<p>專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚 當 AI 正在為各產業領域帶來創新突破，在車隊管理方面，可以透過哪些技術應用，為物流商用車隊提升管理效率與行車安全？本集《全新一週》專訪動見科技創辦人暨執行長、國立臺灣大學電機工程學系教授周俊廷，以及緯創資通企業投資辦公室總監秦北辰，深入探討動見科技的創新 AI 技術，同時剖析緯創資通對台灣新創生態的深刻洞察。 追求 AI 影像辨識的「精確率」 作為以邊緣 AI 影像辨識技術起家的物流科技公司，動見科技透過 AI 影像辨識，以 DaaS (Data as a Service) 平台為主力產品，能即時協助商業車隊的客戶與司機辨別路上的各種潛在危險與違規行為。例如當司機闖紅燈，系統會先提示，若仍闖過，違規結果會自動剪輯成影片並上傳，讓車隊管理者即時收到通知。此外，平台還提供數據與熱點分析，協助管理者了解特定行為或地點容易發生問題，並在線上進行矯正，提供一站式 AI 車隊管理解決方案。 關於 AI 辨識的衡量方式，包含精確率與捕獲率，周俊廷以「法官」為喻，梳理兩者的差異。「我常常問客戶，你比較希望每個犯人都被定罪，還是你希望監獄裡沒有誤殺？」周俊廷分析，「捕獲率」就像「所有犯人都被定罪」，若極端追求捕獲率，可能導致「誤殺」發生；至於「精確率」則是不希望有任何的「誤殺」或「冤獄」，雖然保證「零誤判」，但也可能縱放犯人。 在捕獲率與精確率之間，為什麼動見科技最後選擇走向「精確率」這一邊？「我們的選擇是不希望誤殺，因為一旦誤殺會罰錯人，你的司機也會不相信你，」周俊廷表示，儘管在追求精確率的過程中，可能造成少數「縱放」的情況，但這樣的選擇會更符合司機信任與實際操作需求。 現在正是台灣新創最具挑戰，也最具機會的關鍵時刻 作為動見科技持續成長的關鍵助力，緯創資通展開投資的契機，源於五年前周俊廷與其他創辦人的一場分享。「五年前應該還沒有太多人理解什麼是 AI，那時候我們看到的是電腦視覺，當時周俊廷就已經展現動見科技團隊在電腦視覺方面的實力，」緯創資通企業投資辦公室總監秦北辰指出，緯創是以電腦科技起家的公司，對電腦視覺領域有深厚的技術知識，另外緯創也看見周俊廷將動見科技帶向具備商業模式與實際成績的潛力，以及從教授到創業家的快速調適能力。 後來，在緯創牽線下，動見科技以解決方案提供者的角色，與緯創共同向全球前三大物流公司 DHL 提案，並成功擊敗包含 Intel 在內的多家國際競爭對手，最終拿下此案，成為動見科技走向國際的重要里程碑。 至於緯創之所以開始系統性地投資新創，秦北辰解釋，「企業成長到一個程度，會在發展速度與商業模式上出現瓶頸，這時候如果可以迎接外來的、新的聲音與技術， 一定可以對企業內部團隊產生衝擊。」 「從前一陣子的新冠疫情到現在的美國關稅問題，我覺得目前是一個最有挑戰的時刻，可能也是最有機會的時刻，」 秦北辰強調，產業、國家與企業的升級，都離不開創新，特別是台灣缺乏石油、礦產等天然資源，因此創新更是突破瓶頸的唯一道路。 面對投資人的期待，周俊廷表示動見科技的下一個重要目標，就是在國外市場迅速擴展規模，並提升公司的估值。「台灣的新創一定要走出台灣，」周俊廷強調，及早驗證產品是否具備全球市場適應性，並主動在海外尋求成長，是動見科技與所有台灣新創必須儘早布局與深耕的策略。</p>
<p>由國內六個指標公協會共同發起的「台灣 AI 機器人產業大聯盟」，今（22）日於台北晶華酒店隆重舉行成立大會，蕭美琴副總統、立法院江啟臣副院長、國發會彭立沛副主任、國科會陳炳宇政務副主任委員及經濟部何晉滄政務次長等貴賓出席、共同見證大聯盟啟動。 本聯盟由台灣智慧自動化與機器人協會、台灣雲端物聯網產業協會、台北市電腦商業同業公會、台灣區電機電子工業同業公會、臺灣機械工業同業公會與台灣工具機暨零組件工業同業公會共同發起。期能結合臺灣在AI、機器人、資通訊、電機電子、機械製造與系統應用等產業強項、整合各界能量、帶領我國AI機器人產業邁向國際。聯盟並提出四大願景、五大訴求，並透過三大行動方案落實，最終達成四大目標：推動機器人平台規格化、四大核心系統國產化、落實八大領域運行及導入、2030年AI 機器人整體產值突破兆元。 蕭副總統出席 AI 機器人產業聯盟成立大會時致詞指出，「AI 機器人，是下一波工業革命的引擎」，未來將深度應用於空中、地面、水域等各類載具與產業場域，提升工作效率、解決高齡化、照護與缺工等社會挑戰。這場革命不在於取代人力，而是透過人機協作，創造更高價值。AI 機器人產業需整合感測、通訊、驅動、機械與應用創新等跨域技術，「團結台灣產業力量，以 Team Taiwan 精神站上國際舞台」。