TechOrange 科技報橘

從抓雞塊到旋轉燈泡，機器人新創 Eka 讓機械手臂學會感覺物理世界

<p>Eka 機器人的運作不禁令人想起第一次與 ChatGPT 對話的情景，機械手臂動作流暢、舉止自然，總讓人懷疑其 AI 模型背後蘊藏著某種「物理智慧」。</p>

AI 轉型加速，叡揚雲端助企業升級合規與韌性

<p>叡揚資訊 Vital 雲端團隊於年度盛會 GSS Solutions Day 2026，攜手產業專家與企業代表，探討如何在穩健的雲端與資安基礎上掌握 AI 紅利，為組織開創新商機。 叡揚資訊雲端及巨資事業群總經理胡瑞柔表示，叡揚將產品 AI 化後先在內部驗證安全，才開放客戶採用，並深信真正對企業有意義的 AI Agent 不只是語言模型，而是 AI 結合工作流程、SaaS 與治理機制的完整體系，讓每一個執行動作都可追蹤、可管理。Vital 最新推出企業帳號管理功能，從彈性密碼設定、精準帳號管控、第三方驗證與多因子認證，到依循金融業規範兼顧合規與營運效率，四大面向全面強化資安防護。 從風險治理到智慧決策，構建一站式解方 資深國際風險管理顧問白佩華指出，企業正面臨「氣候風險」與「Agentic AI」雙重結構性衝擊，風險已不再只是單一事件，而是成為企業經營的新常態。她強調，從極端氣候、供應鏈中斷到 AI Agent 的自主決策風險，企業未來最大的挑戰，不只是技術導入，而是治理能力與韌性設計。白佩華認為，企業應從傳統「風險管理」思維，升級為「韌性治理」架構，包括建立跨部門治理委員會、導入情境壓力測試、強化 AI 治理與持續營運計畫（BCP），並將氣候與 AI 風險量化為財務語言，協助董事會真正理解未來風險的影響。她也引用全球最新趨勢指出，未來能勝出的企業，不一定是規模最大者，而是最能快速適應不確定性的企業。 雲端服務事業處副處長李宗青現場展示 AI Agent 透過 BizForm MCP，從一張含有 9 張票據的照片出發，自動辨識金額、填寫出差明細、不同權限查詢過往請款、分析請款差異、催簽主管，完整串起簽核流程的完整體驗。 BizForm 以資安為產品設計核心，透過自建 MCP 伺服器統一控制 API 開放範圍，並內建嚴謹安全機制，確保 AI 僅在授權範圍內運作 。 雲端服務事業處處長賴俊仁指出，Vital CRM 具備完整資安合規性，未來搭載 AI 後，能大幅降低業務在多系統環境中完成客情回報的切換成本。以遠通電收為例，業務與主管透過在同一平台協作，導入後業務團隊效率提升 25%。處長黃家揚補充，郵件整合讓業務寄信時只需加入 CRM 指定信箱，往來郵件即自動歸檔，打破系統孤島。內建 AI [&hellip;]</p>

NVIDIA 拉動台灣供應鏈，記憶體缺貨與 Mythos 資安風險同步升高

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳稱中國仍在 2,000 億美元 CPU 市場內，台灣供應鏈下半年非常忙 NVIDIA 執行長黃仁勳在台北受訪時表示，公司先前提到的新一代 CPU 市場規模上看 2,000 億美元，其中也包含中國市場。隨著 AI 從模型訓練走向代理式 AI，市場需求不只集中在 GPU，負責資料處理與系統控制的 CPU 重要性也同步升高。 黃仁勳表示，NVIDIA 新一代 Vera CPU 將與 Rubin GPU 組成 Vera Rubin 平台，並正在拉升相關產能。他也談到 H200 晶片對中國出貨進度，NVIDIA 已取得美國政府出口許可，但仍需等待中國相關審批，目前尚未正式出貨。黃仁勳也指出，下半年對台灣供應鏈來說將會非常忙碌。 ＊記憶體缺貨恐拖到 2028，美光示警、NVIDIA 早已提前卡位 美光科技（Micron）執行長馬羅特拉（Sanjay Mehrotra）接受《彭博》專訪時表示，AI 帶動的全球記憶體短缺，可能延續到 2026 年後，真正大規模的新產能釋放，最快也要等到 2028 年前後。目前記憶體已成為高階系統的核心關鍵，資料中心與 AI 基礎設施都高度依賴相關供應。 這波缺貨也讓 NVIDIA 的供應鏈策略受到關注。NVIDIA 財務長柯蕾絲（Colette Kress）近日表示，公司不是等產品完成後才採購記憶體，而是很早就與三大記憶體供應商共同設計、提前規劃供應。隨著記憶體廠把更多資源轉向 AI 伺服器與高階記憶體，一般記憶體市場也同步承受供應與價格壓力。 ＊Anthropic 融資估值上看 [&hellip;]</p>

AI 轉型加速，叡揚雲端助企業升級合規與韌性

<p>叡揚資訊 Vital 雲端團隊於年度盛會 GSS Solutions Day 2026，攜手產業專家與企業代表，探討如何在穩健的雲端與資安基礎上掌握 AI 紅利，為組織開創新商機。 叡揚資訊雲端及巨資事業群總經理胡瑞柔表示，叡揚將產品 AI 化後先在內部驗證安全，才開放客戶採用，並深信真正對企業有意義的 AI Agent 不只是語言模型，而是 AI 結合工作流程、SaaS 與治理機制的完整體系，讓每一個執行動作都可追蹤、可管理。Vital 最新推出企業帳號管理功能，從彈性密碼設定、精準帳號管控、第三方驗證與多因子認證，到依循金融業規範兼顧合規與營運效率，四大面向全面強化資安防護。 從風險治理到智慧決策，構建一站式解方 資深國際風險管理顧問白佩華指出，企業正面臨「氣候風險」與「Agentic AI」雙重結構性衝擊，風險已不再只是單一事件，而是成為企業經營的新常態。她強調，從極端氣候、供應鏈中斷到 AI Agent 的自主決策風險，企業未來最大的挑戰，不只是技術導入，而是治理能力與韌性設計。白佩華認為，企業應從傳統「風險管理」思維，升級為「韌性治理」架構，包括建立跨部門治理委員會、導入情境壓力測試、強化 AI 治理與持續營運計畫（BCP），並將氣候與 AI 風險量化為財務語言，協助董事會真正理解未來風險的影響。她也引用全球最新趨勢指出，未來能勝出的企業，不一定是規模最大者，而是最能快速適應不確定性的企業。 雲端服務事業處副處長李宗青現場展示 AI Agent 透過 BizForm MCP，從一張含有 9 張票據的照片出發，自動辨識金額、填寫出差明細、不同權限查詢過往請款、分析請款差異、催簽主管，完整串起簽核流程的完整體驗。 BizForm 以資安為產品設計核心，透過自建 MCP 伺服器統一控制 API 開放範圍，並內建嚴謹安全機制，確保 AI 僅在授權範圍內運作 。 雲端服務事業處處長賴俊仁指出，Vital CRM 具備完整資安合規性，未來搭載 AI 後，能大幅降低業務在多系統環境中完成客情回報的切換成本。以遠通電收為例，業務與主管透過在同一平台協作，導入後業務團隊效率提升 25%。處長黃家揚補充，郵件整合讓業務寄信時只需加入 CRM 指定信箱，往來郵件即自動歸檔，打破系統孤島。內建 AI [&hellip;]</p>

運算力即主權！AI 時代地緣新賽局：英國如何靠「量子科技」突圍美中夾擊

<p>《Financial Times》報導，從 AI 輔助戰場系統、自主無人機，到資安與情報分析，先進軍事力量越來越依賴運算能力。各國政府開始像過去對待石油與電網那樣，將運算能力視為關鍵基礎設施，因為它關係到經濟實力、軍事能力與政治自主。有些人甚至認為，運算能力本身已成為國家主權的前提，就像 20 世紀的核技術決定了地緣政治權力。 但對英國這類科技「中等強國」而言，問題在於：全球約 90% 的 AI 運算能力掌握在美國與中國企業手中。因此，其他國家也開始積極布局 AI 基礎設施，希望在晶片、網路、資料中心等核心技術領域取得優勢。「半導體晶片已經是現代高速運算技術不可或缺的一部分，它們對國家未來的重要性，應該如同水與乾淨空氣一般，」英國倫敦大學學院 UCL 的奈米電子與奈米光子材料教授 Tony Kenyon 說明。 英國加速布局下一代運算，擺脫 AI 算力受制美中 英國政府之所以高度關注這些技術，與現代軍事愈來愈依賴 AI 有關。《Financial Times》說明，新世代戰機每小時都會產生大量感測資料，需要 AI 即時分析；過去仰賴人耳辨識的潛艦聲波，如今則改由演算法判讀異常訊號。英國晶片公司 Graphcore 執行長 Nigel Toon 便警告，如果一國完全依賴外國雲端與運算供應商，對方甚至可能透過系統權限，讓資料中心無法運作。 《Financial Times》指出，英國其實曾是 AI 發展的重要基地，不僅奠定許多現代 AI 理論基礎，也擁有頂尖研究人才。然而，英國長期缺乏足夠資本支持本土科技企業成長，導致不少具潛力的新創公司在壯大前，就被海外科技巨頭收購。 最具代表性的案例就是 AI 公司 DeepMind。它 2010 年成立於倫敦，四年後便被 Google 收購。雖然 DeepMind 至今仍留在英國，並持續參與 Google Gemini AI 模型開發，但公司控制權早已轉移到美國。不願具名的專家向《Financial Times》坦言，Google 收購 DeepMind [&hellip;]</p>

美國人形機器人為何無法規模化上工？前 NASA 機器人部門負責人：只做單一任務，很難創造 ROI

<p>美國前 NASA 軟體、機器人與模擬部門負責人 Robert Ambrose 近日在《Fortune》撰文指出，美國確實能打造出動作流暢、操作精準、甚至能完成後空翻等高難度動作的人形機器人，但他也點出一個殘酷現實：「美國確實打造出令人驚豔的機器人，但卻不是『對的』機器人」。&nbsp; Robert Ambrose 觀察，前陣子中國在德國總理面前展示的人形機器人陣列，背後反映的並非單純技術炫技，而是凸顯美中兩國在機器人策略上日益擴大的差距。他警告，美國擁有頂尖的技術人才，卻正陷入一個致命盲點，那就是整個產業太容易把受控環境下的完美表現當成成功指標，卻完全忽略技術要走向商業化，真正的核心在於真實工廠與複雜工作場景中的實際部署能力。 展示成功不等於部署成功，長時間執行單一任務難以創造 ROI 這些展示的成果，往往掩蓋機器人進入真實場景的落差。Robert Ambrose 引用史丹佛大學的報告點出核心問題：機器人在受控模擬中成功率可接近 90%，但在真實家庭任務中卻僅剩下 12%。 以知名新創 Figure AI 為例，其技術展示屢屢引發熱議，但距離真正的商業化部署仍有距離。在製造端，Robert Ambrose 指出，Figure 02 模型在 BMW 工廠累積 1,250 小時運作時間、搬運逾 9 萬個零件，看似成果豐碩，但實際上在長達 10 個月的時間裡，Figure 02 只執行「把鈑金零件放到焊接治具上」這項單一任務。在這樣的情況下，如 BMW 這樣的大型製造商可以將這種單一任務試驗視為必須吸收的研發成本，但對中型製造商而言，花費數千美元投資一台只能做單一任務的人形機器人，根本無法創造合理的投資報酬率。 在物流端也面臨類似挑戰。《Business Insider》報導 Figure AI 近日在總部舉辦一場 10 小時「人機分揀包裹大賽」。在這場比賽中，即便人類實習生中途需要休息用餐，最終仍以分揀 12,924 件包裹、平均每件只需 2.79 秒的成績，險勝機器人的 12,732 件、平均每件 2.83 秒的成果。 儘管 Figure AI 執行長 [&hellip;]</p>

DeepSeek 大砍價 75％！華為晶片助攻，中國 AI 成本戰衝擊西方模型

<p>中國 AI 新創公司 DeepSeek 在 X 平台宣布，旗下旗艦模型 DeepSeek V4 Pro 原本限時推出的 75% 折扣方案，將改為永久實施，被視為目前 AI 產業中最受矚目的定價策略之一。這項優惠原定於 2026 年 5 月 31 日截止。 《Digital Trends》分析指出，目前全球 AI 產業普遍面臨兩大挑戰，包括基礎設施成本居高不下，以及高階 AI 晶片供應受限。在這樣的背景下，企業若突然大幅且永久降價，往往意味著背後的運算資源或供應鏈狀況可能已出現重大變化。 DeepSeek 價格大砍，低價不等於真正便宜？ DeepSeek 表示，V4-Pro 現在的使用成本依據工作負載類型不同，每百萬 tokens 的價格介於 0.025 至 6 元人民幣之間，相較於先前每百萬 tokens 需 0.1 至 24 元人民幣的價格大幅下降。對於開發 AI 應用、AI 代理以及各類 AI 服務的開發者來說，這種降幅將能顯著降低營運成本。 在標準未使用快取的定價情境下，DeepSeek V4 Pro 每百萬輸入 tokens 為 [&hellip;]</p>

6 成受訪企業找不到懂 AI 的資安人才，資安主管年薪飆至 800 萬美元不罕見

<p>生成式 AI 正快速提升軟體開發的速度與產出規模，但企業正在發現一個結構性問題：跟不上的不是開發能力，而是驗證與防禦能力。當 AI 產生的程式碼量爆炸性成長，漏洞、權限與供應鏈風險也同步擴張，而懂得辨識、治理與控制這些風險的人才，正變得極度稀缺。 Mythos 問世後，企業對資安主管需求暴增五到七倍 今年 4 月，Anthropic 宣布推出 Mythos 模型預覽版，聲稱其在找出並利用全球電網、金融機構與大型企業所依賴之軟體系統漏洞「出色到令人警惕」，並以此為由只向少數合作夥伴開放測試。一週後，OpenAI 也推出類似定位的 GPT-5.5-Cyber。這兩起消息在企業界引發了緊急評估熱潮。 專注於資安高階主管招募的 Hitch Partners 管理合夥人 Michael Piacente 向《紐約時報》表示，自 Anthropic 開始預覽 Mythos 以來，企業尋求高度技術型資安主管的需求快速升溫，其公司接到的相關委託案已暴增五到七倍，「我們因此婉拒了相當數量的委託。」 服務財星（Fortune）百大企業的獵頭公司 Heidrick &amp; Struggles 高管人才顧問 Austin Cowan 也向《紐約時報》表示，過去需要 12 個月才會出現一次的職缺委託，現在每週都在發生，「我認為這是由 AI 軍備競賽中的恐懼與不確定性所驅動的。」求職平台 Glassdoor 的數據也印證了這股浪潮：今年第一季資安職缺發布量較去年同期成長 11%。 71% 受訪企業：人才短缺為直接商業風險 資安公司 Fortinet 今年發布的全球資安技能缺口報告，對這個問題提供了更系統性的描述。這份調查涵蓋 32 個國家、逾 2,750 位 IT 與資安決策者，結果顯示 71% 的受訪組織將人才短缺視為直接的商業風險，逾半數在招募資安人員方面遭遇困難，其中 52% [&hellip;]</p>

