Archives

不想被雲端綁死？拆解 Cohere 新開源 AI 模型如何瞄準企業主權 AI 需求

過去，AI 市場競爭多半圍繞誰的模型參數更多、推理能力更強，但越來越多企業開始發現，困難的往往是讓 AI 安全接入內部資料、控制推理成本、避免供應商綁定，以及真正進入既有流程。加拿大 AI 新創 Cohere 最新發表的 AI 模型 Command A+，某種程度正是對這問題的回應。 Command A+ 是 Cohere 首個採用 Apache 2.0 授權的旗艦級開源模型，主打私有部署（private deployment）、原生引用（native citations）、Agent 工作流程，以及低成本推理能力。相較過去許多「開放權重」但仍限制商業用途的開源模型，Command A+ 允許企業自行下載、部署、微調與商業化使用。企業不必綁定單一雲端供應商，也能將模型放進私有雲、機房，甚至完全離線環境中運行。 Cohere 押注主權 AI：讓企業自己掌握模型、資料與成本 Cohere 將這次發表定位為主權 AI 的重要進展，其觀察到，隨著開源 AI 的發展越來越集中在少數國家，特別是中國，對營運關鍵系統的企業與政府而言，透明度、安全性、供應商依賴，以及長期技術主權等問題正受到更多關注。 在技術方面，Command A+ 採用 Sparse Mixture-of-Experts（MoE）架構，總參數達 2,180 億，但實際推理時只啟用約 250 億參數。這代表模型能維持大型模型能力，同時降低推理時所需運算資源。 Cohere 也針對量化（quantization）做了大量優化。Cohere 稱，Command A+ 提供 BF16、FP8 與 W4A4 等版本，其中 W4A4 採近乎無損壓縮方式，使模型可在單張 NVIDIA […]

AI 推理市場將洗牌？Cerebras 讓兆級參數模型推理逼近每秒 1,000 tokens，挑戰 GPU 雲端瓶頸

《VentureBeat》報導，剛完成 2026 年最大規模科技 IPO 的晶片公司 Cerebras Systems 宣布，為客戶運行北京 Moonshot AI 開發的兆級參數開源模型 Kimi K2.6，速度接近每秒 1,000 個 token，目前主流 GPU 雲端供應商尚未達到相近的性能水準。 根據獨立測試機構 Artificial Analysis 的驗證結果，Cerebras 系統實際達到每秒 981 個輸出 token，速度比第二快的 GPU 雲端供應商快 6.7 倍、比中位數快 23 倍。在標準代理程式設計任務中，同一個模型在不同推理平台上的表現差異顯著：官方 Kimi API 需 163.7 秒，而 Cerebras 只需 5.6 秒即可完成完整回應，時間縮短約 29 倍。 承載兆參數大模型，Cerebras 宣示不只追求速度 Cerebras 產品行銷總監 James Wang 在發布前接受《VentureBeat》專訪時表示：「我們可以支援最大規模的模型。」這次發布對 Cerebras 具有關鍵意義。該公司長期被認為其獨特的晶圓級晶片雖然極快，但可能只能處理中小型模型，而 Kimi K2.6 是其首次在生產環境中部署的兆參數開源模型。隨著 […]

2026全球半導體大調查：信心指數創新高，關注AI、人才與供應鏈

全球半導體產業在 AI 需求帶動下持續升溫。KPMG 今(21)日發布《2026 全球半導體產業大調查》指出，今年半導體產業信心指數升至 63 分，創下調查 21 年來第三高紀錄；同時，全球半導體市場規模預估將於 2026 年突破 1 兆美元。高達 73% 的企業認為 AI 已成為主要營收來源，顯示 AI 正從技術題材正式轉化為驅動產業成長的核心動能。 此次《2026 全球半導體產業大調查》共訪問全球 151 位半導體產業高階主管。調查指出，在 AI 需求快速擴張下，企業除積極投入先進製程與算力基礎建設外，也同步面臨供應鏈重組、能源供給與人才短缺等挑戰，供應鏈韌性與AI人才布局已成為企業未來競爭關鍵。 KPMG安侯建業科技、媒體與電信產業主持會計師鄭安志表示，半導體產業已不再只是順應需求循環成長，而是走向以 AI 為核心、同時牽動算力、能源與組織能力的系統性競爭。企業未來的領先關鍵，將不在單一技術突破，而在於是否具備整合資本配置、供應鏈彈性與人才轉型的整體治理能力，從而建立可長期放大的競爭優勢。 市場樂觀度持續升溫 創下調查 21 年來第三高紀錄      調查顯示，儘管地緣政治與資源風險持續存在，整體信心仍在上升。其中，信心指數達到 63 (去年為 59)，創下該調查 21 年來第三高水準。全球半導體市場規模預計於 2026 年達到 1 兆美元。其中，邏輯晶片與記憶體的成長動能最為強勁，主要受惠於人工智慧與資料中心需求的持續擴張。超過半數(54 %)的受訪企業預期公司營收將成長 11% 以上，其主要策略包括：擴大招募人力、升級資訊系統及推動併購，以成長為導向的布局思維等。然而，報告指出，仍有 58% 的受訪者預期，客戶需求的不確定性將對營運產生重大影響。 KPMG 安侯建業顧問部副營運長陳傑曦說明，隨著 AI 驅動的運算需求成長，半導體產業正同步以製程升級與資本投資因應，併購因此成為企業加速取得關鍵技術人才、增加生產據點並擴展市場版圖的重要策略。在 AI 應用場域擴張節奏快速，地緣政治造成供應鏈變化壓力的環境下，具備整合能力及產業韌性的策略性併購，將有助於企業強化其在全球供應鏈中的長期競爭優勢及戰略定位。 […]

不與 NVIDIA 硬碰硬：阿里巴巴新晶片瞄準 AI 代理，靠高頻寬打造中國本土替代解方

中國科技巨頭阿里巴巴集團近日發表新一代 AI 晶片「Zhenwu M890」，其性能為前一代產品的三倍。《CNBC》指出，在 NVIDIA 難以順利向中國市場銷售產品之際，此舉進一步擴充中國本土 AI 晶片的選擇。 效能提升三倍、主打 AI 代理工作負載：M890 要補中國本土算力缺口 這款晶片由阿里巴巴旗下半導體設計子公司 T-Head 開發，新晶片配備 144GB 的 GPU 記憶體，以及每秒 800GB 的晶片間通訊頻寬。阿里巴巴宣稱，M890 特別適合處理 AI 代理工作負載所帶來的大量記憶體與通訊需求。在這類應用場景中，模型需要長時間保留大量上下文內容，並在即時運作中彼此協調與互動，因此對晶片的記憶體頻寬、資料交換能力與運算效率要求更高。 《Reuters》說明，阿里巴巴也同步發表新伺服器系統 Panjiu AL128，可將 128 顆 M890 加速器封裝進單一機架，並透過阿里雲國內模型平台 Bailian 提供給中國企業客戶。阿里巴巴表示，目前已向超過 20 個產業、400 多家客戶交付約 56 萬顆 Zhenwu 系列晶片。這代表阿里巴巴此次不只是推出單顆晶片，而是把晶片、伺服器系統與雲端模型平台一起推向企業市場。 半導體分析機構 SemiAnalysis 的 AI 加速器分析師 Myron Xie 表示：「阿里巴巴設計的 AI 晶片獲得外部客戶的採用，逐漸成為中國本土 AI 硬體平台中受歡迎的選項之一。」不過，他也指出，目前公開宣稱的記憶體容量與頻寬數據，仍然落後於西方晶片公司，且阿里巴巴尚未公布其他關鍵性能指標，例如整體運算能力。 H200 銷中仍受北京審查：中國 AI […]

OpenAI、Google、NVIDIA 同週宣布擴大新加坡合作，部署能力正成為 AI 新戰場

當全球 AI 討論仍圍繞模型能力、算力規模與資本支出時，新加坡正在用另一種方式切入競局。今年亞洲科技峰會（ATxSummit）期間，OpenAI、Google 與 NVIDIA 幾乎同步宣布擴大在新加坡的合作與投資。表面上看起來是三筆獨立合作案，但如果放在一起觀察，背後透露出的訊號或許不是誰模型更強，而是大型 AI 業者開始重新定義「市場」的概念。 過去，AI 市場意味著賣出更多模型與雲端服務；如今，更重要的是找到能共同完成導入、驗證、治理與擴散的合作國家。而新加坡，正試圖成為這樣的角色。 OpenAI 首座海外應用 AI 實驗室，輸出部署能力 其中，最受關注的是 OpenAI 宣布啟動「OpenAI for Singapore」，並承諾投入超過 3 億新幣（約 2.34 億美元），同時在新加坡設立首座美國境外應用 AI 實驗室（Applied AI Lab）。 這不是傳統意義上的研究中心，根據 OpenAI 規劃，新實驗室未來數年將雇用超過 200 名員工，核心角色之一是「前線部署工程師（Forward-Deployed Engineers）」，這是直接深入企業與機構，把前沿模型轉化成實際可運作系統的職位，目的是幫助在地合作夥伴增強商業競爭力。 這項工作的首波重點場景，包含公共服務、金融、醫療、教育與數位基礎設施，同時推動 AI 創業加速器、中高齡工程人才培訓，以及中小企業導入。從 OpenAI 的描述來看，它想輸出的不只是模型，而是一套把模型真正放進組織運作的方法。 Google 把重心放在教育、醫療與 Agent 治理 相比 OpenAI 強調 AI 應用，Google 與新加坡的合作更偏向建立長期導入能力。Google 與新加坡政府簽署新一輪「國家 AI 夥伴關係」，聚焦以 AI 解決社會挑戰、建立具備 AI 能力的人才隊伍、推動企業創新，以及建構安全 […]

Starlink 撐起獲利、xAI 燒掉資本：揭開 SpaceX 1.75 兆美元 IPO 背後的 AI 基建賭局

由馬斯克（Elon Musk）創立、擁有 24 年歷史的航太巨擘 SpaceX，近日正式對外公開 S-1 上市申請文件，預計將以代號「SPCX」登上納斯達克（Nasdaq）。這場 IPO 預期將募集高達 750 億美元的資金，並將公司估值推上 1.75 兆美元的巔峰，將成為史上規模最大、最受矚目的世紀級 IPO。 從招股書中可以明顯看出，SpaceX 早已打破傳統航太公司的框架，並在正式吸收馬斯克旗下的 AI 公司 xAI 後，轉型為一家深度結合衛星通訊與 AI 的龐大科技集團，準備向全球展示一個顛覆既有科技版圖的全新商業生態系。然而，更引人深思的是，這份招股書揭露了 SpaceX 未來的龐大估值，很大程度是建立在「尚未存在」的技術與市場領域之上。 Starlink 撐起獲利、xAI 燒掉資本，SpaceX 正在把 AI 算力變成第二成長引擎 目前 SpaceX 的營運與獲利命脈幾乎完全仰賴 Starlink。數據顯示，Starlink 在 2025 年創造了高達 113.9 億美元的營收與 44.2 億美元的營業利潤，成功彌補太空發射部門 6.57 億美元的虧損。文件也指出，Starlink 藉由將觸角延伸至航空、海事與企業市場，正將極度耗費資本的太空專案，轉化為穩定的「經常性營收引擎」。  然而，負責研發 AI 的 xAI 卻成為公司最大的資金黑洞，2025 年的營業虧損達到 63.5 億美元。此外，AI 部門的資本支出高達 127.27 億美元，占據全公司總資本支出近六成，遠高於太空部門的 […]

不只合規，更是競爭力：叡揚資訊助攻 CRA 全面佈局，建構產品資安後盾

隨著歐盟《網路韌性法案》（Cyber Resilience Act, CRA）即將於 2027 年邁入強制執行階段，全球數位產品供應鏈正面臨嚴苛的資安審查與風險檢視。對台灣企業而言，這不僅是一項合規挑戰，更是決定能否續留歐盟市場的競爭關鍵。 隨著 CRA 將資安從合規要求推升為產品競爭力關鍵，叡揚資訊憑藉完整資安產品線、專業技術團隊及累積數十年的跨產業實戰經驗，打造涵蓋產品全生命週期的合規資安架構，協助企業提前布局、將資安內建於產品與開發流程之中，成為企業邁向 CRA 合規的重要後盾。 企業資安責任擴大：從產品設計到上市後五年持續管理 叡揚資訊資安直屬事業處資深處長范家禎指出，CRA 之所以備受關注，關鍵在於其高額罰鍰與市場限制。一旦違規，企業最高可能面臨 1,500 萬歐元或全球年營業額 2.5% 的罰款，甚至可能被要求產品下架、失去歐盟市場的銷售資格。 CRA 將資安要求從「系統防護」延伸至「產品本身的安全性」，要求數位產品的製造商與品牌商，針對軟體與硬體產品負起漏洞管理與更新修補等資安責任，並在產品上市後持續符合相關規範五年以上。此外，針對已知弱點（CVE）企業需在 24 小時內完成通報、14 天內提出初步修復措施，並於 1 個月內提出完整報告。 叡揚資訊：打造從 SSDLC 到供應鏈治理的一站式資安架構 面對 CRA 帶來的挑戰，叡揚資訊以「Security by Design」與「Security by Default」為核心，協助企業建立完整的安全開發與治理架構。叡揚資訊資安直屬事業處副處長郭俐佳建議，真正的 CRA 合規，並不是產品完成後再額外補強，而是從設計、開發到維運，全流程都必須納入安全機制。因此，叡揚資訊近年持續整合國際領先資安產品與在地顧問能力，逐步建立涵蓋原始碼安全檢測、開源元件與 SBOM 管理、供應鏈風險管理、App 防護，以及 C/C++ 安全等完整產品與服務版圖，協助企業從開發源頭到產品維運階段，建立更完整的資安治理能力。 在開源元件與 SBOM 管理方面，叡揚資訊引進 Mend.io 協助企業建立完整的軟體組成盤點與漏洞管理能力。Mend.io 不僅能自動分析企業產品內使用的開源元件與相依套件，更可產出符合國際標準格式的 SBOM 文件，協助企業滿足 CRA 與國際供應鏈要求。相較於傳統僅止於漏洞掃描的工具，Mend.io 更進一步具備 Reachability Analysis（可利用性分析）能力，可分析漏洞是否實際被程式呼叫、是否具備被利用風險，協助企業優先聚焦真正需要立即修補的高風險漏洞。此外，Mend.io […]

東南亞超級 App 如何落地台灣？Grab 產品長來台說明 AI 佈局，正面回應資料隱私疑慮

東南亞超級應用程式 Grab 收購 foodpanda 台灣業務的交易案，目前仍在公平交易委員會審查當中。不過，在市場高度關注這場外送平台大洗牌之際，Grab 產品長 Philipp Kandal 本週接受台灣媒體訪問，除了正面回應外界針對資料安全的疑慮，也具體說明 Grab 的 AI 技術、服務與其他同業有何不同，以及進入台灣市場的產品佈局方向。 資料存新加坡，與華為合作不含台灣 自收購案宣布以來，Grab Maps 與華為地圖數據合作的疑慮引發輿論關注，Kandal 在訪談中直接說明立場。他表示，Grab 主要合作的雲端服務供應商為 AWS（Amazon Web Services），資料儲存於新加坡，不會經過中國。 Grab 同步發出官方聲明，釐清 Grab Maps 與華為 Petal Maps 的合作僅限於新加坡、馬來西亞、印尼、泰國、菲律賓、緬甸及柬埔寨等八個東南亞市場，不涉及任何用戶資料，台灣並不包含在該合作協議中，且承諾將永久持續維持此作法。該聲明強調，無論從合約或技術層面，華為均無法透過與 Grab 的合作關係存取任何台灣地圖資料。 至於外界所指涉的阿里雲，Grab 也表示並未用於儲存 Grab App 的相關數據。Kandal 強調，若台灣業務獲核准，Grab 將完全符合台灣《個人資料保護法》的要求，目前也正積極接觸在地專業顧問進行合規審查。 強調以 AI 為核心的服務設計 在技術服務方面，Kandal 表示市場上每天都有科技公司在談 AI，但 Grab 不同的地方在於以 AI 為核心的做事方式，目標是在商家、外送夥伴與消費者的日常生活中扮演真正有用的角色。他說明的 AI 實際應用與服務，可分為三個面向。 在商家面向，Grab 推出「商家 AI 助理」，能讀取店家實際的交易數據，提供客製化商業情資。店家可直接透過聊天方式提問如何提升下週銷量，AI […]

【AI 時代業務警示】銷售自動化的悖論：為什麼全自動化反而侵蝕業務根基？

當 AI 能自動寫開發信、找潛在客戶、甚至跑完整段對話流程，很多業務團隊就開始把它當成萬能外包，讓機器負責開發銷售，人去負責收單。 但業績並沒有因此源源不絕，而問題不在 AI 不夠強。 全自動化銷售會產生哪些風險？ 銷售本質上是考驗業務員隨機應變的能力，資深業務知道何時該推進、何時該後退、何時客戶是真感興趣還是出於禮貌。AI 在這方面還有不少的限制，包括機器學習模型擅長從歷史資料識別模式，但銷售發生在當下此時此刻，其中的變數太多。 舉例來說，或許上個月對你產品有興趣的客戶，這個月可能正面臨預算凍結或部門重組。預設的自動化機器缺乏情境感知能力，仍會按照業務 SOP 邏輯繼續發信，想當然客戶買單的機率就更低。 另外，當收件者察覺自己面對的不是真人，他們會把信件標記為垃圾郵件，並對品牌產生負面聯想，且這個傷害會隨時間累積。當自動化活動持續產生低互動與垃圾舉報，域名聲譽便開始下滑，最後就導致真的要傳遞重要訊息的信件，完全進不了客戶的收件匣。 最棘手的是時間差。多數企業要等到開信率明顯衰退、回覆停滯、客戶抱怨從未收到信時才察覺問題，而此時域名聲譽已需要數個月才能修復。 更糟的是，企業投入資源啟用新域名、重建基礎設施、重跑流程的同時，自動化工具仍會在後台持續產出當初造成問題的內容。 人機分工才是正解：技術跑規模，人類管決策 破解之道不是棄用 AI，而是建立「技術賦能、人類主導」的架構。許多自動化工具擅長規模的機械性任務，包括域名輪換、送達率監控、資料驗證、名單管理；人類則掌控決策與所有直接接觸客戶的環節，包括開發對象的篩選、訊息客製化、文案撰寫，以及活動執行的每個階段。 真正理解目標客群的人所撰寫的訊息，轉換表現不僅顯著優於 AI 生成的版本，更關鍵的是，人工介入提供了預警機制；當問題還未擴散到大量收件者前，人類就能察覺異常並介入修正，這是純自動化系統無法提供的保護。 三個不可妥協的原則 除此之外，要讓自動化真正發揮利益槓桿而非反噬業績，有幾項原則不可妥協。首先必須誠實區分哪些任務真正受惠於自動化，哪些需要人類判斷，並在關鍵決策點建立人工審核機制，確保自動化執行前有人類把關。 其次是監控指標的選擇。多數企業只盯著營收數字，等到收入受損才介入往往為時已晚。真正應該優先監控的是預警型指標，包含垃圾信舉報率、域名聲譽分數、互動趨勢變化等，這些訊號在營收受損之前數週甚至數月就會出現，提供寶貴的修正窗口。 最後也最關鍵的，是釐清技術與業務的主從關係。技術工具的存在是為了服務業務目標，而非反過來讓業務流程配合工具的限制。對於標榜「完全取代人工」的解決方案，應該保持懷疑。 真正成熟的工具會清楚說明它能做什麼、不能做什麼，並把關鍵決策權留給使用者；而過度承諾的方案，往往把複雜的判斷簡化成幾個按鈕，最後留給企業的是受損的域名聲譽、流失的潛在客戶。 總結來看，銷售自動化的真正價值不在於做更多事，而在於把精力投注在正確的地方。 AI 並沒有取代銷售，它只是暴露了傳統銷售模式的低效。當企業願意承認 AI 的能力邊界，把它放在它擅長的位置，把人類放在需要判斷、與客戶情感連結的環節，自動化才會變成真正的競爭優勢。 【推薦閱讀】 ◆ 不賣軟體給律師，Lawhive 如何以 AI 重構流程讓律師收入最高達傳統 2.8 倍？◆ 博士、律師、棋王都來了！Mercor 用 AI 招募高技能人才來訓練 AI◆ 律師事務所還得辦「AI 黑客松」？AI 正全面改變律師的工作方式 ＊本文開放合作夥伴轉載，參考資料：《Techradar》、《Forbes》，圖片來源：Unsplash （責任編輯：鄒家彥）

4 個月變 2 分鐘、數萬美元變幾塊錢，AI 合成受眾如何顛覆市調與顧問業？

在 AI 技術大爆發之後，傳統的市場調查與顧問產業，正在遭受人工智慧帶來的劇烈衝擊，其中最關鍵的部分，莫過於「合成受眾（synthetic audiences）」為產業造成的破壞式創新。

【科技早餐】Google 搜尋進入 AI 代理時代，OpenAI 鎖算力、三星罷工牽動記憶體供應鏈

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google I/O 端出 Gemini 3.5 Flash，AI 搜尋正式走向代理平台 Google 在今年 I/O 開發者大會上，全面擴大 Gemini 產品布局。執行長皮查伊（Sundar Pichai）表示，Gemini 應用月活躍用戶已超過 9 億，日請求量年增超過 7 倍，Google 每月處理的 AI token 也已超過 3,200 兆個。這次大會焦點之一，是主打速度與成本效率的 Gemini 3.5 Flash，可支援程式碼撰寫、代理任務與搜尋 AI 模式。 Google 同時把 AI 代理能力導入搜尋。新版 Google Search 不再只是輸入關鍵字，而是讓使用者描述完整需求，由 AI 在背景追蹤資訊、整理結果，甚至協助完成預約、購物與程式開發等任務。Google 也展示 Workspace、影音生成工具與智慧眼鏡，顯示 Gemini 正被塞進搜尋、工作、影音與穿戴裝置等更多日常入口。企業端則透過 Gemini Enterprise Agent Platform，把「代理式企業」（Agentic Enterprise）推進實際工作流程。 ＊OpenAI 推保證算力容量，企業 AI 算力進入長約時代 […]

AI 落地成效不佳有解！PwC 推 agentic scaffolding，改寫企業部署模式

《富比士》報導，企業內部的決策正在經歷一場巨大轉變。PwC 宣布推出 agentic scaffolding（代理式架構），能協助企業落實 AI 專案的工具。此舉是 PwC 現代化其專業服務營運的一部分，公司代表估計，目前其大多數團隊都正在導入這項 agentic 轉型工具，該工具使用 Claude 4.6 與 GPT-5.5/5.4。 作為四大會計師事務所之一，PwC 對 AI 驅動的變革管理的轉向，代表企業在 AI 試點設計與部署方式上的重大轉變。Microsoft AI 執行長 Mustafa Suleyman 等產業領袖預測，未來 12 至 18 個月內，律師、會計師、行銷人員等職業中的多數專業任務，將被 AI 完全自動化，企業也正尋求更有效的 AI 部署方式以提升成果。 AI 試點為何難以規模化？PwC 指出關鍵問題 在 AI 競賽中，如何從 AI 中獲取價值對許多組織而言是一大挑戰。《富比士》提及，一份 2025 年 MIT 發布、被廣泛引用的報告指出，高達 95% 的 AI 試點未能帶來顯著投資回報，其中的原因，就是生成式 AI 工具與企業流程整合不佳。 PwC 進一步指出，企業 AI 專案之所以難以產生實質價值，常見原因包括：既有流程仍是線性、規則式設計，原本是為「人搭配簡單自動化」而設計，不是為「人治理自主 […]

結盟 ASML、切入工業模擬：Mistral AI 如何卡位新一波 AI 戰場

AI 巨頭持續佈局實體 AI（Physical AI）領域，《Reuters》報導，法國 AI 新創 Mistral AI 近日表示，已收購奧地利實體 AI 新創 Emmi AI。雖然雙方未透露具體交易金額，但這項併購案釋出了強烈訊號：Mistral 的發展重心正從聊天機器人與通用大型語言模型，積極擴展至工業 AI（Industrial AI）與實體 AI 領域。 專攻物理模擬，Emmi AI 是歐洲最受矚目的 AI 新創之一 Emmi AI 於奧地利林茲創立，核心技術是開發能處理複雜物理現象的 AI 模型，涵蓋氣流、熱傳導與材料應力等工業工程中的關鍵模擬場景，已應用於能源、汽車、半導體與航太等產業。這家新創在 2025 年完成奧地利史上最大規模的新創募資輪，金額達 1,500 萬歐元，旗下擁有逾 30 名研究員與工程師。 據 Emmi AI 官方聲明，收購完成後，Emmi 的共同創辦人及全體研究與工程團隊將於 2026 年 5 月加入 Mistral 的科學與應用 AI 部門。 Mistral AI 不只想做歐洲版 OpenAI 成立於 2023 年的 Mistral，一直被視為歐洲最重要的 […]

Google I/O 2026 最大訊號：AI 競爭從模型能力轉向 Agent 經濟學

Google 年度開發者大會 I/O 2026 登場，Google 執行長 Sundar Pichai、Google DeepMind 執行長 Demis Hassabis 等多位主管輪番展示模型、世界模擬器、開發平台、個人 AI 代理、改版後的搜尋，以及代理式商務架構。其中最值得關注的訊號，不是 Gemini 模型又打破了哪些基準測試紀錄，而是 Google 正在把 AI 競爭，從模型能力競賽推向「Agent 經濟學」。 今年大會上，Google 在發表最新模型 Gemini 3.5 時，沒有先端出最強模型 Gemini 3.5 Pro，而是讓更快、更便宜的 Gemini 3.5 Flash 正式上線。這樣的排序耐人尋味，因為當 AI Agent 時代來臨，Agent 開始長時間運作、呼叫工具、執行多步驟任務，企業將更關心每一次推理要消耗多少 token、速度夠不夠快，以及能否支撐大規模自動化工作流。 Google 主推 Flash，AI 競爭開始轉向成本效率 根據《TechCrunch》報導，Gemini 3.5 Flash 是 Google 目前針對 coding 與代理式任務進行深度最佳化的模型。Google DeepMind 技術長 Koray Kavukcuoglu […]

