TechOrange 科技報橘

主打「銀行級隱私」的穩定幣！Circle 推出 USDCx，有哪些應用情境？

<p>去中心化金融（DeFi）崛起，但區塊鏈技術最強大的「公開透明」特性，對於極度重視隱私與合規的銀行與大型金融機構來說，反而成為一道難以跨越的門檻。為了解決這項結構性問題，加密貨幣巨頭 Circle 宣布，將與 Aleo 區塊鏈合作，推出具備「銀行級隱私」的新穩定幣 USDCx。 不是完全匿名，而是「銀行熟悉的那種隱私」 USDCx 是 USDC 的私有版本，同樣以美元為錨定資產，並由 Circle 控制的資產作為儲備基礎。不同之處在於，USDCx 部署於 Aleo 的零知識證明架構上，能讓交易紀錄對外呈現為無法解讀的加密資料。Aleo 共同創辦人 Howard Wu 指出，USDCx 將能隱藏交易歷史紀錄。 但這並不代表 USDCx 完全匿名。其每一筆交易仍會保留所謂的「合規紀錄」，在必要情況下，Circle 可依法律或監管機構要求，向相關單位提供特定交易的資訊。Wu 形容，這種設計並非追求極端隱私，而是「銀行等級的隱私」。 《Payment Journal》報導，Javelin Strategy &amp; Research 加密貨幣分析師 Joel Hugentobler 指出，在多數公共區塊鏈上，任何人都能追蹤地址、分析資金流向，甚至推論企業間的商業關係，而 USDCx 將為金融機構解決很多問題，「從本質來看，USDCx 的目標，是在可程式化、具互通性的穩定幣架構上，重新帶回金融機構在傳統帳戶制系統中早已習慣、也視為預設的交易機密性。」 USDCx 的潛在應用場景為何？ Circle 與 Aleo 也點出 USDCx 可能率先落地的應用情境，包括跨國薪資發放、企業對企業付款、人道救援資金分配，以及需要保護交易策略的電子商務場景。在這些情況下，付款方與收款方往往不希望外界掌握其金額結構或資金流向，但仍需符合監管與稽核要求。 Circle 也提到，USDCx 可望被用於部分 DeFi 應用，作為兼顧合規與隱私的美元流動性管道。透過零知識證明，使用者可在不揭露交易細節的情況下，證明自己符合特定規範，讓「可驗證但不透明」成為可能。 穩定幣成為機構導入區塊鏈的突破口 USDCx 問世的時間點，正好落在加密產業積極推動大型金融機構導入區塊鏈技術之際。相較於去中心化加密貨幣，穩定幣與資產代幣化被認為是最有機會率先被採用的領域。例如資產管理巨頭貝萊德（BlackRock）近期也推出了自己的代幣化貨幣產品，顯示傳統金融巨鱷正積極佈局此領域。 Circle [&hellip;]</p>

從「完全遏制」到「邊賣邊監控」：揭川普解禁 H200 決策背後，美國晶片出口戰略的轉向

<p>美國總統川普近日宣布，美國將允許 NVIDIA 將 H200 AI 晶片出口到中國，代表對先前拜登政府時期嚴格出口管制政策的一次重大鬆綁。川普在社群媒體 Truth Social 上表示，這批產品將僅限於出售給「經過批准的客戶」，目的是平衡商業利益與國家安全。 對中國的 AI 產業而言，這次 H200 的解禁被視為關鍵的「補血」機會。美國外交關係協會（CFR）資深研究員、前白宮國家安全會議官員 Chris McGuire 表示，H200「至少領先華為、寒武紀、摩爾線程等中國設計廠商一個世代」，H200 效能也比華為計畫在未來兩年內生產的任何晶片都更出色。這意味著中國的 AI 開發者將能獲得更強大的硬體支持，以加速 AI 技術發展。 中國 AI 開發者與產業的期待 《南華早報》報導，中國 AI 開發者對 H200 的需求相當強烈。半導體產業分析師 Zhang Haijun 指出，這主要是因為&nbsp; NVIDIA 的 H200 GPU 在運算能力與記憶體頻寬上，仍顯著優於多數中國國產 AI 晶片。Zhang Haijun 進一步分析，國產晶片目前多被用於難度較低的「推論」任務，但在處理更嚴苛的大型模型「訓練」（training）任務時，H200 仍具有顯著優勢。 此外，「軟體相容性」是另一大關鍵優勢。Zhang Haijun 解釋，由於許多中國開發團隊的現有程式碼是基於 NVIDIA H200 與 H100 採用的 Hopper 微架構所撰寫，引進 H200 意味著他們可以「立即上手」，無需為了適應國產晶片而耗費大量時間與資源重寫程式碼。他強調，這種無需更改程式碼即可使用的特性，正是中國大型科技公司青睞 [&hellip;]</p>

Anthropic 捐出 MCP 給它！「AI 代理基金會」能成為 AI 代理的產業標準嗎？

<p>隨著 AI 從聊天機器人，進一步發展為能夠自主採取行動的 AI 代理（AI agents），產業也開始面臨新的結構性問題：如果每家科技公司都各自打造封閉、彼此不相容的代理系統，AI 的規模化應用將變得更加困難。為避免這種碎片化風險，Linux 基金會近日宣布成立新組織，試圖為 AI 代理建立共同的標準與協作基礎，多家大型科技公司已加入其中。 「AI 代理基金會」成立，三大公司捐出關鍵開源專案 這個新成立的小組名為「AI 代理基金會」（Agentic AI Foundation, AAIF），定位為 AI 代理相關開源專案的中立平台。Anthropic、Block 和 OpenAI 已率先捐出三個開源專案，AAIF 也將圍繞這三個專案建構，包括 Anthropic 的 MCP、Block 的 Goose，以及 OpenAI 的 Agents.md。 其中，MCP 是一套讓模型與代理能夠連結工具與資料的標準規範。據 Linux 基金會，目前已有超過 10,000 個 MCP 伺服器發布，並獲得 Claude、Cursor、Microsoft Copilot、Gemini、VS Code 與 ChatGPT 等工具支援。 Goose 則是一套開源代理框架，結合大型語言模型、可擴充工具以及以 MCP 為核心的整合機制，用來建構各式 AI 代理工作流程。 Agents.md 是一種開發者可加入至程式碼儲存庫的簡單指令檔，用來告訴 AI 程式設計工具該如何運作。 [&hellip;]</p>

加密貨幣成新制裁破口：從詐欺到洗錢，黑金如何被「漂白上鏈」？

<p>過去，走私者、洗錢者主要依賴黃金、鑽石或藝術品儲存非法財富，然而《紐約時報》近日披露，如今犯罪集團已轉向一種更具實用性的替代方案，就是「穩定幣」與「加密貨幣」。 與難以移動、不易變現的實體奢侈品不同，穩定幣與加密貨幣的核心優勢在於驚人的便利性及隱蔽性，讓資金能瞬間跨境、交換與混合，並重新匯入傳統金融體系。透過層層中介，不法分子甚至能利用加密貨幣在幾乎不被察覺的情況下進行消費。這種只需點擊幾下就能移動數百萬美元的能力，大大增加執法機構追蹤洗錢與執行制裁的阻力。 犯罪集團新手法：假交易所、匿名轉帳、混幣器 為了將不法所得「漂白」，犯罪集團已經發展出高度組織化的運作模式。首先，犯罪集團的第一步是詐欺與吸金，《TechRadar》指出，犯罪分子會建立「假加密貨幣交易所與假投資平台」，並利用精密設計的廣告誘騙被害人投入資金。 第二步則是資金清洗。一旦資金到手，犯罪集團便會利用匿名轉帳與混幣機制來掩蓋蹤跡。《Reuters》報導，像加密貨幣混合服務 Cryptomixer.io，就是專門透過拆分加密貨幣、與其他資金混合後再重新分發的方式，來模糊資金來源與去向，進而達到匿名化的洗錢效果。 真實案例一：破獲估值超過 7 億美元的歐洲加密貨幣洗錢與詐欺網絡 近期國際執法行動也證實上述犯罪模式的規模與精密程度。《TechRadar》報導，歐洲刑警組織與多國執法機關，近日聯手破獲一個估值超過 7 億美元的加密貨幣洗錢與詐欺網絡。 這個犯罪集團利用精密的廣告投放誘騙數千名受害者，甚至使用川普（Donald Trump）、馬斯克（Elon Musk）等名人的深偽技術影片，宣傳虛假的「低風險、高報酬」投資項目。只要有受害者上鉤，犯罪集團便會透過非法的客服中心進行高壓電話騷擾，強迫受害者投入更多資金。歐洲刑警組織表示，這起案件最初僅是針對單一詐欺平台的調查，卻意外揭露一個龐大且複雜的欺詐與洗錢生態系。 在針對賽普勒斯、德國與西班牙的同步搜查行動中，警方共查扣約 93 萬美元的銀行帳戶資金、約 50 萬美元的加密貨幣，以及現金約 35 萬美元。歐洲刑警組織強調，此次行動不僅打擊資金鏈，更阻斷詐欺集團獲取潛在投資者數據的管道，這些數據通常被視為加密貨幣詐欺產業運作的關鍵資產。 真實案例二：全球最大比特幣混幣工具之一的 Cryptomixer.io 遭查獲 除了打擊詐欺源頭，負責「清洗」贓款的關鍵基礎設施近期也被重創。《Reuters》報導，瑞士與德國執法機關，在歐洲刑警組織及美國機構的協助下，聯手關閉全球最大比特幣混幣工具之一的 Cryptomixer.io。 Cryptomixer.io 自 2016 年開始運作、長期同時活躍於明網與暗網，並利用交易拆分以及與其他資金混合來匿名化交易，長期被用於掩蓋非法比特幣轉帳的蹤跡，特別是協助「勒索軟體」攻擊者與洗錢集團漂白資金。 在這次行動中，當局不僅查獲 Cryptomixer.io 位於瑞士的伺服器與網域，還凍結價值超過約 2,900 萬美元的比特幣資產，更扣押 12 TB 的資料庫。德國警方強調，這些龐大的數據將成為後續追查其他網路犯罪與非法金流的重要線索。 洗錢與詐欺工具正向加密貨幣移動 從近期國際案例，可以清楚看見加密犯罪模式正快速轉移並形成完整生態。例如穩定幣因跨境速度快與匿名性強，正被犯罪組織與受制裁者用來規避傳統金融監管。同時，詐騙集團已利用假交易所、假客服中心與加密轉帳，建構出橫跨多國的犯罪網絡，並透過混幣平台隱匿資金流向，展現高度產業化的樣態。 在這樣的態勢下，國際社會也開始加快反制腳步。美國總統川普在今年 7 月簽署被視為美國首部重大加密貨幣法案的《GENIUS Act》，並強制實施反洗錢與制裁合規計畫，獲得了像 Circle 這一類加密貨幣合規發行商的支持。 然而，這場博弈的結構性難題在於管轄權的侷限，例如《GENIUS Act》主要約束美國本土交易所，但犯罪資金仍可自由流向不受此法規限制的「離岸」平台。因此未來的關鍵，將取決於執法機關能否利用查獲的大數據突破匿名高牆，以及各國能否解決對離岸監管的難題，才能讓監管機關在與犯罪集團的攻防中取得勝利。 ＊本文開放合作夥伴轉載，資料來源：《The New York Times》、《Tech Radar》、《Reuters》，首圖來源：Pixabay</p>

當 AI 開始工作，領導者必須讓它背後的「人類成本」被看見

<p>許多企業高階主管在談到「整合 AI」時，往往把它視為一項可被外掛的功能：加入自動摘要、導入聊天介面、或在既有系統上疊一層生成工具。然而，這種理解忽略了每一層自動化背後，都同步生成了一層看不見的人類監督、判斷與責任。 系統愈聰明愈需要人類監督 這種把自動化當成「工作消失」的想像，其實並不新鮮。從 ERP 到大型企業系統，每一次「端到端自動化」的承諾，最終都伴隨著大量修補資料錯誤、除錯與人工協調的影子工作。差別在於，AI 把這些隱形勞動推向了更高的認知層級。 當 AI 產出報告、摘要或建議時，真正的工作並沒有消失，而是往上游移動；有人必須核實內容是否正確、是否有偏誤、哪些部分值得採信，哪些不能。人類不再只是執行者，而成為持續監督智慧系統的角色。系統愈聰明，對人類注意力與判斷的需求反而愈高。 問題在於，這層轉變正在大量發生，卻往往不在企業治理的視野之內。 但私下使用生成式 AI，遠超過管理視野 當企業沒有提供清楚、合法、好用的 AI 管道時，員工自然會選擇最快、最方便的解法。資安公司 Harmonic 針對其客戶群中約 8,000 名終端使用者進行分析，檢視超過 17 萬筆 AI 提示紀錄，結果顯示，員工私下使用生成式 AI 的情況已十分普遍。在這些資料中，ChatGPT 仍是最常被使用的模型，且近一半的提示是透過個人帳號送出，而非企業帳戶。 分析直指，便利性正在直接侵蝕公司原有的治理與安全邊界。更值得注意的是，這些數據僅來自瀏覽器層級，並未涵蓋行動應用程式或 API 整合使用情境，意味著實際的影子 AI 規模，恐怕只會更大。 影像檔案在上傳內容中占比接近七成，也顯示員工並非只詢問抽象問題，而是頻繁處理實際業務資料。對員工而言，AI 提供的是即時解答；但對企業而言，這些看不見的資料流動，卻正在累積合規、隱私與資安風險。 風險不只來自工具本身，而是來自資料去了哪裡、由誰處理。Harmonic 也指出，已有約 7% 的員工開始使用中國系生成式 AI 模型。若企業仍假設這些資料不會被用於其他目的，或不會受到不同法域與治理體系的影響，這樣的想法本身就極具風險。 「智慧流程」背後，其實是大量沒被看見的人 即使是在企業「看得見、也批准」的 AI 使用情境中，另一個更隱蔽的問題仍然存在。 每一次「AI 協助」背後，幾乎都包含三種人類工作：驗證輸出是否正確與合規、校正不恰當或有風險的內容，以及解釋 AI 的建議並判斷是否該被採納、如何落地。這些工作既耗時又耗神，卻極少被正式記錄在生產力指標中。 結果是，帳面上的效率提升，往往伴隨著組織內部更高的認知負擔。AI 讓人類「更快」，卻也讓人類「更忙」，忙於持續監督、修正與理解那些看似自動化的系統。 這類隱形勞動其實並不陌生。它長期存在於照護、清潔、客服等工作中，只是 AI 把它推進到白領與知識工作的核心地帶。當企業只歌頌 AI 帶來的效率，卻看不見那些在後方修錯、補洞、維持倫理與品牌一致性的人，新的不平等就會被制度化。 [&hellip;]</p>

為資料保護提供可視性、可控性和安全性！亞利安科技打造新一代資安解決方案，助企業因應 AI 與量子威脅

<p>對多數企業來說，AI 是提高效率的利器，但在駭客眼裡，卻成了加速攻擊的工具，再加上量子運算的快速發展，傳統資安思維正被迫改寫。亞利安科技資安技術支援部協理王添龍直言，量子運算將使既有加密在短時間內被破解，而 AI 則讓攻擊可以自動化、規模化，兩者疊加使風險提升為架構層級問題，現行防護思維亟需重新檢視。 PQC 標準進入倒數，關鍵產業面臨合規與供應鏈雙重挑戰 王添龍表示，企業最擔心的是「先竊取、後解密」的模式，駭客現在可以大量竊取已加密的資料，待量子電腦成熟後再一次性解密。包含金融交易紀錄、醫療病歷、高科技業設計圖，甚至政府與國防機密等資訊，今天看似安全，未來都可能變成待解密的「資料庫存」，風險時間恐將被拉長至數十年。 目前美國國際標準組織 NIST 已發布後量子密碼（PQC）標準，預計在 2029 年前完成 HSM、TLS、VPN 與 PKI 等核心協定的大規模轉換。台灣方面，數發部已公布後量子密碼遷移指引，金融監理機關也開始要求銀行與相關單位盤點影響，並研擬因應計畫。對金融、政府、電信、半導體與醫療等產業而言，這不只是加密技術移轉，更關乎法規遵循與國際供應鏈合作資格。 邊界防禦不再可靠，亞利安以資料為核心重塑資安架構 面對 AI 與量子威脅的壓力，王添龍指出，傳統資安把重心放在網路邊界，如今駭客早已證明邊界守不住，企業真正必須守住的是資料本身。有鑑於此，亞利安提出以「資料為中心」的資安架構，確保資料無論存放於地端、雲端或第三方服務，都能享有一致且可稽核的防護能力，而非各自為政的零散工具，並與兩大國際資安品牌 Thales 和 Imperva 合作，打造結合 PQC 安全、資料保護與應用程式安全三合一防護的新一代解決方案。 王添龍說明，在資料保護部分，以 CipherTrust Data Security Platform 為核心，Thales 長期深耕密碼學與金鑰管理，並參與 NIST 後量子演算法標準制定，提供 PQC Ready 的金鑰管理與 HSM 硬體加密模組，協助企業在無需大幅修改系統與停機的情況下，透過混合加密（Hybrid Crypto）逐步汰換舊有演算法。從傳輸加密、資料庫透明加密，到代碼化（Tokenization）與外部金鑰管理（EKM），都能在單一平台統一控管，同時維持金鑰與資料分離儲存，降低未授權解密與濫用風險。 Imperva 則從資料使用行為的角度補強防護層面，面對 AI 帶來的自動化攻擊，透過雲端 WAF 與 DDoS 惡意流量清洗，結合機器人與 API 安全防護，防範 AI 驅動的弱點攻擊與大量機器人流量。同時，資料庫稽核與存取監控也如同在資料庫裝上攝影機，能精準記錄誰在什麼時間、從哪裡存取哪些欄位，讓事件調查與內外部稽核有跡可循。 Thales 與 [&hellip;]</p>

