TechOrange 科技報橘

「押對模型靠運氣，保有選擇權靠架構。」勤英科技 MixRoute 助企業掌握模型、成本與治理三大主導權

<p>TechOrange 科技報橘日前舉辦「AI Innovation Day：2027 AI 創新日」論壇，上午場聚焦 AI 如何重塑企業智慧決策與工作流程。勤英科技（Elite Cloud）資深解決方案架構師王麒琨指出，企業若以 ChatGPT、Claude 等原廠網頁訂閱服務作為主要 AI 使用方式，可能面臨成本、模型選擇與系統整合等多重挑戰。 首先，按人頭計費的「席位制」難以依員工實際需求彈性調配額度，可能造成資源分配不均與成本浪費。其次，單一原廠平台主要提供自家模型，未必能滿足程式開發、複雜推理、影像生成等不同任務需求；員工若轉而使用未經核准的影子 AI，也將增加機敏資料外洩與資安治理風險。此外，當企業希望 AI Agent 能自動查詢資料、建立訂單或更新系統紀錄，還需要進一步串接 ERP、CRM 等內部系統，而不只是透過網頁介面與 AI 對話。 為回應上述挑戰，企業可透過 API 串接不同 AI 模型，依實際用量計費（Pay-as-you-go），建立統一的內部使用介面，集中管理權限、預算與稽核紀錄，並透過額外的系統介接，讓 AI Agent 參與企業既有工作流程。 然而，企業採購流程往往跟不上模型迭代速度。「現有模型的迭代週期，已經比企業的採購週期還短；今天的最佳選擇，下一季甚至下個月可能就會被取代，」王麒琨舉例，當企業耗時近兩個月完成供應商登記、請購審核與合約簽署，準備啟用某家廠商的 API 時，市場上可能已出現更符合需求的新模型。若新模型來自不同供應商，企業便可能面臨繼續使用原有模型，或重新啟動採購與系統整合程序的兩難。 透過架構設計統一模型調度與治理 為避免過度依賴單一模型供應商，勤英科技以 MixRoute 作為多模型統一入口，企業可透過單一 API 介面存取超過 250 個 AI 模型，涵蓋文字、影像、音訊、影片及 Embedding 等不同需求。平台按照官方牌價計費、不額外加價（Pass-Through），且開立新台幣發票，減少跨國採購與帳務管理的繁瑣程序。 除了簡化跨供應商的採購流程，模型切換的技術成本也是企業必須考量的問題。若應用程式直接綁定特定 AI 模型，日後更換時可能需要工程師修改程式碼、重新測試與部署。王麒琨指出，透過統一的模型管理與調度機制，就能「把模型決策從程式碼裡抽離出來，讓換模型變成一項設定，而不是一次系統改版。」這種降低應用程式與特定模型相互依賴的「解耦」（Decoupling）設計，搭配單一入口的多模型串接，讓企業掌握想換就換、不被單一廠商綁定的「模型選擇權」。 隨著企業導入 AI Agent，模型使用方式與成本結構也開始改變── AI Agent 執行任務可能需要反覆呼叫模型，進而推升 Token [&hellip;]</p>

【科技早餐】聯發科 AI 晶片開始出貨！Google 攜鴻海挑戰半年部署 TPU

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊聯發科 AI ASIC 開始出貨，2027 年營收目標上看 160 億美元 聯發科（MediaTek）10 月 30 日法說會宣布，首款資料中心客製化 AI 加速器（ASIC）已在 9 月開始出貨初期訂單。執行長蔡力行（Rick Tsai）表示，受客戶需求帶動，第 4 季雲端 ASIC 營收預估上修至 25 億美元；2027 年則有機會達到原訂目標區間高標的 160 億美元，約占全球 AI ASIC 市場 20%。公司也確認取得第 2 家雲端 ASIC 客戶，預期相關專案自 2028 年開始貢獻營收。 目前聯發科正推進下一代客製化晶片設計，目標提高每瓦運算效能、降低客戶整體持有成本。相較過去以手機晶片為營運重心，資料中心 ASIC 已成為明確的新成長業務。不過，訂單轉化為營收仍取決於製造供應鏈能否跟上需求。蔡力行指出，聯發科正與供應商爭取更多產能，尤其基板供應較具挑戰；因此 160 億美元仍屬明年營收目標，並非已經實現的出貨成績。 ＊Google 攜鴻海加速 TPU 部署，目標將交付週期縮短至半年 Google Cloud AI 基礎設施供應鏈與製造營運副總裁謝赫（Rehan Sheikh）10 月 30 日在鴻海科技日表示，Google [&hellip;]</p>

AWS 創近五年最快成長、Google Cloud 營收翻倍，股價卻下跌：華爾街為何擔心 AI 燒錢？

<p>Google 母公司 Alphabet 與亞馬遜分別在美國時間 10/28、10/29 公布第三季財報，雲端業務都交出亮眼成績：Google Cloud 營收年增 103%，亞馬遜的雲端服務 AWS（Amazon Web Services）營收年增 39%，是近五年來最快。但市場反應冷淡，Alphabet 股價在 10/29 重挫 12.6%，是史上最大單日跌幅（以百分比計），亞馬遜股價也在財報公布後走低。 現金是市場關注的焦點之一：亞馬遜過去 12 個月的自由現金流出持續擴大，Alphabet 單季自由現金流也再度為負，兩家還都表示 2027 年的資本支出（企業購置廠房、設備等長期資產的支出）會再增加。根據《Reuters》報導，Alphabet 營收不如預期，AI 相關的現金消耗又加速；投資人正在區分能自己負擔 AI 野心的公司，以及得燒錢、借錢才能實現目標的公司，Alphabet 被歸在後者。雲端需求這麼強，現金為何反而流出？Google 把自研晶片拿出來賣，又怎麼改變了現金流？ AWS 成長創近五年最快，Google Cloud 營收翻倍、算力供不應求 AWS 第三季營收達 460 億美元，成長幅度高於第二季的 37%，也略高於倫敦證券交易所集團（LSEG）彙整的分析師預估（年增 38.2%）。亞馬遜執行長 Andy Jassy 表示：「我們在 AWS 功能與基礎設施上的投資正在奏效。」 Google Cloud 第三季營收達 307 億美元。Alphabet 財務長 Anat Ashkenazi 在法說會上表示，成長主要來自 GCP（Google Cloud [&hellip;]</p>

【科技早餐】Google Cloud 營收暴增 103%！Microsoft Azure 成長 48%，AI 投資成本…

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google Cloud 營收暴增 103%，Microsoft Azure 成長 48% Google 母公司字母控股（Alphabet）與微軟（Microsoft）在 10 月 28 日公布最新季度財報，兩家公司的雲端業務均受惠於企業 AI 需求。Alphabet 第三季營收達 1,275.8 億美元，年增 25%，其中 Google Cloud 營收達 307.1 億美元，年增 103%，創下新高。公司指出，成長動能來自企業 AI 基礎設施、AI 解決方案及核心雲端服務，自研 TPU 系統銷售也有重要貢獻。不過，Alphabet 當季自由現金流轉為負 90.7 億美元，反映大規模基礎建設投資帶來的資金壓力。公司預估 2026 年資本支出將達 1,950 億至 2,050 億美元，2027 年還會持續增加。 Microsoft 同日公布截至 9 月底的 2027 會計年度第一季財報，整體營收達 922.8 億美元，年增 19%，其中 Azure 營收約 331.7 [&hellip;]</p>

如何管理沙箱關不住的 AI Agent？CloudMile 萬里雲台灣技術團隊主管 David Liang：用 AI…

<p>「一個原本該在封閉環境裡解題的 AI 模型，為了在資安測驗中拿到最高分，自己找漏洞、突破沙箱，最後從外部取得了測驗答案，」CloudMile 萬里雲台灣技術團隊主管 David Liang 日前參加由科技報橘舉辦的「2026 企業 AI 主權高峰論壇」上，舉例這起由 OpenAI 揭露的事件，帶出企業擔心的資安問題：會自主行動的 AI Agent，還管得住嗎？過去大家想知道 AI 能帶來多少成效，如今開始回頭問，有沒有方法讓 AI 被安全地使用，並以「從 AI 主權到 AI 檢測」為題，拆解企業如何打造可控、可見、可稽核的 AI Agent。 David Liang 指出，傳統資安的檢測與監控能力，都建立在「企業資產的行為相對穩定、可以預期」的前提上，但現今的生成式 AI 技術都基於 Transformer 架構，先天帶有不確定性，企業很難預測它的行為，未來企業要面對的，不只是 AI 可能自己失控，還有 AI 正在改寫資安威脅的樣貌。David Liang 表示，如今人人都能用 AI 做出自己的產品，但 AI 生成的程式碼缺乏明確的權責歸屬，驗證身份的方式也同樣在改變，甚至有些企業員工會自行上網找 AI 工具來用，而不知道工具背後用的是中國模型，公司也無從掌握。對重視 AI 主權的企業而言，這些變化正是企業面臨的實際擔憂。 用 AI 檢測 AI，萬里雲 AEGIS 讓 Agent 可控、可見、可稽核 面對新型態風險，David Liang [&hellip;]</p>

【科技早餐】Google TPU 首度跨雲進駐 Oracle！NVIDIA 擬擴張多 GW AI 算力

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Google TPU 首度跨雲進駐 Oracle！NVIDIA 擬擴張多 GW AI 算力 Oracle 與 Google 在 10 月 27 日宣布，將 Google 自研的張量處理器（TPU）引進 Oracle Cloud Infrastructure（OCI），預計 2027 年開始提供服務。這是 Google TPU 首次進入 Google 以外的超大型雲端平台。Google 第八代 TPU 分為針對模型訓練設計的 TPU 8t，以及著重推論的 TPU 8i，支援大型模型與 AI 代理等工作負載。Oracle 將提供資料中心電力、散熱及網路基礎設施，讓企業能在同一個雲端平台選擇不同晶片架構。雙方規劃從 2027 年開始部署，並在未來數年逐步擴大供應規模。 同一天，Oracle 與 NVIDIA 也宣布擴大合作，計畫將搭載 Vera Rubin 系統的 AI 超級叢集擴展至數 GW 規模。NVIDIA Vera [&hellip;]</p>

「押對模型靠運氣，保有選擇權靠架構。」勤英科技 MixRoute 助企業掌握模型、成本與治理三大主導權

TechOrange 科技報橘日前舉辦「AI Innovation Day：2027 AI 創新日」論壇，上午場聚焦 AI 如何重塑企業智慧決策與工作流程。勤英科技（Elite Cloud）資深解決方案架構師王麒琨指出，企業若以 ChatGPT、Claude 等原廠網頁訂閱服務作為主要 AI

• #AI 人工智慧

【博通私有雲展望報告】97% IT 決策者坦言公有雲支出遭浪費，布局「私有 AI」翻轉昂貴算力架構

博通（Broadcom）與市場調查機構 Radius Tech 合作，發布研究報告《2026 年私有雲展望：人工智慧轉折點》（Private Cloud Outlook 2026: The AI Tipping Point）。這份報告基於全球 1,800 位高階 IT 決策者的實證調查（其中 69% 來自員工人數

• #AI 人工智慧

AWS 創近五年最快成長、Google Cloud 營收翻倍，股價卻下跌：華爾街為何擔心 AI 燒錢？

Google 母公司 Alphabet 與亞馬遜分別在美國時間 10/28、10/29 公布第三季財報，雲端業務都交出亮眼成績：Google Cloud 營收年增 103%，亞馬遜的雲端服務 AWS（Amazon Web Services）營收年增 39%，是近五年來最快。但市場反應冷淡，Alphabet 股價在

