<p>當 AI 與 agentic AI（AI 代理）快速進入企業環境，資安的邏輯也正在改變。過去「買工具、跑流程」的思維，已不足以應對今日規模化、快速變動的威脅環境。AWS 資安長 Amy Herzog 近期在 re:Invent 2025 分享了對企業資安準備的核心觀點，值得所有資安主管與雲端架構負責人深思。 企業資安需重新設計代理架構 AI 已是企業日常的一部分，但它同時也成為攻擊者的利器。Herzog 直言，有威脅行為的有心人士心中有明確目標，他們會利用任何可行的路徑來達成。這意味著，防禦方與攻擊方都在運用 AI 強化自身能力。資安已不再單純是技術問題，而是一場持續演進的對抗。 許多人對 AI 代理的想像是「讓它像人類一樣工作」，也就是接手一整個任務流程，從頭做到尾。但 Herzog 指出，AWS 內部過去一年的實驗發現，這並非最有效的應用方式。 她解釋，讓代理「模仿人類的工作方式」效果有限，更好的做法是讓每個代理只專注做好一件具體的事，例如分析日誌、偵測異常、或產生修補建議，然後將這些專精的 AI 代理整合進一個更大的框架中，各司其職地協助人類完成複雜任務。 也就是說， AI 代理的價值不在於「取代人」，而在於「嵌入系統、分擔負荷」。 Herzog 也強調，這樣的設計必須扎根於真實的使用情境。她說：「如果我們的產品團隊沒有扎根於客戶體驗，而我沒有扎根於 AWS 內部開發者的實際經驗，我就無法做好我的工作。」也就是，資安團隊在導入 AI 代理時，不能只憑想像或理論，而是要基於第一線的實際需求來設計，才能讓代理真正發揮作用。 AI 時代的資安挑戰，核心在於規模與反應速度。過去的資安框架或許仍然適用，但如何在 AI 代理大量部署的情境下擴展這些框架，才是真正的考驗。 AWS 對企業導入資安 AI 的現實建議 面對 AI 熱潮，Herzog 的態度務實。她透露，近期的工作之一是幫客戶稍微降溫 AI 的使用。她的建議是：不要為了導入 AI 而導入，而是思考這項技術能否帶來真正的價值。 過去，傳統資安團隊容易陷入「我解決了多少問題」的思維，但 Herzog […]</p>
<p>2026 年，人工智慧的角色正在發生根本轉變。它不再只是協助人類做出判斷的軟體工具，而是開始直接承擔決策、協調與執行的責任。不過，當信任本身被交付給演算法，國家與社會是否承受得起它失效的代價？ AI 從產業升級走向國家可控的戰略資產 近年來，各國對人工智慧的投資已明顯脫離單純的產業升級邏輯，開始與能源、算力與公共能力綁定。 2025 年，美國與沙烏地阿拉伯宣布高額 AI 戰略合作，將計算基礎設施直接納入國家能力布局，正是一個象徵性轉折。人工智慧不再被視為可外包、可替換的軟體，而是必須「國內可控」的戰略資產。 這種思維也反映在制度設計上。部分國家開始賦予 AI 系統更高層級的公共決策權限，阿爾巴尼亞正式設立「人工智慧部長」，並賦予其內閣層級的公共採購與決策權限，象徵自動化不再停留在顧問或輔助角色，而是被納入制度核心。 醫療調度、金融風控與選舉基礎設施中，AI 已不只是分析工具，而是實際參與判斷的系統節點。這代表 AI 的穩定性，正在等同於國家運作的穩定性。 當判斷被自動化，系統失效不再只是 IT 事故 與此同時，開源模型的快速擴散雖然打破了能力壟斷，卻也同步放大了攻擊與失效面。當高階能力不再只掌握在少數實驗室手中，整個系統的暴露程度也隨之提高。這代表，隨著 AI 被納入制度核心，失效風險也被同步制度化。 在這個新階段，網路攻擊的目標也隨之轉移。攻擊者不再需要關閉系統或製造大規模中斷，只要讓系統「不再可信」，就足以造成結構性破壞。 AI 與網路攻擊的結合，讓攻擊規模與速度突破人力限制，原本需要團隊與時間才能完成的行動，如今可以自動化生成、調整並部署。 而真正危險的不是系統停擺，是判斷力被污染。當模型被投毒、資料被操縱，影響的不是單一應用，而是整個決策鏈。這意味著，模型被入侵，等同於制度中樞遭到滲透。醫療分流、金融授信或選舉資訊，一旦建立在被破壞的判斷基礎上，後果將難以逆轉。 真正的風險，不在於技術本身是否出錯，而在於社會對自動化決策的依賴，已超過對其運作方式的理解。隨著決策權高度集中於自動化系統，失效的影響也被同步集中。