TechOrange 科技報橘

不等人形機器人了？Sanctuary AI 先把實體 AI 用在汽車產線，2.54 秒搞定電線插接

<p>隨著人形機器人商業化發展持續受到關注，機器人業者也開始將實體 AI（Physical AI）技術導入現有工業機器人系統。《The Robot Report》報導，加拿大機器人公司 Sanctuary AI 近日宣布，與全球一級汽車零組件供應商合作，在電線插接作業上取得重要進展，任務成功率超過 99.5%，單次作業時間僅 2.54 秒，且相關數據已對照客戶實際產線的作業基準完成驗證。 Sanctuary AI 推動硬體無關策略，加速實體 AI 落地應用 Sanctuary AI 表示，與其等待人形機器人實現大規模商業化，公司選擇先將實體 AI 技術部署於現有機器人平台，加速技術在實際場域中的應用。該公司共同創辦人兼技術長 Olivia Norton 指出，實體 AI 能否獲得產業採用，關鍵在於是否具備符合生產需求的效率與穩定性，而這正是企業客戶最重視的指標。 此次測試以汽車製造業常見的線束插接作業為對象。系統必須在輸送帶持續運轉的情況下，即時辨識並操控不斷移動的柔性電線，完成精準插接。《The Robot Report》提及，測試結果顯示，該系統達到客戶現有產線的作業速度，也符合工業生產對可靠度與穩定性的要求。 Olivia Norton 說明，在移動中的輸送帶上完成電線插接作業，需要機器人具備高度的感知能力與操作靈活性，過去一直是傳統自動化設備較難處理的工作。他指出，團隊在開發過程中，始終以實際生產環境作為驗證標準，並將可靠性、安全性及作業效率納入評估，才成功克服這項長期存在於製造現場的技術挑戰。 Sanctuary AI 表示，公司擁有先進的實體 AI 團隊，團隊成員包含機器人與軟體工程師，並持續解決業界認為無法解決的問題。Sanctuary AI 指出，憑藉智慧財產權布局、專有液壓機械手及先進 AI 系統，公司已在實體 AI 領域建立領先優勢。Sanctuary AI 在 2026 年 4 月就曾展示零樣本學習（Zero-Shot Learning）在靈巧手部操作（dexterous in-hand manipulation）上的應用成果。 實體 AI 與精細抓取技術加速商用，工業機器人應用競局升溫 [&hellip;]</p>

Anthropic 與白宮從對抗轉向合作：一場管制風波，正逼出 AI 安全新規則

<p>當美國以國家安全為由對 Anthropic 祭出出口管制、迫使其最先進的 Fable 5 與 Mythos 5 模型全面下架時，根據《POLITICO》報導，這場衝突正轉向更有建設性的方向：白宮與 Anthropic 已開始共同制定一套框架，用來評估新一代 AI 模型安全漏洞的嚴重程度，並據此決定政府是否需要介入。這意味著，雙方的角力可能正從對抗，轉向替前沿 AI 的安全風險評估建立一套共同標準。 從互相對立到共建框架，談判桌上的轉向 這套正在成形的機制，目標是建立一組共同基準，用來衡量未來 Jailbreak（越獄）事件的三個面向：模型護欄被繞過的程度、因此暴露出的能力，以及漏洞實際造成的後果。據《POLITICO》指出，談判由 Anthropic 公共政策主管 Sarah Heck 與共同創辦人 Tom Brown 帶領。 值得注意的是，這場談判的基礎，反映出雙方正逐漸收斂出一個共識：沒有任何 AI 模型能完全免於被入侵。與其追求不可能達成的「零漏洞」，政府應訂出一套規則，讓企業有所依循地衡量風險：這個立場，是從原本針鋒相對的兩端慢慢靠近的結果。 雙方過去一週的談判並不平順。據《POLITICO》報導，最初雙方一度近乎破局，起因是 Anthropic 拒絕政府要求其撤下 Fable 5 的指令，主張該漏洞影響有限、不構成實質的安全缺陷。白宮隨即以出口管制回應，禁止海外用戶存取該模型，迫使公司將其下架。 隨後，川普政府官員向《WIRED》表示，如果 Anthropic 希望重新發布 Fable 5，就必須證明該模型的安全防護機制（guardrails）無法被繞過。不過據《POLITICO》報導，隨著談判推進，雙方並未停在這種要求上，而是逐漸把焦點移到前述的共同前提：與其糾結於單一漏洞的對錯，不如建立一套客觀的評估標準。 然而，Anthropic 共同創辦人 Tom Brown、美國商務部長 Howard Lutnick 與國家網路總監 Sean Cairncross 接著進行了數通冗長的電話會談，最終促成將近一週的華府面對面會議；Anthropic 並在 6 月 15 日派出資深研究員與安全防護專家前往商務部，試圖修補關係。截至本文發稿，出口管制尚未解除，但從爭執本身轉向技術標準的制定，本身就是談判向前推進的訊號。 [&hellip;]</p>

MIH 聯盟宣告轉型！籌組「MIH 台灣機器智能產業協會」，號召跨域生態系共建 AI 機器新標準

<p>為引領下一世代的產業變革，MIH 聯盟宣布啟動轉型，籌備成立「MIH 台灣機器智能產業協會」，並正式對外展開全新階段的會員招募。MIH 將從原有電動車與智慧移動的堅實基礎出發，以「實體 AI」為核心聚焦領域，全面連結機器人、邊緣運算、智慧硬體與軟體開發夥伴，共同建構面向「AI 機器」時代的全球開放式軟硬體生態系。 本協會將以推廣機器智能生態系統之創新、應用、科技及工業發展為核心宗旨。未來的重點任務將聚焦於「協調產業團結」與「制定產業標準」，並透過推動技術開發、系統平台整合與國際化資訊共享，協助產業在 AI 機器時代建立技術護城河，極大化整體的共同利益。 本協會的核心使命，正是將台灣深厚的硬體製造與系統整合底蘊，與全球 AI 軟體開發量能深度結合。我們誠摯邀請具備軟體開發、邊緣運算、系統整合與智慧硬體創新能量的企業夥伴加入「MIH 台灣機器智能產業協會」。期望透過跨域的實質合作與資源共享，攜⼿產業鏈共同打造接軌國際的實體 AI 解決方案，穩健佈局下一代智慧移動與機器智能市場。 MIH 台灣機器智能產業協會公開徵求招募會員 主 旨：發起⼈劉揚偉已經向內政部提出申請籌組「MIH 台灣機器智能產業協會」社會團體，茲公開徵求會員。 公告事項： 一、社會團體宗旨：本會為依法設立、非以營利為目的之社會團體，以推廣機器智能生態系統之創新、應用、經濟、科技及工業發展，協調同業團結，制定產業標準，增進共同利益為宗旨。 二、入會資格：(一) 團體會員：凡贊同本會宗旨之機構，填具入會申請書，經理事會通過，並繳納會費後，為團體會員。團體會員可推派兩名會員代表，行使會員權利。(二) 個⼈會員：凡贊同本會宗旨、年滿十八歲之自然⼈，填具入會申請書，經理事會通過，並繳納會費後，為個⼈會員。 三、申請截止⽇期：即⽇起，至中華民國 115 年 7月 15 ⽇止。 四、會員申請表：https://forms.gle/2rRWxgRkQkEnvVP98 五、聯絡方式：(一) 地 址：台北市大安區光復南路 102 號 5 樓(二) 電子信箱：[email protected] 六、籌備處聯絡⼈、電話：戴季全先生 02-8771-5865 #187 七、入會申請資料如附：請來電(信)索取。 發起⼈代表： （本文訊息由 MIH 台灣機器智能產業協會 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：MIH 台灣機器智能產業協會。）</p>

【AI 經濟新藍圖】矽谷創投提三階段美國財稅藍圖，用運算稅與主權基金重建社會安全網

<p>隨著人工智慧與機器人技術的超高速演進，勞動市場正面臨前所未有的結構性海嘯。Khosla Ventures 創辦人 Vinod Khosla 發表評論指出，這場重大技術革命將迫使人類社會重新談判最基本的經濟契約。 過去 40 年專注於微處理器、網路、行動電話到 OpenAI 等破壞性創新的 Khosla 斷言，從 2030 年開始，高達 80% 的現存工作都將能由 AI 系統獨立完成。這意味著，美國目前與勞動緊密相連的經濟產出，絕大部分都將面臨被自動化取代的命運。 他強調，關鍵問題不在於大規模的結構性失業是否會到來，而在於當這一浪潮來臨時，政府是否已經準備好一套邏輯連貫的政策框架。 然而，現行的美國稅制完全無法應對即將到來的衝擊。目前的稅法框架，是奠基於勞動能夠獲得公平經濟價值分配、且資本需要被鼓勵的舊時代。當 AI 與機器人技術一方面大幅壓縮勞動報酬，另一方面又極度推升資本回報時，既有的財稅邏輯將徹底失效。 Khosla 警告，在 AI 引發嚴重不平等與大規模失業的威脅下，美國必須做好準備，在未來犧牲一部分的資本主義效率，以減輕社會底層的痛苦。他為此提出一套三階段財稅改革藍圖，試圖在民主體制被失業潮摧毀前完成重建。 取消資本利得優惠：2028 年啟動第一波減稅與補償 這套財稅改革的起手式定於 2028 年總統大選之後。Khosla 主張，美國應徹底取消對資本利得的優惠稅率，將其等同於普通收入進行課稅。 在 AI 瘋狂推升資本回報的時代，過去用來保護資產階級的稅收政策（例如虧損扣抵保留額等）已失去正當性。雖然此提案保留了主要住宅增值、合法家庭農場收益等重要選民群體的合理免稅額，但整體稅制調整預計每年可為聯邦政府帶進高達 4,000 億美元的稅收。 這筆龐大資金的流向具有明確的政治工程考量。Khosla 計劃將這些稅收首先用來補償因 AI 失去工作或收入受損的勞工。其餘的盈餘，則將以退稅形式直接返還給年收入低於7.5萬美元、繳納聯邦所得稅約 750 億美元的美國人。 Khosla 說明，目前高達 40% 的資本利得，集中在年收入超過 1,000 萬美元的極富裕階層，因此這項改革並非激進的財富再分配，而是將原本就「向上逆向分配」的錯誤稅制重新導回平衡，以此爭取廣大受衝擊選民的支持。 課徵運算與機器人稅：2030 年引進基本需求免費化與極致通縮 進入 2030 年後，改革將邁入第二階段。儘管作為科技投資人的 [&hellip;]</p>

當 AI 進駐結帳頁：支付系統如何變成下一個推薦引擎

<p>過去 20 年來，電商產業的競爭焦點圍繞在首頁版位、搜尋引擎排名與個人化推薦演算法。品牌投入大量資源爭取曝光，希望在消費者進入購物網站的第一時間搶占注意力。然而，隨著支付科技快速演進，影響消費決策的關鍵節點，正逐漸由商品探索階段移向付款環節，讓結帳頁面成為零售、金融與科技業者爭奪的新戰場。 捕捉最高購買意圖！用智慧結帳拉高客單價與轉換率 根據 PYMNTS Intelligence 與金融科技公司 FIS（Fidelity National Information Services）共同發布的研究報告指出，像是「智慧購物籃」（Smart Basket）這樣的新型支付架構（嵌入式結帳模型），能夠在消費者結帳時，即時分析交易內容、支付方式與會員忠誠數據，並於付款流程中直接呈現個人化優惠、折扣或回饋方案。相較於過去長期存在於背景的通用型獎勵計畫，智慧結帳能根據特定顧客、特定商品與當下情境進行即時決策，在消費者準備付款的關鍵時刻產生影響。 這種模式之所以受到高度關注，在於結帳階段擁有其他數位接觸點難以比擬的決策價值。當消費者已經將商品放入購物車並準備輸入付款資訊時，代表其購買意圖已相當明確。此時出現的優惠訊息或會員回饋，往往能直接影響付款方式選擇、提升客單價，甚至改變最終購買決定。 AI 賦能支付系統，從靜態結帳走向情境化推薦引擎 AI 的導入，可望進一步擴大智慧結帳的影響力。隨著 AI 能夠讀取更豐富的交易層級數據，未來的結帳體驗將不再是靜態的。AI 將能根據消費者的消費歷史、會員等級、商家的庫存水位、信用風險、商家營運優先順序，以及時間與位置等情境因素，動態優化並精準觸發回饋方案。每一次交易都可能產生不同的優惠組合，讓支付系統逐漸具備推薦引擎的功能。 換言之，過去負責商品推薦的角色主要由首頁演算法、搜尋排序與內容平台承擔，如今支付流程也開始具備影響消費決策的能力。當優惠與回饋能夠在購買意圖最強烈的時刻出現，支付環節便成為品牌與金融機構爭取消費者的重要接觸點。 提前布局消費旅程，透過 BNPL 聯合行銷降低購買門檻 企業的布局並未停留在結帳頁面。愈來愈多品牌正透過與 BNPL（Buy Now, Pay Later，先買後付）等創新支付服務的深度合作。 BNPL 業者與零售商之間的合作模式，通常結合共同品牌推廣（Co-marketing）機制。雙方透過協調一致的訊息傳遞，將分期付款、延後付款等彈性支付方案融入消費者接觸品牌的各個階段。消費者在社群媒體廣告、電子報、商品頁面或促銷活動中，就能提前接觸相關支付選項，進一步降低購買門檻與決策猶豫。 這種合作模式的價值，在於支付方式本身逐漸成為品牌體驗與信任感的一部分。對偏好透明、彈性付款機制的消費者而言，BNPL 不僅提供資金安排上的便利，也能降低購買高單價商品時的不確定性。當支付選項被納入品牌溝通策略之中，消費者對商品與品牌的接受度也隨之提升。 對企業而言，BNPL 合作帶來的效益同樣具有高度可衡量性。透過支付夥伴的既有用戶基礎與行銷渠道，品牌能獲得額外流量來源，觸及更多具有高購買意願的潛在客群，拉高重複購買率，創造可量化的成長效益。 在這波變化中，支付正逐漸擺脫後台基礎設施的角色。無論是 AI 驅動的智慧結帳，或是 BNPL 與零售商共同打造的行銷網絡，都顯示支付工具正在更深地參與消費決策。當優惠推薦、品牌溝通與交易行為在同一個介面匯流，結帳頁面的商業價值也被重新定義。 【推薦閱讀】 ◆ 限時折扣不管用了？《哈佛商業評論》揭 AI 購物代理的決策邏輯 ◆ 研發週期砍半、搜尋能見度翻倍：聯合利華怎麼用 AI 改造食品事業？ ◆ 1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 Wayfair [&hellip;]</p>

【AI 代理越學越退步？】「決策脈絡圖」框架補強 RAG，整合背景讓決策更精確

<p>一種被稱作「決策脈絡圖（decision context graph）」的全新框架，透過為 AI 代理提供結構化記憶、具有時間意識的推理能力，以及明確的決策邏輯，試圖彌補 RAG 的技術缺口。</p>

