TechOrange 科技報橘

中小型電商也能做 RMN？PayPal 新工具讓你把「結帳流量」變成「廣告版位」

<p>長期以來，零售媒體網路（Retail Media Network, RMN）被視為大型電商與連鎖零售商的專屬戰場，像是 Amazon、Walmart 以及台灣的全家便利商店、新光三越百貨等，這些業者掌握龐大的會員規模、流量與第一方消費數據，得以將「購物場域」轉化為高毛利的廣告媒體，成為近年成長最快的數位廣告通路之一。然而，這套模式對中小企業而言，有較高的門檻。 2025 年 10 月，第三方支付巨頭 PayPal 發表 PayPal Ads Manager，試圖打破這道門檻。這項新工具結合 PayPal 長年累積的交易圖譜（transaction graph）與廣告投放管理能力，讓大量使用 PayPal 的中小商家，也能在自家網站或應用程式中建立屬於自己的 RMN。 RMN 正走向「可被複製的營收模組」 不同於傳統廣告科技平台需要複雜的串接與長時間設定，PayPal Ads Manager 主打「低門檻、快速啟用」。商家只需簡單整合 SDK，設定基本的廣告偏好與限制條件，即可開放自家流量作為廣告版位。後續的廣告配對、投放與優化，則由 PayPal 系統自動完成，商家可在熟悉的 PayPal 商戶後台即時檢視成效與收益。 PayPal 的優勢在於其角色定位。作為支付與交易平台，PayPal 天然掌握跨商家的真實購買行為資料，能以「實際消費」而非單純瀏覽或點擊作為廣告投放依據。這種以交易為核心的資料視角，使品牌能更精準觸及高購買意圖的消費者，也為中小商家提供更具吸引力的廣告版位。 這背後反映的，是零售媒體產業正在發生的結構性轉變。RMN 不再只是大型零售商的附屬業務，而逐漸演變為一種可模組化、可複製的營收模式。也就是說，只要擁有穩定的消費者互動與交易行為，商家就有機會將流量轉化為廣告價值。 RMN 不只是另一個營收管道，也能跨平台投放廣告 更值得注意的是，PayPal 並未將 Ads Manager 定位為單一通路的廣告工具。除了在商家自有的數位場域中展示廣告，該平台也支援跨平台、跨通路的廣告管理，讓商家能從同一個介面，整合網站、社群媒體與其他數位觸點的行銷活動。這也呼應當前數位廣告的另一個重要趨勢：廣告不再是孤立的曝光點，而是需要在多個通路中協同運作，才能真正影響消費決策。 對中小企業而言，這樣的整合意味著行銷與變現不再是兩件事，商家既能透過 RMN 創造額外收入，也能反向運用同一套資料與工具，為自己的品牌投放更有效率的廣告，形成正向循環。 從產業角度來看，PayPal Ads Manager 的推出象徵零售媒體正在進入「普及化」階段。隨著隱私政策收緊、第三方 Cookie 逐步退場，廣告主對第一方與交易型數據的需求持續升高，而支付平台、POS 系統與零售科技服務商，正成為 RMN [&hellip;]</p>

【科技早餐】NVIDIA 200 億美元「不併購式」出手，AI 推論戰開打

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊NVIDIA 200 億美元「不併購式」出手，AI 推論戰開打 AI 晶片霸主 NVIDIA 再度震撼市場，綜合外媒報導，NVIDIA 以約 200 億美元規模，取得 AI 晶片新創 Groq 的關鍵推論資產與核心團隊，成為公司史上最大交易之一。不過 NVIDIA 強調，這並非併購，而是透過「非獨家授權加延攬人才」完成布局，Groq 仍維持獨立營運，其技術將整合進「NVIDIA AI 工廠」架構。 執行長黃仁勳在內部信中指出，推論是 AI 真正走進企業與日常應用的關鍵階段。Groq 由前 Google TPU 核心開發者創立，主打低延遲、低功耗的 LPU 架構，今年 9 月才完成 7.5 億美元募資、估值約 69 億美元。如今創辦人 Jonathan Ross 等核心成員加入 NVIDIA，被視為直接卡位 AI 推論戰場的重要一步。 ＊川普啟動「科技部隊」，2.5 萬人搶 1,000 個名額 川普重返白宮後，一方面推動聯邦機構縮編，另一方面以「國家安全」為由，對科技職缺採取例外策略。美國政府表示，已有約 25,000 人表達加入「科技部隊」的意願，但首批名額僅 1,000 人，報名熱度遠超預期。 人事管理局指出，錄取者將以兩年任期，進駐國土安全部、司法部、退伍軍人事務部等單位，參與軟體、資料與 AI [&hellip;]</p>

從「假遠距工程師」到加密駭客：北韓如何滲透全球企業與區塊鏈，打造去實體化的資金供應鏈？

<p>當遠距工作、雲端協作成為全球企業的日常運作基礎，一條不需要實體辦公室，甚至不需要傳統銀行體系的資金管道，也正在同步成形。近年來，北韓正系統性地滲透這些現代數位基礎設施，一方面透過假冒遠距工程師入侵企業內部，另一方面則在加密貨幣生態中發動駭客攻擊，逐步建構一條「去實體化」的資金供應鏈。這樣的現實狀態，也讓北韓駭客集團成為一個橫跨企業、雲端與區塊鏈平台安全的結構性風險。 例如近期亞馬遜公開披露，北韓相關人員正大規模透過偽造身分進入全球科技供應鏈。亞馬遜資深副總裁暨首席安全長 Stephen Schmidt 指出，北韓近年一直嘗試在全球獲取遠距 IT 職位，背後動機非常明確：「他們的目標通常很直接，就是被雇用、領取薪資，並將工資匯回國，以資助北韓的武器計畫。」 「這並非亞馬遜特有的問題，這很可能在整個行業中大規模發生，」 Stephen Schmidt 警告，這樣的狀態已經演變成一種「跨產業且持續性」的國安級風險，影響眾多企業的招聘流程與內部安全維護模式。 逾 1,800 份北韓「假工程師」申請湧入亞馬遜，透過「按鍵延遲」發現漏網之魚 亞馬遜表示，從 2024 年 4 月以來，已經成功攔截超過 1,800 份疑似來自北韓「假工程師」的遠距職缺申請，且相關申請數量在今年以每季約 27% 的速度持續成長。 為因應這類威脅，亞馬遜採取結合 AI 與人工審查的多層防禦策略，透過 AI 模型比對應徵者是否與高風險機構存在關聯，並分析申請行為中的地理不一致性與異常模式。此外，亞馬遜也透過背景調查、憑證核實與結構化面試，進一步強化招聘過濾機制。 儘管防禦機制層層把關，亞馬遜仍坦承，曾有一名偽裝成系統開發承包商的駭客成功混入內部體系，最後識破這名駭客的關鍵在於，資安團隊發現其操作時的按鍵延遲超過 110 毫秒，顯示實際操作位置位於國外而非美國境內。 然而，在大規模入侵企業招募流程的過程中，北韓 IT 人員的詐騙手法也變得更加精密且高度「具高度計畫性」。像是他們不再只是使用空殼身分，而是直接盜用真實軟體工程師的個資，以提高履歷與背景的可信度，並透過接管休眠的 LinkedIn 帳號，或付費取得合法用戶帳號的使用權，來建立完整的社交足跡。另一方面，為掩蓋實際地理位置，這些人員常與設在美國境內的「筆電農場」合作，由美國當地據點負責接收企業寄送的設備並維持國內網路連線，而北韓駭客則在海外進行遠端操作。 從「量化攻擊」到「高價值的精準獵殺」：北韓駭客成全球最大加密貨幣竊盜來源 除了透過滲透 IT 工作獲取合法薪資，2025 年北韓在非法加密貨幣竊盜領域的不法所得也創下新高。根據 Chainalysis 發布的《2026 加密貨幣犯罪報告》，北韓駭客在 2025 年共竊取約 20.2 億美元的加密資產，較 2024 年成長 51%。儘管已確認的攻擊次數下降，但實際取得的非法資金卻達到歷史高點，成為全球最大加密貨幣威脅行動者。 Chainalysis 指出，北韓已從過去的「撒網式」量化攻擊，明確轉向精準鎖定高影響力目標的「精準獵殺」模式，形成高度集中的風險結構。在手法上，北韓則越來越依賴「內部滲透」，以取得長期且高權限的存取能力。他們將 IT 人員安插於加密貨幣交易所、託管服務商與 [&hellip;]</p>

1 兆美元基建狂潮後，錢流向哪？PitchBook 定調：AI 已非工具，是全球經濟的「新骨幹」

<p>私募市場情報機構 PitchBook 在最新發布的《2026 Artificial Intelligence Outlook: The Great Competition Wars Have Begun》（暫譯：2026 AI 展望：大競爭時代已經到來）報告中定調：AI 已非實驗性技術，而是驅動企業價值創造與破壞的核心力量，這場變革將席捲所有科技領域。其中，企業軟體、網路安全、國防系統與全球供應鏈，將是戰火最猛烈的四大板塊。 PitchBook 分析師預測，目前的 AI 發展正處於歷史性的基礎建設擴張期，全球用於 AI 資料中心與模型訓練的基礎建設支出正逼近每年 1 兆美元大關。與過去的不同之處在於，利用這些基礎設施開發具價值應用的成本更低且速度更快，這代表 AI 正在從單純的技術工具，轉變為支撐全球經濟運作的關鍵基礎設施層，也為傳統企業帶來了生存威脅。 企業軟體首當其衝，AI 正在重寫 SaaS 價值邏輯 在企業軟體領域，PitchBook 認為 AI 客服與支援系統將是短期內最明確的贏家。透過 AI 代理（Agent）自動解決工單、串接工作流程，企業已能看見可量化的投資報酬。報告預估，相關市場規模將從 2025 年的 279 億美元，成長至 2030 年的 562 億美元。 相對地，傳統商業智慧與分析平台正面臨邊緣化危機。PitchBook 指出，隨著自然語言介面與即時代理式洞察取代靜態儀表板，如果產品未能轉型為 AI 原生架構，將難逃被淘汰的命運。同樣趨勢也出現在法遵軟體領域，全球監管複雜度上升，反而讓 AI 成為不可或缺的合規基礎工具。 AI 成為企業 IT 與資料治理的底層骨幹 在基礎架構型 SaaS [&hellip;]</p>

美國禁令重擊無人機供應鏈，85% 商用從業者恐撐不過兩年

<p>美國聯邦通訊委員會（FCC）近日宣布正式將外國製造的無人機系統及關鍵零組件納入「受管制清單」（Covered List）。這項決定代表未來新的無人機型號將無法獲得 FCC 的設備授權，也無法在美國進行進口、銷售或市場推廣。 根據 FCC 發布的事實清單，白宮召集的跨部門小組評估後認定，海外生產的無人機與關鍵零組件對「美國國家安全以及美國人的安全與保障，構成不可接受的風險」。此外，FCC 也指出，過度依賴外國製無人機，將會「令人無法接受地削弱美國無人機工業基礎」。 儘管此禁令對未來產品供應造成斷層，但並不溯及既往。FCC 強調，現有消費者已購買的設備，或在新規生效前已獲得授權的型號，仍可正常操作與銷售。然而，監管的不確定性已導致業界龍頭、中國品牌大疆創新科技（DJI）延後或放棄在美國推出部分最新的專業機型，不過真正放大這項禁令衝擊力道的，並非單一企業的產品調整，而是美國商用無人機市場長期對中國產品高度依賴的結構。 中國無人機主導商用市場，美國高度依賴單一供應來源 長期以來，中國無人機品牌在美國商用市場佔據壓倒性的主導地位，DJI 就是其中代表。根據不同的市場數據，DJI 在美國商用無人機市場的市佔率估計在 70% 至 90% 之間，最接近的對手是同樣來自中國的道通智能（Autel Robotics），但在市場份額上仍遠落後於 DJI。 這些中國無人機設備被廣泛應用於農業、測繪、執法與影視拍攝等領域。由於目前市場缺乏性能相當的西方替代品，因此這項禁令也引發美國專業飛行員的恐慌，導致許多使用者開始囤積 DJI 無人機、電池與備用零件，試圖延長現有機隊的運作壽命。 此外，執法與公共安全機構也對此表示憂慮，擔心失去這些具備高性價比且生態系成熟的設備，將會衝擊日常營運。這些第一線反應，也再次凸顯問題的核心：當市場主力被切斷，替代方案是否真的已經準備就緒？ 中國無人機的替代品尚未補位，市場供給斷裂將影響 85% 無人機飛行員的生計 儘管美國政府正透過五角大廈的「無人機主導」（Drone Dominance）計畫，預計投入資金補貼美國本土製造商，目標在 2027 年前採購數十萬架系統，但業界普遍認為，美國產品短期內在價格、功能與生態系成熟度上，仍難以與中國產品競爭。 這種競爭力的落差在第一線操作者眼中更為明顯。擁有 9 架 DJI 無人機的德州無人機操作員 Gene Robinson ，主要將無人機用於執法培訓與鑑識分析。他感嘆過去美國將製造業外包給中國的後果，並表示：「為了重新獲得獨立性，我們正在付出代價，這將會經歷一些陣痛，我們必須忍受這一切，並且別讓這種情況再次發生。」 印第安納州的建築監測公司 Falcon Unmanned Systems 負責人 Eric Ebert 雖然自認是百分之百的美國支持者，但他直言：「美國製無人機根本無法競爭。」同時，為了應對未來的斷鏈危機， Eric Ebert 已經提前囤積 36 架 無人機與相關零件，以確保公司在 2026 年後仍能穩定運作。 [&hellip;]</p>

9 家申請僅 2 家獲准！中國自動駕駛政策急轉彎，L3 硬體都裝了卻只能「降級銷售」？

<p>五年前，中國政府機構聯合訂定目標，要求中國汽車製造商在 2025 年底前實現自動駕駛汽車量產的目標。然而上週，中國監管機構決定推遲批准量產計畫，只發出少量的許可，且限制重重。這顯示中國自駕車產業，正在經歷一場從「行銷導向的瘋狂擴張」到「監管導向的冷靜重整」的重大轉折。 L3 牌照發放極度保守，只准許兩城市有限度測試 根據《紐約時報》報導，中國工業和信息化部上週對提交自駕車銷售計畫的 9 家車廠做出回應，但結果令市場大感意外。監管機構並未如預期般批准大規模銷售，而是僅向北京汽車集團和長安汽車兩家公司發出許可。更嚴格的是，這項許可僅允許這些車廠在其總部所在地，分別為北京和重慶的各三條指定高速公路上，經營自動駕駛計程車服務。 這項批准的內容也相當侷限，基本上只是既有測試計畫的延伸，而非真正的商業量產。根據規定，這些自動駕駛計程車在電腦控制下甚至「不允許變換車道」。一旦離開這幾條指定路段，車輛就必須完全交由人類駕駛控制。這種謹慎的態度，等於間接承認了五年前設定的「2025 年底向大眾銷售量產自駕車」之目標過於激進，短期內難以實現。 監管轉向導火線：小米 SU7 致命車禍 這場政策急煞車的背景，與今年 3 月底發生的一起致命車禍密切相關。當時，一輛小米 SU7 在中國安徽省的高速公路上發生事故，造成三名大學女學生不幸喪生。《紐約時報》指出，雖然中國審查機構過去往往會壓制有關輔助駕駛事故的新聞，但這次車禍的消息卻迅速在網路上傳散。對於駕駛人、汽車製造商是否該為這類事故承擔法律責任，眾說紛紜。 這場悲劇也促使中國公安部介入，並發表聲明警告，目前市售車輛的輔助駕駛技術並不等同於全自動駕駛，駕駛人在開啟輔助功能後玩手機、睡覺或聊天，不僅違法，更嚴重威脅道路安全。 此外，中國官方電視台報導小米車禍事件，內容針對 20 個品牌的 36 款車型進行了 L2 （駕駛需全程監控）技術測試。結果顯示，當車輛在夜間遇到施工現場附近的卡車時，僅有不到一半的車輛能夠安全避免碰撞。值得注意的是，該報導發現，在所有受測車輛中，僅有兩款 Tesla 車型的輔助駕駛系統，能夠在廣泛的安全情境中展現出可靠性。 行銷跑得比法規快，車廠被迫「降級」銷售新車 在政策轉向前，許多中國車廠對於 L3 級自動駕駛，也就是允許駕駛在特定條件下放開雙手與視線的批准充滿信心，甚至已經開始在生產線上預先部署硬體。根據報導，吉利汽車執行長 Jerry Gan 就表示，該公司已開始交付部分搭載 L3 營運所需硬體的 Zeekr 車款。吉利甚至啟用了一座全球最大的汽車安全測試中心，試圖消除監管機構的疑慮。 然而，隨著監管態度轉趨保守，這些原本預計以 L3 規格銷售的車輛，現在面臨尷尬處境。《紐約時報》指出，包括吉利在內的多家車廠，原本已大量生產配備了 L3 系統所需昂貴攝影機與感測器的汽車，如今卻被迫將軟體「降級」，僅能以 L2 級的版本出售給消費者。 從全面量產目標，退回有限道路測試 根據報導，吉利、小鵬汽車與理想汽車已取得在道路上持續測試 Level 3 自動駕駛車輛的許可，但與長安汽車、北京汽車旗下的計程車相關單位不同，這些公司目前尚未取得可讓這類車輛展開商業營運的執照。 上海電動車顧問 Bill Russo 指出，回顧這波發展，「原本看似即將到來的 [&hellip;]</p>

