Archives

2026 供應鏈管理趨勢：AI 落地、人才荒與地緣政治，企業該如何重組營運 DNA？

進入 2026 年，供應鏈的不確定性並未消失，但企業所處的位置，已明顯不同於一年前。歷經 2025 年關稅衝擊、全球貿易規則重組與地緣政治升溫，多數企業已從被動應對轉向有準備的調整，開始在動盪中尋找可預期的行動空間。 《Supply Chain Dive》整理出三項關鍵趨勢，點出 2026 年的供應鏈管理，將是一場對決策速度、組織彈性與系統韌性的全面考驗。 AI 賦能供應鏈管理，價值落地成關鍵 AI 仍是供應鏈最受矚目的技術，但 2026 年將是「期待重設」的一年。多數企業已意識到，AI 並非短期內即可全面改變營運的萬靈丹。供應鏈管理協會（ASCM）執行長艾許可納茲（Abe Eshkenazi）坦言，儘管投資規模不斷擴大，但實際回收仍落後於期待。 即便如此，AI 並未降溫，而是進入更務實的發展階段。從需求預測、情境模擬到自動化決策，具備一定自主判斷能力的「代理式 AI」被視為下一波重點，比方說在天氣異常時自動改道運輸，或根據即時需求調整採購訂單，從被動危機管理轉向主動、數據驅動的韌性營運。 然而，多數企業仍卡在實驗階段，真正的挑戰不在技術本身，而在資料整合、流程重設與決策權限的重新分配。正如美國管理諮詢公司科爾尼 （Kearney）全球前瞻負責人 Per Hong 所言：「若營運流程與治理架構無法同步演進，將成為下一個瓶頸。」 勞動力與自動化的結構性矛盾：人仍是最大不確定因素 在倉儲自動化、協作型機器人（cobots）與數位倉庫快速普及的同時，供應鏈卻面臨另一個更深層的風險：人力結構的不穩定。高齡化、勞動力短缺、移民政策收緊，加上對 AI、系統整合與維運能力的高度需求，使「人」從過去的可預期資源，轉變為供應鏈中的戰略性限制。 企業正嘗試將機器人與自動化設備納入統一的數位營運模型，但現實是，能夠維護、優化並理解這些系統的人才嚴重不足。結果形成一種矛盾狀態：自動化程度愈高，對高技能人力的依賴反而愈深，一旦關鍵人才流失，營運風險隨之放大。 因此，2026 年企業一方面加速自動化與流程精簡，另一方面也必須投入更多資源於人才培育與技能升級。供應鏈管理協會（ASCM）便指出，未來競爭力不只取決於是否導入先進系統，而在於企業能否培養具備跨域理解能力的人才，真正「讀懂」AI 與數據背後的營運意涵。 地緣政治驅動，供應鏈管理從效率優化走向存續治理 地緣政治仍是 2026 年供應鏈變化的核心推手。美國總統川普延續其強硬的關稅與產業政策，即便部分關稅權限仍待司法審查，許多產業別關稅與雙邊貿易協議已成既成事實，使企業難以回到過去以「最低成本」為導向的全球化供應鏈模式。低成本、長距離、單一來源的配置正快速退場，取而代之的是更重視風險分散與可控性的結構設計。 Kearney 全球前瞻負責人 Per Hong 指出，未來企業不再是在單一貿易集團內運作，而是必須同時應對多個雙邊或次級貿易架構，這將大幅提高供應鏈的複雜度，也壓縮企業進行長期規劃的空間。在此情境下，供應鏈「多元化」與「區域化」不再只是策略藍圖，而是持續進行中的管理動作。企業開始更頻繁地重新檢視供應商的財務穩定性、地緣政治風險與可替代性，並加大對供應鏈可視性與即時監控能力的投資。 同時，需求面與財務面的壓力同步升高。隨著消費支出降溫與全球債務水位攀升，企業關注的已不只是單一供應商風險，而是整體供應網絡是否具備長期存續能力。為此，壓力測試、庫存與付款條件重設，成為供應鏈規劃重點。 2026 年的供應鏈管理正進入一個結構性轉換階段。AI 技術逐步走向可落地應用，人力與自動化之間的張力持續存在，地緣政治與經濟環境則不斷改寫風險邊界。在這樣的背景下，供應鏈的角色持續前移，深度影響企業的營運穩定性與決策節奏。 立即預約下載【2026 AI 人才年會暨 AI 職涯博覽會】演講精華，掌握 AI 時代人才升級的最前沿趨勢與戰略 ＊本文開放合作夥伴轉載，參考資料：《Supply Chain […]

跨越恐怖谷：為什麼「精準對嘴」是 AI 機器人進入家庭的關鍵拼圖？

當機器人的外觀與行為愈來愈接近人類，我們未必會感到親切，反而可能產生一種難以言喻的不安。這種心理現象被稱為「恐怖谷效應」（Uncanny Valley），至今仍是人形機器人邁向普及的核心障礙。 人類對於臉部動作的敏感度極高。我們或許能容忍機器人走路姿態笨拙、手部動作僵硬，卻對臉部的任何細微失誤毫不寬容。哥倫比亞大學機械工程教授 Hod Lipson 指出，機器人之所以令人感到詭異，主要原因在於說話時嘴唇的動作與聲音不同步。即使是當前最先進的人形機器人，其嘴部動作也僅停留在類似布偶的簡單開合，甚至許多機器人根本沒有臉部設計。 而研究顯示，人類在面對面交談時，將近一半的注意力會集中在對方的唇部動作上。當唇形與語音之間出現哪怕只是瞬間的不匹配，都足以讓人從「願意建立情感連結」轉變為「感到不適」。 隨著人形機器人逐漸進入家庭與工作場域，這種心理摩擦必須被有效降低。也因此，研究者開始重新思考，機器人是否應該「更像人」，還是應該「更像在理解人」？ 從規則控制到觀察學習：唇形同步的關鍵突破 針對這個長期被忽視的問題，哥倫比亞大學創意機器實驗室（Creative Machines Lab）近期發表了一項重要研究，展示了一款能夠學習唇形同步的機器人臉部系統。這項研究的核心突破在於：機器人不是依據預設規則來控制嘴唇，而是透過觀察學習，直接從音訊生成對應的唇部動作。 在硬體層面，研究團隊打造了一張覆蓋矽膠皮膚的機器人臉部，內建 26 個微型馬達，並採用磁鐵連接器實現複雜的唇形變化。這套設計能夠形成涵蓋 24 個子音與 16 個母音的唇形，足以覆蓋絕大多數人類語言的發音需求。 在軟體層面，研究團隊設計了一套學習管道。首先，他們讓機器人面對鏡子，透過數千次隨機的臉部表情與唇部動作，學習自身馬達活動與外觀變化之間的關係。這種方式類似於嬰兒第一次在鏡中觀察自己的臉，逐步建立起「視覺到動作」的語言模型。 接著，研究團隊讓機器人觀看大量人類說話與唱歌的影片，學習人類在發出不同聲音時嘴唇如何移動。最後，一個名為「臉部動作轉換器」（facial action transformer）的模組將馬達指令轉換為與音訊同步的嘴部動作。 這套框架的關鍵優勢在於，它分析的是語言的聲音結構，而非語意內容。Lipson 教授強調，他們刻意避開了語言特定性的問題，直接從音訊映射到唇部動作，系統中不存在「語言」的概念。這使得機器人能夠說出多種語言，包括訓練資料中未曾出現的法語、中文與阿拉伯語。研究團隊甚至讓這張名為 Emo 的機器人臉部演唱了一首由 AI 生成的歌曲。 研究團隊坦承，目前的唇形同步技術仍有改進空間，例如「B」等爆破音與「W」等需要嘟嘴的音素仍有困難。但他們相信，隨著機器人與人類互動的時間愈長、觀察的對話情境愈多，這些能力將持續精進。 研究證實，語言與表情是人機協作的效率關鍵 人類與機器人協作的歷史已相當悠久，但過去的機器人大多以明顯的機械形態存在，例如工廠產線上的機械手臂或家中的掃地機器人。然而，隨著大型語言模型的成熟，科技公司正積極讓機器人具備即時語言溝通的能力，這也讓「人機互動」這門學科愈發受到重視。 因此，語言與臉部表情不只是溝通工具，而是人類判斷信任與協作意願的關鍵線索。2024 年一項來自柏林、涵蓋 157 名受試者的研究發現，機器人透過語言表達同理心與情緒的能力，對於與人類有效互動至關重要。同年，義大利的另一項研究則指出，在複雜的協作任務（如組裝作業）中，機器人的主動語言表達顯著提升了人機協作的效率。 若我們希望機器人在家庭與工作場域中發揮作用，就必須能夠像與人交談一樣與它們對話。Lipson 教授認為，任何需要與人互動的人形機器人都將受益於唇形同步技術。他進一步指出，當唇形同步能力與 ChatGPT 或 Gemini 等對話式 AI 結合時，機器人與人類之間的連結將達到全新的深度。 部分經濟學家預測，未來十年將有超過十億台人形機器人被生產。Lipson 教授斷言，在這個未來中，不可能所有人形機器人都沒有臉。而當它們終於擁有臉時，若眼睛與嘴唇無法正確移動，它們將永遠停留在恐怖谷效應之中。 機器人得要與人相似，卻又不能太像人 不過機器人愈來愈像人類，一個不可迴避的問題隨之浮現：我們是否希望機器人逼真到讓人無法分辨？ 研究團隊對此有清楚的立場。這項技術的目標不是欺騙，而是降低互動時的不適感。Lipson 教授強調，他們必須在獲取效益的同時將風險降到最低。他提出一個具體的設計建議：可以透過外觀設計明確區分機器人與人類，例如要求人形機器人具備藍色皮膚，使其不可能被誤認為真人。 這種設計哲學反映出一種務實的平衡，人形機器人需要足夠像人，才能讓互動自然、讓人願意接納；但它們也需要保留足夠的「非人」特徵，以避免引發身份混淆或倫理爭議。未來的人形機器人設計，很可能會在這條「像人」與「不被誤認為人」的界線上持續探索。 【推薦閱讀】 ◆ FedEx 為何不急著用人形機器人？物流巨頭點名真正需要的是「超級人形」◆ 從搬運工到國家安全節點：人形機器人競賽升級，Foundation 將技術推向地緣政治的火藥庫◆ AI […]

【科技早餐】三大科技巨頭的共識：AI 走出驗證期，開始要交出成績

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊三大科技巨頭的共識：AI 走出驗證期，開始要交出成績 2026 年世界經濟論壇順利落幕，人工智慧（AI）依舊是全場討論焦點，但與前幾年強調模型突破與資本狂熱不同，今年會場氣氛明顯轉向務實。多位科技巨頭高層指出，AI 已走出概念驗證階段，市場開始嚴格檢視其是否真正帶來生產力提升與可持續的商業回報。 NVIDIA 執行長黃仁勳提出了「五層蛋糕」價值框架，包括：能源層、晶片計算、雲端基礎設施、AI 模型、應用層，並指出目前的瓶頸在能源供應與應用落地。微軟執行長納德拉 (Satya Nadella) 則預測，未來企業的核心價值是代理模式 (AI Agent) ，Google DeepMind 執行長哈薩比斯 (Demis Hassabis) 則強調，AI 現階段最大的貢獻在於加速基礎科學研究。AI 的下一階段，將是重塑產業運作方式，而非單純持續堆疊模型參數。 ＊三星搶先交付 HBM4，AI 記憶體戰局重新洗牌 多家外媒引述業界消息指出，三星電子 (Samsung Electronics) 將於 2026 年 2 月率先向 NVIDIA 與 AMD 正式交付第六代高頻寬記憶體 HBM4，並已通過最終品質測試，成為業界首家進入量產與實際出貨階段的供應商。 HBM4 預計將搭載於 2026 年下半年推出的次世代 AI 加速器。業界認為，三星在前一代 HBM3E 競爭中一度落後，此次成功搶跑，代表其製程與良率已回穩，也重新站回 AI 記憶體供應鏈的關鍵位置，對後續產品節奏具有指標意義。 ＊人形機器人進入量產期，中國廠商搶下先機 《彭博》引述研究機構 Omdia 統計數據顯示，全球人形機器人產業正快速邁向商業化階段，2025 年出貨量約 […]

不求脫鉤，但求隨時能逃！歐盟科技主權新戰略：逼雲端巨頭交出切換主控權

歐盟與美國關係日益緊張，潛在的貿易報復與政治壓力，正促使歐洲提出一項過去被認為難以實現的新計畫：擺脫美國科技，轉而採用本土替代方案。美國總統川普近期已撤回「必要時以武力控制格陵蘭」的說法，儘管與盟友爆發軍事衝突的可能性不高，相關言論仍為歐洲政壇與產業界帶來新的警訊。 對歐洲來說，最壞的情境，是白宮透過行政命令，切斷該地區對資料中心或電子郵件系統的使用權，而這些正是企業與政府日常運作不可或缺的工具。歐洲創投公司 Balderton Capital 管理合夥人 Bernard Liautaud 告訴《華爾街日報》，一旦開始出現這種想法，即使還未發生，也必須開始盤算該怎麼辦，而要歐洲在短期內脫離美國科技，幾乎難以想像。 依賴已成結構，雲端市場成最大痛點 事實上，在近日舉辦的世界經濟論壇上，歐美科技脫鉤的可能性，已成為產業界與政治圈關注的焦點。許多與會者指出，美國科技的影響範圍涵蓋晶片、雲端服務、AI 模型與企業軟體等多個層面，使得「脫鉤」成為一項極為複雜的任務。其中，雲端服務被視為最關鍵的依賴環節。 根據市場研究公司 IDC 數據，2024 年歐洲客戶在雲端基礎設施服務上的支出，有高達 83% 流向了亞馬遜（AWS）、Google 與微軟等前五大美國供應商，總額接近 250 億美元。換言之，歐洲現在談脫鉤，不是把某個工具換掉而已，而是要面對一整套雲端、資料、資安、AI 工作負載與企業軟體整合在美系生態系中的現實。 因此，歐洲目前的策略，更偏向建立可切換能力與備援路徑，而非立即全面替換，並力求將關鍵控制權保留在區域內部。 主權雲加速，公共採購成政策槓桿 在政策端，歐洲議會近期通過了「科技主權」相關決議，支持在公共採購上優先選擇歐洲供應商，並立法扶植本土雲端與 AI 供應商。德國總理 Friedrich Merz 於 11 月主辦了數位主權峰會，力主放寬歐盟科技法規；法國總統馬克宏則在會中疾呼應全力培育歐洲自己的科技冠軍，並強調此舉是為了拒絕成為大國的附庸。 《華爾街日報》引述知情人士消息報導，自從川普連任以來，歐洲官員已要求部分美國雲端服務供應商，確保其能源等關鍵產業的客戶，一旦因美國採取行動導致服務中斷，要能迅速地將資料中心基礎設施轉移至本土供應商。 美系雲端業者的在地化回應 在實作上，微軟、Google、亞馬遜都在強化主權雲，或提供可由歐洲在地控制的部署選項。像是微軟近期在德國擴大與 SAP 旗下 Delos Cloud 的合作，讓微軟的服務可在歐洲企業自主持有與管理的架構下運作。相關人士指出，微軟在過去一年已重組歐洲子公司，設立全由歐洲人士組成的董事會，並陸續建立在地據點，以回應歐洲市場對於更在地化雲端與 AI 服務的需求。 亞馬遜近期推出由歐盟公民營運、基地在德國的主權雲服務。Google 近年也在多個歐洲國家採取與本地業者合作的模式，包含在法國建立由當地企業完全營運的合資安排，讓歐洲客戶在政治風險升高時，仍可維持資料與營運的主控權。 不過，各國政府並未要求採用完全國產化的科技體系，Google 前歐洲、中東與非洲業務負責人 Matt Brittin 認為，原因在於歐盟仍希望享有跨國合作帶來的規模與技術優勢。他指出，各國政府追求的並非全面切割，而是在維持開放合作的同時，取得更高程度的風險掌控力，以及在資料與系統層面的安全與保障。 整體而言，歐洲對美國科技的擔憂，已從抽象的數位主權口號，轉為更具體的斷鏈演練與備援部署。這未必意味著全面脫鉤，但顯示歐洲正在將可移轉性、可替代性、可在地控制的能力，列為數位基礎設施的新指標。 立即預約下載【2026 AI 人才年會暨 AI 職涯博覽會】演講精華，掌握 AI […]

人形機器人效率不到人類 50%，企業為何仍瘋狂搶進？從效率、部署到競爭一次拆解

儘管人形機器人被視為未來的勞動力解方，但在現實工廠中，它們的表現仍有極大的進步空間。近日，中國人形機器人製造商優必選（UBTech）首席品牌官譚旻直言，優必選最新的 Walker S2 機器人在工廠實際作業中的效率，最多僅達人類工人的 30% 到 50%，顯示出人形機器人若要真的全面取代人力，還有很長一段路要走。 然而，這並未讓企業放慢布局腳步。從車廠、電子代工廠到航太製造商，不少企業仍選擇提前導入或測試人形機器人，只為避免在新一波自動化競賽中落後對手，這也讓人形機器人的發展關鍵，不再只是單一效率指標，而是必須同時從效率現實、部署挑戰與產業競爭三個面向來理解。 效率面：人形機器人仍難追上人類 優必選坦言，現階段人形機器人技術仍存在明顯侷限，以 Walker S2 為例，目前僅能在堆疊箱子、品質檢查等高度標準化的任務中發揮效益，整體產出仍明顯落後於人類工人。 至於造成效率差距的關鍵，在於人形機器人硬體與控制系統的高度複雜性。相較於固定在生產線上的傳統工業機械臂，人形機器人需要獨立供電，並具備更多可動關節，使硬體設計與能源管理難度大幅提升。 分析師普遍指出，人形機器人必須在動態環境中進行決策、感知周遭環境並協調複雜動作，這些高層次挑戰都是傳統自動化設備較少面對的難題。面對這些現實限制，優必選為 Walker 機器人設定了相對務實的中期目標：計畫在 2027 年將效能提升至約人類的 80%。大和資本市場（Daiwa Capital Markets）分析師 Kelvin Lau 也認為此目標是可行的，因為機器人無需休息，這樣的效率在工廠已足夠。 部署面：資料不足與安全風險是兩大挑戰 儘管人形機器人的效率尚未達到理想狀態，企業的實際部署行動已經如火如荼展開。優必選表示，公司已在 2025 年達成交付 500 台人形機器人的目標，並計畫在 2026 年底前，將產量大幅提升至 1 萬台。這顯示即使技術仍處於持續優化階段，企業已開始進行小規模的實際部署與場域測試。 然而，這條商業化之路並非坦途。研究機構 Interact Analysis 的研究員 Marco Wang 指出，目前外界看到的許多部署案例，多半仍屬於概念驗證（PoC）或展示層級，且多集中在中國政府贊助的研究中心，距離真正的商業化運作仍面臨諸多挑戰。 例如在資料層面，訓練人形機器人高度仰賴大量真實世界數據，但這類數據的蒐集過程既緩慢又成本高昂。此外，機器人在學習新任務時，仍容易出現所謂的「災難性遺忘」現象，也就是新取得的訓練資料可能覆蓋既有知識，導致原本已掌握的技能逐漸流失。第二是安全風險的提升，不同於傳統工業機械臂在發生異常時多半只需停機處理，人形機器人一旦出現電力耗盡或失去平衡的情況，可能直接倒塌，對周遭人員或設備造成傷害，使其在高度人機協作的場域中成為不可忽視的安全隱憂。 因此，為了縮短從展示走向實戰的距離，「實體人工智慧」（Physical AI） 正成為人形機器人發展的核心方向。這代表人形機器人不再只是一個執行程式的設備，而是結合自主決策能力與硬體感知，嘗試在更動態、不可預測的環境中完成任務。 目前特斯拉（Tesla）即是採取此一高難度路徑的代表。特斯拉選擇在自家工廠內部訓練 Optimus 人形機器人，並計畫在德州奧斯汀的超級工廠擴大訓練規模。為了克服數據不足的問題，特斯拉採用「模仿學習」策略，讓人類訓練員穿戴帶有攝影機的頭盔與重型背包，錄製整理零件等動作供機器人模仿。儘管馬斯克（Elon Musk）坦承 Optimus 的生產速度「極其緩慢」，且目前仍需與一般工人隔離以避免干擾，但這種在實際場域中「邊部署、邊學習」的策略，也被視為累積關鍵數據、提升機器人泛化能力的必經過程。 競爭壓力面：即使人形機器人技術尚未完全成熟，企業也不能缺席 如果效率不高、部署過程又挑戰重重，為何企業還要擴大人形機器人布局？答案在於競爭焦慮。優必選首席品牌官譚旻直言：「你可以想像，如果特斯拉擁有將自家人形機器人部署到生產線的優勢，那就意味著比亞迪可能落後了。」這種先卡位、先累積經驗的心理，成為企業即便面對效率不足，仍加快導入人形機器人的重要推力，因為製造商擔心一旦競爭對手率先掌握了自動化優勢，自己將面臨被市場淘汰的風險。 同時，這場競賽不只是技術問題，也牽涉到勞資與人機協作的關係。例如現代汽車（Hyundai）計畫於 […]

實戰掌握如何建構電路高可靠系統！立即報名安馳科技主辦的 3/10-12【ADI 次世代訊號鏈設計量測工作坊】

無論您是資深工程師，還是渴望精進技術的研發人員，亞德諾半導體（ADI）與安馳科技（Macnica Anstek）在 3/10-3/11 （台北）、3/12 （高雄）主辦的「ADI 次世代訊號鏈設計量測工作坊」，都將爲您的設計流程帶來全新視野與效率提升！ 在追求極致效能的電子設計中，「訊號鏈」（Signal-Chain）設計完整性是決定系統成敗的關鍵。從感測器端的雜訊處理、濾波器的頻寬取捨，再到精密 ADC 的驅動匹配等，每一個環節都不容忽視。  這場「訊號鏈設計實作坊」，特別邀請 ADI 精密訊號鏈技術團隊親自授課，並規劃「觀念解析」與「實機操作」雙軌並行的紮實課程，帶您掌握如何運用 ADI 原廠軟體、開發板，以及 M2K 學習模組等應用工具加速設計流程，將理論轉化為可視化的數據驗證。  🔥報名並出席工作坊，就有機會把 Nescafe Dolce Gusto 膠囊咖啡機、Apple HomePod mini、ADALM2000（M2K）主動學習模組、價值新台幣 50 元的 7-11 商品卡等好禮帶回家>>https://supr.link/kWtOu 免費報名

AI 開源代理 Clawdbot（已更名 Moltbot）爆紅！橫掃 GitHub 9,000 星，和 ChatGPT 有何不同？

一款名為 Clawdbot （編按：後因 Anthropic 提起法律訴訟而被迫更名為 Moltbot）的開源 AI 代理，近幾週在 AI 社群迅速竄紅。這款由知名開發者 Peter Steinberger 於 2025 年底發表，以逗趣龍蝦為吉祥物的專案，最初只是個人項目，卻在短時間內於 GitHub 累積超過 9,000 顆星，成為開發者與技術愛好者的新焦點，甚至被視為「個人 AI 助理未來的發展方向」。 與市面上常見的 ChatGPT 或 Claude 等雲端 AI 服務不同，Moltbot（原名 Clawdbot）是一套運行於使用者本地端（例如 Mac mini、Raspberry Pi 或舊筆電）的 AI 代理系統，並能可透過 Telegram、WhatsApp 或 iMessage 等即時通訊軟體與使用者互動。 例如，當使用者在外用手機傳送訊息提出需求時，訊息會轉交後端設定的 AI 模型，模型回傳指令後，再由本地端系統負責執行檔案讀取、瀏覽器操作或程式撰寫等任務。由於系統長期運作、無需反覆登入，Moltbot 甚至能記住幾天前的對話。舉例來說，週一告訴它你的簡報發表計畫，系統到了週三可能會主動幫你寫內容。 Moltbot 的架構由四個核心元件組成。首先是負責處理訊息連線與排程的「閘道器」（Gateway），接著是負責運行 AI 模型的「代理」（Agent），再來是用來擴充代理功能的「技能」（Skills），以及用於跨工作階段維持上下文狀態的「記憶」（Memory）。《MacStories》指出，對於追求高度客製化與隱私的用戶來說，Moltbot 代表了新一代可塑性強、個人化且適應性高的終極軟體體驗。 與 ChatGPT 的 5 大關鍵區別 整體來說，Moltbot 之所以能引發熱潮，關鍵在於它突破了傳統消費級 […]

美國成最大外銷市場、AI 投資續熱：台經院揭 2026 台灣經濟成長率有望破 4% 的三大動能

「我們認為今年在 AI 熱度持續不減、關稅問題逐步淡化、內需回溫這三大因素加持之下，台灣經濟成長率可能會到 4% 以上，」台灣經濟研究院在今（1/26）發布「115 年度元月份國內總體經濟預測暨景氣動向調查報告」，台經院景氣預測中心主任孫明德表示，2026 年 1 月國際政經情勢已經發生很多變化，例如委內瑞拉、伊朗、格陵蘭等地的事件，都讓整個金融市場波動非常劇烈，不過在經濟層面，2026 年台灣有機會比去年要好很多。 美國相對穩健、歐中日分歧加劇，地緣政治成關鍵變數 孫明德引用主要國際預測機構的最新報告，指出今年全球經濟成長動能普遍趨於保守，包括 S&P Global、世界銀行與聯合國在 1 月公布的預測，均指出今年全球經濟成長率大致落在 2.7% 左右，多數略低於去年水準，顯示整體經濟表現以持平或小幅放緩為主。 同時，各主要經濟體的表現分歧明顯：美國因減稅政策與貨幣環境相對寬鬆，經濟表現相對穩健；日本正在面臨提前大選的不確定性，因此政策能否順利推動，仍需等待 2 月 8 日選舉結果揭曉；至於中國同時承受內需競爭加劇的「內卷」壓力，以及出口價格偏低帶來的「外卷」挑戰；最後，在歐元區方面，原本寄望烏俄戰爭結束帶動復甦，但地緣政治風險仍持續升溫，讓各國在貿易戰暫歇後，仍須面對新的結構性挑戰。 在全球經濟走勢與區域分歧之外，匯率變化也成為另一項需要留意的外部變數。孫明德分析，2026 年 1 月美元的實質有效匯率出現較明顯的回升，相較之下，日圓持續走弱，歐元則大致維持持平走勢。令人意外的是，人民幣自去年 12 月以來一路升值至今年 1 月，呈現與其他主要貨幣不同的走勢。「所以國際的貨幣走勢，尤其在東亞有強有弱，這兩天好像美國跟日本似乎也對日圓有一些希望能干預的動作，這點要特別小心，」孫明德提醒，當國際經濟情勢不穩定、金融局勢不穩定的時候，亞洲貨幣就要特別小心對美國強與弱的情況。 美國躍升最大外銷市場，台灣呈現「金髮女孩經濟」樣貌 在出口與投資表現方面，台灣去年展現出相對突出的韌性。孫明德指出，台灣外銷成長表現明顯優於多數國家，整體來看並未受到對等關稅的顯著衝擊。從出口結構切入，資通視聽產品目前已占出口比重約 40%，電子產品占約 35%，合計約四分之三的出口集中於電子相關產業。相較之下，傳統產業表現較為分歧，其中機電產業因受惠於 AI 應用需求而表現亮眼，其餘未直接搭上 AI 動能的產業，復甦步調則相對緩慢。 市場結構方面，「美國已經成為台灣最大的外銷市場，」孫明德表示，目前美國的重要性已經超過中國與東南亞，這也被視為去年台灣經濟能夠逆勢表現的關鍵因素之一。 隨著出口動能增加，也同步帶動企業擴大資本支出，像是許多廠商因為加速購置設備與擴建廠房，使得去年全年投資大幅成長，並進一步帶動與投資相關的不動產市場表現轉強。相較之下，內需消費則是 2025 年相對偏弱的一環，零售銷售在不含汽車的情況下仍有成長，但受到汽車進口關稅調整時程影響，整體消費動能一度承壓。 不過，孫明德也指出，隨著相關稅制與政策逐步定案，對 2026 年內需消費可望形成正向支撐。此外，儘管經濟成長動能強勁，台灣物價自去年下半年以來仍大致維持在 1.5% 以下，呈現成長與物價相對平衡的狀態，屬於經濟處於高速增長，卻擁有比較低通貨膨脹率的典型「金髮女孩經濟」。 製造業信心回升，三大因素讓台灣經濟成長率可望超過 4% 在製造業廠商信心方面，台經院調查顯示，製造業景氣看法已明顯轉向樂觀。與上月相比，看好當前景氣的比例增加約 10%，對未來半年的景氣展望也進一步上升約 12%。 孫明德說明，基於企業信心改善與內需逐漸回溫，台經院也同步上修今年的整體經濟預測，較去年 11 […]

AI 代理走入企業流程之前，組織真正該擔心的隱形風險是什麼？

新一代 AI 代理已能代表組織做出判斷、觸發行動，甚至直接存取系統與資料。對企業而言，這不只是效率工具的升級，而是一場牽動治理、安全與組織結構的深層轉變。 問題在於，多數企業準備的速度，明顯落後於技術演進。當 AI 代理開始被視為「數位員工」，能夠自動完成任務時，許多原本被忽略的結構性風險與錯誤，也正同步被放大。 從聊天機器人到可行動代理，企業常誤判風險等級 第一個普遍存在的誤判，是將 AI 代理視為聊天機器人的進階版。表面上，兩者同樣建立在大型語言模型之上，能以自然語言互動；但實質差異在於，AI 代理不只回應資訊，而是具備規劃與執行能力，能夠連接第三方服務、調用 API，完成多步驟任務。 這個差異一旦被忽略，風險等級就會被嚴重低估。聊天機器人頂多回錯資訊，但一個被賦予行動權限的代理，可能直接發起交易、修改紀錄，甚至干預整個流程。不少企業在尚未定義清楚代理角色、權限與審批流程前，就讓其介入客服退款、採購、帳務或內部系統操作，結果導致過度部署、應用失控。 正因如此，越來越多企業開始回頭檢視自身的人工智慧政策是否涵蓋「可行動代理」這種新型系統，並嘗試在身分與存取管理（IAM）中，為代理定義清楚的角色、權限邊界與核准機制，而非沿用過去針對模型或工具的管理邏輯。 過度自動化與錯置信任，是最先發生的失誤 第二個錯誤，來自對完全自主的過度期待。研究顯示，目前由人類與 AI 代理組成的人機混合團隊，在準確性與穩定性上，仍明顯優於全自動代理系統。然而在實務中，不少企業為了追求效率，急於讓代理「全權負責」，反而忽略其決策品質仍高度仰賴人類校正。 當 AI 代理缺乏人工監督與回饋機制，其底層模型的幻覺問題與推理偏誤，往往會在自動化流程中被快速放大。錯誤不僅無法即時被發現，還可能透過流程串接形成連鎖反應。這也是為什麼，愈來愈多組織在風險管理框架中，開始單獨標示「代理型 AI」的風險類別。 若缺乏對每一個代理用例的風險可視性，AI 代理反而會成為組織內部最難被理解、也最難被控管的黑盒子。 資料與安全基礎不足，會讓代理變成風險放大器 第三個關鍵誤區，在於資料與安全準備的落差。市場分析指出，未來數年內，將有大量企業 AI 專案因資料不具備「代理可用性」而中止。多數企業的資料仍高度分散於不同系統，缺乏一致結構與可被機器理解的索引方式，使 AI 代理即便具備推理能力，也難以建立可靠的工作流程。 更棘手的是安全風險。與僅處理資訊的 AI 應用不同，AI 代理往往具備系統存取權，能以「虛擬員工」身分行事。一旦遭到提示注入、權限濫用或憑證外洩，影響範圍將遠超傳統 AI。這也迫使企業重新檢視零信任原則是否真正落實到代理身上，包括輸入與輸出防護、第三方代理與內部資源的互動限制，以及行為稽核與異常偵測機制。 在監管層面，隨著 GDPR、產業別法規與各國 AI 專法逐步成形，完全自動化決策的合法性與可解釋性，也正成為企業必須提前面對的問題。許多組織選擇採取保守策略，預設人工監督、資料保護與公平性將成為基本要求，以避免未來付出高昂的合規調整成本。 忽視人力與文化衝擊，會削弱組織長期承受力 除了技術與治理，最後一個經常被低估的錯誤，是忽視 AI 代理對人力與組織文化的衝擊。AI 代理帶來的並非單純的效率提升，而是工作責任與決策權的重新分配。當企業未清楚說明代理將負責哪些任務、人類角色如何轉變，員工的不安與抗拒便會迅速累積。 調查顯示，對被 AI 取代的焦慮，已開始影響員工對企業決策的信任程度。若企業在推動代理時缺乏溝通與轉型設計，即使技術部署成功，也可能因文化摩擦而削弱整體成效。 這也是為什麼，愈來愈多組織在代理試點階段，開始同步盤點內部是否具備 AI 安全、威脅建模與治理能力，並補齊相關技能落差，而非只投資技術本身。 AI 代理的關鍵不在模型，而在治理能力 綜合來看，企業在導入 AI 代理時最致命的風險，並不來自模型選型或技術成熟度，而是過早放權、過度自動化，以及治理、資料與人力準備的缺位。 […]

