<p>當中國科技圈正在為 OpenClaw 掀起的 AI Agent 熱潮沸騰時，阿里巴巴已經搶先往前跨了一步。3 月 17 日，阿里巴巴正式推出面向企業的 AI 平台「悟空」（Wukong），主打自動化與多代理（multi-agent）協作。就在前一天，阿里巴巴才剛宣布成立全新的 AI 事業群 Alibaba Token Hub，這也代表阿里巴巴此次要推進的，不只是單一 AI 產品，而是更完整的企業 AI 佈局。 「悟空」的應用潛力：讓工作者成為一人 AI 公司 「悟空」是以阿里巴巴的旗艦模型 Qwen 為基礎所開發，並針對企業場景量身打造。《Reuters》報導，「悟空」能夠在單一介面中協調多個 AI 代理，處理包含文件編輯、試算表更新、會議轉錄與資料研究等複雜的商業任務。《Bloomberg》則進一步說明，「悟空」能協助公司操作電腦、瀏覽器與雲端伺服器，並且內建了資料安全保護機制，以滿足企業客戶對機密保護的要求。 在存取與協作方面，使用者可以把「悟空」作為獨立桌面應用程式使用，也能夠透過網站或目前服務超過 2,000 萬企業用戶的阿里巴巴協作平台 DingTalk 進行存取。為了讓工作流更順暢，「悟空」後續也將逐步連接 Slack、Microsoft Teams 與 WeChat 等外部通訊平台。阿里巴巴也計畫把這套 AI Agent 與自家的 Taobao（淘寶）與 Alipay（支付寶）等商業服務整合，積極將聊天機器人轉變為能實際採取行動、處理從購物到任務管理等各項工作的數位助理。 如果說前面的功能與整合描繪的是「悟空」的產品輪廓，那麼在發表會上，DingTalk CEO 陳航則進一步把它延伸成更具體的應用想像。針對「悟空」的實際應用潛力，陳航特別提出「一人 AI 公司」（one-person AI companies）的願景，並以律師、餐飲業者、設計師與創業者為例，親自示範這些工作者如何借助「悟空」強大的代理與自動化能力，處理繁雜的營運任務，讓單一個人也能高效運行整家公司業務。 Alibaba Token Hub 成立，AI 競賽正式升級為組織戰 […]</p>
<p>亞洲最佳解決方案合作夥伴益登科技（TWSE: 3048）第三度參與 NVIDIA GTC，今年以「From AI to Action: Physical AI in Motion」為主題，攜手生態系夥伴展示 AI 運算平台、關鍵零組件與系統整合成果。益登科技於 Booth #242 展出採用 NVIDIA Jetson 軟硬體資源的 Physical AI 與機器人方案，呈現 AI 技術在智慧醫療、視覺辨識與語音理解等多元領域的開發與落地，展現其串聯 AI 生態系並加速產業創新的整合能力。 益登科技（EDOM Technology）於 GTC 展會中計劃展示多項結合 Physical AI 與邊緣運算的創新應用。隨著 NVIDIA Jetson Thor 系列模組推出 AI 推理與控制架構得以整合於單一系統，為即時閉環控制與多模態感測提供高效能運算基礎，加速多模態智慧機器人的實際落地。 在機器人互動展示方面，益登攜手安格科技（Algoltek）展出「Dexterous Hand AI」，透過 4D AI Vision 技術與視覺動作模型，即時辨識與預測觀眾手勢並做出對應動作，展現低延遲 AI 推論與即時回饋能力，同時呈現從虛擬模擬到實體部署（Sim-to-Real）的完整流程。此外，益登亦與耐思尼（Nexuni）合作展示「AI Workforce: Embodied Intelligence」，透過 NVIDIA Thor 平台實現少量樣本學習（Few-shot Learning）的雙臂機器人操作。並示範家務服務機器人完成辨識、抓取與織物折疊的完整流程。由於布料屬於高度可變形物體，其操作涉及複雜的視覺理解、狀態估計與雙手協調控制，透過 […]</p>