副總統強調，政府將持續推動法規調適、應用端開發與國際接軌，「科技創新不斷進化，政府是最堅強的後盾」，攜手產業打造台灣在全球的新戰略優勢。 立法院副院長江啟臣指出，當前最關鍵的課題，是如何從傳統製造業轉型為智慧產業，AI 不僅是一項技術，更是整合人才、科技、政策與國際合作的關鍵動能，是推動產業升級的核心力量。臺灣擁有完整的產業鏈與堅實的基礎條件，唯有擴大視野、果斷決策，才能在全球 AI 競爭中掌握先機，為臺灣產業開創全新定位，迎向智慧時代的未來。 智動協會（TAIROA）絲國一理事長指出，機器人是 AI 技術落地的重要載具，也是 AI 結合晶片、機械、資通訊與軟韌體等跨領域技術之複合系統。臺灣機器人發展至今已具有相當基礎的軟硬體產業鏈，在這個基礎上再加入 AI 將可使現有機器人產品升級，再加上六個公協會會員的攜手合作，在 AI 機器人關鍵零組件、共用平台、系統整合共同協力，將可真正打造 AI 機器人生態系、讓國產化機器人落地應用與全球輸出。 台灣雲協（CIAT）吳政忠理事長認為，人型機器人是臺灣科技產業下一個兆元應用的關鍵布局，台灣雲協特別成立「人型機器人 SIG」平台，將以 1. 解構技術與生態系（Decode） 2. 定位市場與定義需求（Requirements）3. 分工合作與共創（Co-Innovation）作為策略三步曲，積極推動 ICT 與機械產業的跨域軟硬體整合；雲端與地端的協作，充分鏈結 AI 機器人產業大聯盟資源，建構完整且具國際競爭力的產業生態系，讓臺灣在 AI 機器人發展上走在前端、立足全球。 台北市電腦公會（TCA）彭双浪理事長表示，臺灣擁有從半導體、晶片、感測模組到系統整合的完整 ICT 優勢，是推動 AI 機器人產業的最佳基地，隨著 AI 技術成熟，機器人應用正擴展至醫療、農業、餐飲、城市治理等多元場域，TCA 將持續整合 AI 新創、晶片、雲端與感測資源，透過公會各項平台促進跨域合作，加速技術落地與全球接軌。 機械公會莊大立理事長指出，臺灣在發展 AI 智慧機器人產業上，應以國家戰略思維推動產業整合，當前多數機器人硬體仍仰賴進口，亟需結合臺灣長期累積的精密製造基礎與客製化能力，由政府攜手產業建立自主關鍵零組件體系，並協助拓展市場出海口，以利臺灣在全球競爭中占有一席之地。 工具機暨零組件公會陳伯佳理事長表示，工具機業者正積極由核心零組件供應者，升級為智慧模組與應用整合者，透過關節結構加工、減速模組與伺服控制等關鍵技術切入高剛性動力模組市場，並結合雲端與應用端資源，構建模組平台，實現從精密製造邁向智慧應用的轉型。 […]</p>
<p>隨著人工智慧和大型語言模型在現代生活各層面的廣泛應用，這些模型的可信度和安全性已成為微軟等科技巨頭的重要考量。 微軟在其《2025 負責任 AI 透明度報告》中明確指出，負責任 AI 已成為該公司最優先的任務。這份報告是繼 2024 年 5 月首次發布後的第二版，詳細闡述了微軟如何看待 AI 技術的未來發展。 微軟認知到，在 AI 快速普及的同時，企業與消費者之間的信任缺口正在擴大，特別是在生成式 AI 系統面臨更複雜的應用場景時。另一方面，全球法規陸續上路，企業面臨前所未有的合規壓力，包括歐盟 AI 法案等新興法規，不僅要求企業建立完善的 AI 治理框架，更需要企業主動承擔技術倫理與社會責任。 微軟透過三大核心策略建構負責任 AI 微軟在此次透明度報告中描述其對「負責任 AI」的承諾，並提出三大核心策略因應當前挑戰。 首先，在投資負責任 AI 的基礎建設方面，微軟大幅加強了風險管理力度。該公司不僅擴展了對文字內容的監測能力，更將範圍延伸至圖像、音訊、影片等多模態生成內容的監控工具。這種全方位的內容治理方式正好也反映出生成式 AI 在現實應用場景日益複雜化的需求。另外，微軟還針對 AI 代理系統建立了額外的控制層級，確保這些系統在執行任務時仍能符合倫理標準和安全要求。 其次，在積極回應法規與治理標準方面，微軟採取了「主動分層」策略來應對歐盟 AI 法案與其他新興法規。 這種策略不是被動等待法規要求，而是主動預測並提前準備符合未來可能的監管標準。而微軟也為自己的客戶提供實作資源，協助他們進行法遵準備，這不僅體現了微軟作為技術供應商的責任感，也表現其對整個 AI 生態系統健康發展的承諾。 最後，報告也提到，微軟一直以來都在進行 AI 風險研究與紅隊測試，特別強調對社會技術議題的理解與應對。該公司的 AI 實驗室不僅推動 AI 系統在能力、效率和安全性方面的發展，更致力跨領域深入研究 AI 技術進步所帶來的社會技術挑戰。 加強管理供應鏈風險才有優勢 微軟在 AI 治理的視角不僅限於開發自家產品，更擴展到整個 AI 供應鏈的治理層面。他們明確供應鏈中各方的角色定位，並開發相應的風險評估工具。在現今複雜的 AI […]</p>
