在生成式 AI 與自動化技術快速成熟的推動下，數位戶外廣告（Digital Out-of-Home, DOOH）正迎來新一波成長動能。根據市場研究機構 Mordor Intelligence 的預測，美國戶外廣告市場規模將於 2030 年達到 112.5 億美元，整體市場年複合成長率約為 3.72%，其中數位看板成長速度更為突出，年成長率達 6.2%。智慧互動亭、機場數位螢幕，以及電動車（EV）充電站等新型場域，正成為帶動 DOOH 產業升級的關鍵節點。

告別盲目曝光：AI 讓廣告看板學會「看天氣」

城市基礎設施數位化推動了戶外廣告的革命，《EMarketer》指出，AI 更進一步讓廣告主能即時處理海量數據，隨環境（如天氣、交通）動態調整創意，並透過精準的歸因工具追蹤實體來客與銷售轉化。美國戶外廣告協會（OAAA）總裁兼執行長貝格（Anna Bager）認為，這使戶外廣告跨越了曝光門檻，成為兼具品牌建構與導購成效的媒體平台。

這種「超在地化」能力，正推動 DOOH 從大眾媒體向「情境媒體」轉型。在 AI 加持下，廣告訊息能依據環境即時生成，並透過程式化購買技術精準競價，讓每一筆曝光都具備戰略意義，廣告內容也因此成為與受眾共鳴的即時對話。

搬家公司品牌 PODS 的案例便是最佳實踐。該品牌運用 Google Gemini 打造一面可隨車移動的智慧數位看板，29 小時內行經紐約市 299 個社區，系統根據不同社區特性、即時氣溫、交通狀況與地鐵延誤資訊，自動生成對應標語，總計產出超過 6,000 則高度客製化訊息。

例如在靠近海邊的社區，遇上天氣好的日子，螢幕可能出現鼓勵居民外出享受陽光、將搬家交給 PODS 的幽默文案。這種與場景緊密貼合的創意，讓廣告內容彷彿成為城市對話的一部分。根據品牌數據，該活動在一週內帶動網站訪問量成長 60%，詢價請求增加 33%，創下年度最佳表現，完美詮釋了 AI 如何在兼顧大規模生產的同時，讓溝通精準落地。

AI 即時辨識技術，讓廣告精準投其所好

汽車品牌 Kia 則將其數位戶外廣告鎖定在高意圖場景：電動車充電站。

透過車輛識別技術與智慧廣告系統，Kia 讓充電樁螢幕具備了「看人下菜碟」的本領：當系統辨識出正在充電的是非 Kia 車主，螢幕會主動強攻自家新車款 EV9 的空間與性能優勢，試圖吸引競品車主跳槽；若是自家車主，內容則切換為旗艦升級的感性溝通；而在無車狀態下，則維持播放大眾化的性能形象廣告。

這種即時辨識與動態內容切換機制，使每一次曝光都更具相關性，成效也確實反映在數據上：品牌知名度不僅暴增 517%，消費者的購車意願也提升了 27%，最終成功帶動銷售額成長 8%。

隨著 2026 年行銷預算逐步規劃，越來越多品牌將 DOOH 視為整合行銷中的核心媒體之一。DOOH 的數位化能力與 AI 技術結合，正在形成一種新的平衡：一方面透過數據與演算法提升效率與可衡量性，另一方面保留戶外媒體在真實場景中的沉浸與規模優勢。當廣告內容能夠根據城市脈動即時調整，同時保有強烈視覺衝擊與公共能見度，品牌溝通便獲得更立體的影響力。

＊本文開放合作夥伴轉載，參考資料：《EMarketer》、《The Drum》、U.S. Chamber of Commerce，首圖來源：Unsplash

（責任編輯：廖紹伶）

隨著 AI 重塑軟體開發產業，來自美國舊金山的新創公司 Theorem，選擇押注下一個潛力無窮的商機，那就是該如何讓企業在產生大量 AI 程式碼的同時，也能夠「信任」這些程式碼。

日前 Theorem 對外宣布，公司已經完成價值 600 萬美元的新一輪融資，主要由 Khosla Ventures 領投，加上 Y Combinator 及多位天使投資人參與。

Theorem 特別強調，公司順利取得融資後，將以打造自動化工具為目標，用以驗證 AI 生成軟體的正確性。

AI 寫程式高速狂奔，驗證速度卻如牛步

對於 Theorem 甚至整個軟體產業來說，如何信任 AI 所生成的程式碼，早已成為業界急需解決的問題。

包含 GitHub、Amazon 和 Google 的 AI 技術在內，全世界的 AI 工具，每年生成規模已達數十億行程式碼等級，協助軟體開發者打造新程式，企業採用率也同步飆升。然而，驗證 AI 所寫的軟體是否運作正常，其檢驗速度卻遠遠跟不上。

Theorem 創辦人 Jason Gross 指出，上述情況就是軟體開發產業的「監管缺口（Oversight Gap）」，該問題對全世界的金融系統、電網等關鍵基礎設施，構成了十分重大的威脅。

Jason Gross 直言，在軟體開發領域邁入 AI 時代後，假如有人叫他審查多達 6 萬行的程式碼，自己根本就無從下手，這就是軟體業當前面臨的最大問題。

將數年的形式化驗證，縮短到只要數天

為了自動化驗證 AI 程式碼的正確性，Theorem 所開發的核心技術，結合了「形式化驗證（Formal Verification）」與 AI 模型。

簡單來說，形式化驗證是一種數學技術，能夠證明軟體行為完全符合規範，至於 Theorem 則藉由訓練 AI 模型，自動生成並檢查這些數學證明。

根據 Theorem 的說法，他們的 AI 核心技術能夠將原本需要博士級工程師，耗費數年才可以完成的工作，縮短成數週甚至數天——在過去，實施形式化驗證的成本開銷極高，每 1 行程式碼往往需要 8 行數學證明，導致該技術僅被應用於航空電子、核反應爐控制、加密協議等，絕對不能出錯的領域。

Jason Gross 以自身經驗舉例，他過去於麻省理工學院（MIT）攻讀博士時，曾參與驗證 HTTPS 安全協議的專案，而由於該專案採用了形式化驗證，所以直到完成至少就耗費了超過 15 人年（Person-years）的人力。

Jason Gross 說，由此可見，過去在軟體開發領域採用形式化驗證，顯然並不符合經濟效益，然而，當今充分發展的 AI 技術將有能力代勞。

聰明運用算力，打破上下文窗口限制

深度探討 Theorem 核心技術的基礎原理，Jason Gross 將它稱為「fractional proof decomposition」；該原理要求 AI 模型聰明運用算力，不要全面測試程式碼的每一個行為，而是改成依據組件的重要性，按比例分配驗證資源。

Theorem 所採用的方法，最近在某大型 AI 系統中抓到了一個傳統測試未發現的 Bug；而在另一個被稱為 SFBench 的技術展示中，Theorem 透過 AI 將 1,276 個數學問題，從 Rocq 語言翻譯成 Lean 語言，並自動化證明每個翻譯版本與原始版本等效。

根據 Theorem 公司估算，SFBench 技術展示的工作量，若由人類團隊來執行，至少將需要 2.7 人年。

Jason Gross 表示，Theorem 的架構能處理複雜、跨檔案的相依程式碼，這是目前大多數受限於「上下文窗口（Context Window）」的 AI 程式碼撰寫工具難以做到的。

效能提升百倍，不必人工審查就部署

在技術上擁有獨特優勢的 Theorem，目前已經開始跟 AI 實驗室、電子設計自動化及 GPU 運算領域的客戶進行合作。

Jason Gross 回憶，曾經有名客戶帶著一份 1,500 頁的 PDF 規格書，以及一套充滿記憶體洩漏（Memory Leaks）、崩潰及隱性 Bug 的舊系統向 Theorem 發起求助。該客戶希望將系統效能從 10 Mbps 提升至 1 Gbps，也就是翻上 100 倍，而且不能出現任何錯誤。

