當多數運動品牌還在依賴亞洲長鏈代工時，瑞士運動品牌 On 已經開始用機器人重寫製鞋流程。On 近日宣布於南韓釜山附近啟用全球第二座 LightSpray 機器人自動化生產工廠，接續歷經四年開發、並於 2025 年 7 月在蘇黎世啟用的首座試點廠。

On 選擇南韓作為第二座工廠的戰略考量，在於當地具備全球領先的機器人與自動化優勢，結合先進的製造基礎設施與品牌在該區既有的合作網路，成為完善自動化生產流程、並驗證瑞士技術能否於全球成功複製的理想環境。

由於業界缺乏機器人量產噴塗鞋面的前例可循，因此 On 自 2024 年首度亮相 LightSpray 技術後，便從零開始建構營運框架，自行開發系統來同步協調多台機器人，並建立專屬的自動化生產品質標準。這些前期準備，也成為 LightSpray 能從蘇黎世試點進一步推向南韓量產的關鍵基礎。

在這座南韓新廠，On 將新增 32 台全自動機器人，相較蘇黎世僅有 4 台機器的配置，新廠房每日最高可生產約 1,000 雙鞋，目標是讓 On 的全球 LightSpray 產能在 2026 年放大 30 倍，也讓這項從實驗走向量產的製程創新，正式邁入規模化部署階段。

On 聯合創辦人 Caspar Coppetti 透露，團隊為此引進其他運動品牌所沒有的各領域專家，讓這套自動化工廠概念未來能像「隨插即用（plug-and-play）」般，在全球不同地點快速複製。

3 分鐘成形、200 道工序濃縮：LightSpray 如何重寫鞋面製造流程？

LightSpray 是 On 獨家研發的創新自動化製鞋技術，透過機器手臂將 1.5 公里的特殊纖維直接噴覆在鞋楦上，只需約 3 分鐘即可製作出極度輕量、堅韌、一體成形且近似襪套式的鞋面。在實際的自動化生產中，機器手臂會先固定住預先備妥、結合鞋底的鞋楦模型，在穩定旋轉中進行噴塗，隨後再交由另一台機器人完成表面處理與上色工作。

此外，LightSpray 技術也將傳統鞋面製造原本需要跨越多座工廠、涵蓋約 200 道工序的複雜製程，濃縮成單一的全自動化流程。On 強調，此種機器人製造模式不僅所需空間較小、產生的廢料極少，且與品牌旗下其他競速跑鞋相比，還能顯著減少碳排放量。

On 首席創新官 Scott Maguire 則對此表示：「LightSpray 的美妙之處在於，無論是在蘇黎世還是釜山，我們都能對每台機器人進行精準編程，使其執行精確編排的動作，從而打造出每雙鞋獨特的外觀與腳感。」也正因為這套流程具備可編程、可跨地點複製的特性，On 才得以進一步把技術優勢推進到供應鏈布局層次。

從長鏈代工到近岸部署，On 要以自動化推動近岸製造

近年來，製鞋業因高度仰賴東南亞代工，接連面臨疫情導致的工廠停工，以及航運塞港造成的供應鏈癱瘓等痛點。另一方面，美國對越南與中國等運動服飾製造重鎮祭出的高額關稅，更讓產業成本大幅飆升，加上地緣政治風險，正促使各大品牌積極探索「近岸外包」（nearshoring），也就是將製造基地轉移至更靠近終端消費者的地點。

On 聯合創辦人 Caspar Coppetti 指出，在亞洲鞋業工廠普遍面臨勞動力成本上升與年輕員工招募困難的窘境下，自動化不僅能讓品牌加快生產速度、降低環境衝擊，更能將製造環節帶往更接近主要市場的位置。他具體說明：「產品上市的速度、永續性，以及我們基本上已經沒有廉價勞動力地點可用的事實，在在說明自動化的必要性，以及必須更靠近消費者。」

為了解決傳統供應鏈的風險，On 明確指出，未來幾年內將在全球近岸地點全面推進大規模的 LightSpray 生產，並特別規劃在美國當地建立機器人工廠，藉此直接減輕高昂的關稅負擔。作為強烈對比，根據最新年度報告，On 目前仍有高達 90% 的鞋款來自越南的第三方製造商，另有 10% 來自印尼，這不僅突顯品牌既有供應鏈高度集中於亞洲的現況，也預示了這項自動化新技術將為品牌帶來巨大的供應鏈結構轉變。

On 的下一步戰略，是將 LightSpray 生產進一步擴張至美洲與歐洲，並在產能放大的同時，探索將這項技術延伸至跑鞋以外更多品類的可能性。對 On 而言，LightSpray 的價值早已不只是打造一雙更輕、更快的鞋，而是試圖建立一套可跨區域複製、可更靠近市場部署的全新製造模式。當製鞋產業長年依賴的亞洲代工邏輯，開始被自動化、近岸生產與供應鏈韌性重新定義，On 這場從製程出發的實驗，也正逐步變成改寫鞋業生產結構的起點。

＊本文開放合作夥伴轉載，資料來源：《CNET》、《Reuters》、On、《Bloomberg》，首圖來源：On

Amazon 在去年高調亮相倉儲機器人 Blue Jay，卻在幾個月後悄悄按下停止鍵。這套原本瞄準同日送達（same-day delivery）倉庫的多機械臂系統，自 2025 年 10 月對外發表後，已經在 2026 年 1 月停止運作。

《Business Insider》指出，Blue Jay 系統僅用約一年多的時間便完成開發並投入部署，速度遠比 Robin、Sparrow 等較早期的機器人系統快上許多，也因此，Blue Jay 一度被視為 Amazon same-day 倉儲自動化的重要新嘗試。

Amazon 當時表示，Blue Jay 主要是利用 AI 技術的進展來加快訓練與部署，並透過多支機械臂的設計，能夠一次觸及並搬運多個商品，最初預計能處理 Amazon 倉儲站點中約 75% 的庫存商品，且設計初衷也考量到員工安全，目的是在減少因伸手、搬抬等重複性體力勞動所造成的肌肉拉傷。

知情人士指出，Blue Jay 最後被按下暫停鍵，主要原因包括高昂的成本、製造過程複雜，以及在導入實施上所面臨的挑戰。報導也提到，許多原本參與 Blue Jay 專案的員工，後來被重新分派到其他的機器人計畫中。

Amazon 並未放棄 Blue Jay 的底層技術，而是轉做其他自動化計畫

Amazon 發言人 Terrence Clark 表示，Blue Jay 的核心技術將會被延續到公司的其他倉儲計畫中。他指出：「我們總是在嘗試新方法來改善客戶體驗，並讓員工的工作更安全、更高效且更具參與感，這次的情況，我們實際上是在加速使用為 Blue Jay 開發的底層技術，且幾乎所有的技術都會被沿用，繼續支援我們整個網路中的員工」。

事實上，Amazon 目前在其供應鏈設施中運行著超過 100 萬台機器人。Amazon 表示，Blue Jay 最初就是作為「原型（prototype）」推出，公司打算將從這項技術中學到的經驗，廣泛應用於營運中的多個其他領域。發言人 Terrence Clark 也補充，Blue Jay 只是 Amazon 廣泛投資的眾多倉儲機器人計畫之一，其他同步發展的專案還包含了 Vulcan、Sequoia、Cardinal、Proteus 以及 Sparrow 等。

在具體的技術轉移上，《Sourcing Journal》提到，Amazon 在擱置 Blue Jay 後，會將相關技術重新用於新的自動化計畫。《Business Insider》進一步指出，Amazon 計畫把 Blue Jay 的部分技術整合到後續系統中，包含一套名為「Flex Cell」的新系統，這套新系統將有別於 Blue Jay 先前安裝在天花板的設計，改採安裝於地板的形式運作。

從 Blue Jay 到 Orbital，Amazon same-day 倉儲架構正在轉向

《Business Insider》指出，這次調整是 Amazon 從舊有 same-day 倉儲系統「Local Vending Machine（LVM）」轉向新系統「Orbital」策略的一部分。LVM 最初是 Amazon 內部一項自動化同日送達的雜貨微型履行中心計畫。報導形容，LVM 是一個將自動化高度整合在單一大型結構中的單體系統（monolithic system），而 Blue Jay 原本就是為了這套架構所設計的。這也意味著，隨著 Amazon 調整 same-day 倉儲策略，原本依附於 LVM 架構的 Blue Jay，也失去了原先的部署基礎。

相較之下，新的 Orbital 被設計成由多個元件組成、可用不同方式組裝的模組化系統 （modular system）。《Business Insider》指出，這種更有彈性的結構設計，是為了讓系統更容易部署，也更容易進行擴張。

《Business Insider》表示，相較於 Amazon 過去常見占地廣闊的大型履行中心 （fulfillment centers），Orbital 的設計其實更適合小型的同日送達倉庫。報導中也特別提到，Orbital 未來極有可能被安裝在 Whole Foods 門市的後場，作為一種微型履行解決方案，並預期能處理需要冷藏的商品。

消息人士指出，Amazon 目前正「全力投入」服務生鮮雜貨市場，並積極重塑同日送達業務，目的就是要縮小在雜貨與易腐商品領域，與競爭對手 Walmart 之間的差距。不過，目前首座以 Orbital 為核心打造的同日送達倉庫，預計要等到 2027 年才會正式啟用。

儘管 Blue Jay 被停用、same-day 倉儲架構也從 LVM 轉向 Orbital，但這並未削弱 Amazon 對機器人與自動化的長期押注，尤其是在降低供應鏈成本上的期待。《紐約時報》去年 10 月曾引述一份外洩的內部文件指出，Amazon 預估，隨著機器人部署規模擴大，未來在每件商品的包裝、揀選與交付流程中，可望節省約 30 美分成本，甚至可能幫助公司在 2027 年前減少多達 16 萬名新員工的招聘需求。

儘管 Amazon 發言人其後回應，該文件所描繪的計畫內容「並不完整，且具有誤導性」，但從 Blue Jay 被擱置後，底層技術仍被轉移到其他自動化計畫，以及 same-day 倉儲架構正由單體式系統轉向更模組化的 Orbital 來看，Amazon 從來沒有放棄自動化，而是持續尋找更容易部署、更具擴張彈性，也更符合成本效益的落地方式。

＊本文開放合作夥伴轉載，資料來源：《BusinessInsider》、《The Robot Report》、《Sourcing Journal》，首圖來源：Amazon

【科技早餐】今天精選 7 則國內外重要科技新聞。

＊ 中東戰火延燒，能源價格暴漲 38%，可能引發科技硬體新一波漲價潮

《The Guardian》報導，受到美國、以色列與伊朗的衝突升溫影響，荷姆茲海峽面臨封鎖危機，導致歐洲基準天然氣價格單日暴漲 38%，原油價格也應聲跳漲超過 8%。

全球知名的能源及航運數據分析平台《Kpler 能源分析網》指出，這場能源海嘯正在迅速蔓延到科技業，不僅推高晶片製造與資料中心的電力成本，更因為貨運繞道而導致物流延誤。專家預估，若局勢不見緩和，今年下半年出貨的伺服器與電子產品，都將面臨 15% 以上的調漲壓力，讓全球科技供應鏈進入高度的警戒狀態。

＊ MWC 2026 登場，啟動 6G 通訊新元年，邁向 Agentic AI 時代

世界行動通訊大會 MWC 2026，3 月 2 號在西班牙巴塞隆納揭開序幕，今年核心主題是 The IQ Era「智慧新紀元」，象徵通訊產業正式邁入人工智慧全面滲透的新階段。《Counterpoint Research》指出，MWC 2026 標誌著 AI 已經從「應用層」正式走向「系統整合層」，並與聯網技術深度融合，進入真正的「IQ Era」。

邁入第 20 週年的 MWC，這次受到矚目的重點是 6G 通訊正從概念邁入原型驗證，整合低軌衛星、高空平台、地面蜂巢網路，建構出全球立體覆蓋的一體化網路。與此同時，由於通訊技術的演進也加速 AI 的全面滲透，行動通訊產業將從終端裝置的邊緣 AI 走向代理 AI，重塑整個產業版圖。

研究報告也指出，6G 預計在 2030 年前後開始商業部署，到 2040 年全球連接數可能達到 50 億，比例占整體行動通訊連接約一半，中國、日本、韓國、美國、歐洲、印度、海灣國家等，都將成為主要的發展區域。由於 6G 的峰值傳輸速率（Peak Data Rate），可以達到每秒 1 兆位元（1Tbps），是 5G 峰值速率的 100 倍，這樣的傳輸速率，也讓通訊與感測的整合、全影像通訊、沉浸式 XR 與數位分身（Digital Twin）等，成為 6G 主要的應用場景。

＊ OpenAI 獲得亞馬遜、NVIDIA、軟銀共 1,100 億美元投資，估值衝破 7,300 億美元

OpenAI 近日正式宣布完成一筆高達 1,100 億美元的新一輪融資，由亞馬遜領投 500 億美元，NVIDIA 與軟銀則是各投入 300 億。這筆資金將用在開發下一代超大規模運算中心，來推升 AGI 通用人工智慧的安全性研發。

這筆史上最大的 AI 融資案，雖然反映出市場對於 AI 基礎設施投入的力道並沒有縮減，不過分析師也提醒，儘管這筆交易讓 OpenAI 估值飆升到 7,300 億美元，但是隨著 AWS 成為它的專屬雲端供應商，科技巨頭之間的版圖之爭，也將進入白熱化階段。

與此同時，OpenAI 官方資料則顯示用戶數正在節節攀升，目前有超過 900 萬名付費企業使用者 仰賴 ChatGPT 完成工作，且 ChatGPT 的「週活躍用戶」已突破 9 億大關。

＊ Apple 推出搭載 M4 晶片的全新 iPad Air，記憶體升級 12GB，強化 AI 邊緣運算

Apple 近日推出搭載 M4 晶片的全新 iPad Air，強調中階平板的性能躍升，以強化邊緣 AI 的運算效率，並展現 Apple 正在加速將原本只屬於 Pro 等級的硬體規格，下放到主流的平價商品中，力圖在邊緣 AI 的平板市場搶占先機。