<p>面對 Shein、Temu 等低價線上平台來勢洶洶的競爭壓力，瑞典時尚品牌 H&M 正積極進行數位轉型，將 AI 技術導入營運核心，試圖重整門市布局與顧客體驗，鞏固其在全球快時尚市場的地位。 預測式 AI 強化供應彈性，掌握在地銷售趨勢 H&M 近年已在營運系統中廣泛應用預測式 AI，透過分析全球各地門市的銷售數據、尺碼分布、地區流行趨勢與顧客偏好，預測哪些商品與尺寸會在特定市場熱賣，並依據預測結果快速調整補貨、商品調度與上架策略。 這樣的數據導向不僅提升了 H&M 商品上架效率，也在疫情封控與供應鏈波動期間發揮關鍵作用──不只避免斷貨或滯銷風險，更提升補貨精準度與銷售轉換率。H&M 數位長 Ellen Svanström 表示：「我們需要能即時掌握市場動態，而 AI 協助我們更快做出反應，提供更符合需求的商品組合與服務。」 相較純線上品牌，H&M 藉由 AI 預測，不僅抓到數據機會，更讓 AI 成為門市營運效率的引擎。 生成式 AI 與 AI agent 有望強化門市互動體驗 除了預測性分析，H&M 也正在測試生成式 AI 和 AI agent 的應用場景。未來，這些技術有望成為品牌的「虛擬店員」，透過語意理解與圖像生成，不僅能為消費者即時推薦適合的單品與穿搭建議，也可自動產出符合品牌語調的行銷內容，應用於數位櫥窗、電子看板與店內廣告素材。 這類 AI 應用可能被部署在門市現場或手機端，扮演互動型數位顧問角色，讓消費者在逛街時獲得即時推薦與個人化服務，進一步模糊線上與線下的購物體驗界線（編按：H&M 已在線上商店導入生成式 AI 聊天機器人回答客服、訂單、運送、退貨等問題，並提供服裝建議）。 「我們相信，強化門市的實體體驗並與數位通路整合，是我們的關鍵優勢。」Svanström 表示，H&M 目前正將重心放在全球主要城市，優化實體門市規劃、體驗品質，讓每一間門市都不只是販售商品的據點，更是品牌與消費者深度互動的場域。 在快速變動的時尚零售市場中，H&M 的 AI 應用策略不僅是技術升級，更是品牌價值重塑的實踐。H&M 選擇以資料洞察與體驗設計為核心，深化實體門市的存在意義，讓每一筆銷售背後，都有更精準的理解與更個人化的溝通。 […]</p>
<p>資安公司 DomainTools 研究人員最新發現，有一種新型態的駭客攻擊手法，正在網路世界現形──駭客開始利用網域名稱系統（DNS）隱藏及傳遞惡意軟體，並成功越過傳統安全偵測建立的資安防線。這項發現不僅再次凸顯強化數位基礎設施資安防禦的重要性，更展現惡意軟體攻擊方式的重大轉變。 惡意軟體如何被分割與藏匿在 DNS？ DomainTools 研究人員指出，這些駭客的攻擊手法主要可以分為三階段。首先駭客會先將惡意執行檔轉換為十六進位格式，接著將這些十六進位編碼的檔案分割成數百個小型片段，最後這些片段會被儲存在多個不同子網域下的 DNS TXT 記錄中，形成一個散佈在不同位址的「惡意軟體拼圖」。 駭客隨後會使用指令碼工具查詢這些 DNS 記錄，並重新組裝分布在不同 DNS TXT 記錄的片段，最終成功重建完整的惡意軟體檔案。DomainTools 研究人員也懷疑，攻擊者可能利用生成式 AI 快速生成能夠重新組合惡意軟體片段所需的指令碼。若駭客真的借助生成式 AI，將使攻擊更加快速且高度自動化。 DomainTools 研究人員也發現，這些被重組的檔案有「Joke Screenmate」、「PowerShell 指令碼」這兩種惡意軟體類型。「Joke Screenmate」是一種惡作劇性質的軟體，會模擬破壞性動作、干擾使用者控制、顯示未經請求的內容並導致系統效能問題，雖然本身無害，但也顯現出駭客透過 DNS TXT 記錄藏匿惡意軟體的可行性。 此外，研究人員也在 DNS 記錄中發現惡意 PowerShell 指令碼，這些程式碼就像是駭客常用的「腳本」（stager scripts），主要任務是連接到駭客的「指揮中心」。例如研究人員發現這些腳本會連接到與 Covenant C2 框架相關的伺服器，一旦連線成功，駭客就能透過這個指揮中心，進一步下載並執行更多更具破壞力的網路攻擊。 為什麼 DNS 反而成為駭客隱身的「掩護」？ DomainTools 研究人員分析駭客能在 DNS 隱身這麼久的主因。相較於企業廣泛監控網路與電子郵件，DNS 流量卻經常被忽略，導致監控程度嚴重不足。另一方面，儘管 DNS 是數位基礎設施的骨幹，但經常被排除在可視性和合規性的規範之外。 此外，透過指令碼工具查詢 DNS 記錄並重新組裝惡意軟體的行為，並不會觸發常見的安全警報，這讓駭客可以「成功躲避偵測並在雷達下飛行」。最後，隨著 DNS over HTTPS (DoH) 、 […]</p>
