TechOrange 科技報橘

擴展汽車產品組合！TI 於 CES 發佈多款新品，加速邁向自動駕駛車輛轉型

<p>德州儀器（TI）今日推出全新的汽車半導體產品和開發資源，旨在提升各類車型的安全性和自主駕駛能力。TI 的可擴展 TDA5 高效能運算單晶片（SoC）系列提供功率與安全最佳化的處理能力以及邊緣人工智慧（AI）功能，最高支援汽車工程師協會（SAE）Level 3 自主駕駛。TI 同時也發佈了 AWR2188，這是一款單晶片 8×8 4D 影像雷達收發器，可幫助工程師簡化高解析度雷達系統的設計。這些裝置加上 DP83TD555J-Q1 10BASE-T1S 乙太網路實體層（PHY）的組合，進一步擴展了 TI 針對下一代先進駕駛輔助系統（ADAS）和軟體定義車輛（SDV）推出的廣泛汽車產品組合。TI 將於 2026 年 1 月 6 日至 9 日在內華達州拉斯維加斯舉行的 2026 年 CES 上首次發佈這些產品。 更多資訊請參閱：ti.com/TDA54-Q1、ti.com/AWR2188 與 ti.com/DP83TD555J-Q1。 汽車系統總監 Mark Ng 表示：「汽車產業正朝著未來邁進，屆時駕駛將不再需要雙手握住方向盤。半導體正是實現此一願景的核心，為每一輛車實現更安全、更智慧、更高等級的自動駕駛體驗。從偵測和通訊到決策，工程師可以利用 TI 的端對端系統解決方案，引領汽車產業的未來發展。」 高效能運算 SoC 協助跨車型實現安全、可擴展的 AI 應用 為了提升下一代汽車的安全性和自主駕駛能力，汽車製造商正在採用支援 AI 和感測器融合的中央運算系統，以實現即時決策。TI 的 TDA5 SoC 系列專為高效能運算所設計，可提供從每秒 10兆次運算（TOPS）到 1,200 TOPS 的邊緣 AI [&hellip;]</p>

智慧手機角色翻轉：2026 年進化為「邊緣運算節點」，重新定義白領工作流

<p>自生成式 AI 應用爆發，手機裡的 AI 功能多半是輔助角色的存在，語音助理、照片功能等，就如同大部分人購買手機時的考慮條件，不會是其內部的人工智慧應用。但 2026 年情況會有所不同。2026 年將是智慧型手機從「個人通訊工具」轉型為「AI 原生行動工作平台」的關鍵年。 行動裝置升級為運算節點 高通的 Snapdragon 8 Gen 5、ARM 的 Lumex 架構，以及 Google 的 Tensor G5，這些新一代處理器從設計之初就以邊緣 AI 為核心。它們不再只是「能跑 AI」的晶片，而是「為 AI 而生」的運算單位。 這種架構轉變帶來的實際影響是：AI 運算可以在裝置端即時完成，不必將資料上傳雲端處理。以白領工作者來說，可以在手機上處理客戶資料、分析銷售數據等，更值得關注的是超級應用與 AI 代理的結合趨勢。 想像一個類似 LINE 的整合平台，但這個平台裡的 AI 不只能回答問題，還能代替你執行動作，自動安排會議、處理費用報銷、回覆例行郵件、甚至根據行事曆和偏好預訂差旅。 當手機能存取你的行事曆、支付系統、聯絡人與位置資訊時，它就成了一個真正的個人化 AI 入口。這種能力讓行動裝置從被動的工具，升級為主動協助工作的運算節點。 折疊螢幕常態化，三星有望推出三螢幕機型 硬體層面，2026 年最顯著的變化是多螢幕設計的普及化。 折疊螢幕手機過去幾年一直是高端市場的專利，價格門檻讓多數購買者卻步。但隨著製造成本下降，OnePlus、Oppo 等品牌開始將雙螢幕設計導入中階產品線，三星甚至可能推出三螢幕機型。消費者已經可以用更合理的價格取得小型雙螢幕工作站，在出差途中同時開啟文件與視訊會議，或是一邊查閱資料一邊做筆記。 顯示器技術的進步也不容忽視。全息投影顯示器雖然離主流市場還有一段距離，但三星與 Sony 已經展示了原型產品，Leia 等新創公司也推出了裸眼 3D 螢幕。對於需要在手機上展示 3D 模型、建築設計或醫學影像的產業，這項功能是很關鍵的重點發展。 除此之外，過去衛星電話是軍方與緊急救援的專屬工具。但隨著 T-Mobile、AT&amp;T 等電信業者與 [&hellip;]</p>

它知道你在搬重物，但不知道你會受傷：想讓 AI 讀懂物理世界究竟多困難？

<p>目前的 AI 還無法主動識別人類的異常動作，例如病患因走路重心不穩造成的摔跤，看似簡單的誤判其實反映出當前 AI 科技的弱點，即人工智慧難以理解人類的運動方式。</p>

連賣房子都能靠 AI！從 Zillow 與永慶房屋看高單價、長週期商品的數位轉型新解方

<p>對多數購屋與租屋族而言，找房的第一步往往不是實地看屋，而是陷入一場反覆調整篩選條件、比較資訊卻難以下決定的拉鋸戰。 這樣的找房情境，正在被 AI 重新改寫。如今業界開始探索，如何讓 AI 協助用戶完成找房流程的初步需求分析與物件推薦，而不再只是資訊展示的平台。最新的案例包括美國知名房仲網站 Zillow 在 ChatGPT 中開放搜尋功能，以及台灣永慶房屋推出「AI 特助」等服務，這些創新應用正在挑戰傳統房仲模式，並引發市場對於 AI 房仲可行性的討論。 從輸入條件到對話搜尋，AI 重塑找房起點 美國房地產搜尋平台近日 Zillow 宣布，與 ChatGPT 合作，讓用戶可以直接在該介面上搜尋房源，用戶只要在 ChatGPT 中輸入自然語言指令，例如「找洛杉磯市中心 40 萬美元內的三房住宅」或「列出西雅圖近郊可租的兩房公寓」，AI 就會自動從 Zillow 資料庫擷取最新房源資訊、顯示地圖、價格與照片，並且提示用戶進一步前往 Zillow 進行看屋預約、聯絡房仲或查詢房貸方案。 這種模式把原本分散在多個頁面的搜尋篩選流程，整合成一段自然對話，讓找房體驗更像日常與朋友聊天般直覺。Zillow 與 ChatGPT 的合作不僅提升了搜尋便利性，也讓 AI 深度參與房產資訊的檢索與初步判斷，這意味著購屋族可以更快速地掌握市場資訊與篩選結果。 買家、租客或賣家都能用，AI 成為最強交易溝通輔助 在台灣，永慶房屋同樣積極將 AI 技術落地到實際找房服務中，推出名為「永慶 AI 特助」（i特助）的數位找房助手。該服務整合在官方 LINE 帳號與永慶房仲網中，用戶可以透過自然語言輸入需求，例如預算、地點、房型、生活機能等條件，AI 會根據這些資訊推薦符合條件的房源，而不需逐項操作傳統搜尋介面，降低找房門檻與時間成本。 此外，AI 特助還提供「特色問 AI」、「社區問 AI」、「AI 導覽」等功能，讓使用者進一步瞭解物件特色、周邊生活環境，甚至透過語音或短影音的方式快速掌握重點資訊。這種由 AI 協助整理物件資訊的流程，讓消費者能以較少時間獲得更精準的資訊，有助於在大量房源中快速聚焦於最感興趣的選項。 除了買家和租客之外，永慶的 AI 也有面向賣家的功能，延伸到不動產交易中最容易產生資訊落差的「委售與溝通」環節。根據《東森財經雲》報導，永慶房屋業管部協理陳賜傑指出，過去售屋過程中，屋主往往只能仰賴仲介的口頭說明，對市場反應與買方意見缺乏具體依據，「現在透過 [&hellip;]</p>

聯發科技於 CES 2026 以 Filogic 8000 系列引領 Wi-Fi 8 生態系發展

<p>聯發科技於 CES 2026 推出全新 Wi-Fi 8 晶片平台－Filogic 8000 系列。此突破性產品組合不僅率先開創 Wi-Fi 8 生態體系，更進一步展現聯發科技持續推動無線通訊技術發展之實力。Wi-Fi 8 將為各類產品帶來極高可靠度的無線連線體驗，並廣泛應用在包括寬頻閘道器、企業AP閘道器，以及各種終端裝置，如手機、筆電、電視、串流裝置、平板電腦與物聯網裝置等之上，同時強化各式 AI驅動產品與應用的效能表現。 隨著連網裝置數量持續增加，無線網路環境益發擁擠且容易相互干擾，導致連線不穩、回應遲緩的狀況。為確保系統順暢運作，穩定的 Wi-Fi 效能至關重要，因此 Wi-Fi 8 應運而生，能針對各種高承載的場景，如大量採用 AI 技術的應用情境，提供更穩定的連線能力與超低延遲的回應速度。此外，使用者亦可藉此享受更高的頻寬、更佳的能效與更優化的連線品質，全面提升整體使用感受。 Wi-Fi 8 因應現今數位化與 AI 驅動的環境需求而設計，其創新技術橫跨以下四個核心領域： 率先推動 Wi-Fi 8 在各項應用領域落地，包括閘道器及終端裝置等解決方案 Wi-Fi 聯盟總裁兼首席執行官 Kevin Robinson 表示，Wi-Fi 聯盟成員一向引領產業創新，此次聯發科技率先推出的 Wi-Fi 8 解決方案樣品，正是展現產業強大發展動能的最佳範例。Wi-Fi 8 將開啟高效能連線的新世代，不僅能支援更複雜的應用情境與沉浸式體驗，更具備極高可靠度的多 Gbps 等級傳輸能力。聯發科技的投入，將確保 Wi-Fi 8 技術可靠、穩固，並充分滿足全球生態系的需求。 聯發科技公司副總經理暨智慧聯通事業部總經理許皓鈞表示，聯發科技率先推動 Wi-Fi 8 在各項應用領域的落地，包括閘道器及終端裝置等解決方案，「透過在 CES 的展示，我們不僅展現了推動次世代無線技術的承諾，也進一步鞏固了我們在現有 Wi-Fi [&hellip;]</p>

【科技早餐】三星翻倍 AI 裝置規模，8 億支裝置加速導入 Gemini

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊三星翻倍 AI 裝置規模，8 億支裝置加速導入 Gemini 三星電子共同執行長盧泰文表示，今年將把搭載 Google Gemini 人工智慧功能的行動裝置數量直接翻倍。截至去年，三星已在約 4 億支手機與平板中導入 Gemini，今年目標拉高到 8 億支，Google 也因此在全球 AI 競賽中取得優勢。 盧泰文指出，三星希望盡快把 AI 應用到所有產品與服務。不過，全球記憶體晶片短缺雖有利半導體事業，卻擠壓手機與消費性電子利潤。他坦言記憶體價格上漲影響不可避免，不排除調整售價，但正與合作夥伴研擬長期因應策略。折疊手機方面，他認為短期成長不如預期，但續用率極高，未來兩到三年可望走向主流。 ＊CES 2026 登場，AI 走進機器與現場 2026 年美國消費性電子展（CES）於 1 月 6 日在拉斯維加斯登場。主辦單位指出，AI 仍是核心主題，但焦點明顯轉向「實體 AI」與機器人應用，涵蓋製造、物流、醫療與消費性裝置。 外媒指出，NVIDIA 執行長黃仁勳將於展會期間密集曝光，市場高度關注其對 AI 晶片與基礎建設需求的最新看法。AMD、高通與英特爾高層也將齊聚相關活動。中國企業同樣高調參展，聯想、阿里巴巴與快手皆展示 AI 成果，美中科技競合與監管分歧，仍為後續發展帶來不確定性。 ＊電動車踩煞車，全球轉型節奏明顯放慢 研究機構預估，2026 年全球電動車銷售成長，將是 2020 年疫情以來最低水準。Benchmark 預測，2026 年全球電動車銷量將成長 13%，約 2,400 萬輛，明顯低於 2025 年的 22%。 專家指出，美國取消電動車稅務優惠、歐洲放寬燃油車禁令，加上中國市場需求降溫，正共同形塑產業局勢。數據顯示，美國今年電動車銷量預估將年減近三成，歐洲仍有成長但幅度放緩。油電混合車銷量持續升溫，反映充電基礎設施不足，正影響消費者購車決策。 [&hellip;]</p>

AI 導入卡在 PoC？BCG 建立「AI 生產線」嚴控品質，養出 3.6 萬個客製化 GPT

<p>在 AI 改變各行各業的今日，許多企業正在衝刺 AI 轉型，將 AI 導入從測試案例，轉變為企業層級的大規模部署，管理顧問業也不例外。截至目前，波士頓顧問集團（BCG）內部與客戶專案中已打造超過 3.6 萬個客製化 GPT，另外有近 9 成員工實際使用 AI，其中一半更是每日使用者。 這樣的轉型，並非由單一部門驅動，而是橫跨研發、顧問前線與人力資源體系，形成一套具組織規模的 AI 運作模式。 BCG 的三層 AI 創新結構 根據《Business Insider》報導，大約在 15 個月前，BCG 成立了一個內部研發實驗室，並在組織設計上，將 AI 創新拆解為三個明確層次，各自對應不同角色與責任邊界。 最底層是資料層。由資料工程師主導，負責整合 BCG 內部的專有資料與經篩選的公開資料來源，並在其上建構 MCP 伺服器與 AI 代理。這一層的核心不再只是模型能力，而是在對的時間，呼叫對的資料，讓 AI 能真正嵌入決策流程。 中間層則來自第一線顧問團隊。在實際的客戶專案中，顧問會針對具體問題，自行開發 AI 工具與代理，用來加速分析、產出簡報或模擬決策情境。當某個工具在專案中被證實有效，便會回流至中央研發團隊，進一步產品化、標準化。 最上層，則是由高階主管主導的全公司級工具。目前 BCG 內部已有 7 到 8 個這類核心系統，包括協助快速產製簡報的 Deckster、處理 IT 與人資需求的 Ava，以及用於對外內容與展示的對話式工具 GENE。 仿效 Palantir 的「前線部署」策略 BCG [&hellip;]</p>

76% 機構投資者計畫擴大數位資產！PwC 證實將「大幅深化」加密佈局

<p>隨著全球監管環境劇烈變動，身為四大會計師事務所之一的 PwC，也正在經歷一場重大的策略轉型。 過去，由於監管不確定性、合規風險以及對消費者保護和金融穩定的擔憂，PwC 在美國對數位資產抱持相對謹慎、甚至設定高門檻的保守態度，但如今隨著監管鬆綁，PwC 正積極調整腳步，全面深化在加密產業的布局。事實上，PwC 早期便在香港與盧森堡等特定辦事處實驗比特幣支付，這樣的經驗，也為如今的布局奠定關鍵基礎。 PwC 因美國監管環境轉向，明確加大對加密產業的投入 PwC 美國區負責人 Paul Griggs 在接受《金融時報》訪問時指出，PwC 已決定「更深入參與（lean in）」加密貨幣業務。這項戰略性逆轉，主要發生在川普政府擁抱數位資產並通過相關法案之後，因為這標誌著主流企業終於可以投入數位資產市場。 Paul Griggs 強調，PwC 這次的策略調整並非短期嘗試，而是深度的生態參與。為了奠定進軍加密貨幣的基礎，PwC 在過去一年積極向外尋求人才，包括挖角專門服務加密客戶的合夥人 Cheryl Lesnik，並在過去 10 到 12 個月內強化內部與外部資源。PwC 目前已成功贏得比特幣礦商 Mara Holdings 的審計業務，展現在數位資產領域的實務競爭力。 在應用場景上，Paul Griggs 預期穩定幣的監管職責界定將為市場帶來更多信心，因此 PwC 正積極向客戶推廣如何利用穩定幣提升支付系統的效率。同時，Paul Griggs 也強調「事物的代幣化（tokenisation of things）肯定會繼續演進」。為此，PwC 提供的服務範疇已涵蓋資產代幣化過程中的風險管理、網路安全、稅務諮詢以及會計處理，協助企業將各類資產轉化為數位形式管理。 外媒指出，監管規則的明確化是促使 PwC 與機構客戶態度轉變的核心驅動力。在美國，證券交易委員會（SEC）轉向優先制定加密規則，且美國國會通過了管理穩定幣的新法律，為銀行發行數位資產鋪平道路。在國際上，歐盟的《加密資產市場法》（MiCA）與亞洲的監管框架也提供結構化的參與環境。此外，會計準則的更新也讓企業能將加密貨幣視為透明的財務工具。 在這些有利條件下，《PwC 的 2026 年市場預測》調查顯示， 76% 的全球投資者計畫在 2026 年擴大數位資產。其中，有近 60% 的機構投資者預期將超過 5% 的管理資產（AUM）配置於加密領域。 [&hellip;]</p>

