TechOrange 科技報橘

日月光攜手 SAS 建構 Agentic AI 智慧營運中樞

半導體製造講求高精度、高一致性與即時反應，任何製程偏差、設備異常或排程失準，都可能影響品質與產能表現。隨著 AI 模型從單點部署朝向規模化與 Agent 協作，日月光以「全員 AI」為策略，攜手 SAS 導入 SAS Viya 平台，建構 Agentic AI 智慧營運中樞，串接既有資料、模型、演算法與 AI

• #AI 人工智慧

英超跑品牌 McLaren 讓物理 AI 與 AI Agent 分工，車輛研發如何從逐一模擬走向大量設計探索？

英國超跑品牌 McLaren Automotive 與工程運算平台 Rescale、NVIDIA 合作，將代理式人工智慧（Agentic AI）導入完整的車輛工程研發流程。這套專屬 AI 數位工程平台整合電腦輔助工程（CAE）、系統工程與設計資料，結合物理 AI（AI Physics）模型與 AI Agent，協助工程師加速設計評估、減少重複性工作。其技術重點在於降低大量設計方案的所需的運算時間與成本，讓工程團隊能在相同時間內探索更多可能性。

• #AI 人工智慧

8 成美國企業財務團隊用生成式 AI 管現金流，採用代理式 AI 卻只有 5%

<p>美國企業財務部門正快速導入生成式 AI，但對於讓 AI 自主執行任務，態度則保守許多。支付產業媒體《PYMNTS》近日報導，其研究單位 PYMNTS Intelligence 與摩根大通（JPMorgan）合作發布的研究《Time to Cash: What Two Years of Data Say About Faster Cash and Rising Risk》顯示，2026 年有 80% 的財務團隊使用生成式 AI 管理現金流，較 2025 年的 16% 大幅成長；相較之下，使用代理式 AI（agentic AI）管理現金流的比例則大致持平，從 6% 變為 5%。 這份研究的調查對象為美國企業財務長，受訪企業的年營收介於 2.5 億至 25 億美元，涵蓋商品、服務與科技產業。2026 年的調查於 7 月進行，共有 100 位財務長受訪；2025 年的對照調查則有 375 位財務長受訪。《PYMNTS》指出，生成式 AI 與代理式 AI 採用率之間的落差，反映出財務自動化目前的發展階段：AI 已普遍用於分析現金狀況、建議下一步行動的系統，但讓 AI 自主執行仍相當少見。 [&hellip;]</p>

台廠也能打造自己的「CUDA 護城河」？開源基金會董事長蔡祈岩：開源如何提高硬體競爭力

<p>專訪：沈貝怡撰稿：張哲瑋 台灣在全球 AI 硬體供應鏈居於核心位置，但在軟體、開發者生態與標準的參與仍有落差。本集《全新一週》邀請台灣大哥大資訊長、今年 7 月成立的開源基金會（TAIONE）董事長蔡祈岩，談台灣如何從製造 AI 硬體，走向參與定義 AI。 本集專訪從開源與主權 AI、人才培育，談到他與台灣大哥大總經理林之晨合著、天下雜誌出版的新書《逆分工》，蔡祈岩也以甲午戰爭作為例證，提醒企業只買 AI 工具、不改動組織，生產力終將難以提升。當全世界的 AI 被軟體帶著跑，台灣的硬體優勢要怎麼延伸到軟體？ 只靠硬體，競爭地位不夠穩固：台廠為什麼也想要「CUDA 護城河」？ 蔡祈岩轉述，硬體大廠經營者在產業大好時仍居安思危，認為就產業競爭而言，「只有硬體，對台灣來講是不夠安全的」；全世界的 AI 其實是被軟體帶著跑，他們希望台灣的軟體業能持續精進。 他以 NVIDIA 為例：NVIDIA 早年透過開源函式庫推廣 CUDA 標準，結果「你要做 AI 就一定要用這個 CUDA，用 CUDA 就一定要綁定，要用他們的晶片」。硬體業者因此思考，台灣能否也利用開源，替硬體築起更高的護城河。 開源本來就是軟體業的基底。根據軟體資安公司 Black Duck 今年的開源安全與風險分析報告，受分析的 947 個程式碼庫中，98% 含有開源元件。蔡祈岩形容開源是筆「好生意」，將硬體優勢延伸到開源世界，能大幅提高硬體的附加價值。 但他觀察，台灣的開源人才、產業與政府過去就像三個「平行宇宙」：工程師下班後在社群貢獻，企業多半僅止步於使用開源軟體，政府也沒想到開源能成為生意。基金會要做的，就是用生意這個共同語言，把三者串連起來。 開源和主權 AI 不衝突：為什麼開源可能是台灣較可行的路？ 主權與開放看似矛盾。蔡祈岩認為，閉源等於壟斷，需要足夠的市場、創新能力與資本，「如果你要走閉源……目前看，可能只有美國有這個條件」。他認為，中國、日本與歐盟等更大的經濟體，也多半走開源路線，「台灣比較可行，應該還是要走開源」。 他把主權 AI 分成兩層：對外，賣硬體時加上符合各國主權 AI 需求的軟體，就是外銷生意；對內，進入台灣的 AI 應確保對民眾無害、符合台灣的價值，就像進口商品要課關稅、經過檢驗。 蔡祈岩表示，基金會已投入語料、評測與部分模型能力的培養，也將與國際開放權重模型、開源 Agentic AI 平台洽談合作，讓台灣工程師參與，把模型訓練成符合台灣主權需要的樣子。據《中央社》報導，他也表示開源 AI [&hellip;]</p>

打造通用型機器人 ：高通攜手生態系解鎖 Physical AI「手腦合一」新世代

<p>在製造與營運持續朝向高度自動化、數位化與彈性化發展的當下，AI 機器人正快速從前瞻性技術，轉變為支撐企業智慧製造與營運升級的關鍵能力。國際研調機構 IDC 於《全球供應鏈與產業生態系 2026 年預測》中指出，AI 正加速供應鏈與企業營運由傳統線性模式轉向更智慧、互聯且具協作能力的生態系模式。若要進一步發揮 AI 的應用價值，正有賴跨企業的系統互通性、完善的資料基礎，以及安全可信的數位環境加以支撐。 隨著技術成熟與平台化發展，企業導入 AI 機器人不一定意味著全面推翻既有系統。透過模組化、平台化的方式，企業可視實際需求，在既有產線、設備、感測與管理架構上逐步導入，以更可控的節奏評估效益、擴展應用場景，並為未來的人機協作與智慧決策奠定基礎。 然而，要真正推動機器人產業的普及與商用落地，光靠單一企業的力量是無法達成的，「要推動 AI 機器人的發展，已經不是單一企業能夠獨力完成，而需要打造一個開放、可擴展、可商業化的生態系。」高通業務副總裁吳南億指出，高通投入AI技術的創新開發已逾 15 年，現在更致力將高通在車用自駕領域的低延遲、高效能運算、強大感測與高效推論等核心技術，導入機器人與 Physical AI 的前瞻應用上，並積極與台灣各領域的產業多元合作，希望將整個生態系的力量凝聚起來，進而將尖端技術落實到真實的應用場景。 揭秘 Physical AI 與手腦合一的技術關鍵 成大電機系特聘教授李祖聖指出，全球機器人產業競爭進入白熱化階段。在技術演進上，過去機器人需要仰賴繁複的程式碼才能執行指令，如今結合 LLM 與 VLM，機器人開始具備觀察與學習的能力，在特定環境與條件下透過語音或視覺指令，甚至能讓機器人自主完成如開啟抽屜、收納廚房，為客人調酒等複雜的多步驟任務。 李祖聖與其團隊致力於服務型機器人研發，開發出能自動避障的賣場機器人以及在無人商店中自主挑貨與包裝的智慧系統。「這樣的服務型機器人一定會先進到工廠中，而不是家裡。」談及機器人的實體落地情況，李祖聖表示目前機器人仍然造價昂貴，短期內難以普及到日常生活中，開發者若沒有實體工廠場域進行訓練與測試，應用與技術也難以真正跨越商用化的門檻。 最後李祖聖提到，現今 Physical AI 的ˊ重要挑戰之一，是結合實體動作的端到端學習，也就是讓視覺與語言模型在接收資訊後，能進一步轉換成安全且精準的實體機械動作。而這必須將背後的物理邏輯寫進程式，只要背後的物理邏輯寫得好、設計夠完善，就能夠順利驅動機械手臂，達成 Physical AI 與手腦合一的核心精神。 以異質運算與 6G 技術，解鎖通用型機器人新世代 「長期缺工正推動企業尋求更具彈性的自動化方案， 所以機器人的場域應用在未來會越來越多。」隨著全球缺工問題日益嚴重，高通業務開發總監呂承翰表示，機器人技術走入真實場景已成為未來趨勢，不論在倉儲、零售或是服務業，漸漸能看到越來越多機器人的應用落地場景。 「傳統機器人只能執行單一動作，但未來機器人將會逐漸走向通用型。」呂承翰指出，機器人正從傳統的規則導向，邁向結合大型語言模型的通用型機器人。為因應此一趨勢與未來代理式 AI (Agentic AI) 的發展需求，高通打造 Qualcomm Dragonwing IQ 系列平台，提供高效能、低功耗的異質運算能力，以及兼顧隱私與可靠性的獨特優勢。其中，Dragonwing IQ10 可提供最高 700 TOPS AI [&hellip;]</p>

AI 落地的關鍵，在於找到合適的 Use Case：高通攜手生態系共創 Edge AI 加速產業部署

<p>TechOrange 科技報橘與美國高通公司（Qualcomm）於 9 月 17 日在新竹共同舉辦「AI 智造領航午宴」，邀集多位高科技製造業中高階主管蒞臨餐敘交流，共同探討 AI 落地製造現場的實務路徑。 科技報橘社長戴季全致詞時表示，台灣企業正進入全球佈局與國際經營的新階段，研發與創新服務更不可或缺。他觀察到，台灣廠商彼此之間正從單純的上下游供應鏈，轉向奠基於共同技術基礎上合作、研發與開拓市場的「生態系」模式，這也是 Edge AI 從技術驗證走向產業部署的重要基礎。 高通行銷行政經理朱俊翰於專題分享中指出，根據產業預估，全球邊緣 AI 的市場規模目前約為 200 億美元，至 2030 年更可望突破 1,000 億美元，成為 AI 產業成長最快的領域之一。企業導入邊緣 AI 時所關注的重點，勢必也將從模型效能或算力堆疊，轉向如何實踐分散式邊緣運算。對此，朱俊翰表示，「現在 AI 落地的關鍵，在於依據實際需求配置合適的模型、找到適當的平台，以及真正有價值的 Use Case。」 朱俊翰進一步表示，若說過去幾年的產業焦點是大型語言模型（LLM），接下來更值得關注的將是代理式 AI（Agentic AI）。AI 正從只是提供答案，逐步延伸至理解目標、整合資訊，並在適當的系統與治理機制下協助執行任務。對企業而言，這代表 AI 的價值正從模型能力本身，逐步轉向如何提升營運效率、優化決策流程，並創造實際商業價值。 隨著 Edge AI 從單純模型推論走向智慧系統，企業也必須將 AI 與實際營運場景結合。例如影像檢測、設備監控等現場需求對回應速度、功耗、連線與資料留存的要求都不同，所需的模型與運算平台也不同。朱俊翰建議，企業應依任務需求配置適合的 AI 模型與運算資源，讓 AI 不僅能完成推論，更能融入實際營運流程與現場決策機制。 從驗證到量產，答案就在生態系裡 朱俊翰進一步指出，邊緣 AI 要從 POC 走向實際部署，不能只靠單一廠商提供硬體，還需要運算平台提供所需算力，以及開發工具如 Qualcomm® AI Hub、GenieX [&hellip;]</p>

