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）

隨著 AI 技術發展從模型訓練邁向大規模商業應用，企業面臨的挑戰已逐漸轉移至「如何讓 AI 基礎建設（Infrastructure）快速且穩定地落地」。在 COMPUTEX 2026 展會上，技嘉、英業達與緯穎的展示，剛好對應 AI 基礎建設落地的三個難題：資料中心如何縮短建置時間、系統廠如何從單機伺服器走向整機櫃整合，以及當算力集群持續放大，光互連如何成為突破頻寬與功耗瓶頸的新選項。

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

技嘉把 AI 資料中心貨櫃化，讓部署週期從 7 年壓到 2 年

要讓 AI 順利落地，首要問題之一是實體基礎建設的建置效率。技嘉今年以「Future Landing」為展區主題，對應企業在建置 AI 算力時面臨的時程壓力。技嘉表示，AI 部署的速度已經成為 AI 發展的關鍵競爭力，產業及市場真正需要的 AI 基礎建設，不僅取決於硬體效能及運作效率，更在於是否能快速建置、交付，並在落地後可即插即用投入運作。

因此，面對當前 AI 資料中心建置週期長、導入門檻高等挑戰，技嘉展出 GADU（GIGABYTE Accelerated Deployment Unit）模組化貨櫃資料中心，將水、電、網路、散熱與運算設備預先整合於貨櫃中。技嘉表示，若場地、電力與網路條件已具備，企業可藉此減少從零規劃機房的時間成本，將過往可能長達 5 到 7 年的部署週期，縮短至約 1 到 2 年。 

除了硬體就緒，軟硬整合更是長期維運關鍵。在實體建置前，企業可運用 NVIDIA Omniverse 平台進行數位孿生模擬，預先完成電力與散熱的最佳化配置。在建置完成後，技嘉自研的 GPM（GIGABYTE POD Manager）管理平台將發揮雙重作用：不僅能即時監控溫濕度等環境指標，還能將龐大的算力動態切割、精準分配給不同的 AI 專案與客戶，提高資源使用效率。

從整機櫃到邊緣 AI，英業達把 AI Factory 延伸進製造現場

如何針對不同產業需求提供彈性架構，並將 AI 價值延伸至第一線廠房，成為今年英業達的展示核心。在硬體佈局上，英業達除了展出搭載 AMD、Intel 及 NVIDIA 解決方案的多元 AI 伺服器，更強調整機櫃（Rack-level）的高度客製化設計能力，能依據專案需求提供涵蓋 CPU、交換器（Switch）與電源的完整配置。

這樣的布局也延伸到 AI 應用展示區。英業達這次展出 Thermal Agent，讓工程師能以自然語言生成熱流模擬方案，預測熱點分布與氣流路徑，降低伺服器散熱設計反覆試錯的成本。在製造場域，iTwin 雙臂協作機器手臂與 iUGV 巡檢機器狗，則凸顯 AI 落地產線後，低延遲邊緣運算、即時決策與工安防護的重要性。搭配具備功能安全島機制的 Atlas 邊緣 AI 伺服器，以及自研 Observation Agent 視覺模型，英業達試圖將 AI 基礎設施從雲端算力，推進到產線檢測、自主導航與人機協作等實體應用。

緯穎聯手生態系夥伴，推動 CPO 走向商用落地

隨著 AI 應用規模不斷擴大，算力集群對頻寬與電力密度的需求急遽攀升，傳統銅纜逐漸逼近物理極限，成為算力擴充的巨大瓶頸。這也代表，當 AI 集群規模持續擴大，資料在晶片、交換器與機櫃之間移動的成本，正在成為和晶片算力同樣重要的基礎設施瓶頸。

瞄準這項痛點，緯穎今年聚焦「光電融合」，聯手生態系夥伴展示共同封裝光學（CPO）光互連技術，將光學 I/O 與 AI ASIC 整合，以降低系統功耗與訊號損耗。為了加速 CPO 的商業導入，緯穎則透過與生態系夥伴的深度合作，加速技術整合。在架構整合上，緯穎與 Ayar Labs 合作，將領先的光學引擎與 ELSFP 專用液冷光源模組整合至機櫃中，確保雷射輸出的持續穩定性。同時，緯穎在晶片設計初期便與創意電子（GUC）介接，提前考量光學 I/O、電源供應與散熱設計，大幅降低系統整合複雜度。

當企業 AI 從模型試用走向大規模部署，競爭焦點也從單一算力規格，轉向建置速度、系統整合、能源與散熱效率，以及算力能否真正進入產業現場。從技嘉、英業達到緯穎今年在 COMPUTEX 的展示可以看出，台灣系統廠的角色正在升級：不只是單純的 AI 伺服器供應商，而是開始參與定義 AI Factory 如何被建置、維運，並轉化為可商業化的基礎設施。 

（圖片來源：科技報橘）

過去，網路安全領域的攻防戰一直依賴人類的智力較量，但如今這場競賽的本質已經發生劇變，AI 已經同時存在於攻擊與防禦的兩端。在這個歷史轉折點上，全球領先的 AI 公司 Anthropic 與趨勢科技旗下全球企業 AI 資安領導品牌 TrendAI™ 展開深度合作，TrendAI 正式受邀加入 Anthropic 極具指標性的「Project Glasswing」計畫。這場合作不僅促成了網路安全防禦模式的典範轉移，更進一步鞏固台灣在全球 AI 供應鏈中的戰略地位。

透過 Project Glasswing 實現「以 AI 防禦 AI」

今年 Anthropic 所開發的先進 AI 模型 Claude Mythos Preview 對整個資安產業投下震撼彈。數位發展部部長林宜敬表示，這個強大的 AI 模型能在極短時間內發現數千個高風險的資安漏洞，甚至能快速串聯漏洞並產生攻擊指令。現實是殘酷的，惡意攻擊者絕對不會乖乖等待許可，才去使用這些先進工具。因此，防禦方必須搶占先機。

這正是 Anthropic 啟動「Project Glasswing」計畫的核心理念：在向大眾廣泛公開 Claude Mythos Preview 這一類強大模型之前，先將其交給具備深厚領域知識的防禦者。Anthropic 合作夥伴負責人 Rob Bair 解釋此舉的戰略意義：「我們需要盡早將技術交給值得信賴的防禦者，以盡可能降低攻擊發生後的波及範圍。」

AI 資安的真正戰場：不是找出更多漏洞，而是更快完成修補

然而，快速發現漏洞只是防禦的第一步。趨勢科技執行長暨共同創辦人陳怡樺一語道破當前資安界最大的挑戰：「資安的問題不是你能夠發現多少漏洞，而是你有沒有辦法修補。」

過去的漏洞處理流程耗時冗長。「我們通常即使知道漏洞後，也要至少三個月以上才能完成揭露流程，可是現在整個時間正在大幅壓縮，我們必須把這整個過程變成在幾分鐘之內做完，」陳怡樺強調。引入 AI 後，這場防禦戰正式演變為「速度革命」。未來，TrendAI™ 不僅會運用 Anthropic 的先進模型來強化程式碼分析，更會把 AI「找出漏洞」的強大能力轉化為實際的防禦行動。也就是說，AI 將協助資安人員快速研判哪些漏洞最致命、該優先處理，並與軟體供應商合作解決問題，最終再結合趨勢科技的虛擬修補技術，為企業實際降低可量化的資安風險。

不過，單純擁有強大的 AI 模型，並不等同於擁有完善的防禦力。Rob Bair 點出科技大廠與資安專家的關鍵差異：「模型並不了解你的網路，也沒有花費數十年的時間來研究對手實際上是如何行動的。」因此，趨勢科技多年來累積對客戶獨特環境的深入了解，就成為最大護城河。針對許多無法輕易停機更新的工業控制設備，趨勢科技能利用 AI 結合領域知識，實施「虛擬修補（Virtual Patch）」。這種針對獨特網路環境進行客製化風險評估，並於前端直接攔截攻擊的能力，正是下一波 AI 在資安領域的真正價值所在。

守護全球 AI 命脈，鞏固台灣資安防線

在這次的跨國合作中，台灣的關鍵戰略地位更是重中之重。身為全球 AI 硬體製造的超級強權，台灣掌握全球 AI 基礎設施中極為關鍵的硬體製造與供應鏈環節。如今，TrendAI™ 帶著深厚的防禦經驗加入不斷壯大的 Project Glasswing 計畫，不僅補足地緣科技防禦的缺口，雙方更將共同探索前沿的先進 AI 模型如何支援資安防禦工作，藉此大幅提升關鍵軟體基礎設施的安全性。

為了進一步落實這股世界級的防禦力量，趨勢科技也宣布啟動「Trend AI Inception Program」。這項專屬計畫目的是為台灣的 AI 新創公司與關鍵基礎設施，提供最前沿的 AI 防護方案與漏洞修補支援，期待能全面鞏固台灣這座「AI 基礎設施重鎮」，確保全世界 AI 產業供應鏈命脈的安全。

未來的資安防禦，將不再只是單純軟體系統的疊加，而是由具備技術、經驗，且能負責任地運用強大工具的防禦者所改寫。「最重要的是了解在你的環境當中，你的風險跟緩解措施如何平衡，」如同陳怡樺所強調，在這場人機協同的資安攻防競賽中，建立一個更快速且高度客製化的防禦生態系相當重要，這不僅是下一世代網路安全的發展方向，更是保障數位世界與全球關鍵基礎設施安全的關鍵解方。

（圖片來源：科技報橘）

在全球 AI 算力軍備競賽白熱化之際，NVIDIA 執行長黃仁勳近日親赴韓國，達成一系列的戰略結盟，合作對象涵蓋半導體巨頭 SK 海力士（SK Hynix）、網路巨頭 NAVER，並延伸至電信與重工業的領頭羊 SK Telecom 及斗山集團（Doosan）。

這場被視為 NVIDIA 深化韓國科技圈布局的關鍵行動，主要圍繞兩大核心：其一是與 SK 海力士深化多年技術同盟，築起下一代記憶體產能的護城河；其二則是讓 NAVER 以 NVIDIA 平台為底座，全面擴張主權 AI 基礎設施版圖。

SK 海力士與 NVIDIA 簽下多年合作，下一代記憶體成 AI Factory 關鍵底座

為支援全球 AI Factory 的加速建設，NVIDIA 與 SK 海力士宣布達成一項多年技術合作夥伴關係，雙方將共同開發符合 NVIDIA AI 基礎設施路線圖的下一代記憶體。

NVIDIA 指出，全球 AI Factory 擴張正面臨較長開發週期、先進製造技術門檻以及龐大資本投入需求等挑戰，這項合作將能確保先進記憶體的穩定供應。未來，SK 海力士將與 NVIDIA 共同開發適用於 NVIDIA Vera Rubin AI 超級電腦、NVIDIA Vera 處理器（CPUs）、搭載 RTX Spark 的個人電腦，以及 Jetson Thor 機器人運算平台的先進記憶體。

此外，雙方的合作也將深入半導體晶片的設計與製造環節。SK 海力士將導入 NVIDIA CUDA-X 函式庫與 PhysicsNeMo 框架，來加速半導體模擬與技術電腦輔助設計（TCAD）工作流程，並透過 NVIDIA Omniverse、OpenUSD 與 Metropolis 等技術推動晶圓廠的數位孿生。雙方也正探索將數位孿生與傳統軟體及代理 AI 工作流程結合，讓 AI 系統能自主推論晶圓廠數據並優化決策，實現製造過程 AI 化。 

《Bloomberg》進一步指出，目前 SK 海力士正與三星（Samsung）、美光（Micron）在記憶體市場激烈廝殺，這項合作有助於 SK 海力士進入被稱為 HBM4 的下一代高頻寬記憶體世代，這對支援 Vera Rubin 這一類頂級系統所需的記憶體而言，更是不可或缺。《Reuters》也引述 NVIDIA 執行長黃仁勳的發言，強調：「SK 海力士一直是 NVIDIA 最大的記憶體合作夥伴，未來也將繼續保持這樣的地位，我們每年已經向 SK 海力士採購價值數十億美元的產品，未來這個規模還將大幅成長。」 