直擊 AI Agent 創造高生產力實戰：Qualcomm 與 MoBagel 共同打造安全地端 AI 平台、鴻海 C…

<p>全球企業正迎來一波顛覆性的 AI 變革，這股浪潮已從單純的輔助工具，進化為 Agentic loop 的自動化協作模式，如今工作者只需設定好任務的邊界條件，就能讓多個 Agentic AI 持續自主運作。面對這波科技躍進，TechOrange 科技報橘與 MoBagel 日前聯合舉辦「2026 AI Agent 新工作革命論壇暨 AI &amp; Beyond 年會」，以探索生產力提升與幻滅的多重宇宙，重塑知識與勞力工作流為主題，邀請 Qualcomm、MoBagel、Innodisk、鴻海、勤業眾信、台灣大學與早稻田大學等產學專家分享如何高效應用 AI Agent。 MoBagel 執行長鍾哲民分析部署開源 AI 代理程式 OpenClaw 的養龍蝦熱潮，「很多企業是禁止使用小龍蝦的，因為有許多資安風險仍受挑戰 。」現今 Agentic AI 雖能自主完成複雜任務，但企業常因內部財務、客戶或製程等敏感資料，受限於法規與 IT 安全政策，導致許多企業禁止使用外部開源模型，讓大量內部文件處理速度無法滿足即時決策需求。 為破除資料外洩的隱憂與滿足快速運算的需求，Qualcomm 與 MoBagel 策略合作推出為企業打造的地端 AI 平台，確保企業敏感數據不出地端系統。將企業 ERP 的 AI Agent 系統部署至地端，實現自然語言的即時查詢。Qualcomm 業務開發總監呂承翰指出，「邊緣式的運算 data 不上雲這個需求越來越廣，我們看到有 90% 以上企業將增加對邊緣 AI 的投資。」另外根據 Qualcomm 的調查，53% 的 [&hellip;]</p>

AI 驅動雲端 SOC 轉型實踐：如何利用自動化劇本與 AI 調查縮短 80% 資安事件處置時間？

<p>地端 SOC 傳統監控正面臨海量日誌 Data Overload 與告警疲勞困局。雲力橘子分享如何透過 AI 雲端 SOC 與 SOAR 自動化劇本（Playbooks），降低專家門檻、實現跨平台自動化聯防，以極小化人力發揮極大化防禦效率。 一、 傳統地端 SOC 維運的真實困局：為何人類眼睛追不上 Log 產生速度？ 在數位轉型與雲端原生技術爆發的時代，許多企業仍依賴傳統地端監控。然而，企業正面臨三大維運瓶頸： 此外，傳統 SOC 的專家門檻極高，資深人員需要精通複雜的 UDM 語法，一旦專家離職防禦力便陷入停滯；而新手培訓期長，面對海量數據容易迷失，導致高達 80% 的人力被浪費在低價值的重複性雜務上。 二、 2026 SOC 新標準：從對話指令到自動化規則生成 雲力橘子指出，現代 SOC 的價值不在於收集多少 Log，而是在於 AI 能幫企業過濾多少雜訊。透過導入 AI 驅動的雲端 SOC 平台，維運痛點迎刃而解： 三、 SOAR 自動化劇本（Playbooks）：從事件偵測到跨平台響應的閉環 為了填補被動防禦的差距，雲力橘子透過 SOAR（資安編排、自動化與響應） 流程，建立從事件收集、自動化分析（透過 AI/ML 引擎與威脅情資排序）、自動化響應到結案報告的完整閉環。 當系統偵測到高風險事件（例如：Windows 帳密密碼十分鐘猜測錯誤五次、Okta 跨地域異常帳號登入）時： 四、 一鍵整合主流雲端，實現「隨插即用」的韌性防禦 不論是 AWS、Google [&hellip;]</p>

【科技早餐】Google 砸錢挑戰 NVIDIA，Apple 轉向 Intel、台灣 AI 用電壓力升高

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google 砸錢推 TPU，複製 NVIDIA 模式搶算力客戶 Google 正憑藉雄厚財力，積極推廣自家研發的張量處理器 TPU。這套策略的核心，不是只把晶片賣出去，而是透過提供財務擔保，協助資料中心業者以較低成本取得融資，再讓部分投資回流成為 TPU 採購訂單。市場認為，這代表 Google 正在複製 NVIDIA 近年成功的市場打法，不只靠晶片性能競爭，也透過資本、資料中心與雲端服務，擴大 AI 基礎設施生態系。 Google 近期與私募基金黑石集團（Blackstone）成立新的 TPU 雲端服務公司，黑石初始股權承諾達 50 億美元。另一方面，Amazon 也準備把自研 AI 晶片 Trainium 推向外部市場。Amazon AI 主管狄桑提斯（Peter DeSantis）證實，AWS 正與潛在客戶討論，未來可能把 Trainium 銷售給其他企業的資料中心使用。隨著 Google 與 Amazon 都把自研晶片推向外部市場，挑戰 NVIDIA 的不只是新晶片，而是雲端巨頭開始用資本與資料中心生態系，重新爭奪 AI 算力入口。 ＊Apple 傳攜手 Intel，美國晶片製造再添新籌碼 美國總統川普近日在自家社群平台 Truth Social 發文表示，蘋果（Apple）已同意與 Intel 合作，在美國設計及製造晶片。針對這項說法，Apple 與 Intel [&hellip;]</p>

世界模型迎來 GPT-3 時刻？新創 Odyssey 獲亞馬遜、NVIDIA 等投資，將採用 Trainium AI…

<p>AI 新創公司 Odyssey 宣布完成 3.1 億美元融資。根據《Financial Times》報導，參與投資的企業包括亞馬遜，反映其持續加強在世界模型（World Models）技術上的布局。這類模型透過學習物理規律與環境互動關係，讓 AI 能夠理解並模擬真實世界，未來可望應用於機器人、自動駕駛及遊戲開發等領域。 Odyssey 完成募資後，公司估值達 14.5 億美元。除了亞馬遜之外，本輪投資人還包括 NVIDIA 與 AMD 的投資部門、與美國中央情報局（CIA）有關聯的投資基金 IQT、創投公司 Natural Capital、Google 科學家 Jeff Dean，以及知名投資人 Elad Gil。 Odyssey 投入世界模型，挑戰以語言模型為核心的 AI 路線 Odyssey 是目前少數投入世界模型技術研發的新創公司之一。與現今主流 AI 主要依賴語言資料訓練不同，世界模型透過學習物理規律及物體間的互動關係，讓 AI 能夠更深入理解現實世界的運作方式。 創投公司 Natural Capital 合夥人 Jay Zaveri 認為，世界模型代表 AI 發展的下一個階段，未來有望推動機器人、遊戲等產業的技術革新。目前 AI 雖已展現強大的語言能力，但對現實世界的理解仍相當有限。「我們打造出類似人類大腦的架構，卻只讓它學會語言。」他表示，世界模型的目標正是讓 AI 進一步理解物理規律、環境變化及物體互動等真實世界資訊。 Odyssey 由 Oliver Cameron 與 Jeff [&hellip;]</p>

全球首創：愛沙尼亞預計啟動 AI 代理人專屬數位身分，能終結「借用人類帳號」治理難題？

<p>AI 代理要替使用者執行任務，通常必須以使用者本人的帳號登入，幾乎等同取得其所有系統權限。愛沙尼亞共和國（Republic of Estonia）希望改變這種做法，終結 AI 代理必須「借用人類身分」運作的模式。 愛沙尼亞總理 Kristen Michal 在 6 月 17 日核准國家 AI 顧問委員會 Eesti.ai 提出的相關構想，計畫為 AI 助手核發專屬個人識別號碼（ID），將使該國成為全球首個為 AI 代理建立正式數位身分的國家。透過這樣的制度，AI 將不再需要使用人類帳號登入系統，而是能以自身的獨立身分被授權、限制並追蹤行為，使其操作過程更可控，也更容易進行稽核。 幫 AI 發身分證？愛沙尼亞再推治理新實驗 Kristen Michal 在社群平台 X 發文表示，AI 助手不應被賦予與使用者完全相同的權限，否則等同於能存取個人的所有資料與服務。他認為，AI 代理的權限範圍應受到明確限制，並具備可監督、可追蹤的機制，以確保相關行為都能被檢視與究責。 愛沙尼亞之所以率先提出這項構想，與其長年推動數位政府發展有關。《The Next Web》提及，這個擁有約 130 萬人口的國家，早已將數位身分廣泛應用於民眾生活，從醫療、婚姻登記到文件簽署等行政程序，都可透過數位身分完成。愛沙尼亞推行多年的電子居留（e-Residency）制度，也讓海外創業者得以取得官方認可的數位身分，遠端使用當地商業與政府服務。 不過， AI 並不具備法律上的身分資格，既無法獨立完成身分驗證，也不能承擔相應責任，因此現階段只能透過使用者授權，代替人類執行各項操作。愛沙尼亞政府認為，為 AI 建立專屬身分機制，將有助於填補現行制度的空缺。這項概念某種程度上也延續了電子居留制度的思維，透過制度設計，讓新的參與者能夠被正式納入既有的數位治理架構之中。 《The Next Web》指出，AI 已逐漸成為愛沙尼亞公共服務的一環。政府近年與 OpenAI 等科技企業合作，將 AI 聊天機器人導入教育體系，同時推動名為 Bürokratt 的 AI 平台，協助處理各類政府服務與行政業務。Kristen [&hellip;]</p>

NVIDIA 把機器人實驗交給 AI 代理：研究速度的瓶頸，原來不只是演算法

<p>過去兩年，AI 產業最重要的變化之一，是 AI 開始參與軟體開發本身：從 OpenAI 的 Codex、Anthropic 的 Claude Code，到近期快速崛起的各類 AI Coding Agent，這些工具不再只是回答問題，而是能閱讀程式碼、撰寫程式、執行測試、修正錯誤，甚至在有限範圍內完成整個開發循環。如今，這股「AI 研發 AI」的趨勢正開始從數位世界延伸到實體世界。 NVIDIA GEAR Lab 聯手卡內基美隆大學（Carnegie Mellon University）與加州大學柏克萊分校（UC Berkeley）最新發表的 ENPIRE（Embodied Neural Policy Improvement through Physical AutoResearch）框架，嘗試讓 AI 代理直接在真實機器人上完成研究流程。 根據 NVIDIA GEAR Lab 發表的研究成果，搭配 ENPIRE 的 AI Coding Agent 已能在裝設顯示卡、插針與束帶處理等高精度任務中達到最高 99% 成功率。更重要的是，這些成果並非來自人類工程師反覆調校，而是來自 AI 代理自行執行實驗、分析結果、改寫程式並持續優化。 機器人研究真正瓶頸：每次失敗都得有人把現場收乾淨 根據《Tech Times》報導，機器人研究長期面臨一個軟體工程沒有的瓶頸：每次實驗失敗後，都必須有人重新整理現場。 如果是軟體開發，測試失敗只要重新執行即可；但在機器人領域，物體可能掉落、位置偏移，甚至整個實驗場景被破壞。研究人員必須先確認結果、重設環境，再讓演算法進行下一輪嘗試。這使得機器人研究的迭代速度，往往受限於人類操作速度，而非演算法本身的進步速度。而 ENPIRE 的核心目標，就是將這個循環自動化。 從重設場景到改寫程式，ENPIRE 想讓 AI [&hellip;]</p>

川普對 Anthropic 禁令引爆 G7 角力：AI 出口管制戰場，已從晶片變「誰能用模型」

<p>過去談 AI 出口管制，主角多半是 NVIDIA 的高階晶片；如今被擋下的，換成了 AI 模型本身。美國上週以國家安全為由，要求 Anthropic 限制海外用戶存取最先進的 Mythos 5 與 Fable 5 模型。這道禁令在本週於法國舉行的 G7 峰會上成為焦點，被推上檯面的問題，已經不只是這些模型安不安全，而是未來誰有權決定先進 AI 模型如何跨越國界流通。 從晶片到模型：被「一鍵關掉」的恐懼登上 G7 圓桌 根據《Financial Times》報導，Anthropic 執行長 Dario Amodei 在峰會上當著美國總統川普與其他領袖的面表示，各國必須「抗拒分裂的誘惑」。他說自己理解各國想防止 AI 流入危險對象手中的努力，但呼籲民主國家應團結合作。 值得注意的是，這番話得到宿敵、OpenAI 執行長 Sam Altman 的聲援，Altman 強調網路防禦工具應提供給在場所有國家。Google DeepMind 執行長 Demis Hassabis 也一同出席，三位高層共同呼籲由美國主導 AI 模型開發上的合作，同時點出若民主同盟出現裂痕，在生物恐怖主義與網路安全上的風險。 《TechCrunch》指出，這次事件暴露出許多國際企業一直在面對的風險：任何建立在美國 AI 基礎設施上的公司或政府，如今都必須正視一個可能性：存取權可能在一夜之間被收回，而且當事人可能永遠不會被告知原因。 法國總統馬克宏在 G7 會議期間警告，如果美國「從一天到另一天就能關掉開關（turn off the switch）」，不僅可能傷害歐洲經濟，也可能損害正在全球競爭的美國 AI 企業。他提醒，要慎防「民主國家之間不合作」的風險，並表示：「未來幾個月內，我們將打造一個平台，作為多個民主國家之間進行討論與合作的機制，共同因應人工智慧帶來的風險，並攜手制定一套共同的標準。」 印度總理莫迪同樣表達對美方此舉的擔憂，他補充，民主國家必須能存取頂尖 [&hellip;]</p>

2026 世界盃的科技戰略：AI 與生物辨識從賽事亮點，變成常態監控基礎設施

<p>隨著 2026 年 FIFA 世界盃足球賽開踢，由 Google 主導的消費級 AI 產品 Gemini，以及能將球迷面貌轉化為門票驗證與入場方式的生物辨識，正在成為全新的焦點。</p>

【DEAT 專欄】城市治理的新拼圖：數位平台正在成為治理夥伴

【科技早餐】Microsoft 評估 DeepSeek 進 Copilot，ChatGPT、SpaceX 與 Inte…

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Microsoft 評估 DeepSeek 進 Copilot，低成本模型牽動美中角力 Microsoft 正評估把中國 AI 新創 DeepSeek 的模型，納入企業 AI 平台 Copilot Cowork，作為較低成本的模型選項。Microsoft 同時計畫讓 Copilot Cowork 改採依運算資源使用量計費，因應代理型 AI 工具普及後快速上升的運算成本。這代表企業 AI 服務正從固定訂閱，走向依算力消耗計價。 這也反映 Microsoft 正推動多模型策略，不再只依賴 OpenAI 與 Anthropic，而是把更多模型選項納入企業服務。不過，DeepSeek 不只是低成本模型選項，也被放進美中科技競爭。《華爾街日報》報導，DeepSeek 首輪融資超過 74 億美元，估值超過 500 億美元，已成為中國估值最高的 AI 新創公司；《路透》也報導，美國政府目前暫緩把 DeepSeek、長鑫存儲等中國企業列入實體清單，外界解讀是為了避免升高與北京的緊張關係。 ＊ChatGPT 市佔首跌破 50%，Anthropic 在企業支出反超 OpenAI 市調機構 Sensor Tower 最新報告指出，截至今年 5 月底，ChatGPT 在全球 AI 助理應用的月活躍用戶市佔率降至 [&hellip;]</p>

