TechOrange 科技報橘

【科技早餐】OpenAI 傳租 10GW 園區，台積電、資安與資料中心人力同步承壓

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 傳租 10GW 園區，AI 算力戰從模型燒到電力與金融 OpenAI 正在洽談租用一座位於美國俄亥俄州南部、能源部土地上的資料中心園區，規劃容量高達 10GW。報導指出，這項交易可能獲得 NVIDIA 的財務支持，建設成本可能至少達到 5,000 億美元，租期長達 20 年，第一階段預計 2028 年啟用。不過，《路透》也表示，尚未能獨立查證這篇報導，OpenAI 與 NVIDIA 也未立即回應置評請求。 如果這項計畫成形，代表 OpenAI 的競爭焦點已經不只在模型本身，而是進一步延伸到電力、資料中心、晶片供應與長期資本。OpenAI 執行長 Sam Altman 與首席科學家 Jakub Pachocki 近期也提出 OpenAI 下一階段方向，目標是讓先進 AI 變得更充裕、可負擔，並讓更多個人與組織使用。 ＊台積電回應漲價與海外設廠，最尖端製程生產仍留台 台積電財務長黃仁昭接受《BBC》專訪時表示，通膨確實推升公司成本，台積電並未排除未來調整價格的可能。不過他也強調，不會出現「四倍、五倍」這樣的劇烈漲幅，台積電的定價，反映的是技術領先與製造能力所創造的價值。黃仁昭也回應外界對台積電海外布局的質疑，表示台積電到台灣以外地區擴建產能，是基於客戶需求，不是政府要求。 談到最先進晶片的生產地點，黃仁昭表示，最尖端製程生產將持續留在台灣。這番說法凸顯台積電目前面對的雙重壓力：一方面，客戶希望公司快速擴充產能，支援 AI 晶片需求；另一方面，海外設廠、通膨與供應鏈重建，也讓成本結構變得更複雜。同時間，台積電最新公布 5 月營收達新台幣 4169.75 億元，創下單月歷史新高，年增 30.1%，顯示 AI 相關需求仍然強勁。 ＊Anthropic 開放 Fable 5，資安能力上鎖成前沿模型新門檻 Anthropic 宣布開放旗下最強公開模型 Claude [&hellip;]</p>

Loop Engineering 崛起：當 AI Agent 能自己工作，Google 工程師點人類三大職責

<p>AI Coding 的玩法，正從 Prompt Engineering（提示工程）擴大至「Loop Engineering（迴圈工程）」。OpenClaw 創辦人 Peter Steinberger 近日於社群平台 X 上發文：「每月提醒：你不該再對 Coding Agent 下提示了。你該設計的是會自動去提示 Agent 的 loop（迴圈系統）。」這則貼文截至發稿前獲得超過 790 萬次瀏覽。 同樣地，Anthropic Claude Code 負責人 Boris Cherny 日前表示：「我已經不再直接 Prompt Claude。現在是我建立的 Loop 在替我 Prompt Claude，並自行判斷接下來該做什麼。我的工作，就是設計這些 Loop。」 這些討論讓 Loop Engineering 一詞迅速竄紅。隨後，Google 工程師（Google Cloud AI 部門總監） Addy Osmani 在個人部落格發表長文，替這個概念提出一套完整的理解框架，並進一步點出他認為人類工程師扮演的角色。 從 Prompt Engineering 到 Loop Engineering 在 Prompt Engineering 工作模式下，開發者與 [&hellip;]</p>

中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？

<p>目前中美兩國正主導著全球人形機器人的研發競爭，根據巴克萊銀行（Barclays）近期的研究報告指出，去年中國製造的人形機器人已經占據全球約 85% 的市場份額。這股熱潮背後的關鍵動力，就是為了尋求國內人口老化、勞動力成本不斷上升等社會經濟問題的解方。 然而，隨著中國在人形機器人硬體製造與產能上已獨步全球，隨之而來的最大挑戰卻是：市場的真實需求到底在哪裡？部分專家與創投人士點出其中的核心矛盾，認為目前市場對人形機器人的真實需求與應用場景仍十分有限，遠遠落後於製造商龐大的生產能力。投資科技新創的戈壁創投（Gobi Partners）合夥人 Chibo Tang 更直言，如果沒有來自市場的應用需求，這些企業實際上將難以真正邁入大規模量產的階段。 中國人形機器人量產優勢成形：出貨規模、產能擴張與政策力同步推進 中國企業的機器人出貨量究竟有多麼可觀？研究機構 Omdia 的數據顯示，如智元機器人（AGIBOT）、宇樹科技（Unitree）等中國指標性企業，在 2025 年的出貨量各自已突破 5,000 台，這個數字遠遠超過特斯拉（Tesla）、Figure AI 等美國競爭對手僅生產數百台的規模。 在擴充產能的具體行動上，擁有二十年歷史的智慧型手機與電子製造商領益智造（Lingyi iTech）副總裁 Philip Yang 表示，其位於北京的工廠目標在今年量產一萬台機器人，並計畫在 2030 年達到年產 50 萬台的龐大生產規模。這股產業推動力背後有著強烈的政治色彩，在中國五年規劃的強力支持下，發展人形機器人已成為國家任務之一。 量產不是商業化，人形機器人的真實需求仍待觀察 儘管產能驚人，中國人形機器人的真實訂單現況卻顯得雷聲大雨點小。貝恩策略顧問駐北京合夥人 Xin Cheng 指出，截至目前絕大多數的人形機器人訂單一次僅採購一到兩台。摩根士丹利的研究則進一步顯示，目前許多價值龐大的訂單多半來自國營企業，被應用於發電廠、數據中心或作為娛樂用途，或是由企業與學術研究機構買下作為研發之用。 不過，部分製造商表示市場需求正在增長。例如 Matrix Robotics 宣稱已收到約 1,000 台訂單，客戶包含咖啡連鎖店與飯店；EngineAI 則表示其機器人可應用於保全與博物館導覽。 在實用性方面，人形機器人目前仍面臨嚴峻的技術瓶頸，美國智庫新美國（New America）高級研究員 Samm Sacks 觀察到，多數人形機器人仍然偏向表演性質而非具備實質功能，在難以預測且雜亂的真實環境中，它們的表現依然不盡理想。Samm Sacks 進一步解釋，人形機器人的經濟效益仍難以成立，其生產成本依然高昂，在操作上卻非常脆弱，且高度依賴結構化的環境才能順利運作。 以規模化降本，用軟體與數據立足 面對商業化的重重挑戰，中國廠商試圖以規模化殺出一條血路。藉由龐大的量產規模，以及採用本土零組件的優勢，中國製機器人平均比外國型號便宜 20% 以上。領益智造（Lingyi iTech）副總裁 Philip Yang 表示，擴大生產規模可以直接將目前約 30,000 [&hellip;]</p>

「AI Tool 是效率的革命，而 AI Agent 是勞力的革命。」 鴻海 CityGPT 助力城市交通治理：決策週…

<p>在日前舉辦的「2026 AI Agent 新工作革命論壇暨 AI &amp; Beyond 年會」，鴻海科技集團董事長辦公室軟體研發處資深經理闕大順演講時分享，在智慧城市急速發展的浪潮下，鴻海科技集團結合了主權算力中心、城市資料平台與大模型層，為智慧城市打造輔助決策的 CityGPT 平台。 「我們的目的不是要取代決策者，而是讓決策者看得更清楚，決策得更快，」闕大順指出，CityGPT 平台能夠像製造手機一樣規模化地產出 AI Agent，進而配置到各種公共服務現場，「CityGPT 不是取代判斷，而是把經驗變成每個人都能用的依據。」 在城市治理的智慧轉型中，道路安全改善是 CityGPT 展現決策輔助能力的首要場景。過去公家單位規劃改善易肇事路口時，承辦人員需要耗費數週甚至數個月的時間，從各個不同局處調閱並蒐集事故數據，再以人工繪製車禍碰撞構圖，並召集跨局處的專家學者開會，才能進一步判斷肇事主因並草擬改善方案。 現在透過 CityGPT 自動整合跨局處的龐大數據，將複雜資訊進行空間視覺化，承辦人員能夠預先看見風險熱區，結合 AI 風險預測與數位孿生技術進行自動化檢查，使公務單位道路改善決策週期從原本數個月縮短至僅需 5 到 7 天，讓城市在面對交通挑戰時具備預測與調整的能力。 除了交通治理，公文處理也是公家機關耗時的工作項目之一。闕大順指出，過去這項高度依賴經驗、缺乏明確統一標準的工作，經常拖延到決策進度，而透過 CityGPT 的五大框架，根據經驗提供精準的分案建議，協助不擅長撰寫公文的承辦人員撰擬，同時將這些案例去識別化後留存，達到將個人經驗轉化為每個人都能使用的智慧依據。 而在公共服務的第一線，每天必須面對大量市民需求的 1999 話務中心同樣面臨考驗。過去話務員必須一邊安撫民眾情緒、一邊在市政系統中尋找解答，而 CityGPT 能夠即時聆聽通話內容，克服台語與國語交雜的語音辨識障礙，同時自動從知識庫中查找解答並產生逐字稿及摘要，減輕話務員在判斷、查詢與情緒上所承受的三重壓力，提升市政服務的整體營運效率。 鴻海也正積極推動市民服務 Super APP 願景，透過 CityGPT 作為個人助理，服務對象從公部門延伸至全體市民，使用者只需用語音提出需求，AI 就會自動找出對應的服務。 導入 AI Agent 的三大關鍵：思維、資料與組織重組 「AI Tool 是效率的革命，而 AI Agent 是勞力的革命，」闕大順表示，AI 工具雖然讓做事效率更快，但 AI Agent [&hellip;]</p>

【COMPUTEX 2026 現場解密】泓格科技引領 AI 與 ESG 雙軸轉型，全力打造智慧工廠

<p>COMPUTEX 2026 的兩大關鍵議題聚焦於「AI 智能」 與「ESG 綠色轉型」。然而，無論是發展 AI 應用，還是推動節能減碳，背後都指向同一個核心關鍵 —— 數據。 泓格科技總經理鄭樹發認為，數據不僅是 AI 應用的基礎，也是企業綠色轉型的起點，企業能夠透過數據知道哪裡是能耗熱點或潛藏能源浪費，進一步讓節能投資發揮最大效益。因此在 COMPUTEX 2026 上，泓格科技聚焦「AI 智慧賦能」與「ESG 綠能減碳」兩大主軸展出眾多解決方案，協助企業從數據蒐集，逐步建立可視化、可分析、可優化的管理能力，讓智慧轉型與永續經營實現真正落地。 兩大 AI 解方，助企業升級設備預測性維護 就 AI 智慧賦能來看，泓格科技針對設備安全監控與預測維護，端出兩大解方。其一是紅外線熱顯像方案，利用熱顯像技術即時監控設備的溫度變化，一旦發現異常升溫趨勢，系統會立即發出告警訊息，提醒管理者及早介入處理。此外，泓格亦透過自家控制器 WISE-5231 整合熱顯像圖與攝影機影像，協助管理人員快速掌握發熱位置與異常元件，讓溫升異常無所遁形。 鄭樹發表示，此方案的應用場景已從機房與配電盤，延伸至 AI 與 HPC 伺服器。由於此類設備的異常升溫風險較高，透過紅外線熱顯像方案即時監測伺服器匯流排的溫度變化，企業能及早發現、避免設備過熱，確保資料中心穩定運作。 其二是設備振動監測解決方案，透過加速規感測器持續蒐集振動數據，並結合工研院自行研發的 PMS 預兆診斷系統，可自動辨識馬達、泵浦等旋轉設備共 17 種常見故障原因，例如：軸承磨損、齒輪異常等。鄭樹發指出，傳統振動分析需要仰賴專業且資深的工程師解讀數據，一般企業不一定有人力可以自行判讀，如今透過 AI 模型分析，系統可直接將複雜數據轉換為設備健康度指標，管理人員即使不具備振動分析專業，也能快速掌握設備狀況，而當健康度下降或出現異常徵兆時，也可提前規劃維護作業，讓設備維運管理從「壞了再修」或「定期盲換」轉變為「預測性維護」，減少不必要的零件浪費，避免設備故障造成的非預期停機損失。 一體化 ESG 減碳解方：IoTstar 雲端平台用數據驅動節能決策 若 AI 智慧賦能重點在於透過數據提升設備安全與維運效率，在 ESG 綠能減碳領域，數據則是企業推動能源管理與制定減碳策略的核心基礎。 鄭樹發觀察，許多企業每月都會收到電費帳單，卻未必清楚電力究竟消耗在哪些設備或製程環節，當企業無法掌握能源流向，也難以找出浪費源頭，更遑論推動節能改善或碳盤查。 泓格科技此次展出的能源管理系統「PM-3133 系列智能電錶」，包含即時量測電壓、電流、實功率及智能電錶集中器，並將量測數據整合至 IoTstar 雲端平台，自動生成能耗報表。透過這套能源管理系統，企業不僅能清楚掌握用電狀況、建立撰寫 ESG 報告書的數據基礎，更能藉由系統內建的需量管理功能，在用電量即將超出契約容量前主動發出警示，甚至自動執行卸載措施，避免產生額外電費與罰款。 在掌握能源流向後，下一步便是進行優化。鄭樹發指出，泓格此次展出的空調水側節能方案，鎖定長期位居企業耗電設備排行榜前段班的空調系統，透過 [&hellip;]</p>

Anthropic 推出 Fable 5 與 Mythos 5，最重要的升級其實不是模型

<p>今年 4 月，Anthropic 首度公開 Mythos Preview 模型時，曾以資安風險為由拒絕全面開放。當時 Anthropic 認為，這類模型如果直接開放，可能被惡意攻擊者用來開發新的網路工具。然而不到三個月，Anthropic 在今日正式發表 Claude Fable 5 與 Claude Mythos 5，首次把 Mythos 級能力以 Fable 5 的形式推向大眾市場。仔細觀察，這次並非單純的新模型發布，Anthropic 想回答的問題是，如何讓最強的模型，安全地進入商業世界。 Fable 5 與 Mythos 5 差異不在模型，而在治理層 可能會有人以為，Fable 5 與 Mythos 5 是兩款不同模型。但 Anthropic 明確指出，兩者使用的是相同底層模型（same underlying model）。其中真正差異在於安全控制機制。 根據《WIRED》報導，針對大眾開放的 Fable 5 雖然與 Mythos 5 是相同底層模型，但前者內建了極為嚴格的分類器（Classifiers）與安全護欄（Safeguards）機制，會擋下許多與資安、生物、化學相關的提問，並把這些請求轉交給前一代旗艦模型 Claude Opus 4.8 回答；若 Anthropic 懷疑使用者試圖對 Fable 5 進行「蒸餾」（以大模型的回應訓練小模型），相關請求同樣會被轉走。Anthropic [&hellip;]</p>