Amazon 質疑中階主管價值、Gartner 預測大裁減，耶魯教授反指：AI 時代他們反而更重要

<p>過去一年，關於人工智慧與工作的討論，仍大量停留在「哪些職位會被取代」、「人類是否即將失業」的層次。但對企業與管理者而言，這類問題其實已逐漸失去指引價值。 真正迫切的挑戰，不在於某個職位是否消失，而是當人工智慧、代理系統與自動化工具開始實際參與工作流程時，企業是否正在用錯誤的方式重塑組織結構。 隨著 AI 快速進入董事會議程與組織架構圖，企業紛紛調整人力配置以適應自動化時代。然而，在這波調整中，愈來愈多企業正同時削減入門級職位與中階管理層，形成一種短期看似有效、長期卻可能高度脆弱的組織樣貌。 人工智慧導入下的組織結構錯位 長期以來，多數企業依賴的是典型的金字塔式組織：底層是廣泛的入門與基層職位，中階管理層負責承接執行與協調，高階則專注於策略與方向判斷。 但在人工智慧加速任務自動化、組織持續扁平化的過程中，這個結構正同時從底部與中段被掏空。 根據 LinkedIn 的數據，從 2024 年初到 2025 年初，入門級職位發布量年減約 30%；若拉長時間來看，自 2020 年以來，入門職缺已累計下滑 23%。這樣的縮減，已波及金融、科技、媒體與法律等過去高度依賴應屆畢業生的人才管道。 不少企業領導者的邏輯相當直接，他們認為當 AI 已能總結內容、清理資料、篩選客戶問題與起草文件，為何還需要初級員工承擔這些任務？然而，這種以任務效率為核心的判斷，忽略了入門職位在累積組織記憶、培養判斷力與孕育未來管理者上的長期功能。 中階管理，為何成為最先被質疑的層級 與入門層同步萎縮的，是中階管理職位。人力資源科技公司 Revelio Labs 的數據顯示，自 2022 年以來，中階管理職缺發布量已下降超過 40%。Gartner 也預測，到 2026 年，約五分之一的企業將利用人工智慧推動組織扁平化，並裁減超過一半的中階管理職位。 這樣的趨勢，在科技產業尤為明顯。Amazon 執行長 Andy Jassy 曾公開批評中階管理人員阻礙組織速度、責任感與創新力，並推動更扁平化的公司結構，透過提高個人貢獻者與經理的比例，來減少層級、加快決策。 在人工智慧被視為提升效率與加速執行的背景下，中階管理自然成為最先被質疑、也最容易被裁減的對象。 AI 不會消滅管理，而是重新定義管理者的角色 然而，將中階管理視為過時層級，並非沒有反對聲音。耶魯大學管理學院組織行為學副教授 Tristan L. Botelho 指出，人工智慧確實會改變管理者的工作方式，但並不意味著管理角色會消失。 他認為，AI 的導入更可能迫使管理者，重新思考自身在組織中的定位。隨著智慧系統融入日常流程，管理者的技能門檻將被拉高，而非被取代。員工仍需要被引導，團隊仍需要被協調，否則組織將難以留住關鍵人才。 在 AI 時代，中階管理者承擔的人力資源功能反而更加重要。他們需要展現同理心、調解衝突、協助團隊理解變動，並在高度不確定的環境中提供方向感。 Botelho 也指出，未來的管理角色將變得更加複雜。除了管理人與管理系統，中階管理者還必須具備邏輯思維、倫理判斷、修辭與溝通能力，才能在更分散、更多元的組織結構中進行有效協調。這類「統籌與轉譯」的工作，正是人工智慧難以取代的部分。 扁平化不等於更具韌性的組織 問題的關鍵不在於企業是否導入人工智慧，而在於是否誤把「層級精簡」等同於「組織升級」。 [&hellip;]</p>

Palmer Luckey 為何從國防跨足銀行業？打造 Erebor Bank 要成為科技產業的「內部核心」

<p>國防科技公司 Anduril 創辦人 Palmer Luckey 近期積極投入創立數位銀行 Erebor Bank。站在 Erebor Bank 背後的支持者陣容堅強，包括 PayPal 共同創辦人 Peter Thiel ，以及來自 Founders Fund、8VC、Haun Ventures 和 Lux Capital 等知名創投的資金。《Axios》指出，Erebor Bank 最近籌集了 3.5 億美元的資金，估值已達 43.5 億美元，顯示投資者對這家結合科技與金融的新創公司充滿信心。 美國聯邦存款保險公司（FDIC）已在 12 月 16 日正式批准 Erebor Bank 的存款保險申請，越過正式營運前最重要的監管障礙之一。究竟 Palmer Luckey 為什麼決定要「自己開一家銀行」？關鍵在於服務傳統體系中難以獲得支持的高科技與國防企業。 Palmer Luckey 意識到，創新企業在傳統金融體系中長期面臨服務不足的困境，尤其在 2023 年發生矽谷銀行 (Silicon Valley Bank)、銀門銀行（Silvergate）與簽名銀行（ Signature Bank）相繼倒閉的連鎖反應後，問題更趨嚴重。特別是矽谷銀行曾是許多創投支持科技公司的主要合作夥伴，因此它的倒閉，也導致這些企業在尋求穩定且具備技術理解力的銀行時，面臨巨大缺口。 Erebor Bank 鎖定「美國創新經濟」，定位為對加密貨幣友好的銀行 目前 Erebor [&hellip;]</p>

誰殺死了掃地機器人始祖？從 iRobot 殞落看硬體新規則：AI 不再是外掛而是產品靈魂

<p>美國掃地機器人品牌 iRobot，作為掃地機器人品類的先行者，面對中國製造競爭者的快速追擊與市場變局時，因反應慢、產品迭代與體驗落後，市佔率被後進者超越，最終破產。這一變化，不單是個別品牌起落的故事，更反映出整個硬體製造業在 AI 時代下的競爭態勢與教訓。 AI 不再是輔助，而是產品本身 《金融時報》分析，iRobot 的衰落並非偶然，而是多重因素交織的結果。首先，在面對競爭對手迅速推出更具性價比與功能性的產品時，iRobot 在新技術、產品創新以及體驗設計上的反應相對緩慢。iRobot 的執行長柯恩（Gary Cohen）去年五月接手公司時，曾犀利評論過去管理層「未能正視市場變化」，過度依賴既有技術而忽略消費者需求，導致產品迭代落後對手，成為失去競爭力的重要原因。 相比之下，iRobot 的主要競爭者，Roborock 的成長之道顯示出截然不同的競爭策略與執行節奏。 Roborock 最新產品將 AI 技術直接整合於硬體功能當中。例如，他們利用自研與開源 AI 模型，訓練掃地機器人執行更細緻的任務，不只是吸塵、拖地，更能辨識不同物件，如襪子、餐後散落的食物殘渣，甚至是寵物排泄物等較為複雜的環境挑戰。這類 AI 驅動的功能正在重塑消費端對掃地機器人的期待與使用體驗。 此外，Roborock 配有機械手臂模組讓機器人能進行更複雜的互動，根據《ZDNET》的實測，該掃地機器人會偵測並拾取可以處理的小型障礙物，然後會再導航到預設區域放下物品，之後又會返回物品所在的位置，繼續清潔該區域，期間用戶幾乎不用干預。這類 AI 物件識別能力，以及路徑規劃與環境理解的提升，讓產品體驗跨越傳統規格比拚的範疇。 兩個品牌的策略差異，反映出 AI 在硬體競爭中的核心角色已從「輔助軟體」提升至驅動硬體能力與產品價值的層級。以掃地機器人為例，過去廠商之間可能專注於吸塵功率、電池續航等硬體規格比較，而現在則是誰能把 AI 的感知、判斷與動作控制能力整合到設備上，讓機器人成為真正具有智慧的助手，這才是競爭的核心。 製造業跳脫價格戰解方：用 AI 優化用戶體驗、撐起高附加價值 從製造業的角度來看，導入 AI 技術不僅是提升產品功能，更是品牌走向高附加價值市場的關鍵策略。尤其是面對製造業長期以來的削價競爭，以及毛利壓力，Roborock 的高端 AI 掃地機器人不僅提升單品價值，也強化了其在全球市場中與傳統西方品牌競爭的能力。這種以 AI 為核心的產品差異化，不僅提升使用者體驗，更能避免陷入單純以價格取勝的市場陷阱。 iRobot 的殞落和 Roborock 的崛起，象徵過去硬體競爭邏輯的一次巨變。在這個 AI 技術高速演進且逐漸被嵌入終端產品的時代，硬體製造商若無法及時調整策略、整合 AI 與硬體能力以提升產品核心價值，其競爭優勢可能迅速流失。 品牌不應再將 AI 只視為後端軟體，而是將其深度融入硬體、驅動產品智能化與市場競爭力的必備核心。iRobot 的教訓提醒所有硬體品牌：產品的未來，不只是在裝配線與零件規格，而是在於能否讓機器真正「懂」用戶、並做出智慧的行動。 立即報名 [&hellip;]</p>

【科技早餐】AI 成為裁員代名詞？美國今年 117 萬人丟飯碗，企業把帳算到 AI 頭上

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊AI 成為裁員代名詞？美國今年 117 萬人丟飯碗，企業把帳算到 AI 頭上 人工智慧正快速成為就業市場最敏感的關鍵字。根據《CNBC》報導，人資顧問公司 Challenger, Gray &amp; Christmas 統計，美國企業今年以 AI 策略調整為由，累計裁撤約 5 萬 5 千個職位。2025 年以來，全美企業宣布裁員總數已達 117 萬人，創下 COVID-19 疫情以來新高。 光是 10 月，美國企業裁員超過 15 萬人，11 月再裁 7 萬多人，其中逾 6 千人直接與 AI 有關。在通膨升溫、關稅推高成本、企業壓低支出的大環境下，AI 成為短期效率解方。麻省理工學院 (MIT) 研究也指出，AI 已能執行約 11.7% 的美國工作內容，不過也有學者認為，部分企業只是藉 AI 名義修正疫情期間的人力擴編。 ＊為了 AI 用電，Google 直接買電廠：47.5 億美元收購 Intersect Power AI 帶動的用電需求，正直接改寫科技巨頭的投資策略。Google [&hellip;]</p>

800 萬用戶 AI 對話紀錄遭外流：報告揭 Urban VPN 擴充功能攔截機制，機密直傳第三方數據庫

<p>透過 AI 聊天機器人解決生活上的疑惑，甚至與 AI 談心，已經成為許多人每天的日常。然而，近期卻有研究發現，使用者與 AI 的聊天紀錄，正在被我們每天都會接觸到的網路瀏覽器悄悄散播。 以色列資安廠商 Koi Security 發現廣受歡迎的瀏覽器擴充功能 Urban VPN Proxy ，會在背景攔截使用者與 AI 聊天機器人的對話內容，並將這些資料傳送到外部伺服器。這項行為極具侵略性，因為被擷取的內容不僅限於技術性的中繼資料，還包含使用者輸入的原始提示詞以及 AI 回答的完整內容。 Koi Security 的研究人員進一步指出，這些資料的擷取與傳送是在「沒有顯示任何明確提示」的情況下進行，這意味著使用者在與 AI 交流個人隱私、醫療諮詢或公司機密時，資料正悄悄地被外洩。 全球共有 800 萬人受影響，包含個人與企業用戶 根據 Koi Security 的調查，Urban VPN Proxy 的攔截範圍相當廣泛，並配置針對 10 個 AI 平台的專用執行腳本，包含 ChatGPT、Claude、Google Gemini、Microsoft Copilot、Perplexity、Meta AI、xAI Grok 及 DeepSeek 等主流 AI 工具。 研究人員進一步發現，問題並不僅限於 Urban VPN Proxy，而是 Urban Cyber Security [&hellip;]</p>

你的 AI 專案為何失敗？摩根大通的啟示：沒有「連接性」的模型，只是一場昂貴的浪費

<p>生成式 AI 浪潮下，當許多企業仍深陷 AI 的「試點迷霧」之中，金融巨頭摩根大通（JPMorgan）已交出一份令人驚艷的成績單：其內部 AI 平台 LLM Suite 已有全球超過 25 萬名員工使用、日活躍使用率逾 60%，更在內部催生了超過 3 萬個自定義的 AI 個人助理。 摩根大通分析長 Derek Waldron 在 Podcast 節目〈Beyond the Pilot〉中，揭露了這場早於 ChatGPT 問世前啟動、為期兩年半的 AI 轉型歷程。 當模型為大宗商品，「連接性」才是護城河 摩根大通的 AI 旅程始於兩年半前，Waldron 指出當時團隊就有三個核心洞察，成為日後策略的基礎。 首先是「技術的民主化」。摩根大通認為 AI 是一項通用技術，除非讓廣大的員工都能接觸到，否則就是浪費機會。 第二是「模組化」。由於摩根大通沒有任何職位是完全相同的，中央團隊無法為每個細分職能例如銷售、營運、風險管理等開發專屬方案，因此唯一的規模化途徑，是提供強大、可重複使用的「積木」，讓員工自行組裝解決方案。 第三，「連接性」優先於模型。Waldron 表示，團隊提出一個大膽的假設：模型本身最終會變成大宗商品，因此企業真正的護城河在於 AI 如何連接到企業內部的系統、資料和流程。他指出，即使超強智慧出現，如果無法連接內部知識，也無法產生價值。 摩根大通打造的內部平台 LLM Suite，能依不同任務動態切換 OpenAI、Anthropic 等供應商的 AI 模型，並堅持不將數據交給第三方平台。該系統每八週更新一次，持續擴充與銀行內部資料庫與軟體系統的串接能力；其 RAG（檢索增強生成）系統已經歷 4 次迭代，最新版已支援圖表與複雜文件等多模態資訊理解。 這種高度整合、連接性優先的架構，讓 AI 能投入實務工作。舉例來說，律師可以用該平台來分析合約、交易員能直接調用內部數據，投資銀行部門甚至能在約 [&hellip;]</p>

放大 AI Agent 綜效！伊雲谷整合雲端管理核心應用，助企業加速實現數位轉型

<p>隨著 Agentic 時代來臨，生成式 AI 已成為各產業推動智慧轉型與強化決策力的核心動能。為協助台灣企業在 AI 雲端賽局中搶占先機，伊雲谷舉辦「ECVolution Day 2025：馭雲啟航 — 驅動 AI 賦能未來」論壇，匯聚各界產業專家，深入探討 AI Agent 落地方法論、資安治理模式，以及企業數位轉型的關鍵策略。 伊雲谷創辦人暨董事長蔡佳宏指出，許多企業面對 AI Agent 浪潮，因為不確定如何盤點需求、建構場域而出現「AI 焦慮」。對此，伊雲谷除了成立專責部門，提供相關服務，更透過本次論壇分享導入經驗與最佳實踐，助力企業更自信地踏出 AI 落地第一步。 資料治理與資安防禦是企業 AI 落地的首要關鍵 在這股 AI 浪潮加速席捲企業運作之際，治理與資安是企業邁向 AI 落地的首要關鍵。Deloitte 資深執行副總經理溫紹群認為，AI 治理不是單點議題，而是涵蓋業務流程場景、模型生命週期管理、組織治理架構、平台權限控管與資料治理的完整變革工程。尤其在跨場域、跨流程導入大量 Agentic AI 的時代，如果缺乏一致的 API、資料標準與存取控管，企業內部不同任務的 Agents 將無法彼此溝通，形成風險與治理斷點。 Fortinet 技術顧問呂政穎指出，隨著更多企業全面導入 AI、推動系統雲端化，資安治理策略必須從「工具導向」步入「事件導向」、從「單點控管」走向「持續檢測與矯正」的循環，唯有如此，企業才能真正跟上威脅變化速度，在 AI 驅動的時代維持穩健的營運安全。 以雲端工具與陪跑式導入計畫，助企業快速打造客製化 Agent 在完善治理與資安架構後，企業會進一步聚焦落地部署， 讓 AI Agent 成為真正能提升營運效率的「虛擬員工」。​Amazon Web Services​（​AWS​）​​提供多款開箱即用的解決方案，如生成式 AI 基礎模型託管服務 [&hellip;]</p>

【中國 AI 上市潮全面啟動】晶片自給與模型競賽下，全面攤開從新創到巨頭的 GPU、模型與算力布局

<p>中國 AI 產業正快速湧入資本市場，一波以 AI 晶片為核心的上市潮已經在中國本地成形。近期，AI 晶片新創沐曦（MetaX Integrated Circuits） 在上海科創板上市首日，股價暴漲近 700%；緊接著，聚焦 GPU 設計、被視為「中國 NVIDIA」的摩爾線程（Moore Threads） 也在掛牌首日寫下超過 400% 的漲幅。接連出現的極端表現，讓中國 AI 市場再度成為焦點。 在算力需求快速膨脹、生成式 AI 競賽升溫的背景下，中國 AI 產業正同步走向資本市場檢驗期。從本土 GPU 新創密集啟動 IPO，到生成式 AI 新創競逐上市資格，再到大型科技企業大舉加碼算力投資，一條從硬體、模型到基礎設施的 AI 技術路線，正透過資本化過程被完整攤開，也讓中國 AI 生態的實力、限制與競爭壓力同時浮上檯面。 中國 AI 晶片積極 IPO 的意義：降低對美國企業的依賴 中國 AI 晶片企業掀起資本化浪潮的背後，目的是呼應晶片自給自足的策略，力求降低對 NVIDIA 與 AMD 等美國企業的技術依賴。 在沐曦與摩爾線程後，上海壁仞科技（Biren Technology）也在近日宣布正式啟動香港 IPO，預計募集高達 6.24 億美元，可望成為首家在香港上市的中國本土 GPU 開發商。 壁仞科技與摩爾線程、沐曦與燧原科技（Enflame）並列為中國 GPU 領域的「四小龍」，目標是在 [&hellip;]</p>

OpenAI 承認 AI 瀏覽器難防「提示注入攻擊」，企業該如何建立最後防線？

<p>當 AI 瀏覽器逐步從「搜尋工具」進化為能夠代替使用者執行操作的「代理系統」（agent），新的資安現實也隨之浮現。OpenAI 近日坦言，一種名為「提示注入攻擊」（prompt injection）的風險，不太可能被徹底消除，而這正是 AI 代理走向開放網路時，最棘手、也最結構性的安全難題之一。 這項表態來自 OpenAI 近期針對其 AI 瀏覽器 ChatGPT Atlas 所發布的安全說明。OpenAI 一方面宣布已推出新的防禦更新，另一方面直言，Atlas 的代理模式（agent mode），正使 AI 瀏覽器的攻擊面擴大。 新型攻擊面：不是駭瀏覽器，而是「騙代理」 所謂「提示注入攻擊」，並非運用傳統意義上的程式漏洞，而是利用 AI 代理「閱讀自然語言並執行指令」的特性，將惡意指示隱藏在電子郵件、文件或網頁內容中，誘使 AI 在不知情的情況下讀取並執行惡意指示，偏離使用者原本的意圖。 ChatGPT Atlas 在 10 月推出後不久，便有多名資安研究人員示範該瀏覽器如何以提示注入攻擊操控，例如只要在 Google Docs 中輸入幾行精心設計的文字，就可能改變 Atlas 底層瀏覽器代理的行為。不過，開源瀏覽器公司 Brave 也指出，這類攻擊並非 Atlas 獨有，而是所有導入 AI 代理的瀏覽器共同面臨的系統性問題，包括 Perplexity 的 Comet 等產品。 《Fortune》引述英國學者 George Chalhoub 指出，AI 瀏覽器的核心風險在於，它們難以分辨「可信任的使用者指令」與「不可信任的網頁內容」。一旦這條界線被打破，AI 代理就可能從輔助工具，轉變為對使用者本身的攻擊向量。 事實上，點出提示注入攻擊不會消失的機構，不止 OpenAI。英國國家網路安全中心在 12 [&hellip;]</p>

