<p>TechOrange 科技報橘「2025 AI 智慧大工廠」系列論壇日前在台中舉辦，以「精密機械 AI 再進化 扎實強化工具機國際市場競爭力」為主題，深入探討借力 AI 極大化營運效益的具體行動方案。 台中市政府副秘書長張大春在致詞時表示，面對國際關稅挑戰，台中市政府也密切與公會接觸，期盼助力產業拓展全球行銷、分散市場減緩衝擊。位於水湳的台中國際會展中心預計於今年底開幕，未來將成為重要的國際展銷平台。「透過今日的論壇，期望各界先進一起探討結合市府、產業、學研三方力量，共同建構數位產業生態系，落實智慧台中與 AI 時代產業布局的創新應用。」 AI 與機器人為製造現場帶來的創新突破 科技報橘社長戴季全在「打造 AI Factory：AI 與機器人為製造現場帶來的創新突破」演講指出，台灣處於美、中科技發展的交界，國際科技大廠與本地企業正積極投入 AI 機器人應用，未來將有大量合作機會浮現。 戴季全強調台灣若能整合學界、科技廠商與國際 AI 平台，有望在全球 AI 機器人產業鏈中占有一席之地。戴季全也強調，透過模仿與強化學習，機器人從大量資料中自我訓練，如今世界頂尖機構已能大幅降低訓練樣本數，學習效率大增。「若將這些能力放大， AI 機器人在不久將來可勝任家務、折衣、分類與製造等多種工作，這正是台灣產業應思考的轉型契機，」戴季全以 NVIDIA 的生態系統為例，說明全球科技巨頭如何將工具機器人化，並透過模擬與實境數據的雙向循環提升 AI 訓練效率，更進一步提醒台灣若能整合學界、科技廠商與國際 AI 平台，將有望在全球 AI 機器人產業鏈中占有一席之地。 新漢智能如何讓數據點石成金？ 在 AI 浪潮加速製造業轉型之際，新漢智能 AI 數據平台事業部副總經理阮北山以「讓數據點石成金！實現 AI 代理智能工廠」為講題，強調「讓數據點石成金」已不再是口號，而是具體可行的目標。 「我們發現，企業管理者最關心的不是機台參數，而是這台設備今天幫我賺了多少錢，」阮北山說明新漢智能透過數據平台將設備訊息與營運數據整合，打通生產與財務兩大系統，讓企業主每日即可掌握生產績效與單筆訂單利潤，取代傳統每月的財報分析，強化即時決策力。 阮北山指出，新漢智能在林口設立的華亞智慧工廠中，展示完整的智慧製造應用情境。不僅可追溯產品從訂單、生產、出貨的全流程履歷，也能串接碳排資訊，產出精準的產品碳足跡，為未來綠色貿易與碳稅規範做準備。 「AI 擅長在資料庫中找關聯，現在我們要做的，就是把這些關聯變成可以被企業主即時使用的工具，」阮北山表示，過去需要工程師耗時撈資料的工作，如今可以透過 AI 即時完成，讓每一筆數據都真正成為企業前進的動能。 Google Agent Space 為企業創造的具體效益 CloudMile 解決方案架構師 […]</p>
<p>台灣數位平台經濟協會（DEAT）昨（31）日舉辦「2025 年第四屆會員大會暨產業論壇」，由 DEAT 理事長劉于遜分享過去一年協會的發展與突破，並特別邀請台灣飛躍天使創投合夥人簡立峰及 LINE 台灣董事長暨執行長陳立人，一同對談「數位平台 + AI 新經濟：如何打造屬於台灣的 AI 產業生態系」。 DEAT 的宗旨：成為政府數位政策的第一站 回顧 DEAT 過去一年的工作重點，劉于遜指出，協會成員多數來自數位平台服務產業，目前協會已完成數位資源的盤點與整合，未來將主動與中央及地方政府接觸，提供平台所需資源，並作為推動活動或政策宣導的重要協力。 在制度面上，協會也成立智慧運輸、數位媒合與跨界整合三個委員會，針對業者在法規或與政府溝通上的挑戰，每月定期開會，並代表產業進行政策倡議。劉于遜強調，這樣的機制讓協會不僅具有產業代表性，也能落實具體的政策建議，協助會員適應快速變動的數位環境。 展望未來，劉于遜透露，協會將啟動一項「六都數位政策調查」計畫，針對六都在數位預算、法規治理、數位服務普及率等面向進行統計分析，期待這份報告能作為衡量台灣數位發展進程的重要依據，「協會有一個很重要的宗旨，就是希望成為政府數位政策的第一站，所以我們需要給出正確意見，避免政府用不對的想像做出不合理的監管。」 簡立峰：平台思考的不只是商務，還有連結外國人的方法 「台灣需要兩種人，一個是機器人，一個是外國人，」簡立峰分析，機器人可以來自 AI，至於外國人，則仰賴平台的連接，因此平台要思考的不只是商務，還有連結外國人的方法，這樣就是在台灣做全世界的生意。簡立峰也強調，尤其在 AI 加速推進下，「人」的資源會更稀缺，因此平台應著重在如何連結用戶、供應商、企業員工，甚至未來的 AI 機器人夥伴。 面對 AI 對人類工作的衝擊，簡立峰認為，凡是語言可編碼的知識，AI 幾乎全面超越人類。相較之下，人類的優勢則在於五感習得的「非語言知識」，例如感知溫度、危險、空間等實作經驗。他提醒企業應該將 AI 視為擴增能力的工具，並鼓勵組織重新設計流程，推動「人機協作」與「Agent 化」轉型，讓 AI 成為協作夥伴。 簡立峰也點出台灣兩大革命性機會。首先是因應中美分流趨勢，台灣在機器人供應鏈的潛力大增，台灣製造業也有望成為美國機器人硬體的最大供應基地。