<p>隨著 AI 發展正快速從「能思考的 AI」邁向「能行動的 AI」，企業不只需要能進行推理、理解上下文的 AI Agent，更需要能與真實世界互動、操控機器、 建立動態環境理解的 Physical AI。 在東吳大學 12/27 於城中校區舉辦的巨量資料管理學院沙龍講堂 ，邀請到 NVIDIA AI 科技中心資深解決方案架構師李正匡博士，以「From Agentic AI to Physical AI: NVIDIA software tools overview」為主題，從「建構 Agentic AI 的核心堆疊」、「從虛擬到實體：Omniverse 與 Isaac 的整合能力」、「Cosmos 世界模型：走向 Physical AI 的核心基礎」三大面向出發，解析 NVIDIA 在 AI 轉型中提供的關鍵軟體技術與完整工具鏈 。 搶先解鎖 NVIDIA 演講 3 大亮點 面對企業級 AI 應用的爆發，如何快速開發、部署及維運 AI Agent 系統成為關鍵挑戰。李正匡將在演講中詳細介紹 NVIDIA 用以降低開發門檻、加速導入時程的工具集，包含 AI […]</p>
<p>當我們談論人工智慧在商業應用的演進，一個明顯的轉變正在發生：從被動回應的聊天機器人，進化到能夠主動規劃與執行的 AI 代理。 這個轉變不僅是技術層面的躍進，更代表著企業自動化能力的全面升級。對於正在評估 AI 導入策略的企業決策者來說，理解這個差異並掌握最容易落地的應用場景，將是搶占競爭優勢的關鍵。 導入 AI 代理的技術門檻正在快速下降 AI 代理與傳統聊天機器人最根本的差異，在於它們的行動能力。當聊天機器人還停留在回答問題、生成內容的階段時，AI 代理已經能夠理解任務目標、制定執行計畫，並且自主完成整個工作流程。 舉例來說，傳統客服機器人可能只能回答「如何申請退款」，但 AI 代理卻能直接處理退款申請、更新訂單狀態、發送確認郵件，甚至安排後續的客戶滿意調查。 這種從「對話」到「行動」的轉變，讓 AI 真正成為能夠接手重複性流程的數位員工。 更重要的是，隨著 SaaS 工具的成熟，導入 AI 代理的技術門檻正在快速下降。企業不需要擁有龐大的技術團隊或深厚的 AI 專業知識，就能開始部署這些智慧助手。這種易用性的提升，讓 AI 代理成為各種規模企業都能採用的實用工具。 五個應用場景成為企業導入 AI 代理的最佳起點 在眾多可能的應用場景中，《Forbes》提出了五個具備高度通用性和明確價值主張的應用場景，成為企業導入 AI 代理的最佳起點。 首先是客服自動化領域。客戶服務之所以成為 AI 代理的理想應用場景，是因為大部分客服查詢都遵循標準格式，並且依賴於 FAQ 和知識庫中的既有資訊。AI 代理不僅能處理初始對話和故障排除，還能執行退款、更新客戶記錄、管理訂單和訂閱等具體操作。 第二個高價值場景是銷售與 CRM 管理。從自動化簡訊和聊天來資格審查潛在客戶，到辨識最有潛力的商機、安排通話時程、更新 CRM 記錄，AI 代理都能勝任。這種自動化讓銷售團隊能夠將精力集中在建立關係和成交上。 合規工作是第三個值得關注的領域。面對不斷變化的法規要求，企業需要投入大量資源進行監控和報告；AI 代理特別適合這類工作，因為它們能夠自動化監控和報告流程，主動修正錯誤和遺漏，並建立完整的稽核軌跡。 第四個應用場域則是招募前期流程，雖然最終的人才選擇仍需人工判斷，但招募流程的初始階段包含許多重複性任務。AI 代理可以根據需求撰寫並發布職缺廣告、為不同招募平台客製化內容、摘要履歷並根據條件篩選候選人、執行初步測試，然後聯繫優秀人選並安排正式面試。 最後，市場情報追蹤也是 AI 代理的絕佳應用場景。AI 代理可以扮演研究助理的角色，協助理解市場趨勢、競爭活動和其他影響業務成功的外部因素。它們能夠為不同利益相關者，編製客製化報告，並即時整理新興趨勢。 企業應該從「最耗人工、規則最清楚」的流程開始 成功導入 […]</p>