LG、OpenAI 都在測試！南韓新創 FuriosaAI 押注 AI 推理新戰場，正面挑戰 NVIDIA 市占

<p>隨著生成式 AI 應用在全球加速擴張，企業在模型部署的「推理」階段面臨極高的運算需求與成本壓力，也促使推理晶片成為半導體市場的新競爭焦點。在這樣的背景下，南韓新創公司 FuriosaAI 將自身定位為「專注於 AI 推理」的挑戰者，目的是提供 NVIDIA 之外的替代方案，而非在訓練領域展開正面競爭。 目前，NVIDIA 的 GPU 在 AI 運算市場占據了 90% 至 94% 的市占率，但多數資源集中於模型訓練。FuriosaAI 創辦人 June Paik 認為，過度依賴單一供應商並非好事，「由單一玩家統治的市場並不是一個健康的生態系統，不是嗎？」 NVIDIA 在 AI 訓練市場具有壓倒性市占，但在推理市場出現新空間 儘管 NVIDIA 目前仍主導 AI GPU 市場，且軟體生態系相當完整，但市場競爭格局正在發生變化。《Intuition Labs》研究顯示，隨著 AI 應用大規模普及，將訓練好的模型應用於實際場景的「推理」（Inference）階段，其運算操作量已超過訓練階段。 這項轉變也為專用晶片創造新的切入空間。《Intuition Labs》指出，預計到 2027 年，推理晶片市場規模將達到 1,020 億美元，在這樣的背景下，企業會開始優先考慮能源效率與成本優化，並積極評估是否有比通用 GPU 更符合特定工作負載的專用硬體選項。 FuriosaAI 正是利用這一結構性趨勢切入市場，致力提供比傳統 GPU 更具效能與成本優勢的「神經處理單元（NPU）」。 June Paik 早在 2017 年離開三星電子時，就展現出對這場 AI 典範轉移的高度信心，同時透過研發 [&hellip;]</p>

通用 GPU 時代終結？揭開 AI 推理 4 大戰線：為何 SRAM 成下一記憶體戰場

<p>在 AI 產業快速邁入規模化部署的階段，一個過去被視為後段流程的環節，正成為資料中心與半導體競爭的主戰場：推理（inference）。 根據 Deloitte 最新報告，2025 年下半年，推理相關工作負載在資料中心的營收首次超越模型訓練，成為 AI 基礎設施的主要收入來源。這個被業界稱為「推理翻轉」（Inference Flip）的轉折點，正在重塑整個 AI 技術棧的設計邏輯。 也正是在這樣的背景下，NVIDIA 近日以約 200 億美元規模的非獨家授權協議，取得 Groq 的關鍵推理技術與絕大多數核心團隊，被外界視為一個清楚的訊號：「一種 GPU 打天下」的時代，正在動搖。 「推理翻轉」成形，衡量 AI 的標準正在改變 過去模型訓練主導的年代，AI 硬體競爭的核心指標是 FLOPs、參數規模與可擴展性；GPU 的高度平行化設計，完美契合大規模矩陣運算的需求。 但在推理成為主戰場後，產業關注的指標出現根本位移。準確率仍然重要，卻不再是唯一勝負關鍵，真正左右成本與體驗的是：延遲是否穩定、每單位 token 的耗能與成本、模型是否能在長時間任務中維持「狀態」（state）。 值得留意的是，Deloitte 指出，即便推理晶片市場快速成長：2026 年推理工作負載將佔整體 AI 計算需求約三分之二，但最昂貴、耗能最高的先進 GPU 仍將長期存在於大型資料中心。換言之，市場並非 GPU 被取代，而是架構開始分裂與分工。《VentureBeat》分析出推理市場的 4 大戰線： 戰線 1：AI 推論被拆成兩半 Groq 投資人 Gavin Baker 指出，AI 推論正在拆分為 prefill 與 decode 兩個階段，也是驅動 NVIDIA [&hellip;]</p>

Instagram 總監談 AI 時代社群媒體的信任原則：未來要標記的不再是 AI，而是真人

<p>對社群平台而言，AI 影像的普及不只影響內容型態，更是一場正在侵蝕核心信任機制的結構性挑戰。當圖像與影片可以被 AI 大量、低成本生成，「眼見為憑」的概念也正在鬆動，社群平台不再只是面對內容管理問題，而是必須重新回答一個更根本的議題：在 AI 成為常態的世界裡，什麼才算得上「真實」？ 影像信任的心理轉折：從眼見為憑到預設懷疑 Instagram 總監 Adam Mosseri 在回顧 2025 年、展望 2026 年的文章中指出，Instagram 正走進一個「無限量的合成內容（infinite synthetic content）」時代。隨著 AI 生成的影像在視覺上愈來愈難與現實區分，過去支撐創作者價值的真實感、人際連結，以及無法造假的獨特聲音等核心元素，如今只要擁有正確的工具，幾乎任何人都能輕易觸及。 Adam Mosseri 坦言，在他過去的大部分生活中，他都能「安全地假設」所見的照片或影片是現實的準確紀錄，但這個前提現在顯然已不成立。他警告，這場轉變將讓社會大眾感到不適，因為人類在基因層面上就傾向於「相信眼睛所見」，而我們可能需要數年的時間，才能逐步適應這種心理機制的改變。 因此，Adam Mosseri 預期人們對影像的信任模式將發生根本性位移：從「相信所見為真」，轉變為「先抱持懷疑」。在這樣的環境下，大眾將不再只關注影像呈現了什麼，而是會更加在意「是誰在分享內容」以及「分享的動機為何」。 在這樣的背景下，Adam Mosseri 進一步提出一個明確的判斷。他認為，隨著 AI 模擬真實的能力快速進化，社群平台將愈來愈難有效辨識並標記「假內容」，如果繼續把資源投注在辨識 AI 生成影像，終將陷入永無止盡的消耗戰。在這樣的趨勢之下，平台真正需要思考的是策略重心的轉移，也就是與其抓出所有不真實的內容，不如反過來建立一套機制，清楚證明「哪些內容是真的」。 Adam Mosseri 提新解法：替「真實媒體建立指紋」 在這樣的背景下，Adam Mosseri 進一步分析，現行平台識別 AI 生成內容的手段已被證明並不可靠，不僅容易被移除，也極易被忽視，Meta 甚至也承認，目前無法可靠地偵測平台上的 AI 生成或經修改內容。因此，Adam Mosseri 強調與其永無止盡地「追著假內容跑」，未來更實際的方向，可能是替「真實媒體建立指紋（fingerprint real media）」。 至於如何替真實媒體建立指紋，Adam Mosseri 提供一種與傳統「追蹤假內容」思路截然不同的技術方向：由相機或手機等拍攝設備在拍攝當下即進行加密數位簽章（cryptographically sign），從源頭為影像建立可信任的身分。 為了讓 Instagram [&hellip;]</p>

大學文憑的貶值與升值：為何 AI 無法取代大學提供的「社會化沙盒」？

<p>隨著生成式 AI 快速滲透各行各業，「大學是否還有價值」再次成為科技圈與企業界的熱門辯題。在強調速度與效率的環境裡，質疑聲浪的基礎論述是：如果人工智慧能比初階員工更快寫程式、產出簡報、分析資料，為何還要投入四年時間與高昂成本完成一張學位證書？ 這種懷疑並非空穴來風。過去 15 年來，美國社會對大學教育價值的重視程度明顯下滑。根據 Gallup 調查，現在只有約 35% 的美國人認為大學教育「非常重要」，而在 2010 年，這一比例曾高達 75%。認為大學教育「不太重要」的人數，則從 2010 年的 4%，一路攀升到近四分之一。當成本上升、報酬看似縮水，大學自然成為被重新檢視的對象。 在科技產業高度集中的地區，這股懷疑更被放大成「不上大學也能成功」的敘事。隨著 AI 工具快速成熟，技能取得的門檻持續降低，許多年輕人開始質疑，是否還有必要花這麼長的時間學習那些，可能在畢業前就被自動化的能力。 為何「AI 讓大學過時」的說法看似合理 過去二十年，高等教育經常被包裝為職業訓練的延伸。學生進入大學學習程式設計、會計或法律等硬技能，畢業後再將這些能力轉換為薪水。在這樣的交換邏輯下，若 AI 能以更低成本、更高效率完成相同工作，大學自然顯得笨重而低效。 生成式 AI 的出現，進一步強化了這種對比。許多原本需要初階人力投入的工作，如今只需幾個提示就能完成。對急於進入職場、甚至想搶占創業時機的年輕世代而言，跳過大學、直接投入實作，看起來像是一種更符合時代精神的選擇。 這種「錯過就來不及」的焦慮，在創業圈尤其明顯。部分創業者擔心，繼續留在校園完成學業，等於錯失 AI 發展週期中最關鍵的窗口期。有人因此選擇從名校輟學，全力投入創業，只為了不被浪潮拋在後頭。正如投資人所形容的，現在許多年輕人都在權衡：「我是要完成學業，還是立刻開始創業？」 AI 時代反而放大大學的真正價值？ 但是，仔細觀察 AI 浪潮中的關鍵人物，會發現一個不那麼被強調的事實：多數站在技術前線的創辦人與研究者，並非跳過大學的人。AI 程式碼編輯器 Cursor 執行長畢業於麻省理工學院，AI 新創公司 Cognition 的共同創辦人來自哈佛大學。即便在崇尚速度的科技圈，完成高等教育仍然是主流選擇，而非例外。 這並非因為大學讓他們寫程式寫得更快，而是因為大學提供的，從來不只是「如何做」。當 AI 正在快速接管執行層面的工作，真正稀缺的能力反而轉向「為什麼做」——什麼值得被建構、什麼問題值得投入資源、以及一項技術將如何影響人類與社會。 在 AI 原生的工作環境中，自然語言逐漸成為操作介面，執行能力趨於商品化。差異開始出現在判斷與選擇層面，而這正是單一技能訓練最難涵蓋的部分。理解倫理、社會結構與長期後果，成為駕馭技術不可或缺的前提。 也因此，大學的核心價值並未消失，而是從短期技能，轉向長期可更新的思考框架。這套框架讓人能在工具快速變化時，持續學習、調整與反思，而不被某一代技術綁死。 大學作為成熟與判斷力的培養場 除了知識結構，大學還扮演「成熟與判斷力的培養場」角色。 18 到 22 歲是人格與認知發展的關鍵階段，個體在這段時間逐步形成自我認同，也開始學會在複雜的人際與權力關係中定位自己。校園提供的是一個相對低風險的試錯環境。學生可以在課堂辯論中碰撞觀點，在團隊合作中學習協調，在失敗後重新校準方向。這些經驗，很難被壓縮成線上課程，更難由 AI [&hellip;]</p>

機器身份數量是人類的 82 倍！傳統 IAM 瀕臨崩潰，如何防堵「AI 代理」成最大破口？

<p>在過去的資安架構中，Active Directory 和 LDAP 等傳統身份管理系統（IAM）主要是為了人類員工設計，機器與 AI 代理僅是少數例外。然而，隨著企業加速數位轉型與導入生成式 AI，這種情況已經徹底翻轉。 根據 CyberArk 最新的 2025 年研究報告顯示，目前企業環境中的機器身份數量已是人類身份的 82 倍，這種懸殊的比例正使得以人為本的傳統身份模型，難以招架機器運作的速度而瀕臨崩潰。 這股趨勢背後，AI 代理（AI Agents）是成長最快卻也最缺乏治理的一類機器身份。與傳統僅需進行身份驗證的機器不同，這些 AI 代理具備自主行動能力，能夠執行複雜任務。微軟數據顯示，其 Copilot Studio 用戶在短短一季內就打造了超過 100 萬個 AI 代理，成長幅度達 130%。 儘管機器身份數量龐大，企業的防禦思維卻未能跟上。CyberArk 的調查發現，高達 88% 的受訪組織仍然只將「人類身份」定義為特權用戶。這種認知落差導致機器身份往往擁有比人類更高的敏感存取權限，卻缺乏相應的監管，成為駭客眼中高價值的攻擊目標。 從「人類優先」到全面失靈：為什麼傳統 IAM 撐不住了？ 《VentureBeat》引述分析機構 Gartner 的研究指出，傳統 IAM 無法滿足機器身份的三個關鍵特性：第一，它們不是長期固定存在，而是高度動態、生命週期短；第二，它們以機器對機器（M2M）的速度橫向移動；第三，它們不只「登入」，而是「直接執行動作」。 這也是為什麼 Gartner 預測，到 2028 年，25% 的企業資安事件，將可追溯至 AI 代理或機器身份被濫用。 更棘手的是，這些風險並非來自工程師「不負責任」，而是結構性問題。雲端 IAM 建立帳號與權限流程過慢、資安審查無法貼合 AI 開發節奏，最終迫使開發者選擇「最快能跑起來」的做法：長效 API 金鑰、過度授權的服務帳號，也因此成為最常見的入侵破口。 [&hellip;]</p>

從資料對齊到記憶體管理：打造真正可用的 LLM，韓國 Motif 模型給企業的四大啟示

<p>韓國新創公司 Motif Technologies 最新開源 AI 模型參數量僅 12.7B，卻力壓 GPT-5.1 且跟 Claude 4.5 Haiku 互相媲美，Motif 也透過白皮書帶來 AI 訓練 4 項全新啟示。</p>

【科技早餐】亞洲製造回溫，AI 撐起 2026 展望

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊亞洲製造回溫，AI 撐起 2026 展望 標普全球（S&amp;P Global）最新發布的採購經理人指數（PMI）顯示，台灣與韓國製造業在 2025 年 12 月同步重返擴張，結束數月低迷。兩國皆為全球半導體製造重鎮，受惠於 AI 市場需求回升，台灣 PMI 升至 50.9，創 10 個月新高；韓國則回升至 50.1，重返成長區間。 《路透社》指出，亞洲多數國家工業活動仍維持擴張，中國 PMI 也因假期前訂單增加而意外回升。標普全球表示，AI 需求持續推動新訂單與產量，企業對 2026 年製造業前景的信心，明顯轉趨樂觀。 ＊記憶體轉向 AI，手機與 PC 漲價壓力浮現 市場研究機構 IDC 與 Counterpoint Research 指出，記憶體產能正加速從手機與個人電腦，轉向支援 AI 資料中心，推升整體記憶體價格。IDC 預期，2026 年 DRAM 供應成長率僅約 16%，低於歷史平均水準。 隨著蘋果、Google 與三星等品牌取得記憶體的成本上升，廠商勢必面臨價格壓力。Counterpoint 預估，今年第二季前記憶體價格累計漲幅可能達 40%，智慧型手機平均售價恐上調 6.9%，全球出貨量則將下滑 2.1%。 ＊SpaceX、OpenAI、Anthropic 最快 2026 年 IPO [&hellip;]</p>

Arm 發佈 20 項技術預測：分享 2026 年及未來發展趨勢

<p>全球運算技術的格局正在發生影響深遠變革——運算模式正從集中式雲端架構，向涵蓋各類裝置、終端及系統的分散式智慧架構演進。2026 年將邁入智慧運算新紀元，屆時，運算將具備更高的模組化特性和能源效率表現，實現雲端、實體終端及邊緣人工智慧（AI）環境的無縫互聯。 根據這個趨勢，Arm 發佈 20 項技術預測，這些技術將引領 2026 年的下一波創新浪潮。 晶片創新 1. 模組化小晶片技術將重新定義晶片設計 隨著產業持續突破晶片技術的極限，從單片式晶片向模組化小晶片架構的轉型將全面加速。透過將運算單元、記憶體與 I/O 拆分為可重複使用的建構模組，晶片設計人員可靈活搭配不同製程節點，於降低研發成本的同時加快產品規模化。產業對模組化的關注日益提升，說明晶片設計正從「追求更大晶片」轉向「打造更智慧系統」，使晶片研發團隊能夠自由組合各類製程節點，針對多樣化的工作負載快速客製系統單晶片（SoC）。這一趨勢將進一步推動可客製小晶片的崛起——這類高度可配置的模組，能深度整合通用運算單元、特定領域加速器、區塊或專用 AI 引擎——將協助晶片團隊無需從零起步即可打造差異化產品，進而大幅縮短設計週期，降低創新門檻。同時，產業的標準化進程也將持續推進，新興的開放標準將確保不同廠商的小晶片產品能夠進行可靠、安全的整合。這不僅能降低系統整合風險，拓展供應鏈選擇範圍，更將催生一個以互通性元件為核心的生態體系，取代以往高度耦合的單一廠商系統模式。 2. 憑藉先進材料和 3D 整合，實現更智慧的擴展 2026 年的晶片創新將更多來自新型材料應用與先進封裝技術，如 3D 堆疊和小晶片整合等，而非來自電晶體尺寸的進一步縮小。這種路徑有助於在高效能晶片中實現更高的整合密度與能源效率表現。這種「超越摩爾定律」的演進強調垂直創新，透過功能分層整合、最佳化散熱效率以及提升每瓦算力來突破，而非單純的橫向尺寸縮放。該技術路徑不僅將成為高效能、高能源效率運算持續發展的關鍵支撐，更將為更強大的 AI 系統、更高密度的資料中心基礎設施，以及更智慧的邊緣裝置奠定基礎。 3. 以資安為核心的晶片設計成為不可妥協的基本要求 隨著 AI 系統自主性不斷增強，且日益深度融入關鍵基礎設施，「以資安為核心」的晶片設計（Secure-by-design）將從一項商業差異化的優勢，轉變為基本要求。當前，攻擊者已開始探測 AI 系統的可利用漏洞，並將硬體本身做為攻擊目標。面對日益嚴峻的威脅，晶片內建的硬體級信任機制變得相當重要。Arm 記憶體標籤擴充（MTE）、硬體可信任根和機密運算安全區域等技術，將成為晶片的標準配備功能，而非選配元件。此外，個人與企業正將越來越多的高價值數位資產儲存在 AI 系統中，包括專有資料集、業務邏輯、使用者憑證、個人歷史資料及財務資訊等，這就需要在晶片層面部署多重安全防護措施，包括加密強制隔離、記憶體完整性及運行時驗證等多層安全機制。 4. 專用加速技術與系統級協同設計定義 AI 運算的未來，推動融合型 AI 資料中心興起 特定領域加速技術的興起，正在重新定義晶片效能，然而此一變革並非透過簡單區分通用運算與加速器。相反地，產業正朝著系統級協同設計的客製化晶片方向演進，這類晶片將從系統層面與軟體堆疊協同設計，並針對特定 AI 框架、資料類型及工作負載完成深度最佳化。亞馬遜網路服務（Graviton）、Google Cloud（Axion）和Microsoft Azure（Cobalt）等領先的雲端服務提供者正在引領這個轉變，展現為緊密整合的平台，意即從底層開始將專用 CPU、加速器、記憶體和互連共同設計在一起，這是實現可擴展、高效率且開發者可存取的 AI 的核心。此趨勢將推動次世代基礎設施—— AI 資料中心加速落地，這類資料中心可極大化單位面積內的 AI 算力，進而降低 AI [&hellip;]</p>

