TechOrange 科技報橘

台灣·持續收錄

標籤科技編輯標籤

今日收錄: 7篇
近 24 小時: 10篇
近 7 天: 47篇

媒體資料

刊登媒體: TechOrange 科技報橘
所屬地區: 台灣
收錄範圍: 台灣媒體 · 繁體中文
來源網站: techorange.com
月造訪量: 141,6052026/09
Radar 全球: 未入前 200,000 名
開始收錄: 2026/9/28
最新報導: 2026/11/10
最近更新: 11/10 13:54
流量資料: 2026/10/25 更新

流量與排名比較 →

寫法近 90 天

轉述貼文: 0.0%0 篇
標題用詞: 懸念 0.3%反應 0.0%攻擊 0.0%

看這家的轉述報導與各家比較 →

網站流量來源Similarweb · 2026/09

台灣訪客占 90%，約 127,763 次造訪

來源國家（前五）

台灣90%
美國3.1%
香港3%
新加坡0.7%
越南0.6%

導流來源

直接造訪42%
自然搜尋41%
其他網站連入6.5%
社群3%
展示廣告2.9%
生成式 AI1.9%
電子郵件1.5%
付費社群1.4%
付費搜尋0.1%

全台排名: 第 4,802 名
全球排名: 第 337,762 名
類別排名: 第 148 名 · Computers Electronics and Technology/Programming and Developer Software
跳出率: 53%
每次造訪: 1.4 頁
平均停留: 39 秒

