生成式 AI 已成為近年企業數位轉型的重要推力。從客服自動化、內部知識管理，到行銷內容生成與流程優化，各類應用場景不斷浮現。然而，在實務層面，許多企業的 AI 導入仍停留在概念驗證（PoC）階段，距離成為穩定且可規模化的營運工具，仍存在明顯落差。

博弘雲端台灣香港事業中心副總經理陳亭竹指出，企業真正需要的並非單一模型，而是一套能與既有系統、流程與人員自然融合的 AI 使用方式。結合博弘雲端在 Amazon Web Services（AWS） 雲端技術的經驗，選用 Anthropic Claude (powered by Anthropic，下簡稱 Claude) 的頂尖模型，企業無需自行維運模型環境，也不必重新打造整套系統，讓 AI 能低門檻地走進日常工作流程。

從技術展示到營運工具，企業 AI 導入的三大現實門檻

首先，AI 應用難以與既有系統與流程整合。即便模型本身具備先天條件優勢，若無法與企業內部的資料來源、作業流程與決策節點順利串接，最終仍只能停留在輔助工具的角色。

其次，資安與合規問題成為 AI 擴大應用的主要顧慮。資料存放位置、模型存取權限與法規遵循，往往直接影響企業是否敢於將 AI 納入核心流程。

第三，當應用規模擴大後，維運成本與投資報酬率的不確定性，容易使原本具潛力的 AI 專案難以持續推進。這些問題，使得企業逐漸意識到，生成式 AI 落地的關鍵不在於「能不能做」，而在於「能不能長期用」。

有鑑於博弘雲端觀察到實務現況，因此成為 Anthropic 經銷合作夥伴，讓企業能解決 AI 應用落地的挑戰。搭配 AWS 雲端服務，整合 AI 解決方案，根據應用情境自由隨選 AI 模型，逐步邁向 AI 應用規模化。

Anthropic Claude 與 AWS，構建企業生成式 AI 落地關鍵

在生成式 AI 導入逐漸走向實務應用的過程中，企業開始重新審視模型選擇的核心邏輯。相較於單純追求生成能力，企業更重視模型在邏輯推理、語意理解與回應穩定性上的表現。

正是在這樣的需求脈絡下，Anthropic Claude 系列的模型受到企業市場關注，其設計更貼近企業應用情境，適合用於知識型任務、流程支援與風險判斷等場景。模型本身的優勢，加乘合適的平台與基礎架構，將能發揮 AI 落地的效益。

AWS 的生成式 AI 基礎模型託管服務 Amazon Bedrock，讓企業得以彈性選用包括 Anthropic Claude 在內的多種生成式 AI 模型，降低導入與管理的複雜度。

同時，AWS 亞太（台北）區域的啟用，為企業提供兼顧低延遲與法規合規的在地環境，促進企業上雲與生成式 AI 應用的規模化部署。

博弘雲端結合雲端平台與模型，推動生成式 AI 的實務落地

博弘雲端在 AWS 與 AI 技術的深厚實力，成功協助多家知名企業運用 Amazon Bedrock 與 Anthropic Claude 模型達成 AI 應用轉型目標，展現強大的技術落地能力。以鼎鼎聯合行銷（HAPPY GO）為例，透過導入 Amazon Bedrock ，成功強化數據洞察與行銷決策流程，提升五成行銷轉換，為品牌與會員經營創造更高價值。

此外，知名防詐科技公司 Gogolook 走著瞧也透過 Amazon Bedrock 使用 Anthropic Claude 模型，打造 AI 防詐與詐騙偵測機制，讓貼標精準率達 99%，提升模型理解複雜語意與風險判斷的能力，用 AI 辨識詐騙，進一步強化使用者信任與平台安全。

「成為 Anthropic 經銷合作夥伴，是強化我們 AI 解決方案的版圖。找到對的合作夥伴，能夠讓 AI 變成核心營運的決策引擎，博弘雲端正是致力成為企業與其終端使用者之間 AI 技術落地的關鍵橋梁。」陳亭竹進一步說明，未來企業將受益於 Anthropic 先進的 Claude 模型與 AWS 強大的雲端服務，藉由一站式的 AI 解決方案應用，與博弘雲端技術團隊合作，引領台灣產業在 AI 時代搶佔先機，打造可持續發展的 AI 應用藍圖！

台灣 Anthropic 經銷合作夥伴，博弘雲端打造可規模化的生成式 AI 落地路徑

作為台灣 Anthropic 經銷合作夥伴，博弘雲端協助企業透過 Amazon Bedrock，直接採用 Anthropic 最新一代的 Claude 大型語言模型。在無須自行建置與維運模型環境的前提下，將生成式 AI 能力導入實際營運場景。結合 AWS 亞太（台北）區域所提供的在地雲端基礎設施，博弘雲端進一步協助企業在兼顧效能、資安與合規需求的前提下，逐步建構可執行、可擴展，且具長期發展性的生成式 AI 應用架構，為台灣企業推進生成式 AI 從概念驗證走向營運核心，奠定穩固的落地基礎。