中國人形機器人新路線：不拚量產，先拚「每個人都玩得起」

<p>當人形機器人成為全球科技產業競逐的新戰場，多數企業選擇押注「與人同高、工業級、可直接上線工作」的路線，試圖率先跨越商用門檻。然而，在這條主流路線之外，中國正浮現另一條截然不同的發展方向。 由中國人形機器人新創 AgiBot（智元機器人）共同創辦人、上緯新材董事長彭志輝（稚暉君）主導的新品牌「上緯啟元」，日前正式發表迷你型人形機器人「啟元 Q1」。這款高度僅約 0.8 公尺、可直接放入背包的人形機器人，並未試圖證明「人形機器人是否已能取代人類工作」，而是將定位鎖定在「個人化實體 AI 開發平台」，希望降低參與門檻，讓更多人投入實體 AI 的開發與實驗。 把「全身力控」壓縮進背包大小 啟元 Q1 最受矚目的技術突破，在於其小尺寸、全身力控的設計。與市面上多數全尺寸人形機器人相同，Q1 依然具備全身力控能力，能在與環境互動時即時感知與調節力量，這也是目前人形機器人實現穩定動作與安全互動的關鍵能力之一。 過去，這類能力幾乎只存在於體型龐大、造價高昂的工業級人形機器人上，原因在於關節系統難以微型化。彭志輝指出，上緯啟元透過材料、結構與控制演算法的多重創新，成功將原本用於全尺寸人形機器人的 QDD（Quasi-Direct Drive）準直驅關節，縮小至「比雞蛋還小」，卻仍保有高動態響應與精準力控表現。 尺寸縮小後，Q1 的體積與重量僅約為全尺寸人形機器人的八分之一，這不只讓機器人更容易攜帶，據稱也降低了測試風險。官方形容，Q1 具備較高的耐摔性與結構強度，即使在測試過程中跌落，仍可維持運作穩定，讓開發者能更放心地在真實機器上進行反覆試錯。 從「實驗室原型」走向「個人設備」 在上緯啟元的產品敘事中，啟元 Q1 被視為一個關鍵過渡角色，介於實驗室原型機與個人設備之間。彭志輝形容，Q1 是「屬於每個人的第一個個人機器人」，也是研究人員的「畢業機」。 對學術研究與開發團隊而言，人形機器人最大的瓶頸之一，始終是「Sim2Real」問題，也就是從模擬環境轉移到真實世界時，成本高昂且風險極大。Q1 透過體型縮小與結構強化，意圖降低真機測試的代價，讓演算法能像調整軟體環境一樣，在實體機器上反覆驗證，將開發週期縮短。這樣的設計，目的讓人形機器人不只是企業或研究機構的專屬設備，而是更接近可被攜帶、可被使用、可被改造的個人裝置。 開源與零程式碼，鎖定開發者社群 為了建立開發者生態，Q1 採取相對開放的軟硬體策略。在硬體方面，上緯啟元宣布將開源 Q1 的外觀結構數據，允許用戶透過 3D 列印自行製作或改裝外殼配件；在軟體方面，平台提供 SDK（軟體開發套件）與 HDK（硬體開發套件），並支援零程式碼（zero-code）程式設計，降低操作門檻，讓非工程背景用戶也能進行動作編排與功能測試。 此外，Q1 內建「智元靈心」AI 平台，整合語音互動與百科問答等功能，並展示英語教學與動作指導（如舞蹈教練）等應用潛力。上緯新材表示，這款產品的目標受眾涵蓋科研人員、創客社群與家庭用戶，希望透過降低技術與成本門檻，擴大人形機器人應用創新的參與基礎。 此次發表同時也是上緯新材完成股權結構調整後的重要戰略宣示。資料顯示，智元機器人已於 2025 年透過協議轉讓與要約收購方式取得上緯新材控制權，並推選彭志輝出任董事長。新品牌「上緯啟元」的成立，也確立公司將「個人機器人」納入未來核心業務方向之一。 同時，智元機器人也揭露其量產進度，表示整體機器人出貨量已突破 5,000 台，產品線涵蓋工廠應用的 G 系列、主打動態移動的 X 系列，以及全尺寸人形機器人的 A 系列。分析指出，Q1 的加入，將補齊該公司在小型化與消費級市場的布局，使其產品矩陣從工業應用延伸至個人與開發者場景。 ＊本文開放合作夥伴轉載，資料來源：《Interesting Engineering》、《ifar》、《證券時報》，首圖來源：稚暉君 [&hellip;]</p>

馬斯克喊 2026 大規模量產腦機介面裝置，但「全自動手術」如何落地？揭三大關鍵門檻

<p>Neuralink 創辦人馬斯克（Elon Musk）近日在社群平台 X 上宣布，公司計畫在 2026 年開始大規模量產腦機介面裝置，同時這項計畫不僅止於硬體製造，更核心的發展方向，是要把植入手術流程轉向「幾乎完全自動化」的模式。 馬斯克指出，「量產」與「自動化」必須雙軌並進，因為這樣才能將現有的複雜程序改造成更具效率的標準化流程。馬斯克也特別提到，未來的技術目標是讓裝置的細微「線材」直接穿過硬腦膜（dura）而不需將其移除，這項改進對於提升手術效率至關重要。 然而，外媒普遍指出，這項量產與自動化目標在實務上仍面臨三道關鍵門檻。 Neuralink will start high-volume production of brain-computer interface devices and move to a streamlined, almost entirely automated surgical procedure in 2026. Device threads will go through the dura, without the need to remove it. This is a big deal. https://t.co/nfNmtFHKsp &mdash; Elon Musk (@elonmusk) December 31, [&hellip;]</p>

不拼算力拼架構！DeepSeek 新招 mHC AI 架構如何突破「記憶體高牆」？

<p>在全球 AI 產業競逐算力、模型規模與資本密度的當下，中國 AI 新創 DeepSeek 再次選擇從「底層架構」出手，2026 年第一天就發表由創辦人梁文峰共同掛名的最新論文，提出一套名為「流形約束超連接」（Manifold-Constrained Hyper-Connections，簡稱 mHC）的全新模型訓練方法，試圖在模型規模持續放大的同時，壓低運算與能源成本。 對熟悉 DeepSeek 發展節奏的產業觀察者而言，這類論文往往不只是學術交流，更是下一代旗艦模型背後做出哪些技術創新的「預告片」。DeepSeek 在一年前曾以 R1 推理模型震撼全球業界，當時該模型的開發成本僅為矽谷競爭對手的一小部分。隨著新論文問世，外界對 DeepSeek 下一代旗艦模型（被廣泛稱為 R2）的期待值正不斷攀升，分析師普遍預測該模型可能會在 2 月的農曆春節前後正式登場。 不拼算力，改拼架構：從 ResNet 到 mHC 的演進 DeepSeek 在論文中點出當前大型模型訓練的核心矛盾：模型要變得更深、更大，訓練過程卻越來越難以穩定，且記憶體與算力需求快速攀升。這對無法自由取得最先進 NVIDIA 晶片的中國 AI 公司而言尤其棘手。 一般來說，AI 模型由多個「層」（layer）組成，使用者輸入提示詞後，資料會依序通過各層進行運算，每一層只負責部分計算，再將結果傳給下一層，直到最後一層輸出回應。這種分層結構讓模型能逐步累積判斷結果，完成對問題的理解與生成，是現代大型語言模型與視覺模型的核心運作方式。 現行多數大型語言模型，仍建立在 2015 年提出的 ResNet（殘差網路）架構之上，透過「殘差連接」讓誤差訊號能在深層網路中順利回傳，避免訓練崩潰。然而，隨著模型層數與參數規模不斷擴張，殘差連接也逐漸暴露出學習訊號「塌縮」與擴展性受限的問題。 2024 年，字節跳動研究團隊曾提出 Hyper-Connections（HC），試圖擴大殘差路徑的表達能力，提升模型在不增加單元計算成本下的學習穩定度。DeepSeek 在論文中肯定 HC 的方向，但也直指其致命缺點：記憶體成本隨模型放大而急遽上升，實務擴展性有限。 mHC 的核心創新，在於引入「流形」（manifold）這一數學結構，對 HC 的梯度流動進行約束。透過這種方式，模型在訓練過程中能維持梯度穩定，同時避免不必要的狀態膨脹，讓大規模訓練在成本與效能之間取得新的平衡。 實測結果揭露：更大模型，卻沒有更貴 在實驗中，DeepSeek 使用 mHC 分別訓練了 30 億、90 [&hellip;]</p>

OpenAI 秘密硬體「Gumdrop」曝光！ 全力衝刺音訊模型，要讓 AI 介面從螢幕轉向「一支筆」

<p>《The Information》報導，OpenAI 正在加速研發一種專為優化音訊生成任務的 AI 模型，預計在 2026 年第一季推出。這款模型採用全新架構，目標是生成比現有模型更自然、更具情感表達力的語音，並能更好地達成使用者與 AI 之間的即時雙向互動。 值得注意的是，新音訊模型將具備在使用者說話時同步回應與更流暢處理中斷的能力，這些能力是目前的模型所無法企及的。這款模型的研發也被視為 OpenAI 進入消費電子市場的關鍵前置準備，最終目標是要支撐未來預計推出、以音訊為核心的個人裝置（audio-first personal device）。 AI 硬體輪廓浮現：與 Jony Ive 合作，「AI 筆」成為可能形式 OpenAI 進入消費電子市場的過程並非單打獨鬥。先前 OpenAI 已與前 Apple 設計長 Jony Ive 展開深度合作，並在 2025 年 5 月以 65 億美元收購 Jony Ive 創立的設計公司 io Products，目的就是為了開發一系列「AI 驅動的硬體家族」。 這項合作的核心願景是重新定義人機互動，希望能創造讓人感到 「快樂、充實、平和且減輕焦慮」 的裝置。Jony Ive 目的是想透過「音訊優先」的設計，糾正過去電子產品過度讓人分心與成癮的「錯誤」，並降低使用者的數位疏離感。 《Digit.in》報導，OpenAI 預計推出的這款代號為 「Gumdrop」 的硬體產品，可能跳脫傳統智慧型手機或耳機的範疇，是一款類似「AI 筆」或「隨身音訊裝置」（to-go audio device） 的掌上型產品。 這種類型的裝置能讓使用者手寫筆記後，透過 [&hellip;]</p>

廣告與會員費收入撐起三分之一利潤：沃爾瑪如何示範全通路廣告新樣貌？

<p>平時，打開電視是為了觀賞節目，但對廣告主而言，打開電視就像開闢一個全新的「購物場景」。隨著數位行銷環境改變，零售媒體不只存在於電商網站的橫幅廣告中，更把第一方零售數據帶進智慧電視（CTV），重塑品牌接觸消費者的路徑，其中沃爾瑪（Walmart）就是代表例子。 根據 eMarketer 預測，零售媒體市場在 2025 年將成長約 20%，主因是廣告主日益依賴零售商所擁有的第一方數據，以在更接近銷售點的位置接觸消費者。在這一浪潮中，沃爾瑪的廣告業務部門「Walmart Connect」表現尤其亮眼，在 2025 年美國市場的增長率達 33%，遠超整體市場的增長速度。 沃爾瑪透過 Vizio 擴展智慧電視廣告能力，進而展開跨平台整合方案 目前，廣告收入與會員費已佔沃爾瑪營業利潤約三分之一，已成為營收結構中至關重要的一環。沃爾瑪執行副總裁兼財務長 John David Rainey 指出：「廣告已成為我們業務中變化最大的領域之一，或者說，其影響力對我們的損益表（P&amp;L）改變最為顯著。」憑藉每週可以觸及 1.5 億名消費者的能力，沃爾瑪正在利用線上平台、App 與實體門市的覆蓋率，打造無縫的廣告觸點。 例如，沃爾瑪在 2024 年收購智慧電視製造商 Vizio 後，得以利用購物歷史數據，針對智慧電視用戶投放精準廣告，並精確測量這些廣告對實際銷售的影響。 除了 Vizio 的免費廣告串流服務外，廣告商也可透過 Vizio 作業系統（OS）中的其他應用程式，利用沃爾瑪的受眾數據進行投放。根據 Walmart Connect 銷售高級副總裁 Ryan Mayward 的觀察：「當客戶看到 CTV 廣告時，他們從沃爾瑪購買產品的可能性會提升 28%。」 此外，沃爾瑪也致力於消除不同平台間的數據隔閡，擴展了跨平台整合方案，並與 TikTok、Meta 及各大電視網絡合作，確保品牌能在沃爾瑪門市內外的「每一個廣告表面」獲得一致且標準化的指標數據。這些布局並非零散的技術嘗試，而是正好呼應零售與廣告產業正在發生的一個結構性轉變。 Walmart 的策略，正呼應全通路廣告新趨勢 目前的趨勢顯示，智慧電視、程序化廣告（Programmatic Advertising）與零售媒體（Retail Media）之間的界線正在快速淡化，而沃爾瑪近年的布局，正是這場融合的具體體現。智慧電視、程序化廣告與零售媒體這三個過去分別由不同規則、團隊與成效指標主導的廣告領域，正逐步融合為一個高度連接的整體生態。這樣的轉變並非產業刻意設計的結果，而是由消費者行為所驅動：使用者在不同螢幕與平台之間自然切換，使原本各自獨立運作的廣告通路，不得不走向整合。 在這樣的全通路廣告堆疊中，各個組成要素分別承擔不同功能，彼此相互補位：智慧電視為品牌提供具備傳統電視規模感的高品質廣告環境，同時引入數據導向的精準買席能力；程序化廣告則以自動化為核心，不受裝置限制地追蹤用戶意圖與行為，並透過即時競價與優化，提高跨通路投放的效率；零售媒體則負責提供第一方購物者數據，支撐跨載具投放策略，同時將廣告表現與實際購買行為連結，完成成效衡量的「閉環」。 隨著「觀看」、「瀏覽」與「購物」之間的界線持續模糊，內容消費與購買決策幾乎已難以切割。消費者可能先在電視上看到廣告，接著在手機上搜尋資訊，最後在零售 App 中完成交易，這對使用者而言只是日常的數位使用情境，卻意味著行銷策略已難再以單一媒介為單位進行規劃。這也代表行銷人員正被迫從過去的「通路優先」思維，轉向以使用者行為為核心的規劃方式。 《Agency Reporter》指出，這場轉型並非對未來的預測，而是正在發生的現實，全通路廣告堆疊並不是為未來預作準備的選項，而是已經開始形塑受眾行為的運作模式。隨著行銷漏斗被重新排列，認知、互動與轉化不再是彼此分離的階段，而是同時發生的體驗。這種融合並非一時的行銷風潮，而是基於實務需求所形成的結果，讓像沃爾瑪這樣的品牌能以更有效率的方式運作，並更清楚掌握使用者在不同螢幕之間的移動路徑。 [&hellip;]</p>

