<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（0417～0423）</span></h3>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Google Cloud </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 代理 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> TPU </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google Cloud 喊出「代理型企業」元年，和泰汽車靠無程式碼Agent減少三成資料整理工時</strong></span></p>
<p>Google Cloud這周在Next '26大會上一口氣揭露不少亮點，首先是正式宣告「代理式企業（Agentic Enterprise）」時代到來，主打企業級代理平臺Gemini Enterprise Agent Platform，來整合模型選用、代理建置、治理和效能最佳化的端對端平臺。該平臺是原本Vertex AI平臺的全面進化，新增了代理調度、代理身分識別等企業級管控機制。</p>
<p>再來，在硬體端，Google同步推出第八代TPU雙晶片架構，包括訓練AI用的TPU 8t和推論用的TPU 8i，後者每算力單位成本比上一代要好80%，意味著相同預算可支援近雙倍的終端用量。</p>
<p>與此同時，Google Cloud也揭露和泰汽車的落地案例。和泰透過平臺內的無程式碼Agent Designer自建AI助手，內部資料整理時間減少30%，員工可更專注於高價值的決策。這種「業務單位自建、無需工程團隊介入」的模式，正是Google力推的AI代理普及方向，也切中臺灣中大型企業IT資源有限、但數位轉型壓力日增的現實處境。</p>
<p>此外，Google Cloud也在資安層面整合威脅情報和Wiz平臺，針對AI代理行為異常偵測提出新機制，試圖解決「代理部署後失控」的治理盲區。<a href="https://blog.google/intl/zh-tw/products/cloud/the_dawn_of_-the_agentic_enterprise_at_next_26/">（詳全文）</a></p>
<p><img alt="" src="/sites/default/files/images/Screenshot%202026-04-25%20at%201_51_10%E2%80%AFPM.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Google Cloud </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI代理 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Wiz </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Google Cloud Next '26還藏了3大AI代理重頭戲</strong></span></p>
<p>在完整的Google Cloud Next '26英文主題演講中，還有3大AI代理重頭戲。第一是代理型資料雲Agentic Data Cloud，Google提出跨雲資料湖架構，以Apache Iceberg為標準，企業資料可留在AWS或Azure、不必搬移，就能直接透過Google的AI代理查詢使用。配套推出的Knowledge Catalog，則可透過語意圖譜自動標記、定義企業資料間的關聯邏輯，讓代理在執行任務時有可信的業務脈絡可循，而非憑空推理。這套架構，直接回應了多雲環境下資料孤島的老問題，也是代理能否真正「理解企業」的基礎建設。</p>
<p>第二是Wiz的紅藍綠三色代理。今年Google完成收購Wiz後，首度在年會上展示整合成果：紅色代理（Red Agent）模擬攻擊者行為主動探測漏洞、藍色代理（Blue Agent）跨雲端遙測彙整威脅情境、綠色代理（Green Agent）持續分析高風險問題並生成修補建議。這套組合將資安工作從人工觸發推向自動巡邏，對SOC人力吃緊的企業有著實質幫助。</p>
<p>第三是Workspace Intelligence的語意統一層。Google稱，生產力工具Workspace正從「應用程式套件」進化為跨Gmail、文件、雲端硬碟、Chat的統一語意層，讓AI代理能以使用者的真實工作脈絡為基礎行動，而非只是一個個去操作單一應用。<a href="https://cloud.google.com/blog/topics/google-cloud-next/welcome-to-google-cloud-next26">（詳全文）</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">OpenAI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> GPT-5.5 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 自主 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>OpenAI揭露最新模型GPT-5.5，少給指令也能自主完成複雜任務</strong></span></p>