從 RAG 蛻變重生到 PostgreSQL 崛起，資料領域 6 大變革正瞄準企業 AI

當世界正式進入 AI 代理時代，資料產業的各項基礎設施，也將面臨前所未有的劇變，其演化速度甚至將更勝以往，其中 6 大數據變革將徹底瞄準企業 AI。

【科技早餐】OpenAI 靠 API 撐起成長引擎：一個月新增 10 億美元年度經常性收入

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊OpenAI 靠 API 撐起成長引擎：一個月新增 10 億美元年度經常性收入 OpenAI 執行長奧特曼（Sam Altman）近日表示，OpenAI 在短短一個月內，年度經常性收入增加超過 10 億美元，而主要動能並非來自 ChatGPT，而是 API 業務。透過 API，企業與新創能將 OpenAI 的模型直接嵌入自家產品，從內部工具、程式開發到專業服務，逐步把 OpenAI 變成 AI 基礎設施供應商。 奧特曼指出，包括 AI 搜尋新創 Perplexity、法律科技公司 Harvey 等，都以 OpenAI 模型作為核心架構。面對高昂的運算與資料中心成本，OpenAI 也開始測試廣告與模型授權分潤模式。財務長弗里亞（Sarah Friar）更提出，未來若客戶透過授權模型在藥物開發等領域成功商轉，OpenAI 將可抽取銷售分成，顯示其商業模式正持續擴張。 ＊特斯拉 Robotaxi 跨出關鍵一步：奧斯汀啟動無人監控乘車服務 特斯拉（Tesla）正式在美國德州奧斯汀啟動不需車內人類安全監控員的 Robotaxi 乘車服務，象徵其自動駕駛商業化邁入新階段。執行長馬斯克（Elon Musk）表示，這是特斯拉在真實世界 AI 問題上的重要里程碑。 特斯拉自動駕駛計畫負責人 Ashok Elluswamy 指出，初期將採「有監控與無監控混合運行」，逐步提高比例。相較之下，Alphabet 旗下 Waymo 已在多座城市提供每週約 45 萬趟付費自動駕駛服務。特斯拉能否在僅靠攝影機的技術路線下，兼顧安全與規模化，仍有待市場與監管檢驗。 ＊馬斯克首度現身達沃斯：預言機器人將超過人類 […]

從學 AI 到用 AI，新北首屆「AI 實戰職涯營 Demo Day」成果亮相

為展現青年將 AI 技術應用於職涯與產業情境的成果，新北市政府青年局今（24）日辦理首屆「2025 AI Practitioner Program（AI 實戰職涯營） Demo Day」，20 名菁英學員在歷經 3 個月的密集培訓後，發表聚焦求職輔助、職能探索與品牌經營的 AI 應用成果，展現青年從真實需求出發，將學習成果轉化為可驗證、可落地，並具市場延展性的解決方案。 新北市青年局長邱兆梅表示，AI 已是不可或缺的關鍵能力，除了理解技術原理，更需要有實務應用能力。因此，首次的 AI 實戰職涯營以實作為核心，希望培養不只是懂 AI 而是能用 AI 創造價值的人才。這次的 Demo Day是學員運用 3 個月所學包含 AWS 國際證照培訓、實務課程與專案管理等內容，打造具體可行的 AI agent 應用成果，希望藉由 Demo Day 的辦理，讓學員有更多與產業交流、被產業看見的機會，也進而開啟職涯的更多可能。 新北市青年局表示，4 組團隊提案均善用所學 AI 技術打造解決方案，像是「JobSpark」團隊以「AI 職缺戰情室」分析使用者薪資區間與能力缺口，並提供個人化趨勢洞察與職缺推薦；「SkillBridge」團隊則以「新鮮人職場優勢探索平台」協助青年盤點自身優勢，藉由 AI 一鍵生成履歷與面試重點，降低求職的不確定感。 「AlterEgo」團隊開發「數位影響力 AI 代理人」，讓文案可一鍵發布並自動轉換符合各社群平台的風格版本，將大幅提升內容經營效率；「BrandMate」團隊打造「AI 個人品牌教練」，切入自媒體經營痛點，結合品牌經營儀表板，協助使用者即時掌握經理營成效。 參訓學員陳攸揚表示，新北 AI 實戰職涯透過跨領域的組隊培訓，促進不同專業的學員交流，並透過系統化課程與導師陪跑制度，強化專案實作與落地能力。團隊也在合作過程中，建立專業互補的夥伴情誼。陳攸揚說，課程結束後，團隊也將繼續合作組隊參加相關競賽，持續發揮青年的 AI 應用力。 新北市青年局表示，本次 Demo Day 更邀請 NVIDIA […]

【Google 2026 網路安全預測報告】資安長的關鍵難題：誰來監管 AI？治理失控將比外部攻擊更早發生

在 AI 代理快速滲透企業日常的同時，網路攻防的規則也正被徹底改寫。由 Google 發佈的《Cybersecurity Forecast 2026》報告，從攻擊者與防禦者雙重視角出發，描繪 2026 年企業將面對的真實威脅樣貌：影子代理失控、提示注入成真，代理式 SOC（AI 驅動的安全營運中心，Security Operations Center）與鏈上犯罪經濟的崛起。報告揭示的不只是趨勢預測，更指引企業如何在 AI 時代重建安全邏輯。 📌 這份報告適合誰閱讀？ 這份報告協助不同職能角色，從傳統防禦轉向 AI 安全設計，以因應自動化犯罪與國家級駭客威脅，特別推薦以下讀者閱讀： 🔴 報告洞見 2026 年標誌著 AI 代理時代的全面來臨，攻擊者不再只利用 AI 生成釣魚郵件，而是部署能自動執行攻擊鏈的代理系統；相對地，防禦者也將轉向「代理式 SOC」，由 AI 承擔第一線的分析重任。以下摘要拆解資安工作者將面臨的轉型挑戰與應對策略。 💡 影子代理失控：企業內部治理已先於外部攻擊崩解 報告預測，到了 2026 年，影子 AI 將升級為更棘手的「影子代理（Shadow Agent）」危機。 這意味著員工不再只是私下使用 ChatGPT 查詢資料，而是獨立部署具備自主執行能力的 AI 代理來處理工作任務，且完全繞過 IT 部門的審批。這些不受控的代理將成為企業內部的「隱形管道」，極可能在毫無察覺的情況下，將敏感數據外洩或違反合規要求。 然而，報告強調「全面禁止」並非良策，因為那只會讓活動轉入地下。領導者必須建立全新的 AI 安全與治理紀律，採用安全設計的方法，既允許創新，又能監控所有代理的流量與行為。 在外部威脅方面，勒索軟體的經濟破壞力將達到新高。數據顯示，僅在 2025 年第一季度，數據洩漏網站上列出的受害者數量就達到了 2,302 家，創下歷史新高。 當企業內部治理失控時，外部攻擊者也正同步調整目標，轉向能放大經濟衝擊的關鍵節點。攻擊者現在鎖定的是供應鏈中的關鍵節點（如零售與食品批發商），造成的經濟損失高達數億美元。這意味著資安投資不能只看自身的防禦，還必須評估供應商的韌性。 此外，地緣政治下的網路攻防正出現結構性轉變，企業已難以用單一防禦邏輯，應對不同國家行為者：俄羅斯正從戰場導向的即時支援，轉為對北約與歐美國家進行長期情報蒐集、選舉干預與輿論操控；中國則持續維持高強度運作，聚焦半導體、邊緣設備與第三方供應鏈，透過長期潛伏累積戰略優勢；至於伊朗與北韓，前者刻意模糊間諜活動與破壞性攻擊的界線，後者則結合加密貨幣攻擊與人員滲透企業內部，進行系統性的資金與技術掠奪。 💡 資安職能進化：「警報疲勞」到「指揮 […]

OpenAI 低調重返機器人戰場：不畫時程、不談產品，AI 巨頭在打什麼算盤？

在沉寂多年後，OpenAI 正低調重返機器人領域。這家 AI 巨頭曾於 2020 年解散最初的機器人團隊，但近來重新啟動機器人相關研究，並在舊金山一間未對外公開的「秘密實驗室」中集結研發資源，嘗試推進能將 AI 延伸至實體世界的具身智慧（Embodied AI）。 OpenAI 這次重返機器人領域，並沒有談產品與上市時程，而是將重心放在人形機器人所需的基礎能力上，在內部悄悄擴大研究規模，顯示策略仍停留在研發初期階段。知情人士透露，公司內部同時推進多個硬體相關項目，機器人就是其中之一，但這些專案目前仍屬早期開發，尚未成為 OpenAI 的核心任務。 英國雪菲爾大學（University of Sheffield）機器人專家 Jonathan Aitken 也直言，從技術角度來看「仍處於非常早期的階段」。也正因如此，OpenAI 目前的機器人研究，重心並不在成品展示，而是回到最基礎的資料與能力累積。 秘密實驗室在做什麼：用機械臂大量收集真實世界資料 《Business Insider》報導，OpenAI 的機器人實驗室目前主要工作，是讓人類操作員透過遙控方式控制機械手臂，執行折衣服、烤吐司等日常家務，以蒐集訓練所需的操作資料。實驗室現階段約僱用 100 名資料收集員，採全天候三班制運作，操作員透過所謂的「遙控操作」（teleoperation）教導機械手臂完成各項任務，攝影機則同步記錄人類與機器人的動作，並以能產生多少小時的「有效功能性數據」作為績效評估標準。 《Tekedia》進一步指出，雖然 OpenAI 的機器人實驗室內展示了一款被形容為「類似 iRobot」的人形機器人，但實際研發重心並不在完整人形系統，而是集中於單一機械手臂與資料蒐集流程，因為現階段 OpenAI 的核心目標在於透過機械臂進行大規模資料採集，而非推進全機整合的人形機器人開發。 為了降低資料蒐集成本並加快擴張速度，OpenAI 也開發並使用一套名為 GELLO 的低成本遙控裝置。這是一種以 3D 列印製作的控制器，操作員手持該裝置即可直接映射並控制 Franka 機器人的動作。這套設計源自加州大學柏克萊分校於 2023 年發表的一項研究，相較於競爭對手採用昂貴的動態捕捉套裝或 VR 頭戴裝置，GELLO 能以更低成本，將人類手部動作更直接地轉換為機器人操作指令。 與 Tesla 公開量產節奏形成對照，OpenAI 選擇更慢的一條路 在 OpenAI 採取低調研發策略的同時，另一條人形機器人路線則選擇更為公開的節奏。Tesla 執行長馬斯克（Elon Musk）近日在世界經濟論壇年會公開表示，Tesla 計畫在 […]

比 Blackwell 快 50 倍？晶片新創 Neurophos 獲 1.1 億美元融資，用光打破摩爾定律

在全球 AI 算力需求持續飆升、資料中心能源壓力不斷攀高之際，晶片新創 Neurophos 正試圖用光取代電的方式，為 AI 運算帶來突破，近日更宣布完成一輪由比爾蓋茲創投基金 Gates Frontier 領投、高達 1.1 億美元的 A 輪融資，參與融資的還有微軟創投部門 M12、沙烏地阿拉伯 Aramco Ventures、Bosch Ventures 等機構。 Neurophos 的核心創新：超表面調變器 Neurophos 共同創辦人暨執行長 Patrick Bowen 指出，AI 產業已無法再等待摩爾定律來追趕爆炸性的算力需求。對此，Neurophos 端出的解決方案是一種全新的 AI 加速晶片：光學處理單元（Optical Processing Unit，OPU）。 相較於 GPU 依賴電子來傳輸資料，OPU 主要以光子進行運算與傳輸。理論上，光學運算具備熱量低、傳播速度快、受溫度與電磁場變化影響較小等優勢。但傳統光元件通常比矽元件大、難以大規模量產，且通常需要體積龐大、高功耗的數位與類比轉換器，成為實用化的主要障礙。 對此，Neurophos 認為其開發的「超表面調變器」（metasurface modulators）能解決這些問題，因為該元件體積比傳統光學電晶體小 10,000 倍。Neurophos 表示，透過在單一晶片上整合數千個這類調變器，其所打造的 OPU 在運算速度上，明顯優於目前 AI 資料中心大量使用的 GPU，同時在推論效率方面也更加出色。 舉例來說，Neurophos 聲稱其 OPU 晶片性能已超越 NVIDIA 的 B200 AI […]

AI 工具人人會用，誰能在新世代強勢生存？東海大學用「Learn to Innovate」革新教育，打造無可取代競爭力

生成式 AI 逐漸成為日常基礎能力，從影像、文字到研究與決策輔助都可看見它的身影。不過 AI 技術全面普及後，企業面對的問題也逐漸浮現。根據 Boston Consulting Group (BCG) 2025 年報告，在 1,250 家企業中，只有約 5% 的公司能從 AI 投資中實際獲得顯著價值，大多數仍看不到明顯的營收或效率提升，顯示單純部署工具並未轉化為競爭力。McKinsey《2025 年 AI 現狀報告》也指出，截至 2025 年約 88% 的企業至少在一個業務環節導入AI技術，卻只有 39% 的公司因此產生顯著價值增長，而多數企業仍停留在試驗或初步採用階段。這些數據反映出：若僅會使用 AI 工具，並不能為職場帶來絕對優勢，因此，AI 世代下的核心競爭力，將不再止於掌握資訊或操作技術，而在於能否提出新方法、驗證新思路並創造價值。 東海大學副校長張嘉修表示，AI 時代的教育關鍵在於理解人與 AI 的角色分工，並在其上做出創新。他認為 AI 的強項是分析、記憶與整合，而人類的價值在於提出問題、作出判斷與承擔責任，也因此，東海大學響應大渡山 – 東海人工智慧中心提出「學以創新 Learn to Innovate」理念，將創新視為大學生的底層能力，而非技術附加品，「對東海而言，真正的 AI 素養不是會操作工具，而是能在工具普及後仍具備定義問題、設計實驗與產出新解的能力，並把這種創新思維內化為行動方式。」 科技報橘社長戴季全觀察，生成式 AI 普及後，企業對人才的期待已與過去不同，工具操作技能的優勢逐漸消失，能否與 AI 協作、提出方法與創造解方，成為新的評估標準，許多美國科技與顧問產業開始調整初階職位的配置，有一部分的例行工作已經開始由 AI 完成，「未來企業獵才會側重三項特質：具備學習能力、協作能力與承擔能力的人。」他進一步解釋，學習能力決定能不能跟上迭代，合作能力決定能不能與 AI 及他人共創，負責任能力則會決定團隊對個人的信賴程度。 東海大學將「主導 AI」列為教學主軸 企業對於人才需求急遽轉變，同時衍生出教育新課題。張嘉修認為現代大學不只要教會學生操作 AI，更要讓學生理解自身在 […]

金管會主委彭金隆：致力在確保金融穩定前提下，為台灣金融科技創新保留足夠空間

穩定幣的快速普及對金融業帶來的變革力量不容忽視，以穩定幣為核心的新金融體系正在快速形成，直接促使既有銀行的角色產生轉變。同一時間，AI Agent 技術正以前所未有的速度，再造金融業的資產管理、行銷營運、保險理賠等每一個場域。在 TechOrange 科技報橘今（1/23）日舉辦的「科技風暴金融高峰論壇」，連結頂尖產業夥伴，深度解析穩定幣與 AI Agent 這兩股科技力量的結構性影響與應對策略。 「我們致力在確保金融穩定與消費者權益的前提下，為台灣金融科技創新保留足夠空間，」金管會主委彭金隆蒞臨論壇致詞時強調，面對全球虛擬資產發展趨勢，金管會始終秉持「友善但謹慎」的原則，以「不躁進、絕不落後」的態度面對監理挑戰。 因應國際金融趨勢變化，金管會早已啟動相關準備，並在去年 6 月將虛擬資產服務法專法草案送行政院審查，該專法參考歐盟、美國、日本及新加坡等規範，特別將「穩定幣發行與管理」納入專章，若法案順利通過，將成為台灣發展穩定幣應用與發行的重要突破。 至於在金融業 AI 技術落地，金管會藉由發布「金融業運用人工智慧（AI）之核心原則及政策」 ，依比例原則及以風險為基礎，訂定金融業宜注意事項，導引金融業運用可信賴 AI，發展更貼近民眾需求的金融服務，目標深化普惠金融價值。 剖析穩定幣對金融業帶來的變革力量 「2026 年迎來雙引擎金融革命，」台灣金融科技協會理事長王儷玲表示，由穩定幣驅動的價值代幣化，正在重塑金融資產與基礎設施，將「支付清算」從後台流程轉變為可編程的市場基礎；另一方面，AI Agent 驅動智能自動化，不僅根本性地改變金融流程與決策，也將人類指令從對話輔助，躍升為具備行動能力的自主代理。 穩定幣作為可程式貨幣，帶來的核心變革不在於「幣」，而是「清算」與「資金調度」，其可程式化的特性讓合規流程高度自動化，甚至可以降低成本。王儷玲說明，「穩定幣真正的價值，就是支付、交割、控管與轉換都可預先設計，且在條件觸發時能夠自動執行，這對於金融業者而言，競爭焦點將從產品利差移到『金流管線（rails+合規+互通性）的市場基礎建設。」 那麼穩定幣金融生態系將有哪些關鍵角色？王儷玲分析，銀行在穩定幣價值鏈中的角色配置，包含發行、託管和清算，一個完整穩定幣生態系不是只有「發行人」，還有儲備資產保管機構，如銀行或信託機構，以及次級市場服務提供者，如虛擬資產服務商（VASP），能提供錢包、交易、支付、投資等服務，支援穩定幣多元的應用場景。 隨著穩定幣成為全球結算新基建，王儷玲提醒台灣若不發行自己的穩定幣，在地廠商供應鏈可能會基於成本和效率的考量，轉而使用國外結算平台，導致金融數據主權流失。與此同時，台灣金融可能在國際清算體系中邊緣化，讓本國銀行退化為單純外匯兌換商，「所以我建議台灣利用科技產業的聚集優勢，並結合穩定幣技術，建立國際供應鏈金融服務中心，掌握更多貨幣主權與交易優勢。」 AI Agent 如何重構金融商業模式 聚焦金融產業第二個關鍵引擎 AI Agent，王儷玲表示 AI Agent 已成為具有思考、執行、分析與除錯能力的「超級數位同事」，企業也從追求一個「全能 AI 大腦」，演進為採用「多代理系統（MAS）」。這在金融產業的應用場景，將會由專業團隊指派一個主代理協調，接著將檢索法律條款、財務建模、合規審查複雜任務分配給多個專職代理，顯著提高工作效率。 進一步剖析 AI Agent 如何助力金融產業重構商業模式，王儷玲分享，在信貸自動化應用上，AI 多代理系統能自主從多源資料提取關鍵風險指標，並對應用戶行為數據進行信用評估，提高 60% 以上的生產力；在詐欺偵測應用上，AI 具備強大分析能力，可分析用戶操作時的微細訊號，如握持角度、輸入節奏，以及通話中微細音訊偽造跡象，甚至即時辨別深偽（Deepfake）攻擊，實時監控交易流。 王儷玲認為，供應鏈金融與支付智慧化將是穩定幣、AI Agent 雙引擎融合後的具體成果，也呼籲主管機關與業者將創新留在台灣自己的體制內，並透過法規與示範沙盒，讓台灣在亞洲金融中心與全球供應鏈樞紐的競爭中不缺席，「科技風暴會讓金融創造高峰。下一步，我們可以開始思考如何結合穩定幣與 AI Agent，打造自主高效新金融典範，更快速地與國際接軌。」 科技報橘社長戴季全表示，金融體系面臨可編程代幣、AI Agent、金融詐騙三大風暴挑戰，「我們透過舉辦這場論壇，匯集全球情報與科技武器，希望協助金融界將這些巨大威脅，轉化為創新價值與發展的新方向。」 科技風暴金融高峰論壇還邀集思科、Dell、HOYA BIT、海耶克科技、勤業眾信、SAS、伊雲谷、AWS 等產業專家，深度探討新金融變革的先機，敬請鎖定 TechOrange […]

ChatGPT 廣告上線，為何短期仍撼動不了 Google 與 Meta 王座？解析三大現實門檻

近期 OpenAI 已正式啟動 ChatGPT 的廣告布局，開始向潛在廣告主推薦聊天機器人的廣告版位，代表商業化策略邁入全新階段。《The Information》報導，OpenAI 近期已與數十家廣告主接洽，介紹即將推出的聊天機器人廣告服務，初期規劃採用「依瀏覽次數計費」的模式，而非過去慣用的「單次點擊計費」。 隨著廣告計畫逐步成形，市場也開始重新評估 ChatGPT 的營收潛力。《Business Insider》引述 Evercore ISI 科技分析師 Mark Mahaney 的報告指出，若 ChatGPT 的廣告業務推進順利，長期而言可望成為 OpenAI 的重要收入支柱。這份報告也寫道，ChatGPT 有機會在 2026 年創造數十億美元的廣告營收，並於 2030 年達到超過 250 億美元的規模。 然而，即便營收成長前景受到看好，市場分析仍普遍認為，ChatGPT 廣告更像是一項長期布局，短期內尚不足以對既有數位廣告龍頭的市場版圖造成實質衝擊，原因來自於現實的三大差距。 一、營收規模差距：250 億美元是長期預期，不是短期現實 《Business Insider》指出，OpenAI 廣告收入達到 250 億美元的預期，是建立在 2030 年的長期假設之上，而非短期內可立即實現的成果。 相較之下，Google 母公司 Alphabet 與 Meta 目前的廣告業務已高度成熟。科技分析師 Mark Mahaney 指出，Google 的搜尋與 YouTube 業務在 2025 年可能產生近 3,000 億美元的廣告營收，Meta […]

Waymo 攻下第 6 城、特斯拉「真無人計程車」上路！2026 自駕戰場，誰是真正的贏家？

2026 年開端，自動駕駛領域的競爭隨即進入白熱化。特斯拉與 Waymo 幾乎在同一時間，分別宣布於美國奧斯汀與邁阿密推進無人計程車服務。一邊是特斯拉執行長馬斯克高調宣告真正的無人駕駛上路，另一邊則是 Waymo 按部就班擴張市場版圖，兩種策略差異，也逐漸勾勒出 2026 年自動駕駛商業化的真實樣貌。 特斯拉正在努力趕上 Waymo 在過去幾個月的測試中，特斯拉雖然在奧斯汀與舊金山推出了無人計程車服務，但車內仍配置了安全監控人員，甚至在緊急狀況下設有停止開關作為備案，以便在系統異常時由人類介入。馬斯克曾解釋，這些設計並非技術不足，而是「對安全過度謹慎」，並預告將於 2025 年底前全面移除安全監管員，如今特斯拉終於跨出這一步。 不過，特斯拉 AI 副總裁 Ashok Elluswamy 補充，目前的營運模式採取混合策略，初期僅有少部分車輛是完全無人監管，其餘車輛仍配有安全監控員，未來將逐步提高無人車的比例。 這項服務目前仍未全面開放，僅限候補名單中的使用者體驗，外界也推測奧斯汀實際營運車輛數量仍僅為數十輛。即便如此，特斯拉已開始對乘客收費，並在部分路段安排車輛隨行觀察，顯示仍處於高度監控的過渡階段。 整體來看，《The Verge》報導指出，特斯拉的推進方式與 Waymo 的分階段策略相似：先以少量配有安全監控人員的車輛試營運，搭配候補名單機制，之後再逐步移除安全員並全面開放。不過，兩者的實質基礎差異明顯。Waymo 的無人車已在完全無人、無監督的情況下累積超過 1 億英里的行駛里程；反觀特斯拉所宣稱的 74 億英里，來自仍需駕駛隨時監控的 Level 2 全自動輔助駕駛（FSD），兩者並不具可比性。 目前，Waymo 持續拉大與特斯拉的差距。儘管如此，馬斯克仍強調特斯拉憑藉龐大的車主基數占據優勢，並主張這些車輛很快就能升級為全自動駕駛。但《The Verge》分析，現實是多數已上路的特斯拉車款，並不具備支援真正無人駕駛所需的硬體條件。 Waymo 的 2026 年版圖 相較於特斯拉的高調宣示，Waymo 則選擇以市場擴張來回應競爭。Waymo 宣布，邁阿密正式成為其第 6 個提供全自動無人叫車服務的城市，代表著 2026 年擴張計畫正式啟動。 根據《CNBC》報導，Waymo 在邁阿密初期的服務範圍涵蓋 Design District、Wynwood、Brickell 及 Coral Gables 等約 60 […]

【AI 不能開箱即用】印度 IT 轉任「數位水管工」，把系統整合變成獲利護城河

透過削減利潤、重組人力、建立平台，印度 IT 產業傳達出殘酷事實，多數企業累積 30 多年的 SAP、Oracle 等老舊系統若無法互通，那麼 AI 就根本派不上用場。

Vibe coding 成果不只是玩具！Google AI Studio 將補齊資料庫與身分驗證拼圖

Vibe coding 浪潮襲來，開發者對此始終抱持矛盾態度。一方面，透過自然語言描述需求、讓 AI 生成程式碼，確實大幅降低了寫程式的門檻；但另一方面，許多人也發現，AI 寫得越多，後續花在除錯與修正邏輯的時間反而更長，甚至陷入無止盡的 prompt 修正迴圈。不過在 Google 看來，隨著模型能力持續提升，這些 Vibe coding 的痛點正逐步被化解。 在 Google 近日舉辦的一場線上說明會中，Google AI Studio 與 Gemini API 產品負責人 Logan Kilpatrick ，以及 Google 開發者生態系亞太區負責人 Sami Kizilbash 深入探討了 Gemini 應用於 Vibe coding 的趨勢。 「我必須提醒自己要更有野心，因為我可以一次描述 10 到 20 件想做的事，模型就會執行並實現它。」Kilpatrick 表示，過去使用 AI 工具時只能要求最基本的事，不敢太有野心，因為模型往往會自己出錯，但是 Gemini 3 的推理能力和速度改變了他的認知。Kizilbash 也有同感表示，「你要不斷推進 prompt 的極限，才能知道它能走多遠。」 現場實測：60 秒生成樂理 App，還能自動除錯 為了證明這一點，Kilpatrick 現場直接使用支援 Gemini […]

【瀏覽器裡的內鬼】AI 助手獲跨網域權限，企業資安面臨哪些資安威脅

長期以來，瀏覽器僅被視為通往網路世界的入口，然而隨著生成式 AI 與大型語言模型的整合，這個視窗正在轉變為具備主動功能的代理系統。雖然大幅提升使用者的生產力，卻也讓企業處在資安風險漏洞邊緣。 當瀏覽器不再僅作為顯示器，進一步開始成為協作者時，企業便跨入全新的資安風險。 瀏覽器不再只是入口，代理式 AI 重寫工作與風險邊界 瀏覽器生態已與往昔大不相同，舉例來說，微軟在 Edge 瀏覽器中配置了 Copilot 圖示，使用者只需輕輕點擊，瀏覽器便能摘要頁面、翻譯段落或撰寫郵件；與此同時，Google 正將 Gemini 的功能導入 Chrome 瀏覽器，而如 Arc 和 Dia 等新興瀏覽器則更進一步，致力於開發能夠為使用者閱讀、推理並採取行動的模型。 這些都代表瀏覽器進入由代理式 AI 驅動的新篇章，且這類「代理型瀏覽器」透過嵌入 LLM 驅動的助手，不僅提供基本的摘要功能，還能主動與應用程式互動或執行指令，這使得瀏覽器的角色從原本的被動介面，轉變為具備決策與執行能力的系統節點。 這種演進背後存在多重驅動因素。分析認為，員工對效率的需求日益增長，希望能在單一平台完成研究、撰寫、排程與工作流運行，而不願在 AI 工具、瀏覽器與 SaaS 應用程式之間反覆跳轉。此外，供應商的整合策略也推動了這一趨勢。企業不再需要管理無數的插件與擴充元件，而是透過一個「智慧瀏覽器」平台來完成所有工作。 然而，便利性往往走在風險管控能力完善之前，當瀏覽器被賦予高度的自主權，它便擁有了橫跨電子郵件、雲端儲存、SaaS 應用與本地文件的跨網域存取能力，每一項新功能的加入，實際上都伴隨著潛在的誤用風險。 看不見的指令正在奪走權限 當 AI 助手開始深入參與使用者的日常操作時，新型態的資安威脅也隨之而來。 使用者在訪問看似正常的網站時，AI 助理可能會為了摘要資訊而讀取頁面上的所有內容，包括那些對人類肉眼不可見的隱藏文字、標籤或廣告代碼。這便成為了「提示注入」（Prompt Injection）攻擊的入口。 攻擊者可以將白底白字的文字、隱藏的 HTML 標頭、Cookies 或代碼嵌入在圖像中。對於 AI 模型而言，這些內容與一般資訊無異，但其中包含的指令卻可能驅動 AI 模型，私自登入使用者的電子郵件、發送工作階段令牌（Session Token），或下載並執行惡意檔案。 這種攻擊模式的恐怖之處在於其極高的隱蔽性。由於攻擊行為是由合法的 AI 助手發起，傳統的端點偵測與回應（EDR）技術或抗毒軟體往往難以察覺。 另外，代理式瀏覽器同時繼承了傳統瀏覽器的弱點（如 CVE 漏洞、惡意擴充功能）與 […]

【科技早餐】黃仁勳盤點 AI 一年三突破：從模型到物理世界，基建潮爆發

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊黃仁勳盤點 AI 一年三突破：從模型到物理世界，基建潮爆發 在瑞士達沃斯舉行的世界經濟論壇 (World Economic Forum, WEF) 上，NVIDIA 執行長黃仁勳表示，過去一年 AI 出現三大突破：模型推理能力提升、開源推理模型生態快速成形，以及「物理 AI」開始理解化學與物理規律，推動金融、醫療與製造等產業落地。 他指出，這些進展已轉化為實體經濟價值，帶動數千億美元投入 AI 基礎建設，未來仍可能上看數兆美元需求。他也以 GPU 租用供不應求、租賃價格走高為例，強調這波熱潮不是短期泡沫，而是運算需求與 AI 公司數量持續增加的結果。 ＊OpenAI、Anthropic 2026 定調「企業戰場」：成長動能從消費轉向 2B 《CNBC》 報導，OpenAI 與 Anthropic 在達沃斯世界經濟論壇不約而同，把企業用戶視為 2026 年成長關鍵。OpenAI 財務長莎拉．佛萊爾 (Sarah Friar) 表示，截至 2026 年 1 月企業用戶已佔業務約 40%，預期年底接近 50%，全球已有超過 100 萬家企業使用 OpenAI 技術。 Anthropic 執行長達里奧．阿莫迪 (Dario Amodei) 指出，約 80% 業務來自企業，用戶數從兩年前不到 […]