中國機器人產業加速打造 AI 大腦：阿里巴巴推出機器人套件，從導航到操作一手包辦

<p>阿里巴巴推出首套機器人 AI 模型「通義機器人套件」（Qwen Robot Suite），正式進軍實體 AI 市場。《南華早報》報導，隨著全球科技業積極推動 AI 從虛擬對話走向實體應用，阿里巴巴也希望透過新技術提升機器人的環境感知、推理決策與實際操作能力，搶占下一波人工智慧發展商機。 阿里巴巴推出通義機器人 AI 套件，瞄準實體 AI 新戰場 阿里巴巴表示，這套系統由旗下 AI 研發團隊通義實驗室（Tongyi Lab）打造，目前已在部分阿里雲企業客戶中展開測試驗證。通義機器人套件採用三層式架構設計。首先是負責導航與環境理解的 Qwen-RobotNav，透過視覺與語言模型協助機器人辨識周遭環境並規劃移動路徑；其次是 Qwen-RobotWorld，這套模型可根據影像資訊模擬環境變化，讓機器人在執行任務前先預測可能發生的情況，提高決策能力。 在實際操作層面，則由 Qwen-RobotManip 負責執行任務。這款基於 Qwen3.5-4B 架構打造的視覺、語言、動作（VLA）模型，經過 3.8 萬小時以上時間的開源資料訓練，可執行抓取、搬運等物體操作任務。阿里巴巴指出，該模型近期在 RoboChallenge 真實機器人評測中表現亮眼，在通用組別拿下 59.83 分的流程評分，任務成功率達 45%。 《南華早報》提及，此次推出機器人 AI 套件，也顯示阿里巴巴正進一步拓展 Qwen 模型的應用版圖。過去 Qwen 主要聚焦大型語言模型與多模態 AI 發展，與 OpenAI、Google，以及中國的 DeepSeek、字節跳動等業者競爭；如今則進一步將 AI 技術延伸至機器人領域，搶攻被視為下一波人工智慧發展重點的實體 AI 市場。 從硬體優勢到 AI 大腦布局，中國發展人形機器人生態系 隨著實體 AI 成為全球科技產業的新戰場，美國科技巨頭也持續加大投資力道。Google DeepMind 正推動 [&hellip;]</p>

放棄遠端遙控、捨棄人形設計：Genesis AI 如何用資料解決機器人發展瓶頸？

<p>機器人新創 Genesis AI 推出其首款通用機器人 Eno，沒有頭、也沒有腿，採用輪式設計。另值得關注的是，這家公司放棄了業界常見的遠端遙控（teleoperation）路線，改以感測手套蒐集真人操作資料，同時自行打造模型、模擬器、資料平台與機器人本體。當整個產業仍在追逐人形機器人熱潮時，Genesis AI 想解決的核心問題之一是：通用機器人的資料，究竟從哪裡來？ 據《TNW》報導，這家新創在巴黎與舊金山設有辦公室、約有 60 名員工，由共同創辦人 Zhou Xian 與前 Mistral 研究員 Théophile Gervet 共同創立；該公司去年募得 1.05 億美元種子資金，是法國最大規模的融資之一，由 Eclipse 與 Khosla Ventures 共同領投，投資人包括 Google 前執行長 Eric Schmidt、Xavier Niel、MIT 機器人學教授 Daniela Rus 等。 一台沒有頭、沒有腿的機器人 據《Business Insider》報導，Eno 是一台有著兩隻手臂、但沒有雙腿的輪式機器人，其軀幹由三片面板組成、可即時調整高度與伸展範圍，不使用時還能折疊收納。《The Robot Report》進一步說明，Eno 的手臂裝有 Genesis AI 自研的靈巧機械手，其形態與功能皆貼近人手，方便操作那些原本就為人類設計的工具與物件。 這樣的外形是刻意為之。Genesis AI 共同創辦人暨執行長 Zhou Xian 表示，公司有一套名為「平靜智慧（calm intelligence）」的設計哲學：機器人把事情做完，然後就消失。《Reuters》引述其商務與策略副總裁 Vivian Sun 的說法指出，採用輪式底座，是因為多數工業客戶都在平坦地面上作業，雙腿只有在爬樓梯這類情境才有意義：「我們是在能力上模仿人類，而不是在形態上。」 為了建立信任，Genesis [&hellip;]</p>

擺脫矽谷依賴：法國情報機構汰換 Palantir，斥資 6.55 億歐元築科技主權防線

<p>法國國內情報機構 DGSI（法國國內安全總局）將逐步汰換美國數據分析公司 Palantir Technologies 的資料分析系統，改採法國本土科技公司 ChapsVision 所開發的解決方案。根據《Reuters》報導，由於涉及龐大的系統移轉與技術整合作業，整體替換計畫預計需耗時數年才能完成。 降低對 Palantir 依賴，法國企業 ChapsVision 接手資料分析系統 Palantir 強調，與 DGSI 的合約目前仍持續有效。接手的法國業者 ChapsVision 公司開發資料整合平台，能將來自不同系統與來源的數據進行整合分析，協助政府與企業提升決策效率。 Palantir 自 2015 年起便為 DGSI 提供資料分析平台，去年 12 月才宣布與法國政府續簽三年合約。 然而，隨著歐洲對數位主權及資料安全議題日益重視，部分政府與企業開始重新檢視對美國科技公司的依賴程度。尤其是由矽谷投資人 Peter Thiel 創立的 Palantir，長期承接美國國防、情報與政府相關業務，其在敏感資料處理上的角色也引發外界關注。英國國會本月也有委員會建議重新評估與 Palantir 的合作案。 美國日前限制 Anthropic 先進 AI 模型對部分外國用戶的存取權限，引發盟友擔憂關鍵 AI 技術過度集中於少數美國企業手中。此一事件也進一步促使歐洲各國加快發展本土 AI 技術與數位基礎建設，降低對外部供應商的依賴。 投入 6.55 億歐元強化 AI 基礎建設，法國力拚歐洲 AI 領導地位 《Reuters》指出，在川普政府對外政策充滿不確定性的情況下，歐洲各國近年來愈發重視科技與安全領域的自主性。這股趨勢也反映在各國政府的數位政策上。法國總理 Sébastien Lecornu 表示，法國必須掌握自己的數位工具與 AI 技術，避免關鍵系統過度仰賴外國供應商。他認為，近期國際情勢已顯示，當核心技術掌握在他國企業手中時，服務存取與技術使用都可能受到外部因素影響，因此法國有必要加速發展自主技術能力。 [&hellip;]</p>

SpaceX 為何願意砸 600 億美元買 Cursor？AI 競爭正從模型轉向工作流程

<p>SpaceX 才剛完成史上最大規模的 IPO，就宣布以價值 600 億美元的 A 類普通股收購 AI 程式開發工具 Cursor 的母公司 Anysphere，創下 AI Coding 領域最大交易之一。表面上，這是其執行長馬斯克替旗下 Grok 補足企業級開發工具與開發者生態系；但進一步來看，這筆交易反映出 AI 產業的競爭焦點正在轉移：當模型能力逐漸趨同，開發者入口、工作流程與使用場景，正成為新的戰略資產。 Cursor 為何值 600 億美元？ Cursor 由四名 MIT 畢業生於 2022 年創立，最初是一款加密通訊工具，後來轉型為 AI 程式開發平台，讓開發者能夠在同一介面中切換 OpenAI、Anthropic、xAI、Google 等不同 AI 模型。它不只是一個程式碼補全工具，而是涵蓋程式碼生成、除錯、大型程式庫理解與任務自動化的完整開發工作流程。 Cursor 的成長速度在矽谷屬於異數，其估值在 2025 年間從 25 億美元飆升至近 300 億美元。根據《Bloomberg》引述的內部數據，其年化營收在 2026 年 4 月突破 30 億美元。《Reuters》則報導，Cursor 企業客戶中有逾 3,000 家每年支付超過 10 萬美元的授權費，服務的企業涵蓋財富 500 [&hellip;]</p>

Dyson 工程長談家用機器人的邊界，為什麼你家的手持吸塵器還不會消失？

<p>當多數機器人吸塵器廠商在比拚誰能爬樓梯、誰有機械臂能撿東西時，Dyson 最新推出的 Spot+Scrub Ai 選擇了一個切入點：辨識並清除地板上的頑固污漬，這選擇和 Dyson 首席工程師 Jake Dyson 想闡述的產品哲學相關。 先找到真實問題，再驗證解法是否真的有效 Jake Dyson 是創辦人 James Dyson 的兒子，22 歲時曾短暫在 Dyson 工作，隨後離開，獨立發展工業設計事業，專精照明領域，多年後才帶著這段經驗回到公司，成為首席工程師。 他描述自己的方法論時，用了一個 LED 散熱的例子：LED 剛進入市場時，多數人沒有把它們冷卻好，導致原本該用一輩子的產品被當成一次性燈泡使用。他造訪了亞洲的 Osram，了解到把二極體溫度維持在攝氏 50 度以下，就能保住亮度、色彩品質與使用壽命，並借用衛星的被動散熱原理，設計出讓熱量自然從晶片擴散的系統，「找到問題、解決問題，這個過程驅動著一切，」他也將這套方法論延伸到 Spot+Scrub Ai 上。 Dyson 在 2025 年推出這款濕拖兼乾吸機器人，配備綠光照明系統與 HD 攝影機，搭配一套涵蓋 190 多種不同家居物品和污漬的智慧雷射識別系統，辨識需要額外清潔的污漬，多次來回清潔，並在移動前確認污漬已完全清除。 謹慎的說法，與實測結果有些落差 當被問到為什麼不像其他公司一樣推出能爬樓梯、用機械臂搬東西的機器人時，Jake Dyson 表示 Dyson 已經研究這類問題大約十年，但解決方案還沒有達到可靠實用的水準。這個說法有時間佐證，早在 2022 年，Dyson 就公開宣布要在 2030 年前大力發展家用機器人，當時稱其為一場「大賭注」，這項技術將影響機械工程、視覺系統、機器學習和儲能等領域的研究。 他口中「還不夠可靠」的問題，目前在市面上其他產品身上也能看到。Roborock Saros Z70 的機械臂在實測中無法自主辨識並移動物體，仍需遠端操控，在地毯上的成功率也因「硬體限制」較低；爬樓梯機器人則因每座樓梯的高度、間距、材質各異，加上寵物與孩童的動態干擾，要做到安全可靠仍有相當難度。 Jake Dyson [&hellip;]</p>

【Google Cloud 林書平專欄】以快制快：當資安攻擊已達機器速度，企業防禦該怎麼跟上？

<p>文 / Google Cloud 台灣技術總經理 林書平 當我們談論 AI 如何解放企業生產力時，也看見另一個不容忽視的現實：駭客也正積極將 AI「武器化」。駭客現在能利用 AI 自動生成幾可亂真的多國語言釣魚誘餌，極速探測系統漏洞。這不僅大幅降低了攻擊門檻，更讓威脅擴散的速度遠超以往。在這場技術軍備競賽中，AI 顯然已成為一把雙面刃。 面對 AI 驅動的極速擴張威脅，傳統高度仰賴人員介入的被動防禦早已失效。這是一個決定性的轉捩點：企業必須依靠「代理式 AI（Agentic AI）」來實現「更聰明且更有效的防禦」，將過去零碎的資安工具，全面升級為端到端的主動式安全網並進行資安聯防。面對這場沒有硝煙的戰爭，企業領導者必須重新思考我們的資安戰略。 戰略一：應對「奈秒級」機器速度網攻，全面轉向「免疫系統」思維 我們觀察到，駭客正利用 AI 從根本上改變攻擊的速度與規模。當前的網路攻擊已不再受限於人類的節奏，而是以「機器速度」（Machine speed）發動。駭客組織之間的攻擊協作與交接時間，已從過去的 8 小時驟減至驚人的 22 秒，未來更將無可避免地逼近「奈秒級」（nanosecond）。 面對這種閃電戰，企業必須全面轉向「免疫系統」的防禦思維——如同人體免疫系統會自動偵測並消滅病毒，我們必須實踐「安全預設（Secure-by-default）」，在開發階段就將防護機制直接納入雲端架構、AI 模型與終端裝置，並從架構本身縮小攻擊面。 同時，防禦方不能只靠單一 AI 打天下，而應建構「多代理協作（Multi-agent）」架構。讓不同的 AI 代理各司其職，24 小時不間斷地進行全天候異常偵測，將防線推至駭客攻擊的最前線。 戰略二：從「找出個別漏洞」進化到「大規模自動化修補」 AI 在發掘未知漏洞上確實展現了驚人能力，但本質上並非全新的攻擊手法，而是將既有攻擊「規模性擴張」。這也導致當前資安團隊面對的防禦挑戰，已經不是如何「找出」漏洞，而是來不來得及修補大量的漏洞警報。 但好消息是，AI 作為防禦工具，也具備強大的反制優勢。藉由 AI 的賦能，防禦者得以利用 AI 分析程式碼並產生修補建議，同時進行全天候網路監控並即時標記異常；其大規模分析與自動化回應的能力，不僅能瞬間為數百萬用戶攔截威脅，更能協助資安團隊有效反制挾 AI 威勢而來的大量攻擊。 未來的安全營運，需要深度融合第一線威脅情報、情境風險優先排序、頂尖 AI 模型的強大推理與即時的程式碼修復能力。透過部署 AI 代理，系統能預測攻擊路徑，並在軟體開發生命週期（SDLC）的每一道防線即時介入。唯有將過去耗時數週的修補流程縮短至幾分鐘內完成，我們才能真正運用自動化、規模化的優勢反制，做到「以 AI 對抗 AI」，趕上甚至超越攻擊者的步伐。 戰略三：建構資安治理架構，落實最小權限原則 [&hellip;]</p>

【科技早餐】美商會點名 AI 用電是國安題，NVIDIA 發債把基建戰燒進資本市場

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊美商會點名 AI 用電是國安題，台美合作延伸到無人機供應鏈 台灣美國商會發布 2026 台灣白皮書，將能源與基礎建設韌性列為優先議題，並主張應把能源供應充足與電網韌性視為國安議題。白皮書指出，企業長期關注台灣電力供應可靠性，近期 AI 需求快速增加，也讓能源政策的穩定性與可預測性更加重要。 除了 AI 用電，科技領域策略合作也被列為重點。台灣美國商會執行長魏凱（Carl Wegner）表示，無人機是台美新的合作機會，美國具備設計優勢，台灣則懂得規模化生產，雙方有合作空間。在 AI 政策方面，台灣美國商會理事長陳幼臻表示，台灣已通過人工智慧基本法，採取原則管理與風險管理框架。下一步如果政府為不同產業訂出 AI 使用指引，企業導入 AI 時，也會更需要留意各自產業的合規要求。 ＊NVIDIA 發債 250 億美元，AI 資本戰燒進債券市場 NVIDIA 宣布在美國發行公司債，籌資 250 億美元，強化財務彈性。這是 NVIDIA 自 2021 年以來，再度進入投資級債券市場。《路透》報導，NVIDIA 這次發債規模高於原先計畫，投資人認購需求達到 850 億美元，遠高於最初預計募資的 200 億美元。 根據條款文件，NVIDIA 計畫發行 7 種不同期限債券，最長將於 2056 年到期。公司表示，資金將用於一般企業用途，包括償還與再融資既有債務。不過消息人士指出，這次發債主要目的不是為了大規模資本支出，而是建立更具流動性的信用成本基準。隨著科技巨頭持續擴大 AI 支出，AI 基建戰不只考驗晶片與電力，也開始考驗企業的融資能力與資本成本。 ＊Google 揭中國駭客入侵美加研究機構，AI、無人機與醫療資料成目標 Google 威脅情報團隊發布報告指出，一個與中國有關的駭客組織，曾在未被察覺的情況下，入侵美國與加拿大學術、醫療和軍事研究機構。Google 指出，這個駭客組織相關活動最早可追溯至 2023 年 [&hellip;]</p>

