(硬是要學／手哥 HANDBRO 報導)

Plaud 這個來自新創界的錄音筆記品牌，這次推出的最新產品 Plaud Note Pro，不只將裝置做得如信用卡大小，還搭載自家升級版 AI 引擎「Plaud Intelligence 3.0」，主打人類與 AI 的即時協作體驗。

本文 Plaud 推出 Note Pro AI 智慧筆記工具，信用卡大小方便攜帶、收音更達5公尺 最早出現於 硬是要學。

如果你最近常常在用 Claude Code 或 Claude API 的時候撞到限制牆，看到那個「You […]

這篇文章 Claude 大躍進！Anthropic 包下 Colossus 1 超算，用量限制直接加倍（2026） 最早出現於 軟體玩家。

大型科技公司的裁員潮佔據了多數媒體版面，但部分經濟學家認為，AI 對職場的最深遠影響，可能正在一個更不引人注目的小型企業裡發生。這裡的組織架構更扁平、重組成本更低，新技術的採用與落地可以比大公司快得多。

一家吉他學校的組織重組

Spencer Handley 經營的線上吉他教學平台 Sonora，擁有包含 Tom Misch 與 Billy Strings 在內的職業音樂人學員；平台穩定成長了七年，幾乎未受 AI 浪潮影響，直到 Anthropic 在去年 11 月發布 Claude Opus 4.5，情況才驟然改變。

這款模型經過專門訓練，能夠執行長時間運行的代理任務，包含軟體工程與行政作業。Handley 很快發現，AI 已能複製他用來經營業務的企業軟體，他說：「我意識到遊戲規則變了，你可以在沒有任何人工介入的情況下，複製一家十億美元公司的軟體。」

這個發現直接改變了公司的用人結構。負責接觸潛在客戶的 12 人「開發團隊」幾乎全數裁撤，銷售主管、客戶入職團隊與部分營運人員也隨之離開。

留下來的員工轉為監督 AI 代理，這些代理負責撰寫行銷文案、追蹤潛在客戶，並協助吉他老師引導新學員完成入職流程。

到了今年四月，Handley 已用客製化工具取代 HubSpot、Calendly、Vimeo 與 DocuSign，每年節省約 25 萬美元的軟體費用，同時將客戶資料集中管理，讓 AI 代理更容易調用。公司從 48 人縮減至 30 人，但營收沒有下滑，實際上成果還略微提升。

小型企業是更敏感的感測器

Sonora 的案例之所以值得關注，不只因為它的規模縮減，更因為它所代表的速度。

哈佛經濟學家 David Deming 在 2025 年指出，AI 在小型企業（包含新創公司）的採用速度快於大型企業。如果這個判斷成立，大型科技公司裁員數千人的頭條新聞，可能掩蓋了 AI 對美國約 46% 受僱於小型企業的勞工所造成的影響。

不過，經濟學界對這個問題的看法並不一致。倫敦國王學院助理教授 Bouke Klein Teeselink 指出，AI 採用的方向可以往任何一邊走：昂貴的導入成本可能讓資金更充裕的大型企業佔優，但小型企業因為規模小、結構彈性高，重組以有效使用 AI 的難度也相對較低。

美國人口普查局今年四月的報告發現，大型企業的 AI 採用率明顯更高，但 Klein Teeselink 強調，「採用」這個詞可以涵蓋差異極大的實際狀況。他接觸過許多大型企業員工在使用 Microsoft Copilot，「技術上他們是採用者，但顯然他們根本不知道自己在做什麼。」

地理因素也讓影響更難一概而論。舊金山灣區的新創公司在 2023 年至 2024 年間人員縮減了 16%，而非科技重鎮的同類企業幾乎沒有變化。史丹佛數位經濟實驗室研究員 Bharat Chandar 指出，就整體經濟而言，目前沒有大規模職位流失的明確跡象。

2025 年 9 月，Resume.org 對 1,000 名美國企業主管的調查提供了更具體的數字：近三成企業表示已用 AI 取代職位，37% 預計在 2026 年底前完成替換，半數企業已縮減招募，39% 在 2025 年進行了裁員。

調查也指出，高薪員工與缺乏 AI 技能的工作者面臨最高裁員風險，入門與新進員工同樣脆弱。不過，聯準會紐約分行的分析提供了一個反向觀點：多數雇主更傾向培訓員工使用 AI 而非直接裁員，分析師也認為，即便部分企業預測 AI 相關裁員，對整體勞動市場的影響仍不至於重大。

效率提升不等於就業減少

並非所有導入 AI 的小型企業都在裁員。短租管理平台 Hospitable 自去年 12 月以來將 AI 支出增加了 50%，相當於三名全職員工的成本。AI 代理目前生成了公司 90% 的程式碼，處理了 70% 的客服查詢，協助財務團隊判斷需要執行哪些轉帳，並管理行銷活動。

這家 140 人的公司沒有裁員，但放緩了招募速度。執行長 Pierre-Camille Hamana 估計，如果沒有導入 AI 工具，公司原本需要把 65 人的客服團隊擴增為三倍，他說，AIm實際上創造了更多工作，因為生產力提升太多了。

經濟學家將這種現象稱為「Jevons 悖論」，這得名自 19 世紀英國經濟學家的觀察，指煤炭使用效率的提升，反而導致煤炭消耗量上升，而非下降；燃煤爐具成本降低引發需求激增，整體煤炭支出反而增加。

Klein Teeselink 認為某些工作可能出現類似效應——軟體工程師的職缺在 ChatGPT 發布後大幅萎縮，但目前看起來已開始回升，或許正是這個邏輯的體現。

全面影響尚未到來

儘管如此，目前的影響可能只是開端。美國人口普查局報告顯示，不到五分之一的企業將 AI 用於任何業務功能。Anthropic 在 2026 年 3 月發布的研究更指出，其 AI 模型目前僅被用於所有可執行工作任務的一小部分。

這當中有一個關鍵的加速器值得關注。轉型型 AI 經濟學教職研究員 Anton Korinek 去年向 TIME 表示，新技術的擴散需要高技能工人來推動，但如果 AI 變得足夠聰明，它也能協助加速自身的擴散。一旦這個臨界點到來，採用速度可能出現非線性躍升，而最快完成導入的企業，將成為整體經濟走向的早期指標。

【推薦閱讀】

◆ AI 時代需要全新領導方式，專家提 90 天 AI 轉型實踐框架
◆ 【別只說「AI 會提高生產力」】想平穩轉型，領導者必須對症下藥的 3 大關鍵
◆ 蘋果 AI 轉型真的落後？手握 25 億台消費端裝置，專家揭蘋果佈局

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

（責任編輯：鄒家彥）

「代理式 AI（Agentic AI）已經到來，有用的 AI （Useful AI）已經到來。」COMPUTEX 2026 台北國際電腦展與 NVIDIA GTC Taipei 在今（6/1）同步拉開序幕，NVIDIA 執行長黃仁勳發表主題演講，圍繞代理式 AI 宣布一系列重磅更新，一路從 AI 基礎設施、AI PC，談到實體 AI（Physical），為接下來的 AI 趨勢定調。

為什麼稱「有用的 AI」已經到來？

黃仁勳以軟體開發為例指出，GitHub 的程式碼提交（commit）數量正快速增加，從 2023 年的 3 億次、2024 年的 4 億次、成長到 2025 年的 5 億次，而到了 2026 年的最初幾個月，這個數字「幾乎增加了三倍」。

他將這個增幅換算成經濟價值：全球約 3,000 萬名軟體開發者每年領取約 3 兆美元的薪資，當產出接近三倍，等於用 3 兆美元的薪資成本，撬動出約 9 兆美元的生產力。他並反駁「AI 會減少工作機會」的說法，理由是當一名工程師能創造的價值大幅提高，企業反而會想雇用更多工程師。

「AI 現在是利潤產生器，AI 現在是 GDP 產生器。」黃仁勳表示，當企業發現 AI 能夠直接創造收入，就會想建立更多 AI 工廠（AI Factory），產生更多 Token，這也是全球算力需求持續暴增的原因。他強調，AI 的核心單位已從過去的模型轉變為 Token，而 Token 已成為能夠直接創造商業價值的新型生產單位。

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

黃仁勳重新定義 Agent：未來十年的新運算模式

黃仁勳花了相當篇幅說明一個底層轉變：過去的運算單位是「應用程式」，程式碼運行在作業系統之上；而今天的運算單位是「代理」。他認為，過去的軟體運作模式是人操作應用程式，未來則將轉變為人向 AI 描述意圖。他表示，代理式 AI 的本質並非單一大型語言模型，而是一套由模型、記憶體、工具與協調框架組成的新型運算系統。

「過去我們啟動應用程式、點擊按鈕、輸入文字；現在我們只需要告訴 AI 我們想做什麼，AI 會自己產生程式碼、使用工具，並完成任務。」在 NVIDIA 的定義中，一個 Agent 必須具備觀察、理解、推理、規劃、執行與使用工具的能力，並且能夠管理短期記憶與長期記憶。

黃仁勳更直言：「這就是未來十年的應用模式，也是未來十年的運算模式。」這個模式意指由 AI 代理協調大型語言模型。他預測，未來每一家公司都會運行代理系統，並在公司內部擁有自己的代理，最終每一家公司都會成為一家「代理公司」。

AI 基礎設施：Vera Rubin 全面投產、Vera CPU 為代理而生

為了支撐代理式 AI，黃仁勳宣布 NVIDIA 下一代 AI 基礎設施平台 Vera Rubin 已正式進入量產。他強調，Vera Rubin 並不是一顆 GPU，「Vera Rubin 是 NVIDIA 有史以來最具雄心的計畫。」

黃仁勳指出，代理式 AI 的運算流程高度分散且異質化，大型語言模型、工具呼叫、記憶體管理、安全機制與資料存取都會在不同系統上運行，因此需要全新的架構設計。Vera Rubin 由 Rubin GPU、Vera CPU、BlueField 儲存與安全系統、Spectrum-X 網路以及完整軟體堆疊共同組成，目標不是打造一台伺服器，而是直接建構 AI 工廠。

黃仁勳表示，目前全球正展開史上最大規模的 AI 基礎設施建設競賽，而 NVIDIA 推出的 DSX 平台，就是協助客戶從數位分身設計、部署到營運 AI 工廠的完整藍圖。

他甚至提出一個新的公式：「運算就是收入（Computation is revenue）。」對於黃仁勳來說，在代理式 AI 時代，每產生一個 Token 都可能直接創造商業價值，因此企業真正該追求的不是最低硬體價格，而是最高的每瓦 Token 產出能力。

專為 Agent 而生的 CPU 登場

除了 Rubin GPU 外，黃仁勳也詳細介紹了 Vera CPU。他認為，過去所有 CPU 都是為人類打造的，但代理式 AI 的需求完全不同。「人類生活在以秒計算的世界裡，但代理生活在奈秒的世界裡。」

他表示，Agent 在使用工具、存取資料庫與執行任務時，對延遲極度敏感，因此 NVIDIA 從零開始重新設計 CPU 架構。Vera CPU 採用全新 Olympus 核心架構，強調單執行緒效能、記憶體頻寬、跨核心通訊與能源效率。

黃仁勳指出，未來代理的數量將遠超過人類，因此市場需要的不只是更多 CPU，而是專門為 Agent 打造的 CPU。「這是一個從未存在過的新市場，而且肯定比上一個市場更大。」

在軟體層，NVIDIA 推出企業級 AI 代理工具包（NVIDIA Agent Toolkit），包含模型、框架、工具與執行階段四大構件，其開源框架 Open Shell 可在雲端、地端甚至裝置上運行，並訴求將代理限制在企業安全策略之內。黃仁勳也宣布新一代開放模型 Nemotron 3 Ultra，採用狀態空間模型（SSM）與專家混合（MoE）的混合架構，主打速度快 5 倍、總推理成本降低約 30%，且連同訓練資料與訓練方法一併開源；下一代 Nemotron 4 已在開發中。

「40 年來首次重新發明 PC」：每個人都將擁有自己的 AI Agent

除了資料中心之外，黃仁勳也把代理式 AI 帶到個人電腦。他宣布 NVIDIA 與微軟合作推出全新 Windows AI PC 平台，涵蓋桌機、筆電與工作站產品線，其中以全新的超級晶片 NVIDIA RTX Spark 為核心，能百分之百運行 NVIDIA 的軟體堆疊 CUDA 與所有 Windows 應用程式，專為運行 AI 代理而生。

黃仁勳表示，這是 PC 的徹底重新發明。他認為，未來的 PC 將不再只是開啟應用程式、點擊和打字的工具，而是擁有自主的 AI 代理來協助並了解使用者。這些 PC 上的 AI 代理可以全天候在設備端免費運行，免去雲端服務的計費焦慮；可以連結家中所有的設備，成為專屬的個人 AI 助理，並透過 Neotron 模型的迭代變得越來越聰明。

黃仁勳預測，10 年後的 PC 將與現在完全不同，未來的家裡實際上會有一台「AI 超級電腦」來運行所有的代理和助理，就像家家戶戶擁有家庭劇院一樣，而這場電腦的重新發明，其重要性不亞於當年手機演進為智慧型手機。