<p>OpenAI最近發布最新模型GPT-5.5，強調「更聰明、更直覺」，使用者不必逐步下指令，只丟給它雜亂、多步驟的任務，模型就會自行規畫、使用工具、驗證輸出並持續推進，直到完成任務。OpenAI共同創辦人Greg Brockman稱其為「新一類智能」，是邁向代理運算的重要一步。</p>
<p>在自主工具使用上，GPT-5.5能操作電子郵件、試算表、行事曆等應用程式，還能自動判斷如何使用MCP server，不需要使用者額外解釋。OpenAI也透露，GPT-5.5還實際優化了他們資料中心的排程軟體；這套軟體負責把使用者的推論請求分配到GPU各核心，GPT-5.5找到更有效率的分配方式，讓Token生成速度提升逾20%，等於幫自己跑得更快。</p>
<p>GPT-5.5共有兩個版本：標準版GPT-5.5和更強大的GPT-5.5 Pro，後者在法律、商業、教育和資料科學等領域表現大幅進步，但價格也更高。在效能上，GPT-5.5在程式開發、電腦操作、知識工作和早期科學研究等場景進步最明顯。其中，模型在Terminal-Bench 2.0指令列工具測試中拿下82.7分，高於Claude Opus 4.7的69.4分。</p>
<p>GPT-5.5目前先開放給Plus、Pro、Business、Enterprise用戶在ChatGPT與Codex使用，API存取則因需額外的資安防護機制，預計近期才會上線。<a href="https://openai.com/index/introducing-gpt-5-5/">（詳全文）</a></p>
<p><img alt="" src="/sites/default/files/images/Artificial%20Analysis%20Intelligence%20Index.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> DeepSeek </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> MoE </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 開源 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>DeepSeek推出V4系列開源模型，1.6兆參數支援百萬Token上下文</strong></span></p>
<p>DeepSeek最近在Hugging Face上架V4系列模型，包含兩款混合專家（MoE）架構的大語言模型：參數規模達1.6兆、每次推論動用49B參數的DeepSeek-V4-Pro，以及較輕量的284B參數、推論時啟動13B的DeepSeek-V4-Flash，兩款模型都支援高達100萬Token的超長上下文，採MIT授權開源釋出。</p>
<p>這次V4系列在架構上有幾個關鍵升級。首先是混合注意力機制，結合壓縮稀疏注意力（CSA）與重度壓縮注意力（HCA），在百萬Token的情境下，推論所需的運算量只有上一代V3.2的27%、KV快取也只需10%，大幅降低長文本推論的資源消耗。此外，新一代模型導入Muon最佳化器，加快模型收斂速度，還採用流形約束超連接（mHC）強化訓練穩定性。</p>
<p>在效能表現上，V4-Pro其下最強推論版本DeepSeek-V4-Pro-Max，在程式開發測試LiveCodeBench中拿下93.5分，超越了Gemini 3.1 Pro（91.7）和Claude Opus 4.6（88.8），在Codeforces競程評級也達3206，是目前開源模型中分數最高的。不過，在通用知識與代理任務上，Gemini 3.1 Pro仍有明顯優勢。</p>
<p>V4系列模型支援三種推論模式：快速回應的Non-think、邏輯分析的Think High，以及全力推理的Think Max，讓使用者依任務需求自行調配運算資源與回應品質。<a href="https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro">（詳全文）</a></p>
<p><img alt="" src="https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/resolve/main/assets/dsv4_performance.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> OpenAI </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 臨床文件 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 文獻查詢 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>OpenAI推出醫護專用免費AI工具，臨床文件、醫學文獻查詢一手包辦</strong></span></p>