NAVER 採用 NVIDIA DSX，從 55MW 走向 GW 級

在確保底層的硬體供應後，NVIDIA 也在應用端展開布局。NVIDIA 與韓國網路巨頭 NAVER 宣布，將採用 NVIDIA DSX 平台擴展主權 AI 基礎設施。這項計畫將先從 55  MW 規模起步，並規劃邁向 GW 等級的 AI Factory。未來，NAVER 的 AI Factory 將服務於各大企業、產業界與政府機構，並全面支援 AI 代理（AI agents）、AI 工廠及實體 AI（physical AI）等領域。

為達成這項目標，NAVER 將擴建位於韓國世宗市的下一代超大規模資料中心「GAK Sejong」。《The Asia Business Daily》報導，NAVER 計畫以 GAK Sejong 為前進基地，在 2027 年上半年先啟動 55MW 的 AI Factory 運作，同年將擴展至 100MW，接著於 2028 年在海外進一步擴張至 200MW，最終目標是建立 GW 級基礎設施，這將是 GAK Sejong 現有最大容量的四倍之多，能夠同時容納數十萬顆 NVIDIA 最新的 GPU。 

在具體技術運作上，NAVER 將結合自身建置與營運大規模專有 GPU 叢集的能力，搭配 NVIDIA DSX 平台來加速擴張，並把代幣（token）成本降至最低。同時，NAVER 也將運用 NVIDIA 全端 AI 平台與軟體，進一步推進其下一代 HyperCLOVA X 模型、首爾世界模型（Seoul World Model）以及代理 AI 服務的發展。值得注意的是，NAVER 是第一家加入「NVIDIA Nemotron 聯盟」的韓國企業，並預計在下半年推出由 NVIDIA NemoClaw 藍圖驅動的 AI 代理平台。 

聯手 SK Telecom 與斗山集團擴大韓國 AI 合作版圖

除了 SK 海力士與 NAVER 兩大合作夥伴，《Reuters》報導 NVIDIA 這次在韓國的合作版圖也涵蓋 SK Telecom 與斗山集團（Doosan），但各方均未揭露具體的交易金額。

據報導，SK Telecom 將加碼採購 NVIDIA 的軟硬體技術，全力在韓國打造 GW 規模的 AI 雲端基礎設施，其首座 AI 資料中心暫定於 2027 年正式啟動。斗山集團除了同樣將使用 NVIDIA 技術協助建設 AI 資料中心外，也有望在實體機器人領域展開深度合作。

NVIDIA 透過 SK 海力士掌握 HBM4 與先進記憶體供應，同時藉由 NAVER、SK Telecom 與斗山推進 AI 雲端、資料中心與實體 AI 應用。這次 NVIDIA 在韓國的布局與合作，也展現出 AI Factory 競爭正從算力採購，進一步走向記憶體、主權雲端與產業場景整合。

【推薦閱讀】

◆ 黃仁勳親解 Vera CPU 戰略：這是一個 6 個月前還未存在的市場
◆ AI 基礎建設瓶頸不只在 GPU！Marvell 執行長揭下一場算力戰關鍵：突破「銅線之牆」
◆ 2025 年全球邊緣運算支出突破 2,600 億美元，決定成敗的是 IT 與 OT 能否對齊目標

＊本文開放合作夥伴轉載，參考資料：NVIDIA 1、NVIDIA 2、《Reuters》、《Bloomberg》、《The Asia Business Daily》，首圖來源：NVIDIA

金融 AI 公司 Clifton AI 的 CTO 暨共同創辦人 Joe Bertolami 近日在《VentureBeat》撰文指出，Agentic AI 已成為軟體開發流程的核心引擎，讓企業能以前所未有的速度生成更多程式碼。然而，這也讓企業領導者面臨一道新難題：既然寫 Code 的速度變快了，為什麼產品改善的腳步卻沒有同步跟上？

Joe Bertolami 點出核心盲點：因為「寫程式」從來就不是軟體開發的真正瓶頸，相較之下，需求定義、複雜系統整合，以及在真實環境下的軟體維護，才是更困難的部分。當企業只顧著利用 AI 追求開發速度，卻缺乏相對應的治理配套時，隨之而來的，將是三大系統性失控危機。

危機一：AI Coding 暴增壓垮人工審查，引發「未測試程式碼」氾濫風險

首當其衝的挑戰，是程式碼數量暴增讓「人類審查」成為新瓶頸，因為工程師在龐大的程式碼中，可能缺乏足夠上下文，進而無法抓出 AI Agent 犯下的錯誤。

這個現象已在業界造成嚴重影響。根據 Tricentis 發布的《2026 Quality Transformation Report》，AI 在軟體開發中的普及，已導致全球高達 60% 的組織將未經測試的程式碼部署到生產環境中。其中，有 32% 的組織承認是「明知未經測試仍執意部署」，主因是高層施壓要求速度優先於品質；另有 30% 的組織則表示，AI 生成的程式碼數量過於龐大，已經壓垮既有的品管與測試流程。

面對這些失控現象，Tricentis 執行長 Kevin Thompson 指出：「加速業務轉型計畫是當今高階主管的首要任務之一，AI 具備幫助軟體開發團隊以史無前例速度前進的潛力。」但他同時強烈警告：「然而，速度加快也帶來風險增加，當軟體品質流程無法跟上開發速度時，企業組織通常會採取走捷徑的方式來應對，這將損害信任度。」

危機二：別讓 AI Agent 繼承工程師權限，否則系統將出現責任漏洞

為了防堵品質下滑與系統風險，企業必須正視 AI 的治理與權限問題。Joe Bertolami 建議，企業應將 AI 治理視為一級風險（tier-one risk）。如果放任團隊在缺乏集中式架構的情況下自由導入 AI，將導致流程碎片化、重複做白工，甚至使成本徹底失控。

他特別提醒，企業絕不能讓 AI Agent 直接繼承人類操作員的完整權限。因為人類工程師擁有對上下文的判斷力並能承擔最終責任，但如果讓 AI Agent 擁有同等權限，將會在系統中製造出嚴重的「責任漏洞」。因此，企業必須實施嚴格的讀取、寫入與執行權限分離，並在執行具破壞性或會改變生產環境的操作前，強制設置人類審核把關機制。

危機三：預算無底洞與過時的 KPI 指標

除了技術風險，盲目追求 AI 產出也帶來巨大的財務隱憂。Joe Bertolami 強調，企業必須透過配額與速率限制來嚴格控管生產環境中的 AI 預算，以避免 Agentic AI 支出失控。他舉例指出，Uber 就曾因為在 2026 年 4 月前就燒光全年的 AI 預算，而不得不祭出限制令；據《Axios》報導，甚至有一家未具名的公司，因為 Agentic Loop 失控，單月就產生了高達 5 億美元的 Anthropic 帳單。

為了把預算花在刀口上，Joe Bertolami 建議企業應把 AI 視為工程槓桿，付費使用品質最高的「前沿模型」以減少重工，因為最低的 Token 單價往往不是最能將效率最大化的選擇。 

在這樣的背景下，傳統衡量工程師產出的 KPI 已經完全失效。Joe Bertolami 主張，軟體部署數、程式碼行數與程式碼合併請求數量，從來都不是好的生產力指標，在 AI 時代，這些指標甚至會產生嚴重的誤導。因此，Joe Bertolami 建議企業應該改為追蹤與「商業成果」及「軟體工程耐久性」相關的指標，例如：功能採用率、留存率、變更失敗率、流入生產環境後才被發現的缺陷、程式碼存活時間、每美元任務成功率以及重工時間等。同時，企業也必須重新定義績效與獎勵機制，不只看產出數量，而是要獎勵那些能創造更高層次商業影響力，以及維持跨系統可靠性的工程人員。 

AI 是工程判斷的放大器，而非替代品

如果企業無法有效管理上述三大危機，代價將十分高昂。《2026 Quality Transformation Report》揭露，約有五分之一的組織每年因為軟體品質問題，損失超過 100 萬美元，這些損失主要來自安全與合規失敗、技術債與重工。對此，Tricentis 執行長 Kevin Thompson 呼籲：「隨著財務表現和客戶信任等風險變得更加清晰、可衡量，軟體品質必須成為董事會的首要任務。」

面對這波 AI 程式碼浪潮，Joe Bertolami 提醒企業必須重新調整人力資本，將工程師從單純的「語法撰寫者」（syntax-writers）轉型為「系統思考者與 Agent 管理者」（systems-thinkers and agent-managers）。他也警告企業，在調整好策略與衡量標準前，切勿盲目裁員，因為真正的目標不是一味縮編人數，而是讓團隊有能力涵蓋更廣泛的戰略層面。

「AI 不是工程判斷的替代品，而是工程判斷的放大器，」Joe Bertolami 強調，在結構良好的系統中，AI 能安全地加速交付流程，但在理解不足的系統中，AI 只會加速失敗的發生。因此，這波 Agentic AI 導入的真正考驗，在於企業有沒有能力同步管理好程式碼的審查、系統權限、暴增的成本與最終的軟體品質。

【推薦閱讀】

◆ 只有 26% 受訪企業知道自己的 AI 花多少錢：Token 計費時代，企業新管理難題浮現
◆ 生產設備 20 年沒升級成工廠大隱患：AI 讓製造業現代化從高風險改造，變成可量化投資
◆ AI 讓個人生產力大爆發，為何企業 ROI 仍看不見？關鍵在決策流程重組

＊本文開放合作夥伴轉載，資料來源：《VentureBeat》、《ITPro》，首圖來源：Unsplash

AI 晶片的爆發性需求，正嚴重壓縮台積電（TSMC）的先進製程與先進封裝產能。此外，過度依賴單一供應商的現況，已成為科技巨頭的戰略風險，這也迫使 Google、NVIDIA 等主要 AI 晶片設計公司，開始將目光轉向台積電的替代選項：Intel。對於近年來在晶圓代工領域苦苦追趕，且持續面臨虧損的 Intel 而言，這更是多年來少見的轉機。

據傳 Google 下單 300 萬顆 TPU，為 Intel 代工能力投下信任票

在這波供應鏈多元化的行動中，Google 的進展最為明確。《The Information》報導，Google 在測試 Intel 先進封裝技術數個月後，據稱已向 Intel 下單，計畫在 2028 年製造超過 300 萬顆張量處理單元（Tensor Processing Units, TPU）。

TPU 是 Google 自行研發的 AI 晶片，專門用於訓練與執行 AI 模型。為了控制成本並確保長期的運算量能，Google 的 TPU 不僅廣泛應用於其內部基礎設施、驅動 Gemini AI 系統、AI 強化搜尋以及 Google Cloud 的機器學習服務，甚至已開始向 Apple、Meta 等企業出售 TPU 的使用權限。因此，這次 Google 釋出的大筆訂單，將是對 Intel 製造路線強而有力的背書之一。

NVIDIA 尚未下單，但已展開 Intel 封裝與 18A 製程測試

相較於 Google，NVIDIA 雖然尚未正式下單，但也已經展開早期測試。《The Information》指出，NVIDIA 目前正在測試 Intel 的技術是否能應用於一款未來的處理器上，該處理器預計將把四顆 GPU 整合至單一封裝單元中，據傳這項測試與 NVIDIA 預計在 2028 年推出的下一代「Feynman」GPU 架構密切相關。

此外，NVIDIA 也正在利用 Intel 最先進的 18A 製程進行早期的多專案晶圓試產（multiproject wafer run）。業界普遍認為，Intel 的 18A 製程技術足以與台積電和三星即將投入量產的 2 奈米等級技術相抗衡。為了向市場證明技術實力，Intel 已經率先將 18A 製程用於自家的個人電腦與伺服器處理器，將其作為爭取外部大單前的「內部試驗場」。不過外界也相當關注，18A 製程最終的良率是否能追上台積電，因為這也是 Intel 過去多次遭外界質疑的弱點。

