<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊鴻海聯手施耐德搶 AI 資料中心，基建戰從機櫃燒到電力冷卻 施耐德電機（Schneider Electric）與鴻海（Foxconn）宣布展開策略合作，雙方將共同開發並擴大次世代 AI 資料中心基礎設施。這項合作將結合鴻海在製造與 AI 系統方面的能力，以及施耐德電機在電力、冷卻與能源管理的專長，目標是提供可部署的 AI 資料中心解決方案，相關生產預計今年稍晚展開。 這項合作顯示，AI 基建競爭已經不只停留在伺服器與機櫃，而是擴大到整座資料中心的電力、散熱、能源管理與部署速度。對台灣供應鏈來說，AI 資料中心不只需要晶片，也需要能把系統、電力與冷卻整合起來的能力。鴻海近年積極切入 AI 伺服器與資料中心相關業務，這次與施耐德合作，也讓台灣製造供應鏈進一步接上全球 AI 基礎建設需求。 ＊字節跳動傳洽購 5 萬片國產 AI 晶片，中國推論算力加速去 NVIDIA 《路透》報導，TikTok 母公司字節跳動（ByteDance）正與上海 AI 晶片新創天數智芯（Iluvatar CoreX）洽談採購 AI 晶片，也同時評估採購百度旗下崑崙芯。知情人士透露，天數智芯今年可能向字節跳動交付至少 5 萬片晶片，多數將用於推論工作，支援字節跳動旗下 AI 聊天機器人豆包。 推論是模型回應使用者查詢的運算，相較於訓練大型模型，不一定需要最高階晶片，也讓中國本土 AI 晶片有更多切入機會。報導也提到，中國本土 GPU 與 AI 晶片業者在中國 AI 加速伺服器市場的占比已接近 41%。如果交易完成，天數智芯將成為字節跳動繼華為與寒武紀之後，第三家中國本土 AI 晶片供應商，也意味著在美國出口管制下，中國 AI 算力需求轉向本土供應鏈的趨勢正在升溫。 ＊Google 分散 TPU […]</p>
<p>博通（Broadcom）宣布已與 Google 簽署一項長期協議，將共同開發並供應新一代客製化 AI 晶片及相關組件，同時也擴大與 AI 新創公司 Anthropic 的合作協議，預計自 2027 年起提供約 3.5 GW（十億瓦）的運算能力，這些算力將由 Google 的 AI 處理器（TPU）支撐。 AI 三巨頭結盟！Google、博通、Anthropic 組建算力鐵三角 近年來，隨著企業積極尋求替代 NVIDIA 高價 GPU 的方案，用於 AI 工作負載的客製化晶片需求大幅攀升，Google 的 TPU 成為主要受益者。根據《Reuters》去年 12 月的報導，Google 正積極推動 TPU 成為足以與 NVIDIA GPU 抗衡的產品，旨在讓 TPU 成為雲端業務的重要成長引擎，並證明其在 AI 領域的投資已開始產生回報。 《Investing》指出，這項合作確保了博通作為 Google AI 模型晶片首席設計夥伴的地位。此次協議還包含一項「供應保證協議」，博通將持續供應 Google 下一代 AI 機架網路及其他組件直至 2031 年。這些組件對於串聯大規模晶片集群以訓練與運行神經網路（如 Google 的 Gemini）至關重要。 […]</p>
<p>在新模型與 AI 產品成為市場焦點之際，Google 內部其實已悄悄展開一項攸關長期競爭力的關鍵行動。《Business Insider》報導，Google 正推動一項代號為「Project EAT」的內部計畫，目標是將整個組織轉型為一個「AI 驅動的工作場所」。 Project EAT 是一項過去未曾對外公開的內部倡議，名稱源自科技業術語「吃自己的狗糧」（Eating your own dog food），意指在產品對外發布之前，員工需先在內部進行高強度測試與實際使用的狀況。從內部文件揭露的內容來看，這並非一次單點導入 AI 工具的嘗試，而是一場試圖將 Google 內部的 AI 基礎設施部署、開發者工具，以及晶片設計「垂直整合」的戰略行動。 