（本文訊息由博弘雲端科技提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：博弘雲端科技。）

2026 年，製造業正站在「自主革命」的轉捩點。隨著「+USA」全球供應鏈重組、勞動力缺口擴大，以及 AI 代理與物理 AI 的加速成熟，製造業的角色正發生根本性轉變，重塑「超自動化」工廠的樣貌。對於位居全球供應鏈中樞的新竹高科技製造業而言，挑戰更不僅在於技術導入，更在於如何建立一支 AI 混合勞動力，以應對日益嚴峻的勞動力缺口與全球化競爭。

TechOrange 科技報橘與 Cake 在 2/7 聯合舉辦「高科技製造 AI 人才論壇暨 Workshop」，為包括半導體、光電、電子零組件等新竹高科技製造業技術人才解析 AI 代理與物理 AI 如何成為推動這場自主革命的雙引擎，並探討高科技製造業當前最需要什麼樣的 AI 人才。

從自動化走向自主化的製造革命

聯發科技企業策略與前瞻技術資深處長梁伯嵩表示，AI 運算的七層架構涵蓋實體層、連結層、神經網路層、情境層、代理層，還有協調層和應用層。而在 AI 進展上，大致可歸納為三個時期，第一階段是「訓練時期運算」，開發者聚焦如何訓練 AI 提升性能；第二階段是「推理時期運算」，發展重點是利用 AI 有效率地進行推理、以知識蒸餾技術訓練 AI 模型；第三階段是「Agentic AI 與 Physical AI」，在企業追求極致算力的情況下，形成一個關鍵趨勢 —— 讓 AI 發揮超越單一 LLM 模型的能力。在提供 AI 算力上，「影響較大的是底端的實體層（Physical Layer），包括半導體晶片和各種不同硬體裝置，以及連接層（Link Layer），將這些運算力連接在一起進行 AI 運算。然後在整體 AI 算力設計上，不只看單顆晶片性能，更需要針對整個 AI 系統做最佳化，優化的範圍包含個機櫃（Rack-Scale）甚至是整個資料中心（Data Center）。

「大型語言模型就像剛畢業的大學生，學了很多知識，但如果要成為厲害的員工，他需要具備更多實務能力與工作環境，」梁伯嵩分析，AI Agent 就像企業的員工，不僅需要擁有強大記憶與規劃能力，也擅長大量使用工具執行任務，更懂得如何與其他 AI Agent 協作以發揮更高生產力。這使得未來應用場景不再只是單個超強 LLM 運作，而是多個懂研發、懂行銷、懂財務、懂管理的 AI Agent 專家共同協作。當 AI 進入實體世界，透過與實體世界直接互動，還能進一步提升對世界的認知，進而擁有創造知識的能力。不過當產業界真正布局 AI 生態系，往往迎來全新挑戰，「我們如何管理這些 AI Agent？類似管理員工的 HR (人力資源部門)，以後可能需要 AI Agent 的 HR 來負責選擇、培育、評核這些 AI 員工，並將這些 AI 員工組合成發揮極高生產力的團隊。這對於學習管理的人來說，將是很大的新領域。目前，我認為 AI 的進展大概只在半山腰，未來 AI 能力還有很多提升的空間，更有許多應用層次（例如這七層架構的協調層、應用層等）需要我們去探索。」

「從 2023 年起，我們就開始思考下一個十年的發展策略，」群聯電子技術長林緯觀察，AI 產業普遍存在一個巨大痛點：大語言模型（LLM）使用成本昂貴，如果企業正在訓練 70B 的模型，需要使用 18 張 NVIDIA H100 顯卡，每片要價百萬台幣，這對多數企業來說門檻太高。為了滿足 AI 應用的需求，群聯電子研發「aiDAPTIV+」一站式 GenAI 落地訓練暨高效推論解決方案，實現 HBM、GDDR 記憶體與成本效益更高的快閃記憶體之間的動態資源調配，有效降低硬體支出，同時大幅減少模型訓練對昂貴且耗電 GPU 顯示卡的需求。另一方面，aiDAPTIV+ 將大型資料集保存在本地，避免企業將資料傳輸到其他地方進行處理所產生的成本。

