<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"><h3><span style="vertical-align: top; color: rgb(0, 0, 255);">重點新聞（1107～1113）</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 國網中心 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI RAP </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI應用開發 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>百家單位搶先試跑！國網中心AI RAP讓AI開發從難題變快煮料理</strong></span></p>
<p>國研院國網中心在11日揭露Taiwan AI RAP平臺暨TAIDE模型試營運成果，涵蓋農牧、教育、醫療、金融和企業日常等場景，今年12月1日將正式營運收費。國網中心點出，AI RAP平臺的目的是要降低AI應用開發門檻，由國家提供算力和底層軟硬體服務，讓使用者更輕易開發應用，加速百工百業採用AI。</p>
<p>國網中心技術總監林昀德比喻，AI RAP平臺就像是智能快煮鍋，提供多種食譜（LLM）和炊具（服務），讓使用者的食材（資料和問題）可以快速煮出一道好菜（AI應用）。進一步來說，該平臺不只有高彈性的雲端環境和高效算力，還提供客製化流程設計前臺、多模型API服務、模型微調與評估工具，並鼓勵使用者開發的AI服務與平臺合作，形成AI聚落。</p>
<p>這次試營運期間共有103個單位採用AI RAP、所開發的AI應用橫跨了25個應用領域，以公共服務、醫療、技術開發為大宗。比如，國研院科政中心打造了iVoice個人化語音智能代理，能快速將語音轉錄為文字，並針對文字內容分析，也能對談互動；又或是農業科技研究院組長洪郁婷開發「豬事問AI」系統，農民透過簡單文字或語音輸入，就能查詢豬隻健康資訊與環境數據，且該系統還採用了包含中研院團隊開發的YOLOv7等物件偵測模型，可辨識豬隻狀態。而高雄榮總醫師林博翔開發ER-Pulse智慧交班平臺，可加速急診交班事項的撰寫，將原需數分鐘的人工作業縮短至數秒。國網中心預告，他們將持續維運平臺和發展模型外，今年12月還會啟用臺南科學園區的國網雲端算力中心，預計2029年公部門算力將到達480PFLOPS。<a href="https://www.nchc.org.tw/Message/MessageView/4023?mid=46&page=1">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/IMG_8270.jpg" /></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/IMG_8271.jpg" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Meta </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 語音辨識 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> LLM </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Meta推全球最強語音AI，一次聽懂1,600種語言</strong></span></p>
<p>Meta日前推出最新全語言自動語音辨識系統Omnilingual ASR，一次支援超過1,600種語言，是目前支援度最廣的語音AI。這項技術由Meta FAIR團隊開發並開源，目標是要縮小語音AI的語言落差。</p>
<p>Meta指出，長久以來，傳統語音辨識一直聚焦高資源語言，反而忽視了許多弱勢語言。為解決這個問題，Meta將wav2vec 2.0模型參數擴展至7B，並搭配CTC解碼器和基於Transformer的LLM-ASR解碼器，來打造Omnilingual ASR。這些特性，讓模型遇到資料稀少的語言時，也能快速學習、達到可用的準確度。整體而言，在78%的語言中，系統字元錯誤率（CER）低於10%，展現高度泛化能力。</p>
<p>此外，該系統還支援「Bring Your Own Language」功能，只需少量音訊樣本，就能擴展新語言。Meta還同步開源350種弱勢語言語料庫，期望打造能真正服務全球文化的語音基礎設施。<a href="https://ai.meta.com/blog/omnilingual-asr-advancing-automatic-speech-recognition/">（詳全文）</a></p>
<p><img alt="" src="https://scontent-tpe1-1.xx.fbcdn.net/v/t39.2365-6/576960745_1209180377769385_6702108631461736038_n.png?_nc_cat=105&ccb=1-7&_nc_sid=e280be&_nc_ohc=z8fEk8EvDMUQ7kNvwHR3sVU&_nc_oc=Adnsdi8Z0o2_fM1FYhTXQ9MoaLuwSpmPscODZwIxq8C-XAas4XFPGvQZ0s32fJv-aFc&_nc_zt=14&_nc_ht=scontent-tpe1-1.xx&_nc_gid=T0AqVmdaAsM3_bc3XeZrAw&oh=00_AfjmaRbt60HTljSuFn31PgWofd6hxYBqM3BZfi2JTK9Esg&oe=69315F66" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Google </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 巢狀學習 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 災難性遺忘 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Google用「巢狀學習」讓模型記住舊知識</strong></span></p>
<p>AI最大痛點之一，就是一邊學新資料、一邊洗掉舊知識，也就是所謂的災難性遺忘。Google最近揭露一項巢狀學習（Nested Learning）新技術，從訓練流程本身下手，來解決這個問題。</p>
