TechOrange 科技報橘

如何讓 AI 看懂產線？台灣思科以數位轉型 3 部曲，助攻企業將 OT 通訊與資安作為關鍵橋樑

<p>隨著 AI 技術席捲全球，製造業正加速邁向 AI 智慧工廠的新紀元。然而，如何讓 AI 真正「看懂」產線並發揮最大效益，成為產業界的共同挑戰。台灣思科亞太區工業物聯網產品經理吳竣民近日於 AI 智慧大工廠論壇，深度探討 OT 通訊與資安如何成為智慧製造的關鍵橋樑，並解析思科透過 3 步驟，協助企業突破數位轉型痛點的具體模式。 吳竣民指出，未來的 AI 智慧工廠將圍繞三大核心元素，不僅具備能處理複雜指令的 Agentic AI，現場的無人搬運車、機械手臂等實體設備也將全面搭載 AI，而支撐這一切的基石，在於工業現場數據。 根據思科預估，高達 75% 的數據將直接來自產線終端設備，包含 PLC、控制器、機台或影像，透過這些關鍵數據，才有辦法讓 AI 應用順利落地並發揮效力。但實際推動 AI 數位轉型，製造業者往往面臨現場資料擷取困難、設備運作存在盲點、資安風險遽增的難題，甚至擔心升級 OT 設備造成產線停擺。因為傳統工廠的系統各自為政，無法有效串接，也缺乏網路層的可視性，讓工作人員難以掌握機台即時狀態，當企業整合跨平台應用，更將擴大駭客的攻擊面，「許多 IT 同仁進行 OT 網路與資安作業時，最擔心的就是升級 OT 設備，可能導致生產線停止運作，所以我們透過思科提出的 3 步驟，希望協助客戶實現安全的升級轉型，」吳竣民說道。 數位轉型第 1 步：三階層架構，建立 OT 神經網路 吳竣民表示，思科建議企業架構三階層的神經網路，並盤點終端設備與工業大腦涵蓋哪些，接著以神經網路的概念建立防護網。過去，製造工廠在不同設備、系統，會使用不同的網路，一旦新系統導入，就會發現網路不相容、無法連接的問題，使得企業在建構網路的過程中重複投資，且容易形成資安盲點。而思科提供一系列工業等級的網路交換機，助企業以安全的設備建置安全的網路。這些交換機採用金屬外殼與無風扇散熱，支援攝氏 -40 度至 75 度的環境，可以直接放置於戶外的密閉機箱中穩定運行，另外，交換機通過 IEC-62443-4-2 工業資安認證，可確保企業基礎設施的安全性。 吳竣民說明，在思科 IE9300 工業交換機系列，主機功耗僅 35 瓦，特別之處在於能支援四台設備堆疊的模組，為企業大幅降低管理上的負荷量；最新的 IE3500 [&hellip;]</p>

黃仁勳的底層護城河保衛戰：NVIDIA 豪砸 260 億美元打造的美製開放模型亮相

<p>隨著 AI 代理（Agentic AI）開始被企業用於自動化更複雜的任務，AI 產業的競爭焦點正悄悄改變。過去市場比的是模型規模與能力上限，如今企業更在意的，則是推理效率、部署成本，以及模型是否適合多代理系統長時間運作。 NVIDIA 宣布推出的開放權重模型 Nemotron Super 3，正是對此新需求的回應。這款模型主打為 Agentic AI 系統設計，採用混合式 Mixture-of-Experts（MoE）架構，具備 100 萬 token context window，目標是在處理長流程、多步驟任務時，降低運算成本與所謂的「思考稅」（thinking tax）。 這也顯示，AI 產業正從單一大型模型競賽，轉向更重視推理效率、多代理系統與開源生態的新階段。而 NVIDIA 也試圖藉此從 AI 晶片供應商，進一步轉型成為完整的 AI 生態系提供者。 多代理系統興起，推理成本成新瓶頸 AI 代理之所以成為新焦點，是因為企業希望它們不只回答問題，而能真正執行任務，例如協助寫程式、處理資安事件、搜尋資料，甚至完成跨工具的工作流程。但這類多代理系統也帶來新問題。 根據 NVIDIA 與《VentureBeat》引述的資料，多代理應用在執行長流程任務時，產生的 token 量可能是一般聊天互動的 15 倍。原因在於，代理每完成一步，都必須反覆帶入歷史脈絡、工具輸出與中間推理結果。這種現象被 NVIDIA 稱為「上下文爆炸」（context explosion）。當上下文持續膨脹，模型不僅更昂貴，也更容易在長任務中偏離原本目標。 另一個問題則是「思考稅」。也就是說，若每個子任務都交由大型推理模型處理，成本與延遲都會迅速上升，使 Agentic AI 很難在企業場景中大規模落地。Nemotron Super 3 的定位，正是試圖在這兩個瓶頸之間找到平衡。 Nemotron Super 3：為 Agentic AI 優化的開放模型 NVIDIA [&hellip;]</p>

《電通 2026 媒體趨勢報告》：未來媒體競爭不再是平台之爭，而是「人類行為瞬間」

<p>回歸人類行為本質，在演算法時代重新定義影響力 在 AI、短影音與串流平台快速演變的媒體環境中，品牌接觸消費者的方式正變得高度碎片化。平台持續更迭、技術不斷升級，但消費者如何做選擇、如何建立信任，以及如何記住一個品牌，其背後的人類行為邏輯卻始終相對穩定。電通最新發布的《2026 媒體趨勢報告》指出，在演算法主導的媒體時代，品牌競爭的關鍵不再只是「選擇哪一個平台」，而是能否在消費者做決策的關鍵「人類行為瞬間」產生影響力。電通媒體專業服務暨貝立德執行長盧炳勳指出：「過去品牌談媒體策略，常聚焦在平台與流量；但在演算法時代，真正的關鍵其實是『人類行為瞬間』。當 AI 開始參與決策流程，品牌必須思考如何在消費者產生需求、比較選擇與建立信任的關鍵時刻建立影響力。」 報告從人類行為出發，提出三大核心觀察與九大媒體趨勢，協助品牌重新思考在新媒體環境中的策略布局。 核心一：我們從簡單走向複雜（We Are Simple Until We Are Complex） 在嘈雜的世界裡，人們始終在尋求「簡單」。從找停車位、付款流程，到瀏覽內容的便利性，效率依然是消費者最基本的期待。但人並不只是追求結果，真正好的體驗，往往是在效率與情感之間留下剛剛好的感受空間。 隨著生成式 AI 與代理型 AI（Agentic AI）的發展，消費者正逐漸將部分決策權交給系統完成，例如產品推薦、內容搜尋與購物選擇。未來品牌面臨的問題，不再只是如何提升曝光，而是是否能被 AI 視為「值得推薦」的選項。 數位體驗長期以「更快、更順暢」為目標，從付款流程、內容瀏覽到電商交易，效率早已成為基本標準。然而當所有品牌都提供高度順暢的體驗時，真正的差異化反而可能來自「刻意設計的摩擦」。例如限量商品、期間限定活動、實體場域體驗或需要排隊的活動，這些看似不夠便利的設計，往往能創造更強烈的渴望與記憶點。電通指出，在高度自動化的媒體環境中，「適度摩擦」將成為品牌塑造情緒價值與文化感的重要策略。 搜尋不再只是單一入口，而是一段跨平台的連續行為。消費者可能從社群平台開始探索，在電商平台比較商品，再透過 AI 對話取得建議。電通指出，品牌需要從傳統 SEO 思維，轉向建立「全搜尋策略」，確保在社群、電商與 AI 對話等多個入口中保持可見度，並在消費者決策的關鍵時刻不缺席。 核心二 : 我們是社交動物 We Are Social Animals 人類天生具有社交本能。即便近年孤獨感議題受到關注，人們渴望連結的需求並未減弱。真正能被看見的品牌，不只是完成交易，而是促成連結。消費者期待品牌能讓人與人產生互動與共同參與，而不是單向傳遞訊息。 在資訊爆炸與真假難辨的環境中，消費者更依賴「像自己的人」作為判斷依據。信任正從完美的品牌說法，轉向創作者、社群與真實使用者的聲音。品牌若希望在社群中被接受，關鍵不在於強勢曝光，而是理解並尊重社群文化，支持創作者發展，讓品牌自然融入社群對話。 隨著即時通訊工具普及，消費者與品牌的互動正從單向訊息轉向持續對話。對話型互動不再只是客服工具，而是品牌關係經營的重要場域。以台灣市場為例，品牌透過 LINE 等平台整合會員資料、客服與銷售流程，將對話設計為完整的顧客旅程，正逐漸成為企業建立長期顧客關係的重要能力。 即使串流影音已成主流，直播（Live）仍然是集體記憶的製造現場。體育賽事、音樂活動與大型直播內容，仍然能讓不同世代在同一個情緒時刻產生共鳴。品牌若能在這些共享時刻中出現，往往更容易建立深刻且持久的品牌印象。 核心三  : 我們不「讀」廣告 ( We Don’t Read Advertising ) 娛樂性長期以來都是吸引注意力的重要因素，而在螢幕使用時間不斷上升與 AI 生成內容大量出現的情況下，人們的注意力變得更加分散。品牌若希望被看見，必須將品質置於數量之前，並重新思考如何創造值得觀看的內容。 [&hellip;]</p>

Agentic AI 與 Physical AI 如何加速高科技製造業的自主革命？聯發科技、群聯電子、NVIDIA 等…

<p>2026 年，製造業正站在「自主革命」的轉捩點。隨著「+USA」全球供應鏈重組、勞動力缺口擴大，以及 AI 代理與物理 AI 的加速成熟，製造業的角色正發生根本性轉變，重塑「超自動化」工廠的樣貌。對於位居全球供應鏈中樞的新竹高科技製造業而言，挑戰更不僅在於技術導入，更在於如何建立一支 AI 混合勞動力，以應對日益嚴峻的勞動力缺口與全球化競爭。 TechOrange 科技報橘與 Cake 在 2/7 聯合舉辦「高科技製造 AI 人才論壇暨 Workshop」，為包括半導體、光電、電子零組件等新竹高科技製造業技術人才解析 AI 代理與物理 AI 如何成為推動這場自主革命的雙引擎，並探討高科技製造業當前最需要什麼樣的 AI 人才。 從自動化走向自主化的製造革命 聯發科技企業策略與前瞻技術資深處長梁伯嵩表示，AI 運算的七層架構涵蓋實體層、連結層、神經網路層、情境層、代理層，還有協調層和應用層。而在 AI 進展上，大致可歸納為三個時期，第一階段是「訓練時期運算」，開發者聚焦如何訓練 AI 提升性能；第二階段是「推理時期運算」，發展重點是利用 AI 有效率地進行推理、以知識蒸餾技術訓練 AI 模型；第三階段是「Agentic AI 與 Physical AI」，在企業追求極致算力的情況下，形成一個關鍵趨勢 —— 讓 AI 發揮超越單一 LLM 模型的能力。在提供 AI 算力上，「影響較大的是底端的實體層（Physical Layer），包括半導體晶片和各種不同硬體裝置，以及連接層（Link Layer），將這些運算力連接在一起進行 AI 運算。然後在整體 AI 算力設計上，不只看單顆晶片性能，更需要針對整個 AI 系統做最佳化，優化的範圍包含個機櫃（Rack-Scale）甚至是整個資料中心（Data Center）。 [&hellip;]</p>

【科技早餐】中東戰火延燒、能源價格暴漲 38%：全球科技硬體恐迎來新一波漲價潮

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊ 中東戰火延燒，能源價格暴漲 38%，可能引發科技硬體新一波漲價潮 《The Guardian》報導，受到美國、以色列與伊朗的衝突升溫影響，荷姆茲海峽面臨封鎖危機，導致歐洲基準天然氣價格單日暴漲 38%，原油價格也應聲跳漲超過 8%。 全球知名的能源及航運數據分析平台《Kpler 能源分析網》指出，這場能源海嘯正在迅速蔓延到科技業，不僅推高晶片製造與資料中心的電力成本，更因為貨運繞道而導致物流延誤。專家預估，若局勢不見緩和，今年下半年出貨的伺服器與電子產品，都將面臨 15% 以上的調漲壓力，讓全球科技供應鏈進入高度的警戒狀態。 ＊ MWC 2026 登場，啟動 6G 通訊新元年，邁向 Agentic AI 時代 世界行動通訊大會 MWC 2026，3 月 2 號在西班牙巴塞隆納揭開序幕，今年核心主題是 The IQ Era「智慧新紀元」，象徵通訊產業正式邁入人工智慧全面滲透的新階段。《Counterpoint Research》指出，MWC 2026 標誌著 AI 已經從「應用層」正式走向「系統整合層」，並與聯網技術深度融合，進入真正的「IQ Era」。 邁入第 20 週年的 MWC，這次受到矚目的重點是 6G 通訊正從概念邁入原型驗證，整合低軌衛星、高空平台、地面蜂巢網路，建構出全球立體覆蓋的一體化網路。與此同時，由於通訊技術的演進也加速 AI 的全面滲透，行動通訊產業將從終端裝置的邊緣 AI 走向代理 AI，重塑整個產業版圖。 研究報告也指出，6G 預計在 2030 年前後開始商業部署，到 2040 年全球連接數可能達到 [&hellip;]</p>

