TechOrange 科技報橘

【戴季全專欄】大家都知道會 AI 的人會取代不會 AI 的人，你的孩子會 AI 了嗎？

<p>孩子的下一個競爭對手，是會用 AI 的同學 幾年後，我們的孩子要競爭的對象，恐怕不是比較聰明或家裡比較有資源的同學，而是很會用 AI 的同學。 這不是危言聳聽。當一個人能熟練指揮 AI 完成工作，他的產出是不會用 AI 的人的數倍以上。差距不再是努力就能追上，而是結構性的落差。努力練習射箭，比不上會用槍的人。努力練習騎術，比不上會開車的人。努力寫程式的人，比不上會用 AI 寫程式的人。我們都知道，會用 AI 的人會取代不會用 AI 的人。 問題是：我們的孩子能從現在的學校裡，學會使用 AI 嗎？ 絕大多數家長的答案是不知道。這不是任何人的錯，更不是老師的錯。但要把這件事看清楚，我們得先面對現實，分幾個層次往下討論： 首先，孩子的 AI 能力好不好，主要取決有沒有好的 AI 老師，老師有沒有足夠的時間和資源教會孩子 AI，取決於我們給了老師什麼樣的客觀條件來成為具有 AI 能力的 AI 老師，而這個客觀條件，取決於國家有沒有把錢花老師身上，全力推動老師成為 AI 老師。於是真正該進一步追問的問題，是我們有沒有給老師成為一位好 AI 老師該有的條件？因為孩子能走多遠，取決於老師能走多遠。 AI 能力是練出來的，不是教出來的 AI 能力和游泳、開車、寫程式一樣，都是練出來的，不是聽別人上課或看 Youtube 就能學會。這意味著兩件事必須同時到位。 第一件事，老師需要的不是研習，而是持續的、可實作的 AI 環境。真正能用、不必擔心資料外洩、可以反覆嘗試的工具，以及老師目前最稀缺的資源：時間。一場兩小時的研習講座，不可能讓任何老師成為 AI 老師，讓孩子成為成為 AI 人才。 第二件事，孩子需要的不是 AI 內容，也是可實作的 AI 練習場。看影片、讀課本學不會用 AI，就像看游泳影片學不會游泳。孩子必須真的動手，在引導下反覆與 AI [&hellip;]</p>

巨頭 IPO 資金爭奪戰：Anthropic、OpenAI 搶上市，誰能取得公開市場定價權？

<p>《紐約時報》報導，開發聊天機器人 Claude 的 AI 公司 Anthropic，已向美國證券交易委員會祕密遞交 IPO 草案文件，可能在華爾街出現數十年難得一見的投資熱潮。隨著這項申請曝光，Anthropic 預計將成為今年三家備受矚目的潛在上市公司之一，另外兩家分別是火箭公司 SpaceX，以及在 2022 年以 ChatGPT 引爆 AI 浪潮的 OpenAI。 OpenAI、Anthropic 搶上市！AI 雙雄 IPO 大戰升溫 《紐約時報》指出，這些 IPO 若順利完成，可能成為史上規模最大的幾宗交易之一，帶動龐大的投資潮與員工財富增長，甚至誕生世界首位兆美元富豪：持有約 50% SpaceX 股份的馬斯克。這波上市潮也可能為非營利領域帶來可觀資金，因為 Anthropic 與 OpenAI 都已承諾將相當比例的股份投入慈善用途。SpaceX 預計將於本月進行 IPO，而 OpenAI 則準備在未來幾週內遞交申請。 IPO 申請也進一步升高 Anthropic 與 OpenAI 之間的競爭。上週，Anthropic 在新一輪融資中超越 OpenAI，成為全球估值最高的 AI 新創公司，募得 650 億美元，使其在新資金注入前的估值達 9000 億美元，而 OpenAI 最新估值則為 7300 億美元。Anthropic 在聲明中表示，此次申請「讓我們在完成美國證券交易委員會（SEC）審查後，擁有上市的選擇權」，但未透露 [&hellip;]</p>

淡江大學啟動校園服務革命：AI 對話平台打造 24 小時專屬數位助理

<p>淡江大學覺生紀念圖書館近期榮獲第三屆教育部「標竿圖書館獎」，評審肯定其導入全面品質管理、校際合作推動與發展AI技術以及卓越的數位服務流程，成為標竿典範。淡江大學資訊長石貴平教授指出，新世代學生的資訊獲取路徑已徹底改變，他們習慣對話式的即時滿足，而非傳統圖書館層層分類的檢索。因此，學校導入叡揚資訊 C.ai 對話式服務平台的考量不在於跟風科技，而在於解決「接觸率」與「即時性」這兩個最實際的服務痛點。 跨越數位與語言鴻溝：No/Low Code 賦能行政與國際化  在將 AI 推廣至全校各行政單位時，資訊處面臨行政人員數位落差與教育訓練耗時的巨大挑戰。叡揚 C.ai 「簡易教學、容易上手」的特性成為最佳解方，行政人員不需懂程式與複雜設定，只需提供處室網址或上傳法規文件，機器人便能擁有正確知識，讓各處室能獨立維護專屬的 AI。此外，因應外籍生增加的趨勢，C.ai 提供完善的「多語系動態切換」架構，讓學生能一鍵切換中英文或由系統自動偵測語系。這不僅大幅降低跨單位的溝通成本，更確保在招生與報到旺季時，能以流利外語無縫服務國際學生，展現淡江的國際化實力。 終結圖書館焦慮：NLP 語意解析打造貼心「小書僮」  此次獲獎的一大亮點為 AI 客服「小書僮」。傳統 FAQ 常讓不知如何提問的新生產生「圖書館焦慮」，而「AI 小書僮」因為導入自然語言處理（NLP）技術，突破傳統限制，能精準理解讀者的「語意」而非僅是匹配關鍵字 。例如，當學生詢問「半夜趕論文突然需要校外文獻怎麼辦」時，AI 能分析出背後「急需」與「館際合作」的需求，直接引導其使用「RapidILL 西文期刊快遞服務」的申請頁面。它降低專業服務門檻的深層痛點，並能自動串接後端系統完成研究小間預約，讓複雜的流程變得如聊天般簡單。 全方位生活秘書：從學務到住宿的 24 小時虛擬輔導員 為了讓 AI 成為學生的貼身生活秘書，淡江大學進一步規劃將智能對話服務延伸至充滿溫度但行政流程繁瑣的學務處。住宿組的應用是一大亮點，未來學生半夜若遇冷氣損壞或需申請寒暑假住宿，皆可直接透過 AI 查詢資格、費用並連動報修流程 。在課外活動與生活輔導方面，AI 能化身活動顧問，提供社團場地借用規則、經費核銷及弱勢助學金申請條件的即時引導。未來此服務更計畫涵蓋衛生保健組的傳染病防治與體檢資訊，讓 AI 真正成為全方位照顧學生食衣住行的虛擬輔導員。 分散維護與統一服務：建構永續進化的校務 AI 大腦  要實現跨處室的全面導入並確保資訊準確，建立主動參與的知識維護機制是 AI 落地的成功關鍵 。淡江大學計畫建立全校性的「數據中台」，統一管理教務、學務、總務等各單位的知識庫與法規文件。在這種「分散維護、統一服務」的模式下，權限被下放給各業務單位的承辦人員。當校園法規變更時（例如教務處更新學則、總務處更新採購法），第一線窗口只需在後台更新文件，前端的 AI 智能機器人便會即時同步最新資訊，確保校務 AI 大腦永遠保持在最聰明、最準確的狀態。不僅於圖書館服務，透過打造校園專屬的 AI 助理，讓校內豐富的數位資源能像便利商店一樣 24 小時全年無休，成功打破時空限制，主動將資源送到師生手邊。 (本文訊息由叡揚資訊提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / [&hellip;]</p>

AI 基礎建設瓶頸不只在 GPU！Marvell 執行長揭下一場算力戰關鍵：突破「銅線之牆」

<p>過去在探討 AI 基礎設施的效能時，業界目光往往聚焦在處理器與記憶體的硬體規格上，但隨著運算規模呈爆發性成長，這個觀念正在發生典範轉移。Marvell 董事長暨執行長 Matt Murphy 在 COMPUTEX 2026 主題演講中，開頭就先破除這個傳統迷思，他表示：「當你將成千上萬、甚至未來數百萬個處理器結合在一起，作為一個龐大的運算引擎運作時，這種規模的運算本質上就是一個連線能力的挑戰，且連線能力的架構與特徵，將決定系統的效能。」 為了迎接這個以「資料移動」為核心的時代，Marvell 早在十年前便預見資料中心互連需求將大幅飆升的趨勢，因此大刀闊斧地展開戰略轉型。Matt Murphy 分享，十年前資料中心占 Marvell 營收不到 10%，但透過投入高達 225 億美元收購 Cavium 與 Inphi 等企業，再加上內部研發的鉅額投資，Marvell 已全面蛻變為專注於資料中心基礎設施的企業。如今，資料中心業務已占 Marvell 營收超過 75%，讓 Marvell 得以在接下來的 AI 基礎設施建置潮中佔據關鍵地位。 突破「銅線之牆」，從跨資料中心傳輸到 CPO 的光學革命 奠基於十年來的技術積累，Marvell 現在正面臨並著手解決 AI 系統發展中最艱鉅的連線挑戰，那就是：如何克服從數百公里到幾毫米之間各種距離的傳輸限制？Matt Murphy 說明，Marvell 具備業界最完整的技術組合，涵蓋跨資料中心的同調調變技術、資料中心內部的 PAM4 模組與全新發表的 100T Teralynx 交換晶片，一路深入到機架內部的銅線傳輸，甚至囊括毫米等級的晶片對晶片先進封裝技術。 然而，即便擁有多元技術，硬體架構仍面臨著無法迴避的物理極限。隨著傳輸頻寬的倍增，銅線的有效傳輸距離就會等比例減半。因此，當業界推進至 400G 傳輸時代時，傳統銅線將再也無法涵蓋整個機架的連線範圍。針對這樣的現象，Matt Murphy 強調：「『銅線之牆』即將移動，它會再次推移，並且將全面接管整個機架。」他表示，為了解決銅線帶來的功耗與密度問題，業界正全面轉向共同封裝光學（CPO）技術，將光纖直接連至運算或交換晶片旁的封裝內，大幅減少印刷電路板上的銅線佈線，這不僅宣告光學革命正式走入機架內部，更為大規模運算解開實體線材的束縛。 與 NVIDIA 執行長黃仁勳談光學未來 連線能力對次世代 [&hellip;]</p>

押注實體 AI：NVIDIA 聯手宇樹科技推人形機器人參考設計，啟動數兆美元新賽局

<p>NVIDIA 在台北 GTC 大會上宣布，其 Isaac GR00T 人形機器人開發平台將支援宇樹科技（Unitree Robotics）的 G1 人形機器人，並推出一款全新的參考設計：NVIDIA Isaac GR00T Reference Humanoid Robot。它整合 Unitree H2 Plus 人形機器人、Sharpa Wave 五指觸覺靈巧手、NVIDIA Jetson Thor 機載運算，以及 Isaac GR00T 開放軟體與模型。另一方面，Isaac GR00T 開發平台將支援研究界常用的 Unitree G1，相關工作流程預計釋出至 GitHub 與 Hugging Face。 NVIDIA 推人形機器人研究平台，加速實體 AI 開發與部署 《IBTimes》指出，這套系統旨在協助研究人員更快速地測試與部署機器人，無須從零開始建置完整的硬體與軟體架構。同時，希望透過大型 AI 模型提升人形機器人的學習效率，使其能更快掌握新技能，並更有效地適應真實世界環境。NVIDIA 共同創辦人暨執行長黃仁勳表示，人形機器人將把實體 AI 帶入全球最大的產業領域，創造數兆美元規模的經濟機會，NVIDIA Isaac GR00T Reference Humanoid Robot 則為研究人員提供一個統一且開放的平台，有助於推動通用實體 AI 重要突破。 在硬體設計方面，該機器人採用 Unitree [&hellip;]</p>

黃仁勳親解 Vera CPU 戰略：這是一個 6 個月前還未存在的市場

<p>COMPUTEX 2026 展會期間，NVIDIA 執行長黃仁勳在同步舉辦的 GTC Taipei 進行全球媒體問答。相較於前一天定調未來十年運算趨勢的主題演講，這場問答更像一場補充說明會，黃仁勳親自回應了 Vera CPU 對打 AMD、進軍筆電市場等問題。 黃仁勳：代理時代不是賣核心，而是賣 Token 現場有媒體提問，台灣科技生態系數十年來圍繞 x86 架構建立，而 Vera CPU 將以獨立產品形式出貨，NVIDIA 如何看待與 AMD 等老牌業者的競爭。 黃仁勳的回答點出一個商業模式層次的差異。他先表示，傳統超大規模 CPU 的思路是不斷堆疊核心數：「什麼比 100 核心的 CPU 更好？是 200 核心。什麼比 200 核心更好？是 400 核心⋯⋯我可以一直說下去，但那是舊的方法，那是給人類使用的。」 過去資料中心 CPU 的核心設計目標，是讓更多使用者同時存取系統，因此核心數量越多越好。但黃仁勳表示，Agent 的目標不是租用核心，而是盡可能快速完成工作。 他強調，「代理不想租用 CPU 核心，代理想要生成 Token。」因為對於 AI 工廠而言，可獲利單位是 Token 而非核心。這就是 Vera 不以核心數量為設計目標，轉而主攻單執行緒效能與低延遲的原因。黃仁勳形容，這可能是 25 年來都沒見過的單執行緒效能提升，目的是讓代理少等待，避免讓一旁昂貴的 GPU 空轉。 黃仁勳也否認了「搶市佔」的框架：「我們創造的每一個產品，在我們創造它的那一天，市場是 0 [&hellip;]</p>

兩年覆蓋三分之二美國醫界，AI 醫學資訊平台 OpenEvidence 的崛起與隱憂

<p>以生成式 AI 驅動的醫學資訊平台 OpenEvidence，在美國醫界的採用速度已相當驚人。光是今年四月，約 65% 的美國醫師、橫跨近 2,700 萬次臨床接觸場合使用過它，換算下來，約有 65 萬名美國執業醫師正積極依賴這項服務。 哈佛醫療政策教授、美國麻州總醫院內科醫師 Anupam Jena 形容：「每個人都在使用它，它的成長是指數型的。」七個月前，這項工具在美國醫師之間的採用率還只有五成，如今已逼近三分之二，擴張之快前所未見。 為醫生省下在舊系統裡徒勞翻找的時間 OpenEvidence 的核心是一個 AI 驅動的醫學搜尋引擎，能梳理龐大的醫學研究資料庫，針對臨床決策或用藥選擇給出建議，並附上同儕審查論文與臨床指引的連結。 Jena 分析自 2024 年以來累積的 9,000 萬筆查詢指出，所有搜尋中有六成與臨床決策直接相關，也就是醫師輸入特定病患的條件、疾病狀況，詢問最合適的治療方式。 Jena 說，外科醫師精通手術，但面對病患血壓或心跳偏高時，未必確定能否停用某種藥物，OpenEvidence 正好填補了這類「非本科訓練範圍」的縫隙。一名新罕布夏州的初階醫師就在病患血鉀驟降時，用 OpenEvidence 確認那只是常見的藥物副作用而非緊急狀況；南達科他州一位醫師則靠它判斷脊椎骨折該用 X 光還是電腦斷層確診。 掌管美國最大醫療系統、督導逾 2,500 名醫療人員的 Sanford Health 醫療長 Jeremy Cauwels 說，OpenEvidence是少數「極易上手」的工具，不僅免費，還可以在手機上順暢運作，回答問題的速度遠勝其他方法。 位於美國麻薩諸塞州波士頓布萊根婦女醫院的感染科醫師 Paul Sax 直言，OpenEvidence 根本是奇蹟，他指出傳統參考工具實證醫學資料庫 UpToDate，對於有具體情境問題的醫師而言難以精準搜尋；而 OpenEvidence 的搜尋「毫無摩擦」，因為大型語言模型讓使用者不必拼湊關鍵字，直接用問題本身發問即可。 準確度爭議依然存在，「邊緣案例」偶爾會出錯 不過光鮮的普及數字背後，準確度的爭議始終存在。OpenEvidence 大力宣傳它在美國醫師執照考試（USMLE）拿下 100% 準確度，然而一份去年十二月發表的學術研究卻發現，面對較複雜的醫學問題時，它的正確率不到 45%。 [&hellip;]</p>