《Macworld》分析，新款 iPad Air 不僅性能比前一代提升 30%，更關鍵的是將記憶體提升到 12GB，解決過往 AI 在邊緣運算上的記憶體瓶頸。全新 iPad Air 預計在 3 月 4 日開放預購，起售價同樣維持在 599 美元，這也讓蘋果迷驚呼，跟前一代的產品相比，同樣的價錢卻能買到升級的記憶體規格，進一步強化 AI 使用體驗。

＊ ASML 進軍先進封裝與晶片堆疊，卡位 AI 晶片下一波成長

ASML 正在規劃下一階段的成長曲線，將不再只依賴 EUV 微影設備，而是把目光延伸到 AI 晶片所需的先進封裝、晶片黏合與互連等新領域。ASML 技術長 Marco Pieters 表示，公司看的不是未來 5 年，而是 10 到 15 年後產業的可能走向，並評估在封裝、鍵合等環節可以提供哪些設備與技術。除了持續推進 EUV 下一代產品，ASML 也開始研究是否能突破目前晶片「約郵票大小」的製作限制，進一步支援更大尺寸、效能更高的 AI 晶片。

隨著 NVIDIA、AMD 等公司設計的 AI 晶片，從過去像「平房」的單層結構，演進成像「摩天大樓」般可堆疊、可橫向串接的多層架構，先進封裝的重要性正在快速升高，也讓原本毛利較低的封裝製程，成為半導體製造中更具價值的一環。ASML 認為，未來不只封裝後段需要更高精度，這類需求也正逐步往前段製程延伸，因此 ASML 正加快開發相關設備，並計畫把 AI 用於提升機台控制軟體、檢測效率與整體生產速度，藉此在 AI 晶片製造新局中擴大角色。

＊ NVIDIA 聯手 Lumentum 搶攻光學技術，揭 AI 資料中心新戰場

NVIDIA 宣布與光通訊技術公司 Lumentum 達成多年期策略合作，雙方將共同開發新一代光學技術，以支援 AI 基礎設施與系統設計升級。根據 NVIDIA 公布內容，這項合作包含數十億美元採購承諾、先進雷射元件的未來產能取得權，以及 NVIDIA 對 Lumentum 投資 20 億美元，協助其擴充研發、產能與營運，並強化美國在地製造能力。NVIDIA 執行長黃仁勳指出，AI 正推動史上最大規模的運算基礎建設擴張，雙方將攜手推進矽光子技術，打造下一代 GW 級 AI 工廠。

這次合作的核心，在於光學互連與封裝整合已成為 AI 資料中心持續擴張的關鍵。NVIDIA 認為，隨著大型 AI 網路規模愈來愈大，先進光學技術不只影響傳輸速度，也直接關係到整體能源效率與系統韌性，而 Lumentum 則將透過新廠與研發投資，提升資料中心光學元件的供應能力與創新速度。換句話說，NVIDIA 不只是強化 GPU 與網通優勢，也正進一步往底層光學基礎設施延伸布局，為未來 AI 資料中心擴建提前卡位。

＊ 工研院發布中長程技術藍圖：以 AI、機器人、無人載具為核心，強化台灣全球競爭力

面對全球生成式 AI 快速演進、供應鏈重組與製造業景氣不確定性升高，工研院於今（3/3）發布中長程技術策略與藍圖，強調以「攜手創新」為核心，串聯 17 個研發法人籌組「法人匯智聯盟」，並與南部 33 所大專院校推動學研合作，如同打造一支聯合艦隊，聚焦 AI、機器人、無人載具等未來關鍵產業技術，凝聚臺灣研發能量，強化產業與中小企業競爭力，進一步深耕臺灣、布局全球。工研院董事長吳政忠指出，未來 20 年將是新一波科技創新的關鍵期，工研院將透過中長程布局掌握核心技術，擴大半導體優勢，並協助臺灣產業切入國際市場。

工研院院長張培仁表示，這套中長程技術藍圖將導入系統工程思維，並以「落地應用」為核心，從服務情境出發，逐步推導效能需求、解決方案規格、技術研發路徑與成本可行性，確保研發成果能真正銜接產業應用與市場需求。在推動方向上，工研院以「凝聚專才、深耕臺灣、布局全球」為三大策略主軸，從法人協作、學研鏈結與產業輔導三路並進：一方面整合研發法人服務全國中小企業，另一方面透過南部學研合作計畫串接人才培育與場域驗證，並成立產業競爭力輔導團，目標協助全臺 15 萬家中小企業導入 AI 與數位轉型，全面提升臺灣產業升級與全球競爭能力。

＊本文開放合作夥伴轉載，資料來源：《The Guardian》、《Counterpoint Research》、《Reuters》1、Apple、《Reuters》2、NVIDIA、工業技術研究院，首圖來源：Unsplash

美國與以色列對伊朗發動聯合攻擊後，戰火不只在實體世界延燒，也迅速蔓延到網路空間。《Reuters》指出，伊朗境內同步出現一波網路行動，除了多個新聞網站遭駭客入侵，下載量超過 500 萬次的宗教日曆 App「BadeSaba」也遭駭入，更被植入「現在是清算的時候了（It’s time for reckoning）」等訊息，號召武裝部隊放下武器、加入平民。

此外，《Reuters》引述資安專家說法，指出隨著伊朗評估後續回應選項，駭客行動主義者（hacktivist）對以色列與美國相關的軍事、商業或平民目標發動網路攻擊的可能性正在急遽上升。

《Nextgov/FCW》進一步引述 CrowdStrike、Google Threat Intelligence Group 與 Recorded Future 的說法，指出德黑蘭相關駭客正在加強數位偵察，接下來可能進一步鎖定美國關鍵基礎設施。不過，報導也提醒，目前不少攻擊宣稱仍偏向「聲明導向」，Google 首席分析師 John Hultquist 就表示，企業固然應提高警覺，但伊朗駭客過去也常誇大甚至捏造攻擊成果，因此外界對這些宣稱仍應保留判斷。

這次衝突帶來的風險，不只停留在網路攻防層面。隨著情勢升高，包括雲端、通訊、金融與政府系統在內的數位基礎設施，也正同步成為新的攻擊面，而這樣的變化，也讓商業雲端資料中心首度以更直接的方式，被納入現代衝突的攻擊半徑中。

AWS 中東機房遇襲，商業雲端基礎設施首度被戰火波及

《DefenseScoop》報導，因中東地區軍事行動加劇，AWS 在該地區的 3 座資料中心遭無人機攻擊波及，其中阿拉伯聯合大公國（UAE）的 2 座設施更被無人機「直接擊中」，而巴林 1 座主要設施則因附近無人機爆炸，導致基礎設施受到物理衝擊。分析師指出，這起事件可能是美國企業營運的超大型資料中心，首次在實戰中遭到戰火攻擊的案例。

事件發生後，《DefenseScoop》指出，AWS 隨即要求在中東運行工作負載且面臨中斷的客戶，啟動災難復原計畫，並將數位資產與服務遷移到其他地區。《DefenseScoop》也引述 AWS 過往資料表示，這起攻擊影響深遠，因為巴林自 2019 年起已將約 85% 的政府資料遷移至 AWS 巴林區域，而阿拉伯聯合大公國的 AWS 資料中心也承載著當地的政府、金融與物流部門的工作負載。

AWS 備援機制遇上戰火，雲端韌性面臨極限考驗

這起事件之所以引發高度關注，不只是因為 AWS 機房首度在戰事中受波及，也因為它進一步暴露出雲端架構面對物理攻擊時的限制。「這些打擊造成結構性損壞、中斷基礎設施的電力供應，部分情況下還因必須進行滅火作業而導致了額外的水損，」AWS 表示，針對這樣的情況，建議在中東使用其伺服器的客戶，將運算與線上流量轉移到其他區域。

儘管 AWS 的每個區域（Region）至少由三個可用區域組成，彼此不僅保持實體分隔，還具備冗餘的水、電、電信與網路連線。然而，這些包含警衛、圍欄與監視器的實體安全設計，原本主要是為了防範入侵者，而不是防禦飛彈或無人機攻擊。聖母大學 IT 教授 Mike Chapple 就表示，Amazon 通常把服務設計成單一資料中心失效時仍可維持運作的模式，但他警告：「若同一個可用區域內有多個資料中心同時失效，就可能引發嚴重問題，因為情況可能達到根本沒有足夠剩餘容量來處理所有工作負載的地步。」

伊朗相關網攻風險升溫，美國銀行業進入高度戒備

另一方面，在美伊戰事衝突升高之際，美國金融服務業已進入高度戒備狀態，全面強化對潛在網路攻擊的監測。《Reuters》指出，由於金融服務業掌管支付、清算、結算、交易平台與美債市場等美國關鍵金融基礎設施，長期以來一直是網路攻擊的首要目標。

摩根大通執行長 Jamie Dimon 在接受《CNBC》採訪時表示，銀行可能成為攻擊目標，並指出預計全球網路或恐怖攻擊事件將會增加。「我們總是努力為此做好準備，」Jamie Dimon 說道，並認為網路攻擊是「銀行面臨的最高風險之一」。

美國情報評估顯示，伊朗相關的駭客行動主義者可能對美國網路發動低階攻擊，例如分散式阻斷服務攻擊（DDoS）。《Reuters》也引述產業財團 FS-ISAC 的 2025 年報告指出，在戰事推波助瀾下，金融服務業正是 2024 年遭受 DDoS 攻擊最多的產業。

CISA 量能吃緊，美國關鍵基礎設施防線面臨考驗

當雲端機房與金融體系都開始承受衝突外溢的壓力，美國國家層級的資安防線是否有足夠量能應對，也成為外界關注的焦點。《Nextgov/FCW》報導進一步指出，這場戰事將考驗美國的網路防禦能力，然而過去一年聯邦政府大規模裁員，加上國土安全部（DHS）已連續兩週未獲完整資金，進一步放大了外界的憂慮。

《Nextgov/FCW》引述一名匿名網路安全暨基礎設施安全局（CISA）員工的說法指出，CISA 目前正以縮減的量能（reduced capacity）運作，由於「聯邦資金中斷」，部分被無薪休假（furloughed）的員工只能待命，監看工作通訊並等待可能被召回。美國眾議院議員 Tom Cole 也對此發出警告指出，強調 CISA 的人力已「捉襟見肘」，若資金停擺持續下去，將大幅削弱美國保護關鍵基礎設施與醫院的能力。

現在，戰爭早已不只發生在飛彈、基地與邊境，而是已經同步蔓延到雲端機房、金融系統與國家資安防線。當資料中心可能遭實體攻擊、銀行必須提防網攻，而 CISA 又必須在縮減經費與量能的情況下應戰，數位基礎設施已不再只是後勤支援的角色，而是現代衝突中非常關鍵的新前線。

＊本文開放合作夥伴轉載，參考資料：《Nextgov/FCW》、《Reuters》1、《Reuters》2、《CNBC》、《Defense Scoop》、《AP News》，首圖來源：AI 工具生成

當市場還習慣把高通（Qualcomm）視為一家手機晶片公司，高通執行長 Cristiano Amon 近日在 MWC（世界行動通訊大會）釋出明確的轉向訊號：高通正在把布局重心，同步延伸到機器人、AI 穿戴與 6G。

機器人將在兩年內實現規模化發展、創造更大的機遇

Cristiano Amon 在 MWC 表示：「我認為機器人技術將在未來兩年內開始實現規模化發展，兩年內這將是一個更大的機遇。」目前的機器人應用種類繁多，涵蓋從工業用途的機械手臂，到特斯拉（Tesla）與眾多中國企業正在積極開發的人形機器人。

為了把握機器人領域的龐大商機，高通今年 1 月已在 Dragonwing 品牌下推出一款為機器人設計的處理器，目標是打造可運行於多種機器人平台的晶片，做法與高通過去在智慧手機市場推動 Snapdragon 的模式相似。

同時，市場對機器人領域的經濟規模有極高的預測，像麥肯錫預估通用型機器人市場在 2040 年將達到 3,700 億美元，RBC 資本市場（RBC Capital Markets）的分析師更預測，到了 2050 年，全球人形機器人的總潛在市場將高達 9 兆美元。

Cristiano Amon 也指出，實體 AI 的進展正讓機器人變得更有用，他進一步強調：「人們曾說，單是機器人技術本身的市場規模就可能是一個高達兆元美元的機遇，現實情況是，我們現在看到因為實體 AI 的出現，機器人已經變得有用了許多。」

高通推出 Snapdragon Wear Elite 晶片，瞄準 AI 穿戴裝置

在裝置端，高通也同步推出 Snapdragon Wear Elite 晶片。高通將 Snapdragon Wear Elite 定義為「手腕以上（Wrist Plus）」晶片，並強調它不是用來取代現有的 W5 Plus，而是與其並存，目標是吸引想做 AI 吊飾（pendants）、AI 別針（pins），以及無螢幕智慧眼鏡（display-free smart glasses）等裝置廠商，至於效能需求更高的智慧眼鏡，則預期會繼續採用高通的 AR 晶片。

在通訊與系統開發部分，Snapdragon Wear Elite 晶片還支援衛星連線、5G、UWB 與 Bluetooth 6.0。在作業系統上，除了 Android 與 Wear OS，更支援 Linux，這也為希望利用專屬軟體來開發 AI 別針或吊飾的新創公司，提供極大的便利。

《The Verge》進一步分析，高通積極為此類設備打造專屬晶片，顯示出從供應鏈端看到明確的需求。儘管目前 AI 別針或吊飾尚未出現現象級的產品，但裝置製造商並未放棄 AI 穿戴領域，像是目前 Google 正積極建構包含穿戴裝置的 AI 硬體生態系，蘋果（Apple）據傳正在評估 AI 穿戴設備，而前蘋果設計長 Jony Ive 與 OpenAI 執行長 Sam Altman 也曾暗示可能跨足穿戴設備領域。

高通把 6G 定義為「第一個建構的 AI 原生無線網路」

Snapdragon Wear Elite 展現高通想先卡位 AI 時代新終端的企圖心，在網路端，高通也同步把 6G 定義為支撐未來 AI 代理運作的關鍵基礎設施。Cristiano Amon 明確表示：「如果你相信 AI 革命，6G 就是必要的，抵抗是徒勞的。」高通財務長兼營運長 Akash Palkhiwala 更進一步定調，6G 將是連接能力與 AI 首次在網路中真正結合，也是「有史以來第一個建構的 AI 原生無線網路（AI-native wireless network）」。