金融業押注 Agentic AI：從支付到授信的流程重組，這場效率革命背後有哪些治理挑戰？

<p>金融業對 AI 的想像，正在經歷一場典範轉移：從單純回答問題的 AI 助理，正式轉向能替使用者完成付款、交易、客服與銀行流程的自主系統。 在近期於阿姆斯特丹舉辦的 Money 20/20 Europe 會場上，具備自主執行能力的 Agentic AI（代理型 AI）成為金融科技產業最熱議的主題，也反映出銀行、支付公司與金融科技（fintech）新創正從過去的競爭關係，走向共同導入新技術的合作模式。 劍橋大學（University of Cambridge）在 2026 年發布的一份報告指出，在調查全球 600 多家公司與監管機構後，預計金融業部署 AI Agent 的比例將從目前的 24%，在 2030 年大幅躍升至 81%。這項數據清楚點明，AI Agent 正快速且全面地進入金融服務業的主流市場。 從代客付款開始，AI 實質介入金融交易流程 這股趨勢並非紙上談兵，而是已經實際發生在交易的最前線。在 Money 20/20 Europe 會議上，Mastercard、荷蘭銀行 ING 與支付服務公司 Worldline 共同宣布，完成了「歐洲首個即時端到端代理支付」。 在這項實際案例中，使用者只需告訴 AI 助理想在特定地點、日期與預算內尋找演唱會門票，AI 便能自動為使用者找出各種選項，在使用者選擇並批准後，AI 便會在使用者批准後完成付款。這項里程碑也代表 AI 在金融業的角色，已超越查詢資訊或生成建議，並開始實質介入「支付」這類最核心的交易流程。 Money 20/20 Europe 的首席策略長 Scarlett Sieber 受訪時直言，AI 在金融業過去常被視為流行語，但如今 [&hellip;]</p>

AI 帶來的顧客更會買：Adobe 數據揭新流量入口正在成形

<p>當消費者想買一雙跑鞋、一台咖啡機，或比較不同品牌耳機的時候，越來越多人會打開 ChatGPT、Gemini 等 AI 工具詢問建議，再點擊商品進一步了解。而最新數據顯示，這些由 AI 帶來的訪客，不只是流量來源之一，更可能是對零售商來說最有價值的一群顧客。 根據 Adobe Analytics 於今年 5 月發布的數據，來自大型語言模型（LLM）的零售流量，轉換率比非 AI 來源高出 54%，每次訪問創造的營收高出 53%，停留時間也多出 53%。這代表 AI 不再只是資訊搜尋工具，而正在成為消費決策的重要入口。 AI 導流不只增加流量，還帶來更高價值客戶 《Reuters》報導，Adobe 分析發現，今年 5 月美國零售網站來自 AI 工具的流量較去年同期成長 138%，創下 Adobe 自 2024 年 10 月開始追蹤以來的新高。 如同前述，這些流量不僅快速增加，品質也明顯優於傳統來源。Adobe Digital Insights 總監 Vivek Pandya 解釋，當產品能出現在 AI 推薦結果中，品牌有機會接觸到更符合需求的消費者，進一步提高網站上的個人化體驗與成交機率。這是因為，當使用者進入零售網站之前，許多商品比較、需求整理與資訊搜尋工作，已經在 AI 對話介面內完成。 事實上，AI 流量的品質從過去到現在經歷了一場逆轉。根據 Adobe 報告，2026 年 3 月 AI 流量的轉換率比非 [&hellip;]</p>

小米把 Tesla 十年前沒做成的「充電蛇」推向家用車庫，無感充電成下一個 EV 競爭焦點

<p>雖然對多數電動車主而言，在家充電是相當便利的日常，但手動插拔沉重的充電線，仍是一件生活中的麻煩事。為了解決這個日常痛點，中國科技巨頭小米近期發表一款專為家用車庫設計的「自動充電機械臂」，目標是完全免除手動充電的步驟，實現車主將車輛停妥後，即可轉身離開的無縫體驗。 這項產品推出後，立刻讓市場聯想到馬斯克（Elon Musk）在 2014 年的言論。當時馬斯克表示，特斯拉正在開發一款充電器，會「自動從牆壁伸出，像一條堅固的金屬蛇一樣連接」。儘管特斯拉在 2015 年確實展示過一款具備多節結構的金屬充電蛇原型，卻從未實際量產。如今，小米正準備把這個十年前的科幻概念化為現實。 停好車就自動插電，小米用 AI 視覺讓家用 EV 充電無感化 小米的充電機械臂能與車輛的自動停車功能協同運作。這套系統運用基於 AI 的視覺辨識技術，以小米聲稱的「次毫米級」超高精準度，自動尋找車輛的充電孔並將插頭精確插入。在自動化操作方面，該裝置具備「懶人充電」的功能，當車輛停妥後便會自動開始充電，當電池達到使用者設定的電量限制或完全充飽時，機械臂就會自動拔除充電線並妥善收納。 在硬體設計上，其機身寬度僅 152 毫米，使其能順利安裝在狹窄的住宅停車位中。此外，只要車輛停放於機械臂的運作範圍內，車主也能透過智慧型手機的應用程式遠端啟動充電，完全不需親手碰觸實體纜線。 小米如何避開 Tesla 充電蛇的落地難題？ 過去，業界普遍推測這類充電蛇可能因為設計過於複雜、成本過高，或是概念太難以推向市場而告終。如今，特斯拉已經轉換技術方向，將重心轉往為未來的 Cybercab 自動駕駛計程車開發「無線充電」技術，甚至取消實體的充電孔設計，並為此在 2023 年收購了德國無線充電新創公司 Wiferion。 相較之下，小米採取更務實的策略，其機械臂相容於現有的實體插電標準，不需要對車輛硬體進行大幅度的重新設計，這是一種相對傳統卻更具有實際應用價值的解決方案。除此之外，小米在不到兩年的時間內已經交付超過 60 萬輛電動車，這賦予小米將此類創新配件推向大眾市場的規模優勢。 小米把充電臂融入智慧家庭生態系，EV 競爭從續航轉向無感體驗 這款自動充電機械臂不只是一個獨立的硬體配件，更是被刻意設計過的產品，以融入小米廣大的智慧家庭與自動停車生態系之中。小米所描繪的理想工作流程是讓車位基礎建設全面智慧化：車輛自動駛入車庫停妥後，接著由機械臂自動接手充電工作，車主只要轉身離開即可。 這種流暢體驗背後，依賴車輛對基礎設施的通訊協議，而小米能針對其 SU7 與 YU7 車系進行端對端的完全控制，這正是同時製造車輛與周邊配件所帶來的獨家優勢。這款只能與小米自家電動車完美搭配的充電臂，將能進一步強化消費者對於小米生態系的黏著度。同時，業界也越來越相信，充電的便利性是目前影響電動車普及的一大障礙，未來的充電體驗勢必要做到「隱形（Invisible）」的境界，讓車主完全無感。 在中國市場中，針對無感充電的軍備競賽已然展開，小米並非唯一投入的企業。華為在 2025 年 1 月便展示專為 Maextro S800 設計的全無人自動充電機械臂；比亞迪（BYD）甚至已經申請一項由 AI 驅動的充電機器人專利，讓該設備不僅能自動充電，還能同時幫輪胎打氣。 隨著技術發展，車輛現在不僅能自己駕駛、自己停車，甚至還能自己完成充電。儘管相關的軟硬體技術已經準備就緒，但這款產品最終能否從新奇的展示品，變成家家戶戶都願意購買的主流配件，主要還是取決於小米未來的定價策略。不過，可以預見的是，電動車的下一場競爭焦點，已經從單純的馬力數據與續航里程，轉向誰能讓車庫裡的工作變得最不費力的模式。 【推薦閱讀】 ◆ 中國 EV 競爭門檻變了：比亞迪以自研 4nm [&hellip;]</p>

告別一問一答！AI Agent 如何替你全自動辦完事情？

<p>過去人們與 AI 的互動方式主要是一問一答，也許是用戶丟出一個問題讓 AI 回答，或是要求 AI 修改一段程式碼，然而這樣 AI 被動地接收指令，並回傳單一步驟的互動模式能提供的幫助其實有限，一但要處理比較複雜的任務，可能就要花很多步驟才能解決。 AI Agent – 能真正執行任務的 AI 工具 隨著 AI Agent（人工智慧代理人） 的概念逐漸成熟，使用者與 AI 的互動方式也不斷在改變，AI Agent 的核心不再只是回應輸入，而是具備規劃、執行、工具使用，以及根據回饋持續優化的能力。 開發者的角色也正在轉變，從提出問題的人變成設定目標的人。例如將開發環境、部署流程與協作工具整合在瀏覽器中的平台 Replit，近年也逐步強化其 AI 能力，讓使用者可以用自然語言直接生成應用程式，而不需要從零開始搭建開發環境或手動撰寫完整專案結構。在這樣的工作流程中，使用者不再需要親自處理每一行程式碼的細節，而是讓 AI agents 協助完成從生成、除錯到部署的整個開發流程，開發者更像是專案管理者或產品設計者，負責定義目標、拆解需求與確認最終輸出的方向，而實作層則逐漸交由 AI 來完成。 然而，AI Agent 能力的提升並不意味著使用門檻降低，使用者不再需要逐步指示 AI 該怎麼做，而是需要提供足夠的上下文、策略以及業務背景，讓 Agent 能在理解整體情境後，自主規劃並執行任務。換句話說，重點不在於告訴 AI 怎麼做，而在於清楚定義要達成什麼以及在什麼條件下完成。若輸入仍停留在模糊或單句指令，Agent 雖然可以嘗試補足資訊，但在多步驟任務中容易出現偏離目標或決策不穩定的情況。因此，更有效的使用方式，是在一開始就明確界定任務目標、限制條件與成功標準，讓 Agent 在規劃階段即可對齊方向。 同時，在 AI Agent 的運作過程中，可見性與治理能力變得至關重要。相較於傳統一次性輸出的問答模式，AI Agent 涉及規劃、執行與優化等多個階段，因此平台需要具備觀察、審核與優化的能力。透過監控 Agent 的行為，使用者可以即時了解其決策過程，並在出現偏差或違反政策時立即介入甚至中止任務。此外，透過提供良好與不良的執行範例作為回饋，Agent 能持續學習並調整策略，逐步提升表現。這種結合可觀察性與回饋機制的使用方式，使 AI Agent [&hellip;]</p>

高通傳砸百億美元買 Tenstorrent：RISC-V、IP 授權與網路化 AI 如何成為下一輪晶片併購焦點？

<p>隨著市場對尋找 NVIDIA 替代方案的需求日益強烈，由傳奇晶片設計師 Jim Keller 領軍的 AI 晶片新創公司 Tenstorrent，正以獨特的 RISC-V 架構迅速成為科技巨頭眼中的併購新焦點。 外媒報導，Intel 與高通（Qualcomm）皆已和 Tenstorrent 展開早期的收購談判。知情人士透露，高通甚至正洽談以 80 億至 100 億美元的金額收購 Tenstorrent，遠高於 Tenstorrent 去年底籌資時約 32 億美元的估值。儘管高通發言人表示對市場傳聞不予置評，但這場潛在併購戰，已凸顯 Tenstorrent 的巨大戰略價值。 Intel、高通為何都想搶 Tenstorrent？ 科技巨頭不惜重金求購的背後，各有自己的戰略盤算。對 Intel 而言，由於過去兩年旗下 Gaudi 獨立加速器產品線的市場表現不如預期，目前正處於重整 AI 策略的關鍵期。如果能成功收購 Tenstorrent，Intel 將能獲得現成且強大的 RISC-V AI 平台，迅速在資料中心與 AI 訓練市場重新站穩腳步，以對抗 NVIDIA 的主導地位。 另一方面，營收高度仰賴智慧型手機與個人電腦晶片的高通，在資料中心 AI 領域相對缺乏競爭力。透過這筆交易，高通不僅能取得可授權的矽智財（IP）區塊，更能獲得一個可靠的非 Arm 架構 CPU 發展藍圖，這對要實現業務多元化的高通也具有重大意義。 Jim Keller 加持，Tenstorrent 靠 [&hellip;]</p>

比 NVIDIA 系統快 4 倍、功耗只有五分之一：Tensordyne 用一個數學技巧重新設計 AI 推理晶片

<p>當 AI 產業焦點逐漸從訓練競賽轉向推理競賽，市場開始思考：下一代 AI 系統比拼的，是堆疊更多的 GPU，還是更低的 Token 成本？AI 晶片新創 Tensordyne 給出的答案，是後者：從「數學架構」重新設計 AI 運算。根據《Reuters》報導，這家公司宣布即將推出的推理系統 Tensordyne Napier（TDN）已吸引超過 2 億美元的預估需求，並有十多家企業表達測試意向。 宣稱速度比 NVIDIA GB300 快 4 倍、功耗僅五分之一 最能說明 Tensordyne 野心的，是它端出的對比數字。《IEEE Spectrum》報導，根據模擬結果，Tensordyne 的新晶片在推理的能源效率與延遲上，有機會大幅超越市場領導者 NVIDIA。該公司宣稱，其 72 顆晶片系統運行大型 LLM 的速度，是配備 72 顆晶片 NVIDIA GB300 系統的 4 倍，功耗卻僅五分之一。 成本端同樣是賣點。根據《IEEE Spectrum》，其一個由 4 個 pod 組成的機櫃在運行 2 兆參數的 LLM 時，可達到每位使用者每秒 1,300 個 token，成本為每百萬 token 11 [&hellip;]</p>

四隻手、沒有腿，Helios 四臂機器人如何做到為太空站而生？

<p>當大多數機器人公司在比拚誰的人形機器人走得更穩、跑得更快時，瑞士蘇黎世新創 Orbit Robotics 推出的 Helios 走了一條完全不同的路：Helios 有四條手臂、沒有任何雙腿，靠著這副在地球上看起來奇特的身形，在太空站裡替太空人分擔重複、耗時又昂貴的例行工作。 「為環境量身打造機器人的身體」，從這個前提出發，Orbit Robotics 做出了一款與市面上絕大多數機器人截然不同的產品。 四條手臂，移動與作業同時進行 在太空這種微重力環境裡，腿幾乎毫無用處。人類行走、站立、維持平衡這些在地球上的核心能力，在這裡全數失效。Orbit Robotics 因此把雙腿換成兩條額外的手臂，讓 Helios 的四肢同時兼具「移動」與「作業」兩種功能。 運作邏輯是，兩條手臂負責把機器人固定在太空站內壁，另外兩條手臂處理貨物、工具或設備。這讓 Helios 能夠一邊穩定自身、一邊作業，這正是傳統雙臂人形機器人在零重力下做不到的事。雙臂機器人若想抓取物件，往往連自身都難以穩住。 傳動結構上，Helios 採用肌腱驅動（tendon-driven），而不是在每個關節塞進笨重的馬達。馬達集中安置在接近肩膀的位置，再透過纜線與線軸把力量傳遞到各個關節，讓手臂更輕巧，同時保有在太空站作業所需的活動範圍。 更關鍵的細節藏在肘關節。Helios 使用滾動接觸式肘關節（rolling-contact elbow joint），讓動作更平滑、更受控。在微重力中，任何突然或不均勻的動作，都可能讓機器人本身或它手中的物件失去穩定，這個看起來平凡的關節設計，反而是整套系統最重要的工程決策之一。 從固定方式、傳動結構到關節形態，Helios 沒有一處沿用地球機器人的設計邏輯，而是從「微重力會帶來什麼約束」這個問題出發，一路倒推而來。 太空後勤的成本，讓機器人的商業邏輯更清晰 在國際太空站上，維護工作大約佔去組員 35% 的時間，單單一次貨物卸載週期就可能耗費將近 50 小時。以每位太空人每小時約 14 萬美元的成本計算，這些例行後勤工作的代價貴得離譜。 更關鍵的是，卸貨、分類補給、清點庫存、搬運設備、執行基礎維護，這些任務根本不需要人類的判斷力。它們需要的，是在狹窄通道間移動、在沒有重力的情況下穩住身形、以及精準操作物件的能力，而這正是 Helios 被設計來做的事。 這個市場還會隨著發射成本下降持續擴大。SpaceX 的 Starship 計畫志在大幅提升送往軌道的貨物與人員規模；一旦成本如預期般下降，太空站與軌道棲地的數量就會增加，每一座都需要維護、後勤與貨物處理。 Orbit Robotics 目前尚未公布定價、量產時程或募資狀況。這家公司位於蘇黎世，與慕尼黑並列為歐洲最強的機器人工程重鎮之一。Helios 能否真正進入軌道，取決於它能否與航太機構或 Axiom Space 這類商業太空站營運商建立合作。 從環境約束倒推形態，機器人設計的第三條路 Helios 的出現，代表了機器人設計的第三條路。產業的一端是 1X、Tesla Optimus 這類圍繞地球行走能力打造的人形機器人，另一端是各式輪型載具，而 [&hellip;]</p>

