Archives

Amazon 推動 Project Houdini：資料中心伺服器安裝時程從 15 週壓縮到 2 週，揭 AI 算力交付新模式

在 AI 基礎設施競賽持續升溫的背景下，據《Business Insider》取得的內部文件顯示，Amazon 正在推動一項代號為「Project Houdini」的新計畫，核心是將資料中心機房的大量施工轉移至工廠，改以大型預組裝模組來加快 AWS 新算力的上線速度。 Project Houdini 之所以受到高度關注，是因為 Amazon 正面臨 AI 需求暴增的龐大壓力。為了解決這個痛點，Amazon 極力希望透過新模式大幅縮短資料中心的建設時間，並減少大量且昂貴的現場工時。 Project Houdini 是什麼？Amazon 要把 AI 資料中心機房變成大型模組 過去，傳統資料中心的建設多半仰賴高度密集的現場逐步施工模式（stick-built on-site process），也就是工人必須依序安裝機櫃、配置電力系統與拉設線纜。內部文件指出，這樣的整體流程大約需要消耗 6 萬到 8 萬個工時，且大約要等待 15 週後，伺服器才能開始安裝。 為了打破時間限制，Project Houdini 的目標便是將資料中心的「核心伺服器機房（core server room）」轉變為一組大型的預組裝模組，讓原本必須在工地逐步完成的機櫃、配電、線纜、照明與消防安全系統，能夠先轉移到可控的工廠環境中預先整合完成。 《Business Insider》進一步指出，AWS 會在工廠預先打造出被稱為「skids」的大型模組。每個模組長約 45 英尺、重達 2 萬磅，大小約等同一輛半掛式拖車，隨後再透過雙層拖車運送到現場進行拼接。目前，AWS 正與 Cupertino Electric Inc. 合作進行原型的設計與擴展，並計畫在堪薩斯州托皮卡（Topeka）、休士頓以及鹽湖城進行初步的模組生產。 加州大學河濱分校副教授 Shaolei Ren 觀察指出，雖然模組化並非新概念，但過往多針對小型客戶，這樣的創新作法，不僅讓 Amazon 得以將建設流程朝著標準化、可複製的方向推進，也能在減少錯誤的同時，大幅降低對在地勞動力的依賴。 Project […]

98% 自動化、每輛車 2 萬項數據回傳：解析 BMW 慕尼黑廠的 iFACTORY 數位升級邏輯

在擁擠的慕尼黑市中心，一座最初以製造飛機引擎起家、1950 年才轉型製造汽車的工廠，是 BMW 全球歷史最悠久的生產基地。如今，這座擁有 104 年歷史的工廠正在經歷創廠以來規模最大的一次轉型。 根據 BMW 官方資料與外媒報導，BMW 正斥資 6.5 億歐元（約 7.5 億美元）對慕尼黑廠進行全面改造，目標是在 2027 年前將其轉型為純電動車生產基地，成為 BMW 集團旗下第一座專門生產「Neue Klasse（新世代）」純電動車的既有廠區。這座工廠的第一步，是在 2026 年 8 月正式量產純電轎車 BMW i3，後續還將包括 BMW i3 Touring 在內的多款 Neue Klasse 車型。 這次改造的特殊之處，在於整個工程是在工廠持續運作的情況下進行。根據《The Independent》報導，施工期間慕尼黑廠每天仍持續生產多達 1,000 輛車，目前仍生產 3 系列與 4 系列的所有車型，顯示這場轉型工程的複雜程度。至於改造範圍，則涵蓋約三分之一的廠區面積，包含全新的車身組裝車間、現代化的整車裝配區與全新的物流區域，並對既有設備進行大規模升級。 iFACTORY 戰略：效率、永續與數位化三位一體 BMW 將這次轉型定位在其 iFACTORY 戰略框架之下。BMW AG 生產董事會成員 Milan Nedeljković 表示，BMW 已針對旗下所有工廠的啟動做好準備，並在技術、數位化與 AI 領域投入大量資源。 iFACTORY […]

Anthropic Mythos 進入大型銀行、美英加三國監管體系同步介入：為何美財長緊急召集華爾街 CEO？

Anthropic 的新模型 Claude Mythos ，正因為超乎尋常的漏洞識別與攻擊能力，引發美國、英國與加拿大金融監管機構及大型銀行的強烈關注。在測試中，Mythos 不僅能自主發現系統中的零日漏洞（zero-day vulnerabilities）並串聯成攻擊鏈，甚至曾成功入侵網頁瀏覽器，讀取設定為「受害者銀行（victim’s bank）」的敏感數據。 上述這些能將駭客攻擊自動化的強大能力，已使 Mythos 被聯邦監管機構視為金融業「頂級的系統性風險」，並迫使華爾街銀行展開緊急內部測試，也讓美、英、加三國政府同步介入，試圖在危機爆發前先建立防線。 華爾街銀行啟動內測，站上 Mythos 風險第一線 面對前所未見的 AI 網路威脅，美國政府官員並非單純防堵，而是積極鼓勵銀行採取主動防禦策略。官員們建議大型金融機構將 Mythos 部署在自家的系統中進行針對性測試，藉由找出自身弱點來進一步提升防禦能力。 《Bloomberg》報導，包含高盛（Goldman Sachs）、花旗集團（Citigroup）、美國銀行（Bank of America）與摩根士丹利（Morgan Stanley）等大型金融機構，目前都已經開始在內部測試 Mythos。這幾家銀行被美國監管機構列為「具系統重要性（systemically important）」，代表這些金融機構的營運穩定性是全球金融體系的首要任務，因此自然成為這波 AI 防禦測試的重點對象。 在目前的公開資訊中，摩根大通（JPMorgan Chase）是唯一被明確點名納入 Anthropic 官方預覽與測試計畫的銀行。為了在類似的高階 AI 模型廣泛流出前先鞏固關鍵數位基礎設施，Anthropic 發起了由 40 家機構組成的「Project Glasswing」專案，摩根大通也與蘋果、微軟、亞馬遜、Google 等科技巨頭，以及 CrowdStrike、Palo Alto Networks 等資安大廠並列其中。針對參與此計畫的目標，摩根大通先前曾表示，將利用 Mythos 來「評估下一代 AI 工具在關鍵基礎設施防禦型資安上的應用」。 Mythos 反噬風險升高，美國緊急召集華爾街銀行應對 然而，Mythos 能自主發現並串聯零日漏洞的強大能力，也伴隨著極高的反噬風險。因此，美國聯邦監管機構已將這類先進的 AI 系統視為金融業的「頂級系統性風險（top-tier systemic risk）」，這也迫使各國監管機構同步採取緊急行動，以確保金融體系能了解並防範這項技術可能帶來的毀滅性災難。 […]

目標 2030 財年實現機器自主運作：軟銀、本田等四大日本巨頭結盟瞄準實體 AI

據《Nikkei Asia》、《The Japan Times》及《nippon.com》等多家外媒報導，軟銀（SoftBank）已在日本成立一家專門開發 AI 的新公司，名為「日本 AI 基礎模型開發」（Nihon AI Foundation Model Development），由 NEC、本田汽車（Honda Motor）、索尼集團（Sony Group）共同領銜，四家企業各持股逾 10%。 除了四大主要股東之外，三菱 UFJ 銀行（MUFG Bank）、三井住友銀行（Sumitomo Mitsui Banking）、瑞穗銀行（Mizuho Bank）、新日鐵（Nippon Steel）及神戶製鋼（Kobe Steel）也已以少數股東身份參與投資，另有數家企業仍在洽談出資事宜。此外，東京 AI 開發商 Preferred Networks 也將共同參與模型建構，預計約有 100 名 AI 開發工程師加入團隊。 目標兆級參數，打造日本最強 AI 模型 這家新公司的核心目標，是在 2030 年以前開發出參數規模達約 1 兆的大型 AI 基礎模型，成為日本國內最具規模的 AI 之一。參數數量是衡量 AI 性能的重要指標，規模越大代表模型的處理能力越強。除了文字之外，該公司也計劃強化模型處理圖像、影片與音訊等多種資訊類型的能力。 在分工上，軟銀與 NEC 將負責基礎模型的開發，索尼與本田則計劃將開發出的 AI 應用於汽車、機器人、遊戲及半導體等不同領域。 「實體 AI」是關鍵，2030 […]

金融業如何養出真正能上工的 AI Agent？國泰金控揭從模型、護欄到治理的落地路徑

隨著生成式 AI 浪潮席捲全球，金融業正站在技術變革的最前線。然而，要讓 AI 從單純的聊天助手，蛻變為能真正在企業內部運行的 AI Agent，絕非一蹴可幾。國泰金控數數發中心經理謝昌宏近日在科技報橘主辦的「AI Ready 數據治理論壇」中，深度剖析國泰金控長達十年的轉型歷程與具體實戰策略。 謝昌宏指出，國泰金控不僅在 2024 年獲主管機關核准，成為全台第一家全面推動資料上雲的金融業者，更為了迎接 AI 浪潮，早在 2023 年便成立 AI 卓越中心 (AI CoE)，推動打造統一框架的「AI Ready」、擴大全員影響力的「AI Empower」，以及深度嵌入業務流程的「AI Native」三大戰略，最終目標便是讓未來的每項金融服務，都能與 AI 無縫整合。 從營運增效到自主協作，GAIA 框架孕育金融 AI 代理人 在建立 AI Ready 的穩固基礎後，國泰金控已將生成式 AI 實際落地於多個高價值的營運場景，大幅重塑企業價值鏈。例如在智慧文檔處理（IDP）方面，AI 已超越傳統 OCR 僅能數位化的限制，能夠理解動輒百頁的聯貸合約與法規，並自動摘要關鍵的風險點。 此外，面對洗錢防制等繁瑣的合規需求，AI Agent 可以自動調查可疑交易並整合外部新聞，將撰寫可疑活動報告 (SAR) 的時間從數小時大幅縮短至數分鐘。至於在人力資源轉型上，HR 知識庫與 AI 助手不僅能即時解答員工提問，更能進一步擔任虛擬教練生成個人化學習路徑，成為國泰內部第一個讓數千名員工使用的大規模剛需場景。 不過，要養出具備獨立思考與跨單位協作能力的 AI Agent，單靠應用場景的開發並不夠，更必須仰賴穩固的底層架構。對此，國泰金控推出被視為孕育無數 AI 應用服務的 GAIA 框架：第一代的 GAIA 1.0 […]

AI 時代只剩四種人能留下來？科技職場留人邏輯的根本轉變

科技公司裡哪些人會被 AI 取代、哪些人會留下來？這個問題最近在創投與創辦人圈引發了一場討論。起點是產品與成長營運者 Yoav Rechtman 轉發的一個論點：隨著 AI 承接越來越多科技公司的內部工作，最終能留下來的角色將只剩四種原型。 四種原型，押注底層能力而非職稱 Rechtman 的框架完全捨棄職稱，改用底層能力來定義誰能留下來。 第一種是高速交付的產品工程師與通才建造者，靠著善用 AI 工具快速出貨維持價值。 第二種是資安、SRE 與基礎設施專家，負責穩住 AI 大量生成的輸出，確保組織不因此失控。 第三種是具備高社交智能的銷售、客戶體驗與人才營運人員，做的是 AI 還沒辦法替代的關係工作。 第四種是法務、財務與治理等「組織大人」，在快速推進的組織裡扮演煞車與把關的角色。 這個框架想說的是，決定誰留下來的不是職稱，而是速度、系統思維、社交智能、風險管理這四種底層能力。 替代信號已出現，而且集中在特定族群 這個論點並非憑空而來，Goldman Sachs 研究發現，2025 年上半年，AI 暴露職業中（工作內容容易被 AI 取代的職業），20 到 30 歲族群的失業率上升近 3 個百分點，明顯高於其他產業的同齡族群。軟體開發、客服與文書類職位的入門職缺也大幅萎縮。 若 AI 全面應用至目前可處理的所有任務，同一份研究估計，美國約 2.5% 的就業將面臨「直接替代」風險，而隨著採用速度加快，這個比例還會繼續上升。 Anthropic 經濟指數的資料提供了更細緻的職業層級圖像。目前 AI 使用率最高的職業中，電腦程式設計師的任務覆蓋率高達 75%，位居所有職業之首；客服代表緊隨其後；資料輸入員的覆蓋率也達 67%，文件讀取與資料輸入這類核心任務已呈現顯著的自動化趨勢。 這三個職業恰好都落在框架所定義的「可取代層」。 值得注意的是，這些高暴露職業的工作者平均薪資比低暴露職業高出 47%，教育程度也更高。也就是說，受 AI 衝擊最深的，不只是低薪基層工作，也包括過去被認為相對安全的白領職位。 年輕工作者的情況尤其值得關注。Anthropic 經濟指數顯示，22 至 […]

「一家企業使用 AI 的上限，取決於數據的下限。」台灣帆軟打破數據孤島，助半導體企業將每日資料匯整降至 10 分鐘

在 TechOrange 科技報橘日前舉辦的 AI Ready 數據治理論壇，台灣帆軟客戶經理張姿敏以「打破數據孤島，透過一站式治理，打造 AI Ready 環境」為主題發表演講，她引用 Gartner 的調查數據指出，68% 企業 AI 提案因數據問題無法推進。 「許多企業看起來像在做 AI，但底層數據卻仍仰賴人工以 Excel 整理，缺乏統一標準，導致專案在數據梳理階段就停滯不前，」張姿敏指出，過去企業在資料治理上，往往隱藏著龐大的「冰川問題」，包含數據孤島、品質參差不齊的異常資料、各部門定義不一的數據，以及高成本的開發與維護。 針對隱藏的冰川問題，張姿敏強調企業的資料架構應隨著發展階段演進。從初期處理低數據量的「直讀階段」，到追求成本效益與速度的「中間庫階段」，最後邁向規範化的「資料倉儲階段」建設，張姿敏將資料倉儲的架構比喻為物流中心，所有的資料進入倉儲後，便依照規則與條件進行標準化梳理與歸類，確保未來 BI （商業智慧）系統在調用資料時，能明確知道該從哪個位置提取經過驗證的資料。 助力半導體大廠實現數據自動化：每日從數小時縮短至 10 分鐘 為進一步落實資料治理的自動化與規範化，帆軟推出 FineDataLink 一站式資料整合平臺。「相當於所有數據任務的指揮中心，所有任務開發的狀態，或者運行的結果，都可以在同一個平台去做管理，」張姿敏表示統一管理介面能有效整合跨域 API 與各式檔案等多元異質資料源，讓開發狀態與運行結果，都能在單一平台上實現高效管理。 在實際應用案例中，張姿敏首先以某半導體大廠為例，過去製造部門每天凌晨需耗費數小時人工跨系統撈取資料，傳輸不僅容易中斷，主管也只能看昨天的舊數據做決策，在導入 FineDataLink 後，透過數據管道與定時排程計算，原本每日耗費數小時的處理時間，縮短至 10 分鐘就能完成，降低人工處理的時間成本。系統還具備自動識別異常並發送預警的功能，進一步結合問答式 AI ，讓決策者能隨時獲取最即時的生產進度與良率分析。 從破解冰川問題到建立如物流中心般的資料倉儲，其核心價值在於將零散的數據轉化為具備決策價值的資產，「一家企業使用 AI 的上限，取決於數據的下限，」張姿敏強調，企業唯有打穩數據根基，才能讓數據真正轉化為推動成長的實質動能。

盲目呼叫 API 太耗算力？鴻海打造 CityGPT，以 AI Agent 賦能智慧城市數據治理

從企業、城市到國家，要打造專屬於自己的 AI 發展模式，數據已成為具備明確規格且不可或缺的核心基礎。在 TechOrange 科技報橘日前舉辦的「AI Ready 數據治理論壇」，鴻海科技集團以「整合碎裂數據，建立 AI Ready 智慧城市大腦」為題，分享鴻海在推動 CityGPT 與智慧城市應用的實戰經驗與觀察，解析如何透過標準化數據治理與 AI Agent 協作，整合碎片化數據，推動 CityGPT 與智慧城市。 「數據就像大富翁裡的土地，共享、互通、有交易，能發展才有樂趣，」鴻海科技集團董事長辦公室軟體研發處資深經理潘相輔比喻，「大家買房子的時候會看三個重點，第一個是交通，再是機能，當兩個都滿足的時候才會開始有人潮，」潘相輔以「生活圈發展」來形容打造一座 AI 宜居城市的核心三元素。底層的交通代表標準化的基礎建設，基礎打穩後，便會發展出機能，將社會化數據轉化為應用服務等，當交通與機能到位，自然會帶動人潮。 準確率達 90% 的大語言模型 鴻海以高雄市作為智慧城市的實證場域，目前城市資料平台匯整 7 大領域、28 個跨部會，共計高達 84 項的資料資產，潘相輔指出，當前智慧治理面臨的最大挑戰並非缺乏資料，而是如何處理龐大複雜的資料問題。 「過去 API 是為工程師設計，讓工程師能理解並帶入參數撈取資料，但若直接交給 AI 處理，AI 常因無法辨識正確參數而盲目測試，耗費運算資源，」潘相輔解釋，政府以往開放的交通資訊與 API 都仰賴工程師自行判讀、試錯並帶入正確參數，但當這些 API 交給大語言模型處理時，AI 會因為缺乏明確的選擇標準與規範，只能盲目測試，大幅消耗運算資源與成本。 為了解決讓 AI 精準存取資料，鴻海強調建立「資料說明與詮釋」標準的重要性，並開發出一套由多個 AI Agent 協作的「MCP Tool 描述標準流程」，引導 AI 精準執行任務，讓大語言模型在回答或調用資料的準確率達到至少 90% 的成效。潘相輔進一步分享其中三個 AI Agent 的分工機制，第一是 […]

Costco 的 RMN 變革：放棄流量變現思維，如何靠封閉式數據實現「廣告到購買」？

今年 3 月，Costco 宣布升級旗下零售媒體平台 Costco Velocity，在自家網站上推出 AI 驅動的「預留展示位（Reserved Display）」。這項新功能預計於今年第二季先行測試，並逐步擴展至首頁與搜尋頁等高流量版位，被 Costco 形容為線上的「數位端架」。 從貨架邏輯出發，把逛賣場變成一種演算法體驗 在實體門市中，「端架（end cap）」一向是刺激衝動購買與新品曝光的關鍵位置。如今 Costco 嘗試將這種陳列邏輯轉譯到電商場景，重要版位上呈現的不只是廣告，而是期望在線上也建構如同線下「尋寶」般不斷發現商品的購物體驗。 這背後的技術來自廣告科技公司 Moloco。其機器學習模型以會員的真實購買數據為基礎，透過 AI 演算分析，即時預測消費者當下最可能感興趣的商品，並動態調整展示內容。與傳統依賴點擊或瀏覽紀錄的廣告不同，Costco 的這套系統更強調「實際購買行為」，讓推薦結果更貼近消費決策本身，而非短期的注意力捕捉。 跳脫流量陷阱：Costso 以驅動交易為主要目的 當前零售媒體市場長期由 Amazon 與 Walmart 主導，但 Costco 的布局，正反映出另一種競爭策略正在成形。 Costco 零售媒體副總裁 Mark Williamson 直言：「我們志在打造透過賣出商品而創造營收的零售媒體。」這也點出其核心定位，相較於電商平台強調廣告規模與流量變現，Costco 更關注的是能否實際帶動銷售，也就是更高的轉換率與更直接的營收貢獻。 在這樣的策略之下，Costco Velocity 不只是廣告工具，而是一套以交易為核心的系統。透過串接會員識別與受眾工具，品牌可以快速啟動精準投放，並將曝光、點擊到最終購買的整個過程，完整留在同一體系中進行追蹤與優化，形成交易閉環。 而這也進一步放大了 Costco 最核心資產的價值：會員數據。Costco 長期以高續約率與高客單價聞名，其會員制度本身就累積了穩定且高品質的第一方數據。過去，這些數據主要用於內部營運與選品決策；如今，透過 Costco Velocity，這些數據開始被轉化為可供品牌使用的媒體資源。 換言之，Costco 的零售媒體並非單純在「賣廣告版位」，而是將會員數據、購買行為與媒體能力整合，打造一套能直接驅動銷售的零售媒體體系。Costco 的策略，也標誌著量販業者正利用精準數據優勢，在零售媒體領域開闢一條專注於高投資報酬率的新路徑。 【推薦閱讀】 ◆ 告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？ ◆ 告別關鍵字堆砌：2026 零售行銷新戰場，如何餵養 […]

單一提示詞已不夠用，企業如何透過提示鏈讓 AI 輸出真正可信賴？

在提示鏈的架構下，透過將任務明確分解成多個「階段」或「步驟」，就能夠讓 AI 獲得更理想的輸出；而對於企業來說，提示鏈可以有效提升決策信心，並且增加 AI 協作流程的可靠性。

【科技早餐】Anthropic 新模型引發資安警戒，美國財長與聯準會主席急召銀行高層

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Anthropic 新模型引發資安警戒，美國財長與聯準會主席急召銀行高層 《路透社》引述知情人士報導，美國財政部長貝森特 (Scott Bessent) 與聯準會主席鮑爾 (Jerome Powell) 本週緊急召集多家大型銀行執行長開會，討論 Anthropic 最新模型 Mythos 可能帶來的資安風險。Anthropic 目前並未全面開放這款模型，初期僅限少數科技公司使用。 知情人士指出，Anthropic 之所以未全面發布，是因為 Mythos 可能辨識並利用主要作業系統與瀏覽器中先前未知的漏洞。消息也顯示，Anthropic 在模型發布前，已先向美國高層官員與關鍵產業利害關係人簡報相關能力，讓生成式 AI 的風險討論，進一步拉高到金融與關鍵基礎設施層級。 ＊Amazon 首揭 AWS AI 年化營收 150 億美元，2026 資本支出上看 2,000 億 Amazon 執行長 Andy Jassy 在最新股東信中表示，公司 2026 年資本支出將上看 2,000 億美元，主要投入 AI 相關資料中心與基礎設施建設。他也首度揭露，AWS AI 服務年化營收已突破 150 億美元，約占 AWS 整體年化營收一成，成為 Amazon 對外說明 AI 投資開始轉化為實際收入的重要訊號。 […]

【Hill & Valley Forum 2026】美國正重寫科技冷戰規則，台灣為何成為難以替代的關鍵盟友？

華府剛落幕的 2026 年「Hill & Valley Forum 2026 國會山莊與矽谷論壇」，揭示了美國國安與科技戰略的重大歷史轉向：大國博弈的戰場，從虛擬的軟體演算法延伸至實體的造船廠、發電廠與無人機生產線。 華府決策圈與矽谷巨頭達成戰略共識，美國必須重新找回實體製造的肌肉，才能應對日益嚴峻的地緣政治危機。 以下摘要 Hill & Valley Forum 2026 論壇內容，解析決策者如何透過法規改革與資本槓桿，推動新一波再工業化浪潮。值得關注的是，台灣在美國這張全新的戰略藍圖中，扮演無可替代的樞紐角色，下文將摘出副總統蕭美琴、鴻海董事長劉揚偉與工研院長張培仁的發言和觀點，探討台灣如何以深厚的硬體底蘊與防衛韌性，協助民主陣營打造具備防禦力的「非紅色供應鏈」。 📎 這場論壇內容適合誰閱讀？ 這份內容適合位於「科技創新」和「國家政策」交匯點的各領域高階決策者、專業工作者閱讀。具體而言，包括以下六大類： 🔴 論壇洞見 在當前全球地緣政治與科技版圖劇烈震盪的關鍵時刻，2026 年「國會山莊與矽谷論壇（Hill & Valley Forum）」於華府舉行，論壇的核心精神在於重新搭起「發明者（矽谷）」與「管理者（華府）」之間的橋樑，試圖解決美國在供應鏈脆弱性與大國競爭下的戰略焦慮。 台灣視角：全球 AI 供應鏈與民主韌性的關鍵盟友 在這場聚焦美國重建競爭力的最高層級對話中，「台灣」並未缺席，反而被頻繁提及，成為美國推動去風險化戰略中最不可或缺的互補夥伴。來自台灣的政商領袖透過第一手數據與戰略承諾，向華府展現台灣在全球 AI 供應鏈中的統治力與韌性。 鴻海集團董事長劉揚偉親自出席論壇並指出，鴻海目前已佔據全球 ICT 設備約 44% 的產能，更主導了全球超過 40% 的 AI 伺服器市場。這家企業每天能生產超過 100 萬台智慧裝置，每週產出超過 1,000 個 AI 資料中心機櫃。 針對美國極度缺乏硬體工程師與技術勞工的痛點，劉揚偉提出數據表示，透過導入 AI 與自動化技術，過去需要 30 到 40 人的生產線，如今只需 5 人即可順利運作。 […]

聯手 Google 擴大開發 IPU！Intel 瞄準 AI 推論，將晶片戰局拉向系統架構之爭

AI 應用的逐漸擴散，推動了對傳統運算晶片的新需求。根據《Reuters》等多家外媒報導，Intel 與 Google 最新宣布擴大合作，將持續採用 Xeon 處理器，並擴大基於 ASIC 的客製化基礎設施處理器（IPU）共同開發，顯示 AI 運算架構正在從單一加速器導向，轉向更複雜的系統競爭。 Intel 指出，透過這項合作，Intel 與 Google 將在多個世代的 Intel Xeon 處理器上進行協同優化，提升 Google 全球基礎設施的效能、能源效率，以及整體擁有成本（TCO）。 從訓練到推論：AI 基礎設施進入新階段 這項合作的真正關鍵，在於 AI 工作負載結構的轉變。過去幾年，AI 產業競爭集中在模型訓練，帶動 GPU 成為市場主角；但隨著企業開始大規模部署 AI 應用，運算需求正快速延伸至推論與實際營運場景。《Reuters》指出，這使得可以處理大量即時運算與多任務負載的 CPU 再度成為關鍵，重新回到 AI 基礎設施的核心位置。 另一推動這波轉變的關鍵動力是 Agentic AI 的快速發展。不同於過去以聊天機器人為主的單一回應模式，Agentic AI 能執行多步驟任務，涉及決策、規劃與跨系統操作，對運算資源的需求大幅提升。 《Reuters》指出，這類 AI 系統的興起，正顯著增加對 CPU 運算能力的需求。原因在於，這類任務不僅需要模型推論，還涉及資料處理、任務協調與系統調度，這些正是 CPU 擅長的領域。 《CNBC》報導更指出，隨著 AI 工作負載愈加複雜，CPU 正逐漸成為系統瓶頸。NVIDIA AI 基礎設施負責人 Dion […]

亞馬遜股東信沒提賣家、少談購物體驗：傳統零售走向邊緣，AI 與晶片已成核心戰略

亞馬遜（Amazon）近日發布執行長 Andy Jassy 的年度股東信。在今年 2 月，亞馬遜宣布 2026 年將投入高達 2,000 億美元的資本支出，主要用於建置 AI 基礎設施。這項消息一出，市場曾出現恐慌性拋售，導致公司市值蒸發超過 4,500 億美元。 在這樣的背景下，這封超過 5,000 字的股東信中，Andy Jassy 明顯把重點放在 AI、AWS、晶片與巨額資本支出的合理性上，卻幾乎不再談論電商零售業務，形成鮮明對照。這樣的轉向，也透露亞馬遜正試圖引導投資人重新理解：比起身為一個零售巨頭，亞馬遜如今更想被視為下一個 AI 基礎設施與高毛利成長引擎的主導者。 股東信隻字未提「賣家」，傳統零售逐漸邊緣化 為印證亞馬遜的轉向，《Modern Retail》回溯自 2016 年以來的股東信指出，這是首封完全沒有提到「seller」（賣家）一詞的亞馬遜年度股東信。過去，年度股東信不僅會分享賣家的成長數據、舉出小型企業成功的案例，甚至在 2017 年的信中，還設有一個專屬的「Marketplace」段落。然而，今年的股東信卻幾乎沒有討論 Marketplace、獨立商家與品牌，這與過去亞馬遜經常將第三方賣家列為核心的零售策略，形成極大對比。 《Modern Retail》進一步補充，亞馬遜此時選擇對賣家隻字不提，時機點其實相當敏感。因為許多商家目前正因平台的新費用、廣告支付方式改變、資金入帳變慢，以及持續上漲的物流與附加費用等因素，面臨著沉重的財務壓力，部分賣家甚至被迫提高價格或重新評估對亞馬遜的依賴程度。 與此同時，財報數據也凸顯亞馬遜營收結構的實質轉變：雖然零售仍是驅動亞馬遜最大銷售份額的來源，但根據公司文件，零售業務佔總營收的比例已從 2024 年的 43%，下降至 2025 年的 38%。這也反映出亞馬遜近年來越來越將成長焦點，放在賣家費用、雲端運算與廣告等高毛利業務上，進而成為傳統零售在今年股東信中幾乎消失的根本原因。 消費端 AI 與購物創新缺席，戰略重心轉向 AI 基礎設施 除了傳統零售元素被淡化，就連與零售相關的 AI 創新也未能擠進這封股東信的主要內容中。《Modern Retail》報導，雖然 Andy Jassy 在信中廣泛談及 AI「將重塑我們提供的每一個客戶體驗」，但卻完全沒有提及亞馬遜的 AI 購物助手 Rufus。 […]