黃仁勳點名 AI 代理轉折點來臨、資料中心營收暴增 75%，為何華爾街卻無感？

<p>NVIDIA 公布了最新一季財報，營收與獲利雙雙超出華爾街預期，執行長黃仁勳也在會議上宣告「Agentic AI 的轉折點已經到來」。但尷尬的是，華爾街的反應卻稱不上熱烈：多家外媒提到，NVIDIA 股價在盤後交易時段幾乎持平，甚至在電話會議期間一度走弱。 NVIDIA 最新一季營收約 681 億美元，年增 73%，調整後每股盈餘 1.62 美元，也高於市場預期；該公司也給出下一季營收 780 億美元的展望，再次高於華爾街共識預估。《Reuters》報導，這已是 NVIDIA 連續多季繳出優於預期的結果，不過市場對它的「超標」早已習以為常，反而把標準拉得更高。 市場還擔心什麼？ 《Bloomberg》報導，華爾街的冷淡反應，部分源自於對 AI 經濟過熱的擔憂。面對「AI 投資是否不可持續」的質疑，黃仁勳回應表示「在 AI 新時代裡，算力等於收入。」因為生成 token 需要算力，而算力需求會直接轉化為成長與營收。他也強調，客戶已經在新取得的算力上賺到錢，因此會持續以高強度投資，表示對客戶現金流成長有信心。 UBS 分析師 Tim Arcuri 甚至在電話會議上問 NVIDIA 管理層，是否會把今年可能產生的約 1,000 億美元現金回饋給股東，因為「不管結果多好，股價也沒怎麼漲」。NVIDIA CFO Colette Kress 的回應是，公司希望把資金用來持續投資 AI 生態系。 此外，NVIDIA 資料中心營收年增 75%，達到 623 億美元，優於分析師預期；NVIDIA 現在超過 91% 的營收都來自資料中心。不過《Bloomberg》提醒，其他業務的表現參差不齊。以遊戲業務為例，該部門營收約 37.3 億美元，低於市場預期；汽車相關營收約 6.04 億美元，同樣不如預期。 另一個持續被分析師問的，是供應限制與中國不確定性。根據《Reuters》報導，NVIDIA 表示已確保足夠的晶片庫存與產能，可滿足未來幾季以後的需求，但記憶體供應緊張仍會影響遊戲業務。中國不確定性方面，NVIDIA 本季與財測皆未納入對中國資料中心晶片的銷售，雖然該公司已取得美國政府許可，可向中國客戶出貨「少量」H200 [&hellip;]</p>

試穿購買率達 60%！Reformation 如何靠科技試衣間，把實體店做出電商效率？

<p>有些人逛街時，覺得掛在展示空間的衣服很好看，但試穿之後反而尺寸不合、風格不搭等等，往往最後什麼都沒買就離開。 然而，美國女裝品牌 Reformation 卻交出一項令人矚目的數據：門市試穿後的購買轉換率高達 60%。這個數字的背後，並非單純來自產品本身，而是一整套將電商邏輯完整移植到實體門市的科技架構。 顧客選一件，後台自動推薦延伸搭配！試衣像逛網拍 走進 Reformation 的門市，首先映入眼簾的是「極簡」的陳列方式。店面只展示每款商品的一件樣品，所有庫存集中於後場。消費者不需要抱著多件衣服在架上穿梭，而是透過三種方式建立自己的試衣清單：由店員使用手持裝置協助加入商品、在牆面螢幕瀏覽完整目錄並點選欲試穿款式，或是以手機掃描商品標籤，自行建立數位試衣間。當顧客按下「建立試衣間（Build me a dressing room）」，系統便會啟動後台流程。 View this post on Instagram A post shared by Reformation (@reformation) 門市後方的運作模式像是一個微型物流中心，而非傳統倉庫。專責人員依照系統指示，將顧客選定的商品配送至指定試衣間。更關鍵的是，系統會根據消費者選擇的品項與過往數據，自動加入「你可能也喜歡」的延伸搭配，模擬電商推薦頁的邏輯。當顧客走進試衣間，等待她的不只是原本挑選的衣服，還有經由演算法建議的完整造型提案。 試衣間本身同樣數位化。螢幕顯示當前試穿清單、搭配建議等，並提供不同燈光模式，讓顧客模擬各種場合情境。若需要更換尺寸，只需透過螢幕發送請求，後台即可即時補送。這套體驗設計大幅降低試穿過程中的摩擦，讓消費者專注於穿著感受與風格判斷，也使品牌得以追蹤每一次互動。 應用數據，讓產品設計和開發都建立在真實穿著行為上 除了運用數據優化消費者的試穿體驗之外，Reformation 也把試穿數據回饋在產品開發上。它透過精準掌握每一件商品的試穿次數與購買轉換率，甚至細緻到單品層級，比方說某款洋裝被頻繁試穿卻銷售不佳，團隊便會進一步分析原因：是否版型在胸圍處過窄？拉鍊設計是否影響穿脫？材質是否在特定燈光下顯得不理想？這些來自試衣間的行為數據，成為產品優化的重要依據。 為了將這些前端數據有效整合進產品開發流程，Reformation 導入 Centric Software 的產品生命週期管理系統。透過這個系統，設計、打版、採購與永續資訊得以集中管理，並與實體門市回傳的試穿數據連動。產品經理可以將門市反饋以視覺化方式呈現，直接回溯至原材料選擇、供應鏈節點與設計規格。這意味著，試衣間所揭示的問題不再停留在營運層面，而是被納入產品生命週期管理，成為下一輪設計調整的依據。 對於以每週兩次限量上架聞名的 Reformation 而言，這種高頻率產品節奏需要更精準的資訊流與決策依據。這個系統也進一步協助商品企劃與開發團隊對齊時程。由於商品開發與銷售季節規劃並非完全同步，視覺化協作工具讓不同部門得以在同一平台上調整系列配置與上市規劃。 當多數零售品牌仍在思考如何串聯線上和線下的流量時，Reformation 選擇把電商的數據邏輯、推薦機制帶入實體空間。試衣間因此從單純的更衣空間，轉變為數據採集與產品驗證的核心場域。高達六成的試穿轉換率，既來自消費者對產品的喜愛，也來自一套可追蹤、可優化、可快速迭代的數位基礎架構。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI 如何重塑「超自動化」工廠 ＊本文開放合作夥伴轉載，參考資料：《Time》、Centric Software ，首圖來源：Reformation （責任編輯：廖紹伶）</p>

遵循「10／20／70」黃金法則：AI 成功關鍵僅 10% 在演算法，七成資源需重構流程

<p>過去，人工智慧更像是企業內部的技術實驗，由資料科學家與工程團隊在局部場景中測試應用，資訊長或 IT 總監往往才是主要窗口。然而，這種「技術部門主導」的階段正在快速結束。 AI 決策權上移，CEO 成為第一責任人 波士頓顧問公司（BCG）近期針對 2,360 位執行長的調查顯示，至少有 50% 的受訪 CEO 表示，若人工智慧計畫失敗，可能直接影響其職位安全。 相較之下，認為自己已準備好領導大型 AI 專案的比例，CEO 為 39%，資訊長或技術長為 38%，其他技術高階主管則僅有 25%。這項落差清楚顯示，AI 的決策責任正在從技術管理層，上移至企業最高治理層。 在多數企業眼中，AI 已不再是一次性工具導入，而是會全面影響營運模式、資本配置與競爭力的核心技術。也因此，越來越多 CEO 開始親自投入 AI 學習。 調查指出，執行長們平均每週花費約八小時，強化自身對 AI 的理解與判斷能力，反映這場轉型已高度個人化。 AI 投資轉向代理化，企業開始布局自主運作系統 隨著治理層級提升，AI 投資也進入制度化階段。BCG 數據顯示，企業目前平均將約 1.7% 的年收入投入人工智慧相關專案，顯示 AI 已成為固定資本支出的一部分，而非短期試驗。 更值得注意的是投資結構的轉變。九成受訪 CEO 認為，AI 代理（Agentic AI）將在 2026 年前帶來可衡量的投資報酬率，今年企業超過 30% 的 AI 預算，已明確流向能夠自主執行任務的代理系統。這代表 AI 的角色，正從「輔助工具」轉為具備執行能力的系統成員。 在這個階段，企業不再只關心模型準確率，而是開始評估 AI 是否能獨立完成高頻、規則明確、低波動性的工作流程，同時為人類團隊提供即時支援，讓人力專注於更複雜、風險更高的決策與關係管理。 [&hellip;]</p>

資安工具買越多越不安全？64% 受訪專家：放棄最佳單品堆疊，整合平台才是最佳解

<p>雲端現已成為多數企業營運與 AI 策略的核心基礎架構，資安風險也正以更快速度擴散。網路資安廠商 Fortinet 攜手 Cybersecurity Insiders 發布《2026 年雲端資安報告》，針對全球 1,163 位資深資安專家進行調查，指出企業雲端環境正面臨明顯的「複雜度落差」，也就是雲端架構與攻擊面的演進速度，已超出資安團隊在可視性、偵測與即時回應上的承載能力。在 AI 應用加速落地的同時，這種結構性失衡正成為企業雲端防禦失效的關鍵原因。 多雲與混合雲時代，資安防線開始鬆動 調查顯示，在多雲與混合雲成為主流部署模式的情況下，88% 的受訪組織已在混合雲或多雲環境中營運，81% 同時依賴兩個以上的雲端服務供應商，意味著身分管理、網路流量、工作負載與資料存取分散在不同平台中。這種高度分散的架構，使傳統以單一環境為假設所設計的資安工具，難以維持一致的政策、可視性與風險判斷基準，也直接反映在防禦成效上。Fortinet 報告指出，69% 的受訪組織認為工具分散與可視性不足，已成為雲端資安效率低落與威脅偵測失靈的首要障礙。 當安全工具各自運作，缺乏共享的情境資訊與遙測資料，資安團隊往往只能透過人工方式，將原本設計為互不相容的警示訊號進行關聯與判讀。這不僅拉長了事件分析與回應的時間，也使真正具風險的異常行為容易被大量雜訊淹沒。 尤其時下有愈來愈多攻擊者大量運用自動化與 AI 技術、持續掃描組態錯誤與權限漏洞，攻擊從「暴露」到「實際利用」的時間正在急遽縮短，防禦方卻仍停留在以警示為核心的被動模式。調查中已有 66% 的組織坦言，對自身即時偵測與回應雲端威脅的能力缺乏信心，凸顯問題已不只是工具數量不足，而是整體資安架構無法跟上雲端與 AI 驅動攻擊的節奏。 防禦策略的三大方向：整合平台、零信任與先進保護技術 面對這樣的攻防失衡，企業的防禦策略正出現明確轉向。Fortinet 的研究顯示，市場已逐步放棄堆疊數十種「最佳單一功能」工具的做法，轉而尋求統一化的資安架構。有 64% 的受訪者表示，若從零開始規劃雲端安全策略，傾向以單一供應商平台為核心，整合網路、雲端、應用程式與端點安全，建立跨環境的一致可視性。 此外，AI 驅動的威脅偵測與自動回應能力，亦被視為彌補人力與技能缺口的重要手段，尤其是在處理高頻、低風險事件上，能有效減輕資安團隊負擔。 除了整合平台外，零信任架構也被視為雲端時代的基本設計原則。零信任要求每個存取決策都必須驗證身分與權限，並根據情境動態調整存取控制，這對於分散式與多變的雲端環境尤為重要。 AI 代理上線，資安戰場衍生至資料與運算層 企業將 AI 代理深度融入營運與決策流程後，雲端安全的挑戰也延伸至資料與運算層級。AI 模型在訓練與推論階段需要存取大量關鍵營運參數、敏感商業資訊與生產數據，這使資料在「使用中」的風險暴露成為新的防護重點。 因應這一趨勢，業界逐漸重視機密運算（Confidential Computing） 等先進保護技術，旨在透過硬體隔離的可信執行環境（TEE）與可信平台模組（TPM），對正在處理中的資料提供加密與隔離保護，減少資料外洩與不當存取的可能性。各大科技巨頭包括 NVIDIA、Intel、Microsoft 與 Google，皆已在其平台上提供或支援機密運算架構。 在雲端架構日益分散、AI 持續滲透核心營運的情況下，資安的定位正發生根本性轉變。它不再只是技術團隊負責的防禦機制，也不再能透過單一產品或局部強化來解決，而是牽動整體系統設計、資料治理與營運流程的關鍵能力。 隨著環境複雜度快速升高，真正拉開企業差距的，不是工具數量的多寡，而是企業是否具備跨雲、跨系統的持續可視性，能在風險發生的當下即時理解脈絡、做出判斷，並在運算與資料使用過程中建立可信的安全基礎。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI [&hellip;]</p>

實體活動營運邏輯正在翻轉：從一次性人流，走向數位化的長期支持者經營

<p>過去，音樂祭、校園活動、運動賽事或商業展會的核心指標，常常只有一個：「來了多少人」。購票、現場消費、贊助與應援各自分散在不同系統，主辦單位能掌握的，多半只是零散的交易數字，而非完整的支持者輪廓。 然而，隨著金流、票務與 AI 技術逐步整合，實體活動正從一次性人流的生意，轉向可被追蹤、分析與長期經營的關係經營場景。 結帳不只是付款，而是支持者體驗的關鍵節點 在台灣，公眾科技新創應援科技（Oen）正是這波轉變中的代表案例之一。Oen 近期成為亞太首家在全平台導入 Visa Click to Pay 的服務商，鎖定音樂祭、講座、募款等決策時間極短的活動場景。在現場人潮密集、情緒高漲的情境下，免輸入卡號、免密碼的一鍵結帳，大幅降低付款摩擦，根據 Oen 內部測試顯示整體結帳時間可縮短約 50%，讓消費與應援能在最關鍵的當下完成。 這套金流體驗也正逐步延伸至實體現場收款，重新定義活動當下的消費流暢度。這樣的改變，背後反映的是活動營運邏輯的根本轉向。 以往，音樂祭或校園活動即使吸引了大量人流，主辦方仍難以回答一個關鍵問題：誰是重度支持者？他們在線上買了什麼票、在現場消費了什麼、是否願意再次參與？隨著金流、售票與 CRM 系統的整合，支持者從「線上購票」到「現場消費」、再到後續訂閱、捐款或周邊購買的完整旅程，開始被串接成可分析的資料脈絡。實體活動不再只是一次性的熱鬧場面，而成為能夠持續優化、反覆經營的關係入口。 AI 與即時商務，正重塑大型活動的互動方式 這股趨勢並非台灣獨有。國際市場上，類似的技術已在運動賽事與大型活動中進入實戰階段。以服務 NBA、MLB 等職業聯盟的 Pogoseat 為例，該平台將 AI Agent 導入票務與行動商務，讓粉絲不需下載 App、也不必登入網站，只要透過簡訊、WhatsApp 等日常訊息管道，便能直接完成購票、座位升等或加購體驗。粉絲只要傳送「今晚還有票嗎？」這類自然語言訊息，AI 便能即時辨識需求、推薦合適選項並完成交易。 更關鍵的是，Pogoseat 並未把這些互動視為一次性交易，而是將每一次對話、購票與升等行為回饋至球隊的 CRM 系統，成為後續行銷與忠誠經營的基礎。包括底特律活塞、匹茲堡鋼人與溫尼伯噴射機等多支職業隊伍，都已透過這類「Text-to-Buy」方案，將即時銷售轉化為可長期分析的粉絲資料資產，提升入場率的同時，也加深與核心支持者的關係。 Oen 在台灣的應援金流整合、Pogoseat 在國際運動賽事中的對話式票務應用，可以看見一個共同方向正在浮現：實體活動的價值，除了當天的人潮與票房之外，還延伸到能否把當下的情緒、互動與消費，轉化為長期可經營的支持者關係。當金流、AI 與 CRM 技術逐步成為活動現場的基礎設施，實體活動也正走向一個新的階段，不只是「辦完就結束」，而是一條可以持續累積、反覆深化的數位化經營路徑。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI 如何重塑「超自動化」工廠 ＊本文開放合作夥伴轉載，參考資料：Oen、Pogoseat、《BusinessWire》，首圖來源：Oen （責任編輯：廖紹伶）</p>

