在給予授權後，可以直接指示 AI Agent 代為完成線上購物，不僅涵蓋支付帳單、購買紙巾、尿布、雜貨或機票等日常消費，使用者甚至可以下達如「幫我尋找並買一副 150 美元以下的無線耳機」這類具體指令，由 AI Agent 協助完成搜尋與結帳。 事實上，這並非 OpenAI 首次嘗試進軍電子商務。去年底，OpenAI 曾推出「Instant Checkout」功能，讓 ChatGPT 扮演數位個人購物助理，但由於流程容易出錯，加上向商家收取高達 4% 的交易手續費而未獲廣泛採用，讓這項服務最終在今年 3 月畫下句點。因此，這次 OpenAI 與 Visa 的深度結盟，正是為了解決過去的痛點，重新打造一套可行的商業模式。 對 Visa 而言，這也是其 AI 佈局的延伸。Visa 早在去年就已宣布與 Anthropic 及 Microsoft 等公司合作開發 AI 產品，Visa 全球市場集團總裁 Oliver […]

Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？

Anthropic 執行長 Dario Amodei 發表長文〈Policy on the AI Exponential〉（AI 指數成長政策），試圖系統性提出 AI 時代的政策藍圖。這篇文章值得關注的地方，不只是 Anthropic 再次呼籲監管 AI，而是其主張明顯從過去的「透明化」走向更具約束力的政府管制。 Amodei 在文中直言，過去幾年 Anthropic 支持的政策，多半是讓模型開發商揭露安全程序、測試結果與重大安全事件，目的是讓政府、社會與科學界更早看見風險。但他認為，現在情況已經不同。 他指出，AI 模型 Claude Mythos Preview 顯示前沿模型已能對網路安全帶來真實衝擊，可能影響金融體系、關鍵基礎設施與國家安全。對 Amodei 而言，這代表 AI 已不再只是消費科技或企業工具，而是具有全球戰略意義的技術。他並預期，生物風險可能很快接踵而至，嚴重的 AI 自主性風險也可能不遠。 從資訊揭露走向事前審查：Anthropic 想建立什麼制度？ Amodei 在文章中表示，Anthropic 先前支持透明化法案，是因為當時 AI 風險雖然可預期，但具體樣貌尚未清楚，若太早立法，可能只會帶來無效的合規負擔，卻無法真正防範最重要的風險。但他現在認為，「風險已經到來」，因此監管也必須超越透明化。 他提出的核心主張，是建立類似美國聯邦航空總署（FAA）的 AI 監管制度。他認為前沿模型如同飛機、汽車或藥物一樣，是現代社會不可或缺的強大技術，但若設計或操作不當，也可能造成大規模傷害。 事實上，Anthropic 釋出的「先進 AI 框架」提案包含幾項要點：運算量超過特定門檻（10²⁵ FLOPs），或由 AI 營收超過 5 億美元、AI 研發支出超過 10 億美元的公司開發的模型，必須接受合格第三方的強制測試，評估其在資安、生物武器、AI 系統失控，以及可能加速上述風險的自動化研發這四個領域的風險等級；若模型被認定構成不可接受的風險，政府將有法律權限阻止、延遲或限制其部署，但此權力須限縮於這四項風險，並設有防止政治偏袒或恣意決定的保護措施。 第三方評估可由類似 […]

【哲學家也進科技業了】從 Claude 佈道者到首席 AI 長，在 AI 時代誕生的全新職位有哪些？

當多數新聞聚焦在 AI 造成企業裁員時，宣布裁員的企業同時也正在大舉招募兩年前根本不存在的職位。 AI 時代正在出現哪些新職位 目前 AI 產業最搶手的角色，是前沿部署工程師（Forward Deployed Engineer）。這個職稱最早由 Palantir 在 2010 年代推廣，做法是把專精的工程師直接派駐客戶端，量身打造 AI 解決方案，而非交付現成軟體。 根據求職平台 Indeed 的資料，2026 年 1 月這類職缺的數量約是前一年的十九倍。OpenAI、Anthropic、Google、AWS 與 Palantir 都在搶人，起薪落在 11.5 萬到 20 萬美元以上。Palantir 執行長 Karp 曾把這個角色比喻成法式餐廳裡的資深侍者，既懂產品又能提供極致服務。 另一個出現速度同樣驚人的職位是 AI 佈道者。Anthropic 在找「Claude 佈道者」，要求至少七年的創辦人兼開發者經歷，開價 24 萬美元，遠高於美國公關總監約 10.6 萬美元的平均薪資。 OpenAI 把溝通團隊規模擴大了三倍，Adobe 也在徵「商業架構師暨 AI 佈道者」。背後的邏輯是，AI 產品太複雜、影響太重大，無法靠傳統行銷賣出去，必須由人親自解釋、示範並建立信任。 更讓人意外的是哲學家的需求。Anthropic 設有常駐哲學家，Google DeepMind 也有，兩者都聚焦於讓模型對齊人類價值。DeepMind 近期招募的 AI 倫理與安全新興影響經理，底薪介於 21.2 […]

氣候異常、原料波動、通膨壓力同時來：食品大廠 Cargill 如何用 AI 穩定供應鏈運作？

近年來，全球食品產業面臨前所未有的挑戰。極端氣候影響農作物產量與品質，地緣政治與貿易摩擦持續干擾原料供應，通膨則推高食品生產成本。在消費者要求價格合理、兼顧美味與永續的情況下，傳統食品研發模式正面臨越來越大的壓力。 作為全球最大的農業與食品企業之一，成立超過 150 年的企業掌握全球糧食、農產品加工、食品原料與供應鏈網的 Cargill 近年積極將 AI 導入產品開發流程，希望透過資料驅動的方式加速創新，同時提升供應鏈韌性與市場應變能力。Cargill 研發資深總監 Renee Boerefijn 表示：「當前的競爭重點已經不是誰最快推出產品，而是誰能更快學習、更有效降低風險，並在複雜環境下維持穩定成長。」 以 AI 模擬成分組合，大幅縮減實體測試成本 Cargill 的做法是將 AI 與數位工具全面嵌入產品開發流程，涵蓋早期消費者洞察、概念發想、成分配方設計、量產規模化以及工廠營運等環節。 Cargill 特別強調感官科學與 AI 的結合。該公司透過獨家的「Heartbeat 感官智慧計畫（Heartbeat Sensory Intelligence Program）」，整合大規模消費者數據、專家評測小組以及產品配方模型，建立可預測消費者偏好的分析系統。這套機制能在產品正式上市之前，預測消費者對風味、口感與整體體驗的接受程度，協助研發團隊提前篩選最具潛力的方案。 過去食品研發往往需要進行大量實體測試，透過反覆試做與消費者調查尋找最佳配方。如今，AI 模型可先模擬不同成分組合可能產生的效果，讓研發人員在進入實驗室之前便掌握方向。這不僅降低實體測試次數，也縮短配方調整與產品優化所需的時間，讓新品開發流程更加有效率。 拒絕研發「無法量產」的空殼新品！AI 幫忙鎖定黃金配方 除了改善產品研發效率，AI 也被用來處理食品產業最棘手的問題之一：供應鏈不確定性。 食品業長期受到原料價格波動影響，近年氣候異常更進一步增加農產品供給風險。當研發團隊設計新產品時，即使配方表現優異，也可能因原料供應不足、成本過高或永續性考量而無法落地。因此，Cargill 將供應鏈與研發資料整合至同一套分析框架中。 透過 AI 模型，研發團隊能在產品開發初期即同步評估原料採購條件、市場價格變化與環境衝擊。例如某項原料未來可能因乾旱導致產量下降，或國際市場價格出現大幅波動，系統便能提前反映相關風險。團隊可及早調整配方策略，避免投入大量時間開發最終無法量產的產品。 這種做法讓產品設計不再只考量風味與功能，同時兼顧成本結構、供應穩定度與永續目標。對食品企業而言，能夠在研發早期預測這些變數，有助於提高產品上市成功率，也能降低後續供應鏈中斷帶來的衝擊。 Cargill 的實踐顯示，當消費者需求、供應鏈變化與永續壓力同時發生時，企業若能將感官科學、市場數據與供應鏈資訊整合進同一套 AI 決策系統，就有機會更快找到兼顧市場需求、成本控制與供應穩定性的解決方案，建立更具韌性的食品創新模式。 【推薦閱讀】 ◆ 幫草莓拍張照就知道能不能賣：美連鎖超商的 AI 生鮮品管工具，如何解決人工檢驗標準不一的老問題？ ◆ 幽靈庫存讓線上訂單取消、顧客流失：RFID 如何把服飾庫存準確率拉升到 95% 以上？ ◆ 從 […]

【科技早餐】OpenAI 傳租 10GW 園區，台積電、資安與資料中心人力同步承壓

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 傳租 10GW 園區，AI 算力戰從模型燒到電力與金融 OpenAI 正在洽談租用一座位於美國俄亥俄州南部、能源部土地上的資料中心園區，規劃容量高達 10GW。報導指出，這項交易可能獲得 NVIDIA 的財務支持，建設成本可能至少達到 5,000 億美元，租期長達 20 年，第一階段預計 2028 年啟用。不過，《路透》也表示，尚未能獨立查證這篇報導，OpenAI 與 NVIDIA 也未立即回應置評請求。 如果這項計畫成形，代表 OpenAI 的競爭焦點已經不只在模型本身，而是進一步延伸到電力、資料中心、晶片供應與長期資本。OpenAI 執行長 Sam Altman 與首席科學家 Jakub Pachocki 近期也提出 OpenAI 下一階段方向，目標是讓先進 AI 變得更充裕、可負擔，並讓更多個人與組織使用。 ＊台積電回應漲價與海外設廠，最尖端製程生產仍留台 台積電財務長黃仁昭接受《BBC》專訪時表示，通膨確實推升公司成本，台積電並未排除未來調整價格的可能。不過他也強調，不會出現「四倍、五倍」這樣的劇烈漲幅，台積電的定價，反映的是技術領先與製造能力所創造的價值。黃仁昭也回應外界對台積電海外布局的質疑，表示台積電到台灣以外地區擴建產能，是基於客戶需求，不是政府要求。 談到最先進晶片的生產地點，黃仁昭表示，最尖端製程生產將持續留在台灣。這番說法凸顯台積電目前面對的雙重壓力：一方面，客戶希望公司快速擴充產能，支援 AI 晶片需求；另一方面，海外設廠、通膨與供應鏈重建，也讓成本結構變得更複雜。同時間，台積電最新公布 5 月營收達新台幣 4169.75 億元，創下單月歷史新高，年增 30.1%，顯示 AI 相關需求仍然強勁。 ＊Anthropic 開放 Fable 5，資安能力上鎖成前沿模型新門檻 Anthropic 宣布開放旗下最強公開模型 Claude […]

Loop Engineering 崛起：當 AI Agent 能自己工作，Google 工程師點人類三大職責

AI Coding 的玩法，正從 Prompt Engineering（提示工程）擴大至「Loop Engineering（迴圈工程）」。OpenClaw 創辦人 Peter Steinberger 近日於社群平台 X 上發文：「每月提醒：你不該再對 Coding Agent 下提示了。你該設計的是會自動去提示 Agent 的 loop（迴圈系統）。」這則貼文截至發稿前獲得超過 790 萬次瀏覽。 同樣地，Anthropic Claude Code 負責人 Boris Cherny 日前表示：「我已經不再直接 Prompt Claude。現在是我建立的 Loop 在替我 Prompt Claude，並自行判斷接下來該做什麼。我的工作，就是設計這些 Loop。」 這些討論讓 Loop Engineering 一詞迅速竄紅。隨後，Google 工程師（Google Cloud AI 部門總監） Addy Osmani 在個人部落格發表長文，替這個概念提出一套完整的理解框架，並進一步點出他認為人類工程師扮演的角色。 從 Prompt Engineering 到 Loop Engineering 在 Prompt Engineering 工作模式下，開發者與 […]

中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？

目前中美兩國正主導著全球人形機器人的研發競爭，根據巴克萊銀行（Barclays）近期的研究報告指出，去年中國製造的人形機器人已經占據全球約 85% 的市場份額。這股熱潮背後的關鍵動力，就是為了尋求國內人口老化、勞動力成本不斷上升等社會經濟問題的解方。 然而，隨著中國在人形機器人硬體製造與產能上已獨步全球，隨之而來的最大挑戰卻是：市場的真實需求到底在哪裡？部分專家與創投人士點出其中的核心矛盾，認為目前市場對人形機器人的真實需求與應用場景仍十分有限，遠遠落後於製造商龐大的生產能力。投資科技新創的戈壁創投（Gobi Partners）合夥人 Chibo Tang 更直言，如果沒有來自市場的應用需求，這些企業實際上將難以真正邁入大規模量產的階段。 中國人形機器人量產優勢成形：出貨規模、產能擴張與政策力同步推進 中國企業的機器人出貨量究竟有多麼可觀？研究機構 Omdia 的數據顯示，如智元機器人（AGIBOT）、宇樹科技（Unitree）等中國指標性企業，在 2025 年的出貨量各自已突破 5,000 台，這個數字遠遠超過特斯拉（Tesla）、Figure AI 等美國競爭對手僅生產數百台的規模。 在擴充產能的具體行動上，擁有二十年歷史的智慧型手機與電子製造商領益智造（Lingyi iTech）副總裁 Philip Yang 表示，其位於北京的工廠目標在今年量產一萬台機器人，並計畫在 2030 年達到年產 50 萬台的龐大生產規模。這股產業推動力背後有著強烈的政治色彩，在中國五年規劃的強力支持下，發展人形機器人已成為國家任務之一。 量產不是商業化，人形機器人的真實需求仍待觀察 儘管產能驚人，中國人形機器人的真實訂單現況卻顯得雷聲大雨點小。貝恩策略顧問駐北京合夥人 Xin Cheng 指出，截至目前絕大多數的人形機器人訂單一次僅採購一到兩台。摩根士丹利的研究則進一步顯示，目前許多價值龐大的訂單多半來自國營企業，被應用於發電廠、數據中心或作為娛樂用途，或是由企業與學術研究機構買下作為研發之用。 不過，部分製造商表示市場需求正在增長。例如 Matrix Robotics 宣稱已收到約 1,000 台訂單，客戶包含咖啡連鎖店與飯店；EngineAI 則表示其機器人可應用於保全與博物館導覽。 在實用性方面，人形機器人目前仍面臨嚴峻的技術瓶頸，美國智庫新美國（New America）高級研究員 Samm Sacks 觀察到，多數人形機器人仍然偏向表演性質而非具備實質功能，在難以預測且雜亂的真實環境中，它們的表現依然不盡理想。Samm Sacks 進一步解釋，人形機器人的經濟效益仍難以成立，其生產成本依然高昂，在操作上卻非常脆弱，且高度依賴結構化的環境才能順利運作。 以規模化降本，用軟體與數據立足 面對商業化的重重挑戰，中國廠商試圖以規模化殺出一條血路。藉由龐大的量產規模，以及採用本土零組件的優勢，中國製機器人平均比外國型號便宜 20% 以上。領益智造（Lingyi iTech）副總裁 Philip Yang 表示，擴大生產規模可以直接將目前約 30,000 […]

