<p>專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚 近期美國發布《 AI 行動計畫》，在全球 AI 領域擔任關鍵角色的台灣，如何在政策端加速，避免與全球趨勢脫節？本集《全新一週》邀請立法委員葛如鈞，深入探討《AI 基本法》的理念，以及台灣在發展 AI 算力的過程中，可能遭遇的挑戰與解方。 「台灣其實一直沒有 AI 法制的框架，這個框架存在的意義是一個『上位的法規』， 可以想像成是政府應對人工智慧衝擊或機會的北極星，」葛如鈞強調，如果沒有《AI 基本法》這顆「北極星」，那麼各個部會對 AI 的認知可能就會不同調，導致各級機關無所適從。 另一方面，如果沒有《AI 基本法》，有關個資、著作權、兒少保護、勞動權益保障等既有法令，可能會無法因應 AI 帶來的衝擊，讓政策出現千頭馬車或毫無行動的局面，產業投資與國家安全風險也會因此被放大。 從國際視角出發，關於各國與 AI 相關的規範，葛如鈞分析歐盟的《人工智慧法案》以保護人權為核心；美國以競爭與創新為優先，透過行政命令與鬆綁讓產業快速發展，較偏向競爭主義；日本則採取由中央強勢主導的方式，提升政策層級。至於台灣，則必須在「產業競爭力」與「民主人權價值」之間找到特有的平衡點，才能打造出符合台灣脈絡的《 AI 基本法》。 台灣 AI 發展面臨的三大關鍵挑戰 發展 AI 至少有三個要件，分別是資料、算力與電力。在資料方面，過往台灣著作權法對人格權、財產權的刑責與罰則相對嚴格，然而在 AI 時代，這樣的刑責可能形成資料流通的壁壘，抑制本土與外資在台進行模型訓練或資料採集的意願。「《AI 基本法》草案出了委員會，這一次有三個條文是有共識並確定的，像是確立政府應推動『資料開放共享』精神的第十五條，就是其中之一，」葛如鈞指出，政府可以透過編列補貼預算以降低資料共享的社會成本、設置日出條款在限期內試行再逐步轉由企業承擔成本等模式，鼓勵資料開放。 其次在算力部分，台灣目前可能不在全球前十名之列，造成這個狀況的結構性因素，包括學術研究機構與公部門對算力的預算投入相對有限，難以支撐需要大量 GPU 或 TPU 的計畫。另一方面，算力不足不只是一個總量問題，還涉及用途與結構的差異，例如訓練大型語言模型、對既有模型做大規模微調以及日常推論的算力需求，彼此之間差異極大，所以對資源分配的策略要求更高。因此，除了提升總量外，台灣還必須更精細地規劃算力的分配與使用模式。 最後，面對 AI 時代的電力挑戰，葛如鈞分享，現在全球主要雲服務商與大型 AI 公司，皆紛紛預購或評估使用小型模組化核能（SMR）作為可預期且穩定的電力來源，這也將直接影響台灣未來在 AI 競爭中的長期優勢。「沒有電就沒有 AI，沒有 AI 就沒有國安、競爭力和產業機會，」葛如鈞強調，確保可靠電力、評估包含新式核能在內的多元能源選項，並同步規劃儲能與調度機制，應成為國家層級的優先政策。 《AI 基本法》是指引方向的「北極星」 葛如鈞表示，《AI 基本法》草案傾向由國家科學及技術委員會擔任主要統籌管理單位，以利整合科技研發與政策資源。至於各主管機關的職責分配與運作細節，必須在後續協商中明確界定，才能確保治理體系既有高度戰略指引，也能落實責任分工。 […]</p>
<p>全球 AI 解決方案供應商麗臺科技（Leadtek）將於「2025 台北國際自動化工業大展」展示三大關鍵應用，涵蓋自動化五面檢測 AI 視覺辨識、地端 AI Agent 智慧管理及數位孿生模擬訓練，全面展現AI深度融入製造業核心場景的實際成果。麗臺結合自研 AIDMS AI 開發管理平台與 NVIDIA RTX PRO Blackwell GPU，強化高密度視覺運算、多模型融合應用與地端大型語言模型（LLM）軟硬體部署，完美回應製造業對即時運算與資安的嚴苛需求，打造高效、安全且具擴展性的 AI 核心架構，協助企業從傳統自動化躍升為全面 AI 驅動的智慧製造。 AI 外觀檢測：VLM 與多模型融合應用 在智慧製造的第一線，麗臺與 GIT 全球儀器攜手，展示整合 VLM 多模態 OCR 技術與多模型融合應用的 AI 五面外觀檢測解決方案。