<p>巢狀學習原理很簡單，就像是把一個大模型拆成多個「不同更新頻率」的小學習模組，有些快速更新、吸收新資訊，有些慢速更新、負責維持長期記憶。這些模組透過自己的脈絡資訊流（Context Glow）傳遞脈絡，讓資訊能跨短、中、長時間尺度整合，不會因為梯度更新太快，就把舊特徵覆蓋掉。</p>
<p>Google也同時提出連續體記憶系統，主張AI記憶不是只有短期、長期兩種，而是像光譜，以不同速度更新、形成多層次記憶結構，概念上更接近大腦神經可塑性的記憶鞏固，在吸收新知識的同時更能保留舊知識。</p>
<p>為驗證這套想法，Google開發一個會「自己調整學習方式」的實驗模型Hope。它能同時在多層級調整參數，包含快速梯度更新、慢速結構化記憶更新，甚至調整自己的學習規則。結果證明，採用巢狀學習後，模型更穩了；Hope的語言建模困惑度更低、常識推理更準，長內容任務的記憶管理也明顯贏過TTT、Mamba2等主流架構。<a href="https://research.google/blog/introducing-nested-learning-a-new-ml-paradigm-for-continual-learning/">（詳全文）</a></p>
<p><img alt="" src="https://storage.googleapis.com/gweb-research2023-media/images/NestedLearning-1a-Inspiration.width-1250.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 李飛飛 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 世界模型 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> World Labs </span></strong></span></p>
<p><span style="font-size:22px;"><strong>一句話、一張圖就能生成一個3D世界，李飛飛新創推Marble模型</strong></span></p>
<p>由李飛飛成立的新創公司World Labs，最近結束兩個月的封測、正式公開旗下生成式世界模型Marble。這款模型可根據文字、圖片、影片，甚至是粗略的3D布局，生成完整的3D世界，並支援互動式編輯和擴展。</p>
<p>簡單來說，Marble支援文字轉世界（text-to-world）、影像轉世界（image-to-world）、多圖輸入與影片驅動等模式，生成的3D世界可輸出為高斯噴濺、三角網格、collider meshes或像素級鏡位控制的影片。新版也加入AI原生世界編輯工具，可直接移除物件、變換風格或調整結構。</p>
<p>World Labs還同時推出實驗性的3D雕刻模式Chisel，使用者可先搭出粗略空間，再用提示詞套上風格。隨著Marble的公開，World Labs也推出創作者工作區Marble Labs，提供工作流程、案例和文件。團隊認為，Marble是邁向更廣義空間智能（Spatial intelligence）的第一步，未來世界模型將讓人類與 AI 代理以全新方式互動。<a href="https://www.worldlabs.ai/blog/bigger-better-worlds">（詳全文）</a></p>
<div class="media_embed" height="251px" width="447px">
<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen="" frameborder="0" height="251px" referrerpolicy="strict-origin-when-cross-origin" src="https://www.youtube.com/embed/MPUdY6WSapw" title="Welcome to Marble!" width="447px"></iframe></div>
<p> </p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Google DeepMind </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> SIMA 2 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Gemini </span></strong></span></p>
<p><span style="font-size:22px;"><strong>DeepMind揭SIMA 2，能自主學習的3D多世界AI代理</strong></span></p>
<p>Google DeepMind最近發布SIMA 2，是一款可在3D虛擬環境中推理、協作並自主學習的多世界AI代理，更接近「通用且能幫忙的AI代理」了。SIMA 2以Gemini為核心，能理解高階目標、推演行動計畫，也能向使用者解釋任務流程，操作起來更像是一起合作，而非單純遵從指令。</p>
<p>相較於學會遊戲中600多項技能的SIMA 1，SIMA 2在泛化能力顯著提升，能在從未遇過的遊戲（如ASKA、MineDojo）成功執行複雜任務，並把在一款遊戲中學到的概念，套用到其他世界。SIMA 2的亮點還包括自我改進能力，能在人類示範後，改由Gemini生成任務與獎勵，透過自我學習修正失敗行為。團隊指出，SIMA 2仍在研究階段，目前僅提供少量研究者與開發者預覽使用。未來，這類代理的能力有望延伸至機器人導航、工具操作與協作任務。<a href="https://deepmind.google/blog/sima-2-an-agent-that-plays-reasons-and-learns-with-you-in-virtual-3d-worlds/">（詳全文）</a></p>