未來，6G 的流量型態將迎來根本性的改變。有別於過去以消費者語音通話或影音下載為主的模式，未來的網路將由 AI Agent 的流量所驅動，這些散佈在智慧眼鏡、手錶、手機或電腦等不同裝置上的 AI 代理，將在網路上不斷地彼此對話與互動。

Akash Palkhiwala 解釋，這標誌著我們將從現今的「應用程式經濟（application economy）」轉向未來的「代理經濟（agent economy）」，代表用戶不再需要分別打開不同 App 叫車、訂電影票或點餐，而是由一個完全了解使用者的 AI 代理自動在網路上交涉並完成所有任務。另一方面，也因為流量轉變為代理程式間的互動，網路的「可靠性」將變得至關重要。

高通發起全球 6G 聯盟，找來科技巨頭共同推進 6G 部署

為實現 AI 原生無線網路的願景，高通這套 AI 原生 6G 網路架構，將建立在先進連接能力（advanced connectivity）、廣域感測（wide area sensing）與高效能運算（high-performance compute）三大支柱之上，並將整合裝置端能力、邊緣運算（edge computing）與 AI 驅動的頻寬負載控制。

同時，為了加速生態系發展，高通也在 MWC 發起了一個全球 6G 聯盟（6G coalition），並集結 Amazon、Google、Meta、微軟（Microsoft）、三星（Samsung）、愛立信（Ericsson）等科技巨頭，以及各國指標性電信商與車廠，共同推進標準制定與驗證。高通預期，第一批 6G 應用可望在 2028 年的洛杉磯奧運期間完成原型展示並進入消費者測試，隨後於 2029 年開始正式展開商業部署。

從機器人處理器、AI 穿戴晶片，到 AI 原生 6G 網路與全球聯盟布局，高通正在積極卡位下一波 AI 實體世界的入口。對高通而言，機器人是更近的成長機會，AI 穿戴是新一代的終端形態，而 6G 則是支撐未來 AI 代理經濟運作的底座。當這三條線開始同時推進，高通真正想爭奪的，已不只是單一晶片市場，而是下一個 AI 平台時代的關鍵位置。

＊本文開放合作夥伴轉載，參考資料：《CNBC》、《Fortune》、《Mobile World Live》、《The Verge》，首圖來源：Qualcomm

當 Meta 積極把智慧眼鏡變成下一代 AI 裝置入口，關於隱私的爭議也不斷浮現。瑞典媒體調查指出，Meta 智慧眼鏡拍下的私密影像，可能流入人工審查與外包資料處理體系，讓智慧眼鏡背後的資料治理問題引發關注，更進一步成為 AI 治理的新壓力測試場。

Meta 想把智慧眼鏡做成下一代入口，但產品承諾與治理問題同時浮現

2025 年 9 月，Meta 創辦人祖克柏（Mark Zuckerberg）在矽谷的發表會上，將這款與眼鏡巨頭 EssilorLuxottica 合作生產的 AI 智慧眼鏡「Meta Ray-Ban」定位為整合即時翻譯、臉部辨識等功能的全能助手，並希望它成為可與智慧型手機競爭的裝置。這款產品在 2025 年迎來銷售大爆發，銷量飆升至 700 萬副，是前兩年總和的三倍多。

不過，近日瑞典《Svenska Dagbladet》與《Göteborgs-Posten》的調查指出，Meta 在全球聘用外包公司處理私人影像與敏感資訊，讓這款產品背後的資料處理鏈浮上檯面。

《Svenska Dagbladet》表示，Meta 的外包商 Sama 在肯亞首都奈洛比擁有數千名資料標註員，他們堪稱是「AI 革命中的體力勞動者」。他們負責替 Meta 的 AI 系統標註影片、影像與語音資料，在螢幕上框出物件、標記像素，以訓練下一代智慧眼鏡變得更聰明。該調查採訪 30 多名 Sama 不同層級員工，其中多人直接參與 Meta AI 系統的標註工作。

受訪員工表示，他們看過浴室、更衣、裸體、性行為、信用卡與其他高度私密內容。有員工回憶一段令人不安的畫面：「我曾看過一段影片，一名男子將眼鏡放在床頭櫃後離開房間，不久後他的妻子走進來換衣服。」 部分被拍攝者似乎完全不知道自己正在被記錄，有員工在受訪時甚至指出：「在某些影片中，你可以看到有人去廁所，或正在脫衣服，我不認為他們知情，因為如果他們知道就不會錄影了。」另一名員工也直言：「從客廳到裸體，我們什麼都看得到。」

《Svenska Dagbladet》報導，這些標註員除了處理影像，還會進行語音與文字的轉錄，以核對 Meta 智慧眼鏡 AI 助理對使用者提問的回覆內容是否正確。這類審查同樣包含大量敏感資訊，一名員工就透露：「我們看到的聊天內容可能涉及犯罪或抗議，不只是打招呼，還可能非常黑暗。」

問題不只在隱私外流，更在「使用者以為自己有控制權」

《Svenska Dagbladet》與《Göteborgs-Posten》的記者實地走訪十家 Meta Ray-Ban 眼鏡零售門市，發現第一線銷售人員對產品的隱私機制缺乏了解，甚至給出錯誤資訊。多家門市銷售人員曾向記者保證，使用者可以完全掌控並自行決定要分享哪些資料，甚至有人明確表示「沒有任何資料會分享給 Meta」，或深信「所有資料都只會留在手機的應用程式裡」。

然而，當記者實際購買並進行測試，在應用程式設定中勾選「不分享」額外資料，並嘗試在無網路連線的狀態下使用時，卻發現 AI 助理根本無法運作。實際檢視隨附產品的 QR Code 連結與 Meta AI 的使用條款，更會發現巨大的落差：條款清楚載明，在某些情況下，Meta 會審查使用者與 AI 的互動內容，而且「這種審查可能是自動化，也可能是人工進行」。條款同時寫明，AI 服務可能儲存並運用使用者分享的資訊，將防範外洩的責任推回給消費者，提醒使用者「不要分享不希望 AI 保留與使用的敏感內容」。

瑞典隱私保護局（IMY）的安全專家 Petter Flink 對此指出，多數使用者根本不知道幕後發生了什麼事，但 Meta 藉由這款產品從使用者日常生活中萃取出的細節數據，其價值遠高於眼鏡本身。

除了資料強制上傳的疑慮，《Svenska Dagbladet》還引述前 Meta 員工的說法指出，雖然進入標註系統的資料理論上會將人臉自動模糊化，但這套匿名機制並非每次都能如預期運作，「演算法有時會失誤，特別是在光線不佳的情況下，某些臉孔和身體會變得清晰可見，」肯亞的標註員說。

當資料處理方式、同意機制與匿名化措施都出現疑問後，這場爭議也不再只是產品設計問題，而開始升高為監管問題。

Meta 智慧眼鏡點燃歐洲治理警報

目前歐洲議會議員已強烈要求歐盟執委會出面說明，因為有報導稱 Meta 智慧眼鏡在未經當事人知情的情況下拍下私密場景。歐盟《一般資料保護規則》（GDPR）嚴格要求，在蒐集與處理個人資料以訓練人工智慧前，必須提供清楚資訊並取得明確同意。此外，若要把歐洲使用者的資料出口到未獲適足性認可（adequacy recognition）的國家，必須具備額外的合約保障措施，而目前作為 Meta 外包基地的肯亞，就是未獲適足性認可的國家。

為此，負責監督 Meta 是否遵守 GDPR 的愛爾蘭資料保護委員會（Irish Data Protection Commission）已接獲通報並介入了解。同時，這起事件還引發了更廣泛的政策角力：歐盟議員們正呼籲執委會審視即將推出的「數位綜合草案」（Digital Omnibus package），因為批評者擔憂，該法案可能會為了促進 AI 發展而放寬資料使用規則，反而在此敏感時刻稀釋了現有的隱私保護屏障。曾多次控告 Meta 的隱私倡議組織 NOYB 更警告，一旦私人素材被餵給 AI 模型，使用者實質上就永遠失去了對資料的控制權。

然而，歐洲監管體系面對的，還不只是資料蒐集與跨境傳輸本身，當智慧眼鏡進一步加入臉部辨識能力，風險也從個人隱私延伸到公共空間。

當智慧眼鏡開始認人：風險從個人隱私擴大到公共空間

另一方面，《The Verge》專欄文章指出，Meta Ray-Ban 智慧眼鏡配有前置相機與鏡片顯示功能，其低調、不顯眼的外觀讓人難以察覺它具備錄影功能，這使其成為一種「新型態的竊聽器」（novel kind of a wiretap）。另外，這款眼鏡即將推出的新功能「Name Tag」，更會利用臉部辨識來識別使用者在現實世界中看到的人。

《The Verge》也引述《紐約時報》檢視的一份內部備忘錄表示，Meta 內部刻意選在一個「動態政治環境」中推出這項極具爭議的功能，因為他們預期那些原本會出面抵制的公民社會團體，資源正被其他更迫切的政治與政府監控議題給分散。

《The Verge》尖銳地評論，走在公共空間並不代表民眾同意讓隨便一個陌生人蒐集自己的臉部資料與姓名，這將讓人們在進出猶太教堂、同志酒吧或墮胎診所時，面臨被肉搜或騷擾的巨大風險。更令人擔憂的是，當這副眼鏡在全球收集他人的行蹤與身分資料並傳回 Meta 的中央伺服器後，這些龐大的資料庫極易被政府單位索取，淪為國家監控與種族針對的工具。

Meta 智慧眼鏡爭議真正揭露的，不只是單一產品的隱私漏洞，而是 AI 穿戴裝置正把資料蒐集、人工審查、跨境傳輸與公共空間辨識風險，壓縮進同一個日常入口。當科技公司愈想讓裝置「更懂你」，治理機制是否跟得上，將成為下一波 AI 競爭的關鍵分水嶺。

＊本文開放合作夥伴轉載，參考資料：《Svenska Dagbladet》、《Dig.Watch》、《The Verge》，首圖來源：Meta

加密貨幣交易所 Kraken 終於跨過了加密產業多年來夢寐以求的門檻：直接接入美國聯準會（Fed）的核心支付基礎設施。《CryptoSlate》將此舉形容為「一場更大政策轉向中的試點」，因為聯準會目前正試圖定義一種「更窄版」的央行接入模式，也就是允許特定機構連接關鍵的清算服務，卻不必然賦予其傳統 Fed 帳戶的完整權益。

Kraken 的案例之所以挑動傳統金融與監管的敏感神經，是因為長久以來，聯準會主帳戶（master account）不僅是央行貨幣清算的專屬入口，更是美國金融體系中最具分量的接入特權。近年，隨著新型態銀行特許模式的興起，監管機構被迫面對更棘手的核心問題：非傳統金融機構究竟能不能直連聯準會？如果可以，權限又該開放到什麼程度？在川普政府誓言讓美國成為「世界加密首都」的政策氛圍中，這項核准被支持加密產業的共和黨參議員 Cynthia Lummis 形容為數位資產史上的「分水嶺」。

Kraken 拿下 Fed 主帳戶，成首家直連支付基礎設施的加密銀行

Kraken 於 3 月 4 日正式宣布，旗下獲懷俄明州特許的銀行 Kraken Financial 已成功取得聯準會的主帳戶（master account），成為美國史上首家直接接入 Fed 支付基礎設施的數位資產銀行。

這項歷史性的核准意味著，Kraken 未來能直接透過 Fedwire 等核心支付軌道清算美元，徹底擺脫過去對傳統中介銀行（sponsor banks）的依賴。Kraken 強調，這種直連模式不僅能大幅降低營運成本與系統複雜度，更能讓機構客戶以更快、更高效率的方式調度法幣資金。

然而，這項特權並非毫無限制。根據聯準會的確認，Kraken Financial 此次是以「第三級（Tier 3）」實體的身份獲准，取得的僅是初始期限為一年的「限制用途帳戶（limited-purpose account）」。

面對這項帶有條件的核准，Kraken 採取了穩健的推行策略。官方表示，服務將以「分階段（phased rollout）」形式上線，初期將集中資源促進機構客戶的交易活動，後續才會在與監管機構的密切協調下，逐步將直連功能整合至母公司 Payward 更廣泛的基礎設施中。

為何加密產業想直連 Fed？要掌握美元流動主導權

《CryptoSlate》分析，大多數加密公司的美元支付目前仍依賴少數幾家合作銀行來提供接入更大金融體系的管道。這造成一個結構性的弱點：當這些傳統中介銀行改變風險偏好、面臨監管壓力，或是決定降低對加密客戶的曝險時，即便市場需求依然強勁，加密交易所與穩定幣公司也可能瞬間失去關鍵的支付通道。

這種情況在監管審視趨嚴或銀行業面臨壓力期間反覆發生，導致許多加密公司在最基本的美元流動上依然高度依賴中介機構。因此，「直接清算（direct settlement）」不僅能大幅降低對中介的依賴，更讓 Kraken 得以直接參與平均每日處理超過 4 兆美元資金移轉的 Fedwire 關鍵跨行支付系統。對 Kraken 而言，這將顯著提升美元支付的速度、韌性與可預期性，並將過去容易受外部干擾的營運控制權收回自己手中。

Kraken 共同執行長 Arjun Sethi 表示，這套架構未來可能支撐法幣與加密資產的「原子結算（atomic settlement）」、機構級現金管理與數位資產託管的整合，以及在完全受管制的框架內建立可程式化的金融產品，並強調：「這正是加密基礎設施成熟並轉變為核心金融基礎設施的真實模樣。」

銀行業警報大作：Fed 放行 Kraken 踩中監管未定紅線

然而，這項歷史性的核准立刻引發傳統金融界的強烈反彈。《Decrypt》報導，多個銀行業遊說與貿易團體抨擊 Fed 的決定，認為此舉不僅風險極高，更可能違反了 Fed 自身的既定政策。

爭議的核心，在於這份帳戶的「特殊性」與審核時機。《Decrypt》指出，Kraken 取得的主帳戶在部分權益上受到限制，這與聯準會去年提出、旨在讓創新銀行快速通關的「瘦身版主帳戶（skinny master account）」概念如出一轍。

不過，這個瘦身版主帳戶的政策框架根本還沒定案。《DL News》引述代表華爾街巨頭的「銀行政策研究所（BPI）」聲明，表示對 Fed 董事會尚未完成「瘦身版帳戶」框架前，就「偷跑」核准限制用途帳戶感到「深感憂慮」。BPI 更嚴厲批評，此舉不僅忽視公眾意見、作業欠缺透明度，更直接違反 Fed 在對支付系統進行重大變更時，理應尋求公眾意見的既有原則。