歐洲想擺脫「數位美元化」，37 家銀行推歐元穩定幣反攻：為何歐洲央行反而踩煞車？

<p>在全球高達 3,220 億美元的穩定幣流通量中，大約 99% 都與美元掛鉤；相較之下，包含 Circle 的 EURC 在內的所有歐元穩定幣，加總起來僅占全球供應量的 0.3%。如此懸殊的差距，正讓歐洲面臨嚴峻的「數位美元化」（digital dollarisation）危機與金融主權焦慮。 歐洲在日常支付基礎設施上，早已高度依賴 Visa、Mastercard、Apple 與 Google 等美國企業，數位貨幣顧問 Marieke Flament 就曾對此提出嚴厲警告：「如果不為未來的歐元鋪設支付軌道，那麼歐元可能將不復存在。」 37 家銀行打造替代方案，企圖打破美元穩定幣霸權 為了降低依賴並反制美元穩定幣霸權，總部位於阿姆斯特丹的公司 Qivalis 推動一項歐元穩定幣專案，目前已獲得高達 37 家歐洲銀行的支持，目標是透過參與銀行既有的客戶群與金融網絡，讓這款尚未推出的歐元穩定幣更有機會被市場採用。 這項專案原本就已取得法國巴黎銀行（BNP Paribas）、荷蘭國際集團（ING）與裕信銀行（UniCredit）等巨頭支持，近期更一口氣新增荷蘭銀行（ABN Amro）、義大利聯合聖保羅銀行（Intesa Sanpaolo）等 25 家金融機構，成為歐洲目前獲得最多銀行支持的歐元穩定幣專案。 Qivalis 執行長 Jan-Oliver Sell 強調，「歐洲主權角度」是這項專案的重要背景，目前的地緣政治情勢「讓人們更有興趣思考美元以外的替代方案」。他指出，Qivalis 目前已向荷蘭央行申請牌照，並表示：「我們正努力在牌照核發時做好營運準備，以便盡快上線。」Qivalis 也期待能在今年下半年順利推出。 智庫呼籲放寬法規，歐洲央行卻急踩煞車 然而，歐元穩定幣若要壯大，嚴格的法規是一大挑戰。歐盟目前實施的 MiCAR 法規，嚴格要求穩定幣發行商必須將至少 30% 的準備金存放在傳統銀行體系中。相較之下，美國在 2025 年通過的《GENIUS Act》對美元穩定幣採取較寬鬆的監管規範，並透過推廣受監管的美元代幣來鞏固美元的全球地位。歐洲智庫布魯蓋爾（Bruegel）的經濟學家為此發出警告，強調若歐盟規範持續比美國嚴格，可能會把相關活動推向海外，進一步加劇數位美元化。 為此，Bruegel 向歐盟財金決策者提出建議，呼籲放寬對穩定幣發行商的流動性要求，甚至考慮讓發行商取得歐洲央行（ECB）的融資。然而，這項提議在近期舉行的歐盟財長非正式會議上，遭到歐洲央行總裁 Christine Lagarde 的強烈抵制，多位央行官員也質疑「允許穩定幣發行商取得歐洲央行緊急融資」的建議，強調這類機制只能保留給受嚴格監管的傳統銀行體系使用。同時，央行官員也擔憂，跨越多個司法管轄區發行的穩定幣若在歐洲面臨大規模贖回，可能會引發準備金遭「擠兌」的連鎖風險。  三大系統性風險成為歐洲央行不能妥協的底線 歐洲央行之所以拒絕放寬規則，並非不願意發展數位貨幣，而是擔憂私營穩定幣的過快擴張，將對金融體系帶來三大系統性風險。首先是「銀行存款流失與資金去中介化」，歐洲央行官員擔憂，當民眾購買穩定幣時，資金會轉入發行商的帳戶，這將使銀行原本較穩定的存款變成不穩定的資金來源，引發資金「去中介化」（disintermediation）效應。 [&hellip;]</p>

AI 公文走入行政校務，淡江大學邁向智慧校園 3.0

<p>「以前我們在處理公文簽核時，可能都要在座位上才有辦法簽。」淡江大學資訊處石貴平資訊長寓意深長地描述過往經驗。這句話的背後，是一所橫跨三校區、約 2,000 位行政人員、每年近 2 萬件收發公文的大學，長年依賴紙本與定點簽核撐起整個行政體系的現實。 淡江大學設有淡水、台北、蘭陽三個校園，各有獨立的行政運作需求。多校園的行政協作本來就不容易，再加上校內每年收發公文近 2 萬件、內部簽辦約 7 至 8 千件，往來對象涵蓋教育部、各級政府機關、合作機構、學生與家長，頻率高、類型雜、跨單位協作頻繁。一份公文等主管回到辦公室才能簽核，整個流程就卡住了。這是淡江在 2008 年決定導入 SPEED 公文線上簽核管理系統最直接的原因。 透過 SPEED 公文系統，強化數位治理 導入初期，目標很清楚：讓公文流程數位化、可追蹤，減少紙本依賴。全校行政人員全面上線，以自然人憑證簽辦，這套制度從此嵌入日常。 隨著 IE 瀏覽器走入歷史，加上資安要求日益嚴格，淡江大學於 2023 年 9 月升級至 SPEED 3.0，支援主流瀏覽器與行動裝置。這次升級帶來最直接的改變，石貴平資訊長說得直白：「現在不管你身在哪裡，只要能夠連得上網路，就可以使用公文簽核。對長官來講是非常方便，而且是很即時的處理。」公文不再卡在某個環節，整個流程的推進速度明顯提升。 2024 年導入 Spelling Check 詞彙校正模組，則是針對另一個長期痛點。石貴平資訊長解釋：「公文屬於正式文件，用詞必須嚴謹，專有名詞需要維持一致。」對新進同仁來說改變最具體——過去公文撰寫經驗不足意味著來回退件、反覆修改，現在系統即時提示，能直接在撰寫過程中修正，減少來回、提升品質。 還有一個容易被忽略的面向：人員異動。行政單位人員流動是常態，查詢歷史公文往往仰賴個人經驗或人工整理。SPEED 提供完整的全文檢索功能，讓接手的同仁可以快速調出歷史文件，同時系統會依權限進行閱讀控管，兼顧資訊安全與使用便利性。知識銜接不因此而中斷，同時落實數位治理。 運用 AI 智慧分文，打造高效永續的行政流程 淡江大學以「AI+SDGs=∞」作為校務發展核心理念。石貴平資訊長對 AI 在公文管理的應用方向說得很直接：「AI 絕對是未來的發展趨勢，但相關過程不會一次到位，而是逐步優化、逐步成熟。」 下一步評估的方向，則是籌劃導入 AI 智慧分文推薦模組，石貴平資訊長提到：「未來規劃導入智慧分文，協助總收文人員推薦適當的承辦單位，減少同仁查詢歷史公文或是判讀的負擔，快速分文作業流程，並使同仁有更多時間去做其他的事情。」進而釋放人力，提升行政效率。未來也評估導入行動自然人憑證（TW FidO），讓長官在外公出時能更便利、安全地完成簽核作業。 從行政工具，到智慧校園的一部分 從 2008 年導入的電子公文系統，到今天的跨裝置即時簽核與 AI 錯字校正，淡江走過將近 20 年，每一次升級都不只是換個介面，而是解決了當下真實的行政痛點。 [&hellip;]</p>

AI 時代需要全新領導方式，專家提 90 天 AI 轉型實踐框架

<p>瑞士洛桑國際管理發展學院（IMD）執行研究員 Faisal Hoque，提出一套培養 AI 時代企業領導團隊的 90 天實踐框架，涵蓋評估、發展與嵌入等階段，培養高管 AI 時代下所需要的領導力。</p>

花 100 億美元蓋一座城：Toyota 豐田 Woven City 的實驗現場報告

<p>2020 年的消費電子展上，Toyota 豐田執行長豐田章男宣布要在一座廢棄工廠舊址上，打造一座供研究員、工程師與科學家共同生活工作的未來城市。五年後，這座耗資估計 100 億美元的城市已有第一批住民入住。 為什麼豐田要蓋一座城 Woven City 的核心設計邏輯，源自豐田對自動駕駛安全的一個判斷：車輛本身的感測器不夠用。豐田 Woven City 技術長 John Absmeier 指出，Waymo 等自動駕駛公司目前的車隊規模以數萬輛計，但豐田未來的自主車隊規模將遠遠更大，必須達到更高的安全標準。 而要達到這個標準，光靠車上最先進的雷達、光達與影像感測器仍然不夠。以一個孩子從貨車後方衝出為例，唯一能即時偵測並預警的方法，是在每條街道都布設攝影機，搭配對來車的警示系統。 這正是 V2X（車輛與萬物通訊）這個概念的實踐場景，而 Woven City 試圖把這個想法落地。為此，豐田開發了 AI Vision Engine，一套整合視覺、行為與環境資料的大規模 AI 基礎模型，從攝影機影像、移動系統與使用者輸入中識別模式、偵測潛在風險，並協調跨系統的應對行動，在 MVBench 視覺語言模型排行榜上列為全球頂尖水準。 在此基礎上，豐田進一步建立了 Integrated ANZEN System，整合 AI Vision Engine、行為 AI 與駕駛輔助技術，分析來自車輛與交通號誌的攝影機資料，讓行人、駕駛人與基礎設施形成單一協調系統。 豐田將整座城市定位為這些技術在商業化之前的封閉驗證場所，而目標客戶是有意採購這類技術的地方政府。 攝影機無所不在，隱私問題無所不在 走在 Woven City 裡，攝影機的密度會讓人停下來。光是在單一路口就計算到八台攝影機，建築物天花板與咖啡店內也都掛著大量鏡頭。 AI Vision Engine 的展示案例包括偵測零售環境中的扒手，官方表示不使用臉部辨識，但系統仍能依據服裝特徵跨鏡頭追蹤人員動態。 豐田 Woven City 總經理 Oishi Kota 表示，豐田曾針對隱私議題在全球進行調查，結果顯示日本受訪者的態度接近歐洲，對資料保護高度在意。為了應對這個問題，豐田設計了 [&hellip;]</p>

當 AI 不看廣告，只看資料：品牌行銷邏輯從頭改寫的三大策略

<p>根據麥肯錫於 2025 年公布的研究，預計到 2030 年，美國由 AI 代理人驅動的代理式商務市場規模將達到 1 兆美元，全球市場更上看 5 兆美元。IBM 今年的研究則指出，目前已有 45% 消費者在購物流程中使用 AI 工具協助決策，代表 AI 已開始介入零售消費的重要環節。 這意味著，當消費者開始把「該買什麼」交給 AI 判斷，零售產業的遊戲規則也正在被改寫。過去，品牌行銷的核心是吸引人的注意力，透過視覺設計、情緒敘事與廣告創意刺激購買衝動；如今，品牌必須開始學習如何吸引 AI 演算法的注意。 策略一：重塑產品數據架構，打造 AI 可理解的事實基礎 在代理式商務環境中，AI 並不會因為品牌形象影片而感動，也不會被情緒化廣告說服。AI 代理人讀取的是資料。它會解析商品規格、材料清單、第三方認證、物流資訊、價格變化、退貨政策與使用者評論，再依據演算法模型進行交叉比對。 所以如果資料缺漏、描述不一致，甚至不同平台上的商品資訊互相矛盾，AI 便可能無法正確辨識商品價值。結果就是品牌在推薦結果中被降權（編按：在推薦結果中排名下滑）。對 AI 而言，缺乏資料等同於缺乏可信度。因此，品牌的第一個生存策略，就是建立能被 AI 深度理解的產品資料架構。 過去，商品資訊管理往往被視為後台行政工作，由 IT、電商營運或商品部門各自管理；現在，企業需要建立「單一事實來源（Single Source of Truth）」，整合產品規格、供應鏈資訊、顧客評論、客服紀錄與行銷內容，確保所有平台上的資料能同步更新且保持一致。因為 AI 不只閱讀廣告，它同時也在閱讀評論區、物流資訊與退貨紀錄。 策略二：從情感行銷轉向理性數據 第二個關鍵策略，則是將品牌價值轉化為可驗證數據。 傳統零售高度依賴情緒行銷。限時優惠、品牌故事、名人代言與社群聲量，都是推動購買的重要手段。但 AI 代理人的決策模式偏向極致理性，它更重視耐用度、評價可信度、效能表現與長期價值。 即使是知名品牌，若產品數據表現不佳，AI 仍可能優先推薦規格更完整、評價更高的競爭商品。反過來說，中小品牌若能提供清楚透明的產品資訊，也有機會在 AI 推薦系統中取得更高曝光。 企業未來需要思考的，不再只是如何「講好故事」，而是如何把產品實力轉化成 AI 能讀懂的語言。例如耐用測試數據、真實用戶反饋、永續認證、物流時效與售後服務評分，都可能成為影響 AI [&hellip;]</p>

【科技早餐】AI 競爭從太空基建燒到企業人力預算，6.1 兆美元知識勞動力市場浮上檯面

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 星艦 V3 闖過關鍵試飛，太空基建離商業化還差最後幾步 SpaceX 最新升級版星艦（Starship）V3 完成首次試飛。這次任務從德州 Starbase 發射，Starship 上段雖在飛行過程中失去一具引擎，仍成功部署模擬星鏈（Starlink）衛星，並完成大氣層重返與印度洋受控濺落。 不過，推進器沒有完成原定返航程序，顯示這款大型火箭距離全面商業化仍有技術關卡。Starship 被視為 SpaceX 降低發射成本、擴大 Starlink 部署，並支撐美國太空總署（NASA）登月與深空任務的核心系統。亞馬遜（Amazon）創辦人貝佐斯（Jeff Bezos）也提醒，太空資料中心雖可能成為未來方向，但市場對時程可能過度樂觀。 ＊川普延後 AI 監管、晶片關稅也暫緩，美國科技政策先守速度 多家外媒報導，美國總統川普（Donald Trump）臨時延後原定簽署的 AI 行政命令。他表示，美國目前在 AI 領域領先中國及其他國家，因此不希望任何措施妨礙這項優勢。這項命令原本規劃建立自願性機制，讓 AI 開發商在公開發布先進模型前，先與美國政府預覽與交流。 在半導體方面，美國貿易代表葛里爾（Jamieson Greer）也表示，川普政府仍在研究進口半導體關稅，目前沒有立即實施計畫。他強調，關稅仍是推動晶片製造回流美國的重要工具，但時機與範圍仍需和業界溝通。這也顯示，美國科技政策正在安全、監管與產業速度之間重新調整位置。 ＊蘇姿丰稱 AI 才第三局，AMD 對台百億投資押注系統戰 超微（AMD）董事長暨執行長蘇姿丰（Lisa Su）出席《天下雜誌》45 周年論壇時，進一步說明 AMD 為何要在台灣 AI 生態系投資超過 100 億美元。她表示，這是對台灣投下的巨大信任票，因為台灣是技術最先進的地方，也對 AMD 長期發展至關重要。 蘇姿丰指出，台灣生態系涵蓋先進製程、後段封裝、系統、OEM、ODM 到機架級製造能力。她也強調，AI 不是泡沫，如果把這波機會比喻成九局棒球賽，現在大約才第三局。隨著 AI 從訓練走向推論、代理式 AI 與終端裝置，競爭不只看單顆 [&hellip;]</p>