最後，Theorem 的 AI 生成了超過 16,000 行的「正式程式碼」，並且在客戶沒有進行任何人工審查的情況下，就直接部署上線。

Theorem 之所以對翻新後的系統如此具備信心，在於他們透過數學驗證，確保了新程式碼與客戶預期中的目標行為完全一致，甚至僅靠僅幾百行程式碼，就概括了 PDF 規格書的所有內容。

AI 時代軟體安全，驗證技術成為關鍵

隨著電腦程式成為金融市場、醫療設備和電網的運作基礎，AI 雖然加速了軟體的迭代，但也讓微小的 Bug 更加容易擴散，並吸引駭客和攻擊者的覬覦。

因此 Jason Gross 認為，當 AI 開始讓駭客攻擊基礎設施的成本大幅下降，防禦者將更需要明白「不對稱防禦」的重要性，即防禦能力的擴展，並不需要耗費同等比例的資源。

同時 Jason Gross 強調，如果業界想要一套能夠承受數代模型升級後，依然持續有效的軟體安全解決方案，那麼「驗證技術」將會變得更加關鍵。

Jason Gross 以非常針對性的角度向外媒直言，軟體安全是科技攻防之間的微妙平衡，當形式化驗證的成本已經被降得夠低，監管機構若不強制要求關鍵基礎設施，必須使用形式化驗證技術，藉此保障系統的整體安全性，那麼這將會成為監管機構的「重大過失」。

不只算數學，更要解決系統工程問題

若跟其他 AI 程式碼驗證公司相較，除了核心技術，Theorem 又有哪些獨特之處來贏得競爭？

對此 Jason Gross 認為，Theorem 專注於解決「系統工程」問題，而非純數學領域，他們的工具是為了那些「接近硬體底層」、需要高度正確性保證的工程團隊所設計。

Theorem 的團隊背景也反映出了這種技術導向。Jason Gross 本人擁有程式語言理論的深厚知識，以及大規模部署驗證工程的相關經驗；至於共同創辦人 Rajashree Agrawal 則專注於訓練機器學習模型，透過 AI 驅動驗證流程。

AI 超越人類開發能力將「難以避免」

在獲得充足融資後，Theorem 計劃擴充目前僅有 4 人的公司團隊，並增加訓練驗證模型所需的運算資源，同時考慮進軍機器人、再生能源、加密貨幣及藥物合成等新興產業。

如 Theorem 這類新創公司的崛起，或許預示著企業的技術領導者，評估 AI 程式碼撰寫工具的方式，即將出現重大轉變。

第一波 AI 程式輔助開發浪潮，為開發者帶來生產力的提升，使程式碼的輸出變得更多、更快；而 Theorem 則押注第二波浪潮，希望以數學證明的方式，確保程式碼產出速度的提升，不會以犧牲安全為代價。

Jason Gross 批判指出，如果 AI 繼續以指數級速度進步，那麼人工智慧某一天超越人類的軟體工程能力，將會變得無法避免。因此 Jason Gross 警告，假若人類根本沒有準備好，運用更準確、更先進的驗證手段，並徹底改變現有的監管方式，適應未來的全新經濟模式，最終人類只會打造出，連自己都無法控制的新系統。

【推薦閱讀】

◆ 晶片設計 70% 時間在寫程式？Cadence 推 AI 代理 ChipStack，稱生產力提升 10 倍
◆ 縮短 30% 上市時間、降低 60% 檢測成本！合成數據重塑製造業品質管理
◆ AI 寫程式只能選巨頭？開源黑馬 OpenCode 崛起，用「多代理零衝突」打破壟斷

＊本文開放合作夥伴轉載，參考資料：VentureBeat、Radical Data Science，首圖來源：Nano Banana Pro

（責任編輯：鄒家彥）

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

早上趕著上班，打開共享機車 App；中午不想排隊，用外送平台訂餐；下午手機沒電，在捷運站借一顆行動電源；晚上用手機預約了收垃圾服務、也為家中的貓預訂了下周出差時的寵物保母，再透過通訊軟體與朋友對話、確認隔天行程。

這些動作幾乎已經成為習慣。多數城市居民不再特別意識到自己正在「使用平台」，而只是順著生活節奏完成一天的安排。

數位平台正在悄悄改變城市的運作方式。

外送成為日常生活的一部分，共享運具填補公共運輸的空隙，租賃服務讓資源取得更彈性，生活支援與照護平台回應家庭結構轉型後的需求。不同服務彼此交織，使平台逐漸成為城市生活的重要節點。

當依賴程度提高，平台角色自然發生變化。接下來的問題已經不在於服務是好不好用，而是制度是否跟得上這樣的變動。

平台變動愈快，制度挑戰愈明顯

目前多數治理框架，仍以產業分類為基礎，例如交通、電商、內容或通訊，各部會依權責分工管理。這套邏輯在平台功能相對單純的階段運作順暢。

然而，現在的單一平台往往同時涉及媒合交易、即時調度、勞動安排、資料處理與金流機制。服務模式高度混合，跨越多個政策範疇。責任有時交錯，也可能出現模糊地帶。

這種情況反映的是產業演進速度加快。當平台樣態持續整合與變形，制度設計若維持靜態分類思維，協調成本與不確定性便會逐漸升高。

管理方式，需要跟著調整

面對變動快速的數位平台，前端過度細節化的規範，可能影響產品試錯與迭代空間。平台的商業模式與技術架構持續更新，若制度過早鎖定營運細節，產業彈性將受到壓縮。

在這樣的環境中，制度更適合扮演框架設定者與回應機制建立者的角色。透過明確原則、清楚責任邊界與風險底線，再搭配即時檢討與修正機制，治理能維持基本秩序，也保留成長空間。

管理與發展可以並行。當制度與產業節奏更為貼近，市場的不確定性反而下降，創新環境更為穩定。

2026 年，數位治理的第一個考驗

平台跨域整合已成常態，治理思維也需要調整方向。可以逐步從單純的產業分類，轉向使用情境與風險場景導向，例如是否涉及人身安全、是否屬於高頻即時服務、是否集中處理大量資料，都可能成為判斷依據。同時，納入風險分級原則，使不同規模與影響程度的平台承擔相對應責任，有助於提升制度合理性。建立穩定的公私對話與定期檢視機制，也能讓制度具備動態調整能力。

平台經濟已走過高速成長期，逐步進入整合與深化階段。下一個競爭門檻，與信任密切相關。信任來自穩定服務、透明規則與清楚責任，也來自制度是否能提供可預期的運作環境。

當平台高度嵌入日常生活，治理思維的更新將成為 2026 年數位發展的重要課題。

社團法人台灣數位平台經濟協會

社團法人台灣數位平台經濟協會（DEAT）集結了台灣社會關心網路協作與共享經濟發展趨勢的業者、學者、法律專家，致力推動有利創新的商業模式與法規環境、促進社會支持、以及推動本地數位平台與共享新創的蓬勃發展，會員涵蓋共享智慧運輸、外送服務、承攬媒合與資訊平台等領域，服務用戶突破千萬，就業人口達十多萬人，為台灣新經濟與新生活型態的重要推動者。

＊ 本文經社團法人台灣數位平台經濟協會授權刊登，首圖來源：社團法人台灣數位平台經濟協會。

（責任編輯：李昀蔚）

美國國防部與 AI 公司 Anthropic 的合作談判正式破裂後，風波並未平息。OpenAI 隨即介入接手相關合作，但在外界質疑聲浪中，該公司與五角大廈的協議也迅速面臨合法性與公民自由保障的壓力。外界強烈質疑 OpenAI 妥協於軍方的「任何合法用途」條款，若不能妥善解決 AI 被用於大規模國內監控的擔憂，這份協議的前景也岌岌可危。