<p>矽谷工程師的日常，正在被 AI 代理重新改寫：愈來愈多人開始把寫程式、安排行事曆、回覆 email 等繁瑣工作，交給 Claude Code、OpenClaw 等工具處理，自己則習慣在睡前、出門參加派對前先把任務交辦出去，隔天醒來第一件事，就是檢查 AI 昨晚替自己完成了多少進度。 這股變化不只出現在講求速度的新創圈，也已滲透到 Google、Amazon 等大型科技公司。當 AI 開始逐步接手執行層工作，工程師的角色也正悄悄改變，也就是從親手寫程式的執行者，變成負責與 AI 對話、下指令、驗收成果，並約束 AI 代理行為的管理者。這樣的新工作模式，已經在矽谷成為日常。 矽谷工程師開始「帶 AI 代理上工」 《華爾街日報》指出，矽谷科技人現在彼此互相比較的「最大炫耀點（biggest flex）」，是自己究竟能把多少任務外包給 AI，包含寫程式、管理行事曆與回覆 email 等雜務，同時還能確保 AI 不會出大錯。 例如創投家兼開發者 Nikunj Kothari，會在早上起床後、喝咖啡前，第一時間查看 AI 代理的工作進度，甚至覺得玩 Claude Code 比看 Netflix 更有趣。 Notion 共同創辦人 Simon Last 則說，他睡前總想再檢查一次 AI 代理們是否都在工作，「我真的很希望它們整晚都在工作，所以我睡前總是跑下樓再看一次。」 Simon Last 也分享，自己已經九個月沒有親手寫 code，而是改成管理四個 AI 代理來執行任務。 這樣的新趨勢，改變的不只是工作習慣，還包括工程師對自己角色的想像。「軟體工程師這個職稱將開始消失，」Claude Code 開發者 […]</p>
<p>生成式 AI 的算力競賽正進入新階段。過去幾年，科技巨頭競相投入大量 GPU 訓練大型模型，但隨著 AI 應用快速普及，市場焦點正逐漸從「模型訓練」轉向「推理運算」。 亞馬遜雲端服務（AWS）近日宣布，將在資料中心部署 AI 晶片新創 Cerebras Systems 的處理器，用於支援 AI 推理（inference）工作負載。《華爾街日報》指出，這項多年合作協議，被視為 AI 算力市場的重要轉折點，也代表雲端業者開始積極尋找 GPU 之外的替代方案。 AI 算力市場轉向：從模型訓練走向推理 Cerebras 表示，AI 正在重塑軟體開發的方式，越來越多程式碼不是由人類工程師親自撰寫，而是由 AI 代理生成。與一般對話式聊天不同，代理式程式開發每次請求產生的 token 數量約為其 15 倍，因此 Cerebras 認為需要更高速度的輸出能力，才能維持開發效率。 AWS 表示，未來將在資料中心部署 Cerebras 的 Wafer-Scale Engine（晶圓級引擎）晶片，用於處理 AI 推理任務，也就是當使用者向 AI 模型提出問題時，系統生成回應的運算過程。 在新的架構中，AWS 自研晶片 Trainium 3 將負責處理使用者輸入的提示（prefill），而 Cerebras 晶片則負責生成回應內容。AWS 指出，這種分工架構可提升整體推理效率，尤其適合需要即時互動的 AI 應用，例如程式撰寫輔助或 AI 代理（AI agents）。 […]</p>
<p>生成式 AI 近年快速進入企業客服體系，許多公司以聊天機器人與虛擬客服取代部分人工服務，希望藉此降低成本並提供全天候回應。然而，研究顯示，這股全面自動化的趨勢可能很快面臨修正。 研究機構 Gartner 指出，到 2028 年，部分曾以人工智慧取代人工客服的企業，可能因為 AI 無法有效處理複雜客戶問題，而重新聘回人類客服。 企業逐漸發現，過度依賴 AI 的客服模式不僅難以完全解決問題，還可能帶來額外的營運成本與品牌風險。 這項預測也與近期的產業調查結果相呼應：Gartner 指出，到 2027 年，約有 50% 原本計劃大幅削減客服人力的企業，將放棄相關計畫。這意味著，在許多公司努力推動「無人客服」或高度自動化客服體系的同時，企業開始重新評估全面自動化在實際營運中的可行性。 企業客服 AI 化浪潮可能出現反轉 企業導入 AI 聊天機器人與虛擬客服系統，希望透過自動化技術降低客服成本並提升服務效率。這些系統最大的優勢，在於能以較低成本處理大量客戶詢問，同時提供全天候回應，因此受到許多企業管理層的高度關注。 