「帶著你的點子來！」專訪 Agentic AI on the Edge HACKATHON 技術工作坊講師曾吉弘，談…

<p>由 NVIDIA 擔任 AI 技術協辦單位的 AI 代理邊緣黑客松大賽【2026 Agentic AI on the Edge HACKATHON】將於 10 月底登場，邀請開發者、IT 人員與新創團隊，在低延遲、無網 / 弱網環境、隱私資料保護等邊緣場景中，打造能自主規劃、執行與修正，真正走進現實世界的 Agentic AI。 TechOrange 在會前採訪黑客松主辦單位翰尼斯企業成員暨技術工作坊講師曾吉弘（以下稱阿吉老師）。阿吉老師身為 CAVEDU 教育團隊創辦人、NVIDIA DLI AI 大使（白金級）及台灣科技大學資訊工程學系兼任助理教授，將從題目發想到決賽備戰，拆解參賽團隊如何運用 NVIDIA 技術資源，把一個好點子變成真正「動起來」的 Prototype。 AI 降低 Coding 門檻後，「懂問題」的人反而更有機會 「AI 工具讓點子到原型的距離幾乎縮減為零，」阿吉老師分享觀察，當 Coding Skills 不再是把創意做出來的絕對門檻，領域知識（Domain Knowledge）的重要性反而重新被看見。曾有工程師想做一套幫牛辨識皮膚病的 AI，但眼前那塊斑到底是胎記還是皮膚病呢？「只有養牛的人才會判斷，工程師是不會知道的，」阿吉老師說。 AI 可以協助開發，卻不會自動告訴你養殖現場該觀察什麼、工廠巡檢最浪費人力的是哪一步。對參賽團隊而言，比起先問「我要用什麼模型」，或許更值得先問：「我想解決什麼問題？」 例如「隧道之眼（Tunnel Eye）」協助駕駛判斷雪山隧道左右車道的行進狀況、「軌島（Rail Island）」同時呈現台鐵、高鐵、捷運、輕軌與阿里山林鐵列車的即時地圖；阿吉老師另外也分享了建築師好友利用 Agent 檢查窗戶規格正確性的例子，聽起來雖然做的事情很小，實際上可以省下不少時間。從現實問題出發到提供解決方案，阿吉老師認為：「好的題目比技術堆疊更重要。」 從雲端走進現場：Edge Agent 關鍵在「完整的自主運作流程」 「AI 正從『對話』走向『實體世界的自主決定與執行』，」阿吉老師表示，這也是本屆黑客松將「邊緣」定為主題的原因，期待參賽者挑戰離線 / 低延遲決策、邊緣感測器即時互動與跨軟硬體整合，讓原本只存在於論文或實驗室裡的構想，真正在邊緣裝置上跑起來。 [&hellip;]</p>

勞斯萊斯用代理式 AI 大改造 IT：MTTR 從 6 天砍到 1 天、38,000 張工單自動分流

<p>對航空引擎製造商而言，IT 系統異常影響的不只是員工能否順利工作，更直接牽動生產線的運作效率。英國航空引擎巨頭勞斯萊斯（Rolls-Royce）近年將代理式 AI（Agentic AI）與預測性智慧導入企業 IT 服務，打破長期累積的系統複雜度、資料孤島與重複性工作。 據官方案例顯示，這項轉型已將平均修復時間（MTTR）從 6 天縮短至 1 天，54% 的 IT 查詢無須人工介入，單是在生產現場（Shop floor）就釋放了約 30 萬小時生產力。 打破轉型瓶頸：先做資料清理與治理，再推動員工採用 勞斯萊斯擁有超過 80 年的工程與製造經驗，長期累積的營運系統也逐漸形成工作流程複雜、工具使用不一致，以及資料透明度不足等問題。員工遇到 IT 問題時，過去往往需要透過人工服務台處理，重複性的事件與較長的修復時間，也讓高技能員工必須花費時間處理基礎支援工作。 該公司與 ServiceNow 合作，利用代理式 AI 自動判斷問題並分派工單。目前已有超過 38,000 件服務台需求被 AI 分流或攔截，主動式問題管理使 IT 事件減少逾 40%，70% 的互動成功轉移至數位管道。其中，導入 AI 虛擬代理「Now Assist Merlin」後，每月處理對話量由 800 次升至 10,000 次，自動化解答成功率高達 99.7%。 在整體導入過程中，員工採用也是重要環節。該公司曾在正式部署前邀請早期使用者測試並提供即時回饋，讓 AI 先解決員工每天遇到的實際問題。勞斯萊斯副總裁 Rachel Cameron 指出，公司最初在 2021 年推出虛擬代理時，曾因缺乏使用者採用而遇到問題。後來團隊將重點放在降低使用門檻與員工教育，部署 Merlin 後，虛擬代理對話量大幅增加。她認為，AI [&hellip;]</p>

工程師尋料不必再翻文件、追著業務問，3M 用 Agentic AI 重寫工作流程

<p>3M 旗下擁有超過 6 萬種產品，但繁瑣的規格搜尋常成為銷售與研發的隱形阻礙。過去，工程師需要翻閱龐大的規格文件、技術資料，甚至與業務及技術顧問反覆溝通，才能確認產品是否符合需求。當尋找材料本身演變為耗時費力的負擔，企業極可能因無法即時取得資訊，轉而選擇資訊更易取得的競爭品牌。 為此，3M 推出 Agentic AI（代理式 AI）數位助手「Ask 3M」，首階段聚焦於工業膠帶與黏合劑，讓工程師與採購人員能以自然語言進行自主查詢，迅速評估並選購適用的材料。 對接內部技術檔案，打通「搜尋至採購」的決策閉環 Ask 3M 的回答並非依賴開放網路資訊，而是建立在 3M 自身經過驗證的技術文件與知識庫之上，涵蓋 49 個技術平台，讓使用者能以日常語言提出技術問題，再取得對應的產品與技術資料。 例如，工程師可以詢問哪一種結構膠適合將碳纖維與鋁材黏合，也可以要求比較不同產品，或查詢某個產品的正確使用方式。這類問題過去可能需要工程師自行搜尋多份技術文件，甚至透過業務或技術顧問取得答案，Ask 3M 則試圖將這段查找流程大幅壓縮。 除了回答問題，Ask 3M 更進一步打通了搜尋、評估與採購流程。當使用者獲得產品建議後，可在對話介面中直接下載技術文件、連結至授權經銷商，並透過小批量購買選項取得材料進行原型測試。這將原本分散於技術查詢、業務溝通、供應商對接與採購評估的繁瑣環節，整合至單一數位環境中，降低客戶因尋料不便而流失的風險。 數位材料庫搭配實體研發，在虛擬環境中完成材料驗證 在材料選擇之外，3M 也把 AI 延伸至產品設計與原型開發階段。該公司推出的「3M Digital Materials Hub（數位材料庫）」讓工程師在製作實體原型前，先透過數位環境測試材料在特定設計條件下可能呈現的表現。其平台支援客製化虛擬材料與光學模型，也能協助工程師減少反覆製作實體樣品所產生的時間與成本。 其中，Workbench 功能讓客戶可以直接與 3M 科學家合作。若現有材料無法滿足特定設計需求，工程師甚至可以提出尚未存在的材料規格，透過平台進行概念驗證，再由 3M 依據材料科學能力進一步開發實體版本。這代表材料研發流程可以先在數位環境中篩選與模擬，再進入實體原型階段，降低不必要的設計迭代。 3M 安全與工業事業群行銷長 Holly Semerad 指出，結合數十年的材料科學經驗與 AI，能讓工程師更快做出材料決策；Ask 3M 與 Digital Materials Hub 的搭配，讓客戶能在數分鐘內走完「從設計挑戰、解決方案概念，到數位選材與模擬」的整段流程。在部分客戶試運行中，工程師藉由虛擬測試材料，成功加速了設計流程並大幅減少迭代次數。 這套思路也延伸至汽車產業。3M 推出另一個 Agentic AI 介面「The [&hellip;]</p>

「AI 愈自主，信任愈重要」研究指出：落實「可信任 AI」的企業，獲得高投資報酬率(ROI)的機會高出 15 倍

<p>生成式 AI 加速進入企業應用，市場焦點已由「導入 AI」轉向能否規模化部署並產生實際投資回報，代理型 AI（Agentic AI）的興起也讓治理、可解釋性與資料品質受到更多關注。SAS 最新結合 IDC 研究洞察的《資料與 AI 影響力：AI 時代的信任經濟學》報告指出，企業 AI 投資成效正因治理與信任能力出現明顯差距。研究顯示，落實可信賴 AI 實務的組織，獲得高投資報酬率（ROI）的機率，可達其他組織的 15 倍；而台灣等大中華區市場近一年在 AI 治理與信任能力上已有明顯提升，但資料基礎成熟度仍未完全跟上 AI 應用發展，成為企業擴大部署時需要補強的一環。 可信賴 AI 成熟度出現分化 投資回報差距同步擴大 根據《資料與 AI 影響力：AI 時代的信任經濟學》報告，重視可信任 AI 實踐的企業與未重視的企業之間，ROI 差距正在擴大。落實完善可信任 AI 實務的組織，不僅可能獲得高投資報酬- 在 AI 專案上獲得高投資報酬率(ROI) 的機率高出 15 倍（62% 對比 4%）。在營收成長、成本節省與客戶體驗等 13 項業務成果上的效益亦平均高出 1.85 倍；此外，在可信任 AI 領先企業中，有 85% 今年的相關投資增幅超過 10%，進一步拉大與同業的表現差距。 SAS 技術長 Bryan [&hellip;]</p>