AI 機器人為何卡在落地？華碩機器人暨智慧應用總經理王恒聰揭規模化的三個決勝點

<p>專訪：戴季全撰稿：李昀蔚 過去一年，從 Agentic AI 到 Robotic AI ，技術發展飛快成長，市場討論的焦點也從「機器人做不做得出來」，轉向「機器人可以做什麼」，以及可以如何加速商業化與規模化的進程。 本集《全新一週》，邀請到智慧機器人應用 SIG（Special Interest Group）召集人、華碩機器人暨智慧應用總經理王恒聰，深入剖析 AI 機器人產業現況，他也強調現在的決勝點已非單純的硬體製造，而在於能否解決「人力短缺」的剛需，並成功從概念驗證（POC）跨越到規模化應用。 機器人卡關的是從 POC 走到規模化的過程 「機器人這東西其實相對複雜，不管從軟體、硬體再到 AI ，甚至法規、資安到落地，橫跨的產業其實相當多，」王恒聰分享，最初成立 SIG 的宗旨，就是希望從零組件廠商到系統，以及場域運用、驗證測試、產業落地再到最後的資安，可以有一個跨領域的工作小組，讓 POC 的案子能夠走向規模化。 王恒聰觀察，目前台灣多數機器人應用場域，仍停留在「點狀應用」。例如一個醫學中心可能同時導入 3 到 5 家不同廠商的機器人，導致第一線醫護人員必須操作多個不同的後台，這也造成一個矛盾現象：原本導入機器人是為了節省人力，結果因為系統不互通，「人反而要花時間去照顧機器人，排解機器人的問題」，進而失去自動化的初衷。 機器人的殺手級應用，源自結構性缺工 「以現在機器人這個行業來看，有三個關鍵的因素，一個是技術，一個是成本，一個是應用場域，」王恒聰指出，近年來與過去最大的不同，在於醫療場域已開始出現機器人成為「常態」的情況，這背後最核心的驅動力，其實是共通性的人力缺乏問題。 王恒聰分析，當應用場域面臨結構性缺工，機器人便成為一種無可迴避的硬需求。另一方面，生成式 AI 與大語言模型的快速發展，也徹底改變服務型機器人的定義與期待：過去的服務型機器人多半是任務導向、以 rule-based 為核心，所有行為都必須事先規劃，一旦情境未被定義，機器人便難以妥善應對。然而，隨著多模態與視覺語言模型成熟，機器人對環境的理解與思考能力顯著提升，角色也從單純執行任務的機器，轉變為場域中的服務夥伴。 也正因為機器人同時具備實體與 AI 認知能力的提升，王恒聰認為，在這樣的背景下，智慧機器人將有機會成為 AI 落地後的關鍵載具，「機器人跟過去那些關鍵載具不一樣的點是，第一個它是實體存在的東西，第二個它是可以長期陪伴你去做這件事情的載具，長期陪伴的關鍵，就在於真的能夠長期使用，還有能不能夠把這個東西用得好、用得久、用得穩，」 王恒聰說。 台灣機器人產業的真正優勢：不是單一硬體，而是系統整合與品質 談到台灣在這一波機器人浪潮的產業機會，王恒聰指出，台灣在晶片與算力等硬體供應鏈上具備長期累積的優勢，但機器人相較於手機或電腦，多了更多需要長時間運作的動件，對安全性與品質的要求也更高，不過這也正是台灣 ICT 產業真正擅長的領域。 機器人不只是單一硬體產品，更是一個高度仰賴系統整合的工程，必須同時整合硬體製造、軟體控制與 AI 技術，才能穩定運作。正因如此，過去台灣習慣依循客戶定義好的規格進行代工與最佳化的模式，在機器人領域已不適用。 王恒聰進一步以華碩過去開發 Zenbo 機器人的經驗為例，說明如果做出一台機器人，卻不知道要用在哪裡，那麼技術再高竿也無法產生價值，「你一定要先從要解決什麼痛點，再去想應用，再去想搭配的技術跟這些成本是不是有達到甜蜜點，最後規模是不是可以被放大 ，」王恒聰強調。 「我們怎麼挑 Domain [&hellip;]</p>

決戰 AI Agent 規模化時代，台灣思科解析智慧金融「極致韌性」的數位神經架構

<p>根據《Evident AI Banking Index》評比，有效整合 AI 人才、創新與領導力的金融企業，其市場競爭力將迅速攀升，以 Morgan Stanley 為例，該行憑藉在 AI 服務架構的積極佈局，在綜合排名上從第 10 名大幅上升到第 5 名，證明 AI 化程度已成為客戶評估金融服務供應商的關鍵指標。台灣金融業正積極應用 AI 創造出新的市場機會，然而面臨科技人才短缺、資安風險與 AI 安全管理、市場創新與客戶期待缺口的三重壓力夾擊，在這樣的情況下，如何有效規模化部署 AI 成為必要面對的課題。 台灣思科金融暨工商事業群總經理盧佳成日前在科技風暴金融高峰論壇指出，未來金融業的競爭決勝點，在於能否建構一套穩健、靈活且安全的基礎架構，讓內部數據能如同電力般穩定流動，唯有當基礎設施能夠確保 AI 在規模化運作下依然穩定運作，「智慧金融」才能真正被落實。 規模化趨勢下的流量暴增與架構挑戰 企業內部的數據流動效率成為決定勝負的關鍵。盧佳成指出，「未來金融產業若要達成『智慧金融』，成功核心將不再僅限於模型性能的優劣，而在於數據流動的整體效率，這使得基礎設施從後勤支援的角色，躍升為企業競爭的起跑線。」 金融機構必須正視具備推理能力的「Agentic AI」，將會導致資料空間需求急遽擴張，造成既有基礎設施劇烈衝擊。尤其在資料中心內部的伺服器運作上，盧佳成表示，伺服器間的「東西向流量」（伺服器對伺服器的流量）因 AI Agent 的頻繁協作而大幅增加，預計 2026 年將佔據總流量的 30%，並於 2030 年進一步突破 50%。 為了有效管理龐大且複雜的數據流，企業須將傳統架構轉型為高度自動化且靈活的分散式「AI 工廠」，將算力資源合理分布於邊緣端、區域資料中心與公有雲之間，以克服能源消耗與物理空間的瓶頸。 更為關鍵的是，當 AI Agent 轉化為企業內部的「數位員工」時，其所引發的新型資安風險，已成為企業在規模化部署進程中必須同步納入考量的治理重點。 思科與 NVIDIA 聯手防禦「現在的 AI」與「未來的量子」 針對金融業新型資安風險的挑戰，建立統一的監控機制與透明的可視性是達到韌性的首要門檻。 盧佳成表示「看不見問題，就無法解決問題。」對此他提出涵蓋現階段應用與未來潛在威脅的雙層策略。首先是思科與 NVIDIA 的技術整合機制，將思科的網路連結優勢與 NVIDIA 運算實力結合，在基礎設施層面為 [&hellip;]</p>

SAS、伊雲谷、勤業眾信探索 AI Agent 如何重塑新金融場景

<p>根據 MIT Technology Review Insights 報告指出，未來 3 到 5 年是金融業邁向「自主銀行」的關鍵階段，已有不少金融機構加入 AI 協作作業流程。如美國著名金融機構 JPMorgan Chase 所使用的 EVEE 智慧問答系統，是該行內部的文件助理與客服輔助工具，協助行員減少案件處理時間並提升資源配置效率；Bank of America 的虛擬助理 Erica 每月處理約 5,800 萬次互動，有效達成 98% 自主解決客戶查詢，無需人工介入的成效。 金融業的 AI 競爭力戰場，已從「知識檢索」的被動對話 AI，轉向具備自主執行力、高韌性且能主動代理業務的 AI Agent，金融機構如何構建一套支撐 AI Agent 大規模運作的現代化架構與治理體系？ 在 TechOrange 科技報橘近期所舉辦的「科技風暴金融高峰論壇」現場，邀請科技夥伴共同拆解 AI Agent 在金融業實務落地與現代化資安防禦等核心議題，協助金融業佈局下一波成長引擎。 SAS 如何以 Agentic AI 重塑金融行銷新賽局 「如何從行銷的角度切入，幫助整個銀行銷量業務的 Growth Engine （成長引擎），是金融產業轉型非常重要的一個環節。」SAS 架構技術顧問喬俊森將消費金融業務從行銷的角度拆解問題。過去銀行多處於「被動」接收客戶訊息，依賴資料庫進行批次行銷，而 SAS 所主張的「主動即時」行銷決策，將 AI 嵌入自動化流程，將捕捉到的客戶信號轉化為行動，加速核貸效率，讓 [&hellip;]</p>

企業如何實踐 AI 新世代「開放創新 × 韌性治理」？博弘雲端攜手 Palo Alto Networks 與趨勢專家深…

<p>《Deloitte 2025 年亞太地區執行長調查》指出，60% 的亞太地區企業已在兩個以上的業務部門中導入 AI 應用，顯示企業 AI 轉型已成定勢。當前，Agentic AI 更開啟智慧自主新紀元，企業關鍵競爭力不僅僅是透過數據分析驅動決策，更重要的是建立「可被信任的 AI 智慧系統與治理架構」。在 Nextlink 博弘雲端與 Palo Alto Networks、TechOrange 科技報橘聯合舉辦的「共創 AI 新世代高階經理人餐敘」，聚焦「開放創新 × 韌性治理」兩大命題，匯聚產業界高階決策者，深度探討未來五年台灣企業在全球 AI 治理與雲端安全鏈中的轉型關鍵，助力企業打造更強韌、更可信的決策機制。 科技報橘社長戴季全於開幕致詞表示，根據美國麻省理工學院調查，全球企業導入 AI 專案的成功率僅約 5%，高達 95% 的計畫以失敗告終。成功的決定性因素有以下兩個，一是 AI 專案由組織的最高領導人親自帶領；二是組織需要有意識地將分散在各部門、各領域的 AI 超級使用者聚集起來，共同推動 AI 專案。戴季全表示，「我們期待透過這場高階經理人餐敘，協助企業決策者掌握從數位轉型到資安維運的具體策略，描繪成功 AI 專案的輪廓。」 Nextlink 博弘雲端技術長宋青雲指出，企業邁向 AI 原生世代時，除了將 AI 從單純的諮詢角色轉化為能自主執行任務的數位員工，也需要建立明確的治理框架，界定 AI 的行動與言論權限，並將其視為正式員工進行引導。為了應對新技術帶來的風險，企業必須落實風險分級管控與透明度，透過人類的適度介入與授權，確保 AI 應用能在安全且符合法規的基礎上，真正為企業流程創造長期的數位價值。在 AI 浪潮下，博弘雲端致力攜手企業展開更安全的 AI、雲端與大數據落地執行，協助客戶推動創新並提升管理效能。&nbsp;&nbsp;&nbsp; 「好的資安整合，是降低企業管理與複雜度的關鍵。」Palo Alto Networks 資深業務副總經理樓仰恩說明，面對碎片化的資安威脅，企業必須系統性地整合網路、端點及雲端等多樣化工具，才能有效提升資安事件的處理效率，並降低維運難度。針對當前 [&hellip;]</p>

從模型、晶片到商業化，拆解中國迎向「下一個 DeepSeek 時刻」的系統性布局

<p>一年前，中國 AI 新創 DeepSeek 推出一款聊天機器人，由於使用費用與生產成本遠低於 ChatGPT，不僅震驚全球市場，更引發了外界對於美國科技限制能否有效遏止中國 AI 發展的質疑。 2026 年，從模型發布節奏到晶片製造，中國科技巨頭與新創公司正透過全方位佈局挑戰美國領先地位，並加速驅動一場從軟體模型到硬體晶片的全面升級。《CNBC》指出，中國 AI 公司的競爭態勢已不再是單一模型的突發事件，而是一場系統性的推進，全球市場也正密切關注中國是否即將迎來「下一個 DeepSeek 時刻」。 模型密集發布，競爭重心轉向速度、用戶與生態 首先，中國 AI 模型的迭代速度正在顯著加快。例如北京新創公司 Moonshot AI（月之暗面）在發布 K2 模型後僅約三個月，就於 2026 年 1 月 27 日推出全新的開源模型 Kimi K2.5。Kimi K2.5 主打原生多模態能力，能理解文字、圖片與影片，並具備強大的「Agentic AI」（代理 AI）能力，可協調多個 AI 代理共同完成任務。Moonshot AI 宣稱，該模型在部分基準測試中超越了美國主流模型，例如在影片理解基準測試 VideoMMMU 中，Kimi K2.5 擊敗了 GPT 5.2 與 Claude Opus 4.5；在程式編碼方面，表現也優於 Gemini 3 Pro。 此外，近期阿里巴巴也發布最新的生成式 AI 模型 Qwen3-Max-Thinking（通義千問），該模型可根據用戶指令生成文字、圖片或影片。阿里巴巴表示，新模型在名為「Humanity’s [&hellip;]</p>