GitHub、OpenAI 都遭滲透：解析 TeamPCP 的供應鏈飛輪攻擊

<p>一個 VS Code 外掛，在官方市集上線僅 18 分鐘，就讓 GitHub 約 3,800 個內部程式碼儲存庫遭到竊取。這不是一次偶發的資安事故，而是駭客組織 TeamPCP 連續數月、橫跨數十個開源工具的大規模供應鏈攻擊中，目前最新的一次。受害者名單已確認包含 GitHub、OpenAI、Grafana Labs 與 Mistral AI，反映整個開發生態系正面臨一場結構性的信任危機。 一個外掛、一名員工、3,800 個儲存庫 2026 年 5 月 18 日下午 12 時 30 分（UTC），一個名為 Nx Console v18.95.0 的 VS Code 外掛出現在微軟官方 Visual Studio Marketplace，帶有經驗證發布者標章、累計 220 萬次安裝。這些信任訊號，正是讓它成為高價值攻擊目標的原因。 據《Tech Times》援引 GitHub 資安長 Alexis Wales 的說明，這個版本只在市集上存活了 18 分鐘便遭偵測下架，但已對 GitHub 造成實質影響。一名啟用自動更新的 GitHub 員工在毫不知情的情況下安裝了這個版本，其裝置隨即遭到入侵，並成為 TeamPCP [&hellip;]</p>

歐洲人形機器人量產鏈成形：Humanoid 攜 Bosch、Schaeffler 布局製造體系

<p>在人形機器人商業化競賽持續升溫之際，英國機器人新創公司 Humanoid 宣布，將與德國工業巨頭 Robert Bosch GmbH 合作推動人形機器人大規模量產。雙方在 2026 年 3 月成功完成聯合概念驗證（POC）後，正式啟動合作。 當 Figure AI、1X Technologies 等人形機器人公司持續強調自研與垂直整合時，英國新創 Humanoid 選擇不同路徑：由 Bosch 負責歐洲製造、Schaeffler Technologies AG 供應關節致動器，而自身則聚焦研發、系統設計與工業部署。這種分工意味人形機器人競爭正從展示影片與概念驗證，轉向以量產供應鏈整合與真實工廠導入為核心的階段。 加速人形機器人進現場：多規格箱體搬運驗證能力 Humanoid 創辦人暨執行長 Artem Sokolov 表示，這項合作是 Humanoid 從概念驗證邁向大規模商業部署的重要一步，目標是加速人形機器人真正進入工業現場。他指出，Humanoid 希望透過與具備大型製造能力的 Bosch 合作，推動人形機器人在物流、製造等場域的實際應用與規模化導入。 《The Robot Report》報導，Humanoid 前身為 2024 年成立的 SKL Robotics Ltd.，公司開發的 HMND 平台專為工業環境打造。該機器人採輪式底盤設計，搭載人形上半身、頭部與雙手臂，可在以人類作業流程為核心的空間中執行搬運與操作任務。在與 Bosch 的概念驗證（POC）測試中，Humanoid 表示，HMND 01 已能在複雜工業流程中完成自主作業。測試於德國 Bosch 廠內物流中心進行，機器人可自行將箱體從輸送帶搬運至推車。 此次測試涵蓋五種不同尺寸的箱體，並包含不同高度、重量與底面規格。測試重點包括進階掃描辨識、多條輸送帶協同處理，以及在動態環境中的作業適應能力。Humanoid 自研 AI [&hellip;]</p>

AI 獲利戰進入下半場：Anthropic 押企業客戶、OpenAI 扛免費流量，IPO 考題轉向算力成本

<p>當 OpenAI 與 Anthropic 兩家 AI 巨頭雙雙走向公開發行（IPO）的道路，一場關於 AI 商業模式的考驗正在資本市場上演。過去幾年，矽谷與華爾街總愛拿初期的亞馬遜（Amazon）作為 AI 發展的範本，深信只要度過「狂燒錢換取龐大市佔率」的陣痛期，最終就能收割豐厚的利潤。 然而，當真實的財務數據攤在陽光下，這個「亞馬遜神話」在當今的 AI 戰局中已逐漸失靈。過去，亞馬遜在 2003 年迎來首次年度獲利前，累積虧損大約為 30 億美元；反觀，OpenAI 現在卻有上看數千億美元的虧損黑洞，兩者在規模與成本結構上存在極大差異。這個百倍的規模差距，也宣告依靠「免費消費者規模」來支撐高估值的時代已經終結，市場的目光已轉向「企業端變現能力」與「基礎設施成本控制」兩大關鍵指標。 Anthropic 靠企業客戶拉開獲利差距，OpenAI 則被免費用戶推高算力成本 在市場目光轉向企業變現能力之際，Anthropic 展現出明顯優勢。截至 2026 年 4 月，Anthropic 的年化營收運轉率（run rate）預估將達到 300 億美元，並超越 OpenAI，同時有高達 85% 的營收來自企業與開發者客戶。企業客戶每個代幣（token）的收益不僅是消費者的 3 到 5 倍，且查詢模式更具確定性、合約黏著度高，服務成本也相對更低，目前已有超過 500 家企業每年在 Claude 平台上花費超過 100 萬美元，其中甚至包含 8 家財星 500 強的前十大企業，構成 Anthropic 穩定獲利的基石。 相較之下，OpenAI 則背負龐大的用戶包袱，其收入結構與 Anthropic 完全相反，約有 [&hellip;]</p>

DEAT《六都數位政策調查研究》出爐：城市發展邁入分化時代、數位平台成補位關鍵

不只拚晶片效能：AMD 宣布台灣逾 100 億美元投資，押注封裝與 AI 機櫃產能

<p>AMD 宣布將於台灣生態系投入超過 100 億美元資金，在全球晶片供應鏈競爭日益激烈之際，強化先進封裝、製造合作夥伴網絡，以及機櫃級 AI 基礎設施的產能布局。《Startup Fortune》指出，這項投資的重點並非建立一座掛上 AMD 招牌的新工廠，而是確保其下一代 AI 系統能夠順利進入大規模量產階段。 作為一家無晶圓廠的晶片設計公司，AMD 要在 AI 市場挑戰 NVIDIA 的主導地位，不僅取決於晶片設計本身，更高度依賴整體供應鏈的協同能力，包括台積電的先進製程產能、封裝夥伴、載板供應商、測試與封裝服務廠，以及能將 AI 加速器整合為完整系統的伺服器製造商。根據《Reuters》報導，AMD 表示，這項投資將用於支援台灣合作夥伴與相關基礎設施，以擴大其 AI 運算供應能力。 先進封裝成 AI 晶片核心瓶頸，從載板到機櫃同步擴產 AI 客戶已不再只是採購單一 GPU。對大型雲端業者而言，關鍵在於機櫃級系統、穩定交付時程，以及支撐多年建設規劃的供應能力。《Startup Fortune》指出，AMD 雖具備產品競爭力，但市場更在意的是，它能否快速放量出貨，成為 NVIDIA 之外可信賴的第二供應來源。 AMD 此次公告突顯先進封裝的重要性，這正是當前 AI 晶片供應鏈的核心瓶頸之一。其點名的台灣合作夥伴包括 ASE、SPIL、PTI、Unimicron、Sanmina、Wiwynn、Wistron 與 Inventec，反映 AI 基礎設施正依賴高度分工的供應體系。從封裝、載板到系統與機櫃整合，各環節必須同步擴產，晶片需求才可能轉化為實際交付能力。 其中，AMD 與 PTI 完成 2.5D panel-based EFB interconnect 技術驗證，旨在提升大規模部署下的頻寬與效率。封裝能力雖屬技術細節，但直接影響 AI 系統從設計走向部署的速度。《Reuters》補充，AMD 的 Venice CPU [&hellip;]</p>

【蘇姿丰來台開講】AI 競賽才進入「第三局」，看好 Physical AI 成下一波熱潮

<p>AMD 執行長蘇姿丰快閃來台，繼昨（5/21）日宣布兩項重大布局：包括投入超過 100 億美元深化台灣合作、擴大先進封裝供應能力，以及採用台積電 2 奈米製程技術後，今（5/22）日再出席論壇活動，暢談 AI 浪潮下的全球戰略、技術革命與算力布局。 蘇姿丰表示，半導體市場和 AI 市場的成長從未如此快速過，AMD 的策略是在高效能和 AI 運算領域保持領先，而為了做到這一點，必須擁有非常強大的供應鏈。她提及，台灣半導體產業最特別的地方在於擁有生態系統的每一個部分：從基礎材料一路到先進製程、系統 OEM 與 ODM，以及機架級製造。她也觀察到，台灣生態系許多合作夥伴也在台灣以外的地方擴展，「我認為這是一件非常好的事情。因為半導體對世界來說太重要了，具備全球地理佈局的能力非常重要。」 當 AI 進入推論時代，AMD 看好 CPU 重返成長 針對下一階段運算需求的預測，蘇姿丰提及，AI 訓練需要大量的運算能力，但事實上沒有人能真正從訓練中賺錢。「訓練是必要的，但那不是你看到投資回報的地方，你看到投資回報的地方，是人們『使用』這項技術，也就是推論。」 她認為，AMD 現在看到 AI 不僅是進入了推論階段，而是可以進入讓人做「非常聰明的事情」的時期，例如要求 AI 解決複雜問題，而這些問題將會顯著改變人們打造產品、經營公司、探索科學的方式。蘇姿丰也強調，AI 發展週期仍處於非常早期的階段，「它還不夠好，但每隔幾個月你就會看到非常大的進展。」 AI 推論需求也推升 CPU 市場，蘇姿丰在會後媒體訪問時提及，AMD 對於 CPU 在未來 AI 機架中成長的潛力感到非常興奮。她表示，CPU 市場在過去三、四年大概以 3% 到 4% 的速度成長，市場焦點集中在 GPU，但隨著推論和代理式 AI 真正開始發展，「在未來五年，我們看到 CPU 市場每年將以超過 35% 的速度成長，這是我們非常強大的領域。」她表示，AMD 的策略不是只推出一顆 CPU，而是建立一個完整的 [&hellip;]</p>

量子運算還沒成熟，美國為何急著入股？投入 20 億美元押注 9 家公司，搶下一代算力主權

<p>當市場目光還停留在 AI 晶片的霸權爭奪時，主宰未來數十年的下一個科技戰早已悄悄開打。美國川普政府與商務部近日投下一顆產業震撼彈：宣布透過《晶片與科學法案》（CHIPS Act），豪擲 20.13 億美元的聯邦資金，重押 9 家量子運算企業，並打破過去單向發放科技研發補助的傳統慣例，美國政府這次選擇化身為「國家級創投」，要求以資金換取這些企業的少數股權。 在量子運算尚未真正商業化的此刻，美國政府已經將量子技術視為超越傳統超級電腦的全新運算典範，因此決定主動出擊，提前鎖定下一代算力主權的戰場。 美國投入 20 億美元押注量子代工廠，提前卡位新算力供應鏈 這筆超過 20 億美元的資金，最大宗流向了製造端，目的在於打造量子代工廠。例如科技巨頭 IBM 獲得 10 億美元補助，計畫在紐約州奧爾巴尼（Albany）成立美國首家專注於 300 毫米超導量子晶圓的純量子代工子公司「Anderon」。為了展現決心，IBM 自身也將同步注資 10 億美元現金，並投入相關智慧財產權與技術人才。 IBM 執行長 Arvind Krishna 樂觀預期，這項新業務到 2030 年代中期，將能每年創造數十億美元營收，並具備高利潤率，且 Anderon 初期雖專注製造超導量子晶片，未來將會把產線擴展至支援其他類型的量子技術硬體。 另一方面，晶圓代工廠 GlobalFoundries 也獲得 3.75 億美元，用於建立國內安全且支援多種架構的量子代工產能，並將釋出約 1% 的股權給美國政府。 除了重金押注製造端，商務部更採取百花齊放的技術路線下注，向 Rigetti、D-Wave、Atom Computing、Infleqtion、PsiQuantum 與 Quantinuum 等 6 家公司各注資 1 億美元，並向新創公司 Diraq 提供高達 3,800 萬美元的資金。這筆資金廣泛涵蓋超導體、中性原子、矽自旋、光子與離子阱等各種量子技術領域，期待藉由多樣化的技術路線佈局來分散投資風險，並解決各領域關鍵的工程難題。 針對「入股」策略的背後考量，美國政府透過取得企業的非控制性少數股權作為資金發放條件，目的是確保美國納稅人能在未來技術成熟與企業成長時獲得回報。美國商務部長 [&hellip;]</p>

AI 直接串接庫存與物流：拆解亞馬遜砍掉 Rufus、押注 Alexa 的底層邏輯

<p>亞馬遜近期宣布終結兩年前高調推出的網頁版 AI 購物聊天機器人「Rufus」，並將 AI 購物策略全面轉向以 Alexa 為核心的「語音代理商務（Agentic Commerce）」生態系。 Alexa 新功能接管搜尋，大數據打造一步到位的購物大腦 新版 Alexa for Shopping 將直接整合於亞馬遜搜尋結果頁面、App，以及 Echo Show 等裝置中。當使用者瀏覽商品時，系統會主動出現 AI 對話介面，消費者能透過自然語音或文字輸入複合式需求，例如「比較兩款咖啡機並推薦適合新手的型號」、「當價格低於某個金額時自動補貨」，甚至直接根據過去購物紀錄完成購買決策。 亞馬遜 Alexa 業務主管 Daniel Rausch 在接受《CNBC》訪問時指出，Alexa for Shopping 的關鍵優勢，在於它能直接存取亞馬遜內部龐大的商品目錄、庫存資訊、物流資料與顧客評論，因此 AI 回答不只是網頁摘要，而是真正建立在即時商務系統上的執行能力。根據亞馬遜新聞稿，新系統能串接使用者過去 12 個月的購物紀錄、購物車內容與偏好設定，讓 AI 不再只是「提供建議」，而是能夠代替消費者完成整段購物流程的代理人。 Join the chat 互動技術：AI 主播實現真人級導購 同時，亞馬遜也開始強化 AI 在「互動體驗」上的參與感。近期推出的「Join the chat」功能，便進一步展現其語音代理商務的方向。這項功能整合於「Hear the highlights」商品語音摘要服務中，當消費者收聽 AI 生成的商品介紹時，可以隨時透過語音或文字插入問題，例如詢問「這款咖啡機適合新手嗎？」、「使用者會覺得這件毛衣刺癢嗎？」或「是否能放入洗碗機清洗？」。 與傳統 FAQ 式 AI 不同的是，「Join the [&hellip;]</p>