「AI Tool 是效率的革命，而 AI Agent 是勞力的革命。」 鴻海 CityGPT 助力城市交通治理：決策週期從數月縮短至 7 天

在日前舉辦的「2026 AI Agent 新工作革命論壇暨 AI & Beyond 年會」，鴻海科技集團董事長辦公室軟體研發處資深經理闕大順演講時分享，在智慧城市急速發展的浪潮下，鴻海科技集團結合了主權算力中心、城市資料平台與大模型層，為智慧城市打造輔助決策的 CityGPT 平台。 「我們的目的不是要取代決策者，而是讓決策者看得更清楚，決策得更快，」闕大順指出，CityGPT 平台能夠像製造手機一樣規模化地產出 AI Agent，進而配置到各種公共服務現場，「CityGPT 不是取代判斷，而是把經驗變成每個人都能用的依據。」 在城市治理的智慧轉型中，道路安全改善是 CityGPT 展現決策輔助能力的首要場景。過去公家單位規劃改善易肇事路口時，承辦人員需要耗費數週甚至數個月的時間，從各個不同局處調閱並蒐集事故數據，再以人工繪製車禍碰撞構圖，並召集跨局處的專家學者開會，才能進一步判斷肇事主因並草擬改善方案。 現在透過 CityGPT 自動整合跨局處的龐大數據，將複雜資訊進行空間視覺化，承辦人員能夠預先看見風險熱區，結合 AI 風險預測與數位孿生技術進行自動化檢查，使公務單位道路改善決策週期從原本數個月縮短至僅需 5 到 7 天，讓城市在面對交通挑戰時具備預測與調整的能力。 除了交通治理，公文處理也是公家機關耗時的工作項目之一。闕大順指出，過去這項高度依賴經驗、缺乏明確統一標準的工作，經常拖延到決策進度，而透過 CityGPT 的五大框架，根據經驗提供精準的分案建議，協助不擅長撰寫公文的承辦人員撰擬，同時將這些案例去識別化後留存，達到將個人經驗轉化為每個人都能使用的智慧依據。 而在公共服務的第一線，每天必須面對大量市民需求的 1999 話務中心同樣面臨考驗。過去話務員必須一邊安撫民眾情緒、一邊在市政系統中尋找解答，而 CityGPT 能夠即時聆聽通話內容，克服台語與國語交雜的語音辨識障礙，同時自動從知識庫中查找解答並產生逐字稿及摘要，減輕話務員在判斷、查詢與情緒上所承受的三重壓力，提升市政服務的整體營運效率。 鴻海也正積極推動市民服務 Super APP 願景，透過 CityGPT 作為個人助理，服務對象從公部門延伸至全體市民，使用者只需用語音提出需求，AI 就會自動找出對應的服務。 導入 AI Agent 的三大關鍵：思維、資料與組織重組 「AI Tool 是效率的革命，而 AI Agent 是勞力的革命，」闕大順表示，AI 工具雖然讓做事效率更快，但 AI Agent […]

【COMPUTEX 2026 現場解密】泓格科技引領 AI 與 ESG 雙軸轉型，全力打造智慧工廠

COMPUTEX 2026 的兩大關鍵議題聚焦於「AI 智能」 與「ESG 綠色轉型」。然而，無論是發展 AI 應用，還是推動節能減碳，背後都指向同一個核心關鍵 —— 數據。 泓格科技總經理鄭樹發認為，數據不僅是 AI 應用的基礎，也是企業綠色轉型的起點，企業能夠透過數據知道哪裡是能耗熱點或潛藏能源浪費，進一步讓節能投資發揮最大效益。因此在 COMPUTEX 2026 上，泓格科技聚焦「AI 智慧賦能」與「ESG 綠能減碳」兩大主軸展出眾多解決方案，協助企業從數據蒐集，逐步建立可視化、可分析、可優化的管理能力，讓智慧轉型與永續經營實現真正落地。 兩大 AI 解方，助企業升級設備預測性維護 就 AI 智慧賦能來看，泓格科技針對設備安全監控與預測維護，端出兩大解方。其一是紅外線熱顯像方案，利用熱顯像技術即時監控設備的溫度變化，一旦發現異常升溫趨勢，系統會立即發出告警訊息，提醒管理者及早介入處理。此外，泓格亦透過自家控制器 WISE-5231 整合熱顯像圖與攝影機影像，協助管理人員快速掌握發熱位置與異常元件，讓溫升異常無所遁形。 鄭樹發表示，此方案的應用場景已從機房與配電盤，延伸至 AI 與 HPC 伺服器。由於此類設備的異常升溫風險較高，透過紅外線熱顯像方案即時監測伺服器匯流排的溫度變化，企業能及早發現、避免設備過熱，確保資料中心穩定運作。 其二是設備振動監測解決方案，透過加速規感測器持續蒐集振動數據，並結合工研院自行研發的 PMS 預兆診斷系統，可自動辨識馬達、泵浦等旋轉設備共 17 種常見故障原因，例如：軸承磨損、齒輪異常等。鄭樹發指出，傳統振動分析需要仰賴專業且資深的工程師解讀數據，一般企業不一定有人力可以自行判讀，如今透過 AI 模型分析，系統可直接將複雜數據轉換為設備健康度指標，管理人員即使不具備振動分析專業，也能快速掌握設備狀況，而當健康度下降或出現異常徵兆時，也可提前規劃維護作業，讓設備維運管理從「壞了再修」或「定期盲換」轉變為「預測性維護」，減少不必要的零件浪費，避免設備故障造成的非預期停機損失。 一體化 ESG 減碳解方：IoTstar 雲端平台用數據驅動節能決策 若 AI 智慧賦能重點在於透過數據提升設備安全與維運效率，在 ESG 綠能減碳領域，數據則是企業推動能源管理與制定減碳策略的核心基礎。 鄭樹發觀察，許多企業每月都會收到電費帳單，卻未必清楚電力究竟消耗在哪些設備或製程環節，當企業無法掌握能源流向，也難以找出浪費源頭，更遑論推動節能改善或碳盤查。 泓格科技此次展出的能源管理系統「PM-3133 系列智能電錶」，包含即時量測電壓、電流、實功率及智能電錶集中器，並將量測數據整合至 IoTstar 雲端平台，自動生成能耗報表。透過這套能源管理系統，企業不僅能清楚掌握用電狀況、建立撰寫 ESG 報告書的數據基礎，更能藉由系統內建的需量管理功能，在用電量即將超出契約容量前主動發出警示，甚至自動執行卸載措施，避免產生額外電費與罰款。 在掌握能源流向後，下一步便是進行優化。鄭樹發指出，泓格此次展出的空調水側節能方案，鎖定長期位居企業耗電設備排行榜前段班的空調系統，透過 […]

從黑名單到全鏈追蹤：台灣擬將 AI 晶片管制擴大到所有中國客戶，伺服器供應鏈迎合規新考驗

為了防堵先進硬體設備流向中國，並進一步與美國的政策看齊，台灣正考慮實施更嚴格的 AI 晶片出口管制，這項措施同時也是目前台美雙方正在進行的貿易談判一部分。據報導，未來的管制對象可能進一步擴大，預計會限制對中國所有客戶的銷售，不再僅限於華為（Huawei）或中芯國際（SMIC）等已被列入出口黑名單的特定企業。 這波管制升級的背後，與美國持續施壓防堵第三地轉運漏洞的政策息息相關。具體來說，美國共和黨參議員 Jim Banks 與民主黨參議員 Andy Kim 已致函負責監督出口管制的美國工業和安全局（BIS）首長 Jeffrey Kessler，要求收緊對台積電這一類晶圓代工廠的規定，以防止中國企業透過在第三國的海外子公司或空殼公司，下單製造客製化 AI 晶片。 此外，東南亞與周邊國家作為走私中繼站的風險也日益升高。儘管馬來西亞曾在廣泛的雙邊互惠貿易協定談判中同意配合美國管制，但後續的具體執行狀況仍不明確。新加坡與日本也陸續傳出不肖分子透過造假目的地來轉運 AI 伺服器的案件，例如先將設備先運至日本，最終再轉運至香港，目前新加坡當局正在起訴相關詐欺行為。 台灣出口管制補漏洞：AI 晶片走私中國，法律責任將升級 面對日益猖獗的走私行為，台灣目前的法律現況顯得相對薄弱，尚未將未經授權的 AI 晶片出口至中國的行動視為犯罪行為。例如在今年五月破獲的基隆 NVIDIA 伺服器走私案件中，檢調機關拘留三名嫌犯並扣押約 50 台伺服器，此事件更促使 NVIDIA 公開敦促伺服器大廠 Supermicro 必須落實出口合規審查，但最終也僅能以偽造文書來起訴涉案人。 為了修補這項漏洞，台灣正在研擬的新規預計將設定與美國相似的晶片算力門檻，例如針對總處理效能（TPP）超過 21,000 及 DRAM 頻寬達 6,500 GB/s 的晶片進行限制。這項標準恰好對應 NVIDIA 的 H200 與 AMD 的 MI325X 等高階產品，且與美國《安全晶片法案》（SAFE Chips Act）的防堵目標一致。這項舉動將讓走私 AI 晶片或伺服器到中國的行為，首次成為可被起訴的刑事犯罪。 下游組裝成新防線，台灣 AI 伺服器供應鏈將面臨更高合規壓力 這項法規的調整將直接衝擊台灣在 AI […]

Anthropic 推出 Fable 5 與 Mythos 5，最重要的升級其實不是模型

今年 4 月，Anthropic 首度公開 Mythos Preview 模型時，曾以資安風險為由拒絕全面開放。當時 Anthropic 認為，這類模型如果直接開放，可能被惡意攻擊者用來開發新的網路工具。然而不到三個月，Anthropic 在今日正式發表 Claude Fable 5 與 Claude Mythos 5，首次把 Mythos 級能力以 Fable 5 的形式推向大眾市場。仔細觀察，這次並非單純的新模型發布，Anthropic 想回答的問題是，如何讓最強的模型，安全地進入商業世界。 Fable 5 與 Mythos 5 差異不在模型，而在治理層 可能會有人以為，Fable 5 與 Mythos 5 是兩款不同模型。但 Anthropic 明確指出，兩者使用的是相同底層模型（same underlying model）。其中真正差異在於安全控制機制。 根據《WIRED》報導，針對大眾開放的 Fable 5 雖然與 Mythos 5 是相同底層模型，但前者內建了極為嚴格的分類器（Classifiers）與安全護欄（Safeguards）機制，會擋下許多與資安、生物、化學相關的提問，並把這些請求轉交給前一代旗艦模型 Claude Opus 4.8 回答；若 Anthropic 懷疑使用者試圖對 Fable 5 進行「蒸餾」（以大模型的回應訓練小模型），相關請求同樣會被轉走。Anthropic […]

半導體出口暴增 169%、變壓器訂單衝上 32 兆韓元：AI 算力戰如何讓南韓成為全球戰略產業贏家？

南韓目前正處於經濟發展的「甜蜜點」，成為全球經濟的贏家，這主要歸功於全球 AI 霸權爭奪戰以及各國重新武裝的浪潮。根據 Insight Communications 執行長 Michael Breen 的觀察，儘管南韓面臨能源高度依賴進口、高昂生活成本與青年失業等挑戰，但其經濟成長引擎依然全速運轉中。 受惠於全球 AI 投資熱潮，南韓五月出口額以高達 53.2% 的年增率飆升，創下自 1984 年 1 月以來的最大增幅。五月出口總額達到創紀錄的 877.5 億美元，連續 12 個月成長，更為該國帶來高達 269.5 億美元的歷史新高貿易順差。 如此強勁的出口動能帶動了對這個貿易依賴型經濟體的強烈樂觀情緒，促使南韓央行將今年經濟成長預測從 2.0% 上調至 2.6%。央行總裁 Shin Hyun-song 更表示，半導體熱銷將使 2026 年 GDP 成長率提升 0.7 個百分點，足以抵消中東衝突帶來的負面衝擊。 AI 算力基礎設施爆發，晶片與變壓器需求大增 由於美國科技公司不斷加大 AI 投資力道，大幅推升記憶體晶片價格，帶動南韓五月半導體出口暴增 169.4%，達到創紀錄的 371.6 億美元。同時，AI 伺服器的龐大需求也促使電腦出口激增 290.7%。 這股狂熱直接反映在股市表現上，晶片巨頭三星電子與 SK 海力士的市值雙雙突破一兆美元大關，成功躋身全球前二十大企業。強勁的獲利表現帶動南韓 KOSPI 指數在去年飆漲 76% 後，今年以來更是大漲超過 100%，創下歷史新高，成為全球 […]