• #半導體/零組件

【科技早餐】Google Cloud 營收暴增 103%！Microsoft Azure 成長 48%，AI 投資成本…

Google 母公司字母控股（Alphabet）與微軟（Microsoft）在 10 月 28 日公布最新季度財報，兩家公司的雲端業務均受惠於企業 AI 需求。Alphabet 第三季營收達 1,275.8 億美元，年增 25%，其中 Google Cloud 營收達 307.1 億美元，年增 103%，創下新高。公司指出，成長動能來自企業 AI 基礎設施、AI 解決方案及核心雲端服務，自研 TPU 系統銷售也有重要貢獻。不過，Alphabet 當季自由現金流轉為負 90.7 億美元，反映大規模基礎建設投資帶來的資金壓力。公司預估 2026 年資本支出將達 1,950 億至 2,050 億美元，2027 年還會持續增加。

• #科技動態

如何管理沙箱關不住的 AI Agent？CloudMile 萬里雲台灣技術團隊主管 David Liang：用 AI…

「一個原本該在封閉環境裡解題的 AI 模型，為了在資安測驗中拿到最高分，自己找漏洞、突破沙箱，最後從外部取得了測驗答案，」CloudMile 萬里雲台灣技術團隊主管 David Liang 日前參加由科技報橘舉辦的「2026 企業 AI 主權高峰論壇」上，舉例這起由 OpenAI

• #AI 人工智慧

【科技早餐】Google TPU 首度跨雲進駐 Oracle！NVIDIA 擬擴張多 GW AI 算力

Oracle 與 Google 在 10 月 27 日宣布，將 Google 自研的張量處理器（TPU）引進 Oracle Cloud Infrastructure（OCI），預計 2027 年開始提供服務。這是 Google TPU 首次進入 Google 以外的超大型雲端平台。Google 第八代 TPU 分為針對模型訓練設計的 TPU 8t，以及著重推論的 TPU 8i，支援大型模型與 AI 代理等工作負載。Oracle 將提供資料中心電力、散熱及網路基礎設施，讓企業能在同一個雲端平台選擇不同晶片架構。雙方規劃從 2027 年開始部署，並在未來數年逐步擴大供應規模。

• #科技動態

【科技早餐】Google Cloud 引進 OpenAI GPT-6，兩大 AI 對手跨陣營合作

<p>【科技早餐】今天精選 7 則國內外重要科技新聞。 ＊Google Cloud 引進 OpenAI GPT-6 模型，兩大 AI 對手跨陣營合作 Google Cloud 於 10 月 21 日宣布，將 OpenAI 最新的 GPT-6 Astra、GPT-6.1 Sol 與 GPT-6 Luna 模型納入旗下 Model Garden 平台，涵蓋程式開發、專業工作、AI 代理及大量日常應用。目前先向部分企業客戶提供私人預覽，預計未來幾週全面開放。這項合作格外受到關注，因為 Google 本身擁有 Gemini 模型，如今卻選擇將競爭對手 OpenAI 的產品引進自家雲端平台。Google Cloud 表示，平台目前已整合超過 200 款模型，企業可根據不同工作的效能、速度及成本要求選擇適合的技術，而不必只依賴單一模型供應商。 透過 Google Cloud Marketplace，企業可直接採購 OpenAI 模型，使用既有雲端採購承諾額度，並透過統一帳單結算，減少分別管理多家供應商的負擔。Google 也強調，平台提供身分驗證、資料存取權限及集中稽核機制，支援金融、醫療等高度重視資料治理的產業。OpenAI 則表示，微軟仍是其主要雲端合作夥伴，新合作不代表雙方關係結束。未來 OpenAI 模型還計畫導入 Google Antigravity 等工具，但相關整合尚未全面開放。從微軟 Azure、Amazon [&hellip;]</p>

萬事達卡示範 AI 代理自己買數位服務：企業核准一筆預算，付款 9 次免開帳戶

<p>萬事達卡（Mastercard）美國時間 10 月 20 日宣布開放「機器代理支付」（Agent Pay for Machines，AP4M）早期存取，並在 Cloudflare Connect 大會上示範：AI 代理在企業核准的一筆預算內，自行向多家服務商購買數位服務。 AI 代理是能自主完成任務的軟體，執行任務時，可能要向一家業者購買資料、使用另一家的 AI 模型，再向第三家購買運算資源。萬事達卡形容，AI 代理正在成為「經濟行為者」。當代理開始替企業花錢，誰來授權、額度上限多少，錢又該怎麼付？ 「付款不難，權限才難」：AI 代理下單數位服務卡在哪？ 萬事達卡指出，現在付費使用數位服務，通常要和每家業者開帳戶、申請 API 金鑰、預付點數或建立帳務關係。代理只用一兩項服務時還行得通，但若要在任務進行中換用不同服務、用多少付多少，就會變得棘手。 再來是信任問題：誰授權代理花錢？可以花多少、能買什麼、付給誰？該公司直言：「付款不是難點，權限才是。」真正的挑戰，是確保對的代理以對的權限完成對的交易。 AP4M 建立在 x402 之上。x402 是一套讓數位服務能在網路上請款的開放協定，AP4M 再將它與萬事達卡網路的信任、安全與覆蓋範圍結合。運作上，企業先交給代理一項任務和支出上限；代理遇到付費服務時，對方會回應「402 Payment Required」，這是網路用來表示「需要付款才能繼續」的狀態碼。 代理接著產生一張經數位簽章的付款憑證，承諾在核准額度內付款，服務商驗證後便提供服務。這些往來在鏈下（off-chain，即不逐筆寫進區塊鏈）以機器速度完成，服務商可以合併多張憑證、日後再兌現。該公司把這套做法歸納為：授權一次、交易多次；先保證付款，之後再結算。 一筆預算付款 9 次：萬事達卡怎麼示範？ 示範夥伴是本來就在行銷工作中使用 AI 代理的行銷公司 Hype。在這場試點示範中，Hype 替一款蛋白棒上市規劃範例行銷活動，把任務和預算交給執行於 Amazon Bedrock AgentCore 等代理平台的 AI 代理。 代理從已註冊的 AP4M 服務商中挑選業者，提出兩步驟方案：向 AIsa 購買社群媒體研究，再透過 Cloudflare AI Gateway 產生活動圖片。Hype [&hellip;]</p>

AI 雲端市場醞釀洗牌，NVIDIA 除了 GPU 訂單，還有哪些風險？

<p>NVIDIA 不只向新興 AI 雲端業者（Neocloud）銷售 GPU，也透過投資、融資支持與算力採購承諾協助它們擴張。然而，這群受到 NVIDIA 扶植的客戶，如今卻開始面臨財務與建設壓力。獲 NVIDIA 投資的澳洲業者 Firmus 近日撤回首次公開募股（IPO）計畫，CoreWeave 的高額負債也引發市場擔憂。 研究機構 Gartner 預測，到 2030 年，超過八成 Neocloud 將不再獨立營運，可能被其他企業收購、整併或退出市場。當 NVIDIA 積極扶植的雲端客戶可能迎來整併與淘汰潮，除了 GPU 訂單，還有哪些風險可能反過來影響 NVIDIA？ AI 算力需求仍在成長，Neocloud 為何恐迎淘汰賽？ Neocloud 專門提供 AI 運算資源，透過採購 GPU、租用或興建資料中心，再將算力出租給 AI 公司與企業客戶。這門生意需要先投入巨額資金，才能靠日後的租賃收入逐步回本。 Gartner 10 月研究指出，全球 AI 最佳化基礎設施即服務（IaaS）支出，預計從 2027 年的 660 億美元成長至 2030 年的 1,740 億美元。然而，市場持續成長，不代表業者能順利回收投資。隨著 AI 晶片快速換代，設備可能還沒回本，就得面對新產品競爭，高額融資成本也進一步加重壓力。 CoreWeave 已反映市場的疑慮。《Reuters》10/15 報導，該公司約有 500 億美元債務，分析師預估今年虧損 21.3 [&hellip;]</p>

【科技早餐】Google Cloud 引進 OpenAI GPT-6，兩大 AI 對手跨陣營合作

Google Cloud 於 10 月 21 日宣布，將 OpenAI 最新的 GPT-6 Astra、GPT-6.1 Sol 與 GPT-6 Luna 模型納入旗下 Model Garden 平台，涵蓋程式開發、專業工作、AI 代理及大量日常應用。目前先向部分企業客戶提供私人預覽，預計未來幾週全面開放。這項合作格外受到關注，因為 Google 本身擁有 Gemini 模型，如今卻選擇將競爭對手 OpenAI 的產品引進自家雲端平台。Google Cloud 表示，平台目前已整合超過 200 款模型，企業可根據不同工作的效能、速度及成本要求選擇適合的技術，而不必只依賴單一模型供應商。

• #科技動態

萬事達卡示範 AI 代理自己買數位服務：企業核准一筆預算，付款 9 次免開帳戶

萬事達卡（Mastercard）美國時間 10 月 20 日宣布開放「機器代理支付」（Agent Pay for Machines，AP4M）早期存取，並在 Cloudflare Connect 大會上示範：AI 代理在企業核准的一筆預算內，自行向多家服務商購買數位服務。

• #AI 人工智慧

AI 雲端市場醞釀洗牌，NVIDIA 除了 GPU 訂單，還有哪些風險？

NVIDIA 不只向新興 AI 雲端業者（Neocloud）銷售 GPU，也透過投資、融資支持與算力採購承諾協助它們擴張。然而，這群受到 NVIDIA 扶植的客戶，如今卻開始面臨財務與建設壓力。獲 NVIDIA 投資的澳洲業者 Firmus 近日撤回首次公開募股（IPO）計畫，CoreWeave 的高額負債也引發市場擔憂。

• #AI 人工智慧

AI 蠕蟲年底成形？Anthropic 示警小模型自我複製，外媒質疑實驗條件

<p>AI 能不能像電腦蠕蟲一樣，自行找到下一台裝置、把自己複製過去，而且不需要龐大的資料中心？Anthropic 前沿紅隊（Frontier Red Team）在 10/12 發布研究，在模擬的 Android 裝置網路中測試開放權重模型的自我複製能力，其中 GLM-5.2 在 5 次試驗中有 4 次擴散到全部 8 個節點。Anthropic 推估，若小模型維持過往的進步速度，今年底就可能具備同等能力。 研究一發布，科技媒體《The Register》就質疑實驗環境是刻意留下漏洞的特製節點。雙方對威脅多快到來看法不同，卻都把焦點放在同一道防線上：那些防護薄弱的廉價 IoT 裝置。AI 蠕蟲離現實還有多遠？企業和裝置製造商現在又該先補哪些洞？ 便宜電視盒就能跑模型，AI 已在模擬環境中自我複製 Anthropic 這次想回答的問題是：AI 能否不靠資料中心，在廉價的 IoT 裝置上自我複製？研究者認為，這種複製器一旦出現，由於沒有可以一鍵切斷的中央控制點，一旦出現將很難清除。 首先是確認便宜的硬體能否運行 AI 模型。研究團隊把 Gemma4-26B-A4B 模型分散到 15 台、每台約 55 美元的白牌 Android 電視盒上執行，速度為每秒 0.39 個 token。速度雖然很慢，但證明了串起廉價裝置就能運行模型。另一項測試中，9B（90 億參數）模型在 9 種測試硬體中，成功在 8 種上自行架起推論環境。 核心實驗則是在模擬環境中進行。研究團隊在 Google Cloud 上建置一個以防火牆隔離的網路，內含 8 個執行 [&hellip;]</p>