先進封裝成切入點，Intel 要用 EMIB 對決台積電 CoWoS

AI 巨頭們之所以開始評估 Intel，關鍵在於台積電目前面臨的產能壓力主要集中在兩大產線：一是將電路蝕刻到矽晶圓上的先進製程晶圓產線，二是將 AI 處理器與高頻寬記憶體（HBM）結合的「先進封裝」產線。

以 NVIDIA 的旗艦晶片 Blackwell 為例，其將兩顆處理器與 HBM 整合在同一個封裝內，這也讓「封裝能力」成為決定 AI 晶片資料傳輸速度的關鍵。目前，Intel 的先進封裝技術正是其爭取代工訂單的突破點。Intel 財務長 David Zinsner 也曾向投資人透露，目前先進封裝的市場需求遠超預期，已達到每年數十億美元的規模。 

Intel 所主導的 EMIB（嵌入式多晶片互連橋接）封裝技術與台積電的 CoWoS，目的都是在解決晶片互連的問題，不過兩者作法不同：台積電的 CoWoS 是使用較大的矽中介層（silicon layer）來連接處理器與記憶體，而 Intel 的 EMIB 則是採用較小的矽橋，僅在封裝內部需要的位置進行連接，這種作法對某些設計而言成本可能較低。《The Information》也透露，全球主要記憶體供應商 SK Hynix 正在測試其 HBM 是否能與 Intel 的封裝技術搭配，若測試成功，將大幅提高 AI 晶片設計巨頭對 Intel 封裝能力的信心。

在台積電產能嚴重吃緊的情況下，AI 晶片商正在積極尋找備援製造與封裝方案，正如 eMarketer 科技分析師 Jacob Bourne 所言，這項消息「證明 AI 領域的最大玩家正競相實現供應鏈多元化，因為目前供應鏈仍集中在台積電身上」。

除了分散商業風險，地緣政治也是重要的推力。D.A. Davidson 分析師 Gil Luria 指出：「除了多元化需求外，Google 和 NVIDIA 比平常更有動力與 Intel 合作，因為支持 Intel 就等於支持美國本土製造，這對於和美國政府的關係至關重要。」事實上，川普政府的官員近期也積極在為 Intel 拉攏商業合作機會。 

目前 Intel 拒絕對此發表評論，Alphabet 與 NVIDIA 也未立即回應媒體。不過，即便大廠開始尋找備援，並不代表台積電的領先地位已被顛覆，未來 Intel 若要真正在晶圓代工業務翻身，仍必須向市場證明，自己能夠在這些高階 AI 晶片上提供具備大規模、高可靠度以及低錯誤率的量產能力。

【推薦閱讀】

◆ 陳立武上任 14 個月後首度亮牌：Intel 如何押注代理式 AI、客製化晶片與機架級系統？
◆ 從 GPU 主導到 CPU 回溫：Agentic AI 如何改寫企業資料中心配置？
◆ 目標 2031 年追上台積電、英特爾：華為「τ 縮放定律」如何用架構效率繞開 EUV 封鎖？

＊本文開放合作夥伴轉載，參考資料：《The Information》、《The Tech Portal》、《The Next Web》、《Reuters》，圖片來源：Unsplash

近期，《Business Insider》報導 2026 年初籠罩整個軟體股的「SaaSpocalypse」（SaaS 末日）恐慌已明顯降溫，iShares 擴展科技軟體 ETF（IGV）近兩日飆漲 13%，創下自 2001 年以來的最大兩日漲幅。

這波強勁反彈主要由三大力量所推動：首先是 Snowflake 日前繳出優於預期的財報，單日股價大漲 36%，顯示市場對其 AI 工具高度買單；其次是 NVIDIA 執行長黃仁勳在 COMPUTEX 的樂觀喊話，強調 AI Agent 的數量龐大，未來將使用比以往更多的軟體工具，軟體公司並不會因此倒閉；最後則是軟體股的空頭回補，讓做空機構措手不及，進一步推升股價表現。

然而，在一片樂觀中，Snowflake 執行長 Sridhar Ramaswamy 近日接受《Forbes》專訪時卻提出警告。他認為，現在宣告「SaaS 末日」已經結束還言之過早，因為 Agentic AI 仍在持續降低企業軟體開發的門檻與成本，並顛覆既有軟體商業模式。

AI Agent 讓寫軟體變容易，軟體公司必須重新回答「長期價值」

Sridhar Ramaswamy 點出一個殘酷的事實：在 Agentic AI 的浪潮下，寫軟體已經變得越來越容易。這也代表，企業必須重新省思，到底自己能為市場帶來什麼不可取代的價值？

他警告，如果企業高層將「軟體開發成本下降」視為微不足道的改變，並抱持著「自然能撐過去」的心態，這將會是極度危險的錯覺。「我正在努力思考長期價值、網路效應，以及在這個任何人都能輕易打造軟體的時代，Snowflake 憑什麼能持續存在？」Sridhar Ramaswamy 以自身為例，提醒在現今的市場環境中，競爭對手只要做出 20% 或 30% 的產品改善，就足以在一夜之間抹平既有公司的領先優勢，「包含 Snowflake 在內，沒有任何人可以坐在這裡，假設未來的成功是理所當然的。」

AI Agent 衝擊蔓延至人才端，資料科學家與分析師面臨轉型壓力

現在 AI 的顛覆不僅發生在企業競爭層次，更直接衝擊企業內部的人才結構。以 Snowflake 自身的產品為例，現在只需幾秒鐘，就能完成過去資料分析師必須花數小時處理的繁瑣工作，像是 Snowflake 旗下的 CoWork 讓任何員工都能用自然語言直接查詢受治理的企業資料，Deep Research 模式更能橫跨結構化與非結構化資料，自動執行多步驟的複雜分析。

當被《Forbes》問及所謂的「賦能」是否只是職位消失前的美化說詞時，Sridhar Ramaswamy 坦然回應，這股自動化浪潮也可能影響高階管理者本身，「我或許是個 CEO，但我的本質也就是一台閱讀、寫作與說話的機器，我所做的很多事情都能夠、也將會被自動化。」

他也分享自家資料團隊的真實案例：原本排定需要耗時多年的產品藍圖，團隊借助 AI 在短短幾個月內就完成了。為此，公司因此將這些資料團隊成員重新導向與客戶直接相關的工作。「與創造或對外互動相關的工作將持續帶來價值，但純粹的資訊型工作，將會在很大程度上被自動化，」Sridhar Ramaswamy 說。

軟體產業的下一戰在定價、資料治理與信任入口

當技術護城河正在變淺，軟體產業的下一步該怎麼走？當《Forbes》詢問 SaaS 危機是否已經解除時，Sridhar Ramaswamy 拒絕給出絕對的答案。他表示，「SaaS」是一個太過廣泛的標籤，涵蓋了訂閱制（subscription）和用量導向（consumption）兩種截然不同的商業模式。在當前的環境下，要說服大量使用者為「功能」預先支付訂閱費將越來越困難；相較之下，用量導向模式因為是讓客戶在「實際獲得價值時」才付費，反而更能與客戶需求對齊。

此外，Sridhar Ramaswamy 強調，企業的「AI 成本危機」已成為不容忽視的隱患。例如 Uber 在今年 4 月就曾透露，公司已將 2026 年全年的 AI 寫程式工具預算消耗殆盡，旗下部分工程師每月的 token 帳單甚至高達 500 至 2,000 美元。Sridhar Ramaswamy 犀利地指出，這類 AI 成本爆炸現象不只是技術問題，更是一個定價問題（pricing problem）、治理問題（governance problem），以及底層的使用紀律問題。

為了建立新秩序，Snowflake 正積極佈局治理與信任基礎。除了將原有的 Snowflake Intelligence 與 Cortex Code 更名為 CoWork 與 CoCo，並將其推進 Microsoft Excel、VS Code 和 Claude Code 等企業日常工具外，在最關鍵的治理層面，Snowflake 更推出「Agent Identity」功能，確保每個 AI Agent 在接觸企業內部資料前，都具備可驗證的身分與完整的稽核軌跡。同時，Snowflake 也計畫收購 Natoma 公司，打算藉由經過驗證的 MCP server library 來嚴格管理 AI Agent 的連接權限。

現在，這波由 AI 驅動的軟體產業洗牌才剛剛開始，贏家與輸家的重新排序可能還需要數年時間才能塵埃落定。SaaS 末日或許並未如市場想像中降臨，但 AI Agent 已經讓軟體公司的護城河、定價模式與治理能力重新洗牌，在這樣的背景下，對企業軟體公司而言，現在最危險的不是悲觀，而是太早自信。

【推薦閱讀】

◆ 60% 企業部署未測試 AI 程式碼：Agentic AI 讓 Coding 變快，為何反而讓軟體治理失控？
◆ 只有 26% 受訪企業知道自己的 AI 花多少錢：Token 計費時代，企業新管理難題浮現
◆ 如何用 AI 代理為軟體開發做出高價值貢獻？專家提點 5 大面向，人類管理仍不可或缺

＊本文開放合作夥伴轉載，參考資料：《Forbes》、《Business Insider》，圖片來源：Sridhar Ramaswamy

南韓目前正處於經濟發展的「甜蜜點」，成為全球經濟的贏家，這主要歸功於全球 AI 霸權爭奪戰以及各國重新武裝的浪潮。根據 Insight Communications 執行長 Michael Breen 的觀察，儘管南韓面臨能源高度依賴進口、高昂生活成本與青年失業等挑戰，但其經濟成長引擎依然全速運轉中。

受惠於全球 AI 投資熱潮，南韓五月出口額以高達 53.2% 的年增率飆升，創下自 1984 年 1 月以來的最大增幅。五月出口總額達到創紀錄的 877.5 億美元，連續 12 個月成長，更為該國帶來高達 269.5 億美元的歷史新高貿易順差。

如此強勁的出口動能帶動了對這個貿易依賴型經濟體的強烈樂觀情緒，促使南韓央行將今年經濟成長預測從 2.0% 上調至 2.6%。央行總裁 Shin Hyun-song 更表示，半導體熱銷將使 2026 年 GDP 成長率提升 0.7 個百分點，足以抵消中東衝突帶來的負面衝擊。

AI 算力基礎設施爆發，晶片與變壓器需求大增

由於美國科技公司不斷加大 AI 投資力道，大幅推升記憶體晶片價格，帶動南韓五月半導體出口暴增 169.4%，達到創紀錄的 371.6 億美元。同時，AI 伺服器的龐大需求也促使電腦出口激增 290.7%。

這股狂熱直接反映在股市表現上，晶片巨頭三星電子與 SK 海力士的市值雙雙突破一兆美元大關，成功躋身全球前二十大企業。強勁的獲利表現帶動南韓 KOSPI 指數在去年飆漲 76% 後，今年以來更是大漲超過 100%，創下歷史新高，成為全球 AI 驅動漲勢中表現最佳的股票市場。經濟學家預期，這股動能將在第三季進一步增強，全年出口成長率上看 50%。

此外，為了支撐 AI 晶片與伺服器運算需求，新建資料中心的需求引發對超高壓變壓器的搶購熱潮。南韓三大指標企業，曉星重工業、HD 現代電機與 LS Electric，目前的合計積壓訂單已高達 32 兆韓元（約 213 億美元）。其中，受惠最深的曉星重工業，其股價甚至在五年內狂飆超過 50 倍，成為基礎設施供應鏈中的受惠者。

地緣政治紅利，造船與國防產業迎來全面復甦

在地緣政治板塊重組的當下，美國政府去年發出嚴厲警告，指出美國國內造船業面臨「近乎全面崩潰」的窘境。五角大廈更在今年四月宣布一項 18.5 億美元的可行性研究，計劃將軍艦設計與建造外包給南韓與日本，打破了數十年來僅在國內生產的慣例。

參與國防專案的銀行家 Patrick Han 指出，美國若想維持在亞太地區的控制權，就急需商船與海軍造船能力，這使得華盛頓及其盟友極度依賴南韓。目前南韓三大造船廠產能幾近滿載，釜山附近的巨濟島的造船廠工人透露產能已達到甚至超過 100%，今年一月至五月中旬拿下的合約總值已達 191 億美元，且現代重工今年接獲的液化天然氣運輸船訂單量已是去年全年的兩倍以上。