一旦這些系統出現偏差，事件就不再是 IT 事故，而是公共安全危機。 國家競爭力的分水嶺，在於是否承受得起 AI 失敗 當 AI 失效的代價不再局限於單一部門，而是影響整體社會運作時，風險便從技術層面上升為國家層級問題。 醫療體系是最具代表性的例子。當診斷、資源配置與跨機構協調高度自動化，單一系統的失效就可能演變為全面性的照護中斷。這類風險並非來自 AI 的惡意，而是來自對複雜系統的過度依賴，特別是在缺乏備援與透明度的情況下。這類案例揭示的不是單一產業問題，而是高度自動化國家運作的共通風險。 這些風險並非均勻分布。人工智慧的產業結構本身，正在放大國家之間的準備差距。由於 AI 基礎設施高度依賴規模經濟、龐大資本與網路效應，前沿算力與平台能力不可避免地集中於少數國家與大型組織。集中化提升了效率與可靠性，卻也製造了新的結構性依賴。 當 AI 成為公共治理與經濟運作的底層支撐，缺乏國內能力或可靠備援的國家，將暴露於外部中斷風險之下。此時，問題已不再是是否能取得先進模型，而是能否在外部計算或資料基礎設施失效時，維持關鍵服務的連續性。 這也重新定義了國家競爭力。真正的分水嶺，不在於誰部署得更快，而在於誰承受得起失敗。AI 素養、制度準備與備援能力，正逐步成為國家安全的新基本盤。 從防禦到素養：國家安全必須納入 AI 治理能力建設 當信任本身變成演算法時會發生什麼？當對手找到破壞信任的方法時又會發生什麼事？ 身為網路安全企業家和以色列前總理 Naftali Bennett 去年底警告，人工智慧和網路風險的融合正在造成全新的威脅，這可能會使為節奏較慢、更人性化的世界而建立的機構不堪重負： 「以前需要幾十甚至幾百個駭客來攻擊你，現在，你可以想像你的敵人空投一百萬名黑客到你的國家，你的政府機構，從內部攻擊你。」 […]</p>
<p>德意志銀行（Deutsche Bank）在最新發布的調查報告指出，儘管市場面臨諸多挑戰，AI 仍是推動全球經濟轉型的核心力量，且 AI 對生產力的提升將不僅限於科技業，而是逐步擴散至整體經濟，為投資人提供廣泛的機會。 然而，德意志銀行同時強調，AI 的成長環境已變得極為複雜，必須與地緣政治、總體經濟波動以及供應鏈的不確定性並存，不再是單純的利多驅動。在這樣的背景下，市場對 AI 的討論重心，正轉向「是否已開始兌現承諾」。 蜜月期已結束：AI 進入現實檢驗階段 德意志銀行分析師 Adrian Cox 與 Stefan Abrudan 直言：「AI 的蜜月期已經結束。」 隨著企業將 AI 專案從概念驗證（POC）推向實際部署，現實問題接踵而至。許多企業發現，現階段的生成式 AI 在準確率上仍有不足，且難以應對不可預測的真實世界環境。「對於大多數用戶來說，目前的 AI 體驗更像是換了一個更舒適的馬鞍，而不是從馬匹升級到拖拉機，」德意志銀行形容，AI 帶來的改變往往是漸進式的，而非革命性。 當 AI 專案進入實際部署階段、回報壓力浮現，這種現實檢驗首先衝擊的，正是缺乏規模優勢與穩定現金流的獨立模型開發商。德意志銀行認為，2026 年將是這些公司的「生死存亡之年（make-or-break year）」，以 OpenAI 為例，儘管持續獲得融資，但在鉅額現金消耗與商業模式可持續性的雙重壓力下，市場對其擔憂加劇。因此德意志銀行也警告，許多獨立開發商最終可能因算力成本過高而被迫尋求科技巨頭的收購。 2026 年將是 AI 能否證明「高昂身價」的關鍵時刻 隨著市場對 AI 的高度樂觀情緒正在消退，取而代之的是對估值泡沫的恐懼。根據德意志銀行的報告，高達 57% 的投資人將「科技股估值大幅修正或 AI 熱潮退燒」列為 2026 年市場的最大風險，比例甚至高於對通膨、利率政策或地緣政治衝突的擔憂，顯示 AI 板塊已成為市場風險的集中點。 報告指出，這種擔憂源於 AI 帶來的生產力增長可能無法跟上當前的高估值。國際貨幣基金組織（IMF）也發出警告，若市場重新評估 AI 的生產力預期，可能會導致投資下降，並引發金融市場突然調整。 因此德意志銀行分析，2026 年將是 […]</p>