《AXIOS》報導，OpenAI 正與美國國防部修改 AI 合約內容，新增更明確的條款，以防止其系統被用於對美國人民進行大規模國內監控。OpenAI 執行長奧特曼更罕見在社群平台 X 上發文承認，先前過於倉促推動交易，是一次錯誤判斷。

Anthropic 與五角大廈決裂，OpenAI 火速補位

這場爭議的起點，是五角大廈要求 AI 公司同意允許其技術用於所有合法用途。Anthropic 認為 AI 技術目前尚未發展成熟，因此拒絕簽署未明確排除「大規模國內監控」與「完全自主致命武器」的合約條款，雙方談判破裂。

根據《華爾街日報》報導，美國國防部長 Pete Hegseth 與 Anthropic 執行長 Dario Amodei 在 2 月 24 日的會面中出現明顯裂痕。Hegseth 明確表示，任何私人企業都無權限制軍方使用技術的方式。隨後，五角大廈威脅將 Anthropic 列為「供應鏈風險」，甚至可能依據《國防生產法》強制干預。

就在僵局升高之際，OpenAI 迅速宣布與國防部達成協議，將其模型部署於機密環境之中。奧特曼也表示，OpenAI 最重要的兩項安全原則是禁止在國內大規模監控，以及人對武力使用負有責任，包括對自主武器系統的使用。但這讓人們開始質疑奧特曼說法：五角大廈先前才明確拒絕私人企業限制其技術用途，為什麼會忽然同意 OpenAI 的紅線呢？

《The Verge》指出，OpenAI 的合約核心仍建立在「符合法律」的前提上。但過去數十年，美國情報機構曾在合法框架下執行大規模監控行動，例如 Edward Snowden 揭露的 PRISM 計畫。法律本身並未明確禁止所有形式的批量資料蒐集。

OpenAI 前政策主管 Miles Brundage 在社群平台上質疑，OpenAI 可能實際上讓步，卻對外包裝成未妥協。加州大學柏克萊分校研究學者 Sarah Shoker 也指出，合約中使用「unconstrained」、「generalized」等修飾語，並非全面禁止，而是保留彈性解釋空間。

此外，批評者指出，即便 OpenAI 部署分類器（classifiers）與安全機制，這些技術工具無法判斷某個單次查詢是否屬於大規模監控行動的一部分。換言之，只要政府認定行為「合法」，技術層面的限制可能難以真正發揮作用。

根據市場研究機構 Sensor Tower 的估計，在 OpenAI 宣布接手合約後的週末，應用程式 ChatGPT 的卸載量大幅增加了近 300%。公眾與內部員工的強烈反彈迫使 OpenAI 必須重新審視合約內容。

新條款明確排除「刻意監控美國人」

《AXIOS》引述知情人士說法報導，OpenAI 主動接觸國防部，提出替代方案。奧特曼與國防部研究與工程副部長 Emil Michael 重新協商條款，希望在維持既有法律框架下，納入安全保障語言。

根據《AXIOS》看到的合約修正內容，新條款明確寫入：AI 系統不得「刻意用於對美國公民或國民進行國內監控」，包括透過購買或使用商業取得的個人資訊。這項修正特別將「商業取得的個人資訊」納入限制範圍。此前，外界擔憂，即便未直接監控私人資料，政府仍可能購買定位資料、瀏覽紀錄或金融資料進行分析。

奧特曼稍早在一則對員工發布的內部貼文中表示：「我認為我做錯的一件事，是不該急著在週五就對外發布這項消息。」他之後也將該貼文分享到 X 平台。他寫道：「這些議題極其複雜，需要清楚的溝通。我們當時的確是想要降溫局勢，避免更糟的結果，但這次的做法看起來反而像是機會主義且處理草率。對我來說，這是一個寶貴的學習經驗，尤其是在未來面對更高風險決策時。」

Here is re-post of an internal post:

We have been working with the DoW to make some additions in our agreement to make our principles very clear.

1. We are going to amend our deal to add this language, in addition to everything else:

"• Consistent with applicable laws,…

— Sam Altman (@sama) March 3, 2026

核心問題浮現：誰決定 AI 的使用邊界？

《華爾街日報》指出，這場衝突不僅是企業與政府的談判問題，更觸及一個根本問題：在 AI 成為國家安全基礎設施的過程中，誰應該決定技術的使用邊界？

Anthropic 主張在合約中明確寫入紅線，即便未來法律或政策變動，也不得跨越。而 OpenAI 則選擇在既有法律框架內行動，並透過技術與合約補充條款加強保障。

而當 AI 公司如今正從消費型新創，轉型為國家安全合作夥伴，《TechCrunch》認為，產業與政府雙方似乎都尚未準備好應對這種新關係。

短期內，OpenAI 可能避免了與政府正面衝突，也獲得了國防部的合作機會。但長期而言，若 AI 技術真的被用於具爭議的監控或軍事行動，公眾信任是否還能維持，仍是一個未解問題。

＊本文開放合作夥伴轉載，資料來源：《AXIOS》、Sam Altman、《WSJ》、《Bloomberg》、《The Verge》、《TechCrunch》、《Platformer》，首圖來源：WEF Forum

面對人口老化導致的勞動力短缺，以及地緣政治打破過去五十年的全球分工體系，全球製造業正急遽向區域製造與安全製造轉型。在 TechOrange 科技報橘今（3/3）日所舉辦的首場「AI 智慧大工廠論壇」中，科技報橘社長戴季全指出「因為全球生產力結構、國家競爭態勢，以及科技創新的實力，讓台灣剛好有一個天時地利人和，適合發展超自動化工廠的關鍵時刻。」台灣憑藉高階晶片實力與緊密的台美合作優勢，將迎來推動產業升級的歷史轉折點。

在全球佈局回歸在地生產的浪潮下，製造業的競爭核心已不再是設備更新，而是如何將這份地緣優勢轉化為實際的技術部署。當 AI Agent 的應用範疇從軟體跨足硬體，企業如何建構整合機器人技術與數位孿生的「超自動化」原生工廠？決策者又如何打造智慧製造團隊，搶佔下一波全球產業升級的領先位置？

達梭系統：數位孿生與 AI 助理實現數據連續性

「今年我們將迎來 AI 的落地年，看見 AI 廣泛應用在不同的領域，」達梭系統台灣戰略客戶銷售總監張銘輝分享，達梭系統已於今年宣布與 NVIDIA 展開策略合作，共同建置 AI 工廠與智慧工廠。這項合作結合雙方在數位孿生與圖形算力的優勢，讓 AI 長出眼睛跟大腦，真正讀懂具備科學驗證的模擬數據與實務經驗，進而在虛擬環境中自主學習。

張銘輝以達梭建立的 3D 數據平台「3DEXPERIENCE」為例，表示企業在實際工廠建置前，先透過虛擬孿生將物理世界的行為、設備搬至虛擬空間進行模擬，過去耗時的人工排程與規則定義，交由 AI 僅需幾秒即可算出最佳解，讓人類得以專注高價值的決策判斷。達梭系統也進一步推出三位 AI 專業助手：負責知識資訊型 AI「Ora」、協助工程執行與自動化建模設計 AI「Leo」，以及提供材料與化學驗證 AI「Meria」，透過三款 AI 助理打通設計到製造的數據連續性並消除資訊孤島，不僅省去繁雜的程式編寫，更能在地緣政治導致的供應鏈分散時，找出最佳方案確保生產不斷鏈。

台灣帆軟：資料分級混合架構打破跨國數據孤島

而在全球化佈局的浪潮下，跨國設廠已成為製造業趨勢，但也面臨跨系統、跨部門與跨區域的數據整合挑戰。台灣帆軟客戶經理孫平表示，企業跨國營運時常遭遇海量數據回傳導致的高昂網路成本、各廠區系統資料口徑不一，以及各國法規限制的三大挑戰。