餐飲 AI 不只會點餐，達美樂、麥當勞如何把 AI 深入門市營運系統？

<p>當餐飲業開始導入 AI，最早受到關注的往往是消費者看得見的功能，例如語音點餐、聊天機器人或行銷工具。但近期達美樂（Domino’s）與麥當勞的動作，顯示餐飲科技正在往更深的營運層移動：AI 不再只是附加功能，而是逐步嵌入點餐、備餐、庫存、設備與外送等流程，成為串聯餐廳日常運作的核心系統。 達美樂以自研 DomOS 升級追蹤器，用精準預測解除顧客「等待焦慮」 達美樂近期大幅升級了自 2008 年問世的經典服務 Pizza Tracker。這項功能最初讓顧客透過簡單的視覺化介面，即時掌握披薩從下單、製作到送達的狀態，至今已累計追蹤超過 25 億筆訂單。而最新的升級，核心底層搭載了自研作業系統「DomOS」與機器學習模型，能夠動態且精準地重新計算披薩完成與送達時間。 這套系統現在不只能夠看單一門市進度，還可以同步分析訂購內容、門市當下的繁忙程度、特定時段的訂單聚集效應，如大型賽事轉播或電視廣告時段，以及外送端即時發生的路況與車程。達美樂全球數位行銷副總 Mark Messing 指出，AI 的關鍵作用在於將這些過往孤立的訊號整合在一起，模型會汲取歷史模式進行持續學習，並隨即時動態自動調整預估時間。 這項升級延續了達美樂將科技深化於消費體驗的策略。繼 2019 年導入 GPS 外送追蹤後，全新版本進一步將 AI 預測與即時地圖動態結合。主介面刻意簡化為四大關鍵階段，讓顧客一眼掌握進度，App 內則保留了披薩何時進烤箱、外送員何時出發等精細資訊，讓 Pizza Tracker 的核心價值從過往的「進度通知」升級為更具可靠度的「精準時程預測」。 麥當勞推 85 億美元門市現代化計畫，以 ArchIQ 串接 AI、庫存與設備管理 相比之下，麥當勞的布局則更進一步深入餐廳後台的系統架構與實體營運。麥當勞宣布推動「Restaurant &gt; NEXT」現代化計畫，承諾至 2036 年提供 85 億美元的加盟商支援，其中約 50 億美元預計在 2030 年底前投入，用於門市升級、科技部署與營運優化。 這項巨額投資背後的技術基石，是麥當勞多年來逐步淘汰各市場零碎 POS 系統所建立的統一平台、餐廳數據湖，以及在數千間門市部署的 Google Cloud 邊緣運算設備。在此架構上，麥當勞正推動生成式 AI 餐廳作業系統「ArchIQ」，目標將每日產生的數十億筆營運數據即時串聯人力、庫存、設備與顧客需求，直接轉化為門市現場的營運決策。 在應用層面，得來速語音助理「Archy」可支援英/西班牙語（準確率逾 [&hellip;]</p>

【科技早餐】OpenAI 年化營收為何差約 200 億美元？關鍵在計算口徑

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊OpenAI 年化營收近 500 億美元，與先前數字差距涉及計算口徑 《路透社》引述知情人士報導，OpenAI 向投資人表示，9 月年化營收接近 500 億美元，低於先前在另一場投資人活動透露的接近 700 億美元。消息人士指出，差距主要涉及嘗試將 OpenAI 的數字與 Anthropic 直接比較時，採用了不同計算口徑。報導指出，Anthropic 納入透過亞馬遜（Amazon）AWS、Google Cloud 等雲端合作夥伴取得的銷售收入，OpenAI 則未採用相同方式。OpenAI 未回應《路透社》的置評要求。 年化營收通常以單月等較短期間的收入推算全年，並不等於公司已實現的全年營收，也不是經查核的全年財報。這次數字差異不能直接解讀為實際營收下滑，或全年營收目標落空。隨著 AI 業者持續募資並準備上市，收入認列範圍、計算期間及不同公司的比較基準，將影響外界如何判斷成長速度；高額營收數字也仍需與成本及獲利能力一併檢視。 ＊台積電與格羅方德簽 20 億美元合作，補強美國 AI 封裝供應鏈 台積電（TSMC）與美國晶圓代工業者格羅方德（GlobalFoundries）達成 20 億美元製造合作協議，將在紐約州馬爾他工廠增加產能，供應台積電 CoWoS 先進封裝所需的矽中介層。根據格羅方德 10 月 8 日公告，協議初期為五年，預計 2028 年上半年開始放大量產，並保留隨客戶需求進一步擴充產能的空間。格羅方德表示，新增產能將支援多個產品世代，提高供應彈性，因應 AI 與高效能運算需求；公告未揭露新增產能規模。這項安排著重封裝零組件供應，並非由格羅方德代工台積電的先進製程處理器。 矽中介層是處理器與記憶體之間的連接平台，支援 AI 晶片所需的高速資料交換。《路透社》指出，先進封裝已成為 AI 晶片增產的重要瓶頸；處理器製造完成後，仍需與記憶體整合，才能交付可使用的產品。此次合作因此把美國 AI 晶片供應鏈延伸至封裝所需的關鍵零組件。不過，新增產能尚待建置，實際供應能力仍需觀察後續量產進度。 ＊NVIDIA 投資的 Firmus 暫緩 [&hellip;]</p>

CloudMile 萬里雲 2026 AI MASTERS 登場，攜手 OpenAI、台達電子從 AI 試驗走向可衡量…

<p>隨著 AI Agent 逐步走入企業核心營運，如何控管風險、管理成本並創造實際效益，成為企業擴大應用 AI 的關鍵課題。亞洲領先人工智慧科技集團 CloudMile 萬里雲與《天下》今（6）日共同舉辦「2026 AI MASTERS：AI 大師論壇暨企業實戰 Demo Day」，邀集 OpenAI、台達電子、威摩科技及奧義智慧等企業代表，從全球 AI 趨勢、風險與成本治理到企業實戰成果，探討 AI 規模化落地的關鍵。 CloudMile 萬里雲於會中發表旗下 AI 驅動 FinOps 平台 LumiTure.ai 的雲端投資價值指標 CVR（Cloud Value Realization），協助企業衡量雲端與 AI 支出是否值回票價、提升投資效益；同時提出 AI 資安雙軌治理做法，協助企業將 AI Agent 納入資安管理，在擴大應用的同時降低風險。 CloudMile 萬里雲集團創辦人暨董事長劉永信指出，企業導入 AI 要面對兩大問題。一是自由現金流壓力，當 AI 投資越來越大，連科技巨頭的現金流都被吃掉；二是 AI 對齊風險，例如 OpenAI 今年 7 月的內部測試中，AI Agent 為了完成任務，突破測試環境，闖進了 Hugging Face 的系統。 劉永信表示：「OpenAI 願意公開這次測試，讓整個產業提早看到 [&hellip;]</p>

AI 讓重建成熟軟體的門檻降低？開發者用 Claude 打造 7 款 Adobe 替代品，揚言數月內追上 99% 功能

<p>Adobe 長期以 Photoshop、Illustrator、Premiere 等 Creative Cloud 軟體主導創意工具市場，但現在一名軟體開發者試圖利用 AI 加速逆向工程，打造一套免費、開源的 Adobe 替代方案，甚至喊話要在數個月內達到接近完整的功能相容。 這項計畫來自 ArtCraft。ArtCraft 起步於 2025 年，原本是一款主打讓藝術家能控制 AI 的工具，讓使用者能對 AI 生成的圖片與影片進行更精細的後製。近日，ArtCraft 轉型發表一套包含 7 款開源應用程式的軟體組合，分別模仿 Adobe Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 與 Acrobat Pro 的介面與工具。 用 Claude 打造 7 款 Adobe 替代品，Rust 開發並支援 WebAssembly ArtCraft 開發者 Brandon Thomas 在 Reddit 發表這項計畫時表示，他使用 Anthropic 的 Claude Opus 5.5，透過無塵室（clean-room）方式打造 Adobe 封閉原始碼軟體的替代版本。這些應用程式以 Rust 開發，同時提供 [&hellip;]</p>

800+ AI 代理進駐 GE 家電廠房：員工開口就能問數據，欠單降 25%

<p>AI 代理正在進入製造現場，GE 家電已在製造、物流與供應鏈營運中部署超過 800 個 AI 代理，並以 Google Cloud 的 Gemini Enterprise 作為技術基礎，將 AI 整合進名為「Brilliant Factory」的製造數據平台。這套平台追蹤各工廠生產表現、零件履歷，以及不同產線與班次的工作活動，讓現場員工可以直接與生產數據互動，加快問題診斷與決策速度。 GE 家電數位科技副總裁暨數位長 Mandar Deo 表示，AI 現在已經成為公司日常工作方式的一部分。 自動化協同 600 家供應商，欠單大幅降低 25% 在 Brilliant Factory 的架構下，AI 代理首先革新了工廠處理數據的速度。過去需要耗費數小時整理的整班生產數據，現在只需幾分鐘即可完成分析，幫助團隊在第一時間抓出問題根源。員工也可以直接詢問生產數據，不需要先透過數據科學家整理資料。平台同時提供產線良率與設備狀態的即時資訊，協助現場降低停機時間並持續改善營運。 AI 的應用也延伸至複雜的售後物流網絡。GE 家電的零件團隊每年發送高達 2,700 萬個零件與配件，服務超過 700 家零件供應商，並承諾在產品停產後維持至少 7 年的零件供應。為了優化龐大的溝通流程，公司在 2025 年建立 Supplier Collaboration Agent，負責與超過 600 家供應商處理例行訂單狀態查詢。這項工作原本需要團隊投入大量時間，如今可由 AI 代理自動處理，將欠單與滯留訂單成功降低了 25%，也讓團隊得以擺脫繁瑣行政，專注於具高度戰略價值的工作。 從品管到排產：AI 進到生產決策 品質管理同樣是 AI 落地展現價值的核心場景。GE [&hellip;]</p>

【科技早餐】OpenAI 年化營收為何差約 200 億美元？關鍵在計算口徑

《路透社》引述知情人士報導，OpenAI 向投資人表示，9 月年化營收接近 500 億美元，低於先前在另一場投資人活動透露的接近 700 億美元。消息人士指出，差距主要涉及嘗試將 OpenAI 的數字與 Anthropic 直接比較時，採用了不同計算口徑。報導指出，Anthropic 納入透過亞馬遜（Amazon）AWS、Google Cloud 等雲端合作夥伴取得的銷售收入，OpenAI 則未採用相同方式。OpenAI 未回應《路透社》的置評要求。

• #科技動態

CloudMile 萬里雲 2026 AI MASTERS 登場，攜手 OpenAI、台達電子從 AI 試驗走向可衡量…

隨著 AI Agent 逐步走入企業核心營運，如何控管風險、管理成本並創造實際效益，成為企業擴大應用 AI 的關鍵課題。亞洲領先人工智慧科技集團 CloudMile 萬里雲與《天下》今（6）日共同舉辦「2026 AI MASTERS：AI 大師論壇暨企業實戰 Demo Day」，邀集

• #AI 人工智慧

看懂 AI 巨頭戰略，台灣其實離「核心戰場」超級近？

CloudMile 萬里雲集團創辦人暨董事長劉永信將拆解新聞背後的「商業遊戲規則」，看懂千億資金真正的流向，以及台灣在這波浪潮中到底該把握什麼機會。

• #App
• #創辦人
• #資源

AI 讓重建成熟軟體的門檻降低？開發者用 Claude 打造 7 款 Adobe 替代品，揚言數月內追上 99% 功能

Adobe 長期以 Photoshop、Illustrator、Premiere 等 Creative Cloud 軟體主導創意工具市場，但現在一名軟體開發者試圖利用 AI 加速逆向工程，打造一套免費、開源的 Adobe 替代方案，甚至喊話要在數個月內達到接近完整的功能相容。