【維運工程師被 AI 取代？】最新測試：最先進 AI 模型的故障分析能力仍不及人類專家

<p>Datadog 推出 ARFBench 讓 AI 模型針對實際的服務中斷事件進行故障研究、原因推理，結果發現，即便是最優秀、最先進的人工智慧模型，仍無法勝過人類工程師。</p>

1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 Wayfair 如何靠 AI 降低最後一哩路隱形浪費

<p>在電商競爭日益激烈的環境下，物流效率已成為影響消費者體驗與企業成本的重要關鍵。北美家具電商巨頭 Wayfair 近年持續強化物流網路建設，積極將 AI 導入倉儲與配送流程。 透過電腦視覺（Computer Vision）、生成式 AI 與大語言模型（LLM）等技術，Wayfair 正試圖解決家具配送長期存在的尺寸誤差、包裝損壞與配送溝通等難題，進一步提升最後一哩路配送效率。 用智慧視覺精準分配車輛空間，終結空間資源浪費 大型家具物流最大的挑戰之一，在於商品尺寸資訊的準確性。當沙發、餐桌或大型櫥櫃等商品由供應商倉庫出貨時，若尺寸資料出現誤差，往往會導致配送車輛空間規劃失準。實際裝載時才發現貨物無法完全裝入車廂，不得不額外安排運輸資源，增加隱藏物流成本。 為了解決這項問題，Wayfair 導入了視覺隧道系統（Vision Tunnel System），針對新上架商品執行「首件檢查」（First Article Inspection）。當商品首次進入轉運中心時，系統會利用多組感測設備與攝影裝置快速擷取商品的真實尺寸，建立精確的體積資料。這些數據隨後被輸入物流演算法，預測商品在車輛中的空間占用情況以及裝載效率，協助配送系統更精準地安排車輛與路線規劃。透過將視覺辨識與物流演算法深度整合，Wayfair 得以降低因供應商資料不準確而造成的空間浪費，進一步提升整體配送網路的運作效率。 AI 破損檢測：不到 1 秒完成影像分析，出庫前攔截瑕疵 除了尺寸管理之外，Wayfair 也將同一套視覺基礎設施應用於包裹品質檢測。該公司開發名為「Tarragon」的電腦視覺系統，透過偵測模型自動識別包裝損壞情況，希望在商品離開倉庫之前便及早發現問題。 在 Wayfair 配送中心內，高速分揀設備配置了掃描隧道（Sorter Scan Tunnel），包裹通過時，多組線性攝影機會同步拍攝頂部、底部與側面等多個角度的高解析度灰階影像。系統必須在不到 1 秒內完成影像分析與判斷，一旦偵測到嚴重擠壓、破洞、撕裂等可能影響商品安全的包裝缺陷，就會立即向分揀設備發出指令，自動將包裹導向人工處理通道，交由工作人員重新包裝或修復。 LLM 自動聯繫客戶，將配送需求即時通知司機 在配送階段，Wayfair 則將 AI 大型語言模型應用於客戶溝通流程。過去大型家具送達前約 30 分鐘，配送司機或客服人員通常需要逐一撥打電話，確認客戶是否在家，並詢問是否有特殊配送需求。這項流程雖然重要，但高度仰賴人工執行，耗費大量時間與人力。 Wayfair 將司機作業流程、配送規範與客服腳本輸入大語言模型，搭配語音增強技術，建立自動化預配送聯繫系統。系統能主動與客戶進行語音互動，確認收貨狀況並蒐集配送資訊，例如大樓電梯是否故障、物品需放置於後院，或是否有其他進場限制等特殊需求。 這些資訊不會停留在客服系統內，而是直接轉換成 App 通知，即時推送給負責配送的司機。當配送人員抵達現場前，便已掌握完整資訊與客戶需求，能有效降低現場溝通成本與配送失敗風險。 Wayfair 物流運輸主管 Matthew Bennett 表示，司機對這項系統的接受度相當高，因為配送前已能確認客戶確實在家，且相關指示清楚完整，有助於提升執行信心。資訊透明化也降低了內部推動新技術時的阻力，加速自動化流程在組織內的落地應用。 對家具電商而言，最後一哩路向來是成本最高、變數最多的環節，而 Wayfair 的做法顯示，AI 的價值已不再侷限於推薦商品或客服聊天，而是深入實體物流現場，成為提升配送效率與客戶體驗的重要基礎設施。 【推薦閱讀】 [&hellip;]</p>

戰場即研發場！漢翔總經理莊秀美：無人機每兩個月技術翻轉，AI 正在改寫國防製造節奏

【科技早餐】鴻海搶 AI 資料中心，字節跳動去 NVIDIA、Google 分散 TPU 供應鏈

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊鴻海聯手施耐德搶 AI 資料中心，基建戰從機櫃燒到電力冷卻 施耐德電機（Schneider Electric）與鴻海（Foxconn）宣布展開策略合作，雙方將共同開發並擴大次世代 AI 資料中心基礎設施。這項合作將結合鴻海在製造與 AI 系統方面的能力，以及施耐德電機在電力、冷卻與能源管理的專長，目標是提供可部署的 AI 資料中心解決方案，相關生產預計今年稍晚展開。 這項合作顯示，AI 基建競爭已經不只停留在伺服器與機櫃，而是擴大到整座資料中心的電力、散熱、能源管理與部署速度。對台灣供應鏈來說，AI 資料中心不只需要晶片，也需要能把系統、電力與冷卻整合起來的能力。鴻海近年積極切入 AI 伺服器與資料中心相關業務，這次與施耐德合作，也讓台灣製造供應鏈進一步接上全球 AI 基礎建設需求。 ＊字節跳動傳洽購 5 萬片國產 AI 晶片，中國推論算力加速去 NVIDIA 《路透》報導，TikTok 母公司字節跳動（ByteDance）正與上海 AI 晶片新創天數智芯（Iluvatar CoreX）洽談採購 AI 晶片，也同時評估採購百度旗下崑崙芯。知情人士透露，天數智芯今年可能向字節跳動交付至少 5 萬片晶片，多數將用於推論工作，支援字節跳動旗下 AI 聊天機器人豆包。 推論是模型回應使用者查詢的運算，相較於訓練大型模型，不一定需要最高階晶片，也讓中國本土 AI 晶片有更多切入機會。報導也提到，中國本土 GPU 與 AI 晶片業者在中國 AI 加速伺服器市場的占比已接近 41%。如果交易完成，天數智芯將成為字節跳動繼華為與寒武紀之後，第三家中國本土 AI 晶片供應商，也意味著在美國出口管制下，中國 AI 算力需求轉向本土供應鏈的趨勢正在升溫。 ＊Google 分散 TPU [&hellip;]</p>

美國 AI 科系五年暴增 15 倍，但這張新文憑值多少錢仍是未知數

<p>生成式 AI 熱潮不只改變企業投資方向，也正在重塑美國高等教育版圖。根據《紐約時報》報導，2021 年全美僅有 5 所大學設立 AI 主修科系，如今（2026 年）已增加到至少 74 個主修與 89 個輔修課程。從北達科他州到康乃狄克州，各地大學紛紛投入 AI 學位競賽，希望在招生市場與產業轉型浪潮中維持競爭力。 然而，當越來越多學校將 AI 納入科系名稱，一個更根本的問題也逐漸浮現：這張新文憑究竟值多少錢？目前恐怕還沒有人能給出答案。 從 5 個到 74 個，美國大學掀起 AI 科系競賽 過去幾十年來，電腦科學一直是科技人才培育的核心學科之一，但隨著 ChatGPT 掀起生成式 AI 熱潮，大學也開始重新思考該如何培養下一代人才。《紐約時報》指出，除了已開設 AI 學位的學校外，至少還有十多所大學正準備推出相關科系。許多學校認為，如果無法及時跟上 AI 趨勢，不僅可能失去學生，也可能被外界視為落後於時代。 北達科他大學工程學院院長 Ryan Adams 就表示：「如果外界認為我們不在這場遊戲裡，要再讓大家記得我們就會變得非常困難。」這種焦慮不是個案，根據報導，許多大學管理者都將 AI 視為未來人才市場的重要方向，希望透過新科系展現學校的前瞻性與產業連結能力。 同樣教 AI，教的內容可能完全不同 不過，AI 科系快速增加的同時，也引發外界對教育品質與課程內容的關注。《紐約時報》指出，許多 AI 科系與傳統電腦科學課程高度重疊，有些甚至只增加少數幾門新課程。部分學校強調機器學習理論與模型開發能力，另一些則聚焦於 AI 工具應用與跨領域實作。 一篇發表於 arXiv 的研究進一步分析美國 66 個 AI 學位課程後發現，不同學校之間存在顯著差異。有些科系要求修習大量 [&hellip;]</p>

機器人產業正在等待「Windows 時刻」：Edge AI 軟體平台如何把碎片化開發變成標準化部署？

<p>在 Windows 出現以前，電腦多半是工程師與電腦科學家才能真正操作的專業工具，使用者必須學習命令列介面、複雜的硬體協定，甚至從頭開始編寫軟體。然而，在 Windows 誕生後，透過直觀的使用者介面、內建應用程式與隨插即用（plug-and-play）的硬體能力，把複雜的操作變得容易上手，成功讓個人電腦從工程工具，變成人人皆可使用的裝置。 位於美國西雅圖的 Edge AI 與機器人技術公司 Numurus，透過軟體平台、硬體整合與工程服務，協助企業加速機器人、智慧感測器與 AI 應用的開發流程，目標是把原本可能耗時數年的開發週期縮短到數個月。 Numurus 執行長 Jason Seawall 近日在《The Robot Report》撰文指出，類似的轉變正在機器人產業發生，Edge AI 正準備讓機器人從少數專家才能操作的系統，走向被廣泛使用的型態。一旦 Edge AI 的操作門檻降低，客群將從原本資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育計畫與跨領域研究人員，並讓團隊能將第一版產品的出貨時間從一年縮短至幾週。  硬體已經到位，但「軟體複雜度」成為最大瓶頸 Jason Seawall 指出，來自 NVIDIA、AMD、Qualcomm 與 Hailo 等公司的 Edge AI 處理器，已讓機器人能在本地端執行 AI 模型、快速分析感測器資料，並做出毫秒級決策，且這些晶片已具備足夠的運算速度、較低成本與更高能源效率，得以運行真正的 AI 工作負載，使得硬體技術跨越實用的轉折點。然而，這類 Edge AI 系統的極高複雜度，仍將部署門檻侷限在經驗豐富的工程師手中。&nbsp; 與個人電腦不同，機器人需要介接的是相機、雷射、GPS 與馬達，機器人也需要能連結即時感測器數據與 AI 模型的控制軟體，而不是一般的文書處理程式。這項對軟體層的迫切需求，在 BlackBerry QNX 發布的《Inside the Robot: [&hellip;]</p>

Anthropic 被迫關閉 Fable 5、Mythos 5：美國經濟學家 Tyler Cowen 警告，全球可能轉…

<p>近日，Anthropic 的 Fable 5 與 Mythos 5 模型，因為美國政府的出口管制要求而被迫暫停存取。這項舉動不僅讓前沿 AI 模型首次被正式放進「國安風險」與「出口限制」的討論框架中，更引發全球科技界的擔憂。這項管制更創下首例，因為美國政府將過去用來管制武器與先進晶片的「出口管制法」，史無前例地用在一個已廣泛被公眾使用的商業軟體產品。&nbsp; 美國經濟學家 Tyler Cowen 在《The Free Press》撰文指出，美國政府已跨過一條危險紅線：將單一 AI 模型視為重大威脅，進而出手限制使用。Tyler Cowen 也認為，真正的問題不在於 Anthropic 與美國政府誰的說法正確，而是人們已經開始在工作上依賴 Fable 5，卻突然面臨服務被強制切斷的窘境。 Amazon 示警引爆管制，Anthropic 被迫緊急關閉模型 這場風暴的導火線來自合作夥伴的示警。據《The Information》與《華爾街日報》報導，Amazon 研究人員透過一系列提示詞（prompts），成功讓 Mythos 級模型提供原本應受限制的網路攻擊相關資訊。隨後，Amazon 執行長 Andy Jassy 親自向川普政府高層表達對 Anthropic 最先進模型安全風險的疑慮，進而引發白宮的強烈擔憂。由於 Amazon 既是 Anthropic 的大股東，也是其雲端與晶片基礎設施的重要供應商，這層緊密的商業身分讓 Amazon 的警告在華府極具份量。&nbsp; 為了因應潛在的國安威脅，美國商務部隨後下達指令，禁止將 Fable 5 與 Mythos 5 模型提供給外國國民，包含身處美國境內的外籍人士。《Fortune》引述知情人士指出，Anthropic 僅被給予約 90 分鐘的時間撤下最新模型，且事前並未收到明確的國安威脅通知。 為了遵守這項涵蓋範圍極廣的出口規定，Anthropic [&hellip;]</p>