建立跨域共學連結，「papa 照」強化社區照護的數位基礎

當台灣的社區照護走向轉型，現場真正需要補上的，已不只是人力與服務量能，而是跨領域之間更緊密的共學與連結。和鄰長照認為，唯有重新梳理醫療端、照護端與家庭支持之間的分工與銜接，社區照護模式才有機會從都會延伸至偏鄉，成為更多家庭可以依靠的日常。 和鄰長照執行長邱青萸指出，當長者出院、病況改變或功能退化時，家屬往往需要重新尋找資源、重新理解流程。然而，在資訊分散、品質不一的情況下，要找到符合當下情境的照護建議，並不容易。 照護不能只拚量，更要強化整體連結 另一方面，第一線人員每年都需完成繼續教育積分，但課程多半零散，缺乏整體設計，學習難以累積成清楚的能力脈絡。在高工時、高負荷的工作環境下，若又看不見明確的進階方向與發展可能，人才自然難以久留。 當產業長期只強調服務量，卻未同步強化學習機制與社區連結，也使照護體系難以建立穩定支撐。一旦個案狀況改變，家庭仍可能再次回到急診與住院的循環。 從零散學習到系統培育，重整照護人員成長路徑 為回應現場的結構性問題，和鄰著手打造「papa 照」平台，將分散在不同機構與領域的知識、經驗與教育資源重新整合，建立一個可共學、可交流的知識平台。 在規劃上，「papa 照」並不只是課程工具，而是重新整理學習架構的系統。平台從第一線需求出發，制定具脈絡的學習路徑，並依不同領域建立模組，例如失智照護、傷口處理、在宅急症與安寧照護等。 在這樣的架構下，學習不再只是完成時數，而是能對應長期發展。從三年內的能力累積，到五年後的方向選擇，甚至進一步聚焦特定領域，成為關鍵角色，都有清楚路徑可循。 透過可追蹤的學習紀錄，每一步成長都能被看見，也能逐步與機構發展、社群交流與政策方向產生連結，讓個人與整體體系同步前進。 AI 快回彙整專業指引，讓家屬少走冤枉路 除了回應第一線需求，「papa 照」也同樣著眼於家庭照顧者在實務中的困境。 平台透過 AI 技術，整合經過驗證的專家建議與官方指引，將原本分散的知識整理成可快速理解與查詢的內容。當家屬面對突發狀況，例如「這樣是否正常」、「該如何處理」、「何時需要送醫」，只需輸入關鍵字或描述情境，短時間內即可取得具體方向，不同於一般搜尋 AI 僅抓取網路資料，「papa 照」奠基於政府實證專業指引、專家，以及資深從業人員資料分析彙整，並且針對好學照顧者，還提供教育訓練課程指引。 這樣的設計，不只降低搜尋成本，也讓家屬在面對不確定時，有更清楚的判斷依據，同時也能延伸至後續學習，建立照護能力。 叡揚同行，讓改變成真 要把現場累積的經驗真正變成能落地的工具，從來不是單一角色就能做到的事。對和鄰而言，找夥伴不只是找技術，更是找願意理解現場、一起面對複雜問題的人。 叡揚長期耕耘醫療領域，對需求理解快，讓雙方很快建立起溝通默契。更難得的是，在多數合作關係講求效率與回報時，叡揚仍願意花時間陪著和鄰梳理問題、釐清方向，把一個個想法慢慢做實。 合作過程中，正逢 AI 技術快速變動，原有規劃一改再改。叡揚沒有只停在執行，而是一路陪伴討論、修正，讓這個構想逐步變得更完整。 讓知識流動、決策提前，數位科技推動照護升級 談到未來，邱青萸執行長直言，數位科技將是社區照護轉型的關鍵支點。台灣當前需要的，是能整合知識、串接服務、支撐判斷的數位基礎，讓分散的照護資源形成可延續的體系。 她認為，未來數位科技至少要完成三項任務：串起醫療、居家護理、照護服務與家庭支持，讓社區中的資訊與資源更有效流動；整理第一線累積的經驗，讓知識得以延續、共享與傳承；結合資料整合與分析，提早看見風險，協助現場更早介入。 這樣的改變需要更多人共同推進。和鄰期待有更多認同社區照護方向的夥伴加入「papa 照」，一起把支持系統、知識網絡與協力機制建起來。 「papa 照」照顧知識平台：https://www.papacare.tw/

泓格科技 4/23 舉辦台中研討會：AIoT × ESG × 工業資安-智慧邊緣布局，助攻中部製造穩健升級

在缺工成為常態、能源成本波動加劇與工業資安風險升高的背景下，製造業面臨前所未有的營運壓力。數位轉型不再只是效率提升的選項，而是維持競爭力的必要條件。泓格科技將於 4 月 23 日（四）在台中林酒店舉辦「智慧邊緣 ‧ 永續工廠：AIoT 全方位解決方案」研討會，聚焦智慧能源管理、設備預測維護與工安監控與 ICS 工控資安等議題，分享 AIoT 技術在製造場域的實務應用，協助企業提升生產效率並降低營運風險。 智慧能源與節能效益 在淨零轉型與 ESG 趨勢下，企業對能源管理的需求持續提升。研討會將分享如何運用 AI 與能源監控技術，優化風機與冰機系統運作效率。透過 ECO 節能控制器，企業可精準掌握電力使用，並制定有效的節能策略。結合能源數據可視化與系統化管理，管理者能更快速辨識高耗能設備並進行優化調整，在維持產線效率的同時提升整體節能效益。 設備可靠度與預測維護地 產線設備一旦突發中斷，往往會造成高額營運成本損失。研討會將介紹如何運用邊緣運算與即時數據分析技術建立設備預測維護機制，提前掌握設備健康狀態並降低故障風險，同時說明數據監控與分析在現場運維流程中的應用，以提升設備管理效率。 工安與工控資安防護 隨著製造設備逐步聯網，工業控制系統（ICS）資安已成為智慧製造不可忽視的重要課題。研討會將解析工控資安防護策略，說明企業如何在智慧工廠環境中建立完善的資安架構，降低勒索攻擊與系統異常等潛在風險。結合監控與資安防護機制，企業能在推動數位轉型的同時確保產線安全與營運穩定，打造兼顧效率與安全的智慧製造環境。 AIoT 解決方案展示與技術交流 活動現場也將安排 AIoT 解決方案展示與技術交流，讓來賓近距離了解智慧能源管理、工業通訊、邊緣運算與智慧製造的案例，並與專家交流實務經驗。藉由本此研討會，不論是製造業工程師、工廠管理者及 IT/OT 專業人員將皆能理解 AIoT 技術在節能管理、設備維運與工控資安等領域的應用，加速智慧工廠導入並提升企業競爭力。

【2026 企業 IT 成本優化】數據驅動的硬體投資決策：應對漲價潮與 Windows 11 轉型

現狀挑戰：高昂採購成本與 IT 維運困境 在 Windows 10 終止支援與全球供應鏈不穩定的雙重壓力下，企業面臨三大決策難題： CIRO AIoT 解決方案：從「猜測採購」轉向「量化管理」 CIRO 提供24/7矩陣式效能監控，協助管理者透過精準數據優化 IT 資產管理 (ITAM)。 1. 量化效能分析與根因分析 (Root Cause Analysis) 2. 精準採購建議與 ROI 優化 3. 硬體生命週期管理與預測維護 商業效益對比：傳統維運 vs. CIRO 智能維運 目標項 傳統維運 (被動處理) CIRO 智能維運 (數據驅動) 硬體採購決策 憑感覺升級，造成預算虛耗 數據驅動建議，節省 20% 成本 效能分析速度 被動處理投訴，缺乏量化證據 事前分析報告，量化生產力損失 維運人力成本 人力逐台檢查硬體資訊 單一 Agent 全面覆蓋，降低 50% 耗時 Windows 轉型 盲目全機汰換 精確篩選可升級設備，分階段汰換 […]

4 年挹注 200 億！國家智慧機器人研究中心揭牌，三大機制開放國家級算力與設備

行政院推動「AI 新十大建設」及「智慧機器人產業推動方案」，並規劃於沙崙人工智慧產業專區成立「國研院國家智慧機器人研究中心」，今（10 日）舉辦揭牌典禮。該中心將扮演智慧機器人技術整合者、應用促進者及生態建構者的角色。總統賴清德、國科會主委吳誠文、台南市市長黃偉哲、國研院院長蔡宏營、國研院國家智慧機器人研究中心主任蘇文鈺等人皆參與出席典禮。 建構生態系：國家智慧機器人研究中心推動三大機制 蔡宏營表示，智慧機器人產業推動方案預計在 2026 至 2029 年投入 200 億元，這筆經費不只重視基礎科研，更強調產業創新與新創發展，具體目標為促成至少 3 家機器人系統新創成立、將智慧機器人國內產值由 40 億元擴大至 500 億元，並因應國內勞動力不足問題提升智慧機器人社會普及度，優先推動導入危險場域、醫療照顧以及餐飲領域。 國科會指出，未來的機器人研究不會只留在國研院國家智慧機器人研究中心的實驗室中，而是將透過「共研、共作、共享」三大機制，與國內頂尖學研單位深度對接。 共研方面，該中心將建置「跨域共研（Co-Research）平台」，廣邀機械、資工、通訊、人因工程及法律倫理等領域的教授與研究團隊進駐。利用中心提供的國家級算力與沙崙智慧創新算力中心資源，針對服務型機器人的核心架構（如開源系統、國際標準規範）進行前瞻研發。 共作方面，國家智慧機器人中心將開發「實境共作（Co-Creation）」平台，提供標準化的硬體模組與感測元件，讓學界研發的演算法能直接在中心的實體原型機上進行測試。國科會表示，透過場域實證，能讓研發成果從論文走向實體應用，加速技術轉化為社會解方的過程。 共享方面，智慧機器人研究中心設計了「資源共享（Resource Sharing）」機制，也就是開放昂貴的實驗設備、高階 LiDAR 傳感器及模擬環境軟體等，提供學研單位使用，期盼藉由軟硬體資源的共享，交流數據與成功模式，降低學界進入智慧機器人領域的門檻。 在中心技術發展藍圖上，蔡宏營表示短期一兩年內，將優先聚焦於餐飲與救災機器人，中長期的技術演進則會從開發自主機器人開始，逐步推進至人機共工的協作機器人，接著結合 AI 代理（Agent）技術開發具備智慧決策能力的群集機器人。更進階的目標是開發「腦機共容」機器人，透過匯集各家 AI 模型來建構機器人的大腦，進而發展出仿生機器人，最終邁向能融入人類日常生活的通用型機器人。 蔡宏營特別強調，國家智慧機器人研究中心的成立是拼齊國研院產業版圖最重要的一塊拼圖，並將整合院內其他七個中心的資源共創產業生態系。 賴清德：台灣機器人不只是「好看頭」，而是能使用 賴清德致詞時表示，機器人代表的不僅僅是科技創新，更代表了國家競爭力。他引述了台積電董事長魏哲家的說法，強調台灣的機器人不只是做「好看頭」，而是真正能夠使用的，而台灣確實具備此實力。他也強調，當機器人走入生活，資安與標準更是保護隱私的關鍵，政府將持續強化治理，讓台灣製造的機器人不僅聰明好用，更要成為全球民主供應鏈中最值得信任的產品。 國科會主委吳誠文表示，台灣過去雖然國內市場不大，但在電子、機械、化工等製造領域卻支撐了全球先進國家，是全球供應鏈極為關鍵的合作夥伴。他強調現在必須改變時代的思維，台灣除了繼續協助先進國家製造外，也呼籲美國等國將先進的創新應用系統投資於台灣，建立雙向的合作關係，因為台灣現今已具備強大的自主創新與研發實力。 吳誠文也鼓勵學界改變思維投入開創性研發，並強調國家智慧機器人研究中心就是一個國家投資的整合平台，期望能解決學者過去常面臨的資源與經費不足問題。該平台將連結產業界、學術界以及工研院六甲院區的量能，共同進行新技術開發，並期盼藉此促成新創公司的成立。這些新創公司將能專注於開創性的產業發展，從而避免與台灣傳統代工產業的客戶產生直接競爭，同時也能吸引國際來台投資。 【推薦閱讀】 ◆ TrendForce：預估 2026 年中國人型機器人產量年增94%，宇樹、智元合計拿下近八成市場 ◆ 13 億美元重押實體 AI：從純軟體走向硬科技，拆解創投 Eclipse 破紀錄募資背後的資本轉向 ◆ OpenAI 發表 AI 政策藍圖：從機器人稅到 4 天工作制 ＊首圖來源：《TechOrange》拍攝。

前沿 AI 已逼近資安臨界點：傳 OpenAI 跟進 Anthropic 布局資安工具，AI 巨頭開始把最強能力留給少數人

近日《Axios》報導指出，根據知情人士透露，OpenAI 正在研發一項具備進階資安能力的產品，且預計只提供給少數合作夥伴使用。如果把這則消息放進更大的產業脈絡來看，《Quartz》指出，OpenAI 此舉等於在瞄準 Anthropic 的 Claude Mythos Preview，讓前沿 AI 的競爭，從通用模型一路延伸到資安攻防這個更敏感的新戰場。 《Decrypt》也進一步分析，這次 OpenAI 規劃的並不是面向大眾開放的新產品，而是僅限特定夥伴使用的受控資安工具，顯示連模型公司也開始意識到，某些強大的 AI 能力，已危險到不適合直接交到所有人手上。 駭客能力逼近臨界點，讓 AI 前沿模型走向「受控釋出」 究竟是什麼樣的能力，讓科技巨頭們對自家產品感到擔憂？《Axios》直言，這是因為 AI 的自主性與駭客能力已經來到一個臨界點，使得模型開發商對自家工具可能造成的破壞感到擔憂，進而不願意將 AI 工具直接釋放到公開環境。 以 Anthropic 為例，《Quartz》強調，其最新的 Mythos Preview 並未接受過特殊的資安訓練，Mythos Preview 之所以能找出漏洞，單純是因為整體的程式碼理解與邏輯推理能力獲得提升，但這同時也帶來防禦價值增加與被濫用的雙面風險。 《Quartz》指出，Mythos Preview 能以接近頂尖人類資安研究員的水準尋找並利用軟體弱點，並在測試中找出數千個先前未知的漏洞，包含一個存在 27 年之久的 OpenBSD 漏洞，以及一個在過去 500 萬次自動化工具檢查中都未被發現的 FFmpeg 漏洞。然而，正是因為這些前沿模型具備如此強大的破壞潛力，因此現在的前沿模型與產品，似乎已經走向危險到不適合公開發布的程度。 傳 OpenAI 將推出資安產品，正面迎戰 Anthropic 面對 AI 前沿模型的能力，兩家公司都採取相似的防禦性部署戰略。例如 Anthropic 發起的「Project Glasswing」計畫，將最多 1 億美元的使用額度提供給包含亞馬遜、蘋果、微軟、Google 等 […]

瑞士 7 大銀行聯手測試瑞郎穩定幣：傳統金融如何搶奪數位貨幣主導權？

瑞士 7 家金融機構於 4/8 宣布，聯手啟動瑞士法郎穩定幣（CHF Stablecoin）沙盒計畫，成為近期全球傳統銀行業積極切入穩定幣領域的最新一例。 參與陣容與沙盒運作機制 根據 UBS（瑞士銀行）官方新聞稿，參與機構包括 UBS、PostFinance、Sygnum、Raiffeisen、蘇黎世州立銀行（ZKB）與沃州銀行（BCV），技術基礎設施由 Swiss Stablecoin AG 提供。 沙盒將作為受控的真實環境，讓參與機構在限制參與人數與交易上限的風險管控機制下，測試數位金融產品，以便在可能的市場正式推出前累積實戰經驗。整個測試期間預計貫穿 2026 年全年，並開放其他銀行與機構加入。 UBS 指出，此計畫的背景，是瑞士目前仍缺乏一個具備廣泛國內應用的合規瑞郎穩定幣。該聯盟的目標不僅止於技術測試，參與機構希望藉此建立內部處理數位支付的能力，推動本土數位貨幣生態系發展，並評估若推出瑞士法郎（CHF）穩定幣，在效率提升與客戶體驗方面可能帶來的實際效益。 值得注意的是，《Ledger Insights》報導，瑞士對穩定幣採取嚴格的反洗錢（AML）要求，規定發行方必須識別每一位持幣者。不過這項要求目前正在重新檢討。2025 年 10 月，瑞士聯邦委員會發布多項涉及加密資產的立法修正草案，並於 2026 年 2 月完成意見徵詢，其中包含更具彈性的 AML 處理選項，允許發行方可以選擇將用戶列入白名單，或是主動維護黑名單制度，將限制大幅放寬。 全球銀行業正在關注穩定幣 穩定幣原本是加密市場的重要基礎工具，其核心價值在於將區塊鏈的效率與法幣的穩定性結合。然而，過去市場長期由 Tether 等加密原生業者主導，銀行多半處於觀望或防禦位置。如今，這個情勢正快速轉變，全球各地的銀行都在積極嘗試將穩定幣導入其業務架構。 在歐洲，包含 ING、UniCredit、BNP Paribas、CaixaBank、Danske Bank 等在內的 12 家歐洲銀行，組成聯盟並成立名為 Qivalis 的新公司，目標在 2026 年下半年發行符合歐盟 MiCA 法規的歐元穩定幣。《CoinDesk》報導，Qivalis 執行長 Jan-Oliver Sell 表示，若沒有具備足夠流動性的歐元鏈上貨幣，唯一的替代選項就是美元，這對歐洲的金融與數位主權構成實質風險。 在日本，三菱日聯（MUFG）、三井住友（SMBC）與瑞穗銀行三大銀行，已獲得金融廳（FSA）批准，啟動聯合穩定幣試驗計畫「Payment Innovation Project」。三菱商事將成為首批大規模用戶之一，計劃用於其逾 200 […]

從務實上雲到全員 AI：中國信託商業銀行攜手台灣微軟打造金融業 AI 創新文化

Copilot 助力業務日常，兼顧法遵合規上雲、加速流程效率與創新 隨著 AI 納入企業組織層級核心策略，AI 已成為企業轉型與工作流程重塑的關鍵動能。對高度監管的金融業而言，挑戰不僅在於技術的導入與應用，更關鍵的是如何在合規、安全與穩定的治理框架下，穩健推動 AI 應用的實際落地。在此背景下，中國信託商業銀行（簡稱中信銀行）與台灣微軟合作，策略性推動雲端與生成式 AI 技術導入。中信銀行採取由上而下的階段性推進策略，以 Microsoft Azure 為核心雲端平台，率先導入 Microsoft 365 Copilot，並逐步擴大至 GitHub Copilot、Azure DevOps 等解決方案。透過合規且安全的混合雲架構，讓 AI 從個人工作輔助延伸至跨部門協作與軟體交付等系統化場景，持續擴展 AI 在營運流程的應用版圖，推動中信銀行由數位轉型邁向全員 AI 化。 由高階管理層領航，推動 AI 走入各部門的日常 中信銀行推動全員 AI 的契機源於金融業兼顧敏捷營運與風險控管的長期需求，隨著 2023 年生成式 AI 浪潮興起，更進一步帶動組織全面重新檢視工作內容與流程設計。在推動初期，中信銀行最高管理階層即定調 AI 部署策略，明確要求 AI 必須能在各部門日常工作中被實際使用，並從制度、工具與人才三個面向著手，將單一嘗試逐步轉化為可複製且可擴展的工作模式。 自 2020 年金融法規逐步開放雲端應用，中信銀行累積豐富的雲端專案經驗，中國信託金融控股公司資訊長賈景光強調：「中信銀行並非盲目全面上雲，而是依據業務場景精準評估，選擇最適合的解決方案，在 2023 年制定 AI 科技戰略後，將生成式 AI 視為『上雲的殺手級應用』，生成式 AI 所需的大規模運算與高度彈性資源，也進一步驗證混合雲策略的價值。」雲端是推動銀行數位轉型與 AI 普及的核心動能，中信銀行以從易到難、由廣到深的推進方式，先以成熟且可快速應用的解決方案快速驗證效益，再逐步延伸至核心 IT 流程，使技術導入速度與金融業對高穩定性的要求相互配合。 […]

Google AI Overviews 準確率達 90% 為何仍是危機？揭開每年 5 兆次搜尋規模下的錯誤資訊風險

自 2024 年起，Google 開始將 AI 生成的摘要「AI Overviews」置於搜尋結果頁面的最上方，這項改變標誌著 Google 正從傳統的資訊整理者，進一步轉型為直接生成答案並主導使用者理解資訊方式的新入口。 為了檢視這項新功能的準確性，《紐約時報》委託 AI 新創公司 Oumi，透過業界廣泛使用的 SimpleQA 基準測試進行深度分析。結果顯示，儘管 AI Overviews 的整體準確率已達九成左右，但在 Google 每年超過 5 兆次搜尋的規模下檢視，這項功能所暴露出的不再只是偶發失誤，而是一場規模空前、可能被快速放大的錯誤資訊危機。 Oumi 以 4,326 筆 Google 搜尋為樣本，進行兩階段測試。數據顯示，去年 10 月採用 Gemini 2 模型時，AI Overviews 的準確率為 85%，到了今年 2 月升級為 Gemini 3 後，準確率確實提升至 91%。 然而，這看似亮眼的成績單背後卻隱藏著巨大隱憂。 由於 Google 每年需要處理超過 5 兆次的搜尋，這也代表即使只有不到一成的回答不準確，AI Overviews 每小時仍會提供數千萬個錯誤答案，換算下來每分鐘更會產出數十萬筆不準確的資訊。《Popular Science》對此評論，90% 聽起來或許是個及格分數，但在 Google 如此龐大的體量下，失誤累積的速度快得令人擔憂，幾乎是以分鐘為單位在快速擴散。 更棘手的難題：「看似有來源」卻未必真的正確 […]

中國業者坦承 AI 晶片技術落後全球 5 到 10 年，熱潮「超乎預期」令半導體產能備感壓力

AI 熱潮讓近期展現出強勁成長動能的中國晶片產業，面臨了外界經常忽略的潛在發展危機，無論設備、被動元件及人力資源等半導體相關領域，皆出現了極為嚴重的瓶頸，

【科技早餐】OpenAI 上市暖身，IPO 擬開放散戶分一杯羹

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 為上市暖身，IPO 擬保留部位給散戶 OpenAI 財務長費萊爾 (Sarah Friar) 接受《CNBC》專訪時表示，公司正準備在美國上市，並規劃在 IPO 中保留一部分股份給散戶投資人。她指出，公司在最近一輪增資中開始測試零售市場需求，結果顯示散戶興趣非常強勁。根據外媒報導，OpenAI 最快可能在 2026 年下半年遞件申請，最新一輪增資後，承諾資本已達 1,220 億美元，公司估值高達 8,520 億美元。 費萊爾也透露，這一輪原本希望透過大型投行向個人投資人募到 10 億美元，但最後實際募得超過 30 億美元，顯示散戶需求明顯高於預期。過去大型 IPO 多半由機構投資人主導，散戶分配到的股份有限，但 OpenAI 顯然希望把這波 AI 資本故事擴大到更大的市場參與者，也讓 AI 公司與公開市場的連結進一步加深。 ＊Meta 端出 Muse Spark，AI 路線從開源轉向封閉整合 Meta 4 月 8 日正式推出新模型 Muse Spark，這是去年重組超級智慧實驗室後，首個對外亮相的新模型。Meta 表示，團隊過去 9 個月幾乎從零重建 AI 技術架構，Muse Spark 也將成為後續 Muse 系列的起點。新模型主打體積較小、速度較快，但仍可處理科學、數學與健康領域的複雜推理問題，並加入可由多代理同時運作的深思模式。 更值得注意的是，Meta […]

2026 首季 8 成創投資金湧入 AI：拆解 4 大巨額融資與市場高度集中化現象

2026 年第一季，全球創投市場出現前所未見的爆發性成長。根據 Crunchbase 數據，單一季度全球新創投資總額高達 3,000 億美元，不僅較去年同期與前一季成長超過 150%，甚至接近 2025 年全年創投資金的 7 成，創下歷史新高。這場看似全面繁榮的資本浪潮背後，隱藏著更關鍵的結構性轉變：資金正以前所未有的速度與規模，極速流向 AI 產業。 資金集中：AI 吸走 8 成投資，少數公司堆高鉅額融資 Crunchbase 數據顯示，2026 年第一季共有 2,420 億美元流入 AI 領域，佔全球創投資金高達 80%，遠高於 2025 年同期的 55%。進一步觀察更可發現，2026 年第一季僅 24 筆基礎 AI 新創公司的投資，就吸走 1,780 億美元資金，金額甚至超過 2025 年全年總和的兩倍。 其中，資金又明顯集中於極少數 AI 基礎模型公司，在單一季度內就吸納超過 1,800 億美元資金，佔全球創投總額約 65%。Crunchbase 表示，這種資本集中程度，在過去任何科技週期中都極為罕見。 這股數字飆升背後主要由 4 筆巨額交易帶動。上個月，OpenAI 宣布完成新一輪募資後，公司估值達到 8,520 億美元，本輪募資金額為 1,220 億美元，刷新歷史最大募資紀錄。這項紀錄原本也是由 OpenAI 在一年前募得 400 […]

把 AI 從雲端帶到街頭：面對高油價與外送效率壓力，Grab 如何重寫平台效率？

Grab 近日在雅加達舉行 GrabX 年度產品展示會，並在現場一口氣發表 13 項由 AI 驅動的產品與解決方案。Grab 執行長 Anthony Tan 向《Reuters》表示，公司希望透過這些 AI 產品與服務，幫助消費者因應負擔壓力與油價上漲等挑戰。 「你可以說我們很大膽，但我們對以 AI 為主導的產品策略深具信心，而且正在展現成效，我們已經從業績中看到成果，並將持續見證它的成長，」Anthony Tan 表示。同時，針對當前的經濟環境，Anthony Tan 進一步說明，燃油成本對所有人來說都是切身的現實問題，因此像 Grab 這樣的公司必須思考，如何將這項挑戰轉化為替顧客省荷包的解方。他認為，當服務變得更實惠，就會吸引更多人下單，這正是驅動業績的最佳途徑。 為了具體落實這項理念，在這次發布的 13 項產品中，Grab 也推出主打提升可負擔性的 AI 共乘功能 Group Ride。這項功能可以透過 AI 自動且更精準地計算同行旅客之間的車資分攤，最多將能替乘客省下高達 40% 的車資。 Grab 不只優化消費者體驗，也用 AI 提升外送員生產力 除了減輕消費者的經濟負擔，《The Business Times》指出，Grab 對 AI 的應用也同時聚焦於供應端，那就是提升旗下司機與外送員的生產力。 Anthony Tan 提到，外送員大約會浪費 10% 的時間在大型商場裡尋找餐廳，或是等待顧客從大型辦公大樓下樓取餐。因此為了協助解決這類日常痛點，Grab 發布名為 Coach 的司機 AI 助理，能協助處理在路上傳訊息給乘客這一類的常見任務，並提供 […]