此外， AI 的發展讓「一人創業」成真，助力個人可以憑一己之力挑戰十人甚至百人團隊，這將徹底改變商業競爭結構。 「台灣的錢比台灣多，」簡立峰表示，在社會穩定與資本充足的條件下，所有國家進入高齡化社會的第一個十年都是黃金歲月，而在台灣邁入高齡化的第一個十年，送來「AI」這個禮物，讓台灣可以延長這段黃金期，「台灣有 AI，而且會成為剛性需求，這個剛需就是明後天哪裡都找不到人，只能靠機器人的時候，不管是自己生產還是用別人的，都可以用到最好。所以台灣在有錢、有 AI、有機器人概念的條件下，機器人會在未來十年變成我們的內需產業。」 陳立人：LINE 將更積極擔任「AI 與消費者之間的界面」 陳立人分享，LINE 正在探索如何將 AI 工具深度整合至工作流程，取代重複性的任務，讓員工能專注在更有創造力也更具意義的工作。陳立人也強調，要發揮 AI 潛力，就必須從流程開始改變，而非只是換一個工具。 在外部應用上，擁有每月活躍用戶高達 2,000 萬的 LINE，具備成為 AI 與消費者連結介面的潛力，陳立人形容，未來使用情境就像用戶與 […]</p>
<p>Meta 執行長祖克柏在全球 AI 競賽中全力以赴，砸下大量資本、延攬頂尖人才、擴充運算資源以搶得勝利。不過這些努力似乎仍未超越 OpenAI 或 Anthropic 等競爭對手。《The Register》報導指出，祖克柏正在將目標聚焦在下一個願景：AI 超級智慧（Superintelligence）。 在 Meta 7/30 發布第二季財報之前，祖克柏發表一篇題為「個人超級智慧（Personal Superintelligence）」的部落格文章，指出直言近期 AI 發展看似放緩，「但開發超級智慧的時機已經到來。」他也親自在個人社群平台 Instagram 上說明 Meta 的超級智慧願景。 什麼是「個人超級智慧」？ 祖克柏認為，超級智慧將加速人類的進步，甚至開啟一個賦能個人的新時代，讓人們以自己選擇的方式改變世界。他認為，若 AI 要對人類生活產生更深遠的影響，關鍵可能來自每個人擁有專屬的個人超級智慧。而 Meta 的願景就是將個人超級智慧帶給所有人。 祖克柏強調，Meta 對於超級智慧的願景與主流觀點不同──多數人認為超級智慧應聚焦於讓工作自動化，然後人們依靠 AI 產出維生；但 Meta 主張，追求個人理想才是人類進步的動力，而 AI 將讓人們花更少時間在生產力軟體上，投入更多時間在創造、連結。因此，他認為像「眼鏡」這樣的個人設備，將成為未來的主要運算裝置。 事實上，超級智慧具體來說是什麼，業界目前還沒有達成太多共識，而祖克柏雖然對 AI 超級智慧將如何改善一切進行了描述，但沒有明確地進行解釋構成要素。 Meta 如何實現個人超級智慧？ 《The Register》報導指出，祖克柏提出「個人超級智慧」是試圖合理化 Meta 不斷增加的 AI 投資。近期，他發起激烈的 AI 人才爭奪戰，向來自 OpenAI、Apple 和 Google 的 AI 專家開出數億美元簽約金，吸引他們加入內部一個神秘的「超級智慧」（superintelligence）實驗室。 此外，本月稍早，祖克柏宣布砸下數千億美元興建多座 […]</p>
<p>在面試中使用 AI 算作弊嗎？Meta 不僅認為不算，還鼓勵求職者使用。近期 Meta 向內部員工揭露一項重大變革：未來將允許應徵部分程式設計職位的求職者，在面試過程中使用 AI 助理進行程式碼測試。 Meta 表示，這項改變將更符合未來的實際開發環境。這項新嘗試，展現「矽谷巨頭推動軟體工程師在工作中運用 AI」的最新跡象，也反映未來業界可能更傾向聘用具備「Vibe Coding」能力的員工，並以工程師是否能「有效使用 AI 工具」作為招募條件，引發對軟體工程師職涯能力轉變的討論。 為了完善實際面試體驗並收集數據，Meta 已積極要求現有員工志願參與「模擬 AI 輔助面試」，但這項全新的招聘流程目前仍處於實驗階段，尚未公布關於這項調整的具體內容與實施時程。Meta 的一位發言人向《404 Media》表示，「Meta 專注於利用 AI 幫助工程師的日常工作，因此我們測試如何在面試過程中向求職者提供 AI 工具，這應該不會讓人感到驚訝」。 資深軟體工程師的擔憂 一些資深工程師表示，新一代的工作者可能更像是 AI 的「提示者」，而非真正具備深厚基礎的軟體工程師，因此擔心這些「AI 提示者」可能不熟悉如何排查 AI 撰寫程式碼時出現的問題，進而導致核心「硬實力」的流失。 值得注意的是，亞馬遜最近告知內部招聘人員，如果發現求職者在面試中使用 AI 工具，就必須取消資格。此外，過去 Anthropic 也明確禁止求職者在面試過程中使用 AI 工具，這些規範皆與 Meta 的態度形成對比。 Meta 的「全面 AI 策略」 Meta 這次調整面試規定並非單一事件，而是其「全面 AI 策略」的一環。在 Meta 執行長 Mark Zuckerberg 投入數十億美元打造元宇宙卻未能成功後，Meta 就明確將戰略重心轉向「全面 […]</p>