<p>生成式 AI 正在快速突破數位和實體的邊界，麻省理工學院（MIT）研究團隊近日發表一套「語音轉現實」（Speech-to-Reality）的系統，這是一種 AI 驅動的工作流程，嘗試建立一個全新的製造介面：使用者只要開口說出需求，機器人就能在幾分鐘內直接把物體「做出來」。 這套系統的核心是自然語言處理、3D 生成式 AI 與機器人組裝技術，研究人員已成功讓機械手臂完成椅子、凳子、書架、小桌子，甚至裝飾用的狗雕像等物件。根據參與研究的麻省理工學院研究生與晨邊設計學院研究員 Alexander Htet Kyaw 表示，這是首次有人將這些技術結合起來。 從一句話到實體物件，製造流程全面改寫 在實驗室中，一支固定於桌面的機械手臂會接收人類的語音指令，例如「我想要一張簡單的凳子」。系統首先透過語音辨識，將指令交由大型語言模型（LLM）解析，再由 3D 生成式 AI 建立該物件的數位網格模型。 接著，系統會將這個 3D 模型進行體素化（voxelization），拆解為可實際組裝的模組化元件，並進一步考量現實世界中的製造限制，例如零件數量、結構穩定性、懸空限制與幾何連接方式。最後，系統會自動產生可行的組裝順序與機械手臂的路徑規劃，完成實體物件的組裝。 比 3D 列印更高效、不懂 CAD 也能上手 與傳統製造流程相比，這套系統最大的突破，在於它降低了專業技能的門檻。過去，設計與製造往往需要 3D 建模（CAD）、工程繪圖或機器人程式設計背景，而這套系統則讓沒有相關經驗的人，也能直接透過自然語言參與設計與製造。 此外，這種方式也大幅縮短物件的製作時間。相較於 3D 列印往往需要數小時甚至數天，該系統採用即時組裝的方式，能在幾分鐘內就完成物件。 Kyaw 形容，這項計畫的核心目標，是打造一個人類、AI 與機器人之間的共同介面，讓三者能一起「創造我們周圍的世界」。 模組化設計，為永續製造鋪路 這套系統採用模組化元件進行組裝，也隱含對永續製造的想像。研究團隊指出，透過可拆解、可重組的模組設計，物件在不再需要時，可以被拆解並重新組合成其他用途，例如將沙發重新組裝成床，減少材料浪費。 團隊目前也計劃進一步強化家具的承重能力，從原本以磁力連接的方式，改為更穩固的結構設計。此外，研究人員已開發可將體素結構轉換為多台小型移動機器人可執行的組裝流程，未來有望將這套系統擴展至更大尺度的建築或結構。 研究團隊也透露，未來將把語音控制與手勢辨識、擴增實境（AR）操作整合進系統，進一步提升人機互動的直覺性。 ＊本文開放合作夥伴轉載，資料來源：《MIT News》、《The Robot Report》、《hackster.io》，首圖來源： Alexander Htet Kyaw</p>