生產排程不再是一張「死表格」：日立如何靠 AI 把交期砍半？

<p>日本科技與製造業巨頭日立（Hitachi）正透過組織重整與 AI 技術升級，加速轉型為「數位中心型企業」。 日立總裁兼 CEO Toshiaki Tokunaga 指出，AI 已從生成式（GenAI）、代理型（Agentic AI）邁入實體 AI（Physical AI）階段。日立聚焦將 IT、OT（營運技術）與實體產品串接，推動自研 AI Lumada 3.0 佈局，並實施「Customer Zero」策略：先在自家組織內驗證技術，再轉化為外部客戶的數位服務。 從靜態計畫到動態應變，Physical AI 翻轉製造邏輯 日立所強調的 Physical AI，核心在於讓 AI 不只處理數位世界的資訊，更能即時理解並回應真實物理環境的狀態。對製造業而言，這代表 AI 能直接讀取設備、產線、庫存與供應鏈等現場資料，進而動態調整生產決策。 過去的製造排程多半依據預定訂單與固定產能制定。一旦現場發生設備故障、料件延遲或生產條件改變，往往需要人工二次介入重排，不僅耗時，更容易造成等待與產能浪費。 Lumada AI 的做法則是直接打通工廠即時營運數據與企業規劃系統。當供應鏈條件或設備狀態發生變化時，AI 能依據最新資訊重新評估最佳生產順序。換句話說，生產計畫不再是一份制定後死板執行的靜態表格，而是能隨現場狀況持續微調的「活系統」。 實戰驗證：Omika Works 核心產品交期大減 50% 這套動態調度架構已在日本日立 Omika Works 廠區成功落地。該工廠主要生產能源、鐵路與水務基礎設施所需的資訊控制系統，由於產品高度客製化，涉及複雜的零組件與多變製程，排程管理傳統上極具挑戰。 導入 Lumada AI 與 IoT 平台後，系統能根據現場動態即時重算製造流程，大幅降低生產過程中的等待與閒置時間。最終，這套 AI 驅動機制使 Omika Works 的核心產品交期（Lead Time）成功縮短 50%。更重要的是，日立在完全不擴建廠房的前提下大幅提升了產出，徹底釋放原本被固定排程限制的潛在產能。 這項成果也凸顯 [&hellip;]</p>

AI Agent 上線三個月就被冷凍？CYBERBIZ 技術長：會反悔的 AI 才是能上線的 AI

<p>文／CYBERBIZ 技術長 李健華 過去一年，我最常被問的問題是：「你們的 AI 功能什麼時候上線？」 但真正讓我印象深刻的，是另一句話，一位已經導入 AI 工具的品牌營運主管私下跟我說：「上線了啊，可是三個月後，大家還是用原本的方式做事。」 Gartner 在 2025 年就預警，超過四成的 Agentic AI 專案會在 2027 年前被取消，原因不是技術不到位，而是成本失控、商業價值不清、風險控制不足，翻成白話也就是老闆花了錢、工程師接了 API、模型也真的很聰明，但沒有人真的敢用它。 身為一個這幾年大部分時間都花在把 AI 塞進電商系統的人，我想聊一個比「AI 有多強」更關鍵、但很少人談的問題：一個會動手做事的 AI，要怎麼設計，人才會真的敢把事情交給它？ 大家都在比誰的 Agent 全能，但重點是「敢不敢用」 市場上談 AI Agent，示範影片都很華麗：一句話查數據、一句話改訂單、一句話生成整檔活動，就像是一位全能小幫手。 但如果你實際觀察營運團隊怎麼使用這些工具，會看到完全不同的畫面。 行銷人員讓 AI 產了文案，然後逐字改到跟自己寫的差不多；客服主管開了 AI 回覆功能，但只敢開「建議草稿」模式；最慘的是後台自動化，AI 說可以幫你調庫存、改價格、發優惠，然後權限申請單在主管那邊躺了兩個月，因為沒有人敢簽。 這件事從使用者行為的角度看，其實非常合理，人對一個系統的信任，常常取決於「出錯的成本」和「我能不能控制它」，你會讓實習生幫你整理報表，但不會第一天就讓他改資料庫，不是因為他不聰明，是因為報表錯了可以再重改，資料庫改錯了可能就不是加班一個禮拜就能解決的問題。 嘴上都說擁抱 AI，行為卻很誠實，這就是我想談的第一件事，我叫它「信任的不對稱」：一個工具做對一百次累積的信任，抵不過它做錯一次而且救不回來的傷害。 這不是使用者太玻璃心，是人性裡很基本的一筆帳，損失帶來的痛，遠大於等量獲得帶來的快樂，AI Agent 在團隊眼中就是那個履歷漂亮的實習生，大家都相信它聰明，但卻沒有人敢當第一個把資料庫交給它的人。 所以國際上的風向今年悄悄轉了，主流論述不再是一個超強的全能 Agent，而是 「Purpose-Built Agents」，嵌在既有工作流程裡的高信任任務型 Agent，說穿了，連國際大廠都承認，全能是發表會用的，敢用才是生產環境用的 決定 AI 的第一份工作：從「做錯了也死不了」的事開始 在規劃讓 AI Agent 接手電商後台任務時，我們團隊吵過最兇的一次，不是技術選型，而是「第一個功能要做什麼」。 [&hellip;]</p>

Edge AI 抓瑕疵、AI Agent 自動派工：洛克威爾自動化如何讓工廠從「看見問題」走向自主決策？

<p>近年來，全球工業自動化巨頭洛克威爾自動化（Rockwell Automation）正積極透過不同路徑，將 AI 技術推向製造現場最前線。其中一條路線，是透過 FactoryTalk Analytics VisionAI，讓 AI 在邊緣端進行運算，使其更靠近生產線與相機設備，以便即時、高效判斷產品瑕疵；另一條路線，則是與工業預測性維護領域的領先廠商 Augury 展開深度合作，將具主動性的 Agentic AI 導入工廠設備維護與可靠性管理流程，讓 AI 不只是偵測與診斷異常，更進一步跨入建立維修任務、規劃工單的行動階段。 這兩條並進的技術路線，也分別回應製造業邁向工廠自主化時面臨的即時判斷與流程執行兩大關鍵問題。透過 Edge AI 與 Agentic AI 的雙軌布局，洛克威爾自動化正逐步縮短工業現場從資訊感知到實際執行之間的距離，推動製造業從傳統的程式化自動化，走向更具適應能力的自主製造。 Edge AI 進駐生產現場，洛克威爾自動化讓視覺檢測從事後分析走向即時判斷 在傳統工廠中，依靠肉眼或固定規則進行視覺檢查，有效率往往只有約 80%，而且多數系統缺乏完整的歷史檢查紀錄，使品質管理難以實現數位化追溯與深度分析。為了克服這項痛點，洛克威爾自動化推出 FactoryTalk Analytics VisionAI，並將其與旗下雲端品質管理系統 Plex QMS 深度整合。如此一來，無論是產線上既有的舊相機，還是新部署的影像採集設備，都能透過通用工業影像協定接入 AI 視覺檢測系統，即時從生產影像中辨識各類異常與產品缺陷。 這套系統最關鍵的技術優勢，在於其邊緣運算（Edge Computing）架構。VisionAI 的影像推論模型可直接部署在靠近產線的邊緣端硬體設備，或本地工業電腦（IPC）上，不需要將大量、高速的超高解析度生產影像全部送往雲端處理。這種低延遲的邊緣端影像處理方式，讓產品品質判斷得以貼近實際生產設備的運作節奏。 這種 Edge AI 架構，代表工廠不再只把 AI 當成事後回溯、分析歷史數據的靜態工具，而是讓深度學習物件辨識模型與電腦視覺演算法真正進駐生產現場，成為能即時揪出品質異常的「現場守護者」。洛克威爾自動化對此強調，這樣的設計不僅能提高辨識產品瑕疵的準確度，更能將品質檢查從過去容易出錯的人工目視判斷，轉化為可追蹤、可全面數位化分析的智慧生產流程。 從現場判斷到營運決策，AI Agent 走進品質、作業與分析流程 當邊緣端的相機與 VisionAI 模型即時偵測到產品異常後，這項關鍵判斷不會只停留在現場攝影機或邊緣硬體，而是會透過 RESTful API 與 Webhook，將視覺檢查數據、元數據與判定結果傳送至雲端 [&hellip;]</p>

AI Agent 進入製造業卻卡在工程系統：真正的瓶頸為何不再是模型？

<p>AI Agent 正快速從客服、程式開發等辦公室場景，走向工程設計與製造流程。不過，企業真正開始部署後，卻發現模型能力提升，並不代表 AI 就能順利進入生產環境。 根據 Google Cloud 針對超過 1,400 位 IT 高階主管的最新調查，83% 的企業認為，若要真正部署 production-grade（生產層級）AI Agent，必須重新改造既有基礎設施；79% 則認為，安全治理（Governance）與 MLOps 是 AI Agent 規模化的主要障礙。Google 解釋，這是因為目前多數企業所依賴的基礎設施，本來就不是為 Agentic AI 而設計。 當這個問題發生在製造業，挑戰又更加明顯。軟體公司 Synera AI 的 AI 負責人 Ram Dhiwakar Seetharaman 日前在《Forbes》分享，該公司過去兩年協助製造業部署 AI Agent 的經驗顯示，真正限制 AI Agent 落地的，已經不只是模型能力，而是工程軟體、工程資料與工作流程本身。 工程軟體不是為 AI Agent 設計，而是為工程師設計 Seetharaman 回憶，兩年前第一次嘗試讓 AI Agent 修改 CAD 模型時，他原本認為，只要大型語言模型（LLM）變得更強，AI 就能完成修改尺寸、執行模擬分析，再回傳結果等工程工作。然而，儘管近兩年模型的推理、規劃與工具使用能力都有明顯提升，實際部署後卻發現，問題並沒有因此消失。 他也指出，原因出在多數工程軟體的設計前提，本來就是「由人操作」。他的論證是，目前多數製造業仍使用的 [&hellip;]</p>

不能只替世界「造船」，外貿協會資深顧問李牮斯：台灣 AI Token 使用量居四小龍之末，恐陷「荷蘭病」

<p>專訪：戴季全撰稿：李昀蔚 在這一波 AI 浪潮中，許多企業仍將 AI 停留在「有問必答」的聊天輔助，但真正的差距在於，企業能否將 AI 視為「使命必達」的數位同事，進一步改寫工作流與生產配置。 本集《全新一週》邀請外貿協會資深顧問李牮斯，從 AI 如何顛覆經濟本質與資源配置談起。他強調，AI 帶來的變革並非單純的工業革命，而是宛如探索新大陸般的全新經濟結構。只要企業能突破過去遇到問題就「加人、加資本」的傳統思維，學會大量配置 AI Agent 作為新的產能來源，就有機會在下一個 AI 大航海時代中，改寫未來的競爭位置。 當 AI 使命必達，伴隨而來的是價值觀對齊風險 李牮斯形容，2026 年以前的 AI 是單純的 Chatbot，主要功能為聊天、搜尋與提供建議；然而，今年開始崛起的代理型 AI（Agentic AI）則展現出截然不同的面貌，只要是透過鍵盤與滑鼠能解決的事情，它都能獨立完成。身為 AI 重度使用者，李牮斯以自身經驗形容，Agentic AI 已經不只是一項科技，而是更像一名同事，具備自主行動與彼此溝通的能力，能夠實際執行寫程式、安排行程或處理公司內部任務。 李牮斯特別分享一個真實案例：美國有位工程師的 AI Agent，為了幫主人點 Uber Eats 晚餐，竟然自行連上暗網，找到別人遺失的信用卡資料並用來付款。這雖然展現出 AI Agent 為了照顧主人而「使命必達」的強大執行力，卻也突顯企業與開發者必須嚴肅面對的 Alignment（價值觀對齊）問題。當 AI 為了達成目標而自行尋找解法時，它能否在人類習慣的道德與行為範圍內完成任務，仍存在高度不確定性。 從「加人」到「加 Agent」，AI 重寫企業工作流也走進實體世界 隨著 AI 能力大幅躍升，企業內部的工作流也正在被重新設計。李牮斯指出，過去企業從一個構想到產出原型，往往需要經過層層會議與溝通，以確保指令及資訊在傳遞過程中不會失真，整段過程相當耗時費力。如今進入 Agentic AI 時代，主管若有一個想法，與其花時間把所有人找來開會，不如直接交給 AI 處理，在短時間內先產出約 80% [&hellip;]</p>