印度 AI 轉型的兩難：培訓 3.5 億人，但模型不在自己手上

印度擁有約 6 億名勞動力，是全球最大的 IT 服務人力市場之一。然而根據 IBM 商業價值研究院與 IndiaAI 本月發布的聯合報告，這 6 億人中目前具備足夠 AI 知識的只有約 2 億人，佔整體勞動力的 30%。 要讓 AI 真正成為印度下一波經濟成長的引擎，這個比例必須在不到五年內提升到 57%，也就是再培訓 1.5 億人。 市場已經先行反應 市場對這個衝擊的判斷，比多數分析師更早到來。Anthropic 的 Claude Cowork 代理工具推出後，印度軟體出口商上週市值蒸發 225 億美元，Nifty IT 指數單週下跌約 7%，創四個月來最大單週跌幅。 應用服務佔印度 IT 公司營收的 40% 至 70%，而 AI 正在威脅這塊業務。印度金融公司創辦人 Motilal Oswal 估計，未來四年，AI 主導的破壞可能消除印度 IT 業 9% 至 12% 的營收。 不過，並非所有人都認為這是存亡威脅。印度券商 Centrum Broking 的分析師 […]

幫草莓拍張照就知道能不能賣：美連鎖超商的 AI 生鮮品管工具，如何解決人工檢驗標準不一的老問題？

美國連鎖超商巨頭 Albertsons 宣布推出正在申請專利的「智慧品質控管（Intelligent Quality Control）」工具，透過 AI 與電腦視覺技術協助物流中心品管人員進行生鮮蔬果檢測，提升品質評估的一致性與效率。 導入 AI 智慧品管，首波鎖定高損耗水果類 對於大型零售業者而言，生鮮蔬果是供應鏈管理中最具挑戰性的品項之一。草莓、葡萄等水果保存期限短，品質狀況又容易受到運輸、溫度及儲存環境影響，因此如何在商品進入門市前快速且準確地完成品質檢驗，一直是物流營運的重要課題。過去多數品質評估仰賴人工判斷，不同檢查人員之間可能出現標準不一致的情況，也使得品管結果容易受到經驗與主觀認知影響。 Albertsons 推出的智慧品質控管工具，正是為了解決這項問題。系統利用 AI 視覺辨識技術分析蔬果的外觀特徵，包括顏色、成熟度、表面狀況及可能的腐敗跡象。物流中心的品質檢查人員只需透過平板或其他設備拍攝商品照片並上傳至系統，AI 便會依照 Albertsons 內部既有的品質標準進行分析，快速產出品質評分與檢驗建議，再由現場人員確認最終結果。 Albertsons 釋出的示範影片顯示，工作人員在物流倉儲內拍攝一盒草莓後，系統能立即辨識果實顏色與外觀狀態。顏色鮮紅、成熟度均勻的草莓將獲得較高評分，而出現變色、品質不佳或可能開始腐敗的果實則會被標示較低等級，協助品管團隊迅速做出判斷。 目前該工具已在部分物流中心正式上線，首階段應用聚焦於最容易腐敗且檢驗需求頻繁的草莓、紅葡萄與綠葡萄。Albertsons 表示，未來將逐步擴展至整個莓果類產品，接著推廣至更多生鮮品項，最終部署到全美物流網路，建立更標準化的品質管理機制。 效益驗證：加快驗收流程、建立供應鏈品質資料庫 根據該公司公布的早期測試結果，AI 系統已展現出多項營運效益，其中最明顯的是提升品質評等的一致性。過去不同班次或不同檢查人員對同一批商品可能給出不同評價，導入 AI 後，評分標準變得更加統一，有助於降低判斷差異，對於高度依賴品質穩定性的生鮮供應鏈而言，這項改善尤其重要。 另一項效益則來自決策速度的提升。系統能在短時間內完成分析與評分，減少人工檢查所需時間，協助物流中心更快完成商品驗收與分配流程，讓生鮮商品能更迅速送達各地門市。對消費者來說，這代表架上的水果有機會維持更佳的新鮮度與品質。 此外，AI 也為品質管理帶來更豐富的資料基礎。傳統檢查通常僅記錄有限資訊，而智慧品質控管工具能持續蒐集多項品質指標，建立更完整的數據資料庫。這些資料未來可用於品質趨勢分析、供應商管理以及流程優化，協助企業進一步改善整體供應鏈表現。 Albertsons 供應鏈執行副總裁暨供應鏈長 Evan Rainwater 表示：「該工具的目的是協助物流中心的專業品質檢查團隊，而非取代人員工作。」早期成果顯示，AI 在提升品質評等一致性方面已發揮顯著效果，對於水果與蔬菜等高度易腐商品特別具有價值。 【推薦閱讀】 ◆ 幽靈庫存讓線上訂單取消、顧客流失：RFID 如何把服飾庫存準確率拉升到 95% 以上？ ◆ 從 DTC 到 AI 供應鏈：平價奢華品牌 Quince 為何成為電商新黑馬？ ◆ 電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia […]

【科技早餐】OpenAI 接續 Anthropic 申請 IPO，晶片備援與主權算力同步升溫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI、Anthropic 排隊 IPO，Perplexity 押 2028 上市 OpenAI 已秘密在美國申請首次公開發行，也就是 IPO，加入 Anthropic 前進股市的行列。OpenAI 目前尚未公布上市規模、條件與明確時間表，只表示上市可能還需要一段時間，因為有些事情作為私人公司比較容易完成。《路透》先前引述消息人士報導，OpenAI 目標最高以 1 兆美元估值在股市亮相，最快可能在 9 月登場。 Anthropic 這個月稍早也已秘密提交 IPO 文件，近期融資後估值達 9,650 億美元。另一方面，Perplexity 執行長阿拉文・斯里尼瓦斯（Aravind Srinivas）接受《CNBC》訪問時表示，無論 OpenAI 和 Anthropic 上市結果如何，Perplexity 仍維持 2028 年上市計畫。這讓 AI 熱潮從私募市場，開始進入公開市場的估值檢驗。 ＊馬斯克稱太空 AI 不需魔法技術，Starlink 架構撐起軌道算力 隨著 SpaceX IPO 進入倒數，SpaceX 執行長馬斯克（Elon Musk）表示，太空 AI 資料中心已不是遙遠概念，大部分所需技術已存在於下一代星鏈（Starlink）衛星網路中，不需要目前不存在的魔法技術。依照 SpaceX 說法，這些 AI 衛星會在軌道上作為運算節點，由太陽能供電，並把熱量輻射到太空。 第一顆擬議 AI […]

軟體股反彈不代表危機解除，Snowflake CEO：AI Agent 時代 SaaS 公司最危險的是太早樂觀

近期，《Business Insider》報導 2026 年初籠罩整個軟體股的「SaaSpocalypse」（SaaS 末日）恐慌已明顯降溫，iShares 擴展科技軟體 ETF（IGV）近兩日飆漲 13%，創下自 2001 年以來的最大兩日漲幅。 這波強勁反彈主要由三大力量所推動：首先是 Snowflake 日前繳出優於預期的財報，單日股價大漲 36%，顯示市場對其 AI 工具高度買單；其次是 NVIDIA 執行長黃仁勳在 COMPUTEX 的樂觀喊話，強調 AI Agent 的數量龐大，未來將使用比以往更多的軟體工具，軟體公司並不會因此倒閉；最後則是軟體股的空頭回補，讓做空機構措手不及，進一步推升股價表現。 然而，在一片樂觀中，Snowflake 執行長 Sridhar Ramaswamy 近日接受《Forbes》專訪時卻提出警告。他認為，現在宣告「SaaS 末日」已經結束還言之過早，因為 Agentic AI 仍在持續降低企業軟體開發的門檻與成本，並顛覆既有軟體商業模式。 AI Agent 讓寫軟體變容易，軟體公司必須重新回答「長期價值」 Sridhar Ramaswamy 點出一個殘酷的事實：在 Agentic AI 的浪潮下，寫軟體已經變得越來越容易。這也代表，企業必須重新省思，到底自己能為市場帶來什麼不可取代的價值？ 他警告，如果企業高層將「軟體開發成本下降」視為微不足道的改變，並抱持著「自然能撐過去」的心態，這將會是極度危險的錯覺。「我正在努力思考長期價值、網路效應，以及在這個任何人都能輕易打造軟體的時代，Snowflake 憑什麼能持續存在？」Sridhar Ramaswamy 以自身為例，提醒在現今的市場環境中，競爭對手只要做出 20% 或 30% 的產品改善，就足以在一夜之間抹平既有公司的領先優勢，「包含 Snowflake 在內，沒有任何人可以坐在這裡，假設未來的成功是理所當然的。」 AI Agent 衝擊蔓延至人才端，資料科學家與分析師面臨轉型壓力 現在 […]

一顆算力約等於一座 NVIDIA 機櫃！馬斯克首度公開太空資料中心衛星細節

當全球科技巨頭爭相建設 AI 資料中心之際，SpaceX 執行長馬斯克（Elon Musk）正在推進一個更激進的方案：把 AI 算力送上太空。在 SpaceX 即將進行首次公開募股（IPO）之前，馬斯克首次公開太空 AI 資料中心衛星的具體設計細節，揭露名為 AI1 的首代 AI 衛星規格，以及支撐這項計畫的製造基地與產能布局。 從表面上看，這是一項太空資料中心計畫，但如果從 SpaceX 的整體藍圖觀察，馬斯克真正想打造的，是一個由 100 萬顆衛星組成、運行於太空的 AI 算力網路。 AI1 衛星長什麼樣？算力約等於一座 NVIDIA 機櫃 SpaceX 最近在 X 平台發布一段由馬斯克與自家工程師對談、長達 30 分鐘的影片，首次展示 SpaceX 所謂的 AI1 衛星設計圖。 根據《Bloomberg》，這個早期版本的衛星配備跨度達 230 英尺（70 公尺）的大型太陽能板，能支援平均 120 千瓦、尖峰 150 千瓦的運算負載。 SpaceX 財務長 Bret Johnsen 在另一場訪談中表示，AI 衛星初期將採用 NVIDIA 的晶片。馬斯克與 SpaceX 工程師 Ian […]

Claroty 推出業界首款 CPS 原生 AI 安全代理 Claroty Claire™

Claire 結合AI 驅動的 CPS 可視化、情境洞察與自主執行能力，全面守護關鍵任務基礎設施的完整性與韌性 網路物理系統（CPS）保護領導廠商 Claroty 今日宣布推出 Claroty Claire™ 。這是業界首創的 CPS 原生 AI 安全代理，協助企業主動防護關鍵任務基礎設施。提供更快速、更精準且更直覺的操作經驗。 Claire 由全球最先進的 CPS 語言模型所驅動，該模型融合了超過十年的產業專業知識以及規模最大的 CPS 資料庫。這項創新標誌著一個典範轉移，大幅提升了企業在 AI 驅動時代中確保安全、正常運行時間（Uptime）與可用性的能力 。 捍衛快速擴張的攻擊面，抵禦超強威脅 隨著 AI 迅速擴大 CPS 的攻擊面，企業必須立即採取主動防禦措施 。以機器人領域為例，根據高盛（Goldman Sachs）的數據，「人形機器人的總體潛在市場規模預計到 2035 年將達到 380 億美元，較先前預測的 60 億美元成長六倍以上」，並預測「2030 年人形機器人出貨量將超過 25 萬台，且幾乎全數用於工業領域」。 同時，AI 也大幅加快了攻擊生命週期，使攻擊速度遠超過企業傳統防禦機制的反應能力。多數 AI 驅動的網路安全解決方案往往為了追求速度與簡便性而犧牲了準確度，這在捍衛關鍵任務基礎設施時是一項危險的權衡 。企業目前極需兼具智慧、情境掌握與規範性的解決方案，以提供值得信賴的洞察，並採取迅速、確定且具擴展性的行動 。 國際權威研究機構 Gartner 指出：「AI 正在重塑 CPS 安全。網路安全領導者必須在決定性安全（deterministic safety）與 AI […]

當 GPU 從成本負擔變成獲利引擎，企業 AI 經濟進入新賽局

當全球 AI 競賽的焦點從「模型演算法」轉向「算力基礎設施」，誰能高效調度 GPU、誰能將算力資產商業化，誰就掌握了下個世代 AI 經濟的話語權。 在剛落幕的 COMPUTEX 2026 上，深耕 AI 基礎設施近十年的 INFINITIX 數位無限，以「從 AI 基礎設施到 AI 雲端經濟」為主題，協助企業將手中昂貴卻無法最大化效率的 GPU，轉化為可營運、可計價、可變現的雲端服務。 「AI 經濟的底層驅動力不是模型，而是算力。」這是 INFINITIX 在 COMPUTEX 2026 展場上向業界傳達的核心命題，也是執行長兼共同創辦人陳文裕對當前 AI 產業的觀察。 從 AI Factory 到 Token Factory：算力需求為何出現轉折？ 針對近兩年全球 AI 產業的競爭焦點轉變，陳文裕指出，這個轉折其實是相輔相成的過程，「三年前大家明顯看到算力的增長，開始有人在投資相關基礎設施，但那時候算力的應用場景尚未明朗。」直到模型越來越普及、使用者大量增加，「訓練模型的需要算力，使用模型的也需要算力」，GPU 才開始供不應求。 「再加上今年 AI Agent 的使用，人類可以訓練很多 Agent，這些 Agent 也大量使用到模型，所以算力肯定不夠。」陳文裕解釋，這也是為什麼 INFINITIX 把今年的 COMPUTEX 主題訂為「從 AI 基礎設施到 AI 雲端經濟」，因為當 AI 從基礎設施走向經濟循環，算力本身就必須被服務化、商業化。 […]