【科技早餐】NVIDIA 財報超預期、SpaceX 衝 IPO，AMD 加碼台灣把 AI 基建戰推向新一輪

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊NVIDIA 財報再超預期，黃仁勳：中國 AI 晶片市場正轉向華為 NVIDIA 公布 2027 會計年度第一季財報，營收達 816.2 億美元，年增 85%，再度優於市場預期。其中，資料中心業務營收來到 752 億美元，年增 92%。公司也預估下一季營收約 910 億美元，並宣布新增 800 億美元庫藏股授權。 NVIDIA 執行長黃仁勳表示，AI 工廠建設正在加速，是人類史上最大規模的基礎設施擴張之一。不過，中國市場仍是變數。黃仁勳在財報後受訪時指出，受到美國出口管制影響，NVIDIA 基本上已把中國先進 AI 晶片市場讓給華為等本土供應商。 ＊SpaceX IPO 文件公開，OpenAI、Anthropic 也傳啟動上市進程 馬斯克（Elon Musk）旗下太空探索科技公司（SpaceX）的 S-1 招股文件已公開，朝掛牌上市邁進。多家媒體報導，SpaceX 目標最快 6 月在 Nasdaq 掛牌，募資規模可能達 750 億美元，估值上看 1.75 兆美元。文件提出太空資料中心藍圖，計畫最快 2028 年開始部署軌道 AI 運算衛星，長期目標是每年在軌道上部署 100GW 等級的運算能力。文件中也揭露，相關模式仍有技術、發射成本與商業化風險。另一方面，公司採取雙重股權結構，將讓馬斯克在上市後維持高度控制權。 同一時間，《華爾街日報》也報導，OpenAI 正準備以保密形式提交 IPO 文件，Anthropic 也被市場視為今年可能上市的 [&hellip;]</p>

不想被雲端綁死？拆解 Cohere 新開源 AI 模型如何瞄準企業主權 AI 需求

<p>過去，AI 市場競爭多半圍繞誰的模型參數更多、推理能力更強，但越來越多企業開始發現，困難的往往是讓 AI 安全接入內部資料、控制推理成本、避免供應商綁定，以及真正進入既有流程。加拿大 AI 新創 Cohere 最新發表的 AI 模型 Command A+，某種程度正是對這問題的回應。 Command A+ 是 Cohere 首個採用 Apache 2.0 授權的旗艦級開源模型，主打私有部署（private deployment）、原生引用（native citations）、Agent 工作流程，以及低成本推理能力。相較過去許多「開放權重」但仍限制商業用途的開源模型，Command A+ 允許企業自行下載、部署、微調與商業化使用。企業不必綁定單一雲端供應商，也能將模型放進私有雲、機房，甚至完全離線環境中運行。 Cohere 押注主權 AI：讓企業自己掌握模型、資料與成本 Cohere 將這次發表定位為主權 AI 的重要進展，其觀察到，隨著開源 AI 的發展越來越集中在少數國家，特別是中國，對營運關鍵系統的企業與政府而言，透明度、安全性、供應商依賴，以及長期技術主權等問題正受到更多關注。 在技術方面，Command A+ 採用 Sparse Mixture-of-Experts（MoE）架構，總參數達 2,180 億，但實際推理時只啟用約 250 億參數。這代表模型能維持大型模型能力，同時降低推理時所需運算資源。 Cohere 也針對量化（quantization）做了大量優化。Cohere 稱，Command A+ 提供 BF16、FP8 與 W4A4 等版本，其中 W4A4 採近乎無損壓縮方式，使模型可在單張 NVIDIA [&hellip;]</p>

AI 推理市場將洗牌？Cerebras 讓兆級參數模型推理逼近每秒 1,000 tokens，挑戰 GPU 雲端瓶頸

<p>《VentureBeat》報導，剛完成 2026 年最大規模科技 IPO 的晶片公司 Cerebras Systems 宣布，為客戶運行北京 Moonshot AI 開發的兆級參數開源模型 Kimi K2.6，速度接近每秒 1,000 個 token，目前主流 GPU 雲端供應商尚未達到相近的性能水準。 根據獨立測試機構 Artificial Analysis 的驗證結果，Cerebras 系統實際達到每秒 981 個輸出 token，速度比第二快的 GPU 雲端供應商快 6.7 倍、比中位數快 23 倍。在標準代理程式設計任務中，同一個模型在不同推理平台上的表現差異顯著：官方 Kimi API 需 163.7 秒，而 Cerebras 只需 5.6 秒即可完成完整回應，時間縮短約 29 倍。 承載兆參數大模型，Cerebras 宣示不只追求速度 Cerebras 產品行銷總監 James Wang 在發布前接受《VentureBeat》專訪時表示：「我們可以支援最大規模的模型。」這次發布對 Cerebras 具有關鍵意義。該公司長期被認為其獨特的晶圓級晶片雖然極快，但可能只能處理中小型模型，而 Kimi K2.6 是其首次在生產環境中部署的兆參數開源模型。隨著 [&hellip;]</p>

2026全球半導體大調查：信心指數創新高，關注AI、人才與供應鏈

<p>全球半導體產業在 AI 需求帶動下持續升溫。KPMG 今(21)日發布《2026 全球半導體產業大調查》指出，今年半導體產業信心指數升至 63 分，創下調查 21 年來第三高紀錄；同時，全球半導體市場規模預估將於 2026 年突破 1 兆美元。高達 73% 的企業認為 AI 已成為主要營收來源，顯示 AI 正從技術題材正式轉化為驅動產業成長的核心動能。 此次《2026 全球半導體產業大調查》共訪問全球 151 位半導體產業高階主管。調查指出，在 AI 需求快速擴張下，企業除積極投入先進製程與算力基礎建設外，也同步面臨供應鏈重組、能源供給與人才短缺等挑戰，供應鏈韌性與AI人才布局已成為企業未來競爭關鍵。 KPMG安侯建業科技、媒體與電信產業主持會計師鄭安志表示，半導體產業已不再只是順應需求循環成長，而是走向以 AI 為核心、同時牽動算力、能源與組織能力的系統性競爭。企業未來的領先關鍵，將不在單一技術突破，而在於是否具備整合資本配置、供應鏈彈性與人才轉型的整體治理能力，從而建立可長期放大的競爭優勢。 市場樂觀度持續升溫 創下調查 21 年來第三高紀錄      調查顯示，儘管地緣政治與資源風險持續存在，整體信心仍在上升。其中，信心指數達到 63 (去年為 59)，創下該調查 21 年來第三高水準。全球半導體市場規模預計於 2026 年達到 1 兆美元。其中，邏輯晶片與記憶體的成長動能最為強勁，主要受惠於人工智慧與資料中心需求的持續擴張。超過半數(54 %)的受訪企業預期公司營收將成長 11% 以上，其主要策略包括：擴大招募人力、升級資訊系統及推動併購，以成長為導向的布局思維等。然而，報告指出，仍有 58% 的受訪者預期，客戶需求的不確定性將對營運產生重大影響。 KPMG 安侯建業顧問部副營運長陳傑曦說明，隨著 AI 驅動的運算需求成長，半導體產業正同步以製程升級與資本投資因應，併購因此成為企業加速取得關鍵技術人才、增加生產據點並擴展市場版圖的重要策略。在 AI 應用場域擴張節奏快速，地緣政治造成供應鏈變化壓力的環境下，具備整合能力及產業韌性的策略性併購，將有助於企業強化其在全球供應鏈中的長期競爭優勢及戰略定位。 [&hellip;]</p>

不與 NVIDIA 硬碰硬：阿里巴巴新晶片瞄準 AI 代理，靠高頻寬打造中國本土替代解方

<p>中國科技巨頭阿里巴巴集團近日發表新一代 AI 晶片「Zhenwu M890」，其性能為前一代產品的三倍。《CNBC》指出，在 NVIDIA 難以順利向中國市場銷售產品之際，此舉進一步擴充中國本土 AI 晶片的選擇。 效能提升三倍、主打 AI 代理工作負載：M890 要補中國本土算力缺口 這款晶片由阿里巴巴旗下半導體設計子公司 T-Head 開發，新晶片配備 144GB 的 GPU 記憶體，以及每秒 800GB 的晶片間通訊頻寬。阿里巴巴宣稱，M890 特別適合處理 AI 代理工作負載所帶來的大量記憶體與通訊需求。在這類應用場景中，模型需要長時間保留大量上下文內容，並在即時運作中彼此協調與互動，因此對晶片的記憶體頻寬、資料交換能力與運算效率要求更高。 《Reuters》說明，阿里巴巴也同步發表新伺服器系統 Panjiu AL128，可將 128 顆 M890 加速器封裝進單一機架，並透過阿里雲國內模型平台 Bailian 提供給中國企業客戶。阿里巴巴表示，目前已向超過 20 個產業、400 多家客戶交付約 56 萬顆 Zhenwu 系列晶片。這代表阿里巴巴此次不只是推出單顆晶片，而是把晶片、伺服器系統與雲端模型平台一起推向企業市場。 半導體分析機構 SemiAnalysis 的 AI 加速器分析師 Myron Xie 表示：「阿里巴巴設計的 AI 晶片獲得外部客戶的採用，逐漸成為中國本土 AI 硬體平台中受歡迎的選項之一。」不過，他也指出，目前公開宣稱的記憶體容量與頻寬數據，仍然落後於西方晶片公司，且阿里巴巴尚未公布其他關鍵性能指標，例如整體運算能力。 H200 銷中仍受北京審查：中國 AI [&hellip;]</p>

Starlink 撐起獲利、xAI 燒掉資本：揭開 SpaceX 1.75 兆美元 IPO 背後的 AI 基建賭局

<p>由馬斯克（Elon Musk）創立、擁有 24 年歷史的航太巨擘 SpaceX，近日正式對外公開 S-1 上市申請文件，預計將以代號「SPCX」登上納斯達克（Nasdaq）。這場 IPO 預期將募集高達 750 億美元的資金，並將公司估值推上 1.75 兆美元的巔峰，將成為史上規模最大、最受矚目的世紀級 IPO。 從招股書中可以明顯看出，SpaceX 早已打破傳統航太公司的框架，並在正式吸收馬斯克旗下的 AI 公司 xAI 後，轉型為一家深度結合衛星通訊與 AI 的龐大科技集團，準備向全球展示一個顛覆既有科技版圖的全新商業生態系。然而，更引人深思的是，這份招股書揭露了 SpaceX 未來的龐大估值，很大程度是建立在「尚未存在」的技術與市場領域之上。 Starlink 撐起獲利、xAI 燒掉資本，SpaceX 正在把 AI 算力變成第二成長引擎 目前 SpaceX 的營運與獲利命脈幾乎完全仰賴 Starlink。數據顯示，Starlink 在 2025 年創造了高達 113.9 億美元的營收與 44.2 億美元的營業利潤，成功彌補太空發射部門 6.57 億美元的虧損。文件也指出，Starlink 藉由將觸角延伸至航空、海事與企業市場，正將極度耗費資本的太空專案，轉化為穩定的「經常性營收引擎」。&nbsp; 然而，負責研發 AI 的 xAI 卻成為公司最大的資金黑洞，2025 年的營業虧損達到 63.5 億美元。此外，AI 部門的資本支出高達 127.27 億美元，占據全公司總資本支出近六成，遠高於太空部門的 [&hellip;]</p>

OpenAI、Google、NVIDIA 同週宣布擴大新加坡合作，部署能力正成為 AI 新戰場

<p>當全球 AI 討論仍圍繞模型能力、算力規模與資本支出時，新加坡正在用另一種方式切入競局。今年亞洲科技峰會（ATxSummit）期間，OpenAI、Google 與 NVIDIA 幾乎同步宣布擴大在新加坡的合作與投資。表面上看起來是三筆獨立合作案，但如果放在一起觀察，背後透露出的訊號或許不是誰模型更強，而是大型 AI 業者開始重新定義「市場」的概念。 過去，AI 市場意味著賣出更多模型與雲端服務；如今，更重要的是找到能共同完成導入、驗證、治理與擴散的合作國家。而新加坡，正試圖成為這樣的角色。 OpenAI 首座海外應用 AI 實驗室，輸出部署能力 其中，最受關注的是 OpenAI 宣布啟動「OpenAI for Singapore」，並承諾投入超過 3 億新幣（約 2.34 億美元），同時在新加坡設立首座美國境外應用 AI 實驗室（Applied AI Lab）。 這不是傳統意義上的研究中心，根據 OpenAI 規劃，新實驗室未來數年將雇用超過 200 名員工，核心角色之一是「前線部署工程師（Forward-Deployed Engineers）」，這是直接深入企業與機構，把前沿模型轉化成實際可運作系統的職位，目的是幫助在地合作夥伴增強商業競爭力。 這項工作的首波重點場景，包含公共服務、金融、醫療、教育與數位基礎設施，同時推動 AI 創業加速器、中高齡工程人才培訓，以及中小企業導入。從 OpenAI 的描述來看，它想輸出的不只是模型，而是一套把模型真正放進組織運作的方法。 Google 把重心放在教育、醫療與 Agent 治理 相比 OpenAI 強調 AI 應用，Google 與新加坡的合作更偏向建立長期導入能力。Google 與新加坡政府簽署新一輪「國家 AI 夥伴關係」，聚焦以 AI 解決社會挑戰、建立具備 AI 能力的人才隊伍、推動企業創新，以及建構安全 [&hellip;]</p>