<p>生成式 AI 與大型語言模型的快速擴張，推動 NVIDIA 等 AI 晶片供應商高速成長，也讓整個半導體產業鏈承受前所未有的產能壓力。隨著 AI 演算法愈趨複雜、資料處理需求持續攀升，先進製程晶片的生產速度與良率，正逐漸成為限制 AI 擴張的關鍵因素。 《Bloomberg》指出，正是在這樣的拉鋸之下，來自 NVIDIA 為首的 AI 晶片領導者的壓力，最終集中到能製造最先進晶片的關鍵設備供應商，其中 ASML 就扮演無可取代的角色。ASML 執行長 Christophe Fouquet 在 2024 年上任後，便持續強調與客戶深化技術合作，試圖在這波 AI 熱潮中穩住先進製程設備的交付與升級節奏。 AI 成長速度，正逼近 ASML EUV 的產能與交付極限 從技術層面來看，ASML 之所以成為 AI 時代的關鍵節點，原因在於 ASML 是全球唯一能供應極紫外光（EUV）光刻設備的公司，這項設備對製造目前 NVIDIA 和 Apple 等公司使用的最先進晶片至關重要，這些晶片又進一步支援 OpenAI 、Microsoft 等公司的 AI 工作負載， 因此 ASML 又被視為 AI 時代的重要根基。 EUV 技術是 AI 晶片效能提升的基礎，對於維持摩爾定律和推動 […]</p>
<p>談到人工智慧在醫療領域的未來，多數想像仍停留在高度自動化的診斷系統，甚至是能取代醫師的機器人。但實際正在發生的改變，並不集中在醫院核心，而是悄悄進入人們的日常生活——家中、穿戴裝置，以及隨身的智慧型手機，正成為 AI 醫療最活躍的場域。 AI 開始介入健康判斷，但角色不是醫生 這股轉向日常場景的趨勢，也已反映在消費者實際行為上。美國市場的調查顯示，已有超過三分之一的成年人，主動使用人工智慧工具來理解與管理自身健康，而用途遠比外界想像更為分散且實際。 多數人並非把 AI 當成「醫療替代品」，而是視為輔助理解與規劃的工具。有人用來查詢特定疾病與健康問題，有人協助安排每週飲食與食譜，也有人透過 AI 學習新的運動方式，或在情緒低落時尋求即時的心理支持。 值得注意的是，這些使用行為並不僅止於「獲取建議」。約四分之一的使用者，已開始將 AI 作為交叉驗證的工具，用來核實來自社群媒體、醫療專業人員或親友的健康資訊。這顯示，消費級 AI 正逐漸被納入個人健康決策流程中，扮演的是「理解、整理與判斷輔助」的角色，而非單一權威來源。 消費級 AI 正補上醫療斷層 在所有消費級 AI 醫療應用中，心理健康是最早、也最廣泛落地的領域之一。以聊天機器人為核心的心理健康工具，透過認知行為療法（CBT）架構，提供情緒追蹤與結構化對話支持。研究顯示，這類工具在短期內確實能減輕憂鬱症狀，部分研究顯示可達二到四成區間，特別是在結合語音、動畫等多模態介面時，效果普遍優於純文字互動。 這些工具並非取代治療師，而是在專業資源不足或尚未介入之前，提供可即時取得的支持，降低心理健康照護的門檻。 慢性病管理，尤其是糖尿病，是另一個已累積實證的應用場景。結合持續血糖監測（CGM）與 AI 分析的系統，能即時回饋個人化的血糖趨勢，協助使用者調整飲食與活動。研究指出，這類工具不僅改善血糖控制，也提升了用藥與生活習慣的依從性。在部分試驗中，AI 介入甚至使特定族群的用藥依從性提高超過三成，凸顯個人化回饋在行為改變上的潛力。 成熟的落地模式：穿戴裝置與早期風險偵測 穿戴式裝置，則是 AI 與健康管理直接交會的節點。以 Apple Watch、Fitbit 為代表的裝置，透過機器學習演算法偵測異常心律，協助發現心房顫動等高風險狀況。大型臨床研究顯示，這類被動式監測在真實世界中具備實用價值，且假陽性率相對可控。 這類應用的關鍵，不在於精準診斷，而在於提早發出警訊，讓使用者能及早進入醫療體系。未來，類似模式也正擴展至睡眠呼吸中止症、夜間缺氧與跌倒偵測等場景，特別對高齡族群與居家照護具有實際意義。 仍是輔助角色，尚未進入臨床核心 除了監測與行為管理，AI 也被大量用於協助民眾「理解醫療」。