生成式 AI在過去一兩年間，已經在企業的內容發想與日常製作流程中取得初步且顯著的成效。現在的關鍵問題在於，如何運用更高階的「代理式 AI」技術，來深化顧客互動並重塑長期的品牌關係。

這份由 Adobe 與 Oxford Economics 共同發布的《行銷長 2026 AI 與數位趨勢報告》（CMO PRIORITIES: 2026 AI AND DIGITAL TRENDS），奠基於龐大且具代表性的全球調查數據，涵蓋 3,000 位企業高階主管與第一線從業人員，以及高達 4,000 位消費者的真實反饋；調查對象橫跨多種產業與企業規模，其中包含 8% 的全球行銷長群體，反映決策者在面對 AI 浪潮時的真實痛點與策略轉向。

報告的核心提醒是，盲目追逐新技術的階段已經過去。對行銷長與高階決策者而言，現在的重點不再是「要不要用 AI」，而是如何讓 AI 真正串聯起從品牌曝光到售後服務的完整顧客旅程。以下摘要報告內容。

📎 這份報告適合誰閱讀？

這份來源報告主要針對行銷長（CMO）以及行銷與數位決策者所設計，但其探討的跨部門協作痛點與技術趨勢，也非常適合以下幾種專業工作者閱讀：

• 第一線行銷執行者
• 技術長（CIO）、資訊與數據主管
• 內容創作與創意團隊主管

只要工作範疇涉及顧客體驗優化、品牌曝光（特別是 AI 搜尋優化）、內容供應鏈或企業數據整合，都能在這份報告找到行動指引。

🔴 報告洞見

根據 Adobe《行銷長 2026 AI 與數位趨勢報告》，企業已逐漸脫離早期的「AI 實驗」階段，邁入「顧客體驗編排」的全新戰局。

當前市場有兩大警訊，首先，在 AI 搜尋逐漸取代傳統 SEO 的趨勢下，品牌如今僅剩五秒鐘能抓住消費者目光；其次，儘管業界積極部署代理式 AI 以追求自動化，卻有高達 78% 的行銷長坦言，內部「資料整合與品質落差」已成為技術擴張的最大阻礙。

究竟多數企業踩中了什麼轉型地雷？而領先企業又掌握了哪些逆轉戰略，將 AI 轉化為實質營收？以下三個趨勢，分別從曝光、基礎設施與組織管理三個層面，拆解這道轉型難題。

💡 趨勢解析一：品牌曝光管道轉移與信任的重塑

AI 搜尋重寫曝光規則，消費者信任機制也需要同步重建

報告指出，消費者的產品探索習慣正快速從傳統的搜尋引擎（SEO），轉向 AI 驅動的搜尋與對話平台。AI 工具在品牌與產品的「早期發現」階段，其影響力甚至已經超越了品牌官方網站與傳統的線上評論。

面對這個不可逆的趨勢，數據顯示高達 83% 的行銷長明確指出，AI 對話平台對於維持品牌的市場關聯性至關重要。為了搶佔這波新的流量紅利，已有 72% 的企業表示，他們正在積極準備優化品牌內容，以確保能被 AI 發現工具（如大型語言模型與 AI 代理）精準讀取與推薦。

然而，要在 AI 生成的結果中脫穎而出絕非易事。在這個瞬息萬變且資訊過載的環境中，消費者留給品牌的注意力窗口正在急遽縮短。

有高達 69% 的顧客坦言，任何品牌促銷活動或訊息，最多只有「5 秒鐘」的時間能抓住他們的注意力。這意味著，企業產出的內容不僅要具備極高的「相關性」，還必須有強烈的「差異化」，才能在短短幾秒內同時獲得 AI 代理的青睞與消費者的目光。

此外，當品牌越來越依賴 AI 代理與顧客進行互動時，「信任機制」的重塑成為了生死攸關的課題。

消費者雖然對 AI 帶來的便利性抱持開放態度，但內心深處的防備感依然存在。顧客明確表示，如果在與品牌的 AI 代理互動時，隨時擁有「切換為真人客服」的選項，這是提升他們對 AI 服務舒適度與信任感的最強大因素，其重要性超越調查中測試的任何其他條件。

這提醒了行銷長，在追求全面自動化的同時，絕對不能切斷人際互動的最後一道防線。

💡 趨勢解析二：跨越代理式 AI 的規模化瓶頸

資料孤島與技能落差，理想與現實的巨大鴻溝

儘管高階主管對代理式 AI 寄予厚望，但當企業試圖將這些技術從概念驗證（PoC）推向全面規模化運營時，卻無可避免撞上基礎設施與人才儲備的現實高牆。

目前大多數組織根本還沒準備好大規模採用代理式 AI。其中最致命的瓶頸在於底層數據的破碎化。

高達 78% 的行銷長坦言，「資料整合與資料品質」是他們導入代理式 AI 解決方案時面臨的最大障礙。目前全球只有極少數（4%）的企業，具備能夠從 AI 生成數據中萃取洞察的「統一顧客數據基礎」。

代理式 AI 的核心價值在於能夠跨越系統、自動執行複雜任務，並提供即時的個人化服務。然而，如果企業內部的會員資料、交易紀錄與行為數據，依然散落在各個無法互通的「資料孤島」中，AI 就如同失去了大腦與神經系統，根本無法發揮編排顧客體驗的價值。

除了數據基礎設施匱乏之外，「人」的因素同樣拖慢了轉型步伐。有 61% 的主管將內部團隊的「人才與技能落差」視為部署代理式 AI 的重大挑戰。

目前的真實情況是，代理式 AI 在企業內部的應用，大多仍侷限於探索階段或「孤島式」的單一使用場景，僅有四分之一或更少的企業真正將代理式 AI 整合到跨部門的關鍵工作流程中。

不過這種理想與現實的巨大鴻溝，同時也意味著龐大的市場機會。既然多數競爭對手都卡在資料打通與人才升級的泥淖中，那些能夠率先簡化技術堆疊、建立統一數據架構，並同步提升員工 AI 技能的企業，將在這波轉型中獲得無可取代的先行者優勢。

💡 趨勢解析三：組織對齊與創造長期價值

AI 投資目標已從降本轉向創造顧客價值，但內部共識危機拖累執行

隨著 AI 技術的成熟，企業投資 AI 的終極目標也發生了本質上的質變。報告強調，當前企業的 AI 投資策略已經強烈導向「創造顧客成果」，而非僅僅停留在過去粗暴的「削減營運成本」。

高階主管對於代理式 AI 在顧客互動旅程中所扮演的角色，抱持著極大的野心。高達 60% 的主管預期，在未來的 18 個月內，至少有一半的「顧客支援互動」將直接由代理式 AI 接手處理；同時，也有 56% 的主管對「售後支援」場景抱持著相同的自動化預期。

這顯示出，企業正試圖讓 AI 成為主動營運的夥伴，藉此提供更無縫、更長期的顧客價值。

然而，這個宏大的戰略願景卻面臨著內部管理上的隱憂。「戰略對齊（Strategic alignment）」是整個 AI 轉型中最脆弱的一環。

技術與軟體可以花錢購買，但內部團隊的共識卻需要耗費巨大的心力去凝聚。

數據顯示，企業內部存在著嚴重的認知落差，僅有 26% 的組織表示，他們的高層主管與基層執行者在 AI 策略上達成了「高度對齊」；而有高達 44% 的組織坦承，雙方僅處於「部分對齊」的狀態。

這種高層與基層之間的共識危機是極度危險的。如果高層主管設定了宏大的「顧客體驗創新」目標，但第一線的營運團隊卻依然用舊有的 KPI，或是單純以「省下多少工時」來衡量 AI 的價值，這種認知分歧將導致所有的 AI 專案在落地執行時大打折扣，甚至因為內部摩擦而停滯不前。因此，主動弭平這道內部鴻溝，已成為行銷長不可迴避的領導責任。

🧭 CMO 實戰行動指南

從實驗走向編排，行銷長的三大必備戰略

總結報告的核心洞察，AI 不應再被視為單一部門的生產力工具，而是推動全通路顧客體驗轉型的基礎建設。為了將龐大的 AI 投資轉化為實質的業務成長，報告梳理出了三大具體且急迫的行動指南：

• 行動指南一：五秒內建立信任，AI 互動必須保留真人切換選項

在 AI 搜尋與生成的時代，品牌必須積極投資那些能夠提升內容相關性與「透明度」的 AI 技術。更關鍵的是，在任何由 AI 代理接手的顧客互動節點中，都必須強制保留一條清晰、無礙的「無縫轉接真人支援」路徑。這不僅是技術設定，更是品牌向消費者傳遞安心感、贏取長期信任的核心戰略。

• 行動指南二：先打通資料孤島，再談內容規模化

面對 AI 帶來的產能爆發，行銷長必須克制盲目擴張內容數量的衝動。首要任務是先「安內」，統一內部破碎的數據基礎與營運工作流程。只有在確立了嚴謹的治理框架，確保產出的所有內容都能維持絕對的「品牌控制權」與一致性之後，才能安全且有效地擴張內容供應鏈的規模。

• 行動指南三：部署前先對齊目標，沒有共識的 AI 投資只會內耗

在全面部署代理式 AI 之前，行銷長必須先精準界定出具備「高價值」的應用場景。為了化解內部共識危機，領導層必須親自出面，確保高層的願景與第一線團隊的執行目標完全對齊，並在專案啟動前，就預先定義好明確的成功衡量指標。唯有如此，才能確保 AI 不只是一場技術展演，而是真正能為企業帶來長期收益的成長引擎。

＊閱讀完整報告內容，請見：CMO Imperatives in the Era of AI

【更多產業研究報告】

◆ 【史丹佛大學 2026 AI 指數報告】中美技術差距消弭、初階職位消失，企業如何重新評估 AI 風險與安全佈局？
◆ 【2026 訂閱軟體實戰數據】免費試用越短、轉換率越低？10 億筆交易紀錄拆解獲利關鍵
◆【Hill & Valley Forum 2026】美國正重寫科技冷戰規則，台灣為何成為難以替代的關鍵盟友？

➡️ 其他產業研究報告

＊初稿由 AI 協作，首圖來源：Unsplash

【科技早餐】今天精選 8 則國內外重要科技新聞。

＊Meta 裁員連到 AI 算力支出，科技業面對人力與算力取捨

《路透》報導，Meta 執行長祖克柏（Mark Zuckerberg）在員工大會中表示，公司主要成本來源包括運算基礎設施與人力支出；如果一邊加大投資，另一邊可分配資本就會減少，因此公司規模必須調整。Meta 預計 5 月 20 日裁減約 10% 員工，下半年也不排除進一步裁員。

祖克柏強調，這輪裁員與公司轉向 AI 原生架構沒有直接關聯，也不是因為推動員工使用 AI 工具。不過 Meta 近來持續加碼資料中心與 AI 運算能力，也導入 AI 代理與內部 AI 工具。另一方面，NVIDIA 應用深度學習副總裁卡坦扎羅（Bryan Catanzaro）近期表示，部分 AI 應用的算力成本，已高於使用這項技術的員工成本。

＊Apple 財報超預期，Siri、記憶體與接班壓力同時上桌

蘋果（Apple）公布 2026 會計年度第二季財報，營收達 1,111.8 億美元，年增 17%，每股盈餘 2.01 美元，雙雙優於市場預期。執行長庫克（Tim Cook）在財報電話會議中表示，iPhone 17 是公司史上最受歡迎的產品線，但先進處理器供應仍有限，影響部分 iPhone 銷售表現。

市場同時關注 Apple 的 AI 進度。庫克表示，與 Google 合作改善 Siri 的進展順利，個人化 Siri 今年仍會如期推出。Apple 也預告本季記憶體成本將明顯升高，毛利率可能較上季下滑。預計 9 月接班庫克的硬體部門負責人特納斯（John Ternus），也在財報會議中亮相。

＊AWS、Microsoft、NVIDIA 等七家公司進入美軍機密 AI 網路

《彭博》報導，Amazon 旗下 AWS、Microsoft、NVIDIA 與新創公司 Reflection AI，已和美國國防部簽署協議，允許其 AI 技術在機密軍事網路中，用於合法軍事行動。加上先前已和五角大廈簽約的 Google、OpenAI，以及馬斯克（Elon Musk）旗下 xAI，目前已有七家主要 AI、雲端與晶片公司，進入這波國防合作名單。

美國國防部表示，這些協議將加速美軍轉型，建立「AI 優先」的作戰部隊。這也代表，美國生成式 AI 與雲端基礎設施業者，正更積極進入國防採購體系。另一方面，Anthropic 因拒絕撤除部分安全限制，與美國政府出現摩擦，也讓 AI 公司如何設定軍事用途邊界，成為市場與政策討論焦點。

＊Uber 要把司機變成感測網格，自駕競爭轉向真實世界資料

《TechCrunch》報導，Uber 技術長普拉文・內帕利・納加（Praveen Neppalli Naga）透露，Uber 未來希望為旗下司機車輛安裝感測套件，把數百萬輛人類司機車輛，變成收集道路資料的「感測元件網格」，並將這些行車數據提供給自駕車公司與 AI 模型訓練使用。

這項計畫是 Uber 今年 1 月推出 AV Labs 的延伸。Uber 目前已與 25 家自駕車公司合作，包含英國新創 Wayve。公司也正在打造 AV Cloud，提供標註後的感測器資料，讓合作夥伴訓練自駕模型，並把模型放到真實 Uber 行程中，以影子模式測試反應。不過普及前，仍須釐清各州監管法規與資料共享界線。

＊Meta 收購 ARI，補上人形機器人與實體 AI 能力

Meta 已收購人形機器人新創公司 Assured Robot Intelligence（ARI），交易金額未對外公開。Meta 發言人表示，ARI 是一家專注機器人智慧的公司，致力讓機器人能在複雜多變的環境中理解、預測並適應人類行為。ARI 團隊成員將加入 Meta 超級智慧實驗室（Meta Superintelligence Labs）。