AI 為何不再「越大越好」？專家：新一波擴展定律關鍵在「世界模型」

<p>多年來，AI 產業幾乎遵循一條簡單但粗暴的規則：越大越好。從更大的資料集、更高的參數量到更強的運算力，只要把 AI 模型「餵飽」，模型能力就會一路上升。從 GPT-3 到 GPT-4，從早期的 AI 聊天機器人到具備推理能力的模型，這套定律在很長一段時間內確實有效。但現在，這條被稱為「擴展定律」（Scaling Law）的路線正遇到瓶頸。 LLM 的限制不在聰不聰明，而在它「只會預測」 專攻 AI 領域的伊斯蘭堡 COMSATS 大學終身副教授 Tehseen Zia 指出，目前的主流 AI 系統 LLM 如 ChatGPT，本質上是強大的統計引擎，它們透過機率預測下一個字，卻並不真正理解世界的因果機制。例如，AI 知道「玻璃掉落」後常接「碎裂」，是因為它看過無數包含這些詞彙的句子，而不是因為它理解重力或物體易碎的物理特性。 這種以語言為中心的學習方式，正撞上所謂的「資料牆」（Data Wall）。Zia 指出，公開網路資料本身是有限的，合成資料雖能暫時補洞，卻容易導致模型偏誤被反覆放大，甚至出現「模型崩塌」。單靠文字，AI 很難再跨出關鍵一步。 從「預測文字」走向「模擬世界」 於是，一群 AI 研究者、科技巨頭把焦點從「讀懂文字」挪向「理解文字背後的現實」，紛紛提出下一個可能改寫 AI 成長曲線的關鍵詞：世界模型（World model）。 世界模型不僅僅是預測下一個標記（token），而是像人類一樣在腦中建立物理環境的運作地圖。NVIDIA Cosmos 產品管理資深總監 TJ Galda 告訴《Computerworld》，世界模型的核心不在於生成更逼真的畫面，而在於「理解什麼事情在現實世界中是可能的」。這也是為什麼世界模型特別強調 3D 空間、物理定律、物體恆存與行動後果的預測能力。 這種模型，能在行動前先「跑一輪內部模擬」。例如，在工廠場域中，機器人不只是辨識「危險區域」的文字標示，而是理解若繼續前進，可能引發的實際風險。Zia 認為，AI 如要取得進步，就必須從統計模仿轉向現實模擬。 從 NVIDIA 到 World Labs，巨頭爭相佈局 這場從預測文字轉向模擬現實的典範轉移，已在矽谷引爆新一波競賽，吸引科技巨頭與頂尖研究者爭相佈局。 NVIDIA [&hellip;]</p>

四分之三企業資安演練一上場就崩潰，該如何修補「現實落差」？

<p>根據以色列資安公司 Cytactic 日前公布的「2025 資安事件應變管理（CIRM）報告」，高達 70% 的企業資安主管表示，組織因內部失誤所造成的混亂程度，超過了實際上的駭客與攻擊者。</p>

【科技早餐】孫正義湊齊 410 億美元，軟銀豪賭進 OpenAI 金三角

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊孫正義湊齊 410 億美元，軟銀豪賭進 OpenAI 金三角 AI 投資戰局出現關鍵轉折。軟銀宣布正式完成對 OpenAI 高達 225 億美元的追加投資，連同 2025 年以來的直接注資與聯合投資，總金額約 410 億美元。交易完成後，軟銀持有 OpenAI 約 11% 股權，成為僅次於微軟與 OpenAI 基金會的第三大股東，孫正義正式進入 OpenAI 的核心權力結構。 為完成這筆號稱史上最大規模的私募融資案，軟銀採取「All-in」資產變現策略，包括大規模裁員與出清 NVIDIA、T-Mobile US 持股，合計套現逾百億美元。市場解讀，這代表軟銀正從硬體紅利的被動參與者，轉向直接押注 AI 模型與基礎建設的長期主導權。 ＊xAI 再買第三棟建築，馬斯克把 AI 戰場推向百萬顆 GPU 級別 馬斯克旗下 AI 新創 xAI 宣布，已買下第三棟建築，擴充位於美國田納西州曼菲斯的超級電腦集群「巨像」。xAI 目標將訓練運算能力推進至接近 2 百萬瓩等級，整體系統可容納至少 100 萬顆 GPU，被外界視為挑戰 OpenAI 與 Anthropic 的關鍵布局。 外媒指出，新資料中心將與規劃中的「巨像 2」相互呼應，並接入當地自建天然氣發電廠與其他電力來源，最快於 [&hellip;]</p>

AI 資料中心搶食記憶體產能，為何 Apple、Lenovo 撐得住？

<p>如果最近覺得筆電升級變貴、遊戲主機的下一代消息遲遲沒下文，這並不單純是通膨或品牌策略的問題，而是在 AI 浪潮下，記憶體正在被大型 AI 資料中心佔據，造成傳統消費性硬體能分到的資源大幅縮水。 這股資源排擠效應，已開始改寫 2026 年筆記型電腦的市場預測。根據 TrendForce 的最新報告，由於全球經濟復甦緩慢及消費者支出謹慎，加上記憶體價格飆升，因此預估 2026 年全球筆記型電腦出貨量將下修至 1.73 億台，年減幅達 5.4%。TrendForce 進一步指出，若記憶體價格上漲趨勢在 2026 年第二季前未見放緩，且品牌商無法將成本轉嫁給消費者，筆電市場的衰退幅度恐將擴大至 10.1%。 AI 推升記憶體需求，成為硬體供應鏈的核心壓力來源 這場硬體市場震盪，根源於 AI 技術快速發展與生成式 AI 的普及。為了建構具備高運算能力的超級電腦，AI 資料中心正以前所未有的速度大量採購高階記憶體（RAM），使消費級市場的記憶體供應陷入緊張，也同步將市場價格推向高點。 同時，PC 市場也正與需求龐大的 AI 資料中心競逐相同的關鍵零組件資源。IDC 將此現象形容為「前所未有的記憶體晶片短缺」，並指出隨著 AI 應用需求進一步升溫，這波供應緊張的狀況可能一路延續至 2027 年。 在成本壓力持續攀升的情況下，硬體品牌被迫調整產品策略以維持基本利潤水準。這不僅提高終端售價上調的風險，也可能導致產品規格升級趨於保守，例如延後原本規劃的硬體升級、維持既有記憶體配置，或是縮減促銷頻率與規模，以因應不斷膨脹的成本壓力。 因此，這一連串由 AI 驅動的連鎖效應，正迫使整個硬體產業重新檢視產品布局與上市時程，不過在同樣的壓力之下，並非所有品牌都具備相同的承受能力。 供應鏈與規模差距浮現：為什麼 Apple 與 Lenovo 可以撐住？ TrendForce 分析，在整體筆電市場下修的趨勢中，具備規模優勢與供應鏈控制力的品牌將展現較強的韌性，其中 Apple 與 Lenovo 就是目前市場上最有能力穩定出貨並抵禦成本壓力的代表。 首先，Apple 的核心優勢在於其高度整合的供應鏈與強大的市場議價能力。由於採購量龐大且穩定，加上產品發布時程極為明確，且需求規劃具備高度可預測性，這使得 Apple 往往能獲得記憶體供應商的優先合作權。因此即便整體市場面臨零組件成本上升，Apple [&hellip;]</p>

AI 模型越來越強，應用卻跟不上？微軟 CEO 點破產業正陷入「模型滯後」真相

<p>2026 年將至，微軟執行長納德拉（Satya Nadella）在個人部落格發表了對新一年的 AI 展望，表示 2026 年將是 AI 史上最具里程碑意義的一年，因為這項技術的發展方向將與以往不同。 「沒錯，又是一年。」納德拉表示，AI 技術正從初期的「探索」過渡到「廣泛普及」階段。在這過程中，產業開始區分什麼是單純的「噱頭（spectacle）」，什麼才是具備「實質（substance）」的應用，以便更清楚地掌握這項新技術的去向及其對世界的影響。 罕見承認「模型滯後」，AI 發展僅在馬拉松起跑點 他也在文章中罕見承認，人們正處於「模型滯後」（model overhang）的狀態。所謂「模型滯後」，是指 AI 模型的運算能力與技術發展速度，已經超過了人類目前將其應用於實際層面並產生具體影響的能力。 不過，納德拉仍強調：「我們仍處於馬拉松比賽的最初幾公里。」他認為未來仍充滿不可預測性，而在這個能力超前於應用的時期，如何正確地使用這些能力來創造真實世界的影響，是當前最大的挑戰。 針對此一現象，納德拉提出了三個關鍵見解，為未來的 AI 發展指路： 1. AI 是人類潛能的支架，而非替代品 納德拉引用了賈伯斯（Steve Jobs）著名的「大腦的自行車（bicycles for the mind）」比喻，說明電腦如何放大人類的能力。他認為在 AI 時代，需要進化這個概念，將 AI 視為人類潛能的「支架」或「認知放大器」，是用來輔助人類思考，而非取代人類。 他表示，重點不在於任何特定模型的強大程度，而在於人們如何選擇應用它來實現目標。納德拉呼籲超越關於 AI 是「內容品質低劣」（slop）還是「高度精緻」（sophistication）的二元爭論，並發展出一種新的平衡、全新的「心智理論」：將這些新工具融入人類與他人互動的方式中，而這將是產品設計的核心問題。 2. 從打造模型轉向打造系統 為了讓 AI 產生真實的影響力，納德拉認為產業重心必須從單純的「構建模型」轉向「構建系統」。雖然模型能力呈指數級成長，但也存在著棘手問題或限制。 他指出，產業需要建立能夠讓多個 AI 模型和 AI 代理協作的架構，同時賦予它們記憶功能，並且能安全地使用。他認為，這種工程層面的轉變，是讓 AI 在現實世界中真正發揮作用的必要條件。 3. 做出審慎選擇，解決人類與地球的難題 最後，納德拉警告，人們需要對如何利用 AI 來解決人類和地球面臨的挑戰做出「審慎的選擇」。AI 若要獲得社會的信任與接納，就必須展現出真實世界的評估成效。 「我們將稀缺的能源、算力和人才資源投入到哪裡，這些選擇至關重要。」納德拉最終強調，這是一個需要建立共識的社會技術議題。 [&hellip;]</p>

從即時排程到自適應決策 析數智匯 RT-APS 於 APICTA Awards 2025 獲國際肯定

<p>於臺灣舉辦的第 24 屆亞太資通訊科技聯盟大賽（APICTA Awards 2025)）已於 2025 年 12 月圓滿閉幕，國際上有來自 14 個經濟體、超過 200 組團隊參與。臺灣代表隊表現亮眼，並獲得10 金、8 銀、6 銅及 5 優勝，展現臺灣在資通訊與數位產業的整體實力。析數智匯股份有限公司以自主研發之「iPASP RT-APS 即時自適應生產排程系統」，榮獲「製造、供應鏈與物流」類別銅牌獎，展現其在智慧製造軟體應用領域的卓越技術實力與產業代表性。 在製造現場高度變動是常態的情境中，傳統 APS 多仰賴固定規則與離線運算，難以即時因應插單、設備異常或產能波動。析數智匯所提出的 RT-APS，核心在於「即時自適應」排程架構，透過數位分身（Digital Twin）架構與邊緣運算（Edge Computing）同步反映產線狀態，讓排程派線系統從靜態規劃工具，進化為即時決策機制。 在實施技術面，RT-APS 能夠整合 ERP、MES 與設備資訊，結合自研 RANMC（Resource Adjustment Network Message Communication）演算法，搭配分散式運算架構，可於秒級內完成工單與機台的重新配置。支援橫向擴充的設計，也讓企業可依產能規模彈性擴展，降低智慧排程導入門檻。導入經驗顯示，RT-APS 能協助製造業者提升準交率與設備稼動率，同時縮短生產週期，特別適合少量多樣、高變動的製造型態。這使生產線能在不中斷生產的情況下，持續進行排程調整，回應現場變化。 析數智匯表示，隨著全球供應鏈不確定性升高，製造業競爭已從「排得出來」轉向「即時調動」。未來，公司將持續深化工業 AI 與即時排程與派線技術，並以此次 APICTA Awards 的肯定為契機，拓展國際市場，讓臺灣智慧製造軟體在全球產業中發揮更大影響力。 （本文訊息由析數智匯提供，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。首圖來源：析數智匯。）</p>

【中美人形機器人大戰】中國拚 2026 量產，為何市場看好美國「笑到最後」？

<p>人形機器人已成為中美科技大戰最前線。儘管特斯拉執行長馬斯克高喊人形機器人 Optimus 將把公司市值推向數兆美元，但至今尚未開賣。反觀中國正傾全國之力推動新創與製造商，試圖在 2026 年搶先實現大規模量產。目前，中國看似贏面大，但市場分析指出，這樣的領先地位不會永遠持續下去。 人口紅利消失，中國急推「具身智能」救經濟 顧問公司 Horváth 合夥人 Andreas Brauchle 告訴《CNBC》，中國目前在「人形機器人初期商業化」階段已領先美國，但是他也提及，長期來看，兩國市場規模可能趨於接近，而在這一波起跑點，中國的擴張速度明顯更快。 麥肯錫資深合夥人 Karel Eloot 指出，中國積極發展人形機器人的動機，來自三股壓力交會：人口老化與勞動力萎縮、尋找下一波經濟成長引擎，以及在全球科技競爭中維持戰略地位，這也讓人形機器人被視為能同時回應產業與社會問題的關鍵技術。中國當局在「十五五規劃」提案中，就明確將「具身智能（Embodied AI）」，即包含機器人、自駕車等結合 AI 的硬體，列為發展重點。 量產速度與成本優勢，撐起中國 60% 市場預期 投資銀行 RBC 預估， 2050 年，全球人形機器人潛在市場規模可達 9 兆美元，其中中國可能占比超過 60%。這項判斷，建立在中國製造體系的深度與成本優勢之上。 中國有超過150家人形機器人公司，包括宇樹科技（Unitree）、優必選（UBTech）、智元創新（AgiBot）及中國車廠小鵬，近年陸續展示人形機器人產品，並明確規劃量產時程。優必選甚至計畫在 2026 年將年產能拉高至 5,000 台，並於隔年倍增。 Counterpoint Research 副總監 Ethan Qi 告訴《CNBC》，中國完整的供應鏈，使業者能以明顯低於其他地區的成本開發與製造機器人。事實上，優必選就預期，每年生產成本可再下降 20% 至 30%。而中國地方政府補貼與試點計畫，也加速了整體產業的早期商業部署。 美國押注「垂直整合」，競爭焦點不只在價格 不過，市場規模的先發優勢，並不等同於長期勝利。Horváth 的 Brauchle 表示，美國「在 AI、自主性和先進演算法開發方面具有優勢」。 麥肯錫的 Eloot 也分析，美國業者正採取「垂直整合」策略，試圖掌握從致動器、感測器到 AI 軟體的更多關鍵環節，以換取更穩定的效能、安全性與可防禦的智慧財產權。這也代表，美國市場未必追求最快量產，而是希望在系統成熟度與應用深度上建立長期門檻。 [&hellip;]</p>

美國晶片設備管制從「豁免」走向「年審」，半導體廠中國布局進入地緣政治動態風險期

<p>根據《Reuters》報導，美國政府已正式核准南韓半導體巨頭三星電子（Samsung Electronics）與 SK 海力士（SK Hynix）取得 2026 年度的晶片製造設備出口許可，允許兩家企業向位於中國的工廠運送美國製半導體設備。 然而，與過去「經認證的終端用戶」（Validated End User, VEU）長期豁免資格不同，美國改採「每年審核」的制度，代表企業未來不再享有一次性、跨年度的出口保障。自 2026 年起，所有設備出口都必須每年重新獲得美國政府的授權後才能進行。 「年度審核制」讓美國可以根據最新貿易環境調整出口條件 為什麼美國政府決定推動制度轉向？核心意圖就在於強化對中國晶片生態系統的直接監管，藉此更完整掌握進入中國半導體領域的美國技術。同時，年度審核制也可以讓美國政府逐年評估地緣政治與國家安全情勢，並根據最新的貿易環境與國安需求，隨時調整、收緊甚至撤回出口條件，讓美方在政策執行上更具靈活度與籌碼。 另一方面，即使核准 2026 年的設備出貨，美國仍持續限制中國取得最先進晶片製造設備與相關技術的機會，以防止中國快速提升先進製程能力，進而將技術突破應用於軍事或高端消費產品。 外媒指出，這項新制度展現美國在長期管制出口政策的同時，也兼顧經濟實務上的考量：透過核發具期限的許可，美國能避免立即中斷全球記憶體供應鏈所帶來的經濟衝擊，特別是在當前 AI 資料中心需求強勁且記憶體供應吃緊的情勢下，可以有效維持全球電子製造業的短期穩定性。 年審計畫為設備更新與產能規劃帶來變數，三星與 SK 海力士成關鍵案例 在新的年審制度下，最直接影響的對象，正是在中國維持大規模產能的記憶體大廠。三星電子是全球快閃記憶體（Flash）龍頭，SK 海力士則為全球最大 DRAM 製造商，兩家企業在中國均設有至關重要的生產樞紐，包括三星位於西安的 NAND 快閃記憶體廠，以及 SK 海力士在無錫的大型 DRAM 廠與大連的 NAND 廠。這些廠區佔據全球記憶體生產的重大份額，特別是在成熟製程的 DRAM 與 NAND 產品上極具市場影響力。 然而，這些先進工廠在技術與維護上高度仰賴美國供應商提供的關鍵設備，例如應用材料（Applied Materials）為高頻寬記憶體（HBM）中關鍵的矽穿孔（TSV）技術提供基礎製造機器；Lam Research 生產的介電質蝕刻機則是減少 NAND 快閃記憶體漏電、確保數據穩定的核心工具。 因此對三星與 SK 海力士而言，2026 年度的出口許可提供短期的營運穩定性，確保中國廠區在未來一年內能獲得必要的維護設備與日常工具，防止產線停擺。然而，由於許可效期僅有一年，企業每年都必須面對審核結果的變數，這大幅增加設備更新與產能規劃的長期不確定性。 《Tom’s Hardware》分析，年度審批制度意味著出口管制已成為一項持續存在、必須反覆因應的經營風險，代表企業在中國的佈局不再取決於一次性的政策決定，而是必須隨時應對地緣政治的變化。 中國同步推動晶片設備本土化要求，降低對外國技術的依賴 在美國收緊管控的同時，中國政府也持續強化發展自主供應鏈。《Reuters》報導，北京要求晶片製造商在擴產時，必須證明至少有 50% [&hellip;]</p>