廢棄物體積縮減 80%！全食超市導入 AI 廚餘系統，救地球更救物流成本

<p>對零售業來說，回收向來是一項高成本、低報酬的環節，然而，隨著 AI 與自動化技術成熟，回收正出現結構性轉變，廢棄物開始被重新定義為可被「精準開採」的原料來源。 回收不再靠人力！AI 即時運算與高速分流 《華爾街日報》指出，在美國多地的資源回收處理廠中，AI 已經走到第一線。以康乃狄克州 Murphy Road Recycling 為例，高速運轉的輸送帶上，電腦視覺系統會即時辨識鋁罐、塑膠瓶、紙類與其他材料，並透過磁力裝置、光學分選與氣流噴射系統完成分離。這類系統能同時判斷材質、是否符合食品級標準、重量與市場價值，甚至計算最佳分選時機，讓回收物以更高純度被打包出售。 這種精準分選能力，直接改變了回收的經濟模型。過去，將鋁、塑膠或紙類從混合垃圾中撿出來的成本，往往接近甚至高於其市場價格；如今，自動化系統能以遠高於人工的速度與穩定度完成作業，使回收廠能處理更大吞吐量，同時產出更乾淨、更具溢價空間的回收料。大型業者如 Republic Services 與 WM（Waste Management）已大規模投資 AI 分選設備，即使在原物料價格走低的情況下，回收部門仍能靠品質提升與成本下降維持獲利。 更進一步，AI 也讓「不分類垃圾」成為可被處理的對象。在維吉尼亞州，AMP 建置的自動化設施可直接接收混合廢棄物，從中移除可回收物與有機物，將進入掩埋場的垃圾量減半。有機廢棄物則被轉化為生物炭，應用於建材並產生碳權收益。 Whole Foods 將廢棄物納入系統管理 AI 對回收經濟的影響，也正從「處理端」延伸到「產生端」。Amazon 旗下的 Whole Foods Market 宣布，將自 2027 年起在門市後場導入由 Mill Industries 開發的 AI 食品回收系統，處理蔬果切下後的剩餘部分，與報廢食材所產生的廚餘。系統會即時量測與分析廢料的種類與數量，協助門市調整訂貨與庫存策略，減少因預測失準造成的浪費。 在物理處理層面，Mill 的設備會將食物廢棄物研磨並脫水，使體積最多減少 80%，大幅降低儲存與運輸成本。處理後產出的乾燥原料，將被送回 Whole Foods 自有品牌雞蛋供應鏈，作為雞飼料成分之一，形成零售端即可啟動的封閉式循環。原本需要付費清運的廢棄物，轉而成為穩定、可預期的生產投入。 種種應用顯示，AI 在回收領域的價值不只在於「做得更快」，而在於讓廢棄物被更早、也更精準地納入決策體系。無論是回收廠透過即時數據調整分選參數，或零售商藉由廢棄物流向反推採購與營運策略，垃圾都將成為可分析、可定價的資源。 立即報名 3/3「AI 智慧大工廠」論壇台北場，解密 Agentic AI 如何重塑「超自動化」工廠 ＊本文開放合作夥伴轉載，參考資料：《華爾街日報》、《Progressive Grocer》，首圖來源：Unsplash [&hellip;]</p>

當 AI 代理時代來臨，金融業準備好了嗎？專訪 HPE 談 AI 轉型不只是技術戰

<p>隨著生成式 AI 應用百花齊放，2026 年被視為金融業將 AI 從「單點嘗試」推向「全面落地」的關鍵一年。特別是當 Agentic AI （AI 代理）技術蓄勢待發，AI 能否從輔助工具，進化為能協作執行任務的「數位勞動力」，也成為決策者佈局的重點。 然而，要跨越這些鴻溝並不容易。根據金管會 2025 年統計，全台 383 家金融機構及周邊單位僅 33% 導入 AI。台灣金融業者在 AI 轉型的路上究竟遇到哪些隱形障礙？《TechOrange》專訪 HPE Taiwan 金融、政府暨電信企業事業處總經理邢啟文，帶來第一手的產業觀察。 身為深耕 IT 產業近 30 年、長期服務金融與政府客戶的資深老將，邢啟文提及金融業導入 AI 所面臨的挑戰，包含對 AI 的認知落差、建置基礎建設的時間成本高、資料治理的難題。 挑戰一：從以為 AI 無所不能，到面對 6 個月的建置現實 邢啟文觀察，許多尚未深度導入 AI 的企業，往往對 AI 抱持高度期待、認為 AI 無所不能，但未留意到背後所需的組織投入成本。從資料準備、系統整合，到後續維運與人才配置，這些隱性工程往往在實際接觸後，現實門檻才逐一浮現。 最直接的衝擊來自基礎建設的時間成本。根據 HPE 內部調查，多數自行建置 AI 運算環境的企業，從硬體進場到實際運行第一個 AI 應用，往往需耗時約 6 個月。 為什麼這麼久？邢啟文坦言起初聽到也感到驚訝，但實際情況是 [&hellip;]</p>

NVIDIA DLI 如何助人才打造 AI 職涯進階即戰力？緯育 TibaMe、麗臺科技與翰尼斯聯手解密

<p>面對全球自動化趨勢，如何透過 AI 實作能力提升職涯價值，已成為工作者的首要課題。在近期舉辦的「AI 人才年會暨 AI 職涯博覽會」，&nbsp; NVIDIA 和 NVIDIA 深度學習學院（DLI）教育合作夥伴麗臺科技、緯育 TibaMe、翰尼斯，從「數位孿生、資料工程、後端開發到模型實作」四大領域分享 NVIDIA DLI 系列體驗課程精華，其中更深入探討 NVIDIA Isaac ROS 的硬體加速技術以及 Agentic AI 的前沿應用，協助人才精準掌握 AI 落地的實戰路徑。 零技術背景也能掌握 AI 邏輯 對於開發者、學生甚至新創團隊而言，建立正確的 AI 基礎觀念是否比寫下第一行程式碼更為關鍵？ 緯育 TibaMe、中原大學資工系余執彰教授透過 NVIDIA 深度學習學院（DLI）所提供的《Building a Brain in 10 Minutes》課程，分享如何不談程式碼與龐大的數學邏輯，從生物學與數學原理的角度，探究人類大腦神經元的工作機制轉化為清晰的數位模型邏輯。 從理解 AI 的核心思維出發，循序漸進實踐第一步的數據輸入、建構基礎的神經網路、觀察模型如何在訓練過程中透過數據進行自我學習，最終透過效能評估驗證準確度，這種從原理到實作的學習路徑，讓現場即便不具備 AI 開發背景的參與者，也能在短時間內掌握 AI 的運作脈絡，為未來銜接更複雜的 AI 技術應用奠定紮實的根基。 引領開發者解決機器人運算效率瓶頸 藉由 NVIDIA Isaac 系列的軟體環境可以減少機器人開發的成本，讓使用者在高擬真的虛擬環境中可以思考和建構自己專注的主題。 麗臺科技資深工程師薛宏宇針對 NVIDIA 深度學習學院（DLI）的機器人開發系列課程進行了 [&hellip;]</p>

當 AI Agent 變成「企業內鬼」：趨勢科技總經理洪偉淦揭 2026 年 AI 資安新風險

<p>專訪：沈貝怡撰稿：李昀蔚 隨著 AI 快速走入企業營運核心，資安風險也正同步發生改變。從生成式 AI、Vibe Coding 到 AI Agent 自動執行流程，企業導入 AI 的速度愈來愈快，也讓駭客比過往更難防堵。 本集《全新一週》邀請到趨勢科技台灣區暨香港區總經理洪偉淦，深入解析 2026 年資安威脅 AI 化的關鍵轉折，並強調當 AI Agent 具備自主行動與跨系統串接能力，一旦權限、程式碼或模型管理出現漏洞，AI Agent 反而可能成為企業內部難以察覺的新型「內鬼」，也迫使企業必須從被動防禦，轉向主動式防禦的資安思維。 Agentic AI 崛起，駭客攻擊開始全自動化 洪偉淦分析，AI 的出現大幅降低攻擊門檻，使高度客製化的攻擊成為常態。例如過去駭客若要製作針對特定目標的釣魚郵件，必須投入大量人力蒐集資訊，如今 AI 能快速生成高度仿真的內容，讓惡意程式與釣魚攻擊的製作變得更加容易。同時，駭客圈也出現產業化與服務化趨勢，像是透過地下化的「Dark GPT」服務，攻擊者可以直接租用大型語言模型來生成攻擊工具，使攻擊的效率與規模同步放大。 此外，更關鍵的轉折，來自 Agentic AI（代理式 AI）的興起。「代理式 AI 可以把整個攻擊鏈串好，也就是說可以讓駭客做到所謂的全自動化攻擊，」洪偉淦指出，相較於過去駭客在成功入侵後，仍需手動下指令、逐步擴大行動，如今 Agentic AI 已能自動執行一連串動作，在駭客幾乎不需要介入的情況下，由 AI 完成一系列攻擊行動，導致網路癱瘓或營運中斷。 AI 不只放大攻擊力，也正在製造企業「自己養出來的漏洞」 此外，AI 不只放大駭客的攻擊能力，「AI 本身也會產生新的資安問題，」 洪偉淦提醒，企業在訓練內部模型或使用公有 AI 服務時，若未妥善過濾資料來源，可能將個人資料、企業機密，甚至惡意程式一併納入訓練集。一旦受汙染的資料進入模型，AI 在後續互動中，便可能將原本不該公開的資訊輸出給其他使用者，造成資料外洩的疑慮。 另一方面，駭客也開始透過 Prompt Injection（提示注入）手法發動攻擊。洪偉淦解釋，所謂 Prompt Injection，是指駭客透過精心設計的提問，誘導 [&hellip;]</p>

AWS 資安長談企業資安：AI 時代的資安要看兩件事「多快發現」與「多快修復」

<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 [&hellip;]</p>

【Markdown 如何征服世界】為何不起眼的 Perl 腳本，如今成為 AI 世界共通語言？

<p>在快速演進的數位工具世界中，很少有技術像 Markdown 一樣，悄悄卻深刻地改變了整個產業。這套由 John Gruber 於 2004 年提出、原本只為了「讓寫網頁像寫 Email 一樣簡單」的輕量標記語法（最初實作為 Perl 腳本），到了 2026 年，已成為程式文件、內容創作，甚至 AI prompt 與代理系統的慣用標準。 包括 GitHub Copilot 在內的 AI 工具，大量以 Markdown 作為輸出與結構格式，使其成為人類意圖與機器理解之間的「中介層」。根據 Wavestone 發布的《2026 年技術趨勢報告》，Agentic AI 系統越來越傾向採用 Markdown 這類輕量格式，以兼顧可擴展性、治理與跨系統整合。這顯示，在 AI 走向實用化的過程中，Markdown 正從背景工具，轉為支撐新一代智慧工作流的關鍵基礎。 科技創業家 Anil Dash 在其個人部落格文章中指出，從最前沿的 AI 系統，到學生隨手寫下的程式碼與筆記，幾乎整個高科技世界都在使用 Markdown 來描述、註解與溝通想法。這種格式之所以特別，在於它最初不是為了炫技而生，而是為了解決一個極為實際的問題。 從個人需求出發，意外成為網路基石 根據 Anil Dash 的回顧，這套語法源於 John Gruber 在經營個人部落格時的實際需求。2002 年，Gruber 決定專注撰寫 Apple 相關內容，然而當時不僅科技媒體尚未成形，部落格本身也仍屬邊緣文化，對於需要頻繁發文的寫作者而言，直接手寫 [&hellip;]</p>

2026 年不是 AI 爆發年，而是 Agentic AI 專案的第一波淘汰年

<p>AI 不只是科技圈的熱門名詞，也是逐步滲透企業運作的底層結構。從內部協作、供應鏈管理，到人力資源與決策支援，當進入 2026 年，企業不再問「要不要導入 AI」，而是開始面對一個更現實的挑戰：哪些 AI 專案能夠撐過試驗期，真正走向規模化。 《Forbes》專欄作家 Mark Minevich 近期彙整多項觀察指出，2026 年將是 Agentic AI（AI 代理），也就是具備自主行動能力的 AI 系統，全面進入企業流程的一年；然而，這並不代表所有 AI 投資都將迎來豐收，相反地，一場篩選與淘汰正在逼近。 AI 成為基礎設施，每個員工都有 AI「同事」 在 2026 年，AI 的角色將產生質變：它不再只是回答問題的聊天機器人，而是能夠橫跨人資、營運與管理流程的「常駐同事」。從新人報到、訓練與法規遵循，到會議安排、庫存預測與基礎溝通，AI 開始主動提出建議，甚至直接執行任務。 顧問機構 Gartner 預測，到 2026 年，約 40% 的企業應用程式將內建任務導向的 AI 代理，AI 的角色將從助理進一步深化為工作流程夥伴。進一步來說，企業的競爭力差異，將不在於是否導入 AI，而在於是否具備清楚的治理架構，來界定 AI 能做什麼、不能做什麼。 人機團隊成為新標準，但能力落差正在擴大 隨著 AI 成為工作的一部分，企業對人才的期待也隨之改變。2026 年，升遷與招募將不再只看專業年資，而是看員工是否具備與 AI 協作的能力，包括流程設計、任務拆解與自動化思維。 調研公司 Forrester 預測，到 2026 年，30% 的大型企業將強制要求員工接受 AI 素養訓練，使 [&hellip;]</p>