如何用 AI 代理為軟體開發做出高價值貢獻？專家提點 5 大面向，人類管理仍不可或缺

<p>專家指出 5 項 AI 代理得以發揮最大應用價值的面向，包括：原型設計、程式碼生成、軟體測試與品管、例行工程任務自動化，以及程式碼維護與重構。</p>

為什麼消費者討厭 AI 語音客服？美國 Home Depot 用人機「黃金比例」破解傳統設計邏輯

<p>生成式 AI 進入客服產業，消費者對 AI 客服的反感情緒也浮現。根據體驗管理公司 Qualtrics 發布的《2026 Customer Experience Trends Report》，近五分之一使用過 AI 客服的消費者表示，自己沒有感受到任何好處。調查顯示，消費者甚至將 AI 客服列為便利性、省時性與實用性表現最差的 AI 應用之一。 困在 FAQ 裡的無限循環，AI 客服引爆消費者反撲 許多使用者抱怨，AI 客服最大的問題不在於「不夠聰明」，而是它經常變成企業阻擋客戶接觸真人客服的第一道牆。來自加州的消費者 Carmen Smith 就形容，自己經常陷入 AI 客服的無限循環，系統不斷重複 FAQ 內容，或持續提供早已試過卻無效的資訊，他說：「我寧願直接和真人講話。」 顧問公司 Cognizant 全球數位體驗主管 Ben Wiener 指出，AI 其實只是把企業原本的客服邏輯放大。如果企業最在意的是降低退款率、減少真人客服接手案件，AI 就會朝這個方向持續優化，最後讓客服體驗變成「如何讓顧客放棄」。 也因此，當越來越多企業導入 AI 客服時，市場開始關注另一個問題：AI 到底該怎麼用，才能真正改善服務，而不是製造新的挫折感？ COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 Home Depot 靠 AI 自然語言扁平化客服體驗 美國大型 [&hellip;]</p>

【科技早餐】黃仁勳宣告有用的 AI 到來，歐洲 AI 基建與 Token 成本同步升溫

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳稱有用的 AI 到來，Vera CPU 亮相、RTX Spark 把 AI 推進 PC NVIDIA 執行長黃仁勳在 GTC Taipei 主題演講中表示，「有用的 AI 已經到來」，AI 正從生成式 AI，走向能完成工作的代理式 AI。他以軟體工程師為例指出，AI 工具正在推升開發者產出，也讓 token 從運算單位，進一步變成 AI 工廠的收入單位。 NVIDIA 同時正式推出為 AI agents 打造的 Vera CPU，並宣布下一代 Vera Rubin 平台已進入全面量產，預計今年秋季開始出貨。在個人電腦端，NVIDIA 也推出與聯發科（MediaTek）共同開發的 RTX Spark 超級晶片，並與 Microsoft 合作，把代理式 AI 帶進 Windows 生態系，讓 NVIDIA 的布局從資料中心延伸到使用者桌面。 ＊美國封堵中國海外子公司買 AI 晶片，Blackwell 管制再收緊 《路透》報導，美國商務部已發布最新指引，要求對總部位於中國、但設在海外的企業，落實先進 [&hellip;]</p>

研華深化 NVIDIA 合作推出「AI Factory Brain」，以 Agentic AI 串聯全廠智慧決策

<p>全球邊緣運算與邊緣AI平台領導廠商研華公司（TWSE:2395）今（1）日宣布深化與 NVIDIA 的合作，正式推出 AI 原生工廠架構（AI-Native Factory Architecture）迎向 Agentic AI 與 Physical AI 時代的來臨。 AI 原生工廠架構結合 NVIDIA NemoClaw、NVIDIA Factory Operations Blueprint、NVIDIA RTX PRO、NVIDIA Jetson Thor，以及研華 WISE-Edge Developer Architecture（WEDA），協助製造業者將 AI 智能深度導入即時工廠營運流程，以因應生產彈性、人力優化與能源效率等關鍵營運需求。 研華嵌入式事業群總經理張家豪表示：「研華與 NVIDIA 此次進一步合作，象徵AI驅動智慧工廠發展的重要里程碑。透過整合 NVIDIA AI Factory Brain，以及研華基於 NVIDIA NemoClaw 與全棧式邊緣 AI 運算平台所打造的 Edge AI 與 WEDA 生態系，我們正以 Agent-driven AI、Software-defined Orchestration 與 Autonomous Operations，實現全廠級智慧化，並為新世代 Physical AI 智能製造建立可複製、可驗證的最佳實踐藍圖。」 [&hellip;]</p>

未來手機不再是生態中心：高通執行長揭「雙重性格」硬體架構，預言代理式 AI 將掀科技業史上最大換機潮

<p>「2026 年是 AI 代理之年，AI 正從單純回答提示詞的工具，進化為能夠自主採取行動的實體，」高通執行長 Cristiano Amon 在 COMPUTEX 2026 的開幕主題演講中以此破題，並強調：「我今天只有一個任務，就是要讓大家了解邊緣裝置將發生多大的變革，因為一種全新的運算形式正在觸及每一個裝置。」 回顧過去，數位生活一直是以智慧型手機為中心，所有穿戴裝置與應用程式生態系皆圍繞著手機運作。然而，隨著代理式 AI 逐漸成熟，這個典範已經開始轉移，「AI 代理不會依附於單一的生態系，任何能讓人與 AI 代理連結的設備，都會成為它的端點，」Cristiano Amon 指出，未來包含智慧型手機、個人電腦與穿戴裝置在內的所有設備，都將退居為 AI 代理系統的「端點（endpoints）」，這也代表 AI 將跨越不同設備，成為隨時伴隨使用者、掌握全方位情境的專屬助理。 想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 迎接代理式 AI 時代，終端裝置需要「雙重性格」 不過，要迎接這個未來，必須認清一個現實：現今的設備多半是為「人類主動操作」而設計，這已經無法滿足未來代理式 AI 的需求。因此，Cristiano Amon 強調，未來的裝置必須具備「雙重性格（two personalities）」，既能由人類手動操作，也能由 AI 代理自主在背景全天候持續運作、攜帶情境記憶並協調多項任務。 「光是人類操作，要讓手機續航一整天就已經充滿挑戰，想像一下，如果當你和 AI 代理同時運作時，會發生什麼事？」Cristiano Amon 進一步點出，這種轉變伴隨而來的，是對設備的功耗與延遲帶來的嚴苛工程挑戰。因此，未來的裝置不僅需要強大且高能源效率的 CPU 來負責任務協調，還需要具備高運算密度的 NPU 與 GPU 來執行本地模型，同時必須整合大量感測器以提供 AI 運作所需的關鍵情境數據。 代理式 [&hellip;]</p>

全新 TrendAI Inception Program 上線，引領下一波安全 AI 創新浪潮

<p>全球網路資安解決方案領導廠商趨勢科技(東京證券交易所股票代碼：4704)旗下全球企業AI資安領導品牌TrendAI™於今年COMPUTEX大展宣布一項全新計畫，旨在提供AI方案供應商更快速地建構、驗證並推出以「安全為設計核心」的AI產品。此計畫整合了AI資安專業、技術賦能與市場推廣支援，協助合作夥伴無需自行建立深厚AI資安能力下加速安全發展。 想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 趨勢科技TrendAI™企業事業群營運長金敬秀(Rachel Jin)表示：「AI導入生產環境的速度，已超越多數組織建立相應資安防護措施的進程。隨著客戶需求增長，攻擊者的覬覦也與日俱增。許多AI開發商缺乏專職資安團隊，也缺乏保護大規模AI系統的相關經驗。我們提供獨特的專業知識，幫助這些業者更快推出值得信賴、安全可靠的AI解決方案，將創新轉化為真正符合企業需求的成果。」 AI新創企業雖然具備快速創新的優勢，但企業客戶評估導入AI時，往往更重視信任基礎、治理機制與資安成熟度。TrendAI™透過完善的AI安全與治理能力，協助企業縮短創新與信任之間的落差。 此計畫旨在協助新興AI業者，從技術賦能、AI資安權益到合作夥伴專屬福利，全面提升涵蓋模型、管線(pipeline)、代理與資料等完整AI技術堆疊的安全成熟度，具體內容包括： • AI紅隊／紫隊測試服務(享合作夥伴優惠價格)—由TrendAI™專家執行，針對提示詞注入、越獄攻擊、系統提示洩漏及工具濫用等情境，驗證AI應用程式的韌性，依據OWASP LLM Top 10及MITRE ATLAS框架提供基準測試與驗證報告，透過安全內建於設計之中，讓新興業者自信上市。 • 免費點數—提供六個月TrendAI Vision One™ AI Security免費使用權，供開發或概念驗證(PoC)環境測試與驗證。 • 整合與賦能—提供參考架構、SDK/API及整合範例，與常見AI開發框架相互對齊。 • 客戶端資安素材—提供白皮書與解決方案簡介，協助向客戶清晰傳遞AI資安價值。 • AI資安諮詢與輔導—為開發團隊提供結構化培訓與專家指導，涵蓋AI資安最佳實務、威脅意識與實作建議。 • 聯合行銷與客戶曝光—共同出席TrendAI™ Spark活動，並名列TrendAI™合作夥伴，擴大觸及範圍，與尋求合格AI夥伴的客戶建立連結。 包括GMI Cloud在內的TrendAI™合作夥伴，正建構並部署其平台，以驅動下一波AI創新浪潮。Inception Program的設計，正是直接回應AI新創企業對獲得可信資安驗證、加速企業採購的迫切需求。 GMI Cloud創辦人暨執行長Alex Yeh表示：「隨著企業將AI從實驗性應用推進至大規模部署，資安已成為AI基礎架構不可或缺的一環。GMI Cloud專注於提供可擴展的AI基礎設施與推論平台，為真實企業環境而生。我們也深知，AI在模型、代理、管線與推論工作流程等方面，帶來了全新的攻擊面。透過Inception Program，我們得以將可擴展的AI基礎設施，與TrendAI™數十年的資安專業結合，協助客戶以更高的信任、治理與運營信心部署AI，共同實現更安全、可擴展且符合企業需求的AI部署。」 由李長榮集團與長興材料共同投資、以AI為核心的工業智慧新創昂鋐科創(Ontonics Lab)營運長 翁英哲(Robin Wong)表示：「在Ontonics Lab，資安是我們產品設計哲學的根本。作為服務工業企業的AI&nbsp;原生平台，我們必須從第一天起就確保最高標準的安全性、可靠性與信任。TrendAI™的紫隊測試專家能幫助我們驗證架構、發掘原本可能被忽視的漏洞，並將在產品上市前強化平台。這項來自TrendAI™的獨立驗證，不僅提升了客戶信任，也在我們向工業企業推出AI原生解決方案的過程中，帶來了明確的競爭優勢。」 加入Inception Program的合作夥伴，將能透過TrendAI Vision One™ AI Security存取AI資安套件，其中涵蓋資料與安全態勢管理、即時掃描工具、安全存取、Agentic SIEM等多項功能。 （本文訊息由 TrendAI 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。圖片來源：Unsplash）</p>

技鋼科技攜 NVIDIA Vera Rubin 亮相，從桌上型超級電腦到貨櫃 AI 工廠一次看

<p>技鋼科技為技嘉旗下子公司，專注於加速運算與基礎架構解決方案，今日於 Computex 2026 正式亮相，展示最新 AI 解決方案，涵蓋從輕薄緊湊 PC 上的 Token 生成、桌上型超級電腦，到快速部署貨櫃資料中心等多元應用。技嘉科技展位集中呈現由 NVIDIA 驅動的全方位 AI 基礎架構解決方案，加速企業、研究機構及工業應用領域的次世代運算發展。 機櫃級 AI 超級電腦 展區亮點包含劃時代的 NVIDIA Vera Rubin NVL72 平台，專為大規模 AI 訓練與推論及自主代理式 AI（Agentic AI）而設計。NVIDIA Vera Rubin NVL72 全面引領自主代理式 AI 時代，推論效能每瓦吞吐量提升 10 倍、Token 成本可降至十分之一，訓練所需 GPU 數量亦減少至四分之一。參觀者可親眼見證構成這款第三代機架級平台的所有關鍵元件，包含運算與網路架構。儘管機櫃級解決方案的效能逐代大幅提升、功率密度持續增加，現有電源架構仍面臨物理限制。為此，展區同步展出全新 800 VDC（800伏特直流電）解決方案，用於次世代電力配送。 串聯 Real-to-Sim-to-Real AI 工作流程 緊鄰機櫃級解決方案的展區，呈現一套涵蓋數位孿生模擬、模型訓練與即時邊緣控制的 Real-to-Sim-to-Real 解決方案。第一階段採用搭載NVIDIA RTX PRO 6000 Blackwell 的GIGABYTE XLS4-SX2 伺服器，擷取真實世界資料並重建模擬環境；第二階段使用基於 NVIDIA HGX Rubin NVL8 的 GIGABYTE G2L4-SD4 伺服器進行 AI [&hellip;]</p>

AI 降低國家級網攻門檻：伊朗如何用 ChatGPT、Gemini 加速情報滲透

<p>生成式 AI 正逐漸成為伊朗網路戰的新利器。《金融時報》報導指出，伊朗軍方與相關駭客正在使用 ChatGPT、Gemini 等西方 AI 模型，輔助惡意程式開發、釣魚訊息撰寫、假身分經營與漏洞掃描，讓既有網攻流程變得更快、更便宜、更容易規模化。透過 AI 協助，駭客能產出自然流暢的多語言釣魚訊息，進一步擴大攻擊規模並提高行動效率，讓伊朗在數位戰場上的威脅程度持續升高。 想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 多國網路戰升溫：伊朗藉 AI 強化網攻與情報滲透 伊朗自今年 4 月初起與以色列及美國維持停火狀態，但雙方在網路空間的攻防並未停歇。一名不具名的資安專家表示，伊朗駭客幾乎在攻擊流程各階段使用 AI prompt，包括掃描敵方漏洞、保護自身弱點，以及生成更可信的假身分，用來接觸美國與以色列目標。 《金融時報》指出，區域衝突期間，各國同樣面臨網路攻擊升溫的情況。阿拉伯聯合大公國曾指出，境內每天遭受超過 50 萬次網路攻擊；以色列民眾也頻繁收到大量釣魚郵件與詐騙簡訊，部分訊息甚至假借合作名義，試圖引誘收件人與伊朗情報單位接觸。 前美國聯邦調查局高階網路官員、現任資安公司 Halcyon 資深副總裁 Cynthia Kaiser 表示，針對美國的大多數攻擊活動仍以較為初階的阻斷服務攻擊（DDoS）為主，這類攻擊透過大量垃圾流量癱瘓網站運作。在以色列，則由伊朗政府相關駭客組織 Handala 持續展開攻擊行動。《紐約時報》提及，該組織表面上偽裝成獨立的駭客行動團體，但實際上受伊朗情報與國家安全部控制，為伊朗主要情報機構。他們過去曾入侵並外洩以色列國防軍前總參謀長赫爾齊·哈勒維（Herzi Halevi）相關帳號，也公開過隸屬以色列情報機構分析人員的部分資料。 以色列資安公司 Check Point 策略副總裁 Gil Messing 表示，許多過去需要投入大量人力的工作，如今都能透過 AI 快速完成，讓攻擊行動的規模與速度同步提升。他指出，伊朗正積極運用各種 AI 工具，加速網路作戰部署與執行。 《金融時報》提及，伊朗駭客早已開始嘗試將 AI 導入網路攻擊，近年大型語言模型快速發展後，相關能力更進一步提升。過去若要假扮成美國企業員工或政府機構人員，需要長時間研究語言習慣與文化背景，才能取得目標信任；如今透過 AI 生成自然流暢的對話內容，這類偽裝工作變得更加容易。Google 今年稍早便發現，與伊朗政府有關的駭客組織 APT42 利用 [&hellip;]</p>