網路流量規則將改寫！Google 搜尋框 25 年來最大變革：轉型 AI 對話入口

Google 在 I/O 大會宣布重新設計搜尋框，將每日處理數十億次查詢的核心入口，由傳統關鍵字輸入工具，升級為支援多模態輸入的 AI 對話式介面，可接受文字、圖片、PDF、影片及 Chrome 分頁等內容。Google 也將 AI Overviews 與 AI Mode 整合為單一搜尋流程，使用者可在傳統搜尋結果與 AI 回應間無縫切換，減少不同模式間的操作分流。 AI 搜尋改寫流量規則，SEO 與廣告產業迎變局 Google 搜尋副總裁 Liz Reid 表示，此次改版是搜尋框自推出 25 年以來最大幅度的升級。象徵 Google 搜尋從關鍵字輸入工具，轉向支援多模態互動的 AI 對話式入口。此次更新伴隨多項產品進展，包括 Gemini 新模型、個人 AI 助理 Spark、智慧購物功能與開發者平台調整。不過，搜尋框改版被視為核心改變，反映 Google 對搜尋未來的重新定位。 新版搜尋框將支援更長的自然語言輸入，並鼓勵使用者以完整問題取代過去的關鍵字式查詢。系統原生支援圖片、PDF、檔案及影片等多模態輸入，也可直接匯入 Chrome 分頁內容。部分原先需透過 AI Mode 操作的功能，已整合至搜尋入口。Google 亦導入強化版 AI 查詢建議系統，不再僅進行自動補全，而是協助使用者生成更完整、語意更精確的問題，引導其進入 AI 回答流程。這個新版搜尋框已開始在所有支援 AI Mode 的國家與語言逐步推出。 這次改版對出版業、廣告業與 SEO 產業帶來深遠影響。《VentureBeat》指出，當使用者從關鍵字轉向自然語言提問，SEO […]

AI 是時代的核彈，許多企業卻還當沖天炮在用？陶韻智：下一場競爭關鍵，是把 AI 納入數位勞動力

專訪：戴季全撰稿：李昀蔚 在這一波 AI 浪潮中，企業看似都開始導入 AI，但真正的差距，在於是否能把 AI 從輔助工作提升為數位勞動力，進一步改寫組織運作、資源配置與人均產值。 本集《全新一週》邀請前 LINE 台灣總經理、臺大創意創業學分學程兼任教授陶韻智，從 AI 如何改變組織管理談起。「AI 是這個時代的核彈，可是目前還有非常多的人把 AI 當成沖天炮而已，」陶韻智強調，只要企業能真正將 AI 普及到工作中，將有機會改寫下一個十年的競爭位置。 AI 不該只是 IT 專案，而是「數位勞動力」的投資 許多企業導入 AI 的第一個錯誤，就是把 AI 當成一個 IT 專案。陶韻智點出，在一般企業預算中，人力成本往往佔最大宗，而 IT 預算可能僅佔 5%。因此，如果把 AI 視為 IT 專案，能購買的 Token、平台與訓練資源必定處處受限。 陶韻智主張，企業必須重構資源配置的思維：「CEO 一定要看懂，現在更大塊的是那 60% 的人力預算，我們是要把數位勞動力納入。」 若能從 60% 的人力預算中重新配置一部分來投資 AI，規模將遠超傳統 IT 預算。 這個觀點的關鍵，是要重新定義「一個員工」的生產單位。未來，人類員工不再是單兵作戰，而是帶著多個數位員工共同產出，因此企業對人均產值的期待必須大幅提高。「十倍不是誇飾，是基本的目標，」陶韻智分析，若中小企業過去人均產值約 500 萬元，未來就該挑戰 1,000 萬甚至 2,000 萬元，這才是「AI First」的真正涵義，也就是讓 AI […]

最惡劣的工業環境，廢棄物處理廠能否成為最好的自動化驗證場？

在倫敦東區 Rainham 的一個廢棄物處理廠裡，一台人形機器人正站在輸送帶旁接受訓練，旁邊的工人戴著 Meta Quest 3 VR 頭盔，示範如何從混雜廢棄物中辨識並取出物件。這個場景所要解決的，是資源回收業長期以來用盡所有方法都無法根治的問題：沒有人願意長期做這份工作。 招募解決不了的問題 資源回收業的勞動力困境有幾個數字可以說明規模。員工年流動率達 40%，死亡率是全國平均的八倍，工傷率比其他產業高出 45%。分揀線上的工作是站在高速運轉的輸送帶旁，從混合廢棄物中徒手取出鞋子、磚塊、錄影帶，偶爾還有槍枝，環境噪音大、粉塵多。業者試過提高薪資、輪班制度、仲介用工，但結果都一樣。 倫敦東區 Rainham 的家族廢棄物處理企業 Sharp Group，分揀線主管 Ken Dordoy 直白指出：「輸送帶一直在動，你得不斷地挑揀。我換了很多工人，因為他們就是撐不住。」廠方已盡力改善條件，讓工人每 20 分鐘輪換不同材料，輸送帶也定期停機讓人休息，但這些措施改變不了工作的本質。 Sharp Group 每年處理 28 萬噸混合回收物，目前使用 24 名仲介工人在高速輸送帶上進行人工分揀。一名英國分揀線工人每年含仲介費的成本約為 2.5 至 3 萬英鎊，而在目前的流動率下，平均任職時間只有 30 個月。不斷招募、訓練、替補人員的成本，在本已利潤稀薄的產業裡形成持續的結構性拖累。Sharp Group 認為解法不是更好的招募策略，而是讓機器取代這份工作。 人形機器人的差異化邏輯 Sharp Group 部署的人形機器人名為 Alpha，由中國 RealMan Robotics 製造，英國新創 TeknTrash Robotics 針對廢棄物分揀場景進行改裝。Alpha 站在輸送帶旁，外觀與工作姿態都與人類工人相近。 TeknTrash 創辦人 Al Costa 指出，人形的形態讓機器人能直接沿用現有廠房佈局，無需為了導入自動化而改建設施。這與主流方案的路徑截然不同，以科羅拉多州的 AMP […]

【科技早餐】黃仁勳、戴爾押代理式 AI，記憶體瓶頸牽動中國市場開放與台灣製造

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳、戴爾押代理式 AI，記憶體瓶頸牽動中國市場與台灣製造 在 Dell Technologies World 2026 大會上，NVIDIA 執行長黃仁勳與戴爾（Dell）創辦人暨執行長麥可・戴爾（Michael Dell）同台，將焦點放在代理式 AI 進入企業工作流程。麥可・戴爾表示，代理式 AI 具備規劃、推論、執行與自我修正能力後，將更接近企業內部的數位員工。他也表示，AI 原生化（AI-native）將成為企業接下來的重要轉型方向。到 2030 年，代理式 AI 帶動的 token 消耗量，可能成長超過 30 倍。 黃仁勳則指出，AI 代理正在改變軟體開發、工程與測試流程，並推升 CPU、記憶體、儲存與網路需求，目前高頻寬記憶體（HBM）仍是供應鏈瓶頸之一。談到中國市場，他認為隨時間推進，市場終將開放；同時他也表示，雖然美國正推動國內晶片製造能力，但在各界晶片需求持續增加下，台灣仍將是半導體製造核心。 ＊Google、黑石砸 50 億美元推 TPU 雲端，AI 算力戰轉向平台競爭 Alphabet 旗下 Google 與黑石集團（Blackstone）宣布籌組新的人工智慧雲端合資公司。黑石將投入 50 億美元股權資本並持有多數股權，Google 則提供 TPU 晶片、軟體與 AI 服務，目標在 2027 年前建置約 500 MW 運算容量，切入 AI 雲端算力租賃市場。 這項合作被視為 Google […]

當 NVIDIA 全力衝 AI，為何美國國家實驗室開始測試非 GPU 晶片？

當全球半導體產業競相追逐 AI 熱潮時，傳統科學運算領域正悄悄展開一場硬體架構的底層革命。十多年來，美國國家實驗室高度仰賴 NVIDIA 與 AMD 等主流半導體業者的晶片來執行複雜的數學問題與超級電腦運算，如今美國 Sandia 國家實驗室卻開始測試 NextSilicon 等新創公司的晶片，探索 GPU 之外的新型運算架構。 這波硬體轉向的關鍵，在於科學模擬極度依賴的雙精度浮點運算（FP64）能力。Sandia 國家實驗室肩負著模擬核武物理反應等需要極高精確度運算的國家安全任務，而這類高精度模擬與一般 AI 訓練的需求截然不同。AI 訓練與推論並不需要 FP64 的精度，更依賴低精度運算來追求速度與效能。 AI 熱潮開始擠壓 HPC 的 FP64 資源 《Reuters》報導，隨著 AI 市場規模急速擴大，NVIDIA 與 AMD 等企業將重心轉向 AI 推論與訓練市場，加上晶片短缺，傳統 HPC 所需的 FP64 資源開始面臨被稀釋的窘境，迫使研究人員必須重新尋找替代晶片架構。 《The Register》指出，NVIDIA 即將推出的 Rubin GPU 雖然擁有高達 50 petaFLOPS 的 FP4 AI 算力，但原生 FP64 效能反而下降到 33 teraFLOPS，甚至低於近 4 […]

四大會計事務所改寫用人法則？《金融時報》：AI 職缺增逾 3 倍、超越審計

《金融時報》報導，德勤（Deloitte）、安永（EY）、畢馬威（KPMG）與普華永道（PwC）四大會計師事務所正出現明顯人力結構轉變。隨著生成式 AI 快速滲透專業服務流程，2025 年 AI 相關職缺占比已接近 7%，明顯高於審計職缺的 3% 以下，反映 AI 正逐步成為招聘重點之一。這一差距不僅顯示職缺結構變化，也意味四大會計師事務所的核心人才需求正從傳統審計與會計技能，轉向具備 AI 開發與應用能力的複合型人才。 AI 從輔助工具轉為招聘核心，職缺占比成長逾三倍 《金融時報》指出，自 2022 年 ChatGPT 問世以來，四大會計師事務所的招聘結構明顯轉向 AI 領域，相關職缺占比從不到 2% 快速上升至 2025 年近 7%，成長幅度顯著。該分析亦排除實習與培訓職缺，以更精準反映正式職位的變化趨勢。數據顯示，AI 已從輔助工具轉變為招聘技能核心，而非單純的技術補充。 面對 AI 浪潮，四大會計師事務所正積極投入資源，將生成式 AI 應用於審計與顧問服務流程，包括提升財務數據分析效率、異常偵測與自動化查核。然而，AI 的導入也對傳統人力結構造成壓力，特別是初階審計工作的需求可能逐漸減少，動搖長期以來以大量基層審計人員支撐的「金字塔型」人力模型。 獵頭公司 Odgers 合夥人 Alex Hamilton-Baily 指出，AI 已成為四大事務所的核心戰略投資方向，但產業面臨的關鍵挑戰在於人才供給不足。他表示：「沒有人想落後，真正的問題是是否能找到足夠具備 AI 能力的人才。」 AI 時代招聘內容全面升級，從工程師延伸至顧問角色 除了職缺數量變化外，招聘內容本身也出現結構性轉型。四大會計師事務所不僅招聘機器學習工程師與資料科學人才，也大量增加 AI 顧問與策略型職位，協助企業導入生成式 AI。目前 AI 相關職缺中，約五分之四要求具備程式設計能力，較 2021 年的五分之三明顯上升，顯示技術門檻持續提高。 《金融時報》舉例，畢馬威曾開出經理職缺，負責指揮 AI […]

不能只測模型！50 天 4 起 AI 供應鏈事件，揭露 OpenAI、Anthropic 與 Meta 的資安審查盲區

《VentureBeat》報導指出，過去 50 天內 AI 產業接連發生 4 起供應鏈安全事件，涉及 OpenAI、Anthropic、Meta 等科技巨頭，顯示資安風險正從模型本身，快速轉向軟體發布流程與 CI/CD 基礎設施等底層環節。 從 OpenAI Codex 的指令注入漏洞、Anthropic Claude Code 的 source map 封裝失誤，到 LiteLLM 在 PyPI 遭投毒、TanStack npm 套件被 Mini Shai-Hulud 蠕蟲劫持，四起事件共同指向一個問題：AI 產業的紅隊測試與安全評估仍多集中在模型層，較少檢查發布流程、依賴套件、CI runner 與 registry publish gate。 新攻擊核心：供應鏈風險從單一企業擴散至開源生態 當中最受關注的，是 5 月爆發的 Mini Shai-Hulud 蠕蟲事件。攻擊者利用 GitHub Actions 工作流程設定漏洞、快取污染與 OIDC token 竊取，在短短 6 分鐘內向 42 個 TanStack 生態系的 […]

AI 算力戰燒到電網端：NextEra 斥資 670 億美元併 Dominion，卡位資料中心供電命脈

過去，公用事業總被視為美國企業界最沉悶、僅專注於穩定供電與發放股利的角落，然而生成式 AI 的狂飆徹底翻轉這個局面。NextEra Energy 近日宣布斥資約 670 億美元收購 Dominion Energy，這場內部代號為「星辰（Project Astra）」的純股票世紀併購案，不僅將創造企業價值高達 4,200 億美元的全球最大受監管公用事業公司，更是自 1998 年艾克森（Exxon）收購美孚（Mobil）以來，美國能源產業界規模最大的交易。 這項交易背後釋放一個極具戰略意義的訊號：當微軟、亞馬遜、Google 與 Meta 等雲端科技巨頭為了稱霸 AI 賽道，瘋狂砸下數千億美元建置 AI 基礎建設之際，電力已不再只是單純的公用基礎服務，而是直接晉升為掌控經濟與地緣政治實力的「科技咽喉」。這場由 AI 帶動的電力需求，正以不可逆的姿態改寫美國電力市場的運作邏輯，成為推動跨州能源巨頭整併的最強核心驅動力。 AI 基礎建設的龐大電力需求引爆產業整併潮 促成這筆交易的關鍵，在於 Dominion 掌控美國維吉尼亞州的「資料中心走廊」。這裡是全球資料中心密度最高的地帶，乘載全球約三分之二的網路流量。然而，儘管坐擁地利，Dominion 近年來的營運表現卻差強人意，不僅在 2022 年被迫凍結股息，還出售了一系列資產，這也讓具備強大開發能力的 NextEra 看見絕佳的介入機會。 目前，AI 基礎建設的需求增長速度已超越實體電網的擴張速度，使得取得穩定規模的電力成為發展 AI 的最大限制。正如提供 AI 基礎建設解決方案的 WhiteFiber 執行長 Sam Tabar 所言：「當全國最大的能源開發商，為了追逐 AI 負載而進行整合時，這告訴你獲得可靠且具規模的電力已成為 AI 基礎建設的決定性限制因素。」 這也迫使產業加速整併，預計美國公用事業未來五年將在發電與輸電項目上投資超過 1.1 兆美元，NextEra 更計畫在可預見的未來，將其每年的資本支出預算大幅提高至 590 億美元，以應對龐大的擴建需求。 […]

Google 想複製 NVIDIA＋CoreWeave 模式，傳與黑石集團成立新 AI 雲端公司

《華爾街日報》引述知情人士報導，Google 與私募巨頭黑石集團（Blackstone）正規劃成立一家新的 AI 雲端公司，主打 Google 自研 TPU 與 AI 雲端服務，目標直指 CoreWeave 等近年快速崛起的 AI 新雲端（neocloud）業者。根據報導，黑石集團將投入 50 億美元股權資金，若加上槓桿融資，整體投資規模可能上看 250 億美元。 《華爾街日報》指出，這不只是一次資料中心投資案，更是 Google 至今規模最大的一次 TPU 商業化嘗試，代表 Google 正試圖把原本主要供內部使用的 TPU，正式推向外部市場，進一步加劇與 NVIDIA 的競爭。 500 MW、2027 年上線，TPU 大規模推向外部市場 根據《金融時報》與《Bloomberg》報導，新公司將由 Google 資深主管 Benjamin Treynor Sloss 擔任 CEO，並預計在 2027 年前部署 500 MW 算力容量，未來還會持續擴張。500 MW 的用電規模，相當於一個中型城市的電力需求。 Google 將向新公司提供硬體、軟體與雲端相關服務。Google 上個月剛推出專為 AI 推論優化的新處理器，以及聚焦模型訓練的新一代晶片，顯示其在自研晶片路線上持續加碼。Google Cloud 執行長 Thomas […]

Mistral AI 執行長警告：歐洲只剩兩年建立 AI 主權，補不上算力恐成美國 AI「附庸」

法國 AI 新創 Mistral AI 執行長 Arthur Mensch 警告，歐洲大約只剩下兩年時間來建立自己的 AI 基礎設施，否則可能永久依賴美國科技巨頭。 Arthur Mensch 在法國國民議會一場關於數位主權與 AI 的聽證會上明確表示，歐洲的命運「將在接下來兩年決定」，並嚴正警告，如果歐洲無法發展自己的 AI 產業，只能持續從美國進口數位服務，最終恐將淪為 AI 時代的「附庸國」。 AI 競爭不只是模型，更是能源、晶片與資料中心的硬體戰 這項警告的背後，凸顯 AI 競爭已經日益演變成一場爭奪能源、晶片與資料中心容量的戰爭。Arthur Mensch 指出，歐洲面臨的風險不僅是失去對本土 AI 模型的控制權，更致命的是失去支撐這些模型運作的能源與運算基礎設施控制權。 Arthur Mensch 觀察，美國科技公司已經積極鎖定這些關鍵資源，若歐洲行動太慢，將面臨永久落後的風險。Arthur Mensch 更進一步強調，一旦基礎設施被壟斷，歐洲將喪失把算力轉化為 AI 產出的能力。 為應對這場危機，目前估值約 136 億美元的 Mistral AI 已計畫在 2029 年前建立 1GW 的 AI 運算容量。近期，該公司也與法國國家支持的公共投資機構 Caisse des Dépôts 集團達成合作，專注於透過生成式 AI 與 GPU […]

斡旋成功率提升近 30%、成交轉換率提高近 20%！信義房屋靠「先補地基」戰略佈局 Agentic AI，開啟資料變現新篇章

房地產業涉及高資產金額、長決策週期，信任是交易的核心。面對海量的物件資訊、多元的客戶行為以及複雜的市場法規，如何應用 AI 將碎片化的資料轉化為可助攻業務成交的可信任商機情報，成為房仲業數位轉型的最大需求。 為了解決這些核心痛點，Microsoft 在三年前開始協助信義房屋導入以 Microsoft Azure 為基礎的資料平台架構，結合 Azure Synapse Analytics、Microsoft Purview 等技術，強化資料整合、治理與分析能力，解決過去跨服務整合的摩擦成本。進一步隨著 Microsoft Fabric 的推出，信義房屋持續最佳化其資料平台整合能力，加速由資料到洞察的轉換效率。在穩定的技術架構與彈性雲端資源支撐下，信義房屋亦將 AI 導入第一線業務應用，開發出「Top Agent 3.1」、「我家有多夯」等 AI 工具，協助業務同仁提前識別房屋買賣商機、降低開發成本與增加成交機率。 整合 Microsoft Azure、Microsoft Fabric 與 Microsoft OneLake 架構建立 AI 推薦體系 「 Top Agent 3.1」將房仲服務由被動轉為主動，業務同仁不用等客戶被動提出買賣房子的需求，能夠主動根據內部整合的資料、官網用戶足跡、高互動數重點社區資料等需求輪廓，更早掌握潛在房源和客戶。「早期新業務需要花長時間等待新案件的進案，且難以評估開發成本，」信義房屋三重菜寮店經理戴家浚表示，現在透過 Microsoft Azure 與 Microsoft Fabric 的技術整合，協助信義房屋解決跨雲端與地端系統的資料孤島問題，利用 OneLake 架構讓各類客戶行為訊號即時彙整為完整的需求輪廓，房仲業務可以在潛在機會發生前就精準鎖定重點社區，大幅減少開發成本。 針對買賣方的溝通難題，戴家浚舉例，「過去在第一線服務客人，最常遇到的狀況是屋主對市場的期待，和市場實際反應之間有落差，普遍屋主都希望自己的房價可以比行情多 10 到 20%。」這種情況需要有人幫屋主透過市場資訊做更理性的判斷， 第一線業務同事在跟屋主討論時就能用「我家有多夯」這個 AI 工具，系統上會顯示兩個資訊給屋主，第一個是在這個區域買房者的詢問度，第二個是這個區域的行情，把成交動態、買賣雙方供給需求、房產熱度和市場流通狀況整理清楚，業務再根據這些客觀資訊協助屋主分析判斷市場，進一步調整售屋策略。 除了賦能房仲業務，信義房屋也同步最佳化有購屋需求的客戶端數位體驗，推出 AI 個人智能化推薦系統。該系統採取動態迭代邏輯，系統起初會推薦新用戶廣泛的熱門房型，隨後根據客戶的網站瀏覽足跡、點擊與收藏行為進行即時修正，精準判斷每位客戶的潛在需求，避免推薦路徑越推越窄，實現真正的個人化服務。而在技術效能上，這套系統每日可支撐高達 100 […]

從 4 週工期縮短為數分鐘：行銷人員靠代理式 AI 也能一人讓電視廣告成片

「零製片預算也能上電視？」這個過去聽起來幾乎是不可能的任務，正在因代理式 AI（agentic AI）而開始成真。根據 C&I Studios 在 2026 年發布的產業報告，傳統製作一支 30 秒電視廣告的成本通常落在 5,000 至 50,000 美元之間，且製作週期約需 4 到 6 週。這樣的門檻，長期將影視廣告限制在少數具備預算優勢的大企業手中。對多數中小品牌而言，創意或許不缺，但將點子轉化為高品質內容的能力，始終是一道難以跨越的財務鴻溝。 廣告製作邏輯被 AI 改變，從昂貴投資變成即時內容 隨著生成式 AI 與代理式 AI 進入廣告製作流程，成本與時間的計算方式被改寫。當前許多 AI 廣告工具已能在數分鐘內完成過去需要數週的製作流程，成本幾乎只剩平台訂閱費或算力支出。對品牌而言，廣告不再是需要長期攤提的資產，而更接近一種可快速生成、隨時替換的即時內容。 以往，一支短短 30 秒的影片，往往需要整個製作體系的投入。從腳本撰寫、分鏡設計，到攝影團隊、演員、配音與後期剪輯，每一個環節都需要專業分工與時間堆疊；如今，AI 代理開始承接過去由整個製作團隊完成的工作。 不同於單一功能的生成工具，代理式 AI 能夠理解任務目標，自主拆解流程並串接多個創意與製作步驟。也就是說，一位行銷人員不再需要協調多方資源，而是可以透過對話，直接完成從構想到成片的整個過程。 Molly’s Suds 案例：AI 讀懂評論，劇本與視覺「自動生成」 美國清潔品牌 Molly’s Suds 的案例，具體展現了這種轉變的運作方式。當該品牌希望製作一支串流電視廣告時，並未啟動傳統製片流程，而是選擇使用亞馬遜廣告系統中的 Creative Agent。 這套系統的運作邏輯是：它首先會深度分析產品頁面的圖片與文案，接著進一步爬取數千則真實的消費者評論，精確萃取出使用者最在意的關鍵點。例如：比起漂亮的包裝，使用者更在意「沒有化學殘留」。這些來自第一線的洞察會被自動轉化為廣告腳本的核心，讓廣告內容直接對應真實需求，而非品牌自說自話的主觀敘述。 在視覺與品牌識別上，AI 同樣扮演了專業顧問的角色。它能自動解析品牌官網的色調、字體與設計語言，並將這些元素精準套用至影片中。這種品牌一致性的維護，過去需要資深設計師與顧問反覆校對，如今則由模型自動完成。行銷人的角色也隨之從「執行者」轉向「創意總監」，專注於引導發想與最終審核。 亞馬遜強調，該工具是直接嵌入在其廣告系統中的功能，對賣家而言並不產生額外製作費用。當製作成本僅剩既有平台使用支出，這意味著賣家不再需要外包攝影與剪輯團隊。與傳統動輒數千甚至數萬美元的製片預算相比，改用系統內建的 AI 工具後，額外的現金支出從數千、數萬美元降至 0。 這樣的變化對零售產業具有深遠影響。長期以來，大型品牌在媒體與創意上的資源優勢，構成了競爭壁壘。如今，中小型賣家也能以極低成本製作具備電視等級質感的內容，並在同一平台上與大型品牌競爭注意力。創意實現的門檻降低，讓更多不同背景的品牌得以進入市場對話。 更重要的是，《Marketing Dive》認為，這種技術並未降低創意的重要性，反而放大了創意的價值。當製作不再是瓶頸，真正的競爭轉向誰能更準確理解消費者、誰能提出更有共鳴的敘事。AI […]

Gartner 預測九成企業需 AI 代理協調器，BAND 推「AI 代理版 Slack」解決跨平台碎片化

為了解決不同平台 AI 代理系統之間的溝通問題，BAND 打造出一套「AI 代理系統的 Slack 協作平台」，藉由具備確定性的通訊層，讓 AI 產業朝可擴展的「代理經濟」順利轉型。

【科技早餐】SpaceX 傳 6 月 IPO、印度首座 12 吋晶圓廠啟動，AI 基建戰從太空燒到半導體

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 傳最快 6 月 12 日 IPO，太空經濟估值上看 1.75 兆美元 《路透》報導，SpaceX 正加速推動首次公開發行，最快可能在 6 月 12 日於美國那斯達克（NASDAQ）掛牌。這次 IPO 目標募資約 750 億美元，估值上看 1.75 兆美元，若順利完成，將可能成為史上規模最大的 IPO 之一。 報導指出，全球最大資產管理公司貝萊德（BlackRock）正在評估投入 50 億到 100 億美元，但最終金額仍取決於 IPO 定價與上市前條件。這次市場關注的，不只是火箭發射與星鏈（Starlink）服務，而是 SpaceX 如何把衛星網路、太空基礎設施，以及 Elon Musk 旗下 AI 與算力想像，放進同一個資本故事裡。 ＊ASML 攜手塔塔，印度首座 12 吋晶圓廠挑戰半導體版圖 荷蘭半導體設備大廠 ASML 已與印度塔塔電子（Tata Electronics）簽署合作協議，將支援塔塔在印度古吉拉特邦多雷拉（Dholera）興建 12 吋晶圓廠。這座晶圓廠投資規模約 110 億美元，被視為印度建立本土半導體製造能力的重要一步。 這座晶圓廠未來將生產應用於汽車、智慧手機與 AI 等領域的半導體產品。ASML […]