• #AI 人工智慧

800+ AI 代理進駐 GE 家電廠房：員工開口就能問數據，欠單降 25%

AI 代理正在進入製造現場，GE 家電已在製造、物流與供應鏈營運中部署超過 800 個 AI 代理，並以 Google Cloud 的 Gemini Enterprise 作為技術基礎，將 AI 整合進名為「Brilliant

• #AI 人工智慧

新北青年局「AI 實戰職涯營」成果亮相 25 位跨域青年打造 AI Agent 解企業真實命題

<p>【新北市訊】新北市政府青年局第二屆「2026 AI Practitioner Program（ AI 實戰職涯營）」昨（2）日舉辦 Demo Day，25 名學員歷經 3 個月密集訓練，將 AI 導入物流、航運、食品、醫療及會計等領域，針對企業實際工作流程打造 AI Agent。獲選 MVP 的「箱當可以 Boxcellent」團隊獲得 AWS 資深主管職涯諮詢機會，結訓學員也有機會銜接伊雲谷數位科技、永豐銀行、統一資訊等企業提供的生成式 AI 系統分析師、雲端架構師及生成式 AI 專案管理等熱門職缺，幫助青年順利接軌職場。 新北市青年局副局長林麗珠表示，推動「AI 實戰職涯營」，主要希望藉由完整培訓，讓不同專業背景青年都能培養 AI 應用、跨域溝通與問題解決能力，成為企業所需的即戰力。今年營隊錄取的 25 位學員背景多元，涵蓋醫療護理、文史哲、社會福利、行銷企劃等領域，目前已有 17 名學員成功取得「AWS Certified AI Practitioner」與「AWS Certified Cloud Practitioner」兩張國際認證，展現 AI 不僅是科技人才的工具，只要掌握正確方法，各領域青年都能結合自身專業與 AI，開創新的職場價值。 學員在 Demo Day 成果發表中，分組挑戰企業真實命題，提出涵蓋物流與宅配、智慧航運、食品製造、醫療及會計服務等五大領域的 AI Agent 專案。 「箱當可以 Boxcellent」團隊榮獲 DemoDay MVP。團隊打造「配送整理 Agent」，鎖定物流調度員的決策困境，不取代物流調度員的既有排程工具，以真實訂單資料結合調度員回報的現場狀況判斷， agent 會在提出方案時一併說明影響範圍，但最終仍由調度員決定是否套用，目標是把調度員的判斷力帶上線，轉化為可複製的產品力。團隊學員分享，評審從商業模式與技術架構提出的提問，有不少是開發過程中沒有想到的面向，不過團隊也認為，若要讓服務真正落地，關鍵仍在於貼近調度員的第一線現場。 [&hellip;]</p>

Jev 爆紅後 Strands Decider、Clef 接連登場，決策模型正走出哪些不同路線？

<p>TypeSafe 9 月中推出 Jev 後，「決策模型（Decision Model）」快速成為 AI 領域的新熱點。不到三週，OpenAI 推出 Decisions API，AWS、Cloudflare 接連發布 Strands Decider 2B 與 Clef，開發者社群與研究團隊也快速跟進。這波熱潮背後，是 AI 代理內部不同工作的分工開始被重新檢視。 《VentureBeat》指出，如果系統只需要回答「這個工具該不該執行？」或「這筆請求該走哪一條路徑？」這類答案範圍明確的問題，讓大型語言模型先生成一段解釋，反而會增加時間與成本。決策模型則直接替預先允許的答案評分，因此更適合放在 AI 代理周邊，頻繁處理工具選擇、路由或操作檢查等窄範圍判斷；寫作、程式設計與複雜推理，仍交給能力更完整的生成式模型。 而隨著更多業者加入，決策模型也不再只有一種做法，AWS、Cloudflare 與其他開發者團隊，開始從模型大小、部署方式、多模態能力與架構設計上做出不同取捨。 延伸閱讀：Jev 為何爆紅？AI Agent 正重新分配「誰來做決策」 Jev 帶起熱潮，OpenAI 也把決策能力獨立做成 API TypeSafe 9/15 推出 Jev，讓模型讀取目前狀態與預先定義的問題後，直接回傳選項、分數或是非判斷，以及各答案的機率，不需要像一般大型語言模型逐字產生回答。 OpenAI 9/29 也在 DevDay 發表 Decisions API。它不是另一款獨立決策模型，而是使用 OpenAI 的 Luna 模型，讓開發者先定義問題與有限選項，再由模型根據文字或圖片進行分類、請求路由，或選擇 AI 代理下一步行動。OpenAI 的加入顯示，這種設計思路已不只停留在新創或開放模型社群，也開始被大型 AI 業者做成正式產品能力。 AWS 推 Strands [&hellip;]</p>

AI 瘋狂爬網站不點擊廣告：Cloudflare 示警流量 5 年恐衝千倍，這筆帳誰來付？

<p>AI 機器人正在快速改變網路流量結構，也可能迫使維繫網路數十年的廣告商業模式重新洗牌。Cloudflare 共同創辦人暨 CEO Matthew Prince 近日接受《The Verge》Decoder 專訪時表示，Cloudflare 今年 6 月觀察到，非人類流量已經占網路流量超過一半；若目前趨勢持續，未來 5 年自動化流量甚至可能達到人類流量的 1,000 倍。 《The Next Web》補充，Cloudflare 目前位居全球超過 20% 的網路流量前端，能直接觀察大量網站的流量變化。Matthew Prince 表示，這也是公司得以追蹤自動化流量快速增加的重要原因。 自動化流量超越人類流量：Cloudflare 指出 AI Agent 與爬蟲成新增流量主因 Matthew Prince 原本在 2025 年預測，AI Agent 等非人類流量要到 2027 年下半年才會超越人類流量，到了 2026 年 3 月又將時間點提前至 2027 年上半年，但幾個月後，Cloudflare 團隊便發現自動化流量實際上已經超過人類流量。他表示，即使自動化流量持續增加，人類流量本身不一定會下降，新增流量主要來自 AI Agent、爬蟲及其他自動化系統。 Matthew Prince 指出，傳統網路主要依賴廣告支付基礎設施成本，但 AI Bot 不會像人類一樣點擊廣告，也不會因品牌廣告產生互動。隨著自動化流量增加，頻寬、伺服器等基礎設施成本仍然存在，因此網路可能需要新的支付模式。 Cloudflare 正推動讓 [&hellip;]</p>

Jev 為何爆紅？AI Agent 正重新分配「誰來做決策」

<p>一款不會寫文章、不會生成程式碼，甚至不輸出一般文字的 AI 模型，最近正快速受到開發者關注。AI 決策模型新創 TypeSafe AI 在 9/15 推出 Jev 後，36 小時內便讓約 14 萬名候補使用者取得資格；初期需求一度讓應用程式介面（API）無法正常服務，Cloudflare、LangChain、Langfuse 等開發工具也迅速加入支援。 Jev 的特殊之處，正是刻意放棄文字生成。TypeSafe 將這類專門為軟體決策打造的模型稱為「系統一模型」（System One Models），Jev 則是第一款公開模型。名稱取自《快思慢想》的 System 1 概念，強調快速、直覺式判斷，而非較慢的逐步推理。《TechCrunch》形容，Jev 側重快速、直覺式判斷，而不是長步驟推理，因此把能力集中在分類、選擇、評分等範圍明確的任務。 這個方向也來自創辦人 Diogo Almeida 對聊天模型的反思。他過去曾參與 OpenAI 讓語言模型更會遵循指令、與人互動的研究，後來卻逐漸產生一個疑問：模型早已非常會聊天，為什麼軟體自動化沒有以同樣速度發生？他的答案是，現有模型主要為人類語言最佳化，但軟體真正需要的，往往是一個能直接拿來決定下一步的判斷。 Jev 如何把複雜資訊，直接變成軟體能使用的決策？ Jev 和一般生成式模型最大的差別，在於它不需要把判斷寫成一段文字，而是直接把輸入資訊轉成程式可以使用的「決策」。TypeSafe 將 Jev 的輸出限制在 3 種形式：Noul（是非判斷）回答「是或否」並給出機率；Choice（選項判斷）從預先設定的選項中選擇，並提供各選項的機率分布；Score（評分）則在指定尺度上給出分數。 例如，AI 代理（AI Agent）可以問 Jev「這項操作是否安全」、「下一步該使用哪個工具」，或「這筆交易的風險有多高」。Jev 不會先生成一段解釋，而是直接回答是或否、選哪一個，或給出分數，讓程式依結果決定下一步。這種設計的好處，是可能答案與輸出格式事先就已確定，程式不用再從一段自然語言裡解析模型到底想做什麼，還可以依照機率或信心程度設定後續規則。例如信心很高時直接執行，結果模糊時改交另一個模型或轉由人工確認。 TypeSafe 的工作流程測試也採取類似思路：把複雜工作拆成多個範圍明確的判斷，只把需要語意理解的部分交給模型，能以確定性規則處理的部分則留給程式碼。官方表示，在 4 種測試工作流程中，這種方式平均都比把同一套規則一次寫進提示詞（prompt）、交由模型處理更準、更快，也更便宜。 放棄逐字生成，也換來速度與成本優勢。TypeSafe 自家測試宣稱，Jev 在系統一工作流程中最高可快 193.6 倍、便宜 444.6 [&hellip;]</p>

【科技早餐】AI 競賽踩煞車還是催油門？前沿大廠籲放慢，自研晶片與巨額資本卻停不下來

<p>【科技早餐】今天精選 6 則國內外重要科技新聞。 ＊前沿 AI 是否該踩煞車？Anthropic 籲設防線，川普、黃仁勳強調競爭與前進 Anthropic 執行長 Dario Amodei 公開呼籲主要 AI 開發商主動放慢前沿模型的能力提升速度，並建議允許外部獨立評估人員進入實驗室，提前檢視模型可能引發的重大安全風險；他同時主張業界建立共同安全規範，各國政府亦應加強跨國監管協調。OpenAI 執行長 Sam Altman 與 xAI 創辦人 Elon Musk 隨後對加強安全標準及第三方評估的倡議表達支持；Altman 並提及，因涉及複雜的安全考量，OpenAI 今年不會推動 IPO 上市。  相對於減速倡議，政策與硬體陣營則展現不同視角。美國總統川普批評過度放大 AI 風險的言論，強調美國必須在關鍵技術上維持對中國的絕對領先，「誰贏得 AI，誰就贏」。美國眾議院議長 Mike Johnson 雖肯定建立安全護欄的必要性，但呼籲國會不應因恐慌而倉促推動過度監管；NVIDIA 執行長黃仁勳亦重申，AI 的持續演進並不必然導向人類災難。這場產業論辯的焦點，已從技術能否突破，轉向全球政商架構應如何權衡發展節奏與戰略競爭。 ＊Google 自研 TPU 估約 1 年回本，聯發科、博通 ASIC 商機升溫 Google Cloud 執行長 Thomas Kurian 日前指出，公司投資 AI 伺服器的整體資本支出回收期不到兩年，而採用自研晶片的設備回收期約僅為該數字的一半。依據上述說法推算，Google 自研 TPU 的投資回收期可能接近一年；不過該數值為外界依高層說法換算的指標，非 [&hellip;]</p>