AI 讓個人生產力大爆發，為何企業 ROI 仍看不見？關鍵在決策流程重組

<p>《Exponential View》報導，知名科技公司主管分享導入 AI 後的觀察。她管理約一千名工程師，幾乎所有人都已將 Claude Code 納入日常開發流程。從數據來看，工程師寫出更多程式碼、提交更多 pull request，也能在更短時間內完成工作。然而，個別員工效率提升，並不代表企業整體表現同步成長。雖然團隊成員都變得更有效率，但個人生產力提升並沒有等比例轉化成公司層級的 ROI、產品成果或營運效率，才會出現「1 + 1 + 1 + 1 只等於 1.5」的落差。 生產力被低估？為何 AI 創造的價值未反映於數據 這種現象並非個案。Uber 營運長 Andrew Macdonald 日前也坦言，企業雖然已投入大量資源發展 AI，但目前仍難以明確衡量其對業務成果的實際貢獻。他表示，產品開發速度或許有所提升，市場上推出的新功能也比過去更多，但要證明這些成果直接來自 AI，甚至進一步量化為企業多創造了多少價值，仍相當困難。 無論是個人用戶還是企業客戶，都已逐漸將 AI 納入日常工作流程。以 Anthropic 為例，兩年前每年在 Claude 上投入超過 100 萬美元的企業客戶僅十餘家，如今已突破千家；同一時間，平均企業客戶的支出規模更成長至原本的五倍。這些數據顯示，企業對 AI 的採用程度正快速提高。但當企業被問及實際成效時，答案卻不如市場熱度般樂觀。《Exponential View》提及，自 ChatGPT 問世以來，僅有 27% 的企業高階主管認為 AI 已達到預期的投資報酬率。 SemiAnalysis 將這種現象稱為隱形產出（Dark Output），以法律文件撰寫為例，當 AI 開始處理原本由律師完成的基礎工作後，客戶獲得的服務並未消失，但相關收入卻不再計入法律產業。結果是統計數據看到的可能是產值下降，卻看不見背後其實完成了同樣甚至更多的工作。SemiAnalysis 指出，現行統計制度主要依據價格與營收衡量服務業產出，不容易反映 AI 帶來的效率提升。隨著越來越多工作轉由 AI [&hellip;]</p>

黃仁勳宣布「有用的 AI 已經到來」：從 AI 工廠、AI PC 到實體 AI，全面押注代理式 AI

<p>「代理式 AI（Agentic AI）已經到來，有用的 AI （Useful AI）已經到來。」COMPUTEX 2026 台北國際電腦展與 NVIDIA GTC Taipei 在今（6/1）同步拉開序幕，NVIDIA 執行長黃仁勳發表主題演講，圍繞代理式 AI 宣布一系列重磅更新，一路從 AI 基礎設施、AI PC，談到實體 AI（Physical），為接下來的 AI 趨勢定調。 為什麼稱「有用的 AI」已經到來？ 黃仁勳以軟體開發為例指出，GitHub 的程式碼提交（commit）數量正快速增加，從 2023 年的 3 億次、2024 年的 4 億次、成長到 2025 年的 5 億次，而到了 2026 年的最初幾個月，這個數字「幾乎增加了三倍」。 他將這個增幅換算成經濟價值：全球約 3,000 萬名軟體開發者每年領取約 3 兆美元的薪資，當產出接近三倍，等於用 3 兆美元的薪資成本，撬動出約 9 兆美元的生產力。他並反駁「AI 會減少工作機會」的說法，理由是當一名工程師能創造的價值大幅提高，企業反而會想雇用更多工程師。 「AI 現在是利潤產生器，AI 現在是 GDP 產生器。」黃仁勳表示，當企業發現 AI 能夠直接創造收入，就會想建立更多 [&hellip;]</p>

COMPUTEX 2026：AI 從雲端走入真實世界，台灣領銜全球產業轉型

<p>全球科技產業高度關注的年度盛會—2026年台北國際電腦展（COMPUTEX 2026）將於明（2）日於台北南港展覽館1、2館及台北世貿1館盛大登場，今年以「AI Together」為主軸，匯集來自33個國家／地區、1,500家海內外科技企業，使用6,000個攤位，展覽規模再創歷史新高，全面展現全球AI產業鏈最新技術、應用與未來趨勢。 今年不僅邀集高通（Qualcomm）、邁威爾科技（Marvell）、英特爾（Intel）以及恩智浦（NXP）等全球科技巨擎發表主題演講，眺望AI時代下的產業洞察與趨勢；此外，今年亦打造「AI機器人區」、「科技應用暨體驗館」及「電子紙產業專區」展區，串聯全球科技生態。 外貿協會董事長黃志芳表示：「COMPUTEX 2026以『AI Together』為核心主題，聚焦AI產業從算力競賽邁入實體落地的關鍵轉折—從雲端走入製造自動化、高齡照護與勞動力轉型等真實場景。這不僅是台灣硬體製造韌性與全球軟體生態深度對接的戰略平台，更清楚宣示：AI的下一個戰場，是解決真實世界的問題。」 台北市電腦公會理事長陳俊聖指出：「COMPUTEX 2026以「AI Together」為主題，反映AI正從單點技術突破邁向系統整合與生態系協作。AI競爭已不只是模型與算力，而是涵蓋運算、傳輸、儲存、能效與應用的完整系統能力。台灣將從晶片、系統到應用場景，持續扮演全球AI發展的重要角色。」 想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展 COMPUTEX 2026聚焦AI應用落地　打造完整科技生活圈 因應邊緣AI與跨域整合需求快速成長，COMPUTEX 2026以「AI運算」、「機器人＆智慧移動」及「次世代科技」三大主題為核心，從晶片、運算平台到終端應用，全面呈現AI如何加速產業升級與生活轉型，建構完整「COMPUTEX科技生活圈」。 據TrendForce預測，2028年全球機器人大型語言模型（LLM）市場預期將突破1,000億美元，年複合成長率（CAGR）達48.2%。為因應實體AI與智慧機器人龐大商機，COMPUTEX 2026於世貿展區首度打造「AI機器人區」，展示AI機器人、智慧服務、自主移動與人機協作等應用成果，串聯全球機器人供應鏈與創新解決方案。此外，今年同步推出「科技應用暨體驗館」、「電子紙產業專區」，鎖定智慧應用、低碳永續及沉浸式互動體驗，展現AI技術如何深入智慧生活、零售、醫療、教育與永續場域，描繪未來科技生活新樣貌。 全球科技領袖齊聚　全面解析AI產業新趨勢 今年COMPUTEX主題演講（Keynote）陣容堅強，邀集Qualcomm總裁暨執行長Cristiano R. Amon、Marvell主席暨執行長Matt Murphy、Intel執行長陳立武以及NXP總裁暨執行長Rafael Sotomayor等全球業界領袖登場，從AI加速運算、邊緣運算到次世代行動平台，解析關鍵技術革新與產業趨勢。 同步登場的COMPUTEX Forum今年規模再創新高，三天共規劃28場議程，集結NVIDIA、Microsoft、Google DeepMind等國際科技企業、30位重量級講者，圍繞「機器人、自動化與實體AI」、「AI運算、基礎架構與開發」、「生成式AI與智慧內容應用」、「AI裝置、物聯網與邊緣運算」、「產業落地AI應用」及「資料智能、治理與安全」六大主題，分享從雲端到邊緣、從基礎架構到應用落地的最新技術進展與實務經驗。 InnoVEX匯聚全球新創能量　打造AI創新交流平台 「InnoVEX新創展區」來自23國、近500家新創團隊參展，匯聚來自法國、日本、韓國、泰國、澳洲、以色列、加拿大、義大利及捷克等9大國家館，展現COMPUTEX作為亞洲指標新創平台的國際影響力。InnoVEX聚焦AI、智慧移動、綠色科技、次世代通訊與創新應用，串聯全球創投、加速器與科技企業資源，打造跨國合作與技術交流的重要平台，持續激發創新動能與未來商機。 （本文訊息由 COMPUTEX 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。圖片來源：COMPUTEX）</p>

立即報名 6/4「2026 國際創業天使趴」，與加拿大、泰國、捷克新創團隊交流、鏈結國際創新資源

<p>誠摯邀請您參與「2026 國際創業天使趴 International Startup Angel Party」！ 本次活動將邀請來自加拿大、泰國、捷克等國之新創團隊來臺 Pitch 發表與交流，並串聯臺灣創投、企業及國際創新資源，共同打造跨國合作與投資媒合平台。 We sincerely invite you to join the “2026 International Startup Angel Party”! This event will bring together startup teams from Canada, Thailand, and the Czech Republic to pitch and network in Taiwan, while connecting Taiwanese venture capital firms, enterprises, and international innovation resources to foster cross-border [&hellip;]</p>

宏庭科技榮獲 Google Workspace 大中華區新簽約銷售冠軍，助大型企業以 Agentic 賦能指數型成長

<p>隨著 AI 與雲端協作工具快速普及，越來越多大型企業開始檢視既有的郵件與辦公室協作平台，從傳統地端系統走向更具彈性與 AI 高度整合的現代化工作平台。近年企業導入 Google Workspace 的需求，已從過往單純的郵件替換，逐步轉向「Agentic Workspace」的全面轉型。 在此趨勢下，台灣雲端技術領導品牌宏庭科技（Microfusion Technology）宣布，榮獲 Google Workspace 大中華區 2025 年新簽約銷售冠軍（Google Workspace APAC 2025 Leaderboard Champions — Highest Total of New Bookings）肯定。此獎項不僅肯定了宏庭科技在亞太地區推動 Google Workspace 的市佔領先地位，更彰顯其在協助千人規模之大型企業進行數位轉型時，具備深厚的架構遷移技術與顧問整合服務。 傲視亞太，斬獲 Google Workspace 新簽約銷售冠軍 Google Workspace 每年度透過 Leaderboard Champions 評選出市場影響力最傑出的合作夥伴。宏庭科技在 2025 年度的激烈競爭中脫穎而出，奪下新簽約銷售冠軍。 宏庭科技台灣谷歌事業處處長李仁豪表示：「企業現在面對的挑戰，已經不只是將 Email 搬上雲端，而是如何建立與 AI 深度協作的嶄新工作模式。從協作平台、權限治理到資料整合，企業都需要更具延展性的架構，才能真正進入 AI 驅動的工作模式。宏庭科技在此 AI 趨勢下，獲得 Google Workspace 大中華區新簽約銷售冠軍，無疑是獲得市場與國際原廠的高度信任。」 從中小企業到千人集團，量身打造專屬搬遷策略 [&hellip;]</p>

科技巨頭裁員佔滿頭條，但 AI 對職場最深遠的影響可能正在小型企業悄悄發生

<p>大型科技公司的裁員潮佔據了多數媒體版面，但部分經濟學家認為，AI 對職場的最深遠影響，可能正在一個更不引人注目的小型企業裡發生。這裡的組織架構更扁平、重組成本更低，新技術的採用與落地可以比大公司快得多。 一家吉他學校的組織重組 Spencer Handley 經營的線上吉他教學平台 Sonora，擁有包含 Tom Misch 與 Billy Strings 在內的職業音樂人學員；平台穩定成長了七年，幾乎未受 AI 浪潮影響，直到 Anthropic 在去年 11 月發布 Claude Opus 4.5，情況才驟然改變。 這款模型經過專門訓練，能夠執行長時間運行的代理任務，包含軟體工程與行政作業。Handley 很快發現，AI 已能複製他用來經營業務的企業軟體，他說：「我意識到遊戲規則變了，你可以在沒有任何人工介入的情況下，複製一家十億美元公司的軟體。」 這個發現直接改變了公司的用人結構。負責接觸潛在客戶的 12 人「開發團隊」幾乎全數裁撤，銷售主管、客戶入職團隊與部分營運人員也隨之離開。 留下來的員工轉為監督 AI 代理，這些代理負責撰寫行銷文案、追蹤潛在客戶，並協助吉他老師引導新學員完成入職流程。 到了今年四月，Handley 已用客製化工具取代 HubSpot、Calendly、Vimeo 與 DocuSign，每年節省約 25 萬美元的軟體費用，同時將客戶資料集中管理，讓 AI 代理更容易調用。公司從 48 人縮減至 30 人，但營收沒有下滑，實際上成果還略微提升。 小型企業是更敏感的感測器 Sonora 的案例之所以值得關注，不只因為它的規模縮減，更因為它所代表的速度。 哈佛經濟學家 David Deming 在 2025 年指出，AI 在小型企業（包含新創公司）的採用速度快於大型企業。如果這個判斷成立，大型科技公司裁員數千人的頭條新聞，可能掩蓋了 AI [&hellip;]</p>

中國 EV 競爭門檻變了：比亞迪以自研 4nm 晶片與平價 LiDAR，掀起智慧駕駛平價化戰爭

<p>比亞迪（BYD）近期發表一系列智慧駕駛技術進展，其中最受矚目的便是號稱中國最強自駕車晶片的 Xuanji A3，凸顯比亞迪試圖在高度競爭的中國電動車市場中，與華為、小鵬、小米等對手做出明顯區隔的決心。 這場技術發表會的背景，正值比亞迪面臨連續 8 個月銷售下滑、激烈的價格戰壓縮獲利空間，以及中國車市在充電技術與智慧駕駛領域競爭日益加劇的艱困時刻。外媒指出，比亞迪這次推出 Xuanji A3 晶片與擴大搭載 God’s Eye 輔助駕駛系統，正是在獲利與銷售雙重壓力下，嘗試將電動車的競爭戰場從「價格」轉向「技術」的一次重要策略改變。 自研 4nm 晶片上車，全面掌握智慧駕駛核心供應鏈 Xuanji A3 晶片是中國首款自主研發的 4nm 輔助駕駛晶片，目前已進入量產階段。比亞迪董事長王傳福強調，Xuanji A3 具備業界最佳的能效表現，較同類型晶片省電約 20%，三顆 Xuanji A3 晶片的合計算力超過 2,100 TOPS，足以支援 L3 與 L4 級別的自動駕駛能力。更具戰略意義的是，這款晶片作為比亞迪新一代中央運算平台的核心，搭配統一的軟體套件，成功將車內原本各自獨立的「智慧座艙」、「先進駕駛輔助系統」以及「核心電動動力系統」這三大領域整合。 相較於多數仰賴外部晶片供應商的車廠，比亞迪自 2002 年設立晶片專責部門以來，已在半導體領域投入超過 1,000 億人民幣、擁有 5 座晶圓廠，並推出超過 2,000 款晶片。這種高度垂直整合的模式，讓王傳福形容，比亞迪是全球唯一完全掌握輔助駕駛供應鏈的車廠。 LiDAR 下放平價車款，為獲利壓力創造新收入來源 掌握核心硬體後，比亞迪的下一步是將智慧駕駛體驗「平民化」。雖然比亞迪目前尚未提供完全無人駕駛技術，但已計畫在中國全車系中擴大部署部分自動化駕駛輔助系統。 最具突破性的是，比亞迪將把搭載 LiDAR（光學雷達）的升級版 God’s Eye 智慧駕駛功能，導入起價僅 69,800 人民幣（約 10,300 美元）的 Seagull 這一類大眾市場車款。這也讓 [&hellip;]</p>

你以為自己在看 4K，實際上可能是 2K：一位工程師的演算法讓 Netflix、YouTube 都離不開他

<p>由 Al Bovik 所發明的「結構相似度（SSIM）」演算法，讓科技公司能夠將影音內容壓縮至極限，使串流平台與社群媒體如 Netflix、YouTube，在影像品質與流量壓縮之間獲得了解套。</p>