此技術不僅可高精度辨識各種非標準物件與文字標示，更透過整合機械手臂，實現全自動五面全檢與分流流程，大幅簡化產線作業，提升生產效率。 AIDMS 平台支援快速客製模型訓練，僅需少量資料即可部署 AI 於實際生產線；文字辨識應用，無需蒐集樣本即可達成高準確率辨識，有效降低導入門檻，展現 AIDMS 在 AI 視覺應用的高彈性與實用效能。 引領企業邁向自建 LLM 應用世代，打造地端部署 AI Agent 除了產線導入 AI，企業在知識管理與跨部門協作上同樣存在大量痛點，例如：內部文件散落、產品與報價資料難以查詢、報表彙整繁瑣等問題。麗臺科技與跨國 AI 公司 iKala 合作推出「製造業地端部署 AI Agent 解決方案」，將於活動現場展示 […]</p>
<p>近期 Meta AI 部門再次出現大動作：Meta 宣布將旗下超級智慧實驗室（ Meta Superintelligence Lab, MSL） 拆分為四大團隊，分別聚焦在基礎研究、超級智慧研發、產品整合與基礎設施。這場結構性變革，背後也反映出 Meta 在激烈的 AI 軍備競賽中，想要更快速、靈活與開放地佈局未來的決心。 為什麼要拆分超級智能實驗室？ 「超級智慧正在來臨，我們必須圍繞關鍵領域重新組織，」Meta 新任 AI 長 Alexandr Wang 表明重組超級智慧實驗室的核心動機：過去的龐大架構，難以快速反應 AI 技術瞬息萬變的挑戰。 因此，Meta 超級智能實驗室將劃分為四個部門：「FAIR」將專注在 AI 研究；「TBD Lab」將聚焦開發「超級智慧」潛在強大 AI；「產品與應用研究」團隊將以產品為核心；最後，「MSL 基礎設施」部門將著重在資料中心和其他 AI 硬體等基礎設施。 這樣的方式，也讓 Meta 能更接近矽谷慣用的敏捷團隊模式——小組專責、快速決策，避免資源浪費。 拆分團隊背後的「速度戰」與新模型策略 隨著 Meta 與 OpenAI、Google DeepMind、Anthropic 的競爭白熱化，如果研發與產品開發鏈太長，Meta 就有可能錯失商機。因此這次 Meta 拆分超級智慧實驗室的背後，另一個目的就是想「加快開發速度」。 同時，若某條研發路徑受限或失敗，Meta 可以盡速重新配置團隊，而不是拖累整個實驗室，讓資源調整更靈活。 值得注意的是，Meta 過去以 Llama 模型聞名，但在這次組織調整過程中，傳出公司正在評估導入第三方或非開源的模型，這也被外界解讀為 Meta 可能調整過往全面開放的策略。 「在超級智能時代保持領先」的決心 […]</p>
<p>全球 AI 協作機器人領導品牌-達明機器人（Techman Robot）於「台北國際自動化工業大展」隆重發表三大智慧製造應用主題，並全球首度亮相首款人形機器人 TM Xplore I。重點展示多項 AI 驅動的智慧製造方案，包括 AI 即時決策、自動化解決方案與快速部署應用，全面展現協作機器人在產線升級中的最新成果與落地價值。 本次展會中，達明機器人以「Physical AI Lab」為核心亮點，推出結合NVIDIA® Isaac GR00T N機器人通用模型，與自主研發 AI 視覺技術的人形機器人 TM Xplore I，專為檢測、上下料、倉儲搬運等高混合、高精度產線而設計。該機器人搭載 NVIDIA® Jetson™ Orin 平台，實現高效的AI推論及邊緣計算，採用輪式移動與 22 軸以上的關節自由度，具備靈巧操作的特性，可以做出更接近人類的複雜動作，並能快速更換末端模組；在本次展會結合德國 SCHUNK 人形五指機械手，實現「看得懂、做得準」的精密作業能力，讓人形機器人正式踏入工廠第一線，提升產線柔性與效率。 另一大焦點是 AI 即時決策與自動化解決方案的應用。達明推出 Auto AI Training 技術，將 AI 視覺檢測的導入時間縮短 90%，使產線員工能即時標註、訓練並優化 AI 模型，降低導入門檻並加快生產線調整速度。同場展示的 Server Rack 檢測方案則將機械手臂、夾爪與 AI 視覺深度整合，能快速完成伺服器檢測，滿足資料中心與半導體產業對高精度與高效率的嚴苛要求。 針對企業快速部署需求，達明機器人提出「Instant Cobot Ready」一站式方案，讓客戶買回去馬上開工。Instant Palletizer 支援最高 35 公斤負載並可不中斷完成自動堆棧作業，而 Instant […]</p>