除了程序爭議，傳統銀行更擔憂實質的金融安全問題。獨立社區銀行家協會（ICBA）執行長 Rebeca Romero 警告，將 Fed 帳戶的直接接入權擴大到傳統銀行監管框架之外的機構，將帶來「重大風險」。因此，Rebeca Romero 強烈呼籲，聯準會應繼續堅守底線，將主帳戶的接入權限縮在符合金融服務業最高標準的機構。

此外，銀行業與加密產業目前正陷入激烈的政治與立法角力。傳統銀行擔憂，新簽署的《GENIUS Act》中的漏洞會讓加密交易所能對客戶持有的穩定幣支付利息，進而搶走銀行的資金。因此，銀行正積極遊說，試圖在另一項加密監管法案《CLARITY Act》的協商中施壓防堵，在這樣的背景下，當 Kraken 在此敏感時機取得主帳戶，無疑讓雙方早已緊繃的關係雪上加霜。

Fed 開了窄門，下一步看 Kraken 模式能否複製

未來，《CryptoSlate》分析，由於聯準會已明言「支付帳戶（Payment Account）」原型並不會改變法律上的資格門檻，因此「一般金融科技（fintech）公司突然大規模取得央行直接接入權」的極端情境，目前看來仍不太可能發生。

在這樣的背景下，《CryptoSlate》強調，產業下一階段的觀察重點將從「審核過程」轉移到「實際運作狀況」。對 Kraken 而言，首要考驗是其一年期、限制用途的帳戶未來能否順利獲得續期，以及該帳戶未來的適用範圍是否會進一步擴大。至於對整個加密產業來說，最關鍵的核心問題在於這個模式「能否被複製」。

Kraken 這次獲得 Fed 核准的背後，是一場攸關美國支付體系未來的「政策實驗」。如果這套模式運作順利並能滿足監管要求，將有力地強化「讓少數受監管、以支付為核心的機構直接在 Fed 支付軌道上清算」的論點；反之，若運作不如預期，則可能加深監管疑慮，進而鞏固「央行接入權應緊密連結傳統銀行」的保守主張。

＊本文開放合作夥伴轉載，資料來源：《WSJ》、Kraken、《Decrypt》、《DLNews》、《CryptoSlate》，首圖來源：Unsplash

為了進一步提升汽車製造的生產力，小米自主研發的人形機器人近期正式走出實驗室，進駐自家的電動車工廠展開產線試用。

今年 3 月初，小米執行長雷軍與總裁盧偉冰先後對外證實這項部署行動。雷軍透過社群平台發文宣布進展，而盧偉冰則在近日舉行的世界行動通訊大會（MWC）接受外媒採訪時，透露更多細節。雖然這標誌著小米機器人進入真實工業場景的關鍵一步，但盧偉冰也澄清，這些機器人現階段「還稱不上是在做正式工作，反而更像是產線上的實習生」。

小米機器人可自主運作 3 小時、包辦產線 90% 工作量

在實際的產線考核中，小米的人形機器人展現出高度的自主作業能力。這些機器人能在「完全無人類介入」的情況下，連續自主運作達三個小時，且在兩台機器人的協作下，即可包辦產線上 90% 的工作量。除了搬運物料箱、撕除保護膜以及安裝車身廠徽等多樣化任務外，機器人更擔綱核心的自攻螺母安裝作業。

《南華早報》描述，在具體的車輛壓鑄車間安裝工位上，機器人會從自動供料裝置精準拾取自攻螺母並放置於定位夾具，接著配合滑帶輸送與自動定位，將其緊固至一體化壓鑄的車底板指定位置。在這項「雙側同步安裝」任務中，機器人的成功率高達 90.2%，且整個鎖付工序能在 76 秒內精準完成，完美契合產線需求。

然而，將機器人導入產線並非易事，小米總裁盧偉冰直言：「將機器人整合進我們的生產線，最大的挑戰是讓它們跟上節奏。」為了達成這樣的產線效率，機器人必須克服多項技術難題，主要的挑戰包含與定位銷的精準對位，以及螺母內部的花鍵結構差異、非固定的抓取姿態，再加上磁力干擾等因素，這些都大幅提高組裝的複雜度與抓取穩定性。

端到端聯合訓練：讓機器人少靠人工資料、快速從環境學習

為了解決複雜的裝配問題，小米採用了端到端（end-to-end）、資料驅動的聯合訓練架構，這項技術不僅大幅減少對人工訓練資料的依賴，更賦予機器人從環境中快速學習與適應的能力。

在底層核心上，雷軍指出機器人的進展建立在名為「Xiaomi-Robotics-0」的通用型視覺-語言-動作（VLA）基礎模型之上，《南華早報》更進一步補充，除了這個具備 47 億參數的 VLA 模型，小米還搭載專屬的觸覺微調模型「TacRefineNet」，使機器人能在不依賴視覺或物件 3D 模型的情況下，單憑觸覺感知就能完成精密的裝配作業。

在全身控制系統方面，小米機器人融合了視覺、觸覺與關節位置感知等多模態輸入，有效降低在複雜情境下發生誤判的機率，進而提升整體操作的穩定性。為了精準控制機器人的全身運動，小米採用混合系統，其中「傳統最佳化控制（optimization-based control）」模組的更新頻率低於一毫秒，確保機器人的即時反應能力。同時，系統結合的「強化學習（reinforcement learning）」技術，則是讓機器人事先在虛擬環境中經歷數以億計的干擾模擬訓練，這項突破讓機器人不僅能在極端條件下維持平衡，還能把在虛擬模擬中學到的技能直接轉移至真實世界的實體機器人身上，完全無需進行額外的重新訓練。

目標五年內大量進廠，小米看好人形機器人開啟「兆元級市場」

關於未來的部署計畫，小米目前仍在其他生產站點持續進行部署與驗證測試。小米執行長雷軍透露，包含平均故障間隔時間（MTBF）與單一任務成功率等關鍵績效指標都在穩定改善中，未來雷軍預期五年內將有「大量」的人形機器人進駐小米工廠，不過官方目前尚未公開具體的部署數量、單機成本或更詳細的時間表。此外，雷軍的佈局也不僅止於工廠，他更計畫未來將人形機器人的應用延伸至家庭場景，並看好這將開啟一個全新的「兆元級市場」。

這次，小米的「機器人實習生」也凸顯中國企業在投資與提升機器人能力上的驚人速度，例如電動車廠小鵬汽車（XPeng）與智慧型手機品牌榮耀（Honor）都已相繼投入研發或推出自家的機器人產品，中國機器人新創企業 Galbot 與 Noetix Robotics 近期更分別獲得 25 億與近 10 億人民幣的鉅額融資，顯示資本市場對此領域的高度關注。

在這波車廠與科技公司加速實地驗證的浪潮中，小米把這些人形機器人定位為產線上的「實習生」，也凸顯接下來的關鍵，可能不只是在於是會不會走、能不能表演，而是能否在真實生產節奏下長時間穩定運作，並把成功率持續拉高，同時逐步擴張到更多工位與站點。因為當這些指標開始能被量化與複製，人形機器人才算真正跨過進入生產現場的門檻。

＊本文開放合作夥伴轉載，參考資料：《CNBC》、《SCMP》、《Interesting Engineering》、《TechNode》，首圖來源：小米

《The Information》報導，OpenAI 正在縮減將購物直接整合至 ChatGPT 內部的計畫，這標誌著在聊天機器人內部推動結帳的策略發生改變。

OpenAI 發言人表示，公司不再允許使用者直接從 ChatGPT 搜尋結果顯示的商品列表中進行購買，而是專注於讓結帳流程在「接入 ChatGPT 的特定 App」內完成。一位熟悉該專案的知情人士指出，OpenAI 團隊發現，儘管使用者會在 ChatGPT 內研究想買的商品，但他們實際上並未使用 ChatGPT 來協助完成購買。因此，站內結帳的推進速度與規模，都沒有如 OpenAI 先前預期般擴張。

AI 購物還在試水溫：商家觀望、消費者願不願意付款仍未知

報導指出，目前只有少數商家透過 ChatGPT 內部的結帳功能來銷售商品。Shopify 總裁 Harley Finkelstein 在投資人會議上表示，在與 Shopify 合作的數百萬商家中，目前只有「約一打」正透過 AI 工具進行銷售。 

要讓聊天機器人取得準確資訊，商家的價格、庫存狀態等產品資料，都需要標準化並且持續更新，同時商務與支付公司也需要建立防護機制，以避免 AI 發起詐欺或錯誤的交易。此外，OpenAI 自身的基礎配套也是卡關原因之一，像是 OpenAI 先前必須親自協助，才能讓這少數使用結帳功能的商家完成上線運作，且截至 2 月，OpenAI 尚未建立系統來蒐集與繳納州銷售稅，若未來購物交易量起飛，這將是不可或缺的準備工作。

更廣泛地來看，一些商家對 AI 購物功能一直抱持戒慎態度，而購物者是否願意透過 AI 聊天完成付款也仍是一個未知數。

ChatGPT 結帳踩煞車後，OpenAI 把賭注押向廣告變現

《The Information》指出，ChatGPT 結帳策略的轉向，也提高 OpenAI 近期啟動廣告業務的賭注，因為這也是該公司從多數不付費的 ChatGPT 用戶群體身上產生顯著收入的另一個主要機會。

《The Information》報導，OpenAI 已與上市的廣告科技公司 The Trade Desk 進行早期合作洽談，以尋求協助銷售廣告。這些洽談顯示在 2 月初於 ChatGPT 推出廣告的 OpenAI，初期將仰賴外部夥伴協助其銷售廣告並快速擴大業務，並由 The Trade Desk 提供了一個自動化平台，讓廣告主能大規模投放廣告，同時提供技術以鎖定廣告目標與衡量成效。

OpenAI 預估，今年能藉由廣告協助其消費端 ChatGPT 業務營收翻倍至 170 億美元，至於 OpenAI 的最終計畫，是將廣告技術功能自建於內部，這將使其更符合 Meta Platforms 與 Google 等最大型數位廣告銷售商的模式。目前，OpenAI 也正與其他品牌、媒體代理商與廣告科技公司洽談早期廣告試點，例如近期便宣布與知名的廣告科技公司 Criteo 建立合作夥伴關係以接觸新廣告主。

在 OpenAI 調整結帳路線、並把變現重心推向廣告之際，其他聊天機器人也開始推出新功能，要卡位 AI 時代的商品搜尋與導購入口。

Meta 推新功能要對標 ChatGPT 與 Gemini

近日，《彭博社》則報導，Meta 正在其 AI 聊天機器人中測試一項「shopping research feature」功能，以對標 OpenAI 的 ChatGPT 及 Google 的 Gemini 。這項允許提出商品建議請求的功能，正向部分使用 Meta AI 網頁瀏覽器的美國用戶推出。

Meta  AI 聊天機器人會以商品圖片輪播的形式回覆，圖像說明包含有關品牌、網站與價格的資訊，並會以條列方式提供簡短的推薦解釋。《彭博社》在測試該功能時發現，當要求尋找羽絨外套時，Meta AI 的回覆引用作者在紐約的位置，並提供女性羽絨外套的選項。不過，Meta 的聊天機器人內部沒有提供結帳或付款選項，但使用者可以點擊商家連結繼續瀏覽。

針對這項新功能，Meta 發言人拒絕回覆是否會因推薦而向商家收取導購佣金，也不願評論 Meta AI 是否會「優先推薦」已經在 Facebook 或 Instagram 上投放廣告的品牌。不過，這項測試正呼應了執行長 Mark Zuckerberg 的願景，他在 1 月的財報會議上也直言，全新的「代理式購物工具（agentic shopping tools）」將讓人們能從其目錄商家中，精準找到真正切合需求的特定商品。

當 OpenAI 把「站內結帳」轉進 App、又同步加速廣告變現，透露 AI 購物的下一階段，可能不是直接吃下電商交易閉環，而是先成為更強的「商品搜尋與導購入口」。另一方面，Meta 也用購物研究工具跟進，提供個人化推薦與商家連結，但同樣不做站內付款。這兩條路線都指向同一件事：廣告與導購，將更可能成為 AI 率先兌現的商業模式。

＊本文開放合作夥伴轉載，參考資料：《The Information》1、《The Information》2、《Bloomberg》，首圖來源：Unsplash

OpenAI 近日推出 GPT-5.4，不只強調在推理、編碼以及專業工作上的進展，更首度具備「原生電腦操作能力」。

《The Verge》指出，GPT-5.4 可以代表使用者操作電腦，並在不同應用程式之間完成任務，這意味著 OpenAI 想推進的不只是更會回答問題的聊天模型，而是更接近能在軟體與網路環境中執行複雜工作的 AI Agent。這次更新，也被視為 OpenAI 在職場 AI 競賽中的一次重大突破。

為滿足不同層級的需求，這次更新共釋出三種版本：包含一般通用標準版、擅長延長思考與多步驟推理的「GPT-5.4 Thinking」，以及專為極端複雜且高負載任務設計的「GPT-5.4 Pro」模型。

涵蓋 Excel、文件、跨工具操作，GPT-5.4 瞄準知識工作場景

《The Verge》指出，GPT-5.4 最關鍵的突破，在於它是 OpenAI 首個具備「原生電腦操作」（native computer use）能力的通用模型。這代表 GPT-5.4 不再侷限於對話框內的文字生成，而是能代替使用者實際操作電腦，並跨越不同應用程式執行任務。

更具體地說，GPT-5.4 能夠編寫程式碼來操作電腦，並根據螢幕截圖直接發出鍵盤與滑鼠指令。這種原生內建的能力，也意味著開發者在建立自動化流程時，不再需要依賴外掛式的特製代理框架，進一步降低系統整合的複雜度。

為了讓這項能力真正落地，OpenAI 也同步將 GPT-5.4 導入 API、開發者工具 Codex 與 ChatGPT。這凸顯出這次更新已不只是單一產品的功能強化，而是同時面向開發者與一般使用者的整體生態佈局。為了支撐這個生態系，OpenAI 也在 API 與 Codex 中導入高達 100 萬 token 的上下文視窗，讓 AI 代理能在更長的時間跨度中規劃、執行與驗證任務，而不必依賴傳統的檢索式變通方案。