【科技早餐】台灣 GDP 上修至 9.64%，COMPUTEX 把全球 AI 供應鏈推上主場

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊COMPUTEX 開展前夕，全球 AI 供應鏈在台灣同場卡位 COMPUTEX 將在 6 月 2 日於台北登場，台灣成為 AI 晶片、先進封裝、記憶體與系統整合集中亮相的主場。《路透》指出，今年 COMPUTEX 的焦點，不只在 NVIDIA，也包括台灣在 AI 基礎建設供應鏈中愈來愈核心的角色。外貿協會表示，包括高通（Qualcomm）、英特爾（Intel）、Marvell、NXP 等 4 家公司執行長，以及近 30 位企業高階主管將發表演講，與會公司市值規模超過 10 兆美元。 市場也關注英特爾、NVIDIA 與台積電之間的競合關係。NVIDIA 執行長黃仁勳近日表示，NVIDIA 與英特爾有「很棒的合作夥伴關係」。韓媒也報導，SK 集團等韓國企業高層將在 COMPUTEX 期間與 NVIDIA 方面互動。隨著 HBM 記憶體與 AI 晶片高度綑綁，台灣、韓國與美國供應鏈正在形成新的競合關係。 ＊台灣 GDP 上修至 9.64%，AI 需求推動全年成長創 16 年新高 主計總處最新公布，台灣 2026 年經濟成長率預測大幅上修至 9.64%，創 16 年新高。這波上修主要來自 AI、高效能運算，以及雲端服務商資本支出需求強於預期。台灣第一季 GDP [&hellip;]</p>

模擬是思考、數位分身是連結現實：智慧製造下一波關鍵技術解析

<p>Visual Components 業務發展總監 Graham Wloch 近日在《The Robot Report》撰文分析，近年製造業加速導入虛擬工具，重點已不只是把生產流程數位化呈現，而是希望能在正式投產前，先完成測試、調整與流程優化。模擬（simulation）與數位分身（digital twin）因此成為企業推動數位轉型的重要技術。不過，許多製造商在導入過程中，仍不清楚兩者實際上的功能差異與應用場景。理解這些技術在系統設計、產線規劃與後續營運中的角色，已成為企業評估投資效益與制定策略時的重要關鍵。 數位分身不是模擬：解析兩者在智慧製造中的角色差異 Graham Wloch 指出，模擬與數位分身雖然都能建立虛擬化的生產環境，但兩者的用途其實並不相同。 模擬比較像是在假設情境中進行測試。系統會根據預設條件與規則，推演產線運作可能出現的結果。在製造業裡，常見的是離散事件模擬（discrete event simulation），也就是把機器、輸送帶、機器人與各項作業流程轉換成虛擬模型，再透過邏輯運算觀察整體運作情況，藉此提前找出瓶頸或效率問題。 至於數位分身，它不只是建立一套虛擬模型，而是讓虛擬系統與真實設備持續同步、即時互動。也就是說，現場設備的狀態、數據與變化，會不斷更新到虛擬系統中，而系統分析後的結果，也能反過來影響實際運作。這是數位分身與一般數位模型最大的差別。 目前製造業中的數位分身應用，已經從單一設備擴展到整條產線，甚至整座工廠。這些虛擬系統會隨著實際環境持續更新，除了讓管理者掌握現況，也有助於分析問題發生的原因，進一步提升決策效率與生產彈性。 不只同步資料，數位分身下一階段關鍵在「語意智慧」 模擬與數位分身技術都建立在虛擬模型之上，因此具有不少相似性，但模擬具有基礎性的角色，它能協助製造商探索不同可能性、驗證設計方案，並在系統真正與真實資料流整合之前建立信心。如果缺乏完善的模擬基礎，數位分身很可能只是複製了系統的複雜性，卻無法帶來真正清晰的洞察。Graham Wloch 說明，模擬是「思考發生的地方」，因為假設會在此被驗證、洞察會在此被產生；而數位分身則是這些思考與真實世界接軌的地方。 另一方面，加拿大軟體公司 OpenText 在官方部落格補充，數位分身（Digital Twin）相關論述已經出現明顯轉變。未來的數位分身不只需要同步設備資料，更要能理解事件背後的營運意義，這種讓系統具備理解情境與推理能力的技術，被稱為「語意智慧」（semantic intelligence），能理解這些事件在營運層面上的真正意義。例如它們將如何影響生產排程、庫存供應、維護優先順序、永續發展目標、法規遵循，以及對客戶的承諾。 過去，數位分身通常被定位為實體資產或環境的虛擬複製體；然而，如今的願景則更加宏大，目標是建立能夠理解系統狀態、行為、關係、情境，以及歷史意義的智慧系統。許多討論也指出，傳統數位分身架構正逐漸顯現其限制。它們在模擬系統狀態與行為方面非常有效，但當關係產生動態變化，或系統缺乏語意理解能力時，其效能便明顯不足。這項洞察，很可能將定義數位分身創新的下一個階段。 ＊本文開放合作夥伴轉載，資料來源：《The Robot Report》、OpenText，圖片來源：Unsplash。</p>

【Google Cloud Next 2026】AI Agent 解題不再盲猜！Google Cloud Knowle…

<p>從資料脈絡到引用來源，讓 AI Agent 的每一次推理都有跡可循。 隨著企業導入 AI 的速度持續加快，真正的難題也開始浮現：AI 雖然會整理資料、回答問題，卻不一定理解企業內部的業務專屬邏輯。 根據麥肯錫《2025 年 AI 全球調查：應用、創新與轉型》報告顯示，88% 受訪者表示其組織已在至少一項業務職能中規律使用 AI；然而，調查結果也指出，雖然 AI 工具已相當普及，但多數企業尚未將 AI 深度整合至日常工作流程與業務流程中，因此 AI 仍難以實現企業級價值。 正如這次 Google Cloud 在 Next ’26 大會上強調的核心觀點，沒有上下文的推理，最終只是一種猜測。 當我們期望 AI Agent 不只是回答問題，而是能協助判斷庫存風險、合規問題、客戶流失原因，甚至自動提出行動建議時，最大的阻礙在於企業的資料與數據是分散在不同角落，有些在 PDF、有些藏在視訊會議記錄、以及各個資料庫和應用程式中。為了解決這個痛點，Google Cloud 在 Next ’26 推出了 Agentic Data Cloud，並將 Knowledge Catalog 定位為企業的「通用上下文引擎 (Universal Context Engine)」。 簡單來說，Agentic DataCloud 就像是企業資料的「智慧導航系統」，將分散的企業資料串成一張 AI 看得懂的知識地圖，讓 AI Agent 不只會搜尋資料，還能沿著資料脈絡找到來源、理解關聯，最後做出有憑有據的判斷。 從「資料生命週期」看 [&hellip;]</p>

【Google Cloud NEXT 2026】Gemini Enterprise Agent Platform 開啟…

<p>當 AI 從「回答問題」走向「完成工作」，企業需要的不再只是一個聊天機器人，而是一整套能建構、治理、擴展 AI 代理人的基礎設施。 Google Cloud NEXT 2026 的焦點為何是「代理平台」？ 2026 年 4 月 22 日，Google Cloud 在拉斯維加斯揭開年度大會 Google Cloud Next 2026 的序幕。從 Google CEO Sundar Pichai 到 Google Cloud CEO Thomas Kurian 的主題演講，再到各大媒體的現場直擊，整場活動的核心主題只有一個：「代理式企業 (Agentic Enterprise)」。 其中最受矚目、也最被外界認定為本屆大會「C 位」的發佈，正是全新的 Gemini Enterprise Agent Platform。這不只是一次產品更新，而是 Google 把原本用於 AI 開發的 Vertex AI 整個「升級換代」，重新打造成專為 AI 代理人 (AI Agents) 而生的一站式平台。 根據 [&hellip;]</p>

不用駭進軍方系統也能追蹤美軍行動，手機裡的「廣告數據」如何成為國安破口？

資料多已不是優勢！momo：AI 時代真正的競爭力，是問對問題、做對決策

<p>台灣電商龍頭富邦媒今(29)日受邀出席「FineEvent 2026 台灣帆軟用戶大會」，首度對外分享 momo 推動數據治理與智慧決策的實務經驗。momo表示，隨著生成式 AI 與代理式分析(Agentic Analytics)快速發展，企業競爭已不再只是比數據量，而是能不能讓第一線團隊更快找到資訊、看懂問題並做出決策。數據應用也正從過去的「看報表」，逐步走向「和數據對話」的新階段。 今年大會以「十年共進．智領新局」為主題，聚焦企業數據治理、AI 分析與智慧決策應用。momo 由倉儲運輸暨平台研發處處長吳康德代表出席，分享 momo 如何透過數據治理、自助分析工具與 AI 技術整合，逐步建立兼具即時性與效率的智慧運作架構，讓數據不只留在後台，而是成為企業營運與策略判斷的重要依據。 打破報表塞車　「FineBI × CDP」雙引擎推動精準營運 隨著市場競爭加劇，傳統數據使用模式正面臨挑戰。吳康德指出，過去商業分析多以週報、月報形式呈現，且資料使用權限集中於資訊單位，業務單位從提出需求、撈資料到產出報表，往往需要花費不少時間，難以跟上市場變化與消費需求。 為了解決「報表塞車」問題，momo 近年持續導入 FineBI 自助分析工具，降低資料使用門檻，讓業務、營運、行銷與物流等第一線團隊，也能直接查詢與分析資料。原本需要仰賴資訊部門支援的流程，逐步轉變為業務端可自主查詢、自主分析的模式，縮短從發現問題到採取行動的時間，加快決策速度。 在會員經營方面，momo 也同步深化第一方數據應用，透過 CDP(顧客數據平台)整合消費者行為與交易資訊，並結合 One ID 技術建立更完整的會員輪廓。FineBI 幫助團隊了解「發生了什麼」，CDP 則進一步補足「是誰」以及「下一步可能需要什麼」，透過雙系統整合，讓行銷與營運團隊更精準掌握消費者需求。 串聯54個部門、整合近千份報表　建立全公司共通語言 吳康德表示，自助分析要真正發揮價值，關鍵仍在於「數據治理」。為此，momo 啟動跨部門數據治理工程，串聯經營管理、電商、物流與財會等 54 個單位，建立數據字典、整合近千份報表，統一指標定義與資料標準，建立全公司共通的數據語言。透過一致的標準，不同部門在解讀營運與業績數字時，就能站在同一基準上討論，也讓 AI 未來更容易理解資料背後的商業邏輯，而不只是停留在表面數字。 資料架構升級　工時最高減少八成，決策從等待走向即時 除了數據治理外，momo 也同步升級資料基礎架構，目前已導入湖倉平台、K8s 容器化管理，以及「存算分離」技術，提升大規模資料查詢效率。即使面對千萬級資料量與高頻查詢需求，系統仍可維持秒級回應速度。同時，過去大量人工彙整與重複整理報表的流程也大幅簡化，整體工時最高減少八成，降低資料處理成本與等待時間。原本需要等待資料、反覆整理的流程，逐步轉變為即時掌握與快速分析。對 momo 而言，資料架構升級不只是技術優化，更代表企業決策模式正從「等待資料」走向「即時掌握」。 從「會用工具」到「會提問題」　讓分析能力成為每個人的日常工具 展望下一階段發展，momo 規劃導入 FineChatBI 等 AI 分析工具，透過自然語言問答降低資料使用門檻，未來同仁不一定需要熟悉複雜報表或分析語法，只要用對話方式提問，就能直接取得洞察與分析結果。 吳康德表示：「企業真正的競爭力，不是擁有多少資料，而是能不能比別人學得更快、行動得更準。」 未來資料應用將從「會使用工具」逐步走向「會提出問題」。隨著 AI 與自然語言技術日漸成熟，資料分析不再只是少數專業人員的工作，而將逐步成為全團隊的基本能力。未來企業比的，也許不只是誰資料多，而是誰更會問問題。 [&hellip;]</p>

不當追隨者：法國 Mistral AI 宣布三大策略打造全棧生態，與美科技巨頭拼企業主權

<p>法國 AI 新創公司 Mistral AI 舉辦首屆官方大會，釋出多項重大擴張計畫。這家成立僅三年的法國公司，透過進軍工業製造、於巴黎南部打造全新推理資料中心，以及全面重塑消費端 AI 助理品牌等三大核心策略，展現其野心。Mistral 的目標明確：許多企業拒絕將最敏感的數據拱手讓給微軟、亞馬遜等美國雲端巨頭，而 Mistral 希望成為這些企業心目中值得信賴的首選企業級 AI 服務商。 《VentureBeat》報導，這次大會最受矚目的焦點是工業工程專用 AI 平台 Mistral for Industrial Engineering。這套軟硬體整合的完整技術堆疊，將 Mistral 旗下的大型語言模型，與今年五月初剛收購的 Emmi AI 物理模擬技術深度結合。該平台鎖定航太、汽車與半導體三大產業，提供能大幅加速產品設計、驗證模擬並優化製程的工具。 不只做聊天機器人，Mistral 瞄準航太與汽車產業核心 隨著新平台亮相，Mistral 也祭出重量級的合作陣容。在航太領域，Mistral 將與空中巴士展開全面合作，範圍橫跨商用飛機、直升機、國防及太空部門，將 AI 深度導入從研發初始設計到機載設備的各個環節。在汽車製造方面，Mistral 成為 BMW 集團大型工業模型計畫的核心夥伴，雙方將聯手開發專門用於碰撞模擬等複雜工程的多模態推理模型。此外，身為 Mistral 最大股東的半導體設備巨頭 ASML，也是這項技術的早期採用者。 Mistral AI 執行長 Mensch 表示，這波工業化布局切中了目前 AI 落地的痛點。他對峰會觀眾表示，現在的 AI 雖然很擅長幫知識工作者和軟體工程師自動化處理日常工作，但傳統工程師的需求卻被嚴重忽略了。他進一步解釋，這背後是結構性問題：不論是模擬飛機機翼的氣流還是工廠的製程，都需要耗費大量算力的物理方程式計算軟體，每改一次設計變體，就要等上好幾天甚至幾週。這種傳統模擬帶來的時間瓶頸，導致工程師根本沒辦法利用 AI 進行快速的設計迭代。 為了打破僵局，Mistral 研發出核心技術物理 AI。這套數據驅動模型直接透過求解器的輸出數據進行訓練，過去需要耗費數小時的物理行為預測，現在只要在單個 GPU 上運行，幾秒鐘之內就能完成。Mistral 官方部落格坦言，物理 [&hellip;]</p>

AI 之後的下一場算力戰：IBM 砸 100 億美元，拚 2029 年突破容錯量子電腦門檻

<p>IBM 宣布未來 5 年將投入逾 100 億美元發展量子運算，目標是在 2029 年打造第一台能可靠執行複雜計算，且具備大型容錯能力（fault-tolerant）的量子電腦。這項投資涵蓋研發、資本支出、生態系合作、製造擴張與潛在併購，凸顯 IBM 正在把量子運算從長期的研究計畫，正式推向更明確的商用化時程。 押注 Starling 系統與「容錯能力」，嘗試跨越商用門檻 IBM 這次的核心目標並非單純增加物理量子位元數，而是致力於打造大型容錯量子電腦。目前實驗性的量子系統極易受到環境雜訊影響，讓高錯誤率大幅限制實用性。因此，《The Quantum Insider》指出，「容錯能力」正是現今實驗室機器與未來實用型商用系統之間的關鍵分水嶺。 為了跨越這個技術門檻，IBM 規劃推出名為「IBM Quantum Starling」的系統，預計具備 200 個邏輯量子位元（logical qubits），並可執行高達 1 億次量子閘（quantum gates）操作。《CryptoBriefing》說明，邏輯量子位元是經過錯誤校正的量子位元，能支撐更可靠的大規模計算。其中，1 億次量子閘的運算能力，則代表 Starling 將有機會處理目前古典電腦難以解決的複雜問題，例如分解現有密碼學的大型質數。 解決製造瓶頸，IBM 聯手美國政府打造專屬晶圓代工廠 Anderon 這項鉅額投資案是在美國政府上週的一項關鍵決策之後：美國決定對 9 家量子運算公司投入 20 億美元的股權投資。其中，IBM 將取得一半的資金，用於成立名為 Anderon 的新事業。《Reuters》指出，Anderon 將成為美國第一座專門的量子晶片製造工廠，除了政府資金外，IBM 也將投入 10 億美元現金，並提供智慧財產、資產與專業人力給這家新公司。此外，Anderon 未來也計畫將其晶片製造技術提供給外部客戶，目前已經與潛在客戶展開洽談。&nbsp; 《The Quantum Insider》補充，Anderon 總部將設於紐約，目標是在美國製造 300 毫米的量子晶圓，這被外界視為美國在量子運算領域至今最積極的產業政策之一。由於量子產業目前面臨的其中一個瓶頸就是「製造難以規模化」，因此專門的量子晶圓代工廠將有助於標準化生產流程、降低供應鏈限制，並加速讓量子技術從實驗室走向工業規模製造。 IBM 研究部門負責人 Jay [&hellip;]</p>