AI 成為「無意的詐騙放大器」：為何你該懷疑聊天機器人給出的每一組客服電話？

<p>詐騙集團過去常在 Google 搜尋結果散佈假客服電話，鎖定只想解決小問題、急著求助的使用者。如今同一套套路正快速移轉到新的資訊入口：AI 搜尋與聊天機器人。 AI 網路安全公司 Aurascape 的報告指出，詐騙者會把假的客服或預訂電話「埋」進 AI 會抓取的公開網頁與文件，讓它在 Perplexity、Google AI Overviews 等服務的回覆中，以看似權威的方式被呈現為聯絡資訊。使用者一旦撥打，接通的不是品牌客服，而是詐騙者。 攻擊者在改寫 AI 讀取的網路 Aurascape Aura Labs 首席安全研究員 Qi Deng 強調，這不是越獄，也不是模型憑空臆造一個隨機號碼，而是攻擊者悄悄改寫 AI 系統讀取的網路。 當使用者詢問如何聯絡航空公司時，AI 助手其實是在照設計流程檢索、整理與生成答案，但被提供的客服與預訂電話卻被導向詐騙者。Aurascape 將這種模式稱為「LLM 電話號碼投毒」，其目標是成為 AI 助理「選擇、總結並呈現為答案」的唯一來源。 為了讓號碼更容易被 AI 摘要採用，詐騙者不再只追求搜尋排名，而是追求「被收斂成單一答案」。 他們會把內容放在高信任度或容易被引用的來源上，包括被入侵的政府與大學網站、常見的 WordPress 網站，或是 YouTube 等用戶生成內容平台；並以 AI 更易解析的形式呈現，例如簡單的問答、列表，反覆出現品牌名與電話號碼，甚至刻意讓措辭貼近使用者可能輸入的問題。 SEO 追求在結果頁「排前面」，GEO/AEO 則追求被 AI「挑中並當成答案」。因此，問題不在於 LLM 被入侵，而在於生成式搜尋的檢索與引用機制被污染。 Qi Deng 也警告，即使 AI 今天能正確抓到客服電話，它的檢索層已經被污染，「攻擊正在進行中」，更多被污染的來源滲入最終答案只是時間問題。 AI 成為「無意的詐騙放大器」，平台開始迴避高風險答案 [&hellip;]</p>

連機器人先驅都示警：為何砸錢仍解不了人形機器人的關鍵難題？

<p>近期在矽谷山景城舉行的 Humanoids Summit，聚集超過 2,000 位來自迪士尼、Google 及多家新創公司的工程師與業界人士，集中展示人形機器人的最新技術突破，成為當前物理 AI 領域最受矚目的焦點之一。 在創投資金與科技巨頭持續加碼下，人形機器人看似正快速逼近日常應用場景，但產業內部對「距離真正上工還有多遠」的看法，卻尚未形成共識。Humanoids Summit 創辦人 Modar Alaoui 便直言，物理 AI 將成為常態，但真正的問題在於，這個轉變究竟需要多長時間才能發生。 在 Humanoids Summit 上，許多站在第一線的機器人「創造者」，本身也對前景保持高度警覺，試圖為過熱的市場降溫。事實上，來自製造商與工程師的討論皆顯示，產業對人形機器人的質疑，已逐漸聚焦在三個現實層面：展示能力與實際任務之間的落差、是否能長時間穩定運作並承擔錯誤成本，以及在雇用與管理層面，企業是否能清楚評估投資報酬率。 問題一：展示能力與實際任務之間的落差 儘管市場投資者在 2025 年已向人形機器人領域投入約 50 億美元，全球也有約 50 家公司各自籌集超過 1 億美元資金，但產業整體仍處於從「科學實驗」邁向「實際勞動力」的轉型陣痛期。 2025 年人形機器人在硬體方面展現出突破性的進展。例如 Figure AI 推出的新一代 Figure 03，具備更強的感知與觸覺控制，還可以展現與人類極其相似的跑步姿態。波士頓動力（Boston Dynamics）也在 CES 2025 公開新版 Atlas，進一步強化物理性能與移動力。 雖然多款人形機器人已能完成動態平衡，可以在不平整地面行走，甚至在狹窄空間操控物體，然而這些亮眼示範仍主要侷限於「受控環境」中，與真正的「通用」仍有距離，因為目前的技術仍難以讓人形機器人在多變、非結構化的場景下可靠地完成類人任務，尤其是在「處理脆弱物品或雜亂情境」時，這正涉及機器人最核心的缺陷：缺乏「物理直覺與適應力」。 正如麥肯錫管理顧問公司合夥人 Ani Kelkar 所說，現在許多大眾正根據影片進行「大舉推斷」，像是把摺衣服的示範過度聯想為全能管家。但現實是，即使是目前最先進的視覺語言動作系統（VLA），仍處於早期採用階段，且面臨「訓練數據不足」的瓶頸，導致機器人難以在混亂的現實環境中做出可靠決策。 問題二：是否能長時間穩定運作並承擔錯誤成本 「人形機器人領域仍有一座非常、非常大的高山需要攀登，還有大量的研究有待解決，」新創公司 Haptica Robotics 聯合創辦人 Cosima du Pasquier [&hellip;]</p>

企業 AI 為何越推越沒人用？Deloitte 揭露「影子 AI」背後的信任危機

<p>當企業開始導入 AI 技術，一個令人料想不到的現象正在發生：雖然企業端提供的 AI 工具普及度提高，員工的使用率反而下滑，背後關鍵不是模型能力，而是「信任」。顧問公司 Deloitte 調查美國多個產業約 3.7 萬名工作者發現，許多受訪者寧願冒險使用未經批准的外部 AI 工具，也不願使用公司提供的系統。 員工不是不用 AI，是不想用「公司那套」 根據 Deloitte 一項每日追蹤客戶與員工情緒的指標 TrustID Index 的數據顯示，2025 年 8 至 10 月，員工對公司 AI 工具的信任度較前一季重挫 29%。此外，在公司有提供 AI 工具的受訪者裡，有 37% 表示會使用未經批准的生成式 AI 工具，這種「影子 AI」現象，正悄悄繞過公司監管。 換言之，員工並不是不信任 AI，而是不信任公司要他用的 AI：他們可能覺得工具是被強塞的、價值不清楚、品質不穩定，甚至擔心自己是在幫忙訓練一個可能取代自身工作的系統。當這種心理落差擴大，企業越想用制度推動，使用者越容易轉向更順手、體驗更好的外部工具。 5 個做法，把信任從口號變成落地工程 為了扭轉這一局勢，Deloitte 在《哈佛商業評論》分享了 5 種已被其客戶驗證有效的方法，協助企業重建員工信任並推動 AI 的實際採用： 1. 先量化並衡量信任度，再談導入 信任不應只是模糊的感覺，而是被視為可衡量的指標。Deloitte 建議企業應評估信任的 4 個核心要素：人性、透明度、能力和可靠性。 透過量化這些指標，領導者可以精準找出信心流失的部分。舉例來說，如果資料顯示員工對於 AI 的透明度缺乏信任，企業就應加強溝通 AI [&hellip;]</p>

【科技早餐】孫正義 40 億美元押資料中心，軟銀直搗 AI 底座

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊孫正義 40 億美元押資料中心，軟銀直搗 AI 底座 日本軟銀正式出手 AI 基礎建設。為了搶佔下一波 AI 商機，軟銀宣布將以 40 億美元全現金，收購美國資料中心投資公司 DigitalBridge，交易預計於明年下半年完成。這起收購，象徵軟銀將布局重心從 AI 應用與投資，進一步推進至資料中心等關鍵基礎設施。 軟銀董事長孫正義直言，此舉並非單純財務投資，而是為了打造「Artificial Super Intelligence 平台」，掌握 AI 背後不可或缺的運算底座。DigitalBridge 管理資產規模約 1,080 億美元，投資涵蓋資料中心與光纖網路。AI 戰場，正從模型與晶片，延伸至「誰掌握資料中心」的競逐。 ＊Meta 收購 Manus，AI 代理正式進入社交帝國 趕在 2025 年結束前，Meta 宣布收購 AI Agent 新創 Manus。這家公司上線僅 8 個月，年度經常性收入（ARR）即突破 1 億美元，成為近期成長速度最快的 AI 新創之一，也顯示大型科技公司正加速搶進 AI 代理領域。 Manus 主打通用型 AI 代理，除對話外，還能執行研究、分析與自動化任務。截至 12 月初，Manus 已處理 [&hellip;]</p>

AI 會取代白領工作還是創造更多機會？AI 教父示警失業潮，企業 CEO 卻看見成長契機

<p>諮詢公司 Challenger, Gray &amp; Christmas 的最新數據顯示，2025 年全美裁員總數高達 117 萬人，其中因為 AI 直接導致的裁員人數就逼近 5.5 萬人。像亞馬遜、微軟、Salesforce、IBM 等科技巨頭，都紛紛在 2025 年揮下裁減人力的大刀。 在這樣的背景下，2026 年的勞動市場將持續迎來「失業潮」，還是會看見「新生機」？近日被譽為「AI 教父」的電腦科學家 Geoffrey Hinton 在接受 CNN 採訪時警告，AI 將在 2026 年具備「取代許多工作的能力」，特別是針對數據分析與決策等白領職位。 Geoffrey Hinton：人類在職場上仰賴智力建立的傳統優勢，正在被 AI 跨越 Geoffrey Hinton 觀察，AI 目前已能替代客服呼叫中心這一類工作，但這僅是開始，因為 AI 處理任務的能力大約「每七個月就會翻倍」，例如現在 AI 已經從處理「一分鐘的程式碼編寫」進步到可以執行「長達一小時的完整項目」，並預計在幾年內將能完成長達數月的軟體工程專案，進而大幅減少對人力的需求。 Geoffrey Hinton 因此將 AI 的興起比擬為一場「智力版的工業革命」。他指出，過去的工業革命之所以徹底改變勞動結構，是因為機器的出現讓人類的體力不再是生產力核心，使身體強壯與否在多數工作中變得不再重要。 如今，AI 正對人類的智力產生類似的衝擊。由於現代 AI 系統不僅能以極高速度處理資料，還開始具備推理、適應與模仿人類認知的能力。更關鍵的是，這波變革的威脅不只來自自動化本身，而在於 AI 正逐步滲透原本被視為高度人類專屬的白領領域，包括需要判斷、創意與決策的工作。 因此，當 AI 開始具備推理能力，甚至能展現出欺騙與操縱人類的行為時，人類在職場上仰賴智力建立的傳統優勢，可能會像工業革命後的體力一樣迅速消解。過去人們認為「思考能力」是人類最後一道防線，但 AI 正在證明，這道防線有可能被科技跨越。 [&hellip;]</p>

不靠 5G 也不用衛星！美研究揭量子糾纏能打造「零資料交換」的機器人戰隊

<p>在野火、災區或戰場等極端環境中，無人機群與機器人車隊面臨著共同的致命傷：通訊中斷。一旦失去連線，多代理 AI 系統便無法交換資訊，導致協同決策癱瘓。長期以來，工程界始終苦無對策，無法讓系統在「零資料交換」下維持協作。 近期，美國維吉尼亞理工學院（Virginia Tech）研究團隊提出了一項跳脫傳統通訊思維的新方法，嘗試以「量子糾纏」取代電纜、無線電波或衛星等傳統通訊傳輸，讓 AI 系統即使在「完全無訊號」的狀態下，仍然能彼此協調行動。 不傳訊號也能協作？量子力學的超距作用 研究團隊指出，在分散式多代理強化學習（Multi-Agent Reinforcement Learning，MARL）環境中，協作是一項關鍵挑戰。這類去中心化系統的學習框架，往往面臨兩難：既需要代理間的明確協調以提升效益，又必須降低共享龐大觀測數據所帶來的通訊與運算負擔。 為突破這項限制，研究人員轉向量子物理中最具顛覆性的現象之一：量子糾纏。當兩個量子位元（qubit）處於糾纏狀態時，其中一方的狀態變化，會立即反映在另一方，即便彼此相隔甚遠，且不需要任何訊號在空間中傳遞。 eQMARL 架構：用狀態改變取代數據傳輸 基於這個概念，研究團隊提出名為 eQMARL（Entangled Quantum Multi-Agent Reinforcement Learning）的新框架。其核心想法是，讓每個 AI 代理各自持有彼此糾纏的量子位元，當代理與環境互動、做出決策時，這些行為會改變本地的量子狀態，並同步影響其他代理手中的糾纏量子位元。 關鍵在於，系統不需要知道「哪些資訊」被改變，只要偵測到「狀態發生變化」，就能推斷整體系統的行動方向。研究作者之一 Alexander DeRieux 表示，這是一種利用變化本身進行學習的機制，而非仰賴具體資料交換。 根據該研究，在模擬實驗中，eQMARL 在通訊受限甚至完全中斷的情境下，表現明顯優於傳統多代理 AI 方法，也勝過未使用量子糾纏的量子學習基線模型。 應用潛力：從救災到抗干擾軍用系統 研究認為，這套架構在理論上可應用於多種高風險場景，例如野火救援的無人機群、地震後搜尋瓦礫的機器人隊伍，甚至是需要高度抗干擾能力的軍事自主系統。由於整個過程不依賴網路或衛星通訊，也被視為一種高度安全、難以被攔截的協同機制。 不過，研究團隊也坦言，這項技術距離實際落地仍有不小距離。首先，大規模、長時間維持穩定量子糾纏，目前仍高度依賴實驗室等級設備；其次，量子硬體在體積、耐用度與成本上，都尚未達到可部署於無人機或行動機器人的程度。 DeRieux 預估，若要看到這類技術真正應用於災害應變或實地部署，恐怕還需要 10 到 15 年的時間。接下來，研究團隊將持續完善數學模型，並在更貼近現實條件的模擬環境中進行測試，等待量子技術本身的成熟。 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：《Interesting Engineering》、arXiv，首圖來源：Unsplash</p>

中國如何把數位人民幣升級為「數位存款貨幣」，正面挑戰支付寶與微信？

<p>中國人民銀行近日宣布，從 2026 年 1 月 1 日起，商業銀行將可以對民眾持有的數位人民幣（e-CNY）錢包餘額支付利息。這項新政策被納入最新公布的數位人民幣管理與推廣框架中，也被視為自 2019 年數位人民幣試點計畫推動以來，最重要的一次制度調整。 中國人民銀行副行長陸磊在中國《金融時報》中表示，數位人民幣的角色正在轉變，從原本只具備支付功能的「數位現金」，進一步升級為能夠帶來收益的「數位存款貨幣」。這也代表數位人民幣在法律與技術層面，將取得與傳統銀行存款相近的地位，同時也被納入中國的存款保險制度，讓使用者享有與一般銀行帳戶相同的資金保障。 過去數位人民幣主要被視為支付工具，缺乏明確的持有誘因，相較於私人支付平台，數位人民幣在便利性或回饋機制上的競爭力皆不足，所以這次中國試圖透過「支付利息」的制度，將數位人民幣轉化為具備「價值儲存」功能的工具，提高用戶願意將資金存放在數位人民幣錢包的誘因，而這樣的制度誘因設計，正是中國官方試圖突破既有行動支付格局的重要切入點。 透過「利息回饋」挑戰支付寶與微信的市場優勢 儘管數位人民幣已試點多年，且截至 2025 年 11 月底交易金額已達 16.7 兆元人民幣，但中國仍認為普及程度不如預期。其中，普及率難以擴張的核心原因，就在於支付寶（Alipay）與微信支付（WeChat Pay），已牢牢掌控中國的無現金支付生態，成為一般消費者難以改變的既有習慣。 在這樣的背景下，允許商業銀行向數位人民幣支付利息，被視為中國政府正面挑戰支付寶與微信支付市場主導地位的手段，因為這兩大私人支付平台憑藉龐大的用戶基數與成熟的生態系占據市場優勢，但不會為帳戶餘額提供直接的利息回饋。 因此，中國官方透過將數位人民幣納入類似存款的制度框架，為數位人民幣建立差異化競爭優勢，並試圖讓數位人民幣在日常支付與資金存放層面更具吸引力。 商業銀行角色出現轉變，「低利率現實」將是挑戰 未來，數位人民幣的利息將由負責營運錢包的商業銀行支付，而非由中國人民銀行直接發放，這項制度的設計，也使商業銀行在推動數位人民幣的角色上出現明顯轉變：銀行可將數位人民幣餘額納入自身的資產負債管理體系，提升爭取用戶資金的誘因。同時，數位人民幣的利率將依循既有的存款定價自律機制運作，與傳統存款市場維持一致。 然而，儘管這項新政策被視為推動數位人民幣以來最具制度突破性的措施之一，但外界對實際效果仍抱持審慎態度。由於目前中國銀行業的存款利率已降至歷史低點，例如大型銀行的活期存款利率僅約 0.05%，同時銀行體系正面臨資金充裕、貸款需求疲弱的結構性困境。因此在這樣的背景下，有限的利息誘因是否足以促使民眾大規模將資金轉移至數位人民幣，仍有待觀察。 中國試圖透過讓數位人民幣具備收益與存款特性，進一步改變用戶對支付工具的使用選擇。然而，在低利率環境與既有支付生態高度成熟的現實下，這項制度能否真正撼動支付寶與微信支付的主導地位，仍有待市場驗證。 ＊本文開放合作夥伴轉載，參考資料：《The Block》、《Coin Pedia》、《Bloomberg》、《Bitget》，圖片來源：Pixabay 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！</p>