<p>OpenAI最近推出一款醫療AI工具ChatGPT for Clinicians，免費給美國具證照的醫師、執業護理師、醫師助理及藥劑師使用，並計畫擴大推向其他國家地區。</p>
<p>這款工具聚焦臨床工作流程，功能涵蓋轉介信、事前授權、病患指令等重複性文件處理，以及標註來源的臨床資訊查詢，醫護人員也可指派ChatGPT查詢醫學文獻並整理成報告。值得一提的是，醫護人員在研究臨床問題時，經過合格的審查，可自動計入持續醫學教育（CME）學分，無需另外申請。</p>
<p>工具底層採用GPT-5.4模型，OpenAI表示，在醫療基準測試HealthBench Professional中，模型表現優於其他競爭者模型，甚至是人類醫師。該工具的對話內容不會用於訓練模型，也支援HIPAA規範。值得釐清的是，ChatGPT for Clinicians是針對個人執業者的免費工具，與今年1月推出、專門給醫療機構的付費方案OpenAI for Healthcare定位不同，兩者並非同一產品。<a href="https://openai.com/index/making-chatgpt-better-for-clinicians/">（詳全文）</a></p>
<p><img alt="" src="https://images.ctfassets.net/kftzwdyauwt9/6y1gChhlzGAWFGb0vTBlAR/9727792ee647e46c5fe05e2182d69e2f/Trusted_medical_search.png?w=3840&q=90&fm=webp" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 金融 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 大型語言模型 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 金管會 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>16家金融業者聯手打造本土金融大語言模型，預計年底推出</strong></span></p>
<p>由金管會指導的金融科技產業聯盟，最近宣布啟動金融大語言模型（FinLLM）專案，由中信金控、富邦金控、國泰金控、台新新光金控等16家國內金融機構共同參與，目標是要打造熟悉臺灣在地金融法規和產業知識的專用大語言模型，預計今年第3季完成初版、年底推出最終版。</p>
<p>推動這項專案的初衷，是因為現有通用型大語言模型大多以國際語料訓練，直接套用，容易出現法規適用錯誤或資訊偏差。相較於各家金融機構各自重複開發，這次採聯合開發模式，結合數發部主權AI語料庫、金管會法規資料、政大金融教科書等資源，以開源大語言模型為基礎進行訓練，由本土技術團隊APMIC負責模型調校，政大則建立評測標準。</p>
<p>就技術來說，這次專案並非取代目前金融業普遍採用的RAG架構，而是走「內化訓練加上RAG外掛知識庫」的混合模式。中信金控資訊長賈景光以「考前翻書」比喻RAG，金融大語言模型則是「真正學會」，將法規與產業知識直接內化到模型裡面，提升推理能力和回應一致性，特別適合授信判斷、財務分析等複雜場景。</p>
<p>模型完成後將先供16家金融機構優先使用，各機構可結合自家知識庫建立內部專用模型，後續也會開放商業授權給其他金融機構。長遠來看，賈景光認為這套模型可作為邁向「數位行員」的基礎，但考量金融業監理要求，短期仍以人機協作為主。<a href="https://www.ithome.com.tw/news/175239">（詳全文）</a></p>
<p><img alt="" src="https://www.ithome.com.tw/sites/default/files/images/%E6%88%AA%E5%9C%96%202026-04-22%20%E4%B8%8B%E5%8D%885_49_14.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 臺灣港務公司 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 智慧港口 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI辨識 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>臺灣港務公司推智慧港口轉型，AI從車流辨識到不明船舶偵測全面上陣</strong></span></p>
<p>掌管全臺9大商港的臺灣港務公司，正積極將AI導入港口日常營運。資訊處資深副處長林欣緯指出，AI和ESG是當前港口面臨的兩大核心壓力，成為「不得不為」的任務。</p>
<p>在AI應用上，港務公司已在多個場景落地。比如車流管理方面，透過影像辨識與RFID技術，每日處理約3萬筆車輛進出，辨識準確率近99%，取代過去人工紙本作業。船舶管理方面，則整合雷達、感測器和氣象資料的VTS系統，可進行航道監控與碰撞預警，並進一步偵測不明船舶靠近敏感水域、判斷船舶是否偏離航道或違規停留。在貨物裝卸方面，AI輔助起重機精準吊掛，林欣緯形容貨櫃作業「就像夾娃娃」，需要極高精度，AI可有效降低人為操作風險。</p>