人形機器人量產戰升溫！為何 Sanctuary AI 執行長預言家庭普及還要 3 到 7 年？

人形機器人資訊平台 Robozaps 在 2026 年排名指南中整理指出，特斯拉正加速生產 Optimus 第三代，波士頓動力公司開發的 Atlas 已進入實際工廠作業驗證，Figure AI 則規劃 BotQ 每年生產破萬台 Figure 03，1X Technologies 也開始向早期用戶交付家用機器人 NEO，顯示人形機器人產業進入密集的商業驗證階段。 Sanctuary AI 執行長 James Wells 近日在溫哥華 Web Summit 受訪時表示，人形機器人進入家庭的時間點可能需約三到七年，且在他們對不同應用場景的評估中，「家庭」被視為最晚具備商業可行性的市場，此番言論引發關注。《Forbes》報導，市場上有 AI 與人形機器人新創公司 1X Technologies 的 Neo 等產品主打家庭應用，也有 Figure 等公司積極推進人形機器人的實際應用，但這些進展在 James Wells 看來更偏向市場敘事與行銷，而非已經跨越關鍵技術與商業門檻的成熟階段。 人形機器人瓶頸非移動能力，James Wells 點出物理 AI 難題 James Wells 用一組數字說明展示與部署的差距：工業場景往往需要 99.999% 的可重複性，但多數基礎模型目前只有 80% 表現。換句話說，機器人也許能做很多不同任務，卻還不夠穩定；若放進家庭場景，可能每五次就摔破一次杯子。James Wells 補充，Sanctuary AI 在評估機器人部署環境時，從單位經濟效益、環境複雜度、客戶成熟度與安全容忍度等多個維度進行排序，家庭場景幾乎在所有指標上都落在最後一名。這也是人形機器人距離大規模家用落地仍有距離的核心原因。 […]

停止錯誤 AI 專案才是企業欠缺的能力：MIT 揭落地規模化的三大關鍵領導角色

企業對 AI 的投資持續擴大，但多數專案仍難轉化為可衡量的商業成果，背後問題往往不在於模型能力或技術選型，而在於組織架構本身。麻省理工學院資訊系統研究中心（MIT CISR）今年稍早發布的研究《引領數位創新》發現，能持續推動數位創新並實現規模化的企業，背後通常不是依靠單一 CIO、AI 團隊或「英雄式領導者」，而是建立一套由三種領導角色共同協作的治理系統。 單一英雄主管的時代已過 該研究作者 MIT CISR 研究員 Nils Fonstad、Martin Mocker 與 Jukka Salonen 指出，多數企業的數位創新之所以陷入困境，往往源於三個共同的壞習慣。 第一是將創新預算一次性全額投入，卻缺乏後續驗證機制。第二是各個 AI 專案過度獨立運作，缺乏共用平台與治理協調，導致團隊不斷重複開發。第三，則是企業把 AI 策略的責任過度集中在單一 AI 團隊或中央創新部門手中，反而形成新的組織瓶頸。 Fonstad 表示：「傳統方法在環境相對穩定時還能奏效，但在今日動態的環境中，假設任何單一領導者或單位能夠獨撐大局，根本不切實際。你真正需要的是一整個領導者網絡。」而 MIT 發現成功的數位創新企業，往往建立三種互補的領導角色，各自承擔明確責任，並共同採取「假設驅動、測試與學習」的方法推動數位創新。 領導角色 1：創新專案負責人 創新專案負責人（Initiative leaders）負責開發並營運具體的數位產品或服務，目標是讓每項創新專案對組織的策略目標有所貢獻。他們以階段性方式推進創新，持續收集關於可欲性（desirability，用戶需求是否被解決）、技術可行性（feasibility，是否能穩定規模化）與商業價值（viability，是否符合策略目標）的實證，並只有在數據支持繼續投資時才爭取下一階段資源。 該研究發現，最成功的企業通常為每個專案配置兩位共同負責人：一位來自 IT 或數位部門、聚焦技術可行性，另一位來自業務端、負責確保可欲性且評估商業可行性。 西班牙能源公司 Repsol 就採用了這種模式。該公司建立五階段資金與創新流程，並要求每個 AI 專案都必須持續提交可欲性、可行性與商業可行性的證據。五年間，Repsol 共推動 505 個數位創新專案，其中超過 76% 成功規模化落地，並帶動公司營運現金流提升 20%。 領導角色 2：共享資源負責人 MIT 認為，AI 時代另一個關鍵角色，是共享資源負責人（shared resource leaders）。這類功能性專家可能來自雲端運算、AI、資安、用戶體驗等數位領域，也可能來自人力資源、法務、風控等非數位領域，負責管理各專家團隊，協助各專案克服擴展規模時遭遇的共同障礙。 他們的工作不是直接做產品，而是為跨專案建構可重複使用的資源，包括平台、人才與標準，同時避免組織在長期運作中累積過度複雜且高風險的系統拼湊局面。 […]

美中 AI 影片生成戰升溫：字節、快手如何將短影音平台優勢，轉化為內容商業化利器？

中國生成式 AI 產業被認為已跨過商業化關鍵門檻，開始對矽谷造成壓力。《Crypto Briefing》報導，相較於美國企業仍多停留在展示影片、候補名單或測試階段，中國 AI 公司已將影片生成工具推進至實際商業運作，建立在超過 5 億用戶日常使用的產品生態之上，創造數億美元年營收。 從多個開發者與使用者評比來看，儘管 OpenAI、Google 與 Anthropic 在大型語言模型與程式碼生成領域仍具主導地位，但在影片生成工具方面，其產品在品質與易用性上已落後於中國競爭者。不過，《Financial Times》補充，Google 的 Veo 3 仍具競爭力，只是在開發者使用上受到更多安全與內容限制。 中國影片生成領域加速商用，美國工具受限於內容審查 中國 AI 產業總產值已突破 5,000 億人民幣，這一數字已不再單純由投機資金推動，而是建立在實際應用之上。字節跳動推出 Seedance 2.0，為首個可生成電影級 1080p 影片、並支援四模態輸入的模型，能同時接收文字、圖片、音訊與影片作為提示，生成高品質影像內容。該模型在測試中已超越多個競爭對手，並已實際部署於 TikTok 與抖音生態系中，服務龐大的內容創作與消費場景。 《Financial Times》提及，中國公司在使用受版權保護素材方面更為積極。AI 生成內容創業公司 Director AI 創辦人 Ben Chiang 表示，他們測試過的多數美國模型，在影片生成方面表現並不理想。他認為，美國較嚴格的內容審查限制了工具能力，常導致輸出效果不夠寫實。 Director AI 主要使用快手開發的 Kling 模型，同時也會根據任務與成本，在字節跳動的 Seedance 2.0 與新創公司 MiniMax 的海螺模型之間切換使用。Ben Chiang 表示：「關鍵在於品質，以及模型對提示詞的理解與執行能力。」他補充，近期技術的進步讓工具更容易使用，特別是在音訊同步與語音穩定性方面的提升。 隨著技術持續進步，創作者的製作流程也發生變化。獨立 AI 電影製作人與剪輯師 George […]

AI 代理戰場轉移：超越模型智商軍備賽，Anthropic 卡位企業代理執行層

過去兩年，企業 AI 的競爭框架幾乎由模型能力主導：OpenAI、Anthropic、Google 之間的模型大戰，加上來自開源陣營的挑戰者。但根據《VentureBeat》最新的企業代理編排調查數據，下一場戰爭不是哪個模型回答問題最準，而是誰能掌握 AI 代理在企業內部的工作流程，並向安全團隊證明自己沒有踰越授權的那一層基礎設施。 AI 代理開始「蔓延」，企業 AI 戰場已然轉移 這股轉變的驅力來自企業端面臨的現實挑戰。《華爾街日報》報導，隨著降低 AI 代理建置門檻的工具普及，企業內部正出現所謂的「AI 代理蔓延（AI agent sprawl）」問題。Gartner 預測，未來兩年內，全球《財星》500 大企業平均將運行逾 15 萬個 AI 代理，但目前只有 13% 的企業認為自身的代理治理機制已足夠。 根據報導，美國醫療服務公司 DaVita 的員工已創建逾 1 萬個 AI 代理，數據分析公司 FICO 的 3,500 名員工每天創建數十個新 AI 代理。叫車平台 Lyft 正在構建統一的 IT 管控平台集中管理所有代理，DevSecOps 平台 GitLab 的現有治理架構則試圖「守住防線」，避免蔓延失控。 當 AI 代理開始執行具有實際影響力的任務，《VentureBeat》調查顯示，安全與權限管理在代理平台選擇標準中均排名第一，1 月為 39.3%、2 月為 37.1%。對代理執行的掌控度從 17.9% 升至 22.9%，而跨模型與工具的彈性則從 35.7% […]

國家級網攻進入「資料可信度戰」：Fast16 不癱瘓系統，卻竄改核武模擬結果、誤導工程判斷

資安界近期揭露一款追溯至 2005 年的國家級惡意程式「Fast16」，打破許多人對早期電腦病毒的認知。這款程式最早是在 2017 年駭客組織「影子掮客」（Shadow Brokers）洩露的美國國安局（NSA）內部清單中曝光，隨後樣本被上傳至 VirusTotal 卻沉寂多年，直到近期才透過 AI 技術解析出其真實目的。根據全球網路與企業資訊安全公司 Symantec 的最新分析，這款工具的唯一使命，就是神不知鬼不覺地搞砸核武測試的工程模擬。 與那些會讓電腦當機、設備停擺的粗暴手法不同，Fast16 悄悄鎖定工程界常用的 LS-DYNA 與 AUTODYN 這兩套平時能用來模擬車禍碰撞、材料受力的軟體，同時也是核爆高壓壓縮模擬的關鍵工具。這些模擬軟體之所以成為首選目標，是因為情報顯示當時伊朗已暫停核武的實體爆炸測試，全面轉向依賴電腦模擬，讓這類軟體成為阻斷核武計畫的高價值手段。  《Zero Day》報導，Fast16 就像潛伏在系統深處的幽靈，會把模擬軟體內的數據偷偷換成「假資料」，直接餵給螢幕前的工程師。美國 AI 資安公司 SentinelOne 更進一步指出，Fast16 整個攻擊的核心元件是名為 fast16.sys 的檔案系統驅動程式，能在系統讀取特定執行檔的瞬間，極度精準地在記憶體中竄改與修補資料。 Fast16 鎖定核武模擬，只在爆炸與鈾壓縮條件下啟動 Symantec 分析，Fast16 會像狙擊手一樣，緊盯 LS-DYNA 與 AUTODYN 兩套軟體裡的炸藥模擬，而且一定會在進行完整規模的爆炸測試時才會下手。為了確保不抓錯目標，Fast16 會偷偷檢查系統正在模擬的材料密度，並等到數值飆破 30 g/cm³ 時才會正式啟動竄改機制。Symantec 解釋，這個密度數值其實就是個「專屬暗號」，因為只有製造核彈的「鈾」，在內爆裝置的極度高壓壓縮下，才有可能達到這麼高的門檻。更嚴謹的是，Fast16 會精準辨識目標檔案的編譯環境，只有在讀取到含有特定標頭字串、確認是使用 Intel C/C++ 編譯器建立的執行檔時，才會著手進行修改。  在 LS-DYNA 的攻擊機制中，Fast16 會先確認狀態方程式（Equation of State，EOS）是否為 2（Jones-Wilkins-Lee）、3（Sack Tuesday）或 7（Ignition […]

結帳頁成零售新戰場：BNPL 如何從支付選項，升級為商家提高成交機會的新工具？

先買後付（BNPL）與商家提供的分期付款選項，正在從單純的支付方式，轉變為左右消費者選擇的關鍵因素。根據 PYMNTS 調查 2,763 名美國消費者的報告指出，消費者融資的影響力並非平均分布，而是高度集中在年輕族群、Pay Later 重度使用者，以及消費者仍在比較選項的「高考慮型消費」場景。這代表 BNPL 的角色已不只是結帳時的附屬選項，更是商家在競爭過程中「贏得訂單」的關鍵工具。 從旅遊、活動到醫療，Pay Later 成為高單價消費的「決勝點」 當消費者正在比較不同商家、服務提供者或訂票平台時，「Pay Later」的可用性往往會改變最後選擇。PYMNTS 指出，分期付款方案在旅遊消費中的影響力最強，高達 64% 的千禧世代表示，商家是否提供分期會影響他們選擇在哪裡預訂旅遊。相較之下，只有 4.7% 的嬰兒潮世代與高齡消費者會受此影響，顯示出年齡層造成的巨大差異。 若聚焦於 BNPL 的「重度使用者」，數字更為驚人：高達 87% 表示 Pay Later 是否可用會影響他們的旅遊預訂選擇，86% 則表示會影響活動票券與體驗消費的購買。此外，醫療與牙科服務也成為 Pay Later 影響決策的重要場景，55% 的 Z 世代消費者表示，商家提供分期付款會直接影響他們選擇在哪裡接受醫療服務。 結帳頁成新戰場：從 Walmart 案例看 Affirm 與 Klarna 的入口之爭 BNPL 對消費決策的強大影響力，也讓零售結帳頁面成為支付巨頭的必爭之地。以零售巨擘 Walmart 為例，其旗下金融科技公司 OnePay 在去年將線上與實體結帳的 BNPL 官方合作對象，從 Affirm 替換成了 Klarna。 然而，這場變動並未讓 Affirm 流失客源。Affirm […]

追求零幻覺可能是錯誤目標，AI 幻覺問題從無解變成「可管理的技術挑戰」

大型語言模型自進入商業應用以來，「幻覺」始終是揮之不去的陰影。不過從 2021 年至今，這個問題的核心已經產生顯著變化。 理解當前 LLM 幻覺率的真實數據、技術應對策略的成熟度，以及創意與穩定性之間難以調和的問題，是企業在判斷是否導入前得需理解的關鍵發展。 幻覺問題的現況與高風險場景 過去五年間，整體 LLM 幻覺率從 2021 年的 38% 降至 2026 年的 8.2%，頂尖模型如 GPT-4o 與 Gemini 2.0，在特定基準測試中甚至能將錯誤率壓低到 0.7% 至 1.9% 之間。這個數據看似樂觀，但細究不同任務類型卻會有相當大的落差。 在 Omni-MATH 數學基準測試上，平均準確率僅 38.61%；GPQA 資料分析任務的準確率為 52.2%；MMLU-Pro 在教學或特定主題的精確查詢上更只有 0.67 分。 換言之，總體幻覺率的下降，並未平均分布於所有應用場景，數學運算、資料分析與專業建議等需要精確輸出的任務，仍是重災區。 史丹佛大學的研究發現，主要 LLM 在法律查詢上的幻覺率介於 58% 至 88% 之間；引用文獻的捏造率甚至高達 94%。這類錯誤之所以危險，正是因為模型不會表達不確定，而是用同樣流暢、權威的語氣呈現虛構資訊。 對於受高度監管的領域而言，這種錯誤模式幾乎是不可接受的。生成醫療案例摘要模型幻覺率可達 64.1%；法律 AI 工具即便在最佳狀態下，仍有 17% 至 34% 的錯誤輸出。金融與醫療對錯誤的容忍度極低，即使是頂尖模型 1% 至 2% 的錯誤率，在實務上仍可能引發合規風險、財務損失與法律責任。 […]

開源 AI 還是次要選項？模型效能已媲美商業產品，將以成本做為突破口

隨著開源 AI 模型的品質獲得大幅提升，生態系也日趨成熟，迫使 AI 業界不得不重新思考開源 AI 的真正價值，以及企業是否還要繼續對它視而不見，只把開源 AI 生態系當成次要選項。

【科技早餐】ChatGPT 開始讀取銀行帳戶，OpenAI 把 AI 助理推進個人理財

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊ChatGPT 開始讀取銀行帳戶，OpenAI 把 AI 助理推進個人理財 OpenAI 宣布，正在美國向 ChatGPT Pro 用戶推出名為「財務」（Finances）的全新個人理財預覽功能。這項功能透過金融資料平台 Plaid，讓用戶可以把銀行帳戶、信用卡與投資帳戶連到 ChatGPT。完成身分驗證後，系統會自動生成財務儀表板，涵蓋投資組合績效、即將到來的付款時程，以及訂閱服務審查等資訊。 也就是說，ChatGPT 不再只能回答一般性的理財問題，而是可以根據使用者提供的財務資料，整理支出、現金流與投資狀況，並回答更個人化的問題。OpenAI 表示，這項功能只具備讀取權限，不能替使用者轉帳、交易，也看不到完整帳號。消息公布後，美股金融科技（Fintech）概念股下跌，顯示 AI 正對數位理財顧問市場帶來壓力。 ＊川習會談未談出晶片突破，NVIDIA H200 對中出貨仍卡關 美中在北京的會談已經結束，但外界關注的 AI 晶片出口，這次沒有明確突破。《路透》報導，美國已批准約 10 家中國企業採購 NVIDIA H200 AI 晶片，名單包含阿里巴巴（Alibaba）、騰訊（Tencent）、字節跳動（ByteDance）與京東（JD.com）等公司。不過，雖然美方已開出許可，目前仍沒有任何 H200 實際交付到中國。 美國貿易代表葛里爾（Jamieson Greer）也表示，晶片出口管制並不是這次會談的主要議題。中國方面對採購美國高階 AI 晶片仍有疑慮，一方面擔心技術依賴，另一方面也持續推動本土晶片替代。H200 能不能恢復出貨，影響的不只是 NVIDIA 營收，而是美中 AI 算力競爭下一階段會如何發展。 ＊AI 推升台灣電子業破 11 兆，TEEMA 海外園區瞄準墨西哥 台灣區電機電子工業同業公會（TEEMA）5 月 15 日舉行會員代表大會。理事長、鴻海（Foxconn）董事長劉揚偉表示，2025 年台灣電機電子產業在 AI 需求帶動下，產值突破新台幣 […]

【2026 國際 AI 安全報告】圖靈獎得主＋百位頂尖專家指引，決策者如何在技術創新與系統性風險取得戰略平衡？ 

通用人工智慧的發展正處於關鍵轉折點，其能力的指數級成長，同時伴隨著前所未見的新興風險。 為了釐清真實狀況，圖靈獎得主 Yoshua Bengio 帶領全球上百位頂尖專家，在 30 多個國家的支持下發布《2026 國際 AI 安全報告（International AI Safety Report 2026）》，內容點出各國政府和企業領導人現在最頭痛的「證據兩難」（Evidence dilemma，在司法實務中指當事人「不舉證會輸，舉證怕坐牢或違法」的窘境。） 簡單來說，如果現在就急著出手管制 AI，可能會管錯方向，甚至不小心掐死了科技創新；但如果等到「真的出大事、有明確危險證據了」才管，社會可能已經付出慘痛的代價。因此，這份報告試圖將目前 AI 最新的科學實證攤在陽光下，幫助決策者在「繼續創新」和「安全保命」之間，找到對的平衡點。 📎 這份報告適合誰閱讀？ 報告目的是協助決策者、研究人員、產業界以及公民社會共同建立科學共識，以制定相關的戰略與應對措施，適合以下工作者與領域專家閱讀： 決定 AI 未來發展軌跡的將是開發者、政府、社區與個人，因此這份報告適合所有需要看懂 AI 總體風險與治理框架的利害關係人。 🔴 報告洞見 💡 通用 AI 的能力躍進與 2030 年發展情境 近年來，推動 AI 進步的核心要素呈現指數級成長。專家預測，在不遇到能源、資料或晶片硬限制的前提下，到了 2030 年，用於訓練最大型 AI 模型的算力將大幅成長 125 倍。 同時，由於「推論期運算」技術的突破，AI 代理在軟體工程領域的表現突飛猛進，目前已經能以 80% 的成功率，自主完成人類工程師需要耗時 30 分鐘的任務，且此能力上限大約每 7 個月就會翻倍。如果這個趨勢持續，到了 2030 年，AI 系統將能自主完成需要數天時間的軟體專案。 然而，當前 […]

BCG 如何打造 AI 銷售代理：不只學成功，更「反向訓練」找出致勝關鍵

波士頓管理諮詢公司（Boston Consulting Group, BCG）近期訓練 AI 代理「Jamie」的方式引發關注，該系統除了學習如何提升銷售與服務能力，也納入失敗案例進行訓練。據《The Next Web》介紹，BCG 在 2025 年從 AI 顧問業務中獲得 36 億美元收入（占總營收 144 億美元的 25%），為 OpenAI「Frontier Alliances」成員之一，持續參與企業 AI 導入相關合作。 揭 AI 代理訓練細節：從「最佳與最差銷售」中學習 BCG X 為該公司負責技術建構與設計的部門，其管理董事兼合夥人 Japjit Ghai 近日在公司 Podcast 中說明，Jamie 的訓練方式來自兩個極端：「客戶銷售人員最佳與最差的表現。」他表示，系統透過分析頂尖銷售人員的通話逐字稿和客戶互動方式，學習何種溝通行為最有效，並加以模仿。同時，AI 也被訓練辨識並避免不良銷售行為。 接受《Business Insider》訪問時，Japjit Ghai 強調，這種雙向學習機制有助於 AI 建立更穩定的互動能力。他進一步說明，BCG 使用的訓練資料包括客戶提供的客服通話紀錄、企業內部研究資料、對自身業務的理解，以及既有銷售對話錄音與逐字稿。Japjit Ghai 指出，這些資料長期以來未被充分利用，但其實是能用來拆解優秀銷售表現的關鍵數據庫。 BCG 的目標並非讓 AI 模仿單一銷售人員，而是透過分析大量歷史互動模式，歸納出更容易與客戶產生良好回應的行為特徵。同時，Jamie 也會標記出未能引起共鳴的互動方式，作為反向學習依據。 員工經驗即數位資產！Vercel 與 BCG 加速訓練 AI 代理 […]

AI 基建競賽延伸到電網：Ford 將 EV 電池產能轉向資料中心儲能，瞄準 AI 用電缺口

隨著 AI 資料中心快速擴張，電力與儲能儼然成為科技巨頭建置基礎設施時必須面對的新瓶頸。瞄準這波缺口，傳統車廠 Ford 宣布推出全資子公司「Ford Energy」，試圖將原本用於電動車（EV）的電池產能，轉向資料中心、電網與大型工業客戶所需的電池儲能系統。 Ford Energy 將為美國公用事業、資料中心、大型工業與商業客戶，提供「美國組裝」的電池儲能系統（BESS）。《金融時報》進一步指出，這是 Ford 從電動車業務，轉向為 Big Tech AI 資料中心提供電池儲能容量的重要一步，系統中更採用中國電池巨頭 CATL（寧德時代）的授權技術。這項舉動，不僅標誌著 Ford 的重大戰略轉向，更讓其正式切入 AI 資料中心背後的能源供應鏈，瞄準 AI 用電缺口。市場對這項 AI 題材反應熱烈，Ford 股價連續兩天飆升超過兩成，創下 2020 年以來最大漲幅，市值大增 99 億美元。  年部署 20 GWh、2027 年交付：Ford Energy 儲能藍圖曝光 Ford Energy 總裁 Lisa Drake 強調，團隊早已鴨子划水多時：「在過去大半年的時間裡，我們一直默默運作，為這項業務打下基礎，我們不單單只是在規劃，而是付諸執行，包括確保供應鏈、整備我們的製造廠區，並讓我們的技術能夠滿足美國國內能源儲存的龐大需求。」 在產能規劃上，Ford Energy 將重整既有的美國肯塔基州 Glendale 電池製造廠房，以支援快速成長的儲能市場，並計畫每年至少部署 20 GWh 的儲能容量，首批產品預計於 2027 年底交付。其主力旗艦產品為標準化 20 英尺貨櫃式「Ford Energy DC […]

從影像像素到全身協調：Figure AI 機器人達成 24 小時零故障自主分貨，展現類「真人」直覺

機器人新創 Figure AI 宣稱，旗下人形機器人已完成超過 24 小時不間斷、零故障的自主包裹處理作業，並將原本僅規劃 8 小時的測試，延伸為持續運行的長時間實驗。 Figure AI 指出，目前有三台搭載 Helix-02 AI 系統的人形機器人，全天候自主處理小型包裹分揀任務，全程無需人類控制。公司透過直播公開運作過程，期間觀眾在互動中替機器人取名為 Bob、Frank 與 Gary，後續 Figure AI 也替機器人加上姓名標示作為回應。 挑戰全天候輪班工作！Figure AI 機器人自主處理包裹 Figure AI 創辦人兼執行長 Brett Adcock 在 X 上表示，團隊原本僅規劃短時間測試，但在首日零故障後決定持續運行，目前已超過 24 小時且未出現任何失敗。他指出，機器人在此期間已處理超過 2.8 萬件包裹，大量觀眾在線上持續追蹤機器人運行狀態與表現。 在技術層面，Brett Adcock 補充，系統可直接從影像像素進行即時推理。Figure AI 指出，機器人透過攝影機與 AI 推理能力辨識條碼、抓取包裹，並將條碼朝下放置於輸送帶上。整個流程由 Helix-02 驅動，該系統為內建於機器人的神經網路模型，整合視覺與觸覺感知，並具備全身關節協調控制能力，使機器人能完成行走、平衡與操作等任務，全程無需遠端操控。 此外，系統具備自動恢復機制。《Interesting Engineering》提及，當機器人卡住或遭遇未見過的情境時，系統可自動觸發重置並恢復運作，無需人工介入。Figure AI 也指出，若機器人出現軟硬體問題，可自主離開工作區進行維護，由其他機器人接手任務，以維持整體運作不中斷，展示 Helix-02 自主輪班的能力。 從掛外套到鋪被子：機器人突破處理「易變形物體」難題 《VnExpress》指出，Figure AI 先前另展示人形機器人在無人控制的狀態，於兩分鐘內完成整理臥室與鋪床的任務。在官方發布的影片中，兩台 Helix-02 […]

Vibe Coding 跨入實體世界：從寫軟體到造硬體原型，Lovable、Anthropic 相繼卡位

當 Vibe coding 席捲軟體開發圈，讓非工程背景的使用者得以透過自然語言生成網站與應用程式，一批新創如今正試圖把這套模式延伸到硬體開發。 近期，AI 寫程式新創 Lovable 投資了丹麥硬體新創 Atech，而被稱為「硬體版 Cursor」的 Schematik，則獲得 Anthropic 生態支持與 Lightspeed 投資。這些新工具的共同點，是希望讓使用者不只生成軟體，而是直接透過自然語言打造硬體原型（prototype）、IoT 裝置，甚至未來的人形機器人。 Lovable 投資 Atech：AI 開始降低硬體開發門檻 根據《TechCrunch》報導，Lovable 近期參與丹麥硬體新創 Atech 的 80 萬美元 Pre-Seed 輪融資，投資方還包括 a16z 旗下 scout 基金、Sequoia Scout Fund 與 Nordic Makers。 使用者可以先向 Atech 購買對應專案的入門套件，再透過網站上的 AI 對話介面描述想製作的裝置，系統便會生成對應程式碼與控制邏輯，協助完成可運作的原型。 Atech 客戶體驗負責人 Gustav Hugod 向《TechCrunch》表示，用戶群跨度極廣，從「4 歲小孩製作玩具車」，到需要精密電壓感測的氫能工廠都有。 Atech 工具試圖解決的，是硬體開發長期存在的高門檻問題。因為相較於軟體開發，硬體原型往往需要電路知識、MCU 與感測器控制、PCB 設計、電源管理、韌體開發與相容性測試，而這些能力高度依賴資深工程師與 EDA 設計流程。但 Atech […]