「運算就是資料」：Physical AI 三大更新

在演講後段，黃仁勳將焦點轉向實體 AI（Physical AI）。他強調，實體 AI（如自動駕駛車或人形機器人）本質上就是實體的 AI 代理，運作模式與雲端或個人電腦上的代理系統完全相同，都是透過模型與框架來理解、推理、規劃並採取行動。

黃仁勳也表示，機器人最大的挑戰並非模型本身，而是資料。相較於網路上充斥的人類語言的第三人稱資料，機器人需要的是從第一人稱視角理解世界的資料，而這類資料極度稀缺。

NVIDIA 的解法是透過遙控操作（人類示範）與 Omniverse 的模擬技術，讓 AI 能夠從第三人稱視角學習，並重新投射到第一人稱視角。透過這種引導方式，電腦生成的物理精確合成影片與資料，將成為教導機器人的新型態老師。「對於實體 AI 來說，運算就是資料。」這句話是黃仁勳實體 AI 段落的核心命題。

為此 NVIDIA 宣布三項更新：Cosmos 3、Alpamayo 2 與 Isaac GR00T 參考機器人。Cosmos 3 是實體 AI 的開放世界基礎模型，採用混合 Transformer 架構，讓像素、動作、聲音與語言流入自迴歸 Transformer 進行推理與規劃，再由擴散 Transformer 生成接下來會發生的內容。黃仁勳稱 NVIDIA「在實體 AI 領域絕對是世界上最好的」，並比照 Nemotron 同步開放模型、資料與訓練方法。

Alpamayo 2 是用於自動駕駛的開放推理模型，搭配閉環強化學習框架 AlpaGym 與可生成擬真駕駛情境的 OmniDreams。黃仁勳表示，註冊使用 NVIDIA DRIVE Hyperion 系統的品牌約占全球 80% 的汽車，而平台串接的移動服務約占全球 97%。現場示範影片中，一輛搭載該技術的車輛能一邊行駛、一邊以語音逐一說明禮讓行人、保持車距等決策，黃仁勳稱其為「世界上第一輛會推理的自動駕駛汽車」。

Isaac GR00T 參考人形機器人，則是建立在 NVIDIA Jetson Thor 晶片與 Isaac GR00T 開放開發平台上的第一款開放人形機器人參考設計。該機器人雙手各有 25 個自由度、全身 31 個自由度，身高 6 英尺、重 150 磅，並整合完整的軟體、資料生成、模擬與執行階段堆疊。黃仁勳說明，這款參考設計主要為高等教育機構與大學研究人員打造，讓研究團隊不必再從零拼湊模擬器、遙操作系統與資料管線，「數小時內即可準備就緒」。

從 Vera Rubin、Vera CPU、Agent Toolkit 到 AI PC 與 Cosmos 3，黃仁勳在演講中不斷強調 NVIDIA 不只是一家晶片公司，也不是系統公司，而是 AI 基礎設施公司。背後的訊號很明確：當代理式 AI 正從聊天機器人走向真正執行工作的數位勞動力，NVIDIA 希望成為這個新時代的底層平台供應商。

＊圖片來源：《TechOrange》拍攝。

全球科技產業高度關注的年度盛會—2026年台北國際電腦展（COMPUTEX 2026）將於明（2）日於台北南港展覽館1、2館及台北世貿1館盛大登場，今年以「AI Together」為主軸，匯集來自33個國家／地區、1,500家海內外科技企業，使用6,000個攤位，展覽規模再創歷史新高，全面展現全球AI產業鏈最新技術、應用與未來趨勢。

今年不僅邀集高通（Qualcomm）、邁威爾科技（Marvell）、英特爾（Intel）以及恩智浦（NXP）等全球科技巨擎發表主題演講，眺望AI時代下的產業洞察與趨勢；此外，今年亦打造「AI機器人區」、「科技應用暨體驗館」及「電子紙產業專區」展區，串聯全球科技生態。

外貿協會董事長黃志芳表示：「COMPUTEX 2026以『AI Together』為核心主題，聚焦AI產業從算力競賽邁入實體落地的關鍵轉折—從雲端走入製造自動化、高齡照護與勞動力轉型等真實場景。這不僅是台灣硬體製造韌性與全球軟體生態深度對接的戰略平台，更清楚宣示：AI的下一個戰場，是解決真實世界的問題。」

台北市電腦公會理事長陳俊聖指出：「COMPUTEX 2026以「AI Together」為主題，反映AI正從單點技術突破邁向系統整合與生態系協作。AI競爭已不只是模型與算力，而是涵蓋運算、傳輸、儲存、能效與應用的完整系統能力。台灣將從晶片、系統到應用場景，持續扮演全球AI發展的重要角色。」

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

COMPUTEX 2026聚焦AI應用落地　打造完整科技生活圈

因應邊緣AI與跨域整合需求快速成長，COMPUTEX 2026以「AI運算」、「機器人＆智慧移動」及「次世代科技」三大主題為核心，從晶片、運算平台到終端應用，全面呈現AI如何加速產業升級與生活轉型，建構完整「COMPUTEX科技生活圈」。

據TrendForce預測，2028年全球機器人大型語言模型（LLM）市場預期將突破1,000億美元，年複合成長率（CAGR）達48.2%。為因應實體AI與智慧機器人龐大商機，COMPUTEX 2026於世貿展區首度打造「AI機器人區」，展示AI機器人、智慧服務、自主移動與人機協作等應用成果，串聯全球機器人供應鏈與創新解決方案。此外，今年同步推出「科技應用暨體驗館」、「電子紙產業專區」，鎖定智慧應用、低碳永續及沉浸式互動體驗，展現AI技術如何深入智慧生活、零售、醫療、教育與永續場域，描繪未來科技生活新樣貌。

全球科技領袖齊聚　全面解析AI產業新趨勢

今年COMPUTEX主題演講（Keynote）陣容堅強，邀集Qualcomm總裁暨執行長Cristiano R. Amon、Marvell主席暨執行長Matt Murphy、Intel執行長陳立武以及NXP總裁暨執行長Rafael Sotomayor等全球業界領袖登場，從AI加速運算、邊緣運算到次世代行動平台，解析關鍵技術革新與產業趨勢。

同步登場的COMPUTEX Forum今年規模再創新高，三天共規劃28場議程，集結NVIDIA、Microsoft、Google DeepMind等國際科技企業、30位重量級講者，圍繞「機器人、自動化與實體AI」、「AI運算、基礎架構與開發」、「生成式AI與智慧內容應用」、「AI裝置、物聯網與邊緣運算」、「產業落地AI應用」及「資料智能、治理與安全」六大主題，分享從雲端到邊緣、從基礎架構到應用落地的最新技術進展與實務經驗。

InnoVEX匯聚全球新創能量　打造AI創新交流平台

「InnoVEX新創展區」來自23國、近500家新創團隊參展，匯聚來自法國、日本、韓國、泰國、澳洲、以色列、加拿大、義大利及捷克等9大國家館，展現COMPUTEX作為亞洲指標新創平台的國際影響力。InnoVEX聚焦AI、智慧移動、綠色科技、次世代通訊與創新應用，串聯全球創投、加速器與科技企業資源，打造跨國合作與技術交流的重要平台，持續激發創新動能與未來商機。

（本文訊息由 COMPUTEX 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：COMPUTEX）

生成式 AI 正逐漸成為伊朗網路戰的新利器。《金融時報》報導指出，伊朗軍方與相關駭客正在使用 ChatGPT、Gemini 等西方 AI 模型，輔助惡意程式開發、釣魚訊息撰寫、假身分經營與漏洞掃描，讓既有網攻流程變得更快、更便宜、更容易規模化。透過 AI 協助，駭客能產出自然流暢的多語言釣魚訊息，進一步擴大攻擊規模並提高行動效率，讓伊朗在數位戰場上的威脅程度持續升高。

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

多國網路戰升溫：伊朗藉 AI 強化網攻與情報滲透

伊朗自今年 4 月初起與以色列及美國維持停火狀態，但雙方在網路空間的攻防並未停歇。一名不具名的資安專家表示，伊朗駭客幾乎在攻擊流程各階段使用 AI prompt，包括掃描敵方漏洞、保護自身弱點，以及生成更可信的假身分，用來接觸美國與以色列目標。

《金融時報》指出，區域衝突期間，各國同樣面臨網路攻擊升溫的情況。阿拉伯聯合大公國曾指出，境內每天遭受超過 50 萬次網路攻擊；以色列民眾也頻繁收到大量釣魚郵件與詐騙簡訊，部分訊息甚至假借合作名義，試圖引誘收件人與伊朗情報單位接觸。

前美國聯邦調查局高階網路官員、現任資安公司 Halcyon 資深副總裁 Cynthia Kaiser 表示，針對美國的大多數攻擊活動仍以較為初階的阻斷服務攻擊（DDoS）為主，這類攻擊透過大量垃圾流量癱瘓網站運作。在以色列，則由伊朗政府相關駭客組織 Handala 持續展開攻擊行動。《紐約時報》提及，該組織表面上偽裝成獨立的駭客行動團體，但實際上受伊朗情報與國家安全部控制，為伊朗主要情報機構。他們過去曾入侵並外洩以色列國防軍前總參謀長赫爾齊·哈勒維（Herzi Halevi）相關帳號，也公開過隸屬以色列情報機構分析人員的部分資料。

以色列資安公司 Check Point 策略副總裁 Gil Messing 表示，許多過去需要投入大量人力的工作，如今都能透過 AI 快速完成，讓攻擊行動的規模與速度同步提升。他指出，伊朗正積極運用各種 AI 工具，加速網路作戰部署與執行。

《金融時報》提及，伊朗駭客早已開始嘗試將 AI 導入網路攻擊，近年大型語言模型快速發展後，相關能力更進一步提升。過去若要假扮成美國企業員工或政府機構人員，需要長時間研究語言習慣與文化背景，才能取得目標信任；如今透過 AI 生成自然流暢的對話內容，這類偽裝工作變得更加容易。Google 今年稍早便發現，與伊朗政府有關的駭客組織 APT42 利用 Gemini 建立虛假人物身分，並與特定對象長期互動，藉此建立信任關係，進一步蒐集資訊或發動後續攻擊。

面對伊朗駭客持續利用 AI 工具從事網路攻擊，OpenAI 與 Google 等科技公司近年陸續加強監管與防堵措施。但相關人士不斷更換帳號、調整操作方式，科技公司才剛封鎖一批帳號，又會有新的帳號出現，讓防堵工作面臨挑戰。OpenAI 表示，公司持續監測平台上的異常活動，一旦發現違規使用情形，將停用帳號、取消存取權限或限制相關功能。OpenAI 也強調，旗下功能最完整的模型並未全面開放，系統本身亦設有多層安全機制，以降低遭到濫用的風險。

AI 深入軍事體系，涵蓋電子戰、無人機與戰場決策

Google 先前發現，伊朗駭客對 Gemini 的使用程度相當頻繁，甚至高於俄羅斯、中國及北韓等網路作戰能力較強的國家。報告提到，與伊朗政府有關的駭客組織 APT42 曾利用 Gemini 蒐集資料，研究美軍 F-35 戰機的相關技術。

AI 在伊朗軍事體系中的角色不再侷限於網路攻擊。《金融時報》分析近五年約 300 篇伊朗軍事期刊文章後發現，相關研究已涵蓋 AI 強化電磁作戰、加速戰場指揮中心決策、改善無人機導引與水下目標定位等方向。法國巴黎政治學院伊朗軍事研究專家 Nicole Grajewski 表示，伊朗正積極發展相關技術，希望縮小與軍事強國之間的差距。華盛頓近東政策研究所研究員 Farzin Nadimi 指出，西方科技工具其實在一定程度上加快了伊朗吸收國外軍事知識的速度。由於伊朗軍事與安全體系內熟悉英語及俄語的人員有限，Google 翻譯等工具讓研究人員能更快掌握西方最新軍事研究成果。

雖然受制於長期經濟制裁與研究資源不足，伊朗整體 AI 發展仍難與美國相提並論，但部分領域已展現出相當成果。部分專家認為，在網路宣傳戰方面，伊朗甚至逐漸建立優勢。伊朗官方帳號經常透過 AI 生成影片在社群平台發布政治宣傳內容，其中不少以美國總統川普為題材，並在網路上引發廣泛討論。

除了網路與宣傳領域外，伊朗也宣稱已將 AI 技術應用於飛彈與無人機系統。伊斯蘭革命衛隊表示，部分巡弋飛彈具備 AI 導引、導航及規避電子干擾能力。不過 Farzin Nadimi 認為，目前仍缺乏足夠證據證明相關技術已實際投入戰場。Nicole Grajewski 則指出，從伊朗先前對波斯灣地區發動的部分攻擊來看，其目標選擇呈現一定規律性，不排除有 AI 參與分析與規劃。AI 也可能被用來研判美軍部署位置、預測行動路徑，以及協助制定攻擊方案。