Red Hat 擴大與 NVIDIA 的合作！結合企業級開源技術與機櫃級 AI，加速實現生產環境就緒的創新

<p>世界領先開放原始碼軟體解決方案供應商&nbsp;Red Hat&nbsp;於&nbsp;CES 2026&nbsp;宣布與&nbsp;NVIDIA&nbsp;的合作邁入重要新階段，驅使企業級開源技術能與企業&nbsp;AI&nbsp;演進及機櫃級&nbsp;AI&nbsp;的發展速度同步接軌。隨著產業跨越單一伺服器藩籬並邁向統一的高密度系統，Red Hat&nbsp;致力透過&nbsp;Red Hat Enterprise Linux for&nbsp;NVIDIA&nbsp;作為轉型起點，其作為專為&nbsp;NVIDIA Rubin&nbsp;平台最佳化、引領全球企業級&nbsp;Linux&nbsp;平台的特別版本，同時針對未來於&nbsp;Red Hat OpenShift&nbsp;與&nbsp;Red Hat AI&nbsp;上的生產環境進行調整。 Red Hat&nbsp;總裁暨執行長&nbsp;Matt Hicks&nbsp;指出：「NVIDIA&nbsp;在架構的突破使&nbsp;AI&nbsp;成為必然，並證明運算堆疊將定義產業的未來。為在產品發布時即能因應這些巨大變革，Red Hat&nbsp;與&nbsp;NVIDIA&nbsp;致力於&nbsp;Red Hat&nbsp;的混合雲與&nbsp;AI&nbsp;產品組合中，為最新&nbsp;NVIDIA&nbsp;架構提供&nbsp;Day 0&nbsp;支援。我們正共同透過開放原始碼的力量，共同驅動下一代企業級&nbsp;AI。」 NVIDIA&nbsp;創辦人暨執行長黃仁勳表示：「Red Hat&nbsp;以工業級強度的開源軟體徹底革新企業運算。在&nbsp;AI&nbsp;時代，無論是晶片、系統，乃至於中介軟體、模型及&nbsp;AI&nbsp;生命週期，整個運算堆疊都被全面重塑。NVIDIA&nbsp;與&nbsp;Red Hat&nbsp;正攜手推動開源技術產業化，從&nbsp;Vera Rubin&nbsp;平台著手，將&nbsp;AI&nbsp;導入企業應用。」 邁入 2026 年，許多企業準備將 AI 從實驗階段推向生產環境，並透過由上而下的策略與集中式的 AI 工具庫納入 AI 代理及其他技術進展。然而，這項轉變需要穩定、高效能且更安全的基礎架構堆疊，涵蓋基層架構及上層執行軟體。NVIDIA Rubin 平台搭載全新 NVIDIA Vera CPU 與先進 NVIDIA Rubin GPU，旨在為代理式 AI（agentic AI）與進階推理帶來飛躍性的智慧進展。隨著 Red Hat 針對 NVIDIA 的突破性技術最佳化其混合雲產品組合（從對 NVIDIA Rubin 平台的 Day 0 支援開始），Red Hat 意在賦能企業更有信心地推動 AI 舉措，並於跨混合雲環境中實現企業級的可靠性與一致的營運模式。 千兆級（gigascale）AI 工廠的關鍵骨幹 NVIDIA&nbsp;Vera Rubin&nbsp;平台引進變革性創新，包括專為千兆級&nbsp;AI&nbsp;工廠設計且具最高能源效率的中央處理器&nbsp;Vera CPU、BlueField-4&nbsp;資料處理器，以及&nbsp;NVIDIA&nbsp;Vera Rubin NVL72&nbsp;機櫃級解決方案。Red Hat&nbsp;宣布計劃於&nbsp;Red Hat AI&nbsp;產品組合中為&nbsp;NVIDIA&nbsp;Rubin&nbsp;平台提供&nbsp;Day 0&nbsp;支援，包含： 於 Day 0 提供全球頂尖企業級 Linux 平台的 AI 創新 Red Hat&nbsp;近期推出&nbsp;Red Hat Enterprise Linux for&nbsp;NVIDIA，作為引領全球企業級&nbsp;Linux&nbsp;平台的全新版本，於產品發布之初即整合最新&nbsp;NVIDIA&nbsp;平台進展。透過與&nbsp;NVIDIA&nbsp;合作，Red Hat Enterprise Linux for&nbsp;NVIDIA&nbsp;在&nbsp;Day 0&nbsp;即支援最新的&nbsp;NVIDIA&nbsp;架構平台功能，並率先支援&nbsp;NVIDIA&nbsp;Rubin&nbsp;平台。 Red [&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>

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>

AI 戰場轉向！NVIDIA 發表開源 AI 模型 Nemotron 3，黃仁勳「軟硬通吃」戰略解讀

<p>長期以來，NVIDIA 一直被視為全球 AI 浪潮中最關鍵的硬體軍火商，其 GPU 幾乎支撐了 OpenAI、Google、Anthropic 等公司的算力需求。然而，隨著這些 AI 公司開始自研晶片以降低對外部供應商的依賴，NVIDIA 也正積極重塑其市場定位。 12/15，NVIDIA 正式發表全新開源 AI 模型家族 Nemotron 3，同步釋出訓練資料與工程工具。這顯示 NVIDIA 不再滿足於硬體霸主地位，更打算主導軟體和模型層。《WIRED》分析，推出自有模型與生態系，等同為 NVIDIA 提前建立另一道防線。 Nemotron 3：專為「代理式 AI」打造的架構 Nemotron 3 是一系列可下載、可自行修改、可在自有硬體上部署的開源大型語言模型，NVIDIA 表示，其效能在同級開源模型中名列前茅。值得留意的是，Nemotron 3 的核心設計，鎖定的是「代理式 AI」（agentic AI）需求。 該模型家族分為三種規模：Nemotron 3 Nano 擁有 300 億參數、其中 30 億為啟用參數，旨在執行目標明確、高效的任務，目前已率先釋出。Nemotron 3 Super 則為 1,000 億參數，擅長處理多代理應用場景；最大版本 Nemotron 3 Ultra 則達 5,000 億參數，可為複雜 AI 應用與代理式系統編排提供進階推理能力，預計於 2026 年上半年陸續推出。 [&hellip;]</p>

NVIDIA AI 科技中心資深解決方案架構師李正匡博士剖析 AI 前沿應用！立即報名東吳大學巨量資料管理學院沙龍講堂

<p>隨著 AI 發展正快速從「能思考的 AI」邁向「能行動的 AI」，企業不只需要能進行推理、理解上下文的 AI Agent，更需要能與真實世界互動、操控機器、 建立動態環境理解的 Physical AI。 在東吳大學 12/27 於城中校區舉辦的巨量資料管理學院沙龍講堂 ，邀請到 NVIDIA AI 科技中心資深解決方案架構師李正匡博士，以「From Agentic AI to Physical AI: NVIDIA software tools overview」為主題，從「建構 Agentic AI 的核心堆疊」、「從虛擬到實體：Omniverse 與 Isaac 的整合能力」、「Cosmos 世界模型：走向 Physical AI 的核心基礎」三大面向出發，解析 NVIDIA 在 AI 轉型中提供的關鍵軟體技術與完整工具鏈 。 搶先解鎖 NVIDIA 演講 3 大亮點 面對企業級 AI 應用的爆發，如何快速開發、部署及維運 AI Agent 系統成為關鍵挑戰。李正匡將在演講中詳細介紹 NVIDIA 用以降低開發門檻、加速導入時程的工具集，包含 AI [&hellip;]</p>

80% 採購流程自動化！BMW 揭 AI 代理如何接手「人人討厭」的供應鏈盤點？

<p>全球汽車產業的數位化之路，已開始從傳統的數位化工具，邁向 Agentic AI（代理式 AI）的時代：不只是查詢資料，而是能執行流程、協作並在整條價值鏈中自主行動的代理式 AI。 把人人討厭的盤點、採購流程變成 80% 自動化 在汽車製造流程中，工具資產盤點，是採購部門最繁瑣、最耗時的作業之一。以知名品牌 BMW 為例，每年該品牌的 850 位採購人員必須確認超過 60,000 件模具與工具資產，逐一核對資產是否存在、由哪家供應商持有、是否已移動等。 「這是大家都討厭的流程。」負責 BMW 供應商網路與採購數位化的副總裁甘瑟（Oliver Ganser）直言，採購人員必須反覆與財務部門、供應商聯繫，流程冗長又高度重複。 於是，BMW 就利用代理式 AI 系統來自動處理採購與供應商網絡協調，將流程中約 80% 交由代理式 AI 自動執行。根據官方新聞稿，這個代理式 AI 有不同子功能，像是讀取資料、比對資訊、追蹤狀態等分工協作，而且它不只是個輔助搜尋工具，更可以做到主動介入，負責供應鏈數據監控、報表生成等任務；某些情況下可達「無需人類監督」的自動化執行，只有發現異常或需要人工判斷時才通知採購人員。 在看到效益後，甘瑟表示員工開始主動要求導入更多 AI 代理人，「你需要先有一個能讓大家感受到好處的切入案例，當他們看到 AI 幫上忙，自然會想用更多。」 從企業內部走向跨公司合作的 Agentic AI 然而，甘瑟認為更大的價值不在企業內，而在跨企業的流程。汽車供應鏈高度複雜，資料分散在不同公司與系統之間，而許多協作流程，例如供應鏈能否滿足新的生產量需求，仍依賴大量電話、表單、Email 來人工確認。 「今天公司與公司之間交換的大量資料，其實沒有附加價值，但你就是得做。」甘瑟說，「為什麼不能由 AI 代理來協助處理這些協作情境？為什麼每個情境都要人來回討論？」 問題不只在技術，而在信任、資料語意一致性，以及存取權限管理。在資料格式不一致、語意不同、充滿防火牆的環境中，AI 代理人無法跨企業運作。 因此跨公司 AI 的成功基礎是：共同資料語意（ontology）、共同資料標準、受信任的數據交換機制，這也是甘瑟身為德國 Catena-X（汽車產業跨企業資料網路）計畫主席時最常強調的觀點：「如果沒有產業級的共同資料基礎，所有代理式 AI 最終都會失敗。我們的流程需要的是確定答案，不是 AI 的機率判斷。」 代理式 AI 的發展，意味著汽車產業供應鏈將從過去仰賴人工協調、碎片化資料交換的模式，轉向由 [&hellip;]</p>

【科技早餐】矽谷競爭對手罕見同桌：Agentic AI 基金會正式啟動

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊矽谷競爭對手罕見同桌：Agentic AI 基金會正式啟動 為避免 AI 代理技術走向碎片化，Linux 基金會宣布成立「Agentic AI 基金會」，首波白金會員陣容罕見集結 AWS、Google、微軟、OpenAI、Anthropic 等主要競爭對手，成為產業一大焦點。 基金會目標是統一「代理式 AI」標準，讓未來的 AI 不只會聊天，更能自主完成任務。首批納入三項開源項目，包括 Anthropic 的 MCP 協議，用於連接模型與外部工具；Block 的 goose 框架，支援本地優先架構；以及 OpenAI 的 AGENTS.md，提供 AI 代理跨系統的統一格式。 業界認為，這場罕見的合作象徵科技巨頭在 AI 行動化時代尋求共同語言，有助不同品牌的 AI 助理互通協作，並為未來的 AI 生態系奠定關鍵基礎。 ＊H200 先進美國再進中國：NVIDIA 晶片被迫走「安檢繞道」 《華爾街日報》揭露，NVIDIA 最強大的 H200 AI 晶片若要出口中國，將得先繞道美國本土接受國家安全審查，再轉出口至中國。知情人士指出，這些由台積電在台灣代工的晶片，不能直接發貨，必須經過美方特殊「安檢供應鏈」流程，讓華府掌握晶片去向。 這項前所未見的安排同時涉及利益分配，美國政府預計從銷售額中抽取 25% 的分成。但因美國憲法禁止徵收出口稅，這筆費用可能會被設計成進口稅或關稅，形成極不尋常的法律架構。 外界認為，美國即使放行這批備受爭議的 AI 晶片，仍透過實體審查與高額抽成維持對中國算力的實質控制。前美國官員更直言，這項安排「看起來更像 NVIDIA 的商業利益，而非國安考量」，若大量放行 H200，可能進一步削弱美國的 AI [&hellip;]</p>

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

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

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

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

AI 新職稱「代理式 AI長」出現了：這位決策者不喜歡「人機協作」這個說法

<p>在全球企業高層中，AI 相關職位愈來愈普遍。除了 AI 長（CAIO, Chief AI Officer），技術顧問公司 Genpact 更進一步設立了「全球 AI 代理長（Global Agentic AI Officer）」。這個職位的工作究竟是什麼？ AI 代理長在組織裡扮演什麼角色？ 《Fortune》報導，在 Genpact，AI 代理長由策略長暨企業發展負責人 Jinsook Han 兼任。Han 形容，她的任務同時具有「水平」與「垂直」兩個面向：一方面與各事業單位領導者合作，協助他們在業務流程中導入 AI 代理；另一方面，則負責主導 Genpact 對外提供的 AI 代理服務發展方向。 在內部分工上，她與技術暨創新長 Sanjeev Vohra 的合作極為密切。Vohra 負責公司的技術架構方向，而她既是 Vohra 的夥伴，也是內部客戶。兩人共同主持 Genpact 的架構審查委員會，分類所有 AI 代理方案並審查其是否符合公司內部標準。 此外，她也與資訊暨轉型長 Vidya Rao 一起推動 AI 代理在公司內部的應用，把 Genpact 本身作為「第一號客戶」來測試方案。Han 說，只要公司內有人問「這符合策略嗎」，她就會切換成策略長的身分給出解答，「因為兩個角色本來就是同一個人」。 「人機協作」這個說法問題在哪？ 談到 AI 代理的實際設計細節時，Han 的策略長與 AI [&hellip;]</p>

旗艦 App 大改版、AI Mode 即將上線：阿里巴巴的 AI 策略為何被視為高風險賭注？

<p>知情人士向《彭博社》透露，阿里巴巴正準備將目前在 iOS 與 Android 上的「Tongyi（通義）」應用程式更名為「Qwen」，並調整互動方式，讓使用體驗更接近 ChatGPT。這項更新也被視為阿里巴巴在日益飽和的 AI 市場中，企圖重新找回成長動能的大膽嘗試。 阿里巴巴的 AI 戰略部署涵蓋範圍廣泛，不僅將消費端的旗艦應用升級為個人化 AI 助理，也同步強化企業端服務，特別是升級 B2B 搜尋工具的能力，並期待藉由整合集團的大模型技術，全面深化 AI 市場版圖。 消費端布局：旗艦 App 與 Qwen 助理 阿里巴巴之所以將「通義」更名為「Qwen」，是因為 Qwen 與其大語言模型系列同名。阿里巴巴希望透過統一品牌識別，將所有 AI 能力整合在一致且易於辨識的「Qwen」旗幟下，與全球競爭者看齊。 在功能面，阿里巴巴逐步導入代理式 AI（agentic AI），讓 Qwen 能支援購物搜尋、任務執行等情境，並適用於淘寶電商平台。阿里巴巴的最終目標，是將 Qwen 打造為一個能獨立執行任務的 AI 代理，為此阿里巴巴也調動超過 100 名開發者投入 Qwen 專案，展現高度投入的決心。 在消費端的布局上，阿里巴巴希望讓面向大眾的 AI 應用與 Qwen 模型家族深度整合，其中擁有 1 兆參數架構的 Qwen3-Max 將負責鎖定高階 AI 應用市場。另一方面，阿里巴巴也試圖結合自身在電商領域的優勢，提高用戶黏著度。 知情人士透露，改版後的 Qwen 目前仍將免費提供用戶使用，但在逐步累積的龐大用戶基礎上，阿里巴巴有機會在未來推動面向消費者的收費服務。 企業與商務端策略：強化 [&hellip;]</p>