【科技早餐】Apple Siri AI 9/14 Beta 上線，NVIDIA 170 億美元 Groq 交易傳遭美國…

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Apple Siri AI 9 月 14 日 Beta 上線，首波僅支援英語、部分功能設使用上限 Apple 新執行長 John Ternus 上任後，首度主持大型產品發表會，並把 iPhone 定位為 AI 時代的「智慧個人中樞」。John Ternus 將隱私列為 Apple 與其他 AI 平台的主要差異，相關 AI 服務會盡可能在裝置端執行，需要更多算力時，才會透過 Private Cloud Compute 私密雲端運算處理，並由這套系統提供延伸至雲端的隱私保護。 延後多時的 Siri AI，將隨 iOS 27 在 9 月 14 日以 Beta 版推出，可以理解使用者的個人情境，並在 Apple 與第三方 App 中執行操作，首波支援超過 30 萬個應用程式。不過，Siri AI 初期只支援英語，法語、日語、韓語、西班牙語與葡萄牙語要等到 10 月，歐盟與中國市場也暫時無法使用。部分依賴大型伺服器模型的功能設有使用上限，多數 [&hellip;]</p>

【Google Cloud 林書平專欄】擴展 AI 代理的瓶頸不是模型，是資料還停在「紀錄系統」

<p>文 / Google Cloud 台灣技術總經理 林書平 放眼當今技術發展，阻礙企業擴展 AI 的最大瓶頸，早已不是模型本身的能力，而是模型能否精準掌握企業的「業務情境脈絡（Business Context）」。 打造情境脈絡的關鍵在於資料基礎。根據 PwC 報告，全球 AI 領先企業提供高品質資料的比例高出台灣企業 4.4 倍，且僅有 13% 的台灣企業能讓員工快速取得 AI 工作所需的高品質資料。進入代理式時代，企業不能只把資料當作靜態庫存，必須注入值得信任的情境脈絡，以將資料轉化為源源不絕的活水，推動企業資料從被動的「紀錄系統（systems of record）」升級為主動出擊的「行動系統（systems of action）」。 我們必須體認到，AI 代理的運作模式是非線性的，且任務擴展極為迅速。一個簡單的提示詞，就可能觸發 AI 代理自主在多個系統之間進行瀏覽、查詢與執行，這無疑對企業的基礎架構帶來了壓力。倘若運算、網路與儲存層沒有針對代理式 AI 進行最佳化，建立其上的資料平台將無法穩定運作。我們也從調查報告中看到，有高達 83% 的組織認為他們需要升級基礎架構，才能支撐生產級的代理式 AI 系統。 要解決這個問題，企業需要的是一套全新的架構思維——將資料、AI 模型與營運資料庫深層融合，升級為單一的行動系統。當底層架構回歸 AI 原生（AI-native）設計，便能透過以下三大關鍵能力的重構，讓企業的資料真正成為 AI 代理的強大動能： 1. 實現跨雲無縫存取，為 AI 代理注入完整業務情境 要讓 AI 代理真正發揮價值，關鍵在於能否順暢存取散落於傳統架構與各個孤島系統中的情境脈絡。一旦獲取脈絡的門檻過高，AI 產出的結果便容易失真或不完整。我們調查顯示，高達 43% 的 IT 領導者坦言，「難以與傳統 API 和資料源整合」是當前最大的基礎架構痛點之一。 [&hellip;]</p>

日誌分散、警示疲勞，企業如何以 Bindplane 與 Google SecOps 破解資安盲點

<p>隨著 Google Security Operations 正式在 Google Cloud 台灣雲端區域啟用，台灣企業在導入雲端原生與 AI 驅動的資安營運能力時，也具備了回應資料治理、資料落地與數位主權需求的關鍵基礎。企業可在本地儲存並處理安全日誌與分析數據，進一步為威脅偵測、事件調查與回應流程建立更完整的資安營運條件。 然而，對多雲、混合雲與地端環境並存的企業而言，真正的挑戰仍在於如何把分散在防火牆、伺服器、端點、雲端服務與第三方安全設備中的安全日誌，穩定、完整且有效率地收容進 Google SecOps。若日誌來源分散、格式不一，又缺乏標準化管道，資安團隊在面對潛在威脅時，仍可能難以快速拼湊完整攻擊路徑，進而形成監控盲點。 在現代資安維運中，日誌收容是所有威脅調查與事件應變的基礎。許多企業在收容日誌時常面臨兩大挑戰：第一，多雲、雲地混合環境讓日誌來源更加分散，增加資料擷取與管理難度；第二，日誌量持續成長，也讓企業在 SIEM 成本與資料完整性之間面臨取捨，進而產生監控盲點。 根據 Forrester 研究報告指出，導入現代化 SecOps 平台的企業，其日誌來源導入數量提升至 5 倍，說明 Google SecOps 在面對地端、雲端與多雲環境時，能夠協助企業擴大可觀測範圍，降低因日誌來源分散而造成的監控斷點。 打造高可用性的日誌收容架構 在協助企業導入 Google SecOps 時，Bindplane 扮演了關鍵的傳輸角色，解決傳統收容方式的碎片化問題： CloudMile 萬里雲可協助企業構建了高可用、標準化的數據接收管道。透過 Bindplane OP 作為統一的資料管道（Data Pipeline），並搭配 GCP 上的內部負載平衡（Internal Load Balancing）與高可用閘道（Gateway HA）架構，確保日誌傳輸的彈性與穩定性。 這套架構可支援多種日誌來源與傳輸協定，展現強大的整合力： Google SecOps 以 AI 威脅情報與自動化能力加速偵測、調查與回應 當日誌透過 Bindplane 匯入 Google SecOps 後，平台即可進一步支援威脅偵測、調查與回應流程。Google [&hellip;]</p>

OpenAI、Anthropic 等逾百家企業聯合示警：AI 網攻門檻大降，防禦只剩數月

<p>《Reuters》報導，包括 OpenAI、Anthropic、微軟、Alphabet 與亞馬遜在內的科技巨頭，警告 AI 技術快速進步，正降低駭客發動複雜網路攻擊的門檻，企業與政府只剩數個月時間可以準備。 聯合公開信獲 Broadcom、Capital One、Cloudflare、CrowdStrike、General Motors、IBM、Mastercard、Oracle、Robinhood、Shopify 與 Visa 等逾 100 家企業共同簽署，呼籲各界立即強化網路防禦，尤其是醫院、供水系統等關鍵基礎設施。 從修補漏洞到開放最強模型：公開信的具體行動指南 公開信指出，隨著全球 AI 模型能力持續提升，AI 驅動的網路攻擊將在未來幾個月更加普遍，因此各界必須把握有限時間，提高駭客利用 AI 工具入侵系統的難度與成本。為此，企業應提高內部資安標準，優先修補風險最高的漏洞，並強化採購、開發及部署軟體時的安全要求，包括 AI 生成程式碼；網路安全與科技業者則應加快開發相關工具，讓關鍵基礎設施營運商能夠部署 AI 驅動的防禦技術，並彼此共享威脅情報。 在政府方面，公開信呼籲各國強化威脅情報共享機制，協調地方、國家及國際層級的防禦工作，並投入資金強化網路防禦。連署企業也建議各國政府加速推動「可信任存取計畫」（trusted access programs），讓部分企業能在更強大的 AI 模型全面開放前，提前取得模型，以做好防禦準備。至於前沿 AI 公司，則應在重大網路攻擊發生時，讓防禦方取得能力最強的模型，並提供資金、培訓及實務支援，尤其協助關鍵基礎設施業者。 美基礎設施頻遭駭，五眼聯盟示警 AI 改變資安戰局 《Axios》指出，這項呼籲正值關鍵基礎設施遭遇新一波網路攻擊之際，其中包括一起針對美國供水系統的攻擊，攻擊者疑似使用 AI 生成的漏洞利用腳本。過去駭客若要攻擊水務系統、發電廠等設施，往往需要花費大量時間研究相關設備與系統；如今 AI 可以降低攻擊者掌握這些系統所需的時間與專業門檻，讓既有漏洞更容易遭到利用。 《Reuters》提及，美國網路安全暨基礎設施安全局（CISA）與白宮尚未回應置評請求。川普政府上任後大幅削減 CISA，該機構去年員工人數減少約三分之一。正當企業高聲示警之際，美國資安主管機關的戰力卻在削弱。 事實上，AI 被用於網路攻擊的情況正逐漸增加，不法分子開始利用大型語言模型（LLM）入侵全球各地組織。早在今年 6 月，由美、英、加、澳、紐組成的「五眼聯盟」（Five Eyes）便罕見發布聯合聲明，警告 AI 可能從根本上改變網路安全。 不過，《Axios》補充，這封公開信並未提出具體的執行期限、投資金額或其他實質承諾。 ＊本文開放合作夥伴轉載，資料來源：《Reuters》、《Axios》、，圖片來源：Unsplash。</p>

NVIDIA 為何敢喊明年再成長 70%？Rubin 接棒、供應承諾拉高至 2,790 億美元

<p>NVIDIA 的營收規模已接近單季千億美元，成長速度卻還沒有明顯放緩。NVIDIA 執行長黃仁勳更表示：AI 已經過了炒作階段，正在從事生產性和實用性的工作，並且能夠創造盈利。他強調「現在，運算能力就是收入。」 NVIDIA 在 8 月 26 日公布截至 2026 年 7 月 26 日的第二季財報，單季營收達 962.2 億美元，較去年同期成長 106%；其中資料中心營收達 890 億美元，年增 117%。該公司預估第三季營收將進一步升至 1,080 億美元。 值得注意的不是這一季又創新高，而是 NVIDIA 罕見提前預告，截至 2028 年 1 月的下一個會計年度，營收仍可成長約 70%。在營收基期已經如此龐大的情況下，NVIDIA 為什麼還敢預期高速成長？ 答案一方面來自新一代 AI 運算平台 Vera Rubin 比預期更快接棒，另一方面則是 AI 算力需求正從大型雲端業者擴大到 AI 實驗室、新型雲端（NeoCloud）公司與企業。但財報同時透露，當 NVIDIA 要把這些需求真正轉成營收，新的限制也開始浮現：記憶體、零組件與資料中心供應能不能跟得上。 Blackwell 還在放量，Rubin 下一季就要占資料中心營收兩成 NVIDIA 這一季資料中心成長，主要仍由 Blackwell Ultra 帶動，但下一代 Vera Rubin [&hellip;]</p>

Cursor 推 Origin 進軍程式碼託管：AI coding 戰場為何從 IDE 打到 GitHub？

<p>AI 程式開發工具 Cursor 宣布推出程式碼託管平台 Origin early beta，把程式碼儲存庫、Pull Request（PR）、程式碼瀏覽與 GitHub 同步納入 Cursor。過去 Cursor 最鮮明的角色，是讓工程師在 IDE 裡直接與 AI 一起寫程式，如今卻開始跨進原本由 GitHub 等平台掌握的程式碼託管與協作環節。Cursor 為什麼不再只守著 AI 編輯器？答案可能與 AI Agent 正逐漸改變軟體開發流程有關。 不必離開 GitHub，Origin 先把工作拉進 Cursor Origin 現階段並沒有要求團隊立刻搬離 GitHub。根據 Cursor 官方文件，若使用 GitHub 同步功能，GitHub 仍是主要版本來源，Origin 則維持同步副本。企業因此可以保留既有 GitHub 流程，同時在 Cursor 裡瀏覽程式碼、處理 PR，並把任務交給 Cloud Agent。 這種設計降低了嘗試 Origin 的門檻，也讓 Cursor 可以先把更多開發工作留在自己的環境裡。之所以值得注意，是因為 AI coding 的使用方式也在改變。 軟體開發工具商 JetBrains [&hellip;]</p>