<p>生成式 AI 為企業帶來新希望，也製造了許多「試了但沒起色」的案例，這些先行者之間的差距是什麼？麻省理工學院（MIT）NANDA 計畫最新研究指出，美國公司近年在生成式 AI 專案上投入約 350 億至 400 億美元，但 95% 的受訪企業未獲得回報，只有 5% 能把 AI 工具大規模整合到生產流程並帶動營收或效率提升，形成「生成式 AI 鴻溝」。 這份研究針對美國企業領導者進行了 150 次訪談、調查 350 位員工與 52 家組織、分析 300 個公開 AI 導入案例，指出造成生成式 AI 鴻溝的原因，並不是源於 AI 模型的品質或法規，而是因為多數企業級 AI 工具缺乏學習能力，難與現有工作流程整合，導致試點專案停滯不前。 企業 AI「採用率高，轉型率低」的矛盾現象 MIT 研究發現企業中另一令人驚訝的現象：影子 AI 經濟，這指的是員工在未經 IT 部門知情或批准的情況下，使用個人 ChatGPT、Claude 訂閱帳號或其他消費級 AI 工具來自動化工作流程的情形。研究顯示，雖然只有 40% 受訪公司表示已購買外部的 LLM（大型語言模型）訂閱方案，但有超過 90% 受訪公司的員工經常使用個人 AI 工具來執行工作任務。 然而，像 […]</p>
<p>「隨著地緣政治變化與 AI 技術重磅來襲，新代集團在經營策略上做出選擇，就是我們決定進入資本市場，」新代科技集團董事長蔡尤鏗在今（8/19）日舉行的新代科技上市前媒體茶敘表示，未來新代集團期待藉著資本市場的力量，除了獲得更多資金支持外，也期許能擴大企業間的合作，進一步增加經營能見度，讓新代科技在下一個三十年可以走得更穩，並和台灣業者一起打「國際盃」。 AI 就是新代的 DNA 「對新代集團而言，AI 不是未來，是現在，」蔡尤鏗表示，新代目前已經有很多產品開始融入 AI 技術，目的是讓設備更聰明、生產更智慧，例如新代的控制器已經具備 AI 模型推論能力，同時結合感測器讓設備自主收集資訊並進行智能決策，真正落實智慧製造。 「AI 就像新代的 DNA，」蔡尤鏗強調，新代的定位很明確，就是一個「解決方案提供者」，假設有人想做機器狗，新代可以提供「小腦」（控制單元）以及智慧關節等關鍵組件，然而在發展新事業時，新代也會緊扣自己最堅強的核心，鞏固原有業務。 目前控制器仍是新代最大的營收來源，但未來新代也將更加聚焦在智慧製造與類人形機器人的發展，無論是 AGV 自動導引車，或是能夠上樓梯的機器狗，都在新代的未來藍圖之中。 台灣工具機產業的挑戰與轉機 新代集團成立的三十年來，從速控系統、控制器，一路發展到傳統的工具機，進而做到專機以及機械手臂。面對工具機產業當前的挑戰，蔡尤鏗指出，台灣工具機業過去的核心能力是製造，就是讓同樣的產品可以用最低成本製造出最好的品質。然而近年隨著匯率與大陸機械產業崛起，讓過去成功的經營模式面臨挑戰。 至於未來的突破口會在哪裡？蔡尤鏗認為，台灣工具機產業必須結合台灣下游製造業與上游零組件的實力，並整合智慧機械與智慧生產，進一步實現智慧製造，「用生態系的方式，才能讓設備與國際大廠產生差異化，因為如果沒有差異化，就會淪為價格競爭。」 新代如何打「國際盃」？ 面對川普高關稅政策帶來的全球在地化趨勢，新代也積極參與國際競爭。新代科技集團總監黃芳芷分享，為了解決勤誠興業嘉義廠招工困難的現象，新代與勤誠興業共同舉辦智慧製造機器人暑期研習營，邀請大學生參與，讓他們透過實作了解機械手臂的具體應用場景。目前，因應關稅挑戰，隨著勤誠興業在馬來西亞與美國購地，新代的機械手臂與雲端產品也同步進軍海外市場，真正參與國際級別的競爭。 2025 年同時也是新代第四個五年計畫的最後一年，公司已著手啟動第五個五年計畫，未來的大方向將是智慧製造與 AI 的深度融合。蔡尤鏗與黃芳芷皆強調，新代的目標是讓控制器結合感測器，並整合 Edge AI 與 Cloud AI，打造更聰明的設備。