<p>從按下快門前就對照片進行即時銳化，到通話過程中即時消除背景雜音，再到離線狀態下與AI 助理互動，裝置端 AI 正在重塑使用者的行動體驗。而 Arm 運算平台正是實現這些無縫互動體驗的強勁驅動力。 隨著 AI 工作負載變得日益複雜且已廣泛地應用於各個領域，行動開發者面臨的需求也與日俱增：他們需要在記憶體、電力和熱能條件等嚴格且多樣化的限制下，實現即時且高效率的效能表現，還要確保不為應用程式及其工作負載增加額外的複雜性。 為因應這些挑戰，Arm 推可擴展矩陣延伸指令集 2（Scalable Matrix Extension 2, SME2）技術，以直接在行動 CPU 上加速高強度的矩陣運算工作負載 – 這些工作負載對電腦視覺和生成式 AI 應用相當重要。SME2 是 Armv9 架構中的一組高階 CPU 指令集，它是基於 SME 升級、能夠在 AI 異質運算框架下，支援影像處理、自然語言處理、語音生成等在行動端的即時推論任務。 開發者如何運用 SME2 的優勢 行動開發者無需更動現有程式碼、模型或應用程式，即可直接取得 SME2 帶來的效能提升。這可歸功於 Arm 的軟體加速層 – Arm KleidiAI，它能夠無縫整合到主流 Runtime 函式庫和 AI 框架中，為開發者提供立即可用的效能體驗。 由於 KleidiAI 深入且廣泛的整合，SME2 已在 Google 專為 Android 系統最佳化的神經網路推論函式庫 XNNPACK […]</p>
<p>Google 近日推出「AI 商業通話」與「深度搜尋」兩項新功能。「AI 商業通話」，可以讓 Google AI 代替使用者撥打電話查詢商家資訊，另一方面， Google 也針對搜尋「AI 模式」展開強化，並透過導入更先進的 Gemini 2.5 Pro 模型，進一步推出革命性的「深度搜尋」功能。 「AI 商業通話」目標是幫助使用者無需親自拿起電話與商家交談，即可輕鬆獲取所需的商家資訊。《The Verge》預測，這項功能未來可能會受到年輕人的熱烈歡迎，因為 Z 世代後的族群，對「親自打電話」這件事充滿壓力。 讓 AI 主動打電話預約服務 Google 在 2025 年 1 月開始測試「AI 商業通話」功能，目前已正式在美國推出，不過仍僅適用於寵物美容、乾洗店與汽車維修等特定類型商家。 使用者只要在 Google 搜尋「我附近的寵物美容店」，搜尋結果頁面就會出現「讓 AI 查詢價格（Have AI check pricing）」這個醒目選項，點擊後只要回答寵物類型、所需服務與想要預約的時間等簡單問題，Google AI 就會依照相關需求撥打電話查詢，並將最新預約資訊透過簡訊或電子郵件通知。 Google Search 產品副總裁 Robby Stein 指出，這項商業通話功能是運用 Google 的 Duplex 模型並整合了 Gemini 技術來完成通話。Google 發言人也向《TechCrunch》表示，每通由 AI 撥出的電話，都會在通話開始時清楚表明自己是 Google […]</p>
<p>「身處競爭激烈的市場環境，誰能夠掌握 AI 技術，並運用新工具提升競爭力，就獲得更大勝出的機會。」—— 凌羣電腦總經理劉瑞隆 在 AI 持續重塑企業營運模式的趨勢下，各界紛紛尋求更穩健且安全的導入途徑。凌羣電腦總經理劉瑞隆表示，從辨別式 AI 到生成式 AI、Agentic AI、Physical AI，皆對人類產生巨大影響，尤其針對降低成本、提高生產力方面創造極大效益。而在大語言模型時代，凌羣電腦看見企業廣泛採用生成式 AI，因此攜手思科（Cisco）展開更深度合作，不僅整合其先進 AI 解決方案，以及在網路基礎架構、資安領域的全球優勢，也憑藉自身專業服務與互補的產品系統，助力客戶加速邁向數位轉型、專注實現以 AI 驅動創新。 「從2000年 .com 風潮開始，每一次的科技迭代，都會帶給企業全新的挑戰及樣貌」，台灣思科金融暨工商事業群總經理盧佳成指出，網路革命始於 2000 年，在這之後人們還經歷行動化、虛擬化、雲端化到現在 Agentic AI 應用的崛起，不斷的驅動「老對手新世界」的效應，「你會發現有些企業成長茁壯，但也有些企業未能即時轉型，落入窘迫的境地。所以在 AI 浪潮下，如果企業可以把握得宜，就能夠走出一片新格局。」 打造生成式 AI 解決方案「NeuroChain」，為客戶解決 AI 幻覺挑戰 「掌握最先進技術，才能發揮設備的優勢，」劉瑞隆觀察，企業導入 AI 應用時，往往面臨人才、技術斷層，以及建立正確認知的挑戰，在這樣的情況下，凌羣電腦不僅協助企業導入適當資源，也透過差異分析讓客戶了解轉型升級的具體成效。