伊朗加速投資 AI，意在突破制裁與科技封鎖限制

《金融時報》指出，外界目前掌握的資訊，恐怕還不足以完整呈現伊朗在 AI 軍事應用上的發展情況。分析人士認為，伊朗許多相關計畫都在封閉系統內進行，外界難以掌握實際進展。近年來，伊朗持續發展以開源模型及本土技術為基礎的 AI 系統，相關運作多半不對外公開，也增加外界追蹤與評估的難度。

為強化自主 AI 能力，伊朗去年開始測試國家級 AI 平台。這項計畫由德黑蘭沙里夫理工大學（Sharif University of Technology）主導開發，即使與全球網路連線中斷，系統仍能維持運作。長期研究伊朗 AI 發展的網路安全公司 Recorded Future 顧問 Alex Leslie 表示，伊朗近年持續加大 AI 投資，不僅著眼於軍事與國家安全需求，也希望藉此降低制裁對科技發展帶來的限制，提升在特殊情勢下維持運作的能力。

以色列與美國對伊朗發動空襲後，該平台的核心資料中心及沙里夫理工大學部分研究設施曾受到嚴重破壞。但多位專家認為，這類打擊恐怕難以從根本阻止伊朗發展 AI 技術。Check Point 高層 Gil Messing 指出，伊朗本身具備一定的科技與研發能力，即使部分設施受損，未來仍可能透過其他管道持續取得相關技術並推動發展。

＊本文開放合作夥伴轉載，資料來源：《金融時報》、《紐約時報》，圖片來源：Unsplash。

《Exponential View》報導，知名科技公司主管分享導入 AI 後的觀察。她管理約一千名工程師，幾乎所有人都已將 Claude Code 納入日常開發流程。從數據來看，工程師寫出更多程式碼、提交更多 pull request，也能在更短時間內完成工作。然而，個別員工效率提升，並不代表企業整體表現同步成長。雖然團隊成員都變得更有效率，但個人生產力提升並沒有等比例轉化成公司層級的 ROI、產品成果或營運效率，才會出現「1 + 1 + 1 + 1 只等於 1.5」的落差。

生產力被低估？為何 AI 創造的價值未反映於數據

這種現象並非個案。Uber 營運長 Andrew Macdonald 日前也坦言，企業雖然已投入大量資源發展 AI，但目前仍難以明確衡量其對業務成果的實際貢獻。他表示，產品開發速度或許有所提升，市場上推出的新功能也比過去更多，但要證明這些成果直接來自 AI，甚至進一步量化為企業多創造了多少價值，仍相當困難。

無論是個人用戶還是企業客戶，都已逐漸將 AI 納入日常工作流程。以 Anthropic 為例，兩年前每年在 Claude 上投入超過 100 萬美元的企業客戶僅十餘家，如今已突破千家；同一時間，平均企業客戶的支出規模更成長至原本的五倍。這些數據顯示，企業對 AI 的採用程度正快速提高。但當企業被問及實際成效時，答案卻不如市場熱度般樂觀。《Exponential View》提及，自 ChatGPT 問世以來，僅有 27% 的企業高階主管認為 AI 已達到預期的投資報酬率。

SemiAnalysis 將這種現象稱為隱形產出（Dark Output），以法律文件撰寫為例，當 AI 開始處理原本由律師完成的基礎工作後，客戶獲得的服務並未消失，但相關收入卻不再計入法律產業。結果是統計數據看到的可能是產值下降，卻看不見背後其實完成了同樣甚至更多的工作。SemiAnalysis 指出，現行統計制度主要依據價格與營收衡量服務業產出，不容易反映 AI 帶來的效率提升。隨著越來越多工作轉由 AI 執行，官方數據與實際經濟活動之間的落差可能持續擴大，使外界低估 AI 對生產力的真實影響。

更難衡量的是「新增的隱形產出」。SemiAnalysis 舉例，過去企業不會為每場會議都花錢請人整理對方背景，也不會在每個小專案前都委託研究員做完整文獻回顧；但 AI 讓這些任務變得只需幾分鐘和少量 token 就能完成。這些工作可能提升決策品質，卻幾乎不會以明確收入或價格出現在統計資料中。

AI 時代生產力革命：關鍵是「組織重構」

為了解釋這種落差，《Exponential View》引用經濟學家 Robert Solow、Paul David 等人的研究，以百年前電力普及的歷史經驗作為對照。AI 目前的發展階段，與十九世紀末電力進入工廠時的情況極為相似。當時電力最先被用來改善照明環境，工廠變得更明亮、更安全，但生產流程本身並未改變。工人依舊按照既有模式工作，機器配置也維持原狀。

這種現象與生成式 AI 初期的發展類似。ChatGPT 問世之後，最先帶來的改變多半集中在個人層級，例如更快速撰寫郵件、整理資料或完成文書工作，本質上仍是加速既有任務，而非重構企業的運作方式。進一步看，AI agent 的出現則開始跨出單一任務層級，能夠協助完成較完整的工作流程，例如招聘篩選、客服回覆或行銷素材生成。然而，多數應用仍是附加在既有流程之上，主要作用是提升流程速度，而非重新設計企業如何分工、如何決策或如何協調各部門之間的運作機制。

以福特汽車為例，其於 1913 年建立 Highland Park 工廠時，已不再受限於傳統機械配置，而是圍繞產品製造流程打造生產線，最終開啟現代化大量生產時代。《Exponential View》提及，AI 未來若要真正帶動企業生產力成長，也必須經歷類似的組織重構過程，而非僅僅在既有架構下提升個別員工的工作效率。

《Exponential View》說明，許多企業目前面臨的瓶頸並非執行能力不足，而是決策流程跟不上工作效率的提升。AI 工具讓工程師能更快寫出程式、產品團隊能更快完成原型設計，業務人員也能更有效率地接觸客戶，但企業內部的審核、簽核與決策機制卻沒有同步加快。當各部門產出大量成果後，仍必須等待既有流程消化，反而造成工作持續堆積。

當客戶提出新的功能需求，傳統做法需要經過客服、產品經理、主管審核等多個環節，從討論到正式開發耗時數週甚至數月。透過 AI 能提升個別工作環節的速度，但若企業的決策機制維持不變，這些效率提升便難以轉化為組織層級的成果。《Exponential View》指出，AI 的發展關鍵，不只是協助員工完成工作，而是要進一步參與企業的決策流程，個人生產力的提升才能轉化為企業整體競爭力與實際商業效益。

＊本文開放合作夥伴轉載，資料來源：《Exponential View》、SemiAnalysis，圖片來源：Unsplash。

全球網路資安解決方案領導廠商趨勢科技(東京證券交易所股票代碼：4704)旗下全球企業AI資安領導品牌TrendAI™於今年COMPUTEX大展宣布一項全新計畫，旨在提供AI方案供應商更快速地建構、驗證並推出以「安全為設計核心」的AI產品。此計畫整合了AI資安專業、技術賦能與市場推廣支援，協助合作夥伴無需自行建立深厚AI資安能力下加速安全發展。

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

趨勢科技TrendAI™企業事業群營運長金敬秀(Rachel Jin)表示：「AI導入生產環境的速度，已超越多數組織建立相應資安防護措施的進程。隨著客戶需求增長，攻擊者的覬覦也與日俱增。許多AI開發商缺乏專職資安團隊，也缺乏保護大規模AI系統的相關經驗。我們提供獨特的專業知識，幫助這些業者更快推出值得信賴、安全可靠的AI解決方案，將創新轉化為真正符合企業需求的成果。」

AI新創企業雖然具備快速創新的優勢，但企業客戶評估導入AI時，往往更重視信任基礎、治理機制與資安成熟度。TrendAI™透過完善的AI安全與治理能力，協助企業縮短創新與信任之間的落差。

此計畫旨在協助新興AI業者，從技術賦能、AI資安權益到合作夥伴專屬福利，全面提升涵蓋模型、管線(pipeline)、代理與資料等完整AI技術堆疊的安全成熟度，具體內容包括：

• AI紅隊／紫隊測試服務(享合作夥伴優惠價格)—由TrendAI™專家執行，針對提示詞注入、越獄攻擊、系統提示洩漏及工具濫用等情境，驗證AI應用程式的韌性，依據OWASP LLM Top 10及MITRE ATLAS框架提供基準測試與驗證報告，透過安全內建於設計之中，讓新興業者自信上市。

• 免費點數—提供六個月TrendAI Vision One™ AI Security免費使用權，供開發或概念驗證(PoC)環境測試與驗證。

• 整合與賦能—提供參考架構、SDK/API及整合範例，與常見AI開發框架相互對齊。

• 客戶端資安素材—提供白皮書與解決方案簡介，協助向客戶清晰傳遞AI資安價值。

• AI資安諮詢與輔導—為開發團隊提供結構化培訓與專家指導，涵蓋AI資安最佳實務、威脅意識與實作建議。

• 聯合行銷與客戶曝光—共同出席TrendAI™ Spark活動，並名列TrendAI™合作夥伴，擴大觸及範圍，與尋求合格AI夥伴的客戶建立連結。

包括GMI Cloud在內的TrendAI™合作夥伴，正建構並部署其平台，以驅動下一波AI創新浪潮。Inception Program的設計，正是直接回應AI新創企業對獲得可信資安驗證、加速企業採購的迫切需求。

GMI Cloud創辦人暨執行長Alex Yeh表示：「隨著企業將AI從實驗性應用推進至大規模部署，資安已成為AI基礎架構不可或缺的一環。GMI Cloud專注於提供可擴展的AI基礎設施與推論平台，為真實企業環境而生。我們也深知，AI在模型、代理、管線與推論工作流程等方面，帶來了全新的攻擊面。透過Inception Program，我們得以將可擴展的AI基礎設施，與TrendAI™數十年的資安專業結合，協助客戶以更高的信任、治理與運營信心部署AI，共同實現更安全、可擴展且符合企業需求的AI部署。」

由李長榮集團與長興材料共同投資、以AI為核心的工業智慧新創昂鋐科創(Ontonics Lab)營運長 翁英哲(Robin Wong)表示：「在Ontonics Lab，資安是我們產品設計哲學的根本。作為服務工業企業的AI 原生平台，我們必須從第一天起就確保最高標準的安全性、可靠性與信任。TrendAI™的紫隊測試專家能幫助我們驗證架構、發掘原本可能被忽視的漏洞，並將在產品上市前強化平台。這項來自TrendAI™的獨立驗證，不僅提升了客戶信任，也在我們向工業企業推出AI原生解決方案的過程中，帶來了明確的競爭優勢。」

加入Inception Program的合作夥伴，將能透過TrendAI Vision One™ AI Security存取AI資安套件，其中涵蓋資料與安全態勢管理、即時掃描工具、安全存取、Agentic SIEM等多項功能。

（本文訊息由 TrendAI 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：Unsplash）

技鋼科技為技嘉旗下子公司，專注於加速運算與基礎架構解決方案，今日於 Computex 2026 正式亮相，展示最新 AI 解決方案，涵蓋從輕薄緊湊 PC 上的 Token 生成、桌上型超級電腦，到快速部署貨櫃資料中心等多元應用。技嘉科技展位集中呈現由 NVIDIA 驅動的全方位 AI 基礎架構解決方案，加速企業、研究機構及工業應用領域的次世代運算發展。

機櫃級 AI 超級電腦

展區亮點包含劃時代的 NVIDIA Vera Rubin NVL72 平台，專為大規模 AI 訓練與推論及自主代理式 AI（Agentic AI）而設計。NVIDIA Vera Rubin NVL72 全面引領自主代理式 AI 時代，推論效能每瓦吞吐量提升 10 倍、Token 成本可降至十分之一，訓練所需 GPU 數量亦減少至四分之一。參觀者可親眼見證構成這款第三代機架級平台的所有關鍵元件，包含運算與網路架構。儘管機櫃級解決方案的效能逐代大幅提升、功率密度持續增加，現有電源架構仍面臨物理限制。為此，展區同步展出全新 800 VDC（800伏特直流電）解決方案，用於次世代電力配送。

串聯 Real-to-Sim-to-Real AI 工作流程

緊鄰機櫃級解決方案的展區，呈現一套涵蓋數位孿生模擬、模型訓練與即時邊緣控制的 Real-to-Sim-to-Real 解決方案。第一階段採用搭載NVIDIA RTX PRO 6000 Blackwell 的GIGABYTE XLS4-SX2 伺服器，擷取真實世界資料並重建模擬環境；第二階段使用基於 NVIDIA HGX Rubin NVL8 的 GIGABYTE G2L4-SD4 伺服器進行 AI 模型訓練與優化，並處理強化學習任務。此 HGX 平台可擴充企業 AI 工廠規模，加速 AI 及高效能運算工作負載；最終階段則將 AI 模型部署至機器人、智慧工廠等實體系統，採用基於 NVIDIA Jetson Orin NX 的 QN-RNX16GH-A1 系統。整個流程中，技嘉解決方案與 NVIDIA 軟體緊密整合，構成流暢無縫的完整生態系，所採用的 NVIDIA 軟體包括：NVIDIA Omniverse, NVIDIA Cosmos, NVIDIA Isaac Lab, 與NVIDIA Isaac GR00T N1.6。