俄烏無人機供應鏈怪象：敵對雙方在同個工廠排隊，勝負要看中國臉色？

儘管烏俄戰爭在歐洲戰場上延燒，但真正左右戰場節奏的關鍵，不只存在於前線或指揮系統，而是在數千公里外的供應鏈節點。根據《金融時報》調查，中國雖然已管制無人機技術出口，但無人機產業的核心零組件供應高度集中在中國廣東、深圳等地，形成俄羅斯、烏克蘭雙方正在共用同一批中國供應商的弔詭現象。 同一間工廠，分時段接待敵對雙方 報導指出，在俄烏兩國的消耗戰中，無人機已成為最具決定性且發展最快的武器，近期戰場上約四分之三的傷亡皆由無人機造成。儘管俄羅斯與烏克蘭皆已著手建立本土無人機生產能力，但關鍵零組件仍大多仰賴中國供應，涵蓋處理器、攝影機與馬達等，直接影響飛行距離、影像品質與整體效能，而且成本往往僅為西方同類產品的三分之一。 烏克蘭無人機製造商 TAF Industries 創辦人 Oleksandr Yakovenko 透露，他多次前往中國拜訪相機、電池與馬達供應商時，行程被精準切割到分鐘等級，甚至被要求改走側門、在會議室等待，原因很簡單：俄羅斯客戶剛離開，或正準備抵達現場。 烏克蘭軍方的另一家大型供應商 Vyriy Drone 的 Oleksiy Babenko 表示，當他們在俄羅斯無人機上看到一款新的影像傳輸器，幾乎立刻就能判斷出是哪一家中國公司生產的，「於是我們會寫信聯絡他們。當然，他們一開始會說：『不是我們的產品。』但我們再問一次，他們就會說：『好吧，我們也可以賣給你們。』」 Babenko 補充，這套流程反過來也同樣適用。當他們請中國供應商生產某種特定產品，「一週後，他們就會把樣品送到俄羅斯，接著開始為俄方量產同樣的東西。」 中國在無人機市場的主導地位 根據分析機構 Drone Industry Insights 的數據，中國生產了全球約 70% 至 80% 的商用無人機，並主導了速度控制器、感測器、鏡頭和螺旋槳等關鍵零組件的生產。 對於高度依賴第一人稱視角（FPV）自殺式無人機的烏克蘭而言，這種依賴是致命的。Yakovenko 坦承，儘管烏克蘭正努力推動在地化生產，但其 FPV 無人機中仍有高達 85% 的零組件依賴中國進口。 這使中國成為戰場背後的「隱形樞紐」，能以供應速度、價格與可得性，間接影響雙方的作戰能力。烏克蘭軍事智庫 Snake Island Institute 分析師 Catarina Buchatskiy 直言，中國實際上掌握了戰爭結果的控制權。 中國外交部向《金融時報》表示，中方「一向在烏克蘭危機問題上保持客觀、公正的立場」，「從未向衝突任何一方提供致命性武器，並且嚴格管控包括無人機在內的雙重用途物項出口」。 然而，在莫斯科與華盛頓為停火僵持不下之際，戰場勝負的關鍵卻愈來愈多在廣東、浙江的展會現場、WeChat 群組，甚至飯店酒吧的人際網絡中被左右。報導指出，這種影響力甚至演變成一種價格競賽，Buchatskiy 表示，在某些通訊群組中，供應商會直接告訴買家：「俄羅斯人出價更高，你們明年再來吧。」 灰色物流與制裁漏洞：中亞成轉運後門 儘管中國官方宣稱對衝突保持中立，並自 2023 年起多次收緊無人機出口管制，甚至在 2024 年 9 月進一步限制了飛行控制器與雷射裝置等的出口，但供應鏈的滲透依然防不勝防。《金融時報》的調查發現，俄羅斯正透過複雜的灰色物流網絡規避制裁。 […]

面對量子威脅金融業該從何做起？歐洲刑警組織推新框架，用風險分級決定 PQC 遷移順序

歐洲刑警組織（Europol）近期發布《金融服務業後量子密碼遷移活動的優先排序》新報告，目的是為金融機構提供一套具體的實務方法，以決定後量子密碼學（Post-Quantum Cryptography, PQC）在資安藍圖中的定位與遷移順序。 這份報告的發布背景，是為了回應量子運算對現行金融服務體系構成的嚴峻挑戰。目前，公鑰密碼學是支付系統、身分驗證、網站及後端系統的基石，但量子運算的加速發展，正威脅這些現行演算法的安全性。雖然金融業普遍已意識到此風險，但大型機構無法一次性更新所有系統，讓領導階層急需一套具體方法，來決定優先順序。 因此，這份報告提出一套結構化的評分框架，試圖回應「無法一次全面升級」的現實限制，並將 PQC 遷移納入既有風險管理實務中，協助資安團隊從規劃階段邁向可執行的優先排序。 一併考量風險與實際遷移可行性，分三種優先層級 報告提出的核心框架，是透過計算兩個關鍵分數，為後量子密碼遷移工作建立清楚的優先順序。首先是「量子風險分數（Quantum Risk Score）」，用來評估特定使用案例在未來面臨量子攻擊的風險程度；第二個指標是「遷移時間分數（Migration Time Score）」，用來反映遷移作業的難度與所需時間。報告強調，僅憑風險高低不足以決定優先順序，因此必須將風險與實際遷移可行性一併考量。 透過將量子風險分數與遷移時間分數組合成矩陣，金融機構得以將各項使用案例區分為高、中、低三種優先層級。高優先級系統通常同時具備高量子風險，且已有相對明確的短期遷移路徑，或因高度依賴供應鏈而必須及早啟動規劃；中優先級則多屬於可配合既有升級週期、風險暴露適中的案例；低優先級則是風險有限、急迫性最低的系統。 報告也說明，評分本身即是一項重要成果。金融組織必須系統性地盤點各項相依關係、資料生命週期與升級限制，這種可視化過程有助於在具體時程尚未明朗之前，就先做出更有根據的規劃與決策。 從實際案例看不同系統的 PQC 遷移難度差異 為了說明這套優先排序框架如何應用在實際環境中，報告也透過多個具體案例進行說明。以公開網站為例，這類系統通常仰賴 TLS 進行身分驗證與通訊保密，並經常傳輸客戶憑證與金融相關資料。由於資料保存期限長、且長期暴露於公共網際網路環境，其量子風險分數屬於中等水準。不過，公開網站的遷移時間分數相對較低，原因在於主流瀏覽器、作業系統與內容傳遞網路（CDN）已開始支援混合式後量子 TLS 金鑰交換機制，因此報告指出，透過標準軟體升級與設定調整，公開網站可成為金融機構部署後量子防護的務實起點。 相較之下，用於卡片支付的 POS 銷售點終端機則面臨更複雜的遷移挑戰。這類設備依賴公鑰加密來進行離線交易簽章，金鑰生命週期長，且終端機廣泛部署於實體環境中，使其量子風險分數同樣落在中段。然而，POS 系統的遷移時間分數極高，主要原因在於其硬體更新週期往往長達數年，同時又牽涉支付網路、發卡機構、終端機供應商與標準制定組織等多方利害關係人。此外，卡片支付領域的後量子密碼相關標準仍在發展中，使得短期內全面升級的可行性有限。因此，報告建議金融機構應及早將 POS 系統納入長期遷移藍圖，並配合硬體生命週期與供應商時程進行規劃。 報告最後也特別提醒，金融機構在推動後量子準備工作的同時，應儘早辨識並修正加密實作中的不良習慣，包括手動憑證管理、不一致的 TLS 設定，以及仍支援過時加密協定等情況。若能在導入 PQC 的過程中一併解決這些結構性問題，不僅有助於改善資安治理與降低營運風險，也能提升整體的「加密敏捷性」，避免在未來的 PQC 遷移中進一步放大技術複雜度。 ＊本文開放合作夥伴轉載，資料來源：EUROPOL、《Help Net Security》，首圖來源：AI 工具生成。

國網中心及 NVIDIA、OpenACC 舉辦「2025 NCHC Open Hackathon」黑客松，與台灣卓越研究團隊探索新世代 GPU 技術大幅加速強最新 AI 、量子運算等研究的嶄新技術創新

由國家高速網路與計算中心（NCHC，國網中心）及 NVIDIA 和 OpenACC 共同舉辦的「2025 NCHC Open Hackathon」（Open 黑客松）競賽，本年度再次匯聚了傑出學者及頂尖機構團隊，利用各種最新的程式設計模型、函式庫和工具，大大加速 AI 與高效能運算（HPC）的研究成果。 本屆黑客松延續「突破自我」的核心精神，在為期三週的時間內，由參賽團隊自訂主題，涵蓋當今最新熱門的先進研究包括 AI 於大氣科學、量子化學、電腦視覺等領域，並藉由各組導師 （Mentor）與學員間的協作討論，深度探索從傳統 CPU 轉移至新世代 GPU 軟硬體技術如何加速其研究架構的無限可能。 同時，本屆活動也特別邀請了歷年來提供 Open 黑客松活動 GPU 技術支援與導師團隊的背後推手- OpenACC 黑客松技術籌備主管也是 NVIDIA 技術計畫經理 Bharatkumar Sharma 特別來台，參與活動最受矚目的入選團隊綜合簡報，見證各參賽團隊因新技術採用而獲得的研究進展，為活動劃下精彩的句點！ 高速運算驅動「量子神經網路預測颱風」與「大氣模擬計算器」應用 「Open 黑客松讓我們可以帶著極具挑戰性的題目，獲得專家指導的新一代 GPU 軟體技術與強大算力的支援。」由中原大學電機工程學系教授洪穎怡實驗室組成的「CYCU Power Lab」專注研發颱風預測及風電場風險評估系統，應用範疇涵蓋颱風路徑、半徑、強度、風速預測，以及風電場渦輪機運作狀態的評估。CYCU Power Lab 團隊表示，傳統的數值天氣預報（NWP）在處理風電場所需的逐時精確預測上仍存在落差，透過 Open 黑客松，CYCU Power Lab 嘗試利用「NVIDIA GeForce RTX 3080」、「NVIDIA A100 Tensor Core GPU」和「NVIDIA H100 GPU」，測試一種混合式架構 […]

Apple 代號「Campos」的 AI 聊天機器人曝光：破例託管在 Google TPU，意在箝制 OpenAI

《Bloomberg》報導，Apple 計畫在 iOS 27 對 Siri 做出「重大轉向」，開發一個會取代既有體驗的 Siri 聊天機器人版本。這個代號為「Campos」的聊天機器人，將深度嵌入 iPhone、iPad、Mac 作業系統，並取代目前的 Siri 介面。 報導指出，Campos 的關鍵差異是採用像 ChatGPT 一樣的聊天式互動風格，因此這次改造會把 Siri 變成更像 ChatGPT 的 AI 聊天機器人，讓使用者能用打字或說話互動。 把聊天介面整合進核心 App，讓 Siri 擴大技能範圍 《9to5Mac》指出，Campos 將整合進 Mail、Music、Podcasts、TV、Xcode、Photos 等核心 App，讓使用者可以透過語音處理更多事項。例如用口語描述在 Photos 找到照片並依偏好進一步編修，或在 Mail 內請 Siri 依行事曆安排並撰寫訊息。 除了把聊天介面整合進核心 App，Campos 也被設計成能理解「當下螢幕情境」並採取行動的角色，讓 Siri 更接近系統級操作層。與第三方聊天機器人不同的是，Campos 具備「分析開啟視窗與螢幕內容」的能力，能根據當下畫面採取行動或建議指令，並可控制裝置設定，完成打電話、設定計時器、開相機等動作。不過，為保護隱私，Apple 目前考慮嚴格限制 Campos 記住使用者過去互動與對話細節的能力，這點與第三方聊天機器人積極保留記憶功能的策略形成對比。 Apple 打造 Campos ，背後的箝制 OpenAI 策略與戰略布局 《Reuters》指出，這次 Apple […]

Uber 戰略急轉彎：放棄 2030 全電動承諾，直言自動駕駛普及還要 10 到 20 年

Uber 執行長 Dara Khosrowshahi 近日出席世界經濟論壇（World Economic Forum）年會時強調，影響自動駕駛車輛普及的關鍵因素在於「可負擔性」，因為目前這類車輛的造價仍遠高於十萬美元。 Dara Khosrowshahi 說明，除了成本問題，目前道路上許多自動駕駛車輛仍缺乏符合安全標準所需的運算能力，因此他預計在未來三到五年內，這類車輛的部署將相對有限，並進一步預期，自動駕駛如果要成為市場「有意義的一部分」，仍需 10 至 20 年的時間，特別是在美國、歐洲以外的地區。 Uber 電動化路線的現實修正：放棄 2030 全電動車隊承諾 在自動駕駛之外，Uber 在電動化路線上也同步調整策略。Dara Khosrowshahi 於世界經濟論壇年會上也正式宣布：「基於目前社會發生的種種變數，我們 2030 年全電動化的目標是不會發生的。」這是 Uber 自 2020 年設定該目標以來，首次公開承認將無法達成此一願景。 這項調整是承認原本的時間表已不符合當前現實條件。Uber 指出，高昂的電動車前期成本、有限的充電設施以及不一致的政策支持，持續拖累電動車的普及速度。此外，包括政府縮減補貼、英國計畫徵收哩程稅、以及自疫情以來電力價格上漲等外部環境的惡化，也削弱電動車的成本優勢，讓原本的承諾顯得不切實際。不過，Uber 仍表示將持續提升平台上的電動車比例，只是不再設定具體的截止日期。 儘管面臨成本挑戰，Dara Khosrowshahi 對自動駕駛的安全性表達強烈信心，同時預測在十年內，機器人駕駛將比人類駕駛更安全。不過，Dara Khosrowshahi 也警告隨著自動化擴展，可能會在駕駛與資訊科技領域造成逐漸的「就業取代」。 同時，隨著 Uber 對自動駕駛的態度轉趨審慎，但並未停下相關布局，例如 Uber 已於 2025 年 12 月在達拉斯推出 Robotaxi 服務，並在 2026 年 1 月更新與 TomTom 的合作關係，以持續強化導航技術，顯示其仍積極探索自動駕駛與相關業務的整合可能性。Dara Khosrowshahi 也重申對長期發展的樂觀看法，並指出自動駕駛同時將推動電動化進程，因為這些車輛本質上「恰好都是電動的」。只是從 […]

AWS 資安長談企業資安：AI 時代的資安要看兩件事「多快發現」與「多快修復」

當 AI 與 agentic AI（AI 代理）快速進入企業環境，資安的邏輯也正在改變。過去「買工具、跑流程」的思維，已不足以應對今日規模化、快速變動的威脅環境。AWS 資安長 Amy Herzog 近期在 re:Invent 2025 分享了對企業資安準備的核心觀點，值得所有資安主管與雲端架構負責人深思。 企業資安需重新設計代理架構 AI 已是企業日常的一部分，但它同時也成為攻擊者的利器。Herzog 直言，有威脅行為的有心人士心中有明確目標，他們會利用任何可行的路徑來達成。這意味著，防禦方與攻擊方都在運用 AI 強化自身能力。資安已不再單純是技術問題，而是一場持續演進的對抗。 許多人對 AI 代理的想像是「讓它像人類一樣工作」，也就是接手一整個任務流程，從頭做到尾。但 Herzog 指出，AWS 內部過去一年的實驗發現，這並非最有效的應用方式。 她解釋，讓代理「模仿人類的工作方式」效果有限，更好的做法是讓每個代理只專注做好一件具體的事，例如分析日誌、偵測異常、或產生修補建議，然後將這些專精的 AI 代理整合進一個更大的框架中，各司其職地協助人類完成複雜任務。 也就是說， AI 代理的價值不在於「取代人」，而在於「嵌入系統、分擔負荷」。 Herzog 也強調，這樣的設計必須扎根於真實的使用情境。她說：「如果我們的產品團隊沒有扎根於客戶體驗，而我沒有扎根於 AWS 內部開發者的實際經驗，我就無法做好我的工作。」也就是，資安團隊在導入 AI 代理時，不能只憑想像或理論，而是要基於第一線的實際需求來設計，才能讓代理真正發揮作用。 AI 時代的資安挑戰，核心在於規模與反應速度。過去的資安框架或許仍然適用，但如何在 AI 代理大量部署的情境下擴展這些框架，才是真正的考驗。 AWS 對企業導入資安 AI 的現實建議 面對 AI 熱潮，Herzog 的態度務實。她透露，近期的工作之一是幫客戶稍微降溫 AI 的使用。她的建議是：不要為了導入 AI 而導入，而是思考這項技術能否帶來真正的價值。 過去，傳統資安團隊容易陷入「我解決了多少問題」的思維，但 Herzog […]

抓出 1 % 高風險退貨、省下每筆 218 美元損失！ UPS 怎麼導入 AI 做到的？

在電商高度成熟的市場中，「退貨」無疑是零售體驗的一部分，但這項原本為消費者設計的便利機制，正逐漸演變為零售商難以承受的系統性風險。 《Forbes》報導，2025 年美國零售業預計將面臨約 8,500 億美元的退貨金額，約占整體零售銷售額的 15%，其中約 9% 被認定為詐欺退貨，像是寄回替代、仿冒品、空盒子，或只部分退回等。對零售商而言，這不只是單一商品的損失，而是牽動物流、人力、倉儲與客服成本的連鎖反應。 也因為如此，愈來愈多品牌選擇提高退貨門檻，例如加收郵寄退貨費或縮短退貨期限，不過這種做法大大犧牲了原本便利的購物體驗。對此，UPS 旗下逆物流平台 Happy Returns 選擇了一條不同的路線：不收緊退貨政策，嘗試用 AI 精準識別真正的風險來源。 AI 走進退貨前線，補上人工審核的盲點 Happy Returns 主要將兩層 AI 功能導入過去高度仰賴人工、也最容易出錯的「退貨審核」環節。 一是行為風險評分模型，該系統會根據消費者的退貨頻率、退貨時機、歷史紀錄與帳號特徵，對每一筆退貨進行即時風險判定。只有被判定為高風險的退貨，才會進入下一層審核流程。 第二層則是名為 Return Vision 的影像比對系統，AI 會將實際退回商品的影像，與零售商線上商品目錄進行比對，檢查人眼難以察覺的細節差異，例如縫線寬度、標籤位置、Logo 樣式或材質比例，識別出表面看似相似、實際上可能是仿冒或便宜替代品的商品。「這一系統能有效降低詐欺行為對零售商營運與利潤造成的損害，」Happy Returns 的執行長索比（David Sobie）說。 擋下不到 1% 的高風險退貨，換來可觀損失控管成效 從營運成效來看，這套分層審核機制並未拖慢整體流程。Happy Returns 表示，在其 Return Bar 退貨網絡中，實際被 AI 標記為高風險的退貨不到 1%，但在這些案例中，約有一成最終確認為詐欺退貨，平均每筆可為零售商避免約 218 美元的損失。 同時，商品在抵達處理倉庫後，AI 審核可在一天內完成，避免倉儲壅塞，也讓多數消費者仍能維持即時退款的體驗。 Happy Returns 的營運長漢納德茲坎普斯（Juan Hernandez-Campos）表示，隨著詐欺手法的不斷進化，AI 審核系統也必須持續學習與優化，以應對未來更複雜的欺詐模式。該公司計畫在 2026 年後更廣泛地推行 […]

【科技早餐】美國財長點名台灣：晶片集中是「末日級風險」

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊美國財長點名台灣：晶片集中是「末日級風險」 美國財政部長貝森特 (Scott Bessent) 在瑞士達沃斯世界經濟論壇 (World Economic Forum) 上指出，全球高達 97% 的高階晶片集中在台灣，是對全球經濟而言最大的單一系統性風險。他警告，一旦台灣因封鎖或產能受損導致供應中斷，對全球經濟的衝擊將是「近乎末日般」。 在此背景下，貝森特重申美國將持續推動部分半導體產能回流本土。並強調同步籌組關鍵礦物聯盟，加速建立獨立的採礦、加工與精煉能力，以降低對中國關鍵資源的依賴，避免供應鏈承受過度集中風險。 ＊美國開門賣晶片，Anthropic 執行長示警國安風險 美國正準備允許 NVIDIA 向中國出售 H200 人工智慧晶片，這是兩年多前推出、目前可合法出口至中國的最先進型號。政策轉向立刻引發爭議，Anthropic 執行長阿莫戴 (Dario Amodei) 在瑞士達沃斯接受媒體訪問時直言，這個決定「瘋狂得像把核武賣給北韓」，向中國出售先進 AI 晶片是重大錯誤，對國家安全恐帶來難以置信的影響。 阿莫戴指出，中國在 AI 發展上仍相對落後，而晶片禁令被視為限制其進展的重要因素之一。這項鬆綁也被市場解讀為美國對中國 AI 晶片出口政策的實質調整，儘管 Blackwell 等更新世代晶片仍持續受到出口限制，但 H200 解禁已引發高度關注。 ＊DeepMind 預測：AI 機器人 18～24 個月內迎來突破 Google DeepMind 執行長哈薩比斯 (Demis Hassabis) 表示，人工智慧與機器人整合已接近關鍵突破點，預期未來 18 到 24 個月內，物理 AI 將出現顯著進展。他指出，語言模型、世界模型與行動系統的整合，是 AI […]

從「Co-Pilot」轉變為「Co-Thinker」！叡揚資訊人資長黃真玲解析 AI 時代的職場關鍵能力

面對數位轉型浪潮襲來，許多企業仍在技術和應用的迷霧中探索，深耕軟體領域近 40 年的叡揚資訊，早已將 AI 內化為組織的日常 DNA。在近期舉辦的「2026 AI 人才年會暨 AI 職涯博覽會」，叡揚資訊人資長黃真玲不僅揭示數位轉型的變革心法，也深度解析 AI 時代的職場關鍵能力：「數位技能 X 成長型思維 = π 型人才」。 「在叡揚，我們強調自己是『第零代使用者』。我們是數位工具的需求提出者，也協助產品測試，把實驗場域放在公司當中，」黃真玲表示，叡揚資訊之所以能快速適應 AI 浪潮，源於其獨特的「第零代使用者」文化，在產品交付給客戶前，叡揚 800 多名員工，包含近七成技術人員，便是首批使用者。而在公司內部，叡揚資訊致力實踐「全員 AI」的策略，同仁時常會互相詢問「你的 AI 日常是什麼？」、「怎麼在你的工作當中加入 AI？」。 除了藉由 AI、雲端運算、流程自動化等科技驅動，「敏捷文化」、「跨部門協作」，以及「扁平化政策」，也是促使叡揚資訊加速轉型的關鍵之一。黃真玲說明，此議題無論是在技術整合還是創新研發，其實對於公司 CIO，甚至高階主管都是一項巨大挑戰，「所以我們除了讓大家發揮創意打造這些數位工具，更要發揮組織的力量。我想，組織不是要限制同仁發展，而是透過我們的策略貫穿其中，讓整個數位轉型與 AI 應用更加蓬勃。」 叡揚資訊的「全員 AI」發展藍圖 黃真玲分享，在叡揚資訊的「全員 AI」發展藍圖，對外是將 AI 應用在產品與服務創新；對內則是追求效率和流程自動化，「如何讓前方的工程師更快地打仗？身為後勤支援單位的我們，需要確保自己能夠跟上最前線開發者的速度。因此不只前端研發要關注 AI 的發展，在公司的內部，我們要求全員，包括行政單位、人資、財務會計、行銷和業務，大家都要一起思考，怎麼把 AI 融入日常作業當中。」 黃真玲舉例，叡揚資訊對外提供智慧客服，在內部也使用這項應用服務廣大員工，還有法務部門開始訓練 AI 工具，快速檢查不合理、違規的法條，「在這樣的情況下，我們的架構必須要能夠支援 AI 的順暢運作，所以大家可以看到叡揚資訊在底層建置軟硬體設備，包括平台、算力、語言模型、AI 工具包，提供客戶足夠的『AI 轉型子彈』。」 「我們經營很多周邊力量，讓大家願意在這個環境交流 AI 思維，」黃真玲表示，叡揚資訊還經營部落格，讓同仁可以發表自己的 AI 能果，並掌握最新的 AI 資源、教育訓練。同時，叡揚資訊深知數位轉型與變革需要投資，便架構 […]

AI 蜜月期結束？德意志銀行警告：2026 將是 AI 發展至今最困難的一年

德意志銀行（Deutsche Bank）在最新發布的調查報告指出，儘管市場面臨諸多挑戰，AI 仍是推動全球經濟轉型的核心力量，且 AI 對生產力的提升將不僅限於科技業，而是逐步擴散至整體經濟，為投資人提供廣泛的機會。 然而，德意志銀行同時強調，AI 的成長環境已變得極為複雜，必須與地緣政治、總體經濟波動以及供應鏈的不確定性並存，不再是單純的利多驅動。在這樣的背景下，市場對 AI 的討論重心，正轉向「是否已開始兌現承諾」。 蜜月期已結束：AI 進入現實檢驗階段 德意志銀行分析師 Adrian Cox 與 Stefan Abrudan 直言：「AI 的蜜月期已經結束。」 隨著企業將 AI 專案從概念驗證（POC）推向實際部署，現實問題接踵而至。許多企業發現，現階段的生成式 AI 在準確率上仍有不足，且難以應對不可預測的真實世界環境。「對於大多數用戶來說，目前的 AI 體驗更像是換了一個更舒適的馬鞍，而不是從馬匹升級到拖拉機，」德意志銀行形容，AI 帶來的改變往往是漸進式的，而非革命性。 當 AI 專案進入實際部署階段、回報壓力浮現，這種現實檢驗首先衝擊的，正是缺乏規模優勢與穩定現金流的獨立模型開發商。德意志銀行認為，2026 年將是這些公司的「生死存亡之年（make-or-break year）」，以 OpenAI 為例，儘管持續獲得融資，但在鉅額現金消耗與商業模式可持續性的雙重壓力下，市場對其擔憂加劇。因此德意志銀行也警告，許多獨立開發商最終可能因算力成本過高而被迫尋求科技巨頭的收購。 2026 年將是 AI 能否證明「高昂身價」的關鍵時刻 隨著市場對 AI 的高度樂觀情緒正在消退，取而代之的是對估值泡沫的恐懼。根據德意志銀行的報告，高達 57% 的投資人將「科技股估值大幅修正或 AI 熱潮退燒」列為 2026 年市場的最大風險，比例甚至高於對通膨、利率政策或地緣政治衝突的擔憂，顯示 AI 板塊已成為市場風險的集中點。 報告指出，這種擔憂源於 AI 帶來的生產力增長可能無法跟上當前的高估值。國際貨幣基金組織（IMF）也發出警告，若市場重新評估 AI 的生產力預期，可能會導致投資下降，並引發金融市場突然調整。 因此德意志銀行分析，2026 年將是 […]

烏克蘭的新武器不是無人機，是數據！聯手 Palantir 開放 4 年實戰供盟國訓練軍事 AI

隨著 AI 快速走入軍事應用，烏克蘭也開始將自身與俄羅斯長達近 4 年的戰爭中所搜集的寶貴作戰數據，轉換為新的戰略籌碼。烏克蘭新任國防部長 Mykhailo Fedorov 表示，政府將建立一套系統，允許盟國利用烏克蘭的作戰資料訓練 AI 軍事模型，涵蓋無人機攔截、防空與戰場決策等應用。 自從俄羅斯在 2022 年 2 月入侵烏克蘭以來，烏克蘭在高度數位化的戰爭環境中，累積了大量的資料資產。根據《Reuters》報導，這些資料不只包含系統性紀錄的戰鬥統計數據，還囊括數百萬小時從空中拍攝的無人機影片。 這類來自真實戰場的資料，對於訓練軍用 AI 系統至關重要，因為 AI 必須依賴大量現實世界資訊，才能有效辨識戰場模式、預測敵我行動，並在高壓環境中輔助決策。 戰爭數據成為 AI 訓練燃料 根據規劃，烏克蘭國防部將與美國數據分析公司 Palantir 合作，打造一個以「真實戰爭資料」為核心的資料室（data room）。這套平台將讓盟國與合作夥伴能在合規框架下，使用烏克蘭戰場資料訓練自家的 AI 軍事系統，協助烏克蘭自身提升敵方無人機攔截能力，強化防空與戰場管理效率。 這項計畫將納入烏克蘭的 Brave1 國防科技平台運作。Brave1 原本就負責協調國防科技新創、資金與軍方需求，目前已開放線上申請機制，讓有意使用資料的企業或研究機構提出合作申請。Fedorov 表示，烏克蘭已在發展自主防空與無人系統方面取得實際成果，而透過更系統化的資料共享，將可加速研發進度，讓盟友更深度參與。 從「數學化戰爭」到盟友共同研發 Fedorov 過去曾擔任烏克蘭數位轉型部長，是推動「數位國家」與軍事數據化的關鍵人物。他強調「戰爭數學」的重要性，主張以數據衡量作戰成效、資源配置與指揮決策。根據《Reuters》報導，烏克蘭國防部也將推出一套無人機與砲兵任務控制系統，以蒐集更完整的任務表現數據，加快指揮決策速度。 在國際合作層面，Fedorov 透露，烏克蘭已與英國達成系統化的武器使用數據交換協議，並正與美國的戰略與國際研究中心（CSIS）、蘭德公司（RAND），以及英國的皇家聯合三軍研究所（RUSI）等智庫合作進行研究與分析。他坦言，合作夥伴已提供大量支援，但如何將這些資源有效組織、轉化為可運作的體系，仍是未來的關鍵挑戰。 Fedorov 先前曾形容，烏克蘭在戰時累積的大量數據，是其在與其他國家談判時握有的一張「籌碼」。隨著 AI 正逐步成為軍事決策、無人系統與防空網路的關鍵基礎，烏克蘭近 4 年的實戰數據，正從生存資源轉化為影響國際安全科技版圖的重要槓桿。對盟國而言，這不僅是一次資料合作，更是一場提前進入 AI 化戰爭世代的實戰演練。 立即預約下載【2026 AI 人才年會暨 AI 職涯博覽會】演講精華，掌握 AI 時代人才升級的最前沿趨勢與戰略 ＊本文開放合作夥伴轉載，資料來源：《Financial […]

OpenAI 聯手 ServiceNow 把 AI 代理塞進 800 億次企業工作流程，瞄準系統入口、變現模式與可控部署

OpenAI 與 ServiceNow 正式宣布達成一項為期三年的戰略合作夥伴關係，合作重點在於將 AI 代理（AI Agents）直接嵌入企業商業軟體與工作流程中，包括 GPT-5.2 在內的 OpenAI 前沿模型，都將整合至 ServiceNow 的 Now Platform 中，支援企業 IT、客服與營運流程的自動化，讓 AI 不再只是提供建議的輔助角色，而是能夠在企業系統內「執行實際任務」的夥伴。 ServiceNow 表示，其平台每年支援超過 800 億次的企業工作流程，這將成為 AI 代理落地的重要基礎載體。「ServiceNow 正協助企業將代理 AI 引入安全、可擴展且旨在提供可衡量成果的工作流程中，」OpenAI 營運長 Brad Lightcap 表示，在 OpenAI 提供最先進的模型與代理能力後，ServiceNow 則負責將這些 AI 能力放入既有的企業流程與系統中，讓 AI 代理在安全的環境下運作。 OpenAI 與 ServiceNow 聯手的核心，是讓 AI 代理真正走進企業日常運作，這也意味著問題已不再只是模型夠不夠強，而是 AI 能否進入核心工作流程、被規模化商業部署，以及企業是否願意讓 AI 真正上線運作。 搶攻企業入口：AI 代理直接進入企業核心工作流程 在這三個條件之中，「AI 代理能否進入企業核心工作流程」會是第一道關卡，如果 AI 無法被放進日常運作的系統裡，再強的模型也只能停留在邊緣應用。 […]