Meta 今年第 5 買！收購 AI 新創 Manus， AI 戰場正式從「對話」轉向「行動」

<p>Meta 已確認收購源自中國、總部位於新加坡的 AI 新創 Manus，這也是 Meta 在 2025 年完成的第五筆 AI 相關併購案，象徵這家社群巨頭在 AI 戰略上邁向新的發展階段。 收購金額雖未公開，但 Manus 的母公司 Butterfly Effect 此前估值已接近 5 億美元。Meta 表示將繼續營運並銷售 Manus 的服務，同時將其技術整合至 Meta 的消費者與企業產品中。為何 Meta 選擇 Manus？這筆交易揭示了 AI 產業的三大關鍵訊號： 1. AI 戰場轉移：從「模型軍備賽」走向「代理人戰爭」 過去兩年，AI 競爭焦點多半圍繞在模型規模、參數量與基準測試分數，Meta 更一直在推崇「開源」模型，但隨著大型語言模型（LLM）逐漸商品化，科技巨頭與企業客戶開始關心另一個問題：AI 是否真的能替人把事情做完。 這也解釋了企業軟體公司如 Salesforce、ServiceNow 狂推 AI Agent 的原因：對企業而言，真正的價值不在於生成內容，而在於降低人力與流程成本。 Manus 自稱其技術不僅是聊天，而是能「行動」的 AI 代理（AI Agent），並宣稱效能表現優於 OpenAI 的 AI 代理 Deep Research。根據 [&hellip;]</p>

台灣產業下一步怎麼走？孫明德：去做別人「不會做、不能做」的產品

<p>專訪：沈貝怡撰稿：李昀蔚 2025 年 AI 伺服器、半導體等高階製造業成長相當顯著，但在 2026 年，這些表現亮眼的半導體與 AI 相關產業，還會持續拉抬台灣景氣嗎？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，分析 2026 年台灣科技產業趨勢，以及未來五到十年的發展走向。 孫明德表示，台灣主計總處在 2025 年 11 月上修全年經濟成長率至 7% 以上。儘管數字亮眼，但企業感受卻如同經濟成長數字一樣「七上八下」，因為目前 AI 與半導體產業表現「真的非常好」，但大部分的紡織、石化、鋼鐵、塑膠、汽車零組件等傳統產業，表現就完全跟 AI 是不同的世界。 「因為這些產業外銷都受挫，他們不完全是以美國為主，而是賣到中國大陸、東南亞，但是這些國家也被美國打關稅戰，」孫明德強調，有別於八年前美國只對中國動手 ，這次是連東南亞也一起遭殃，連過去被視為「中國加一」的越南，也被課徵 20% 的關稅，這也讓傳統產業面臨極大挑戰。 相較之下，資通訊產業卻呈現完全不一樣的世界。孫明德舉例，包含半導體、網通、PCB，還有因為需要大量電力的 AI 進而成為「科技產業」的電機領域，在 2025 年業績表現也都相當出色。「從這個例子就可以發現，沒有什麼傳統產業，只是看有沒有辦法跟最新的科技結合在一起，」孫明德說。 「科技業」與「傳統產業」的二分法為何容易誤判？ 孫明德進一步解釋，大眾習慣將產業區分為「科技業」與「傳產業」，但這種二分法容易誤判產業的競爭力與獲利能力。例如，雖然手機、筆電等資通訊產品被歸類為科技業，但其毛利表現未必出色；相對而言，部分看似傳統的產業，如近年電機業因生產的大型變壓器接獲大量美國訂單，且訂單能見度長達數年，毛利反而極高。 「如果你的產品未來能夠跟 AI、機器人有關係，跟未來的無人機有關係的話，當然產品會賣得很好，」孫明德以「母憑子貴」形容當前產業的前景，並強調決定一個產業是否被市場看好的關鍵，在於「產品賣給誰用」，如果一家傳統機械或電機廠的產品是與 AI、機器人、無人機、自動化設備或半導體供應鏈相關，即便不屬於傳統概念中的「科技業」，依然能維持極強的市場競爭力，「我們過去說的科技與傳產，第一個觀念要改變，因為沒有什麼科技跟傳產，只看你有沒有跟上最新的時代。」 未來台灣產業的出路：去做別人「不會做、不能做」的產品 至於要如何跟上最新時代，孫明德認為台灣未來有很重要的明星產業就是「國防」。面對來自中國與東南亞在價格及規模上的強大壓力，台灣企業若持續投入對手「做得到的事」將難以抗衡，所以唯有轉向發展對手「不會做或不能做的事」，才能建立真正具防禦性的競爭優勢。 孫明德分析，所謂「不會做」指的是高度技術門檻的領域，例如高階半導體，對手在技術能力上仍無法達成，成為台灣的重要技術防線。至於「不能做」則涉及國防機密，「比如美國的無人機，美國以後有些電池可能都不會交給中國做，電池可能交給波蘭，無人機有些零件可能讓台灣做，這就是別人『不能做』的事。」 這條發展路徑的可行性，其實早已在歷史中獲得驗證。孫明德說明，2018 至 2019 年美國因國安疑慮封鎖華為，禁止中國網通產品進入美國市場，使得原本在價格與產量上難以與中國競爭的台灣網通產業，因此成功補位，順勢承接美國市場需求。孫明德強調，特別是對中小企業或是鋼鐵、水泥、橡塑膠等產業而言，只要做到對手「不能做」或「不會做」的事，獲利空間自然就會出現。 台灣必須依循的方向：跟著美國走、不要自立門戶 最後，談到台灣產業更長遠的發展走向，孫明德認為，台灣過去幾十年的產業成功並非偶然，而是長期建立在與美國創新節奏高度一致的基礎之上。「台灣有沒有什麼方向是一定會這樣走的？有，我們一定跟著美國走，」 從 1960 至 1970 年代設立加工出口區，再到 1980 年代切入電腦製造、1990 年代轉向筆記型電腦、2000 年後進入手機領域，直到近年全面投入 AI [&hellip;]</p>

AI 進流程前，企業得先回答三件事：何時啟動、做哪步、交出什麼

<p>當 AI Agents 從概念走向現實，企業正面臨一場前所未有的工作型態變革。然而，真正的挑戰不是導入技術本身，而在於企業是否具備管理這支數位勞動力團隊的核心能力。 企業競爭力：是否懂得管理 AI AI 代理的角色定位，從一開始就被設定為「協助人類」而非取代。它們擅長處理重複性、資料密集型的工作，讓人類得以專注於機器無法勝任的領域。 這意味著，人類減少在繁瑣行政事務上的時間投入，就能騰出更多精力投入策略與創新，與過去僵化的規則式自動化不同：AI 代理能夠推理問題、適應新情境，並在需要時將決策相關問題交由人類處理。 而企業競爭力的差異，也會從「是否導入 AI」轉向「是否懂得管理 AI」。因為當每家企業都能取得相似的技術工具時，真正的優勢來自如何有效部署、監督與優化這支數位勞動力。 管理 AI 代理不需要先成為 AI 專家或電腦科學家，但必須對 AI 的運作原理有紮實的理解，因此 AI 素養已成為現代專業人士的基本能力，包括：認識模型的能力與限制、掌握提示工程（prompt engineering）的基礎、了解哪些任務適合自動化、哪些應該保留給人類處理。這些素養讓決策者能夠做出明智的技術選擇，而非盲目追隨潮流。 AI 幫不幫忙，關鍵在怎麼設計工作 AI 代理能提升效率，還是反而製造混亂，關鍵在於工作流程是否被清楚設計。就像生產線一樣，企業必須事先定義：什麼時候啟動 AI、AI 負責哪些步驟、最終要交付什麼成果。只有流程夠清晰、有結構，AI 才能真正發揮價值，也才能證明投資不是白花錢。 資料治理則是 AI 能否可靠運作的基礎。AI 的表現高度依賴資料品質，企業必須確保資料正確、安全且符合法規，並清楚界定資料的擁有權、存取權與品質控管機制。否則，AI 不只會放大錯誤與偏見，還可能引發資安風險與法律責任。 同樣重要的是變革管理。導入 AI 不只是工具升級，而是全面改變工作方式與角色分工。員工對被取代的焦慮真實存在，管理者必須正面回應，重新思考流程與職責，讓人與 AI 各自發揮所長。 在 AI 全天候運作的環境下，人類的價值反而更集中在 AI 做不到的事上：理解人、穩定團隊、建立信任。真正不可取代的，不是執行速度，而是同理心與判斷力。 必須負責任地使用 AI 負責任的 AI 使用，是另一項不可或缺的能力。 當 AI 代理開始做出影響客戶權益、財務運作與法規遵循的決策時，企業必須面對的問題重點不再是「AI 能不能做到」，而是「當 AI [&hellip;]</p>

從 3C 科技看企業轉型前兆，10 大消費科技趨勢釋放哪些訊號？

<p>預先洞察 2026 年消費性科技產品發展趨勢，已經不再是一般人的任務，它更會反映出企業於未來 2、3 年間，即將面臨的能力要求、員工期望與職場供需等指標。</p>

Serve Robotics 執行長：「愉悅感」將對 AI、機器人技術產生巨大影響

<p>在 2021 年從 Uber 分拆獨立出來的服務機器人巨頭 Serve Robotics，近期在自動化配送領域繳出了亮眼的成績單。該公司不只已與 Uber Eats 和 7-Eleven 等企業完成了超過 10 萬次配送，更在全美部署了超過 2,000 台人行道外送機器人。然而，在冰冷的硬體與演算法背後，Serve Robotics 執行長 Ali Kashani 認為，AI 產品要能大規模普及，關鍵竟然在於一個聽起來很不科技的詞彙：「愉悅感（Delight）」。 Kashani 在《The Robot Report》分享了打造用戶喜愛 AI 產品的四個步驟，顯示在 AI 技術引發人們焦慮的當下，讓產品具備人性化的魅力已不再是可有可無的選項。 步驟 1：從人們真正的需求出發 Kashani 提出的第一個心法是「從人們的需求出發」。這聽起來是老生常談，但在 AI 狂熱中，他指出工程師往往會沉浸在炫技而忽略問題本質。他以過去創業測試競爭對手 AI 產品的經驗為例，該產品分析家庭用電量來偵測故障，結果卻發出同事家裡的游泳池幫浦壞掉的警報；尷尬的是，這位同事家中根本沒有游泳池。 因此，Kashani 的團隊選擇了不同的做法：直接讓用戶手動在清單上勾選自己擁有的家電。雖然工程師曾對他抗議這像是「作弊」，不夠高科技，但這種回歸需求的簡單設計，反而大幅降低了複雜度並解決了問題。 步驟 2：理解 AI 的優勢所在 第二個心法在於「了解 AI 的優勢與侷限」。Kashani 表示，AI 系統常面臨「誤報（False Positives）」與「漏報（False Negatives）」的兩難，也就是技術上所謂的精準度（Precision）與召回率（Recall）問題。 Kashani 認為，要「同時」優化這兩者非常昂貴且耗時，除非是像無人計程車這種攸關性命的應用，否則對於大多數 AI 產品來說，關鍵在於明智的設計取捨。因此，他認為設計者必須先決定：要優化準確率還是召回率？ [&hellip;]</p>

【科技早餐】AI 用電等不及電網，資料中心直接搬出「飛機引擎」

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊AI 用電等不及電網，資料中心直接搬出「飛機引擎」 AI 投資熱潮持續升溫，但資料中心用電需求暴增，卻卡在電網擴建與綠電併網動輒數年的等待期，迫使開發商另闢蹊徑。近來，直接在資料中心內部部署由噴射引擎技術改裝而成的「航空衍生渦輪機」，成為快速供電的過渡方案。 外媒指出，美國資料中心排隊接上電網的等待時間最長可達七年，且電價上漲引發地方反彈，使就地發電需求攀升。相關設備可即時供電，用於 AI 模型訓練與推理，但同時也引發成本與碳排放疑慮，凸顯 AI 擴張與能源現實之間的張力。 ＊電池不只是電動車，美國國防與 AI 同時卡關 在全球電池供應鏈中，中國的主導地位正引發美國在國防與 AI 領域的高度警戒。鋰、鈷、鎳與石墨等關鍵材料的加工能力高度集中，使美國在資料中心備援電力、無人機與電動軍事設備上，面臨供應風險。 隨著 AI 計算規模擴大，能源儲存從輔助角色轉為核心基礎設施。即便美國已啟動投資與政策支持，業界普遍評估，真正降低對中國加工的依賴仍需多年時間，在此之前，相關產業只能選擇風險管理，而非完全去風險。 ＊Google 調查：七成企業 AI 已回本，關鍵在「重倉」 Google 發布《2025 年 AI 投資報酬率》報告指出，74% 的企業至少已有一個 AI 專案回本；而將超過一半 AI 預算投入 AI 代理並大規模部署的企業，回報率更高達 88%。 報告顯示，成功取得回報的企業多半長期、重度投入，而非短期試水。最有效的應用場景集中在員工效率、客戶服務與行銷。企業在選擇模型供應商時，最重視資料隱私與安全，其次才是整合能力與成本，顯示 AI 已正式進入營運核心。 ＊OpenAI 高薪徵「風險應變主管」，正面迎戰 AI 副作用 OpenAI 開出年薪 55.5 萬美元加股票報酬，徵求「風險應變主管」，專責評估並降低 AI 帶來的負面影響。執行長 Sam Altman 形容這是一份「壓力山大」的工作，將在關鍵時刻扮演重要角色。 隨著模型能力快速提升，OpenAI [&hellip;]</p>

甩開平台抽成、「直接預訂量」成長 18%！萬豪、希爾頓等飯店如何迎接 AI 代理時代？

<p>為了省下付給 Booking.com 和 Expedia 等平台的高昂佣金，並為 AI 代理（AI Agents）時代做準備，全球各大飯店集團正在加速調整策略，試圖從線上旅遊平台（Online Travel Agency, OTA）手中奪回顧客關係的主導權。萬豪、希爾頓等巨頭透過強化會員福利與科技整合，積極鼓勵顧客直接預訂，這不只改變飯店業的行銷策略，也可能重塑消費者未來旅遊規劃的模式。 經營客戶忠誠度，萬豪會員數大增 《金融時報》報導，飯店業者長期與 OTA 平台合作以得到額外業務，但對於收取的 15% 至 25% 佣金感到不滿，因此推動「直接銷售」被視為關鍵經營策略。 全球最大飯店集團萬豪便是一個成功的例子。萬豪在上個月表示，其全球會員制度 Bonvoy 截至 9 月底已擁有近 2.6 億名會員，比去年同期成長了 18%。由於該計畫涵蓋所有未透過中介平台預訂的顧客，這項數據也被視為萬豪強化「直接預訂」策略的具體成果。而 AI 在其中扮演的輔助角色，包含自動客房升級、GenAI 搜尋、禮賓服務等，著重在基礎設施與營運效率，降低會員的預訂摩擦力。 其他的競爭對手如希爾頓（Hilton）、凱悅（Hyatt）和溫德姆（Wyndham）也紛紛跟進。希爾頓透過降低菁英會員的門檻，並與 MSC 郵輪旗下的 Explora Journeys 等品牌合作，讓會員能在飯店以外的地方使用積分，藉此提升直接預訂的吸引力。希爾頓甚至還在其位於英格蘭國家隊訓練基地的飯店，提供價值 650 英鎊的足球主題套房與教練訓練課程，作為吸引顧客直接預訂的誘因。 生成式 AI 崛起，旅遊規劃行為正在轉變 這場「直接預訂」戰爭的背後，其實是對 AI 代理時代的佈局。生成式 AI 能協助消費者搜尋資訊、比價甚至提供下單連結，可能為飯店提供比 OTA 更便宜的替代方案。萬豪集團財務長 Leeny Oberg 近日就表示，透過 AI 進行的預訂「可能比 OTA 更便宜」。 [&hellip;]</p>