美國想把 AI 領先變成規則制定權：OpenAI 提議成立「AI 版國際原子能總署」，美中談判聚焦最強模型護欄

隨著 AI 影響力持續擴大，AI 安全已不再只是模型開發商的內部議題，而是正式躍升為國際規則制定的核心。就在美國總統川普與中國國家主席習近平於北京舉行峰會之際，OpenAI 拋出全球 AI 治理的新構想，支持成立一個由美國主導、並納入中國參與的全球 AI 治理機構。 這項提案的時機，恰好與美中代表團的議程不謀而合。《Reuters》報導，美中雙方正在北京峰會上討論「AI 安全護欄（AI guardrails）」，並計畫建立一套最佳實務協議，以防止恐怖組織、犯罪集團等非國家行為者濫用當前最強大的 AI 模型。 OpenAI 倡議「AI 版國際原子能總署」，推動全球治理 OpenAI 全球事務副總裁 Chris Lehane 指出，AI 發展在某種程度上已超越傳統的貿易議題。他認為，美國有絕佳的機會利用自身技術領先的優勢，建立一套全球治理機制，促使 AI 系統更安全、更具韌性。為此，OpenAI 支持建立一個由美國主導並讓中國參與的全球 AI 治理機構。 Chris Lehane 將這個組織類比為「國際原子能總署（IAEA）」，如同 IAEA 將中國納入其中，並為核能發展制定全球安全標準以防止武器擴散，Chris Lehane 期待新的 AI 機構也能發揮類似的防範作用。 在具體作法上，Chris Lehane 建議可將美國商務部的「AI 標準與創新中心」與世界各地正陸續成立的「AI 安全機構」串連起來。不過，《Bloomberg》也點出潛在變數：白宮官員先前曾表態反對建立全球性的 AI 治理機制，因此川普政府最終是否會接受這項將中國納入其中的全球 AI 指引，目前仍屬未知。 建立前沿模型護欄，防堵金融與國安漏洞 在這波全球 AI 治理的探討中，美中兩國已率先針對前沿模型展開實質對話。《Reuters》報導指出，美中代表團正積極討論 AI 安全護欄，目的是避免犯罪或恐怖組織利用最強的 AI 模型來破壞市場與全球金融系統。 美國財政部長 […]

AI 輸出結果總是差強人意，讓 AI 回覆品質真正提升的提示詞習慣是什麼？

多數人對 AI 的第一印象都差不多，試了幾次，覺得不如預期，然後得出「AI 沒那麼神」的結論。但問題通常不在工具，而在問法。 Google Cloud 的提示工程指南，把這個技巧定義為「設計和最佳化提示的技巧與原理，旨在引導 AI 模型生成想要的回覆」。說白了，就是如何把你要的東西說清楚。 而 Anthropic 對使用 Claude 的建議是，把模型想成一位聰明但字面解讀的新員工；想像他第一天上班，有能力，但會完全照你說的做；因此，你說得模糊，他就做得模糊，你說得精準，他就照著精準執行。 Anthropic 收攏的黃金法則就很簡單：把提示詞給一個沒有背景知識的同事看，如果他看不懂，模型也看不懂。 基礎習慣：每一個限制條件都在幫模型做決定 模糊的提示詞之所以產生模糊的輸出，是因為模型在缺乏指引的情況下會預設產出安全、面面俱到的答案。加入限制條件，就是替模型消除一個它可以迴避的選擇。 以撰寫行銷趨勢分析為例，改寫前後的差距能說明這個邏輯： 改寫前：「寫關於行銷趨勢的內容。」 改寫後：「分析過去六個月最重要的三個 B2B SaaS 行銷趨勢，每個趨勢給一個企業案例，並用一句話判斷這個趨勢是會加速還是趨於平緩。以 400 字的簡報形式呈現，受眾是非技術背景的董事會成員。」 「三個」強迫排序，「加速或趨於平緩」強迫做出判斷，「董事會簡報」決定了什麼要留、什麼要刪。每個限制都是一個模型不再需要自己猜測的決定。 而提供範例是日常提示中槓桿最高的操作，Google Cloud 的提示工程指南也強調，在提示中提供相關說明與範例，是幫助模型理解任務意圖最直接的方式。 模型從範例中抓取模式的速度，遠快於從文字描述中理解意圖。如果你想把會議紀錄轉成行動項目，與其說「轉成行動項目」，不如直接給兩個範例說明格式：「記錄：Sarah 會去研究定價問題，下週回覆。行動項目：Sarah → 研究定價選項 → 下週五前完成。」再貼上實際紀錄請模型依樣處理，結果的準確度會遠高於純文字描述。 正向指令也比負向禁止更有效。「不要太正式、不要用術語、不要無聊」這類指令，比正面表述更容易被違反。改成「用溫暖的對話語氣，像一個聰明的同事在咖啡廳解釋一樣，使用簡單的英文和短句」，輸出會更穩定。 同樣的道理也適用於提示詞的風格。如果你的提示詞充滿條列式和粗體，輸出也會是條列式和粗體，也就是說，如果你想要流暢的散文，就用散文寫提示詞。 進階工作流程：把提示當成測試驅動開發 掌握基礎習慣之後，下一步是建立更系統化的工作方式。核心觀念只有一個：第一個提示詞只是草稿。 有經驗的使用者會在正式使用一份提示詞之前，準備五個測試輸入，包含正常案例和邊緣案例，把提示詞跑過全部五個，觀察在哪裡失敗，然後改動一個變數重新測試。而「一次只改一個變數」是這裡最重要的紀律——同時改三件事，你就不知道是哪個改動有效。 與此搭配的習慣是明確定義「完成」的標準。OpenAI 的提示工程建議指出，沒有完成標準，模型會自己決定什麼叫做「答夠了」，而且通常在第一個看起來合理的回答就停下來。 舉例來說，「幫我除錯這個 Python 錯誤」這樣的提示，遠不如「幫我除錯這個 Python 錯誤，完成條件是：找出根本原因、提出具體修正方案並附上修正後的程式碼、解釋原本的程式碼為什麼會失敗。如果對任何一點沒有把握，請明說而不是猜測。」 養成這些習慣之後，把有效的提示詞存起來就是下一步。按任務類型分類，作為可調整的模板，每次使用時打開對應模板、貼入今天的素材，而不是從頭重新組裝。否則你就需要反覆重寫同樣的框架，或每次都忘掉幾個關鍵的限制條件。 常見錯誤與跨模型的注意事項 還有幾個常見錯誤包括，對推理模型說「一步一步思考」是多餘的，因為這類模型已在內部完成推理步驟，這個指令留給一般模型使用就好。 另外，使用激進語氣，例如「CRITICAL: You MUST…」也不會讓輸出更好，因為現代模型對普通指令的回應已經很靈敏，這類強調方式反而可能觸發過度謹慎的回應。在提示詞裡放入模型不認識的縮寫也是常見問題。 跨模型差異則是另一個需要意識到的現實。同一份提示詞在 […]

Mercedes-Benz 如何用 n8n 串聯研發、生產與客服系統，將員工創意化為 AI 工作流？

Mercedes-Benz 近期宣布與德國 low-code 自動化公司 n8n 展開策略合作，將在全球推出一套平台，讓員工能直接在營運流程中設計與部署由 AI 驅動的工作流。這項計畫的核心目標，是讓 AI 自動化不再停留於個別的試點項目，而是真正進入研發、生產、銷售、金融服務、人資與 IT 等日常業務場景。 讓員工從 AI 使用者進化為「工作流創作者」 為了有效導入 AI，Mercedes-Benz 將組織內的 AI 採用分成三個不同的能力層級：「Takers」（採用者）在日常工作中使用 AI 工具；「Builders」（建構者）負責開發更進階的解決方案，例如軟體開發；介於兩者之間的「Makers」（創作者），則是透過 n8n 平台設計與編排工作流。 Mercedes-Benz 表示，這套分層做法的重點，是協助員工從單純「使用」AI，進一步轉向主動「塑造」由 AI 驅動的流程，並將自動化與商業價值緊密結合。n8n 平台正是位於「Makers」這一層，透過直觀的節點式畫布，讓不是軟體工程師的分析師、營運主管與領域專家，也能在不必從零開始寫程式的情況下，輕鬆連接不同系統、設定邏輯，並建立出能在正式生產環境中運行的自動化流程。 透過黑客松，將員工點子推向生產環境 為了讓員工親自實踐上述理念，Mercedes-Benz 這次的全球 n8n 部署，其實是由一場跨公司的黑客松（hackathon）揭開序幕。這場活動吸引超過 1,500 名來自不同業務單位的員工參與，共同開發 AI 與自動化的應用案例。 n8n 特別指出，員工在黑客松中使用 n8n 發展出的絕佳構想，並不會只停留在簡報階段，而是會作為全球部署的一部分，並實際導入生產環境中，成功把「由員工驅動的創新」轉化為實際的營運影響力。n8n 也強調，大多數的企業級自動化平台或許能支援創意發想工作坊，但很少有平台能將產出成果一路推進到生產系統中運行，n8n 卻能同時滿足這兩點。  對此，Mercedes-Benz 資訊長 Katrin Lehmann 強調：「擴展 AI 不僅僅是科技的問題，而是要讓 AI 在我們的核心業務中發揮作用，與 n8n 一起，我們可以將想法轉化為整個價值鏈中可衡量的影響力，並主動塑造我們的營運方式。」 […]

新興 AI 加速資安威脅，資安署三措施穩紮「資安基本功」

面對新興AI模型(如Anthropic Claude Mythos與OpenAI GPT-5.5)展現強大資安漏洞挖掘與攻擊能力，數位發展部資通安全署表示，將以三項應對作為，包含掌握新興AI模型相關防禦工具與經驗、邀集產官學決策層研商國家級新興AI因應策略，以及強化對中小微企業資安防護支持，引導企業與政府機關從策略面、管理面及技術面穩紮「資安基本功」，提升臺灣整體數位安全韌性。 資安署說明，近期國際資安界高度關注最新AI模型於資安領域的能力，如美國Anthropic公司最新模型Claude Mythos Preview，該模型已在所有主流作業系統與網頁瀏覽器中找出數千個高嚴重性漏洞，並且漏洞利用成功率高達72%。Mythos在紅隊的能力評估實驗中，發現潛藏長達27年的作業系統漏洞（OpenBSD）。OpenAI也在日前發布 GPT-5.5，可大幅提升既有攻擊手法的效率與規模，協助將漏洞轉化為可實際運用的攻擊工具。 資安署以三項應對作為，攜手產官學共同因應AI新挑戰 面對新興AI模型快速演進的態勢，資安署以三項作為與企業及政府機關共同因應： 一、及早掌握新興AI模型應用在資安攻防上的動向，進而引進相關防禦工具與經驗。 二、邀集產官學相關利害關係人之決策層共同研商，研討公私部門防護技術及彙集意見，確保政策可行性，以凝聚國家級因應策略。 三、強化對中小微企業資安防護支持、持續推動中小微企業加入TWCERT/CC（台灣電腦網路危機處理暨協調中心），不因公司規模較小而錯失資安警訊。 回歸資安基本功，強化資安策略面、管理面、技術面 資安署建議，企業與政府機關從策略、管理、技術三個層次同步推動資安防護： 新興AI攻擊模式典範轉移，「預防被打」轉向「迅速復原」 資安署觀察，從目前已公開的多份國際評估與實際攻擊案例可見，新興的AI工具將既有弱點被利用的時間大幅縮短，已超出人力反應速度。根據「零日漏洞時鐘（Zero Day Clock）」追蹤，漏洞從揭露到被實際利用的時間中位數，已從2018年的771天，急遽縮短至2024年的4小時，到2026年的現今，漏洞被利用時間甚至比揭露時間還要提前。面臨新興型AI，資安實務正面臨從「預防受駭」轉向「盡快復原、減少傷害」的典範轉移（Paradigm Shift）。以下三項觀察，建議企業與政府機關據此重新檢視自身的資安策略： 一、攻擊成本大幅變低、規模變大：過去的駭侵攻擊成本高昂，攻擊者得挑出大目標才划算。如今AI能協助攻擊者自動化掃描整個網際網路，上市櫃公司、中小型企業與地方政府機關都可能成為目標。 二、冷門漏洞、閒置系統可能被 AI 重新利用來攻擊：Anthropic公司的技術報告指出，Mythos也能重新活用舊時難以利用或較為冷門的漏洞重新攻擊。這代表企業過去在漏洞處理時，因利用難度高或影響範圍有限而排在修補清單末端的項目，現在可能重新成為被攻擊的入口。 三、企業應從「預防被打」轉向「迅速復原」：當攻擊者能以低成本、規模化發動攻擊，資安投入的優先順序應從預防遭受攻擊，轉向關注被攻擊後的恢復時間與損失控制能力，將「韌性」（Resilience）作為資安投入的優先目標。 資安署指出，AI改變的是攻擊的速度與成本，但並未改變資安的基本原則。網路縱深防禦、漏洞管理、嚴謹的身分識別等核心做法目前依然有效。企業與政府機關必須立刻採取行動，重新評估自身的資安風險、重新檢視漏洞修補清單。資安署亦將持續關注新興AI模型的能力演進與相關國際情勢，並適時提供後續指引。 （本文訊息由 數發部 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：Unsplash。）

AI 進入巧克力供應鏈：Hershey 估 5,000 萬美元生產力提升、減少 1 億美元庫存

《Supply Chain Dive》報導，知名巧克力品牌 The Hershey Company 日前公布最新營運策略，揭示該公司正大規模將 AI 與數位化技術導入供應鏈、工廠營運與配送流程，希望藉此提升生產效率、降低庫存壓力，並強化市場反應速度。 AI 預測進入食品供應鏈，Hershey 強化零售韌性 Hershey 表示，公司正在建構以 AI 驅動的決策系統，將資料分析能力整合進採購、生產、物流與履約流程之中。這套系統的核心目的，在於讓企業能更快回應市場變化，包括原料價格波動、節慶需求高峰、區域性銷售差異，以及零售端庫存需求調整。對高度依賴季節銷售的食品與糖果品牌而言，供應鏈反應速度往往直接影響營收與成本控制能力。 近年可可、糖與其他食品原料價格持續受到氣候、地緣政治與全球供應鏈變化影響，企業需要更精準掌握採購時機與供需趨勢。Hershey 指出，AI 與決策智慧系統已被應用在原料採購分析，透過整合市場資訊、供需數據與避險資訊，公司能更有效管理可可等重要原料的採購風險，降低價格波動對營運帶來的衝擊。 AI 賦能工廠，推動自動化與「聯網員工」計畫 除了資料分析與供應鏈預測，Hershey 也積極推動工廠數位化與自動化。Hershey 供應鏈團隊目前所運行的決策智慧平台，能即時監控產線資料並主動發送通知給前線員工。例如，當系統偵測到特定生產線進度超前，或是包裝材料即將耗盡時，會主動提醒現場人員補充物料，降低因資訊延遲導致的停工風險。 這與該公司推動的「聯網員工計畫（Connected Worker Initiative）」相輔相成，透過行動裝置與數位指引，讓工廠操作員能隨時掌握產線效率與設備狀態。過去依賴紙本紀錄與人工回報的落後流程已被數位平台取代，不僅解決了資訊傳遞的落差，也讓跨部門間的維護流程與問題追蹤變得更加透明且高效。 Hershey 全球供應鏈主管 Jason Reiman 表示：「對大型食品製造商而言，工廠內每天發生數千次的小型決策，正是影響效率與成本的關鍵，而 AI 驅動的決策智慧能幫助公司提升效率與營運穩定性。」該公司預估，未來兩年內，相關 AI 與數位化投資可望為 Hershey 帶來 5,000 萬美元的生產力提升，同時減少 1 億美元庫存。 精準配置與履約效率提升，優化通路佈局 在配送與零售端，Hershey 也利用 AI 提升產品組合與物流效率。公司目前已開始推動「Custom Assortments」策略，也就是依據不同商店所在地區的消費輪廓、人口結構與銷售資料，調整商品組合與配送內容。透過更精準的商品配置，零售通路能獲得更符合當地需求的產品搭配，也有助於降低庫存浪費。 同時，Hershey 也將履約流程自動化，提升配送單位組裝效率。公司表示，相關技術已讓產品從概念發想到交付市場的時間縮短 50%。對食品與零食品牌而言，面對季節性商品與快速變化的消費趨勢時，能否即時調整供貨與產品配置，往往決定品牌競爭力。 透過將數位技術與前線員工的經驗結合，Hershey 不僅優化了財務報表上的庫存與生產力數字，更成功做到從採購源頭到零售末端的全鏈路自動化，在瞬息萬變的全球供應鏈環境中，建立了一種具備高度韌性的營運模式。 【推薦閱讀】 ◆ […]

【科技早餐】OpenAI 資本戰升溫、台積電押 COUPE，AI 競爭從算力燒到供應鏈

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Microsoft、軟銀重押 OpenAI，AI 資本戰開始計算集中風險 《彭博》報導，Microsoft 至今已為與 OpenAI 的合作投入超過 1,000 億美元。這筆金額不只是股權投資，也包括雲端基礎設施建置，以及為 OpenAI 提供運算服務的累計成本。Microsoft 同時也開始尋找其他 AI 新創公司，為降低對 OpenAI 的依賴預作準備。 另一邊，日本軟銀集團（SoftBank Group）5 月 13 日公布財報，受惠 OpenAI 等投資評價上升，年度淨利衝上 317 億美元，刷新日本企業年度淨利紀錄。其中，OpenAI 相關收益高達 426 億美元。當 OpenAI 仍是 AI 資本市場核心，主要投資人也開始面對集中押注的風險。 ＊台積電上看 1.5 兆美元半導體市場，COUPE 成 AI 晶片新關鍵字 台積電 5 月 14 日舉辦台灣技術論壇。全球業務資深副總經理暨副共同營運長張曉強表示，過去 10 年半導體成長主要來自智慧手機，未來主要動能將轉向人工智慧。他預期，2030 年全球半導體產值可望達到 1.5 兆美元，其中 AI 與高效能運算占比達 55%。 張曉強也提到，AI […]

直接進入 Rivian 產線練兵：新創 Mind Robotics 估值破 34 億美元，靠數據打造懂現場的 AI 機器人

《Reuters》報導，Mind Robotics 是 2025 年成立的新創公司，由美國電動車公司 Rivian 創辦人兼執行長 RJ Scaringe 領軍。今年稍早，該公司完成 5 億美元 A 輪募資；近日再宣布新一輪融資後，估值升至 34 億美元。資金將用於 AI 驅動機器人導入工廠產線，解決傳統工廠自動化難以勝任的工作，包括需要精細操作、即時判斷與彈性應變的任務。 工廠自動化轉折點：Mind Robotics 主打可適應現場變化的 AI 機器人 本輪融資由風險投資公司 Kleiner Perkins 領投，新投資者包括私募股權商 Meritech Capital、風險投資公司 Redpoint Ventures、風險基金 SV Angel 等機構；既有投資人 Andreessen Horowitz、Accel 等也持續參與。 《SiliconANGLE》說明，目前多數工廠機器人仍侷限執行高度重複、環境固定的任務，例如反覆焊接同一條焊縫，或從固定料箱抓取零件。如果現場發生零件位置偏移、線束需要重新調整，或軟質材料出現誤差，就需要人類介入處理。 Mind Robotics 希望打造的，是一種能「理解現場狀況並即時調整」的工業機器人系統，而非只能依賴預先編寫流程運作。其核心願景，是建立一個整合 AI 模型、機器人硬體，以及多機協作軟體的平台，讓機器人能在真實工廠環境中持續學習與優化。 美國製造競爭力解方？Rivian 執行長押注 AI 機器人重塑工廠自動化 Mind Robotics 源自 Rivian 內部的「Project Synapse」構想，並於 2025 年以獨立公司的形式成立。Rivian […]

從 Sim-to-Real 到 Autonomous Agent：NVIDIA 專家揭 AI 機器人從模擬訓練提前試錯，再到真實部署的關鍵歷程

你曾經想像過，未來機器人不再需要透過遙控器操作，而是能聽懂指令並自主與現實世界互動嗎？ NVIDIA 資深解決方案架構師吳志忠在近日由 TechOrange 科技報橘、NVIDIA、鴻海科技集團共同舉辦的「2026 AI 機器人產業論壇」中，以「An Introduction to Robot Simulation」為主題，深入介紹 NVIDIA 為加速機器人落地而打造的模擬與訓練工具。 未來的機器人將從單一功能的工具，進化為具備多模態 AI 大腦、能主動辨識環境，並自主調用底層運動模型來執行任務的智慧體平台。然而，這條進化之路並不容易。例如，現在讓機器人在完美的虛擬平面上「學會走路」並不難，但要克服「Sim-to-Real（從虛擬環境到現實）」的落差，讓機器人在稍微傾斜的地面，或受到未知推力干擾的狀況下保持穩定，仍是當前極大的技術門檻。 為強化機器人適應真實環境的能力，NVIDIA 提出一套涵蓋資料擷取、資料擴增與模型訓練的完整模擬工作流。幫助開發者將真實場景照片轉化為具備真實物理特性的 3D 虛擬訓練場，並利用強化學習與「領域隨機化（Domain Randomization）」技術，在 Omniverse 中產出龐大且充滿變數的模擬數據，藉此訓練能適應真實世界不確定性的機器人控制模型。而這一切，都必須從第一步「打造逼真的訓練環境」開始。 環境重現困難？用 Omniverse NuRec 與 OpenUSD 打造 100% 物理擬真訓練場 要讓機器人在虛擬世界訓練有效，首要條件是環境必須「夠真實」。由於傳統手動建模耗時費力，NVIDIA 提出高效的解決方案：透過 NuRec 技術，開發者只需用手機或相機拍下真實場景的照片，就能快速將影像轉換並還原成 3D 結構，直接匯入 Isaac 模擬環境中。 同時，藉由 OpenUSD 標準，開發者能將 PTC、Autodesk 等既有建模工具中的機器人結構模型直接匯入。更關鍵的是，為了避免機器人穿牆或懸空，匯入的 3D 場景必須加入像 PhysX 或 Newton 等物理引擎，賦予場景真實的物理特性、軟硬材質、摩擦力與碰撞邊界。 如何學會走路？用「獎懲機制」與「領域隨機化」打破虛實落差 當機器人模型與物理環境準備就緒，下一步便是透過「強化學習（Reinforcement Learning）」讓機器人學會運動控制。在論壇中，講師分享了有趣的「獎懲機制」設計：在觀測機器人的關節、加速度與受力狀態後，系統會給予對應的獎勵或懲罰，例如只要機器人能保持站立狀態，就能獲得最高權重的正向獎勵，反之如果身體失去平衡，就會被扣分。 然而，要跨越「Sim-to-Real」門檻，最關鍵技術是「領域隨機化（Domain Randomization）」。現實環境充滿不確定性，馬達齒輪可能有誤差、地面可能稍微傾斜，所以如果在單一完美的虛擬平面中訓練，機器人一到現實世界就會摔倒。因此，NVIDIA […]

研華 COMPUTEX 首度整合全球夥伴大會，強化全球邊緣 AI 生態系鏈結

全球物聯網智能系統與嵌入式平台領導廠商研華公司（TWSE：2395）今日宣布，於 COMPUTEX Taipei 2026 期間，首度將研華全球合作夥伴大會（World Partner Conference, WPC）與展覽活動深度整合，並以「Edge Computing & AI-Powered WISE Solutions」為品牌主軸，串聯國際論壇、展覽展示與全球夥伴大會三大核心活動，打造橫跨策略、技術與商業的整合平台，強化全球 Edge AI 生態系鏈結，加速產業數位轉型與 AI 升級。 研華董事長劉克振表示：「面對產業全面邁向 AI 與邊緣運算發展的浪潮，企業競爭的關鍵已不只是技術能力，而在於能否建立跨產業、跨區域的協作生態系。今年研華首度整合 WPC 全球合作夥伴大會與 COMPUTEX 展覽，並以『Edge Computing & AI-Powered WISE Solutions』為品牌主軸貫穿自 6 月 1 日起為期五天的系列活動，希望透過跨場域、多節點的創新形式，將活動從單一展示平台，進一步升級為全球 Edge AI 生態系策略對話、夥伴協作與商機轉化的重要樞紐。未來，研華也將持續攜手全球夥伴，加速 AI 從雲端走向邊緣、從數位走向實體應用，並朝向全球 Edge AI 領導品牌的目標大步邁進。」 研華嵌入式事業群總經理張家豪表示：「邊緣運算一直是研華的核心發展主軸，未來研華將持續攜手 NVIDIA、Qualcomm、Intel 等主流晶片夥伴，推出最新世代 Edge AI 平台，協助客戶因應 AI 應用對即時運算與部署彈性的需求。隨著產業邁向 Physical AI 時代，AI 正從模型運算走向真實世界的感知、決策與自主執行。研華今年將聚焦自動化、智慧醫療與機器人應用，特別是在 AMR、協作型機器人與人型機器人等場域，透過 […]