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

真實世界的實體 AI 應用

為展現實體 AI 的真實應用，展區以兩台搭載靈巧手的機械手臂執行 GPU 安裝作業。透過機器人系統，GPU 及其他元件得以被精確安裝，有效提升組裝一致性、降低損壞風險，並全面最佳化品質控制，支援 24 小時全年無休的製造需求。此示範以 NVIDIA Isaac Sim、Isaac Lab 及 Isaac GR00T 技術驅動。

桌上型 AI 超級電腦

技嘉展區的企業級硬體並不僅限於資料中心，桌上型解決方案亦同時登場展出。GIGABYTE W775-V10 為全新封閉迴路冷卻工作站，搭載 NVIDIA GB300 Grace Blackwell 桌上型電腦超級晶片、內建 NVIDIA AI 開發者工具的 Ubuntu 作業系統，以及高達 748 GB 的統一共享記憶體，是本地端 AI 開發、推論、代理式 AI 及資料科學工作負載的終極桌上型解決方案。

由NVIDIA GB300 Grace Blackwell 超級晶片驅動的桌上型AI超級電腦，預計於下半年推出 Windows 版本，協助企業團隊在 Windows 應用程式與工作流程中，建構、運行並串接常駐的前端 AI 代理。

W775-V10 現場展示——
AI-Q 文件研究助理：由 NVIDIA NemoClaw 輔助蒐集公開文件並進行問答摘要等多項功能。

迷你 PC 上的 AI 代理

體積近 1 公升的技嘉 AI TOP ATOM，專為開發者、研究人員及資料科學家而設計，提供完整存取 NVIDIA AI 軟體堆疊與生態系的能力。此解決方案是自主 AI 代理開發與部署的理想桌面平台，具備始終在線代理所需的運算力、大容量 GPU 記憶體及高效能效。

AI TOP ATOM 現場展示——
情境一：執行多模型並行推論
情境二：搭配 NVIDIA NemoClaw 執行自主工作流程

準備就緒的 AI 基礎架構

NVIDIA DSX 是一套 AI 工廠規模的平台，整合設計、模擬、營運與生態系技術，協助打造以最低每瓦 Token 成本為目標的優化 AI 工廠。作為 AI 工廠設計、模擬與營運的參考設計及平台，DSX 定義了從硬體、軟體基礎架構、設施到合作夥伴技術的完整堆疊架構。

技鋼科技正式導入 NVIDIA DSX 平台，聯合 DSX 生態系夥伴，透過列排式及模組化資料中心大廳設計，加速推動機櫃級 AI 工廠的落地部署。作為 NVIDIA AI 基礎架構合作夥伴，技鋼科技亦在其機櫃級平台上導入 DSX SimReady（AI 工廠數位孿生的資產標準），將 CAD 幾何模型轉換為內嵌電源、散熱與連接點元資料的驗證 OpenUSD 資產。這些 SimReady 資產可直接接入 NVIDIA Omniverse DSX Blueprint 及更廣泛的 DSX 生態系，包括 Cadence Reality 數位孿生平台與其他設計軟體，實現在實體建置前於模擬環境中完成硬體設計、驗證與優化。這一布局使技鋼科技得以向吉瓦（gigawatt）規模客戶交付預先驗證的 AI 工廠硬體，並大幅縮短資料中心的上線時程。

在此基礎上，技鋼科技以兩項重要里程碑，將 AI 基礎架構策略推向新高度：第一，全新 AI 工廠 GAIFA（GIGABYTE AI Factory Accelerator，技嘉 AI 工廠加速器）預計於第三季末在台灣正式亮相，以 NVIDIA DSX 為核心，強化整合效率、擴充彈性與營運效能；第二，全新推出的 GADU（GIGABYTE Accelerated Deployment Unit，技嘉加速部署單元）以模組化、貨櫃化方式，將可擴展的 AI 基礎架構部署於幾乎任何環境，整合 IT 節點與專屬電源及冷卻模組，提供即插即用的 AI 基礎架構，佔地極小，堪稱「開箱即用的 AI 工廠」。GAIFA 與 GADU 共同體現了技鋼科技對敏捷、工廠規模 AI 部署的承諾，確保從上線首日即可全速運行。

產品組合持續擴展

除 NVIDIA DSX 外，技鋼科技持續擴展對 NVIDIA AI 技術及基礎架構平台的支援，進一步加速為全球客戶交付可擴展、高效率且生產就緒的 AI 工廠解決方案，包含：

• NVIDIA Spectrum-X Ethernet Photonics：用於 AI 工廠的共封裝光學（Co-Packaged Optics，CPO）
• NVIDIA BlueField-4 STX：支援自主代理式 AI 所需的新一代安全需求

（本文訊息由 技鋼 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：技鋼）

「2026 年是 AI 代理之年，AI 正從單純回答提示詞的工具，進化為能夠自主採取行動的實體，」高通執行長 Cristiano Amon 在 COMPUTEX 2026 的開幕主題演講中以此破題，並強調：「我今天只有一個任務，就是要讓大家了解邊緣裝置將發生多大的變革，因為一種全新的運算形式正在觸及每一個裝置。」

回顧過去，數位生活一直是以智慧型手機為中心，所有穿戴裝置與應用程式生態系皆圍繞著手機運作。然而，隨著代理式 AI 逐漸成熟，這個典範已經開始轉移，「AI 代理不會依附於單一的生態系，任何能讓人與 AI 代理連結的設備，都會成為它的端點，」Cristiano Amon 指出，未來包含智慧型手機、個人電腦與穿戴裝置在內的所有設備，都將退居為 AI 代理系統的「端點（endpoints）」，這也代表 AI 將跨越不同設備，成為隨時伴隨使用者、掌握全方位情境的專屬助理。

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

迎接代理式 AI 時代，終端裝置需要「雙重性格」

不過，要迎接這個未來，必須認清一個現實：現今的設備多半是為「人類主動操作」而設計，這已經無法滿足未來代理式 AI 的需求。因此，Cristiano Amon 強調，未來的裝置必須具備「雙重性格（two personalities）」，既能由人類手動操作，也能由 AI 代理自主在背景全天候持續運作、攜帶情境記憶並協調多項任務。

「光是人類操作，要讓手機續航一整天就已經充滿挑戰，想像一下，如果當你和 AI 代理同時運作時，會發生什麼事？」Cristiano Amon 進一步點出，這種轉變伴隨而來的，是對設備的功耗與延遲帶來的嚴苛工程挑戰。因此，未來的裝置不僅需要強大且高能源效率的 CPU 來負責任務協調，還需要具備高運算密度的 NPU 與 GPU 來執行本地模型，同時必須整合大量感測器以提供 AI 運作所需的關鍵情境數據。

代理式 AI 走向實體世界：從 AI 定義汽車、機器人到城市級數位分身

Cristiano Amon 表示，這股代理式 AI 浪潮，更將從個人運算裝置，一路延伸至令人興奮的「實體 AI（Physical AI）」領域。在車用方面，軟體定義汽車正進化為 AI 定義汽車，車輛內部將具備雙層智慧架構：一層是與駕駛互動、提供個人化體驗的座艙 AI；另一層則是利用鏡頭與雷達感知環境、負責實際駕駛的實體 AI，兩者將無縫融合成單一系統。

同樣地，在機器人與工業領域，代理式 AI 也正在加速推動轉型。透過結合消費性電子的感測能力與車用等級的精準度，新一代的階層式運算系統能讓機器人實現瞬間執行與推理，更讓視覺 AI 得以在智慧城市與企業環境中自主監控環境並觸發行動。為了支援如此龐大的實體感知需求，新一代網路甚至會將無數的射頻連線轉化為雷達般的感測器，在城市層級打造出巨大的數位分身，藉此為邊緣端運作的 AI 代理提供最即時的環境情境。

Token 需求暴增 40 倍，引爆分散式運算革命

「Token 是 AI 時代的新貨幣，」Cristiano Amon 強調，隨著 AI 代理無所不在，運算的經濟模型也隨之改變。由於代理式 AI 是以「機器級」而非人類級的速度產生與消耗 Token，因此 Token 需求量正呈現驚人的指數級增長。

Cristiano Amon 說明，相較於早期對話式 AI 單次任務約消耗一萬個 Token，高階的代理式 AI 單次任務即高達一百萬個 Token，這將使全球每 10 秒的 Token 需求量從 2026 年的 317 億，暴增至 2030 年的 1.27 兆，成長幅度高達 40 倍。

為了解決龐大的算力與成本問題，分散式 AI 成為必然的解方。Cristiano Amon 直言：「分散式 AI 不是一個抽象概念，而是代表必須在雲端執行的就在雲端執行，必須在邊緣端執行的就在邊緣端執行。」Cristiano Amon 強調，透過在裝置與雲端之間分配工作負載，不僅能維持相同的運算結果，在撰寫程式碼的任務中甚至能省下高達 60% 的成本與 140 萬個 Token 消耗量，這也代表未來的運算環境將打破雲端與邊緣的界線，形成單一無縫的運算連續體。

從穿戴裝置到資料中心，高通用 Dragonfly 補齊算力版圖

在全面佈局代理式 AI 的同時，Cristiano Amon 也在演講尾聲宣布高通正式推出專為資料中心打造的全新產品品牌「Dragonfly」，並表示已開始與大型雲端服務商展開實際的部署合作。

這也代表，從兩毫瓦的低功耗無線穿戴裝置，一路到數千瓦最高效能的資料中心，高通的產品線皆能完整涵蓋。「代理式 AI 並非未來式，它們已經在這裡了，」Cristiano Amon 強調，這不僅將徹底改變電腦與萬物的運作方式，更將帶來科技產業前所未見的大規模裝置換機潮。在這樣的趨勢之下，高通已準備好與台灣及全球的生態系夥伴聯手，共同定義這個由 AI 代理驅動的全新運算時代。

（首圖來源：科技報橘）

全球邊緣運算與邊緣AI平台領導廠商研華公司（TWSE:2395）今（1）日宣布深化與 NVIDIA 的合作，正式推出 AI 原生工廠架構（AI-Native Factory Architecture）迎向 Agentic AI 與 Physical AI 時代的來臨。 AI 原生工廠架構結合 NVIDIA NemoClaw、NVIDIA Factory Operations Blueprint、NVIDIA RTX PRO、NVIDIA Jetson Thor，以及研華 WISE-Edge Developer Architecture（WEDA），協助製造業者將 AI 智能深度導入即時工廠營運流程，以因應生產彈性、人力優化與能源效率等關鍵營運需求。

研華嵌入式事業群總經理張家豪表示：「研華與 NVIDIA 此次進一步合作，象徵AI驅動智慧工廠發展的重要里程碑。透過整合 NVIDIA AI Factory Brain，以及研華基於 NVIDIA NemoClaw 與全棧式邊緣 AI 運算平台所打造的 Edge AI 與 WEDA 生態系，我們正以 Agent-driven AI、Software-defined Orchestration 與 Autonomous Operations，實現全廠級智慧化，並為新世代 Physical AI 智能製造建立可複製、可驗證的最佳實踐藍圖。」

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

結合 NVIDIA Factory Operations Blueprint (FOX) 打造 AI Factory Brain 多元代理人系統

研華此次推出的 AI Factory Brain，為一套以工廠管理為核心的多元代理人系統，並基於 NVIDIA Factory Operations Blueprint（FOX）打造，可作為工廠營運的中央智慧決策中樞，主動監測異常事件、分析潛在根因，並協調各類 AI Agent 與現場人員快速完成問題處理。該架構建構於 NVIDIA 加速運算平台之上，結合研華基於 NVIDIA MGX 架構打造的 SKYRack AI 系統，搭載 NVIDIA RTX PRO 6000 Blackwell Server Edition 與 Spectrum-X 網路技術，並串聯採用 NVIDIA IGX Thor、NVIDIA Jetson Thor 與 NVIDIA Jetson Orin 的 MIC 與 ICAM 邊緣運算設備，打造從雲端到邊緣的全方位 AI Factory Brain。

透過即時整合企業 SAP、MES、WMS 等系統資料與邊緣感測數據，Factory Manager Agent 可統籌工廠內各領域 AI Agent 協同運作，並結合 NVIDIA NemoClaw、NVIDIA Omniverse、NVIDIA Metropolis 與 NVIDIA Isaac Sim，可達成自動化工作流程、優化能源使用效率，進一步提升設備綜合效率（OEE）、產品良率及平均修復時間（MTTR）等關鍵營運指標。

Edge Agentic AI 實現即時推論 強化瑕疵檢測與製程優化

研華 ICAM-540 工業相機與 MIC-743-AT 平台，分別搭載 NVIDIA Jetson Orin NX 與 NVIDIA Jetson Thor，可支援 AI-driven AOI （Automated Optical Inspection） 智慧光學檢測，以及地端 LLM/VLM Chatbot 部署，提升瑕疵檢測能力、生產效率與工廠智能營運，並透過自然語言互動強化操作體驗。