TrendForce：預估 2026 年中國人型機器人產量年增94%，宇樹、智元合計拿下近八成市場

根據 TrendForce 最新人型機器人深度研究報告，2026 下半年全球人型機器人產業將進入商業化的關鍵期，其中，中國廠商鎖定的商用化目標與場景逐漸明確，並積極提升產量，預估將激勵 2026 全年中國人型機器人產量年增高達 94%。宇樹科技、智元機器人憑藉盈利能力與量產進度，於激烈競爭中脫穎而出，預估兩者合計將囊括近 80% 的出貨占比。 TrendForce 表示，過去多數人型機器人廠商專注在感知、動態平衡與語意理解等底層能力的累積，至 2026 下半年焦點將轉向提供給用戶的真實價值。觀察全球最大市場中國，產業以多元商用發展為主軸，正呈現產品應用收斂、通用機器人的大型語言模型 (LLM) 深度整合，以及投資熱潮延續等趨勢。 宇樹三月底申請科創板 IPO 獲受理，上市招股書顯示其 2025 年人型機器人產品收入首度超越四足機器人，占總收入 51% 以上，兩項業務合計的毛利率達 60%，打破外界對機器人產業「只燒錢不盈利」的印象。 若宇樹能順利上市，一定程度將推動整體產業估值重新定錨，並推動全產業鏈融資環境持續改善。此外，其承諾擴展產能至年產 7.5 萬台人型機器人、11.5 萬台四足機器人，預期將有效帶動上游關節模組、靈巧手、感測器等核心零組件廠商同步擴產。 智元於三月底迎來第一萬台通用具身機器人遠征 A3 完工出廠，其 2025 年將量產數量從 1,000 提升至 5,000 台，後續僅花三個月便達成一萬台的里程碑。TrendForce 分析，智元的量產能力源自其具身智能機器人標準化供應鏈體系，藉由訂單驅動型的柔性生產和交付能力，輔以聯合研發、專線供應等協同模式，實現核心零組件的自主可控與高品質產出。此外，隨著來自汽車製造、3C 電子、物流倉儲等產業的採購訂單逐步增加，意味客戶態度已從嘗鮮試用轉化為實際需求。 美系廠商同樣致力於產品商業落地，如 Boston Dynamic的Atlas 已推出商用版本，1X 家用機器人也將正式走入家庭，帶出軟硬體設計、安全實用度等家庭服務議題。Tesla 的 Optimus Gen 3 若能如期推進量產，2026 下半年亦將攪動全球供應鏈與資本市場，並建立接近乘用車量產模式的機器人製造體系。 （本文訊息由 TrendForce 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / […]

OpenClaw 爆紅後，企業怎麼導入才不失控？KPMG 謝昀澤：要限權、不碰錢、人要在、防作怪

專訪：沈貝怡撰稿：李昀蔚 從 2026 年開年以來，OpenClaw 幾乎成為 AI 圈最熱門的關鍵字之一，甚至延伸出「你養龍蝦了嗎？」這樣的流行問候語。本集《全新一週》特別邀請 KPMG 安侯企業管理股份有限公司董事總經理謝昀澤，從親自「養龍蝦」的經驗出發，逐步拆解 OpenClaw 的資安挑戰與企業必備的治理思維。 「我覺得 OpenClaw 應該算是一個入口革命，」謝昀澤分析，過去人們使用電腦，是自己打開 Email、瀏覽器、搜尋引擎、Word 或 Excel，再一個步驟一個步驟完成工作；相較之下，OpenClaw 的使用方式不同，使用者只要透過 Telegram 這類通訊軟體下指令，就能讓它代替自己操作電腦、開啟程式、查資料、收集資訊、分析內容，甚至回信、排行程、做更複雜的整理工作。 謝昀澤形容，若把 ChatGPT 想成坐在冷氣房裡回答問題的顧問，那麼 OpenClaw 更像是一個會直接執行任務的數位助理。從更專業的角度來說，它其實不是全新的概念，而是把 RPA 的流程自動化能力，與 LLM 的生成式 AI 能力結合在一起，不只是「知道答案」，而是進一步把事情「做出來」。 不是下載就能用這麼簡單：實測揭開「養龍蝦」背後的成本與技術門檻 謝昀澤進一步從自己實際「養龍蝦」的經驗出發，說明 OpenClaw 與傳統生成式 AI 的差異。例如，先前只是想請 OpenClaw 幫忙規劃布拉格旅遊行程，原本希望得到一份簡單行程表，結果隔天卻發現，OpenClaw 不只找了景點，還主動整理餐廳營業時間、菜單翻譯、治安數據、匯率走勢、旅遊成本與住宿資訊，最後變成一份近乎「布拉格觀光白皮書」等級的報告。 問題在於，這些額外工作並不是沒有代價。謝昀澤提到，當 OpenClaw 在執行任務過程中遇到網頁打不開、頁面變動、認證機制等障礙時，往往會反覆重試，或因為任務太長而忘記自己先前查過什麼，導致一整晚持續自主加班，也同步燒掉大量 Token 與 API 費用。 因此，謝昀澤也提醒，很多人誤把 OpenClaw 當成像 ChatGPT 一樣，下載安裝後就能直接使用的 App，但實際上並非如此。常見問題包括安裝過程繁瑣、開源軟體本身有不少 Bug、外掛與設定常出問題，甚至還發生過 OpenClaw […]

Meta 新 AI 模型算力需求大降一個量級！解密 Muse Spark 如何重構技術底層邏輯

Meta 執行長馬克祖克柏宣布，Meta Superintelligence Labs 已達成首個重大里程碑，推出名為 Muse 的全新 AI 模型系列，其首款模型 Spark 現已上線。Meta 在一份公告中指出：「Muse Spark 是我們擴展規模的第一步，也是我們 AI 工作從零開始徹底改革的第一個產品。」 《VentureBeat》報導指出，Meta 一直是生成式 AI 時代最有趣的公司之一，最初憑藉開源 Llama 系列大型語言模型獲得了大量忠實用戶，但去年 Llama 4 發布後評價褒貶不一，最終承認其在遊戲基準測試中表現不佳，Meta 的 AI 發展一度受挫。 隨後，祖克柏在 2025 年夏天徹底改革了 Meta 的 AI 營運，成立內部新部門 Meta Superintelligence Labs，聘請 29 歲的 Scale AI 前共同創辦人兼執行長 Alexandr Wang 擔任 AI 長。如今，Meta 正式向外界展示了這場重組後的成果。 不同於 Meta 過去熟悉的開源路線，Muse Spark 是一款規模較小、封閉的 AI […]

叡揚資安榮獲 Checkmarx APJ 最佳整體績效經銷商獎

近日叡揚資訊榮獲全球應用程式安全測試領導品牌 Checkmarx 頒發的「FY25 Best Overall Performing Reseller (APJ)」亞太暨日本地區最佳整體績效經銷商獎，肯定叡揚資訊在 AppSec 領域的卓越表現與市場貢獻，展現其在市場拓展、技術服務與客戶成功方面的綜合實力。 作為台灣應用程式安全（AppSec）領域的重要推動者，叡揚資訊資安團隊深耕在地市場超過 20 年，累積了豐富的資安工具挑選及實務導入經驗，長期致力於協助企業建立完善的應用程式安全治理機制，並推動安全融入軟體開發流程。憑藉深厚的產業經驗與顧問能量，叡揚能深入理解各產業在資安治理與開發流程中的實際挑戰，並提供具體可行的落地策略。 透過專業顧問服務，叡揚資訊不僅協助企業導入應用程式安全測試工具，更從制度與流程面全面規劃，協助客戶建立符合組織需求的安全治理架構。在實務推動上，叡揚提供即時且在地化的技術支援與諮詢服務，包含弱點分析與修補建議、依據開發情境客製化掃描規則，以及系統升版與導入過程中的完整技術支援，確保應用程式安全能有效融入既有開發流程並穩定落地。 除了應用程式安全領域外，叡揚亦積極投入資安人才培育，協助企業從源頭強化安全開發能力。透過系統化的安全開發實戰課程，協助開發人員建立正確的安全認知與實務技能，將安全左移（Shift Left）落實於軟體開發生命週期之中，進一步提升整體應用程式安全成熟度。此外，叡揚亦提供多元化的資安解決方案，涵蓋零信任微分段、雲端安全、供應鏈安全與行動應用防護等領域，協助企業從應用程式安全延伸至整體資安架構的強化，打造跨層次、全方位的防護體系。 此次獲獎主要肯定叡揚在應用程式安全領域的深厚實務經驗與市場拓展成果，展現其在協助企業導入應用程式安全測試、優化開發流程，以及推動安全融入軟體開發生命週期方面的專業能力，彰顯其於台灣 AppSec 市場的領導地位。

瞄準後 AI 時代主導權：韓國發布量子國家戰略，力拚 2035 年成為全球第一的量子晶片製造國

當多數國家還將量子視為下一代前瞻技術時，韓國已率先將其拉高至國家戰略層級。韓國政府於 2026 年 1 月正式公布《第一階段培育量子科學與技術及量子產業綜合計畫》與《第一階段量子聚落基本計畫》，並宣示將利用韓國半導體與資通訊的優勢，克服作為後發者的局限，同時設定在 2035 年成為全球第一的量子晶片製造國、培育 2,000 家量子企業與 10,000 名專業人才的宏大目標。 值得注意的是，這份戰略除了涵蓋技術研發，還同步延伸出建立量子聚落、長達 30 年的長期基礎研究制度，以及企業參與和人才培育等全方位布局。這也代表，韓國瞄準的不只是技術先機，更是下一波量子產業的主導權。 韓國正把量子技術從實驗室推向產業應用 為了達成這些目標，韓國正積極將量子從實驗室推向具體的產業應用場景。根據綜合計畫內容，韓國在量子運算領域將推動「製造大挑戰（Manufacturing Grand Challenge）」，目標於 2028 年前開發出國產量子電腦，並建立量子與 AI 融合的基礎設施以搶占應用市場。同時，韓國政府也將與 NVIDIA、IBM、IonQ 等全球企業合作設立「量子演算法中心」，目標是在 2030 年前於汽車、製藥、金融等產業中發掘工業應用案例。 為了克服目前量子基礎設施使用成本高昂的問題，韓國計畫建立能連結量子電腦、高效能運算（HPC）與 AI 的混合基礎設施，並利用量子模擬結果生成數據，以彌補 AI 訓練數據的不足。此外，今年韓國政府與 IonQ 已經簽署備忘錄，IonQ 將連續三年、每年投資 500 萬美元在韓國設立聯合研究中心。 除了運算領域，韓國在通訊與感測技術上也同步發力。韓國規畫在 2028 年前完成全國量子加密通訊網路，將難以被駭客入侵的量子金鑰分發技術（QKD）應用在國防與金融網路，並持續推進後量子密碼學（PQC）技術，且目標在 2030 年前開發出衛星量子加密通訊技術。 在量子感測領域，韓國則鎖定在 2030 年前開發出降低對 GPS 依賴的「非 GPS 導航系統」，並積極將感測技術應用於大腦與心臟的醫療診斷，以及半導體缺陷檢測等工業現場。 建立量子聚落，韓國開始搭建產業化平台 要讓應用場景順利落地，離不開強大的基礎設施與平台支持。為此，韓國政府預計自 2026 年 7 月起，在量子運算、量子通訊、量子感測、材料與零組件、演算法等五大核心領域建立「量子聚落」，並以相關基金與 30 […]

AI 催生「新雲端」崛起，Neocloud 如何成為企業 AI 算力配置的新選項？

有別於傳統服務的新雲端（Neocloud）因為 AI 應運而生，期望解決電力供應、硬體供應、資料引力與資料主權問題，讓企業 AI 算力配置轉向混合環境。

AI 時代的資安信任危機：企業如何在效率與資料安全之間找到平衡

AMT 亞太行銷數位轉型聯盟協會日前主辦『2026 AMT 亞太品牌峰會』，匯聚逾 300 位品牌決策者與產學專家，深入探討企業如何借助 AI 創造商業價值與驅動創新。 在座談環節中，叡揚資訊群總胡瑞柔指出，人力不足的挑戰迫使臺灣企業快速導入 AI，期待藉此打破資訊孤島、快速整合客戶資料、捕捉隱性需求，讓管理團隊做出更精準的判斷與服務。然而，轉型浪潮之下，企業也正面臨一個潛伏的核心危機：資料安全。 多數企業的 AI 轉型之路，卡在三個關卡：一是根本沒有客戶資料；二是有資料但難以整合，難以形成可信分析；三是引入 AI 後被牽著走，缺乏批判性思維驗證輸出，決策反而失了人的專業主控性。 更值得關注的風險，來自日常工作習慣。員工在使用公開的 AI 服務時，可能不經意將機密的客戶名單、交易紀錄或內部策略外洩給第三方平台。加上 AI「幻覺」問題，若未經查核便採信錯誤輸出，影響不容小覷。 AI 賦能：資料、流程、工具、專業，缺一不可 胡瑞柔建議，要讓 AI 真正產生商業價值，企業需同步推進四件事：積極推動數位轉型，系統化收集累積客戶資料，確保分析有可靠的資料；盤點並重新設計作業流程，讓資料蒐集與使用方式貼合實際需要；選擇通過資安驗證的 AI 工具，從架構層面管控外洩風險；以及持續深耕專業知識、培養專業及批判性思維，讓團隊有能力判讀 AI 輸出的品質，而非照單全收。 這四個環節相互依存。資料不完整，AI 洞察就沒有意義；流程沒有調整，系統再好也難以落地；工具不夠安全，累積的資料反成風險；缺乏批判性思維，AI 就會反客為主從助手變成主導者。 高標、細緻的資安治理，降低風險曝露 在工具選擇上，資安認證是重要的評估指標。叡揚資訊的 Vital 雲端服務已通過 ISO 27001、27017、27018 及 27701 等國際認證，在資料保護架構、存取控管與合規要求上，符合金融業、醫療業等高度監管產業的標準。平台亦提供彈性且細緻的權限管理——涵蓋多因子認證、密碼週期控管與角色分層授權，讓企業能精確管控資料存取範圍，從源頭縮小外洩風險的暴露面。 從資料孤島到客戶全貌，再到安全的 AI 自動化 叡揚在 38 年協助企業資訊系統建置的過程中，深刻觀察到資訊孤島的普遍問題。Vital 可透過 API 串接企業各系統，將分散在各平台的客戶資訊匯聚成完整輪廓，讓團隊得以掌握全局，系統流程可以加以自動化，減少人工斷點。近期更進一步支援安全的 MCP 接口，使 AI 代理人能在受控的安全環境中直接存取內部資料、自動化行政流程——讓效率提升與資料安全不再是非此即彼的取捨。 信任，才是 AI […]

告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？

2026 年，數位廣告產業面臨結構性轉折。過去二十年來，以程序化廣告為核心的交易模式，建立在第三方數據、即時競價與大規模曝光之上，撐起了數百億美元的產業規模。然而，在零售媒體網絡（Retail Media Networks, RMN）快速崛起、隱私監管趨嚴，以及 AI 技術進入執行層的背景下，這套體系即將重構。 廣告技術去中介化，零售商正以代理式 AI 重構廣告成本 《Smart Brief》報導指出，如今越來越多零售商選擇內建自己的廣告工具，導入以「代理 AI」（Agentic AI）為核心的架構，繞過傳統的程序化中間商。這些 AI 代理人不再只是輔助投放，而是直接代表品牌與零售商進行決策與交易，從受眾分群、預算配置到廣告庫存配對，皆由系統即時完成。當交易雙方都由代理人驅動時，傳統的廣告交易所與拍賣機制開始顯得多餘。 這樣的轉變，直接帶來成本結構的重寫。業界預期，當中間層被移除後，單一零售商可節省約 10% 至 20% 的廣告技術成本，而品牌與零售商整體合計，甚至可能達到 30% 的效率提升。這對於本就利潤有限的零售業而言具有實質吸引力，也使「去中介化」成為一項策略選擇，而非技術實驗。 推動這場變革的關鍵基礎設施之一，是廣告內容協議（Ad Context Protocol, AdCP）。這項由多家產業參與者共同推動的標準，嘗試為 AI 代理人建立一套共通語言，使其能在沒有人工介入的情況下完成媒體規劃、報價與交易。《Digiday》指出，AdCP 更接近一種「代理對代理」的直接協商機制，讓品牌端的 AI 可以與零售端的 AI 即時溝通需求與庫存條件，在維持效率的同時，省去拍賣流程中的冗餘環節。 數據複利時代來臨，第一方數據轉化為策略資本 與此同時，數據本身的角色也在發生質變。市場調查公司 IDC 指出，在第三方 Cookie 逐步消失的情況下，第一方數據從過去的靜態資產，轉變為可以持續累積價值的「複利資本」。透過資料潔淨室（data clean room）與隱私增強技術（Privacy-Enhancing Technologies, PETs），品牌與零售商得以在不暴露原始個資的前提下進行跨平台協作，使原本分散的訊號得以整合並提升預測能力。 這種數據協作模式，也可能重塑市場權力結構。一方面，大型零售商紛紛建立整合身份、媒體與交易數據的「商業雲」（commerce clouds），將廣告投放與成效衡量鎖定在自有生態系中；另一方面，缺乏登入數據與規模的中小型媒體，則逐漸失去可識別性與變現能力。市場因此呈現出集中與碎片化並存的矛盾狀態，而能否有效編排與運用數據，成為品牌競爭力的核心。 綜合來看，數位廣告的變革並非單一技術升級，而是一場涉及數據、交易機制與組織運作的全面重構，整個產業正朝向一個由機器主導決策與交易的「代理時代」前進。對企業而言，關鍵不在於是否導入 AI，而在於是否具備重新設計整體架構的能力。 【推薦閱讀】 ◆ 「線上歸 Amazon、實體歸 Walmart」時代終結：零售雙雄的混合基礎建設戰全面開打 ◆ 告別關鍵字堆砌：2026 […]

【科技早餐】Uber 押注 AWS 自研晶片，AI 算力正式接進叫車與外送核心

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Uber 押注 AWS 自研晶片，AI 算力正式接進叫車與外送核心 Uber 宣布擴大與亞馬遜網路服務（AWS）合作，導入 Graviton 處理器用於叫車配對、路徑規劃與物流配送等日常營運，並部署 Trainium 晶片在大規模 AI 模型訓練，目標是在成本與效能之間取得更好平衡。 對 Uber 來說，提升的 AI 算力將直接反映於用戶體驗，包括乘客與司機配對、需求預測、動態定價與配送效率。對 AWS 來說，這也代表其正把自研晶片進一步推向大型企業核心營運，從雲端基礎設施延伸到更完整的 AI 運算供應角色，強化企業客戶對專用晶片方案的採用。 ＊英特爾聯手馬斯克蓋 Terafab，AI 晶片戰往製造端整併 英特爾（Intel）宣布加入馬斯克（Elon Musk）主導的 Terafab 計畫，將與 Tesla、SpaceX 及 xAI 一起推進位於德州奧斯汀（Austin）的超大規模 AI 晶片基地，目標是年產 1TW 等級算力，支應自駕、機器人與 AI 資料中心需求。 這項計畫將整合晶片設計、製造與封裝。隨著英特爾加入，外界預期 18A 製程與先進封裝能力也可能被帶進這個基地，支援高效能 AI 晶片量產。這也被視為英特爾爭取大型 AI 客戶的重要一步，同時反映 Musk 旗下企業正加快建立更高整合度、集中於美國本土的晶片製造體系。 ＊Anthropic 組 AI 資安聯盟，Glasswing […]

從網路攻防走向實體干擾：伊朗駭客鎖定 PLC、SCADA，OT 安全升級成國安議題

近日，美國聯邦調查局（FBI）、國防部、國家安全局（NSA）、能源部與網路安全暨基礎設施安全局（CISA）、美國國家環境保護局（EPA）與美國網路司令部國家任務部隊，共同發布一項聯合警報，指出自 2026 年 3 月以來，與伊朗相關的駭客組織已大幅升高對美國關鍵基礎設施的網路攻擊。這波行動，也被美方官員直接置於當前美伊軍事衝突不斷升溫的脈絡中解讀。 最值得警惕的是，這波攻擊瞄準的並非一般企業 IT 系統，而是能直接連動實體設備運作的工控層（OT），受影響範圍涵蓋政府設施、能源、水務與廢水處理系統。這也代表，事件的核心已不再只是新一波的網路入侵，而是地緣政治衝突已經實質外溢，直接威脅到供水、供電與現場設備控制的 OT 系統。 從 IT 走向工控層：伊朗駭客直接鎖定 PLC 與 SCADA 《Reuters》與《The Record》報導，美國官員明確表示，伊朗駭客正積極鎖定公開暴露的可程式化邏輯控制器（PLC），以及監控與資料擷取（SCADA）顯示介面，核心目的就是在美國境內製造「破壞性影響（disruptive effects）」。這些攻擊精準瞄準直接連網的 OT 裝置，包含 Rockwell Automation 與 Allen-Bradley 生產的 PLC，另有部分 Siemens 裝置可能也進入受害範圍。 《The Hacker News》進一步補充，這些受害對象廣泛分布在政府服務與設施、水務和廢水系統，以及能源部門，且特別點名 CompactLogix 與 Micro850 等目標型號。FBI 的警報更特別點出影響 Rockwell Automation 產品的 CVE-2021-22681 漏洞，而 CISA 早在一個月前就命令所有聯邦機構必須在 3 月 26 日前完成修補。對此，Rockwell Automation 發布聲明強調，他們非常嚴肅看待產品的安全問題，並正與政府機構密切協調合作。 當攻擊者成功入侵 PLC 後，他們的目標在於改變工業控制系統顯示介面上的資訊，這種操控在某些情況下，將導致設備停機、損壞甚至引發危險狀況。這些行動皆顯示，伊朗駭客攻擊已跳脫單純的企業資安事件範疇，而是攻擊者已直接操控能影響實體流程的底層工控系統。 攻擊已造成實質營運中斷與財務損失 目前，美方已確認有部分攻擊案例確實造成營運中斷與財務損失。在攻擊手法方面，《The […]

13 億美元重押實體 AI：從純軟體走向硬科技，拆解創投 Eclipse 破紀錄募資背後的資本轉向

隨著 AI 的發展，科技投資的目光正逐漸從純軟體應用轉向真實世界。知名創投公司 Eclipse 近期宣布，已成功籌集 13 億美元的最新基金，將專注於支援實體 AI（Physical AI）新創公司，投資領域涵蓋機器人技術、AI 基礎設施、製造業與國防科技。 這筆高達 13 億美元的新資金，不僅是 Eclipse 迄今為止規模最大的一筆募資，更超越了該公司在 2023 年籌集的 12.3 億美元紀錄。《Bloomberg》報導，這筆資金將分為兩部分運作，其中 7.2 億美元將用於投資早期階段的新創公司，另外的 5.91 億美元則將挹注於後期交易。 投資人加碼佈局硬科技，Eclipse 聚焦實體產業 《Bloomberg》觀察，Eclipse 近期成功募集資金，正值投資人加碼布局「硬科技」（hard tech）之際。這波熱潮一方面來自 AI 技術的突破，另一方面也受到地緣政治壓力影響，例如美國總統川普推動的關稅政策，促使美國加速重振本土製造。今年 Eclipse 也共同領投了美國製造新創 VulcanForms 的 2.2 億美元募資案。 除了製造業之外，其他非純軟體領域的公司同樣吸引創投關注。例如核能新創 Valar Atomics 估值已達 20 億美元，機器人 AI 公司 Physical Intelligence 傳出正以 110 億美元估值洽談募資；國防科技公司 Anduril Industries 則計畫以超過 600 億美元估值籌資。 回顧 […]

叡揚資訊榮獲 Illumio 四項合作夥伴殊榮 持續領航台灣零信任微分段發展

在零信任架構逐漸成為企業資安核心策略的趨勢下，叡揚資訊長期深耕零信任微分段（Zero Trust Segmentation）技術推動與實務落地，已成為台灣市場的重要推動力量。近期，叡揚資訊更獲全球零信任安全領導品牌 Illumio 頒發四項合作夥伴殊榮，包含兩度獲頒「關鍵業務開發獎／零信任導入推動獎」（Strategic Acct Acquisition），以及「最佳指標客戶拓展獎」與「卓越市場經營行銷獎」，肯定叡揚資訊在台灣推動零信任微分段導入與市場發展的卓越成果，也展現其在推動零信任微分段實務落地上的領先地位與市場影響力。 隨著零信任架構逐步從概念走向實務落地，台灣企業近年在資安策略上也出現明顯轉變。特別是在金融監理政策與資安法規持續強化的趨勢下，包含金管會發布的「金融業導入零信任架構參考指引」，已明確引導金融機構從傳統邊界防禦轉向以零信任為核心的資安架構，並強化內部存取控管與橫向移動防護能力。同時，關鍵基礎設施與大型企業亦逐步提升對資安韌性的要求，帶動零信任微分段在台灣市場快速發展，其中「微分段（Segmentation）」更成為企業落實零信任架構的關鍵技術之一。 叡揚資訊觀察到，面對勒索軟體與供應鏈攻擊日益頻繁，傳統邊界防禦已難以有效防止攻擊者於內部網路進行橫向移動。企業若要降低攻擊擴散風險，需先透過流量可視化掌握系統之間的互動關係，並進一步建立精細化的存取控制機制。也因此，具備從策略規劃到實際部署能力的專業團隊，成為企業能否成功落實零信任架構的關鍵。 叡揚資訊持續投入零信任微分段技術的在地推廣與實務落地，擁有由多位通過原廠認證的資安顧問所組成的專屬團隊，不僅是台灣獲得原廠認證人數最多的合作夥伴，更取得原廠最高等級技術認證，為台灣市場少數具備完整導入能力的資安服務廠商。自 2023 年起，叡揚資訊協助各產業企業從資產盤點、流量可視化、風險評估到安全規則設定與導入，逐步建立符合自身營運需求的零信任防護架構，讓零信任從架構藍圖轉化為可實際運作的防護機制。 隨著企業對於「可視化」、「可控管」與「可持續優化」的資安架構需求持續提升，零信任微分段已成為強化資安韌性的關鍵基礎。叡揚資訊表示，未來將持續深化零信任微分段應用，協助企業在不影響營運效率的前提下，有效降低資安風險，並提升整體網路安全防護水準。

Intel 加盟 Terafab：從自建超級晶圓廠走向合作製造，揭馬斯克 AI 晶片布局的戰略分工

Intel 近日宣布加入 Terafab 計畫，將與 Tesla、SpaceX 及 xAI 攜手合作，共同設計、製造與封裝高效能晶片。這項原本由馬斯克（Elon Musk）提出的 Terafab 計畫，目標是在德州打造一座整合晶片設計、製造與封裝能力的超級設施，以支援 Tesla 旗下機器人與自駕車、SpaceX 太空運算，以及 xAI 未來對 AI 晶片的龐大需求。 這次 Intel 的加盟，讓馬斯克先前高調拋出的 Terafab 構想，開始從單純的「自己做晶片」想像，進一步走向更具體的合作製造模式，並由 Intel 補齊驅動這座晶片廠真正運作所需的關鍵能力。 從「自建晶圓廠」到「合作製造」：Intel 的加入改變 Terafab 運作模式 《華爾街日報》報導，當馬斯克在今年 3 月公布 Terafab 計畫時，主打的是在德州奧斯汀（Austin）興建單一設施，將晶片設計與製造集中在同一地點，藉此加快測試與開發的速度。馬斯克當時的規劃，是由 Tesla 與 SpaceX 在奧斯汀興建兩座先進晶圓廠，其中一座服務汽車與人形機器人，另一座則為太空 AI 資料中心提供支援。 然而，Intel 這次的公開表態大幅改變外界的看法。Intel 在社群平台 X 上公開宣示：「我們大規模設計、製造和封裝超高效能晶片的能力，將有助於加速 Terafab 每年生產 1 TW 算力的目標，以推動 AI 和機器人技術的未來發展。」 外界因此解讀為，Terafab 更像是一筆由 Tesla、SpaceX […]