中國 AI 硬體供應鏈拉警報：光通訊、PCB、功率晶片全面吃緊，AI 基建熱潮迎來「成長痛」

隨著 DeepSeek-V4 發布，中國本土 AI 硬體需求被大幅推升。根據《Reuters》報導，字節跳動（ByteDance）、騰訊與阿里巴巴等中國網路巨頭，已開始向華為洽詢 Ascend 950 AI 晶片的新訂單。然而，中國 AI 硬體供應商目前面臨的最大問題已非需求不足，而是產能限制與關鍵零組件的供應吃緊，這極可能拖慢今年初以來的快速成長步伐。 《Implicator.ai》指出，DeepSeek-V4 並未讓中國擺脫 AI 供應鏈的物理限制，而是把限制從 NVIDIA 的出口許可，轉向了交付條件。上海乘舟投資管理有限公司董事 Xiang Xiaotian 直言：「我相信這些產能瓶頸不太可能很快解決，至少 2026 年內肯定不會，這代表相關公司可能會持續低於市場的預期。」 不只缺 AI 晶片，光通訊與周邊零組件成新瓶頸 現在，中國這波硬體緊缺已不只限於 AI 加速器，也擴散到光通訊、伺服器 CPU、功率晶片、MLCC（積層陶瓷電容）與記憶體等 AI 伺服器的關鍵環節。《Bloomberg》也報導，光通訊製造商雖已成為投資人押注中國 AI 供應鏈成長的焦點，但它們同時面臨嚴重的「成長痛」。 國盛證券在報告中分析，光通訊供應商面臨的挑戰包括技術快速變化的壓力、供應鏈限制，以及全球擴張的複雜性。在地緣政治的緊張局勢下，泰國與越南成為中國供應鏈企業優先考慮的設廠地點，但當地的勞動力限制與產線熟練度仍落後於中國。 從 PCB 到被動元件都吃緊，中國 AI 供應商掀囤料潮 為了降低供應端摩擦，中國 AI 硬體供應鏈企業已開始策略性地大舉囤積光學與電子晶片、印刷電路板（PCB）與被動元件。以光通訊大廠中際旭創為例，其第一季的預付款暴增逾 10 倍，達到 15 億人民幣（約 2.21 億美元），主因是企業提前預訂材料、鎖定成本。 AI 伺服器大廠工業富聯也在法說會上向投資人表示，公司已提前儲備原物料，以確保大規模生產與交付。然而，缺料衝擊依然存在，蘇州天孚光通信在 4 月的法說會中坦言：「由於供應商產能爬坡速度的限制，部分材料仍然存在短缺，並已對相關產品造成一定影響。」  市場的盲點：財報不如預期，但投資人尚未充分定價採購風險 儘管供應鏈警報頻傳，資本市場卻似乎選擇性忽略。《Bloomberg》指出，雖然部分中國 AI […]

拆解 AI 推論時代 IPO 黑馬：Cerebras 上市估值破 560 億美元，獲 OpenAI 訂單加持、AWS 合作背書

搭上 AI 基礎設施的全球建設浪潮，專攻 AI 推論晶片的半導體新星 Cerebras，成為 2026 年最受矚目的 IPO 黑馬。儘管市場競爭白熱化，但在投資人對 AI 硬體賽道熱度不減的推升下，Cerebras 的上市預計將迎來強勁需求。身為今年迄今規模最大的上市案，Cerebras 展現了 AI 推論市場的巨大潛力，也被視為後續 OpenAI 與 SpaceX 等巨頭掛牌前的關鍵風向標。 從訓練到推論的轉折點：Cerebras 以 SRAM 架構改寫 AI 晶片競局 這家成立於 2015 年、規模不足 800 人的公司，正展現驚人的成長爆發力。《CNBC》報導，Cerebras 將 IPO 發行價訂為每股 185 美元，高於原先預期區間；市場正為接下來預計極為熱絡的 AI 新股上市潮做準備。Cerebras 此次 IPO 共出售 3,000 萬股，募得 55.5 億美元。以該 IPO 發行價格計算，Cerebras 完全稀釋後市值（FDV）達 564 億美元。Morningstar 資深分析師 Brian Colello 指出，Cerebras 與 […]

擊敗 Mythos：微軟發表 AI 資安代理系統 MDASH，漏洞研究進入多代理時代

AI 資安戰升溫，繼 Anthropic 發表 Claude Mythos、OpenAI 發起 Daybreak 資安計畫，如今微軟也推出了代號 MDASH 的全新 AI 驅動漏洞發現系統。MDASH 在衡量 AI 漏洞任務能力的 CyberGym 基準測試中拿下 88.45% 成績，超越 Anthropic Mythos Preview 的 83.1%，以及 OpenAI GPT-5.5 的 81.8%。 MDASH 在做什麼？微軟把漏洞研究拆成 AI 流水線 然而，值得注意的不只是排行榜的變動，而是微軟的做法。MDASH 是一套由超過 100 個 AI 代理組成的資安掃描系統，其運作方式是透過分階段流程協同作業。首先，由不同 AI 代理負責掃描程式碼中的潛在漏洞；接著，另一組代理會針對這些結果進行「辯論」，判斷漏洞是否真實存在、是否可被利用；最後，再由最終階段生成概念驗證（PoC）攻擊，確認漏洞確實成立。 相較之下，Anthropic 的 Mythos 是單一模型搭配代理框架運作。OpenAI 的 GPT-5.5，以及目前排行榜上的其他系統，也大多採用單模型架構。這顯示，微軟認為未來的 AI 資安優勢不只在模型本身，而在編排系統。 微軟代理安全副總裁 Taesoo Kim 在官方部落格就表示：「模型是一個輸入，系統才是產品。」他也指出，MDASH 的長期優勢在於模型外圍的代理系統，而非任何單一模型本身。因為這套架構刻意設計為不依賴單一模型，也就是當新模型推出時，只需更改設定並重新進行 A/B […]

Grok 下載量暴跌近 6 成、企業採用率僅 7%：SpaceX IPO 前，馬斯克急把華爾街變成 xAI 新戰場

隨著 SpaceX 預計在下個月進行首次公開募股（IPO），馬斯克（Elon Musk）旗下的 xAI 正面臨擴大營收的急迫壓力。在與 SpaceX 合併前，xAI 每個月的資金消耗高達近 10 億美元。為了在上市前交出漂亮成績單，xAI 正急於透過銷售聊天機器人 Grok 的訂閱服務與運算資源存取權來變現。 《Bloomberg》報導，xAI 已招募多家與馬斯克商業帝國關係密切的華爾街公司進行內部測試，包含阿波羅全球管理（Apollo Global Management）、摩根士丹利（Morgan Stanley）以及 Valor Equity Partners，這也顯示，xAI 開始意識到 Grok 不能只停留在吸引大眾目光的話題階段，而是必須證明 Grok 是一款能讓華爾街願意長期留用的企業工具。 馬斯克動用人脈敲開金融業大門，卻掩蓋不了技術落後的現實 xAI 至今為止很大一部分的銷售額，其實多半來自 SpaceX、Tesla 等馬斯克旗下的「自家人」企業。為了順利切入含金量極高的金融產業，xAI 正積極利用馬斯克深厚的人脈網絡作為突破口。例如，Apollo 曾與 xAI 在 NVIDIA 晶片融資上密切合作；摩根士丹利多年來一直是馬斯克主要的合作銀行，並預計在即將到來的 SpaceX IPO 中擔任要角。此外，由馬斯克長期盟友 Antonio Gracias 帶領的 Valor Equity Partners，同時也是 xAI 與 SpaceX 的共同投資人。 然而，儘管這層關係成功讓部分銀行簽署合約並開始內部試用，但知情人士透露，金融業人士實際上極少將 Grok 真正應用在日常工作中。在金融產業的高標準下，Grok 的可用性普遍被視為落後 […]

不寫程式也能吃到 AI 紅利：資料中心電工年薪可達 30 萬，不輸軟體工程師

2026 年第一季，科技業在三個月內裁掉超過 7.3 萬人，部分統計甚至達到 7.85 萬。Oracle 一口氣砍掉一萬個職位，同時還在加碼 AI 投資；Meta 宣布五月前再裁約 8,000 人；Amazon 透過 AI 縮減企業層級的人力；Block 執行長 Jack Dorsey 把員工人數砍了將近一半，理由是智慧工具改變了遊戲規則。 這些公司給出的理由幾乎一致：AI 帶來的效率提升讓組織不再需要那麼多人。將近一半的裁員案例都被歸因於 AI。 AI 裁員潮的另一面：資料中心建設創造百萬技術職缺 同一時間，另一個領域的人才需求正在爆炸。支撐這場 AI 革命的，是一場規模高達 7,000 億美元的資料中心建設熱潮，部分經濟學家甚至認為這是當前美國 GDP 成長的主要引擎。 Meta 在路易斯安那州興建的 Hyperion 資料中心，面積是曼哈頓中央公園的四倍。這些龐然大物不會自己長出來，它們需要電工、需要懂液冷系統的工程師、需要佈光纖的技術人員、需要 HVAC 暖通空調的專家。 且薪資水準也說明了一切。一般技術員年薪中位數約 7.1 萬美元，資深電工輕鬆超過十萬，而擁有資料中心專業知識，特別是液冷與光纖佈線經驗的電工年薪可達 30 萬美元，與專科醫療或金融業的初階職位相當。 人力資源企業 Broadstaff 執行長 Carrie Charles 形容，這種角色「是一種白領的技術工作」，技術含量高，但不必整天坐在桌前。 跨國人力資源諮詢公司 Randstad 分析超過五千萬則職缺後發現，自 2022 年底 ChatGPT 問世以來，機器人技術員的需求翻倍，HVAC […]

韓國搶做「機器人大腦」： 新創 RLWRLD 如何把真實工作場景，變成 Physical AI 訓練資料？

韓國 AI 新創公司 RLWRLD 正與多家飯店、物流以及零售企業展開合作，將技術熟練的員工在真實工作場景中的動作，轉化為龐大的專業知識資料庫，目標是打造未來可部署於工業現場與家庭的「機器人 AI 大腦」。 《美聯社》報導，首爾樂天酒店（Lotte Hotel Seoul）的餐飲主管 David Park 在頭部、胸前與手部都綁上攝影機，熟練地示範過去九年來在五星級飯店裡做過無數次的宴會餐巾摺疊動作。他的每一個細微動作都會被送進資料庫中，未來將用來教導機器人完成同樣的任務。 從摺餐巾到搬貨上架：把飯店、物流與零售現場變成機器人訓練場 在機器人進入真實世界的過程中，最難跨越的往往是「缺乏真實世界資料」這個門檻。為此，RLWRLD 廣泛蒐集各行業員工的工作動作，像是除了首爾樂天酒店外，還包含韓國 CJ 物流（CJ Logistics）以及日本便利商店 Lawson。在 CJ 物流與 Lawson 的場景中，RLWRLD 的系統會追蹤人類如何抓握、抬起與處理貨物，以及如何整理食品陳列。 這些資料的重點並非單純記錄，而是要精確捕捉人類手部操作中的細節，包含抓握、施力與動作的順序，讓機器人未來能在真實現場執行更細緻的操作。在將員工的影像轉換成機器可讀資料後，RLWRLD 的工程師會親自配戴攝影機、VR 頭盔與動作追蹤手套來重複這些任務，藉此進一步捕捉關節角度與施力大小等深層細節。這些資料隨後就會被用來訓練與測試機器人，並由引導員透過穿戴式裝置引導機器人執行任務。 RLWRLD 的商業策略負責人 Hyemin Cho 指出，目前多數機器人使用的是兩到三根手指的特定任務夾具，但 RLWRLD 專注於開發能模仿人類觸覺的「五指機器手」，因為這種精細的手部操作能力，是未來機器人能否進入家庭與人類密切互動的關鍵。 RLDX-1 模型把人類 Know-how 變成 AI 大腦 RLWRLD 的發展，正處於韓國「實體人工智慧（Physical AI）」的競爭脈絡下。Physical AI 指的是搭載 AI 與感測器、能在真實環境中具備一定自主性進行感知、決策與行動的機器，已超越了傳統工廠裡只能執行重複動作的常規機器人，而 RLWRLD 的目標，正是要打造一層能應用於不同工廠與工作現場的 AI 軟體層，未來甚至計畫擴展到一般家庭中。 為了達成目標，RLWRLD 近期推出以「靈巧度（dexterity）」為核心的機器人基礎模型 RLDX-1，專門支援真實工業環境中的複雜機器人操作任務。RLDX-1 […]

醫療巨頭 J&J 的 AI 實踐：加速新藥開發，開發前期的試驗時間減半

全球藥廠近年開始將 AI 視為新藥研發的重要基礎設施。醫療製藥巨頭強生（Johnson & Johnson，J&J）近期透露，公司已透過 AI 大幅縮短新藥開發前期的研究流程，將原本需要耗費大量時間的化合物篩選與優化工作加快一倍，成為大型藥廠導入 AI 的最新案例。 從分子預測到候選篩選，AI 重塑新藥發現流程 在製藥產業中，新藥開發原本就是極度耗時且高成本的流程。從早期研究、臨床測試到最終上市，往往需要長達十年以上時間與數十億美元投入。大量失敗的候選藥物，也讓藥廠長期承受巨額研發風險。AI 的導入，則讓藥廠開始有能力重新優化這些流程。 根據 J&J，該公司目前將 AI 應用聚焦於幾個核心領域，包括 AI 驅動產品開發、新藥研發流程與供應鏈最佳化。其中，化合物篩選是 AI 最具價值的應用之一。透過大型語言模型與機器學習技術，研究團隊能更快速分析大量化學資料，預測哪些分子結構較可能具備療效，降低研究人員在低潛力項目上的時間浪費。 J&J 資訊長 Jim Swanson 表示，公司已成功透過 AI 加速兩項新藥化合物的開發，其中一項應用於腫瘤治療，另一項則聚焦免疫疾病領域。 目前 AI 雖然還無法完全自主發明新藥，但已能有效協助研究團隊在化合物與生物製劑資料中，快速找出具有潛力的候選藥物。這讓研發人員能更快進入下一階段測試，縮短前期試驗與優化時間。 J&J 以 AI 重塑臨床試驗與製藥細節 除了研發端，J&J 也將 AI 導入藥品製造流程。Swanson 表示，在藥物生產過程中，AI 能協助判定何時應加入溶劑，以及控制最適合的溫度條件，藉此提升製造穩定性與品質一致性。這類應用對大型藥廠而言，會直接影響生產品質與成本控制。 另一項受到高度關注的應用，則來自臨床試驗文件作業。臨床試驗本身涉及大量監管流程與法規文件，過去光是一份完整的臨床試驗報告，就可能需要投入 700 至 900 小時的人工作業。如今，J&J 已利用 AI 協助整理與生成相關內容，將整體作業時間壓縮至約 15 分鐘，大幅減少研究與法規團隊的行政負擔。 J&J 也透露，AI 正被用於改善臨床試驗受試者招募流程。Swanson 表示，公司希望臨床研究能更真實反映全球病患結構，因此 […]

【科技早餐】Google、Anthropic、台日韓半導體同步升溫，AI 競爭從系統層燒到供應鏈

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google 把 Gemini 放進 Android 與筆電，AI 進入作業系統層 Google 在 5 月 12 日舉辦 The Android Show: I/O Edition 2026，公布 Android 生態新功能，也替 5 月 19 日、20 日的年度開發者大會熱身。這次重點是全新的 Gemini Intelligence，以及為 AI 設計的新筆電平台 Googlebook。 Google 將 Gemini Intelligence 定位為作業系統層級的 AI 能力，未來會進入 Android、Chrome、筆電、車載、穿戴與眼鏡等裝置。Googlebook 則結合 Android、ChromeOS 與 Gemini，首波合作夥伴包括宏碁（Acer）、華碩（ASUS）、戴爾（Dell）、HP 與聯想（Lenovo），產品預計 2026 年下半年登場，代表 Google 正把 AI 版圖推進個人電腦與多裝置生態。 ＊Anthropic 估值上看 […]

Anthropic 大舉進軍法律 AI：Claude 推 12 款專用工具，讓律師工作流成為 AI Agent 新戰場

儘管近期法庭上屢次出現律師因使用 AI 生成虛假判例而面臨裁罰的窘境，例如加州去年對一名使用 ChatGPT 撰寫上訴狀的律師開出首例罰單，聯邦法官與律師公會也紛紛發布警告，這卻絲毫沒有放緩大型律師事務所全面押注 AI 的腳步。  Anthropic 近日宣布大規模擴展其 AI 助理 Claude 在法律領域的應用。這次更新的重點，是將律師日常高度依賴的資料庫與軟體整合在同一個專業工作流中。為什麼 Anthropic 特別看準法律領域？「法律界正面臨採用 AI 的巨大壓力，而率先採取行動的律師事務所和內部團隊正迅速脫穎而出，」Anthropic 發言人表示，Claude 正在進一步深入知識工作領域，而法律部門已成為最重要且成長最快的產業之一。 瞄準專業工作流：推出 12 款專用工具，把 AI 變成「案件團隊成員」 Anthropic 這次推出了 12 款專為法律實務設計的擴充功能（plug-ins），涵蓋商務法律顧問、勞動法務顧問、訴訟律師、併購盡職調查，甚至法律學生等多元場景。這些工具不僅能部署在 Anthropic 專為知識工作者打造的 Claude Cowork 平台中，還能透過「模型上下文協議連接器（MCP connectors）」無縫嵌入律師事務所的既有系統，包含與 Microsoft 365 整合，讓 Claude 成為貫穿 Word、Outlook 與 PowerPoint 的單一助理。 Anthropic 副總法律顧問 Mark Pike 形容這次升級的差異：「就像是買現成成衣與量身定做並修改過的服裝之間的差別。」 他更生動地表示：「事實證明，只要讓通用模型獲得與律師相同工具的存取權限，這就有點像給工程師一個法律學位。」 現在，大型律師事務所已開始在實際案件中使用這些功能，包括 Freshfields、Holland & Knight 與 Crosby […]

IBM 揭秘 AI 革命下的權力大洗牌：76% 受訪企業設 AI 長，人資長影響力升溫

《CNBC》報導，自 2022 年 OpenAI 發表 ChatGPT 引發 AI 革命以來，全球產業面臨大規模裁員衝擊。根據近日 IBM 發布的報告，AI 不僅影響基層，也正重塑董事會結構與執行長的決策模式。在 2,000 多家受訪組織中，高達 76% 已設立 AI 長（CAIO），與 2025 年僅 26% 的比例相比呈現爆發式增長。 麥肯錫（McKinsey & Company）合夥人 Vivek Lath 指出，這場變革的規模堪比工業革命與數位革命，AI 在推動技術職位增長的同時，也強化了傳統管理職能：59% 的受訪者預期人力資源長（CHRO）的影響力將不減反增，成為企業轉型中的核心力量。 企業掀「AI 長」浪潮，誰該為 AI 負責成新難題 隨著 AI 技術趨於成熟，董事會對於「誰該負責 AI」的界線日益模糊。Omdia 分析師 Lian Jye Su 指出，現有的技術職位如 CTO、CIO 與 CDO，常讓企業在 AI 責任歸屬上產生混淆。面對基礎建設、治理與流程升級等多重挑戰，企業需要專責的 AI 長來統籌轉型，例如 HSBC 與 Lloyds 等金融巨頭，今年皆已設立相關職務。 然而，業界對 […]

AI 落地重塑企業營運場景 叡揚資訊 Solutions Day 聚焦數位韌性與 AI 治理新挑戰

生成式 AI 加速走入企業核心流程，從知識協作、營運管理到資安防護，企業導入 AI 的焦點已從單點工具應用，進一步延伸至治理、風險控管與營運韌性。叡揚資訊13日舉辦「GSS Solutions Day 2026」，以「Always Solving, Always Evolving」為主題，聚焦 AI 治理、數位韌性、AI Agent 協作與永續管理等議題，邀集產官學專家分享 AI 時代下的企業轉型觀察與實務經驗。 邁入成立第 40 年，叡揚資訊張培鏞董事長表示，企業對 AI 的需求已不再只是模型導入，而是如何真正融入既有工作流程與產品服務，並兼顧治理與營運穩定。從公文管理、人資、知識協作、徵授信到資安維運，AI 正逐步成為企業系統持續演進的重要驅動力，也讓企業重新思考數位基礎架構與治理模式。 在趨勢議題方面，國家安全會議諮詢委員李育杰於「2026 全球資安威脅與戰略分析」中指出，台灣正面臨高度密集的網路攻擊威脅，隨著大型語言模型（LLM）逐步被武器化，AI 已大幅提升駭客自動化發掘漏洞與發動攻擊的能力。他強調，企業資安策略需從被動防禦轉向主動治理，透過 AI Agents、自動化弱點修補，以及跨組織情資聯防機制，建立更具韌性的防護架構。 中央研究院資安專題中心執行長、前數位發展部部長黃彥男，則於「AI 風險與治理」中，聚焦 AI Agents 所帶來的新型態風險，包括目標劫持、權限濫用與供應鏈漏洞等問題。他指出，台灣已推動《人工智慧基本法》，並建立 AI 產品與系統評測機制，希望在鼓勵創新的同時，也逐步建立可信任的 AI 發展環境。 面對 AI 與數位化帶來的高度不確定性，叡揚資訊數位韌性辦公室執行長馬正維於「邁向數位韌性之路」中表示，數位韌性已不只是 IT 部門的議題，而是企業治理與營運策略的重要核心。企業需透過制度、流程與技術整合，提升面對突發風險時的持續營運能力，而政府近年也積極投入關鍵民生系統韌性建設，透過雲端架構與多元備援機制，確保極端情境下的基本運作能力。 除了治理與風險議題，本次活動也聚焦 AI 在協作與永續管理上的實際應用。叡揚資訊前瞻技術研究所經理王麒詳於「Thinking Teams with Multi-Agent Collaborations」中指出，AI Agent 未來將從個人助理角色，逐步演變為具備主動協作能力的「Team Agent」，能夠理解團隊脈絡、追蹤任務進度並協助資訊整合。叡揚資訊創新研發中心處長李漢超則於「永續 e 治理：Vital ESG […]

東元於北美首秀高酬載商用無人機動力系統、機器人用關節模組

東元電機於5月12日至14日，聯手美國子公司TECO-Westinghouse Motor Company（東元西屋馬達公司），首度登上北美專業舞台——美國底特律「XPONENTIAL 2026國際海陸空無人載具及自駕系統產業鏈展」。本次展會，東元發布專為高酬載無人機設計的無人機扁線動力系統與榮獲2026台灣精品金質獎的All-in-One機器人關節模組，積極佈局快速增長的商用無人機（UAV）與智慧機器人市場，憑藉子公司TECO-Westinghouse的德州在地化服務，提供客戶「從產品到售後」的完整解決方案與服務支援。 東元電機總經理高飛鳶表示：「此次北美首秀，不僅是東元尖端機電整合技術的成果展示，更是深化北美市場布局的關鍵一步。我們帶來的無人機高性能扁線動力系統與高度整合的機器人關節模組，將直接對應北美客戶在農業、物流、自動化等領域對高效能、高可靠性解決方案的迫切需求。東元目標將與北美無人機整機廠、無人機即服務（DaaS）的供應商及機器人開發者建立深度合作，進一步提升東元在北美智慧動力系統市場的領導能見度。 高酬載無人機扁線動力系統：強化商用無人機動力效能 東元本次展出應用於10至100公斤級高酬載商用無人機的動力解決方案，搭載 T Power Air 12.5kW 扁線馬達與T Power Air TE250 大功率電子調速器。東元已成功將現有EV主流扁線技術導入無人機馬達動力系統，其單軸最大拉力高達76.5公斤，為重載應用（如農藥噴灑、物流運輸）提供強勁動力。相較傳統無刷直流馬達（BLDC），效率顯著提升，可延長無人機飛行時間約20%，解決續航痛點。 專為無人機動力優化：扁線定子搭配永磁採用Halbach陣列之外轉子設計，扭力密度提升25%；馬達最大效率可達91.8%。 此技術已成功導入現有農用無人機客戶，驗證其卓越性能。為強攻北美核心市場，東元正積極推進產品驗證，預計於2026年底取得Green UAS認證，以滿足北美市場之高規格應用供應鏈的嚴格要求。此外，針對中型物流無人機市場的快速崛起，東元同步規劃開發低稀土版的扁線馬達，展現其靈活的市場策略與技術儲備。 金質獎關節模組：All-in-One整合方案，驅動智慧機器人未來 此次同步展出榮獲「2026台灣精品金質獎」的All-in-One 機器人關節模組系統。整合無刷電機、行星減速機、編碼器與感測器等關鍵元件，具備高可靠性、高精度控制與優異環境適應能力，可廣泛應用於機器手臂、四足機器人及人形機器人等智慧移動系統。展現東元於高精密機電與智慧控制技術的研發成果，也持續深化智慧自動化與新世代機電應用佈局。 七十年機電根基，驅動智慧未來 憑藉超過70年深厚的機電技術底蘊，東元持續深化「智慧動力」與「機電整合」核心能力，積極拓展智慧移動、智慧製造與新能源應用等領域。透過此次XPONENTIAL 2026的北美首秀，東元不僅展示其在無人機與機器人兩大前沿領域的研發成果與完整產品佈局，更藉由TECO-Westinghouse的在地化服務優勢，深化北美市場佈局。未來東元將持續整合全球資源，深化國際合作，致力成為驅動全球智慧化應用的關鍵力量。 （本文訊息由 東元電機 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：東元電機。）

晶片傳輸大突破！清大團隊成功開發「四階脈衝振幅調變傳收機」

隨著科技快速發展，晶片設計技術正面臨前所未有的挑戰。在國科會「關鍵新興晶片設計研發計畫」支持下，由國立清華大學電機工程學系彭朋瑞副教授、謝秉璇副教授、電子工程研究所劉怡君副教授及國研院台灣半導體研究中心林銘偉博士共同組成研究團隊，成功開發「四階脈衝振幅調變（Pulse Amplitude Modulation, PAM-4）傳收機」。該技術結合共封裝光元件（Co-packaged Optics, CPO）模組，單通道傳輸速率可達 100Gb/s，有望取代傳統插拔式進行光電轉換的傳輸架構，滿足更高傳輸速率與更低功耗之需求。 PAM-4 傳收機係透過將傳送訊號由傳統 2 種振幅提升至4種不同可能的振幅輸出，以提高訊號承載資訊量，進而有效提升資料傳輸速率。然而，為準確解調 4 種不同振幅訊號，接收端電路架構相對複雜。對此，團隊提出創新之 PAM-4 接收機設計，其核心概念為善用低解析度類比數位轉換器，以實現高速資料的取樣與解調。 此技術能有效降低整體功率消耗，相較於國外各大高速晶片公司於 100Gb/s 傳輸率下使用 7奈米（nm）以下的製程，可在 28奈米（nm）製程下即能實現性能相當之傳收機電路。而此架構特性改良之外，晶片加入多項自我校正之功能，能抵抗晶片在不同溫度下以及因量產所造成之誤差，維持穩定一致的效能，提升實際量產與應用之可行性。 除 PAM-4傳收機設計外，團隊亦以 100Gb/s 電傳收機晶片為核心，結合矽光子載板上之高速光電轉換元件，並透過異質整合封裝技術，成功開發出 CPO 模組，實現 CPO 模組需要高速之矽光子載板開發。矽光子技術是利用矽晶片製作光學元件，使光訊號能於晶片上進行傳輸與處理之技術。與傳統插拔式光模組相比，CPO 模組能夠實現高度積體化的設計，縮減系統傳輸距離，有效提升頻寬及降低功率消耗。 相較於傳統電子訊號，光訊號具有更高頻寬與更低功耗，特別適合高速資料傳輸與人工智慧資料中心應用。透過整合光調變器、光偵測器與電子電路，可實現高速光電整合晶片與先進封裝系統。團隊已開發矽基微環調變器（Micro-Ring Modulator, MRM）達 100Gbps 電光轉換，並整合頻寬大於 50GHz 的高速光偵測器。 該團隊針對此計畫所開發之關鍵技術已取得 6 件美國發明專利及 8 件中華民國發明專利，執行計畫期間也衍生多件產學合作計畫，未來將進一步落實於產業應用，推動我國在相關領域之發展。 （本文訊息由 國科會 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：國科會。）