回顧凌羣電腦的客戶案例，劉瑞隆點出成功因素皆建立在「選擇優質設備和技術」、「企業願意主動改變」、「運用凌羣軟體開發及系統整合能力」的架構上，可以更高效的實踐轉型，「而在台灣企業制定數位轉型策略的路徑，我建議由政府帶頭，將台灣建設為全世界 AI 應用的典範，讓 AI、機器人技術應用深入各行各業的實際場景，凌羣電腦也會持續支持重要科研單位研究大語言模型，並且根據現有基礎發展加值各項應用產品，強化客戶面對全球市場競爭的優勢。」 那麼當企業使用 AI 擔心出現「AI 幻覺」，凌羣電腦如何協助客戶克服這項痛點？劉瑞隆分享，凌羣電腦開發生成式 AI 解決方案「NeuroChain」，在人與 AI 之間架設中間層，作為地端向量資料庫，讓大語言模型能夠針對中間層範圍，給予提問者精準答案，並協助客戶完成法規查詢、公文判讀等應用，「NeuroChain 除了降低導入生成式 AI 的成本，還避免企業的機敏資料直接分享在大語言模型，形成公共資料的風險。我們也推動 NeuroChain 在公部門與多產業落地，包括協助家樂福打造 AI 智能食譜，讓消費者根據 APP 食譜內容更方便快速下單所需的食材，有效提升業績。」 […]</p>
<p>AI 安全與監管需求日益迫切，而推理模型背後的「思維鏈（chain-of-thought, CoT）」技術，可能帶來 AI 透明度突破。不過，來自 OpenAI、Google DeepMind、Anthropic 等多家組織的 AI 研究人員近日罕見共同發表一份立場文件，警告這項目前可用於監控 AI 推理過程的「短暫窗口」恐將迅速消失，呼籲加速研究與對策。 這份文件獲得多位 AI 領域重量級人物的背書，包括被譽為「AI 教父」的諾貝爾獎得主 Geoffrey Hinton、Safe Superintelligence 執行長 Ilya Sutskever、Anthropic 的 Samuel Bowman，以及 Thinking Machines 的 John Schulman。 什麼是思維鏈？為何是監控 AI 代理的關鍵？ 思維鏈是一種讓 AI 在回答問題前「思考出聲」的技術，模仿人類步驟式推理，生成具邏輯脈絡的筆記，外部觀察者得以透視其決策過程與意圖。該文件研究人員指出，AI 代理的不透明性是許多潛在風險的根本，而思維鏈提供洞察 AI 代理的思維方式和目標的契機。 舉例來說，文件指出，當 AI 模型出現不當行為時，例如濫用模型缺陷、操縱資料或發動攻擊時，其通常會顯示在推理軌跡之中，寫下諸如「讓我們入侵」、「讓我們破壞」或「我正在轉帳，因為網站只是我這麼做」等句子，這創造了一種「推理外化」的屬性，成為監控 AI 的基礎。 思維鏈真的可信嗎？未來 3 大發展恐讓推理過程消失 不過，思維鏈並不總能反映 AI 的真實意圖。文件也引用其他研究指出，AI 模型「並不總是說出它們真正的想法」。 該文件警告，數項技術發展可能使 AI 推理歷程變得不可觀測。其一，隨著 AI […]</p>
<p>目前，「AI 代理」（Agent）在開發者社群中頗受歡迎，但尚未在真實世界中廣泛部署。不過 Google 執行長 Sundar Pichai 在 7/15 宣布，Google 的 AI 代理「Big Sleep」已成功偵測並阻止一場即將發生的網路攻擊。他表示，這是 AI 代理首次在真實環境中直接阻止網路攻擊。 Big Sleep 預測漏洞攻擊，提升開源軟體安全性 Big Sleep 是由 Google DeepMind 與 Project Zero 團隊去年共同開發的 AI 代理，具備主動搜尋並發現軟體未知漏洞的能力。根據 Google 說明 ，Big Sleep 這次偵測到開源資料庫 SQLite 中一項編號為 CVE-2025-6965 的高風險漏洞，並在攻擊者利用前完成修補。 「我們相信，這是 AI 代理首次被用來直接阻止在真實環境中對漏洞的利用行動，」Pichai 在 Google 官方部落格指出，該漏洞原先僅為少數威脅行為者所知，但透過結合威脅情報和 Big Sleep，可以準確預測即將被利用的漏洞，提前阻止駭客利用。他指出，Big Sleep 運用 AI 代理賦予資安防守方優勢。 Pichai 表示，自 2024 年 11 […]</p>