整個網域的估算值，比例以造訪次數計，非精確 page views。

媒體關係

近 7 天

已比對 47 篇內文

6
引用其他媒體: 0
被其他媒體引用: 0
同署名跨站: 0
已註明來源: 2
未辨識稿源

主要關係對象12 家

彭博社2筆關係
路透社2筆關係
中央社1筆關係
太報1筆關係
民視新聞網1筆關係
法新社1筆關係
知新聞1筆關係
科技新報1筆關係

其餘 4 家 ↓

美聯社1筆關係
韓聯社1筆關係
NOWnews今日新聞1筆關係
PChome Online新聞1筆關係

直接文字比對引用對方被對方引用

在媒體關係圖查看 →

媒體關係

比對結果載入中…

報導關鍵字

近 7 天

較早收錄

本頁 60 篇 · 依收錄順序顯示摘要

【科技早餐】長鑫存儲拿下 Tencent，歐日 AI 主權與企業成本戰同步升溫
【科技早餐】今天精選 7 則國內外重要科技新聞。＊長鑫存儲拿下 Tencent，中國 AI 記憶體自給加速《路透》報導，中國記憶體廠長鑫存儲已與 Tencent 簽下長期供應協議，規模超過 200 億人民幣，約 29.4 億美元，合約期間為三到五年。這項協議主要涵蓋伺服器用 DRAM，對雲端、資料庫和 AI 工作負載都很關鍵。不過，目前還不清楚是否包含高頻寬記憶體 HBM。這項協議出現在全球記憶體供應緊張的背景下。Samsung Electronics、SK hynix 與 Micron 等主要記憶體廠，已陸續與重要策略客戶簽下長期供貨合約，客戶也更願意支付較高費用，確保 DRAM 供應。Apple 近期也傳出希望向美國政府申請採購長鑫存儲記憶體，但即使取得美方批准，實際供貨仍有變數，因為中國市場本身也面臨 DRAM 供應吃緊。隨著長鑫存儲準備推動上市，這類長期供貨協議也將成為觀察中國記憶體自給能力的重要指標。＊日本主權 AI 加速，鴻海、夏普卡位基建由軟銀（SoftBank）推動的日本國產 AI 專案細節曝光，夏普（Sharp）與大和房屋工業傳出也將投資研發主體的新公司，整體預計最多將有超過 40 家企業參與。這個專案目標是在 2027 年研發出日本最大規模的 AI 模型，參數規模上看 1 兆，核心股東包括 SoftBank、NEC、本田與 Sony，並鎖定製造、運輸、營建等應用場景。對鴻海來說，這也與日本 AI 伺服器布局有關。鴻海與夏普已簽署合作備忘錄，合作範圍包括 AI 基礎設施、能源、機器人、次世代通訊與智慧城市，雙方將優先探索 AI 伺服器業務。同時，日本也透過外交建立 AI 合作網。日本外務省表示，日本與法國已在巴黎舉行首次高階 AI […]
7/1 05:30作者 Anitahttps://techorange.com/2026/07/01/ai-memory-sovereignty-cost/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
台灣 AI 採用贏全球，產出成果卻落後一截？微軟揭企業 AI 的導入盲點
當 AI Agent 浪潮襲來，企業導入 AI 的賽局焦點已悄然轉變。微軟最新發表的《2026 工作趨勢指數》點出一個值得所有決策者警惕的發現：真正決定 AI 能否在組織內發揮效益的，已不是個別員工的能力，而是組織本身。這份報告由微軟連續第三年發布，橫跨 10 個國際市場、兩萬名 AI 使用者，涵蓋個人工作者、管理者與企業領導人，並結合 Microsoft 365 的匿名行為數據與 LinkedIn 全球人才網絡資料。台灣微軟總經理卞志祥指出，三年來焦點明顯轉變：第一年看的是「個人如何追上 AI 世代」，第二年看「企業如何跟上前沿企業」，而今年的核心命題是：企業要在這波浪潮中完成轉化，必須同時從個人、領導者、組織三個層面檢視端倪。個人層面：「前瞻專業工作者」的工作方式截然不同在個人端，微軟將佔全體 AI 使用者 16%、能為企業創造極高價值的進階使用者稱為「前瞻專業工作者」。報告發現，這些人過去三年最大的轉變是從追求效率，走向追求創意與決策。卞志祥觀察，他們不再只是用 AI 做資訊收集、快問快答，而是進入分析、推理、決策，甚至帶出實際動作的協作模式。值得關注的是，擅長與不擅長使用 AI 的差距，已經不是技巧問題，而是心態問題。報告揭露，全球前瞻專業工作者中有 80% 現在已能完成一年前無法企及的工作成果；有 53% 在開始工作前，會先判斷哪些任務適合交由 AI 執行，哪些應由人類負責；有 43% 會刻意在部分工作中避免使用 AI，以維持自身專業能力。卞志祥進一步和《TechOrange》分享這種「刻意不外包」的判斷：「最明顯的就是任務分派這一塊。我可以讓 AI 幫我做任務分配，是可以，但我不應該，甚至於不行讓他這樣做，因為這是身為管理者最核心的價值。」他強調，AI 給的建議因為有底層的關聯資料而非常精準，但他在向 AI 提問前一定會先自己想一想：「我不希望完全大腦外包。」卞志祥也提及，AI 是一個加速器，它不僅加速了時間，更放大了人與人之間在想法與能力上的差距。他解釋，目前的職場趨勢已經不再是探討「AI 是否會取代人類」或是單純的「會用 AI 的人取代不會用 AI 的人」。真正的關鍵在於，AI 帶來的效果會把人才的能力呈倍數拉開。如果把台灣單獨拉出來看，數據相當亮眼。台灣有 […]
6/30 18:37作者廖紹伶https://techorange.com/2026/06/30/ai-microsoft-2026-work-trend-index/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
機器人基礎模型市場價值上看 1,500 億美元：瑞士新創 Flexion Robotics 如何打造會拆解任務的 AI…
當前科技界正迎來一波人形機器人熱潮，包含特斯拉的 Optimus、波士頓動力的 Atlas 等數十款機器人，正積極準備進入市場。業界之所以如此執著於「人形」，是因為生活環境原本就是為人類量身打造，像是要轉動門把需要手，要爬樓梯則需要雙腳。特別是市場對人形機器人的期待，就是要真正走入工作場域並發揮價值，進一步完成開門、搬箱子等枯燥的日常雜事。然而，這也是當前人形機器人，最難跨越的門檻之一。為了解決這個實用性痛點，由前 NVIDIA 機器人研究人員所創立的瑞士新創公司 Flexion Robotics 提出全新的解方。與多數鑽研機械關節的硬體公司不同，Flexion 的核心重點是開發讓人形機器人能自主完成任務的「軟體系統」，打造一個能真正理解指令、拆解任務並串接行動的 AI 大腦。 Flexion 讓人形機器人從單點動作，到可以串接日常生活流程為了展示這個「AI 大腦」的潛力，Flexion 運用一台改裝過的 Unitree 人形機器人進行實際測試。《WIRED》報導，這款機器人能夠接收語音指令到樓下領取包裹，接著自行走樓梯、搭電梯回來，最後甚至能拆開包裹並把零食放進抽屜裡。這個任務的關鍵並不在於機器人學會某個單一動作，而是必須把取包裹、開門、移動、搭電梯、拆箱與整理物品等多個步驟，串連成一個流暢且完整的自動化流程。目前多數的人形機器人展示影片，通常只聚焦在摺衣服或上架等特定任務，且幕後往往高度仰賴人類進行遠端操控。然而，一旦把這些機器人放到不熟悉的環境中，遠端操控的方式便容易失效。相較之下，Flexion 的優勢在於能讓機器人先在模擬環境中學會各種基本技能，隨後再將這些技能組合起來，自主應用於真實世界中。如何打造人形機器人的大腦？Flexion 用強化學習連接任務與動作要達成這樣的高度自主性，Flexion 系統運作的核心在於結合不同的 AI 模型，其中的「主 AI」會先消化人類做事的影片，藉此學會什麼時候該採取什麼行動。這些影片的功能不是直接教導機器人如何完成每一個物理動作，而是教它在任務流程中應該依序採取的行動邏輯。例如，當主 AI 判斷任務需要開門或搭電梯時，系統就會呼叫機器人先前在模擬環境中學到的對應技能，並將其順利應用到現實場景中。同時，Flexion 的軟體也肩負控制機器人馬達的重任，確保機器人能夠平穩地走路、移動四肢並維持平衡。 Flexion 共同創辦人兼執行長 Nikita Rudin 表示，這套軟體的秘密武器是大量使用強化學習技術，從主 AI 模型、模擬環境到馬達控制，每一層的設計都是透過不斷地試錯來完成訓練，正如 ABI Research 分析師 George Chowdhury 所強調：「真正具有革命性的不是人形機器人本體，而是支撐它們運作的 AI 模型。」 Physical AI 為何還沒迎來 ChatGPT 時刻？資料、安全與泛化能力是難題儘管 […]
6/30 17:35作者李昀蔚https://techorange.com/2026/06/30/flexion-robotics/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
中國兩大實體 AI 新創估值同破 200 億人民幣，智平方、自變量力拚特斯拉
《Bloomberg》報導，中國人形機器人產業再掀投資熱潮，兩家新創公司完成新一輪募資後，企業估值均突破 200 億元人民幣，顯示資本市場持續看好 AI 與人形機器人發展，而中國正加速布局，力拚與美國特斯拉、Figure AI 等企業競爭全球市場。實體 AI 競賽白熱化，中國人形機器人累積募資破 460 億中國新創公司智平方（AI² Robotics）近日宣布完成近 50 億元人民幣融資；另一家獲阿里巴巴投資的自變量機器人（X Square Robot）也完成連續多輪募資，但未公布實際金額。完成募資後，兩家公司估值均躋身中國人形機器人產業最高梯隊。自變量機器人創辦人兼執行長王謙表示，公司自 2023 年成立以來，持續投入實體 AI 基礎模型自主研發，目前已在 AI 模型、資料管線建置及機器人實際應用等方面取得進展，相關技術已逐步導入商業場域。王謙指出，公司正建構涵蓋 AI 基礎模型、機器人硬體、模型驅動資料管線及實際部署的完整技術架構，藉由通用型實體 AI 模型提升機器人的感知、推理與自主執行能力，使其能適應家庭、工廠等複雜環境，進一步擴大 AI 的實際應用。《Bloomberg》提及，在人形機器人投資熱潮帶動下，創投基金、汽車製造商及國有基金近年持續加碼布局相關產業。根據北京研究機構 ITjuzi 統計，今年以來中國人形機器人相關企業累計募資金額已達 460 億元人民幣，超過去年全年水準，反映市場持續看好實體 AI 及人形機器人的發展前景。科技巨頭集體押注實體 AI，阿里巴巴、小米皆布局相關供應鏈除了資金持續挹注，中國機器人企業也加快資本市場布局。總部位於杭州的宇樹科技已於 6 月初獲准在上海辦理首次公開募股（IPO），募資規模約 42 億元人民幣，成為中國機器人企業上市潮的重要代表。中國正積極透過資金投入、產業化發展及技術創新，希望在人形機器人產業建立全球競爭優勢。《Bloomberg》指出，今年資金主要集中於機器人 AI 模型開發，投資人期待透過 AI 提升人形機器人的工作效率，使其具備更高的商業應用價值。目前中國已有超過 140 家企業投入人形機器人技術研發，產品應用涵蓋工廠製造及各類工作場域，目標是提升自動化程度，並在工作流程中取代人力。自變量機器人表示，最新一輪融資 IDG […]
6/30 13:33作者吳玟錡https://techorange.com/2026/06/30/x-square-robot-ai-robotics-secures-consecutive-financing-rounds/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
南韓砸逾 8,800 億美元打造 AI 國家隊：拆解台、日、韓的 AI 國力競賽
2026 年 6 月，不到一週之內，亞洲三個科技要角接連端出國家級 AI 投資藍圖。《BBC》報導，南韓總統李在明在 6/29 公布規模至少 8,800 億美元的「三大超級計畫」，另據《Reuters》，光是其中的半導體相關投資就逾 5,760 億美元。在這之前，日本高市早苗政府於 6/24 提出 15 年累計逾 370 兆日圓（約新台幣 74 兆元）的「官民投資路線圖」；而台灣行政院更早一步，在 6/23 啟動國家人工智慧戰略特別委員會，並以 4 年逾 1,300 億元新台幣推動 AI 布局。三組數字級距天差地遠，不過真正的差別不在金額，而在三國把錢押在不同的層次上，各自的盤算也不一樣。南韓：靠記憶體霸權，把錢重押在硬體與實體 AI 南韓的計畫規模最龐大。根據《Reuters》與《The Korea Times》報導，李在明把這套計畫定調為由半導體、實體 AI 與 AI 資料中心組成的「三軸」，稱其結果將決定南韓未來 20 至 30 年的命運。「我們必須比任何其他國家都更快掌握 AI 的核心要素，」李在明表示。「半導體、實體 AI（Physical AI）與 AI 資料中心，是實現大躍進的三大主軸。」在半導體這一軸，由三星電子與 SK 海力士參與其中，將投入 800 兆韓元（約 5,190 億美元），在南韓西南部各興建兩座記憶體廠，合計四座。《Korea […]
6/30 12:48作者廖紹伶https://techorange.com/2026/06/30/korea-japan-taiwan-ai-investment/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
從 8 小時到 22 秒就能破解！當 AI 變成駭客工具，你的公司準備好了嗎？（下篇）
企業正在用 AI 加速業務，攻擊者也正在用 AI 加速攻擊，但大多數公司的資安防護可能還沒跟上，上篇我們談到 AI 如何讓駭客的速度快到傳統資安可能來不及反應，這一篇，我們要談解法，當你的公司已經、或即將部署 AI 代理人，有哪些防禦架構值得現在就放進開發清單？ Google 在今年 Cloud Next ’26 上提出了一套新的防禦思維，核心概念只有一句話：要對抗 AI 攻擊，防禦也必須是 AI，這篇文章整理了 Google 針對代理人安全的三層架構，以及開發者現在就能對照的實務檢查清單。 Google 解方：以代理人對抗代理人的三層防禦面對這樣的全新攻擊面，Google 在 Next ’26 揭露的解法大概可以歸納為三個層次的防禦，分別針對「代理人本體」、「AI 應用」、「對外互動」，對開發者而言，這三層其實就對應到開發代理人時會碰到的三個階段：第一層保護代理人本體這三個能力整合在新發佈的 Gemini Enterprise Agent Platform 裡，直接對應前面提到的「代理人身份、行為、模型層」攻擊面。 Agent Identity 為每個代理人建立獨特身份與認證流程，並支援帶有範圍（scoped）的人類委派，白話來說就是每個代理人都有自己的「工作證」，誰派它來、能做什麼、不能做什麼，全部有跡可循，這解決的是影子 AI 的治理問題。 Agent Gateway 則是代理人流量的統一閘道，能理解 MCP 和 Agent2Agent（A2A）等代理人協定，對所有 agent-to-agent 和 agent-to-tool 的連線做政策審查，換句話說，代理人每次對外「伸手」，都會先經過這道關卡。Model Armor 是運行時的即時防護層，專門攔截提示詞注入攻擊、工具投毒，以及敏感資料外洩。它現在已整合進 Agent Gateway、Agent Runtime、LangChain […]
6/30 10:40署名 CloudMile 萬里雲https://techorange.com/2026/06/30/google-cloudnext26-hacker-agent-wiz-cloudfrauddefense/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
人形機器人民主化：Hugging Face 的 LeRobot 要讓任何人都能做真機 AI 實驗
要理解 Hugging Face 最新發布的 LeRobot Humanoid 專案在做什麼，得先知道機器人 AI 是怎麼訓練的。目前的標準流程是，先在電腦模擬裡讓虛擬機器人反覆練習走路，等 AI 學會了，再把它裝到真實機器人上測試。模擬這一步無論是誰都可以用電腦做到，但走到真機測試階段卻是少數專業實驗室的特權。一台商用人形機器人要價數萬美元，系統封閉，壞了不能自己修，想改裝也動不了。結果就是大量研究永遠停在模擬階段。 LeRobot Humanoid 是什麼 LeRobot Humanoid 目前的實體成果是，一雙約 2,500 美元、用 3D 列印零件和市售電子元件組成的人形機器人腿，也就是一個會站、會走的雙足下半身，還沒有手臂和軀幹。但這個專案真正要交付的不只是機械腿，而是一整套讓任何人都能「自己造一台機器人、拿它來訓練 AI」的完整工具包，包括設計圖、零件清單、組裝說明，加上模擬、訓練、控制所需的全部軟體，通通免費公開。結構零件全部用 3D 列印，壞了就重印一個；馬達和電路板都選市面上買得到的便宜型號；配線圖和組裝步驟逐一寫成文件。Hugging Face 機器人工程師 Virgile Batto 說，「如果你在找最先進的人形機器人，這不是。但如果你想要一台可以自己組裝、理解、修理、模擬、拿來做學習實驗的人形機器人，這就是我們想做的。」從硬體到軟體，每個設計都衝著同一個問題來硬體之外，團隊把配套軟體也一同公開。在電腦裡測試用的模擬環境、讓 AI 練走路的訓練環境、一套同時能操控虛擬機器人和真實機器人的控制程式，還有一個關鍵工具，可以把真機實際跑出來的數據拿回去修正模擬器，讓模擬愈來愈貼近現實。這對應的正是機器人 AI 最頭痛的「模擬到現實」（sim-to-real）問題：AI 在模擬裡練好的動作，搬上真機經常失靈。LeRobot 的整套設計，就是希望讓「模擬訓練、真機驗證、回頭修正模擬」這個循環，便宜到普通研究者也跑得起來。當能做真機實驗的人，從幾十個實驗室變成幾千個團隊，整個領域累積知識的速度就會不一樣。 Hugging Face 一貫的打法：把技術攤開，讓社群接手這不是 Hugging Face 第一次做這種事，執行長 Clem Delangue 曾向《TechCrunch》說明其動機，就是要讓機器人變得便宜，並避免這個產業被少數大公司壟斷。換句話說，這正是 Hugging Face 一貫推動的「機器人民主化」策略，把過去只屬於少數實驗室的完整研究流程，變成任何人都能展開的實驗。在這雙機械腿出現之前，公司已經開源過一支 3D […]
6/30 09:28署名 LChttps://techorange.com/2026/06/30/3d-printable-humanoid-legs/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【AI 代理資安漏洞】繼承了員工權限、卻不隨員工離職而消失，AI 代理成身分治理盲區
隨著具備自主行為能力的 AI 代理登場，它不僅為身分識別增添了全新類別，更徹底打破了傳統藩籬，即便權限不斷被繼承，但卻沒有任何單一工具，有能力對此進行端到端的資安監控。
6/30 09:29作者 Minhttps://techorange.com/2026/06/30/identity-security-ai-agent-governing/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
資安長看不到的「暗物質」：放手讓 AI 自動修補前，先過 5 道門檻
當企業決定讓 AI Agent 自動接手資安工作，例如調查可疑事件、隔離有問題的設備，甚至直接修補漏洞，聽起來是資安效率的一大躍進，但在按下這個開關之前，有件事比模型聰不聰明更值得先確認：這個 Agent 用來做判斷的那份資料，到底完不完整。根據《VentureBeat》報導，這當中藏著一個容易被忽視的問題：資安防護通常靠一支安裝在每台裝置上的「小程式」來監控與回報狀態，但是這套機制有先天死角：如果某台裝置根本沒裝這支程式，管理後台就完全不會顯示它的存在，自然也無從監控。換句話說，你看到的覆蓋率，永遠只是「已知範圍內」的覆蓋率。過去這個死角靠人工來補。舉例來說，當儀表板顯示 98% 的裝置都受到防護，一名資深分析師會本能地懷疑剩下那 2%，但換成 AI Agent，它不會加以懷疑，而是把這個數字當成事實，然後高速照著行動。這也是為什麼，企業要先確認的不只是 AI 判斷能力，而是它腳下的那塊地基穩不穩。願意放手的有 52%，坦言資料有缺的卻有 63% 近期幾份來自不同單位的研究，從不同角度指向同一個矛盾：企業正準備把決策權交給 AI Agent，卻同時知道自己餵給它的資料並不可靠。這個矛盾，顯示在 Axonius 與 Ponemon Institute 合作、訪問 662 位 IT 與資安專業人員的《2026 Actionability Report》報告。報告發現，52% 的受訪者願意讓 Agent 依建議自主行動，但同一群人裡，有 63% 坦言自己的底層資料缺了重要資訊。等於企業一手準備放手，一手清楚知道地基不穩。資料為什麼不可靠？同一份報告給了兩個原因。其一是「缺」：企業的裝置清單裡平均有 12.7% 少了該裝的防護程式。以一間近 30 萬台裝置的公司來算，就是數萬台端點落在所有防護與偵測規則之外，而 AI 的每個判斷都建立在它看不到的那部分上。其二是「亂」：就算資料收進來了，各系統也未必一致，37% 的組織每天或每月會碰到同一台資產在不同系統裡對不起來，一邊標「正式環境伺服器」、另一邊標「測試資料庫」，光釐清哪邊才對就比修問題還久。還有一個原因，是這片看不見的範圍還在擴大。Axonius 執行長 Joe Diamond 形容，資安長平均只看得到公司網路的一半，另一半他稱為「暗物質」，沒人說得清那是什麼、誰能存取、安不安全。而把暗物質越養越大的，正是「Shadow AI（影子 AI）」，也就是員工繞過採購、自己裝來用的 AI […]