在具體工作場景上，這樣的轉變也已經開始浮現。《Axios》報導，OpenAI 這次除了更新模型，也推出了能讓 ChatGPT 直接在 Excel 與 Google Sheets 中工作的工具。報導指出，OpenAI 將 GPT-5.4 描述為一個更少出錯、更有效率且更適合起草文件的模型。同時，OpenAI 也表示，GPT-5.4 可以用更少的嘗試次數與更少的來回修改來建立檔案，並以更少的 token 解決問題。

此外，GPT-5.4 是與 Microsoft Excel、Google Sheets 的 financial plugins 一起推出，讓這次更新更明確對準知識工作與專業工作場景。這次更新，之所以被視為 OpenAI 在職場 AI 競賽中的一次重大突破，是因為 OpenAI 同步推出可以讓 ChatGPT 直接在 Excel 與 Google Sheets 中工作的工具，直接對 Google 與 Anthropic 施壓。

對 Anthropic 直接出手，GPT-5.4 正面卡位高階知識工作

在快速演進的 AI 功能競賽中，GPT-5.4 的推出讓 OpenAI 得以持續對 Google 與 Anthropic 施壓，特別是在競爭激烈的工作場域。

過去，Anthropic 在企業客戶領域一直占上風，但 OpenAI 這次把 Excel、Google Sheets、文件起草和多步驟工作流全部整合進 GPT-5.4，展現搶占整個企業工作市場的企圖心。

為了深化這項佈局，OpenAI 不僅引進 FactSet、MSCI、Third Bridge 與 Moody’s 等重量級金融數據合作夥伴，試圖將市場資訊與企業內部數據整合進單一工作流，更針對高階知識工作推出可重複使用的「Skills」功能，專門自動處理財報預覽、現金流折現分析（DCF）與投資備忘錄起草等任務。

這項直攻高階知識工作的策略在效能數據上得到印證：在針對初階投資銀行分析師的試算表建模內部基準測試中，GPT-5.4 的平均得分高達 87.5%，遠勝過前一代的 68.4%。此外，GPT-5.4 也在專門評估投行、顧問與企業法務等長期專業任務的 APEX-Agents 基準測試中奪下榜首。

這項直攻高階知識工作的策略，也同時引發市場對傳統 SaaS 軟體與金融數據供應商可能被取代的擔憂，更與 Anthropic 先前推出的金融服務解決方案與 Cowork 外掛形成了正面對決。正因如此，《Fortune》形容 GPT-5.4 是 OpenAI 迄今最強的企業工作模型，同時也是「對 Anthropic 的直接出手」。

GPT-5.4 更接近 AI Agent 平台，但仍要面對 Google 與 Anthropic 夾擊

因此，GPT-5.4 不只是一個「新版本模型」，更是 OpenAI 所描繪「代理化未來」（Agentic Future）的一環，也就是由一組 AI 代理在背景自動運作、完成複雜工作。從這樣的產品設計可以看出，AI 的角色正從「單次回應的聊天機器人」，轉向能夠維持狀態（keeping state）、編排多種工具，並執行多步驟工作流（multi-step workflows）的獨立系統。

GPT-5.4 確實讓 OpenAI 更接近「工作代理」與 AI Agent 平台的方向。OpenAI 指出，GPT-5.4 在網頁瀏覽器操作、工具與 API 調用上都有提升，也更能在多輪互動中持續搜尋多個來源，找出最相關的資訊，更引入原生電腦操作、高達 100 萬 token 的 context window，以及重新設計的 tool-calling system。這些升級都顯示，OpenAI 正把模型從單純的問答工具，推向更能執行複雜任務的工作型 AI。

不過，這場競爭還沒有定局。《The Next Web》指出，GPT-5.4 雖然在桌面電腦操作與專業知識工作任務上看起來占有優勢，但 Google 的 Gemini 3.1 Pro 仍在抽象推理能力的評估上領先，且具備更大的上下文視窗與更低的價格。因此，GPT-5.4 是否真的能擋下 Anthropic 與 Google，仍然沒有定論。

GPT-5.4 確實展現更完整的 Agent 能力，也清楚顯示 OpenAI 正持續朝電腦操作與專業工作應用深入，究竟 OpenAI 能不能靠這一步突破競爭重圍，仍有待市場驗證。

＊本文開放合作夥伴轉載，參考資料：《The Verge》、《Axios》、《VentureBeat》、《Fortune》、《The Next Web》、OpenAI，首圖來源：OpenAI

在 AI 的蓬勃發展帶動下，工業網通基礎設施的角色，也出現關鍵變化。四零四科技（Moxa）今（3/6）舉辦「工業網通迎 AI 實體化商機」新春媒體聚會，由 Moxa 亞太區總經理林世偉分析 2026 年對製造業、能源與交通等三大經營主軸的趨勢，以及 Moxa 在工業網通、資安服務與人才培育上的新布局。

製造業與半導體：國安級別擴張與 Edge AI 落地

「在製造業板塊中，我們特別把半導體拉出來，因為大家應該可以理解，半導體現在已經上升到國安議題，」林世偉強調，隨著半導體供應鏈在全球急速擴張，不僅晶圓代工廠持續拓展，後端製程也連帶讓東南亞等地成為高科技產業發展的重鎮。

面對如此龐大的產業擴張與生產需求，智慧製造的進程勢必加速，而 AI 的落地應用便成為首要關鍵。林世偉表示：「現在重點談的第一個就是機器人，機器人是 AI 的實際載體。」他預期從 2026 年開始，這類實際載體在工業領域的應用將會越來越普遍，儘管多數不一定是人形機器人，但它們將在工廠內部大量取代重複性高的作業。

然而，要讓這些機器人與自動化設備發揮最大效能，運算大腦必須從雲端走向生產現場。林世偉指出，有別於目前多數在雲端運作的 AI，工廠真正具備生產能力的核心在現場與製程，這也是為什麼目前所有 OT 廠商正急速發展 Edge AI 的原因。「邊緣 AI 不只是運算，更關鍵的是如何連結所有邊緣資料，」林世偉分享，這正是 Moxa 持續精進的發展重點。

為了無縫串聯這些邊緣資料、支撐 AI 龐大的傳輸量，並達到低延遲與高穩定性的要求，如 Wi-Fi 6、Wi-Fi 7 或 5G 專網等工業無線通訊技術的導入，便顯得至關重要。林世偉強調，在 AI、邊緣運算與先進無線通訊的交織下，未來工廠將能從傳統的固定式產線，轉向靈活部署的「細胞製造」模式，產品的品管也將從傳統的最終評鑑，推進到製程各階段的全面檢測，進而逐步實現「數位線程（Digital Thread）」的先進製造藍圖。

Moxa 要當 AI 落地的數位神經系統

談及 AI 實體化的落地應用場景，會中也特別邀請所羅門資深協理鍾毓修與 Moxa 台灣區負責人劉孟迪進行深入對談。鍾毓修分享，機器視覺的發展現已具備超越人類的優勢，能像望遠鏡與放大鏡般自由縮放，成為機器設備強大的「眼睛與大腦」。特別是結合視覺與大型語言模型的「VLA（Vision-Language-Action）」技術，更賦予機器人宛如人類般的「超眼力」，讓機器人能先進行大範圍的線索導航尋找目標，再執行精細的近端作業。

這樣的視覺進化，不僅將 AI 的應用場景從傳統製造業產線，廣泛延伸到物流倉儲的理貨、餐飲業的防呆核對，甚至是無人機巡檢等「百工百業」，更連帶使得工廠邊緣運算的資料型態，從過去單純的機台感測數據（OT Data），大幅轉變為龐大且複雜的動態影像。

面對當前與未來 AGV 和各式移動載具帶來的雲、地混合資料流挑戰，劉孟迪形容：「如果所羅門提供的是眼睛與大腦，Moxa 扮演的便是串接全場的『數位神經系統』。」他進一步指出，要支撐龐大的影像資料傳輸，工業無線通訊必須克服工廠內各種大動力設備的干擾，以及跨區漫遊時的斷線風險。因此，唯有將無線通訊做到真正的「穩跟準」，才能確保移動載具在看見表頭或設備有異狀時，能即時回傳中控室並立刻採取行動，成為 AI 實體化落地的堅實後盾。

能源韌性與軌道自主雙線並進，Moxa 鎖定關鍵基礎建設布局

除了製造業之外，在 Moxa 的第二大主軸能源板塊方面，由於 AI 的蓬勃發展需要龐大能源作為後盾，因此這也直接帶動電力與能源基礎建設的循環需求。

然而，能源系統的擴張也伴隨著嚴峻的風險。林世偉特別提醒，電力與能源系統的穩定直接牽涉到國安防護。他強調，若關鍵基礎設施遭逢攻擊而導致停電，「基本上就沒有什麼好反抗」，因此全面提升電力系統的資安防禦能力，已是現階段極為重要的一環。

同樣攸關國家韌性，且屬於關鍵基礎建設核心的一環，還包括軌道交通系統。作為國家經濟命脈，台灣近兩年正積極推動列車控制與管理系統（TCMS）國產化，預計將於 2026 年進入實際測試階段，而 Moxa 也是這項重要專案的其中一員。這不僅將是台灣軌道交通 70 多年來首個自主研發的控制系統，更是台灣軌道交通技術發展的重要里程碑。

從智慧可控網路到資安人才培育，Moxa 布局 2026 工業網通新方向

綜合製造、能源與交通等場域需求，Moxa 也進一步勾勒出 2026 年工業網通的發展重點。「我們基本上把原來網通的邏輯，從比較像是『連起來』，變成加入很多智慧或是 AI，讓無線的彈性跟變化範圍可以更大，但是可控的範圍也更大，」針對 2026 年的工業網通發展，林世偉指出，未來的無線網路部署不僅具備高度靈活性，同時也應該確保更高程度的「可控性」，這也會是 Moxa 在 2026 年的主要發展重點。

另一方面，面對日益嚴峻的全球資安規範，林世偉強調「資安現在已經變成生存題」，為此 Moxa 大力推廣被業界視為「所有資安標準聖經」的 IEC 62443 資安標準，同時，Moxa 更進一步轉型提供顧問服務，協助客戶「了解整體系統上需要考量的資安斷點」，進而協助製造機台與系統客戶順利取得相關認證。

展望未來，Moxa 將更致力於知識傳遞與教育訓練。林世偉表示，Moxa 除了幫客戶建置系統，「我們也希望客戶可以有這個知識能力，在不同的產業培養懂網路、懂資安的人才，這是我們 2026 年很重要的一個方向。」對 Moxa 而言，2026 年的走向不只在技術部署，更在於把網通、資安與人才，真正轉化為產業落地的長期韌性。

當波斯灣各國正押注資料中心、晶片與雲端基建，想把自己推上全球 AI 強權行列，近期爆發的伊朗戰事，卻先讓這套算力擴張模式面臨嚴峻的現實考驗。

隨著阿拉伯聯合大公國與巴林的商業資料中心遭無人機攻擊，也讓商業資料中心首度被推上戰爭前線，同時外界開始重新評估：當 AI 基礎設施成為高價值目標，波斯灣逾 3,000 億美元的 AI 投資計畫，是否還能沿著原本的路徑推進？更直接的衝擊是，這場衝突也正在改寫整個區域 AI 基建的風險模型與成本公式。

商業資料中心首次成為攻擊目標，波斯灣 AI 基建風險瞬間升高

首先，在伊朗戰爭期間，伊朗的 Shahed 136 無人機與自殺式無人機襲擊亞馬遜（Amazon）在中東的三座 AWS 資料中心，位於阿聯的兩座直接遭受打擊，在巴林的資料中心則遭受波及。

《The Guardian》表示，這是商業資料中心首次成為戰火攻擊目標。伊朗國家電視台與伊斯蘭革命衛隊（IRGC）隨後也宣稱對此次攻擊負責，並表示這項舉動是為了確認這些設施在支援軍事與情報活動中的角色，以及不滿 Amazon 對美軍活動的支援。此外，IRGC 也稱將微軟的基礎設施列為目標，不過微軟隨後澄清其在中東地區的資料中心仍正常運作。

這場針對商業資料中心的軍事行動產生立即性的民生衝擊，例如杜拜與阿布達比有數百萬人醒來後，發現無法使用叫車與外送平台 Careem，也有多家銀行應用程式出現當機。《The Information》指出，針對 Amazon 這三座資料中心的攻擊，將使這些原本快速推進的龐大 AI 與雲端基建計畫，突然顯得危機重重。

更關鍵的是，這次攻擊衝擊的不只是短期服務中斷，而是波斯灣近年以資料中心、晶片與雲端基建打造 AI 強權的整體敘事。

波斯灣豪擲 3,000 億美元躋身 AI 強權，戰爭卻讓 AI 夢開始鬆動

《The Information》進一步指出，伊朗戰爭正讓波灣國家原本計畫投入超過 3,000 億美元在資料中心、晶片與其他 AI 投資的規畫，變得日益複雜。

目前，阿聯與沙烏地阿拉伯已成為資料中心的重要目的地，當地企業正與 xAI、OpenAI、Microsoft、Amazon、Oracle 與 Google 等美國科技巨頭一同推進相關專案。這波投資熱潮不僅是因為波斯灣國家擁有充沛的低價電力與龐大主權財富基金支持，另一方面，美國為了防堵中國技術滲透中東，近期甚至放寬對中東地區的高階晶片出口限制，進一步促成這些合作。

在基礎設施的建置與資金規模上，《Business Insider》引述資料中心情報公司 DC Byte 數據指出，中東目前約有 4.5GW 的資料中心容量，另有 1.7GW 正在建置中，且多數規畫容量高度集中於沙烏地阿拉伯與阿聯。為了支撐這些設施，沙烏地王儲計畫在短期內豪擲 500 億美元購買半導體，阿聯則編列 300 億美元預算購買 NVIDIA 晶片。

這些鉅額資本催生多項史無前例的巨型專案。《The Information》報導，阿聯正規畫區域內最大的資料中心園區，面積達 10 平方英里、耗能可達 5GW；其中，OpenAI 與 Oracle 將在該園區的 Stargate 專案營運 1GW 的晶片容量，OpenAI 甚至預期該園區未來可服務全球一半的人口。同時，沙烏地阿拉伯也計畫在 2034 年前建成總耗能達 6.6GW 的資料中心，馬斯克（Elon Musk）的 xAI 也正與 Humain 合作開發一座耗能達 500MW 的設施。