<p>日前獲得亞馬遜、NVIDIA、軟銀與三星投資的美國機器人新創 Skild AI，在 29 日正式發表核心產品「Skild Brain」。這是一款幾乎能在任何機器人上運行的通用 AI 模型，包含從工廠機器手臂、四足機器狗到人形機器人，並讓機器人更像人類一樣思考、導航和回應。 在演示影片中，Skild Brain 驅動的機器人可以爬樓梯、在推擠下保持平衡，並在雜亂環境中拾取物品。根據 Skild AI 最新說明，這項技術具備與人共處的安全性，因為它在訓練過程中強調低力度操作，並對人類互動具高度適應能力，《Technical.ly》報導觀察，這在其他 AI 模型中比較少見，或是還做得不夠好。 Skild AI 總裁暨共同創辦人 Abhinav Gupta 在社群平台 X 分享，他最喜歡的是機器人爬樓梯時被人拉扯的演示場景，「要知道，爬樓梯比跳舞或模仿功夫動作還難，因為這不是單純的自由空間行動，而是需要依賴視覺進行精確控制。」 Skild AI 強調真本事，不是「灑點資料」的 VLM Skild AI 在官方部落格指出，打造機器人 AI 模型的最大挑戰之一，是缺乏大規模的機器人數據，但是使用硬體收集真實世界的資料速度慢且成本高昂，因此許多研究人員和競爭對手迴避了這個問題，直接拿現成的視覺語言模型（VLM），再加上一點點、不到 1% 的機器人實際操作的資料改裝，就聲稱是機器人基礎模型。 「但這樣真的是機器人基礎模型嗎？」Skild AI 質疑，大型語言模型確實懂得很多語意上的資訊，但缺乏真正落地可操作的動作常識，只能執行「拿起來、放過去」這類簡單任務。Skild AI 表示，自家獨特之處在於能夠獲得足夠的資料來訓練 AI 模型，打造「真正的」機器人基礎模型，而不是「偽裝的 VLM」。 那麼，Skild AI 怎麼取得夠大量的動作數據並達到通用性？Skild AI 指出，所謂的「大規模」資料，不是幾百萬或幾十億筆資料，而是必須累積到「兆級」數據。 他們除了運用團隊在自監督學習與模仿學習領域的研究成果，還採用兩階段訓練法：先以大規模模擬場景與網路人類動作影片進行預訓練，再透過實際部署後回傳的資料微調模型，使模型能跨平台學習並具備適應能力。此外，該模型採用階層式架構：高階決策系統負責導航與動作規劃，低階控制系統則轉換為具體關節與馬達指令，能在多種機型中通用，甚至包括模擬人類動作。 從使用端蒐集數據，同步打造「共享大腦」 Skild AI 共同創辦人 Abhinav Gupta […]</p>
<p>OpenAI 執行長奧特曼近日預告將推出下一代 AI 模型 GPT-5，科技媒體《The Verge》進一步揭露，時間點最快 8 月釋出，引發外界關注。不過，奧特曼在一場 Podcast 節目訪談中表示，測試這款 AI 模型的過程讓他感到「奇怪」和「無用」，這番發言讓外媒質疑 GPT-5 是否令奧特曼感到害怕。 將 AI 開發比喻為「曼哈頓計畫」，直言立法跟不上 奧特曼在喜劇演員 Theo Von 主持的 Podcast 節目《This Past Weekend》中，分享自己測試 GPT-5 的心境。他提到曾收到一封 email，內容是一個他不太理解的問題，結果 GPT-5 卻給出完美答案，讓他感到自身能力顯得「無用」，並形容這是種奇怪的感覺。 他還將 AI 的開發過程比喻為「曼哈頓計畫」，表示在科學史上，有些時刻科學家會看著他們的創造物思考「我們做了什麼？」，而從事 AI 工作的人有同樣感受，因為他們發現或發明了非凡的事物，並將改變人類的歷史進程。 曼哈頓計畫是第二次世界大戰時研發首枚核武的軍事計畫，其中科學家見證「三位一體」核試驗時意識到這是一種全新、重塑世界的科技，就是奧特曼認為最具代表性的例子。 他也表達了對 AI 治理的批評和擔憂，直指 AI 相關立法的速度跟不上技術發展，甚至認為應該放慢開發速度。 外媒評論：更聰明的 AI，應承擔更大責任 儘管這段發言原意可能是警示 AI 潛在風險，但科技媒體《Techradar》評論認為，奧特曼一邊主導開發 GPT-5，一邊又以末日式預言形容其威力，讓人質疑其權力界限。報導指出，奧特曼並未透露 GPT-5 的技術細節，拿來與曼哈頓計畫類比顯得誇張，且若 OpenAI 開發出一個連自己都無法完全掌控的技術，這種態度「看起來既魯莽又無能」。 奧特曼長期呼籲 AI 需妥善治理，並曾表示 AI […]</p>