6/30 09:53作者廖紹伶https://techorange.com/2026/06/30/autonomous-security-ai-agents-data/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【科技早餐】AI 算力不夠了，Google 卡 Meta、南韓 800 兆韓元擴產記憶體
【科技早餐】今天精選 7 則國內外重要科技新聞。＊Google 卡 Meta 用 Gemini，AI 巨頭也缺算力根據《金融時報》報導，Google 已經限制 Meta 使用旗下 Gemini AI 模型，原因是 Meta 想購買的算力規模，超過 Google 能供應的能力。知情人士透露，Google 已告知 Meta，無法提供 Meta 想要的全部 Gemini 算力，這項限制影響 Meta 內部部分 AI 專案進度，也讓 Meta 要求員工提高 token 使用效率。除了 Meta，還有其他 Google Cloud 企業客戶受到算力限制影響，但 Meta 因為需求量特別高，受影響程度更明顯。 Meta 最初選擇 Gemini，是因為 Gemini 表現優於 Meta 自家的開放模型 Llama。知情人士也透露，Meta 近期已開始調整優先順序，提高新的自研模型 Muse Spark 的重要性。Google 執行長皮查伊（Sundar Pichai）先前在財報電話會議上也承認，Google 短期內面臨算力受限，如果能滿足所有需求，雲端業務營收原本會更高。這代表取得足夠算力，已經成為 […]
6/30 05:30作者 Anitahttps://techorange.com/2026/06/30/ai-compute-memory-supply-crunch/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
導入 AI 卻聘回 350 名資深工程師？福特坦言單靠 AI 解不了的品質難題
當外界討論 AI 將取代知識工作者時，福特汽車卻逆向操作，把退休和資深工程師找了回來。過去三年，這家車廠回聘、新聘或拔擢了約 350 名資深工程師，許多是曾經離開的老員工或來自供應商的老將，任務是帶領年輕員工，並且重新調校那些「無法做好工作」的 AI 與自動化工具。這家正全力導入 AI 的車廠，為什麼會公開承認光靠 AI 與自動化，並不足以解決品質問題呢？背景來自市場研究機構 JD Power 最新發布的新車品質調查，福特拿下主流品牌第一，整體僅次於 Porsche 與 Genesis 兩個豪華品牌，並小幅領先長年名列前段的 Lexus。這項調查衡量的是車主在購車後前 90 天內回報的問題數，福特的成績是每百輛車 152 個問題，領先 Nissan 與 Buick。對照之下，三年前福特在同一份調查裡還排在 25 家主要車廠的中後段，這次的進步幅度是同類品牌中最大的。為了慶祝登上主流車廠之首，福特談起近年面臨的挑戰，尤其是在生產與設計上對自動化系統的依賴。福特車輛硬體工程副總裁 Charles Poon 告訴外媒：「AI 是很好的工具，但它的好壞，完全取決於你拿來訓練它的資料。」他坦言，過去幾年福特誤以為只要導入 AI、把既有的設計需求餵進去，就能產出高品質產品，卻沒有給予最有經驗工程師的判斷足夠的重視。不是 AI 有問題，是經驗在被寫進系統前流失了福特口中的「AI 不夠」，問題不在 AI 本身。Poon 解釋，問題在部分最有經驗的人員，在他們累積的判斷被完整轉移進自動化系統之前就離開了公司。少了數十年工程判斷餵進去當訓練資料，福特的自動化工具學到的本來就是不夠扎實的東西，於是把這些弱點一路放大，而不是在設計階段就把瑕疵擋下來。為什麼經驗會這樣流失？得從福特的人力變化說起。自 2020 年的雇用高峰以來，福特減少了約 5,300 個受薪職位，這是底特律車廠白領收縮潮的一部分，整個底特律已裁減超過兩萬個白領職位。值得一提的是，福特執行長 Jim Farley 曾公開預測，AI「將取代全美一半的白領工作」，但自家這場品質危機，反倒打臉這項預測。除了人力流失，還有幾件事讓品質問題雪上加霜。福特坦言，Explorer 與 Aviator 兩款車的上市過程並不順利，加上疫情期間的供應鏈中斷，都讓狀況更為明顯。福特營運長 […]
6/29 17:40作者廖紹伶https://techorange.com/2026/06/29/ford-ai-senior-engineer/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
出口暴增 75% 卻僅增千個職缺：南韓半導體高中爆紅，高薪職涯入口背後藏什麼風險？
全球 AI 熱潮正在加速推升記憶體晶片的需求，使半導體成為南韓當前最受矚目的職涯選項。由於股價飆升，三星電子（Samsung Electronics）、SK 海力士（SK Hynix）的員工不僅獲得高額獎金，在求職與婚戀市場的身價也水漲船高，從過去的 B+ 或 A- 等級，躍升為與醫師、律師齊名的「A+」頂尖理想對象。然而，這場將「進入科技巨頭工作」視為「階級躍升」的熱潮背後，折射出南韓社會的深層焦慮。因為半導體製造本質上是一門高度依賴資本的產業，而非勞力密集產業，所以當許多民眾試圖擠入這道高薪窄門時，產業內部的自動化趨勢，卻讓未來的就業前景充滿變數。三星、SK 海力士為何成為韓國青年新目標？現在南韓掌握全球超過 60% 的記憶體晶片供應，這些晶片是支撐先進 AI 系統的關鍵。2025 年南韓半導體出口額達到創紀錄的 1,730 億美元，今年更有望翻倍成長。儘管三星過去以智慧型手機與電視聞名，但如今其絕大部分利潤皆來自晶片，業界預估今年營業利潤將達約 2,000 億美元，較去年飆升 7 倍。然而，這股晶片狂熱卻掩蓋南韓經濟在其他領域的嚴峻困境，像是傳統製造業與建築業正苦苦掙扎，整體經濟在過去一年內流失約 4 萬個工作機會，青年失業率也攀升至近年新高。在 15 至 29 歲南韓青年失業率提升至 6.1% 的就業焦慮下，半導體產業成為少數能提供長期安全感的職涯避風港。例如，由於近年的高額獲利，部分三星晶片部門員工甚至有望獲得高達 41.6 萬美元的績效獎金，相較之下，南韓勞工 2024 年的平均年薪僅約 2.97 萬美元，凸顯了極端的財富差距。這種財富對比與就業焦慮，促使南韓補習班開始開設專門課程，全力協助求職者準備這兩大晶片巨頭的面試。畢業就業率 96.4%，半導體高中成為高薪職涯入口為了擠進這道高薪窄門，越來越多年輕人選擇放棄傳統的大學升學路線，轉向技職教育。例如，位於南韓陰城郡的「忠北半導體高中」，就成為全南韓最熱門的學校之一。這所成立於 2010 年的學校，是南韓最早專門培育半導體製造人才的高中，其畢業生就業率高達 96.4%。在過去一年，忠北半導體高中的入學詢問度激增三倍，甚至吸引同樣正在推動本土晶片產業的中國媒體前來參訪。在校內實驗室裡，忠北半導體高中的學生必須反覆練習使用儀器轉移極度易碎的矽晶圓。一片空白晶圓要價約 180 美元，一旦刻上電子迴路後價值可能高達數千美元，容不得一絲失誤。這裡的競爭非常激烈，想進入兩大廠必須滿足成績門檻：三星只考慮班級排名前三分之一的學生，SK 海力士的要求更高，只看前四分之一。在這場競爭中，每年僅有約 20 名頂尖的高一新生，能直接透過三星、SK 海力士的獎學金計畫被提前招募。未能取得獎學金的其餘學生，若想爭取入職機會，不僅要投入競爭激烈的全國招募考試，還必須具備外語能力、考取至少三張技術證照，並完成 […]
6/29 17:49作者李昀蔚https://techorange.com/2026/06/29/korea-chip-high-school/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
成本只要五分之一、能力逼近 Anthropic：中國 GLM-5.2 如何改寫企業 AI 戰場？
目前在全球 AI 競賽中，美國頂尖模型與中國之間的能力差距已顯著縮小。過去，如 Anthropic 與 OpenAI 等西方 AI 領頭羊，多半是圍繞高單價的優質產品，建立龐大的企業業務。然而，由香港上市企業 Z.ai 所推出的最新大型語言模型 GLM-5.2，正被業界視為另一個顛覆市場的「DeepSeek 時刻」。儘管 DeepSeek 先前已證明可以用更低的成本建立複雜的模型，但 GLM-5.2 進一步將戰場鎖定在企業客戶，是專為長時間運行、使用工具的 AI 代理所打造的基礎設施。同時，這款 GLM-5.2 模型更迫使過去領先的美國 AI 巨頭面臨一個難以迴避的商業現實：當模型能力足夠接近時，控制權與成本優勢可能比品牌光環，更能左右企業的最終選擇。美國的出口禁令，意外成為亞洲模型的戰略破口 GLM-5.2 的崛起，恰逢美國高階 AI 模型面臨存取震盪的關鍵時刻。先前，Anthropic 因川普政府指令撤下 Fable 與 Mythos 級模型，OpenAI 也在政府要求下限制 GPT-5.6 僅供受信任夥伴使用。這項出口禁令生效後所留下的市場空缺，正逐漸被日本與中國的公司填補。在東京，Sakana AI 趁勢推出 Fugu 模型，瞄準希望降低出口管制風險的日本企業與政府機構，藉此協助客戶避免過度依賴單一美國供應商。同時，Fugu 模型也特別針對日語與日本文化進行優化，Sakana AI 執行長 David Ha 指出，國家基礎設施依賴單一模型供應商的風險極高，因此採用模型編排（Model Orchestration）與集體智慧，正是防範頂尖模型存取權一夕消失的實用避險策略。  與此同時，中國資安公司奇虎 360 推出名為 Tulongfeng 的 AI […]
6/29 13:17作者李昀蔚https://techorange.com/2026/06/29/zai-glm-52-open-weight-ai-cost-pressure/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
連 Meta 都買不夠算力：Google 一道限令揭 AI 產業真正瓶頸
在社群媒體巨頭 Meta 尋求比競爭對手 Google 所能提供的更多運算能力後，Google 限制了 Meta 對其 Gemini AI 模型的使用。這再次證明，即使是世界上最大的 AI 供應商，也同樣面臨基礎設施的限制。據《Financial Times》報導，Google 在今年三月前後告知 Meta，無法供應這家社群巨頭想採購的全部 Gemini 算力，這項至今仍未解除的限制，已經打亂並延後了 Meta 數個內部 AI 專案。這起事件也意外揭開了一個正在轉變的競爭邏輯：真正稀缺的資源，已經不是模型，而是支撐模型運轉的算力。連 Meta 都買不夠：一紙限制令揭開產業瓶頸《Financial Times》指出，受到這波限制影響的並不只有 Meta，Google 還有其他幾家客戶也同樣受到波及，只是程度較輕；Meta 之所以衝擊特別嚴重，是因為它對 Google 模型的需求異常地高。此外，由於這些限制加上撙節 AI 成本的整體考量，Meta 已要求員工更有效率地使用 AI token，也就是衡量 AI 用量的計算單位。《Financial Times》分析，Google 對一家大型客戶的模型存取設下上限，這個決定罕見地讓外界得以一窺整個 AI 產業正在累積的基礎設施壓力與瓶頸。即便砸下數百億美元投入晶片、資料中心與電力，連最大的幾家科技公司，都難以取得足夠的運算能力來支應對先進模型與 AI 服務急速攀升的需求。根據報導，Meta 當初選用 Gemini，是因為它的表現優於自家的 Llama 開源模型。Gemini 在 Meta 內部被用於自動化部分安全流程，例如揪出詐騙、下架有害內容，也用於客服與廣告協助的聊天機器人，以及部分工作流程與程式開發，與 […]
6/29 12:10作者廖紹伶https://techorange.com/2026/06/29/googe-meta-gemini/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
從 8 小時到 22 秒就能破解！當 AI 變成駭客工具，你的公司準備好了嗎？（上篇）
過去三年間，攻擊者從「取得初始存取權」到「交接給下一波攻擊者」的時間，從原本的 8 小時大幅縮短到 22 秒。這是 Google 旗下資安情報單位 Mandiant 在《M-Trends2026》報告中最新的研究，22 秒甚至比資安分析師「打開告警頁面 → 確認 IP → 回報主管」所需的時間還短。當駭客將 AI 用做可短時間內大規模的攻擊武器，譬如使用 LLM 產生高度擬真的釣魚內容、自動化偵察、甚至把 LLM 直接嵌入惡意程式；而與此同時，企業們為了加速導入 AI 代理人（AI Agent），一股腦地將敏感資料、核心業務流程、對外交易權限，交給這些自主運作的代理人處理。企業一邊用 AI「加速業務」、攻擊者一邊用 AI「加速攻擊」，而夾在中間尚未「加速」的，便是傳統以人為核心的資安維運流程。 Google 在今年 Google Cloud Next ’26 上指出「要對抗駭客型 AI，中間層級的資安維運流程也必須要有 AI 協助。」並聚焦在「代理式防禦（Agentic Defense）」傳統資安維運（SOC）中，第一線（Tier 1）的自動化過濾已經相對成熟，但中高階（Tier 2/3）的威脅獵捕、事件根因分析和複雜應變流程，過去高度依賴資深人力，然而中間層級的分析師若沒有 AI 可能將無法跟上駭客的速度。一個指令就能劫持 AI 代理人，AI 最脆弱的攻擊入口在這裡企業每多部署一個 AI 代理人，就可能向駭客多開了一扇門，傳統的資安防護保護網路、設備、帳號、資料庫這幾個固定關卡，但 AI 代理人會自主規劃、呼叫工具、存取資料、代替人做決定，它帶來的風險入口遠比這些複雜，以下幾種攻擊類型，在 Google 旗下資安團隊 GTIG（Google […]
6/29 11:44署名 CloudMile 萬里雲https://techorange.com/2026/06/29/ai-hacker-aiagent-google-honestcue/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
語言模型輸了，工廠或許還沒：歐洲能靠工業 AI 打一場翻身仗嗎？
歐洲在消費 AI 的競賽上已經輸了，這一點幾乎沒有爭議，但在工廠裡情況還沒有定論。當語言模型的發展被美國與中國遠遠甩開，歐洲製造業正在押注一個不同的問題：如果 AI 的戰場從聊天機器人轉移到生產線，超過百年累積的工業數據與製造專業，能不能成為一張有效的底牌？消費 AI 輸了，工業 AI 還是開放競局德國經濟部長 Katherina Reiche 在今年 5 月直白指出：「我們可能已經輸掉開發最佳語言模型的競賽，這一點很清楚。但我們絕對還沒輸掉將 AI 整合進企業的競賽。這是主權、競爭力與這個地區生存的問題。」歐洲在消費 AI 領域已明顯落後美國與中國，但在工業與製造應用領域，根據智庫 Interface 今年 5 月的報告，歐洲 AI 新創活動強於美國。 Mistral AI 這家歐洲最具代表性的 AI 新創，也正將重心轉向工業應用。更重要的是，Siemens、Schneider Electric、Dassault Systèmes、ABB 等在全球製造業深耕逾百年的工業巨頭，正在將 AI 嵌入自動化產品與軟體，協助工廠提升生產效率與競爭力。歐洲的底牌，或許是超過百年累積的製造業數據與領域專業，而這是中美短期內難以複製的資產。這個主權意識也已從廠商心態上升到立法層次。歐盟近年推動主權 AI 與雲端相關法規，執委會主席范德賴恩明確表示：「我們無法依賴他人來維持醫院運作、電網穩定與服務安全」；歐盟科技主管 Henna Virkkunen 更警告「斷路器」風險，意即外國政府或企業可能關閉或中斷關鍵服務。工業 AI 的核心應用目前集中在三個方向：預測性維護（在設備故障前透過數據分析偵測異常）、數位孿生（建立工廠或機械的虛擬複本用於模擬與測試），以及 AI 代理系統（監控運營、提出建議，甚至自主調整機械設定或協調工作流程）。落地比宣傳難：資金、人才與標準化三重門檻然而，從個別成功案例到全面部署，距離遠比數字看起來的大。Schneider Electric 施耐德電機工業自動化服務資深副總裁 Cecile Vercellino […]
6/29 10:26作者歐尚恩https://techorange.com/2026/06/29/ai-for-industry-europe/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
全球油氣廠可能需要 10 萬台巡檢機器人：能源巨頭 Shell 與 BP 如何用 Physical AI 迎戰缺工與工…
一場由自動化技術驅動的變革，正在全球能源產業的危險前線展開。面對管線老化、氣體洩漏與化學品外溢等難以預測的工安威脅，油氣與化工廠正逐漸將高風險的現場巡檢與維護工作，交接給機器人與無人機執行。根據專門為高危險環境研發自主巡檢機器人的 ExRobotics 估計，全球油氣廠與化工煉製設施，最多可能需要部署高達 10 萬台機器人來執行這類巡檢任務。這些自動化設備不僅能代替人力深入險境、為工安把關，更能不間斷地捕捉關鍵數據，成為企業突破營運效率瓶頸的核心助力。根據西門子（Siemens）的估算，無預警停機的時間目前會消耗全球大型工業公司高達 11% 的總營收，對於一家中型油氣廠而言，短短 3.5 天的停機就可能造成超過 500 萬美元的巨大損失，這也讓自動化巡檢的穩定性顯得至關重要。油氣業為何迫切需要 Physical AI？缺工、經驗斷層與高風險挑戰浮現 ExRobotics 執行長 Mark Mildon 表示，隨著嬰兒潮世代與 X 世代員工陸續退休，他們也將多年累積的寶貴現場知識一起帶走。在這樣的背景下，機器人與 AI 的一大優勢，便是能夠將這些老師傅的技能數位化，並讓作業標準變得一致且可重複。此外，受到勞動力老化，以及年輕人對化石燃料產業抱持懷疑態度的影響，油氣廠與煉油廠的夜班人員也愈來愈難招募。Mark Mildon 舉例說明，如果一名煉油廠操作員要目視檢查類比儀表，通常需要耗費 90 分鐘到 2 小時，相較之下，機器人能有效接管這些重複性極高的工作，協助釋放寶貴的人力資源。巡檢機器人的高門檻：具備防爆認證與危險場域作業能力然而，要將自動化設備導入油氣產業並不容易，ExRobotics 機器人的最大差異化優勢，就在於取得危險場域的作業認證，確保其能在具有爆炸風險的極端環境中安全運作，像是其取得的 UL 6260 認證關鍵，就在於能確保機器人本身不會成為引發爆炸的點火源。 ExRobotics 這款造價達 30 萬美元的機器人，大腦由兩顆 NVIDIA Jetson Xavier NX 晶片所驅動，一顆專門處理相機影像，另一顆則負責通訊模組。例如 ExRobotics 通過 UL 認證的 ExR-2.5 巡檢機器人，目前已可在北美爆炸性環境中安全作業，也能在上下游、陸上與離岸等各種場域中，執行安全巡檢與即時資料蒐集任務。為了順利拓展北美市場，ExRobotics 也與 MicroWatt 達成獨家合作，提供在地的專業知識與部署支援。 […]
6/29 11:02作者李昀蔚https://techorange.com/2026/06/29/exrobotics-shell-bp/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
美國工程師招募逆勢成長 7%，設計、行銷卻雙雙腰斬：AI 重塑了誰的飯碗
AI 是否已經開始取代工作，目前正引發激烈的爭論。根據再就業顧問公司 Challenger, Gray & Christmas 的統計，今年 5 月，科技業裁員創下數年來的單月新高，理論上，在這波浪潮中最受衝擊的是被 AI 寫程式工具快速滲透的軟體工程，但創投機構 SignalFire 的〈2026 人才現況報告〉顯示出正好相反的情況。 SignalFire 報告顯示，工程反而是科技業裡最具韌性的職能。同一份數據也揭露一件更值得關注的事：AI 沒有讓工程師消失，而是正在重塑整個科技業的人才結構。《TechCrunch》報導，SignalFire 研究主管 Asher Bantock 觀察到一個矛盾：許多裁員都把理由歸給 AI，強調一名工程師如今能完成過去數人的工作量，但實際招聘數據卻與這套說法對不上。SignalFire 追蹤逾 8 千萬家公司、數百萬名員工的職涯動向，並刻意採用招聘數據而非裁員數據，因為員工常在被裁後延遲更新狀態，使裁員數字難以即時反映真實情況。「AI 程式碼末日」砍向設計與行銷，不是工程師數據顯示，大型科技公司整體招聘量較 2019 年減少 25%，但工程職位僅下滑 11%。換算占比，工程師如今占新聘人員的 55%，高於 2019 年的 46%。在早期新創，工程招聘不減反增，成長 7%，同期設計下滑 22%、行銷下滑 18%。Bantock 指出，若 AI 真在取代工程人力，工程招聘理應最先下滑，但數據恰恰相反。業界判讀也在轉向。NVIDIA 執行長黃仁勳今年 4 月於史丹佛商學院訪談中反駁 AI 將取代工程師的說法，表示當工程師全面改用代理式 AI 後反而更忙碌，因為 AI 幾乎能即時寫出程式碼，工程師被持續推著去產出「下一個點子」。這呼應了 Jevons 悖論：效率提升不會減少需求，反而因工作量擴張填滿新產能而增加。 […]
6/29 09:49作者廖紹伶https://techorange.com/2026/06/29/ai-engineering-jobs/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【AI 增能 vs. AI 取代】裁員不是唯一解，施耐德用「人機協作」改革客服與產品製造