群聯電子不僅提供底層硬體產品，也逐步推動上層生成式 AI 的落地應用。林緯舉例，在與警政單位合作的專案中，群聯電子協助客戶生成筆錄與專業公文、即時比對關鍵法條，並以 AI 客服系統提供更便捷的民眾服務；在與金融單位合作的專案中，群聯電子協助客戶實現智慧防詐、AI KM 系統建置；在與教育單位合作的專案中，則是協助學校打造 AI 訓練平台，共同推動擴展學術研究的深度與應用廣度。林緯表示，群聯擁有一個特別文化，就是非常重視大家的想法，「我待在群聯十幾年，從一名實習生變成技術長，總共產出 200 多篇專利，而且我們公司的溝通非常扁平，董事長的門口永遠是開著的。如果你是一名實習生，你有很棒的想法，你可以直接進去和董事長討論，這種開放的環境，讓工程師能夠充分發揮創意。」

如何在人機協作時代，打造不可取代的能力？

NVIDIA DLI 首席講師及培訓服務資深經理吳宏彬指出，回顧 19 世紀末的工廠，過去製造業的動力來源是蒸汽鍋爐，工廠裡布滿傳動軸和皮帶，當時最厲害的工程師，是那些能聽出鍋爐壓力對不對、知道怎麼修皮帶的人。後來，電力進入工廠，這時候製造現場不再需要一根根笨重的傳動軸，取而代之的是電線，這意味著工廠需要的技能改變了，工作者需要懂得拉電線、檢查保險絲，並了解電流強度。吳宏彬認為，就像電力改變了工廠的結構，AI 也正在改變所有人的工作方式。不過在 NVIDIA 服務企業的過程中，發現客戶實際導入 AI，通常會遇到兩個痛點，一部分是設備交期，包括 GPU 等基礎設施；另一部分是人才斷層，許多企業採購最強的 GPU 伺服器，卻發現找不到足夠的人才來驅動這些平台，建構企業專屬的系統。

為了縮短產業人才缺口，NVIDIA 透過 NVIDIA DLI 深度學習學院，讓開發者從實戰中掌握理論與應用，並提供專業認證考試，協助開發者證明自己在 LLM、數位孿生或系統管理上的專業能力。吳宏彬強調，在電力革命時代，人才們不一定要成為愛迪生發明發電機，但一定要學會怎麼用電；AI 時代亦是如此，不是每個人都需要研發下一個 AI 模型，但必須能夠開出正確的規格，學會如何讓 AI 成為大腦的延伸，這將是未來 5  年、10 年，決定個人與企業競爭力最關鍵的一環。

「AI 技術進入傳統農業，讓更少的人可以產出更多的稻米；進入紡織業，則是驅動⾃動化⽣產與客製化設計，」科技報橘社長戴季全表示，這些變革正在重塑全球經濟格局，甚至形成「K 型經濟」，加速分化新舊產業。在 K 字向上分叉的那一端，是掌握基礎設施、硬體、算力與核心模型研發的一群人，他們的產值與影響力呈指數級增長，K 字向下分叉的那一端，是無法跟上轉型、仍守著舊有作業模式的一群人，「當科技讓生產力提升 100 倍、1,000 倍時，如果你還在做舊的動作，那你的價值就會下降。所以我們必須重新定義專業，從『執行動作』轉向『產出價值』。」

「很多人發現，使用 AI 之後，寫程式的速度快了 10 倍，寫文章的速度也快了 100 倍，但為什麼我們的薪水沒有提升 10 倍、100 倍？」戴季全坦言，這個事實殘酷，因為當每個人都能提升 10 倍效率時，這就變成基本能力門檻，而不是競爭優勢，因此在 AI 時代，人才必須將不同領域連結，思考如何將 AI 應用於更有產值的場景。戴季全指出，「我們正在進入一個高度不確定的狀態。一旦面臨混亂或通訊中斷時，留在原地是最危險的，你必須不斷地移動、嘗試新工具、接觸新領域，保持自己的靈活性；同時，去學習一些新技能，或是和跨產業的人交流，避免讓自己陷入『火雞困境』（依據過往一致的經驗來預測未來，卻忽略突發、顛覆性的風險）。」

隨著 Agentic AI 與 Physical AI 協作逐漸成為常態，企業需要建構彈性的基礎設施，個人則需要不斷打破專業邊界。「高科技製造 AI 人才論壇暨 Workshop」不僅為新竹高科技聚落指引技術方向，也鼓勵人才擁抱新興工具、提升自己的價值，進而在人機協作的時代洪流中，成為不可被取代的關鍵角色。

（責任編輯：曾品潔）

隨著 AI Agent 技術成熟，能夠自我最佳化且完全自主的「AI 原生工廠」逐漸從願景走向現實，甚至達到「超自動化」。在製造業邁向「超自動化」工廠的進程中，如何建立穩健的數位核心與轉型地基？2026 年 TechOrange 科技報橘「AI 智慧大工廠」系列論壇首場從台北出發，邀集重磅產業專家，深度剖析企業提升工廠自主性、建立差異化競爭優勢的新戰略。