從巨大集團到中保科技的 AI 轉型實戰！揭開企業導入 AI 兩大挑戰怎麼解

<p>生成式 AI 浪潮來襲，企業競相加速轉型，更將目光投向「代理式 AI 」（Agentic AI）。然而，從 AI 願景到實際落地之間，存在著一道明顯的鴻溝，Salesforce 台灣總經理 Sam Su 就表示，代理式 AI 是當前最熱門的科技話題，已有企業邁向「代理式企業（agentic enterprise）」的新境界，但也有企業在試行階段就失敗，最大原因是數據整合問題。 Salesforce 今（13 日）在官方活動 Salesforce Innovation Day Taipei 上 ，點出代理式 AI 的美好願景與現實落差，但也透過台灣客戶合作案例展示，企業可以如何跨越常見的數據整合、組織變革管理挑戰，以及帶來什麼效益。 巨大集團：實現數據治理，將系統「積木化」 「過去換系統很像心臟移植手術，一開胸根本不知道如何下手，」巨大集團資訊長 Kevin 表示，巨大集團的供應鏈和價值鏈非常複雜，業務領域橫跨製造、品牌、零售、服務、旅遊、資賃等，難以用單一產業定義。過去數十年來，更面臨系統高度分散的挑戰。 舉例來說，在製造方面，旗下 8 個工廠都採用了不同的 ERP、MES 系統；銷售和分銷使用一套商業 ERP 卻產生了六個實例和 17 個不同客製化的版本；許多核心系統更僅是由 8 人組成的團隊累積二、三十年刻製而成，Kevin 表示，因為缺乏彈性，導致任何新專案時程估算長達半年以上，但是市場、業務變化很快，IT 系統必須跟上。 為了解決系統僵化和數據整合問題，巨大在五、六年前確立了「中台」架構策略，將要求彈性快速的前台（如 Salesforce 系統和 AI Agent）與要求穩定可靠的後台（如 ERP 和財會系統）分離，以實現數據治理、建構可重複使用的功能，並提升企業敏捷度，並形容這是將系統從「煙囪」轉變為「積木」的過程。Kevin 坦言，儘管建設初期曾面臨董事長質疑，「還好我堅持下來，現在開始有結果可以給他看。」他進一步強調，「因為做了這些事，我現在做 AI，覺得速度變很快。」 基於中台架構的成果，巨大已成功推出消費者 APP，並在今年七月與 Salesforce [&hellip;]</p>

如何以 AI 提升企業效率與營收？立即報名 11/25 【新 AI 浪潮： 代理 AI （Agentic AI）與產業…

<p>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。 想知道 Agentic AI 如何引領百工百業創新，並且助企業真正提升效率與營收？立即報名 11/25 「新 AI 浪潮： 代理 AI （Agentic AI）與產業數位轉型新契機」論壇，透過最前瞻的產業洞見與成功案例，掌握 AI 落地應用的關鍵路徑。 活動 3 大亮點搶先看： ➡️ 鏈結 NVIDIA AI 生態系及產業資深專家：與 NVIDIA、頂尖新創夥伴、產業專家共探 AI Agent 的落地實踐。 ➡️ 產業 AI 應用路徑：從成功案例出發，解密行銷、金融、製造等 AI 創新應用。 ➡️ 開發者深度技術賦能：透過 NVIDIA 工作坊掌握 AI 基礎架構與開發技術。 立即報名</p>

「很多人預測 2026 年是人工智慧智力超過人類的一年。」數發部長林宜敬、鴻海、新漢解析打造 AI 生態系的關鍵策略

<p>「很多人預測 2026 年是人工智慧智力超過人類的一年，」TechOrange 科技報橘在今（10/22）舉辦「2026 AI Innovation Day 」論壇，數位發展部部長林宜敬在開場致詞時強調，科技的創新突破與發展，必須來自民間公平與自由的競爭，當 AI 發展的挑戰與機會並存，政府最重要的任務，就是創造一個健康的 AI 生態系，未來數位發展部也將持續透過算力、資料、人才、行銷、資金五大政策，支持台灣 AI 生態系的發展。 從沃爾瑪、Amazon、摩根大通看 AI 正全面重塑產業生態 科技報橘社長戴季全在「2035 年 Agentic and Physical AI 的具體可能和我們現在該做的事」演講中，從沃爾瑪在全美門市部署 9,000 萬顆感測器、Amazon 計畫以機器人取代 60 萬名工作者、摩根大通預計每年投入 20 億美元開發 AI 技術等事件出發，說明 Agentic AI 與 Physical AI ，正在全面改寫產業生態。 然而，AI 應用的背後必須仰賴算力支持，近期賴清德總統已公開表示要讓台灣成為「全球前五大的算力中心」。戴季全以韓國政府規劃建立 1.8 萬顆 GPU 算力中心為例，強調台灣必須決定主權算力的規模，以支持台灣各領域的 AI 發展。 最後，戴季全以麻省理工學院 NANDA 研究計畫發布的《生成式 AI 鴻溝：2025 年商業 AI 現況》報告總結，指出美國公司近年在生成式 [&hellip;]</p>

如何防範 Agentic AI 資安風險？解析 CISO 實踐的 7 大關鍵行動，從身分管理到 API 全面升級

<p>Agentic AI 正被全球企業廣泛部署，根據 PwC 在今年五月發布的《AI Agent Survey》指出，有 79% 的受訪企業已經開始使用 Agentic AI。 這些 AI 代理在數位和實體世界中採取行動，並驅動「非人類身分」（Non-Human Identities, NHIs）興起，這些 AI 代理與其他工具、API、網頁和系統交互，代表人類執行操作，也讓 NHIs 經常獲得廣泛且持久的系統存取權限，但卻缺乏傳統保護措施，從而成為新的網路安全盲點，也呈現出 Agentic AI 的普及，正在改變資安環境的格局。 Agentic AI 帶來的核心資安挑戰 究竟 Agentic AI 如何重塑當前的資安環境？首先 Agentic AI 引入能完全繞過傳統資安控制的新威脅，潛在影響巨大。此外，NHIs 的激增速度遠超安全團隊的監控能力，顯著擴大企業的攻擊面，也代表傳統的身分與存取管理（IAM）策略在 Agentic AI 時代已過時，企業必須採取新的防禦措施。 另一方面， Agentic AI 使網路攻擊能夠以人類無法匹敵的「機器級」速度和規模自動化執行，伴隨而來的風險包括數據外洩、API 的自主濫用以及隱蔽的跨代理串通。 其中，Agentic AI 能夠利用 API 存取敏感數據，代表網路中存在高度特權和廣泛的存取權限，從而產生新的安全盲點。 應對 Agentic AI 威脅的 7 大防禦策略 面對迫在眉睫的 Agentic [&hellip;]</p>

緯謙鏈結新創與製造，攜手推動 AI 產業升級

<p>AI 時代來襲，製造業做好準備了嗎？緯創集團旗下創新雲端服務供應商—緯謙科技（WiAdvance）與經濟部中小及新創企業署、台北市電腦公會與 Startup Terrace 攜手合作，共同舉辦「智造加速，AI 共創新巔峰產業交流媒合會」。此次活動提供新創公司與製造產業鏈深度連結的機會，展現人工智慧如何加速製造業數位轉型，全面提升產業競爭力。 全球貿易動盪，製造業面臨成本上升與壓力倍增的挑戰，無論是導入自動化技術、機器視覺或是大數據分析，AI 都為企業更帶來更多智慧與彈性。本次活動邀集八家在智慧製造與 AI 領域具代表性的新創公司，包括十論科技、艾利思科技、城智科技、智穎智能、達易智造、慧演智能、摩絡人工智慧、優智能，從 Agentic AI、製程優化、AI影像辨識、供應鏈管理等面向，分享 AI 如何解決製造場域的真實痛點。 緯謙科技總經理夏志豪博士表示，AI 已成為產業升級的關鍵驅動力，緯謙攜手生態系夥伴，積極推動 AI 與雲端應用落地，協助製造業更有韌性地因應國際變局。此次活動核心在於促進新創與製造業之間的對話與合作，創造具體產業價值。 面對快速變動的全球市場，AI 不再只是技術創新的代名詞，更成為企業創造價值、提升韌性的重要戰略資產。新創團隊擁有靈活的研發能量與對市場需求的敏銳洞察，能夠以更快速、貼近場域的方式，打造切合產業痛點的 AI 解決方案，本次活動也特別與經濟部中小及新創企業署合作，邀請「潛力新創選拔、科技新創競賽、數位X淨零轉型應用服務遴選」的優秀團隊共同參與，分享如何透過AI協助製造業數位轉型，幫助企業全面提升產業競爭力。 現場除了技術分享與趨勢剖析，更安排新創與製造業的媒合對談，讓雙方針對實際場域需求展開交流。面對高度變動的產業環境，AI 已成為推動企業轉型與提升營運彈性的關鍵工具。透過本次交流會，期待促成更多跨域合作機會，進一步推動台灣 AI 生態系的發展與成熟，協助中小企業與新創實現產業創新。 （本文訊息由緯謙科技提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。首圖來源：緯謙科技。）</p>

AI 飆升、製造業降溫，美國 CEO 正押注一場「無人工廠」革命

<p>美國經濟正面臨前所未有的矛盾：AI 熱潮席捲全球，然而製造業卻陷入低迷。根據《華盛頓郵報》報導，今年 AI 蓬勃發展，AI 企業估值飆升至數兆美元，投資與人才全面湧入，但製造業卻陷入更深的衰退。 雖然美國政府不斷推動政策挽救製造業，但根據勞工統計局的數據，自今年年初以來，製造業已減少約 38,000 個工作崗位，而在截至 8 月的一年內，總共流失約 78,000 個職位。同時，供應管理協會（ISM）的採購經理人指數（PMI）更顯示，製造業已連續第七個月出現萎縮。 製造業在壓力中尋找出路，AI 成企業突圍關鍵 面對不確定的經濟環境與政策壓力，企業開始尋找出路。多數製造業 CEO 將希望寄託於自動化與 AI，作為控制成本與提升效率的關鍵。根據 KPMG 最新《 2025 執行長（CEO）展望調查》指出，68% 企業領導者將「AI 投資」列為未來三年的首要策略。 與製造業下滑形成鮮明對比的是，AI 相關支出正在暴增。全美在資料中心、伺服器、晶片的投資成長超過 40%，AI 硬體進口量一年內更激增 64%。相較之下，同期工廠建設下跌約 3%，整體製造投資下降 6%，顯示資金正從實體產能流向數位基礎設施，AI 正取代製造業，成為資本市場的新寵。 製造業 CEO 普遍認為，AI 是對抗供應鏈風險與通膨壓力的最佳武器。近七成領導人計畫在未來一年內將至少兩成預算投入 AI，預期一至三年即可見效。企業也正積極導入代理式 AI（agentic AI），讓系統能自動進行生產排程、設備維護與品質監控，甚至在採購和財務管理中預測風險。 自動化效益提升，就業結構卻面臨考驗 然而，這場轉型也帶來結構性挑戰。專家憂心，AI 熱潮創造的就業遠少於傳統製造，雖然建造數據中心需要上千名工人，但營運後僅需數百人維持運作，遠低於同面積汽車工廠的就業量。因此 AI 投資雖能帶動效率，卻可能進一步壓縮藍領階層的生存空間。 製造商如今正從「智慧製造」邁向「無人工廠」時代，AI 已不只是輔助工具，而是驅動整個生產鏈的核心引擎。未來的工廠將結合 AI 決策與自動化設備，在人類最少干預下自我運作，其中 AI 將會先改變供應鏈模式，例如透過預測分析與智慧採購，企業能提前辨識原料短缺與物流風險，在全球不確定環境中維持生產穩定。 其次，勞動型態也將被重塑。未來的工廠將不再倚賴大量藍領人力，而是需要能監控系統、訓練模型與制定策略的技術型人才。最後，產業分化也將更明顯，能成功導入 AI 的企業將快速擴張，落後者則會被市場淘汰。 AI 正在重寫製造業的定義。即使美國政府透過《晶片法案》這一類的政策投入數百億美元刺激產能，傳統工廠的頹勢仍未逆轉。如今，AI [&hellip;]</p>

立即報名 10/16【智造加速，AI 共創新巔峰】產業交流媒合會，鏈結 AI 新創打造高效營運引擎

<p>根據國際研究機構 IDC 預測，2030 年 AI 將為全球經濟產值貢獻 4.9 兆美元。隨著 AI 正在重塑產業、創造新市場並改變競爭格局，企業如何在這一波 AI 浪潮下加速數位轉型，並提升工作效率與價值？ 立即免費報名緯謙科技將於 10/16 在台北艾麗酒店舉辦的「智造加速，AI 共創新巔峰」產業交流媒合會，探索借力 Agentic AI 強化企業韌性的關鍵策略。同時，媒合會邀集 8 家 AI 新創企業，深度解析從 AI 影像辨識、製造與半導體產業 AI Agent，再到數據驅動決策、精準定位與智慧感知等具體應用，助力與會者以 AI 打造最佳營運引擎，全面應對國際關稅戰。 立即報名</p>

高通打造全球最快行動系統單晶片「Snapdragon 8 Elite Gen 5」，實現個人化 Agentic AI

<p>高通技術公司今日宣布推出 Snapdragon 8 Elite Gen 5 行動平台，是全球最快的行動系統單晶片。平台亮點還包括： 核心行動體驗再升級 Snapdragon 8 Elite Gen 5 進一步提升當今使用者對其行動裝置所期待的體驗，包括： 透過多模態 AI 模型深入理解使用者 Snapdragon 8 系列行動平台實現真正個人化的代理式 AI 助理 ，能跨應用程式間依據使用者需求執行量身訂製的操作。透過持續的裝置端學習與即時感知，多模態 AI 模型能深入理解使用者，提供主動式建議並依情境強化提示功能，且使用者資料始終保留在裝置端。 結合突破性 AI 相機技術 今年的 Snapdragon 8 Elite 是全球首款支援 APV（Advanced Professional Video）編解碼器錄影的行動平台，讓專業級的影像製作得以實現。在突破性 AI 相機技術驅動下，創作者可透過攝影棚等級的影像錄製以及廣泛的後製控制，將藝術願景化為現實。 第三代高通 Oryon CPU 效能提升 20% 憑藉最先進的效能、功耗與裝置上 AI 運算，Snapdragon 8 Elite Gen 5 帶來全面升級，以及現今使用者所期待的行動體驗。第三代高通 Oryon CPU 效能提升 20%，為同級最快。全新高通 [&hellip;]</p>