如何增加 AI 代理部署成功率？專家揭 3 步驟：先測試流程而非產品

<p>現在的企業主或採購決策者，肯定對這樣的場景不陌生：一家科技公司向你展示了令人驚豔的 AI 代理（AI Agents）演示，承諾未來人類只需負責監督，這些數位員工就能自動完成所有重複性任務。然而，當企業真正買單並導入生產環境後，問題接踵而至，產出結果落後於最初的承諾，這中間出了什麼問題？ 長期協助美國製造業導入 AI 的 broadn 執行長 Calin Drimbau 在《Forbes》分享經驗教訓，指出這並非技術本身的缺陷，問題核心在於實際的配置與執行過程。 93% 資源砸硬體卻忽視人，數據揭失敗主因 首先他表示，許多企業陷入了所謂的「Demo 陷阱」（The Demo Trap），誤以為 AI 代理能在沒有任何人為介入的情況下，憑空理解企業內部錯綜複雜的業務流程。 第二，根據《哈佛商業評論》分析，受訪企業在 AI 相關支出中，有高達 93% 投入在資料、技術與基礎設施上，僅有 7% 用於與人相關的面向，例如工作流程重設與人才培訓。Drimbau 認為，這樣的投資失衡，也正是許多 AI 導入成效不如預期的重要原因之一。 以 Drimbau 在製造業客戶的實例為例，其團隊替一間製造商打造「自動報價代理」，讓 AI 直接讀取客人寄來的信件，幫業務產生報價。內部測試時，一切順利，但只要換成真實客戶信件，系統大約有 30% 的案例無法處理。原因不是模型不夠強，而是實際郵件裡充滿縮寫、錯字、舊品號與不完整資訊，完全超出當初設計時想像的「理想流程」。這次失敗讓團隊意識到，真正決定成敗的不是技術本身，而是工作流程是否被看清楚、資料是否整理好。 類似的教訓其實在各產業都存在。為了讓 AI 代理能夠真正創造價值，Drimbau 建議企業必須採取三個關鍵步驟來重新審視部署策略。 步驟 1：先畫出「真實工作流程圖」，而不是理想流程 在撰寫任何程式碼或導入任何技術之前，先把實際的工作流程釐清，往往會非常有幫助。 Drimbau 建議這個過程企業可以與服務供應商並肩坐下來進行「白板討論」（whiteboarding），逐步梳理流程細節。重點不只是在順利運作的理想情境，更要提前思考各種邊緣案例、資料不一致，以及可能出現的非預期狀況。 他也強調，在這個階段取得實際的資料樣本通常也相當關鍵，因為人類往往已習慣處理例外情況，但只有透過資料分析，才能真正系統性地找出這些邊緣案例。 步驟 2：找出並量化瓶頸，挑對自動化切入點 第二個步驟，是用數據衡量瓶頸，決定「哪一段流程適合優先交給 AI 代理」。Drimbau 建議，如要評估投資報酬率（ROI），企業必須具體追蹤時間耗費、交接流程與錯誤發生的情況，因為並非所有自動化機會的價值都相同。 他進一步表示，AI 代理最好的導入起點，是先鎖定「高度重複、規則明確、流程變化小」的使用情境；真正的挑戰，往往出現在所謂的邊緣案例。這些情況需要人類的判斷力，去決定是否必須採取非標準流程；而如何打造能夠因應這些例外狀況的解決方案，往往才是投入最多心力的地方。 [&hellip;]</p>

【科技早餐】Walmart 轉戰 Nasdaq：零售龍頭全面擁抱科技定位

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Walmart 轉戰 Nasdaq：零售龍頭全面擁抱科技定位 Walmart 宣布自 12 月 9 日起從紐交所轉往 Nasdaq 掛牌，被視為五十年來最大定位調整。外界解讀，Walmart 企圖從傳統零售轉向「科技零售企業」，藉此讓投資人用新的視角理解公司。財務長表示，Walmart 正以 AI、自動化與數位服務改造消費體驗，轉所也是強化科技屬性的市場訊號。 Walmart 過去數年在技術端投入明確，包括六成貨物透過自動化物流中心處理、過半線上訂單依賴自動化設施，四成以上的新程式碼由 AI 生成或輔助完成。市場認為公司未來獲利將更依賴科技而非展店。轉入 Nasdaq 也有機會被納入 Nasdaq 100，有助吸引被動基金，並強化其與科技大廠並列的品牌形象。 ＊Google 強化 Android XR 生態：AI 眼鏡 2026 年推出 Google 公開多項 XR 布局，包括 2026 年上市的 AI 眼鏡、有線 XR 眼鏡，以及針對 Samsung Galaxy XR 推出的新功能。Google 表示，目標是讓空間運算進入日常場景。「PC Connect」可把 Windows 桌面拉入 XR 空間；旅行模式則讓機艙座位成為行動劇院或工作區。 Google 也推出「Likeness」化身功能，用以即時呈現臉部表情與手勢；並與 [&hellip;]</p>

為什麼 AI 瀏覽器還沒統治網路世界？分析揭開發者被迫重新思考「為誰設計」

<p>在日新月異的科技世界中，很少有創新能像 AI 瀏覽器一樣，在發布之初就引發巨大轟動。10 月 OpenAI 發表其 AI 瀏覽器 Atlas 時，市場一度認為這將威脅 Google Chrome 地位，然而數個月過去，市面上的 AI 瀏覽器並未取代傳統產品。《Bloomberg》實測與分析，也揭示了這些擔憂似乎言之過早。 AI 瀏覽器的美好願景與需求 來自 OpenAI 與 Perplexity 的新一代 AI 瀏覽器，將聊天式 AI 助理置於使用體驗的核心，試圖取代搜尋引擎成為使用者下指令的起點。這類產品不只負責找資料，還主打「代理式瀏覽」，能夠替使用者完成多步驟任務，例如線上購物、整理未讀郵件或彙整待辦事項。 根據《Bloomberg》，多家瀏覽器開發商根據使用者訪談中指出，AI 輔助功能確實帶來生產力提升，也觀察到消費者期待瀏覽器能承擔更多任務。Perplexity 公司溝通主管 Jesse Dwyer 表示，Comet 使用者提問的次數，是過去使用一般 Perplexity 聊天機器人的 6 到 18 倍。 OpenAI Atlas 瀏覽器的產品負責人 Adam Fry 則指出，公司收到大量進階用戶的請求，希望能加入「排程任務」功能，讓 AI 瀏覽器能定期重複執行特定工作。 從 AI 開發者的角度來看，這項技術並不只是一款瀏覽器，更是讓 AI 助理進入作業系統與網路入口，為未來的廣告與服務變現鋪路。 但現實是，這些產品距離「主流工具」仍有一段距離。《Bloomberg》記者實測發現，當要求 Atlas 整理 [&hellip;]</p>

ChatGPT 關閉推薦功能、Gemini 傳洽談廣告：OpenAI 與 Google 雖然否認，但 AI 聊天機器人…

<p>當 AI 聊天機器人逐漸成為許多人生活中的重要工具，也讓「是否導入廣告」成為市場關注焦點。近日，OpenAI 因對話中出現類廣告訊息而掀起討論，Google 則被媒體曝光正在與廣告主討論 Gemini 的變現可能。儘管兩家公司都強調「目前沒有廣告計畫」，但這些跡象已揭露 AI 聊天介面正逼近關鍵的商業化臨界點，未來的產品路線與商業模式，可能因廣告重新洗牌。 ChatGPT 投放廣告傳聞延燒，OpenAI 多次澄清「沒有計畫」 《The Verge》報導，近期許多 ChatGPT 用戶發現，在與聊天機器人進行無關的對話時，系統會插入建議使用者「尋找健身課程」或「購買居家雜貨」的訊息，並直接連結到 Peloton 或 Target 等特定應用程式。這些推廣內容直接嵌入對話中，且出現在無關的討論內容中，導致大量用戶誤以為 OpenAI 已經開始在平台上投放商業廣告。 OpenAI 表示，這些資訊並非廣告，而是「應用程式探索」測試，並解釋這些訊息並非傳統付費廣告，而是協助用戶發現合作夥伴應用程式的功能，目的是提升使用者的探索體驗。 然而，OpenAI 研究長 Mark Chen 承認公司在此事上「做得不夠好」，同意任何感覺像廣告的內容都需要謹慎處理，並坦承因推薦內容缺乏相關性，確實造成糟糕且令人困惑的使用者體驗。 由於 OpenAI 擁有龐大的用戶基礎，且目前僅有約 5% 的用戶為付費訂閱者，外界長期以來一直推測 ChatGPT 勢必會導入廣告以支撐高昂的營運成本。儘管 OpenAI 過去曾表示不排除未來的廣告可能性，且執行長 Sam Altman 曾提到他不完全反對廣告，但在這次風波後，OpenAI 已先關閉這項推薦功能，並承諾未來將提供更好的控制選項，讓覺得此功能沒有幫助的用戶可以選擇關閉。 Gemini 廣告傳聞引發市場熱議，Google 緊急澄清尚無確定計畫 《Adweek》報導稱，Google 已告知廣告主將在 2026 年於 Gemini 導入付費廣告版位，報導也強調，這些討論雖然處於早期階段且缺乏具體技術細節，但顯示 Google 有意將 Gemini 打造為新的變現管道。 [&hellip;]</p>

Google 以 Android XR 打開智慧眼鏡新戰線，如何撼動 Meta 與中國的勢力版圖？

<p>Google 近日宣布將在 2026 年推出首款搭載 Gemini 的 AI 眼鏡，這不僅是新硬體的發布，更標誌這家科技巨頭重返穿戴市場的決心。 與十年前的 Google Glass 不同，這一次 Google 擁有更完整的技術生態系，並同步推出全新的操作系統 Android XR，期待為未來的頭戴式裝置與 AI 智慧眼鏡，打造一個統一的軟體平台。 在平台之外，Google 也採取更具彈性的多線產品策略，將智慧眼鏡依使用情境分成不同型態：第一類是主打語音交互與 AI 助理的「音訊型眼鏡」，外觀接近一般眼鏡、門檻較低，預計 2026 年率先推出。第二類則是配備單眼或雙眼顯示器的「XR 視覺型裝置」，提供更沉浸的混合實境體驗，可能在 2026 或 2027 年問世。 Google 完整生態系為智慧眼鏡創造市場優勢 Android XR 平台的出現，讓開發者不需要重新編寫程式碼，就能讓 YouTube Music、Uber 等現有的 Android 應用程式直接在 AI 智慧眼鏡運作。這樣的模式，可以有效解決過去 XR 裝置「缺乏應用程式」的困境，也讓小型開發團隊能直接利用既有資源進入 XR 生態系，大幅降低開發門檻。 除了平台優勢，結合 Gemini 的多模態 AI，也讓 Google 新款眼鏡不再只是資訊顯示器，而是一個能「看、聽、理解」的智慧助手，可以辨識使用者眼前的畫面、理解對話內容，並提供即時翻譯、導航提示，或依據視覺內容回應使用者提問，例如使用者看到食材就能詢問 AI 眼鏡相關食譜。 在外型上，Google 也避免重蹈過去 [&hellip;]</p>

泓格 ZT-2550 / 2551 無線通訊模組，700 公尺長距離傳輸強化工業通訊穩定與安全

<p>在智慧工廠與自動化快速發展下，企業普遍面臨如何兼顧設備整合效率與成本控制的挑戰。傳統RS-485/RS-232 有線通訊雖然應用廣泛，但在大範圍場域中，佈線複雜、施工困難且維護不便，常成為導入智慧化升級的障礙。 泓格科技的 ZT-2550 / 2551 無線通訊模組，以ZigBee無線技術為基礎，能讓系統快速升級為無線通訊，不僅減少佈線需求，更兼顧穩定性與安全性，成為工業現場邁向數位轉型的關鍵利器。 長距離傳輸：700 公尺 ZigBee 無線覆蓋 ZT-2550 / 2551 模組在空曠直線可視距離下，傳輸範圍可達 700 公尺，大幅突破傳統有線通訊的限制。即使在跨樓層、跨廠區或偏遠場域，仍能確保資料即時傳輸。模組同時提供可調式無線發射功率，使用者可依據現場需求調整設定，兼顧通訊品質與能耗效率。這樣的設計不僅降低施工與佈線成本，也提升系統建置的靈活性。 安全穩定：AES-128 加密與多種通訊模式 在工業通訊中，數據安全與系統穩定性同等重要。ZT-2550 / 2551 模組內建 AES-128 加密技術，有效防止資料在無線傳輸過程中遭竊取或篡改。同時支援 定址模式（點對點）與透明傳輸模式（廣播），可依照不同應用情境切換，滿足單一設備監控或多節點資料交換的需求，讓通訊更具彈性與可靠性。 直覺部署：LED 訊號提示＋免費拓樸軟體 ZT-2550 / 2551 模組設計貼近現場人員需求，具備 ZigBee 訊號強度 LED 指示燈，能即時顯示通訊品質，協助安裝。泓格科技同時提供免費拓樸軟體，讓使用者可進行網路測試與系統診斷，快速定位問題、降低維護成本，並有效減少停機風險。這種直覺化的操作設計，讓部署與維護更高效且更可靠。 ZT-2550 / 2551 模組以其長距離無線覆蓋、安全加密通訊與直覺部署維護 三大特色，為工業通訊帶來全面升級。不論是智慧工廠感測器資料回傳、能源管理電錶監控，或是大樓自動化與基礎設施跨場域整合，都能輕鬆導入。無需汰換既有設備，就能完成無線升級，讓資料不中斷、系統更智慧。 （本文訊息由泓格科技提供，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：泓格科技。）</p>

以 Microsoft Fabric 與微軟在台區域資料中心為基礎 台生科攜手台灣微軟打造以人為本真實世界資料平台

<p>台灣智慧醫療再迎重要里程碑。由華碩電腦與國家衛生研究院（以下簡稱國衛院）共同成立的台灣生醫大數據科技股份有限公司（以下簡稱台生科），日前於台灣醫療科技展與台灣微軟及華碩電腦共同舉辦「真實世界資料驅動臨床創新」論壇，宣佈與台灣微軟攜手，以 Microsoft Fabric 雲端資料分析平台為核心，結合微軟在台區域資料中心在地合規雲端與國際醫療資訊交換標準 FHIR（Fast Healthcare Interoperability Resources），共同打造「以人為本」的真實世界資料（Real-World Data，RWD）平台，協助全台醫療機構整合分散的臨床與就醫資料，加速推動台灣臨床研究創新與精準健康發展。透過微軟 Azure 高效、安全且高韌性的雲端基礎，Microsoft Fabric 可為醫院建立安全、可信任的健康資料環境，並加速分析型 AI、預測型 AI，以及生成式 AI 與臨床決策系統的整合與落地。 目標打造智慧醫療國家隊，推動 RWD 標準化與國際接軌 此次合作匯聚國衛院的科研能量、華碩的科技實力與微軟在全球雲端及國際標準的深厚經驗，共同賦能台灣醫療數位轉型與健保制度的永續發展。透過串聯公私協力能量，期盼打造台灣「智慧醫療國家隊」，加速臨床創新與智慧醫療升級。藉由平台架構與醫療體系協作組隊的模式，協助台灣逐步建立真實世界資料的標準化流程與可複製的模式，並與國際生態系接軌。同時，未來亦可以配合政府政策拓展至新南向等國家，強化台灣智慧醫療的國際競爭力。 衛生福利部中央健康保險署署長陳亮妤於論壇致詞中提及，真實世界資料的整合與運用是推動醫療數位轉型與健保制度永續發展的關鍵。透過以人為本的 RWD 平台，醫療機構能兼顧安全與法規、提升資料互通性，提升台灣臨床研究效能外，亦將深化台灣精準健康量能。同時，公私協作打造符合國際標準的 RWD 平台，不僅提升資料應用，更為台灣 AI 醫療與精準健康奠定堅實基礎。 真實世界數據成臨床創新的關鍵，重建以人為本的就醫旅程 長期以來，臨床試驗雖被視為驗證新藥品與醫材安全性、有效性的黃金準則，但其受限於嚴格的試驗管控與病患資格條件，往往難以反映真實醫療現場的複雜情境。病患的多重疾病組合、治療差異與生活環境，都可能使臨床研究結果與真實世界的數據出現偏差。因此，如何在傳統臨床試驗中納入真實世界的元素，並從龐大且分散的真實世界資料中，取得可作為臨床決策與藥品評估佐證的資料，已成為近年來全球醫療體系的重要課題。 然而，台灣醫院的資料長期碎片化，形成分散於各系統間的「資料孤島」，不僅加劇真實世界資料整合的難度，醫療機構也較難以「人」為中心呈現病患的完整就醫旅程。為此，台生科以 Microsoft Fabric 雲端資料分析平台為基礎，建構「以人為本」的真實世界資料（RWD）平台，協助醫院依據病患的就醫旅程進行資料歸戶與整併。Microsoft Fabric 能涵蓋從資料蒐集、處理、轉換，到視覺化報表建立的完整工作流程，並整合資料擷取、即時事件處理與分析能力，提供統一且可擴展的分析環境，加速 RWD 在臨床、研究與精準健康領域的應用發展。 台灣生醫大數據科技公司總經理吳漢章指出：「透過公私部門協力（Public-Private Partnership，PPP）模式，政府在資料治理與資安框架下推動政策與監理機制，並創造更優質的資料運用環境，讓醫療、生技與健康照護產業能在合規環境下發展創新服務。台生科透過科技破除數據交換藩籬，加速臨床與研發之效率，將這樣的 PPP 模式具體落實為可複製、可擴散，與全體生態系共同創造精準醫療與先進療法的全球領航者。」 Fabric 平台同時採用國際通用的 FHIR 標準進行醫療資料交換，使醫院可以一致標準整合分散資料，建立可流通和應用的統一資料環境，響應衛生福利部 SMART on FHIR 政策，同時促進 AI 與醫療系統的結合，實現跨院、跨系統應用。透過標準化 FHIR 臨床資料，醫院可以安全且統一地存取資料，使 AI [&hellip;]</p>