史丹佛大學數位經濟實驗室主任指出，許多人誤以為 AI 提升生產力的唯一途徑，僅僅只有削減勞動力成本，例如開除員工，但施耐德電氣正以 AI 人機協作提高效率成為最佳案例。
6/29 09:50作者 Minhttps://techorange.com/2026/06/29/ai-schneider-electric-productivity/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【科技早餐】OpenAI 新模型先過政府關，蘋果漲價與美歐晶片聯盟同步升溫
【科技早餐】今天精選 7 則國內外重要科技新聞。＊OpenAI 新模型先審核，IPO 傳延到 2027 OpenAI 下一款 GPT-5.6 模型，據傳將改變過往直接開放給大眾使用的釋出方式。根據《The Information》報導，OpenAI 執行長 Sam Altman 告訴員工，新模型預覽階段將先交給一批經過挑選的客戶夥伴測試，政府也會逐一審核客戶，決定哪些對象可以先使用。報導指出，相關要求來自美國國家網路總監辦公室，以及白宮科技政策辦公室。這代表美國政府據報正更直接介入前沿 AI 模型的釋出節奏。若有限度釋出順利，OpenAI 希望數週後再讓新模型更廣泛開放。同一時間，《紐約時報》報導，OpenAI 原本有望今年上市，但在科技股波動，以及 SpaceX 上市後股價震盪影響下，投資銀行建議公司把 IPO 時程延後到 2027 年。OpenAI 目前一邊面對模型釋出的政府審核，另一邊也要等待更合適的資本市場窗口。＊蘋果漲價，美光示警記憶體荒不是一天造成蘋果（Apple）宣布調漲多款 Mac 與 iPad 產品價格，顯示記憶體與儲存成本上升，已經反映到終端產品售價。根據多家外媒報導，蘋果表示，漲價不是受歡迎的消息，公司正努力尋找解方，但也表示，從未見過零組件價格在這麼短時間內快速上升。這波壓力，和 AI 資料中心大量搶占記憶體與儲存產能有關，多家研究機構與外媒都指出，AI 資料中心需求正在推高記憶體與儲存晶片價格。同一時間，美光（Micron）首席商務長 Sumit Sadana 接受專訪時也指出，上一輪記憶體市場低迷時，部分客戶以非常激進的價格採購，壓低供應商利潤，也讓產業投資放緩。雖然他沒有點名蘋果，但外媒解讀，這反映大型客戶長期壓低採購成本，可能也是如今供需失衡的背景之一。＊歐盟加入美國 AI 晶片聯盟，科技主權陷兩難歐盟執行委員會代表 27 個成員國，正式簽署由美國主導的「矽盛世宣言」（Pax Silica）倡議，象徵美國與歐盟在 AI 晶片與關鍵供應鏈安全上擴大合作。根據《路透》報導，歐盟經過數月內部協商後，同意由歐執委代表簽署，但前提是美方確認這項宣言不具法律約束力。歐盟也要求美國承諾，不對相關成員國祭出 AI 晶片出口限制，避免部分歐盟成員國被排除在先進 AI 晶片供應之外。 […]
6/29 05:30作者 Anitahttps://techorange.com/2026/06/29/openai-apple-ai-chip-supply-chain/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
極致便利 vs 感官探索：麥肯錫拆解 AI 時代的實體門市生存策略
生成式 AI 正快速改變消費者的購物方式，也重新定義實體店存在的價值。根據麥肯錫（McKinsey）與國際購物中心協會（ICSC）針對 3,000 多名美國消費者的最新調查，AI 逐漸參與商品搜尋、比較、補貨，甚至直接代為下單，消費者進入實體店的理由正在改變。實體門市依然是零售的重要據點，但在 AI 時代，消費者每一次走進實體店，都會重新衡量這趟旅程是否值得，因此門市將逐漸分化成兩種截然不同的定位：追求效率的便利型門市（Convenience-oriented），以及強調探索體驗的探索型門市（Discovery-led）。便利型門市：以數據與速度為核心，做 AI 與消費者超強後援便利型門市服務的是已經決定購買商品的消費者。他們通常出門前就已利用 AI 或數位工具確認庫存、比較價格、搜尋優惠，希望快速完成購物。對這類門市而言，速度與可靠性是最重要的競爭力。店內動線需要縮短至最有效率的路徑，熱門商品必須維持高度準確的庫存資訊，方便消費者或 AI 助理即時查詢；同時提供流暢的行動支付、自助結帳、路邊取貨（Curbside Pickup）與退貨服務，降低每一個可能造成等待的環節。報告也建議，零售商可利用數位孿生（Digital Twins）模擬門市動線與營運流程，在真正調整賣場之前先完成最佳化設計。同時結合 AI 需求預測分析人流與購買模式，安排更精準的人力配置，提升庫存可靠度與服務效率，讓實體店成為高效率的履約節點。探索型門市：打破演算法限制，用體驗與客製化服務創造線下價值另一類探索型門市則肩負完全不同的任務。當 AI 幾乎可以回答所有商品資訊與規格比較，消費者願意花時間走進門市，往往期待的是演算法無法提供的體驗。研究發現，Z 世代與千禧世代特別偏好快閃店、限定聯名、策展式商品陳列、展示間（Showroom）等具有新鮮感的購物環境，也希望商場周邊結合餐飲、社交與社區空間，讓逛街成為休閒活動的一部分。根據品牌體驗公司 Event Marketer 數據，66% 的消費者在參加線下活動並與品牌互動後，更有可能購買該品牌的產品，意味著精心策劃的活動帶來的收益是真實且可衡量的。因此，探索型門市的核心目標並非提升結帳速度，而是延長消費者停留時間。零售商可透過輪替式商品展示、品牌合作、沉浸式空間設計，以及跨品類陳列，引導消費者漫遊與發現更多商品。同時，店員也需要 AI 工具協助提供更高品質的服務。麥肯錫指出，過去僅見於精品品牌的客製化服務，如今可透過 AI 大規模導入一般零售門市，讓店員即時掌握會員資料、商品庫存、消費偏好與最佳推薦方案，提供更貼近個人需求的導購體驗。零售商贏在未來的轉型三部曲：定位、賦能與人才 AI 改變的不只是消費旅程，也迫使零售商重新思考門市管理方式。報告認為，過去依照坪數或地區採用同一套經營模式，已難以因應新的市場環境。如果每一家店都想兼顧所有功能，往往每一項能力都無法做到最好。因此，麥肯錫提出三項關鍵策略。第一是精準定位，每一家門市都應依據數據分析明確定義角色，例如便利樞紐、體驗旗艦或物流履約節點，並清楚決定哪些服務不提供，避免資源分散。第二是科技賦能，依據不同門市定位導入適合的數位工具，例如便利型門市強化即時庫存、數位孿生與 AI 排班；探索型門市則利用智慧試衣間、AI 導購、商品推薦等技術提升互動體驗。第三則是人才轉型，便利型門市需要具備跨職能能力的店員，能快速支援補貨、取貨、結帳與客服；探索型門市則培養更具商品知識與顧問能力的專業人員，並熟悉 AI 客戶管理工具，提供更深入的服務。麥肯錫認為，AI 並不會讓實體零售消失，反而會讓每一家店的定位變得更加鮮明。當商品搜尋與例行採購逐漸交由 AI 完成，真正吸引消費者走進門市的理由，只會集中在兩件事：極致便利，或值得親身體驗的探索價值。對零售商而言，能否讓每一家門市都有清楚且一致的使命，將決定實體零售在 AI 時代是否仍具有競爭力。【推薦閱讀】 ◆ PepsiCo 41 […]
6/26 18:23作者 Arielhttps://techorange.com/2026/06/26/shopping-in-the-age-of-ai/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
AI 資料中心引爆新一波通膨：從記憶體到電力成本升溫，Apple、Xbox 漲價只是開始？
AI 熱潮不只讓科技巨頭的資本支出大幅增加，如今更成為美國新一波的通膨壓力來源。根據全國企業經濟學家協會（NABE）的調查，高達 81% 的受訪經濟學家認為，AI 建設將在未來一年內推升通膨。《華爾街日報》報導，隨著大規模興建 AI 資料中心，記憶體、儲存晶片、電力與工程人力等成本正加速升溫。例如，近期 Apple 調漲 Mac 與 iPad 價格，以及 Microsoft 再度調漲 Xbox 售價，都顯示這波龐大的成本壓力已開始傳導至終端硬體市場。 AI 資料中心大建設，為何成為新一波通膨壓力？在貿易戰影響逐漸消退、油價與天然氣價格也終於迎來下跌之際，美國通膨卻悄悄浮現一個新的催化因素：大規模的 AI 基礎建設。研究機構 Evercore ISI 指出，相較於關稅或油價飆升這一類的「一次性衝擊」，AI 基礎建設帶來的需求，是一種可能會持續數年的長期現象。  這場 AI 軍備競賽正吸引史無前例的巨額資金湧入。FactSet 數據顯示，Alphabet、Amazon、Meta、Microsoft 與 Oracle 等五大超大規模雲端服務商（hyperscalers），今年的資本支出預估將高達 7,410 億美元，較去年增加近 75%。這些天文數字般的資金究竟流向哪裡？哥倫比亞大學經濟學家 Stijn Van Nieuwerburgh 點出了關鍵：當大眾的目光多半還停留在 AI 能做到哪些應用的時候，這波基礎建設的本質其實「驚人地實體化」（strikingly physical）。為了維持龐大的算力，AI 資料中心不僅需要最精密的運算設備，還必須配備防止設備過熱的冷卻系統、錯綜複雜的電纜與光纖，以及避免電力中斷的備援發電機。更值得注意的是，這股實體建設的需求衝擊才剛拉開序幕。Van Nieuwerburgh 估計，若加總目前已宣布與規劃中的開發案，直到 2032 年，全球 AI 建設的總支出可能將高達 8 兆美元，規模接近整個紐約市房地產市場總值的五倍。聯準會（Fed）理事 […]
6/26 18:26作者李昀蔚https://techorange.com/2026/06/26/the-data-center-boom-is-sparking-a-third-wave-of-inflation/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
白宮要求 OpenAI 分階段上線 GPT-5.6：高風險 AI 模型的「受控發布」成為新常態？
當全球 AI 實驗室都在比拚誰能更快把新模型推向市場，OpenAI 最新一代模型 GPT-5.6 卻被按下了暫停鍵。根據《The Information》報導，OpenAI 執行長奧特曼在本週內部備忘錄中告訴員工，公司不會像過去那樣直接對外公開 GPT-5.6，而是先釋出給一小群合作夥伴，原因是美國政府要求這麼做。奧特曼表示，政府將在預覽期間「逐一核准每一家客戶的存取權限」，如果一切順利，他希望能在「幾週後」進行更廣泛的公開釋出。這個看似技術性的發布安排，背後其實牽動一個更大的問題：當政府能決定一款 AI 模型何時、釋出給誰，這究竟還算不算企業自己的商業決定。首批僅約 24 家，且每家都要政府點頭根據《Financial Times》報導，OpenAI 計劃在更廣泛推出前，先讓約 24 家合作夥伴取得 GPT-5.6 的存取權，而且這些夥伴每一家都必須經過美國政府核准。報導指出，要求限縮分發的單位包括美國財政部、商務部，以及白宮的國家網路總監辦公室（Office of the National Cyber Director）與科技政策辦公室（Office of Science and Technology Policy）。事實上，OpenAI 過去一個月一直與美國政府機構密切合作，為新模型的預覽做準備，包括奧特曼 4 月初親赴華府；分階段釋出的要求，正是來自與國家網路總監辦公室和科技政策辦公室的對話。即便如此，在 OpenAI 把限量釋出計畫告知高層官員後，奧特曼仍接到商務部長 Howard Lutnick 來電，提醒公司在取得其他機構核准前不要貿然推出。奧特曼在週四的內部備忘錄中對此回應，強調這並非公司偏好的長期模式，未來會與政府及業界合作，尋求更可持續的發布方式。政府介入的理由：GPT-5.6 具備「類 Mythos」能力值得關注的是，這次政府出手，並不代表川普政府的 AI 政策突然轉向更強硬。根據《AXIOS》報導，知情人士指出，政府之所以介入，是因為 GPT-5.6 具備「類 Mythos」（Mythos-like）的能力，而非行政部門忽然加重監管力道。Mythos 是 Anthropic 的前沿資安模型，該人士形容，「這就是這種等級模型會遇到的情況」，意思是這些模型強大到讓政府希望確認開發商已備妥足夠的防護措施。 […]
6/26 12:13作者廖紹伶https://techorange.com/2026/06/26/us-openai-to-stagger-release-of-gpt-5-6/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
近 1,000 億電晶體塞進指甲大小晶片：IBM 0.7 奈米技術亮相，靠 3D 堆疊超車先進製程競賽
IBM 近日發表全球首個 sub-1nm 晶片技術「NanoStack」，節點名稱為 0.7 奈米或 7 埃（Ångström），能在指甲大小的晶片上容納近 1,000 億個電晶體，密度大約是 IBM 在 2021 年發表的 2 奈米測試晶片的兩倍。在台積電、Intel 與三星皆積極推進次奈米晶片量產之際，《ZDNET》形容這場競賽已由 IBM 領先。這項發表不僅打破 NVIDIA 執行長黃仁勳曾宣告的「摩爾定律已死」說法，TechInsights 分析師 Dan Hutcheson 甚至認為這項技術是一件「大事」，因為這將為晶片發展藍圖再延續 10 到 15 年。然而，NanoStack 真正震撼產業的關鍵，在於直接回應當下 AI 資料中心最致命的兩大生存危機：無止盡的電力消耗，以及高昂的資料搬移成本。用 70% 功耗降幅，克服 AI 資料中心的「電力成本」危機 AI 晶片對能源的龐大需求已成為資料中心發展的嚴重限制，部分資料中心甚至因為無法取得可負擔的電力而面臨建設延宕。針對這個痛點，IBM 全球半導體研發副總裁 Huiming Bu 直言：「每個人都想要更高的效能，但沒有人想為電費買單。」因此，NanoStack 引入了全新的 3D 垂直堆疊技術。這項創新代表著一次典範轉移，相較於過去 60 多年來晶片微縮僅侷限在 X 與 Y 軸的二維平面，IBM […]
6/26 12:16作者李昀蔚https://techorange.com/2026/06/26/ibm-sub-1-nm-nanostack-chip/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【AI 推理成本革命】不再靠人類直覺設計策略，AutoTTS 讓 AI 自己找最省 Token 推理方式
來自 Meta、Google 及多所大學的 AI 研究人員，共同研發出了一套能夠自動找出最佳測試階段擴展（Test-time scaling，TTS）策略的框架 AutoTTS，降低模型 Token 用量及營運成本。
6/26 09:59作者 Minhttps://techorange.com/2026/06/26/ai-llm-autotts-framework-token/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
AI 巨頭自己怎麼用 AI？OpenAI、Google、Anthropic 員工正從執行者變「審稿人」
未來工作會長什麼樣子？看看那些打造出 AI 工具的公司怎麼用 AI，或許可以找到答案。《華爾街日報》報導，當許多企業還在想辦法催員工使用 AI 時，OpenAI、Google 與 Anthropic 已經走到下一步：把複雜的多步驟任務直接交給 AI「Agent（代理）」，讓員工轉而扮演「審稿人」的角色，負責對 AI 的產出做事實查核。只是，把工作託付給一個會自己跑出去執行任務的 Agent，本身就是一場信任的賭注。《華爾街日報》指出，這些走在最前面的公司也承認，過程中曾出現大量信件被誤刪、程式碼憑空消失等狀況；而且即使一切順利，Agent 有時還會替人類製造出新的工作。換句話說，AI Agent 上工的真正挑戰，才正要浮現。三巨頭的辦公室實況：人類從「執行者」變「審稿人」在 OpenAI，整套自動化工作流的骨幹是 Codex。這項工具原本是為軟體開發者設計，卻連 OpenAI 行銷、招募這類非技術團隊也能上手，目前近乎全體員工每週都在使用。Codex 部署工程師 Kelsey Pedersen 向《華爾街日報》形容，員工開始把它拿來做各種事，如今它已經變成一個通用的知識工作工具。具體的用法已經滲進日常。OpenAI 市場團隊的客戶總監 Ashton Summers 收到一則帳單金額有誤的客訴，過去他得跑去找帳務與營運團隊調查，現在 Codex 把所有跑流程的雜事都做完，他只需驗證結果。他說，這等於移除了一堆瓶頸，也降低了對其他團隊的依賴。根據報導，Codex 還替他建了一個每日自動更新的儀表板、替他要拜訪的潛在客戶做產品展示，甚至花了約 30 分鐘爬梳他的電子郵件與 Slack 訊息，為新進同事整理出一份交接文件。法務端的轉變也值得玩味。OpenAI 副法務長 Nicole Diaz 開始讓 Codex 承接原本由初階律師處理的工作，包括分析新進員工申報的利益揭露、草擬回覆，例如 Codex 可能會標記出某位新人仍在另一家新創的董事會任職、或有兄弟在競爭對手 Anthropic 工作。值得注意的是，Diaz 表示她仍持續聘用初階律師，部分原因正是要有人來審查 Codex 的產出。 Google 則習慣自稱「customer […]
6/26 10:12作者廖紹伶https://techorange.com/2026/06/26/how-ai-giants-are-using-ai-in-their-own-offices/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
零售商的下一場競爭在「信任架構」：拆解打造 Agent-Ready 商務架構的 5 大策略
AI 代理人商務在 2025 年經歷從概念走向現實的關鍵發展階段。在去年全球最繁忙的線上購物季期間，高達 20% 的訂單背後都有 AI 代理人的參與，這也標誌著 AI 代理人商務已經不再只是理論，而是正在成長的趨勢。隨著這股趨勢迅速蔓延，越來越多零售業者將面對一項新挑戰，那就是出現在結帳環節的顧客，不一定是人類。如果這種新興的購物方式持續發展，預計到 2030 年，AI 代理購物者在美國電子商務市場的支出，將高達 1,900 億至 3,850 億美元。 AI 代理人走進結帳頁，零售商防詐系統面臨新考驗當 AI 代理人逐漸成為商業生態系統中新型態的顧客，但零售商現有的平台與網站卻並非為這類由機器主導的活動所建構，這也導致 AI 代理人在執行任務時，極易被現有的防詐騙規則誤判為可疑的自動化機器人。此外，由於 AI 代理人主要是透過 API 進行交易，缺乏傳統的網頁瀏覽軌跡，使得過去那些用來辨識人類行為模式與防範惡意機器人的模型，如今面臨缺乏歷史紀錄與信任設定檔的「機器人用戶」，這無疑帶來了讓真實詐騙活動突破限制，同時又誤擋合法訂單的雙重風險。資料治理不到位，AI 代理人就無法正確替顧客行動要解決代理人帶來的信任與操作難題，基礎設施的完善程度是關鍵。正如 Astound Digital 的營收長 Ryan Dowling 所言：「多數零售商沒有 AI 的問題，他們面臨的是資料的問題。」同時，代理人商務會放大企業現有的基礎，因此如果資料是碎片化的，那麼得到的結果也會是破碎的。  由於 AI 代理人的強大程度，完全取決於其即時存取、解讀並採取行動的資料能力，因此零售商必須擁有高品質且治理良好的企業資料，並涵蓋顧客的身分與偏好、產品與庫存狀態、營運面的履約限制，以及轉換率等結果資料，才能確保 AI 代理人準確並透明地運作。同時，電商團隊也必須專注於提供「機器友善」的商務資料，例如產品定價、店內庫存、運費規則與退貨政策等。這些資料必須高度結構化，才能讓 AI 代理人輕鬆解讀與應用。這不僅是為了解決驗證問題，也是為了讓零售商能順利「被 AI 代理人發現」。從辨識真人到確認授權，零售業身分驗證邏輯必須改寫在具備完善資料的基礎上，零售業者也必須重新思考身分驗證的邏輯。例如，面對沒有傳統瀏覽軌跡的 AI […]
6/26 10:50作者李昀蔚https://techorange.com/2026/06/26/ai-agents-start-shopping-for-us-retails-identity-stack-needs-a-rewrite/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【科技早餐】NVIDIA 押 AI 工廠，OpenAI、高通、日本同步重押 AI 基建戰
【科技早餐】今天精選 8 則國內外重要科技新聞。＊NVIDIA 押 AI 工廠，黃仁勳喊國安優先 NVIDIA 執行長黃仁勳在年度股東大會上表示，AI 已經從「有趣」走向「有用」，當 AI 開始創造經濟價值，算力需求也會加速擴張。他把新一代資料中心稱為 AI 工廠，核心不再是儲存和傳輸檔案，而是生產 token。這些 token 會成為程式碼、答案、設計、行動和服務的原材料。目前全球近 40 個國家正在部署由 NVIDIA 基礎設施驅動的 AI 工廠，顯示 AI 基礎設施已從單純資料中心，轉向可直接創造經濟價值的生產系統。黃仁勳也強調 Vera Rubin 平台的重要性。他指出，AI 代理會不斷調用工具、存取資料庫、執行程式碼，如果 CPU 成為瓶頸，昂貴的 GPU 就會閒置，AI 工廠的收入也會跟著流失。不過，這場股東會不只談成長，也談國安。針對先進晶片可能透過走私流入受限制市場，黃仁勳表示，走私晶片拼湊資料中心是死路一條，因為 AI 資料中心是高度整合的系統，需要軟硬體、網路及技術支援，而 NVIDIA 不會替走私晶片提供支援或維修服務。他也強調，當商業利益與美國國家安全衝突時，國家安全優先。＊OpenAI 首款晶片亮相，推論成本挑戰 NVIDIA GPU OpenAI 發表與博通（Broadcom）合作開發的首款客製化 AI 晶片 Jalapeño，這是 OpenAI 朝自有 AI 晶片基礎設施跨出的重要一步。這款晶片主要用於 AI 推論，也就是把 AI […]