Anthropic 發表更「誠實」新模型 Opus 4.8，還想打造 AI 代理軍團作業系統

<p>AI 新創 Anthropic 在美國時間週四同一天連續投下兩枚震撼彈：一手完成新一輪鉅額融資、成為全球估值最高的 AI 新創公司，另一手則發表最新旗艦模型 Claude Opus 4.8。值得關注的是，這次新模型主打的不是更強的運算能力，而是「更誠實」。而這個組合，正好說明了 Anthropic 的整套策略。 估值反超 OpenAI，記憶體與晶片廠成新股東 根據《implicator.ai》報導，Anthropic 已完成 650 億美元融資，投後估值達 9,650 億美元，超越了 OpenAI 先前約 7,300 億美元的估值，成為全球最有價值的 AI 新創。這輪估值約為 Anthropic 三個月前 3,800 億美元的 2.5 倍。 根據《紐約時報》，本輪由 Greenoaks Capital、Sequoia Capital、Altimeter Capital 與 Dragoneer Investment Group 等投資人領投。值得注意的是新進股東名單。Anthropic 引進了 Samsung、Micron 與 SK Hynix，也就是它最需要產能的記憶體與晶片供應商。《Reuters》日前報導，Anthropic 為了因應市場對 Claude 的龐大需求，已不得不在尖峰時段實施使用限制。 41 天推出新版 Opus，Anthropic 押注「誠實 AI」 《TechCrunch》報導，Opus [&hellip;]</p>

AI 輔助飛行進入實機驗證：飛行員短缺與航管壓力，正把航空業推向自動化新階段

<p>想像一下，當飛機在跑道上加速升空，駕駛艙內的機長卻輕鬆地將雙手離開控制桿，這個畫面不是科幻電影，而是正在真實上演的航空科技革命。CNN 記者 Pete Muntean 近日在羅德島州親自搭乘新創公司 Merlin Labs 的 Cessna Caravan 測試機，見證 AI 系統「Merlin Pilot」如何參與從起飛、轉向、進場到降落的飛行任務。 Merlin Pilot 導入自然語言處理（NLP）模型，讓系統具備理解與溝通的能力，不僅能精準聽懂模擬航空管制員的指令，還能直接用電腦合成語音透過無線電即時對答。在實測過程中，試飛員甚至只需說出「Authorize」，飛機便會自動轉向新航線。 這場試飛也凸顯航空業對 AI 的態度已經更加務實，目前的戰略目標並非想要馬上打造出完全無人的客機，而是讓 AI 成為人類飛行員的重要副手，透過接管繁瑣的飛行任務與人類並肩作戰，並在實戰中逐步建立起航空業最在乎的安全標準與信任感。 飛行員短缺與航管壓力，讓航空業開始尋找 AI 解方 這波推動 AI 輔助飛行的浪潮，正逢全球航空公司面臨嚴重的缺工危機。波音（Boeing）公司估計，未來 20 年內全球將需要超過 60 萬名新飛行員。另一方面，近年來發生多起備受關注的驚險與致命事故，也讓航空安全官員承受巨大壓力，必須盡快改善老舊且負擔沉重的航管系統。 面對日益擁擠的空域，美國交通部長 Sean Duffy 向 CNN 表示，政府絕對不會將國家空域的安全外包給 AI 工具，飛航管制員依然會是空域的控制者，但 AI 的價值在於能降低他們的工作負荷，並提升整體空域的效率。 Merlin 執行長 Matthew George 則從駕駛艙內部的角度出發，認為導入 AI 的最大誘因是減少人為疏失，「80% 的航空事故仍是由人為錯誤引起，如果我們能減少這種情況，這將是我們非常值得投入時間的方向，」Matthew George 說。 AI 飛行員不是自動駕駛，最終目標是與人類飛行員協作 商用航空多年來早已導入大量的自動化技術，例如線傳飛控（fly-by-wire）系統就能在手動飛行時由電腦解讀飛行員的指令。然而，史丹佛大學自主系統與航空安全研究員 [&hellip;]</p>

打造「自主型工廠」不是投入 AI 機器人就夠，混合式空間、人類洞察力缺一不可

<p>當代人類正在親眼目睹製造業的根本性轉變，AI 技術讓機器不再只會照本宣科、重複固定動作，而是開始擁有感知與推理能力，促使傳統工廠升級成會「思考」的「自主型工廠」。</p>

點點簽與叡揚資訊攜手，實現表單到簽章 AI 零斷點整合

<p>KDAN 凱鈿 (TPEx: 7737) 旗下電子簽章品牌點點簽 DottedSign 與台灣軟體大廠叡揚資訊 (TPEx: 6752) ，以叡揚資訊 Vital BizForm 智慧表單與點點簽完成深度產品整合，企業客戶自此可在單一工作流中完成表單建立、AI 輔助審核、電子簽署與法遵存檔，實現從內部管控到對外簽約的零斷點數位體驗。 雙方於昨 (27) 日在台北集思台大會議中心共同舉辦「簽核表單 × 電子簽章：打造 AI 零斷點企業流程」研討會，正式宣告深化經銷合作夥伴關係，現場吸引來自各產業的企業數位轉型負責人與 IT 主管共聚交流。 深度整合落地：從流程斷點到一站式數位流程 研討會由點點簽事業群總經理張博瀚與叡揚資訊執行長特助林景堂共同開場，直指台灣企業普遍面臨的核心痛點：對紙本的依賴多數源於慣性，而非真實的安全考量。文件遺失、版本失控、簽署過程無從查核，才是真正潛藏的法遵漏洞；點點簽作為政府核可的電子簽章服務，符合台灣《電子簽章法》規範；整合至 Vital BizForm 後，企業完成的電子簽署即具備完整法律效力，並提供稽核軌跡、時間戳記與不可竄改機制，賦予企業紙本時代從未擁有的透明度與可控性。 叡揚資訊雲端服務事業處副處長李宗青說明，Vital BizForm 長期協助企業推動表單流程無紙化，此次與點點簽完成串接，進一步滿足合規簽署需求，實現從表單到簽章的全鏈路數位閉環。此外，Vital BizForm 更建置了 MCP 接口，讓 AI Agent 得以在安全的授權範圍內，跨系統整合資料、自動啟動流程，並完整留下稽核軌跡，為企業智慧化營運奠定可信任的基礎。 點點簽商務開發經理張意璿補充，點點簽推出的 MCP 支援，讓企業得以透過 ChatGPT、Claude 等大型語言模型與簽章流程互動，視覺化追蹤功能則讓管理者即時掌握各部門簽核效率，讓人的判斷力集中於真正需要決策的環節。 企業實踐驗證，雙方攜手深耕策略夥伴生態圈 活動壓軸邀請慶霖智權總經理袁耀慶與大中和國際管理部特助李家毓分享第一線轉型經驗。袁耀慶指出，導入點點簽後簽約流程大幅提速，估計節省 80 到 85% 的作業時間，客戶無需再印紙蓋章，成交效率與客戶滿意度同步提升：「科技化不只是讓我們更快，也是幫客戶省麻煩。」李家毓則分享，大中和國際目前已成功說服約六成客戶改用電子簽署，其餘習慣紙本的客群仍維持原有方式，展現務實的導入策略，同仁也從繁瑣的合約整理事務中解放，得以投入更高價值的工作。張博瀚為對談作結：「數位化讓流程釋放人才價值，讓人做更值得做的事。」 展望未來，張博瀚表示：「今天是一段深度合作的正式啟動，點點簽在電子簽章領域的專業與叡揚資訊在企業表單管理的深厚積累相互補足，共同目標是讓台灣企業以更低摩擦成本建立符合法遵標準的數位流程。」林景堂亦強調，雙方將持續擴大台灣策略夥伴圈，攜手系統相關合作夥伴，共同建立涵蓋流程自動化、電子簽章與法遵管理的完整數位轉型生態，讓「可控、可追溯、零斷點」成為台灣企業文件流程的新標準。 此次與叡揚資訊的整合落地，亦是 KDAN 凱鈿推動 AI 文件基礎設施生態佈局的具體實踐，透過點點簽與夥伴系統的深度串接，協助企業將簽章能力嵌入現有工作流，定義台灣企業 [&hellip;]</p>

誰說機器人一定要像人？杜克大學用「20足全向架構」顛覆仿生思維

<p>杜克大學（Duke University）研究團隊開發出一套新型機器人系統，顛覆過去以模仿人類外型為主的設計思維，改追求「無論朝哪個方向，都能維持同樣移動能力」的設計概念。為了實現這項概念，研究人員模擬超過 1,500 種機器人配置，從中找出最接近理論性能極限的方案，最終誕生的機器人名為 Argus。 有別傳統機器人設計，Argus 以特殊結構提升移動效率 研究團隊指出，這種跳脫傳統的機器人結構，讓 Argus 能在不同地形中維持穩定且高效率的移動表現，也更能勝任複雜的空間操作。其核心關鍵，在於團隊提出的一套名為動態等向性（dynamic isotropy）的數學設計概念。這項指標會以 0 到 1 分來衡量機器人在各個方向上的運動能力是否均衡；分數越高，代表機器人無論朝哪個方向移動，都能維持接近一致的加速度、穩定性與操控表現。 目前多數機器人系統，包括先進四足機器人、人形機器人與傳統無人機，在這項指標上的表現通常不到 0.6；而 Argus 則達到 0.91，已相當接近理論極限。根據《Interesting Engineering》報導，高度對稱的設計，不僅提升了機器人的移動協調性，也在軌跡控制、能源效率、容錯能力、系統穩定性，以及複雜地形導航等面向帶來更好的表現。這套原理未來也有機會成為評估各類機器人性能的通用架構。 相較於過去偏重模仿人類外觀的設計思維，Argus 更強調運動能力與感知系統的整合。整套系統結合全身驅動與感知概念，使移動與環境偵測能同步協作。機器人本體由 20 條可模組化伸縮的機械腿組成，每條腿皆搭載深度攝影機，以放射狀方式環繞中央核心配置。這些機械腿依循正十二面體的幾何結構排列。正十二面體由 12 個五邊形面組成，能讓力量分布與視覺覆蓋更平均。Argus 不需要固定的前後方向，就能在任何方向維持平衡的加速度與穩定視野，在多變環境中保有高度機動性。 Argus 展現多方機動能力，能翻滾、爬牆和搬重物 《Interesting Engineering》提及，這套設計在實際測試中的表現相當突出。研究人員在杜克大學校園內，針對沙地、森林步道、草地、水泥地與濕滑路面等不同地形進行測試。結果顯示，Argus 幾乎不受朝向限制，能穩定穿越各種地面，甚至跨越高達 5 英吋（12.7 公分）的障礙物。即使遭到外力推擠，Argus 也能迅速恢復平衡；就算有三條機械腿失效，仍可持續移動，展現高度容錯與抗損能力。此外，它還能在接近最高速度的狀態下，搬運約 10 磅（4.5 公斤）的重量，同時維持穩定與機動性。 除了地面行走外，Argus 還具備攀爬垂直牆面的能力。它會透過不同腿部模組交替提供支撐與推進力，完成向上移動。研究團隊也展示，它能在持續翻滾移動的同時，穩定追蹤並推動一個邊長 3 英尺的立方體，顯示其在動態環境下，仍能有效整合感知與運動控制。值得注意的是，這些能力最初都是在模擬環境中完成訓練，再進一步轉移到真實世界應用，反映出整套設計架構具備高度泛化能力與穩定性。 領導這項研究、並主持杜克大學 General Robotics Lab 的 Boyuan Chen 表示：「當機器人在所有方向上都具備相同的加速能力時，它就不需要再以特定方向面對世界。」他也希望，這套原理未來能應用於搜救機器人、水下與空中載具，以及具備抓取能力的新型機器人系統。Boyuan Chen 舉例說，與其打造一隻模仿人類手掌的機械手，不如讓 Argus [&hellip;]</p>

Robinhood 宣布串聯 AI 代理與金融平台，70 萬會員成首波測試對象

<p>美國金融服務公司 Robinhood 宣布開放 AI 代理使用旗下交易平台。未來，使用者可以替 AI 代理建立專屬帳戶，並預先存入一定資金，讓代理依照設定條件自動進行股票買賣。這項功能主要是協助投資人將部分投資流程自動化。例如，使用者可以讓 AI 代理持續追蹤特定產業動態，並在符合條件時自動下單；也能依照市場變化，自動調整投資組合配置，減少人工操作的負擔。 AI 能買股和購物，Robinhood 開放代理交易與自動下單 不過，Robinhood 也強調，AI 代理交易仍存在高度風險，投資人甚至可能因此損失全部資金。公司提醒，AI 驅動的投資策略在某些市場情況下可能失靈，而且由於交易速度快，使用者未必能即時監控或中止操作。Robinhood 表示，公司不保證 AI 代理提供資訊的正確性、完整性與適用性，若因 AI 所做出的決策造成損失，平台也不承擔責任。 《The Verge》報導，Google、Microsoft、OpenAI 與 Anthropic 等科技公司都將 AI 代理視為下一波發展重點，目前的 AI 代理技術距離真正成為能獨立處理大小事的「萬用數位助理」仍有落差。雖然在程式撰寫等特定用途上有一定實用性，但若要代替使用者購物、填寫表單或處理複雜線上流程，整體效率與準確度仍不穩定。 Robinhood 說明，只要 AI 代理執行交易，使用者都會收到推播通知，也能在 App 內即時查看交易紀錄，必要時可隨時暫停 AI 操作。使用者需透過 MCP（Model Context Protocol，模型上下文協議）將 AI 代理連接到平台。MCP 是一種開放標準，可讓 AI 系統與不同應用程式及資料來源互通。目前該功能仍屬 Beta 測試階段，初期僅支援股票交易，未來則預計擴展至選擇權、加密貨幣、事件合約與期貨等市場。 除了 AI 交易功能外，Robinhood 也同步推出 AI 信用卡購物服務。未來 Robinhood [&hellip;]</p>

「軟體工程師」職稱最快今年開始消失？Claude Code 負責人：寫 Code 的人會更多，但不一定叫工程師

<p>隨著 AI 技術快速演進，科技圈正激烈辯論 AI 是否將大規模取代白領階級的工作，而「軟體工程師」更是這場自動化風暴的核心焦點。Anthropic 旗下 Claude Code 的負責人 Boris Cherny 近日在接受專訪時直言，「software engineer」（軟體工程師）這個職稱最快今年就會開始消失，並轉向更接近「builder」（建構者）的新角色。 Boris Cherny 坦言，自己已經超過 6 個月沒有親手寫下一行程式碼，但他仍然整天都在打造產品。這也凸顯 AI 正在顛覆軟體開發工作的傳統分工方式，並重新定義「誰能寫 Code」的界線。他形容這是一場技術的巨變，未來的程式開發甚至會進一步演變成對著一個 Agent 說話，而這個 Agent 會再去和其他 Agent 對話，進一步完成寫程式的工作。 Coding 雖被「部分解決」，但工程師價值正轉向判斷與規劃 要理解工程師角色為何轉變，首先必須釐清外界常誤解的一句話：「coding is solved（寫程式已被解決）」。Boris Cherny 澄清，這句話真正的意思是：面對目前個人正在處理的簡單程式碼庫而言，Coding 確實大致被解決了；但若要面對像 NASA 這樣擁有龐大且複雜程式碼庫的大型企業，模型仍然會犯錯，產出的程式碼也並不完美。 因此，工程師的真正價值正在快速轉移。過去，工程師可能有高達 50% 的時間在鍵盤前打字寫 Code，另外 50% 的時間則用於與用戶對話、腦力激盪、除錯（debug）、思考系統運作與規劃下一步。然而，當 AI 模型能接管越來越多繁瑣的寫程式工作時，工程師反而可以獲得解放，能將時間大幅轉移到理解用戶需求、思考產品方向等高價值工作上。 Boris Cherny 以 1990 年代企業引進電腦的歷史為例，強調當年只有那些徹底拋棄紙本與檔案櫃、將電腦置於運作核心的企業，才獲得真正的生產力提升。如今，面對 AI 也是如此，企業必須改變既有的業務流程，將 AI 工具放在核心位置，才能確實發揮技術的巨大紅利。&nbsp; 企業未來對軟體人才的需求將出現兩極化發展 [&hellip;]</p>