從黑名單到全鏈追蹤：台灣擬將 AI 晶片管制擴大到所有中國客戶，伺服器供應鏈迎合規新考驗

<p>為了防堵先進硬體設備流向中國並進一步與美國的政策看齊，台灣正考慮實施更嚴格的 AI 晶片出口管制，這項措施同時也是目前台美雙方正在進行的貿易談判一部分。據報導，未來的管制對象可能進一步擴大，預計會限制對中國所有客戶的銷售，不再僅限於華為（Huawei）或中芯國際（SMIC）等已被列入出口黑名單的特定企業。 這波管制升級的背後，與美國持續施壓防堵第三地轉運漏洞的政策息息相關。具體而言，美國共和黨參議員 Jim Banks 與民主黨參議員 Andy Kim 已致函負責監督出口管制的美國工業和安全局（BIS）首長 Jeffrey Kessler，要求收緊對台積電這一類晶圓代工廠的規定，以防止中國企業透過在第三國的海外子公司或空殼公司，下單製造客製化 AI 晶片。 此外，東南亞與周邊國家作為走私中繼站的風險也日益升高。儘管馬來西亞曾在廣泛的雙邊互惠貿易協定談判中同意配合美國管制，但後續的具體執行狀況仍不明確。新加坡與日本也陸續傳出不肖分子透過造假目的地來轉運 AI 伺服器的案件，例如先將設備先運至日本，最終再轉運至香港，目前新加坡當局正在起訴相關詐欺行為。 台灣出口管制補漏洞：AI 晶片走私中國，恐從偽造文書升級為刑事犯罪 面對日益猖獗的走私行為，台灣目前的法律現況顯得相對薄弱，尚未將未經授權的 AI 晶片出口至中國的行動視為犯罪行為。例如在今年五月破獲的基隆 NVIDIA 伺服器走私案件中，檢調機關拘留三名嫌犯並扣押約 50 台伺服器，此事件更促使 NVIDIA 公開敦促伺服器大廠 Supermicro 必須落實出口合規審查，但最終也僅能以偽造文書來起訴涉案人。 為了修補這項漏洞，台灣正在研擬的新規預計將設定與美國相似的晶片算力門檻，例如針對總處理效能（TPP）超過 21,000 及 DRAM 頻寬達 6,500 GB/s 的晶片進行限制。這項標準恰好對應 NVIDIA 的 H200 與 AMD 的 MI325X 等高階產品，且與美國《安全晶片法案》（SAFE Chips Act）的防堵目標一致。這項舉動將讓走私 AI 晶片或伺服器到中國的行為，首次成為可被起訴的刑事犯罪。 下游組裝成新防線，台灣 AI 伺服器供應鏈將面臨更高合規壓力 這項法規的調整將直接衝擊台灣在 AI [&hellip;]</p>

印度 AI 轉型的兩難：培訓 3.5 億人，但模型不在自己手上

<p>印度擁有約 6 億名勞動力，是全球最大的 IT 服務人力市場之一。然而根據 IBM 商業價值研究院與 IndiaAI 本月發布的聯合報告，這 6 億人中目前具備足夠 AI 知識的只有約 2 億人，佔整體勞動力的 30%。 要讓 AI 真正成為印度下一波經濟成長的引擎，這個比例必須在不到五年內提升到 57%，也就是再培訓 1.5 億人。 市場已經先行反應 市場對這個衝擊的判斷，比多數分析師更早到來。Anthropic 的 Claude Cowork 代理工具推出後，印度軟體出口商上週市值蒸發 225 億美元，Nifty IT 指數單週下跌約 7%，創四個月來最大單週跌幅。 應用服務佔印度 IT 公司營收的 40% 至 70%，而 AI 正在威脅這塊業務。印度金融公司創辦人 Motilal Oswal 估計，未來四年，AI 主導的破壞可能消除印度 IT 業 9% 至 12% 的營收。 不過，並非所有人都認為這是存亡威脅。印度券商 Centrum Broking 的分析師 [&hellip;]</p>

半導體出口暴增 169%、變壓器訂單衝上 32 兆韓元：AI 算力戰如何讓南韓成為全球戰略產業贏家？

<p>南韓目前正處於經濟發展的「甜蜜點」，成為全球經濟的贏家，這主要歸功於全球 AI 霸權爭奪戰以及各國重新武裝的浪潮。根據 Insight Communications 執行長 Michael Breen 的觀察，儘管南韓面臨能源高度依賴進口、高昂生活成本與青年失業等挑戰，但其經濟成長引擎依然全速運轉中。 受惠於全球 AI 投資熱潮，南韓五月出口額以高達 53.2% 的年增率飆升，創下自 1984 年 1 月以來的最大增幅。五月出口總額達到創紀錄的 877.5 億美元，連續 12 個月成長，更為該國帶來高達 269.5 億美元的歷史新高貿易順差。 如此強勁的出口動能帶動了對這個貿易依賴型經濟體的強烈樂觀情緒，促使南韓央行將今年經濟成長預測從 2.0% 上調至 2.6%。央行總裁 Shin Hyun-song 更表示，半導體熱銷將使 2026 年 GDP 成長率提升 0.7 個百分點，足以抵消中東衝突帶來的負面衝擊。 AI 算力基礎設施爆發，晶片與變壓器需求大增 由於美國科技公司不斷加大 AI 投資力道，大幅推升記憶體晶片價格，帶動南韓五月半導體出口暴增 169.4%，達到創紀錄的 371.6 億美元。同時，AI 伺服器的龐大需求也促使電腦出口激增 290.7%。 這股狂熱直接反映在股市表現上，晶片巨頭三星電子與 SK 海力士的市值雙雙突破一兆美元大關，成功躋身全球前二十大企業。強勁的獲利表現帶動南韓 KOSPI 指數在去年飆漲 76% 後，今年以來更是大漲超過 100%，創下歷史新高，成為全球 [&hellip;]</p>

幫草莓拍張照就知道能不能賣：美連鎖超商的 AI 生鮮品管工具，如何解決人工檢驗標準不一的老問題？

<p>美國連鎖超商巨頭 Albertsons 宣布推出正在申請專利的「智慧品質控管（Intelligent Quality Control）」工具，透過 AI 與電腦視覺技術協助物流中心品管人員進行生鮮蔬果檢測，提升品質評估的一致性與效率。 導入 AI 智慧品管，首波鎖定高損耗水果類 對於大型零售業者而言，生鮮蔬果是供應鏈管理中最具挑戰性的品項之一。草莓、葡萄等水果保存期限短，品質狀況又容易受到運輸、溫度及儲存環境影響，因此如何在商品進入門市前快速且準確地完成品質檢驗，一直是物流營運的重要課題。過去多數品質評估仰賴人工判斷，不同檢查人員之間可能出現標準不一致的情況，也使得品管結果容易受到經驗與主觀認知影響。 Albertsons 推出的智慧品質控管工具，正是為了解決這項問題。系統利用 AI 視覺辨識技術分析蔬果的外觀特徵，包括顏色、成熟度、表面狀況及可能的腐敗跡象。物流中心的品質檢查人員只需透過平板或其他設備拍攝商品照片並上傳至系統，AI 便會依照 Albertsons 內部既有的品質標準進行分析，快速產出品質評分與檢驗建議，再由現場人員確認最終結果。 Albertsons 釋出的示範影片顯示，工作人員在物流倉儲內拍攝一盒草莓後，系統能立即辨識果實顏色與外觀狀態。顏色鮮紅、成熟度均勻的草莓將獲得較高評分，而出現變色、品質不佳或可能開始腐敗的果實則會被標示較低等級，協助品管團隊迅速做出判斷。 目前該工具已在部分物流中心正式上線，首階段應用聚焦於最容易腐敗且檢驗需求頻繁的草莓、紅葡萄與綠葡萄。Albertsons 表示，未來將逐步擴展至整個莓果類產品，接著推廣至更多生鮮品項，最終部署到全美物流網路，建立更標準化的品質管理機制。 效益驗證：加快驗收流程、建立供應鏈品質資料庫 根據該公司公布的早期測試結果，AI 系統已展現出多項營運效益，其中最明顯的是提升品質評等的一致性。過去不同班次或不同檢查人員對同一批商品可能給出不同評價，導入 AI 後，評分標準變得更加統一，有助於降低判斷差異，對於高度依賴品質穩定性的生鮮供應鏈而言，這項改善尤其重要。 另一項效益則來自決策速度的提升。系統能在短時間內完成分析與評分，減少人工檢查所需時間，協助物流中心更快完成商品驗收與分配流程，讓生鮮商品能更迅速送達各地門市。對消費者來說，這代表架上的水果有機會維持更佳的新鮮度與品質。 此外，AI 也為品質管理帶來更豐富的資料基礎。傳統檢查通常僅記錄有限資訊，而智慧品質控管工具能持續蒐集多項品質指標，建立更完整的數據資料庫。這些資料未來可用於品質趨勢分析、供應商管理以及流程優化，協助企業進一步改善整體供應鏈表現。 Albertsons 供應鏈執行副總裁暨供應鏈長 Evan Rainwater 表示：「該工具的目的是協助物流中心的專業品質檢查團隊，而非取代人員工作。」早期成果顯示，AI 在提升品質評等一致性方面已發揮顯著效果，對於水果與蔬菜等高度易腐商品特別具有價值。 【推薦閱讀】 ◆ 幽靈庫存讓線上訂單取消、顧客流失：RFID 如何把服飾庫存準確率拉升到 95% 以上？ ◆ 從 DTC 到 AI 供應鏈：平價奢華品牌 Quince 為何成為電商新黑馬？ ◆ 電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia [&hellip;]</p>

【科技早餐】OpenAI 接續 Anthropic 申請 IPO，晶片備援與主權算力同步升溫

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI、Anthropic 排隊 IPO，Perplexity 押 2028 上市 OpenAI 已秘密在美國申請首次公開發行，也就是 IPO，加入 Anthropic 前進股市的行列。OpenAI 目前尚未公布上市規模、條件與明確時間表，只表示上市可能還需要一段時間，因為有些事情作為私人公司比較容易完成。《路透》先前引述消息人士報導，OpenAI 目標最高以 1 兆美元估值在股市亮相，最快可能在 9 月登場。 Anthropic 這個月稍早也已秘密提交 IPO 文件，近期融資後估值達 9,650 億美元。另一方面，Perplexity 執行長阿拉文・斯里尼瓦斯（Aravind Srinivas）接受《CNBC》訪問時表示，無論 OpenAI 和 Anthropic 上市結果如何，Perplexity 仍維持 2028 年上市計畫。這讓 AI 熱潮從私募市場，開始進入公開市場的估值檢驗。 ＊馬斯克稱太空 AI 不需魔法技術，Starlink 架構撐起軌道算力 隨著 SpaceX IPO 進入倒數，SpaceX 執行長馬斯克（Elon Musk）表示，太空 AI 資料中心已不是遙遠概念，大部分所需技術已存在於下一代星鏈（Starlink）衛星網路中，不需要目前不存在的魔法技術。依照 SpaceX 說法，這些 AI 衛星會在軌道上作為運算節點，由太陽能供電，並把熱量輻射到太空。 第一顆擬議 AI [&hellip;]</p>

一顆算力約等於一座 NVIDIA 機櫃！馬斯克首度公開太空資料中心衛星細節

<p>當全球科技巨頭爭相建設 AI 資料中心之際，SpaceX 執行長馬斯克（Elon Musk）正在推進一個更激進的方案：把 AI 算力送上太空。在 SpaceX 即將進行首次公開募股（IPO）之前，馬斯克首次公開太空 AI 資料中心衛星的具體設計細節，揭露名為 AI1 的首代 AI 衛星規格，以及支撐這項計畫的製造基地與產能布局。 從表面上看，這是一項太空資料中心計畫，但如果從 SpaceX 的整體藍圖觀察，馬斯克真正想打造的，是一個由 100 萬顆衛星組成、運行於太空的 AI 算力網路。 AI1 衛星長什麼樣？算力約等於一座 NVIDIA 機櫃 SpaceX 最近在 X 平台發布一段由馬斯克與自家工程師對談、長達 30 分鐘的影片，首次展示 SpaceX 所謂的 AI1 衛星設計圖。 根據《Bloomberg》，這個早期版本的衛星配備跨度達 230 英尺（70 公尺）的大型太陽能板，能支援平均 120 千瓦、尖峰 150 千瓦的運算負載。 SpaceX 財務長 Bret Johnsen 在另一場訪談中表示，AI 衛星初期將採用 NVIDIA 的晶片。馬斯克與 SpaceX 工程師 Ian [&hellip;]</p>

軟體股反彈不代表危機解除，Snowflake CEO：AI Agent 時代 SaaS 公司最危險的是太早樂觀

<p>近期，《Business Insider》報導 2026 年初籠罩整個軟體股的「SaaSpocalypse」（SaaS 末日）恐慌已明顯降溫，iShares 擴展科技軟體 ETF（IGV）近兩日飆漲 13%，創下自 2001 年以來的最大兩日漲幅。 這波強勁反彈主要由三大力量所推動：首先是 Snowflake 日前繳出優於預期的財報，單日股價大漲 36%，顯示市場對其 AI 工具高度買單；其次是 NVIDIA 執行長黃仁勳在 COMPUTEX 的樂觀喊話，強調 AI Agent 的數量龐大，未來將使用比以往更多的軟體工具，軟體公司並不會因此倒閉；最後則是軟體股的空頭回補，讓做空機構措手不及，進一步推升股價表現。 然而，在一片樂觀中，Snowflake 執行長 Sridhar Ramaswamy 近日接受《Forbes》專訪時卻提出警告。他認為，現在宣告「SaaS 末日」已經結束還言之過早，因為 Agentic AI 仍在持續降低企業軟體開發的門檻與成本，並顛覆既有軟體商業模式。 AI Agent 讓寫軟體變容易，軟體公司必須重新回答「長期價值」 Sridhar Ramaswamy 點出一個殘酷的事實：在 Agentic AI 的浪潮下，寫軟體已經變得越來越容易。這也代表，企業必須重新省思，到底自己能為市場帶來什麼不可取代的價值？ 他警告，如果企業高層將「軟體開發成本下降」視為微不足道的改變，並抱持著「自然能撐過去」的心態，這將會是極度危險的錯覺。「我正在努力思考長期價值、網路效應，以及在這個任何人都能輕易打造軟體的時代，Snowflake 憑什麼能持續存在？」Sridhar Ramaswamy 以自身為例，提醒在現今的市場環境中，競爭對手只要做出 20% 或 30% 的產品改善，就足以在一夜之間抹平既有公司的領先優勢，「包含 Snowflake 在內，沒有任何人可以坐在這裡，假設未來的成功是理所當然的。」 AI Agent 衝擊蔓延至人才端，資料科學家與分析師面臨轉型壓力 現在 [&hellip;]</p>