Anthropic 執行長大力抨擊川普、NVIDIA：向中國出售 AI 晶片就像賣核武給北韓一樣

美國總統 川普 近日放寬對中國銷售部分高效能 AI 晶片的限制，為 NVIDIA 打開新的市場空間，也被外界視為 NVIDIA 的一場政策勝利。然而，這項決定卻引來其合作夥伴 Anthropic 的強烈反彈。 在瑞士達沃斯舉行的世界經濟論壇（World Economic Forum）期間，Anthropic 執行長 Dario Amodei 接受《Bloomberg》採訪時直言，允許向中國出售先進 AI 晶片是一個「瘋狂的決定」，具有「難以置信的國安影響」，其嚴重程度「有點像賣核武給北韓」。 這番言論之所以引發高度關注，在於 NVIDIA 不僅是 Anthropic 的重要合作夥伴，同時也是其投資者之一。最近 NVIDIA 還宣布將向 Anthropic 投資高達 100 億美元。 美國政策急轉彎，NVIDIA 成最大受益者 根據《Bloomberg》報導，美國政府已同意 NVIDIA 向中國銷售 H200 晶片。這是目前在法規允許下，可合法出口至中國的最先進 AI 處理器之一，而美國政府將從相關銷售收入中取得 25% 的分潤。相較之下，NVIDIA 最新一代 Blackwell 架構晶片，以及即將推出、代號 Vera Rubin 的後續產品，仍被禁止出口至中國。NVIDIA 的競爭對手 AMD 也正爭取其 MI325X 晶片的對中銷售許可。 外界普遍認為，這項政策轉變反映川普政府在科技管制與貿易談判之間的策略調整。NVIDIA 長期主張，若美國持續全面封鎖先進晶片出口，中國勢必加速發展本土替代方案，最終反而削弱美國在全球 […]

看 API、看估值、還是看落地？矽谷創投、對沖基金與 AI 教父用三種視角解析 AI 泡沫風險

AI 熱潮持續升溫，《Business Insider》報導，「AI 泡沫」一詞在近期財報會議中出現的頻率激增 740%，但市場對「泡沫是否已經形成」始終看法分歧。例如，微軟創辦人 Bill Gates 雖然肯定 AI 的價值，但也指出市場存在「狂熱」的現象，並擔憂電力成本過高。另一方面，NVIDIA 執行長黃仁勳則駁斥泡沫論，認為 AI 是一場重大轉型，並具備值得付費的能力。 近日，矽谷創投 Vinod Khosla、對沖基金經理 Michael Burry，以及在世界經濟論壇年會受訪的 AI 教父吳恩達（ Andrew Ng），也不約而同談到這個問題，並分別從使用量、估值與應用層面，給出截然不同的看法。 知名矽谷風險投資人 Vinod Khosla ：API 呼叫量才是衡量 AI 真實需求的關鍵指標 知名矽谷風險投資人、OpenAI 的早期投資者 Vinod Khosla 近期在 OpenAI 的 Podcast 節目受訪時表示，評估 AI 是否泡沫化的關鍵不應看股價，而是應該用「API 呼叫量（API calls）」作為主要指標，因為這才能反映出 AI 的實際使用需求與數位工具的活躍程度。 Vinod Khosla 分析，股價反映的往往是市場情緒，與實際 AI 使用情況無關。「人們將泡沫等同於股價，這除了反映投資者的恐懼與貪婪外，與任何事情都無關，所以我總是認為，泡沫應該用 API 呼叫量來衡量，」Vinod Khosla 直言。他也舉例，市場情緒可能讓人們因為過度興奮或失望，「在一天之內從熱愛 NVIDIA 變成討厭 […]

清華大學導入 NVIDIA DGX Spark™，逐步建構可在單一平台完成「仿真＋訓練＋推論」的整合式科研生態

由國立清華大學工業工程與工程管理學系教授葉維彰帶領的實驗室，長期深耕 AI 自動光學檢測與半導體領域的研究，為解傳統學術研發流程痛點，透過將 NVIDIA DGX Spark™ 串連 NVIDIA Omniverse™ 與 NVIDIA Isaac Sim™ 等工具鏈，並結合產學合作情境，建立可重現、可展示的端到端（End-to-end）流程。 葉維彰表示，實驗室啟動大規模研究時，首要面臨傳統 X86 CPU 搭配 GPU 架構的效能瓶頸，當處理海量 AI 感測數據或機器人模擬時可能發生延遲，無法滿足數位孿生所需的即時性。第二點是數位仿真的複雜度與算力能效比在異質封裝涉及物理量耦合模擬，團隊需要在實驗室環境下即可操作，因此清華大學藉由導入無需特殊電力改造，就可以提供加速運算、NVIDIA Blackwell 架構的算力平台 NVIDIA DGX Spark，以滿足科研需求。 談到清華大學如何將 NVIDIA DGX Spark 應用在研發當中，葉維彰指出，清大利用 NVIDIA DGX Spark 的 Blackwell 架構和 128 GB 統一系統記憶體，讓 NVIDIA Cosmos™ 上的世界模型以仿真任務，直接在 GPU 與系統間共享數據，消除傳統 PCIe 頻寬的瓶頸。此外，清大藉由 NVIDIA Omniverse 建立高保真模型，並結合 AI、AOI 技術，透過 Arm 架構執行複雜的瑕疵辨識與試行優化運算法，葉維彰強調，「我們希望透過最新的 […]

真正的國安危機是無知，為何以色列網路安全之父將「AI 素養」列為基本防禦工事？

2026 年，人工智慧的角色正在發生根本轉變。它不再只是協助人類做出判斷的軟體工具，而是開始直接承擔決策、協調與執行的責任。不過，當信任本身被交付給演算法，國家與社會是否承受得起它失效的代價？ AI 從產業升級走向國家可控的戰略資產 近年來，各國對人工智慧的投資已明顯脫離單純的產業升級邏輯，開始與能源、算力與公共能力綁定。 2025 年，美國與沙烏地阿拉伯宣布高額 AI 戰略合作，將計算基礎設施直接納入國家能力布局，正是一個象徵性轉折。人工智慧不再被視為可外包、可替換的軟體，而是必須「國內可控」的戰略資產。 這種思維也反映在制度設計上。部分國家開始賦予 AI 系統更高層級的公共決策權限，阿爾巴尼亞正式設立「人工智慧部長」，並賦予其內閣層級的公共採購與決策權限，象徵自動化不再停留在顧問或輔助角色，而是被納入制度核心。 醫療調度、金融風控與選舉基礎設施中，AI 已不只是分析工具，而是實際參與判斷的系統節點。這代表 AI 的穩定性，正在等同於國家運作的穩定性。 當判斷被自動化，系統失效不再只是 IT 事故 與此同時，開源模型的快速擴散雖然打破了能力壟斷，卻也同步放大了攻擊與失效面。當高階能力不再只掌握在少數實驗室手中，整個系統的暴露程度也隨之提高。這代表，隨著 AI 被納入制度核心，失效風險也被同步制度化。 在這個新階段，網路攻擊的目標也隨之轉移。攻擊者不再需要關閉系統或製造大規模中斷，只要讓系統「不再可信」，就足以造成結構性破壞。 AI 與網路攻擊的結合，讓攻擊規模與速度突破人力限制，原本需要團隊與時間才能完成的行動，如今可以自動化生成、調整並部署。 而真正危險的不是系統停擺，是判斷力被污染。當模型被投毒、資料被操縱，影響的不是單一應用，而是整個決策鏈。這意味著，模型被入侵，等同於制度中樞遭到滲透。醫療分流、金融授信或選舉資訊，一旦建立在被破壞的判斷基礎上，後果將難以逆轉。 真正的風險，不在於技術本身是否出錯，而在於社會對自動化決策的依賴，已超過對其運作方式的理解。隨著決策權高度集中於自動化系統，失效的影響也被同步集中。一旦這些系統出現偏差，事件就不再是 IT 事故，而是公共安全危機。 國家競爭力的分水嶺，在於是否承受得起 AI 失敗 當 AI 失效的代價不再局限於單一部門，而是影響整體社會運作時，風險便從技術層面上升為國家層級問題。 醫療體系是最具代表性的例子。當診斷、資源配置與跨機構協調高度自動化，單一系統的失效就可能演變為全面性的照護中斷。這類風險並非來自 AI 的惡意，而是來自對複雜系統的過度依賴，特別是在缺乏備援與透明度的情況下。這類案例揭示的不是單一產業問題，而是高度自動化國家運作的共通風險。 這些風險並非均勻分布。人工智慧的產業結構本身，正在放大國家之間的準備差距。由於 AI 基礎設施高度依賴規模經濟、龐大資本與網路效應，前沿算力與平台能力不可避免地集中於少數國家與大型組織。集中化提升了效率與可靠性，卻也製造了新的結構性依賴。 當 AI 成為公共治理與經濟運作的底層支撐，缺乏國內能力或可靠備援的國家，將暴露於外部中斷風險之下。此時，問題已不再是是否能取得先進模型，而是能否在外部計算或資料基礎設施失效時，維持關鍵服務的連續性。 這也重新定義了國家競爭力。真正的分水嶺，不在於誰部署得更快，而在於誰承受得起失敗。AI 素養、制度準備與備援能力，正逐步成為國家安全的新基本盤。 從防禦到素養：國家安全必須納入 AI 治理能力建設 當信任本身變成演算法時會發生什麼？當對手找到破壞信任的方法時又會發生什麼事？ 身為網路安全企業家和以色列前總理 Naftali Bennett 去年底警告，人工智慧和網路風險的融合正在造成全新的威脅，這可能會使為節奏較慢、更人性化的世界而建立的機構不堪重負： 「以前需要幾十甚至幾百個駭客來攻擊你，現在，你可以想像你的敵人空投一百萬名黑客到你的國家，你的政府機構，從內部攻擊你。」 […]

縮短 AI 開發迭代成本！臺科大用 NVIDIA DGX Spark™ 打造本地 AI 推論環境，重塑學術研究模式

學界推進 AI 領域的研究，往往面臨建設大規模算力中心成本過於昂貴，或者使用外部算力可能造成機敏資料外洩的挑戰，因此積極尋求地端解決方案，目標執行更高效的 AI 推論。近期，國立臺灣科技大學就透過導入 NVIDIA DGX Spark™，不僅簡化 AI 的開發與部署過程，更打造自己的本地 AI 平台，徹底改變學術研究模式。 國立臺灣科技大學副校長蘇順豐表示，臺科大智慧系統與控制實驗室需要處理醫療影像、工業資料、企業合作資訊，面對當前算力資源不足，且無法部署雲端情況，決定採用 NVIDIA DGX Spark，加速 AI 工作負載。蘇順豐說明，NVIDIA DGX Spark 核心優勢就是在地端運算的能力，能夠有效地解決資安問題，藉由 NVIDIA DGX Spark，研究人員可以直接於本地進行運算，更安全地整合外部 LLM 資源，這使得臺科大能夠運用任何敏感資料，以及尚未公開的研究結果，而不用擔心資訊外流的風險。 另一方面，蘇順豐認為 NVIDIA DGX Spark 具有強大效能和易用性，儘管臺科大團隊取得 DGX Spark 的時間不長，但系統的介面設計非常友善，開發者不需撰寫複雜的程式細節，透過類似問答的方式就能快速上手並開發新應用上線；在性能方面，臺科大觀察在 NVIDIA DGX Spark 上進行推論運算的速度極快，也可以搭配 GPT-oss 模型呼叫應用 YOLO v11、NVIDIA DeepStream SDK 等工具，處理多模態資訊，「所以基本上我們把 NVIDIA DGX Spark 當做一個超級 AI 電腦來使用，打造全新的本地 AI 推論環境，」蘇順豐強調。 具備 128GB […]

FedEx 為何不急著用人形機器人？物流巨頭點名真正需要的是「超級人形」

物流倉儲因為半結構化環境特性，被視為人形機器人可能最先落地的場域之一，不過當全球科技產業試圖複製人類外形、加速自動化落地時，物流巨頭 Fedex 卻給出一個明確，甚至有點「逆風」的答案。 FedEx 執行長 Raj Subramaniam 近日在接受《紐約時報》訪問時表示，現階段市面上的一般人形機器人並無法滿足該公司複雜的倉儲需求，他們真正需要的是「超級人形機器人」（Super Humanoid Robots）。 FedEx 已展開超級人形機器人測試 Subramaniam 表示，卡車卸貨與裝貨是機器人技術難以解決的問題，因為包裹的尺寸、重量、形狀幾乎沒有任何一致性，與工廠內高度標準化的作業完全不同。 那麼 Subramaniam 所謂的超級人形機器人是什麼？「我們尋找的不是人形機器人，而是超級人形機器人，因為它們需要多幾個肘關節、更多的自由度。」同時，他也透露 Fedex 已針對這類機器人進行試點，還尚未準備好正式推出。 與 Amazon、GXO 的路線形成對比 相較之下，其他物流與電商巨頭對人形機器人的態度則更為積極。Amazon 已在倉儲體系中部署超過 75 萬台各類機器人，協助揀貨、搬運與分揀；第三方物流商 GXO 也公開表示，正「廣泛且積極」測試人形機器人在倉庫中的應用潛力。 投資銀行摩根士丹利甚至估計，倉儲機器人有機會在 2030 年前為 Amazon 每年節省高達 100 億美元的成本。這些數字，讓人形機器人成為資本市場高度關注的焦點。 FedEx 顯然不願只跟隨這波敘事。不過，Subramaniam 的論點並非「人形機器人沒用」，而是現階段的人形機器人，仍無法應付物流現場真正棘手的問題。 產業內部也對人形有所保留 FedEx 的觀點，其實並非單一案例。早在 2023 年，Boston Dynamics 技術長就曾指出，人類外形未必是完成倉儲任務的最佳形態。對於許多場域主來說，從耗能、速度與穩定性來看，專用型自動化設備與 AMR（自主移動機器人）在許多場景中仍更具效率。 自動化倉儲整合供應商 Infios 機器人副總裁 Lennart Held 也在《Supply Chain Management Review》撰文指出，人形機器人目前普遍面臨續航力短、負載有限、感知與精細操作尚未成熟，以及成本過高等問題。這些限制，使其短期內更適合作為實驗性補充，而非倉儲自動化的主力。 […]

【科技早餐】OpenAI 把 2026 定調為「落地年」，比誰的 AI 用得起來

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 把 2026 定調為「落地年」，比誰的 AI 用得起來 OpenAI 財務長 Sarah Friar 表示，2026 年將是人工智慧從能力展示，正式走向實際應用落地的一年。她指出，關鍵不在模型多強，而在於能否縮小「AI 能做到什麼」與「企業與社會實際怎麼用」之間的落差，特別是在醫療、科學與企業流程等領域。 她也攤開成長數據，OpenAI 的運算規模從 2023 年的 0.2 吉瓦，成長到 2025 年約 1.9 吉瓦；同期年化營收，則從 20 億美元跳升到 200 多億美元。Friar 形容，營收表現與算力可用性高度綁定，算力幾乎成為成長天花板。這番發言，也正好發生在 OpenAI 宣布測試 ChatGPT 廣告功能之後，被外界視為為潛在上市鋪路。 ＊Gemini 證明一件事：AI 價格戰正在退場 根據《The Information》引述 Google 內部數據，Gemini 透過 Google Cloud 的 API 呼叫量，從 2025 年 3 月約 350 億次，在五個月內成長至約 850 […]

中國人形機器人進入歐洲飛機工廠：空中巴士導入 Walker S2，展開「最嚴苛產線」的壓力測試

歐洲航空巨擘空中巴士（ Airbus）已正式向中國機器人製造商優必選（ UBTech）採購「Walker S2」人形機器人，並計畫將這些機器人部署於航空製造工廠中。這項合作，也標誌著優必選致力將工業人形機器人推向中國以外的市場，並進入全球嚴苛生產環境的重要里程碑。 空中巴士指出，這些人形機器人將在真實且充滿挑戰的工業環境中運作。特別是航空製造業需要高精密度、嚴格的安全標準以及可靠的性能，因此這項合作將有助於在複雜現實條件下驗證機器人的能力，成為檢驗機器人技術的關鍵場域。 也正因航空製造被視為高度嚴苛的工業場域，這筆訂單才被市場解讀為人形機器人邁向實際商業化的重要訊號。《Bloomberg》報導指出，在空中巴士的訂單曝光後，優必選的股價隨即大漲，這也顯示市場對人形機器人在全球製造業中的應用前景感到樂觀，並凸顯人形機器人已被市場視為具備實際商業價值的工業設備。 為什麼空中巴士選擇優必選？ 這次空中巴士購入的 Walker S2 是優必選專為工業用途打造的全尺寸人形機器人，身高約 176 公分，體重 70 公斤。該款機器人的設計目標是進入工廠設施，並與人類員工協同作業，協助執行重複性及體力要求高的任務。 在硬體配置上，Walker S2 配備了靈巧的雙臂與手部，雙手具備 11 個自由度與觸覺感測器，單手負重能力達 7.5 公斤。此外，也搭載視覺系統與優必選自主研發的「Co-Agent」人工智慧系統，讓 Walker S2 能夠感知周遭環境、識別物體，並在生產線上適應不同任務。此外，Walker S2 的腰部可以旋轉近 180 度，這使其能在不移動腳步的情況下快速搬運組件或處理不同方位的任務，特別適合空間受限的生產環境，讓企業不必為了導入自動化而重新設計工廠空間。 針對工業連續作業的需求，Walker S2 最顯著的特性之一就是具備「自主更換電池」的能力。這項技術允許機器人在電量耗盡時自行更換電池，無需長時間停機充電，確保能全天候在智慧工廠中運作，大幅減少人工介入的需求。這也解釋了為什麼空中巴士選擇先導入人形機器人，而非重新設計高度自動化的專用產線。 人形機器人正從實驗室走向真實工作現場 空中巴士的導入案例，正好落在全球人形機器人產業加速轉向實際部署的時間點上。根據《Barclays》發布的最新報告指出，隨著 AI 與機械工程的突破，人形機器人正逐步跨出受控的研究實驗室，進入製造、物流與其他實際工作場域。 這一趨勢的主要驅動力來自全球性的勞動力短缺，以及對危險或重複性工作自動化的迫切需求。報告分析，除了製造業與物流業外，農業與醫療保健等領域同樣面臨招募困難，另外隨著人口高齡化、城市化遷移以及人們工作偏好的改變，導致願意從事高體力負荷勞動的工人供應量持續縮減。 為了填補這些人力缺口，企業轉向使用人形機器人，正如 Walker S2 在空中巴士的應用，企業偏好人形機器人的主因，正是因為它們能直接適應既有環境。同時，在技術與成本方面，隨著感知與運動控制軟體的進步，這些機器人現在已能在非結構化的環境中做出反應，減少過去常見的物體識別與空間判斷失誤。更關鍵的轉折點在於人形機器人的生產成本正在大幅下降，已從十年前的數百萬美元降至約 10 萬美元左右，這歸功於運算硬體、電池技術，以及負責將數位指令轉化為動作的致動器改良。 《Barclays》報告也提出全球產業鏈的分工趨勢：中國正在引領人形機器人的大規模量產，如同電動車產業一般；歐洲則繼續在供應關鍵的高精密機械組件上扮演重要角色，確保機器的可靠運作。機器人公司 Apptronik 執行長 Jeff Cardenas 甚至將這波人形機器人的發展比喻為「我們這個時代的太空競賽」，因為對未來的勞動力成本與製造能力具有決定性的影響。 然而，《Barclays》也提出謹慎的觀點，指出儘管關注度高漲，但大規模普及並非一蹴可幾，因為這些機器人雖然有望承擔人類不願從事的工作，但目前仍多處於早期試驗階段，未來的廣泛應用仍需視長期運作的可靠性與監管規範而定。 空中巴士導入優必選人形機器人的案例，正好成為人形機器人產業從「概念驗證」邁向「真實落地」的重要觀察窗口。一方面，航空製造這類對精度、安全與穩定性要求極高的場域，為人形機器人提供了最嚴苛的測試環境；另一方面，優必選能否在這樣的全球級工業場景中證明其技術可靠性，也將直接影響市場對人形機器人商業化進程的信心。 從投資人反應到產業報告的長期觀察，這項合作反映出製造業正在嘗試把「人形機器人」納入既有生產體系，作為回應人力結構變化與產線壓力的現實選項，也因此，空中巴士導入 Walker S2 的意義，並不在於立即取代多少人力，而在於驗證人形機器人是否能在全球最嚴苛的製造場景之一，成為可長期運作的關鍵角色。 […]

一週寫出百萬行程式碼！Cursor 實驗協調數百個 AI 代理，為何傳統科層設計反而贏了？

當生成式 AI 開始進入代理協作階段，問題已不再只是模型能不能寫程式，而是如何讓大量 AI 有效分工，並持續推進一個高度複雜的專案。AI 程式編輯器 Cursor 最近公開的一項實驗，提供了一個耐人尋味的答案。 Cursor 透過協調數百個 AI 代理（AI Agent），在不到一週的時間內，從零打造出一個具備基本功能的網頁瀏覽器。這項專案總共撰寫了超過 100 萬行程式碼，分布在 1000 個檔案中，消耗了數兆個 Token。Cursor 強調，雖然展示成果影片看起來只是一個簡單的螢幕截圖，但從頭開始建立瀏覽器是非常困難的。然而，實驗中最具啟發性的發現不只是技術，還關乎管理模式：拋棄 AI 之間平等的協作模式，轉而採用類似人類企業的層級結構，才是成功的關鍵。 扁平化管理的失敗：AI 也會避責與偷懶 在實驗初期，Cursor 團隊採取了扁平化管理模式，賦予所有 AI 代理平等的地位，讓它們透過共享檔案自我協調、領取任務。為了防止兩個 AI 代理搶佔相同任務，Cursor 採用了鎖定機制。然而，結果卻是一場災難。 AI 代理會長時間佔用鎖定資源、忘記釋放任務，甚至在沒有同步的情況下直接修改協作狀態。即使改用較為寬鬆的樂觀式並行控制（Optimistic Concurrency Control），系統仍陷入效率低落的狀態。結果，20 個代理的產出效率甚至不如 2 到 3 個，大部分時間都浪費在等待與衝突上。 此外，這個 AI 代理團隊在沒有明確責任歸屬情況下，變得極度規避風險，傾向選擇簡單、安全的任務，刻意避開困難或需要整體判斷的工作。這些現象，對於許多曾在大型組織或跨部門專案中工作的管理者而言，並不陌生。 導入規劃者、執行者角色，效率大幅提升 為了突破瓶頸，Cursor 導入了「規劃者-執行者」（Planner-Worker）的層級架構。在這個架構中，「規劃者」代理負責持續理解程式碼狀態、拆解任務，甚至能生成子規劃者讓規劃本身也能平行化；而「執行者」代理則專注於完成被指派的任務，無需關心大局或與其他執行者協調。每個週期結束後，還有一個「裁判」代理來決定是否繼續或重新開始。 Cursor 指出，這種角色分離的設計，大幅降低了代理之間的摩擦與內耗，讓系統得以長時間穩定運作，而不會因單一代理的視野侷限或決策遲疑而停滯。 Cursor 的研究還發現，不同的 AI 模型適合擔任不同的角色。例如，OpenAI 的 GPT-5.2 在長期的自主工作中表現優異，擅長遵循指令與維持專注，因此比專為寫程式訓練的 GPT-5.1-Codex […]

從 T+2 到近即時結算：紐約證券交易所將股票「搬上鏈」，企業資金運作與風險管理將如何重構？

紐約證券交易所（NYSE）及其母公司洲際交易所集團（ICE）近日宣布，正著手建置一個基於區塊鏈技術的全新交易場域，目標是讓股票與 ETF 以「代幣化」形式進行全天候（24/7）交易。 除了交易機制升級外，隨著結算方式與交易節奏可能被重新設計，企業長期習以為常的資金調度、現金管理與風險控管，也必須重新檢視。正因如此，這項新計畫不僅引發加密社群高度關注，也開始迫使企業決策層思考，當市場基礎設施走向即時、全天候運作時，既有的資金運作模式是否仍然適用。 紐約證券交易所的代幣化平台設計：24/7 交易、即時結算與美元下單 就具體規劃而言，紐約證券交易所將提供嶄新的代幣化交易體驗，除了 24/7 全天候運作、即時鏈上結算外，也允許投資人以「美元金額」而非股數進行下單。 針對這項計畫的機制與定位，《BeInCrypto》指出，其核心目標在於建立一個可支援傳統證券代幣化版本的區塊鏈平台。這些代幣化證券並非全新創造的資產，而是與真實資產一對一掛鉤，並完全納入既有的美國證券法框架之下。 「我們正引領產業邁向完全鏈上的解決方案，這些方案立基於無與倫比的保護措施與高監管標準，讓我們能夠將『信任』與『最先進的技術』結合在一起，」紐約證券交易所集團總裁 Lynn Martin 進一步說明這項整合的願景。 值得注意的是，這項計畫並非意圖在短時間內取代既有市場或強制遷移現行交易體系，而是採取並行策略，讓代幣化證券與傳統股票同時運作，並隨著時間推移，逐步朝向兩種格式可互換（fungibility）的方向發展。 結算從「T+2」變「近即時」，牽動企業資金、風險與治理 這項變革對企業管理團隊而言，不僅是市場基礎設施的升級，更是一場同時牽動資金效率與法規遵循的挑戰。 像是《PYMNTS》指出，代幣化股票最具吸引力的潛力，在於能將傳統美股 T+2（交易日加兩天） 的結算週期，大幅壓縮至「近即時（near-instant）」。這種轉變讓交易與付款得以同步完成，進而降低交易雙方在「達成協議」到「實際完成交割」這段等待期間內，因任一方違約而導致損失的風險，並釋放過去因結算延遲而被鎖定的資本。 然而，《PYMNTS》也將這項「把股票帶上鏈」的新計畫形容為「測試華爾街的舊規則」，點出這不只是推出新產品，更是對既有制度與流程假設的根本衝擊。因為即便近即時結算有助於提升資本效率，但代幣化股權在實務運作上，仍可能與既有的美國證券法與託管概念產生摩擦，關鍵在於傳統架構下，證券的「實體持有」都有清楚且成熟的法律定義，不過在鏈上世界，資產所有權往往由加密私鑰所控制，彼此仍存在制度落差。 因此，從企業角度來看，新平台可能是一把雙面刃：一方面，近即時結算帶來結算速度提升、風險降低與資本釋放的優勢；另一方面，財務決策層也必須將法規適用與託管邏輯衝突所衍生的合規風險，一併納入評估。正如 ICE 戰略計畫副總裁 Michael Blaugrund 所言，這項布局是為了回應數位金融未來的需求，但目前仍須取得監管機構的批准。 不只傳統金融在看，加密貨幣圈也視為利多訊號 紐約證券交易所的新計畫，也在加密貨幣社群引發廣泛討論。《CoinGape》報導，幣安創辦人趙長鵬指出，這個新平台除支援 24/7 交易外，也規劃導入基於穩定幣的資金來源，讓投資人未來能直接以穩定幣進行股票交易。 Galaxy Digital 研究主管 Alex Thorn 則認為，代幣化股票有機會進一步解鎖自我託管、鏈上結算、點對點移轉及接入去中心化金融（DeFi）的可能性，象徵傳統金融與數位資產之間的連結正在逐步成形。 當交易走向 24/7、結算趨近即時，企業必須重新思考資金調度、風險管理與合規治理的底層架構。紐約證券交易所帶來的這場變革，或許短期內還不會完全顛覆舊體系，卻已清楚指向一個方向：資本市場正加速邁向即時化、鏈上化的新常態。 ＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《Pymnts》、《BeInCrypto》、《CoinGape》，首圖來源：NYSE

招募更多蘋果前員工！OpenAI 高層預告：首款硬體裝置有望在 2026 年下半年亮相

OpenAI 正加快從 AI 模型公司走向實際應用平台的腳步。繼財務長透露 OpenAI 將 2026 年定調為「實際應用」（practical adoption）的關鍵一年後，OpenAI 全球事務長 Chris Lehane 近日也鬆口，OpenAI 考慮首款硬體裝置在 2026 年下半年亮相。這不只是 OpenAI 硬體布局的重要里程碑，也被視為縮短 AI 能力與日常使用落差的關鍵一環。 OpenAI 高層：「裝置」將是 2026 的重大產品之一 Lehane 在瑞士達沃斯出席活動時指出，「裝置」（devices）將是 OpenAI 在 2026 年的重要看點之一，並透露公司考慮在 2026 年下半年對外揭露相關成果。雖未承諾是否同步上市，但這是 OpenAI 首度對外給出相對明確的時間框架。先前業界預測其硬體將於 2027 年發表。 Lehane 的說法，也與 OpenAI 執行長 Sam Altman 先前釋出的訊號相互呼應。Altman 曾多次強調，未來的 AI 裝置不應只是另一支智慧型手機，而是一種更平靜（peaceful）、更自然融入日常生活的產品形態。 不走螢幕路線，主打全新互動形式 根據多方報導，OpenAI 目前正在開發的原型，可能是一款沒有螢幕的小型裝置，外界推測其形式可能接近穿戴式產品，並以語音或其他感測方式作為主要互動介面。不過，Lehane 並未證實任何具體外型。 這樣的產品方向，也反映 OpenAI 對後智慧型手機時代的想像。相較於早期市場反應不佳的 AI Pin […]

比前一代硬體運算加速逾 5.2 倍！奎景運算科技透過 NVIDIA DGX Spark™ 優化生成式 AI 平台「AIthena」應用效能

隨著生成式 AI 浪潮席捲全球，奎景運算科技不僅展現加速運算領域的深厚實力，更藉由導入 NVIDIA DGX Spark™，成功優化核心產品離線生成式 AI 平台「AIthena」，提供對於資訊安全與合規性具有極高要求的產業，一個隨開即用的高效能地端 AI 解決方案。 奎景運算科技 CEO 暨共同創辦人陳俊傑表示，奎景運算科技在 2023 年切入生成式 AI 產品研發，並採用 NVIDIA 解決方案運行大型語言模型，「我們做運算加速，發現模型越來越大，所需的推論速度和算力也更大，這時候 NVIDIA DGX Spark 作為一個嶄新硬體，具有強大運算能力和記憶體容量，耗電量也比伺服器降低許多，就可以幫助我們跑更大、更聰明的模型。」 陳俊傑進一步說明，NVIDIA DGX Spark 擁有 1,000 TOPS 的運算能力，比奎景運算科技前一代使用的硬體還快 4 到 5 倍，且配備 128GB 記憶體，能支援更複雜的應用場景 ── 這可能是企業關鍵流程中，可以導入 AI 的重要的一環，透過將這樣的硬體條件與 AIthena 整合，奎景運算科技為不能連網、要求機密資料完全隱私的產業提供軟體平台解決方案。奎景運算科技營運長暨共同創辦人王凡熙補充，「我們還將兩台 NVIDIA DGX Spark 互聯，不僅提升高速運算應用的擴展性，也能搭載多個 AI 共同協作的 Agent，甚至一起運行更大模型。」 將生成式 AI 平台與 NVIDIA DGX Spark […]