ARI 過去主要為人形機器人開發基礎模型，使其能執行不同勞務與家務任務。共同創辦人小龍・萬（Xiaolong Wan）曾任 NVIDIA 研究人員，也是加州大學聖地牙哥分校（UC San Diego）副教授；另一名共同創辦人勒瑞爾・平托（Lerrel Pinto）曾任教於紐約大學。這項收購將補強 Meta 在機器人控制與自主學習上的能力。

＊奧斯卡排除 AI 演員與 AI 編劇，內容產業劃下人類作者邊界

《路透》報導，美國影藝學院（Academy of Motion Picture Arts and Sciences）宣布新規定，AI 創造的演員與劇本，將不具備角逐奧斯卡金像獎的資格。演技類獎項必須是由真實人類在同意下完成演出；編劇類獎項則明確規定，劇本必須由人類創作。

這項規則公布前，已故演員方基墨（Val Kilmer）的 AI 數位分身才剛出現在新片預告中，引發外界對 AI 重建演員形象的討論。美國影藝學院這次也同步調整最佳國際影片規則，讓部分在重大影展獲獎的非英語電影，可以不只依賴國家官方提名。AI 可以進入製作流程，但獎項制度已先把人類演員與人類作者的資格寫清楚。

＊UK Biobank 50 萬筆去識別化生物資料外洩

全球最大生物樣本資料庫 UK Biobank 發生資料外洩事件，涉及 50 萬名參與者的去識別化生物資料。UK Biobank 從 2006 年到 2010 年間募集全英國 40 到 69 歲志願者，收集血液、唾液、尿液與身體檢測數值，供國際研究者申請使用。外洩資料一度出現在阿里巴巴旗下電商平台上販售。

UK Biobank 表示，事件並非網站漏洞或駭客攻擊，而是來自具有合法存取權的研究人員或研究機構，相關單位已被撤銷存取權。UK Biobank 也向參與者說明，外洩資料均為去識別化資料，不包含姓名、住址、出生日期與英國健康記錄編號。平台目前已暫時關閉所有存取，並強化下載規模與輸出檔案監控。

＊半導體通膨成形，晶圓代工與 IC 設計陸續漲價

半導體產業漲價壓力正在擴大，從記憶體延伸到晶圓代工與 IC 設計端。隨著 AI 需求推升高階記憶體、先進製程與成熟製程產能壓力，部分晶圓代工廠已陸續通知客戶調漲價格，IC 設計業者也開始反映成本變化，半導體供應鏈的價格壓力正逐步往下游傳導。

這波漲價不只來自單一零組件，而是來自 AI 帶動的整體產能重新分配。先前 Apple 已預告本季記憶體成本將明顯升高，聯電等晶圓代工業者也面對需求與成本變化。對終端品牌與電子製造業來說，半導體通膨可能影響毛利率、產品定價與供應鏈配置，也讓 AI 投資熱潮的成本壓力更具體浮現。

＊本文開放合作夥伴轉載，資料來源：《Retuers1》、《Axios》、《Reuters2》、《Bloomberg》、《TechCrunch》、《Business Insider》、《Reuters3》、《The Guardian》、《中央社》、TrendForce、《Reuters4》，首圖來源：AI 生成圖。

如果你已經習慣 Google 搜尋內建的 AI 摘要服務，應該不難理解它在統整搜尋資訊方面，究竟有多麼強大。

舉例來說，當你想要為公司尋找適合的客戶服務平台，Google 的 AI 摘要可能會貼心整理出一份清單，包含 Zendesk、Freshworks、Eesel AI 等，並且給予引用來源連結，引導使用者進行下一步比較。

然而，當使用者點擊所謂的「引用來源」並跳轉，卻會發現其文章內容，根本是來自業者自行撰寫的行銷與推薦文章；文章中雖然會比較來自不同公司的多種產品，並且詳細列出每個平台的功能、優缺點，但它們所最終推薦的服務，基本上都還是撰寫者自身。

這種在網路上由業者「自吹自擂」進行排名的「最佳榜單」或「比較整理」，已變得隨處可見，產業類別亦橫跨實體與數位，不勝枚舉。

品牌與 SEO 產業的生存危機

但是最令人憂心之處，在於 Google 的搜尋演算法，尤其是 AI 摘要，似乎特別重視前述的文章與頁面，畢竟它們的格式與結構對機器來說十分容易理解。

長期以來，網路行銷人員早已習慣透過濫竽充數的內容與頁面，試圖吸引搜尋引擎演算法的注意，而隨著網路環境不斷變化，行銷業者操縱搜尋引擎的手段，亦開始發生了轉變。

在 Google 正式宣布將 AI 功能導入搜尋引擎之後，過去單純列出網站連結並進行排序的傳統做法，被 AI 主動進行的內容摘要逐步取代，更使搜尋引擎最佳化（SEO）產業備受考驗。

人工智慧時代下，那些曝光率最高的內容，已經未必來自大型網站，更有可能源於部落格、新聞文章及社群平台討論串；同時，部分網路使用者轉向其他管道進行搜尋，利用 ChatGPT 和 Claude 等 AI 聊天機器人尋找內容，進而使某些內容發佈商和品牌的 Google 搜尋流量不斷下滑，演變成一場生存危機。

如何評估 AI SEO 成效？沒人知道

正因為看見搜尋流量下滑而產生焦慮的廠商越來越多，大量 SEO 公司紛紛進軍 AI 搜尋領域，以各種方式向客戶承諾，他們有辦法讓 AI 聊天機器人於消費者提問時，繼續曝光廠商旗下的產品，前述的「自我推薦型」文章內容就是最好的案例。

曾任職於 AI 新創公司 Hugging Face 行銷部門的 SEO 顧問 Britney Muller 表示，當今身處 SEO 產業的相關人員都十分恐慌，因為他們身上背負著巨大壓力，希望趕緊找到一種方法建立起指標，接續過往的績效評估方法。

然而，Britney Muller 說，究竟該如何在 AI 時代下，重現過去 SEO 產業的績效評估方法？答案根本就沒有人知道。

即便「自我推薦」與「清單式文章」等行銷手段，目前看來似乎有些成效，但 Britney Muller 分析，這些帶有偏見、不夠客觀的內容，只是利用 AI 模型偏好透過網路即時搜尋，提取易讀文章結構以補充輸出結果的取巧方法，其資訊通常沒有烙印於模型核心之中，因此該 SEO 策略絕非長久之道。

Britney Muller 強調，AI 摘要被廠商自我推薦文章淹沒的問題，事實上屬於搜尋引擎資訊檢索層面的問題，而非 AI 或大型語言模型（LLM）本身所造成，隨著 Google 持續最佳化並改善搜尋結果，這類內容將會逐漸消失。

行銷花招百出，甚至對 AI 搜尋「投毒」

只不過，網路行銷業者對於 AI 搜尋的 SEO 嘗試，自然也不止於此。

2026 年 2 月，微軟在旗下部落格揭密了一起嶄新的「投毒攻擊」，指出某些企業與行銷組織，刻意將人工智慧通常會遵守的提示詞，隱藏在自家網站上「使用 AI 摘要」的按鈕之中。

微軟表示，當使用者於某些網站上點擊類似「使用 AI 摘要」功能的按鈕後，系統就會向大型語言模型注入指令，要求 AI 將廠商的「網域位置」與「服務內容」記住，並將其標記為將來引用的權威來源，藉此讓使用者慣用的 AI 服務「推薦中毒」。

由於大型語言模型根本無法區分，究竟哪些是使用者下達的真正提示，而哪些又是被第三方廠商注入的惡意提示，不只是傳統的聊天機器人受到影響，如 OpenClaw 等擁有自主工作能力的 AI 代理，更陷入另一層次的資安危機。

AEO？GEO？連名詞內涵都缺乏共識

受眾研究公司 SparkToro 負責人暨 SEO 專家 Rand Fishkin 向外媒表示，AI 的出現讓 SEO 領域掀起一股巨大的「淘金熱」。

近期曾有一家募得 900 萬美元資金的網路行銷公司對外聲稱，他們部署了超過 6 個 AI 代理程式，其運作模式宛如「世界級行銷專家」；其中一個 AI 代理負責研究搜尋查詢，另一個負責生成並設計到達頁（Landing Page）和部落格文章，還有一個 AI 則負責從外部來源獲取反向連結。

然而，擁有巨大商機的 AI 時代 SEO，卻也陷入缺乏共識的迷途，例如全新的 SEO 方式究竟該如何命名，以及其真正的內涵與整體概念，目前也還沒有公認的定義。

舉凡 AEO（答案引擎最佳化）、GEO（生成式引擎最佳化）、GSO（生成式搜尋最佳化）等無數新稱呼，不斷被創造並附加在行銷公司的宣傳策略中，簡直就跟 AI 開發商不斷發明新名詞的情況如出一轍。

Britney Muller 批評，許多自以為精通 AI 時代 SEO 的行銷業者，聲稱自己能夠搞定 GEO、AIO 之類的難題，但事實上他們更多只是在虛張聲勢，並且試圖透過「不切實際的方式」影響 AI，而這種情況將使 SEO 產業走向自取滅亡。

高調販賣 AI 時代 SEO 的危機感

回顧今年 2 月，一篇部落格文章在小眾社群媒體圈內瘋傳，聲稱多家科技媒體因為 AI 崛起，導致網站的 Google 搜尋流量徹底崩潰。如知名的 Digital Trends 和 ZDNet 等巨頭，其流量相較過往高峰期下降超過 90%。

經過進一步追查，該文章由一家名為 Growtika 的公司所撰寫、發表，而該公司自稱是專為 B2B SaaS 品牌提供 SEO 和 GEO 行銷服務的代理商，他們不只提供標準 SEO 諮詢，更特別強調針對 AI 最佳化的重要性。

Growtika 在自家網站上以挑釁口吻寫道：你的網站在 Google 搜尋上排名第一，然而 AI 根本就不在乎，同時聲稱公司已經掌握 GEO 的關鍵技巧，可以在 60 天內讓客戶內容獲得 AI 引用。

科技媒體《The Verge》當面質疑 Growtika 共同創辦人 Asaf Fybish 在網站宣傳頁面的說法，結果他的態度從挑釁轉為保守，並承認若想評估 SEO 方法在 AI 搜尋結果的能見度，目前確實還沒有任何正確、有效的方式。

Asaf Fybish 說，傳統 SEO 仍然重要，但如今「搜尋」所涵蓋動作與範圍，早已擴及 Google 以外的許多平台，消費者可能在任何地方尋找想要的資訊。

為了流量求生而踏入的死亡螺旋

Growtika 日前編撰的文章令科技業界感到震驚，對此 Asaf Fybish 則表示，雖然文章發表後公司收到了部分負面批評，但他仍建議業界正視現實，即自然搜尋流量確實因為 AI 而出現下滑，那些消失的流量未來也很可能無法回流。

Asaf Fybish 強調，公司的原則是透過數據追求真相，不過《The Verge》發行人 Helen Havlak 後續回應，指出 Growtika 所引用的數據其實「根本不準確」，同時 Google 搜尋自然流量的下滑，早就已經不是什麼秘密。

Helen Havlak 直言，部分科技媒體為了緩解 Google 搜尋流量下滑的影響，紛紛產出大量低品質、只為 SEO 而生的垃圾內容，但這種方法只能作為短期策略，否則將導致網站與品牌的 SEO 陷入死亡螺旋，即為了拼命追逐 Google 殘存的流量，進而流失忠實讀者。

高層只在意 AI，但搜尋卻不在 AI 發生

就跟所有與人工智慧相關的科技事物一樣，AI 時代 SEO 在表面上的熱度，似乎跟實際發生的情況有著不小的落差。

SparkToro 負責人 Rand Fishkin 指出，AI 搜尋在「概念」方面所獲得的關注程度，其實比實際發生的活動要高出 10 到 100 倍。

近來一份由 SparkToro 所公開的報告表明，若單純只看桌面端，傳統搜尋引擎的搜尋量仍遠遠超過利用 AI 工具所進行的搜尋，甚至連在亞馬遜、微軟 Bing 和 YouTube 所發起的搜尋活動，其佔比都還是高於 ChatGPT。

然而 Rand Fishkin 點明，幾乎沒有任何企業或組織，將在這些「非 Google 平台」上的搜尋能見度，列為優先最佳化事項；許多公司高層只是因為 AI 搜尋的狂熱，以及媒體報導和刻意炒作，才讓 AI 時代的 SEO 奪走了焦點。

反向連結式微，要建立第三方存在感

不過 Rand Fishkin 和 Hugging Face 前 SEO 顧問 Britney Muller 都同意，跟過去 SEO 強調需要反向連結，AI 時代下品牌與產品是否能夠被第三方平台提及，或許才是更重要的因素。

SEO 公司 Semrush 行銷長 Andrew Warden 以自身為例，指出他過去經常忽略 YouTube、Instagram 或 TikTok 等平台，它們未必能替產品或品牌帶來直接營收，但 AI 時代下情況已經完全不同，企業需要懂得在第三方平台建立存在感，關注曝光次數、互動率等較為軟性的指標。

研究與顧問公司 Gartner 於近期發表的報告中預估，企業品牌用於公關及自然媒體曝光的預算，將在 2027 年以前翻倍，並建議企業積極運用相關預算，換取媒體報導以提升 AI 能見度。

當廣告行銷入侵消費者與 AI 之間

將目光回歸 AI 本身。2026 年初，OpenAI 宣布將在 ChatGPT 中加入廣告內容，為使用者提供與當下對話有關的推薦廣告，並承諾廣告內容不會影響 AI 的答案輸出，同時廣告商也無法存取使用者與聊天機器人的對話，更高付費等級的服務則保持無廣告狀態。