6/26 05:30作者 Anitahttps://techorange.com/2026/06/26/nvidia-ai-factory-openai-qualcomm-japan-ai-infrastructure/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
TrendAI™ 獲選為 OpenAI Daybreak 資安計畫「可信任合作夥伴 (Trusted Partner)…
OpenAI 將 Daybreak 計畫從內部測試擴展至精選可信任資安防禦社群，TrendAI™ 為首輪獲選資安廠商之一。全球網路資安解決方案領導廠商趨勢科技(東京證券交易所股票代碼：4704 )旗下全球企業 AI 資安領導品牌 TrendAI™ 宣布，正式加入 OpenAI 的 Daybreak Cyber Partner Program，獲得專為資安領域打造的 OpenAI 前沿AI能力存取資格。OpenAI 正式將 Daybreak 計畫由內部測試階段擴展至精選的可信任資安防禦社群，以進一步強化安全研究與防禦能力。TrendAI™ 是最早獲選的資安廠商之一，充分體現 TrendAI™ 在全球威脅情報領域三十年深厚的技術積累與業界領先地位。 TrendAI™ 的託管式資安服務團隊已率先部署由 OpenAI 前沿 AI 模型驅動、直接整合於 TrendAI Vision One™ 平台的自動化分類代理 (Agentic Triage) 能力。資安維運分類代理可在分析師日常使用的 SIEM 平台、XDR 主控台及威脅情報入口網站中，自主提供 AI 輔助洞察，以機器速度般即時交付情境化分類決策，有效縮短平均分類處理時間 (Mean Time to Triage)。分析師可擺脫被動回應警示的工作模式，將心力集中於需要專業判斷的事件升級與驗證決策。此次合作夥伴關係亦進一步強化 TrendAI™ 的漏洞情報計畫。OpenAI 前沿網路資安能力已嵌入 TrendAI Vision One™ 的託管服務工作流程，協助威脅研究員更快速、更精準地識別、排序及揭露漏洞，讓其在遭惡意利用前即獲得修補。情報資訊直接注入虛擬補丁 […]
6/25 16:56作者產業動態https://techorange.com/2026/06/25/trendai-openai-daybreak-trusted-partner/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
迎戰 AI 武器化新風暴！解密 Agentic AI 紅藍對決與企業治理生路
隨著生成式人工智慧邁向具備自主規劃、工具調用能力的「代理型 AI（Agentic AI）」時代，資安戰線已迎來根本性的範典轉移。在 2026 資安新戰線：AI 武器化的紅藍對決駭客論壇，雲力橘子資安技術服務處處長廖盈捷（Fred Liao）與勤業眾信聯合會計師事務所科技與轉型服務資深執行副總經理陳威棋（Ike Chen）共同發出預警：「改變的是速度，而非防禦本質。面對機器速度的自主攻擊，企業唯有透過 AI 賦能的動態防禦與 ISO 42001 治理架構，才能構築難以攻陷的數位裝甲。」網頁毒針與深偽詐騙：紅軍自主武器庫的不對稱攻勢「掃描與修補的時代正趨於式微，我們面對的是能以機器速度自我進化的 Agentic AI 威脅。」雲力橘子資安專家廖盈捷指出，當代駭客（紅軍）已全面整合大型行動模型（LAMs），將傳統的單點漏洞掃描，升級為全天候、目標導向的「自主攻擊鏈」。從實戰推演來看，Anthropic 推出的高風險 AI 模型 Claude Mythos 已在全球上千個開源軟體（OSS）專案中，以極低成本大規模找出了超過 2 萬個軟體漏洞，迫使多國央行與科技巨頭緊急共商對策。在應用層面，攻擊者更延伸出三大致命攻擊型態：當攻擊方不需要花費數年培養軍事級駭客，AI 代理即是他們的軍隊，這讓超過 76% 的組織坦承，傳統防守速度已完全跟不上 AI 攻擊的節奏。翻轉攻防不對稱：AI-SOC 智慧防禦矩陣以機器對抗機器面對每秒高達 36,000 次、不休眠的機器級 AI 掃描，防守方（藍軍）的根本困境在於「攻防速度的絕對不對稱」。廖盈捷強調，單靠人類已無法在幾分鐘內關聯百萬條日誌，藍軍必須走向「AI-SOC」的威脅狩獵轉型。傳統 SOC 在證據收集與查詢轉換上耗時且流於孤立告警；而新一代 AI-SOC 推理層（Reasoning Layer）具備強大優勢： […]
6/25 17:41作者雲力橘子https://techorange.com/2026/06/25/gamania-cloudforce-agentic-ai-soc/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
Physical AI 落地卡在哪？Arm 高層揭三大瓶頸，Sim-to-Real 成突破關鍵
現在，科技巨頭正從開發聊天機器人，大舉轉向投入「實體 AI（Physical AI）」領域。卡內基美隆大學電腦科學學院院長 Martial Hebert 就曾表示，實體 AI 正是傳統機器人技術的進化，畢竟，若 AI 只能閱讀文字，卻無法理解真實物理環境，就難以預測自身行為的後果，也難以具備真正的智慧。看準這股實體 AI 的龐大趨勢，Arm 策略暨生態系執行副總裁 Drew Henry 近日接受《The Robot Report》Podcast 專訪時指出，Arm 正積極為未來幾年的人形機器人與自主機器，預先設計專屬運算架構，「對我來說，這個領域的核心工程屬性在於：如何縮短從感測器接收到光子，再到致動器觸發之間的延遲時間，」Drew Henry 說。人形機器人的新算力指標：每焦耳、每公斤能處理多少 Token？   談到當前的硬體極限，Drew Henry 表示：「過去那種每 18 個月電晶體效能就翻倍的摩爾定律黃金時代，確實已經過去了。」然而，他認為這不代表創新的終結，而是工程師現在必須轉向系統級設計，利用特定領域架構（Domain-specific architectures），或是將工作負載轉移到專用加速器上，以尋求效能突破。針對未連接電源的機器人，Drew Henry 點出一個打破傳統資料中心思維的全新效能指標：「在這個領域，會出現一個全新的衡量維度：每焦耳、每公斤能處理的 Token 數。」他解釋，機器人的重量會直接影響致動器移動時所消耗的電量，進而決定整體電池的壽命。因此，工程師必須在有限的電池容量和嚴苛的重量限制下，精算並分配致動器、感測器與運算系統各自的耗電比例。從集中式大腦到分散式運算，人形機器人架構進入探索期這種嚴苛的資源分配，也讓機器人的「大腦」設計面臨前所未有的挑戰。Drew Henry 形容，人形機器人平台可能是最複雜的運算平台之一，因為機器人內部存在截然不同的運算層面：一方面，它必須處理負責即時「運動（Locomotion）」控制的次毫秒級低延遲運算，以確保動作的安全性與精準度；另一方面，又要處理不需要極速反應，但專門負責與大型語言模型互動的「互動驅動智慧（Interactive Driven Intelligence）」。面對如此龐大的運算需求，業界正迎來架構上的探索期。Drew Henry 分享自己近期在一週內拜訪兩家客戶的有趣對比：「有一家客戶告訴我，我們需要盡可能把所有最強大的運算力塞進這個機器人裡；但另一家客戶卻認為，正確的架構應該是在局部放置邊緣運算，並透過高速、低延遲的網路進行連接。」  Drew Henry 強調，在配備密集感測器的環境下，分散式運算確實有助於平行處理多項任務，因此他也預期業界最終將在這兩種極端的架構中，找到最佳平衡點。為了解決這類極度複雜的系統瓶頸，Arm 也推出名為「Performix」的效能分析工具套件，讓軟體開發者與 AI 代理都能直觀地透視底層系統的遙測數據（Telemetry）與 I/O 等待狀態。此外，Arm […]
6/25 17:42作者李昀蔚https://techorange.com/2026/06/25/arms-physical-ai-and-robotics-strategies-with-drew-henry/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【戴季全專欄】AI 戰略特別委員會方向正確，何時提出 AI 戰略特別預算？
戴季全｜《科技報橘》創辦人暨執行長 6 月 23 日，行政院長卓榮泰主持「國家人工智慧戰略特別委員會」首場會議，確立我國 AI 發展的戰略目標：積極建構「主權 AI」，讓台灣從支撐全球創新的「製造優勢國家」，成為立基於自由民主價值的「AI 良善應用典範」。配套的「AI 新十大建設」，4 年投入超過 1,300 億元，聚焦算力基礎建設、主權 AI、智慧應用與人才培育。這是關鍵的一步，我們要給予肯定和支持。但委員會有一個核心概念必須釐清：主權 AI 和 AI 主權，不是同一件事。主權 AI（Sovereign AI），指的是我們能否自主擁有模型、算力與資料的控制權；AI 主權（AI Power），則是更高一層的能力——我們能否運用 AI 影響自身命運、強化國家競爭力，在全球秩序裡維持實質的影響力。前者是地基，後者才是國力。把「擁有」變成「主權」的關鍵變數，是 AI 滲透率。我們可以生產無數先進的 AI 晶片和伺服器，但如果整體勞動力的 AI 滲透率上不去，主權 AI 就只是一座沒有書的圖書館，一條沒有車子的高速公路，一個在 AI 世界沒有經濟主權的實體、沒有治理主權的國家。兩週前（6 月 9 日），國家發展委員會在張榮發基金會主辦了一場 APEC 國際論壇，主題是「布局亞太未來人力資源：以 AI 強化勞動力與促進多元參與」，邀請了印尼、泰國、韓國、菲律賓、日本、馬來西亞等經濟體的勞動與數位部會官員，連同亞洲開發銀行的資深經濟學家、APEC 政策分析師。大家聚焦討論一個重要主題：AI 來了，一個經濟體的勞動力要如何跟上？AI 對經濟和社會的衝擊，主要在生產力指數提升的潛力。本質上，就是我們經濟體廣義勞動力的強化與適應，包括 AI 勞動力，以及原本的勞工勞動力。我想要提出的主要訴求是：我們應該把戰略工作目標，用最快最深的方式，幫助整體勞動力最快地吸收 AI 的技術能力，達到長期最佳的 AI 滲透率。 […]
6/25 16:03署名科技報橘社長戴季全https://techorange.com/2026/06/25/national-ai-strategy-committee/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
緩解資安人才缺口：Google SecOps 讓初階分析師戰力倍增，縮短 70% 上手時間！
在資安界，企業現正面臨「人才短缺」與「威脅情資日益複雜」雙重夾擊，資深資安人員花費大量時間處理偵測與警報，而新進人員面對碎片化的 SIEM 工具與繁雜的查詢語法，往往感到挫折且難以上手；更因老舊的系統缺乏擴充性與整合度，導致團隊陷入嚴重的告警疲勞；而大量的日常告警讓資安人員故不暇幾，更別說攻擊手法因 AI 發展日新月異，這樣的惡性循環，導致團隊過勞又增加企業的資安風險。 Forrester 最新研究指出：單純堆疊資安工具已無法解決問題。2025 年企業決策者最關鍵的戰略考題，是如何將資安佈署從被動消耗預算的「成本中心」，轉型為具備高投資效益的「價值中心」。透過  GenAI 賦能，讓資安人員從被動的處理日常瑣事，轉為主動獵捕資安事件。在這場轉型戰役中，Google SecOps 正展現出扭轉局勢的強大潛力。效益質變：讓 AI 成為新人的最強導師，解放團隊戰力根據 Forrester 2025 年的 TEI 報告，Google SecOps 帶來的效益不僅止於成本節省，更是團隊戰力的根本性「質變」。報告中揭露了一項對決策者極具吸引力的數據：Gemini in SecOps 成功讓新進人員的上手時間縮短了 70%。這意味著初階資安人員不再需要數個月的磨合期。透過自然語言互動，Gemini in SecOps 能輔助他們生成複雜的查詢語法與自動化 Playbooks。更具策略意義的是，AI 輔助成功將 35% 原本需由資深人員處理的高階工作，無縫轉移給了初階分析師。Gemini 能自動摘要警報內容、提供調查建議並加速決策流程，讓初階人員能透過實戰快速成長，解決了人力資源配置的結構性難題。這代表團隊不再被海量 Log 與告警淹沒，專注於高價值的威脅獵捕。 Google SecOps 結合 Mandiant 威脅情資，速度與深度的完美結合當人才缺口被 AI 技術填補，資深專家便能從重複性工作中解放，專注於高價值的威脅獵捕。Google SecOps 結合了 Mandiant 的前線威脅情資與雲端原生的無限擴充性，讓企業不再因數據量暴增而犧牲檢測速度。 Google SecOps 透過統一數據模型（Unified Data Model, […]
6/25 15:36署名 CloudMile 萬里雲https://techorange.com/2026/06/25/cloudmile-infosec-googlesecops-mandiant/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
AI 時代的新門檻：從會用 AI，到能打造 AI 應用
「大型語言模型很聰明，但它不一定懂你的公司。」這句話或許是許多企業導入 AI 時的深刻體會。當大型語言模型（LLM）被應用到客服、知識管理、程式開發、行銷等內部作業時，企業很快就會發現，模型雖然擁有豐富的通用知識，卻不一定具備產業知識（Domain Know-how），也未必理解產業相關規範或內部流程，因而常常出現回答不夠精準、無法直接應用的問題。隨著大型語言模型從個人工具走向企業應用，如何將大型語言模型從「通用 AI」轉化為「領域 AI」，不僅是技術落地的關鍵，更催生出新一波大型語言模型應用開發的人才需求。看準這股趨勢，麗臺科技開辦 NVIDIA DLI「為大型語言模型注入新的知識」課程，聚焦具備基礎 AI 與程式能力的開發者、工程師、學生與技術學習者，協助學員學會如何把通用大型語言模型，調整成更符合特定任務、產業知識與企業需求的 AI 應用。「為大型語言模型注入新的知識」課程不只介紹模型微調，也會帶領學員理解資料準備、模型調整、效果評估到部署應用的完整流程。更重要的是，完成課程並通過測驗後，學員將獲得 NVIDIA 原廠證書，不僅是專業能力的具體證明，也有助於在快速成長的 AI 人才市場中展現自身競爭力。從 RAG 到模型客製化，企業打造領域 AI 的關鍵能力本次「為大型語言模型注入新的知識」課程講師、身兼 NVIDIA DLI 認證講師與麗臺科技 AI 高級工程師的周柏永指出，企業導入大型語言模型時，通常一開始會選擇 RAG（檢索增強生成）方式，匯入文件與知識庫，讓 AI 能從企業資料中檢索相關資訊，提供更符合需求的回答。不過，當企業資料規模擴大，若缺乏良好的資料治理、切分策略、索引設計與檢索評估，RAG 也可能面臨回應延遲、檢索不準或答案品質不穩定等挑戰。此時，企業需要的不只是單一技術，而是能判斷何時採用提示工程、RAG、Fine-tuning、LoRA 或 DPO 等方法的模型客製化能力。對於分類、固定格式輸出、特定語氣或任務行為等場景，微調可讓模型更貼近企業需求；而對於知識頻繁更新或需要引用來源的應用，RAG 仍是重要選項，兩者也可混合使用。雖然外部協力廠商也可以進行微調，但免不了會引發資安疑慮。因此，若企業內部具備微調能力，便能在兼顧資料安全與使用效率的同時，打造出更符合自身需求的 AI 應用。為此，麗臺科技與 NVIDIA 合作，推動 NVIDIA DLI「為大型語言模型注入新的知識」課程，培養具備 Fine-tune 能力的 AI 人才。從資料到部署，一次掌握 AI 落地全流程周柏永指出，透過 […]
6/25 15:37署名麗臺科技https://techorange.com/2026/06/25/leadtek-nvidia-ai-llm/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
推論成本砍半、9 個月做出來：OpenAI 首款自研 AI 晶片 Jalapeño 想換到什麼？
OpenAI 一直是全球最大的 AI 算力買家之一，也是 NVIDIA 最重要的客戶之一。如今，這家最依賴 NVIDIA 的公司，推出了第一顆自己設計的 AI 晶片。OpenAI 與博通（Broadcom）於週三共同發表首款自研晶片 Jalapeño，根據兩家公司說法，它的定位是專為大型語言模型（LLM）推論打造的加速器，而非用於訓練，且測試中推論成本大幅低於現有 GPU，開發週期只花了 9 個月。表面上，這是又一顆客製化晶片的發表；但若把鏡頭拉遠，它更代表 AI 競賽的主場正從「誰的模型更強」位移到「誰掌握底層的基礎設施」。不過，一家以軟體與模型起家的公司，為什麼要親手跨進晶片這道又慢又燒錢的關卡？ Jalapeño 是什麼？一顆只做推論、不做訓練的客製晶片 Jalapeño 屬於特定應用積體電路（ASIC）。《VentureBeat》解釋，與能處理多種工作負載的通用型 GPU 不同，ASIC 是為較窄用途調校的晶片，這讓它在特定 AI 任務上可能更便宜、更有效率，即便靈活度不如 GPU。OpenAI 強調 Jalapeño 是針對現代 LLM 推論的「全新設計」，而非把既有的通用加速器改裝來用，架構目標是減少不必要的資料搬移，並讓運算、記憶體與網路資源彼此更協調。在合作分工上，OpenAI 表示，博通負責核心晶片實作與網路技術，包括其 Tomahawk 網路交換晶片；另一家夥伴 Celestica 則協助電路板、機架與系統整合。根據《VentureBeat》，OpenAI 表示他們已在實驗室以接近量產負載的方式，於 Jalapeño 晶片上運行前代模型 GPT-5.3-Codex-Spark。OpenAI 規劃，完成版晶片將從 2026 年底起，部署到其金主微軟（Microsoft）等合作夥伴的大型資料中心。 9 個月完成 tape-out，號稱史上最快讓這顆晶片更受矚目的是開發速度。OpenAI 與博通指出，Jalapeño 從最初設計到製造 tape-out 只花了 9 […]
6/25 13:00作者廖紹伶https://techorange.com/2026/06/25/openai-broadcom-jalapeno-ai-chip/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
高通揭 AI 資料中心新藍圖：Meta 買單、Modular 補上軟體層，同步洽談 ByteDance 客製晶片
面對全球智慧型手機出貨量下滑，加上記憶體晶片價格飆升帶來的市場動盪，高通（Qualcomm）正在尋找全新的成長引擎，蓬勃發展的 AI 資料中心正是其鎖定的新戰場。在 2026 Investor Day 大會上，高通祭出了一份極具野心的全方位資料中心藍圖，宣告正面迎戰「代理 AI（agentic AI）」帶來的爆發性算力狂潮。這項計畫並非紙上談兵，而是精準瞄準當前 AI 發展的痛點，並聚焦四大核心支柱：善用其在連網技術的深厚優勢、開拓客製化晶片（Custom Silicon）設計服務、開發專屬 AI 加速器，以及推出具備頂尖功耗效率的機櫃級 CPU。高通正試圖透過軟硬體與底層架構創新，突破阻礙 AI 效能的「記憶體牆（memory wall）」，並重新切入由 NVIDIA、AMD、Google、Amazon 等巨頭競逐的 AI 資料中心市場。  Meta、微軟成早期客戶，高通用 Dragonfly C1000 攻 AI 資料中心高通宣布，已經與 Meta 達成一項多年協議，未來將部署高通的資料中心技術，這也進一步延伸雙方多年來在擴增實境（AR）領域的合作關係。高通預計在 2026 財年，向包含 Meta、微軟（Microsoft）在內的客戶，交付首批配備 43TB DRAM 的 C1000 CPU 伺服器機櫃樣品，並全面支援氣冷（air-cooled）與液冷（liquid-cooled）系統。在硬體規格方面，高通專門為資料中心開發名為 Dragonfly C1000 的 Oryon CPU 衍生產品，其每瓦效能提升一倍，同時還支援最新的 PCIe Gen 7 與 CXL 共享記憶體連網技術。 […]
6/25 12:30作者李昀蔚https://techorange.com/2026/06/25/qualcomm-lays-out-new-data-center-roadmap/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
工廠尋料時間縮短 50%！雀巢如何用 AI 重構備件數據，打造跨廠庫存網絡