如果發生 AI 泡沫，企業如何趨吉避凶？台經院景氣預測中心主任孫明德揭 AI 榮景背後的「蛇吞尾巴」警訊

<p>專訪：沈貝怡撰稿：李昀蔚 「目前幾個主要的預測機構，包含 OECD、經濟學人，都認為明年全球經濟成長率會比今年低一點，」本集《全新一週》邀請台灣經濟研究院景氣預測中心主任孫明德，從 2026 全球經濟走勢出發，深入剖析 AI 投資的榮景與風險，以及 AI 為金融市場帶來的「蛇吞尾巴」警示。 首先談到美國，孫明德表示，各大經濟預測單位對明年美國的發展看法不一致，一方面是因為美國有關稅，對經濟可能造成不利影響。然而，美國同時也在減稅，這會對民眾的消費帶來幫助，且聯準會今年已降息降三次，明年還會持續量化寬鬆，「這代表美國已經看到一些經濟疲弱的情況，所以聯準會開始降息寬鬆的週期，這對美國有利，所以明年有利跟不利的都有，經濟就很難說，」孫明德說。 2026 經濟預測：中、日成長動能走弱，歐洲表現回穩 相較於美國，日本經濟前景就沒有這麼樂觀。孫明德分析，日本長期受到高物價衝擊，且過去十年基本上已經把財政與貨幣政策逼到極限，「任何一個國家，短期靠寬鬆，長期靠創新，日本少的最後那一箭，就是創新這支箭。」 在中國方面，經濟成長動能同樣走弱，經濟成長率預期將從接近 5% 下滑至約 4%。孫明德解釋，雖然美中貿易戰可能因美國選舉因素而趨於和緩，但中國明年面臨的主要挑戰已從外部衝突轉向國內房地產低迷，以及部分產業過度競爭、內卷嚴重的問題，這些內憂也將削弱中國整體的經濟動能。 至於歐洲則是相對穩定的區域，隨著烏俄戰爭在美國政策施壓下有望趨緩，歐洲各國得以重新調整財政配置，也讓明年經濟表現預期與今年大致持平，甚至存在回穩空間。孫明德指出，過去數年，戰爭支出主要來自削減社會福利與老人年金，一旦戰事降溫，相關資金可望回流至社會福利體系，進而支撐民眾消費，成為歐洲經濟的穩定力量。 「總結來說，美歐明年的經濟大概持平，但是中、日因為跟貿易有關，而且自己內部都有一些結構性問題需要處理，所以明年全球的整體局勢是比今年弱的，」孫明德強調，明年整個策略經營面向，應該要多著力於歐美，至於亞洲則需特別注意一些。 AI 泡沫不是單一問題，是「實體投資」與「金融市場」的落差 在全球經濟成長趨緩的背景下，AI 是否能持續作為動能，成為市場關注的關鍵問題。首先，針對 AI 是否正面臨泡沫風險，目前市場出現截然不同的解讀。孫明德形容，這就像是在摸「大象的兩個部位」，每個人觀察到的面向不同，自然得出相異的結論。 從實體投資的角度來看，許多台灣與美國的科技領袖普遍認為 AI 並非泡沫，因為在技術與硬體層面，市場需求依然極為強勁，實體投資仍處於持續擴張的階段。 然而，另一派觀點則將焦點放在金融市場。這一部分的人關注的是，AI 在過去兩年大量吸收股市資金，但實際創造的經濟效益卻未必與資金規模成正比，因此認為金融市場上的 AI 股可能會有泡沫現象。「兩個講的是不一樣的事情，實體投資還會持續，但是股票要不要賣那麼貴就值得商榷，所以這個 AI 泡沫，如果分成實體跟金融兩方面來看，會發現不一樣的前景，」孫明德說。 孫明德也進一步將 AI 泡沫化的討論與 2000 年的網路泡沫一同對比。首先在時間跨度上，網路泡沫從 1995 年一路發展到 2001 年，歷時約六年，相較之下 ChatGPT 問世至今僅約 3 年，時間明顯較短。其次，在市場漲幅上，當年 S&amp;P 500 指數上漲兩倍、納斯達克指數更飆升四倍，但是這一波 AI 帶動的漲幅分別約為 70% 與兩倍，顯示目前「泡沫還不夠大」。 此外，與 [&hellip;]</p>

呂冠緯：我從均一平台董事台積電何麗梅近身學習的「水樣領導學」

<p>大家對於台積電的印象是什麼？是護國神山？是 24 小時不間斷的晶圓廠？還是張忠謀創辦人那種嚴謹如山的霸氣？ 過去 10 年因為有幸 Lora 在均一平台的董事會，所以近身互動學習許多，而過去半年更因為 Lora 卸任了人資長的忙碌，可以更進一步對話與學習。 如果說台積電是一座由鋼鐵意志鑄成的堡壘，那麼 Lora 就是穿透這座堡壘的水——她證明了，最柔軟的身段，往往能承載最沈重的重量。 以下是一些我自己的觀點 1. 不懂技術，卻能掌舵護國神山？ 你也許會以為，能在台積電做到「曾是唯一的女性資深副總」，一定是個強悍的技術狂人，或是像《穿著 Prada 的惡魔》那樣的女魔頭。 錯了，大錯特錯。 Lora 沒有顯赫的理工博士學位，她是會計系畢業。她不講艱澀的奈米製程，她談的是「溫度」與「同理心」。而每一次開董事會我都會有這樣的感受。 最讓我意外的是，當她在 2019 年，早已坐穩「全亞洲最佳財務長」寶座、甚至已經當了阿嬤準備退休時，她竟然接受了魏哲家總裁的徵召，跳去接手她完全陌生的「歐亞業務」。 她為什麼要冒險？ 她的回答很簡單：「Why not？（何不試試？）So what？（失敗又怎樣？）Let’s go！（做就對了！）」 這打破了我對「高階主管」愛惜羽毛的刻板印象。原來，真正的強者不是不失敗，而是不怕歸零。 2. 獅子與綿羊的叢林法則 我們常說「職場如戰場」，這句話很抽象。但 Lora 講了一個她在張忠謀身邊工作的具體畫面，讓我更理解。 早期的她，非常害怕張忠謀。那種怕，是開會前會胃痛的那種怕。直到一位導師跟她說了一個比喻： 「在職場上，領導者就像獅子。如果你表現得像隻瑟縮發抖的綿羊，獅子本能地就會撲上來咬你；但如果你準備充分，展現出獅子般的自信，獅子就會把你當成同類，尊重你。」 從此之後，面對外資法人的尖銳提問，或是在張忠謀面前匯報，她不再想著「求饒」，而是專注於「準備」。 這給我很具體的指引：克服恐懼的方法不是逃避，而是把功課做足，站直了別趴下。 3. 誠信是為了「省錢」？ 我們常聽台積電講「誠信正直」（Integrity），聽久了覺得像道德口號。但財務出身的何麗梅，給了「誠信」一個極具說服力的經濟學解釋。 她說：「誠信是為了降低組織內部的『交易成本』。」 如果我信任你，我們講一句話就通了；如果我不信任你，我們得花三天寫合約、開五次會來互相攻防。 因為她曾主持過數十場場法說會，面對幾千億美金的資本市場，她從不說謊，不知為不知。這讓外資圈流傳一句話：「只要是 Lora 說的，我們就信。」 這種信任，讓台積電在金融海嘯時，依然能獲得源源不絕的銀彈支持。原來，「老實」不是笨，而是最高效的策略。 這一點也是 Lora 在董事會裡給我的嚴正提醒：財務不誠信，那她就不待董事會。 4. 玻璃天花板，其實是你心裡的影子 作為女性，何麗梅這句話最讓我動容：「很多時候，玻璃天花板不在上面，而是在我們自己的心裡。」 [&hellip;]</p>

實現「零漂移」自主導航能力！數位孿生拯救了 NASA 機器人

<p>在地球上理所當然的技術，到了外太空往往失靈。最經典的例子之一，是一般原子筆在無重力環境下根本寫不出字，對於太空機器人而言，最致命的問題則是方向感消失。 《Popular Science》報導，長年以來，部署在國際太空站的自主飛行機器人，經常因為導航誤差累積而「迷路」，最終得由太空人出手介入校正。直到最近，NASA 與光州科學技術學院（GIST）的研究團隊合作，透過導入「數位孿生」（Digital Twin）技術，終於為此難題找到了解方。 失去重力參照，機器人成迷途羔羊 在地面環境中，多數機器人仰賴慣性量測單元（IMU），利用「重力方向」作為定位與姿態判斷的參考基準。然而，在太空站這樣的微重力環境中，上下左右不再有絕對定義，即便是高精度感測器，微小誤差也會隨時間持續累積，最終導致姿態完全偏移。 這正是 NASA 自主飛行機器人 Astrobee 面臨的困境。Astrobee 原本設計用於接手盤點、拍攝、運送等例行工作，讓太空人能專注於科研任務；但導航不穩定，反而成為新的負擔。 為了克服這一點，研究團隊最初嘗試了「基於視覺的導航」（VBN）技術，希望機器人能透過攝影機觀察周圍環境來推斷自身方位。然而，國際太空站內部環境極為混亂，充斥著各種纜線、實驗設備和漂浮的物件，這種高度不可預測的視覺干擾，會讓導航系統失效。 數位孿生充當「視覺濾鏡」，過濾雜訊精準定位 轉捩點來自數位孿生技術。研究團隊根據 NASA 的設計藍圖，建立了一個不包含雜物的 ISS 三維數位模型，作為「理想狀態」的參考世界。 實際運作時，Astrobee 會將即時攝影畫面，與數位孿生生成的乾淨影像進行比對，藉此過濾掉漂浮物與臨時遮擋造成的視覺雜訊，只保留真正屬於太空站結構的線條與平面。 這些幾何特徵，再結合所謂的「曼哈頓世界假設」（Manhattan World Assumption），也就是，人造環境多由互相垂直的牆面、地板與天花板構成，讓機器人即使只憑極少量的視覺線索，也能精準校準自身方向。 誤差大幅降低，實現「無漂移」自主運行 這項技術成果顯著。應用新演算法後，機器人的平均絕對旋轉誤差被降低到了 1.43 度左右，且這個誤差不會隨時間累積，實現了真正的「無漂移」導航能力。這代表 Astrobee 機器人終於可以長時間獨立執行庫存盤點、記錄實驗等任務，而無需太空人隨時待命救援。 這項突破不僅對太空探索意義重大，對地球上的應用也充滿潛力。Pyojin Kim 教授指出，這項技術同樣適用於 GPS 訊號無法到達、結構明確的室內環境，例如大型建築、地下空間、工廠與倉儲。 當無人機、服務型機器人與自主移動設備越來越多，「如何在複雜環境中保持長時間穩定定位」正成為關鍵瓶頸。NASA 這次的經驗，提供了一條可能解法：與其讓 AI 在混亂世界中硬撐，不如先替它打造一個足夠可靠的「數位現實」作為錨點。 立即報名 1/10【2026 AI 人才年會】，聽簡立峰、台積電、NVIDIA 等重磅講者剖析與 AI 協作成為超級人才的關鍵戰略！ ＊本文開放合作夥伴轉載，資料來源：《Popular Science》、NASA、〈Drift-Free Visual Compass Leveraging Digital Twins for [&hellip;]</p>

AI 代理上線、即時清算成常態：2026 年支付正在重組哪些關鍵環節？

<p>隨著支付逐漸滲入身分驗證、風險控管與即時資金調度，交易本身已不再只是「付錢」的動作，而是一整套涵蓋信任、意圖與治理的系統工程。 從 AI 代理接手交易決策、穩定幣走向基礎設施化，到數位身分與即時清算重塑資金流動節奏，支付正成為金融科技變革中最先落地、也最先被重新定義的關鍵場域。 以下內容統整 Mastercard 對 2026 年支付趨勢的觀察，聚焦那些已開始改寫交易流程、而非仍停留在概念階段的變化。 AI 代理上線，反詐欺與意圖辨識被推到核心 首先，AI 代理的興起正在根本性地改變交易的發起端。 到了 2026 年，生成式 AI 將不再只是推薦或者搜尋引擎，而是進化為能代表消費者與企業實際管理交易的代理人。這種「代理商務」的擴張，迫使市場必須加速建立安全規範，核心焦點在於如何辨別代理人的合法性、強化與代理人之間的身份驗證。 畢竟商務流程可以自動化，但信任卻無法自動生成，這使得反詐欺與意圖辨識成為金融科技的新戰場。 穩定幣成為連結傳統金融與數位經濟的橋樑 其次，穩定幣支付在政策明朗後，正式走向商業化與基礎設施化。 隨著美國《清晰法案》（Clarity Act）、《天才法案》（Genius Act）的推進，以及歐洲與英國對加密資產訪問權的正常化，加密貨幣已從投機資產轉變為投資組合的標準配置。特別是《天才法案》將穩定幣的儲備資產，限制為短期國債與回購協議，雖然關閉了幣圈短視的套利大門，卻確立美元穩定幣作為「現代金融公用設施」的地位。 這使得穩定幣在 2026 年能更順暢地應用於跨鏈、跨境與法幣結算，並透過代幣化貨幣市場基金等形式，結合區塊鏈的結算速度與傳統資產的收益，成為機構與企業資金調度的重要軌道。 無論是作為收益工具還是支付代幣，穩定幣已成為連結傳統金融與數位經濟的關鍵橋樑。 數位身分成為支付與風險控管的新入口 第三股力量來自於數位身分的全面重塑。未來的趨勢是透過數位身分錢包，將年齡驗證、服務登入等功能整合，並推動鏈上「別名」（Aliases）的普及，以取代複雜且易錯的加密錢包地址。 這不僅能大幅降低詐欺風險，更簡化了使用者的操作門檻，讓數位身分像支付本身一樣自然且可靠，甚至有望加速發展中市場的數位經濟包容性。 循環經濟擴張，支付開始承載永續激勵 當支付逐漸結合身分與行為資料，Z 世代所推動的循環經濟模式，也開始被納入支付設計本身，促使支付機制承載更多永續選擇的誘因與回饋。 在這樣的支付架構下，透過對數百億筆交易數據的進階分析，金融機構也能提供更精準的客製化優惠，並利用開放金融數據為中小企業或信用記錄薄弱的族群，提供更準確的信用評估，真正落實普惠金融。 即時經濟成形，中小企業不再被資金週期綁住 在上述多重變化的推動下，即時經濟（Instant Economy）將在 2026 年迎來全面擴張。 在消費者端，生物辨識技術與代幣化的加速普及，正在消除店內與線上結帳的界線。透過刷臉或單次點擊即可完成支付，不僅大幅降低了交易摩擦，代幣化技術更消除了手動輸入卡號的需求，從根本上提升了安全性。 在企業端，即時清算與當日結算的能力，將成為釋放資本效率的關鍵。隨著新型處理技術的導入，企業將能夠實現真正的即時資金回收，這對於現金流敏感的零售業與中小企業而言至關重要。 支付回到使用者本身，權力結構正在轉移 綜觀 2026 年的支付版圖，支付已不再只是技術選項，而正成為身分、信任與治理的延伸。 交易流程不再以中心化平台為唯一樞紐，而是逐步回到以使用者為核心節點，讓支付規則、數位身分與 AI 代理決策都圍繞個人展開。 對政策制定者而言，這也意味著監管重點不在於封堵特定工具，而是在確保隱私與互通性的前提下，建立可支撐創新擴張的公共框架。支付將變成一個關於誰能行動、誰能被信任、以及誰能被系統辨識的關鍵基礎設施。 AI、穩定幣與自動化如何共構金融新秩序？立即下載【2026 AI Impacts 趨勢觀察報告】解密 ＊本文開放合作夥伴轉載，參考資料：《Mastercard》、《Wisdomtree》，圖片來源：Unsplash [&hellip;]</p>

發展「數位錢包」不只為加密貨幣，專家強調「掌控身分」成爭奪關鍵

<p>隨著加密貨幣與央行數位貨幣（CBDC）發展，未來數位錢包將能決定誰具備參與數位經濟市場的資格，甚至定義一個人的數位身分，而由誰設計與管理數位錢包將成最大問題。</p>

【科技早餐】日本豪砸 3 兆日圓拚國產 AI：軟銀領軍，國家級規模全面展開

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 新聞一｜日本豪砸 3 兆日圓拚國產 AI：軟銀領軍，國家級規模全面展開 在台灣與南韓加快腳步發展 AI 之際，日本也全面啟動國產 AI 布局。日本政府計畫結合產官力量，攜手以軟銀集團為首的十多家企業，投入高達 3 兆日圓，打造國內最大規模的 AI 基礎模型，目標是避免在 AI 競賽中落後美國與中國。 政府預計明年春天成立新公司，未來五年投入約 1 兆日圓資金；軟銀則自 2026 年起再投資 2 兆日圓，興建 AI 資料中心，目前已在北海道布局。新公司將鎖定 1 兆參數等級模型，開放企業使用，應用場景也延伸至機器人，AI 已被日本定位為國家層級工程。 ＊晶片版圖重新洗牌：先進製程回流，美國加速、台灣守住 半導體成為各國核心戰略資產，美國推動在地製造，中國強化自主化，日本、歐盟與印度也同步加碼投資，全球半導體產能正快速朝區域化發展。 根據市調機構集邦科技預估，到 2030 年，美國先進製程產能占比將接近 28%；台灣仍居全球龍頭，占比約 55%。中國則因設備受限，主力轉向成熟製程，市占可能突破五成。半導體競爭，已從單純技術，擴大為供應鏈與風險配置問題。 ＊中國鋪好 AI 高速公路：40 座城市，一起跑運算 中國最新啟用「未來網路測試設施」，被形容為全球最大的分布式 AI 超級電腦，透過超過三萬英里的光纖，把 40 座城市串聯起來，被視為一條真正的「AI 高速公路」。 這套系統歷時十年建置，可同時支援上百種網路與數千項服務測試，目的不只是研發，而是打造可長期支撐 AI 發展的底層環境。搭配平台監管與演算法透明化政策，中國正加速讓 AI 透過中央體系落地實體經濟，與美國分散式布局形成對比。 ＊一場停電，讓自駕車先按暫停鍵：Waymo 卡關，馬斯克順手補一刀 美國舊金山 [&hellip;]</p>