只不過，OpenAI 一公布消息就立刻引發使用者強烈反彈，競爭對手 Anthropic 趁機表明旗下 Claude 服務永遠不會投放廣告。

此外，OpenAI 執行長 Sam Altman 也遭遇強烈抨擊，遭外界指責其原先想要打造超越人類智慧 AI 的遠大理想，現在卻化為 ChatGPT 中的小小橫幅廣告。

但是，廣大消費者與 AI 使用者心中，真正的不安或許並非是廣告出現，而是那身兼感情建議、職涯指導、心理諮商和工作協助的聊天機器人，似乎突然間變得容易受到他人操縱。

即便在操作體驗上，ChatGPT 總讓使用者覺得安全、私密，彷彿躲過企業品牌宣傳與行銷人員的掌控，然而消費者必須體認，事實一直以來都並非如此。

跟傳統搜尋引擎相比，使用者與 AI 聊天機器人之間的「緊密連結」，本質上反而是替網路行銷打開了新的突破口，面對 AI 搜尋時代，或許行銷人員將更需要展現出「謹慎的責任感」，避免讓消費者感到不知所措。

【推薦閱讀】

◆ 告別廣告代操中間商：AI 代理人如何重構程序化廣告市場？
◆ 告別關鍵字堆砌：2026 零售行銷新戰場，如何餵養 AI 想要的評論數據？
◆ 【引導 AI 推薦自家產品】萊雅、聯合利華宣布採用，解析 Azoma 為 AI 代理打造的 AMP 平台

＊本文開放合作夥伴轉載，參考資料：The Verge、Microsoft，首圖來源：Google

（責任編輯：鄒家彥）

劍橋大學賈吉商學院（Cambridge Judge Business School）旗下 Cambridge Centre for Alternative Finance（CCAF），攜手國際清算銀行（BIS）、國際貨幣基金組織（IMF）與世界經濟論壇（WEF）等重量級機構，最新發布《2026 Global AI in Financial Services Report》報告。這份深度調查全球橫跨 151 個司法管轄區、共 628 個組織的報告揭示，AI 正深刻影響金融機構營運與監管機關維護市場穩定的能力。

報告指出，整個金融業正處於一個關鍵的「轉型過渡期」（mid-transition）。業界的技術焦點正迅速從傳統機器學習，跨越至生成式 AI，並大步邁向具備高度自主決策能力的「代理式 AI」（Agentic AI）系統。

然而，在技術躍進背後，金融業正經歷巨大的「執行落差」（execution gap）。儘管多數機構已感受到營運效率與生產力的提升，卻普遍撞上資料品質不佳、老舊 IT 架構包袱以及 AI 專業人才短缺等三大結構性痛點。更令人擔憂的是，當金融業加速將 AI 導入系統時，監管機關的技術採用進度卻明顯落後，這使得業界的老舊系統在面對前沿 AI 時，面臨前所未有的風險。

81% 金融業已導入 AI，但監管機關明顯落後

首先，報告指出，81% 受訪金融服務業者已在某種程度採用 AI，其中 40% 業者達到「Scaling」或「Transforming」等進階採用階段。相較之下，卻僅有 20% 的監管機關達到同樣的進階採用水準。

報告進一步揭露監管端的現況：高達 48% 的受訪監管機關仍處於 AI 採用的「探索」（exploring）階段，或是尚未開始導入 AI，而另有 33% 監管機關仍停留在試點階段。這種進度落差，讓監管單位在面對快速變化的 AI 市場時，面臨極大挑戰。更嚴重的是監管機關也有「資料盲點」，僅有 24% 的受訪監管機構有收集產業 AI 導入的數據，且高達 43% 的機構在未來兩年內沒有相關收集計畫，缺乏實質數據恐將削弱其駕馭與評估 AI 風險的能力。 

AI 已進入銀行後台，軟體工程成資安風險傳導點

另外在應用面上，目前金融業的 AI 部署主要集中在內部營運效率的提升，而非商業模式重塑。報告顯示，金融服務業最常見的前五大 AI 應用中，有四項屬於後台功能，包含流程自動化、資料視覺化、軟體工程、資料與知識管理，以及屬於前台功能的 AI 客服。

值得注意的是，軟體工程雖然是金融業最成熟的 AI 應用之一，如今卻也成為主要的網路風險傳導向量（cyber risk transmission vector）。報告強調，AI 生成程式碼在數量與速度上都達到前所未有的規模，這讓傳統的人工審查在軟體工程場景中變得越來越無效，當人工無法有效把關龐大的 AI 生成程式碼時，系統的結構性脆弱點便會隨之增加。

Mythos 引發監管擔憂，銀行老舊系統成新挑戰

因此，當「傳統人工審查失效」遇上「強大的新興模型」，危機便隨之升級。《Reuters》報導，Anthropic 於今年 4 月發布的前沿模型 Mythos 被資安專家視為對銀行業與其老舊技術系統構成重大挑戰。為此，全球監管機關已經開始與銀行接觸，以了解這些老舊系統在面對新興前沿 AI 模型時的防禦準備程度。

報告將 Mythos 視為下一代 AI 系統的警世案例。這類前沿模型可能很快就會具備大規模利用軟體漏洞的能力，進而大幅削弱既有人類治理與監督機制的有效性。更嚴峻的是，Anthropic Mythos 在漏洞利用的能力往往比人類更強，這讓金融服務業中原先仰賴的「人工監督」防線變得更加困難且不可靠。

當金融機構已將 AI 深度整合進後台流程、軟體工程與客服等場景時，監管機關的 AI 採用率、資料掌握度與技術能力，是否能同步跟上時代的步伐，成為當前的關鍵課題。隨著 Mythos 這類前沿模型展現出大規模利用系統漏洞的潛力時，金融業面臨的挑戰，已從單純的「追求 AI 效率提升」，延伸到了生死存亡的防禦戰。

為了有效監督產業，報告強烈建議監管機關自身也必須導入「代理式 AI」能力，讓系統能以機器的速度進行監控與反應，才能匹配並監管高度自動化的金融市場。接下來，銀行如何加速汰換老舊系統，以及如何在 AI 逐漸脫離人工監督的趨勢下建立新防線，將是一場全球金融生態系無法迴避的硬仗。 

＊本文開放合作夥伴轉載，資料來源：《Reuters》、《2026 Global AI in Financial Services Report: Adoption, Impact and Risks》，首圖來源：Unsplash

社群媒體的資訊密度與使用體驗之間，存在著一個讓許多人陷入兩難的矛盾，所謂 doomscrolling，指的是強迫性消費負面或令人不安的內容，即使已感到心理疲勞仍無法停止，而這是演算法驅動的社群平台長期優化參與度的結果。

舉例來說，X 上就有著傳統媒體給不了的即時性與深度，但滑起來又讓人感覺很糟。

Noscroll 的創辦人 Nadav Hollander 把這個矛盾描述得很直白：「就像速食，你吃完就覺得噁心」，於是他決定自己動手解決這個問題。

把瀏覽這件事外包給 AI

Hollander 的背景是加密貨幣與 Web3 圈，他曾創辦去中心化金融新創，後來賣給 NFT 平台 OpenSea，並擔任其技術長。離職後，他花了大量時間泡在 X 上，一邊享受它的資訊密度，一邊忍受它的文化毒性。

他說自己想要的是訊號，不是雜訊，也不是無止盡的滾動。

Noscroll 的核心概念因此很簡單：讓 AI 代理替你瀏覽，然後把值得看的東西傳給你。

據 TechCrunch 報導，使用者不需要下載任何應用程式，只要用手機傳訊給 Noscroll 的 AI 代理（電話號碼為 415-718-4828），就能啟動設定流程。連結 X 帳號後，AI 會讀取你的追蹤清單、按讚紀錄與書籤，用這些資料理解你的興趣輪廓。接著，你用自然語言告訴它你想追蹤什麼、不在乎什麼，它會準備一份示範摘要讓你確認方向。

資料來源不限於 X，Noscroll 會同步抓取新聞網站、部落格、Reddit、Hacker News、Substack，甚至學術論文與地方政治資訊。使用者也可以自行指定特定來源，確保某些管道一定被納入。

摘要透過簡訊推送，頻率由你決定

設定完成後，Noscroll 會以簡訊推送新聞摘要。頻率完全彈性，輕度使用者可以選擇每週一次，重度資訊需求者可以設定每天多次。每則摘要包含新聞連結與 AI 撰寫的簡短說明，如果想深入閱讀，點開連結就能讀全文。

值得注意的是，即使兩個使用者訂閱了相同的來源，收到的內容也不會一樣。系統會根據每個人的點擊行為、主題參與頻率與偏好設定，持續調整推送內容的方向，形成各自不同的個人化輸出。

使用者也可以直接回覆 AI，就像和其他聊天機器人對話一樣，針對收到的新聞提問或延伸討論。Noscroll 也支援加入群組聊天或 Telegram 群組，讓多人共同使用同一個資訊流。

更多通訊平台的支援則在後續規劃中。當有重大突發事件時，系統不會等到下一次排程推送，而是即時傳訊通知。

Hollander 表示，AI 代理在後台使用多個現成的語言模型，跑在公司自有的基礎架構上。這些模型經過大量提示詞調整，形成 Noscroll 自己的語氣與溝通風格。服務會隨著時間學習使用者的偏好，逐步優化推送內容的相關性。

使用者樣貌比預期更分散

Noscroll 剛公開上線幾天，Hollander 自己也被使用者的樣貌給出乎意料了。除了科技圈追蹤 AI 產業動態的重度資訊需求者之外，已有人在用它追蹤日本動漫產業的利基新聞、京都的餐廳開幕消息，以及求職市場與裁員動態。

記者則把它當成情報監控工具，用來持續追蹤特定議題，例如地方政治與社區事件。

Hollander 用「副手」來描述這個使用情境：「任何有職業需求、需要密切跟蹤特定主題的人，有一個幫你盯著的助手是很有用的，不管你的跑線是什麼。」

這些長尾使用場景說明了一件事，Noscroll 解決的需求，可能比「幫人戒掉手機」更廣。「職業需要持續在線追蹤特定領域」，或許是比「社群媒體成癮」更穩定的付費理由。

月費 9.99 美元，已有投資人主動接觸

目前 Noscroll 的訂閱價格是每月 9.99 美元。新用戶可以先收到一份免費的示範摘要，並享有七天試用期，期間可以隨時取消。Hollander 表示未來可能測試浮動定價，但目前尚未定案。

Noscroll 由 Hollander 與一位來自加密貨幣開源社群、在 X 上以 @z0age 為名的開發者共同建立，目前只有兩個人。服務上線後快速吸引使用者，也有投資人主動洽詢，但兩人尚未決定是否接受外部資金。

Noscroll 成立的前提是，人們使用社群媒體的核心需求是「資訊」，而非「體驗」本身。如果這個假設成立，AI 代理就能有效切割資訊獲取與無限滾動這兩件事。

但這個模式有兩個值得關注的結構性風險，一是個人化過濾可能強化使用者既有的觀點，因為系統傾向推送符合偏好的內容，相反的聲音可能因此被系統性地過濾掉；二是服務的根基建立在能夠存取 X 等平台資料的前提上，若這些平台日後收緊 API 存取權限，Noscroll 的資料來源將直接受到衝擊。這兩個依賴關係，是這類服務較難繞開的天花板。

【推薦閱讀】
◆ 拒絕「幾乎有用」的 AI 資訊噪音，高效團隊的 3 種 AI 成熟協作模式
◆ AI 正在重寫軍事情資規則：當工程師能自製準情報系統、中國企業能追蹤美軍部署
◆ NotebookLM 元老打造個人 AI 音訊助理 Huxe，讓信件、行程、新聞全都能「聽」

＊本文開放合作夥伴轉載，參考資料：TechCrunch、1950，首圖來源：Unsplash

「把人力拿去做更有效的使用，而不是讓 AI 把這些人力取代掉，透過 AI 的協助可以讓人力去做更有價值的工作，」鴻海科技集團智慧製造平台處長郭錦斌在近日（4/28）由 TechOrange 科技報橘舉辦的「AI 智慧大工廠論壇台南場」，表示 AI 的初衷是讓人力發揮更大的價值，而非取代人類。

從 CNC 到醫療產業，破解場域三大難題

郭錦斌首先歸納出目前工業與醫療場域面臨的三大難題。首先是 CNC 車間的勞動力轉型挑戰，由於 CNC 機台數量龐大且工序繁複，長時間高強度的重複性作業導致缺工問題日益嚴重。引用天下雜誌的報導，「以鴻海深圳廠為例，原本需由 80 多位人力操作的產線，現計畫透過機器人取代 8 至 9 成的人力，藉此實現產線 24 小時不間斷運行的最高效益。」

其次是 HHTD25 AI 智慧醫療生態圈論壇提到，護理產業的資源瓶頸，根據國際護理協會 2025 年的調查數據，全球護理人力缺口高達 590 萬人，其中超過 40% 的精力都消耗在重複性的護理工作與物資搬運上，壓縮高品質醫療照護的空間。

最後則是手機精密組裝領域的技術瓶頸，過去單純依靠人工組裝容易遭遇物理限制，而傳統機器手臂在面對螺絲孔被管線遮擋，或產線需頻繁切換產品型號等情境時，需要耗費極高的人工成本進行測試與調校。

鴻海與 NVIDIA 聯手破解 Physical AI 瓶頸

「機器人已進駐工廠，但目前還不夠聰明，」郭錦斌指出，儘管各產業已逐步導入機器人協作，但現階段「智力」仍顯不足，需依賴大量人力示教，同時面對 Physical AI 數據稀缺、場域適應成本高、懂 AI 的複合人才稀缺以及如何符合安全合規等現實挑戰。