為此，台灣帆軟提出「資料分級混合處理」架構，讓各分廠優先在地端伺服器消化龐大數據，將核心 KPI 指標與必要數據回傳總部，不僅省下跨國傳輸費用，更保留地端資料治理與獨立開發的彈性。同時針對不同管理角色的需求，提供一站式的數據戰情門戶，讓財務端能專注於營收與現金流，工廠端能即時監控機台稼動率與良率。透過這套數據架構，企業將打破數據孤島，建立多地多工廠的智慧轉型與自動化營運基礎。

台灣思科：打造 OT 神經網路，以可視化技術奠定 AI 資安基石

「未來工廠中，會移動的設備都將搭載 AI，而基礎在於底層數據，」思科亞太區工業物聯網產品經理吳竣民指出，AI 轉型成功的關鍵在於掌握工廠數據，然而企業在轉型過程中，常面臨設備數據難以擷取、產線運作缺乏可視化、資安風險累積，以及擔心升級方案導致停產等四大挑戰。

針對數據方面的挑戰，吳竣民首先分享思科的落地實務經驗，以「三階層 OT 神經網路架構」，透過安全設備建構 OT 神經網路，從底層終端設備串聯到上層的工業大腦。針對資安方面，吳竣民表示「資安始於可視化，精準分析封包位置則是成功的關鍵。」思科 Cyber Vision 可視化分析系統能自動偵測並盤點廠內所有 OT、IT 資產，追蹤設備漏洞與風險暴露面並及時監測異常入侵，以避免停機風險。同時透過「自動化網路微分割」技術，讓系統根據資安標籤即時阻擋未授權連線，徹底防堵駭客在廠區內的橫向擴張。透過建立無死角且安全的 OT 通訊網，為製造業搭建關鍵橋樑，讓 AI 真正「看懂」產線，轉化為實質生產力。

洛克威爾自動化：協助企業建構具備思考能力的生產線

洛克威爾自動化業務總監李懿庭從台灣製造業面臨的三大挑戰出發：廠內設備數據孤島、客製化系統的隱形技術成本，以及老師傅經驗斷層危機。過去機台往往依靠單機自動化運作，一旦面臨產線突發變數或資深員工退休，企業的應變能力與技術便會面臨巨大挑戰。

「除了自動化之外，洛克威爾下一個階段是讓整個工廠能夠自主化的去運行，」為了讓製造業從自動化邁向自主化，李懿庭表示洛克威爾透過雲端製造執行系統 Plex，打造全廠單一數據庫，將生產調度、品質管理與工業物聯網機制整合，「 洛克威爾結合了 AI Agent 以及過去老師傅的經驗，將兩者結合並套用在 Plex 製造執行系統中。」透過這套機制，當現場發生異常或意外狀況時，系統不再僅依賴個人經驗或手感判斷，而是能由 AI 根據歷史數據與內建工作流自動指引對策，縮短人員學習曲線並提升回應速度。

「AI 智慧大工廠論壇台北場」還邀集研華科技、SAS、西門子數位工業、凌華科技產業專家，深度探討數據治理與智慧製造，敬請鎖定 TechOrange 科技報橘近期即將推出的相關報導。

免費預約收看 2026 AI 智慧大工廠論壇演講精華

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

一般大眾接觸到的戰爭訊息，過去常被濃縮成幾張衛星照、幾段模糊影片，真正的情資多半仍鎖在軍方、情報圈與昂貴系統裡，但在美國與以色列對伊朗發動「史詩之怒」行動（Operation Epic Fury）前後，一連串案例把同一件事推到檯面上：AI 與商用衛星影像技術的深度結合，正以前所未有的速度打開軍事情報的大門，讓戰略情資變得更易取得與解讀。

AI 助攻，工程師單槍匹馬打造間諜衛星模擬器

在這場衝突爆發時，Google 前產品經理 Bilawal Sidhu 運用了 Gemini 3.1、Claude 4.6 與 Codex 5.3 模型打造了多個 AI 代理，在一個週末自製出一套名為 WorldView、可在瀏覽器開啟的間諜衛星模擬器。Sidhu 稱，他不需要機密資料授權，卻能用「情報分析員」的視角觀看世界。

他把 Google 的 Photorealistic 3D Tiles 疊上多種即時資料源與視覺化效果：包含 OpenSky Network 的即時航班位置、ADS-B Exchange 的軍機追蹤訊號、CelesTrak 的衛星軌道資料、OpenStreetMap 的城市車流，以及可被定位並投影到 3D 城市模型上的公共 CCTV 影像。再加上夜視、FLIR 熱成像、CRT 掃描線等「軍規顯示語言」的 shader，讓公開資料披上近似機構情資系統的視覺外衣。

God's eye view 24-hour replay of Operation Epic Fury.

The Iran strikes kicked off and I set an AI agent swarm loose to record every OSINT signal I could find before the caches cleared. Built a full 4D reconstruction in WorldView.

I can scrub through minute by minute and watch… pic.twitter.com/W8NnqSPxVY

— Bilawal Sidhu (@bilawalsidhu) March 1, 2026

值得關注的是，這套系統背後的程式碼並非他手工撰寫，而是透過語音筆記、截圖描述各種功能，然後直接進入終端機輸入到多個同時運行的 AI 代理之中，並引導 AI 代理產出最終成果。換言之，這是一個 Vibe Coding 專案。透過 AI 協助，Sidhu 一個人就能處理過去需要整間情報分析室才能消化的龐大數據，即時重建了中東空域封鎖、GPS 干擾等軍事動態的 3D 視覺化場景。

「我的目標基本上是想像，如果 Google Earth 和 Palantir 生了個孩子會是什麼樣子。」Sidhu 這套系統在社群媒體引發熱議，甚至被認為擾動了國防科技市場的權力結構，更引來 Palantir 共同創辦人 Joe Lonsdale 的回應。Lonsdale 表示，如果認為靠 Vibe Coding 就能成為像 Palantir 一樣的硬科技資料基礎設施公司，「代表你根本不了解它們的運作方式，」但他也承認，國防領域是受到 Vibe Coding 影響最大的市場之一。

WorldView 引發熱議，不只在於它用了多少公開資料，而是它把分散的訊號融合成一個可操作的情資介面。同樣的邏輯，也出現在另一條戰線上：中國公司未必掌握最高階的偵察資產，但也能有效率地把商用影像轉譯成可被傳播、解讀的資訊戰敘事。

中國企業利用歐美商業衛星資料，追蹤美軍部署

一家名為覓熵科技（MizarVision）的中國公司，在美軍發動襲擊前，連續發布了多張詳細標註美軍在中東各地部署的衛星影像，甚至指認出 11 架隱形戰機 F-22 部署在以色列的奧華特空軍基地等。

這起事件最初被解讀為中國情報機構對伊朗的暗中協助，但根據《Pekingnology》報導，北京大學南海戰略研究中心主任、研究教授胡波分析，這些高解析度影像實際上來自美國與歐洲的商業衛星，如 Vantor 與 Planet，而非中國的衛星。因此覓熵科技展現的，是其如何利用 AI 驅動的物件偵測技術，快速分析這些衛星影像、計算軍機數量、追蹤防空飛彈陣地。

這突顯，當高解析度商業衛星影像唾手可得時，擁有強大 AI 分析能力就能輕易將這些商用數據轉化為具備戰略價值的軍事情報。

武器系統的低成本與高精準度：美無人機疑與衛星協作

除了情報蒐集，AI 與衛星技術的結合也正在重塑武器系統的運作方式。在此次行動中，美軍首度投入了名為 LUCAS 的低成本自殺式無人機。這款無人機是仿造伊朗見證者-136（Shahed-136）逆向工程製造，造價僅約 35,000 美元。更引人關注的是，《DroneXL》報導，俄羅斯軍事分析師在美軍公布的照片中，發現 LUCAS 疑似整合了 Starlink。

這則消息在社群媒體 X 擴散後，SpaceX 執行長馬斯克迅速回應表示，把 Starlink 終端用於武器系統違反商業服務條款，並提及另有一個名為星盾（Starshield）的獨立網路，由美國政府營運，不受 SpaceX 控制。