全球近 80% 資料中心「蓋錯地方」：錯誤選址如何放大電力成本與冷卻壓力？

<p>《Rest of World》近日發布一份最新報告，主旨是記錄全球有多少資料中心位於溫度過高、不利於最佳運行的地區。報告指出，全球目前約有 8,808 座運行中的資料中心，其中有近 7,000 座資料中心位於 ASHRAE（美國冷凍空調協會）建議的「最適運行溫度（18–27 °C）之外」的氣候區。這也意味著，全球有約 80% 的資料中心在「太熱或太冷」的地區，超出硬體運行的理想範圍，進而對設備效率與冷卻系統構成嚴峻挑戰。 風險分析機構 Verisk Maplecroft 警告，到 2040 年，極端高溫將影響全球三分之二的主要資料中心，其中包括亞太地區與中東。在這些選址不當的案例中，又有 600 座資料中心位於平均氣溫常年高於 27 °C 的熱帶氣候區，研究更發現，包括新加坡、泰國、奈及利亞與阿拉伯聯合大公國在內的 21 個國家，境內所有的資料中心都位於過熱的氣候區，導致冷卻需求與能源消耗成本大幅增高。 資料中心位於高溫地區面臨的能源風險 目前新加坡、印度、東南亞國家與中東地區，是全球資料中心成長最快的市場。然而，這些地區的選址往往是基於電力供應、水資源可用性、資料主權政策與市場接近性等多重考量，環境氣候的適宜性則往往被排在次要順位。 以印度為例，當地約有 30% 的資料中心位於高溫地區，再加上電網穩定性不足，使冷卻需求與能源負擔進一步擴大。在這類不理想氣候條件下運行的資料中心，營運商往往必須調整冷卻方式與能源管理策略，以因應極端環境帶來的營運挑戰。 同時，在過熱地區運行高密度設備，不僅會降低冷卻系統的電力使用效率（PUE），也會影響整體電力傳輸效率，進而加重地方電網的負擔。以新加坡為例，資料中心在 2020 年已占全國耗電量約 7%，若缺乏相應的管控措施，其占比至 2030 年可能上升至 12%。 然而，儘管資料中心面臨效率與冷卻挑戰，許多亞洲地區仍因市場需求成長快速，進而成為資料中心的投資熱點，也讓營運商不得不投入更多能源與運行成本，來冷卻這些位於非理想氣候區的資料中心。 此外，隨著 AI 工作負載增加，單一機架的功耗正在飆升。例如 NVIDIA Blackwell Ultra 機架功耗高達 140 千瓦（kW），這讓傳統空氣冷卻在過熱地區幾乎難以支撐。專家更指出，AI 的電力需求預計在未來幾年內可能成長四倍，而全球資料中心總能源需求到 2035 年可能翻三倍。因此，為了應對日益高昂的維運成本，產業正積極投入浸沒式液冷與直接晶片冷卻等技術的研發，期望降低冷卻所需的能源消耗。 產業正在積極探索新的「冷卻法」 由於資料中心在傳統理想氣候區域之外運行的成本日益昂貴，產業正積極探索新的冷卻技術以取代在極端環境下效率受限的空氣冷卻方式。這些新興方法包括 「浸沒式冷卻」（Immersion Cooling）與「直接晶片冷卻」（Direct-to-chip Cooling），預計可減少高達 40% [&hellip;]</p>

矽谷最大膽的豪賭？Modular 直搗輝達 CUDA 護城河，拼當 AI 晶片界「Android」

<p>在矽谷，大膽的技術賭注層出不窮，而試圖打破 NVIDIA（輝達） CUDA 的控制權，可能是其中最大膽的賭注之一。一家名為 Modular 的軟體新創，成立僅三年，便誓言要成為 AI 硬體界的「Android」，解開長期以來 AI 開發者被單一硬體廠商綁定的枷鎖。 Modular 由 Apple 和 Google 的前員工 Chris Lattner 與 Tim Davis 共同創立。Lattner 是知名的 Swift 程式語言發明者，也曾協助 Google 開發 TPU 的底層軟體。這兩位深知產業痛點的老將，如今將矛頭對準了 NVIDIA 護城河的核心：CUDA。 打破 CUDA 主導地位，實現跨平台 AI 運算 近 20 年來，CUDA 已從單純讓 GPU 具備可程式化能力的工具，演變成龐大的 AI 軟體生態系，涵蓋程式語言、函式庫、編譯器與推論系統。雖然它成就了 NVIDIA 的霸業，但多數企業的工作負載都因此被鎖定在 NVIDIA 的 GPU 上。雖然市面上不乏 AMD GPU、Google TPU 或 Amazon [&hellip;]</p>

美國國防 AI 新勢力：Shield AI 憑什麼成為繼 Anduril 後最受矚目的新創？

<p>國防科技領域近期動態頻繁，繼美國國防獨角獸 Anduril 之後，另一家估值高達 56 億美元的企業 Shield AI 也傳出在台開缺。Shield AI 不只是 2025 年僅次於 Anduril 的熱門國防新創，更在烏克蘭戰場上證明了其實力。究竟 Shield AI 有何過人之處？ Shield AI 過去以 Hivemind 自主飛行軟體，以及已通過實戰驗證、但結構相對簡單的 V-BAT 垂直起降無人機聞名，並已進軍快速成長的協同作戰飛行器（CCA）與無人作戰飛行載具（UCAV）市場，推出可從陸地或海上多種場域垂直起降、執行任務的全新設計 X-BAT，主打相較現役機型更高的任務彈性。 從基輔廢墟中重生，V-BAT 在干擾下驗證能力 Shield AI 的驗證過程並非發生在實驗室，而是在砲火連天的烏克蘭前線。2024 年 4 月，俄軍兩枚飛彈摧毀了 Shield AI 位於基輔的研發機庫，所幸團隊已提前兩週撤離。這次攻擊並非偶然，而是因為俄軍已經意識到 Shield AI 的 V-BAT 無人機在戰場上帶來的威脅。 《Fortune》報導，在烏克蘭前線，俄軍強大的電子干擾曾讓許多美製無人機失效，迷航甚至墜毀。初期的 V-BAT 也面臨同樣困境，因為早期的版本並未搭載 Shield AI 的核心技術——Hivemind AI 系統。為此，Shield AI 進行了為期 8 個月的技術迭代，將資料中心等級的決策能力塞進邊緣裝置。 2024 年夏天，升級後的 [&hellip;]</p>

舊金山停電成自駕車「壓力測試」：Waymo 大規模停擺、Tesla 正常運行，技術路線差異被實戰放大

<p>近日美國舊金山遭遇一場大規模停電，並隨著電力中斷，導致舊金山大範圍的交通號誌失效，讓街道陷入混亂，部分大眾運輸服務也因此受阻。 面對這樣的突發意外，原本應自動運行的 Waymo 無人計程車（robotaxi）開始出現大規模故障。根據社群平台流傳的影片與照片顯示，多輛 Waymo 在道路中央停滯不前，導致後方的人類駕駛車輛被迫排隊等待，或必須驚險繞道而行。 Waymo 發言人 Suzanne Philion 表示，Waymo 因應大範圍停電暫時停止服務，並與舊金山官員密切協調，監測基礎設施的穩定性。《The Verge》也引述 Waymo 的回覆指出，暫停服務的首要考量是為了乘客安全，並確保緊急救援車輛擁有清晰的通行空間，不受停滯的無人車阻礙。 目前 Waymo 雖已於週日晚間恢復運作，但並未針對無人計程車隊造成的嚴重負面影響提供詳細技術解釋，因此多家外媒分別從不同角度出發，探析可能的因素。 San Francisco, CA (DEC.20.2025)It’s official. This is the 1,000th posted video from the Sunset Project™️. Just over 20m views on X to date. This afternoon’s flurry of frozen Waymo’s across the city of San Francisco causing a [&hellip;]</p>

福斯汽車砍 30% 成本，投資 35 億美金：拆解「緊縮德國本土、深化中國研發」的雙軌策略

<p>福斯汽車（Volkswagen）正處於創立 88 年來最劇烈的動盪期。面對電動化轉型的陣痛期、中國本土品牌崛起以及歐洲市場疲軟，這家汽車巨頭正採取極端的「雙軌戰略」：在德國本土進行歷史性的成本削減並關閉工廠，同時將權力與資源重心轉移至中國，試圖以「中國速度」重奪失地。 德國本土：削減 30% 成本並首度關閉工廠 目前福斯汽車正在德國推行一項極為嚴厲的財務整頓計畫。福斯汽車品牌執行長 Thomas Schaefer 指出，集團已在狼堡（Wolfsburg）、埃姆登（Emden）與茲威考（Zwickau）等主要工廠，將生產成本平均降低約 30%。不過 Thomas Schaefer 也坦言，福斯汽車「仍有一段路要走」，整體結構調整尚未結束。 在這波重整中，福斯也做出具高度象徵意義的決定，例如位於德國德勒斯登（Dresden）的工廠將在近期停止汽車生產，寫下福斯成立 88 年來，首度在德國本土關閉生產據點的紀錄。這座德勒斯登工廠在 2002 年啟用，曾生產旗艦車款 Phaeton，近年則轉型生產純電車 ID.3，但由於年產量不到 20 萬輛，僅約為狼堡主廠的一半，因此在需求疲軟與成本壓力下，最終被納入關廠名單。 同時，福斯也加快裁員進度。根據 2024 年與工會達成的重組協議，福斯集團計畫在 2030 年前削減 35,000 個職位，目前已有約 25,000 名員工簽署提前退休或遣散方案，顯示人力調整已快速推進。 在產品策略上，福斯也同步做出方向性轉向。Thomas Schaefer 明確表示，在日益嚴格的法規要求與成本結構下，燃油車已不再具備經濟效益，因此汽車產業的發展方向，仍將指向電動化。 福斯將中國視為關鍵戰場，但要追上「中國速度」是挑戰 在削減生產成本、關閉德勒斯登廠的同時，福斯汽車也將目光轉向中國，並把中國視為攸關未來生存的關鍵戰場。然而，目前中國汽車市場的競爭已進入被形容為「破產級別」的價格戰階段，市場關注焦點也從傳統的機械性能，明顯轉向數位化與智慧功能。在這樣的背景下，車廠的研發速度將成為能否在市場生存的關鍵差異。 此外，相較於傳統國際車廠開發一款新車往往需要 3 至 5 年，中國本土電動車品牌推出新車的週期已縮短至 12 至 18 個月。為了因應這種被稱為「中國速度」的競爭節奏，福斯必須加快研發與決策流程，縮短產品上市時間。 中國戰略：投入 35 億美元設立全球最大海外研發基地 為了扭轉過去在中國市場曾一度擁有超過 50% 市占率、但近年持續下滑的局面，福斯在中國合肥投入 30 億歐元（約 35 [&hellip;]</p>

同一盒雞蛋在同家店有五種價格！Instacart 爆「監控式定價」爭議，用 AI 追求利潤的邊界在哪？

<p>瀏覽超市網站，準備補齊一週的食材清單。雞蛋、牛奶、吐司，這些再日常不過的必需品，然而，和朋友或家人一對照彼此的購物金額，卻可能發現大家買的是同一家店、同一個商品，看到的價格卻不一樣。 這不是系統錯誤，而是零售業正在進行的真實實驗。近期一項由 Consumer Reports 與非營利組織在美國共同進行的調查指出，生鮮代購平台 Instacart 正在利用 AI 對消費者進行大規模的「價格實驗」。在同一天、同一間實體超市中，同一盒雞蛋，竟然在系統上出現五種不同價格，讓消費者在毫不知情的情況下，成為演算法測試的一部分。（編按：研究發現，在華盛頓特區同一家 Safeway 超市，Instacart 對同一盒 Lucerne 雞蛋會依消費者不同，顯示 3.99 至 4.79 美元不等的 5 種價格。） 該研究顯示，這些價格差異平均約為 13%，部分價差甚至高達 23%。這意味著有些家庭可能在一年內因系統，多付出高達約 1,200 美元的食品開銷，對本就承受通膨壓力的民眾而言，並非小數目。Groundwork Collaborative 執行董事 Lindsay Owens 在聲明中直言，將日常購物變成無形的高科技價格賭盤，已經不只是價格策略，而是對消費者公平感的侵蝕。 從效率工具到信任危機，演算法定價踩到紅線 此調查一出，也讓「演算法定價」從一項提升營運效率的工具，迅速演變成關於公平性與信任的爭議焦點。當價格不再只由商品成本、供需或促銷決定，而是由看不見的模型動態生成，消費者恐怕開始質疑：自己究竟是在正常購物，還是在被測試、被分類，甚至被評估「願意付多少錢」？ 面對外界質疑，Instacart 官方對外澄清，這些價格差異並非所謂的「即時動態定價」（dynamic pricing），而是短期、隨機化的 A/B 測試，目的是協助零售商了解消費者對不同價格的敏感程度，並未依個人資料或人口統計特徵設定價格。Instacart 也強調，平台上的商品價格主要由零售商決定，並不會依即時供需變化而調整。 然而，批評者指出，Instacart 近期收購的 AI 定價工具 Eversight 具備更進階的分析能力，包括整合消費歷史、行為模式，甚至潛在人口統計資訊來進行顧客分群。這類被稱為「監控式定價」（surveillance pricing）的技術，一旦擴大應用，恐怕將為更細緻、也更難察覺的差別定價鋪路。 演算法驅動定價的爭議，也讓北美各級政府與監管機構開始積極介入。美國聯邦貿易委員會（FTC）近日已經要求 Instacart 提供演算法定價工具的詳細資訊，同時評估企業在使用人工智慧定價工具時是否存在消費者誘導、資料使用與公平性問題，紐約州更是在近期通過法律，要求企業若基於消費者個人資料調整價格，必須主動向消費者揭露。 利潤與信任之間，零售業該如何取捨？ 價格透明度與公平性問題不僅是單一企業的挑戰，而是整體零售業在 AI 技術應用上必須正視的重要議題，對於零售業者與技術平台來說，如何在提升營收與維持消費者信任之間取得平衡，是當前一大挑戰。 一方面，AI 定價與價格實驗可幫助商家更有效地調整庫存、促銷策略，提高短期營收與競爭力；另一方面，此類策略若過度依賴隱性分組測試或個人行為資料，將大幅降低價格透明度，並削弱消費者對品牌的信任。 企業可行的做法包含，在採用演算法定價時應加強對消費者的教育與透明化披露，例如清楚標示測試性價格、說明價格差異背後的原因與機制，甚至提供選擇退出演算法定價的選項。 [&hellip;]</p>

【企業該補誰】AI 原生職位浮現，哪些新角色正重塑企業分工？

<p>從 AI 決策設計師、數位倫理顧問到人工智慧體驗總監，這些充滿未來感的職位名稱，正在反映 AI 時代的新興工作類別，並聚焦於人機協作、機器學習，形塑出未來的職場樣貌。</p>

【怎麼管 AI 更重要】會用 AI 已不稀奇，歐洲商學院開始培養能「質疑模型」的企業管理者

<p>當人工智慧開始參與企業的創新流程、策略判斷與資源配置，商學教育正面臨一個根本性的轉向。問題不再是「要不要教 AI」，而是如何培養一批能與 AI 共事、而非只會操作工具的決策者。 從法國、瑞士到西班牙，多所歐洲頂尖商學院正調整課程設計與教學方法，回應企業對未來管理者能力的全新期待。這不只是課綱更新，而是對「什麼是好領導者」的重新定義。 從「理解 AI」到「用 AI 參與決策」 人工智慧早已不是單純的分析工具，而是逐步進入企業的核心決策流程。這一變化，也直接反映在商學教育的教學現場。 法國製藥大廠賽諾菲就曾在推動創新流程時，選擇與法國頂尖商學院 HEC Paris 合作，而非委託顧問公司。HEC 為其高階主管量身打造領導力專案，讓學員與「AI 教練」（以企業內部資料訓練的虛擬助理）共同生成、測試創新構想。 這項計畫催生了超過 500 個創新專案，其中一項甚至將臨床試驗審查流程，從原本的 11 個月縮短至 3 個月。HEC 商學院院長 Emmanuel Coblence 指出，這類訓練的重點不在技術本身，而在於如何在真實決策場景中，與智慧系統互動、修正與承擔後果。 商學院不教「會用 AI」，而是教「怎麼管 AI」 企業端的需求，也反向塑造教育內容。根據 2025 年全球頂尖商學院非營利協會 GMAC 的企業招募調查，近三分之一的全球雇主認為，是否具備 AI 素養，已成為管理職畢業生的關鍵門檻。 但這裡的「AI 素養」，並非熟練使用某一套工具。歐洲高等商學院 ESCP 的實踐正好說明這一點。這所橫跨歐洲多國校區的學校，已將 AI 納入核心課程體系，並與 Hugging Face 以及 OpenAI 的 ChatGPT Edu 合作，要求學生必須完成「生成式 AI 與商業決策」的必修課程。 ESCP 明確規定，學生不只是分析 [&hellip;]</p>