當球隊開始用 AI 經營球迷：味全龍與 NBA 勇士的 365 天解法

<p>對職業球隊而言，一場比賽只有短短幾個小時，但球迷關係卻不能只存在於這幾個小時裡。比賽結束後，球場人潮散去，球迷回到日常生活，球隊若沒有其他接觸管道，原本累積的關注與消費動能也可能隨之下降。如何延長賽事之外的互動時間，讓球迷在沒有比賽的日子仍願意關注、消費與參與，正成為球團數位轉型的重要課題。 這也是台灣職棒味全龍與 NBA 金州勇士隊正在探索的方向。兩支球隊都將數位工具延伸至比賽之外，利用官方商城、專屬 App、會員系統與數據平台，持續掌握球迷的行為與偏好。當球迷不在球場，球隊仍能透過手機與線上服務維持互動；當球迷再次進場，過去累積的資料也能進一步轉化為個人化體驗。 打通數據與通路，打造統一互動入口 數位轉型的第一步，是整合數據。味全龍一年約有 60 場主場賽事，實際營業只占全年一小部分。為了讓非比賽日與非台北當地的球迷也能支持球隊，味全龍將官方商城視為關鍵入口。 然而，在 2021 年重返職棒初期，球團面臨售票、商城與會員系統彼此獨立的困境，甚至頻繁出現現場售罄、線上卻顯示有貨的「超賣」痛點。2022 年與智慧零售品牌 CYBERBIZ 合作後，球團以 LINE OA 作為統一數位入口，全面串接售票、商城、會員與活動資料。數據打通後，不僅解決了庫存同步問題，更讓球團得以在「封王夜」或球星破紀錄的黃金時刻，即時承接現場情緒，轉化為線上消費。味全龍封王夜出現官方商城業績超越實體門市、占整體業績約七成的現象，也顯示重大賽事所帶來的情緒，可以透過數位通路被迅速承接。 NBA 金州勇士隊也採取相近思維。球團與 Google Cloud 合作打造 Warriors + Chase Center App，將售票、餐飲、場館導航、大眾運輸資訊，以及比分、數據、重播與球隊內容整合進同一個數位體驗。球迷即使不在球場，也能持續接觸勇士隊的內容；準備進場時，App 又能一路陪伴球迷完成移動、觀賽與消費。球隊與球迷的關係因此不再只發生在比賽開始的那幾個小時。 AI 與個人化預測，改變統一的大眾推播 當系統與資料完成打通，下一步便是利用數據與 AI 創造個人化價值。CYBERBIZ 執行長蘇基明指出，品牌轉型真正的門檻往往在於觀念與組織，系統只是基礎建設的第三步。也因此，唯有底層資料完整串接，AI 才能進一步發揮作用。 CYBERBIZ 目前規劃透過 AI 強化智慧客服，先輔助客服人員進行建議回覆，累積對話後走向自動化，未來更能透過自然語言理解球迷需求，主動推薦商品，省去球迷在海量商品中搜尋的成本。 金州勇士隊則已將個人化推播落實在 App 體驗中。如果系統掌握某位球迷特別喜愛特定球星，且習慣購買 Chase Center 某間餐廳的餐點，App 介面便會依據其偏好調整呈現內容。這種精準導購與情境內容推播代表推薦內容不再需要依賴所有人看到相同的促銷訊息，而能根據個人情境提供更精準的內容與導購，讓數據成為優化商業機會的關鍵基礎。 重塑實體場域，從「看比賽的球場」到「主題娛樂生態圈」 當數位系統與 AI 開始理解球迷，這股力量最終會反哺實體體驗，重新定義「球場」的意義。 味全龍營業總監程韋仁提出將球場打造成「棒球樂園」的願景，比照迪士尼或環球影城，讓家庭顧客即使不關注球賽勝負，也願意前來休閒娛樂。隨著未來導入人臉辨識與 IoT 影像辨識技術，當會員踏入球場時，系統便能提供客製化引導。例如帶小孩的家庭會收到吉祥物劇場或正在進行的餐飲優惠推播，讓實體場域體驗更加個人化。 勇士隊的 [&hellip;]</p>

Cloudflare Wallets 讓 AI Agent 自主付款：為何網路基礎設施商也開始做支付？

<p>AI Agent 會搜尋資料、寫程式、呼叫 API，但當它需要付費使用服務，往往仍得交回人類操作。美國網路基礎設施巨頭 Cloudflare 近日推出 Cloudflare Wallets，讓 AI Agent 能持有穩定幣，自主購買 API、MCP 工具與內容，正試圖解決這個斷點。 Cloudflare Wallets 分為 Account Wallet 與 Virtual Wallet：前者由人管理資金，後者則讓企業把有限的支出權限委派給 Agent，包括設定額度、允許交易對象與單筆金額上限。Cloudflare 舉例，企業可給每名員工的 Agent 每週 100 美元 AI 推論預算，只有超額時才需人工核准。這種設計的差異在於，人不再逐筆替 Agent 結帳，而是預先決定它能花多少、向誰花，再讓 Agent 自行交易。 先替賣方收錢，再讓 Agent 買方付款 Wallets 是 Cloudflare 搶進 AI Agent 支付的佈局之一。今年 7 月，Cloudflare 才發布 Monetization Gateway，讓網站、資料集、API 與 MCP 工具可以按次向 Agent 收費，初期透過 x402 協定、以穩定幣結算。 [&hellip;]</p>

【劉永信專欄】Jeff Dean 離開 Google 那天，AI 的下一個時代開始了

<p>文 / CloudMile 萬里雲集團創辦人暨董事長劉永信 我一直相信一件事，那就是擁有「極度專注力」，本身就是一種非常強大的能力。 近期大家應該知道，一位大神離開 Google 創業，我想聊一下，當一個人已經站在產業的最高點，為什麼還願意離開，去賭一個還沒有答案的未來？ 大家可能很久沒有聽到 Jeff Dean 這個名字了，他在 Google 內部被視為傳奇般的存在。Business Insider 曾說，在 Google 總部，真正的明星工程師不是創辦人 Larry 和 Sergey，而是 Jeff Dean。 工程師圈甚至仿照「Chuck Norris 冷笑話」，幫他編了一整套「Jeff Dean Facts」，用半開玩笑的方式膜拜他，例如「編譯器不會警告 Jeff Dean，是 Jeff Dean 去警告編譯器」。 簡單說，他就是那種「工程師眼中的神」等級的人物，他 1999 年就加入 Google、是編號第 30 號的資深元老，也是 Google Brain 的共同創辦人，近年更擔任 Google 的首席科學家，統領整間公司的 AI 研究，Google 早期的搜尋、翻譯，以及後來的 AI 基礎建設，幾乎都有他的手筆。 這次他宣布即將離開 Google，與另外三位同樣重量級的同事一起創業，他這一走，還帶著 Sanjay Ghemawat（與他合作超過二十年的老搭檔）、Quoc Le（Google Brain [&hellip;]</p>

Cloudflare 推 AI Agent 專屬瀏覽器 Kitesurf，主打更低運算成本

<p>Cloudflare 近期推出 Kitesurf 瀏覽器，加入 AI 瀏覽器的競爭。不同於 Chrome 等面向一般使用者的瀏覽器，Kitesurf 是一款運行在雲端、專門讓 AI Agent 操作網路的瀏覽器。 《The Next Web》指出，目前網路流量已有很大一部分來自機器人，AI Agent 的活動量更在過去一年暴增近 8,000%。隨著 AI 從單純回答問題的聊天機器人，逐漸發展成能替使用者處理各種工作的 Agent，AI 也開始需要直接瀏覽網站、填寫表單和執行網路上的任務。瀏覽器將成為 AI Agent 與網路互動的重要工具。 專為 AI Agent 打造：輕量瀏覽器 Kitesurf 捨棄分頁與高幀數渲染 目前 Kitesurf 已開放免費 Beta 測試，開發者可透過 Cloudflare 的 Browser Run 使用。Kitesurf 從開發到推出公開測試版僅花了 12 週，完全運行於 Cloudflare Workers，底層採用 Rust 編譯為 WebAssembly，刪除了傳統瀏覽器中許多 AI Agent 用不到的功能，例如分頁、擴充功能、主題、像素級渲染，以及每秒 60 幀的捲動效果。將運算資源集中在 AI [&hellip;]</p>

資料留台灣、AI 代理 60 秒內完成資安調查：Google SecOps 正式在台啟用

<p>AI 代理時代來臨，駭客攻擊的速度、規模與複雜度都超越以往，傳統資安營運中心（SOC）已難以招架，使得「以 AI 對抗 AI」成為產業敘事。但對台灣的金融、政府與關鍵基礎設施產業來說，卡點不在技術使用，而是資料能否留在台灣的合規門檻。在此背景下，Google Cloud 今（8/7）宣布 Google 資安營運平台（Google SecOps）正式在台灣雲端區域啟用。 「這意味著，台灣企業現在可以將他們的資安遙測資料，直接送到台灣當地的 Google 資安營運平台中儲存，這將更容易滿足台灣關於『資料在地化（Data residency）』的法規與合規要求。」Google Cloud Security &amp; Mandiant 亞太區及日本首席技術總監 Steve Ledzian 在媒體分享會上表示。 為什麼在此刻落地台灣？ 提及落地台灣的緣由，Google Cloud Security 北亞區總經理徐海國回顧，三、四年前就收到許多台灣客戶回饋，客戶大多使用地端（on-premise）SOC 平台，但心裡很清楚轉向雲端 SOC 才是抵禦現代威脅最有效率的方案，然而國防、電信、金融等高度敏感產業非常介意資料能不能留在台灣，而遲遲不敢採用雲端資安服務。「因為聽到了這些寶貴的反饋，加上 Google 對台灣市場非常重視，我們決定大力投資。」 落地移除合規門檻，下一個關鍵是落地的究竟是哪些資料？Ledzian 補充，SecOps 完全不存取企業的試算表、電子郵件或任何應用層資料，它收集與分析的，是來自防火牆、端點、防毒等資安控制機制的低階日誌與遙測資料，例如登入紀錄與連線狀態。 落地只是起點，代理式防禦才是主戰場 門檻移除之後，決定防禦成效的是平台能力。Ledzian 解釋，Google SecOps 主打代理式防禦，讓平台內多個 AI Agent 共同運作，其中的「分類與調查代理」全球已有超過 1,200 家客戶使用、累計處理逾 900 萬則警報，能將原本人力調查事件的時間從 30 分鐘縮短至 60 秒以內完成。 「這正是代理式防禦的強項：它不是要取代人力，而是要讓分析師的工作變得更有效率，並跟上 AI 驅動攻擊者的超高速度。」Ledzian 強調，最重要的是這個 [&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>

機器人流量首度超越真人，Cloudflare 推 Precursor 用全程行為監測識破偽裝

<p>Cloudflare 指出由 AI 機器人與自動化工具所產生的網路流量，已達到全球網路總流量的 57% 超越真實人類，因此研發新工具 Precursor 強化判斷，並區分良性與惡意機器人。</p>

模型大家都買得到，企業靠什麼勝出？Oracle 高層、CloudMile 萬里雲集團創辦人劉永信揭關鍵在「垂直 AI」

<p>多年來，許多企業領導者將 AI 視為解決一切痛點的萬靈丹。Oracle 歐洲、中東及非洲地區 AI 業務價值副總裁 Neil Sholay 近日在《TechRadar》撰文指出，過去企業習慣「在這裡部署一個數位助理，在那裡放置一個 Copilot，然後等待魔法發生」，但 AI 帶來的改變，至今仍未達到企業營運所需的規模。 問題並非 AI 失去效用，而是多數企業未能區分不同的 AI 應用層次。Neil Sholay 將企業 AI 分為兩類：水平 AI（Horizontal AI）可以用來處理不同企業共有的基礎工作，實用、容易擴大部署，卻也日益商品化；垂直 AI（Vertical AI）則結合特定產業知識、企業專有資料與核心工作流程，能解決更複雜的產業問題。 然而，當所有競爭對手都能取得相同的水平 AI 工具，這也代表企業難以藉此建立獨特優勢。因此，這些在 AI 時代領先的企業並未拋棄水平 AI，而是不再把廣泛部署通用 AI 工具視為轉型終點，而是將水平 AI 當成基礎，再建立能重塑企業營運方式的垂直 AI。 AI 愈容易部署，愈難拉開差距？企業的「複雜度悖論」 Neil Sholay 將這種現象稱為「複雜度悖論」（The Complexity Paradox）：水平 AI 部署簡單，單獨使用卻多半只能創造有限的邊際價值；垂直 AI 建置難度較高，卻更有機會直接改變企業的營收、成本與損益。然而，目前多數企業仍停留在第一層，尚未進一步建立深入產業流程的垂直 AI 能力。 他以客戶服務為例，說明通用數位助理可能每週替客服團隊省下數小時，這是一個實際且必要的起點，卻不足以帶動企業轉型。相較之下，為特定產業打造的 AI 系統，可以嵌入企業核心流程，運用專有資料與領域知識，讓 AI 從協助員工的工具，進一步成為業務流程再造的一部分。 這也代表，水平 [&hellip;]</p>