<p>當前 AI 正迅速發展，各行各業都在探索運用這項新科技的可能，企業也開始重新思考：AI 的最佳部署地點為何？對於製造業而言，這個問題尤其重要，因為即時反應與模型大規模學習往往難以兼得。 在地端部署 AI，也就是所謂的「邊緣 AI」或「私有部署 AI」，已不再只是少數企業的選擇，而是越來越多組織積極規劃的基礎策略。根據調研機構 MarketsandMarkets 報告，製造與工業領域的邊緣運算市場預計將從 2025 年的 211.9 億美元快速成長至 2030 年的 447.3 億美元，年複合成長率達 16.1%。這顯示地端 AI 的潛力正逐漸獲得產業認可，尤其是在講求精準度與即時反應的製造現場。 地端 AI：即時預測、降低成本的解方 《CIO》指出，地端 AI 的最大優勢在於靠近資料來源。與其將大量數據上傳雲端再進行分析，不如將模型直接部署在工廠現場附近的伺服器或邊緣設備上。如此一來，不但可大幅降低延遲、避免頻寬瓶頸，更能即時執行像是瑕疵檢測、異常預警、預測性維護等製造業常見的任務。 更重要的是，這種架構還能有效節省雲端傳輸與持續運算所帶來的高昂費用。在公有雲上，每一筆 AI 請求的輸出都會被「按 token 數量計費」，一旦模型使用量變高，成本也隨之攀升；而地端 AI 則能共用 GPU、網路與記憶體資源，提供更穩定、可預測的成本結構。根據博通，其部分企業客戶回報指出，地端 AI 的總成本僅為雲端方案的三分之一到五分之一。 另外，地端 AI 的優勢也能補足雲端的不足：自主性和客製彈性。畢竟雲端的控制權多半掌握在服務供應商，地端部署讓企業得以根據實際需求調整和配置，特別是涉及機敏資料時，地端部署便是不可或缺的選項。 對製造業來說，這種可控、可預測的成本模型至關重要。任何對 AI 硬體的優化，對企業都是「直接加分」，而非只是為雲端服務供應商創造營收。 雲端 AI：大型模型訓練的最佳舞台 儘管地端 AI 有其優勢，但雲端 AI 仍在某些任務上無可取代，尤其是在大規模資料整理與模型訓練方面。 根據 Microsoft 的合作案例，雲端平台提供強大且彈性的運算與儲存能力，適合用來整合各廠區的長期趨勢數據，進行跨年度、跨產線的模式分析，或訓練更大型、更準確的深度學習模型。這些結果再同步回地端進行即時推論，即能兼顧效率與效果。 此外，雲端也適合用來做集中式監控與策略優化。當企業擁有多個據點時，雲端可以統整來自不同地端的資料，用於進行產線效率比較、資源調度建議或異常分析等。 混合模式：製造業的理想 AI […]</p>
<p>近年來，由大型語言模型（LLM）生成的低品質內容被稱為「AI 垃圾內容」（AI slop），這些內容不只充斥網站與社群媒體，也開始滲透資安領域。 《Tech Crunch》報導，過去一年由 AI 幻覺產生的錯誤漏洞報告為資安領域帶來新挑戰。資安公司 RunSybil 共同創辦人兼技術長 Vlad Ionescu 指出，這些 AI 生成的資安報告「聽起來合理，技術上正確」，然而當資安人員深入調查時，卻發現這些漏洞「根本不存在」，所有的技術細節都只是由 LLM 憑空捏造，儘管表面看起來像黃金，實際上都是垃圾。 資安領域開始充斥 AI 幻覺產生的漏洞報告 現在，AI 幻覺報告的影響已在現實世界顯現，例如非營利科技平台 Open Collective 就證實，他們的電子郵件信箱「充斥著 AI 垃圾」，最嚴重的案例是 GitHub 上 CycloneDX 專案的一位開源開發者，因收到幾乎全為 AI 幻覺產生的報告，近期已取消漏洞懸賞計畫。 面對 AI 垃圾逐漸充斥資安領域的挑戰，主要的漏洞懸賞平台與資安公司採取不同的應對策略。像是專門代管各種抓漏專案（bug bounty）的 HackerOne 也坦言已經遇到一些 AI 誤報漏洞的狀況，因此 HackerOne 於近期推出名為「Hai Triage 」的系統，希望結合人類專業與 AI 技術，提升漏洞管理和修復的效率。 Hai Triage 會利用 AI 代理先篩選漏洞報告、標記重複的文件，並優先處理那些被判定為真實的資安威脅。在 AI 代理完成初步的篩選後，資安分析師將介入，負責驗證這些報告的真實性。這些資安分析師在 Hai Triage […]</p>
<p>今日人工智慧競賽走向白熱化，Google 內部最具影響力的領導者之一，卻是一位曾經極力與這家巨頭保持距離的科學家：Demis Hassabis 從 DeepMind 創辦人，到 Google AI 核心人才的轉變歷程，是當代科技產業中理想主義與商業現實交鋒的縮影。 AI 崛起帶動 Hassabis 科學家的身份轉變 DeepMind 是一家英國的人工智慧公司，公司建立於 2010 年，在 2014 年被 Google 收購；創辦人兼執行長 Hassabis 一直都希望 DeepMind 可以保有獨立性，避免被 Google 商業模式所主導。 然而，ChatGPT 的橫空出世徹底改變了遊戲規則。面對這場突如其來的 AI 競賽，Hassabis 被推入了 Google AI 領導地位的中心，如今他管理著超過 6,000 人的龐大團隊，直接影響著 Google 重大產品線的發展方向。 現實迫使他必須同時承擔推進 AI 的前端技術，和將其融入 Google 商業產品的雙重壓力。一位長期與 Hassabis 合作的 Google 員工說，他的崛起讓人想起了 Google 執行長 Sundar Pichai 當年的情況；突然間，大家開始在內部聽到這個名字，他承擔了越來越多的責任，然後突然間，他就成了 CEO。 初期整合不易，員工選擇出走 […]</p>