不只合規，更是競爭力：叡揚資訊助攻 CRA 全面佈局，建構產品資安後盾

<p>隨著歐盟《網路韌性法案》（Cyber Resilience Act, CRA）即將於 2027 年邁入強制執行階段，全球數位產品供應鏈正面臨嚴苛的資安審查與風險檢視。對台灣企業而言，這不僅是一項合規挑戰，更是決定能否續留歐盟市場的競爭關鍵。 隨著 CRA 將資安從合規要求推升為產品競爭力關鍵，叡揚資訊憑藉完整資安產品線、專業技術團隊及累積數十年的跨產業實戰經驗，打造涵蓋產品全生命週期的合規資安架構，協助企業提前布局、將資安內建於產品與開發流程之中，成為企業邁向 CRA 合規的重要後盾。 企業資安責任擴大：從產品設計到上市後五年持續管理 叡揚資訊資安直屬事業處資深處長范家禎指出，CRA 之所以備受關注，關鍵在於其高額罰鍰與市場限制。一旦違規，企業最高可能面臨 1,500 萬歐元或全球年營業額 2.5% 的罰款，甚至可能被要求產品下架、失去歐盟市場的銷售資格。 CRA 將資安要求從「系統防護」延伸至「產品本身的安全性」，要求數位產品的製造商與品牌商，針對軟體與硬體產品負起漏洞管理與更新修補等資安責任，並在產品上市後持續符合相關規範五年以上。此外，針對已知弱點（CVE）企業需在 24 小時內完成通報、14 天內提出初步修復措施，並於 1 個月內提出完整報告。 叡揚資訊：打造從 SSDLC 到供應鏈治理的一站式資安架構 面對 CRA 帶來的挑戰，叡揚資訊以「Security by Design」與「Security by Default」為核心，協助企業建立完整的安全開發與治理架構。叡揚資訊資安直屬事業處副處長郭俐佳建議，真正的 CRA 合規，並不是產品完成後再額外補強，而是從設計、開發到維運，全流程都必須納入安全機制。因此，叡揚資訊近年持續整合國際領先資安產品與在地顧問能力，逐步建立涵蓋原始碼安全檢測、開源元件與 SBOM 管理、供應鏈風險管理、App 防護，以及 C/C++ 安全等完整產品與服務版圖，協助企業從開發源頭到產品維運階段，建立更完整的資安治理能力。 在開源元件與 SBOM 管理方面，叡揚資訊引進 Mend.io 協助企業建立完整的軟體組成盤點與漏洞管理能力。Mend.io 不僅能自動分析企業產品內使用的開源元件與相依套件，更可產出符合國際標準格式的 SBOM 文件，協助企業滿足 CRA 與國際供應鏈要求。相較於傳統僅止於漏洞掃描的工具，Mend.io 更進一步具備 Reachability Analysis（可利用性分析）能力，可分析漏洞是否實際被程式呼叫、是否具備被利用風險，協助企業優先聚焦真正需要立即修補的高風險漏洞。此外，Mend.io [&hellip;]</p>

東南亞超級 App 如何落地台灣？Grab 產品長來台說明 AI 佈局，正面回應資料隱私疑慮

<p>東南亞超級應用程式 Grab 收購 foodpanda 台灣業務的交易案，目前仍在公平交易委員會審查當中。不過，在市場高度關注這場外送平台大洗牌之際，Grab 產品長 Philipp Kandal 本週接受台灣媒體訪問，除了正面回應外界針對資料安全的疑慮，也具體說明 Grab 的 AI 技術、服務與其他同業有何不同，以及進入台灣市場的產品佈局方向。 資料存新加坡，與華為合作不含台灣 自收購案宣布以來，Grab Maps 與華為地圖數據合作的疑慮引發輿論關注，Kandal 在訪談中直接說明立場。他表示，Grab 主要合作的雲端服務供應商為 AWS（Amazon Web Services），資料儲存於新加坡，不會經過中國。 Grab 同步發出官方聲明，釐清 Grab Maps 與華為 Petal Maps 的合作僅限於新加坡、馬來西亞、印尼、泰國、菲律賓、緬甸及柬埔寨等八個東南亞市場，不涉及任何用戶資料，台灣並不包含在該合作協議中，且承諾將永久持續維持此作法。該聲明強調，無論從合約或技術層面，華為均無法透過與 Grab 的合作關係存取任何台灣地圖資料。 至於外界所指涉的阿里雲，Grab 也表示並未用於儲存 Grab App 的相關數據。Kandal 強調，若台灣業務獲核准，Grab 將完全符合台灣《個人資料保護法》的要求，目前也正積極接觸在地專業顧問進行合規審查。 強調以 AI 為核心的服務設計 在技術服務方面，Kandal 表示市場上每天都有科技公司在談 AI，但 Grab 不同的地方在於以 AI 為核心的做事方式，目標是在商家、外送夥伴與消費者的日常生活中扮演真正有用的角色。他說明的 AI 實際應用與服務，可分為三個面向。 在商家面向，Grab 推出「商家 AI 助理」，能讀取店家實際的交易數據，提供客製化商業情資。店家可直接透過聊天方式提問如何提升下週銷量，AI [&hellip;]</p>

4 個月變 2 分鐘、數萬美元變幾塊錢，AI 合成受眾如何顛覆市調與顧問業？

<p>在 AI 技術大爆發之後，傳統的市場調查與顧問產業，正在遭受人工智慧帶來的劇烈衝擊，其中最關鍵的部分，莫過於「合成受眾（synthetic audiences）」為產業造成的破壞式創新。</p>

【AI 時代業務警示】銷售自動化的悖論：為什麼全自動化反而侵蝕業務根基？

<p>當 AI 能自動寫開發信、找潛在客戶、甚至跑完整段對話流程，很多業務團隊就開始把它當成萬能外包，讓機器負責開發銷售，人去負責收單。 但業績並沒有因此源源不絕，而問題不在 AI 不夠強。 全自動化銷售會產生哪些風險？ 銷售本質上是考驗業務員隨機應變的能力，資深業務知道何時該推進、何時該後退、何時客戶是真感興趣還是出於禮貌。AI 在這方面還有不少的限制，包括機器學習模型擅長從歷史資料識別模式，但銷售發生在當下此時此刻，其中的變數太多。 舉例來說，或許上個月對你產品有興趣的客戶，這個月可能正面臨預算凍結或部門重組。預設的自動化機器缺乏情境感知能力，仍會按照業務 SOP 邏輯繼續發信，想當然客戶買單的機率就更低。 另外，當收件者察覺自己面對的不是真人，他們會把信件標記為垃圾郵件，並對品牌產生負面聯想，且這個傷害會隨時間累積。當自動化活動持續產生低互動與垃圾舉報，域名聲譽便開始下滑，最後就導致真的要傳遞重要訊息的信件，完全進不了客戶的收件匣。 最棘手的是時間差。多數企業要等到開信率明顯衰退、回覆停滯、客戶抱怨從未收到信時才察覺問題，而此時域名聲譽已需要數個月才能修復。 更糟的是，企業投入資源啟用新域名、重建基礎設施、重跑流程的同時，自動化工具仍會在後台持續產出當初造成問題的內容。 人機分工才是正解：技術跑規模，人類管決策 破解之道不是棄用 AI，而是建立「技術賦能、人類主導」的架構。許多自動化工具擅長規模的機械性任務，包括域名輪換、送達率監控、資料驗證、名單管理；人類則掌控決策與所有直接接觸客戶的環節，包括開發對象的篩選、訊息客製化、文案撰寫，以及活動執行的每個階段。 真正理解目標客群的人所撰寫的訊息，轉換表現不僅顯著優於 AI 生成的版本，更關鍵的是，人工介入提供了預警機制；當問題還未擴散到大量收件者前，人類就能察覺異常並介入修正，這是純自動化系統無法提供的保護。 三個不可妥協的原則 除此之外，要讓自動化真正發揮利益槓桿而非反噬業績，有幾項原則不可妥協。首先必須誠實區分哪些任務真正受惠於自動化，哪些需要人類判斷，並在關鍵決策點建立人工審核機制，確保自動化執行前有人類把關。 其次是監控指標的選擇。多數企業只盯著營收數字，等到收入受損才介入往往為時已晚。真正應該優先監控的是預警型指標，包含垃圾信舉報率、域名聲譽分數、互動趨勢變化等，這些訊號在營收受損之前數週甚至數月就會出現，提供寶貴的修正窗口。 最後也最關鍵的，是釐清技術與業務的主從關係。技術工具的存在是為了服務業務目標，而非反過來讓業務流程配合工具的限制。對於標榜「完全取代人工」的解決方案，應該保持懷疑。 真正成熟的工具會清楚說明它能做什麼、不能做什麼，並把關鍵決策權留給使用者；而過度承諾的方案，往往把複雜的判斷簡化成幾個按鈕，最後留給企業的是受損的域名聲譽、流失的潛在客戶。 總結來看，銷售自動化的真正價值不在於做更多事，而在於把精力投注在正確的地方。 AI 並沒有取代銷售，它只是暴露了傳統銷售模式的低效。當企業願意承認 AI 的能力邊界，把它放在它擅長的位置，把人類放在需要判斷、與客戶情感連結的環節，自動化才會變成真正的競爭優勢。 【推薦閱讀】 ◆&nbsp;不賣軟體給律師，Lawhive 如何以 AI 重構流程讓律師收入最高達傳統 2.8 倍？◆ 博士、律師、棋王都來了！Mercor 用 AI 招募高技能人才來訓練 AI◆ 律師事務所還得辦「AI 黑客松」？AI 正全面改變律師的工作方式 ＊本文開放合作夥伴轉載，參考資料：《Techradar》、《Forbes》，圖片來源：Unsplash （責任編輯：鄒家彥）</p>

【科技早餐】Google 搜尋進入 AI 代理時代，OpenAI 鎖算力、三星罷工牽動記憶體供應鏈

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google I/O 端出 Gemini 3.5 Flash，AI 搜尋正式走向代理平台 Google 在今年 I/O 開發者大會上，全面擴大 Gemini 產品布局。執行長皮查伊（Sundar Pichai）表示，Gemini 應用月活躍用戶已超過 9 億，日請求量年增超過 7 倍，Google 每月處理的 AI token 也已超過 3,200 兆個。這次大會焦點之一，是主打速度與成本效率的 Gemini 3.5 Flash，可支援程式碼撰寫、代理任務與搜尋 AI 模式。 Google 同時把 AI 代理能力導入搜尋。新版 Google Search 不再只是輸入關鍵字，而是讓使用者描述完整需求，由 AI 在背景追蹤資訊、整理結果，甚至協助完成預約、購物與程式開發等任務。Google 也展示 Workspace、影音生成工具與智慧眼鏡，顯示 Gemini 正被塞進搜尋、工作、影音與穿戴裝置等更多日常入口。企業端則透過 Gemini Enterprise Agent Platform，把「代理式企業」（Agentic Enterprise）推進實際工作流程。 ＊OpenAI 推保證算力容量，企業 AI 算力進入長約時代 [&hellip;]</p>

結盟 ASML、切入工業模擬：Mistral AI 如何卡位新一波 AI 戰場

<p>AI 巨頭持續佈局實體 AI（Physical AI）領域，《Reuters》報導，法國 AI 新創 Mistral AI 近日表示，已收購奧地利實體 AI 新創 Emmi AI。雖然雙方未透露具體交易金額，但這項併購案釋出了強烈訊號：Mistral 的發展重心正從聊天機器人與通用大型語言模型，積極擴展至工業 AI（Industrial AI）與實體 AI 領域。 專攻物理模擬，Emmi AI 是歐洲最受矚目的 AI 新創之一 Emmi AI 於奧地利林茲創立，核心技術是開發能處理複雜物理現象的 AI 模型，涵蓋氣流、熱傳導與材料應力等工業工程中的關鍵模擬場景，已應用於能源、汽車、半導體與航太等產業。這家新創在 2025 年完成奧地利史上最大規模的新創募資輪，金額達 1,500 萬歐元，旗下擁有逾 30 名研究員與工程師。 據 Emmi AI 官方聲明，收購完成後，Emmi 的共同創辦人及全體研究與工程團隊將於 2026 年 5 月加入 Mistral 的科學與應用 AI 部門。 Mistral AI 不只想做歐洲版 OpenAI 成立於 2023 年的 Mistral，一直被視為歐洲最重要的 [&hellip;]</p>

AI 落地成效不佳有解！PwC 推 agentic scaffolding，改寫企業部署模式

<p>《富比士》報導，企業內部的決策正在經歷一場巨大轉變。PwC 宣布推出 agentic scaffolding（代理式架構），能協助企業落實 AI 專案的工具。此舉是 PwC 現代化其專業服務營運的一部分，公司代表估計，目前其大多數團隊都正在導入這項 agentic 轉型工具，該工具使用 Claude 4.6 與 GPT-5.5/5.4。 作為四大會計師事務所之一，PwC 對 AI 驅動的變革管理的轉向，代表企業在 AI 試點設計與部署方式上的重大轉變。Microsoft AI 執行長 Mustafa Suleyman 等產業領袖預測，未來 12 至 18 個月內，律師、會計師、行銷人員等職業中的多數專業任務，將被 AI 完全自動化，企業也正尋求更有效的 AI 部署方式以提升成果。 AI 試點為何難以規模化？PwC 指出關鍵問題 在 AI 競賽中，如何從 AI 中獲取價值對許多組織而言是一大挑戰。《富比士》提及，一份 2025 年 MIT 發布、被廣泛引用的報告指出，高達 95% 的 AI 試點未能帶來顯著投資回報，其中的原因，就是生成式 AI 工具與企業流程整合不佳。 PwC 進一步指出，企業 AI 專案之所以難以產生實質價值，常見原因包括：既有流程仍是線性、規則式設計，原本是為「人搭配簡單自動化」而設計，不是為「人治理自主 [&hellip;]</p>

Google I/O 2026 最大訊號：AI 競爭從模型能力轉向 Agent 經濟學

<p>Google 年度開發者大會 I/O 2026 登場，Google 執行長 Sundar Pichai、Google DeepMind 執行長 Demis Hassabis 等多位主管輪番展示模型、世界模擬器、開發平台、個人 AI 代理、改版後的搜尋，以及代理式商務架構。其中最值得關注的訊號，不是 Gemini 模型又打破了哪些基準測試紀錄，而是 Google 正在把 AI 競爭，從模型能力競賽推向「Agent 經濟學」。 今年大會上，Google 在發表最新模型 Gemini 3.5 時，沒有先端出最強模型 Gemini 3.5 Pro，而是讓更快、更便宜的 Gemini 3.5 Flash 正式上線。這樣的排序耐人尋味，因為當 AI Agent 時代來臨，Agent 開始長時間運作、呼叫工具、執行多步驟任務，企業將更關心每一次推理要消耗多少 token、速度夠不夠快，以及能否支撐大規模自動化工作流。 Google 主推 Flash，AI 競爭開始轉向成本效率 根據《TechCrunch》報導，Gemini 3.5 Flash 是 Google 目前針對 coding 與代理式任務進行深度最佳化的模型。Google DeepMind 技術長 Koray Kavukcuoglu [&hellip;]</p>