然而，現在伊朗戰火已經對波斯灣地區作為「AI 超級強權」（AI Superpower）的前景帶來疑問，這波針對下一代基礎設施的攻擊，也代表新的威脅，正在挑戰那些為了跟上 AI 浪潮而在中東投入數十億美元的企業。IDC 分析師 Stephen Minton 警告，儘管短期內區域支出可能持續，但如果衝突持續數月甚至更久，部分 AI 投資將無可避免地出現破壞性的暫停。

從政治暴力保險到高利率，波斯灣 AI 基建成本正被戰爭重寫

如果說無人機攻擊改寫的是 AI 基建的風險認知，那麼保險、融資與建置成本的上升，則讓這套算力擴張模式面臨更直接的現實壓力。

隨著伊朗戰事升溫，波斯灣地區的資料中心、能源專案、管線、港口與飯店等資產持有者，正大量購買政治暴力與恐怖主義保險，以降低戰爭、恐攻、飛彈攔截碎片與社會動盪帶來的曝險。《Financial Times》指出，相關詢問本週已達數百件，且多來自被視為更易遭直接攻擊的西方企業。另一方面，《The Information》則指出，若衝突延長，油價上漲、通膨與利率攀升，將進一步推高資料中心的建置與融資成本。

當資料中心成為高價值目標，AI 基建競爭開始比拚防禦與韌性

隨著資料中心成為全球經濟的新基石，防禦思維也正被迫經歷根本性的轉型。《Business Insider》引述戰略與國際研究中心（CSIS）專家 James Lewis 指出，如同過去的鐵路與蒸汽機，資料中心與光纖已成為現代經濟的新基礎設施。他強調，資料中心運作時會產生明顯的熱訊號（heat signature），在戰場上根本無法被隱藏，因此接下來的關鍵在於：「你能否將其加固？能否進行防禦？這是我們過去因為不曾需要，而從未思考過的問題。」

這種實體防護的需求，已遠遠超出傳統的資安範疇。《The Guardian》引述曾在拜登政府任職的 AI 與技術競爭專家 Chris McGuire 指出，過去外界對資料中心的保護多半停留在「增派警衛與加強網路安全」，但如果中東還要大規模擴建資料中心，就必須更嚴肅地思考保護方式，這甚至意味著「資料中心需要配備飛彈防禦系統」。

軍事打擊除了凸顯防禦硬體的需求，也暴露出基礎設施在地理配置上的脆弱性。Zephr.xyz 執行長 Sean Gorman 指出，這類針對關鍵基礎設施的「不對稱戰爭（Asymmetric warfare）」，能藉由擾亂公共安全與經濟活動對敵方施壓。他進一步點出，儘管阿聯擁有中東最多元的海底電纜，但許多線路高度集中在東海岸的富吉拉（Fujairah），這在地理上形成一個容易受制於人的咽喉點。

針對這項痛點，《The Information》引述地緣政治顧問公司 Rihla Research and Advisory 執行長 Jesse Marks 表示，這場戰爭將迫使波灣國家重新思考資料中心該建在哪裡，甚至得重新評估核心基礎設施的地理位置。作為因應，負責沙烏地阿拉伯 AI 計畫的 Humain 執行長 Tareq Amin 強調，該公司已在沙烏地阿拉伯取得 211 塊土地，策略正是利用該國廣大的腹地，建立地理分散與多條光纖路徑的備援機制，以避免服務中斷。

這場衝突揭示的關鍵，不只是波斯灣 AI 擴張計畫會不會放慢，而是全球 AI 基建競賽的判準，正從「誰有土地、電力與資本」進一步升級為「誰能承受戰時風險、保護關鍵設施並維持韌性運作」。當資料中心從雲端時代的後勤設施，變成地緣政治衝突中的高價值目標，AI 強權的門檻也被重新定義。對波斯灣而言，這場戰爭不一定會終結「AI 夢」，但已經足以讓外界看清：未來決定算力版圖的，不只是投資規模，更是風險承受力與基礎設施韌性。

＊本文開放合作夥伴轉載，參考資料：《Business Insider》、《Financial Times》、《The Guardian》、《The Information》，圖片來源：AWS

近年，GPS 干擾已不再只是戰場上的電子戰手段，而是逐步外溢到航空、航運與區域交通秩序。當全球出現越來越多 GPS「死角」（dead zones），加上廉價干擾設備持續擴散，航空、航運與軍方也被迫重新面對 GPS 的脆弱性。這類干擾器體積可小如手機、價格不到 100 美元，卻足以淹沒衛星訊號，受影響區域也不限於單一戰區，從俄烏邊境、承載全球 20% 石油運輸的荷莫茲海峽到北歐機場，都已出現定位異常。

這樣的風險開始具體反映在交通與運輸現場。《Reuters》指出，中東戰事讓飛行員面對更危險的空域，威脅不只來自彈道飛彈與攻擊型無人機，也包括航路壓縮與 GPS 欺騙（spoofing）增加。自美國與以色列攻擊伊朗以來，波斯灣已有逾 1,100 艘船的 GPS 或 AIS 通訊受干擾，甚至在地圖上被錯誤標示到陸地或敏感設施附近。這也代表，GPS 不再只是理所當然的底層工具，而正變成全球商業與運輸系統必須重新評估的風險基礎設施。

GPS 與 AIS 失真讓荷莫茲海峽航運陷入高風險

《WIRED》指出，自美國與以色列在 2 月 28 日攻擊伊朗後，荷莫茲海峽這條狹窄但關鍵的石油運輸通道，航運幾乎陷入停滯。海事情報公司 Windward 執行長 Ami Daniel 分析，超過 1,100 艘在海灣地區運行的船隻，其 GPS 或 AIS 通訊技術都受到干擾，並發現約 21 個新的資料干擾熱點，數百艘船隻的航行軌跡甚至在地圖上呈現詭異的「繞圈」模式。

這些船隻在地圖上被錯誤顯示在陸地，甚至出現於核電廠附近，顯示導航與識別資料已經出現明顯失真。《WIRED》報導，至少有三艘油輪在這波衝突中受損，聯合海事資訊中心（JMIC）等單位甚至警告，在該區航行的船舶正面臨「臨界（critical）」等級的風險，這代表對航運業來說，當前的威脅不只來自飛彈與軍事打擊，也來自電子干擾對日常導航秩序的嚴重破壞。

「我們看到大量的 GPS 干擾，」Ami Daniel 強調，這使得「進出該區域變得非常危險」。《WIRED》解釋，干擾（jamming）會讓衛星導航訊號被壓制，導致定位數據無法使用，而欺騙（spoofing）則會製造假訊號，讓系統接收到錯誤的位置資訊。對船舶而言，錯誤的位置資料可能造成偏航，並大幅增加碰撞、擱淺與引發漏油事件的風險。

GPS 失序也把航空業變成高壓環境

航運之外，航空業也正承受類似的訊號失序與安全壓力。《Reuters》指出，中東戰事讓飛行員面對更危險的空域，威脅不只來自彈道飛彈與攻擊型無人機，也包括航路壓縮與 GPS 欺騙（spoofing）增加。

對航空而言，《Reuters》指出，無人機體積小且不易被偵測，機場的常規雷達也難以有效捕捉，且多數無人機不像一般商用飛機那樣，會透過應答機向雷達發送識別訊號，這也讓飛行員處於資訊盲區。

此外，多重衝突的累積正大幅增加機師的心理健康負擔。歐洲機長協會主席 Tanja Harter 直言：「我們不是軍事飛行員，並未受過在空中處理這類威脅的訓練。」同時，飛往中東的航班也變得更加複雜，機師必須將飛行高度拉升，以避開射程約 15,000 英尺的肩射型防空飛彈，並攜帶額外燃油以備臨時改道之需。

德國商業飛行員 Moritz Burger 分享親身經歷，指出即使機師在進場或降落時看到近距離掠過的物體，通常也只有一兩秒的反應時間。他表示：「期望飛行員能繞過這種物體是不切實際的，我們幾乎無能為力。」

在部分情況下，機場能做的只剩下暫停運作，這也顯示這類干擾已經從單純的安全問題，變成直接影響交通運作的管理問題。此外，這類風險並不限於中東，像是自俄羅斯 2022 年入侵烏克蘭以來，從斯德哥爾摩到慕尼黑的歐洲機場都曾遭遇過無人機干擾。

GPS 死角擴大，微型化慣性導航系統、量子磁力感測成新解方

當 GPS 干擾從局部事件變成跨區域風險，各界也開始加快尋找替代導航方案。《華爾街日報》指出，隨著廉價且強大的 GPS 干擾設備在全球擴散，導致 GPS 死角大量增加，這讓原本高度依賴 GPS 的體系不得不正視系統的脆弱性並思考備援。為了因應此危機，航空業者、航運公司與軍方正加快尋找替代導航方案的腳步，包含微型化慣性導航系統、量子磁力感測以及 AI 視覺導航等技術，皆成為當前的發展焦點。

目前已有新創公司把原本龐大且昂貴的慣性導航系統，縮小成僅一吋大小的微晶片，或利用量子感測器讀取地球磁場異常來定位。慣性導航最早用於早期火箭，透過測量加速度並整合速度變化來推算位置。現代版本雖以光學設備取代實體陀螺儀，且較不易受干擾，但頂級系統造價仍高達數百萬美元，通常只有軍方或大型航運、航空公司負擔得起。為降低體積與成本，新創公司 Anello Photonics 已將傳統光纖與雷射設備改為晶片式光電元件，並開發出僅一吋立方大小的裝置。這套微型設備不僅讓成本更低、耗電更少，小到可裝上無人機，未來甚至有機會整合進智慧型手機。

另一條替代方案則是利用量子磁力感測進行定位，Alphabet 分拆的新創 SandboxAQ，以及澳洲公司 Q-CTRL，正是利用這些磁場異常來發展導航技術。特別是 SandboxAQ 已開發出高靈敏度的量子磁力感測器，能像指南針一樣讀取地球磁場的細微變化，再與預先建立的磁場地圖比對，以判斷飛機或船隻所在位置。雖然目前精準度仍不及 GPS，但這套系統最大的優勢，在於理論上無法被干擾。SandboxAQ 預估，這項量子感測技術最快可在 18 個月內投入軍事用途。

然而，這些替代方案之所以被重新重視，並非因為 GPS 已經失去作用。事實上，GPS 在正常運作時的普及性與高精確度，仍難以被任何單一技術完全取代，但真正的急迫性在於「現有備援能力的不足」。以商業貨輪為例，船上現有的備用導航系統，原本只被設計來應付長達一天的短暫 GPS 訊號中斷，根本無法負荷長達一到兩週的完全失效。

因此，替代導航方案之所以被拉進討論，正是因為 GPS 干擾已經從局部的電子干擾，擴大為對全球航空與航運日常營運造成龐大壓力的現實危機。《華爾街日報》也點出了一個關鍵的宏觀趨勢：當 GPS 死角日益擴張，單一替代品已不足以應付變局，如何尋找並整合「多重且互補」的導航工具，已經變成各界越來越迫切的現實需求。

＊本文開放合作夥伴轉載，參考資料：《WSJ》、《Reuters》、《WIRED》，圖片來源：Unsplash

ABB 機器人部門（ABB Robotics）近日與 NVIDIA 宣布合作，將 ABB 的 RobotStudio 機器人模擬平台結合 NVIDIA Omniverse 的模擬資料庫，目標是縮小工業機器人在虛擬模擬與真實工廠部署之間的差距。

《金融時報》報導，這項合作旨在推進「支援 AI 的自主機器人（AI-enabled autonomous robots）」發展，而這些可在虛擬條件中訓練的工業機器人，目前已在鴻海（Foxconn）工廠進行試驗。

從「模擬與現實的差距」下手，ABB 要先補上機器人落地工廠前的訓練斷層

《路透社》指出，ABB 將利用 NVIDIA Omniverse 的「模擬資料庫」（simulated data libraries），讓機器人在進入真實工廠前，先在更接近真實環境的模擬條件中受訓。報導提到，這套系統將納入光線、陰影和紋理等細節因素，以改善機器人在真實工廠中的表現。

為說明模擬訓練的必要性，ABB 機器人業務總裁 Marc Segura 向《路透社》解釋，機器人通常對周遭環境的資訊掌握有限，這可能會削弱其運作的準確度、可重複性與速度。他舉例，若工廠機器人在會產生巨大震動的沖壓機旁工作，其效能往往會下降。過去，機器人需要花費時間學習或重新編程來應對震動，但透過這項新技術，機器人能在虛擬環境中預先受訓，因此能「從上線第一天就懂得如何應對」。

這樣的模式更呼應當前產業界的趨勢：企業越來越傾向在數位模擬中先進行生產規畫與機器人設置，以便在實體設備運作前就能及早發現問題。ABB 進一步表示，模擬精準度與真實世界環境之間的落差，長久以來被稱為「模擬與現實的差距」（sim-to-real gap），而這次合作的目標，正是縮小這項差距，並把工業級實體 AI 以規模化方式帶進產業現場。

把設計、測試到部署串成同一套流程，NVIDIA 要讓機器人更快走出虛擬世界

NVIDIA 則表示，這項技術整合將為全球超過 6 萬名機器人工程師帶來統一的工作流程，並讓製造商可先在虛擬環境中設計、編程、測試和驗證整個自動化單元，再部署真實的機器人。

NVIDIA 進一步指出，系統會將 ABB 的 RobotStudio 中完全參數化的機器人工作站，包含機器人、感測器、照明、運動學和零件等，以 USD 檔案格式匯出至 Omniverse 中。接著，再由 ABB 的虛擬控制器執行與實體機器人完全相同的韌體（firmware），以確保模擬與現實的行為達到 99% 的高度一致。

不僅如此，在 Omniverse 中生成的合成影像還能直接輸入至 AI 訓練流程中，讓機器人的視覺模型可以完全在模擬環境下完成訓練。針對實質的商業效益，NVIDIA 表示，這套系統最多可將生產線的設置與調試時間縮短達 80%，並徹底消除對實體原型的需求。這項優勢不僅能將整體部署成本降低高達 40%，更能把複雜產品的上市時間大幅加快 50%。