以 GCP SIEM 建構雲端資安監控架構（下篇）：資料策略與營運設計，往往比工具選擇更重要

<p>很多企業導入 SIEM 時，往往會先評估產品功能：連接器（Connector）是否完整、介面是否易於操作、查詢效能是否足夠以及偵測規則是否能客製化。然而，真正影響導入成效的，往往不是產品本身，而是企業是否已先定義清楚資料策略與營運流程。若沒有先釐清哪些資料需要收集、哪些資料最重要、哪些使用情境（Use Case）要先落地，SIEM 很容易淪為單純的日誌堆放平台。 Google SecOps SIEM 正好可以說明這個導入邏輯。Google SecOps SIEM 具備完整的資料接入、搜尋、偵測與案例管理能力，但這些能力是否能真正發揮價值，取決於企業如何設計導入順序。Google 官方說明，Google SecOps 支援原始日誌（Raw Logs）與警示（Alerts）的介接，並可透過轉送器（Forwarders）、Ingestion API、資料饋送（Data Feeds）與 Google Cloud 原生方式匯入。另外，Google SecOps SIEM 也提供各大原廠系統的預設解析器（Default Parser），協助將系統原始日誌（Raw Logs）轉換為可分析的欄位格式，加速日誌收容與正規化作業。 因此，較務實的導入方式，是先定義第一批高優先偵測情境，再反推需要哪些資料。例如，如果企業第一批要做的是帳號濫用、跨國登入、VPN 異常與管理面異常操作，初期就應優先接入 AD / Idp、VPN、Firewall、端點偵測與回應（EDR）與 Cloud Audit Logs。資料進入平台後，再透過 UDM Search 驗證欄位品質、事件量與資料關聯性。Google SecOps 的 UDM Search 支援用 YARA-L 2.0 查詢事件與 Alerts，有助於企業在導入初期驗證資料品質。 在偵測設計上，YARA-L 是 Google SecOps SIEM 實作中的重要語言。官方文件指出，YARA-L 2.0 不只可用於規則式的威脅偵測（Rule-based Threat [&hellip;]</p>

iKala 攜手 Google Cloud、Google Ads，打造企業迎向 Agent Economy 的完整藍圖

<p>隨著生成式 AI 從內容生成工具，快速進化為能搜尋、分析、規劃，甚至自主執行任務的 AI Agent，企業競爭也正從 AI Adoption 走向 Agent Economy。iKala 攜手 Google Cloud、Google Ads 與《數位時代》，於台北市信義區獨一文創舉辦第二屆 iKala Connection Day「數據領航：AI 時代的真實價值」論壇，提出一套以「真實與信任」為核心的企業轉型藍圖。議題橫跨雲端架構、企業級 AI 治理、主權 AI、繁體中文模型評測、代理式經濟與 GEO，直指企業眼前最現實的挑戰：當 AI 開始查詢資料、參與判斷、接手流程，甚至代表消費者做出選擇，企業如何確保它真正理解組織、理解市場，也理解品牌？ 論壇中，iKala 共同創辦人暨集團董事長程世嘉表示，AI 的競賽已從模型能力之爭，逐漸轉向企業治理能力與商業信任的競爭。「過去大家比的是模型，未來比的是信任。企業不只要建立值得信任的 AI，更要讓自己的品牌、資料與內容成為 AI 願意理解、引用與推薦的來源。」他指出，AI Adoption 解決的是企業是否開始使用 AI；Agent Economy 真正考驗的，則是企業是否有能力把工作交給 AI，並讓 AI 成為創造商業價值的新介面。當 AI 從工具變成代理人，「真實與信任」將成為企業新的護城河。 AI 不缺模型，缺的是理解企業的能力 Google Workspace 銷售總監 Murray Chiang 在論壇指出，許多企業投入大量資源導入生成式 AI，卻始終停留在 PoC 或單點應用，原因往往不是模型不夠強，而是 AI 缺乏 Enterprise [&hellip;]</p>

OpenAI、Anthropic 都在養的神秘職位 FDE 是什麼？萬里雲用「這個工程概念」讓 AI 落地

<p>這幾年大家在各種 AI 活動上，應該都看過很多很厲害的 Demo，模型能推理、能對話、能自動完成複雜任務，看起來什麼都做得到，但真實世界的企業導入，是另一回事，客戶的資料是亂的，需求是發散的，系統用了十幾年，而且第一次見面時，客戶多半還是對 AI 半信半疑。 CloudMile 萬里雲接觸過上千個大大小小的專案，有金融業、有半導體，也有很多看起來很簡單，做下去才知道完全不是那麼一回事。 一開始可能只是一個部門的需求，結果做到後來，每個部門都想加入自己的功能，我們甚至需要猜客戶那些沒有說清楚的需求，累積多了之後，我們發現很多客戶遇到的問題，其實都很像，有人不知道該從哪裡開始導入 AI；有人做到一半，需求越來越多；有人 AI 已經上線了，才開始擔心資料安全、權限控管，或是不知道 AI 到底有沒有亂回答。 原來企業導入 AI，不是一個模型、一個工具就能解決的事情，而是需要一個完整的導入流程，而這件事，也讓我們越來越認同「FDE」這個角色的重要性。 先從 FDE 這個角色講起，要解決客戶問題，你不能只是坐在辦公室裡 國外把處理這種混亂的角色叫做 FDE，前線部署工程師（Forward Deployed Engineer），這個角色最早由 Palantir 提出，獲得 OpenAI、Anthropic 等 AI 公司認同並積極擴張類似團隊。 FDE 的核心概念是模型本身不是產品，「可靠度」才是產品，意思是，再強的模型或工具，如果沒辦法在企業裡穩定運作，對客戶來說就沒有價值。 坐在辦公室把功能寫完，只能做出工具；真正解決問題，需要一直走進客戶現場，看他們怎麼工作、怎麼卡住、怎麼使用，最後交付一套真的能穩定運作的系統。 CloudMile 萬里雲的工程團隊，其實就是用這樣的思維陪每個客戶導入 AI，走過這麼多專案之後，我們也整理出一套自己的流程，我們認為一個 AI 導入專案，大概都會經過五個階段。 階段一：接到客戶需求，先訪談，不要先寫程式 我們給自己的定位，比較像可以做全身健康檢查的醫院，當每個客戶走進來說「我想做 AI」，通常我們不會直接開藥，而是先做完整的檢查，我們會透過幾個問題訪問客戶： 你現在最痛的是什麼，不是想做什麼，是什麼事情每天在消耗你的團隊；這個專案有沒有編列預算，預算的規模，決定了方案該怎麼設計，沒有對齊預算就開的規格，不然都是白做；你們內部的流程長什麼樣子⋯⋯等等的。 最後，也是最重要的，就是這個專案要拍板定案是「誰說了算？」，因為推動 AI 導入，最怕的是談了三個月，才發現真正能決定的人根本還沒進來。 那我們主要會檢查什麼？ 除了聊他們希望的模型、了解他們的概念，再來會聊資料，AI 很像一個人，它的個性、談吐、知識，都是被餵進去的資料養成的，這在 AI 工程裡有一句老話：「Garbage in, garbage out」，餵進去的是垃圾，出來的就是垃圾，所以跟客戶談導入之前，第一件事是盤點你手上到底有哪些資料、品質如何、放在哪裡、乾不乾淨。 不過訪談還是有一個天生的限制，用講的，客戶說不清楚自己要什麼。 有次我們收到一家企業想做 HR [&hellip;]</p>

那些沒人搶著做的 AI 題目，為什麼半年後客戶回頭找我們做？

<p>在 AI 的世界裡有些題目天生就很吸引人，譬如模型多聰明、寫程式出錯率多低、會不會取代人類等等，這些話題永遠有人討論，然而有些題目從來不是大家一開始想做的，譬如誰可以用哪一個 Agent、資料會不會外流、AI 答錯了誰負責等等，這些問題在開會的時候也很難讓人眼睛發亮，聽起來就很無聊。 但我們的產品，就是從這些沒人搶著做的題目裡長出來的。 今年，我們向一家大型金融機構提案，當時花了不少篇幅談 AI 治理與資安風險，那時候，這些還不是市場上熱門的議題，也不在客戶的採購清單裡，但就在幾個月後，這家金融機構主動回頭找我們，帶著一個完全不同的問題，而那個問題，我們後來在金融、製造、零售、半導體客戶身上反覆看到的問題竟然都是一樣的。 同樣的問題出現第三次以上，我們知道該做一個產品了，CloudMile 萬里雲這幾年做過上千個 AI 專案，從需求訪談、POC、開發、驗收到正式上線，陪著不同產業走過完整的導入流程，上一篇我們分享了這套方法，這一篇，想講的是這些從來不在第一頁的題目，怎麼在半年之內，長成了一個管理 AI Agent 的平台「Aegis AI Platform」。 客戶第二次找上門，帶著一個完全不同的問題 不久前，我們獲得一次向金融業客戶提案的機會，帶著 NL to SQL（Natural Language to SQL，讓使用者直接用白話文提問，由 AI 自動轉成資料庫查詢語法）的能力上場，那次的提案主軸是資料分析，我們花了不少時間跟客戶談 AI 治理跟資安風險，但那時候這些還不是採購會議上的重點。 結果幾個月後，這家客戶主動回頭找我們，只是這一次，他們遇到的已經不是資料分析，而是另一個更棘手的問題。 AI 很聰明，但也很容易被騙 你可能看過一些新聞，有人跑去速食店的 AI 點餐系統，不點餐，反而一直問數學題；也有人叫客服機器人幫忙寫程式，結果它還真的一本正經地回答。 看起來很好笑，但通常一家企業的資安團隊就知道這會有風險，這其實是很常見的攻擊方式，叫做 Prompt Injection（提示注入攻擊），簡單來說就是利用刻意設計的輸入，讓 AI 忽略原本的規則，開始做一些它不該做的事情。 今天可能只是回答數學題，明天就可能被誘導透露公司資料、繞過限制，甚至輸出企業完全不希望出現的內容，而且這些回覆，都是透過公司的官方網站、官方客服送出去的。 回頭找上我們的那家金融機構，就是在正式上線前，被內部資安團隊查到了類似的風險。 原本的網站，準備從傳統關鍵字搜尋改成 AI 對話模式，結果安全測試一做，整個上線計畫先停了下來。 他們需要的，不是再換一個模型，而是建立 Guardrail（AI 護欄機制），也就是在輸入跟輸出的兩端，多一層保護，不該進來的攻擊，要擋下來；不該出去的回覆，也要攔下來。 為什麼他們會回頭找我們？ 我們後來也想過這個問題，答案可能就在前一次提案裡，我們談了很多 AI 治理跟資安風險，當時這些內容不是採購重點，但對方記住了一件事，這家公司，知道 AI 出事的時候該怎麼處理。 [&hellip;]</p>