平均稼動率提升至 82%！台達打造節能轉型新引擎，以射出機與監控系統重塑橡塑製造模式

【科技早餐】TikTok 美國命運定案：拆分落地，演算法主權交到誰手上？

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊TikTok 美國命運定案：拆分落地，演算法主權交到誰手上？ 經過多年政治與法律拉鋸，TikTok 在美國的命運終於拍板定案。根據《彭博》掌握的協議內容，TikTok 與母公司字節跳動 (ByteDance) 已正式簽署分拆協議，美國業務將於 2026 年 1 月 22 日完成切割，成立全新實體營運，長期懸而未決的去留問題正式落幕。 股權結構成為關鍵焦點。新公司近一半股權將由甲骨文、銀湖資本與阿布達比 MGX 持有，字節跳動直接持股約兩成，其餘由相關公司間接持有。美國用戶資料全面交由甲骨文雲端管理，董事會多數席位由美國人擔任，回應國安疑慮。TikTok 執行長周受資也在內部信中證實，交易預計明年 1 月底完成，時間點正好落在川普延後 TikTok 禁令滿一週年。 ＊英國外交部遭駭風暴：中國駭客疑雲，竊取數萬機密資料 英國《太陽報》披露，今年 10 月疑似與中國有關的駭客組織 Storm 1849，入侵英國外交部網路系統，竊取數以萬計的敏感資料。英國政府隨後證實網路攻擊確實發生，但目前仍未公開指認攻擊來源，相關調查仍在進行中。 英國貿易副大臣 Chris Bryant 表示，政府已迅速堵住漏洞，並強調對個人實際影響的風險相當低。不過，《金融時報》等媒體引述官方消息指出，初步調查已指向中國駭客。此事不僅衝擊英國資安能力評價，也讓數位身分證政策與首相 Keir Starmer 籌畫訪中的外交布局，增添新的不確定性。 ＊微軟執行長下通牒：跟上 AI 節奏，否則請下車 《Business Insider》揭露，微軟執行長 Satya Nadella 近期向高階主管釋出明確訊號，要求全面適應 AI 高強度研發節奏，否則將面臨離職風險。這不只是管理語言的調整，而是一場針對組織結構與決策流程的全面重構。 他直言，現在是「加入或離開」的關鍵時刻，他已經退出部分例行商業活動，將重心轉向資料中心、系統架構與 AI 科學研發。微軟同步設立每週「AI 加速器會議」，讓基層工程師直接與決策層對話，刻意打破層級，藉由「可控混亂」重新定義生產函數，壓低創新邊際成本。 ＊百億美元資安豪賭：Google Cloud 聯手 Palo [&hellip;]</p>

AI 每 8 個月效能翻倍、部分任務達 PhD 水準：英國報告揭前沿模型的能力、風險與防護三大輪廓

<p>英國人工智慧安全研究所（AISI）近期發布的《前沿 AI 趨勢報告》（Frontier AI Trends Report），彙整自 2023 年 11 月以來，對超過 30 個前沿 AI 模型所進行的廣泛測試與研究結果，涵蓋生物科學、化學、網路安全，以及模型自主執行任務等多個關鍵領域。 AISI 指出，AI 的發展速度正在加速，以網路安全領域為例，模型性能大約每 8 個月就會翻倍，顯示 AI 正快速逼近甚至超越人類專家的水準。AISI 也表示，發布這份報告的目的，在於為政策制定者、研究界與產業提供一個關於 AI 能力發展趨勢的共同事實基礎，並透過數據洞察，協助各界因應前沿 AI 伴隨而來的技術挑戰。 能力邊界快速外推：AI 在生物與化學任務上逼近並逐漸超越專家水準 AISI 的測試顯示，前沿 AI 模型在生物與化學領域的開放式問題評估中，這些模型在 2024 年初首次達到 PhD 專家水準，代表 AI 已能提供過去需仰賴多年專業訓練才能獲得的科學洞察。同時，這些模型也能在數秒內，依照使用者的知識背景生成完整且細緻的科學實驗流程，這類工作過去往往需要人類專家投入數小時設計。 此外，報告也進一步指出，AI 正顯著降低專業技術門檻。例如在研究中，非專業人士在 AI 協助下，成功撰寫「病毒回收實驗流程」的機率，是僅依賴網路搜尋者的 4.7 倍。AISI 的內部研究也顯示，新手如果和大語言模型互動越頻繁，能完成原本高度仰賴專業背景、需要用到較多化學試劑的「濕實驗」任務，成功率就越高。 另一方面，在基因工程相關應用上，AI 也展現出高度自動化潛力。以質粒設計為例，AI 模型可以根據高階指令，自主從網路檢索並提取所需 DNA 序列資訊，將原本需耗時數週的流程縮短至數天。不過，AISI 也指出，現階段模型在「端到端」的完整設計上仍存在限制，例如在最終將序列正確串接時仍可能出現錯誤。不過整體而言，這些結果顯示，專業與非專業人士之間的知識壁壘正在鬆動，並在加速科學研究效率的同時，也同步放大安全挑戰。 在 AI 能力快速擴張下，AISI 也檢驗 [&hellip;]</p>

AI 專案胎死腹中？4 面向分析：你的「組織體質」可能不適合你的 AI 策略

<p>許多企業在導入 AI 時都有類似經驗：試點專案（Pilot）驚豔全場，一旦進入量產與規模化階段卻卡關熄火。這類失敗常被歸咎於模型不成熟或數據不足，但《哈佛商業評論》直指核心：問題往往不在 AI 本身，而在於領導者的野心與組織實際的承載力脫節。 GM vs. Apple：一個量產失敗，一個建立標準 2018 年，通用汽車（GM）與 Apple 幾乎同時嘗試用 AI 重塑產品設計流程。GM 使用 Autodesk 的生成式設計工具，為一個看似不起眼、卻極為關鍵的汽車座椅支架重新設計結構。AI 產出的成果外型就像自然生成的晶格結構，不只重量減輕 40%，強度還提升 20%。 然而，這個「完美零件」最終沒有進入量產。原因不是設計不佳，而是 GM 既有的供應鏈與製造體系仍建立在沖壓鋼材之上，根本無法處理如此複雜的幾何結構。如要全面重整製造系統，所需時間與成本難以承擔，創新因此停擺。 相對地，Apple 同期投入研發能夠取代傳統相機鏡頭的金屬透鏡（metalens），同樣是一項高度仰賴 AI、材料科學與半導體製程整合的突破性技術。不同的是，Apple 擁有能執行的系統，在短短兩年內申請了數十項相關專利，並準備將這項技術導入 Face ID 感測器，率先用於 iPad Pro，再延伸至新一代 iPhone。 這兩個案例揭示了一個關鍵事實：AI 專案失敗，通常不是 AI 做不到，而是組織承接不了。 62% 企業卡在部門協作錯位，AI 是管理問題 根據 Kearney 調查，62% 企業認為跨部門協作不佳是 AI 導入的主要障礙。標普全球市場財智數據更顯示，2025 年有 42% 企業放棄了大部分 AI 專案，遠高於 2024 年的 17%；近半數 POC [&hellip;]</p>

不用再養一堆「專用 AI」！Anthropic 推企業級 Agent Skills + 開放標準，揭示 AI 設計思維…

<p>AI 新創 Anthropic 持續猛攻企業市場，在 12/18 宣布將其 10 月發表的功能「Agent Skills」（代理技能）作為開放標準發布，並同步新增企業級管理工具與合作夥伴技能目錄，試圖把原本屬於開發者圈內的小眾功能，推向企業 AI 的基礎設施層級，甚至是產業標準。 什麼是 Agent Skills？讓 AI「學會怎麼做事」 所謂 Agent Skills，本質上是一組可重複使用的工作流程模組，並可以根據需求進行客製化。每一個 Skill 都是一個資料夾，內含操作指令、腳本與資源，用來教 AI 助理如何穩定完成特定任務。相較於每次都要撰寫冗長提示詞，Skills 將流程知識「封裝」起來，成為可調用的程序能力。 這套設計試圖解決大型語言模型的核心限制之一：模型雖具備廣泛知識，但往往缺乏專業工作中所需的程序性細節。以簡報製作為例，一個 PowerPoint Skill 可以內建版型規範、投影片結構與品質標準，讓 AI 只在需要時載入相關細節，而非長時間佔用上下文。 Anthropic 將此稱為「漸進式揭露」（progressive disclosure）。每個 Skill 在摘要狀態下只占用數十個 token，只有在實際執行任務時才會載入完整內容，讓企業得以部署龐大的技能庫，而不犧牲模型效能。 從開發者工具走向企業基礎設施 Claude Team 與 Enterprise 用戶現在也可由管理員集中部署 Skills，統一控管組織內可用的工作流程，同時保留員工自行調整的彈性。 這解決了企業導入 AI 時常見的混亂與安全隱憂，確保 AI 產出的結果符合公司規範。Anthropic 產品經理 Mahesh Murag 指出，Skills 讓企業能將 Claude 調整為「符合實際工作方式」的助理，而非通用聊天機器人。目前社群反應熱烈，GitHub 上的 [&hellip;]</p>

從創世紀計畫與 Tech Force，看美國聯手科技巨頭進化科學研究速度、升級政府 AI 人才的新戰略

<p>美國總統川普在今年 11 月底時簽署行政命令，宣布啟動名為「創世紀計畫」（Genesis Mission）的國家級行動計畫。近日，主導這項計畫的美國能源部（DOE）召開會議，說明將以 AI 為核心，整合 17 座國家實驗室、約 4 萬名科學家與工程師，加上國內最先進的超級電腦資源，以及大規模科學研究資料，目標是在十年內提升美國科學研究的生產力與影響力。 創世紀計畫聚焦在三項國家級關鍵挑戰，包括透過核能與核融合技術創新確保能源領先地位、建構量子科技生態系統以加速科學突破，以及運用先進 AI 技術支援國防研發與核武庫的維護管理。美國政府希望透過這項計畫，將科學研究的進程從原本以「年」計算縮短至以「月」為單位，並涵蓋先進製造、生物技術、關鍵材料、核能、量子資訊科學與半導體等二十多個研究領域。 24 家科技巨頭加入「創世紀計畫」，要打造科學研究共同體 為了加速落實創世紀計畫，美國能源部近日召開圓桌會議，宣布已有 Microsoft、Google 、AWS、OpenAI、NVIDIA、Anthropic、Oracle、AMD、Dell、IBM 以及 xAI 等 24 家私人企業成為計畫成員，將與政府共同加速科學研究的進程。 此外，計畫也納入了專精於材料科學、化學與工程 AI 工具的小型專業公司，這些合作夥伴將與國家實驗室共同構成名為「美國科學與安全平台」（American Science and Security Platform）的科學研究共同體。 參與這場會議的 Radical AI 執行長 Joseph Krause 表示：「房間裡的許多人雖然在商業層面上是競爭對手，但這並非我們今日齊聚的原因，我們在此是為了思考：如何為美國人民創造價值？如何從工業界的角度出發，實際推動科學進程的發展？」 Joseph Krause 也分享，在這場會議中，公私部門間展現極高的合作誠意。 參與者視角：AWS 分享與美國政府合作的具體計畫 作為創世紀計畫成員之一的 AWS 表示，這項計畫需要的是能夠立即投入使用的基礎設施，而非只是給出未來承諾。目前 AWS 已與愛達荷國家實驗室（INL）合作，建置一套以 AI 驅動的核反應爐設計與分析平台，並運用代理型 AI 技術，協助工程師處理高度複雜的工程任務，同時也可以生成數位孿生模型與進行進階模擬。 INL 主任 John Wagner [&hellip;]</p>

成功率 99%、工作負載多 3 倍：寧德時代讓人形機器人接手新能源動力電池 PACK 產線

<p>全球動力電池巨頭寧德時代（CATL）近日宣布，正式啟用全球首條大規模部署 AI 人形機器人的新能源動力電池 PACK 生產線，在中州基地寫下具身智慧技術應用在智慧製造的新里程碑。 部署在新能源動力電池 PACK 生產線的人形機器人，被命名為 「小墨（Xiao Mo）」或稱 「Moz」。Moz 具備執行「精確連接高壓電池連接器」這一類複雜操作的能力，它們的主要任務是「取代人工」，以及執行電池 PACK 出貨前的 EOL (End of Line) 和 DCR (Direct Current Resistance) 測試流程。 這些測試流程，傳統上高度依賴人工操作，需要工人攜帶數百伏特高壓的測試插頭，精確連接到電池組的指定點位。由於涉及高壓電，因此人工操作存在一定程度的安全風險，此外，傳統人工操作也面臨效率和品質一致性的挑戰。 Moz 機器人的技術背景 Moz 機器人由寧德時代生態系統內的公司 Spirit AI 開發，並採用寧德時代自行研發的電池作為動力來源，展現出供應鏈內部協作的成果。為了將實際生產需求有效轉化為工程規格，寧德時代協調多個部門進行深入的產線研究，並共同制定兼具前瞻性與實用性的開發方案。 Moz 搭載端到端的視覺-語言-動作（VLA）模型，因此具備高度的環境感知與任務泛化能力，能在複雜且多變的生產條件下穩定運行。 此外，Moz 也具備多項技術優勢。首先，Moz 能獨立應對物料位置偏差與連接點變化等不確定因素，並即時調整操作姿態以確保作業準確性；在插拔柔性線束時，Moz 也可以動態調整施加力道，並在確保連接可靠的同時，避免對敏感元件造成損傷。 Moz 機器人為產線帶來的具體效益 目前，Moz 已改變原有的生產流程。例如在實際產線運作中，Moz 的高壓連接成功率長期維持在 99% 以上，操作速度與循環時間已能與熟練人工操作人員相當。 另一方面，即使在連續生產多種電池型號的情境下，Moz 仍展現出高度一致性與穩定性，每日工作負載更可達人工的三倍。除了主要作業任務外，Moz 也能在產線上自主檢查線束連接狀態，並即時回報異常以降低不良率，甚至可以在操作間隔期間主動切換至檢查模式，成為產線運作中不可或缺的一環。 中國人形機器人產業的競賽與技術挑戰 寧德時代成功部署 Moz 人形機器人，正發生在中國人形機器人製造商加速投入量產的產業背景之下。儘管技術成熟度與成本結構仍面臨挑戰，中國企業已積極將人形機器人導入智慧製造、零售、娛樂等多元場景，並形成一波密集的產業布局。 例如由寧德時代與美團共同投資的北京 Galbot，便將重心放在工業製造與零售等特定應用場景，並以技能導向方式訓練模型。Galbot 的海外行銷代表曾指出，他們的策略是以「掌握具體技能」為優先，而非一次性推出多功能解決方案，這樣的取徑也呼應寧德時代聚焦電池 [&hellip;]</p>

開源 AI 將主導 2026 企業戰略，企業需準備管理「AI 行為」

<p>專家認為，AI 的「開放之路」相比過去的科技更加複雜，其透明度不能只停留在程式碼層面，還必須包含「演變路徑」、「決策方式」與「大規模協調跟稽核」等各種面向。</p>

員工還沒上班，AI 已解決物流延遲！TOYOTA 揭密「人機協作」供應鏈實戰

<p>在全球供應鏈持續面臨不確定性、地緣政治與極端氣候風險的當下，汽車產業的供應鏈能夠做到多「即時」，一直是個不小的挑戰。 TOYOTA Motor Europe 供應鏈副總裁德邁爾（JC Deville）認為， 搭配數位化與 AI，可以提升供應鏈的韌性，做到更「即時化」的智慧供應鏈。 資料透明化，重建物流的即時可視性 其中一項關鍵數位轉型，落實在物流與需求可視性。過去，跨洲運輸或長距離物流中，TOYOTA 無法即時反映各種狀況，原因很單純：企業不知道整個運送過程中，實際發生了什麼事。 在缺乏即時資料的情況下，只能仰賴庫存與安全緩衝來對抗不確定性。如今，TOYOTA 開始在零件物流與完工車輛物流中，試行更精準的追蹤與預測工具，逐步補齊這塊長期的資訊落差。 比方說，在完工車輛物流方面，TOYOTA 不再僅依賴歷史平均交期，而是主動與物流夥伴共享長達兩到三年的需求預測，細緻到每條路線、每個月份。物流夥伴則需回饋實際可行的交期與運能承諾，以「確認交期」取代過往的統計估算。透過這種雙向資訊透明化，TOYOTA 得以更精準掌握運輸節點之間的真實時間距離，進而調整庫存，降低停滯與浪費。 從被動追蹤到主動應變：AI 在員工上班前就解決問題 勤業眾信（Deloitte）也提到，TOYOTA 已部署 AI 代理介入更核心的流程規劃。TOYOTA 的數位創新團隊指出，過去在資源配置與需求滿足的規劃作業中，往往需要動員超過 50 名成員，依賴 70 多份試算表反覆修正，耗費大量工時，卻仍難以快速模擬不同情境。 如今，這套流程正由 AI 代理重新設計。AI 代理會自動整合需求、供給與限制條件，產出多組可行方案，並引導規劃團隊進行選擇與取捨。人力規模因此大幅縮減至 6 至 10 人，其餘成員則被重新配置至更高價值的工作上。AI 不負責做決定，而是處理例行、重複、耗時的分析任務，讓人類專注於策略判斷與風險權衡。 AI 代理的角色，也進一步延伸至即時 ETA（預計到達時間）監控與應變。TOYOTA 過去仰賴老舊主機系統追蹤車輛狀態，如今透過新的車輛管理工具，將數十個畫面整合為即時、可視化的旅程追蹤介面。更進一步，AI 代理可根據即時資料，自動回應使用者提問，並主動採取行動。 例如，當車輛在場站滯留、未如期裝載時，AI 代理可先行草擬通知信件，與物流夥伴協調調度，甚至主動向經銷商說明處理進度。這些行動，往往在員工上班前就已完成，讓人類得以專注於避免問題再次發生。 從極端事件中驗證：流程居功而非單一工具 這種結合數位化與人員決策的模式，也在極端事件中展現價值。無論是美國遭遇冰雹、一次損毀 4,700 輛車，或是巴西工廠因風災中斷生產，TOYOTA 都能迅速串聯全球專家與備件資源，在最短時間內完成修復與產能調整，將衝擊降至最低。這並非單一 AI 模型的功勞，而是流程重設、資料平台與人員協作共同作用的結果。 TOYOTA 內部強調，真正的競爭優勢不在於演算法，而在於是否能在不破壞信任的前提下，將 AI 嵌入日常決策。為此，TOYOTA 建立以雲端為核心的資料平台，串聯供應商、製造與客戶端資訊，並透過統一入口「Cube」提供一致的使用體驗。AI [&hellip;]</p>