然而 Gartner 的分析指出，AI 客服系統雖然能有效處理許多標準化問題，例如密碼重置、訂單追蹤或常見問題解答，但在面對複雜、情緒化或多層次的客戶問題時，往往難以提供令人滿意的回應。 當 AI 無法理解客戶需求或提供正確解決方案時，不僅問題得不到解決，還可能進一步惡化客戶體驗，甚至影響品牌忠誠度。 在這種情況下，企業若完全依賴 AI 客服系統，可能反而增加營運壓力。因此 Gartner 預測，隨著企業逐漸意識到 AI 的能力邊界，部分公司將重新聘回人工客服，以補足自動化系統在處理複雜互動方面的不足。 AI 客服模式暴露的營運成本問題 AI 客服系統之所以受到企業青睞，很大程度來自於顯著的成本節約。許多公司在導入 AI 系統後，報告客服人力減少了 30%、50% 甚至更多。從營運角度來看，如果聊天機器人能以遠低於人工客服的成本處理約 80% 的客戶諮詢，企業自然會傾向縮減客服團隊規模。 然而，剩下約 20% 的客戶互動往往是最關鍵的部分。這些互動通常涉及複雜問題、情緒壓力或需要深入判斷的情境，而 AI 在這些場景中的失敗率仍然偏高。當 AI […]</p>
<p>亞太區雲端解決方案領導品牌博弘雲端科技，榮獲 Amazon Web Services (AWS) AI Services 能力認證—生成式 AI 顧問級別（AWS AI Services Competency－Generative AI Consulting Services）。此項認證肯定博弘雲端能運用 AWS AI 解決方案的技術服務，協助企業透過 AI 技術，改善內部流程繁瑣與人力不足的挑戰，更進一步拓展到可規模化的商業應用，帶來無限的創新與商機發展性！ 跨越 AI 落地門檻 助企業用 AI 創造商業價值 使用 AI 技術與工具已成多數員工的日常，但就企業層級來看，導入 AI 的過程中仍面臨重重挑戰。根據財團法人人工智慧科技基金會在 2025 年的「台灣產業 AI 化大調查」指出，高達 70% 的企業未能跨越 AI 實際應用門檻；此外，「數據品質不齊導致模型偏差」以及「難以將 AI 技術對接至具體獲利場景」，更是企業在 AI 轉型路上的核心痛點。 博弘雲端擁有專業的團隊與 AI 技術量能，協助企業從內部數據治理、定義待解決的問題，再到AI應用部署情境，確保企業使用 AI 解決對的問題，發揮最大功效。 博弘雲端事業中心副總經理陳亭竹表示，獲得 AWS AI Services 能力認證—生成式 AI […]</p>
<p>在前面的系列文章中，我們探討了如何利用 Apigee 駕馭 Gen AI 的 Token 成本，以及如何透過穩健的運維體系跨越鴻溝。當企業解決了「成本效益」與「運作效率」後，隨之而來的便是最嚴峻的挑戰——信任與安全。 在 Gen AI 時代，API 不再只是應用程式之間的資料管道，它們成為了企業核心大腦（LLM）與外部世界溝通的神經末梢。然而，這扇通往創新的大門，若缺乏適當的防護，也將成為駭客長驅直入的漏洞。 傳統的防火牆已不足以應對當前的威脅。面對 AI 時代的資安挑戰，這篇將探討如何利用 Apigee Policy 來落實合規治理，並搭配 Advanced API Security 來找出潛在的威脅，在 AI 時代構建一道「零信任（Zero Trust）」的防線。 API 的設計與治理缺陷正在放大整體系統風險 根據 Gartner 的預測，API 濫用將成為導致數據洩露的最常見攻擊方式。在生成式 AI 的架構下，這種風險被進一步放大： 傳統的 WAF (Web Application Firewall) 擅長防禦 SQL Injection 或是分散式阻斷服務攻擊 (DDoS) 等已知攻擊，但對於這些偽裝成正常流量的「新型態威脅」，往往束手無策。 以 AI 對抗 AI：Apigee 的智慧防護機制 面對日益複雜的攻擊，有些甚至由 AI 驅動的攻擊，防禦者必須同樣具備智慧化的手段。Apigee 不僅是 API […]</p>