為破解數據瓶頸，並讓機器人真正具備大腦，鴻海與 NVIDIA 透過數位孿生及遙操數據採集技術建構虛擬練功場。首先將實體場域掃描匯入 NVIDIA Omniverse 進行 3D 建模，並於 Isaac Sim 仿真環境中進行模擬，讓機器人在零風險環境下利用 GR00T VLA 模型進行強化學習，接著最關鍵的一步在於透過 GR00T Teleop 將人類遙控操作的經驗轉換為訓練數據，透過工程師進行「遙操」示範，教導機器人如何避開障礙物、抓取特殊形狀的物件，將人類的經驗轉換為機器的訓練數據。最後當這些機器人在虛擬環境中經歷試錯與優化後，才會透過 OTA 技術同步部署至實體的工廠設備上，協助製造業者在精密組裝換線調校上，讓原本耗時 3 個月的過程，降低至 2~3 週，提升 OEE 整體設備效率。

隨著技術逐步落地，鴻海進一步將 Physical AI 的應用歸納為三個進化等級。初級應用聚焦於「簡單且固定」的場景，例如自走車（AGV）或自動上下料系統，透過 AI 自動排程與路徑優化，穩定提升15 %~20 % 的作業效率。中階應用則是強調「簡單但具彈性」，例如手機側邊按鍵的精密組裝或是醫療手術室中的刷手機器人，此階段重點在於整合視覺感知與力回饋技術。最高等級則是「複雜且高度彈性」的應用，如人形機器人或雙臂柔性組裝機器人，不僅有多模態的理解能力與自主決策力，以適應多變的工作環境，實現真正的智慧生產。

然而，Physical AI 在落地真實場域時仍面臨四大挑戰。首先是數據稀缺性，需要仰賴遙操技術採集訓練資料；其次是場域適應成本極高，由於各工廠或醫院都具備物理約束與安全規範，導致模型難以跨場景使用；第三是複合型人才短缺，業界缺乏精通產業知識與 AI 技術的複合型專家；最後，安全合規問題亦必須納入核心考量。

為破解上述僵局，郭錦斌表示，「需要有一個企業共用的平台，讓所有的 Physical AI 在平台上共同作業，所以我們建造了一個生成式 AI 共性架構  —— 智慧製造創世紀平台。」從定義真實產線需求，再由 Genesis 系統以標準化工具 Agent 打造客製化 AI Agent，隨後即可將 AI Agent 部署到應用場域 ，再透過營運中累積的經驗或更多不同的場景，將採集的數據 Token 化，進一步回饋至模型進行持續訓練與優化，最後形成一個應用解決方案的開發、部署、運營完整閉環。

「Physical AI 不只是一台機器人，是整個場域的智慧化升級，」郭錦斌表示，鴻海提供的這套機制讓機器人不僅會執行指令，更學會自主思考與拆解任務步驟，實現生產效率的持續進化。

「傳統產業導入 AI 或人機協力後，優化過去的生產動線與流程，就能緩解缺工帶來的營運危機，」台南市副市長趙卿惠在近日（4/28）由 TechOrange 科技報橘舉辦的「AI 智慧大工廠論壇」指出，隨著 Physical AI 的技術逐漸成熟，人形機器人、機器手臂及各類自動化服務將加速滲透至製造產業中，注入自動化生產的新動能，企業如何透過人機協作搶佔先機，已成為核心課題。

鴻海打造 Physical AI 虛擬練功場，突破數據瓶頸

「機器人已進駐工廠，但目前還不夠聰明，」鴻海科技集團智慧製造平台處長郭錦斌指出，儘管各產業已逐步導入機器人協作，但現階段「智力」仍顯不足，需依賴大量人力示教，同時面對 Physical AI 數據稀缺、場域適應成本高、懂 AI 的複合人才稀缺以及如何符合安全合規等現實挑戰。

為破解數據瓶頸，鴻海與 NVIDIA 透過數位孿生及遙操數據採集技術建構虛擬練功場。首先將實體場域掃描匯入 NVIDIA Omniverse 進行 3D 建模，並於 Isaac Sim 仿真環境中進行模擬，讓機器人在零風險環境下利用 GR00T VLA 模型進行強化學習，並透過 GR00T Teleop 將人類遙控操作的經驗轉換為訓練數據，再將成熟的模型部署至實體場域，協助製造業提升 OEE 整體設備效率以及降低設備實體測試與調教時間。

「需要有一個企業共用的平台，讓所有的 Physical AI 在平台上共同作業，所以我們建造了一個創世紀的平台，」郭錦斌進一步介紹鴻海的「智慧製造創世紀平台」如何協助企業導入 AI 的完整路徑。從定義產線需求，再由 Genesis 系統以標準化工具 Agent 打造客製化 AI Agent，隨後即可將 AI Agent 部署到應用場域，再透過營運中累積的經驗或更多不同的場景，將採集的數據 Token 化，進一步回饋至模型進行持續訓練與優化，最後形成一個應用解決方案的開發、部署、運營完整閉環， 藉此實現生產效率的持續進化。

達梭系統虛擬助手與 AI 技術，加速智慧工廠落地驗證

在邁向 AI 原生工廠的變革中，達梭系統大中華區資深技術經理陳哲基以「工業世界模型如何打造 AI 原生工廠」為題，提出從自動化跨向自主化的工業願景，透過建構 3D UNIV+RSES 打造多維度的虛擬孿生。

「藉由 AI 算力協助工程師累積專業經驗的 Know-How，協助工程師達到更快速、自動化的設計目標，」陳哲基強調企業轉型的核心價值在於建構專屬知識庫，將過往繁雜的工程經驗轉化為自動化與快速設計的驅動力。在技術實作層面，達梭系統利用點雲物件檢索掃描真實環境並進行物件實例化，將識別出的機器人、管道或生產線替換為虛擬孿生模型，讓設計人員能夠直接在 3DEXPERIENCE 平台進行佈局優化，並由 AI 引導重建 3D 模型，縮短數位轉型路徑。另外，針對實體廠房佈署，達梭系統透過生成式 AI 與虛擬助手輔助，在廠房與機器人建置動線前先行完成模擬演練，確保生產線的穩定性與高效率。

「不用再花 5 年、10 年學習數位工廠如何運作，就能夠快速導入 AI 與落地驗證，」陳哲基表示，透過虛擬助手以及虛擬孿生的模式，讓企業能快速打造具備自主優化能力的智慧工廠，在可控風險下提升產能。

從 LLM 到具身智能，耐思尼讓 AI Agent 走向製造業落地

在傳統工廠中，自動化設備通常僅能在高度結構化的環境中執行預設指令。耐思尼總經理陳江川表示，「過去工廠必須要耗費鉅資打造一個絕對受控的環境，才可以讓系統執行，但就會形成讓現實配合機器的現象。」

為突破工廠自動化的瓶頸，耐思尼透過數位孿生與 Sim-to-Real 技術，建構具身智能「感知、推理、行動」三步驟循環，這套架構讓 AI Agent 在虛擬環境中先進行大規模學習，再落地至現實中的自主巡檢、自主焊接或高空作業等設備上。
「我們希望讓 AI 走出螢幕，」陳江川表示，耐思尼的長期願景是打造通用型工廠，讓不同類型的機器人在統一 AI 框架下協作，實現從專用設備轉向通用平台的大規模智慧化生產，讓工廠無需為自動化頻繁更動環境，成為推動智慧工廠持續進化的助力。

立即預約收看 2026 AI 智慧大工廠論壇演講精華

在醫院急診室裡，許多生死交關、分秒必爭的決策，仰賴的是人類醫師多年累積的專業與經驗。然而，頂尖權威期刊《Science》近日刊載一項由哈佛醫學院（Harvard Medical School）與貝斯以色列女執事醫學中心（Beth Israel Deaconess Medical Center）共同發表的研究成果，首度讓專為處理複雜問題而生的 OpenAI o1 推理模型（reasoning model），與資深人類醫師在真實的急診情境中展開「正面對決」。

結果顯示，o1 模型在急診診斷、分診與後續處置建議等臨床任務中，皆展現出超越人類醫師的表現。不過，這項結果傳達的並不是「AI 將取代人類醫師」的恐慌，而是開始重新定義醫療照護的核心：當 AI 能夠又快又準地處理龐雜的病歷與數據時，反而強烈凸顯人類的價值。因為在資訊不足的高壓急診場景中，醫師在監督系統、人性判斷、醫病溝通與承擔最終責任上的角色，不但沒有被演算法削弱，反而變得不可取代。

真實急診病歷壓力測試：OpenAI o1 在資訊有限的分診階段勝過醫師

為了測試 AI 在真實醫療場景中運行的能力，研究團隊以波士頓 Beth Israel Deaconess Medical Center 的急診病例進行測試。《SAN》指出，有別於過去乾淨、標準化的考題，研究人員刻意使用接近真實臨床環境、充滿「雜亂」（messy）數據的電子病歷資料，讓 AI 與兩位人類醫師都只能讀取包含生命徵象、人口統計資訊與護理師紀錄等有限的文字資訊。

在病患剛抵達急診、資訊仍相當有限的「分診階段」，OpenAI o1 展現了驚人的判斷力，做出正確或非常接近診斷的比例高達 67%，勝過兩位人類醫師的 50% 與 55%。當病患接近入院階段、具備更多病歷資訊可用時，AI 的診斷正確率進一步躍升至 81% 至 82%，而人類醫師則落在 70% 至 79%，可見 AI 的優勢在「需要快速決策、資訊又不完整」的急診分診場景中尤其明顯。

不僅如此，當被要求提供如抗生素療程或臨終照護流程等長期治療計畫時，AI 的評分高達 89%，遠勝使用傳統資源的人類醫師。在一例肺栓塞併發症惡化的真實病例中，人類醫師誤以為是抗凝血劑失效，但 AI 卻注意到病患有紅斑性狼瘡病史並推斷為肺部發炎，最終證明 AI 才是正確的。 

AI 勝過醫師不等於取代醫師，真實急診仍仰賴許多非文字判斷

儘管數據亮眼，但研究作者們一致強調，這項結果絕不代表 AI 已經準備好取代急診醫師。《SAN》引述研究共同作者 Adam Rodman 的說法表示：「沒有人應該看完這項研究後就說我們不需要醫師。」

探究其原因，這項研究主要測試的是「可被文字化」的病歷資料，而非複雜的完整臨床現場。《CNET》與《The Guardian》皆點出關鍵：真實的醫院與急診工作極度仰賴視覺與聽覺線索，例如病患的外觀狀態、痛苦程度等非文字訊號，而 AI 目前仍無法完整接收與準確解讀這些現場資訊，因此 AI 在研究中的定位，更像是根據書面資料提供第二意見的臨床決策輔助工具。

哈佛醫學院助理教授 Arjun Manrai 進一步解釋：「我不認為我們的發現意味著 AI 會取代醫生，我認為這確實代表我們正在目睹一場將重塑醫學的深刻技術變革，我們現在需要對這項技術進行評估，並嚴格進行前瞻性臨床試驗。」

醫療 AI 的落地邊界與挑戰：錯誤、偏誤、責任與人性判斷

不過，要將 AI 真正導入臨床，仍有許多邊界與風險需要克服。《Forbes》提醒，AI 工具雖然進步快速，但仍可能產生「假陽性」（false positive）。以另一項胰臟癌 CT 偵測研究為例，該 AI 模型在臨床診斷前偵測胰臟癌的特異度（specificity）為 81%，代表近五分之一的病患可能被錯誤判定為陽性，這將導致不必要的後續侵入性檢查、病患焦慮與額外的醫療成本。《Forbes》同時指出，AI 訓練資料本身可能存在偏誤，若資料未充分涵蓋不同族群，其診斷與治療建議恐將加深醫療不平等。

技術之外，制度面的配套同樣迫切。《The Guardian》提到，醫師對 AI 最大的擔憂在於「錯誤」與「責任歸屬」風險，而目前醫療界仍缺乏正式的問責框架。另一方面，AI 輔助醫療是否安全、公平且具成本效益，並不是本次研究的測試範圍，因此需要監管機構、醫院與醫療提供者共同建立更嚴謹的使用規則。

《Forbes》最終點出醫療的核心本質：醫療不只是辨識模式、做出診斷或提出治療，還包含理解病患的恐懼、家庭、財務、文化信念與個別臨床情境。這種奠基於人與人連結的「人性判斷」，是演算法無法計算的部分。

因此，這項哈佛研究清晰劃定醫療 AI 的能力邊界：AI 已能在特定的急診診斷與臨床推理任務中勝過人類醫師，但依然無法完整取代醫師在真實醫療現場中的觀察、溝通、判斷與責任承擔。未來，醫療 AI 的發展關鍵，在於醫師、病患與 AI 共同參與的「三方照護模式」（triadic care model），讓醫師能透過 AI 高效處理龐雜的醫療數據，進一步釋放更多心力，專注在無可取代的醫病關係與最終決策。

＊本文開放合作夥伴轉載，資料來源：《Science》、《The Guardian》、《SAN》、《Forbes》、《CNET》，首圖來源：AI 工具生成。

《Bloomberg》報導，NVIDIA 進軍實體 AI 帶動亞洲合作夥伴股價上漲，隨著亞洲進一步融入 NVIDIA 的商業生態系，受惠的亞洲企業名單正持續擴大，包含南韓的 LG 電子、台灣的南亞科技，以及中國的德賽西威、博泰車聯網。