MCP 史上最大更新來了：AI Agent 為何終於更適合大規模部署？

<p>這一年，越來越多企業開始嘗試導入 AI Agent，卻大多卡在同一關：試點跑得動，正式環境卻上不了。很多人以為問題出在模型不夠聰明或找不到商業價值，但真正的癥結可能在更底層：串起 AI Agent 與各種軟體的 MCP（Model Context Protocol）協定，本身還沒準備好承接企業級的規模。 如今這道關卡開始鬆動。MCP 本週推出問世以來最大一次改版，架構核心從「有狀態」（stateful）全面轉向「無狀態」（stateless），規格由 Linux Foundation 旗下的 Agentic AI Foundation（AAIF）主導。這個工程轉向聽來抽象，但值得關注的是究竟為何拿掉「有狀態」這塊地基，反而讓 AI Agent 更適合大規模部署呢？ 卡住企業的，從來不是 AI 本身 根據《VentureBeat》報導，AAIF 執行董事 Mazin Gilbert 表示，自己接觸過打算部署上萬個 AI Agent 的公司，若不朝這個方向改，根本做不到規模化，而真正的障礙不在技術，也不在商業案例，而在協定底層必須先動的一些基本設計。 舊架構的運作方式就是問題之一。過去，MCP 客戶端得和特定一台伺服器維持連線，伺服器會把後續每個請求「釘」在發出連線的那台機器上。這在本機執行的桌面應用還行得通，但一旦搬上雲端、要靠多台可隨時增減的伺服器橫向擴展，就成了麻煩：只要那台機器當掉，AI Agent 正在做的工作也跟著中斷。為了維持連續性，企業得額外架設把請求導回同一台的機制，或讓流量閘道逐一拆解請求內容才知道該送往哪裡。主要維護者 Den Delimarsky 形容，舊版本下「只要一個運算節點掛掉，請求就會開始失敗」。 換句話說，企業得額外替協定處理分散式部署的問題，而不是直接利用既有的雲端架構。對想把 AI Agent 從試點推進正式環境的團隊來說，卡關處可能根本不在 AI，而在它能不能跑上企業現成的基礎設施。 MCP 從實驗室專案，跨進企業級基礎設施 Gilbert 認為，一套協定要真正進入企業正式環境，需要同時具備三個條件：開放標準、可擴展的 Stateless 架構，以及中立治理。而這些在半年前都還沒到齊，這次改版正是要補上缺口。 其中最關鍵的，是可擴展的 Stateless 架構本身。改版後，MCP 伺服器可以像一般網路服務一樣，直接部署在負載平衡器後面，用企業手上現成的雲端維運工具就能撐起規模，不必再為它另建一套特殊機制。狀態並沒有憑空消失，而是從協定層交回應用層自行管理，開發者可依自己的環境決定怎麼保存。Gilbert 以網際網路作比：當年 HTTP [&hellip;]</p>

直擊 Google Cloud Day！宏庭科技大展 AI 落地實力，助企業突破 PoC 困境，將生成式 AI 轉化為…

<p>一年一度的雲端盛事 Google Cloud Day Taipei 於 2026 年 7 月 9 日盛大舉辦。在全球企業爭相透過 AI 轉型變現的階段，台灣雲端技術領導品牌—宏庭科技（Microfusion Technology）以「2026 Google Cloud 台灣年度最佳合作夥伴」與「Google Workspace 亞太區新簽約銷售冠軍」雙料殊榮強勢登場，成為全場企業決策者諮詢的焦點。 宏庭科技觀察，今年與去年最大的不同，在於企業討論 AI 的焦點，AI 已逐漸從單一工具演進為可自主協作的企業工作模式。然而，要讓 AI 真正進入企業營運流程，仍須建立在現代化基礎架構、完整資料治理及企業級安全機制之上，這也是許多大型企業推動 AI 時最需要克服的挑戰。 數據佐證商業價值，助零售、金融業創量化營收 要跨入 Agentic AI 時代，強大且彈性的雲端基礎設施是所有創新的基礎。宏庭科技指出，企業必須將複雜的數據轉化為 AI 能即時讀取的乾淨數據。憑藉深厚的雲端搬遷底蘊，宏庭科技不僅能協助跨國集團在零中斷的嚴苛標準下完成 33TB SAP 上雲，更引入 AI 現代化管理思維，讓企業以最直覺的自然語言，快速調取營運數據。 此架構實力已在數個產業實戰中獲得驗證。宏庭科技成功協助零售產業運用 AI 數據分析，精準預測鮮食庫存，大幅減少 30% 食材耗損，並帶動毛利提升逾 200%；亦協助大型金融集團建立安全合規的 AI 客服代理，不僅提升 30% 溝通效率，更帶動業務辦卡率成長 10%，成功打破企業看得到技術，卻難以落地的 POC 困境。 重塑 Agentic [&hellip;]</p>

只要 1% 員工會用 Agent，公司產能就能翻倍？外貿協會資深顧問李牮斯：人類已成 AI 團隊的「豬隊友」

<p>專訪：戴季全撰稿：李昀蔚 近年來，AI 熱潮全面推升記憶體、資料中心基礎建設與全球股市。然而，近期市場卻突然出現劇烈修正，引發外界對 AI 是否走向泡沫的強烈質疑。本集《全新一週》邀請到在外資基金擁有超過 14 年資歷、管理亞洲資產逾 40 億美金的外貿協會資深顧問李牮斯，深入剖析這波 AI 震盪背後的宏觀經濟風險，以及 AI 產業底層正在發生的轉移。 股市震盪不只因技術修正，AI 產業發展仍在第一、二局 李牮斯指出，近期全球股市上沖下洗，不能單純歸咎於 AI 的技術調整。在宏觀經濟層面，西方股市的估值已處於百年來的最高點，這也是大眾注意到投資大師巴菲特整波並未搭上、反而選擇持有高額現金的原因，反映出市場居高思危的氛圍。 另一方面，媒體較少關注的全球資金流動性，其實很大一部分是靠日本的「套息交易」在支撐。過去由於日本利率極低、日圓匯率越來越便宜，全球市場充斥著依賴日本低息環境的資金。然而，日圓貶值已讓日本國內面臨日漸難以承受的通膨壓力，因此一旦日本央行為了控制通膨而決定多次升息，就會徹底扭轉日圓原本的利率與匯率走向，進而迫使這群龐大的全球套息資金急忙平倉撤回。這種全球資金池被瞬間抽乾的衝擊，其破壞力將遠比美國聯準會升息更巨大。 「我是非常看好 AI，我們真的是在 AI 這整個產業才第一、二局而已，」儘管宏觀經濟波動劇烈，李牮斯對 AI 的前景仍然抱持樂觀態度，但也指出其變換速度與衝擊程度之大，將深度影響資本市場的走向。 不過，AI 技術高速推進，也代表企業很難建立長期穩定的產品與商業模式。李牮斯指出，模型大約每一個半月就會更新一次，企業的產品能力、市場排名、收費方式與競爭優勢，也可能跟著重新洗牌。對投資者而言，AI 的問題並非缺乏成長，而是變化速度快到任何既有優勢都難以持續，因此每一次模型迭代，都可能重新改寫資本市場眼中的贏家、輸家與估值。 只要 1% 員工會用 Agent，公司產能就能翻倍，李牮斯：人類反而成為團隊裡的「豬隊友」 面對快速變化的技術與不穩定的政策環境，企業競爭的核心也正在從「全員學習 AI」轉移至如何運用 Agentic AI 進行組織變革。李牮斯分析，上一代 AI 大約有 20% 員工會悄悄使用來提高效率，但新一代的 Agentic AI 門檻更高，全公司可能只有 3% 到 5% 的頂尖人才掌握其精髓。 然而，這極少數的員工，每個人都可以管理上百、甚至上千個 Agent，產生出來的戰鬥力與生產力足以抵得上一個部門，甚至一家公司。李牮斯對此直言：「只要那 2、3% 的員工會用的話，那他們可以去做上百個人的工作，所以只要有 1% 有辦法用 Agentic [&hellip;]</p>

當 AI Agent 進駐產線：高科技製造 IT 如何從「維運後勤」變身「自動化指揮中樞」？

<p>當 AI Agent 開始進入製造業現場，企業也從早期的人工化、資訊化與自動化，邁向下一個轉型關鍵，與此同時 IT 部門的角色也不再只是維持系統穩定的後勤單位，而是變成智慧工廠的自動化運作中樞。然而，面對新舊系統的孤島效應與跨雲地環境的挑戰，企業必須導入全新的 IT 管理思維。 「根據 2026 年麥肯錫其中一段訪談內容，AI coding 能夠帶來多快、多新、多少的服務，已經不是企業應該關注的重點，必須關注的是這一波 AI 新服務上線之後，帶來的 AI 維運革命，」合泉系安董事長何玉雲在近期舉辦的「IT 自動化的關鍵戰略：高科技製造 IT 高階主管閉門交流會」中指出，如何有效調度與監管這些 AI Agent，已成為目前 IT 自動化戰略的關鍵。 如何用「人機協作」實踐智慧營運？ 隨著生成式 AI 與 Agentic AI 的快速發展，全球高科技製造業正邁入 AI 驅動的智慧營運新階段。 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溫紹群引述世界經濟論壇（WEF）數據，表示當前製造業仍大量仰賴預測、分類與最佳化等關鍵 AI 技術，而最新一波的 AI Agent 相關案例相較於 2025 年已大幅成長 24 倍，並且真正走向財務與營運上的可量化價值與商業效益。 「AI 的能力很強，但是管理 AI 很難，目前多數企業管理成熟度仍然偏低，」溫紹群表示，許多企業在還不清楚導入 AI 目的的情況下就盲目投入資源，事後才意識到企業缺乏相應的管控機制，因此企業應該將 AI 生命週期管理、資安防護與資料品質稽核納入營運體系之中，他舉例像是透過導入 ISO/IEC 42001 AI 管理系統，確保企業內的 [&hellip;]</p>