<p>為因應 AI 等新興技術快速發展，且資料為 AI 訓練與應用不可或缺的角色，數位發展部近日提出「促進資料創新利用發展條例」草案，即日起至 8 月 15 日開放預告，邀請各界提供寶貴意見。本次草案旨在擴大資料開放與共享、促進資料再利用，並為台灣在 AI 領域的發展提供法制支持。 數發部透過新聞稿表示，資料是 AI 技術發展的核心資源，為完善我國資料創新利用的法制基礎，數發部經過廣泛徵詢產學研及相關部會意見，研擬完成「促進資料創新利用發展條例」草案條文，其中包含提升開放資料品質、促進機關間資料共享及產業資料共享、鼓勵機關提供激勵措施促進產業創新、強化資料創新利用諮詢機制等相關規定，以有效推行及落實資料創新，優化資料流通利用的環境。 數發部指出，推動 AI 發展刻不容緩，在發展過程中，如何高效並安心地利用資料是關鍵挑戰。為解決此問題，草案規定政府開放資料應使用標準授權條款，以利於 AI 等新興科技的研發利用，並強調政府資料對外共享，應以非專屬授權為原則，進而保障資料的廣泛流通並支援 AI 發展。數發部希望藉由政府機關領頭，完備法制並釋出高品質資料，全力加速台灣主權 AI 發展。 此外，草案也著眼於加強政府間的資料共享，推動建立常態性政府資料共享機制，並鼓勵產業間合作，確保資料流通機制安全、公平且無歧視。數發部希望藉此提升公共服務品質，更提供產業更多參與資料創新應用的誘因，例如透過補助、獎勵與輔導措施等友善促進措施，推動產業與政府共享資料。 數發部說明，草案中也進一步建立資料政策推展的制度，藉由設置機關資料長及成立行政院資料創新利用諮詢會，協調各級機關推動資料創新利用的相關事宜。更透過訂定基本計畫及執行計畫，明確資料創新利用發展目標與執行措施，確保落實資料開放、共享及再利用，打造公私協力的資料驅動創新生態。 立即報名 8/15 【AI Agent 知識工作革命論壇】，解析企業如何在各工作場景導入 AI Agent 完成任務 ＊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：數發部</p>
<p>Meta 傳出可能告別長久以來標榜的開源策略，《紐約時報》引述消息人士報導，Meta 近期新成立的「超級 AI 實驗室」團隊正在討論是否放棄尚未公開的開源模型 Behemoth，改為開發一個封閉式 AI 模型。 Behemoth 模型傳效能不如預期，已暫停測試 報導根據消息人士指出，Behemoth 已完成訓練，但因內部測試成效未達預期，遲遲未公開釋出，並在新實驗室成立後停止所有新測試。儘管封閉模型的討論仍處於初步階段、尚未做出任何決策，且最終仍需 Meta 執行長祖克柏予以批准，但已引起外界關注。 多年來，Meta 一直選擇開源自家 AI 模型，也就是將背後的程式碼公開，提供其他開發者在其基礎上進行開發；相對地，封閉模型則是不公開。 針對封閉模型的討論，Meta 發言人告訴《TechCruch》，Meta 對於開源 AI 的立場「沒有改變」。其發言人表示，「我們計劃持續釋出先進的開源模型。過去以來，我們並未將所有開發成果都公開，未來也預期會同時訓練開源與封閉的混合模型。」 開源策略是 Meta 利基，可能動搖嗎？ 對 Meta 高層來說，開源策略是技術與社群擴展的利基。《TechCrunch》指出，儘管 Meta 內部也會部署封閉模型，但祖克柏一直將「開源」作為公司對外 AI 策略的核心，過去更大力強調 Llama 系列模型的開放性，並以此與 OpenAI 區隔。 因此，如果 Meta 真的踏上封閉路線，不代表技術策略轉向，更涉及 Meta 對 AI 開發哲學的變革。然而另一方面，Meta 面臨龐大的資本支出與變現壓力，其在 AI 領域投入數十億美元的資金，用於支付巨額獎金和薪水挖角 AI 人才、建立新的資料中心，以及開發通用人工智慧等。 開源與封閉路線之爭持續 事實上，《紐約時報》與《TechCrunch》皆點出祖克柏本人對開源策略態度的微妙立場。去年，祖克柏在一場 Podcast 訪談表示「我們顯然非常支持開源，但我並沒有承諾要釋出我們所做的每一項成果。」 當時祖克柏說，「我基本上傾向認為開源對社群有益，對我們自己也有好處，因為我們可以從開源社群的創新中受益。但如果某個時間點，我們的模型能力發生質變，而我們認為開源已不再負責任，那我們就不會再開源。這一切都很難預測。」 《TechCrunch》進一步分析，改採封閉式模型，Meta […]</p>