Claroty 推出業界首款 CPS 原生 AI 安全代理 Claroty Claire™

<p>Claire 結合AI 驅動的 CPS 可視化、情境洞察與自主執行能力，全面守護關鍵任務基礎設施的完整性與韌性 網路物理系統（CPS）保護領導廠商 Claroty 今日宣布推出 Claroty Claire™ 。這是業界首創的 CPS 原生 AI 安全代理，協助企業主動防護關鍵任務基礎設施。提供更快速、更精準且更直覺的操作經驗。 Claire 由全球最先進的 CPS 語言模型所驅動，該模型融合了超過十年的產業專業知識以及規模最大的 CPS 資料庫。這項創新標誌著一個典範轉移，大幅提升了企業在 AI 驅動時代中確保安全、正常運行時間（Uptime）與可用性的能力 。 捍衛快速擴張的攻擊面，抵禦超強威脅 隨著 AI 迅速擴大 CPS 的攻擊面，企業必須立即採取主動防禦措施 。以機器人領域為例，根據高盛（Goldman Sachs）的數據，「人形機器人的總體潛在市場規模預計到 2035 年將達到 380 億美元，較先前預測的 60 億美元成長六倍以上」，並預測「2030 年人形機器人出貨量將超過 25 萬台，且幾乎全數用於工業領域」。 同時，AI 也大幅加快了攻擊生命週期，使攻擊速度遠超過企業傳統防禦機制的反應能力。多數 AI 驅動的網路安全解決方案往往為了追求速度與簡便性而犧牲了準確度，這在捍衛關鍵任務基礎設施時是一項危險的權衡 。企業目前極需兼具智慧、情境掌握與規範性的解決方案，以提供值得信賴的洞察，並採取迅速、確定且具擴展性的行動 。 國際權威研究機構 Gartner 指出：「AI 正在重塑 CPS 安全。網路安全領導者必須在決定性安全（deterministic safety）與 AI [&hellip;]</p>

台積電產能不足反成 Intel 福音：傳 Google 下單 300 萬顆 TPU、NVIDIA 測試 18A，AI…

<p>AI 晶片的爆發性需求，正嚴重壓縮台積電（TSMC）的先進製程與先進封裝產能。此外，過度依賴單一供應商的現況，已成為科技巨頭的戰略風險，這也迫使 Google、NVIDIA 等主要 AI 晶片設計公司，開始將目光轉向台積電的替代選項：Intel。對於近年來在晶圓代工領域苦苦追趕，且持續面臨虧損的 Intel 而言，這更是多年來少見的轉機。 據傳 Google 下單 300 萬顆 TPU，為 Intel 代工能力投下信任票 在這波供應鏈多元化的行動中，Google 的進展最為明確。《The Information》報導，Google 在測試 Intel 先進封裝技術數個月後，據稱已向 Intel 下單，計畫在 2028 年製造超過 300 萬顆張量處理單元（Tensor Processing Units, TPU）。 TPU 是 Google 自行研發的 AI 晶片，專門用於訓練與執行 AI 模型。為了控制成本並確保長期的運算量能，Google 的 TPU 不僅廣泛應用於其內部基礎設施、驅動 Gemini AI 系統、AI 強化搜尋以及 Google Cloud 的機器學習服務，甚至已開始向 Apple、Meta 等企業出售 TPU 的使用權限。因此，這次 Google 釋出的大筆訂單，將是對 [&hellip;]</p>

Apple 終於揭曉 AI 戰略：新版 Siri AI 為何把「理解你」看得比模型更重要？

<p>歷經兩年延遲與外界質疑後，Apple 終於在 WWDC 2026 端出新版 Siri：Siri AI。根據 Apple 官方說明，這次 Siri AI 將不再只是回答天氣、設定提醒或執行單一步驟指令，而是成為一個更具對話能力、能理解個人情境、螢幕內容，並跨 App 執行任務的 AI 助理。Apple 表示，Siri AI 將於今年稍晚以 Beta 形式推出，初期推出範圍不包含歐盟與中國。 不過，這場發表會真正值得關注的，並不是 Apple 終於追上生成式 AI 熱潮，而是它選擇了一條與 OpenAI、Google、Anthropic 不同的路線。 當多數 AI 公司仍在競逐更大模型、更強效能與更自主的 AI Agent，Apple 則把焦點放在「Personal Context」（個人情境）的便利性與隱私優勢，也就是讓 AI 理解使用者的訊息、郵件、照片、行事曆、備忘錄、螢幕內容與日常使用習慣。換句話說，Apple 不一定要做出最會聊天的 AI，而是想做出最了解使用者的 AI。 Apple 軟體工程資深副總裁 Craig Federighi 在演說中說：「有些人似乎正一路向前衝，看似只為了 AI 而追逐 AI，卻沒有清楚顧及它最終要服務的人，也就是我們所有人。」 新版 Siri 最大變化：能讀懂你的個人情境 Apple 官方表示，Siri AI 建立在「個人情境理解（Personal [&hellip;]</p>

當 GPU 從成本負擔變成獲利引擎，企業 AI 經濟進入新賽局

<p>當全球 AI 競賽的焦點從「模型演算法」轉向「算力基礎設施」，誰能高效調度 GPU、誰能將算力資產商業化，誰就掌握了下個世代 AI 經濟的話語權。 在剛落幕的 COMPUTEX 2026 上，深耕 AI 基礎設施近十年的 INFINITIX 數位無限，以「從 AI 基礎設施到 AI 雲端經濟」為主題，協助企業將手中昂貴卻無法最大化效率的 GPU，轉化為可營運、可計價、可變現的雲端服務。 「AI 經濟的底層驅動力不是模型，而是算力。」這是 INFINITIX 在 COMPUTEX 2026 展場上向業界傳達的核心命題，也是執行長兼共同創辦人陳文裕對當前 AI 產業的觀察。 從 AI Factory 到 Token Factory：算力需求為何出現轉折？ 針對近兩年全球 AI 產業的競爭焦點轉變，陳文裕指出，這個轉折其實是相輔相成的過程，「三年前大家明顯看到算力的增長，開始有人在投資相關基礎設施，但那時候算力的應用場景尚未明朗。」直到模型越來越普及、使用者大量增加，「訓練模型的需要算力，使用模型的也需要算力」，GPU 才開始供不應求。 「再加上今年 AI Agent 的使用，人類可以訓練很多 Agent，這些 Agent 也大量使用到模型，所以算力肯定不夠。」陳文裕解釋，這也是為什麼 INFINITIX 把今年的 COMPUTEX 主題訂為「從 AI 基礎設施到 AI 雲端經濟」，因為當 AI 從基礎設施走向經濟循環，算力本身就必須被服務化、商業化。 [&hellip;]</p>

機器人現在還是戰國時期！廣宇董事長李光曜：美國做 AI 大腦、中國做硬體，台灣可以兩頭賺

電子郵件是駭客入侵的核心破口，改變五個習慣讓你的網路帳號更安全

<p>每當使用電子郵件登入網路服務時，便等於是將另一個帳戶跟電子郵件帳戶進行連結，隨著電子郵件信箱成為串聯起所有服務的樞紐，E-Mail 更化身個人資安最脆弱的一環。</p>

產業人才結構重塑中：AI 把開發成本砍半，工程師的市場價值不跌反漲

<p>AI 能寫程式、生成測試、搭建服務，速度超過任何人類，市場也開始用股價表態；AI 模型的重大突破不斷引發軟體股拋售潮，彷彿整個產業正被工程師自己催生的技術慢慢替代。 但這個邏輯有一個根本的破綻，它把「寫程式」當成工程師的工作，但工程師的工作從來不是這樣定義的。 軟體工程師的工作不只有寫程式？ 首先，外界把「寫程式」當成工程師的工作，這是最根本的誤解。工程師的工作從來不是打打程式碼而已，重點在於解決問題，且是用降低複雜度、減少維護負擔、交付可用成果的方式解決。可以說，程式碼是媒介，不是目的。 這個區別如今更為重要。AI Agent 能寫程式、生成測試、搭建服務、串接 API，速度超過任何人類。但 Agent 目前做不到三件事：決定該建什麼、理解為什麼要建、權衡那些系統如何在真實環境生存。這三件事仍由工程師負責。 因此可以說，原先精通單一語言的專才，正讓位給可以督導多個 Agent 的協調者。工程師的日常工作會轉向釐清限制、讓 Agent 的產出對齊產品目標、確保系統的韌性與安全。 此外，要在龐大的程式庫與複雜系統中管理 Agent，工程師必須更深入理解底層技術，知道好的架構長什麼樣、系統會怎麼崩潰、問題會藏在哪裡。 最終工程師的工作的核心，會從寫程式轉變成理解系統如何運作，並把判斷力用在評估 Agent 的產出上。 黃仁勳對這波恐慌的回應也是相同邏輯。他表示，「AI 將取代軟體工具是世上最不合邏輯的事，」他指出 AI 最新的突破正建立在「工具使用」上，因為工具本來就是為了被明確調用而設計。而工程師，正是設計與調度這些工具的人。 注意力的消耗更大，管理 Agent 比想像中累 如今，業界還至少要面對三個正在發生的風險。第一個是人才培育的斷層。初階工程師過去承擔的工作，寫簡單功能、修 bug、熟悉程式庫，如果全被 Agent 接手，該產業就失去了初階層。 初階職位一直是進入產業的入口。入口消失後，人才供給終將枯竭。業界需要新的訓練制度來填補這個缺口，例如讓資深工程師固定帶新人、刻意保留一些適合練手的任務給初階工程師，即使 Agent 能更快完成。 第二個是技能的退化。許多重度使用 Agent 的工程師發現，自己愈來愈不會自己寫了。過去天天動手寫，遇到問題會自然想到幾種解法；現在實作都交給 Agent，久了反而想不起某個函式怎麼寫、某種 bug 該怎麼移除。但問題在於，工程師還是得判斷 Agent 寫出來的東西對不對，一旦自己的底子退化，這個判斷就做不準，等於在審查自己其實看不懂的程式碼。 第三個是注意力的消耗。一個意外的發現是，管理 Agent 比想像中累。工程師一天做完的事變多了，但下班時反而更疲憊。原因在於同時開著好幾個 Agent，這個在跑測試、那個在改另一個模組，工程師得不斷在它們之間切換、讀懂每一段產出、確認彼此沒有互相衝突。 這種一心多用、整天盯著好幾條線的狀態，跟過去一次專心解一個問題很不一樣，雖然產出更高，但腦力被切得很碎，特別容易累。 軟體開發成本變低，需求可能因此爆發？ 從歷史來看，蒸汽機變得更省煤之後，人們沒有少燒煤，反而燒得更多。因為效率提升讓用煤成本下降，價格便宜了，原本用不起蒸汽機的工廠、火車、輪船全都用了起來，煤的總用量不減反增。經濟學家把這個現象叫做傑文斯悖論（Jevons Paradox）：當一樣東西用起來更便宜，大家不會省著用，反而用得更兇。同樣的事正要發生在 AI 與軟體上。 AI [&hellip;]</p>

幽靈庫存讓線上訂單取消、顧客流失：RFID 如何把服飾庫存準確率拉升到 95% 以上？

<p>全通路零售快速發展，品牌必須同時滿足精準庫存、快速履約、順暢購物體驗與損耗控管等多重需求。然而，建立在人工盤點與條碼掃描基礎上的傳統零售系統，已愈來愈難應付大量商品與即時營運需求。 愈來愈多零售品牌開始將無線射頻識別（RFID）與人工智慧（AI）結合，希望透過即時資料與智慧分析能力，提升營運效率與顧客體驗。 美國零售產業組織 National Retail Federation（NRF）指出，RFID 技術可協助零售商將庫存追蹤準確率提升至接近 99% 水準，並大幅縮短盤點時間，使 RFID 逐漸成為現代零售基礎設施的重要組成。 《Retail Insight Network》近期分析指出，當 RFID 與 AI 結合後，零售業正在出現四項具代表性的應用轉型。 應用一：RFID 結合 AI 需求預測，服飾庫存準確率可達 95% 以上 首先是在庫存管理領域。服飾零售商往往同時管理大量顏色、尺寸與款式組合，單一商品可能衍生數十種 SKU。傳統人工盤點不僅耗時，也容易因人為錯誤造成系統與實際庫存不符。RFID 能讓門市與倉庫快速辨識商品位置與數量，建立接近即時的庫存可視性。當 AI 進一步分析這些資料後，系統還能預測需求變化、自動觸發補貨建議，降低缺貨風險。 這對服飾業尤其重要。業界長期存在所謂「幽靈庫存（Phantom Inventory）」問題，也就是系統顯示商品仍有存貨，但實際上門市或倉庫已無法找到商品。這種情況不僅造成缺貨，更可能導致線上訂單取消與顧客流失。除了 NRF 數據，GS1 UK 過去的研究也顯示，RFID 可將服飾零售庫存準確率提升至 95% 以上，有效降低幽靈庫存問題，提升商品可售率。 應用二：智慧試衣導購與高效自助結帳 第二項轉型發生在門市購物體驗。過去試衣間主要扮演商品試穿空間，如今愈來愈多品牌開始導入智慧試衣間。當顧客攜帶附有 RFID 標籤的服飾進入試衣區後，系統能立即辨識商品資訊，並透過螢幕顯示搭配建議、推薦相關配件，或協助顧客尋找其他尺寸與顏色。 AI 推薦引擎則會根據商品屬性、歷史銷售資料與消費偏好進行分析，提供更具個人化的穿搭建議。這類應用讓實體店面具備接近電商平台的數位推薦能力，同時保留實際試穿的體驗優勢。 應用三：RFID 優化結帳流程，縮短排隊時間 第三項應用則聚焦於結帳流程優化。排隊時間過長一直是影響顧客滿意度的重要因素之一。傳統結帳必須逐件掃描條碼，商品數量愈多，等待時間愈長。RFID 結帳系統可一次讀取整籃商品資訊，無須逐件掃描，即可完成商品辨識與價格計算。 對零售商而言，這不僅有助於縮短排隊時間，也能提升自助結帳的使用效率，零售品牌 Uniqlo、Zara 都運用這項科技優化結帳體驗。 應用四：強化全通路即時履約與在地化出貨 第四項轉型則與全通路履約能力有關。近年來，消費者已習慣線上下單、門市取貨以及店取店配等服務模式。然而，許多訂單失敗的原因並非需求不足，而是庫存資訊不準確。當系統誤判商品仍有存貨時，消費者完成下單後才發現缺貨，容易損害品牌信任。 RFID 提供的單品級庫存可視性，讓品牌能更精準掌握每件商品的實際位置。搭配 [&hellip;]</p>

【科技早餐】NVIDIA 把 AI 工廠接上韓國供應鏈，資料中心、公共持股與鏈上美元同步重排

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊黃仁勳訪韓串起 SK、NAVER、斗山，NVIDIA 把 AI 工廠接上韓國供應鏈 NVIDIA 執行長黃仁勳訪問南韓期間，NVIDIA 宣布與 SK 海力士（SK hynix）簽署多年技術合作協議，雙方將共同推進下一代記憶體技術，支援全球 AI 工廠建設。這項合作不只關係到 HBM 供應，也涵蓋未來 AI 基礎設施、個人 AI 與實體 AI 所需的記憶體產品。 同一波訪韓行程中，NVIDIA 也與 SK 電信（SK Telecom）、NAVER 和斗山集團（Doosan Group）擴大合作。SK 電信將採用 NVIDIA 技術，在韓國打造 GW 等級 AI 雲端，第一座 AI 資料中心預計 2027 年上線；NAVER 則將以 NVIDIA 平台建置 AI 基礎設施，支援韓國主權 AI 與企業應用。從記憶體、雲端到實體 AI，NVIDIA 正把南韓供應鏈拉進更完整的 AI 工廠路線圖。 ＊AI 資料中心在美國被踩煞車，西雅圖、紐約同步拉高門檻 [&hellip;]</p>