Snowflake 砸 60 億美元押注 AWS CPU，AI Agent 正改寫 AI 基建戰局

<p>過去兩年，AI 基礎設施的討論幾乎被 NVIDIA GPU 主導，但一筆新合約正在改變這個敘事。雲端資料倉儲公司 Snowflake 宣布，將在未來五年向 AWS 投入 60 億美元，主要採用 AWS 自研的 Graviton CPU，用於支撐企業 AI 與 Agentic AI（代理式 AI）工作負載。消息公布後，Snowflake 股價盤後一度飆漲逾 35%。 Graviton 是 CPU，不是 GPU 根據《華爾街日報》報導，此次合作將使 Snowflake 成為 AWS 在 CPU 運算領域最大客戶之一。Graviton 是 AWS 自 2018 年開始推出的自研 CPU，採用 Arm 架構，最新的第五代 Graviton5 搭載 192 個 Arm Neoverse V3 核心，採用台積電 3 奈米製程。 這個選擇的意義在於：AI 模型本身仍主要運行在 GPU 上，但 [&hellip;]</p>

Meta 也想做雲端？祖克柏鬆口考慮出租 AI 算力，背後是數千億美元 AI 基建變現考題

<p>Meta 執行長祖克柏（Mark Zuckerberg）近日在年度股東會上表示，若 Meta 的 AI 基礎建設產生多餘容量，進入雲端運算市場是「絕對可以考慮」的選項。事實上，在美國四大超大規模科技公司中，Meta 目前是唯一沒有對外銷售雲端基礎設施與服務的公司。 這個表態之所以值得關注，是因為 Meta 正在投入數千億美元等級的 AI 資料中心建設，而「多餘容量是否對外出租」也開始成為 AI 基礎建設變現的新想像。同一時間，Meta 也推出 Instagram、Facebook、WhatsApp 的 Plus 訂閱，並開始測試 Meta AI 付費方案，顯示公司正在應用端與基礎建設端，同時探索 AI 的商業化路徑。 數千億美元的基建狂飆，催生 Meta「雲端夢」 Meta 考慮跨足雲端的背後，是其史無前例的基礎建設擴張。祖克柏在 2026 年 1 月提出「Meta Compute」計畫，目標是在十年內累積「數十吉瓦（tens of gigawatts）」的算力，長期野心更上看數百吉瓦或更多。為了支撐這些建設，Meta 資本支出可能達數千億美元，例如路易斯安那州單一專案就耗資 270 億美元，更大的超級叢集 Hyperion 專案，占地規模甚至被形容為可與曼哈頓相比。同時，Meta 也與 Google Cloud 簽下超過 100 億美元的合作協議，並與 CoreWeave 和 Nebius 等外部夥伴合作，以補足自有基礎設施建成前的過渡期需求。&nbsp; 《Crypto Briefing》指出，如果公司花費數千億美元建設這些 AI 資料中心，而部分容量處於閒置狀態，將其出租便成為合乎邏輯的選項。祖克柏也向《CNBC》透露，幾乎每週都有外部公司來詢問是否能建立 [&hellip;]</p>

當企業開始管理 15 萬個 AI 代理：Google Cloud 高層解析 AI Agent 導入三大支柱

<p>如果一家企業只有 2 萬名員工，卻同時管理 15 萬個 AI Agent（代理），企業會變成什麼樣子？ 這是 Google Cloud 亞太區技術團隊副總裁 Moe Abdula 在 COMPUTEX 2026 展前論壇演講中拋出的情境。他引用市場研究機構 Gartner 預測指出，到 2026 年底，約 40% 的企業應用程式將具備某種形式的 AI Agent 能力；而 2028 年內，財富 500 強企業平均可能管理超過 15 萬個 AI Agent。 「如果這是我們正在談論的規模，思維模式必須非常快速地轉變和移動。」Moe 說。 這代表企業正在進入一個新的管理階段：競爭焦點不再只是誰擁有最強 AI 模型，而是誰能建立代理平台、治理框架與資料能力，讓 AI 真正進入組織流程。在接受台灣媒體採訪時，Moe 與 Google Cloud 台灣技術總經理林書平則進一步拆解，企業要支撐這樣的規模，必須先建立哪些技術基礎與組織能力。 支撐 AI Agent 運行的三大支柱 談到 Agent，Moe 特別提醒，企業不應把 AI Agent 理解成進階版聊天機器人。他認為，聊天問答只是 [&hellip;]</p>

20 人團隊靠 AI Agent 變 150 人戰力：「AI 原生」顧問公司如何瓦解 McKinsey、BCG 的金字…

<p>AI 正在以前所未有的速度，削弱大型顧問公司長期依賴的規模優勢。過去，顧問業由 McKinsey、Bain、BCG 等策略巨頭，以及四大會計師事務所與 Accenture 等主導。他們的核心護城河在於「人力規模」，也就是擁有龐大的初階顧問大軍，具備跨越多個地區的交付能力與龐大專案人力。 然而，當研究、摘要資料、製作精美 PowerPoint 簡報等顧問核心工作變得可被高度自動化時，這種霸權首次出現瓦解的跡象。近日，《金融時報》就指出，AI 的出現大幅降低顧問業的門檻，讓小型顧問公司也能承接過去只有大型公司才能處理的專案。 AI 讓小型顧問公司壯大，打破「人力規模護城河」 AI 帶來最直接的影響，是讓小型顧問公司的產能得以指數級放大。以近期在英國成立的 Queen’s Tower Advisory 為例，這類由前大型顧問公司高層創立、並獲私募資金投入的「AI 原生（AI-native）」新興顧問公司，正積極利用 AI 代理（AI Agents）來放大人類工作者的能力。Queen’s Tower Advisory 創辦人 Mark Bunker 的目標，就是建立由 20% 人類與 80% AI Agents 組成的團隊，徹底顛覆顧問業基本的人力配置想像。 Mark Bunker 明確點出 AI 的影響力：「你的平台可能只有 20 人，但在 AI 的放大效應下，你會迅速具備 100 人、150 人的規模，這很快就會在市場產生影響力。」根據管理顧問協會（MCA）的估計，小型顧問公司在 AI 的協助下，已能有效與大型對手競爭，成長率最高可達 50%。 AI 原生顧問公司從 3 方向挑戰傳統顧問模式 這些 AI [&hellip;]</p>

150 家公司搶一個還沒成形的市場，中國人形機器人產業的供需失衡有多嚴重？

<p>中國人形機器人產業的生產端與需求端，正在往兩個完全不同的方向走。目前中國有超過 150 家企業投入這個領域，光去年全球人形機器人出貨量就有九成來自中國，而 Unitree 與 AgiBot 兩家龍頭合計估值衝上 130 億美元。 從這些數字看，產業似乎正在高速起飛，但當摩根士丹利去調查實際買方時，卻是不同的光景。 首先，只有 23% 的受訪企業對市面上的產品感到滿意——電池續航停在兩到三小時，靈巧度與感知能力不足以應付真實工作場景；而且定價更讓大規模採購成為奢望，92% 的受訪企業表示，售價必須跌破 28,000 美元才會考慮大量採購。此外，目前真正在進行評估或試點的企業，只有約一成。 技術或許逐漸到位，但市場需求還沒出現 這個落差並非短期的庫存問題，而是整個市場的供需失衡。中國國家發展和改革委員會在 2025 年底罕見對外發聲，點出產業內公司數量已突破 150 家且仍在增長，過半為新創或跨界進入者，並警告產品重複、投資冗餘、真正研發空間遭到擠壓。 北京最高層級的經濟規劃單位公開講出「泡沫風險」這四個字，更凸顯現實狀況確實不明朗。 畢竟人形機器人已被中國列進「十五五」規劃（2026-2030年）的十大優先產業之一，背後還有一兆人民幣的國家基金在支撐，等於是政府自己跳出來表態，自己扶植的這個產業已經過熱了。 還有一點更值得注意，這些機器人大廠如今生產出來的機器人，大部分根本沒賣給真正會付錢的客戶，而是留在自己公司內部，拿來訓練機器人、測試系統用。 摩根士丹利分析師指出，2026 年人形機器人企業必須證明自己商模能真正變現，但現實卻是廠商生產出來的量明顯多過真正賣出去的量。且那些好看的出貨數字裡，有一大部分其實是廠商自己使用的，包括訓練機器人、測試系統等，根本尚未轉換成真正的收入。 即便 Unitree 的人形機器人在 2025 年的營收超越四足機器人，但整體規模對照它瞄準的 70 億美元估值，還是略顯不足，而準備在香港掛牌、估值 60 億美元的 AgiBot 也一樣。 馬斯克也坦承人形機器人尚未真正派上用場 再把鏡頭拉回去年那場北京 E-Town 半程馬拉松，Honor 做的 Lightning 機器人用 50 分 26 秒拿下冠軍，比人類世界紀錄還快了將近七分鐘，超過一百台機器人同場較勁，畫面紅遍全球。獲勝團隊的工程師說，這場比賽幫他們在機器人穩定性和散熱上做出突破，未來可以用到工業場景。 但機器人專家的看法就保守多了，他們認為，在平地上連續用兩隻腳跑步，跟工廠真正需要的「手要靈巧、看得懂環境、能臨機應變」根本是兩種完全不同的能力。春晚的武術表演、CES 上一整排展示、後空翻的短影音，這些畫面吸引到資本進場，但若轉換到實際應用，真的可行嗎？ 中國過去在太陽能、電動車、動力電池上都展現過「把技術變現」的能力，十年內就把這些東西做成主導全球的出口產業。問題是，人形機器人從「表演」走到「真實應用」的這段距離會有多遠？ 至於美國，Boston Dynamics 的電動 [&hellip;]</p>

【科技早餐】NVIDIA 對台支出上看 1,500 億美元，AI 晶片戰從供應鏈燒進國安系統

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊黃仁勳稱台灣是 AI 革命中心，NVIDIA 對台支出上看 1,500 億美元 NVIDIA 執行長黃仁勳（Jensen Huang）在台灣員工大會上表示，台灣是 AI 革命的中心，也是 NVIDIA 最重要的供應鏈基地之一。他指出，NVIDIA 過去每年對台灣供應鏈的相關支出約 100 到 150 億美元，如今已達 1,000 億美元，未來更可能朝 1,500 億美元邁進。 黃仁勳也提到，AI 革命的關鍵環節，包括晶片製造、先進封裝、系統整合與 AI 超級電腦打造，幾乎都與台灣科技生態系密切相關。不過他也點出下一個瓶頸，形容人類勞工需要米飯，AI 勞工需要電力，能源供應將成為台灣承接下一波 AI 成長的關鍵。 ＊高通傳供貨字節跳動，AI 資料中心晶片戰不只 NVIDIA 《彭博》報導，高通（Qualcomm）傳出已和 TikTok 母公司字節跳動（ByteDance）達成合作，將供應用於 AI 資料中心的 ASIC 晶片。若報導屬實，這代表高通正從原本熟悉的手機處理器市場，進一步切入 AI 基礎設施。 報導指出，字節跳動預計採購數百萬顆高通 ASIC 晶片，用於支援 AI 代理與生成式 AI 服務。對字節跳動來說，這也是在美國出口限制下，尋找可用 AI 運算能力的一條路徑。目前 AI 資料中心晶片仍由 [&hellip;]</p>

告別矽谷獨大時代：北歐浪潮與 AI 雙重引擎，歐洲科技生態迎黃金轉折點

<p>《Business Insider》報導，近年歐洲科技產業快速升溫，外界開始以「北歐浪潮」形容這股新創熱潮。從瑞典 AI 法律新創 Legora、AI 開發平台 Lovable，到 AI 學者 Yann LeCun 在巴黎成立的 AMI Labs，越來越多歐洲科技公司開始在全球市場嶄露頭角，並逐漸擺脫過去高度依賴矽谷的局面。 美國不再是唯一選項？AI 帶動歐洲科技產業全面升溫 多位創業者與創投人士認為，AI 技術快速發展、歐洲募資環境改善，再加上 Spotify、Klarna 等成功企業累積出的產業能量，正一步步改變歐洲科技圈的生態，讓科技人才不再一味流向美國。美國創投公司 Sequoia 合夥人 George Robson 認為，這並不是短暫熱潮，而是已經醞釀多年的轉變。他表示，外界最近才開始注意到歐洲科技產業升溫，但實際上，背後的結構性變化早已持續一段時間。 《Business Insider》說明，過去幾十年，許多歐洲科技公司往往在當地起步後，因為資金、市場與擴張條件有限，最終選擇前往美國發展。像 DeepMind、Darktrace 等知名企業，最後也都與美國資本或企業體系產生深度連結。不過，AI 的出現正在改變這套模式。倫敦製造業新創 Matta 執行長 Douglas Brion 指出，雖然歐洲的新創在後期融資上仍面臨挑戰，但 AI 讓企業能以更精簡的人力與更低成本快速成長，降低對龐大資金的依賴。 Lovable 執行長 Anton Osika 也認為，現在最大的改變，在於企業不一定非得搬到美國才能成功。他表示，AI 正降低公司擴張所需的資本門檻，未來可能形成新的正向循環：更多新創能留在歐洲成長，進一步吸引更多創投資金與人才進駐。George Robson 進一步指出，大型語言模型（LLM）與相關 AI 基礎建設，大幅縮短了「研究成果變成產品」的時間，而這正好是歐洲擅長的領域。歐洲長期擁有深厚的研究實力，如今能更快轉化成真正的商業產品。 雖然去年美國新創募資金額仍是歐洲的六倍，但歐洲的資金環境正逐漸改善。根據創投機構 Atomico 的數據，歐洲創投基金的中位數規模，自 2016 年的 3200 萬美元增加至 1.05 [&hellip;]</p>

從 GPU 主導到 CPU 回溫：Agentic AI 如何改寫企業資料中心配置？

<p>過去，AI 基礎設施的討論幾乎完全圍繞在 GPU 算力上。然而，隨著具備自主執行能力的 Agentic AI 逐漸升溫，CPU 與氣冷式（air-cooled）基礎設施正重新成為企業資料中心的焦點。 在近期舉行的 Dell Technologies World 2026 大會上，Dell 與 AMD 將 Agentic AI、CPU 需求與氣冷式設備串聯討論，明確標誌了市場方向的轉變，這也說明雖然 GPU 不會退場，但當 AI 工作負載從單純的模型訓練走向推論（inference）與 Agentic AI 後，企業勢必要重新評估 CPU、散熱、電力、資料流與在地部署的整體架構配置。 為什麼 CPU 回溫？Agentic AI 改變了算力需求 &nbsp;《SiliconANGLE》指出，儘管 GPU 長期主導 AI 領域，但 Agentic AI 需要在不同任務之間持續進行協調（orchestration）、資料處理與決策，這些工作其實更符合 CPU 的強項。AMD 資料中心解決方案架構與策略副總裁 Robert Hormuth 在 Dell Technologies World 2026 大會上明確表示：「Agentic AI 具有強烈的目標導向，當你要求它達成某個目標時，它會使用每一種工具、每一種軟體、所有可用的方法去達成這項目標，其中一個步驟可能是呼叫 GPU [&hellip;]</p>