黃仁勳點名下一波 AI 浪潮！亞洲成 NVIDIA 實體 AI 關鍵戰場

根據《Bloomberg》彙編的數據，亞洲供應商現約占 NVIDIA 生產成本的 90%，高於去年的 65%，隨著 NVIDIA 產品需求爆炸性成長，該公司對主導製造、組裝與關鍵零組件的亞洲夥伴依賴也日益加深。瑞聯銀行董事總經理 Vey-Sern Ling 表示：「全球科技公司持續加深對亞洲供應鏈的依賴，已是不可避免的趨勢。」他指出，實體 AI 的發展，將在既有成長基礎上，進一步推升亞洲對 AI 晶片的需求。

近年來，NVIDIA 持續擴大其亞洲合作夥伴陣容，先前透過與 SK 海力士、三星電子等供應商深化晶片合作，這些合作原本聚焦於提升 AI 運算能力，但最新一波區域合作顯示，NVIDIA 正從半導體延伸至實體 AI 領域，包括機器人技術。LG 電子發言人也證實，公司近期與 NVIDIA 會面，雙方正探索在實體 AI 領域的策略合作，包括機器人生態系。

《Bloomberg》提及，NVIDIA 進軍實體 AI，涵蓋機器人、自主系統與 AI 賦能製造，使其影響力從晶片延伸至真實世界部署，也讓亞洲成為這波擴張中的關鍵夥伴。NVIDIA 執行長黃仁勳曾將實體 AI 視為生成式 AI 之後的下一波浪潮，Bloomberg Intelligence 策略師 Marvin Chen 表示：「需求的增加與擴張，正為更多科技供應商創造機會，使其加入全球 AI 建設供應鏈。」

微軟砸半數資本支出在 NVIDIA，AI 軍備競賽帶動亞洲科技鏈

美國科技巨頭最新資本支出指引顯示 AI 投資正加速：亞馬遜、微軟與 Alphabet 今年各承諾投入約 1,900 億至 2,000 億美元，Meta Platforms 也將資本支出提高至最高 1,450 億美元。根據《Bloomberg》計算，NVIDIA 約占微軟資本支出的一半、亞馬遜的四分之一，在 Meta 與 Alphabet 亦占有高比重。

《Bloomberg》指出，鴻海也持續扮演次級受惠者角色，尤其受惠於微軟與亞馬遜的訂單挹注，SK 海力士則在各大科技巨頭供應鏈中，占有中個位數的供應份額。需求激增也反映在供應商財報表現上，三星電子半導體部門獲利暴增 48 倍、優於市場預期，SK 海力士亦公布單季獲利年增 5 倍。

資產管理機構 Gama Asset Management 投資組合經理 Rajeev De Mello 表示：「亞洲的科技基礎具結構性優勢，特別是在 AI 對半導體、零組件、伺服器與整體硬體基礎設施創造新需求之際。亞洲已累積建造先進半導體與機器人的豐富經驗與供應鏈，為實體 AI 的落地提供強大基礎。」

《Crypto Briefing》補充，市場認為 NVIDIA 持續擴大亞洲合作夥伴關係，正提升其成為全球市值最高公司的機率，反映投資人對其成長前景具信心。後續需關注亞洲布局、美中貿易變化、財報表現與監管政策，這些都將影響 NVIDIA 能否進一步登上市值王座。

＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《Crypto Briefing》，圖片來源：Unsplash。

電動車的價格戰，現演變為一場圍繞車內 AI 科技的「功能戰」，競爭正在全球同步升溫。在中國，電動車廠的戰場從價格轉向車內 AI 功能的堆疊；在全球市場，Apple CarPlay 正悄悄成為 Grok、ChatGPT 與 Perplexity 爭奪駕駛注意力的新戰場。

車市不只拚降價！中國電動車轉向車內 AI 競賽

《CNBC》指出，在全球最大汽車市場中，中國電動車製造商為了在長期價格戰中生存，正不斷疊加更多相同的 AI 功能。這場競爭在過去幾年已從延長電池續航力，轉向推出駕駛輔助系統，以及使用更強大的車用晶片，現在車廠的焦點則集中在一整套車用 AI 功能上。

字節跳動旗下雲端平台火山引擎近日在北京車展宣布，已有超過 50 個汽車品牌使用其豆包 AI 模型，且已應用於 145 款車型、超過 700 萬輛汽車。字節跳動的豆包是中國使用最廣泛的 AI 聊天機器人，根據顧問公司 Chozan 的數據，截至今年初，其每週活躍用戶超過 1.55 億。火山引擎進一步表示，除了國產車型之外，豆包 AI 也已整合進多款外資品牌新車，例如純電賓士 GLC、上汽奧迪 E7X，以及上汽大眾 ID. ERA 9X。

中國上汽集團奧迪合作計畫執行長 Fermín Soneira 在車展前接受媒體訪問時表示：「我們會持續更快地整合新功能。」他指出，車廠可以透過遠端更新（OTA）迅速部署技術升級。儘管新功能快速推出，車廠仍持續面臨銷售壓力，他表示：「因為產能存在。這場價格戰在未來幾個月內不會真正停止。」向 AI 功能轉型，反映出消費者對連網功能的需求，包括與華為手機相容的介面，以及像豆包這類語音助理。

AI 將成基本配備？中國車廠重心轉向體驗與生態布局

顧問公司 AlixPartners 亞洲汽車與工業部門主管 Stephen Dyer 表示，目前車內 AI 科技功能戰的問題在於，許多技術很快趨於同質化，使企業更難建立差異化優勢。根據 AlixPartners 數據，在中國前 20 大暢銷電動車型中，售價在 10 萬元人民幣以上的車款，其駕駛輔助與車用娛樂功能高度相似。

Stephen Dyer 表示：「在技術方面，企業必須持續競爭，因為技術擴散非常快，幾乎無法長期維持差異化。」他預期中國車企將轉向競爭「車外體驗」，類似奢侈品牌提供的專屬生活方式體驗，例如蔚來汽車（Nio）就為客戶提供專屬產品與會所服務，同時其車款也採用高階內裝材質。

顧問公司 Sino Auto Insights 創辦人 Tu Le 表示，AI 最終應該在背景中運作，重點是提升使用體驗，而不必成為車輛的主打功能。他指出，中國車廠在國內建立差異化優勢面臨挑戰，但未來在與外國品牌競爭時可能具優勢。他說：「在中國市場被視為基礎或標準的功能，未來在西方市場也會很快成為基本配備。」

CarPlay 成 AI 新戰場：Grok 對決 ChatGPT、Perplexity

與此同時，車用 AI 戰火也正延燒至全球車用平台。《Digital Trends》提及，馬斯克公司開發的生成式 AI 聊天機器人 Grok 即將加入 CarPlay 儀表板，與 ChatGPT 和 Perplexity 同場競爭，Apple 的 CarPlay 正悄悄變成 AI 聊天機器人的新戰場。ChatGPT 已在今年 3 月登上 iPhone 鏡像系統，Perplexity 於 4 月跟進，如今 Grok 也準備加入。

最新版本的 Grok iPhone App 中，已出現 CarPlay 介面佔位畫面，目前尚未啟用，但清楚寫著：「Grok 語音模式即將登陸 CarPlay。」過去 Grok 主要只在 Tesla 車輛中內建使用，如今支援 CarPlay，意味著幾乎所有 iPhone 用戶（非 Tesla 車主）都能在車上使用它。不同於 ChatGPT 與 Perplexity 同時提供文字與語音混合體驗，Grok 將以語音模式優先登場，特別針對駕駛情境設計，讓使用者在行車時不需看螢幕，只需透過語音互動。

《Digital Trends》補充，CarPlay 正在成為 2026 年的 AI 戰場。Apple 打開這個入口後，短時間內已吸引多個 AI 助手進駐，最終關鍵將是：誰能打造真正適合駕駛情境的免持操作語音 AI，誰就能在車用市場取得優勢。

＊本文開放合作夥伴轉載，資料來源：《CNBC》、《Digital Trends》，圖片來源：Unsplash。

Meta 近日正式宣布，已收購專注於開發人形機器人 AI 模型的新創公司 Assured Robot Intelligence（ARI）。 針對這項關鍵佈局，Meta 發言人透過聲明表示：「我們收購 ARI 這家位居機器人智慧前沿的公司，為的就是讓機器人能在複雜、動態的環境中，精準理解、預測並適應人類行為。」

這步棋背後的戰略意義極為清晰。在特斯拉（Tesla）、Google 與亞馬遜（Amazon）等科技巨頭紛紛重金投資人形機器人的此刻，這筆交易也宣示 Meta 的 AI 戰略正進一步延伸到機器人控制、自我學習與實體人工智慧（Physical AI）等高階應用領域，正式加入這場「實體 AI」競賽。

Meta 買下 ARI，要為人形機器人裝上精準運作的「大腦」

要讓機器人真正走入人類生活並執行複雜任務，除了硬體之外，更需要強大的「大腦」。ARI 正是這樣一家專注於機器人智慧的新創，其位於聖地牙哥與紐約的團隊約 20 人，致力於打造人形機器人的基礎模型（foundation models），讓機器人有能力執行包含家務在內的各類實體勞動任務。

透過這次收購，Meta 得以大幅補強在機器人控制領域的不足。Meta 發言人特別指出，由 Lerrel Pinto 與 Xiaolong Wang 兩位頂尖學者領導的 ARI 團隊，將在模型設計、機器人控制、自我學習等前沿能力上，為 Meta 帶來深厚的專業知識。

ARI 早期投資方 AIX Ventures 合夥人 Nick Crance 也強調，ARI 的核心優勢在於機器人的「高精度靈巧度與操作」。這些核心能力攸關機器人未來能否在工業場域或家庭環境中，實際且有效地與現實世界的物體進行互動。

Meta 的野心：成為機器人界的 Android

在取得關鍵的「大腦」技術後，Meta 隨即展開內部團隊的深度整合。收購完成後，ARI 團隊將正式併入 Meta 的「超級智慧實驗室（Superintelligence Labs, MSL）」研究部門，並與去年成立、專注於人形機器人底層技術的 Meta Robotics Studio 展開密切合作。

事實上，Meta 的實體 AI 佈局早已醞釀多時。在 2025 年，Meta 已於 Reality Labs 內部成立機器人團隊，隨後又延攬新的領導者並大幅擴編 MSL 的硬體團隊。這也顯示出，Reality Labs 與 MSL 正透過 AI 硬體與機器人技術的發展，逐漸交織與整合。一份在一年前外流的內部備忘錄也曾揭露，Meta 早已有意打造包含硬體與 AI 模型在內的消費級人形機器人。

目前，Meta 的機器人團隊正積極開發自家的機器人硬體，以及驅動這些硬體的底層 AI 技術，涵蓋感測器、軟體及其他相關應用。但 Meta 的目光不只是打造單一的機器人產品，更宏大的計畫是將這些機器人技術「開放」給整個產業採用，進一步為人形機器人市場打造一個通用的「基礎平台」，就如同 Android 作業系統與高通（Qualcomm）晶片在智慧型手機產業中所扮演的角色。

從元宇宙到千億 AI 資本支出，Meta 的下一個賭注是 Physical AI

從更宏觀的戰略來看，ARI 的收購案只是 Meta 龐大 AI 藍圖的冰山一角。近年來，Meta 已將大量資源從元宇宙（Metaverse）的擴增實境計畫大舉轉移至 AI 領域。 例如，就在上個月，Meta 剛發布了名為「Muse Spark」的新型大型語言模型，並宣稱具備與 Google、OpenAI 及 Anthropic 等領先模型競爭的實力。

為了支撐這個野心，在這筆收購交易被報導的前兩天，Meta 考量到零組件價格上漲以及額外的 AI 資料中心成本，宣布將 2026 年的資本支出預估上修 100 億美元，達到 1,250 億至 1,450 億美元的龐大規模。

為什麼 Meta 願意投入如此鉅資？因為即使 Meta 最終並未在市場上推出消費型的人形機器人產品，許多 AI 專家現在仍普遍認為，通往「通用人工智慧（AGI）」的路徑，勢必需要讓 AI 模型在物理世界中進行訓練，進而透過機器人的直接互動來學習，而非只仰賴靜態的資料數據。

ARI 的收購案，加上近期亞馬遜收購另一家由 ARI 共同創辦人 Lerrel Pinto 先前所創立的新創 Fauna Robotics，反映出整個產業正在進行一場更廣泛的衝刺。 儘管目前市場對人形機器人的長期預測仍存在極大落差：高盛預估到 2035 年市場規模為 380 億美元；摩根士丹利則預測 2050 年將達 5 兆美元。不過，這種巨大的預期差距，恰好突顯市場同時具備的龐大潛力與高度不確定性。

這次 Meta 收購 ARI 的策略，目的是將 AI 模型、機器人控制、自我學習能力與硬體團隊，全面整合到 Superintelligence Labs 與 Robotics Studio 的體系之中。 假如 Meta 能成功將這些底層技術開放給產業鏈使用，那麼在人形機器人領域的佈局就不再只是一條單一產品線，而是朝向建立如同 Android 般的基礎平台前進，藉此牢牢掌握下一代運算平台的主導權。

＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《WSJ》、《Business Insider》、《TechCrunch》，圖片來源：Unsplash

隨著 AI 技術演進，企業希望盡快導入 AI 驅動創新，卻也面臨風險控管的兩難。趨勢科技旗下 TrendAI 調查，74% 的台灣受訪企業決策者坦言，過去曾在高層要求或市場競爭壓力下，被迫核准在企業導入可能帶來資安風險的 AI 方案；同時只有不到一半的企業認為內部團隊能辨識惡意或異常的 AI 行為，顯示台灣企業正面臨「盲目導入 AI」的高度風險。

不過，究竟企業當前面對的是什麼樣的資安風險、該如何應對？TrendAI 勾勒出三大威脅升級的具體樣態，提醒企業留意。

威脅升級一：假資訊與詐騙內容的大規模生產

TrendAI 威脅研究總監 Ryan Flores 指出，自從 2022 年底 ChatGPT 問世以來，垃圾郵件數量大幅增加了 1,000%，且預計到今年底，網路上的 90% 內容將由 AI 生成。他表示，駭客利用 AI 發動的攻擊也將變得更低成本，更具可擴展性。