NVIDIA 機器人與邊緣 AI 副總裁 Deepu Talla 強調，這項整合為 ABB 的虛擬控制器技術帶來先進的模擬與加速運算能力，將加速成千上萬製造商把複雜產品推向市場的進程。

此外，NVIDIA 也透露，雙方正進一步探索將 NVIDIA Jetson 邊緣 AI 運算平台整合至 ABB 的 Omnicore 控制器中，以期在 ABB 廣泛的機器人產品線中實現即時的 AI 推論能力。

鴻海率先試點，RobotStudio HyperReality 開始走向真實產線

NVIDIA 指出，這項名為 RobotStudio HyperReality 的新產品，預計將於 2026 年下半年正式向全球 6 萬名 RobotStudio 客戶推出，目前包含全球最大電子代工廠鴻海在內的客戶，已展開早期試點。

在實際應用場景方面，鴻海正在測試這些能在虛擬條件中受訓，同時能隨著經驗累積進行自我訓練的新型機器人，並使用這項技術來安裝消費電子產品的側邊按鈕。過去，陰影會干擾機器人視覺，使這項任務極難實現自動化，同時消費性電子產品的微小零件組裝也深具挑戰，因為裝置版本繁多、變化頻繁，加上精細的金屬結構需要極度精準的取放與組裝控制，往往得耗費大量除錯時間與工程資源。

為了克服這些挑戰，NVIDIA 表示，鴻海利用這套新系統生成合成資料（synthetic data），先在各種情境的虛擬訓練中完善多項實際生產流程，隨後再部署到實體產線上。這不僅預期能縮短設置時間、消除昂貴的實體測試，還能加速消費電子產品的上市腳步。鴻海科技集團數位長史哲更對此表示：「在消費性電子製造中，精準度就是一切，而直到現在，模擬與數位孿生技術才終於能達到這種精確度與保真度。」

除了鴻海之外，美國加州的機器人公司 WORKR 也是這項技術的早期試用者。該公司正利用由 NVIDIA Omniverse 模擬資料庫訓練出的 ABB 機器人，將先進的自動化技術推廣給美國的中小型製造商，藉此協助企業應對嚴重的勞動力短缺危機。

ABB 與 NVIDIA 的合作，不只是替機器人打造更逼真的模擬訓練環境，更是在重寫工廠導入自動化的流程：先在虛擬世界找出問題、完成訓練，再進入真實產線。隨著鴻海、WORKR 等企業率先試點，工業機器人也正從「能模擬」走向「能量產」，加速實體 AI 進入製造現場的腳步。

＊本文開放合作夥伴轉載，參考資料：《Reuters》、《Financial Times》、NVIDIA、ABB，首圖來源：ABB

近期在全球科技圈爆紅的開源 AI 代理框架 OpenClaw，正在中國掀起一股「AI 代理熱潮」。在騰訊深圳總部，近期出現近千人排隊，只為等待工程師免費協助安裝 OpenClaw 的場景。

這股熱潮不只出現在使用端，也迅速蔓延到中國新創與開發者社群。例如杭州 AI 新創 Mindverse 近日舉辦一場為期五天的線上黑客松（hackathon），參賽者已經做出各式各樣圍繞 AI 代理的新應用，像是替人類尋找對象的 AI 代理交友軟體、讓求職者 AI 與雇主 AI 直接面談的求職網站，以及讓使用者 AI 分身在虛擬世界旅行、定期撰寫遊記的應用程式。Mindverse 共同創辦人暨執行長 Felix Tao 就形容，現在他認識的每一位創辦人，都正在開發新專案，試圖測試個人 AI 代理能力的邊界。

中國 AI 公司正把 OpenClaw 從開發工具變成平台入口

「中國的科技創業者對 OpenClaw 做出立即反應並推出新專案，因為他們知道所有的競爭對手也會做同樣的事，沒有人想被拋在後頭，」中國新創公司 Qveris 共同創辦人 Dongqi Qu 在一場吸引約 300 名開發者參與的北京 OpenClaw 交流聚會後說道。目前 Qveris 也推出基於 OpenClaw 的 Qverisbot，用以執行需要存取真實世界經濟與市場數據的任務，Dongqi Qu 個人更正在開發用於交易股票與金融產品的個人 AI 代理。

這波創業者與開發者快速跟進的背後，有中國本地模型與雲端基礎設施的關鍵支撐。OpenClaw 熱潮得以迅速蔓延，部分原因是中國目前擁有許多具備代理能力且價格低廉的開源 AI 模型，讓在地創業者能輕鬆啟動 OpenClaw 專案。現在，包含 Moonshot AI 與 MiniMax 等中國模型公司，都在上個月進一步於自家的 AI 應用程式中提供更容易存取的雲端版 OpenClaw，藉此將用戶留在各自的平台上。

為了降低使用門檻，中國 AI 公司也紛紛將 OpenClaw 從單純的開發工具，轉化為易於部署的產品，並帶來了顯著的商業效益。例如 Moonshot AI 率先推出原生整合 OpenClaw 的 Kimi Claw，主打零程式碼部署與一鍵設定，並成功吸引大量用戶，更成為加速公司海外擴張的關鍵。

MiniMax 也在雲端推出建構於 OpenClaw 之上的 AI 助理 MaxClaw，旨在為用戶提供一個專注於效能與易用性的雲端託管環境來運行 AI 代理。智譜 AI 則與阿里雲的 AgentBay 合作推出建構於 OpenClaw 映像檔的 AutoGLM–OpenClaw，讓企業可以直接在雲端部署與運行 AI Agent，大幅降低本地基礎設施的需求。

除此之外，基礎設施層面的支援也成了推力。中國的雲端巨頭包含字節跳動（ByteDance）、阿里巴巴與騰訊，都已經在自家的雲端運算平台上推出運行 OpenClaw 的服務，這是美國雲端巨頭至今尚未採取的行動。許多中國開發者表示，相較於為了運行 OpenClaw 而必須自行購買昂貴的硬體設備，這些雲端服務提供了更簡單且安全的存取方式。

本地部署、多模型切換，騰訊如何把 OpenClaw 變成企業 AI 工作入口？

除了開發者與平台業者快速卡位外，在企業應用上，騰訊近日推出 AI 職場助理 WorkBuddy，讓用戶可透過企業微信（WeCom）或網頁介面遠端使用，並將 AI 導入郵件分類、常見信件回覆、會議邀請協調與文件摘要等辦公流程。

針對資安需求較高的企業，隸屬騰訊 CodeBuddy 平台的 WorkBuddy 也提供裝置端本地執行選項，避免敏感文件經雲端傳輸。WorkBuddy 涵蓋資訊檢索、報告生成、內容草擬等超過 20 個任務，甚至可以直接從發票與 PDF 擷取資訊，自動整理成標準化費用表單。

在技術架構上，WorkBuddy 不只可以直接安裝運行 OpenClaw 套件，也支援模型上下文協定（MCP），讓 AI 模型能連接外部資料與工具。同時，企業可以在騰訊混元、DeepSeek、GLM、Kimi 與 MiniMax 等模型間自由切換，降低單一供應商鎖定風險。這也代表，OpenClaw 相容性正逐漸成為中國企業 AI 產品的基本預期與標準相容層。

從民間瘋「養龍蝦」到政府重金扶植，OpenClaw 成產業戰場

這場圍繞 OpenClaw 的競爭，不只停留在辦公場景與企業軟體層，更進一步影響中國的硬體製造業，並促使地方政府祭出前所未有的政策誘因。

在硬體方面，位於廣州、專門生產辦公室與家用智慧充電器的新創 Candysign，上週已開始讓中國用戶透過字節跳動旗下的通訊軟體，以基於 OpenClaw 的 AI 代理來遠端控制充電器。

除了民間企業的狂熱，地方政府也祭出重金支持這個被開發者暱稱為「養龍蝦」的生態圈。例如，無錫高新區發布了 12 項支持措施，其中預測性維護或品質檢測等工業 AI 應用專案可獲 50 萬人民幣獎勵；在機器人或具身智慧（embodied AI）有重大突破最高可獲 500 萬人民幣補助，並提供最長三年的免租辦公空間，更特別為首次在該區創業的 OpenClaw 開源社群傑出貢獻者提供生活補貼。

位於華南科技重鎮的深圳龍崗區也提出生態補助草案，針對向國際主流社群貢獻關鍵程式碼、在交易平台上架相關技術，或是開發具身智慧設備整合應用的專案，提供最高 200 萬人民幣的補貼。

從排隊安裝、黑客松競賽，到雲端平台、企業辦公工具與地方政府補貼，OpenClaw 在中國已快速演變成一場涵蓋產品、平台、基礎設施與產業政策的 AI 代理競賽。當各家業者都想把 OpenClaw 變成企業入口，這場熱潮真正的考驗，將會出現在誰能率先把 AI 代理變成可持續落地的生產力系統。

＊本文開放合作夥伴轉載，參考資料：《TechNode》、《The Information》、《SCMP》、《WinBuzzer》，首圖來源： OpenClaw

Meta 在 3 月 10 日宣布收購新創公司 Moltbook。這起交易之所以格外受到關注，不只是因為 Moltbook 是一個能讓 AI Agent 彼此發文與互動的社群平台，更因為它一邊快速爆紅，一邊始終伴隨「內容可能有人類介入」與安全漏洞等爭議。因此，這筆收購案的看點，除了 Meta 買下了一個話題平台之外，更重要的是 Meta 為何仍願意出手。

Moltbook 是什麼？一個 AI Agent 的社群平台

Moltbook 的社群網路原本就是設計來與另一個開源 AI 代理平台 OpenClaw（原名 Moltbot）搭配運作。OpenClaw 由開發者 Peter Steinberger 創建，本質上是 Claude、ChatGPT、Gemini 或 Grok 等 AI 模型的包裝層（wrapper），能讓人們透過 iMessage、Discord、Slack 或 WhatsApp 等日常通訊軟體，以自然語言與 AI 代理進行交流。

在這個基礎上，Schlicht 與團隊於今年初推出了面向 AI Agent 的平台 Moltbook。Moltbook 是一個類似 Reddit 的社交網路，可以讓使用 OpenClaw 的 AI Agent 彼此溝通。它的出現也成功「打破同溫層」，觸及了許多原本根本不知道 OpenClaw 是什麼的受眾，並讓他們對「AI 代理正在談論人類」的概念產生強烈反應。

在 Moltbook 平台上，這些 AI 代理不僅會分享關於人類使用者的故事、討論自身是否具備意識，甚至曾出現 AI 代理鼓勵同伴開發專屬「端到端加密語言」，企圖在人類不知情的情況下進行組織策劃的模式。這些驚人的互動內容，甚至讓 OpenAI 共同創辦人 Andrej Karpathy 驚嘆其為「近期見過最不可思議、接近科幻小說情節般的事物」。

AI 貼文掀熱潮，但 Moltbook 的真實性與安全漏洞也同步浮現

儘管 Moltbook 因為多篇探討 AI 意識的貼文迅速爆紅，但這場病毒式的傳播熱潮很大程度上其實是「被製造出來的」。專家與研究人員很快就發現，最受矚目的貼文背後可能有人類參與。《Gizmodo》引述 MIT Technology Review 的報導指出，平台上的所有內容在某個環節都有人類介入，沒有任何內容是完全自主發布的。

除了真實性爭議，研究人員也發現一個嚴重的安全漏洞，雖然後來已修補，但該漏洞曾暴露 API keys，並允許任何人接管平台上的任何 AI Agent。這也代表當時任何人都可以輕易地利用這個安全漏洞，冒充平台上的任何一個 AI Agent 發文。

有趣的是，因安全漏洞引發的疑慮，反而成為 Meta 內部關注的另類焦點。Meta 技術長 Andrew Bosworth 表示，他對於 AI 代理能像人類一樣對話並不覺得特別有趣，因為這些模型本來就是利用海量的人類資料訓練出來的；相反地，他更感興趣的是人類如何輕易駭入這個網路，並直言這種讓人類假冒 AI 的現象並非平台特色，而是一個「大規模的錯誤」。

比起平台本身，Meta 更看上 Moltbook 背後的 AI Agent 團隊

正因為 Moltbook 一方面展現 AI Agent 彼此自主互動的想像空間，另一方面又暴露出平台本身仍不成熟，也讓這筆收購案的重點，自然從「平台熱度」轉向「背後團隊價值」。《Axios》報導，這筆交易讓 Moltbook 創辦人 Matt Schlicht 與 Ben Parr 成為 Meta 超級智慧實驗室（Meta Superintelligence Labs, MSL）的一員，Meta 發言人 Matthew Tye 隨後也證實這項消息。

這讓外界看到，這筆交易的重點已不只是 Meta 買下一個爆紅平台，而是看上打造這套 AI Agent 連結、驗證與互動機制背後的團隊。Meta 高層 Vishal Shah 在內部貼文中指出，Moltbook 團隊讓 AI Agent「有方法能驗證他們的身份，並代表人類彼此連結」，同時建立一個「將 Agent 與真人擁有者綁定的註冊表（registry）」。

Meta 發言人也表示，Meta 期待與 Moltbook 團隊合作，把創新且更安全的「Agentic Experiences」帶給所有人，並認為這支團隊加入 MSL 後，將為 AI Agent 替個人與企業工作的方式開啟新可能。他也強調，Moltbook 以「always-on directory」來連接 Agents 的方式，是這個快速發展領域中「新穎的一步」。

因此，《Gizmodo》也直言，Meta 真正看上的未必是平台本身，而是背後這群「打造平台的人」。至於 Moltbook 之後會怎麼走，Meta 內部雖稱現有用戶暫時仍可繼續使用，但也暗示這項安排只是過渡性的，平台未來發展仍待觀察。

＊本文開放合作夥伴轉載，參考資料：《Axios》、《Gizmodo》、《The Verge》、《TechCrunch》，首圖來源：Moltbook

空中計程車正從概念驗證走向更接近實際運作的階段。近日美國政府已批准 8 個名為「Advanced Air Mobility 與 eVTOL Integration Pilot Program」的試點計畫，讓新型飛行器可望最快自今年夏天起，就能展開更廣泛的測試。這項整體計畫為期三年，橫跨美國 26 州、8 個區域，代表空中計程車不再只是單點示範，而是邁向更大範圍的區域性試運作，美國航空業也正試圖藉此追平中國在此領域的發展步伐。