Physical AI 串聯雙軌應用 推動智慧物流與倉儲自動化

研華 AIR-427A 平台（搭載 NVIDIA IGX Thor）與 AFE-A702 平台（搭載 NVIDIA Jetson Thor），可為堆高機、人形機器人、AMR 與 MMR 提供高效能 AI 運算能力，支援自主導航、機器人操作、智慧搬運與動態產線協調等應用。透過 AI Agent 理解工作流程情境，系統可即時調整生產優先順序，並協助現場操作人員進行決策與作業優化。

提供企業級治理與功能安全機制 確保系統穩定可靠

透過 NVIDIA NemoClaw（包括 NVIDIA OpenShell 安全執行環境與 Policy Frameworks），該架構可提供企業級資安防護、權限管理與營運治理能力。此外，搭載 NVIDIA IGX Thor 的 MIC-735-IT 與 AIR-427A 平台，亦支援符合 Functional Safety（FuSa）需求的 AI 運算架構，可應用於人形機器人與自主工業系統，協助提升營運穩定性與作業安全。

研華自有工廠驗證 AI Agent 應用成效

目前研華已於自身製造場域中，完成兩項基於 NVIDIA NemoClaw 的 AI Agent 驗證專案。其中，iEnergy Agent 可透過交叉比對生產排程、即時 Vision AI 畫面與 SCADA 系統數據，自主控制 HVAC 與照明設備，全面部署後預計可降低整體工廠約 10% 能源消耗。另一項 Production Line Efficiency Agent，則透過 Vision AI 即時蒐集產線數據，分析生產效率、偵測異常與瓶頸，並自動生成改善建議與班次報告。自導入約六個月以來，已成功提升產線生產效率達 12%。

展望未來，研華將持續深化與 NVIDIA 的長期合作，擴展 Edge AI 與加速運算產品布局，協助企業加速導入智慧製造、AOI 檢測、工業機器人、智慧倉儲、自主物流與數位孿生等 AI 應用場域，加速全球製造產業邁向更高效、智慧且永續的新世代工廠模式。

（本文訊息由 研華 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：研華）

以生成式 AI 驅動的醫學資訊平台 OpenEvidence，在美國醫界的採用速度已相當驚人。光是今年四月，約 65% 的美國醫師、橫跨近 2,700 萬次臨床接觸場合使用過它，換算下來，約有 65 萬名美國執業醫師正積極依賴這項服務。

哈佛醫療政策教授、美國麻州總醫院內科醫師 Anupam Jena 形容：「每個人都在使用它，它的成長是指數型的。」七個月前，這項工具在美國醫師之間的採用率還只有五成，如今已逼近三分之二，擴張之快前所未見。

COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

為醫生省下在舊系統裡徒勞翻找的時間

OpenEvidence 的核心是一個 AI 驅動的醫學搜尋引擎，能梳理龐大的醫學研究資料庫，針對臨床決策或用藥選擇給出建議，並附上同儕審查論文與臨床指引的連結。

Jena 分析自 2024 年以來累積的 9,000 萬筆查詢指出，所有搜尋中有六成與臨床決策直接相關，也就是醫師輸入特定病患的條件、疾病狀況，詢問最合適的治療方式。

Jena 說，外科醫師精通手術，但面對病患血壓或心跳偏高時，未必確定能否停用某種藥物，OpenEvidence 正好填補了這類「非本科訓練範圍」的縫隙。一名新罕布夏州的初階醫師就在病患血鉀驟降時，用 OpenEvidence 確認那只是常見的藥物副作用而非緊急狀況；南達科他州一位醫師則靠它判斷脊椎骨折該用 X 光還是電腦斷層確診。

掌管美國最大醫療系統、督導逾 2,500 名醫療人員的 Sanford Health 醫療長 Jeremy Cauwels 說，OpenEvidence是少數「極易上手」的工具，不僅免費，還可以在手機上順暢運作，回答問題的速度遠勝其他方法。

位於美國麻薩諸塞州波士頓布萊根婦女醫院的感染科醫師 Paul Sax 直言，OpenEvidence 根本是奇蹟，他指出傳統參考工具實證醫學資料庫 UpToDate，對於有具體情境問題的醫師而言難以精準搜尋；而 OpenEvidence 的搜尋「毫無摩擦」，因為大型語言模型讓使用者不必拼湊關鍵字，直接用問題本身發問即可。

準確度爭議依然存在，「邊緣案例」偶爾會出錯

不過光鮮的普及數字背後，準確度的爭議始終存在。OpenEvidence 大力宣傳它在美國醫師執照考試（USMLE）拿下 100% 準確度，然而一份去年十二月發表的學術研究卻發現，面對較複雜的醫學問題時，它的正確率不到 45%。

這兩個數字之間的巨大落差，提醒著使用者考試表現與真實臨床複雜度之間的鴻溝。

多數受訪醫師對它在一般問題上的高準確度感到意外，但也明確指出，它在罕見疾病或「邊緣案例」上偶爾會出錯或誇大。

不少醫師注意到，它有時會從樣本數極小的研究中導出過度強烈的結論。紐約市急診醫師 John Rozehnal 舉例，系統曾誤判某種藥物注射可能傷害病患肝臟，但實際上該風險極低，更可能的肇因是病患本身的酗酒，所幸數週後系統已修正了這個答案。

值得注意的是，即便出錯，它的偏誤也傾向於保守謹慎的一側。

隱私問題則是另一個模糊地帶。OpenEvidence 說自己符合美國的聯邦健康隱私法 HIPAA，醫療機構可以安全地把病患可被識別身分的健康資訊輸進去。但不是每家醫院都信這套，以 MaineHealth 為例，它就直接要求自家醫師別把病患的可識別資訊打進 OpenEvidence 裡。

部分受訪醫師坦言，他們在個人裝置上使用時會輸入病患的年齡、性別與病史，但避免輸入姓名等可識別身分的資訊。OpenEvidence 本身在服務條款中也說明，它旨在「輔助而非取代」醫師判斷，無意作為診斷服務或替代合格醫療人員的臨床判斷。

用了 OpenEvidence，醫療品質真的有變好嗎？

對資深醫師來說，用多年看診累積的經驗，讓他們有底氣去檢驗 AI 給的答案對不對。密西根大學內科醫師 Cornelius James 說，他清楚該怎麼問 OpenEvidence 才問得到重點，也懂得拿它的回答跟自己的經驗和直覺對照一遍，所以他並不擔心病患安全會出問題。

真正讓人擔心的，是還沒練出這種判斷力的菜鳥醫師和醫學生。NBC News 訪問的好幾位醫學生，都會用它來準備功課、討論病例。James 無奈地說，醫學院還沒教學生怎麼安全地用這類工具，但工具進步的速度又太快，讓人很不安。

另一方面，醫院還得面對「影子 AI」問題。西奈山醫療系統（Mount Sinai Health System）的 AI 負責人、腎臟科醫師 Girish Nadkarni 表示，醫院常常只看到冰山露出水面的那一角，但水面下，其實一大堆醫師都在用自己的裝置偷偷用 AI 工具。

不過，最關鍵的問題到現在還是沒人能回答：用了 OpenEvidence，醫療品質真的有變好嗎？

這工具紅起來的時間太短，幾乎沒有什麼嚴謹的研究真正去查它對病患結果到底有沒有幫助。對此，劍橋健康聯盟的健康資訊長 Hannah Galvin 等研究者，正試圖填補這道證據鴻溝，探究這些工具在不同族群中是否做出公平、有效、公正且安全的決策。

如何正確使用醫療 AI 工具應納入醫學院課綱

OpenEvidence 的普及速度，超過了過去任何一項醫療科技的前例。當一項工具能在不到兩年內讓近三分之二的美國醫師自願採用，「禁止」早已不是其中的選項。

真正該被認真討論的是如何建立一套安全使用的框架，包括什麼情境適合依賴它、什麼答案必須回頭查證、可識別的病患資訊該不該輸入，這些界線都需要明確的規範來劃定。

此外，資深醫師有經驗作為防線，但若年輕醫師從受訓之初就習慣讓工具代勞，那些原本該靠時間磨出來的判斷力恐怕還沒長成就先萎縮。

這意味著醫學教育必須同步跟上，把「如何批判性地使用 AI 工具」正式納入課程，教醫學生怎麼問對問題、怎麼辨識可疑的答案、怎麼在信任與查證之間拿捏，而不是任由他們自行摸索。

另外，OpenEvidence 目前靠廣告獲利，其中不乏藥廠與醫療器材公司的廣告。即便受訪醫師多半表示這些廣告不顯眼、甚至幾乎察覺不到，干預程度看似很低，但一個由藥廠資助、又直接介入醫師用藥決策的平台，本質上就潛藏著利益衝突。工具迭代更新太快，而人與制度必須努力追上。

【推薦閱讀】

◆ 開發「醫生版 ChatGPT」年收破億！OpenEvidence 如何成為 74 萬名醫師的 AI 入口？
◆ 【AI 讓醫生退化？】研究：使用 AI 的醫師，癌症偵測力下滑
◆ 【不能出錯的 AI】AI 醫療記錄技術崛起，新創 Freed 減輕醫生文書工作倦怠

＊本文開放合作夥伴轉載，參考資料：《NBC News》、《Gizmodo》，圖片來源：Unsplash

（責任編輯：鄒家彥）

絕大多數 IT 專業人士都希望擺脫枯燥乏味的工作任務，比方說執行自動化測試、加速軟體開發、降低程式碼錯誤率等，因此當 AI 代理橫空出世後，軟體業自然將其視為最強大的工具，希望借助人工智慧的力量，進一步提升個人與團隊的工作效率。

以工業物聯網（IIoT）技術、機器學習、AI 及雲端解決方案，為主要服務業務的美國企業 Waites 軟體長 Illia Smoliienko，近日分享該公司於開發、維護旗下產品時，運用 AI 代理的相關經驗，並深入分析在目前的企業環境中，究竟有哪些任務值得交給 AI 代理，而又有哪些工作仍然得由人類親自主導。

COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

AI 代理是「團隊夥伴」

在進入實際案例分析之前，Illia Smoliienko 首先釐清「大型語言模型（LLM）」與「人工智慧代理（AI agent）」之間的差別。

Illia Smoliienko 指出，如 ChatGPT、GitHub Copilot 之類的大型語言模型，已經成為企業開發團隊的標準工具；當今的 LLM 能夠協助開發者撰寫程式碼、解釋錯誤並生成各種文件。

然而，LLM 僅僅只會對提示詞做出回應，也就是由人類提出問題，接著交給人類評估答案輸出，最後依然是讓人類決定如何運用。因此在本質上，LLM 就像具備深度語境的智慧型「自動完成工具」，並無法達到「自主執行」。

有別於大型語言模型，Illia Smoliienko 強調，AI 代理不僅懂得生成程式碼與文字，原則上也能自主執行多種任務，比方說規劃動作序列、處理儲存庫、持續整合／交付（CI/CD）、跟 API 溝通、維護上下文，甚至是與其他 AI 代理及人類進行互動。

換句話說，在軟體開發流程上，通常 LLM 只會建議使用者如何修正錯誤，而 AI 代理則能建立程式分支、主動修改、執行測試，並且開啟 Pull Request 直接整合到工作流程之中，所以 AI 代理並不只是一個工具，更像是一位能夠積極參與軟體開發的團隊夥伴。

在哪些情境 AI 代理才有用？

根據 Gartner 分析師預測，在 2026 年結束之前，全球至少有超過 40% 的企業應用程式，包括 CRM、ERP、網路安全系統、分析工具、資料工具等，將內建 AI 代理程式，協助開發人員將重複性任務走向自動化。

只不過 Illia Smoliienko 指出，對於開發人員來說，人類不僅要了解 AI 代理能夠做什麼，更要明白在哪些情境下運用 AI 代理，才能真正提升軟體開發速度，同時兼顧品質和穩定性。

以 Waites 目前的實際使用經驗，Illia Smoliienko 提出 5 項 AI 代理得以發揮最大應用價值的面向，包括：原型設計、程式碼生成、軟體測試與品管、例行工程任務自動化，以及程式碼維護與重構。

快速打造原型，驗證商業構想

在原型設計方面，Illia Smoliienko 認為，導入 AI 代理後對開發團隊最大的影響，來自於有能力快速建立起示範專案。

舉例來說，Waites 近日接下了一個新專案，目標是開發出一款網頁應用程式，可以讓客戶在上傳工廠設備的照片後，自動生成該設備的完整結構圖。

Illia Smoliienko 說，在雲端 AI 開發平台 Replit Agent 的幫助下，團隊僅僅花費 2 到 3 個小時，便打造出了應用程式的原型。

即便該軟體於設計上仍有缺點，運作速度也稍顯遲緩，需要開發者進行後續的最佳化，但 AI 代理所給出的原型程式，已經是一個能夠實際運作的產品，並且足以向他人展示、驗證商業構想，令人印象十分深刻。

提供精確指令，投入正向測試

緊接著是程式碼生成方面，Illia Smoliienko 表示，過去需要花費數小時完成的任務，現在已經有一大部分可以交給 AI 代理直接處理，比方說為一組新的 API 端點編寫單元測試之類的重複性作業。