寫程式不用開 IDE？Anthropic 宣布 Claude Code 進駐 Slack，掀 AI coding 工作…

<p>AI 公司 Anthropic 宣布推出 Claude Code 的 Slack 整合測試版，這項以「研究預覽版」形式推出的整合功能，將讓開發者可以直接在 Slack 討論串中指派完整的寫程式任務。表面上看，這只是一次平台整合更新，但對於 AI 寫程式的發展方向而言，意義遠不只如此。 從聊天室出發：AI 不只回覆建議，而是直接行動 過去，開發者在 Slack 上使用 Claude 多半只能取得如撰寫程式碼片段、除錯建議或概念解釋等輕量級協助。如今，透過這項整合，工程師只需在對話中標記「@Claude」，就能啟動一個完整的 Claude Code 會話。 這項功能的運作邏輯相當直觀。當使用者在 Slack 頻道或討論串中提到 @Claude，系統會判斷該訊息是否構成一項編碼任務。若符合條件，Claude 會自動啟動一個 Claude Code 工作階段，並讀取該討論串中與任務相關的上下文，例如錯誤描述、需求討論或功能想法。 接著，Claude Code 會依照使用者已授權的儲存庫，自行判斷應該在哪一個專案中執行任務，並開始分析、修改程式碼。整個過程中，Claude 會持續在原 Slack 討論串內回報進度，任務完成後，則提供完整工作連結與可直接建立拉取請求（Pull Request）的入口，讓工程師保有最後審查與決策權。 「與工程工作密切相關的關鍵背景資訊，往往存在於 Slack 中，包括錯誤回報、功能需求，以及工程團隊之間的討論內容，」Anthropic 在官方公告部落格中寫道。 AI 寫程式下一步：不只是模型競賽，更是流程革命 這項整合反映了產業的關鍵轉向：AI 寫程式助理正在從 IDE（整合開發環境），遷移到工程團隊日常使用的協作工具。 根據《SQ Magazine》報告，截至 2025 年初，Slack 在全球的每日活躍用戶數已超過 4,200 萬人，且電腦軟體產業是使用最密集的族群，共有 2,118 [&hellip;]</p>

從 App 到生態系：慧康如何串聯病患、醫院與藥廠，開啟 AI 智慧醫療的新商業模式？

<p>專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚 「十年前大家就說數據是石油，可是我們讓用戶，也就是醫療照護的團隊與病患使用者，真正感受到價值的時候，是來自於這幾年的 AI，」本集《全新一週》邀請到慧康生活科技共同創辦人暨執行長鄧居義，分享近日登錄興櫃的慧康如何從智抗糖 App 起家，逐步發展為完整的數位醫療生態系，並挑戰國際市場的歷程。 鄧居義分析，一位慢性病患平時需要管理的數據太多，不只用藥劑量、血糖、血壓等，其他像是壓力或睡眠，也會對慢性病的控制造成影響。「那時候我們想要讓病患有一個很方便、容易管理的工具，當成市場的切入點，」鄧居義形容，這就是當年打造智抗糖 App 的契機。目前，智抗糖 App 已經累積超過 160 萬名用戶，平台內累積的資料量高達 1.8 億筆。 打造 AI 數位醫療生態系的三大挑戰 從智抗糖 App 發展為串聯病患、醫院、營養師、藥廠、保險與政府等多方的生態系，慧康一路走來克服不少挑戰。首先，除了必須說服保守的醫療體系相信服務不僅能改善病患，也能替院所節省時間外，也必須長時間累積療效數據，並逐一與醫療院所溝通。 其次，從藥廠、醫材廠商等合作夥伴的角度出發，他們格外在乎資料與網路安全，因此在資安方面必須做足準備。 第三個挑戰來自保險端。無論是美國的私人保險，或台灣、日本的全民健保，要如何提供可驗證的經濟效益與臨床數據，讓這些付費者決定是否買單，也是一大關鍵課題。「不只是我們，我相信所有在做數位醫療產業的公司，這三個挑戰都是必經之路，」鄧居義說。 AI 智慧醫療的全球發展趨勢 談到 AI 在全球醫療體系中的發展，鄧居義認為 AI 會先從「最有壓力的地方」開始發揮作用。以台灣為例，健保制度對民眾非常友善，民眾到處都能就醫，因此雖然健保承受巨大財務與資源壓力，但患者未必能直接感受到。 相較之下，在歐美或東南亞等地，由於醫療資源明顯不足、費用又相當高昂，因此 AI 的角色就會不同。鄧居義認為，在這些地區，未來病患可能會擁有自己的 AI Agent，在罕病或重大疾病發生時，能自動與保險公司或跨州醫療機構的 AI Agent 溝通，尋找最佳的成本效益與治療選項，同時這些 AI Agent 之間會彼此議價、交換資訊，以提升整體醫療市場的透明度與效率。 但若回到台灣、日本、韓國等健保系統相對完善、IT 與醫療資訊化程度較高的國家，AI 發揮作用的切入點會完全不同。鄧居義分析，在這些區域，未來 AI 會先協助提升照護提供者的工作效率，並解決風險管理與政策調整的問題。 深耕日本市場的實戰經驗 從台灣市場出發，慧康不只洞察 AI 在全球醫療產業的發展趨勢，也在 2023 年起開始積極深耕日本市場，將台灣 AI 智慧醫療輸出國際。鄧居義形容日本市場既保守又具挑戰性，因此慧康選擇從「企業健保」切入，而非直接進軍醫療院所。 [&hellip;]</p>

Google DeepMind 執行長：AI 的規模化「必須推向極致」

<p>當矽谷內部開始重新審視「擴展定律（scaling laws）」是否還能持續推動 AI 進步時，Google DeepMind 執行長 Demis Hassabis 選擇站在最明確、也最激進的一方。他直言，現有 AI 系統的規模化「必須被推向極限」，即便最終還需要額外突破，擴展仍將是通往 AGI 的關鍵組成。 擴展定律仍是 AGI 的主幹，而非過渡方案 所謂 AI 擴展定律，指的是在模型架構不變的前提下，只要提供更多資料與運算資源，模型的能力就會隨之提升。這一假設，近年支撐了生成式 AI 的爆發，也驅動各大科技公司投入鉅資建設資料中心、採購晶片與爭奪訓練資料。 Hassabis 表示，單靠擴大規模（scaling）很可能就能讓產業邁向通用人工智慧（AGI），但他也認為，仍可能需要一到兩項「等級相當於 Transformer 或 AlphaGo」的突破，才能讓 AI 系統真正跨過門檻。 《Business Insider》指出，單靠擴大規模的問題在於，公開可取得的資料量終究有限，而持續增加算力則意味著必須興建更多資料中心，不僅成本高昂，也對環境造成沉重負擔。 在同一場訪談中，Hassabis 也給出了相對具體的時間預期。他強調，AGI 尚未到來，但距離已不遙遠，依其觀察，可能還需要約 5 到 10 年的時間。 產業分歧：不是所有人都相信「再大就好」 然而，Hassabis 的立場，並非產業共識。《Business Insider》報導，隨著投資金額節節攀升、模型效能提升幅度開始趨緩，部分研究者與投資人質疑，AI 是否正進入「投入遞減」的階段。 Meta 前首席 AI 科學家楊立昆（Yann LeCun）便是擴展派最具代表性的反對聲音之一。他公開指出，多數真正重要、且具有突破性的問題，往往難以單純透過放大模型規模來解決。「你不能假設更多資料、更多算力，就一定意味著更聰明的 AI，」楊立昆在今年稍早於新加坡的一場演講中如此表示。 楊立昆近年逐漸將研究重心轉向「世界模型（World Models）」，主張 AI 應更深入理解物理世界、空間關係與因果結構，而不只是從大量語言資料中學習統計關聯。他認為，這條路徑可能代表 AI 的下一次典範轉移。 從擴展定律能否「撐到最後」，到是否必須引入全新架構與學習方式，這場辯論已逐漸成為 [&hellip;]</p>

一組密碼用十個網站導致被駭，或許網站開發也要負點責任？

氛圍編碼讓工程師陷 Debug 深淵，Deductive 用 AI 代理幾分鐘抓錯、年省上千工時

<p>近日正式從隱身狀態亮相的新創公司 Deductive AI，利用強化學習技術打造 AI SRE 代理進行 Debug，號稱幾分鐘之內就能診斷出生產力環境中的明確故障原因。</p>

【科技早餐】黃仁勳登《金融時報》年度影響力榜：Sam Altman 讚「超前賭注」奠定 AI 基礎

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳登《金融時報》年度影響力榜：Sam Altman 讚「超前賭注」奠定 AI 基礎 英國《金融時報》首度推出「全球影響力人物榜」，評選 25 位形塑 2025 年世界的關鍵人物，NVIDIA 執行長黃仁勳風光入榜，推薦評語更由 OpenAI 執行長 Sam Altman 親自撰寫。Altman 指出，黃仁勳在全球尚未意識到 AI 革命之前，就義無反顧押注全新運算架構，為今日數位智慧奠定關鍵基礎。 Altman 強調，黃仁勳不只判斷精準，更以深厚洞察力與持續的基礎設施投入，推動整個產業向前。在 AI 需求快速成長下，能以如此規模擴建算力的領導者「幾乎找不到第二人」。榜單其他入選者還包括 PayPal 共同創辦人彼得．提爾 (Peter Thiel) 和比亞迪資深副總裁李柯 (Stella Li)。 ＊蘋果高層震盪擴大：AI、設計主管出走，自研晶片主管恐是下一個？ 蘋果正面臨數十年來最劇烈的人事震盪。過去一週內，AI 主管詹南德雷亞 (John Giannandrea)、介面設計主管戴伊 (Alan Dye)、法務長亞當斯 (Kat Adams) 與永續發展副總裁傑克森 (Lisa Jackson)，接連離職或宣布退休，更震撼的是，主導自研晶片戰略的關鍵人物斯魯吉 (Johny Srouji)，已向庫克 (Tim Cook) 表態「認真考慮」離開，且全數高層皆直接向庫克匯報。 此時正值蘋果 AI 轉型卡關。Apple Intelligence 延宕、Siri [&hellip;]</p>

APT 由 AI 操盤、Agentic AI 變內鬼：趨勢科技揭 2026 資安攻防關鍵

<p>「內鬼有兩種，一種是真的人，一種是 Agentic AI，」趨勢科技在今（12/8）公布 2026 資安年度預測報告，並邀請趨勢科技總經理洪偉淦與資深技術顧問簡勝財，分析 AI 帶來的威脅挑戰，以及企業必備的資安防禦新思維。 隨著外界普遍將 2026 年視為 Agentic AI 大規模落地應用的時刻，也代表新的資安挑戰正迎面而來。例如在 2026 年的資安預測中，「內鬼」的定義被大幅擴大，不再侷限於員工的惡意行為，而是延伸到 AI 偽造的應徵者，以及被操控後成為攻擊跳板的 AI 代理（AI Agents）。 「AI 偽造人類身分」與「Agentic AI」兩種內鬼形式浮現 趨勢科技總經理洪偉淦分析，首先在「AI 偽造人類身分」方面，駭客會利用遠端工作的特性，透過 AI 生成深偽的身分證明、履歷、照片及影片來「假應徵、真滲透」，甚至在面試時以 Deepfake 技術偽造外貌與聲音，成功矇騙面試官。如果這些假應徵者被錄取，就能以合法身分取得內部權限，進而暗中竊取資料。 另一方面，當越來越多企業導入 Agentic AI 自動化工作流程，由於 AI Agent 通常握有多個系統的憑證與高權限，因此這些 AI Agent 一旦遭到入侵，也會成為企業內部的「內鬼」。特別是 AI Agent 運作所需的金鑰與憑證通常較長效、更新頻率低，也讓其成為駭客積極鎖定的竊取目標，一旦這些 AI Agent 被駭客掌控，攻擊者即可藉此竊取大量憑證、入侵不同系統，導致機敏資料外洩。 此外，隨著 AI 熱潮持續，許多剛跨足軟體產業的企業，可能會因缺乏「安全軟體開發生命週期（SSDLC）」的觀念，導致企業可能使用帶有漏洞或惡意程式的 AI 套件卻不自知，進而為 AI Agent 創造彼此滲透的空間，並成為潛伏在系統中的數位內鬼，來竊取資料或擴大攻擊範圍。 針對 Agentic [&hellip;]</p>

讓每位師生都有自己的 Copilot，微軟 AI 前瞻教育全面啟動

<p>現今在 AI 全面驅動的變革下，AI 正全面重塑教育現場，教育、學習者需要的不只是工具，而是能與 AI 協作的前瞻能力。微軟以「前瞻企業（Frontier Firm）」理念為基礎，正式提出「AI 前瞻教育」願景，啟動全新「AI+」教育計畫，希望讓台灣每位教師與學生都能擁有自己的 AI 夥伴（Copilot），以更直覺、更實用的方式把 AI 帶進課堂與學習日常。即日起，全台灣教職員（公私立國小到大學）以及 13 歲以上的學生，可透過大學與縣市教育局或教育部的 Microsoft 365 教育版帳號，在 Word、PowerPoint、Excel、Outlook 應用程式中，可免費使用以 GPT-5 為核心的 Copilot Chat，為授課、學習、研究與寫作開啟全新篇章。 微軟最新《2025 AI in Education Report》指出：86% 美國教育機構已採用生成式 AI 學生 AI 使用量年增 26%、教師增加 21%，全球超過半數教育者認為 AI 素養應成為基礎教育核心能力，台灣的研究同樣顯示，近 7 成國中生已有生成式 AI 使用經驗，而半數以上的學校已開始將 AI 納入教學。AI 已不再是輔助工具，而是教育現場不可或缺的學習基礎。在此背景下，微軟推出全新 Microsoft 365 Copilot 教育版，協助教育機構更快掌握 AI 教育轉型。 教育版 Microsoft 365 Copilot 六折啟動，讓生成式 [&hellip;]</p>