<p>微軟（Microsoft）正在把 Copilot 從工作助理，推向更敏感也有更高信任門檻的健康場景。3 月 12 日，微軟正式推出 Copilot Health，目標是協助使用者理解自己的健康資訊，進一步取得可採取行動的個人化健康洞察。微軟更將這項產品視為邁向「醫療超級智慧（Medical Superintelligence）」的一步。 不只微軟，Amazon、OpenAI 與 Anthropic 近期也陸續測試類似的 AI 健康工具，顯示大型 AI 公司正把健康資料納入聊天機器人的下一波競爭。在這樣的脈絡下，Copilot Health 的亮相，也是微軟在生成式 AI 戰局中，試圖與其他競爭對手拉開差異化與專業定位的重要一步。 串接 5 萬家醫療機構、50 種穿戴裝置，Copilot Health 瞄準資料整合 微軟表示，Copilot Health 透過 HealthEx 串接超過 5 萬家美國醫院與醫療提供者機構的資料，包括就診摘要、檢驗結果與用藥清單。在使用者端，Copilot Health 可以匯入超過 50 種穿戴裝置的資料，包括 Apple Health、Oura 與 Fitbit，將分散的健康紀錄、健康歷史與穿戴裝置資料整合，並提供個人化建議。例如，若使用者輸入「我最近睡不好」，聊天機器人就能分析病歷與穿戴資料，觀察最近的睡眠趨勢。 微軟表示，Copilot Health 也連接即時的美國醫療提供者目錄，讓使用者可以依專科、地點、語言與保險條件搜尋醫師。目前，Copilot Health 將分階段推出，並優先在美國上線。 Copilot Health 目標是讓使用者更深入理解醫療資料 微軟表示，多數人缺的不是更多健康資訊，而是對於健康資料的理解。因為病歷長期以來既混亂又難以管理，且資訊往往散落在不同醫療提供者使用的不同資料庫中。因此，過去醫師可能需要花數小時人工檢視一個人的全部病歷與穿戴裝置資料，才能形成判斷，但現在 Copilot Health 可以在幾秒內就完成。 微軟副總裁 […]</p>
<p>AI 代理（AI agent）正快速從研究概念走向企業軟體的核心介面。AI 搜尋新創 Perplexity 在其首屆開發者大會 Ask 2026 上宣布推出新的多模型 AI 代理，包含雲端代理 Perplexity Computer 以及本機代理 Personal Computer。這項布局顯示，這家原本以 AI 搜尋聞名的公司，正試圖進入企業軟體市場，與微軟、Salesforce 等大型平台競爭。 Perplexity 表示，其本機代理系統可以把一台閒置電腦轉變成類似開源代理框架 OpenClaw 的 AI 控制系統，但提供更完善的安全與治理機制。該公司認為，隨著 AI 代理逐漸成為企業自動化流程的重要工具，能夠協調多個模型與企業資料來源的「代理編排層」（orchestration layer），將成為下一波 AI 軟體競爭的焦點。 AI 代理不只是聊天機器人，而是「完成工作的系統」 Perplexity 的核心產品 Computer 本質上是一個 AI 代理編排引擎。當使用者提出任務目標，例如「整理今晚活動參與企業的簡報資料」，系統會先將目標拆解為多個子任務，再分配給不同的 AI 子代理處理。 這些子代理會使用最適合的 AI 模型完成工作，包括資料搜尋、文件生成、程式撰寫、分析與內容整理，最後再整合成完整成果。換句話說，Computer 不只是回答問題，而是能直接完成一整個工作流程。 根據 Perplexity 說明，該系統可同時協調約 20 個不同 AI 模型。其中包括 Anthropic 的 Claude Opus […]</p>