Illia Smoliienko 強調，操作 AI 代理生成程式碼的重點，主要在於讓 AI 適應專案的背景、架構及撰寫風格，同時人類也必須提供非常精確的指令，才有辦法讓 AI 生成的程式碼獲得最佳應用效果。

而在軟體測試與品管方面，Illia Smoliienko 指出，AI 代理能夠根據專案的需求或變動歷史，自動建立測試情境，接著於 CI 管道中主動執行、彙整報告。

當撰寫測試流程成為開發者的例行公事，Illia Smoliienko 強烈建議將這個步驟交給 AI 代理；根據他的估算，導入 AI 代理協助軟體測試後，至少能為資深開發人員節省 30% 到 50% 的時間。

不過 Illia Smoliienko 也提醒，假若開發者所撰寫的測試流程本身就太過劣質，那麼遵循流程的 AI 代理，其執行測試的品質自然也會變得糟糕。

另一方面，Illia Smoliienko 發現 AI 代理較為擅長執行「正向測試」，即驗證程式功能是否運作正常，至於需要找出錯誤的「負向測試」，他認為目前仍不應該完全交由 AI 代理全權處理。

取代例行性作業，注意 AI 限制

在例行工程任務自動化方面，Illia Smoliienko 表示，目前 Waites 團隊在工作流程中整合了 GitHub Copilot Agent，而他們不只是將程式碼審查與最佳化交給 AI 代理，也會透過 AI 嘗試將軟體從某一種程式語言，轉換為另一種程式語言，方便後續的整合開發。

此外，目前 Waites 也將修復文件更新過程中各種錯誤的例行性作業，交給整合到 VSCode 等 IDE 中的 AI 代理工具。

根據 Waites 的實際應用經驗，GitHub Copilot Agent 在 Node、TypeScript 和 JavaScript 程式語言方面的轉換成果十分出色，而 Python 表現尚可，至於 PHP 則是不盡理想。

Illia Smoliienko 解釋，在具備所謂「魔術方法（Magic Methods）」且沒有嚴格類型檢查的語言中，例如 PHP，AI 代理可能會誤判變數作用域，或假設變數會自動建立；而在為魔術方法生成簽章時，也可能發生錯誤，例如參數類型不正確，或者出現冗餘的迭代。

至於在 Go 或 C 這類嚴格檢查類型的程式語言中，Illia Smoliienko 說，大多數錯誤都跟回傳類型有關，例如改寫後的程式回傳了一個值而非指標，或是直接使用了錯誤的類型。

化身智慧檢查員，適時人為介入

最後在程式碼維護與重構上，現今的 AI 代理已經可以成為智慧檢查員，它們會分析程式碼庫，並識別出重複的程式碼片段、未使用的依賴項或潛在錯誤，然後自主建立包含建議變更的 Pull Request。

Illia Smoliienko 指出，就以最佳化程式碼作業來說，相較於 Claude 或 Codex Agent，以標準設定執行的 GitHub Copilot Agent，其表現確實較為遜色，然而無論選用哪個 AI 代理，某些錯誤依然需要人為介入修正。

此外，Illia Smoliienko 直言 AI 代理在正確處理套件之間的依賴關係方面，至今仍然面臨許多挑戰。比方說，當開發者要求 AI 代理挑選出既能與函式庫 A 在品質和依賴關係上完全相容，而且又是最新的安全版本函式庫 B 時，這類作業對於 AI 就具備著一定的難度。

法規標準仍存在，降低 AI 自主性

Illia Smoliienko 表示，AI 代理跟大型語言模型不同，由於它具備記憶能力，因此可以理解動作的處理順序，自主規劃步驟以達成使用者要求的目標，但若想要善用這項優勢，前提就是得讓 AI 代理適應團隊的工作流程。

換句話說，企業在導入 AI 代理後，首先得讓它「學習」專案結構、範本以及開發人員的習慣，唯有在完成這些學習後，才能讓 AI 代理投入獨立作業。

Illia Smoliienko 分析，對於小型公司或團體來說，透過 AI 代理把程式開發任務完全自動化，或許還有一些機會，可是在大型企業中，AI 代理的自主性就會變得十分有限，不可能實現完全自主運作。

Illia Smoliienko 解釋，原因在於大型企業組織通常都必須遵循資訊安全標準，以 Waites 來說就是 ISO/IEC 27001；根據該標準，任何內容若未經人工驗證，均不得投入生產環境，違反該規定就會導致認證失效，緊接著造成的影響，就是 B2B 客戶將不會再信任企業的資料處理能力。

因此 Illia Smoliienko 認為，儘管 AI 代理獲得外界大力吹捧，但它的本質卻脫離不了輔助工具，而不是真正的人類專家。

背後的人類管理者依然重要

Illia Smoliienko 直言，雖然 AI 代理可以整合到 IDE、CI/CD、程式碼儲存庫及品管系統之中，可是它始終只是團隊工作流程的一部分，並非完全獨立運作的實體。

在實務操作與法規限制下，Illia Smoliienko 深信，讓 AI 代理全自動掌管程式開發的一切流程，依然是遙遙無期的理想，至少現在每個 AI 代理的背後，仍舊需要一位實際的人類管理者。

【推薦閱讀】

◆ 停止錯誤 AI 專案才是企業欠缺的能力：MIT 揭落地規模化的三大關鍵領導角色
◆ AI 代理戰場轉移：超越模型智商軍備賽，Anthropic 卡位企業代理執行層
◆ AI 輸出結果總是差強人意，讓 AI 回覆品質真正提升的提示詞習慣是什麼？

＊本文開放合作夥伴轉載，參考資料：HackerNoon、Waites，首圖來源：Nano Banana 2

（責任編輯：鄒家彥）

COMPUTEX 2026 展會期間，NVIDIA 執行長黃仁勳在同步舉辦的 GTC Taipei 進行全球媒體問答。相較於前一天定調未來十年運算趨勢的主題演講，這場問答更像一場補充說明會，黃仁勳親自回應了 Vera CPU 對打 AMD、進軍筆電市場等問題。

黃仁勳：代理時代不是賣核心，而是賣 Token

現場有媒體提問，台灣科技生態系數十年來圍繞 x86 架構建立，而 Vera CPU 將以獨立產品形式出貨，NVIDIA 如何看待與 AMD 等老牌業者的競爭。

黃仁勳的回答點出一個商業模式層次的差異。他先表示，傳統超大規模 CPU 的思路是不斷堆疊核心數：「什麼比 100 核心的 CPU 更好？是 200 核心。什麼比 200 核心更好？是 400 核心⋯⋯我可以一直說下去，但那是舊的方法，那是給人類使用的。」

過去資料中心 CPU 的核心設計目標，是讓更多使用者同時存取系統，因此核心數量越多越好。但黃仁勳表示，Agent 的目標不是租用核心，而是盡可能快速完成工作。

他強調，「代理不想租用 CPU 核心，代理想要生成 Token。」因為對於 AI 工廠而言，可獲利單位是 Token 而非核心。這就是 Vera 不以核心數量為設計目標，轉而主攻單執行緒效能與低延遲的原因。黃仁勳形容，這可能是 25 年來都沒見過的單執行緒效能提升，目的是讓代理少等待，避免讓一旁昂貴的 GPU 空轉。

黃仁勳也否認了「搶市佔」的框架：「我們創造的每一個產品，在我們創造它的那一天，市場是 0 億美元。我們不是試圖從任何人那裡拿走任何東西。你為什麼要早上醒來去做別人做得那麼好的一件事呢？」

他強調，「6 個月前，這個市場並不存在」，也就是 AI 代理，並預言 Vera 的普及度將超越 NVIDIA GPU，因為 GPU 需要使用 Vera，再加上資料處理場景的需求，「這將非常難以被擊敗。」

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

為何在 AI 熱潮重返 PC 市場？黃仁勳：PC 是世界最大的邊緣設備

在昨日的演講中，黃仁勳宣布推出針對 AI PC 打造的全新晶片 RTX Spark，也讓外界好奇，當 AI 基礎設施需求持續爆發，NVIDIA 為何還要投入大量資源打造 RTX Spark、重新進軍 PC 市場？

黃仁勳在問答中回應，外界如果把 RTX Spark 單純理解為一款新筆電晶片，可能忽略了 NVIDIA 真正想解決的問題。他表示，自己每次主題演講都反覆強調同一件事：AI 不會只存在於雲端，而是會一路延伸到邊緣（Edge）：「每一個邊緣設備都將變得自主，每一個邊緣設備都將擁有代理系統。」

黃仁勳舉例，自駕車是最明顯的 AI Agent 平台，人形機器人也是如此。但除了這些新興設備之外，全球規模最大的邊緣運算設備其實是個人電腦。「你的個人電腦真的是世界上最大的邊緣設備，它已經 40 歲了，而且它必須為代理系統被重新發明。」

因此在 NVIDIA 的藍圖裡，RTX Spark 不只是 PC 晶片，而是 Agent 消費者的起點。未來 AI 將不只是透過瀏覽器連上雲端，而是長期駐留在本地設備之中，逐步理解使用者的工作流程、檔案內容與操作習慣。黃仁勳形容，未來的筆電更像是使用者的數位助理，而不是工具。

黃仁勳在最後強調，NVIDIA 並不是選擇進入 PC 市場，「真正的問題是，我們能做出貢獻嗎？如果我們不能做出貢獻，如果它是微不足道的貢獻，我們就不會做。」他強調 NVIDIA 的思考起點不是利潤，而是能否創造價值。

＊首圖來源：《TechOrange》拍攝。

淡江大學覺生紀念圖書館近期榮獲第三屆教育部「標竿圖書館獎」，評審肯定其導入全面品質管理、校際合作推動與發展AI技術以及卓越的數位服務流程，成為標竿典範。淡江大學資訊長石貴平教授指出，新世代學生的資訊獲取路徑已徹底改變，他們習慣對話式的即時滿足，而非傳統圖書館層層分類的檢索。因此，學校導入叡揚資訊 C.ai 對話式服務平台的考量不在於跟風科技，而在於解決「接觸率」與「即時性」這兩個最實際的服務痛點。

跨越數位與語言鴻溝：No/Low Code 賦能行政與國際化 

在將 AI 推廣至全校各行政單位時，資訊處面臨行政人員數位落差與教育訓練耗時的巨大挑戰。叡揚 C.ai 「簡易教學、容易上手」的特性成為最佳解方，行政人員不需懂程式與複雜設定，只需提供處室網址或上傳法規文件，機器人便能擁有正確知識，讓各處室能獨立維護專屬的 AI。此外，因應外籍生增加的趨勢，C.ai 提供完善的「多語系動態切換」架構，讓學生能一鍵切換中英文或由系統自動偵測語系。這不僅大幅降低跨單位的溝通成本，更確保在招生與報到旺季時，能以流利外語無縫服務國際學生，展現淡江的國際化實力。

終結圖書館焦慮：NLP 語意解析打造貼心「小書僮」 

此次獲獎的一大亮點為 AI 客服「小書僮」。傳統 FAQ 常讓不知如何提問的新生產生「圖書館焦慮」，而「AI 小書僮」因為導入自然語言處理（NLP）技術，突破傳統限制，能精準理解讀者的「語意」而非僅是匹配關鍵字 。例如，當學生詢問「半夜趕論文突然需要校外文獻怎麼辦」時，AI 能分析出背後「急需」與「館際合作」的需求，直接引導其使用「RapidILL 西文期刊快遞服務」的申請頁面。它降低專業服務門檻的深層痛點，並能自動串接後端系統完成研究小間預約，讓複雜的流程變得如聊天般簡單。

全方位生活秘書：從學務到住宿的 24 小時虛擬輔導員

為了讓 AI 成為學生的貼身生活秘書，淡江大學進一步規劃將智能對話服務延伸至充滿溫度但行政流程繁瑣的學務處。住宿組的應用是一大亮點，未來學生半夜若遇冷氣損壞或需申請寒暑假住宿，皆可直接透過 AI 查詢資格、費用並連動報修流程 。在課外活動與生活輔導方面，AI 能化身活動顧問，提供社團場地借用規則、經費核銷及弱勢助學金申請條件的即時引導。未來此服務更計畫涵蓋衛生保健組的傳染病防治與體檢資訊，讓 AI 真正成為全方位照顧學生食衣住行的虛擬輔導員。

分散維護與統一服務：建構永續進化的校務 AI 大腦 

要實現跨處室的全面導入並確保資訊準確，建立主動參與的知識維護機制是 AI 落地的成功關鍵 。淡江大學計畫建立全校性的「數據中台」，統一管理教務、學務、總務等各單位的知識庫與法規文件。在這種「分散維護、統一服務」的模式下，權限被下放給各業務單位的承辦人員。當校園法規變更時（例如教務處更新學則、總務處更新採購法），第一線窗口只需在後台更新文件，前端的 AI 智能機器人便會即時同步最新資訊，確保校務 AI 大腦永遠保持在最聰明、最準確的狀態。不僅於圖書館服務，透過打造校園專屬的 AI 助理，讓校內豐富的數位資源能像便利商店一樣 24 小時全年無休，成功打破時空限制，主動將資源送到師生手邊。