Meta 預測 2026 五大商業趨勢：亞太區副總點名「AI 代理」，如何重塑品牌成長迴圈？

<p>從聖誕節到新年之初，是零售業衝刺業績與規劃年度策略的關鍵時刻。Meta 今（12/8）舉辦亞太區線上媒體分享會，由新任亞太區副總裁 Benjamin Joe 剖析 2026 年的社群與商業趨勢。 Joe 引用了調研機構 Gartner 數據指出，AI 未來有幾個值得期待的方向，首先是多模態能力，再來是產業特定的 AI 垂直解決方案，第三是 AI 代理，也就是能夠自行決策或完成指定任務的 AI。作為 Meta 亞太區副總裁，Joe 也強調未來亞太地區擁有全球三分之二的人口，是全球消費者趨勢的領頭羊，並歸納出以下 5 大關鍵商業趨勢，當中不乏看到 AI 影響力將在 2026 年持續擴大。 趨勢 1：AI 代理滲入社群互動，打造推薦、決策、創作迴圈 AI 影響力持續延燒，似乎是許多 2026 預測一定會談到的方向，Joe 也笑稱「當講到 AI 和自動化，有什麼是別人還沒說過的？」 Meta 當然有自己的回答。Joe 表示，未來的重點在於 AI 如何改變人們的「消費旅程」，並預測未來將形成「社群激發靈感、AI 驅動決策、AI 驅動創意表達」的商業成長迴圈。 Joe 解釋，到 2026 年，消費推薦行為很可能仍從社群媒體開始，但是中段將由 AI 接手。具體來說，消費者可能在創作者影片或朋友貼文中看到商品，然後就會詢問 AI「這個品牌可靠嗎？」、「適合我嗎？」而 AI 代理人將扮演個人禮賓，引導消費者完成產品研究、造型建議。當消費者完成購買，「旅程還是會繼續下去」，因為消費者可能再運用 AI 生成個人評價或穿搭圖，而這些創作內容將回過頭來推動下一波社群推薦潮流。 趨勢 [&hellip;]</p>

【Essential AI 發布 Rnj-1】8B 小模型效能媲美 GPT-4o，企業 AI 部署成本將被重寫

<p>由 Google 著名《Attention Is All You Need（注意力就是你所需要的一切）》論文共同作者 Ashish Vaswani 創立的 Essential AI，近期正式開源發布其首款開源模型 Rnj-1，有 base 和 instruct 兩個版本。 Rnj-1 目標是成為開源領域中的世界級基礎與指令微調模型，雖然只有 80 億（8B）參數，但在軟體工程與複雜推理任務上展現出驚人效能，被視為小型模型發展的重要里程碑。Rnj-1 的核心並非追求參數量的無限擴張，而是專注於 Agentic Coding（代理程式碼編寫） 與 STEM 推理，特別聚焦在需要多步驟思考的技術工作流程，例如解決軟體工程問題、複雜的工具使用以及科學推理任務。 Essential AI 強調，Rnj-1 的設計理念在於「科學嚴謹性」與「工程紀律」，並透過高品質的訓練資料與穩定的訓練流程，致力在相對輕量的架構下，提供能與大模型匹敵的準確度，進而推動 AI 技術的公平普及與開放發展。Essential AI 更強調使用專注於 STEM 前沿能力與程式碼能力的高品質資料進行預訓練，團隊也刻意限制後訓練的程度，目的是保留模型靈活性，讓開源社群能針對特定領域進一步微調與擴展。 Rnj-1 Instruct 表現優於許多參數規模大 10 倍的模型 在衡量大型語言模型軟體工程能力的權威測試 SWE-bench Verified 中，Rnj-1 展現出相當突出的競爭力。Rnj-1 Instruct 在該測試中取得 20.8% 的成績，Essential AI 指出，這一表現甚至優於許多參數規模大於 Rnj-1 10 [&hellip;]</p>

AI 的最大危機不是幻覺，而是沒有「人類上網」後的資料枯竭

<p>亞馬遜（Amazon）提告人工智慧新創公司 Perplexity，原因是該公司 AI 瀏覽器 Comet 的 AI 代理可被用於購物，雖然事件看似為商業衝突，但實際卻攸關網路世界和 AI 發展的生死存亡。</p>

同一套 AI 幫你跑搜尋、社群、串流廣告！全通路投放被 Amazon 通包了

<p>在今年 11 月的 Amazon unBoxed 大會上，Amazon 發表了一系列代理式 AI 廣告工具，其中最受矚目的，是可用自然語言操作的 Ads Agent 與全新 Campaign Manager。這兩項工具不再只是提供自助式介面，而是能理解廣告主所輸入的「目標」後，自動生成素材、設計完整策略、跨平台執行，並持續監控與優化。 AI 從「工具」變成「代理人」，廣告操作邁入新時代 這反映了廣告產業正在經歷第二次革命。過去十年，數位投廣從人工判斷走向數據驅動，但終究仍需要廣告投手理解指標、設定參數。而 Amazon 此次推出的 Ads Agent 已跨越了這個界線：AI 可以用自然語言接收指令，理解品牌的銷售目標、受眾輪廓與預算需求，並在 Amazon 的龐大零售媒體網絡中自主分析數據、調整策略。 這讓廣告從「人調整工具」變成「AI 解讀目標後自行決策」，廣告操作從此不再需要逐項調整出價、頻次或版位，而是把策略交給 AI，讓它在整個投放期間代理執行，就像一位 24 小時不休息的媒體專員。 跨平台資料匯流，讓 AI 能真正掌握「全通路」行為 這套代理式 AI 工具也改變了全通路（full-funnel）的操作方式。品牌長期以來被迫在搜尋、串流、社群三大生態之間切換，但如今 Amazon 把這些行為資料整合到 Campaign Manager 與 Amazon Marketing Cloud（AMC）中，如此一來，品牌便能在一個 AI 系統中同時管理搜尋廣告、購物推薦，甚至串接 TikTok、Instagram 的社群行為。此外，Amazon 也打開廣告版位，除了自家 Prime Video 影視廣告之外，也讓品牌能透過其廣告系統投放到 Netflix、NBCU、Disney 等串流對手的平台上。 「如今行銷人員能在同一個介面中看到所有廣告格式在漏斗各階段的表現，並免去過去需要建立多個帳戶、跨平台切換的繁瑣流程。」Amazon [&hellip;]</p>

AI 拉高大學教育投報壓力：技能過時，如何重建青年「可被雇用性」

<p>青年勞動市場正面臨一股重新洗牌的壓力，而人工智慧帶來的自動化效應，使這股衝擊更快、更直接地落在剛踏出校園的族群身上。 AI 衝擊集中於入門職位，青年失業攀升 在入門工作最為集中的職涯起點，AI 的自動化正在快速侵蝕人力需求。許多過去由新鮮人負責的標準化任務，如資料整理、內容撰寫、初階行政流程等，都能被大型語言模型或生成式工具部分接手。 青年失業率上升令人擔憂，芝加哥大學經濟學助理教授 Anders Humlum 更指出，對於個體勞動者而言，在經濟衰退時期畢業，會在未來幾十年留下持久的創傷。 同時，美國大學與雇主協會（NACE）最新調查亦呈現企業端的憂慮：有 51% 的雇主認為今年應屆畢業生的就業市場狀況「不佳或一般」，是自 2020–21 學年以來的最高比例。當企業預期初階人才的需求下降，青年求職難度自然同步攀升。 疫情後裁員不是唯一因素 有部分業界領袖認為，青年失業上升更像是疫情期間超額招聘的後遺症。然而多數經濟學者指出，整理階段早在 2023 年已大致完成，如今持續惡化的青年就業困境，很難不與 AI 的自動化趨勢相連結。 更關鍵的是，AI 正在重寫企業對入門人才的能力要求。過去，大學學歷加上基本專業技能即可取得初階職位；如今，企業更偏好「能熟練操作 AI 工具」的新人。職涯平台 Handshake 指出，掌握 AI 工具使用的青年人才需求快速攀升，甚至成為許多工作「必要條件」而非加分項。 哈佛商學院教授 Joseph Fuller 也指出，AI 的導入「使過去勞動市場重視的部分技能快速失效」，許多入門職位因此更稀少、更競爭。換言之，新鮮人在求職時不僅與同儕競爭，也與 AI 工具競爭。 高等教育投資報酬遭質疑 AI 對初階工作的侵蝕，也讓許多學生與家庭開始重新評估高等教育的價值。學費不斷上漲、學生貸款餘額逐年攀升，然而畢業後的就業結果卻更不確定。 根據企業員工教育福利解決方案服務 Bright Horizo​​ns 旗下研究，背負學貸者中有 77% 認為貸款是「巨大負擔」，63% 甚至認為教育所帶來的價值，不足以彌補債務對生活福祉造成的壓力。高等教育的投資報酬開始受到前所未有的挑戰。 大學職涯中心也觀察到家庭端的焦慮升溫。Gettysburg College 的職涯中心負責人指出，家長如今不只關心入學，而更關注「畢業後能去哪裡」，畢業生的就業結果已成為家庭衡量教育投入的關鍵指標。當 AI 讓入門職位變少、技能變動更快，大學教育的「保證價值」也隨之動搖。 青年失業的經濟後果：消費緊縮與世代差距擴大 青年失業並非只影響個人財務，它會以更宏觀的方式牽動整體經濟運作。當年輕勞工難以取得穩定收入，最先縮減的往往是非必要消費與日常娛樂，導致內需市場降溫。 更深層的影響則是世代差距。青年在職涯初期若遭遇長期失業，不僅薪資軌跡會受限，也更難累積財富，世代不平等因此更難消弭。若現象持續，將成為整體勞動市場的結構性弱點，影響長期生產力與社會穩定。 真正的政策關鍵在於，企業能否在採用 AI [&hellip;]</p>

【科技早餐】Meta 強勢結盟媒體巨頭，AI 即時新聞火力全開

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Meta 強勢結盟媒體巨頭，AI 即時新聞火力全開 社群巨擘 Meta 宣布與多家國際主流新聞機構達成商業協議，這標誌著旗下 AI 助理將從單純的聊天機器人，進化為具備「即時新聞」能力的資訊中心。 根據《路透社》報導，Meta 已與路透社、CNN、福斯新聞（Fox News）、法國世界報（Le Monde）及《時人雜誌》（People）等權威媒體展開合作。未來用戶在 Meta 平台上詢問時事問題時，系統將不再受限於過時的訓練資料庫，而是能直接引用合作媒體的最新內容，提供具公信力的即時解答。 這項策略顯示，Meta 正透過導入專業新聞來源，不僅能提升 AI 在商業與日常應用中的可信度，也為陷入流量困境的新聞出版業建立了新的商業模式，雙方將在 AI 時代展開更緊密的內容生態系整合。 ＊網際網路心臟驟停，Cloudflare 頻繁當機引爆全球信任危機 全球網路基建大廠 Cloudflare 在短短兩週內，發生第二次嚴重系統異常，導致全球大量高流量平台同步停擺，引發業界對「網路單點故障」的強烈擔憂。 本月 5 日，Cloudflare 證實網路出現「內部服務降級」，雖然官方強調與駭客攻擊無關並迅速修復，但災情已瞬間擴散。受影響平台包括 X（前推特）、ChatGPT、LinkedIn、加密貨幣交易所 Coinbase，甚至雲端設計軟體 Canva。 Cloudflare 作為現代網路運作的核心樞紐，其穩定性直接牽動全球數位經濟脈搏。兩週內連續發生大規模事故，不僅暴露了全球數位活動過度集中於少數基建供應商的風險，也讓企業開始重新評估「網路韌性」。專家警告，當核心節點發生故障，衝擊的將是跨國界、跨產業的全面營運癱瘓，企業需盡快建立更多元的備援機制。 ＊國家級駭客監控升溫，蘋果緊急示警 84 國資安紅色警戒 蘋果（Apple）本週證實，已向全球 84 個國家的用戶發送新一輪「網路攻擊威脅通知」，明確警告部分用戶正遭受「國家級駭客」或高階間諜軟體的鎖定。 雖然蘋果基於資安保密原則，未透露具體攻擊來源國或受影響名單，也未說明台灣是否在列，但這類警示通常與具備高度資本、技術能力的駭客行動有關，背後往往涉及政府或情報單位。外媒統計，蘋果近年已向超過 150 國用戶發出類似警示，顯示「國家資助型」監控已成常態。 這對企業高層與敏感產業而言是極大警訊。在地緣政治日益緊張的局勢下，針對高科技、國防工業與高階製造業的資訊竊取風險正持續升溫。資安專家呼籲，收到通知的用戶應立即啟動資安應變機制，這已非單純的病毒感染，而是針對特定目標的高強度滲透行動。 ＊AWS 技術長：拒絕被 AI 淘汰，開發者必須進化 「AI 不會取代你，除非你拒絕進化。」AWS 技術長佛格斯（Werner Vogels）在 [&hellip;]</p>

2026 中國 IC 設計市佔將達 45% 超車台灣，IDC：地緣政治重塑半導體供應鏈，美中日晶圓代工產能擴張加速

<p>IDC 在今（12/5）發布 2026 年全球半導體市場十大趨勢預測，預期 2026 年全球半導體市場將維持雙位數成長動能，年成長率達 11%。 「2026 年半導體產業將從爆發性復甦邁向穩健擴張的階段，」IDC 資深研究經理曾冠瑋表示，為了滿足指數級增長的運算需求，從 IC 設計、晶圓製造到先進封裝的整體價值鏈正處於高產能利用率狀態，供應鏈上下游的緊密協作，將是確保 AI 晶片順利量產與效能突破的關鍵。 針對 2026 年全球半導體市場，IDC 歸納十大趨勢。 趨勢一：2026 年半導體市場持續強勁，年成長率將達 11% 根據 IDC 預測，2028 年全球半導體市場規模將突破 1 兆美元，2030 年更將達到 1.2 兆美元。這股由 AI 驅動的投資週期，將抵銷部分總體經濟的不確定性。 不過，市場必須留意記憶體價格上漲的趨勢，若價格持續走高，可能影響 2026 下半年的市場動能。 趨勢二：AI 晶片需求旺盛，運算應用領域年增 18% 領跑市場 曾冠瑋分析，運算類別佔據半導體市場營收比重將持續攀升，預計 2025-2026 年市佔達 60%，其中 AI 伺服器核心晶片受惠於雲端訓練與邊緣推論需求的同步爆發，預計成長 32%。 相對地，車用（Automotive）與消費性（Consumer）市場因庫存調整與成本上升，展望較為保守。 趨勢三：亞太區 IC 設計年成長 11%，中國市佔擴大至 45% 確立領先 IDC 預估 [&hellip;]</p>

全球穩定幣發行量兩年暴增一倍！IMF 點名監管碎片化成最大隱憂

<p>隨著穩定幣市場的快速擴張，這種目的在維持價值穩定的加密資產正逐漸滲透傳統金融體系。國際貨幣基金組織（IMF）本週發表一份名為《了解穩定幣》（Understanding Stablecoin）的綜合性報告，深入分析這個新興市場可能帶來的機會與風險，以及當前全球監管措施的有效性。 報告指出，穩定幣的發行量在過去兩年翻了一倍，截至 2025 年 9 月達到約 3,000 億美元的規模。當中雖然主要用於加密貨幣交易結算，但其潛在的跨境支付功能也引發了監管機構的高度關注。IMF 肯定各國的穩定幣監管措施，確實有助於緩解宏觀金融波動的風險，但同時也發出警告，直指目前的全球監管格局仍然相當分散，缺乏統一性。 缺乏統一標準恐釀監管套利，阻礙跨境交易效率 IMF 在報告中詳細檢視了美國、英國、日本和歐盟在制定穩定幣監管框架時的不同策略，指出雖然各國都致力於將穩定幣發行商納入監管範疇，但在具體執行細節上卻存在顯著差異。 舉例來說，歐盟透過《加密資產市場監管法案》（MiCA）建立了全面的監管框架，明確區分了電子貨幣代幣和資產參考代幣；日本則採取較為嚴格的限制，只允許銀行、信託公司和資金轉移服務提供商發行穩定幣，並對儲備資產有嚴格要求；美國和英國雖然也在推進立法，但在處理外國發行商和系統性重要穩定幣的規範上，做法不盡相同。 這種監管上的碎片化可能會帶來嚴重的後果。IMF 報告強調，不同司法管轄區在發行主體資格、儲備資產構成、託管要求以及對外國發行商的態度上存在差異，這不僅可能導致「監管套利」的機會，讓發行商選擇法規較寬鬆的地區落地，進而削弱整體監管的有效性。此外，新穩定幣各自在不同區塊鏈和交易所之間激增，也引發了對缺乏「互通性」的擔憂。如果各國的監管待遇和交易障礙持續存在差異，也將會導致效率低落，甚至在國家之間形成新的壁壘。 報告進一步分析，穩定幣的跨國特性增加了監管的複雜度。與傳統金融工具不同，穩定幣發行商通常無法完全掌握代幣持有者的居住地或國籍，這使得數據驅動的決策變得更加困難 。如果缺乏一致的國際標準，單一國家的監管努力可能會因為跨境交易的隱蔽性而大打折扣。例如，若某一地區對贖回權有嚴格規定，而另一地區則無，投資者可能會在不同司法管轄區之間移動，造成流動性分配不均。 呼籲國際協調合作，兼顧創新與金融穩定 面對這些挑戰，IMF 強烈呼籲加強國際間的協調與合作。報告認為，雖然各國監管機構在促進創新與降低風險之間面臨艱難的平衡，但建立一個全球協調的監管方法至關重要 。這不只涵蓋在反洗錢和打擊資助恐怖主義（AML/CFT）方面的合作，更涉及宏觀視野的政策協調，藉此防止資本流動波動和貨幣替代（Currency Substitution）的風險。 IMF 建議，未來的政策制定應參考金融穩定委員會（FSB）和國際證券管理機構組織（IOSCO）等標準制定機構的建議，並加強跨境資訊共享與監管合作。 對 IMF 來說，只有透過全球一致的努力，才能在釋放穩定幣潛在效益的同時，有效控管其可能帶來的系統性風險，避免金融科技創新成為危及全球金融穩定的破口。 ＊本文開放合作夥伴轉載，資料來源：IMF 1、IMF 2、《Market.com》，首圖來源：AI 工具生成</p>