60% 企業部署未測試 AI 程式碼：Agentic AI 讓 Coding 變快，為何反而讓軟體治理失控？

<p>金融 AI 公司 Clifton AI 的 CTO 暨共同創辦人 Joe Bertolami 近日在《VentureBeat》撰文指出，Agentic AI 已成為軟體開發流程的核心引擎，讓企業能以前所未有的速度生成更多程式碼。然而，這也讓企業領導者面臨一道新難題：既然寫 Code 的速度變快了，為什麼產品改善的腳步卻沒有同步跟上？ Joe Bertolami 點出核心盲點：因為「寫程式」從來就不是軟體開發的真正瓶頸，相較之下，需求定義、複雜系統整合，以及在真實環境下的軟體維護，才是更困難的部分。當企業只顧著利用 AI 追求開發速度，卻缺乏相對應的治理配套時，隨之而來的，將是三大系統性失控危機。 危機一：AI Coding 暴增壓垮人工審查，引發「未測試程式碼」氾濫風險 首當其衝的挑戰，是程式碼數量暴增讓「人類審查」成為新瓶頸，因為工程師在龐大的程式碼中，可能缺乏足夠上下文，進而無法抓出 AI Agent 犯下的錯誤。 這個現象已在業界造成嚴重影響。根據 Tricentis 發布的《2026 Quality Transformation Report》，AI 在軟體開發中的普及，已導致全球高達 60% 的組織將未經測試的程式碼部署到生產環境中。其中，有 32% 的組織承認是「明知未經測試仍執意部署」，主因是高層施壓要求速度優先於品質；另有 30% 的組織則表示，AI 生成的程式碼數量過於龐大，已經壓垮既有的品管與測試流程。 面對這些失控現象，Tricentis 執行長 Kevin Thompson 指出：「加速業務轉型計畫是當今高階主管的首要任務之一，AI 具備幫助軟體開發團隊以史無前例速度前進的潛力。」但他同時強烈警告：「然而，速度加快也帶來風險增加，當軟體品質流程無法跟上開發速度時，企業組織通常會採取走捷徑的方式來應對，這將損害信任度。」 危機二：別讓 AI Agent 繼承工程師權限，否則系統將出現責任漏洞 為了防堵品質下滑與系統風險，企業必須正視 AI 的治理與權限問題。Joe Bertolami [&hellip;]</p>

李飛飛拆解「世界模型」3 大分類，Google、NVIDIA 談的世界模型不是同一件事？

<p>從 Google 的 Genie、NVIDIA 的 Cosmos，到機器人領域的 Vision-Language-Action（VLA）模型，「世界模型（World Model）」已成為近兩年 AI 產業最熱門的關鍵字之一。然而，當越來越多企業與研究機構宣稱自己正在打造世界模型時，這個詞的定義卻變得越來越模糊。 ImageNet 創辦人、史丹佛大學教授、World Labs 執行長李飛飛（Fei-Fei Li）近日發表文章，試圖替這個快速發展卻缺乏共識的領域建立一套共同語言。她認為，世界模型已成為 AI 領域最重要、卻也最容易被濫用的名詞之一，而不同研究領域對它的理解其實大不相同。 在文章中，李飛飛不只是重新解釋世界模型的概念，更提出一套新的功能分類法，將目前產業中的世界模型分為三大類型，並進一步描繪未來 AI 發展的方向。 世界模型為何重要？AI 開始從理解文字走向理解世界 過去幾年，大型語言模型（LLM）展現了驚人的語言理解與推理能力，但李飛飛認為，「語言並不是世界本身」。 她指出，語言模型學習的是文字背後的統計規律，而世界模型學習的則是空間與時間的統計結構，包括光線如何照射物體、不同視角下場景如何呈現，以及物體如何遵循物理規律運動。 換句話說，如果語言模型回答的是世界是如何被描述，那麼世界模型試圖理解的則是世界本身如何運作。 這也是近年 Google、NVIDIA、機器人公司以及自駕車產業紛紛投入世界模型研究的重要原因。未來 AI 若要真正進入實體世界，不論是控制機器人、操作自駕車，或建立可互動的數位孿生系統，都需要具備對空間、物理與因果關係的理解能力。然而，問題在於大家口中的世界模型其實不是同一件事。 為了解決這個問題，她選擇回到一張比這些技術都更古老的圖。她指出，強化學習教科書如經典的 Sutton 與 Barto 著作，數十年來都用同一種圖示來描述代理（Agent）如何與世界互動，其正式名稱是「部分可觀測馬可夫決策過程」（POMDP），而世界模型一詞最初的定義就源自這個傳統。 在這個框架中，代理（可以是人、機器人或軟體系統）採取行動（action），行動改變了世界的狀態（state），但代理永遠無法直接看見狀態，而是接收到觀測（observation）資料，例如落在視網膜上的光子、感測器讀數或影格的像素，新的觀測再促成新的行動，如此循環。李飛飛認為，目前產業中所謂的世界模型，其實只是這個循環中的不同組成部分。 在這個迴圈的基礎上，李飛飛把世界模型拆解成三大類別。 將世界模型分成三類：渲染器、模擬器與規劃器 第一類 Renderer，也就是渲染器。這類模型的主要任務是輸出觀察結果，也就是產生人類看得到的影像或影片，最重要的衡量標準是視覺擬真度。李飛飛以文字生成影片模型為例，表示這些系統能夠根據提示詞生成逼真的畫面，甚至能即時產生可互動場景。她指出，Google 的 Genie 3，以及 World Labs 旗下即時生成系統 RTFM，都屬於這一類模型。 Renderer 最大的優勢是視覺品質，但缺點也十分明顯：它們能產生看似合理的畫面，卻不一定真正理解場景背後的三維結構或物理規律。 第二類則是 Simulator，也就是模擬器。與渲染器不同，模擬器輸出的不是畫面，而是狀態，讓人與電腦程式都能在其上運算與互動。這代表模型不只要知道物體長什麼樣子，還必須理解其幾何結構、材質特性與運動規律。建築師、遊戲開發者、自駕車公司與機器人研究團隊，都需要這種能夠反映真實世界物理行為的模型。李飛飛表示，World Labs 最新推出的 Marble 模型即歸屬於此類。 World [&hellip;]</p>

拆解 NVIDIA 的韓國 AI Factory 布局：聯手 SK 海力士搶 HBM4，攜 NAVER 打造主權 AI…

<p>在全球 AI 算力軍備競賽白熱化之際，NVIDIA 執行長黃仁勳近日親赴韓國，達成一系列的戰略結盟，合作對象涵蓋半導體巨頭 SK 海力士（SK Hynix）、網路巨頭 NAVER，並延伸至電信與重工業的領頭羊 SK Telecom 及斗山集團（Doosan）。 這場被視為 NVIDIA 深化韓國科技圈布局的關鍵行動，主要圍繞兩大核心：其一是與 SK 海力士深化多年技術同盟，築起下一代記憶體產能的護城河；其二則是讓 NAVER 以 NVIDIA 平台為底座，全面擴張主權 AI 基礎設施版圖。 SK 海力士與 NVIDIA 簽下多年合作，下一代記憶體成 AI Factory 關鍵底座 為支援全球 AI Factory 的加速建設，NVIDIA 與 SK 海力士宣布達成一項多年技術合作夥伴關係，雙方將共同開發符合 NVIDIA AI 基礎設施路線圖的下一代記憶體。 NVIDIA 指出，全球 AI Factory 擴張正面臨較長開發週期、先進製造技術門檻以及龐大資本投入需求等挑戰，這項合作將能確保先進記憶體的穩定供應。未來，SK 海力士將與 NVIDIA 共同開發適用於 NVIDIA Vera Rubin AI 超級電腦、NVIDIA Vera 處理器（CPUs）、搭載 RTX [&hellip;]</p>

只有 26% 受訪企業知道自己的 AI 花多少錢：Token 計費時代，企業新管理難題浮現

<p>當企業從試驗 AI 走向大規模部署，一個新的管理難題正在浮現：沒人真的知道 AI 花了多少錢。 顧問機構 KPMG 一份尚未公開的調查指出，只有 26% 的受訪企業表示對自家 AI 成本擁有全面的掌握，50% 僅有部分可見度，另有 22% 表示完全沒有可見度，或要等帳單寄來後才知道。KPMG 全球 AI 主管 Steve Chase 形容，這是一種過去不存在、如今卻需要被管理的新資源，而且正在呈現指數級成長。 為什麼 AI 成本比 SaaS 更難管理？ 問題的根源，在於收費模式的轉變。過去企業採購 SaaS 軟體時，大多按照使用者數量或授權席次付費。無論是使用 Microsoft 365、Salesforce 或 Slack 等軟體，財務部門都能事先預估年度預算。但《The Wall Street Journal》觀察，AI 業者與軟體公司正逐步改以使用量計價，並以 Token（AI 運算的基本計量單位）為衡量基準，這對即使是最有經驗的財務團隊也難以應對。 財務長習慣為技術支付固定金額，如今在打造 AI 代理、投入大手筆 AI 投資時，發現成本更難預測、也更難建模。金融服務公司 D.A. Davidson 科技研究主管 Gil Luria 認為，使用量計價把風險轉嫁給了客戶，因為它逼著客戶得自行追蹤用量；他並直言，雖然有些大公司鼓勵員工「tokenmaxx」（盡可能多用運算資源以展現走在 AI 前沿），但許多財務長「這一季看到 Anthropic 的帳單恐怕會嚇壞」。 [&hellip;]</p>

【全美第一所 AI 高中的現實】沒有明確定義的 AI 素養，如何衡量一所 AI 學校的成效？

<p>美國喬治亞州的 Seckinger 高中以「全美第一所人工智慧主題教育機構」自居，吸引了媒體廣泛報導，也引來其他學區競相仿效。 Seckinger 集群共涵蓋五所學校，從 Harmony 小學到 Seckinger 高中，全部遵循同一套 AI 學習框架，框架由六個面向組成：程式設計、資料科學、數學推理、創意問題解決、倫理，以及應用體驗。 這套框架在每個年段以不同方式呈現，AI 主題也延伸至各個科目；體育課的重訓室旁放著 iPad，學生可以使用生成式 AI 聊天機器人詢問有效的訓練動作。 品牌定位與課室現場的距離 《紐約時報》記者在小學觀察到的 AI 課程，實際上是讓一年級學生用磁力積木幫一個玩具人偶蓋房子，概念是「使用者體驗」。 在中學，AI 工具開始出現。一位社會課教師讓學生透過她建立在 MagicSchool 平台上的聊天機器人，扮演記者採訪已辭世的喬治亞州政治人物。學生按照老師提供的問題輸入，聊天機器人吐出歷史人物風格的回覆。 2024 年畢業、目前就讀 Emory 大學的 Muhammad Rizwan 說，在機器人等預期會有 AI 的課程裡 AI 確實存在，但其他課程並沒有那麼多。語文課老師要求學生在課堂上手寫文章，就是為了防止用 ChatGPT 作弊。 他說，老師們仍必須達到郡縣規定的課程標準，再設法加入 AI 元素，「老師真的會這樣做嗎？不見得，但這是對他們的期待」，他補充說，部分老師對聊天機器人介入課堂幾乎感到冒犯。 去年從 Seckinger 畢業、目前就讀喬治亞大學的 Joseph Schrage 說得更直白：「我修的學程，說實在的，我用 AI 做的事和在其他學校沒什麼差別。」他還補充，同學之間常開玩笑說學校很愛強調自己是 AI 學校。 數字說出不同的故事 如果用學區自己的指標來評估，Seckinger 的成績並不亮眼。只有 38.4% 的畢業生達到「大學準備就緒」標準（即參加 [&hellip;]</p>

從 DTC 到 AI 供應鏈：平價奢華品牌 Quince 為何成為電商新黑馬？

<p>成立於 2019 年的平價奢華品牌 Quince 總部位於美國舊金山，近期快速崛起，憑藉獨特的供應鏈策略與 AI 技術應用，成功顛覆傳統零售模式，如今公司估值超過 100 億美元，成為近年成長最快的電商品牌之一。 靠高 CP 值「奢華基本款」，Quince 如何快速崛起？ Quince 主打價格親民的「奢華基本款」商品，包括售價 50 美元的喀什米爾毛衣、歐洲亞麻寢具以及各類家居用品。由於產品設計與品質接近高端品牌，價格卻遠低於市場同級商品，迅速吸引大量消費者關注。 Quince 與過去一批直接面向消費者（Direct-to-Consumer，DTC）品牌相似，都強調減少中間環節、降低產品售價。然而，Quince 的競爭優勢其實來自更深層的供應鏈重構。 傳統零售模式中，品牌通常需要提前數個月甚至一年預測市場需求，向工廠大量下單生產，商品再運送至倉庫儲存，最後配送給消費者。這套流程涉及庫存管理、倉儲租金、物流轉運以及各種中間成本。一旦預測失準，企業往往只能透過促銷或折扣清理滯銷商品，進一步侵蝕利潤。 Quince 選擇了不同的道路。該公司將絕大部分庫存保留在海外生產基地，商品完成生產後直接由製造商配送給消費者，省去美國本土倉儲與多次轉運環節。這種模式雖然需要消費者接受較長的配送時間，卻大幅降低了庫存持有成本與物流支出，形成具規模優勢的成本結構。 告別折價出清，「AI 週預測」讓工廠小量快製 支撐這套模式運作的關鍵，則是 AI 驅動的需求預測系統。相較於傳統零售商以季度或月份為單位進行採購規劃，Quince 建立了更細緻的預測機制。系統會持續分析銷售數據、搜尋趨勢、退貨紀錄以及消費者回饋，並以週為單位調整生產決策。預測結果甚至能細分至特定商品的顏色與尺寸組合，協助供應鏈快速判斷哪些產品需要增加產量，哪些產品應減少生產。 在 AI 的輔助下，Quince 採取「小量高頻」的生產策略：工廠不需要一次製造大量商品，而是依據即時需求持續補貨。這種模式降低了庫存積壓風險，也減少了商品過剩造成的浪費，讓 Quince 得以透過更精準的供需配對，大幅降低出清庫存的需求。 該公司在最新投資人資料中指出，AI 已經深入產品開發、商品規劃、營運管理與商務流程等多個環節。透過持續優化需求預測能力，該企業能夠縮短生產決策時間，提高供應鏈反應速度，同時減少不必要的庫存與折價損失。隨著更多數據累積，這種模式也將形成更強的規模效應。 不拚流量戰：Quince 用 AI 重新定義電商成本結構 市場表現證明了這套策略的成效。Quince 去年營收已超過 10 億美元，2025 年假日購物季銷售額較前一年成長超過一倍。值得注意的是，品牌並非僅吸引價格敏感型消費者，年收入超過 15 萬美元的高收入族群同樣是其重要客群，顯示其消費者追求的不只是低價，而是在品質與價格之間取得更好的平衡。 當許多 DTC 品牌仍停留在品牌行銷與流量競爭階段時，Quince 選擇把技術與供應鏈視為核心競爭力。透過 AI 驅動的需求預測、海外直送模式以及小量高頻生產機制，這家新創企業正在重新定義零售產業對庫存管理與成本結構的想像，也讓外界看見 AI [&hellip;]</p>