(本文訊息由叡揚資訊提供，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：叡揚資訊。）

過去在探討 AI 基礎設施的效能時，業界目光往往聚焦在處理器與記憶體的硬體規格上，但隨著運算規模呈爆發性成長，這個觀念正在發生典範轉移。Marvell 董事長暨執行長 Matt Murphy 在 COMPUTEX 2026 主題演講中，開頭就先破除這個傳統迷思，他表示：「當你將成千上萬、甚至未來數百萬個處理器結合在一起，作為一個龐大的運算引擎運作時，這種規模的運算本質上就是一個連線能力的挑戰，且連線能力的架構與特徵，將決定系統的效能。」

為了迎接這個以「資料移動」為核心的時代，Marvell 早在十年前便預見資料中心互連需求將大幅飆升的趨勢，因此大刀闊斧地展開戰略轉型。Matt Murphy 分享，十年前資料中心占 Marvell 營收不到 10%，但透過投入高達 225 億美元收購 Cavium 與 Inphi 等企業，再加上內部研發的鉅額投資，Marvell 已全面蛻變為專注於資料中心基礎設施的企業。如今，資料中心業務已占 Marvell 營收超過 75%，讓 Marvell 得以在接下來的 AI 基礎設施建置潮中佔據關鍵地位。

COMPUTEX 2026 現在進行中！

最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

突破「銅線之牆」，從跨資料中心傳輸到 CPO 的光學革命

奠基於十年來的技術積累，Marvell 現在正面臨並著手解決 AI 系統發展中最艱鉅的連線挑戰，那就是：如何克服從數百公里到幾毫米之間各種距離的傳輸限制？Matt Murphy 說明，Marvell 具備業界最完整的技術組合，涵蓋跨資料中心的同調調變技術、資料中心內部的 PAM4 模組與全新發表的 100T Teralynx 交換晶片，一路深入到機架內部的銅線傳輸，甚至囊括毫米等級的晶片對晶片先進封裝技術。

然而，即便擁有多元技術，硬體架構仍面臨無法迴避的物理極限。隨著傳輸頻寬的倍增，銅線的有效傳輸距離就會等比例減半。因此，當業界推進至 400G 傳輸時代時，傳統銅線將再也無法涵蓋整個機架的連線範圍。針對這樣的現象，Matt Murphy 強調：「『銅線之牆』即將移動，它會再次推移，並且將全面接管整個機架。」他表示，為了解決銅線帶來的功耗與密度問題，業界正全面轉向共同封裝光學（CPO）技術，將光纖直接連至運算或交換晶片旁的封裝內，大幅減少印刷電路板上的銅線佈線，這不僅宣告光學革命正式走入機架內部，更為大規模運算解開實體線材的束縛。

與 NVIDIA 執行長黃仁勳談光學未來

連線能力對次世代 AI 的重要性，不僅由 Marvell 大力提倡，更獲得 NVIDIA 的背書。NVIDIA 執行長黃仁勳特別現身演講，揭示未來 AI 應用將如何引爆龐大的網路需求。

黃仁勳指出，未來 AI 模型的運作將高度依賴「代理人」（Agents）模式，他解釋：「這是一種解耦合與分散式的特定運算模式，當你將運算問題分散到整個資料中心時，不可或缺的就是連線能力。」為了滿足雲端服務商打造異質分散式系統的強烈需求，NVIDIA 與 Marvell 透過 NVLink Fusion 展開深度合作，讓客製化晶片也能融合兩家公司的頂尖技術。

在探討未來機架內將由銅線還是光學介質主導時，黃仁勳直言：「我們應該盡可能長久地使用銅線，但銅線有其極限，你必須在非用不可的地方使用光學連線，在所有可以用的地方使用銅線。」雙方一致認同，這兩種傳輸方式將在未來很長一段時間內共同並存，為 AI 資料中心創造出最大的系統效益。

光學連線打破距離限制，AI 資料中心邁向資源池化時代

儘管有了前瞻的技術藍圖與晶片巨頭的合作，若要將這些極度複雜的光學與先進封裝技術大規模落地，還必須仰賴強大的製造生態系，而這正是台灣半導體產業無可取代的強項。在演講中，Matt Murphy 也與日月光營運長吳田玉對談，「台灣公司總是提前十年進行基礎設施與產能的投資，我們現在正忙著為你們準備產能，」吳田玉強調，日月光早在十年前便看好 Marvell 對於次世代架構的洞察力並展開密切合作。

結合頂尖的連線技術、AI 巨頭的算力架構以及強大的台灣製造後盾，未來的 AI 基礎設施將迎來前所未有的自由度。Matt Murphy 強調，當資料中心全面採用光學連線後，過去因銅線傳輸而受限的實體距離邊界將不復存在。這也代表，AI 系統的連線規模將突破既有極限，能夠從數百台 GPU 躍升至上千台甚至更龐大規模的無縫串聯。更重要的是，未來的 AI 伺服器將走向完全解耦合的動態資源池化（Resource Pooling）架構，讓處理器與記憶體不再受限於主機板上的固定比例，而是能根據每個模型獨特的工作負載需求進行動態調配。

談到未來資料中心的終極樣貌，Matt Murphy 形容：「運算資源可以被池化，記憶體可以被池化，基礎設施可以根據規模動態組成，這是第一次，架構師能夠開始圍繞著模型的需求來設計 AI 系統，而不是受限於網路的限制。」這個打破距離限制的運算新紀元，將是推動下一波 AI 大躍進的核心關鍵。

（圖片來源：科技報橘）

孩子的下一個競爭對手，是會用 AI 的同學

幾年後，我們的孩子要競爭的對象，恐怕不是比較聰明或家裡比較有資源的同學，而是很會用 AI 的同學。

這不是危言聳聽。當一個人能熟練指揮 AI 完成工作，他的產出是不會用 AI 的人的數倍以上。差距不再是努力就能追上，而是結構性的落差。努力練習射箭，比不上會用槍的人。努力練習騎術，比不上會開車的人。努力寫程式的人，比不上會用 AI 寫程式的人。我們都知道，會用 AI 的人會取代不會用 AI 的人。

問題是：我們的孩子能從現在的學校裡，學會使用 AI 嗎？

絕大多數家長的答案是不知道。這不是任何人的錯，更不是老師的錯。但要把這件事看清楚，我們得先面對現實，分幾個層次往下討論：

首先，孩子的 AI 能力好不好，主要取決有沒有好的 AI 老師，老師有沒有足夠的時間和資源教會孩子 AI，取決於我們給了老師什麼樣的客觀條件來成為具有 AI 能力的 AI 老師，而這個客觀條件，取決於國家有沒有把錢花老師身上，全力推動老師成為 AI 老師。於是真正該進一步追問的問題，是我們有沒有給老師成為一位好 AI 老師該有的條件？因為孩子能走多遠，取決於老師能走多遠。

AI 能力是練出來的，不是教出來的

AI 能力和游泳、開車、寫程式一樣，都是練出來的，不是聽別人上課或看 Youtube 就能學會。這意味著兩件事必須同時到位。

第一件事，老師需要的不是研習，而是持續的、可實作的 AI 環境。真正能用、不必擔心資料外洩、可以反覆嘗試的工具，以及老師目前最稀缺的資源：時間。一場兩小時的研習講座，不可能讓任何老師成為 AI 老師，讓孩子成為成為 AI 人才。

第二件事，孩子需要的不是 AI 內容，也是可實作的 AI 練習場。看影片、讀課本學不會用 AI，就像看游泳影片學不會游泳。孩子必須真的動手，在引導下反覆與 AI 互動、犯錯、修正。

這或許正是台灣教育目前最大的盲點：我們習慣了把灌輸課程「內容」當成了培養「能力」。

學習韓國花了百億換來的一堂昂貴的教訓

在檢視台灣之前，我們可以先看韓國。

韓國前政府投入超過百億台幣，推動「AI 數位教科書」，要求多家出版社投入研發，要讓 AI 進入數學、英語、資訊等核心課程。結果為了趕在 2025 年 3 月上線，教育部取消了原本完整的試點，僅用現場適用性審查替代。系統上線後診斷頻頻出錯、當機、與校內軟體不相容，反而加重老師負擔。最後的數字觸目驚心：超過八成的試點教師放棄使用，把它稱為昂貴的數位化廢紙，近九成教師反映在使用時缺乏必要的準備與支持。

2025 年，韓國國會修法把 AI 數位教科書從「教科書」降級為「教學資料」，由中央指定改為各校自選，採用率從 37% 腰斬到 19%，新政府上台後計畫正式廢止，巨額投入閒置。原因不複雜：他們買了「AI 內容」，卻沒有建立「AI 能力」——沒有重新訓練老師、沒有重新設計教學現場、沒有改變評量方式，只是把新工具塞進舊體制。

但 AI 教育其實不是教育部自己的事，而是每一個家長都該看懂的預算問題。因為預算怎麼編，最後就會決定孩子在教室裡到底有沒有真正練習 AI 的機會。

「AI 人才方舟計畫」方向是對的，但方案是對的嗎？

教育部在 5 月 22 日端出「AI 人才方舟計畫」，規劃 2026 到 2029 年四年共投入約 117 億的預算。值得肯定的是，這項計劃確實提出了師生都該具備的四項關鍵能力，其中包括「AI 無法取代的能力」。方向是對的，但我們可以看一下這個計劃的方案，把錢花在哪裡？

把報導的年編列數字乘以四年，各子計畫的預算結構大致如下（依公開報導推估，實際分年配置可能與官方核定版本有出入）：

子計畫	年編列	四年估算	佔比
數位教學支持與輔導	16 億	64 億	約 54%
數位內容充實	10 億	40 億	約 34%
新一代 AI 學習系統研發	1.5 億	6 億	約 5%
教育大數據分析	0.7 億	2.8 億	約 2.4%
科技領域 AI 素養強化	0.65 億	2.6 億	約 2.2%
智慧教育師培聯盟	0.6 億	2.4 億	約 2%
合計	約 29 億	約 117 億	100%

這個方案和計劃方向產生兩個落差和兩個誤差：

第一個落差：錢的去向與 AI 人才名目對不上。 近 88% 的預算集中在「數位教學支持與輔導」（54%）與「數位內容充實」（34%）兩項。按教育部自己的說明，這兩項本質是補助地方政府用於軟體更新、系統建置、數位教材開發，以及補助地方「數位學習辦公室」的運作費用與教學軟體採購——應該是上一階段「生生用平板」200 億計畫的軟體續命與汰換。最大的兩筆錢，看起來買的是內容採購與設備維運。

第二個落差：真正能稱為「AI 能力建構」的，佔比極小。 唯一的核心技術項目「新一代 AI 學習系統研發」（AI 助教與家教）只有約 5%。就算把研發、AI 素養強化、師培聯盟三項可明確識別為「能力養成」的預算全部加總也不到一成。名為「AI 人才方舟」，九成資源卻是數位內容與基礎設施的延續性支出，不到一成投向 AI 能力本身。

第一個誤差：那筆過半的 64 億「數位教學支持與輔導」，這筆全計畫最大的預算，把「地方辦公室運作費用」「教學軟體採購」「系統建置」與「教師現場支持」綁在同一個科目裡，我們分不清有多少真的進到老師的能力上。所以該問的不是金額多寡，而是：這 64 億裡，有多少是行政維運與軟體採購，有多少是真正讓老師練習 AI、重新定義教師的角色？這筆錢不應被籠統稱為「教師支持」。教育部必須清楚拆分：多少是地方辦公室行政維運？多少是教學軟體採購？多少是系統建置？多少是真正進到老師的 AI 實作時數、課程共備、減課支援與現場教練？因為對教師的支持，正是我們發展下一代 AI 能力最關鍵的要素。

第二個誤差：AI 教育現場最重要的是師資，尤其是投資在教師身上的 AI 師培，整體預算卻只準備 2% 在「師培聯盟」上。重採購、輕能力，因為內容與軟體可外包、可計量，而師資能力與課程轉型難量化、難驗收，於是被擠到角落。這正好是韓國剛剛才走過的那條路。

這份預算方案的主要問題，是把「數位化的尾巴」當成「AI 化的起頭」。

問題的根源：用工業時代的組織，想像 AI 時代的教育

我們不應該責怪教育部，但需要深究：為什麼一份計畫會本能地把錢花在採購、而非能力上？

因為我們還在用工業時代的組織想像來面對 AI 時代。工業時代的組織是職位階層（Hierarchy）：靠人數規模、層層上報、標準流程運轉，所以治理的直覺就是「買多少台、發多少套、辦多少場」。但 AI 時代的高效組織是少數人指揮大量 AI，靠系統擴張而非人力堆疊。在這種組織裡，有兩種人最有價值：

• 能指揮 AI 的人：懂得調度、整合、監督一整組 AI 與人力協作，讓系統跑起來。
• AI 取代不了的人：處理 AI 應付不了的高風險、模糊、需要價值判斷的負責任的人。