從保險理賠、就醫流程，到醫囑與檢驗報告的解讀，生成式 AI 正嘗試降低醫療資訊的理解門檻。部分醫療機構已開始試行 AI 改寫術後說明或檢驗結果說明，初步結果顯示，病患理解度提高、追問次數下降。 然而，這類工具目前多半運作在醫療體系的邊緣，產生的資料尚未被有效整合回臨床流程，也難以成為醫師決策的一部分。症狀自查與分診工具亦是如此，雖然使用者體驗良好，但診斷準確度差異極大，仍不適合用於高風險判斷。這意味著，AI 在現階段仍應被視為輔助角色，而非臨床判斷的替代者。 挑戰不在技術，而在能否被體系採納 整體來看，消費級 AI 在醫療領域的真正價值，並不在於顛覆既有醫療體系，而是在現行制度難以及時、全面覆蓋的地方補位。無論是心理健康支持、慢性病自我管理，或長時間的生理監測，這些場景本就不是醫院最擅長處理的範圍，卻正是 AI 能發揮規模效益的切入點。 一旦 AI 被期待成為「診斷者」，其風險與限制便會被無限放大。但當它被明確定位為協助理解資訊、持續監測狀態與提醒行為的工具時，其實際效益反而更清楚可驗證。 真正的下一步挑戰，不是再推出更多消費級健康工具，而是這些工具能否被納入醫療體系的視野。只有當 AI […]</p>
<p>Google 正在重新想像現代網路瀏覽的樣貌。這次不是強化 Chrome，而是發表一款名為「Disco」的瀏覽器。它的第一個功能「GenTabs」結合其最新模型 Gemini 3，可將使用者的提示與瀏覽行為轉化為一個可互動的「專屬小型應用程式」，讓 AI 不再只是回答問題，而是直接替你打造便捷理解資訊的小工具。 Disco 的操作始於熟悉的動作：在聊天框輸入需求。然而，接下來的體驗卻與現有的 AI 瀏覽器或聊天機器人截然不同。 從搜尋到「生成應用程式」的新瀏覽體驗 簡單來說，當使用者在 Disco 中輸入查詢或提示詞時，它不會只給你一堆搜尋結果連結、讓你開啟一系列相關的標籤頁，還能提供「GenTabs」選項，進一步根據你的潛在需求，「打造」出一個客製化的專屬應用程式。 或許你會思考，查詢資料有需要打造一個 Web App 嗎？從 Google 提供的示範便能略知一二。 根據《The Verge》報導，Chrome 團隊負責創新實驗室的 Manini Roy 在示範時開啟了 Disco，並新增了一個標籤頁。不過，更精準地說，那並不是傳統的「標籤頁」，而是 Google 口中的「專案」（project），也就是一種「瀏覽器中的瀏覽器」。打開後最先出現的是一個聊天框，Roy 在裡面輸入她想規劃一趟日本旅程。Gemini 立刻開始運作，這是最常見的聊天機器人使用場景。 然而，Disco 的回覆並不只是跳出一大串文字與連結。它同時做了兩件事：自動提供多個與日本旅行相關的網頁，並詢問是否要透過「GenTabs」替她建立一個互動式的旅行規劃工具。Roy 按下同意約一分鐘後，Gemini 在瀏覽器右側生成了一個類似互動式網頁應用的介面，包括一張標示景點的日本地圖、簡易行程規劃器，以及所有資訊來源的連結。 這些來源包含「專案」內已開啟的分頁，而 Roy 之後新增瀏覽的各種景點頁面，也會即時反映在 GenTab 產生的行程中。網頁應用完成後，使用者也可以透過自然語言指令繼續優化它。 不是取代使用者，而是讓使用者「一起研究」 這種互動式回饋，是 GenTabs 的核心精神：模型會根據使用者開啟的網頁協助補充資訊，而不是單方面持續推送內容。換句話說，使用者不需要不斷下指令要求更多推薦，而是透過自己主動開啟想去的景點頁面，讓 GenTab 自動將它們加入行程，並與模型建議的項目一併整合。相比許多一鍵自動化的 Agent 系統，這種方式更像是與 AI「共同協作」。 Disco 或許是目前最「以網頁為核心」的 AI 瀏覽器示範之一；與多數傾向把使用者留在聊天介面的 AI […]</p>