<p>「在講機器人和 AI 時，大家都當成一個產業，但和椿來看，AI 機器人不是一個產業，是企業轉型變革的時機，這一點是我們跟大多數人看法不一樣的地方，」和椿科技董事長程天縱在今（3/12）接受媒體採訪時表示，雖然 AI 機器人的市場成熟期仍難預測、現階段需求也還有限，但他認為，對企業來說，真正重要的不是市場何時全面爆發，而是能否及早把 AI 機器人納入產品與營運流程，否則企業就可能長期停留在傳統製造思維中，難以進入高科技產業的行列。 程天縱進一步解釋，若只把 AI 機器人視為一個產業，很容易落入既有思維，將焦點集中在供應鏈、零組件與材料，卻忽略真正的需求與價值鏈。「機器人三個字，事實上是機器跟人，機器是供應方，人是需求方，機器是為人服務的，所以我們特別強調需求方，」因此和椿並非從供應鏈角度切入，而是選擇站在客戶端思考，與需求方一起尋找更多應用場景與可能性。 美中積極投入 AI 機器人，台灣如何掌握競爭優勢？ 談到在美國與中國皆積極發展 AI 機器人的背景下，台灣如何發揮自身優勢？程天縱表示，美國除了 AI 強，硬體也不弱，真正的弱點在於缺乏製造能力，而製造不只是代工，還會反過來影響最終產品創新，因此這正是美國過去較吃虧之處。然而，如今美國積極推動製造回流，隨著這波趨勢持續，他判斷美國硬體實力未來有機會持續加速發展。 至於中國的產業環境，程天縱認為，中國雖然政治專制、經濟居中，但科技其實相對民主，也就是說，中國的科技發展在很多時候反而保有相當自由度。因此，程天縱分享，不少中國的機器人企業並非單純靠政府扶植而壯大，而是在改革開放、政府相對不干預的環境中成長茁壯。 在美國補製造、中國持續推進應用落地的情況下，程天縱認為，台灣若要找到自己的位置，關鍵不在與大國正面比拚整機或大規模製造，而是在自身擅長的「微型化」與半導體能力上建立差異化優勢。 「我在兩年前就說，算力與算法會前移，」程天縱解釋，算力與算法接下來會從雲端移到邊緣，再從邊緣移到終端，最後再延伸到機器人的手和腳。他認為，未來機器人必須在前端就具備即時判斷與感知能力，而這也將是台灣的絕佳切入點，因為 AI 與機器人進入實體世界後，需要大量感測器感知觸覺、溫度、震動、聲音與位移等，而這些感測器多與半導體製程密切相關。因此，以半導體技術為基礎，台灣若能進一步結合感測器、GPU與前端算力，讓機器人的手腳本身就具備感知與計算能力，就有機會在下一波機器人競賽中建立關鍵優勢。 程天縱也特別強調，除了移動能力之外，機器人的操作能力同樣非常重要，而其中手的觸覺將是關鍵。因此如果台灣能率先掌握觸覺感測器、算法與前端算力的整合能力，將會是一個非常大的機會。 如果機器人是發電廠，和椿科技的目標就是成為「智慧家電」 「如果我們把機器人的硬體比喻為發電廠，那和椿現在要做的，就是成為解決千家萬戶痛點的智慧家電，」在當前的產業趨勢下，談到和椿在 AI 機器人產業中的角色與定位，和椿科技副董事長張以昇形容，「發電廠」固然重要，但真正能讓電力創造價值、實際解決生活或生產問題的，仍然是終端應用端的「智慧家電」。因此，和椿真正想做的，不只是機器人本體的供應，而是把技術轉化成能落地的應用方案，並強調人形機器人的應用市場，也將成為和椿未來持續投入與布局的主要方向。 面對中國在機器人硬體製造上已經進入高度競爭、甚至近乎極致內捲的狀態，張以昇指出，台灣若在這個階段再去拚硬體，不僅會陷入激烈價格戰，也不具備絕對優勢。在這樣的背景下，和椿選擇把核心競爭力放在理解場域需求、整合技術，並提供最終可執行的解方，也就是不再單純販售關鍵零組件或硬體設備，而是直接「賣給客戶問題的解答」。 未來，和椿的目標是成為深入百工百業、解決場域實際痛點的夥伴，並致力讓 AI 機器人技術真正落地，同時轉化為各行各業提升整體競爭力的實質動能。 （首圖來源：科技報橘）</p>
<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 […]</p>
<p>當全球 AI 競賽持續升溫，科技巨頭比拚的已經不只是模型能力，而是誰能用更快速度、更多元的硬體組合，撐起愈來愈龐大的訓練與推論需求。近日 Meta 公布 MTIA 300、400、450 與 500 等四代自研 MTIA 晶片路線圖，在這一系列晶片路線圖的背後，透露的是一場 AI 基礎設施戰略的加速。 Meta 一方面希望因應快速擴張的 AI 工作負載，另一方面也試圖透過自研晶片降低成本、分散硬體來源，因此這次發布的意義不只是單純的推出新晶片，更反映出 Meta 正在重新調整 AI 硬體布局的節奏與優先順序。 