【科技早餐】HBM 一顆不剩！美光宣告記憶體進入「結構性短缺」時代

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊HBM 一顆不剩！美光宣告記憶體進入「結構性短缺」時代 在市場擔心 AI 需求降溫之際，美光 (Micron) 公布亮眼財報，為科技股注入強心針。執行長梅洛特拉 (Sanjay Mehrotra) 指出，AI 帶動的記憶體需求正以前所未見的速度成長，高頻寬記憶體 HBM 供應全面吃緊，2026 年全年產能已全數售罄，供不應求狀況將延續到 2026 年之後。他在財報會議上直言，「好日子還在後頭」。 梅洛特拉強調，這並非短期循環，而是產業進入「結構性短缺」階段，中期內美光僅能滿足核心客戶約一半至三分之二需求。公司同步上調 2026 財年資本支出至 200 億美元，全面加碼 HBM 與先進 DRAM 製程，並加速美國、日本、新加坡與印度的產能布局。 ＊AWS 老將掌 AI 大旗，亞馬遜全面重組迎戰生成式競賽 亞馬遜宣布重組 AI 團隊，由 AWS 資深主管狄桑提斯 (Peter DeSantis) 接掌新成立的 AI 部門，並直接向執行長賈西 (Andy Jassy) 報告。新部門整合通用人工智慧（AGI）團隊、晶片製造部門與量子運算研究，顯示亞馬遜正集中資源，加快 AI 技術與產品布局。 AWS 雖是全球最大雲端服務供應商，但在生成式 AI 主導權上，始終無法複製其在雲端市場的優勢。賈西表示，多項關鍵技術正逐步成熟，亞馬遜正站在影響未來客戶體驗的轉折點，此次組織調整，也意味著 AWS 正式與微軟、Google 及眾多 AI [&hellip;]</p>

【MIC 2026 趨勢預測】台灣人形機器人產業如何超越中國？MIC 點 3 大差異化方向

<p>資策會產業情報研究所（MIC）今（12/18）發布 2026 年十大重點科技趨勢，涵蓋半導體、AI 伺服器、智慧眼鏡、無人機、人形機器人、低軌衛星與量子電腦等領域，指出台灣供應鏈在多項趨勢中佔據重要戰略位置。 資策會 MIC 資通訊產業科技中心主任林柏齊表示，這十大趨勢主要環繞在「生成式 AI」與「韌性」的主題之上，判斷市場相關投資會繼續延續到明年。 趨勢 1：AI 帶動，半導體 3 奈米以下製程產能成長快 生成式 AI 與大型語言模型訓練需求持續擴張，同步放大對 GPU、ASIC 與 HBM 等高效能晶片需求。林柏齊指出，關鍵製程成長穩定，自 2023 年第四季以來，2 奈米和 3 奈米等先進製程基本上都維持 40% 以上的成長率。 然而他提及，由於市場供應和需求都呈現高度集中，衍生出兩大風險，是產業在未來一年需特別留意的。第一是政治風險，美國等國家將要求盟友進行產能分散；第二是材料成本上升，帶動整體供應鏈成本與價格上升的成本風險。 趨勢 2：AI 伺服器 2026 年出貨將達 450 萬台 AI 伺服器市場正歷經強勁成長，MIC 預估 2025 年全球約有 400 萬台 AI 伺服器出貨，2026 年預計可成長至 450 萬台，成長率約 10~20%。 林柏齊表示，推升 AI 伺服器市場成長的主要動能來自於雲端服務大廠，包括 AWS、Google、微軟、Meta 和 Oracle，以及眾多 AI [&hellip;]</p>

免費導流時代將結束？Meta 測試限制 Facebook 連結額度，品牌行銷面臨 4 大關鍵轉折

<p>近日 Meta 正在測試一項新政策，將限制 Facebook 粉絲專頁以及使用專業模式（Professional Mode）的帳號，每月可發布的外部連結貼文數量。這項措施主要會影響經常透過外部連結進行推廣、潛在客戶開發或轉換的品牌帳號。 目前這項政策仍處於實驗性測試階段，尚未全面上線，但已有多位用戶回報，Meta 已向部分受測帳號顯示系統通知，說明未來凡是附上外部連結的貼文，都將受到數量限制。 根據測試畫面顯示，未訂閱 Meta Verified 的帳號，每月僅能發布最多兩則含有外部連結的貼文，若希望發布更多外部連結，則需訂閱每月最低 14.99 美元的 Meta Verified 方案。Meta 表示，這項測試的目的，是評估「發布更多含外部連結的貼文」需求，是否有潛力成為 Meta Verified 訂閱方案的加值項目。 究竟 Meta 推出這項新措施後，可能會帶來哪些具體影響？外媒歸納出四大可以觀察的面向。 一、外部連結在 Facebook 生態中的價值，正在被「重新定價」 Meta 的數據顯示，外部連結貼文在 Facebook 生態的重要性正持續降低。根據 Meta 發布的透明度報告，在美國的 Facebook 動態消息中，超過 98% 的瀏覽量來自不含任何連結的貼文，僅約 1.9% 的瀏覽量來自包含外部連結的貼文。 這項數據也說明，為何 Meta 願意對外部連結貼文進行限制測試，因為這一類貼文在平台內的相對重要性已大幅下降。此外，Meta 認為，即使企業減少甚至停止發布連結貼文，對整體使用者互動的影響也相對有限，因此成為推動 Meta Verified 訂閱方案的一項低風險測試。 二、「能不能穩定導流」開始成為付費差異，而非免費權利 Meta 積極評估將「更多外部連結的發布權限」納入 Meta Verified 的付費價值之一，反映出平台正朝向「付費差異化」的方向轉變。 對於高度依賴 Facebook 將流量導向電子報、電商網站或外部影音平台的創作者而言，這類限制無疑增加使用門檻。因此，「導流能力」已不再是 [&hellip;]</p>

智慧醫療迎向規模化新時代，證交所攜手 SparkLabs 聚焦 AI 臨床應用與資本市場新機會

<p>由臺灣證券交易所與國際創投暨新創加速器 SparkLabs Taiwan 共同主辦的「智慧醫療產業交流分享會」，今（18）日於臺北舉行，吸引醫院體系、國際藥廠、雲端與 AI 科技企業、創投加速器等重量級代表齊聚一堂。活動緊扣全球醫療科技浪潮，深入探討 AI 在藥物研發、臨床照護、醫院數位轉型的實際落地案例，更從資本市場的角度分析智慧醫療企業如何加速規模化，打造從技術、場域到資本市場的完整創新生態系。 臺灣證券交易所董事長林修銘致詞時表示，臺灣在半導體與 ICT 產業的長期優勢，使我們具備把「科技能力」轉化為「醫療價值」的先天條件；資本市場的任務，就是為這股創新動能提供長期資金，形成可持續的成長曲線。林董事長強調，創新板與亞洲創新籌資平臺，將讓全球資本市場看見臺灣在智慧醫療領域的優質公司。 為更有效支援包括智慧醫療在內的創新產業，證交所繼年初啟動「創新板 2.0」。開放全體投資人共同參與後，更自 11 月 17 日起，將創新板股票納入可當沖交易標的，搭配原有之零股、信用交易及借券機制，在交易制度上與上市一般板完全一致。創新板要向前瞻產業明確傳遞一個訊息：「只要具備國際視野與成長潛力，創新板就是正式進入資本市場、放大影響力的起跑線，而不是等待區」。 本次交流分享會的專題演講與論壇，聚焦 AI 在智慧醫療不同環節的實際應用與成長路徑。專題分享部分，歐嘉隆（Organon）全球決策科學與人工智慧部 門張浩發執行董事，以國際藥廠為例，說明 AI 如何導入藥物研發及工作流程，並分享 AI 對醫藥產業長期結構與價值鏈的影響；迪梯西數位科技銷售總監林立，將介紹如何協助醫療集團進行數位轉型；智齡科技（Jubo）創辦人暨執行長康仕仲博士，以以智齡科技從 POC 到突破千萬用戶的歷程為例，分享智慧長照服務商業化與規模化成長的實務經驗。 加速臺灣智慧醫療企業從研發走向規模化商業化 本場活動重頭戲由本次活動合作主辦單位 SparkLabs Taiwan 國際創投暨新創加速器與國際藥廠、全球 AI 晶片巨頭的生醫部門負責人、以及醫療 AI 新創同臺，探討智慧醫療如何從實驗室走向市場。SparkLabs Taiwan 共同創辦人暨管理合夥人邱彥錡表示：「AI 在醫療領域的價值不只在技術，更在於真正落地到臨床、流程與照護現場。創新板為前瞻產業正式進入資本市場的起跑線，能加速臺灣智慧醫療企業從研發走向規模化商業化。SparkLabs Taiwan 持續與臺灣證券交易所合作，協助臺灣創新企業走向全球。」 創新板自 2021 年推出以來，鎖定半導體、AI、智慧造造、能能環、、智慧醫療、無人載具等前瞻領域，致力於成為創新與成長型企業的最佳舞台。證交所將透過創新板響應政府「亞洲創新籌資平台」政策，持續打造智慧醫療資本生態系，協助臺灣創新企業在國際舞台上「嶄露頭角」。 （本文訊息由 SparkLabs Taiwan 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：SparkLabs Taiwan。）</p>

美國制裁失靈？中國首台 EUV 原型機現身，中國版「曼哈頓計畫」正改寫半導體競賽節奏

<p>近日《路透社》報導，中國科學家在深圳一處高度戒備的實驗室內，成功打造出一台極紫外光（EUV）光刻機的原型機。這項突破標誌中國在半導體領域又向前邁出重要一步，也為一直試圖阻止中國取得尖端技術的美國，澆上一盆冷水。 中國自行研發的這台 EUV 光刻機原型機於今年初完成，目前正在進行測試，體積幾乎佔據整個廠房樓層。這項計畫也被視為中國版的「曼哈頓計畫」，概念如同美國在二戰時開發原子彈的秘密行動。 EUV 光刻機使用極紫外光束在矽晶圓上刻畫比人類頭髮細數千倍的電路，是先進 AI、智慧型手機和武器系統等關鍵晶片不可或缺的設備，直到目前為止，這項技術一直被 ASML 壟斷。因此，中國的最終目標，是能夠使用全本土製造的設備來生產先進晶片，從而消除對美國及相關供應鏈的依賴。 儘管原型機已經可以運行並成功產生極紫外光，但尚未製造出可用晶片。不過，這台原型機的存在已經顯示，中國半導體的發展速度可能比外界預期更快，也比想像中更「自給自足」。 前 ASML 人才成為關鍵：秘密招募與逆向工程路線 EUV 光刻機原型機的出現，背後並非只是單一技術突破，而是長期人力與策略布局的結果。消息人士告訴《路透社》，關鍵在於圍繞 ASML 前工程師組成的核心團隊，這些工程師對 EUV 技術進行逆向工程，才讓中國成功推進技術發展。 至於這些前 ASML 來到中國的原因，可以追溯到 2019 年發起的一項招募國外半導體專家的計畫。當時被招募的人員包括剛退休的華裔前 ASML 工程師和科學家，他們擁有完整技術知識，因此成為主要的招募目標。 原型機的實際技術狀態：已能產生 EUV ，但技術門檻仍在 目前曝光的中國 EUV 原型機，在體積上明顯大於 ASML 的商用設備，結構也相對粗糙。然而，原型機已能成功產生極紫外光，並透過每秒發射 50,000 次雷射來撞擊熔融的錫，從而產生攝氏 200,000 度的等離子體，再讓光線透過反射鏡引導，進行光刻測試。 不過，最大的技術挑戰之一，在於如何複製高精度光學系統。在半導體設備中，這些關鍵光學系統通常由德國蔡司（Carl Zeiss AG）這一類專業公司提供，但中國研究機構只能努力開發本土替代方案。例如在這台原型機中，就使用中國科學院長春光學精密機械與物理研究所（CIOMP）的技術，將極紫外光整合到原型機的光學系統，但細節仍需要大量改進。 國家級動員的限制：制裁背景與設備差距 研發 EUV 原型機是中國為期六年的國家級戰略專案成果，目的是實現半導體自給自足，這也是中國的首要戰略。中國政府設定的內部目標，是希望 EUV 原型機能在 2028 年前製造出可用晶片，不過消息人士認為 2030 年比較有可能實現。儘管如此，這個時間表仍比分析師先前預計中國還需要「數十年」才能趕上西方水準，要早得多。 從 2018 年起，美國便開始對荷蘭政府施壓，要求 ASML [&hellip;]</p>

美軍看上空中計程車！製造商搶攻「軍用轉向」紅利，「混合動力」成新標配

<p>電動垂直起降飛行器（eVTOL），又被稱為「空中計程車」。這些飛機擁有機翼與螺旋槳，能夠像直升機一樣起飛、降落，最初的目標市場是短程商業飛行，以減少城市內的通勤時間。此外，由於使用電力，eVTOL 也比傳統直升機更安靜且污染更少。 近日，Archer Aviation、Joby Aviation 和 Beta Technologies 等空中計程車製造商，除了持續爭取在美國境內進行短程商業飛行的監管許可外，有一個新市場正在對這些企業打開大門，那就是「軍用」市場。 「混合動力」成為軍方關注重點 近期美國國防部領導階層普遍認為，傳統國防承包商無法以足夠快的速度與更低的成本交付新武器，因此五角大廈已承諾將投入數十億美元，發展新興技術領域，以應對快速變化的全球威脅。 為了尋求更快速、更具成本效益的解決方案，美國國防部已發布資訊請求（RFI），蒐集業界對混合動力（hybrid）、自治飛行系統（即垂直起降飛行器，VTOL）的潛在解決方案。 因此這些空中計程車製造商，皆開始大聲主張配備燃氣與電動混合動力的 VTOL，可以比傳統直升機更便宜、更安靜地運載軍事貨物。 值得注意的是，相較於商用 eVTOL 通常採用的純電動設計，Joby Aviation 和 Beta Technologies 的高層表示，將電動電池替換為混合動力引擎，是五角大廈考慮採購的關鍵因素，因為有助於飛機承載更多重量並飛得更遠。 技術發展的驅動力：應對中國挑戰 目前 Joby Aviation 正與傳統國防公司 L3Harris 合作開發軍用 VTOL，並於 11 月試飛原型機；Archer Aviation 則與 Anduril Industries 合作，探索國防應用可能。企業也向軍方提出，VTOL 飛機可用於情報、監視、偵察（ISR）以及移動補給，進一步降低人員風險並提高後勤效率。 此外，部分為戰場開發的 VTOL 設計，還融入可以偵測和避開威脅的自主（autonomous）技術。Beta Technologies 執行長 Kyle Clark 指出，如果將 VTOL 配置為無人駕駛模式，可以使飛機重量更輕，因為這不需要載客所需的座椅或航空電子系統。 由於許多中國公司正在積極發展相關技術，因此美國的技術發展也必須加速前進。Beta Technologies 執行長 Kyle Clark 也曾表示，當美國這些新平台能夠比傳統直升機飛得更遠更快時，就能擁有比中國更強大的工具來應對挑戰。 試點計畫登場，飛行計程車不再只是概念 [&hellip;]</p>

Coding 能力反超自家旗艦 AI！Google 發表 Gemini 3 Flash，企業 AI 甜蜜點來了？

<p>Google 正在重新定義前沿 AI 賽局，推出新模型 Gemini 3 Flash。企業現在可以用更低成本、更快速度，取得接近 Gemini 3 Pro 等級的性能。Google 指出，Gemini 3 Flash 是專為快速迭代設計，滿足開發者與企業對高頻率、即時回應的工作流程需求，同時又不犧牲品質。 成本與延遲成企業採用 AI 的關鍵變數 這項產品的推出，反映了當前企業 AI 建構者的痛點。《VentureBeat》分析，越來越多企業在導入 AI 時，對於昂貴的模型成本感到卻步，開始轉向規模較小、經過精簡的開放式模型，或是研究其他提示技術來控制預算。報導評論，Gemini 3 Flash 對企業的最大價值在於，它提供了與大型模型同等級的影片分析、數據提取等複雜多模態功能，但運行速度更快、價格更親民。 在具體的性能表現上，第三方評測機構 Artificial Analysis 提供了關鍵數據。雖然 Gemini 3 Flash 的原始吞吐量為每秒 218 個輸出 token，比上一代「非推理型」的 Gemini 2.5 Flash 慢了 22%，但它仍顯著快於競爭對手，包括 OpenAI 的 GPT-5.1 high（每秒 125 token）以及 DeepSeek V3.2 reasoning（每秒 30 token）。 當然，這種高智慧也伴隨著所謂的「推理稅」。在處理複雜索引時，Gemini 3 [&hellip;]</p>

【2026 趨勢觀察報告】看來這波 AI Impacts，我們都得選一邊站

<p>不久前，大家都想弄清楚 AI 是什麼？AI 會變成什麼？有些人期待的是一個更聰明的軟體、一個更有效率的智慧工具。有些人擔心 AI 成為超級智慧，威脅人類的生存。但就在這幾個月，對話的焦點發生了根本性的轉變。 這個轉變，是這份《2026 AI Impacts 趨勢報告》的核心。 我們正站在一個關鍵的轉捩點上，我們都得選一邊站。要不成為革命者，或是成為被革命的一方。AI 已經不是新聞，但 AI 代理——那些能理解複雜指令、自主規劃並執行多步驟任務的智慧軟體——與物理 AI（AI 機器人）的加速成熟，正預告著一場真正的自主革命 (Autonomous Revolution)。 這不再是關於如何用 AI 輔助人類做得更快、更好；而是關於 AI 如何開始自主執行過去必須由人來完成的核心業務流程。2026 年的關鍵字是 AI 的規模化與自主化。這場變革的浪潮，AI Impacts ——它不是未來的預言，而是正在發生的衝擊。 為蓄勢待發的決策者預備 全球供應鏈的重組、在地嚴峻的缺工挑戰、數位轉型尚未完成、卻又迎來更猛烈的 AI 浪潮。當您的競爭對手，客戶服務、供應鏈管理、甚至部分研發流程，都開始由 AI 代理 7×24 小時自主運行時，我們失去的將不只是效率的百分點，而是整個商業模式回應市場變化的速度與效度。這正是 TechOrange 科技報橘製作這份報告的目標，為台灣中高階主管務實打造的行動藍圖。 Gartner 預測，到了 2026 年，全球 40% 的企業核心應用程式將結合自主的 AI 代理。AI 的衝擊是全面性的，不同領域所需要的解方截然不同。這份報告將帶領您走過一趟完整的策略思考旅程： 1.總論：AI Impacts in 2026 我們將從宏觀趨勢出發，解析 AI 代理與物理 AI [&hellip;]</p>