<p>根據 KPMG 在 2025 年發布的《台灣產業 AI 應用與趨勢與展望報告》，近三成企業在未來一年將提高投入 AI 應用的預算，還有四成企業持續投入 AI 人才的培訓。隨著 AI 轉型已成為企業提升全球競爭力的關鍵，不過精誠資訊觀察，企業導入 AI 時，往往面臨成本、資料安全、基礎設施複雜度等多重挑戰，為協助客戶解決這些痛點，精誠資訊與 Apple 深度合作，結合 AI 平台與 Mac，提供兼具效率、安全與成本優勢的企業 AI 落地應用。 在提升運算效能的同時減輕成本負擔 「多數企業推動 AI 專案的盲點在於追求高算力，然而有效的『算法、算術』才是關鍵。」精誠資訊產品共享中心處長邱彥彰分析，企業 AI 部署的三大挑戰包含成本、隱私權與資料安全性，以及基礎設施的佈建。在成本方面，許多企業為了確保 AI 運轉，一昧地追求算力提升，但這並非強化 AI 效能與效率的最佳方法，往往反而因大部分預算都卡在了昂貴的 AI 硬體設備上，讓轉型計畫止步於構想階段；在隱私權與資料安全性方面，製造業、金融業、政府機關等產業擁有巨量機敏資料，必須審慎評估部署 AI；在基礎設施條件受限的老舊廠房，若導入高耗能的 AI Server，不僅需重新拉線配管，也將使整體能耗與運維成本大幅增加，「因此，我們推出了一套以 Apple 技術為核心的『Apple AI』解決方案，根據客戶不同應用場景的需求，以合適的設備、算力與算法結合 Apple M 系列晶片，協助企業以更精實的能源與投資，取得更高效的 AI 運算成果。」 邱彥彰進一步說明，採用統一記憶體架構的 Apple M 系列晶片具備高頻寬與低延遲特性，在等效推理任務中，其平均功耗僅約為一般晶片的三分之一。這項優勢使企業在維持運算效能的同時，能夠有效減少電力支出與散熱需求。與此同時，Apple M 系列晶片每瓦 TOPS 表現領先業界 40% 以上，讓企業能夠直接沿用既有辦公室電力配置，無需升級配電或冷卻系統。邱彥彰指出，過去從設備下單、交付到完成部署往往需三到六個月，甚至長達一年的時間；伺服器機房與機櫃更需滿足散熱、防噪、防火等複雜條件，導致整體建置成本與時間周期大幅增加，但許多時候企業導入 AI […]</p>
<p>這幾年，大型連鎖餐廳如鼎泰豐、乾杯、涮乃葉，都看得到送餐機器人的蹤影，市場調查公司 Global Industry Analysts 最新研究指出，2024 年全球送餐機器人市場規模約為 6.387 億美元，並預估在 2030 年攀升至 37 億美元，年複合成長率超過三成。 這些機器人穿梭於餐桌之間的畫面，逐漸成為消費者在外食時的日常景象，也象徵智慧餐飲時代的全面展開。 送餐機器人受青睞：提升效率，也提升顧客體驗 送餐機器人之所以獲得市場青睞，最直接的原因是能有效提升送餐效率，協助餐廳在高翻桌率時段維持穩定的出餐節奏與服務品質。過去，人工服務生需要往返廚房與桌位之間，耗費大量步行時間，如今這一部分工作逐漸交由機器人負責，使服務人員能更專注於桌邊互動、個人化推薦、顧客關懷等更具附加價值的服務。 台灣經濟研究院以鼎泰豐為例，在鼎泰豐裡，機器人在走道間送餐，但桌邊是面帶微笑、熟練擺盤的服務生，人機協作搭配得宜，更彰顯其兼具效率和品質的服務。 更重要的是，送餐機器人除了改善餐廳內部流程之外，對顧客體驗也有正面影響。