<p>面對數位轉型浪潮襲來，許多企業仍在技術和應用的迷霧中探索，深耕軟體領域近 40 年的叡揚資訊，早已將 AI 內化為組織的日常 DNA。在近期舉辦的「2026 AI 人才年會暨 AI 職涯博覽會」，叡揚資訊人資長黃真玲不僅揭示數位轉型的變革心法，也深度解析 AI 時代的職場關鍵能力：「數位技能 X 成長型思維 = π 型人才」。 「在叡揚，我們強調自己是『第零代使用者』。我們是數位工具的需求提出者，也協助產品測試，把實驗場域放在公司當中，」黃真玲表示，叡揚資訊之所以能快速適應 AI 浪潮，源於其獨特的「第零代使用者」文化，在產品交付給客戶前，叡揚 800 多名員工，包含近七成技術人員，便是首批使用者。而在公司內部，叡揚資訊致力實踐「全員 AI」的策略，同仁時常會互相詢問「你的 AI 日常是什麼？」、「怎麼在你的工作當中加入 AI？」。 除了藉由 AI、雲端運算、流程自動化等科技驅動，「敏捷文化」、「跨部門協作」，以及「扁平化政策」，也是促使叡揚資訊加速轉型的關鍵之一。黃真玲說明，此議題無論是在技術整合還是創新研發，其實對於公司 CIO，甚至高階主管都是一項巨大挑戰，「所以我們除了讓大家發揮創意打造這些數位工具，更要發揮組織的力量。我想，組織不是要限制同仁發展，而是透過我們的策略貫穿其中，讓整個數位轉型與 AI 應用更加蓬勃。」 叡揚資訊的「全員 AI」發展藍圖 黃真玲分享，在叡揚資訊的「全員 AI」發展藍圖，對外是將 AI 應用在產品與服務創新；對內則是追求效率和流程自動化，「如何讓前方的工程師更快地打仗？身為後勤支援單位的我們，需要確保自己能夠跟上最前線開發者的速度。因此不只前端研發要關注 AI 的發展，在公司的內部，我們要求全員，包括行政單位、人資、財務會計、行銷和業務，大家都要一起思考，怎麼把 AI 融入日常作業當中。」 黃真玲舉例，叡揚資訊對外提供智慧客服，在內部也使用這項應用服務廣大員工，還有法務部門開始訓練 AI 工具，快速檢查不合理、違規的法條，「在這樣的情況下，我們的架構必須要能夠支援 AI 的順暢運作，所以大家可以看到叡揚資訊在底層建置軟硬體設備，包括平台、算力、語言模型、AI 工具包，提供客戶足夠的『AI 轉型子彈』。」 「我們經營很多周邊力量，讓大家願意在這個環境交流 AI 思維，」黃真玲表示，叡揚資訊還經營部落格，讓同仁可以發表自己的 AI 能果，並掌握最新的 AI 資源、教育訓練。同時，叡揚資訊深知數位轉型與變革需要投資，便架構 […]</p>
<p>特斯拉執行長馬斯克 19 日在社群平台 X 上宣布，隨著 AI5 晶片設計已基本完成，公司將正式重啟 Dojo 3 超級電腦專案的研發工作。這項聲明不只代表特斯拉晶片戰略的重大轉折，馬斯克更公開對外招募人才，邀請有志之士加入開發他口中「全球產量最高晶片」的團隊。 Now that the AI5 chip design is in good shape, Tesla will restart work on Dojo3. If you’re interested in working on what will be the highest volume chips in the world, send a note to [email protected] with 3 bullet points on the toughest technical […]</p>
<p>根據權威期刊《Science》近期發表的一項大規模研究，針對 19 種不同的大型語言模型、在 707 個政治議題上與超過 7 萬名受試者進行實驗，結果指出科學家已證實大型語言模型具備強大的說服力，能有效改變人類的立場與態度。 研究發現，模型的說服力主要並非來自模型的運算能力或個人化資料，而是取決於「後訓練」（post-training）與「提示策略」（prompting）。具體而言，後訓練能將說服力提升高達 51%，而特定的提示策略則能提升 27%。這意味著，即使是規模較小的模型，只要經過精細的訓練與引導，也能展現出與大模型相近甚至更強的影響力。 然而，這項能力伴隨著巨大的風險。研究指出，模型通常透過密集的資訊堆疊來增強說服效果，但提升說服力的技術，往往會導致事實準確性下降。因此，論文結論強調：「當 AI 系統被優化以進行說服時，它們可能會越來越多地部署誤導性或虛假的資訊。」