生產設備 20 年沒升級成工廠大隱患：AI 讓製造業現代化從高風險改造，變成可量化投資

<p>全球大約有 50% 到 70% 的工業控制系統，即將達到或超過 20 年使用時間，使得企業難以將工廠內部數據，轉化為提高生產效率的營運智慧，迫切需要 AI 時代升級。</p>

「沒有台灣就沒有 Anthropic。」Anthropic 高層來台，點名台灣在 AI 生態系三個不可取代的角色

<p>當 AI 邁入 Agentic AI 時代，台灣正成為國際 AI 生態系不可或缺的重要節點。Anthropic 共同創辦人 Ben Mann 首度來台，出席人工智慧學校舉辦的 Developer Day（開發者日），Anthropic 國家安全政策主任 Tarun Chhabra 也一同參與。 表面上，這是一場聚焦 Claude Code 與開發者生態系的活動，但從 Ben Mann 的爐邊對談，以及 Tarun Chhabra 參與的專題討論來看，Anthropic 更想傳達的訊息其實是：AI 已不只是提升生產力的工具，而是牽動國家競爭力、供應鏈安全與民主國家合作的新基礎設施。 Ben Mann 在開場時就表示，Anthropic 之所以參與這場活動，是因為公司堅信民主國家應在 AI 發展上保持領先地位，並期待持續深化與台灣的合作關係、擴大在台灣的投入。 沒有台灣就沒有 Anthropic 爐邊對談中，與談者數位發展部政務次長侯宜秀提到，台灣生產全球超過九成 AI 伺服器，也是全球半導體供應鏈的重要核心。Ben Mann 對此表示，美國希望維持 AI 領先地位，但同時也希望將 AI 發展帶來的成果與更多國家共享，深化與台灣政府及企業的合作正是其中重要的一環。 而在隨後的專題討論中，Tarun Chhabra 更直接指出：「如果沒有台灣的供應鏈，就不會有 Anthropic。」他認為，若希望在 AI 競爭中保持領先，特別是在與中國的競爭中取得優勢，各國必須建立更緊密的合作關係，而可信任的供應鏈正是其中不可或缺的基礎。 Anthropic 對 [&hellip;]</p>

趨勢科技加入 Anthropic Project Glasswing：將前沿 AI 模型化為防禦武器，守住台灣 AI…

<p>過去，網路安全領域的攻防戰一直依賴人類的智力較量，但如今這場競賽的本質已經發生劇變，AI 已經同時存在於攻擊與防禦的兩端。在這個歷史轉折點上，全球領先的 AI 公司 Anthropic 與趨勢科技旗下全球企業 AI 資安領導品牌 TrendAI™ 展開深度合作，TrendAI 正式受邀加入 Anthropic 極具指標性的「Project Glasswing」計畫。這場合作不僅促成了網路安全防禦模式的典範轉移，更進一步鞏固台灣在全球 AI 供應鏈中的戰略地位。 透過 Project Glasswing 實現「以 AI 防禦 AI」 今年 Anthropic 所開發的先進 AI 模型 Claude Mythos Preview 對整個資安產業投下震撼彈。數位發展部部長林宜敬表示，這個強大的 AI 模型能在極短時間內發現數千個高風險的資安漏洞，甚至能快速串聯漏洞並產生攻擊指令。現實是殘酷的，惡意攻擊者絕對不會乖乖等待許可，才去使用這些先進工具。因此，防禦方必須搶占先機。 這正是 Anthropic 啟動「Project Glasswing」計畫的核心理念：在向大眾廣泛公開 Claude Mythos Preview 這一類強大模型之前，先將其交給具備深厚領域知識的防禦者。Anthropic 合作夥伴負責人 Rob Bair 解釋此舉的戰略意義：「我們需要盡早將技術交給值得信賴的防禦者，以盡可能降低攻擊發生後的波及範圍。」 AI 資安的真正戰場：不是找出更多漏洞，而是更快完成修補 然而，快速發現漏洞只是防禦的第一步。趨勢科技執行長暨共同創辦人陳怡樺一語道破當前資安界最大的挑戰：「資安的問題不是你能夠發現多少漏洞，而是你有沒有辦法修補。」 過去的漏洞處理流程耗時冗長。「我們通常即使知道漏洞後，也要至少三個月以上才能完成揭露流程，可是現在整個時間正在大幅壓縮，我們必須把這整個過程變成在幾分鐘之內做完，」陳怡樺強調。引入 AI 後，這場防禦戰正式演變為「速度革命」。未來，TrendAI™ 不僅會運用 Anthropic 的先進模型來強化程式碼分析，更會把 [&hellip;]</p>

不把雞蛋放在同一個 AI 供應商籃子裡：Walmart 自研 Code Puppy，降低模型依賴風險

<p>《Business Insider》報導指出，Walmart 內部有一款名為 Code Puppy 的工具，由工程師 Mike Pfaffenberger 開發，並已在公司廣泛使用。Code Puppy 的意義並不只是另一個 AI coding assistant，它其實反映出 Walmart 面對 AI 時代的一項更深層策略：避免過度依賴少數幾家大型 AI 供應商。 Walmart 打造 AI 開發工具，降低供應商綁定風險 這類風險在科技產業其實並不罕見。企業往往會在新技術出現時快速導入，並逐步將核心系統建立在其之上；但隨著依賴程度加深，最後可能反而被少數供應商綁住。一旦需要更換，不僅成本極高，還可能引發系統中斷或營運風險。《Business Insider》舉例，類似情況在 IBM 時代曾經出現，在雲端運算興起後再次重演，如今也讓不少企業開始擔心，AI 可能成為下一個重蹈覆轍的領域。 在這樣的背景下，Code Puppy 被視為 Walmart 的一種應對方案。隨著企業在 AI coding 工具與 agent 上的投入不斷攀升，甚至動輒達到數百萬美元規模，如何壓低成本並降低對單一平台的依賴，也變得更加迫切。 Code Puppy 本身建立在 Pydantic AI 函式庫之上，主要用途是讓開發者透過自然語言指令來撰寫、修改、測試與管理軟體。它的功能與 Claude Code、Codex 等工具相似，都能協助生成功能、修復錯誤並分析專案，但關鍵差異在於，它並不綁定任何單一 AI 模型或供應商。 Code Puppy 可支援 OpenAI、Google、Anthropic 等供應商的多種模型，讓開發者依任務需求切換與比較結果，也能將工作負載分散到不同模型與供應商之間，以降低使用限制與成本風險。Mike [&hellip;]</p>

亞馬遜新一代 AI 機器人 Proteus 亮相：「用對話指揮機器人」如何改寫歐洲物流履約網路？

<p>亞馬遜（Amazon）在倫敦舉行的「Delivering the Future」活動中，揭曉新一代自主移動機器人 Proteus。除了提升倉儲物流作業能力外，新版 Proteus 最大的改變在於導入 AI 自然語言理解功能，員工只需像與同事溝通一樣說明需求，機器人便能自動完成任務安排與執行。 從搬運到自主導航，亞馬遜打造新一代智慧物流中心 《Reuters》報導，這項技術是亞馬遜未來數年將在歐洲投入 100 億歐元升級物流與倉儲系統計畫的一環。新一代 Proteus 預計於 2027 年上半年率先在歐洲導入，相較於目前僅能在裝卸貨區域運作的版本，新系統設計上可在倉儲樓面更廣泛區域移動，並支援履約中心與配送站內的容器運送、工作站之間轉運等任務。目前第一代 Proteus 已部署於美國 25 座物流中心，主要負責搬運重量近 400 公斤的推車，藉此減少員工搬運重物及長距離往返的工作負擔。 新版 Proteus 最大的特色在於具備自然語言理解能力。員工不需要學習專門指令，只要以日常對話方式交代物料搬運需求，系統就能判斷任務順序、規劃路線與執行時機。亞馬遜機器人部門副總裁 Scott Dresser 表示，員工告知機器人需要完成的工作，其餘流程都能由系統自動處理。他認為，Proteus 未來將成為物流中心的重要工作夥伴，負責重複性高且較耗體力的搬運工作，讓員工能把時間投入庫存流動管理、品質控管等較高技能工作。 除了 Proteus 之外，亞馬遜此次也展示多項倉儲自動化技術，包括旗下首款具備觸覺感知能力的 Vulcan 機器人，以及用於貨箱搬運的 STARK 系統。其中，STARK 已在西班牙巴塞隆納展開測試，亞馬遜預計在 2027 年前將其擴展至歐洲 15 個物流據點。 亞馬遜強化歐洲布局：預計增 2.5 萬名員工與多項投資 亞馬遜歐洲營運副總裁 Armin Cossmann 表示，這些技術將改變物流中心在支援員工與服務客戶上的運作方式，以因應持續增加的配送需求。他指出，隨著客戶對配送速度與服務品質的要求不斷提高，公司也會持續投入技術升級與創新。 針對外界對自動化可能衝擊就業的疑慮，亞馬遜強調，技術投資與人力擴張將同時進行。作為歐洲投資計畫的一部分，公司預計未來數年在歐洲履約中心增加 2.5 萬名員工。亞馬遜也指出，自導入機器人技術以來，不僅整體員工規模持續成長，也逐步發展出設備維護、系統可靠度與機器人支援等新型職務。 Scott Dresser 表示，歐洲已成為公司推動營運轉型與技術創新的重要市場，未來無論是資金投入、人才培養或技術導入，都將持續加大力道。除了倉儲自動化外，亞馬遜也宣布，今年將在歐洲設立超過 25 [&hellip;]</p>

「RSI 是新的 AGI。」矽谷追逐的最終魔王關，為何讓 Anthropic 呼籲全球按下暫停鍵？

<p>在全球 AI 競賽全力加速的此刻，身處第一線的 Anthropic 卻提出一個反方向的呼籲。Anthropic 在官方部落格中警告，AI 系統正接近能在無人監督下自我改進的臨界點，並呼籲全球頂尖實驗室考慮一項協調一致的協議，暫停或至少放慢前沿模型的開發步調。 這篇部落格文章由 Anthropic 內部研究主管 Marina Favaro 與政策主管 Jack Clark 共同撰寫，他們認為模型的進展正逐漸逼近一個理論概念：遞迴式自我改進（Recursive Self-Improvement，RSI）。他們表示有理由相信，某些模型可能在短短兩年內就具備這項能力。 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 Anthropic 為何示警？逾 80% 程式碼已由 Claude 寫成 Anthropic 之所以這麼說，是因為它在自家內部看到了具體訊號。《VentureBeat》報導，截至 2026 年 5 月，Anthropic 合併進生產環境程式庫的程式碼中，有超過 80% 是由其 AI 模型 Claude 撰寫，而非人類；Anthropic 補充，在 Claude Code 於 2025 年 2 月推出研究預覽前，這個比例還只有個位數的低點。連帶地，相較於 2021 至 2025 年的基準，每位工程師每季交付的程式碼量增為 [&hellip;]</p>

電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia 用 AI 標籤做對了什麼？

<p>生成式 AI 快速改變消費者的搜尋與購物習慣，戶外品牌 Columbia Sportswear 也開始重新思考電商的核心邏輯。 告別傳統關鍵字！2026 每 5 人就有 1 人問 AI 買東西 Columbia 電商副總裁 Mimi Ruiz&nbsp;指出，品牌內部在 2026 年的預測顯示，未來每五位消費者中，就有一位會直接透過 AI 助理取得品牌與商品推薦，而非使用傳統關鍵字搜尋。 對 Columbia 而言，這項轉變不只是搜尋介面的改變，更牽動整個商品資料架構與品牌資訊的重組。當消費者開始向 AI 詢問「適合潮濕岩地健行的鞋款」或「適合雨天通勤又保暖的外套」時，品牌若無法讓 AI 理解產品特性與使用情境，就可能失去曝光機會。因此，Columbia 近年積極將產品資料、技術規格與功能描述進行結構化，希望讓品牌商品能在自然語言搜尋環境中，被 AI 正確辨識與推薦。 日本 Columbia 靠 AI 終結電商分類孤島 這個策略，在日本市場率先看到具體成果。Columbia Sportswear Japan 近年導入AI ，針對電商購物流程進行調整，希望解決戶外商品長期存在的「選購困難」問題。 Columbia 在日本市場的產品線橫跨登山、健行、旅行與日常穿搭，同一件商品往往同時適用多種場景。例如一件防水外套，可能兼具城市通勤、防風保暖與戶外活動需求。然而，傳統電商平台大多仍以「外套」、「鞋類」、「背包」等品類分類為主，消費者很難直接依照自身情境找到合適商品。 傳統的分類方式，也讓大量商品資訊被切割在不同頁面之中。消費者即使知道自己的需求，仍必須在不同品類之間反覆切換，容易出現資訊疲勞與選擇障礙。尤其戶外品牌經常使用大量專業術語，例如防水透濕、熱能反射或特殊保暖科技，對一般消費者而言理解門檻較高，缺乏門市人員即時解說的情況下，更容易降低購買信心。 因此，Columbia Japan 導入 AI 標籤機制後，開始重新拆解商品資訊。AI 會分析商品內容，自動建立「功能特徵」、「使用情境」與「需求價值」等不同維度的標籤，再將原本晦澀的專業術語轉譯成更貼近日常語言的描述。例如過去需要理解技術規格才能判斷的機能設計，如今會被轉換成「雨天適用」、「輕量」、「寒冷環境」、「長時間戶外」、「通勤」等直覺式情境標籤。消費者不需要理解技術原理，也能快速掌握商品適用場景。 如此，也讓商品探索方式產生巨大變化。當使用者點擊「防水」標籤時，系統不再只顯示單一類型商品，而會同步推薦具備相同情境價值的外套、鞋款與包件。若點選「輕量」，則可能同時看到可收納外套、旅行背包與適合長時間步行的鞋款。AI 開始扮演類似實體店員的角色，依據使用需求進行跨品類導購與搭配推薦。 COMPUTEX 2026 [&hellip;]</p>

機器人在動手之前就預測觸感，HTD 技術讓人型機器人摺衣、端茶成功率大躍進

<p>卡內基美隆大學開發出一套名為 HTD 的全新系統，將人型機器人的身體動作、手部靈巧度，以及對物理互動的預測能力，透過 AI 融為一體。</p>

【科技早餐】鴻海聯手 Intel、台積電 CoPoS 最快兩年放量，AI 基建戰從機櫃燒到筆電

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊鴻海聯手 Intel、會晤 SK，AI 基建從機櫃推進記憶體與能源 鴻海宣布與英特爾（Intel）策略合作，雙方將結合英特爾處理器、矽光子技術與軟體生態系，以及鴻海全球製造、系統整合與 AI 資料中心部署能力，共同探索從晶片、機櫃、系統到應用的 AI 解決方案。 鴻海表示，雙方將探索客製化特殊應用晶片、系統單晶片與系統整合等合作機會，也將共同定義下一代邊緣 AI 與實體 AI 平台架構。同時間，鴻海董事長劉揚偉也與韓國 SK 集團（SK Group）會長崔泰源會面，討論 AI 伺服器、AI 資料中心、能源解決方案與下一代 AI 記憶體等合作方向。鴻海的 AI 基建布局，正在從伺服器代工，往機櫃、記憶體、能源與系統整合同步延伸。 ＊台積電 CoPoS 最快兩年放量，魏哲家回應 Terafab 與記憶體式漲價 台積電 6 月 4 日召開股東會，AI 需求、先進封裝、晶圓價格與新競爭者，都是股東關切焦點。台積電董事長魏哲家表示，台積電最重要的核心競爭力，仍是技術、生產效率與客戶信任三項世界第一，台積電 40 年來從未缺乏競爭對手，未來仍會持續保持領先。 在先進封裝方面，魏哲家透露，新一代先進封裝 CoPoS 已經有試產線，最快約兩年、兩到三年內量會非常大。被問到 Tesla 執行長馬斯克（Elon Musk）提出 Terafab、跨入晶圓製造的可能性，魏哲家簡短回應「祝福他」。針對晶圓價格，他表示「我也想這樣做，正在努力中」，但台積電不會像記憶體公司那樣突然大幅漲價，因為客戶信任是長時間累積，台積電重視的是永續經營。 ＊AI 資料中心砸錢也蓋不快，電力、水與設備成新瓶頸 Microsoft、Google 母公司 Alphabet、Meta 與 Amazon 在 [&hellip;]</p>