<p><img alt="" src="https://lh3.googleusercontent.com/oqE253tRR_rEr401Wac7gVZfmQaaq6KNOq2G0eCmUh8IrSqvcs3miosBnxv5_kW72pUCt1v6CCkT_CVOz1WX3C0aU-yEQVglpr-JpVbkVxpBAS79=w2880-h1620-n-nu-rw-lo" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Visual Studio </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> IDE </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 效能 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Visual Studio 2026上線，更快更聰明、更多AI</strong></span></p>
<p>微軟正式推出Visual Studio 2026，主打速度更快、更新更容易、AI直接做到核心。最大變革是IDE與.NET和C++工具鏈正式分家，開發者以後可以只更新IDE，不必連編譯器一起升級，穩定度大幅提升。VS 2022的專案和4,000多款擴充功能，也都能在新版直接沿用。</p>
<p>這次在效能上也下重本。微軟重新調整大型專案的載入流程，官方測試發現，介面凍結時間比VS 2022少一半，上百項專案的企業級解決方案也能更快進入可操作狀態，整體體感更順。</p>
<p>AI則是這次更新的核心。VS 2026被視為AI原生IDE，將AI直接融入除錯、效能分析和現代化工具，而非只是外掛。比如全新的Copilot Profiler Agent分析器代理能自動抓出程式瓶頸，並給改善建議，Copilot也首度支援C++（目前為私人預覽版）。介面部分也更現代化，Markdown還能直接繪製Mermaid圖表，方便寫架構與文件。VS 2026現已開放下載，現有訂閱戶可直接啟用。<a href="https://devblogs.microsoft.com/visualstudio/visual-studio-2026-is-here-faster-smarter-and-a-hit-with-early-adopters/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Google </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 雲端 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 隱私 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google推出Private AI Compute，雲端跑AI但更顧隱私</strong></span></p>
<p>Google最近發布Private AI Compute，可讓Gemini在雲端處理敏感資料，但仍維持接近裝置端的隱私標準。Google認為，AI越來越個人化，許多推理需求已經超出手機負荷，因此必須把運算放到雲端，但又得兼顧隱私、不能讓資料被雲端業者看到。</p>
<p>因此Google推出Private AI Compute，可雲端處理使用者資料，且Google無法存取，推理完成後立即刪除。若需分析趨勢，則使用機密聯邦分析，僅輸出差分化匿名資料。首批採用Private AI Compute的產品為Pixel 10，其即時情境建議功能Magic Cue與Recorder跨語言摘要功能等將可在更安全的雲端環境中執行。<a href="https://blog.google/technology/ai/google-private-ai-compute/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 思科 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 邊緣AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 平臺 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>為代理型AI而生！思科推高效能統一邊緣平臺</strong></span></p>
<p>思科日前推出Cisco Unified Edge統一邊緣平臺，把運算、網路、儲存和安全整合成單一系統，將資料中心等級的效能，延伸到資料生成現場，專為 代理型AI和即時推理所設計。隨著75%的企業資料在邊緣產生，代理型AI流量又比聊天機器人高25倍，傳統的集中式架構已無法負荷。</p>
<p>思科看好邊緣AI需求，推出Unified Edge平臺，主打模組化＋可擴充，比如CPU和GPU可自由配置，也具備備援電源、散熱和SD-WAN，還提供預先驗證的部署藍圖。結合Intersight可集中管理、零接觸部署，搭配ThousandEyes和Splunk提供端到端可見度，方便在大規模門市、工廠或分支據點布建AI。</p>
<p>該平臺也具備多種安全措施，如多層零信任、硬體防篡改、深度遙測、政策一致性和審計軌跡等，保護AI模型與資料工作流程。思科表示，Unified Edge可讓企業在產線、零售門市、醫療機構等場域直接執行AI推理和AI代理，讓AI更貼近決策現場。該平臺已開放預購、預計年底上市。<a href="https://newsroom.cisco.com/c/r/newsroom/en/us/a/y2025/m11/cisco-unified-edge-platform-for-distributed-agentic-ai-workloads.html">（詳全文）</a></p>
<p><img alt="" src="https://newsroom.cisco.com/c/dam/r/newsroom/en/us/assets/a/y2025/m11/PS_AI-infrastructure_1200x675_Press-Release.jpg" /></p>
<p>圖片來源／Meta、World Labs、Google、DeepMind、思科</p>
<p>攝影／王若樸</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI近期新聞 </span></strong></span></p>
<p><strong>1. OpenAI GPT-5.1登場，強調更人性化、更自然</strong></p>
<p><strong>2. Anthropic將斥資500億美元打造美國兩大AI資料中心</strong></p>
<p>資料來源：iThome整理，2025年11月</p>
</div></div></div>