從 AI2 出發，Google 重組內部戰線迎戰 AI 基礎設施競賽 在 AI 基礎設施部署面向上，Project EAT 由 Google 的「AI 與基礎架構」（AI and Infrastructure，簡稱 AI2）部門主導，AI2 部門擁有數千名員工，掌管著支撐 Google AI 技術的關鍵命脈，包括資料中心、客製化晶片（TPU）以及底層運算系統。 Project EAT 的運作涉及重大的組織重組，例如將 Google Research、Google Cloud 以及硬體開發團隊整合在一起，形成垂直整合的戰略隊形。這種集中化的協調，目的是要消除過去部門間的文化摩擦與冗餘，以加速決策流程，並確保研究端的突破能更快速地轉化為具商業價值的生產系統，應對來自微軟、OpenAI、亞馬遜與 Meta 等對手的全方位競爭。 內部文件也顯示，Google 高層將 Project EAT […]</p>
<p>專訪：戴季全撰稿：李昀蔚 在這一波 AI 浪潮中，台灣憑藉著硬體製造優勢，看似成為贏家，但如何將硬體實力變現，並成功發展軟體，進一步成為「使用 AI 的強國」，將是台灣未來 AI 發展的關鍵課題。 本集《全新一週》邀請 Google 台灣前董事總經理簡立峰，從 AI 晶片的產業分工談起，逐步解析人形機器人與 Edge AI 的落地節奏，並指出台灣在 AI 時代的核心挑戰：如何讓更多企業與個人真正被 AI 賦能，完成下一階段的轉型。 AI 晶片的發展走向 「晶片還是會多元化，但是最重要那幾顆晶片，還是會定於一尊，」簡立峰指出，AI 晶片的發展與網路時代相似：晶片設計會愈來愈多元，但真正關鍵的「大晶片」仍只會集中在少數玩家手中。以 Google 為例，外界多半只看到 TPU，實際上其內部自研的特定應用積體電路（ASIC）至少有十多顆，分別負責語音辨識、影像處理等不同任務。 這類小型、滿足特定功能的晶片，要因應特殊規格與內部優化需求，因此自行開發相當合理，但對非 IC 公司而言，投入需要百萬級出貨量才能攤平成本的「大晶片」並不具經濟效益。正因如此，許多企業採用 ASIC，更多是為了滿足短期研發需求，或作為與既有供應商談判的議價籌碼，而非長期取代通用晶片的終極解方。 人形機器人是「錯覺」，Edge AI 會先在無人駕駛與無人機落地 談到人形機器人，簡立峰引述 Google 共同創辦人 Sergey Brin 的觀點，指出人形機器人「還沒有到那個階段」。「用語言習得的知識，AI 超厲害，但是人類用體感的知識，AI 就沒辦法訓練，甚至連訓練資料都沒有，」簡立峰強調，在這個邏輯上，人形機器人大概只能進行特定用途，沒有辦法快速走向通用。 在這些技術限制下，簡立峰認為，人形機器人即便具備貼近人類場域的優勢，但「適合人類環境」並不等於能夠支撐規模化量產。即便中國已成功讓部分人形機器人的步態趨於穩定，但是否能進一步轉化為具經濟價值的商業行為，仍有待觀察。「不要因為你看到機器人很會走路，就覺得機器人是你家的保姆或工人，差太遠了，所以人形機器人反而是個錯覺，」簡立峰說。 更進一步，簡立峰也將人形機器人的討論，投射至更大的 Edge AI 發展脈絡。他指出，真正具備規模與迫切需求的 Edge AI 應用，將優先出現在無人駕駛汽車與無人機等場域，其次才是智慧醫療裝置及特定用途機器人。至於消費型裝置和人形機器人，反而會是最晚成熟的一環。 台灣在 AI 浪潮的角色是什麼？應該要成為「用 AI 的強國」 […]</p>
<p>在矽谷，大膽的技術賭注層出不窮，而試圖打破 NVIDIA（輝達） CUDA 的控制權，可能是其中最大膽的賭注之一。一家名為 Modular 的軟體新創，成立僅三年，便誓言要成為 AI 硬體界的「Android」，解開長期以來 AI 開發者被單一硬體廠商綁定的枷鎖。 Modular 由 Apple 和 Google 的前員工 Chris Lattner 與 Tim Davis 共同創立。Lattner 是知名的 Swift 程式語言發明者，也曾協助 Google 開發 TPU 的底層軟體。這兩位深知產業痛點的老將，如今將矛頭對準了 NVIDIA 護城河的核心：CUDA。 打破 CUDA 主導地位，實現跨平台 AI 運算 近 20 年來，CUDA 已從單純讓 GPU 具備可程式化能力的工具，演變成龐大的 AI 軟體生態系，涵蓋程式語言、函式庫、編譯器與推論系統。雖然它成就了 NVIDIA 的霸業，但多數企業的工作負載都因此被鎖定在 NVIDIA 的 GPU 上。雖然市面上不乏 AMD GPU、Google TPU 或 Amazon […]</p>