自動化從 nice to have 變 must have！和椿副董事長張以昇揭缺工時代的企業生存邏輯

專訪：戴季全撰稿：李昀蔚 隨著 AI 與機器人技術正在加速成熟，企業是否導入自動化，早已不再是選擇題，而是逐漸成為攸關營運能否持續的現實問題。從製造、物流到服務現場，企業決策者面臨的不只是技術變革，而是在人力結構快速變化下，如何重新配置有限資源、重設流程與商業模式的新挑戰。 本集《全新一週》邀請到和椿科技副董事長張以昇，深入剖析和椿科技如何啟動「第二生命曲線」，並透過 AI 與機器人，助力製造與物流產業從現場痛點出發，走向可量化、可回本的自動化轉型路徑。 缺工與高齡化逼企業正視 AI 與自動化 「在疫情之後，我們發現台灣的勞動力市場，出現 M 型化的現象，」張以昇表示，一方面高科技與高階技術人才需求持續增加，同時許多年輕勞動力開始轉向時間彈性高、自由度大的工作型態，相較之下，傳統產業長期仰賴的現場正職人力，正面臨嚴重缺工狀況。 張以昇分析，這類現場工作往往重複性高、勞力密集，以及具備骯髒、危險、辛苦的「3K」工作特性，使缺工問題不只是短期景氣波動，更是長期的結構性挑戰。進一步來看，隨著台灣在 2025 年正式邁入超高齡化社會，65 歲以上人口佔比超過 20%，勞動人口也會進一步縮減。「以傳統行業來講的話，他們認為自動化可能以前是『 nice to have』，可是現在人力越來越難找的狀況之下，越來越朝向『must have』的一個狀況，」張以昇說。 因此，和椿科技基於在半導體與電子製造業累積超過 40 年的自動化經驗，展開企業的「第二生命曲線」。這項轉型的核心戰略，就是將過去服務高科技產業所累積的高精密控制與整合能力，對焦到傳統產業的缺工痛點。和椿也進一步鎖定「智慧製造、智慧物流、智慧服務」三大領域，提供能回應產線效率提升、人力配置優化以及後續維運需求的完整解決方案。 從「賣饅頭」到「賣蛋糕」：AI 機器人改變的是營運邏輯 回顧過往，和椿科技成立初期主要販售傳動、驅動與感測器等元件，客戶購買後，需自行與控制器或模組進行整合。隨著近年企業逐步跨入 AI 機器人領域，並面對醫療、物流等產業高度差異化的應用需求，張以昇分析，過去以產品為核心的貿易商思維，已難以回應市場期待。 「我們以前比較偏向是賣單一的饅頭，你要什麼饅頭我就賣你什麼，但是現在要進到各行各業的時候，我要賣的是解決方案，要讓各行各業都知道我們要怎麼樣導入機器人、能夠協助人類的效益在哪裡，所以我們從賣饅頭變成賣蛋糕的解決方案，」張以昇以貼近日常生活的比喻，形容這兩種模式之間的差異：過去就像是「賣饅頭」，產品規格固定，客戶選好口味、完成交易即可，賣方並不需要理解饅頭最後是給誰吃、為什麼要買；現在則更像是「賣客製化生日蛋糕」，在交付之前，必須先了解壽星是誰、喜歡什麼樣的設計、是否有特殊需求，唯有深入理解客戶的應用場景與痛點，才能設計出合適的整體解決方案。 張以昇強調，這包含前期的概念驗證、導入前後的效益分析與投資報酬評估，以及後續持續的優化與調整。他特別指出，AI 機器人與傳統設備最大的不同，在於「並非裝好就結束」，隨著資料不斷累積與模型持續迭代，系統需要持續更新。此外，當工廠產線或場域路線發生變化時，AI 也必須重新學習與適應，在這樣的背景下，和椿的角色也逐漸從單純的硬體供應商，轉型為具備長期維運能力的顧問型合作夥伴。 在製造與物流現場，一年內回本的 AI 機器人導入案例 面對企業最關心的投資效益問題，張以昇分享多個實際導入案例，證明 AI 機器人已能在製造與物流現場，創造具體且可量化的成果。 例如在智慧製造場域中，和椿科技協助 IPC 與機殼加工客戶，將原本仰賴人力搬運的流程，調整為由機器人主動到倉庫領料，並在產線缺料前預先備料的模式。這樣的流程轉換，讓產線人員能更專注於核心製程，最終使搬運時間減少 50%、整體生產效率提升 75%，並在半年至一年內回本。 至於在智慧物流場域，面對電商出貨旺季人力短缺與工傷風險問題，和椿科技也與日本合作夥伴導入混裝堆棧機器人解決方案，協助處理不同尺寸與品項的貨物堆棧作業。導入後，讓原本需要八人才能完成的工作，改由機器人取代四組人力，投資報酬率大於 0.9，同樣在一年內回本。 張以昇觀察，企業在導入 AI 機器人時，最常遇到的困難並非技術本身，而是不清楚效益如何量化，也不知道該從哪個場景開始。因此，張以昇建議企業先從小規模的概念驗證著手，在確認實際成效後再逐步擴大導入，同時他也提醒，AI 機器人並非「裝好就結束」的設備，而是需要隨著資料累積、模型演進與場景變化持續更新，才能讓自動化的價值隨時間放大，真正成為支撐企業長期營運的基礎。 歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！

Cybersecurity 2026：AI 攻擊全面化，企業如何提早佈局防禦？

隨著生成式 AI 浪潮席捲全球，企業資安戰線也正迎來前所未有的變局。Google Cloud 近日發表《Cybersecurity Forecast 2026》（2026年網路安全預測）報告中指出：2026 年將是全球資安戰場將正式邁入「AI 攻擊全面實戰化」 的時代。駭客不再只是嘗試性地導入 AI，而是將生成式 AI 作為攻擊核心引擎，用來模擬真實對話、仿造身份、生成惡意程式碼，甚至自動化滲透攻擊流程。 這代表從企業到政府單位，面臨的威脅將不再只是單一事件，而是一場持續演進、難以預測的AI智能對抗戰。對於正在採用多雲、混合雲或 AI 佈署的企業來說，這並非遙遠的假設。台灣及亞洲企業若想在這個新格局中保持安全，必須從認知轉為行動，將 AI、雲端與供應鏈風險納入整體資安策略。本文將從整體趨勢、攻擊演化與防禦策略、以及佈局建議三個部分，幫助你搶先整理 2026 年值得重視的資安方向。 五大 AI 驅動資安威脅趨勢 根據 Google Cloud 2026 年網路安全預測報告，2026 年值得關注的五大趨勢包括以下五大領域：生成式 AI 攻擊、勒索軟體與資料竊取持續進化、影子代理（Shadow Agent）風險升高、虛擬化基礎設施成新戰場與國家級攻擊持續威脅。 生成式 AI 攻擊 駭客將運用文字、語音及影像深偽技術模擬主管、員工或合作夥伴身份，發動社交工程與商務郵件詐騙（BEC）。這類攻擊因高度擬真而難以辨識，傳統防禦手段效果有限。 勒索軟體與資料竊取持續進化 專業化駭客集團將利用供應鏈漏洞及零時差攻擊，對企業展開連鎖入侵，造成經濟損失與營運中斷。資料竊取不僅針對機密資訊，也可能衝擊客戶與合作夥伴的信任。 影子代理（Shadow Agent）風險升高 許多員工在未經授權情況下使用 AI 工具或外部模型，可能創造難以掌控的資料通道，增加敏感資訊外洩與合規風險。 虛擬化基礎設施成新戰場 Hypervisor、VM 管理層及雲端控制平臺，一旦被突破，駭客可能取得整個雲端與數位資產的控制權。這提醒企業，雲端安全不僅是資料保護，更涉及底層管理層的防禦。 國家級攻擊持續威脅 不同國家將以各自策略進行長期滲透：俄羅斯專注長期戰略、北韓鎖定金融與加密貨幣、中國側重隱匿與供應鏈滲透、伊朗強化情報與破壞性攻擊。企業需將地緣政治因素納入資安風險評估。 資安攻擊演化：AI 是攻防皆不可忽視的關鍵 報告指出，AI 不僅讓駭客手法更快速、更難偵測，也讓攻擊規模與滲透層次全面升級。以下五大趨勢，將成為 2026 年企業最需警覺的攻擊面： AI 成為駭客標配 […]

成為業務進攻的敲門磚！Linker Vision 導入 NVIDIA DGX Spark™，提升運算能力並縮短驗證週期 

從流程自動化到決策輔助，AI 正在驅動各行各業發展全新的商業模式。面對這場 AI 賽局，致力提供 AI 電腦視覺與多模態推理應用的 Linker Vision 鑫蘊林科，運用 NVIDIA DGX Spark™，滿足產品開發時對於高效測試與驗證的關鍵需求。 Linker Vision 鑫蘊林科解決方案架構師林建志表示，過去 Linker Vision 使用 GPU 往往受限於昂貴的成本，無論在開發、測試環節，研發工程師需要運用高單價、具強大運算性能的 GPU，才能提供先進且穩健的 AI 服務，「NVIDIA DGX Spark 的出現讓我們眼睛為之一亮，不僅幫助 Linker Vision 減輕成本負擔、實現無痛移植架構，也能夠支援我們在上面運行中、大型模型，並完成開發、測試等作業，發揮極大導入優勢。」 「我們將 NVIDIA DGX Spark 作為產品開發的核心平台之一，」林建志進一步說明 Linker Vision 如何將 NVIDIA DGX Spark 應用於產品中，指出 Linker Vision 自 2025 年就已經使用 NVIDIA Blackwell 架構的 GPU，其亮點之一是支援 FP4 資料格式，這代表開發者可以透過更低的 GPU 記憶體，產出最大服務的吞吐量，也能為客戶帶來精準、低延遲的使用體驗。 林建志分析，NVIDIA […]

超越 Vibe coding！Spec-Driven Development（SDD）如何降低 AI 寫程式的混亂？

生成式 AI 讓寫程式的門檻快速降低，vibe coding 已成為最具話題性的開發方式：只要在聊天視窗輸入自然語言， AI 就能即時產出可執行的應用原型，甚至讓非工程背景的人也能實作。不過，也有聲音指出，這種缺乏前置規劃的開發模式，一旦進入複雜或長期專案階段，往往會帶來不確定性、反噬企業團隊本身，這使得另一軟體開發方法「Spec-Driven Development」（規格驅動開發，以下簡稱 SDD）成為新焦點。 SDD：不是先寫程式，而是先把要做什麼說清楚 技術顧問公司 Neudesic 技術長 Nathan Lasnoski 在個人部落格指出，SDD 是一種先投入資源在簡潔、可測試的「規格」（Specifications），再交由 AI 生成程式碼的開發方法。與其一開始就讓 AI 施作，SDD 要求資深工程師或產品負責人先清楚定義系統行為、限制條件與預期成果，讓規格成為人與 AI 之間的「動態契約」（living contract）。AI 負責回答怎麼做，人類則負責把要做什麼、為什麼要做說清楚。 Lasnoski 認為，SDD 的核心在於將「規劃」與「實作」分離，不論在規劃期間是否有 AI 輔助，這既能維持開發流程的敏捷性，又能確保快速生成的 AI 程式碼建立在清楚明確的基礎上，不會偏離方向。他觀察，SDD 帶來的成果包含讓開發者的速度提升、改善軟體品質與可維護性，甚至包含大規模系統現代化專案。 這裡所說的規格，不等於傳統的產品需求文件（PRD）。根據技術顧問公司 Thoughtworks，規格是對軟體外顯行為的具體描述，包括輸入與輸出之間的關係、前後置條件、不變量、介面型別、系統整合契約與狀態機等。換言之，SDD 的規格描述的是系統「如何表現」，而不只是業務想要什麼。 SDD 是 AI 版本的「瀑布式開發」嗎？ 隨著「先寫規格」的說法浮上檯面，也有人質疑，SDD 是否只是瀑布式開發（Waterfall）的 AI 版本。對此，微軟首席產品工程師 Den Delimarsky 表示，SDD 並不是要回到冗長、僵化、無人閱讀的文件流程，更不是試圖預測未來所有需求。 Delimarsky 認為，SDD 的核心價值在於讓技術決策清晰明確、可審查、可演進，就像替團隊的思考過程加上版本控制。當關鍵假設與取捨被明確寫入規格，團隊就能在尚未寫下任何程式碼之前，及早發現理解落差，而不是等到系統成形後才付出高昂代價回頭修正。他指出，這種「共享上下文」的方法，對於依賴 AI 代理（AI Agent）打造產品的工作流程尤其重要，能引導 […]

提升 40% 至 60% AI 導入應用成本效益！Morale AI 以 NVIDIA DGX Spark™ 打造「可攜式」智慧製造及領域專用大型語言模型解決方案 

因應外部環境的劇烈波動，以及缺工與技術斷層的雙重挑戰，製造業者推動數位轉型成為重塑營運、生產與獲利模式的關鍵。致力提供客戶智慧製造解決方案的 Morale AI，便透過導入 NVIDIA DGX Spark™，滿足客戶在地端部署 AI 的需求。  Morale AI 執行長高聖翔表示，Morale AI 整合客戶提供的結構化與非結構化資料，並經過數據治理階段整理與數據科學機器學習，再結合智慧製造技術與大型語言模型應用，打造符合企業需求的解決方案平台。過去，Morale AI 主要面臨的挑戰就是在地端部署的高昂成本，導入 NVIDIA DGX Spark 後不僅大幅減少硬體預算，也提供使用者更多部署選擇，能以更低的成本先推動試行，再逐步擴大導入規模。  Morale AI 的核心產品涵蓋 AI Agent 平台、智慧製造機器學習解決方案，以及領域專用的大型語言模型 AI 解決方案並且已導入半導體、PCB、紡織、工具機等產業。高聖翔指出，NVIDIA DGX Spark 提供 AI 超級電腦的強大效能，加速大型語言模型推論，並支援新一代 AI 工作負載，藉由 NVIDIA DGX Spark，Morale AI 已將龐大的領域知識升級為「可攜式方案」，讓客戶能將專業知識隨身攜帶，更輕便、靈活地整合進製造現場的各種使用情境中。  目前，Morale AI 還使用 NVIDIA NIM™ 平台，搭配最新的 Nemotron-3-Nano-30B-A3B 模型，讓 Agent 需要處理並理解大量資訊或是進行快速推論時，都能在 NVIDIA DGX Spark 上無縫完成，「NVIDIA DGX Spark […]

AI 代理越多越好？研究：太多代理會拖慢效率，3 到 4 個已經很夠用

根據 Google 與麻省理工學院的研究，增加 AI 代理及工具的數量，往往會產生過多不必要的開銷，導致邊際效益遞減，最有效率的應用規模為同時採用 3 到 4 個 AI 代理即可。

【科技早餐】馬斯克九個月一代 AI 晶片，推進產業快轉模式

【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊馬斯克九個月一代 AI 晶片，推進產業快轉模式 特斯拉執行長馬斯克公布最新 AI 晶片路線圖，計畫每九個月推出一代新晶片，從 AI5、AI6 一路延伸至 AI9，速度明顯快過目前 NVIDIA 與 AMD 一年一代的發布節奏。馬斯克表示，這項策略目標，是讓特斯拉在自動駕駛與機器人領域，能更快推進模型與應用落地。 其中，AI5 設計已接近完成，將由三星與台積電生產，主要應用於全自動駕駛、Robotaxi 與人形機器人 Optimus。馬斯克宣稱，新晶片效能最高可達現有 AI 硬體的 50 倍，每美元效能提升 10 倍，並同步改善功耗效率，藉此降低對外部供應節奏的依賴。 ＊最先進製程留台灣，台積電說清楚美國擴廠底線 台美關稅協議拍板後，台積電再次成為市場關注焦點。台積電財務長黃仁昭接受美國媒體訪問時強調，公司在美國擴大投資是基於客戶需求，但最先進製程仍將根留台灣，相關策略並未改變。 黃仁昭指出，先進製程高度依賴研發與製造的密切協同，工程師需在不同據點之間頻繁調度，這種工程密度，目前仍以台灣最具效率。現階段，亞利桑那州第一座晶圓廠已量產，第二座廠設備今年進駐，第三座廠動工中，同時規劃先進封裝與研發中心，但若要大幅加快技術移轉，仍具高度挑戰。 ＊AI 吃掉記憶體，消費電子開始替資料中心買單 AI 需求爆發，正快速抽走全球記憶體產能。《華爾街日報》指出，到了 2026 年，全球最多 70% 的記憶體產能，將流向 AI 資料中心，對汽車、電視、手機與家電等產業形成擠壓效應。 同時，記憶體廠商已開始減產甚至停產舊規格晶片。市場分析師直言，目前連 2028 年的產能都已被預訂，短期內難以緩解。研究機構預估，未來記憶體成本，可能占多數電子產品售價的 10%，在智慧手機中甚至高達 30%，顯示這波漲勢不再只是短期波動，而是結構性轉變。 ＊AI 不是缺電，是缺電廠，美國啟動資料中心電力方案 美國總統川普正打算推動一項以 AI 資料中心為核心的電力政策，將戰場直接拉進能源與基礎建設領域。白宮聯手多州州長，要求美國最大電網營運商 PJM Interconnection，為科技巨頭舉行專門電力拍賣，讓資料中心能簽下至少 15 年的長期供電合約，藉此降低電力公司興建新電廠的風險，進一步能說服他們加速蓋新廠。 白宮預期，該機制可帶動超過 150 […]

防止一個 API 毀全廠！專家籲落實系統隔離，別讓駭客在 IT 與 OT 間暢行無阻

2025 年 8 月，汽車製造大廠 Jaguar Land Rover 遭受重大資安攻擊，導致其英國自動化的生產線被迫關閉長達一個月，損失高達 6.5 億美元，並額外支出 2.6 億美元的網路安全成本。 《華爾街日報》指出，隨著愈來愈多製造業供應鏈導入大數據、AI 等數位科技，駭客愈來愈傾向啟動供應鏈攻擊，「他們會選擇被大量企業共用的軟體與服務供應商，」卡內基麥隆大學軟體工程學者梅德（Nancy Mead）說，「這種策略比逐一入侵單一公司更有效率，只要抓到供應鏈中的薄弱環節，就能一次擴大攻擊影響範圍。」 這不會只是個別企業的問題，而是影響所有下游客戶與消費者的系統性風險。 新舊系統交錯，成為製造業最大的資安破口 製造業資安風險快速升高的核心原因，在於新舊系統並存所帶來的結構性矛盾。根據勤業眾信 2025 年的調查，超過一半的大型美國製造商已在使用雲端系統，近三成開始在工廠或網路層級導入 AI 與機器學習。 然而，許多關鍵的營運技術（OT）系統，本來就是為了穩定與效能而設計，從未將資安納入考量。當這些老舊設備被迫與雲端、AI 平台、外部供應商系統連結時，攻擊面便急速擴大。 此外，Redpoint Cyber 資安營運副總諾蘭（Nick Nolen）指出，現代製造業高度依賴第三方系統整合商、聯網機器、供應商提供的軟體，以及跨部門、跨組織的資料交換，讓每一個帳號、API、遠端維護管道，都是潛在的入侵路徑。一旦攻擊者成功進入看似不重要的角落，往往就能利用系統之間的高度互聯性，快速橫向移動，滲透到更敏感的生產控制或核心資料區域。 更棘手的是，許多企業的安全措施仍是事後「外掛」上去的補丁，而非從系統設計初期就採取安全設計（secure-by-design）的原則，導致防禦能力始終落後於數位化的速度。 防止一次入侵癱瘓全廠，製造業資安該從哪裡補救？ 面對這樣的現實，製造業若想避免「一次入侵、癱瘓整座工廠」的最壞情境，必須重新補上資安的基本功。 首先，《Supply Chain Dive》報導，數據分類與加密成為不可迴避的起點。「在 AI 被廣泛應用的情況下，訓練資料、營運數據與供應鏈資訊都應被視為高價值資產。」IBM X-Force 資安情報全球負責人阿爾巴諾（Kevin Albano）表示，企業應對其資料進行清楚的敏感性分類，並對靜止與傳輸中的個人識別資訊與關鍵營運資料全面加密，避免資料一旦外洩就被直接濫用。 其次，Black Kite 資安研究長迪可比克（Ferhat Dikbiyik）提到，系統隔離（segmentation）是降低連鎖風險的關鍵手段。企業需要在 IT、雲端與 OT 環境之間建立清楚且嚴謹的邊界，限制帳號權限與系統之間的橫向移動能力，確保單一帳戶或供應商被入侵時，不會迅速波及整條產線或整座工廠。這不僅是技術問題，更牽涉到對自身資產與第三方存取關係的全面盤點與理解。 在供應鏈高度數位化已成既定事實的情況下，製造業勢必再也回不去「不上線就安全」的年代，所以，未來真正的挑戰在於，能否在追求效率與自動化的同時，將資安視為營運韌性的核心組成，而非事後補救的成本。 立即預約下載【2026 AI 人才年會暨 AI 職涯博覽會】演講精華，掌握 AI 時代人才升級的最前沿趨勢與戰略 ＊本文開放合作夥伴轉載，參考資料：《華爾街日報》、Deloitte、《Supply […]

AI 資料中心吞噬 70% 產能、高容量 DDR5 逼近 1,000 美元：記憶體成為 AI 時代被低估的瓶頸

南韓一處辦公室近期發生一起離奇竊案。儘管現場擺放著多台昂貴的電腦主機，竊賊卻未帶走整台電腦或其他辦公設備，而是選擇打破機殼的強化玻璃側板，只取走機箱內的 DDR5 記憶體模組。這起看似荒謬的行為，反映的是記憶體本身在當前市場環境下，已成為高度鎖定的高價值目標。 這起事件正是全球記憶體供應持續緊張、高階 DDR5 市場價值異常凸顯的縮影。《華爾街日報》引述 Counterpoint Research 數據指出，記憶體價格在 2025 年第四季已上漲 50%，並預計在 2026 年第一季再上漲 40% 至 50%。在價格快速攀升與供給吃緊的雙重壓力下，DDR5 不再只是一般零組件，而是成為供應鏈中高度稀缺、具備轉售價值的商品，《TechRadar》更形容當前的記憶體短缺現象，已「進入荒謬新高度」。 AI 資料中心搶走 70% 產能，成為記憶體荒的結構性根源 這場價格失控，並非單一市場炒作，而是供應結構本身已被改寫。《Tom’s Hardware》引述 TrendForce 的最新分析指出，2026 年資料中心將消耗全球約 70% 的記憶體晶片產能，這意味著全球絕大多數的記憶體產出，將直接流向 AI 訓練與推論所需的高效能伺服器，而非一般消費性電子產品。 在利潤與需求的雙重驅動下，這種資源傾斜已成形。《華爾街日報》指出，AI 公司正以「貪婪的胃口」（voracious appetite）吞噬市場供給，並透過預購鎖定產能，擠壓其他買家的生存空間。TrendForce 資深研究副總裁 Avril Wu 直言：「我追蹤記憶體產業近 20 年，這次真的不同，這是有史以來最瘋狂的時刻。」也有分析師坦承，過去主要認為電力供應會是 2026 年 AI 發展的主要瓶頸，卻嚴重低估了記憶體短缺的衝擊。 外溢衝擊：記憶體短缺開始擴散到其他電子產品市場 《Tom’s Hardware》進一步指出，當大量記憶體產能被資料中心吸收後，短缺效應已不再侷限於電腦產業，而是如核災般「輻射」到多個非直接相關的市場。像是除了電腦與伺服器外，包括電視、藍牙喇叭、機上盒甚至智慧冰箱等家電產品，都因為依賴記憶體晶片而面臨衝擊。此外，由於這類消費性電子的毛利極低，因此一旦關鍵零組件價格翻漲，製造商若不是將成本轉嫁給消費者，就是面臨無貨可產的困境。 對於仍需使用舊款記憶體的汽車與家電製造商而言，情況尤為險峻。由於記憶體大廠紛紛停產舊製程以轉作 AI 用途，這些傳統產業正重演猶如疫情期間的晶片荒。Counterpoint Research 研究總監 MS Hwang 形容，現在的搶貨現況是：「你必須現在立刻買張機票，直接飛去找製造商搶配額。」為了應對短缺，部分企業甚至開始採取極端手段，例如轉向購買中國製造商 […]

自稱將造「全球產量最高」晶片！馬斯克重啟 Dojo 3，將成晶圓代工新超級買家？

特斯拉執行長馬斯克 19 日在社群平台 X 上宣布，隨著 AI5 晶片設計已基本完成，公司將正式重啟 Dojo 3 超級電腦專案的研發工作。這項聲明不只代表特斯拉晶片戰略的重大轉折，馬斯克更公開對外招募人才，邀請有志之士加入開發他口中「全球產量最高晶片」的團隊。 Now that the AI5 chip design is in good shape, Tesla will restart work on Dojo3. If you’re interested in working on what will be the highest volume chips in the world, send a note to [email protected] with 3 bullet points on the toughest technical […]

「不低於台灣」成談判底線！美國 AI 晶片關稅上路後，南韓為什麼日益焦慮？

隨著美國政府正式宣布對部分高階 AI 與先進運算晶片課徵 25% 關稅後，全球半導體供應鏈隨即進入新的調整期。針對這項重大貿易政策變動，亞洲主要半導體供應國已陸續著手評估其潛在衝擊，其中南韓就是首批公開回應的國家之一。 南韓官方雖然一方面對外表示，由於主力出口產品未受直接波及，因此政策對企業的短期衝擊「極為有限」；但另一方面，南韓政府已迅速啟動與美國的關稅協商機制，試圖在供應鏈重組過程中爭取有利位置。這也意味著，這次 AI 晶片關稅的影響，更是一場牽動政策設計、產業承受度與供應鏈博弈等多個面向的新局。 政策層：美國為何先鎖 AI GPU、不碰記憶體？ 這次美國關稅政策展現出高度的精確性與戰略意圖，主要鎖定 AI 加速器與先進運算晶片，而非全面涵蓋所有半導體產品。根據白宮發布的公告及附帶清單，課稅對象鎖定在特定運算能力與動態隨機存取記憶體（DRAM）頻寬門檻，直指 NVIDIA 的 H200 與 AMD MI325X 等兩款高階處理器。值得注意的是，這項政策設有明確的「豁免區」，若晶片是進口用於美國境內的資料中心、新創公司或研發用途，將不適用此關稅。 對此，美國智庫「新美國安全中心」（CNAS）也發布深度分析指出，H200 等高階 AI GPU 是驅動前沿 AI 模型的核心硬體，被視為先進運算與國家安全相關的關鍵節點。因此，透過結合出口管制與關稅手段，這些晶片成為美方政策的優先目標，意在限制中國取得高階算力。 此外，CNAS 分析也強調，美國相關政策不僅是為了降低國安風險，更深層的目的在於透過關稅壁壘與豁免條款的交互運用，促使高價值的運算能力與相關供應鏈回流美國本土，以減少對海外製造基地的依賴。 產業層：南韓為何稱短期影響有限，但仍提醒不能安心？ 針對此一局勢，韓國半導體產業協會執行董事安基賢（Ahn Ki-hyun）指出，由於三星（Samsung）與 SK 海力士（SK Hynix）銷往美國的 HBM 與伺服器 DRAM，絕大多數正是供應給上述受豁免的美國資料中心，因此直接衝擊得以大幅減緩。 然而，南韓產業通商資源部通商交涉本部長呂翰九（Yeo Han-koo）提醒，儘管目前關稅尚未延伸至組件層級，因此首波衝擊有限，但「現在還不是放心的時候」，暗示未來仍需警戒關稅範圍擴大的風險。 呂翰九強調，未來仍需持續關注美國是否會在後續階段調整或擴大關稅適用範圍，因為南韓產業界最擔憂的變數在於「組件層級」（Component Level）的認定，一旦關稅延伸至組件層級，將形同對全球 AI 供應鏈加徵全面性關稅，屆時南韓將難以倖免。 此外，更為嚴峻的考驗來自投資端的壓力。美國已暗示將透過關稅壁壘迫使供應鏈回流，美國商務部長 Howard Lutnick 甚至發出警告，若南韓與台灣的晶片製造商不承諾增加在美投資與生產，未來可能面臨高達 100% 的懲罰性關稅。這也代表，若未來南韓對美國的投資承諾未達美方預期，關稅豁免隨時可能被收回，這也是南韓政府急於與美方展開談判、力爭「不低於台灣待遇」的核心原因。 供應鏈層：南韓要爭取「不低於台灣」的待遇 在政策與產業壓力交織下，台灣也被南韓視為談判的關鍵標的。《Prism Media》報導，南韓正密切關注台灣在美國晶片關稅政策中所獲得的待遇，並將台灣視為評估自身在全球供應鏈中相對位置的重要比較基準。 南韓官員指出，去年與美國達成的聯合事實清單（Joint […]

AI 正在重塑全球近 40% 工作：IMF 為何認為勝負關鍵在教育與技能重構？

國際貨幣基金組織（IMF）總裁 Kristalina Georgieva 近期表示，技術變革幾個世紀以來一直在重塑就業市場，但 AI 與數位技術帶來的轉型浪潮正讓全球近 40% 的工作暴露在變革之中，這種擔憂已不再是遙遠的預測，而是現實挑戰。 雖然科技進步推動了發展，但 IMF 強調「過往的利益並不總是能被廣泛分享」。這一波 AI 浪潮的衝擊範圍甚至觸及了最頂尖的領域，「即使是走在創新前沿的人也無法倖免，近期大型科技公司的裁員潮便證明了這一點」。 然而，這並非全是負面消息。IMF 分析指出，在自動化導致部分職位消失的同時，「新的角色也正在出現」。新技能、新任務以及全新的職業正隨著自動化而生，為勞工提供通往繁榮的替代路徑，使整體工作模式變得更加複雜且充滿機會。 就業市場對「新技能」需求上升，AI 相關技能卻呈現特殊市場訊號 為了量化這場變革，IMF 分析數百萬則線上職缺，揭示驚人的技能需求規模：在已開發經濟體中，每 10 則職缺就有 1 則要求至少一項新技能；在新興市場經濟體，這一比例則為 20 分之一。 其中，專業、技術與管理職位對新技能的需求最為強勁。數據顯示，這些新技能需求中，「IT 相關技能佔了一半以上」。此外，產業特定的能力也正在崛起，例如醫療領域對遠距照護與數位健康技能的需求激增，行銷領域則更看重社群媒體的專業知識。 對於勞工而言，掌握這些技能意味著實質的回報。IMF 指出，雇主願意為新技能支付更高的薪資，在英、美兩國，包含新技能的職缺薪資平均高出 3%；若職缺要求四項以上新技能，英國的薪資溢價最高可達 15%，美國則可達 8.5%。這種薪資提升還能帶動地方經濟，研究顯示在美國，新技能需求佔比每增加 1 個百分點，當地就業水準就會隨之上升。 但值得注意的是，AI 相關技能呈現出特殊的市場訊號。雖然 AI 技能同樣享有薪資溢價，但「迄今為止尚未像其他新技能那樣推動就業成長」。事實上，在所謂的 AI 脆弱職類（AI-vulnerable occupations） 中，AI 技能需求較高的地區，其五年後的就業水準反而比需求較低的地區低了 3.6%。這對剛起步的年輕人是一大警訊，因為入門級工作往往更容易被 AI 自動化影響。 能否把 AI 衝擊變成新機會，關鍵在政策與教育體系改革 面對這場由 AI 驅動的結構性變革，IMF 強調「這些趨勢並非命中注定」，當前的政策選擇將決定各國能否把變動轉化為新的成長機會。IMF 也指出，各國不應採取一體適用的對策，而必須依據自身技能供需結構制定差異化策略。 例如透過「技能失衡指標」，IMF […]