無論是工程師運用 AI 製作出間諜衛星模擬器、中國企業以 AI 與商業衛星影像分析美軍戰前部署，或美軍首次投入的低成本 LUCAS 自殺式無人機，可以看見 AI 正把軍事情資從稀缺的機構能力，推向可被開源工具捕捉、可被平台重建、可被 AI 代理系統分析的工程化流程。

這種變化帶來的風險，在於當情資被快速結構化並包裝成易於傳播的內容，它可以在開打前就改變心理環境與決策壓力，形成以曝光作為威懾、以可視化作為資訊作戰的手段。對企業與開發者而言，Sidhu 的案例像是一個技術里程碑；但對國家安全而言，這同時意味著監控能力的外溢、資料市場的灰色地帶、以及資訊操作的規模化門檻都在下降。軍事情資的大門正在被打開，而打開它的，往往不是單一國家的祕密武器，而是全球化的商用供應鏈與 AI 工具堆疊出的新常態。

＊本文開放合作夥伴轉載，資料來源：Bilawal Sidhu 1、Bilawal Sidhu 2、《Digi.in》、《Spark Solidarity》、《Pekingnology》、《中央社》、《Fortune》、《DroneXL》、《SCMP》，首圖來源：Bilawal Sidhu 2

【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

隨著 AI 開始重塑人類探索網路的方式，並使消費者將注意力分散到各個平台，企業行銷該如何部署精準策略，重新捕捉流量且轉化為持續性利潤，自然就變得至關重要。

包含生成式引擎最佳化（GEO）與隱私優先資料策略在內，眾多網路行銷專家紛紛為 2026 年的網路行銷手法，給出獨特且創新的洞見，融合歷久彌新的基礎原則，加上績效數據進行佐證，許多方式皆適合企業行銷人員積極參考。

當行銷朝 GEO 發展，企業要準備好內容

根據 SEO 行銷公司 BrightEdge 在 2019 年發表的報告，53.3% 的網站流量來自自然搜索，這證明了 SEO 之於小型企業的重要性；而在網路上被消費者發現，並非只是一種行銷優勢，更像是一種必要條件。

面對 AI 時代帶來的變化，同時隨著 Google 的「搜尋生成體驗」等 AI 應用逐漸普及，企業必須快速適應趨勢，讓網站、品牌更加切合搜尋引擎及 AI 平台的需求。網域註冊及網站搭建平台 Network Solutions 就提供了更加實質的建議，推薦企業不斷為網站追加、更新實質性內容，同時連結消費者搜尋網頁時，慣用的各種關鍵字。

身為搜尋引擎巨頭的 Google 也直言，由於消費者開始期待 AI，能夠理解超越文字本身的意圖，進一步促使行銷業朝 GEO 方向發展；未來搜尋引擎將演變為由多模態 AI 所驅動的「創意畫布」，因此品牌和企業得開始為自家內容，準備好視覺化、具象化的回應。

減少 AI 垃圾，用可信度兼顧 SEO、GEO

線上廣告商 WordStream 分析，在 2026 年傳統 SEO 將與 GEO 互相融合，同時企業行銷團隊必須警惕，各式各樣的「AI 垃圾」正在導致網路走向內容同質化。那些真正由人類精心原創的內容，更應該企業被主動標示出來。

行銷專業媒體《Marketer Milk》給出更加直接的提醒，表明由人類親身經歷後寫下的文章、創作的影片，配合選題本身的權威性，將能夠有效對抗 AI 垃圾內容的帶來的影響，甚至即便只是為文章嵌入 YouTube 影片，都能帶來一定的曝光率提升。

數位行銷機構 Creative Click Media 執行長 Adam Binder 則認為，AI 時代下最佳的網路行銷策略，就是將 SEO、轉換率最佳化，以及 AI 友善內容三者互相結合。

對於中小型企業而言，其具體做法可能包含建立 Q&A 頁面，直接回應消費者疑慮，或者撰寫凸顯產品實質效益的說明，甚至是發表以淺白語言陳述解決方案的部落格文章。

Adam Binder 說，這些方法皆有助於企業和品牌，在 AI 所驅動的搜尋結果中，例如 ChatGPT 和 Perplexity 等平台獲得更優秀的曝光，更能夠藉從確保「內容可信」的角度，讓潛在客戶於發現產品時，有效轉化為實質的營業額。

但是，即便 AI 搜尋平台和 AI 內容正在崛起，Google 卻仍然佔據搜尋市場 90% 的份額，因此，企業必須將多平台戰略納入考量，兼顧 SEO 與 GEO 的無縫協作。

電子郵件依然重要，滴水式行銷很有用

足夠先進的人工智慧技術，常常令企業和品牌行銷團隊，忘記電子郵件服務的存在。不過電子郵件行銷既能夠做得非常簡單，也可以做得「很高級」，例如透過排程發信，一點一滴持續向潛在客戶傳遞資訊的「滴水式行銷」。

一套結構良好的電子郵件行銷策略，將可以讓品牌始終保持在顧客的關注範圍內，並且將一次性訪客轉化為回頭客。同時，企業要懂得避免向訂閱者發送過多的電子郵件，畢竟若郵件內容過多或缺乏實際價值，消費者很快就會選擇取消訂閱。

想要做社群行銷，先建立自身專業形象

跟電子郵件行銷類似，社群媒體行銷帶來的放大效應，在 2026 年依然會非常重要。

SEO 與 GEO 服務公司 Crownsville Media 就指出，如果企業想要在社群媒體上發起行銷，那麼前提是得花費時間，對消費者建立信任、友善與專業的形象。

特別值得一提之處，有媒體預測，2026 年 Threads 在社群 engagement 效益可能超越 X；即便如此，品牌依然得針對不同平台打造不同的行銷策略，絕對不能只靠一招打天下。

善用評論回饋，微型創作者值得考慮

至於在社群媒體之外，仰賴使用者回饋發動行銷的重要性，在 AI 時代將會變得更勝以往，包含評測／體驗的客座文章、KOL 合作，以及消費者主動留下的評論等，全都屬於此類。

一篇由權威者精心撰寫的客座文章，將可以替企業網站開拓全新的訪問途徑，而且當張貼文章的網站規模越大、聲譽越高，對於企業網站的曝光度提升也會越大。

除了曝光度之外，客座文章還能帶來名為「反向連結」的技術優勢，藉此提升 SEO 與 GEO 的成效，向搜尋引擎表明企業品牌是值得信賴的資訊來源。

另一方面，企業和品牌在尋找 KOL 合作時，可以考慮多尋找非明星等級的微型內容創作者，例如美國速食業者 Taco Bell 的社群及公關主管 Nicole Weltman 就曾經指出，企業應該積極打造「獨特且有個性」的品牌形象，而非請來大明星操作譁眾取寵的行銷噱頭。

最後，對於所有網路行銷人員都會時刻操心的 Google Analytics 顯示的流量、點擊率和轉換率，無論企業或行銷人員都必須要有足夠耐心。

舉凡 SEO、GEO 和內容行銷等自然流量策略，皆可能需要數個月甚至更長時間才能見效，而付費廣告則往往能產生立即性效果，如果企業就是想立刻得到曝光，那麼最有效的方案就是將兩者結合起來，同步實現短期效益和長期成長。

【推薦閱讀】

◆ 專家破解企業 GEO 策略 7 大迷思，想用 AI 行銷品牌應該注重哪些事？
◆ 品牌行銷新危機：不是內容做不好，而是 AI 讓你做「太多」
◆ 行銷活動規劃與執行速度提升 5 倍！HAPPY GO 如何用 AI 數據洞察會員需求，打造精準互動模式？