這種「影響力」與「真實性」之間的權衡，也引發各界對 AI 被用於操控決策與意見的深度憂慮，一旦這種說服力被引入商業場景，風險便不再只是學術討論，而是直接影響消費與選擇。 對話式 AI 為何比傳統廣告更危險？ 隨著生成式 AI 逐漸成為人們搜尋資訊與做出決策的首選介面，AI 產業也開始步上社群媒體的老路，將商業模式轉向「注意力變現」。《The Conversation》報導，專家警告，AI 企業已展開新一輪競逐，試圖擷取使用者的線上行為數據以驅動廣告。以 OpenAI 為例，該公司過去曾形容「廣告結合 AI」令人不安，如今卻轉而承諾，能在導入廣告的同時維持使用者信任。 目前，包括 Microsoft 的 Copilot、Amazon 的 Rufus，以及 Google 的 AI 搜尋功能，都已開始測試廣告機制。由於生成式 AI 能進行主動對話，並針對使用者的具體疑問給出回應，其影響力遠勝於傳統搜尋引擎。在這樣的互動情境下，使用者往往難以判斷，AI 推薦某個航班或飯店，究竟是因為該選項最適合自己，還是因為背後存在企業支付的回扣或商業誘因。 正因 AI 的影響是透過對話與建議發生，《The Conversation》進一步指出，AI 廣告化最具威脅性的地方，在於其高度隱蔽性。不同於傳統顯眼的橫幅廣告，對話式 AI 的影響往往被包裝在「建議」之中，使用者也更傾向將 AI 視為中立的「助手」而非行銷管道，這使得潛在的操控行為更難被察覺。 這樣的商業模式，最終恐將侵蝕大眾對 AI 系統的信任。為了降低相關風險，專家呼籲政府介入，包含賦予消費者對個人數據如何被 AI 使用的控制權，或投資由公共機構運作、具透明度與監督機制的「公共 AI」，以及加強監管透明度，並強制揭露任何付費代言。不過，在監管尚未明確之前，部分科技公司已先行選擇自我約束。 […]</p>
<p>Google 的 Gemini 迎來重大升級，今（15）日推出名為「個人化智慧服務」（Personal Intelligence）的新功能，讓 AI 助理可以在使用者同意的前提下，同時理解 Gmail、搜尋、YouTube 與相簿等多個 Google 服務中的資訊，並進行跨來源推理。這代表，Gemini 不再只是從單一資料來源找答案，而是能結合郵件、搜尋紀錄、觀看行為與生活照片，判斷使用者當下的情境，提供更具脈絡的回應。 AI 從模型戰，攻向誰更能掌握使用者脈絡 該功能與 Apple Intelligence 的定位類似：一個時刻觀察你手機活動的智慧助理，能夠搜集資訊以更好地回答你的問題。表面上看，這是一項讓 AI「更懂你」的個人化升級，但從產業競爭角度看，更像是 Google 對於 AI 競爭規則的下一佈局。 這場 AI 大戰已經不只取決於模型有多聰明，而是誰能長期、低摩擦地掌握使用者的日常脈絡，並在正確時機主動提供建議。 而這正是 Google 競爭對手 OpenAI、Anthropic 目前最難複製的能力。即使模型表現逐漸拉近，若無法像 Google 掌握其他消費者入口，就難以自然取得高頻率、即時且持續更新的使用者脈絡。《Business Insider》評論，Google 可以藉由個人化智慧服務，將自家整個應用生態系轉化為 AI 的競爭優勢。 舉例來說，當使用者計劃度假時，Gemini 可以從照片或電子郵件中判斷使用者偏好戶外活動、是否有孩子、過往常選擇的飯店類型，進而量身規劃行程建議。 個人化智慧服務測試版將先向美國 Gemini 高級訂閱用戶推出，並計劃在未來幾個月內推廣至全球以及免費用戶。該功能目前僅適用於個人 Google 帳戶，不適用於 Workspace 商業、企業或教育版用戶。 信任與治理，成為競爭策略的一環 不過，跨來源推理也可能帶來新的風險。過度個人化可能產生錯誤關聯，甚至引發使用者對被監控或被誤解的疑慮。 因此，Google 在推出個人化智慧服務時，刻意強調其將「隱私」放在核心位置。連結各項應用程式的功能預設為關閉，需由使用者主動選擇要授權的服務，且可隨時中止或刪除對話紀錄。Google 也強調，Gmail 收件匣與 Google 相簿內容不會用於訓練模型，僅會使用 Gemini […]</p>
PChome Online新聞1筆關係