全球營運數位化，如何設計多地多廠部署架構？

台灣帆軟客戶經理孫平指出，台灣製造業長期深耕全球供應鏈，憑藉卓越的跨區域協作與彈性生產，已建立具國際競爭力的營運模式。然而，隨著企業邁向全球化佈局，如何以更一致、敏捷且可靠的方式管理海外據點，成為當前營運轉型的核心挑戰。

孫平分析，企業在建構全球營運數據平台時，常面臨「部署架構」的選擇。傳統的各地獨立部署模式雖能保有高度自治，讓報表與使用者體系互不干擾，並避免跨國帶寬導致的網路卡頓，但其劣勢也顯而易見：開發人力分散，導致集團難以建立統一的權限與數據模型，最終形成各廠區數據各吹各號的孤島現象。

若採取統籌部署模式，雖然能確保環境與範本由總部統一維護、權限規則一致，卻也帶來了權限管理複雜化、需配置專職維運人員等挑戰，且海外屬地的需求往往受限於中心管控，難以發揮在地彈性。

「從長遠競爭力來看，我們更推薦企業採用資料分級混合部署的架構，」孫平強調。這套模式結合了帆軟技術優勢，能直接連通本地資料庫與伺服器，解決數據上傳時的延遲問題。

透過「資料分級」機制，企業僅需同步集團管理所需的關鍵彙總數據，大幅降低跨境傳輸明細資料的專線流量成本。而在最關鍵的數據口徑統一面上，總公司可定義核心資料格式，其餘報表則保留給分廠自行開發，在嚴謹治理與在地彈性間達成完美平衡。

台灣帆軟致力提供專業的商業智慧與資料管理服務，透過系統化的數據治理與跨境應用經驗，協助企業解決跨國營運中常見的權限混亂問題。孫平總結道：「明確的分層權限管理，將助集團總部洞察全局趨勢，同時讓子公司聚焦在地業務，真正實現視角統一、權限清晰的全球化經營。」

完整工業等級通訊方案，打造 AI 時代的安全 OT 神經網路

台灣思科亞太區工業物聯網產品經理吳竣民表示，製造業推動 AI 數位轉型時，往往面臨現場資料難以取得、設備運作狀態不透明，以及 OT 資安風險逐漸累積等挑戰。許多企業希望升級 OT 網路環境，但又擔心網路架構變動可能影響產線運作。因此思科建議企業採取三階層架構，建立 OT 的「神經網路」，在確保產線穩定的同時，讓現場設備資料能安全地被收集與整合，成為 AI 與智慧製造的重要基礎。

吳竣民說明，企業需要先盤點現場終端設備，例如 PLC、控制器、感測器與智慧電表等，再進一步了解不同應用系統與管理平台的需求，並在中間層建立統一的 OT 通訊架構。過去許多工廠採取的是一套設備搭配一套網路的方式建置，當新系統導入時往往發現不同網路難以整合，不僅增加管理複雜度，也容易形成資安死角。因此思科建議透過統一的工業網路架構，提升 OT 環境的可視性，並為後續資料整合與 AI 應用奠定基礎。

為協助企業建立完整的 OT 可視化能力，思科 IE 工業交換機可直接搭載 Cisco Cyber Vision。這套 OT 可視化平台能在網路邊緣即時進行 OT 封包深度解析（Deep Packet Inspection），自動識別 PLC、HMI 與各類工業控制設備，建立完整的 OT 資產盤點與設備關係圖。企業也可依據設備類型、產線或系統進行群組分類，清楚掌握不同產線設備之間的通訊關係與網路行為，整個過程透過被動式封包分析機制完成，產線設備無須安裝任何軟體，也不會影響既有設備運作。

此外，Cyber Vision 也能比對已知資安弱點資料庫，協助企業辨識 OT 設備可能存在的漏洞與潛在風險，讓企業在不中斷產線運作的情況下掌握整體 OT 環境的安全狀態。在此基礎上，Cyber Vision 所建立的設備與群組資訊可進一步與 Cisco ISE 整合，透過安全群組（SGT）機制實現網路微分割（Micro-segmentation），並與防火牆形成聯動防護機制，讓網路能依據不同產線與系統需求建立精細的存取控制策略。

相較於傳統依賴 VLAN 切割與多台資安設備堆疊的方式，思科透過 IE 工業交換機與資安平台即可整合 OT 可視化、資產盤點、漏洞辨識、微分割與資安防護能力，將 OT 可視化與資安能力直接整合在工業交換機之中，形成 switch-native OT security 的架構，不僅降低多設備多廠牌整合的複雜度，也減少因 VLAN 架構造成的實體資安破口。吳竣民指出，在 AI 時代，工業網路不只是「會通、不會壞」，更需要具備資料可視化與安全防護能力，才能讓企業在確保產線穩定運作的同時，安全地將 OT 資料轉化為 AI 分析與智慧製造的重要基礎。