中國機器人再進化！從人形到四足自由切換，宇樹科技發表 GD01 可載人越野、推倒磚牆

中國機器人公司宇樹科技（Unitree Robotics）近日發表新款機器人 GD01。該機款採用高強度合金打造，外型充滿機甲感，宛如《變形金剛》走入現實。GD01 定位為民用載具，其核心優勢在於形態切換能力，除了具備穩定的雙足行走與足以推倒牆壁的推力外，更能快速切換至四足模式，以應對各類崎嶇地形。 創辦人親自試駕！宇樹科技機器人 GD01 能自由切換形態 《Interesting Engineering》報導，全新變形機甲 GD01 定位為民用，採用胸腔駕駛艙設計，含駕駛員總重約 500 公斤。在官方演示影片中，創辦人王興興親自進入駕駛艙，兩者對照之下，顯見機甲體型巨大。GD01 展現了穩定的雙足步行能力，能輸出推倒磚牆的強大力量，在受到衝擊時會憑藉剛性結構保持平衡。 GD01 的核心亮點在於其「形態轉換」能力：系統可在數秒內自動折疊腿部並調整重心，由雙足人形切換為四足模式，在無需外部協助下穿越崎嶇地形。除了這款大型機甲，宇樹科技近期也同步推出了低成本的上半身人形機器，起價僅 26,900 元人民幣，擁有最高 31 個自由度與模組化設計。 《Global Times》提及，儘管技術驚艷，GD01 距離大規模普及仍有挑戰。中國科技大學技術與戰略研究院副院長陳靜指出，GD01 實際應用面仍面臨上下機不便、電池續航力短、舒適度低及維護複雜等問題。資深電信與科技產業分析師馬繼華則補充，未來在主題樂園、電影拍攝、救援任務及惡劣環境作業等領域，GD01 展現出巨大的應用潛力。 中國人形機器人全球市佔近 90%，宇樹科技年出貨破 5,500 台 《Interesting Engineering》分析，GD01 的問世象徵著宇樹科技在人形機器人市場進一步擴張。而中國人形機器人價格向來具優勢，以入門款 R1 為例，約 6 千美元的售價遠低於競爭對手 AgiBot 的 1 萬 4 千美元；與 Elon Musk 預期未來 Optimus 降價後約 2 至 3 萬美元售價相比，依然極具吸引力。 根據 Omdia 研究，中國企業在 2025 […]

SaaS 生存戰開打：SAP 推 Autonomous Enterprise，要把自己變成 AI 時代的企業營運中樞

SAP 在近日舉行的 Sapphire 2026 大會上宣布推出「Autonomous Enterprise」，被視為 SAP 成立 53 年以來最大規模的 AI 產品發布。這也展現出 SAP 的生存新策略：因為在 AI 代理（AI Agents）時代，市場正在重新評估傳統企業軟體的價值與前景。 從這次的新產品可見，SAP 試圖將 ERP 從過去單純「記錄企業資料與流程的系統」，轉型為一個能讓 AI 代理自動執行財務、採購、供應鏈、人資與客服等核心流程的企業營運中樞。當 AI 技術的發展讓市場開始懷疑企業軟體公司過去收費模式的可持續性，SAP 更必須向市場證明自己不會被 AI 公司取代，而是能站穩企業 AI 的核心，成為不可或缺的治理與編排層。 財務結帳從數週縮到數天：SAP Autonomous Enterprise 如何改寫企業流程？ SAP Autonomous Enterprise 主要由三個層次組成：提供建置與治理基礎的「SAP Business AI Platform」、負責核心流程自動化的「SAP Autonomous Suite」，以及新世代人機互動介面「Joule Work」。 首先，SAP Business AI Platform 將 SAP Business Technology Platform、SAP Business Data […]

Google 搶先 Apple 發表 Gemini Intelligence，揭開 AI 代理作業層大戰序幕

就在 Apple 預計於 WWDC 大會重新展示 AI 功能 Apple Intelligence 的前幾週，Google 率先出手。Google 在「Android Show」活動中宣布一系列 Android 系統重大更新，並以「Gemini Intelligence」為核心主軸，將 Gemini 能力深度整合進 Android 作業系統，涵蓋跨應用程式執行、Chrome 瀏覽器、Android 車載系統，以及筆記型電腦平台。 負責 Google Android 生態系統的 Sameer Samat 在接受《CNBC》採訪時表示：「我們正在從作業系統過渡到智慧系統。」他同時也指出，「這是我們與科技互動方式的根本性轉變，作業系統的每個層面都要隨之改變。」 Gemini 不再只回答問題，而是替你完成任務 Gemini Intelligence 的核心突破，在於 AI 不再停留在對話框內回應指令，而是能夠主動理解手機螢幕上的情境，並跨越應用程式邊界執行多步驟任務。 Google 舉出的具體場景包括：從 Gmail 中找出課程書單並自動加入購物車、長按電源鍵後請 Gemini 將備忘錄中的採買清單直接轉為外送平台的訂單、拍下旅遊手冊後要求 Gemini 在 Expedia 上搜尋適合六人的類似行程。Samat 也以烤肉派對為例說明，使用者可以要求 Gemini 查看賓客名單、規劃菜單，並將食材加入 Instacart 購物清單，待使用者最終確認後才送出訂單。 針對外界對 AI 代理自主行動的隱憂，Samat 強調 […]

近 40% 員工把敏感資訊丟進未授權 AI：Shadow AI 如何讓企業失去資料、權限與 Agent 行為掌控？

隨著生成式 AI 進入日常工作流程，員工私下使用 ChatGPT、Gemini、Claude、NotebookLM 等工具加速整理資料、撰寫內容、分析文件與處理信件，已經成為企業難以忽視的風險。由於這些未經公司核准的 AI 工具常透過瀏覽器分頁、外掛或個人帳號使用，其 AI 流量看起來往往就像一般網頁活動，導致 IT 部門難以即時發現。 近四成員工將敏感資料交給未授權 AI，企業卻渾然不知 這種「Shadow AI（影子 AI）」早已不是零星個案，而是大規模的職場現象。《Business Insider》報導，Microsoft 對英國工作者的調查顯示，高達 71% 的受訪者曾在工作中使用未經核准的消費級 AI 工具，其中一半的人甚至每週都會使用。AI 資安平台 Reco 的資料也進一步印證了這個趨勢：在中型企業中，每 1,000 名員工通常約會出現 200 個未授權 AI 工具。 那麼，員工為何要繞過 IT 政策？《Tom’s Guide》指出，這並非單純為了違規，而是因為 AI 真的能協助處理爆量信件、瞬間摘要會議、重寫 email、生成報告、分析試算表與加速寫程式，為員工省下大量工時。以生技研究領域工作者 Gregg Bayes-Brown 為例，即使過去身為企業內部的 AI 規則制定者，他仍使用了未核准的個人 Google 帳號存取 NotebookLM，因為這能將原本約 150 小時的繁雜工作，大幅壓縮到 30 分鐘內完成。 Shadow AI 比 Shadow IT […]

傳簡訊就能操控的 AI 代理 Poke 爆紅！擺脫 OpenClaw 技術門檻，甚至免下載安裝

消費者僅需利用手機簡訊、iMessage、Telegram 或 WhatsApp 等服務，就可以輕鬆操作 Poke，打造屬於自己的 AI 代理應用程式，相當於人人都能輕鬆使用的 OpenClaw。

星巴克、漢堡王都在做：零售品牌如何聯手 OpenAI，靠 AI 縮短購買路徑

根據《AdAge》報導，零售與餐飲品牌正加速將 ChatGPT 轉化為新的消費入口。近期，星巴克宣布在 ChatGPT 生態系測試全新專屬應用，讓消費者可以直接透過自然語言描述需求，由 AI 推薦飲品並協助完成訂單流程。 點餐不是看菜單，是看心情點餐 《商業內幕》根據星巴克公布的功能指出，用戶現在不一定要先研究菜單再下單，而是能直接向 ChatGPT 描述自己的偏好與情境。例如想找低糖、高蛋白飲品，或是希望來一杯符合陰天氛圍的咖啡，甚至上傳當天穿搭照片，ChatGPT 都能生成相對應的飲品建議。使用者還能在對話中調整客製化選項，包括加入奶蓋、抹茶粉等配料，接著選擇附近門市，最後再跳轉至星巴克 App 或官網完成結帳。 星巴克數位與會員平台主管 Paul Riedel 表示，過去一年觀察到消費者在點飲料之前，往往先有的是「感覺」而不是「菜單需求」。因此，品牌希望透過 ChatGPT 直接切入這種靈感產生的瞬間，讓飲品推薦更貼近當下情緒與生活情境，同時提升消費者對產品的期待感。 該功能目前屬於 Beta 測試階段，主要適用於美國市場，並非全球同步推出。星巴克強調，這次合作的目的之一，是觀察消費者如何透過生成式 AI 與品牌互動，再進一步優化未來的數位體驗。 不只是回答問題，AI 正逐步接管購物流程 星巴克此次和 ChatGPT 合作，業界關注的不只是 AI 推薦飲料本身，而是零售交易流程正在發生變化。過去，ChatGPT 多半被視為資訊搜尋工具，如今則逐漸朝向能夠協助完成購買的 AI 代理角色發展，它不再只是回答問題，而是能代替使用者執行部分消費決策與購物流程。如此一來，消費者不需要反覆切換搜尋引擎、品牌官網與外送平台，只要在聊天介面輸入需求，AI 就能結合品牌資料、商品選項與歷史偏好，自動生成建議並推進交易，做到一條龍完成商品發現、推薦、客製化與訂單啟動。 不過，目前各品牌的 AI 應用成熟度其實仍有差異。以星巴克來看，ChatGPT 已開始介入商品推薦與訂單啟動流程，因此更接近真正的「AI 代理商務」。但部分品牌目前仍偏向 AI 搜尋或導購輔助功能，尚未完全進入自主代理階段。 例如，漢堡王與 Firehouse Subs 目前推出的 ChatGPT 應用，主要聚焦於附近門市查詢、優惠推薦與餐點探索；DoorDash 與 Uber Eats 則讓用戶能透過 AI 將食譜轉化為可購買的生鮮清單，或快速瀏覽餐廳菜單並建立訂單。這類服務雖然提升了聊天式購物體驗，但 […]

【科技早餐】黃仁勳臨時登上空軍一號，NVIDIA H200 可能重回美中談判桌

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊黃仁勳臨時登上空軍一號，NVIDIA H200 可能重回美中談判桌 《路透》報導，NVIDIA 執行長黃仁勳臨時加入美國總統川普（Donald Trump）本週訪問中國的行程，與十多位美國企業執行長同行。知情人士透露，川普看到媒體報導黃仁勳未受邀後，臨時致電邀請他加入；白宮記者也拍到黃仁勳在阿拉斯加登上空軍一號，隨川普前往中國。黃仁勳原本不在白宮稍早公布的企業領袖名單中，名單包括 Tesla 執行長馬斯克（Elon Musk）與 Apple 執行長庫克（Tim Cook）等人。 NVIDIA 發言人表示，黃仁勳是應川普邀請出席峰會，以支持美國與政府政策目標；白宮則稱，黃仁勳行程有所調整，因此最終能夠成行。美國商務部長盧特尼克（Howard Lutnick）上月指出，NVIDIA H200 晶片尚未銷往中國，原因是難以取得中國政府許可。黃仁勳臨時加入訪中行程，也讓 H200 是否列入峰會議程，成為市場關注焦點。 ＊OpenAI 可望省下 970 億美元分潤成本，企業 AI 部署同步加速 OpenAI 與 Microsoft 達成最新協議，將 OpenAI 支付給 Microsoft 的營收分成上限設定在 380 億美元。這項安排預計可讓 OpenAI 在 2030 年前節省高達 970 億美元支出，也代表雙方合作關係進入新的財務安排。過去 Microsoft 不只投資 OpenAI，也提供雲端運算資源；但隨著 OpenAI 估值升高、營收擴大，未來收益如何分配，已成為市場關注焦點。 同一時間，OpenAI 也成立合資公司 OpenAI Deployment Company，初期規模超過 40 […]

三星、現代皆押注：新創 Config 融資 2700 萬美元，要成為「機器人界台積電」

隨著實體 AI 熱潮升溫，專注機器人訓練數據的新創 Config，獲三星、現代、LG 等南韓製造業資本押注。Config 將自身角色類比為台積電在晶片產業的定位：台積電為 Apple、NVIDIA、AMD 等企業代工晶片，但本身並不與客戶競爭，Config 希望在機器人領域專注提供訓練 AI 所需的數據，而非直接開發機器人產品。 機器人 AI 供應鏈成形？實體 AI 熱潮帶動 Config 估值破 2 億美元 《TechCrunch》指出，亞洲近年積極投入實體 AI（physical AI）與機器人技術，而背後推力，正是該地區累積的製造業實力。南韓、日本、中國與台灣皆以製造、出口與供應鏈體系為經濟核心，這套產業基礎也延伸到 AI 領域，帶動機器人相關技術與資本加速發展。 在這波趨勢下，新創公司 Config 於 2025 年成立，由前 Meta 研究員、前 TwelveLabs 首席科學家 Minjoon Seo 與來自 Waymo、Google、Naver 的團隊共同創辦。此次種子輪由三星創投領投，募資金額達 2700 萬美元，推升公司估值突破 2 億美元，累計募資達 3500 萬美元。 參與投資者還包括現代汽車創投 ZER01NE Ventures、LG Technology Ventures、SKT America，以及 Mirae Asset Ventures、韓國開發銀行（KDB）等機構。《TechCrunch》說明，隨著越來越多大型製造商希望掌握自己的機器人 AI […]

前 OpenAI CTO 領軍新創 Thinking Machines 發表互動模型，讓 AI 可以邊聽、邊看、邊回應

前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines Lab 近日發表「互動模型」（interaction models）的研究預覽。這項研究的出發點在於，現有 AI 模型多半仍停留在「回合制」的互動模式，也就是使用者必須完整說完話或打完字，模型才開始處理，然而在模型生成回覆的期間，AI 的感知會完全凍結，無法持續接收新資訊或察覺使用者當下的狀態。 Thinking Machines 認為，這種單線式的互動不僅限縮人類知識、意圖與判斷傳遞給模型的空間，也讓 AI 的工作過程更難被使用者即時理解與修正。因此 Thinking Machines 期待 AI 應該像人與人協作一樣自然，能夠持續接收語音、影像與文字，並能即時思考、回應與行動。 200 毫秒一個 micro-turn，讓 AI 可以更快速產生反應 為了打破上述瓶頸，Thinking Machines 試圖將「互動」變成模型的原生能力，而非僅在文字模型外加上一層語音辨識的包裝。Thinking Machines 的做法是將互動拆解為每 200 毫秒（200ms）一個的「micro-turn」。在這套架構下，模型接收的是連續不斷的串流，並在連續的時間軸上交錯且同時處理輸入與輸出，不再等待完整一輪對話結束。這就代表沉默、重疊說話、插話與視覺線索，都能直接成為模型判斷何時回應、何時等待的上下文。 Thinking Machines 指出，這套架構讓互動模型能做到無縫的對話管理、語音與視覺的插話、同步說話與時間感知，甚至可以在對話中同時進行搜尋、呼叫工具或生成 UI。《The Verge》也舉出相關展示案例，像是模型能在聽故事時辨識提及的動物、即時翻譯語音，或者在看到使用者駝背時主動出聲提醒。  一邊對話一邊思考的「雙模型架構」 為了要讓 AI 能在極短時間內反應，同時又能處理複雜任務，Thinking Machines 採用了「互動模型」與「背景模型」協同運作的雙模型架構。前端的互動模型負責維持與使用者的即時交流，當任務需要更長時間的深度推理時，互動模型不會讓使用者陷入漫長的等待，而是將完整的對話脈絡交給非同步的背景模型處理。 當背景結果產生時，互動模型會將其自然地編織進當下的對話中。這種分工機制讓 AI 有機會一邊聽取使用者回饋、一邊執行複雜任務，讓使用者同時享有極低延遲的回應，以及推理模型在規劃與代理工作流（agentic workflows）上的強大能力，這也創造出了一種更接近「協作」而非單純「提示詞輸入」的體驗。 效能數據亮眼，但距離成熟產品仍有挑戰 在效能表現上，Thinking Machines 公布的基準測試展現雙模型架構的潛力。例如 […]

聯手 Intel、Cisco 等巨頭！OpenAI 推出 Daybreak，打造橫跨軟體供應鏈的資安防線

OpenAI 發表名為 Daybreak 的新資安計畫，建立於先進 AI 模型、Codex，以及多家資安公司的合作網絡之上。該計畫主要面向開發者、企業資安團隊、研究人員，以及與政府相關防禦單位，協助他們在軟體開發流程早期，更快驗證與修補漏洞。 AI 資安軍備競賽升溫：OpenAI 推出 Daybreak 重塑資安流程 《The Verge》指出，OpenAI 這次推出時間點，距離其競爭對手 Anthropic 宣布 Claude Mythos 約一個多月。Anthropic 當時表示，這是一款專注資安的 AI 模型，因為風險過高而無法公開發布，只能作為「Project Glasswing」計畫的一部分私下提供。與 Anthropic 發起的 Glasswing 類似，Daybreak 也並非基於單一 AI 模型建構。 Daybreak 把 OpenAI 模型視為資安防禦流程的一環，而不只是程式開發助手。該計畫把安全程式碼審查、潛在攻擊路徑分析、漏洞修補驗證與供應鏈風險分析等能力整合進 Codex Security（OpenAI 的應用程式安全代理）。OpenAI 表示，目標是協助團隊識別高風險漏洞、在程式碼儲存庫中生成並測試修補方案，回傳可稽核的證據至既有資安系統。 此次也導入一套模型分級存取機制「Trusted Access for Cyber」，依據使用者身分與任務風險，提供不同權限等級的 AI 模型存取。在該框架之下，OpenAI 提供三種不同模型配置：標準版 GPT-5.5 仍為一般工作的預設模型，而具備 Trusted Access 的 GPT-5.5 則面向已驗證的資安防禦團隊，用於安全程式碼審查、漏洞分類、惡意程式分析、偵測工程與修補驗證等任務。GPT-5.5-Cyber，則被定位為權限較寬鬆的限量預覽版本，用於紅隊演練、滲透測試與受控環境驗證等授權的專業資安工作。 目前 Daybreak 尚未全面公開。OpenAI […]

Google 首次攔截 AI 零日攻擊，駭客武器化漏洞的高速戰役正式開打

多年來，AI 是否會幫助駭客更快找到漏洞、生成攻擊程式，一直是資安圈最擔心的問題之一。但如今，這個風險不再只是理論，而是正式進入實戰階段。Google 威脅情報小組（Google Threat Intelligence Group）發布最新報告指出，他們首次發現並阻止了一起駭客利用 AI 發現並武器化零日漏洞的網路攻擊事件。 零日漏洞是連軟體開發商本身都尚未知曉的安全漏洞。過去這類漏洞極為稀有且威力強大，甚至能在地下駭客交易市場上賣出數百萬美元高價。Google 雖然沒有透露是哪一個組織發動攻擊，但指出中國與北韓相關的駭客，對於如何使用 AI 來發現這類漏洞展現高度興趣。 一個 Python 腳本、一個 2FA 繞過漏洞，差點釀成大規模攻擊 根據 Google 報告，攻擊者為「知名網路犯罪威脅行為者」，目標是一款廣泛使用的開源網頁式系統管理工具。攻擊者發現了該工具雙重驗證（2FA）機制中的一個高階語意邏輯漏洞：開發者在程式碼中硬性建立了一個信任假設，使攻擊者得以在取得有效帳號憑證的前提下繞過 2FA。 攻擊者隨後以 Python 腳本撰寫了漏洞利用程式（exploit），準備發動大規模利用行動，但在造成損害前已被 Google 阻斷。Google 表示已即時通知相關軟體開發商與執法機關，並協助完成修補。 Google 如何判斷是 AI 做的？ Google 研究人員判斷此次攻擊有 AI 介入，主要依據是 exploit 程式碼本身的多個異常特徵，包括出現「幻覺式 CVSS 評分」、過度詳盡的說明性文字（educational docstrings）、結構化的教科書式格式，以及人類工程師在正常情況下不會加入的多餘說明內容。 美國國家安全局前網路安全主任 Rob Joyce 在公開發表前受邀審閱這份報告，他表示 AI 生成的程式碼不會自我揭露，但 Google 所找到的這些線索，「是目前最接近犯罪現場指紋的東西」。Google 威脅情報小組首席分析師 John Hultquist 告訴《紐約時報》，Google 另掌握其他佐證駭客程式碼是由 AI 編寫的指標，但拒絕討論這些證據。 […]

OpenAI 成立 Deployment Company：引進 150 名前線部署專家，瞄準企業 AI 落地難題

過去幾年，無數企業已經導入 OpenAI 的產品與 API，目前企業客戶已佔 OpenAI 營收超過 40%，且預計在 2026 年底前將與消費者業務營收並駕齊驅。然而，企業 AI 的下一階段挑戰，已逐漸轉向如何將模型串接既有資料、工具、控管機制與工作流程，讓 AI 成為日常營運中穩定可靠的一環。 如同 OpenAI 營收長 Denise Dresser 近日接受《CNBC》採訪時所言，企業 AI 的採用已來到關鍵「轉折點（tipping point）」。她指出：「AI 逐漸有能力在組織內完成越來越有意義的工作，現在的挑戰是協助企業將這些系統整合到驅動其業務的基礎設施和工作流程中。」為了解決這個痛點，OpenAI 宣布成立全新的 Deployment Company，加速企業將 AI 導入真實業務流程。 成立 Deployment Company，從模型供應走向企業部署 成立「OpenAI Deployment Company」代表 OpenAI 的企業策略正從純模型供應商，延伸至系統部署與整合服務，且目標非常明確：協助企業組織打造並部署能實際運作的 AI 系統。 Deployment Company 的核心運作模式，是將專精於前沿 AI 應用的「前線部署工程師（Forward Deployed Engineers, FDEs）」直接嵌入客戶組織內部。Denise Dresser 如此描述這些 FDE 的實際工作樣貌：「前線部署工程師可以與組織及其使用者坐在一起，了解工作流程，然後協助他們把後台應用程式連接到模型，並在每個工作流程中真正建立智慧。」 在實務操作上，典型的企業專案會先由 OpenAI 的 FDE 啟動診斷，判斷 […]

軟體開發成本趨近於零，企業護城河還剩什麼？陶韻智：下一個競爭關鍵是獲客、價值主張與 AI 管理力

專訪：戴季全撰稿：李昀蔚 生成式 AI 正在讓軟體開發成本快速下降。過去，企業如果想開發系統、串接 API 或改造內部流程，往往需要仰賴高階工程師、外部廠商或大型軟體服務，但如今，AI 已經能協助完成前端、後端、資料庫、介面設計，甚至跨語言與跨國市場推廣。 本集《全新一週》邀請到《AI First 自我升級革命》作者、前 LINE 台灣總經理陶韻智，深入分析當軟體開發成本趨近於零後，企業競爭門檻的移動方向，以及 AI 時代下的工作管理思維及個人職涯走向。 AI 讓軟體能力普及，企業競爭門檻回到獲客與價值主張 過去常說「軟體吃掉全世界」，但實際上大多數企業受限於優秀工程師數量稀缺與培養成本高昂，並沒有能力自行開發軟體。然而，隨著 AI 加速發展，情況正在發生翻天覆地的改變：現在 AI 在多項軟體工程評測上的能力已逼近頂尖工程師水準，這代表過去找不到專業人才的公司，如今也能輕易打造專屬自己的軟體服務。 陶韻智舉例，如果有傳統產業想將台灣的 ERP 系統串接至 Amazon、Walmart 等美國平台，過去可能需要後端工程師與外部廠商互相協作，過程非常繁瑣，但如今在 AI 助力下，企業自行串接 API 的門檻大幅降低，已不再是「癡人說夢」。 更值得注意的是，AI 將無情侵蝕傳統軟體業引以為傲的「護城河」，例如轉換成本（Switching Cost）。以 Salesforce 為例，過去企業常因資料庫綁定、API 複雜等因素難以搬遷，但現在只要透過 AI Agent 或瀏覽器，就能逐步完成資料轉移，瞬間打破過去看似難以跨越的壁壘。 「所有企業的競爭門檻，本來就是獲客能力，」陶韻智進一步強調，「真正的競爭門檻，一直都是跟客戶的關係、價值主張這些的實現，那現在原本作為壁壘的，可能會被一個 AI Native 的公司侵蝕。」陶韻智表示，當軟體能力不再是少數公司的專利，企業的資源分配也將隨之改變：過去企業可能將一半的時間花在產品開發、一半花在市場推廣（Go-to-market），但是當 AI 讓產品開發變得容易，企業未來可能將高達 95% 的精力投入在獲客、行銷與客戶關係的維護上。  延伸閱讀：AI 不只讓軟體開發門檻降低，也迫使企業必須重新定義「人力」與「生產力」，陶韻智在《全新一週》的下集節目中指出，企業不能只把 AI 當工具或 IT 專案，而要把它納入數位勞動力，重新設計組織流程與人均產值目標： AI 是時代的核彈，許多企業卻還當沖天炮在用？陶韻智：下一場競爭關鍵，是把 […]