另一方面，俄烏戰爭與歐洲、亞洲、中東等地區的安全隱憂，大幅激發了南韓的國防出口。相較於西方武器，南韓武器系統具備價格更低廉、較少面臨交期延誤，且較無使用限制的特點，因此今年南韓已拿下包含波蘭 65 億美元的戰機與坦克大單，並接獲秘魯、挪威與阿聯酋等國的大量訂單，國防出口積壓訂單在過去一年內大增 24%，達到 113.3 兆韓元（約 755 億美元）。

繁榮背後的隱憂：中國低價競爭與產業發展不均

儘管半導體產業推動了出口奇蹟，但南韓經濟仍面臨內部與外部隱憂。在石油價格高漲與中國低成本對手的雙重擠壓下，南韓的鋼鐵與石化產業正面臨龐大壓力，汽車出口也因中東供應鏈中斷與美國關稅影響而下滑 5.9%。

同時，中小型企業更因沉重的工資負擔與能源成本而苦不堪言。專家極度擔憂，中國從低階製造工廠轉型為高科技強國，對南韓構成了生存威脅。成均館大學經濟學教授 Kim Young-Han 就警告，南韓在機械、電池、顯示器與汽車等領域已逐漸失去對中國的領先優勢，若無法維持技術競爭優勢，遲早會被逐出市場。他坦言，除了半導體以外，南韓在幾乎所有領域都正趨向「比較劣勢」。

南韓經濟能有如此超常的表現，高度仰賴其財閥企業在關鍵工程、技術與核心人員上保持龐大的規模與存在感。銀行家 Patrick Han 形容這是一種「半永久的偏執感」心態，這種心態長久以來一直是南韓產業界的驅動力。財閥雖然常被批評為「章魚觸手」般的擴張，但在當今競爭環境下，企業需要維持足夠的規模來重振旗鼓，而非輕易裁撤部門。面對中國的生存威脅與全球市場的快速變動，南韓產業界深知不能停滯不前，他們本能上理解，他們必須不斷划槳前行、繼續全力推進，才能在這場攸關國運的全球算力與地緣政治戰中，持續保有受益者的位置。

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

為了防堵先進硬體設備流向中國，並進一步與美國的政策看齊，台灣正考慮實施更嚴格的 AI 晶片出口管制，這項措施同時也是目前台美雙方正在進行的貿易談判一部分。據報導，未來的管制對象可能進一步擴大，預計會限制對中國所有客戶的銷售，不再僅限於華為（Huawei）或中芯國際（SMIC）等已被列入出口黑名單的特定企業。

這波管制升級的背後，與美國持續施壓防堵第三地轉運漏洞的政策息息相關。具體來說，美國共和黨參議員 Jim Banks 與民主黨參議員 Andy Kim 已致函負責監督出口管制的美國工業和安全局（BIS）首長 Jeffrey Kessler，要求收緊對台積電這一類晶圓代工廠的規定，以防止中國企業透過在第三國的海外子公司或空殼公司，下單製造客製化 AI 晶片。

此外，東南亞與周邊國家作為走私中繼站的風險也日益升高。儘管馬來西亞曾在廣泛的雙邊互惠貿易協定談判中同意配合美國管制，但後續的具體執行狀況仍不明確。新加坡與日本也陸續傳出不肖分子透過造假目的地來轉運 AI 伺服器的案件，例如先將設備先運至日本，最終再轉運至香港，目前新加坡當局正在起訴相關詐欺行為。

台灣出口管制補漏洞：AI 晶片走私中國，法律責任將升級

面對日益猖獗的走私行為，台灣目前的法律現況顯得相對薄弱，尚未將未經授權的 AI 晶片出口至中國的行動視為犯罪行為。例如在今年五月破獲的基隆 NVIDIA 伺服器走私案件中，檢調機關拘留三名嫌犯並扣押約 50 台伺服器，此事件更促使 NVIDIA 公開敦促伺服器大廠 Supermicro 必須落實出口合規審查，但最終也僅能以偽造文書來起訴涉案人。

為了修補這項漏洞，台灣正在研擬的新規預計將設定與美國相似的晶片算力門檻，例如針對總處理效能（TPP）超過 21,000 及 DRAM 頻寬達 6,500 GB/s 的晶片進行限制。這項標準恰好對應 NVIDIA 的 H200 與 AMD 的 MI325X 等高階產品，且與美國《安全晶片法案》（SAFE Chips Act）的防堵目標一致。這項舉動將讓走私 AI 晶片或伺服器到中國的行為，首次成為可被起訴的刑事犯罪。

下游組裝成新防線，台灣 AI 伺服器供應鏈將面臨更高合規壓力

這項法規的調整將直接衝擊台灣在 AI 伺服器供應鏈中的關鍵地位。台灣供應鏈掌握全球 AI 伺服器製造的重要量能，其中鴻海便囊括全球約 40% 的市占率，其他如廣達、緯創、緯穎及英業達等大廠，皆負責將 NVIDIA 與 AMD 的加速器整合至伺服器機櫃中。

儘管台積電等晶圓代工廠已無法為中國客戶製造先進晶片，但含有這些晶片的伺服器設備，在下游組裝完成後仍存在被非法轉運至中國的風險。因此，若新法規上路，將迫使技嘉、華碩等搭載 NVIDIA 晶片的伺服器組裝廠，加強對自身業務與客戶去向的監管。

中國同步突圍：砸 2 兆人民幣打造本土算力網

為應對美台日益嚴密的科技封鎖，中國正加速推動科技自立，並計畫在未來五年內斥資約 2 兆人民幣（約 2,950 億美元）在全國建設互聯的資料中心網路。

這項計畫的核心目標是確保資料中心至少 80% 採用華為等本土供應商的 AI 晶片與技術，藉此將 NVIDIA 與 AMD 等美系設備排除在中國市場之外，若進一步將國家電網整合至該計畫中，總投資額甚至可能上看 5 兆元人民幣。相關建設計畫曝光後，中國主要資料中心服務商萬國數據（GDS Holdings）在美股盤前交易中一度上漲 12%，世紀互聯（Vnet Group）也攀升了 17%。 

在科技保護立場下，台灣陷入國安與經濟的拉扯。一方面，台灣已在方向上同意遵循美國作法，以回應美國對出口管制的關切；另一方面，這類禁令不僅將引發北京強烈的政治反彈，也會迫使台灣這個擁有世界第五大股市的科技重鎮，在供應鏈管理上面臨艱難的平衡。雖然具體細節仍待雙方高層敲定，但這項潛在的法規調整無疑是防堵走私的重要里程碑，預示台灣科技產業將迎來新的陣痛期。

【推薦閱讀】

◆ 半導體出口暴增 169%、變壓器訂單衝上 32 兆韓元：AI 算力戰如何讓南韓成為全球戰略產業贏家？
◆ 台積電產能不足反成 Intel 福音：傳 Google 下單 300 萬顆 TPU、NVIDIA 測試 18A，AI 晶片進入備援製造時代
◆ 黃仁勳親解 Vera CPU 戰略：這是一個 6 個月前還未存在的市場

＊本文開放合作夥伴轉載，參考資料：《Bloomberg》1、《Bloomberg》2、《Reuters》、《Tom’s Hardware》，圖片來源：Unsplash

目前中美兩國正主導著全球人形機器人的研發競爭，根據巴克萊銀行（Barclays）近期的研究報告指出，去年中國製造的人形機器人已經占據全球約 85% 的市場份額。這股熱潮背後的關鍵動力，就是為了尋求國內人口老化、勞動力成本不斷上升等社會經濟問題的解方。

然而，隨著中國在人形機器人硬體製造與產能上已獨步全球，隨之而來的最大挑戰卻是：市場的真實需求到底在哪裡？部分專家與創投人士點出其中的核心矛盾，認為目前市場對人形機器人的真實需求與應用場景仍十分有限，遠遠落後於製造商龐大的生產能力。投資科技新創的戈壁創投（Gobi Partners）合夥人 Chibo Tang 更直言，如果沒有來自市場的應用需求，這些企業實際上將難以真正邁入大規模量產的階段。

中國人形機器人量產優勢成形：出貨規模、產能擴張與政策力同步推進

中國企業的機器人出貨量究竟有多麼可觀？研究機構 Omdia 的數據顯示，如智元機器人（AGIBOT）、宇樹科技（Unitree）等中國指標性企業，在 2025 年的出貨量各自已突破 5,000 台，這個數字遠遠超過特斯拉（Tesla）、Figure AI 等美國競爭對手僅生產數百台的規模。

在擴充產能的具體行動上，擁有二十年歷史的智慧型手機與電子製造商領益智造（Lingyi iTech）副總裁 Philip Yang 表示，其位於北京的工廠目標在今年量產一萬台機器人，並計畫在 2030 年達到年產 50 萬台的龐大生產規模。這股產業推動力背後有著強烈的政治色彩，在中國五年規劃的強力支持下，發展人形機器人已成為國家任務之一。

量產不是商業化，人形機器人的真實需求仍待觀察

儘管產能驚人，中國人形機器人的真實訂單現況卻顯得雷聲大雨點小。貝恩策略顧問駐北京合夥人 Xin Cheng 指出，截至目前絕大多數的人形機器人訂單一次僅採購一到兩台。摩根士丹利的研究則進一步顯示，目前許多價值龐大的訂單多半來自國營企業，被應用於發電廠、數據中心或作為娛樂用途，或是由企業與學術研究機構買下作為研發之用。

不過，部分製造商表示市場需求正在增長。例如 Matrix Robotics 宣稱已收到約 1,000 台訂單，客戶包含咖啡連鎖店與飯店；EngineAI 則表示其機器人可應用於保全與博物館導覽。

在實用性方面，人形機器人目前仍面臨嚴峻的技術瓶頸，美國智庫新美國（New America）高級研究員 Samm Sacks 觀察到，多數人形機器人仍然偏向表演性質而非具備實質功能，在難以預測且雜亂的真實環境中，它們的表現依然不盡理想。Samm Sacks 進一步解釋，人形機器人的經濟效益仍難以成立，其生產成本依然高昂，在操作上卻非常脆弱，且高度依賴結構化的環境才能順利運作。

以規模化降本，用軟體與數據立足

面對商業化的重重挑戰，中國廠商試圖以規模化殺出一條血路。藉由龐大的量產規模，以及採用本土零組件的優勢，中國製機器人平均比外國型號便宜 20% 以上。領益智造（Lingyi iTech）副總裁 Philip Yang 表示，擴大生產規模可以直接將目前約 30,000 美元的機器人價格砍半。摩根士丹利更預估，全球機器人平均價格將在 2050 年降至 21,000 美元，而目前中國市場上甚至已經出現標價低於 6,000 美元的機型。然而，根據德國智庫墨卡托中國研究中心（MERICS）的報告指出，儘管中國的人形機器人相對便宜，但對於廣泛部署來說仍然「太過昂貴」。 

不過，硬體造價雖然重要，專家卻點出人形機器人的成敗關鍵在於其「大腦」。Omdia 首席分析師 Lian Jye Su 強調，具身智慧實際上取決於人工智慧與機器人技術的深度融合。貝恩策略顧問合夥人 Xin Cheng 也呼應這個觀點，他表示人形機器人不是一個單一產品，而是一個生態系統。為了讓機器人擺脫只能執行單一任務的困境並適應真實生活場景，業界正面臨數據收集的漫長考驗。企業必須從工廠、零售店、辦公室等空間收集海量的人類行為數據，進一步引導機器人進行訓練，專家坦言這將是需要耗費數年時間才能達成的巨大難關。

展望未來，隨著技術的持續成熟，專家評估人形機器人最有可能先在工業物流、倉儲、港口以及危險作業等場域中落地應用。至於產業界的最終目標，則是希望這項技術能真正走入擁有數億家庭的家政市場，協助處理日常家務，藉此將龐大的量產優勢轉化為真正的商業成果。