蒐集「第一人稱數據」訓練機器人：矽谷新創 Human Archive 深入印度零工經濟

<p>《TechCrunch》報導，近年印度線上外送市場快速成長，矽谷新創 Human Archive 在這波趨勢下，開始與相關企業合作，蒐集 AI 機器人訓練資料。公司讓工作人員配戴裝有攝影機的頭戴設備，以第一人稱視角記錄日常工作內容，例如打掃、送餐、整理環境等，再將這些真實工作畫面提供給 AI 與機器人公司作為訓練素材，已與居家服務、飯店及餐飲產業合作，並在多個地點部署超過 1,000 組設備。 從外送員到清潔工：用真實工作影像訓練 AI 機器人 Human Archive 日前宣布完成 820 萬美元募資，投資方包括 Wing Venture Capital、NVP Capital、Y Combinator，以及來自 OpenAI、Nvidia、Google、Meta 等科技巨頭。《TechCrunch》提及，公司由加州大學柏克萊分校與史丹佛大學學生共同創立，創辦團隊具備機器人、硬體與觸覺感測研究背景。 Human Archive 說明，AI 與機器人產業面臨的問題，是缺乏足夠的真實世界訓練資料。當各大 AI 公司與機器人實驗室都在開發能執行現實工作的機器時，市場卻缺少大量、真實且高品質的人類工作數據。因此，公司把印度快速成長的零工經濟視為重要資料來源，希望透過外送員、清潔人員等工作者的日常工作過程，建立可大規模使用的訓練資料庫。 《SiliconANGLE》指出，Human Archive 一開始是使用 iPhone 錄製工作畫面，如今已改用超過六種不同設備，包括配備攝影機的頭戴裝置，目前有超過 1,000 名活躍使用者在工作時配戴設備進行資料蒐集。公司也會向參與的工作者支付報酬，並對願意接受資料蒐集的消費者提供折扣。Human Archive 主要透過印度零工平台取得資料，同時開發雲端服務，希望讓其他市場的使用者未來能上傳影像內容。 印度已有不少新創公司開始在工廠、物流與居家服務等不同工作場域蒐集第一人稱工作資料。為了與競爭對手做出區隔，Human Archive 不只錄製影片，還投入開發更多感測設備，包括觸覺手套、手腕攝影機與動作捕捉服，希望同步記錄人體動作、施力狀態，以及 RGB-D（彩色影像與深度資訊）等資料。 Human Archive 認為，單靠影像資料不足以訓練能在真實世界工作的 AI 機器人，若能結合觸覺、動作與環境感測資訊，資料價值將更高。公司早期曾使用臨時組裝或市售設備蒐集資料，如今則開始開發可互相協作的客製化硬體系統。目前 Human Archive 已部署超過 50 種不同設備，用來蒐集各類感測數據。 蒐集真人數據：Human [&hellip;]</p>

AI 加速零日漏洞武器化：攻防時間恐從 1 天縮短到 1 分鐘，資安危機從「找不到」變「漏洞修不完」

<p>AI 輔助工具正以前所未有的速度加快發現與利用漏洞的進程。《Tom’s Hardware》報導，資安產業過去習慣的 90 天漏洞揭露期，正因 AI 加速攻防而面臨失效危機。近日，由 Sysdig 的 Sergej Epp 所建立、並獲多數科技與資安大廠支持的 Zero-Day Clock（ZDC）網站，就用清晰的數據與圖表點出歷年來資安鬆散所造成的嚴重後果，更在特定頁面中詳細記錄電腦安全崩潰的縮時過程。  ZDC 的資訊顯示，漏洞從被發現到被利用的平均時間，已從 2021 年的將近一年，大幅縮短至 2026 年的一天多。ZDC 甚至預測，2027 年將進一步壓縮到一小時，最終可能僅剩一分鐘。同時，在正式揭露前就已被惡意行為者利用的「零日漏洞」比例，也從五年前的 31% 飆升至目前的 73.2%。更糟的是，超過六週後仍未被利用的漏洞比例已降至 0%，這代表目前幾乎沒有漏洞能倖免。 然而，《Tom’s Hardware》也提醒，ZDC 其實只追蹤已公開揭露的漏洞利用，私人或國家層級的漏洞利用可能更早發生，因此這些驚人的數字恐怕只是冰山一角。 ZDC 的呼籲：企業資安不能只靠補丁，必須重設軟體與系統設計 面對急遽縮短的修補時間，ZDC 提出多項從技術到政策面的根本性改革建議。在技術與架構上，ZDC 建議所有硬體、軟體、框架與平台都應預設啟用安全功能，並盡可能採用零信任架構。由於高達 70% 的漏洞源於記憶體安全問題，ZDC 也呼籲以 Rust 這一類記憶體安全語言來取代 C 或 C++。 此外，系統應預設為「可拋棄式設計（disposable by default）」，確保受攻擊的機器能輕易還原；同時，應提供防禦者免費且開源的 AI 驅動工具，例如開源版 Mythos，以全面掌握系統、原始碼與日誌，抗衡攻擊者因 AI 被放大的能力。 在產業責任與法規面，ZDC 提出更具挑戰性的主張：軟體開發商必須為安全漏洞造成的損害承擔責任。《Tom’s Hardware》引用資安專家 Bruce Schneier [&hellip;]</p>

從 SEO 到 GEO：AI 正在重寫電商入口，品牌最該避開哪 3 個錯誤？

<p>過去三十年來，線上零售的運作模式幾乎千篇一律：一個搜尋框、網格狀的商品列表，以及規格說明頁面。然而，這個時代即將隨著 AI 加速發展而終結，因為 AI 並不只是為電商網站新增一個功能，而是以消費者為中心，徹底重塑整個購物流程。 這場巨大的變革包含幾個關鍵轉移：搜尋行為正在從過去的「排序連結清單」轉變為「單一的生成式答案」；產品曝光的貨架空間，正從零售網站轉移到「答案引擎（Answer Engines）」上；消費者也逐漸習慣「委託」而非自行瀏覽，期待由 AI 來代替他們決定、回答與購買。 與此同時，零售業正成為 AI 軍備競賽的下一個大型戰場。例如 Walmart 與 Sephora 等大型零售商正積極將 AI 導入購物體驗之中，而 OpenAI 與 Google 等科技巨頭，也同樣在競逐這塊由 AI 驅動的線上購物大餅。 儘管趨勢明確，許多品牌在應對這場 AI 變革時，卻仍在走彎路。《Forbes》觀察，品牌在 AI 電商時代佈局時，最常犯下三大代價高昂的錯誤：誤將 AI 生成內容當作流量密碼、盲目加裝毫無用處的聊天機器人，以及依然固守人工排序思維來對抗 AI 演算法。 錯誤 1：把 GEO 當成 SEO，用 AI 內容灌水反而可能讓品牌隱形 《Forbes》指出，傳統的網頁正在被拆解，過去品牌高度仰賴首頁作為大門，並將 Google 搜尋排名視為被發現的關鍵。然而，現在是由大型語言模型來決定哪些品牌與商品應該被推薦，「生成式引擎最佳化（Generative Engine Optimization, GEO）」正在取代傳統的 SEO。 在這樣的思維轉換下，品牌最常犯的致命錯誤，就是誤以為可以把過去 SEO 時代「產出更多網頁就能贏」的邏輯，無縫套用到 GEO 時代，因此開始大量產出 AI 生成垃圾內容（AI slop）。然而，《Forbes》警告，這種做法會適得其反，因為用 [&hellip;]</p>

企業買了 AI 卻跑不起來，FDE 前線部署工程師成為科技業最搶手的職位

<p>企業買了 AI，不代表 AI 能真正運作，而這個落差正在創造出一種新的職能需求。 2025 年 1 到 9 月，前線部署工程師（Forward Deployed Engineer，FDE）的職缺，在美國成長了 800%。Google Cloud、OpenAI、Anthropic 在同一時間裡，相繼宣布大規模投入這個方向。AI 的瓶頸從「能否建構」移到了「能否落地」，而填補這個缺口的人正是 FDE。 從 Palantir 到全產業，一個職稱的十年擴散 FDE 這個職稱不是新創的。2011 年，Palantir 將原本分開的解決方案工程師，與整合工程師合併為單一職能，稱為「前線部署工程師」。這個職能的核心定義從一開始就很清楚，FDE 是能同時向企業銷售 AI 產品、並且教導 AI 模型如何在該企業環境中真正運作的人。 超過十年後，這個職能開始從 Palantir 的專屬實踐，擴散成整個產業的集體押注。 根據 LinkedIn 的資料，2023 年至 2025 年間，美國新增了 8,500 個 FDE 職位。雲端內容管理與檔案協作公司 Box 執行長 Aaron Levie，在 X 上直接指出，前沿部署工程師或類似職位，即將成為科技行業最搶手的職位之一，也是人工智慧推廣中最重要的職能之一；他說，這是 AI 正在創造的高技術性工作的典型案例。 三大巨頭同步出手 Google Cloud 執行長 Thomas [&hellip;]</p>

【科技早餐】黃仁勳點出台灣 AI 用電壓力，COMPUTEX、國防 AI 與平台監管同步升溫

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊黃仁勳談 AI 資料中心用電，台灣電力供應成基建新焦點 NVIDIA 執行長黃仁勳近日被問到，台灣能源基礎設施是否足以支撐北士科 AI 資料中心需求時表示，台灣需要更多能源，並說「沒有能源，就沒有經濟成長」。經濟部隨後回應，AI 用電需求已納入整體評估，台灣也已提前部署供電規劃。 經濟部指出，今年底起，台電台中、興達電廠 4 部大型燃氣機組，合計 5.2GW，將陸續加入供電系統。未來 5 年內，台電通霄、大林、台中二期，以及民營國光、麥寮等燃氣機組，也會陸續完工商轉。這讓 AI 基建討論，從晶片、伺服器與資料中心，進一步延伸到電力供應。 ＊COMPUTEX 聚焦 AI 基建，Marvell、NVIDIA 同台把連接技術推上主場 COMPUTEX 主辦單位外貿協會（TAITRA）宣布，邁威爾科技（Marvell Technology）執行長 Matt Murphy，將在 6 月 2 日上午於台北南港展覽館發表主題演講。這場演講題為「The Future of AI Scaling Depends on Connectivity」，NVIDIA 執行長黃仁勳也將同台亮相。 這場同台將延續 Marvell 與 NVIDIA 今年 3 月底已公布的擴大合作，重點放在高速連接、光互連與客製化晶片，如何支撐下一代 AI 基礎設施。今年 COMPUTEX 以「AI Together」為主軸，聚焦人工智慧運算、機器人與智慧移動，以及次世代通訊等核心題目，展覽規模也創新高。 ＊胡潤報告：美國晶片企業在中國營收仍增，科技限制下市場連結未斷 胡潤研究院發布「2026 [&hellip;]</p>

當提示詞變成義大利麵程式碼：難察覺的「AI 技術債」來襲，企業如何跨越治理盲點？

<p>《VentureBeat》報導，隨著 AI 快速導入企業營運，AI 技術債正逐漸成為企業數位轉型中的隱形危機。過去二十年間，技術債通常指的是過時架構、混亂程式碼與維護不善的文件，但在 AI 時代，這樣的定義已不足以涵蓋新型態風險。業界專家指出，AI 系統的失效模式更加複雜且難以察覺，相關問題不僅存在於程式碼本身，更橫跨提示詞、模型與資料依賴關係之間，使 AI 債務比傳統技術債更難管理，也更具破壞性。 AI 系統越做越複雜，企業開始累積「新型」技術債 根據 2025 年麻省理工學院（MIT）研究，高達 95% 的企業 AI 試點專案最終未能真正投入生產環境，或產生實際商業價值。另一項由 S&amp;P Global Market Intelligence 發布的調查則顯示，2025 年有 42% 的企業中止多項 AI 計畫，較前一年的 17% 大幅增加。《VentureBeat》分析指出，許多 AI 專案失敗的背後原因，在於企業建構了過於複雜、難以監控的 AI 系統，進而快速累積 AI 技術債。 與傳統技術債不同的是，AI 債務具有高度分散與不穩定特性。過去軟體錯誤集中於程式碼層面，容易重現，因此開發者能在測試期間發現並修正問題。然而 AI 系統具有機率性，同一輸入不一定每次都產生相同結果，導致錯誤呈現間歇性。不僅增加測試難度，也使企業即使完成部署後，仍須持續監控系統，以防止模型漂移與效能惡化。 企業首先面臨的問題，來自提示詞（prompt）管理失控。《VentureBeat》說明，業界將這種現象稱為提示詞債，形容它是 AI 時代的義大利麵程式碼（spaghetti code）。由於企業在開發過程中不斷修改提示詞、臨時加入修補性指令，缺乏完整紀錄與版本控制，導致提示詞逐漸變得龐雜且難以維護。部分企業為了提升 AI 回答準確率，會將大量背景資訊直接塞入提示詞，形成所謂的提示詞資訊堆疊。這些做法雖然短期內可能改善輸出效果，但長期卻使提示詞演變成一種未經測試、缺乏管理的程式碼，大幅增加系統脆弱性。 《VentureBeat》指出，除了提示詞本身，企業對外部大型語言模型（LLM）的依賴，也逐漸成為另一項潛在風險。隨著越來越多 AI 應用建立在外部 API 與模型服務之上，企業實際上已將部分核心應用邏輯交由第三方模型供應商掌控。一旦模型版本更新，原本調校完成的提示詞可能立即失效，導致 AI 回應品質下降。由於這些模型並非企業內部可完全控制的系統，因此系統穩定性與結果可重現性等問題，變得更加明顯。 目前多數企業 AI [&hellip;]</p>

【Google Cloud NEXT 2026】Google 重新定義 AI 基礎設施，全線儲存產品迎接「AI Fir…

<p>Google Cloud 在今年 Google Cloud Next ’26 年度大會上，宣布了針對 AI 時代下雲端儲存服務的多項更新。這些更新主要解決企業在訓練 AI 模型時常遇到的資料存取瓶頸問題，同時也讓一般企業在管理大量雲端資料時更加方便。 AI 訓練效能升級：Cloud Storage Rapid 讓資料傳輸不再卡關 Google 正式推出 Cloud Storage Rapid 系列高速儲存功能，專為 AI 模型訓練與高效能資料存取場景設計。 在大規模 AI 訓練中，GPU 的效能固然重要，但資料能否快速送達運算資源，同樣會直接影響訓練效率。若資料載入速度不足，即使企業採購了高階加速器，也可能出現運算資源等待資料的情況。 Cloud Storage Rapid 的目標，就是提升 AI 訓練過程中的資料讀取與寫入訓練中途儲存進度 (checkpoint) 的效率，其中包含： 此外，Google Cloud 也推出快取功能 (Rapid Cache)，針對模型載入、推論服務、或需要反覆讀取同一批資料的工作負載，提供更高速的快取能力。Rapid Cache 可在不更改程式碼的情況下， 提供最高每秒 2.5 TB 的讀取吞吐量，協助企業降低資料存取延遲，提升 AI 工作負載效率。 高效能平行儲存系統效能大幅提升：Managed Lustre 支援大規模 AI 與 [&hellip;]</p>

LinkedIn 共同創辦人用 AI 分身省下 50% 工時：企業生產力競爭，正從工具效率轉向「複製高階人才能力」

<p>總覺得工作永遠做不完嗎？現在，越來越多高階主管找到新解方，就是直接「複製」一個自己。《華爾街日報》報導，儘管目前仍是少數，但一群走在科技尖端的企業高階主管已開始打造專屬的「AI 分身」（AI Replicas），代替自己登台演講、接受媒體採訪，甚至親自為員工解惑。 例如在紐約，紐約梅隆銀行（BNY）資訊長 Leigh-Ann Russell 下班走在街上時，都會習慣性地跟「自己」對話。Leigh-Ann Russell 運用 ChatGPT 的 Projects 功能打造自己的數位孿生（digital twin），讓這個 AI 分身不僅可以幫她撰寫領導日記與管理健康，更成為準備會議與修正演講的得力助手。 AI 分身上工：從公開演講到內部管理，高階主管開始複製自己的工作能力 想像一下這個畫面：在杜拜的一場大型會議上，大螢幕裡的講者正流利地用法文、中文向台下觀眾自我介紹，甚至能無縫切換成英文回答即時提問。這不是科幻電影，而是 LinkedIn 共同創辦人 Reid Hoffman 的數位分身「Reid AI」。這個分身吸收 Reid Hoffman 過去 22 年來的著作、演講與 Podcast 精華，並從 2024 年以來，已替 Reid Hoffman 完成超過 75 場演講與簡報。Reid Hoffman 也預測，在未來 10 年內，每家超過 50 名員工的公司，都會為高層主管配備這類高度訓練的虛擬分身，最終甚至會普及到一般基層員工。 除了對外演講，AI 分身也悄悄走進企業內部的日常營運流程中。像是美國工業包裝商 Greif 的人資長 Bala Sathyanarayanan，就訓練出一個名為「BalaBot」的分身，當公司主管遇到「如何輔導績效不佳員工」或「如何推動人才職涯發展」等棘手難題時，只要傳個電子訊息，BalaBot 就會傳授管理建議。 Quantium Health 執行長 [&hellip;]</p>