＊本文開放合作夥伴轉載，參考資料：WebProNews、Forbes，首圖來源：Pixabay

（責任編輯：鄒家彥）

根據 Zeta Global 的一項調查，多數消費者在去年假期購物季曾嘗試以 AI 協助挑選禮物，但實際體驗卻比自己搜尋還要繁瑣。使用者需要反覆輸入收禮者年齡、興趣、預算與偏好品牌，經過多輪提示後，推薦結果才逐漸貼近需求。這種高度仰賴人工引導的流程，揭示了當前 AI 商務仍存在明顯的個人化落差。

這個落差的根源，在於資料脈絡的不足。當前多數 AI 購物助手所掌握的資訊仍停留在即時搜尋或公開商品資料層面，缺乏對消費者長期行為軌跡的理解。真正完整且結構化的消費歷史，其實沉睡在一個被低估的場域：電子郵件信箱。

AI 購物時代下，電子信箱是最具潛力的資料庫

電子郵件儲存了豐富且未被開發的商務數據，包含線上交易的電子收據，詳細記錄購買時間、品項、價格與品牌。這些資料揭示了清晰的季節性消費模式，例如特定消費者會於每年固定在冬季添購戶外裝備，或在特定節慶購買同一品牌禮盒。

從長期訂閱的促銷信件中，也能辨識出品牌親和力與價格敏感度。更進一步，信箱中的往來郵件還能勾勒出一種社交圖譜，呈現與親友之間的互動關係，為禮物推薦提供情境線索。相較於社群媒體或即時通訊工具，電子郵件在購買紀錄與優惠資訊的完整度上更具優勢，也更具歷史深度。

科技巨頭已意識到這一點。Google 近年嘗試透過商家促銷內容強化推薦精準度，並進一步推出整合 Gmail、YouTube 與搜尋紀錄的個人化 AI 服務，藉由龐大的第一方資料打造更深入的消費者輪廓。

想應用 AI 做好電子郵件行銷，具體該怎麼做？

若 AI 商務要真正降低使用門檻，品牌必須重構對價格資料的理解和運用。價格並非單一數據，而有三個層次。公開價格是第一層，這是搜尋引擎與電商平台最容易取得的資訊。而真正形成競爭優勢的，是會員專屬優惠與個人化定價所構成的第二層與第三層價格空間。這包括訂閱電子報後才能取得的折扣、忠誠點數的折抵機制、分眾發送的專屬優惠碼，以及根據消費歷史動態生成的個人化優惠。

過去，許多品牌在電子郵件行銷上導入 AI，將其用在主旨優化、寄送時間預測或文案自動生成上，這些應用確實能提升操作效率與改善開信率，但若缺乏對消費者需求的理解，往往導致退訂率上升與營收停滯。真正成熟的 AI 應用，應建立在預測模型之上，透過購買紀錄、瀏覽軌跡與互動頻率推算需求節點，讓內容與時機自然對齊。

例如，當系統觀察到消費者近期購買越野跑鞋，並曾於過去秋冬季節選購防水裝備，同時訂閱戶外品牌促銷信件，AI 便可在氣候轉變前推送防水外套與會員專屬折扣。這種情境式建議具有高度相關性，推薦邏輯建立在真實行為證據之上，使用者無需多次提示，系統就能推演出合理需求。

《Entrepreneur》報導指出，運用預測分析所產生的個人化商品推薦，平均可提升約 22.66% 的轉化率。這項數據背後的意義，在於推薦機制從「廣泛曝光」轉向「精準配對」。品牌透過電子郵件累積的第一方資料進行模型訓練，並持續以開信、點擊與購買回饋優化預測邏輯，電子郵件便成為 AI 學習與調校的重要迴路，每一次互動都在強化系統對個體需求的理解。

然而，資料與演算法的強化並不意味著人性元素可以被忽略。成功的 AI 電子郵件策略，仍需由行銷團隊提供語境理解與品牌語調，並將客戶服務回饋、用戶訪談與情緒洞察納入訓練基礎。AI 成為分析與預測的輔助者，人類負責價值主張與信任建構，兩者結合才能避免過度自動化帶來的疏離感。

＊本文開放合作夥伴轉載，參考資料：Zeta Global、《CMSWire》、《Entrepreneur》，首圖來源：Unsplash

（責任編輯：廖紹伶）

隨著人工智慧逐漸從產業議題進入公共治理領域，日本政壇近期出現一個引人注目的新現象：由工程師與科技從業者組成的政黨，正試圖以 AI 作為核心政治敘事進入國會體系。

由軟體工程師安野貴博領導的新政黨「未來團隊」（Team Mirai），在最新一輪日本眾議院選舉中取得突破，也讓科技治理首次成為選舉動員的重要主軸。

科技創業者進軍國會，AI 成為政治主軸

35 歲的軟體工程師兼國會議員安野貴博，在日本政治圈顯得格外醒目。綁著馬尾辮、穿著印有電腦程式碼的黑色 T 恤與靛藍色西裝的他，與日本政壇長期保守的形象形成鮮明對比。

安野領導的未來團隊是一個由科技從業者創立的政黨，主張透過人工智慧與數位化技術提升政府效率與治理能力。在之前舉行的日本全國大選中，這個成立不久的政黨取得出乎意料的成果。

該黨此次共推出 14 名候選人，原本設定的選舉目標是贏得至少 5 個席位，但最終透過比例代表制選區拿下 11 席，在擁有 465 個席位的日本眾議院中取得一席之地。出口民調顯示，未來團隊獲得超過 300 萬張選票，占總票數約 7%，並在四、五十歲的城市選民中表現尤為突出。

對於一個僅有約 2,600 名註冊成員的新政黨而言，這樣的成果相當罕見，其快速崛起甚至在網路上引發陰謀論，有人聲稱這些工程師可能涉及中國的影響力行動。不過政治分析人士認為，該黨之所以能迅速獲得支持，很大程度來自其以科技為核心的治理敘事。

安野在東京辦公室接受訪問時表示，人工智慧的影響力將像火一樣改變社會。在競選期間，他也透過社群媒體與街頭演講與選民互動，逐漸在年輕族群中累積支持。

AI 作為治理工具：效率、透明與勞動力解方

未來團隊將人工智慧視為提升政府治理能力的重要工具。其政見包括導入政府聊天機器人、自動駕駛巴士，以及建立更透明的資料系統，以加快政策制定與行政流程。

該黨領導者認為，科技可以讓原本緩慢的政治體系變得更有效率，同時協助解決日本長期存在的結構問題，例如行政效率低落、政治資金透明度不足，以及日益嚴重的勞動力短缺。

在競選期間，該黨部署了一個聊天機器人，用於解釋政策內容並收集民眾意見。根據公布的數據，該機器人已回答近 39,000 個問題，並收到約 6,200 條政策建議。

候選人也提出多項以科技回應民生問題的政策，例如為有子女的家庭減稅、推動無人駕駛公車，以及增加科學研究投資。該黨同時主張降低社會保險費，並增加對人工智慧等成長產業的投資，試圖將科技發展與經濟政策結合。

其領導者表示，如果人工智慧能夠提升政府效率並節省行政成本，這些資源可以用於減輕勞工家庭在退休金與醫療保健上的負擔。

理性技術路線 vs. 傳統政治結構

與許多日本政黨不同，未來團隊刻意淡化傳統左右政治立場，而是強調以問題解決為導向的技術治理思維。

政治顧問公司 Japan Foresight 創辦人 Tobias Harris 指出，該黨在部分政策議題上甚至採取與主流輿論相反的立場；例如，在其他政黨普遍主張降低或暫停消費稅的情況下，未來團隊採取較為謹慎的態度。

安野表示，如果透過減稅刺激需求，可能進一步推升通貨膨脹，因此倉促減稅存在風險。他在日本公共電視 NHK 節目中表示，該黨是少數明確反對削減消費稅的政黨之一，這也讓部分不支持減稅政策的選民將其視為新的選擇。

不過，工程師背景的議員在國會體系中也面臨現實挑戰。新當選議員古川葵表示，日本政治體系仍保留大量紙本文件與傳統行政流程，「這裡文件太多了」。

日本官僚體系長期以保守著稱，甚至仍大量使用傳真機與紙本資料，一些議會會議室也禁止使用筆記型電腦與平板電腦。對於習慣數位化工作的工程師而言，這樣的制度環境顯然形成摩擦。