【推薦閱讀】

◆ 機器人現在還是戰國時期！廣宇董事長李光曜：美國做 AI 大腦、中國做硬體，台灣可以兩頭賺
◆ 李飛飛拆解「世界模型」3 大分類，Google、NVIDIA 談的世界模型不是同一件事？
◆ 亞馬遜新一代 AI 機器人 Proteus 亮相：「用對話指揮機器人」如何改寫歐洲物流履約網路？

＊本文開放合作夥伴轉載，資料來源：《AP News》、《CNBC》，首圖來源：AGIBOT

OpenAI 與 Visa 近日在 Visa Payments Forum 上，正式宣布擴大戰略合作，目的是將「代理驅動商務（agentic commerce）」推向主流市場。這項合作將把 Visa 的支付服務整合進 OpenAI 的平台中，讓使用者能直接將 Visa 信用卡與 ChatGPT 綁定。

這也代表，未來使用者在給予授權後，可以直接指示 AI Agent 代為完成線上購物，不僅涵蓋支付帳單、購買紙巾、尿布、雜貨或機票等日常消費，使用者甚至可以下達如「幫我尋找並買一副 150 美元以下的無線耳機」這類具體指令，由 AI Agent 協助完成搜尋與結帳。

事實上，這並非 OpenAI 首次嘗試進軍電子商務。去年底，OpenAI 曾推出「Instant Checkout」功能，讓 ChatGPT 扮演數位個人購物助理，但由於流程容易出錯，加上向商家收取高達 4% 的交易手續費而未獲廣泛採用，讓這項服務最終在今年 3 月畫下句點。因此，這次 OpenAI 與 Visa 的深度結盟，正是為了解決過去的痛點，重新打造一套可行的商業模式。

對 Visa 而言，這也是其 AI 佈局的延伸。Visa 早在去年就已宣布與 Anthropic 及 Microsoft 等公司合作開發 AI 產品，Visa 全球市場集團總裁 Oliver Jenkyn 曾指出，2026 年將是 AI 輔助購物的一年，而讓 AI 完全獨立完成搜尋與購買的「代理驅動商務」則需要時間成熟，如今這項合作，則顯示 AI 輔助購物正進一步朝代理驅動商務推進。

從推薦商品到完成付款，AI Agent 正式進入交易流程

過去，AI 多半被用來協助消費者發現商品、評估選項與做出決策，但隨著技術升級，AI 購物助理正跨越原本的界線，開始能協助消費者執行包含研究、比較與結帳等真實世界的任務。正如 Visa 產品與策略長 Jack Forestell 所強調：「AI 改變商業的程度將比網際網路或行動科技所做到的更為深遠。」

《AP News》進一步指出，這次合作象徵著 AI Agent 的角色正式從「推薦商品」升級為「執行購買」，未來有望在任何接受 Visa 付款的線上零售商處，獨立且無縫地完成交易。然而，要讓消費者與商家安心將錢包與結帳權限交給機器人，就必須建立比單純推薦商品更高層次的信任基礎。

從代幣化到詐欺監控，Visa 替 AI Agent 支付建立信任基礎

為建立這份信任並實現願景，Visa 將其全球支付網路直接整合進 OpenAI 的生態系中。透過提供支付代幣化（payment tokenization）、即時授權機制、AI Agent 身分識別與持續的詐欺監控等底層基礎設施，開發者與商家將能以無縫的方式，安全地接受「代理驅動支付（agent-driven payments）」，同時確保自動化交易不會危害使用者資料。

這項名為「Visa Intelligent Commerce」的計畫，更將應用場景延伸至企業端。Visa 與 OpenAI 計畫探索將支付基礎工具（payment primitives），嵌入由 Codex 驅動的開發者體驗中，以簡化採購、發票、對帳與支付執行等自動化商業流程。 

然而，把支付權限交給 AI，容易引發銀行與零售商的疑慮，例如消費者可能會超支、AI 可能會買錯商品，或是事後引發「未授權交易」等潛在糾紛風險。為了解決這些隱憂，Visa 強調這類交易都會在消費者或企業設定的「防護機制（guardrails）」內運作，並透過明確設定金額上限、必要的批准門檻，以及限制特定商家類別，再結合前述的即時授權技術，能確保買方在交由 AI 執行任務時仍保有絕對的控制權，藉此保護消費者，並降低詐欺與交易出錯風險。

針對潛在的交易糾紛，Visa 表示將沿用現有的爭議處理原則，並進一步修改其代幣框架與資料擷取流程來防範技術端的問題。此外，在推廣初期，Visa 預期多數交易仍會要求「人類介入（human-in-the-loop）」，也就是 AI 在結帳前會發送通知讓消費者確認購買，直到使用者逐步建立信任，並願意授權系統處理更多交易流程。 

隨著各家支付與 AI 公司都在構思未來的商務樣貌，Mastercard 與 PayPal 等對手也相繼探索類似的合作模式。Visa 與 OpenAI 這次結盟的核心，是要建立一套完善的防護網，讓 AI Agent 所執行的交易，能被生態系中的商家、開發者及金融機構辨識與控管。因為在這樣的基礎上，AI 購物助理才能安全地在全球規模的平台上，支援更多代理驅動商務應用。

【推薦閱讀】

◆ 【數位資產的未來】30% 利潤蒸發風險：傳統金融如何透過五大關鍵佈局抓住代幣化機遇

◆ Robinhood 宣布串聯 AI 代理與金融平台，70 萬會員成首波測試對象

◆ 歐洲想擺脫「數位美元化」，37 家銀行推歐元穩定幣反攻：為何歐洲央行反而踩煞車？

＊本文開放合作夥伴轉載，資料來源：《AP News》、《Bloomberg》、《Techstrong.ai》、VISA，首圖來源：VISA

資安大廠 CrowdStrike 近日發布《2026 Technology Threat Landscape Report》報告，指出在 2025 年 4 月 1 日至 2026 年 3 月 31 日期間，所有針對科技業的國家級網路攻擊中，有超過 58% 是由與中國相關的駭客組織所發動。

CrowdStrike 警告，中國駭客組織正持續增加對美國科技公司的網路攻擊，核心目的是為了竊取 AI 能力，藉此縮小與美國之間的科技差距。這些駭客行動與中國政府的戰略優先事項高度一致，反映出中國對技術發展、智慧財產權，以及具有戰略價值資訊的濃厚興趣。

AI 模型、半導體與軟體供應鏈都被中國駭客鎖定

CrowdStrike 在報告中強調，過去幾年，科技業一直是網路犯罪者、國家級攻擊者最常鎖定的目標產業，這些攻擊的動機廣泛涵蓋財務利益、長期情報蒐集以及工業間諜活動。報告中所指的「科技業」，包含從事電腦硬體研發、開發或分銷的公司，以及 IT 服務及顧問、半導體和軟體公司。

在這樣的產業背景下，中國駭客組織正不斷升高對科技組織的間諜行動，試圖竊取中國無法足夠快速自行建立的 AI 能力和智慧財產。因此，中國威脅的對象已不只是大型前沿實驗室（frontier labs），也包含較小型的特定領域模型開發商。

此外，為了達成更廣泛的滲透，中國駭客也積極尋求進入下游客戶的環境，這可能進一步提高供應鏈遭到入侵的風險。報告也列舉具體的攻擊行動，例如攻擊者 SUNRISE PANDA 曾特別鎖定東亞與東南亞的郵件基礎設施；MURKY PANDA 對超過 340 個主要位於美國的組織發動密碼噴灑（password-spraying）攻擊；WARP PANDA 則利用系統漏洞入侵北美科技公司，以取得長期的內部存取權。

AI 追趕壓力推升網路間諜活動，中國否認相關指控

探究這波網路攻擊加劇的背後原因，《CNBC》分析，美國限制中國取得 AI 訓練晶片的政策，已對北京的科技發展造成限制。儘管中國本土 AI 模型正試圖透過降低運行成本，來提供接近美國模型的智慧能力，但科技追趕的壓力顯然推升網路間諜活動。

美國白宮科技政策辦公室曾於 2026 年 4 月 23 日指控，有中國官方或民間背景的組織正進行「蓄意、工業規模」的行動，祕密蒸餾（distill）美國開發的模型以供自身使用。今年稍早，美國 AI 巨頭 Anthropic 與 OpenAI 都曾抱怨中國公司從美國科技公司萃取競爭情報，不過當時分析師也提醒，這類非法行為的界線有時可能有些模糊。

針對美方的多項指控，《Reuters》引述中國駐美大使館發言人的回應，強調「中國反對駭客活動，並依法打擊此類活動」，並拒絕「以網路安全為藉口的污名化與抹黑」。該發言人補充，中美兩國需要共同推進 AI 發展與治理，並提到兩國元首在近期的訪問中，已就 AI 進行建設性交流，並同意啟動政府間的 AI 對話。

科技業面臨 AI 能力與科技 IP 外流風險

雖然報告指出中國是最大威脅，但也揭露其他重大的攻擊來源。在國家級攻擊中，北韓的駭客行動占了對科技業「手動鍵盤操作（hands-on-keyboard）」攻擊的 47%。他們主要透過偽造身分，在北美、歐洲與亞洲的科技公司騙取遠端 IT 職位，不僅將高薪收入匯回平壤政權，也藉此在企業內部取得情報蒐集的立足點。此外，另一北韓相關駭客組織 STARDUST CHOLLIMA 更曾入侵每週下載量破億的 Axios npm 套件，引發開源軟體供應鏈危機。

現在，科技業再度成為外國政府與網路犯罪者最常鎖定的產業，特別是 AI 相關科技公司在市場上的高估值與投資熱潮，使其成為極具價值的高風險攻擊目標。正如 CrowdStrike 提醒：現代科技公司正在建立世界上最有價值、也最容易成為攻擊目標的資產，包含 AI 在內的前沿創新，不僅代表企業的競爭優勢，同時也帶來更高的風險。因此，科技組織必須理解這些威脅行為者的動機與手法，才能為持續演變的威脅環境做好萬全準備。

＊本文開放合作夥伴轉載，資料來源：《CNBC》、《Reuters》、Crowd Strike，首圖來源：Unsplash

矽谷在過去一年裡，逐漸將 AI 的使用量變成一種職場上的計分板。然而，這股追求 token 用量最大化（tokenmaxxing）的風氣正迎來反思聲浪，愈來愈多企業高層開始質疑，最大化 AI 使用量是否真的是衡量技術採用成效的正確方式。

《Business Insider》近日在 Mistral AI 峰會上訪問四位企業高層，當他們談到如何衡量 AI 的投資報酬率（ROI）時，沒有任何一個人一開始就談論員工到底消耗了多少 token。

「Tokenmaxxing」的副作用：製造錯誤激勵與資源浪費

這場思維轉變的起因，在於單純追蹤使用量往往會帶來錯誤的激勵機制。Replit 總裁暨 AI 負責人 Michele Catasta 近日在 Web Summit Rio 大會上，就強烈批評企業利用內部排行榜，根據員工使用 AI token 的多寡來排名的趨勢。

Michele Catasta 形容這種排行榜的做法「非常反烏托邦（very dystopian）」，並認為 token 消耗量與員工在公司內部產生的影響力並不成正比，是衡量員工表現的糟糕指標。他更警告，過度使用 AI 就如同出門不關燈、卻不在乎電費一樣「不負責任」，這不僅消耗更多能源，還會排擠其他公司想要建立在模型之上的應用容量。

事實上，一些美國大型企業已經意識到這個問題並開始改變做法。Amazon 在上個月取消內部的 AI 使用排行榜，因為有員工為了提升排名而刻意增加 AI 使用量，Amazon 發言人對此強調，該排行榜從來不是要鼓勵「為了用 AI 而用」。同時，Uber 營運長 Andrew Macdonald 也公開表示，他沒有看到不斷增加的 AI 成本帶來等比例的生產力提升，因此，若要將 token 消耗量與客戶價值畫上等號，仍然很困難。