IDC 公布 2026 台灣 ICT 五大趨勢：組合式 AI 架構成形、代理式 AI 成主流

<p>「在總體環境面，過去企業或許認為總體經濟與自身關聯不大，但近年地緣政治的發展，已讓企業無法置身事外，」IDC 在今（12/5）公布 2026 年台灣 ICT 產業趨勢預測，IDC 台灣總經理江芳韻指出，在實體戰爭與經濟面向上，除了烏俄與中東，非洲二十多國的內戰常被忽視，但其衝突會直接影響上游關鍵原材料與零組件供應，對全球產業具有重大衝擊。 其次，地緣經濟已成大國競逐的新主戰場。過去多靠軍事與外交，如今更依賴關稅、貿易與進出口管制等經濟手段。此外，各國正展開科技軍備競賽，在 AI 與半導體領域全力投入，進一步引發全球人才與算力的爭奪戰，並讓電力將成為最關鍵的戰略資源。 針對企業的明年展望，江芳韻表示，企業抱持「穩健擴張的態勢」，在投資策略上，AI 投資不僅不受影響，反而逆勢成長。IDC 調查顯示，有 54% 的企業計劃增加 AI 投資，目的是透過科技力量降低環境的不確定性。 在企業積極布局 AI 的背景下，IDC 也歸納出 2026 年台灣 ICT 的五大關鍵趨勢。 趨勢一：「組合式 AI」架構成形，Agent 是其中關鍵 首先，江芳韻分析，企業導入 AI 的真正目的，是透過生成式 AI 與傳統 AI 兩者協作，讓生成式 AI 的流程設計與輸出結果更穩健、更具結構性。這也帶出未來的核心趨勢——「組合式 AI」（Composite AI），意即如何有效結合生成式 AI 與傳統 AI，並以 Agent（代理人）作為協作引擎，依據需求自動分配與執行任務，讓整體系統更高效運作。 此外，企業對 AI 的「規模化」需求正快速提升，但規模化不能演變成失控的擴張。因此，當企業內部出現越來越多不同功能的 Agent 時，更需要建立中央化的管理架構，以避免各 Agent 各自為政、造成治理混亂，這也讓「整合能力」將成為企業未來推動  Agent 大規模應用時的關鍵。 趨勢二：2026 是 Agentic [&hellip;]</p>

【當 AI 成為政治資訊中介】研究發現：AI 左右選民立場的影響力是政治廣告的 4 倍

<p>過去幾十年，政治廣告被視為影響選民偏好的重要管道，但最新研究顯示，真正能左右選民意向的，可能不是候選人團隊，而是 AI。 兩篇發表在頂尖期刊《Nature》與《Science》的最新研究顯示，AI 聊天機器人能讓每 25 個人就有 1 人改變立場，轉向支持川普或賀錦麗。 雖然專家提醒，這些研究並不能證明聊天機器人真的能左右選舉結果，但研究人員發現，與帶有政治傾向的 AI 機器人聊天，比一般的電視競選廣告更能有效地引導民主黨人和共和黨人支持對方政黨的總統候選人。 當中令人擔憂的是，這些聊天機器人透過引用事實和證據來影響人們的觀點，但內容並非總是準確，而研究人員發現，最具說服力的模型反而說了最多不實之詞。 效果是電視廣告的 4 倍！AI 靠「資訊密度」取勝 在《Nature》論文中，研究人員招募逾 2,300 名受試者，讓他們在 2024 年美國總統大選前兩個月與被設定為支持川普或賀錦麗的聊天機器人對話。結果顯示支持川普的選民若與偏向賀錦麗的 AI 對話，對賀錦麗的傾向平均提升 3.9 個百分點——這大約是 2016 與 2020 選舉期間政治廣告效果的 4 倍。而偏向川普的 AI，也能讓賀錦麗的支持者朝川普方向移動 2.3 個百分點。 這份研究也在加拿大和波蘭進行類似的實驗，同樣發現聊天機器人能讓反對陣營選民的態度改變約 10 個百分點。《MIT Technology Review》指出，這項研究打破了長年政治心理學的假設：堅定的政黨選民並非完全不受事實更新影響。研究人員發現，只要 AI 使用大量事實與證據，選民更願意調整立場。 不過，問題在於 AI 提供的部分事實是錯誤的。三國研究都觀察到，偏向右派候選人的聊天機器人，提供不實資訊的頻率比左派高，原因與訓練資料有關：模型複製了真實世界中，右派政治訊息較不精確的現象。這代表，即使 AI 的說服策略是基於證據，但其中的證據也可能是幻覺生成、錯誤或偏差文本的再製。 強化 AI 說服力 = 犧牲真實性？ 另一篇發表於《Science》的論文中，研究團隊想找出聊天機器人之所以具有說服力的原因。他們讓 19 個大型語言模型與近 77,000 [&hellip;]</p>

【元宇宙讓位給 AI】Meta 砍 30% 預算、加碼投入 AI 眼鏡與穿戴設備，宣告下一代人機介面將成主戰場

<p>Meta 正醞釀一場關鍵的戰略轉向。近日《Financial Times》報導，Meta 已制定計劃，2026 年可能削減多達 30% 在元宇宙方面的預算，因為 Meta 執行長馬克·祖克柏（Mark Zuckerberg）正將重點放在「如何贏得 AI 競賽」上。 這項預算削減主要針對負責硬體與未來科技的部門 Reality Labs。Reality Labs 是 Meta 過去幾年豪賭元宇宙未來的核心引擎，業務涵蓋虛擬實境（VR）、擴增實境（AR）、虛擬世界平台 Horizon Worlds 以及 Quest 系列頭戴裝置。在消息公布後，Meta 股價隨即上漲約 4%，顯示市場普遍認為這是公司優化資源配置的正面訊號。 削減預算的核心動機：元宇宙部門虧損龐大，回報未達預期 這次大幅削減預算的背後，透露的是 Meta 在元宇宙領域長期面臨的財務與市場雙重壓力。自 2021 年祖克柏大舉押注元宇宙並將公司更名以來，Reality Labs 部門已累計虧損超過 700 億美元，成為公司沉重的財務負擔。 除了高昂的成本，市場採用率不如預期也是關鍵因素。Meta 高層意識到，儘管在技術上取得了進展，但消費者並未如預期般廣泛擁抱這些虛擬世界產品。內部消息人士也指出，鑑於市場競爭減弱且用戶需求未見爆發，Meta 決定縮減對純虛擬世界（Metaverse）的投入。 此外，《The New York Times》報導，這波預算縮減預計將伴隨組織調整，可能在明年一月裁減 Metaverse 部門 10% 至 30% 的員工，主要衝擊 VR 團隊與 Horizon Worlds 項目。 Meta [&hellip;]</p>

英國 28% 家庭醫師已將 AI 導入診療流程：5 大應用場景浮現，缺乏統一培訓與監管成隱憂

<p>根據英國 Nuffield Trust 與皇家全科醫師學會 (RCGP) 針對 2,108 名執業英國家庭醫師（GP）的最新調查發現，約 28% 的英國家庭醫師已在臨床實務中使用 AI 工具，代表在英國初級醫療（primary care） 體系中，AI 已不再是遙遠的實驗性科技，而是近三分之一醫師的「日常工作夥伴」。 然而調查也發現，在 AI 協助醫師應對龐大工作壓力的同時，卻帶來制度配套不足、醫療責任歸屬不明，以及患者隱私風險等潛在隱憂。 五大臨床應用場景 為了理解 AI 為何能在短時間內受到家庭醫師青睞，研究也進一步拆解出五大實際應用場景。根據調查結果，首先，約有 44% 家庭醫師將 AI 應用在「行政與文書處理」，例如透過 AI 生成轉診信、整理會議紀錄、進行醫療編碼等，讓醫師能減少加班、避免過勞。 其次，「診斷輔助與臨床推理支援」也逐漸受到醫師採用。部分家庭醫師使用 AI 協助構思鑑別診斷、分析複雜病例的潛在病況，甚至用於癌症早期檢測支援與患者分流。儘管多數醫師仍抱持謹慎態度，但許多人已開始測試如何用 AI 處理容易導致決策疲勞的臨床情境。 第三，「患者溝通與衛教」是另一個重要應用。AI 被家庭醫師用來將艱深的醫療術語轉換成更易理解的「通俗語言 」，並用於撰寫給患者的說明摘要、簡訊與衛教資訊。這類應用還能幫助醫師在諮詢後生成重點總結供患者留存，有助於患者回憶醫囑，從而提升醫病互動的品質與信任感。 第四，家庭醫師也利用 AI 進行「語言處理與寫作協助」，例如「環境語音技術 (ambient voice technology)」或「AI 抄寫員 (AI scribes)」，這些工具可以自動聆聽並轉錄診間對話以生成病歷筆記。這不僅大幅減少手動輸入時間，也讓醫師能將視線與注意力從螢幕移開，更專注於與患者的眼神接觸與非語言溝通。此外，這類工具也協助非母語患者完成翻譯，打破語言隔閡。 最後，家庭醫師會使用 AI 作為「臨床知識查詢與快速參考工具」，讓醫師可以利用 AI 解讀複雜的檢驗數據、查詢最新的臨床治療指引。 AI 使用帶來的 3 大主要風險與挑戰 然而，AI [&hellip;]</p>

品牌行銷新危機：不是內容做不好，而是 AI 讓你做「太多」

<p>當 AI 生成內容快速普及，品牌正在迎來一場新的危機：不是不會做內容，而是太會做、做太多。 《Fast Company》指出，2025 年 J.Crew 與 Vans 的聯名球鞋上市，卻因疑似 AI 生成怪異手指、扭曲陰影與不自然人體比例的廣告圖成為網路迷因；玩具反斗城用 AI 復刻的懷舊動畫也因生硬表現被嘲笑。這類「AI Slop」（AI 垃圾）充斥網路、不帶情感或文化理解的廣告內容如潮水般湧現，可能正悄悄侵蝕品牌影響力。 AI 讓廣告高度個人化，卻帶來「訊息碎裂」的新風險 《BBC》報導指出，AI 的大量分析，已經有能力針對受眾的生活狀態與心理輪廓微調到極致，生成千萬種「個人化」廣告，客製化每個觀眾喜歡的顏色、常哼的音樂、習慣的用詞等等。 理論上，這種深度個人化應讓廣告更有效、更切中需求，然而，越來越多案例顯示，當內容被切割得過細，反而讓品牌訊息失去核心，廣告變成只能打動「那一個人」的孤島式訊息，甚至迅速被遺忘。而且當內容碎片化、不連貫，AI 廣告甚至可能呈現僵硬、不自然的語句或影像，變成明顯經過演算法拼貼、卻缺乏人味的廣告內容。 AI 的精準洞察和「被侵犯感」只有一線之隔 這股趨勢也帶來更深層的倫理與信任危機。當廣告被「算得太準」，消費者對自身被理解的程度開始感到不安。AI 不只是知道你喜歡什麼，還知道你最近是否有安排假期、是否剛搬家、快結婚，甚至推測你的心理狀態等。這些洞察可能讓消費者有「被侵犯感」，甚至讓消費者懷疑品牌是否正在利用情緒弱點進行操控，加深心理負擔。 此外，許多 AI 個人化模式仍依賴以往廣告業者難以觸及的資料層級，涉及情緒分析、語意推測與行為線索萃取，可能增加企業的合規壓力。歐盟、英國與更多市場都已開始針對 AI 行銷進行討論，未來監管的力道勢必加強。品牌若在這些議題上走得太快或太冒進，不僅會引起消費者反感，也可能面臨法律風險與信任度下滑的雙重衝擊。 AI 讓內容大爆發，品牌反而更需「出版社式的策展能力」 在這個生成洪流時代，真正需要被強化的不是創作速度，而是「策展能力」，這是一種更接近出版社的角色心態。 出版社每天收到無數投稿，真正的價值不在於印刷，而是選擇、編輯、審核與確保內容與品牌聲音一致。品牌今天面臨的挑戰亦同：AI 可以一秒產出你要的三十個版本、三百個標題、三千張圖片，但品牌的價值在於確定哪些內容值得說、哪些語氣符合品牌、哪些影像不會削弱文化理解與真實感。 策展是一種重新掌握主導權的過程，它避免 AI 讓品牌變得機械、分裂或無感。它要求行銷團隊在大量生成之後，投入更多洞察、判斷與文化敏銳度，反而強化品牌的一致性與辨識度。 未來的行銷競爭，將不再比誰能做出最多內容，而是比誰能做出最能代表自己的內容。真正能在 AI 汪洋中保持清晰輪廓的品牌，將會是那些善用 AI 放大創意，同時以精準策展維繫信任與情感連結的品牌。AI 能讓聲音變大，但是否保有靈魂，仍取決於品牌自己。 ＊本文開放合作夥伴轉載，參考資料：《BBC》、《Fast Company》、《AdWeek》，首圖來源：Unsplash （責任編輯：廖紹伶）</p>

【打造代理宇宙】Fetch AI 想補上 AI 代理最缺的三件事：被找到、可信任、能協作

<p>為了解決 AI 代理生態系缺乏信任、協作與互通性的問題，前 DeepMind 創始投資者領導新創公司 Fetch AI，透過三款工具打造 AI 代理界的 Google 搜尋與商家認證，推動 AI 代理網路發展。</p>

【科技早餐】「別把中國市場送給中國！」黃仁勳：美國再工業化，台灣貢獻值得肯定

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊「別把中國市場送給中國！」黃仁勳：美國再工業化，台灣貢獻值得肯定 NVIDIA 執行長黃仁勳本週赴白宮與川普討論 AI 晶片出口管制。黃仁勳強調，美國應掌握最先進晶片，但若強制企業先滿足美國再出口，反而造成競爭力下降。他也警告，美國不能把整個中國市場拱手讓人，並指出華為等企業的技術十分強大。由於美中雙方都限制 NVIDIA 出貨，他也笑稱公司成了「兩邊都禁止」的特殊案例。 他同時呼籲美國啟動「再工業化」，認為製造外包 20 年後，AI 革命正是讓生產回流的時機。他點名台灣在供應鏈重建上貢獻巨大，值得肯定；並再次強調 AI 監管若由各州各自立法，將推高成本、拖慢創新，因此聯邦制定統一框架至關重要。 ＊AI 投資燒到失控？Anthropic CEO：有公司把風險開太大 Anthropic 執行長 Dario Amodei 在《紐約時報》受訪時表示，AI 產業正面臨「巨額投入、回報不確定」的兩難。他指出，有些企業採取 YOLO 模式，投入數千億甚至更高資本，但資料中心要多年後才會完工，帶來巨大風險。雖然未指名，但像 Meta、OpenAI、Google 的基礎建設投入屢創新高，其中 OpenAI 承諾金額甚至達 1.4 兆美元，引發泡沫疑慮。 相較之下，Anthropic 的策略較保守，最新一輪投入為 500 億美元建置自有資料中心。Amodei 認為，AI 發展應在技術突破與財務可行性之間取得平衡，而不是靠無上限燒錢推動，更強調產業需要長期穩定的路線，而非短期高風險賭注。 ＊黃仁勳示警：AI 國安風險沒人看得清，就像現代曼哈頓計畫 NVIDIA 執行長黃仁勳在最新訪談中坦言，沒有人真正理解 AI 對未來國安的衝擊。他將當前競局比喻為現代版曼哈頓計畫，各國都在追逐資訊、能源與軍事層面的技術主導權，尤其美中正加速投入 AI 競賽。他指出，這場技術比拚的利害關係遠超現階段可見。 他也稱讚川普在科技政策上的務實路線，包括要求關鍵技術留在美國、製造能力回流。同時他也強調 NVIDIA 與其他科技巨頭不同，不靠廣告與社群平台獲利，而是以「技術創新」作為唯一核心，使其在全球大型科技企業中顯得格外獨特。 ＊亞馬遜 1,000 員工怒批：AI 讓我們更累、更少、更被監控 超過 [&hellip;]</p>