「我們上市的目標，是為了讓公司不只做大，還要做得更強，」蔡尤鏗說明，新代的標語是「任意組合、隨插即用」，意即藉由標準化與模組化，使新代的產品線能與自己和同業的設備融合，進一步實現設備聰明、生產聰明、開放且彈性的目標。 如今，透過上市，新代希望能加速達成這些目標，從工具機到智慧製造，從台灣到全球舞台，迎戰激烈競爭的「國際盃」。 （首圖來源：新代科技） 全球還有哪些領軍企業正在切入 AI 機器人產業鏈？立即免費下載《AI 機器人全球 7 大勢力關鍵報告》，解鎖各國 AI 機器人發展重點！</p>
<p>人工智慧正在徹底改變軟體開發的面貌。過去專注於「如何寫程式」的開發者，現在必須思考「為什麼要建構這個功能」以及「如何創造商業價值」。 軟體供應鏈管理解決方案企業 Sonatype 產品開發主管 Mitchell Johnson 觀察到，AI 企業更重視接近產品管理角色的開發者，他們能夠發現用戶問題、做出權衡決策，並主導產品發展方向。 AI 組織看重的重點開發技能有哪些？ 第一是評估 AI 對業務的實際影響。AI 驅動的信用風險分析平台 EnFi 技術長 Scott Weller 強調，開發者需要理解傳統軟體和機器學習間的權衡，以及如何以實用、可測量且負責任的方式將 AI 嵌入工作流程中。 全通路客戶互動平台供應商 SleekFlow 技術長 Lei Gao 表示，他們不會僅為了新奇而應用 AI，而是真正得有明確的商業報酬。例如，開發者需要理解 AI 驅動的軟體，如何幫助提升轉換率或可以支援自動化到什麼程度。重點不僅是創建優秀的模型，而是在業務流程中有效地利用它們。 第二是建立與營運數據基礎設施的經驗。在以 AI 為先的系統中，數據就是產品。Weller 指出，開發者必須熟悉如何抓取、清理、標記和分析數據，因為糟糕的數據會導致模型性能不佳。Gao 表示，他們期望開發者擁有使用分散式數據平台的能力，且可執行資料抓取、即時分析等各工作環節。 第三是將 AI 工具整合進既有系統的能力。倘若 AI 工具無法與現有系統良好協作，客戶根本也看不到任何好處。工業軟體供應商 IFS 技術長 Kevin Miller 表示，作為協助工業公司採用 AI 的角色，他們非常重視具備強大 AI/ML 整合和實施技能的開發者。 雲端就是一切！ 第四是保障 AI 安全與可靠性的技術能力。在工業製造等某些領域，AI 系統必須優先考慮安全性和可靠性。Miller 指出，例如工廠營運對於環境安全要求不能有一絲差錯，在這種場域中，AI […]</p>
<p>Anthropic 近日宣布，將在 Claude Opus 4 和 4.1 模型中導入一項新功能：在面對「極端、持續有害或濫用性使用者互動」時，Claude AI 模型可以自行終止對話。 Anthropic 強調，這樣的舉動並非為了保護人類使用者，而是為了「保護 AI 模型本身」。這次的改變是 Anthropic「模型福利（model welfare）」研究計畫的一環，目的是以「預防性」的方式識別、減輕 AI 在長期互動中可能面臨的風險。 Claude 在什麼情況下會「主動終止對話」？ Anthropic 表示，這項功能只會在「極端邊緣案例」下啟用，例如使用者要求生成涉及未成年人的性內容，或試圖索取可能導致大規模暴力行為的資訊。 這項功能被視為「最後手段」，也就是 Claude 只有在多次嘗試將對話導向安全範圍失敗，並且已經無法進行有效互動之後，才會使用終止對話的能力。另一方面，如果使用者明確要求 Claude 結束聊天，模型也會遵守。 值得注意的是，如果對話內容呈現使用者可能面臨自傷或他傷的風險，Claude 不會直接切斷對話，而是持續互動以確保使用者安全。 Anthropic 的「模型福利」概念 Anthropic 表示自己並不百分之百認為 AI 模型具有知覺，也不認為 Claude 會因為對話而「受傷」，同時對於「 AI 是否具備道德地位」的想法，公司也保持「高度不確定」的態度。然而，Anthropic 相信即使 AI 不具備知覺，但若長期暴露在無休止的濫用指令中，其輸出模式可能會受到影響，因此仍有必要設立防護。 對 Anthropic 來說，讓模型主動終止對話是一種「低成本干預措施」：即便未來證明 AI 並不需要「福利」，至少可以降低潛在風險；若事後發現模型確實可能受此影響，這項功能則將成為一個重要的倫理先行舉措。 AI 也會感到痛苦？ 在正式部署 Claude Opus 4 之前，Anthropic 進行了「模型福利評估」（model […]</p>