微軟發表最新 Majorana 2 量子處理器，透過 Agentic AI 讓新的量子晶片可靠性提升 1,000 倍

<p>微軟 6/3 發表最新拓樸量子晶片 Majorana 2，採用新一代材料堆疊設計，並將量子位元的可靠性提升至前一代的 1,000 倍。伴隨著這項進展，微軟預期將在 2029 年底前實現可擴展量子電腦的目標，較原先規劃時程縮短一半。 透過近期專為加速科學研究流程與協作而設計的 agentic AI 最新進展，微軟量子團隊正在突破長期限制將量子運算應用於實際場景的關鍵挑戰，包括可靠性、速度與規模。例如，新晶片的量子位元能維持其量子態的時間比第一代延長 1,000 倍，從而實現更可靠的運算。其他常見方法通常以微秒衡量量子位元的「壽命」，而 Majorana 2 則提供平均 20 秒的量子位元壽命，部分情況甚至可長達一分鐘。這樣的突破，大約相當於手機的續航力從原本的一天耗盡，大幅提升至充電一次就能使用近三年。 這種卓越的可靠性、極快的運算速度（以微秒為單位的運作），以及極小的量子位元尺寸（約為百分之一毫米），促使團隊得以在 2029 年底前實現具備商業價值、可擴展量子電腦的發展路徑。微軟認為，這樣的電腦將能解決目前在全球健康、糧食供應、永續發展與能源生產等領域中難以克服的複雜問題。 微軟技術院士 Chetan Nayak 表示：「我們需要逐年持續進步才能更接近我們的目標，也就是打造出一台具有極大商業與社會價值的電腦。我們必須沿著既定的路線持續前進才能實現這個目標，但相較於去年的進展，可以說我們已經做得好 1,000 倍。」 其他正在尋求科學或工程突破的研究人員，現在也能運用與微軟量子團隊在 Majorana 計畫中所使用的 agentic AI 技術實力。 微軟亦宣布 Microsoft Discovery 正式開放使用。這是一個協助組織投入前瞻研發的全方位平台，整合專為科學研究與開發設計的專用 AI agent、可驅動研究與推理工作流程的 Discovery Engine，以及企業級的安全、治理與透明度。 微軟也推出一款具備核心功能的 Microsoft Discovery 應用程式早期預覽版本，可透過 GitHub Copilot 帳戶免費下載並於本地電腦運行，降低進入進階 AI 驅動研究的門檻。 Microsoft Discovery 讓研究人員能夠部署由人類專業引導的自主 [&hellip;]</p>

主權 AI 進入 2.0 時代：歐盟 CADA 草案將以 4 大主權評級看「終止開關」風險

<p>全球各國談論「主權 AI（Sovereign AI）」時，焦點大多放在資料是否留在境內、是否建立在地資料中心，以及是否建立自己的大型語言模型，但歐盟最新提出的一項計畫，正把問題推向更深一層。 歐盟執委會近日公布一套名為「科技主權方案」（Tech Sovereignty Package）的政策組合，其中最受關注的，是《Cloud and AI Development Act》（CADA，雲端與 AI 發展法案）。 根據《Bloomberg》報導，歐盟不僅希望未來 5 至 7 年將區域資料中心容量提高至目前的 3 倍，更計畫建立一套「雲端主權風險評級制度」。這代表歐盟的科技主權戰略，正從「資料放在哪裡」的資料在地化思維，走向「誰能調動資料」的控制權治理。 歐盟推四級主權評級，評估的不只是資料存放位置 根據《Bloomberg》與《華爾街日報》取得的草案內容，未來歐盟政府機關若要使用雲端服務處理關鍵資料，將必須進行主權風險評估（Sovereignty Risk Assessment）。 評估內容不僅涵蓋資料儲存位置，而是進一步檢視雲端供應商的雲端服務、供應鏈、資料處理流程以及實體基礎設施是否受到歐盟控制，並依此劃分為四個主權等級。 《Politico》指出，未來不同敏感程度的公共服務，將對應不同等級的主權要求。歐盟科技事務執委 Henna Virkkunen 表示，等級越高，對控制權的要求也越嚴格，目標是避免關鍵系統存在所謂的「kill switch（終止開關）」風險。所謂的終止開關是指，當發生政治衝突、法律爭議或國安事件時，誰能夠決定資料是否被調閱、服務是否被中斷。 真正讓歐盟擔心的，是美國《CLOUD Act》 這項制度背後最直接的推力，來自歐盟長年對美國《CLOUD Act》的疑慮。根據《Bloomberg》、《Reuters》與《CNBC》報導，美國《CLOUD Act》允許美國執法機關要求美國企業提供資料，即使相關資料實際儲存在海外資料中心，也可能受到法律約束。 因此，即便某家歐洲政府機關將資料存放在法國、德國或荷蘭境內，只要使用的是 AWS、Microsoft Azure 或 Google Cloud 等美國企業提供的服務，理論上仍可能面臨美國司法管轄權的影響。Virkkunen 便公開表示，歐盟希望確保最敏感的資料能夠真正受到歐洲控制。 根據 Synergy Research Group 旗下 Statista 的數據，AWS、Microsoft Azure 和 Google Cloud 合計占全球雲端軟體市場 60% [&hellip;]</p>

TrendForce：NVIDIA 加入 Windows on Arm 陣營，推升 Arm 架構 AI 筆電 2029…

<p>根據TrendForce最新研究指出，目前AI筆電主要由Intel、AMD、Apple與Qualcomm推動，但市場仍缺乏能夠大規模展現裝置端AI運算價值，並形成明確使用者換機誘因的產品。隨著Nvidia於Computex正式發表RTX Spark平台搭配N1與N1X處理器，AI筆電市場有望從目前以NPU功能展示為主的階段，進一步邁向以Agent與本地端模型運算為核心的新發展階段。 TrendForce表示，RTX Spark平台的意義不僅在於新增Windows on Arm陣營的重要成員，更首次將CUDA生態系延伸至Windows筆電市場，預估將快速提升AI筆電滲透率，由2025年的19.3%與2026年的37.5%提升至2029年的84.9%。 N1/N1X處理器由Nvidia與聯發科(MTK)合作推出，扮演開拓高階市場的關鍵。此架構整合了高效能Arm架構CPU、Blackwell架構GPU、CUDA生態系，並支援最高128GB Unified Memory配置，讓硬體效能與作業系統、專業軟體層面達到深度整合。 受惠於裝置端算力提升，文件搜尋、簡報製作、知識庫查詢、工作排程及部分AI Coding等應用，未來皆有機會直接於本地端完成，降低對雲端算力與Token消耗的依賴。隨著AI Agent逐步普及，PC角色也將由被動工具轉變為主動助理，帶動換機需求由硬體規格升級轉向應用價值升級，成為2027年後推動筆電市場成長的重要動能。 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 Windows on Arm、Apple M、Chromebook推升，Arm架構筆電迎新局 從AI筆電市場結構來看，目前AI筆電仍以Windows x86平台為主，其滲透率由2025年的6.8%至2026年提升至14.5%，預估2029年將占整體市場約50.7%。相較之下，Windows on Arm AI筆電雖然目前基期較低，但成長速度在Qualcomm與Nvidia陸續加入此陣營後將明顯加速，滲透率將由2025年的1.2%提升至2026年的3.2%，預期將於2029年進一步成長至11.5%，顯示Arm架構正逐步擴大在Windows筆電市場的影響力。 除了Windows on Arm的發展外，Apple M系列預計維持約17%左右的筆電市場占比，持續扮演Arm架構筆電的重要組成。另一方面，隨著Intel與AMD近年將資源逐步轉向AI筆電與高階商務機種，在Chromebook市場投入相對保守，也讓聯發科(MTK)在今年有機會透過AI Chromebook進一步擴大在Chromebook平台的滲透率。在Windows on Arm, Apple M與Chromebook系列共同帶動下，預估2029年Arm架構筆電滲透率將達34.2%。 TrendForce指出，在Nvidia RTX Spark平台(N1/N1X)、Qualcomm Snapdragon X以及未來更多 Arm架構晶片陸續進入市場下，Windows筆電市場將由過去以Intel與AMD雙強競爭，逐步轉向多架構、多平台並存的新局面。 （本文訊息由 TrendForce 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：TrendForce。）</p>

【科技早餐】Microsoft 七款自研模型拉高 AI 平台戰，SK 海力士擴產、NVIDIA Robotaxi 鎖定…

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Microsoft Build 發表七款自研模型，AI 全端自主往企業推進 Microsoft 在年度開發者大會 Build 一口氣公布多項 AI 計畫，從自研模型、Windows 裝置到企業代理安全護欄，都指向同一個方向：Microsoft 不只延續與 OpenAI 的合作，也在補強自己的 AI 技術堆疊。其中最受矚目的，是 Microsoft 發表七款自研 AI 模型，組成 MAI 模型家族，涵蓋推理、程式碼、圖像、語音與語音轉錄，並把開發者與企業應用放在核心位置。 硬體端，Microsoft 展示搭載 NVIDIA 晶片的新電腦 Surface RTX Spark Dev Box，目標是在 PC 執行更大型的 AI 模型；同時公布 Project Solara 概念裝置，讓 AI 代理進入行動工作場景。企業安全方面，Microsoft 也正開發工具，協助 Windows 執行開放原始碼軟體 OpenClaw，降低 AI 代理在企業電腦上誤用敏感資料或刪除檔案的風險。 ＊Microsoft 發表 Majorana 2，AI 協助量子運算提前推進到 2029 [&hellip;]</p>

工研院攜手 AUVSI 推動 Green UAS 認可評鑑： 助攻無人機產業接軌國際市場，漢翔率先導入測試驗證

<p>為有助於我國無人機產業拓展國際，以及促進臺美無人機合作，並協助「台灣卓越無人機海外商機聯盟（TEDIBOA）」強化全球布局，在經濟部產業發展署指導下，工研院今（4）日舉辦「無人機評鑑機構啟動大會」，正式宣布與美國無人產業協會（AUVSI）簽署 Green UAS 授權評鑑及服務協議契約，成為 AUVSI 於臺灣的第三方認可評鑑機構，並成為美國「綠色無人機系統（Green UAS）」，使臺灣成為美國境外第一個認可評鑑機構，協助臺灣業者取得認證，打入美國市場。將有助推動我國無人機產業取得國際認證，進而拓展國際市場。 本次啟動大會邀集政府、國際組織及產業代表共同參與，包括經濟部次長何晉滄、經濟部產業發展署署長邱求慧、美國在臺協會處長谷立言（Director Raymond Greene）、AUVSI 執行長Michael Robbins、工研院董事長吳政忠、工研院院長張培仁、漢翔航空工業股份有限公司董事長曹進平；另有無人機外交小組、無人機大聯盟、台灣智慧機器人與自動化協會、雷虎科技、亞洲航空、神耀科技與中光電等產官研代表共同出席。 Green UAS 制度為美國近年推動的重要無人機供應鏈驗證機制，著重產品資安、供應鏈透明度與可信任度，已逐步成為國際市場的重要門檻與合作標準。今年 1 月，AUVSI 與工研院已於美國華盛頓特區簽署合作協議，專職網路安全測試和技術評估，擴大在臺灣的滲透測試支援，由授權資安人員實際嘗試入侵系統，識別資安漏洞。 工研院董事長吳政忠指出，此次正式啟動 Green UAS 無人機評鑑機構，是臺灣無人機產業走向全球可信賴供應鏈的關鍵起點。工研院取得美國 AUVSI 的 Green UAS 授權評鑑資格，將以「在地驗證、接軌國際」為核心，協助國內業者在國內依循美國標準完成資安評鑑，縮短進入國際市場時程。此授權評鑑機制將為產業帶來三大價值，包括協助業者接軌國際標準、強化可信供應鏈韌性，以及帶動技術升級，促使業者系統性地強化資安能力與產品品質，讓全世界看見臺灣無人機「可信、可靠、可合作」的實力。 此外，工研院也與漢翔航空工業股份有限公司簽署 Green UAS 測試合作備忘錄（MOU），由工研院機械與機電系統研究所所長張禎元與漢翔董事長曹進平代表簽署，並由經濟部次長何晉滄、經濟部產業發展署署長邱求慧、美國在台協會處長谷立言及 AUVSI 執行長 Michael Robbins 共同見證，正式啟動雙方於 Green UAS 測試驗證合作。 （本文訊息由 工研院 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：工研院。）</p>

AI 算力競賽下一個瓶頸是電力：台達電源及系統事業群副總經理鄭謝雄解析 800 VDC 架構、液冷與數位孿生如何重構資…

<p>專訪：戴季全撰稿：李昀蔚 算力即國力，已經成為 AI 時代最常被討論的一句話。然而，在大型語言模型、AI Agent 與 Physical AI 快速發展背後，真正限制算力擴張的，可能不是晶片，而是電力。當 GPU 功耗持續升高，AI 資料中心的用電、散熱與能源轉換效率，正在成為新一代 AI 基礎設施的核心戰場。 本集《全新一週》特別專訪台達電源及系統事業群副總經理鄭謝雄，從 NVIDIA GTC 大會上備受關注的台達 800 VDC 方案談起，拆解 AI 資料中心為何必須重新設計電力架構，以及台達如何從「Grid-to-Chip」（從電網到晶片）角度，整合電源、液冷與數位孿生，回應 AI 算力爆發帶來的新挑戰。 為什麼 AI 資料中心需要 800 VDC？關鍵在 GPU 功率暴增 所有電源架構的改變，根本原因都來自 GPU 功率不斷提升。從 H100、H200，到 Blackwell，再到 Vera Rubin，GPU 功耗已從過去約 700 至 800 瓦，提升到 1,200 瓦，未來 Vera Rubin 世代甚至可能來到 1,800 至 2,300 瓦。 當 GPU [&hellip;]</p>