TrendAI 實測，只需花費一週與不到 20 塊美金的 AI 影片生成訂閱費，不需親手撰寫程式碼，就能利用無程式碼（No-code）工具串接，在電商平台上創造出完美的「假賣家、假商品、假買家評論影片」，如此一來便可能輕鬆實現大規模詐騙。

威脅升級二：身分偽造進化，企業招募與信任機制面臨新挑戰

TrendAI 也觀察到，已有北韓駭客利用竊取而來的 LinkedIn、GitHub 等公開資料，搭配大型語言模型與深偽技術，偽裝成遠距 IT 工作者應聘。一旦錄取成為內部員工，其就會進行資料竊取、部署勒索軟體，或盜取資產。「一旦他們成為員工，基本上就成為內部威脅，所以可以進行橫向移動。」Flores 說。

駭客也會架設「假公司」發布職缺，要求求職者下載包含惡意軟體的面試測試包，反向盜取求職者的資產與身份，甚至劫持真實帳號。

威脅升級三：AI 原生攻擊工具與 AI 系統濫用，突破傳統限制

值得關注的是，隨著大型語言模型運算能力躍進，TrendAI 觀察到駭客攻擊手法已突破傳統技術限制，例如近期 LameHug 等惡意工具，便刻意偽裝成圖像生成應用，實際上是內嵌 LLM 運算能力，讓攻擊者只需透過提示指令下達意圖，模型就可以自動編譯並執行惡意指令。TrendAI 強調，這樣的攻擊能使單一軟體無縫跨越 Windows、Mac 與 Linux 多重作業系統的限制而發動攻擊。

Flores 表示，這種威脅的恐怖之處在於，未來的惡意軟體可能不再有固定程式碼，只要用「提示詞（Prompts）」就能由 AI 針對不同作業系統自動調整攻擊語法。

Flores 也提到，企業內部的 AI 系統例如智能客服、自助查詢或自動化流程平台，也可能成為「提示詞注入（Prompt Injection）」的跳板，成為新威脅。駭客只需在發給客服的信件中隱藏特殊指令，當企業的 AI 讀取該信件時，就會被誘騙去執行超出預期的動作，整個攻擊過程不需要駭入系統或寫入任何程式碼。

TrendAI 呼籲企業建立治理框架，善用整合能力工具

由上述威脅樣態可見，傳統防禦機制已能被生成式 AI 輕易破解。但 Flores 呼籲，儘管 AI 技術屢遭駭客濫用，AI 仍是驅動產業變革的時代創新，而面對 AI 時代的威脅，建立完善的安全機制與治理框架將成為企業相當重要的議題。他建議，企業應採用智慧的資安事件管理（Security Information and Event Management，SIEM），得以將碎片化數據資料轉化為一致語言，並有效分析串聯跨系統資訊，加速判斷與決策效率。

舉例來說，面對暴增的威脅日誌，可利用 AI 擅長「翻譯」的特性，將不同設備與系統的日誌格式統一並進行關聯分析，幫助資安人員從海量數據中找出最高風險的事件，在規模上提供幫助。

TrendAI 台灣暨香港區總經理洪偉淦在接受媒體訪問時，補充了企業導入 AI 代理時必須思考的兩個關鍵原則。第一是慎選大型語言模型，因為現在有許多開源或號稱免費的語言模型，但背後可能隱含未知資安風險，因此需要審慎評估。第二是權限控管，企業在設計 AI 系統時，就必須設定極為明確的框架與權限範圍，以防 AI 遭駭客利用。

洪偉淦指出，「我們觀察多數台灣企業的資安架構仍停留在過去以工具與規則為核心的模式。而在 AI 時代的競爭關鍵，不在於誰擁有最完整的資安工具，而在於誰能最快理解風險、做出決策」。

＊首圖來源：《TechOrange》拍攝。

【科技早餐】今天精選 6 則國內外重要科技新聞。

＊黃仁勳稱 NVIDIA 中國 AI 晶片市占歸零，出口管制反效果浮上檯面

NVIDIA 執行長黃仁勳（Jensen Huang）近日在《Memos to the President》節目中表示，受到美國出口管制與中國本土供應商崛起影響，NVIDIA 在中國 AI 加速器市場的市占率，已從過去的領先位置降到 0%。他指出，放棄中國這樣規模龐大的市場，在戰略上並沒有意義，也可能產生反效果。

黃仁勳也表示，中國即使缺少美國最先進晶片，仍有低成本能源與大量數學、科學人才，足以支撐 AI 模型競爭。他呼籲美國政策必須更動態，讓美國企業能留在關鍵市場，同時吸引全球頂尖 AI 研究人才。NVIDIA 也已承諾投入 5,000 億美元採購與建設，在美國建立晶片製造、封裝與 AI 超級電腦基礎設施。

＊NVIDIA 物理 AI 擴大亞洲供應鏈，南亞科等台廠進入新合作圈

《彭博》報導，NVIDIA 與亞洲供應鏈深度整合，亞洲供應商在其生產成本中的占比，已從去年約 65% 升至目前約 90%。合作範圍也從半導體，拓展到機器人、智慧駕駛等「實體 AI」領域，帶動南韓 LG 電子（LG Electronics）、台灣南亞科（Nanya Technology）、中國德賽西威（Desay SV）與博泰車聯（Pateo Connect）等企業受到市場關注。

報導指出，NVIDIA 近年透過 SK 海力士（SK Hynix）、三星電子（Samsung Electronics）等供應商，深化以晶片為核心的亞洲合作；但最新一波布局，已開始從 AI 運算能力延伸到機器人等真實世界部署場景。隨著大型科技公司持續擴大 AI 支出，NVIDIA 在資本支出中仍占重要位置，也讓亞洲供應鏈從晶片、記憶體，進一步被拉進物理 AI 的應用版圖。

＊Anthropic 洽購 Fractile 推論晶片，Claude 算力成本壓力繼續外溢

根據《The Information》報導，Claude 開發商 Anthropic 已和英國晶片新創 Fractile 展開初步洽談，計畫採購其推論加速器。若合作成形，Fractile 將成為 Anthropic 第四家 AI 伺服器晶片供應商。目前 Anthropic 已使用 NVIDIA、Google 與 Amazon 的晶片，支撐 Claude 模型運作。

Fractile 成立於 2022 年，主要開發推論晶片，目標是把記憶體與運算單元放在同一塊晶粒上，減少大型模型執行時，資料在 GPU 與外部記憶體之間移動造成的瓶頸。不過，Fractile 晶片預計要到 2027 年才會達到商業成熟階段。這也顯示，AI 模型公司的競爭，已從模型能力延伸到推論成本、供應商多元化與長期算力談判。

＊五眼聯盟發布 AI 代理資安指引，企業導入前先劃清行動邊界

由美國、英國、加拿大、澳洲與紐西蘭組成的五眼聯盟，發布「謹慎採用代理式 AI 服務」（Careful Adoption of Agentic Artificial Intelligence Services）指引，提醒政府、關鍵基礎設施與大型組織，在導入代理式 AI 前，必須先評估自主行動能力帶來的資安風險，並建立對應安全控管。

指引指出，代理式 AI 會繼承大型語言模型原有的提示注入、越獄與幻覺風險，同時因為會連接 API、資料庫與內部系統，每增加一個元件，都會擴大攻擊面。五眼聯盟建議，企業應在設計階段限制代理人可存取的資料與行動範圍，高風險動作前加入人工監督，並讓每個代理人具備獨立身分，方便追蹤、限制或停用。

＊Apple 申請關稅退款，Tim Cook 承諾加碼美國先進製造

Apple 執行長 Tim Cook 在 2026 會計年度第二季財報電話會議中表示，Apple 正依照既定程序，申請退還先前支付的關稅稅款。Tim Cook 說，Apple 對可能收到的退款已有具體計畫，未來任何款項都將重新投入美國創新與先進製造，而且會是既有投資承諾之外的新增項目。

Apple 先前已啟動美國製造計畫，承諾 4 年內在美國投入 6,000 億美元。面對關稅成本，Tim Cook 也坦言，這已成為 Apple 與匯率變動並列的常態性壓力。目前 Apple 持續把部分生產擴展到印度與越南，降低對單一地區的依賴，但供應鏈轉移仍需要多年時間，也難以立刻複製中國既有的產能規模與效率。

＊GameStop 擬 560 億美元買下 eBay，遊戲零售商挑戰電商巨頭

《華爾街日報》報導，美國遊戲零售商 GameStop 執行長瑞安・柯恩（Ryan Cohen）提出收購提案，有意以現金加股票方式買下電商平台 eBay，每股出價 125 美元，總價約 560 億美元。GameStop 目前已持有 eBay 約 5% 股權，若 eBay 董事會不接受提案，瑞安・柯恩不排除直接訴諸股東。

瑞安・柯恩表示，eBay 的價值遠高於目前水準，如果交易成功，將把 eBay 打造成市值數千億美元的企業，並建立可與 Amazon 競爭的全方位電商平台。不過，市場對這筆交易仍有疑慮，原因是 eBay 市值明顯高於 GameStop，若要完成收購，可能需要大規模舉債，也會帶來財務槓桿壓力。

＊本文開放合作夥伴轉載，資料來源：《Tom’s Hardware》、《Bloomberg》、《The Information》、ACSC、《Barron’s》、《The Wall Street Journal》，首圖來源：總統府。

過去五年，全球有 745 家軟體公司拿到超過 3,000 萬美元的融資，同一時間獲得同等規模資金的機器人公司只有 42 家，差距將近 18 倍。但機器人對應的基礎市場規模，其實是軟體的 30 倍。

投資缺口與市場錯配

根據創投企業 Bessemer Venture Partners 的報告指出，多數分析師預測機器人產業在未來十年會成長 50 倍，Bessemer 合夥人 Jeremy Levine 更判斷，未來十到二十年地球上的機器人數量會成長十萬倍。

高盛集團在短短一年內，就把自己對 2035 年機器人市場規模的預測上修了六倍，Bessemer 認為即使是這種大幅上調過的數字，在節奏與量級上都還是低估了真實需求。人口結構的老化、製造業勞動力短缺、危險工作環境的替代工具，這些都是市場現實的剛性需求。

現在：GPT-2.5 時刻

Bessemer 把目前產業階段定位在「GPT-2.5 時刻」，也就是基礎模型已經展現出真實能力，實驗室展示與實際部署之間卻還有明顯落差。

2026 年 2 月發表的 EgoScale 論文也首次證實，機器人效能會隨著訓練資料規模可預測地提升，但真正屬於機器人的「ChatGPT 時刻」還沒到，Bessemer 判斷即將發生，只是這個時刻不會透過聊天框展示。

中國主導人形機器人，西方的戰略困境

2025 年全球出貨的人形機器人有將近 90% 來自中國，這個比例在一個還在發展初期的產業裡已經算是壓倒性。根據報告，總部設在中國的人形機器人公司有 161 家，遠遠超過美國。

不過需要先釐清一件事，人形機器人只是整體機器人產業的一個子集，之所以被單獨拉出來談，是因為它目前是資本市場最追捧、媒體曝光度最高的類別。

中國在這個子領域的主導，對西方來說不只是商業競爭問題，更是戰略問題。Bessemer 在報告裡直接指出，各國已經無法忽視一個結論，機器人正在從根本上改變現代戰爭的形態——民用供應鏈的集中度越高，軍事應用的依賴風險就越難切割，這套邏輯與過去半導體、衛星產業面對的情境一致。

而中國 AI 模型與美國的差距平均只落後七個月左右，這個差距每年都在縮短。

從投資數據可以看到資本市場已經提前反應。2025 年國防機器人公司的 A 輪融資後估值中位數達到 1.05 億美元，非國防同儕只有 5,000 萬美元，這個落差從 2021 年起逐年擴大。

Bessemer 的判斷是，機器人產業的第一批 500 億美元級別 IPO，會從國防類公司出來，而不是來自消費端的人形機器人；因為國防採購週期長但可預測、合約金額大、續約率高，買方同時擁有預算與急迫性，這些條件在商業市場裡都尚未同時成立。

資本慣性造就低估，先進場者才能撐過爬坡期

而資料是機器人效能提升的核心，但網路上機器人資料比文字稀缺好幾個數量級。全球機器人操作資料總量估計約 30 萬小時，相較之下網路影片約 10 億小時、文字約 300 兆 token。

Bessemer 估計，未來兩年整個產業的機器人資料成本會超過 30 億美元，而這無法靠爬蟲或向資料中介購買解決，必須一個任務、一個環境逐步生成。

結果會是規模更大、部署更多、資金更充裕的公司，能更快累積真實資料，形成自我強化的飛輪；這與 Waymo 和 Tesla 在自動駕駛領域，靠里程數與用戶資料建立起來的基石是同一套邏輯。

而世界模型與模擬學習提供了兩條降低依賴的替代路徑，但都不是免費的。

Meta 的 V-JEPA 2 用超過一百萬小時的網路影片訓練，只需再加 62 小時機器人專屬資料，就能在真實機械臂上達到 65% 至 80% 的抓放成功率，不過 NVIDIA 的 Cosmos 世界模型訓練就用了一萬顆 H100 GPU 跑三個月，可以說這種規模本身就是成本的賭注。

價值捕獲集中在全垂直整合玩家

價值捕獲的結構也與 LLM 不同。在語言模型產業，基礎模型公司透過 API 把能力抽象化，兩個人的團隊第一天就能用上 GPT-4。機器人做不到這種分層，部署需要特定領域的資料收集、環境微調、硬體整合、現場運維基礎設施，任務太多樣、環境太難預測，通用模型短期內根本無法直接上場。