《Journal of the Knowledge Economy》研究顯示，在有機器人服務的場域中，「創新性」、「愉悅感」與「衛生處理」三項因素，會顯著提升消費者未來持續使用的意願。對許多消費者而言，送餐機器人不只是自動化設備，更是一種新奇有趣的用餐體驗，特別受到親子家庭與年輕世代喜愛。它帶來的互動感，使餐廳在競爭激烈的市場中建立差異化形象。 技術突破降低導入門檻，拓展更多使用情境 從技術層面來看，Global Industry Analysts 指出近年來送餐機器人的導航與識路能力大幅進化，也是推動市場普及的關鍵因素。 過去機器人多依靠地面貼條或固定路線行走，容易受環境限制，也不具備自主調整能力，不免讓人覺得有點「擋路」，但隨著 LiDAR、SLAM（同步定位與建圖）及 AI 動態路徑規劃等技術快速提升，現代送餐機器人能在沒有軌道的情況下，自行建立環境地圖，並在行走時不斷更新資訊，準確避開顧客、服務生與移動中的障礙物。這使機器人能夠從容應對擁擠、桌椅不斷變動、路徑狹窄的餐飲環境，在各種場景中維持高效且穩定的運作。 如此一來，送餐機器人在高人流、高翻桌率的場域中展現出更高的經濟與操作價值。例如美食街的長動線配送、火鍋店與燒肉店的頻繁補菜、速食店的高周轉率環境等，都讓機器人能充分發揮減少人力成本、提升效率的效益。同時，這些技術的成熟也降低了服務機器人的使用門檻，使更多餐廳能直接導入，不必再對環境進行大規模改造。 另一方面，機器人設計的多元化與模組化也正在拓展新的使用情境。比方說，部分智慧型機器人加入消毒功能，可在每次送餐後進行快速殺菌；另有廠商導入保溫與隔熱設計、防溢結構與遠端資料監測，使機器人成為兼具配送效率與食品安全管理的設備。此外，一些業者甚至開始測試能夠推薦酒款、倒飲料，甚至具備情緒辨識能力的 AI 服務生，當偵測到顧客表情不滿時會自動通知人工服務員介入，打造更細緻的混合式服務體驗。 送餐機器人的興起不只是科技導入，而是餐飲業服務模式的轉型。尤其當前人力市場緊縮、消費者期待快速穩定的服務體驗，加上成本控管成為餐飲管理的核心議題，送餐機器人正巧提供了一條降低壓力、提升效率的解方。 ＊本文開放合作夥伴轉載，參考資料：台灣經濟研究院、Global Industry Analysts、《Journal of the Knowledge Economy》，首圖來源：AI 工具生成 （責任編輯：廖紹伶）</p>
<p>全球汽車產業的數位化之路，已開始從傳統的數位化工具，邁向 Agentic AI（代理式 AI）的時代：不只是查詢資料，而是能執行流程、協作並在整條價值鏈中自主行動的代理式 AI。 把人人討厭的盤點、採購流程變成 80% 自動化 在汽車製造流程中，工具資產盤點，是採購部門最繁瑣、最耗時的作業之一。以知名品牌 BMW 為例，每年該品牌的 850 位採購人員必須確認超過 60,000 件模具與工具資產，逐一核對資產是否存在、由哪家供應商持有、是否已移動等。 「這是大家都討厭的流程。」負責 BMW 供應商網路與採購數位化的副總裁甘瑟（Oliver Ganser）直言，採購人員必須反覆與財務部門、供應商聯繫，流程冗長又高度重複。 於是，BMW 就利用代理式 AI 系統來自動處理採購與供應商網絡協調，將流程中約 80% 交由代理式 AI 自動執行。根據官方新聞稿，這個代理式 AI 有不同子功能，像是讀取資料、比對資訊、追蹤狀態等分工協作，而且它不只是個輔助搜尋工具，更可以做到主動介入，負責供應鏈數據監控、報表生成等任務；某些情況下可達「無需人類監督」的自動化執行，只有發現異常或需要人工判斷時才通知採購人員。 