Apple 終於揭曉 AI 戰略：新版 Siri AI 為何把「理解你」看得比模型更重要？

歷經兩年延遲與外界質疑後，Apple 終於在 WWDC 2026 端出新版 Siri：Siri AI。根據 Apple 官方說明，這次 Siri AI 將不再只是回答天氣、設定提醒或執行單一步驟指令，而是成為一個更具對話能力、能理解個人情境、螢幕內容，並跨 App 執行任務的 AI 助理。Apple 表示，Siri AI 將於今年稍晚以 Beta 形式推出，初期推出範圍不包含歐盟與中國。 不過，這場發表會真正值得關注的，並不是 Apple 終於追上生成式 AI 熱潮，而是它選擇了一條與 OpenAI、Google、Anthropic 不同的路線。 當多數 AI 公司仍在競逐更大模型、更強效能與更自主的 AI Agent，Apple 則把焦點放在「Personal Context」（個人情境）的便利性與隱私優勢，也就是讓 AI 理解使用者的訊息、郵件、照片、行事曆、備忘錄、螢幕內容與日常使用習慣。換句話說，Apple 不一定要做出最會聊天的 AI，而是想做出最了解使用者的 AI。 Apple 軟體工程資深副總裁 Craig Federighi 在演說中說：「有些人似乎正一路向前衝，看似只為了 AI 而追逐 AI，卻沒有清楚顧及它最終要服務的人，也就是我們所有人。」 新版 Siri 最大變化：能讀懂你的個人情境 Apple 官方表示，Siri AI 建立在「個人情境理解（Personal […]

台積電產能不足反成 Intel 福音：傳 Google 下單 300 萬顆 TPU、NVIDIA 測試 18A，AI 晶片進入備援製造時代

AI 晶片的爆發性需求，正嚴重壓縮台積電（TSMC）的先進製程與先進封裝產能。此外，過度依賴單一供應商的現況，已成為科技巨頭的戰略風險，這也迫使 Google、NVIDIA 等主要 AI 晶片設計公司，開始將目光轉向台積電的替代選項：Intel。對於近年來在晶圓代工領域苦苦追趕，且持續面臨虧損的 Intel 而言，這更是多年來少見的轉機。 據傳 Google 下單 300 萬顆 TPU，為 Intel 代工能力投下信任票 在這波供應鏈多元化的行動中，Google 的進展最為明確。《The Information》報導，Google 在測試 Intel 先進封裝技術數個月後，據稱已向 Intel 下單，計畫在 2028 年製造超過 300 萬顆張量處理單元（Tensor Processing Units, TPU）。 TPU 是 Google 自行研發的 AI 晶片，專門用於訓練與執行 AI 模型。為了控制成本並確保長期的運算量能，Google 的 TPU 不僅廣泛應用於其內部基礎設施、驅動 Gemini AI 系統、AI 強化搜尋以及 Google Cloud 的機器學習服務，甚至已開始向 Apple、Meta 等企業出售 TPU 的使用權限。因此，這次 Google 釋出的大筆訂單，將是對 […]

機器人現在還是戰國時期！廣宇董事長李光曜：美國做 AI 大腦、中國做硬體，台灣可以兩頭賺

專訪：戴季全撰稿：李昀蔚 在鴻海邁向「九兆帝國」的藍圖中，機器人不只是新事業，更是鴻海科技集團董事長劉揚偉押注的下一個關鍵轉型引擎，而這個最前沿的新戰場，被交到鴻海集團歷史最悠久的 C 事業群，以及擁有 50 年歷史的廣宇科技手上。 本集《全新一週》邀請到鴻海 C 事業群負責人兼總經理、廣宇董事長李光曜，解析廣宇如何從傳統製造基因切入最前沿的機器人戰場，並透過生態系合作，在美國 AI 大腦與中國硬體之間，找到台灣最有利的位置。 機器人產業還在戰國時期，廣宇從線束老本行找到轉型切入點 「廣宇本來的專長是做線束，所以我們不可能今天做線束，明天就去開飯店，這太遠了，」李光曜分享，廣宇尋找轉型方向時，並不是拋棄原有能力，而是從線束往相近產業尋找機會。後來他們發現，馬達與線束高度相關，因為馬達裡也有大量銅線繞組、矽鋼片與電子零件，這與廣宇既有能力非常接近。 但如果只做馬達，要賣給誰？這個問題讓廣宇把轉型思考再往前推。李光曜指出，機器人會使用大量馬達，因此廣宇最後把方向從「做馬達」推進到「做機器人」。「你問現在機器人哪個品牌最大，沒有人答得出來，」李光曜形容，這代表市場還在「戰國時期」，尚未出現絕對領先者，也意味著仍有切入機會。 對廣宇而言，背後有鴻海集團資源，又有自身在關鍵零組件上的基礎，若能掌握機器人產業成長初期的關鍵位置，就不只是做代工，而是有機會往終端產品與平台角色移動，創造更高利潤空間。 不過，廣宇並不打算一口氣包辦所有事情。李光曜指出，廣宇的策略是先掌握機器人最關鍵的核心模組，因此首先投資具備體積小、重量輕、馬力大優勢的軸向電機，特別適合用於機器人的手臂與腿部。 除了馬達，廣宇也投資力傳感器，並布局減速機，再加上鴻海 C 事業群本身就能提供精密結構件，因此李光曜表示，若把這些資源加總起來，已大約涵蓋整個機器人 BOM 表超過 50% 的價值，「我現在的想法就是，我們專心把這一塊做好，把這些做好了，再往下一步走。」 用「股東、供應商、出海口」打造生態系 在李光曜眼中，機器人產業之所以會爆發，背後有幾個明確驅動力：少子化與缺工、工廠任務需要更高精細度與穩定度，以及管理工廠時，最難處理的往往不是設備，而是人。 「機器人在某個時間點上會快速成長，我一直在外面推論的時間點是 2030 年，」李光曜分析，到了 2030 年，AI 應該會更加成熟，也需要走進物理世界，而目前最適合的載體就是機器人。此外，固態電池也有機會在 2030 年前後成熟，改善機器人續航問題。若固態電池能帶來體積減半、電量加倍的效果，機器人就可能從續航受限，進展到可連續工作 6 到 8 小時，成為另一個科技革命節點。 李光曜觀察，市場需求已經存在，只是機器人仍太貴也還不夠聰明，若 AI 與電池技術在未來三到五年成熟，機器人落地速度可能會非常快。「三到五年之內，有沒有辦法在一家公司裡設立全新部門，把所有東西建立起來？做不到，」李光曜表示，構成機器人的每一項元素都非常專業，從馬達、減速機、力傳感器，到控制系統、結構件、AI 模型與場景應用，都需要長時間累積。 因此，廣宇的選擇不是全面垂直整合，而是「一點點垂直整合，加上大量水平整合」。李光曜強調，過去企業做水平整合，常常仍是供應鏈思維，但現在許多機器人關鍵零組件供應商不是有錢就願意合作，他們更在乎合作方是否有未來發展性。因此，未來不能只靠供應鏈，而必須是生態系。 李光曜認為，生態系是由三層合作模式構成：第一，成為對方股東，與對方一起成長；第二，成為對方供應商，幫對方做部分生產，同時累積製造知識；第三，成為對方的出海口，協助合作夥伴進入國際市場。「我會是你的股東、供應商、出海口，三個都是，大家一起合作、一起成長，」李光曜強調，這種模式比傳統供應鏈用合約綁定的形式更快，也能省去許多議價時間。 美國做 AI 大腦、中國打造硬體，台灣有機會「兩頭賺」 面對全球機器人競爭，李光曜認為，目前美國與中國走的是兩條不同路徑，「美國弄 AI 大腦，中國主要在做硬體，我認為台灣其實可以兩頭賺，」他形容，台灣企業應善用這個特殊位置，搶占市場版圖。 李光曜的策略是，與美國維持生意與市場關係，同時不放棄中國快速成長的硬體與零組件能力。若中國零組件開發設計成熟，未來可以在東南亞、泰國、馬來西亞等第三地生產，甚至依情況討論墨西哥或美國製造，再銷往美國與歐洲市場。他指出，製造最困難的是取得原始資料，只是把東西做出來，反而不是最難的事，因此若能取得關鍵設計與製程資料，再轉移到第三地生產，就能在地緣政治與供應鏈風險中保持彈性。 至於機器人應用何時真正落地，李光曜認為，中國可能會是初期成長最快的市場之一，原因很直接：中國仍是世界工廠，但同樣面臨缺工與年輕人不願進工廠的問題。然而，問題在於機器人能否真的勝任複雜工作，仍取決於技術成熟度，李光曜指出，現階段多數機器人展示仍集中在搬運場景，例如搬箱子，許多看似會翻滾、打拳的表演，其實是預先寫好的程式，不等於真正由 AI 理解環境後自主行動。 因此，中國近期開始出現「機器人訓練廠」，透過遙操與資料採集，加速模型訓練。李光曜觀察，這個領域進步非常快，短期內物流搬運仍是最適合落地的場景，接下來分揀、簡單組裝等固定場景，也可能很快被機器人接手。 在 […]

產業人才結構重塑中：AI 把開發成本砍半，工程師的市場價值不跌反漲

AI 能寫程式、生成測試、搭建服務，速度超過任何人類，市場也開始用股價表態；AI 模型的重大突破不斷引發軟體股拋售潮，彷彿整個產業正被工程師自己催生的技術慢慢替代。 但這個邏輯有一個根本的破綻，它把「寫程式」當成工程師的工作，但工程師的工作從來不是這樣定義的。 軟體工程師的工作不只有寫程式？ 首先，外界把「寫程式」當成工程師的工作，這是最根本的誤解。工程師的工作從來不是打打程式碼而已，重點在於解決問題，且是用降低複雜度、減少維護負擔、交付可用成果的方式解決。可以說，程式碼是媒介，不是目的。 這個區別如今更為重要。AI Agent 能寫程式、生成測試、搭建服務、串接 API，速度超過任何人類。但 Agent 目前做不到三件事：決定該建什麼、理解為什麼要建、權衡那些系統如何在真實環境生存。這三件事仍由工程師負責。 因此可以說，原先精通單一語言的專才，正讓位給可以督導多個 Agent 的協調者。工程師的日常工作會轉向釐清限制、讓 Agent 的產出對齊產品目標、確保系統的韌性與安全。 此外，要在龐大的程式庫與複雜系統中管理 Agent，工程師必須更深入理解底層技術，知道好的架構長什麼樣、系統會怎麼崩潰、問題會藏在哪裡。 最終工程師的工作的核心，會從寫程式轉變成理解系統如何運作，並把判斷力用在評估 Agent 的產出上。 黃仁勳對這波恐慌的回應也是相同邏輯。他表示，「AI 將取代軟體工具是世上最不合邏輯的事，」他指出 AI 最新的突破正建立在「工具使用」上，因為工具本來就是為了被明確調用而設計。而工程師，正是設計與調度這些工具的人。 注意力的消耗更大，管理 Agent 比想像中累 如今，業界還至少要面對三個正在發生的風險。第一個是人才培育的斷層。初階工程師過去承擔的工作，寫簡單功能、修 bug、熟悉程式庫，如果全被 Agent 接手，該產業就失去了初階層。 初階職位一直是進入產業的入口。入口消失後，人才供給終將枯竭。業界需要新的訓練制度來填補這個缺口，例如讓資深工程師固定帶新人、刻意保留一些適合練手的任務給初階工程師，即使 Agent 能更快完成。 第二個是技能的退化。許多重度使用 Agent 的工程師發現，自己愈來愈不會自己寫了。過去天天動手寫，遇到問題會自然想到幾種解法；現在實作都交給 Agent，久了反而想不起某個函式怎麼寫、某種 bug 該怎麼移除。但問題在於，工程師還是得判斷 Agent 寫出來的東西對不對，一旦自己的底子退化，這個判斷就做不準，等於在審查自己其實看不懂的程式碼。 第三個是注意力的消耗。一個意外的發現是，管理 Agent 比想像中累。工程師一天做完的事變多了，但下班時反而更疲憊。原因在於同時開著好幾個 Agent，這個在跑測試、那個在改另一個模組，工程師得不斷在它們之間切換、讀懂每一段產出、確認彼此沒有互相衝突。 這種一心多用、整天盯著好幾條線的狀態，跟過去一次專心解一個問題很不一樣，雖然產出更高，但腦力被切得很碎，特別容易累。 軟體開發成本變低，需求可能因此爆發？ 從歷史來看，蒸汽機變得更省煤之後，人們沒有少燒煤，反而燒得更多。因為效率提升讓用煤成本下降，價格便宜了，原本用不起蒸汽機的工廠、火車、輪船全都用了起來，煤的總用量不減反增。經濟學家把這個現象叫做傑文斯悖論（Jevons Paradox）：當一樣東西用起來更便宜，大家不會省著用，反而用得更兇。同樣的事正要發生在 AI 與軟體上。 AI […]