結論是近期價值會集中在全垂直整合的玩家，他們同時掌握硬體、軟體、資料管線與客戶關係，類比的位置就像 LLM 領域的基礎模型公司。

Bessemer 預測最終贏家會少於 50 家，原因是人才集中度。美國過去五年融資超過 3,000 萬美元的機器人公司當中，43% 的創辦人擁有博士學位，其中 48% 來自 Stanford、MIT、Berkeley、CMU 這四所學校，56% 的公司至少有一位博士共同創辦人。這不是一個廣泛的人才生態，而是極窄的管道輸出極少量頂尖人才。

機器人產業的投資不足源自於資本慣性

最後，可以說機器人產業的投資不足，不是因為市場潛力存疑，而是因為資本慣性。軟體公司的回報週期短、現金流模式清楚、估值方法有共識，資本自然往這個方向流動。機器人需要長時間累積真實部署資料才能驗證效能，這與季度財報節奏有衝突，導致市場大幅低估了這個領域的長期價值。

而中國在人形機器人的主導地位如果持續，影響不會侷限在單一市場。民用機器人的供應鏈集中度會直接外溢到軍事應用場景，西方國防發展會更危險。

【推薦閱讀】

◆ 【機器人上前線】烏克蘭機器人攻下壕溝、中國 AI 沙盤推演台北街頭的群眾控制
◆ 【不是從零開始】為何自動駕駛走過的漫長彎路，成了機器人產業珍貴的競爭資產？
◆ 跑贏世界紀錄卻進不了工廠？拆解中國人形機器人狂飆背後的商用落地瓶頸

＊本文開放合作夥伴轉載，參考資料：《Forbes》、《Bessemer》，圖片來源：Nano Banana2 生成

（責任編輯：鄒家彥）

隨著烏俄戰爭發展至今，無人機在戰場上的地位，似乎已變得至關重要。

根據官方數據，烏克蘭軍方在 2024 與 2025 年，合計訂購高達 180 萬架無人機，總值約 34 億美元。這些無人機包含自殺式攻擊機、情蒐偵察機、遠程攻擊機，以及多款可重複使用的機種，構築出一支龐大的無人機軍團。

然而，烏克蘭之所以能在戰場上取得牽制敵軍的優勢，不單單是因為數量龐大的無人機，更是由於他們在背後所建立的高效率「戰場回饋循環」。

無人機不再只是「攻擊武器」

在烏俄戰爭的每一個層面，兩個國家都不約而同大量運用無人機技術，例如烏克蘭以 FPV 無人機追擊敵方車輛與步兵陣地，並利用偵察無人機支援火炮攻擊，再透過遠程無人機打擊俄羅斯境內目標。

跟過去單純依賴人類操作或自殺式攻擊不同，隨著 AI 技術引入，無人機作戰開始出現進化。

當敵方發動電子作戰，導致人類操作員、無線電和 GPS 全都失效時，AI 系統便會接管任務，讓無人機透過影像識別與自主導航，持續追蹤並判斷敵軍動向，發揮除「爆炸」之外的最大效用。

無人機在戰場上的每一次飛行，以及攝影鏡頭所錄下的真實畫面，最終都被轉化成數據，成為訓練下一代 AI 模型的珍貴素材，為烏克蘭軍用武器的高速迭代奠定基礎。

打通「作戰」與「製造」的鴻溝

為了應對俄羅斯不斷升級的反制手段，烏克蘭國防部成立了 A1 中心，目標是利用真實的戰場數據，分析並預測敵方行動，同時專門針對訊號受阻與電子戰環境，開發新型無人機、機器人及軍事模擬系統。

最為關鍵之處在於，烏克蘭軍方將前線部隊所遭遇的挑戰，迅速轉化為後端的製造需求，打通「作戰」跟「製造」之間的溝通鴻溝。

舉例來說，一旦無人機作戰單位遇到了敵方的干擾，烏克蘭當地的武器製造商便能立刻依據軍方回傳的數據，進一步推動產品升級。

緊接著，當新產品投入戰場後，若是再度遭遇俄軍反制，整個產業鏈又會迅速進入數據分析、產品改良、生產製造，並將產品再次投入戰場的無限循環。

循環迭代所打造的國防護城河

跟傳統的武器供應鏈模式截然不同。在過去，前線士兵只能被動等待高層提出需求，並由承包商競標生產新武器，過程中幾乎無法提供任何即時回饋。

但是在烏克蘭所開創的新模式下，前線部隊可以直接將需求，反映給國內眾多的製造商；雖然過程中難免會有研發失敗的案例，但這種高速試錯的機制，讓軍工單位能夠迅速累積經驗，製造出真正符合戰場實況的裝備。

為了配合這種迭代速度，日前烏克蘭也推出了 DOT-Chain Defence 數位系統，打造現代化的武器交易平台，允許部隊快速訂購並取得軍事產品，大幅簡化繁瑣的官僚程序，確保前線能於最短時間內獲取所需資源。

該系統上線至今，已經替烏克蘭 186 個作戰旅及兩個軍團，成功媒合並交付了超過 17.5 萬套軍用設備；同時，烏克蘭無人機作戰部署評估系統（DELTA）的使用者也超過了 20 萬，單日處理高達一萬次的無人機作戰資訊流。

儘管俄羅斯擁有大規模生產無人機，藉此覆蓋烏克蘭領空的能力，也能抄襲硬體設計或打擊烏克蘭軍方的製造工廠，但這種將戰場經驗迅速轉化為產品升級的「迭代習慣」，才是烏克蘭真正的國防護城河。

昂貴的消耗戰及供應鏈韌性

當然，烏克蘭的「戰場回饋循環」防禦體系也並非毫無弱點。

由於無人機作戰高度仰賴軟體、硬體、訓練、採購與作戰回饋的完美協作，俄羅斯強大的電子戰能力、豐富的飛彈庫存與龐大產能，就有可能演變成消耗戰並徹底拖垮烏克蘭的國土防禦。

因此，假若烏克蘭過度依賴昂貴的「一機換一機」防禦模式，或者無人機的關鍵零組件，如馬達、電池、光學元件及無線電模組等，受迫於俄羅斯壓力而無法順利進口，這套回饋循環系統的運作速度就會大幅下降。

換句話說，維持烏克蘭「戰場回饋循環」持續運作的關鍵，終究在於國防供應鏈韌性，以及戰場數據的安全性。

保護共享資訊，擺脫 AI 幻想

對於烏克蘭來說，爭取盟友支援以擴大零件供應規模，並建立可替代的備用供應鏈，將是避免生產中斷的核心防線。

同時，妥善保護並適度共享戰場數據也至關重要，這既能讓烏克蘭的合作夥伴，協助改進無人機和各式武器、模擬系統的 AI 模型，也能確保前線作戰部隊安全，同時維持敵我識別的準確度。

此外，在科技且現代化的烏俄戰爭中，保留人類於決策環節的核心地位，依然是多數人的共識。

與其追求打造某種「AI 自動化武器」並企圖贏得戰爭，那些有能力對抗干擾、標記敵方目標、簡化任務作業，並為人類指揮官爭取更多決策時間的實用無人機與機器人，或許才是烏克蘭更該發展的方向。

一場科技與速度的戰爭

總歸來說，烏克蘭目前握有的無人機優勢，起源於戰爭壓力下的臨時應變，並在俄羅斯持續給予的壓力中，淬鍊成一條完整的產業鏈。

然而，烏克蘭維持這項優勢的核心，將在於保持產品的高速迭代，同時兼顧品質與穩定性。

另一方面，前線指揮官、政府高層對 AI 能力保持務實的認知，不過度迷信技術展示而忽視戰場實況，預期也會成為這場科技與速度的戰爭中，決定勝負的關鍵所在。

【推薦閱讀】

◆ 90% 傷亡來自無人機，烏克蘭從零建立「不依賴中國」的無人機供應鏈
◆ 一台設備整合通訊、反干擾、無人機攻擊，Phoenix 想成為美軍的「智慧型手機」
◆ AI 軍備競賽轉向低成本對決：模組化無人載具如何重塑全球國防供應鏈？

＊本文開放合作夥伴轉載，參考資料：Implicator.ai、Ministry of Defense of Ukraine，首圖來源：Pixabay

（責任編輯：鄒家彥）

專訪：戴季全
撰稿：李昀蔚

當 AI 從雲端模型走向真實世界，邊緣 AI（Edge AI）與實體 AI（Physical AI）正成為企業導入的下一個關鍵戰場。「2026 年是 Edge AI 跟 Physical AI 爆發的起始點，」研華嵌入式事業群總經理張家豪在本集《全新一週》特別提到，隨著 AI 深入工廠、醫療、機器人等場域，將所有資料送回雲端處理已不切實際，為了滿足低延遲、資料隱私與即時反應等特性，讓邊緣運算平台具備 AI 運算效能，已快速成為各產業邊緣設備的標準配備。

當 Edge AI 延伸至實體世界，Physical AI 的討論也隨之升溫。張家豪強調，Physical AI 真正要落地，絕非單純把 AI 算力放在邊緣端，而是必須將周邊模組、軟體平台與整個生態系進行深度整合，才能實現 Physical AI 的願景。

從大腦到小腦：人形機器人不只要像人，更要有人類的感知與決策

談到 Physical AI，最具代表性的場景之一就是人形機器人。針對機器人的運算分工，張家豪以「大腦」與「小腦」來形容：所謂「大腦」，指的是負責感知、推論與決策的 Edge AI Computing，必須處理語言模型、數位孿生、即時資料回饋與判斷；「小腦」則負責控制四肢、輪子與各種運動模組的實際運作。

在實際運作時，機器人必須透過各類感測器來理解外部環境並做出反應。例如，由 2D 與 3D 攝影機負責視覺感知，Wi-Fi 與藍牙負責通訊，LiDAR 與 IMU 協助路徑控制，再透過運動控制模組支撐機械結構運作。這也代表 Physical AI 的挑戰在於如何將感測、通訊、視覺、路徑與運動控制等多種模組，全數整合並串聯至 Edge AI 裝置中，形成完整的機械系統。

三大落地場景：工廠自動化、醫療影像與自主移動系統

從研華第一線接觸客戶的實戰經驗出發，張家豪觀察，目前 Edge AI 落地最明確的場域主要涵蓋工廠自動化、醫療產業以及自主移動機器人系統。在工廠自動化方面，由於工廠過去本就高度依賴自動化系統與工業電腦來提升效率，如今這些設備升級 AI 運算的速度極快，例如過去仰賴人工目視的產品瑕疵檢測，現在已能透過邊緣運算與視覺檢測在產線端即時完成。

其次是醫療產業，像是超音波、X 光等醫療影像判讀，過去高度仰賴醫師經驗，現在導入 AI 後一秒鐘即可處理高達 3,000 張影像，讓判讀效率獲得顯著提升。最後，則是包含人形機器人與無人機等自主移動機器人系統（Autonomous Mobile System），這些系統必須在真實環境中移動並做出反應，因此對於即時運算與多模組整合的需求也特別高。

Edge AI 落地的三大挑戰：規模化、整合性、軟體平台

儘管工廠自動化與醫療產業已相對成熟並具備一定標準，但像機器人這類新興應用仍面臨標準尚未建立的困境。當企業真正著手導入 Edge AI 時，往往會面臨規模化、整合性與軟體開發平台等三大痛點。

首先是規模化的挑戰，像人形機器人這一類新興產業仍停留在概念驗證（POC）階段，因此如何克服痛點，並將單一場域的成功案例複製與擴展至大規模商業部署，是一大難關。第二是整合性問題，Edge AI 無法僅靠單一 AI 大腦運作，還需與感測、通訊、視覺、路徑監控及運動控制等多種周邊模組共同協作，這極度考驗系統整合能力。第三則是軟體開發平台的標準化困境，隨著晶片組從 CPU、GPU 走向 NPU 時代，各家廠商提供的 SDK、驅動程式與訓練演算法皆不相同，導致開發者若要跨平台轉移晶片組，往往必須付出極高的轉換成本與開發時間。

從硬體供應商轉型 Edge AI Enabler，研華打破跨平台藩籬

「我們要作為一個 AI 的 Enabler，尤其是 Edge AI 的 Enabler，」面對 Edge AI 落地的挑戰，張家豪強調研華的角色定位為 Edge AI 的推動者（Enabler），也就是除了將既有核心優勢的邊緣運算硬體平台導入 AI 外，研華更重要的任務是協調並串聯整個生態系。

為了降低開發者的跨平台阻礙，研華推出 WISE-WEDA 容器化軟體架構。張家豪形容這就像貨櫃，只要將軟體應用依照標準裝進貨櫃，就能輕易放上不同的硬體平台運送。透過這套標準化介面，開發者能跨越所有晶片組的限制，大幅降低遷移成本並加速產業應用開發速度。

下一波競爭焦點：系統整合能力與台灣產業的出海考驗

在 2026 NVIDIA GTC 大會中，研華已結合 NVIDIA Jetson Thor、Isaac ROS、Holoscan 等方案推出 Physical AI 布局，持續強化多感測器整合能力。張家豪直言，下一波 Edge AI 技術競爭的關鍵不在於單純的運算效能比拚，而是「系統整合能力」，從核心 Edge AI Computing、周邊模組整合，到軟體開發環境的完整性，必須形成一套完整的解決方案，才能幫助客戶縮短開發週期。

最後，在探討台灣於全球 Edge AI 競爭中的定位時，張家豪點出台灣擁有極具彈性且完整的硬體供應鏈，從 PC、工業電腦到 Edge AI Server 都具備深厚基礎，並擁有高度客製化的服務能量。然而，台灣的相對弱勢在於生態系的建立能力。受限於本地市場規模，台灣產業往往依賴海外終端客戶來主導生態系，相較於中美歐等擁有龐大內需市場的企業，較難在本土完成落地驗證。因此，張家豪呼籲台灣企業必須勇敢走出去，親自前往美國、中國等大型終端市場建立研發、製造與銷售據點，直接串聯當地夥伴與客戶，藉此在 Physical AI 時代建立更強大的產業生態系。

歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！

AI 巨頭現在不只拚誰的模型最聰明，更要競逐誰能把技術真正「落地」，成為企業內部的主要生產力來源。近日，OpenAI 與 Anthropic 幾乎在同一天、相隔不到幾分鐘的時間內，接連宣布結盟華爾街與頂級私募基金，各自砸下重金成立專屬的「企業 AI 服務公司」。

《The Deep View》一語道破這場戰局的核心：部署（Deployment）已正式成為 AI 的新戰場。OpenAI 與 Anthropic 的行動，顯示雙方的戰火已從單純的模型軍備競賽與程式開發工具的技術較勁，全面蔓延到商業世界最前線，看誰能在廣大的企業市場勝出，並率先將技術變現。

OpenAI 成立 The Deployment Company，借助私募基金打進企業客戶

為了打贏這場商業化戰役，《彭博社》報導，OpenAI 已從 TPG、Brookfield Asset Management、Advent、Bain Capital，以及 Dragoneer 與 SoftBank 等投資方手中，募得超過 40 億美元的資金，用於成立一家專注在協助企業部署 OpenAI 軟體的新公司。這家新合資企業名為「The Deployment Company」，估值高達 100 億美元，且將由 OpenAI 持有多數股權並握有實質控制權。

OpenAI 的布局策略十分明確，因為這些合作夥伴預計可觸及超過 2,000 家投資組合公司與客戶，因此 OpenAI 的核心目標正是透過這些既有的人脈網絡與商業關係，大幅降低企業導入門檻，使更多企業能加速採用 AI 技術。

Anthropic 找上 Blackstone、高盛等機構，把 Claude 導入企業核心流程

面對 OpenAI 的大動作，Anthropic 也不甘示弱。在幾乎同一時間，Anthropic 宣布與 Blackstone、Hellman & Friedman、Goldman Sachs 等機構達成合作，成立一家新的「AI 原生企業服務公司」（AI-native enterprise services firm），目標是將旗下的 Claude 導入中型企業的核心營運流程中。

這項合資計畫同時也獲得 Apollo Global Management、General Atlantic、Leonard Green & Partners、GIC 與 Sequoia Capital 等大型機構的支持。這家新的 AI 原生企業服務公司不僅將協助這些資產管理公司旗下的投資企業，也會為其他企業整合 AI 工具。

《TechCrunch》點出，這兩大 AI 巨頭策略背後的共同邏輯，是透過另類資產管理公司來建立新的「企業 AI 銷售通路」。這些合資企業預期將能獲得優先接觸投資方旗下「投資組合公司」（portfolio companies）的銷售優勢，藉此快速擴大市占率。

解決落地痛點，前沿部署工程師成為 AI 新戰力

然而，空有強大的模型與廣大的銷售通路，並不足以讓企業真正用上 AI。《SiliconANGLE》引述高盛高層 Marc Nachmann 的觀察指出，目前業界「極度缺乏」知道如何將 AI 整合進現有業務流程的專業人才。他直言，光有模型並無法改變企業的營運方式，必須有人將技術與實際業務結合，這正是企業導入 AI 時面臨的最大瓶頸。

為了直接打通這個落地痛點，OpenAI 與 Anthropic 透過新資金引進全新的作法。《彭博社》與《TechCrunch》觀察，這兩大巨頭的布局皆帶動「前沿部署工程師」（forward-deployed engineers, FDE）的興起，因為 OpenAI 與 Anthropic 新成立的 AI 服務公司，將有別於傳統的企業顧問，而是採用由 Palantir 公司所普及的 FDE 模式，將龐大的工程資源直接投入到個別客戶身上。

未來，這些 FDE 專家將直接進駐中大型企業，與客戶端的 IT 人員及第一線員工並肩作戰。從醫療到金融，他們將親自了解員工日常使用的軟體與痛點，為不同產業量身打造專屬的 AI 工作流程與工具，讓 AI 模型真正轉化為實質生產力。

Constellation Research 分析師 Holger Mueller 也觀察到，這個現象顯示 AI 越來越像傳統的企業級軟體。這兩家獲頂尖金融機構注資數十億美元的合資企業，雖然本質上如同傳統顧問公司，但這也證明投資人亟欲在 AI 帶來的龐大利潤中搶佔先機。

AI 巨頭的下一場競爭，是誰能把模型變成企業生產力

《彭博社》分析，OpenAI 與 Anthropic 在開發 AI 技術上耗費數十億美元，現在都希望能透過這些新成立的部署公司來提升 AI 技術的採用率並帶動實質銷售，尤其雙方目前都正朝著最快在今年進行首次公開募股（IPO）的目標前進。

《The Deep View》進一步指出雙方的競逐態勢：雖然 Anthropic 先前已成功建立起「企業界愛用者」的形象，但 OpenAI 在過去幾個月也做出大幅度的轉向，積極切入企業市場。例如，OpenAI 削減部分消費端專案，將更多資源與算力投入到核心模型，更不斷推出 Codex 更新，並透過與 AWS 的合作在企業與政府單位中建立動能。

這兩家公司的最新舉動正式宣告：AI 巨頭之間的競爭，已經不再侷限於誰的模型技術更強大，而是誰能藉由資本力量、專屬工程團隊與強大的企業銷售通路，將 AI 真正部署進企業營運中，成功把模型轉化為實質的企業生產力。

＊本文開放合作夥伴轉載，參考資料：《The Deep View》、《Bloomberg》、《TechCrunch》、《SiliconANGLE》，首圖來源：Unsplash

英特爾在本週宣布，延攬在高通任職逾 24 年的資深高階主管 Alex Katouzian 出任執行副總裁暨客戶端運算與實體 AI 事業群總經理，直接向執行長陳立武（Lip-Bu Tan）彙報，並預計於 5 月正式到職。

這項人事任命的意義，遠不止於補齊高階職缺，更象徵英特爾將傳統 PC 業務與快速興起的實體 AI 領域整合為一，押注 AI 應用重心從雲端訓練轉向終端推論的趨勢。

從 PC 到實體 AI，英特爾正在重新想像運算邏輯

Katouzian 在高通最近的職銜為行動、運算與延展實境事業群執行副總裁暨總經理，正是推動高通以 Snapdragon X 系列處理器切入 PC 市場的關鍵人物之一。這款晶片於 2024 年作為微軟 Copilot+ PC 品牌電腦的首發晶片登場，是高通向英特爾與 AMD 長期主導的 PC 市場發動的正面挑戰。

根據英特爾說法，Katouzian 接下來的首要任務，是將既有的客戶端運算業務，與涵蓋機器人、自主設備與各類 AI 裝置的實體 AI 系統整合發展。

陳立武指出，「AI 正在邊緣端創造前所未有的機會，並推動客戶端運算與實體 AI 系統發生重大轉變。」他認為，Katouzian 是帶領英特爾重新定義 PC 以外運算模式、銜接實體 AI 下一波成長的重要人選。

這代表英特爾的戰略已不再局限於 PC 市場本身，而是將 PC 視為整個 AI 生態的一部分，延伸至機器人、自動化設備與邊緣推論場景。

在組織架構上，原本直接向陳立武彙報的客戶端運算事業群負責人 Jim Johnson，以及矽晶與平台工程事業群負責人 Mike Hurley，將改為向 Katouzian 彙報。Johnson 是擁有 40 年資歷的英特爾老將，於去年 9 月獲陳立武任命領導客戶端運算事業群；Hurley 則是長期工程主管，同樣是陳立武上任後的重要部署。

同日，英特爾也宣布由 Pushkar Ranade 正式出任技術長，結束過去數月的代理任期。Ranade 的職責涵蓋推動技術策略、監督與馬斯克旗下 xAI 合作的 Terafab 等特殊技術專案，以及量子運算、神經型態運算、光子學與新型材料等前沿領域的發展。

PC 角色轉型，從終端設備到 AI 節點

Katouzian 的職掌範圍反映出英特爾對邊緣推論商機的戰略判斷。《CRN》報導，陳立武在內部備忘錄中指出，英特爾已經重新站回 AI 競賽的核心，並在邊緣運算與實體 AI 系統領域看到大量新機會。

英特爾目前已在這個方向有所布局，包括推出 Intel Robotics AI Suite，旨在為現有 x86 機器人部署新增能力，且無需進行高成本的系統翻修。Katouzian 本人也在聲明中表示，英特爾正在為 AI 驅動的轉型奠定基礎，涵蓋 AI PC 領先地位的鞏固、邊緣 AI 推論的規模化，以及實體 AI 系統未來的加速發展。

通路商看見「解決方案的解決方案」商機

對於這項人事變動，英特爾的系統整合合作夥伴反應正面。總部位於南達科他州北蘇城、曾獲英特爾北美夥伴獎的 Sterling Computers 技術長 Christopher Cyr 告訴《CRN》，延攬 Katouzian 的決策符合邏輯，因為英特爾正加大力度降低晶片功耗，而這正是高通長期具有競爭優勢的領域，在推論運算成為 AI 商機主戰場的趨勢下尤為重要。

Cyr 進一步指出，實體 AI 為通路夥伴帶來的商機規模可觀，「這是一個解決方案的解決方案，」他說：「你需要軟體、你需要晶片組，還要考量所在的產業，無論是製造業還是物流業，我認為夥伴有大量機會。」這番話點出了 AI 商機的結構性轉變：對通路商與系統整合商而言，AI 已不再是單一硬體產品的採購，而是涵蓋晶片、軟體與垂直產業應用的整體解決方案市場。

＊本文開放合作夥伴轉載，資料來源：《CRN》、《Reuters》、Intel，首圖來源：Intel，左為 Alex Katouzian、右為 Pushkar Ranade。

《The New York Times》報導，美國官員與知情人士透露，原本對 AI 採取不干預立場、讓矽谷自由推動技術發展的川普政府，正討論對新 AI 模型引入政府監督機制。

白宮擬成立 AI 工作小組，考慮仿英國建立模型審查制度

《The New York Times》指出，美國政府目前正研議透過行政命令成立一個 AI 工作小組，成員將包含科技企業高層與政府官員，共同檢視可能的監督機制。知情人士透露，白宮官員上週已向 Anthropic、Google 與 OpenAI 等企業高層說明部分規劃內容。該工作小組預計將評估多種監管模式，其中一種可能方向，將參考英國正在建立的制度架構，英國已指定多個政府機構，負責確保 AI 模型符合特定安全標準。

在顧問與政策諮詢層面，《Forbes》補充，今年 3 月，川普曾任命 13 名成員加入新成立的 AI 顧問委員會，成員包括 Meta 執行長馬克·祖克柏、甲骨文創辦人 Larry Ellison、輝達執行長黃仁勳，以及戴爾公司創辦人暨董事會主席 Michael Dell 等科技業領袖。該委員會將就「科學、科技、教育與創新政策相關事務」向總統提供建議。同時，白宮也提出一套希望國會推動的立法框架，目標在於建立全國統一的 AI 政策，以取代各州分散的監管規範。

《The New York Times》分析指出，這些動作顯示川普政府在 AI 政策上的明顯轉向。自去年重返白宮以來，川普長期強調 AI 對美國在與中國地緣政治競爭中的戰略重要性，並傾向減少監管。他上任後即撤銷拜登政府要求 AI 開發商進行安全評估、並申報具潛在軍事用途模型的相關監管措施。

川普去年 7 月曾表示，AI 是「剛誕生的美麗嬰兒，我們必須讓這個寶寶成長茁壯，不能用愚蠢的、荒唐的規則阻止它。」然而，隨著外界對 AI 威脅就業、能源價格、教育、隱私與心理健康的憂慮升高，川普在 AI 議題上的不干預立場逐漸顯得孤立。皮尤研究中心（Pew Research Center）去年民調顯示，50% 的共和黨支持者與 51% 的民主黨支持者表示，對 AI 在日常生活中的普及「擔憂多於期待」。

Anthropic 模型引資安警訊，白宮權力重組加速審查討論

政策轉變也始於上月 Anthropic 發布的新 AI 模型 Mythos。Anthropic 表示，該模型在辨識軟體安全漏洞方面能力極強，可能引發資安領域的「清算時刻」，因此決定不對外公開。《The New York Times》指出，白宮希望避免未來若發生重大 AI 驅動的網路攻擊時承擔政治後果。政府也正在評估，新 AI 模型是否具備可供五角大廈與美國情報機構利用的網路能力。為因應像 Mythos 這類模型，部分官員主張建立審查制度，讓政府能優先取得 AI 模型進行評估，但不會阻止其正式發布。

《The New York Times》提及，原本主導 AI 鬆綁政策的白宮 AI 顧問 David Sacks 已離職，其職責由白宮幕僚長 Susie Wiles 與財政部長 Scott Bessent 接手。知情人士表示，兩人有意更積極參與 AI 政策制定。若政府最終推動 AI 模型審查制度，工作小組將決定由哪些政府機構參與執行。由於目前美國沒有單一聯邦機構全面負責政府網路安全，部分官員認為，應由國家安全局、白宮國家網路總監辦公室與國家情報總監辦公室共同監督模型審查。

若這些措施最終落地，將與副總統 JD Vance 去年在巴黎國際 AI 峰會上的立場形成鮮明對比。當時他曾警告，對 AI 產業過度監管可能在其起飛之際扼殺這個改變世界的產業，並表示：「AI 的未來，不會靠對安全問題憂心忡忡而贏得，它將靠建設與發展來贏得。」

＊本文開放合作夥伴轉載，資料來源：《The New York Times》、《Forbes》，圖片來源：Unsplash。