<p>「如果我們願意把『Agent（代理人）』這個詞重新審視並定義，就會發現，能作為我們代理人的關鍵，不僅是能代為執行事務，更在於我們對其是否『信任』—唯有信任，代理的意義才成立。既然如此，AI Agent 的設計就不能只追求效能，更必須納入治理機制。」 SAS 台灣總經理龔律安在「TechOrange 2025 科技金融論壇暨第 9 屆 Hit FinTech 高峰會」的主題演講中，開場即點出企業導入 AI 時常忽略的根本問題：信任如何建構？治理如何落實？ 企業應用 AI Agent 的機會與挑戰 SAS 認為，當前正是擴大導入 AI Agent 的關鍵時機。原因包括：一、企業面臨日益龐雜的資料量與資源調度挑戰，急需可信任的工具加速決策流程；二、客戶對即時、個人化服務的期待升高，企業需透過 AI Agent 強化洞察與應對力；三、在全球政策與市場持續震盪下，AI Agent 有助於企業快速應對商業現況，實踐敏捷轉型。 在論壇主題演講「AI 治理 × 代理型 AI」中，龔律安進一步指出，企業愈加仰賴 AI Agent 協助做出關鍵決策，但若缺乏治理與透明性，AI 將成為風險放大的工具。相較於全自主的黑盒模型，SAS 主張採用混合式架構：保有人類參與，兼顧效率、風險控制與可稽核性，是邁向負責任 AI 的實踐基礎。 從數據出發，SAS 打造全方位 AI 架構 在技術發展上，SAS 長年深耕 AI 領域，從資料分析、預測模型、機器學習，一路拓展至合成資料、數位孿生與大型語言模型等生成式 AI 技術，協助企業從資料洞察邁向策略執行與決策落地。 SAS 也在台灣耕耘逾 35 年，協助眾多金融機構導入詐欺偵測、信用風險管理、智能核保與 AI […]</p>
<p>根據《華盛頓郵報》取得的簡報文件與四名知情官員說法，美國政府效率部（Department of Government Efficiency, DOGE）正運用一套名為「DOGE AI 鬆綁管制工具（DOGE AI Deregulation Decision Tool）」的人工智慧系統，目標在川普總統就職滿一週年前，大幅刪減 50% 的聯邦法規。 馬斯克計畫工程師開發， AI 工具進駐 HUD 與 CFPB 《華盛頓郵報》指出，該 AI 工具已於住房與城市發展部（HUD）完成 1,083 項規範的審查任務，並全面負責消費者金融保護局（CFPB）的法規裁撤草案。三名 HUD 員工證實，這套工具近期已實際應用於上千條規定的分析與修訂建議。據了解，該工具由一批參與馬斯克 DOGE 計畫的工程師開發。 根據簡報內容，該工具將分析約 20 萬條現行聯邦規範，判定哪些條文已無法律必要性，預計有10 萬條將被建議刪除，主要透過 AI 自動處理，搭配部分人力審核。簡報指出，此舉將可省下合規成本、縮減聯邦預算，並吸引未具名的外部投資，整體估算節省金額達數兆美元。 《華盛頓郵報》說明，保守派人士長期主張，聯邦政府訂定的法規過多，限制了經濟成長並傷害民間企業；而自由派則強調，這些法規存在是有其理由，例如保護環境和確保食品安全。對於 AI 介入法規刪減一事，白宮發言人 Fields 回應，所有選項皆在評估中，目前尚未有任何計畫獲准，並稱「DOGE團隊為業界頂尖專才，正以創新方式改革政府系統」。 白宮積極推 DOGE AI 輔助，專家示警模型專業理解不足 《華盛頓郵報》提及，川普政府此前亦曾試圖在衛生部運用 AI 進行法規清理，但外界質疑 AI 能否正確理解複雜法條、避免誤刪，部分機關員工也對 DOGE 缺乏法規專業提出疑慮。HUD 發言人指出，尚未完成使用 AI 工具裁撤法規的決策，目前仍處於內部討論階段，並強調開發目的非取代人員專業，而是作為輔助。 全球知名交易平台 Mitrade […]</p>
<p>「目前，AI 的關鍵資源和能力集中在少數國家與企業手中，如果進行技術壟斷、管控和限制，AI 將成為少數國家及企業的專屬遊戲，」中國國務院總理李強近日在世界人工智慧大會（WAIC）開幕致詞時表示，由於目前全球 AI 治理標準分歧，造成各國監管理念與制度規範落差巨大，導致創新資源分散，全球協同合作受阻，「當前 AI 治理呈現碎片化趨勢，亟需全球協調。」 因此中國呼籲成立「全球 AI 合作組織」，旨在加速國際協調，制定能獲得「最大共識」的治理框架。李強指出，若各國各自為政，標準不一、監管分裂，將嚴重阻礙 AI 技術的協同創新，並限制產業發展潛力。因此應致力推動標準統一，並提升發展中國家的參與權。中國也表態願與開發中國家分享 AI 成果，避免新興經濟體被排除在外，同時防止技術與利益過度集中於個別國家。 「AI 治理碎片化」的利弊 《ProMarket》的報導指出，AI 治理碎片化將會使每個國家都變成 AI 孤島，促使企業必須打造完全獨立的產品，或放棄某些市場，進而讓企業失去規模經濟效益，並推高企業合規和研發成本，各國數據流通和人才交流效率也會削弱，成為多國政府當前苦思的挑戰。 不過，也有專家認為，AI 治理碎片化有助於中小型國家和新興經濟體跳脫少數科技強國主導的單一標準，讓國家可依在地需求彈性調整，免於被大型科技公司或強權綁架，進而提升競爭力與適應性。 中美的 AI 話語權競逐 李強在開幕致詞中並未點名任何特定國家，但似乎在暗指美國阻礙中國在 AI 領域的進步，同時呼應中國的企業高層與官員近來多次批評美國針對中國科技產業的打壓行動，其中包括對 AI 發展至關重要的 NVIDIA 晶片出口限制。 中國強調國際共商、全球協作，推動開源技術與知識共享；美國則主打去監管、科技出口與產業聯盟，維持其技術領先地位。中美兩國在 AI 治理模式上的根本分歧，也凸顯當前全球 AI 標準與治理話語權的激烈爭奪。在中國呼籲成立「全球 AI 治理組織」的背後，既是回應現有碎片化問題，更是對 AI 國際話語權的戰略布局。 ＊本文開放合作媒體轉載，資料來源：《Reuters》、《Bloomberg》、《ProMarket》，首圖來源：AI 工具生成。</p>