企業高層的共識：不再只看 token，而是追問實質成果

既然 token 使用量無法與生產力畫上等號，企業高層開始將目光轉向實質的商業成果。法國巴黎銀行（BNP Paribas CIB）首席 AI 長 Charles Holive 將每天數十億個 token 消耗量視為「虛榮指標」，並強調：「我們試圖確保我們追蹤的是結果，而不是虛榮指標。」比起員工用了多少 token，Charles Holive 更關注的是：「你做了什麼以前做不到的事？你完成的速度變快了多少？」

其他企業高層也抱持相同看法。法國郵政銀行（La Banque Postale）創新、數位與資料總監 Antoine Pichot 指出，法國郵政銀行衡量 AI 成效的方式，是看 AI 是否能讓員工變得更有效率、改善客戶服務，並帶來價值。

作為全球最大的 IT 服務與諮詢公司之一，塔塔諮詢服務（Tata Consultancy Services）的首席 AI 與轉型長 Amit Kapur 則表示，他的重點在於 AI 是否改善商業表現。此外，負責協助大型企業從多個 AI 供應商導入 AI 工具的 NTT DATA 執行董事 Sujay Bhattacharya 也觀察到，他的客戶愈來愈不看重 token 數量，而是更關注 AI 專案的整體成本與商業價值。 

追蹤 Token 的真正意義：成本控管而非價值指標

儘管企業開始反思「tokenmaxxing」，這並不代表公司將完全停止追蹤 AI token 的使用量，受訪企業高層一致認為：雖然 token 可以顯示使用多少 AI，但不一定能說明 AI 是否帶來有形的投資報酬。

法國巴黎銀行首席 AI 長 Charles Holive 解釋，他的團隊仍會持續監控 token 的消耗量，但真正目的是為了控制成本並衡量技術的採用率。此外，隨著 OpenAI、Anthropic 與 GitHub 紛紛轉向「按使用量計費」模式，企業正面臨更大的成本壓力，必須證明更高的 AI 使用成本確實能夠帶來有意義的回報。

企業界正在經歷一場深刻的思維轉變：從過去追求「tokenmaxxing」與鼓勵提高 AI 使用量，轉向嚴格審視 AI 是否真的能改善員工效率、客戶服務、商業表現與成本效益。對決策者而言，追蹤 token 使用量依然有其必要性，但絕非衡量 AI 價值的終點。當「tokenmaxxing」被視為虛榮指標，甚至會製造不必要的錯誤激勵與能源浪費時，企業 AI 導入的真正考驗，已經回到受訪高層反覆強調的核心問題：AI 是否帶來具體且有形的投資回報？

＊本文開放合作夥伴轉載，資料來源：《Business Insider》1、《Business Insider》2，首圖來源：Unsplash

亞馬遜創辦人貝佐斯（Jeff Bezos）自 2021 年卸下執行長後，再度親自出任 CEO，與 Google 生命科學部門 Verily 前共同創辦人 Vik Bajaj 共同領導 AI 新創 Prometheus。

Prometheus 近日宣布完成 120 億美元的第二輪募資，使估值一舉達到 410 億美元。Prometheus 的野心極大，他們並不是要打造 AI 聊天機器人或實體機器人，而是將目光鎖定在真實的物理世界，致力於開發能服務物理世界的「人工智慧通用工程師（artificial general engineer）」。

什麼是「通用人工智慧工程師」？

Prometheus 將自身定位為「物理 AI」新創，試圖將 AI 的應用範疇從純粹的文字生成與軟體開發，推向複雜的實體工程及製造業場域。

「通用人工智慧工程師」是一款能自動化複雜實體系統設計與製造流程的 AI 軟體，貝佐斯在接受《CNBC》專訪時，將其形容為一種非常現代化的電腦輔助設計（CAD）系統。貝佐斯澄清，Prometheus 並非一家機器人公司，「我們正在打造的工具，將讓工程師在設計實體物件時變得容易許多」。

Prometheus 共同執行長 Vik Bajaj 向《WSJ》進一步解釋，這個系統的應用範圍涵蓋噴射引擎到藥物化合物的設計，目標是貫穿整個工程流程，從產品設計、效能預測到實際製造都能提供協助。「我們正試圖端到端地解決這個問題，」Vik Bajaj 說。貝佐斯也提到，他所創辦的太空公司藍色起源（Blue Origin）就是能夠從 Prometheus 的工具中大幅受惠的完美範例。 

算力與真實世界資料的高門檻

然而，要實現這項目標，需要極為龐大的資源。這次募資除了貝佐斯本人外，也吸引摩根大通（JPMorgan Chase）、高盛（Goldman Sachs）與貝萊德（BlackRock）等重量級投資者參與。

針對這筆龐大資金的用途，貝佐斯向《CNBC》透露，絕大部分將用於取得算力。他解釋：「這是我們募資用途中的一大部分，我們必須籌集大量資金的原因在於，我們正在做的事情非常需要運算資源，需要去創造那些資料。」貝佐斯也表示，Prometheus 很可能成為 AWS 雲端運算服務的客戶，但兩家公司將保持獨立。

目前 Prometheus 約有 150 名員工，辦公室橫跨舊金山、倫敦與蘇黎世，但具體產品細節仍未公開。然而，要讓 AI 真正理解物理世界，僅靠現有的大型語言模型是不夠的。對此，《Financial Times》報導，Prometheus 曾洽談成立一個規模最高達 1,000 億美元的控股基金，計畫用於收購或入股傳統的工程與製造公司，背後的策略，就是希望透過獲取這些企業在真實世界中累積的專有資料，來訓練出具備強大物理理解能力的 AI 系統。

正面回應失業焦慮，貝佐斯認為 AI 將帶來「多個黃金時代」

當 AI 能夠自動化設計時，外界不免擔心這將引發工程師的大規模失業潮。對此，貝佐斯給出截然不同的觀點。他認為，AI 確實會減少現有部分工作所需的人力，但同時會創造更多新機會。貝佐斯強調，當發明變得更便宜、更快速時，整體就業市場反而會擴張，甚至引發勞動力短缺，「即使你將所需人數縮減 10 倍，這項技術也會創造超過 10 倍以上的機會」。

面對市場上流傳「工作將全數消失」的悲觀論調，貝佐斯向《Financial Times》直言「這些人錯了」，並預言 AI 將帶領人類進入涵蓋 AI、太空與生技等多個領域的「多個黃金時代（multiple golden ages）」。

在生活水準方面，貝佐斯也向《CNBC》描繪一個更具彈性的未來：生產力的躍升將讓美國經濟與家庭勞動力結構發生改變。他舉例：「許多雙薪家庭，未來或許其中一人會選擇退出就業市場，因此他們將成為單薪家庭。」貝佐斯更補充：「也許一些現在正在加班的人會停止加班，因為他們不想再加班了。」

Prometheus 的成立，不僅是貝佐斯重返新創第一線的重大里程碑，更是他以實際行動回應 AI 失業焦慮的證明。當 AI 的能力從生成文字、撰寫程式碼，跨越到設計噴射引擎與各種實體產品時，究竟會如外界擔憂地取代大批工程師，還是會像貝佐斯「賦能工程師」的願景一樣，放大工程師的發明能力 ？這個問題的最終解答，將取決於 Prometheus 接下來交出的成績單。

【推薦閱讀】

◆ 史上最大 IPO 背後：SpaceX 如何把太空定調成 AI 時代的新基礎設施？
◆ AI 用越多不代表越有價值：當 token 成本升高，企業決策者開始追問真正 ROI
◆ Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？

＊本文開放合作夥伴轉載，資料來源：《CNBC》、《TechCrunch》、《WSJ》、《Financial Times》，首圖來源：wikipedia

Anthropic 是許多企業用來打造 AI 應用的重要模型供應商。然而，近日《The Information》揭露一個令企業不安的趨勢：Anthropic 正利用其領先的底層技術，積極跨足應用層並銷售自家的產品。

在這樣的背景下，越來越多企業開始意識到，他們仰賴的 AI 供應商可能正準備搶走飯碗，讓企業面臨「付錢養出自己競爭對手」的窘境，並對這種身兼「基礎設施提供者」與「直接競爭者」的雙重角色感到恐懼。

Anthropic 與 Figma、Canva 從合作夥伴變成競爭對手

這個矛盾在今年 4 月 Anthropic 發布 AI 設計與軟體工具 Claude Design 時徹底引爆。起初，Anthropic 邀請長期客戶 Figma 與 Canva 作為發布合作夥伴，雙方也將此視為一次展現產品互補性的絕佳機會。據參與討論的人士透露，Anthropic 一開始承諾新工具僅會延伸 Claude 既有的網站或 App 預覽能力，不會讓使用者進行可能與設計工具直接競爭的進階協作或編輯功能。

然而，在發布前夕，Anthropic 卻突然揭露 Claude Design 實際包含協作與編輯功能，使該產品直接挑戰 Figma 與 Canva 的核心業務。這項突如其來的改變，導致 Anthropic 與 Figma 雙方關係破裂，Figma 在發布前幾天緊急退出合作討論，Anthropic 產品長 Mike Krieger 也於同一時間離開 Figma 董事會。

事後，Figma 執行長 Dylan Field 更在一場私人活動上，暗批 Anthropic 在溝通上「並不坦誠」。不過值得注意的是，Canva 的態度則與 Figma 截然不同，其 AI 產品負責人對外發布聲明，表示雙方合作愉快，並強調 Canva 已成為 Anthropic 聊天機器人上最常被使用的應用程式之一。 

從 Claude Code 到法律、金融工具，Anthropic 正大舉進軍應用層

事實上，Claude Design 並非單一事件，Anthropic 從底層模型開始進軍應用層的野心早有跡可循。例如先前推出的 AI 程式碼開發工具 Claude Code，就突然威脅到依賴 Anthropic 模型的 AI coding 新創，Claude Code 的收入後來甚至超越該領域的先驅 Cursor，以及 Microsoft 的 GitHub Copilot。

知情人士透露，過去 Anthropic 和 OpenAI 在推出潛在競爭產品前，通常會先警告合作夥伴，但近期他們已不再這麼做。Anthropic 甚至利用自身的市場影響力，強硬要求某家程式開發新創客戶必須增加 50% 的花費，才允許他們在即將到來的模型行銷宣傳中曝光。 

不僅如此，Anthropic 與 OpenAI 今年皆將自己定位為企業 AI 供應商，致力於協助企業在不同軟體應用之間自動化辦公任務。近期，Anthropic 更將觸角延伸至法律與金融領域，推出讓使用者能用 Claude 建立簡報圖冊與財務模型、追蹤法律合約變更等新功能。《The Information》形容，這些舉動也直接瞄準 Harvey、Rogo、Legora 等正在開發類似 AI 法律與金融工具的新創公司。

企業成本壓力升高，開始重新計算 AI 投資報酬

除了必須提防供應商變成競爭對手，企業客戶還面臨另一波嚴峻的挑戰：不斷攀升的 AI 導入成本。Anthropic 的銷售額在五個月內飆升五倍、接近 500 億美元，其中一部分成長正是來自 Anthropic 對客戶的強大定價能力。

Anthropic 已經將收費模式從固定費用轉向「依照 AI 使用量計價」模式，加上最新模型採用新的 tokenizer 技術，這使得企業客戶相較於年初，可能必須支付更高昂的 AI 成本。儘管許多大型企業為了自動化軟體工程師與業務人員的工作，仍願意支付高昂費用，但也有不少公司為了控制不斷攀升的預算，近期已開始限制員工使用 Anthropic 的工具。

客戶對 AI 成本升高的敏感度，也牽動整體市場的競爭態勢。根據《Tech Brew》報導，為了搶奪對價格越來越敏感的企業用戶，OpenAI 正考慮在 Anthropic 之前大幅調降 token 價格，這可能在兩家公司邁向 IPO 前，引發一場激烈的價格戰。