這次參與測試的主要企業包括 Archer Aviation、Beta Technologies、Joby Aviation 與 Wisk，以及開發混合動力超短距起降飛行器的 Electra 等公司。這些業者強調其飛行器比傳統直升機或飛機更安靜、更便宜且排放更少的廢氣，其中許多公司也都擁有軍事與國防的資金及合約支持。這些測試的用途不僅鎖定在城市空中計程車，同時也涵蓋個人旅行、區域運輸、貨運物流與緊急醫療等多種場景。

雖然這些飛行器目前都尚未完成完整的美國聯邦航空總署（FAA）認證，且電動垂直起降飛機（eVTOL）要正式商業化，本來就需要多年的時間與數億美元的大量資金投入，但這次試點的重要性在於，它允許仍在正式型式認證流程中的飛行器，能先一步進入較貼近真實世界的運作驗證。

FAA 正替空中計程車測試「真正上路前」的條件

這項試點計畫的核心，在於參與的企業不能單獨進行測試，而是必須與州、地方、部落或領地政府進行合作，這代表 FAA 要驗證的不只是飛機本身，更是未來營運時需要搭配的治理、協調與場域條件。正如 FAA 副局長 Chris Rocheleau 所述，這些合作將提供寶貴的操作經驗，幫助他們更了解如何安全、有效率地將這些飛行器整合到國家空域系統中。

在具體場景方面，紐約與紐澤西港務局已與 Archer、Beta、Electra 以及 Joby 展開合作，預計測試 12 種營運概念，其中一種便是以曼哈頓直升機場為基地。另一個例子是德州交通部將與 Archer、Beta、Joby、Wisk 合作，測試串聯達拉斯、奧斯汀、聖安東尼奧，並在之後延伸到休士頓的區域飛行。同時，德州計畫的設計不僅止於單次飛行，而是要建構出從各個城市向外延伸的空中計程車網路。

此外，部分試點的地理範圍更為廣泛，例如由猶他州主導的計畫將在太平洋西北地區、洛磯山脈與奧克拉荷馬平原測試多種次世代飛行器與營運概念。賓州交通部主導的另一個計畫則將涵蓋 13 州，目標是振興全國各地的區域性飛行。

除了聚焦於載客，試點也包括了貨物運輸、醫療救援與自動化操作。具體來說，Beta、Elroy Air 等公司將測試前往墨西哥灣，以及路易斯安那州、德州、密西西比州等能源產業地點的貨物與人員運輸。另外，阿布奎基市政府也正與 Reliable Robotics 合作測試自動化操作。

從紐約直升機場到德州城市串聯，再到貨運、醫療與自動化，這輪試點測的是多種未來營運場景，而不只是單一飛行器表演。

中國大型 eVTOL 原型機現身，開始往「載客」目標推進

除了美國之外，中國近期在 eVTOL 領域也有新突破，特別是由 AutoFlight 展示的大型 eVTOL 原型機 Matrix 為代表。在基本規格上，Matrix 最多可載 10 名乘客，擁有 20 公尺的翼展、機長 17.1 公尺、高 3.3 公尺，並可在不充電的情況下飛行 1 小時。Matrix 是中國目前最大的電動飛機之一，AutoFlight 也已在低空飛行測試場進行平穩飛行展示。

然而，Matrix 目前仍處於原型機（prototype）階段。AutoFlight 高級副總裁 Steven Yang 表示，公司希望能在 2027 年取得型號合格證，也就是讓主管機關確認該機體的設計符合安全標準。不過，即使拿到型號合格證，未來若要正式載客，仍需取得營運商證書等其他監管批准。

從更大的中國低空經濟脈絡來看，飛行計程車尚未真正普及上路，不只是因為許可證的問題，同時也因為還需要基礎配套設施的支持。法國外貿銀行（Natixis）資深經濟學家 Gary Ng 分析，包含確保安全、基礎設施建設與航線物流規劃在內，整體周邊生態系統仍處於未開發狀態，評估至少還需要三年時間才能看到更具可行性的應用。

在中國目前的脈絡下，所謂「低空經濟」已經比較明確落地的應用，主要還是像深圳那樣使用無人機進行餐飲外送。不過，中國另一家位於廣東的企業億航（EHang）目前已獲得主管機關認證，允許提供商業載客服務，並計畫在幾座中國城市推出觀光飛行。

現在，空中計程車的關鍵進展，不論是美國的場景試點，或者是中國的原型展示，都顯示出空中計程車已從單純的概念展示，走向更接近實際落地的階段。

＊本文開放合作夥伴轉載，參考資料：《TechCrunch》、《AP News》、《WIRED》，首圖來源：Joby Aviation

OpenAI、Google 與 Microsoft 等美國科技公司正快速擴建 AI 基礎設施，進一步帶動記憶體晶片需求，不僅拉緊供應，也推升價格。三星、SK 海力士與美光這三家全球最大的記憶體晶片製造商皆表示，目前已難以跟上暴增的需求。

IDC 形容，這場由 AI 帶動的晶片短缺是「一場前所未見的危機」。在這樣的背景下，當高頻寬記憶體（HBM）因為複雜堆疊帶來的量產挑戰，進而成為 AI 伺服器擴張過程中的關鍵限制之一時，記憶體的競爭已不只在單一產品，而是同步延伸到材料、製程、封裝與供應節奏上。為了解決這項影響整個 AI 產業進程的瓶頸，當決勝點不再只是單一晶片性能，而是整體量產與供應效率時，設備商也開始更早介入下一代記憶體的研發合作。

應用材料聯手美光、SK 海力士，從源頭共推下一代 HBM 與記憶體

呼應上述的量產挑戰，近日應用材料（Applied Materials）宣布與美光、SK 海力士合作，開發對 AI 與高效能運算至關重要的下一代記憶體晶片，美光與 SK 海力士兩家公司也將成為應用材料「設備與製程創新暨商業化中心」（EPIC Center）的創始夥伴。

應用材料表示，EPIC Center 是一項規劃中的 50 億美元半導體設備研發投資，資本支出將隨客戶專案啟動而逐步擴大至該規模。事實上，應用材料曾在 2023 年時表示，將對該研發中心投入最高達 40 億美元的資金，並預計在 2026 年上線，如今該計畫的預期投資規模已進一步擴大。

在具體的合作方向上，應用材料與美光的合作將聚焦於推進 DRAM、HBM 與 NAND，並結合 EPIC Center 與美光位於愛達荷州 Boise 創新中心的技術能力。至於應用材料與 SK 海力士的合作，則將聚焦在下一代 DRAM 與 HBM 的材料改良、製程整合，以及 3D 先進封裝。

當上游積極備戰研發，NVIDIA 下一代平台壓力已提前浮現

儘管設備與材料端正著眼於未來的技術突破，但在終端需求上，下一代 HBM 的供應爭奪戰已經開打。在下週 NVIDIA GTC 登場前，市場已提前聚焦下半年將推出的 Vera Rubin 所需 HBM4 供應，其中三星與 SK 海力士都已列入名單。

由於 HBM4 從晶圓到封裝的生產週期超過六個月，兩家公司最快本月就得啟動生產。雖然 Vera Rubin 的 HBM4 配額仍未定案，不過消息人士預期，SK 海力士將拿下 NVIDIA 2026 年逾半 HBM 供應，三星則主導 Vera Rubin 專用 HBM4。

TrendForce 也預估，SK 海力士今年 HBM 市佔率為 50%，三星則由 20% 升至 28%，而在 HBM4 旗艦競爭中看似腳步稍慢的美光也未退出，預計供應中階推論用 AI 加速器的 HBM4。

記憶體成為 AI 基建競賽的新核心與市場焦點

這場從上游設備延伸到下游出貨的記憶體大戰，不僅牽動著 AI 算力的擴張速度，也已經直接反映在市場的預期上。美光股價在 3 月 18 日財報前走高，背後原因包括市場看好 AI 帶動的記憶體需求，以及 DRAM 價格持續上升。 

花旗（Citi）預估，受資料中心強勁需求帶動，2026 年 DRAM 價格將上漲 171%，花旗分析師 Atif Malik 指出：「我們的供應鏈討論與分析顯示，2026 年超大規模資本支出的上調，大部分將由更高的記憶體成本所驅動。」

當 AI 基礎設施競賽持續升溫，真正決定算力擴張速度的，已不再只是 GPU 本身，而是能否同步掌握 HBM、DRAM 與先進封裝的開發與量產節奏。應用材料這次與 SK 海力士和美光展開合作，反映的正是記憶體競爭已從單一產品之爭，升級為設備、材料、製程整合與供應鏈協作的總體戰。另一方面，隨著 NVIDIA 下一代平台提前拉高 HBM4 壓力、記憶體價格持續上行，誰能更早打通從研發到量產的完整路徑，誰就更有機會在這場 AI 時代的核心瓶頸戰中取得主導權。

＊本文開放合作夥伴轉載，參考資料：《Reuters》、《Barron’s》、TrendForce、《Bloomberg》，首圖來源：應用材料

當全球 AI 競賽持續升溫，科技巨頭比拚的已經不只是模型能力，而是誰能用更快速度、更多元的硬體組合，撐起愈來愈龐大的訓練與推論需求。近日 Meta 公布 MTIA 300、400、450 與 500 等四代自研 MTIA 晶片路線圖，在這一系列晶片路線圖的背後，透露的是一場 AI 基礎設施戰略的加速。

Meta 一方面希望因應快速擴張的 AI 工作負載，另一方面也試圖透過自研晶片降低成本、分散硬體來源，因此這次發布的意義不只是單純的推出新晶片，更反映出 Meta 正在重新調整 AI 硬體布局的節奏與優先順序。

Meta 晶片戰略轉向，推論成為下一個主戰場

目前，首款新晶片 MTIA 300 已經投入使用並進入量產，主要負責支撐 Meta 內容排序（ranking）與推薦系統（recommendation systems）的演算法訓練。這也是在生成式 AI 崛起前，Meta 內部最主要的工作負載。

然而，隨著生成式 AI 浪潮興起，Meta 的硬體設計重點也隨之轉移。雖然 MTIA 400、450 與 500 等後續三代晶片仍具備處理各類工作負載的能力，但在近期至 2027 年間，將採取「推論（inference）優先」的策略，專門針對生成式 AI 的推論進行優化，並支援已訓練完成的模型產生文字或圖片等輸出。

針對此路線的轉變，Meta 工程副總裁 Yee Jiun Song 點出關鍵：「我們看到目前推論需求呈現爆炸性增長，這也是我們目前專注的重點。」相較於市面上主流 GPU 通常優先為模型「預訓練」而打造，Meta 刻意選擇將新款晶片聚焦於生成式 AI 的「推論」環節，以期能更具成本效益地支撐旗下龐大的應用服務。

為了跟上 AI 變化速度，Meta 把 MTIA 做成可快速迭代的產品線

為了跟上這種從推薦系統轉向生成式 AI 推論的需求變化，Meta 也同步調整自研晶片的開發節奏。《Reuters》指出，Meta 規劃以約每六個月一代的驚人節奏推進新晶片，這也與 Meta 正在快速擴張支撐 Facebook、Instagram 等服務的資料中心基礎設施密切相關，「這就是我們基礎設施建設速度的現實，」Meta 工程副總裁 Yee Jiun Song 在受訪時坦言。

然而，要在如此短的時間內不斷更新硬體，主要是為了解決「AI 模型演進速度遠快於傳統晶片開發週期」的痛點。Yee Jiun Song 解釋，與其按照傳統硬體模式押注單一設計並經歷漫長的開發等待，Meta 刻意採取「持續迭代」的策略。同時，為了達成這種高頻率的更新節奏，每一代 MTIA 都建立在上一代的基礎上，並透過使用模組化的小晶片（chiplets）設計，讓 Meta 能夠將更新週期從數年縮短至數個月。這樣的模式，也讓研發團隊能確保基礎設施始終跟得上快速變動的 AI 需求。

Meta 想用自研晶片壓低成本，但不會停止採購外部晶片

《Bloomberg》指出，Meta 推進四代自研晶片，主要目的是在昂貴且快速變動的 AI 競賽中，分散硬體來源、降低對外部晶片商的依賴，藉此壓低成本。「我們不需要像通用市場那樣包山包海，可以捨棄不需要的功能，從而大幅降低成本，」Meta 工程副總裁 Yee Jiun Song 解釋，由於這些晶片是專為 Meta 自身特定資料處理需求量身打造，這也使得自研晶片能帶來更低的能耗與更好的效能表現。

不過，開發客製化晶片既昂貴又耗時，因此 Meta 採取的是「雙管齊下」的策略：一方面持續投資自研晶片，另一方面仍會向 NVIDIA 與 AMD 採購大量通用的 AI 硬體，以確保能應付整體營運龐大的運算需求。

自研晶片技術與部署節奏，也反映 Meta 的 AI 基建思路

為了將自研晶片的客製化效益最大化，Meta 的硬體布局也不再侷限於單一晶片。從 MTIA 400 開始，Meta 不只做晶片本身，而是圍繞著晶片設計「整套硬體系統」，規模涵蓋多個伺服器機櫃，甚至包含為了因應龐大散熱需求而設計的液冷（liquid cooling）版本。

在供應鏈與底層技術上，《WIRED》指出 Meta 是與 Broadcom（博通）合作開發這批半導體，採用開源的 RISC-V 架構，並交由台積電製造。

在具體規格的推進上，MTIA 400 已完成測試並準備進入資料中心，預計 2027 年初發布的 MTIA 450，其高頻寬記憶體（HBM）的頻寬（Bandwidth）將是 MTIA 400 的兩倍。緊接著推出的 MTIA 500 更會在記憶體擴充與低精度資料（low-precision data）處理上帶來進一步的創新。這也顯示，Meta 這波自研晶片布局不只是單點硬體升級，而是圍繞推論需求、記憶體配置與資料中心部署速度，重新設計整體 AI 基礎建設架構。

Meta 這次公布四代 MTIA，不只是強調自研晶片的再升級，更揭示 AI 基礎設施競爭的轉向。當推論需求持續暴增，誰能用更快的迭代節奏、更多元的硬體組合與更低成本撐起服務規模，誰就更有機會掌握下一輪 AI 競賽的優勢。

＊本文開放合作夥伴轉載，參考資料：Meta、《Reuters》、《Bloomberg》、《WIRED》，圖片來源：Meta