交付提速 85%、物流成本降 42%：Lenovo 北美最大生產基地的混合 AI 實戰成果

製造業從不缺乏 AI 的遠大願景，當多數企業還在為 AI 試點專案的投資報酬率發愁時，Lenovo 在智慧製造的應用，已經做出成績。 交付提速、物流成本降低：打造有感應力的生產系統 其最具代表性的案例來自北美最大生產基地，該廠導入 AI 與生成式 AI 技術後，整體營運效率出現顯著變化：前置時間大幅縮短 85%，意味著產品交付速度獲得根本性提升；物流成本下降 42%，顯示供應鏈調度與資源配置達到更高精準度；整體生產力提升 58%，反映 AI 已成為推動產線效能的關鍵引擎。這些數據不僅驗證技術可行性，也顯示 AI 在製造現場具備直接的商業價值。 在品質管理層面，Lenovo 採取的是系統性整合思維。傳統製造依賴特定節點的檢測機制，容易形成資訊斷點，影響問題追蹤與改善效率。Lenovo 則透過機器視覺、邊緣 AI 與數位孿生技術，讓品質監控與生產流程緊密連結。當缺陷在產線上出現時，系統可即時辨識並觸發分析流程，快速定位根本原因，避免問題擴散至後續環節。這種架構讓品質數據能與物料流動、設備運行狀態以及上游供應條件產生關聯，形成可持續優化的回饋機制，使整體製造系統具備更高的適應能力與穩定性。 在實際應用中，Lenovo 已於巴西、匈牙利與墨西哥等地導入自動化品質檢測機器單元，將 AI 模型與機器視覺整合進現場作業流程。這類系統能在產品通過檢測站點時同步完成判斷與分類，降低人工檢測的不確定性，並提升一致性與效率。當品質管理轉為即時且連續的過程，製造現場便能更快速回應變化，減少浪費並提升整體產出品質。 聯網供應鏈的威力：iChain 平台如何終結資訊斷點？ 在更宏觀的供應鏈面向，Lenovo 推出 iChain 平台，將供應商、物流夥伴與製造端整合於同一數據網絡中。透過即時且安全的數據共享，各方能同步掌握庫存狀態、生產排程與需求變化，提升協同效率並降低資訊落差。這種多層級可視化能力，使企業在面對市場波動時能更快做出調整，強化供應鏈韌性。 電子製造商海信（Hisense）的導入案例進一步說明其成效。該公司在營運環境中採用 Lenovo 的 AI 驅動監控解決方案後，實現了 100% 的監控覆蓋率，讓系統運行狀態全面透明；同時，警報數量減少 40%，代表系統能更精準識別真正需要關注的問題，避免過度干擾；問題調查速度提升 50%，則顯示 AI 在事件分析與定位上的效率優勢。這些改善直接降低營運風險，也提升整體生產穩定性。 為了讓 AI 能順利進入實際生產環境，Lenovo 也強調部署前的驗證機制。透過搭載 NVIDIA 的平台，企業可在模擬環境中訓練與測試機器人系統，確保其在真實場景中具備足夠準確性與可靠性。這種模擬能力有助於降低導入風險，並加快自動化專案的推進速度。 Lenovo 在智慧製造上的布局，不侷限在單點工具的革新，而是打造一種「混合 AI」的整合架構。這種架構最核心的價值，在於將現場人員從冗餘警報中解放出來，並透過數位孿生與模擬技術，在第一顆螺絲釘鎖下前就預見風險。 ＊本文開放合作夥伴轉載，參考資料：Lenovo […]

【科技早餐】OpenAI、NVIDIA、Intel 同場卡位，AI 算力戰從網路層燒到資本市場

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 攜五大科技廠補 AI 訓練瓶頸，算力戰延伸到網路層 OpenAI 宣布，已與 AMD、博通（Broadcom）、英特爾（Intel）、Microsoft 與 NVIDIA，共同開發新的超級電腦網路協議 MRC，也就是多路徑可靠連線。OpenAI 表示，前沿模型訓練仰賴大型 GPU 叢集，資料必須在 GPU 之間高速移動，隨著訓練規模擴大，瓶頸不只在晶片本身，也出現在網路傳輸效能與穩定性。 MRC 的目標，是提升大型訓練叢集中的 GPU 網路效能與韌性，降低因網路壅塞或連線問題造成的訓練中斷。這項協議也已透過開放運算計畫（Open Compute Project）釋出，供產業採用。這代表 AI 基礎建設競爭，正在從單一 GPU 效能，延伸到晶片、網路、雲端平台與整體系統架構。 ＊Cerebras 傳上修 IPO 價格，AI 晶片熱度延燒資本市場 《路透》報導，AI 晶片新創 Cerebras Systems 因投資人需求強勁，傳出計畫上修首次公開募股，也就是 IPO 的價格區間與發行規模。消息人士指出，Cerebras 原本規劃每股發行價為 115 到 125 美元，現在可能提高到 150 到 160 美元；發行股數也可能從 2,800 萬股增加到 3,000 萬股。 若以新價格區間高端計算，Cerebras 這次 […]

AI「員工化」的代價：為什麼像對待人一樣管理 AI，反而會重挫組織信任？

《哈佛商業評論》報導，隨著企業加速導入 AI 代理，越來越多組織正將 AI 從「工具」重新定位為「員工」，不僅為其命名、賦予職稱，甚至將其納入組織圖與工作流程中，直接視為團隊成員或數位員工。 從摩根大通到 Walmart：企業正在把 AI 代理當真正的員工用 Boston Consulting Group（BCG）針對 1,261 名來自美國、加拿大與歐盟的人資與財務部門經理、主管與高階主管的隨機實驗中，31% 的受訪者表示，公司領導層已將 AI 視為團隊成員或員工，23% 則表示 AI 已被正式列入組織圖，且這種做法不只存在於科技業，也已擴及醫療、金融、零售與專業服務等產業。其中一家公司甚至將名為 Scout 的 AI 代理正式納入 HR 團隊，負責履歷審查、第一輪面試與候選人評估摘要，並被主管形容為「在技術上等同於同級同事」。 摩根大通描繪未來願景：進入無所不在的 AI 代理時代，員工將配備個人化 AI 助理，所有流程由 AI 驅動，客戶體驗則由 AI 禮賓服務支援。在實體零售領域，美國的跨國零售企業 Walmart 也已開始落實其 AI 代理的布局，應用範圍涵蓋顧客服務、門市員工支援與其他業務環節，其中主管型 AI 代理負責指派任務給子代理，運作方式類似人類主管管理員工。 這些大型企業以及許多其他組織意識到，AI 代理並不只是像搜尋引擎或簡單聊天機器人那樣回答問題，而是能透過規劃任務、執行行動並檢查結果，實際完成工作目標的系統。《The Conversation》指出，從金融、科技到物流與法律等產業，企業擁抱 AI 代理的潛力，但原本應從中受益的真人員工，卻在適應過程中面臨困難，導致士氣與生產力同時受到影響。 BCG 研究顯示，當 AI 被描述為員工而非工具時，個人責任感下降 9 個百分點，歸責於 AI 的比例則增加 8 […]

LinkedIn 揭 2026 企業選才兩大關鍵：把 AI 轉化為生產力，也能帶領團隊適應變革

隨著 AI 快速發展，工作場域的樣貌已大不相同，企業的招募標準也正經歷顯著的改變。LinkedIn 總編輯 Dan Roth 近日接受《今日秀》（TODAY）訪問時指出，現在關於工作的討論已逐漸從「職稱」轉移到「技能」上。他表示，LinkedIn 透過分析平台上十億份個人檔案內的技能，以及過去一年內成功求職者所具備的能力，發現企業越來越看重求職者「實際能做什麼」，而不是過去的職稱或學歷背景。 「技能會跟著你走，」Dan Roth 強調，強大的基礎技能可以陪伴工作者跨越不同的產業與職務，而在這個瞬息萬變的時代，有兩種核心能力正是 2026 年企業特別關注的焦點。 第一種能力：AI 技能 談到最受歡迎的技能時，AI 毫無意外地成為榜首。Dan Roth 進一步解釋，AI 技能的需求可以分為兩大方向，首先是技術層面，包含建立複雜 AI 系統的高度技術能力，例如多數人熟知的提示工程（Prompt engineering）以及資料標註（Data annotation）等技能。 其次，則是更廣泛的策略層面應用。現在企業不只需要技術人才，更迫切需要懂得如何運用 AI 工具來協助組織提升工作效率、自動化流程與增加生產力的廣大工作者，而且求職者不需要具備深厚的理工或數學背景，任何人都可以從現在開始投資並獲得這些 AI 技能。 第二種能力：「以人為本」的軟實力 另一方面，許多工作者擔憂 AI 會取代人類的工作，但事實上，當企業面臨快速變革時，反而更加看重以人為本的軟實力。Dan Roth 表示：「現今企業變革的速度前所未見，為了落實這些改變，企業正在尋找能夠適應且保持敏捷的人才，也需要能良好合作的團隊，這些都是人類技能。」 這些人類技能主要分為兩大領域，第一個領域是領導與人員管理，企業高度渴求能夠啟發他人潛能、引導團隊度過變革的人才，其中導師經驗（Mentorship）與人才發展（Talent development）更是正在崛起的重要能力。 第二個領域則是溝通與說故事的能力，能夠清晰表達複雜概念的能力在各行各業中變得至關重要。Dan Roth 分享，在過去一年中，提到「說故事能力（Storytelling）」的職缺增加了一倍，其中公眾表達、撰寫跨部門備忘錄、電子郵件、簡報，以及撰寫能清晰傳達想法的報告等多元溝通形式，都屬於「說故事能力」的範疇。 如何發掘並展現核心技能？ 「你永遠可以獲得新的技能，」面對這些趨勢，Dan Roth 提醒求職者必須體認到技能並非固定不變的。如果不知道自己的優勢在哪裡，可以主動詢問同事、家人或朋友自己擅長什麼，這通常能揭露一些最初不明顯的天賦。此外，工作者也可以多利用線上免費課程或短期認證計畫，並參與社團、志工活動或爭取工作上的延伸任務來練習並擴展新技能。 然而，在面試與履歷的準備上，Dan Roth 特別提醒求職者別把技能當作購物清單一樣條列出來，而是必須學會為自己的技能「說故事」。求職者應該主動表達自己何時有效地運用了這些技能，並提供具體實例，進而讓面試官產生深刻的連結，因為人們在面試中往往希望能與求職者產生共鳴。 在探討未來工作型態時，外界常將焦點放在裁員，或討論哪些產業正在崛起與衰退，但若要真正看懂就業市場的變化，掌握「哪些技能正在升值」，或許才是最實用的切入點。隨著 AI 改寫企業選才標準，真正受青睞的人才，不只是會使用 AI 工具，而是能將 AI 導入工作流程、提升組織效率，同時具備溝通、領導與協作能力的工作者。當技能逐漸取代職稱，成為企業評估人才的新門檻，工作者不只需要持續學習，更必須學會用具體故事展現自己的能力與價值，因為雇主最重視的技能，往往是就業市場轉型方向的早期訊號。 ＊本文開放合作夥伴轉載，資料來源：《TODAY》、《Yahoo》，首圖來源：Unsplash

AI 幻覺、越權、難監控，極風雲創以 ACROSS 為企業築起安全護城河

隨著 AI 技術的快發展，企業正陷入一場前所未有的 AI 焦慮症。 AI 在加速創新和提升效率上的潛力，讓企業意識到這可能是翻轉競爭局勢的絕佳機會，過去要拚資金、拚人才，現在只要用對 AI，就有機會與產業巨頭平起平坐。然而，當 AI 越來越深入營運流程後，相關風險也跟著日益擴大且難以掌控，這又讓企業感到焦慮，最後陷入一邊想加速、一邊又踩煞車的兩難困境。 揭示 AI 應用三大風險，ACROSS 平台打造企業全域 AI 安全中樞 極風雲創董事長張紘綱表示，從企業當前的 AI 應用現況來看，風險主要分成 3 類：首先，員工自行使用不同 AI 工具與帳號，企業難以掌握使用行為與資料流向；其次，在多模型並存的情況下，各模型本身皆可能產生「幻覺」，不僅難以驗證 AI 產出內容的正確性，也不易釐清責任歸屬；第三，當 AI 具備自主執行任務的能力時，企業難以即時監控其行為，一旦指令不夠精準或判斷失誤，錯誤很可能會被放大，其風險等級已不同於單純生成內容的 AI。 因此，如何打造一條安全的護城河，讓 AI 在可控邊界內高速運轉，成為企業能否透過 AI 彎道超車的關鍵。 看準 AI 的潛力以及此一需求缺口，極風雲創以多年資安經歷為基底，打造出企業全域 AI 智慧安全中樞 ACROSS。ACROSS 以 AI Workforce 作為核心引擎，驅動 AI Security、AI Governance 與 AI Ecosystem 三大模組，協助企業在安全與合規的前提下導入 AI 應用，進一步打造出可持續運作、可被信任的 AI 勞動力，讓企業在風險可控的情況下放手加速，真正將 AI […]

一封錄取信揭開身分盜用風險！專家警告「代理式 AI」恐成今年資料外洩主因

數位生態系，為身分盜用創造出完美風暴。AI 讓每一個步驟，從竊取企業持有的個人資料、找到可下手的社會安全號碼，到偽造駕照都變得更容易，也更精密。《Bloomberg》報導，一名女子突然收到美國佛羅里達州的醫學院錄取迎新包裹，但她從未申請過該校，甚至多年未曾報考大學。起初家人還以玩笑看待此事，但她很快意識到，自己的身分資訊可能已遭人盜用。 代理 AI 詐騙全面升級，FBI 示警辨識難度大增 這些詐騙手法本身或許並不陌生，但背後使用的技術已截然不同。FBI 指出，詐騙集團正利用 AI 複製聲音、生成逼真的電子郵件與簡訊，甚至製作假圖片與影片，用來推銷詐騙投資方案。而辨識詐騙，其實有幾個關鍵警訊，其中一大警訊，是任何要求提供個人資訊的行為。FBI 提醒，無論對方是否聲稱來自政府機構或銀行，都不應向陌生人透露密碼、銀行資料或安全驗證碼。 《Bloomberg》指出，AI 已經成為網路犯罪的重要工具。消費者信用機構 Experian 消費者保護副總裁 Michael Bruemmer 表示，該公司去年處理的 5,000 起資料外洩事件中，有 40% 涉及 AI 技術。該公司預測，今年「代理 AI」（agentic AI）將成為資料外洩主因，這類系統能在人類監督下自主規劃、執行任務，並可視需求協同多個代理完成複雜目標。 根據 FBI 最新發布的網路犯罪投訴中心（Internet Crime Complaint Center）報告，許多民眾熟悉的詐騙手法，如今已開始結合 AI 技術，導致美國人損失數十億美元。這也是 FBI 二十多年來，首次在年度網路犯罪報告中正式追蹤 AI 相關詐騙，顯示詐騙模式與辨識難度出現重大轉變。報告指出，美國人在 2025 年通報的網路犯罪損失接近 210 億美元，創下歷史新高；其中超過 2.2 萬件投訴與 AI 有關，總損失約達 8.93 億美元。 AI 模型成為攻擊工具，Anthropic 與 OpenAI 的測試揭示了什麼？ 由於擔心網路攻擊，一些 AI […]

直擊 333 Robots Community Meetup：產業專家拆解機器人落地流程，開發者交流 Physical AI 實戰經驗

過去，AI 開發多半圍繞模型、資料、算力與推論效能，但當 AI 走向機器人與實體設備，問題就不只是「模型能不能理解指令」，而是系統能不能感知環境、理解任務、控制行動，並在充滿變數的真實世界中穩定運作。 由鴻海科技集團、科技報橘、三創育成共同主辦的 333 Robots Community Meetup，於 4 月舉辦首場活動。相較於單純展示機器人 Demo，這場活動更聚焦 Physical AI 開發者的現場交流，以及他們在實作過程中面對的難題：如何讓 AI 從真實世界蒐集資料、進入模擬環境訓練，再回到實體場域驗證與修正？ 從 Real to Sim to Real，看開發者必須掌握的新流程 首場 333 Robots Community Meetup 邀請 NVIDIA DLI 白金級認證講師、臺灣科技大學兼任助理教授曾吉弘進行專題演講，主題是「NVIDIA 的 Real to Sim to Real」。 Real to Sim to Real 的核心，是先從真實世界出發，蒐集場域、物件、任務流程與環境變化等資料，再將這些資訊轉換成可被模擬、可被訓練的數位環境。接著，開發者可以在模擬環境中進行大量測試、訓練與迭代，最後再把模型與策略帶回實體世界驗證。 對開發者來說，模擬的價值不只是降低訓練成本，更重要的是讓機器人能在進入真實場域之前，先經歷更多不同情境的測試。舉例來說，光線變化、物件位置偏移、空間限制、人員移動、任務順序改變，甚至是設備與現場流程限制，都可能影響機器人的判斷與控制結果。這些變因在純軟體 AI 場景中或許不明顯，卻是 Physical AI 必須處理的日常。 因此，這場演講傳遞的開發思維是：在進入真實場域之前，先建立能夠被模擬、測試與迭代的環境；回到現場之後，再把真實世界的回饋持續帶回開發流程。對想投入 Physical AI 的開發者而言，Real to […]

高通 CEO 預言手機主導時代將落幕：2026 年 AI Agent 主流化，智慧眼鏡成下一代運算入口

「以手機為中心的世界即將結束，」高通（Qualcomm）執行長 Cristiano Amon 近日接受《Fortune》專訪時指出，2026 年將迎來運算典範的關鍵轉折，成為「AI 代理之年」（year of agents）。這場科技革命的核心在於，人類的數位生活中心將從單一的實體手機，徹底轉移到能跨越各種裝置、無縫運作的 AI 代理身上，就像當年工作與娛樂從桌上型電腦大規模轉移到手機一樣，下一次的重心轉移已經悄悄啟動。 伴隨這場運算重心的轉移，Cristiano Amon 提出一個名為「個人生態系」（ecosystem of you）的未來藍圖。在這個願景中，未來的科技不再只是個「點擊後才回應」的被動工具，而是具備理解真實世界脈絡的能力，並能主動感知使用者的環境、串接日常生活，甚至在使用者開口前就先預判需求，成為科技互動模式的一次新顛覆。 AI 代理成為主角，掌控「零阻力」數位生活與產業新霸權 要實現個人生態系，關鍵就在於 AI 代理的全面接管。隨著大型語言與視覺模型的飛速發展，AI 已經能像人類一樣理解世界，並化身為主動解決問題的「代理人」。Cristiano Amon 生動描繪幾個未來情境：當你走在街上看到一件喜歡的物品，可以開口問 AI 代理「這在亞馬遜賣多少錢？」，甚至可以要求 AI 代理渲染出你戴上該物品的模樣；或是當你收到一張帶有 QR code 的餐廳帳單時，只需看著帳單並要求付款，AI 代理就會自動幫你結清。如果行事曆發生衝突，AI 代理甚至會主動詢問是否需要幫忙打電話給診所重新安排看診時間，並親自用語音與診所櫃檯協調你下週的空檔。 這樣的「零阻力」體驗，也宣告科技業的權力中心與控制點將迎來一次大洗牌。未來的戰場不再是作業系統（OS）與應用程式商店（App Store），而是使用者所選擇並信任的 AI 代理，例如近期在網路上引起熱議的 AI 代理服務 OpenClaw。 Cristiano Amon 特別以字節跳動（ByteDance）為例，說明該公司已經在 ZTE 製造的手機（Nubia M153）上推出名為 Doubao 的行動助理，讓 AI 代理能直接接管手機的軟體控制權。使用者只需用語音或打字下達指令，AI 就會自動進入系統開啟應用程式、訂票或進行支付，讓傳統 App 退居幕後。雖然此舉曾引發同業對安全性的高度擔憂，騰訊執行長馬化騰更直指該設備「極度不安全且不負責任」，進而遭到微信、阿里巴巴等企業出手限制，但字節跳動仍未卻步，更計畫在 2026 年第二季推出第二代設備。這明確顯示出，無論市場目前的接受度如何，透過 AI […]

不用 HBM、不靠 3nm！台灣 Skymizer 如何用 28nm 打 AI 推論戰？

台灣 AI 晶片設計公司 Skymizer 近日曝光新一代 PCIe AI 加速卡 HTX301，宣稱可在單張卡上執行高達 7000 億參數（700B）的大型語言模型（LLM），且整體功耗僅約 240W。更值得關注的是，這套系統並未使用當前 AI 產業主流的 HBM 高頻寬記憶體，也不是採用 3nm、5nm 等先進製程，而是建立在 28nm 晶片與 LPDDR4／LPDDR5 記憶體之上。 這種反主流設計，很快引發 AI 基礎設施圈關注。因為它挑戰的不只是 NVIDIA 與 AMD，而是整個 AI 晶片產業目前的發展方向。 根據《TechRadar》報導，Skymizer 表示 HTX301 單卡配置 384GB 記憶體，可支援 Agentic AI（代理式 AI）、程式開發與企業專用 AI 工作流，並能部署於一般風冷伺服器中，無需大型資料中心等級的電力與散熱改造。 AI 晶片戰場，正從「拼 FLOPS」轉向「拼記憶體」 過去兩年，AI 晶片市場幾乎被「更大算力」主導。例如 AMD 新推出的 Instinct MI350P PCIe AI 卡，搭載 144GB HBM3E […]

【科技早餐】蘋果傳找英特爾代工、台灣出口衝 676 億美元，AI 供應鏈重排正在加速

【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊蘋果傳找英特爾代工，美國晶片製造補上關鍵大客戶 《華爾街日報》報導，蘋果 (Apple) 與英特爾（Intel）已進行超過一年的談判，並在近幾個月達成初步協議，未來英特爾可能為蘋果部分裝置代工晶片。不過，目前還不清楚會是哪一類產品，蘋果與英特爾都暫時沒有回應。 如果合作落實，這將成為英特爾晶圓代工業務的重要背書。英特爾近年積極發展 Intel Foundry，希望承接更多外部客戶訂單；這項合作也符合美國政府推動半導體製造回流的政策方向。 ＊Sony 攜手台積電攻影像感測器，Physical AI 卡位日本熊本 索尼（Sony）與台積電 8 日宣布簽署合作備忘錄，計畫成立合資公司，投入下一世代影像感測器研發與製造。新公司將由索尼持有多數股權與控制權，預計在日本熊本縣合志市新設廠房，建立研發與生產線。 雙方表示，這項合作將結合索尼在感測器設計、影像處理的技術，以及台積電的先進製程與量產能力，並探索汽車、機器人等 Physical AI 應用。感測器不再只是手機零組件，而是實體 AI 進入現實場景的關鍵入口。 ＊軟銀找 NVIDIA、鴻海打造 AI 伺服器，日本 AI 國家隊雛形浮現 《路透》引述《日本經濟新聞》報導，日本軟銀集團（SoftBank Group）正與 NVIDIA、鴻海（Foxconn）討論，計畫打造「日本製造」的 AI 伺服器，這項計畫也是軟銀中期戰略的一部分。 報導指出，軟銀希望在 2030 年前，先透過外部零組件組裝建立生產體系，再逐步接手整體伺服器製造流程。這些伺服器未來不只用於軟銀資料中心，也可能支援軟銀正在開發的 AI-RAN，讓主權 AI 往硬體與通訊基礎設施延伸。 ＊台灣 4 月出口衝 676 億美元，AI 訂單把美歐市場同步推高 財政部公布 4 月海關進出口統計，台灣出口達 676.2 億美元、年增 39%，進口 532.7 億美元、年增 29.2%，進出口規模都改寫歷年單月次高，只低於今年 […]

【Google Cloud NEXT 2026】AI 時代資安怎麼做？Google Cloud 聯手 Wiz，從「防駭」走向自動化防禦

在 Google Cloud Next ’26 大會上，Google Cloud 釋出了多項重量級資安更新。本次更新的核心更著重於解決企業在混合雲環境中面臨的「實務痛點」：如何保護地端與雲端的 AI 工作負載？如何簡化複雜的資安營運？ 透過與 Wiz 的深度整合以及 Google SecOps 的 AI 革命，Google 展現了建構「全生命週期」與「自動化」安全防禦體系的決心。 Google Cloud 與 Wiz：AI 時代的多雲保護、左移安全與身分治理 2026 年 3 月 Google 公開宣布以 320 億美元收購雲端安全新創 Wiz，將其整併至 Google Cloud 事業群。而這次在 Google Cloud Next ’26  大會中，更針對 Wiz 策略合作有更多產品上的整合，將 Google Cloud 的資安範疇從傳統的「外圍防護」轉向「開發與身分的全方位治理」。 1. 強化 AI 工作負載與多雲/地端 Runtime 的保護 過去企業習慣用單一雲平台來建構安全策略，但現實早已不是如此。現今企業大多同時使用多雲加上地端環境，透過與 Wiz 的合作，突破了以往 […]

自駕車商業化卡關，感測技術卻先突圍：LiDAR、雷達與 3D 感測如何打開港口、機器人與智慧城市新市場？

對自駕車與汽車公司而言，2016 年曾是一個充滿想像的關鍵年份。當時，每週都有數百萬美元的相關投資發布，福特（Ford）更曾大膽預測，將在 2021 年為消費者量產自駕車。 不過，到了 2026 年，消費型全自駕車仍未真正問世，Robotaxi 僅在少數城市中運行，自駕卡車也大多停留在試點專案階段。就在自駕車夢想延後的同時，部分 2016 年的自駕明星公司已經退場或重整，例如 LiDAR 公司 Luminar 於去年 12 月聲請破產，通用汽車（GM）也在 2024 年關閉 Robotaxi 公司 Cruise，將重心重新放回個人車輛。 然而，當自駕車的落地進程因現實挑戰而放緩時，這些原本為車輛開發的技術卻未隨之沉寂，像是透地雷達（Ground-penetrating radar, GPR）、3D 雷達與先進光學雷達（advanced LiDAR）等技術，正全面擴散到智慧城市、居家長照服務、船廠重型吊車、風力渦輪監測等領域，甚至也在機器人與 AI 系統中找到新出口。 LiDAR 成為城市、機場與偏遠機房的基礎設施守護者 在這些尋求新出口的技術中，LiDAR 獲得最廣泛的應用。由於 LiDAR 能透過近紅外光反射物體來建立周遭環境的三維（3D）視圖，因此非常適合用於交通監測等傳統攝影機容易受強光或完全黑暗影響的場域。 例如收購 LiDAR 先驅 Velodyne 的 Ouster 公司，不僅將感測器應用於 John Deere 的農業設備中，更將其部署於田納西州 Chattanooga 等城市的數百個路口，用於城市交通管理。此外，研發 LiDAR 技術的 Innoviz 創辦人 Omer Keilaf 表示，LiDAR 可用於測量車輛大小以支援收費系統，而另一家 Outsight […]