當 AI 把專業知識商品化，企業的差異化優勢剩什麼？Nadella 說答案在「學習迴圈」

<p>當市場焦點仍集中在模型能力的競賽時，微軟執行長 Satya Nadella 卻提出不同觀點：真正決定企業競爭力的，未必是模型本身，而是圍繞模型建立而起的生態系。在其最新長文〈A frontier without an ecosystem is not stable〉中，他嘗試重新定義 AI 時代的企業角色，並提出「前沿生態系（Frontier Ecosystem）」概念。 這次平台轉移不一樣 Nadella 在文中強調，這次的轉變和過去任何一次數位轉型的平台轉移都不同。他表示，過去我們用數位系統來「增強」人力資本，而現在是第一次，人們能在人與數位系統之間，創造一個真正的「認知迴圈（cognitive loop）」，從根本上改變人們如何在企業內部理解「工作」這件事。 他指出，真正的關鍵，不在於某個數位工具或系統如何被使用，而在於組織如何在一個 AI 模型能持續吸收人類與組織累積的專業知識，並逐步將這些能力標準化與商品化的世界裡，繼續學習、建立智慧財產、做出差異化並繼續壯大。換句話說，當模型逐漸把專業知識商品化，企業如何守住自己的差異化優勢，成了核心命題。 人力資本與 Token 資本 Nadella 為此提出一組概念：每家公司都得同時建立「人力資本（Human Capital）」與「Token 資本（Token Capital）」。人力資本指的是員工的知識、判斷、關係、創造力與模式辨識能力；Token 資本則是組織自行打造並擁有的 AI 能力。 值得注意的是 Nadella 的看法：人力資本不會因 Token 資本成長而貶值，反而會變得更有價值。他認為，人類的能動性將是 Token 資本成長的驅動力：是人類設定雄心勃勃的目標、跨領域連結、建立關係、辨識出最重要的模式；「沒有人類的指引，運算只會原地打轉」。 因此他主張，真正的機會不在於挑選最好的模型，而在於在模型之上建立一個「學習迴圈」，讓人力資本與 Token 資本彼此複利成長。他寫下一句關鍵的話：你可以外包一項任務、甚至一份工作，但你永遠無法外包你的「學習」。 學習迴圈，或他口中的「爬山機器」 這個學習迴圈，Nadella 稱之為「爬山機器（hill-climbing machine）」。在《Stratechery》的日前訪談中，他向主持人 Ben Thompson 解釋，爬山機器會根據目標不斷嘗試、評估、修正，再重新嘗試，透過一次又一次的迭代，逐步逼近更好的結果。他認為這是描述「學習」最貼切的比喻。 具體來說該如何建造？Nadella 指出，企業要把工作流程、領域知識與累積的判斷，轉化為「每次使用都會進步」的 AI 系統。其中包含三塊： 私有評測（private evals），用來衡量模型是否真的在對企業重要的成果上進步，而非只是外部基準；私有的強化學習環境（private [&hellip;]</p>

【從賣時間到賣成果】麥肯錫薪酬結構調整，AI 推動知識型服務業的商業模式重寫

<p>麥肯錫正在調整合夥人的薪酬結構，把更多比例轉為股權，同時保留更多現金。這個看起來像是內部財務安排的決定，背後其實指向整個專業服務業共同面對的處境，因為客戶越來越不願意按工時付費，而 AI 正在加速這個轉變。 工時計費的失效，從麥肯錫開始顯現 麥肯錫面臨的壓力是，客戶要求將顧問費與實際交付的成果掛鉤，例如降低成本、提升利潤或增加市場占有率，而不是按照顧問花了多少時間提供建議來計費。 麥肯錫英國、愛爾蘭與以色列區域管理合夥人 Michael Birshan，在 2025 年 11 月就說過，「我們正在與客戶建立更多績效導向的合作安排」，過去是「這是專案範疇，費用是多少」，現在是「這是我們想達到的成果，費用將主要取決於你能否達成。」 目前麥肯錫全球約四分之一的費用，已採用這套成果導向定價模式。麥肯錫全球科技與 AI 領導人 Kate Smaje 指出，成果計費並非因 AI 而起，而是過去幾年麥肯錫承接越來越來多年期、跨部門轉型專案後自然演進的結果，只是 AI 轉型工作的性質讓這套模式更加契合。 成果的衡量方式也有了具體標準。Smaje 說明，成功通常以計分卡評量，包含投資人目標、在特定時間內達成的營收或利潤目標、營運指標與客戶滿意度，她說，「你的董事會計分卡就是我們的計分卡，當這場轉型成功，我們才算成功，所以讓我們共享成果。」 而且這個轉變背後有一個讓顧問業難以反駁的邏輯，如果顧問自己就在用 AI 做資料分析與診斷，為什麼客戶要按照「沒有 AI 時需要的工時」付費？AI 提升了效率，但這份紅利過去幾乎完全留在顧問公司手中，客戶現在開始要求分享。 然而成果導向計費，讓麥肯錫的營收結構面臨不確定性，這正是它需要調整薪酬結構、把更大比例轉為股權並保留更多現金的原因。 AI 服務業已率先採用任務型計費 事實上，在麥肯錫還在調整適應的同時，AI 服務業者已率先建立了一套成熟的任務型計費模式，並在客戶端形成了新的參照標準。 Intercom 旗下 AI 客服代理 Fin，以每解決一件客戶案例收取 0.99 美元計費；身分驗證服務商 iDenfy 每次驗證收取 1 英鎊；Salesforce 讓客戶按任務付費，並允許預先大量購買點數，讓雙方都能預估預算。這套模式的邏輯是，客戶付的是問題解決的結果，不是解決問題所花的時間。 當客戶開始習慣這種計費方式，他們自然會拿來與傳統顧問的工時計費對比。這就是麥肯錫面對的外部壓力來源之一。 成果計費不是新概念，但普及速度正在加快 麥肯錫當然不是唯一一個被迫重新思考計費邏輯的行業，EY 全球成長與創新管理合夥人 Raj Sharma 在 2025 [&hellip;]</p>

限時折扣不管用了？《哈佛商業評論》揭 AI 購物代理的決策邏輯

<p>如今，越來越多消費者開始透過 ChatGPT、Google AI 以及各類智慧助理尋找商品、比較規格甚至直接完成購買，企業面對的顧客已不再只有人類；這意味著企業未來除了要說服消費者，也必須學會如何與 AI 代理溝通。 AI 不再照單全收：傳統促銷訊號效果開始分化 然而，長期以來建立在消費心理學基礎上的行銷手法，對 AI 代理未必有效。根據《哈佛商業評論》最新研究，許多電商常見的促銷設計，例如限時倒數、庫存稀缺提醒、原價與折扣價對比，以及組合銷售等策略，原本是利用人類的錯失恐懼（FOMO）、價格錨定效應與稀缺性偏誤來刺激購買意願，但在 AI 代理身上卻難以產生穩定效果，有些情況甚至會出現與人類完全相反的反應。研究人員指出，儘管這些標籤確實會左右 AI 代理的判斷，但其背後的決策機制與人類的衝動或偏誤心理完全不同。 在所有測試項目中，只有商品評分與價格展現出穩定且一致的效果。高評分商品在所有模型中都獲得更高的選擇率，而價格越高則越容易被排除。這項結果與人類消費行為高度一致，也代表即使 AI 代理逐漸成為購物決策的重要參與者，價格與產品評價仍是影響推薦結果的重要因素。 進階模型的「行銷防禦機制」，過度說服引發反噬 另一項值得注意的研究發現是，不同 AI 模型應被視為獨立的市場區隔。該研究顯示，Gemini 2.5 Flash Lite 與 GPT-4.1-mini 等非推理模型對促銷訊息較為敏感，較容易受到優惠券、折扣標籤或社會認同訊號影響；相較之下，GPT-5 與 Gemini 2.5 Pro 等推理能力較強的模型則展現出截然不同的反應模式。 研究團隊發現，先進模型並非單純忽略促銷資訊，而是可能將過度強調折扣、稀缺性或急迫感的訊息視為負面訊號。在部分測試情境中，GPT-5 對「僅剩兩件」等庫存緊缺提示呈現負面反應，而 Gemini 2.5 Pro 面對大幅折扣時，說服效果反而逐漸下降。研究人員認為，這些模型可能將強烈的促銷訊號解讀為產品品質不足或商家刻意操弄消費決策的跡象，因此降低推薦意願。 部署動態試驗場，迎戰高頻率模型改版 隨著 AI 代理逐漸參與商品搜尋與購買流程，企業也需要重新理解消費者需求的形成方式。AI 代理的選擇邏輯很大程度受到使用者提示詞（Prompt）影響。例如「尋找 100 英鎊以下評價最高的耳機」與「找到明天能送達的最便宜耳機」會讓同一個 AI 模型產生完全不同的商品排序結果。未來企業除了研究消費者本身，也需要深入分析消費者如何向 AI 描述需求，才能提高產品被推薦的機會。 《哈佛商業評論》認為，企業最重要的工作並非尋找一套固定的 AI 優化公式，而是建立持續測試與監測的能力。由於大型語言模型會持續更新，每一次模型升級、微調或安全對齊都可能改變其判斷標準，今天有效的促銷策略未來可能失效，甚至帶來反效果。 因此，企業應建立專屬的 AI [&hellip;]</p>

時隔 14 年再度開放申請：「品牌頂級域名」正影響企業資安、客戶信任與網路行銷

<p>資安領域近年來正嘗試一種全新的解決方案，那就是透過「品牌頂級域名（Brand TLD）」的方式，提高企業網站的辨識度以達成雙贏。</p>

【333 Robots Community Meetup】交大資工系副教授陳奕廷拆解 Physical AI 開發迷思…

<p>目前台灣正面臨高齡化與缺工的嚴峻挑戰，產業界迫切尋求科技解方，使得「實體 AI（Physical AI）」迅速成為熱門焦點。然而，當 AI 快速走向實體世界，開發者是否也陷入「為了 AI 而 AI」的技術焦慮？ 在五月舉行的「333 Robots Community Meetup」系列活動中，特別邀請到國立陽明交通大學資工系副教授陳奕廷。他也在演講中直指當前的產業盲點，呼籲開發者比起跟上「AI 加機器人」的潮流，更重要的是必須秉持「用真實世界的需求驅動 Physical AI 落地」的核心理念。 立即報名在 6 月 17 日 19:00 舉行的「333 Robots Community Meetup」，與來自陽明交大人本智慧系統實驗室（HCIS Lab）、 Taiwan Robotics Community、台灣夏普的講者，一同探討最新實體 AI 技術趨勢。 立即報名 打破「AI + 人形機器人」迷思，看見跨領域開發的系統性盲點 隨著生成式 AI 的爆發，陳奕廷表示，許多人會直覺地將 Physical AI 想像為「會自己泡咖啡的人形機器人」，或單純的「AI 加上機器人」，但他想先破除這個迷思。陳奕廷指出，Physical AI 並非新名詞，而是「運用 AI 技術，使系統透過感測器觀察、推理分析，並透過致動器在實體世界中採取行動」的一種型態。事實上，這種「感知、推理、行動」的架構，早在 1960 年代史丹佛研究院的 Shakey 機器人專案中就已具備雛形。 然而，當前的開發困境在於，不同領域的專家在投入 Physical AI 時，容易因視角錯位而陷入「各說各話」的盲點。陳奕廷觀察，從機械工程視角出發的開發者，傾向先開出「高功率輸出、安全性、多指靈巧度」等硬體規格，接著才思考能應用在哪裡；從資訊科學視角切入的開發者，則習慣不預設機器人長相，專注於收集海量數據、微調基礎模型，試圖打造出能聽懂一句指令就執行各種任務的通用型機器人。這種從單一視角出發的現象，容易讓開發者變成「拿著鐵鎚找釘子」的人，反而忽略跨領域整合與系統工程的真諦。 [&hellip;]</p>

【科技早餐】SpaceX 點燃 AI IPO 信心，NVIDIA 基建與 Anthropic 管制同步升溫

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SpaceX 市值衝破 2 兆美元，AI IPO 信心同步受檢驗 美國太空公司 SpaceX 6 月 12 日正式掛牌上市，成為近年科技市場最受關注的公開募資案之一。《路透》報導，SpaceX 這次 IPO 募資規模達 750 億美元，被視為全球史上最大規模 IPO；掛牌後，SpaceX 市值衝破 2 兆美元，也讓市場重新檢驗投資人對高估值科技資產的承接能力。 SpaceX 的上市不只是太空產業事件，也牽動整體科技股情緒。Anthropic 和 OpenAI 近期都已遞交 Confidential IPO 文件，雖然上市時間仍未確定，但市場已把它們視為下一波 AI IPO 的觀察重點。SpaceX 後續股價表現，也將成為資本市場能否繼續承接高成長科技敘事的重要參考。 ＊NVIDIA、KKR、Vistra 推 Helix，AI 基建戰燒到電力 NVIDIA 與投資公司 KKR、科威特投資局（Kuwait Investment Authority），以及電力業者 Vistra 合作成立新公司 Helix Digital Infrastructure，承諾投資金額超過 100 億美元。Helix 將替超大規模雲端業者提供 AI 基礎設施服務，整合資料中心、電力、連線能力與其他相關需求。 [&hellip;]</p>

台灣 AI 動能指數居亞洲之冠，但鄧白氏點出最大挑戰：資料與系統整合

<p>台灣企業的 AI 動能，正以亞洲最快的速度往前衝，但是卻卡在最基礎的數據問題。美商鄧白氏（Dun &amp; Bradstreet）今（6/12）發布《企業 AI 動能指數》最新調查，台灣本季拿下 72 分，不僅較上一季的 53 分大幅躍升，拿下亞洲最高分，更成為帶動全球總分成長的主要力量。 但同一份成績單藏著一個反差：在構成指數的八個維度裡，台灣的「AI 投資」拿下 87 分，高於本次調查公布的所有全球維度分數。技術架構卻是台灣分數明顯偏低的一環，ROI 雖從 42 分升至 63 分，但距離全面落地仍有一段路。換句話說，投資的錢已經大舉進場，系統還接不起來，回報才剛開始進帳。 2026 年提問變了：從「有沒有用 AI」到「AI 有沒有賺回來」 《企業 AI 動能指數》是鄧白氏的季度調查，訪問來自 32 個經濟體、合計占全球 GDP 約七成的 1 萬名企業高階決策者；台灣樣本則涵蓋 17 個產業、超過 300 家企業的高階主管。鄧白氏全球業務營運與轉型執行副總裁暨台灣董事總經理鮑文安（Julian Prower）指出，2025 年多數企業還在放手進行 AI 試點，2026 年的命題已經轉變成如何把先前的試驗大規模拓展、讓投資真正取得報酬，產業的討論風向也從「有沒有在用 AI」轉向「AI 是否能帶來 ROI」。 樂觀情緒與實際就緒度之間，存在明顯落差。鮑文安表示，調查中約三成高階主管自評資料準備「大致就緒」，但若放到信用評估、合規決策這類容錯率極低的場景檢視，「『大致就緒』還是遠遠不夠的」。 而這個落差的根源，鮑文安直指：「這並不是單純的技術問題，而是一個基礎資料問題。」企業真正該檢視的，是決策所依賴的資料是否可信、可驗證、具備良好品質，最終能否產出可預測且可靠的結果。根據該調查，台灣及全球企業在 AI 應用中面臨的主要挑戰包括：資料可取得性與存取、資料隱私與合規，以及資料品質與完整性。 台灣 AI 投資意願高，弱項在資料與系統整合 回到台灣的成績單。鄧白氏台灣數據長呂苑玲拆解八個維度（AI 投資、AI 價值、企業數據就緒程度、AI [&hellip;]</p>

企業正在付錢養出自己的競爭對手？從 Claude Code 到 Claude Design，Anthropic 正在進…

<p>Anthropic 是許多企業用來打造 AI 應用的重要模型供應商。然而，近日《The Information》揭露一個令企業不安的趨勢：Anthropic 正利用其領先的底層技術，積極跨足應用層並銷售自家的產品。 在這樣的背景下，越來越多企業開始意識到，他們仰賴的 AI 供應商可能正準備搶走飯碗，讓企業面臨「付錢養出自己競爭對手」的窘境，並對這種身兼「基礎設施提供者」與「直接競爭者」的雙重角色感到恐懼。 Anthropic 與 Figma、Canva 從合作夥伴變成競爭對手 這個矛盾在今年 4 月 Anthropic 發布 AI 設計與軟體工具 Claude Design 時徹底引爆。起初，Anthropic 邀請長期客戶 Figma 與 Canva 作為發布合作夥伴，雙方也將此視為一次展現產品互補性的絕佳機會。據參與討論的人士透露，Anthropic 一開始承諾新工具僅會延伸 Claude 既有的網站或 App 預覽能力，不會讓使用者進行可能與設計工具直接競爭的進階協作或編輯功能。 然而，在發布前夕，Anthropic 卻突然揭露 Claude Design 實際包含協作與編輯功能，使該產品直接挑戰 Figma 與 Canva 的核心業務。這項突如其來的改變，導致 Anthropic 與 Figma 雙方關係破裂，Figma 在發布前幾天緊急退出合作討論，Anthropic 產品長 Mike Krieger 也於同一時間離開 Figma 董事會。 事後，Figma 執行長 [&hellip;]</p>