當製造業談論 AI 應用時，焦點多半放在生產設備、品質檢測或預測維護。然而，雀巢美國（Nestlé USA）近期分享的一項案例顯示，看似不起眼的「備件數據」管理，反而可能隱藏更大的成本黑洞：由於各工廠長年各自管理 SAP 備件資料，相同零件在約 20 座工廠被建立成多個不同料號，造成重複採購、庫存膨脹，也讓大量營運資金長期卡在無法有效利用的備件庫存。 20 座工廠的數據孤島，「一物多碼」造成營運資金黑洞雀巢透過導入整合 SAP 的 AI 備件管理平台，重新建立標準化流程與資料治理，成功將備件搜尋時間縮短，並把各工廠原本各自管理的庫存，轉變為可跨廠共享調度的全網資源。雀巢美國資深工程維護經理 Steven Gould 分享，在系統改善之前，每逢週末經常收到來自工廠的求救訊息，希望總部協助尋找急需的備件。原因並非零件不存在，而是現場人員難以在系統中找到正確資料，即使熟悉系統的人，也必須登入後，逐一比對資訊，再跨越不同工廠搜尋是否仍有庫存。問題核心來自主數據缺乏一致性。雀巢資深維護工程專家 Andy Goldinger 表示，過去各工廠多半依照各自習慣建立料號，而非以設備製造商的原始零件編號作為標準，因此相同備件在不同工廠往往擁有不同名稱與不同料號，甚至同一座工廠內，也可能因重複建檔而產生兩到三筆相同零件資料。這種資料碎片化帶來連鎖效應。由於無法確認其他工廠是否已有相同備件，各據點往往各自採購、各自囤貨。COVID-19 疫情期間，供應鏈交期拉長，雀巢提高安全庫存因應缺料風險，但疫情過後，這些備件並未同步回歸合理水位，導致大量資金持續沉澱在倉庫中。由於缺乏跨廠透明度，公司也難以掌握特定零件的實際使用量與總庫存，更削弱了與供應商議價的能力。像用 Google 一樣找零件，AI 視覺比對如何讓尋料時間砍半為了解決問題，雀巢先重新設計整套備件建立流程。過去各工廠可能使用 Microsoft Forms、Power Query，甚至紙本表單申請新增料號，如今全美工廠全面採用一致流程，建立「一個零件、一個料號」的管理原則，並限制只有倉儲主管與維護經理等指定人員具有最終核准權限，以避免重複建立相同備件。真正提升效率的關鍵則是 AI 的導入。現在，員工只要輸入製造商零件編號，系統便立即比對既有資料庫，自動提示可能重複的備件，防止建立新的重複料號。AI 也會自動生成符合規範的零件描述，大幅減少人工輸入造成的不一致。搜尋方式也變得更加直覺。過去員工必須熟悉料號、關鍵字甚至萬用字元搜尋技巧，如今維修技術人員可以像使用 Google 一樣輸入已知資訊，再逐步縮小搜尋範圍。 AI 同時整合設備型錄、技術規格與零件照片，現場技術人員透過平板即可直接比對影像，確認是否為所需零件，再決定是否前往倉庫領料，減少往返時間與拿錯零件的情況。系統也能辨識已停產零件，甚至提前提醒未來即將停產的元件，讓維護團隊能及早規劃備料與替換策略。雀巢測試結果顯示，導入新 AI 整合系統後，尋找備件所需時間縮短約 50%，操作介面也相當容易上手，多數員工只需約 5 分鐘便能掌握基本操作，因此系統推行阻力遠低於預期。公司也透過 Microsoft Power BI 持續追蹤各工廠使用情況，目前每月使用率已超過 95%，顯示現場人員普遍認同新流程帶來的效益。更重要的是，這次轉型改變了雀巢管理備件的思維。過去每座工廠都必須自行準備昂貴的關鍵備件，有些設備零件價格高達數十萬美元，卻可能多年都未曾使用。如今透過統一料號與跨廠透明化庫存，各工廠能即時查看其他據點是否已有相同備件，必要時直接跨廠調撥，大幅降低重複備貨需求，也讓整體營運資金獲得更有效運用。 Steven […]
6/25 09:56作者 Arielhttps://techorange.com/2026/06/25/nestle-usa-ai-factories/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【企業密碼安全盲點】光有強密碼還不夠，缺乏「集中治理」機制才是資安真破口
密碼管理看似早已是「被解決的問題」，但數據說明並非如此。根據美國電信業者 Verizon 發佈的年度資料外洩報告，超過八成與駭客入侵相關的資安事件，最初的突破口仍是遭竊或濫用的帳密。問題往往不在於密碼本身太弱，而在於圍繞密碼的整套系統如何儲存、共用、輪換與治理，這在多數組織內部都是尚未被完整建立的機制。個人行為習慣，放大了組織層次的風險使用者端的行為數據進一步說明了這層風險從何而來。消費者研究機構 All About Cookies 針對一千名美國成年人的調查顯示，82% 的人在常用密碼中至少使用了一項可被查找的個人資訊，例如寵物名字、生日或最喜歡的數字；59% 的受訪者曾發現自己的密碼出現在資料外洩事件中，其中竟有 41% 在密碼已遭公開曝光後仍繼續使用。同時，73% 的人坦言對管理密碼感到不堪負荷，僅 34% 使用專門的密碼管理工具，另有 51% 會與他人共享至少一類帳號的登入資訊。這些習慣一旦被帶進職場，風險就從個人層次放大為組織層次。對個人而言，一套好的密碼管理器就足以解決大半問題；但一旦超出單一使用者，複雜度便成倍增加。團隊需要在不暴露明文的前提下共用憑證；員工離職時，存取權限必須即時且全面地撤銷；SOC 2、HIPAA、PCI DSS 等法遵框架更要求完整的稽核軌跡，記錄誰在何時、從何處存取了什麼——這些需求在多數組織內部往往沒有對應的機制，於是就出現了實務上最常見的景象：行銷部門把共用帳密存在試算表、開發團隊將資料庫連線字串散落在 CI/CD 設定檔、客服透過即時通訊軟體傳遞 CRM 登入資訊。每一處都是尚未引爆的破口，真正的問題從來都不是密碼強度，而在於缺乏一套集中治理密碼的管理機制。傳統 PAM 工具解決了問題，但門檻太高傳統上，能處理這類治理需求的是特權存取管理（PAM）平台，但老牌 PAM 工具往往伴隨高昂的導入成本與動輒數月的部署週期，讓許多組織望而卻步。網路安全公司 Keeper Security 選擇了不同的路徑：從消費級密碼管理出發，向上延伸至企業憑證治理、特權存取與機密管理，讓同一套架構同時涵蓋日常帳密與正式環境的基礎設施憑證。這套架構的信任基礎是零知識（zero-knowledge）設計：金鑰庫的加解密完全在使用者裝置端進行，金鑰由主密碼衍生，Keeper 的伺服器自始至終接觸不到未加密的資料，即使其基礎設施遭入侵，攻擊者也無法取得明文憑證。產品面上，其整合平台 KeeperPAM 將多項原本需要分別採購的能力收攏在一起：密碼與通行金鑰管理處理基本的產生、儲存與自動填入；機密管理（secrets management）保護 API 金鑰、資料庫憑證與憑證檔等機器對機器的憑證；Keeper Connection Manager 提供不暴露憑證、也無須 VPN 的遠端桌面與 SSH 存取；工作階段錄影則為稽核與法遵留存特權操作紀錄。 […]
6/25 10:32署名 LChttps://techorange.com/2026/06/25/dangerous-password-behaviors/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【科技早餐】美國盯上中國機器人，高通、軟銀把 AI 戰場推向硬體自製
【科技早餐】今天精選 8 則國內外重要科技新聞。＊美國審查中國機器人，AI 戰場從晶片燒到工廠美國政府正把中國機器人產業納入新一輪科技競爭視野。美國商務部長盧特尼克（Howard Lutnick）近日在一場閉門會議中告訴企業高層，商務部正在審視中國政府補貼的機器人產品輸美情形，並暗示審查完成後可能採取進一步行動。與會企業包括太空探索科技公司（SpaceX）、波士頓動力（Boston Dynamics）、摩根大通（JPMorgan Chase）、高盛（Goldman Sachs）、西門子（Siemens）與羅克維爾自動化（Rockwell Automation）等。這場會議討論重點，是美國如何逆轉數十年製造業外包趨勢，並重建從半導體到機器人所需的工業基礎。與會人士擔心，如果未來變成「美國的大腦，搭配中國的身體」，會是非常糟糕的戰略結果。這反映美中科技競爭的焦點正從 AI 晶片，往機器人、工廠設備與實體製造能力擴大。除現有關稅之外，美方接下來是否對中國機器人產品採取更多限制，也將成為產業觀察重點。＊高通洽字節跳動客製晶片，中美管制下仍留商業縫隙高通（Qualcomm）正在與字節跳動（ByteDance）洽談提供客製晶片設計服務。如果談判成功，TikTok 母公司字節跳動將成為高通晶片設計服務部門的早期客戶。知情人士透露，雙方討論內容可能包含影像處理單元，也就是 VPU 的設計，部分技術可能來自高通 2025 年收購的高速連接技術公司 AlphaWave Semi。若合作成形，目標是在 2026 年底前啟動量產。這項洽談仍未定案，字節跳動也可能尋找其他合作夥伴。不過，消息凸顯中美科技摩擦下，美國科技公司仍在尋找可合作的商業空間。近年 AI 晶片管制已影響 NVIDIA、AMD、應用材料（Applied Materials）與 Lam Research 等美國企業，但高通正試圖從手機晶片拓展到資料中心 CPU、推論加速器與 ASIC 等市場。對字節跳動而言，客製晶片則可支撐影片處理、AI 推論與平台基礎設施需求。＊軟銀日本製造 AI 伺服器，主權 AI 走向硬體自製日本軟銀（SoftBank）計畫在 2027 年度開始於日本境內製造 AI 伺服器，地點將設在夏普堺工廠舊址。根據《日經》相關報導，這些伺服器除了供軟銀自家 AI 資料中心使用，也可能銷售給日本政府與企業客戶。軟銀規劃從半導體供應商採購 GPU，自行負責設計、零組件組裝，以及交付後的維修保養，生產流程也將導入先進工業機器人。軟銀也計畫在堺工廠舊址建置蓄電池生產據點，預計 2027 年度投產，2030 年度年產能擴大到 2 […]
6/25 05:30作者 Anitahttps://techorange.com/2026/06/25/us-china-robotics-ai-hardware-sovereignty/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【李牮斯專欄】AI 商業模式正在質變，台灣供應鏈準備好了嗎？
近期 AI 界的兩件大事，可謂殊途同歸。第一件事，是美國政府要求 Anthropic 關閉旗下最強大的 Fable 模型。這道以「國家安全」為由的命令，不只是限制某些特定國家或敏感客戶，而是直接衝擊全球市場；外國用戶瞬間失去使用權限，甚至連 Anthropic 自家的外籍工程師也無法使用。第二件事，是 OpenAI 與 Anthropic 在同一個月各自發文，不約而同地談到 AI 業者是否需要一套協調機制，在必要時「一起放慢」腳步。這兩件事看似平行：一個是政府強制管制，一個是行業安全治理。但它們其實指向了同一個核心商模問題：當最強的 AI 不再只是單純的軟體產品，而是被國家安全、資本市場與企業付費能力共同牽動的「戰略資產」時，台灣不能只問 AI 會不會繼續成長，更要問台灣供應鏈怎麼對接下個 AI 商模。賣核武跟賣軟體，是不同的生意 Fable 事件揭露了一個關鍵轉折：當 AI 強大到武器等級，它就不再是一般軟體。過去兩年，AI 公司一方面告訴市場，這些模型將徹底改變知識工作、軟體開發與企業生產力；另一方面，它們也不斷提醒政府，最強的模型可能帶來前所未有的風險。這兩種敘事原本可以互相強化：越危險，代表技術越領先；越領先，就越容易募資、賣產品並吸引頂尖人才。但當發展走到臨界點，產品本身就會進入國家安全的治理框架，其部署就不可能再只由市場力量決定。對 AI 公司而言，這代表它們除了要面對客戶流失或價格競爭外，還必須承受一種更根本的風險：投入巨資打造、準備全球銷售的頂尖產品，可能因為一紙國安命令而被臨時喊卡，血本無歸。台灣過去看 AI，習慣從硬體供應鏈的角度出發，關注誰需要更多算力、更大的資料中心，以及更密集的能源投資。這些當然重要，但它們都只是「結果」。真正位於上游的核心問題是：那些正在大量購買算力的公司，自己的商業模式到底穩不穩固？如果買方的商業模式開始轉變，台灣感受到的，就不會只是單一產品的需求波動，而是整個 AI 投資與採購結構的劇烈質變。每月 200 美元的天才員工，便宜得不可思議？今天 AI 產業最大的矛盾，在於它讓人覺得便宜得太不真實。每月一、兩百美元，就能擁有一個會寫程式、會分析文件、會做簡報，且 24 小時不休息、更沒有情緒成本的 AI 助理。對企業主管來說，這像是用台北一個停車位的租金，請到了一位天才員工。這種「破壞性定價」快速養成了全世界使用 AI 的習慣，卻未必反映了重度使用的真實成本。當企業只是偶爾點開網頁聊聊天，訂閱制看起來非常合理；但一旦 AI Agents […]
6/24 15:52作者李牮斯https://techorange.com/2026/06/24/ai-business-model-taiwan/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
中國超級電腦重奪世界第一：不靠 NVIDIA GPU，LineShine 如何讓 CPU 成為算力戰新焦點？
中國深圳的超級電腦 LineShine（又稱 Lingxing）在最新的 TOP500 排名中成功登上世界第一，超越美國勞倫斯利佛摩國家實驗室（Lawrence Livermore National Laboratory）的系統 El Capitan，讓中國自 2017 年以來首次重返全球超級電腦榜首。根據 TOP500 的官方資料與外媒報導顯示，LineShine 在 HPL（High Performance Linpack）基準測試中達到了每秒 219.8 億億次（2.198 exaflops）運算的效能，首次登榜便直接拿下第一名的寶座，測試結果更比自 2024 年 11 月起便一直霸榜的 El Capitan 快了逾 20%。這次 LineShine 登頂的震撼之處，不僅在於中國奪回世界第一的頭銜，更在於 LineShine 完全不依賴當今高階超級電腦普遍使用的 GPU，而是改以「純 CPU（CPU-only）」的架構完成這項任務。中國超級電腦的新路線：把矩陣與向量運算加速直接整合進 CPU 《紐約時報》指出，LineShine 系統使用的是標準微處理器（CPU），而不是多數高階超級電腦所極度仰賴的圖形處理器（GPU）。根據 TOP500 官方資料，LineShine 採用客製化 LX2 處理器，整套系統共具備近 1,400 萬個運算核心。與多數將 CPU 和 GPU 分工運作的高階系統不同，LineShine 並沒有將傳統微處理器和 GPU […]
6/24 14:47作者李昀蔚https://techorange.com/2026/06/24/china-supercomputer-crown-us/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
中美人形機器人對決：智元 G2 進駐量產線品檢，6 天直播零錯誤實測
人形機器人產業的競爭焦點正從「秀技術」走向「拚落地應用」。《Forbes》報導，過去機器人廠商經常透過後空翻、跳舞等高難度動作展現技術實力，但如今市場更關注的是，機器人是否真的能進入工廠、物流中心等工作場域創造生產力。為了證明產品具備實際價值，中國實體 AI 公司智元機器人（Agibot）近日啟動為期六天的直播計畫，公開展示旗下 G2 人形機器人在江西南昌龍旗科技工廠生產線上的作業情況。智元 G2 機器人進駐平板產線，3 小時處理逾 800 台零錯誤根據智元機器人公布的資訊，這批輪式 G2 機器人目前已部署於平板電腦量產線的品質檢測區，並與現場人員協同作業。機器人配備依任務需求客製化設計的夾爪，可執行搬運、擺放與送檢等製程相關工作，並在工廠環境中持續運作。《Interesting Engineering》指出，直播畫面顯示，這批機器人已進行超過 10 小時不間斷運作測試，期間累計處理超過 3,000 件平板電腦分類任務，並維持接近 100% 的成功率，且未出現明顯錯誤。其中，在測試初期的前三小時內，機器人即完成超過 800 台平板電腦的處理量，證明在長時間高負載情境下仍具備穩定輸出能力。 G2 被設計為新一代工業人形機器人，整合 AI 運算、精密操控與自主移動能力，以應對高強度商業應用需求。根據智元機器人介紹，該機型採用全汽車級零組件打造，具備亞毫米級定位精度。其雙臂力控系統可感測並施加低至 0.5 牛頓的力道，使其能完成精細搬運與組裝作業。核心運算平台則搭載 NVIDIA Jetson Thor，可提供最高 2,070 TFLOPS 的算力，用於即時感知、決策與運動控制。在機構設計上，G2 配備 26 自由度的機身，以及 5 自由度的腰腿結構，使動作更接近人類的流暢表現。移動系統採用四輪轉向設計，支援全向移動、蟹行移動與零半徑轉向，讓機器人能在擁擠的工廠與狹窄空間中靈活穿梭。在人機互動方面，該平台支援多說話者持續對話、1 對 1 動作模仿，以及超低延遲的視距外遠端操控。操作人員也可透過時間分割控制系統，同時管理多台機器人。全球供應鏈導入人形機器人測試，中美企業同場競速《Forbes》補充，美國機器人公司 Figure AI 近期也以類似方式引發關注。該公司於今年 5 月舉辦一場長達 10 小時的「人類對決機器人」包裹分類挑戰，由 Figure […]
6/24 15:03作者吳玟錡https://techorange.com/2026/06/24/ai-robotics-watch-humanoid-workforce-live-agibot-streams-chinese-factory-operations/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
Claude Tag 哪裡不一樣？Anthropic 的「數位同事」與導入前 4 個提醒
Anthropic 推出名為 Claude Tag 的新產品，把搭載最新模型 Opus 4.8 的 AI 直接嵌進 Slack，成為整個團隊都能透過輸入 @Claude 來指派工作的常駐成員。表面上，這像是一次 Slack 整合工具的改版，取代 Anthropic 原有的 Claude in Slack 應用，但特斯拉前 AI 總監、OpenAI 創始成員、現任職於 Anthropic 的 Andrej Karpathy 給了它一個更大的定位：這是大型語言模型（LLM）介面的第三次重大轉變。根據 Karpathy 的說法，第一個典範，是 LLM 作為一個你前往的網站；第二個典範，是它變成一個下載到電腦裡的 App；而第三個，則是它成為一個自我完整、持續存在、可非同步運作的實體，擁有組織級的工具與脈絡，與人類團隊並肩工作。他形容，一旦把工具、整合、運算環境、記憶、安全等底層工程都做到「就是能用」，Claude 基本上就以一種無縫的方式加入了團隊，你可以像跟人說話一樣跟它溝通。對企業來說，當一個 AI 要在你的溝通核心拿到常駐席位，你的採購談判與治理框架，準備好了嗎？這篇會先說明 Claude Tag 怎麼運作，再回到這個決策問題。不是單人工具，而是全頻道共用的「數位同事」 Claude Tag 的運作方式是：管理員把它與 Slack 工作區配對，授予它特定工具與資料來源的存取權，設定花費上限，並界定它能在哪些頻道運作。此後，這些頻道裡的任何成員都能 @Claude 提出請求：寫一份 pull request、拉出銷售數字、跑一段資料分析，Claude 會把任務拆成幾個階段，用它有權限的工具逐步執行，再把結果回貼到 Slack 討論串。 […]
6/24 12:51作者廖紹伶https://techorange.com/2026/06/24/anthropic-launches-claude-tag/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
5 大巨型 AI 交易案吸走全球創投近 60% 資金：KPMG 揭台灣新創如何站上硬體巨人肩膀突圍？
專訪：戴季全撰稿：李昀蔚 KPMG 在最新發布的《2026年第一季創投脈動：全球創業投資分析》指出，2026 年 Q1 全球創投投資總金額達 3,309 億美元，創下單季歷史新高。KPMG 安侯建業創新與新創服務團隊主持會計師黃海寧在《全新一週》專訪中指出，這波成長真正值得注意的，不只是金額變大，而是市場呈現出「高品質資產受到巨頭追逐，但一般標的流動性還是受到限制」的「雙速發展」局面。 AI 巨型交易吸走六成資金，美國成為絕對主場探究這波雙速發展的成因，資金高度集中是關鍵。「這個直接翻倍，不是普天同慶，是非常高度集中在幾個巨型交易，」黃海寧指出，OpenAI、Anthropic、xAI、Waymo 與 Databricks 等前五大 AI 融資案，就占 2026 年第一季全球創投募資總額約六成。這股資金集中趨勢也強烈反映在地理分布上，前十大募資案中，美國公司包辦七家，顯示其在 AI 領域壓倒性的主導地位，「光美國一個國家，就搶走全球將近 82% 的資金，」黃海寧強調。此外，推動這波巨額投資的角色也發生質變。這一輪資金不再只是傳統創投在推動，微軟、Google 等企業創投（CVC）正為了綁定 AI 生態系而挾帶大筆企業銀彈參與交易。另一方面，一般創投基金也面臨嚴峻考驗。黃海寧觀察，創投背後的出資人（LP）出現嚴重的科技焦慮，呈現一種「抱團取暖」的現象，資金大幅向超過 10 億美元的老牌大基金靠攏，進一步壓縮早期與非 AI 新創的募資空間。從大型語言模型到實體 AI，投資焦點進入垂直應用儘管資金高度集中於底層模型與算力，但 AI 的應用場景正逐漸向外擴張。雖然大型語言模型仍是資金主軸，不過黃海寧分析，創業的題材正在從純軟體模型，漸漸踏入實體世界的 AI。例如 Waymo 的無人車、Neura Robotics 的人形機器人與 Rokid 的 AR 眼鏡等案例，顯示 AI 正在具備實體認知能力，加速落地進入交通、工業與穿戴裝置等領域。另一個備受關注的剛性需求方向，則與地緣政治息息相關。例如代表國防科技的 Shield AI，以及切入 AI 資料中心基礎建設的 DayOne。在算力缺乏與地緣政治緊張的背景下，「我想這些應該都是投資人很願意買單的鋼鐵防線，」黃海寧說。 […]
6/24 12:24署名全新一週 Podcasthttps://techorange.com/2026/06/24/q1-26-venture-pulse-report-global/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
AI 機器人最缺的不是模型而是資料，新創 XDOF 如何切入這個基礎設施缺口？