電子郵件是駭客入侵的核心破口，改變五個習慣讓你的網路帳號更安全

每當使用電子郵件登入網路服務時，便等於是將另一個帳戶跟電子郵件帳戶進行連結，隨著電子郵件信箱成為串聯起所有服務的樞紐，E-Mail 更化身個人資安最脆弱的一環。

幽靈庫存讓線上訂單取消、顧客流失：RFID 如何把服飾庫存準確率拉升到 95% 以上？

全通路零售快速發展，品牌必須同時滿足精準庫存、快速履約、順暢購物體驗與損耗控管等多重需求。然而，建立在人工盤點與條碼掃描基礎上的傳統零售系統，已愈來愈難應付大量商品與即時營運需求。 愈來愈多零售品牌開始將無線射頻識別（RFID）與人工智慧（AI）結合，希望透過即時資料與智慧分析能力，提升營運效率與顧客體驗。 美國零售產業組織 National Retail Federation（NRF）指出，RFID 技術可協助零售商將庫存追蹤準確率提升至接近 99% 水準，並大幅縮短盤點時間，使 RFID 逐漸成為現代零售基礎設施的重要組成。 《Retail Insight Network》近期分析指出，當 RFID 與 AI 結合後，零售業正在出現四項具代表性的應用轉型。 應用一：RFID 結合 AI 需求預測，服飾庫存準確率可達 95% 以上 首先是在庫存管理領域。服飾零售商往往同時管理大量顏色、尺寸與款式組合，單一商品可能衍生數十種 SKU。傳統人工盤點不僅耗時，也容易因人為錯誤造成系統與實際庫存不符。RFID 能讓門市與倉庫快速辨識商品位置與數量，建立接近即時的庫存可視性。當 AI 進一步分析這些資料後，系統還能預測需求變化、自動觸發補貨建議，降低缺貨風險。 這對服飾業尤其重要。業界長期存在所謂「幽靈庫存（Phantom Inventory）」問題，也就是系統顯示商品仍有存貨，但實際上門市或倉庫已無法找到商品。這種情況不僅造成缺貨，更可能導致線上訂單取消與顧客流失。除了 NRF 數據，GS1 UK 過去的研究也顯示，RFID 可將服飾零售庫存準確率提升至 95% 以上，有效降低幽靈庫存問題，提升商品可售率。 應用二：智慧試衣導購與高效自助結帳 第二項轉型發生在門市購物體驗。過去試衣間主要扮演商品試穿空間，如今愈來愈多品牌開始導入智慧試衣間。當顧客攜帶附有 RFID 標籤的服飾進入試衣區後，系統能立即辨識商品資訊，並透過螢幕顯示搭配建議、推薦相關配件，或協助顧客尋找其他尺寸與顏色。 AI 推薦引擎則會根據商品屬性、歷史銷售資料與消費偏好進行分析，提供更具個人化的穿搭建議。這類應用讓實體店面具備接近電商平台的數位推薦能力，同時保留實際試穿的體驗優勢。 應用三：RFID 優化結帳流程，縮短排隊時間 第三項應用則聚焦於結帳流程優化。排隊時間過長一直是影響顧客滿意度的重要因素之一。傳統結帳必須逐件掃描條碼，商品數量愈多，等待時間愈長。RFID 結帳系統可一次讀取整籃商品資訊，無須逐件掃描，即可完成商品辨識與價格計算。 對零售商而言，這不僅有助於縮短排隊時間，也能提升自助結帳的使用效率，零售品牌 Uniqlo、Zara 都運用這項科技優化結帳體驗。 應用四：強化全通路即時履約與在地化出貨 第四項轉型則與全通路履約能力有關。近年來，消費者已習慣線上下單、門市取貨以及店取店配等服務模式。然而，許多訂單失敗的原因並非需求不足，而是庫存資訊不準確。當系統誤判商品仍有存貨時，消費者完成下單後才發現缺貨，容易損害品牌信任。 RFID 提供的單品級庫存可視性，讓品牌能更精準掌握每件商品的實際位置。搭配 […]

【科技早餐】NVIDIA 把 AI 工廠接上韓國供應鏈，資料中心、公共持股與鏈上美元同步重排

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊黃仁勳訪韓串起 SK、NAVER、斗山，NVIDIA 把 AI 工廠接上韓國供應鏈 NVIDIA 執行長黃仁勳訪問南韓期間，NVIDIA 宣布與 SK 海力士（SK hynix）簽署多年技術合作協議，雙方將共同推進下一代記憶體技術，支援全球 AI 工廠建設。這項合作不只關係到 HBM 供應，也涵蓋未來 AI 基礎設施、個人 AI 與實體 AI 所需的記憶體產品。 同一波訪韓行程中，NVIDIA 也與 SK 電信（SK Telecom）、NAVER 和斗山集團（Doosan Group）擴大合作。SK 電信將採用 NVIDIA 技術，在韓國打造 GW 等級 AI 雲端，第一座 AI 資料中心預計 2027 年上線；NAVER 則將以 NVIDIA 平台建置 AI 基礎設施，支援韓國主權 AI 與企業應用。從記憶體、雲端到實體 AI，NVIDIA 正把南韓供應鏈拉進更完整的 AI 工廠路線圖。 ＊AI 資料中心在美國被踩煞車，西雅圖、紐約同步拉高門檻 […]

李飛飛拆解「世界模型」3 大分類，Google、NVIDIA 談的世界模型不是同一件事？

從 Google 的 Genie、NVIDIA 的 Cosmos，到機器人領域的 Vision-Language-Action（VLA）模型，「世界模型（World Model）」已成為近兩年 AI 產業最熱門的關鍵字之一。然而，當越來越多企業與研究機構宣稱自己正在打造世界模型時，這個詞的定義卻變得越來越模糊。 ImageNet 創辦人、史丹佛大學教授、World Labs 執行長李飛飛（Fei-Fei Li）近日發表文章，試圖替這個快速發展卻缺乏共識的領域建立一套共同語言。她認為，世界模型已成為 AI 領域最重要、卻也最容易被濫用的名詞之一，而不同研究領域對它的理解其實大不相同。 在文章中，李飛飛不只是重新解釋世界模型的概念，更提出一套新的功能分類法，將目前產業中的世界模型分為三大類型，並進一步描繪未來 AI 發展的方向。 世界模型為何重要？AI 開始從理解文字走向理解世界 過去幾年，大型語言模型（LLM）展現了驚人的語言理解與推理能力，但李飛飛認為，「語言並不是世界本身」。 她指出，語言模型學習的是文字背後的統計規律，而世界模型學習的則是空間與時間的統計結構，包括光線如何照射物體、不同視角下場景如何呈現，以及物體如何遵循物理規律運動。 換句話說，如果語言模型回答的是世界是如何被描述，那麼世界模型試圖理解的則是世界本身如何運作。 這也是近年 Google、NVIDIA、機器人公司以及自駕車產業紛紛投入世界模型研究的重要原因。未來 AI 若要真正進入實體世界，不論是控制機器人、操作自駕車，或建立可互動的數位孿生系統，都需要具備對空間、物理與因果關係的理解能力。然而，問題在於大家口中的世界模型其實不是同一件事。 為了解決這個問題，她選擇回到一張比這些技術都更古老的圖。她指出，強化學習教科書如經典的 Sutton 與 Barto 著作，數十年來都用同一種圖示來描述代理（Agent）如何與世界互動，其正式名稱是「部分可觀測馬可夫決策過程」（POMDP），而世界模型一詞最初的定義就源自這個傳統。 在這個框架中，代理（可以是人、機器人或軟體系統）採取行動（action），行動改變了世界的狀態（state），但代理永遠無法直接看見狀態，而是接收到觀測（observation）資料，例如落在視網膜上的光子、感測器讀數或影格的像素，新的觀測再促成新的行動，如此循環。李飛飛認為，目前產業中所謂的世界模型，其實只是這個循環中的不同組成部分。 在這個迴圈的基礎上，李飛飛把世界模型拆解成三大類別。 將世界模型分成三類：渲染器、模擬器與規劃器 第一類 Renderer，也就是渲染器。這類模型的主要任務是輸出觀察結果，也就是產生人類看得到的影像或影片，最重要的衡量標準是視覺擬真度。李飛飛以文字生成影片模型為例，表示這些系統能夠根據提示詞生成逼真的畫面，甚至能即時產生可互動場景。她指出，Google 的 Genie 3，以及 World Labs 旗下即時生成系統 RTFM，都屬於這一類模型。 Renderer 最大的優勢是視覺品質，但缺點也十分明顯：它們能產生看似合理的畫面，卻不一定真正理解場景背後的三維結構或物理規律。 第二類則是 Simulator，也就是模擬器。與渲染器不同，模擬器輸出的不是畫面，而是狀態，讓人與電腦程式都能在其上運算與互動。這代表模型不只要知道物體長什麼樣子，還必須理解其幾何結構、材質特性與運動規律。建築師、遊戲開發者、自駕車公司與機器人研究團隊，都需要這種能夠反映真實世界物理行為的模型。李飛飛表示，World Labs 最新推出的 Marble 模型即歸屬於此類。 World […]

60% 企業部署未測試 AI 程式碼：Agentic AI 讓 Coding 變快，為何反而讓軟體治理失控？

金融 AI 公司 Clifton AI 的 CTO 暨共同創辦人 Joe Bertolami 近日在《VentureBeat》撰文指出，Agentic AI 已成為軟體開發流程的核心引擎，讓企業能以前所未有的速度生成更多程式碼。然而，這也讓企業領導者面臨一道新難題：既然寫 Code 的速度變快了，為什麼產品改善的腳步卻沒有同步跟上？ Joe Bertolami 點出核心盲點：因為「寫程式」從來就不是軟體開發的真正瓶頸，相較之下，需求定義、複雜系統整合，以及在真實環境下的軟體維護，才是更困難的部分。當企業只顧著利用 AI 追求開發速度，卻缺乏相對應的治理配套時，隨之而來的，將是三大系統性失控危機。 危機一：AI Coding 暴增壓垮人工審查，引發「未測試程式碼」氾濫風險 首當其衝的挑戰，是程式碼數量暴增讓「人類審查」成為新瓶頸，因為工程師在龐大的程式碼中，可能缺乏足夠上下文，進而無法抓出 AI Agent 犯下的錯誤。 這個現象已在業界造成嚴重影響。根據 Tricentis 發布的《2026 Quality Transformation Report》，AI 在軟體開發中的普及，已導致全球高達 60% 的組織將未經測試的程式碼部署到生產環境中。其中，有 32% 的組織承認是「明知未經測試仍執意部署」，主因是高層施壓要求速度優先於品質；另有 30% 的組織則表示，AI 生成的程式碼數量過於龐大，已經壓垮既有的品管與測試流程。 面對這些失控現象，Tricentis 執行長 Kevin Thompson 指出：「加速業務轉型計畫是當今高階主管的首要任務之一，AI 具備幫助軟體開發團隊以史無前例速度前進的潛力。」但他同時強烈警告：「然而，速度加快也帶來風險增加，當軟體品質流程無法跟上開發速度時，企業組織通常會採取走捷徑的方式來應對，這將損害信任度。」 危機二：別讓 AI Agent 繼承工程師權限，否則系統將出現責任漏洞 為了防堵品質下滑與系統風險，企業必須正視 AI 的治理與權限問題。Joe Bertolami […]

只有 26% 受訪企業知道自己的 AI 花多少錢：Token 計費時代，企業新管理難題浮現

當企業從試驗 AI 走向大規模部署，一個新的管理難題正在浮現：沒人真的知道 AI 花了多少錢。 顧問機構 KPMG 一份尚未公開的調查指出，只有 26% 的受訪企業表示對自家 AI 成本擁有全面的掌握，50% 僅有部分可見度，另有 22% 表示完全沒有可見度，或要等帳單寄來後才知道。KPMG 全球 AI 主管 Steve Chase 形容，這是一種過去不存在、如今卻需要被管理的新資源，而且正在呈現指數級成長。 為什麼 AI 成本比 SaaS 更難管理？ 問題的根源，在於收費模式的轉變。過去企業採購 SaaS 軟體時，大多按照使用者數量或授權席次付費。無論是使用 Microsoft 365、Salesforce 或 Slack 等軟體，財務部門都能事先預估年度預算。但《The Wall Street Journal》觀察，AI 業者與軟體公司正逐步改以使用量計價，並以 Token（AI 運算的基本計量單位）為衡量基準，這對即使是最有經驗的財務團隊也難以應對。 財務長習慣為技術支付固定金額，如今在打造 AI 代理、投入大手筆 AI 投資時，發現成本更難預測、也更難建模。金融服務公司 D.A. Davidson 科技研究主管 Gil Luria 認為，使用量計價把風險轉嫁給了客戶，因為它逼著客戶得自行追蹤用量；他並直言，雖然有些大公司鼓勵員工「tokenmaxx」（盡可能多用運算資源以展現走在 AI 前沿），但許多財務長「這一季看到 Anthropic 的帳單恐怕會嚇壞」。 […]

拆解 NVIDIA 的韓國 AI Factory 布局：聯手 SK 海力士搶 HBM4，攜 NAVER 打造主權 AI 基礎設施

在全球 AI 算力軍備競賽白熱化之際，NVIDIA 執行長黃仁勳近日親赴韓國，達成一系列的戰略結盟，合作對象涵蓋半導體巨頭 SK 海力士（SK Hynix）、網路巨頭 NAVER，並延伸至電信與重工業的領頭羊 SK Telecom 及斗山集團（Doosan）。 這場被視為 NVIDIA 深化韓國科技圈布局的關鍵行動，主要圍繞兩大核心：其一是與 SK 海力士深化多年技術同盟，築起下一代記憶體產能的護城河；其二則是讓 NAVER 以 NVIDIA 平台為底座，全面擴張主權 AI 基礎設施版圖。 SK 海力士與 NVIDIA 簽下多年合作，下一代記憶體成 AI Factory 關鍵底座 為支援全球 AI Factory 的加速建設，NVIDIA 與 SK 海力士宣布達成一項多年技術合作夥伴關係，雙方將共同開發符合 NVIDIA AI 基礎設施路線圖的下一代記憶體。 NVIDIA 指出，全球 AI Factory 擴張正面臨較長開發週期、先進製造技術門檻以及龐大資本投入需求等挑戰，這項合作將能確保先進記憶體的穩定供應。未來，SK 海力士將與 NVIDIA 共同開發適用於 NVIDIA Vera Rubin AI 超級電腦、NVIDIA Vera 處理器（CPUs）、搭載 RTX […]