直擊 AI 醫療機器人潛力應用！台灣醫療科技展 5 大亮點一次看

<p>AI 機器人浪潮襲來，各界看好這項技術能協助解決各行各業的缺工問題，而這在今年台灣醫療科技展，已能看見不少解方。從手術房到居家環境，有哪些值得關注的醫療機器人解決方案？《TechOrange》直擊活動現場、分享 5 大亮點。 亮點 1：不只是送物，AI 機器人走入臨床照護 在展會現場，中國醫藥大學與長聯科技共同展出「生成式 AI 照護型機器人」愛寶，強調最新一代機器人不只具備一般的送物能力，還搭載生成式 AI 語音語意模組、鏡頭，具備非接觸式生理量測、衛教諮詢、遠距視訊、環境監控等功能，宣稱能減輕護理負荷 50%。 愛寶機器人具備的衛教對話能力，來自中醫大附設醫院的衛教單張、醫訓等資料做 AI 模型的即時檢索，強調回答有依據、可追溯、可更新，並能在加入必要的病患脈絡（如用藥、診斷、檢查等紀錄）以及知識庫規則個人化回答病患問題，另必要時也會產生通報腳本讓護理師第一時間處理。愛寶機器人將在 12 月下旬導入台中市立老人復健綜合醫院，做第一次概念性驗證。 長聯科技表示，愛寶第一階段是協助病患，第二階段，也就是明年，將超越單純的問答能力，以「AI 代理」技術協助護理師甚至是醫師。舉例來說，愛寶將能主動透過資料庫、病歷或入院情形的紀錄，提供醫師或護理師建議。 同樣強調臨床照護功能的，還有台中榮總與鴻海合作的「護理協作機器人」Nurabot，可執行護理站與病床間的檢體、藥物運送，並提供衛教及病房環境介紹。Nurabot 已在今年 11 月做壓力測試和落地工作，預計明年量產。 台中榮民總醫院護理部副主任劉淑芳表示，Nurabot 目的是讓護理師將「跑來跑去」的重複性勞務交給機器人，將時間留給與病患互動。據估計，Nurabot 可幫助護理師在一個 8 小時的班次中，減輕約 3.5 小時的工作量，約佔 30％ 工時。她也強調，Nurabot 是少數具有機械手臂的護理協作機器人。 亮點 2：機器人的指揮中心！AI 機器人中控平台亮相 面對全球醫療人力短缺與高齡化挑戰，華碩展出全台首創的智慧指揮中樞 Maestro。其核心在於結合 AI 代理技術、機器人調度與資料串接能力，可同時連結類人形機器人 Zenbo Jr. II、服務型機器人 Kairo，以及跨載具虛擬人 Sage。根據華碩，透過即時理解任務內容，Maestro 能自動分派最合適的機器人執行任務，支援導引、諮詢、衛教、數據採集等大量非臨床工作，協助醫護人員將時間專注在臨床決策與病患溝通。 這項技術也延伸至院外照護場域。Maestro 可串接 Zenbo Jr. II、醫院既有的 HIS/NIS 系統，以及 OmniCare+ [&hellip;]</p>

美光退出消費市場、產能全給 AI：Crucial 停產宣告 PC 記憶體進入高價時代

<p>美國記憶體大廠美光（Micron）近日正式發布聲明，宣布將退出旗下的 Crucial 消費級業務，這項決策也意味著美光將停止透過全球零售商、電商平台及經銷商販售 Crucial 品牌的 DRAM 與 SSD 產品，正式終結品牌長達 29 年的歷史。 「AI 驅動的資料中心成長導致記憶體與儲存需求激增，美光做出這項艱難的決定，以便為我們在快速成長領域中的大型戰略客戶，提供更好的供應與支援，」美光執行副總裁兼商務長 Sumit Sadana 表示，此舉是為了將公司資源集中於成長更快、需求更強勁的 AI 市場領域。 由於 AI 發展極度依賴高頻寬記憶體（HBM）， OpenAI、微軟等科技巨頭也願意支付高額溢價來確保產能，使其利潤遠高於一般消費級記憶體，也導致消費級產品的生存空間受到嚴重擠壓。美光執行長 Sanjay Mehrotra 就曾透露，公司 HBM 業務的年化營收規模已接近 80 億美元，顯示重新分配產能至高價值產品已是不得不為的戰略選擇。 供應鏈變化：消費級記憶體供應縮減、主流品牌消失 美光結束 Crucial 業務，不只是停賣產品這麼簡單，更是對全球消費市場的一記重擊。當美光這樣的主要供應商退出市場，代表消費級 DRAM 與 SSD 的供應來源將顯著減少，全球記憶體短缺的現象正在加劇，也讓消費市場將面臨更高的成本與價格不確定性。 目前由於記憶體成本飆升，多家廠商已開始調整價格或產品策略，顯示市場衝擊已經開始浮現。例如 CyberPowerPC 已被迫調漲電競系統售價，硬體製造商 Framework 因預期價格上漲而停止單獨販售 RAM 模組，甚至 HP 也暗示可能調漲設備價格或減少產品搭載的記憶體容量。 《The Verge》報導，Crucial 長期以來是 PC 組裝與愛好者心中「平價、可靠且廣泛流通」的主流品牌。隨著 Crucial 退場，市場上將少了一個主要的消費級記憶體與 SSD 供應商，這對本已面臨價格飆漲的 [&hellip;]</p>

富采如何打造從資料整合、模型建立到製程部署的完整 AI 研發平台，成功提升 MicroLED 良率並加速研發效率？

<p>全方位光電整合解決方案供應商富采，攜手全球分析平台領導者 SAS 打造端到端 AI 研發平台，在 MicroLED 與光電半導體製程快速演進、資料量倍增的環境下，共同整合跨站製程資料，以 AutoML 與可解釋 AI，協助研發團隊快速建模、預測與回饋製程，大幅縮短研發週期並提升良率。此合作成功協助富采在研發到製造的各階段建立資料血緣、提升製程可預測性與效率，使其成為半導體業導入 AI 的先行者與技術典範，也為後進企業提供可實踐的智慧製造示範路徑。 端到端 AI 研發平台成形 從資料整合到模型部署的完整協作架構 長期深耕 MicroLED 與光電半導體製程的富采，面對製程快速演進、產線資料量與製程參數同步倍增，近年積極推動研發流程的數位升級，但由於資料分散於不同設備與格式，跨站追溯與關鍵因子分析始終耗時。以 MOCVD（有機金屬化學氣相沉積）為例，其反應爐參數幾乎決定晶片效率，但工程師往往要等到晶圓走完整個流程後才能確認問題，不僅製程週期被迫拉長，前段、中段到封裝資料難以串接，也使良率下降的根因常延後才浮現。 在製程複雜度與市場反應要求同步升高的背景下，富采需要不只是更快的建模工具，而是一套能整合完整製程資料鏈、協助研發團隊快速建立模型，並將研發知識以系統化方式延續下去的 AI 研發平台。因此，富采選擇與 SAS 共同建構一套從資料整合、模型建立到製程部署的完整 AI 研發平台。合作成果使富采能以跨站視角進行分析、導入虛擬量測、提升設備穩定性，並讓研發決策真正邁向數據驅動。此模式逐步成為半導體 AI 應用的重要參考架構。 富采資訊長趙紘慶表示，富采尋求的不僅是單一 AI 工具，而是能「與團隊一起解決問題」的策略夥伴。SAS 在技術完整度、資料科學方法論以及顧問團隊的深度輔導，都能在真實場景中產生可驗證的價值。SAS Viya 提供從資料整理、模型訓練到部署的統一平台，搭配 AutoML 降低建模門檻、可視化介面提高模型可解釋性，以及可與即時製程調整控制（Run-to-Run Control）、製造執行系統（MES）彈性整合的容器化部署能力，讓研發流程可以真正串接起來 SAS 台灣總經理龔律安指出，這次合作的核心目的，是讓富采累積多年的製程 know-how 能被系統化保存並複製到不同製程與場域。他強調，導入 AI 的目的並不是要讓工程師成為資料科學家，而是讓既有製程 know-how 能被更有效地量化、傳承與複製。SAS 透過跨產業的分析經驗與標準化平台能力，協助企業將研發與製造經驗量化、模型化並得以被持續驗證，使資料驅動的決策模式更穩定也更可擴展。 AI 助攻製程優化：提升良率、加速研發並升級跨站協作 此次合作使富采在研發與製造端獲得顯著成效。透過 SAS Viya 所建立的虛擬量測（VM）模型，工程師可以在投片即時利用 MOCVD 參數預測晶片效率，大幅縮短製程週期、減少試作成本並提升製程穩定性。同時，富采更以模型量化設備老化狀態及零件更換週期，透過模型與製程調控機制比對，使設備在維護後能否恢復正常運作得以迅速確認，而不再只依賴人工經驗推估。 [&hellip;]</p>

Google 新推 Workspace Studio 破解企業 AI 代理「沒人用」瓶頸，讓 AI 真正融入工作流程

<p>近日 Google 正式推出一款無程式碼（no-code）自動化平台 Workspace Studio，賦予使用者利用 Gemini 3 模型的強大推理與多模態理解能力，可以在 Workspace 生態系統中輕鬆創建、設計、管理並共享 AI 代理（AI Agent）。 Workspace Studio 目前主要鎖定 Workspace Business 與 Enterprise 等企業級方案的客戶。Google 強調 Workspace Studio 像一個完整的「代理建置工作室」，而非零散的功能模組，並允許企業大規模生產並治理這些 AI 助手，讓沒有程式設計背景的工作者，也能在幾分鐘內建立符合自身業務需求的 AI 代理。 為何 Workspace Studio 會出現？Google 想解決 AI 代理「沒人用」的企業痛點 Workspace Studio 的推出之所以重要，是因為儘管 AI 代理已成趨勢、企業興趣激增，但卻一直面臨無法讓員工真正使用 AI 代理工具的困境。《VentureBeat》指出，主要問題在於傳統的 AI 代理經常打斷員工既有的工作流程，強迫使用者跳轉到全新介面、切換不同工具或重新輸入資訊，導致工作者往往傾向放棄使用。 此外，在介面設計上，目前多數 AI 代理仍主要透過聊天介面進行操作，對於許多日常行政或文書工作者而言，單純的對話框並不直觀，且缺乏與文件處理、電子郵件或雲端硬碟等日常應用程式深度整合的現狀，導致難以取得必要的上下文，進一步加深企業內部採用 AI 代理的阻力。 Workspace Studio 的解方：讓 AI 代理真正融入日常工作流程 [&hellip;]</p>

Peec AI 抓住 AI 搜尋的權力交接：品牌不再向人溝通，而是向模型溝通

<p>當越來越多消費者在某些查詢情境中，從 Google 轉向 ChatGPT 尋找答案時，品牌的可見性正從傳統搜尋引擎，快速轉移到 AI 模型的推薦結果中。這個根本性的轉變，讓一家來自柏林的新創公司 Peec AI，成為歐洲最受矚目的新創獨角獸候選人之一。 過去二十年來，Google 幾乎壟斷了消費者的搜尋行為，品牌投入大量資源進行搜尋引擎優化（SEO），爭奪關鍵字排名。然而，越來越多消費者開始透過 ChatGPT 等 AI 對話型介面尋找產品推薦和解決方案，而非使用傳統搜尋引擎。這種行為轉變意味著，品牌的曝光度不再由搜尋引擎的演算法決定，而是取決於 AI 模型如何理解、整合並呈現資訊。 Peec AI 精準抓住了這個轉折點。這家成立僅十個月的公司，已經吸引了 1,300 家企業和代理商使用其平台，年經常性收入突破 400 萬美元。他們的核心價值主張很簡單：為品牌提供在 AI 搜尋結果中的曝光監控與優化工具。 協助品牌釐清 AI 究竟如何看待品牌 如果說 SEO 是為了在 Google 上取得好排名，那麼生成式引擎優化（GEO）就是為了在 AI 搜尋結果中脫穎而出。Peec AI 提供的核心服務包含品牌監控、排名變化追蹤、用戶情緒分析，以及最關鍵的資訊來源追蹤。透過這些數據，行銷團隊能夠了解 AI 模型是如何「看待」他們的品牌，以及這些觀點是基於哪些資訊來源。 與傳統 SEO 工具最大的差異在於，Peec AI 的儀表板是以「搜尋提示（Prompts）」為核心，而非關鍵字。客戶可以追蹤多達 25 到 100 個提示詞，監測品牌在這些查詢中的表現。 更重要的是，平台不只提供數據，還能將洞察轉化為具體的行動建議。例如，如果一家 CRM 公司想要在「適合快速成長公司的最佳 CRM」這類查詢中獲得推薦，Peec AI 可能會建議他們積極參與 [&hellip;]</p>

太陽能 iLamp 把路燈變 AI 微型資料中心，城市算力從集中走向分散

<p>英國綠能新創 Conflow Power 正嘗試用一盞路燈，重新解決 AI 基礎設施的能源與擴張難題。他們推出的 iLamp，外觀看似普通，但內部結合太陽能、自給自足電力與邊緣 AI 運算，被視為一種對抗 AI 用電急速攀升的新型城市節點。 AI 用電壓力急速攀升，集中式資料中心模式正遇到極限 根據國際能源總署（IEA），全球 AI 資料中心目前每年耗電量約 415 太瓦時，預計 2030 年將突破 945 太瓦時，是今日的兩倍以上，逼近中型國家全年用電量。 這樣的增速意味，即便各國大力擴建電網、興建資料中心與核能設施，AI 模型運算所需的能源仍可能遠遠超過供應。現行主流做法，是科技巨頭快速擴建超大型 GPU 資料中心，但電力與冷卻需求已成為瓶頸。 Conflow Power 的董事 Edward Fitzpatrick 直言，為了驅動 AI，科技公司得建造巨型 GPU 建築，並輸送大量電力與冷卻用水，但效率低下，需要一個更聰明的解法。在此背景下，iLamp 的理念開始凸顯：AI 基礎設施不一定都得集中建在巨型建築裡，它也可以嵌進城市本來就存在的東西，例如路燈。 iLamp 的技術設計與商業模式 iLamp 的核心是一組具備自清潔功能的太陽能板，在不同日照條件下可產生約 200 到 600 瓦電力，而整個裝置正常運作只需約 80 瓦。多餘電力則驅動內建的 NVIDIA Jetson AI 處理器，功耗僅 15 瓦，足以進行影像辨識、環境感知、輕量推論等邊緣運算任務。 換言之，每一盞路燈，都能獨立成為一個太陽能供電的微型資料中心節點。 如果城市大規模替換傳統路燈，就能形成一張分散式、部署廣、延遲低、能隨時擴張的微型 [&hellip;]</p>

逾半製造業還沒準備好迎接 AI 與自動化！拆解導入常見誤區有哪些、如何避免？

<p>在全球製造業積極投入 AI 與自動化的同時，落差也變得愈來愈明顯。一邊是企業高層對預測維護、智慧排程與機器人的高度期待；另一邊則是現場工廠的系統老舊、組織文化僵化、資料品質不足，使得 AI 專案常陷入「推不動」的困境。 諮詢公司 Gartner 近期對 128 名全球製造與供應鏈決策者的調查顯示，近半企業對未來三年的製造策略沒有信心，甚至有三分之二坦言其營運模式尚未準備好迎接 AI 與自動化技術。 這些數據揭露了一個關鍵：AI 在製造業失敗的原因，並非因為技術不到位，而是整個工廠的營運邏輯沒有同步升級。 資料品質參差不齊、系統各自為政，是 AI 應用的最大障礙 對多數製造企業而言，「想做的 AI」與「能做的 AI」常常是兩件事。工廠普遍希望用 AI 進行設備維護、良率預測、自動排程，甚至期待未來能靠自主工廠實現最小人力監管，然而若缺乏基礎資料品質、系統整合與跨部門流程協作，這些願景終究無法落地。 尤其資料問題最普遍也最棘手，來自製造現場的感測器常出現缺值、誤差或命名不一致，許多資料缺乏上下文，例如班別、工單類型、設備狀態等資訊，使 AI 模型缺乏關鍵的解讀基礎。當資料品質不佳時，模型只能得出不可靠的建議，造成 AI 有在運作，但沒有產出實質價值的假象。 另外，系統割裂更是導致 AI 專案無法擴散的主因之一。許多工廠雖導入局部自動化、設備監控系統或雲端平台，但 OT（Operational Technology）與 IT（Information Technology）依舊處於不同世界。由於現場 PLC、SCADA、MES 與企業端 ERP 之間沒有一致的資料管線，導致 AI 難以取得全局視角。 這種缺乏標準化與互通性的情況，使得 AI 試點只能侷限於單一產線、單一工廠，很難複製到其他場域。 不只技術要進步，組織文化也要跟上 更深層的阻礙來自文化與組織。Gartner 指出，製造業的決策層長期受「成本控管」思維框架影響，導致其治理結構難以支持敏捷、跨部門協作的 AI 專案。許多工廠仍採高度集中式控管，現場團隊缺乏試錯與調整流程的權限，使 AI 只能成為管理階層的報告工具，而不是現場改善的真正助力。 更重要的是，操作員常擔心 AI 或自動化威脅到其工作，而不願採納新工具；IT 與生產端的語言差異也讓專案溝通不良。這類結構性的摩擦，使導入 AI [&hellip;]</p>