<p>麥肯錫全球管理合夥人 Bob Sternfels 認為，在不久的將來，麥肯錫將為每位員工配置一個 AI 代理，實現「培養人也培養 AI 代理」的雙軌發展策略。 麥肯錫正大量部署 AI 代理來輔助顧問工作。目前已有約 1.2 萬個 AI 代理在協助員工製作 PowerPoint 簡報、做筆記、總結訪談內容和研究文件。其中最受歡迎的是一個幫助員工以「麥肯錫語調」寫作的機器人。 這種轉變不僅壓縮了專案交付時間，更從根本上改變了人力需求結構。過去需要大量初級顧問參與的基礎工作，現在可以由 AI 代理快速完成，使得整個行業的人力配置和工作模式都面臨重新設計。 顧問業「食物鏈」被重塑 過去傳統顧問業的商業模式，建立在人力密集的基礎上；主要培養並依賴高素質人才，並以時數和專案形式進行計費。但這種模式在 AI 時代遭遇前所未有的挑戰。 顧問諮詢平台 Catalant 執行長 Pat Petitti 指出，AI 不僅能加快專案進度，更重要的是，許多專案現在可以用更少的人力完成。初階員工將首當其衝受到影響，因為在大型專案中，他們過去承擔的例行性工作現在大多可由 AI 代理替代。 這種精簡效應將沿著整個顧問業的食物鏈向上傳導，迫使整個行業必須從商業模式層面進行根本性變革。 最直接的反應是，傳統的按時計費模式正逐漸失去競爭力，因為當客戶發現可以透過工具瞬間獲得答案時，他們自然會質疑為何還要支付昂貴的顧問費用，這迫使顧問公司必須重新思考價值創造的方式和收費模式。 現在與未來：顧問要提供建議，更要對實施效果負責 管理諮詢公司 Oliver Wyman 執行長 Nick Studer 更直白表示，「管理顧問的時代已經結束了。」客戶不再只限於從「穿著西裝拿著簡報的人」獲取有用地策略建議，而這轉變也催生了專注在成果型合約的趨勢。 目前麥肯錫約四分之一的業務，採用成果導向的收費安排，即顧問費用部分取決於專案是否達成預期結果。這種模式要求顧問不僅要提供建議，更要對實施效果負責，從「顧問」角色轉向「合作夥伴」角色。 資誠前合夥人、現任專注企業數位轉型的 Qodea 公司執行長 Alan Paton 也預測，大部分結構化，以及數據密集的審計、稅務和策略諮詢工作，將在未來三到五年內被自動化——目前已有 AI 解決方案能夠完成 90% 的審計流程——這將導致約 50% […]</p>
<p>多年來，人工智慧在醫療領域的應用，一直被視為能與人類醫生匹敵，甚至超越他們的革命性技術。然而，一項刊登於《柳葉刀胃腸病學和肝病學》的最新研究，卻對此觀點提出了強烈質疑。研究結果顯示，AI 的輔助，似乎反而極大地阻礙了醫生的能力。 這項由波蘭西里西亞醫科大學的團隊主導的研究，觀察了四間內視鏡診所的 19 名醫生。結果令人震驚：在醫療中心引入 AI 之後，醫生對腺瘤（結腸癌前病變）的檢測率，相較於實施 AI 前下降了 20%。研究人員對此發出了「去技能化（deskilling）」效應的嚴厲警告。 過度依賴 AI，影響專業判斷 這項研究的結果，直接挑戰了過去許多認為 AI 能提升醫生診斷能力的試驗。 研究共同作者 Yuichi Mori 指出，這可能意味著過去的試驗，並未完全反映出 AI 持續暴露對醫生所帶來的負面影響。他推測，醫生可能因過度依賴 AI，導致專業警覺性降低，使得在「非 AI 情境」下的表現反而退步。 倫敦大學學院學者 Omer Ahmad 在同時發表的一篇評論中表示，這項研究是首個真實世界的臨床證據，顯示「去技能化」可能影響患者治療結果。他強調，儘管 AI 具備巨大潛力，但我們也必須防止高品質內視鏡檢查所需的基本技能，正被悄然侵蝕。 麻省理工學院近期進行的另一項研究也引發類似擔憂，該研究發現，使用 OpenAI 的 ChatGPT 撰寫論文會降低大腦參與度和認知活動。