古川曾在矽谷擔任工程師，他認為程式設計與立法在某種程度上具有相似性，都是透過結構化方式解決問題。

日本 AI 戰略與文化背景

未來團隊的崛起，也反映出日本社會對人工智慧的特殊態度。

儘管機器人長期存在於日本文化之中，日本在人工智慧技術的實際採用上仍落後於美國與中國。部分選民因此認為，日本需要加快人工智慧研發與應用的步伐，以維持國際競爭力。

安野認為，日本社會對人工智慧的情緒與西方國家有所不同。在一些西方討論中，人工智慧常被視為可能取代人類工作的威脅，甚至聯想到《魔鬼終結者》中的機器殺手。

相較之下，日本社會更容易將人工智慧與漫畫角色哆啦A夢聯繫在一起——一個幫助人類解決問題的機器夥伴。安野表示，日本人並不害怕人工智慧，日本早就習慣利用人工智慧來做事。

AI 政治敘事的下一步

儘管在 465 席的眾議院中僅占 11 席，未來團隊仍需與首相高市早苗領導的自民黨等主要政黨合作，才能推動政策。

在去年秋天的國會特別會議中，為了表決 2025 財年補充預算案，未來團隊曾與自民黨在參議院達成政策共識並投下贊成票。由於執政聯盟在參議院仍未掌握多數席位，這個新興政黨未來在部分議題上的投票動向可能受到外界關注。

對日本政治而言，未來團隊的出現代表一種新的實驗：人工智慧不再只是政策工具，也成為政治動員與治理理念的一部分。隨著 AI 持續改變經濟與社會結構，科技治理可能逐漸成為政治競爭的重要議題。

未來，科技政黨能否在既有政治體系中持續發揮影響力，也將成為觀察民主制度如何回應數位轉型壓力的重要指標。

【推薦閱讀】

◆ 【戴季全專欄】從主權 AI 到 AI 主權：台灣的 AI 主權戰略發展芻議
◆ IBM 商業與技術趨勢報告：依賴單一地區算力極度危險，93% 高管將 AI 主權納入商業戰略
◆ 【當 AI 成為政治資訊中介】研究發現：AI 左右選民立場的影響力是政治廣告的 4 倍

＊本文開放合作夥伴轉載，參考資料：《The New York Times》、《The Japan News》，圖片來源：チームみらい【公式】

（責任編輯：鄒家彥）

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。）

AI 巨頭 OpenAI 的產品版圖可能再次擴張，而這次目標直指合作夥伴微軟的重要服務。外媒報導，OpenAI 正在開發一套新的程式碼庫（code repository），目標是降低對微軟 GitHub 的依賴，甚至可能成為開發者與 AI 代理共同協作的新平台。

根據《The Information》報導，這個專案仍處於早期階段，短期內不會推出，但 OpenAI 內部已經開始討論未來是否對外銷售這項服務。如果成真，這將使 OpenAI 與其最大投資者之一的微軟出現更直接的產品競爭。

GitHub 服務中斷頻繁，成自建平台導火線

OpenAI 啟動這項計畫的一個重要原因，是近期 GitHub 服務中斷次數增加。知情人士透露，OpenAI 工程師與其他企業客戶一樣，近幾個月頻繁遭遇 GitHub 當機，導致程式碼無法更新或團隊協作受阻。這些故障時間從幾分鐘到數小時不等，對開發流程造成干擾。

GitHub 官方也曾承認平台穩定性仍需改善。例如今年 2 月的一起事故，GitHub 服務因 Azure 底層系統問題中斷長達 4 小時；另一場約 3 小時的故障則與服務配置變更有關。事後 GitHub 在事故報告中坦言，目前平台的可用性尚未達到預期標準。

隨著 AI 開發節奏越來越快，這類中斷對大型工程團隊而言，影響也越來越大。

若開放給客戶使用，OpenAI 將直接與微軟競爭

知情人士指出，OpenAI 目前仍未決定這套類似 GitHub 的產品是否會對外推出，也可能僅供內部工程團隊使用。但 OpenAI 內部已討論過另一種可能：將這套程式碼庫與其 AI 寫程式代理（coding agents）整合，並作為新產品提供給開發者。

《The Information》指出，如果這項構想落地，開發者將能在同一平台上同時與 AI 代理、人類工程師協作，例如讓 AI 自動建立功能、除錯或重構程式碼。這樣的設計，可能比傳統程式碼平台更適合 AI 時代的軟體開發流程。

但這也意味著 OpenAI 將與 GitHub 正面競爭，而 GitHub 正是微軟旗下最重要的開發者平台之一。微軟自 2018 年收購 GitHub 以來，已將其打造成全球最大的程式碼協作平台。

AI 正改變程式開發流程

這項傳聞也反映了 AI 對軟體開發方式的巨大影響。近年來，包括 Meta、微軟與 Amazon 在內的大型科技公司都表示，公司內部相當比例的程式碼已由 AI 生成。GitHub 旗下的 Copilot 是最早進入市場的 AI 寫程式工具之一，但隨著 OpenAI 與 Anthropic 推出更強大的 AI 寫程式代理，其市場領先優勢正逐漸縮小。

這些新一代 AI 工具甚至能從零開始建立完整應用程式，或自動修復現有程式碼，降低人類工程師的參與程度。在這種趨勢下，未來的開發平台可能不只是程式碼儲存庫，而是人類與 AI 共同工作的協作環境。

《Reuters》表示無法獨立查核《The Information》的消息，而 OpenAI、GitHub 和微軟尚未回覆該報的置評請求。

大型科技公司自建程式碼庫其實很常見

事實上，像 OpenAI 這樣的大型科技公司自行開發程式碼庫並不罕見。Google 與 Meta 早已建立自己的內部程式碼系統，例如 Google 的 Piper 和 Meta 的 Sapling，用來處理龐大的工程規模。不過這些系統通常只供內部使用，並未對外推出產品。

知情人士告訴《The Information》，即使 OpenAI 最終只將這套平台用於內部，GitHub 失去 OpenAI 這個客戶對其商業影響仍有限。不過，這件事仍象徵著 AI 產業權力結構可能出現新的變化。

探索主動功能模型如何降低 R&D 工程師除錯成本！立即報名 3/10-12【ADI 次世代訊號鏈設計量測工作坊】

＊本文開放合作夥伴轉載，資料來源：《The Information》、《Reuters》，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

當穩定幣不再只是加密圈或跨境支付的工具，而是開始與 AI 逐步融合，Web3 金融的競爭將被推進到全新的制度層級。本集《全新一週》主題為海耶克科技共同創辦人暨商務長溫宏駿，在科技報橘主辦的「科技風暴金融高峰論壇」的演講精華，這場演講以「AI × Web3 金融如何重塑信任、所有權與責任」為題，逐步剖析 AI 與 Web3 金融合流的框架，以及對信任、所有權與責任帶來的具體影響。

温宏駿分享，近期有不少關於 AI 與穩定幣的文章，最後往往都會引用一本 1997 年出版的《主權個人》。當時 AI 這個詞還未出現，但書裡談的「互聯網」其實已經預告今日 AI 的發展方向：當資訊技術持續推進，權力會從國家往個人移動，個人也更有能力守住自己的財富與隱私。因此，他認為當 AI 與 Web3 金融合流，金融秩序最先被撼動的會是「信任」。

信任如何被重塑？從「國家」走向「可編程的全球網路」

溫宏駿指出，穩定幣的出現，實質上已對「國家與貨幣主權的信任」帶來挑戰。他引用《主權個人》的觀點解釋：當資本的流速超過政府的威懾能力時，貨幣便不再具有政治性，而會成為一種進化產物。因此，穩定幣之所以關鍵，就在於它能「跳過國家主權」，不必「拿牌照」，並以「可編程化的代幣」形式在區塊鏈網路上運作。