有錢也買不到工程師？英國豪擲 10 億升級國防 AI，卻撞上人才斷層

在地緣政治不穩與軍事科技快速升級的背景下，英國政府正以前所未有的規模推動國防產業轉型；從人工智慧、網路安全到感測與決策系統，全面加碼投資。 然而，當政策藍圖逐步成形、資金持續到位，國防產業卻面臨一個困境：能撐起這場科技轉型的年輕技術人才，並未同步進場。 人才缺口不是短缺，而是結構性斷層 英國政府已明確將國防科技，列為國家安全與經濟成長的雙重支柱。政府宣布投入 10 億英鎊發展 AI 戰場系統，並成立新的網路與電磁司令部，顯示國防現代化不再停留於口號層級。 然而，產業現實與政策想像之間，仍存在明顯落差。英國國防產業面臨的並非單一職缺不足，而是橫跨教育、產業與勞動市場的結構性斷層。 首先是 STEM 人才供給長期不足。英國在網路安全、人工智慧與資料科學等關鍵領域，持續面臨畢業生數量不足的問題，而國防產業又必須與金融、科技等高薪產業競爭同一批頂尖畢業生。在薪資、福利與職涯想像上，國防往往不具優勢。 其次，教育體系與產業需求之間的落差，也限制了潛在人才的即戰力。許多學校缺乏與國防產業合作的資源，難以提供與實際應用相關的實務訓練，使得畢業生即使具備理論基礎，仍需長時間再培訓才能勝任職務。 倫理焦慮與產業形象是年輕世代的心理門檻 對許多年輕工程師而言，是否進入國防產業，早已不只是職涯選擇，而是價值判斷。一部分畢業生坦言，對參與可能涉及致命技術的研發感到不安，即便他們理解相關工作僅佔整體產業的一小部分。 招募顧問觀察到，Z 世代在職涯選擇上，普遍更重視使命感、社會回饋與環境價值。國防產業長期承載的道德爭議、社會支持度下降與多樣性不足問題，使其在年輕族群中的吸引力持續受限。 組織僵化與老化勞動力，加深吸引力落差 除了價值層面的顧慮，實際工作型態也影響人才流向。部分年輕工程師擔心，進入大型國防承包商後，將長期維護設計壽命動輒數十年的舊系統，而非投入前沿研發、設計或驗證工作。 同時，國防產業正面臨勞動力老化的現實。隨著經驗豐富的專業人士逐步退休，新血補充速度卻未能跟上。此外，遠距工作機會增加，也降低了人才搬遷至倫敦、曼徹斯特或布里斯託等國防產業聚集地的意願。 脫歐後，更嚴格的移民與簽證制度，也讓英國從歐洲吸引技術人才變得更加困難且成本高昂，進一步壓縮可用的人才池。 產業策略轉向：從「招人」到「養人」 面對長期且複雜的人才斷層，國防產業正嘗試調整策略。企業逐漸意識到，僅依賴畢業生與退伍軍人，已不足以支撐未來需求，因此開始擴大招募對象，吸納轉職者與非傳統背景人才。縮小英國國防技能缺口的可能路徑包括： 國防競爭力，取決於是否能重建人才信任 整體而言，英國國防產業面臨的挑戰，早已超越單純的薪資或職缺問題，而是一場涉及教育、價值認同、制度摩擦與產業想像的長期調整。 政府的投資規模與就業藍圖，已為產業鋪好跑道，但能否真正起飛，仍取決於是否能說服下一代技術人才，這些技術值得投入，這個產業願意培養人，而不只是使用人。 在國防支出持續攀升、地緣風險不斷升高的時代，國防產業真正的關鍵競爭力，或許不在預算數字，而在能否重新定義自身的角色——不只是為戰爭而生，而是為社會、為未來培養值得信任的技術能力。 【推薦閱讀】 ◆ 讓老舊戰車秒變 AI 戰將！ARX Robotics 設計 Mithra OS 成國防專用 AI 大腦◆ Google 與 Palantir 同登美軍 AI 戰略版圖：從行政運作到潛艦建造，商用 AI 成為國防生產力工具◆ 美國國防 AI 新勢力：Shield AI 憑什麼成為繼 Anduril 後最受矚目的新創？ ＊本文開放合作夥伴轉載，參考資料：《BBC》、Talent Locker，首圖來源：Unsplash （責任編輯：鄒家彥）

【別只說「AI 會提高生產力」】想平穩轉型，領導者必須對症下藥的 3 大關鍵

Gallup 指出企業員工運用 AI 的頻率，較一年前激增近一倍，亦有三分之二的企業領導者直言，AI 確實能夠提升組織創新能力，但員工面對 AI 時卻會產生恐懼，企業領導者究竟該如何應對？

建檔只要 1 分鐘！日本 find 靠 AI 拯救後勤地獄，遺失物尋獲率暴增 4 倍

在高度人口密集、通勤頻繁的大城市中，捷運與地鐵系統往往是遺失物最集中的場域。以台灣為例，台北捷運是全台遺失物數量最龐大的交通系統，根據北捷於 2024 年公布的資料，每年平均拾獲約 30 萬件遺失物，並須額外投入人力與空間進行倉儲與管理。 如此龐大的規模，使失物招領成為一項高度仰賴人工作業、流程卻極為繁瑣的營運負擔，也正是日本公司 find Inc. 鎖定並著手解決的核心痛點。 AI 讓遺失物登記從 10 分鐘縮短至 1 分鐘 find Inc. 開發的雲端失物招領服務「find」，結合 AI 影像辨識與對話式互動，徹底改變過往仰賴人工登錄的流程。傳統失物系統中，站務人員需要逐一輸入顏色、材質、形狀、磨損狀況等細節，例如一把雨傘，往往要花上近 10 分鐘才能完成登錄。find 則只需要拍照，AI 便會自動分析物品外觀特徵，並建立可搜尋的資料紀錄，整個流程縮短至約 1 分鐘。 這樣的效率差異，在高頻率場域中尤其明顯。《日本時報》指出，以鐵路公司為例，單月登記的遺失物往往超過一萬件，節省下來的人力時間，直接轉化為營運效率與服務品質的提升。 find 不僅讓內部管理更快，也讓找回失物這件事更貼近使用者。透過支援影像搜尋的資料庫，以及專屬的 find chat 即時通訊功能，失主不再需要反覆致電或親赴櫃檯詢問，只要用手機就能隨時查詢與溝通。 find 的實際成效，最早在京王電鐵得到驗證。該公司 2023 年導入 find 試點後，站務電話與櫃檯詢問量減少約三分之一，而失物歸還率則接近 3 倍成長；JR 九州銷售規劃部的坪山先生表示：「失物管理系統已使用約 20 年，登錄與查詢依靠紙本，確認一件物品需要花約 6 分鐘，若真的找到，通知失主又需幾分鐘，一件失物總共要 8~10 分鐘處理。即使一天接到 10 通詢問，能成功配對的也很少。」JR 九州導入 find 後，失物比對成功率更是增加了 4 倍，回覆時間也縮短約 6 […]

【科技早餐】Google 坦言資料中心最大障礙：美國電網併網一等就是 10 年以上

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google 坦言資料中心最大障礙：美國電網併網一等就是 10 年以上 Google 能源事務負責人表示，如何將資料中心接入美國電網，已成為公司擴建資料中心時面臨的最大障礙。在美國部分地區，資料中心申請併網的等待時間，已暴增至 10 年以上。隨著大型科技公司競相擴建高耗能資料中心，用以訓練與部署人工智慧，美國電網運作緩慢的問題日益浮上檯面。 Google 永續與氣候政策全球負責人指出，電力傳輸障礙是目前電網面臨的首要挑戰，甚至有電力公司坦言，需要 12 年才能完成併網研究與排程。為縮短等待時間，Google 正研究「共址」(co-location) 方案，將資料中心直接興建在發電廠附近，以繞過部分併網程序。不過相關作法涉及成本分攤與電力可靠性等爭議，已引起監管機構關注。 ＊亞馬遜回頭買銅礦，AI 資料中心開始消耗實體資源 《華爾街日報》報導，亞馬遜已與力拓集團 (Rio Tinto) 達成協議，收購美國本土新開採銅礦的產出，用於支援 AI 資料中心建設。這是亞馬遜十多年來首次直接回到美國銅礦市場，反映在 AI 擴張下，電力與網路基礎設施對銅資源的需求正快速升高。 該批銅將來自亞利桑那州 Johnson Camp 礦場，並採用力拓的 Nuton 技術，在礦區直接產出高純度陰極銅，以縮短供應鏈並降低用水與碳排。不過，即便如此，這筆合約僅能滿足亞馬遜資料中心需求的一小部分，凸顯 AI 發展已開始對實體資源供應造成長期壓力。 ＊OpenAI 導入廣告，ChatGPT 正式走向商業現實 OpenAI 宣布將在 ChatGPT 導入廣告測試，象徵公司在商業模式上的重大轉向。這項決定距離執行長奧特曼 (Sam Altman) 曾形容「廣告是最後手段」不到兩年，反映在算力與資料中心支出快速攀升下，OpenAI 必須尋求更穩定的收入來源。 根據 OpenAI 說明，廣告將率先出現在免費與 Go 方案用戶，回應內容不會受到影響，對話資料也不會提供給廣告主。付費方案則不會顯示廣告。公司強調，導入廣告將以使用者信任與透明為優先原則，並以審慎方式逐步測試。 ＊新聞集團把 AI 拉進新聞室，道瓊通訊社率先導入 由媒體大亨魯柏·梅鐸 […]

SEO 退場？GEO 上線：如何在 AI 時代讓品牌被演算法選中而非只是排名

在生成式 AI 快速改寫搜尋機制、內容生產與消費行為的當下，行銷與品牌正面臨一個關鍵問題：當內容變得無限、便宜又相似，品牌要如何被看見、被記住？英國消費者洞察公司 Brandwatch 發布《Digital Marketing Trends 2026》報告，試圖回答這個難題。 這份 2026 年報告指出，AI 並未單純讓行銷更有效率，反而正在製造內容疲勞、信任危機與品牌平庸化。從 AI 廢文氾濫、搜尋邏輯轉向 GEO，到員工成為品牌關鍵信任節點，Brandwatch 勾勒出一個核心訊息：未來的競爭，不在於誰產出更多內容，而在於誰能保留人味、建立真實連結。 📌 這份報告適合誰閱讀？ 鎖定的是一群正面臨新現實的行銷與品牌決策者——那些在 AI 內容大量湧現、搜尋機制快速改寫的環境下，尋求重新建立能被辨識、記住品牌核心價值的領導人與工作者，包含： 🔴 報告洞見 AI 生成內容氾濫人類渴望有靈魂的訊號 根據 Brandwatch 的報告數據，網路上關於「廢文（Slop）」（低品質、缺乏創意且明顯由 AI 生成的內容）的提及量，在 2025 年暴增了 200%。更令人警惕的是，這些提及中高達 82% 帶有負面情緒。 消費者不僅具備識別 AI 內容的能力，更開始對那些試圖用廉價內容填塞版面、缺乏誠意的品牌產生強烈反感。 報告指出，唯有具備靈魂的品牌，才能在 AI 廢文時代生存。面對消費者對「完美但空洞」內容的疲乏，企業必須利用「不完美但真實」的策略突圍。 💡 品牌策略轉向：不追熱度、重塑文化主導權 對於最高決策者而言，2026 年最大的挑戰在於放棄舊有的流量公式。過去那種看見趨勢就跟風的策略已經失效，甚至被視為是在「吸廢氣（suck tailpipe）」，也就是只能跟在文化車尾，無法創造價值。 真正的贏家不再試圖劫持話題，而是透過「真正的參與」來引領對話。 首先，決策者必須正視 Alpha 世代（Gen Alpha）的全面崛起。這群成員將在 2026 年年滿 16 歲，目前已掌握約 1,000 億美元的消費力。與 […]

Google DeepMind 執行長說中國 AI 只落後美國「幾個月」，為何中國業界反而認為差距正在擴大？

Google DeepMind 執行長 Demis Hassabis 近日在接受 CNBC 採訪時指出，中國 AI 模型與西方最頂尖技術的距離，比一兩年前所預期的還要接近，並表示：「在這一點上，他們（中國）可能只落後幾個月。」Demis Hassabis 的評估，也推翻市場先前認為中國還落後美國數年的觀點。 Demis Hassabis 舉例，如 DeepSeek、阿里巴巴（Alibaba）、月之暗面（Moonshot AI）和智譜 AI（Zhipu）等中國的新創公司與科技巨頭，都已推出能力極強的模型，其中 DeepSeek 在一年前推出的模型，更因為能以較低成本和非頂尖晶片實現強大性能，引發市場震撼。這些案例顯示，中國 AI 的工程實力與模型能力已不可同日而語，但在 Demis Hassabis 看來，真正的關鍵並不只在於追趕技術。 中國 AI 的關鍵挑戰：能否真正實現創新？ 儘管發展速度驚人，但 Demis Hassabis 認為，中國目前證明的是「追趕」的能力，而非「重新定義發展方向」的創新能力。「問題在於，他們能否在前沿之外創造新東西，我認為他們已經展示了可以追趕並非常接近前沿的能力，但他們能否真正創新，例如像新的 Transformer 這樣能超越前沿的技術，我不認為這已經得到證明，」 Demis Hassabis 說。 Demis Hassabis 強調，「發明某樣東西比模仿它要難上 100 倍。」雖然中國擁有世界一流的工程實力，但在「科學創新」這部分仍面臨巨大挑戰，因為這更多與思維方式有關，而非僅是技術限制。 從中國內部視角看追趕美國的現實 Demis Hassabis 認為，中國 AI 模型在效能上已快速逼近、幾乎與美國並肩，但中國業界對自身處境的看法則較為保留。《華爾街日報》指出，中國 AI 開發者正面臨多項結構性障礙，其中最關鍵的挑戰，來自先進晶片的取得受限與算力資源的不足。 首先，在晶片層面，美國出口管制對中國 AI 發展造成明顯衝擊，因為中國企業目前無法直接取得 NVIDIA 最先進的 […]

RFP 發出了！OpenAI 加速硬體佈局，找晶片、馬達與散熱合作但有附帶條件

過去幾年，OpenAI 一直被外界視為純軟體公司的代表，但這個定位正快速改變。根據《Bloomberg》報導，OpenAI 近期已正式向美國本土製造商發出提案邀請書（request for proposals，RFP），尋求資料中心冷卻組件如晶片、馬達、封裝材料和設備的合作夥伴。這項舉措宣告該公司在未來幾年內將展開大規模的硬體產品擴張，並積極強化其在美國境內的供應鏈韌性。 OpenAI 全球事務長 Chris Lehane 在接受《Bloomberg》採訪時表示，AI 將是推動美國「再工業化」的催化劑，公司必須將供應鏈帶回美國本土。這項硬體擴張計畫不僅是為了確保技術自主，更是為了配合川普政府將製造業回流美國的政策優先事項。 受此消息激勵，機器人和倉儲自動化公司 Symbotic 的股價在週四一度上漲 5.2%，顯示市場對於 OpenAI 帶動相關硬體產業鏈的高度期待。 資料中心仍是核心，冷卻與能源成為下一瓶頸 在所有硬體需求中，資料中心是 OpenAI 投資的重中之重。公司已曾對外表示，未來將投入數兆美元等級的資金擴建 AI 資料中心，視其為推動營收與模型能力成長的關鍵引擎。此次招標中特別點名資料中心冷卻技術，也反映出高效能 AI 晶片帶來的散熱與能源挑戰，正成為產業下一階段的關鍵限制。 不過，晶片設計本身也在演進。NVIDIA 執行長黃仁勳近期指出，下一代 AI 晶片可能不再需要部分傳統冷卻設備，這也使得冷卻技術供應商的角色，正站在轉型與洗牌的十字路口。 消費裝置與機器人並進，OpenAI 押注新互動介面 除了資料中心，OpenAI 對消費設備的企圖同樣明確。報導指出，OpenAI 已收購由蘋果前設計師 Jony Ive 共同創辦的 AI 裝置新創，並計劃在 2028 年底推出 5 款新型硬體產品。市場傳出，其中一項代號為「Sweetpea」的音訊穿戴裝置，預計在 2026 年 9 月問世，主打以語音介面與客製化處理器，挑戰智慧型手機的主導地位。OpenAI 的目標是在第一年實現 4,000 萬至 5,000 萬台銷售量，將直接與蘋果的 AirPods 展開競爭。 在機器人領域，OpenAI […]

矽晶圓爭奪戰開打：NVIDIA 來勢洶洶、Apple 被迫讓位，AI 需求如何重排台積電產能優先權？

台積電在 15 日公布 2025 年第四季財報，淨利達到 5,057 億新台幣，較去年同期大幅成長 35%，毛利率更高達 62.3%，超越公司自身的獲利指引。台積電在財報說明中明確指出，上一季成長動能主要來自 AI 與高效能運算（HPC）相關晶片的強勁需求，讓先進製程的產能利用率維持在高檔。 不過，也正是在這樣的滿載狀態下，一場關於產能優先權的重新排序正在全球市場展開。 矽晶圓爭奪戰開打，NVIDIA 產能需求快速逼近 Apple 隨著 AI 晶片需求快速升溫，台積電的先進製程產能變得更加吃緊。《WebProNews》指出，Apple 已不再能像過去一樣穩固地取得台積電的優先產能，必須與 NVIDIA、AMD 等大型客戶競爭 3 奈米及未來的 2 奈米產能。 目前的競爭態勢，也被形容為一場「矽晶圓爭奪戰」（The Silicon Tug-of-War），這導致 Apple 過去享有的議價優勢減弱，被迫支付更高的製造價格。台積電董事長暨總裁魏哲家在去年 8 月就曾告知 Apple 高層：「Apple 將需要默許接受多年來最大的漲價幅度。」 另一方面，隨著 NVIDIA 的 AI 加速器需求持續快速成長，NVIDIA 對台積電先進製程的需求規模正在迅速擴大，預計 2026 年在台積電營收中的占比，將可挑戰甚至超越 Apple。 NVIDIA 加速追趕 Apple 的主因在於，AI 晶片對先進製程的需求量與單價皆高於傳統手機晶片。NVIDIA 的 Blackwell 與 Hopper 架構晶片不僅消耗大量晶圓，且每顆 GPU […]

台美貿易協議簽了變數才開始？Deloitte 示警供應鏈仍需留意 5 大變化

在全球地緣政治升溫之際，台美之間的貿易與產業合作框架終於拍板定案。美國商務部正式宣布，美國已與台灣達成貿易協議，核心內容聚焦於半導體與 AI 產業鏈，透過關稅優惠與投資承諾，加速關鍵晶片與製造能力移轉至美國本土。 這不僅意味著台美經貿關係邁入新階段，也代表美國與歐盟、日本、韓國等主要半導體國家的貿易協議與關稅安排已全面就位，全球晶片產業的新秩序輪廓逐漸清晰。 根據協議內容，台灣半導體與科技公司將在美國投資至少 2,500 億美元用於增加半導體、能源和 AI 產品的產能；同時，台灣政府將提供 2,500 億美元信用保證，以協助企業完成投資，在美興建產業園區。作為交換，美國將對台灣的對等關稅上限由原本的 20% 降至 15%，部分產品如仿製藥、航空零組件與稀缺天然資源則適用零關稅待遇。美國商務部也承諾，若未來依據《232 條款》調整半導體關稅，台灣將擁有最惠國待遇。 美國強勢引導供應鏈轉移，目標 40% 產能落地 這份協議被外界視為一種投資換關稅的新型態貿易安排。美國商務部長盧特尼克（Howard Lutnick）在接受《CNBC》採訪時表示，政策目標是將台灣 40% 半導體供應鏈的產能轉移到美國，並強調若未在美國設廠，相關產品未來恐面臨高達 100% 的關稅風險。 不過在昨（15）日下午台積電法說會上，台積電財務長黃仁昭也有表示，「出於實際原因，最前沿的技術將會在台灣運行。」對台積電等關鍵製造商而言，協議內容同時保留彈性。依據目前公布的架構，在美國建廠核准與施工期間，台灣企業可在免除《232 條款》關稅的情況下，進口最高達其規劃產能 2.5 倍的半導體產品；待新增產能完成並投產後，免關稅進口上限則調整為新增美國產能的 1.5 倍。此一制度設計，明顯與企業實際建廠與投產進度連動，為供應鏈轉移提供緩衝空間。 技術分析公司 TechInsights 的副董事長 Dan Hutcheson 告訴《Reuters》，隨著台灣企業在美國建立業務，這筆交易可能會推動晶片製造供應鏈的需求增加。 協議保留彈性，供應鏈需留意五大變數 不過，Deloitte 指出，儘管台美貿易協議已勾勒出美國半導體戰略藍圖，但在實務執行層面仍存在多項不確定性。勤業眾信間接稅負責人洪于婷指出，這份協議並未明確列出年度投資分配、階段性目標或完成期限，與過往美國與他國簽署的貿易協議相比，保留了更大的調整與談判空間。 針對台灣半導體供應鏈下一步，Deloitte 分析接下來至少需密切關注五大變化。首先，協議中並未明確界定「產能」的計算方式、衡量單位或適用製程。洪于婷表示，未來在實際適用時，產能認定預期將與建廠計畫、核准文件與實際投產狀態連動，並由美國主管機關依個案判定，這也為企業的長期產能規劃增添變數。 第二，美國關稅與產業政策仍具高度變動性，未來是否擴大半導體課稅範圍，仍取決於政策執行成效與政治環境。第三，台灣廠商在美國的建廠進度與實際投產時程。第四，美國半導體產業園區的建構進展。第五，新協議是否促使台灣既有供應鏈出現上下游再整合，甚至引發新一波重組與移動，仍有待觀察。 ＊本文開放合作夥伴轉載，資料來源：《CNBC》、Deloitte、《Bloomberg》、《Reuters》，首圖來源：AI 工具生成 立即下載【2026 AI Impacts 趨勢觀察報告】，一探 AI Agent 重塑「超自動化」工廠的具體樣貌

研究揭生成式 AI 已具備強大說服力，為何「AI 廣告化」卻讓 Google 踩煞車？

權威期刊《Science》近期刊載一項大規模研究，研究背景是針對 19 種不同的大型語言模型、在 707 個政治議題上與超過 7 萬名受試者進行實驗，結果指出科學家已證實大型語言模型具備強大的說服力，能有效改變人類的立場與態度。 研究發現，模型的說服力主要並非來自模型的運算能力或個人化資料，而是取決於「後訓練」（post-training）與「提示策略」（prompting）。具體而言，後訓練能將說服力提升高達 51%，而特定的提示策略則能提升 27%。這意味著，即使是規模較小的模型，只要經過精細的訓練與引導，也能展現出與大模型相近甚至更強的影響力。 然而，這項能力伴隨著巨大的風險。研究指出，模型通常透過密集的資訊堆疊來增強說服效果，但提升說服力的技術，往往會導致事實準確性下降。因此，論文結論強調：「當 AI 系統被優化以進行說服時，它們可能會越來越多地部署誤導性或虛假的資訊。」這種「影響力」與「真實性」之間的權衡，也引發各界對 AI 被用於操控決策與意見的深度憂慮，一旦這種說服力被引入商業場景，風險便不再只是學術討論，而是直接影響消費與選擇。 對話式 AI 為何比傳統廣告更危險？ 隨著生成式 AI 逐漸成為人們搜尋資訊與做出決策的首選介面，AI 產業也開始步上社群媒體的老路，將商業模式轉向「注意力變現」。《The Conversation》報導，專家警告，AI 企業已展開新一輪競逐，試圖擷取使用者的線上行為數據以驅動廣告。以 OpenAI 為例，該公司過去曾形容「廣告結合 AI」令人不安，如今卻轉而承諾，能在導入廣告的同時維持使用者信任。 目前，包括 Microsoft 的 Copilot、Amazon 的 Rufus，以及 Google 的 AI 搜尋功能，都已開始測試廣告機制。由於生成式 AI 能進行主動對話，並針對使用者的具體疑問給出回應，其影響力遠勝於傳統搜尋引擎。在這樣的互動情境下，使用者往往難以判斷，AI 推薦某個航班或飯店，究竟是因為該選項最適合自己，還是因為背後存在企業支付的回扣或商業誘因。 正因 AI 的影響是透過對話與建議發生，《The Conversation》進一步指出，AI 廣告化最具威脅性的地方，在於其高度隱蔽性。不同於傳統顯眼的橫幅廣告，對話式 AI 的影響往往被包裝在「建議」之中，使用者也更傾向將 AI 視為中立的「助手」而非行銷管道，這使得潛在的操控行為更難被察覺。 這樣的商業模式，最終恐將侵蝕大眾對 AI 系統的信任。為了降低相關風險，專家呼籲政府介入，包含賦予消費者對個人數據如何被 AI 使用的控制權，或投資由公共機構運作、具透明度與監督機制的「公共 AI」，以及加強監管透明度，並強制揭露任何付費代言。不過，在監管尚未明確之前，部分科技公司已先行選擇自我約束。 […]

解讀 2026 年 4 大 AI 技術趨勢，為什麼「世界模型」與「編排調度」成企業關注重點？

隨著 AI 逐漸走向成熟，業界已經不再把效能當作唯一參考指標，而是進一步尋求 AI 的實際價值，思考如何將 AI 應用「產品化」，已然成為最新的發展方向。

穩定幣界的 Visa？Meld 宣布完成 700 萬美元融資，揭示金融權力結構轉移

當企業嘗試用穩定幣（stablecoins）向不同國家的員工支付薪資時，往往會遇到一個看似技術性，實則是結構性的難題：不同國家依賴的穩定幣服務商彼此割裂，資金流動難以串接，而這正是新創公司 Meld 試圖切入的缺口。 不發幣，卻站在資金流動的中心 Meld 由支付巨頭 Block 前資深員工 Pankaj Bengani 創立，定位並不是發行穩定幣，而是建立一個能夠整合各地穩定幣網路的結算層。根據該公司說法，Meld 已與 180 個國家的 50 多家服務商合作，支援 150 多種法定貨幣。透過這個網絡，企業可以無縫地進行跨國匯款或薪資發放，就像 Visa 連結全球銀行完成交易的最後一哩路一樣，Meld 負責連結全球零散的加密貨幣服務商。 近日，Meld 宣布完成 700 萬美元種子輪融資，由 Lightspeed Faction 領投，其他投資方包含 Prime、Yolo Investment 與 Scytable Digital，使其總募資金額達 1,500 萬美元。 與 Stripe、Bridge 的差異化競爭 在加密貨幣支付基礎設施領域，已有 Stripe 與 Bridge 等巨頭佔據一席之地。然而 Bengani 在接受《Fortune》採訪時指出，這些競爭對手目前的服務範圍主要集中在美國與歐洲，相較之下，Meld 服務的範圍更廣，遍及全球。Meld 不只提供穩定幣與法幣的轉換，還支援比特幣、以太幣等多種數位資產的結算。 該公司目前的營收來源主要為交易手續費，並預計今年的營收將比去年成長至少四倍。這種商業模式的成功，驗證了市場對於跨國界、跨幣種的即時結算需求，已遠遠超出了傳統銀行系統的能力。 金融權力的轉移：從發行走向結算 Meld 的融資案釋放出一個強烈的訊號：全球金融的權力重心正在轉移。《CEO Today》分析指出，金融控制權不再只掌握在貨幣發行者（如 Tether 或 Circle）手中，而是正流向那些能夠決定資金一旦存在後該如何移動的結算協調者（Settlement […]

【科技早餐】微軟拉警報：中國在 AI 落地速度上已超前西方

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊微軟拉警報：中國在 AI 落地速度上已超前西方 微軟總裁 Brad Smith 最近公開指出，在部分 AI 應用與實際部署方面，中國已經在非西方市場取得領先優勢。報告指出，開源、低成本 AI 模型的擴散，加上中國政府大規模補助，使相關企業能更快進入商業與公共場景，推動 AI 技術落地。 報告也顯示，全球生成式 AI 工具在 2025 年第四季的使用率達到全球人口的 16.3%，但已發展國家與發展中國家的差異仍在擴大。Smith 強調，若美國企業不加強資料中心、基礎設施與人才培訓，AI 鴻溝可能加劇全球經濟不平等。 ＊OpenAI 百億美元押注推論算力，AI 戰場轉向即時運算 OpenAI 宣布未來幾年將投入超過一百億美元，向美國 AI 晶片公司 Cerebras 採購大規模算力資源，用於支撐 ChatGPT 等大型模型的推論運算，整體功率達七百五十兆瓦。合作預計從 2026 年持續到 2028 年，目標是打造全球最大等級的 AI 推論平台，以提升即時互動與回應效能。 Cerebras 晶片採用晶圓級架構，在一塊晶片上整合大量運算、記憶體與頻寬元件，並標榜可以容納 4 萬億顆電晶體。這次合作也是 OpenAI 算力供應鏈多元化策略的一部分，尋求在推論效能與成本上提供 NVIDIA 以外的替代方案，顯示 AI 競爭重心正從訓練擴張逐步轉向推論效率與持續運作的能力。 ＊微軟在 Anthropic AI 上年花費接近 […]

微軟、Google、Amazon 不只搶電也搶人：科技巨頭轉型能源公司，市場資本轉向能源供應鏈

隨著生成式 AI 模型訓練與推論需求的爆炸式增長，科技巨頭對資料中心用電的需求也正急遽上升，讓電力供應儼然成為制約 AI 擴張速度的最主要瓶頸。因此，對大型科技公司而言，能源已不再僅是一項營運成本，而是直接決定 AI 發展節奏與規模的關鍵資源。 不只搶電也搶人：科技巨頭「能源內部化」，掀起人才軍備競賽 為了應對當前 AI 發展中最關鍵的能源瓶頸，Google、微軟與 Amazon 等科技巨頭，正展開一場前所未見的「能源搶才大戰」。根據 Workforce.ai 為《CNBC》彙整的數據，2024 年科技產業中與能源相關的招募人數年增 34%，這股熱潮延續至 2025 年，整體招聘步調幾乎與前一年持平，招募規模仍較 2022 年、也就是 ChatGPT 問世前的 AI 浪潮前夕，高出約 30%。 這波人才需求的結構也正快速轉變。過去，科技公司多半招募負責 ESG 與永續發展相關的職位，但隨著電網負荷攀升與 AI 資料中心用電需求激增，企業開始轉向尋找具備實務操作經驗的能源專才。目前市場上最搶手的職能，涵蓋電力採購、能源市場操作、電網連接策略，以及與公用事業公司談判、簽署長期電力採購協議（PPA）的能力。 在這場人才競逐中，各大科技公司分別採取不同策略。像是微軟就被視為這波能源搶才的「沉默贏家」，因為自 2022 年以來已新增超過 570 名能源相關員工，代表性布局包括延攬前通用電氣（GE）財務長 Carolina Dybeck Happe 出任營運長，以及從 Google 挖角能源市場專家 Betsy Beck 擔任能源市場總監。 至於 Amazon 在能源招聘規模上則居於領先地位，自 2022 年起已聘用 605 名相關人才。Google 雖在 AI 競賽初期一度處於追趕位置，但在能源布局上同樣積極，自 […]

不怕網路、星鏈中斷！Bitchat 如何突破伊朗、烏干達斷網封鎖，成為當地重要生命線？

隨著全球地緣政治局勢升溫，網路封鎖已成為政府控制資訊流動的常見手段。近期，在烏干達與伊朗接連出現大規模網路封鎖之際，一款名為 BitChat 的離線通訊 App 意外竄紅，成為民眾的救命稻草。 在烏干達總統大選前夕，當局以防堵假訊息與選舉風險為由全面關閉網路，《Reuters》引述市場研究公司 Apptopia 數據報導，BitChat 在今年非洲國家的 App Store 與 Google Play 下載量已超過 2.8 萬次，迅速攀升至排行榜榜首，較前兩個月成長近 4 倍。類似情況也出現在伊朗，當地政府為壓制抗議活動而實施網路封鎖、衛星服務干擾，BitChat 也成了替代溝通管道，使用量於該國增加了 3 倍多。 不靠網路的通訊，正在重新被驗證 BitChat 由 Twitter 共同創辦人 Jack Dorsey 參與開發，核心概念是在沒有伺服器、沒有帳號、沒有網路的情況下仍能傳訊。這款 App 透過 Bluetooth mesh 技術運作，訊息會在鄰近手機之間接力跳轉，形成一個去中心化的臨時通訊網路。使用 Bitchat 的人越多，傳遞的效率就越高。 這種去中心化、不需登入、無伺服器的設計，讓通訊在政治和技術上都更難被單點阻斷，也讓它在高風險環境中具備吸引力。該專案以 MIT 授權釋出，使其能在全球範圍內被複製、審計與改造。 儘管藍牙型通訊服務的普及程度不及 WhatsApp 或 Apple 的 iMessage 等即時通訊軟體，但《Reuters》觀察，多年來，隨著各國政府越來越頻繁實施網路封鎖，這類通訊服務早已成為抗爭者的重要替代選項之一。 舉例來說，2020 年香港示威期間被廣泛使用的 App Bridgefy，採用的技術就和 BitChat 相同。2021 年緬甸政變，Bridgefy 在當地的下載量也超過了 […]