【科技早餐】大摩預估：人形機器人晶片市場 2045 年飆至 3050 億美元

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊大摩預估：人形機器人晶片市場 2045 年飆至 3050 億美元 摩根士丹利預測，人形機器人技術未來 20 年將迎來快速成長，市場規模在 2045 年上看 3050 億美元，並形容這是「人類歷史的重要篇章」。 這項預測來自「物理智慧」的崛起，AI 開始具備感知、推理與控制能力，能直接與物理世界互動。大摩估計，2050 年全球人形機器人部署量可能突破 10 億台，整體市場更可達 5 兆美元。儘管機器人成本未來將從 13 萬美元降到 2.3 萬美元，但半導體在物料成本中的占比反而提高，因為需在邊緣設備支援更強運算。 大摩也公布「人形科技 25 強」名單，包括 NVIDIA、AMD、STMicroelectronics、三星電子、Sony、英飛凌與阿里巴巴等，顯示人形機器人正走出實驗室、走向真實世界。 ＊AWS 火力大開！3 奈米晶片到自主代理全到位，直攻 AI 生態主導權 AWS 在 re:Invent 2025 一口氣推出超過 30 項軟硬體更新，從自研晶片到 AI 模型與自主代理全面上線。執行長 Matt Garman 表示，產業正走向「數十億自主代理協作的新世界」。 今年焦點是採台積電 3 奈米的 Trainium3，是業界首款 3 奈米雲端 AI 晶片，效能較前代提升 [&hellip;]</p>

AWS 喊出的 AI「前沿代理」是什麼？首波推出 3 款源自團隊經驗教訓

<p>生成式 AI 正快速邁向下一個階段，而 AWS 在一年一度的 re:Invent 大會傳遞的訊息非常明確：AI 代理（AI Agents）是未來趨勢。AWS 執行長 Matt Garman 在主題演講中表示，AI 代理帶來的產業影響，將堪比網際網路與雲端。 亞馬遜的 AI 代理布局，將由一個更先進的新世代 AI 代理主導，該公司稱之為「前沿代理」（frontier agents）。對於亞馬遜來說，前沿代理必須具備三大核心特徵：首先是自主性，用戶只需給定目標，代理就能自行找出達成方法；其次是大規模可擴展性，單一代理能同時執行多項任務，甚至指揮其他代理分工合作；最後是長時間運行，它們能為了達成複雜目標而連續工作數小時甚至數天，期間無需人類插手干預。 源自真實專案經驗的 AWS 前沿代理 前沿代理的概念不是憑空誕生，而是來自 AWS 自家工程團隊的實戰。Garman 透露，一個原本需要 30 名工程師、耗時 18 個月的大型專案，最後透過 AI 代理工具，只用了 6 個人，在 76 天內完成了全部的工作。團隊從中學到了以下幾點，促使前沿代理概念的誕生。 首先是「從監督轉向目標導向」。AWS 團隊意識到，要從 AI 代理獲得最大的效益，就必須改變工作流程，因此他們從監督單個小任務，轉變為指揮廣泛的目標驅動成果，這使他們的功能交付速度開始加速。 第二，並行化任務。團隊發現，開發速度與能同時運行的代理數量成正比。 第三，減少人工干預。團隊觀察到，他們自己成了瓶頸，因為他們必須不斷地介入以解除代理的封鎖，進行人工干預或提供方向。他們得出結論：讓這些代理能夠更長時間地獨立工作，而不斷線，是效率提升的關鍵。 AWS 反思了這些經驗教訓，並提出了疑問：「為什麼我們不能擁有可以做到所有這些事情的代理？」因此，AWS 團隊便導入了前沿代理。隨後，AWS 對外推出三款新的前沿代理：Kiro、AWS Security Agent 和 AWS DevOps Agent，分別聚焦軟體開發生命週期中的不同環節。 3 大前沿代理亮相：包辦寫程式、補漏洞到維運 [&hellip;]</p>

不靠雲端巨頭！HSBC 聯手歐洲 AI 新創 Mistral AI，「自主託管」模型捍衛金融數據主權

<p>滙豐集團（HSBC）近日宣布與法國 AI 新創公司 Mistral AI 建立為期多年的策略性合作夥伴關係，並計畫引入 Mistral 的商業 AI 模型，以全面支援銀行業務發展。 根據雙方的合作協議，滙豐不僅將獲得 Mistral 現有模型與未來更新版本的使用權，Mistral 的應用 AI、科學與工程團隊也將與滙豐的技術團隊緊密協作，共同開發專屬的生成式 AI 解決方案。《Financial Times》指出， Mistral AI 作為一家領先的法國 AI 公司，此次合作將協助滙豐把這些先進 AI 模型廣泛應用在全球多個市場與營運場景中，展現傳統金融機構積極擁抱新技術的決心。 採用自主託管模式，強化數據隱私 在合作內容之外，模型的部署方式也成為此次合作的亮點。為了確保數據安全與技術掌控權，並降低對外部雲端巨頭的過度依賴，滙豐在部署時明確採取自主託管（self-hosted）AI 模型的模式，這也意味著 Mistral AI 的商業模型及其未來的升級版本，將直接運行於滙豐的內部技術環境中，而非單純依賴外部 API 或雲端服務。 Mistral AI 執行長 Arthur Mensch 強調，這種「高度客製化、企業級」的解決方案，能讓銀行在重塑工作流程的同時，確保對數據擁有「完全的所有權」。滙豐集團指出，這樣的合作模式能將生成式 AI 深度「內建於銀行自身的技術系統中」，確保與現有基礎設施的無縫整合，並在強化風險管理、詐欺偵測以及合規流程的同時，嚴格遵守最高的透明度與數據隱私標準。 實際應用場景：文件分析、財務審查、跨語言處理與客戶服務 針對實際應用場景，滙豐表示 Mistral AI 的模型將被優先用於處理文件與數據密集型的客戶借貸決策上，因為 AI 能協助信用團隊快速解析複雜的交易文件與合約，大幅縮短財務分析及審查的時間，進一步減輕員工處理繁瑣行政工作的負擔。 除了後台分析，與 Mistral AI 的合作也將深度賦能前線與營運團隊。在行銷與客戶關係方面，生成式 AI 將支援團隊撰寫高度客製化的溝通訊息，並協助行銷部門推出超個人化的活動，以提升客戶互動品質。同時，採購團隊也將利用 AI [&hellip;]</p>

Anthropic 為 IPO 鋪路？首次併購開發者工具新創，揭下一階段 AI 策略

<p>AI 新創 Anthropic 近期動作頻頻，不僅在資本市場邁出關鍵步伐，也在產品技術收購、內部工作流程重塑，以及社會風險治理上展現全方位佈局。 為了在資本密集的 AI 競賽中取得優勢，Anthropic 正積極朝公開市場邁進。《Financial Times》報導，據知情人士透露，Anthropic 已聘請律師協助啟動首次公開募股（IPO）的準備工作，這也被視為 Anthropic 與競爭對手 OpenAI 爭奪公開市場資金的關鍵一步。儘管公司方面表示尚未決定是否或何時上市，但知情人士指出，IPO 最快可能在 2026 年進行。 在推進 IPO 的同時，Anthropic 也不斷強化自身的技術能力，其中最受矚目的就是近日傳出的首次併購行動。 Anthropic 傳將併購開發者工具新創 Bun，目標是直接取得技術專長 除了尋求上市，Anthropic 也透過併購來強化技術實力。據《The Information》報導，Anthropic 準備收購開發者工具新創公司「Bun」，目前已經進入深入談判階段，若交易達成，這將是 Anthropic 成立以來的第一樁收購案。知情人士透露，收購金額預計在數億美元之間。 Bun 由前 Stripe 工程師創立，並開發了一套「多合一」的底層工具，專門用來讓 JavaScript 和 TypeScript 等工程師寫好的程式碼跑得更快、更順暢。Anthropic 內部已使用 Bun 超過六個月，這次收購目的在於直接獲取 Bun 的技術專長，以進一步提升 Anthropic 編碼代理工具「Claude Code」的性能與穩定性。 這項併購策略，也顯示 Anthropic 正積極擴展產品線，特別是針對開發者社群的編碼相關任務，而這部分正是其主要營收來源之一。此外，併購 Bun 的計畫，也與公司內部持續不斷的開發工作流程變革相互呼應。 內部數據揭示：Claude Code 已重塑開發者工作模式 在對外擴張的同時，Anthropic [&hellip;]</p>

AWS AI 版圖大爆發！拆解新自研晶片、可客製化 LLM、AI 工廠的背後野心

<p>AWS 本週在拉斯維加斯舉辦一年一度的 AWS re:Invent 2025，一口氣丟出超過 30 項與生成式 AI、代理式 AI 相關的新服務與更新。對企業來說，這不只是又一場雲端新品發表，而是亞馬遜試圖用「從模型、晶片到資料中心」的全端架構，搶占下一輪 AI 代理與基礎建設商機。 這場基礎建設佈局的核心，可以濃縮成三個亮點：全新 Nova 大型語言模型家族、自研 Trainium3 AI 處理器與下一代 Trainium4 路線圖，以及把雲端算力打包成「AI Factory」的整套方案。 亮點一：Nova Forge 客製能力受矚、AI 前沿代理上線 這次 re:Invent 上，AWS 把自家 Nova 模型直接升級到第二代，推出 Nova 2 Lite、Nova 2 Pro、Nova 2 Sonic 與 Nova 2 Omni 四款前沿模型，主打「推理能力」與「代理式任務處理」。 Nova 2 Lite 被定位為價格效能比最高的推理模型，能處理文字、圖片與影片輸入並產生文字輸出，被 AWS 形容為未來企業在大量上線應用時的主力。官方評估指出，Nova 2 Lite 在多數基準測試上，表現與 Claude 4.5 Haiku、GPT-5 [&hellip;]</p>

速度快 5 倍、成本省 70%！加拿大航空、QAD 如何用 AWS Transform 快速升級舊代碼、消滅技術債？

<p>隨著企業數位化進程加速，伴隨而來的是長年累積的舊版 Windows、.NET、SQL Server 等應用程式，形成沉重負擔。根據 AWS 的內部研究，一般的軟體開發團隊無法將 100% 的精力投入在開發新產品或新功能，而是約有 30% 的資源被迫花在「手動現代化（manual modernization）」上，包括手動升級舊版的 Windows 系統、重寫過時的程式碼，或是維護舊有資料庫。 手動現代化的過程不僅耗時、費力且容易出錯，AWS 也估算，如果把全球企業軟體市場中，所有公司因為這「30% 的無效人力」所浪費的薪資、時間與機會成本加起來，會有高達 2 兆美元的損失。 在這樣的背景下，AWS 在 AWS re:Invent 2025 大會上，宣布升級 AWS Transform，並試圖以 AI 代理為切入點，直接挑戰企業系統現代化的痛點，協助企業以更快的速度擺脫舊有架構的束縛。 AWS Transform 的技術突破 在 2025 年 AWS re:Invent 上，AWS 宣布為 Transform 服務加入基於代理的 AI 能力，進一步擴大系統現代化的支援範圍。過去 Transform 主要處理 Windows、.NET、mainframe 與 VMware 的遷移，如今則擴展至「任意程式碼、框架與自訂系統」。這代表不論是主流語言，還是企業內部的客製化代碼，理論上都能被納入現代化流程。 AWS 同時推出專為 Windows 全棧設計的現代化代理（Full-stack Windows modernization agent），並提供從掃描、轉換到部署的完整自動化流程。系統會先掃描 [&hellip;]</p>

AI 不再在雲端，2026 年智慧正式滲入設備、空間與身體

<p>面對技術加速與政治巨浪交織的局勢，知名未來學家 Mark Van Rijmenam 發布年度科技趨勢預測；他連續 14 年追蹤新興技術，今年將 2026 年定義為「增強智能元年」，意思是一個人類智能、機器智能與具身智能將全面融合的轉折點。 Van Rijmenam 從中國技術加速超車、西方供應鏈重整，談到小型語言模型（SLM）、人形機器人與腦機介面的消費化。他認為 2026 將把 2025 年的混沌訊號，推向一個系統性重構的階段。 2025 清算之年 回顧 2025，Van Rijmenam 形容這一年是技術、政治與社會張力「同步爆發」的節點。深偽技術、AI 詐騙與合成內容大量湧現，使「真實」與「信任」加速瓦解；更有研究預測，到 2026 年網路上九成內容將由 AI 生成。在資訊極度膨脹的環境中，「清晰度」反而成為最稀缺的資源。 此前，他所提出的多項預測在 2025 年完全命中，包括川普政府帶動的科技政策重新定向，包括 AI 放鬆管制、加密貨幣與科技民族主義再度推上主舞台；全球科技權力則持續呈現「美國創新、中國擴散、歐洲監管」的三極結構。 他針對 2025 年預測的部分趨勢也仍在醞釀：企業在導入 AI 上的確遇到瓶頸，語言模型距離真正理解世界仍有差距；量子科技雖快速前進，但尚未迎來破局性時刻，後量子遷移的壓力卻已逼近；預防式醫療與 AR 技術有所進展，但離大規模普及仍需時間。另一方面，新興變化也逐漸浮現，例如資產代幣化（RWA）與人形機器人的試點部署，都開始從概念邁向落地。這些伏筆，同時成為 2026 年「增強智能元年」的背景。 2026 增強智能元年，地緣與技術秩序的重組 Van Rijmenam 認為，2026 年的最大變化不是單一技術突破，而是「智慧開始滲透並重塑所有系統」：從資料中心、邊緣設備到虛擬世界，從醫療、治安到地緣政治，智慧開始成為一種新的共享空間。而這個共享空間帶來兩個層次的變化： 一、智慧正在脫離螢幕，成為具身存在 運算能力不再侷限於雲端，而是滲入機器人、車輛、工廠、診所與消費設備。AI 成為「貼近現場」的能力，使決策、推理與反應不再受距離或延遲限制。 二、全球權力圍繞「運算能力」重新洗牌 各國競爭已從意識形態焦點轉成晶片、模型、資料、供應鏈與機器人產能。這場比拼不再抽象，直接影響就業、醫療、公共安全以及公民的抵抗能力。 在智慧滲透的同時，社會也面臨更深的緊張：便利與監控的界線被模糊、AI 對工作的取代速度升高、個體自主性受到威脅，而新的「公民技術權利」也開始成為全球議題。 技術結構斷層：中國超車、SLM [&hellip;]</p>

AI 登上 MIT 第二熱門科系！美國大學掀「AI 科系潮」，將超越純電腦科學？

<p>AI 熱潮不只席捲資本市場，也燒進了大學校園。隨著人們對於理解、應用並建構 AI 技術的興趣飆升，美國高等教育正競相開設相關課程，AI 科系已成為新一代學生的搶手選擇。這股潮流不僅反映產業結構劇變，更象徵著科技人才養成進入更「專業化」時代。 招生人數爆炸性成長，跨領域整合成為新顯學 《紐約時報》報導，過去兩年全美已有數十所大學和學院宣布成立新的 AI 科所和學程。指標性的麻省理工學院（MIT）在 2022 年設立「人工智慧與決策」主修，今年就吸引 330 名學生修習，躍升該校第二受歡迎的主修，僅次於電腦科學。 這股熱潮在全美蔓延，南佛羅里達大學新設的「AI 與網路安全學院」，在新學期迎來了 3,000 名學生；加州大學聖地牙哥分校的 AI 相關主修，也有 150 名一年級新生。 麻省理工學院 Schwarzman Computing 學院學術副院長 Asu Ozdaglar 表示，「那些喜歡透過資料解決問題的學生，現在更傾向選擇 AI 相關主修。」他也補充，對於將 AI 應用在生物學與醫療等領域感興趣的學生，也正大量湧向其新 AI 課程。 值得關注的是，跨領域整合成為顯學。紐約州立大學水牛城分校便是將 AI 獨立成「人工智慧與社會」科系，開設「AI 與政策分析」等新型態課程。這顯示出產學界不只需要會寫程式的工程師，也要懂得思考 AI 對社會影響、法規政策的複合型人才。 電腦科學光環不再？避險心理推動學位需求更專業化 在 AI 強勢崛起下，傳統電腦科學（Computer Science）專業面臨轉型陣痛。美國電腦研究協會（RCA）10 月報告顯示，今年 62% 的電腦科學系入學人數出現下滑。 主因在於學生對就業市場的焦慮。《紐約時報》分析，科技業裁員潮、企業要求軟體工程師使用 AI 工具撰寫程式，讓入門職缺大幅縮水。RCA 報告中，66% 受訪系所認為今年畢業生正面臨求職寒冬。 值得留意的是，雖然純電腦科學專業的入學人數下降，但「更實體、更專業」的領域卻逆勢成長。根據電腦研究協會，學術界觀察到，學生開始轉往機械工程、電機工程等較難被 AI [&hellip;]</p>