AI ROI 不能只看採用率：JPMorgan、Meta 推追蹤機制，為何引爆失真與隱私危機？

<p>《Business Insider》報導指出，隨著企業大規模導入 AI 工具，使用 AI 逐漸從一種選擇，轉變為職場中的基本要求。面對在 AI 軟體與 AI 代理系統上投入的數十億美元，包含 JPMorgan、Meta 與 KPMG 等大型企業，紛紛建立內部數據儀表板，用來追蹤員工在日常工作中使用 AI 的頻率與方式，部分企業甚至會在內部公開使用數據，讓員工能比較彼此的 AI 採用程度。 AI 使用量成管理參考，企業使用數據評估員工表現 在部分企業中，AI 使用量開始被納入績效評估與工作表現比較的指標，用以辨識所謂的「落後者」，進一步作為人力資源決策的參考依據。 然而，這類高度細緻的監控機制也開始在職場內部引發緊張關係。《Business Insider》指出，當 AI 使用量被做成排行榜，指標也開始被扭曲。部分員工會刻意增加不必要的 AI token 使用量，刻意最大化 AI token 使用量（tokenmaxxing），拉高自己的使用數據。這讓企業面臨一個新問題：AI 使用量升高，不一定代表生產力提高，反而可能推高成本、削弱指標可信度。亞馬遜過去曾設立內部排行榜追蹤 AI token 使用情況，但因擔心鼓勵不必要的使用行為，已於今年 5 月底關閉該機制。 同時，企業的監控重心也逐漸從傳統的工作效率指標，轉向更細緻的工作行為分析。過去多數企業主要透過登入時間、滑鼠移動、螢幕截圖等數據來評估遠距工作生產力；但在 AI 時代，企業開始更關注員工實際如何完成工作，包括寫作、程式設計、溝通與決策等流程，以理解 AI 在工作中的實際作用。 Meta 蒐集鍵盤與滑鼠數據訓練 AI，引隱私與監控爭議 隨著 AI 代理技術興起，這類能在較少人為監督下完成任務的系統，進一步推動企業對「工作過程數據」的需求。部分企業甚至將員工行為數據視為 AI 訓練資源。例如 Meta 曾在內部備忘錄中提到，將開始蒐集員工的滑鼠移動與鍵盤輸入等操作紀錄，用於訓練自身的 AI 系統。 [&hellip;]</p>

台灣大 AI 算力布局走向海外，攜 GMI Cloud 共拓國際 AIDC 市場

<p>全球生成式 AI 浪潮帶動高階 GPU 與 AIDC 需求快速成長，企業對算力、資料在地化與 AI 基礎設施的需求同步攀升。台灣大哥大今（4）日於 COMPUTEX 宣布，與全球僅七家的 NVIDIA Reference Platform Partner 國際算力策略合作夥伴 GMI Cloud 簽署合作備忘錄（MOU），結合台灣大在大型基礎設施與機房維運的深厚實力，以及 GMI Cloud 全球算力調度優勢，共同布局東南亞、東北亞、美洲、歐洲等新興市場，打造符合當地法規，與高資安標準的國際級 AIDC 服務，搶攻跨國算力商機。   台灣大哥大企業服務事業商務長朱曉幸表示，AI 加速運算規模快速擴張，企業對高效能算力、資料治理與在地部署需求同步提升。台灣大近年積極布局超大規模 AI 算力中心，旗下 TAIDC 機房具備高密度電力架構、液冷散熱與電信級維運能力，可支援新一代高效能 GPU 運算需求。除協助金融、高科技研發等企業客戶加速 AI 模型訓練與推論應用，也透過高頻寬網路專線與電信級資安能力，提供兼顧效能與資料安全的 GPU 運算服務。朱曉幸進一步表示，此次與 GMI Cloud 深化合作，共同拓展海外 AI 基礎設施市場，協助企業加速 AI 應用落地。 GMI Cloud 執行長葉威延表示，GMI Cloud 作為全球唯七 NVIDIA Reference Platform 雲端合作夥伴，同時也是亞洲成長最快的 GPU 雲服務供應商，具備快速部署基礎設施的能力，能有效解決目前市場對 GPU [&hellip;]</p>

研華搭 COMPUTEX 熱潮舉辦全球夥伴大會，力推 Physical AI 與 WEDA 架構

<p>全球物聯網智能系統與嵌入式平台領導廠商研華公司（TWSE:2395）昨（3）日於研華智能共創園區舉辦全球夥伴大會 WPC（World Partner Conference），今年研華 WPC  首度與 COMPUTEX 展覽深度整合，成功吸引來自全球超過 800 位技術夥伴、產業領導與生態系成員共襄盛舉，透過12場垂直產業論壇，共同探討邊緣 AI（Edge AI）、實體 AI（Physical AI）與 AI 代理（AI Agent） 的最新發展趨勢。作為全球邊緣 AI 產業的年度盛事，研華打造出橫跨全球技術趨勢、前端產品體驗與跨國商業媒合的平台，透過為期三天的密切交流，不僅讓全球與會者直擊最先進的邊緣運算與 AI 智慧方案，更實質促進了全球生態系夥伴在策略、技術與落地商機上的深度綁定。 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 首度整合 WPC 與 COMPUTEX 全球夥伴深度交流 Edge AI 關鍵應用 研華董事長劉克振表示，研華今年以「Edge Computing &amp; AI-Powered WISE Solutions」為主軸，首度將 WPC 與 COMPUTEX 整合擴大舉辦，就是希望透過全球生態系合作以建立更完整的邊緣AI產業鏈，進而串聯技術夥伴、開發者與產業客戶，打造可複製且具規模化的解決方案。 研華北美區總經理牛文中從市場第一線觀察指出，企業導入邊緣 AI 的需求快速成長，客戶需要的已不再只是單一硬體設備或 AI 模型，而是能夠整合硬體、軟體、 AI 框架、系統部署與場域服務的系統級夥伴。尤其在智慧製造、醫療、物流與自主設備等應用場域中， AI [&hellip;]</p>

Meta 推 Business Agent 押注 AI 代理：從投放工具到企業營運入口，打破廣告單一營收

<p>《CNBC》報導，為擺脫對廣告業務的高度依賴，並尋找 AI 帶來的新營收機會，Meta 正加速布局 AI 代理市場。近日宣布擴大推出 Meta Business Agent，並先針對部分使用 WhatsApp Business App、Instagram Pro、Messenger 與 Meta Business Suite 的企業開放測試部分營運輔助功能。 Meta Business Agent 上線，可自動整理訊息並提供營運摘要分析 Meta Business Agent 將納入日前推出的 Meta One 企業訂閱方案。Meta 上週同步宣布，開始測試 Meta AI 應用程式與網站的付費服務，積極推動 AI 商業化，並尋求廣告業務之外的營收來源。Meta 表示，目前已有超過 100 萬家企業在 WhatsApp 與 Messenger 使用 Business Agent，而 WhatsApp、Messenger、Instagram 每天累積超過 10 億個企業對話，也是 Meta 推動企業 AI 代理的重要基礎。 除了回應客戶訊息外，Meta Business Agent [&hellip;]</p>

攻克汽車業 90% 無法自動化的盲區，奧迪用「AI + 機器人」重塑高勞動強度產線

<p>在汽車製造邁向智慧工廠的過程中，真正困難的環節往往不是高度標準化的機械加工，而是那些需要大量人工經驗、長時間重複操作，甚至伴隨高勞動強度的細節工序。 德國車廠奧迪（Audi）近期公布最新 AI 生產布局，揭示汽車製造業正在進入另一波自動化轉折點。過去長年難以被機器全面取代的產線工作，如焊接後處理、線束安裝與製程異常監控，如今正透過 AI、雲端架構與機器人整合逐步被重塑。 告別高強度人工打磨！AI 與機器人接管車底盤「髒苦累」活 奧迪表示，目前已在德國 Neckarsulm 廠區的 A5 與 A6 車身產線全面導入 AI 驅動的「焊接飛濺檢測系統（Weld Splatter Detection，WSD）」。在車體焊接完成後，車身底盤經常會殘留焊接飛濺物，若未即時清除，可能影響後續塗裝與品質穩定性。這類工作長期仰賴人工檢查與打磨，不僅耗時，也對現場人員造成高度身體負擔。 如今，WSD 系統透過 AI 視覺辨識，即時掃描車底盤表面，自動標記焊接飛濺位置。最新版本更進一步結合機器人手臂，直接接管後續研磨清除流程。原本需要大量人工作業的高強度工序，現在改由 AI 控制的機器人完成，員工則轉向監控與例外處理工作。 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 AI 化身產線監工，提前發現製程異常 除了改善高勞動強度工作，奧迪也將 AI 延伸至製程品質管理。由內部數據專家團隊打造的 AI 解決方案「ProcessGuardAIn」，目前已進入測試階段。這套系統建立於跨廠區數據平台之上，該平台整合各工廠設備、產線與感測器資料，形成統一且標準化的製造數據基礎。 透過大量機器與感測器數據，ProcessGuardAIn 能夠即時監控製造流程，提前發現異常徵兆，並主動通知工程人員介入。現階段，系統已於 Neckarsulm 烤漆廠進行兩項試點測試，包括前處理藥劑劑量優化，以及陰極電泳塗裝（Cathodic Dip Coating，CDC）異常檢測。奧迪預計於 2026 年第二季正式導入大規模量產。 相較於傳統製程異常往往需等待品質檢測後才被發現，ProcessGuardAIn 的價值在於能於問題尚未擴散前即時阻斷，降低返工與後續維修成本。奧迪也規劃下一階段讓系統具備「建議式 AI」能力，未來員工可透過 App 取得逐步操作建議與排除流程，讓 AI 成為產線現場的即時協作助手。 攻克 90% [&hellip;]</p>

16GB 筆電就能跑多模態模型、AI Agent？Google 發表 Gemma 4 12B 揭企業 AI 新需求

<p>過去兩年，AI 產業的競爭幾乎圍繞著同一件事：誰擁有更多 GPU、誰能訓練更大的模型。然而 Google 最新推出的開源模型 Gemma 4 12B，試圖證明另一條路線也正在成形：未來企業真正需要的，或許不是規模更大的模型，而是能在本地設備執行推理、多模態理解與 AI Agent 任務的模型。 Google 發表 Gemma 4 12B，這款約 120 億參數的開源模型採用 Apache 2.0 授權，最大亮點並非參數規模，而是首次導入「Encoder-Free（無編碼器）」多模態架構。透過移除傳統音訊與影像編碼器，Gemma 4 12B 能直接將影像與聲音輸入大型語言模型推理流程，同時將硬體需求壓低至一般 16GB 記憶體筆電即可執行。 Google 為何要砍掉音訊與影像編碼器？ 多模態模型近年已逐漸成為主流，但大多數模型仍採用分離式架構。根據 Google 與開發者文件說明，傳統多模態模型通常需要額外的視覺編碼器與音訊編碼器，先將圖片與聲音轉換成模型可理解的向量表示，再交由大型語言模型進行推理。這種架構雖然成熟，但也會增加延遲、記憶體需求與系統複雜度。 Gemma 4 12B 則採取不同做法。Google 將這項設計稱為 Unified Architecture（統一架構）。影像不再經過獨立視覺模型處理，而是透過一個僅約 3,500 萬參數的輕量模組直接投影至模型內部；音訊則更進一步，直接將原始聲波訊號映射至與文字相同的向量空間，完全移除音訊 Encoder。 根據《Exploring Language Model》分析，過去 Gemma 4 系列大型模型使用的視覺編碼器約有 5.5 億參數，音訊編碼器約有 3.05 億參數。Gemma 4 12B 將這些模組移除後，不僅降低記憶體需求，也讓模型能更快開始推理。 COMPUTEX [&hellip;]</p>

2025 年全球邊緣運算支出突破 2,600 億美元，決定成敗的是 IT 與 OT 能否對齊目標

從數位孿生到實體生產力：達明機器人定義 Physical AI 落地關鍵，發表「端到端開發套件」打通 AI 供應鏈最後…

<p>達明機器人宣佈深化與NVIDIA、QCT的策略合作，正式推出「Physical AI 開發套件（Physical AI Development Package）」。這套業界首創的解決方案，標誌著達明機器人已成功串聯從資料採集、算力支撐到終端部署的完整鏈條，成為台灣 AI 硬體供應鏈中，將數位智慧轉化為實體生產力的「最後一哩路」 。 雙引擎戰略核心：一套大腦，賦與機器人多元型態 不同於市場過往僅關注單一機器人型態，達明機器人強調 Physical AI 的核心價值在於「跨平台的智慧賦能」。本次發表的開發套件不僅是為人型機器人 TM Xplore I 量身打造，更是其「AI 雙引擎」戰略（協作機器人 Cobot + 人型機器人 Humanoid）的智慧中樞。透過同一個共享的 AI 架構與開發框架，企業能將 AI 視覺與 VLA 多模態模型快速導入既有的 AI Cobot 產線，或部署至未來的人型機器人應用，極大化研發投資報酬率並降低重複開發成本。 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 Physical AI 技能訓練的「使用者旅程」：加速工業落地，極大化降低 TCO 展會現場完整呈現了 Physical AI 技能訓練的三大關鍵階段，旨在解決企業導入自動化時面臨的「客製化成本高」與「部署週期長」兩大痛點。此整合工作流程全面導入 NVIDIA Isaac GR00T 人形機器人開放式開發平台，用以彌合數位開發與現實世界之間的差距，有效降低總體擁有成本（TCO）並縮短建置週期。 高品質的數據是 Physical AI 的基石。達明機器人與晶翔機電（j-mex）合作，展示如何透過 [&hellip;]</p>

COMPUTEX 2026 AI 機器人展區直擊：從零件到整機，Physical AI 正在現場發生

<p>AI（Physical AI）正成為科技產業下一波競逐焦點，看準這股趨勢，COMPUTEX 2026 首度設立 AI 機器人展區，聚焦具身智慧（Embodied AI）、機器人運算平台、智慧城市與數位孿生等技術發展。 實際走訪展區可以發現，現場展示的重點不只是機器人本體，而是支撐機器人運作的整體技術生態系。從 VLM 模型、邊緣運算平台，到減速機與視覺辨識系統，各家廠商正試圖補齊 Physical AI 從感知、決策到自主執行所需的關鍵技術。 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 機器人從「執行命令」走向「理解並執行任務」 過去工業機器人大多依靠預先編寫的程式執行固定任務，但隨著生成式 AI、AI Agent 技術進入機器人領域，產業開始追求更高層次的環境理解與自主決策能力。其中，所羅門的展示便是代表案例之一。 所羅門除了展出招牌的機器視覺技術解決方案，這次更強調 VLM（Vision-Language-Model）技術的整合。所羅門指出，非標準化的場景隨時可能遇到突發狀況，由於工程師無法將世界上所有的意外情境寫進程式裡，因此機器人需要仰賴 VLM 來應變。而其也宣布整合 NVIDIA NemoClaw 架構，用於協調人形機器人上的多個 AI 代理，目的將推理、感知、感測器融合、移動與操作整合至單一工作流程中。 所羅門表示，現行的人形機器人仍高度仰賴近距離視覺來進行語意理解，通常要移動到物體附近才能確認目標或解讀環境背景，而透過 AI 代理與感知能力的協作，能提高機器人執行任務的精準度，省去頻繁走位確認物體的麻煩。 另一個導入 AI Agent 到機器人領域的案例是研揚。研揚與英特爾共同展出了應用於工業產線的即時瑕疵檢測系統，在 AI Agent 的應用面是將其設計為人員與機器設備之間的溝通介面。廠房營運人員只需透過簡單的文字或語音指令，即可直接詢問 AI Agent「今天檢查了多少板子？」或「目前的瑕疵率為何？」等問題，系統便會即時從伺服器抓取數據回報。 來自韓國的機器人新創 Circulus 則展示另一種路線。其展出最大亮點在於專攻機器人的「大腦」，強調採用邊緣運算（Edge AI）技術而非依賴雲端，使機器人能在無網路的環境中運作，同時避免廠房資料上傳雲端，以符合部分企業對機密工程資料保護的需求。 一台機器人背後，需要更多看不見的關鍵零組件 除了 AI 大腦，機器人能否順利移動、抓取與執行任務，仍仰賴大量關鍵零組件支撐。首度參加 COMPUTEX [&hellip;]</p>