聯發科技發表天璣 9500s 和天璣 8500，為旗艦市場注入新動力

聯發科技發表天璣 9500s 與天璣 8500 行動晶片；這兩款產品傳承多項天璣旗艦晶片先進技術，不論在性能、能效、AI、圖像處理、遊戲、連線功能等方面皆有卓越表現，為旗艦市場注入新動力。 聯發科技資深副總經理徐敬全表示，聯發科技一直致力推動行動晶片在尖端技術的發展，透過擴大創新與研發投資，持續保有在全球智慧手機 SoC 市佔率領先的地位。天璣的使命，是讓人人可享科技新生活，本次所發布的天璣 9500s 即為普及旗艦體驗而生，讓更多使用者能享受到其與生俱來的全能表現，以及在同等級產品中極具競爭力的旗艦體驗；天璣 8500 則是專為年輕族群打造的輕旗艦行動晶片，充分展現天璣引以為傲的全大核、高能效等關鍵特色，以維持其在遊戲玩家心中卓越性能的地位。 天璣 9500s 採用旗艦 3 奈米製程和全大核架構，八核 GPU 含 1 個主頻高達 3.73GHz 的 Cortex-X925 超大核、3 個 Cortex-X4 超大核、4 個 Cortex-A720 大核，搭載領先同等級的旗艦高容量高速快取記憶體，並結合旗艦級天璣調度引擎，讓行動裝置能充分發揮強大性能和能效。 天璣 9500s 搭載 Immortalis-G925 GPU，能為高負載的 3A 級手遊提供穩定滿格、暢玩的沉浸式體驗，滿足重度玩家與電競選手對極致性能的期待。天璣 9500s 支援先進的光線追蹤技術，其內建的天璣 OMM 追光引擎能夠高效渲染圖形，大幅提升遊戲畫面的真實感與精細度，帶來媲美遊戲主機等級的環境光照與反射效果。此外，藉由天璣星速引擎的 MAGT 動態遊戲調控 3.0 技術與 MediaTek Frame Rate Converter 3.0 技術，天璣 9500s 可明顯提升主流遊戲的能效表現，有效延長行動裝置續航時間。該晶片亦支援 165 […]

AI 不只比大模型：OpenAI 為何砸百億美元聯手 Cerebras 力拚「即時推理」？

OpenAI 與晶片新創公司 Cerebras 達成一項合約總價值超過 100 億美元的多年期合作協議，合作規模高達 750MW，預計將於 2026 年開始分階段部署，並持續至 2028 年，成為全球最大規模的高速 AI 推理部署案之一。 《Reuters》指出，這項合作的核心在於 OpenAI 向 Cerebras 採購計算能力，而非單次的硬體購買；Cerebras 則將負責建置或租賃裝載自身晶片的資料中心，供 OpenAI 運行 AI 產品。OpenAI 在官方聲明中強調，此舉並非聚焦於傳統的模型訓練，而是為了提升推理效能並降低延遲，OpenAI 也將這項投資定位為支援即時互動型 AI 應用的基礎設施，目的是讓 AI 回應更迅速自然。 推理需求增長成為 OpenAI 擴大算力布局的關鍵背景 這項投資選擇，並非單一技術升級，而是來自 OpenAI 服務規模與使用型態變化所帶來的結構性壓力。隨著 ChatGPT 的每週使用者規模已突破 9 億人，OpenAI 正面臨日益嚴峻的算力短缺壓力，必須持續擴張基礎設施，才能支撐下一階段的成長。在這樣的背景下，AI 運算需求的重心也出現結構性轉變：從早期以模型訓練為主，逐步轉向推理階段。 這項轉變與 AI 應用型態的演進密切相關。當前發展趨勢正朝向需要在回應前進行「思考」的推理與邏輯模型發展，而這類模型對即時回應能力與低延遲運算的要求更為嚴苛。「OpenAI 的算力策略，是建立一個具備韌性的組合，讓合適的系統對應合適的工作負載，Cerebras 為我們的平台補上了專用的低延遲推理解決方案，這意味著更快的回應速度、更自然的互動體驗，以及一個能將即時 AI 擴展給更多人的更穩固基礎，」OpenAI 運算基礎設施負責人 Sachin Katti 如此說明在算力布局上的策略考量。 Cerebras 執行長：即時推理也將重新定義 AI，開啟建構與使用 […]

模型再強也沒用？Google Gemini 祭出「個人化智慧服務」新功能，決勝點不再只是算力

Google 的 Gemini 迎來重大升級，今（15）日推出名為「個人化智慧服務」（Personal Intelligence）的新功能，讓 AI 助理可以在使用者同意的前提下，同時理解 Gmail、搜尋、YouTube 與相簿等多個 Google 服務中的資訊，並進行跨來源推理。這代表，Gemini 不再只是從單一資料來源找答案，而是能結合郵件、搜尋紀錄、觀看行為與生活照片，判斷使用者當下的情境，提供更具脈絡的回應。 AI 從模型戰，攻向誰更能掌握使用者脈絡 該功能與 Apple Intelligence 的定位類似：一個時刻觀察你手機活動的智慧助理，能夠搜集資訊以更好地回答你的問題。表面上看，這是一項讓 AI「更懂你」的個人化升級，但從產業競爭角度看，更像是 Google 對於 AI 競爭規則的下一佈局。 這場 AI 大戰已經不只取決於模型有多聰明，而是誰能長期、低摩擦地掌握使用者的日常脈絡，並在正確時機主動提供建議。 而這正是 Google 競爭對手 OpenAI、Anthropic 目前最難複製的能力。即使模型表現逐漸拉近，若無法像 Google 掌握其他消費者入口，就難以自然取得高頻率、即時且持續更新的使用者脈絡。《Business Insider》評論，Google 可以藉由個人化智慧服務，將自家整個應用生態系轉化為 AI 的競爭優勢。 舉例來說，當使用者計劃度假時，Gemini 可以從照片或電子郵件中判斷使用者偏好戶外活動、是否有孩子、過往常選擇的飯店類型，進而量身規劃行程建議。 個人化智慧服務測試版將先向美國 Gemini 高級訂閱用戶推出，並計劃在未來幾個月內推廣至全球以及免費用戶。該功能目前僅適用於個人 Google 帳戶，不適用於 Workspace 商業、企業或教育版用戶。 信任與治理，成為競爭策略的一環 不過，跨來源推理也可能帶來新的風險。過度個人化可能產生錯誤關聯，甚至引發使用者對被監控或被誤解的疑慮。 因此，Google 在推出個人化智慧服務時，刻意強調其將「隱私」放在核心位置。連結各項應用程式的功能預設為關閉，需由使用者主動選擇要授權的服務，且可隨時中止或刪除對話紀錄。Google 也強調，Gmail 收件匣與 Google 相簿內容不會用於訓練模型，僅會使用 Gemini […]

把「主權 AI」打包成出口生意：NAVER 如何搶佔美中夾縫市場，成為全球科技的第三種選擇？

在 AI 與雲端服務的全球競爭中，被譽為「南韓 Google」的 NAVER 正採取一種獨特的競爭策略：將「主權 AI」（Sovereign AI）轉化為出口商品，瞄準那些不願在美、中兩大科技強權之間選邊站的市場，目標成為「美中之外的第三種選擇」，鎖定對美國或中國科技巨頭抱持政治、安全與主權疑慮的國家。 NAVER Cloud 執行長 Kim Yuwon 指出：「美國與中國的科技巨頭正以通用型 AI 模型瞄準更大的市場，他們沒有太多空間為各個國家提供客製化服務。」相較之下，NAVER 主打的主權 AI，強調資料不外流、模型可在地部署，讓客戶能掌控資料、語言與文化脈絡，克服許多國家當前的顧慮。為了讓這套主權 AI 定位真正成立，NAVER 選擇先從基礎建設下手。 從 GPU 到資料中心，NAVER 為主權 AI 策略鋪路 目前 NAVER 並非僅止於談論理念，而是已經試圖將主權 AI 落實為一套可商業化的完整模式，涵蓋雲端基礎設施、在地資料中心與客製化模型，提供從資料中心到應用程式的全方位技術棧（technology stack）掌控權。 例如，為支持各國在地部署的需求，NAVER 近年大幅加碼 AI 基礎設施投資，規模甚至超越部分傳統硬體巨頭，像是 NAVER 已成為南韓 NVIDIA 晶片的最大買家，取得的 GPU 數量超過三星與現代，並計畫在今年投資超過 1 兆韓元（約 6.9 億美元），取得約 6 萬顆 NVIDIA 最先進的 Blackwell GPU。匯豐銀行（HSBC）分析師預估，到 2030 年，Naver […]

從搬運工到國家安全節點：人形機器人競賽升級，Foundation 將技術推向地緣政治的火藥庫

過去幾年，全球數百家人形機器人新創公司相繼投入研發，多數聚焦於工業、物流與家庭服務等民用場景。無論是 Tesla Optimus、Figure AI 或中國的宇樹科技，主流敘事圍繞的核心議題始終是「如何取代重複性勞動」與「如何讓機器人進入日常生活」。 然而，矽谷新創 Foundation 正在開闢一條截然不同的路徑。他們不僅瞄準製造與物流市場，更明確將美國軍方列為目標客戶，計畫讓旗下人形機器人 Phantom 攜帶武器並投入作戰，成為最早公開瞄準致命軍事應用的人形機器人新創之一。 當其他廠商還在思考如何讓機器人搬運箱子或組裝零件時，Foundation 執行長 Sankaet Pathak 在受訪時表示，Phantom 的軍事用途可能走向「由非致命任務逐步過渡到可搭載武器」的路線，但強調致命行動仍需要人類決策在迴路中，他說，「如果你是第一個進入戰場的單位卻毫無威脅性，敵人根本不會暴露自己。也就是說，機器人必須具備致命能力才有戰術價值。」 這種定位的轉變，意味著人形機器人不再只是效率工具，如今已經開始觸及國家安全與地緣政治的敏感地帶。 Foundation 為何能跑這麼快？ Foundation 成立於 2023 年 5 月，總部位於舊金山與慕尼黑，創辦人 Pathak 曾是金融科技公司 Synapse 的執行長。公司成立僅 18 個月，便已完成開發生產型機器人，並在合作夥伴場域執行實際生產任務，Foundation 對外主打「開發與落地節奏很快」，並以短時間內完成可執行任務的機器人作為賣點。 這種執行效率來自兩項關鍵收購：一是 AI 技術團隊，二是新一代致動器技術（Actuator），兩者大幅壓縮了研發週期。 在硬體層面，Phantom 採用滾動齒輪裝置，取代傳統的諧波減速機 (或諧波齒輪)，能源效率據稱達到 90% 至 95%，遠高於競爭對手的 50% 至 60%。這種設計帶來更高的力矩密度，使機器人具備約 20 公斤的負載能力，同時減少發熱與磨損，並讓機器人在人類附近操作時更加安全。 感知系統方面，Foundation 選擇跟隨 Tesla 的策略，僅使用攝影機而不搭載其他感測器，目的是降低系統複雜度。軟體層面則採取混合式 AI 架構，結合模仿學習（Imitation learning）與狀態空間模型（State-Based Models），後者明確納入物理、運動學與任務動態知識。公司稱這種方法，讓機器人在 30 […]

破解 AI 機器人「資料荒」！1X 如何將網路上無窮盡的影片，轉化為實體動作？

過去我們對機器人的印象，往往是必須經過工程師撰寫繁複的程式碼，或透過人類遠端遙控示範，才能執行特定的動作。但現在，這種限制可能即將被打破。由 OpenAI 投資的挪威機器人新創 1X Technologies 最近發布了全新 AI 模型 1X World Model，宣稱能讓旗下的人形機器人 Neo 透過觀看影片來理解物理世界，甚至在沒有人類直接示範的情況下，學會全新技能。 《Interesting Engineering》報導，這個基於物理學的 AI 模型，能夠結合影片數據與文字指令，讓 Neo 預測接下來該發生什麼事。簡單來說，當用戶給機器人一個指令，例如整理桌子，世界模型會先在腦海中生成一段自己完成這項任務的影片，接著透過逆向動力學模型（Inverse Dynamics Model），將這段生成的影片轉化為實際的馬達動作。這就像是機器人在實際行動前，先在腦中進行了一次沙盤推演，將數位影像轉化為實體動作。 從死背硬記進化到看片學習 這種學習方式讓機器人不再受限於預先編寫的劇本，解決了機器人領域長久以來的痛點：如何將數位的智慧轉化為可靠的物理行動。透過人類與物品互動的影片學習，Neo 能夠進一步將行為類推到陌生的環境中。在官方釋出的演示中，Neo 不僅能完成打包午餐盒等日常任務，甚至展現了在未經特定訓練下，執行開門、操作馬桶座墊、燙衣服以及梳頭髮等複雜動作的潛力。 1X 執行長 Bernt Børnich 在接受《Bloomberg》採訪時強調，這代表著機器人也能像人類一樣，從網路上無窮無盡的影片中學習。而為了達成這一點，Neo 的外型必須極度擬人化，因為如果機器人的構造與人類差異過大，它就無法將人類在影片中的動作，轉換成自己的肢體語言。這種「具身智慧」（Embodied AI）的策略，繞過了過去收集機器人專屬訓練數據既昂貴又緩慢的瓶頸，讓網路影片變成機器人的現成教科書。 懂得「腦補」後果，讓機器人更安全 除了學習新技能，這套世界模型還具備關鍵的安全機制。Børnich 指出，模型會主動推理並視覺化可能出錯的情境，進而選擇最安全的路徑來執行任務。這意味著機器人不再是盲目執行指令，而是具備了基本的風險評估能力，這對於機器人進入家庭與人類共存至關重要。1X 官方部落格也提到，這種基於生成的策略，讓機器人能處理長序列的任務，而不僅僅是單一動作的反射。 隨著 Neo 預計在今年稍晚開始出貨，Børnich 認為機器人產業將迎來新的擴展定律：機器人的智慧將不再僅取決於人類收集多少數據，而是取決於有多少機器人在現實世界中運行並回饋經驗，形成自我強化的學習循環。也因此，產業重心將從過去困難、昂貴的人類資料蒐集工作，轉向更有效率的方向，也就是具備能力且安全的人形硬體製造與大規模部署。 不過，《TechCrunch》也提醒，說機器人能將任何提示指令轉化為新的動作可能過於誇張、不完全準確，例如期待讓 Neo 開車，它能自動學會路邊停車。 1X 發言人澄清，他們並不是在說目前的 Neo 機器人能夠僅靠錄下影片並給予提示，就立刻學會執行全新的任務。相反地，機器人會將與特定提示相關聯的影片資料回傳到其世界模型中，該模型再被回饋到整個機器人網路，讓所有機器人對物理世界有更好的理解，也累積更多實務經驗。 ＊本文開放合作夥伴轉載，資料來源：《TechCrunch》、《Interesting Engineering》、《Startup.ai》、《Bloomberg》、1X，首圖來源：1X

【科技早餐】五角大廈導入 Grok，軍事數據全面加速 AI 化

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊五角大廈導入 Grok，軍事數據全面加速 AI 化 美國戰爭部長赫格塞斯 (Pete Hegseth) 宣布，馬斯克旗下 AI 聊天機器人 Grok，將加入 Google 的 AI 模型行列，一同進駐美國軍方網路，涵蓋非機密與機密系統，並於本月稍晚正式上線。美方計畫將大量軍事與情報數據導入 AI 系統，以加快決策與作戰支援能力。 此決策正值 Grok 因生成高度色情化深偽影像而遭多國封鎖之際，引發外界對軍事 AI 風險的關注。赫格塞斯強調，五角大廈的 AI 應用將以作戰效能為核心，不受限制合法軍用的意識形態影響，也顯示川普政府在軍事 AI 發展上，與前任政府的審慎路線出現明顯差異。 ＊川普政府放行 NVIDIA H200 對中出口，附加效能與數量限制 美國川普政府正式批准 NVIDIA 向中國出售 H200 人工智慧晶片，但附帶多項限制條件。根據規範，H200 在出貨前須交由第三方實驗室進行 AI 效能審查，銷往中國的總量不得超過美國客戶採購總額的 50%，中國買方也須提出安全承諾，並保證不作軍事用途。 川普上月宣布此一政策時指出，出口必須在確保國家安全前提下進行，並要求 NVIDIA 將相關銷售營收的 25% 上繳美國。此舉引發國會跨黨派對中鷹派批評，質疑恐助長中國 AI 與軍事能力。川普政府則主張，有限度出口有助壓制中國自研晶片動能，避免其加速追趕輝達與 AMD。 ＊微軟承諾自付資料中心電費，回應 AI 用電轉嫁疑慮 面對 AI […]

Starlink「防封鎖」神話破滅？從伊朗斷網實戰看低軌衛星的三大技術硬傷

近期，伊朗境內爆發大規模抗議行動，也讓通訊網路成為政府與民眾之間的關鍵攻防場域。伊朗政府近期實施近年來最嚴厲的全國性網路封鎖，在封鎖開始的 30 分鐘內，伊朗網路流量驟降 98.5%，固定寬頻與行動網路幾乎全面中斷，導致 8,500 萬人與外界斷絕聯繫。 在地面網路幾乎癱瘓的情況下，過去曾多次出現在戰爭前線、長期被視為「防封鎖」解方的 SpaceX Starlink 衛星網路，成為少數人的救命稻草，儘管該服務在伊朗並未獲得官方授權，但仍有部分用戶透過走私入境的設備取得連線。有使用者向《Reuters》證實，Starlink 在伊朗部分地區仍然可以運作，雖然連線品質不穩定，但確實可以提供訊號，維持伊朗與外界的微弱聯繫。 然而，這次伊朗斷網事件也首度顯示，低軌衛星並非「無法封鎖」的萬靈丹。從實際運作結果來看，Starlink 在伊朗首度遭遇的挑戰，主要集中在三個技術層面的瓶頸。 技術瓶頸一：射頻與 GPS 干擾可有效削弱低軌衛星連線 過去外界普遍認為，低軌衛星因部署數千顆衛星、並具備頻率切換等技術特性，幾乎不可能被有效封鎖，但伊朗當局的行動顯示，這一假設並非無懈可擊。根據《Rest of World》報導，自 1 月 8 日起，伊朗開始部署軍用級 GPS 與衛星訊號干擾設備，這類設備與烏克蘭戰場上用於干擾無人機的工具相似，雖然成本高昂、耗能驚人，卻能在特定區域內有效阻斷無線電頻率。 這些干擾行動對 Starlink 的實際運作造成明顯衝擊。專家指出，當局透過發射強力干擾訊號，壓制終端設備接收衛星訊號的能力，使部分地區 Starlink 的網路效能最多被削弱達 80%，連線品質與穩定性大幅下降。同時，由於 Starlink 終端高度依賴 GPS 訊號進行定位，伊朗當局選擇直接干擾 GPS，本身便足以讓地面設備因無法定位而失靈。 這次行動也打破了過去的技術經驗。俄羅斯曾在 2022 年嘗試干擾烏克蘭的 Starlink 服務，但當時 SpaceX 很快便透過軟體更新反制，然而《Rest of World》指出，「德黑蘭似乎在莫斯科失敗的地方取得了成功」，截至目前，SpaceX 尚未提出有效的修正方案，數位權利專家 Amir Rashidi 因此直言，Starlink 曾被視為防審查連線的代名詞，但伊朗的行動已證明這項假設已經不成立。 技術瓶頸二：容量與覆蓋限制，使 Starlink 無法支撐大量使用者 其次，即便衛星連線能在技術上繞過地面審查，其硬體限制與高昂的經濟門檻，仍使其難以取代國家級網路基礎設施，更無法支撐整個社會的通訊需求。《The Guardian》指出，單一 […]

有錢也買不到的「T-glass」：拆解晶片供應鏈最脆弱的一環，為何連蘋果都束手無策？

隨著 AI 產業的蓬勃發展，全球電子供應鏈正遭遇新的挑戰。根據《日經亞洲》最新報導，一種被稱為「玻璃纖維布」（Glass Cloth）的關鍵材料，正因 NVIDIA、Google 與亞馬遜等科技巨頭的搶購而面臨嚴重短缺。 根據《日經亞洲》報導，這種看似不起眼的薄膜材料，是高階晶片基板與印刷電路板（PCB）不可或缺的核心元件。隨著 AI 晶片與高效能運算需求暴增，玻璃纖維布的供應正迅速吃緊，甚至被業界形容為「2026 年電子製造與 AI 產業面臨的最大瓶頸之一」。 玻璃纖維布為何如此關鍵？ 玻璃纖維布主要用於晶片基板與 PCB，這些基板承載處理器並負責高速訊號傳輸。AI 晶片、伺服器與高階行動裝置對資料傳輸穩定性與精密度要求極高，使得低熱膨脹係數（CTE）的高階玻纖布（又稱 T-glass）成為不可替代的材料。 這類玻纖布具備尺寸穩定、剛性高、利於高速訊號傳輸等特性，能支撐 AI 運算晶片與高階處理器所需的高頻、高密度設計。 Nittobo 獨佔市場，產能擴充緩不濟急 問題在於，目前全球最先進的玻璃纖維布幾乎由日本 Nittobo（Nitto Boseki）一家供應，產能高度集中，替代來源極其有限。儘管 Nittobo 早在 1938 年便成功工業化生產玻璃纖維，但其產能擴張速度遠不及 AI 浪潮帶來的爆炸性需求。 Nittobo 執行長 Hiroyuki Tada 曾對外表示，公司將優先考慮品質而非數量，且對於承擔過度的擴產風險持保留態度。業內人士悲觀預測，供應狀況要到 2027 年下半年 Nittobo 新產能上線後，才會有實質性的改善，「即使你向 Nittobo 施壓，沒有新增產能也無濟於事。」 AI 巨頭加入搶料，蘋果與高通首當其衝 過去，玻纖布主要應用於智慧型手機與一般電子產品。蘋果早年即率先將高階玻纖布導入 iPhone 晶片基板，當時供應尚稱穩定。但隨著 AI 熱潮全面引爆，NVIDIA、Google、亞馬遜等 AI 巨頭也開始大量採用同級玻纖布製作 AI 晶片板材，直接擠壓原本消費性電子的供應鏈。《日經新聞》先前報導，AMD 也曾派員工前往Nittobo，希望取得 AI […]

新研究繞過 HBM 瓶頸：DeepSeek 如何在算力受限下，於西方之外的 AI 競賽領先美國？

近日 DeepSeek 創辦人梁文鋒與北京大學研究團隊，在共同發表的最新論文中，揭示一種名為 「Engram」 的模型訓練新方式。Engram 技術是將「條件記憶（Conditional Memory）」視為繼專家混合（MoE）之後的稀疏模型新維度。所謂的條件記憶，就是透過引入可擴展的查找記憶結構，在相同參數與算力條件下，顯著提升模型在知識調用、推理、代碼、數學等任務上的表現。 這項研究的核心目標，是經由繞過 GPU 高頻寬記憶體（HBM）的容量限制，實現「激進的參數擴張（aggressive parameter expansion）」，從而打破模型規模受制於單一硬體記憶體上限的困局。 透過「解耦」計算與記憶體提升模型效率，研究看好「條件記憶」成下一代核心 該論文指出，現行大型語言模型高度依賴計算來檢索基本資訊，這使得模型在擴展規模時，往往得依賴更昂貴、更新一代的 GPU 硬體來換取 HBM 容量，而 HBM 正是目前中、美 AI 硬體實力中最大的差距之一。 因此，DeepSeek 提出的 Engram 方法重點不在於增加算力，而是透過「解耦（decoupling）」計算與記憶體，調整模型架構與資料處理方式，讓模型能更有效率地查找基本資訊，進而提升處理長文本的效率。 論文也提到，這種策略的潛在優勢在於降低訓練成本門檻，讓模型在資源有限的情況下仍能提升複雜推理能力。「我們認為，條件記憶將成為下一代稀疏模型中不可或缺的核心，」研究團隊在論文中如此寫道，並預期條件記憶的未來影響力，將不亞於先前被廣泛採用的專家混合（MoE）架構。 中國限制高階 NVIDIA 晶片採購，加深算力受限現實 這種「繞過 HBM 容量限制」的設計思路並非憑空出現，而是與中國 AI 產業當前所面臨的硬體現實高度契合。 《The Information》報導，中國政府近期已向國內科技公司頒布新令，要求僅能在「特殊情況」下，才可採購 NVIDIA 最新一代高階 AI 晶片 H200，顯示北京當局正在強化立場，防止國內市場過度依賴美國晶片巨頭，也反映出中國政府在 AI 領導地位與半導體自給自足這兩大目標之間的權衡。 相關人士指出，北京認為保護本土晶片產業的重要性已超過獲取外國先進晶片，雖然中國晶片商目前已經能生產足以支撐 AI 推論的處理器，但 H200 對於構建前沿 AI 系統仍具有「功能上不可替代」的地位，因此限制獲取這些晶片，可能會減緩中國開發頂尖 AI 模型的速度。 在高階 GPU […]

AI 資料中心搶水搶電搶土地？川普施壓奏效，微軟拋電費全吞等 5 大承諾

儘管 ChatGPT 引發了人們對 AI 的熱情，但並非所有社群都樂於接受 AI 背後的實體基礎設施。隨著各大科技巨頭迅速興建資料中心，Data Center Watch 研究揭露，自去年第二季度以來，全美各地對資料中心的反對聲浪急劇升級。統計顯示，僅在 2025 年 3 月至 6 月期間，就有價值高達 980 億美元的資料中心專案因遭到社區強烈抵制而被迫延遲或取消。 這股反對力量主要源自於當地居民對資源消耗的擔憂。《GeekWire》引述美國政府數據指出，在維吉尼亞州、伊利諾州與俄亥俄州等資料中心重鎮，居民電費在過去一年內飆漲了 12% 至 16%，遠高於全國平均，原因是電網營運商爭相為大型新基礎設施增加容量。此外，AI 運算所需的龐大冷卻用水以及土地佔用問題，也讓許多社區從原本歡迎科技投資，轉變為激烈的鄰避效應（NIMBY）。這種跨越黨派的民間怒火，正在迫使科技巨頭重新評估其基礎設施的擴張策略。 川普先放話，微軟把承諾端上桌 在反對潮升溫之際，美國總統川普昨日在社群平台 Truth Social 發文，表示不希望美國人因資料中心而支付更高電費，並稱政府正在與主要美國科技公司合作，確保他們對美國人民做出承諾，強調科技公司必須自己買單（pay their own way）。他也點名微軟，稱其將做出重大調整，讓美國人不必為資料中心的電力消耗成本買單。 隔天，微軟正式公布回應方案。微軟總裁兼副董事長 Brad Smith 表示，微軟推出以「community first」（社區優先）為核心的 5 大做法。 首先，微軟承諾自行負擔其資料中心的全部電力成本，並與公用事業與監管機構合作，確保成本不會轉嫁到住宅用戶。Smith 提到，威斯康辛州的超大型客戶費率架構可作為參考架構：資料中心需支付其用電的完整成本，包括為支援大客戶而必須進行的電網升級。 其次，微軟也承諾不再向地方政府要求財稅優惠、將全額繳納地方財產稅；在用水方面，除了目標到 2030 年提升 40% 用水效率，也提出補充量高於使用量的水資源回饋方向；在人力與社區面向，微軟將與北美建築業工會合作培訓在地技術人力、擴大其資料中心學院（Datacenter Academy）的營運與訓練規模等，並在學校、圖書館與商會推動 AI 教育與訓練、設立社區諮詢機制。 資料中心不再只是工程問題，而是「社會授權」競賽 Smith 在《GeekWire》訪談中坦言，產業過去常用保密協議購地，以避免地價上漲並維持競爭優勢，但這種讓社區最後一刻才知道誰要來、要做多大的模式，已不再是可長期運作的路徑。他承諾提高透明度，並指出未來能在資料中心領域取得成功的公司，取決於是否能與地方建立穩定且健康的關係。 這波資料中心反對潮正在改寫科技巨頭的資料中心策略。一方面，政治訊號更加清楚。《華爾街日報》指出，川普將降低生活成本納入政治議程，並把資料中心電力議題放進美中 AI 競賽的敘事之中。換言之，AI 要贏，但不能讓民眾電費失控。 […]

當 Gemini 3「思考力」遇上 CloudMile「執行力」：打造企業級 AI Agent 的下一塊拼圖

隨著生成式 AI（Gen AI）快速進入企業應用，市場正迎來一個關鍵轉折點。若 2023 年是 AI「能說話」的元年，從 2025 年起，焦點將轉向 AI「能思考」與「能執行」。 Google 最新一代模型 Gemini 3 的推出，讓 AI 不再只是機率預測工具，而是具備如同人類般的「慢思考（Slow Thinking）」能力──能拆解複雜問題、進行自我驗證，甚至反思推理結果。 不過，對企業而言，擁有聰明的大腦只是第一步。如何將 AI 與企業內部複雜數據系統接軌，遵守企業規範並轉化為實際生產力，才是最大挑戰。這正是亞洲領先 AI 技術公司 CloudMile 萬里雲的切入點。 從 LLM 到 AI Agent：企業需要「會做事的夥伴」 過去企業導入 AI 的痛點在於模型「懂常識」卻「不懂公司」，因此需具備產業經驗的科技夥伴協助落地應用。CloudMile 萬里雲已取得台灣數位發展部 AI 技術服務機構能量登錄認證，並被新加坡政府指定為 Enterprise Compute Initiative（ECI）科技顧問夥伴，成為首家同時獲得台灣與新加坡雙政府 AI 認證的企業。 CloudMile 萬里雲透過整合以 Gemini 3 為基礎的 Gemini Enterprise 與自主研發的 MileAI 企業⽣成式 AI 應⽤與創新解決方案，將 Gemini 轉化為能理解業務場景的 AI Agent（人工智慧代理）。這些 Agent 不僅能回答問題，更具備「感知（Perception）、大腦（Brain）、行動（Action）」三大能力，可處理高度複雜任務，超越傳統 Chatbot […]