要讓機器人真正能運作，需要的不只是更好的模型或更快的晶片，而是一種非常稀缺的東西：大規模、高品質的物理互動訓練資料。新創公司 XDOF 想做的，正是填補這個缺口。語言模型有公開文字，機器人沒有語言模型的崛起，很大程度上靠的是網路上海量的公開文字資料。但機器人需要的是捕捉物理互動的資料，包括手如何抓取物件、力道如何調整、動作如何修正，這類資料幾乎不存在。 YouTube 影片和外包工作者拍攝的畫面解析度太低，也難以精確對應到物理世界的參數，無法直接轉化為有效的機器人訓練資料。 XDOF 共同創辦人暨 CEO Philipp Wu 在 UC Berkeley 攻讀博士時就親身遭遇這個問題。他的研究方向是讓機器人從大規模資料集學習技能，卻發現根本無資料可用，「我們先需要實際收集資料，才能開始思考如何訓練機器人的基礎模型，」他說這是一個先有雞還是先有蛋的問題。 Wu 和共同創辦人暨 CTO Fred Shentu 因此開發了 GELLO，一套低成本的遙操作系統，讓人類操作者控制機械臂來生成訓練資料。這篇論文在機器人領域產生了廣泛影響，許多面臨相同瓶頸的研究者開始借用這套裝置收集資料。看到這個機會，Wu、Shentu 與第三位共同創辦人暨 COO Nemo Jin 在 2024 年 10 月創立了 XDOF。三層資料架構，從機器人到人體動作 XDOF 的資料生產架構分三個層次，對應不同的資料來源與應用價值。價值最高的是直接在部署中的真實機器人上收集的遙操作資料，因為它最貼近實際使用情境；其次是透過 GELLO 這類遙操作裝置收集的較通用資料；第三層則是記錄人類日常行為視角的「自我中心」資料，XDOF 計劃自行開發穿戴式感測器來收集。 Wu 強調，感測器硬體的選擇會直接影響資料品質，進而影響模型能力，他說如果一開始沒有把硬體設計好，收集到的資料可能會有你沒預料到的問題。這也是為什麼 XDOF 選擇同時做感測器硬體，而不只是提供純軟體服務。在資料收集之外，XDOF 也負責資料清洗、工具開發與標注，讓整個流程形成持續優化的迴圈。Wu 說，他們刻意避免讓公司變成只做資料供應的業者，單純賣資料很容易走進死胡同。與 UC Berkeley 合作，釋出迄今最大規模開源資料集作為起點，XDOF 與 UC Berkeley、卡內基美隆大學、MIT 與 […]
6/24 10:48作者歐尚恩https://techorange.com/2026/06/24/ukraines-land-robots/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
SAS Customer Intelligence 360 結合代理 AI 再次攜手遠東商銀打造「懂你」的財富管理
當數位金融從產品導向走向客戶體驗導向，客戶期待的，不再只是快速便利的交易流程，而是銀行能在不同人生階段與互動情境中，提供更即時、更貼近需求的服務價值。遠東商銀與全球數據分析大廠 SAS 強強聯手，近期導入 SAS Customer Intelligence 360，結合數據分析、AI 應用、代理式人工智慧（Agentic AI），實踐行銷自動化，布局智慧金融下一階段成長動能。以客戶旅程為核心　遠東商銀推進智慧金融轉型遠東商銀個人金融事業群副總經理張小倩表示：「金融服務的核心始終是理解客戶需求。此次導入 SAS Customer Intelligence 360，我們希望透過數據與 AI 能力，強化服務體驗，在適當的時間提供合適的服務，讓每一次互動更具溫度與價值。」透過整合大數據、客戶標籤、分析模型與全通路資訊，銀行得以更完整地掌握客戶需求；並依據不同人生階段、資產規劃目標與溝通偏好，設計更精準的服務流程與內容。張小倩表示，SAS 深耕金融產業多年，平台功能完整且具延展性，加上雙方已有良好合作基礎，因此再次攜手，將客戶服務架構升級至以旅程為核心的智慧互動模式，共同推進智慧金融布局。 SAS Customer Intelligence 360 賦能金融業　打造新世代客戶互動平台 SAS 台灣暨香港金融事業群業務顧問部門負責人滕嘉敦指出：「SAS Customer Intelligence 360 可協助企業統合受眾資料、互動通路與體驗管理，串聯行銷決策與服務流程，降低多系統管理的複雜度。直覺化的拖拉式介面，讓行銷人員得以快速建立名單與客戶旅程。」其同時具備 Agentic AI 與生成式 AI 延伸應用能力，在治理架構與人員監督前提下，系統可依據客戶行為與情境，即時協調適切的服務節點，並逐步整合 AI Agents 與自動化機制，邁向一對一的精準經營模式，可謂是「新世代客戶互動平台」。導入 SAS Customer Intelligence 360 後，遠東商銀名單開發時間降低約 30%，回應率較過往提升100%，行銷測試週期同步縮短，前線團隊得以更快回應市場與客戶需求。同時也有助於遠東商銀加速布局財富管理 2.0 提供更高端的個人化服務體驗。此外，SAS Customer Intelligence 360 的雲地整合架構，可滿足金融業資安治理與法遵要求，同時保持系統更新的敏捷性；並可串接既有資料庫、CRM、App 與多元通路，協助建立一致且流暢的服務體驗。持續深化 AI 應用 […]
6/24 11:00署名 SAS 台灣https://techorange.com/2026/06/24/sas-customer-intelligence-360-ai/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
PepsiCo 41 輛無人卡車上路：全美首家公開大規模商轉的消費品巨頭
一輛載滿 Doritos 和 Frito-Lay 零食的卡車駛出配送中心，沿著亞利桑那州的公路前往 Walmart 門市時，外觀看起來與一般貨車並無不同。然而，駕駛座上卻空無一人。這並非測試場景，而是 PepsiCo 已經投入日常營運的物流網路。《華爾街日報》報導，PepsiCo 近日宣布，已在亞利桑那、德州、阿肯色州部署共 41 輛由自駕物流公司 Gatik 提供技術的無人駕駛卡車，成為美國第一家公開揭露在公共道路上大規模商業化使用無人卡車的消費品企業。最適合短途固定路線，還能依當日需求動態調度 PepsiCo 的車隊已經進入完全無人駕駛運行階段。該公司與 Gatik 自 2022 年開始合作，歷經數年的道路驗證與安全測試後，於 2025 年 6 月正式啟動無人駕駛營運。PepsiCo 表示，截至目前為止，這些車輛在公共道路上尚未發生事故。 Gatik 的車輛搭載多組攝影機、雷達與光達感測器，能即時辨識周遭車流、行人及道路狀況。系統透過車載運算平台持續分析環境資訊，自主完成轉彎、變換車道與路線調整等操作。未來版本甚至可能取消方向盤與駕駛艙配置，進一步朝專用物流載具發展。 PepsiCo 指出，這套技術最適合應用於短途、中短距離且路線高度固定的運輸任務，例如裝瓶廠與倉儲中心之間的補貨路線。由於車輛會持續重複相同路徑，系統能累積大量運行經驗，進一步優化決策模型與行車表現。Gatik 也強調，其系統並非僅能執行固定路線任務。車輛可依據當天的營運需求調整配送計畫，在多個配送據點之間重新規劃路徑，協助企業因應需求波動、配送中心作業量變化，以及不同區域的補貨需求。對 PepsiCo 而言，推動無人駕駛卡車最大的價值並非節省人力，而是提升物流網路的可預測性。根據該公司數據，在排除天候與重大交通事故等不可控因素後，無人卡車的準時送達率已達 99%。解放方向盤的隱形效益：把駕駛時間變實體營收 PepsiCo 全球供應鏈主管 Jim Farrell 表示，自動駕駛的核心價值在於讓取貨與配送時間更穩定。相較於人類司機可能因身體狀況請假、受到工時法規限制，或面臨招募困難等問題，自駕系統能以固定節奏持續運作，協助企業更精準地安排庫存與補貨計畫。這種特性對消費品供應鏈尤其重要。當節慶旺季或促銷活動帶動需求快速增加時，零售商往往需要更頻繁地補貨。PepsiCo 認為，自駕卡車能在這類高需求時段提供額外運輸能力，降低人力短缺對供應鏈造成的衝擊，同時維持貨架供貨穩定。除了提升配送效率，無人卡車也正在改變第一線人員的工作模式。在許多傳統配送流程中，卡車司機同時肩負業務代表角色，除了送貨之外，也需要與門市主管溝通商品陳列、庫存狀況以及最新促銷方案。如今，當自駕卡車抵達零售據點時，PepsiCo 仍會安排員工在現場接應與卸貨，但原本需要花費數小時在路上的業務人員，能將更多時間投入客戶關係經營。PepsiCo 表示，這讓員工有更多機會與店長交流市場需求、介紹新品與促銷活動，進一步帶動產品銷售表現。近年來，PepsiCo 持續推動運輸網路現代化。除了自駕卡車，該公司也積極投資電動貨車與低碳運輸方案，並參與多項重型電動卡車試點計畫。隨著無人駕駛技術逐步成熟，供應鏈的焦點也正從單純的運輸能力，轉向更高層次的可預測性與營運韌性。【推薦閱讀】 ◆ 1 秒攔截瑕疵、LLM 幫司機打電話！家具巨頭 […]
6/24 09:56作者 Arielhttps://techorange.com/2026/06/24/pepsico-driveless-trucks-ai-gatik/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【科技早餐】五眼聯盟示警 AI 資安倒數，微軟搶電、NVIDIA 液冷與美光記憶體同步升溫
【科技早餐】今天精選 8 則國內外重要科技新聞。＊五眼聯盟示警 AI 資安進入「數月倒數」由美國、英國、加拿大、澳洲和紐西蘭組成的情報共享網路「五眼聯盟」發布聯合聲明，警告前沿 AI 模型正在快速改變網路攻防能力，而且時間表不是以年計，而是以月計。聲明指出，前沿 AI 模型預計將超越現有產業預期，從根本改變攻擊與防禦兩端的網路能力。五眼聯盟認為，先進 AI 模型可能協助攻擊者更快尋找漏洞、撰寫攻擊工具，並提高網路攻擊的規模與精準度。聲明同時要求政府與企業立即修補已知漏洞、降低不必要的網路曝險，並運用 AI 強化防禦。近期美國也以國安為由，要求 Anthropic 限制外籍人士存取最先進模型，涉及 Fable 5 和 Mythos 5；美國網路安全和基礎設施安全局也把政府機關修補重大資安漏洞的期限縮短到三天。＊川普推 2028 量子電腦，後量子資安時程提前美國總統川普簽署兩項行政命令，目標是加速量子電腦發展，並提升美國政府的後量子資安防護。白宮科技政策辦公室表示，新命令要求美國政府機關與民間企業合作，在 2028 年前研發出可用於科學研究的量子電腦，作為邁向更大規模量子系統的過渡階段。量子電腦未來可能處理傳統電腦難以解決的特定問題，但也可能破解現有加密系統，因此另一項行政命令聚焦後量子密碼學，也就是能抵抗量子電腦破解的加密技術。白宮目標是在 2030 或 2031 年前，讓政府重要資訊系統轉向後量子加密。Amazon AI 主管 Peter DeSantis 也表示，未來五到七年內，可能出現第一批具商業實用價值的小型量子電腦。＊微軟綁定雪佛龍 20 年電力，AI 資料中心接上天然氣微軟（Microsoft）與雪佛龍（Chevron）簽署 20 年供電合約，雪佛龍將為微軟研議中的德州資料中心提供天然氣發電電力。這座發電廠名為 Project Kilby，預計 2028 年開始供電，後續發電量可能增加到 2.67GW。完工後，這項計畫可望成為美國規模最大的同址天然氣發電資料中心供電案之一。微軟正加碼興建資料中心，以支援 AI 發展，並與 Google、Amazon […]
6/24 05:30作者 Anitahttps://techorange.com/2026/06/24/ai-cybersecurity-infrastructure-race/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
日本 AI 新創 Sakana 推出 Fugu：AI 下一場戰爭不只比模型，而是誰更會協調模型
當 Anthropic 因美國出口管制調整 Claude Fable 5 與 Mythos 5 的公開存取政策後，一個過去較少被討論的問題浮現：如果企業的關鍵 AI 能力建立在單一模型供應商之上，當政策、商業策略或地緣政治發生變化時，企業是否有能力維持系統穩定運作？就在這個時間點，日本 AI 新創 Sakana AI 發表多模型編排系統（Model Orchestration System）Fugu。與其說這是一個新的大型語言模型，不如說它是一套負責協調不同模型合作的「AI 指揮系統」。Sakana AI 希望證明，透過多個模型組成的 Agent 群協同運作，即使不擁有最強大的單一模型，也能在部分任務上達到接近甚至超越前沿模型的表現，並且無需承擔出口管制的風險。不是更大的模型，而是會調度模型的模型根據 Sakana AI 官方說明，Fugu 的核心並不是又一個試圖包辦所有任務的大型語言模型，而是「編排模型」（orchestration model）。Fugu 被訓練來調用一個「可隨時抽換的代理池」，當收到複雜請求時，它會自行判斷是直接回答，還是把問題拆解、委派給多個專家模型，再驗證並整合出最終輸出。對開發者而言，這整套多代理協作被隱藏在單一且相容 OpenAI 的 API 之後，多代理系統的複雜度不會進到程式碼裡。Sakana 在技術說明中提到，Fugu 本身就是一個被訓練來調用代理池中各種大型語言模型的語言模型，甚至能遞迴地調用自己。這也是 Fugu 與一般「模型路由」的差異。據《VentureBeat》報導，路由平台如 Not Diamond、Martian 或開源的 RouteLLM 等，做的是一次性決策：分析提示後，預測哪一個單一模型最合適，再把整個查詢分派過去，像個只負責調度的空中交通管制員。Fugu 則更接近 Router-R1（NeurIPS 2025）這類多輪系統，會把任務拆解、邊推理邊委派，讓多個模型並行或接力處理後再整合輸出。簡單來說，路由是「挑一個模型來用」，編排是「拆任務、調度多個模型分工」。這套設計奠基於 Sakana 2026 年的兩篇研究 […]
6/23 18:14作者廖紹伶https://techorange.com/2026/06/23/sakana-fugu-ai/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
「未來一定是機器人送包裹。」京東集團創辦人劉強東揭如何讓 70 萬配送員轉型維修人才
中國大型電商京東集團創辦人、董事局主席劉強東近日在亞太經濟合作會議（APEC）CEO 論壇上表示，未來的包裹配送一定會由機器人完成，配送員遲早將不再被需要。然而，劉強東同時表示：「我真的不希望我們的 70 萬名兄弟沒有飯吃、沒有工作。」因此，京東已經開始為這批龐大的配送員大軍規劃重新培訓與轉型方向，劉強東也強調，科技應該「讓人類的生活變得更好」，讓工作「更有趣」，而不是「剝奪人類工作的權利」。劉強東預言機器人配送將取代人力，中國零工經濟面臨轉型壓力「未來一定會是機器人配送包裹，」劉強東進一步指出，當機器人開始運送包裹，遲早有一天將不再需要配送員。雖然他並未預測機器人配送何時會在中國達到大規模普及的程度，但目前已經有多個相關的試點專案正在進行中。《金融時報》提到，據中國媒體報導，例如深圳已有機場送餐機器人，可將餐點送到登機口乘客手中，還有機器人可以搭乘通勤列車為便利商店補貨。因此這項趨勢也引發決策者對勞工生存的擔憂，因為中國今年的「零工」數量預計將達到 3.2 億人，高於五年前的 2 億，占中國城鎮就業總人數的 40%。京東推動配送員轉型維修人才，已與 120 所學校簽約培訓為了替這些配送員尋找新的工作出路，京東表示已經與大約 120 所學校簽署合約，協助配送員接受再培訓。《金融時報》報導，這些配送員未來可能轉向如維護與保養機器人這一類新職務，劉強東對此解釋，機器人的維修工作將會變得非常普遍，「因為機器人是機械設備，它們總會在某個時刻發生故障」。對此，中國人力資源和社會保障部表示政府正積極探索擴大這類勞工的社會保險覆蓋範圍，並關注「AI 訓練師」與「無人機操作員」等新興職業的發展。人權觀察組織（Human Rights Watch）則呼籲中國政府應保障這些零工的權益。 AI 自動化效益難全面釋放，中國企業面臨政策與就業壓力《Reuters》報導，中國政府一方面希望企業投資新技術並進行創新，甚至在三月正式批准的下一個「五年計畫」中，將機器人技術視為現代工業體系的核心。然而，另一方面，中國政府也釋出訊號，表明不會容忍企業進行大規模裁員與重組，要求企業必須降低 AI 對就業造成的衝擊。《Reuters》進一步提到，京東龐大且高度仰賴勞力的物流與配送業務，其實非常適合從 AI 與機器人自動化技術中提升效率。劉強東去年就曾在一次會議上自豪地表示，京東在北京的分揀中心已經有 90% 的人力被機器人所取代。然而，現實挑戰是，京東過去五年的員工總數雖然增加了一倍多，但自 2021 年以來「每位員工創造的營收」卻持續下滑。同時，包含阿里巴巴在內的其他科技巨頭也面臨同樣的走鋼索困境，只能透過自然流失與漸進式縮減來悄悄裁員。京東的案例顯示，機器人送貨的發展直接牽動該公司 70 萬名配送員未來的職涯轉向。據花旗銀行（Citibank）估計，中國約有高達 9.6%、約 7,000 萬個職位，面臨被 AI 取代的風險。然而，在目前青年失業率高達近 17%，加上今年夏季將有創紀錄的 1,270 萬名大學畢業生進入職場的就業壓力下，中國的科技企業很難像西方競爭對手一樣，全面釋放 AI 與自動化帶來的效益。因此，京東 70 萬名配送員的轉型計畫，也反映出中國在推動 AI 與機器人自動化發展時，所面臨的沉重政策壓力。畢竟，維持就業穩定是支撐中國國內消費的關鍵，而在近期官方數據中，中國的零售額已經出現三年來首次下滑。在這種相互衝突的政策目標下，中國企業可能會在未來拖慢整體的創新步伐。  【推薦閱讀】◆ 不等人形機器人了？Sanctuary […]
6/23 18:17作者李昀蔚https://techorange.com/2026/06/23/robots-will-replace-700000-delivery-workers-sooner-or-later-warns-jd-com-boss/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
川普按下量子競賽加速鍵：2028 量子電腦目標，為何讓比特幣、金融網路與政府資安同步備戰？
美國總統川普在 6 月 22 日簽署兩項具備高度戰略意義的行政命令：一項目的是在加速美國量子運算技術的發展，另一項則著眼於防範量子技術成熟後，對現有加密系統造成的資安威脅。這兩項命令不只將量子科技明確提升至美國經濟與國家安全的優先層級，更被視為美中科技角力的關鍵布局。與此同時，聯邦政府大動作推進的防禦政策，也讓「後量子加密」與比特幣的資安問題，再次成為焦點。劍指 2028，開啟「量子驅動科學發現」時代這項政策的核心動力，在於美國企圖掌握量子科技的絕對優勢，因為量子科技的突破預期將能大幅推動 AI、材料科學與化學等前沿領域的進展。對於打造量子電腦的時程，白宮科技政策辦公室主任 Michael Kratsios 明確表示：「我們相信這可以在 2028 年實現。」為了打造可用於科學研究的強大量子運算系統，第一項行政命令宣布正式啟動「QC-ADDS」（Quantum Computer for Application Development and Discovery Science）計畫。此外，命令也要求國防部、商務部、能源部與 NASA 必須在五年內制定部署量子感測器與網路技術的計畫。據規劃，五角大廈將在 2028 年前部署量子感測器，這些設備能幫助在 GPS 受干擾的戰區進行導航，若部署於衛星，還能從太空探測地下隧道或飛彈發射井。為達成這些目標，美國商務部已在上個月透過《晶片與科學法案》（CHIPS and Science Act），宣布向 IBM 與 GlobalFoundries 等九家量子運算公司提供總計逾 20 億美元的資金。同時，命令也要求聯邦政府必須與私人企業及學術界攜手合作，以期正式開啟「量子驅動科學發現」（quantum-enabled scientific discovery）的嶄新時代。築起防禦壁壘，後量子資安加速倒數然而，如同雙面刃，強大的量子運算能力同時也具備破解現有加密機制的潛力，進而引發外界對未來爆發更激烈網路攻擊的深切擔憂。為了防患未然，川普簽署第二項名為「保護國家免受先進密碼攻擊」的資安行政命令。這項命令的核心目標是讓聯邦資安順利進入後量子運算時代，不僅指示網路安全暨基礎設施安全局（CISA）必須協助關鍵基礎設施的營運商完成過渡轉型，更要求美國關鍵政府系統必須在 2030 年至 2031 年前遷移至後量子密碼學（post-quantum cryptography）。  值得注意的是，根據該命令，聯邦機構全面轉向後量子密碼的最後期限被設定在 2031 年 12 月底，這比原先國家安全備忘錄所規劃的 […]
6/23 11:47作者李昀蔚https://techorange.com/2026/06/23/trump-launches-quantum-race-as-crypto-faces-q-day-threat/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
OpenAI 啟動開源資安計畫 Patch the Planet：資安戰場正從「找漏洞」轉向「修漏洞」