在看到效益後，甘瑟表示員工開始主動要求導入更多 AI 代理人，「你需要先有一個能讓大家感受到好處的切入案例，當他們看到 AI 幫上忙，自然會想用更多。」 從企業內部走向跨公司合作的 Agentic AI 然而，甘瑟認為更大的價值不在企業內，而在跨企業的流程。汽車供應鏈高度複雜，資料分散在不同公司與系統之間，而許多協作流程，例如供應鏈能否滿足新的生產量需求，仍依賴大量電話、表單、Email 來人工確認。 「今天公司與公司之間交換的大量資料，其實沒有附加價值，但你就是得做。」甘瑟說，「為什麼不能由 AI 代理來協助處理這些協作情境？為什麼每個情境都要人來回討論？」 問題不只在技術，而在信任、資料語意一致性，以及存取權限管理。在資料格式不一致、語意不同、充滿防火牆的環境中，AI 代理人無法跨企業運作。 因此跨公司 AI 的成功基礎是：共同資料語意（ontology）、共同資料標準、受信任的數據交換機制，這也是甘瑟身為德國 Catena-X（汽車產業跨企業資料網路）計畫主席時最常強調的觀點：「如果沒有產業級的共同資料基礎，所有代理式 AI 最終都會失敗。我們的流程需要的是確定答案，不是 AI 的機率判斷。」 代理式 AI 的發展，意味著汽車產業供應鏈將從過去仰賴人工協調、碎片化資料交換的模式，轉向由 […]</p>
<p>美國國防部近日正式宣布推出名為 GenAI.mil 的新一代人工智慧平台，象徵美軍在「AI 優先」戰略上的重要里程碑。GenAI.mil 平台首個導入的商用 AI 模型為 Google Cloud 提供的 Gemini for Government，這也是五角大廈首次大規模部署商用生成式 AI 工具。 根據美國國防部規劃，GenAI.mil 將支援約 300 萬名國防部員工，涵蓋不同層級的軍職與文職人員，目標是將先進 AI 能力直接部署到五角大廈及全球美軍基地中。 在初期應用場景方面，GenAI.mil 主要會協助處理文件格式化與撰寫、深入研究、影片與圖像分析、人員入職流程等非機密的行政性工作。美國國防部長 Pete Hegseth 表示，未來透過 GenAI.mil ，員工可以「前所未有的速度」進行深度研究與文件處理。 GenAI.mil 的安全性與落地場景 在軍事國防場域，「安全至上」是最高指導原則。為了確保數據安全並符合戰備需求，GenAI.mil 平台上的工具皆需通過嚴格認證，例如 Gemini for Government 已獲准在 IL5（Impact Level 5） 等級的環境中運作，IL5 等級允許系統處理受控非機密資訊（CUI），是軍方對敏感資料的主要管理層級。 儘管 Google 提供的模型具有強大的分析能力，且 Google Cloud 明確保證不會使用國防部的數據訓練公開模型，但國防部目前仍強調只會將 Gemini 用於非機密用途。同時為了確保輸出內容可靠並降低 AI 生成錯誤資訊的風險，Gemini for Government 不僅具備自然語言對話與檢索增強生成（RAG）功能，也採用「以網路為基礎」的技術，能即時比對 Google […]</p>
<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 […]</p>
<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 […]</p>
<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 […]</p>