<p>在全球 AI 機器人競爭日益激烈之際，中國新創宇樹科技（Unitree Robotics）推出售價僅 5,900 美元的人形機器人 R1，成為目前市場上第一批售價跌破 6,000 美元的機型，降低人形機器人進入一般企業與家庭場域的門檻。這場價格戰不僅象徵中國搶佔全球主導權的野心，也為美國長期主導的機器人市場格局投下變數。 中國拚價格，打造人形機器人普及化 美國企業如波士頓動力已主導機器人市場數十年，中國企業現正積極擴大人形機器人在工廠、家庭甚至軍事領域的應用。《Bloomberg》表示，人形機器人的定價是技術普及的關鍵。 根據宇樹科技在微信平台上公布的資訊，R1 重約 25 公斤，具備 26 個自由度，搭載多模態 AI 系統，支援語音與影像辨識。在釋出的影片中，R1 可以進行倒立、翻滾等高難度動作。宇樹科技先前就以低價策略推出 1.6 萬美元的 G1 人形機器人，以及更高階、逾 9 萬美元的 H1 機器人，如今推出 R1，不僅僅是壓低價格，也展示中國企業在成本控制上的進展。 Unitree Introducing | Unitree R1 Intelligent Companion Price from $5900Join us to develop/customize, ultra-lightweight at approximately 25kg, integrated with a Large Multimodal Model for voice and […]</p>
<p>亞洲 AI 公司 CloudMile 萬里雲今宣布正式成為 Google Agentspace 首波導入夥伴，並已成功協助台灣零售、電商與軟體科技業者部署導入，協助企業以生成式 AI 強化內部流程、提升專案效率與產品力。CloudMile 萬里雲也率先導入 Agentspace，內部知識查詢與協作效率提升達 25%。 根據國際研究機構 IDC 調查指出，企業在生成式人工智慧（Generative AI）上的投資，平均每投入 1 美元可帶來 3.7 美元的回報，部分企業更可高達 10.3 倍。如何高效導入生成式 AI，已成為企業 AI 轉型的關鍵課題。CloudMile 萬里雲布局 Google Agentspace，憑藉多年 AI 導入與產業轉型經驗，為企業提供從需求探索到落地部署的完整導入流程，持續鞏固其在 AI 導入服務的領導地位。 多模態 AI Agent 解方，翻轉零售電商等內部知識網絡 Google Agentspace 讓 AI agents 能夠安全地存取最常用的應用程式，以快速找到用戶所需要的內容。Agentspace 結合 Google 最先進的大型語言模型（LLM）與搜尋技術，協助企業打造具備理解企業內外知識資源、能主動提出建議與採取行動的 AI agents。透過自然語言對話方式，使用者可快速取得複雜資訊的解答，並簡化決策流程、提高團隊生產力。 CloudMile 萬里雲是台灣率先成功將 Agentspace 導入真實業務場景的 AI 科技服務公司，協助零售、電商與軟體業者透過 AI […]</p>
<p>OpenAI 執行長 Sam Altman 近期出席美國聯邦準備理事會主辦的銀行監管會議，並在會議中指出，AI 技術的快速發展，開始讓全球面臨一場前所未有的「詐欺危機」。 「讓我感到害怕的是，仍然有金融機構接受聲紋作為轉移大量資金或做其他事情時的身份驗證，」 Sam Altman 更以「瘋狂」來形容這個現象，因為「除了密碼之外，AI 已經徹底擊敗目前人類大多數的身份驗證方式。」這也代表，現行許多安全防線在 AI 面前已形同虛設。 AI 可能導致大規模金融危機，讓 Sam Altman 徹夜難眠 面對日益嚴峻的挑戰， Sam Altman 呼籲銀行業必須「走在 AI 發展的前面」，才能應對這股日益猖獗的詐騙浪潮，確保客戶資產安全。 在現實生活中，AI 深度偽造（deepfake）技術確實已造成許多危害，甚至發展到僅需 20 秒的音訊樣本，就能產生逼真的語音模仿。像是在個人與家庭層面，《CNN》就曾報導，美國已有多位家長接到以 AI 語音技術冒充他們子女聲音的電話，試圖騙取金錢。這些詐騙者利用 AI 偽造的親人聲音，謊稱身處困境、急需金錢援助，導致受害者在情急之下匯款。 在企業與國家層級，AI 深度偽造的詐欺案件同樣層出不窮。2024 年初，香港一家工程公司的員工在一場看似日常的視訊會議中，被 AI 深度偽造的財務長所欺騙，進而轉移高達 2,500 萬美元至海外帳戶。近期，美國官員證實，有人利用 AI 假冒美國國務卿 Marco Rubio 的聲音，聯繫了一位美國州長與國會議員。這些案例皆凸顯 AI 詐欺不僅限於個人財產損失，更可能威脅國家安全與外交關係。 Sam Altman 坦言，這種「對手利用 AI 對美國發動攻擊」導致大規模金融危機的可能性，讓他「徹夜難眠」。他也預警，目前「語音通話」的詐騙將迅速演變為「視訊通話或 FaceTime」，屆時將更難以分辨通話對象的真實性。 金融業如何因應 AI 驅動的詐騙浪潮？ […]</p>