AI 開始影響預測、定價與補貨，2026 消費品產業的決策正分成四個層次

<p>當消費品產業同時面對需求波動、供應鏈複雜化與永續壓力，科技不再只是提升效率的輔助工具，而是正在重塑企業決策方式的核心引擎。 從 AI 需求預測、數據驅動的定價與促銷，到智慧供應鏈與永續科技的全面嵌入，2026 年的消費品產業正出現一組彼此連動的科技轉向。以下從四個層面，拆解消費品產業正在形成的新科技骨架。 第一層：決策基礎正在被 AI 重新定義 從產業實踐來看，AI 在供應鏈管理與需求預測領域的應用尤為突出。傳統預測方法依賴歷史銷售數據與基礎統計模型，難以捕捉現代市場的複雜性與動態變化。相較之下，AI 驅動的需求預測解決方案能夠分析多元數據來源，包括銷售點數據、消費者人口統計、經濟指標、天氣模式、社群媒體情緒乃至競爭對手動態，透過機器學習模型識別出人類分析師難以察覺的模式與關聯性。 以寶僑（P&amp;G）為例，當新冠疫情打亂消費者購買模式、使歷史數據失去參考價值時，該公司轉向機器學習來快速適應變化。其 AI 驅動的需求預測系統能夠整合即時數據，在個別產品與門店層級產生精細預測，優化庫存水位與補貨策略，甚至在日本透過 AI 預測系統將配送車隊縮減三成，大幅降低運輸成本與碳排放。 這顯示 AI 正從工具層次提升為營運系統的底層邏輯，其角色定位在 2026 年將更加接近企業的策略核心。 第二層：數據不再只是分析，而是直接驅動行動 當供應鏈的預測與調度開始由 AI 接手，下一個關鍵問題便是：企業是否能把數據洞察，真正轉化為可執行的商業決策？ 全球零食巨頭 Kellanova 首席數據與高階分析長 Loretta Franks 指出，透過數據驅動的行銷，企業能夠實現更精準的市場區隔、更聰明的活動規劃與更強勁的投資回報。 Kellanova 打造的「RGM Navigator」正是這種理念的具體實踐。這套由可信賴數據產品與 AI/機器學習模型驅動的系統，提供優化的定價與促銷洞察，使行銷基金的投入能直接對應可量化的銷售成效。 更具體地說，透過進階演算法判定應促銷哪些產品、何時促銷、折扣深度與持續時間，該公司的鹹味零食促銷效益在 2024 至 2025 年間提升了 91%。 第三層：數據產品開始直接回答業務問題 值得關注的是 RGM Navigator 的下一代演進方向。其新版本導入代理 AI，讓系統從單純的數據彙整，進一步邁向可行動洞察的生成。 其中包括能自動探索數據、識別趨勢並解釋績效驅動因素的虛擬分析師，可直接回應業務端的實際問題，例如拆解促銷效益、審視價格彈性，或分析競爭通路分布如何影響品客在美國市場的成長。 其他案例還包括亞馬遜透過挖掘消費者的線上評論，來強化需求預測；H&amp;M 則運用會員計畫數據，理解消費者購買模式並預判未來需求。 未來的數據產品不只是呈現關鍵績效指標，而是能夠主動回答業務問題，加速決策週期、減少試錯成本，讓團隊能夠做出更快速、更聰明、更有信心的決定。 第四層：營運系統全面互聯，科技成為品牌信任的基礎 消費者端的變化，正在迫使品牌重新設計跨通路的營運邏輯。當體驗被視為連續而非斷裂的流程，品牌的每一個接觸點，都直接影響消費者對其可信度的判斷。 Kellanova 營運長 [&hellip;]</p>

摩根士丹利、花旗銀行如何升級萬名工程師 AI 技能？揭華爾街開發者進入「持續學習模式」

<p>隨著銀行競相邁向 AI 驅動的未來，傳統的軟體開發模式正迎來巨大挑戰，並且幾乎每個月發生一次變革。諮詢機構 Deloitte 2025 年報告指出，銀行雖然一直是科技的早期採用者，但其軟體工程實踐往往因不夠完善，導致效率低下或成果延遲，建議需採用新的軟體工程方法，包括更新人才策略，以及重新審視第三方合作關係等。 在這場 AI 轉型中，如何讓現有的龐大工程師團隊「升級」，成為各家金融機構的首要任務。包括摩根士丹利（Morgan Stanley）、花旗銀行（Citi）與 Capital One 等金融巨頭，正透過不同方式來提升開發人員的技能，其中最核心的兩大重點便是「學習與 AI 溝通」以及「打造內部 AI 課程」。 花旗銀行與摩根士丹利分別擁有約 3 萬名與 1.5 萬名開發人員，Capital One 的工程師人數則約為 1.5 萬人。 工程師新基本功：用「人話」指揮 AI 過去，銀行軟體工程師的共同語言是 Java、Python 等程式語言；但在 AI 時代，清楚表達需求與脈絡的能力，正成為新的關鍵技能。 據《Business Insider》報導，摩根士丹利傑出工程師 Dov Katz 指出，開發人員現在需要學習如何用自然語言與生成式 AI 工具協作，而非僅靠程式碼。他坦言，並非所有技術人員都擅長溝通；花旗 CIO Jonathan Lofthouse 也曾表示，對許多開發者而言「第二語言是 Java」，有時用程式碼表達複雜金融問題，反而比使用母語還流利。 摩根士丹利全球技術戰略主管 Trevor Brosnan 指出，這是一種根本性的轉變：工程師不只是用 AI 輔助寫程式碼，而是將更大的任務委派給 AI 代理，並給予明確的指導。他表示，重點在於把任務目標、背景脈絡與輸出格式說清楚。 這樣的轉變也反映在花旗銀行的內部策略上。《Fortune》報導，花旗銀行在 2025 [&hellip;]</p>

【科技早餐】亞馬遜洽談百億投資 OpenAI，雲端結盟版圖浮現變化

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊亞馬遜洽談百億投資 OpenAI，雲端結盟版圖浮現變化 根據外媒報導，亞馬遜傳出正與 OpenAI 洽談投資，金額可能高達 100 億美元，市場也因此推估 OpenAI 估值上看 5,000 億美元。同時，OpenAI 也已啟動 IPO 準備，外界點名，未來若順利掛牌，估值可能上看 1 兆美元，規模有機會創下科技產業新高。 這筆潛在投資的關鍵不僅在資金，而是算力與雲端結盟策略。消息指出，OpenAI 計畫導入亞馬遜自研的 Trainium 晶片，等於在 NVIDIA 與 Google 之外，開啟第三條算力供應線。隨著 OpenAI 重組為公益公司，解除募資與運算資源限制，但微軟仍握有 27% 股權與模型銷售權，雲端巨頭間的合作平衡正逐步鬆動。 ＊Google TPU 不再陪跑：AI 晶片霸權開始出現裂痕 摩根士丹利最新報告指出，Google 的張量處理單元（TPU）正從內部使用工具，轉為具規模的商業化產品。報告預估，TPU 到 2027 年出貨量可達 500 萬顆，2028 年上看 700 萬顆，成為 NVIDIA GPU 之外，最具規模的 AI 晶片勢力。 TPU 原本是為滿足 Google 自身 AI [&hellip;]</p>

電商正在變成銀行？亞馬遜聯手金融科技新創 Slope，把融資「內建」進平台

<p>亞馬遜近日與金融科技新創公司 Slope 展開合作，透過 AI 驅動的貸款平台深化對亞馬遜賣家的融資服務。這項合作讓融資「內建」到電商平台，只要是符合資格的美國賣家，就可以直接在 Amazon Seller Central 內申請最高達 500 萬美元的信貸額度。 這項設計的優勢在於賣家能夠在不離開亞馬遜平台、不必透過傳統銀行的情況下，僅需幾分鐘即可申請資本，並在極短時間內獲得批准。這些合格賣家必須是信譽良好的專業銷售計畫（professional selling plan）成員，且須經營至少一年並擁有超過 10 萬美元的年收入。 從自營到引入外部夥伴：亞馬遜融資策略的轉變 至於為什麼亞馬遜要讓融資內建到電商平台？原因在於獨立的第三方賣家是亞馬遜電商平台的骨幹，他們貢獻超過一半的銷售額。因此這些獨立賣家對於營運資金的即時需求，已成為亞馬遜能否持續成長並維持市場主導地位的關鍵動能。一旦能讓這些平台賣家維持充足庫存，同時確保他們在銷售高峰期的表現，就能進一步鞏固亞馬遜的競爭優勢。 一直以來，亞馬遜持續探索支持賣家成長的方式。雖然過去曾推出「Amazon Lending 」，並從 2011 年以來向賣家提供合計數十億美元的貸款，但這項計畫已經在去年宣告終止。 現在，亞馬遜選擇與外部金融科技公司合作，這項舉動不僅代表引入新的放貸模式與外部夥伴，以補足傳統放貸流程無法即時滿足賣家需求的問題，同時也透過合作夥伴的資金來降低自身資產負債表上的風險。 為什麼亞馬遜選擇與 Slope 合作？ 這次亞馬遜的合作對象，是獲得 OpenAI 執行長 Sam Altman 與摩根大通支持、2021 年成立的金融科技新創公司 Slope。 Slope 專注在運用 AI 驅動的放貸平台，為中小企業提供更快速的放貸服務，例如系統會利用 AI ，以企業在亞馬遜的即時銷售表現與營運數據為基準進行信譽評估，而不是依賴傳統的個人信用指標。 Slope 的專有模型還會分析產品流通速度、退貨率和客戶評論等細節銷售數據，以高準確性預測還款能力。「我們正在利用 AI 分析銷售數據進行承保，這也讓商家能更快地取得他們應得的資金，」Slope 執行長 Lawrence Lin Murata 說。 Slope 的技術優勢：讓企業申請貸款更容易、更快、整合度更高 此外，Slope 的服務主打「自動化審核流程」，這與傳統銀行需要數週審核的流程形成鮮明對比。賣家只需幾分鐘，即可在 Amazon [&hellip;]</p>

自駕計程車從「能不能跑」到「能不能賺錢」：2025 商業化體檢，誰最接近獲利轉折點？

<p>自駕計程車（Robotaxi）競賽在 2025 年明顯加速商業化，從「能不能在路上跑」走向「能不能規模化、賺錢」。一方面，Alphabet 旗下 Waymo 傳出正與投資人洽談新一輪募資，估值上看至少 1,000 億美元，甚至可能募到超過 100 億美元；另一方面，亞馬遜旗下 Zoox、特斯拉以及中國玩家也在同一年把服務推向更大範圍，讓 Robotaxi 市場進入更直接的正面競爭期。 2026 年即將到來，以下盤點自駕計程車市場的 2025 年現狀。 Waymo 持續擴張，要拼海外市場 《CNBC》報導指出，在自駕計程車的競賽當中，Waymo 目前走得最遠，是美國唯一提供「完全無人駕駛」付費服務的營運商，車隊規模超過 2,500 輛。Alphabet 執行長皮查更表示，公司正專注於「積極擴大規模」，並認為在 2027-2028 年間，Waymo 將對公司財務產生顯著影響。 從營運版圖來看，Waymo 已在美國 5 個城市提供乘車服務，包含奧斯汀、舊金山灣區、鳳凰城、亞特蘭大與洛杉磯。據報導，Waymo 每週付費搭乘次數已突破 45 萬次，2025 全年累積行程數更有望超過 2,000 萬趟。 除了城市擴張，Waymo 也在 2025 年推進幾個關鍵里程碑。包括在 7 月擴大可用年齡層，從鳳凰城開始開放 14 到 17 歲青少年申請帳號；以及在 11 月開始於舊金山、鳳凰城、洛杉磯等市場帶乘客上高速公路路段，並規劃逐步擴大開放對象與區域。 針對 2026 年，Waymo 對外釋出更積極的擴張訊號：該公司目前已在美國與海外共 26 個市場，營運、準備上線或測試服務，並將進一步擴大商業版圖。其中，倫敦將成為 [&hellip;]</p>

穩定幣正式進入美國銀行體系！Visa 打通銀行後端，將 USDC 納入結算系統

<p>過去幾年，穩定幣多半被視為加密產業內部的結算工具，如今正式跨入美國主流金融體系。信用卡巨頭 Visa 宣布，在美國市場開放以 Circle 發行的美元穩定幣 USDC 進行結算，允許銀行與金融科技公司以區塊鏈方式，直接處理 Visa 債務，象徵穩定幣結算機制在美國進入新階段。 根據 Visa 說法，美國的發卡機構與收單機構合作夥伴，現在可選擇透過 Solana 區塊鏈，以 USDC 結算 VisaNet 相關款項。首批參與機構包括 Cross River Bank 與 Lead Bank。Visa 也表示，該服務將在 2026 年前逐步擴大至更多合作夥伴。 從試點走向商轉：穩定幣成銀行後端新基建 Visa 的穩定幣結算計畫，其實已在拉丁美洲、歐洲、亞太和中東歐地區等多個國家累積一定規模。Visa 指出，截至 2025 年 11/30，其試點的穩定幣結算服務年化交易量已達 35 億美元。《Analytics Insight》報導，這筆數字雖然相較 Visa 每年約 17 兆美元的整體支付網路仍屬小眾，但成長速度與制度意義，已引起銀行與監管單位高度關注。 根據《CoinDesk》分析，對金融機構而言，USDC 結算的核心價值在於資金流動速度與可預測性。相較傳統跨行結算可能需耗時一至三個工作天，穩定幣結算可實現近乎即時的資金移轉，並支援全年無休、包含週末與假日的結算節奏。 金融業的後端革命：不改變消費者習慣的系統性升級 值得關注的是，這並不改變消費者端的信用卡使用體驗。與加密支付或消費者端應用不同，Visa 這次鎖定的是銀行與卡組織之間的後端清算流程。也就是說，持卡人刷卡的流程與介面維持不變，但銀行之間的資金移轉，已可在區塊鏈上完成。這讓穩定幣首次在美國被系統性納入銀行日常營運，而非停留在試點或跨境實驗。 這項部署的時機，也與美國監管環境轉向密切相關。自川普政府第二任期以來，美國對穩定幣的政策逐漸明朗。今年 7 月簽署的《GENIUS Act》，被視為美國首個聯邦層級的穩定幣監管框架，為銀行與支付機構採用法幣掛鉤穩定幣提供制度基礎。市場預估，目前約 3,000 億美元規模的穩定幣市場，可能在 2028 年前成長至 2 [&hellip;]</p>

Databricks 1,340 億美元估值揭密：市場為何重押企業 AI 的關鍵資料基礎設施？

<p>資料分析和 AI 新創 Databricks 近期宣布完成一輪大規模融資，使估值達到驚人的 1,340 億美元，較三個月前增長 34%。這股動能也顯示企業技術領域正在發生更深層次的轉變：不僅反映出市場對 AI 的狂熱依舊，更突顯企業 AI 的核心戰場正從單純的模型效能，轉向底層的資料基礎設施。 隨著全球企業加速採用生成式 AI 技術，企業普遍預期這波浪潮將帶動效率提升、增加 IT 支出，並推動資料驅動應用程式的長期成長。在這樣的背景下，企業也開始意識到，能否有效運用既有資料，將成為 AI 能否真正落地的關鍵。 投資人對 Databricks 的重金押注，正反映這樣的轉變。投資顧問公司 Running Point Capital Advisors 的合夥人 Michael Ashley Schulman 指出，投資者正在為一個「所有企業都是資料公司」的世界定價，這樣的世界需要一個統一的平台來清理、分析並操作化資訊。這意味著，企業迫切需要的是一套能實際運用資料的基礎架構，而不只是單純依賴 AI 模型本身。 市場也逐漸意識到，企業資料倉儲與資料平台正成為 AI 採用的關鍵底層結構，AI 的發展很大程度必須仰賴企業專有資料來進行模型客製化，Databricks 的資料倉儲正可作為 AI 服務的底層資料平台。 扮演 AI 的「管線層」：Databricks 如何成為企業 AI 的關鍵基礎架構？ 在這樣的脈絡下，Databricks 的產品被定位為支撐企業在既有資料基礎設施上建構 AI 應用與智慧代理的關鍵「基礎架構」。這種被形容為「管線（the plumbing）」的角色，使企業能在不推翻原有系統的情況下，將資料轉化為可用的 AI 應用，也是市場青睞 Databricks 的重要原因之一。 [&hellip;]</p>

好萊塢 AI 導入三路徑：從極端實驗到制度化合作，如何「多軌道」探索 AI？

<p>生成式 AI 以前所未有的方式顛覆娛樂產業，好萊塢就正在被 AI 的崛起重塑。現在許多電影公司開發主管會使用 ChatGPT 來分析劇本，行銷人員也用 AI 來協助創意活動，但許多人卻因此擔心公司會利用 AI 來裁撤他們的職位。 在這樣的拉扯之下，好萊塢並未選擇全面擁抱或全面拒絕，而是透過極端的 AI 原生實驗、與主流 IP 的制度化合作，以及低調導入日常流程三條路徑，逐步測試 AI 能被接受與納入產業體系的邊界。 方式一：打造極端的 AI 原生娛樂實驗 好萊塢對 AI 的探索，首先體現在極端的「AI 原生」內容實驗上，其中最具代表性的就是全球第一個完全由 AI 生成的實境節目《Non Player Combat》。 這部四集的系列節目由視覺特效製作人兼 AiMation Studios 執行長 Tom Paton 打造，被描述為《飢餓遊戲》、《Fortnite》和《叛徒》的結合體，節目中的每一位參賽者都是使用 AiMation 內部工具 Omnigen-01 以及最先進的 AI 技術生成，並為參賽者建立真實的個性和自主的決策能力。 &nbsp;Tom Paton 表示，這個節目比真實生活中的遊戲節目製作成本降低 90%，並強調觀眾是否被娛樂才是最重要的，至於角色是否為 AI 不是關鍵，甚至因為 AI 參賽者不會「為鏡頭表演」，因此在許多方面甚至比一般的人類實境秀參賽者更真實。 《Non Player Combat》是 AI 時代下好萊塢探索 [&hellip;]</p>