這都暗示了 AI 對人類核心能力可能帶來的負面影響。 研究設計的限制與對醫療系統的啟示 當然，這項研究也存在其限制，例如樣本量偏小（僅 19 名醫生），且為非干預性的觀察性研究。AI 工具的版本也未被提及，難以判斷其技術是否有所改進。儘管如此，它提出的問題至關重要。 研究者 Mori 警告，隨著 AI 技術的不斷進步，「去技能化」的影響可能會變得更加明顯，甚至可能更高。這也為醫療系統提供了重要啟示：在引入 AI 輔助診斷的同時，必須有制度性措施來確保醫師的核心技能不會因依賴而退化。 醫療機構應將真實世界數據（RWD）作為監測醫療 AI 效能的重要依據，並在部署 AI 時，謹慎平衡其提高效率與潛在「去技能化」風險，確保醫療品質不因此受到影響。 醫生不能讓 […]</p>
<p>《華爾街日報》報導，AI 已經在求職過程中無處不在，迫使企業重新採取「實體面試」。 近年來，受遠距工作盛行與企業希望加快聘用流程影響，線上面試已成為招聘的新常態。然而獵頭指出，越來越多求職者利用 AI 工具作弊，例如在技術面試中透過螢幕外的 AI 幫助回答問題，甚至有詐騙犯透過 AI 假冒求職者，企圖在錄用後竊取資料或金錢。 驗證求職者基本功，企業決定回歸現場面試 部分企業回到傳統的面試方式。Cisco 與麥肯錫等公司重新導入實體面試，在招聘過程中的不同階段與候選人見面，今年 Google 也針對部分職缺恢復實體面試，確保應徵者具備實際技能，例如撰寫程式能力。 Google 執行長 Sundar Pichai 接受 Lex Fridman Podcast 訪問時表示：「我們會至少安排一輪現場面試，確認（求職者）基本功是否到位。」 《華爾街日報》提及，軟體工程職位的面試通常涉及「寫程式」挑戰，然而許多工作（尤其是小型科技公司）都是遠距型態，面試多採線上進行，獵頭說明利用 AI 工具在鏡頭外完成考題寫程式，變得相對容易。Coda Search & Staffing 分公司的技術招募主管 Mike Kyle 表示：「這就像走了一圈又回到原點。」他估計，企業要求面試者到現場面試的比例，從 2024 年的 5% 到今年已上升至 30%。 北韓假求職者滲透美企，用 AI 抓 AI 多關卡驗證 《華爾街日報》說明，企業因應大量應徵者，開始利用軟體篩選人，而挫折感十足的求職者便轉向 AI 工具，打造更客製化的履歷，甚至用自動化方式申請數百個職缺。 AI 快速發展，已經能生成高度逼真的深偽（deepfake）影音，這類工具可能讓實力不足的求職者在面試中佔到優勢，甚至讓詐騙犯假冒求職者。美國聯邦調查局（FBI）近期警告，有數千名北韓人冒充美國人，取得美國科技公司遠距職缺並領取薪水。 有企業透過數位背景調查與深偽偵測服務，初步篩選應徵者。《PR Newswire》指出，招聘軟體公司 Greenhouse 宣布與身份驗證公司 Clear 合作，共同部署企業識別平台 CLEAR1，讓求職者先在平台上驗證身分，透過 […]</p>
<p>Anthropic 正在為 AI 教育市場注入一股不同於「速度至上」的力量。近日 Anthropic 在 Claude AI 助理中推出全新的「學習模式」，目的是將聊天機器人從一個單純提供答案的工具，轉變為一個教學夥伴。 Anthropic 的核心理念是讓 AI 深思熟慮地增強人類能力，而不是取而代之。這不僅是功能設計上的改變，更是對 AI 與學習關係的重新反思：當 AI 可以快速生成解答時，是否會削弱人們在學習過程中必要的思考與探索？ 競爭激烈的 AI 教育市場 在 Anthropic 推出新功能的時刻，正值 AI 教育工具市場競爭白熱化之際。目前全球教育科技市場的估值約為 3,400 億美元，已經成為各家 AI 公司爭奪主導地位的關鍵戰場。 例如 OpenAI 在七月下旬推出 ChatGPT 的「學習模式」（Study Mode），Google 則在八月初發布 Gemini 的「引導學習」（Guided Learning）功能，並承諾未來三年內在 AI 教育領域投入 10 億美元。 Anthropic 選擇在返校季時間（back-to-school season）發布這項新功能，除了希望爭取學生和教育機構的採用外，更期待重塑人與 AI 工具互動的方式。 透過「提問」引導使用者理解而非被動獲得解答 新的「學習模式」，針對一般使用者與軟體開發者提供不同功能。在設計上，Claude 的學習模式分為針對一般用戶與開發者的不同路徑。面向 Claude.ai 的通用服務，Anthropic 引入蘇格拉底式教學法，透過提問來引導使用者自行理解概念，而不是直接給出標準答案。這一功能最初於四月在「Claude for […]</p>