麗臺於 COMPUTEX 2026 推出終極 AI 工作站，打造高彈性 AI 解決方案

<p>麗臺科技（Leadtek）將於 COMPUTEX 2026 展出「終極桌邊 AI 超級電腦」（Ultimate Deskside AI Supercomputer），主打將資料中心等級的運算能力導入辦公環境，讓用戶可在本地端快速開發、微調與執行大型 AI 模型，並支援 AI 代理長時間穩定運作。 此次亮相的 Deskside AI Supercomputer，搭載 NVIDIA GB300 Grace Blackwell Ultra 桌上型電腦超級晶片，擁有高達 748 GB 的一致性記憶體、NVIDIA ConnectX-8 SuperNIC 網路，以及最高 20 PFLOPS 的 FP4 AI 運算效能。散熱方面，採用封閉式液冷散熱設計，支援高強度連續運算。除可運行大型 AI Agent 與 Physical AI 模擬應用外，更具備可彈性配置 1 張 NVIDIA RTX PRO GPU 與 GB300 協同運作的擴充性，可於本地端執行推論任務，同時保有彈性擴展至資料中心或雲端環境的能力。 NVIDIA 認證系統滿足多樣化配置 麗臺同步展示從桌上型系統到資料中心的完整產品布局，涵蓋 NVIDIA DGX [&hellip;]</p>

解鎖 AWS 國際雙認證，新北青年局「AI 實戰職涯營」助攻媒合熱門科技職缺

<p>新北市政府青年局「2026 AI Practitioner Program（AI 實戰職涯營）」即日起開放報名！今年活動全面升級，由市府全額補助市值達 6.6 萬元課程，以 3 個月 AI 人才密集培訓為核心，導入 Amazon Web Services（AWS）技術專家培訓，協助 21 歲至 30 歲青年考取 2 張 AWS 國際認證，並解鎖 AWS 台灣總部參訪，結訓後更有機會獲得雲端服務領導品牌「伊雲谷數位科技股份有限公司」熱門職缺優先推薦，協助青年迎戰 AI 浪潮、接軌職場。 新北市青年局長邱兆梅表示，AI 已成為各行各業重要的關鍵能力，因此青年局持續投入資源推動 AI 人才培育，希望培養能運用 AI 工具解決問題、創造價值的跨領域人才。本次「AI 實戰職涯營」全面升級，以更貼近職場需求做規劃，特別擴大招募名額、升級課程內容、增加人才媒合機制等，期望透過完整的系列課程，幫助青年掌握 AI 技能、提升職場競爭力。 新北市青年局表示，今年採「國際雙認證、商業實戰、企業見習、職缺媒合」打造系列課程，學員名額提升至 25 名。從今年 8 月至 10 月進行為期 3 個月的密集訓練，由 AWS 授權講師授課，並開設考前衝刺班，協助學員考取「AWS AI Practitioner」與「AWS Cloud Practitioner」國際雙認證；同時，也將帶領學員至 AWS 台灣總部參訪，近距離接觸全球雲端產業實務，結訓後更享有「伊雲谷數位科技股份有限公司」30 個熱門職缺，包含「AI Solution Architect」、「解決方案架構師」與「雲端工程師」的優先推薦，全力協助青年從學習、考證到順利銜接就業。 [&hellip;]</p>

貝佐斯反駁 AI 失業潮：Prometheus 要用「通用人工智慧工程師」賦能工程師，讓發明更簡單快速

<p>亞馬遜創辦人貝佐斯（Jeff Bezos）自 2021 年卸下執行長後，再度親自出任 CEO，與 Google 生命科學部門 Verily 前共同創辦人 Vik Bajaj 共同領導 AI 新創 Prometheus。 Prometheus 近日宣布完成 120 億美元的第二輪募資，使估值一舉達到 410 億美元。Prometheus 的野心極大，他們並不是要打造 AI 聊天機器人或實體機器人，而是將目光鎖定在真實的物理世界，致力於開發能服務物理世界的「人工智慧通用工程師（artificial general engineer）」。 什麼是「通用人工智慧工程師」？ Prometheus 將自身定位為「物理 AI」新創，試圖將 AI 的應用範疇從純粹的文字生成與軟體開發，推向複雜的實體工程及製造業場域。 「通用人工智慧工程師」是一款能自動化複雜實體系統設計與製造流程的 AI 軟體，貝佐斯在接受《CNBC》專訪時，將其形容為一種非常現代化的電腦輔助設計（CAD）系統。貝佐斯澄清，Prometheus 並非一家機器人公司，「我們正在打造的工具，將讓工程師在設計實體物件時變得容易許多」。 Prometheus 共同執行長 Vik Bajaj 向《WSJ》進一步解釋，這個系統的應用範圍涵蓋噴射引擎到藥物化合物的設計，目標是貫穿整個工程流程，從產品設計、效能預測到實際製造都能提供協助。「我們正試圖端到端地解決這個問題，」Vik Bajaj 說。貝佐斯也提到，他所創辦的太空公司藍色起源（Blue Origin）就是能夠從 Prometheus 的工具中大幅受惠的完美範例。&nbsp; 算力與真實世界資料的高門檻 然而，要實現這項目標，需要極為龐大的資源。這次募資除了貝佐斯本人外，也吸引摩根大通（JPMorgan Chase）、高盛（Goldman Sachs）與貝萊德（BlackRock）等重量級投資者參與。 針對這筆龐大資金的用途，貝佐斯向《CNBC》透露，絕大部分將用於取得算力。他解釋：「這是我們募資用途中的一大部分，我們必須籌集大量資金的原因在於，我們正在做的事情非常需要運算資源，需要去創造那些資料。」貝佐斯也表示，Prometheus 很可能成為 AWS 雲端運算服務的客戶，但兩家公司將保持獨立。 目前 [&hellip;]</p>

史上最大 IPO 背後：SpaceX 如何把太空定調成 AI 時代的新基礎設施？

<p>馬斯克（Elon Musk）的火箭公司 SpaceX 完成了一場改寫紀錄的首次公開發行（IPO）。但比起 IPO 的規模，更值得關注的，是市場究竟在為什麼買單。一家去年才剛由盈轉虧的公司，如何說服投資人給出近百倍的市銷率，並把自己從一家火箭公司，重新定義為 AI 時代的基礎設施平台。 史上最大 IPO：750 億美元，超越 Saudi Aramco 根據《Reuters》，SpaceX 週四將 IPO 定價在每股 135 美元，售出 5.5556 億股，募得創紀錄的 750 億美元，使這家太空、衛星與 AI 業者估值達 1.77 兆美元。《The New York Times》指出，此舉打破了先前由沙烏地國營石油公司 Saudi Aramco 保持的紀錄：後者 2019 年掛牌時估值 1.7 兆美元、募資逾 290 億美元。SpaceX 將於週五在 Nasdaq 以代號 SPCX 開始交易。《Bloomberg》補充，這次 IPO 規模是 Aramco 的兩倍多，認購需求超過可售股數的四倍；若承銷團行使額外出售 8,330 萬股的選擇權，募資額可達約 860 億美元。 這場交易也充滿了馬斯克的個人色彩。《Reuters》指出，SpaceX 罕見地保留 30% [&hellip;]</p>

AI 用越多不代表越有價值：當 token 成本升高，企業決策者開始追問真正 ROI

<p>矽谷在過去一年裡，逐漸將 AI 的使用量變成一種職場上的計分板。然而，這股追求 token 用量最大化（tokenmaxxing）的風氣正迎來反思聲浪，愈來愈多企業高層開始質疑，最大化 AI 使用量是否真的是衡量技術採用成效的正確方式。 《Business Insider》近日在 Mistral AI 峰會上訪問四位企業高層，當他們談到如何衡量 AI 的投資報酬率（ROI）時，沒有任何一個人一開始就談論員工到底消耗了多少 token。 「Tokenmaxxing」的副作用：製造錯誤激勵與資源浪費 這場思維轉變的起因，在於單純追蹤使用量往往會帶來錯誤的激勵機制。Replit 總裁暨 AI 負責人 Michele Catasta 近日在 Web Summit Rio 大會上，就強烈批評企業利用內部排行榜，根據員工使用 AI token 的多寡來排名的趨勢。 Michele Catasta 形容這種排行榜的做法「非常反烏托邦（very dystopian）」，並認為 token 消耗量與員工在公司內部產生的影響力並不成正比，是衡量員工表現的糟糕指標。他更警告，過度使用 AI 就如同出門不關燈、卻不在乎電費一樣「不負責任」，這不僅消耗更多能源，還會排擠其他公司想要建立在模型之上的應用容量。 事實上，一些美國大型企業已經意識到這個問題並開始改變做法。Amazon 在上個月取消內部的 AI 使用排行榜，因為有員工為了提升排名而刻意增加 AI 使用量，Amazon 發言人對此強調，該排行榜從來不是要鼓勵「為了用 AI 而用」。同時，Uber 營運長 Andrew Macdonald 也公開表示，他沒有看到不斷增加的 AI 成本帶來等比例的生產力提升，因此，若要將 token 消耗量與客戶價值畫上等號，仍然很困難。 [&hellip;]</p>

展示容易部署難，人形機器人距離真正的工業化還有多遠？

<p>中國智元機器人（AgiBot）具身業務部總裁姚卯青博士指出，客戶開始探討該如何部署機器人，因此轉捩點不僅在於人型機器人產能或產量的提升，更在於市場需求開始形成良性循環之時。</p>

研發週期砍半、搜尋能見度翻倍：聯合利華怎麼用 AI 改造食品事業？

<p>當消費者想找晚餐靈感時，打開搜尋引擎已不再是唯一選項。愈來愈多人開始直接向 AI 助理或大型語言模型（LLM）提問，例如「適合派對的三明治食譜有哪些？」或「適合年輕族群的熱門料理是什麼？」。在這樣的情境下，品牌是否能被 AI 推薦，正逐漸成為影響消費者購買決策的重要因素。 AI 搜尋時代來臨：品牌開始優化「被 AI 推薦」能力 快消品巨頭聯合利華（Unilever）觀察到，2026 年消費者的食物探索模式正快速改變，產品曝光競爭已不再局限於超市貨架與傳統搜尋引擎排名，對食品品牌而言，如何提高在 AI 生成答案中的能見度，已成為數位行銷的重要課題。聯合利華食品事業部整合需求開發總監 Olivia Kirby 指出：「品牌必須在 AI 生態系統中具備相關性、可見度以及被推薦的能力，才能在消費者提出問題的關鍵時刻出現在搜尋結果中。」 為了因應這項變化，聯合利華開始運用 AI 搜尋可見度平台（AI Search Visibility Platform），分析旗下品牌在各種大型語言模型中的表現，了解哪些內容容易被 AI 引用，哪些內容則難以被演算法辨識。分析結果顯示，傳統以人類閱讀體驗為主的內容架構，未必能獲得 AI 系統青睞。 因此，其旗下湯塊品牌 Knorr 與美乃滋品牌 Hellmann’s 開始調整網站內容策略，將食譜與產品資訊改寫成更具結構化的「機器可讀（Machine-readable）」格式。這類內容通常具備明確標題、條列化步驟、標示清楚的食材資訊以及易於解析的描述方式，能協助大型語言模型更快速理解內容意涵，提高被引用與推薦的機率。 2026 年美式足球冠軍賽 Super Bowl 舉辦前夕，Hellmann’s 發現自己在「Game Day sandwich recipes（比賽日三明治食譜）」相關 AI 搜尋中的能見度偏低。進一步分析後發現，品牌缺乏 AI 偏好的清單式（Listicle）內容格式，因此難以在 AI 生成答案中取得優勢。 團隊隨即展開內容優化行動，新增專門的比賽日三明治食譜專頁，重新調整關鍵字配置，並將既有食譜內容改寫成更容易被大型語言模型解析的清單形式。優化完成後，Hellmann’s 在相關搜尋結果中的排名提升 10 個名次，整體可見度指標也接近翻倍成長，大幅提高品牌出現在 AI 推薦內容中的機率。 以數位模擬優化配方組合，縮短新品上市週期 [&hellip;]</p>

【科技早餐】台積電捲入美國專利戰，OpenAI 價格戰與 AI 監管同步壓上來

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊台積電捲入美國 ITC 專利案，AI 晶片供應鏈碰上執法壓力 台積電在美國面臨專利爭議。《Axios》報導，兩家與美國私募股權公司 Vector Capital 有關的專利公司，向美國國際貿易委員會提出申訴，指控台積電先進製程製造的晶片侵犯專利。這起案件也引發美國國會關注，四名共和黨議員已致函國際貿易委員會主席，要求對被認定侵犯美國專利的外國製晶片採取強力執法，並阻止相關產品進口美國。 台積電強調，公司運作完全遵循各國法規。台灣經濟部回應，這屬於企業間專利權爭議與美國法制程序，目前仍在審理中，政府尊重相關程序，也會持續關注後續發展。這起案件凸顯台積電在美國 AI 供應鏈中的戰略重要性，也讓美國在 AI 晶片供應穩定與本土專利執法之間的取捨受到關注。 ＊SK 海力士拚 2034 年產能增至三倍，海外 AI 工廠瞄準日本 SK 集團會長崔泰源表示，為了因應 AI 運算帶動的記憶體需求，旗下 SK 海力士正加速擴產，目標在 2034 年前，將晶圓產能提高到目前的三倍。SK 海力士目前正在南韓龍仁市興建四座晶圓廠，第一階段預計於 2027 年初完工。原本規劃到 2045 年完成的時程，已提前大約十年，目前工程上已很難再更快。 除了南韓本土產能，SK 也把海外擴張目標指向日本。崔泰源表示，日本具備電力、水源、工程師與半導體材料供應商，是海外設廠候選地。在 AI 工廠方面，SK 已規劃先在南韓於 2027 年啟用相關設施，並評估把日本作為海外擴張候選地，目標在 2028 到 2029 年間推進下一代 AI 資料中心，並與 NVIDIA 合作設計，以兼顧低功耗與高效能算力。 ＊OpenAI 準備 IPO 又考慮降價，AI 模型競爭進入價格戰 [&hellip;]</p>