Anthropic 不敢全面公開的 AI：Claude Mythos 為何正在重寫網路安全規則？

AI 新創 Anthropic 近期開發了一款名為 Claude Mythos 的全新 AI 通用模型，但因其功能過於強大，該公司宣布還不會向外界發布此一技術。取而代之的是，Anthropic 透過一項名為「Glasswing」的資安計畫，僅將 Mythos Preview（預覽版）開放給包括蘋果、亞馬遜與微軟等超過 40 家致力於維護關鍵基礎設施的特定企業進行測試。 為什麼 Anthropic 要製造一個「太危險」的模型？ Anthropic 根據內部測試指出，Mythos 能在極短的時間內，自主發現數千個高風險的零日漏洞，攻擊範圍幾乎涵蓋了當前所有主流的作業系統和網頁瀏覽器。更關鍵的是，這些能力不需要專業資安背景即可啟動。 當中最引人注目的，是該模型找出了一個隱藏在重視安全的開源作業系統 OpenBSD 中長達 27 年的缺陷，以及一個在知名影音處理框架 FFmpeg 中、過去經歷五百萬次自動化掃描測試都未能察覺的 16 年陳年漏洞。 Anthropic 表示，AI 的寫程式能力已達一定水準，而在發現和利用軟體漏洞方面，其能力可以超越絕大多數人類，僅次於經驗最豐富的開發者。Anthropic 近期承認 Opus 4.6 在開發有效漏洞利用程式碼方面表現不佳，成功率幾乎為零，而 Mythos Preview 的漏洞利用成功率高達 72.4%。《The Register》形容，Mythos 就是一個能「產生」零日漏洞的 AI 模型。 不過更讓網路安全專家不安的，不只漏洞發現數量，而是 Mythos 展現出了一種極其危險的新型攻擊潛力。過去，單一的微小漏洞或許不足以造成致命威脅，但 Mythos 具備將多個不起眼漏洞串聯起來的能力，形成一種新型攻擊。 例如，它能夠自主編寫複雜的 JIT 堆積噴灑程式碼，成功逃脫瀏覽器與作業系統的沙盒限制，甚至在無需人為介入的情況下，串聯多個漏洞以獲取作業系統的最高管理員權限。這種能力大幅縮減漏洞發現與被利用之間的時間差，削弱了現有的防禦機制。Anthropic 研究人員表示，背後主因是 Mythos 擁有更進階的推理能力。 […]

「線上歸 Amazon、實體歸 Walmart」時代終結：零售雙雄的混合基礎建設戰全面開打

近期，Amazon 動作頻頻，一方面為願意支付額外費用的美國客戶，推出 1 小時和 3 小時送達服務；另一方面，又持續把快速配送能力往美國偏鄉與小鎮推進，進一步把競爭戰線延伸到 Walmart 長年占優勢的地理腹地。 《Inc》指出，過去「Amazon 主導線上、Walmart 主導實體」的分工框架已經不再成立，因為 Amazon 正直接切入 Walmart 長期掌握的實體接近性、雜貨與鄉村消費者領域。 Amazon 把快速配送戰火一路帶往偏鄉與小鎮 《Bloomberg》報導指出，Amazon 去年已宣布投入 40 億美元推進偏鄉配送，並透過較小型的配送樞紐與在地承包商，把偏鄉地區原本動輒數天的等待時間，大幅壓縮到 1 至 2 天，部分地區甚至不到 24 小時。 進一步的數據分析顯示，Amazon 目前已讓五分之一的美國偏鄉與小鎮家庭能在 24 小時內收到日用品，另有 62% 的偏鄉家庭可享 48 小時配送，這項舉動的核心目標，正是為了改變偏鄉地區原本對慢速配送的預期。 針對整體配送戰略的推進，Amazon 全球營運資深副總裁 Udit Madan 表示：「我們看到一個機會，能夠利用我們獨特的營運專業知識和配送網路，幫助讓客戶的生活變得更輕鬆一點，同時為 Prime 會員解鎖更多價值。」 顯示 Amazon 整體配送戰略正同步往更快時效推進。 Walmart 的防守核心仍是門市網路、雜貨與即時履約能力 面對 Amazon 的強勢進逼，Walmart 在鄉村市場的最大防守優勢仍是「實體接近性」。因為門市的密集分布，讓近三分之二的偏鄉家庭能在 10 英里車程內抵達店面。多年下來，這已成功培養消費者親自到店購買雜貨，並順手添購其他商品的深厚習慣。 正如 Walmart […]

【速度與治理如何並存】花旗銀行如何在高度監管環境下，同時追求 AI 規模化與負責任部署？

花旗銀行服務近 180 個國家的客戶，每天流動的資金規模以兆美元計。在這樣的組織下，AI 不是一個可以慢慢實驗的選項，而是必須在嚴格治理框架內快速落地的策略工具。 2025 年 9 月接任花旗全球 AI 主管的 Shobhit Varshney，用一句話概括他的任務：「做對的 AI，以及把 AI 做對」，這兩件事看似相近，對一家全球銀行來說卻有截然不同的含義。 不從技術出發，從價值出發 花旗的 AI 部署邏輯，起點不是技術，而是業務價值。Varshney 強調，做對的 AI，就是專注於價值創造。必須端對端重造流程，而不只是在邊緣自動化。 這個原則在實作上意味著，在引入任何自動化之前，團隊必須先簡化甚至刪除不必要的流程步驟，而不是把現有工作流程加速一遍。花旗設定的改善門檻通常在 30% 以上，不是邊際效益的累積，而是追求有感的轉型。 這也反映了花旗對 AI 推展方式的根本轉向，不是先啟動試點、再尋找用途，而是先定義期望的業務成果、量化預期效益、讓領導層形成共識，再開始建構解決方案。Varshney 用洗碗機做比喻，「思維的轉變是從更快的手洗刷碗，變成洗碗機」，洗碗機不是讓手洗更快，而是從根本改變了洗碗這件事的流程與規模。 集中式平台：讓 AI 能力像服務一樣被調用 為了支撐這個規模化野心，花旗去年就建立了集中式 AI 平台 Citi Stylus Workspaces，採用模組化、多模型、多雲架構，在保持靈活性的同時維持統一的管控能力。 這個架構的核心邏輯是，許多 AI 應用場景共享相似的底層模式，與其讓各業務單位各自建構，不如把這些通用能力集中開發、以服務形式提供給全組織。這樣的設計減少了重複建置，也讓模型升級能同步擴散至整個組織，而不是分散在各處的孤立版本。 Citi Stylus Workspaces 可直接整合花旗內部系統，連結全球員工名錄、常用企業平台與其他關鍵資源，同時具備網路搜尋與資料分析能力。以往需要多個步驟才能完成的任務，現在可以透過單一提示一步完成。例如識別美國前五大品牌信用卡業務、提煉其策略目標，並將結果翻譯成西班牙語，全程只需輸入一次指令。 雙軌並進：日常生產力與關鍵流程再造同步推動 花旗的 AI 採用策略同時走兩條路，由下而上的那條路，是為員工提供日常生產力工具，讓員工能把 AI 整合進日常工作流程，涵蓋範圍從摘要、資料整理到軟體開發，後者已帶來可量化的生產力提升。這條路的目標是讓 AI 在每個員工的日常工作中自然生根。 由上而下的那條路，則是高階主管直接主導最關鍵的業務流程再造。這些流程包含客戶入職、反洗錢調查與風險管理等複雜場景，每一個都牽涉大量跨部門協作與合規要求。每週，資深主管都會檢視這些專案的推進進度，處理卡關點、確保各方對齊。這種高層級的持續關注，是讓 AI 從實驗走向企業規模落地的關鍵驅動力。 […]

開發產出暴增 10 倍的代價：AI 程式碼湧現，企業如何防堵資安與技術債漏洞？

2026 年，企業面對的 AI 問題，已經不再只是能否更快寫出程式，而是寫得太快之後，誰來收拾後果？ 隨著 Cursor、Claude Code、Codex 等 AI 寫程式工具快速普及，AI 正在把軟體開發從人力瓶頸推向另一種極端，也就是程式碼產出暴增，但理解、審查與維護能力卻跟不上，技術債也因此加速累積。 《紐約時報》就描述了一個典型的案例：一家金融服務公司導入 Cursor 後，每月產出的程式碼行數，從 2.5 萬行暴增到 25 萬行，結果很快就累積超過 100 萬行待審查程式碼。協助該公司的安全新創 StackHawk 共同創辦人兼執行長 Joni Klippert 直言，真正跟不上的，不只是程式碼審查速度，還包含漏洞數量增加，以及整個公司被迫加快節奏所帶來的壓力。 這正是當前企業最真實的 AI 寫程式困境：產出已經不是問題，審核與維護才是。當 AI 幫工程師、甚至非工程背景的員工快速做出功能、網站或內部工具，企業表面上看起來更敏捷，實際上卻可能正在把更多難以追蹤、難以維護的程式碼推進正式環境。 AI 把開發速度推到極致，也把技術債放大 《NBC News》指出，AI 寫程式工具最初帶來的吸引力，主要在於提升開發速度與功能交付能力，儘管自去年 11 月以來，這類工具的能力已顯著提升，但它們無法像經驗豐富的人類開發人員那樣全面地理解整個程式碼庫。 協助軟體工程師和企業審查並提高程式碼品質的公司 CodeRabbit AI 負責人 David Loker 舉例，AI 可能會在多個不同地方重複編寫相同的功能，因為它們沒有發現該功能已經存在，所以一遍又一遍地重新創建該功能。 這也是為什麼許多企業現在開始大量尋找更資深的工程師，而不是單純擴編招募初階開發人力。《紐約時報》提到，市場對應用程式安全工程師的需求正快速升高，因為企業需要更多人來審視 AI 生成程式碼中的錯誤、風險與合規問題。但問題在於，這類人力根本不足。矽谷投資圈人士 Joe Sullivan 甚至直言，光是美國企業的需求，就已超過現有供給。 下一個 AI Slop 受害者，可能就是程式碼本身 […]

【科技早餐】三星一季獲利暴增 755%，AI 記憶體先把上游財報推上新高

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊三星首季獲利年增 755%，一季就超過去年全年 三星電子 (Samsung Electronics) 公布第一季初步財報，營業利益達 57.2 兆韓元，年增約 755%，營收則來到 133 兆韓元，兩項數字都高於市場預期。這不只超過三星 2025 全年營業利益，也刷新去年第四季 20 兆韓元的單季高點，讓 AI 記憶體與資料中心需求再度成為市場焦點。 《路透社》指出，三星這一季大部分獲利仍由晶片部門貢獻；南韓官方公布的 3 月半導體出口也年增 151.4%，達 328 億美元，創下新高。這代表 AI 基建需求不只留在雲端業者資本支出，已經持續往上游記憶體與半導體供應鏈傳導。 ＊博通與 Google 合作延長到 2031，客製化 AI 晶片長約再往後拉 博通 (Broadcom) 宣布，已與 Google 簽署長期合作協議，雙方將一路合作到 2031 年，共同開發與供應未來世代客製化 AI 晶片，以及新一代 AI 機櫃所需元件。這也代表 Google 正持續把自研 TPU 與相關硬體，作為雲端 AI 業務的重要底層配置。 消息公布後，博通盤後股價上漲約 3%。在企業更重視 AI 投資報酬率的背景下，客製化晶片需求持續升高；Google […]

Anduril 和 Palantir 都在做：為什麼離線 AI 正在成為下一個關鍵戰場？

當企業談 AI 基礎架構，過去幾年主流想像幾乎都圍繞著同一套前提：穩定網路、充足電力，以及靠近資料中心的雲端環境。但這套假設，正越來越難支撐 AI 進入真實世界後的需求。 從軍事、航運到能源產業，愈來愈多高風險場景都在提醒一件事：當延遲、斷線與基礎設施不穩定成為常態，AI 如果仍仰賴雲端往返運算，就可能在最需要它的時刻失效。這也是為什麼，Palantir、Anduril 與新一代邊緣 AI 業者，正把可離線運行的智慧系統（離線 AI）視為下一階段的核心戰場。 問題不在 AI 夠不夠聰明，而是能否在現場運作 《Forbes》點出一個被主流討論忽略的現實：全球超過 80% 的貨運量靠海運移動，離岸油井位於數百英里外的海上，礦場座落在缺乏穩定連線的沙漠地帶，軍事單位則必須在通訊受干擾、甚至刻意被切斷的環境中做決策。這些場景都有一個共同點，就是它們無法把「資料先送回雲端，再等待模型回應」視為理所當然的流程。 如果 AI 離開資料中心就失去效能，那它在辦公室裡看起來再強，都不代表它能進入下一波產業現場。也因此，離線 AI 的關鍵不只是沒有網路也能用，而是讓智慧系統真正靠近決策發生的地方。 Palantir 與 Saildrone：把決策等級的智慧放上船 這種轉向最明顯的先行者，首先出現在國防與海事場景。根據《Forbes》，Palantir 與無人船公司 Saildrone 近期宣布合作，將 Palantir 的 AI 基礎設施整合到 Saildrone 的自主水面載具上，用於海事安全、海域監控與防務應用。這項合作的關鍵，不只是把感測器裝上船，而是把足以支撐決策的智慧直接部署到海上。 對海事與國防單位來說，這代表他們不必再依賴有人船艦，也不必等衛星在數小時後傳回資料，而是能讓智慧系統持續待在海面上、即時理解環境、回報風險，甚至在沒有船員的情況下執行長時間監控任務。這種部署方式改變的不只是效率，還包含整個海域監控的成本結構與反應速度。 Anduril 更進一步：在預設斷線的戰場上，AI 不能停在「讀取中」 如果說 Palantir 與 Saildrone 展示的是海上場景中的邊緣智慧，那 Anduril 想解決的，則是更極端的問題：戰場上的 AI，這類系統往往必須預設處於斷線狀態下運作。 根據《Forbes》，Anduril 的 Lattice AI 平台就是為這類環境而生。這套系統用於陸、海、空不同自主系統的協同與決策支援，核心特徵是它從一開始就不是為了網路順暢的環境而設計，而是為網路本來就不可靠所打造。對軍方來說，雲端 AI 與邊緣 AI […]

日本如何佈局實體 AI 新戰場？大企業和新創發展「新模式」補勞動缺

「在日本，機器人並非來取代你的工作，而是去完成沒有人願意做的工作。」《TechCrunch》報導，實體 AI 正逐漸成為下一個產業戰場，而日本推動這項技術是因為隨著勞動力縮減以及維持生產力的壓力增加，越來越多企業在工廠、倉庫及關鍵基礎設施中部署 AI 驅動的機器人。 日本經濟產業省（METI）於 2026 年 3 月表示，目標在國內建立實體 AI 產業，並於 2040 年前取得全球市場 30% 的份額。經濟產業省指出，日本製造商在 2022 年約佔全球市場 70%，顯見該國在工業機器人領域已具強勢地位。 勞動力短缺逼轉型，日本機器人優勢能否延續？ 企業風投 Woven Capital 董事總經理 Ro Gupta 告訴《TechCrunch》，日本採用 AI 機器人的因素包括對機器人的文化接受度、因人口結構壓力造成的勞動力短缺，以及在機電整合與硬體供應鏈上的深厚工業實力。另一間風險投資公司 Global Brain 合夥人 Hogil Doh 也表示：「實體 AI 正被視為企業持續運作的工具，勞動力短缺是主要驅動因素。」 日本新創企業 Mujin 執行長兼共同創辦人 Issei Takino 提及，日本正加大力度推進製造與物流自動化，以應對勞動力短缺等結構性挑戰。例如 Mujin 開發的軟體可讓工業機器人自主處理揀選和物流任務，尤其是機器人控制平台可讓現有硬體更自主、更高效地運作。《TechCrunch》提及，日本歷來擅長的是機器人的實體構件，但這種優勢是否能延續到 AI 時代，仍有待觀察。 風險投資領域的業內人士 Sho Yamanaka 指出：「日本在高精度零件上的專業知識，即 AI 與現實世界間的關鍵物理介面，是一道戰略護城河。」Issei Takino 表示，硬體能力在中國與日本最為強大，日本在機器人運動控制上尤為突出，而美國則在服務層與市場開發上領先。歷來許多美國公司利用軟體優勢建立整合業務，類似 […]

OpenAI 發表 AI 政策藍圖：從機器人稅到 4 天工作制

OpenAI 週一發布了迎接超級智慧（superintelligence）世界的政策提案。在這份長達 13 頁、名為《Industrial Policy for the Intelligence Age》（智慧時代的產業政策）的白皮書中，OpenAI 建議政府應如何監管 AI 以及如何分享該技術快速發展下帶來的經濟效益。《華爾街日報》指出，這些想法可能代表著數兆美元的新政府計畫，但也引發質疑聲浪。 OpenAI：AI 不只是技術，將改寫經濟結構 在 OpenAI 的論述中，AI 不再只是提升效率的工具，而是一場會改變經濟結構的系統性變革。OpenAI 執行長 Sam Altman 告訴《Axios》，AI 超級智慧如此接近真實、具有顛覆性，以至於美國需要一份規模堪比 20 世紀初大蕭條時期羅斯福新政的社會契約。 OpenAI 提出的框架圍繞著三個目標：更廣泛地分配 AI 帶來的繁榮、建立保障措施以降低系統性風險，並確保廣泛獲取 AI 能力。 文件指出，當 AI 進入超級智慧階段，企業利潤與資本利得將快速上升，但以薪資為基礎的所得稅等稅收卻可能下降，進而動搖支撐社會福利的財政基礎。《華爾街日報》指出，這正是 OpenAI 主張要重寫稅制的核心原因。 因此，OpenAI 提出將稅負從勞工轉向資本家，最具爭議性的觀點包括提高企業與資本利得稅、對自動化與 AI 系統徵收「機器人稅」、建立由 AI 收益支撐的公共財富基金，以及鼓勵企業在不減薪的前提下試行 4 天工作制。 在這些安全機制與監管措施之外，OpenAI 也提出一系列成長導向的政策主張，包括擴建電力基礎設施以支撐 AI 的用電需求，以及透過補貼、稅收優惠或政府持股等方式，加速 AI 基礎建設的擴張。 這背後的邏輯在於，將 AI 視為一種公共基礎設施，而非單純的商業產品；如果 AI 取代人類工作，就必須讓 […]

挑戰 NVIDIA 霸權：博通與 Google、Anthropic 擴大晶片交易，鎖定 2031 AI 供應鏈核心

博通（Broadcom）宣布已與 Google 簽署一項長期協議，將共同開發並供應新一代客製化 AI 晶片及相關組件，同時也擴大與 AI 新創公司 Anthropic 的合作協議，預計自 2027 年起提供約 3.5 GW（十億瓦）的運算能力，這些算力將由 Google 的 AI 處理器（TPU）支撐。 AI 三巨頭結盟！Google、博通、Anthropic 組建算力鐵三角 近年來，隨著企業積極尋求替代 NVIDIA 高價 GPU 的方案，用於 AI 工作負載的客製化晶片需求大幅攀升，Google 的 TPU 成為主要受益者。根據《Reuters》去年 12 月的報導，Google 正積極推動 TPU 成為足以與 NVIDIA GPU 抗衡的產品，旨在讓 TPU 成為雲端業務的重要成長引擎，並證明其在 AI 領域的投資已開始產生回報。 《Investing》指出，這項合作確保了博通作為 Google AI 模型晶片首席設計夥伴的地位。此次協議還包含一項「供應保證協議」，博通將持續供應 Google 下一代 AI 機架網路及其他組件直至 2031 年。這些組件對於串聯大規模晶片集群以訓練與運行神經網路（如 Google 的 Gemini）至關重要。 […]

【對抗單一 LLM 幻覺】CollectivIQ 統合各大模型，用「AI 共識引擎」提升回應精確度

CollectivIQ 開發了一款「AI 共識平台」，它能同時查詢多個大型語言模型（LLM），包括來自 OpenAI、Anthropic、Google 及 xAI 的運算結果，並且統合、彙整為最終的答案。

伊朗衝突敲響警鐘，油價震盪如何凸顯電動車能源安全價值？

伊朗衝突爆發後，全球油價應聲震盪，美國全國汽油均價跳漲，創下俄羅斯入侵烏克蘭以來最大單週漲幅。對許多美國家庭而言，這不是只存於國際新聞的外交事件，而是每天駕車上下班時會被影響的現實。 美國的交通運輸成本受制於全球市場 石油作為一種全球性大宗商品，其價格並非由美國單方面決定，而是受制於全球供需動態以及外國政府的政治決策。這意味著美國的交通運輸成本，在很大程度上受制於全球市場。 目前的統計數據就可以體現該現象，美國交通運輸業消耗了全國約三分之二的石油需求，這使該行業成為受油價波動衝擊最劇烈的重災區。當全球油價因海峽封鎖或衝突升級而飆升時，對消費者的衝擊是即時的。 以近期局勢為例，全美平均汽油價格在短短一週內曾跳升 14％，達到每加侖 3.6 美元，這是自俄烏戰爭爆發以來最大的單週漲幅。對許多中產階級家庭而言，這不只是通膨數據上的變動，而是每個月必須在通勤開銷與日常支出之間做出艱難抉擇。 可以說，只要美國一天不切斷交通運輸對石油的依賴，美國經濟就會持續暴露在油價波動風險之下。 美國國防部已意識到車輛電氣化的重要性 面對石油市場的混亂，電動車或許提供了一種傳統燃油車完全無法實現的穩定性。從能源安全的角度來看，電動車的核心價值在於，它將移動動力來源從「不穩定的全球大宗商品」轉變為「受管制的國內電網」。 當一個電動車主選擇在家充電時，其每加侖成本僅約 1 至 2 美元，且這項成本取決於本地電力費率，而非飛彈或石油輸出國組織的減產決議。 進一步來看，電動車的電力源自美國本土的能源組合，包括太陽能、風能、核能、天然氣，甚至包括部分煤炭。這意味著每一英里的行駛，都是在使用國內資源而非依賴不穩定的外部供應鏈。 國際能源總署（IEA）的報告指出，2024 年電動車已成功使全球石油需求每天減少 130 萬桶；預計到 2030，這一數字將達到驚人的 500 萬桶。這項數據的意義在於，它能有效地削減石油出口國的地緣政治籌碼。甚至連美國國防部也已意識到這一點，並將車輛電氣化列為降低燃料供應鏈物流風險的安全策略。 回顧歷史，中國正在複製日本當年的成功 回顧 1970 年代的石油禁運危機，那是美國汽車工業面臨重大挑戰的時期。當時，底特律的傳統車廠依然沈溺於製造耗油巨大的大型車輛，忽視了能源轉型的信號。結果是，日本車商憑藉優異的燃油效率迅速填補市場真空，讓底特律失去了一個時代的競爭力。 美國車因沒人買單而陷入長期的財政困窘，底特律車廠的競爭力在此後多年受到衝擊，並造成工業地帶大規模的失業。 目前的局勢與五十年前相似，只是主角換成了中國。中國看見石油依賴的風險，將清潔能源與電動車視為「技術競爭與國家主權」的戰略佈局，而非單純的環保議題。 中國官員近期在制定未來五年的政策時，明確將以再生能源為核心的新型能源發展列為首要任務。他們在礦產開發、電池製造與充電基礎設施上的海量投入，已經展現出強大的市場韌性。 當伊朗衝突引發能源波動時，中國憑藉著過往新增的風能與太陽能設施（其規模超過全球其他國家的總和），以及綠色技術對其經濟成長超過三分之一的貢獻，緩衝化石燃料價格上漲帶來的衝擊。可以說中國正在複製當年日本車商的策略，試圖在下一個能源時代主導全球汽車產業。 美國汽車產業倒退？ 正當競爭對手全力加速之際，美國現任政府則調整了方向。近期美國政府撤銷了 2009 的「危害認定」，這不僅動搖了過去 16 年聯邦氣候政策的法律根基，更連帶廢除了美國環境保護署 EPA 針對清潔汽車卡車，所制定的所有溫室氣體排放標準。 美國環境保護署 EPA 前官員、電動車專家 Margo Oge 表示，自己在 EPA 任職期間曾親手協助推動這些標準的建立，當時預估到 2025 年，這些措施能為消費者節省 1.7 兆美元，並每天減少約 200 萬桶的石油消耗： 「目前的政策倒退不僅僅是在環境與公共衛生上的倒退，更是對美國能源安全的嚴重損害。削減電動車稅收抵免、放慢充電基礎設施建設、撤銷排放標準，這些行為無異於在強敵環伺的情況下自廢武功。」 […]

【科技早餐】中國本土 AI 晶片逼近 41%，NVIDIA 在中國不再一家獨大

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊中國本土 AI 晶片逼近 41%，NVIDIA 在中國不再一家獨大 根據國際數據資訊（IDC）數據，2025 年中國 AI 加速器伺服器市場中，本土 GPU 與 AI 晶片廠商合計市占已逼近 41%。NVIDIA 雖仍以約 220 萬片出貨、55% 市占居冠，但領先幅度明顯縮小，反映在美國出口管制與中國「晶片國產化」政策推動下，中國市場結構正快速改變。 其中，華為是本土陣營中出貨最多的業者，阿里巴巴與百度則分列其後。隨著中國持續推動政府機構與企業轉向國產替代方案，試圖降低對美國技術的依賴，美系晶片在中國市場的成長空間，預料還會持續被壓縮。 ＊美國會補晶片設備漏洞，ASML 對中出口再收緊 美國國會跨黨派議員提出「硬體技術多邊協調管制法案」MATCH Act，目標是聯手盟友補上晶片設備出口中國的漏洞，為美國企業建立更一致的競爭環境。法案重點之一，是把艾司摩爾（ASML Holding NV）的浸潤式深紫外光曝光機，也就是 immersion DUV，納入更全面的限制範圍。 這顯示美國現在要收緊的，不只是高階 AI 晶片，也包括生產這些晶片所需的上游設備。若法案後續推進，ASML 與東京威力科創（Tokyo Electron Ltd.）等設備商對中的銷售空間，可能進一步被壓縮，部分中國記憶體晶片大廠取得設備的難度也會提高。 ＊微軟砸 100 億美元押日本，AI 基建直接連到國安 微軟（Microsoft）宣布，將在 2026 到 2029 年間於日本投資 1.6 兆日圓、約 100 億美元，擴建 AI 基礎設施，並加強與日本政府在資安上的合作。這項計畫還包括在 2030 年前培訓 100 萬名工程師與開發人員，並與軟銀（SoftBank）與櫻花網路公司（Sakura […]

【封殺 AI 流量將錯失商機】AI 流量成長速度是人類八倍，企業如何兼顧營收並防禦詐欺？

當企業還在思考如何導入 AI 提升效率時，網際網路的底層生態已悄悄變天：2025 年，網路上跑的 AI 流量，成長速度是真人流量的八倍。 由網路安全公司 HUMAN Security 近期發布的《AI 流量與網路威脅基準報告（The 2026 State of AI Traffic & Cyberthreat Benchmark Report）》，不僅揭露 AI 代理（Agentic AI）如何開始在網路上自主登入與結帳，更指出駭客正利用這波自動化紅利，將帳號接管、信用卡盜刷與惡意爬蟲等攻擊手法全面升級。 報告內容打破傳統防禦思維，點出企業未來的存亡關鍵已不再是單純「阻擋機器人」，而是如何在極端複雜的流量中辨識真實意圖。 面對這波不可逆的浪潮，企業若未及時調整防禦戰略，將面臨前所未有的潛在詐欺災難。以下摘要整理報告的核心數據與行動建議，提供企業快速掌握 AI 時代的流量現實與資安防禦新思維。 📎 這份報告適合誰閱讀？ 這份報告探討 AI 自動化流量的爆發，以及帳號接管（ATO）、信用卡盜刷、惡意爬蟲等網路威脅的最新演變，特別適合以下幾類工作者閱讀： 🔴 報告洞見 網際網路的運作方式已經發生根本性的轉變，從過去以人類互動為中心，正式跨入由 AI 代理重塑的自動化網路時代。 根據 HUMAN Security 最新發布的報告指出，在 2025 年，整體自動化流量的年增長率達到 23.51%，其成長速度大約是人類流量（僅增長 3.10%）的八倍。 這不僅僅是流量數字的暴增，更是網路行為本質的徹底改變。AI 系統不再只是單向讀取網頁資訊，而是開始在網路上自主執行交易與各種複雜互動。企業必須及時調整資安防禦與流量管理戰略，避免營運風險與詐欺災難。 💡 流量巨變！AI 驅動流量的三大演進與寡占效應 數據顯示，從 2025 年 1 月到 12 […]