【全美第一所 AI 高中的現實】沒有明確定義的 AI 素養，如何衡量一所 AI 學校的成效？

美國喬治亞州的 Seckinger 高中以「全美第一所人工智慧主題教育機構」自居，吸引了媒體廣泛報導，也引來其他學區競相仿效。 Seckinger 集群共涵蓋五所學校，從 Harmony 小學到 Seckinger 高中，全部遵循同一套 AI 學習框架，框架由六個面向組成：程式設計、資料科學、數學推理、創意問題解決、倫理，以及應用體驗。 這套框架在每個年段以不同方式呈現，AI 主題也延伸至各個科目；體育課的重訓室旁放著 iPad，學生可以使用生成式 AI 聊天機器人詢問有效的訓練動作。 品牌定位與課室現場的距離 《紐約時報》記者在小學觀察到的 AI 課程，實際上是讓一年級學生用磁力積木幫一個玩具人偶蓋房子，概念是「使用者體驗」。 在中學，AI 工具開始出現。一位社會課教師讓學生透過她建立在 MagicSchool 平台上的聊天機器人，扮演記者採訪已辭世的喬治亞州政治人物。學生按照老師提供的問題輸入，聊天機器人吐出歷史人物風格的回覆。 2024 年畢業、目前就讀 Emory 大學的 Muhammad Rizwan 說，在機器人等預期會有 AI 的課程裡 AI 確實存在，但其他課程並沒有那麼多。語文課老師要求學生在課堂上手寫文章，就是為了防止用 ChatGPT 作弊。 他說，老師們仍必須達到郡縣規定的課程標準，再設法加入 AI 元素，「老師真的會這樣做嗎？不見得，但這是對他們的期待」，他補充說，部分老師對聊天機器人介入課堂幾乎感到冒犯。 去年從 Seckinger 畢業、目前就讀喬治亞大學的 Joseph Schrage 說得更直白：「我修的學程，說實在的，我用 AI 做的事和在其他學校沒什麼差別。」他還補充，同學之間常開玩笑說學校很愛強調自己是 AI 學校。 數字說出不同的故事 如果用學區自己的指標來評估，Seckinger 的成績並不亮眼。只有 38.4% 的畢業生達到「大學準備就緒」標準（即參加 […]

生產設備 20 年沒升級成工廠大隱患：AI 讓製造業現代化從高風險改造，變成可量化投資

全球大約有 50% 到 70% 的工業控制系統，即將達到或超過 20 年使用時間，使得企業難以將工廠內部數據，轉化為提高生產效率的營運智慧，迫切需要 AI 時代升級。

從 DTC 到 AI 供應鏈：平價奢華品牌 Quince 為何成為電商新黑馬？

成立於 2019 年的平價奢華品牌 Quince 總部位於美國舊金山，近期快速崛起，憑藉獨特的供應鏈策略與 AI 技術應用，成功顛覆傳統零售模式，如今公司估值超過 100 億美元，成為近年成長最快的電商品牌之一。 靠高 CP 值「奢華基本款」，Quince 如何快速崛起？ Quince 主打價格親民的「奢華基本款」商品，包括售價 50 美元的喀什米爾毛衣、歐洲亞麻寢具以及各類家居用品。由於產品設計與品質接近高端品牌，價格卻遠低於市場同級商品，迅速吸引大量消費者關注。 Quince 與過去一批直接面向消費者（Direct-to-Consumer，DTC）品牌相似，都強調減少中間環節、降低產品售價。然而，Quince 的競爭優勢其實來自更深層的供應鏈重構。 傳統零售模式中，品牌通常需要提前數個月甚至一年預測市場需求，向工廠大量下單生產，商品再運送至倉庫儲存，最後配送給消費者。這套流程涉及庫存管理、倉儲租金、物流轉運以及各種中間成本。一旦預測失準，企業往往只能透過促銷或折扣清理滯銷商品，進一步侵蝕利潤。 Quince 選擇了不同的道路。該公司將絕大部分庫存保留在海外生產基地，商品完成生產後直接由製造商配送給消費者，省去美國本土倉儲與多次轉運環節。這種模式雖然需要消費者接受較長的配送時間，卻大幅降低了庫存持有成本與物流支出，形成具規模優勢的成本結構。 告別折價出清，「AI 週預測」讓工廠小量快製 支撐這套模式運作的關鍵，則是 AI 驅動的需求預測系統。相較於傳統零售商以季度或月份為單位進行採購規劃，Quince 建立了更細緻的預測機制。系統會持續分析銷售數據、搜尋趨勢、退貨紀錄以及消費者回饋，並以週為單位調整生產決策。預測結果甚至能細分至特定商品的顏色與尺寸組合，協助供應鏈快速判斷哪些產品需要增加產量，哪些產品應減少生產。 在 AI 的輔助下，Quince 採取「小量高頻」的生產策略：工廠不需要一次製造大量商品，而是依據即時需求持續補貨。這種模式降低了庫存積壓風險，也減少了商品過剩造成的浪費，讓 Quince 得以透過更精準的供需配對，大幅降低出清庫存的需求。 該公司在最新投資人資料中指出，AI 已經深入產品開發、商品規劃、營運管理與商務流程等多個環節。透過持續優化需求預測能力，該企業能夠縮短生產決策時間，提高供應鏈反應速度，同時減少不必要的庫存與折價損失。隨著更多數據累積，這種模式也將形成更強的規模效應。 不拚流量戰：Quince 用 AI 重新定義電商成本結構 市場表現證明了這套策略的成效。Quince 去年營收已超過 10 億美元，2025 年假日購物季銷售額較前一年成長超過一倍。值得注意的是，品牌並非僅吸引價格敏感型消費者，年收入超過 15 萬美元的高收入族群同樣是其重要客群，顯示其消費者追求的不只是低價，而是在品質與價格之間取得更好的平衡。 當許多 DTC 品牌仍停留在品牌行銷與流量競爭階段時，Quince 選擇把技術與供應鏈視為核心競爭力。透過 AI 驅動的需求預測、海外直送模式以及小量高頻生產機制，這家新創企業正在重新定義零售產業對庫存管理與成本結構的想像，也讓外界看見 AI […]

【科技早餐】Google 砸 9.2 億美元月租 SpaceX 算力，Anthropic 示警 AI 可能自我改良

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google 月付 9.2 億美元買 SpaceX 算力，AI 基建戰轉向容量鎖定 《路透》報導，Google 已與太空探索科技（SpaceX）簽署大型雲端服務協議，從 2026 年 10 月至 2029 年 6 月，每月支付 9.2 億美元購買運算資源。這份合約將讓 Google 取得約 11 萬顆 NVIDIA GPU 對應的運算容量，以及相關 CPU、記憶體與配套設備，用來支撐 Gemini Enterprise 等 AI 服務成長。 這不只是單純買晶片，而是大型科技公司開始用多年長約鎖定 GPU、電力與資料中心容量。除了這次與 Google 的協議，Anthropic 先前也與 SpaceX 簽署算力協議。這代表準備 IPO 的 SpaceX，正把 AI 算力服務納入資本市場敘事，也讓 AI 基礎設施競爭從雲端平台延伸到太空公司。 ＊AI 可能開始自己改良自己，Anthropic 喊出全球暫停機制 開發 Claude 的 […]

【微軟 2026 工作趨勢報告】代理 AI 接管常規任務，企業如何將成效轉化為無法複製的「自有智慧」？

2026 年，企業在 AI 投資與實際回收的效益之間出現明顯落差。當許多高階主管還在忙著採購技術、比較算力時，微軟最新發布的《2026 工作趨勢指數（Work Trend Index 2026）》報告直指，公司現有的管理體制與流程，其實跟不上 AI 擴張的速度。 這份報告分析微軟生態系中數兆個底層運作數據，並調查全球兩萬名 AI 使用者，數據反映，砸大錢導入 AI 系統，如果沒有跟著重塑底層的組織規則，只會讓內部陷入更嚴重的內耗。 以下摘要切入管理痛點，一起釐清企業如何在舊有管理模式失效時，重新定義員工的價值，並整理出決策者現在就必須採取的具體行動。 📎 這份報告適合誰閱讀？ 基本上適合所有面臨 AI 轉型挑戰的知識型工作者閱讀，因為建立能夠應對代理型 AI 的新營運模式，需要跨角色的共同協作。 🔴 報告洞見 許多企業以為買了最先進的 AI 軟體，就等同買到未來的競爭力，但技術進步的巨大紅利，正因為老舊的管理體制而大量流失。 當代理型 AI 開始接管大量日常執行工作，人類的能動性——亦即主導方向、下達判斷與為最終結果負責的空間，獲得了史無前例的擴張。多數員工其實已經準備好迎接這場變革，但組織背後的系統卻根本還沒準備好。 💡 代理型 AI 數暴增 15 倍，企業如何避免錯誤規模化？ AI 已經不再是等待人類下指令才動作的被動工具，而是轉變為能自主執行複雜任務的自動化勞動力。 數據顯示，微軟 365 生態系統中的活躍代理數量，與去年相比暴增了 15 倍，在大型企業中更達到驚人的 18 倍成長。 面對這種極速擴張的自動化規模，企業最大的潛在風險在於「錯誤的規模化」，因為當代理型 AI 開始大規模執行任務時，放行一個錯誤產出的風險與代價將呈指數級疊加。 為了解決這個致命弱點，企業必須建立起嚴格的評估基礎設施，將局部的成功經驗系統化，轉化為競爭對手無法輕易竊取的「自有智慧（Owned Intelligence）」。 這種自有智慧是一種會隨著時間產生複利效應、專屬於企業內部的機構知識。 報告指出，那些被稱為「前段班菁英」的頂尖 AI 使用者，正積極將這些隱性知識轉為顯性資產；他們將 AI […]

「沒有台灣就沒有 Anthropic。」Anthropic 高層來台，點名台灣在 AI 生態系三個不可取代的角色

當 AI 邁入 Agentic AI 時代，台灣正成為國際 AI 生態系不可或缺的重要節點。Anthropic 共同創辦人 Ben Mann 首度來台，出席人工智慧學校舉辦的 Developer Day（開發者日），Anthropic 國家安全政策主任 Tarun Chhabra 也一同參與。 表面上，這是一場聚焦 Claude Code 與開發者生態系的活動，但從 Ben Mann 的爐邊對談，以及 Tarun Chhabra 參與的專題討論來看，Anthropic 更想傳達的訊息其實是：AI 已不只是提升生產力的工具，而是牽動國家競爭力、供應鏈安全與民主國家合作的新基礎設施。 Ben Mann 在開場時就表示，Anthropic 之所以參與這場活動，是因為公司堅信民主國家應在 AI 發展上保持領先地位，並期待持續深化與台灣的合作關係、擴大在台灣的投入。 沒有台灣就沒有 Anthropic 爐邊對談中，與談者數位發展部政務次長侯宜秀提到，台灣生產全球超過九成 AI 伺服器，也是全球半導體供應鏈的重要核心。Ben Mann 對此表示，美國希望維持 AI 領先地位，但同時也希望將 AI 發展帶來的成果與更多國家共享，深化與台灣政府及企業的合作正是其中重要的一環。 而在隨後的專題討論中，Tarun Chhabra 更直接指出：「如果沒有台灣的供應鏈，就不會有 Anthropic。」他認為，若希望在 AI 競爭中保持領先，特別是在與中國的競爭中取得優勢，各國必須建立更緊密的合作關係，而可信任的供應鏈正是其中不可或缺的基礎。 Anthropic 對 […]

趨勢科技加入 Anthropic Project Glasswing：將前沿 AI 模型化為防禦武器，守住台灣 AI 供應鏈防線

過去，網路安全領域的攻防戰一直依賴人類的智力較量，但如今這場競賽的本質已經發生劇變，AI 已經同時存在於攻擊與防禦的兩端。在這個歷史轉折點上，全球領先的 AI 公司 Anthropic 與趨勢科技旗下全球企業 AI 資安領導品牌 TrendAI™ 展開深度合作，TrendAI 正式受邀加入 Anthropic 極具指標性的「Project Glasswing」計畫。這場合作不僅促成了網路安全防禦模式的典範轉移，更進一步鞏固台灣在全球 AI 供應鏈中的戰略地位。 透過 Project Glasswing 實現「以 AI 防禦 AI」 今年 Anthropic 所開發的先進 AI 模型 Claude Mythos Preview 對整個資安產業投下震撼彈。數位發展部部長林宜敬表示，這個強大的 AI 模型能在極短時間內發現數千個高風險的資安漏洞，甚至能快速串聯漏洞並產生攻擊指令。現實是殘酷的，惡意攻擊者絕對不會乖乖等待許可，才去使用這些先進工具。因此，防禦方必須搶占先機。 這正是 Anthropic 啟動「Project Glasswing」計畫的核心理念：在向大眾廣泛公開 Claude Mythos Preview 這一類強大模型之前，先將其交給具備深厚領域知識的防禦者。Anthropic 合作夥伴負責人 Rob Bair 解釋此舉的戰略意義：「我們需要盡早將技術交給值得信賴的防禦者，以盡可能降低攻擊發生後的波及範圍。」 AI 資安的真正戰場：不是找出更多漏洞，而是更快完成修補 然而，快速發現漏洞只是防禦的第一步。趨勢科技執行長暨共同創辦人陳怡樺一語道破當前資安界最大的挑戰：「資安的問題不是你能夠發現多少漏洞，而是你有沒有辦法修補。」 過去的漏洞處理流程耗時冗長。「我們通常即使知道漏洞後，也要至少三個月以上才能完成揭露流程，可是現在整個時間正在大幅壓縮，我們必須把這整個過程變成在幾分鐘之內做完，」陳怡樺強調。引入 AI 後，這場防禦戰正式演變為「速度革命」。未來，TrendAI™ 不僅會運用 Anthropic 的先進模型來強化程式碼分析，更會把 […]