<p>AI Agent 是指能在既定範圍內自主或半自主地執行任務、做出決策並與人互動，同時透過學習與適應來達成特定目標的智慧系統。現在，AI Agent 正加速進入辦公室，從文件處理到流程自動化，已經成為許多員工日常密切協作的「新同事」。 近期，Workday 委託 Hanover Research 針對 2,950 位全職 IT 決策者進行調查，對象涵蓋北美、亞太與歐非地區。這份《AI Agents Are Here—But Don’t Call Them Boss》報告指出，已經有 82% 的企業組織正在擴大 AI Agent 的使用。 工作者對 AI Agent 的接受度與主要顧慮 這份報告指出，有 75% 受訪者樂於與 AI Agent 並肩工作，但有 70% 不想被 AI Agent 管理，也僅有 24% 接受 AI Agent 在未經人類授權的狀態下運作，凸顯員工與 AI 的角色分明，以及對 AI 控制感的重要性。 另一方面，近 90% 受訪者相信 AI 代理可以幫助完成更多工作、提升生產力，但也擔心隨之而來的壓力上升、批判性思維下降與人際互動減少。儘管失業焦慮仍然存在，但只有 […]</p>
<p>在健身與健康管理的場域中，生成式 AI 正悄悄改寫會員互動模式，從單純的運動數據追蹤，進化為能夠即時對話、個性化建議，甚至建立情感連結的「健身夥伴」，而這正是提升用戶、會員黏著度的關鍵。 上什麼課、吃什麼，AI 都能量身建議 美國高級健身房品牌 Equinox 正在旗下 app 中，對員工（目前僅限內部團隊）測試一項生成式 AI 功能，能夠提供個人化運動安排與營養建議，目標是提升效率與會員體驗。 Equinox 技術長瓦魯利（Eswar Veluri）強調，這套系統的核心優勢源自其專屬數據，例如教練團隊累積的專業訓練資料，使生成建議更專業，也更加貼近個別用戶的需求， 有別於一般 AI 提供、普遍適用於大眾的建議。《Fortune》還指出，該系統生成出運動及營養攝取建議後，所採取的回饋機制，是根據使用者書面意見，而非傳統的「按讚」與否，不僅能更細緻的動態調整推薦內容，也讓會員在互動中更有主導感。 這並非 Equinox 在 AI 應用上的初次嘗試。他們過去已推出類似 Netflix 推薦片單的課程推薦功能，依據會員過往喜好、天氣狀況與常去場館位置推薦課程，這項功能一上線後即顯著提升了課程預約率，進一步降低會員流失率。 「我們只有一個商業目標，那就是讓會員更常來健身房。」瓦魯利說，用生成式 AI 搭建教練式建議、會員個性化推薦等作法，讓會員在健身體驗中感受到最符合自身需求的建議，都是為了強化會員黏著度。 AI 補上運動即時數據缺口，讓用戶更持之以恆 在台灣，力康運動醫學機構則將 AI 引入精準運動評估，將傳統依賴教練經驗判斷的模式，轉變為以數據為基礎的個人化訓練方案。 力康運動醫學機構執行長姬兆平向《Heho》表示，過去運動產業在與用戶互動時，有幾個常見的痛點，一是運動計畫「高度客製化」的特性，每個人的身體狀況、運動能力、肌肉發展與健康需求皆不同，因此每個人都有適合自己的一套運動規劃；其二則是缺乏即時數據的回饋機制，使得使用者難以理解訓練過程中的細微進步，然而運動並非短時間就能見效，經常有民眾因為短期內看不到體脂肪的明顯下降，或未能直觀感受到身體的變化，便容易產生挫折感，甚至中途放棄。 於是該機構自 2023 年底起，導入 AI 運動分析、步態評估與肌力測試，協助教練制定更精準的計畫。