<p>許多零售品牌想在消費者的購物體驗導入生成式 AI，以提升效率和個人化體驗，常見的應用包含：購物推薦、客服回應，甚至是生成語音互動等等。 然而，Deloitte 2025 年針對 1,000 名美國成年人的調查與一系列訪談發現，消費者對這些以 AI 為基礎的個人化推薦等體驗，並非全然信任，主要擔心的問題包括個資安全、內容正確性等。調查發現，有 80% 的 AI 服務是因為消費者「缺乏信任基礎」而失敗，甚至有 15% 的受訪消費者表示，若產品加入生成式 AI 功能會考慮停止使用。 這樣的調查結果，為企業在導入 AI 體驗時敲響警鐘：打造個人化體驗之餘，也得建立消費者對 AI 的信任感，這樣才能和消費者建立長期關係。 四種消費者，對 AI 反應大不同 為了深入理解信任如何建立，Deloitte 將消費者依據對生成式 AI 的態度與行為分為四種類型，並指出組織設計生成式 AI 產品時，可以如何針對不同類型打造效率、教育或創造力導向的體驗，有助消費者對 AI 的態度轉為信任。 1. 樂觀者 這群族群年齡相較年輕（55% 為 35 歲以下），對新科技高度接受。他們偏好節省時間、提高效率的應用，但也重視 AI 能帶來的創造力與發現新內容的樂趣。品牌可透過推薦引擎、互動式內容、動態學習機制等功能來持續激發好奇心。例如，串流平台推薦未曾搜尋過但貼合喜好的音樂，或是購物平台結合使用者行為推播意想不到的商品。 2. 觀望者 這群人多為中壯年（平均 45 歲），主要在工作上使用生成式 AI 協助獲取資訊或提高效率。他們樂於嘗試新事物，針對這類消費者的 AI 服務，Deloitte 建議品牌應以「務實導向」為主軸，設計直覺、好上手的 AI 功能，並著重於知識搜尋與任務完成效率，展示應用在個人和職業領域的價值。 3. 未察覺者 […]</p>
<p>面對 AI 浪潮，能加速讓 AI 與雲端技術落地應用的企業，將更有機會成為激烈競爭市場中的領先群。iKala 近期出席由 TechOrange 科技報橘主辦的「AI 智造領航晚宴」，從 AI 應用場景與雲端策略布局出發，與企業一同擘劃 AI 驅動下的產業新局。 以「AI 賦能」與「以人為本」為核心，iKala 至今已成功服務超過 1,000 家企業客戶和 50,000 多個品牌廣告用戶。目前 iKala 旗下共有提供雲端部署與 AI 解決方案的 Nexus ，以及專注在行銷的 Kolr 兩大事業體，兩者皆深度整合 AI 技術，為客戶提供最佳解決方案。 AWS 專業合作夥伴 iKala「TaaS」解決方案助攻企業加速實現 AI 轉型 iKala 雲端科技事業部資深業務經理李竺軒以「Technical as a Service（TaaS）」解決方案為例，說明 iKala 的服務核心，包含透過 GenAI 技術打造企業專屬的聊天機器人與 AI 助理，這些工具可依據企業需求自動化設計並持續學習，協助企業提升客服效率並減少人力投入。在雲端基礎設施部分，iKala 結合 Infrastructure as Code 技術，協助客戶於多雲環境中自動化建置與配置 IT 架構，不僅大幅減少部署錯誤及時間，也降低系統管理複雜度與營運風險。此外，iKala 也提供 Landing […]</p>
<p>美國在 23 日頒布「美國 AI 行動計畫（American AI Action Plan）」，目的在確保美國主導 AI 產業的地位，避免被中國超越。美國總統川普簽署一系列行政命令，包括加速資料中心許可流程、提供技術出口融資，並終止美國政府使用的 AI 模型中有關推動多元化、公平與共融（DEI）的措施。 川普表示，「我今天在這裡宣布，美國將贏得全球 AI 競賽，我們一定會贏，因為我們不允許任何其他國家打敗我們。」根據《NPR》、《Reuters》、《Bloomberg》報導，美國未來一年將採取 90 多項 AI 政策行動，涉及加速 AI 創新、建置美國 AI 基礎設施、引領國際 AI 外交與安全面向，以下三重點整理： 大幅放寬 AI 監管規範 根據美國 AI 行動計畫，其聯邦政府將向企業和公眾詢問阻礙 AI 應用的現有法規，並逐步取消這些規定。白宮預算辦公室也將和擁有 AI 相關經費監管職責的聯邦機構合作，考慮停止向擁有「繁瑣 AI 法規」的州提供聯邦 AI 專案資金。 川普在頒布新計畫的演講提及，美國需要一套聯邦統一標準來監管 AI 產業，能凌駕所有州政府、所有人，而不是由 50 個州各自規範，「這樣你就不會同時陷入與 43 個州的訴訟之中。」 此外，川普政府也計劃審查 AI 模型是否存在「意識形態偏見」，並禁止那些無法提供「客觀事實」的公司與美國政府往來。《NPR》報導，該命令將偏見定義為多樣性、公平和包容性，以及批判種族理論、跨性別主義。白宮科技政策主管 Michael Kratsios 表示，該政府將「只與那些確保其大型語言模型（LLM）系統能促進言論自由與個人裁量權的開發商簽約。」 用全堆疊 AI 出口與中國比拚 […]</p>