沿著這個邏輯，溫宏駿進一步把問題推向「信任由誰來判斷」？他以出國支付與兌換為例，說明當資金流速大於政府能力時，消費者自然會在網路上選擇最有效率、最方便兌換的方式。雖然現階段多以美元為核心，但未來是否仍然如此，仍充滿不確定性。

更關鍵的是，未來的判斷可能不再仰賴個人主觀，而是改由「AI 幫你判斷」，甚至把「個人主權下放給 AI」，讓 AI 去尋找更好的交換與貨幣流通方式。在他看來，貨幣正在從「由國家擔保發行」的傳統印象，走向一種能與互聯網及 AI 交互的媒介。

在這樣的轉向之下，溫宏駿認為金融機構正是「信任被重新分配」最明顯的實例，因為穩定幣帶來的影響正在改變商業轉帳的底層邏輯，讓過去依賴「中間化的傳統轉帳網路」與「由國家發牌照的帳本信任體系」，如今正逐步過渡到「區塊鏈網路」上新生成的信任體系。

溫宏駿描述，信任轉移的方向是人們會愈來愈信任由「全球人類共同維護」的區塊鏈轉帳網路；相較之下，傳統網路因碎片化、不可編程、難以 7×24 運作，也無法與 AI 協作，開始跟不上時代。因此，他特別提到紐約證券交易所這一類大型機構下定決心發行原生性代幣，就是為了在未來能與機器和 AI 協作，而當信任從國家與中介網路往可編程的全球網路移動，他認為下一個被改寫的，就是「所有權」。

所有權如何被改寫？從「人下單」走向「代理人下單」，並透過區塊鏈授權與結算

溫宏駿指出，我們現在以為很多所有權掌握在自己手上，但接下來「所有權會交給你的 AI Agent」。他認為，既然信任已開始轉移，下一步自然就是所有權的轉移，但這件事必須建立在可被信任的體系之上，指向的正是區塊鏈技術。因此，為了讓 AI 真正接手自動化操作，科技公司正重新編織新協議，讓新的互聯網與區塊鏈體系能與 AI 相容，並在區塊鏈的轉帳或清算網路上互動。

沿著這條路徑，對比傳統金融商務與代理人商務，支付主體將從人轉向各種 AI Agent。例如，使用者只要告訴 AI Agent「幫我買這本書」，AI 代理人就會尋找商品、帶入偏好與地址，最後在可編程穩定幣網路上完成結算。然而，溫宏駿也點出限制，那就是目前仍缺乏銀行或支付廠商提供「讓 AI Agent 在可編程穩定幣網路上支付」的服務，因此 Coinbase 才推出 X402 讓舊協議能在區塊鏈上與穩定幣協作。

「量變會產生質變，什麼是質變？當交易量很多、很沸騰，貨幣流速很快，所有好的東西就會來了，」他預期未來三五年內，買賣數量將大幅成長，同時當交易量沸騰，便會吸引更多商戶與更好的商品服務進場。

責任正在被重新定義：「預測市場」帶出的責任爭議

最後，談到「責任」，溫宏駿表示，隨著 AI 與穩定幣開始合流，責任勢必會牽動監管與隱私等議題。更棘手的是，當穩定幣與 AI 讓「個人的民主化很強」時，接下來責任究竟該如何歸屬，他坦言自己也沒有答案，因此選擇透過具體案例，一起反思與剖析。

溫宏駿舉的核心案例是預測市場 Polymarket，過去台灣曾有類似概念，稱為「未來事件交易所」，而 Polymarket 則是把這套機制搬上鏈，讓使用者能用真金白銀下注。溫宏駿認為，預測市場甚至可以被視為「未來所有事件的預言機」，而且預測範圍極廣，從台北明天是否地震，到「耶穌會不會在 2025 年最後一天降臨」這類極端事件，都可能成為賭盤標的。

正因如此，預測市場的責任問題反而更尖銳。溫宏駿舉 Coinbase CEO 的法說會事件說明，有人在 Polymarket 開盤賭 CEO 會在法說會講出特定關鍵字，結果 CEO 在最後真的照念出來，凸顯 Polymarket 雖然看似公平，卻仍可能被「人為」影響的現實。

溫宏駿總結，新科技即使立意良善，仍會在「定義」與「人為」介入下浮現責任難題，因此「社會責任」只會變得更重要。在演講尾聲，他也引用互聯網架構師 David Clark 的名言：「我們拒絕國王、總統和投票，我們只相信大多數人的意見還有運行的代碼。」藉此點出在這個新秩序裡，「代碼」的可信任性可能高過許多國家，但這也意味著當主權、信任與所有權被技術重新分配之後，我們究竟要把哪些決定交給網路與 AI、又該如何設計能夠承擔後果的責任機制，將成為 AI 與 Web3 金融緊密結合的時代必須面對的核心課題。

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！

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

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）

AI 時代來臨，什麼是台灣目前最迫切、又能用 AI 技術協助解決的社會挑戰？Google 認為是 AI 醫療。Google 台灣今（4 日）舉辦在台 20 週年交流會，宣布在台灣佈局的下一章為 AI 醫療健康，同時宣告與衛生福利部健保署合作，將在今年 3 月於千萬台灣人使用的「健康存摺」App 中，推出由 Gemini 驅動的衛教助理，並在使用者明確授權同意的前提下，根據臨床實證提供個人化的健康建議。

Google 台灣總經理林雅芳表示，Google 希望將資源投入在解決當前最迫切、最重要的需求上，而台灣已經邁入超高齡社會，伴隨高齡化而來的是慢性病對民眾健康的威脅越來越大，成為亟需處理的課題。她也強調，面對這些醫療與健康照護的挑戰，光靠寫程式是沒有辦法解決的，而是要結合「Team Taiwan」（台灣團隊）的力量，將有溫度的照護和最先進的 AI 技術相連，才能有效應對。

根據衛福部統計，慢性病是目前台灣影響人口最多的疾病，目前台灣面臨三高（高血糖、高血壓、高血脂）威脅的民眾高達 850 萬人，也因此衛福部與 Google 的合作即從慢性病切入。

健保署提供給醫師的「大家醫計畫」已在全台 2 萬間診所導入「糖尿病 AI 模型」，透過去識別化的聚合數據，為病患進行風險分級，協助醫師及早介入治療。Google 表示，單一病例的評估時間從 20 分鐘縮短至 25 秒，而原本需要 40 位專家投入三週才能完成兩萬人規模的篩檢，如今透過 AI 僅需 1 小時 24 分鐘。

這套風險分級機制不僅提供給醫師在家醫大平台作為看診參考，更將在使用者明確授權同意的前提下，根據使用者的就醫紀錄與健康數據、結合專業的臨床指引，直接在健保 APP「健康存摺」中生成民眾專屬的個人化 AI 衛教摘要與衛教師的叮嚀，讓民眾能隨時掌握自身的健康風險與照護重點。衛福部部長石崇良表示，這項 AI 框架不會僅限於糖尿病，下一步會擴及到高血壓、高血脂以及慢性腎臟病等其他重大慢性病。

除此之外，Google.org 提供了 100 萬美元給數位人道協會，協助其將糖尿病人工智慧模型整合進公私協力的應用程式裡，走入全台 300 個偏鄉社區據點服務糖尿病患。該協會也預計要藉此培訓 200 位數位照護專才，希望創造 24 萬人次的健康互動，縮短醫療資源落差。

石崇良指出，衛福部思考的是如何將資料（Data）轉換成有用的資訊（Information），再把資訊轉變成服務（Service），同時也強調「資料不離署」的原則進行公私協力。當提到未來 AI 運用藍圖，他表示未來思考如何將電子病歷與健保資料結合得更好，也就是讓所有電子病歷結構化，以後再發展聯邦學習的模式，這時候 AI 的力量就會更大。

＊首圖來源：《TechOrange》拍攝。