「數據會成為國家與企業的護城河。」數發部次長侯宜秀點出 AI Ready 發展的關鍵底層與上層

「AI Agent 需要有很多的管理和調教，最底層感知和資料層，和最上面的測試和治理層，是台灣非常好的機會，必須有足夠的在地資料，還有企業內部重要的資料，這些數據會成為國家與企業的護城河，」數發部次長侯宜秀在 TechOrange 科技報橘日前舉辦的「AI Ready 數據治理論壇」致詞時強調。 從企業、城市到國家，要打造專屬於自己的 AI 發展模式，數據已成為具備明確規格且不可或缺的核心基礎。 鴻海科技集團  正在建立「AI Ready」智慧城市大腦 鴻海科技集團董事長辦公室軟體研發處資深經理潘相輔以「整合碎裂數據，建立 AI Ready 智慧城市大腦」為題，分享了鴻海在推動 CityGPT 與智慧城市應用的實戰經驗與觀察，當前企業與政府面臨的核心痛點已非缺乏資料，而是如何透過 AI Agent 自動化處理龐雜的數據流，提升治理效率。 潘相輔先以「生活圈發展」比喻 AI 宜居城市的發展，將其歸納為交通、機能、人潮三大元素。「交通」表示底層技術，包含算力基礎等建設，當基礎建設完善後，便會發展出「機能」，結合社會化數據與多元應用服務，當交通與機能到位後，將吸引「人潮」，進而完成 AI 宜居城市的標準化建置。 然而在建置過程中，如何讓 AI 精準存取資料是關鍵挑戰。「過去 API 是為工程師設計，讓工程師能理解並帶入參數撈取資料，但若直接交給 AI 處理，AI 常因無法辨識正確參數而盲目測試，耗費運算資源。」潘相輔表示，為此鴻海強調建立「資料說明與詮釋」標準的重要性，並透過多個 AI Agent 協作的自動化調優流程，引導 AI 精準執行任務。 台灣數位平台經濟協會  分析六都智慧城市治理發展 「協會與政治大學研究團隊耗時一年多，透過 18 位專家學者、102 項關鍵指標，以及包含智慧科技、智慧經濟、智慧民眾、智慧治理及智慧環境的五大構面，客觀評估台灣六都的數位發展狀況，」台灣數位平台經濟協會理事長劉于遜分享即將在 5 月份發布的「六都數位政策調查研究」。「治理是本質，硬體只是輔助，」劉于遜指出，目前六都在硬體基礎設施已趨於同步，城市競爭的關鍵分水嶺已轉向智慧治理，政府數位能力是成功的核心引擎，施政團隊是否具備數位思維、能否將數據整合並落實「決策科學化」，才是拉高城市競爭力的真正分水嶺。 台灣帆軟  打破數據孤島，助半導體企業將每日資料匯整降至 10 分鐘 無論是資料治理或企業營運，高品質的底層數據都是發揮智慧化成效的關鍵基石。 「許多企業看起來像在做 AI，但底層數據卻仍仰賴人工以 […]

Anthropic 逾 50 萬行原始碼外洩的警訊：拆解部署烏龍與 AI 時代的內部治理盲區

Anthropic 近日因部署流程失誤，意外外洩其 AI 工具 Claude Code 約 50 萬行原始碼。雖然該公司強調事件未涉及模型權重或客戶資料，但外流內容卻揭露其關鍵的 AI 代理運作方式與任務流程設計，使這起事故迅速從單純資安事件，升級為涉及產品策略的風險事件。 事件發生後，Anthropic 緊急向 GitHub 提出大規模下架請求，一度要求移除超過 8,000 個相關程式碼副本與衍生版本，隨後又將範圍縮減至僅針對 96 個儲存庫，顯示原始碼在短時間內已快速擴散並難以完全控制。即使 Anthropic 官方介入，相關程式碼仍持續透過社群、私下分享與重製版本流通。 一次部署失誤，讓 AI 工具的核心設計曝光 根據《The Wall Street Journal》與《Bloomberg》報導，這起事件起因於封裝流程中的人為疏失，使原本應經過混淆處理的程式碼，透過除錯用的對應檔案被還原。外洩內容涵蓋約 1,900 個檔案與 512,000 行程式碼，主要集中在 Claude Code 的控制機制與工具整合方式。 這些內容並未揭露大型語言模型本身的權重，但卻清楚呈現 Anthropic 如何讓模型實際執行任務，包括記憶管理方式、任務拆解流程，以及多步驟工作的協調邏輯。也因此，外界關注焦點很快從是否發生資安漏洞，轉向競爭對手是否因此掌握產品設計關鍵。 資安公司 Tanium 研究主管 Melissa Bischoping 告訴《Bloomberg》，這類外洩等同於提供一份「系統運作藍圖」，讓對手更容易理解架構並尋找可利用之處。 AI 競爭，正從模型能力轉向工作流程設計 這起事件之所以引發高度關注，在於它揭露了 AI 產業競爭的結構性轉變。過去競爭焦點集中在模型本身，例如參數規模與推理能力，但 Claude Code 的外洩顯示，真正的差異化正逐漸轉向「模型如何被使用」。 換句話說，競爭核心正從單一模型能力，轉向如何設計完整的任務流程與系統運作方式。Claude Code 的價值，不只是生成程式碼，而是能將模型整合為可執行工作的工具。 […]

百度無人計程車在高速公路停駛數小時！Apollo Go 事件揭自駕商業化考驗

《南華早報》報導，中國科技巨頭百度的自動駕駛車輛 Apollo Go 在武漢發生故障，導致多名乘客在交通繁忙的高速公路上滯留數小時，此次車輛在中國中部城市突然停駛，對這家科技巨頭的自駕計程車全球擴張計畫造成打擊。 自駕車失靈誰來救？百度 Apollo Go 在武漢故障，應變能力受考驗 根據武漢市交通部門的公告，受影響的乘客自三月三十一日晚上 8 點 57 分起，紛紛撥打交通警察求助電話，交通警察與 Apollo Go 百度自駕單位的工作人員隨即前往救援，許多 Apollo Go 自動駕駛計程車在道路中央停駛，事件據悉未造成人員傷亡。 《南華早報》提及，從事直播工作的 Luka Lu 在晚上叫了一輛 Apollo Go 前往工作地點。大約 15 分鐘後，他的車輛突然在三環線中間停下。Lu 週三對《南華早報》表示：「當時正值晚間交通高峰，兩側都是貨運卡車，非常危險。」他花了超過 30 分鐘並打了十幾個電話才聯繫上 Apollo Go 客服，客服人員指示他待在原地，等待工作人員前來協助。「我又等了一個小時，但公司沒有人出現，所以只好報警，警察派了巡邏車將我接回來，」Lu 補充道。 武漢市公安局交通管理部門在公告中表示，初步評估認為此次事件是由「系統故障」引起，未揭露更多細節，目前尚不清楚此次故障影響了多少車輛與乘客。《南華早報》指出，截至 2024 年中，Apollo Go 在武漢營運約 500 輛自駕車，是全球最大規模的自駕車隊之一，此事件發生之際，百度正積極拓展全球 robotaxi 服務，並在歐洲與中東簽約合作夥伴，以與中國其他公司如 WeRide 和 Pony.ai 競爭。 Apollo Go 事件敲警鐘：自駕車背後「人類決策」成安全關鍵 這次 Apollo Go 在武漢的當機事件並非單一現象，而是揭露了全球自動駕駛產業共同面臨的痛點：當系統遇到無法判斷的情境時該怎麼辦？因為即使是多數時間運作順暢的 […]

史上最大 IPO 要來了？SpaceX 目標估值上看 1.75 兆美元，市場買單的不只是火箭

在 IPO 市場沉寂數年之後，一筆可能改寫歷史的上市案正在醞釀當中。根據《Reuters》與《Bloomberg》報導，SpaceX 已秘密向美國監管機構提交 IPO 申請，目標估值上看 1.75 兆美元，募資規模可能達 500 億至 750 億美元，一舉超越 2019 年 Saudi Aramco 的紀錄，成為史上最大 IPO。 但對市場來說，這場上市的關鍵早已不只是火箭。真正決定 SpaceX 估值的核心，正快速從航太工程，轉向通訊網路、AI 基礎設施與資料中心能力。 史上最大 IPO：市場等待的 mega IPO 回歸 此次 IPO 若順利完成，將不只是 SpaceX 的資本事件，更被視為整體資本市場的重要轉折點。《Bloomberg》指出，SpaceX 可能在 6 月上市，並有機會成為新一輪 mega IPO 的開端，後續包括 OpenAI 與 Anthropic 等 AI 公司，也被市場認為正在評估上市時機。 這背後反映的是一個結構性變化：過去幾年，大型科技新創長期停留在私募市場，但當 AI 成為華爾街最核心的敘事，資本市場開始重新準備承接這些超大型科技資產。而 SpaceX 很可能就是第一個試水溫的指標。 估值破兆的關鍵不是火箭，是 Starlink 帶來的現金流 若只用火箭公司來看 SpaceX，1.75 兆美元的估值顯得難以成立。但外電指出，市場真正買單的，是另一條業務線：Starlink。根據《Reuters》與《Bloomberg》資料，Starlink […]

在新加坡上路了！東南亞首家 Robotaxi 叫車平台：Grab 結盟 WeRide 望翻轉獲利困局

東南亞的「超級App」 Grab 與中國自動駕駛公司 WeRide 合作，成為東南亞首家推出無人駕駛服務的叫車平台。《Bloomberg》報導，Grab 押注這項技術有助於降低成本，並在高密度城市交通中驗證自動駕駛計程車（robotaxi）的可行性。 千名乘客、3 萬公里測試後上線！Grab 司機轉型「安全操作員」 Grab 與 WeRide 在新加坡 Punggol 社區的兩條核准路線上，啟動自動駕駛服務，沿途設有多個停靠點。首批由 11 輛車組成的車隊，主要負責接送居民往返附近設施與交通樞紐。對外開放前，該服務已歷經數月測試與數據蒐集，自去年 9 月啟動以來，車隊服務超過 1,000 名乘客，並累積超過 30,000 公里的自動駕駛里程。 《Zag Daily》提及，此次推出的服務，標誌著新加坡自動駕駛汽車路線圖邁出了重要一步，該路線圖的目標是到 2026 年底佈局 100 至 150 輛自動駕駛汽車。WeRide 在新加坡與 Grab 的合作，呼應其亞洲與中東擴張戰略，WeRide 近期透過與Uber的合作，在杜拜推出了完全無人駕駛、收費的機器人計程車服務，該公司在阿布達比的服務已覆蓋 70% 核心區域。 導入自動駕駛技術的同時，Grab 與 WeRide 也積極為人力轉型做準備。Grab 表示，在公共試營運初期，每輛自駕車仍配置安全操作員，以確保行程順暢與安全，目前已有 14 名 Grab 司機完成由 WeRide 與 GrabAcademy 提供的專業訓練，取得認證成為安全操作員，另有一批司機正接受培訓與評估中。 WeRide 與 GrabAcademy 也啟動遠端操作員訓練，讓學員學習如何在新加坡自動駕駛載客計畫 Ai.R（Autonomously […]

東吳大學攜手 NVIDIA 利用 AI 與 XR 實境技術，打造跨域智慧學習基地

在 AI 浪潮席捲全球的當下，高等教育同時面臨著人才定義的翻轉。「如果培育人才只著重於技術能力的提升，很容易讓人才只會寫程式，但缺乏對於社會的關懷。」東吳大學資料科學系副教授兼系主任蘇明祥表示，教育部近年積極推動校園的數位人文轉型，希望未來職場對人才的需求不僅須具備撰寫程式的硬實力，同時更需具備對環境與社會脈絡的敏銳洞察力。 東吳大學詹乾隆校長也進一步提出「人文關懷心，科技應用腦」的人才願景，期許學生在掌握科技工具的同時，能帶著同理心發掘問題，進而創造出有意義的科技應用，才是學生們在未來職場上難以被取代的競爭優勢。為具體落實此願景，東吳大學推出「AI 教育創新與智慧學習空間建設計畫」，透過建立 AI 與 XR 教學場域，打造跨領域智慧學習基地，培養具備 AI 技術、創新應用與人文思維的未來人才。 AI 創新學習中心導入 NVIDIA RTX 50 系列解決 AI 算力瓶頸 「過去學生只會在電腦教室學理論或進行簡單實作，卻不知道技術能應用在哪裡。」蘇明祥教授表示，過去老師教授理論，學生進而完成一個簡單的實作，但其實不知道實際可以應用在哪裡，如果學校能提供一個展示成果的平台或機會，就能讓學生從單純的理解理論升級為創新應用。 為落實「人文關懷心，科技應用腦」的人才願景並縮短理論與實作的落差，東吳大學攜手 NVIDIA 打造 AI 創新學習中心，同時為了讓學生有完整的實踐過程，引進高階的 NVIDIA RTX 50 系列設備，解決過去學生所面臨的算力瓶頸。蘇明祥教授表示「過去學生在建置一個大語言模型做應用時，他們第一個遇到的問題就是算力不足，就只能跑一個簡易版的系統，但看不出他們實際做出來的系統威力有多大。」引進 NVIDIA RTX 50 系列的設備後，學生不僅具備處理大語言模型與深度學習的實戰能力，還能跨越技術門檻，開發出符合產業界需求的高強度專案。  1+1 大於 2 的創新學習模式，用 AI 重現《三國演義》 「學生首先在 AI 創新學習中心進行程式開發或模型訓練，再把成果移到 XR 虛擬實境教室體驗真實運行的效果，並藉此調整系統不足之處。」蘇明祥教授表示，在具備強大的算力基礎後，東吳大學將於今 (2026) 年 8 月進一步建置「XR 虛擬實境教室」，整合 VR、AR 與 MR 技術，將 AI 訓練出的模型直接投放進虛擬世界中，達到 […]

首屆 iKala Connection Day 登場！全新 GEO 平台 Chroma 與「企業龍蝦」iKala Nexus首屆 iKala Connection Day 登場！共築 AI 新視野

跨國 AI 公司 iKala 今日盛大舉辦首屆「iKala Connection Day」，以「數據共生・串聯企業核心的 AI 轉型實踐」為核心主題 ，邀集 Google Cloud、CloudAD、 momo 富邦媒體科技及輝葉按摩椅等產業領袖 ，深度剖析 AI 驅動的企業轉型架構 。會中正式亮相全新 AI 應用平台 iKala Foundry，其旗下產品 Chroma 針對 GEO（生成式引擎優化） 趨勢提出獨家深度解方 ；同時宣布聯手「企業龍蝦」般的 iKala 旗下產品 Nexus，全方位賦能企業，建構 AI 驅動的全新競爭力 。 iKala 提出 2026 企業轉型核心：回歸真實性與決策精準化 iKala 共同創辦人暨集團董事長、TiEA 理事長程世嘉（Sega Cheng）領銜開場時指出，2026 年被定調為「AI 代勞元年」。真正的企業轉型並非僅是更換系統或訂閱工具，而是「決策方式的改變」。他強調，企業應思考如何運用數據與 AI 協作，在資訊爆炸的環境中做出更快速、更精準的判斷 。 程世嘉進一步分析，當前正處於 SEO 與 GEO（生成式引擎優化） 的關鍵轉捩點。隨著「代理式網路」全面擴張，AI 產製內容雖在量級上佔據絕對優勢，卻意外觸發了「稀缺溢價」效應，使「真實性」躍升為品牌最寶貴的戰略資產。程世嘉指出，人類原創內容具備不可取代的「信號」，其搜尋紅利高出 AI 內容 4 […]

Replit Agent 4 用「數位畫布」重新定義氛圍編碼，將程式開發變成平面設計

AI 雲端程式開發平台 Replit 的 Agent 4 ，透過數位畫布（digital canvas）新功能，重新定義矽谷軟體圈的氛圍編碼（Vibe coding）概念，將 AI 代理輔助程式開發推向更高層次。

寫加工程式從 1 小時縮減至 4 分鐘：拆解日本 ARUM 導入對話式 AI 的精密加工實戰

在日本石川縣金澤的一間工廠裡，工程師只需站在一台如同金屬小屋般的設備前，點擊螢幕，便能與一個虛擬角色對話，完成複雜的加工設定。這個名為「KAYA」的對話式 AI，正是日本精密製造商 ARUM Inc. 最新推出的核心技術之一，目標是重新定義精密加工的人才門檻與生產效率。 對話式 AI 助手「KAYA」降低精密製造門檻 KAYA 是一套建構自微軟 Azure OpenAI 與語音技術上的人機介面，並採用 GPT-5 模型運作。當操作人員匯入零件設計檔後，系統會即時分析幾何形狀與加工需求，並透過自然語言逐步引導使用者完成每一道工序，包括更換刀具、調整工件位置等細節。這樣的互動方式，讓原本高度仰賴經驗的 CNC（電腦數值控制）加工流程，得以被初階人員快速掌握。 這項突破的關鍵，在於 ARUM 將長年累積於資深技師腦中的「隱性知識」轉化為可計算的數據模型。其核心軟體 ARUMCODE，透過圖神經網路整理材料特性、刀具選擇與切削條件之間的複雜關係，建立出龐大的知識圖譜。過去需要熟練技師花費 1 小時撰寫的加工程式，如今只需要 4 分鐘就可以自動生成，顯著壓縮生產前置時間。 這種效率提升對於高混合、低產量的精密零件產業具有關鍵意義。此類產品通常客製化程度高、單價昂貴，任何時間成本的降低都直接影響利潤空間。ARUM 的解法讓設計與試產周期大幅縮短，有案例顯示，醫療設備零件的開發時間可從數月縮減至數週，企業能更快回應市場需求。 破解製造業高齡化危機，以 AI 實現技術傳承與自動化 12 步流程 KAYA 所屬的整體系統，是 ARUM 打造的 TTMC（全自動化加工中心）。該系統已實現從設計圖轉換到成品產出的完整自動化流程，涵蓋 12 個關鍵步驟，並大幅降低人工介入程度。 技術之外，更深層的背景是日本製造業正面臨結構性的人才危機。官方與產業研究普遍指出，製造業長期處於人力供給不足狀態，工程師平均年齡已超過 50 歲，年輕勞動力補充有限。精密加工這類需要長時間訓練的技術領域，受到的衝擊尤為明顯。熟練技師的培養往往需耗時數年，企業在技術傳承上承受巨大壓力。 ARUM 的策略是將工匠經驗數位化，並透過 AI 讓知識可被複製與擴散。這種做法不僅提升單一工廠的生產能力，也為整體產業提供一種新的運作模式。當加工流程被標準化並嵌入演算法後，企業能以更低門檻培養操作人員，同時維持高精度品質。 ARUM 也正進一步規劃更大規模的製造網路。該公司構想將多個 TTMC 機台串聯成分散式生產系統，並透過雲端平台統一調度；一旦某地區因自然災害或其他因素導致產能中斷，其他地區的機台可即時接手生產任務，提升整體韌性。這種架構與雲端運算的結合，使製造業逐步朝向軟體定義的模式演進。 【推薦閱讀】 ◆ 製造業如何擺脫 AI 單點優化？IBM 拆解常見的「5S」挑戰，揭開規模化導入 […]

【科技早餐】甲骨文裁員上限恐達 3 萬人，AI 基建壓力開始反映在人力上

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊甲骨文啟動大規模裁員，AI 基建壓力開始反映在人力上 甲骨文 (Oracle) 3 月 31 日正式啟動新一波裁員。根據外媒報導，這波裁員已波及美國、印度等多地員工，其中目前確認將裁減 491 名遠端與西雅圖員工。雖然公司尚未公布全球總裁員數字，但市場估計，若甲骨文大幅精簡人力，規模上限可能達 2 萬到 3 萬人，約占總員工數近兩成。 多家外媒指出，不少員工是在美東時間清晨收到通知信，內容寫明職位因更廣泛的組織改革被取消，且收到通知當天就是最後工作日。這波調整的背景，是甲骨文正加大 AI 基礎設施支出，要支應資料中心擴張與雲端業務競爭。公司已預告 2026 會計年度重組成本上看 21 億美元，各家科技公司也正重新配置人力與資源，把更多重心轉向 AI。 ＊OpenAI 一口氣募到 1,220 億美元，AI 進入資本密集交卷期 OpenAI 3 月 31 日宣布完成最新一輪融資，總額達 1,220 億美元，投後估值來到 8,520 億美元。這輪資金由 NVIDIA、亞馬遜 (Amazon)、軟銀 (SoftBank) 等策略與金融投資人共同支持，微軟 (Microsoft) 也持續參與；公司同時首度透過銀行通路，向個人投資人募集超過 30 億美元，並宣布將被納入方舟投資 (ARK Invest) 旗下多檔 ETF。 OpenAI 也同步揭露最新營運數字。公司表示，目前月營收已達 20 億美元，ChatGPT […]

AI 原生企業崛起：為什麼 Jack Dorsey、祖克柏都在重寫公司架構設計？

當 AI 從聊天機器人、寫程式助手，進一步滲入產品開發、資訊流動與日常決策流程，企業真正被改變的，可能不只是員工效率，而是公司本身怎麼被設計。近期，從 Block 執行長 Jack Dorsey、紅杉資本合夥人 Roelof Botha，到紅點創投與 Meta 執行長祖克柏都接連釋出相同訊號：一種「AI 原生企業」的組織型態正在浮現。 今年 2 月，Dorsey 主導的 Block 宣布裁減約 40% 人力，員工數從超過 1 萬人降至不到 6,000 人。值得注意的是，這項決策並非出於財務壓力，而是在 2025 會計年度交出 103.6 億美元毛利、年增 17% 的成績後進行。市場對此反應正面，Block 股價一度上漲約 22%。 Dorsey 當時給出的說法，不只是公司「變瘦」，而是 AI 已經改變了經營一家公司的基本定義。他在內部與投資人溝通時提到，Block 的 AI 程式代理 Goose 已幫工程師每週節省 8 到 10 小時，而在裁員宣布時，公司最近的程式碼提交中已有 90% 由 AI 撰寫。他表示，「一個規模小得多的團隊，利用我們正在開發的工具，可以做得更多、更好。」 不久之後，Jack Dorsey 與紅杉資本合夥人 Roelof Botha 共同發表了一篇名為「從層級到智慧（From […]

製造業如何擺脫 AI 單點優化？IBM 拆解常見的「5S」挑戰，揭開規模化導入 AI 的轉型路徑

隨著 AI 技術快速演進，AI 已從傳統負責精準分析與輔助決策的單一任務工具，逐步進化為具備自主規劃、資料收集和行動能力的「Agent」，並成為企業內部能獨當一面的數位員工。然而，儘管 AI 技術取得巨大突破，多數企業在實際導入時卻仍面臨轉型瓶頸。 在 TechOrange 科技報橘近日舉辦的「AI Ready 數據治理論壇」中，台灣 IBM 諮詢 AI 與數據服務協理林桂如指出，目前多數企業的 AI 專案仍停留在單點任務優化，或是用來提升局部工作效率，未能真正觸及商業模式與營運規則的根本改變。像 IBM 的全球研究報告就顯示，全球前五百大企業中，高達 64% 的高階主管認為，在 2030 年前生成式 AI 能夠帶給企業最大競爭優勢的關鍵，在於徹底改變既有產業商業模式與流程規則。這也代表，製造業必須逐漸捨棄單一任務的局部最佳化思維，進一步邁向長遠轉型之路。 拆解導入 AI 的「5S」挑戰 林桂如表示，許多企業在導入 AI 的過程中，往往面臨嚴峻的「5Ｓ」挑戰。第一個挑戰是各部門各自為政所形成的「數據孤島（Silo）」，導致資料與系統難以跨部門整合與流動。第二個挑戰為缺乏風險管控機制的「隱藏應用（Shadow）」，許多 AI 模型開發完成後，因擔憂潛在影響營運與生產的風險，導致做出來卻遲遲不敢上線運作。 第三個挑戰是「平台碎片化（Stack）」，例如各部門各自購買不同的 AI 平台或重複訂閱大型語言模型，不僅造成嚴重的重複投資與資源浪費，更讓開發團隊在技術選擇上無所適從。第四個挑戰是「人才技能難以跨域擴散（Skill）」，由於具備 AI 素養的專業人才分佈不均，因此跨部門協作時常面臨巨大的溝通阻力與認知落差。最後一個挑戰則是缺乏長遠營運規劃的「煙火式專案（Showcase）」，這些專案被業界稱為「滿地都是飛行員（Pilot）」的概念驗證專案，短期內看似遍地開花，卻無法持續營運並產生實質效益，因此難以將零散的技術轉化為可累積的長期企業戰力。 啟動 AI 規模化引擎，掌握「4Ｃ」關鍵 「當有一個組織或單位真的非常在意 AI 產生的投資報酬率（ROI）與效益，還有 AI 治理成果的時候，這個 AI 專案才能夠持續推動下去，」林桂如分析，為了解決「5Ｓ」挑戰，IBM 提出以「4Ｃ」作為企業建立完整 AI 運作體系的核心解方。 林桂如建議，企業應先建立統一統籌的「AI 卓越中心（Center, COE）」，由專責組織負責統籌預算、制定投資優先順序與追蹤專案成效，確保專案能持續推進並產生價值。其次是規劃明確的「AI 策略藍圖（Compass）」，意即依據成本效益、業務目標與合規性等指標評估投資優先序，避免盲目跟風而造成高昂的資源浪費。第三個關鍵是打造企業級的「Data […]

Google 示警：量子電腦破解比特幣門檻降 20 倍，風險提前浮現

隨著量子運算技術的快速發展，加密貨幣社群所面臨的量子威脅，可能比原先預期的還要早到來。繼前幾日公開後量子時代的時間表、將量子安全轉換時程設定在 2029 年後，Google 最新量子研究揭露了一個更關鍵的變數：破解加密貨幣所需的量子資源正在快速下降。 破解門檻大降 20 倍，量子攻擊進入可預見範圍 在今年 3 月 31 日發表的一份最新白皮書中，Google 量子 AI 研究人員證明，要破解保護比特幣、以太幣等多數主流加密貨幣的橢圓曲線密碼學（Elliptic Curve Cryptography），所需量子資源已較過去估算大幅下降約 20 倍。 過去的估計認為，破解這些加密技術需要擁有數百萬個實體量子位元（qubits）的量子電腦。然而，Google 的研究指出，透過優化編譯量子演算法，可能只需要一台具備不到 50 萬個實體量子位元的超導量子電腦就能辦到。 9 分鐘推導私鑰，區塊鏈機制出現結構性弱點 這項研究同時點出加密貨幣面對量子運算的脆弱性。比特幣的安全基礎在於，從公開金鑰反推私鑰對傳統電腦來說是「計算上不可能的任務」。然而，若具備足夠糾錯能力的量子電腦執行 Shor 演算法時，便能打破這個數學假設。 由於比特幣平均區塊生成時間約為 10 分鐘，Google 的研究指出，超導量子電腦有機會在約 9 分鐘內完成破解。其方法是先預先計算演算法的一半，讓系統處於「預備狀態」，一旦出現目標即可立即完成破解。若同時運行 11 台這類預備機器，速度可提升約 6.5 倍，足以在區塊確認前完成攻擊。《Forbes》則引述《CoinDesk》的說法指出，即使只使用單一台機器，攻擊者也有約 41% 的機率能在原始交易被確認前搶先完成替換。 這也使「交易攔截攻擊」不再只是理論推演，而是直接對應區塊鏈目前的運作邏輯。也就是說，攻擊者可在交易尚未被寫入區塊鏈前，先行推導出私鑰並發送替代交易，搶先完成確認。 此外，該白皮書也揭露了另一項急迫危機：部分加密資產早已處於潛在攻擊範圍內。當使用者進行交易時，其公開金鑰會被揭露在鏈上。這些已曝光的金鑰，未來都可能成為量子攻擊的目標。該研究指出，目前已有數百萬枚比特幣屬於這類「靜態風險資產」，只要量子電腦成熟，即可被逐步破解。 值得留意的是，與傳統金融系統不同，區塊鏈一旦交易成立便不可逆，代表著只要破解成功一次，就可能造成永久性資產損失。 從時間表問題，轉為風險壓縮問題 Google 先前已透過公開說明提出明確時間表，呼籲企業與系統在 2029 年前完成向 PQC（後量子密碼學）的遷移，作為應對量子威脅的關鍵點。然而，最新研究的意義，在於改變了這個時間表背後的風險密度。 換句話說，問題不再只是什麼時候會被破解，而是破解門檻下降的速度，是否快過系統升級的速度。資安業者 Project Eleven 執行長 Alex Pruden […]