<p>人工智慧的發展已進入一個嶄新階段。過去，AI 訓練仰賴大量低成本人力進行數據標註，這些工作常被外包給非洲和亞洲的零工經濟工作者，負責圖像框選、內容描述等基礎數據清洗任務。 然而，隨著生成式 AI 的飛速發展，產業對模型品質的需求急遽提升，這導致資料標註工作模式發生了根本性轉變：從過去的勞力密集型外包，正轉向高專業知識導向的知識密集型任務。 這波變革反映了新一代 AI 模型對更優質、更複雜知識來源數據的渴求。 如今，生物學家、金融分析師、工程師等高薪專業領域的專家，正被納入 AI 訓練流程，取代了原先由肯亞、菲律賓等地低薪勞工執行的簡單註釋工作，因為這些簡單任務已逐漸被自動化所取代。 這種轉變不僅象徵 AI 訓練流程正進入高價值人力與知識的深耕期，也讓像 Scale AI、Turing 和 Toloka 等公司，開始聘請這些領域專家，為 AI 團隊創建更複雜的訓練數據，這對於開發下一代 AI 系統至關重要。 資本熱潮轉向，「高品質資料企業」成投資新寵 市場的投資風向也正在改變。過去的投資熱潮主要集中在 AI 模型本身和運算能力上，如今，目光正轉向那些能提供高品質訓練數據的企業。這種轉變，也導致投資者對數據標籤新創企業的興趣激增，資金開始大量湧入這個領域。 具體來看，科技巨頭已開始大手筆投資。今年六月，Meta 便向 AI 數據標註公司 Scale AI 投資 ，使其估值翻倍至 290 億美元；亞馬遜創辦人 Jeff Bezos 也領投生成式 AI 數據與訓練公司 Toloka 7,200 萬美元，這些案例都明確指出，資料層已成為 AI 投資的新焦點。此外，雲端影片分析公司 Turing AI 也在三月完成 1.11 億美元募資，估值達 22 億美元。 高品質數據在 […]</p>
<p>人工智慧（AI）正為科學研究與人們對世界的理解帶來全新可能。科學家如今已能深入解析電子、創造新材料，甚至與樹「對話」。生成式 AI 工具驅動科學發現突飛猛進，開啟對人體細胞與其所依賴生態系統的深層洞察。 「科學突破是 AI 最重要的應用之一。」微軟研究院負責人 Peter Lee 博士表示：「我們相信生成式 AI 理解人類語言的能力，同樣也能用來解讀自然界的語言，包括分子、晶體、基因組與蛋白質等。」 2025 上半年，微軟在多個採用同儕審查的學術期刊上發表多篇研究論文，並在醫學、能源、生物學與量子物理等領域推出全新工具與跨領域協作。Peter Lee 表示，這些努力的目標是：透過強大、實用且值得信賴的 AI，加速科學家探索複雜問題的過程，並將研究成果轉為對現實世界的具體影響。 AI 已展現實質影響的五大科學應用場域，同時也可能是下一波重大突破即將誕生的關鍵。 醫療健康：促進醫療照護與科研進展 AI 正迅速成為醫療領域的重要夥伴，不僅能自動化任務，更協助臨床醫師與研究人員看得更廣、更快理解、更早行動。從病歷紀錄到病理切片，這些多模態模型可分析大量非結構化資料，發掘有助於疾病偵測與個人化治療的關鍵模式。 例如 PadChest-GR，是首個收錄 4,555 張胸部 X 光影像的資料集，以西班牙語與英語提供精準定位的標註資訊。該資料集由西班牙阿利坎特大學與微軟共同建置，可協助放射科醫師更精確地解讀影像，同時用於訓練 AI 模型，與科學家一同學習與進步。 另一例是微軟最新推出的 AI 診斷協同系統 MAI-DxO（Microsoft AI Diagnostic Orchestrator），模擬醫師團隊的推理過程，整合多種資料來源協助判斷。這項研究顯示 AI 有望以更高準確率、更低成本處理複雜醫療案例。 這是醫療領域一波以科學為本的 AI 工具浪潮之一，其他還包括一款可大量分析病理切片的 GigaPath 工具，以及一項在肯亞推動的專案，透過識別高風險社區，協助預防兒童營養不良。 科學發現：加速取得科學洞察 AI 助力科學家分析複雜資料與模擬自然界運作機制，以傳統難以達成的速度與規模加快研究進程。 Microsoft Discovery 是一款全新平台，採用 agentic AI 技術建構，具備推理、規劃與在授權下自主執行任務的能力，能如同研究夥伴般參與工作，自動執行提出假設、進行模擬與優化實驗流程等任務。亦能從大量資料中辨識隱含規律與關聯，使科學家得以更高效率地驗證研究假設。在一項早期應用中，Discovery 僅用一週左右協助研究人員開發出資料中心冷卻液原型，而此流程原本需耗時數月。 微軟針對密度泛函理論（Density Functional […]</p>