企業低碳化與智慧化的雙軸永續轉型

研華科技資深協理林美真提到，「在設施智慧化管理領域，我們強調不僅僅是遠端掌握設備的開關狀態，更要以全生命週期的管理思維，包含資產、設備、設備運維及備品管理再到深層式設備心臟馬達 AI 預知自動診斷與派工。」當今全球企業在設施管理上的主流趨勢已從反應式維護、計畫式維護，轉向主動式維護與預測性維護，搜集馬達各項特徵值從溫度，再到振動值，依據 ISO 20816 及 AI 演算法來預測馬達的健康，並針對不同的設備判斷可能的故障類型及精準判斷故障的零組件，給出具體維護建議方案，以利提早發現設備運行潛在風險，快速完成維修，同時降低設備維護成本。此外，在高效節能方面，研華科技協助客戶建立 ESG 永續報告、碳管理、能源管理及暖通空調 AI 智慧節能控制系統，不僅藉由監測分析找出各環節的能源浪費點，再依據結果分類執行節能改造，如用能行為管理、運行參數調整，同時整合 AI 算法，動態調整系統運行策略及與系統能效分析，實現即時的智慧控制。

「我們看到 AI 浪潮下，製程端的 3 大關鍵應用涵蓋 AOI 視覺辨識、AI 精實生產顧問，以及 AI 企業知識管理，」林美真表示，研華科技的工廠透過導入視覺辨識 AI 應用、投影安裝程序，大幅減少製造出錯率；同時，以 AI 自動彙整生產力分析報告，快速找到生產線的瓶頸，將每個月瓶頸分析的時間降低 20 小時，達成產線的生產平衡及生產力的重大提升。

另外，面對新進人員對於既有問題解決流程不熟悉，無法快速上手，且數據資料分散在不同系統，導致決策效率差，研華科技則是打造設備 AI 維運助手、智慧維修 AI 助手，能源管理助手，透過建立的生成式 AI 專家四大知識庫，提供即時資訊與解決建議，提高新進人員學習效率，進而節省培訓成本，快速幫助新人可以獨立作業。

目前，研華林口製造中心也運用 iFctory.AI Agent 解決方案，能夠迅速排查未達標生產線，並優化設備和工作指令，從而使整個工作流程更智慧化，由生成式 AI 聊天機器人還能提供即時生成訊息和數據驅動的洞察，促進高效決策，達到提高 25% 生產力和 36% 稼動率，降低 30% 停機時間的具體成果。

「因應企業智慧化與低碳化的雙軸永續轉型趨勢，我們將持續透過研華智慧化與低碳化一站式解決方案結合 Agent 與 AI 應用，協助企業達成 2050 淨零碳排目標，永續經營，」林美真強調。

AI 數據決策與流程自動化，打造智慧製造新模式

祐謙科技在 AI 智慧大工廠論壇中，展示結合 UiPath 與 SAS 的智慧製造解決方案。祐謙科技表示，UiPath 作為流程自動化與 Agentic AI 平台，能協助企業自動化處理跨系統的重複性作業流程，並透過 AI 模組提升流程判斷能力，讓企業從流程層面快速落地數位化與智慧化應用，適用於製造業、電子業及醫療產業等多元場景。例如在高科技製造產業中，UiPath 可串接 MES、ERP、PLM 等系統，自動整合製程、測試與生產報表資料，減少人工彙整與資料轉換時間，並自動產出管理報表，UiPath 亦可協助企業自動化文件處理、資料整併與合規流程管理，提升營運效率與資料一致性。

另一方面，SAS Viya 則提供企業進階數據分析與 AI 模型平台，協助企業將分散於各系統與產線的資料轉化為可分析、可預測的決策資訊。祐謙科技指出，SAS Viya 能協助企業建立完善的資料治理與分析架構，透過直覺化介面完成資料清理與整合，並快速建立 AI 與預測模型，用於需求預測、品質分析、設備維護與營運優化等應用，讓企業能依據數據洞察制定更精準的營運決策。

祐謙科技表示，透過 UiPath 的流程自動化能力與 SAS Viya 的數據分析與 AI 決策平台，企業可建立從資料分析到流程執行的智慧營運架構，推動製造業從自動化邁向更高層次的數據驅動決策模式。

在論壇現場，各界產業專家還深度探討 AI 驅動的「超自動化」工廠樣貌、AI 角色如何從支援工具擴展至管理智慧層、企業如何打造一支能掌握製造自動化的團隊，立即報名線上場，解鎖完整演講精華。

（責任編輯：曾品潔）

【為什麼我們要挑選這篇新聞稿】

隨著 AI 技術走向實體，驅動工業機器人的應用與人機協作安全成為產業焦點。在德國嵌入式電子與工業電腦展（Embedded World 2026），NEXCOM 新漢集團如何透過兩大重點展區 ── AIoT 解決方案與 AI 運算，展示從建構 AI 運算平台、部署實體 AI 裝置，延伸至 AIoT 作業場域及新世代 AI 企業轉型的具體解決方案？