我們要培養的下一代，不是「會被 AI 取代的人」，是「會指揮 AI 的人」與「AI 取代不了的人」。 前者要會調度，後者要有判斷力、價值觀與跨領域整合的能力。而這兩種人，都不可能靠「買內容」教出來——只能靠跟上 AI 時代的老師，帶著孩子在真實的 AI 練習裡長出來。

準備足夠的錢，優先花在老師和孩子身上

如果方向是「建能力」而非「買內容」，預算框架就必須整個翻轉。我主張一個簡單的原則：準備足夠的錢，優先花在老師和孩子身上。

第一，投資在老師身上，而且是真投資。不是辦更多研習，而是給老師真正的條件：可實作的工具環境、足夠的練習時間，重新定義老師角色的空間與制度誘因。未來的老師不是單純的知識的傳遞者，而是孩子 AI 學習旅程上的引導者與判斷力的示範者。

第二，投資在孩子的練習場上。 讓每個孩子都有安全、可反覆操作的 AI 練習環境，以及引導他們動手的課程設計。重點是動手的次數，不是教材的厚度。

第三，把「能力」設為驗收標準，而非「採購完成」。 過去的計畫，錢花完、東西買齊就算結案。新的框架必須反過來：驗收的是老師會不會用、孩子能不能做出來，是能力與經驗的成長。

這三件事的順序不能顛倒。先有會 AI 的老師，才有會 AI 的孩子。能把能力建在人身上，系統與內容才有意義。

人才方舟不能只是一個專案，是國家級的 AI 教育基礎建設

我們願意為半導體、電力、資料中心、國防與交通，一次投入數千億的特別預算，因為我們知道那是國力的基礎設施。但我們似乎還沒深刻意識到：下一代會不會用 AI、會不會判斷 AI、能不能用 AI 創造，才是我們AI 基礎建設中最重要的基礎建設。

如果 AI 教育只是教育部年度預算裡的一個專案，它就會永遠被當成數位學習的延伸來編、來審、來驗收，最後變成買多少內容、辦多少研習、衝多少登入率。但若我們把它看成國家級的人才基礎建設，評估的尺度就完全不同：它要留下 AI 能力圖譜、資料治理、課程體系、師資制度與評量標準這些長期資產。

AI 教育不能用數位內容採購案的規模來編，也不能用平台使用率來驗收。 它的規模，應該對齊國家基礎建設；它的成效，應該對齊下一代的能力。因此，立法院至少應要求教育部回答三件事：

第一，117 億中到底有多少直接用於教師 AI 能力養成？

第二，每一位老師每學期能獲得多少實作時數與現場支持？

第三，孩子的 AI 能力要如何被評量，是看登入率、教材數，還是看他能不能用 AI 完成研究、寫作、設計、程式與問題解決、專案發展與團隊合作的能力？

我們正站在一個不可逆的奇點上。孩子未來要面對的世界，會用 AI 與不會用 AI 的人之間的差距只會越拉越大，AI 落差不會只是數位落差，更是我們下一代和其他國家競爭力的差異來源。我們要給孩子的不是一套教材，而是會用 AI 、會教 AI 的老師，一個孩子能夠善用 AI 的未來。

＊圖片來源：AI 工具生成

《紐約時報》報導，開發聊天機器人 Claude 的 AI 公司 Anthropic，已向美國證券交易委員會祕密遞交 IPO 草案文件，可能在華爾街出現數十年難得一見的投資熱潮。隨著這項申請曝光，Anthropic 預計將成為今年三家備受矚目的潛在上市公司之一，另外兩家分別是火箭公司 SpaceX，以及在 2022 年以 ChatGPT 引爆 AI 浪潮的 OpenAI。

OpenAI、Anthropic 搶上市！AI 雙雄 IPO 大戰升溫

《紐約時報》指出，這些 IPO 若順利完成，可能成為史上規模最大的幾宗交易之一，帶動龐大的投資潮與員工財富增長，甚至誕生世界首位兆美元富豪：持有約 50% SpaceX 股份的馬斯克。這波上市潮也可能為非營利領域帶來可觀資金，因為 Anthropic 與 OpenAI 都已承諾將相當比例的股份投入慈善用途。SpaceX 預計將於本月進行 IPO，而 OpenAI 則準備在未來幾週內遞交申請。

IPO 申請也進一步升高 Anthropic 與 OpenAI 之間的競爭。上週，Anthropic 在新一輪融資中超越 OpenAI，成為全球估值最高的 AI 新創公司，募得 650 億美元，使其在新資金注入前的估值達 9000 億美元，而 OpenAI 最新估值則為 7300 億美元。Anthropic 在聲明中表示，此次申請「讓我們在完成美國證券交易委員會（SEC）審查後，擁有上市的選擇權」，但未透露 IPO 的具體時間與規模，將視市場條件等因素而定。隨著提交申請，公司最快可能在今年秋季上市。

為赴美上市企業提供顧問服務的 Issuer Network 創辦人 Patrick Healy 指出，市場資金有限，在多家重量級企業接連上市的情況下，投資人資金勢必有所取捨。他認為，預計率先掛牌的 SpaceX 將吸引大量資金，而愈晚上市的企業，面臨的競爭壓力也可能愈大。對 Anthropic 而言，上市時機尤其重要。若 OpenAI 搶先掛牌後市場反應不如預期，可能影響投資人對整體 AI 產業的信心，進而迫使 Anthropic 延後上市計畫，甚至調整募資規模。

《華爾街日報》舉例，類似情況曾發生在 2019 年。當時叫車平台 Lyft 與 Uber 相繼上市，率先掛牌的 Lyft 表現不如市場預期，股價走弱，也為兩個月後上市的 Uber 投下陰影。Uber 不僅下修目標估值，掛牌後股價仍出現下跌，即使當時整體科技股市場表現不差。不過，搶先上市同樣存在風險。對於新興產業而言，由於缺乏可供參考的市場經驗與獲利模式，投資人往往需要時間評估企業的真正價值，因此首家上市公司更容易面臨市場觀望與質疑。

Facebook（現為 Meta）便是典型案例。2012 年上市後三個月內，股價一度跌逾五成，市場普遍擔憂其無法順利從電腦端廣告轉向行動廣告市場。然而，隨著公司證明自身獲利能力，投資人信心逐漸回升，股價也展開長期成長。在此期間，許多原本計畫上市的科技公司，包括 Twitter，都選擇暫緩掛牌。《華爾街日報》分析，率先上市仍具備明顯優勢，企業能透過 IPO 募集資金，並讓員工持股變現，提高人才留任意願。正因如此，OpenAI 與 Anthropic 都有動力加快上市腳步，外界預期兩家公司都有望在今年完成 IPO。

程式碼生成業務帶動成長，Anthropic 加速推進 IPO

《紐約時報》提及，在三家競逐上市的公司中，Anthropic 是最年輕、成長速度也最快的一家，主要動力來自其能自動生成程式碼的 AI 工具。上週，Anthropic 表示其營收運行率（以當前表現推估的全年營收）已在 5 月突破 470 億美元，但目前仍未確認是否已達獲利狀態。Info-Tech Research Group 科技顧問公司董事 Shashi Bellamkonda 表示：「專注於程式碼生成，是這次 IPO 文件最值得注意的地方。Anthropic 並沒有試圖做所有事情，它沒有瀏覽器、沒有影像生成，也沒有電商功能。正是這種專注，使其達到 470 億美元的營收規模。」

近期，Anthropic 與美國政府的關係出現變化，主因是公司推出名為 Mythos 的強大模型，可用於偵測和修補軟體系統中的安全漏洞。Anthropic 執行長 Dario Amodei 曾造訪白宮，因美國情報機構正在評估 Mythos 的運作與影響。相較 OpenAI 與 Google DeepMind 等 AI 實驗室的產品線更為多元，涵蓋 AI 瀏覽器、商務工具與影像生成應用；Anthropic 則持續聚焦於程式開發與企業市場。

這種策略在去年秋季開始顯現成效。Anthropic 推出 Claude Opus 4.5，將其形容為 AI 能力的重要突破，特別強化程式碼生成能力。隨著使用量快速成長與企業客戶付費增加，公司營收也隨之攀升。投資機構 Altimeter Capital 創辦人 Brad Gerstner 表示：「Claude 的最新進展，推動了全球最嚴苛客戶的大規模採用。」

長期以來，Anthropic 一直受到資本市場高度關注，投資者包括 Menlo Ventures、Greenoaks Capital、Coatue、XN 等創投機構，以及 Amazon、Google、Samsung、Micron、SK Hynix 等科技企業。公司募得的大量資金，主要用於支應不斷攀升的算力成本。在 AI 需求快速擴張之下，運算資源已成為稀缺關鍵。Dario Amodei 表示，公司面臨「前所未有的需求」，因此必須持續向 Microsoft、Amazon 與 Google 等業者採購算力，以維持服務運作。

在競爭方面，Anthropic 也面臨來自多方壓力。OpenAI 已將重心轉向程式碼產品 Codex；馬斯克也同意與 AI coding 新創 Cursor 合作，並可能進一步收購；Google 與 Microsoft 持續強化面向開發者的 AI 工具。但 SpaceX 同時也是 Anthropic 的合作夥伴之一，Anthropic 近期宣布，已取得 SpaceX 位於孟菲斯的 Colossus 1 資料中心全部算力資源，讓其能使用超過 22 萬顆 AI 晶片，進一步開啟雙方在太空建置 AI 資料中心的合作想像。

＊本文開放合作夥伴轉載，資料來源：《紐約時報》、《華爾街日報》，圖片來源：Anthropic。

全球通訊與運算技術領先企業高通技術公司（Qualcomm Technologies, Inc.）與工業運算領先企業 NEXCOM 新漢集團旗下創博股份有限公司（NEXCOM Robotic Solutions, NexCOBOT Co., Ltd.）（8234）今日於 COMPUTEX 2026 宣布合作意向，將共同加速新一代機器人解決方案的開發。此次合作旨在結合高通技術公司在高效能邊緣運算的領先地位，以及新漢在機器人功能安全與運動控制方面的深厚專業，共同開發專為具身AI機器人打造的關鍵技術平台，以加速全球量產時程。

想看更多 COMPUTEX 動態？最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

新一代 AI 控制板：整合 Qualcomm Dragonwing™ IQ10 系列與 NEXCOM 新漢集團旗下創博股份有限公司的即時控制與功能安全軟體堆疊

高通技術公司將智慧機器人視為實體AI應用的關鍵實踐平台。為滿足此需求，高通技術公司推出專為工業具身 AI 機器人設計的 Dragonwing IQ10 系列處理器。Dragonwing IQ10 系列具備高效能、低功耗及多感測器整合能力，可支援人形機器人、具身機器人、自主移動機器人（AMR，Autonomous Mobile Robot），及服務型機器人等應用。透過結合 Dragonwing IQ10 系列與新漢的即時運動控制及功能安全技術，雙方正評估推出「新一代 AI 控制板」。此解決方案預期可將高通技術公司的尖端 AI 運算能力與新漢專精的機器人控制技術無縫整合，為機器人產業提供兼具三大核心特性的AI控制器，包括即時就緒（Real-Time Ready）、EtherCAT 就緒（EtherCAT Ready）及功能安全就緒（Functional Safety Ready）。

聚焦高階垂直應用與人形機器人市場

新漢與高通技術公司預計聚焦需要高度 AI 運算能力與嚴格安全標準的智慧應用領域，包括智慧製造、自主移動機器人（AMR）以及各類高階垂直機器人應用。透過提供「開箱即用」的高效能AI機器人解決方案，雙方合作有望協助開發者大幅縮短研發週期並加速產品上市，尤其聚焦於快速成長的人形機器人市場。

高通技術公司副總裁暨 ADAS 與機器人部門總經理Anshuman Saxena表示：「機器人正逐漸成為邊緣AI中技術要求最嚴苛的應用之一，需要高效能運算、即時控制與功能安全的無縫整合。透過與新漢的合作，我們期望結合裝置上 AI 與先進的控制及安全技術，協助加速具身 AI 機器人的開發與商業化。」

新漢董事長林茂昌則表示：「新漢旗下創博深耕機器人核心運動控制技術多年，並提供自主研發、符合國際標準的功能安全機器人控制器，我們在 2024 年已取得德國萊因功能安全認證（TÜV Rheinland），成為業界少數以模組化平台取得機器人功能安全認證的公司之一。透過此次與高通技術公司的強強聯手，我們期望成為全球人形機器人開發商首選的核心元件供應商，並攜手在邊緣AI市場建立領先地位。」

關於 NEXCOM 新漢集團

NEXCOM 新漢集團（股票代號 8234）成立於 1992 年，在不同垂直產業領域提供工業運算平台硬體製造服務，並整合公司內部多元的軟硬體技術，深耕於工業物聯、智慧製造、智慧交通、智慧醫療、高速運算以及網通先進科技的研發與實踐，提供客戶高品質的產品與服務，協助建構日新月異的網路基礎建設、邊緣智能 AI 高速運算平台 與 智能化營運的數位工廠，各事業單位以領先技術及方案分進合擊、目標成為全球知名的 AIoT 數位轉型創新創業集團。

（本文訊息由 NEXCOM 新漢集團提供，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 新漢集團）