GitHub 爆「Megalodon」供應鏈攻擊！惡意自動化提交 6 小時內植入逾 5,500 個儲存庫

<p>《SecurityWeek》報導，超過 5,500 個 GitHub 儲存庫在一起供應鏈攻擊中遭到惡意軟體感染，安全研究人員警告，這起攻擊利用自動提交程式碼進行散播。這場被命名為「Megalodon」的攻擊行動，利用包含惡意內容的 GitHub Actions 工作流程，目的是竊取憑證、金鑰、Token 以及其他機密資訊。 Megalodon 供應鏈攻擊，波及 5,500 個 GitHub 儲存庫 資安公司 SafeDep 指出，駭客於 5 月 18 日短短 6 小時內，透過超過 5,700 次惡意程式碼提交，將遭竄改的 GitHub Actions 工作流程植入受害專案，影響超過 5,500 個 GitHub 儲存庫。調查顯示，攻擊者此次使用兩種不同的惡意程式。其中一種會新增新的 GitHub Actions 流程，並在每次程式碼推送或提交合併請求時自動觸發；另一種則會直接取代既有工作流程，在特定觸發條件下建立可長期潛伏的後門機制。 《SecurityWeek》提及，一旦開發環境遭感染，惡意程式便會蒐集並外傳大量機敏資訊，包括CI（持續整合）環境變數、AWS 憑證、GCP 存取權杖、Azure 憑證、SSH 私鑰、Docker 與 Kubernetes 設定檔、API 金鑰、資料庫連線字串，以及 GitHub Actions 與 GitLab CI/CD 等平台的存取憑證。 SafeDep 表示，研究人員是在發現 Tiledesk 惡意套件版本後，揭露這起名為「Megalodon」的供應鏈攻擊。攻擊者並未直接入侵 [&hellip;]</p>

目標 2031 年追上台積電、英特爾：華為「τ 縮放定律」如何用架構效率繞開 EUV 封鎖？

<p>華為近日在上海的 IEEE 國際電路與系統研討會（ISCAS 2026）上，正式發表「τ 縮放定律」（Tau Scaling Law，又稱「韜定律」）與 LogicFolding 架構。華為表示，這項技術可在不依賴極紫外光微影（EUV）設備的情況下，讓晶片達到等同 1.4 奈米製程節點的電晶體表現。華為半導體業務部總裁何庭波在會中強調：「我們的解決方案是可行且負擔得起的。」 這項發表的背景，是因為中國企業目前仍被美國主導的制裁所限制，無法取得 EUV 設備，而 EUV 又是製造 3 奈米以下先進晶片的關鍵工具。 摩爾定律推動產業成長的傳統路徑正在改變 半導體產業過去 50 年來依循摩爾定律（Moore’s Law）與登納德縮放定律（Dennard scaling），透過縮小電晶體尺寸帶來更快速度、更低功耗與更低成本。然而，研究機構 Global Semi Research 指出，7 奈米之後幾何微縮已明顯放緩，寄生電阻與電容、微影解析度極限以及製程複雜度，都讓效能提升的幅度逐漸縮小。 在經濟面上，先進製程也面臨 EUV 機台、光罩、設計規則與驗證成本飆升等壓力，2 奈米單一晶片設計成本甚至已超過 10 億美元。因此，過去「每一代技術帶來更多電晶體、更低成本、更好效能」的產業邏輯正在失效，傳統的幾何縮放路線正面臨邊際效益遞減與成本上升的困境。《南華早報》也指出，隨著電晶體尺寸接近物理與原子極限，全球半導體產業依靠摩爾定律推動運算能力成長的傳統路徑已明顯放緩。 「τ 縮放定律」對華為的意義：把競爭轉向時間延遲壓縮 面對物理與經濟瓶頸，華為提出的解決方案是直接改變「最佳化的目標」。τ 縮放定律的核心，是「將衡量晶片進步的主要指標，從電晶體尺寸轉向時間常數 τ」。這代表華為不再單純追求「更小的電晶體」，而是將真正目標放在「更快的系統」，也就是縮短訊號與資料移動所需的時間。 τ 縮放定律將時間常數拆分成四個層次：電晶體切換延遲、電路 RC（電阻與電容）傳播延遲、晶片運算與記憶體存取延遲，以及系統端到端的反應時間。Global Semi Research 分析，在 EUV 受限的環境下，華為將競爭戰場從「幾何縮放」重新定位為「時間域最佳化」，是一項極具策略性的舉措。何庭波也指出，在華為的新路線下，EUV 將不再是不可或缺的要素，這對受限於 EUV 設備的中國半導體產業尤為重要。 何庭波更透露，華為過去六年已利用這套新定律設計並量產 381 款晶片，並表示：「我曾以為可能需要 10 [&hellip;]</p>

AI 時代下，企業私有雲也需要超進化：Dell Private Cloud 打造兼具彈性與效率的現代化架構

<p>AI 浪潮來襲，企業基礎架構迎來決定性時刻 AI 正在重塑一切－從基礎架構到服務交付。對於企業而言，訊號相當清楚：現在就行動，否則將面臨被淘汰的風險。 許多企業過去導入超融合架構（HCI），原本期待能以更簡單的方式完成虛擬化與資源管理，但隨著資料量、應用場景與 AI 工作負載持續增加，架構限制也逐漸浮現－當企業只想擴充儲存容量時，卻必須連同運算節點一起增加；不同部門對運算與儲存需求不一致時，也難以靈活調整資源配置。長久下來，不只硬體成本提高，授權費用、機櫃空間與後續維運壓力也同步攀升。 與此同時，企業在推動 AI、混合雲與跨據點營運時，面臨更多資料治理與管理挑戰。無論是資料主權、資安治理、法規遵循，或大量資料運算帶來的效能需求，都讓企業無法單純依賴公有雲，而需要一個兼具安全性、自主性與彈性擴充能力的地端環境。研究顯示，85% 的企業計畫在未來 24 個月內將 AI 工作負載移至本地端，而 77% 尋求 AI 能力的企業希望找到一個能涵蓋整個 AI 旅程的整合基礎架構供應商。 面對這樣的挑戰，Dell Technologies 以三大核心解決方案－Dell Private Cloud、Dell Automation Platform（DAP）以及 Dell PowerStore－協助企業在 AI 時代快速建立競爭優勢。 Dell Private Cloud：從「等比擴充」走向真正按需配置的靈活架構 過去許多企業在導入基礎架構時，最常面臨的問題就是資源被綁定。例如只是需要增加儲存容量，卻被迫同步增加運算節點；或是不同應用場景對 CPU、記憶體與儲存需求不同，架構卻無法獨立調整。這類「存算網等比擴充」或受到單一廠商綁定的模式，在 AI 與資料密集型應用逐漸普及後，讓企業面臨越來越大的成本壓力。 Dell Private Cloud 採用 Disaggregated Infrastructure，將儲存、運算、網路徹底拆分。企業可以依照實際需求獨立擴充不同資源，不用被迫同步增加整體設備。這樣的架構優勢，不只提升資源使用效率，也讓企業在面對 AI 專案、資料分析或多部門需求時，能更靈活調整基礎架構，有效降低過度採購與長期閒置的風險 Dell Private Cloud 提供來自 Broadcom/VMware、Nutanix、Red Hat 以及 Microsoft Azure [&hellip;]</p>

2.8 萬台人形機器人已登記 ID：中國正在把 AI 治理延伸到實體世界

<p>如果未來工廠裡的人形機器人撞傷員工、醫院照護機器人判斷失誤，或電網巡檢機器人造成設備事故，要如何追溯責任？這個問題過去多半停留在學界或監管討論，但中國開始嘗試把答案做成一套基礎設施。 中國近日正式啟動「人形機器人全生命週期管理服務平台」，替境內人形機器人建立國家級數位身分制度。根據官方公布資料，目前已有超過 2.8 萬台、涵蓋 200 種型號的人形機器人取得專屬 29 碼識別碼（ID），紀錄內容涵蓋生產、訓練、維修到回收報廢的完整履歷。 這表面上是一套產業標準化與風險追溯工具，但如果放進中國近年 AI 治理與機器人產業布局來看，可以發現中國正在把 AI 治理從演算法與模型，進一步延伸到實體世界。 一份會持續更新的「機器人履歷」 根據《The Next Web》與《南華早報》報導，這套制度由中國工業和資訊化部體系下的人形機器人與具身智慧標準化委員會（HEIS）推動。 每台人形機器人會獲得一組 29 碼專屬識別碼。這套 ID 碼由四個部分組成：兩位數的國家代碼，用於追蹤跨境出貨與銷售；四位數的製造商代碼，標識負責生產的中國企業；六位數的產品型號代碼，識別機器人類型；以及 17 位數的序號，區分每個獨立個體。設計概念參照中國 18 碼公民身份識別制度，但延伸出更長的編碼架構，以支援機器設備管理需求。 這也是一套動態數位紀錄系統，會持續追蹤機器人的維護歷程、作業環境與即時效能指標，包括機械關節磨損率、電池衰退狀況與動作精準度。當機器人出現故障，系統設計為能快速定位問題根源；當機器人除役，ID 隨之進入回收流程，直至最終報廢。 為何現在推？人形機器人進入規模部署階段 監管節奏往往反映產業成熟度。中國之所以現在建立追溯機制，為的是帶領產業打造機器人標準化、規模化發展。 《Reuters》先前報導，中國目前已有超過百家人形機器人製造商。僅 2025 年前 5 個月，機器人與具身智慧（Embodied Intelligence）投資規模就已超越 2024 全年，累計達 34 億美元，不僅高於同期美國，也約為歐洲的 5 倍。 中國政府也已同步投入基礎建設。上海建立具身智慧資料與測試設施；深圳成立 AI 與機器人基金；地方政府提供場域、租金與採購支持。中國國家電網規劃導入數千台巡檢與作業機器人，農業與物流場景也開始進入試驗。 中國新創 AgiBot 更向《Reuters》透露，其資料中心每天運作長達 17 小時，由真人持續示範折衣、搬運、開門等任務，替模型蒐集實體世界訓練資料。背後反映的產業現實是，Physical AI 的瓶頸不再只是模型能力，而是如何累積資料、管理部署，以及建立可驗證的運作紀錄。而當數萬台機器開始進入真實環境，治理需求也因此提早出現。 中國想管理的不只是機器，而是責任鏈 如果把這項制度放進中國近年的 AI [&hellip;]</p>

AI Agent 進入企業的最大挑戰是 ROI！Appier 共同創辦人暨執行長游直翰：別只看燒了多少 Token

<p>專訪：沈貝怡撰稿：李昀蔚 現在，無論是新創、成熟企業，或是正在尋找轉型方向的傳統產業，都開始思考如何把 AI 放進產品、服務與內部流程之中。然而，對台灣產業來說，如何把握 AI 帶來的新機會？挑戰又有哪些？本集《全新一週》邀請到 Appier 沛星互動科技共同創辦人暨執行長游直翰，深入剖析企業導入 AI Agent 的具體路徑，以及未來 AI 競爭重點。 作為台灣少數很早就投入 AI 商業化、並帶領公司走向全球市場的創業者，游直翰回憶，2012 年到矽谷向知名創投簡報時，他在簡報第一頁寫著「我們是一家 AI Company」，投資人卻直接告訴他：「沒有這種公司。」然而，十多年後市場已經完全反轉，現在幾乎每家公司都說自己是 AI 公司，新創若不做自動化與 AI，反而會被認為少了競爭力。 面對當前狂熱的 AI 市場，投資人最擔心的是：大模型會不會直接取代一家公司的核心功能？對此，游直翰指出，AI 新創或企業若要建立護城河，不能只是把應用建立在通用大模型上，而是必須找到特定場域，把垂直能力做深，並建立「資料、模型與營收成長」之間的循環。 導入 AI Agent 的挑戰：「可靠度」與「容錯成本」 隨著 AI 逐漸進入企業流程，游直翰看見的真正挑戰是「可靠度」。在個人使用情境中，人們熱衷嘗試各種 AI 工具，但當 AI 進入企業部署，領導者關心的問題就會轉向 AI 對公司的理解程度、如果 AI 犯錯可能造成的損失等，這些擔憂，也直接影響企業計算 AI 投資報酬率（ROI）的方式。 游直翰以 Appier 熟悉的廣告場景為例，說明系統會使用生成式 AI 針對不同消費者生成專屬的行銷文案，但若 AI 對折扣資訊判斷錯誤，把原本只打 10% 折扣的熱銷商品誤植為 20% 折扣，就可能對客戶造成巨大損失。這也是為什麼，每家公司都必須清楚定義 AI [&hellip;]</p>

【劍橋團隊潛入地下論壇】「AI 超級駭客」威脅被過度渲染，真正安全隱患是科技業裁員潮

<p>過去三年，從資安公司、各國政府到 AI 實驗室，幾乎都用同一套劇本警告大家：生成式 AI 將催生新一代「超級駭客」，網路犯罪即將進入失控的階段。然而劍橋大學、愛丁堡大學與蘇格蘭的斯特拉斯克萊德大學的研究團隊近期發表了一篇論文，研究團隊實際到地下論壇蹲點，得出的結論幾乎完全與主流所想相反。 這份名為《Stand-Alone Complex or Vibercrime?》的論文發現，那些被預期會使用 AI 大幅強化自己犯罪技能的網路犯罪者，實際上多半只是拿 ChatGPT 來量產垃圾部落格、製作詐騙用的生成內容，距離我們想像的「超級駭客」還相當遙遠。 研究團隊親自蹲點調查，「AI 末日論」不存在？ 研究團隊從劍橋網路犯罪中心的 CrimeBB 資料庫中，分析了 ChatGPT 上線後地下論壇的 97,895 則討論串，搭配主題模型分析、研究團隊親自閱讀超過 3,200 則貼文，並蹲點在地下論壇長期觀察。結果顯示，高達 97.3% 的討論串被歸類為「其他」，也就是根本與利用 AI 進行犯罪無關，真正涉及 vibe coding 工具的僅占 1.9%。 研究者直言，這份結果對「AI 末日論」的信仰者來說相當現實。 WormGPT、FraudGPT 這類在 2023 年被媒體大幅報導的「黑暗 AI」產品，當時被描繪成專為犯罪者打造、毫無道德限制的攻擊工具，外界普遍擔心它們會成為駭客大規模武器化的起點。然而當研究團隊真的潛入地下論壇追蹤這些產品的實際使用情況，看到的景象與媒體敘事幾乎是兩回事。 且論壇中與這些工具有關的貼文，絕大多數並不是在交流如何用它發動攻擊、撰寫惡意程式或執行詐騙；相反地，最常見的內容是使用者排隊索取免費試用權限、彼此猜測這套工具到底能做什麼、抱怨付費後發現功能根本跑不動，或是質疑開發者是不是在騙錢。 更關鍵的是來自開發者本人的自白。其中一款被廣泛報導的黑暗 AI 服務，在專案收攤前，開發者直接對論壇成員承認，這個產品本質上就是一場行銷操作，它根本不是什麼專為犯罪打造的特殊技術，也沒有獨家的攻擊能力。「說到底，它不過是一個沒有限制的 ChatGPT，任何人用網路上常見的越獄技巧，都能達到同樣甚至更好的效果。」 連駭客都不太敢仰賴 AI？ 那麼 AI 究竟在哪些犯罪場景真的派上用場？答案落在食物鏈最底層的低技術、高產量領域。 SEO 詐騙者用大型語言模型量產部落格垃圾文，以追逐萎縮中的廣告收益；愛情詐騙業者把語音克隆與影像生成用在詐騙上；還有不少投機者則大量產出 AI 撰寫的電子書，每本賣 20 美元。 [&hellip;]</p>