<p>隨著物聯網裝置倍增、雲端應用更多元，與資安威脅更顯劇烈，傳統的網管方式在穩定效能、擴充性與安全性顯得力有未逮，導致壅塞、延遲與漏洞問題頻繁發生，進而對一向高度依賴網路通訊的企業造成重大影響。 相較之下，人工智慧（AI）能自動化例行作業、預測異常狀況並提升整體效能，徹底改變網路的設計、管理與優化方式。未來的網路不僅追求速度與容量，更著重於導入智慧技術，以大幅降低營運成本，滿足日益複雜的數位環境需求。 根據人工智慧科技基金會（AIF）發布的《台灣產業 AI 化大調查》報告，台灣企業邁入「AI 規模應用（Scaling AI）」階段的比例較 2022 年提升 4％。然而，仍有近七成企業尚未跨越 AI 實際應用門檻，多數僅將 AI 視為工具，而未建立完整的 AI 導入藍圖，特別是將 AI 整合納入網路及營運系統的理解仍明顯不足。儘管台灣企業在全面部署 AI 仍面臨挑戰，但整體認知與技術應用能力快速提升，反映台灣邁向 AI 驅動網路與數位轉型的正向態勢。 運用AI打造主動式、高效率且以客戶為中心的網路營運 AI 驅動的網路營運可實現主動管理模式，透過預測分析與機器學習演算法，即時監控網路狀況、偵測異常與快速修復問題。AI 為網路基礎架構帶來三大營運效益： 1. 自動化例行性作業，有效節省時間 隨著網路架構日趨複雜，AI 可將人工例行作業自動化。透過 AI 執行網路效能監控、異常偵測與維護作業等千篇一律的工作，企業得以釋放人力資源，讓員工專注於更高價值的產出，如策略規劃、創新與客戶支援。此方法不僅能提升效率，也能降低人為錯誤風險，並強化網路基礎架構的穩定性與安全性。 2. 主動洞察與預測分析 AI 的預測分析能力可協助網路預先識別並回應潛在問題，避免演變成重大危機。透過分析歷史資料，AI 演算法能找出相關模式與趨勢，進而判斷維護時機或可能發生的異常。此主動式功能有助於 IT 團隊採取預防措施，降低停機風險，並提升整體網路可靠性。透過 AI 驅動的洞察力，企業能做出更明智的資源配置、容量規劃與資安投資決策。 3. 持續強化使用者體驗 AI 驅動的網路能提供個人化支援，並針對問題提供即時解決方案，徹底改變使用者體驗。透過分析使用者行為、偏好與使用模式，AI 演算法可主動辨識潛在問題，避免演變成重大危機。IT 團隊亦可依據不同客戶需求提供精準解決方案，進一步提升使用者滿意度與忠誠度。 根據 HPE 委託 Ponemon Institute 調查發布的《2025 年全球資安落差調查報告》，目前僅有 39％ […]</p>
<p>台灣雲端技術服務領導品牌博弘雲端（Nextlink Technology）(6997) 宣布與 Amazon Web Services（AWS）正式簽署 New Region Strategic Collaboration Agreement（SCA）台北區域戰略合作協議，雙方將共同推動 AI 驅動的雲端創新，協助台灣企業在 AWS 亞太（台北）區域上線後，加速導入 AI 技術，掌握數位轉型新機遇。 本次博弘雲端與 AWS 簽訂的 New Region SCA 台北區域戰略合作協議，能夠深化雲端技術與拓展指標客戶。運用 AWS 亞太（台北）區域的基礎設施，共創產業的客製化解決方案，擴大市場推廣和技術量能的實踐，攜手企業邁向雲端驅動的未來。 聚焦台灣戰略合作 攜手企業加速 AI 應用 博弘雲端身為 AWS 長期且深具技術實力的合作夥伴，將結合企業客戶雲端導入與數據應用的豐富經驗，與 AWS 團隊合作，拓展 AI 時代的雲端應用版圖。特別在 AWS 亞太（台北）區域上線後，產業應用將更聚焦在金融、零售、製造等領域，協助企業提升營運效率、優化客戶體驗，並打造具備競爭力的數位服務。 除此之外，博弘雲端在 AI 時代也積極拓展自有產品應用，如智能雲端管理 AICOM、企業 AI 代理 LEMMA，賦能企業有效整合雲端環境管理，並且開啟 AI 技術應用。 博弘雲端總經理何冠生表示：「生成式 AI 正快速重塑各行各業的數位競爭力。此次與 AWS 簽署戰略合作協議，不僅是對博弘雲端技術實力與市場洞察的高度肯定，也代表我們邁入一個更具規模與深度的合作階段。憑藉 AWS 亞太（台北）區域的在地雲端優勢，博弘雲端將更貼近市場的需求、更專業的技術應用，加速台灣企業的雲端 […]</p>
<p>麻省理工學院推出「AI 供應鏈與物流管理」夏季課程，喬治亞理工學院開設「供應鏈專業人員生成式 AI 應用」課程，俄亥俄州立大學則在供應鏈管理講座中納入生成式 AI 和預測分析內容。這些美國頂尖大學的課程設計不僅涵蓋理論知識，更強調實務案例應用，包括預測模型建構、AI 助理運用，還有真實場景的技術解決方案。 也就是說，產學合作模式正在升級。 供應鏈軟體供應商 Blue Yonder 與阿肯色大學簽署兩年合作協議，成為供應鏈管理碩士課程首位冠名贊助商。這種合作不單只是名義上的資金贊助，而是企業深度參與課綱設計、提供教學平台工具，並由企業高層直接參與授課，確保學術教育與產業需求的無縫接軌。 