AI 已催生 130 萬個新型職位：《富比士》點名 20 種 Agentic AI 人才，企業組織圖正在改寫

<p>《富比士》報導，代理 AI（Agentic AI）帶來的最大討論焦點，往往集中在工作機會被取代與消失的議題。然而，數據所呈現的另一面卻顯示，AI 不僅正在改變既有職位，更持續創造大量全新的工作機會，而這項發展相較於失業議題，獲得的關注明顯較少。 新領時代來臨：AI 帶動百萬新職缺，人才需求全面翻轉 相較於外界普遍聚焦 AI 將取代工作機會的討論，最新數據顯示，AI 也正快速催生大量新興職業。根據 LinkedIn 今年 1 月公布的分析，自 AI 技術普及以來，全球已新增超過 130 萬個相關職缺，包括 AI 工程師、前線部署工程師及資料標註員等新興職務；同時，AI 基礎建設擴張也帶動超過 60 萬個資料中心相關工作機會。 LinkedIn 將這波轉變稱為 New-Collar「新領人才」時代，意指人才需求不再只看傳統學歷，而是結合知識工作、進階技術能力與人類特質。其中，AI 工程師更已連續兩年成為美國成長速度最快的職位。 世界經濟論壇（World Economic Forum）在《未來工作報告》中預估，到 2030 年全球將新增約 1.7 億個工作機會，雖然有 9,200 萬個職位可能因技術變革而消失，但整體仍將淨增加約 7,800 萬個工作。其中，AI 與機器學習相關專業人才被列為未來成長最快的職業類別之一。 麥肯錫（McKinsey &amp; Company）則進一步提出代理式組織概念，認為未來企業運作將逐漸形成「人類與 AI 代理共事」新模式。在這樣的環境下，員工的角色不再只是執行任務，而是負責協調、監督及管理 AI 系統，確保其能有效完成工作目標。 不只需要工程師：企業搶前線部署、治理與安全人才 從企業的人才布局來看，最先受到 AI 浪潮帶動的仍是技術相關職缺。除了傳統的 AI 工程師外，許多企業近年開始招募能直接深入客戶現場、協助建置與調整 AI 工作流程的人才。這類被稱為前線部署工程師的角色，負責串接企業需求與 AI [&hellip;]</p>

TechOrange 推出《 AI Ready 電子報 》，用 AI Agent 幫你掌握 AI 與機器人最新動態

<p>科技報橘會員電子報即將迎來一次升級，我們想在正式上線前，先告訴你這次改變了什麼。 從本週四（6/4）起，《AI TOgether》電子報將更名為 TechOrange《 AI Ready 電子報》，並從週報升級為每日早上 6 點發送。 新版本會透過 AI Agent，每天從國際媒體與科技報橘官網中篩選出多則 AI 與機器人相關的重要新聞，提供中文標題並附上原文連結。看到感興趣的主題，點擊就能直接前往原始報導閱讀。 AI 產業的變化瞬息萬變，我們希望藉由新的工具與節奏，把最新的產業動態以最快的速度送到你手上，不讓你錯過任何關鍵訊號。 這是一個新的開始。上線後，我們會持續根據讀者回饋優化內容與形式。如果你有任何想法或建議，歡迎來信至 [email protected]，你的意見對我們來說非常重要。 還不是訂閱者？歡迎透過科技報橘首頁或是側欄立即訂閱，從 6/4 起每天早上與你見面。 TO 編輯團隊</p>

微軟 Build 大會公開 Project Solara：AI Agent 走進企業現場裝置，改寫傳統 App 模式

<p>微軟在 2026 Build 開發者大會上公開 Project Solara，這是一套以 AI 代理為核心的新裝置平台，目標讓部分工作任務不再受限於傳統 App 介面，能直接透過 AI 代理與專用裝置完成。與過去以 Windows 為核心的策略不同，Solara 採用微軟基於 Android 開發的企業版平台 MDEP，支援更小型、低功耗、可由 IT 部門管理的新型態企業裝置，已完成兩款可實際運作的硬體原型，並吸引多家知名企業準備參與試點計畫。 微軟發布 Solara AI 平台，瞄準下一代運算裝置市場 隨著生成式 AI 技術快速發展，微軟正布局下一代運算平台。讓使用者不必在不同軟體之間切換操作，而是直接透過 AI 完成工作任務。搭配現成硬體元件，企業也能更快速、低成本地開發符合特定需求的智慧裝置。這項布局被視為微軟搶攻 AI 裝置市場的重要一步。目前除了微軟之外，Google、Amazon 與 OpenAI 等科技大廠也積極投入相關領域。《GeekWire》指出，若個人電腦是微軟建立軟體帝國的關鍵，AI 則被視為下一波運算平台競爭的主戰場。 負責領導微軟應用科學團隊的企業副總裁暨技術院士 Stevie Bathiche 指出，隨著 AI 能力持續提升，許多過去仰賴應用程式完成的工作，未來都可能直接由 AI 代理接手。他認為，傳統 App 主導的使用模式正逐漸鬆動，人機互動方式也將迎來新一輪改變。 Solara 定位為一套涵蓋晶片、裝置到雲端服務的 AI 平台。展示現場亮相的兩款概念裝置，分別是一台桌面 AI 中樞與一枚智慧識別證。桌面裝置可放置於個人電腦旁，透過語音互動、臉部辨識登入，並主動整理每日待辦事項；連接顯示器後，還能直接存取雲端 Windows 環境。 智慧識別證則鎖定第一線工作場景設計，內建指紋辨識與攝影機模組，使用者只需按下一個按鍵即可喚醒 AI [&hellip;]</p>

AI 算力進入部署期：COMPUTEX 2026 看技嘉、英業達、緯穎如何打造可商業化的 AI 基礎設施？

<p>隨著 AI 技術發展從模型訓練邁向大規模商業應用，企業面臨的挑戰已逐漸轉移至「如何讓 AI 基礎建設（Infrastructure）快速且穩定地落地」。在 COMPUTEX 2026 展會上，技嘉、英業達與緯穎的展示，剛好對應 AI 基礎建設落地的三個難題：資料中心如何縮短建置時間、系統廠如何從單機伺服器走向整機櫃整合，以及當算力集群持續放大，光互連如何成為突破頻寬與功耗瓶頸的新選項。 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 技嘉把 AI 資料中心貨櫃化，讓部署週期從 7 年壓到 2 年 要讓 AI 順利落地，首要問題之一是實體基礎建設的建置效率。技嘉今年以「Future Landing」為展區主題，對應企業在建置 AI 算力時面臨的時程壓力。技嘉表示，AI 部署的速度已經成為 AI 發展的關鍵競爭力，產業及市場真正需要的 AI 基礎建設，不僅取決於硬體效能及運作效率，更在於是否能快速建置、交付，並在落地後可即插即用投入運作。 因此，面對當前 AI 資料中心建置週期長、導入門檻高等挑戰，技嘉展出 GADU（GIGABYTE Accelerated Deployment Unit）模組化貨櫃資料中心，將水、電、網路、散熱與運算設備預先整合於貨櫃中。技嘉表示，若場地、電力與網路條件已具備，企業可藉此減少從零規劃機房的時間成本，將過往可能長達 5 到 7 年的部署週期，縮短至約 1 到 2 年。&nbsp; 除了硬體就緒，軟硬整合更是長期維運關鍵。在實體建置前，企業可運用 NVIDIA Omniverse 平台進行數位孿生模擬，預先完成電力與散熱的最佳化配置。在建置完成後，技嘉自研的 GPM（GIGABYTE [&hellip;]</p>

【運動手錶也要有 AI】讓 AI 真正理解運動員的身體狀態，為何 Coros 押注語音輸入？

<p>Coros 成立不到十年，已在運動手錶市場站穩一席之地，名字開始與 Garmin、Polar、Suunto 並列在同一個討論框架裡。 這家品牌靠著在價格、功能與效能之間找到甜蜜點而快速崛起，但它現在想做的，已經不只是追上這些老牌競爭者，而是押注一個它認為將重塑整個產業的技術方向：語音與 AI 的結合。 麥克風上錶，但用法完全不同 在運動手錶上加入麥克風這件事，Coros 並不是第一個。Garmin 早在 2022 年就在 Venu 2 Plus 上加入麥克風與喇叭，用途是讓用戶透過藍牙接聽電話，或呼叫手機上的智慧助理，以及執行設定計時器等基本指令。此後 Garmin 也陸續將類似硬體配置到旗下多款手錶，包含 Fenix 8 與 Forerunner 系列。 Coros 的路徑截然不同。2025 年，Coros 推出了第一款內建麥克風的手錶 Nomad，隨後又在 Pace 4 與 Apex 4 上加入麥克風，但它並不打算讓這些手錶變得更像 Apple Watch 或 Wear OS 裝置。 Coros 在近期軟體更新中推出了 Voice Control 功能，目前仍在 Beta 測試階段。用戶按住功能按鈕，就能以語音啟動訓練模式，包含健走、越野跑、礫石自行車等，也可以在訓練過程中進行細部調整，例如田徑跑道換道、調整跑步機速度，或設定提醒與啟動尋找手機功能。 在此之前，Coros 已推出「Voice Pin」功能，讓用戶在訓練途中錄製語音筆記，並標記在跑步路線的 GPS 地圖上，目的是記錄當下的身體感受，或留下路線的環境資訊，供下次跑同一段路時參考。這個設計的起點，是因為現有訓練數據的數字不夠用。 COMPUTEX 2026 [&hellip;]</p>

陳立武上任 14 個月後首度亮牌：Intel 如何押注代理式 AI、客製化晶片與機架級系統？

<p>經過一段時間的內部重整，英特爾（Intel）在 COMPUTEX 2026 台北國際電腦展上展現了截然不同的戰略姿態。從 AI 基礎設施、機架級系統、客製化晶片，到 Google、Ericsson 等合作案，面對 AI Agent 浪潮來襲，英特爾執行長陳立武在上任 14 個月後首度完整展示其 AI 佈局，他表示：「你們已經看到了英特爾的一些轉變，但我們才剛開始。」 針對 AI 產業變化，陳立武表示，「我們現在製造的晶片將供人類使用，也供 AI 代理使用。」而英特爾觀察到 AI 正在創造數兆美元的價值，並逐漸形成 4 大運算生態系，包含 PC、邊緣與實體 AI、企業資料中心，以及專門驅動 AI 代理的智慧資料中心（intelligence center），每一層都越來越需要專門建構的 CPU、GPU 和 ASIC 解決方案來處理特定的工作負載和應用。 18A 全面量產，首款產品已在出貨 製程是陳立武成績單裡關鍵一格。Intel 18A 製程已正式進入全量產，首款搭載產品為 Core Ultra Series 3，目前已有超過 300 款設計正在出貨，涵蓋消費與商用市場。今年四月推出的主流版本 Core Series 3，在短短數個月內便擴展至超過 70 款設計，使整個 Series 3 平台累計設計案接近 400 個。 針對掌上型遊戲市場的 [&hellip;]</p>

NEXCOM 新漢集團攜手高通於 COMPUTEX 推動具身 AI 機器人發展，打造高效能開發平台

<p>全球通訊與運算技術領先企業高通技術公司（Qualcomm Technologies, Inc.）與工業運算領先企業 NEXCOM 新漢集團旗下創博股份有限公司（NEXCOM Robotic Solutions, NexCOBOT Co., Ltd.）（8234）今日於 COMPUTEX 2026 宣布合作意向，將共同加速新一代機器人解決方案的開發。此次合作旨在結合高通技術公司在高效能邊緣運算的領先地位，以及新漢在機器人功能安全與運動控制方面的深厚專業，共同開發專為具身AI機器人打造的關鍵技術平台，以加速全球量產時程。 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 新一代 AI 控制板：整合 Qualcomm Dragonwing™ IQ10 系列與 NEXCOM 新漢集團旗下創博股份有限公司的即時控制與功能安全軟體堆疊 高通技術公司將智慧機器人視為實體AI應用的關鍵實踐平台。為滿足此需求，高通技術公司推出專為工業具身 AI 機器人設計的 Dragonwing IQ10 系列處理器。Dragonwing IQ10 系列具備高效能、低功耗及多感測器整合能力，可支援人形機器人、具身機器人、自主移動機器人（AMR，Autonomous Mobile Robot），及服務型機器人等應用。透過結合 Dragonwing IQ10 系列與新漢的即時運動控制及功能安全技術，雙方正評估推出「新一代 AI 控制板」。此解決方案預期可將高通技術公司的尖端 AI 運算能力與新漢專精的機器人控制技術無縫整合，為機器人產業提供兼具三大核心特性的AI控制器，包括即時就緒（Real-Time Ready）、EtherCAT 就緒（EtherCAT Ready）及功能安全就緒（Functional Safety Ready）。 聚焦高階垂直應用與人形機器人市場 新漢與高通技術公司預計聚焦需要高度 AI 運算能力與嚴格安全標準的智慧應用領域，包括智慧製造、自主移動機器人（AMR）以及各類高階垂直機器人應用。透過提供「開箱即用」的高效能AI機器人解決方案，雙方合作有望協助開發者大幅縮短研發週期並加速產品上市，尤其聚焦於快速成長的人形機器人市場。 [&hellip;]</p>

搭載 Arm 架構的 NVIDIA RTX Spark，重新定義代理式 AI 時代的個人電腦

<p>作者：Arm 邊緣 AI 事業部執行副總裁 Chris Bergey 數十年來，個人電腦的設計思維一直以人們使用應用程式為核心場景。如今，代理式 AI 正在改變這個模式。隨著應用程式變得更加自主，使用者將透過提示，指示AI代理在各項工作流程中進行觀察、推論、規劃，並採取行動。 這項演進正帶動市場對兩大類 AI 運算的需求： 全新搭載 Arm 架構的 NVIDIA RTX Spark，正是展現這項轉型的最佳例證。 Arm 很高興與 NVIDIA 攜手推出次世代 Arm 架構晶片，為高階效能 Windows PC 樹立全新標竿，帶來智慧、即時回應，且隨時就緒的運算體驗，並將先進 AI 效能直接賦予開發者、創作者與玩家。 搭載 Arm 架構的 NVIDIA RTX Spark，揭示個人電腦新時代正逐步成形 在 COMPUTEX 2026 發表的 NVIDIA RTX Spark，是個人電腦演進過程的重要里程碑。NVIDIA 產品管理副總裁 Kaustubh Sanghani 表示：「AI 代理需要 GPU、CPU 與記憶體架構的緊密整合與最佳化，才能在裝置端提供即時回應且高效率的 AI 體驗。RTX Spark 採用 Arm 架構的 [&hellip;]</p>