量子電腦真的開始「有用」了嗎？企業紛喊突破，專家為何仍說還不能用

隨著量子技術加速發展，各家企業也紛紛宣稱取得重大突破。匯豐銀行（HSBC）近期就宣布使用 IBM 的量子電腦進行債券交易實驗，並將這場實驗視為「全球首個債券交易應用範例」，顯示金融服務正在進入量子計算新紀元。另一方面，近期包括 Google、D-Wave 和 Quantinuum 在內的多家公司都宣稱達成了超越傳統電腦的「量子優勢（quantum advantage）」，但科學有效性仍存在高度爭議。 德州大學電腦科學教授 Scott Aaronson 將這類說法斥為日益增多的「殭屍主張（zombie claims）」之一，並批評：「完全沒有理由相信他們看到的任何改進與量子力學本身有任何關係。」事實上，連匯豐內部的研究人員也坦承，目前尚無法解釋為何所使用的 IBM 機器能產生較佳的交易結果，同時表示該研究「需要進一步調查」。 然而，在科學有效性備受質疑的同時，產業也逐漸將焦點轉向更現實的問題：現有的量子電腦是否已經足夠穩定？ 量子電腦仍受硬體雜訊與穩定性限制，部分公司選擇放慢系統發布 量子電腦目前的主要障礙在於硬體的不穩定性，因為現在機器仍屬於「雜訊量子系統（noisy quantum systems）」，量子位元（qubits）之間的干擾使得長時間且穩定的運算變得極為困難。因此為了克服準確性與穩定性的瓶頸，部分硬體供應商已決定放慢發布時程，轉而追求更高的可靠性。 以 Rigetti Computing 為例，該公司在 2026 年初宣布推遲其 108 位元量子系統（Cepheus-1-108Q）的上市時間，將重點放在優化可調耦合器（tunable couplers）以提升「保真度（fidelity）」。Rigetti Computing 執行長 Subodh Kulkarni 指出，公司選擇進行晶片的「另一次迭代」，是為了確保系統運作的精確度，這也顯示，部分業者正將注意力放在結果是否能被重複驗證，而不只是系統規模。不過，這些短期技術調整，並未改變產業對長期關鍵門檻的共識。 一旦跨過「容錯」門檻，產業可能出現「勝者通吃」局面 另一方面，美國聯邦與產業端的動能正試圖銜接學術研究與商業應用，將重心從純科學研究轉向追求實質的「經濟價值」。 產業專家指出，目前的目標是打造真正能對世界產生影響的機器，而這個轉折點預計在未來二到十年內到來。  IBM 研究部門主管 Jay Gambetta 指出，目前量子技術正處於類似 2012 年人工智慧發展的轉折點：當時第一批神經網路雖然在實務上尚未產生巨大經濟意義，卻是後來演變成龐大運算能力的科學實證。 摩根大通（JPMorgan）的分析報告則指出，量子運算的關鍵轉捩點在於「容錯量子電腦（fault-tolerant quantum computers）」的實現。 由於容錯系統能大規模校正運算錯誤，從而進行複雜且持續的計算，因此一旦跨過這個技術門檻，量子計算在效能上的優勢將不可撼動，屆時產業可能出現「勝者通吃（winner-take-all）」的局面，首家建立商業飛輪的供應商將主導市場。 JPMorgan 特別點名 IBM、Alphabet 與 Microsoft 等科技巨頭，以及 IonQ、Rigetti […]

一個月內完成模型訓練與部署！長問科技以 NVIDIA 強大算力建構在地化語音 AI 辨識應用 助攻金融、公部門智慧轉型

長問科技深耕 AI 語音領域，致力提供在地化語音技術，支援台語、客語等多方言辨識與應用。為滿足語音 AI 辨識服務對於 GPU 算力的需求，長問科技選用兩台麗臺科技的 WinFast GS4850T 伺服器再各搭配 8 張 NVIDIA RTX PRO™ 6000 Blackwell Max-Q Workstation Edition GPU，不僅獲得穩定且高效的算力支援、加速模型迭代速度，更實現語音辨識正確率達 90%。目前，長問科技協助金融業成功打造安全、高效的金融語音解決方案，促進無障礙互動體驗，也協助公部門客戶打造智能市民熱線，更快速回應市民諮詢。 長問科技總經理陳又碩表示，隨著語音 AI 辨識服務的應用範疇擴大，長問科技對於 GPU 算力設備產生新需求。在推論（Inference）部分，長問科技透過演算法降低算力成本，讓客戶能以較少的算力達到最佳效果，降低 AI 導入的門檻；在訓練（Training）部分，則是持續增加算力採購，因為長問科技除了訓練國語、台語、英語、客語的基礎模型（Foundation Model），還助力客戶訓練企業內部的語音辨識模型，降低 AI 幻覺問題，「所以我們採購兩台麗臺科技提供的 WinFast GS4850T 伺服器，搭配各 8 張 NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition GPU，透過這樣的算力訓練一個原生且支援台灣在地語音的國、台、英、客語基礎模型，從模型訓練再到部署至客戶端，僅僅需要一個月的時間。」 陳又碩進一步說明，長問科技運用麗臺科技與 NVIDIA 解決方案訓練一個名為「TB2」的模型，並在效能上取得顯著突破，「一張 RTX PRO 6000 Blackwell Max-Q 可以支援 […]

90% 產線問題都能提前預測！百事可樂示範「零試錯」的工廠設計

對當今的製造業者來說，製造流程的複雜性早已不只存在於產線本身，而是體現在決策速度與變更成本之中。每一次新工廠設計、產線調整或倉儲配置變更，都牽動設備投資、人力配置與供應鏈協同，一旦判斷失準，修正代價往往高於預期。 而像是百事可樂（PepsiCo）這樣的快速消費品品牌，產品組合日益多元、上市節奏加快，傳統仰賴實體試產與經驗推估的製造決策模式，已逐漸成為效率與彈性的限制因素。 正是在這樣的背景下，百事可樂開始重新思考製造與供應鏈規劃的起點。為此，百事可樂正積極將 AI 與數位孿生（Digital Twin）技術導入製造與供應鏈決策流程，嘗試從根本重塑工廠設計與營運模式。 以 AI 與數位孿生重寫工廠設計流程 在 CES 2026 上，百事可樂宣布與西門子（Siemens）、NVIDIA 展開合作，導入基於物理模型的 2D／3D 數位孿生與 AI 模擬工具，將工廠與倉儲設施的規劃前移至虛擬環境中完成。透過這套系統，工程與營運團隊能在實際動工前，於數位空間中反覆測試產線配置、設備動線、人員配置與物流流程，提前識別潛在瓶頸與風險。 這種「先模擬、再建設」的模式，改變了傳統製造業高度依賴經驗與實體試錯的做法。過去，產線調整或新廠建置往往要等到設備實際進場、開始試產後，才會發現流程衝突或效率不彰的問題，不僅修正成本高，也容易拖延產品上市時程。透過 AI 與數位孿生，百事可樂得以在虛擬工廠中模擬多種情境，快速比較不同設計方案的效能表現，並在決策前即完成優化。 支撐這套能力的關鍵工具之一，是百事可樂導入的「數位供應鏈編排器」（Digital Chain Composer）。該系統可整合工廠設計、設備參數、物流節點與產能限制等資料，利用 AI 模型進行整體流程模擬與風險評估。百事可樂指出，透過這套工具，團隊能在實體改動前辨識多達 90% 的潛在設計與流程問題，大幅降低後期修改的時間與成本。 在實際試點中，這種以數位孿生為核心的規劃方式已展現具體成效。百事可樂表示，初期導入的試點專案中，工廠整體產能（throughput）提升約 20%，同時也顯著縮短了從設計到投產的開發週期。這不僅意味著既有產能的放大，也讓企業在面對市場需求變化時，能更快完成產線調整與新品導入。 百事可樂數位孿生的下一步：延伸至整體供應鏈 更進一步地，百事可樂並未將數位孿生的應用侷限於單一工廠或製造環節，而是延伸至整體供應鏈規劃。透過串接多元供應鏈資料，包含市場銷售數據、消費者需求趨勢與原料供應狀況，AI 模型得以預測需求變化，並在虛擬環境中建立產品層級的「數位孿生供應鏈」。這讓百事可樂能針對不同市場、不同產品組合，模擬最合適的生產與配送策略。 在這樣的架構下，供應鏈不再只是被動回應需求，而是可依據預測結果進行前瞻性調整。無論是在成本控制、品質管理，或是永續指標的平衡上，數位孿生都成為決策的共同語言。百事可樂可在確保價格合理與品質達標的前提下，提前評估不同方案對碳排放與資源使用的影響，將永續目標內建於供應鏈設計之中，而非事後補救。 從更宏觀的角度來看，百事可樂的這項布局，反映出消費品製造業正從「數位化工具導入」邁向「以 AI 驅動的系統性重構」。數位孿生不僅僅提供視覺化輔助，還成為串聯設計、製造、物流與市場需求的核心平台。 對百事可樂而言，這是一項長期競爭力工程。隨著市場變化速度持續加快，在虛擬世界中先行驗證、快速迭代，將成為決定製造企業反應速度與營運彈性的關鍵。從目前試點成果來看，AI 與數位孿生已為百事可樂打開一條通往更高效率與更敏捷製造體系的路徑。 ＊本文開放合作夥伴轉載，參考資料：Siemens、《PR Newswire》，首圖來源：PepsiCo （責任編輯：廖紹伶）

【科技早餐】Meta 啟動「Meta Compute」，全面掌控 AI 算力主權

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Meta 啟動「Meta Compute」，全面掌控 AI 算力主權 Meta 執行長祖克柏宣布啟動代號為「Meta Compute」的自主 AI 基礎設施計畫，目標自研 AI 晶片、優化資料中心架構，並打造超大規模運算環境，以降低對 Nvidia 等外部晶片供應商的依賴，強化對底層算力的掌控。 祖克柏指出，若要推進通用人工智慧發展，僅靠模型與軟體已不足以支撐，必須同時掌握硬體與基礎設施。在全球 AI 晶片供不應求的情況下，算力正從成本項目，轉變為科技巨頭之間的核心競爭門檻。 ＊不是自研，是直接用最強：蘋果攜手 Google 重塑 Siri 核心 蘋果宣布與 Google 達成多年合作協議，新一代人工智慧功能將導入 Google 的 Gemini 技術支援，包括預計今年稍晚推出的新版 Siri。這項決定象徵蘋果在 AI 策略上的重要轉向，也代表一向強調自研核心技術的蘋果，選擇在生成式 AI 關鍵節點採用外部最成熟的模型能力。 不過，此舉也引發競爭與監管層面的質疑。xAI 創辦人馬斯克在社群平台 X 上批評，Google 同時掌握 Android 作業系統與 Chrome 瀏覽器，再成為蘋果 AI 核心技術供應方，恐形成不合理的權力集中。蘋果與 Google 則強調，Apple Intelligence 仍在裝置端與私有雲端運算環境中運作，隱私原則不變，但市場仍關注這項合作對生態系與反壟斷審查可能帶來的後續影響。 ＊NVIDIA 攜手禮來，AI 正式走進藥物研發核心 […]

6 萬名員工有 2.5 萬個是 AI 代理！麥肯錫 CEO：希望每個員工都獲 1 個代理支持

全球管理顧問巨頭麥肯錫（McKinsey & Company）正在經歷一場以 AI 為核心的組織重塑。執行長 Bob Sternfels 近期在接受《哈佛商業評論》採訪時揭露，若被問及公司目前的規模，他的答案是 6 萬名員工，其中包含約 2.5 萬個 AI 代理（AI Agents）。 從幾千個到 2.5 萬個代理，18 個月內完成 Sternfels 指出，大約一年半前，麥肯錫內部只使用了數千個 AI 代理，但隨著生成式 AI 與代理式架構快速成熟，公司已在不到兩年的時間內，將 AI 代理數量擴張至約 2.5 萬個。他表示，AI 代理在生成圖片方面表現出色，在過去 6 個月就生成了 250 萬張圖表。 他的下一個目標更加明確：在接下來的一年到一年半內，讓每一位人類員工至少都能獲得一個、甚至多個 AI 代理的支持，形成接近 1：1 的人機配置。在他看來，未來的競爭優勢，不再只是員工數量，而是「人類如何與代理協作」。 顧問工作正在「向上堆疊」，釋放 150 萬小時 這波 AI 代理的大規模導入，也正在改變顧問工作的本質。麥肯錫內部將這場轉型稱為「25 squared」（25 平方）的組織變革，一方面，直接面對客戶的前線顧問人力，預計將成長約 25%；另一方面，非面對客戶的後勤與支援人力則縮減約 25%。 看似矛盾的變化，背後邏輯其實一致。透過 AI 代理處理搜尋、彙整與結構化分析等基礎工作，顧問得以「向上堆疊」（moving up the stack），把時間與精力投入更複雜、更高價值的決策問題。僅在去年一年，麥肯錫就透過 […]

CEO 怕詐騙、CISO 怕勒索？WEF 揭企業高層與資安團隊的風險認知落差

世界經濟論壇（WEF）最新發布的《2026 年全球資安展望》（Global Cybersecurity Outlook 2026）報告指出，隨著技術手段與犯罪模式的演進，網路詐騙已正式超越勒索軟體，成為當前影響力最深遠的全球性網路威脅。這項轉變也反映在極高的普及率上：過去一年中，高達 77% 的受訪者觀察到網路詐騙與釣魚攻擊事件明顯增加。 AI 加劇詐騙威脅，挑戰數位信任基礎 更值得注意的是，詐騙威脅已深入個人生活層面。WEF 調查顯示，73% 的受訪者表示自己或其社交網路中的成員，在過去 12 個月內曾親身遭遇過網路詐騙，顯示詐騙已不再只是企業資安問題，更是一種普遍性的社會威脅，直接挑戰數位經濟中的信任基礎。 這類高度普及的詐騙，往往透過多樣且熟悉的手法滲透到日常情境中。常見的詐騙手法包括釣魚郵件、簡訊詐騙、身分盜用與付款詐騙等。這類威脅之所以能快速擴散，關鍵在於詐騙活動執行成本低、成功率高，因此成為網路犯罪分子的首選工具，也被視為當前最具破壞性的數位犯罪形式之一。 此外，AI 的介入，更進一步放大詐騙威脅。例如，生成式 AI 降低發動複雜釣魚攻擊的技術門檻，使犯罪者能夠自動化、大規模產出高度擬真的社交工程內容。另一方面，深偽（deepfake）影音與音訊技術也被用來偽造身分，這類跨越語言與文化障礙的欺騙手法，讓原本受威脅較低的地區同樣暴露在風險之中。 WEF 指出，隨著各類網路風險變得更加相連且影響日益深遠，網路詐騙已不再只是眾多威脅之一，而是數位經濟中最具干擾性的核心風險。當網路詐騙正在同時侵蝕數位經濟中的信任基礎、扭曲市場運作，並對人們的日常生活造成直接影響，其影響層次已超越傳統資安事件。 對於資安風險的排序，決策層與技術層之間有差異 正因詐騙帶來的衝擊往往難以回復，且同時牽動財務、聲譽與信任風險，因此 WEF 指出，這正是全球 CEO 在 2026 年將詐騙列為首要資安威脅的關鍵背景。報告顯示，網路詐騙與釣魚攻擊已在 2026 年取代勒索軟體，成為全球企業 CEO 最擔心的資安風險。 這樣的轉變，反映出詐騙對企業造成的衝擊，除了直接的財務損失之外，對品牌聲譽與消費者信任造成的長期傷害，正是促使 CEO 重新調整風險優先順序的關鍵因素。 不過，報告也揭示決策層與技術層之間的關注差異。相較 CEO，資安長仍將勒索軟體與供應鏈韌性視為最主要的威脅，並將關注重點放在營運持續性與系統韌性等技術層面。這樣的落差凸顯兩者的視角差異：CEO 更在意經濟後果與整體戰略風險，資安長則聚焦於可能導致系統中斷的技術型攻擊。 此外，企業本身的韌性程度，也會影響高層對風險的判斷。研究發現，「高韌性企業」的 CEO 更關注 AI 漏洞帶來的潛在風險；相對地，韌性較不足的企業領導者，仍承受著應對傳統詐騙與釣魚攻擊的高度壓力。 WEF 的報告揭示，網路詐騙已從過去的邊緣風險，升級為牽動企業營運、治理與信任基礎的核心威脅。當詐騙同時具備高度普及性、低門檻與 AI 放大效應，企業面臨的已不只是技術防禦問題，而是如何在不確定的風險環境中，重新校準資安優先順序與組織韌性。 ＊本文開放合作夥伴轉載，資料來源：WEF、《AA》，首圖來源：Pixabay

【Claude Cowork 上線】Anthropic 桌面 AI 代理戰略成形，正面挑戰 Microsoft Copilot 的工作入口霸權

Anthropic 近日發表名為「Claude Cowork」的桌面 AI 代理工具，目前以「研究預覽（research preview）」形式推出，技術核心延續 Anthropic 之前深受開發者歡迎的 Claude Code，使用者可以透過授權 Claude Cowork 存取特定資料夾的方式，完成自動化任務。 Anthropic 打造 Claude Cowork 的目標，是希望將強大的「可執行任務型 AI」延伸至更廣泛的使用族群。這也象徵 Anthropic 已經將 AI 定位從單純的「對話助手」，轉向能夠在使用者電腦上直接執行任務的「AI 代理」。 Cowork 設計理念：讓所有知識工作者都能立即上手使用 Claude Cowork「主動執行任務」的能力，不只體現在分析文字內容上，還能在使用者的本機環境中讀取、編輯與建立檔案，並實際參與工作流程。例如，在財務整理情境中，Cowork 可以從一疊收據截圖中擷取資料，自動生成結構化的報支試算表；在文件彙整上，則能讀取分散各處的會議筆記，綜合產出報告初稿，甚至能自動整理混亂的下載資料夾，依內容重新命名檔案。 Cowork 的設計理念，是將原本偏向工程師使用的技術，擴展到更廣泛的「通用運算與工作流程」，讓所有知識工作者都能立即上手使用。《Implicator.ai》 也以「去除開發者外衣」形容 Cowork 的特色在於讓不具備程式背景的使用者，也能透過簡單對話指派 AI 執行具體任務。因此 Anthropic 表示，這種協作體驗「感覺不像來回對話，而更像是給同事留訊息」。 Cowork 將挑戰 Microsoft Copilot 的市場主導地位 《VentureBeat》指出，Claude Cowork 的誕生，也被視為 Anthropic 向 Microsoft Copilot 在生產力工具市場的長期主導地位宣戰。儘管微軟已推行 Copilot 多年，但企業採用率仍不如預期，相較之下，Anthropic 則試圖透過一系列明顯差異化的策略取得突破。 首先，在系統架構上，不同於深度整合於 […]

叡揚解析 AI 時代關鍵人才樣貌，打造 AI 共思型人才

由 Yourator 數位人才媒合平台、TechOrange 科技報橘與均一平台教育基金會於 1 月 10 日聯合舉辦的「2026 AI 人才年會暨 AI 職涯博覽會」，以產業趨勢、科技教育與跨領域人才為三大核心，吸引眾多求職者與企業參與。長期深耕數位轉型服務的叡揚資訊於會中分享在 AI 浪潮下，企業如何透過組織變革與人才培育，引領人才從「使用工具」進化到「駕馭科技」。 叡揚資訊人資長黃真玲在分享中指出，數位變革是企業的必修課，而變革的核心始終是「人」。針對人才培育，叡揚提出「驅動 AI 轉動的金三角」策略，整合人才、科技與組織三大驅動力，建立「AI Coach ╳ Human Mentor」的雙軌學習體系。由 AI 擔任 24/7 的教練負責知識傳遞，真人導師則專注於經驗傳承與情境化應用。叡揚透過內部三大學院，導入 AI 輔助學習流程，協助員工從實際工作情境出發，解決日常痛點。 「現在企業遇到的痛點不會是單一問題」，黃真玲特別強調，在 AI 快速發展的環境下，企業更重視人才是否具備面對變化的彈性與主動學習態度，而非僅止於單一技能的累積。在 AI 能輕易提供解答的時代，個人價值已從「解答者」轉變為「提問者」，批判性思考與判斷力比單純獲得答案更重要。他補充，AI 並非取代人力，而是輔助決策的工具，未來團隊將走向人與 AI 協作的模式。 活動現場叡揚亦設置徵才攤位，由研發及產品主管與求職者交流數位技能與 AI 研發經驗，吸引對 NLP、視覺辨識與 AI 應用有興趣的人才互動。叡揚設有獨立的 AI 核心技術研發團隊，並將研發成果整合至自有系統與服務中，由產品部門配置專責工程師確保 AI 技術能穩定落地，協助客戶於日常工作流程中實際應用。叡揚資訊表示，公司致力於打造讓人才進化的生態系，誠摯邀請熱愛挑戰的人才加入，成為能駕馭 AI 的進化人才，共同開創數位轉型的新局勢。 （本文訊息由叡揚資訊提供，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：叡揚資訊。）

Google 的逆襲！蘋果證實合作 Google，Gemini 將驅動 Apple 逾 20 億台活躍裝置

Apple 與 Google 正式確認，雙方將展開一項多年的 AI 合作計畫，未來新版 Siri 與 Apple Intelligence 的核心能力，將建立在 Google 的 Gemini 模型與雲端技術之上，包含今年即將推出的更個人化的 Siri 體驗與後續的 AI 功能。 根據雙方的官方聯合聲明中，Apple 表示，經過審慎評估後，認定 Google 的 AI 技術為 Apple Foundation Models 提供最強大的「基礎」，並期待這項合作為使用者帶來新的體驗。根據《CNBC》報導，兩家公司補充，這些模型仍將運行於 Apple 裝置與 Apple Private Cloud Compute 架構上，維持 Apple 一貫強調的隱私標準。雙方的聲明揭露的資訊有限，但可以知道的是 Gemini 並非 iPhone 上運行的底層架構，蘋果將繼續使用自家基礎架構模型。 Siri 升級延宕之後，Apple 選擇外部 AI 助力 這項合作，被外界視為 Apple 在生成式 AI 策略上的關鍵轉向。根據《CNBC》與《Computerworld》報導，Apple 早在 2024 年 […]

AI 導入成敗不在技術而在「老闆」？叡揚資訊董事長張培鏞拆解企業 AI 轉型第一課

專訪：戴季全撰稿：李昀蔚 隨著 AI 技術快速發展，愈來愈多企業與政府組織開始嘗試將 AI 真正導入日常工作流程。從部門主管、企業 CEO 到組織決策者，幾乎沒有人再懷疑 AI 是否會進入企業，而是開始面對「該怎麼導入、用在哪裡」的現實問題。 本集《全新一週》邀請到叡揚資訊董事長暨執行長張培鏞，深入解析在 AI 浪潮下，當軟體開始具備 AI 的思考能力，企業該如何實踐 AI 轉型，並掌握改變營運邏輯的具體策略。 企業組織 AI 轉型的必備思維 「最大的前提就是，組織總是有一個頭，那如果組織的大老闆，可以先有 AI 的概念，那是最好，」談到企業組織轉型的關鍵，張培鏞強調，一旦組織領導者有 AI 的相關概念，甚至知道如何用 AI，那麼當同事提出看法時，領導者就可以透過簡單的邏輯來判斷是否可行，並帶動組織認識 AI。  張培鏞說明，過去的資訊化、數位化，主要是透過系統來支撐既有流程，且每一套系統在流程中都有明確的目的與位置。因此在正式導入 AI 之前，企業必須先深入理解自身的作業流程，並釐清每一個節點所要解決的問題，以及資料的具體流向。 「我要知道 AI 到底可以解什麼題目，在我的作業流程裡面，哪一些關節 AI 解的最有效，我就把它放進來，」張培鏞指出，雖然 AI 並非萬能的工具，但只要找到關鍵環節，就能把過去不可能達成的任務轉化為可能，進而產生顯著效益。同時，由於部門主管與高階管理者掌握著流程的全貌，因此他們比其他人更有條件判斷 AI 最適合介入的具體位置。 企業導入 AI 時常會忽略的關鍵 張培鏞觀察，許多企業在導入初期往往不清楚 AI 究竟能解決哪些實際問題，這導致決策容易流於跟風。例如，儘管 AI 確實具備取代部分工作的潛力，但 AI 產出結果的正確性與品質，依然需要由專業人員進行嚴謹檢核。如果企業為了追求短期效率而只保留資深人員，卻不願意培養資淺與年輕人才，將會導致未來組織內部出現嚴重的經驗與技術斷層。 因此，張培鏞認為企業不應全面凍結人才招募，而是應該讓新鮮人歷練幾年、成為有經驗的工作者後，才能確保組織長期的判斷力與核心經驗能夠有效傳承，否則未來「找人」將會是個難題。 叡揚資訊與台灣軟體業的 AI 轉型之路 張培鏞回顧，叡揚資訊自 2013 […]

【Markdown 如何征服世界】為何不起眼的 Perl 腳本，如今成為 AI 世界共通語言？

在快速演進的數位工具世界中，很少有技術像 Markdown 一樣，悄悄卻深刻地改變了整個產業。這套由 John Gruber 於 2004 年提出、原本只為了「讓寫網頁像寫 Email 一樣簡單」的輕量標記語法（最初實作為 Perl 腳本），到了 2026 年，已成為程式文件、內容創作，甚至 AI prompt 與代理系統的慣用標準。 包括 GitHub Copilot 在內的 AI 工具，大量以 Markdown 作為輸出與結構格式，使其成為人類意圖與機器理解之間的「中介層」。根據 Wavestone 發布的《2026 年技術趨勢報告》，Agentic AI 系統越來越傾向採用 Markdown 這類輕量格式，以兼顧可擴展性、治理與跨系統整合。這顯示，在 AI 走向實用化的過程中，Markdown 正從背景工具，轉為支撐新一代智慧工作流的關鍵基礎。 科技創業家 Anil Dash 在其個人部落格文章中指出，從最前沿的 AI 系統，到學生隨手寫下的程式碼與筆記，幾乎整個高科技世界都在使用 Markdown 來描述、註解與溝通想法。這種格式之所以特別，在於它最初不是為了炫技而生，而是為了解決一個極為實際的問題。 從個人需求出發，意外成為網路基石 根據 Anil Dash 的回顧，這套語法源於 John Gruber 在經營個人部落格時的實際需求。2002 年，Gruber 決定專注撰寫 Apple 相關內容，然而當時不僅科技媒體尚未成形，部落格本身也仍屬邊緣文化，對於需要頻繁發文的寫作者而言，直接手寫 […]

【科技早餐】黃仁勳直言：美中無法全面脫鉤，台灣仍是晶片核心

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳直言：美中無法全面脫鉤，台灣仍是晶片核心 NVIDIA 執行長黃仁勳近日接受《時代雜誌》（TIME）專訪時表示，美國與中國高度相互依存，決定了「全面脫鉤」在現實中幾乎不可能；若將科技競爭推向極端，不僅無助於美國維持 AI 領先，反而可能加劇地緣政治與安全風險。他主張在可控前提下維持技術交流與市場競爭，並指出美中關係將是未來一百年全球最重要的雙邊關係之一，關鍵在於競爭中保持溝通與克制。 談到晶片與供應鏈，他強調台灣仍是關鍵，半導體生態系在效率、成熟度與人才密度上難以快速被取代，即使多地建立製造據點可提升韌性，也無法在短期內複製台灣聚落。他也提到，AI 不是單一模型，而是一整套從能源、晶片、基礎設施、雲端服務到模型與應用的體系；若要維持領先，必須確保每一層都具備競爭力，並以掌握全球 AI 技術標準為核心目標。 ＊Meta 豪簽 20 年核電合約，AI 用電正式走向核能 Meta Platforms 宣布已與三座美國核電廠簽署為期 20 年的購電協議，並將攜手兩家公司推動小型模組化反應爐（SMR）計畫，以確保 AI 與資料中心長期穩定的電力供應。Meta 表示，將向 Vistra 位於美國中西部的三座核電廠購電，包括俄亥俄州的 Perry 與 Davis-Besse，以及賓州的 Beaver Valley，相關協議也有助於資助俄亥俄州電廠擴建並延長運轉年限。 Meta 估計至 2035 年，上述布局可為公司提供最高達 6.6GW 的核能電力；若以一般核電廠約 1GW 規模計算，這使 Meta 成為美國史上重要的企業核能用戶之一。在 SMR 方面，Meta 將協助 TerraPower 開發兩座反應爐，最快 2032 年投入發電，總裝置容量上看 690MW，並取得 2035 年前最多六座反應爐的用電權利；與 Oklo 的合作則有望於 2030 […]

醫療 AI 戰國時代開啟：Anthropic 搶攻「看病前」入口，OpenAI 分拆專業與個人路線

Anthropic 近日正式宣布推出「Claude for Healthcare」解決方案，標誌著在醫療市場的重大推進。就在 Anthropic 公布新解決方案的幾天前，OpenAI 才剛推出相關新功能，展現出頂尖 AI 實驗室正在醫療產業中加速競爭的趨勢。 目前全球醫療產業正處於「前所未有的壓力之下」。與此同時，醫師對 AI 的接受度也大幅提升，根據美國醫學會（AMA）調查，2024 年已有約 66% 的醫師在執業中使用 AI，幾乎是 2023 年的兩倍。 在醫療體系壓力持續升高的情況下，AI 巨頭之所以加速介入，並非單純追逐新市場，而是瞄準醫療流程中長期存在的效率與協調問題。Anthropic 生命科學負責人 Eric Kauderer-Abrams 形容，許多病患在現行醫療過程中經常感到「孤立無援」，必須自行拼湊分散在各處的數據、健康資訊與病歷，甚至花費大量時間聯繫不同單位。正是這種高度碎片化、缺乏整合的體驗，成為 AI 公司試圖介入並重新梳理的切入點。 Claude for Healthcare 以合規為基礎，有望每年為臨床醫生節省數百萬小時 由於醫療紀錄是機敏度極高的資訊，因此 Anthropic 強調 Claude for Healthcare 是建立在符合美國聯邦《醫療保險流通與責任法案》（HIPAA-ready）的基礎之上，確保 AI 能在遵循隱私與法規要求的前提下處理病患資料。 在實際功能上，Claude for Healthcare 可以串接多項標準醫療與學術資料庫，包括聯邦醫療保險資料庫、醫療提供者註冊系統以及 PubMed 等研究資源，協助醫療人員快速查找與比對相關資訊。 Claude for Healthcare 也被應用在臨床與保險流程中，例如加速「事先授權（prior authorization）」申請、支援保險申訴，以及將臨床指引與病患紀錄進行自動匹配。醫療文件 AI 解決方案商 Commure 技術長 Dhruv […]

超級處理器之戰：為何 AI 的運算單元不再是 GPU，而是資料中心？

過去幾年，AI 效能競賽的焦點幾乎圍繞在 GPU 世代更替與算力數字的提升，但美國市場情報機構 SiliconData 近期研究顯示，這樣的理解方式正在快速過時，因為真正限制 AI 效能的，已不是單一晶片的浮點運算能力，而是整個系統如何被設計、整合與運作。 《SiliconANGLE》引述一項由 SiliconData 進行、並由 theCUBE Research 分析的獨立研究指出，在實際生產環境中，即便使用完全相同的 GPU，加速器最終呈現出的效能表現往往出現巨大差異，關鍵並不在晶片本身，而在於包覆它的整體系統架構。 效能差距，來自系統而非晶片 這份研究採用名為 SiliconMark 的系統級 AI 基準測試平台，並非單獨測量 GPU，而是同時評估運算吞吐量、記憶體頻寬、節點互連、功耗行為與效能穩定性。結果顯示，在超過上千次實際測試中，相同加速器在不同系統架構下，表現落差顯著。 theCUBE 研究團隊因此得出結論，AI 的「運算單位」已不再是 GPU，而是整個系統，甚至是資料中心本身。《SiliconAngle》分析，這樣的轉變，來自 AI 工作負載本質的改變：無論是大型模型訓練還是推論，現代 AI 幾乎都是分散式運算，往往需要數千甚至上萬顆加速器協同工作。在這樣的情境下，效能不再取決於單點算力，而是資料能否被快速、穩定地傳遞與同步。 資料傳輸，成為真正瓶頸 NVIDIA 資深副總裁 Gil Shainer 在接受《theCUBE》訪談時指出，分散式 AI 唯有在數千顆加速器能夠像一台超級電腦般運作時才成立，而這仰賴的是低延遲、低抖動且具確定性的高速互連，否則 GPU 只是在等待資料。 研究也觀察到，今日的 AI 應用不再是單一長時間訓練任務，而是涉及頻繁資料匯入、檢索增強生成流程、模擬與代理系統協作。在這些情境中，GPU 停滯往往不是因為算力不足，而是資料沒有及時送達。 因此，提升節點互連效率、記憶體階層設計與系統平衡，反而成為提高實際可用效能與能源效率的關鍵手段。研究直指，AI 效能的限制正逐步從技術問題，轉為營運與系統設計問題。 資料中心，正在變成一台超級電腦 這種「系統先行」的思維，也正在重塑硬體供應商的競爭方式。在 CES 2026 上，NVIDIA 推出以 Vera Rubin 平台為核心的 […]