企業導入 AI 的新問題，在於供應商會不會變成對手

回到這場 AI 競賽的核心，當 Anthropic 一邊提供底層模型 API，一邊又陸續推出 Claude Code、Claude Design 與各類法律金融工具時，企業導入 AI 的考量已發生本質上的改變。知名創投 a16z 的合夥人 Martin Casado 就警告，未來可能只有底層模型的開發者才能存取最強大的模型，其他競爭對手將只能被迫使用較弱的版本。 

如同長期依賴 Anthropic 模型的程式碼新創 Amp 共同創辦人兼 CEO Quinn Slack 所言：「如果 AI 模型競賽最後『只有一個贏家』，這家公司就可以對他們的客戶施加壓力、甚至踐踏他們並安然脫身；但如果競爭沒有走向單一贏家，那麼他們就仍需要朋友。」

【推薦閱讀】

◆ AI 用越多不代表越有價值：當 token 成本升高，企業決策者開始追問真正 ROI
◆ Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？
◆ 【哲學家也進科技業了】從 Claude 佈道者到首席 AI 長，在 AI 時代誕生的全新職位有哪些？

＊本文開放合作夥伴轉載，資料來源：《The Information》、《Tech Brew》，首圖來源：Anthropic

目前台灣正面臨高齡化與缺工的嚴峻挑戰，產業界迫切尋求科技解方，使得「實體 AI（Physical AI）」迅速成為熱門焦點。然而，當 AI 快速走向實體世界，開發者是否也陷入「為了 AI 而 AI」的技術焦慮？

在五月舉行的「333 Robots Community Meetup」系列活動中，特別邀請到國立陽明交通大學資工系副教授陳奕廷。他也在演講中直指當前的產業盲點，呼籲開發者比起跟上「AI 加機器人」的潮流，更重要的是必須秉持「用真實世界的需求驅動 Physical AI 落地」的核心理念。

立即報名在 6 月 17 日 19:00 舉行的「333 Robots Community Meetup」，與來自陽明交大人本智慧系統實驗室（HCIS Lab）、 Taiwan Robotics Community、台灣夏普的講者，一同探討最新實體 AI 技術趨勢。

立即報名

打破「AI + 人形機器人」迷思，看見跨領域開發的系統性盲點

隨著生成式 AI 的爆發，陳奕廷表示，許多人會直覺地將 Physical AI 想像為「會自己泡咖啡的人形機器人」，或單純的「AI 加上機器人」，但他想先破除這個迷思。陳奕廷指出，Physical AI 並非新名詞，而是「運用 AI 技術，使系統透過感測器觀察、推理分析，並透過致動器在實體世界中採取行動」的一種型態。事實上，這種「感知、推理、行動」的架構，早在 1960 年代史丹佛研究院的 Shakey 機器人專案中就已具備雛形。

然而，當前的開發困境在於，不同領域的專家在投入 Physical AI 時，容易因視角錯位而陷入「各說各話」的盲點。陳奕廷觀察，從機械工程視角出發的開發者，傾向先開出「高功率輸出、安全性、多指靈巧度」等硬體規格，接著才思考能應用在哪裡；從資訊科學視角切入的開發者，則習慣不預設機器人長相，專注於收集海量數據、微調基礎模型，試圖打造出能聽懂一句指令就執行各種任務的通用型機器人。這種從單一視角出發的現象，容易讓開發者變成「拿著鐵鎚找釘子」的人，反而忽略跨領域整合與系統工程的真諦。

不要只解決表象問題：實體 AI 的第一步是重新理解人的需求

為了解釋盲目解決表象問題的風險，陳奕廷以醫院缺工的真實痛點為例，說明當工程師聽到護理師每天需要在病房來回走上兩萬步時，最直覺的反應往往是直接開發，或導入一台能在複雜環境中自主導航的送藥機器人，代替護理師執行送藥任務。

不過，陳奕廷提醒開發者，真正的開發思維應該先退一步深究：「為什麼護理師要走兩萬步？」與其單純把現有任務自動化，開發者更該思考系統設計是否出了問題。他也分享在醫院觀察到的真實現象：許多受過專業訓練的藥師，竟有一定比例的工作時間花在搬運藥箱上，這些才是必須從根本解決的系統性痛點。

針對這些挑戰，陳奕廷提倡導入「以人為本的實體 AI」閉環式協同演化框架（A Closed-Loop Co-Evolution Framework），強調未來的機器人開發流程必須借鏡「系統工程（Systems Engineering）」思維，從確認人類的真實需求與意圖出發，接著明確定義任務與限制條件。隨後，開發團隊必須進行人類、硬體、軟體的三方協同設計（Co-Design Engine），並將系統投入真實世界部署與評估。透過持續獲取人類與環境的動態回饋，實體 AI 系統才能在不斷改變的情境中持續演化與適應。

從真實問題出發，讓 Physical AI 回到需求本身

機器人要真正落地，無法單靠寫程式或單一專業來解決，這正是 333 Robots Community Meetup 匯聚開發者、學界與產業界進行跨域交流的最大價值。

「我們要會問為什麼，我們要去思考為什麼這些事情會這樣子發生，」陳奕廷提醒，只有當開發者不再被單一技術框架綁架、具備分析真實世界問題的能力，並透過重新思考痛點源頭來驅動設計，Physical AI 才能真正在產業中發揮價值。

六月活動預告：淺談實體 AI 落地──從數位孿生到 ICRA 賽場見聞

延續「333 Robots Community Meetup」的精神，六月份的活動將與開發者一同探討前沿技術如何走出實驗室，並由陽明交大「人本智慧系統實驗室（HCIS Lab）」的黃毓翔與林谷翰，帶來甫從奧地利頂尖研討會「IEEE ICRA 與 WBCD 雙手操作挑戰賽」帶回的第一手情報，解析各國好手如何運用端到端實體 AI 技術，突破雙臂機器人的複雜操作。

另一方面，擁有豐富機器人系統工程經驗、來自 Taiwan Robotics Community 的簡文昱，將和與會者們一同探討數位孿生在軌道產業的應用，同時分享如何以虛擬世界的高精度模擬，讓 AI 安全走入高風險場域。

在活動現場，台灣夏普行銷長蕭家昕也將帶來邊緣 AI 技術商品化的實例展示：AI 陪伴型機器人「Poketomo 口袋同萌」，讓與會者在掌握最新技術趨勢的同時，也能親身體驗前沿技術「走出實驗室」並落實為真實產品的樣貌。 

前言技術如何走出實驗室？世界級賽場上有哪些最新的技術解法？六月交流之夜，邀請您一同來現場喝杯啤酒、輕鬆聊聊！

立即報名

近日，Anthropic 的 Fable 5 與 Mythos 5 模型，因為美國政府的出口管制要求而被迫暫停存取。這項舉動不僅讓前沿 AI 模型首次被正式放進「國安風險」與「出口限制」的討論框架中，更引發全球科技界的擔憂。這項管制更創下首例，因為美國政府將過去用來管制武器與先進晶片的「出口管制法」，史無前例地用在一個已廣泛被公眾使用的商業軟體產品。 

美國經濟學家 Tyler Cowen 在《The Free Press》撰文指出，美國政府已跨過一條危險紅線：將單一 AI 模型視為重大威脅，進而出手限制使用。Tyler Cowen 也認為，真正的問題不在於 Anthropic 與美國政府誰的說法正確，而是人們已經開始在工作上依賴 Fable 5，卻突然面臨服務被強制切斷的窘境。

Amazon 示警引爆管制，Anthropic 被迫緊急關閉模型

這場風暴的導火線來自合作夥伴的示警。據《The Information》與《華爾街日報》報導，Amazon 研究人員透過一系列提示詞（prompts），成功讓 Mythos 級模型提供原本應受限制的網路攻擊相關資訊。隨後，Amazon 執行長 Andy Jassy 親自向川普政府高層表達對 Anthropic 最先進模型安全風險的疑慮，進而引發白宮的強烈擔憂。由於 Amazon 既是 Anthropic 的大股東，也是其雲端與晶片基礎設施的重要供應商，這層緊密的商業身分讓 Amazon 的警告在華府極具份量。 

為了因應潛在的國安威脅，美國商務部隨後下達指令，禁止將 Fable 5 與 Mythos 5 模型提供給外國國民，包含身處美國境內的外籍人士。《Fortune》引述知情人士指出，Anthropic 僅被給予約 90 分鐘的時間撤下最新模型，且事前並未收到明確的國安威脅通知。

為了遵守這項涵蓋範圍極廣的出口規定，Anthropic 最終別無選擇，只能全面關閉全球所有使用者的存取權。為了解決這場危機，Anthropic 已緊急派出資安與模型安全高層前往華府，試圖與政府安全專家展開協商，期盼能儘速解除限制。同時，多位資安專家也連署向美國政府抗議，認為此舉不僅沒有解決真正的安全風險，反而奪走網路防禦者手中的最佳工具，並造成市場動盪。 

Tyler Cowen：美國若握有 AI「關閉權」，將重創其作為全球平台的價值

Fable 5 下架事件雖然短暫，卻讓外界看見一個全新的依賴危機。Tyler Cowen 指出，當愈來愈多國家的系統建立在領先的 AI 模型之上時，美國政府若能隨時「關閉開關」（kill switch），美國 AI 作為全球平台的價值就會大打折扣。

因為，企業未來勢必會重新思考，是否還要過度依賴任何一個不受自己控制的單一 AI 模型。Tyler Cowen 警告，各國也會重新評估自身對 AI 的依賴程度，因為一場政策或監管爭端，就可能讓他們賴以維生的重要基礎設施被硬生生拿走。

這樣的狀況，更將導致一個嚴重的後果：各國可能會因為擔心美國 AI 的可靠性，而放慢導入 AI 系統的速度，進而使全球的財富、生產力與知識成長，低於原本可能達到的水準。在這樣的背景下，受創最深的，往往是那些最需要先進 AI 系統來提供技能與知識的國家。

此外，Tyler Cowen 預言這將成為美國巨大的地緣政治損失。若美國 AI 被視為不可靠，部分原本在美中之間搖擺的國家，可能會轉向選擇與中國結盟。有些國家甚至可能改用沒有「關閉開關」的開源 AI 系統，而目前這些頂尖的開源模型多數來自中國。

AI 主權焦慮升溫，前沿模型成為系統性風險

目前這場無預警下架 AI 模型的恐慌，已經在全球各地發酵。《Implicator.ai》分析，Anthropic 模型下架事件無疑證實歐洲對依賴美國科技的深層憂慮，也讓「AI 主權」（sovereign AI）的討論再次沸騰。

歐洲政界的反彈尤為猛烈。法國前總理 Édouard Philippe 直言，AI 如今是如同水電與網路般的關鍵基礎設施，但是「由他人控制的基礎設施，就是其他人可以隨時拔掉插頭的基礎設施」。法國前內政部長 Bruno Retailleau 也警告：「一個在技術上依賴他人的國家，就是一個可能在一夜之間被切斷連結的國家」。英國國會議員 Al Carns 與前安全部長 Tom Tugendhat 則感嘆，這是技術領導地位喪失的縮影，強調如今的國家主權已是「程式碼重於大砲」（code than cannons）。

不僅歐洲，加拿大也對此表達高度關注。根據《The Next Web》報導，加拿大總理 Mark Carney 將 Anthropic 被迫下架模型的事件，放進即將到來的 G7 峰會討論脈絡中，並將過度依賴單一 AI 模型所帶來的「模型風險」（model risk），直接與 2008 年雷曼兄弟引發的全球金融危機系統性風險相提並論。

Mark Carney 強烈呼籲，如同金融危機後對銀行體系的規範，AI 基礎設施也必須建立「冗餘與多樣性」（redundancy and diversity）。為擺脫對外國雲端供應商的脆弱依賴，加拿大已在近期啟動斥資 23 億美元的「全民 AI」（AI for All）國家戰略，計畫建立主權運算基礎設施與國家超級電腦。這股防範風險的趨勢也正在全球蔓延，例如印度在 Anthropic 事件後，便提議設立 50 億美元的主權 AI 基金，英國也在推動建立自家主權的基礎模型。這也顯示，前沿 AI 模型的集中化風險，已正式成為全球亟需解決的挑戰。