工業電腦大廠新漢（8234）近年來積極推展 AI 在各類終端應用的布局，包括自動化解決方案、智慧強固車載、安全機器人、智慧城市、地端型 GPT 以及工業級資安軟體等服務。其中機器人被視作現階段AI得以具體發揮功能的物理載體，如何加速導入機器人在各領域的應用是產業共同努力的目標。新漢集團本周於德國嵌入式電子與工業電腦展（Embedded World 2026）上攜手德國機器人生態系夥伴 Synapticon 以及 Botfellows 針對智慧工廠、服務型機器人、車廠、物流倉儲等自動化應用，提供一系列通過安全認證的工業型機器人解決方案。

新漢旗下創博（NEXCOM Robotic Solutions）整合工業型機器人功能安全、視覺辨識、以及運動控制 針對多樣人機安全使用情境 打造以安全為本的機器人解決方案

在將智慧載體（Physical AI）導入工業作業環境的過程中，因牽涉到人機協作安全，智慧載體的各項環節如關節驅動器、控制馬達、以及安全感測器，均須個別導入嚴格的安全認證程序。作為智慧機械生態系的核心建構者，創博提供穩定的運動控制平台，結合德國夥伴 Synapticon 的關節驅動模組、以及德國夥伴 Botfellows 的安全應用軟體，可應用在智慧工廠、服務型機器人、車廠、物流倉儲以及其他自動化應用，創博與生態系夥伴致力於協助智慧載體開發商縮短單機開發時程，提供最高安全等級的工業型機器人解決方案。

新漢參展德國嵌入式電子與工業電腦展（Embedded World 2026）展會亮點

新漢本次展出以「在軟體定義邊緣運算盡情釋放潛能（Unleashing the Ingenuity of SD Edge Computing）」為主題，透過兩大重點展區 ── AIoT 解決方案與 AI 運算，展示軟體定義邊緣運算（Software-Defined Edge Computing, SDEC）技術的無限潛力。展示內容涵蓋邊緣 AI（Edge AI）、物理 AI（Physical AI）、以及所有 AIoT 作業現場整體架構等多元真實世界場域中的實際部署，推出從硬體平台到解決方案的完整產品線，如最新專為智慧醫療所設計的 NDiS B340 耐受型邊緣運算電腦、針對 AI 智慧工廠應用的 APPC 160/210 C21 工業觸控電腦、以及IP67 防護等級 AI 車載電腦 ATC 3561-NA4C 等產品，NEXCOM 新漢將持續加速各類智慧應用場域的落地實踐，從建構 AI 運算平台、部署實體 AI 裝置，延伸至 AIoT 作業場域及新世代 AI 企業的轉型，持續透過創新產品為產業與人類生活創造卓越價值。

（本文訊息由 NEXCOM 新漢提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：NEXCOM 新漢。）

在前面的系列文章中，我們探討了如何利用 Apigee 駕馭 Gen AI 的 Token 成本，以及如何透過穩健的運維體系跨越鴻溝。當企業解決了「成本效益」與「運作效率」後，隨之而來的便是最嚴峻的挑戰——信任與安全。

在 Gen AI 時代，API 不再只是應用程式之間的資料管道，它們成為了企業核心大腦（LLM）與外部世界溝通的神經末梢。然而，這扇通往創新的大門，若缺乏適當的防護，也將成為駭客長驅直入的漏洞。

傳統的防火牆已不足以應對當前的威脅。面對 AI 時代的資安挑戰，這篇將探討如何利用 Apigee Policy 來落實合規治理，並搭配 Advanced API Security 來找出潛在的威脅，在 AI 時代構建一道「零信任（Zero Trust）」的防線。

API 的設計與治理缺陷正在放大整體系統風險

根據 Gartner 的預測，API 濫用將成為導致數據洩露的最常見攻擊方式。在生成式 AI 的架構下，這種風險被進一步放大：

• 影子 API (Shadow APIs) 的隱憂：為了快速迭代 AI 功能，開發團隊可能繞過標準流程部署 API，這些「看不見」的接口成為了資安死角。
  
• 商業邏輯攻擊 (Business Logic Attacks)：攻擊者不再只是尋找程式碼漏洞，而是利用合法的 API 呼叫，進行資料爬蟲（Scraping）或耗盡後端 LLM 的 Token。
  
• 提示注入 (Prompt Injection)：惡意用戶透過 API 發送特製指令，試圖引發後端 LLM 洩露敏感資訊或執行未授權操作。

傳統的 WAF (Web Application Firewall) 擅長防禦 SQL Injection 或是分散式阻斷服務攻擊 (DDoS) 等已知攻擊，但對於這些偽裝成正常流量的「新型態威脅」，往往束手無策。