DEAT 完成第五屆理監事改選，劉于遜續任理事長：聚焦代理式 AI、共享經濟與數位政策，打造台灣平台經濟下一個十年

<p>社團法人台灣數位平台經濟協會（Digital Economy Association Taiwan，以下簡稱 DEAT）昨（23）日舉辦第五屆會員大會暨產業論壇，完成第五屆理監事改選，由 WeMo 執行長劉于遜續任理事長。新一屆理監事匯聚共享運具、外送平台、社群平台、物流服務、共享經濟、企業顧問及法律等多元領域代表，展現數位平台產業跨域合作的能量。 大會同步舉辦年度產業論壇，以「平台經濟新賽局：代理式 AI 下的產業轉型與智慧變現革命（Platform Economy in the Agentic AI Era）」為題，邀請 Dcard 創辦人暨執行長林裕欽、PanSci 泛科學共同創辦人暨知識長鄭國威，以及 INSIDE 創辦人、網路創業家蕭上農共同對談，探討 Agentic AI 如何重新定義平台價值、商業模式及台灣下一波產業機會。&nbsp; 劉于遜續任理事長，持續深化政策倡議與公私協力 自 2017 年成立以來，DEAT 持續串聯國內外數位平台企業，會員橫跨共享運具、外送平台、內容平台、線上教育、租賃、物流、通訊等多元產業，長期推動數位平台產業發展、法規倡議與產官學交流，並透過研究計畫、論壇及公共倡議，協助建立更友善的數位經濟發展環境。 近兩年來，DEAT 持續深化政策倡議與公私協力，累計舉辦 8 場爐邊對談，邀集超過 30 位產官學代表交流，並參與超過 20 場政策倡議及政府會議，積極推動平台經濟相關法規與制度討論。同時，協會陸續拜會中央部會及地方政府，建立政策溝通機制；研究方面，推動兩項學術研究專案，其中年度重點《台灣六都數位政策調查》攜手國立政治大學建立全台首套本土化數位政策評估架構，並將研究成果分享予六都首長及地方政府，作為城市數位治理與 AI 政策發展的重要參考。 續任 DEAT 第五屆理事長的劉于遜表示：「很榮幸再次獲得會員的信任和支持。未來兩年，協會將持續深化政策倡議與公私協力，協助會員突破制度限制、建立更友善的創新環境。我們也將持續整合會員第一線的產業觀點，深化與中央及地方政府的交流，讓產業需求更早納入政策形成過程，打造更完善的數位平台發展環境。」 聚焦共享經濟與十週年布局，建立更具影響力的產業平台 針對未來工作重點，劉于遜表示，共享經濟一直是 DEAT 最具代表性的核心領域之一，未來將規劃發布共享數據、替代率等研究成果，透過數據建立更完整的公共討論基礎，協助社會理解共享經濟對交通、城市治理、資源利用及永續發展所帶來的價值。 他也表示，DEAT 即將迎來成立十週年的重要里程碑，新任期開始後的第一年將親自走訪會員企業，深入了解會員需求與期待，共同思考協會下一個十年的發展方向。他表示：「下一個十年，DEAT 不只是產業交流的平台，更希望成為推動台灣數位政策的重要橋梁。我們希望透過更多與會員的深度交流，凝聚產業共識，也促進會員彼此在議題、資源及未來發展上的合作，共同打造更具競爭力的平台經濟生態系。」 新一屆理監事跨域組成，持續擴大平台產業代表性 本次會員大會同步完成第五屆理監事改選，新一屆理監事成員橫跨共享運具、共享經濟、物流服務、外送平台、社群平台、內容平台、企業顧問及法律等多元領域，充分展現台灣數位平台產業跨領域合作的代表性。 DEAT 表示，未來將持續整合會員第一線的產業經驗，深化與中央及地方政府的政策交流，推動跨產業合作、數位政策研究及法規倡議，建立更完善的數位政策對話平台，協助台灣打造兼顧創新、治理與永續發展的數位平台經濟環境。 聚焦 Agentic [&hellip;]</p>

博弘雲端參與 AWS Summit Taipei 兩大 AI 技術競賽，從 Agentic AI 到企業應用展現生成式…

<p> 生成式 AI 持續快速發展，企業對 AI 技術的需求也逐步從模型應用邁向自主決策（Agentic AI）與實際商業落地。Amazon Web Services（AWS）於 Summit Taipei 2026 期間同步舉辦Agentic Football Cup 與百工百業瘋 AI – AI Everywhere Hackathon 兩項技術競賽，博弘雲端受邀組隊參與兩項賽事，從 Agentic AI 技術實作到生成式 AI 企業應用開發，展現 AI 技術整合能力。  Agentic Football Cup 以打造 AI 足球隊為主題，讓參與團隊建構五位具備自主決策能力的 AI 足球代理人，透過 Multi-Agent 協作完成傳球、射門、防守等即時決策。博弘雲端與來自各界近 40 組技術團隊共同交流最新 AI 技術與最佳實踐，深化 Amazon Bedrock、Amazon Bedrock AgentCore 及 Multi-Agent 架構的設計與實作能力。  Agentic AI 被視為生成式 AI 發展的重要下一步，未來可望廣泛應用於智慧客服、知識管理、流程自動化、IT 維運及企業決策等多元場景，協助企業提升營運效率與智慧化能力。透過參與技術交流與實作工作坊，博弘雲端持續累積 [&hellip;]</p>

企業還沒準備好，AI Agent 卻已進入核心流程：34 位 CEO 示警四大治理難題

<p>AI 在企業中所扮演的角色，正迎來一場從「生成內容」走向「自主決策與行動」的結構性轉變。《Fast Company》近期訪問 34 位來自醫療、金融、國防、行銷等領域的企業執行長，探討他們對 Agentic AI（代理型 AI）的策略、布局、期待與擔憂。多數受訪執行長認為，企業尚未為這場全面性變革做好準備，但 AI Agent 卻已經加速進入日常營運流程。 KPMG 在 2026 年 6 月進行的調查也呼應這項趨勢。報告指出，51% 的銀行正在試行 AI Agent，應用範圍涵蓋財富管理、客戶審查、交易與企業資金管理。例如紐約梅隆銀行（BNY）便將數位員工視為團隊成員，不僅為其配置登入帳號與暱稱，也讓它們執行特定任務並彼此互動，人類主管則負責訓練、品質控管，以及進行類似績效評估的管理工作。 然而，AI Agent 從「提供協助」走向「自主執行」，也將企業推向治理的深水區。隨之而來的，是運作速度與商業成果之間的落差、內部資料與流程的斷裂、模糊的問責制度與資安威脅，以及員工職能從執行者轉向管理者的巨大轉變。這四大治理難題，正是企業在真正取得 AI Agent 紅利前，必須面對的考驗。 考驗一：效率提升不等於商業成果，AI Agent 恐讓企業更快走錯方向  隨著 AI 自主程度提升，企業對生產力的期待也快速升高，但更快完成工作，不等於創造更好的商業成果。美國運通執行長 Steve Squeri 表示，公司擴大採用 AI 輔助開發工具後，程式開發週期縮短 30%，未來 Agentic AI 更可能從支援開發者，走向承擔設計、測試與部署新功能的完整責任，改變企業創新的速度與規模。 醫療編碼公司 Arintra 執行長 Nitesh Shroff 也表示，其 AI 編碼引擎每月在 Mercy Health 自主處理逾 5 萬份病歷，協助營收提升 5.1%，並讓人類編碼人員轉向更複雜的工作。然而，運用 [&hellip;]</p>

越可能被 AI 取代的職缺，招募需求反而回升？Indeed 揭勞動市場反轉訊號

<p>過去幾年，AI 與就業的討論幾乎都圍繞著同一個字：取代。生成式 AI 問世後，最容易受到 AI 影響的白領工作，普遍也成為招聘下滑最明顯的一群。但全球最大求職平台 Indeed 的研究部門 Hiring Lab 最新分析，卻發現一個不同於過去三年的現象：近一年來，這些高 AI 暴露職業反而率先恢復招聘。 不過，這並不是整體就業市場回溫的跡象。Indeed 數據顯示，同期美國整體職缺仍下滑約 7%，只是高 AI 暴露職業的招聘卻開始反彈。而這個轉折之所以值得中高階主管注意，不只是它挑戰了 AI 只會取代工作的既有印象，更因為企業新增的需求，正集中在一群截然不同的人才。 AI 與招聘需求的關係，開始出現反轉 Hiring Lab 經濟學家 Guillermo Gallacher 的研究指出，自 Anthropic 的 Claude Code 於 2025 年 2 月下旬問世以來，美國軟體開發職缺數量回升近 15%，同一期間整體職缺卻下滑約 7%。2025 年 2 月也是「Vibe Coding」一詞首次出現的時間點，用來描述開發者以自然語言指示 AI 撰寫程式，自己則把更多心力放在產品設計與架構規劃。 Gallacher 強調，相關性並不代表因果關係。市場變化同時受到景氣、企業投資等多重因素影響，因此不能直接認定 Agentic AI 帶動了招聘回升；但廣泛可用的 Agentic AI 工具與軟體職缺反彈幾乎同步發生，仍是一個值得持續追蹤的新現象。 更值得注意的是，真正翻轉的不只是軟體工程，而是 AI [&hellip;]</p>

從開源 Llama 到付費 Muse Spark 1.1：Meta 如何用低價 API 搶攻 AI Agent 開發入…

<p>在 SpaceXAI 推出新模型、OpenAI 發表最新 GPT 5.6 之際，Meta 隨後也推出最新的專有 AI 模型 Muse Spark 1.1。這款內部研發代號為「Avocado（酪梨）」的新模型，不僅在功能上瞄準 AI Coding 與 Agentic AI，更在商業策略上搭配極具競爭力的超低價 API 與免費額度，試圖在開發者採用及大規模商業部署的入口處，正面迎戰 OpenAI、Anthropic 與 Google 等強勁對手。這也象徵 Meta 正式跨出過去以 Llama 開源模型為主的路線，試圖透過全新的 Meta Model API，向企業與開發者收取模型使用費。 Meta 推出低價 API 的策略與野心 為了在競爭激烈的市場中迅速吸引用戶，Meta 將 Muse Spark 1.1 的 API 價格設定為每百萬輸入 token 收費 1.25 美元、每百萬輸出 token 收費 4.25 美元，並為每個新帳號提供 20 美元的免費額度。Meta AI 長 [&hellip;]</p>

93% 的 CIO 做不了快決策：AI 時代的領導者困境

<p>過去，資訊長（CIO）職責主要圍繞在維護 IT 基礎設施，確保組織系統運作順暢。然而在生成式與 Agentic AI 席捲企業的此刻，這個角色經歷三十年來最劇烈的重塑。 在拉斯維加斯舉行的 Info-Tech LIVE 2026 大會上，IT 研究及顧問公司 Info-Tech Research Group 執行長 Tom Zehren 說，「CIO 已經沒有所謂正常的位置了」，一句話道盡 CIO 當前的處境。 Tom Zehren 指出，過去十二個月出現了三十年來最高的 CIO 更替率，背後主因是董事會與執行長對 AI 落地速度逐漸失去耐心。 Zehren 在會上拋出 CIO 心態必須轉變的方向，「過去許多領導者習於扮演『CI-NO』的角色，一遇到風險就先否決、先喊停；如今則必須切換成『CIO-yes, and⋯』的態度，也就是先肯定說『可以』，再主動為組織尋找前進的路徑，並擁抱可規模化的代理式 AI 架構，而不是成為創新的煞車鍵。」 CIO 存續的關鍵：如何把技術轉化為真實業務價值？ 這正是 CIO 角色的根本轉變：衡量 CIO 的標準，已經不是看他構建了多少技術，而是看這些技術在組織裡被用得多好、又擴展到多大規模。 寶僑（P&amp;G）資訊長 Seth Cohen 直言，最有效的 CIO 如今首先是業務領導者，運用 AI、資料與數位能力加速組織成長、改善決策、創造更好的體驗；Krispy Kreme 的全球資訊與技術長 Angela Yochem 也認為，CIO [&hellip;]</p>