Meta 晶片戰略轉向，推論成為下一個主戰場 目前，首款新晶片 MTIA 300 已經投入使用並進入量產，主要負責支撐 Meta 內容排序（ranking）與推薦系統（recommendation systems）的演算法訓練。這也是在生成式 AI 崛起前，Meta 內部最主要的工作負載。 然而，隨著生成式 AI 浪潮興起，Meta 的硬體設計重點也隨之轉移。雖然 MTIA 400、450 與 500 等後續三代晶片仍具備處理各類工作負載的能力，但在近期至 2027 年間，將採取「推論（inference）優先」的策略，專門針對生成式 AI 的推論進行優化，並支援已訓練完成的模型產生文字或圖片等輸出。 針對此路線的轉變，Meta 工程副總裁 Yee Jiun Song 點出關鍵：「我們看到目前推論需求呈現爆炸性增長，這也是我們目前專注的重點。」相較於市面上主流 GPU 通常優先為模型「預訓練」而打造，Meta […]</p>
<p>在矽谷乃至全球資本市場中，AI 熱潮正從「概念驅動」逐漸走向「價值檢驗」。過去幾年，只要公司與 AI 相關，往往更容易吸引投資人注意，但市場已經開始重新評估 AI 公司的真正價值。 創投圈的關注焦點，從單純的技術創新轉向更嚴格的商業模式檢驗。這不僅意味著投資偏好的變化，也反映出 SaaS（軟體即服務）產業的價值邏輯正在被重新定義。 近期軟體股與半導體股表現的分化，也透露出資本市場的資源重新配置。投資人逐漸將資金從單純「採用 AI 技術」的公司，轉向那些能夠提供 AI 基礎能力，或以 AI 為核心構建產品的企業。 從工具提供者到任務執行系統 在新的投資邏輯下，資本市場更加關注 AI 原生基礎設施，以及深度結合產業流程的垂直 SaaS 應用。背後原因在於，當 AI 模型逐漸普及並成為通用能力後，企業的真正競爭優勢往往來自「專有資料」與「流程控制能力」。 傳統軟體多半被視為輔助工具，其價值往往來自易用的介面與功能整合能力。然而在 AI 時代，軟體的核心價值逐漸轉向能否「完成任務」與「產生結果」。投資人因此更傾向支持那些能直接解決問題，而不只是提供工具的平台。 所謂「行動系統」，指的是軟體不僅提供資訊或介面，而是能在流程中自動執行任務並完成結果。當這類系統深入企業關鍵工作流程時，往往能形成高度黏著度與轉換成本。 相反地，如果 SaaS 產品只是將既有流程進行數位化，卻沒有掌握流程背後的資料與邏輯，在 AI 代理逐漸普及的情況下，其競爭力可能會變得相對脆弱。 AI Wrapper 模式逐漸失去吸引力 事實上，在創投圈中有一類產品近年開始受到更多質疑，這些產品通常是在既有 API 或 AI 模型之上，加上一層介面或輕量功能，因此被稱為「AI Wrapper」。 當產品只是透過 UI 或簡單自動化改善使用體驗，而缺乏深度流程能力時，其競爭優勢往往難以維持。隨著大型科技公司直接在平台層整合 AI 功能，這類產品更容易被替代。 例如當 Anthropic 或 Google 在系統底層提供更完整的 AI 能力時，僅依賴表層自動化或介面差異的工具，其吸引力就會逐漸下降。因此，投資人現在普遍對容易被 AI 代理取代的任務型工具，保持更高的警惕。 […]</p>
<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。 […]</p>
<p>OpenAI、Google 與 Microsoft 等美國科技公司正快速擴建 AI 基礎設施，進一步帶動記憶體晶片需求，不僅拉緊供應，也推升價格。三星、SK 海力士與美光這三家全球最大的記憶體晶片製造商皆表示，目前已難以跟上暴增的需求。 IDC 形容，這場由 AI 帶動的晶片短缺是「一場前所未見的危機」。在這樣的背景下，當高頻寬記憶體（HBM）因為複雜堆疊帶來的量產挑戰，進而成為 AI 伺服器擴張過程中的關鍵限制之一時，記憶體的競爭已不只在單一產品，而是同步延伸到材料、製程、封裝與供應節奏上。為了解決這項影響整個 AI 產業進程的瓶頸，當決勝點不再只是單一晶片性能，而是整體量產與供應效率時，設備商也開始更早介入下一代記憶體的研發合作。 