<p>專訪：《TechOrange》社長戴季全 / 撰稿：李昀蔚 近期美國發布《 AI 行動計畫》，在全球 AI 領域擔任關鍵角色的台灣，如何在政策端加速，避免與全球趨勢脫節？本集《全新一週》邀請立法委員葛如鈞，深入探討《AI 基本法》的理念，以及台灣在發展 AI 算力的過程中，可能遭遇的挑戰與解方。 「台灣其實一直沒有 AI 法制的框架，這個框架存在的意義是一個『上位的法規』， 可以想像成是政府應對人工智慧衝擊或機會的北極星，」葛如鈞強調，如果沒有《AI 基本法》這顆「北極星」，那麼各個部會對 AI 的認知可能就會不同調，導致各級機關無所適從。 另一方面，如果沒有《AI 基本法》，有關個資、著作權、兒少保護、勞動權益保障等既有法令，可能會無法因應 AI 帶來的衝擊，讓政策出現千頭馬車或毫無行動的局面，產業投資與國家安全風險也會因此被放大。 從國際視角出發，關於各國與 AI 相關的規範，葛如鈞分析歐盟的《人工智慧法案》以保護人權為核心；美國以競爭與創新為優先，透過行政命令與鬆綁讓產業快速發展，較偏向競爭主義；日本則採取由中央強勢主導的方式，提升政策層級。至於台灣，則必須在「產業競爭力」與「民主人權價值」之間找到特有的平衡點，才能打造出符合台灣脈絡的《 AI 基本法》。 台灣 AI 發展面臨的三大關鍵挑戰 發展 AI 至少有三個要件，分別是資料、算力與電力。在資料方面，過往台灣著作權法對人格權、財產權的刑責與罰則相對嚴格，然而在 AI 時代，這樣的刑責可能形成資料流通的壁壘，抑制本土與外資在台進行模型訓練或資料採集的意願。「《AI 基本法》草案出了委員會，這一次有三個條文是有共識並確定的，像是確立政府應推動『資料開放共享』精神的第十五條，就是其中之一，」葛如鈞指出，政府可以透過編列補貼預算以降低資料共享的社會成本、設置日出條款在限期內試行再逐步轉由企業承擔成本等模式，鼓勵資料開放。 其次在算力部分，台灣目前可能不在全球前十名之列，造成這個狀況的結構性因素，包括學術研究機構與公部門對算力的預算投入相對有限，難以支撐需要大量 GPU 或 TPU 的計畫。另一方面，算力不足不只是一個總量問題，還涉及用途與結構的差異，例如訓練大型語言模型、對既有模型做大規模微調以及日常推論的算力需求，彼此之間差異極大，所以對資源分配的策略要求更高。因此，除了提升總量外，台灣還必須更精細地規劃算力的分配與使用模式。 最後，面對 AI 時代的電力挑戰，葛如鈞分享，現在全球主要雲服務商與大型 AI 公司，皆紛紛預購或評估使用小型模組化核能（SMR）作為可預期且穩定的電力來源，這也將直接影響台灣未來在 AI 競爭中的長期優勢。「沒有電就沒有 AI，沒有 AI 就沒有國安、競爭力和產業機會，」葛如鈞強調，確保可靠電力、評估包含新式核能在內的多元能源選項，並同步規劃儲能與調度機制，應成為國家層級的優先政策。 《AI 基本法》是指引方向的「北極星」 葛如鈞表示，《AI 基本法》草案傾向由國家科學及技術委員會擔任主要統籌管理單位，以利整合科技研發與政策資源。至於各主管機關的職責分配與運作細節，必須在後續協商中明確界定，才能確保治理體系既有高度戰略指引，也能落實責任分工。 […]</p>
Google 首度把自家 AI 晶片送上太空。美國時間 10/1，太空公司 SpaceX 的 Falcon 9 火箭執行 Transporter-18 任務，其中一顆由衛星公司 Planet Labs 製造的衛星，搭載了 4 顆 Google TPU。這也是 Google 的 Project Suncatcher（捕日者計畫）首次把 TPU 真正送進軌道。《CNN》形容，這次發射可視為 Google 在軌道 AI 資料中心競爭中率先展開的一波實際行動。