以 AI 對抗 AI：Apigee 的智慧防護機制

面對日益複雜的攻擊，有些甚至由 AI 驅動的攻擊，防禦者必須同樣具備智慧化的手段。Apigee 不僅是 API 閘道器，更是企業的智慧過濾網。

透視全貌：你無法保護你看不見的東西

安全的第一步是「可視性」，Apigee Advanced API Security 能夠自動掃描並識別流量中的 API 模式，即使是那些未被註冊的 Shadow APIs 也無所遁形。它能幫助資安團隊快速建立完整的資產清單，確保每一個進入 LLM 的接口都在監控範圍內。

異常檢測：識別偽裝者

如何區分「重度使用者」和「惡意爬蟲」？Apigee 利用機器學習模型（ML Models）建立正常流量的基線（Baseline）。一旦發現異常行為，例如在短時間內異常頻繁地呼叫昂貴的 Gen AI 模型，或是在非營業時間出現大量數據下載時，系統會立即標記並阻斷，防止 Token 預算被耗盡或數據被竊取。

數據隱私的最後一道防線：個資治理

在將數據發送給公有雲 LLM（如 Gemini, GPT-4）進行推論之前，企業最擔心的莫過於：「我的客戶個資（PII）會不會外洩？」

這正是 Apigee 能夠發揮關鍵作用的地方。透過在 API Proxy 上透過串接 Model Armor，或是過濾掉電文中特殊的字元、字串，Apigee 可以避免在請求與回應中，出現以下敏感資訊：

1. 識別敏感欄位：自動偵測身分證號、信用卡號、Email 等 PII。
   
2. 即時清洗：將敏感數據替換為亂碼或遮蔽符號（如 ****-****-****-1234）。
   
3. 安全傳輸：確保後端 LLM 僅接收到執行任務所需的資訊，而非原始敏感數據。

這種機制讓企業能夠在大膽擁抱生成式 AI 強大能力的同時，嚴格保護個資與機敏資訊，不被模型提供者或外部取得，也能夠符合相關法律的規範。

信任，是數位經濟的貨幣

從成本控制、運維穩定到安全防護，這三篇文章勾勒出了企業導入生成式 AI 的成熟度路徑。

安全性決定創新能走多快、走多遠。當您利用 Apigee 建立起這套「零信任」的安全防護網時，您不僅是保護了企業的資產，更是在向您的客戶傳遞一個強有力的訊息：我們提供的 AI 服務，不僅聰明，而且值得信賴。

在數位價值鏈中，信任是最昂貴的貨幣。有了 Apigee，您將能守護好這份資產，在 AI 的浪潮中穩健前行。

(本文訊息由 CloudMile 萬里雲提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：CloudMile 萬里雲。）

亞太區雲端解決方案領導品牌博弘雲端科技，榮獲 Amazon Web Services (AWS) AI Services 能力認證—生成式 AI 顧問級別（AWS AI Services Competency－Generative AI Consulting Services）。此項認證肯定博弘雲端能運用 AWS AI 解決方案的技術服務，協助企業透過 AI 技術，改善內部流程繁瑣與人力不足的挑戰，更進一步拓展到可規模化的商業應用，帶來無限的創新與商機發展性！

跨越 AI 落地門檻 助企業用 AI 創造商業價值

使用 AI 技術與工具已成多數員工的日常，但就企業層級來看，導入 AI 的過程中仍面臨重重挑戰。根據財團法人人工智慧科技基金會在 2025 年的「台灣產業 AI 化大調查」指出，高達 70% 的企業未能跨越 AI 實際應用門檻；此外，「數據品質不齊導致模型偏差」以及「難以將 AI 技術對接至具體獲利場景」，更是企業在 AI 轉型路上的核心痛點。

博弘雲端擁有專業的團隊與 AI 技術量能，協助企業從內部數據治理、定義待解決的問題，再到AI應用部署情境，確保企業使用 AI 解決對的問題，發揮最大功效。

博弘雲端事業中心副總經理陳亭竹表示，獲得 AWS AI Services 能力認證—生成式 AI 顧問級別，是肯定博弘雲端協助客戶落地 AI 技術應用的實力。企業現在不再只單純需要了解 AI 工具，而是能實際解決商業問題的「AI 應用方案」。博弘雲端透過 AI 一站式解決方案，協助企業在 AWS 雲端上快速搭建專屬的 AI 應用，轉化為優化企業流程與商業成長的實質動能。