複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業

<p>人形機器人熱潮持續升溫，但市場正在出現兩種截然不同的判斷。一方面，研究機構 SemiAnalysis 認為，中國機器人公司宇樹科技（Unitree）正在複製大疆（DJI）與比亞迪（BYD）曾走過的硬體巨頭崛起路徑，透過掌握核心零組件、垂直整合供應鏈與規模化生產，建立西方競爭者難以追上的成本優勢，且「將主導人形機器人產業」。 另一方面，巴克萊銀行（Barclays）近日在 Boston Robotics Summit（波士頓機器人峰會）後發布的研究則提醒，即使製造成本持續下降，人形機器人距離真正大規模商業化仍有很長距離：安全認證、硬體成熟度、真實世界資料、運算成本與通用 AI 架構，仍是產業必須跨越的五大障礙。 中國硬體巨頭的養成公式：掌握最貴的零件 為什麼 SemiAnalysis 認為，Unitree 的策略與 BYD、DJI 有高度相似之處？該機構分析，一個成熟的中國硬體巨頭，其策略是：掌握物料清單（BoM）中最昂貴、最具挑戰性的零件，用這份掌控權累積無人能及的成本優勢，並透過自製供應鏈創造新市場。 SemiAnalysis 分析，BYD 當年從電池這個電動車最昂貴、最關鍵的零組件切入，逐步把電池、馬達、功率模組、車身、底盤等關鍵環節納入自家體系，最終建立成本與供應鏈優勢。DJI 則是先掌握飛控系統，從研究者與玩家市場起步，透過每一代硬體迭代打開新市場，從消費級空拍機一路進入測繪、巡檢、救災等企業場景。 Unitree 如何複製：以致動器為核心，從四足走向人形 SemiAnalysis 認為，Unitree 正是一個活生生的「大疆策略」案例。創辦人王興興曾是大疆員工，碩士論文做出低成本四足機器人 XDog，再以此創立 Unitree。Unitree 選定的核心零件是致動器（actuator，驅動機器人肢體的整合關節），它占人形機器人 BoM 的 50% 到 70%，正如比亞迪之於電池芯、大疆之於飛控。 Unitree 先從學術界切入：當大學實驗室在找不必花 7 到 10 萬美元以上的足式平台時，Unitree 的 Laikago 在 2018 年以 4.5 萬美元上市，A1 在 2020 年降到 1.5 萬美元，到今天的 Go2 視規格與地區落在 1,600 至 [&hellip;]</p>

科技業國家級網攻逾 58% 來自中國駭客，CrowdStrike 警告 AI 核心技術成首要目標

<p>資安大廠 CrowdStrike 近日發布《2026 Technology Threat Landscape Report》報告，指出在 2025 年 4 月 1 日至 2026 年 3 月 31 日期間，所有針對科技業的國家級網路攻擊中，有超過 58% 是由與中國相關的駭客組織所發動。 CrowdStrike 警告，中國駭客組織正持續增加對美國科技公司的網路攻擊，核心目的是為了竊取 AI 能力，藉此縮小與美國之間的科技差距。這些駭客行動與中國政府的戰略優先事項高度一致，反映出中國對技術發展、智慧財產權，以及具有戰略價值資訊的濃厚興趣。 AI 模型、半導體與軟體供應鏈都被中國駭客鎖定 CrowdStrike 在報告中強調，過去幾年，科技業一直是網路犯罪者、國家級攻擊者最常鎖定的目標產業，這些攻擊的動機廣泛涵蓋財務利益、長期情報蒐集以及工業間諜活動。報告中所指的「科技業」，包含從事電腦硬體研發、開發或分銷的公司，以及 IT 服務及顧問、半導體和軟體公司。 在這樣的產業背景下，中國駭客組織正不斷升高對科技組織的間諜行動，試圖竊取中國無法足夠快速自行建立的 AI 能力和智慧財產。因此，中國威脅的對象已不只是大型前沿實驗室（frontier labs），也包含較小型的特定領域模型開發商。 此外，為了達成更廣泛的滲透，中國駭客也積極尋求進入下游客戶的環境，這可能進一步提高供應鏈遭到入侵的風險。報告也列舉具體的攻擊行動，例如攻擊者 SUNRISE PANDA 曾特別鎖定東亞與東南亞的郵件基礎設施；MURKY PANDA 對超過 340 個主要位於美國的組織發動密碼噴灑（password-spraying）攻擊；WARP PANDA 則利用系統漏洞入侵北美科技公司，以取得長期的內部存取權。 AI 追趕壓力推升網路間諜活動，中國否認相關指控 探究這波網路攻擊加劇的背後原因，《CNBC》分析，美國限制中國取得 AI 訓練晶片的政策，已對北京的科技發展造成限制。儘管中國本土 AI 模型正試圖透過降低運行成本，來提供接近美國模型的智慧能力，但科技追趕的壓力顯然推升網路間諜活動。 美國白宮科技政策辦公室曾於 2026 年 [&hellip;]</p>

打進亞洲 16 國市場！蔡玉玲：台灣將提名七家有「跨境實績」的金融科技強隊參加首屆 AFA Awards

<p>據多項國際產業研究預測，亞洲將在 2030 年成為全球最大的金融科技市場。隨著產業發展加速，亞洲金融科技公司已從早期概念驗證階段，進一步邁向規模化、合規落地與實際應用，並在跨境支付、金融基礎設施、合規科技、數位金融與普惠金融等領域展現成熟解決方案。 在此趨勢下，第一屆亞洲金融科技聯盟大獎（The Asia FinTech Alliance Awards, AFA Awards）正式成立，旨在鼓勵具備可規模化營運能力的金融科技企業，奠基於國內市場的成功經驗，進一步拓展至 AFA 成員所涵蓋的 16 個亞洲經濟體。 臺灣金融科技協會名譽理事長蔡玉玲，也是創立獎項的亞洲金融科技聯盟（Asia Fintech Alliance, AFA）主席，她表示：「這是亞洲首度由 16 國金融科技協會聯手打造的殿堂級獎項。我們不只在選拔頂尖技術，更在尋找有實績可解決『跨境痛點』的公司。本次大賽特邀國際投資機構參與決選，得獎者有開拓 16 國市場的機會。這不只是一場比賽，更是引領亞洲跨國金融生態大升級的起點！」 由 16 個亞洲經濟體提名，爭取 AFA Awards 五項大獎 AFA 自成立以來，即採取「一個經濟體僅由一個組織代表」的會員制度，目前已匯聚來自 16 個經濟體的會員，包括：臺灣、韓國、新加坡、日本、菲律賓、印尼、香港、馬來西亞、泰國、柬埔寨、蒙古、尼泊爾、印度、越南、斯里蘭卡及烏茲別克。 本屆 AFA Awards 採邀請提名制，由 AWS 臺灣提供技術建議及安永臺灣擔任顧問。所有參賽企業皆須由 AFA 會員正式提名，每個會員最多可推薦七家企業參賽，並由來自 16 個經濟體的創投與專家評比， 經過兩階段的遴選機制，選出最具代表性與國際發展潛力的企業。 AFA 副主席 Dongpyo Hong 是 AFA Awards 的幕後推手，他也是韓國金融科技產業協會全球聯盟與合作負責人。他表示：「AFA Awards 最特別之處，在於 16 個 [&hellip;]</p>

Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？

<p>Anthropic 執行長 Dario Amodei 發表長文〈Policy on the AI Exponential〉（AI 指數成長政策），試圖系統性提出 AI 時代的政策藍圖。這篇文章值得關注的地方，不只是 Anthropic 再次呼籲監管 AI，而是其主張明顯從過去的「透明化」走向更具約束力的政府管制。 Amodei 在文中直言，過去幾年 Anthropic 支持的政策，多半是讓模型開發商揭露安全程序、測試結果與重大安全事件，目的是讓政府、社會與科學界更早看見風險。但他認為，現在情況已經不同。 他指出，AI 模型 Claude Mythos Preview 顯示前沿模型已能對網路安全帶來真實衝擊，可能影響金融體系、關鍵基礎設施與國家安全。對 Amodei 而言，這代表 AI 已不再只是消費科技或企業工具，而是具有全球戰略意義的技術。他並預期，生物風險可能很快接踵而至，嚴重的 AI 自主性風險也可能不遠。 從資訊揭露走向事前審查：Anthropic 想建立什麼制度？ Amodei 在文章中表示，Anthropic 先前支持透明化法案，是因為當時 AI 風險雖然可預期，但具體樣貌尚未清楚，若太早立法，可能只會帶來無效的合規負擔，卻無法真正防範最重要的風險。但他現在認為，「風險已經到來」，因此監管也必須超越透明化。 他提出的核心主張，是建立類似美國聯邦航空總署（FAA）的 AI 監管制度。他認為前沿模型如同飛機、汽車或藥物一樣，是現代社會不可或缺的強大技術，但若設計或操作不當，也可能造成大規模傷害。 事實上，Anthropic 釋出的「先進 AI 框架」提案包含幾項要點：運算量超過特定門檻（10²⁵ FLOPs），或由 AI 營收超過 5 億美元、AI 研發支出超過 10 億美元的公司開發的模型，必須接受合格第三方的強制測試，評估其在資安、生物武器、AI 系統失控，以及可能加速上述風險的自動化研發這四個領域的風險等級；若模型被認定構成不可接受的風險，政府將有法律權限阻止、延遲或限制其部署，但此權力須限縮於這四項風險，並設有防止政治偏袒或恣意決定的保護措施。 第三方評估可由類似 [&hellip;]</p>

AI Agent 不只導購，還能下單付款：Visa 串接 OpenAI 讓「機器買家」也能被授權與控管

<p>OpenAI 與 Visa 近日在 Visa Payments Forum 上，正式宣布擴大戰略合作，目的是將「代理驅動商務（agentic commerce）」推向主流市場。這項合作將把 Visa 的支付服務整合進 OpenAI 的平台中，讓使用者能直接將 Visa 信用卡與 ChatGPT 綁定。 這也代表，未來使用者在給予授權後，可以直接指示 AI Agent 代為完成線上購物，不僅涵蓋支付帳單、購買紙巾、尿布、雜貨或機票等日常消費，使用者甚至可以下達如「幫我尋找並買一副 150 美元以下的無線耳機」這類具體指令，由 AI Agent 協助完成搜尋與結帳。 事實上，這並非 OpenAI 首次嘗試進軍電子商務。去年底，OpenAI 曾推出「Instant Checkout」功能，讓 ChatGPT 扮演數位個人購物助理，但由於流程容易出錯，加上向商家收取高達 4% 的交易手續費而未獲廣泛採用，讓這項服務最終在今年 3 月畫下句點。因此，這次 OpenAI 與 Visa 的深度結盟，正是為了解決過去的痛點，重新打造一套可行的商業模式。 對 Visa 而言，這也是其 AI 佈局的延伸。Visa 早在去年就已宣布與 Anthropic 及 Microsoft 等公司合作開發 AI 產品，Visa 全球市場集團總裁 Oliver [&hellip;]</p>

氣候異常、原料波動、通膨壓力同時來：食品大廠 Cargill 如何用 AI 穩定供應鏈運作？

<p>近年來，全球食品產業面臨前所未有的挑戰。極端氣候影響農作物產量與品質，地緣政治與貿易摩擦持續干擾原料供應，通膨則推高食品生產成本。在消費者要求價格合理、兼顧美味與永續的情況下，傳統食品研發模式正面臨越來越大的壓力。 作為全球最大的農業與食品企業之一，成立超過 150 年的企業掌握全球糧食、農產品加工、食品原料與供應鏈網的 Cargill 近年積極將 AI 導入產品開發流程，希望透過資料驅動的方式加速創新，同時提升供應鏈韌性與市場應變能力。Cargill 研發資深總監 Renee Boerefijn 表示：「當前的競爭重點已經不是誰最快推出產品，而是誰能更快學習、更有效降低風險，並在複雜環境下維持穩定成長。」 以 AI 模擬成分組合，大幅縮減實體測試成本 Cargill 的做法是將 AI 與數位工具全面嵌入產品開發流程，涵蓋早期消費者洞察、概念發想、成分配方設計、量產規模化以及工廠營運等環節。 Cargill 特別強調感官科學與 AI 的結合。該公司透過獨家的「Heartbeat 感官智慧計畫（Heartbeat Sensory Intelligence Program）」，整合大規模消費者數據、專家評測小組以及產品配方模型，建立可預測消費者偏好的分析系統。這套機制能在產品正式上市之前，預測消費者對風味、口感與整體體驗的接受程度，協助研發團隊提前篩選最具潛力的方案。 過去食品研發往往需要進行大量實體測試，透過反覆試做與消費者調查尋找最佳配方。如今，AI 模型可先模擬不同成分組合可能產生的效果，讓研發人員在進入實驗室之前便掌握方向。這不僅降低實體測試次數，也縮短配方調整與產品優化所需的時間，讓新品開發流程更加有效率。 拒絕研發「無法量產」的空殼新品！AI 幫忙鎖定黃金配方 除了改善產品研發效率，AI 也被用來處理食品產業最棘手的問題之一：供應鏈不確定性。 食品業長期受到原料價格波動影響，近年氣候異常更進一步增加農產品供給風險。當研發團隊設計新產品時，即使配方表現優異，也可能因原料供應不足、成本過高或永續性考量而無法落地。因此，Cargill 將供應鏈與研發資料整合至同一套分析框架中。 透過 AI 模型，研發團隊能在產品開發初期即同步評估原料採購條件、市場價格變化與環境衝擊。例如某項原料未來可能因乾旱導致產量下降，或國際市場價格出現大幅波動，系統便能提前反映相關風險。團隊可及早調整配方策略，避免投入大量時間開發最終無法量產的產品。 這種做法讓產品設計不再只考量風味與功能，同時兼顧成本結構、供應穩定度與永續目標。對食品企業而言，能夠在研發早期預測這些變數，有助於提高產品上市成功率，也能降低後續供應鏈中斷帶來的衝擊。 Cargill 的實踐顯示，當消費者需求、供應鏈變化與永續壓力同時發生時，企業若能將感官科學、市場數據與供應鏈資訊整合進同一套 AI 決策系統，就有機會更快找到兼顧市場需求、成本控制與供應穩定性的解決方案，建立更具韌性的食品創新模式。 【推薦閱讀】 ◆ 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？ ◆ 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 [&hellip;]</p>

【哲學家也進科技業了】從 Claude 佈道者到首席 AI 長，在 AI 時代誕生的全新職位有哪些？

<p>當多數新聞聚焦在 AI 造成企業裁員時，宣布裁員的企業同時也正在大舉招募兩年前根本不存在的職位。 AI 時代正在出現哪些新職位 目前 AI 產業最搶手的角色，是前沿部署工程師（Forward Deployed Engineer）。這個職稱最早由 Palantir 在 2010 年代推廣，做法是把專精的工程師直接派駐客戶端，量身打造 AI 解決方案，而非交付現成軟體。 根據求職平台 Indeed 的資料，2026 年 1 月這類職缺的數量約是前一年的十九倍。OpenAI、Anthropic、Google、AWS 與 Palantir 都在搶人，起薪落在 11.5 萬到 20 萬美元以上。Palantir 執行長 Karp 曾把這個角色比喻成法式餐廳裡的資深侍者，既懂產品又能提供極致服務。 另一個出現速度同樣驚人的職位是 AI 佈道者。Anthropic 在找「Claude 佈道者」，要求至少七年的創辦人兼開發者經歷，開價 24 萬美元，遠高於美國公關總監約 10.6 萬美元的平均薪資。 OpenAI 把溝通團隊規模擴大了三倍，Adobe 也在徵「商業架構師暨 AI 佈道者」。背後的邏輯是，AI 產品太複雜、影響太重大，無法靠傳統行銷賣出去，必須由人親自解釋、示範並建立信任。 更讓人意外的是哲學家的需求。Anthropic 設有常駐哲學家，Google DeepMind 也有，兩者都聚焦於讓模型對齊人類價值。DeepMind 近期招募的 AI 倫理與安全新興影響經理，底薪介於 21.2 [&hellip;]</p>