產學合作再深化，從教育開始培養相關人才 俄亥俄州立大學商學院助理教授 Vince Castillo 的物流與供應鏈分析課程，向學生介紹生成式 AI 設計與倫理、AI 助理運用、預測分析、需求預測，以及 AI 輔助的車輛路線規劃。學生不僅學習如何建構機器學習模型來預測供應鏈需求或研究配送挑戰，更嘗試讓 AI 協助撰寫程式碼。 這種教學設計的精髓在於「實戰導向」。學生面對的不是抽象的技術概念，而是真實的商業場景；例如當面對貨輪擱淺造成的供應鏈中斷時，學生必須思考如何運用技術或 AI 來解決問題。 Castillo 教授強調，整個學習過程都圍繞著「AI 如何協助或阻礙分析工作」這一核心議題展開。 值得注意的是，這種技術導向的教育並非僅限於學位課程。Castillo 同時開設為期兩天的管理者教育課程，專為在職供應鏈專業人員設計，內容涵蓋 AI 倫理、生成式 AI 在供應鏈中的實際應用（如合約分析和客戶關係管理），以及如何在組織中實施這些流程。 市場需求推動了認證機構的標準調整 至於前面提到的 Blue Yonder 與阿肯色大學的產學合作，已經跳脫過往企業金錢贊助的方式。Blue Yonder 不僅提供技術平台作為教學工具，更直接參與課程設計、課綱規劃和客座講座。Blue Yonder 客戶成功高管 Nathalie Carruthers 表示，這種合作是為了推動供應鏈作為一門學科和專業的演進，並確保未來的供應鏈專業工作者能為這個領域的發展做好準備。 這種深度合作反映出企業對人才需求的精準掌握。美國營運管理協會對 3,500 名供應鏈專業人員的調查顯示，45% 的受訪者在工作中使用 AI 聊天機器人。企業開始明確表達 AI […]</p>
<p>包括 ChatGPT 在內的 AI 工具，變得越來越「好說話」。它們過度稱讚、缺乏批判性，對使用者的觀點幾乎全盤接受，甚至顯得有些「阿諛奉承」。OpenAI 甚至罕見地在官方部落格中承認這個現象；這明確顯示，這不僅是使用者的主觀感受，而是產品性格與設計上正在發生的真實轉變。 問題的根源，可能來自產品設計上的商業考量。 AI 變「好好先生」，但專業場景卻會「誤判」 在競爭激烈的數位環境中，客戶體驗是商業策略的核心，留住用戶並將互動轉化為長期關係是保持領先的關鍵。因此，為了解決訓練成本高昂的問題，並提升使用者滿意度和續用率，AI 產品或許有意無意強化了「取悅用戶」的互動風格。 這種透過基於人類回饋的強化學習（Reinforcement Learning from Human Feedback, RLH）所進行的調優過程，會強化 AI 學習「令人愉快」的回答模式，進而犧牲了原本應有的中立性與建設性批評功能。 換句話說，AI 的目標是服務其創造者的特定目的。如果是免費服務，目的可能是推銷；如果是付費服務，則可能是讓你感到滿意並持續使用。同時，AI 也需要數據，你使用時間越長，它們擁有的數據就越多，這也成為讓使用者持續使用的另一個動機。 這種「AI 阿諛奉承化」的現象，就對不同的使用情境帶來截然不同的影響： 對於需要情緒支持或快速解答的場景，AI 這種支援性互動可能帶來正向幫助。例如，在面對壓力或需要快速獲得簡單答案時，一個給予肯定、不帶批判的 AI 夥伴，能讓人感到舒適。 然而，在需要專業回饋的場景，例如簡報預演、寫作審稿、研究分析等，AI 這種缺乏批判性的回答，可能導致嚴重的誤判。這種只求讓人滿意、而非追求真實與精確的設計方向，正凸顯了 AI 訓練與商業利益之間潛在的矛盾。 AI 訓練與利益一致性的矛盾：商業目標的代價 AI 回答傾向於「取悅用戶」，實質上反映了前面提到的、創造背後的商業考量，包括提升用戶黏著度和數據收集，這使得 AI 回應的「客觀性」和「中立性」受到挑戰。 更令人擔憂的是，這種設計方向可能為未來的風險埋下伏筆。如果聊天機器人未來導入廣告模型，將面臨內容中立性與商業置入的倫理爭議。 學者們提出「建設性摩擦」模型，意即在與 AI 系統互動時，如果刻意設計「適度的阻力」或「思考停頓點」，反而能幫助使用者進行更深層的反思、批判與判斷。這有助於避免人類過度依賴 AI，或是陷入自動化思維的陷阱。 面對諂媚，使用者的自保術 面對外界的質疑，OpenAI 表示他們已採取更多措施來重新調整模型的行為，包括：改進核心訓練技術和系統提示，明確引導模型遠離諂媚；建立更多護欄以提高誠實和透明度；擴展方式讓更多用戶在部署前測試並提供回饋；持續擴大評估以發現更多潛在問題。 對於使用者而言，面對「太過友善」的 AI，自己也能採取這些作法： 市場能否接受「不討好」但誠實的 AI？ 生成式 AI 如果一直只會討好使用者，可能就會失去提供真誠批評的能力。對那些需要深度建議和實用分析的人來說，這會導致 AI 給的回覆品質下降，讓人過度自信而做出錯誤判斷。 […]</p>