不把雞蛋放在同一個 AI 供應商籃子裡：Walmart 自研 Code Puppy，降低模型依賴風險

《Business Insider》報導指出，Walmart 內部有一款名為 Code Puppy 的工具，由工程師 Mike Pfaffenberger 開發，並已在公司廣泛使用。Code Puppy 的意義並不只是另一個 AI coding assistant，它其實反映出 Walmart 面對 AI 時代的一項更深層策略：避免過度依賴少數幾家大型 AI 供應商。 Walmart 打造 AI 開發工具，降低供應商綁定風險 這類風險在科技產業其實並不罕見。企業往往會在新技術出現時快速導入，並逐步將核心系統建立在其之上；但隨著依賴程度加深，最後可能反而被少數供應商綁住。一旦需要更換，不僅成本極高，還可能引發系統中斷或營運風險。《Business Insider》舉例，類似情況在 IBM 時代曾經出現，在雲端運算興起後再次重演，如今也讓不少企業開始擔心，AI 可能成為下一個重蹈覆轍的領域。 在這樣的背景下，Code Puppy 被視為 Walmart 的一種應對方案。隨著企業在 AI coding 工具與 agent 上的投入不斷攀升，甚至動輒達到數百萬美元規模，如何壓低成本並降低對單一平台的依賴，也變得更加迫切。 Code Puppy 本身建立在 Pydantic AI 函式庫之上，主要用途是讓開發者透過自然語言指令來撰寫、修改、測試與管理軟體。它的功能與 Claude Code、Codex 等工具相似，都能協助生成功能、修復錯誤並分析專案，但關鍵差異在於，它並不綁定任何單一 AI 模型或供應商。 Code Puppy 可支援 OpenAI、Google、Anthropic 等供應商的多種模型，讓開發者依任務需求切換與比較結果，也能將工作負載分散到不同模型與供應商之間，以降低使用限制與成本風險。Mike […]

亞馬遜新一代 AI 機器人 Proteus 亮相：「用對話指揮機器人」如何改寫歐洲物流履約網路？

亞馬遜（Amazon）在倫敦舉行的「Delivering the Future」活動中，揭曉新一代自主移動機器人 Proteus。除了提升倉儲物流作業能力外，新版 Proteus 最大的改變在於導入 AI 自然語言理解功能，員工只需像與同事溝通一樣說明需求，機器人便能自動完成任務安排與執行。 從搬運到自主導航，亞馬遜打造新一代智慧物流中心 《Reuters》報導，這項技術是亞馬遜未來數年將在歐洲投入 100 億歐元升級物流與倉儲系統計畫的一環。新一代 Proteus 預計於 2027 年上半年率先在歐洲導入，相較於目前僅能在裝卸貨區域運作的版本，新系統設計上可在倉儲樓面更廣泛區域移動，並支援履約中心與配送站內的容器運送、工作站之間轉運等任務。目前第一代 Proteus 已部署於美國 25 座物流中心，主要負責搬運重量近 400 公斤的推車，藉此減少員工搬運重物及長距離往返的工作負擔。 新版 Proteus 最大的特色在於具備自然語言理解能力。員工不需要學習專門指令，只要以日常對話方式交代物料搬運需求，系統就能判斷任務順序、規劃路線與執行時機。亞馬遜機器人部門副總裁 Scott Dresser 表示，員工告知機器人需要完成的工作，其餘流程都能由系統自動處理。他認為，Proteus 未來將成為物流中心的重要工作夥伴，負責重複性高且較耗體力的搬運工作，讓員工能把時間投入庫存流動管理、品質控管等較高技能工作。 除了 Proteus 之外，亞馬遜此次也展示多項倉儲自動化技術，包括旗下首款具備觸覺感知能力的 Vulcan 機器人，以及用於貨箱搬運的 STARK 系統。其中，STARK 已在西班牙巴塞隆納展開測試，亞馬遜預計在 2027 年前將其擴展至歐洲 15 個物流據點。 亞馬遜強化歐洲布局：預計增 2.5 萬名員工與多項投資 亞馬遜歐洲營運副總裁 Armin Cossmann 表示，這些技術將改變物流中心在支援員工與服務客戶上的運作方式，以因應持續增加的配送需求。他指出，隨著客戶對配送速度與服務品質的要求不斷提高，公司也會持續投入技術升級與創新。 針對外界對自動化可能衝擊就業的疑慮，亞馬遜強調，技術投資與人力擴張將同時進行。作為歐洲投資計畫的一部分，公司預計未來數年在歐洲履約中心增加 2.5 萬名員工。亞馬遜也指出，自導入機器人技術以來，不僅整體員工規模持續成長，也逐步發展出設備維護、系統可靠度與機器人支援等新型職務。 Scott Dresser 表示，歐洲已成為公司推動營運轉型與技術創新的重要市場，未來無論是資金投入、人才培養或技術導入，都將持續加大力道。除了倉儲自動化外，亞馬遜也宣布，今年將在歐洲設立超過 25 […]

RSI 是新的 AGI：矽谷追逐的最終魔王關，為何讓 Anthropic 呼籲全球按下暫停鍵？

在全球 AI 競賽全力加速的此刻，身處第一線的 Anthropic 卻提出一個反方向的呼籲。Anthropic 在官方部落格中警告，AI 系統正接近能在無人監督下自我改進的臨界點，並呼籲全球頂尖實驗室考慮一項協調一致的協議，暫停或至少放慢前沿模型的開發步調。 這篇部落格文章由 Anthropic 內部研究主管 Marina Favaro 與政策主管 Jack Clark 共同撰寫，他們認為模型的進展正逐漸逼近一個理論概念：遞迴式自我改進（Recursive Self-Improvement，RSI）。他們表示有理由相信，某些模型可能在短短兩年內就具備這項能力。 COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 Anthropic 為何示警？逾 80% 程式碼已由 Claude 寫成 Anthropic 之所以這麼說，是因為它在自家內部看到了具體訊號。《VentureBeat》報導，截至 2026 年 5 月，Anthropic 合併進生產環境程式庫的程式碼中，有超過 80% 是由其 AI 模型 Claude 撰寫，而非人類；Anthropic 補充，在 Claude Code 於 2025 年 2 月推出研究預覽前，這個比例還只有個位數的低點。連帶地，相較於 2021 至 2025 年的基準，每位工程師每季交付的程式碼量增為 […]

機器人在動手之前就預測觸感，HTD 技術讓人型機器人摺衣、端茶成功率大躍進

卡內基美隆大學開發出一套名為 HTD 的全新系統，將人型機器人的身體動作、手部靈巧度，以及對物理互動的預測能力，透過 AI 融為一體。

電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia 用 AI 標籤做對了什麼？

生成式 AI 快速改變消費者的搜尋與購物習慣，戶外品牌 Columbia Sportswear 也開始重新思考電商的核心邏輯。 告別傳統關鍵字！2026 每 5 人就有 1 人問 AI 買東西 Columbia 電商副總裁 Mimi Ruiz 指出，品牌內部在 2026 年的預測顯示，未來每五位消費者中，就有一位會直接透過 AI 助理取得品牌與商品推薦，而非使用傳統關鍵字搜尋。 對 Columbia 而言，這項轉變不只是搜尋介面的改變，更牽動整個商品資料架構與品牌資訊的重組。當消費者開始向 AI 詢問「適合潮濕岩地健行的鞋款」或「適合雨天通勤又保暖的外套」時，品牌若無法讓 AI 理解產品特性與使用情境，就可能失去曝光機會。因此，Columbia 近年積極將產品資料、技術規格與功能描述進行結構化，希望讓品牌商品能在自然語言搜尋環境中，被 AI 正確辨識與推薦。 日本 Columbia 靠 AI 終結電商分類孤島 這個策略，在日本市場率先看到具體成果。Columbia Sportswear Japan 近年導入AI ，針對電商購物流程進行調整，希望解決戶外商品長期存在的「選購困難」問題。 Columbia 在日本市場的產品線橫跨登山、健行、旅行與日常穿搭，同一件商品往往同時適用多種場景。例如一件防水外套，可能兼具城市通勤、防風保暖與戶外活動需求。然而，傳統電商平台大多仍以「外套」、「鞋類」、「背包」等品類分類為主，消費者很難直接依照自身情境找到合適商品。 傳統的分類方式，也讓大量商品資訊被切割在不同頁面之中。消費者即使知道自己的需求，仍必須在不同品類之間反覆切換，容易出現資訊疲勞與選擇障礙。尤其戶外品牌經常使用大量專業術語，例如防水透濕、熱能反射或特殊保暖科技，對一般消費者而言理解門檻較高，缺乏門市人員即時解說的情況下，更容易降低購買信心。 因此，Columbia Japan 導入 AI 標籤機制後，開始重新拆解商品資訊。AI 會分析商品內容，自動建立「功能特徵」、「使用情境」與「需求價值」等不同維度的標籤，再將原本晦澀的專業術語轉譯成更貼近日常語言的描述。例如過去需要理解技術規格才能判斷的機能設計，如今會被轉換成「雨天適用」、「輕量」、「寒冷環境」、「長時間戶外」、「通勤」等直覺式情境標籤。消費者不需要理解技術原理，也能快速掌握商品適用場景。 如此，也讓商品探索方式產生巨大變化。當使用者點擊「防水」標籤時，系統不再只顯示單一類型商品，而會同步推薦具備相同情境價值的外套、鞋款與包件。若點選「輕量」，則可能同時看到可收納外套、旅行背包與適合長時間步行的鞋款。AI 開始扮演類似實體店員的角色，依據使用需求進行跨品類導購與搭配推薦。 COMPUTEX 2026 […]

【科技早餐】鴻海聯手 Intel、台積電 CoPoS 最快兩年放量，AI 基建戰從機櫃燒到筆電

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊鴻海聯手 Intel、會晤 SK，AI 基建從機櫃推進記憶體與能源 鴻海宣布與英特爾（Intel）策略合作，雙方將結合英特爾處理器、矽光子技術與軟體生態系，以及鴻海全球製造、系統整合與 AI 資料中心部署能力，共同探索從晶片、機櫃、系統到應用的 AI 解決方案。 鴻海表示，雙方將探索客製化特殊應用晶片、系統單晶片與系統整合等合作機會，也將共同定義下一代邊緣 AI 與實體 AI 平台架構。同時間，鴻海董事長劉揚偉也與韓國 SK 集團（SK Group）會長崔泰源會面，討論 AI 伺服器、AI 資料中心、能源解決方案與下一代 AI 記憶體等合作方向。鴻海的 AI 基建布局，正在從伺服器代工，往機櫃、記憶體、能源與系統整合同步延伸。 ＊台積電 CoPoS 最快兩年放量，魏哲家回應 Terafab 與記憶體式漲價 台積電 6 月 4 日召開股東會，AI 需求、先進封裝、晶圓價格與新競爭者，都是股東關切焦點。台積電董事長魏哲家表示，台積電最重要的核心競爭力，仍是技術、生產效率與客戶信任三項世界第一，台積電 40 年來從未缺乏競爭對手，未來仍會持續保持領先。 在先進封裝方面，魏哲家透露，新一代先進封裝 CoPoS 已經有試產線，最快約兩年、兩到三年內量會非常大。被問到 Tesla 執行長馬斯克（Elon Musk）提出 Terafab、跨入晶圓製造的可能性，魏哲家簡短回應「祝福他」。針對晶圓價格，他表示「我也想這樣做，正在努力中」，但台積電不會像記憶體公司那樣突然大幅漲價，因為客戶信任是長時間累積，台積電重視的是永續經營。 ＊AI 資料中心砸錢也蓋不快，電力、水與設備成新瓶頸 Microsoft、Google 母公司 Alphabet、Meta 與 Amazon 在 […]

主權 AI 進入 2.0 時代：歐盟 CADA 草案將以 4 大主權評級看「終止開關」風險

全球各國談論「主權 AI（Sovereign AI）」時，焦點大多放在資料是否留在境內、是否建立在地資料中心，以及是否建立自己的大型語言模型，但歐盟最新提出的一項計畫，正把問題推向更深一層。 歐盟執委會近日公布一套名為「科技主權方案」（Tech Sovereignty Package）的政策組合，其中最受關注的，是《Cloud and AI Development Act》（CADA，雲端與 AI 發展法案）。 根據《Bloomberg》報導，歐盟不僅希望未來 5 至 7 年將區域資料中心容量提高至目前的 3 倍，更計畫建立一套「雲端主權風險評級制度」。這代表歐盟的科技主權戰略，正從「資料放在哪裡」的資料在地化思維，走向「誰能調動資料」的控制權治理。 歐盟推四級主權評級，評估的不只是資料存放位置 根據《Bloomberg》與《華爾街日報》取得的草案內容，未來歐盟政府機關若要使用雲端服務處理關鍵資料，將必須進行主權風險評估（Sovereignty Risk Assessment）。 評估內容不僅涵蓋資料儲存位置，而是進一步檢視雲端供應商的雲端服務、供應鏈、資料處理流程以及實體基礎設施是否受到歐盟控制，並依此劃分為四個主權等級。 《Politico》指出，未來不同敏感程度的公共服務，將對應不同等級的主權要求。歐盟科技事務執委 Henna Virkkunen 表示，等級越高，對控制權的要求也越嚴格，目標是避免關鍵系統存在所謂的「kill switch（終止開關）」風險。所謂的終止開關是指，當發生政治衝突、法律爭議或國安事件時，誰能夠決定資料是否被調閱、服務是否被中斷。 COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 真正讓歐盟擔心的，是美國《CLOUD Act》 這項制度背後最直接的推力，來自歐盟長年對美國《CLOUD Act》的疑慮。根據《Bloomberg》、《Reuters》與《CNBC》報導，美國《CLOUD Act》允許美國執法機關要求美國企業提供資料，即使相關資料實際儲存在海外資料中心，也可能受到法律約束。 因此，即便某家歐洲政府機關將資料存放在法國、德國或荷蘭境內，只要使用的是 AWS、Microsoft Azure 或 Google Cloud 等美國企業提供的服務，理論上仍可能面臨美國司法管轄權的影響。Virkkunen 便公開表示，歐盟希望確保最敏感的資料能夠真正受到歐洲控制。 根據 Synergy Research Group 旗下 Statista […]