Agentic AI 驅動財稅轉型，安永揭示導入策略、實務落地與治理新挑戰

<p>在生成式 AI（GAI）逐漸成為企業數位轉型核心技術的當下，Agentic AI（代理型 AI）以其具備自主決策、學習與流程整合能力的特性，成為企業能否成功導入的關鍵。安永聯合會計師事務所於今（24）日舉辦「Agentic 實戰研討會-財稅轉型與 AI 治理新視野」，分享企業如何導入Agentic AI 提升財務與稅務流程效率，以及如何打造 AI 治理框架，確保透明、合規與永續發展，並分享實戰案例。 安永聯合會計師事務所稅務科技服務資深副總經理詹大緯指出，儘管多數企業已積極探索 GAI 的應用，但真正能將 GAI 整合進日常業務流程的比例卻不到 5%。這樣的落差，反映出企業在導入過程中常陷入五大迷思，例如誤認 GAI 將全面取代人力、誤信內部開發優於外部合作等。事實上根據調查，內部開發的失敗率是外部合作的兩倍，顯示導入 GAI 不僅需要技術，更需要策略。安永強調，成功的導入應由業務單位主導，並選擇具備學習能力與流程整合性的 Agentic AI 工具，透過與外部專家合作，才能有效提升導入效率與成果。這樣的策略不僅能加速落地，更能確保 GAI 真正發揮價值。 安永聯合會計師事務所稅務科技服務經理劉蓁莉則分享 Agentic AI 於財稅流程的導入成果，特別是在費用報銷與憑證審核環節展現出高度效益。傳統報銷流程中，人工查詢資料、比對憑證與簽核作業不僅耗時，也容易出現錯誤。導入 Agentic AI 後，系統能自動擷取資料、進行合規檢查、串聯多系統並完成電子簽核，讓整體流程從繁瑣的紙本作業轉為高整合度的人機協作。不僅大幅減少稽核與查詢時間，更提升審核準確性與效率。此外，Agentic AI 具備語意理解與情境判斷能力，能處理非標準化情境與複雜決策，例如金額異常、憑證類型不符或政策敏感項目，展現出超越傳統 RPA 的智能審核能力。這些成果不僅優化財務流程，也讓財務團隊得以專注於更具策略性的決策工作。另外在稅務合規領域，安永亦展示了 Agentic AI 於全球稅務法規監控的創新應用。透過 Agentic AI 每日自動蒐集各國稅務公告以建構知識庫，企業即可透過聊天機器人即時掌握稅務法規變動，並由 Agentic AI 判斷是否影響申報義務，主動通知相關負責人員等延伸應用。 安永諮詢服務股份有限公司總監翁立翰也提醒企業不可忽視 AI 治理的重要性。雖然 Agentic AI 帶來效率與創新，但同時也伴隨著資料偏差、隱私風險、不當使用與道德困境等挑戰。全球監管趨勢正加速成形，臺灣已提出《人工智慧基本法》草案，金管會發布《金融業運用人工智慧（AI）指引》，個資保護委員會則規劃AI資料法制與第三方審查制度。安永強調，企業若要在生成式AI時代中建立競爭優勢與社會信任，必須及早建構 AI 治理框架，從資料來源、模型透明度到使用者責任進行全面規劃，確保技術導入的合規性與永續性。 （本文訊息由安永聯合會計師事務所提供，內文與標題經 [&hellip;]</p>

Appier CEO 游直翰：AGI 不是單一強大 Agent，而是眾多 AI Agent 串聯合作

<p>「我認為 AGI（通用人工智慧）會是由所有不同的 agent（AI 代理）串聯起來，而不是一個中央集權、極致聰明的 agent 掌握所有事，」AI 原生軟體公司 Appier 共同創辦人暨執行長游直翰在自家產品發表會上，分享對 AI agent 的看法，指出未來將是由眾多 agents 串起來的智慧型世界，而這樣的思維也體現在 Appier 新產品中。 Appier 今（23 日）舉辦產品發表會，宣布全產品線導入 Agentic AI，一口氣推出 8 款 AI Agents，範圍涵蓋廣告、個人化到數據等領域。游直翰表示，AI 跟 AI agent 最大的不同，就是 AI agent 不只是有思想和想法，它還會動手做、去完成一些任務。 強調「專家知識」導入 他也強調，Appier 設計 AI agents 時著重於導入專家知識、可持續學習進化，以及能預測未來，「給出 80 分、90 分的常見建議很容易，但怎麼樣給到 top 1% 的專家建議，才是重點。」 那麼 Appier 如何做到導入專家知識？游直翰分享他們找來許多產業專家來直接參與 Agent 的開發與訓練過程，包括標註資料、評估與微調，確保 agent 一開始學習的就是正確且高品質的資訊，避免產生 AI 幻覺，再加上公司長期累積的產業數據與洞察，因此能提供具有價值的專家級建議。 AI Agent [&hellip;]</p>

「算力其實是 AI 的假議題，我們要的不是算力，是 AI 能力。」陳良基與鴻海、NVIDIA、所羅門專家解密 AI 智…

<p>「現在我們面臨很多挑戰，也有新機會，」TechOrange 科技報橘在今（9/17）舉辦「2025 AI 智慧大工廠論壇──新竹場」，科技報橘社長戴季全在開場致詞時指出，當前「機器人浪潮」與「Agentic AI 的落地」是值得關注的兩大趨勢，同時這兩股力量都仰賴一個「可控的虛擬環境」作為基礎。以機器人研發為例，因涉及眾多零組件系統模組與數據，難以直接在真實環境中測試，許多企業也不敢讓未經驗證的機器人直接操作機台或產品；另一方面，AI 落地應用若缺乏完善測試，也可能帶來風險，進一步凸顯在 AI 落地與機器人浪潮下，「可控的虛擬環境」已成為關鍵基石。 陳良基解析台灣半導體產業突圍關鍵 前科技部長陳良基教授在「下一個機會點 ── AI 代工，解析台灣半導體產業突圍關鍵」演講中分析，台灣在 AI 時代的關鍵優勢來自半導體的「特定用途市場」，台灣在特定用途的半導體領域幾乎獨霸，因為台灣能根據客戶需求量身打造最佳化解決方案。 陳良基進一步提醒，全球供應鏈正快速變革，台灣必須思考未來的定位。他主張台灣應該推動「開放式 AI」，並將 AI 產業拆解為模組化的生態系，讓更多創新在分工中湧現，進而讓台灣在全球競局中找到新價值。「算力其實是 AI 的假議題，我們要的不是算力，而是 AI 能力，」陳良基直言，台灣應該善用既有的信賴供應鏈與製造優勢，從單純提供算力轉向提供完整的 AI 能力，唯有如此，台灣才能成為全球 AI 能力的提供者，而不只是 AI 伺服器的代工者，這是一條必須把握的發展道路。 鴻海解析 GenAI 賦能的智慧製造 鴻海科技集團董辦室軟體研發處長郭錦斌在「GenAI 賦能的智慧製造」演講中指出，傳統製造模式依靠影像辨識、自動化與 IoT，以提升確定性流程的效率，然而新一代智慧製造則以大模型與 AI Agents 為核心，賦予系統語意理解與跨域推理能力，將老師傅的經驗「產品化」，不僅能持續進化，更能處理如「為何良率下降？」、「如何排程最穩定？」這類開放式問題。 郭錦斌分析，未來工廠將呈現實體、數位分身與 AI 的三層結構。數位分身工廠將負責模擬與機器人訓練，AI 工廠則可以把專家經驗轉化為大型模型並優化排程，最終讓實體工廠「按圖施工，保證成功」。郭錦斌也強調，鴻海已透過 GenAI 實現多場域應用，包括智能調參縮短試模時間、CNC360 優化刀具路徑、Agentic Operations AI 協調多個 Agent 解決複雜故障，以及 FactoryGPT 結合知識圖譜與虛擬環境進行品質監控及缺陷排除。這些創新讓過去鴻海累積的數據價值獲得釋放，並推動鴻海從單點優化走向整合性解決方案，全面提升產線智慧化與效率。 NVIDIA Cosmos [&hellip;]</p>

日本三菱銀行與酷澎如何借力 AWS 轉骨，分別用 AI 讓銷售覆蓋率提升 10 倍、轉型為全方位金融服務公司？

<p>「我們把全球穩定幣發展趨勢、生成式 AI 技術，以及年輕世代的網路原生代串聯在一起 ，大家共同探討接下來怎麼趨利避害，因為穩定幣是人類史上頭一遭，它會帶來機會，可能也有潛在挑戰，我們可以一起探索，」AWS 在今舉辦《2025 AWS 新金融、新經濟：開創金融與遊戲產業新局》論壇，AWS 台灣暨香港總經理王定愷在開場致詞時強調，現在是一個「融合經濟」時代，Web3 及其去中心化網路生態正在新金融新經濟領域快速發展。另一方面，生成式 AI 的出現，也釋放內容製作、客服能量及分析能力，讓各產業紛紛看見新可能。王定愷形容現在的市場環境就像一個飛輪，在越轉越快的同時帶來新商機，卻也伴隨潛在挑戰。 「《經濟學人》說數據是新的石油， 所以怎麼樣在數據裡找到新洞見，然後快速變現，這一點是亞馬遜非常重要的核心能力，」王定愷也將 AWS 比喻為樂高積木，可以透過快速的排列組合、拆解重建，協助企業快速迭代並探索市場。 「在網路世界中的新金融與新經濟，沒有本地與國際市場的區別，」面對這樣的趨勢，王定愷鼓勵企業「Go Big and Go Global」，並利用最新的科技與國際市場對標，「AWS 是一個可以協助企業全球落地的網路，不管是提供基礎建設跟各種服務，或是讓台灣企業在本地市場也具有相當的競爭性，都是我們希望帶給大家的價值。」 AI Agent 在金融業的創新應用場景 「AI Agent 的核心是採用多模態模型作為大腦，多模態模型具備視覺和文字理解能力，因此 AI Agent 能理解希望執行的目標，並閱讀資料，進而與前端環境或使用者進行互動，再給予行動，」AWS AI／ML／GenAI Sr.Specialist  BD Matt Yang 在「生成式 AI 引爆產業變革：Agentic AI 如何重塑金融、遊戲、零售體驗」演講中，分析 Agentic AI 能夠在今日實現的關鍵原因，在於模型成熟度的顯著提升，目前已經有大量具備推理能力的模型，能夠理解問題、思考步驟，並調用相應工具執行任務。 Matt Yang 以美國最大房地產抵押貸款公司 ROCKET Companies 與全球最大的對沖基金公司 Bridgewater 為例，說明 ROCKET Companies 的 AI [&hellip;]</p>

企業如何啟動員工Ｘ AI Agent 高效工作新模式？鴻海、台灣大哥大、CloudMile、91APP、Salesfo…

<p>當 AI 應用成本在過去 18 個月以來大幅下降近 300 倍，掀起人類大腦外接 AI Agent 大腦進行推理、規劃的知識工作革命，企業如何掌握這波 AI Agent 應用趨勢，開啟更高效、創新的工作新模式？在 TechOrange 科技報橘首度主辦的 「AI Agent 知識工作革命論壇」匯聚各界專家，共探企業如何在各個工作場景，有效導入 AI Agent 完成目標任務。 「從製造的鴻海升級為科技的鴻海，我們正透過 AI 轉型引領智能未來，目標成為智慧生活解決方案的提供者，」鴻海科技集團Ｂ事業群暨數位健康總經理姜志雄表示，鴻海以三大核心技術「AI、半導體、新世代通訊」發展「電動車、數位健康、機器人」三大未來產業，作為企業下一階段的成長動能，也聚焦智慧製造、智慧電動車與智慧城市的三大平台。同時，鴻海藉由跨界整合，成立全新產業生態體系 —— 台灣數位健康大聯盟，更攜手臺中榮民總醫院打造 AI 護理機器人「Nurabot」，結合多模態識別、語音互動、環境交互強化學習等多項技術，致力解決護理人才短缺的嚴峻挑戰。 鴻海科技集團Ｂ事業群暨數位健康使用者體驗設計總監林綺凡進一步說明，鴻海實際走訪醫療照護產業現場，看見護理人力缺口擴大、離職率連年上升，導致多家醫院被迫關閉病床，台灣病護比相較國際偏高的現況，也可能降低照護品質，因此鴻海透過研發 Nurabot，期望提升護理工作流程，並加速推動台灣數位健康。林綺凡分享，Nurabot 採用嵌入式空間設計，能夠安全的醫療與檢體運送；多軸機械手臂的部分，能夠執行高精度物品操作；360 度全向移動底盤的部分，則是能夠靈活穿梭於狹小醫療空間，「我們認為 Nurabot 不只是一台執行任務的機器人，而是一套能在醫院實體環境中思考、互動、學習的智能系統，是護理人員的 AI 協作夥伴。」 「未來我們使用的 Agentic AI，只要說明 What 或是 Where，AI 就會自己思考 How，」台灣大哥大總經理林之晨表示，Agentic AI 在 Level 0 主要協助企業完成重複性任務，在 Level 1 能夠為資訊檢索的助理，在 Level 2 能夠於 [&hellip;]</p>

不是駭客卻更危險？製造業降低 AI 代理風險的 4 大作法

<p>隨著 AI 應用持續擴展，製造業也迎來了新一波自動化革命，Agentic AI（代理式 AI） 正逐步走進工廠現場，這類具備自主感知、規劃與決策能力的代理 AI，能在供應鏈、維護、能源管理等關鍵領域帶來前所未有的生產力。 然而《Manufacturing Net》報導提醒，與其潛在效益並存的，是一套截然不同的資安風險輪廓，根據市場研究公司 PYMNTS Intelligence 最新報告，80% 的高度自動化企業將資料安全與隱私問題列為導入代理式 AI 的首要顧慮。 因為代理式 AI 並不只是被動執行指令，而是主動尋找目標達成的最佳路徑。若未設好明確的限制與監控機制，代理式 AI 有可能在不經人為介入的情況下，自行重排生產優先順序、接入敏感 IoT 設備，甚至與外部系統連線，開啟未經授權的操作流程。 代理式 AI 不是駭客，而是「授權行動」的風險者 代理式 AI 應用於製造業，最大的效益在於其能夠感知環境、規劃行動並隨學習而調整策略。常見的應用場景有：識別機台異常、主動排程維修，還能預測原料短缺、自動下單給供應商，甚至重新分配產能以達最佳效率。 在理想狀況下，這種自我調整機制大幅降低人力成本與生產誤差，讓供應鏈彈性更高。然而，風險點在於：當 AI 自主行動的空間過大，其行為就可能「合邏輯但不合規」。《Manufacturing Net》舉例，若一個 AI 被設定「降低機台停機時間」為目標，卻誤將關鍵感測器視為產線瓶頸，進而停用該感測器以避免錯誤警示，最終可能釀成更嚴重的損失。 這正是伴隨代理式 AI 最頭痛的資安問題：它們不是外部入侵者，而是內部授權的行動者。它們不會觸發傳統防火牆、也不會違反存取控制，卻可能在系統內部做出風險極高的決策，例如改寫生產排程、修改採購策略等。 這類問題通常無法透過傳統的資安模型預防，絕大多數製造業資安防護仍以靜態策略為主：封包監控、防火牆設定、權限分層。但面對可以自行學習、改寫操作邏輯甚至呼叫外部 API 的代理式 AI，這些傳統手段難以發揮作用，因為它們不涉及漏洞利用或資料竊取，仍在授權範圍內執行任務。 因應之道：從靜態防線轉向「動態監控＋AI 守門人」 面對新的資安挑戰，製造業者不能只是套用既有資安框架，而是必須建立具備情境感知與行為審核能力的「動態防線」。以下是《Manufacturing Net》提出的具體作法： 1. 設計具「彈性限制」的 AI 系統 與其只用靜態規則限制 AI 行為，不如設計具備多層次目標的行為模型。例如在設定「降低成本」目標時，必須同時納入「符合品質標準」、「不得關閉關鍵監控」等次級目標，形成層級化決策結構。 2. 設立「監督 AI」作為次級審核機制 [&hellip;]</p>