AI 已經改寫了資安的物理規則，而本週，OpenAI 正式把這場改寫推進到下一階段。該公司擴大旗下的 Daybreak 資安計畫，把重心從「發現漏洞」推向端到端的修補自動化，一連串發布裡最受關注的，是一項名為「Patch the Planet」的開源計畫。這背後是一個正在發生的瓶頸轉移。長期以來，找出一個嚴重漏洞需要稀缺的專業、大量時間，以及對複雜系統的深入熟悉，這道門檻讓「發現漏洞」成為整條資安鏈最大的瓶頸。但當前沿 AI 模型已經能大規模巡視龐大的程式庫、推理攻擊路徑、驗證假設並挖出隱藏的安全問題，瓶頸正快速從找漏洞滑向另一端：驗證與修補。找洞變得又快又廉價，沒修的漏洞正在堆積 OpenAI 在公告中直言：漏洞報告本身不能保護任何人。該公司表示，其真正的價值來自驗證問題、理解其影響、開發並測試修補、協調揭露，再協助團隊把修補部署上線。換句話說，當 AI 讓找洞變得又快又廉價，沒被修好的漏洞反而以前所未有的速度堆積，防守方被淹沒在發現的數量裡。這也是 Daybreak 整套布局的核心定位。OpenAI 把它描述為 AI 時代的防禦型資安堆疊，整合前沿模型、Codex Security 工作流、受控存取、專家審查與資安生態系夥伴。《AI News》分析指出，這次擴張的意義，在於 OpenAI 不再只把 AI 資安當成一種模型能力或評測分數，而是把它變成一條可掃描、可驗證、可修補、可審查的營運管線。當 slop 報告淹沒志工，開源社群成為最脆弱的一環這個趨勢對開源社群的衝擊尤其明顯。《TechCrunch》指出，開源軟體是商業軟體賴以運作的數位基石，但由於這個生態系結構分散、缺乏妥善監管，許多軟體其實並不安全。OpenAI 引用 Linux 基金會與哈佛大學的研究指出，在受研究的廣泛使用專案中，有 94% 的專案在過去一年內，逾九成的新增程式碼是由不到十名開發者完成，多數仰賴時間與資金都有限的小團隊維持。這些維護者本就疲於應付漏洞回報，而據《WIRED》報導，AI 驅動的漏洞挖掘在近幾個月興起後，情況雪上加霜。大量 AI 生成的低品質報告，也就是俗稱的 slop，不斷堆積，讓維護者更難排序與聚焦真正關鍵的瑕疵。OpenAI 資安技術主管 Fouad Matin 向《WIRED》形容，維護者出於對開源的熱愛而投入，如今卻被迫耗在審查灌水的 CVE 上。他表示，Patch the Planet 的設計，是盡可能從 token 成本的角度提高效率，藉由程式庫評估、驗證潛在報告、建立修補並推動上線，來減輕維護者的負擔。 Patch the […]
6/23 11:48作者廖紹伶https://techorange.com/2026/06/23/openai-patch-the-planet-daybreak-ai/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
攔截消費決策最起點：房產巨頭 Zillow 布局 NotebookLM，讓 AI 化身購屋族專屬軍師
生成式 AI 快速改變消費者獲取資訊的方式，品牌競爭的戰場也正在悄悄前移。過去，購屋族可能先上房地產網站搜尋物件、閱讀文章，接著才聯繫房仲或申請貸款；如今，越來越多人習慣先向 AI 詢問問題、整理資訊，再決定下一步行動。對房地產平台而言，誰能在消費者形成決策之前搶先提供可信賴的答案，誰就更有機會成為最終被選擇的品牌。美國房地產平台 Zillow 近日宣布與 Google 合作，在 NotebookLM 推出官方「精選筆記（Featured Notebook）」，將多年累積的購屋知識與指南內容直接導入這個快速成長的 AI 工具。此舉反映出一項重要趨勢：品牌開始主動將專業內容部署至新興 AI 平台，希望在消費者研究階段就建立影響力，而非等待用戶主動造訪官網。 Zillow X NotebookLM 專治買房焦慮，一條龍拆解複雜術語與流程對 Zillow 而言，購屋是一個充滿不確定性的高風險決策。無論是首次購屋者或有經驗的買家，都經常在流程中遇到大量陌生術語與複雜程序。當消費者尋求協助時，他們需要的不僅是快速回應，更需要清楚、準確且有依據的資訊。此次推出的精選筆記，正是希望成為購屋旅程中的 AI 顧問，協助使用者理解各種重要問題。透過 Zillow 的 NotebookLM 精選筆記，使用者可以直接提出購屋過程中常見的疑問。例如貸款預審（Preapproval）與預認證（Prequalification）之間有何差異、買家提出的報價被賣方接受後通常會發生哪些程序，以及除了頭期款之外還需要預留哪些額外支出等。這些都是許多購屋族在初期階段最容易感到困惑的議題。有別於一般 AI 工具可能出現資訊來源不明或答案品質不穩定的情況，這套系統的所有回覆都建立在 Zillow 官方審核與發布的內容之上。當 AI 回答問題時，系統會同步顯示引用來源，讓使用者能直接點選並返回 Zillow.com 閱讀完整文章。這種透明化機制有助於提升資訊可信度，也讓 AI 回覆不再只是單純的答案，而成為引導用戶深入研究的重要入口。 NotebookLM 共同創辦人兼編輯總監 Steven Johnson 表示，購屋是人生中最重要的里程碑之一，因此可信賴的資訊格外重要。這項由 Zillow 策劃的精選筆記，能在買家旅程起點提供值得信任的解答，協助使用者更有信心地做出決策。創新「音訊摘要」體驗，用聽 Podcast 的方式搞定買房功課除了文字問答功能之外，這項合作也運用了 NotebookLM 近年廣受歡迎的「音訊摘要（Audio […]
6/23 09:47作者 Arielhttps://techorange.com/2026/06/23/zillow-notebooklm-ai/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
AI Agent 進公司誰來管？Accenture 點名 HR 扛責，PwC 示警入門職缺「資深化」
隨著技術快速演進，AI 逐漸引發一場從管理核心到基層人才庫的全面結構性革命。在企業內部，AI Agent 正逐漸轉變為需要被導入、訓練與管理的數位工作夥伴。Accenture UK and Ireland 執行長 Matt Prebble 近日表示，AI 正在促使企業董事會重新思考如何重塑員工隊伍與領導架構，未來企業在營運時，將必須面對同時管理人類員工、AI 代理程式與技術系統的混合型態。同時，PwC 針對全球職缺趨勢發布的《2026 全球 AI 職缺動態調查報告》（AI Jobs Barometer）數據更進一步揭示，AI 正在顯著提高職場的入門門檻。在受 AI 影響較深的領域，企業越來越期待初階員工能具備過去「資深職位」才需要的能力。這兩股趨勢正以前所未有的速度，改寫企業的管理架構與人才樣貌。 HR 未來不只管理人，也要管理 AI Agent 隨著技術進步，整合與導入 AI Agent 已成為一項艱鉅的挑戰，需要企業進行非常細緻的管理，不能僅將 AI 視為單純的軟體工具。Matt Prebble 表示，目前已有少數企業真正將代理式 AI 導入組織，而這些領先者已經開始思考如何對 AI Agent 進行訓練與管理，未來這些工作很有可能直接納入人資主管（HR）的職責範圍。 Matt Prebble 特別強調，AI 正促使企業董事會重新思考如何重塑員工編制與領導架構，他更拋出一個核心問題：「當你思考如何營運未來的組織時，你會去想，我該如何建立組織架構，好讓我能在管理人的同時，也管理代理程式、AI 以及科技？」管理高層的角色演變：COO 扛責與「信任治理」的崛起 AI Agent 在企業內部的出現，不僅改變 HR 的工作範疇，更直接牽動高階管理層（C-suite）的分工。Matt Prebble 認為，當 AI […]
6/23 10:10作者李昀蔚https://techorange.com/2026/06/23/ai-agent-accenture-pwc/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【個人化虛擬商場】從爬蟲技術到品牌數據生意，The Mall 想做購物版 Spotify
線上購物的資訊長期處於碎片狀態，每個品牌各自經營官網、社群與電子報，消費者得自己開著一堆分頁、訂閱一堆電子報，才能拼湊出完整的購物情報，而新創公司 The Mall 想解決的正是這個問題，於是它把「逛商場」這件事搬回線上。 The Mall 讓使用者用自己最愛的品牌打造一座專屬的虛擬商場，並同步追蹤所有折扣，滿足消費者對「個人化虛擬商場」的想像。立志把時尚品牌收攏到同一個數位屋簷下 The Mall 共同創辦人暨營運長 Ellie Konsker 曾任職於精品品牌 Tom Ford 與 Karla Otto，先前在自己創立的永續時尚品牌觀察到一個問題：消費者往往同時開著二十個分頁購物，為了追蹤喜愛的品牌而訂閱各種電子報，再費力把散落各處的資訊即時拼湊起來，這讓購物變成一件令人挫折的事。這個問題在實體商場逐漸被線上稀釋的此刻，顯得格外突出。實體商場之所以能復甦，部分原因正是它重新被定位為社交與休閒的去處，零售地點智慧選點平台 GrowthFactor 的資料指出，高達 75% 的美國消費者到商場主要是為了與親友相聚，而非單純採購。 The Mall 想做的，就是把這種「一個地方就能逛遍所有品牌」的價值，以個人化的形式重現於數位環境中。共同創辦人暨執行長、史丹佛電腦科學背景出身的 Sreya Halder，更直白說明音樂有 Spotify、電影有 Letterboxd、書有 Goodreads，這些創意領域都已有自己的資料庫，唯獨時尚與購物還沒有，所以他們想做一個「購物版的 Spotify」。兩人便於 2025 年 10 月創立 The Mall，先從把時尚品牌收攏到同一個數位屋簷下開始。不採傳統的聯盟行銷分潤模式 The Mall 最關鍵的差異化，在於它取得商品資料的方式。它不與品牌簽約合作，也不依賴官方 API，而是直接以技術爬取零售網站，把整份商品目錄連同價格資訊抓進自家 App 並持續追蹤。爬取的頻率足以即時偵測折扣、補貨、新品上架與各種促銷，再透過推播通知提醒使用者。這條技術路線讓 The Mall 能繞過冗長的商業談判，快速擴充品牌涵蓋面。在使用體驗上，使用者註冊時先挑選喜愛的品牌，自行組建一座虛擬商場，並立即開始追蹤任何最新動態。目前資料庫已收錄超過一萬個品牌，但使用者並不受限於此，只要分享某個品牌的 Instagram 或 […]
6/23 09:12署名 LChttps://techorange.com/2026/06/23/the-mall/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【金融業資安新威脅】駭客改打 IT 支援電話，傳統憑證防禦出現結構性破口
多因素驗證（MFA）雖能保護基於密碼的認證機制，但當前主導金融服務業的駭客攻擊，卻是正在透過重設密碼、授予驗證碼及漏洞利用等方式，繞過傳統的密碼竊取，構成全新的威脅體系。
6/23 09:12作者 Minhttps://techorange.com/2026/06/23/hacker-mfa-steals-token-crowdstrike/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
【科技早餐】中美搶半導體關鍵材料，AI 資料中心用電與模型主權同步拉警報
【科技早餐】今天精選 7 則國內外重要科技新聞。＊中國加強銦出口審查，AI 光通訊材料成新供應鏈風險隨著 AI 資料中心對高速光學晶片需求升高，中國近期加強對銦（indium）的出口審查，引發國際買家擔憂。銦全球將近七成供給來自中國，過去多用於顯示器與焊料，但在 AI 資料中心時代，它也是磷化銦（InP）的關鍵原料；磷化銦則是高速光學晶片的重要材料。《路透》報導，雖然銦本身尚未被列入出口限制清單，但中國海關對採購文件與終端用戶資訊的審查已變得更嚴。有歐洲買家首次被要求揭露最終用戶資訊，北美買家也表示，審批時間從原本當天延長到數天。美國也已把銦視為潛在弱點，並提出計畫，擬在三年內儲備最多 403 公噸銦，以降低供應風險。＊美國砸 5 億美元找半導體新材料，AI 供應鏈戰燒進化學品美國政府將提供 NVIDIA 投資的新創公司 SandboxAQ 5 億美元，用 AI 尋找半導體製造所需的新化學品與材料。這項計畫鎖定多種先進製造所需材料，包括 PFAS 替代品、催化劑，以及可降低對外國稀土依賴的磁鐵與電池材料。《路透》報導，美國商務部也將取得 SandboxAQ 少數、無表決權股權，並從成功商業化的技術授權中取得權利金。這代表美國正在把 AI 用於半導體供應鏈本身，試圖加速新材料搜尋，降低對特定國家或特定化學品的依賴。半導體競爭不只在晶圓廠、設備與 GPU，也正在往化學品與材料資料庫延伸。＊美國限制 Anthropic 模型存取，G7 急推 AI 信任夥伴制度在剛落幕的 G7 七大工業國集團峰會上，歐洲對美國 AI 技術依賴的焦慮再次成為討論焦點。美國政府先前以國家安全與模型安全風險為由，要求 Anthropic 在未取得許可前，限制外國人士使用最先進的 Fable 5 與 Mythos 5 模型。由於這些模型可用於識別網路安全漏洞，歐洲擔心，若前沿 AI 模型存取權掌握在美國政府與美國企業手中，歐洲在資安、國防與產業應用上都會更脆弱。法國總統馬克宏形容，美國政府指令是「嚴格的民族主義」做法。他表示，先進模型確實需要更有效監管，以避免落入威權政體手中並威脅網路安全，但國家之間缺乏合作不應是解決之道。他在 […]
6/23 05:30作者 Anitahttps://techorange.com/2026/06/23/ai-chip-materials-datacenter-power/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
Aether AI 獲 2,000 萬美元種子輪融資，押注因果推理挑戰「規模化至上」假設
當 OpenAI、Google 等科技巨頭持續投入資源打造更大規模的 AI 模型時，位於美國聖地牙哥的新創公司 Aether AI 選擇反其道而行。《The Next Web》報導，該公司近日完成 2,000 萬美元種子輪募資，主張 AI 的下一階段發展不該只追求參數數量成長，而應該讓機器真正理解事件發生背後的因果關係。 Aether AI 推因果世界模型，挑戰主流 AI 推理框架《The Next Web》指出，目前主流 AI 模型大多透過大量資料訓練，從中學習各種模式與規律，進而完成推理、生成內容或執行任務。然而，這種建立在統計關聯上的學習方式，面對現實世界複雜多變的情境時，仍可能出現誤判。Aether AI 認為，現有 AI 雖然擅長找出事物之間的關聯，卻未必真正理解事件發生的原因與結果。 Aether AI 提出「因果世界模型」（Causal World Models）概念，希望讓 AI 不只是根據既有資料進行預測，而是能夠理解行動與結果之間的因果關係。換言之，系統在做出決策前，能先推演不同選擇可能產生的影響，再決定如何行動。Aether AI 表示，在早期驗證研究中，其因果模型在部分操作任務上可提升約 20% 至 30% 的資料效率。在特定情境下，僅需約 50 筆高品質因果標註資料，即可讓原本持續失敗的任務達到穩定且可靠的成功率。公司認為，這意味著 AI 在降低資料依賴的同時，仍有機會維持甚至強化決策可靠性。近年來，隨著大型語言模型規模不斷擴張，訓練成本與算力需求也同步攀升，產業界開始討論「大模型路線」是否仍具備與過去相同的成長空間。《The Next Web》提及，在此背景下，如何突破單純依賴參數規模的發展模式，成為不少研究團隊積極探索的新方向，而因果推理正是其中備受關注的領域之一。在應用布局方面，Aether AI 將機器人視為驗證技術的重要場域。由於機器人的每一次移動、抓取或操作，都會直接與真實環境互動，一旦判斷失誤，往往立刻反映在執行結果上。因此，相較於純軟體應用，機器人更能檢驗 AI 是否具備真正的推理與決策能力。 Aether AI […]
6/22 19:01作者吳玟錡https://techorange.com/2026/06/22/aether-ai-raises-20m-seed-round/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
Human-in-the-Loop 不再是黃金標準？亞馬遜揭 AI Agent 治理最大盲點
近年來，「Human-in-the-Loop（人類在迴圈中）」幾乎是 AI 治理領域最主流的共識：只要在自動化系統旁安排一名人類審核者，把關 AI 的每一步輸出，風險就能被攔下來。但隨著 AI Agent 開始進入企業核心工作流程，這套治理邏輯正受到越來越多挑戰。亞馬遜資安部門副總裁暨傑出工程師 Eric Brandwine 近日接受《The Register》訪問時，公開挑戰這套邏輯。他說人類其實「不太一致」，而 Human-in-the-Loop「未必是治理 AI 的黃金標準」。他並非主張將人類排除在外，而是認為當 AI Agent 以機器速度持續運作時，人類並不適合被放在大量重複、需要不斷核准的流程節點上。對亞馬遜而言，企業更需要思考的是如何建立能夠持續監督、追溯責任與學習改進的治理機制。為什麼人類盯不住 AI？亞馬遜以急診室比喻「偏差常態化」 Brandwine 向《The Register》指出，人類傾向認為自己很擅長本職工作，但真正檢視起來，人類的表現並不穩定。他強調，人類和 AI 代理、AI 系統一樣，都具有非確定性（non-deterministic）：同樣的輸入，不保證每次都產出同樣的結果，兩者都會犯錯，甚至會憑空捏造。差別在於，人類已累積數千年的社會經驗，因此我們非常熟悉人類如何出錯，也知道該如何管理；但面對大型語言模型與建構其上的 AI Agent，人類真正接觸的時間其實還不到十年。他用一個自己從 2017 年 AWS re:Invent 大會談過的概念來解釋人類審核為何會失效：「偏差常態化」（Normalization of Deviance）。Brandwine 描述這是一個漸進的過程：當組織裡的人開始抄捷徑、不照既定程序走，而只要沒釀成大禍，這種偏差行為就會慢慢變成日常。 Brandwine 以急診室的情境為例指出，護理師上工第一天時，幾乎每一次警報響起都會立刻查看。但許多警報最終只是誤報，病患並沒有真正出現問題。一次、兩次、數十次之後，當警報不斷出現卻始終沒有造成後果，人類的警覺性便會逐漸下降。最終，人們開始忽略警報，直到真正的事故發生。他坦言這是一個高風險案例，但醫護人員、消防員甚至軍方飛行員等領域，都曾出現類似現象。「明明有人命關天，人們仍然難以長期維持同樣程度的紀律，這就是人性。」這正是「偏差常態化」對應到 AI 代理治理與安全的關鍵。Brandwine 告訴《The Register》，如果把一個人塞進這種緊湊的迴路裡，要他為代理工具一次又一次重複做核准決策，「一開始他會做得很好，接著做得普通，然後很快就會做得很差」。他說，這也是為什麼在亞馬遜，「我們不太推崇 Human-in-the-Loop」，它應該在真正必要時審慎使用，而不是拿來高速運轉，否則得不到想要的結果。不只亞馬遜，Google、微軟也在重新定義人類角色事實上，亞馬遜並非唯一開始重新思考 Human-in-the-Loop 的科技公司。Google、微軟等公司雖然提出的治理方法各不相同，但共同指向同一個方向：治理的重心正從「人類是否逐步批准 AI 的每個動作」，轉向「誰對結果負責，以及系統是否能持續學習與改善」。《The […]
6/22 18:19作者廖紹伶https://techorange.com/2026/06/22/human-in-the-loop-ai-agent/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss
去完一趟 COMPUTEX，AI 就能落地嗎？導入的隱形成本藏在這裡
在 2026 年 COMPUTEX 台北國際電腦展上，輝達（NVIDIA）黃仁勳才高喊 GPU 主導的「AI 工廠」將重塑個人電腦與資料中心；然而，英特爾（Intel）執行長陳立武（Lip-Bu Tan）就在主題演講中指出不同觀點，強調 AI 產業將從「模型訓練」階段走向推論與「代理式 AI（Agent AI）」階段，更提到，未來的晶片不單只供人使用，也是為了 AI 代理人而開發。簡單來說，過去以 GPU 為核心的模式可能將面臨瓶頸，以資料存取與任務協調的 CPU 重要性將隨之提升。不過科技巨頭在台上吵得火熱，台下的企業主和 IT 部門也正面臨著落地轉型的壓力，近年台灣企業對 AI 的期待，已從過去「能聊天的機器人（如 ChatGPT）」，轉變為希望 AI 能化身「看得懂報表、會幫忙跨系統下單、自動回覆複雜客訴」的實用型 AI 代理人。然而導入 AI 代理人並不像更換一套軟體那麼簡單，麥肯錫在《What is an AI agent?》一文中直指，企業面臨的最大挑戰不是技術本身，而是「信任」，意思就是員工與客戶可能都還沒準備好將任務交給 AI 全權處理。導入 AI 代理人意味著企業必須重新調整整個業務流程、風險管理、治理與組織運作方式，不只是推出一套新工具，但要成功導入 AI 代理人之前，企業通常會遇到這些難題：第一、系統互不相通：公司的財務系統、客戶資料庫和業務報表各自獨立，AI 代理人無法串平台互通，最後還是只能單向回答問題。第二、押錯模型：市場上的大模型，如 Google Gemini、OpenAI、Anthropic Claude，時常在改版更新，如果只押注在單一模型上，未來很容易在成本和調整彈性上失去優勢。第三、帳單難以控管：AI 代理人要做到思考、規劃、行動，甚至自主訓練，會消耗很大的運算資源，若沒有優化或是設定停損點，下個月收到帳單可能會讓你嚇一跳。針對以上三大落地痛點，萬里雲推出解決方案「LumiTure.ai」，一款為企業設計的雲端智慧財務管理平台，能解決上述問題：打破多雲帳單壁壘： LumiTure.ai […]
6/22 14:43署名 CloudMile 萬里雲https://techorange.com/2026/06/22/lumiture-ai/?utm_source=rss&utm_medium=feed&utm_campaign=techorange_rss