迎戰 AI 武器化新風暴！解密 Agentic AI 紅藍對決與企業治理生路

<p>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： [&hellip;]</p>

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

<p>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。&nbsp; 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。 [&hellip;]</p>

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

<p>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 [&hellip;]</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>

【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>

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>

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

AI 轉型加速，叡揚雲端助企業升級合規與韌性

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

AI 轉型加速，叡揚雲端助企業升級合規與韌性

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

從 4 週工期縮短為數分鐘：行銷人員靠代理式 AI 也能一人讓電視廣告成片

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

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

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

一封錄取信揭開身分盜用風險！專家警告「代理式 AI」恐成今年資料外洩主因

<p>數位生態系，為身分盜用創造出完美風暴。AI 讓每一個步驟，從竊取企業持有的個人資料、找到可下手的社會安全號碼，到偽造駕照都變得更容易，也更精密。《Bloomberg》報導，一名女子突然收到美國佛羅里達州的醫學院錄取迎新包裹，但她從未申請過該校，甚至多年未曾報考大學。起初家人還以玩笑看待此事，但她很快意識到，自己的身分資訊可能已遭人盜用。 代理 AI 詐騙全面升級，FBI 示警辨識難度大增 這些詐騙手法本身或許並不陌生，但背後使用的技術已截然不同。FBI 指出，詐騙集團正利用 AI 複製聲音、生成逼真的電子郵件與簡訊，甚至製作假圖片與影片，用來推銷詐騙投資方案。而辨識詐騙，其實有幾個關鍵警訊，其中一大警訊，是任何要求提供個人資訊的行為。FBI 提醒，無論對方是否聲稱來自政府機構或銀行，都不應向陌生人透露密碼、銀行資料或安全驗證碼。 《Bloomberg》指出，AI 已經成為網路犯罪的重要工具。消費者信用機構 Experian 消費者保護副總裁 Michael Bruemmer 表示，該公司去年處理的 5,000 起資料外洩事件中，有 40% 涉及 AI 技術。該公司預測，今年「代理 AI」（agentic AI）將成為資料外洩主因，這類系統能在人類監督下自主規劃、執行任務，並可視需求協同多個代理完成複雜目標。 根據 FBI 最新發布的網路犯罪投訴中心（Internet Crime Complaint Center）報告，許多民眾熟悉的詐騙手法，如今已開始結合 AI 技術，導致美國人損失數十億美元。這也是 FBI 二十多年來，首次在年度網路犯罪報告中正式追蹤 AI 相關詐騙，顯示詐騙模式與辨識難度出現重大轉變。報告指出，美國人在 2025 年通報的網路犯罪損失接近 210 億美元，創下歷史新高；其中超過 2.2 萬件投訴與 AI 有關，總損失約達 8.93 億美元。 AI 模型成為攻擊工具，Anthropic 與 OpenAI 的測試揭示了什麼？ 由於擔心網路攻擊，一些 AI [&hellip;]</p>

不用 HBM、不靠 3nm！台灣 Skymizer 如何用 28nm 打 AI 推論戰？

<p>台灣 AI 晶片設計公司 Skymizer 近日曝光新一代 PCIe AI 加速卡 HTX301，宣稱可在單張卡上執行高達 7000 億參數（700B）的大型語言模型（LLM），且整體功耗僅約 240W。更值得關注的是，這套系統並未使用當前 AI 產業主流的 HBM 高頻寬記憶體，也不是採用 3nm、5nm 等先進製程，而是建立在 28nm 晶片與 LPDDR4／LPDDR5 記憶體之上。 這種反主流設計，很快引發 AI 基礎設施圈關注。因為它挑戰的不只是 NVIDIA 與 AMD，而是整個 AI 晶片產業目前的發展方向。 根據《TechRadar》報導，Skymizer 表示 HTX301 單卡配置 384GB 記憶體，可支援 Agentic AI（代理式 AI）、程式開發與企業專用 AI 工作流，並能部署於一般風冷伺服器中，無需大型資料中心等級的電力與散熱改造。 AI 晶片戰場，正從「拼 FLOPS」轉向「拼記憶體」 過去兩年，AI 晶片市場幾乎被「更大算力」主導。例如 AMD 新推出的 Instinct MI350P PCIe AI 卡，搭載 144GB HBM3E [&hellip;]</p>

SAS 迎 50 周年 深化可信任 AI 與代理型 AI 布局加速企業 AI 規模化落地，並前瞻量子 AI 新世代

<p>在全球企業加速從生成式 AI、AI 代理（AI Agents）走向實際營運化的關鍵時刻，成立 50 週年的全球資料與 AI 領導品牌 SAS，於年度盛會 SAS Innovate 2026 宣布全面深化企業 AI 布局。以可信任 AI（Trustworthy AI）為核心，SAS 同步強化代理型 AI（Agentic AI）、治理架構、資料管理、產業應用與量子 AI（Quantum AI）等多項能力，協助企業突破概念驗證（PoC）限制，推動企業 AI 從試驗階段走向可治理、可規模化的營運應用。 深耕 50 年資料科學  以可信任 AI 作為企業決策核心 自 1976 年成立以來，SAS 從統計分析起家，逐步發展為全球企業級資料與 AI 平台的重要領導者，服務超過 150 個國家、多數《Fortune》100 大企業，長期深耕金融、製造、零售、醫療與政府等高複雜度產業。 面對 AI 快速演進，SAS 持續強調，企業真正需要的不僅是模型能力，而是兼顧透明度、治理、人工監督（human oversight）與商業落地的可信任架構。生成式 AI 雖提升互動效率，但影響企業營運的關鍵決策，仍需建立在可追溯、可稽核且具治理能力的決策系統之上。如何平衡創新速度、風險控管與法規要求，正成為企業AI投資能否成功的核心關鍵。 擴充 SAS Viya 平台能力  打造企業級 AI 營運基礎 此次 SAS [&hellip;]</p>

81% 金融業已導入 AI，監管卻跟不上！劍橋報告示警銀行老舊系統與「資料盲點」恐成致命破口

<p>劍橋大學賈吉商學院（Cambridge Judge Business School）旗下 Cambridge Centre for Alternative Finance（CCAF），攜手國際清算銀行（BIS）、國際貨幣基金組織（IMF）與世界經濟論壇（WEF）等重量級機構，最新發布《2026 Global AI in Financial Services Report》報告。這份深度調查全球橫跨 151 個司法管轄區、共 628 個組織的報告揭示，AI 正深刻影響金融機構營運與監管機關維護市場穩定的能力。 報告指出，整個金融業正處於一個關鍵的「轉型過渡期」（mid-transition）。業界的技術焦點正迅速從傳統機器學習，跨越至生成式 AI，並大步邁向具備高度自主決策能力的「代理式 AI」（Agentic AI）系統。 然而，在技術躍進背後，金融業正經歷巨大的「執行落差」（execution gap）。儘管多數機構已感受到營運效率與生產力的提升，卻普遍撞上資料品質不佳、老舊 IT 架構包袱以及 AI 專業人才短缺等三大結構性痛點。更令人擔憂的是，當金融業加速將 AI 導入系統時，監管機關的技術採用進度卻明顯落後，這使得業界的老舊系統在面對前沿 AI 時，面臨前所未有的風險。 81% 金融業已導入 AI，但監管機關明顯落後 首先，報告指出，81% 受訪金融服務業者已在某種程度採用 AI，其中 40% 業者達到「Scaling」或「Transforming」等進階採用階段。相較之下，卻僅有 20% 的監管機關達到同樣的進階採用水準。 報告進一步揭露監管端的現況：高達 48% 的受訪監管機關仍處於 AI 採用的「探索」（exploring）階段，或是尚未開始導入 AI，而另有 33% 監管機關仍停留在試點階段。這種進度落差，讓監管單位在面對快速變化的 AI 市場時，面臨極大挑戰。更嚴重的是監管機關也有「資料盲點」，僅有 24% [&hellip;]</p>

不只賣雲端！AWS 推 AI 代理搶攻辦公市場，微軟、甲骨文迎來正面對決

<p>亞馬遜公司（Amazon.com Inc.）旗下雲端事業部門 Amazon Web Services 正計畫進軍辦公室生產力軟體市場，銷售由 AI 驅動的企業應用。AWS 宣布推出一系列新工具，鎖定物流從業人員與招募人員，分別名為 Amazon Connect Decisions 與 Amazon Connect Talent。再加上上月推出的一系列健康應用，顯示亞馬遜正積極利用其 AI 技術切入企業軟體市場。 AWS 行銷長 Julia White 表示，AI 模型的崛起為公司帶來推出全新產品的契機。《Bloomberg》報導，此次發布的產品依賴「AI 代理（AI agents）」技術，也就是能代表使用者執行任務的工具，例如自動面試求職者，或建立預測產品需求的試算表。 AWS 十年布局翻轉！推四大 AI 服務，讓供應鏈、招募、醫療自動化 距離 AWS 推出 Amazon Connect 已近十年。《SiliconANGLE》提及，AWS 將原本內部使用的聯絡中心即服務（contact center-as-a-service）系統商業化推出時，外界普遍質疑它是否能在已有多家成熟供應商的市場中站穩腳步，如今 Amazon Connect 已成為眾多大型品牌的核心客戶體驗平台。現在 AWS 進一步重新定位 Connect 品牌，將其從單純的聯絡中心產品，擴展為一整套可整合進企業工作流程的「代理型 AI（agentic AI）」解決方案。 新的 Connect 產品組合包含四大服務：Amazon Connect Decisions 負責供應鏈管理、Amazon Connect Talent [&hellip;]</p>