網路流量規則將改寫！Google 搜尋框 25 年來最大變革：轉型 AI 對話入口

<p>Google 在 I/O 大會宣布重新設計搜尋框，將每日處理數十億次查詢的核心入口，由傳統關鍵字輸入工具，升級為支援多模態輸入的 AI 對話式介面，可接受文字、圖片、PDF、影片及 Chrome 分頁等內容。Google 也將 AI Overviews 與 AI Mode 整合為單一搜尋流程，使用者可在傳統搜尋結果與 AI 回應間無縫切換，減少不同模式間的操作分流。 AI 搜尋改寫流量規則，SEO 與廣告產業迎變局 Google 搜尋副總裁 Liz Reid 表示，此次改版是搜尋框自推出 25 年以來最大幅度的升級。象徵 Google 搜尋從關鍵字輸入工具，轉向支援多模態互動的 AI 對話式入口。此次更新伴隨多項產品進展，包括 Gemini 新模型、個人 AI 助理 Spark、智慧購物功能與開發者平台調整。不過，搜尋框改版被視為核心改變，反映 Google 對搜尋未來的重新定位。 新版搜尋框將支援更長的自然語言輸入，並鼓勵使用者以完整問題取代過去的關鍵字式查詢。系統原生支援圖片、PDF、檔案及影片等多模態輸入，也可直接匯入 Chrome 分頁內容。部分原先需透過 AI Mode 操作的功能，已整合至搜尋入口。Google 亦導入強化版 AI 查詢建議系統，不再僅進行自動補全，而是協助使用者生成更完整、語意更精確的問題，引導其進入 AI 回答流程。這個新版搜尋框已開始在所有支援 AI Mode 的國家與語言逐步推出。 這次改版對出版業、廣告業與 SEO 產業帶來深遠影響。《VentureBeat》指出，當使用者從關鍵字轉向自然語言提問，SEO [&hellip;]</p>

最惡劣的工業環境，廢棄物處理廠能否成為最好的自動化驗證場？

<p>在倫敦東區 Rainham 的一個廢棄物處理廠裡，一台人形機器人正站在輸送帶旁接受訓練，旁邊的工人戴著 Meta Quest 3 VR 頭盔，示範如何從混雜廢棄物中辨識並取出物件。這個場景所要解決的，是資源回收業長期以來用盡所有方法都無法根治的問題：沒有人願意長期做這份工作。 招募解決不了的問題 資源回收業的勞動力困境有幾個數字可以說明規模。員工年流動率達 40%，死亡率是全國平均的八倍，工傷率比其他產業高出 45%。分揀線上的工作是站在高速運轉的輸送帶旁，從混合廢棄物中徒手取出鞋子、磚塊、錄影帶，偶爾還有槍枝，環境噪音大、粉塵多。業者試過提高薪資、輪班制度、仲介用工，但結果都一樣。 倫敦東區 Rainham 的家族廢棄物處理企業 Sharp Group，分揀線主管 Ken Dordoy 直白指出：「輸送帶一直在動，你得不斷地挑揀。我換了很多工人，因為他們就是撐不住。」廠方已盡力改善條件，讓工人每 20 分鐘輪換不同材料，輸送帶也定期停機讓人休息，但這些措施改變不了工作的本質。 Sharp Group 每年處理 28 萬噸混合回收物，目前使用 24 名仲介工人在高速輸送帶上進行人工分揀。一名英國分揀線工人每年含仲介費的成本約為 2.5 至 3 萬英鎊，而在目前的流動率下，平均任職時間只有 30 個月。不斷招募、訓練、替補人員的成本，在本已利潤稀薄的產業裡形成持續的結構性拖累。Sharp Group 認為解法不是更好的招募策略，而是讓機器取代這份工作。 人形機器人的差異化邏輯 Sharp Group 部署的人形機器人名為 Alpha，由中國 RealMan Robotics 製造，英國新創 TeknTrash Robotics 針對廢棄物分揀場景進行改裝。Alpha 站在輸送帶旁，外觀與工作姿態都與人類工人相近。 TeknTrash 創辦人 Al Costa 指出，人形的形態讓機器人能直接沿用現有廠房佈局，無需為了導入自動化而改建設施。這與主流方案的路徑截然不同，以科羅拉多州的 AMP [&hellip;]</p>

AI 是時代的核彈，許多企業卻還當沖天炮在用？陶韻智：下一場競爭關鍵，是把 AI 納入數位勞動力

<p>專訪：戴季全撰稿：李昀蔚 在這一波 AI 浪潮中，企業看似都開始導入 AI，但真正的差距，在於是否能把 AI 從輔助工作提升為數位勞動力，進一步改寫組織運作、資源配置與人均產值。 本集《全新一週》邀請前 LINE 台灣總經理、臺大創意創業學分學程兼任教授陶韻智，從 AI 如何改變組織管理談起。「AI 是這個時代的核彈，可是目前還有非常多的人把 AI 當成沖天炮而已，」陶韻智強調，只要企業能真正將 AI 普及到工作中，將有機會改寫下一個十年的競爭位置。 AI 不該只是 IT 專案，而是「數位勞動力」的投資 許多企業導入 AI 的第一個錯誤，就是把 AI 當成一個 IT 專案。陶韻智點出，在一般企業預算中，人力成本往往佔最大宗，而 IT 預算可能僅佔 5%。因此，如果把 AI 視為 IT 專案，能購買的 Token、平台與訓練資源必定處處受限。 陶韻智主張，企業必須重構資源配置的思維：「CEO 一定要看懂，現在更大塊的是那 60% 的人力預算，我們是要把數位勞動力納入。」 若能從 60% 的人力預算中重新配置一部分來投資 AI，規模將遠超傳統 IT 預算。 這個觀點的關鍵，是要重新定義「一個員工」的生產單位。未來，人類員工不再是單兵作戰，而是帶著多個數位員工共同產出，因此企業對人均產值的期待必須大幅提高。「十倍不是誇飾，是基本的目標，」陶韻智分析，若中小企業過去人均產值約 500 萬元，未來就該挑戰 1,000 萬甚至 2,000 萬元，這才是「AI First」的真正涵義，也就是讓 AI [&hellip;]</p>

【科技早餐】黃仁勳、戴爾押代理式 AI，記憶體瓶頸牽動中國市場開放與台灣製造

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳、戴爾押代理式 AI，記憶體瓶頸牽動中國市場與台灣製造 在 Dell Technologies World 2026 大會上，NVIDIA 執行長黃仁勳與戴爾（Dell）創辦人暨執行長麥可・戴爾（Michael Dell）同台，將焦點放在代理式 AI 進入企業工作流程。麥可・戴爾表示，代理式 AI 具備規劃、推論、執行與自我修正能力後，將更接近企業內部的數位員工。他也表示，AI 原生化（AI-native）將成為企業接下來的重要轉型方向。到 2030 年，代理式 AI 帶動的 token 消耗量，可能成長超過 30 倍。 黃仁勳則指出，AI 代理正在改變軟體開發、工程與測試流程，並推升 CPU、記憶體、儲存與網路需求，目前高頻寬記憶體（HBM）仍是供應鏈瓶頸之一。談到中國市場，他認為隨時間推進，市場終將開放；同時他也表示，雖然美國正推動國內晶片製造能力，但在各界晶片需求持續增加下，台灣仍將是半導體製造核心。 ＊Google、黑石砸 50 億美元推 TPU 雲端，AI 算力戰轉向平台競爭 Alphabet 旗下 Google 與黑石集團（Blackstone）宣布籌組新的人工智慧雲端合資公司。黑石將投入 50 億美元股權資本並持有多數股權，Google 則提供 TPU 晶片、軟體與 AI 服務，目標在 2027 年前建置約 500 MW 運算容量，切入 AI 雲端算力租賃市場。 這項合作被視為 Google [&hellip;]</p>

四大會計事務所改寫用人法則？《金融時報》：AI 職缺增逾 3 倍、超越審計

<p>《金融時報》報導，德勤（Deloitte）、安永（EY）、畢馬威（KPMG）與普華永道（PwC）四大會計師事務所正出現明顯人力結構轉變。隨著生成式 AI 快速滲透專業服務流程，2025 年 AI 相關職缺占比已接近 7%，明顯高於審計職缺的 3% 以下，反映 AI 正逐步成為招聘重點之一。這一差距不僅顯示職缺結構變化，也意味四大會計師事務所的核心人才需求正從傳統審計與會計技能，轉向具備 AI 開發與應用能力的複合型人才。 AI 從輔助工具轉為招聘核心，職缺占比成長逾三倍 《金融時報》指出，自 2022 年 ChatGPT 問世以來，四大會計師事務所的招聘結構明顯轉向 AI 領域，相關職缺占比從不到 2% 快速上升至 2025 年近 7%，成長幅度顯著。該分析亦排除實習與培訓職缺，以更精準反映正式職位的變化趨勢。數據顯示，AI 已從輔助工具轉變為招聘技能核心，而非單純的技術補充。 面對 AI 浪潮，四大會計師事務所正積極投入資源，將生成式 AI 應用於審計與顧問服務流程，包括提升財務數據分析效率、異常偵測與自動化查核。然而，AI 的導入也對傳統人力結構造成壓力，特別是初階審計工作的需求可能逐漸減少，動搖長期以來以大量基層審計人員支撐的「金字塔型」人力模型。 獵頭公司 Odgers 合夥人 Alex Hamilton-Baily 指出，AI 已成為四大事務所的核心戰略投資方向，但產業面臨的關鍵挑戰在於人才供給不足。他表示：「沒有人想落後，真正的問題是是否能找到足夠具備 AI 能力的人才。」 AI 時代招聘內容全面升級，從工程師延伸至顧問角色 除了職缺數量變化外，招聘內容本身也出現結構性轉型。四大會計師事務所不僅招聘機器學習工程師與資料科學人才，也大量增加 AI 顧問與策略型職位，協助企業導入生成式 AI。目前 AI 相關職缺中，約五分之四要求具備程式設計能力，較 2021 年的五分之三明顯上升，顯示技術門檻持續提高。 《金融時報》舉例，畢馬威曾開出經理職缺，負責指揮 AI [&hellip;]</p>

當 NVIDIA 全力衝 AI，為何美國國家實驗室開始測試非 GPU 晶片？

<p>當全球半導體產業競相追逐 AI 熱潮時，傳統科學運算領域正悄悄展開一場硬體架構的底層革命。十多年來，美國國家實驗室高度仰賴 NVIDIA 與 AMD 等主流半導體業者的晶片來執行複雜的數學問題與超級電腦運算，如今美國 Sandia 國家實驗室卻開始測試 NextSilicon 等新創公司的晶片，探索 GPU 之外的新型運算架構。 這波硬體轉向的關鍵，在於科學模擬極度依賴的雙精度浮點運算（FP64）能力。Sandia 國家實驗室肩負著模擬核武物理反應等需要極高精確度運算的國家安全任務，而這類高精度模擬與一般 AI 訓練的需求截然不同。AI 訓練與推論並不需要 FP64 的精度，更依賴低精度運算來追求速度與效能。 AI 熱潮開始擠壓 HPC 的 FP64 資源 《Reuters》報導，隨著 AI 市場規模急速擴大，NVIDIA 與 AMD 等企業將重心轉向 AI 推論與訓練市場，加上晶片短缺，傳統 HPC 所需的 FP64 資源開始面臨被稀釋的窘境，迫使研究人員必須重新尋找替代晶片架構。 《The Register》指出，NVIDIA 即將推出的 Rubin GPU 雖然擁有高達 50 petaFLOPS 的 FP4 AI 算力，但原生 FP64 效能反而下降到 33 teraFLOPS，甚至低於近 4 [&hellip;]</p>

不能只測模型！50 天 4 起 AI 供應鏈事件，揭露 OpenAI、Anthropic 與 Meta 的資安審查盲區

<p>《VentureBeat》報導指出，過去 50 天內 AI 產業接連發生 4 起供應鏈安全事件，涉及 OpenAI、Anthropic、Meta 等科技巨頭，顯示資安風險正從模型本身，快速轉向軟體發布流程與 CI/CD 基礎設施等底層環節。 從 OpenAI Codex 的指令注入漏洞、Anthropic Claude Code 的 source map 封裝失誤，到 LiteLLM 在 PyPI 遭投毒、TanStack npm 套件被 Mini Shai-Hulud 蠕蟲劫持，四起事件共同指向一個問題：AI 產業的紅隊測試與安全評估仍多集中在模型層，較少檢查發布流程、依賴套件、CI runner 與 registry publish gate。 新攻擊核心：供應鏈風險從單一企業擴散至開源生態 當中最受關注的，是 5 月爆發的 Mini Shai-Hulud 蠕蟲事件。攻擊者利用 GitHub Actions 工作流程設定漏洞、快取污染與 OIDC token 竊取，在短短 6 分鐘內向 42 個 TanStack 生態系的 [&hellip;]</p>

AI 算力戰燒到電網端：NextEra 斥資 670 億美元併 Dominion，卡位資料中心供電命脈

<p>過去，公用事業總被視為美國企業界最沉悶、僅專注於穩定供電與發放股利的角落，然而生成式 AI 的狂飆徹底翻轉這個局面。NextEra Energy 近日宣布斥資約 670 億美元收購 Dominion Energy，這場內部代號為「星辰（Project Astra）」的純股票世紀併購案，不僅將創造企業價值高達 4,200 億美元的全球最大受監管公用事業公司，更是自 1998 年艾克森（Exxon）收購美孚（Mobil）以來，美國能源產業界規模最大的交易。 這項交易背後釋放一個極具戰略意義的訊號：當微軟、亞馬遜、Google 與 Meta 等雲端科技巨頭為了稱霸 AI 賽道，瘋狂砸下數千億美元建置 AI 基礎建設之際，電力已不再只是單純的公用基礎服務，而是直接晉升為掌控經濟與地緣政治實力的「科技咽喉」。這場由 AI 帶動的電力需求，正以不可逆的姿態改寫美國電力市場的運作邏輯，成為推動跨州能源巨頭整併的最強核心驅動力。 AI 基礎建設的龐大電力需求引爆產業整併潮 促成這筆交易的關鍵，在於 Dominion 掌控美國維吉尼亞州的「資料中心走廊」。這裡是全球資料中心密度最高的地帶，乘載全球約三分之二的網路流量。然而，儘管坐擁地利，Dominion 近年來的營運表現卻差強人意，不僅在 2022 年被迫凍結股息，還出售了一系列資產，這也讓具備強大開發能力的 NextEra 看見絕佳的介入機會。 目前，AI 基礎建設的需求增長速度已超越實體電網的擴張速度，使得取得穩定規模的電力成為發展 AI 的最大限制。正如提供 AI 基礎建設解決方案的 WhiteFiber 執行長 Sam Tabar 所言：「當全國最大的能源開發商，為了追逐 AI 負載而進行整合時，這告訴你獲得可靠且具規模的電力已成為 AI 基礎建設的決定性限制因素。」 這也迫使產業加速整併，預計美國公用事業未來五年將在發電與輸電項目上投資超過 1.1 兆美元，NextEra 更計畫在可預見的未來，將其每年的資本支出預算大幅提高至 590 億美元，以應對龐大的擴建需求。 [&hellip;]</p>