<p><img alt="" src="https://www.ithome.com.tw/sites/default/files/images/%E6%93%B7%E5%8F%96(36).JPG" /></p>
<p>ESG方面，港務公司建置環境監測系統，持續蒐集港區空氣品質、水質與噪音數據，透過資料分析找出污染熱區與異常來源，讓管理單位在面對環保壓力時更具主動性。能源管理上，則導入智慧調度系統，依電價變化決定儲電或釋電時機，達到削峰填谷效果，兼顧成本控制、供電穩定。</p>
<p>推動策略上，港務公司的做法與多數企業不同——不由資訊部門集中開發，而是以「全民AI」為目標，透過工具與培訓讓各部門自行發展應用，從基層到高階主管都參與其中，目前內部已累積近200小時培訓時數。這個方向背後的邏輯是：最了解業務痛點的人在現場，而不在IT部門，讓使用者自己找到AI的用法，比由上而下指派更容易真正落地。</p>
<p>支援這些應用的基礎，則是港務公司近年將核心系統逐步上雲。這麼做，不只提升系統韌性、應對每月高達上百萬次的DDoS攻擊，雲端架構還讓跨系統的資料整合更有彈性，為後續AI擴展奠定基礎。<a href="https://www.ithome.com.tw/news/175217">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> OpenAI </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 圖片生成 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Images 2.0 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>OpenAI推出ChatGPT Images 2.0，首度整合思考能力、支援中文等多語生成</strong></span></p>
<p>OpenAI最近推出首個整合思考能力的圖片生成模型ChatGPT Images 2.0，開放給所有ChatGPT用戶使用，包括免費版。這次的最大升級是導入思考（Thinking）模式——付費版用戶啟用後，模型會主動搜尋網路即時資訊、一次產出多張圖片，並重複驗證輸出結果，特別適合需要精準資訊與視覺一致性的複雜任務。</p>
<p>相較於去年12月的Images 1.5，這次在圖像生成能力上也全面強化，能處理小塊文字、圖示設計、UI元素、繁複構圖與排版，全部提供2K解析度，單張圖片內可包含分鏡圖或多欄位文字與圖表的雜誌版面，是過去圖片生成模型難以處理的場景。</p>
<p>多語支援是另一個亮點。Images 1.5僅支援簡單英文與拉丁語系，Images 2.0則能生成中文、日文、韓文、北印度語等非拉丁語系文字，且文字融入設計本身，而非單純標籤翻譯，因此適合製作海報、漫畫、廣告等圖文並重的內容。值得注意的是，Thinking功能僅限Pro及Plus方案用戶，免費版只能使用基本ImageGen模型，Pro方案則可進一步使用ImageGen Pro。<a href="https://openai.com/index/introducing-chatgpt-images-2-0/">（詳全文）</a></p>
<p><img alt="" src="https://images.ctfassets.net/kftzwdyauwt9/3IdBQyOlVNdmSCdUjK0zYT/e05480b1b44cc06d6ff2b357c3f80855/introducingchatfinal.jpg?w=3840&q=90&fm=webp" /></p>
<p>圖片來源／Google Cloud、DeepSeek、OpenAI</p>
<p>攝影／蘇文彬</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI近期新聞 </span></strong></span></p>
<p><strong>1. <a href="https://www.ithome.com.tw/news/175281">微軟預覽Foundry Agent Service託管代理人服務，強調治理及BYOC</a></strong></p>
<p><strong>2. <a href="https://www.ithome.com.tw/news/175295">Claude Code降智非錯覺，Anthropic承認產品層變更造成品質下滑</a></strong></p>
<p><strong>3. <a href="https://www.ithome.com.tw/news/175257">行政院投入近31億元建置逾2千處淹水感測器，串聯近萬監視器，靠AI強化淹水預警及應變能力</a></strong></p>
<p>資料來源：iThome整理，2026年4月</p>
<div id="gtx-trans" style="position: absolute; left: 686px; top: 9879.67px;">
<div class="gtx-trans-icon"> </div>
</div>
</div></div></div>