【AI 監管降溫】歐盟 AI 法案首次重大讓步，高風險規範延後一年生效

歐盟達成協議，將放寬 AI 監管框架。《POLITICO》報導指出，此次調整是在產業界與各國政府壓力升高，以及歐盟與美國科技政策張力加劇的背景下形成，並涉及數位法規的重大修正與時程延後。 歐盟《AI 法案》分級鬆動：高風險監管延後、工業 AI 大幅排除適用 歐盟《AI 法案》依據 AI 對健康、安全與基本權利的風險程度進行分級，從「最低風險」到「不可接受風險」不等，風險越高，所需遵守的規範也越嚴格。所謂「高風險」AI 系統，是指將被應用於關鍵基礎設施、教育、就業、移民、庇護與邊境管制等領域的系統。這一類別過去也包括部分被歸類為機械設備的產品，例如智慧家電。 歐洲議會議員與歐盟各國均支持延後該法規的關鍵內容，但協議大幅排除工業應用中的 AI 使用，使其不再納入法規適用範圍。這對德國而言是一項重大勝利，德國總理 Friedrich Merz 等官員先前曾支持調整相關規範，以維持產業競爭力。 歐盟政府與立法者同意，將涉及生物識別技術或關鍵基礎設施、執法相關的高風險 AI 系統規範，從原定今年 8 月 2 日延後至 2027 年 12 月 2 日。《Reuters》提及，歐盟也同意將「機械設備」排除在 AI 法案適用範圍之外，因為該領域已受產業專門法規約束。此舉回應了德國西門子（Siemens）與荷蘭艾司摩爾（ASML）等企業的呼籲。 全球 AI 規範競賽升溫，引產業與公民團體意見分歧 《POLITICO》指出，歐盟各國支持德國的要求，是避免企業在工業 AI 領域面臨「雙重監管負擔」，未來企業只需遵守獨立的機械設備規範中的 AI 要求。醫療器材等其他產業則未獲得豁免，仍將受到 AI 法規約束。談判代表也在協議中加入限制條款，禁止 AI 生成未經授權的性露骨影像，此規範被視為回應近期在 X 平台上出現的相關生成內容與深偽爭議。 此項協議標誌著歐盟在數位領域首次出現重大監管退讓。在美國對其科技法規施壓之際，歐洲產業與政府警告，過於嚴格的限制可能使歐盟在全球 AI 競賽中處於劣勢。歐盟執委會主席 Ursula von der Leyen 稱該協議為歐洲 […]

AI 開啟穩定幣交易新時代：AWS 攜 Stripe、Coinbase 發表 AI 代理金融系統

Amazon Web Services 與 Coinbase、Stripe 合作，發布 Amazon Bedrock AgentCore Payments 新功能，讓 AI 代理能透過穩定幣執行交易。《The Block》指出，此舉被視為大型科技公司擁抱區塊鏈支付基礎設施、推動代理經濟（agentic economy）的重要訊號之一。 AI 代理可自己花錢了？AWS 與 Coinbase 打造微支付基礎設施 Coinbase 指出，Agentic commerce（代理商務）的核心願景其實相當明確：AI 代理應能自行尋找所需服務、完成付款，並持續執行任務，全程不需人類介入，也不必仰賴訂閱管理機制。不過，企業過去始終難以真正推出具備自主支付能力的 AI 代理。原因在於，如果 AI 能夠花錢，便牽涉到合規審查、預算控管與交易稽核等問題，而企業若必須從零開始建立這些機制，多數整合案往往在早期就被迫停滯。 這次 AWS 發布的新功能，目的是讓 AI 代理能即時存取並支付其所使用的資源，例如網頁內容、API、MCP 伺服器，以及其他 AI 代理。AWS 指出：「我們與 Coinbase、Stripe 合作打造這些功能，兩家公司將提供錢包基礎設施與支付網路，支援首波功能運作。」 Coinbase 也同步發表聲明指出，開發者可利用 x402 協議建立「代理支付解決方案」，讓 AI 代理透過 USDC 穩定幣進行微支付。USDC 由 Circle Internet Group 發行，也是 Coinbase 主要採用的穩定幣。Coinbase 基礎設施成長主管 […]

季末庫存剩 0.6%、退貨率降一成、碳排減 25%：Zara 供應鏈怎麼用 AI 做到？

當多數時尚企業仍依賴季節性節奏時，快時尚龍頭 Zara 已經建立一套以 AI 與即時數據為核心的供應鏈體系，支撐每年約兩萬款新品的高速運轉。 AI 驅動供應鏈，兩週完成從社群趨勢到門市上架 Zara 的產品節奏幾乎重新定義了時尚產業的時間邏輯。品牌每週固定上新兩次，相當於一年運行超過一百個「微型季度」。這樣的頻率背後，是 AI 驅動的趨勢偵測能力。Zara 系統持續分析社群媒體內容、街拍影像與時裝秀資料，快速捕捉消費者審美變化，使設計團隊能比傳統模式提早三到四週掌握流行方向。這種預測能力讓產品開發不再依賴長週期規劃，而是轉向高頻迭代的決策機制，使設計確認到門市上架的時間可壓縮至兩到三週。 此外，Zara 還透過 RFID 晶片為每一件商品建立即時追蹤能力，無論庫存位於門市、倉儲或運輸途中，都能被精確掌握。這些資料進一步輸入 AI 需求預測模型，形成動態調整的供應鏈決策系統。《Retail AI News》指出，AI 已經主導其約 85% 的首批生產分配決策，讓產品在一開始就能更精準地進入需求最強的市場。 《朝鮮日報》報導，這套機制直接反映在庫存效率上。Zara 的季末剩餘庫存率僅為 0.6%，遠低於產業普遍的 10% 至 20%。這代表絕大多數商品能在正價期間售出，顯著減少折扣壓力並提升毛利表現。庫存下降的同時，整體銷售仍持續成長，顯示 AI 驅動的供需匹配已經成為其獲利模式的關鍵支柱。 後端物流到前端 AI 個人化試穿，數據賦能全通路 在組織運作上，Zara 將數據嵌入日常決策之中。以後端物流為例，有自動化倉儲系統結合自主移動機器人（AMR）與多層穿梭系統，加速訂單處理與商品分揀；AI 同時優化配送路徑與倉儲配置，使物流網路在效率與碳排之間取得更佳平衡。《Retail AI News》報導，透過智慧路徑規劃，Zara 已將最後一哩配送的碳排放降低約 25%，顯示供應鏈優化同時具備商業與永續價值。 AI 的應用也延伸至消費者端體驗。Zara 近期推出基於生成式 AI 的 Try-On 虛擬試穿服務，讓用戶在線上即可模擬穿著效果。據觀察，這項功能可將退貨率降低一成，直接改善電商營運中最具成本壓力的環節之一。公司正開發進階版本，能呈現同一商品在不同尺寸下的穿著差異，進一步提升選購準確度。 未來規劃中，Zara 也將導入類似 ChatGPT 的對話式助理，協助消費者在龐大商品選擇中快速找到適合的款式。這類工具的核心價值在於降低決策負擔，使購物過程更直覺且個人化，同時也為品牌蒐集更多即時偏好數據，反饋至產品開發端。 Zara 的競爭優勢並非單一技術突破，而是將 AI、資料基礎建設與組織流程整合為一體的系統能力。在這個體系中，設計、製造、物流與銷售不再是分離的環節，而是透過即時資訊緊密連動，形成高度協同的運作模式。 […]

Anthropic Mythos 太會找漏洞：Firefox 修補數暴增 13 倍，工程師坦言還沒有自動化解方

今年 4 月，Anthropic 發布新 AI 模型 Mythos，但因擔心能力過於強大，可能遭到惡意人士濫用，目前僅開放約 40 家合作企業測試。Anthropic 執行長 Dario Amodei 本週更警告，Mythos 已在各類軟體中發現數萬個潛在漏洞，而產業可能只剩下 6 至 12 個月的修補窗口期。 在已獲授權測試的合作夥伴中，Mozilla Firefox 安全團隊公開了其與 Anthropic 的合作，提供了部分 AI 資安工具實戰紀錄，也直接揭示了 AI 技術的能耐與現實侷限。 修補漏洞從 31 個變 423 個，中間發生什麼事？ 今年 2 月，Anthropic 就已將一批透過 Claude 模型在 Firefox 中發現的漏洞通報給 Mozilla。Mozilla 在修復這批問題後，以自有模糊測試基礎設施為底，建構了一套代理式漏洞掃描框架，後續並在框架中導入 Claude Mythos Preview 等模型，展開大規模掃描。 結果相當顯著，2026 年 4 月，Firefox 共修補了 423 個安全漏洞，相比 2025 年同期的 […]

OpenAI 與博通 180 億美元晶片融資卡關：Nexus 計畫要落地，為何還得看 Microsoft 臉色？

OpenAI 與晶片設計大廠博通（Broadcom）在去年秋天宣布合作打造客製化 AI 晶片，目標是在 2030 年前達到消耗 10GW（吉瓦）電力的部署規模，藉此降低對 NVIDIA 昂貴硬體的依賴。然而，《The Information》近日揭露，雙方當時並未對外說明一個關鍵問題：OpenAI 究竟要如何支付這項專案龐大的晶片生產成本？ 如今，OpenAI 與博通正在協商第一階段的晶片生產融資協議，該階段預計將消耗 1.3GW 的資料中心容量，光是成本就約為 180 億美元。若以此速度推算，這項代號為「Nexus」的 10GW 完整計畫，單單晶片生產成本就可能高達 1,800 億美元，且這甚至尚未包含資料中心的建設與其他成本支出。 為兩千億美元支出壓力止血，自研晶片成核心戰略 對 OpenAI 而言，取得巨額融資至關重要，因為公司預估到 2029 年為止，其營運支出規模將超過 2,000 億美元。在此背景下，推動自研晶片成為 OpenAI 降低伺服器成本、改善毛利率，並減少對 NVIDIA 依賴的核心戰略。事實上，開發 AI 伺服器晶片一直是全球大型 AI 開發商與雲端供應商共同投入的方向，包含 Google 早在十多年前就開始與博通合作設計晶片，以改善利潤率；Meta 與 Microsoft 等公司也因 NVIDIA 伺服器支出暴增，而與博通達成類似的客製化 AI 晶片協議。  OpenAI 的第一代自研晶片代號為「Jalapeno」，其設計初衷是希望能比 NVIDIA 的通用圖形處理器（GPU）更有效率地支撐 OpenAI 現有模型的推論工作負載。談到這項專案，OpenAI 執行長 Sam Altman […]

AI 熱潮進入製藥工廠端：BMS 產量提升 40%，Eli Lilly 如何用數位孿生突破產能瓶頸？

近年來，全球製藥業投入數十億美元押注 AI，期盼能藉此加速新藥發現與開發速度。然而，儘管業界對此寄予厚望，但目前仍缺乏明確證據顯示 AI 能大幅提高新藥臨床試驗的成功率。 相較之下，AI 在「製造端」的效益卻已經率先浮現。以生產糖尿病與減重藥物聞名全球的美國製藥巨頭 Eli Lilly（禮來）為例，其資訊與數位長 Diogo Rau 就明確表示：「現實情況是，到目前為止我們看到的所有 AI 效益，實際上並非來自藥物探索，而是來自製造與其他流程。」 另一方面，專精於癌症與免疫疾病治療的美國跨國藥廠 Bristol Myers Squibb（必治妥施貴寶，簡稱 BMS），其位於麻州 Devens 的藥廠便為此提供了一個具體的成功案例：透過 AI 監控生物製程變數，成功讓藥品產量大幅提升約 40%。 BMS 將 AI 導入生物製程，藥品產量躍升 40% BMS 位於美國麻州 Devens 的工廠，主要負責製造用於治療癌症等疾病的基因工程蛋白質藥物。在世界經濟論壇（WEF）與麥肯錫（McKinsey）今年表彰的全球 23 座創新製造基地中，Devens 工廠更是唯一入選的美國製造商。 在這座工廠裡，科學家會將活細胞放入容量高達 2,000 公升的不鏽鋼生物反應器中培養數週。由於細胞生長環境極為脆弱，溫度、光線或 pH 值等細微變化都可能讓細胞停止生長，進而導致危及病患的藥品短缺。過去，科學家往往得苦等到整個製程結束後，才能回頭檢視究竟是哪個環節出錯。事實上，直到 2020 年，Devens 廠房的員工仍在使用 Excel 試算表處理部分任務，甚至以手寫方式填寫記錄每個生產步驟的批次紀錄。 如今，BMS 導入 AI 系統來密切監控溫度與氧氣濃度等重要變數，一旦數據出現異常，系統會立刻提醒技術人員即時介入。BMS 執行副總裁兼首席供應鏈與營運長 Karin Shanahan 強調：「我們現在能夠在製造過程中直接介入處理批次，而不必等到最後一刻。」 此外，AI 還會分析過去的批次資料，主動提出製程修正建議。例如，當氧氣濃度偏低時，系統會自動建議補充氧氣；若 […]

【科技早餐】Anthropic 吃下 SpaceX 300 MW 算力，Claude 需求把 AI 基建戰推上新高度

【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Anthropic 吃下 SpaceX 算力，Claude 需求把 AI 戰場推上 300 MW Anthropic 宣布與太空探索科技公司（SpaceX）達成大規模算力協議，將使用 SpaceX 位於美國田納西州（Tennessee）曼菲斯（Memphis）的 Colossus 1 超級資料中心資源，規模超過 300 MW，並可動用逾 22 萬顆 NVIDIA GPU，支撐 Claude 平台持續成長的使用需求。 Anthropic 執行長阿莫迪（Dario Amodei）先前在舊金山開發者大會表示，公司原本按 10 倍成長規劃算力採購，但第 1 季營收與使用量以年化基礎計算，成長幅度達到約 80 倍，目前算力資源難以應付。這次合作也讓 SpaceX 與特斯拉（Tesla）執行長馬斯克（Elon Musk）旗下算力資源，正式提供給 OpenAI 競爭對手 Anthropic。 ＊SpaceX Terafab 文件曝光，馬斯克把 AI 晶片製造拉進自家體系 根據外媒報導，SpaceX 首次公開上市（IPO）文件與地方政府資料顯示，公司計劃在美國德州（Texas）打造超大規模晶片製造園區 Terafab，初期投資約 550 億美元。若後續擴建計畫全數落實，總投資規模可能達到 1,190 億美元。 SpaceX […]

Physical AI 進入「手部操作」決勝點：Genesis AI 推 GENE-26.5 模型與仿人機械手，突破機器人落地瓶頸

長久以來，要讓機器人精準抓取、移動、拆解或組裝物體，遠比教它們走路或說話困難得多，這也是人形機器人一直無法在現實世界大規模落地的關鍵門檻。然而，法國機器人新創 Genesis AI 正在逐步打破這道技術門檻。 Genesis AI 近日正式發表專為機器人打造的基礎 AI 模型 GENE-26.5，並同步推出一隻高度接近人類靈巧度的實體機械手，目標是賦予機器人前所未有的適應力，讓機器人跨入「會動手做事」的新階段。 會煮飯、打蛋、彈鋼琴，Genesis AI 用 Demo 展示人類級靈巧操作 為了具體展現 GENE-26.5 的實力，Genesis AI 釋出一系列令人驚豔的自主執行影片，全程以原速呈現且無人類遠端操控。在展示影片中，機器人能流暢完成高達 20 個步驟的料理任務，包含切番茄、單手打蛋，甚至能雙手製作冰沙並完成遞送，或是單手抓取並分類四個不同大小的物體，以及在空中連續操作解開魔術方塊。此外，機器人還能彈奏約 130 BPM 的快節奏鋼琴樂曲，並進行複雜的線束整理。 不過，這些任務並非「零樣本學習（zero-shot）」，機器人仍需針對特定任務進行事前訓練。Genesis AI 執行長 Zhou Xian 解釋，以料理 Demo 為例，需要數百條操作軌跡來訓練機器人打蛋或切番茄，一項 30 秒的複雜技能，背後大約需要數小時的人類示範資料，加上不到半小時的機器人執行資料。 在成功率方面，多數料理步驟已能達到 90% 至 95% 的成果，儘管難度極高的「單手打蛋」與「用刀轉移番茄」在拍攝時成功率約為 50% 至 60%，Zhou Xian 仍自豪地表示：「這可能是機器人有史以來，以最貼近人類的方式、效率與速度所執行的最複雜任務。」他也透露，目前機器人約已達到人類操作速度的 60% 至 70%，雖然操作問題尚未被徹底解決，但已邁出關鍵一步。 突破操作瓶頸，打造從模型到硬體的全棧式路線 為什麼 Genesis AI 能達成這項成果？關鍵就在於他們決定走全棧式（full-stack）路線。最初，公司的目標只是打造更好的機器人模型，但團隊很快意識到，機器人長期受限於「體現差距（embodiment gap）」，意即人類手部與傳統機器爪的形狀差異過大，導致機器人很難直接從人類的真實資料中學習。 為了解決這個硬傷，Genesis […]

從雲端協作到技術賦能！臺大醫院與台灣微軟共創智慧醫院新典範

以 Microsoft 365 串聯在地合規、資安防護與生成式 AI，打造兼具創新與韌性的智慧醫療體系 「我們希望將技術賦能內部使用者。」國立臺灣大學醫學院附設醫院（以下簡稱臺大醫院）資訊室主任陳權忠這句話，道出臺大醫院數位轉型邁入新階段的核心思維。過去，臺大醫院透過電子病歷無紙化與行動化，奠定智慧醫院的數位基礎；隨著系統逐步成熟，關鍵已不再是技術是否到位，而是如何持續精進流程，並讓第一線的醫護與行政人員真正參與其中。在此轉變下，資訊室也重新定位自身角色，從過去一手承接各項需求轉為輔佐與賦能，並以 Microsoft 365（M365）為核心平台，結合 Power Automate、Power Apps、Copilot 等工具，將數位能力延伸至第一線使用者，讓臨床醫師、護理師和各科部行政人員皆能解決問題，成為流程優化的重要參與者。 實現技術賦能，將數位能力延伸至使用者 作為台灣規模最大的公立醫學中心，臺大醫療體系橫跨總院與多所分院，在行政與跨部門流程上，面臨需求分散且持續變動的挑戰。過去，院內多數行政資訊系統皆由資訊室自行開發，從財產管理、薪資計算、人事資料建置，到各科部日常流程需求，皆需仰賴資訊室逐一客製化處理。然而，隨著各單位需求日益多元，這樣的集中式開發模式也逐漸面臨瓶頸。 臺大醫院資訊室協理尚榮基表示：「資訊室能夠提供的服務，始終趕不上各科部的期待和需求。行政單位業務分散且需求各異，若仰賴工程師逐一開發系統，難以因應需求變化的速度。」他也指出，許多需求雖然看似單純，但仍需由工程師介入處理，對資訊室的人力與資源形成不小壓力。隨著技術演進，臺大醫院開始尋求新的解法，將資訊開發能力延伸至第一線使用者，這也成為導入 M365 平台的關鍵契機，使各單位得以透過平台工具自行解決日常工作中的問題，避免只能等待資訊室協助。 以財產報廢流程為例，過去一張報廢單需逐層簽核，完成時間常以月計。後來資訊室開發線上系統將流程電子化，處理效率雖有提升，但系統開發與維護仍高度仰賴工程師。如今，資訊室調整作法，投入教育訓練協助各單位定義問題與發想應用場景，並透過 M365 平台中的 Power Automate 等流程自動化工具，讓使用者能自行建置應用，並逐步推廣至更多科部，使承辦人得以將手邊作業電子化，落實第一線的數位轉型。 Azure 機房落地台灣，醫療上雲合規無虞 對醫療機構而言，上雲從來不是單純的技術決策。電子病歷涉及高度敏感的個人醫療資訊，如何在合規前提下擁抱雲端，是每家醫院都必須審慎面對的課題。臺大醫院將合規與資料落地能力視為推動上雲的重要基礎，自 2023 年起，陸續完成雲端版 Exchange Online 與 SharePoint Online 上線，提升部門協作效率與資料管理能力。隨著微軟在台區域資料中心啟用，醫療資料須落地台灣的合規要求得以落實，為電子病歷及相關資料逐步上雲提供更完善的基礎。 微軟在台區域資料中心上線後，臺大醫院在醫療上雲法規遵循與資料落地的需求得以滿足。臺大醫院院內長期採用 Office 365 服務，在備援與系統可用性已具備良好基礎，得以支撐醫療人員日常運作的穩定性與韌性。臺大醫院資訊室主任陳權忠說明，微軟在台區域資料中心的啟用不僅讓臺大醫院對上雲合規更有信心，也因資料落地台灣，服務存取無須連線至海外，整體效能得以提升。他進一步指出，透過 M365 進階資料落地服務（Advanced Data Residency，ADR），臺大醫院在資料駐留與法規遵循上更具彈性且能因應政策調整，並作為強化醫療韌性的基礎。 台灣微軟公共業務事業群總經理陳守正表示：「微軟很高興能和臺大醫院攜手，共同推動醫療數位轉型。透過 Microsoft 365 平台，得以將數位能力真正延伸至每位醫護與行政人員，讓技術賦能不只是口號。微軟在台區域資料中心的啟用進一步化解醫療機構上雲的合規疑慮，讓臺大醫院在法規遵循與資料安全無虞，全力推動智慧醫療的創新實踐。」 智慧資安防護，守護醫療資料安全 除雲端基礎建設與合規布局，資安防護亦是上雲首要考量。針對醫療機構的資安攻擊手法日益多元，其中釣魚郵件仍是常見的入侵途徑之一。為強化郵件防護，臺大醫院採用 Microsoft Defender for Office 365（MDO），在 Office 365 […]

Hugging Face 推機器人 App Store：開源機器人進入應用生態時代

從社群、娛樂到工作協作，現代人的各種需求幾乎都能透過 App 完成，但過去這些應用程式始終離不開手機。《VentureBeat》報導，如今成立 10 年、總部位於紐約、以開源 AI 模型與應用平台聞名的 Hugging Face，為其低成本開源桌上型機器人 Reachy Mini 推出 App Store，標誌運算平台正從「手機中心」轉向「實體機器人」的新階段。 從破萬銷量到 App 生態，Reachy Mini 打造機器人開發新入口 Reachy Mini 為 Hugging Face 於 2025 年 7 月推出的開源桌上型機器人，售價 299 美元起，是該公司收購法國機器人新創公司 Pollen Robotics 後的成果之一。自去年上市以來，該機器人已累計售出約 1 萬台。Reachy Mini 提供兩種版本：Lite 有線版（299 美元）需連接外部電腦運算，以及 Wireless 無線版（449 美元）內建 Raspberry Pi CM4，可獨立運作並支援 Wi-Fi。 這款小型機器人內建攝影鏡頭、麥克風與喇叭，並可透過 Hugging Face 的 AI 代理工具 ML Intern […]

一張圖就能讓機器狗失控：VicOne 執行長鄭奕立揭 AI 機器人的 5 大資安攻擊面與 3 步驟解方  

「未來基本上就是 AI 對 AI，」談到未來的資安格局，VicOne 執行長鄭奕立強調，隨著生成式 AI 技術快速成熟、具身 AI（Physical AI）迎來爆發期，AI 正跨越螢幕與雲端，擁有能直接影響現實世界的身體與大腦。 面對這波從虛擬邁向物理世界的全新挑戰，VicOne 憑藉過往在全球軟體定義汽車領域累積的深厚防護經驗，積極將資安戰線從智慧車延伸至機器人、無人載具與無人機等領域，防範失控的 AI 模型對周遭人類帶來的致命風險。 AI 機器人的資安挑戰不只在模型，也在硬體極限 從底層架構來看，智慧車與機器人的軟體架構及通訊協定高度相似，但在 AI 模型的感知與控制上，卻有著顯著差異。鄭奕立解析，車用 AI 模型的主要任務是「防撞」，仰賴視覺與距離感測，本質上偏向 2D 空間的運作。然而，因為機器人有實際執行任務的需求，在做拿取物品、削水果等複雜動作時，就必須具備強大的「空間智慧（Spatial Intelligence）」，才能讓 AI 精準判斷環境的厚度、深度與距離。 更具挑戰的是硬體的先天限制。鄭奕立指出，傳統 IT 領域為了控制成本，機器人的硬體算力通常設計得「剛剛好」。這代表企業的思維不能像過去買傳統 PC 一樣，「買回來覺得需要再安裝防毒軟體」，因為機器人其實沒有多餘的容量安裝後加的防護程式。因此，鄭奕立提醒，這種硬體極限，將徹底顛覆企業「先買設備、再想資安」的傳統採購習慣。 一張圖就能讓機器狗失控：VicOne 揭 Physical AI 的五大攻擊面 VicOne 團隊也現場展示一隻內建 AI 視覺模型的機器狗。這隻機器狗在辨識到特定圖像時，原本的設定是會做出「比愛心」的動作；然而，一旦在視覺鏡頭前貼上一張特別設計的圖像進行視覺干擾後，機器狗的認知就會瞬間被扭曲，立刻失控轉為對著目標「揮拳攻擊」的模式。 鄭奕立解釋，這並非遙控作假，而是真實打中了 AI 模型的軟肋。當機器人將捕捉到的視覺影像轉換為語言模型來理解並執行動作時，若系統底層的安全護欄（Guardrails）沒有建置完善，那麼駭客僅憑一個簡單圖像，就能輕易達成提示詞注入（Prompt Injection），進而竄改機器人的控制權。 透過這個案例，鄭奕立進一步剖析，針對機器人的資安攻擊面主要可劃分為五大維度。除了上述最核心且最危險的 AI 模型攻擊之外，還包含直接針對機械設備漏洞下手的物理硬體層面、利用視覺或干擾 GPS 訊號的感知層面、鎖定機器人為了防盜與管理而勢必需要連網的雲端與軟體應用，以及最容易成為攻擊突破口、如同入侵手機與物聯網一般脆弱的無線通訊領域。 機器人進入實體場域後，資安防線不只要防駭客也要防環境誤導 「機器人的資安防禦，其實比純數位環境更難搞定，」鄭奕立坦言，建立機器人資安防護的過程中，最大的痛點在於現實世界充滿不可控的變數。當機器人走入家庭或複雜工廠，隨便一張亂丟在旁邊的報紙廣告、或是一本童話書，只要落入機器人的視覺範圍，都可能讓 AI 模型產生非預期的認知與設定。 同時，攻防雙方也處於極度不對等的狀態。在「AI 對 […]