NVIDIA 為何砸 20 億美元押注 Marvell？AI 互連與客製晶片競爭升級，背後更牽動 AWS Trainium 大局

NVIDIA 近日宣布投資半導體公司 Marvell Technology 共 20 億美元，表面上看似是單純擴大合作陣營，實際上是 NVIDIA 為了進一步擴展自家的 AI Factory 與 AI-RAN 生態系所做的重要戰略佈局。 對於採用 NVIDIA 架構的客戶來說，這代表未來在建置下一代 AI 基礎設施時，將擁有更多的選擇空間與系統整合彈性，因為這次合作範疇不只涵蓋 NVLink Fusion，更深入矽光子（silicon photonics）技術，以及聚焦如何讓全球電信網路更有效率地轉化為 AI 運算基礎設施。 打造異質 AI 基礎設施，NVLink Fusion 與光通訊成焦點 在這次合作中，Marvell 將提供 custom XPUs 與相容於 NVLink Fusion 的 scale-up networking，NVIDIA 則負責提供 Vera CPU、ConnectX NICs、BlueField DPUs、NVLink interconnect、Spectrum-X switches 以及機架級（rack-scale）AI 運算系統。 《Bloomberg》指出，NVIDIA 這次不只入股 Marvell，更開放自家系統，讓 Marvell 能在 NVIDIA 的平台上整合客製化 […]

【資安事件真正破口：身分】攻擊者拿著合法帳號在 29 分鐘內攻陷系統，決策者如何應對？

資安事件發生後，多數組織的第一反應是搶救資料、重建伺服器、重設密碼。但這套思維正在讓企業陷入更大的風險。 根據網路安全公司 Palo Alto Networks Unit 42 全球事件回應報告，近 90% 的資安事件調查可追溯至身分遭入侵。攻擊者通常不是利用技術漏洞破門而入，而是拿著偷來的憑證，以合法使用者的身分走進來。 電信與資安服務提供商 Verizon 的資料外洩調查報告（DBIR），分析了 22,052 起事件與 12,195 起確認資安事件，同樣指出憑證濫用佔非錯誤類資安事件初始入侵向量的 22%。 等到有人察覺異狀，攻擊者往往已在環境裡潛伏數週，悄悄提升權限、建立立足點、修改存取設定。伺服器可以還原，但一個已經被竄改的身分環境，沒有那麼容易處理。 日誌告訴你威脅去了哪，但無法告訴你它怎麼進來的 長期以來，調查資安事件的主要工具是日誌（SIEM 資料、事件記錄、稽核軌跡），這些資料能告訴你威脅大致在哪裡移動、大致在什麼時間點，但有兩件事它告訴不了你，一是攻擊者究竟是從哪個存取點、哪個權限進來的；二是入侵之後，下游有哪些東西被悄悄改動。 雲端資料保護與復原公司 Druva 執行長暨創辦人 Jaspreet Singh 指出，傳統鑑識模型以日誌為核心，日誌是過去理解橫向移動的唯一機制，但它只呈現了部分圖像。在試圖還原系統的時候，還需要知道哪些資料被碰過、哪些權限被修改、還原點究竟能不能信任，而這些問題，日誌通常給不出完整答案。 讓情況更嚴峻的是，攻擊者的行動速度正在加快。根據雲端原生資安公司 CrowdStrike 的報告，2025 年攻擊者在取得初始存取後的平均突破時間僅 29 分鐘，且 82% 的偵測案例中不含傳統惡意程式。攻擊者越來越習慣用合法工具與有效帳號在環境裡移動，而不是留下容易被偵測的惡意程式痕跡。 Singh 也強調，資安復原的流程並非按部就班的直線，而是一個反覆迭代的循環：還原、調查、隔離、再調查、再還原。沒辦法打個勾就繼續往下走，必須一邊推進、一邊持續驗證。 身分環境的復原，至今沒有標準解法 還原一台虛擬機器、復原一個資料庫，這些是已解決的問題，但還原一個可信任的身分環境卻不是。 身分不是靜態的物件，而是一張跨系統的關係網路，使用者、群組、角色、服務帳號、權限在不同系統間層層繼承與傳遞。現代企業的身分環境通常橫跨地端 Active Directory、雲端 Entra ID、Okta 等身分提供者，加上持續增加的自動化工具與 AI 代理，每一個都帶著自己的身分與存取權限，而且全部都在不斷變動。 這使得一個根本問題變得很難回答：六個月前，你的身分環境長什麼樣子？ 多數組織有一些快照，但通常缺乏關係脈絡。誰在什麼時候有哪些存取權、這些權限怎麼隨時間演變、哪些系統依賴哪些身分。沒有這些資訊，要驗證一個還原點是否可信，基本上只能靠猜。 非人類身分的爆炸性增長，是管理最落後的環節 如果說人類身分的管理已經夠複雜，非人類身分的問題只會更麻煩。 服務帳號、API token、機器憑證的數量，在多數企業環境中遠超過人類帳號。Singh 說，一家約 […]

廣告主放手才是贏家？從可口可樂開放 AI 二創到 HBO 收編粉絲，拆解參與式行銷大局

在 AI 與 Gen Z（Z 世代）交織的時代，品牌的角色已從內容的唯一生產者，轉型為創意的基礎設施。過去，品牌的核心任務是控制訊息與敘事一致性；但如今，面對一個內容極度充沛、注意力極度稀缺的環境，完全掌控反而成為限制。取而代之的是，品牌開始透過 AI 技術降低創作門檻，將自身的經典資產轉化為可被調用的素材庫，邀請用戶進入品牌生態系，參與、延伸甚至重寫故事。 Character.AI 執行長 Karandeep Anand 在《Fast Company》指出，這種轉變讓原先的內容供給，變成一種參與式設計（design for participation）。尤其是根據廣告公司奧美調查，86% 的 Gen Z 自認為是某個「粉絲群」的一員，且多數人花更多時間在粉絲創作內容上，品牌若仍停留在單向傳播，將難以維持文化相關性。AI 的角色，正是讓這種大規模參與成為可能。 把品牌變成素材庫，AI 讓「二創」成為官方策略 飲料品牌巨頭可口可樂（Coca-Cola），正是將品牌資產「平台化」的典型案例。在 Create Real Magic 活動中，可口可樂透過 AI 建立可即時互動的聖誕老人模型，支援 26 種語言、橫跨 43 個市場，並在短短 60 天內上線。 但更關鍵的並不是 AI 技術本身，而是互動邏輯的改變。用戶不再只是觀看廣告，而是能透過對話生成專屬內容，例如以個人回憶打造的雪花球。這種體驗讓品牌從訊息傳遞者，轉變為創作工具提供者，使用者在「玩」的過程中，自發性產出帶有品牌語彙的內容。 這種以 AI 驅動的 AIUGC（AI User-Generated Content，AI 使用者生成內容）模式，品牌不再需要親自生產每一則內容，而是設計一套生成機制，讓內容自然在用戶之間擴散。 UGC 潛力無窮，影視產業甚至把 UGC 創作者變正職 品牌開始開放資產，而影視產業則是進一步「制度化」粉絲創作。 根據《CNN》報導，Melanie 是一位因剪輯影集《Heated Rivalry》短片獲得數百萬觀看而爆紅的創作者，最終被 HBO […]

【科技早餐】NVIDIA 本益比跌回 2019 低點，AI 熱潮走進重估期

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊NVIDIA 本益比跌回 2019 低點，AI 熱潮走進重估期 根據《路透社》報導，隨著中東局勢升溫、油價與通膨疑慮擴大，加上投資人開始擔心 AI 基礎設施支出的回收期拉長，全球市值龍頭 NVIDIA 的 12 個月預估本益比已降到約 19.6 倍，來到 2019 年初以來低點，甚至低於目前約 20 倍的標普 500 綜合本益比，股價也較去年 10 月高點回落近兩成。 投資人近月來也開始擔心，Microsoft、Alphabet 與 Amazon 等客戶在 AI 基礎設施上的巨額支出，可能需要更長時間，才會轉化為實際營收與利潤。AI 題材並沒有消失，但市場看待這波熱潮的方式，正從高速追價，慢慢走向更現實的報酬檢視。 ＊Meta 不只蓋資料中心，連電廠與輸電線都一起包下來 Meta 宣布與 Entergy Louisiana 達成協議，將為路易斯安那州 Richland Parish 資料中心的電力基建提供資金。根據外媒報導，方案包含 7 座天然氣電廠、約 240 英里輸電線，以及 3 處電池儲能設施，另外 Meta 也承諾協助出資最高 2,500 兆瓦的再生能源，並探討核能合作。當地資料中心目前仍在建設中，完工後將成為 Meta 規模最大的設施。 這也讓 […]

3 個月產能抵過去 3 年！Agibot 出貨破萬台，中國人形機器人競賽轉向製造效率戰

上海人形機器人公司智元機器人（Agibot）近日宣布，累計製造的人形機器人數量已正式突破 1 萬台。更值得注意的是，Agibot 在過去 3 個月內就出貨了高達 5,000 台，等於在極短時間內，就超越了前三年累積的總出貨量。 與此同時，中國首條年產能達「萬台」級的人形機器人自動化產線，也於近日正式啟用，反映整體供應鏈、製造能力與生產基礎設施的提升，正同步將中國人形機器人產業，推向大規模量產的新階段。 Agibot 量產速度為何大幅提升？關鍵在供應鏈成熟與製造標準化 回顧 Agibot 的產能爬坡曲線，從花費整整兩年時間製造前 1,000 台，隨後又用了一年擴增至 5,000 台，不過如今從 5,000 台跨越到 10,000 台的過程，卻僅用了短短 3 個多月。 針對這樣的產能爆發，Agibot 首席技術官彭志輝表示：「達到 1 萬台的數量不僅僅是生產更多機器人，更是反映我們規模化能力的根本性轉變。」他進一步指出，隨著供應鏈的成熟與製造標準化，市場正從小規模的利基型應用，快速轉向穩健的大規模商業需求。 《Forbes》也引述 Agibot 的說法，強調推動這波產能大幅加速的核心動力，正是來自現已成熟的供應鏈，以及在製造效率上持續的創新。Agibot 則表示，機器人廣泛部署的重點已不再是尋求技術可行性，而是為了交付可擴展的價值，並實質推動具身智慧的採用。 從試點驗證到重複部署：人形機器人商業化正在加速成形 隨著產能大幅提升，這些機器人的應用場景也正快速向外擴張。《The Information》指出，在 Agibot 已製造的 1 萬台人形機器人中，有相當大一部分已經離開實驗室，活躍於真實世界的環境中，實際應用於物流、零售、飯店與教育等場域。 同時，Agibot 的版圖也已跨出中國本土市場，並在歐洲、北美、日本、韓國、東南亞與中東地區售出了「相當數量」的人形機器人。《Forbes》進一步點出這個趨勢背後的市場轉變：Agibot 觀察到客戶端正從最初的「試點專案」，正式過渡到「重複性的大規模部署」。 萬台級產線啟動：中國人形機器人競賽轉向製造效率戰 這股人形機器人的量產動能不僅限於 Agibot 一家公司，而是中國機器人產業生態的全面升級。《新浪財經》引述《人民財訊》報導指出，中國首條年產能達萬台級別的人形機器人自動化生產線，已在 2026 年 3 月 29 日於廣東正式啟用。這條由東方精工與樂聚機器人聯合打造的產線，平均每 30 分鐘就有一台人形機器人下線，充分展現強勁的工業化製造能力。 《新浪財經》評論指出，2026 […]

【Google Cloud 林書平專欄】從追求效率轉向衡量自主性：生成式 AI 顛覆營運邏輯的 3 大底層轉變

文 / Google Cloud 台灣技術總經理 林書平 根據 Google Cloud 內部調查，台灣導入生成式 AI 的企業中，有 78% 表示正在採用 AI 代理。這個比例已顯著高於亞太地區的平均值 64%，但我們發現許多企業仍在導入過程中感受到阻力。 可以理解的是，我們正在經歷軟體史上最劇烈的一次變革交鋒。這源於過去五十年來，企業習慣以「確定性模型」（deterministic model）為基礎打造軟體和業務，從客戶關係管理（CRM）系統到試算表，都是受規則約束且不容出錯的軟體。尤其台灣有龐大的精密製造業及多種受高度監管的產業，因此從品質控管到合規性，企業的核心目標都是消除不確定性。 然而，過去三年備受全球矚目的生成式 AI 打破了這項規則。它是一個具備「機率性」（Probabilistic）、創造力，且高度依賴情境脈絡（Context）的推理引擎，而非輸入 A 加 B 永遠等於 C 的計算機。它能處理確定性系統無法回答的問題，例如分析關稅或模擬地緣政治對營收表現與大宗產品定價的影響，為企業決策者提供重要參考資訊。 企業目前在營運模式中感受到的摩擦，正是因為過往建置系統的初衷是為了追蹤與消除不確定性。然而，我們無法將機率性引擎硬塞進確定性的營運模式中。要徹底發揮生成式 AI 的潛力，企業領導者必須停止把 AI 當作「速度更快的試算表」來對待。 在這個新時代能脫穎而出的贏家，將是那些不再嘗試壓制不確定性，而是將它轉化為運作常態的企業。以下是為了重塑企業營運、充分掌握 AI 未來，所必須經歷的三大轉變。 轉變一：從評估「效率」轉向衡量「自主性」 過去，軟體被視為放大人類工作能力的工具，其價值取決於存取權及效率，例如提供多少授權席位、加快員工多少作業速度。 生成式 AI 徹底翻轉了這個模式：我們正從「軟體即服務」（SaaS）轉向「服務即軟體」（Service-as-Software）。其價值在於最終成果，而非工具本身。當 AI 代理解決了一張客戶需求單，衡量標準不再是幫員工節省多少時間，而是人類是否需要參與其中。換言之，我們的目標不再是打造動作更快的勞動力，而是建立可無限擴展的團隊。 這代表我們需要新的指標。企業應該停止衡量員工投入的工作量，轉為關注 AI 自主性：這包含了 AI 代理是否提供正確事實？能否縮短決策時間？任務完成率如何？考量到人類未來已可從「人機迴圈」（human-in-the-loop）中移除，因此企業擴大獲利空間最重要的指標之一將會是：AI 代理是否能在無人類介入下獨立解決問題。 轉變二：面對 AI 不確定性，著重控管而非消除 許多企業試圖將機率性的 AI，塞進追求確定性、強調規則的營運模式中，但這往往行不通。傳統領導者看到 AI […]

用 AI 不必再選邊站！微軟 Copilot Cowork 上線，拆解導入多模型協作的背後盤算

當生成式 AI 從「寫內容」走向「做事情」，企業對於 AI 的期待也正在快速轉變；最新一波轉折來自微軟。微軟不再只強化單一模型能力，而是讓不同 AI 模型在同一工作流程中協作，試圖解決 AI 準確性、效率與可控性等長期痛點。 微軟宣布，全新代理工具 Copilot Cowork 已正式透過 Frontier 早期計畫上線，該工具是專為長時間、多步驟工作而設計，旨在實現 Copilot 生態系統的自動化和規模化。同時，微軟也在 M365 Copilot 的 Researcher 代理中，新增 Critique 與 Council 兩大功能，象徵 AI 系統設計正從單一模型競爭，轉向多模型編排的新階段。 Copilot Cowork 讓 AI 開始接手工作 Copilot Cowork 被定位為代理式 AI（agentic AI）工具，能處理過去需要人類持續監督的長時間、多步驟任務。根據微軟說明，使用者只需描述目標，Copilot Cowork 便會自動規劃並執行整個流程，橫跨 Excel、Outlook、Teams、SharePoint 等應用，完成資料蒐集、分析與整合等工作。 相較於過去 Copilot 停留在撰寫郵件或摘要文件等生成內容的任務，Copilot Cowork 的設計更接近「任務代理人」，強調跨工具協作與流程自動化。 多模型協作成核心：GPT 與 Claude 不再競爭，而是分工 除了任務層的進化，更關鍵的變化發生在模型架構本身。「Critique」新功能允許系統同時使用 OpenAI 的 GPT […]

數據沒打通，就談不上 AI 原生工廠：達梭系統與 NVIDIA 共推工業世界模型，揭台灣製造業關鍵痛點

專訪：戴季全撰稿：李昀蔚 在今年 2 月舉辦的 3DEXPERIENCE World 2026 大會上，達梭系統與 NVIDIA 宣布合作打造工業 AI 平台，共同描繪出一個嶄新方向：AI 正進一步朝「理解現實世界」邁進。面對製造業從傳統智慧工廠轉向「AI 原生工廠」的新趨勢，企業該如何看待 AI 自主決策帶來的變革？本集《全新一週》特別邀請達梭系統臺灣戰略客戶銷售總監張銘輝，深入剖析製造業導入 AI、推進超自動化，以及打造 AI 原生工廠的關鍵路徑。 談及這場重磅合作，張銘輝表示，達梭系統與 NVIDIA 過去在軟體與繪圖卡領域已有長達二十多年的深厚合作基礎。如今，隨著 AI 技術加速發展，雙方期盼藉由強大的 AI 算力，讓 AI 讀懂物理世界背後的數學規則、理論邏輯、材料結構甚至生物學，這也使得 AI 不僅能理解虛擬的物理世界，更能協助業界建構由 AI 驅動的物理模型與虛擬孿生，最終邁向完整的「工業世界模型」。 AI 原生工廠和智慧工廠有何不同？ 建構工業世界模型的核心，正是為了打造「AI 原生工廠」，究竟這與過去常談的智慧工廠有何不同？張銘輝分析，過去產業談及智慧工廠，重點多半放在「如何讓工廠更自動化」，並透過系統解決大量生產過程中的品質與技術問題，以加快達成生產目標。 相較之下，「AI 原生工廠」的邏輯截然不同。AI 原生工廠具備讀懂數據的能力，不僅能進一步做出判斷與決策，還能指揮後續的機器人與各類 AI 模型執行任務。「讓工廠自己讀懂數據、下判斷決策，同時提升自動化效率，這才是 AI 原生工廠的真正目的，」張銘輝強調，這也是 AI 原生工廠與智慧工廠的本質差異。 然而，要真正落實超自動化與 AI 原生，台灣製造業仍面臨一個痛點，那就是數據是否已經打通？從單點自動化走到整線、整廠自動化後，企業更期待透過 AI 即時收集數據，並讀懂工廠流程、產品模型與生產限制，進而做出超自動化的決策。不過，如果企業無法打通數據，那麼設計、模擬與製造等環節仍會彼此斷鏈，所以除非是從零開始就以 AI 原生為目標所打造的新工廠，否則若基礎工作未臻完善，即便想直接導入超自動化，難度依然極高。 工業世界模型的真正價值：縮短試產時間、降低錯誤率、加速複製經驗 為了解決上述痛點並串聯數據，達梭與 NVIDIA […]

告別關鍵字堆砌：2026 零售行銷新戰場，如何餵養 AI 想要的評論數據？

近期，電商平台巨頭 Amazon 先後封鎖 OpenAI 以及 Perplexity 的 AI 爬蟲後，實際上切斷了 AI 獲取品牌口碑的渠道，揭示了一個對零售品牌行銷上迫切的問題：當最完整、最有價值的評論資料被鎖進電商平台的圍牆中，品牌該如何重新佈局，才能在 AI 建議的搜尋結果中，持續保持競爭力與能見度？ 開放的社群、去中心化評論布局，成 AI 搜尋新戰場 《Modern Retail》報導指出，這意味著品牌必須把戰場擴大到更多開放社群評論，例如 Reddit、Yelp，或者是台灣的 Dcard、PTT 等，甚至是自有的官網內容。這種去中心化的評論佈局，本質上是在確保品牌的聲量能進入 AI 的訓練資料庫，進而影響推薦結果。某種程度上，這讓數位行銷回到了十多年前的狀態，強調多點佈局與跨平台經營，只是這次的對象不再是傳統搜尋引擎，而是 AI 模型本身。 這也說明，社群評論正在從轉換階段的輔助角色，前移為整個行銷漏斗的起點，甚至是 AI 搜尋引擎優化（AI SEO）的核心資產。 背後的驅動力，也來自消費行為的根本轉變。越來越多消費者將 AI 視為個人「購物顧問」，直接詢問「最適合過敏犬的飼料」或「加州最好的磁磚品牌」。AI 給出的答案往往已整合了價格、功能與評價，極大地縮短了消費者的決策路徑。在這種場景下，評論不再只是參考資訊，而是構成「信任」與「被推薦」的核心依據。 評論的重要性提升，對中小品牌而言，反而創造了一個難得的機會。相較於傳統搜尋引擎高度依賴廣告投放與 SEO 技術，AI 搜尋更重視內容的真實性與語境豐富度。換言之，一則具體描述使用情境、效果與感受的評論，其價值可能遠高於數十萬的廣告預算。這讓資源有限的品牌，也能透過經營評論，在 AI 推薦中與大型品牌競爭。 以美國磁磚品牌 Fireclay Tile 為例，其執行長 Eric Edelson 指出，自家品牌之所以能在 AI 搜尋中被列為最佳選項，很大程度來自於評論內容的深度與細節。這些長篇、具體的使用經驗，正是大型語言模型最擅長解析的資料形式，也更容易被轉化為推薦理由。 掌握 AI 推薦算法：為何延後索取評論反而更有利？ 此外，《Modern Retail》也提到，評論的「質」比「量」更關鍵，會直接影響品牌的操作策略。寵物食品品牌 Pawco 成長副總 […]

【受遊戲《模擬市民》啟發】Simile 訓練 AI 模擬人類做市調，老牌民調公司蓋洛普也買單

AI 新創公司 Simile 提出大膽假設，透過人工智慧模型徹底模擬和預測人類行為，並以 AI 取代人力進行民意調查和市場研究，打造消費者的 AI 代理數位分身。

高齡者成詐騙首要目標，美國退休金融機構如何利用 AI 保護老年人

根據美國退休金融機構 TIAA 報告指出，到 2030 年代，65 歲以上的老年人口將首次超過 18 歲以下的年輕人口。這場大規模的人口轉型，不僅是社會福利體系的挑戰，也對金融機構提出了新的課題。 當越來越多的客戶進入大腦認知衰退風險的年紀，如何確保他們的財富不因判斷力下降而受損？而 TIAA，也試圖用 AI 回答這個問題。 高齡化浪潮下的財務脆弱性 老年期的財務管理，從來就不是一件輕鬆的事。退休後收入來源單一、醫療支出攀升，加上大腦認知功能逐漸衰退，都使得他們在面對複雜金融決策時更加力不從心。 發表於《JAMA 神經學》的大規模研究顯示，2016 年美國 65 歲以上人口中，約 10% 已達失智症診斷標準，另有約 22% 處於輕度認知障礙狀態，意味著超過三分之一的老年人，正面臨不同程度的認知挑戰。 值得注意的是，每增加五歲，失智風險便上升近一倍，而教育程度較低、非裔與西裔長者的風險更顯著偏高。這也使得老年人成為金融詐騙最主要的目標族群。 TIAA 的調查報告指出，2022 年 60 歲以上的美國人，就向聯邦貿易委員會申報詐騙財務損失高達約 16 億美元；80 歲以上長者的損失中位數達 1,450 美元，遠高於 20 至 59 歲族群的 500 美元以下。 詐騙案件從 2019 年至 2023 年逐年攀升，而許多案件根本從未被舉報，實際損失遠超過統計數字所呈現的規模。 AI 能否作為攔截詐騙的第一道防線？ 面對高齡客群的弱點，TIAA 選擇將 AI 部署為監控機制。TIAA 的營運長 Sastry Durvasula 舉例，一位退休客戶接到假冒微軟技術支援的電話，對方以帳戶遭駭為由，說服客戶將退休金全數提領轉移。這類社交工程詐騙手法精密，受害者往往在意識到異常之前，資金已經轉出。 […]

【科技早餐】軟銀獲 400 億美元無擔保貸款，支應對 OpenAI 的 300 億美元投資計畫

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SoftBank 借 400 億美元加碼 OpenAI，持股上看 13% 根據外媒最新消息，軟銀已取得 400 億美元過渡性融資，主要用途是支應對 OpenAI 承諾的 300 億美元追加投資，以及其他一般企業用途。這筆貸款為軟銀集團歷來規模最大的單一美元計價融資，無擔保、期限 12 個月，承辦銀行包括摩根大通（JPMorgan）、高盛（Goldman Sachs）、瑞穗銀行（Mizuho Bank）、三井住友銀行（Sumitomo Mitsui Banking Corp）及三菱日聯銀行（MUFG Bank）。 這筆融資也讓軟銀在 OpenAI、Arm 與星門計畫（Stargate Project）之間的 AI 佈局更清楚。不僅凸顯了軟銀創辦人孫正義對 AI 未來的大膽押注，更讓軟銀在 OpenAI 總投資額攀升至 646 億美元，持股比例將一舉攀升至 13%。 ＊黃仁勳將在 Computex 發表主題演講，傳 NVIDIA 將展出筆電處理器 外媒報導，隨著 AI PC 熱潮升溫，NVIDIA 正準備在 2026 年推出專為消費市場設計的筆記型電腦處理器，這也將是 NVIDIA 首次正式進軍長年由 Intel 與 AMD 主導的消費型 […]

AI 的第二個 10 億用戶怎麼來？a16z 點出信任高牆，解析可信任中介的三大結構關鍵

當生成式 AI 在短短 3 年內從實驗室走向大眾市場，一個關鍵門檻已經被跨越：根據微軟《Global AI Adoption 2025》報告，目前全球已有約 16.3% 人口使用過生成式 AI，相當於每 6 人就有 1 人使用。若以全球人口換算，生成式 AI 的使用者規模已逼近 10 億人門檻，但真正的問題才剛開始：當第一個 10 億用戶已經出現，下一個 10 億人，會從哪裡來？又是什麼，阻擋了他們採用 AI？ 根據創投機構 Andreessen Horowitz（a16z）最新分析指出，答案並不在模型能力，而在「信任」。該機構認為，2026 年 AI 採用的最大阻力，已從技術性能轉向信任缺口。進一步來說，影響 AI 能否持續擴散的關鍵，不再是模型是否更強，而是使用者、企業與政府是否願意在各自情境中接受這項技術。 這項觀察出自 a16z New Media fellow、曾參與 Google 與 YouTube 國際化擴張的產品與成長領域意見領袖 Sakina Arsiwala。她回顧自身經驗指出，過去推動全球產品落地時，真正的障礙從來不是技術，而是不同市場之間的信任摩擦。「全球化不是產品功能，而是一場地緣政治協商，」她表示，從德國音樂版權封鎖、巴基斯坦封網，到印度的文化衝突，平台擴張的核心問題始終圍繞在「信任如何被建立」。 AI 採用從「好不好用」，變成「能不能被接受」 Sakina Arsiwala 指出，這樣的信任問題，在 AI 時代變得更加劇烈。她觀察到，AI 的採用已不再單純取決於功能與效率，而是逐漸受到政治、制度與文化因素影響。 舉例來說，近期美國聯邦政府與 Anthropic 之間的僵局，以及 OpenAI […]