【科技早餐】蘋果遭印度點名？新機強制安裝政府資安 App 引爆隱私疑慮

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊蘋果遭印度點名？新機強制安裝政府資安 App 引爆隱私疑慮 印度政府近日私下要求手機製造商，未來所有新機都必須預先安裝資安 App「Sanchar Saathi」，且用戶不得刪除。由於印度擁有超過 12 億用戶，是全球最大電信市場之一，要求一出立刻引發產業震動。政府表示，該 App 用於防堵偽造 IMEI 帶來的資安威脅，並協助打擊詐騙，今年已協助民眾找回超過 70 萬支手機。 這份 11 月 28 日的命令並未公開，而是直接傳給蘋果、三星、小米、Oppo、Vivo 等大廠，並要求 90 天內完成。由於蘋果一向拒絕預裝政府或第三方 App，業界認為政策衝擊不小。Counterpoint 指出，蘋果可能採「用戶自選安裝」折衷，但目前各大廠皆尚未回應。 ＊AI 虛擬業務登台！Alibaba.com 推 5000 萬補貼，加速中小企業外貿自動化 面對缺工與外銷轉弱，Alibaba.com 在台推出首款全自動陌生開發 AI 虛擬機器人「OKKI AiReach」，同步啟動 5,000 萬元補貼計畫，預計支持 100 家中小企業，提供開店補助、廣告資源、課程與顧問服務。 根據數據顯示，全台目前有 27.6 萬個職缺，外貿企業同時面臨訂單難拿、人才難找的雙重壓力，導入 AI 已成為必要策略。OKKI AiReach 最大亮點，是能作為全年無休的 AI 業務，從陌生開發、信件生成、買家分析到老客戶名單活化皆能自動執行，也能透過產業鏈分析挖掘隱藏買家。Alibaba.com 表示，希望以最低門檻協助企業建立從「被看見」到「成交」的全自動外貿流程。 ＊NVIDIA 投資 20 億美元綁定 [&hellip;]</p>

AppWorks Demo Day 來了！看 AI 新創正走進「最難自動化」的垂直領域現場

<p>AppWorks（之初加速器）成立 16 年，今（12/2）日舉辦聯合 Demo Day，與 Wistron Accelerator、TINC Batch 共有 23 組新創登台，當中有 19 組 AI 團隊、4 組 Web3 團隊，並且來自香港、新加坡、馬來西亞、日本、菲律賓等國，是一窺亞洲科技創業脈動的窗口之一。AppWorks 董事長暨合夥人林之晨更在現場宣布新的招募方向，點名下屆加速器招募三大趨勢為：製造業 AI、鏈上金融、防禦科技。 林之晨表示，2026 年 AI、區塊鏈仍在快速發展，但也有很多重要的垂直領域，例如製造業 AI。他表示，地緣政治下供應鏈重組、面臨缺工，接下來製造業需要 AI 提升效率，他也看好台灣製造實力，可利用 AI 服務區域和全球客戶。至於鏈上金融，則是觀察到金管會對區塊鏈態度積極，日本、香港、新加坡也接受區塊鏈技術。防禦科技方面，看見地緣政治下多國增加防禦預算，俄烏戰爭也展示了科技戰的趨勢。他也提及，上述趨勢已可在本屆看見端倪。 AppWorks 表示，從本屆新創趨勢可以觀察到，亞洲企業導入 AI 的步伐已經從實驗階段，跨入可部署、可跨境複製的實際落地期；並指出當屆團隊多半切入最不容易標準化，也最依賴經驗判斷的現場作業，讓 AI 和機器人成為真實環境中運作的核心系統。 AI 進入實體世界，接管垂直領域的現場流程 舉例來說，來自新加坡的 Hivebotics 聚焦商用清潔機器人，鎖定過去最難自動化的場域：公共廁所的整理和維護。Hivebotics 建立了全球首批自動化的 AI 驅動清潔平台，其機器人可在馬桶、小便斗、洗手台與地面之間自主移動，結合蒸氣、高壓清洗、烘乾與吸塵模組，搭配 AI 視覺即時判讀污漬與清潔程度，讓過去高度依賴人工判斷的「乾淨」首次被量化、標準化，目前已在新加坡樟宜機場完成測試。 另外，來自台灣的 Holon Robotics 則將金屬加工領域最依賴師父經驗的「研磨拋光」自動化。他們打造了「經驗驅動」的機器人作業系統，讓傳統機器人同時具備視覺和大腦，除了讓使用者可快速調整參數，也能持續學習調整參數的經驗，因此能減少 85% 換線時間、提升 30% 產能。Holon Robotics 也正在將服務延伸至航太、國防等更複雜精密的應用產業。 來自香港的 [&hellip;]</p>

3 年前 Google 恐慌，現在換 OpenAI 害怕：Sam Altman 發布「紅色警報」，退守 ChatGPT…

<p>根據《The Information》報導，OpenAI 執行長 Sam Altman 近期向內部員工宣佈公司進入「紅色警報」（Code Red）狀態，主要是為了應對來自 Google 與其他競爭對手的威脅，因此決定集中資源強化核心產品 ChatGPT，並暫緩廣告與 AI 代理人等附屬計畫的開發。 然而，其實在 ChatGPT 剛問世時，Google 也曾發出「紅色警報」回應 ChatGPT 的崛起，以及對搜尋引擎業務構成的威脅。時隔三年，AI 市場開始出現攻守轉換，積極擴張的 OpenAI 開始思考退守基本盤，曾經備受 ChatGPT 威脅的 Google，則透過模型效能與產品開發速度，急起直追甚至反超 OpenAI。 Google 的第一次「紅色警報」： 回應 ChatGPT 的衝擊 時間回到 2022 年底，當時 ChatGPT 正迅速崛起與普及，短短五天內用戶數即突破百萬，這讓 Google 管理層發出著名的「紅色警報」。這是因為當年 Google 有高達 81% 的營收來自廣告業務，高層擔憂若使用者轉向與聊天機器人對話而非透過搜尋引擎尋找資訊，將不再點擊廣告連結，這會對 Google 的商業模式構成直接且致命的威脅。 為了應對危機，Google 執行長 Sundar Pichai 積極介入並重新分配資源，並指示內部的研究以及信任與安全等多個部門團隊，必須立即「轉換檔位」，全力投入開發能與 OpenAI 抗衡的產品，具體的研發目標包括類似 OpenAI DALL-E 的藝術與圖像生成功能，以及能夠生成對話的聊天機器人原型。 這一舉動說明 ChatGPT [&hellip;]</p>

歐特明於 iREX 2025 發布最新視覺-AI 方案 正式跨足戶外機器人與無人載具領域

<p>歐特明電子（股票代碼:2256）於全球指標性機器人展會 iREX 2025 發布多項應用於戶外機器人與無人載具的最新視覺-AI 產品。展出內容包括車規級 GMSL2 相機模組系列、視覺慣性里程計(VIO)相機模組、oToSLAM 無人載具/機器人自主導航之多鏡頭視覺AI定位系統，以及全新的 GMSL™ Camera Jetson開發套件，全面展現歐特明在車規影像、感測融合與 AI 感知領域的技術深度，並鎖定戶外 UGV、AMR、人形機器人與新世代智慧移動載具等應用。 歐特明本次同步推出 oToAdapter-GMSL-AGX-Orin 與 oToAdapter-GMSL-Orin-Nano 兩款 Jetson 平台專用多相機模組視覺開發套件，協助開發者快速建置多相機感知系統。前者支援最多八組 GMSL2 相機模組，搭載 275 TOPS AI 運算能力；後者則支援四組、提供 67 TOPS。兩款產品皆具備即插即用與GMSL™ 相機相容的特色，實現多相機影像同步與加速 AI 感知功能的開發流程，讓 Jetson 平台更容易導入戶外機器人與無人載具。 在相機模組方面，歐特明首度展出整合 indie iND88002 Camera Video Processor (CVP) 的新一代 oToCAM274ISP 與 oToCAM276ISP。兩款新品採用 IMX623 與 AR0823 車規感光元件，此indie CVP 具備 1,400 MP/s ISP 處理量、低於 [&hellip;]</p>

從 Rule-Based 走向泛化！高通如何解決產業應用碎片化痛點，讓機器人學會「舉一反三」？

<p>專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚 近期，產業的關注焦點逐漸從純粹的「AI 模型」轉向 「具身 AI」（Physical AI）或「AI 機器人」，這股浪潮也標誌著 AI 應用正在從雲端走向邊緣，並從純軟體走向可行動、可協作的物理系統。本集《全新一週》邀請到高通業務開發總監呂承翰，深入剖析高通在「AI + 機器人」浪潮中的定位，以及打造邊緣 AI 生態系的戰略核心。 「針對不同機器人的效能比，高通推出一系列不同的晶片，來滿足各個機器人的需求，」除了外界熟知的晶片之外，呂承翰也指出，無線通訊是主導機器人溝通的關鍵，高通就是從無線通訊起家，因此掌握住機器人發展中一個非常重要的環節。 然而，如果要讓這些技術真正落地，就必須要有一個能整合 AI 推理、感知與通訊的統一平台支撐，這也是高通推出 Dragonwing 平台的價值所在。 Dragonwing 平台如何賦能機器人？ 呂承翰表示，高通推出在半導體基礎上堆疊非常多軟體套件的 Dragonwing 平台，可以應對產業應用高度碎片化的痛點。呂承翰舉例，有別於傳統機器人應用通常是 Rule-Based 的模式，透過高通的平台、SDK 加上視覺模型，就能讓機器人實現 「自動 Reprogram」，賦予機器人「舉一反三」的泛化能力。 像是傳統機器手臂一旦被設定好抓取特定尺寸的包裹後，如果包裹尺寸改變，就需要工程師重寫程式。然而，透過高通平台提供的 SDK，搭配視覺辨識，機器人可以利用大語言模型自動調整抓取角度，顯著提高作業效率。 談到推動邊緣 AI 與機器人加速發展的部分，呂承翰認為關鍵在「技術」與「生態系」。呂承翰以過去高通在台灣與某線材組裝廠合作的 AI 導入專案為例，說明當時技術多為 Rule-Based，光是資料採集、訓練和手動標註（Training Labeling）就需要六個月，若改變生產手法，還需要再花六個月，導致整個專案導入時間長達一年。相較之下，現在隨著生成式 AI 與視覺語言模型的導入，搭配高通平台，同樣的專案導入時間已縮短至兩個月。 此外，呂承翰也強調，由於生態系變得夠大，因此現在已經可以透過自動標註的方式完成資料標記，「所以我覺得驅動機器人能再往下快速的發展的關鍵，就是生態系，」呂承翰說。&nbsp; AI 與機器人之間的溝通，是下一階段發展重點 呂承翰進一步分析，像是在自主移動機器人（AMR）與工業現場中，生產線上的 A 站到 B 站需要接駁時，若機器人之間缺乏協作訊號傳遞，產生的時間差可能導致物品掉落。相反地，若機器人能提前告知下一站抵達時間或延遲狀況，就能明顯提升作業韌性與穩定度。 因此，機器人之間的 AI 與通訊能力也將成為下一階段發展重點，未來的 5G 甚至 [&hellip;]</p>

Uare.ai 想讓專業人士把自己「商品化」，人生資料變成可獲利的 AI 模型

<p>2023 年，Robert LoCascio 結束了他在 LivePerson 近三十年的 CEO 生涯。這家瞄準商用的軟體公司由他親手打造，被認為是 1997 年網路聊天服務的先驅。離開 LivePerson 後，生成式 AI 的革命性進展激發了他的下一個創業想法，他將這個挑戰稱為 AI 技術的「最高標準」：透過個人的生命故事和人格特質來複製人類。 2024 年，LoCascio 自行投資創立了 Eternos，一個旨在幫助人們為身後親人保存聲音和故事的遺產服務。該公司的第一位客戶 Michael Bommer 是一位身患絕症的患者，他花了 25 小時與 Eternos 對話，分享自己的人生、興趣和世界觀，創建了一個數位複製品。這個案例為 Eternos 帶來了廣泛的媒體關注。 然而，在實際營運中，LoCascio 發現了一個意想不到的現象：大多數考慮使用 Eternos 的人並不是在為死亡做準備。 相反，他們更希望將自身的經驗和專業知識，轉化成可以長期使用的 AI 工具。這個發現促使公司重新思考其定位和使命。 Uare.ai 的核心技術是其獨特的 HLM 基於這個洞察，公司宣布更名為 Uare.ai，並成功獲得由風險投資公司 Mayfield 和 Boldstart Ventures 領投的 1,030 萬美元種子輪融資。公司從「遺留 AI」服務，轉向「面向專業人士的個人 AI」平台。 Uare.ai 的核心技術是其獨特的 HLM（Human Life Model，人類生命模型）框架。與傳統的大型語言模型不同，HLM [&hellip;]</p>

實驗揭 AI 代理「沒人類」就變弱，Upwork 推 Uma 打造人機協作工作流

<p>Upwork 研究指出當 AI 代理跟人類共同合作，工作專案完成率將飆升至 70%，反映出未來的職場樣貌並非走向人機對抗，而是透過人機協作創造出無限可能。</p>

覺得員工的 AI 產出很糟糕？研究：關鍵在於缺乏「工作重塑」

<p>如果你近期在職場上看到內容空洞，顯然是由 AI 生成且未經修飾的低品質內容，那你可能已經遇到了所謂的「AI 垃圾」（AI Slop）。從社群平台的假圖、假音樂，到企業內部的低品質簡報、未經檢查的報告，這些表面看似可用、實則無法推進工作的內容，正悄悄侵蝕組織效率。 《Business Insider》報導，AI 技能平台 Multiverse 的最新研究發現，要解決這種低投入、低品質產出的問題，關鍵在於鼓勵員工進行「工作重塑」（job crafting）。 主動重塑工作流程，激發創造力與動力 Multiverse 認為，AI 垃圾是「使用者投入程度不足」的症狀，而不是技術本身的缺陷。其研究指出，當員工開始圍繞著 AI 工具主動重塑自己的角色，而不僅僅是利用 AI 來加速完成手邊的任務時，他們在工作中的參與度和積極性都會顯著提升。這種深度的 AI 協作模式，被其證實與更高的專注力、精力投入以及工作承諾感有著密切的關聯 。 研究團隊將這樣的員工行為稱為「工作重塑」（job crafting）。它不只是改用新工具，而是重新審視工作內容，調整流程、補上理解、提出更好的問題，並把 AI 整合進自己的工作方式之中。Multiverse 的組織心理學家 Barry Goulding 解釋，工作重塑的差別在於從「這是我的工作」轉為「我能怎麼用 AI 把這份工作做得更好」。 Multiverse 分析近 300 位來自金融、政府、科技等產業、並已使用生成式 AI 半年以上的英國全職員工後發現，主動運用 AI 重塑工作的員工，不僅更投入，也更能察覺錯誤、質疑模型邏輯，並提高最終成果的品質。 是否投入 AI 並非自動產生，而是取決於意圖 更有趣的是，這份研究挑戰了大眾普遍認為「AI 會讓人變得不思考」的觀點。儘管過去包括 MIT、Oxford 在內的研究確實發現，AI 有可能降低人們的深度思考程度，但 Multiverse 認為，這完全取決於使用方式：若只是把 AI 當作低努力的自動化工具，參與度確實會下降；但如員工主動與 AI 深度協作，反而會提升投入程度與思考密度。 對企業而言，這意味著使用 [&hellip;]</p>

【科技早餐】AWS × Google 聯手突圍：跨雲高速網線正式啟動

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊AWS × Google 聯手突圍：跨雲高速網線正式啟動 亞馬遜與 Google 宣布合作推出多雲端高速連線服務，將原本需等待數週的雲端互聯壓縮至僅需數分鐘。新方案整合 AWS 的 Interconnect–multicloud 與 Google Cloud 的 Cross Cloud Interconnect，讓企業在兩大雲間移動資料更順暢、部署應用更穩定。 此合作被視為雲端市場的重要轉折，尤其 AWS 10 月大當機造成上億美元損失，使跨雲備援需求更受重視。Salesforce 已成為早期採用者。隨 AI 流量持續攀升，AWS、微軟與 Google 都在加碼基礎設施投資。 ＊OpenAI 擴大資料落地：跨國企業 AI 部署再升級 OpenAI 宣布擴大 ChatGPT Enterprise、ChatGPT Edu 與 API 的資料落地選項，企業可指定資料只儲存在特定區域，滿足監管與隱私要求。目前已支援歐洲、英國、北美、日本、韓國、新加坡、印度、澳洲及阿聯。對話、檔案、自訂 GPT 與生成產物皆可限制在指定區域。API 專案也支援區域落地，且模型請求不以靜態方式存放於伺服器，降低留存風險。 OpenAI 重申，不會使用企業與 API 資料訓練模型，除非使用者主動授權。 ＊AI 點燃黑五：美國零售網站 AI 流量暴增 805% Adobe Analytics [&hellip;]</p>