TrendForce：NVIDIA 加入 Windows on Arm 陣營，推升 Arm 架構 AI 筆電 2029 年滲透率達 34.2%

根據TrendForce最新研究指出，目前AI筆電主要由Intel、AMD、Apple與Qualcomm推動，但市場仍缺乏能夠大規模展現裝置端AI運算價值，並形成明確使用者換機誘因的產品。隨著Nvidia於Computex正式發表RTX Spark平台搭配N1與N1X處理器，AI筆電市場有望從目前以NPU功能展示為主的階段，進一步邁向以Agent與本地端模型運算為核心的新發展階段。 TrendForce表示，RTX Spark平台的意義不僅在於新增Windows on Arm陣營的重要成員，更首次將CUDA生態系延伸至Windows筆電市場，預估將快速提升AI筆電滲透率，由2025年的19.3%與2026年的37.5%提升至2029年的84.9%。 N1/N1X處理器由Nvidia與聯發科(MTK)合作推出，扮演開拓高階市場的關鍵。此架構整合了高效能Arm架構CPU、Blackwell架構GPU、CUDA生態系，並支援最高128GB Unified Memory配置，讓硬體效能與作業系統、專業軟體層面達到深度整合。 受惠於裝置端算力提升，文件搜尋、簡報製作、知識庫查詢、工作排程及部分AI Coding等應用，未來皆有機會直接於本地端完成，降低對雲端算力與Token消耗的依賴。隨著AI Agent逐步普及，PC角色也將由被動工具轉變為主動助理，帶動換機需求由硬體規格升級轉向應用價值升級，成為2027年後推動筆電市場成長的重要動能。 想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 Windows on Arm、Apple M、Chromebook推升，Arm架構筆電迎新局 從AI筆電市場結構來看，目前AI筆電仍以Windows x86平台為主，其滲透率由2025年的6.8%至2026年提升至14.5%，預估2029年將占整體市場約50.7%。相較之下，Windows on Arm AI筆電雖然目前基期較低，但成長速度在Qualcomm與Nvidia陸續加入此陣營後將明顯加速，滲透率將由2025年的1.2%提升至2026年的3.2%，預期將於2029年進一步成長至11.5%，顯示Arm架構正逐步擴大在Windows筆電市場的影響力。 除了Windows on Arm的發展外，Apple M系列預計維持約17%左右的筆電市場占比，持續扮演Arm架構筆電的重要組成。另一方面，隨著Intel與AMD近年將資源逐步轉向AI筆電與高階商務機種，在Chromebook市場投入相對保守，也讓聯發科(MTK)在今年有機會透過AI Chromebook進一步擴大在Chromebook平台的滲透率。在Windows on Arm, Apple M與Chromebook系列共同帶動下，預估2029年Arm架構筆電滲透率將達34.2%。 TrendForce指出，在Nvidia RTX Spark平台(N1/N1X)、Qualcomm Snapdragon X以及未來更多 Arm架構晶片陸續進入市場下，Windows筆電市場將由過去以Intel與AMD雙強競爭，逐步轉向多架構、多平台並存的新局面。 （本文訊息由 TrendForce 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：TrendForce。）

工研院攜手 AUVSI 推動 Green UAS 認可評鑑：　助攻無人機產業接軌國際市場，漢翔率先導入測試驗證

為有助於我國無人機產業拓展國際，以及促進臺美無人機合作，並協助「台灣卓越無人機海外商機聯盟（TEDIBOA）」強化全球布局，在經濟部產業發展署指導下，工研院今（4）日舉辦「無人機評鑑機構啟動大會」，正式宣布與美國無人產業協會（AUVSI）簽署 Green UAS 授權評鑑及服務協議契約，成為 AUVSI 於臺灣的第三方認可評鑑機構，並成為美國「綠色無人機系統（Green UAS）」，使臺灣成為美國境外第一個認可評鑑機構，協助臺灣業者取得認證，打入美國市場。將有助推動我國無人機產業取得國際認證，進而拓展國際市場。 本次啟動大會邀集政府、國際組織及產業代表共同參與，包括經濟部次長何晉滄、經濟部產業發展署署長邱求慧、美國在臺協會處長谷立言（Director Raymond Greene）、AUVSI 執行長Michael Robbins、工研院董事長吳政忠、工研院院長張培仁、漢翔航空工業股份有限公司董事長曹進平；另有無人機外交小組、無人機大聯盟、台灣智慧機器人與自動化協會、雷虎科技、亞洲航空、神耀科技與中光電等產官研代表共同出席。 Green UAS 制度為美國近年推動的重要無人機供應鏈驗證機制，著重產品資安、供應鏈透明度與可信任度，已逐步成為國際市場的重要門檻與合作標準。今年 1 月，AUVSI 與工研院已於美國華盛頓特區簽署合作協議，專職網路安全測試和技術評估，擴大在臺灣的滲透測試支援，由授權資安人員實際嘗試入侵系統，識別資安漏洞。 工研院董事長吳政忠指出，此次正式啟動 Green UAS 無人機評鑑機構，是臺灣無人機產業走向全球可信賴供應鏈的關鍵起點。工研院取得美國 AUVSI 的 Green UAS 授權評鑑資格，將以「在地驗證、接軌國際」為核心，協助國內業者在國內依循美國標準完成資安評鑑，縮短進入國際市場時程。此授權評鑑機制將為產業帶來三大價值，包括協助業者接軌國際標準、強化可信供應鏈韌性，以及帶動技術升級，促使業者系統性地強化資安能力與產品品質，讓全世界看見臺灣無人機「可信、可靠、可合作」的實力。 此外，工研院也與漢翔航空工業股份有限公司簽署 Green UAS 測試合作備忘錄（MOU），由工研院機械與機電系統研究所所長張禎元與漢翔董事長曹進平代表簽署，並由經濟部次長何晉滄、經濟部產業發展署署長邱求慧、美國在台協會處長谷立言及 AUVSI 執行長 Michael Robbins 共同見證，正式啟動雙方於 Green UAS 測試驗證合作。 （本文訊息由 工研院 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：工研院。）

【科技早餐】Microsoft 七款自研模型拉高 AI 平台戰，SK 海力士擴產、NVIDIA Robotaxi 鎖定高雄

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Microsoft Build 發表七款自研模型，AI 全端自主往企業推進 Microsoft 在年度開發者大會 Build 一口氣公布多項 AI 計畫，從自研模型、Windows 裝置到企業代理安全護欄，都指向同一個方向：Microsoft 不只延續與 OpenAI 的合作，也在補強自己的 AI 技術堆疊。其中最受矚目的，是 Microsoft 發表七款自研 AI 模型，組成 MAI 模型家族，涵蓋推理、程式碼、圖像、語音與語音轉錄，並把開發者與企業應用放在核心位置。 硬體端，Microsoft 展示搭載 NVIDIA 晶片的新電腦 Surface RTX Spark Dev Box，目標是在 PC 執行更大型的 AI 模型；同時公布 Project Solara 概念裝置，讓 AI 代理進入行動工作場景。企業安全方面，Microsoft 也正開發工具，協助 Windows 執行開放原始碼軟體 OpenClaw，降低 AI 代理在企業電腦上誤用敏感資料或刪除檔案的風險。 ＊Microsoft 發表 Majorana 2，AI 協助量子運算提前推進到 2029 […]

研華搭 COMPUTEX 熱潮舉辦全球夥伴大會，力推 Physical AI 與 WEDA 架構

全球物聯網智能系統與嵌入式平台領導廠商研華公司（TWSE:2395）昨（3）日於研華智能共創園區舉辦全球夥伴大會 WPC（World Partner Conference），今年研華 WPC  首度與 COMPUTEX 展覽深度整合，成功吸引來自全球超過 800 位技術夥伴、產業領導與生態系成員共襄盛舉，透過12場垂直產業論壇，共同探討邊緣 AI（Edge AI）、實體 AI（Physical AI）與 AI 代理（AI Agent） 的最新發展趨勢。作為全球邊緣 AI 產業的年度盛事，研華打造出橫跨全球技術趨勢、前端產品體驗與跨國商業媒合的平台，透過為期三天的密切交流，不僅讓全球與會者直擊最先進的邊緣運算與 AI 智慧方案，更實質促進了全球生態系夥伴在策略、技術與落地商機上的深度綁定。 COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 首度整合 WPC 與 COMPUTEX 全球夥伴深度交流 Edge AI 關鍵應用 研華董事長劉克振表示，研華今年以「Edge Computing & AI-Powered WISE Solutions」為主軸，首度將 WPC 與 COMPUTEX 整合擴大舉辦，就是希望透過全球生態系合作以建立更完整的邊緣AI產業鏈，進而串聯技術夥伴、開發者與產業客戶，打造可複製且具規模化的解決方案。 研華北美區總經理牛文中從市場第一線觀察指出，企業導入邊緣 AI 的需求快速成長，客戶需要的已不再只是單一硬體設備或 AI 模型，而是能夠整合硬體、軟體、 AI 框架、系統部署與場域服務的系統級夥伴。尤其在智慧製造、醫療、物流與自主設備等應用場域中， AI […]

台灣大 AI 算力布局走向海外，攜 GMI Cloud 共拓國際 AIDC 市場

全球生成式 AI 浪潮帶動高階 GPU 與 AIDC 需求快速成長，企業對算力、資料在地化與 AI 基礎設施的需求同步攀升。台灣大哥大今（4）日於 COMPUTEX 宣布，與全球僅七家的 NVIDIA Reference Platform Partner 國際算力策略合作夥伴 GMI Cloud 簽署合作備忘錄（MOU），結合台灣大在大型基礎設施與機房維運的深厚實力，以及 GMI Cloud 全球算力調度優勢，共同布局東南亞、東北亞、美洲、歐洲等新興市場，打造符合當地法規，與高資安標準的國際級 AIDC 服務，搶攻跨國算力商機。   台灣大哥大企業服務事業商務長朱曉幸表示，AI 加速運算規模快速擴張，企業對高效能算力、資料治理與在地部署需求同步提升。台灣大近年積極布局超大規模 AI 算力中心，旗下 TAIDC 機房具備高密度電力架構、液冷散熱與電信級維運能力，可支援新一代高效能 GPU 運算需求。除協助金融、高科技研發等企業客戶加速 AI 模型訓練與推論應用，也透過高頻寬網路專線與電信級資安能力，提供兼顧效能與資料安全的 GPU 運算服務。朱曉幸進一步表示，此次與 GMI Cloud 深化合作，共同拓展海外 AI 基礎設施市場，協助企業加速 AI 應用落地。 GMI Cloud 執行長葉威延表示，GMI Cloud 作為全球唯七 NVIDIA Reference Platform 雲端合作夥伴，同時也是亞洲成長最快的 GPU 雲服務供應商，具備快速部署基礎設施的能力，能有效解決目前市場對 GPU […]

AI ROI 不能只看採用率：JPMorgan、Meta 推追蹤機制，為何引爆失真與隱私危機？

《Business Insider》報導指出，隨著企業大規模導入 AI 工具，使用 AI 逐漸從一種選擇，轉變為職場中的基本要求。面對在 AI 軟體與 AI 代理系統上投入的數十億美元，包含 JPMorgan、Meta 與 KPMG 等大型企業，紛紛建立內部數據儀表板，用來追蹤員工在日常工作中使用 AI 的頻率與方式，部分企業甚至會在內部公開使用數據，讓員工能比較彼此的 AI 採用程度。 AI 使用量成管理參考，企業使用數據評估員工表現 在部分企業中，AI 使用量開始被納入績效評估與工作表現比較的指標，用以辨識所謂的「落後者」，進一步作為人力資源決策的參考依據。 然而，這類高度細緻的監控機制也開始在職場內部引發緊張關係。《Business Insider》指出，當 AI 使用量被做成排行榜，指標也開始被扭曲。部分員工會刻意增加不必要的 AI token 使用量，刻意最大化 AI token 使用量（tokenmaxxing），拉高自己的使用數據。這讓企業面臨一個新問題：AI 使用量升高，不一定代表生產力提高，反而可能推高成本、削弱指標可信度。亞馬遜過去曾設立內部排行榜追蹤 AI token 使用情況，但因擔心鼓勵不必要的使用行為，已於今年 5 月底關閉該機制。 同時，企業的監控重心也逐漸從傳統的工作效率指標，轉向更細緻的工作行為分析。過去多數企業主要透過登入時間、滑鼠移動、螢幕截圖等數據來評估遠距工作生產力；但在 AI 時代，企業開始更關注員工實際如何完成工作，包括寫作、程式設計、溝通與決策等流程，以理解 AI 在工作中的實際作用。 COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 Meta 蒐集鍵盤與滑鼠數據訓練 AI，引隱私與監控爭議 隨著 AI […]

AI 算力競賽下一個瓶頸是電力：台達電源及系統事業群副總經理鄭謝雄解析 800 VDC 架構、液冷與數位孿生如何重構資料中心？

專訪：戴季全撰稿：李昀蔚 算力即國力，已經成為 AI 時代最常被討論的一句話。然而，在大型語言模型、AI Agent 與 Physical AI 快速發展背後，真正限制算力擴張的，可能不是晶片，而是電力。當 GPU 功耗持續升高，AI 資料中心的用電、散熱與能源轉換效率，正在成為新一代 AI 基礎設施的核心戰場。 本集《全新一週》特別專訪台達電源及系統事業群副總經理鄭謝雄，從 NVIDIA GTC 大會上備受關注的台達 800 VDC 方案談起，拆解 AI 資料中心為何必須重新設計電力架構，以及台達如何從「Grid-to-Chip」（從電網到晶片）角度，整合電源、液冷與數位孿生，回應 AI 算力爆發帶來的新挑戰。 為什麼 AI 資料中心需要 800 VDC？關鍵在 GPU 功率暴增 所有電源架構的改變，根本原因都來自 GPU 功率不斷提升。從 H100、H200，到 Blackwell，再到 Vera Rubin，GPU 功耗已從過去約 700 至 800 瓦，提升到 1,200 瓦，未來 Vera Rubin 世代甚至可能來到 1,800 至 2,300 瓦。 當 GPU […]