AI 代理太多個太亂？沃爾瑪決定把 AI 代理整合成 4 大介面

<p>AI 代理（Agentic AI）技術仍處於早期發展階段，但零售巨頭沃爾瑪已積極導入，不僅進行大量早期測試，更將其整合進消費體驗與內部業務流程中。不過，這場技術大躍進也帶來了混亂。根據《華爾街日報》，沃爾瑪開發了數十個 AI 代理、分散在不同系統，用戶必須穿梭在不同系統、介面之間而產生困惑。 這讓沃爾瑪決定重整 AI 策略：將所有 AI 代理工具整合為 4 大「超級代理（Super Agents）」介面，分別對應客戶、員工、工程師、賣家與供應商。透過單一入口與幕後多個專責 AI 代理的協作，使用者只需要與一個介面互動，就能獲得個人化且一致的體驗。 從「工具爆炸」到「4 大入口」，Sparky 率先上線 AI 代理是一種能自主執行多步驟任務、幾乎無需人工介入的 AI 工具。沃爾瑪提出的「超級客服」也屬於 AI 代理，不過扮演的是協調 AI 代理的管理角色，負責將任務分配給更專業的 AI 代理。 目前，這 4 個超級代理處於不同開發階段，首先，服務消費者的超級代理「Sparky」已經上線，可以回答消費者產品問題並提供建議，未來將能根據消費者的購物行為建立每週必備產品的購物清單，並在消費者確認之後下單。Sparky 甚至將能根據消費者的主題、出席人數、預算等情況，具備為活動策劃多件商品的能力。 為供應商推出的超級代理「Marty」則將在幾個月內上線，能協助整合分析報告、廣告投放、訂單管理等。 第 3 個超級代理「Associate」將簡化如請假申請、重發員工卡、快速查詢銷售數據等日常流程，一樣在未來幾個月內上線。 第 4 個為沃爾瑪工程師設計的超級代理「Developer」，將成為其內部所有 AI 工具測試、建構和發布的平台，將在明年推出。 根據《Reuters》，沃爾瑪技術長 Suresh Kumar 表示，之所以選在這個時候推出超級代理，是因為「消費者已經準備好了，他們幾乎在所有事情上都使用 AI。」 背後靠 MCP 串聯所有代理與資料系統 據《華爾街日報》報導，沃爾瑪能將數十個 AI 代理整合為四大介面，關鍵在於 MCP（Model Context Protocol）——這是由 [&hellip;]</p>

AI 賦能科學：五大領域的突破，從實驗室走向真實世界

<p>人工智慧（AI）正為科學研究與人們對世界的理解帶來全新可能。科學家如今已能深入解析電子、創造新材料，甚至與樹「對話」。生成式 AI 工具驅動科學發現突飛猛進，開啟對人體細胞與其所依賴生態系統的深層洞察。 「科學突破是 AI 最重要的應用之一。」微軟研究院負責人 Peter Lee 博士表示：「我們相信生成式 AI 理解人類語言的能力，同樣也能用來解讀自然界的語言，包括分子、晶體、基因組與蛋白質等。」 2025 上半年，微軟在多個採用同儕審查的學術期刊上發表多篇研究論文，並在醫學、能源、生物學與量子物理等領域推出全新工具與跨領域協作。Peter Lee 表示，這些努力的目標是：透過強大、實用且值得信賴的 AI，加速科學家探索複雜問題的過程，並將研究成果轉為對現實世界的具體影響。 AI 已展現實質影響的五大科學應用場域，同時也可能是下一波重大突破即將誕生的關鍵。 醫療健康：促進醫療照護與科研進展 AI 正迅速成為醫療領域的重要夥伴，不僅能自動化任務，更協助臨床醫師與研究人員看得更廣、更快理解、更早行動。從病歷紀錄到病理切片，這些多模態模型可分析大量非結構化資料，發掘有助於疾病偵測與個人化治療的關鍵模式。 例如 PadChest-GR，是首個收錄 4,555 張胸部 X 光影像的資料集，以西班牙語與英語提供精準定位的標註資訊。該資料集由西班牙阿利坎特大學與微軟共同建置，可協助放射科醫師更精確地解讀影像，同時用於訓練 AI 模型，與科學家一同學習與進步。 另一例是微軟最新推出的 AI 診斷協同系統 MAI-DxO（Microsoft AI Diagnostic Orchestrator），模擬醫師團隊的推理過程，整合多種資料來源協助判斷。這項研究顯示 AI 有望以更高準確率、更低成本處理複雜醫療案例。 這是醫療領域一波以科學為本的 AI 工具浪潮之一，其他還包括一款可大量分析病理切片的 GigaPath 工具，以及一項在肯亞推動的專案，透過識別高風險社區，協助預防兒童營養不良。 科學發現：加速取得科學洞察 AI 助力科學家分析複雜資料與模擬自然界運作機制，以傳統難以達成的速度與規模加快研究進程。 Microsoft Discovery 是一款全新平台，採用 agentic AI 技術建構，具備推理、規劃與在授權下自主執行任務的能力，能如同研究夥伴般參與工作，自動執行提出假設、進行模擬與優化實驗流程等任務。亦能從大量資料中辨識隱含規律與關聯，使科學家得以更高效率地驗證研究假設。在一項早期應用中，Discovery 僅用一週左右協助研究人員開發出資料中心冷卻液原型，而此流程原本需耗時數月。 微軟針對密度泛函理論（Density Functional [&hellip;]</p>

AWS 在 2025 紐約高峰會發布多項 AI Agent 創新，並追加 1 億美元投資以加速 Agentic AI…

<p>Amazon Web Services（AWS）在雲端運算領域樹立了安全、可靠與資料隱私標準。如今，AWS將這些原則進一步引入 Agentic AI 領域，發布一系列全新的功能與工具，幫助客戶在其堅實的技術基礎上建構 AI Agents。其中最重要的創新是 Amazon Bedrock AgentCore，它將幫助客戶大規模、安全部署和運行高效能的 AI Agents。 AWS Agentic AI 副總裁 Swami Sivasubramanian 在 AWS 紐約高峰會上發表主題演講，闡述了公司的 Agentic AI 策略。他表示，AI Agents 借助 AI 進行推理、規劃、調整並完成的自主軟體系統，將顯著加快各產業的創新節奏，提升整體生產效率。 Swami Sivasubramanian 表示：「這是一場在多個面向上的深刻變革。它顛覆了軟體的建構方式，同時也為部署與運行帶來了全新的挑戰，而更深遠的潛在影響是它改變了軟體與世界的對話模式，也重塑了我們與軟體的互動方式。」 借助 Amazon Bedrock AgentCore，實現 AI Agent 大規模部署與運行 Amazon Bedrock AgentCore 提供一整套部署並高效運行 AI Agents（可以使用任意框架和模型建構）的功能。 在企業加速擁抱 AI Agents 的過程中，他們面臨的關鍵挑戰是：建構的系統既能在數位邊界間自主行動，又需要符合企業級部署需要的安全、可靠與治理標準。 Amazon Bedrock AgentCore 幫助開發者銜接 AI Agent [&hellip;]</p>

凌羣電腦深度整合思科 AI 解決方案，更以互補產品系統助企業升級市場競爭力

<p>「身處競爭激烈的市場環境，誰能夠掌握 AI 技術，並運用新工具提升競爭力，就獲得更大勝出的機會。」—— 凌羣電腦總經理劉瑞隆 在 AI 持續重塑企業營運模式的趨勢下，各界紛紛尋求更穩健且安全的導入途徑。凌羣電腦總經理劉瑞隆表示，從辨別式 AI 到生成式 AI、Agentic AI、Physical AI，皆對人類產生巨大影響，尤其針對降低成本、提高生產力方面創造極大效益。而在大語言模型時代，凌羣電腦看見企業廣泛採用生成式 AI，因此攜手思科（Cisco）展開更深度合作，不僅整合其先進 AI 解決方案，以及在網路基礎架構、資安領域的全球優勢，也憑藉自身專業服務與互補的產品系統，助力客戶加速邁向數位轉型、專注實現以 AI 驅動創新。 「從2000年 .com 風潮開始，每一次的科技迭代，都會帶給企業全新的挑戰及樣貌」，台灣思科金融暨工商事業群總經理盧佳成指出，網路革命始於 2000 年，在這之後人們還經歷行動化、虛擬化、雲端化到現在 Agentic AI 應用的崛起，不斷的驅動「老對手新世界」的效應，「你會發現有些企業成長茁壯，但也有些企業未能即時轉型，落入窘迫的境地。所以在 AI 浪潮下，如果企業可以把握得宜，就能夠走出一片新格局。」 打造生成式 AI 解決方案「NeuroChain」，為客戶解決 AI 幻覺挑戰 「掌握最先進技術，才能發揮設備的優勢，」劉瑞隆觀察，企業導入 AI 應用時，往往面臨人才、技術斷層，以及建立正確認知的挑戰，在這樣的情況下，凌羣電腦不僅協助企業導入適當資源，也透過差異分析讓客戶了解轉型升級的具體成效。回顧凌羣電腦的客戶案例，劉瑞隆點出成功因素皆建立在「選擇優質設備和技術」、「企業願意主動改變」、「運用凌羣軟體開發及系統整合能力」的架構上，可以更高效的實踐轉型，「而在台灣企業制定數位轉型策略的路徑，我建議由政府帶頭，將台灣建設為全世界 AI 應用的典範，讓 AI、機器人技術應用深入各行各業的實際場景，凌羣電腦也會持續支持重要科研單位研究大語言模型，並且根據現有基礎發展加值各項應用產品，強化客戶面對全球市場競爭的優勢。」 那麼當企業使用 AI 擔心出現「AI 幻覺」，凌羣電腦如何協助客戶克服這項痛點？劉瑞隆分享，凌羣電腦開發生成式 AI 解決方案「NeuroChain」，在人與 AI 之間架設中間層，作為地端向量資料庫，讓大語言模型能夠針對中間層範圍，給予提問者精準答案，並協助客戶完成法規查詢、公文判讀等應用，「NeuroChain 除了降低導入生成式 AI 的成本，還避免企業的機敏資料直接分享在大語言模型，形成公共資料的風險。我們也推動 NeuroChain 在公部門與多產業落地，包括協助家樂福打造 AI 智能食譜，讓消費者根據 APP 食譜內容更方便快速下單所需的食材，有效提升業績。」 [&hellip;]</p>

「AI 不只是資料中心。」AMD 揭 AI 發展重點如何走向地端推理

<p>AI 發展不斷加速，晶片大廠 AMD 近期動作頻頻，5 月與台灣政府和企業合作成立台灣算力聯盟，6 月在全球併購了三家公司。AMD 怎麼看待最新的 AI 產業趨勢，又如何迎戰？ 從訓練走向 AI 代理，企業 AI 推理需求升溫 「AI 不只是資料中心，」AMD 資深業務協理黃偉喬在 AI 智慧大工廠系列論壇上分享，AI 發展重點已從模型訓練邁向推理應用，並從多模態理解進化到能主動執行任務的 AI 代理（Agentic AI）。 他指出，AI 模型的訓練方式也在演進。過去企業多將資料集中處理，如今「聯邦式學習」（federated learning）強調分散式運算，讓模型在資料不出地端的情況下共同學習；面對資料稀缺狀況，「自監督學習」則能在小樣本下自我訓練，顯示 AI 技術正持續進化。 此外，黃偉喬觀察企業對 AI 地端推理的需求成長，主因包括雲端 AI 的成本高昂、不希望將機密資料上傳雲端，以及營運現場不一定能穩定連網，因此未來 AI 的推理架構從雲端延伸至邊緣裝置，甚至延伸到筆記型電腦、手機等終端。 談到近期熱門的 AI 代理，黃偉喬強調 AI 的價值不再是單純的問答，而是要能協助分析問題脈絡、進行推論，並「產生行動」。他表示，若針對資訊只能生成洞見而無行動力，AI 價值將大打折扣。 AI 晶片市場競爭，AMD 採取開放、合作策略迎戰 面對 AI 晶片市場的激烈競爭，「我們有一個很重要的策略就是走向 open（開放），」黃偉喬表示，AMD 除了提供涵蓋資料中心伺服器 CPU、GPU 到用戶端 PC 完整解決方案的晶片，也致力於推動自家軟體框架 ROCm，推動更開放的硬體和軟體架構。 這項開放策略體現在 [&hellip;]</p>

<img decoding="async" src="https://techorange.com/app/uploa…

跟傳統資安訓練所依賴的靜態腳本不同，Jericho Security 所研發的安全訓練平台，特地採用了代理式 AI（agentic AI）進行開發，進而創造出一套類似於真人攻擊者的自動化系統。

• #AI代理
• #Jericho Security

<img decoding="async" src="https://techorange.com/app/uploa…

亞馬遜週三（6/4）宣布，正在其位於矽谷的設備研發部門 Lab126 成立一支全新團隊，專注開發應用在機器人操作的代理式 AI（agentic AI）框架。根據亞馬遜，這些技術能讓倉儲機器人「聽懂、理解並執行自然語言指令，變成靈活、多才多藝的助理。」

• #亞馬遜