AI 用電暴增，核能卻還困在「類比時代」：微軟、 NVIDIA 如何用 AI 與數位孿生改寫核電交付流程？

當 AI 資料中心擴張、製造業升級與供應鏈重組同步發生，企業對全天候、穩定且低碳電力的需求也持續激增，在這樣的背景下，核能一再被視為可以支撐未來用電的關鍵選項。然而，一直以來核電廠卻面臨「蓋得太慢」的致命傷，正如微軟全球能源與資源產業企業副總裁 Darryl Willis 所言：「全球正競相滿足歷史性的電力需求激增，但核能產業使用的卻是為類比時代所建置的基礎設施管線，核能是支撐這個未來不可或缺的骨幹，產業卻仍深陷在交付瓶頸中。」 這個交付瓶頸，源自於核電專案在前期就面臨高度客製化的工程、彼此斷裂的碎片化資料，以及大量仰賴人工作業的法規與安全審查。這些因素共同拖慢了許可（permitting）、設計（design）與施工（construction）的進度。微軟更進一步指出，光是許可與監管申請流程就可能耗時數年、耗費數億美元，工程師還得花上數千小時撰寫、交叉比對、格式化、搜尋與重做成千上萬頁的文件。 因為前期開發太慢、資訊難以整合且流程難以重複利用，讓核電專案常常還沒進入施工，就已暴露在效率低落、進度延宕與成本膨脹的巨大風險中。為了解決這些痛點，微軟近日宣布與 NVIDIA 展開「AI for nuclear」合作，一口氣整合了 NVIDIA Omniverse、Earth 2、CUDA-X、AI Enterprise、PhysicsNeMo、Isaac Sim 與 Metropolis，試圖把 AI、模擬與數位孿生（Digital Twins）導入核電開發流程，從許可、設計、施工一路延伸到營運端，全面重整這條長期低效且難以加速的產業鏈。 微軟與 NVIDIA 的解法：用 AI、模擬與數位孿生進化產業鏈 微軟將這次與 NVIDIA 的合作，定義為打造一套由 AI 驅動、彼此互聯的基礎架構，目的是將核電廠的選址許可、工程與設計、施工與交付，以及營運和維護，串成一條可追蹤的生命週期。 例如在許可階段（Licensing and permitting），生成式 AI 將接手繁雜的文件起草與差異分析，並整合所有專案資訊，同時依據歷史申請格式建立一致的申請資料，讓專家與監管人員能把時間重新放在判讀安全法規，而不是消耗在比對數千頁的文字與版本差異上。 接著在設計階段（Design and engineering），高擬真數位孿生與模擬工具可讓工程師加快迭代速度，因為團隊能在動工前先完成設計驗證、重用已驗證過的工程模式，並即時掌握極細微變更對整體模型帶來的影響。 進入施工與交付階段（Construction and delivery）後，除了傳統 3D 模型，再加上 4D（時間排程）及 5D（成本追蹤）模擬還能讓團隊在正式動土前，先在虛擬環境中建造整座電廠，並透過 AI 與數位孿生即時比對現場實際進度與數位計畫，讓延誤與排程衝突提早被發現，同時避免昂貴且反覆的重工。 最後在營運與維護階段（Operations and maintenance），由 AI 驅動的感測器和營運數位孿生可持續監測設備表現、及早偵測異常，並支援預測性維護以提升正常運行時間，不過微軟也強調，最終控制權仍牢牢掌握在人類操作員手中。 這整套解決方案的目的，並不是取代核能產業原有的安全紀律，而是讓原本分散、難以重複利用的工作流程，變得更可追蹤且可預測，同時在絕不犧牲安全的前提下大幅縮短開發時間。 AI 為核能新創與國家實驗室帶來的具體效益 […]

降低 70% AI 系統耗能！劍橋大學發表神經形態運算元件，如何突破馮紐曼架構耗電瓶頸？

耗能是當前 AI 硬體面臨的關鍵挑戰之一，英國劍橋大學領導的研究團隊近期發表一項突破，開發出一種受人腦啟發的奈米電子元件，有望將 AI 系統的能耗降低高達 70%，為硬體瓶頸提供新的解法。 這項研究成果已發表於學術研究期刊《Science Advances》，並被視為推動「神經形態運算」（neuromorphic computing）邁向實用化的重要一步。 傳統架構的痛點：資料搬運消耗龐大電力 劍橋大學指出，現今的 AI 系統高度仰賴傳統的電腦晶片架構，這些晶片必須不斷地在記憶體和處理單元之間來回傳輸資料。這種資料的持續移動（即所謂的馮紐曼瓶頸）不僅拖慢了運算速度，更消耗了大量的電力。 為此，科學家將目光轉向了神經形態運算，也就是一種模仿大腦神經元運作方式的替代方案。與傳統晶片不同，大腦能夠在同一個位置同時進行資訊的儲存與處理。透過參考這種神經架構，神經形態系統不僅能大幅減少資料傳輸的能量損耗，還能具備如同大腦般學習與適應的靈活性。 更關鍵的是，該團隊開發的憶阻器並非傳統設計，而是透過改良材料結構，解決過去技術難以穩定運作的問題。 技術細節：捨棄不穩定的導電絲 要實現神經形態運算，關鍵在於一種名為「憶阻器」（memristor）的電子元件，這是一種設計用來模仿大腦中神經元連結（突觸）效率的微小組件。 然而，傳統憶阻器多依賴在材料中形成「導電細絲」（filaments）來改變電阻，但這種機制具有高度隨機性，穩定性不足，且需要較高電壓，難以大規模應用。而劍橋團隊改採不同策略：透過在氧化鉿（hafnium oxide）中加入鍶與鈦，並採用雙階段製程，成功在氧化物層的交界面內，創造出微小的電子閘門（p-n 接面）。 這項結構設計的突破在於，裝置不再依賴導電絲的生長或斷裂，而是透過改變交界面的能量障壁高度，平滑地調整電阻。Bakhit 博士指出，因為是在介面進行切換，這些裝置展現出了極佳的均勻性，徹底解決了傳統導電絲裝置行為高度隨機且不穩定的致命傷。 百萬分之一的電流與未來商業化挑戰 這款新型的鉿基薄膜裝置展現了驚人的效能，其切換電流僅約 10 奈安培（nanoamps）以下，比某些傳統氧化物裝置低了約一百萬倍。此外，該裝置能產生數百個穩定且獨特的電導位階，這對於模擬大腦的類比式「記憶體內運算」（in-memory computing）來說是不可或缺的條件。 在實驗室測試中，這些憶阻器能可靠地承受數萬次的切換循環，並能將編程狀態儲存約一天的時間。它們甚至重現了生物學中觀察到的基本學習法則，例如「脈衝時序依賴可塑性」（spike-timing dependent plasticity），這意味著硬體可以根據訊號到達的時間來增強或減弱連接，真正具備了學習與適應的能力，而不僅僅是儲存位元。 然而，雖然這項技術極具顛覆性，但是在實際商業化與晶片整合上仍面臨挑戰。根據該研究，目前的製造過程需要高達 700 °C 的高溫，超出了標準半導體（CMOS）製造所能容忍的極限。 「這是目前我們裝置製造過程中的主要挑戰，」Bakhit 博士坦言，「但我們正在尋找降低溫度的方法，使其更能與標準工業製程相容。」 【推薦閱讀】 ◆ ASML 霸權迎來變數？挪威新創獲微軟 M12 投資，氦原子束如何顛覆 EUV 極限 ◆ AI 機器人進入「自我設計」時代：西北大學研發模組化機體，解鎖斷肢仍能運作的極限 ◆ 2026 AI 資本支出迎來黃金交叉！Gartner 預測「AI 推理」投資將正式超越模型訓練 ＊本文開放合作夥伴轉載，資料來源：University of […]

Anthropic 為何替 Claude 限流？當付費訂閱翻倍成長，算力天花板與規模化考驗正式浮上檯面

從 2026 年初開始，Anthropic 旗下 Claude 的付費訂閱快速升溫。由消費者交易分析公司 Indagari 與《TechCrunch》合作的數據分析指出，Claude 今年的付費訂閱數已翻倍，且在 1 月到 2 月間，新增與回流的付費用戶雙雙創下新高。 然而，在人氣暴增的背後，Claude 近期接連面臨尖峰時段限流、服務中斷與系統穩定性等壓力，使得「能否穩定擴張」成為 Anthropic 當前嚴峻的新課題。 知名度躍升與新功能釋出，帶動付費用戶大幅成長 Indagari 與《TechCrunch》的調查顯示，Anthropic 今年的消費者市場成長在 1 至 2 月間出現明顯跳升，其中大部分的新訂閱來自每月 20 美元的 Pro 方案，顯示 Claude 的付費滲透速度正不斷加快。 這波強勁的成長背後有多重推力：《TechCrunch》分析，Anthropic 在超級盃（Super Bowl）投放的廣告成功提升了 Claude 在大眾市場的知名度；另一方面，Anthropic 拒絕美國國防部（DoD）將其模型用於軍事用途的爭議，也意外讓 Claude 獲得更多主流關注，進一步推升了新一波的使用者興趣。至於在技術與產品面，Computer Use、Claude Code 與 Claude Cowork 等新功能與開發者工具的釋出，以及內部正在測試一款名為「Mythos」的強大新模型，同樣被視為推升市場需求的重要背景。 需求激增引發系統承載壓力，官方祭出尖峰時段限流 然而，在需求顯著升高的情況下，Claude 近幾週接連遭遇多次服務中斷（outage），正常運行時間（uptime）甚至一度跌破多數應用程式標配的 99% 水準，凸顯系統後台正承受極大的壓力。 為了緩解這樣的狀況，Anthropic 近期調整 Claude Free、Pro 與 […]

多數歐企 AI 停在摘要信件層次？AWS 報告分析企業深度採用 AI 的三大門檻

歐洲企業的 AI 採用率在近兩年內從 42% 跳升至 54%，技術投資年增 26%，數字看起來相當亮眼，但 AWS《解鎖歐洲 AI 潛力》報告一個數字讓人難以忽視：在這跳升到 54% 的企業中，真正以具變革性方式應用 AI 的只有 22%。 採用率在成長，但深度沒有。這種困境並非歐洲獨有，從澳洲到亞太，各地政府與企業都面對 AI 競爭窗口正在收窄，而多數人還沒準備好的壓力。 多數企業卡在基礎應用，與核心流程脫節 大多數歐洲企業目前使用 AI 的方式，停留在摘要信件、聊天機器人與文件管理這類基礎任務。這些應用帶來的生產力改善是真實的，但相當有限。 數字清楚說明了差距的幅度。停留在基礎採用階段的企業，生產力提升約 40%；進入深度採用階段的企業，這個數字達到 62%，相差 22 個百分點。報告估計，若能協助基礎採用者升級至深度應用，歐洲可釋放近 1,910 億歐元的附加經濟價值——這是一個幾乎尚未被觸及的大型機會。 已經走到深度應用的企業，做的不只是導入工具，而是重新思考組織的運作方式。Ericsson 在全球員工中部署 AI，讓各團隊在符合治理與安全規範的前提下，大規模自動化工作流程。英國零售商 Debenhams 則用 AI 自動生成多語言商品描述，處理速度是過去的 20 倍。這些企業的共同點，是主動決定把 AI 從業務邊緣移到核心位置。 規模化卡關的三道牆 報告點出三個結構性障礙，正在阻止更多歐洲企業走向深度應用。 第一道是技能缺口。超過半數歐洲企業表示，AI 與數位技能不足是擴大應用的主要阻礙，四分之三的企業認為員工的 AI 技能需要提升。AWS EMEA 董事總經理 Tanuja Randery 將這個問題列為她觀察到的最大單一阻礙，並指出讓組織擴大學習 AI 工具的使用、讓每位員工真正在日常工作中用到它、培訓他們負責任地使用這些工具，這可能是最持久、也最根本。 第二道是監管碎片化。歐洲企業目前需要應對 27 […]

汽車業的「Nokia 時刻」來了？比亞迪、吉利重寫造車節奏，歐洲車廠被迫重整中國戰略

過去數十年來，全球汽車製造商多半以德國的工程技術、美國底特律的生產規模，或是日本的可靠性作為衡量標準。然而，如今新的業界基準已轉向中國，市場將此稱為「中國速度」（China Speed）：這意味著更快的開發週期、軟體優先的設計理念、深度的供應鏈整合，以及持續壓低成本的造車模式。 這波變革已不再只限於理論或單純賣出更多電動車，而是由比亞迪（BYD）、吉利（Geely）與零跑汽車（Leapmotor）帶頭，透過更扁平的開發週期、即時的 OTA 軟體更新與更大膽的想法，重新改寫全球汽車業的規則。這甚至將傳統車廠追求推出完美產品的目標，轉變為「先把產品做出來、之後再透過更新修正」的競爭邏輯。 其中最具代表性的例子，是去年一輛中國製造的零跑 C10 在德國無限速高速公路（Autobahn）行駛時，駕駛輔助系統出現異常而急煞。當時正在駕駛的零跑國際德國區負責人 Martin Resch 在開會前回報給杭州的工程師，等他開完會出來，車輛已經接收到軟體更新並完成修正。這種狀況若換成歐洲車廠，往往需要耗費數週時間才能修復。 「中國速度」如何形成？政府支持、軟體背景與高強度競爭 《Bloomberg》報導，中國電動車產業自 2009 年以來，已獲得至少 2,300 億美元的政府資金支持。這龐大的資金挹注不僅是國家支持的產物，也是「中國速度」得以成形的重要條件之一。 相較於傳統車廠仍試圖縮短其原本 5 到 7 年的產品計畫週期，中國的競爭對手已經能夠在兩年內推出新車款。這樣的高效率也與創辦人的背景息息相關：小鵬（Xpeng）、蔚來（Nio）與理想（Li Auto）的創辦人都曾有網路新創背景，小米創辦人雷軍則具備軟體背景。 此外，中國車廠的員工結構更年輕、流動性更高，儘管薪資水準低於西方，但薪酬通常與財務目標綁定，培育出充滿創業精神的文化。再加上國內市場激烈競爭，迫使企業必須持續創新並刪去低效率的環節。 在技術積累方面，專利數量也反映出中國的競爭力。從 2000 年到 2023 年間，中國在未來陸地交通技術領域申請超過 34.3 萬件專利，大約是德國總數的近 5 倍。現在，中國在全球電池生產、電動車關鍵供應鏈，乃至於數位座艙與 OTA 更新等車載軟體領域，都掌握了強大的主導權。 歐洲車廠不只競爭，更開始借助中國技術與在地合作重整戰略 面對這波衝擊，歐洲車廠的策略也悄悄發生改變。例如，Stellantis 正評估採用零跑汽車的電動車平台與軟體，來支撐旗下 Fiat、Opel 與 Peugeot 等歐洲品牌，並另外與小米、小鵬接觸，討論投資其歐洲業務。同時，豪華車廠 Mercedes-Benz 也正與吉利進行未來電動車合作的初步接觸。 《Bloomberg》甚至引述部分歐洲高層的說法，將這一刻形容為汽車業的「Nokia 時刻」（Nokia moment），代表歐洲汽車巨頭可能必須在死守既有商業模式，或是接入中國技術以求生存之間做出選擇。 Volkswagen 執行長 Oliver Blume 直言：「全球沒有其他地區像中國一樣，正以如此一致、動態且快速的方式推進產業轉型。」目前，Volkswagen 已開始量產與小鵬共同開發的首款車型 ID. UNYX […]

蘋果 AI 轉型真的落後？手握 25 億台消費端裝置，專家揭蘋果佈局

蘋果似乎正在錯失 AI 所帶來的科技革命良機，但專家指出，真實情況是蘋果非常清楚，這場全球資本主義史上最狂熱的 AI 軍備競賽，最終將無法為公司帶來足夠回報。

當對手也用 AI，你的品牌還剩什麼？拆解 2026 行銷生存戰：人性化敘事才是最後護城河

隨著 2026 年進入第二季，AI 的發展呈現出一種明顯落差。一方面，它被視為世代級的技術轉折點，快速滲透各個產業；另一方面，市場對其期待也出現過熱現象。《Inc.》報導指出，大型科技公司持續加碼投資，試圖主導未來 AI 產業的競爭版圖，但在企業現場，特別是中小型公司與行銷產業，討論的焦點已明顯轉向一個更務實的問題：AI 究竟帶來多少實際回報。 AI 代理接管營運前線，人均生產力迎來 15% 成長 《Inc.》訪問多位行銷產業高層，結果顯示 AI 的應用逐漸從概念驗證走向日常營運。部分企業已將 AI 代理（AI Agent）導入前線流程，例如提供法律服務的 Tort Experts，其執行長 Sebastian Westerby 表示，他們透過訓練專業腳本的 AI 系統接聽諮詢電話，進行初步篩選與資訊整理，這類應用不僅能即時摘要對話內容，還能標記高價值潛在客戶，並同步更新 CRM 系統，讓業務團隊能更快介入關鍵案件。 在創意與產品開發流程中，AI 也開始扮演更具體的角色。設計與數位廣告公司已將 AI 工具整合進原本的工作流程中，例如利用設計平台內建的 AI 功能快速生成可運作的原型，並自動轉換為前端程式碼。這類流程優化帶來可量化的成效，數位廣告公司 Awarity 執行長 Aditya Varanasi 指出：「有了 AI 之後，每位員工的生產力提升約 15%，等同於在不增加人力的情況下，擴大團隊產出規模。」 類似的效率提升也出現在更基礎的營運層面。開發團隊透過 AI 自動偵測與修復程式錯誤，大幅縮短問題處理時間。郵寄行銷公司則利用 AI 清理與比對客戶名單，確保地址準確性，並進一步分析郵寄活動所帶來的新客來源。在某些高度重複的流程中，作業時間甚至縮減了 80%，直接轉化為成本下降與資源再配置的空間。 然而，AI 的價值並不僅限於效率工具。廣告公司 Crux KC 執行長 Melea McRae-Hall 提到，該公司將 AI […]

【DEAT 專欄】一個 App 串起生活各種需求，數位政策該如何同步？

早上用共享機車趕上捷運，中午透過外送平台解決用餐，下午在咖啡廳借一顆行動電源撐完會議，晚上再打開通訊軟體協調隔天行程。這些行為分別落在交通、物流、租賃與通訊服務之中，但對使用者而言，它們早已自然地串連在同一段生活流程裡。 這樣的改變，也反映在數位平台本身。許多平台已不再只是單一服務的提供者，而是同時涵蓋交易、媒合、資料處理與即時調度等多重功能，並在不同場景之間持續延伸。當服務邊界逐漸模糊，平台的角色也從單點工具，轉向支撐多元生活情境的基礎設施。 延續前一篇對平台變動的觀察，當服務樣態持續跨域整合，一個更實際的問題逐漸浮現：現行的數位政策框架，是否仍能清楚對應這些運作方式。 從制度的角度來看，台灣多數數位平台相關治理，仍建立在「產業別與主管機關分工」的邏輯之上。交通、電商、通訊與內容，各自對應不同的主管機關與規範體系。這樣的設計，長期以來確實提供了穩定的治理基礎，讓權責分配清楚，也讓業者在制度中具備一定的可預期性。 在平台發展相對單純的階段，這樣的架構運作順暢。不同服務之間的界線清楚，監理對象容易辨識，政策設計也能精準對應。然而，當平台逐漸整合多種功能，並在不同場景中同時發揮作用，制度與實務之間的距離開始變得更明顯。 例如，一個平台同時涉及交通服務與資料處理，可能需要面對不同政策領域的要求；在另一種情境中，某些新型態服務尚未被既有分類完整涵蓋，制度適用需要透過解釋與協調來完成。這些情況並非個別案例，而是隨著平台發展逐漸成為常態的現象。 從更宏觀的角度來看，這些挑戰指向同一個核心問題：制度框架與實際服務樣態之間的適配程度。當制度需要仰賴頻繁的跨部會協調或個案判斷來回應新情境，也代表原有的分類方式，正面臨重新檢視的時機。 進一步來看，這並不僅是技術或執行層面的問題，而是治理邏輯本身的轉變。數位平台的運作，逐漸呈現出「功能整合」與「情境導向」的特性，治理思維也需要從靜態分類，逐步轉向能回應動態場景的設計方式。當制度能以使用情境與風險特性作為觀察基準，將更有機會貼近實際運作，並提升整體的一致性與可理解性。 同時，制度在維持基本秩序的過程中，也需要保留一定程度的調整空間。平台的產品設計與商業模式仍在快速演進，制度若能提供穩定原則與清楚邊界，並搭配持續檢視與修正的機制，將有助於在秩序與發展之間建立較為穩定的關係。 這樣的討論，也逐漸延伸到地方治理層面。數位平台的影響，往往直接體現在城市運作之中，包括交通流動、空間使用、即時服務供給與在地生活支援。不同城市在面對這些變化時，會依據自身條件與政策思維做出調整，而這些回應方式，也反映出整體政策框架在實務中的運作情形。 接下來，協會將透過「六都數位政策調查」，進一步觀察地方政府在不同平台場景中的政策設計與實務回應，並整理其中的共通趨勢與差異。在進入具體案例之前，回到制度框架本身，釐清其形成邏輯與當前的適配狀態，有助於建立更完整的討論基礎。 當平台持續在不同領域之間延伸與整合，制度如何回應這樣的變化，將直接影響數位治理的穩定性與發展空間。這個問題的答案，並不只關乎政策設計本身，也關乎城市如何在快速變動的環境中，維持運作效率與公共信任。 社團法人台灣數位平台經濟協會 社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。 ＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：社團法人台灣數位平台經濟協會。 （責任編輯：李昀蔚）

【科技早餐】Meta 不只做 AI，是把整間公司改造成 AI 原生組織

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Meta 不只做 AI，是把整間公司改造成 AI 原生組織 在宣布中止累計虧損逾 800 億美元的元宇宙事業後，Meta 正加速把 AI 推進公司內部運作。根據外媒取得的內部備忘錄，Reality Labs 旗下開發者工具部門已啟動試點，約 1,000 名員工將被重新命名為 AI Builder、AI Pod Lead 與 AI Org Lead，讓原本較傳統的管理方式，轉向更扁平、更小型、跨領域的小組協作模式。 這波調整不只改變職稱。Meta 技術長博斯沃思（Andrew Bosworth）也接手「AI For Work」計畫，要求員工把 AI 工具融入日常工作，加快流程並減少層級。Meta 執行長祖克柏（Mark Zuckerberg）本人也在開發協助管理與決策的 AI 助理。這顯示 Meta 不只是把 AI 加進產品，而是開始把整家公司朝 AI 原生化重組。 ＊Google 把搜尋帶進即時對話時代，語音與相機正式接進 AI 模式 Google 宣布，將在全球所有支援 AI 模式的語言與地區推出「搜尋 Live」，接下來幾週內，包含台灣在內超過 200 個國家與地區的使用者，都能透過語音與相機，在 AI […]

麥肯錫：72% 企業將主權 AI 納入 2026 年發展，推動主權 AI 須執行的 3 階段藍圖是什麼？

麥肯錫發布報告《Sovereign AI: Building ecosystems for strategic resilience and impact》，預估到了 2030 年，主權 AI 將撼動全球高達 6,000 億美元的市場商機。 然而現況是，高達 72% 的企業雖將主權 AI 納入發展藍圖，卻深陷「必須全端自建」的迷思，導致專案淪為缺乏預算的紙上談兵。 這份報告從市場規模、企業導入痛點到生態系建構，提供一套診斷與行動框架，並提出務實的「最低限度充分主權」觀念，幫助企業不盲目追逐硬體擴張，掌握化解地緣政治壓力與佈局生態系的長期競爭優勢。 📎 這份報告適合誰閱讀？ 建立成功的主權 AI，必須仰賴生態系中多方角色的協同合作。因此，這份報告特別適合以下四大領域的工作者與決策者閱讀： 🔴 報告洞見 隨著地緣政治的不確定性加劇，以及各國對資料合規的要求日益嚴格，主權 AI（Sovereign AI）已經從單純的政策辯論，正式轉變為全球經濟與企業戰略的絕對核心。 然而，許多企業與政府在推動主權 AI 時，往往陷入「必須全部自己來」的迷思，導致專案停滯不前。 麥肯錫這份主權 AI 報告剖析全球主權 AI 的發展現況，打破傳統的全端自建迷思，並為政府、企業、技術供應商與投資者提出了具體的戰略定位與三階段落地藍圖。 💡 主權 AI 的四維定義 過去，市場往往將主權 AI 狹隘地理解為「採購本地 GPU」或是「發布國家級語言模型」等單一硬體或技術的投入。然而，真正的主權 AI 是由四個不同維度交織而成的光譜： 基於這四個維度，麥肯錫預估，主權 AI 將成為未來幾年 AI 領域最大的商機之一。 到了 2030 年，全球高達 […]

研華策略投資入股加雲聯網，以資安與 Edge AI 驅動能源自主運營解決方案

全球物聯網智能系統與嵌入式平台領導廠商研華（TWSE: 2395）今(27) 日宣布，透過其全資子公司研華投資完成對加雲聯網（ICP, Intelligent Cloud Plus）之策略性投資。此次合作將結合加雲聯網在電力公用事業領域的深厚技術及實績，與研華於工業自動化控制、智能通訊系統及 AI 邊緣運算平台的核心優勢，共同開發電力與能源自動化產業的數位化解決方案，攜手推動智慧電網與能源轉型升級。 研華物聯網自動化事業群副總經理林清波表示 : 「加雲聯網具備橫跨傳統電力事業、國際電力設備大廠（如西門子）及前瞻能源科技的系統整合能力，為少數能打通 IT 與 OT、並兼具場域實績的關鍵合作夥伴。透過將複雜能源管理技術轉化為標準化的 Solution Ready Package (SRP) 方案 (如智慧微電網及儲能管理系統)，不僅可協助研華產品深入能源垂直市場，更可大幅降低海外專案落地所需的技術門檻與人力依賴。此次投資的關鍵價值，不僅止於產品銷售，更是將台灣在能源數位轉型的成功經驗進行『產品化』與『系統化輸出』，透過與生態系夥伴的協同合作，推動解決方案於全球市場快速複製與規模化擴展。」 林清波進一步指出，本次策略投資將聚焦於電力與能源自動化領域的 SRP 打造，透過將加雲聯網軟體方案與研華邊緣運算硬體進行「深度預整合」，實現高效且可快速落地的產業解決方案，重點涵蓋三大面向： 加雲聯網總經理廖佑晟表示，能源轉型進入下一階段，產業競爭關鍵已從設備成本，轉向系統的安全性與智慧化能力。加雲長期投入 iVPP平台、IT/OT 系統整合、軟體開發及 AI 演算法技術，並已於台電體系及離岸風電國際專案中累積實績，證明了公司選擇了「難但正確」的道路。本次研華的策略投資是對加雲技術實力的最大肯定，雙方聯手將引領台灣新能源產業從單點設備銷售進化為具備國際規格的智控生態系服務。 在全球面臨 AI 高耗能的趨勢下，研華將持續以「Edge Computing & AI-Powered WISE Solutions」為品牌核心策略，深化 AI 與能源應用的整合創新。研華此次策略投資加雲聯網，正是提前布局「AI × 能源 × 邊緣運算」三位一體的關鍵交會點，不僅可提升研華在能源垂直市場的滲透率，更進一步強化在全球市場的差異化競爭力，朝向成為結合邊緣運算、AI應用與能源管理能力的關鍵平台型企業邁進，並為長期營運成長注入穩健持續的動能。 （本文訊息由研華提供，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：AI 工具生成。）