【科技早餐】NVIDIA 傳承租 1 GW AI 資料中心，全球晶片銷售上看 1.5 兆美元

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊NVIDIA 傳承租德州 1 GW 資料中心，租約最高 502 億美元 《金融時報》引述五名知情人士報導，NVIDIA 是資料中心業者 Hut 8 位於美國德州 Beacon Point 園區的承租方。這座園區擁有 1 GW 電力容量，將部署數十萬顆 NVIDIA GPU；15 年基本租約價值為 196 億美元，若行使續約選擇權，合約總值最高可達 502 億美元。Hut 8 先前僅表示，承租方是具有高度投資等級信用評等的既有客戶，將在園區部署設備，支援大規模 AI 訓練與運作。 報導指出，NVIDIA 未來可能把部分容量轉租給購買其 GPU、再提供 AI 雲端服務的新雲端業者（neocloud）。NVIDIA 並未證實或否認報導，《路透》也尚未獨立核實。另據《華爾街日報》，NVIDIA 正洽談為 OpenAI 提供最高 2,500 億美元融資擔保，支援 OpenAI 租用軟銀（SoftBank）旗下 SB Energy 規劃中的俄亥俄州 10 GW 資料中心。若兩項安排落實，NVIDIA 的角色將從供應晶片，進一步延伸至 AI 資料中心的資金、設備與容量配置。 ＊全球晶片銷售上看 [&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>

【科技早餐】AI 基建需求升溫：Alphabet 資本支出上看 2,050 億美元，AMD 取得 Anthropic…

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊Alphabet 雲端營收增 82%，全年資本支出上看 2,050 億美元 Google 母公司 Alphabet 第 2 季營收達 1,198 億美元，年增 24%，連續第 12 季維持兩位數成長。Google Cloud 營收增至 248 億美元，年增 82%，主要受到企業 AI 基礎建設、AI 解決方案及核心雲端服務需求帶動；營業利益也由去年同期的 28 億美元增至 88 億美元。Google 搜尋與其他業務營收成長 17%，YouTube 廣告營收則增加 13%。 Alphabet 同時把今年資本支出預估由 1,800 億至 1,900 億美元，上修至 1,950 億至 2,050 億美元，主要用於擴充技術基礎建設；第 2 季資本支出已達 449 億美元。Gemini 應用程式每月活躍用戶增至 9.5 億人，近 9 成《財富》（Fortune）100 強企業已採用 [&hellip;]</p>

員工都在用 AI，為何公司還看不到 ROI？Google Cloud 揭企業 AI 落地斷點

<p>一家已有 138 年歷史、承保業務遍及全球的保險公司，已投入超過 5,000 萬美元發展生成式 AI，執行長見到 Google Cloud 亞太區 AI 上市業務董事總經理 Harsha Konduri，第一個問題卻是：「為什麼我們仍看不到合適的 ROI？」 這不是單一企業的困境，Harsha Konduri 在今（7/9）日舉辦的 Google Cloud Day Taipei 主題演講指出，87% 的企業 AI 專案從未達到生產規模，仍有大量專案停留在展示階段；真正把 AI 嵌入營運流程、形成競爭優勢的專案，占比甚至不到 5%。 Harsha Konduri 認為，問題往往從企業如何定義 AI 策略就已經開始。他歸納企業最常見的幾項誤區，包括把 AI 策略押在單一模型或供應商、認為擁有大量資料自然能形成優勢，甚至只把 AI 當成降低人力成本的工具。 台灣 57% 企業已部署生成式 AI，焦慮卻從怕不懂變怕跟不上 這股壓力在台灣更加明顯。IDC 台灣總經理江芳韻在 Google Cloud Day 活動中指出，IDC 去年下半年調查亞洲超過 950 家企業，台灣已有 57% 企業部署代理式 AI，高於亞太平均的 36%。企業對代理式 AI [&hellip;]</p>

企業 AI 太難用，員工就自己找工具？企業治理影子 AI 的 90 天解法

<p>企業砸重金導入 AI，效率雖然提升，但有一個問題正在檯面下擴大：公司其實不太清楚員工到底怎麼使用 AI。資安業者 Teramind 的研究發現，就算公司已經買了企業級授權，仍有 67% 的 AI 使用跑在沒人管的個人帳號上。錢花了、工具買了，真正的使用卻落在企業看不到的地方。 這種公司看不見、也管不到的 AI 使用，就叫 Shadow AI（影子 AI）。它指的是員工繞過公司核准的工具，改用個人帳號、免費版本，或直接從瀏覽器打開各種 AI 服務來處理工作。 Shadow AI 難纏的地方，不在員工不守規矩，而在公司給的安全 AI 選項，可能比員工自己找的工具還難用。 不是員工不守規矩，而是企業「看不見」 Shadow AI 第一個麻煩是可見度。Teramind 指出，86% 的企業根本看不清資料怎麼流進、流出 AI 工具。而這些看不見的使用還在快速長大。資安業者 Netskope 的威脅研究團隊 Netskope Threat Labs 在《Cloud and Threat Report: 2026》裡觀察到，過去一年企業內用 genAI 的人數變成三倍，送出去的提示量更是六倍，從每月 3,000 則衝到 18,000 則。但用得多，出事也多。 同一份 Netskope 報告顯示，敏感資料違規事件一年翻倍，平均每家公司每月踩到 223 次，其中六成的內部威脅都和個人雲端帳號有關。報告還提到，有一半的企業連一套能真正執行的 AI 資料政策都沒有，因此帳面上的違規數字，很可能只是實際風險的冰山一角。 更根本的問題是，「工作用 AI」和「私人用 [&hellip;]</p>

【科技早餐】SoftBank 搶 10GW 算力出租，記憶體缺貨與中國模型追近同步升溫

<p>【科技早餐】今天精選 8 則國內外重要科技新聞。 ＊SoftBank 美國設 SB Neo，10GW 算力出租戰開打 軟銀集團（SoftBank Group；SBG）與電信子公司軟銀（SoftBank）宣布，將在 2026 年 7 月內於美國成立新公司 SB Neo，切入 AI 算力出租市場。這家公司將由軟銀公司持股 51%、軟銀集團持股 49%，主要服務對象包括大型雲端業者，預計在 2027 年度啟動業務。 SB Neo 將提供 AI 晶片與雲端服務，並以 Neocloud 形式出租 AI 運算資源。軟銀公司社長宮川潤一表示，這項新事業將先從美國德州啟動，長期目標是在 2030 年前後，為大規模 AI 模型訓練與推論，提供高達 10GW 規模的資料中心容量；每推動 1GW 服務，所需股權投資約為數億美元。軟銀也規劃透過與其他企業合作，共同興建資料中心基礎設施，以降低財務風險。 ＊AI 記憶體缺貨變政治難題，SEMI 籲美國別干預 國際半導體產業協會 SEMI 在 7 月 1 日寫給美國財政部長 Scott Bessent 的信中表示，川普政府若試圖透過影響價格或產能，來解決全球記憶體晶片短缺問題，可能會讓 AI 熱潮帶來的供應緊張更加惡化。SEMI 表示，AI [&hellip;]</p>

Meta 傳搶進 AI Cloud 市場：AI 基礎建設競爭，開始比誰能把算力變生意

<p>當各大科技巨頭仍在為 AI 算力四處搶購資料中心，Meta 卻打算反過來當賣方。據《Bloomberg》報導，Meta 正籌組一個名為 Meta Compute 的雲端事業，要把自用之外的過剩運算容量對外出租，直接切入 Amazon AWS、Microsoft Azure 與 Google Cloud 長年經營的地盤。消息一出，市場反應卻是兩樣情：Meta 股價收盤上漲近 9%，但專做 GPU 租賃的 Neocloud 業者 CoreWeave 與 Nebius 反而同步重挫。為什麼同一則消息，有人漲、有人跌？ Meta 到底要賣什麼？從自用算力轉向對外出租 根據《Bloomberg》，Meta Compute 是一項對內用來建置與管理 AI 基礎設施的計畫，如今延伸出兩條對外的產品線。一條是仿效 CoreWeave 這類 Neocloud，直接出租「原始」運算容量；另一條則類似 AWS 的 Bedrock，開放開發者付費使用架設在 Meta 基礎設施上的多種 AI 模型，其中包含 Meta 自家的 Muse Spark，由 Meta 負責運行支撐模型的資料中心與晶片，再向開發者收費。 《TechCrunch》與《Bloomberg》皆指出，這項新事業由三位高階主管領軍：基礎設施主管 Santosh Janardhan、Meta Superintelligence Labs 的 Daniel [&hellip;]</p>

讓電商顧客每次造訪營收衝高 4.75 倍：百貨巨頭 Macy’s 如何用 AI 當導購？

<p>線上購物已發展近三十年，電商平台商品愈來愈豐富，卻也讓消費者面臨「選擇過多」的新困境。當消費者沒有明確購買目標時，往往需要反覆搜尋、瀏覽大量商品頁面，花費許多時間仍難以做出決定。根據使用者體驗研究公司 Baymard Institute 2025 年彙整 50 份研究平均值，目前全球平均購物車棄單率仍高達約 70%，如何降低搜尋成本、提升購物體驗，已成為各大零售商的重要課題。 美國百貨零售品牌 Macy’s（梅西百貨）因此攜手 Google Cloud，推出全新的 AI 數位購物管家「Ask Macy’s」，藉由導入 AI，希望將實體門市導購的體驗延伸至線上購物，協助消費者更快速找到符合需求的商品，同時提升互動率與銷售表現。 多模態 AI 變身專屬顧問，把實體百貨的服務搬上線 Macy’s 科技產品開發暨客戶體驗資深副總裁 Chad Westfall 表示，百貨公司的優勢在於精心策畫的商品陳列，以及店員提供的個人化建議。該團隊希望透過 AI 消除線上購物的摩擦，讓消費者在瀏覽商品時，也能感受到有人陪伴、理解需求並提供建議的購物體驗。 「Ask Macy’s」採用多模態代理人（Multimodal Agent）架構，可同時理解文字與圖片資訊，互動方式也比傳統關鍵字搜尋更加自然。消費者可以直接描述自己的需求，例如年齡、身形、預算、偏好的布料、穿著場合等，Ask Macy’s 會根據條件提供完整穿搭建議，再推薦符合需求的商品，而非單純列出搜尋結果。 其中最具特色的功能是 AI 虛擬試穿。消費者只需上傳自己的照片，系統便能模擬服飾穿在身上的效果，還能切換不同情境背景，例如辦公室、餐廳，甚至美國知名賽馬盛事 Kentucky Derby 的觀賽場合，幫助消費者更直觀地想像不同服裝在各種場景下的整體造型，降低因無法試穿而產生的不確定感。 AI 也會透過持續對話逐步縮小推薦範圍。例如，當使用者表示自己將前往拉斯維加斯參加商務會議時，系統除了推薦適合正式場合的服裝，也會提醒當地室內外溫差較大，建議採用洋蔥式穿搭，鞋款則優先考慮平底鞋，以兼顧舒適與行程需求。未來，Ask Macy’s 還將結合商品評論與顧客回饋，提醒哪些商品版型偏大或偏小，協助消費者挑選更合適的尺寸，也能推薦與購物車商品搭配的相關配件。 Ask Macy’s 天天服務數千人、每客造訪業績狂飆 4.75 倍 值得注意的是，Ask Macy’s 的開發速度相當驚人。系統自今年三月底正式上線以來，Ask Macy’s 已支援 Macys.com 網站、iPhone 與 Android [&hellip;]</p>