首次到訪的會員會在專業人員指導下進行「運動健檢評估」，使用帶有感測器的器材即時產生專屬數據報告，涵蓋步態分析、肌肉使用情況、握力與動作精準度等指標，讓會員清楚掌握自己的身體狀況與進步軌跡。這種科學化、可量化的回饋，不僅提升了訓練的精準度，也增強了會員持續運動的動力。 生成式 AI 化身「鼓勵型」運動夥伴 把生成式 AI 運用在健身場景中的，還有 Apple Watch 的 Workout App，其最新推出的 「Workout Buddy」，分析用戶即時運動數據，以及歷史健身數據，再利用生成式 AI 為使用者提供語音鼓勵與運動進度更新。 比方說，當用戶開始運動時，Workout […]</p>
<p>在全球 AI 競賽白熱化的當下，韓國正啟動一項罕見的國家級 AI 主權計畫，試圖在美中兩大科技強權之外，建立獨立自主的 AI 產業鏈。 該計畫集結了包括 SK Telecom、LG、Naver 等頂級科技巨頭及新創團隊，目標是結合韓國在半導體、雲端與軟體方面的優勢，打造近乎自給自足的國家級大型語言模型（LLM）。這項舉動不只對韓國 AI 發展很重要，更想讓他們成為全球 AI 市場上，除了美國和中國之外的第三股勢力。 5,300 億韓元重金打造「國家 AI」 韓國總統李在明致力於將韓國打造為全球三大 AI 強國之一。韓國科學技術資訊通信部（MSIT）已選定五個財團來主導開發，包括 Naver、LG AI Research、SK Telecom、NC AI 和 Upstage。 政府將向 AI 基礎模型投入約 5,300 億韓元（約 3.83 億美元），預計在 2027 年建成。其中，大部分資金將用於 GPU 支持、AI 訓練數據與人才招募。 此外，這個國家級 AI 計畫將採淘汰賽制，每六個月評估一次每個團隊的 AI 模型，並淘汰表現不佳的團隊。 到 2027 年，五個參賽財團將被逐步縮減至兩名決賽選手。為確保透明度，政府將推出公共排行榜，讓民眾能直接測試與比較各模型的性能。不過，也有專家擔憂，這種競賽形式可能會讓團隊只顧短期策略，犧牲了長期的敏捷創新。 走「全端自主」路線，想當美中之外的替代方案 韓國的 AI 戰略與其他國家有所不同。不同於阿聯酋或沙烏地阿拉伯多數依賴美國的技術，韓國試圖掌控更多的供應鏈環節。雖然他們仍將依賴 NVIDIA 的 GPU […]</p>
<p>專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚 「企業不能為了 AI 而 AI，必須知道 AI 到底要支撐什麼樣子的未來，才能走得長、走得遠、走得久，」本集《全新一週》邀請 KPMG 安侯建業數位長、顧問服務部執行副總經理賴偉晏，深入解析 KPMG 發布的《台灣產業 AI 應用趨勢與展望報告》內容亮點，以及對台灣企業導入 AI 現況的深刻洞察。 《台灣產業 AI 應用趨勢與展望報告》在 2024 年第四季完成調查，調查對象涵蓋 200 多位橫跨科技、金融、製造、零售、健康照護與生技產業的高階領導人。「有超過五成的企業回覆，他們已經在發展 AI，」賴偉晏指出，企業願意提高發展 AI 的預算並投入更多資源，這是相當正面的趨勢。 然而在正面趨勢背後，KPMG 也觀察到一些隱憂。賴偉晏分析，企業除了煩惱人才從哪裡來，培養人才後無法留才的狀況，更是一大挑戰。另一方面， AI 導入初期的效益多體現在提升效率的面向，例如服務時間減少、作業成本降低，如果在企業 AI 轉型初期就與財務成果緊密連結，很容易走向失敗。 五大產業導入 AI 的現況與挑戰 「運用 AI 比例最高的是零售業，大概有接近六成的零售業都說自己已經開始使用 AI，」賴偉晏說明，《台灣產業 AI 應用趨勢與展望報告》特別針對零售、科技、金融、工業、健康照護與生技五大產業，梳理導入 AI 期望解決的問題及帶來的具體效益，其中零售業很早就利用數據進行 SEO、SEM 和精準推薦等應用，因此對於初階 AI 應用有較高的熟悉度。不過，零售業毛利率普遍較低，這也使得他們難以支持更深層次、科技含量更高的 AI 投資。 AI 導入率第二高的是科技產業。儘管台灣科技業在 AI 晶片和 AI […]</p>