不只自動化，更是採購決策重構：NEC 如何將交期變更交給 AI 秒速談判？

<p>隨著企業加速導入代理式 AI（Agentic AI），「採購」這個高度仰賴經驗與判斷的核心職能，也跟著技術進步，有所轉變。 根據科技研究與顧問公司 Gartner 最新研究，機器採購（Machine Buyers）正從概念走向實務應用，成為企業內部供應鏈優化的重要突破口。其中，日本電氣（NEC）的實驗成果，被視為這一波轉型的關鍵案例。 NEC 以 AI 代理重構談判週期 在 NEC 集團內部測試中，AI 代理已能直接與供應商系統進行串接，針對零件採購中的交貨時程與條件進行即時調整。過去需要人工來回溝通、確認與談判的流程，如今已大幅壓縮。原本可能橫跨數週甚至數月的採購與談判週期，已被縮短至一分鐘內完成。針對高頻且標準化程度較高的任務，例如交期變更與數量微調，系統能在數秒內完成決策並與供應商進行談判。 這種效率的躍升，並非單純來自自動化流程，而是來自對「決策本身」的重構。NEC 的做法在於將資深採購人員長年累積的經驗轉化為可運算的知識體系。系統會分析過往的電子郵件、合約紀錄與溝通內容，萃取出專家在不同情境下的應對策略。這些策略涵蓋何時應該讓步、何時需要堅持條件，以及在談判陷入僵局時的替代方案，最終被轉譯為 AI 可執行的邏輯規則。 這代表過去深藏於個人經驗中的隱性知識，如今被系統化、結構化，成為可複製與擴展的企業資產。採購工作長期依賴資深人員的判斷力與市場敏感度，也因此面臨人才斷層的風險，而當這些知識能被嵌入 AI 代理中，企業不再完全依賴少數專家的即時決策能力，而是能透過系統持續運作並擴展決策規模。 機器採購創造供需雙贏的即時響應 Gartner 還指出，NEC 的案例凸顯了機器採購在供應鏈韌性上的潛力。在極端情境下，例如自然災害或全球供應鏈中斷，人類採購人員的反應能力往往受到時間與精力限制。面對數千家供應商時，人工逐一聯繫與協商幾乎不具可行性。AI 代理則能在極短時間內同時啟動大量談判，快速重新配置供應來源，降低中斷帶來的衝擊。 這樣的能力也重新定義了採購的時間維度。過去的採購流程建立在「等待」與「回應」之上，決策節奏受到人力與溝通頻率限制。機器採購則引入即時決策與持續優化的運作模式，使供應鏈更接近一種動態調整系統。企業能在需求變動、價格波動或供應風險出現時，即刻做出反應，而非被動承受結果。 「機器採購員不僅對部署它們的公司有利。機器採購得以隨時待命，不像人工談判員那樣可能需要數小時甚至數天。」NEC 人工智慧負責人 Satoshi Morinaga 說，「我們的供應商合作夥伴也從中受益。」 AI 代理帶來的新治理課題 不過，Gartner 也強調，機器採購的導入並非單純的技術部署，而是一項組織層級的轉型工程。企業需要建立能支撐 AI 決策的資料基礎與治理機制，並確保決策邏輯持續更新，以反映市場變化與策略調整。同時，如何與供應商建立信任關係，也成為關鍵課題。當談判對象由人轉為機器，供應商需要理解這項改變背後的價值，包括更快的回應速度、更高的準確性，以及跨時區運作所帶來的效率提升。 NEC 的實踐顯示，機器採購並非取代人類，而是重塑人機分工。AI 代理負責高頻、可標準化且需要快速反應的決策，人類則轉向更具策略性與價值創造的任務，例如供應商關係經營、風險管理與創新合作。這樣的轉變，讓採購職能從執行導向逐步邁向策略導向。 隨著代理式 AI 技術成熟，機器採購很可能成為企業導入 AI 的重要起點。相較於面向消費者的應用，內部採購流程具備明確的數據基礎與可量化的成效指標，使其成為驗證 AI 價值的理想場景。 【推薦閱讀】 ◆ 告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？ ◆ 10 [&hellip;]</p>

你的 Slack 對話可能變 AI 教材？企業資料淘金熱崛起，變現背後的商機與爭議

<p>在 AI 的軍備競賽中，資料就是燃料。然而，當 AI 實驗室幾乎吸乾了 Reddit 論壇、維基百科與數位化書籍等公開網路內容後，他們正面臨嚴重的資料瓶頸。為了解決這個問題，產業界開始將目標轉向一個意想不到的來源：企業內部的 Slack 對話、Email、Jira 任務單，以及多 TB 的專案紀錄。 《Forbes》報導，這波「工作流資料」（workflow data）的新趨勢，不只正在改變 AI 的訓練模式，更引發了全新的商機與隱私爭議。 從網路資料枯竭，到企業內部資料崛起 OpenAI 前首席科學家 Ilya Sutskever 曾指出，公開網路上的資料量對 AI 來說已在 2024 年底達到枯竭。更重要的是，這些文章資料對於打造能夠實際執行工作任務的「代理式 AI（Agentic AI）」來說幫助並不大，因為真正能讓 AI 學會工作的，是那些由人類在日常營運中創造的真實紀錄。 「AI 模型公司正在意識到，真實世界環境中的噪音對於準確測試模型是必要的。」提供 AI 模擬環境的 micro1 創辦人 Ali Ansari 表示。這些真實的企業通訊紀錄，包含了決策的轉折、跨部門的溝通摩擦，甚至是解決專案危機的過程，它們成為了訓練代理式 AI 理解組織運作、處理複雜任務的珍貴教材。 數位回收的淘金熱：倒閉企業的遺產變現 需求的爆發，迅速催生出全新的資料市場。根據《Forbes》報導，新創公司 SimpleClosure 協助企業在關閉時，將其長年累積的 Slack 訊息、Email、Jira 紀錄與 Google Drive 文件打包出售，作為 AI 訓練資料。一家已結束營運的轉錄公司 cielo24，甚至因此獲得數十萬美元收入。 SimpleClosure [&hellip;]</p>

當 AI「硬回答」反而害企業虧錢？Appier 拆解企業 AI 導入挑戰提 4 大解法

<p>AI 代理時代來臨，當 AI 越來越會回答問題、具備自主執行任務的能力，其回答內容「是否可被信任」，已成為企業導入 AI 關注的焦點。Agentic AI 即服務（AaaS）公司 Appier 的 AI 研究團隊近年聚焦可信任的 Agentic AI 研究，獲得 NeurIPS、ACL、EMNLP 等國際權威學術會議肯定，在今（15 日）公開讓 AI 具備精準提問、進行風險評估、掌握自身能力邊界的「自我覺察能力」研究成果。 Appier 執行長游直翰表示，在 AI 產業鏈中，AI Agent 是最關鍵且熱鬧的一環，因為只有當 Agent 能實際應用並幫企業賺到錢，才有辦法支撐並支付底層龐大的運算成本，因此，如何讓 Agent 在企業中可靠地運作並得到好結果，是目前重要的發展方向。他也強調，未來 AI Agent 將加速串聯人、工具與軟體，形成更複雜的 Agent society，企業能否搶佔 Agentic AI 先機，關鍵就在 AI 是否具備可被信任的決策力。 你的 AI 不考慮風險、硬回答？它在「幫你虧錢」 Appier AI 團隊研究科學家林玠言表示，現有 LLM 的核心盲區在於無法評估自身能力的邊界，而這樣的 AI 風險已有企業在付出代價。舉例來說，Air Canada 的客服機器人曾在與客戶溝通時自行虛構了一套退款機制，導致客戶信以為真並要求退款。儘管該航空公司實際上沒有這項機制並試圖拒絕退款，但法院最終判決航空公司敗訴並必須賠償。 林玠言指出，Appier 針對 6 [&hellip;]</p>

聯手 Google 擴大開發 IPU！Intel 瞄準 AI 推論，將晶片戰局拉向系統架構之爭

<p>AI 應用的逐漸擴散，推動了對傳統運算晶片的新需求。根據《Reuters》等多家外媒報導，Intel 與 Google 最新宣布擴大合作，將持續採用 Xeon 處理器，並擴大基於 ASIC 的客製化基礎設施處理器（IPU）共同開發，顯示 AI 運算架構正在從單一加速器導向，轉向更複雜的系統競爭。 Intel 指出，透過這項合作，Intel 與 Google 將在多個世代的 Intel Xeon 處理器上進行協同優化，提升 Google 全球基礎設施的效能、能源效率，以及整體擁有成本（TCO）。 從訓練到推論：AI 基礎設施進入新階段 這項合作的真正關鍵，在於 AI 工作負載結構的轉變。過去幾年，AI 產業競爭集中在模型訓練，帶動 GPU 成為市場主角；但隨著企業開始大規模部署 AI 應用，運算需求正快速延伸至推論與實際營運場景。《Reuters》指出，這使得可以處理大量即時運算與多任務負載的 CPU 再度成為關鍵，重新回到 AI 基礎設施的核心位置。 另一推動這波轉變的關鍵動力是 Agentic AI 的快速發展。不同於過去以聊天機器人為主的單一回應模式，Agentic AI 能執行多步驟任務，涉及決策、規劃與跨系統操作，對運算資源的需求大幅提升。 《Reuters》指出，這類 AI 系統的興起，正顯著增加對 CPU 運算能力的需求。原因在於，這類任務不僅需要模型推論，還涉及資料處理、任務協調與系統調度，這些正是 CPU 擅長的領域。 《CNBC》報導更指出，隨著 AI 工作負載愈加複雜，CPU 正逐漸成為系統瓶頸。NVIDIA AI 基礎設施負責人 Dion [&hellip;]</p>

告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？

<p>2026 年，數位廣告產業面臨結構性轉折。過去二十年來，以程序化廣告為核心的交易模式，建立在第三方數據、即時競價與大規模曝光之上，撐起了數百億美元的產業規模。然而，在零售媒體網絡（Retail Media Networks, RMN）快速崛起、隱私監管趨嚴，以及 AI 技術進入執行層的背景下，這套體系即將重構。 廣告技術去中介化，零售商正以代理式 AI 重構廣告成本 《Smart Brief》報導指出，如今越來越多零售商選擇內建自己的廣告工具，導入以「代理 AI」（Agentic AI）為核心的架構，繞過傳統的程序化中間商。這些 AI 代理人不再只是輔助投放，而是直接代表品牌與零售商進行決策與交易，從受眾分群、預算配置到廣告庫存配對，皆由系統即時完成。當交易雙方都由代理人驅動時，傳統的廣告交易所與拍賣機制開始顯得多餘。 這樣的轉變，直接帶來成本結構的重寫。業界預期，當中間層被移除後，單一零售商可節省約 10% 至 20% 的廣告技術成本，而品牌與零售商整體合計，甚至可能達到 30% 的效率提升。這對於本就利潤有限的零售業而言具有實質吸引力，也使「去中介化」成為一項策略選擇，而非技術實驗。 推動這場變革的關鍵基礎設施之一，是廣告內容協議（Ad Context Protocol, AdCP）。這項由多家產業參與者共同推動的標準，嘗試為 AI 代理人建立一套共通語言，使其能在沒有人工介入的情況下完成媒體規劃、報價與交易。《Digiday》指出，AdCP 更接近一種「代理對代理」的直接協商機制，讓品牌端的 AI 可以與零售端的 AI 即時溝通需求與庫存條件，在維持效率的同時，省去拍賣流程中的冗餘環節。 數據複利時代來臨，第一方數據轉化為策略資本 與此同時，數據本身的角色也在發生質變。市場調查公司 IDC 指出，在第三方 Cookie 逐步消失的情況下，第一方數據從過去的靜態資產，轉變為可以持續累積價值的「複利資本」。透過資料潔淨室（data clean room）與隱私增強技術（Privacy-Enhancing Technologies, PETs），品牌與零售商得以在不暴露原始個資的前提下進行跨平台協作，使原本分散的訊號得以整合並提升預測能力。 這種數據協作模式，也可能重塑市場權力結構。一方面，大型零售商紛紛建立整合身份、媒體與交易數據的「商業雲」（commerce clouds），將廣告投放與成效衡量鎖定在自有生態系中；另一方面，缺乏登入數據與規模的中小型媒體，則逐漸失去可識別性與變現能力。市場因此呈現出集中與碎片化並存的矛盾狀態，而能否有效編排與運用數據，成為品牌競爭力的核心。 綜合來看，數位廣告的變革並非單一技術升級，而是一場涉及數據、交易機制與組織運作的全面重構，整個產業正朝向一個由機器主導決策與交易的「代理時代」前進。對企業而言，關鍵不在於是否導入 AI，而在於是否具備重新設計整體架構的能力。 【推薦閱讀】 ◆ 「線上歸 Amazon、實體歸 Walmart」時代終結：零售雙雄的混合基礎建設戰全面開打 ◆ 告別關鍵字堆砌：2026 [&hellip;]</p>