甫獲 Anthropic 經銷資格 博弘雲端 AI 解方成就商業可能

為提供企業最具競爭力的 AI 技術服務，博弘雲端更在今年 (2026) 正式成為 Anthropic 的經銷合作夥伴，賦能企業在 AWS 的 Amazon Bedrock 平台中，彈性選用 Claude (powered by Anthropic) 的最新模型，建構代理 AI 與生成式 AI 等相關應用。此外，博弘雲端亦結合企業使用 AI 的洞察，打造符合企業需求的 AI 應用，像是「銷售與庫存預測」和「生成式 AI 輿情分析」，賦能企業即刻享有 AI 落地的優勢。

「博弘雲端是企業絕佳的 AI 系統整合夥伴，從金融、零售到高科技製造等產業的各類型 AI 應用，透過一站式 AI 服務，打造客戶需求的技術創新。」陳亭竹提到，儘管導入 AI 技術的前期充滿挑戰，但這正是企業二次轉型的關鍵期。唯有釐清轉型方向，將 AI 化為即戰力，才能成功突破過往的限制。

博弘雲端現已成功協助零售與軟體等企業達到「AI 賦能」的目標，並擁有解決企業痛點的具體成效與客戶肯定。透過 AWS AI Services 能力認證—生成式 AI 顧問級別的加持，博弘雲端將整合更多元的 AI 解決方案，替企業創造AI應用的不同可能性，拓展 AI 時代的商業成功藍圖！

立即攜手與博弘雲端 掌握 AI 落地應用的策略關鍵！

（本文訊息由博弘雲端科技提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：博弘雲端科技。）

在當前的金融科技（Fintech）浪潮中，傳統銀行正處於數位轉型的關鍵十字路口。

隨著 Open Banking 與 API Economy 的興起，金融機構面臨雙重壓力：一方面需快速迭代以滿足客戶對數位服務的期待，另一方面則必須在極度嚴苛的合規監管下，確保核心銀行系統（Core Banking）的穩定與安全。目前市場上的主要痛點在於「混合雲（Hybrid Cloud）架構」的落地難題，即是如何讓部署於 Google Cloud 的雲端原生（Cloud Native）API 管理平台（如 Apigee X），安全、低延遲且透明地存取位於地端（On-Prem）的傳統後端服務。

本案例正是此挑戰的標準縮影，展示了在不更動地端龐大遺留系統（Legacy Systems）的前提下，如何透過精準的網路架構選型，解決 DNS 解析與跨網段連線的複雜性，為金融業提供了一套可複製的現代化藍圖。

突破地端連線瓶頸：南向流量的最佳實踐

對於企業決策者而言，技術架構的選擇直接關乎營運效率與維運成本。在實戰案例中，針對連接地端的「南向流量」（Southbound），經過萬里雲技術團隊的審慎評估，捨棄了管理成本高昂的「Mixed PSC」方案。雖然 Private Service Connect (PSC) 提供了強大的隔離性，但在混合環境下，若需為每個後端服務建立獨立連線，不僅架構複雜、配置繁瑣，會導致雲端服務成本變高之外，也容易引發 DNS 查詢的問題。

為了簡化網路架構並節省雲端的花費，採用了 VPC peering + VPN/Interconnect 網路架構。此架構的核心價值在於利用 Cloud DNS Forwarding Zone 技術，建立了一套可以結合地端 DNS 的解析流程。

當 Apigee 透過 Cloud DNS 對後端服務發起請求時，Cloud DNS 能直接將針對地端網域（如 targetserver.onprem.com）的查詢轉發至地端 DNS，並獲取正確 IP 回傳。這不僅解決了混合雲環境下最棘手的名稱解析難題，更在 Shared VPC 環境中實現了「一次配置，全域連通」的管理簡便性，大幅降低了基礎設施團隊的維運負擔，確保業務邏輯與底層網路的高度解耦。

零信任的資安防線：北向流量架構與合規

金融業的資安架構不容許任何妥協，金融業客戶的案例在「北向流量」（Northbound），即客戶端請求進入 API Gateway 的流量。在設計上，這展現了對安全性與合規性的極致追求。

儘管該行在此特定場景下並無跨區災備（Cross-regional failover）的立即需求，但仍堅定選擇了「Application Load Balancer + Private Service Connect」架構。這項選擇的關鍵驅動力，在於對 Google Cloud Armor 的強制性整合需求。

透過 Application Load Balancer (ALB) 結合 Cloud Armor，客戶能夠在流量進入 Apigee 閘道前，即時過濾 DDoS 攻擊與應用層威脅（WAF），構築第一道強韌防線。同時，透過 PSC 進行網路介接，確保了服務與服務之間的流量完全封閉於 Google 內網或專線（Interconnect）中。

這種設計精準滿足了金融監管對於資料傳輸隱私與隔離的嚴格規範，完美平衡了現代化 API 管理與企業級資安防護，證明了在雲端轉型的過程中，安全與敏捷可以並行不悖。

(本文訊息由 CloudMile 萬里雲提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：CloudMile 萬里雲。）