Google 想複製 NVIDIA＋CoreWeave 模式，傳與黑石集團成立新 AI 雲端公司

<p>《華爾街日報》引述知情人士報導，Google 與私募巨頭黑石集團（Blackstone）正規劃成立一家新的 AI 雲端公司，主打 Google 自研 TPU 與 AI 雲端服務，目標直指 CoreWeave 等近年快速崛起的 AI 新雲端（neocloud）業者。根據報導，黑石集團將投入 50 億美元股權資金，若加上槓桿融資，整體投資規模可能上看 250 億美元。 《華爾街日報》指出，這不只是一次資料中心投資案，更是 Google 至今規模最大的一次 TPU 商業化嘗試，代表 Google 正試圖把原本主要供內部使用的 TPU，正式推向外部市場，進一步加劇與 NVIDIA 的競爭。 500 MW、2027 年上線，TPU 大規模推向外部市場 根據《金融時報》與《Bloomberg》報導，新公司將由 Google 資深主管 Benjamin Treynor Sloss 擔任 CEO，並預計在 2027 年前部署 500 MW 算力容量，未來還會持續擴張。500 MW 的用電規模，相當於一個中型城市的電力需求。 Google 將向新公司提供硬體、軟體與雲端相關服務。Google 上個月剛推出專為 AI 推論優化的新處理器，以及聚焦模型訓練的新一代晶片，顯示其在自研晶片路線上持續加碼。Google Cloud 執行長 Thomas [&hellip;]</p>

Mistral AI 執行長警告：歐洲只剩兩年建立 AI 主權，補不上算力恐成美國 AI「附庸」

<p>法國 AI 新創 Mistral AI 執行長 Arthur Mensch 警告，歐洲大約只剩下兩年時間來建立自己的 AI 基礎設施，否則可能永久依賴美國科技巨頭。 Arthur Mensch 在法國國民議會一場關於數位主權與 AI 的聽證會上明確表示，歐洲的命運「將在接下來兩年決定」，並嚴正警告，如果歐洲無法發展自己的 AI 產業，只能持續從美國進口數位服務，最終恐將淪為 AI 時代的「附庸國」。 AI 競爭不只是模型，更是能源、晶片與資料中心的硬體戰 這項警告的背後，凸顯 AI 競爭已經日益演變成一場爭奪能源、晶片與資料中心容量的戰爭。Arthur Mensch 指出，歐洲面臨的風險不僅是失去對本土 AI 模型的控制權，更致命的是失去支撐這些模型運作的能源與運算基礎設施控制權。 Arthur Mensch 觀察，美國科技公司已經積極鎖定這些關鍵資源，若歐洲行動太慢，將面臨永久落後的風險。Arthur Mensch 更進一步強調，一旦基礎設施被壟斷，歐洲將喪失把算力轉化為 AI 產出的能力。 為應對這場危機，目前估值約 136 億美元的 Mistral AI 已計畫在 2029 年前建立 1GW 的 AI 運算容量。近期，該公司也與法國國家支持的公共投資機構 Caisse des Dépôts 集團達成合作，專注於透過生成式 AI 與 GPU [&hellip;]</p>

從 4 週工期縮短為數分鐘：行銷人員靠代理式 AI 也能一人讓電視廣告成片

<p>「零製片預算也能上電視？」這個過去聽起來幾乎是不可能的任務，正在因代理式 AI（agentic AI）而開始成真。根據 C&amp;I Studios 在 2026 年發布的產業報告，傳統製作一支 30 秒電視廣告的成本通常落在 5,000 至 50,000 美元之間，且製作週期約需 4 到 6 週。這樣的門檻，長期將影視廣告限制在少數具備預算優勢的大企業手中。對多數中小品牌而言，創意或許不缺，但將點子轉化為高品質內容的能力，始終是一道難以跨越的財務鴻溝。 廣告製作邏輯被 AI 改變，從昂貴投資變成即時內容 隨著生成式 AI 與代理式 AI 進入廣告製作流程，成本與時間的計算方式被改寫。當前許多 AI 廣告工具已能在數分鐘內完成過去需要數週的製作流程，成本幾乎只剩平台訂閱費或算力支出。對品牌而言，廣告不再是需要長期攤提的資產，而更接近一種可快速生成、隨時替換的即時內容。 以往，一支短短 30 秒的影片，往往需要整個製作體系的投入。從腳本撰寫、分鏡設計，到攝影團隊、演員、配音與後期剪輯，每一個環節都需要專業分工與時間堆疊；如今，AI 代理開始承接過去由整個製作團隊完成的工作。 不同於單一功能的生成工具，代理式 AI 能夠理解任務目標，自主拆解流程並串接多個創意與製作步驟。也就是說，一位行銷人員不再需要協調多方資源，而是可以透過對話，直接完成從構想到成片的整個過程。 Molly’s Suds 案例：AI 讀懂評論，劇本與視覺「自動生成」 美國清潔品牌 Molly’s Suds 的案例，具體展現了這種轉變的運作方式。當該品牌希望製作一支串流電視廣告時，並未啟動傳統製片流程，而是選擇使用亞馬遜廣告系統中的 Creative Agent。 這套系統的運作邏輯是：它首先會深度分析產品頁面的圖片與文案，接著進一步爬取數千則真實的消費者評論，精確萃取出使用者最在意的關鍵點。例如：比起漂亮的包裝，使用者更在意「沒有化學殘留」。這些來自第一線的洞察會被自動轉化為廣告腳本的核心，讓廣告內容直接對應真實需求，而非品牌自說自話的主觀敘述。 在視覺與品牌識別上，AI 同樣扮演了專業顧問的角色。它能自動解析品牌官網的色調、字體與設計語言，並將這些元素精準套用至影片中。這種品牌一致性的維護，過去需要資深設計師與顧問反覆校對，如今則由模型自動完成。行銷人的角色也隨之從「執行者」轉向「創意總監」，專注於引導發想與最終審核。 亞馬遜強調，該工具是直接嵌入在其廣告系統中的功能，對賣家而言並不產生額外製作費用。當製作成本僅剩既有平台使用支出，這意味著賣家不再需要外包攝影與剪輯團隊。與傳統動輒數千甚至數萬美元的製片預算相比，改用系統內建的 AI 工具後，額外的現金支出從數千、數萬美元降至 0。 這樣的變化對零售產業具有深遠影響。長期以來，大型品牌在媒體與創意上的資源優勢，構成了競爭壁壘。如今，中小型賣家也能以極低成本製作具備電視等級質感的內容，並在同一平台上與大型品牌競爭注意力。創意實現的門檻降低，讓更多不同背景的品牌得以進入市場對話。 更重要的是，《Marketing Dive》認為，這種技術並未降低創意的重要性，反而放大了創意的價值。當製作不再是瓶頸，真正的競爭轉向誰能更準確理解消費者、誰能提出更有共鳴的敘事。AI [&hellip;]</p>

斡旋成功率提升近 30%、成交轉換率提高近 20%！信義房屋靠「先補地基」戰略佈局 Agentic AI，開啟資料變現…

<p>房地產業涉及高資產金額、長決策週期，信任是交易的核心。面對海量的物件資訊、多元的客戶行為以及複雜的市場法規，如何應用 AI 將碎片化的資料轉化為可助攻業務成交的可信任商機情報，成為房仲業數位轉型的最大需求。 為了解決這些核心痛點，Microsoft 在三年前開始協助信義房屋導入以 Microsoft Azure 為基礎的資料平台架構，結合 Azure Synapse Analytics、Microsoft Purview 等技術，強化資料整合、治理與分析能力，解決過去跨服務整合的摩擦成本。進一步隨著 Microsoft Fabric 的推出，信義房屋持續最佳化其資料平台整合能力，加速由資料到洞察的轉換效率。在穩定的技術架構與彈性雲端資源支撐下，信義房屋亦將 AI 導入第一線業務應用，開發出「Top Agent 3.1」、「我家有多夯」等 AI 工具，協助業務同仁提前識別房屋買賣商機、降低開發成本與增加成交機率。 整合 Microsoft Azure、Microsoft Fabric 與 Microsoft OneLake 架構建立 AI 推薦體系 「 Top Agent 3.1」將房仲服務由被動轉為主動，業務同仁不用等客戶被動提出買賣房子的需求，能夠主動根據內部整合的資料、官網用戶足跡、高互動數重點社區資料等需求輪廓，更早掌握潛在房源和客戶。「早期新業務需要花長時間等待新案件的進案，且難以評估開發成本，」信義房屋三重菜寮店經理戴家浚表示，現在透過 Microsoft Azure 與 Microsoft Fabric 的技術整合，協助信義房屋解決跨雲端與地端系統的資料孤島問題，利用 OneLake 架構讓各類客戶行為訊號即時彙整為完整的需求輪廓，房仲業務可以在潛在機會發生前就精準鎖定重點社區，大幅減少開發成本。 針對買賣方的溝通難題，戴家浚舉例，「過去在第一線服務客人，最常遇到的狀況是屋主對市場的期待，和市場實際反應之間有落差，普遍屋主都希望自己的房價可以比行情多 10 到 20%。」這種情況需要有人幫屋主透過市場資訊做更理性的判斷， 第一線業務同事在跟屋主討論時就能用「我家有多夯」這個 AI 工具，系統上會顯示兩個資訊給屋主，第一個是在這個區域買房者的詢問度，第二個是這個區域的行情，把成交動態、買賣雙方供給需求、房產熱度和市場流通狀況整理清楚，業務再根據這些客觀資訊協助屋主分析判斷市場，進一步調整售屋策略。 除了賦能房仲業務，信義房屋也同步最佳化有購屋需求的客戶端數位體驗，推出 AI 個人智能化推薦系統。該系統採取動態迭代邏輯，系統起初會推薦新用戶廣泛的熱門房型，隨後根據客戶的網站瀏覽足跡、點擊與收藏行為進行即時修正，精準判斷每位客戶的潛在需求，避免推薦路徑越推越窄，實現真正的個人化服務。而在技術效能上，這套系統每日可支撐高達 100 [&hellip;]</p>

Gartner 預測九成企業需 AI 代理協調器，BAND 推「AI 代理版 Slack」解決跨平台碎片化

<p>為了解決不同平台 AI 代理系統之間的溝通問題，BAND 打造出一套「AI 代理系統的 Slack 協作平台」，藉由具備確定性的通訊層，讓 AI 產業朝可擴展的「代理經濟」順利轉型。</p>

【科技早餐】SpaceX 傳 6 月 IPO、印度首座 12 吋晶圓廠啟動，AI 基建戰從太空燒到半導體

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊SpaceX 傳最快 6 月 12 日 IPO，太空經濟估值上看 1.75 兆美元 《路透》報導，SpaceX 正加速推動首次公開發行，最快可能在 6 月 12 日於美國那斯達克（NASDAQ）掛牌。這次 IPO 目標募資約 750 億美元，估值上看 1.75 兆美元，若順利完成，將可能成為史上規模最大的 IPO 之一。 報導指出，全球最大資產管理公司貝萊德（BlackRock）正在評估投入 50 億到 100 億美元，但最終金額仍取決於 IPO 定價與上市前條件。這次市場關注的，不只是火箭發射與星鏈（Starlink）服務，而是 SpaceX 如何把衛星網路、太空基礎設施，以及 Elon Musk 旗下 AI 與算力想像，放進同一個資本故事裡。 ＊ASML 攜手塔塔，印度首座 12 吋晶圓廠挑戰半導體版圖 荷蘭半導體設備大廠 ASML 已與印度塔塔電子（Tata Electronics）簽署合作協議，將支援塔塔在印度古吉拉特邦多雷拉（Dholera）興建 12 吋晶圓廠。這座晶圓廠投資規模約 110 億美元，被視為印度建立本土半導體製造能力的重要一步。 這座晶圓廠未來將生產應用於汽車、智慧手機與 AI 等領域的半導體產品。ASML [&hellip;]</p>

人形機器人量產戰升溫！為何 Sanctuary AI 執行長預言家庭普及還要 3 到 7 年？

<p>人形機器人資訊平台 Robozaps 在 2026 年排名指南中整理指出，特斯拉正加速生產 Optimus 第三代，波士頓動力公司開發的 Atlas 已進入實際工廠作業驗證，Figure AI 則規劃 BotQ 每年生產破萬台 Figure 03，1X Technologies 也開始向早期用戶交付家用機器人 NEO，顯示人形機器人產業進入密集的商業驗證階段。 Sanctuary AI 執行長 James Wells 近日在溫哥華 Web Summit 受訪時表示，人形機器人進入家庭的時間點可能需約三到七年，且在他們對不同應用場景的評估中，「家庭」被視為最晚具備商業可行性的市場，此番言論引發關注。《Forbes》報導，市場上有 AI 與人形機器人新創公司 1X Technologies 的 Neo 等產品主打家庭應用，也有 Figure 等公司積極推進人形機器人的實際應用，但這些進展在 James Wells 看來更偏向市場敘事與行銷，而非已經跨越關鍵技術與商業門檻的成熟階段。 人形機器人瓶頸非移動能力，James Wells 點出物理 AI 難題 James Wells 用一組數字說明展示與部署的差距：工業場景往往需要 99.999% 的可重複性，但多數基礎模型目前只有 80% 表現。換句話說，機器人也許能做很多不同任務，卻還不夠穩定；若放進家庭場景，可能每五次就摔破一次杯子。James Wells 補充，Sanctuary AI 在評估機器人部署環境時，從單位經濟效益、環境複雜度、客戶成熟度與安全容忍度等多個維度進行排序，家庭場景幾乎在所有指標上都落在最後一名。這也是人形機器人距離大規模家用落地仍有距離的核心原因。 [&hellip;]</p>