AI 搜尋即將接管消費者決策流程，決策被拆解成哪些新的關鍵時刻？

<p>長期以來，行銷人熟悉的決策模型是一條可預測的直線：消費者先產生認知，進入考慮階段，最後完成購買。而搜尋引擎、社群平台與廣告投放，都是為了把人「導進」這個漏斗，再由品牌網站承接後續轉換。 但這套運作邏輯，正在被人工智慧搜尋快速拆解。對行銷主管來說，問題已不只是搜尋排名或廣告版位，而是當 AI 介入決策流程，品牌還能在哪些節點被看見、被信任、被選擇。 搜尋行為的結構性轉變 過去，搜尋的角色相對單純，使用者輸入關鍵字、點擊連結、進入網站，然後在站內完成比較與評估。行銷漏斗因此以網站為核心，SEO、內容與轉換優化環環相扣。 AI 搜尋的出現，讓這個結構出現根本變化。使用者不再透過零散關鍵字搜尋，而是直接以自然語言描述情境與限制條件，期待一次得到可行的答案。AI 系統則同時從多個來源擷取資訊、比較選項、整理重點，甚至在對話中逐步修正理解。 因此，搜尋不再只是資訊索引，而是成為個人化顧問與行動中介。消費者的發現、比較與決策，往往在搜尋結果頁面就已完成大半，網站反而成為後段驗證或行動的其中一站。 這種轉變，也讓行銷漏斗從線性流程，變成多向交錯的路徑。消費者不一定「一步步往下走」，而是根據當下需求，在不同節點反覆跳轉。 AI 驅動的五種關鍵消費者時刻 在這樣的結構下，消費者行為開始呈現出幾個高度集中的「決策時刻」，而非傳統階段。 第一種是「我也想要」的瞬間。視覺搜尋工具讓實體與數位世界同步成為購物入口。消費者看到一件商品、一道料理，甚至一個路邊場景，就能立即透過拍照或圈選詢問購買方式。這類搜尋往往帶有強烈行動意圖，從靈感到需求的時間差幾乎消失。 第二種是「直接幫我找到適合的選項」。對話式搜尋讓消費者跳過繁瑣的比價流程，直接提出具體條件，期待 AI 給出整合後的建議。考慮階段不再由使用者自行消化，而是被 AI 吸收、處理、濃縮。 第三種，是搜尋先行篩選後的高意圖進站。當 AI 已預先回答基礎問題、排除不適合選項，真正點擊進入品牌網站的使用者，往往已具備更明確的需求與行動準備。流量可能變少，但品質顯著提高。 第四種，「買之前我需要確定一下」則是「最後確認」的信任時刻。即便 AI 能給出推薦，消費者仍會透過搜尋與影音平台比對評價、觀看實測內容，建立信心。這意味著信任並未消失，而是集中發生在更靠近決策的一刻。 第五種，「你能幫我做這件事嗎」時刻是變化最深的一種，是搜尋從提問轉為任務委派。消費者不再只問「哪個比較好」，而是直接要求系統完成預訂、比價、通知或行動。在這個階段，品牌是否能被 AI 系統順利調用，成為新的競爭門檻。 行銷與資料策略的實質影響 這些時刻的出現，正在改變行銷的核心工作。廣告不再只是創造曝光，而是嵌入決策與行動節點，在關鍵時刻被 AI 帶入對話。 同時，第一方資料與結構化資料的重要性被大幅放大。當 AI 需要即時理解產品、庫存、價格與服務條件，資料是否清楚、即時且可被機器讀取，將直接影響品牌是否被納入推薦。 品牌的角色，也因此從單向溝通者，轉為可被調用的服務節點。是否能讓 AI 理解你「是誰、能做什麼、適不適合這個情境」，比單純的聲量更為關鍵。 從被看見，到被納入決策 AI 搜尋帶來的，不是一個工具更新，而是消費者決策節奏與信任機制的重組。當比較、篩選與部分行動被系統接手，行銷的問題已從「如何被看見」，轉為「是否被納入決策」。 未來的競爭，不只發生在創意或投放效率，而是在誰能成為 AI 判斷下的「可靠選項」。對品牌而言，真正的挑戰是，如何讓自己的資料、服務與價值，在這套新的決策結構中持續可見、可用、可被信任。 ＊立即下載【2026 AI Impacts 趨勢觀察報告】 【推薦閱讀】 ◆ 【加速決策】市場還沒問，AI 已給答案：AI 市調出與真人回饋 90% 一致的市場反應◆ 【打造代理宇宙】Fetch [&hellip;]</p>

【專訪愛立信全球產品資安長】當電信網路成駭客金礦，給台灣唯一的建議：活得離未來越近越好

<p>5G 將世界推進萬物連網的時代，AI 則進一步驅動這張龐大網路邁向自動化。對台灣電信業與政府決策者而言，資安的核心命題已不再是「網路會不會被攻擊」，而是當網路成為關鍵基礎設施骨幹、快速雲端化與 AI 化時，我們是否仍在試圖用舊時代的邏輯，防守新時代的戰場？ 電信設備大廠愛立信高層近期訪台，與台灣政府、企業討論強化電信網路安全韌性之契機，《科技報橘》藉此機會專訪愛立信全球產品安全長 Mikko Karikytö，探討在 5G 與 AI 應用快速滲透各產業的當下，電信資安正在面臨哪些結構性轉變。談到給台灣的建議，他給出一句意味深長的提醒：「活得離未來越近越好。」 攻擊者想要的沒變，但「網路的價值」變大了 Karikytö 直言，攻擊者的動機始終如一：為了錢、資訊或造成服務中斷。而電信網路掌握的資料又極為特殊，包含位置、行為與傳訊對象等，對各類情資單位都具吸引力；攻擊者透過破壞連線能力，也能讓人們無法取得服務與資訊。 然而，雖然動機不變，攻擊誘因卻在近年大幅提升。原因不難理解：電信網路不再只是電話與簡訊的管道，而是各種數位系統的骨幹，例如從自駕車、遠距醫療到各類關鍵基礎設施，都高度倚賴行動網路運作。他觀察到，各國政府自 5G 時代起明顯提高對基礎設施安全的關注，「因為他們意識到，5G 最終將成為連接我們所有事物的行動技術。」 AI 讓威脅「可擴張化」，防守必須同步升級 攻防的「工具」也正在質變。Karikytö 指出，電信網路的技術堆疊正快速轉向虛擬化、雲端原生，並開始導入 AI，同時採用開源元件等外部技術。這代表攻擊者雖然目標相同，但手法與切入點已然改變。 生成式 AI 的出現更加劇此挑戰。Karikytö 表示，生成式 AI 不僅能提升攻擊的速度和規模，也可能透過「AI 代理」（AI Agents）進入系統濫用漏洞，當中威脅的「可擴張性」是主要擔憂。儘管目前尚未見到針對電信環境的 AI 代理攻擊，但 Karikytö 強調資安的關鍵實務之一是「在別人的問題成為你的問題之前，先從中學習。」 最令人擔憂的不是新招，而是「傳統攻擊」依舊有效 談到當前最令他擔憂的資安風險，Karikytö 的回答顯得格外保守。相較於新技術，他更擔心的是攻擊者仍能用傳統方式輕易入侵。 「攻擊者依然太容易成功進入網路了，」Karikytö 直言，電信網路高度複雜，攻擊者使用像基於身份的攻擊，就可竊取憑證，進而登入網路並進行橫向移動。 他解釋，複雜度的一大來源是「多代網路並存」，例如 2G 等遺留技術在全球許多地區仍持續運作。這就像一座城市同時擁有嶄新摩天大樓與老舊城區。這些舊世代網路如同資安防護薄弱的違章建築，成為駭客最容易藏身與滲透的入口。 防禦不能只靠人力，資安必須被「規模化」 那麼，營運商該如何應對這樣的風險？Karikytö 的回答同樣務實，提及了三個關鍵字：零信任架構、自動化，以及協作。 換言之，在無法立刻汰換舊設備的情況下，零信任架構涵蓋的最小權限原則、職責分離與網路分段等治理機制，能確保即便單一節點遭到入侵，也不至於癱瘓整個核心網路。 至於安全防護的自動化，Karikytö 指出 AI 能扮演輔助角色，協助更快偵測與分析惡意活動，即時部署新的控管與防禦措施。這也包括用 AI 識別並定位「偽基地台」等人力難以即時察覺的威脅。也就是說，在攻擊規模被 AI [&hellip;]</p>

【科技早餐】白宮搶 AI 人才！美國成立「科技部隊」，工程師直進政府核心

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊白宮搶 AI 人才！美國成立「科技部隊」，工程師直進政府核心 美國政府正式出手搶科技人才。川普政府推出「美國科技部隊」計畫，預計招募約 1,000 名工程師與技術專家，投入聯邦政府的 AI 與數位基礎建設。成員將簽約兩年，年薪最高可達 20 萬美元，直接進駐政府機構，負責 AI 導入、資料現代化與關鍵系統開發。 這項計畫並非單向徵召。蘋果、微軟、Google、NVIDIA、OpenAI、AWS 等科技巨頭全數列為合作夥伴，建立政府與矽谷之間的雙向人才流動管道，也呼應白宮近期推動的全國統一 AI 發展框架，避免各州規範分歧拖慢產業競爭力。 ＊廣告金流壓倒誠信？Meta 被爆放行中國詐騙廣告，年收逾 30 億美元 Meta 正面臨一場難以迴避的信任危機。《路透社》揭露，Meta 去年來自中國廣告客戶的收入超過 180 億美元，其中約 30 億美元來自詐騙、非法賭博與色情等違規內容。儘管中國境內禁止使用 Facebook、Instagram 與 WhatsApp，但中國企業仍可透過這些平台向海外消費者投放廣告，形成高度矛盾、卻極具營收規模的灰色地帶。 根據 Meta 內部文件，中國來源約占平台詐騙與違禁廣告的四分之一，受害者遍及全球，也包含台灣消費者。Meta 曾成立反詐團隊並短暫壓低問題廣告比例，但文件顯示，在執行長 Mark Zuckerberg 指示下，相關稽查行動遭到暫停，團隊甚至被解散，平台誠信與營收取捨再度浮上檯面。 ＊「沒有能源就沒有 AI」：馬斯克質疑核融合，黃仁勳點出底層關鍵 馬斯克再度在能源議題上開砲，直言太陽本身就是「免費的核融合反應爐」，在地球打造小型核融合爐根本是浪費錢。他認為，只要大規模發展太陽能與儲能系統，就足以支撐美國甚至全球能源需求，並推動人類邁向掌握恆星能源的第二型文明。 這番說法正好呼應 NVIDIA 執行長黃仁勳提出的 AI 五層架構。黃仁勳強調，能源是 AI 產業最底層、卻最容易被忽略的一環，沒有穩定且廉價的能源，就沒有晶片、資料中心與 AI 應用。在電價高漲與算力需求爆炸下，能源已成為 AI 發展的關鍵限制。 ＊最強模型也不到七成準？Google [&hellip;]</p>

貝萊德定義最具競爭力人才：AI 技能變標配，「關係建立」反成亮點能力？

<p>人們越來越擔心 AI 會取代自己的工作，但這對於擁有 AI 技能的工作者來說，反而帶來機會。勞動市場洞察平台 Lightcast 分析了超過 10 億個招募資訊後發現，許多公司並未用 AI 取代職位，而是招募能夠利用 AI 的員工。對於全球最大資產管理公司貝萊德（BlackRock）的用人策略來說，也是如此。 貝萊德全球人才招募主管 Nigel Williams 在接受《Business Insider》的採訪中指出，AI 正在全面改變公司的用人標準，具備 AI 素養已是優秀求職者的關鍵能力之一，但他也警告，不應在面試過程中過度依賴 AI。 最具競爭力的人才有何特質？ Williams 表示，AI 已深度嵌入這家資產管理巨頭的各項職能，因此貝萊德渴望招募充滿好奇心、理解 AI 已成時代趨勢的人才。 他表示，最具競爭力的求職者，往往是展現自己既是「數位原生代」，也熟悉多種 AI 工具，並持續關注 AI 的未來發展潛力的人。他已觀察到，許多年輕人才即便沒有電腦科學背景，都在主動培養 AI 能力。 此外，Williams 也強調在 AI 時代，每個人都需要具備 prompt engineering（提示工程）技能，以及質疑與驗證 AI 輸出結果的判斷能力。追根究底，「我們真正需要的，是具備好奇心、質疑精神、不會盲目相信模型輸出，而是願意持續進行壓力測試的人才，」他也進一步補充，強大的人際溝通和關係建立能力將變得越來越重要。 貝萊德如何評估求職者的 AI 技能？ 不過，AI 工具的使用能力該如何評估？雖然 Williams 表示公司仍在研究當中，但提及自己非常關注人們如何在個人、學校或工作生活中運用這項技術。不過，Williams 也提醒，在求職過程中過度使用 AI 也是有害的。 儘管貝萊德已明確告知面試時禁用 AI，但違規者仍屢見不鮮。Williams [&hellip;]</p>

福特 EV 戰略為何大轉彎？從電動車轉向電池儲能，揭重組的 4 大關鍵

<p>福特汽車（Ford）近日宣布電動車（EV）戰略將進行重組。鑑於市場需求減弱、成本高昂及監管政策變動，福特將降低全電動大型車輛生產的優先順序，轉而大力發展混合動力車、增程型電動車（EREV），並利用電池產能開闢全新的電池儲能系統業務。 福特技術平台計畫和 EV 系統副總裁 Lisa Drake 表示，開闢電池儲能系統業務的目標，是為了供應資料中心和電網等商用客戶，以緩解電網需求。此外，系統將採用成本較低且為多數客戶首選的鋰鐵磷酸（LFP）電池。這些電池儲能系統預計將在 2027 年開始出貨，年產可達 20 GWh。 根據這項新計劃，福特將重新利用肯塔基工廠現有的製造能力生產 LFP 電池，並製造電池能源儲存系統模組和 20 英尺直流集裝箱系統等儲能模組。 Lisa Drake 指出，由於福特擁有豐富製造經驗和 LFP 電池技術許可，因此拓展儲能業務自然「順理成章」。 在宣布新業務布局的同時，福特也揭露了這波策略轉向背後的現實考量，可以歸納為四大因素。 一、消費者需求結構變化：從大型 EV 轉向混合動力與平價車款 福特 CEO Jim Farley 指出，這次戰略轉變的主要推動力是「客戶改變決定」。Jim Farley 表示，美國 EV 市場佔整體產業的比重已從 12% 下降到僅剩 5%，但混合動力車的銷量卻增加了 30%，可見消費者對大型純電動車的需求明顯低於預期。 此外，由於電池價格昂貴，且車主對於續航里程或牽引能力始終懷有焦慮，這也使得過去純電動車 F-150 Lightning 的市場反應始終不如預期。因此，福特將重點轉向開發增程型電動車（EREV）這一類更小型、高效且平價的 EV 產品，並預計在 2027 年推出定價約 30,000 美元的中型電動皮卡。福特預期，到 2030 年，混合動力車、EREV 和純電動車將合計佔其全球銷量的 50%。 二、川普政策影響深遠：結束稅收抵免衝擊電動車市場 福特 EV [&hellip;]</p>

Meta 為了守住中國 180 億美元的廣告收入，如何透過「白名單」機制默許詐騙廣告全球擴散？

<p>你也曾經在 Facebook 或 Instagram 平台收到詐騙訊息嗎？《路透社》近日披露，根據 Meta 內部涵蓋財務、遊說、工程與安全部門的資料顯示，近四年來 Meta 相當清楚平台上詐騙的實際規模，卻不願採取可能傷害業務與營收的解決方案。 這份內部文件指出，2024 年 Meta 來自中國的廣告收入超過 180 億美元，占全球營收逾一成，其中約 19%（超過 30 億美元） 來自詐騙、非法賭博、色情與其他違禁內容廣告，可見詐騙廣告與中國廣告收入高度綁定。 《路透社》進一步指出，Meta 高層在多次內部討論後，選擇在政策與資源配置上退讓，並要求執法團隊若要關閉詐騙帳戶，必須取得成長團隊同意，以避免「收入衝擊」。 中國詐騙廣告正在透過代理體系流向全球用戶，還享有「白名單」特殊保護 儘管 Facebook、Instagram、WhatsApp 等 Meta 核心社群媒體平台在中國被禁用，但中國企業仍能透過第三方代理商對海外市場投放廣告，賺取數十億美元的收入。 因此，這些代理商成為中國廣告主進入 Meta 廣告體系的主要管道，Meta 會支付這些代理商約 10% 的佣金，且允許經由頂級代理商購買廣告的中國企業，享有「白名單」的特殊保護，意即當這些廣告被自動化系統標記為「違規」時，不會被立即移除，而是進入人工二次審核。這種複雜且不透明的中介系統，也成為詐騙、非法賭博和違禁品廣告的溫床。 《路透社》訪問幾位詐騙廣告受害者，但部分受害者指出，即使向平台檢舉，也難以追回損失或獲得有效回應。Meta 回應稱，公司已投入大量資源打擊詐騙，並表示詐騙者會不斷調整手法規避偵測。「詐騙者通常是由在全球範圍內運作的跨境犯罪網路驅動，複雜性不斷增加，」Meta 發言人 Andy Stone 強調，Meta 在過去 15 個月內收到的詐騙廣告報告已下降超過 50%，且今年已移除多達 1.34 億則詐騙廣告，並表示《路透社》取得的這份內部文件是「曲解並誤傳事實」。 Meta 前主管揭內情：廣告詐騙在 Meta 內部已被視為「流行病」 前 Meta 誠信事務主管 Rob Leathern 在接受《Fortune》訪問時指出，廣告詐騙問題在 [&hellip;]</p>