應用材料聯手美光、SK 海力士，從源頭共推下一代 HBM 與記憶體 呼應上述的量產挑戰，近日應用材料（Applied Materials）宣布與美光、SK 海力士合作，開發對 AI 與高效能運算至關重要的下一代記憶體晶片，美光與 SK 海力士兩家公司也將成為應用材料「設備與製程創新暨商業化中心」（EPIC Center）的創始夥伴。 應用材料表示，EPIC Center 是一項規劃中的 50 億美元半導體設備研發投資，資本支出將隨客戶專案啟動而逐步擴大至該規模。事實上，應用材料曾在 2023 年時表示，將對該研發中心投入最高達 40 億美元的資金，並預計在 2026 年上線，如今該計畫的預期投資規模已進一步擴大。 在具體的合作方向上，應用材料與美光的合作將聚焦於推進 DRAM、HBM 與 NAND，並結合 EPIC Center 與美光位於愛達荷州 Boise 創新中心的技術能力。至於應用材料與 SK 海力士的合作，則將聚焦在下一代 DRAM 與 HBM 的材料改良、製程整合，以及 3D 先進封裝。 […]</p>
<p>生成式 AI 迅速改變企業的工作模式，從撰寫報告、整理資料到起草提案，AI 能在短時間內完成大量內容生產，看似為企業帶來前所未有的效率提升。 然而，隨著越來越多組織導入 AI，一個新的問題也逐漸浮現：工作產出增加了，但決策與效率未必同步提升。 部分管理者開始發現，團隊看似更忙碌，實際上卻被大量「幾乎有用」的 AI 內容淹沒。這種情況逐漸被視為生成式 AI 時代的「生產力悖論」，也成為企業導入 AI 時必須正視的管理議題。 生成式 AI 帶來的生產力錯覺 生成式 AI 工具如今可以比任何人類團隊更快生成內容、摘要與建議，但速度本身並不等同於效率。若缺乏清晰的目標與結構化思考，快速產生的大量內容反而可能阻礙工作推進。 許多團隊在導入 AI 後出現一種表面上的高生產力現象：文件變多、報告更精緻、輸出速度加快，但真正完成的決策卻沒有增加。導致組織可能花費更多時間閱讀、整理與修正 AI 產生的內容，而不是專注於做出關鍵決策。 分析機構 Forrester 副總裁兼首席分析師 JP Gownder 指出，許多生成式 AI 技術在企業環境中的實際效果並不理想。許多生成式 AI 技術在企業環境中的實際效果並不理想。問題不僅存在於消費者體驗，在企業級應用場景中同樣明顯。 當 AI 產生的內容越來越多，但決策與行動卻沒有同步增加時，這些看似完整的輸出就可能形成表面上專業且令人印象深刻，卻未必能推動工作真正向前的「資訊噪音」。 AI 噪音如何削弱判斷與決策 在一些企業中，員工撰寫的內容變多，但做出的決策卻變少；團隊感覺工作更加忙碌，但效率卻沒有真正提升；公司文件與報告看起來更精緻，但內容卻越來越雷同。這種現象有時被比喻為音樂中的「過度演奏」。 當演奏者過度追求速度與技巧，而忽略意圖、情感與結構時，音符再多也無法形成真正動人的作品。同樣地，AI 若只是增加輸出，而不是提升判斷力，就可能讓組織陷入內容膨脹卻缺乏方向的困境。 企業領導者與其問「AI 能為我們做什麼」，更重要的問題是：「人類必須做什麼，而 AI 應該如何強化這些能力」。 在許多組織中，生成式 AI 最有效的用途並不是取代人類思考，而是協助完成繁瑣工作。 例如，管理團隊可以利用 AI 精簡冗長的董事會報告，但敘事與結論仍由人類決定；銷售團隊可以使用 AI 起草提案，但客戶策略與關係建立仍由業務人員主導；營運團隊可以自動生成報告，但數據解讀與決策仍需管理者負責。 也就是說 […]</p>
<p>當使用者越來越習慣直接從 AI 生成的答案中獲取資訊，品牌能否出現在 AI 的引用來源之中，開始成為新的可見度競爭焦點。近期多項分析顯示，YouTube 正快速成為 AI 模型的重要資料來源，其中最關鍵的因素，並不是影片本身，而是背後的「逐字稿」。 根據 SEO 公司 BrightEdge 的分析，在 Google 的 AI Overviews 中，YouTube 影片被引用的比例已達 29.5%，成為最常被 AI 擷取資訊的網站，也正式超越過去被視為重要資料來源的 Reddit。這也說明，當使用者透過 Google 搜尋問題並看到 AI 生成摘要時，近三成的資訊其實來自 YouTube 內容。