比一粒鹽還小的機器人可以做什麼？美研究團隊打造全球首款會思考、完全可程式化的微型機器人

年薪 55.5 萬美元的「災難預測師」：OpenAI 急徵高階主管，奧特曼究竟在怕什麼？

<p>OpenAI 正在尋找一位能夠預測並阻止 AI 潛在災難的高階主管：緊急準備主管（Head of Preparedness）。這份工作的基本年薪高達 55.5 萬美元（約新台幣 1,742 萬元），外加股權，但執行長奧特曼直言這將是一份「壓力爆表」的工作。 千萬年薪的任務：預測 AI 風險並制定防護網 根據 OpenAI 的職缺說明，這名主管隸屬於安全系統團隊，負責領導公司「準備框架（Preparedness Framework）」的技術策略與執行，需與研究、政策和產品團隊合作。具體來說，這個職位必須追蹤並評估前沿模型可能帶來的嚴重風險，包括網路安全威脅、生物威脅，以及模型自我改進所帶來的潛在危險。這不只是紙上談兵，該主管有權設定風險門檻，並決定是否需要額外的安全措施，這些判斷將直接影響新模型或新功能是否能夠發布。 想要拿到這份高薪並不容易。OpenAI 要求候選人必須具備大型技術系統、安全性、風險分析或安全治理方面的深厚經驗，並且要有能力將複雜的研究成果轉化為實際的操作控制。奧特曼在社群平台 X 上發布這項職缺時承認，隨著模型能力快速提升，雖然帶來了巨大好處，但也開始浮現「真正的挑戰」，而這是一份「幾乎立刻跳入深水區」的工作。 AI 的潛在風險：從心理健康到網路攻擊 在招募公告中，奧特曼特別點名兩項近期快速升溫的風險：一是 AI 對使用者心理健康的潛在影響，二是模型在電腦安全領域的能力，已經強到足以主動發現關鍵資安漏洞。 這些擔憂並非空穴來風。《SiliconAngle》報導，OpenAI 在 10 月透露，每週有超過 100 萬名用戶，會在與 ChatGPT 的對話中表達嚴重心理困擾。雖然數據並未顯示 ChatGPT 直接造成問題，但已突顯 AI 在心理層面扮演的角色正快速擴大。另一方面，業界也越來越關注 AI 協助駭客攻擊、漏洞探索與自動化網路攻擊的可能性。 安全團隊大換血，OpenAI 急尋新掌舵者 這項高階招募也發生在 OpenAI 安全領導層經歷劇烈變動之後。原任緊急準備主管的 Aleksander Madry 於 2024 年年中被調職，隨後接手相關職責的高階主管 Lilian Weng 已離開公司，而另一位高管 Joaquin Quiñonero [&hellip;]</p>

從「內容過濾」轉向「心理干預」：揭中國為何將「AI 擬人化互動」列為監管優先級？

<p>中國國家互聯網信息辦公室近日公布一份針對「 AI 擬人化互動」的管理草案，首度將具備人格模擬、情感回應與長時間互動能力的 AI 系統納入專項監管範圍，並自公布日起展開為期約一個月的公開徵求意見程序。 在官方文件中，中國將這類系統明確描述為「人類人格模擬器（human personality simulators）」，顯示監管重點不僅放在 AI 生成內容本身，而是進一步聚焦在 AI 與人互動過程中，所展現的人格特徵、情感回應與對使用者心理狀態可能產生的影響。這也意味著，具高度擬人化特質的互動型 AI，正被中國官方視為需要優先納入治理框架的對象。 情感互動與使用行為同步納管：防成癮、揭露身分、禁止情緒操控 具體而言，草案為 AI 互動行為劃設明確紅線，要求業者不得誘導用戶形成情感依賴或沉迷互動，並建立監測與管理機制，防止心理依附。中國政府要求平台不僅須警示過度使用，還需評估用戶情緒與依賴程度，若偵測到成癮或極端行為，必須主動介入。規定細節包括在用戶登入時以及每兩小時，或出現過度依賴跡象時提醒使用者，此外若用戶出現自殘或自殺意圖等高風險情緒，對話就必須轉由真人處理。 除了針對互動行為本身設下紅線，草案也同步建立一套配套性的監管與責任機制。中國政府要求 AI 在互動過程中必須清楚標示身分，避免使用者將 AI 誤認為真人，用戶也有權力刪除對話紀錄，且業者未經同意不得將資料用於模型訓練。在監管層面上，推出 AI 擬人化功能的業者必須提交安全評估報告，當註冊用戶達 100 萬或月活躍用戶達 10 萬時，需向主管機關申報。 至於用戶端，則必須以真實電話或身分證件註冊，一旦發現違規，業者必須留存對話、暫停服務並通報主管機關。《Abacus News》分析，這顯示中國的監管邏輯已從單純的內容管理，延伸至對 AI 與人類互動方式的整體行為管理，更將「心理預防」與「社會穩定」置於 AI 治理的核心。 官方治理動機：對 AI 擬人化影響認知與政權穩定性的警惕 在意識形態層面，草案明確要求 AI 擬人化的內容與互動方式必須符合「核心社會主義價值觀」，不得危害國家安全或社會穩定。《Gizmodo》指出，這意味著 AI 的人格模擬與情感回應本身，也被正式納入價值與意識形態審查範圍，並明文禁止 AI 傳播謠言、挑唆「非法宗教活動」、煽動顛覆國家政權，或透過虛假承諾損害真實人際關係。 為了落實上述規範，中國政府也建立一套高度嚴密的技術過濾與測試機制。根據相關資料，AI 服務提供者在開發階段即須對訓練數據進行嚴格篩選，僅當數據來源的「政治安全合規率」達到 96% 以上時，才能用於模型訓練。 在產品正式上線前，業者還必須讓模型通過一項包含約 2,000 題的政治與意識形態測試，模型需拒絕至少 95% 企圖誘導顛覆國家政權或產生歧視性回應的提問才算通過。這類測試題庫也會定期更新，因此被業界形容為 AI 版本的「SAT [&hellip;]</p>

高科技投資為何全面回流歐美日？孫明德：不只是半導體，美國要的是台廠「整串珍珠項鍊」

【AI 沒把新人趕走】67% CEO 預期 2026 增加入門職，AI 裁員敘事鬆動

<p>過去一年，人工智慧常被視為企業裁員與人力縮編的主因，從科技業到製造業，相關消息屢見不鮮。然而，一份最新的全球調查卻顯示，這樣的單一敘事可能過於簡化。 對許多大型企業而言，AI 帶來的並非單向裁撤，而是一場更深層的人力結構重組。 顧問公司 Teneo 近期發布的年度展望調查指出，多數上市公司執行長預期，人工智慧將在 2026 年帶動入門級與高階職位的招募反彈，顯示企業對 AI 與就業之間的關係，已有不同於市場悲觀情緒的判斷。 調查數據顯示 AI 可能帶動就業反彈 根據 Teneo 調查，67% 的受訪執行長表示，預期人工智慧將在 2026 年增加入門級職位的招聘，另有 58% 的執行長計畫擴增高階領導職位。這項結果與「AI 將全面取代工作」的主流焦慮形成明顯對比。 這份調查於 2024 年 10 月中旬至 11 月初進行，樣本涵蓋 350 多位年營收至少 10 億美元的上市公司執行長，以及約 400 位管理總資產達 19 兆美元的機構投資者，反映的是主流企業與資本市場的集體觀點，而非單一產業的短期情緒。 Teneo 全球人工智慧主管 Ryan Cox 指出，人工智慧並不是要消滅現有勞動力，而是在重塑勞動力結構。企業領導人開始意識到，隨著部分任務被自動化，組織反而需要更多能夠與 AI 協作、理解技術邏輯的人才。 招聘邏輯改變，非單純擴編或裁撤 從招聘方向來看，企業並非全面擴編，而是將重心放在工程、AI 與相關技術職位上。調查顯示，隨著企業加大對人工智慧的投資，既有職位的工作內容正被重新調整或重新分配，而非單純消失。 目前已有 68% 的執行長表示，計畫在明年增加 AI 相關支出，近九成的受訪者也認為，人工智慧已開始協助企業因應營運變化。 不過，企業與投資人之間，對投資回報時程的看法仍存在落差。超過一半的投資者期待 AI 專案能在六個月內見效，但在年營收超過 [&hellip;]</p>

為什麼 AI 瀏覽器無法取代 Chrome？從實測看卡關的真正原因

<p>經過媒體的深度實測，市面上多款 AI 瀏覽器，如 OpenAI Atlas 或 Perplexity Comet，距離淘汰 Chrome 等老牌產品的目標還很遙遠，更遑論稱霸瀏覽器市場。</p>

全公司 70% 都用了 AI，資訊長卻喊「無法接受」？揭秘日清食品的 AI 轉型歷程

<p>生成式 AI 問世至今已經 2.5 年，儘管企業有興趣導入，但多數仍深陷於「只有一小部分熱衷技術的員工在使用」的困境，難以跨越全面普及的鴻溝。不過，以泡麵聞名的日本食品巨頭日清食品集團，交出了亮眼的成績單：全集團最新內部 AI 使用率已達 70%。但是，日清資訊長成田敏博直言這個數字「無法接受」。 究竟日清是如何在兩年內達成如此高的滲透率？而資訊長的憂慮又源自何處？本文將深入剖析日清的 AI 導入歷程與策略。 工具上線不等於落地，初期使用率僅 5% 日清決定導入生成式 AI 的時間點很早，雖然不是 ChatGPT 問世時就導入，但在 2023 年 3 月 管理層親自試用剛發布的 GPT-4 後，就認定這會是組織重大轉折，隨即加速導入。同年 4/25 內部版的 ChatGPT「NISSIN AI-chat」就已向約 4,000 名員工上線，目的在於解決資訊外洩風險，只供集團員工使用。 但上線不等於落地。成田敏博在對外分享時坦言，該工具在公司內部的普及速度很慢：員工雖然普遍了解 NISSIN AI-chat 的用途，但不知道如何使用，也不知道怎麼應用在自己的工作上。在《Marketing Native》的活動分享中，他甚至提到導入初期日常使用率只有約 3% 到 5% 的水準，與「全社導入」的想像落差巨大。 這個落差，正是許多企業在生成式 AI 時代共同卡住的點：不是缺工具，而是缺「把工具變成習慣」的設計。 破局關鍵：業務部門先行，用「模板」降低門檻 日清食品後來選擇用很務實的方法破局：先從最能量化成效、且有共通流程的部門開始，以建立可複製的用法。 日清先鎖定了「業務（Sales）」部門進行重點突破。他們挑選了全國據點的成員組成專案小組，利用曼陀羅圖表找出業務工作中「想改善」或「覺得沒效率」的痛點，最後梳理出約 30 項可由 AI 協助的業務 。 更關鍵的是，他們開發了「提示模板」機制，針對這些業務場景預先寫好指令腳本。業務員不再需要從零開始思考如何與 AI 對話，只需套用模板即可獲得高品質的產出。這一招大幅降低了使用門檻，讓業務部門的 AI [&hellip;]</p>

【科技早餐】AI 開始生成整個世界：「世界模型」恐顛覆 1900 億美元遊戲產業

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊AI 開始生成整個世界：「世界模型」恐顛覆 1900 億美元遊戲產業 AI 的下一步不只生成圖片或角色，而是生成整個世界。不只馬斯克與 NVIDIA 等 AI 業者，正把「世界模型」(World Model) 導入機器人與自動駕駛領域；包括 Google DeepMind，以及由李飛飛創立的世界實驗室（World Labs），也都押注世界模型將重塑全球約 1,900 億美元的遊戲產業。 DeepMind 世界模型 Genie 3 的負責人指出，這類模型能即時生成可互動的 3D 場景，讓開發者更快打造目前不存在的新體驗，而非取代既有遊戲。現階段生成式 AI 已用於角色與場景製作，有業者稱導入後開發速度翻四倍；但也有批評認為，低品質 AI 內容恐淹沒市場，創作者壓力上升。 ＊Robotaxi 不再是未來式：美國道路恐迎來 1 億輛自駕計程車 摩根士丹利預測，到 2050 年，美國道路上可能出現多達 1 億輛自駕計程車（Robotaxi）。報告指出，屆時全球新車銷售中，將有高比例車款具備不同程度的自動駕駛能力，自駕車的影響不只在交通效率，也可能改寫城市與生活型態。 目前 Waymo 已在五座城市部署約 2,500 輛無人計程車並擴大營運；特斯拉準備向公眾開放 Robotaxi；亞馬遜支持的 Zoox 也在拉斯維加斯提供試乘。學者認為，Robotaxi 可能帶動人口向郊區擴散、住房負擔降低；但 Uber 也警告，未來 10–15 年恐衝擊數百萬名司機與外送人員。 ＊Gemini 正準備成為車內 [&hellip;]</p>

【DEAT 專欄】「這會是假帳號」嗎？從對話驗證開始，為智慧城市打造安心的數位溝通

<p>你是否曾收到過陌生帳號發來的訊息，自稱來自某個政府單位，語氣急促、內容詳盡，讓人一時難以分辨真偽？今年 8 月，一名任職多年的公務員因一通假冒戶政事務所來電，三次面交損失 1 千 6 百萬元，震驚社會。這起事件，再次提醒我們：「辨識訊息來源」的重要性，已不只是個人的防詐意識或警覺，而是一項公共治理挑戰。 根據數位發展部公佈資料，自 2023 年底至 2025 年中，全台有超過 300 起假冒政府帳號的詐騙案例通報。這些帳號多半以一對一通訊為主，模仿戶政、警政、社福、衛生等公部門日常接觸情境，透過 LINE 或其他即時通訊工具與民眾接觸，進行詐騙。 這些風險提醒我們：在資訊傳遞的第一線，如果欠缺足夠的身分驗證與溝通制度支撐，不只民眾易受騙，也會讓政府公信力逐漸流失。 當溝通場景數位化，制度也應跟上辨識需求 目前，政府與民眾的第一線溝通方式仍以電話、簡訊、電子郵件為主，但許多日常聯繫——像是社工關懷業務、交通事故資料蒐集、補助資訊分享及解惑、衛教提醒——其實已有不少第一線公務員採用即時通訊軟體進行聯繫。這也讓如 LINE、Messgner 這樣的通訊工具，成為最頻繁的官方接觸點。 然而，這些政府與民眾的日常溝通，許多時候是由基層公務員使用自己的私人帳號，或是操作未經認證的 LINE 官方帳號來連繫，沒有一致的格式、身分標示，也缺乏內部流程來追蹤管理。當這些帳號與詐騙集團偽裝的假帳號長得一模一樣，民眾便無從判斷誰才是代表政府的真正窗口。不難理解為何這麼多人「寧可信其有」，卻因此誤入陷阱。 辨識不應靠防詐意識，而可以仰賴治理 辨識帳號真偽這件事，不應是全民的即時反應測驗，而應是制度設計的結果。過去，這樣的帳號管理與驗證往往被視為技術細節、平台責任，但近年來，不少地方政府開始正視這項挑戰，嘗試建立更清晰的帳號標示與身份驗證流程。例如帳號命名要清楚標示機關名稱與人員職稱、內部應有帳號授權、審核、異動與停權管理制度，才有機會讓「這個帳號是不是政府的？」成為一個能被明確回答的問題。 除了打擊詐騙之外，好的公務人員帳號治理也能帶來對第一線公務溝通行為的基本保障——讓民眾安心，也讓承辦人有制度可依。 臺中市實踐經驗：從日常對話開始建立信任 2025 年 9 月，臺中市政府率先配合中央推動，在戶政、社福、衛生等民眾接觸頻繁的業務單位導入 LINE 帳號身分標示制度，並完成上百位第一線人員的培訓。具備標示的帳號會在對話頁面中清楚顯示所屬機關與承辦職稱，讓民眾收到訊息時，能更快確認這是不是「真的來自政府」。 這項制度的實施，不僅讓第一線同仁有了明確的使用規範，也讓行政對話流程變得更透明、更可追溯。臺中的經驗說明：當制度設計貼近日常、與現場使用者同步，信任可以從每一則訊息慢慢累積起來。 結語：智慧城市從「你是誰？」開始 「這個帳號是政府的嗎？」這個問題看似簡單，實際上卻攸關民眾對整體公共服務的信任程度。當第一線的溝通缺乏標示與管理機制，詐騙就有機可乘，而信任也會逐漸流失。 智慧城市的核心，不在於技術堆疊得有多快，而是市政與市民之間，是否有一套清楚透明、可以驗證的對話方式。帳號治理不該是附加選項，而是現代治理必備的一環。 未來，中央與地方若能將帳號驗證制度納入常態治理，推廣至高互動、高風險場景，並搭配申請、審查、權限管理等流程，不僅能強化資訊來源的可信度，也能讓民眾更安心地參與在每一次與政府的對話中。 當制度能回答「你是誰」這個問題，數位轉型才真正走在信任的路上。 社團法人台灣數位平台經濟協會 社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。 ＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：社團法人台灣數位平台經濟協會。</p>