停止錯誤 AI 專案才是企業欠缺的能力：MIT 揭落地規模化的三大關鍵領導角色

<p>企業對 AI 的投資持續擴大，但多數專案仍難轉化為可衡量的商業成果，背後問題往往不在於模型能力或技術選型，而在於組織架構本身。麻省理工學院資訊系統研究中心（MIT CISR）今年稍早發布的研究《引領數位創新》發現，能持續推動數位創新並實現規模化的企業，背後通常不是依靠單一 CIO、AI 團隊或「英雄式領導者」，而是建立一套由三種領導角色共同協作的治理系統。 單一英雄主管的時代已過 該研究作者 MIT CISR 研究員 Nils Fonstad、Martin Mocker 與 Jukka Salonen 指出，多數企業的數位創新之所以陷入困境，往往源於三個共同的壞習慣。 第一是將創新預算一次性全額投入，卻缺乏後續驗證機制。第二是各個 AI 專案過度獨立運作，缺乏共用平台與治理協調，導致團隊不斷重複開發。第三，則是企業把 AI 策略的責任過度集中在單一 AI 團隊或中央創新部門手中，反而形成新的組織瓶頸。 Fonstad 表示：「傳統方法在環境相對穩定時還能奏效，但在今日動態的環境中，假設任何單一領導者或單位能夠獨撐大局，根本不切實際。你真正需要的是一整個領導者網絡。」而 MIT 發現成功的數位創新企業，往往建立三種互補的領導角色，各自承擔明確責任，並共同採取「假設驅動、測試與學習」的方法推動數位創新。 領導角色 1：創新專案負責人 創新專案負責人（Initiative leaders）負責開發並營運具體的數位產品或服務，目標是讓每項創新專案對組織的策略目標有所貢獻。他們以階段性方式推進創新，持續收集關於可欲性（desirability，用戶需求是否被解決）、技術可行性（feasibility，是否能穩定規模化）與商業價值（viability，是否符合策略目標）的實證，並只有在數據支持繼續投資時才爭取下一階段資源。 該研究發現，最成功的企業通常為每個專案配置兩位共同負責人：一位來自 IT 或數位部門、聚焦技術可行性，另一位來自業務端、負責確保可欲性且評估商業可行性。 西班牙能源公司 Repsol 就採用了這種模式。該公司建立五階段資金與創新流程，並要求每個 AI 專案都必須持續提交可欲性、可行性與商業可行性的證據。五年間，Repsol 共推動 505 個數位創新專案，其中超過 76% 成功規模化落地，並帶動公司營運現金流提升 20%。 領導角色 2：共享資源負責人 MIT 認為，AI 時代另一個關鍵角色，是共享資源負責人（shared resource leaders）。這類功能性專家可能來自雲端運算、AI、資安、用戶體驗等數位領域，也可能來自人力資源、法務、風控等非數位領域，負責管理各專家團隊，協助各專案克服擴展規模時遭遇的共同障礙。 他們的工作不是直接做產品，而是為跨專案建構可重複使用的資源，包括平台、人才與標準，同時避免組織在長期運作中累積過度複雜且高風險的系統拼湊局面。 [&hellip;]</p>

美中 AI 影片生成戰升溫：字節、快手如何將短影音平台優勢，轉化為內容商業化利器？

<p>中國生成式 AI 產業被認為已跨過商業化關鍵門檻，開始對矽谷造成壓力。《Crypto Briefing》報導，相較於美國企業仍多停留在展示影片、候補名單或測試階段，中國 AI 公司已將影片生成工具推進至實際商業運作，建立在超過 5 億用戶日常使用的產品生態之上，創造數億美元年營收。 從多個開發者與使用者評比來看，儘管 OpenAI、Google 與 Anthropic 在大型語言模型與程式碼生成領域仍具主導地位，但在影片生成工具方面，其產品在品質與易用性上已落後於中國競爭者。不過，《Financial Times》補充，Google 的 Veo 3 仍具競爭力，只是在開發者使用上受到更多安全與內容限制。 中國影片生成領域加速商用，美國工具受限於內容審查 中國 AI 產業總產值已突破 5,000 億人民幣，這一數字已不再單純由投機資金推動，而是建立在實際應用之上。字節跳動推出 Seedance 2.0，為首個可生成電影級 1080p 影片、並支援四模態輸入的模型，能同時接收文字、圖片、音訊與影片作為提示，生成高品質影像內容。該模型在測試中已超越多個競爭對手，並已實際部署於 TikTok 與抖音生態系中，服務龐大的內容創作與消費場景。 《Financial Times》提及，中國公司在使用受版權保護素材方面更為積極。AI 生成內容創業公司 Director AI 創辦人 Ben Chiang 表示，他們測試過的多數美國模型，在影片生成方面表現並不理想。他認為，美國較嚴格的內容審查限制了工具能力，常導致輸出效果不夠寫實。 Director AI 主要使用快手開發的 Kling 模型，同時也會根據任務與成本，在字節跳動的 Seedance 2.0 與新創公司 MiniMax 的海螺模型之間切換使用。Ben Chiang 表示：「關鍵在於品質，以及模型對提示詞的理解與執行能力。」他補充，近期技術的進步讓工具更容易使用，特別是在音訊同步與語音穩定性方面的提升。 隨著技術持續進步，創作者的製作流程也發生變化。獨立 AI 電影製作人與剪輯師 George [&hellip;]</p>

AI 代理戰場轉移：超越模型智商軍備賽，Anthropic 卡位企業代理執行層

<p>過去兩年，企業 AI 的競爭框架幾乎由模型能力主導：OpenAI、Anthropic、Google 之間的模型大戰，加上來自開源陣營的挑戰者。但根據《VentureBeat》最新的企業代理編排調查數據，下一場戰爭不是哪個模型回答問題最準，而是誰能掌握 AI 代理在企業內部的工作流程，並向安全團隊證明自己沒有踰越授權的那一層基礎設施。 AI 代理開始「蔓延」，企業 AI 戰場已然轉移 這股轉變的驅力來自企業端面臨的現實挑戰。《華爾街日報》報導，隨著降低 AI 代理建置門檻的工具普及，企業內部正出現所謂的「AI 代理蔓延（AI agent sprawl）」問題。Gartner 預測，未來兩年內，全球《財星》500 大企業平均將運行逾 15 萬個 AI 代理，但目前只有 13% 的企業認為自身的代理治理機制已足夠。 根據報導，美國醫療服務公司 DaVita 的員工已創建逾 1 萬個 AI 代理，數據分析公司 FICO 的 3,500 名員工每天創建數十個新 AI 代理。叫車平台 Lyft 正在構建統一的 IT 管控平台集中管理所有代理，DevSecOps 平台 GitLab 的現有治理架構則試圖「守住防線」，避免蔓延失控。 當 AI 代理開始執行具有實際影響力的任務，《VentureBeat》調查顯示，安全與權限管理在代理平台選擇標準中均排名第一，1 月為 39.3%、2 月為 37.1%。對代理執行的掌控度從 17.9% 升至 22.9%，而跨模型與工具的彈性則從 35.7% [&hellip;]</p>

國家級網攻進入「資料可信度戰」：Fast16 不癱瘓系統，卻竄改核武模擬結果、誤導工程判斷

<p>資安界近期揭露一款追溯至 2005 年的國家級惡意程式「Fast16」，打破許多人對早期電腦病毒的認知。這款程式最早是在 2017 年駭客組織「影子掮客」（Shadow Brokers）洩露的美國國安局（NSA）內部清單中曝光，隨後樣本被上傳至 VirusTotal 卻沉寂多年，直到近期才透過 AI 技術解析出其真實目的。根據全球網路與企業資訊安全公司 Symantec 的最新分析，這款工具的唯一使命，就是神不知鬼不覺地搞砸核武測試的工程模擬。 與那些會讓電腦當機、設備停擺的粗暴手法不同，Fast16 悄悄鎖定工程界常用的 LS-DYNA 與 AUTODYN 這兩套平時能用來模擬車禍碰撞、材料受力的軟體，同時也是核爆高壓壓縮模擬的關鍵工具。這些模擬軟體之所以成為首選目標，是因為情報顯示當時伊朗已暫停核武的實體爆炸測試，全面轉向依賴電腦模擬，讓這類軟體成為阻斷核武計畫的高價值手段。  《Zero Day》報導，Fast16 就像潛伏在系統深處的幽靈，會把模擬軟體辛苦算出的合法數據，偷偷換成「假資料」，直接餵給螢幕前的工程師。美國 AI 資安公司 SentinelOne 更進一步指出，Fast16 整個攻擊的核心元件是名為 fast16.sys 的檔案系統驅動程式，能在系統讀取特定執行檔的瞬間，極度精準地在記憶體中竄改與修補資料。 Fast16 鎖定核武模擬，只在爆炸與鈾壓縮條件下啟動 Symantec 分析，Fast16 會像狙擊手一樣，緊盯 LS-DYNA 與 AUTODYN 兩套軟體裡的炸藥模擬，而且一定要在進行完整規模的爆炸測試時才會下手。為了確保不抓錯目標，Fast16 會偷偷檢查系統正在模擬的材料密度，並等到數值飆破 30 g/cm³ 時才會正式啟動竄改機制。Symantec 解釋，這個密度數值其實就是個「專屬暗號」，因為只有製造核彈的「鈾」，在內爆裝置的極度高壓壓縮下，才有可能達到這麼高的門檻。更嚴謹的是，Fast16 會精準辨識目標檔案的編譯環境，只有在讀取到含有特定標頭字串、確認是使用 Intel C/C++ 編譯器建立的執行檔時，才會著手進行修改。&nbsp; 在 LS-DYNA 的攻擊機制中，Fast16 會先確認狀態方程式（Equation of State，EOS）是否為 2（Jones-Wilkins-Lee）、3（Sack Tuesday）或 7（Ignition [&hellip;]</p>

結帳頁成零售新戰場：BNPL 如何從支付選項，升級為商家提高成交機會的新工具？

<p>先買後付（BNPL）與商家提供的分期付款選項，正在從單純的支付方式，轉變為左右消費者選擇的關鍵因素。根據 PYMNTS 調查 2,763 名美國消費者的報告指出，消費者融資的影響力並非平均分布，而是高度集中在年輕族群、Pay Later 重度使用者，以及消費者仍在比較選項的「高考慮型消費」場景。這代表 BNPL 的角色已不只是結帳時的附屬選項，更是商家在競爭過程中「贏得訂單」的關鍵工具。 從旅遊、活動到醫療，Pay Later 成為高單價消費的「決勝點」 當消費者正在比較不同商家、服務提供者或訂票平台時，「Pay Later」的可用性往往會改變最後選擇。PYMNTS 指出，分期付款方案在旅遊消費中的影響力最強，高達 64% 的千禧世代表示，商家是否提供分期會影響他們選擇在哪裡預訂旅遊。相較之下，只有 4.7% 的嬰兒潮世代與高齡消費者會受此影響，顯示出年齡層造成的巨大差異。 若聚焦於 BNPL 的「重度使用者」，數字更為驚人：高達 87% 表示 Pay Later 是否可用會影響他們的旅遊預訂選擇，86% 則表示會影響活動票券與體驗消費的購買。此外，醫療與牙科服務也成為 Pay Later 影響決策的重要場景，55% 的 Z 世代消費者表示，商家提供分期付款會直接影響他們選擇在哪裡接受醫療服務。 結帳頁成新戰場：從 Walmart 案例看 Affirm 與 Klarna 的入口之爭 BNPL 對消費決策的強大影響力，也讓零售結帳頁面成為支付巨頭的必爭之地。以零售巨擘 Walmart 為例，其旗下金融科技公司 OnePay 在去年將線上與實體結帳的 BNPL 官方合作對象，從 Affirm 替換成了 Klarna。 然而，這場變動並未讓 Affirm 流失客源。Affirm [&hellip;]</p>

開源 AI 還是次要選項？模型效能已媲美商業產品，將以成本做為突破口

<p>隨著開源 AI 模型的品質獲得大幅提升，生態系也日趨成熟，迫使 AI 業界不得不重新思考開源 AI 的真正價值，以及企業是否還要繼續對它視而不見，只把開源 AI 生態系當成次要選項。</p>

追求零幻覺可能是錯誤目標，AI 幻覺問題從無解變成「可管理的技術挑戰」

<p>大型語言模型自進入商業應用以來，「幻覺」始終是揮之不去的陰影。不過從 2021 年至今，這個問題的核心已經產生顯著變化。 理解當前 LLM 幻覺率的真實數據、技術應對策略的成熟度，以及創意與穩定性之間難以調和的問題，是企業在判斷是否導入前得需理解的關鍵發展。 幻覺問題的現況與高風險場景 過去五年間，整體 LLM 幻覺率從 2021 年的 38% 降至 2026 年的 8.2%，頂尖模型如 GPT-4o 與 Gemini 2.0，在特定基準測試中甚至能將錯誤率壓低到 0.7% 至 1.9% 之間。這個數據看似樂觀，但細究不同任務類型卻會有相當大的落差。 在 Omni-MATH 數學基準測試上，平均準確率僅 38.61%；GPQA 資料分析任務的準確率為 52.2%；MMLU-Pro 在教學或特定主題的精確查詢上更只有 0.67 分。 換言之，總體幻覺率的下降，並未平均分布於所有應用場景，數學運算、資料分析與專業建議等需要精確輸出的任務，仍是重災區。 史丹佛大學的研究發現，主要 LLM 在法律查詢上的幻覺率介於 58% 至 88% 之間；引用文獻的捏造率甚至高達 94%。這類錯誤之所以危險，正是因為模型不會表達不確定，而是用同樣流暢、權威的語氣呈現虛構資訊。 對於受高度監管的領域而言，這種錯誤模式幾乎是不可接受的。生成醫療案例摘要模型幻覺率可達 64.1%；法律 AI 工具即便在最佳狀態下，仍有 17% 至 34% 的錯誤輸出。金融與醫療對錯誤的容忍度極低，即使是頂尖模型 1% 至 2% 的錯誤率，在實務上仍可能引發合規風險、財務損失與法律責任。 [&hellip;]</p>

【科技早餐】ChatGPT 開始讀取銀行帳戶，OpenAI 把 AI 助理推進個人理財

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊ChatGPT 開始讀取銀行帳戶，OpenAI 把 AI 助理推進個人理財 OpenAI 宣布，正在美國向 ChatGPT Pro 用戶推出名為「財務」（Finances）的全新個人理財預覽功能。這項功能透過金融資料平台 Plaid，讓用戶可以把銀行帳戶、信用卡與投資帳戶連到 ChatGPT。完成身分驗證後，系統會自動生成財務儀表板，涵蓋投資組合績效、即將到來的付款時程，以及訂閱服務審查等資訊。 也就是說，ChatGPT 不再只能回答一般性的理財問題，而是可以根據使用者提供的財務資料，整理支出、現金流與投資狀況，並回答更個人化的問題。OpenAI 表示，這項功能只具備讀取權限，不能替使用者轉帳、交易，也看不到完整帳號。消息公布後，美股金融科技（Fintech）概念股下跌，顯示 AI 正對數位理財顧問市場帶來壓力。 ＊川習會談未談出晶片突破，NVIDIA H200 對中出貨仍卡關 美中在北京的會談已經結束，但外界關注的 AI 晶片出口，這次沒有明確突破。《路透》報導，美國已批准約 10 家中國企業採購 NVIDIA H200 AI 晶片，名單包含阿里巴巴（Alibaba）、騰訊（Tencent）、字節跳動（ByteDance）與京東（JD.com）等公司。不過，雖然美方已開出許可，目前仍沒有任何 H200 實際交付到中國。 美國貿易代表葛里爾（Jamieson Greer）也表示，晶片出口管制並不是這次會談的主要議題。中國方面對採購美國高階 AI 晶片仍有疑慮，一方面擔心技術依賴，另一方面也持續推動本土晶片替代。H200 能不能恢復出貨，影響的不只是 NVIDIA 營收，而是美中 AI 算力競爭下一階段會如何發展。 ＊AI 推升台灣電子業破 11 兆，TEEMA 海外園區瞄準墨西哥 台灣區電機電子工業同業公會（TEEMA）5 月 15 日舉行會員代表大會。理事長、鴻海（Foxconn）董事長劉揚偉表示，2025 年台灣電機電子產業在 AI 需求帶動下，產值突破新台幣 [&hellip;]</p>