以品牌端的角度來看，這意味著若在 YouTube 上缺乏具有資訊價值的內容，未來在 AI 搜尋結果中的曝光度可能會持續下降。 低風險、高結構，YouTube 成為 AI 搜尋的最愛 AI 模型之所以偏好 YouTube，與平台本身的資料結構密切相關。AI 廣告解方供應商 Optise 的執行長兼共同創辦人 Ómar Thor Ómarsson 指出，與一般網頁相比，YouTube 的內容通常包含完整逐字稿、清楚的後設資料（Metadata）以及影片章節（Chapters）。這些結構化資訊讓 AI 更容易解析影片內容的主題與段落，也降低了引用時的風險。對於需要快速生成答案的 AI 系統來說，這類可被機器直接閱讀與整理的資料來源，比起結構鬆散的論壇或社群貼文更可靠。 因此，YouTube 在 AI […]</p>
<p>近期在全球科技圈爆紅的開源 AI 代理框架 OpenClaw，正在中國掀起一股「AI 代理熱潮」。在騰訊深圳總部，近期出現近千人排隊，只為等待工程師免費協助安裝 OpenClaw 的場景。 這股熱潮不只出現在使用端，也迅速蔓延到中國新創與開發者社群。例如杭州 AI 新創 Mindverse 近日舉辦一場為期五天的線上黑客松（hackathon），參賽者已經做出各式各樣圍繞 AI 代理的新應用，像是替人類尋找對象的 AI 代理交友軟體、讓求職者 AI 與雇主 AI 直接面談的求職網站，以及讓使用者 AI 分身在虛擬世界旅行、定期撰寫遊記的應用程式。Mindverse 共同創辦人暨執行長 Felix Tao 就形容，現在他認識的每一位創辦人，都正在開發新專案，試圖測試個人 AI 代理能力的邊界。 中國 AI 公司正把 OpenClaw 從開發工具變成平台入口 「中國的科技創業者對 OpenClaw 做出立即反應並推出新專案，因為他們知道所有的競爭對手也會做同樣的事，沒有人想被拋在後頭，」中國新創公司 Qveris 共同創辦人 Dongqi Qu 在一場吸引約 300 名開發者參與的北京 OpenClaw 交流聚會後說道。目前 Qveris 也推出基於 OpenClaw 的 Qverisbot，用以執行需要存取真實世界經濟與市場數據的任務，Dongqi Qu 個人更正在開發用於交易股票與金融產品的個人 AI 代理。 這波創業者與開發者快速跟進的背後，有中國本地模型與雲端基礎設施的關鍵支撐。OpenClaw […]</p>
<p>AI 研究領域的重要人物、圖靈獎得主楊立昆（Yann LeCun）再次引發市場關注。這位曾任 Meta 首席 AI 科學家的學者，為其新創公司 Advanced Machine Intelligence（AMI Labs）完成 10.3 億美元的種子輪融資，成為歐洲有史以來規模最大的首輪募資案之一。 這家成立不到三個月的公司目前估值已達 35 億美元。投資方包括 NVIDIA、Samsung、Temasek、Bezos Expeditions、Cathay Innovation、Greycroft、Hiro Capital 等多家科技與創投機構。此輪融資不只顯示市場對 AI 新創的高度熱情，也反映投資人正開始押注超越大型語言模型（LLM）的新一代 AI 技術路線。 AMI Labs 的目標，是打造能理解現實世界的「世界模型」（world models），而不是僅依賴文字資料訓練的 AI 系統。 從語言模型走向「理解世界」的 AI 近年 AI 產業的核心技術幾乎都圍繞大型語言模型，例如 OpenAI 的 GPT 系列或 Meta 的 Llama。但楊立昆長期批評這類模型的能力存在限制。 他認為，主要依賴文字資料訓練的 AI 系統難以真正理解物理世界，也難以實現更高層次的推理能力。因此，AMI Labs 正嘗試發展另一條技術路線：讓 AI 透過影片、空間資料與感測資訊來學習環境，建立對現實世界的理解。 這種方法打造的 AI 被稱為世界模型，其概念是讓 AI 能預測現實世界中的事件與行為，而不只是生成文字或圖片。 […]</p>
PChome Online新聞1筆關係