從傳統工序走向 AI 導入，百德機械總經理謝天昕：我們的目標是和別人做一樣的事，卻與眾不同

「現在每個人都在談論 AI，但像是刮削、測量、組裝這些日常的基礎工作，我們想要做到的目標是，和別人『做一樣的事』，卻『與眾不同』，」百德機械今（3/27）在大甲總部舉辦 Open House 活動，總經理謝天昕向國際記者參訪團表示，相較於將焦點完全放在 AI 應用，百德機械一直以來更強調的是製造現場的基本功，並試圖將創新做法導入既有工序之中。 回顧百德機械的發展歷程，謝天昕表示，自己從 1999 年正式加入公司以來，見證公司從早期主要為日本與瑞典等國際合作夥伴製造機器，逐步轉向以「Vision Manufacturing（前瞻製造）」為核心的發展方向，「許多客戶花了兩年時間設計出概念卻無法製造，而我們的團隊能接手並嘗試實現，」謝天昕強調，對百德機械而言，如何將設計概念轉化為實際可運作的設備，是公司長期投入的重點之一。 從傳統工序看製造現場的基本功 走進百德機械工廠，製造人員以生產流程中的「鏟花（刮削）」為例，說明廠內工程師都必須具備相關測試能力。熟練的工程師處理小面積刮削約需 10 至 20 分鐘，一般情況下則可能耗費約 2 小時。 此外，在進行零件安裝與校準前，團隊也會逐一檢查組件，並處理微米（micron）等級的精度要求。這些外界不易直接看見的細節，往往與機台精度及穩定度密切相關，也反映出百德機械在製造現場對基礎工序的重視。 AI 導入，先從操作輔助與知識管理切入 面對當前 AI 發展的浪潮，百德機械目前主要將 AI 應用在製造與管理流程。在產品方面，公司約於兩年前推出名為「Mr.Q」的 AI 輔助工具。謝天昕表示，這套系統的設計目的是在操作機台時提供協助，包括引導工作者操作流程，以及監測機器運作狀態。 在內部管理方面，公司也建置結合 AI 技術的知識管理（KM）系統。業務或服務人員在輸入問題後，系統即可協助檢索相關資料並進行整理，作為內部問題處理與知識傳承的輔助工具。 在廠區應用上，百德機械也正嘗試導入 AI 視覺辨識系統。不過，考量員工隱私，系統目前採用辨識操作員「身體比例」而非臉部特徵的方式運作，讓操作員即使短暫離開工作位置後返回，系統仍可接續辨識，掌握機台工序進度。 然而，謝天昕也坦言，AI 要在工廠全面落地仍需時間，現階段仍面臨設備投資成本高、企業對雲端建置存有疑慮等問題，再加上 AI 技術變化快速，因此百德機械目前傾向以合作導入的方式推進應用，而非自行投入底層技術研發。 對百德機械而言，AI 並不是獨立於製造現場之外的新命題，而是融入既有流程、協助解決實際問題的工具。從傳統工序，到知識管理與視覺辨識系統的嘗試，這家工具機廠想呈現的，是製造業面對 AI 時一種更務實的導入節奏。 （首圖來源：科技報橘）

簡立峰看台灣企業出海：台積電示範「以硬帶軟」轉型、人型機器人是下個關鍵產業

TechOrange 編輯部推薦好書：《出海：台灣企業大未來》台灣正站在轉型的關鍵十字路口：面對高齡化與少子化、地緣政治的抉擇、軟硬整合的挑戰，加上行政院推動「AI 新十大建設計畫」將矽光子、量子科技與機器人等技術納入關鍵發展方向，台灣如何以更寬廣的視角來看待自己的定位？作者 Google 台灣前董事總經理簡立峰指出，台灣面對「五缺」（水、電、工、地、人才）現況，必然會走向以軟實力為核心的高附加價值產業發展，而機器人是 AI 軟硬體發展的重要樞紐。本文將帶你了解，簡立峰認為台灣應如何「以硬帶軟」、發展「人型機器人」，重塑「TW+N」的跨國競爭力。 文／簡立峰 ＃台灣製造業最巔峰的轉型 美國總統川普公佈「AI 行動戰略計畫」，核心就是要維持美國在 AI 時代的競爭力。這個方案的重點之一，排除環境影響評估與法規等障礙，加速資料中心的建構。其中有一個和台灣息息相關的議題，就是「下一代的製造業」。它指的是以軟體與 AI 驅動的高階製造。美國計畫全力支援，讓無人機、機器人、半導體晶片都能在美國生產。 對台積電來說，這並非壞事。因為在美國，相對容易找到 AI 與自動化相關人才，反而有助於轉型。只要台積電成功，就會成為典範，帶動更多企業跟進。這也是前面提到借美國之力，台灣走「以硬帶軟」的最佳途徑。美國有龐大軟體人才，軟體人才也最能跨國工作，台灣的硬體產業世界少有，「以硬帶軟」可能更適合台灣。 目前，台積電已投入龐大資源，進行台灣製造業最巔峰的轉型。他們正嘗試用軟體來定義工廠，大部分知識都在雲端，用遠端控制，也就是研發在台，生產在全世界。若能成功，台積電未來也是一個「軟體公司」。 我在新聞上看見，台積電在美國亞利桑那廠，計畫導入無人機進行廠區管理，如此將可以降低人力成本。這也顯示台積電出海後，興建一座座沒有包袱的新廠，可以直接運用當下最新的 AI 科技順利轉型。這是個好消息。 台灣產業的轉型，需要這樣的典範。從台積電開始，擴散到電子業，再進一步擴散到傳統製造業，硬體產業自然會逐步軟體化。這是一條不可能一夕之間完成的道路，但 AI 會成為帶動轉型的動力，並自然形成配套，包括商機帶來投資，訂單帶來產品，進而形成完整供應鏈，並以供應鏈吸引更多的投資。 ＃人型機器人：下一個關鍵產業 10 年前我們用 Drone 稱呼無人機， 現在我則稱它為 Flying Robot，就是飛起來的機器人；下一步的發展就是「人型機器人」，不但會成為未來 AI 產業的關鍵樞紐，也是台灣未來最重要的產業之一。 台灣目前在零組件上有很好的基礎，可以生產製造關節、手指等零組件，但問題是，我們缺乏一家完整研發製造機器人的公司，來當帶頭的母雞，串聯整個產業。雖然現階段很容易就能接到零件訂單，但若要讓產業真正壯大，還是需要一家能推出完整產品的核心公司來帶動生態系。華碩是可能的候選者，因為它有相關經驗，一旦投入，就能帶動新創在不同零件與控制系統的分工合作，形成完整供應鏈。這樣的「母雞帶小雞」模式，就像當年台積電之於半導體供應鏈，最終也能在機器人領域重現。 AI 新十大建設引領的方向應該是正確的，但真正走在第一線的，還是需要企業披荊斬棘、乘風破浪。台灣企業的優勢在於，目前的大客戶幾乎都是全球最前沿的公司，特別是這波 AI 硬體發展的領導企業 NVIDIA 特別仰賴台灣廠商，加上創辦人黃仁勳的台裔背景，與台灣企業形成綿密供應鏈，讓台商能更早看到 AI 時代的最新趨勢，也讓台灣主要科技廠商，有機會從「TW+CN」（編按：台灣加中國）邁向成為「TW+N」（編按：台灣加 N）的跨國企業。 當一、二十年後台灣高度少子化，台灣企業說不定在海外已經開花結果，從台灣人的企業，成為台灣人主導的跨國企業、甚至是台灣人主導的產業，真正把台灣概念擴大了，人才來源變多了。或許那時的人們會回過頭來感嘆：幸好當年有美中科技戰、有 AI 新十大建設，領航台灣開啟 21 世紀大航海時代。 【推薦閱讀】 ◆ 用 2.5 億美元撬動 […]

蘋果 AI 戰略大轉彎？Siri 擬升級多模型路由平台，解析終端入口戰的變現大局

當諸多科技巨頭還在比誰能做出更強的模型時，蘋果似乎正準備走另一條路：不一定自己做出最強的 AI，但是要成為所有 AI 進入消費者日常生活的第一個入口。 《Bloomberg》根據知情人士消息報導，蘋果正計劃在 iOS 27 作業系統中大幅改造 Siri，讓使用者可直接在 Siri 內接入第三方 AI 助理，例如 Google 的 Gemini、Anthropic 的 Claude 等。 這代表 Siri 將不再只是單一語音助理，而是逐步轉向一個可切換、多模型並存的「AI 路由平台」。《Reuters》指出，如果這項更新成真，代表蘋果的 AI 策略正出現一次關鍵轉向。 Siri 將從單一助理，變成多模型入口 目前 Siri 已能透過與 OpenAI 的合作，把部分查詢交給 ChatGPT 處理；但根據《Bloomberg》與《Reuters》說法，蘋果的下一步是將這種能力擴大，讓更多安裝在 iPhone、iPad 或 Mac 上的 AI 應用，都能直接與 Siri 整合。 換句話說，未來如果用戶安裝了 Gemini 或 Claude，就能在 Siri 介面裡直接把問題交給不同模型回答，而不必從 Siri 介面跳出、再個別打開不同 App。此舉也等同打破 ChatGPT 在蘋果軟體中的獨家地位。 《Bloomberg》還指出，蘋果正在測試一套名為「Extensions」（擴充）的系統，讓用戶可在 Apple […]

駕馭混合雲挑戰：透過 Apigee X 與 Cloud DNS 打造金融級現代化架構

在當前的金融科技（Fintech）浪潮中，傳統銀行正處於數位轉型的關鍵十字路口。 隨著 Open Banking 與 API Economy 的興起，金融機構面臨雙重壓力：一方面需快速迭代以滿足客戶對數位服務的期待，另一方面則必須在極度嚴苛的合規監管下，確保核心銀行系統（Core Banking）的穩定與安全。目前市場上的主要痛點在於「混合雲（Hybrid Cloud）架構」的落地難題，即是如何讓部署於 Google Cloud 的雲端原生（Cloud Native）API 管理平台（如 Apigee X），安全、低延遲且透明地存取位於地端（On-Prem）的傳統後端服務。 本案例正是此挑戰的標準縮影，展示了在不更動地端龐大遺留系統（Legacy Systems）的前提下，如何透過精準的網路架構選型，解決 DNS 解析與跨網段連線的複雜性，為金融業提供了一套可複製的現代化藍圖。 突破地端連線瓶頸：南向流量的最佳實踐 對於企業決策者而言，技術架構的選擇直接關乎營運效率與維運成本。在實戰案例中，針對連接地端的「南向流量」（Southbound），經過萬里雲技術團隊的審慎評估，捨棄了管理成本高昂的「Mixed PSC」方案。雖然 Private Service Connect (PSC) 提供了強大的隔離性，但在混合環境下，若需為每個後端服務建立獨立連線，不僅架構複雜、配置繁瑣，會導致雲端服務成本變高之外，也容易引發 DNS 查詢的問題。 為了簡化網路架構並節省雲端的花費，採用了 VPC peering + VPN/Interconnect 網路架構。此架構的核心價值在於利用 Cloud DNS Forwarding Zone 技術，建立了一套可以結合地端 DNS 的解析流程。 當 Apigee 透過 Cloud DNS 對後端服務發起請求時，Cloud DNS 能直接將針對地端網域（如 targetserver.onprem.com）的查詢轉發至地端 DNS，並獲取正確 IP […]

讓送貨機器人獲「公分級」精準定位，《Pokémon Go》數據意外成為機器人導航關鍵

Niantic Spatial 利用《Pokémon Go》遊戲玩家蒐集的超高精度城市地標影像，打造視覺定位系統用於 Coco Robotics 的 AI 送貨機器人，並希望結合大型語言模型（LLM）創造世界模型。

AI 資料中心能成為穩定電網的資產嗎？NVIDIA、Oracle 實測軟體動態調度，尖峰用電降 25%

隨著 AI 計算需求爆炸式成長，資料中心逐漸從數位基礎設施，轉變為電力系統中的關鍵變數。尤其是在美國維吉尼亞州北部這類高密度部署區域，資料中心用電已占全州電力需求逾四分之一，遠高於全美平均。2024 年夏天，一次雷擊導致輸電系統異常，數十座資料中心同時切換至備援電源，瞬間產生約 1,500MW 的負載落差，險些引發區域性停電，也暴露出資料中心長期以來 24 小時滿載運行的剛性用電問題。 AI 調度讓資料中心從「電力黑洞」轉化為「雲端蓄水池」 一般來說，資料中心不論在電網處於何種狀態下都要全速運轉，使其成為電網壓力來源之一，也迫使電力公司投入龐大資本建設新的發電與輸電設施。然而，根據發表於《Nature Energy》期刊的研究，2025 年 5 月亞利桑那州鳳凰城的一次電網壓力測試中，由 NVIDIA、Oracle 與公用事業單位 SRP（鹽河計畫）、EPRI（電力研究院）合作，成功讓一座商用資料中心在不影響 AI 工作負載效能的前提下，於尖峰時段持續三小時降低 25% 的功耗，證明資料中心可以從「耗能黑洞」轉型為「彈性電力資源」。 這項突破的核心，在於 NVIDIA 投資的新創公司 Emerald AI 所開發的軟體平台 Emerald Conductor。這套系統本質上像一個電力調度指揮家，能即時接收電網訊號，並動態調整資料中心內部的運算任務與用電量。其關鍵設計在於將 GPU 工作負載分為不同優先級，像是完全不可中斷的關鍵任務，以及可延後執行的背景訓練作業。當電網負載升高時，系統會優先保護核心任務，同時延遲或降低次要運算的資源使用，使整體功耗下降。 此種以「算力即負載」的調度邏輯，顛覆了過去對資料中心的想像。AI 訓練任務本身具有時間彈性，延後數小時完成通常不影響商業價值，使其成為理想的可調節電力來源。也因此，資料中心開始具備類似「蓄水池」的負載彈性，在電力充足時儲存運算需求，在電網緊張時釋放彈性空間。該研究進一步指出，若此類架構在全美普及，有望釋放高達 100GW 的新增資料中心容量，這相當於全國約兩成用電規模，且無需大幅新建電廠或輸電線路。 當 AI 成為再生能源指揮官，美國不是唯一案例 除了算力調度，能源巨頭 Envision 在中國赤峰展示了另一種模式：利用 AI 來調度能源。根據《Reuters》報導，該企業打造了一座以風能與太陽能為主的氫能與氨生產基地。不同於傳統工廠依賴穩定電網供電，這座工廠直接連接自有再生能源系統，並透過 AI 作業系統即時調整生產節奏。 這個 AI 系統持續監測天氣與發電狀況，並自動調整用電需求。例如當風力增強時，系統會即時提高電解製氫設備的運轉功率，最大化再生能源的使用；而當風速下降或日照減弱時，則迅速降低產線負載，以避免能源短缺或效率損失。這種動態調整機制，成功解決再生能源長期面臨的間歇性與不穩定問題，讓工業生產能夠真正隨著自然條件同步運作。 中美競相建立更智慧、更靈活的數位電網 運用 AI，讓資料中心不再是單純的耗電技術，而是電力系統的協調與優化者，也呼應各國能源政策的轉向。例如中國已提出「AI + 能源」戰略，計畫在 2027 […]

【科技早餐】川普組 AI 核心顧問團，祖克柏、黃仁勳、蘇姿丰全進白宮決策圈

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊川普找來祖克柏、黃仁勳、蘇姿丰，AI 決策桌直接搬進科技業 白宮宣布，美國總統川普將任命首波 13 名產業與科技界成員，加入總統科技顧問會議，也就是總統科技顧問會議 (President’s Council of Advisors on Science and Technology，PCAST)。首批名單包括 Meta 執行長祖克柏 (Mark Zuckerberg)、NVIDIA 執行長黃仁勳 (Jensen Huang)、AMD 董事長暨執行長蘇姿丰 (Lisa Su)、Google 共同創辦人布林 (Sergey Brin)，以及甲骨文 (Oracle) 創辦人艾里森 (Larry Ellison) 等人。 白宮表示，這個顧問團將就科學、技術、創新與美國競爭力等議題，向總統提出建議，最終人數可望擴大到 24 人。這也代表美國的 AI 競賽，已不再只是企業與企業之間的市場角力，而是政策、產業與國家競爭力同步綁定，政府正直接把最核心的科技領袖拉進決策桌。 ＊Meta AI 雙軌策略：一邊裁員，一邊把高層獎酬綁上 9 兆美元 Meta 啟動新一輪裁員，影響範圍涵蓋 Reality Labs、社群平台團隊與招募部門，規模約 700 到 1,000 人。同一時間，Meta 也替多位核心高階主管推出新的股票期權激勵機制，將未來幾年的報酬與公司市值表現直接連動。根據外媒披露，最高門檻是 Meta 市值突破 […]

台灣無人機產業如何突圍？漢翔用 AI 接手關鍵製程，雷虎靠非紅供應鏈打開新戰局

在全球地緣政治震盪與供應鏈重組的嚴峻考驗下，台灣無人機與航太產業要如何在國際市場突圍？在今（3/26）日由經濟部產業發展署、TMBA 工具機公會、TechOrange 科技報橘、PMC 精機中心共同舉辦的「2026 智慧大工廠論壇──台灣國際工具機展特別場」中，特別邀請到漢翔航空工業總經理莊秀美與雷虎科技技術長楊富森同台分享。 作為在台灣無人機聯盟中互為「革命夥伴、生命共同體」的指標企業，漢翔與雷虎分別從製造端的「AI 數據賦能」及應用端的「全面打造非紅供應鏈」出發，深度剖析台灣無人機與航太產業如何在全球變局中，搶佔難以被取代的競爭高地。 從老師傅經驗到 AI 決策，漢翔用數據改寫航太製造邏輯 身為波音與空中巴士的第一線供應鏈，並肩負勇鷹號與經國號等國防戰機的製造重任，漢翔一路走來，一直面臨著極為嚴苛的精密加工挑戰。漢翔航空工業總經理莊秀美表示，過去航太製造業長期存在高度仰賴「老師傅」經驗的痛點，因此在精密鑄件這一類高度勞力密集的環節中，一旦老員工離職或出現人力斷層，良率甚至可能跌破五成，進而造成嚴重的供應鏈延宕。「老師傅其實是一個隱形的生產法則，」莊秀美直言，這樣的狀況，也讓漢翔反思，如何從傳統的經驗決策，走向由數據與 AI 驅動的轉型？ 為了解決這樣的困境，漢翔把 2024 年定為「生成式 AI 元年」，並開始在多個關鍵製程中導入 AI 技術。例如，航太材料動輒百萬起跳，若出現斷刀的狀況，生產成本就會大幅提升，因此漢翔透過收集加工時的震動參數，建立 AI 刀具壽命預測系統，成功防堵斷刀危機並精簡成本。 此外，在現代客機大量使用的複合材料方面，由於複合材料製程宛如烤麵包般精密，需要精準控制溫度與壓力，因此漢翔便在造價兩億的熱壓爐中佈滿感測器，「如果我們在過程中，發現溫度曲線或壓力曲線有異常，立刻就可以即時處理，避免整爐報廢的狀況，」莊秀美說。 目前，漢翔的智慧製造解決方案平台更已向外推展，不僅輔導超過 40 家同業、協助上萬台機台完成聯網轉型，更帶動同業提升 20% 的品質與 30% 的設備利用率。 從非紅供應鏈到 AI 實戰化，雷虎補齊陸海空戰略版圖 相對於漢翔近年在生產線上的 AI 轉型，雷虎科技首先看準了國際局勢的變化，在競爭激烈的軍工市場中打出一場「非紅供應鏈」的突圍戰。雷虎科技技術長楊富森指出，配合美國軍方尋求非紅供應鏈的戰略需求，雷虎全面將飛控系統、馬達及關鍵晶片替換為非中國製零件，最終更在美軍的直接協助下，成功取得 Blue UAS 認證。 在站穩國際供應鏈重組的浪潮後，雷虎進一步將「AI 實戰化」視為終端產品的核心。由於現代戰場中，強烈的電子干擾常使傳統遙控頻率完全失效，因此雷虎導入先進的 AI 視覺導航技術，成功克服電磁壓制的痛點。 此外，未來的戰場已從單機作戰轉向「群飛、群游」的協同作戰，這項「軟體定義硬體」的趨勢，也徹底改變雷虎內部的人才結構。「現在不是一台一台去控制，是用一台電腦去控制，這也是為什麼我們的電子工程師現在都比機械工程師還多，因為需要電子軟體的控制，」楊富森強調。 為了將這套系統延伸至海域，並應付戰時極為嚴苛的高速量產需求，雷虎更果斷收購桃園的沖壓造船廠，並捨棄生產耗時的傳統玻璃纖維，改採「金屬沖壓」技術來倍速製造無人船。同時，研發團隊更成功破解商用船外機的電子訊號，順利達成無人化遠端控制的目標，完整補足陸、海、空無人載具的戰略版圖。 透過漢翔在數據端的穩健打底，以及雷虎在無人載具應用端的 AI 軟硬體整合，這對「革命夥伴」不僅破解老師傅的經驗斷層，更逐步擺脫紅色供應鏈的糾纏，讓台灣在全球航太與國防版圖中，獲得難以被取代的戰略地位。 （首圖來源：科技報橘）

AI 機器人進入「自我設計」時代：西北大學研發模組化機體，解鎖斷肢仍能運作的極限

當多數機器人仍依賴人類工程師設計結構、再由 AI 控制行為時，其基本外觀形態在設計完成後幾乎無法改變。然而，一項來自西北大學的研究，正在顛覆這種長期以來的分工模式。 根據《TechRadar》報導，西北大學的研究團隊開發出一種如同樂高般可拼接的模組化機器人，這些機器人沒有傳統的人形外觀，也沒有頭部與視覺系統，卻能在野外環境中行動，甚至在受損後仍能繼續運作。這款被稱為「legged metamachines」（腿部元機器）的機器人，背後關鍵不只是機器結構本身。 AI 開始接管設計權：機器人不再由人類決定長什麼樣子 這項研究發表於《美國國家科學院院刊》（PNAS），其核心突破在於機器人的身體結構與運動策略，都是由 AI 自動生成，而非人類預先設計。 根據西北大學，腿部元機器是由多個具備自主能力的模組組合而成。該研究團隊首先提供 AI 一組基本模組，內部皆配備了電腦晶片、電池與馬達。每個模組本身就是一台完整機器人，具備獨立運作能力。 接著，研究團隊在電腦軟體中模擬達爾文的突變與天擇過程，讓 AI 自行組合這些模組，並在虛擬環境中反覆測試、淘汰與重組，最終演化出能有效移動的機器人形態與運動策略。這種方法讓 AI 能在短時間內完成類似數十億年生物演化的設計過程，AI 的角色也不再只是控制機器，而是「設計」機器。 AI 最終組合出來的機器人外形，並非人類熟悉的雙足或四足機器人，反而是人類工程師未曾設想的機器人新物種，有的像海豹般扭動前進，有的像蜥蜴爬行，甚至像袋鼠跳躍。 壞了也能跑：模組化設計讓機器人具備抗毀性 除了形態創新，這類機器人最關鍵的能力，是對現實世界不確定性的適應。傳統機器人一旦關節或結構損壞，往往就失去行動能力；相較之下，這些模組化機器人即使被破壞，仍能持續運作。該研究顯示，即便機器人失去部分肢體，剩餘模組仍會自動調整運動方式繼續前進，而脫落的模組甚至可以自行移動並重新加入。 在實際測試中，這些機器人能穿越砂石地、泥地、草地與不規則地形，甚至在被翻轉後自動翻正繼續行動。即使研究人員刻意破壞其結構，機器人仍能重新找到新的移動方式。 這種「壞了還能動」的特性，本質上來自兩個關鍵設計：一是模組化架構，讓單一故障不會癱瘓整體系統；二是 AI 即時調整運動策略，使機器人能重新適應身體變化。也因此，研究團隊形容這類機器人更像能適應環境的生命體，而非傳統脆弱的機械工具。 從工具走向實體 AI 生命體，機器人產業下一階段？ 這項研究的真正意義，不只是打造更耐用的機器人，而是機器人開發模式的根本性轉變。過去機器人多半針對特定任務設計，例如倉儲搬運或製造產線，一旦環境或需求改變，往往需要重新設計整套系統。但模組化結構加上 AI 設計，意味著未來機器人可以像軟體一樣重新組合，甚至在現場即時調整形態與功能。 這對於需要高度彈性的應用場景，如災難救援、軍事偵察或非結構環境作業，具有顯著潛力。更重要的是，研究團隊認為，這類模組化元件未來有機會進入量產，形成類似「機器人樂高套件」的產品型態。企業甚至個人用戶，都可能根據需求，自行組裝出適合特定任務的機器系統。 對企業而言，這代表未來自動化系統將不再是固定資產，而是可調整、可演化的動態能力。當機器可以自行適應環境，企業導入 AI 與機器人的方式，也將從一次性投資，轉向持續優化與重構的長期策略。 ＊本文開放合作夥伴轉載，資料來源：《PNAS》、《TechRadar》、《LIVE SCIENCE》、Northwestern University，首圖來源：Northwestern University

Reels 變購物入口、AI 補商品資訊：Meta 正把社群平台改造成交易平台

Meta 近日在電子商務大會 Shoptalk 一口氣端出多項新功能，從 affiliate（聯盟行銷）工具回歸、可直接嵌入內容的商品連結，到 AI 生成商品資訊與更精簡的站內結帳流程，全面加碼購物與創作者變現佈局。 這波更新不只是單純的功能升級，更透露出 Meta 的下一步商業盤算：把原本分散在「link in bio」、站外導購頁與第三方工具之間的購物流程，重新收回 Instagram 與 Facebook 的生態系之內。 讓 Reels 與貼文直接變成購物入口，affiliate 工具正式回歸 為了實現上述目標，Meta 首要之務便是重新推動 affiliate marketing。如今，Instagram 創作者可直接從 Reels 中被標記的商品賺取佣金，而 Facebook 創作者也能從 Reels 與照片的標記商品中獲利。 兩大平台的具體玩法略有不同，但核心目標都在於減少對第三方導購工具的依賴。《The Verge》指出，Instagram 與 Facebook 的新功能等同於將購物連結直接融入貼文內容中，藉此切斷一部分對第三方「link in bio」服務的需求。 在 Facebook 方面，創作者可把品牌的 affiliate 帳號與自己的 Reels 及照片綁定，讓商品以可點擊的「浮動泡泡（floating bubble）」形式直接附著在影片或圖片畫面上，讓粉絲能一目了然地選購。至於合作夥伴部分，美國市場將率先由 Amazon 起跑，亞洲部分市場由 Shopee 領軍，隨後也會陸續加入 Mercado Libre、Temu 與 eBay 等平台。不過，Facebook […]

AI 算力戰轉向「記憶體壓縮」：Google 出手發表 TurboQuant 演算法，如何重構 AI 推論成本？

當 AI 產業仍在比拼誰能打造更大模型、更強算力時，Google 正從另一條路徑突圍。近期 Google Research 發表全新演算法 TurboQuant，主打透過極端壓縮 AI 模型在推論過程中的記憶體使用，將關鍵的記憶體需求降低約 6 倍，同時讓注意力計算速度提升最高 8 倍。 這意味著，企業在部署長上下文 AI 應用時，可能不再需要無止境擴充 GPU 記憶體，甚至有機會將整體 AI 推論成本降低 50% 以上。這項技術被部分業界人士如 Cloudflare 執行長 Matthew Prince 形容為「Google 的 DeepSeek 時刻」，象徵 AI 競爭正從堆疊算力轉向拼效率。 AI 推論真正瓶頸：不是算力，而是記憶體 要理解 TurboQuant 的重要性，關鍵在於一個長期被忽視的問題：KV cache。 當大型語言模型處理長文本或多輪對話時，會將每個 token 轉換成向量並暫存在記憶體中，形成所謂的 KV cache。這相當於模型的短期記憶，用來決定上下文關聯。 然而根據《Stark Insider》，問題在於這段記憶會隨著對話長度快速膨脹，直接吃掉 GPU 的 VRAM，導致推論速度下降、成本上升，甚至出現記憶體不足的問題。這也是為什麼企業在部署長文件分析、RAG 系統或 AI 代理等 AI 應用時，往往不得不投入更多 GPU […]