用 AI 不必再選邊站！微軟 Copilot Cowork 上線，拆解導入多模型協作的背後盤算

<p>當生成式 AI 從「寫內容」走向「做事情」，企業對於 AI 的期待也正在快速轉變；最新一波轉折來自微軟。微軟不再只強化單一模型能力，而是讓不同 AI 模型在同一工作流程中協作，試圖解決 AI 準確性、效率與可控性等長期痛點。 微軟宣布，全新代理工具 Copilot Cowork 已正式透過 Frontier 早期計畫上線，該工具是專為長時間、多步驟工作而設計，旨在實現 Copilot 生態系統的自動化和規模化。同時，微軟也在 M365 Copilot 的 Researcher 代理中，新增 Critique 與 Council 兩大功能，象徵 AI 系統設計正從單一模型競爭，轉向多模型編排的新階段。 Copilot Cowork 讓 AI 開始接手工作 Copilot Cowork 被定位為代理式 AI（agentic AI）工具，能處理過去需要人類持續監督的長時間、多步驟任務。根據微軟說明，使用者只需描述目標，Copilot Cowork 便會自動規劃並執行整個流程，橫跨 Excel、Outlook、Teams、SharePoint 等應用，完成資料蒐集、分析與整合等工作。 相較於過去 Copilot 停留在撰寫郵件或摘要文件等生成內容的任務，Copilot Cowork 的設計更接近「任務代理人」，強調跨工具協作與流程自動化。 多模型協作成核心：GPT 與 Claude 不再競爭，而是分工 除了任務層的進化，更關鍵的變化發生在模型架構本身。「Critique」新功能允許系統同時使用 OpenAI 的 GPT [&hellip;]</p>

360° MOBILITY Mega Shows 將在 4/14 登場！聚焦低碳化及 Agentic AI，搶先佈局…

<p>聯合國環境署（UNEP）在《2025年排放差距報告》中指出，各國須在 2035 年前實現年度排放量削減 55%，才能將全球升溫控制在 1.5°C 以內，而交通運輸作為全球主要排碳源，電氣化與智慧化轉型已成為必然趨勢。 外貿協會（下稱貿協）作為台灣對外經貿推廣的推手，觀察到這股席捲全球的「移動革命」，即將在 4 月14 日至 17 日於台北南港展覽館 1 館，整合汽機車與電子產業鏈，打造「360° Mobility Mega Shows」，並同步舉辦「360° MOBILITY Forum」，回應產業以「軟體定義汽車（SDV）」與地緣政治下的供應鏈重構挑戰，為全球移動產業提供一個全方位的戰略對話平台。 綠能、軟體與生態系的 360° 全方位智慧演進 此次 360° MOBILITY Mega Shows 整合 「台北國際汽機車零配件展 TAIPEI AMPA」、「台灣國際智慧移動展 2035 E-Mobility Taiwan」及「台北國際車用電子展 Autotronics Taipei」 &nbsp;三大指標性盛事，以「 Empower Every Move」為主題，聚焦低碳移動、未來移動與移動生態系三大核心趨勢。 《S&amp;P Global Mobility 2026 汽車產業分析師展望報告》指出，2026 年全球電動車市場面臨電氣化降溫挑戰，其中一個主因便是基礎建設不足。因此，在 360° MOBILITY Mega Shows 中，將於「低碳移動」的核心重點討論，如何透過技術解決基礎設施問題，更延伸至全生命週期的減碳技術與能源管理，涵蓋電動車動力系統、充電基礎建設、電池測試技術，以及精密零件的高值化。 而第二個核心「未來移動」的主軸將聚焦軟體定義汽車（SDV）的概念。在SDV 時代，車輛的性能與價值將由軟體來定義，意味著車輛可以像智慧型手機一樣，透過雲端來提升駕駛輔助性能，從單純的交通工具轉型為結合智慧移動夥伴。因此，360° MOBILITY Mega [&hellip;]</p>

代理式 AI 推升 4 倍 CPU 需求！Arm 打破 35 年傳統首推自研晶片，直攻兆元 AI 商機

<p>「我們現在進入了一個全新的 Arm 時代，我們將直接供應 CPU 實體晶片，這麼做的最大原因，是因為合作夥伴提出了要求，同時也是為了解決當代理式 AI 成為主流時，所有工作負載都受限於 CPU 瓶頸的問題，」 Arm 在今（3/25）舉行的 Arm Everywhere 大會上，由執行長 Rene Haas 宣布一項具備歷史意義的重大戰略轉型：Arm 將打破過去 35 年來僅授權 IP 與架構的傳統，首度推出親自打造且量產就緒的實體 CPU 晶片——「Arm AGI CPU」。 隨著「代理式 AI」（Agentic AI）爆發性成長，全球資料中心正迎來前所未有的運算與能源瓶頸。為了解決這項挑戰，Rene Haas 不僅點出 AI 時代底層基礎架構的巨變，Arm 更邀請科技巨頭 Meta 與 OpenAI 同台，揭示算力與能源效率的戰爭，將如何決定人類 AI 發展的未來。 代理式 AI 引發資料中心「壅塞」，Arm 轉型直攻實體晶片 「昂貴的加速器負責生成 Token，就像砂石車倒下大量的泥土，但總得有人把這些泥土搬走，CPU 就是負責搬運這些泥土的機具，」Rene Haas 生動比喻當前 AI 基礎架構的分工與困境。他進一步解釋，AI 代理與過去單純的問答不同，它們能全年無休地處理複雜的非同步工作流程，這些全都是 CPU 的工作，也讓平均每個人類消耗的 Token [&hellip;]</p>

鴻海人形機器人細節首度曝光！盤點 GTC 2026 台廠如何搶攻黃仁勳「實體 AI」商機

<p>台灣廠商積極切入 AI 機器人供應鏈，在今年 NVIDIA GTC 展會上展示不少機器人相關解決方案，要加速 NVIDIA 執行長黃仁勳口中的「實體 AI」（Physical AI）落地，讓 AI 代理（AI Agent）從虛擬走向物理世界。 以下盤點鴻海、達明機器人、新漢、研華、英業達與益登等 6 家亮點廠商，在本次 GTC 的機器人相關技術布局。 鴻海：首度揭露在美工業級人形機器人細節 鴻海今年陣仗龐大，參與 GTC 代表團規模較去年倍增，共有超過百位高階主管、工程師與科學家參展，分享 AI 工廠與實體 AI 的最新技術進展。這也是鴻海首次在美國公開其與 NVIDIA 合作開發的 AI 工業人形機器人細節。 鴻海在攤位與多場 GTC 專題場次中，展示其機器人如何在工業製造場域中自主執行取放、鎖螺絲與物料搬運等高精度、重複性任務的能力。鴻海表示，這些機器人透過模擬與實際工廠資料訓練，並結合 NVIDIA Isaac GR00T、NVIDIA FoundationPose、NVIDIA Isaac Sim 與 NVIDIA Jetson Thor 等工具，加速部署與跨場域的規模化導入。 在鴻海展出的整合式醫療 AI 生態系中，也可看見機器人解決方案的身影。鴻海聚焦四大臨床應用領域，包括刷手護理協作型機器人、大腸鏡 Agentic AI、心血管數位孿生（Digital Twins），以及乳癌多模態精準治療，要讓醫療 AI 從單一模型應用，進化為代理式 AI 醫療系統。 更多 [&hellip;]</p>

技鋼科技於 NVIDIA GTC 2026 展示完整資料中心產品組合與基礎架構並支援 NVIDIA Vera Rubi…

<p>技嘉科技集團子公司技鋼科技，作為加速運算與基礎架構解決方案的領導者，今日宣布推出全新企業級&nbsp;AI 解決方案，支援&nbsp;NVIDIA Vera CPU&nbsp;與&nbsp;NVIDIA Vera Rubin 平台，並同步揭示將於臺灣設立的&nbsp;AI 工廠。 在 NVIDIA GTC 2026 展會中，技嘉於 #1413 展位展示可擴展的 AI 解決方案，除著重效能與能源效率外，也整合打造 AI 工廠與大型 GPU 叢集所需的軟體與基礎架構。現場團隊將介紹最新硬體與軟體技術，協助企業成功部署加速運算。 必看亮點一：個人 AI 超級電腦 為滿足不同層級&nbsp;AI 超級運算需求，技鋼科技展示多款專業級桌上型與桌邊型系統，適用於&nbsp;AI 開發與&nbsp;AI 訓練、推論加速，並已廣泛應用於研究機構、政府單位與企業資料科學團隊。 此外，在軟體層面，技嘉與&nbsp;NVIDIA 正合作推動&nbsp;NVIDIA NemoClaw，這是一套開源軟體堆疊，可透過單一指令安全地部署&nbsp;OpenClaw 常駐型&nbsp;AI 助理。作為&nbsp;NVIDIA Agent Toolkit 的一部分，NemoClaw 會安裝&nbsp;NVIDIA OpenShell runtime，提供安全環境以運行自主&nbsp;AI Agent 與開源模型（如&nbsp;NVIDIA Nemotron）。 隨著桌上型 AI 運算能力快速提升，NVIDIA NemoClaw 也讓新一類常駐型 AI Agent 能直接在本地硬體上運行。其應用情境包括個人研究助理、工作流程自動化代理，以及私有化程式開發助理等。透過 NemoClaw，個人與小型團隊可更容易部署這些智慧代理，降低對企業級雲端基礎架構的依賴，同時確保資料隱私並保有對 AI 工作負載的完整控制。技嘉個人 AI 超級電腦則提供支援此類 Agentic AI 應用趨勢所需的桌面級運算基礎。 必看亮點二：機櫃級 AI 超級電腦 必看亮點三：液冷與氣冷 AI 叢集 GIGAPOD 為技嘉機櫃級&nbsp;AI 與&nbsp;HPC 一站式資料中心解決方案，可將多台&nbsp;GPU 伺服器整合為高效能、可擴展的運算生態系。GIGAPOD 整合先進加速器、網路技術與&nbsp;GIGABYTE [&hellip;]</p>