Anthropic 事件是全球 AI 依賴關係的不可逆警訊

若美國政府無法妥善與 Anthropic 達成協議，這不僅是美國自身的地緣政治損失，更會導致全球企業、學校與國家的 AI 採用進程變得更慢、品質更差。Tyler Cowen 表示，AI 主權已成為全球共同面對的危機，這是一場「隱形且緩慢移動的危機」，且沒有解方或口號能輕易解決。

即使 Tyler Cowen 預期各方可能很快會達成協議，讓某個安全強化版本的 Fable 5 重新上線，但這次無預警下架事件已經清楚揭示一個殘酷現實：當美國模型隨時可能被美國政府以國安為由關閉，全球的企業與國家就已經踏上尋找其他替代方案的道路。

【推薦閱讀】

◆ 企業正在付錢養出自己的競爭對手？從 Claude Code 到 Claude Design，Anthropic 正在進攻客戶核心業務
◆ Anthropic 監管立場大轉向：Dario Amodei 為何發長文主張政府有權阻止 AI 上線？
◆ 「沒有台灣就沒有 Anthropic。」Anthropic 高層來台，點名台灣在 AI 生態系三個不可取代的角色

＊本文開放合作夥伴轉載，參考資料：《WSJ》、《The Free Press》、《The Next Web》、《Fortune》、《Implicator.ai》、《The Information》，首圖來源：AI 工具生成

在 Windows 出現以前，電腦多半是工程師與電腦科學家才能真正操作的專業工具，使用者必須學習命令列介面、複雜的硬體協定，甚至從頭開始編寫軟體。然而，在 Windows 誕生後，透過直觀的使用者介面、內建應用程式與隨插即用（plug-and-play）的硬體能力，把複雜的操作變得容易上手，成功讓個人電腦從工程工具，變成人人皆可使用的裝置。

位於美國西雅圖的 Edge AI 與機器人技術公司 Numurus，透過軟體平台、硬體整合與工程服務，協助企業加速機器人、智慧感測器與 AI 應用的開發流程，目標是把原本可能耗時數年的開發週期縮短到數個月。

Numurus 執行長 Jason Seawall 近日在《The Robot Report》撰文指出，類似的轉變正在機器人產業發生，Edge AI 正準備讓機器人從少數專家才能操作的系統，走向被廣泛使用的型態。一旦 Edge AI 的操作門檻降低，客群將從原本資金充裕的機器人新創、大型 OEM 與國防承包商，擴展到 STEM 教育計畫與跨領域研究人員，並讓團隊能將第一版產品的出貨時間從一年縮短至幾週。 

硬體已經到位，但「軟體複雜度」成為最大瓶頸

Jason Seawall 指出，來自 NVIDIA、AMD、Qualcomm 與 Hailo 等公司的 Edge AI 處理器，已讓機器人能在本地端執行 AI 模型、快速分析感測器資料，並做出毫秒級決策，且這些晶片已具備足夠的運算速度、較低成本與更高能源效率，得以運行真正的 AI 工作負載，使得硬體技術跨越實用的轉折點。然而，這類 Edge AI 系統的極高複雜度，仍將部署門檻侷限在經驗豐富的工程師手中。 

與個人電腦不同，機器人需要介接的是相機、雷射、GPS 與馬達，機器人也需要能連結即時感測器數據與 AI 模型的控制軟體，而不是一般的文書處理程式。這項對軟體層的迫切需求，在 BlackBerry QNX 發布的《Inside the Robot: Architecture Benchmark Report》報告中也獲得強烈佐證。這份針對全球 1,000 名開發者的調查報告顯示，高達 27% 的受訪者將「軟體架構與整合」列為最大的效能瓶頸，遠高於指向硬體的 16%。

報告指出，開發者目前普遍面臨四大核心挑戰：系統整合複雜、認證容易延遲、人機互動存在安全風險，以及難以確保系統行為的可預測性。此外，即便團隊有能力自建底層軟體，也必須承擔「從零打造」的巨大隱性成本，這包含長達 6 到 12 個月的開發期，以及遇到硬體變更就容易崩潰的客製化程式碼，更可惜的是，高階工程師往往被迫將大量時間浪費在維護底層驅動程式上。正因為缺乏好用的軟體基礎，對多數人來說，現在的 Edge AI 處理器就如同 1981 年的個人電腦一樣：「功能強大，卻難以親近」。

NEPI 試圖扮演機器人的「Windows 式」軟體層

要打破軟體架構的瓶頸，機器人產業就需要一套類似 Windows 的易用平台。為了解決這個痛點，Numurus 公司在 2020 年轉向開發名為 NEPI（Numurus Edge Platform Interface）的易用軟體平台。該平台以 Docker 容器的形式安裝執行，並透過提供隨插即用驅動程式（plug-and-play drivers）、內建自動化應用程式（built-in applications）以及直觀的瀏覽器介面（browser-based interfaces），大幅降低 Edge AI 部署的複雜度。

這樣的設計也呼應 Windows 當年讓 PC 普及的邏輯。在這個脈絡下，Edge AI 不只是協助機器人在本地端執行模型，更讓機器人開發從高度碎片化的工程整合，開始走向具備 AI 模型管理（AI model management）與隨插即用硬體的平台化部署流程。

從專家工程到標準化部署，Edge AI 才能真正擴大機器人可用性

展望未來，QNX 的調查顯示有高達 85% 的開發者預期，未來 3 到 5 年軟體在機器人中的角色將更加吃重，投資也將集中在 AI 驅動決策與網路安全等領域。

「PC 時代的勝利不是靠更快的硬體，而是靠軟體層讓非專家也能善用這些硬體，」Jason Seawall 提出的「Windows for robots」比喻，明確指向產業接下來的關鍵任務：機器人產業如今面臨的課題，是建立能無縫整合 Edge AI、感測器、應用程式與介面的軟體平台。當機器人開發能徹底轉向由軟體平台支撐的標準化部署時，Edge AI 才能真正擴大機器人的可用性，讓缺乏嵌入式軟體專家的團隊，也能輕鬆引進 AI 自動化技術。

【推薦閱讀】

◆ 中國已量產全球 85% 人形機器人，下一個難題是：誰來買單？
◆ 展示容易部署難，人形機器人距離真正的工業化還有多遠？
◆ 複製大疆、比亞迪崛起路徑，Semianalysis：宇樹科技將主導人形機器人產業

＊本文開放合作夥伴轉載，資料來源：《The Robot Report》、《Robotics & Automation News》，首圖來源：Numurus

隨著市場對尋找 NVIDIA 替代方案的需求日益強烈，由傳奇晶片設計師 Jim Keller 領軍的 AI 晶片新創公司 Tenstorrent，正以獨特的 RISC-V 架構迅速成為科技巨頭眼中的併購新焦點。

外媒報導，Intel 與高通（Qualcomm）皆已和 Tenstorrent 展開早期的收購談判。知情人士透露，高通甚至正洽談以 80 億至 100 億美元的金額收購 Tenstorrent，遠高於 Tenstorrent 去年底籌資時約 32 億美元的估值。儘管高通發言人表示對市場傳聞不予置評，但這場潛在併購戰，已凸顯 Tenstorrent 的巨大戰略價值。

Intel、高通為何都想搶 Tenstorrent？

科技巨頭不惜重金求購的背後，各有自己的戰略盤算。對 Intel 而言，由於過去兩年旗下 Gaudi 獨立加速器產品線的市場表現不如預期，目前正處於重整 AI 策略的關鍵期。如果能成功收購 Tenstorrent，Intel 將能獲得現成且強大的 RISC-V AI 平台，迅速在資料中心與 AI 訓練市場重新站穩腳步，以對抗 NVIDIA 的主導地位。

另一方面，營收高度仰賴智慧型手機與個人電腦晶片的高通，在資料中心 AI 領域相對缺乏競爭力。透過這筆交易，高通不僅能取得可授權的矽智財（IP）區塊，更能獲得一個可靠的非 Arm 架構 CPU 發展藍圖，這對要實現業務多元化的高通也具有重大意義。

Jim Keller 加持，Tenstorrent 靠 RISC-V 與網路化 AI 突圍

讓這些巨頭買單的，是 Tenstorrent 顛覆傳統的硬實力與獨特的商業模式。Jim Keller 擁有極為輝煌的履歷，他曾參與開發 Apple 的 A 系列晶片、特斯拉（Tesla）的自動駕駛晶片、AMD 的 Zen 架構，以及 Intel 的 CPU 研發。

不同於一般的晶片新創公司，Tenstorrent 採用開源的 RISC-V 架構來開發其 Ascalon CPU 核心與 Tensix AI 核心，不僅銷售封裝好的實體矽晶片，同時也將其 IP 授權給客戶使用，帶來極高的市場彈性。

在系統設計上，Tenstorrent 打破多數 AI 加速器僅關注運算的盲點，他們優先解決資料放置與資料流的問題，其「網路化 AI」架構更將運算、記憶體與網路統一至單一系統中，無需依賴專有互連技術，即可透過標準乙太網路從單一核心無限擴充至數千台伺服器，該平台也主打不受專有軟體堆疊限制，高達 90% 的 Hugging Face 模型都能直接在 Tenstorrent 硬體上順利運行。 

Tenstorrent 執行長 Jim Keller 曾表示：「業界的每家公司都在成雙成對地打造『加速器的加速器的加速器』，CPU 執行程式碼，GPU 加速 CPU，TPU 加速 GPU，LPU 再加速 TPU，這導致解決方案過於複雜，且難以與 AI 模型及應用的變化相容，因此在 Tenstorrent，我們認為更通用、更簡單的架構才會有效。」

Galaxy Blackhole 效能顛覆市場，AI 影片生成快 10 倍

這種化繁為簡的架構，在實際效能上展現出超越競爭對手的數據。Tenstorrent 以新一代 Blackhole 晶片打造的 Galaxy Blackhole 系統，在 AI 影片生成速度上比領先的 GPU 系統快上 10 倍。例如與 Prodia 的合作，能在短短 2.4 秒內生成 720p、81 幀的高品質影片。

Prodia Labs 共同創辦人 Mikhail Avady 與 Monty Anderson 證實：「我們本來就已經在 Artificial Analysis 排行榜上領先，而與 Tenstorrent 的合作，讓我們在影片生成速度上又解鎖了另一個 10 倍的提升。」 

大廠投資、客戶部署到位，Tenstorrent 進入估值關鍵期

這些效能表現，讓 Tenstorrent 不僅獲得三星（Samsung）、現代汽車（Hyundai）、起亞（Kia）、Bezos Expeditions 等巨頭的投資與合作，也與 Equinix、Virtu Financial、Cirrascale 等企業達成資料中心部署協議。

目前，Tenstorrent 似乎正採取雙軌並行的資本策略。一方面，它先前曾洽談由 Fidelity 領投、估值約 32 億美元的 8 億美元新一輪融資；另一方面，他們也並未放棄與戰略買家進行潛在的收購談判，甚至可能保留首次公開發行（IPO）的選項，藉此測試其在公開市場的最高估值。

對 Intel 或高通而言，收購 Tenstorrent 就等同買下撼動 NVIDIA 霸主地位的戰略武器，因此接下來兩季的產品與客戶發布表現，將是決定這些早期併購談判最終能否化為行動的關鍵時刻。

【推薦閱讀】

◆ 比 NVIDIA 系統快 4 倍、功耗只有五分之一：Tensordyne 用一個數學技巧重新設計 AI 推理晶片
◆ 從黑名單到全鏈追蹤：台灣擬將 AI 晶片管制擴大到所有中國客戶，伺服器供應鏈迎合規新考驗
◆ 半導體出口暴增 169%、變壓器訂單衝上 32 兆韓元：AI 算力戰如何讓南韓成為全球戰略產業贏家？

＊本文開放合作夥伴轉載，參考資料：《The Information》、Tenstorrent、《The Next Web》，首圖來源：Tenstorrent