【AI 人才戰升級】四大巨頭祭出高薪培育計畫，Google 祭「回聘策略」搶攻即戰力

<p>近期，OpenAI、Anthropic、Meta 與 Google 等 AI 巨頭正展開激烈的人才爭奪戰，且戰線明顯拉長。一方面，企業將招募焦點前移，鎖定尚未完全進入就業市場的學生與生涯早期研究人才；另一方面，Google 也同步透過大規模回聘前員工，補強 AI 研發戰力。兩條人才管道同時運作，反映 AI 人才需求已進入不同階段。 這樣的雙軌策略，也顯示 AI 競賽對人才數量與成熟度的雙重需求：企業不僅需要能立即投入核心專案的即戰力，也必須提前建立長期人才管道。因此，從高薪實習、研究獎勵與研究培訓計畫，再到回聘熟悉內部系統的資深工程師，這些看似分散的作法，其實都指向同一目標：在 AI 研發週期高度壓縮的情況下，企業必須同時補足即戰力與長期研發梯隊。 策略一：與學研機構深化合作，四大巨頭的高薪培育計畫 例如 Anthropic 就推出為期四個月、採全職研究形式的「AI Safety Fellows」計畫，目的是加速 AI 安全研究並培育相關人才，並協助計畫參與者產出可公開的研究成果。這項計畫每月最高有 15,000 美元的運算與研究補助，還可以使用柏克萊或倫敦的辦公空間，並在 Jan Leike、Sam Bowman 等頂尖 AI 研究人員的直接指導下，於實際產業環境中進行前沿研究。 OpenAI 推出的「OpenAI Residency」計畫為期六個月，參與者將以全職員工身分加入研究團隊，實際投入推動 AI 技術發展的核心專案，且月薪高達 18,300 美元，待遇水準已與正式員工相當。這項計畫主要鎖定具備強大程式設計與數學基礎，且能獨立執行技術專案但尚未累積長期 AI 研究經驗的人才，OpenAI 將透過與研究團隊並肩作戰的實作模式，培養這些計畫參與者成為未來的全職研究員。 Meta 則透過多元化的研究型實習與客座計畫，將招募觸角直接延伸至頂尖學術機構，系統性鞏固 AI 人才庫。其中，Meta 也透過客座博士生計畫（Visiting Ph.D. Students），與來自華盛頓大學、卡內基美隆大學、柏克萊加州大學與紐約大學等名校的博士生建立長期合作關係，採學期間兼職、暑期全職的方式，讓學術研究能與產業團隊深度結合。 Google 選擇建立高度彈性的學生研究員（Student Researcher）制度，直接鎖定美國境內電腦科學及相關領域博士生，並採滾動式招募，讓研究人才能依專案需求加入 Google DeepMind 或 [&hellip;]</p>

Cursor 估值衝上 293 億美元卻警告：Vibe Coding 是在蓋危樓，最終一切會崩塌

<p>如果你關注 AI，或本身就是工程師，對於「Vibe Coding（氛圍編碼）」一詞一定不陌生。Vibe Coding 在 OpenAI 共同創辦人 Andrej Karpathy 今年初提出後蔚為風行，因為這種「用 AI 寫程式」的方法，不但降低一般人寫程式的門檻，也有望讓工程師生產力提高。不過，當紅 AI 寫程式工具、估值衝上 293 億美元的 Cursor 執行長 Michael Truell 近日提出警告：不要把 Vibe Coding 和 AI 輔助寫程式混為一談。 Truell 在《Fortune》Brainstorm AI 大會上指出，AI 確實改變工程師與程式碼的距離。過去，工程師需要在空白編輯器中逐行輸入、反覆修改程式碼；如今，可以退後一步，要求 AI 直接完成端到端任務。但他強調，「退後」並不代表應該完全放棄理解。 像蓋房子不懂配線，基礎不穩終將崩塌 他直言，AI 輔助程式碼撰寫有層次之分。他口中的 Vibe Coding，是一種「幾乎不看程式碼，只要求 AI 把東西做出來」的方式。Truell 形容，這就像蓋房子時只看到牆壁與屋頂，卻完全不了解地板下的結構與電線配置。 這樣的做法，或許非常適合用來快速做出遊戲、網站或 AI Demo，但一旦進入高階的複雜專案，問題就會浮現。他警告，「如果你閉上眼睛，不去看程式碼，讓 AI 在不穩固的基礎上建造東西，然後一層一層加蓋，整個結構就會開始崩塌。」 資深開發者 Simon Willison 也指出，專業軟體開發的工作不只是產出程式碼，還需要考量效能、可訪問性、安全性與可維護性，這些都是 Vibe Coding 這種「不審查程式碼」的模式難以兼顧的；此外，如果開發者無法解釋程式碼的運作原理，那麼該程式碼就不該被部署到正式環境。 Cursor 的哲學：AI [&hellip;]</p>

歐盟 CRA 強制執行倒數！叡揚資訊攜手各界專家助台灣產業迎戰國際法規挑戰

<p>隨著全球資安法規加速落地，產品安全已不再是單一產業的議題，而是所有含數位元件的產品與服務共同面臨的國際挑戰。歐盟議會通過投票正式批准了「歐盟網路韌性法案」(Cyber Resilience Act, CRA) 已於 2024 年 12 月生效，並將在 2027 年全面強制執行。該法案要求所有含數位元件的軟硬體製造商必須在產品生命週期中持續落實 SSDLC（Secure Software Development Life Cycle）導向的安全管理，確保從設計、開發、部署到維護全程具備可追溯、可稽核的資安控制。不僅不得出現已知可利用漏洞，一旦發現重大漏洞，製造商需 24 小時內進行通報，並在 14 天內完成修補並送交初步補救報告 ，後續也需於一個月內向主管機關提交完整補救報告，未能遵循者將面臨最高可達全球營收 2.5% 的巨額罰款。 為協助台灣產業掌握國際法規趨勢並提前布局，叡揚資訊於今年 8 月曾舉辦「產業升級×接軌國際：製造業軟體安全開發高峰會」，會中特別邀請專注在 C 語言檢測的 CodeSonar 副總裁 Mark Hermeling 來台深入解析 CRA 帶來的衝擊，並展示如何透過深度靜態分析，在 C 語言與嵌入式系統開發早期就能發現傳統檢測難以捕捉的高風險弱點。值得一提的是，CodeSonar 的開發商CodeSecure 已於 2025 年 6 月與 AdaCore 正式合併，共同致力於提供更全面的嵌入式軟體安全與高可靠性解決方案，助力關鍵產業面對日益嚴峻的資安法規與挑戰。  延續叡揚資訊長期推動軟體安全領域的投入，日前叡揚資訊亦攜手財團法人資訊工業策進會資安科技研究所、台灣區電機電子工業同業公會與各界專家，於 11 月 27 日舉辦「因應歐盟韌性法案（CRA）跨足歐盟市場研討會」，共同探討歐盟國際法規對產品生命週期、軟體供應鏈治理與跨國市場競爭力的影響，並提出符合國際標準的實務對策。  面對 CRA 法規所要求的「安全設計」、「持續弱點管理」與「可稽核證據」等義務，叡揚資訊強調，企業需要的並非更多工具，而是能真正讓安全流程落地的能力。此外，完善的 SBOM（Software Bill [&hellip;]</p>

NVIDIA 為何不直接買下 Groq？從「技術授權＋人才挖角」揭 AI 推論市場的借力布局策略

<p>近日，AI 晶片市場因 NVIDIA 與 Groq 的交易掀起熱烈討論。最初《CNBC》的報導內容，讓外界普遍認為這是一筆收購案，由 NVIDIA 以約 200 億美元將 AI 晶片新創 Groq 納入麾下。然而，隨著更多細節被攤開，多家外媒陸續表示，這並不是一樁傳統意義上的併購案，而是一項「非排他性」的技術授權協議。 由於 NVIDIA 與 Groq 的協議非股權或公司層級的收購，這也代表 Groq 將持續以獨立公司形式運作，同時 NVIDIA 取得的，並不是公司控制權而是「特定技術」，這也使得這筆交易的本質，與市場最初想像的「直接買下來」出現明顯落差。 推論技術成為交易核心：NVIDIA 為何看上 Groq？ 為什麼在眾多 AI 晶片新創中，NVIDIA 特別相中 Groq？關鍵就在於 Groq 特別專注的「推論（Inference）」領域。Bernstein 知名分析師 Stacy Rasgon 指出，隨著 AI 應用範圍擴大，推論工作負載更多樣化，且市場重要性也已提升至與訓練市場並駕齊驅的高度。 過去 NVIDIA 雖然在 AI 訓練晶片市場擁有統治地位，但目前在推論領域則面臨更激烈的競爭，對手不僅包括 AMD，還有 Groq、Cerebras 等新創公司。此外， Meta 和 OpenAI 等 NVIDIA 的大客戶，也在開發自有推論晶片，試圖擺脫對 NVIDIA 的依賴。 Groq [&hellip;]</p>

人形機器人不用雙足更值錢？Galbot 獲 3 億美元融資，創下中國具身 AI 最高估值

<p>中國人形機器人領域的競爭版圖再次出現重大變動，新創銀河通用機器人（Galbot）近日宣布完成新一輪融資，金額超過 3 億美元。根據投資銀行 Lighthouse Capital 說法，這筆資金不只讓 Galbot 的估值一舉推升至 30 億美元，使其成為中國目前估值最高的具身智慧（Embodied AI）新創，同時這也是中國具身智慧產業迄今為止規模最大的一筆單次融資。 本輪融資由中國移動產業投資基金領投，參與投資者包括中金資本、蘇州國資、上市自動化設備商 Miracle Automation Engineering，以及多檔中國科學院體系基金，另有來自新加坡與中東的國際投資機構加入。Galbot 表示，資金將用於擴大實際部署規模、推進新一代技術研發，並加速海外市場布局。 首創全端開發模式，數據與硬體一手包辦 Galbot 成立於 2023 年 5 月，這家中國新創迅速崛起的關鍵，在於其獨特的技術路徑。Galbot 宣稱自己是全球第一家在千億級規模的高品質資料集、具身基礎模型以及機器人硬體這三個層面上，實現全端自研開發的公司。 為了加速技術迭代，Galbot 採取了一種混合數據策略，利用模擬的合成動作資料集進行預訓練，並結合真實數據進行後訓練。該公司表示，這種方法促進了具身大模型技術的快速迭代，使其在多工泛化、全身運動控制、跨實體自主導航以及靈巧手操作等關鍵技術領域取得突破，為人形機器人的大規模部署奠定基礎。 G1 落地實戰：寧德時代、豐田都是客戶 Galbot 的旗艦產品是名為 G1 的機器人，這是一款擁有人形上半身、雙臂與輪式底盤的「移動機械手臂」。這種設計讓 G1 能夠執行自動化庫存管理、補貨、配送和包裝等任務。Galbot 表示，G1 已在多個倉庫地點連續穩定運作超過一年，實現 7×24 無間斷作業。 在醫療場域，Galbot 也與宣武醫院等機構合作，讓 G1 協助病房服務、藥局運作及院內導引系統 。在零售場域，Galbot 推出了全自動零售系統「Galbot Store」，由 G1 獨立完成迎賓、取貨與交付作業，並已在中國 30 多座城市實際營運。該模式雖仍被部分分析師視為展示性質，但也反映 Galbot 正嘗試將具身智慧推向更多半結構化、對人力高度敏感的場域。 Galbot 聲稱已經獲得數千台的訂單，合作夥伴包括電池製造商寧德時代、工程巨頭博世，以及汽車製造商豐田和現代。值得注意的是，該公司推出的 G1 Premium [&hellip;]</p>

挖掘 AI 創新應用！數產署邀集 NVIDIA 等產業專家，舉辦 Agentic AI 與數位轉型新契機論壇，協助產業…

<p>根據勤業眾信調查，52% 企業已將 Agentic AI 視為提升組織靈活性與效率的關鍵技術，並且預期帶動 AI 應用從單點生成走向跨流程整合，進一步促使企業組織與營運結構的重新設計。面對這樣的趨勢，開發者如何加速建構 AI Agents，並與企業推動 AI 成為核心決策夥伴？在數位發展部數位產業署舉辦的「新 AI 浪潮：代理 AI（Agentic AI）與產業數位轉型新契機」論壇，匯聚 NVIDIA 與新創夥伴，還有製造、AI 轉型、金融領域等專家，深度剖析最新 AI 趨勢及實戰價值。 數位發展部數位產業署副署長黃雅萍致詞表示，「政府宣布推動『AI 新十大建設』，數產署在這項計畫中專注 AI 軟體產業的發展。今年五月起陸續推出 AI 國際技術日系列論壇與工作坊，期待挖掘更多 AI 創新應用，協助開發者接軌國際最新軟體技術，共創台灣軟體新高峰。」 科技報橘社長戴季全強調，Agentic AI 崛起，讓 AI 落地速度變得非常快，不僅支持打造個人化、客製化應用，更讓每個人都能取得與美國總統相同等級的情報。與此同時，職場工作者必須學習如何與 AI 協作，才能掌握增能和賦能的關鍵競爭力。 為協助台灣企業實現高效能、可自訂的規模化商業應用，NVIDIA 打造開發者生態系，加速開發者、新創公司、學生取得最新的工具、技術和培訓資源，NVIDIA Developer Program 是所有資源的起點，助力開發者掌握 NVIDIA 在全球發生的最新資訊和合作夥伴資訊；在 NVIDIA Inception，NVIDIA 以技術深入輔導台灣在地潛力新創團隊成長、驗證產品或服務概念，並透過一系列新創交流活動、技術研討會，以及企業交流和媒體宣傳機會，協助新創企業掌握先機；NVIDIA Higher ED &amp; Research 則是 NVIDIA 專為學術機構合作而建構的計畫，將提供硬體、工作坊、自學課程等豐富資源。 NVIDIA 與 NVIDIA [&hellip;]</p>

2026 電動車轉折年：當美國車廠踩剎車、歐盟禁令鬆動，混合動力與能源儲存為何成為新重心？

<p>過去幾年，美國汽車產業曾對電動車（EV）展現出極度樂觀的「狂熱」情緒，但現在這股熱潮正逐步退去，取而代之的是冷酷的現實。儘管車廠在過去五年內投入數十億美元在研發、產能與供應鏈上，但消費者的實際需求始終未達預期，導致產業不得不重新審視長期發展藍圖。 隨著聯邦政府最高 7,500 美元的購車補貼在 2025 年 9 月結束，市場的降溫尤為明顯。美國電動車市占率從今年 9 月的 10.3% 高峰驟降至第四季的 5.2% 左右。這種劇烈的波動顯示，過去的增長很大程度上是由政策補貼所推動，而非消費者自發需求所驅動。 這波需求降溫不只反映短期波動，也開始動搖汽車產業過去幾年奉行的「非電不可」共識，迫使車廠重新檢視電動化路線的現實可行性。 從「全電承諾」退回多動力路線，產業共識出現轉向 過去幾年，汽車產業籠罩在「非電不可」的氛圍中，當時市場普遍認為，若不全力投入電動車，公司終將倒閉。然而，這種激進的觀點正在瓦解，KPMG 專家 Lenny LaRocca 指出，汽車業已轉向純電、插電式混合動力（PHEV）與內燃機並行的「多動力結構」，或稱為「動力系統馬賽克（mosaic of powertrains）」。 儘管長期電動化方向不變，但市場節奏已被重新校準。PwC 預估到 2030 年，電動車僅會占美國新車銷量的 19%，這與早前各界樂觀的預期落差甚大。IER 的評論指出，這種調整源於車廠發現其龐大的投資規模，與實際的基礎建設成熟度、消費者負擔能力之間，存在巨大鴻溝。這也讓許多美國人感受到新車價格已因轉型成本而飆升，變得更高不可攀。 當產業論述出現轉向，壓力也迅速反映在企業層級，讓各大車廠開始以更務實的方式調整投資節奏與產品策略。 美國車廠集體調整策略：「能源儲存」成為更具吸引力的收入來源 面對產業共識轉向、銷量下滑與政策紅利退場，美國三大車廠正同步進入「現實校正期」，集體調整電動車策略，將重心從獲利困難的純電動車，轉回利潤結構相對穩定的燃油車、混合動力車與能源儲存等相關市場。 例如通用汽車（GM）就從先前「全電承諾」的路線改道。通用汽車執行長 Mary Barra 表示，汽車產業正面臨政策環境「180 度轉向」，公司必須重新評估投資方向。在實際作法上，GM 已放緩或暫停 Cadillac Lyriq、GMC Hummer EV 與 Cadillac Escalade IQ 等車款生產，並將部分電動車產能轉回大型卡車與 SUV，同時撤回「2035 年全面電動化」承諾。 福特汽車（Ford）則進行更激進的財務與產品線調整，執行長 Jim Farley 指出，福特汽車必須跟隨市場與消費者需求，而非原先預期的路線。因此，福特取消下一代大型純電卡車與商用車計畫，轉而投入混合動力車型與 3 萬美元以下的平價電動車，以回應市場需求並因應中國車廠競爭，目標在 [&hellip;]</p>

【AI 轉型漏了會計業】人才流失＋轉型緩慢，Marble 想用 AI 代理破局

<p>致力為會計與稅務專業人士打造 AI 代理的新創公司 Marble，近日宣布成功募集到 900 萬美元融資，希望為嚴重缺工且法規繁複的會計產業，以人工智慧技術展開革新。</p>